要約統計量
平均は残った。何の平均だったかは残らなかった。
〜 要約統計量 について、ある統計係
要約統計量(ようやくとうけいりょう)とは、データを重い本のあいだに挟んで一晩置いたあと、ページに残っている薄い数のことである。押す前のデータは立体で、数が多く、湿っているが、押したあとは乾いて平たくなり、手帳に挟めるほど少なくなる。統計学では、この作業を「要約」と呼ぶ。
データは、乾いた紙で包んでから本のあいだに入れる。押し花と同じやり方である。紙を使わずに直接挟むと、数がページに移って、その本の中身が少し変わる。図書館の古い本の余白に、ときどき意味のわからない小数が書かれているのはこのためである。
残る数の種類は、上に載せる本の冊数で決まる。この冊数を押圧度という。
| 押圧度(冊) | 残る数 | 数の個数 |
|---|---|---|
| 0 | 元のデータ(湿っている) | データの個数と同じ |
| 1 | 最小値・第1四分位数・中央値・第3四分位数・最大値 | 5 |
| 2 | 平均・標準偏差・データの個数 | 3 |
| 3 | 平均・データの個数 | 2 |
| 4 | データの個数 | 1 |
| 5 | なし | 0 |
一冊で残る五つの数は「五数要約」と呼ばれ、1977年にジョン・テューキーが本にまとめた。二冊目を載せると五つが三つに減るのは、二冊目の重みで最小値と最大値が紙の端からはみ出し、中央値と二つの四分位数が溶け合って平均になるからである。データの個数が最後まで残るのは、数えて出した数にはもともと厚みが無く、それ以上平たくならないためである。厚みの無いものは、五冊目でページのすき間から滑り出し、行方がわからなくなる。
押し終えたページを指一本で下から支え、ちょうど釣り合う点に印を付けると、それが平均である。印はデータの重いほうへ寄るので、平均はデータの重心とも呼ばれる。
中央値は、ページの綴じ目に重なった数である。綴じ目の左右には同じ数のデータが押されているので、本を閉じると中央値だけがどちらのページにも付かず、背の中に入る。
栞は、ふつう二枚目から先になくなる。
データの中に硬い外れ値が一粒混じっていると、本が閉じきらずに傾く。傾いた本では釣り合う点がずれるため、平均は外れ値のほうへ動く。綴じ目は本が傾いても同じ場所にあるので、中央値は動かない。外れ値に強い統計量を「頑健」と呼ぶのは、もとは製本の言葉である[要出典]。
押されたデータは、ページの縦にも横にも広がって染みになる。そのため、散らばりの大きさを表す分散は、元のデータの単位の二乗で測る。身長を cm で押すと、分散は cm² で出る。これは染みの面積である。
面積だけでは、どれくらい散らばったのかが目でわかりにくい。そこで、染みと同じ面積の正方形を考え、その一辺を測る。これが標準偏差である。分散が 49 cm² なら正方形の一辺は 7 cm で、標準偏差は 7 cm になる。実際に定規を当てて 7 cm より長かった場合は、紙が湿っていたことになる。
本を少し傾けて押すと、染みは片側へ流れてから止まる。流れた向きと距離を表すのが歪度である。右へ流れた染みは「正に歪んでいる」と言う。左へ流れた染みは、ページを裏返して右へ流れたことにしてから測る。このため、裏返しを認める流派では、負の歪度はまだ一度も観測されていない。
尖度は、乾いたあとのページの端がどれだけ反り返るかを表す。裾の重いデータは紙の端に数がたまり、乾くときに紙を引っ張る。尖度の高い要約を本棚に戻すと、反った端が隣の本を押す。隣の本の中身は、そのたびに少しずつ要約されていく。
1973年、統計学者のフランシス・アンスコムは、形のまったく違う四つのデータを別々の本で押し、同じ要約統計量が残ることを示した。四つとも、x の平均は 9、x の分散は 11、y の平均は 7.50、x と y の相関係数は 0.816 で、押したページを重ねると染みの縁まで一致する。
押す前の四つのうち、一つはまっすぐな線で、一つは弓なりで、残りの二つにはそれぞれ硬い外れ値が一粒ずつ入っていた。押したあとの四枚はどれがどれか見分けがつかなくなったので、それぞれの名前を書いた五枚目の紙が添えられた。五枚目の紙も同じ本に挟んで保管されたため、いまは五枚とも同じ染みになっている。
一冊で押した五数要約は、細長い箱に入れてしまっておく。箱の両端は第1四分位数と第3四分位数に合わせて切ってあり、最小値と最大値は箱に入りきらないので、ひげとして外にはみ出す。これが箱ひげ図である。

ひげの先よりさらに外に、小さな点が打たれていることがある。これは押すときに本から転がり出た外れ値で、拾い集めて、だいたい元の位置の近くに置いておく決まりになっている。
要約統計量を水に浸すと、ふやけて元のデータに近い形に戻る。ただし、戻ってくるのが元のデータとは限らない。同じ平均と標準偏差を持つデータは数えきれないほどあり、水はそのうちのどれでも好きなものを選ぶ。浸す時間を延ばすと選ばれるデータが変わるので、戻したデータを使った論文には、浸した時間を秒まで書くことになっている。
この記事には、もともと十の節があった。それを辞書一冊の下で一晩寝かせ、残った八つを書き写したものがこの記事である。はみ出した二つの節は、目次の上と下の余白に、ひげとして残っている。
その後、記事は百科事典の全巻の下へ移され、節の数だけが滑り出した。翌年、料理の本の茶碗蒸しのページから、「n = 10」と書かれた薄い紙が見つかっている。