標準偏差とは｜分散との関係・計算手順・正規分布と偏差値をやさしく解説

テストの点数や商品の価格、毎日の気温など、私たちの身のまわりには数値の集まり（データ）があふれています。そうしたデータを語るとき、よく使われるのが「平均」です。しかし平均だけでは、データが平均の近くに集まっているのか、それとも大きく散らばっているのかが分かりません。この「散らばり具合（ばらつき）」を1つの数値で表すのが標準偏差です。本記事では、標準偏差とは何か、分散とどう関係し、どう計算するのかを順を追って解説します。

標準偏差とは何か

標準偏差（standard deviation）とは、データが平均値からどれくらい散らばっているかを表す指標です。記号では小文字のσ（シグマ）やsで表されます。値が大きいほどデータは平均から広く散らばっており、小さいほど平均の近くに集まっていることを意味します。

たとえば、2つのクラスのテストがどちらも平均60点だったとします。一方のクラスは55〜65点に集中し、もう一方は20〜100点まで幅広く分布していたら、同じ平均でも中身はまったく違います。この違いを数値で示せるのが標準偏差です。平均が「データの中心」を表すのに対し、標準偏差は「データの広がり」を表す、いわば対になる指標だと考えると分かりやすいでしょう。

実際のデータを入れて平均と標準偏差がどう出るかを確かめるには、基本統計量計算ツールに数値を貼り付けてみるのが手早い方法です。平均・分散・標準偏差などがまとめて表示されるため、数字の関係を目で見て理解できます。

分散と標準偏差の関係

標準偏差を理解するうえで欠かせないのが分散（variance）です。実は、標準偏差は分散から計算されます。両者の関係は非常にシンプルで、標準偏差は分散の平方根（ルート）です。逆に言えば、標準偏差を2乗すると分散になります。

標準偏差 = √分散　／　分散 = 標準偏差²

では分散とは何かというと、「各データが平均からどれだけ離れているか」を2乗して平均したものです。平均との差（これを偏差と呼びます）には、平均より上ならプラス、下ならマイナスが含まれます。そのまま足し合わせると打ち消し合ってゼロになってしまうため、差を2乗してマイナスをなくしてから平均を取ります。これが分散です。

ただし分散は差を2乗しているため、単位も元のデータの2乗（たとえば点数なら「点²」）になり、感覚的に大きさをつかみにくくなります。そこで平方根を取って単位を元に戻したものが標準偏差です。標準偏差なら元のデータと同じ単位（点、円、cmなど）で「ばらつき」を語れるため、実務では分散よりも標準偏差のほうがよく使われます。

標準偏差の計算手順

標準偏差は、次の手順で計算できます。ここでは5つのデータ「2, 4, 4, 4, 6」を例にします。

• 手順1：平均を求める　すべて足して個数で割ります。(2+4+4+4+6)÷5 = 20÷5 = 4。平均は4です。
• 手順2：各データの偏差（平均との差）を求める　-2, 0, 0, 0, 2 となります。
• 手順3：偏差を2乗する　4, 0, 0, 0, 4 となります。
• 手順4：2乗の平均（＝分散）を求める　(4+0+0+0+4)÷5 = 8÷5 = 1.6。分散は1.6です。
• 手順5：分散の平方根を取る　√1.6 ≒ 1.26。これが標準偏差です。

ここで1つ注意点があります。手順4で「個数で割る」と説明しましたが、これは手元のデータ全体そのものを対象とする母標準偏差の計算です。一方、限られたサンプルから全体（母集団）のばらつきを推定したい場合は、個数nではなくn-1で割る（不偏分散を使う）のが一般的です。同じデータでも目的によって割る数が変わる点は、実務で混乱しやすいので覚えておくとよいでしょう。

手計算は手順を理解するには有効ですが、データが増えると大変です。実際の集計では基本統計量計算ツールに数値をまとめて入力すれば、平均・分散・標準偏差を一度に算出できます。母標準偏差と標本（不偏）標準偏差の両方を確認できるため、目的に合った値を選べます。

標準偏差が大きい・小さいの意味

標準偏差の値そのものは、それ単体では「良い・悪い」を表しません。あくまでばらつきの大きさを示すものであり、データの性質や目的と合わせて解釈する必要があります。

たとえば製品の品質管理では、寸法の標準偏差が小さいほど「製品ごとのばらつきが少なく安定している」ことを意味し、望ましい状態です。一方、投資の世界では、収益率の標準偏差は「リスク（変動の大きさ）」の指標として使われ、大きいほど値動きが激しいと解釈されます。このように、同じ「標準偏差が大きい」でも、文脈によって意味づけが変わります。

また、平均が違うデータ同士でばらつきを比べたいときは、標準偏差を平均で割った変動係数（CV）を使うと公平に比較できます。単位や規模が異なるデータを並べる場合に役立つ考え方です。

正規分布と68-95-99.7ルール

標準偏差が特に威力を発揮するのが、データが正規分布（つりがね型の左右対称な分布）に従うときです。テストの点数や身長など、自然界や社会の多くのデータは、おおまかに正規分布に近い形になることが知られています。

正規分布では、平均と標準偏差が決まると、データがどの範囲にどれくらい入るかが決まります。これを表したのが有名な68-95-99.7ルール（経験則）です。

• 平均 ± 1σ の範囲に、全体の約68%が入る
• 平均 ± 2σ の範囲に、全体の約95%が入る
• 平均 ± 3σ の範囲に、全体の約99.7%が入る

たとえば平均60点、標準偏差10点のテストが正規分布に近いなら、受験者の約68%は50〜70点に、約95%は40〜80点に収まると見積もれます。逆に、平均から3σ（この例では30点や90点）を超える値はめったに現れない「珍しい結果」だと判断できます。品質管理で不良品の基準に標準偏差が使われたり、異常値の検出に「平均±3σ」が目安にされたりするのは、この性質を利用しているからです。

偏差値とのつながり

日本でなじみ深い偏差値も、実は標準偏差から作られています。偏差値とは、あるデータが集団の中でどのくらいの位置にあるかを、平均50・標準偏差10になるように変換した値です。計算式は次のとおりです。

偏差値 = (個人の得点 − 平均点) ÷ 標準偏差 × 10 + 50

この式の中心にあるのが、得点と平均の差を標準偏差で割るという操作です。これにより、テストごとに難易度（平均や散らばり）が違っても、同じものさしで位置を比べられるようになります。たとえば平均ちょうどの点なら偏差値は50、平均より1σ高ければ60、2σ高ければ70という具合です。

前項の68-95-99.7ルールと合わせると、偏差値の感覚がつかめます。正規分布に近ければ、偏差値60以上（平均+1σ以上）は上位約16%、偏差値70以上（平均+2σ以上）は上位約2.3%にあたります。偏差値が標準偏差をもとにした「相対的な位置の指標」だと分かると、数字の意味がぐっと身近になるでしょう。

標準偏差は、平均だけでは見えない「データの散らばり」を1つの数値で表す、統計の基礎となる指標です。まずは基本統計量計算ツールに手元のデータを入力し、平均・分散・標準偏差がどう変化するかを実際に確かめてみてください。数字を動かしながら見ることが、理解への近道です。

なお本記事は一般的な情報提供を目的としたものです。統計指標の解釈や適切な計算方法は、データの性質や分析の目的によって変わります。重要な判断を行う際は、最新の公式情報や専門書、必要に応じて専門家の助言も確認したうえで判断してください。