分位数とパーセンタイル

概要

分位数は、データを小さい順に並べたとき「下から何％の位置にある値」を示す指標です。100等分の区切りで言えばパーセンタイルと呼ばれ、たとえば90パーセンタイル（p90）は「データの90%がこの値以下に収まる」境界値を意味します。4等分する場合は四分位数と呼び、下から25%・50%・75%の位置の値を第1四分位数（Q1）・第2四分位数（Q2）・第3四分位数（Q3）と呼びます。Q2は中央値そのものです。

分位数の本質は、値の大きさではなく「順位」で分布を語ることにあります。「テストで85点だった」だけでは立ち位置は分かりませんが、「90パーセンタイルだった」なら上位10%に入ったことが即座に分かります。健康診断の成長曲線、模試の偏差値帯、Webサービスの応答時間の監視 — 「全体の中でどのあたりか」を伝えたい場面で、分位数は共通言語として働きます。

平均や標準偏差が「分布の中心と広がりを計算で要約する」道具だとすれば、分位数は「分布を順位で輪切りにして眺める」道具です。両者は補完関係にあり、特に分布が歪んでいるときに分位数の強みが際立ちます。

なぜ生まれたか

平均だけでは分布の実態を語れない、という問題は古くから知られていました。所得のように右に長い裾を引く分布では、少数の高額所得者が平均を引き上げ、「平均所得」は大多数の実感とかけ離れます。19世紀後半、ゴルトンは人間の能力や身体測定のデータを扱う中で、「値そのもの」ではなく「集団内での順位」で個人を位置づける方法を体系化し、パーセンタイルや四分位数の概念を広めました。順位に基づく指標は分布の形がどうであれ定義でき、極端な値に引きずられない — この頑健さが、平均・標準偏差と並ぶもうひとつの要約の系譜を生みました。

現代でこの発想が最も活躍しているのはソフトウェアの性能監視です。応答時間の分布は典型的に右に裾を引くため、「平均応答時間100ms」の裏で一部のユーザーが数秒待たされていることがあります。平均はこの少数の不幸を覆い隠しますが、p99（99パーセンタイル）は「最も遅い1%の体験」を直接映し出します。SLO（サービス品質目標）が「p99で500ms以下」のように分位数で書かれるのは、平均の死角を埋めるためなのです。

詳細

順位で区切るという操作

分位数の計算は「並べ替えて位置を読む」だけです。データをソートし、目的の割合に対応する位置の値を取ります。位置がデータ点と点の間に落ちる場合は補間（間の値を按分して求めること）しますが、補間方式には複数の流儀があり、ExcelとRとPythonで微妙に違う値が出ることがあります。データが十分多ければ差は実用上無視できますが、「分位数の定義はひとつではない」ことは知っておくと混乱を防げます。

図が示すとおり、四分位数で区切られた4つの区間には同じ「個数」が入りますが、区間の「幅」は等しくありません。データが密集しているところでは区切りが狭く、まばらな裾では広くなります。この幅の不均等こそが分布の形の情報であり、Q1〜Q3の間隔（四分位範囲、IQR）は裾の影響を受けにくいばらつきの指標として使われます。

平均・標準偏差との使い分け

分位数の最大の強みは頑健性です。最大値が10倍に化けても、順位の区切りであるQ3やp90はほとんど動きません。外れ値や右に歪んだ分布（歪度が大きい分布）では、平均と標準偏差による要約は少数の極端な値に支配されるため、中央値とIQRによる要約のほうが実態を正しく伝えます。所得の統計で「平均値」より「中央値」が好まれるのはこのためです。

一方で弱点もあります。分位数は順位しか見ないため、裾の内部で何が起きているかは映しません。p99が同じでも、残り1%が「わずかに超えている」のか「桁違いに悪い」のかは区別できないのです。また、分位数どうしは平均のように足したり按分したりできません。たとえば複数サーバーのp99を平均しても全体のp99にはならない、というのは性能監視で頻出する落とし穴です。全体の分位数が必要なら、元のデータ（またはヒストグラム形式の集計）を統合してから計算し直す必要があります。

分位数が支える道具たち

分位数は単独の指標にとどまらず、他の手法の部品として広く使われます。Q1・Q2・Q3に最小値・最大値を加えた「5数要約」を図にしたものが箱ひげ図で、複数グループの分布比較の定番です。IQRを使った「Q1 − 1.5×IQR より下、Q3 + 1.5×IQR より上を外れ値候補とみなす」という判定規則も広く使われています。また、テストの成績を「上位何%」で伝える発想は、正規分布を仮定した偏差値や標準化と表裏の関係にあります。標準化が「分布の形を仮定して位置を換算する」のに対し、パーセンタイルは「仮定なしに順位そのものを使う」— 分布の形が信用できないときほど、分位数が頼りになります。

まず度数分布とヒストグラムで分布の形を眺め、歪んでいれば分位数で要約する。この流れを身につけると、平均しか見ないレポートの危うさに気づけるようになります。