歪度と尖度

概要

歪度（わいど）と尖度（せんど）は、分布の「形」を数値で表す指標です。平均が分布の位置を、分散と標準偏差が広がりの大きさを教えてくれるのに対し、歪度は「分布が左右どちらに偏っているか」、尖度は「極端な値がどれくらい出やすいか（裾の重さ）」を教えてくれます。位置・広がり・形という3段階の要約の、いちばん奥にある指標だと言えます。

基準になるのは正規分布です。正規分布は完全に左右対称なので歪度は0、尖度も基準値（超過尖度で0）になります。実データの歪度・尖度がそこから離れていれば、「このデータは正規分布とは形が違う」というシグナルです。年収のように右へ長い裾を引くデータ、株価収益率のように極端な変動が想定より頻繁に起きるデータ — こうした正規分布からのずれを、ヒストグラムの目視だけでなく数値として押さえるのが歪度と尖度の役割です。

なぜ生まれたか

19世紀末、統計学が扱うデータは天文学の観測誤差から生物・社会のデータへと広がり、「現実の分布は正規分布の釣鐘型に収まらない」ことが明らかになってきました。生物測定学のカール・ピアソンは、非対称な分布や裾の重い分布を体系的に扱うため、分布の形を捉える指標群 — モーメントに基づく歪度と尖度 — を整備しました。モーメントとは「平均からの距離のn乗の平均」のことで、2乗が分散、3乗が非対称性（歪度）、4乗が裾の重さ（尖度）に対応します。平均と分散だけでは同じに見える分布どうしを、形で区別できるようにしたのです。

この指標が実務的に重要になったのは、多くの統計手法が正規分布を前提に組み立てられているからです。前提が崩れていれば結論も怪しくなる。歪度と尖度は「その手法を使ってよいデータか」を事前に点検する、いわば健康診断の数値として生まれ、使われ続けています。

詳細

歪度 — 分布はどちらに裾を引くか

歪度は分布の左右非対称の度合いです。計算上は「標準化した値の3乗の平均」で、3乗するために平均より右側への逸脱はプラス、左側への逸脱はマイナスとして効き、遠い値ほど強く効きます。右へ長い裾を引く分布（低い値に山があり、高い値がまばらに伸びる形。年収や住宅価格が典型）では歪度がプラスになり、「右に歪んだ分布」「正の歪み」と呼びます。左へ裾を引く分布（簡単な試験の点数など、天井近くに山があり低得点側へ裾が伸びる形）では歪度はマイナスです。

歪度は代表値の選び方と直結します。右に歪んだ分布では、裾の高い値に引きずられて平均が中央値より大きくなります。「平均年収」が実感より高く感じられるのはこのためで、歪んだ分布の代表値には中央値のほうが適しています。歪度の符号を見れば、平均と中央値のどちらを報告すべきかの当たりが付くのです。

尖度 — 裾の重さを測る

尖度は「標準化した値の4乗の平均」で定義されます。4乗の効き方は極端で、平均近くの値はほとんど寄与せず、平均から遠い値だけが支配的に効きます。つまり尖度の実体は、名前が連想させる「山のてっぺんの尖り」よりも「裾の重さ」— 極端な値の出やすさ — です。正規分布の尖度は3で、これを基準0に読み替えた「超過尖度」がよく使われます。超過尖度がプラスの分布は、正規分布より極端な値が頻繁に出る「裾の重い（ファットテールな）」分布です。

裾の重さの軽視は、金融の世界で繰り返し高くつきました。株価の日次収益率は正規分布よりはるかに尖度が高く、正規分布なら数万年に一度のはずの大変動が数年おきに起きます。正規分布を仮定したリスクモデルが暴落時に破綻した事例は、尖度という指標が単なる形の記述ではなく、リスク評価の実質に関わることを示しています。

実務での使いどころと注意点

実務での典型的な使い方は、分析の前の点検です。度数分布やヒストグラムで形を目視しつつ、歪度・尖度の数値で「正規分布とみなしてよいか」を確認します。歪度の絶対値が1を超えるようなら明確な非対称とみなし、対数変換で歪みを縮める、中央値ベースの要約に切り替える、といった対処を検討します。歪度と尖度を組み合わせた正規性の検定（ジャック＝ベラ検定など）もあり、仮説検定の前提チェックとして使われます。

注意すべきは、3乗・4乗という計算の性質上、歪度・尖度が外れ値に極めて敏感なことです。たった1つの極端な値で数値が激変するため、標本が小さいときの歪度・尖度はあまり当てになりません。数値だけを鵜呑みにせず、必ずヒストグラムや箱ひげ図と併せて形を確かめる — 位置・広がり・形のどの指標にも共通する「図と数値の両輪」の原則が、ここでも生きています。