データの要約と分析へようこそ！
管理会計士を目指す道のりでは、膨大な生の数値を扱う場面が多くあります。それらの数値は単体では単なる「ノイズ（雑音）」に過ぎません。予算の設定や製品の発売決定といった、適切なビジネス上の意思決定を行うためには、そのノイズを意味のある「ストーリー」に変換する必要があります。この章では、データを意味のある情報へと凝縮するためのツールについて学びます。
「自分は数学が苦手だ」と思っても大丈夫です！ここで学ぶコンセプトを、誰でもマスターできるシンプルで日常的なアイデアに分解して解説していきます。
1. 代表値：データの「中心」を見つける
データセットを見る際、私たちは通常、そのグループ全体を代表する一つの値を求めようとします。これを「代表値（Central Tendency）」と呼びます。代表値を求める主な方法には3つあります。
A. 平均値（Arithmetic Average）
「平均」と言ったとき、多くの人が思い浮かべるのがこれです。すべての数値を合計し、項目の数で割ることで求められます。
公式: \(\bar{x} = \frac{\sum x}{n}\)
例: 3人の作業員がそれぞれ10個、15個、20個の製品を製造した場合、平均値は \((10 + 15 + 20) / 3 = 15\) 個となります。
長所: すべてのデータポイントを計算に含めることができる。
短所: 「外れ値（極端に大きい値や小さい値）」に大きく左右される。例えば、年収200万円の人が5人と、億万長者が1人いる部屋を想像してください。平均年収は非常に高い数値になりますが、それは現実の実態を反映していませんよね？
B. 中央値（Median）
データを小さい順に並べたとき、ちょうど真ん中に位置する値のことです。
例: 3, 7, 10, 15, 20というデータの場合、中央値は10です。
よくある間違い: 中央値を求める前に、必ず小さい順から大きい順へ並べ替えることを忘れないでください！項目の数が偶数の場合、真ん中の2つの値の平均が中央値となります。
C. 最頻値（Mode）
データセットの中で最も頻繁に出現する値のことです。
例: 5, 8, 8, 10, 12というデータの場合、最頻値は8です。
豆知識: データセットには最頻値がない場合や、1つだけの場合、あるいは2つ（二峰性）ある場合もあります！
暗記のヒント:
• Mean（平均）: 計算が一番面倒（Mean＝意地悪、という語呂合わせ）。
• Median（中央値）: 道路の中央分離帯（Median strip）をイメージ！
• Mode（最頻値）: 「MO」から始まる＝MOst frequent（最も頻繁）。
重要なポイント: 平均値は一般的な計算に適していますが、データに極端な外れ値が含まれている場合は、平均が大きく引きずられてしまうため、中央値の方がより正確な実態を表します。
2. 散布度：データはどのくらい「ばらついている」のか？
平均を知るだけでは十分ではありません。例えば、「平均水深」が1.2メートルの川があるとします。これなら渡れそうだと思うかもしれませんが、ある場所は水深30センチ、別の場所は2.1メートル深ければ危険ですよね！「散布度（Dispersion）」は、平均からデータがどの程度ばらついているかを示します。
A. 範囲（Range）
最もシンプルな指標です。最大値と最小値の差を指します。
公式: \(Range = \text{最大値} - \text{最小値}\)
例: 売上の最高日が500ポンド、最低日が100ポンドなら、範囲は400ポンドです。
B. 標準偏差（Standard Deviation: \(\sigma\)）
管理会計において非常に重要な概念です。データが平均値から「平均的にどれくらい離れているか」を測定します。
• 小さい標準偏差：データが平均値に近い（安定している）。
• 大きい標準偏差：データがばらついている（予測不能でリスクが高い）。
公式: \(\sigma = \sqrt{\frac{\sum (x - \bar{x})^2}{n}}\)
（パニックにならないで！試験では、その意味を理解していることや、簡単な計算ができれば十分なことがほとんどです。これは分散の平方根です。）
C. 変動係数（Coefficient of Variation）
2つの異なる対象（例えば2種類の機械など）のリスクを比較したい場合に便利です。変動係数は標準偏差を平均で割ったものです。
公式: \( \frac{\text{標準偏差}}{\text{平均}} \times 100 \)
これでパーセンテージが求められます。この割合が高いほど、「相対的なリスク」が大きいことを意味します。
クイック復習:
• 範囲: シンプルだが極端な値に左右されやすい。
• 標準偏差: リスクと安定性を測るための「黄金基準」。
• 分散: 標準偏差の2乗（\(\sigma^2\)）。
3. 期待値：将来の「平均的姿」を計算する
管理会計では将来を予測しなければなりません。水晶玉は持っていませんが、「確率」を使って「期待値（Expected Value: EV）」を算出します。
公式: \(EV = \sum px\)
（\(p\) は確率、\(x\) は結果の値）
計算ステップ:
1. 各結果の値にその発生確率を掛ける。
2. それらの結果をすべて合計する。
例: あるプロジェクトで、10,000ポンドの利益が出る確率が60%、5,000ポンドの利益が出る確率が40%の場合。
• \(0.60 \times 10,000 = 6,000\)
• \(0.40 \times 5,000 = 2,000\)
• 期待値: \(6,000 + 2,000 = 8,000\)。
重要な注意: 期待値である8,000ポンドが実際に発生するとは限りません！実際には10,000ポンドか5,000ポンドのどちらかになるだけです。期待値とは、そのプロジェクトを何度も繰り返した場合の「長期的な平均値」を指します。
重要なポイント: 期待値は、すべての起こりうる結果の加重平均を示すことで、不確実性下での管理者の意思決定をサポートします。
4. 正規分布：ベルカーブ（釣鐘型曲線）
ビジネスにおける多くの現象、例えば袋詰めされた砂糖の重量や、製品の組み立て時間などは「正規分布」に従います。
正規分布の特徴:
• 左右対称である（釣鐘のような形）。
• 平均値、中央値、最頻値がすべて中心で一致する。
• 曲線の下側の合計面積は100%（または確率1.0）となる。
「標準」ルール:
• データの約68%が平均から1標準偏差の範囲内に収まる。
• データの約95%が平均から2標準偏差の範囲内に収まる。
• データの約99.7%が平均から3標準偏差の範囲内に収まる。
アナロジー: コーヒーメーカーを想像してください。目標は250mlです。ほとんどのカップは250mlに非常に近い（中心）はずです。一部は248mlや252mlになるかもしれません。240mlになることは稀でしょう。この「目標値の周囲に集中する」ことこそが、ベルカーブの正体です！
ヒント: 試験問題で「95%の信頼度」と問われたら、それは通常、平均から左右に2標準偏差の範囲をカバーすることを指しています。
5. まとめと最後のヒント
データ分析の核心を学びました！最後に覚えるべきことのチェックリストです：
1. 代表値: 合計には平均値、偏りのあるデータには中央値、人気度には最頻値を使う。
2. 散布度: リスク測定には標準偏差を使う。高い \(\sigma\) ＝高い不確実性。
3. 変動係数: 平均値が異なる2つのデータセットを比較する際に使用する。
4. 期待値: 結果に確率を掛けて合計する。「加重平均」のこと。
5. 正規分布: 「ベルカーブ」を思い出し、ほとんどのデータは平均値の近くにあることを理解する。
最後に: データ分析は抽象的に感じるかもしれませんが、すべての「x」や「p」は現実世界のビジネスイベントを表しているということを思い出してください。公式を繰り返し練習すれば、すぐに自分のものになります。あなたなら絶対に大丈夫です！