四分位範囲の求め方を完全解説！奇数・偶数の計算と箱ひげ図活用法
データ分析や学校の数学で頻繁に登場する「四分位範囲」。データの散らばり具合を正しく把握するための基本指標ですが、実際に計算しようとすると「データの個数が奇数のときと偶数のときで中央値はどう分けるのか」「エクセル関数のどれを使えばいいのか」といった疑問に直面するケースが少なくありません。
教育現場における学習指導要領の改訂やビジネス実務におけるデータリテラシーの重視を受け、四分位範囲と箱ひげ図の正確な理解は必須のスキルとなっています。本記事では、四分位範囲の公式や奇数・偶数別の計算手順、箱ひげ図の作成法からエクセルでの実践的な算出法、外れ値の判定基準までを網羅して分かりやすく解説します。
📌 【この記事の重要ポイントまとめ】
- 要点1：四分位範囲（IQR）は「第3四分位数（$Q_3$）− 第1四分位数（$Q_1$）」で計算され、データ中央部50%の散らばりを表す。
- 要点2：奇数個の場合は全体の中央値を除いて前後を2分割し、偶数個の場合は中央で完全に2分割してそれぞれの中央値を求める。
- 要点3：外れ値の影響を受けにくいため、平均値や標準偏差と併用することで実態に即したデータ分析が可能になる。
【基礎から整理】四分位範囲の公式と中央値の求め方をわかりやすく解説
四分位範囲（Interquartile Range: IQR）とは、データを小さい順に並べたときに、中央に位置する50%のデータがどれくらい散らばっているかを示す統計量です。全体の散らばりを見る「最大値 − 最小値（範囲）」と異なり、極端に大きな値や小さな値（外れ値）に左右されにくいという大きなメリットがあります。
四分位範囲を求めるための基本公式は極めてシンプルです。
四分位範囲の公式：$IQR = Q_3 - Q_1$（第3四分位数 − 第1四分位数）
データを4等分する境界の値を四分位数と呼びます。小さい方から順に以下の3つの値が存在します。
- 第1四分位数（$Q_1$）：下位25%に位置する値（下位グループの中央値）
- 第2四分位数（$Q_2$）：中央値（全体の50%に位置する値）
- 第3四分位数（$Q_3$）：上位25%に位置する値（上位グループの中央値）
まず最初に行うべきは中央値の求め方の確認です。データを昇順（小さい順）に並べ替えたうえで、データの総数を$n$としたとき、中央の位置を特定します。この中央値を基準にしてデータを前半（下位）と後半（上位）に分け、それぞれのグループの中央値を求めることで$Q_1$と$Q_3$が算出されます。
あわせて覚えておきたいのが四分位偏差の求め方です。四分位偏差は四分位範囲を2で割った値（$(Q_3 - Q_1) / 2$）であり、中央値からの平均的な散らばりの目安として用いられます。
【偶数・奇数別】四分位範囲の計算手順とつまずきやすい具体例
中学数学や高校数学「データの分析」において、多くの学習者がつまずくのが「データの個数が奇数か偶数かによるグループ分けの違い」です。文部科学省の学習指導要領に準拠した標準的な計算手順を、具体例を用いて整理します。
1. データの個数が奇数の場合（例：7個のデータ）
データセット：【3, 7, 8, 12, 14, 18, 21】（$n = 7$）
- 全体の中央値（$Q_2$）を特定：4番目の「12」が中央値となります。
- データを2分割：中央値である「12」を除外し、前半グループ【3, 7, 8】と後半グループ【14, 18, 21】に分けます。
- $Q_1$と$Q_3$を算出：前半の中央値は「7（$Q_1$）」、後半の中央値は「18（$Q_3$）」となります。
- 四分位範囲を計算：$18 - 7 = \mathbf{11}$
2. データの個数が偶数の場合（例：8個のデータ）
データセット：【2, 5, 6, 9, 11, 15, 19, 24】（$n = 8$）
- 全体の中央値（$Q_2$）を特定：中央の2数「9」と「11」の平均を取り、$(9 + 11) / 2 = \mathbf{10}$ となります。
- データを2分割：中央の境目で完全に前半グループ【2, 5, 6, 9】と後半グループ【11, 15, 19, 24】に均等分割します。
- $Q_1$と$Q_3$を算出：
- 前半の中央値：$(5 + 6) / 2 = \mathbf{5.5}$（$Q_1$）
- 後半の中央値：$(15 + 19) / 2 = \mathbf{17}$（$Q_3$）
- 四分位範囲を計算：$17 - 5.5 = \mathbf{11.5}$
このように、「奇数のときは中央値をグループ分けから除外する」「偶数のときは中央で半分に割る」という原則を押さえておけば、計算で迷うことはありません。
【実態検証】学習現場やビジネス分析で見えた「平均値の罠」と四分位範囲のメリット
学校教育の現場や企業のデータ分析現場では、「平均値と標準偏差だけを見ていて意思決定を誤った」という声が後を絶ちません。給与所得データや顧客の購買単価など、一部の極端な高額層が存在するデータでは、平均値が実態よりも大きく引き上げられてしまう現象が発生します。
ここで四分位範囲を活用する意味とメリットが際立ちます。下位25%と上位25%を切り捨てた「中央部50%の幅」を見ることで、異常値に惑わされず、ボリュームゾーンの実勢を浮き彫りにできるのです。
| 指標項目 | 詳細・算出定義 | 外れ値への耐性（頑健性） | 分析現場での実用性と評価 |
|---|---|---|---|
| 四分位範囲（IQR） | 第3四分位数（$Q_3$）− 第1四分位数（$Q_1$） | 極めて高い（影響を受けない） | 所得分布、滞在時間など歪んだデータの把握に最適 |
| データの範囲（レンジ） | 最大値 − 最小値 | 極めて低い（1つの異常値で激変） | 計算は容易だが単体での信頼性は低い |
| 標準偏差（$\sigma$） | 平均値からの偏差の二乗平均の平方根 | 低い（平均値の歪みに引きずられる） | 正規分布に従うデータ（身長や試験の点数）で絶大な威力 |
| 四分位偏差 | $(Q_3 - Q_1) / 2$（四分位範囲の半分） | 極めて高い | 中央値を中心としたばらつき幅を感覚的に掴みやすい |
箱ひげ図の書き方と四分位範囲から外れ値を計算する実践ルール
四分位数を視覚的に表現する代表的なグラフが箱ひげ図です。箱ひげ図は以下の「5数要約」を用いて描画されます。
- 最小値：外れ値を除いた最小のデータポイント
- 第1四分位数（$Q_1$）：箱の左端（縦向きの場合は下端）
- 中央値（$Q_2$）：箱の中に引かれる仕切り線
- 第3四分位数（$Q_3$）：箱の右端（縦向きの場合は上端）
- 最大値：外れ値を除いた最大のデータポイント
箱の長さそのものが「四分位範囲（IQR）」を表し、箱が短いほどデータの中央部が密集していることを示します。
外れ値の検出基準（1.5 × IQRルール）
統計学では、どこからが異常値・外れ値なのかを客観的に判定するための確立された基準が存在します。それが「四分位範囲の1.5倍ルール」です。
- 外れ値の下限境界：$Q_1 - 1.5 \times IQR$ を下回る値
- 外れ値の上限境界：$Q_3 + 1.5 \times IQR$ を上回る値
たとえば、$Q_1 = 20$、$Q_3 = 40$ であった場合、四分位範囲は $IQR = 20$ となります。このときの下限は $20 - (1.5 \times 20) = \mathbf{-10}$、上限は $40 + (1.5 \times 20) = \mathbf{70}$ と計算されます。70を超える値や-10を下回るデータが存在する場合、箱ひげ図では「ひげ」の延長線上に含めず、独立した「点（プロット）」として外れ値表示するのが国際標準のルールです。
【エクセル計算の盲点】QUARTILE.INCとQUARTILE.EXCの違いと使い分け
業務や研究で表計算ソフトを使う際、四分位数を自動計算する関数としてExcelには複数の選択肢が用意されています。しかし、関数の選び方を誤ると日本の学校教育で習う手計算と数値が一致しない現象が起こります。
四分位範囲を求めるエクセル計算式
セル範囲 `A1:A100` に数値データが入力されている場合、四分位範囲は以下の数式で一発で算出できます。
=QUARTILE.INC(A1:A100, 3) - QUARTILE.INC(A1:A100, 1)
2つの関数の決定的な違い
- `QUARTILE.INC`（包含的・推奨）：百分位数を0%から100%までの区間として線形補間する方式。日本の高校数学や一般的なビジネス実務で標準として用いられます（互換性関数 `QUARTILE` と同一の挙動）。
- `QUARTILE.EXC`（排他的）：0%と100%を除外し、$(n+1)$ 分割をベースに計算する方式。データ数が少ない場合に端点付近の値が計算できずエラー（#NUM!）になることがあります。
学校の試験対策や標準的な統計レポートを作成する場合は、迷わず「QUARTILE.INC」を選択するのが実務上のベストプラクティスです。
一般に知られていない盲点とデータ解釈の誤解｜四分位数への過信を防ぐ
四分位範囲は万能な指標に見えますが、過信するとデータの真の姿を見落とす危険性があります。特に注意すべきは「二峰性（マルチモーダル）分布」の存在です。
たとえば、試験の点数で「0点付近に密集するグループ」と「100点付近に密集するグループ」の2つに完全に二極化している場合、中央値付近にはデータがほとんど存在しないにもかかわらず、四分位範囲を機械的に算出すると「普通の散らばり」に見えてしまうことがあります。箱ひげ図や四分位範囲だけに頼るのではなく、ヒストグラムを同時に作成して分布の形状を目視確認することが不可欠です。
【プロの結論】データ活用で失敗しないための判断基準と分析シナリオ
実務においてどの統計指標を採用すべきか、以下の明確な判断基準を持つことが推奨されます。
- 四分位範囲を採用すべき場面：Webサイトの滞在時間、年収・資産データ、不動産価格、問い合わせ対応時間など、右側にロングテール（極端な値）が存在する非対称データ。
- 標準偏差を採用すべき場面：工場の製造部品の寸法精度、全国模試の偏差値算出など、左右対称の正規分布が前提となる品質管理や学力測定。
- 併用が必須の場面：施策前後の効果測定。平均値の変化だけでなく、四分位範囲の収縮（ばらつきの減少）を同時に確認することで、全体の底上げが達成されたかを正しく評価できます。
【四分位範囲の求め方】に関するよくある質問（FAQ）
Q1：四分位範囲と四分位偏差の違いは何ですか？
A1：四分位範囲（IQR）は「第3四分位数 − 第1四分位数」そのもので、中央50%の幅を表します。一方、四分位偏差は四分位範囲を2で割った値（$(Q_3 - Q_1) / 2$）です。四分位偏差は中央値からのばらつきの大きさを直感的に把握する指標として使われます。
Q2：奇数のデータで第1四分位数を求めるとき、全体の中央値は分割に含めますか？
A2：日本の中学数学・高校数学の学習指導要領では、奇数個のデータの場合、全体の中央値を除外して前半グループと後半グループに分割します。その前半グループの中央値が第1四分位数となります。
Q3：データ数が4個や5個など極端に少ない場合でも四分位範囲は計算できますか？
A3：計算手順に従えば4個や5個のデータでも算出自体は可能です。ただし、サンプルサイズが小さすぎる場合、四分位範囲はデータの真の分布を十分に反映しないため、最低でも数十サンプル以上のデータで活用することが統計学的に推奨されます。
Q4：四分位範囲がマイナス（負の値）になることはありますか？
A4：四分位範囲がマイナスになることは絶対にありません。定義上、第3四分位数（$Q_3$）は第1四分位数（$Q_1$）以上の値になるため、計算結果は必ず「0以上の数値」になります。もしマイナスになった場合は、並べ替え順や計算式を見直してください。
まとめ：四分位範囲をマスターして正確なデータ分析力を手に入れる
四分位範囲の求め方は、データを小さい順に並べ、中央値によってデータを下位と上位に分割し、「$Q_3 - Q_1$」を計算するという極めて論理的なステップで完結します。奇数個・偶数個の分割ルールを正確に区別し、外れ値判定の1.5倍ルールやエクセルの関数特性を把握しておくことで、テスト対策から実務のデータ分析まで幅広く応用が可能です。
平均値の罠に惑わされず、四分位範囲と箱ひげ図を適切に使いこなすことが、データドリブンな意思決定を行うための確固たる第一歩となります。 （出典: 四 分 位 範囲 求め 方（Yahoo!ニュース））
最新のトレンドや話題のニュースをわかりやすく解説するWebライターです。読者の皆様に役立つ情報を日々お届けしています。
