Hello there, ('ω')ノ
「平均を出したら、ものすごく大きな値が混じっていて意味がなかった…」 「一部のデータだけ極端におかしい」
こんな経験はありませんか？ こういった“場違いな値”は、外れ値（がいれち／アウトライアー）と呼ばれ、分析をゆがめる原因になります。
✅ 外れ値とは？
大多数のデータから極端に外れた値のこと。 たとえば、年齢データに「999歳」が混じっていたり、 売上データに「-10,000円」などが含まれていたり…。
外れ値は、次のような影響を与えることがあります：
| 影響 | 内容 |
|---|---|
| 平均値をゆがめる | 1件の極端な値で平均が大きくずれる |
| グラフの見た目が悪くなる | スケールが合わず他の値が小さく見える |
| 機械学習の精度低下 | モデルが「変なパターン」を学習してしまう |
🔍 外れ値の見つけ方（代表的な4つ）
① しきい値ルール（経験的判断）
あらかじめ「この範囲を超えたらおかしい」という基準を設定する方法。
例：
SELECT * FROM employees WHERE age < 15 OR age > 100;
→ 実務で一番使われるシンプルかつ現実的な方法です。
② 統計的手法：平均±3σ（標準偏差）
データが正規分布（山型）だと仮定し、以下の範囲を外れるデータを外れ値とします：
外れ値の目安 = 平均 ±（3 × 標準偏差）
Excelでも簡単に使えます：
=AVERAGE(A2:A100) ← 平均 =STDEV.P(A2:A100) ← 標準偏差
▶ それぞれのセルを使って「±3σ」の範囲を超えているかをチェック
③ 四分位範囲（IQR）での検出
中央値を使うので、平均±3σよりも極端な値に左右されにくいのがメリットです。
手順：
- 第1四分位（Q1）＝下位25％の値
- 第3四分位（Q3）＝上位25％の値
- 四分位範囲（IQR）＝Q3 - Q1
- 外れ値の判定範囲：
下限 = Q1 - 1.5 × IQR
上限 = Q3 + 1.5 × IQR
ExcelやPython（pandas）でも計算可能。ビジュアル化（箱ひげ図）とも相性◎。
④ グラフでの目視（箱ひげ図など）
視覚的に外れ値を確認する方法。 特にExcelやTableauなどで箱ひげ図を使えば、ひと目で分かります。
- 箱（四角）：中央値〜Q1/Q3の範囲
- “ひげ”（線）：標準的な範囲
- ポツンと離れた点：外れ値の候補！
🧠 外れ値の対処方法：どうすればいい？
| 方法 | 説明 | 注意点 |
|---|---|---|
| 削除 | おかしなデータを取り除く | 明らかにミスのときだけに限定 |
| 置換 | 平均値や中央値で置き換える | 分析用の簡易対応として有効 |
| 分離 | 分析対象から除外して別途扱う | 外れ値自体が貴重なデータであることもある |
| フラグ化 | 「これは外れ値です」と印をつける | モデル分析時に使いやすい |
✅ 実務での使いどころ例
| データ例 | 外れ値の例 | 対応方法 |
|---|---|---|
| 売上データ | 1件だけ1億円 | キャンペーンなどの例外なら分離 |
| 年齢 | 0歳・999歳など | 入力ミスの可能性 → 削除か修正 |
| アンケート満足度 | "100点中500点" | 入力上限を設定する or 再確認 |
⚠️ 注意：外れ値を“無条件に消さない”！
「外れ値＝悪」とは限りません。 場合によっては、外れ値こそが新しい発見につながることも。
たとえば：
- 売上が異常に高い商品 → ヒット商品の可能性
- 作業時間が極端に短い → 業務改善のヒント
▶ 外れ値は“ノイズ”でもあり、“気づきの種”でもある。
✨ まとめ：外れ値は無視せず、向き合うべし！
| ポイント | 内容 |
|---|---|
| 外れ値とは？ | ほかのデータから大きく外れた“異常な値” |
| 発見方法は4パターン | 経験値／統計（平均±3σ）／四分位数（IQR）／グラフ |
| 対応は目的に応じて | 削除・置換・フラグ付けなど状況に合わせて使い分ける |
| 無理に消さない | ときに貴重な情報源にもなる |
Best regards, (^^ゞ
