自乗

統計学において観測値と期待値の差を二乗して合計した値で、分散や標準偏差の基礎となる概念。

自乗

概要

自乗（じじょう、square）は、数学において同じ数を2回掛ける演算を意味し、統計学では観測値と期待値（または平均）の差を二乗した値を指す。この概念は分散（variance）と標準偏差（standard deviation）の計算において中心的な役割を果たし、データの変動性を測定する基本的なツールとして使用される。自乗は誤差の大きさを正の数に変換して合計できるようにし、平方根を介して元の単位に復元できるという利点がある。

主な内容

1. 自乗の定義と数学的意味

自乗は、ある数 x に対して x² = x × x と定義される。例えば、3の自乗は9、5の自乗は25である。統計学では、自乗は主に偏差（deviation）の二乗として使用される。偏差は各データ値と平均の差であり、この値を二乗すると正の数になるため、すべての偏差を合計する際に相殺される問題を解決する。

2. 平方和（Sum of Squares, SS）

平方和は、各観測値と平均の差を二乗してすべて足し合わせた値である。公式は以下の通り：

SS = Σ(xᵢ - μ)²（母集団）または SS = Σ(xᵢ - x̄)²（標本）

ここで xᵢ は各観測値、μ は母平均、x̄ は標本平均である。平方和は分散計算の中間段階であり、データの総変動を表す。

3. 分散と標準偏差

分散は、平方和をデータ数で割った値である。母分散（σ²）= SS/N、標本分散（s²）= SS/(n-1)である。標準偏差は分散の平方根であり、元のデータと同じ単位を持つため解釈が容易である。例えば、試験の点数の標準偏差が10点であれば、点数が平均から平均的に10点程度離れていることを意味する。

4. 自乗の応用

回帰分析：残差（residual）の平方和を最小化する最小二乗法（OLS）は、回帰係数を推定する基本的な方法である。残差平方和（RSS）が小さいほどモデルの適合度が高い。
ANOVA（分散分析）：群間変動と群内変動を平方和に分解し、群間の差の有意性を検定する。
カイ二乗検定：観測度数と期待度数の差を二乗して検定統計量を計算する。
機械学習：平均二乗誤差（MSE）は予測値と実際の値の差を二乗して平均した値であり、回帰モデルの性能評価に広く使用される。

5. 自乗の限界と代替案

自乗は外れ値（outlier）に敏感である。大きな偏差は二乗されることでより大きな影響を与えるためである。これを補うために、絶対偏差（MAE）やフーバー損失（Huber loss）のようなロバストな方法が使用される。また、自乗は単位が二乗されるため解釈が直感的でない場合があり、標準偏差がより頻繁に使用される。

自乗

自乗

概要