分散の求め方を徹底図解！なぜ2乗するのか理由や標準偏差との違い

高校数学の「データの分析」や大学の統計学、さらにはビジネス現場のデータ活用において、多くの人が最初の関門として直面するのが分散の求め方です。平均値は直感的に計算できても、分散の公式を見た途端に「なぜわざわざ各データを2乗するのか」「標準偏差とは一体何が違うのか」と疑問を抱き、立ち止まってしまうケースは少なくありません。

2026年現在の教育課程やビジネス実務では、単に数式を暗記するだけでなく、データの散らばりを正しく評価するリテラシーが強く求められています。今回は、分散の公式の仕組みから計算ミスを防ぐテクニック、標準偏差との使い分け、さらにはエクセル関数の実践的な選び方まで、余すところなく解説します。

📌 【この記事の重要ポイントまとめ】

• 要点1：分散は「各データの偏差（平均との差）を2乗した値の平均」であり、データの散らばり度合いを客観的に示す指標である。
• 要点2：2乗する理由は「偏差の合計が常に0になる問題」を解消し、数学的な扱いやすさ（微分可能性など）を確保するためである。
• 要点3：共通テストや実務では「2乗の平均引く平均の2乗」を活用した高速計算と、エクセルにおける「VAR.P」と「VAR.S」の適切な使い分けが必須となる。

【基礎から納得】分散の公式をわかりやすく例題付きで解説

統計学における分散の意味とは、一言で表すと「データが平均値の周りにどれくらい散らばっているか」を示す数値です。平均値が同じ2つのグループであっても、全員が平均付近に集中しているのか、それとも極端に高い人と低い人に分かれているのかによって、集団の性質はまったく異なります。

分散の基本は偏差の二乗平均です。偏差とは「各データの値から平均値を引いた差」を指します。計算手順は以下の3ステップで完結します。

1. 全データの平均値を求める
2. 各データから平均値を引き、それぞれの「偏差」を求めて2乗する
3. 2乗した偏差をすべて合計し、データ数で割る（平均をとる）

言葉だけではイメージしにくいため、具体的な分散の求め方の例題を見てみましょう。

【例題】ある小テスト（満点10点）を受験した5人の点数が「3点、5点、6点、7点、9点」だった場合、このデータの分散を求めます。

まず、5人の平均点を計算します。
平均値 ＝ (3 ＋ 5 ＋ 6 ＋ 7 ＋ 9) ÷ 5 ＝ 30 ÷ 5 ＝ 6点

次に、各データの偏差と、その2乗を計算します。

• Aさん（3点）：偏差 (3 － 6) ＝ －3 ➡ 2乗すると 9
• Bさん（5点）：偏差 (5 － 6) ＝ －1 ➡ 2乗すると 1
• Cさん（6点）：偏差 (6 － 6) ＝ 0 ➡ 2乗すると 0
• Dさん（7点）：偏差 (7 － 6) ＝ ＋1 ➡ 2乗すると 1
• Eさん（9点）：偏差 (9 － 6) ＝ ＋3 ➡ 2乗すると 9

最後に、偏差の2乗の合計をデータ数（5人）で割ります。
分散 ＝ (9 ＋ 1 ＋ 0 ＋ 1 ＋ 9) ÷ 5 ＝ 20 ÷ 5 ＝ 4

このように、手順を1つずつ分解して処理すれば、分散の計算は決して難解な作業ではありません。

「なぜ2乗するのか？」疑問を解消する数学的背景

分散を学ぶ多くの人が抱く最大の疑問が、「なぜわざわざ2乗するのか」という点です。そのまま偏差を足し合わせたり、絶対値を使ったりしてはいけないのでしょうか。ここには明確な数学的理由が存在します。

第一の理由は、「偏差をそのまま合計すると必ずゼロになってしまう」からです。平均値はデータの重心であるため、平均より大きい側のプラスの偏差と、小さい側のマイナスの偏差を足し合わせると、どんなデータであっても相殺されて合計がゼロになります。散らばりの大きさを測るためには、すべての差をプラスの値に変換しなければなりません。

では、プラスにする方法として「絶対値」ではなく「2乗」を選ぶのはなぜでしょうか。絶対値を用いた散らばりの指標（平均絶対偏差）も存在しますが、絶対値記号を含む数式はグラフにしたときに尖った折れ線になり、微分ができない（滑らかでない）という大きな欠点があります。

一方で、2乗した関数は放物線を描く滑らかな曲線となるため、微分を用いて最小値を求める解析（最小二乗法など）が極めて容易になります。統計学を発展させ、現代のAIや機械学習のアルゴリズムに組み込む上でも、2乗によって定義された分散は理論的に最も扱いやすい基盤となっています。

【共通テスト対策】計算を劇的に速くする「2乗の平均引く平均の2乗」と証明

高校数学の「データの分析」や大学入学共通テストでは、定義通りの計算をしていると時間が足りなくなる場面が多々あります。そこで重宝されるのが、いわゆる「分散＝2乗の平均引く平均の2乗」と呼ばれる公式です。

データの値を $x_1, x_2, \dots, x_n$、平均値を $\bar{x}$ としたとき、分散 $s^2$ は次の関係式で表されます。

分散 $s^2 = \overline{x^2} - (\bar{x})^2$
（各数値を2乗した値の平均 － 平均値の2乗）

この分散の公式の証明は、数式の展開によってシンプルに導くことができます。

分散の定義式は以下の通りです。
$s^2 = \frac{1}{n} \sum_{i=1}^{n} (x_i - \bar{x})^2$

括弧を展開します。
$s^2 = \frac{1}{n} \sum_{i=1}^{n} (x_i^2 - 2x_i\bar{x} + \bar{x}^2)$
$= \frac{1}{n} \sum_{i=1}^{n} x_i^2 - 2\bar{x} \left( \frac{1}{n} \sum_{i=1}^{n} x_i \right) + \bar{x}^2 \left( \frac{1}{n} \sum_{i=1}^{n} 1 \right)$

ここで、$\frac{1}{n} \sum x_i$ は平均値 $\bar{x}$ であり、$\frac{1}{n} \sum 1 = 1$ であるため、式を整理すると次のようになります。
$s^2 = \overline{x^2} - 2\bar{x}(\bar{x}) + \bar{x}^2 = \overline{x^2} - (\bar{x})^2$

平均値が小数や分数になって偏差の計算が煩雑になる場合、この変形公式を使うことで計算の手間とミスを大幅に削減できます。さらに、大学数学や統計学における確率変数の分散の求め方でも、$V(X) = E(X^2) - \{E(X)\}^2$（2乗の期待値 － 期待値の2乗）という全く同じ構造が用いられます。

【徹底比較】分散と標準偏差の違い｜標本分散と不偏分散の罠

データ分析の現場で頻出する混同が、分散と標準偏差の違い、そして標本分散と不偏分散の違いです。それぞれの役割と特徴を整理した比較表で全体像を把握しましょう。

分散の最大のデメリットは「単位が2乗されてしまうこと」です。テストの点数であれば単位が「点²」となり、元の数値と直接比較できません。この平方根をとって単位を元に戻したものが標準偏差です。

また、集められたサンプル（標本）から日本全国などの大きな母集団の散らばりを推定する際、通常の分散公式（分母が $n$）を使うと、散らばりを実際より小さく見積もってしまう数学的偏りが生じます。この偏りを補正するために、データ数から1を引いた $n - 1$ で割るのが不偏分散です。

【実務直結】Excelでの分散計算方法と関数使い分け

表計算ソフトを用いた業務分析において、最も頻発するトラブルが「関数の取り違え」です。Excelには分散を計算する関数が複数用意されており、目的に応じた選択が欠かせません。

Excelにおける代表的な分散関数は以下の2つです。

• VAR.P関数（Population）：対象データを「全数データ（母集団そのもの）」とみなして分散を計算します。分母は $n$ となり、高校数学で習う基本の分散（標本分散）と一致します。社内全員の成績集計や、全件ログデータの分析に適しています。
• VAR.S関数（Sample）：対象データを「一部の抜き取りサンプル（標本）」とみなし、母集団の分散を推定するために $n - 1$ で割った不偏分散を計算します。アンケート調査や製品の抜き取り検査に適しています。

関数の記述方法は極めてシンプルで、計算したいセルに「=VAR.P(A2:A100)」または「=VAR.S(A2:A100)」と範囲を入力するだけです。旧バージョンの関数である「VAR」は現在のVAR.Sと同等ですが、数式の意図を明確にするためにも最新の表記を用いるのが安全です。

【実態検証】利用者の生の声と現場目線で見えたリアル

ネット上の質問コミュニティや受験生・ビジネスパーソンの投稿を調査すると、分散の計算に関して共通した「つまずきポイント」が浮き彫りになります。

大手知恵袋やSNS上では、「分散の値がマイナスになってしまいパニックになった」「エクセルで計算したら手計算と微妙に数字が合わない」といった声が数多く見受けられます。

分散は偏差を2乗したものの平均であるため、計算結果がマイナスになることは数学的にあり得ません。もし手計算でマイナスが出た場合は、「2乗の平均引く平均の2乗」の引き算の順序を逆にしてしまっているか、符号の処理を誤っている可能性が高いと言えます。また、エクセルの計算結果が手計算とずれる原因の多くは、標本分散（VAR.P）と不偏分散（VAR.S）の取り違えに起因しています。

【プロの結論】おすすめできる人・慎重になるべき人の判断基準

データ分析において分散を活用する際は、自身の目的とデータの性質を見極める必要があります。

【分散や標準偏差の積極活用が向いているケース】

• 平均値だけでは見えない「リスクの大きさ」や「品質のばらつき」を定量化したい場合
• 正規分布に近いデータにおいて、上位数％や下位数％の境界を統計的に把握したい場合
• 機械学習や統計モデリングの前処理として、特徴量のスケールを統一したい場合

【分散の単独利用に慎重になるべきケース】

• データ内に極端な外れ値（異常値）が存在する場合（2乗によって外れ値の影響が極大化するため、四分位数や中央値を用いる方が安全です）
• 非専門家に向けて数値をそのままプレゼンする場合（単位が2乗されている分散をそのまま見せると混乱を招くため、必ず標準偏差に変換して提示すべきです）

【分散 求め 方】に関するよくある質問（FAQ）

Q1：分散が0になるのはどのような場合ですか？
A1：データに含まれるすべての数値が全く同じ値である場合のみ、分散は0になります。たとえば5人全員が「60点」だった場合、平均との差（偏差）が全員0になるため、散らばりが存在しないことを意味する分散0となります。

Q2：共通テストの「データの分析」で分散を速く解くコツはありますか？
A2：平均値が整数の場合は基本定義通り「偏差の2乗平均」を求め、平均値が小数になる場合は「2乗の平均 － 平均の2乗」を使うのが定石です。また、すべてのデータから共通の基準値（仮平均）を引いて数値を小さくしてから計算する「仮平均法」を併用すると、暗算レベルで処理できるようになります。

Q3：なぜ不偏分散では「n」ではなく「n-1」で割るのですか？
A3：標本のデータから計算した平均値は、母集団の真の平均値よりも標本自身のデータに引きずられて近くなります。その結果、標本平均まわりの偏差平方和は真の散らばりよりも小さくなってしまいます。この縮んだ分を数学的に相殺し、母集団の散らばりを公平に推測するために、$n$ よりも少し小さい $n-1$（自由度）で割る補正を行っています。

まとめ：今後の動向と失敗しないための判断基準

分散は単なる高校数学の試験対策にとどまらず、ビジネスにおける売上予測やリスク管理、さらにはデータドリブンな意思決定を支える極めて強力な概念です。計算手順そのものは「平均を出し、偏差を2乗し、その平均をとる」というシンプルなルールの積み重ねに過ぎません。

「なぜ2乗するのか」「なぜ標準偏差に直すのか」「どのエクセル関数を選ぶべきか」という背景の理屈さえ押さえておけば、計算ミスや解釈の誤りを防ぐことができます。手元のデータが全数なのかサンプルなのかを的確に見極め、正しい散らばりの指標を実務や学問の現場で使いこなしていきましょう。 （出典: 分散 求め 方（Yahoo!ニュース））