中央値

中央値（ちゅうおうち、英: median）あるいはメジアン、メディアンとは、データや集合の代表値の一つで、順位が中央である値のことである。ただし、データの大きさが偶数の場合は、中央順位2個の値の算術平均をとる。

例えば5人の年齢10歳、32歳、96歳、100歳、105歳からなるデータの中央値は、順位が上からも下からも3である96（歳）となる。0歳の子供が2人増えて7人になると、中央値は32歳となる。

平均値との関係

中央値は平均値と同様に集団の代表値を得る目的で使う。例えば年収からなるデータの場合を考えてみると分かりやすい。

一部の富裕層が平均年収をつり上げてしまう例を考える。人口100人の集落で、90人が年収200万円だとしても、10人が年収5000万円であれば平均年収は680万円となる。

一方中央値は、年収が低い順（高い順）に国民を並べたときに丁度真ん中になる人の年収を表している。この場合、中央値はあいかわらず200万円であり、一部の富裕層の年収が中央値に与える影響はゼロになる。

例えば一人の億万長者が小さな町に引っ越してくれば平均年収はつり上がってしまうが、年収の中央値はたかだか一順位分変わるに過ぎない。

厳密な定義

実確率変数 X の累積分布関数を F(x) とするとき、 F(x) は実数値非単調減少関数、右連続関数となる。この時、次の不等式を満たす実数 m を中央値（メディアン）と呼ぶ。

${\displaystyle \int _{-\infty }^{m}\mathrm {d} F(x)\geq {\frac {1}{2}}{\text{ and }}\int _{m}^{\infty }\mathrm {d} F(x)\geq {\frac {1}{2}}\,\!}$

ただし、積分記号はリーマン＝スティルチェス積分の意味である。

データの大きさが有限値（n とする）である場合は、以下のように簡単に記述することができる。（ただし、同一の順位が無いと仮定する。）

データの値を x₁, x₂, …, x_n とする。それらを小さい順に並べ替えたものを x′₁, x′₂, …, x′_n とするとき、${\displaystyle {\boldsymbol {x}}=(x_{1},x_{2},\cdots ,x_{n})}$ の中央値 ${\displaystyle \mathrm {Q} _{\frac {1}{2}}(x)}$ は

${\displaystyle \mathrm {Q} _{\frac {1}{2}}(x)={\begin{cases}x'_{\frac {n+1}{2}}&n{\text{ は 奇 数 }}\\{\dfrac {1}{2}}(x'_{\frac {n}{2}}+x'_{{\frac {n}{2}}+1})&n{\text{ は 偶 数 }}\end{cases}}}$

により定義される。なお、単純に ${\displaystyle \mathrm {Q} _{\frac {1}{2}}(x)=x_{\frac {n}{2}}}$ とならないのは、${\displaystyle x}$ の添字が 0, …, n ではなく 1, …, n だからである。

中央値は平均絶対誤差（英語版） (mean absolute error, MAE)

${\displaystyle \operatorname {MAE} (t)={\frac {1}{n}}\sum _{i=1}^{n}|x_{i}-t|}$

を最小にする性質をもっている（ただし、そうなる値は一意ではない）。データの大きさが偶数のときは、その値 t は一意には定まらないが便宜上、上で述べた定義を採用する。

平均値との関係（数式的なもの）

• 分布が対称であるデータに対しては、中央値は平均値に等しい。ただし、分布が対称でなくても、中央値と平均値が等しくなることもある。
• 以下の性質により、平均値よりも、全体の傾向を表す代表値として適切である場合が多い。
  • 平均値は、測定ミスなどによって発生する外れ値（他の値より著しく異なる値）に大きく影響され、誤差が大きくなったり、無意味な値となることがある。そのため、刈り込み、ロバスト統計などの対策が必要になる。しかし、中央値は外れ値にほとんど影響されないので、対策は不要である。
  • たとえばデータが正値のみといったように限定されている場合、そうでない場合と比べて分布はより非対称になりやすく、少数の大きな値に引きずられて平均値は大多数の分布より大きくずれることがある。しかし、中央値ではそういった影響はほとんどない。
  • ${\displaystyle \pm \infty }$ を含むデータに対しても中央値は有限となることがある。（平均値は、必ず無限または不定となる）
  • 分布の谷に位置するようなケースが、平均値に比べて少ない。（平均値は、2峰分布に対ししばしば谷に位置する）
• 中央値を求めるには、線形汎用選択アルゴリズムを使うと${\displaystyle \mathrm {O} (n)}$ の計算量で求められる（平均値も ${\displaystyle \mathrm {O} (n)}$）。逐次データが得られる場合は全てのデータを保持しておく必要があり、${\displaystyle \mathrm {O} (n)}$ のメモリを要する（平均値は ${\displaystyle \mathrm {O} (1)}$）。
• 代表値として平均値を使うときは、分布の広がりは分散または標準偏差で表すことが多い。それに対し、代表値として中央値を使うときは、分布の広がりは第3四分位点と第1四分位点の差である四分位範囲（英: interquartile range, IQR）で表すことが多い。

その他の性質

• 誤差はデータの誤差と同程度である。（平均値の誤差はデータの誤差の ${\displaystyle {\frac {1}{\sqrt {n}}}}$ 倍である）
• 中央値は、第2四分位数、50パーセンタイル、0.5クォンタイルでもある。

確率分布の中央値

1次元の確率分布 f(x) に対し、

${\displaystyle \int _{-\infty }^{m}f(x)\,\mathrm {d} x\geq {\frac {1}{2}}\;\mathrm {and} \;\int _{m}^{\infty }f(x)\,\mathrm {d} x\geq {\frac {1}{2}}}$

を満たす m を、中央値と呼ぶ。

関連項目

• 要約統計量
• 箱ひげ図
• 順序統計量
• ホッジス・レーマン推定量
• 幾何学的中央値（英語版）

外部リンク

• 『中央値』 - コトバンク

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ