上側フェンスとは?
上側フェンスとは、データの中で「値が大きすぎる外れ値」を見つけるための統計的な境界線です。この上側フェンスを超える値は外れ値の候補としてマークされ、本当に妥当なデータかどうか確認する目安になります。これは外れ値検出の定番である「テューキー(Tukey)法」の一部で、箱ひげ図の「ひげ」を描く際にも同じ考え方が使われています。
この計算ツールの使い方
お手元のデータの第1四分位数(Q1)と第3四分位数(Q3)を入力してください。本ツールは四分位範囲(IQR = Q3 − Q1)を求め、それを1.5倍してQ3に足すことで上側フェンスを算出します。四分位数がまだ分からない場合は、データを小さい順に並べ、下半分の中央値(Q1)と上半分の中央値(Q3)を求めてください。
計算式の解説
上側フェンスは次の式で定義されます。$$\text{Upper Fence} = \text{Q3} + 1.5 \times \left(\text{Q3} - \text{Q1}\right)$$(Q3 − Q1)が四分位範囲(IQR)で、極端な値の影響を受けにくい、ばらつきの頑健な指標です。IQRを1.5倍することで許容幅(バンド)を作り、その幅をQ3より上に伸ばすことで「異常に大きい値」と見なす基準ラインを設定します。
計算例
例えば、あるデータで\(\text{Q1} = 25\)、\(\text{Q3} = 75\)だったとします。このときIQRは $$75 - 25 = 50$$ です。上側フェンスは $$75 + 1.5 \times 50 = 75 + 75 = 150$$ となります。つまり、150を超える値は上側の外れ値の候補とみなされます。
異なるQ1/Q3の場合の上側フェンス
内側(上側)フェンスは\(Q_3 + 1.5 \times \text{IQR}\)、外側フェンスは\(Q_3 + 3 \times \text{IQR}\)であり、ここで\(\text{IQR} = Q_3 - Q_1\)です。表は四分位数によってフェンスがどのように変化するかを示しています。
| Q1 | Q3 | IQR | 上側フェンス(1.5×IQR) | 外側フェンス(3×IQR) |
|---|---|---|---|---|
| 25 | 75 | 50 | 150 | 225 |
| 10 | 20 | 10 | 35 | 50 |
| 40 | 50 | 10 | 65 | 80 |
| 100 | 110 | 10 | 125 | 140 |
| 0 | 8 | 8 | 20 | 32 |
2〜4行目はIQRが同じ(10)なので、フェンスはQ3より同じ距離だけ上にあります(内側フェンスは15、外側フェンスは30)。変わるのはQ3の位置だけです。最初の行のように、IQRが大きいとフェンスはQ3からさらに遠くなります。
上側フェンスの結果の解釈
- 軽度の外れ値: Tukeyの方法では、\(Q_3 + 1.5 \times \text{IQR}\)を超える値は軽度の(可能性のある)外れ値に分類されます。
- 極端な外れ値: \(Q_3 + 3 \times \text{IQR}\)を超える値は極端な外れ値に分類されます。
- 箱ひげ図のひげ: 標準的なTukeyの箱ひげ図では、上側のひげは上側フェンスを超えない最大のデータ点で終わります。フェンスを超える点は個別に描画されます。
- データの最大値を超えるフェンス: フェンスがデータの最大値以上の場合、高い方の外れ値として記録される値はなく、ひげは最大値で終わります。
- 四分位数の求め方: 方法(例えば、半分の中央値を使う方法と、表計算ソフトや統計ソフトで使われる補間法)によってQ1とQ3は多少異なることがあるため、特に小さなデータセットではフェンスも変わることがあります。
- フラグ付けは削除ではない: フェンスを超える値は確認の候補にすぎません。この基準は簡易的なスクリーニングの慣習であり、それだけでその値が誤りであったり、データに含まれるべきでないことを示すものではありません。
手順: 生データから上側フェンスを求める
例示用データセット(n = 10): 14, 2, 9, 5, 40, 7, 12, 4, 11, 8.
- データを並べ替える: 2, 4, 5, 7, 8, 9, 11, 12, 14, 40.
- 中央値を求める: 値が10個あるので、5番目と6番目の値の平均です: \((8 + 9)/2 = 8.5\).
- Q1とQ3を求める: 下半分と上半分の中央値として求めます。下半分: 2, 4, 5, 7, 8, よって\(Q_1 = 5\)。上半分: 9, 11, 12, 14, 40, よって\(Q_3 = 12\)。(ソフトウェアによって別の四分位数の方法を使い、わずかに異なる値になることがあります。)
- IQRを計算する: \(\text{IQR} = 12 - 5 = 7\).
- 1.5を掛ける: \(1.5 \times 7 = 10.5\).
- Q3に加える: \(\text{上側フェンス} = 12 + 10.5 = \) 22.5.
- 各値をフェンスと比較する: 2から14までのすべての値は22.5以下です。値40は22.5より大きいので、高い方の外れ値としてフラグが付きます。また外側フェンス\(12 + 3 \times 7 = 33\)も超えるため、Tukeyの基準では極端な外れ値です。
参考までに、下側フェンスは\(5 - 10.5 = -5.5\)であり、これを下回る値はありません。箱ひげ図では、上側のひげは22.5を超えない最大の値である14で終わります。
よくある質問
なぜ「1.5」なの? 係数1.5は、統計学者ジョン・テューキーが導入した標準的な倍率です。おおむね正規分布に従うデータに対して、検出の感度と誤検出(偽陽性)のバランスがちょうど良くなります。より極端な外れ値だけを抜き出したいときは、倍率3.0が使われることもあります。
下側フェンスはどうなる? 対になる下側の境界は \(\text{Q1} - 1.5 \times \text{IQR}\) です。これを下回る値は、小さすぎる側の外れ値となります。
フェンスを超えた値は必ず「誤り」なの? いいえ。あくまで「確認が必要な値」として印を付けるだけです。実際には正しいけれど、たまたま極端に大きいだけの値という場合もあります。