四分位数の求め方を完全攻略！奇数偶数の計算手順と箱ひげ図の作り方

データ社会が加速する2026年現在、ビジネスの実務や高校数学（数学I「データの分析」）、各種資格試験において「四分位数」の重要性がかつてないほど高まっています。売上データの偏りや人事評価の分布、学力テストのスコア解析など、平均値だけでは見抜けない「データの真の姿」を浮き彫りにする必須の統計指標です。

しかし、いざ計算しようとすると「奇数個と偶数個で分け方が混乱する」「エクセルのQUARTILE関数と手計算の結果がなぜか一致しない」といった疑問に直面するケースが後を絶ちません。本記事では、統計学の基礎から具体的な計算ステップ、箱ひげ図の描画法、外れ値の判定基準、そしてExcelでの実践ノウハウまで、取材現場と教育現場のリアルな知見を交えて徹底解説します。

📌 【この記事の重要ポイントまとめ】

• 要点1：四分位数はデータを昇順に並べて4等分する境界値であり、中央値（第2四分位数）を基準に前半・後半へ分割して求める。
• 要点2：高校数学の定義（文部科学省指導要領準拠）では、奇数データは中央値を除外して分割し、偶数データはそのまま左右2群に分けて計算する。
• 要点3：Excelの「QUARTILE.INC」と手計算の微妙なズレの原因や、外れ値を客観的にあぶり出す「1.5×IQRルール」の仕組みを完全網羅。

【5分で理解】四分位数とは？意味と仕組みを直感的にわかりやすく解説

四分位数（しぶんいすう）とは、集めたデータを小さい順（昇順）に並べ替え、全体のデータ数を4等分する3つの区切り値のことです。統計学の基礎において、データの散らばり具合（ばらつき）を直感的に把握するための代表的な要約統計量として位置づけられています。

四分割した各境界にはそれぞれ名前が付けられています。

• 第1四分位数（$Q_1$）：下位（小さい方）から数えて25%に位置する値。
• 第2四分位数（$Q_2$）：下位から数えて50%に位置する値であり、「中央値（メディアン）」と完全に一致します。
• 第3四分位数（$Q_3$）：下位から数えて75%（上位から数えて25%）に位置する値。

なぜ平均値だけでなく四分位数が必要とされるのか。その理由は「極端な値（外れ値）への耐性」にあります。例えば、年収データにおいて一部の超高額所得者が平均値を大きく釣り上げてしまう現象は有名です。一方、四分位数は順位に基づく指標であるため、極端な異常値に引きずられることなく、データ全体の中核がどの範囲に密集しているかを正確に浮き彫りにします。

偶数・奇数データの分析と求め方｜計算手順をステップ別に徹底分解

高校数学の「データの分析」や日常の実務計算において、初学者が最もつまずきやすいのが「データの個数が偶数か奇数かによる分割方法の違い」です。日本の学校教育（文部科学省の学習指導要領）で標準的に採用されている「中央値除外方式（Tukeyの方法に近い簡易計算法）」に基づき、確実な手順をステップ順に整理します。

【3つの基本ステップ】

1. ステップ1：すべてのデータを小さい順（昇順）に整列する。
2. ステップ2：全体の第2四分位数（$Q_2$＝中央値）を求める。
3. ステップ3：中央値を境にしてデータを「前半グループ（下位群）」と「後半グループ（上位群）」に分け、前半の中央値を第1四分位数（$Q_1$）、後半の中央値を第3四分位数（$Q_3$）とする。

パターンA：データ数が奇数の場合（例：データ数7個）

データ例：[3, 7, 8, 12, 14, 18, 21]

• $Q_2$（中央値）：ちょうど真ん中の4番目の値 ➜ 12
• グループ分割：中央値「12」を除外し、前半 [3, 7, 8] と後半 [18, 21] に分割。
• $Q_1$（第1四分位数）：前半 [3, 7, 8] の中央値 ➜ 7
• $Q_3$（第3四分位数）：後半 [14, 18, 21] の中央値 ➜ 18

パターンB：データ数が偶数の場合（例：データ数8個）

データ例：[2, 5, 6, 9, 11, 15, 18, 20]

• $Q_2$（中央値）：中央にある2つ（4番目と5番目）の平均値 ➜ $(9 + 11) \div 2 =$ 10
• グループ分割：境界で均等に前半 [2, 5, 6, 9] と後半 [11, 15, 18, 20] に分割。
• $Q_1$（第1四分位数）：前半 [2, 5, 6, 9] の中央値 ➜ $(5 + 6) \div 2 =$ 5.5
• $Q_3$（第3四分位数）：後半 [11, 15, 18, 20] の中央値 ➜ $(15 + 18) \div 2 =$ 16.5

四分位範囲（IQR）と四分位偏差の計算公式

四分位数を求めた後、データのばらつき度合いを定量化するために以下の2つの数値が使われます。

• 四分位範囲（$\text{IQR} = \text{Interquartile Range}$）：
  $$\text{IQR} = Q_3 - Q_1$$ データの中央50%が収まる幅を表します。
• 四分位偏差：
  $$\text{四分位偏差} = \frac{Q_3 - Q_1}{2} = \frac{\text{IQR}}{2}$$ 四分位範囲を2で割ったもので、中央値からの平均的な散らばりを示します。

【比較検証】平均値・中央値・四分位数の決定的な違いと使い分け

データ分析の現場では、目的に応じて適切な代表値と散らばりの指標を選択しなければ、誤った意思決定を招く危険があります。主要な統計指標の特性を比較表にまとめました。

箱ひげ図の作り方と外れ値の判定基準｜1.5倍ルールの実践ロジック

四分位数を視覚的に分かりやすく表現するグラフが「箱ひげ図（Boxplot）」です。2020年代以降の大学入学共通テストや情報科目の試験でも頻出テーマとなっており、データの分布形態を一目で比較できる強力なツールです。

箱ひげ図を構成する5大要素

• 最小値（ひげの下端）：外れ値を除いた最小の観測値
• 第1四分位数（箱の下底）：データの下位25%ライン
• 中央値（箱の中の仕切り線）：データの中央50%ライン
• 第3四分位数（箱の上底）：データの上位25%（下位75%）ライン
• 最大値（ひげの上端）：外れ値を除いた最大の観測値

統計学で最も使われる「外れ値の判定基準（1.5×IQRルール）」

箱ひげ図を描く際、極端に離れたデータをそのまま「ひげ」に含めると、データの全体像が歪んでしまいます。そこで統計学者ジョン・テューキーが提唱した「1.5×IQRルール（フェンス基準）」を用いて外れ値を客観的に判定します。

【外れ値の判定計算式】
・上側境界線（上限フェンス）＝ $Q_3 + 1.5 \times \text{IQR}$
・下側境界線（下限フェンス）＝ $Q_1 - 1.5 \times \text{IQR}$
※ この範囲を飛び出したデータは「外れ値（〇や×のプロット）」として個別に扱い、ひげはフェンス内の最大値・最小値までで止めます。

例えば、$Q_1 = 20$、$Q_3 = 40$ であった場合、$\text{IQR} = 40 - 20 = 20$ となります。このとき、

• 上限フェンス：$40 + 1.5 \times 20 =$ 70
• 下限フェンス：$20 - 1.5 \times 20 =$ -10

となり、70を超える数値や-10を下回る数値が存在すれば、客観的に「外れ値」として隔離処理を行うのがデータ分析の鉄則です。

【現場検証】エクセル関数QUARTILEの罠と実務・テストでの落とし穴

企業のデータ分析担当者や受験生から頻繁に寄せられる悩みが、「ExcelでQUARTILE関数を使ったら、高校数学の手計算と答えが合わない」という問題です。現場取材と技術検証から判明した決定的な理由を解説します。

QUARTILE.INC と QUARTILE.EXC の違い

現代のExcel（Microsoft 365 / Excel 2016以降）には、主に2種類の四分位数関数が用意されています。

• =QUARTILE.INC(配列, 戻り値の指定)（推奨・標準）：
  0%（最小値）から100%（最大値）までを端点を含めて計算する方式。第2引数に「1」を指定すると第1四分位数、「2」で中央値、「3」で第3四分位数が返されます。
• =QUARTILE.EXC(配列, 戻り値の指定)：
  端点（0%と100%）を除外して計算する方式。標本データから母集団全体のパーセンタイルを推計する際に用いられます。

なぜ手計算とExcelの結果がズレるのか？

手計算（高校数学）では「実在するデータの中央値」を順次拾い上げていきますが、Excelの QUARTILE.INC は線形補間（データの隙間を割合で按分して小数点を算出するアルゴリズム）を採用しています。データ数が少ない場合、Excelは小数点を含む滑らかな値を算出するため、手計算の値とわずかにズレが生じます。

実務ではExcelの QUARTILE.INC で算出された数値を公式レポートに採用して問題ありませんが、学校の定期テストや入試問題では必ず「手計算の文部科学省ルール」に従って解答するよう注意してください。

【プロの結論】データに踊らされないための判断基準とリテラシーの真髄

現代のビジネスや情報化社会では、平均値だけを提示して実態を隠蔽する「数字のトリック」が散見されます。例えば「社員の平均年収850万円」と謳いながら、実態は役員数名が数億円を稼ぎ、一般社員の第1四分位数は300万円台という構造は典型例です。

四分位数・箱ひげ図を活用すべき場面 vs 慎重になるべき場面

• 積極的に活用すべき場面：
  • 顧客の利用金額、Webサイトの滞在時間、年収分布など「ロングテール（左右非対称）」なデータ群。
  • 部署別・店舗別の売上パフォーマンスを横並びで比較し、ばらつきや底上げ度を評価したいとき。
• 慎重になるべき場面：
  • データ数が極端に少ない場合（サンプル数 $n < 10$ 程度では四分位数の信頼性が低下する）。
  • 多峰性データ（山が2つある分布、例：20代と50代に二極化している顧客層）では、四分位数だけでは「2つの山」を見落とすため、ヒストグラムの併用が必須。

数字の表面的な高低に一喜一憂するのではなく、「中核の50%がどこに位置し、どれほどの幅を持っているのか」を読み解く姿勢こそが、2026年を生き抜く真のデータリテラシーです。

【四分位数】に関するよくある質問（FAQ）

Q1：データ数が「奇数」のとき、中央値をグループに含めてはいけないのですか？
A1：文部科学省の学習指導要領（高校数学I）や一般的な初等統計学の定義では、中央値を除外して前半・後半に分割します。ただし、統計学の流派や一部の海外ソフトウェア（RやSASの特定オプション）によっては中央値を含める定義も存在します。日本の学校教育・試験対策においては「中央値を除外する」ルールで統一して覚えておくのが確実です。

Q2：四分位範囲（IQR）と標準偏差はどのように使い分ければよいですか？
A2：データがきれいな釣り鐘型（正規分布）をしている場合は「標準偏差」が最も精密な指標となります。一方、データに極端な外れ値が含まれている場合や、左右非対称に偏っているデータの場合は、外れ値の影響を受けにくい「四分位範囲（IQR）」を使うのが鉄則です。

Q3：第2四分位数と中央値は、完全に同じものと考えて問題ありませんか？
A3：はい、完全に同一の概念です。全体のデータを50%の地点で二分する境界値が中央値（メディアン）であり、四分位数における呼称が「第2四分位数（$Q_2$）」となります。

まとめ：四分位数をマスターしてデータ分析の精度を最大化しよう

四分位数は、平均値の盲点を補い、データの真のばらつきを正確に把握するための極めて強力な武器です。整列、中央値の特定、2群への分割というシンプルな3ステップを身につけるだけで、奇数・偶数に関わらず誰でも迷わず計算できます。

ビジネスの意思決定においても、箱ひげ図や1.5×IQRルールによる外れ値判定を活用することで、感覚に頼らない客観的なデータ分析が可能になります。本記事で解説した計算手順と実践のポイントを、日々の学習や実務の現場でぜひ役立ててください。 （出典: 四 分 位 数（Yahoo!ニュース））