データサイエンス設計マニュアル

6.1 探索的データ分析 147

図 6 -1 変

数の対による散布図をこのように並べるだけで、データの分布や相関についてのイメージがすば

やく得られる

6.1.2 基本統計量とアンスコムの例

可視化技法を使わずにデータを理解できる人の能力には、限界がある。これをよく示すのがアンスコムの

例（Anscombe’s quartet）と呼ばれるものだ。図 6 -2 に示すように、それぞれ 11 個の点を持つ 4 個の 2 次

元データセットから構成されている。4 つのデータセットの x と y の平均は同じ、分散も同じ、相関も同じ

である。

これらのデータセットはきっと非常に似ているはずだ。この数字から、データセットの性質を把握できる

だろうか？

これらのデータセットの散布図（図 6 -3）を描いてみると、いずれも大きく異なる。1 番目は線形だが、2

番目はほとんど放物線状である。3 番目と 4 番目はほぼ完全な線形で、外れ値が 1 つあるという点では同じ

だが、傾きが大きく異なる。

つまり、散布図を使えば、これらの違いは一瞬でわかるのだ。可視化は、単純なものであっても、データ

セットの中で何が起こっているかを理解するための手段としてはとても強力である。普通のデータサイエン

ティストであれば、誰でも可視化技法を大いに活用しようと思うだろう。

148 6 章 データの可視化

平均

分散

相関

図 6 -2 統計学的性質が同じ 4 種類のデータセット。数字だけから、

どのような性質があるかわかるだろう

か？

図

6 -3

ア

ンスコムの例をグラフにしたもの。こ ...