定義と検出方法

外れ値とは、データセットの大部分から著しく離れた観測値のことである。 検出方法には、 第 1 四分位数より下、または第 3 四分位数より上に、 四分位範囲 (IQR) の 1.5 倍を超えて離れた値を外れ値とみなす方法や、 平均から 3 標準偏差以上離れた値を検出する方法がある。

平均値への影響

外れ値は平均値を歪めることがある。 たとえば 10 人の集団に年収 100 億円の人が 1 人加わると、 平均年収は実態とかけ離れた値になる。 このため、所得統計では中央値も代表値として用いられる。

一方で、外れ値を安易に除外すると重要な情報を失う可能性がある。 測定ミスによる外れ値と、真に極端な値を区別する判断が求められる。

パーセンタイルのロバスト性

パーセンタイルは順位に基づく統計量であるため、外れ値の影響を ほとんど受けない。上位 0.1% の超富裕層がいくら資産を増やしても、 50 パーセンタイル (中央値) の位置は変わらない。この頑健性は、 ランキングにパーセンタイルを使う利点の一つである。

ランキング指標と外れ値

パーセンタイルのような順位ベースの統計量は、 最大値がどれほど極端でも他の値の順位が変わらないため、 所得のように裾の重いデータの比較に使われる。 目の前の数字が平均ベースなのか順位ベースなのかを意識することは、 極端な値に振り回されずに読むための手がかりになる。