標準化の公式の仕組みと覚え方：平均と標準偏差を用いたデータの変換

2026年10月17日 2026年10月17日山崎講師

山崎講師

こんにちは。ゆうせいです。

異なるテストの点数や異なる単位の測定値を比較する際、単純な数値の大小だけでは全体の中での位置づけを正しく判断できない場合があります。このような課題を解決するために用いられる数学的な手法が「標準化（ひょうじゅんか）」です。

標準化の計算には特定の公式が存在しますが、数式の構造を個々の要素に分解して確認すると、暗記に頼らず意味から導き出すことができます。

本記事では、標準化の基礎的な概念から公式の構造、実務における利点と注意点までを順を追って解説します。

標準化の基本概念

標準化とは、元のデータの平均値を0に、ばらつきの大きさを表す指標を1に揃えるデータ変換の処理を指します。

この変換によって得られた数値を「zスコア」または「標準化変量」と呼びます。

学校の定期試験による比喩

高校で実施される定期試験を想定します。

数学のテストで70点を獲得し、英語のテストでも70点を獲得した生徒がいると仮定します。点数そのものは同じ70点ですが、数学の学年平均点が30点であり、英語の学年平均点が80点であった場合、両者の点数が持つ意味合いは大きく異なります。

数学の70点は平均点より40点高く、学年上位に位置していると判断できます。一方、英語の70点は平均点より10点低く、学年平均を下回っています。

さらに、生徒全体の点数が狭い範囲に密集している試験と、0点から100点まで広く散らばっている試験では、同じ「平均点との差」であっても価値が変わります。標準化は、このような「平均点の違い」と「点数の散らばり具合の違い」を同時に揃えて、異なる基準のデータを同一の物差しで測定できるようにする作業です。

構成する統計用語の整理

公式を理解するために必要な用語の意味を整理します。

変量 x：変換の対象となる個別のデータ値（例：個人のテストの点数）
平均値 μ（または記号 x̄）：データの合計をデータ数で割った中央的な基準値
分散：各データが平均値からどれくらい離れているかを数値化した指標
標準偏差 σ（シグマ）：分散の平方根をとることで、データの単位を元の数値と揃えたばらつきの尺度

標準化の公式と構造の分解

標準化を行う公式は、元の値から平均値を引き、その結果を標準偏差で割る形をとります。

$z = \frac{x - \mu}{\sigma}$

この計算式は、2段階の単純な手順を1つの分数にまとめた構造になっています。

手順1：中心を0に移動させる「引き算」

分子に記載されている (x - μ) は、個別の値 x から平均値 μ を差し引く計算です。

平均点ちょうどを取った生徒の場合、x と μ が等しくなるため、計算結果は 0 になります。平均点より高い値は正の数値となり、平均点より低い値は負の数値となります。この引き算によって、どのような集団であっても平均値の位置が 0 に移動します。

手順2：目盛りを1に揃える「割り算」

分母に配置されている σ は標準偏差です。

平均値からの距離 (x - μ) を標準偏差 σ で割る動作は、「平均値からどれだけ離れているか」を「標準偏差何個分か」という共通の目盛りに変換することを意味します。

仮に平均値との差が標準偏差と同じ大きさであれば、割り算の結果は 1 になります。標準偏差の2倍離れていれば 2 になります。ばらつきの単位（標準偏差）で全体を割ることで、変換後のデータの散らばり具合は必ず 1 に収まります。

公式の覚え方

公式を覚える際は、数式の文字配列ではなく、加減乗除の役割を順序立てて捉える方法が有効です。

分子：x - μ（平均を引いて中央を0に合わせる）
分母：σ（ばらつきで割って目盛りを1に揃える）

「平均を引いて、標準偏差で割る」という2つの動作を1つの分数としてイメージすることで、分母と分子の配置を取り違えることなく導出できます。

標準化の利点と制約

データを標準化する手法には、明確な利点と適用時の制約が存在します。

利点

異なる尺度を持つデータの直接比較単位が異なるデータ（例：身長のセンチメートルと体重のキログラム）や、平均と散らばりが異なる複数科目の試験結果を、同じ土俵で比較できます。日本の教育現場で広く使われる「偏差値」も、標準化によって得られた数値を50中心の尺度に変換した応用例です。
機械学習や多変量解析における精度の向上複数の変数を同時に扱う統計解析において、数値の規模が大きい変数だけが結果に過度な影響を与える現象を防止できます。

制約

外れ値が存在する場合の影響集団の中に極端に離れた異常値（外れ値）が含まれていると、平均値 μ や標準偏差 σ の数値が大きく歪みます。その結果、大部分の通常データの zスコアが本来の位置づけから偏った値に算出されます。
元の単位や現実的な感覚の喪失変換を行うと元の単位（点数、金額、長さなど）が失われ、純粋な比率の数値となるため、専門知識を持たない第三者に対して直感的な説明を行いづらくなる側面があります。

まとめ

標準化の公式は、複雑な概念ではなく、データの基準位置と目盛りを整える2つの操作をまとめたものです。

分子の (x - μ) で平均値を 0 に合わせる
分母の σ で散らばりの基準を 1 に揃える
組み立てられた式は「平均を引いて標準偏差で割る」という形状をとる

標準化の理解を確実に身につけるためには、次の段階に沿って学習を進める方法が有効です。

5人から10人程度の簡単な数値データを用意し、平均値と標準偏差を手計算で算出する。
各数値を標準化の公式に代入して zスコアを求め、変換後のデータの平均が0に、標準偏差が1になっていることを確かめる。
zスコアに10を掛けて50を足す「偏差値の計算式」との関連性を確認し、標準化が日常的な指標とどのように結びついているかを把握する。
標準化されたデータが左右対称の釣り鐘型の分布を描く「標準正規分布」の性質や、確率の計算手法へと学習範囲を発展させる。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
海外放浪の末、2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。