# 記述統計 (Data Science & ML)

> 平均、中央値、標準偏差、四分位数、分布、相関、外れ値、歪度

- 20 面接問題
- Mid-Level
- [面接問題: Data Science & ML](https://sharpskill.dev/ja/technologies/data-science/interview-questions.md)

## 1. 極端な値（外れ値）を含むデータに最も適した中心傾向の尺度はどれですか？

**回答**

中央値は外れ値に対して最もロバストな中心傾向の尺度です。ソートされたデータの中央値を表し、極端な値の影響を受けないからです。すべての値を合計する平均とは異なり、中央値は位置のみを考慮します。例えば、数人の高給取りの幹部がいる企業の給与の場合、中央値は平均よりも典型的な給与をより適切に表します。

## 2. データセットの分散とは何ですか？

**回答**

分散は、データの平均周辺の散らばりを測定します。平均からの偏差の二乗の平均として計算されます。二乗することで常に正の値が得られ、平均から遠い値の影響を増幅します。分散の単位は元のデータ単位の二乗であるため、元の単位で散らばりを解釈するために標準偏差（分散の平方根）がよく使われます。

## 3. 標準偏差と分散の関係は何ですか？

**回答**

標準偏差は分散の平方根です。この変換により、散らばりの尺度が元のデータ単位に戻り、解釈が容易になります。例えば、データがユーロ単位の場合、分散はユーロの二乗単位（解釈が困難）になりますが、標準偏差はユーロ単位になります。したがって、データの散らばりを直感的に伝えるには標準偏差が好まれます。

## さらに17問利用可能

- 分布の第1四分位数（Q1）は何を表しますか？
- Pearson相関係数が-0.85の場合、どのように解釈しますか？

無料で登録: https://sharpskill.dev/ja/login

## その他のData Science & ML面接トピック

- [Pythonの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-basics.md): 25問, Junior
- [Pythonオブジェクト指向プログラミング](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-oop.md): 20問, Junior
- [Pythonのデータ構造](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-data-structures.md): 20問, Junior
- [Git の基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/git-fundamentals.md): 18問, Junior
- [SQLの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-basics.md): 20問, Junior
- [NumPyの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/numpy-fundamentals.md): 22問, Junior
- [Pandasの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-basics.md): 22問, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/ja/technologies/data-science/interview-questions/jupyter-colab.md): 16問, Junior
- [SQL Joinsと高度なクエリ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-joins-advanced.md): 22問, Mid-Level
- [Pandas応用](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-advanced.md): 24問, Mid-Level
- [Matplotlib & Seabornによる可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20問, Mid-Level
- [Plotlyによるインタラクティブな可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/plotly-interactive.md): 18問, Mid-Level
- [推測統計学](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-inferential.md): 24問, Mid-Level
- [Web Scraping](https://sharpskill.dev/ja/technologies/data-science/interview-questions/web-scraping.md): 18問, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/ja/technologies/data-science/interview-questions/bigquery-cloud.md): 18問, Mid-Level
- [Feature Engineering](https://sharpskill.dev/ja/technologies/data-science/interview-questions/feature-engineering.md): 22問, Mid-Level
- [教師あり機械学習：回帰](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-regression.md): 24問, Mid-Level
- [教師あり機械学習：分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-classification.md): 24問, Mid-Level
- [決定木とアンサンブル](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24問, Mid-Level
- [教師なしML](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-unsupervised.md): 22問, Mid-Level
- [MLパイプラインと検証](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22問, Mid-Level
- [時系列と予測](https://sharpskill.dev/ja/technologies/data-science/interview-questions/time-series-forecasting.md): 22問, Mid-Level
- [Deep Learningの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24問, Senior
- [TensorFlow & Keras](https://sharpskill.dev/ja/technologies/data-science/interview-questions/tensorflow-keras.md): 22問, Senior
- [CNN と画像分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/cnn-image-classification.md): 24問, Senior
- [RNNとシーケンス](https://sharpskill.dev/ja/technologies/data-science/interview-questions/rnn-sequences.md): 22問, Senior
- [TransformersとAttention](https://sharpskill.dev/ja/technologies/data-science/interview-questions/transformers-attention.md): 24問, Senior
- [NLPとHugging Face](https://sharpskill.dev/ja/technologies/data-science/interview-questions/nlp-huggingface.md): 24問, Senior
- [GenAIとLangChain](https://sharpskill.dev/ja/technologies/data-science/interview-questions/genai-langchain.md): 24問, Senior
- [MLOps とデプロイ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/mlops-deployment.md): 24問, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-descriptive