加重平均とは？求め方・計算方法・使いどころを初心者向けに解説

加重平均とは？求め方・計算方法・使いどころを初心者向けに解説

加重平均とは

加重平均とは、それぞれのデータに重みを付けて平均値を求める方法です。重みは、そのデータをどのくらい重視するか、どのくらい影響させたいかを表します。重み付き平均、重み付け平均、重みづけ平均と呼ばれることもあります。

普段よく使う平均は、すべての数値を同じ重要度として扱います。たとえば50点、70点、80点の平均なら、(50 + 70 + 80) ÷ 3 = 66.7点です。この計算では、3回のテストがすべて同じ価値を持つと考えます。

しかし実際には、データごとに重要度が違う場面が多くあります。学校の成績なら、宿題より期末試験を重視する場合があります。投資なら、少額しか投資していない銘柄より、大きな資金を入れている銘柄の影響を大きく見る必要があります。このようなとき、加重平均を使うと、目的に合った平均値を求めやすくなります。

加重平均と算術平均の違い

算術平均は、全データを平等に扱う平均です。3、5、7の算術平均は、(3 + 5 + 7) ÷ 3 = 5です。計算が簡単で直感的に理解しやすいため、日常的な「平均」として広く使われます。

一方で、加重平均はデータごとの重要度を変えて計算します。つまり、算術平均はすべての重みが同じ場合の平均、加重平均は重みを個別に変えられる平均と考えると分かりやすいでしょう。

たとえば宿題、小テスト、期末試験をすべて同じ重みで平均すると、期末試験の重要度が十分に反映されないことがあります。期末試験を重視した評価にしたいなら、期末試験に大きな重みを設定して加重平均を計算します。

加重平均の計算式と求め方

加重平均の基本式は次の通りです。

\(\bar{x}_w = \frac{\sum_{i=1}^{n} w_i x_i}{\sum_{i=1}^{n} w_i}\)

ここで、x はデータの値、w は重みを表します。難しく見えるかもしれませんが、やっていることはシンプルです。

1. 各データに、それぞれの重みを掛ける
2. 重みを掛けた値をすべて合計する
3. その合計を、重みの合計で割る

最後に重みの合計で割るのは、重みを掛けたことで全体の量が大きくなっているためです。重みの合計で割ることで、元の値と同じ単位の平均値として解釈できます。

重みは10%、30%、60%のように合計が1になる割合で表しても、1、3、6のような比率で表しても構いません。重要なのは、重み同士の比率が目的に合っていることです。

例題で確認する加重平均の計算

学校の成績を例に、加重平均の求め方を確認しましょう。宿題、中間テスト、期末テストの点数と重みを次のように設定します。

この場合、加重平均は 80 × 0.1 + 70 × 0.3 + 60 × 0.6 = 65点です。算術平均なら (80 + 70 + 60) ÷ 3 = 70点ですが、期末テストの重みを大きくしているため、加重平均では65点になります。

別の例として、国語80点、数学70点、理科90点に対して、国語2、数学3、理科1の重みを付けるとします。この場合は、(80 × 2 + 70 × 3 + 90 × 1) ÷ (2 + 3 + 1) = 460 ÷ 6 = 約76.7点です。数学を最も重視しているため、単純な平均とは少し違う結果になります。

加重平均が使われる場面

加重平均は、重要度や割合を反映したい場面で幅広く使われます。身近な例では学校の成績評価があります。期末試験を70%、中間試験を20%、宿題と授業参加をそれぞれ5%のように設定すれば、期末試験の結果を強く反映した成績になります。

投資では、ポートフォリオ全体の平均収益率を考えるときに、各投資先の金額割合を重みとして使います。大きな金額を投資している資産ほど、全体の収益率に与える影響が大きくなるためです。

経済指標でも加重平均は重要です。消費者物価指数のような指標では、食料品や光熱費など生活への影響が大きい品目と、購入頻度が低い品目を同じ重みでは扱いません。生活実態に近づけるため、品目ごとの重要度を重みに反映します。

AI・機械学習で加重平均が使われる理由

AI・機械学習でも、加重平均の考え方はよく使われます。代表的なのは、複数のモデルの予測を組み合わせるアンサンブルです。すべてのモデルを同じ重みで平均するのではなく、精度の高いモデルに大きな重みを与えることで、全体の予測を安定させることがあります。

また、学習データの中で特定のサンプルを重視したい場合にも重みを使います。たとえば、少数派のデータを見落としたくない分類問題では、そのサンプルの損失に大きな重みを付けることがあります。これにより、単に件数が多いデータだけに引っ張られにくくなります。

移動平均や指数移動平均も、広い意味では重みの考え方と関係があります。直近のデータを重視する場合、古いデータより新しいデータに大きな重みを与えるため、時間の変化をなめらかに追いやすくなります。

加重平均を使うときの注意点

加重平均で最も重要なのは、重みの決め方です。重みは結果を大きく左右するため、なぜその重みにするのかという根拠が必要です。根拠のない重みを使うと、計算自体は正しくても、結果の意味が曖昧になります。

重みの合計は必ずしも1である必要はありません。0.1、0.3、0.6のように合計1にしても、1、3、6のような比率にしても、比率が同じなら結果は同じです。ただし、すべての重みが0になると計算できません。また、負の重みを使う特殊な分析もありますが、初心者が通常の平均として使う場合は、まず0以上の重みで考えるのが安全です。

単位が違うデータをそのまま混ぜないことも大切です。点数、金額、件数、割合など、意味の違う値を同じ式に入れると、平均値の解釈が難しくなります。必要に応じて、正規化や標準化などで尺度をそろえる必要があります。

さらに、重みが極端に大きいデータがあると、そのデータだけで結果がほぼ決まってしまう場合があります。これは目的に合っていれば問題ありませんが、恣意的な評価や偏った結論につながることもあります。加重平均を使うときは、計算結果だけでなく、重みの設定理由も一緒に説明できるようにしましょう。

関連する平均との違い

平均には、加重平均や算術平均のほかにもいくつかの種類があります。目的に合わない平均を選ぶと、データの特徴をうまく表せないことがあります。

加重平均は「重要度の違い」を扱う平均です。成長率そのものを平均したいなら幾何平均、速度のような単位あたり量を扱うなら調和平均、時間の流れをなめらかに見たいなら移動平均が向いている場合があります。

まとめ

加重平均とは、各データに重みを付けて平均値を求める方法です。算術平均がすべての値を同じ重要度で扱うのに対し、加重平均は重要度、割合、影響度の違いを反映できます。

求め方は、各値に重みを掛け、掛けた値を合計し、重みの合計で割るだけです。計算自体は難しくありませんが、重みの設定によって結果の意味が変わるため、目的に合った重みを決めることが重要です。

学校の成績、投資、経済指標、顧客調査、AI・機械学習の予測統合など、加重平均は多くの場面で使われます。単純な平均では実態を表しにくいと感じたときは、データごとの重要度を考え、加重平均が適しているかを確認してみましょう。

更新履歴