ChatGPTに書いてもらった偽造日記。データサイエンスの教科書で平均値、中央値、そして最頻値を学んだのだった。あるいはChatGPT4を飼い慣らす　225 2024年2月17日

編集者として、データサイエンス協会の広報仕事もしています。
それもあって、Audibleの聴く読書でデータサイエンスの本を聴いたりしています。今回面白かったのは平均値、中央値、そして最頻値。
平均値と中央値は知っていたしそこに結構乖離があるのはしっていたんだが、最頻値（モード）という数値があって、それが結構大事であるということを学んだので、今日はChatGPT4にそれについて日記の中でレクチャーしてもらうことにした。
テーマは日本の家計収入の平均値、中央値、そして最頻値についてだ。
ChatGPTに検索させるとシレっと嘘をつかれるので基本となるデータは僕が検索してペーストして教えてもらうことにした。

ちなみにデータを収集している時点での驚きは
日本の平均収入についての平均値、中央値、最頻値の乖離だ。平均値 (545.7万円) が中央値 (423万円) くらいまでなんとなく知っていたが、最頻値、つまり最も多い所得収入の金額が200〜299万円といういこであり、最も多くの世帯がこの収入帯に属しているということなのだった。
つまり、ざっくりいうと年収の平均値が550万、中央値が400万ちょっと、そして最頻値が300万を切るあたりというとこだ。これを知っているのと、平均の550万しかしらないのでは、世界はかなり違って見えてくるだおる。

統計的思考は実に重要だと思ったのだった。

• さて、今回はChatGPTに多少手を入れつつのし上がりは以下です。

今日は、私たちの日常生活や仕事で頻繁に遭遇するデータを巡る冒険について話し合いたいと思います。特に、データを理解し解釈するための三つの鍵、すなわち平均値、中央値、最頻値に焦点を当てます。これらは、数字の群れから情報を引き出し、その背後にある真実を解き明かすための強力なツールです。今日のセッションでは、これらの概念を日本の平均収入の実例を通じて掘り下げていきます。これらの統計値がどのようにして、私たちが生きる世界のより深い理解につながるのか、一緒に考えてみましょう。

厚生労働省「2022（令和4）年 国民生活基礎調査の概況」のデータを用いて、平均値、中央値、最頻値について解説します。この数値を用いた場合、平均値が545万7000円、中央値が423万円、モードは200〜299万円です。 また合算すると、6割以上が「平均所得金額」を下回る結果になっています。

平均値 (Mean)

平均値は全データの合計をデータの個数で割った値です。日本の平均世帯年収の例で言えば、全世帯の年収の合計を世帯数で割って、平均値545.7万円が算出されます。これは、一般的に「平均」と呼ばれる数値で、データセット全体の傾向を理解するのに有用です。しかし、極端に高い値や低い値がある場合、その影響を受けやすいという欠点があります。

中央値 (Median)

中央値はデータセットを小さい順に並べた際に、真ん中に位置する値です。データセットの個数が偶数の場合は、中央に位置する2つの数値の平均が中央値になります。2022年の日本の平均世帯年収での中央値は423万円と、平均値よりも低いです。これは、収入分布の真ん中に位置する世帯の年収を示しており、極端な値の影響を受けにくいため、データセットの「中心」をより正確に反映します。

最頻値 (Mode)

最頻値はデータセット中で最も頻繁に出現する値です。このケースでは、200〜299万円の年収帯が最も多くの世帯に当てはまる（14.6%）、つまり最頻値です。最頻値は、最も一般的な状況や特定のグループの特徴を把握するのに役立ちます。

日本の平均収入におけるこれらの統計値の意味

• 平均値 (545.7万円) は、全世帯の年収を平均したもので、全体の傾向を示しますが、高収入と低収入の差が大きいことを隠してしまう可能性があります。

• 中央値 (423万円) は、全世帯を収入順に並べた場合の中央の値で、収入分布の中心をより実態に近い形で示しています。中央値が平均値よりも低いことから、収入の偏りがあることがうかがえます。

• 最頻値 (200〜299万円) は、最も多くの世帯がこの収入帯に属していることを示しており、収入が低めの世帯が多い実態を反映しています。

以上の統計値を比較することで、日本の世帯収入の分布には広がりがあること、そして多くの世帯が平均収入よりも低い収入帯にあることが理解できます。これらの指標は、単一の数値では捉えられない、社会の経済的状況の複雑さを浮き彫りにします。

まとめのスピーチ

さて、本日のセッションで私たちは、平均値、中央値、最頻値という基本的な統計概念を、日本の平均収入のデータを通じて探求しました。
これらの概念は、単に数字を扱う技術以上のものです。それぞれが独自の物語を語り、データの背後にある現実を照らし出します。平均値が全体的な傾向を示す一方で、中央値は分布の真ん中を、最頻値は最も共通の状況を明らかにします。本日の議論を通じて、これらの数値が単なる算出結果ではなく、複雑なデータセットを理解するための有力な指標であることを理解いただけたかと思います。この知識を日々の生活や職場で活かし、データが語る物語を自信を持って読み解いてください。本日はご参加ありがとうございました。

この日記はChatGPT4による偽造日記である。

さて、今回のプロンプトは以下でした。イントロとまとめを付けさせたりと、若干手を入れています。

#あなたは有能なデータサイエンティストでありライターです。
#平均値、中央値、最頻値について、わかりやすくレクチャーをお願いします。
#日本の平均収入など具体的な数値を交えてレクチャーしてください。
#厚生労働省が公開する「2022（令和4）年 国民生活基礎調査の概況」によると、2022年時点における日本全体の平均世帯年収は545.7万円であることがわかっています。
一方、日本全体の平均世帯年収における中央値は423万円となっており、2018年時点の中央値437万円よりも低い値となっています。
それでは実際に、2022年に実施された「国民生活基礎調査」の結果をもとに、年収の中央値とモードをご紹介します。
はじめに、表1で年収の分布を確認しておきましょう。
表1
年収帯 全世帯における割合
100万円未満 6.7％
100〜199万円 13％
200〜299万円 14.6％
300〜399万円 12.7％
400〜499万円 10.3％
500〜599万円 8.4％
600〜699万円 7.3％
700〜799万円 6.2％
800〜899万円 4.9％
900〜1000万円 3.6％
1000〜1099万円 3.1％
1100〜1199万円 2.1％
1200〜1299万円 1.7％
1300〜1399万円 1.1％
1400〜1499万円 1％
1500〜1599万円 0.7％
1600〜1699万円 0.5％
1700〜1799万円 0.4％
1800〜1899万円 0.3％
1900〜1999万円 0.3％
2000万円以上 1.4％
※厚生労働省「2022（令和4）年 国民生活基礎調査の概況」をもとに筆者作成
この数値を用いた場合、平均値が545万7000円、中央値が423万円、モードは200〜299万円です。
また合算すると、6割以上が「平均所得金額」を下回る結果になっています。