四分位範囲の求め方を完全解説！偶数・奇数の罠や外れ値の計算法まで

中学校の「データの活用」や高校数学Iの「データの分析」をはじめ、ビジネスや統計検定の実務でも頻出する指標が「四分位範囲（IQR）」です。データの散らばり具合を客観的に把握するうえで欠かせない知識ですが、テストや実務の現場では「データの個数が偶数か奇数かで計算が狂う」「箱ひげ図の外れ値の基準が曖昧になる」といった混乱が後を絶ちません。

文部科学省の現行学習指導要領に基づく学校教育の現場だけでなく、2026年現在のデータドリブンなビジネスシーンにおいても、四分位範囲の正確な理解は必須スキルとなっています。本稿では、基本公式から奇数・偶数別の具体的な計算手順、箱ひげ図や外れ値の判定法、さらにはExcel関数の使い分けまで、現場で迷わないための要点を網羅して解説します。

📌 【この記事の重要ポイントまとめ】

• 要点1：四分位範囲は「第3四分位数（$Q_3$） − 第1四分位数（$Q_1$）」で算出され、極端な外れ値に左右されずに中央50%の散らばりを測る指標。
• 要点2：データの個数が奇数の場合は「中央値を除外して前後半に分割」、偶数の場合は「中央で2等分」して各グループの中央値を求めるのが学校数学の鉄則。
• 要点3：箱ひげ図の外れ値判定（$1.5 \times IQR$ ルール）や、Excel関数（QUARTILE.INC / QUARTILE.EXC）との仕様差を押さえることで失点や分析ミスを完全に防げる。

四分位範囲の公式と意味｜平均値や範囲との決定的な違い

四分位範囲（英語：Interquartile Range, 略称：IQR）とは、データを小さい順に並べたときに、中央に位置する50%のデータがどれくらい広がっているかを示す統計量です。

基本公式は以下の通りです。

四分位範囲の公式： $IQR = Q_3 - Q_1$（第3四分位数 − 第1四分位数）

全体を4等分する3つの区切り点を小さい方から第1四分位数（$Q_1$：下位25%点）、第2四分位数（$Q_2$：中央値・50%点）、第3四分位数（$Q_3$：上位25%点・下位75%点）と呼びます。四分位範囲はこの $Q_3$ から $Q_1$ を引いた幅を指します。

四分位範囲が重宝される最大のメリットは、「外れ値（極端に大きすぎる・小さすぎる値）の影響を受けにくい頑健性（ロバスト性）」にあります。単純な「範囲（最大値 − 最小値）」や「平均値・標準偏差」は、たった1つの異常値があるだけで数値が大きく歪みます。これに対し、四分位範囲は両端の25%ずつを切り捨てて中央の50%だけを見るため、データ本来の実態をブレずに捉えられます。

なお、混同されやすい指標に「四分位偏差」があります。四分位偏差は「四分位範囲を2で割った値（$\frac{Q_3 - Q_1}{2}$）」であり、四分位範囲そのものとは明確に異なるため注意が必要です。

【偶数・奇数別】四分位数の求め方ステップ｜テストで失点する中央値の罠

四分位範囲の計算で最も受験生やつまずきやすい人が混乱するのが、データの総数（$n$）が奇数か偶数かによる分割ルールの違いです。日本の学校数学（文部科学省の標準方式）では、以下の2ステップで計算します。

大前提ルール：必ず最初にすべてのデータを小さい順（昇順）に並べ替えます。

パターン1：データの個数が「奇数」の場合（例：7個のデータ）

データ例：【 3, 5, 8, 12, 15, 18, 20 】（$n=7$）

1. 全体の中央値（$Q_2$）を求めます。7個の中央は4番目の「12」です。
2. 中央値「12」を除外し、前半グループ【3, 5, 8】と後半グループ【15, 18, 20】に分けます。
3. 前半の中央値が第1四分位数（$Q_1$ = 5）、後半の中央値が第3四分位数（$Q_3$ = 18）となります。
4. 四分位範囲：$18 - 5 =$ 13

パターン2：データの個数が「偶数」の場合（例：8個のデータ）

データ例：【 2, 4, 7, 9, 11, 14, 17, 21 】（$n=8$）

1. 全体の中央値（$Q_2$）を求めます。中央2つ（4番目の9と5番目の11）の平均値 $\frac{9 + 11}{2} =$ 10 です。
2. 境目で前半グループ【2, 4, 7, 9】と後半グループ【11, 14, 17, 21】のそれぞれ4個ずつにそのまま等分します。
3. 前半の中央値（2番目と3番目の平均）：$\frac{4 + 7}{2} =$ 5.5（$Q_1$）
後半の中央値（6番目と7番目の平均）：$\frac{14 + 17}{2} =$ 15.5（$Q_3$）
4. 四分位範囲：$15.5 - 5.5 =$ 10

箱ひげ図と外れ値の計算ルール｜1.5倍ルールの仕組みと見分け方

四分位範囲の視覚化に用いられるのが「箱ひげ図（Boxplot）」です。箱の左端（または下端）が $Q_1$、箱の中の線が中央値（$Q_2$）、箱の右端（または上端）が $Q_3$ を示し、箱の横幅そのものが四分位範囲を表します。

現代の統計処理や高校数学で重視されるのが、「外れ値（異常値）」の客観的検出です。多くの統計グラフでは、以下の「1.5倍ルール（Tukeyのフェンス）」を用いて外れ値を特定します。

• 下側の外れ値ライン： $Q_1 - (1.5 \times IQR)$ 未満の値
• 上側の外れ値ライン： $Q_3 + (1.5 \times IQR)$ 超の値

例えば、$Q_1 = 20$、$Q_3 = 40$ の場合、$IQR = 20$ です。このとき、上側の境界は $40 + (1.5 \times 20) = 70$ となり、70を超えるデータが存在すれば「外れ値」として箱ひげ図のひげの先端ではなく、独立した点（プロット）として表記されます。

【比較検証】学校数学・Excel・実務ツールにおける定義の違い

実は四分位数の求め方には世界中で複数の数学的定義が存在します。学校の教科書で習う方法と、業務で使う表計算ソフトの計算結果が微妙に食い違う原因はここにあります。

項目	詳細・計算定義	一般的な基準・相場	編集部の見解・評価
文科省方式（学校数学）	中央値を除いて前後半に分割（ヒンジ方式）	中学・高校の定期試験、共通テスト	手計算に最適化されたシンプルなアルゴリズム。初学者でも迷わない明確さが特徴。
Excel: QUARTILE.INC	百分位数を連続補間（$0 \le p \le 1$ を含む）	Excel 2010以降の標準互換、ビジネス全般	データ数が少ないと学校数学と端数計算でズレが生じるが、実務分析では最も広く普及。
Excel: QUARTILE.EXC	両端を含まない排他的パーセンタイル計算	母集団の分布推定を重視する統計解析	サンプルサイズが小さいとエラー（#NUM!）が出やすく、一般的な集計にはやや不向き。
Python（pandas / numpy）	デフォルトで線形補間（linear）を採用	データサイエンス、AI・機械学習の実務	引数指定（`method`）で定義を変更可能。大規模データ処理では実質的なデファクトスタンダード。

一般に知られていない盲点と現場で多発する誤解

教育現場の採点データやビジネスの集計ミスを分析すると、初心者が陥りやすい3大トラブルが浮き彫りになります。

盲点1：並べ替え（ソート）を忘れて計算に入る
ランダムな並びのまま中央にある数字を $Q_2$ にしてしまうミスです。四分位数は順序統計量であるため、昇順ソートが絶対条件です。

盲点2：四分位範囲と四分位偏差の取り違え
問題文で「四分位範囲を求めよ」と問われているのに、最後にうっかり2で割って四分位偏差を答えてしまい失点するケースが目立ちます。「範囲はそのまま引き算、偏差は半分にする」と整理してください。

盲点3：データ数が少ないときのExcelの過信
前述の通り、10件未満の少数サンプルでExcelの `QUARTILE` 関数を使うと、教科書の解法と一致しない数値が出力されます。学校の課題や手計算の検算を行う際は、この仕組みの違いを理解しておく必要があります。

【プロの結論】目的別の最適なアプローチ

定期テスト・共通テスト対策： 文科省の「偶数・奇数分割ルール」を徹底し、手計算のステップを確実にトレースしてください。

実務・データ分析業務： データの母数が多い（100件以上など）場合はどの定義でも実質的な差は誤差に収まります。手作業を避け、Excelの `QUARTILE.INC` またはPythonの `describe()` メソッドを活用して効率化を図るのが正解です。

【四分位範囲の求め方】に関するよくある質問（FAQ）

Q1：データ数が「偶数」のとき、第1四分位数・第3四分位数が小数になることはありますか？
A1：あります。分割した前半・後半グループのデータ数がさらに偶数個の場合、中央の2つの平均を取るため「5.5」などの小数が四分位数になります。計算ミスではないため心配無用です。

Q2：四分位範囲（IQR）が「0」になるケースは存在しますか？
A2：存在します。データの中央50%がすべて同じ数値（例えば中央付近がすべて「10」で並んでいる状態）の場合、$Q_3 - Q_1 = 10 - 10 = 0$ となります。データの中央部分に散らばりがないことを意味します。

Q3：なぜ平均偏差や標準偏差だけでなく、四分位範囲を学ぶ必要があるのですか？
A3：年収データやWebサイトの滞在時間のように「一部の極端な大富豪やロングテール」が存在する分布では、平均値や標準偏差が実態から大きく乖離するためです。より実態に近い「普通の中央層」のばらつきを評価するには四分位範囲が最も適しています。

まとめ：手順を整理して失点と集計ミスをゼロに

四分位範囲の求め方は、一見複雑に見えても「昇順に並べる → 奇数・偶数に応じて中央値と前後半を切り分ける → $Q_3 - Q_1$ を計算する」という3工程のルールさえ確立できれば、一切迷うことはありません。

箱ひげ図の読み取りや外れ値の検出基準まで連動して押さえておくことで、学校の数学テストでの得点力向上はもちろん、実務におけるデータ分析の説得力も格段に高まります。まずは身近なデータを使って、手計算とツールの挙動を確認してみてください。 （出典: 四 分 位 範囲 求め 方（Yahoo!ニュース））