　上司から、「ソフトウェア開発で収集したデータを分析せよ」とのお達しがあったとすると、まず思い浮かぶ分析手法が「平均値」でしょう。筆者は、大学の「ソフトウェア工学」の授業で、「この授業で、残存バグ数予測法をいくつか解説したが、その方法以外で自分独自の予測法を考えよ」という課題を出題します。すると大半の学生は、「サンプリング法と過去の統計データの平均を計算して残存バグを決定する」など、平均を使った方法を書いてきます。

　例えば、現在開発中のソフトウェアにサンプリング法を実施して残存バグが4件、過去の統計から7件だと分かっている場合、「残存バグ数は、（4+7） / 2で5.5件と推測できる」のようなイメージです。筆者の感覚では、7割の学生が、データ分析手法に「平均」を使う印象があります。

　良しあしはさておき、平均値を使ったデータ分析は、誰でも使える簡単で強力なデータ分析手法です。使いやすく分かりやすい方法ですが、いくつか「落とし穴」があります。今回は、平均値の「注意点」を解説します。

2.平均値の求め方

　蛇足ながらの復習ですが、平均値は、データを全て加算して、データ数で割れば算出できます。簡単ですね。電卓で足し算をするのが面倒なら、ExcelのAverage関数を使います。

　例えば、次のような開発プロジェクトがあるとします。


表.1　あるプロジェクトのプログラマの1カ月の生産性（LOC）
名前	生産性（LOC）
エンジニアA	770
エンジニアB	1030
エンジニアC	940
エンジニアD	410
エンジニアE	990
平均	828

　表.1では、左側がエンジニアの名前、右側がプログラマの1カ月の生産性（ソースコード行数）を示したものです。平均値は、エンジニアAからエンジニアEのソースコード行数を足し、人数で割れば計算できます。（770 + 1030 + 940 + 410 + 990） / 5で平均値は828です。簡単ですね

　続いて、度数分布表の場合はどうでしょう。度数分布の平均値の求め方は次のようになります。

（1）各階級の平均値（階級値）を求めます。
（2）階級値と人数を乗算します。
（3）階級値＊度数の合計を全データ数で割ります。

　次に下の表.2データに対し、上記（1）～（3）を適用する手順を詳細に解説します。

表.3を参照しながら見てください。

　まず（1）から階級値を求めます。「100～200」の場合、（100+200）/ 2で150ですね。それを「500～600」まで繰り返します。（2）より、階級値と人数を乗算します。「200～300」の場合、階級値は250、度数は3なので、250 * 3 = 750です。それを全ての階級で行います。（3）から各階級の「階級値＊度数」を足して、合計を出すと4250です。最後に、合計を人数の合計で割ると、4250 / 12となり、約351となります。


表.2　あるプロジェクトのプログラマの1カ月の生産性（LOC）
階級（1カ月あたりの生産性）	度数
100～200	1
200～300	3
300～400	5
400～500	2
500～600	1


表.3　あるプロジェクトのプログラマの1カ月の生産性（LOC）
階級（1カ月あたりの生産性）	階級値	度数	階級値*度数
100～200	150	1	300
200～300	250	3	750
300～400	350	5	1750
400～500	450	2	900
500～600	550	1	550
合計	-	12	4250
平均（度数分布）	-	-	351