相関係数と散布図（データの連動性と外れ値）

Q: 相関係数と散布図（データの連動性と外れ値）とは何ですか？

2組のデータ (x_1, y_1), \dots, (x_n, y_n) に対し、各変数の平均値を \bar{x}, \bar{y}、標準偏差を s_x, s_y とする。 - 共分散（Covariance）: s_{xy} = \frac{1}{n}\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y}) - ピアソンの積率相関係数: r = \frac{s_{xy}}{s_x s_y} = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2}\sqrt{\sum (y_i - \bar{y})^2}} 常に -1 \le r \le 1 を満たす。

Q: 相関係数と散布図（データの連動性と外れ値）は社会やプログラミングでどのように使われていますか？

機械学習の多重共線性（Multicollinearity）排除と特徴量相関マトリクス: AIモデルの学習前に、入力特徴量同士の相関係数行列を計算し、相関係数が高すぎる（|r| > 0.85）冗長な特徴量を自動的に間引いて過学習と計算負荷を抑制するデータ前処理パイプライン。

「気温が上がるとビールはどれくらい売れるのか？」ピアソンの相関係数 r と直線の傾きの数理

この単元の発見をシェア

3行要約（Key Takeaways / AIOサマリー）

1: 2つの変数 X と Y の直線的な関連の強さを -1.0 から +1.0 の数値で表した指標を「相関係数（ピアソンの積率相関係数 r）」と呼ぶ
2: r = +1 は完全な正の相関（右肩上がり一直線）、r = 0 は無相関、r = -1 は完全な負の相関（右肩下がり一直線）を示す
3: 相関係数は「たった1つの外れ値（極端なデータ）」によって値が激変する脆弱性があり、「相関関係は因果関係を意味しない（疑似相関）」というデータ分析の最重要原則がある

なぜこれを学ぶのか？ — 現実社会とテクノロジーでの価値

Purpose & Motivation

なぜ生まれたのか？

「気温とアイスの売上」のように、2つのデータにどれくらい直線的な連動性があるかを -1.0〜+1.0 の統一尺度で定量化するために生まれた。

身につく武器・思考力

データのバラツキの中から真の関連性を見抜き、外れ値1個に惑わされないデータリテラシーと「相関と因果の混同」を防ぐ眼が養われる。

実社会・ITでの活躍現場

•機械学習における入力特徴量の選定（多重共線性の排除）
•NetflixやAmazonの「あなたへのおすすめ」レコメンドエンジン
•株式投資における銘柄間のポートフォリオ分散（リスクヘッジ）
•マーケティングにおける広告費と売上データの連動性分析

Layer 1 — 直感・シミュレーター

散布図上のデータ点をクリックしてドラッグしたり、新しい点を追加してみよう。相関係数 $r$ と最適な回帰直線（ベストフィットライン）がリアルタイムに変動する。特に、右上に1つだけ極端な「外れ値」を置くだけで相関係数が一気に跳ね上がる現象を体感できる。

インタラクティブ散布図と回帰直線:相関係数 r = 0.996

相関の強さ

強い正の相関

|r| = 1.00

回帰直線の傾き

+0.93

予測モデル y = ax + b

決定係数 R²

0.992

データの変動の99%を説明

直感チェック！ミニクイズ

相関係数 r = 0.85 という強い正の相関が観測されたとき、科学的に正しい解釈はどれか？

Layer 2 — 定義・受験・証明

定義

2組のデータ $(x_1, y_1), \dots, (x_n, y_n)$ に対し、各変数の平均値を $\bar{x}, \bar{y}$ 、標準偏差を $s_x, s_y$ とする。 - 共分散（Covariance）:

s_{xy} = \frac{1}{n}\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y})

- ピアソンの積率相関係数:

r = \frac{s_{xy}}{s_x s_y} = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2}\sqrt{\sum (y_i - \bar{y})^2}}

常に $-1 \le r \le 1$ を満たす。

公式・数理モデル

r = \frac{s_{xy}}{s_x s_y} = \frac{\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^n (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^n (y_i - \bar{y})^2}} \quad (-1 \le r \le 1)

証明・導出

コーシー・シュワルツの不等式による $-1 \le r \le 1$ の証明：ベクトル $\mathbf{u} = (x_1 - \bar{x}, \dots, x_n - \bar{x})$ と $\mathbf{v} = (y_1 - \bar{y}, \dots, y_n - \bar{y})$ を考える。ベクトルの内積とノルム（長さ）の定義より、

\mathbf{u} \cdot \mathbf{v} = \sum (x_i - \bar{x})(y_i - \bar{y}), \quad \|\mathbf{u}\| = \sqrt{\sum (x_i - \bar{x})^2}, \quad \|\mathbf{v}\| = \sqrt{\sum (y_i - \bar{y})^2}

したがって相関係数は、実は2つの偏差ベクトルの「なす角 $\theta$ の余弦 $\cos\theta$ 」そのものである：

r = \frac{\mathbf{u} \cdot \mathbf{v}}{\|\mathbf{u}\| \|\mathbf{v}\|} = \cos\theta

コサインの値域は常に $-1 \le \cos\theta \le 1$ であるため、相関係数 $r$ も数学的に厳密に $-1$ 以上 $1$ 以下の範囲に収まる。 $\theta = 0$ （同方向ベクトル）のとき $r = 1$ 、 $\theta = 90^\circ$ （無関係に直交）のとき $r = 0$ となる。

押さえておきたいポイント

相関係数は「偏差ベクトルのコサイン $\cos\theta$ 」という幾何学的な正体を持つ
$|r| \ge 0.7$ : 強い相関、 $0.4 \le |r| < 0.7$ : 中程度の相関、 $|r| < 0.2$ : ほとんど相関なし
相関係数は「直線的な関係」しか捉えられない（二次関数 $y = x^2$ のような綺麗な放物線関係でも $r \approx 0$ になる）
アンスコムの例（Anscombe's quartet）: 平均・分散・相関係数が全く同じでも、散布図を描くと全く異なる形状になる有名な教訓

参照基準・学習指導要領との対応

本トピックの内容・数理モデルは、文部科学省学習指導要領（算数・数学・情報）および国際標準カリキュラムに準拠し、エンジニアリング現場の実装事例と照らし合わせてMath World Lab編集部により検証・作成されています。

Layer 3 — 工学応用・現場実装

機械学習の多重共線性（Multicollinearity）排除と特徴量相関マトリクス

AIモデルの学習前に、入力特徴量同士の相関係数行列を計算し、相関係数が高すぎる（ $|r| > 0.85$ ）冗長な特徴量を自動的に間引いて過学習と計算負荷を抑制するデータ前処理パイプライン。

1// 2つの配列からピアソンの相関係数 r を計算
2function calculateCorrelation(x: number[], y: number[]): number {
3  const n = x.length;
4  if (n !== y.length || n === 0) return 0;
5
6  const meanX = x.reduce((a, b) => a + b, 0) / n;
7  const meanY = y.reduce((a, b) => a + b, 0) / n;
8
9  let numerator = 0; // 共分散の分子
10  let denomX = 0;    // x の偏差平方和
11  let denomY = 0;    // y の偏差平方和
12
13  for (let i = 0; i < n; i++) {
14    const dx = x[i] - meanX;
15    const dy = y[i] - meanY;
16    numerator += dx * dy;
17    denomX += dx * dx;
18    denomY += dy * dy;
19  }
20
21  const denominator = Math.sqrt(denomX) * Math.sqrt(denomY);
22  return denominator === 0 ? 0 : numerator / denominator;
23}
24
25// 例: 最高気温とアイス売上個数のデータ
26const temperature = [22, 25, 28, 32, 35, 18, 30];
27const iceCreamSales = [120, 150, 210, 310, 390, 80, 270];
28
29const r = calculateCorrelation(temperature, iceCreamSales);
30console.log(`相関係数 r: ${r.toFixed(3)}`); // 約 0.979 (極めて強い正の相関)