尖度とは何のために使うのか？

データ分析において、平均値や標準偏差、さらに分布の偏りを表す「歪度」まで確認したとしても、まだ見落としてしまうリスクが存在します。それが「極端な値（外れ値）がどれくらい発生しやすいか」という点です。

こうした分布の「尖り具合」や「裾の太さ（極端な値の発生頻度）」を定量的に評価する統計指標が「尖度（せんど）」です。

この記事では、尖度の基本概念から「結局何のために使うのか」、数値の見方（正の尖度・負の尖度）、歪度との違い、ビジネスや金融での実務活用例までを分かりやすく解説します。

結局、尖度は何のために使うのか？
尖度（せんど）とは？基本概念と読み方
「歪度（わいど）」と「尖度（せんど）」の違い
ビジネスや金融・製造での活用例
まとめ

結局、尖度は何のために使うのか？

結論から言うと、尖度は「データの『極端な値（外れ値・テールリスク）』がどれくらい発生しやすいかを捉えるため」に使います。

平均値やばらつき（標準偏差）が全く同じ2つのデータがあっても、「大半が中央に集中し、稀に飛び抜けた値が出るデータ」と「全体的にまんべんなくばらついているデータ」では性質が大きく異なります。

尖度を活用することで、主に以下の3つの目的を達成できます。

外れ値（極端な値）のリスクを検知する： 発生頻度は極めて低いものの、ひとたび起きると致命的な影響を及ぼす事象（金融の暴落、機械の重大事故など）を予見・評価する。
正規分布の前提条件（正規性）をチェックする： データが綺麗な正規分布（山型）に従っているかを検証し、統計手法や機械学習モデルの適用可否を判断する。
品質の安定性を評価する： 製造業などで、製品の寸法や品質が中心値にしっかり集約しているか（または突発的な不良品が出やすいか）をチェックする。

尖度（せんど）とは？基本概念と読み方

尖度（kurtosis）とは、確率分布やデータ分布が「正規分布」と比べてどれくらい尖っているか、あるいは裾（テール）が厚いかを示す指標です。

統計ソフト（ExcelやPythonなど）では、正規分布の尖度を「0」とする定義（超過尖度：Excess Kurtosis）が一般的によく用いられます。

尖度＝ 0（正規分布・中鋭度）： 正規分布と同等の尖り具合と裾の厚さ。
尖度＞ 0（急鋭・正の尖度）： 中央の山が鋭く尖っており、同時に「両端の裾が太い（外れ値が出やすい）」分布。
尖度＜ 0（緩鋭・負の尖度）： 中央の山が丸く平らで、両端の裾が薄い（外れ値が出にくい）分布。

視覚的なイメージは以下の通りです。

「歪度（わいど）」と「尖度（せんど）」の違い

どちらも分布の形状を表す統計指標ですが、注目している視点が異なります。

指標	表している形状	実務での主な関心事
歪度（Skewness）	データの「左右の傾き・偏り」	平均値が使えるか？（右寄りか左寄りか）
尖度（Kurtosis）	データの「上下の尖り・裾の太さ」	極端な値（外れ値）が出やすいか？

データ分析では、歪度と尖度をセットで確認することで、分布がどれくらい正規分布から離れているかを精度高く判断できます。

ビジネスや金融・製造での活用例

尖度は、リスク評価や品質管理など「突発的な異変」を制御したい場面で強力なツールとなります。

1. 金融市場のリスク管理（テールリスク分析）

株価や為替の値動き（リターン率）は、一見すると正規分布のように見えますが、実際には正の尖度（尖度＞ 0）を持つことが知られています。これは「普段は静かだが、時々『◯年に一度の暴落』という極端な外れ値が発生する」ことを意味します。リスク管理において尖度を考慮することで、大規模な損失リスク（テールリスク）を正しく見積もることができます。