ITパスポート 2019年 春期 問41

システムのテスト中に発見したバグを、原因別に集計して発生頻度の高い順に並べ、累積曲線を入れた図表はどれか。【ITパスポート 解説】

正解の理由

解法ステップ

1. 問題文のキーワードを探す：
   • 「原因別に集計」→ 項目別の集計が必要な図表
   • 「発生頻度の高い順に並べ」→ 棒が降順に並ぶこと
   • 「累積曲線を入れた」→ 棒と折れ線の両方が必要
2. 各選択肢の特徴を思い出す：
   • パレート図：降順の棒＋累積折れ線
   • ヒストグラム：度数分布の棒（累積線は通常なし、順序は数値区間順）
   • 散布図：点で2つの変数の関係を示す
   • 特性要因図：原因を枝分かれで示す（魚の骨の形）
3. 条件に合う図は「降順の棒＋累積曲線」→ パレート図（ウ）と判断する。

選択肢別の誤答解説

• ア: 散布図
  散布図（英: scatter plot）は、2つの数値変数の関係を点で示します。例：部品の厚さと強度の関係。原因別に頻度を降順で並べたり、累積曲線を載せたりはしません。
• イ: 特性要因図
  特性要因図（魚の骨図、英: cause-and-effect diagram）は、問題（特性）に対する原因を分類して視覚化します。原因の「構造」を整理するのに向きますが、発生頻度を棒の降順で示したり累積比率を示したりはしません。
• ウ: パレート図
  パレート図は「原因別の頻度を降順の棒で示し、累積比率を折れ線で表す」図です。問題文の条件に完全に一致します。
• エ: ヒストグラム
  ヒストグラム（英: histogram）は連続値の度数分布を区間ごとの棒で表します。区間（例：テストスコアの0–10点、10–20点）の順に並び、通常は降順にソートしません。累積曲線が無い場合が多く、「原因別に高い順に並べる」という用途とは異なります。

よくある誤解

1. ヒストグラムとパレート図を混同する
   • 両方とも棒グラフに見えますが、目的が違います。ヒストグラムは数値の分布を見るため、区間順（値の大小）で並びます。パレート図はカテゴリ別の頻度を比較し、降順に並べて累積比率を示します。
2. 「累積曲線があればパレート図」ではない場合がある
   • 単に累積曲線を追加しても、棒がカテゴリの降順になっていなければ正しいパレート図とは言えません。両方の要素（降順の棒＋累積曲線）が必要です。
3. 特性要因図が頻度の多い原因をそのまま示す図と誤解する
   • 特性要因図は原因の分類と見落とし防止に有効ですが、どれがより頻発しているかを示すためには別途集計（パレート図等）が必要です。

補足コラム

• パレート図の使いどころ
  ソフトウェアのバグや顧客クレームなど、対処の優先順位を決める場面で有効です。たとえば「上位3つの原因で全体の70%を占める」と分かれば、まずそこにリソースを集中できます。
• 簡単な作り方（Excelの手順の例）
  1. 原因ごとの発生件数を集計する。
  2. 件数の降順に並べ替える。
  3. 割合（各件数 / 総件数）と累積割合を計算する。
  4. 棒グラフを作成し、累積割合を右軸にして折れ線を追加する。
• 簡単なPython例（補助）

  import pandas as pd
  import matplotlib.pyplot as plt
  
  df = pd.DataFrame({'cause': ['A','B','C','D'], 'count': [50,30,15,5]})
  df = df.sort_values('count', ascending=False)
  df['cum_pct'] = df['count'].cumsum() / df['count'].sum() * 100
  
  fig, ax1 = plt.subplots()
  ax1.bar(df['cause'], df['count'])
  ax2 = ax1.twinx()
  ax2.plot(df['cause'], df['cum_pct'], color='red', marker='o')
  ax2.set_ylabel('累積割合（%）')
  plt.show()
  

FAQ