DS検定 第2章 データ可視化とAI活用の基礎 予想問題（2/2）

正解は「集計ミスや軸名・数値の記載ミスがないか確認する」である。公式スキルチェックリストは、単独のグラフについて集計ミスや記載ミスがないかチェックできることを★1つ星項目としている。設問では一枚の棒グラフの傾向を読む前の検証を問うため、元の集計と表示された軸名・数値が正しいかを先に確認する。データインク比は情報提示の濃度を考える観点、ヒートマップは値を色の濃淡で示す可視化、散布図行列は複数変数の組合せを比較する可視化である。表示形式を変えても、元の集計や記載の誤りは自動的には解消しない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-30公式CSV No.82照合）

正解は「データ項目とデータ量・質を検証し、結果を説明する」である。公式スキルチェックリストは、データ項目とデータの量・質について、指示のもと正しく検証し、その結果を説明できることを★1つ星項目としている。設問では列の意味、件数、欠損、記録状態を調べ、分析に使えるかを説明しているため、この行為に一致する。主要な変数の選定は課題との関係を重点的に見る項目を決めること、分析結果の意味合いの言語化は分析後の数値を事業上の意味へ翻訳すること、可視化手法の選択はデータ検証の一部を代替しない。項目・量・質の三点をそろえて確認する。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-30公式CSV No.83照合）

正解は「目的とデータに応じて軸候補を洗い出す」である。公式data_science.csv No.125は、散布図などの軸出しで、目的やデータに応じて縦軸・横軸の候補を適切に洗い出せることを★1つ星項目としている。設問は広告費と売上の関係を調べる目的と保有列を確認しているため、この行為に一致する。軸を日付へ固定すると目的と変数の種類を無視する。層化は比較する属性を分ける別の設計であり、縦軸・横軸の決定を代替しない。サンプリングも描画量の調整であって、関係が消えるまで減らすことが目的ではない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.125照合）

正解は「目的とデータに応じて層化する比較軸の候補を出す」である。公式data_science.csv No.126は、積み上げ縦棒グラフでの属性選択など、目的やデータに応じた層化（比較軸）の候補を出せることを★1つ星項目としている。設問では商品別売上に地域という比較観点を加えて構成差を見たいので、どの属性で棒を分けるかを検討する層化に当たる。同じ変数を両軸へ固定しても構成差は表せず、全属性を一色にまとめれば地域差が失われる。アニメーションは時間変化を端的に示す手段であり、集計確認や比較軸の選定を不要にはしない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.126照合）

正解は「サンプリングとアンサンブル平均」である。公式data_science.csv No.130は、サンプリングやアンサンブル平均によって、可視化へ用いるデータ量を適量に減らせることを★1つ星項目としている。設問は件数が多すぎて点が重なり、傾向を読めないため、描画前のデータ量調整が必要な場面である。軸を切ると値の差を誇張するおそれがあり、色数を増やしても点の重なり自体は解決しない。Hallucination確認は生成AI出力の検証である。平行座標や散布図行列は表現手法だが、数千万件という描画量を自動で適量へ減らす処理ではない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.130照合）

正解は「対象者がデータの意味を理解できるよう可視化して伝える」である。公式data_science.csv No.137は、データ解析部門以外の人へデータの意味を可視化して伝える重要性を理解していることを★1つ星項目としている。設問の営業担当者は分析の専門部門ではないため、離脱傾向と根拠が読み取れる形にする必要がある。数値表だけを渡して意味の説明を避ける方針や、軸名を消す方針は解釈を難しくする。色は強調の一手段だが、色数を増やすだけでは指標の定義、比較対象、傾向の意味は自動的に伝わらない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.137照合）

正解は「Y軸の基準点を0に戻し、軸を切らない」である。公式data_science.csv No.139は、不必要な誇張をしない軸表現の基礎として、コラムチャートのY軸の基準点は0からを原則とし、軸を切らないことを★1つ星項目に挙げている。設問では97から始めたため、実際は2だけの差が棒の高さで極端に見える。99から始めれば誇張はさらに強まる。目盛りや軸名を消すと値と尺度を確認できない。色数を増やしても、切断されたY軸が作る高さの誇張は解消しない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.139照合）

正解は「色だけに頼らず、位置やサイズで量の差を表す」である。公式data_science.csv No.140は、強調表現の効果と不適切な強調を理解する例として、計量データでは位置やサイズの表現が色表現より効果的であることを挙げている。設問は4店舗の売上額という量の大小を比較させるため、共通尺度上の位置や棒の長さ・大きさで差を示す方が条件に合う。文字色だけでは色と正確な量の対応を読み取りにくく、値と無関係な多色化は注意を散らす。同じ位置・サイズにすれば量の差そのものが見えなくなる。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.140照合）

正解は「図表の経年変化をアニメーションで示す」である。公式data_science.csv No.142は、図表の変化を端的にアニメーションで可視化できることを★1つ星項目とし、人口動態のヒストグラムが経年変化する様子を例示している。設問はまさに年齢階級別人口の10年間の遷移を見せる場面である。10年分を一つの平均へまとめると各年の変化が失われ、一時点だけを表示しても遷移を確認できない。文章だけではヒストグラムの階級別分布が年ごとに動く様子を図表として比較する目的を満たさない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.142照合）

正解は「箱ひげ図」である。公式data_science.csv No.152は、外れ値を見いだすための適切な表現手法を選べることを★1つ星項目としている。NISTは、箱ひげ図で中央値、上下四分位数、四分位範囲を使い、フェンスを越える値を外れ値候補として点で示す方法を説明している。設問は1つの量的変数の分布とフェンス外の点を確認したいので箱ひげ図に一致する。散布図行列は複数変数の二変数関係、ヒートマップは行列状の値、平行座標は複数の数値軸をまたぐ観測を表すため、設問の具体的な構成と異なる。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv; https://www.itl.nist.gov/div898/handbook/prc/section1/prc16.htm （2026-08-31公式CSV No.152・NIST照合）

正解は「特異点・相違性・傾向性・関連性」である。公式data_science.csv No.153は、データ可視化における基本的な視点として、特異点、相違性、傾向性、関連性を見いだすことを例示している。突出した点があるか、群や期間で違いがあるか、全体に増減などの傾向があるか、変数間に関係があるかという観点で図表を読む。暗号化・認証・認可・電子署名はセキュリティ、学習・検証・テスト・再学習はモデル開発、抽出・結合・保存・削除はデータ処理の工程に関する語であり、公式がここで挙げる可視化の基本視点ではない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.153照合）

正解は「現場の作業支援から要素間の関連性の動的表示まで含み得る」である。公式data_science.csv No.122は、可視化の目的の広がりについて、単に現場の作業を支援する場合から、ビッグデータ中の要素間の関連性をダイナミックに表示する場合までを例示している。したがって、経営会議向けの静止グラフだけに限定する説明は狭すぎる。印刷用の一枚図やデータ解析部門内部だけに用途を固定する必要はない。また、可視化は情報を理解・伝達するための表現であり、元データをすべて削除して容量を0にするデータ消去処理ではない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （2026-08-31公式CSV No.122照合）

正解は「33」である。四分位範囲はIQR=Q3-Q1=20-12=8である。1.5×IQR=12なので、下側フェンスは12-12=0、上側フェンスは20+12=32となる。フェンスの外側にある観測値を外れ値候補とするため、32を越える33が該当する。0は下側フェンスと等しく、フェンスの外側ではない。12と20はそれぞれ第1四分位数と第3四分位数で、箱の両端に当たる。外れ値候補という表示上の判定は、その値が入力ミスや測定異常だと確定することではないため、原因確認なしに自動削除しない。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （No.152）・https://www.itl.nist.gov/div898/handbook/prc/section1/prc16.htm （2026-08-31確認）

正解は「3倍」である。Y軸の始点が50なので、売上52の棒の表示上の高さは52-50=2、売上56の棒は56-50=6となる。したがって高さの比は6÷2=3倍である。約1.08倍は実際の売上値どうしの比56÷52であり、Y軸を50で切った表示上の高さ比ではない。2倍は低い棒の高さ2をそのまま答え、4倍は売上値の差56-52=4を倍率と取り違えている。実際の値は約7.7%の差でも、切った軸では棒の高さが3倍に見えるため、公式スキルチェックリストが原則とするY軸0の確認が必要になる。設問では実値の比と、描画基準から測った長さの比を区別する。

https://raw.githubusercontent.com/The-Japan-DataScientist-Society/skills-checklist/main/data_science.csv （No.139、2026-08-31確認）