平均μと標準偏差σを操作して正規分布の形を動的に変化させ、PDF・CDF・信頼区間・z得点をリアルタイム計算。68-95-99.7ルールと偏差値の仕組みを直感的に理解。
正規分布は、平均μを中心に対称な釣鐘型の確率密度関数(PDF) \( f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} \) で表される。本シミュレーターではμと標準偏差σをスライダーで操作し、分布形状の変化を即座に確認できる。例えばσを小さくすると曲線は尖り、大きくすると扁平になる。累積分布関数(CDF)は \( F(a) = \int_{-\infty}^{a} f(x) dx \) で定義され、指定区間の確率を算出する。信頼区間は68-95-99.7ルールに基づき、μ±σ内に約68%、μ±2σ内に約95%、μ±3σ内に約99.7%のデータが含まれることを視覚的に検証可能。z得点は \( z = \frac{x-\mu}{\sigma} \) で標準化され、異なる正規分布間の比較を容易にする。偏差値は平均50、標準偏差10に変換した値であり、z得点から \( T = 50 + 10z \) で計算される。これらのパラメータを動的に変更しながら、確率密度や累積確率をリアルタイムで観察することで、統計的推論の基礎を直感的に体得できる。
$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\!\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)$産業での実際の使用例(自動車業界)
自動車部品の製造ラインでは、ピストンリングの外径のような寸法を正規分布でモデル化し、工程能力指数(Cp/Cpk)を監視して、規格上限を超える不良の発生確率をz得点から見積もります。工具の摩耗による平均値のずれを早めに捉え、交換時期を決める根拠にもなります。
研究・教育での活用
大学の統計学の授業では、「偏差値60以上の学生は全体の何%か」をμ=50・σ=10の正規分布で考え、z=1.0に対応するCDF値84.13%(上位15.87%)から確かめる演習がよく行われます。本ツールではμ=0・σ=1・x=1と入力すると同じ値を確認できます。薬学では、治験データの血中濃度分布をモデル化して有効血中濃度の範囲に入る確率を見積もる場面でも使われます。
CAE解析との連携や実務での位置付け
衝突解析などのCAEでは、鋼板の降伏強度のような材料特性を正規分布(例:μ=350 MPa、σ=15 MPa)として扱い、μ−3σ(305 MPa)のような下限値で設計の余裕を確認することがあります。ばらつきを考慮したロバスト設計の考え方の基礎になります。
「標準偏差が大きいほどデータのばらつきが大きい」という点は正しいのですが、「正規分布に従うデータなら平均±1σの範囲に必ず約68%のデータが含まれる」と思いがちですが、実際はこの割合はあくまで理論上の値であり、サンプルサイズが小さい場合やデータが完全な正規分布から逸脱している場合は、実測値が68%から大きく乖離することがあります。特に実務では、外れ値や測定誤差によって分布の裾が伸びることが多いため、68-95-99.7ルールを過信せず、実際のデータ分布を確認しながら解釈する必要があります。
また、「偏差値50が平均で、60なら上位約16%」という理解は正しいですが、「偏差値が高ければ高いほど優秀」と思いがちですが、実際には偏差値はその集団内での相対的な位置を示すに過ぎず、異なる試験間で単純に比較することはできません。例えば、受験者層のレベルが異なる二つの試験で同じ偏差値60でも、実際の学力水準は全く異なる可能性がある点に注意が必要です。
自動車エンジン部品の外径が平均μ=50.00 mm、標準偏差σ=0.08 mmで製造されている場合、測定値x=50.10 mmのz得点は(50.10−50.00)/0.08=1.25で、CDF値は約0.894(下側89.4%)です。x=49.90 mmならz=−1.25でCDF値は約0.106です。本ツールのμ・σの範囲(μ: −5〜5、σ: 0.2〜4)では実寸をそのまま入力できないため、μ=0、σ=1、評価点x=1.25と入力すると同じz得点とCDF(89.44%)が得られます。68-95-99.7ルールから、±1σの範囲(49.92〜50.08 mm)に全体の68.3%が入ります