› 正規分布・統計計算ツール 戻る
統計学・確率論

正規分布・統計計算ツール

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。

分布パラメータ

μ ± 1σ 68.27%
μ ± 2σ 95.45%
μ ± 3σ 99.73%
計算結果
—
PDF(確率密度)
—
CDF(累積確率)
—
z得点
—
偏差値
正規分布 N(μ,σ²)
理論・主要公式
$$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\!\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)$$ $\mu$: 平均, $\sigma$: 標準偏差, $\sigma^2$: 分散

累積分布関数(CDF)と誤差関数

$$F(x) = \int_{-\infty}^{x} f(t)\,dt = \frac{1}{2}\left[1 + \text{erf}\!\left(\frac{x-\mu}{\sigma\sqrt{2}}\right)\right]$$

z得点と偏差値

z得点: $z = \dfrac{x - \mu}{\sigma}$  偏差値: $T = 10z + 50$

正規分布の基礎理論

会話で学ぶ正規分布

🙋
テストの点数とか身長とか、なんで色んなデータが正規分布になるんですか?
🎓
「中心極限定理」というものがあってね。多数の独立したランダム要因が足し合わさったとき、その合計は元の分布の形に関係なく正規分布に近づくんだ。身長は遺伝子・栄養・環境など数千の要因の積み重ね。テスト点数も知識・体調・問題との相性など多くの要因が関係してる。だから自然に釣り鐘形になる。
🙋
「3シグマ管理」って工場でよく聞きますが、正規分布と関係あるんですか?
🎓
まさにそれが正規分布の68-95-99.7ルールの応用だよ。正規分布では±3σの外側に出る確率は0.27%(10,000個に約27個)。品質管理で「3σ以内を合格」とすれば不良率は0.27%になる。Six Sigmaはこれをさらに厳しく±6σ(100万個に3.4個)にするという品質目標で、自動車や半導体製造に広く使われてる。
🙋
偏差値50が「平均」というのは分かりますが、偏差値70ってどれくらいのレアさですか?
🎓
偏差値70はz=2.0に相当する。正規分布でP(z>2.0) ≈ 2.3%だから、受験者全体の上位約2.3%に入ることを意味する。偏差値80ならz=3.0でP(z>3.0) ≈ 0.13%——1000人に1.3人くらいだ。このツールでμ=0、σ=1として評価点を2や3に設定してCDFを見ると、どれだけ稀かが確認できるよ。
🙋
CAEでは正規分布はどう使うんですか?有限要素法とは別の話ですか?
🎓
密接に関係するよ。例えば「構造信頼性解析」では、応力σ(正規分布)と材料強度R(正規分布)の差 Z=R-σ の分布から破壊確率 Pf=P(Z<0) を計算する。モンテカルロシミュレーションでは入力変数に正規分布を割り当てて多数の解析を実行し、出力(応力・変位等)の分布を推定する。製品の寸法公差分析(公差の積み上げ解析)でも正規分布が基本になる。

よくある質問

中心極限定理により、サンプル数が30以上であれば標本平均の分布は正規分布に近づくため、多くの場合は使えます。ただし重度の歪み(スキュー)や外れ値がある場合は、ノンパラメトリック検定(マン・ホイットニー検定など)が適切です。
ln(X)が正規分布に従う場合に対数正規分布を使います。材料強度・疲労寿命・地震の規模・金融価格など「ゼロ以下を取らないかつ裾が重い」データに適します。FEMの材料ばらつき解析では疲労強度に対数正規分布を仮定することが多いです。
厳密な閉じた式はなく、数値積分か誤差関数erf(x)を使います。近似式としてAbramowitz & Stegunの有理近似(誤差 < 1.5×10⁻⁷)がよく使われます。本ツールでは有理近似を使って高精度なCDFを計算しています。
標準正規分布はμ=0、σ=1に標準化した特殊な正規分布です。任意の正規分布N(μ,σ²)はz=(x-μ)/σという変換で標準正規分布に変換できます。z得点表(標準正規分布表)を使えば任意の正規分布の確率が計算できるため、手計算時代に広く使われました。

正規分布・統計計算ツールとは

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。

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\!\left(-\frac{(x-\mu)^2}{2\sigma^2}\right)$

実世界での応用

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。

よくある誤解と注意点

「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。

使い方ガイド

  1. 「平均 μ」を−5〜5の範囲で設定します。実際の寸法などはz得点(標準化値)に換算して入力すると扱えます(例:平均100 mm・σ0.5 mmの部品で101 mmを評価するなら、μ=0、σ=1、x=2)
  2. 「標準偏差 σ」を0.2〜4の範囲で指定します。品質管理で±3σ以内を管理範囲とする場合、σ=0.5 mmなら管理範囲は100±1.5 mmになります
  3. 「評価点 x」に評価したい値を入力すると、そのz得点(標準化値)、確率密度PDF、累積確率CDF、偏差値がリアルタイムで計算されます

具体的な計算例

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

実務での注意点

  1. 医薬品の含有量管理では公定値±10%の仕様範囲内に99.73%(3σ範囲)が入るよう製造条件を調整し、工程能力 Cpk=(USL−μ)/3σ で評価します(本ツールでは規格上限 USL を評価点 x にすると、CDF から規格を超える割合を確認できます)
  2. 食品製造の重量管理で平均500 g・σ=2 gの場合、494 g(z=−3)以下の不良率は約0.13%、498 g(z=−1)以下は約15.9%です。本ツールでは μ=0、σ=1 として x=−3、−1 を入力すると確認できます
  3. σの入力値が過小だと信頼区間が不当に狭くなるため、過去データから正規分布の適合度検定(Shapiro-Wilk検定)で正規性を事前確認する必要があります