正規分布確率 計算機｜任意区間の確率・パーセンタイル・両側/片側の一気算出

計算式（PDFとCDF）

確率密度関数（PDF）

f(x) = (1 / (σ√(2π))) × exp( -(x-μ)² / (2σ²) )

μ（平均）で釣鐘型の中心、σ（標準偏差）で広がりを決める2パラメータの連続分布。μ±σの範囲に約68%、μ±2σに約95%、μ±3σに約99.7%が入るのが特徴です。

累積分布関数（CDF）

Φ(z) = (1/2) × (1 + erf(z/√2))

P(a < X < b) = Φ((b-μ)/σ) - Φ((a-μ)/σ)

正規分布の累積確率は誤差関数erf(x)で表現され、閉形式では書けないため数値計算します。本ツールは Abramowitz & Stegun のerf近似式（相対誤差1.5×10⁻⁷）で計算しています。

Z値への変換と標準正規分布

Z = (X - μ) / σ

Z値は「観測値が平均から何σ離れているか」を表す標準化指標です。Z=1は平均+1σ、Z=-2は平均-2σ。標準正規分布 N(0,1) にすると、平均・標準偏差の違うデータを同じスケールで比較可能。

標準化の意義

• 単位・尺度の異なるデータの直接比較（Z-score standardization）。
• 統計検定量として仮説検定に使用（|Z|>1.96で両側5%有意）。
• 異常値検出（|Z|>3で外れ値候補）。
• 機械学習の前処理（Standard Scaler）でモデル収束を高速化。

68-95-99.7ルール（経験則）

正規分布の最も重要な性質。試験得点分布・身長・測定誤差など多くの自然現象がこのルールに従います。

製造業のシックスシグマ品質管理では、工程能力Cpk=2.0（=6σ距離）で不良率3.4ppmを目標とします（実際は1.5σのシフトを想定した長期的評価）。

Z値-確率対応早見表

片側確率 P(Z ≤ z) の早見表（標準正規分布 N(0,1)）。

パーセンタイル逆算表

「上位10%は何σ以上か」等、確率からZ値を逆算した表。

Excel・Python・Rでの計算方法

Excel/Google Sheets

• =NORM.DIST(x, μ, σ, TRUE) ― P(X ≤ x)、累積分布。
• =NORM.DIST(x, μ, σ, FALSE) ― 確率密度 f(x)。
• =NORM.INV(prob, μ, σ) ― パーセンタイル逆算（分位点）。
• =NORM.S.DIST(z, TRUE) ― 標準正規分布のCDF Φ(z)。
• =NORM.S.INV(prob) ― 標準正規分布の分位点。

Python (scipy)

from scipy.stats import norm
# P(a < X < b) for N(mu, sigma)
prob = norm.cdf(b, mu, sigma) - norm.cdf(a, mu, sigma)
# 95%パーセンタイル
q95 = norm.ppf(0.95, mu, sigma)
# 標準正規のPDF
density = norm.pdf(0)  # 0.3989

R

# P(a < X < b)
prob <- pnorm(b, mu, sigma) - pnorm(a, mu, sigma)
# 分位点
q95 <- qnorm(0.95, mu, sigma)
# 乱数生成
rnorm(1000, mean=0, sd=1)

実データの正規性確認

「正規分布に従うと仮定して〜」の前に、実データの正規性を確認する必要があります。

可視化による確認

• ヒストグラム：釣鐘型か目視確認。
• Q-Qプロット：実データ分位点と理論正規分位点を比較。直線に乗れば正規。
• 箱ひげ図：中央値の位置、対称性、外れ値を確認。

統計的検定

• Shapiro-Wilk検定：n≤5,000で最も検出力が高い。
• Kolmogorov-Smirnov検定：任意分布との比較にも使えるが検出力低め。
• Anderson-Darling検定：裾の逸脱に敏感。品質管理で頻用。
• Jarque-Bera検定：歪度・尖度から正規性判定。計量経済で標準的。

非正規時の対応

• ログ変換・Box-Cox変換で正規化を試みる。
• ノンパラメトリック検定（Mann-Whitney U、Kruskal-Wallis）に切替。
• ブートストラップで経験分布からp値を推定。
• ロバスト統計（M推定量、トリム平均）を使用。

業界・場面別の使い方

よくある間違い・注意点

• 正規分布と決めつける — 実データの多くは非正規です。ヒストグラム・Q-Qプロット・正規性検定で必ず確認してから正規モデルを適用してください。
• ファットテール（重い尾）を無視する — 金融・保険・地震規模など「稀な大事象」が起きる分野では、正規分布は極端値の発生確率を大幅に過小評価します。t分布や一般化パレート分布への切替を検討。
• 平均±2SDで95%区間と表現 — 正確には95.45%です。厳密な95%区間は±1.96SDで、5%有意水準の検定と整合します。
• 片側検定と両側検定を混同 — 「上限」「下限」のみ検討する場合と、両側どちらでも検討する場合でZ値の閾値が異なります。目的を事前に明確化してください。
• Z=3で外れ値と即断 — サンプルサイズが大きければ、|Z|>3のデータは正規分布でも自然発生します（n=1000で約3個）。IQRやマハラノビス距離との併用が実務。
• 中心極限定理の乱用 — 「サンプル平均は正規分布に近づく」は真ですが、元データの分布形状・サンプル数・独立性の前提が必要です。歪んだ分布・依存データでは収束が遅い。
• 離散変数を無理に正規近似 — 二項分布・ポアソン分布は、パラメータが小さい範囲では正規近似の誤差が大きくなります。連続修正やexact法との併用を検討。

関連する規格・標準

• JIS Z 8101 ― 品質管理用語。正規分布・工程能力・管理限界の日本語定義。
• JIS Z 9020 ― シューハート管理図。正規分布に基づくSPCの実施手順。
• ISO 3534 ― 統計 - 用語及び記号。国際的な統計用語の標準。
• ISO 16269 ― データの統計的解釈。区間推定・分位点推定の標準手順。
• ISO 5479 ― 正規性からの逸脱の検定。Shapiro-Wilk、Kolmogorov-Smirnov等の標準実装。
• ASTM E2554 ― 統計的品質管理の実施ガイド。
• NIST SP 800-90A ― 乱数生成の標準。正規分布乱数の暗号学的用途。

参考文献・公的資料

より深く学ぶには、以下の信頼できる公的機関・研究機関の資料を参照してください。

• 総務省 統計局 ― 統計調査の設計・解析、日本の公的統計データ。
• 日本統計学会 ― 統計学教育・研究の中核学会。
• NIST/SEMATECH e-Handbook of Statistical Methods ― 統計工学の標準ハンドブック。正規分布章に詳細実例あり。
• SciPy - scipy.stats.norm ― Pythonの標準的な正規分布実装。CDF/PDF/PPF/rvsの完全ドキュメント。
• R Project - stats::Normal ― Rの正規分布関数（dnorm/pnorm/qnorm/rnorm）ドキュメント。
• 日本産業標準調査会（JISC） ― JIS Z 8101、Z 9020等の統計・品質管理JIS規格。
• ISO/TC 69 統計手法の応用 ― 統計手法の国際規格を策定する専門委員会。
• 日本品質管理学会（JSQC） ― 品質管理・シックスシグマ・SPCの実務ノウハウ。
• JASP 統計ソフトウェア ― フリーの統計ソフト。正規分布可視化とベイズ解析が容易。
• 日本行動計量学会 ― 心理・社会科学分野の統計手法学会。

よくある質問（FAQ）

関連計算ツール