正規分布 計算ツール｜z値・確率・偏差値・パーセンタイルの相互変換、標準正規分布表と実務応用
正規分布(Gaussian, N(μ, σ²))における z値(標準化得点)・確率(累積確率P)・偏差値・上位%を相互に変換します。テストの素点から偏差値・パーセンタイルを瞬時算出し、標準正規分布表の代替として利用可能。大学入試・共通テスト・センター試験・統計検定2級/準1級・品質管理(SQC)・工程能力指数Cpk・臨床試験の統計解析まで、公的統計・NIST・学習指導要領に準拠して解説します。素点⇔z⇔偏差値⇔上位%の4方向変換に対応し、両側/片側P値、68-95-99.7則、シグマレベルの実務にも利用できます。
正規分布 計算機
正規分布とは(定義と密度関数)
正規分布(normal distribution / Gaussian distribution)は、平均 μ と標準偏差 σ の2つのパラメータで完全に決まる連続確率分布です。密度関数は次式で表されます。
f(x) = (1 / (σ√(2π))) × exp(−(x−μ)² / (2σ²))
μ=0, σ=1 の場合を標準正規分布 N(0,1)と呼び、その確率変数を z と書きます。多数の独立な確率変数の和が正規分布に近づく中心極限定理(CLT)により、テストの得点・身長・体重・工程誤差・観測ノイズなど自然現象・社会現象の広い範囲で「近似的な正規分布」が現れます。ドイツの数学者Carl Friedrich Gauss(1777-1855)による誤差論の中で厳密に整備され、以後200年間、統計学・自然科学・工学・社会科学の中心的なモデルとなっています。
標準化(z値)と偏差値
任意の正規分布 N(μ, σ²) に従う確率変数 X を、標準正規分布に変換する操作を標準化(standardization)と呼び、次式で行います。
z = (X − μ) / σ
この z(標準化得点、z-score)は「平均から標準偏差の何個分離れているか」を無次元量で表します。日本の教育現場で頻用される偏差値(hensachi, T-score)は、z値を平均50・標準偏差10のスケールに再配置したものです。
偏差値 = z × 10 + 50 = 10(X − μ)/σ + 50
偏差値50は「平均そのもの」、60は「上位約16%」、70は「上位約2.3%」、80は「上位約0.13%」に対応します。米国では代わりに標準9段階(stanine)、パーセンタイル、SATのスコア(平均500・SD100)などが使われます。
z値と偏差値・確率の対応表
標準正規分布 N(0,1) の累積確率 P(Z ≤ z) を、代表的な z 値についてまとめました。NIST/SEMATECH Handbook of Statistical Methods の値と一致します。
| z値 | 偏差値 | 下位P | 上位% | 1万人中順位 |
|---|---|---|---|---|
| +3.00 | 80 | 99.87% | 0.13% | 13位 |
| +2.58 | 75.8 | 99.50% | 0.50% | 50位 |
| +2.33 | 73.3 | 99.01% | 0.99% | 99位 |
| +2.00 | 70 | 97.72% | 2.28% | 228位 |
| +1.96 | 69.6 | 97.50% | 2.50% | 250位(95%両側) |
| +1.64 | 66.4 | 95.00% | 5.00% | 500位(90%両側) |
| +1.50 | 65 | 93.32% | 6.68% | 668位 |
| +1.28 | 62.8 | 90.00% | 10.00% | 1,000位 |
| +1.00 | 60 | 84.13% | 15.87% | 1,587位 |
| +0.67 | 56.7 | 75.00% | 25.00% | 2,500位(Q3) |
| +0.50 | 55 | 69.15% | 30.85% | 3,085位 |
| 0.00 | 50 | 50.00% | 50.00% | 5,000位(中央値) |
| −0.50 | 45 | 30.85% | 69.15% | 6,915位 |
| −0.67 | 43.3 | 25.00% | 75.00% | 7,500位(Q1) |
| −1.00 | 40 | 15.87% | 84.13% | 8,413位 |
| −1.28 | 37.2 | 10.00% | 90.00% | 9,000位 |
| −1.64 | 33.6 | 5.00% | 95.00% | 9,500位 |
| −1.96 | 30.4 | 2.50% | 97.50% | 9,750位 |
| −2.00 | 30 | 2.28% | 97.72% | 9,772位 |
| −3.00 | 20 | 0.13% | 99.87% | 9,987位 |
パーセンタイル早見表(上位%からz値・偏差値)
「上位1%」「上位10%」といった順位から必要な z値・偏差値・素点(平均60・SD15)を逆算した早見表です。大学入試の合格ライン・順位を目標にする際に便利です。
| 上位% | z値 | 偏差値 | 素点例(μ=60,σ=15) |
|---|---|---|---|
| 上位0.1% | 3.09 | 80.9 | 106.4 |
| 上位1% | 2.33 | 73.3 | 95.0 |
| 上位2.5% | 1.96 | 69.6 | 89.4 |
| 上位5% | 1.64 | 66.4 | 84.6 |
| 上位10% | 1.28 | 62.8 | 79.2 |
| 上位15% | 1.04 | 60.4 | 75.6 |
| 上位20% | 0.84 | 58.4 | 72.6 |
| 上位25%(Q3) | 0.67 | 56.7 | 70.1 |
| 上位30% | 0.52 | 55.2 | 67.8 |
| 上位50%(中央値) | 0.00 | 50.0 | 60.0 |
68-95-99.7則(経験則, Empirical Rule)
正規分布に従うデータでは、平均 ± 1σ・2σ・3σ の範囲に含まれる割合が、極めて簡潔な数値に近似できます。統計学の入門で必ず暗記する数値です。
| 範囲 | 含まれる割合 | 外側(両側) |
|---|---|---|
| μ ± 1σ | 68.27% | 31.73% |
| μ ± 1.645σ | 90.00% | 10.00%(片側5%) |
| μ ± 1.96σ | 95.00% | 5.00%(片側2.5%) |
| μ ± 2σ | 95.45% | 4.55% |
| μ ± 2.576σ | 99.00% | 1.00% |
| μ ± 3σ | 99.73% | 0.27%(3σルール) |
| μ ± 4σ | 99.9937% | 0.0063% |
| μ ± 5σ | 99.99994% | 0.00006% |
| μ ± 6σ | 99.9999998% | 2ppb(シックスシグマ) |
製造業の品質管理では「±3σ内が管理限界(UCL/LCL)」とすることが多く、これを超える点は工程異常のシグナルと扱います(シューハート管理図)。シックスシグマ(±6σ)は理論値で年間3.4 DPMO(1百万機会あたり不良3.4件)を目安とします。
用途と応用場面
受験・進学指導(偏差値)
大手予備校・進研模試・河合塾全統模試・駿台模試などが偏差値を採用。母集団の平均を50、SDを10に固定するため、テスト難易度が変わっても比較可能。志望校の合格ライン偏差値と自分の偏差値の差から必要な追加学習量を逆算できます。
統計検定・仮説検定
両側検定でP値≦0.05は|z|≧1.96と等価。片側なら|z|≧1.645。医学論文・A/Bテスト・社会調査の主要な判定基準。日本統計学会主催の統計検定2級・準1級で頻出。
品質管理・製造業
工程能力指数 Cp = (USL−LSL)/(6σ)、Cpk はさらに中心のズレを補正。Cpk≧1.33で工程能力十分、Cpk≧1.67で優良。IATF16949・ISO 9001の要求水準で日常的に使用。
医療・臨床試験
身長・血圧・血糖値などの基準値作成、臨床検査値の異常判定(±2σ外を「参考値外」と分類)、症例対照研究の効果量測定に。医薬品医療機器総合機構(PMDA)・厚労省の統計ガイドラインに準拠。
金融・リスク管理
株式リターンの分布モデル(古典的仮定)、VaR(バリューアットリスク)の1%点・5%点の計算、オプション評価のBlack-Scholesモデルにおける d1, d2 の正規累積計算。ただし実データは裾が厚い(fat-tail)ため、モデルの限界に注意。
心理検査・IQ
WAIS/WISCなど主要IQ検査は平均100・SD15の正規分布を仮定。IQ130以上を「上位2.3%(高IQ)」、IQ70未満を「知的能力の指標的低下」と評価。日本臨床心理士資格認定協会の心理検査運用ガイドで規定。
統計検定・仮説検定への活用
両側検定と片側検定
母平均 μ = μ₀ の帰無仮説 H₀ に対し、標本平均 x̄ から Z = (x̄ − μ₀)/(σ/√n) を計算し、|Z| ≧ z_{α/2} なら H₀ を棄却します。両側5%なら z_{0.025} = 1.96、両側1%なら 2.576、片側5%なら 1.645、片側1%なら 2.326。
P値の計算
両側P値 = 2 × (1 − Φ(|Z|))、片側P値 = 1 − Φ(Z) (右側検定)。ここで Φ は標準正規累積分布関数。ツールで z 値を入れれば上位%(=片側P値)がそのまま得られます。
信頼区間との対応
95%信頼区間 = 標本平均 ± 1.96 × SE(標準誤差)。信頼区間ツールで平均・比率の CI を求められます。信頼度と z 値の対応: 90%→1.645、95%→1.96、99%→2.576、99.9%→3.291。
品質管理・シグマレベル
製造業では「工程能力」を σ の何倍を含めるかで評価します。シックスシグマ(6σ)は不良率3.4ppmの理論値ですが、実際には1.5σ分の中心ズレを考慮して算出されます。
| シグマレベル | 不良率(片側) | DPMO | 実務評価 |
|---|---|---|---|
| 1σ | 15.87% | 158,655 | 統計的管理不能 |
| 2σ | 2.28% | 22,750 | 初期水準 |
| 3σ | 0.135% | 1,350 | 基本管理水準(3σルール) |
| 4σ | 0.003% | 31.7 | 優良 |
| 5σ | 0.00003% | 0.29 | 極めて優良 |
| 6σ | ~0.0000001% | 3.4(補正後) | ワールドクラス |
よくある間違い・注意点
- 「偏差値100」は存在すると誤解 — 偏差値100は z=+5 相当(上位0.00003%)で、事実上ありえない値です。偏差値の理論的な範囲は無限ですが、通常は20〜80の間に収まり、80超は極めて希少です。
- 母SDと標本SDの混同 — 母集団の標準偏差σと標本標準偏差sは異なります。分母を n にするか n−1 にするか(ベッセル補正)で値が変わります。母SDが未知の場合は自由度 n−1 の t 分布を使うのが厳密で、正規分布は近似です。
- 非正規データに正規分布を適用 — 収入・住宅価格・待ち時間などは右に裾が長い分布で、正規分布近似は不適切。対数変換や別の分布(対数正規・ガンマ・ワイブル)を検討してください。Kolmogorov-Smirnov検定・Shapiro-Wilk検定で正規性を判定できます。
- 両側と片側の混同 — z=1.96 の意味は「両側5%(片側2.5%)」。片側5%は z=1.645 です。医学論文で「p<0.05」と書かれる場合の多くは両側検定を指します。
- SDと分散の単位混同 — 分散はσ²(単位² 例:cm²)、標準偏差はσ(単位そのもの 例:cm)。実務で使うのは通常SDのほうで、単位が観測値と揃うため直感的です。
- 「偏差値50が平均」を「多くの人が50」と誤解 — 偏差値50は「中央値/平均」を意味しますが、正規分布の場合は 50 前後にヒトが最も集中します(モードも50)。しかし50に多くの人がいるのはピークだけで、45〜55には約38%しか含まれません。
- 3σを超えたら「絶対にありえない」と判断 — 3σ外は約0.27%ですが、母集団が大きければ絶対数として頻発します。日本の全高校生約110万人中約3,000人が偏差値80(z=+3)以上に相当します。
学習指導要領・入試との対応
日本の高等学校学習指導要領(平成30年告示、令和4年度施行)では、「数学B」の「統計的な推測」で正規分布・区間推定・仮説検定の初歩を扱います。大学入試共通テストでも数学IIBCの「統計的な推測」で頻出単元です。
- 数学B「統計的な推測」 ― 正規分布、標本分布、区間推定、仮説検定の基礎。共通テスト選択問題として出題。
- 統計検定2級・準1級(日本統計学会) ― 標準正規分布表の使用、z検定、t検定、信頼区間が中核単元。
- 統計検定準1級・1級 ― 多変量正規分布、判別分析、線形回帰と正規性の仮定など発展的話題。
- 基本情報技術者・応用情報技術者(IPA) ― 情報系試験でも品質管理・確率分布として出題されます。
参考文献・公的資料
正規分布・統計解析に関する公的資料・学術資源です。試験対策・研究論文の引用元として利用してください。
- 文部科学省 高等学校学習指導要領(平成30年告示) ― 数学Bの「統計的な推測」で正規分布・区間推定・仮説検定の学習範囲を定義。
- 日本数学会 ― 統計学・確率論の日本語標準用語・記号法の準拠元。
- 大学入試センター(DNC) ― 共通テスト過去問と出題範囲の公式資料。数学IIBCの統計単元の一次情報。
- OEIS(オンライン整数列大辞典) ― モーメント列など、確率分布に関する整数列の一次資料。
- Wolfram MathWorld ― Normal Distribution ― 正規分布の厳密定義・累積分布関数・モーメント。
- American Mathematical Society (AMS) ― 確率・統計分野の学術論文・教科書リファレンス。
- 情報処理推進機構 IPA 情報処理技術者試験 ― 基本情報・応用情報の統計出題範囲(品質管理・確率分布)。
- NIST/SEMATECH e-Handbook of Statistical Methods ― 米国国立標準技術研究所の公式統計手法ハンドブック。標準正規分布表・仮説検定の一次資料。
- 日本情報オリンピック(JOI) ― 情報オリンピック公式ページ。確率統計アルゴリズムの学習素材。
- 統計検定(日本統計学会) ― 統計検定2級/準1級/1級の公式サイト。正規分布・仮説検定は主要出題単元。
よくある質問(FAQ)
偏差値とz値の関係は?
偏差値 = z × 10 + 50。z=0(平均)が偏差値50、z=+1(1SD上)が偏差値60、z=−2(2SD下)が偏差値30。z値は無次元・国際標準、偏差値は日本の教育現場で普及した派生指標です。
偏差値80は上位何%?
偏差値80は z=+3.0 で、上位約0.13%(1万人中13位)に相当します。全国模試の受験者が10万人なら上位130位程度。偏差値90(z=+4)は上位0.003%と、実測データではほぼ観測されないレベルです。
データが正規分布に従うか確認する方法は?
視覚的にはヒストグラム・Q-Qプロット、統計的検定ではShapiro-Wilk検定(小標本)・Kolmogorov-Smirnov検定(大標本)・Anderson-Darling検定を使います。歪度・尖度が0に近ければ正規近似の目安。実データは完全正規分布ではないため「近似的に正規」と判断するのが実務的です。
母集団と標本の違いは?
母集団(population)は関心のある全対象の集合、標本(sample)はそこから無作為に抽出した部分集合。母平均μ・母SDσは通常不明で、標本平均x̄・標本SDsから推定します。標本サイズが大きいほど推定の精度が向上します(√n則)。
正規分布の再生性とは?
独立な正規分布 N(μ₁, σ₁²) + N(μ₂, σ₂²) の和もまた正規分布 N(μ₁+μ₂, σ₁²+σ₂²) に従うという性質です。多くの分布はこの再生性を持ちませんが、正規分布・ポアソン分布・カイ二乗分布などが該当します。工学・金融のリスク合算計算で頻用されます。
t分布と正規分布の違いは?
t分布は「母SDが未知で標本SDを使う」場合の分布。自由度 n−1 が小さいほど裾が厚く、n→∞ で標準正規分布に一致。n≧30 で正規近似がほぼ有効で、n<30 の小標本ではt分布を使うのが正しい判断です。詳細はt検定ツールを参照。
中心極限定理とは?
母集団の分布形状によらず、標本平均の分布は標本サイズ n が大きくなると正規分布に近づくという定理です。実務では n≧30 で十分と扱われることが多く、これが正規分布モデルが自然現象・社会現象で「なぜか使える」理由です。
両側検定と片側検定はどちらを使えばいい?
研究仮説が「差がある」なら両側、「Aが大きい」「Aが小さい」と方向まで指定するなら片側。医学・社会科学では両側検定がデフォルトで、片側を使う場合は事前に理論的根拠を明示する必要があります。両側P=0.05は片側P=0.025に相当。
Excelで正規分布を計算するには?
Excel/Google Sheetsでは =NORM.DIST(x, μ, σ, TRUE) で累積確率、FALSE で密度。標準正規は =NORM.S.DIST(z, TRUE)。逆関数は =NORM.INV(p, μ, σ)。Pythonなら scipy.stats.norm.cdf(z)、R なら pnorm(z)。
3σルールと6σは何が違う?
3σルールは「平均±3σ外は約0.3%で管理限界外」の管理図の基本。6σは工程能力の理想水準で、片側1.5σの中心ズレを考慮しても不良率3.4ppmという極めて厳しい水準。モトローラ・GEが提唱し、ISO 13053・IATF 16949など国際規格の一部で参照されます。
正規分布に従わないデータをどう扱う?
対数変換(右に裾が長い場合)・Box-Cox変換で正規化を試みる、または非パラメトリック検定(Mann-Whitney・Wilcoxon・Kruskal-Wallis)を使う、あるいは分布フリーのブートストラップ法で信頼区間を計算します。詳細はMann-Whitney U検定ページも参照。
正規分布の歴史的な由来は?
18世紀のド・モアブル(De Moivre, 1733)による二項分布の極限として初登場。19世紀にラプラス・ガウスが誤差論に応用し、天体観測誤差の分布として広く認知されました。「ガウス分布」は名前の由来。20世紀にはコルモゴロフの厳密な確率論とともに、統計学の中核概念として定着しました。