確率分布プロット(Probability Distribution Plot)
確率分布プロットは、入力したパラメーターから、理論分布の密度曲線、質量曲線、または累積曲線を、データなしで描画します。正規、t、カイ2乗、F、Weibull、対数正規、二項、ポアソンなど、12の分布に対応しています。分布の形状を確認したり、抜取計画や検定統計量を説明したり、確率を読み取ったりするのに使用します。連続分布は曲線として、二項分布とポアソン分布は棒として表示されます。
最終レビュー
重要なポイント
確率分布プロットは、入力したパラメーターから、正規、Weibull、二項などの理論分布の確率密度(または確率質量)曲線、または累積分布曲線を、データなしで描画します。
目的
確率分布プロットは、入力したパラメーターに対する理論分布の曲線(確率密度、個数の場合は確率質量、または累積分布)を描画します。データは必要ありません。分布を使用する前にその形状を確認したり、抜取計画や検定統計量を説明したり、想定したモデルのもとで、個数や測定値がどのくらい起こりやすいかを読み取ったりするのに使用します。例えば、工程の不良率が4%のときの、50個のサンプル中の不良品の個数などです。
主な機能
- 12の分布:正規、Student の t、カイ2乗、F、指数、Weibull、対数正規、一様、ガンマ、ベータ、二項、ポアソン。
- 確率密度/質量関数、または累積分布関数。
- 連続分布は滑らかな曲線として描画されます(密度は塗りつぶされます)。二項分布とポアソン分布は、各整数に棒として描画されます。
- 横軸の範囲は、分布の0.05パーセンタイルから99.95パーセンタイルまでを含むように自動的に選択されます。
- タイトルは、分布と曲線から自動生成されるか、独自のタイトルを指定できます。
統計的手法
ツールは、パラメーターから選択した分布を構築し、標準的な式で評価します。パラメーターは次のとおりです。正規 — Parameter 1 = 平均、Parameter 2 = 標準偏差。Student の t とカイ2乗 — 自由度。F — 分子と分母の自由度。指数 — 尺度(平均)。Weibull とガンマ — 形状と尺度。対数正規 — 位置と形状、すなわちln(X)の平均と標準偏差。一様 — 下限と上限。ベータ — 2つの形状パラメーター α と β。二項 — 試行回数nと事象確率p。ポアソン — 平均 λ。パラメーターが1つの分布では、Parameter 1のみを使用します。
連続分布では、曲線は、0.05パーセンタイルから99.95パーセンタイルの間の等間隔の500点で評価されます。二項分布とポアソン分布では、その範囲内のすべての整数で評価されます。確率質量 P(X = k) が各棒の高さを与え、累積関数 P(X ≤ k) がCDFプロットの各棒の高さを与えます。密度の場合、ある区間にわたる曲線の下の面積が、その区間に入る確率です。CDFは、その確率を2つの高さの差として直接与えます。
入力項目とオプション
項目 | 説明 |
Distribution | 必須。Normal、Student's t、Chi-Square、F、Exponential、Weibull、Lognormal、Uniform、Gamma、Beta、Binomial、または Poisson。 |
Parameter 1 | 意味は分布によって異なります。例:正規では平均、tとカイ2乗では自由度、Weibullとガンマでは形状、二項では試行回数、ポアソンでは平均。 |
Parameter 2 | パラメーターが2つの分布でのみ使用されます。例:正規では標準偏差、Weibullとガンマでは尺度、二項では事象確率。 |
Plot | Probability density/mass function(既定)または Cumulative distribution function。 |
Title | 任意。既定では、選択した分布と曲線から自動生成されたタイトルになります。 |

図1 — 例のオプション:試行回数50、事象確率0.04の二項分布。
出力の説明
- <Distribution> Distribution — Probability Density:密度曲線(軸ラベルは Probability density)。二項分布とポアソン分布では、<Distribution> Distribution — Probability Mass:各個数の確率を棒で表示します(軸ラベルは Probability)。
- <Distribution> Distribution — Cumulative Distribution:累積確率 P(X ≤ x)。
- Download からPDFにエクスポートできます。

図2 — 工程の不良率が4%のときの、50個のサンプル中の不良品0〜8個の確率(二項分布、n = 50、p = 0.04)。

図3 — Plot = Cumulative distribution function での同じ分布:k = 0〜8についての P(X ≤ k)。
計算例
あるサプライヤーの工程の不良率は約4%です。受入検査では、各ロットから50個の部品をサンプリングし、品質エンジニアは、何個の不良品が見込まれるか、またこの工程のロットで3個以上の不良品が見つかる頻度はどのくらいかを知りたいと考えています。Distribution = Binomial、Parameter 1 = 50(試行回数)、Parameter 2 = 0.04(事象確率)、Plot = Probability density/mass function とします。
棒は不良品0〜8個にわたります。最も起こりやすい個数は、1個(確率0.271)と2個(0.276)で、平均 n·p = 2 と一致します。不良品が0個のサンプルは13.0%の割合で発生するため、不良品のないサンプルは、工程が改善したかどうかについてほとんど何も示しません。Plot を Cumulative distribution function に切り替えると、P(X ≤ 2) = 0.677となり、この工程のサンプルの32.3%に3個以上の不良品が含まれ、13.9%に4個以上が含まれることになります。
検査計画にとっては、サプライヤーが通常の4%で稼働していても、合格判定個数2では、およそ3ロットに1ロットが不合格になることを意味します。このようなロットが通常は合格すべきであれば、合格判定個数を大きくするか、抜取計画を設計し直す必要があります。抜取検査とAQLのツールで、合意した品質水準に照らしてこれを求められます。
よくある質問
確率分布プロットは何に使用しますか?
データなしで、与えられたパラメーターに対する理論分布がどのような形になるかを示します。分布を使用する前にその形状を確認したり、抜取計画や検定統計量を説明したり、想定したモデルのもとで、個数や測定値がどのくらい起こりやすいかを読み取ったりするのに使用します。例えば、不良率4%の工程から取った50個のサンプル中の不良品の個数などです。
確率分布プロットでは、どの分布を表示できますか?
12の分布で、正規、Student の t、カイ2乗、F、指数、Weibull、対数正規、一様、ガンマ、ベータ、二項、ポアソンです。Parameter 1とParameter 2は分布によって異なり、例えば、正規では平均と標準偏差、Weibullとガンマでは形状と尺度、二項では試行回数と事象確率です。パラメーターが1つの分布では、Parameter 1のみを使用します。
PDFプロットとCDFプロットの違いは何ですか?
確率密度(または質量)関数は、各値での分布の高さを示します。密度の場合、ある区間にわたる曲線の下の面積がその区間に入る確率であり、二項分布やポアソン分布では、各棒が P(X = k) です。累積分布関数は P(X が x 以下) を示すため、確率は2つの高さの差になります。
二項分布の確率分布プロットはどのように読みますか?
試行回数50、事象確率0.04の計算例では、最も起こりやすい個数は1個(0.271)と2個(0.276)で、平均 n × p = 2 と一致し、不良品が0個になるのは13.0%の割合です。累積プロットでは P(X が2以下) = 0.677となり、サンプルの32.3%に3個以上の不良品が含まれることになります。
