【統計検定2級】正規分布

統計検定2級用語・練習問題
2026.09.21

今回は、統計検定2級のあらゆる単元（推定・仮説検定）において主役となる、最も重要な確率分布である「正規分布（せいきぶんぷ）」について解説します。

正規分布は、人間の身長や体重、テストの点数、製品の寸法の誤差など、自然界や社会における数多くのデータが従う「左右対称の山型の分布」です。統計検定2級では、正規分布の持つ美しい幾何学的な性質や、異なるデータを比較可能にする「標準化（標準正規分布への変換）」の計算問題が毎回のように出題されます。

正規分布を一言でいうと

正規分布とは、平均値のまわりが最も高く、そこから左右対称に美しいベルの形（釣鐘型）をして裾野が広がっていく連続型確率分布のことです。

記号では N(\mu, \sigma^2) と表記されます。N は正規分布を意味する Normal の頭文字です。平均 \mu（ミュー）が山の中心（位置）を決定し、分散 \sigma^2（シグマ2乗）が山の横幅（ばらつきの広さ）を決定します。

正規分布が生まれた歴史と「誤差」のつながり

現在、統計学の王様として君臨している正規分布ですが、どのような歴史を経て発見され、社会に定着したのかを整理します。その歴史は「天文学における測定のズレ（誤差）」と深く結びついています。

1. 最初の発見：二項分布の計算をラクにするための道具

正規分布の形を数学的に最初に発見したのは、18世紀のフランスの数学者アブラーム・ド・モアブルです。
当時、彼は「コインを100回、1,000回と投げたときに表が出る回数」という二項分布の計算を行っていました。しかし、試行回数が大きくなると組合せ（{}_n\mathrm{C}_k）の計算が膨大になり、当時の技術では事実上計算が不可能になってしまいました。
そこで彼は、回数 n を無限に大きくしたとき、二項分布の階段状のグラフが「ある滑らかな左右対称の曲線」に限りなく近づくことを発見しました。これが歴史上、正規分布の曲線が初めて姿を現した瞬間です。

2. ガウスによる発展：天体観測と「誤差の法則」

この曲線を実務的な統計学の理論へと大発展させたのが、19世紀の数学の天才カール・フリードリヒ・ガウスです。そのため、正規分布は別名「ガウス分布」とも呼ばれています。

当時、天文学者たちは望遠鏡を使って惑星や彗星の位置を観測していましたが、どれほど精密に測定しても、レンズの性能や大気の揺らぎ、人間の目測の限界によって、測定値にわずかな「ズレ（測定誤差）」が発生していました。
ガウスは、この無数に発生するランダムな誤差のデータを大量に集めて分析しました。その結果、「小さな誤差は頻繁に起こるが、大きな誤差はめったに起こらない」「プラスの誤差とマイナスの誤差は同じ確率で起こる」という規則性を見出し、そのばらつき方がド・モアブルの発見した曲線と完全に一致することを証明したのです。これが「誤差の法則」であり、正規分布がデータのばらつきを捉える絶対的な基準となった理由です。

3. 社会への応用：「平均的な人間」の誕生

その後、ベルギーの統計学者アドルフ・ケトレーによって、この正規分布は天文学の「誤差」だけでなく、人間の身体データ（身長や体重）や社会現象（犯罪率や社会統計）にもそのまま当てはまることが示されました。彼は人間の身長の分布が美しい正規分布を描くことから「平均人（へいきんじん）」という概念を提唱し、近代統計学の基礎を築きました。

このように、もともとは「計算をラクにするための数学的トリック」と「天体観測のミス（誤差）の処理」から生まれた数式が、自然界や人間の社会全体を記述する最も重要な分布へと進化していきました。

正規分布が持つ4つの重要性質

正規分布のグラフ（確率密度関数）には、試験の文章題で非常によく問われる以下の4つの特徴が存在します。

  1. 左右対称である： 平均値 \mu を中心として、左右が完全に鏡張り対称（ベルカーブ）になっています。
  2. 代表値がすべて一致する： 左右対称の頂点となるため、データの「平均値」「中央値（メディアン）」「最頻値（モード）」がすべて完全に同じ位置に重なります。
  3. 全体の面積は1である： 連続型確率分布のルールに基づき、マイナス無限大からプラス無限大までのグラフと横軸が囲む全面積は 1 になります。
  4. 確率の「囲む割合」が決まっている： 平均値から標準偏差 \sigma の何倍離れているかによって、以下の通りデータの含まれる割合（面積）があらかじめ決まっています。
平均からの距離（範囲）そこに含まれるデータの割合（面積）意味
\mu \pm 1\sigma約 68.3%全体の約3分の2のデータが、平均から標準偏差1個分の幅の中に収まります。
\mu \pm 2\sigma約 95.4% （1.96倍であればちょうど95%）ほぼすべてのデータがこの幅の中に収まります。検定などで極めて重視される基準です。
\mu \pm 3\sigma約 99.7%例外的なわずか 0.3% を除く、実質すべてのデータが含まれます（3シグマ範囲）。

標準正規分布と「標準化（Z変換）」の公式

世の中にある様々な正規分布 N(\mu, \sigma^2) のままでは、平均や分散がバラバラなため、そのまま確率を計算したり比較したりすることが困難です。
そこで、あらゆる正規分布を「平均 0、分散 1 （標準偏差 1）」の特別な正規分布（標準正規分布）へと変換する操作が必要になります。これを標準化（あるいはZ変換）と呼び、以下の公式を使用します。

Z = \frac{X - \mu}{\sigma}
  • Z：標準化された後の確率変数（標準正規分布 N(0, 1) に従います）
  • X：元の確率変数の値
  • \mu：元の正規分布の平均（期待値）
  • \sigma：元の正規分布の標準偏差（分散のルート値）

数式の意味は、各データから平均値 \mu を引き算することで「中心を0にスライド」させ、それを標準偏差 \sigma で割り算することで「ばらつきのスケールを1に縮小」していることを表しています。標準化した後は、教科書の巻末にある「標準正規分布表」を引くだけで、誰でも簡単に確率の数値を求めることが可能になります。

理解を深める例題（テストの点数から確率を求める）

具体的な数値を用いて、標準化と確率の計算を行います。スマホ等の画面幅に対応するため、計算式は縦に並べて展開します。

例題：問題

ある全国模試の成績が、平均点 60 点、標準偏差 10 点の正規分布 N(60, 10^2) に従っているとします。
この模試を受験した生徒の中からランダムに1人を選んだとき、その生徒の得点が 「75 点以上」 である確率を求めてください。
なお、標準正規分布において Z が 1.5 以上の値をとる確率（上側確率）は、正規分布表より P(Z \ge 1.5) = 0.0668 であることが分かっています。

例題：解答・解説

元の確率変数 X のままで計算せず、まずは標準化の公式 Z = \frac{X - \mu}{\sigma} に数値を代入します。

1. 得点「75点」を標準化する
\mu = 60, \sigma = 10, X = 75 を代入します。

Z = \frac{75 - 60}{10}

= \frac{15}{10}

= 1.5

これにより、「元のテストで75点以上をとる確率」を求めることは、「標準正規分布において Z が 1.5 以上となる確率」を求めることと完全に等しいことが分かります。

2. 正規分布表から確率を求める
問題文より、以下の値が与えられています。

P(X \ge 75) = P(Z \ge 1.5)

= 0.0668

したがって、選ばれた生徒の得点が75点以上である確率は 6.68%（0.0668） となります。

練習問題

問題

ある製品の長さ（単位：cm）は、平均 50.0 cm、標準偏差 2.0 cm の正規分布に従うことが調査によって判明しています。この製造ラインからランダムに1つの製品を取り出したとき、その長さが 「46.0 cm 以下」 である確率として最も近いものを1つ選んでください。
なお、標準正規分布表から得られる上側確率は以下の通りとします。
・P(Z \ge 1.0) = 0.1587
・P(Z \ge 2.0) = 0.0228
・P(Z \ge 3.0) = 0.0013

① 0.0013
② 0.0228
③ 0.1587
④ 0.9772

解答・解説

正解：②

解説：
取り出した製品の長さを表す確率変数を X とします。X は正規分布 N(50.0, 2.0^2) に従います。長さが 46.0 cm 以下である確率 P(X \le 46.0) を求めるために、標準化を行います。

公式に数値を代入します。

Z = \frac{46.0 - 50.0}{2.0}

= \frac{-4.0}{2.0}

= -2.0

したがって、求める確率は P(Z \le -2.0) となります。
ここで、正規分布の重要な性質である「左右対称性」を利用します。グラフのマイナス側にある Z \le -2.0 の面積は、プラス側に対称移動させた Z \ge 2.0 の面積と完全に等しくなります。

P(Z \le -2.0) = P(Z \ge 2.0)

与えられている標準正規分布表の値より、P(Z \ge 2.0) = 0.0228 となります。

したがって、求める確率は 0.0228（②） となります。

まとめ

今回は「正規分布」の基本性質と標準化について解説しました。

  • 正規分布 N(\mu, \sigma^2) は平均値を中心に左右対称な山型をした連続確率分布であり、平均・中央値・最頻値がすべて一致します。
  • 平均を中心に \pm 1\sigma の範囲に約 68.3%、\pm 2\sigma の範囲に約 95.4% のデータが含まれるという面積の規則性があります。
  • 公式 Z = \frac{X - \mu}{\sigma} を用いて標準化を行うことで、どのような正規分布も平均0、分散1の「標準正規分布」に変換して表から確率を求めることができます。

統計検定2級では、標準化を行わせた上で確率を逆算させる計算問題が必須知識としてほぼ毎回出題されます。また、後半で学ぶ「母平均の区間推定」や「仮説検定」の数式展開そのものが、この標準化の公式をベースに変形して作られているため、単なる暗記ではなく構造を確実に体に染み込ませておきましょう。

参考 関連用語

用語簡易的な説明
標準正規分布平均 0、分散（標準偏差） 1 になるように固定された、正規分布の基準となる分布です。
標準正規分布表標準正規分布における各 Z の値に対して、それより右側（または左側）の面積（確率）がいくらになるかをまとめた数表です。
中心極限定理どのような確率分布からデータを抽出した場合でも、サンプルサイズ n が十分に大きければ、その標本平均の分布は近似的に正規分布に従うという、統計学上もっとも重要な定理です。
再生性（さいせいせい）独立な正規分布に従う2つの確率変数を足し算または引き算した新しい変数も、再び正規分布に従うという性質です。

コメント