正規分布とは？異常値判断に使える理由をわかりやすく解説
正規分布とは、データが平均値を中心に左右対称に広がる分布のことです。グラフにすると、中央が高く、左右に行くほどなだらかに低くなる「釣り鐘型」の形になります。たとえば、テストの点数、商品のサイズ誤差、処理時間、問い合わせ対応時間など、さまざまな業務データで正規分布に近い形が見られることがあります。
Excelで異常値を判断するときに正規分布の考え方が役立つ理由は、「普通の範囲」と「かなり珍しい値」を数値で分けやすいからです。単にデータを眺めるだけでは、どの値が異常なのか判断しにくいですよね。しかし、平均値と標準偏差を使うと、データがどれくらい平均から離れているかを客観的に確認できます。
ここで重要になるのが標準偏差です。標準偏差とは、データのばらつき具合を表す指標です。標準偏差が小さいほどデータは平均値の近くに集まり、標準偏差が大きいほどデータは広くばらついていると考えます。
正規分布では、一般的に以下のような目安があります。
- 平均値から±1標準偏差の範囲に、約68％のデータが入る
- 平均値から±2標準偏差の範囲に、約95％のデータが入る
- 平均値から±3標準偏差の範囲に、約99.7％のデータが入る
つまり、平均値から大きく離れた値ほど「発生しにくい値」と考えられます。たとえば、あるWebサービスの通常のレスポンスタイムが平均1秒前後なのに、特定の日だけ10秒かかっている場合、その値は平均から大きく外れている可能性があります。このような値を見つけることで、システム障害、入力ミス、業務フローの問題などに早く気づけます。
ただし、注意点もあります。すべてのデータが正規分布になるわけではありません。売上データやアクセス数のように、一部の大きな値に引っ張られやすいデータは、左右対称ではなく偏った分布になることがあります。そのため、正規分布を前提に異常値を判断する前に、データの形を確認することが大切です。
Excelでは、平均値や標準偏差を簡単に計算できるだけでなく、ヒストグラムを使ってデータの分布も視覚的に確認できます。まずは「データが平均値を中心にどのように散らばっているのか」を理解することが、異常値判断の第一歩です。
Excelでデータの平均値・標準偏差を求める基本手順
正規分布を使って異常値を判断するには、まず基準となる平均値と標準偏差を求める必要があります。Excelでは関数を使えば簡単に計算できるため、難しい統計知識がなくても実務データのばらつきを確認できます。
ここでは例として、A列に「処理時間」が入力されているデータを使うとします。A2からA101までに100件分の処理時間が入っている場合、平均値は次の関数で求められます。
=AVERAGE(A2:A101)AVERAGE関数は、指定した範囲の数値データの平均を計算する関数です。たとえば、処理時間の平均が「1.25秒」と出れば、そのデータ全体の中心的な値は1.25秒前後だと考えられます。
次に、データのばらつきを表す標準偏差を求めます。標準偏差を計算する代表的な関数は以下の2つです。
- STDEV.S関数：一部のサンプルデータから標準偏差を求める場合
- STDEV.P関数：対象データ全体から標準偏差を求める場合
業務で扱うデータでは、全体の一部を抽出して分析するケースが多いため、基本的にはSTDEV.S関数を使うことが多いです。先ほどと同じくA2からA101までを対象にする場合は、次のように入力します。
=STDEV.S(A2:A101)もし、集計対象となる全データがそろっていて「この範囲そのものを母集団として見たい」という場合は、次のようにSTDEV.P関数を使います。
=STDEV.P(A2:A101)平均値と標準偏差を計算するときは、あらかじめデータの入力状態も確認しておきましょう。空白セルや文字列、明らかな入力ミスが混ざっていると、計算結果の解釈を誤る可能性があります。たとえば「1.2秒」と文字付きで入力されているデータは、数値として正しく扱えない場合があります。分析に使う列は、できるだけ数値だけで統一しておくのが基本です。
実務では、平均値と標準偏差を元データの下や別シートにまとめておくと便利です。たとえば、B1に「平均値」、B2に「標準偏差」と見出しを作り、C1にAVERAGE関数、C2にSTDEV.S関数を入力しておけば、後からデータ範囲を見直すときにも確認しやすくなります。
このように、Excelでは関数を入力するだけで、異常値判断の土台となる数値をすぐに求められます。次のステップでは、計算した数値だけでなく、データ全体がどのような形で分布しているのかを確認していきます。
ヒストグラムを作成してデータが正規分布に近いか確認する方法
平均値と標準偏差を求めたら、次に確認したいのがデータ全体の形です。数値だけを見ても、データが平均値の周りに集まっているのか、一部の値だけ極端に大きいのかは判断しにくいものです。そこで役立つのが、Excelのヒストグラムです。
ヒストグラムとは、データを一定の範囲ごとに区切り、それぞれの範囲に何件のデータがあるかを棒グラフで表したものです。たとえば、処理時間を「0.5秒〜1.0秒」「1.0秒〜1.5秒」「1.5秒〜2.0秒」のように区切り、各範囲に何件あるかを可視化します。
Excelでヒストグラムを作成する基本手順は、次のとおりです。
- ヒストグラムにしたい数値データの範囲を選択する
- 「挿入」タブをクリックする
- 「統計グラフの挿入」から「ヒストグラム」を選択する
- 必要に応じて横軸の区間幅を調整する
たとえば、A2からA101に処理時間が入っている場合は、その範囲を選択してヒストグラムを作成します。すると、どの範囲の処理時間が多いのか、視覚的に確認できます。
ヒストグラムを見るときのポイントは、グラフの形が中央付近を山にして、左右に向かってなだらかに低くなっているかです。正規分布に近いデータであれば、平均値付近の棒が高くなり、平均から離れるほど件数が少なくなる傾向があります。いわゆる「釣り鐘型」に近い形です。
一方で、次のような形になっている場合は、正規分布とは言いにくい可能性があります。
- 右側または左側に大きく偏っている
- 山が2つ以上ある
- 一部の範囲だけ極端に件数が多い
- 離れた位置に少数のデータが存在している
たとえば、Webサイトのアクセス数や売上金額のようなデータは、少数の大きな値に引っ張られて右側に長く伸びる形になりやすいです。このようなデータに対して、単純に「平均値から何標準偏差離れているか」だけで異常値を判断すると、実態とズレる場合があります。
また、ヒストグラムでは区間幅の調整も重要です。区間幅が細かすぎると棒がバラバラになり、全体の傾向が見えにくくなります。逆に区間幅が広すぎると、細かな偏りや外れた値に気づきにくくなります。Excelではグラフの横軸を右クリックし、「軸の書式設定」からビンの幅を変更できます。いくつか幅を変えて、全体の形が自然に見える設定を探してみましょう。
ヒストグラムは、正規分布かどうかを厳密に判定するためのものではありません。しかし、実務ではまずグラフでざっくり分布を確認するだけでも、異常値判断の精度は上がります。次の章では、ヒストグラムでデータの傾向を確認したうえで、標準偏差やZスコアを使って異常値を数値的に判断する方法を見ていきます。
標準偏差・Zスコアを使って異常値を判断する方法
ヒストグラムでデータの形を確認したら、次は標準偏差やZスコアを使って、異常値を数値で判断していきます。感覚ではなく「平均からどれくらい離れているか」を基準にできるため、Excelでのチェック作業をルール化しやすくなります。
まずシンプルな方法は、平均値から標準偏差の何倍離れているかを見る方法です。正規分布に近いデータであれば、以下のような目安で判断できます。
- 平均値 ± 2標準偏差を超える：やや珍しい値として注意
- 平均値 ± 3標準偏差を超える：異常値候補として確認
たとえば、処理時間の平均が「1.25秒」、標準偏差が「0.30秒」だった場合、平均値±3標準偏差の範囲は次のように計算できます。
下限：1.25 - 0.30 × 3 = 0.35
上限：1.25 + 0.30 × 3 = 2.15この場合、処理時間が2.15秒を超えるデータは、通常よりかなり遅い可能性があります。Excelで上限・下限をセルに計算しておけば、毎回手作業で判断する必要はありません。
もう少し扱いやすい方法がZスコアです。Zスコアとは、各データが平均値から標準偏差何個分離れているかを表す値です。計算式は次のとおりです。
Zスコア = (対象の値 - 平均値) / 標準偏差たとえば、A列に処理時間、C1に平均値、C2に標準偏差が入っているとします。B2にZスコアを出したい場合は、次の関数を入力します。
=(A2-$C$1)/$C$2ここでポイントになるのが、$C$1や$C$2のように「$」を付けて固定することです。これを絶対参照といい、B2の数式を下の行へコピーしても、平均値と標準偏差の参照先がずれなくなります。
Zスコアの判断目安は、次のように考えるとわかりやすいです。
- Zスコアが0に近い：平均に近い値
- Zスコアが2以上、または-2以下：注意したい値
- Zスコアが3以上、または-3以下：異常値候補
プラスのZスコアは平均より大きい値、マイナスのZスコアは平均より小さい値を意味します。処理時間であれば、Zスコアが大きいほど「通常より遅い」と判断できます。一方、在庫数や売上数のようなデータでは、マイナス方向に大きく外れている値も重要なチェック対象になります。
Excelで異常値を自動判定したい場合は、IF関数を組み合わせると便利です。たとえば、B列にZスコアが入っている場合、C2に次のように入力します。
=IF(ABS(B2)>=3,"異常値候補","通常")ABS関数は絶対値を取得する関数です。これにより、Zスコアが「3以上」でも「-3以下」でも、まとめて異常値候補として判定できます。さらに条件付き書式を使って「異常値候補」のセルに色を付ければ、一覧表の中から問題のありそうなデータをすぐに見つけられます。
ただし、Zスコアで異常値候補になったからといって、必ずしもデータが間違っているとは限りません。実際にシステム障害が起きていた、キャンペーンでアクセスが急増した、特別な案件で処理時間が長くなったなど、業務上の理由がある場合もあります。Zスコアはあくまで「確認すべきデータを効率よく見つけるためのサイン」として使うのがポイントです。
Excelで異常値チェックを業務に活かすポイントと注意点
Excelで平均値・標準偏差・Zスコアを使えるようになると、日々の業務データから「いつもと違う動き」を見つけやすくなります。ただし、異常値チェックは異常なデータを機械的に削除する作業ではありません。大切なのは、異常値候補をきっかけにして、原因確認や改善アクションにつなげることです。
たとえば、次のような業務では異常値チェックを活かしやすいです。
- システムの処理時間やレスポンスタイムの監視
- 問い合わせ対応時間のばらつき確認
- 売上・受注件数・アクセス数の急増急減チェック
- 在庫数や発注数の入力ミス確認
- 工数や作業時間の大きなズレの発見
実務で使う場合は、まずチェック対象を明確にすることが重要です。「処理時間が長すぎるデータを見つけたい」のか、「入力ミスの可能性がある数値を探したい」のかによって、見るべき方向が変わります。処理時間なら大きすぎる値が問題になりやすいですが、売上や在庫では小さすぎる値も重要なサインになります。
また、判定基準は最初から完璧に決めようとしなくて構いません。まずは「Zスコアが±3以上なら異常値候補」「±2以上なら要注意」などのルールで運用し、実際の業務感覚とズレがないかを確認しましょう。異常値候補が多すぎる場合は基準を厳しくし、逆に見逃しが多い場合は基準を緩めるなど、現場に合わせて調整することが大切です。
Excelでは、IF関数や条件付き書式を組み合わせることで、異常値候補を自動で目立たせることができます。たとえば「異常値候補」と表示された行だけをフィルターで絞り込めば、確認作業の時間を大きく減らせます。毎週・毎月同じチェックをする業務であれば、テンプレート化しておくとさらに効率的です。
一方で、注意したいのがデータの前提です。正規分布に近いデータであれば標準偏差やZスコアは使いやすいですが、売上データやアクセス数のように偏りが大きいデータでは、単純な基準だけでは判断を誤ることがあります。その場合は、中央値や四分位範囲を使う方法、曜日別・担当者別・商品カテゴリ別に分けて確認する方法も検討しましょう。
さらに、異常値候補を見つけたら、必ず元データや業務背景を確認してください。数値が大きく外れていても、キャンペーン実施、障害対応、繁忙期、特別案件など、正当な理由があるかもしれません。逆に、入力ミスや集計条件の誤りが原因であれば、データ修正や運用ルールの見直しが必要です。
Excelでの異常値チェックは、難しい分析というよりも業務の違和感に早く気づくための仕組み作りです。グラフで分布を確認し、Zスコアで候補を絞り込み、最後は業務知識で判断する。この流れを押さえておけば、日々のデータ確認をより効率的で説得力のあるものにできます。
コメント