68–95–99.7則

68–95–99.7則とは

統計学における68–95–99.7則は、正規分布において、平均値（μ）を中心とした標準偏差（σ）の1倍、2倍、3倍の範囲内に含まれるデータの割合を簡略的に表したものです。この法則は、経験則として知られる「3シグマのルール」や「千三つの法則」としても認識されています。正規分布の特性を理解し、データのばらつきを把握する上で非常に重要な概念です。

具体的には、以下のようになります。

平均値±1σの範囲に、約68.27%のデータが含まれます。
平均値±2σの範囲に、約95.45%のデータが含まれます。
平均値±3σの範囲に、約99.73%のデータが含まれます。

これらの割合は、正規分布の累積分布関数から導き出されます。数学的には、確率変数Xが平均μ、標準偏差σの正規分布に従うとき、以下の式で表されます。

math
{\begin{aligned}\Pr(\mu -\;\,\sigma \leq X\leq \mu +\;\,\sigma )&\approx 0.6827\\\Pr(\mu -2\sigma \leq X\leq \mu +2\sigma )&\approx 0.9545\\\Pr(\mu -3\sigma \leq X\leq \mu +3\sigma )&\approx 0.9973\end{aligned}}

68-95-99.7則の応用

この法則は、データ分析や品質管理など、様々な分野で活用されています。

品質管理: 製造業では、製品の品質を管理するために、この法則が用いられます。製品の寸法や性能が規格から大きく外れていないかをチェックし、不良品の発生を抑制します。
データ分析: データの分布が正規分布に従う場合、この法則を用いることで、データのばらつき具合を把握することができます。例えば、外れ値の検出や、データの信頼区間の設定に役立ちます。
科学研究: 多くの自然現象や社会現象は正規分布に近い分布を示すため、この法則は、実験データや観測データの解析に広く応用されています。

正規分布と外れ値

68–95–99.7則は、データが正規分布に従っていることを前提としています。しかし、実際には、データが完全に正規分布に従うことは稀です。そのため、この法則を適用する際には、データの分布を十分に確認する必要があります。

また、平均から3σ以上離れた値は、外れ値として扱われることがあります。特に社会科学の分野では、平均から2σ以上離れた値が「有意」とみなされ、素粒子物理学では、5σ以上の逸脱が「発見」に必要な基準とされています。ただし、この法則は正規分布に従わないデータにも適用でき、チェビシェフの不等式によれば、どんな分布でも、少なくとも88.8%のデータは平均±3σの範囲に収まります。

累積分布関数との関係

68%, 95%, 99.7%という割合は、標準正規分布の累積分布関数に由来しています。任意の偏差値zに対する期待幅は、(1-(1-Φ(z))×2)で計算できます。

例えば、2σの範囲は、Φ(2) ≈ 0.9772であり、Pr(X ≤ μ + 2σ) ≈ 0.9772に対応します。したがって、観測値がμ±2σの範囲に含まれる確率は、Φ(2)-Φ(-2) ≈ 0.9545となります。これは、95%信頼区間に関連しています。

正規性検定

68–95–99.7則は、標本データから母集団が正規分布に従うかどうかを簡易的に評価するために使用されます。具体的には、標本の残差（平均からの偏差）を標準偏差で割り、偏差値を求めます。この偏差値と、正規分布におけるデータ割合の期待値を比較することで、外れ値の検出や正規性の検定を行います。

3σ以上の残差を持つデータは外れ値とみなされることが多く、このようなデータが多い場合は、母集団が正規分布に従わない可能性が高いと考えられます。特に、4σ以上離れたデータは、正規分布から大きく外れている可能性を示唆します。

より正確な評価には、ポアソン分布を用いたり、正規性の検定を行う必要があります。特に、6σ以上の極端なデータは、現実では非常にまれな出来事であり、そのようなデータが出現した場合は、データが正規分布に従うという前提自体を疑う必要があります。

まとめ

68–95–99.7則は、正規分布におけるデータの分布範囲を把握するための強力なツールです。データの特性を理解し、品質管理やデータ分析に役立てることができます。ただし、この法則を適用する際には、データの分布が正規分布に従うか確認することが重要です。また、外れ値の検出や正規性検定には、より厳密な統計的アプローチが必要となる場合もあります。

この法則は、平均、標準偏差、そして正規分布という統計学の基本的な概念に基づいており、これらの理解を深めることは、データに基づいた意思決定をする上で非常に重要です。

もう一度検索