そんなときに便利なのが、スプレッドシートのCONFIDENCE関数です。正規分布をベースに、母集団の平均がどの範囲に収まるかを示す信頼区間を求められます。スプレッドシートにはCONFIDENCE.NORMという新しい関数もあって、どちらを使えばいいか迷う人も多いですよね。

この記事では、スプレッドシートのCONFIDENCE関数の基本的な使い方を解説します。95%信頼区間の上下限を同時に求めるセット数式、CONFIDENCE.NORMやCONFIDENCE.Tとの使い分けフロー、よくあるエラーの対処までまとめました。互換関数という位置づけもしっかり整理するので、社内の既存シートを引き継いだ方にも役立つ内容ですよ。

スプレッドシートのCONFIDENCE関数とは？

CONFIDENCE関数は、正規分布（しょうきぶんぷ）をベースに母集団の平均に対する信頼区間を求める関数です。読み方は「コンフィデンス」。英語で「信頼」を意味する単語そのままですね。

信頼区間（しんらいくかん）とは、母集団の本当の平均がこの範囲に収まる可能性が高いと推定される区間のことです。たとえば95%信頼区間なら、同じ調査を100回繰り返したとき、95回はこの範囲の中に本当の平均が含まれると考えられます。

単に「平均は500gでした」と報告するより、「95%の確率で499.3g〜500.7gの範囲に収まります」と伝えたほうが、報告書の説得力はぐっと上がりますよね。スプレッドシートのCONFIDENCE関数を使えば、この「半幅」の部分を一発で計算できます。

関数の基本構文と引数

CONFIDENCE関数の書き方は次のとおりです。

=CONFIDENCE(alpha, standard_deviation, pop_size)

引数は3つあり、すべて必須です。

戻り値は信頼区間の「半幅」です。上限や下限を知りたいときは、標本平均にこの値を足し引きします。計算の中身は「z(alpha/2) × 標準偏差 / √標本数」で、alpha=0.05のときのz値は約1.96になりますよ。

スプレッドシートのCONFIDENCE関数は、Google スプレッドシート・Excel 2007以前から2024・Microsoft 365・LibreOffice Calcで共通して使える互換関数です。どの環境でも同じ構文・同じ結果になるので、互換性の高いシートを作りたいときに重宝します。

戻り値の意味（半幅を返す点に注意）

CONFIDENCE関数が返すのは「信頼区間そのもの」ではなく「半幅」である点に注意しましょう。半幅とは、信頼区間の中央（標本平均）から上限・下限までの距離のことです。

たとえばCONFIDENCEが0.5を返したなら、これは「標本平均 ± 0.5」が信頼区間という意味になります。標本平均が10なら信頼区間は 9.5〜10.5、標本平均が100なら信頼区間は 99.5〜100.5 ですね。下限値や上限値の絶対値そのものではないので、報告書に書くときは必ず標本平均と組み合わせて使ってください。

CONFIDENCE.NORM・CONFIDENCE.Tとの違い

スプレッドシートには似た名前の関数が3つあります。ここが一番混乱しやすいポイントなので、先に整理しておきましょう。

CONFIDENCEとCONFIDENCE.NORMは、計算結果がまったく同じになります。互換性のためだけにスプレッドシートでも残されているのがCONFIDENCE関数です。新しく数式を書くなら後継のCONFIDENCE.NORM関数を使うのが推奨ですよ。

一方で、既存シートをExcelから引き継いだり、古い社内テンプレートでCONFIDENCEが使われていたりするケースは今でも多いです。そのままスプレッドシートで動くので慌てて書き換える必要はありませんが、意味は正確に把握しておきたいところですね。母標準偏差が不明な小標本ではCONFIDENCE.T関数を使うことも忘れないようにしましょう。

母標準偏差が「既知」とはどういう意味か

CONFIDENCE関数を使うには「母集団の標準偏差があらかじめわかっている」ことが前提になります。でも、「今からデータを集めるのに、標準偏差がすでにわかっている」ってどんな状況なのでしょう。ここでつまずく人が多いので、実務の場面でイメージしてみましょう。

母標準偏差が既知というのは、今回の標本調査とは別の情報源から標準偏差の値が手に入っている状態を指します。具体的には次のようなケースですね。

• 工場の長期計測データから、製品重量のばらつきが何年も一定と判明している
• 業界団体や公的機関が公表している標準偏差の値を使える
• 社内のマスターデータや工程管理標準に標準偏差が定義されている
• 過去の大量データ（数千件以上）から算出した標準偏差を母集団の値として扱える

逆に、今回集めた標本データから標準偏差を計算しただけなら、それは「標本標準偏差」であって母標準偏差ではありません。その場合はCONFIDENCEではなくCONFIDENCE.T関数を使うのが正解です。ここを間違えると、統計的に正しくない数値を報告することになるので要注意ですよ。

工場品質管理・過去データ活用の例

もう少し具体的なシーンでイメージしてみましょう。ある食品工場で製品の内容量を検査するとします。

工場では過去10年間、毎日数百個の計測を続けてきました。その結果、内容量のばらつきを示す標準偏差は2.5gで安定しているとわかっています。この「2.5g」は、もはや母集団の性質として確定した値と見なせますよね。こういうときは、今日抜き取った50個の平均だけを測定して、CONFIDENCE関数で信頼区間を出せます。

一方、新商品の試作段階で標準偏差がまったくわからないなら、今回集めた標本から推定するしかありません。そのケースはCONFIDENCE.Tの出番です。判断のコツは「標準偏差が外から与えられているか、それとも今回のデータから計算するか」の一点にあります。

マーケティング・アンケート分析での応用

実務では、品質管理だけでなくマーケティング領域でもCONFIDENCEは活躍します。たとえば顧客満足度調査をNPS（Net Promoter Score）形式で毎月実施しているなら、過去24ヶ月分のスコアばらつき（標準偏差）はかなり安定しているはずです。

そこで今月のサンプルから求めた平均NPSに対してCONFIDENCEを適用すれば、「先月との差が誤差の範囲なのか、本当に変動しているのか」を統計的に判断できます。報告会議で「先月より2ポイント下がりましたが、信頼区間内なので有意な変化ではありません」と言えるかどうかで、データに基づいた意思決定の質が大きく変わりますよ。

CONFIDENCE関数の基本的な使い方

それでは実際に手を動かしてみましょう。ここではアンケート調査のデータを例に使います。

例題: ある商品の満足度アンケートを100人に実施しました。過去の調査実績から、回答のばらつき（母標準偏差）は0.8点とわかっています。有意水準5%（95%信頼区間）で、信頼区間の半幅を求めてみましょう。

セルに次の数式を入力します。

=CONFIDENCE(0.05, 0.8, 100)

結果は0.157（小数第4位で四捨五入）になります。

これは「標本平均 ± 0.157点」が母集団の平均の95%信頼区間という意味です。今回のアンケート平均が4.2点だったなら、「全顧客の真の満足度は95%の確率で4.043点〜4.357点に収まる」と結論づけられます。単に「平均4.2点でした」と言うより、報告書としてずっと信頼性がありますよね。

引数の指定方法（有意水準・標準偏差・標本数）

alpha（有意水準）は、どれくらいの信頼度を求めるかで決まります。ビジネス報告書では95%信頼区間が標準的ですが、用途に応じて使い分けましょう。

standard_deviationには母集団の標準偏差を、pop_sizeには標本の個数を指定します。セル参照を使うと、値を差し替えるだけで再計算できて便利ですよ。

=CONFIDENCE(B1, B2, B3)

B1に有意水準、B2に標準偏差、B3に標本数を入力しておけば、ダッシュボード的に使い回せます。シートの冒頭にこの3つをまとめておくと、後から読んだ人にも引数の意味が伝わりやすいですね。

信頼区間の計算例（実務シナリオ）

公式ドキュメントでよく紹介される例も確認しておきましょう。alpha=0.05、standard_deviation=2.5、pop_size=50を指定すると、結果は0.692952になります。

=CONFIDENCE(0.05, 2.5, 50)

たとえば製品50個を抽出して平均重量が500gだった場合、母集団の真の平均重量は499.307g〜500.693gの範囲に95%の確率で収まる、という読み方ができますよ。品質管理の日次レポートなどで、このパターンの報告はよく使われます。

スプレッドシートで実際に計算するときは、ROUND関数で表示桁数をそろえると報告書に貼り付けやすくなります。「=ROUND(CONFIDENCE(0.05, 2.5, 50), 3)」のように書けば、小数第3位までの表示になりますよ。

サンプルデータで試してみよう

理解を深めるために、コピーして使えるサンプルデータを用意しました。スプレッドシートのセルA1から下記の表をコピペすれば、すぐに動作確認できます。

入力すると、B5に約0.6930、B6に約499.307、B7に約500.693が表示されるはずです。alphaを0.01に変えれば99%信頼区間に、0.10に変えれば90%信頼区間に切り替わります。標本サイズB3を増やすと半幅が小さくなる（つまり推定の精度が上がる）ことも確認できますよ。

実際に手を動かしてみると、「標本数を4倍にすると半幅は半分になる」という性質も体感できます。これは数式の中に √n（標本数の平方根）が入っているためで、サンプル数を増やすコストと精度向上のバランスを判断する目安にもなります。

信頼区間の上限・下限を求めるセット数式

CONFIDENCE関数の戻り値は半幅なので、上限と下限を出すには標本平均に足し引きする必要があります。ここは実務で本当によく使うので、コピーして使えるテンプレートを用意しました。

AVERAGE＋CONFIDENCEで上下限を計算

データが「A2:A51」の範囲にあり、母標準偏差が2.5、95%信頼区間を求めるとします。上限と下限はそれぞれ次の数式で計算できます。

下限: =AVERAGE(A2:A51) - CONFIDENCE(0.05, 2.5, COUNT(A2:A51))
上限: =AVERAGE(A2:A51) + CONFIDENCE(0.05, 2.5, COUNT(A2:A51))

AVERAGE関数（指定範囲の平均を返す関数）で標本平均を、COUNT関数（数値セルの個数を返す関数）で標本数を自動取得します。データが増減しても数式を書き換える必要がないので、日次更新のシートに向いていますよ。

コピーして使えるセット数式テンプレート

報告書ですぐに使えるよう、パラメータを別セルで管理する汎用テンプレートもどうぞ。次のようにシートを組んでおくと、値を差し替えるだけで再利用できます。

そして次の3つの数式をそれぞれのセルに入れます。

標本平均: =AVERAGE(A2:A51)
下限:     =AVERAGE(A2:A51) - CONFIDENCE(C1, C2, COUNT(A2:A51))
上限:     =AVERAGE(A2:A51) + CONFIDENCE(C1, C2, COUNT(A2:A51))

これで「標本平均・信頼区間の下限・上限」が一目でわかるレポートになります。パラメータを変えれば90%や99%信頼区間にも即座に切り替えられるので、一度組んでしまえば使い回しが効きますよ。

Googleスプレッドシートならではの使い方として、IMPORTRANGE関数と組み合わせて別シートの計測データを読み込み、この数式で自動的に信頼区間を算出することもできます。工場や支店ごとにシートが分かれているようなケースで便利ですね。

グラフ用エラーバーへの応用

信頼区間は数値で示すだけでなく、グラフのエラーバー（誤差範囲）として可視化するとさらに伝わりやすくなります。Googleスプレッドシートでは、棒グラフや折れ線グラフを選択し、グラフエディタの「カスタマイズ」→「系列」→「エラーバー」で半幅の値を指定できます。

CONFIDENCEで計算した半幅をそのままエラーバーに使えるので、月次推移グラフに「95%信頼区間」を載せれば、変動が誤差範囲内なのか有意な変化なのかが視覚的に判断できます。経営会議のスライドにも使いやすい表現方法ですよ。

CONFIDENCE vs CONFIDENCE.NORM vs CONFIDENCE.T 使い分けフロー

3つの関数は、どれも信頼区間を求めるためのものです。ただ、使うべき場面は明確に分かれています。選び間違えると統計的に不正確な結論になってしまうので、ここはしっかり押さえておきましょう。

CONFIDENCEとCONFIDENCE.NORMはどちらを使う？

CONFIDENCEとCONFIDENCE.NORMは、計算結果がまったく同じです。違いは「互換関数か後継関数か」という位置づけだけです。

新しく数式を書くなら、推奨はCONFIDENCE.NORM関数です。関数名に「.NORM」と入っているので、正規分布を使っているとひと目で伝わりますよね。既存シートに残っているCONFIDENCEをわざわざ書き換える必要はありませんが、長期的に使うシートならCONFIDENCE.NORMに統一したほうがメンテしやすいですよ。

ExcelからGoogleスプレッドシートにシートを移植するケースも多いと思いますが、どちらの環境でもCONFIDENCE・CONFIDENCE.NORMの両方が使えます。関数名を書き換えても結果は同じなので、安心して移行できます。Excelで作業している方はExcelのCONFIDENCE.NORM関数の解説も合わせて確認してみてください。

正規分布を使う条件（母σ既知・標本30件以上）

CONFIDENCE・CONFIDENCE.NORM（どちらも正規分布ベース）を使う条件は2つあります。

1. 母標準偏差が既知である（過去データ・業界公表値・工程管理標準などから得られている）
2. もしくは、標本サイズが30件以上あり、標本標準偏差で母σを近似できる

1つ目の条件が理想形です。母集団の標準偏差が本当にわかっている場面は限られますが、工場の長期計測データや業界標準値が使えるなら迷わず正規分布ベースを選びましょう。

2つ目は実務上の目安です。標本サイズが大きくなると、標本標準偏差（STDEVで計算）が母標準偏差にかなり近づきます。30件というのはあくまで慣習的な目安で、厳密な統計学的境界ではありません。ビジネス実務ではこのラインが使われることが多いですね。

t分布を使う条件（母σ未知・少量標本）

CONFIDENCE.T関数（t分布ベース）を使う条件は次のとおりです。

• 母標準偏差がわからない、かつ
• 標本サイズが少ない（目安として30件未満）

t分布（小標本の不確実性を取り込んだ分布）は、サンプルが少ないときの推定精度を補正してくれる分布です。CONFIDENCE.NORMより少し広めの信頼区間になります。新商品の試作評価で10〜20サンプルしか取れない場面や、少数のモニター調査などで活躍しますよ。

判断フローチャート

どちらを使うか迷ったら、次の順番で考えてみてください。

1. 母標準偏差が既知ですか？（過去データや業界値から得られている？）

• Yes → CONFIDENCE または CONFIDENCE.NORM を使う
• No → 次の質問へ

1. 標本サイズは30件以上ありますか？

• Yes → CONFIDENCE.NORM（STDEVで標本標準偏差を計算して代用）
• No → CONFIDENCE.T を使う

この2段階の判断フローを覚えておけば、関数選びで迷うことはなくなります。1段階目の「母標準偏差が既知か」の判定が特に重要なので、データの出所を確認する習慣をつけましょう。

なお、CONFIDENCEを見つけたらCONFIDENCE.NORMに置き換えても問題ありません。引数の順番も同じなので、関数名を書き換えるだけで移行できますよ。

3関数の結果比較表

実際に同じデータで3つの関数を比較すると、違いがよくわかります。standard_deviation=2.5、pop_size=20で比較してみましょう。

CONFIDENCEとCONFIDENCE.NORMが完全に同じ値を返すこと、CONFIDENCE.Tはそれより少し広め（保守的）の信頼区間を返すことが確認できますね。標本数が少ないほど、両者の差は大きくなります。逆に標本数が100、1000と増えていくと、CONFIDENCE.Tの結果もCONFIDENCEに収束していきます。

よくあるエラーと対処法

スプレッドシートのCONFIDENCE関数で出るエラーはパターンが決まっています。原因と対処法をまとめておきますね。

#NUM! エラー

数値の範囲が不正なときに出ます。主な原因は3つあります。

• alphaが0以下または1以上: 有意水準は0より大きく1より小さい値で指定します。0.05や0.01のように小さな値を入れましょう
• standard_deviationが0以下: 標準偏差はマイナスになりません。セル参照の指定ミスがないかチェックします
• pop_sizeが1未満: 標本数は1以上の整数が必要です。小数は切り捨てられるので、0.5などを指定すると#NUM!になります

=CONFIDENCE(1.5, 2.5, 50)  → #NUM!（alphaが1以上）
=CONFIDENCE(0.05, -1, 50)  → #NUM!（standard_deviationがマイナス）
=CONFIDENCE(0.05, 2.5, 0)  → #NUM!（pop_sizeが1未満）

#VALUE! エラー

引数に文字列など、数値以外が入っているときに出ます。セル参照先のデータ型を確認してください。

=CONFIDENCE("A", 2.5, 50)  → #VALUE!（alphaが文字列）

セル参照を使っている場合、参照先が空白だったり先頭にスペースが入った文字列になっていないかチェックしましょう。スプレッドシートでは、CSVをインポートしたときに見た目は数値でも実際は文字列として格納されているケースがあります。VALUE関数（文字列を数値に変換する関数）で明示的に数値化するか、データ形式を「数値」に変更しておくと安心ですよ。

想定と違う結果が返ってくる場合

数式はエラーにならないけれど、期待した値と違うというケースもあります。このときは次の点をチェックしてみてください。

• alpha の指定を間違えていないか（95%信頼区間なら0.05、99%なら0.01）
• 母標準偏差と標本標準偏差を取り違えていないか
• 標本数を二重カウントしていないか（COUNTとCOUNTAの違いに注意）

特によくあるのが、95%信頼区間のつもりで「0.95」を指定してしまうミスです。alphaには信頼度ではなく「有意水準（1から信頼度を引いた値）」を入れる点を意識しましょう。

#N/A エラーが出る場合

引数の数が足りないときに#N/Aエラーが出ます。CONFIDENCE関数は3つの引数すべてが必須なので、1つでも欠けるとエラーになります。

=CONFIDENCE(0.05, 2.5)  → #N/A（pop_size が指定されていない）

セル参照先が空白セルになっていてもエラーになるので、必須3つすべてに数値が入っているか確認してください。

CONFIDENCE関数を使った業務シーン別の活用例

ここまで構文や使い分けを見てきましたが、実際の業務にどう落とし込めるかをいくつかのシーン別に紹介します。

品質管理レポートでの活用

製造業の品質管理部門では、抜き取り検査の平均値と信頼区間を毎日報告するケースが多いです。「本日の検査ロット50個の平均重量は500g、95%信頼区間は499.3〜500.7g」と書ければ、規格値からの逸脱リスクが即座に判断できます。

工程管理基準値が確立されている工場なら、母標準偏差は工程能力指数（Cp、Cpk）の計算で使われている値をそのまま流用できることが多いです。

顧客満足度・NPSの月次推移

マーケティングや顧客サポート部門では、毎月の顧客満足度スコアを比較するときに信頼区間が役立ちます。「先月のNPSは32、今月は30。差は2ポイントだが信頼区間が±3なので有意な低下とは言えない」と冷静に判断できれば、誤った対策に時間を浪費することがなくなります。

過去24ヶ月の標準偏差をベースに使えば、母標準偏差既知のケースとしてCONFIDENCEがそのまま使えます。

営業見込み・予算策定

営業部門で来期の見込み売上を出すとき、過去の同月実績の平均と信頼区間を併記すると説得力が増します。「来期Q1の見込み売上は中央値5,000万円、95%信頼区間は4,700〜5,300万円」と幅を示すと、予算審議の場でも冷静な議論ができますよね。

A/Bテストの結果評価

Webサイトのコンバージョン率を比較するときも信頼区間の考え方は便利です。Aパターンのコンバージョン率3.2%、Bパターンが3.5%だったとして、サンプル数が少ないと「0.3%の差」が偶然なのか本物なのかわかりません。信頼区間を計算して重なっているかどうかを見れば、判断がぐっと客観的になります。

ただしA/Bテストは比率の信頼区間（二項分布ベース）が本来の手法なので、CONFIDENCEはあくまで連続値（売上、満足度など）の平均比較で使うのが王道です。

CONFIDENCE関数に関するよくある質問（FAQ）

最後に、CONFIDENCE関数を使うときによく聞かれる質問をまとめました。

Q1. CONFIDENCEとCONFIDENCE.NORMはどちらが正しいですか？

どちらも計算結果は同じで、どちらを使っても「正しい」結果が得られます。違いは関数の世代だけで、CONFIDENCEが古い互換関数、CONFIDENCE.NORMが正式な後継関数という位置づけです。

新規でシートを作るならCONFIDENCE.NORM関数、既存シートを引き継いだだけならCONFIDENCEのままでも問題ありません。

Q2. 標本サイズはどれくらい必要ですか？

理論上は2件以上あれば計算できますが、信頼性を担保するには30件以上が目安です。少なすぎると半幅が大きくなって、実用的な精度の信頼区間にならないことが多いです。

予算と時間が許す範囲で、できるだけ標本数を確保しましょう。標本数を4倍にすると半幅が半分になる（精度が2倍になる）関係になっています。

Q3. 母標準偏差がわからないときはどうすればいいですか？

母標準偏差が外部から得られないなら、CONFIDENCE.T関数を使ってください。標本から計算した標本標準偏差（STDEV関数で求める値）を使って信頼区間を出せます。

ただし標本サイズが30件以上あるなら、標本標準偏差を母σの近似としてCONFIDENCE.NORMに渡すアプローチもよく使われます。

Q4. 95%信頼区間と99%信頼区間、どちらを使えばいいですか？

業務報告では95%信頼区間が標準です。学術論文や医療・品質管理など、より厳しい判定が必要な場面では99%信頼区間を使います。

99%にすると信頼区間が広くなる（半幅が大きくなる）ので、「絶対に外れないこと」を重視するか「狭い範囲で精度高く推定すること」を重視するかで使い分けましょう。

Q5. 信頼区間と予測区間の違いは？

信頼区間は「母集団の平均がどこに収まるか」を示す区間です。一方、予測区間は「次に観測される個別の値がどこに収まるか」を示す区間で、信頼区間より必ず広くなります。

CONFIDENCE関数で求めるのはあくまで母平均の信頼区間です。「次に作る製品1個の重量がどこに収まるか」を知りたいなら、別途予測区間の計算が必要になります。

Q6. ExcelとGoogleスプレッドシートで結果が違うことはありますか？

CONFIDENCE関数に関しては、ExcelとGoogleスプレッドシートで結果は完全に一致します。互換関数として標準化されているので、同じ引数を渡せば同じ値が返ります。

ただしExcel独自の新関数（T.INV.2T関数など）はスプレッドシートに存在しないものもあるので、関数移植時は対応表を確認しましょう。

Q7. 配列で複数の信頼区間を一気に計算できますか？

CONFIDENCE関数自体は単一値を返すので、配列入力には直接対応していません。ただしARRAYFORMULAやMAP関数（Google スプレッドシート）を使えば、複数行のパラメータに対して一括計算は可能です。

=ARRAYFORMULA(CONFIDENCE(A2:A10, B2:B10, C2:C10))

ExcelのMicrosoft 365環境なら、動的配列機能で同様の挙動が得られます。

まとめ

スプレッドシートのCONFIDENCE関数を使えば、母集団の平均がどの範囲にあるかを統計的に推定できます。「95%の確率で◯〜◯の範囲」と示せるので、報告書の説得力が段違いに上がりますよ。

今回のポイントをおさらいしましょう。

• 構文は =CONFIDENCE(alpha, standard_deviation, pop_size)。戻り値は信頼区間の半幅
• alphaは有意水準で、95%信頼区間なら0.05を指定する
• 母標準偏差が既知（過去データ・業界値・工程管理値）のときに使う
• 上下限は AVERAGE ± CONFIDENCE のセット数式で計算する
• CONFIDENCEとCONFIDENCE.NORMは計算結果が同じ。互換目的の旧関数がCONFIDENCE
• 母標準偏差が未知で標本が少ないときはCONFIDENCE.Tを使う
• 報告書ではグラフのエラーバーや表での±表記と組み合わせると伝わりやすい

スプレッドシートのCONFIDENCE関数は、Excelからシートを移植したり、古い社内テンプレートを引き継いだりする場面で今でも現役で動いています。意味と使い分けを正しく理解しておけば、どちらの環境でも迷わず扱えますよ。新しく数式を組むなら後継のCONFIDENCE.NORM関数、サンプル数が少なく母σが未知ならCONFIDENCE.T関数という選び分けも押さえておきましょう。信頼区間を報告書に取り入れて、数字に強い「できる人」を目指していきたいですね。

結論からいえば、スプレッドシートでもCHITEST関数はそのまま使えます。ただし互換性のために残されている旧関数です。新規に数式を組むならCHISQ.TEST関数への切り替えがおすすめですよ。

この記事ではスプレッドシートのCHITEST関数の書き方から使い方、CHISQ.TESTとの違いやエラー対処法まで解説しますね。

スプレッドシートのCHITEST関数とは

CHITEST関数（読み方: カイテスト関数）は、カイ二乗検定のp値を直接返す関数です。p値（ピーち：偶然その差が生じる確率）が小さいほど「有意な偏りがある」と判断できます。

名前の「CHI」はギリシャ文字のカイ（χ）に由来します。カイ二乗検定（ギリシャ文字のχを2乗した統計量を使う検定）の「χ二乗」の意味ですね。「TEST」は検定の略です。もともとExcelの初期バージョンから搭載されていた関数で、Excel 2010以降に登場したCHISQ.TEST関数の前身にあたります。

Googleスプレッドシートでも動作しますが、公式には「互換関数」という位置づけです。

CHITEST関数にできることを整理すると、次のとおりです。

• アンケートの回答に偏りがあるかを判定する（適合度検定）
• 2つのカテゴリに関連があるかを調べる（独立性検定）
• カイ二乗統計量の手計算を省いてp値を一発で求める
• Excelから移行した既存シートのCHITEST数式をそのまま動かす

NOTE

CHITEST関数はGoogleスプレッドシートの全バージョンで使えます。ExcelにもCHITEST関数があり、動作は同じですよ。

CHISQ.TESTの互換関数である理由

Excel 2010で統計関数が刷新されました。CHITEST関数はドット付きのCHISQ.TESTに置き換えられています。Googleスプレッドシートも同じ方針を採用しています。

互換関数は「古いシートが壊れないように残してある関数」です。新旧で結果はまったく同じですが、Googleの公式ヘルプではCHISQ.TESTの使用を推奨しています。

CHITEST関数の書き方

基本構文と2つの引数

=CHITEST(実測範囲, 期待範囲)

カッコの中に2つの引数を指定します。どちらも必須です。

引数はどちらもセル範囲で指定します。2つの範囲は同じ行数・列数でなければなりません。

TIP

CHITEST関数が内部で行っている計算は「各セルの (実測値 – 期待値)^2 / 期待値 を合計してカイ二乗統計量を求め、その右側確率を返す」という処理です。自由度は範囲のサイズから自動的に決まります。行数と列数がともに1より大きい場合は (行数 – 1) x (列数 – 1)、それ以外は 行数 x 列数 – 1 ですね。

CHITEST関数の基本的な使い方

まずはシンプルな例で使い方を確認しましょう。サイコロを60回振った結果が均等かどうかを検定します。

サンプルデータの準備

次のデータをスプレッドシートに入力します。

サイコロが公正なら各目が10回ずつ出るはずです。実際の出目にばらつきがあるので、これが偶然の範囲かどうかを調べますよ。

数式を入力する

適当な空きセルに次の数式を入力します。

=CHITEST(B1:B6, C1:C6)

結果は約0.4457です。

結果を読み取る

p値が0.4457ということは、「この程度のばらつきは偶然で約44.6%の確率で起こりうる」という意味です。

一般的な有意水準5%（0.05）よりはるかに大きいので、「サイコロに偏りがあるとはいえない」と判断できます。

判定の基準はシンプルです。

• p値 < 0.05 → 有意な偏りあり（帰無仮説を棄却）
• p値 >= 0.05 → 偶然の範囲（帰無仮説を棄却できない）

TIP

有意水準は分野や目的によって異なります。医学系では0.01を使うこともあります。ビジネスの場面では0.05が一般的ですよ。

独立性検定の例

2つのカテゴリに関連があるかを調べるケースも見てみましょう。「性別と商品の好みに関連はあるか」のような分析です。

実測値（B2:C3）

期待値（E2:F3）

期待値は「行合計 x 列合計 / 総合計」で計算します。男女とも商品Aと商品Bは45:55の比率になるので、次のとおりですね。

=CHITEST(B2:C3, E2:F3)

結果は約0.0026です。有意水準5%を大きく下回るので、「性別と商品の好みには関連がある」と判断できますね。

TIP

独立性検定では、実測値と期待値を同じ行列構造（この例では2行2列）で渡すのがポイントです。1列に並べ替えてしまうと自由度の計算が変わり、正しい結果が得られませんよ。

CHITESTとCHISQ.TESTの違い

CHITEST関数とCHISQ.TEST関数の違いを一覧にまとめます。

結論として機能はまったく同じです。引数も結果も一致します。違いは名前だけですね。

=CHITEST(B1:B6, C1:C6)
=CHISQ.TEST(B1:B6, C1:C6)

この2つの数式はまったく同じ値を返します。

CHITEST関数を使う場面があるとすれば、古いExcelファイル（.xls形式）を受け取った場合です。ファイル内の既存数式に合わせてそのまま使えばよいでしょう。新しく数式を書くときはCHISQ.TEST関数を使ってみてくださいね。

TIP

既存シートのCHITEST数式を移行するのは簡単です。「検索と置換」（Ctrl + H）で CHITEST( を CHISQ.TEST( に一括置換するだけでOKですよ。引数の順番も個数も変わりません。

よくあるエラーと対処法

CHITEST関数で出やすいエラーを整理しておきましょう。

#N/A エラー

実測範囲と期待範囲の行数・列数が異なると発生します。

=CHITEST(B1:B5, C1:C6)   ← #N/A エラー（行数が違う）

2つの範囲が同じサイズかを確認してみてください。

#NUM! エラー

期待値に0が含まれると、内部計算で0による除算が発生して#NUM!エラーになります。

=CHITEST(B1:B3, C1:C3)   ← C2が0だと #NUM! エラー

期待値が0になるカテゴリは、分析対象から除外するか他のカテゴリと統合しましょう。

#VALUE! エラー

範囲内に文字列や論理値などの数値以外が含まれているときに発生します。セル参照先がすべて数値になっているか確認してみてくださいね。

計算結果がおかしいと感じたら

エラーは出ないのに期待と違う結果になるケースもあります。

1. 範囲の指定を見直す: 実測範囲と期待範囲がずれていませんか。ラベル行や合計行を巻き込んでいないか確認します
2. 期待値の計算を見直す: 独立性検定では「行合計 x 列合計 / 総合計」で期待値を求める必要があります
3. 期待度数が5未満のセルがないか確認: カイ二乗検定は各セルの期待度数が5以上あることが前提です。5未満があると精度が下がりますよ

NOTE

期待度数が5未満のセルがある場合は、隣接カテゴリを統合して期待度数を5以上にするか、フィッシャーの正確検定（少数データ向けの厳密な検定手法）を検討しましょう。

カイ二乗分布関数ファミリーとの使い分け

スプレッドシートには、カイ二乗分布に関連する関数がいくつかあります。CHITEST関数との違いを整理しておきましょう。

使い分けのポイントをまとめます。

• Excelから来た既存シートで数式を維持したい → CHITEST（この記事の関数）
• 新規にデータ範囲から手軽にp値がほしい → CHISQ.TEST
• カイ二乗統計量を自分で計算済みでp値がほしい → CHISQ.DIST.RT
• 有意水準から臨界値を求めたい → CHISQ.INV.RT

新規に数式を書くなら、ドット付きのCHISQ.TEST関数を使うのが安心ですよ。

まとめ

CHITEST関数は、カイ二乗検定のp値をデータ範囲から直接求められる互換関数です。要点を整理しておきましょう。

• CHITEST(実測範囲, 期待範囲) でp値を返す
• 実測値と期待値の2つの範囲を指定するだけでp値が得られる
• 適合度検定（偏りの判定）にも独立性検定（関連の判定）にも使える
• p値 < 0.05 なら有意な偏りあり、p値 >= 0.05 なら偶然の範囲と判断
• CHISQ.TEST関数と引数・結果はまったく同じ
• 新規に数式を書くならドット付きのCHISQ.TESTがおすすめ
• 既存シートの置き換えは CHITEST( → CHISQ.TEST( の一括置換でOK

Excelから移行したシートでCHITEST関数を見かけたら、この記事を参考に読み解いてみてくださいね。新しく作る数式ではCHISQ.TEST関数を使ってみましょう。

結論からいえば、スプレッドシートでもZTEST関数はそのまま使えます。ただし互換性のために残されている旧関数で、新規に数式を組むならZ.TEST関数への切り替えがおすすめですよ。返ってくるのはz検定の右片側P値だけなので、両側検定をしたいときはひと工夫が必要です。

この記事ではZTEST関数の書き方から使い方、Z.TESTとの違いやエラー対処法まで解説します。

スプレッドシートのZTEST関数とは

ZTEST関数（読み方: ゼットテスト関数）は、1標本のz検定の右片側P値を返す関数です。標本データと仮説の母平均を指定すると、「標本平均がその仮説値より偶然大きくなる確率」をP値として返してくれます。

z検定（ゼットけんてい：母集団が正規分布に従うと仮定したうえで母平均を検証する検定）は、「母集団の平均がある特定の値といえるか」を調べたいときに使う基本的な統計手法です。品質検査やA/Bテスト、アンケート集計で役立ちますよ。

もともとExcelで長く使われてきた関数で、後に登場したZ.TEST関数の前身にあたります。Googleスプレッドシートでも動作しますが、公式には「互換関数」という位置づけで、新規に数式を組むならZ.TEST関数が推奨されていますよ。

ZTEST関数にできることを整理すると、次のとおりです。

• 標本平均が仮説値からずれていないかをP値で判定する
• 製品の平均重量が仕様値どおりかをチェックする
• A/Bテストで平均値の差が偶然かどうかを数値化する
• Excelから移行した既存シートのZTEST数式をそのまま動かす

NOTE

ZTEST関数はGoogleスプレッドシートの全バージョンで使えます。戻り値はZ.TEST関数とまったく同じです。

Z.TESTの互換関数である理由

Excelで統計関数が刷新されたタイミングで、ZTEST関数はドット付きのZ.TEST関数に置き換えられました。Googleスプレッドシートも同じ方針を採用しています。

互換関数は「古いシートが壊れないように残してある関数」です。新旧で結果はまったく同じですが、Googleの公式ヘルプでもZ.TESTの使用が推奨されています。

ZTEST関数の書き方（構文と引数）

基本構文と引数

=ZTEST(データ, 値, [標準偏差])

カッコの中に最大3つの引数を指定します。

TTEST関数のようにtailsやtypeを指定する必要はありません。データ範囲と仮説値を渡すだけで検定が完了します。

範囲内の文字列や空白セルは自動で無視されます。

ZTEST関数が内部で行っている計算

ZTEST関数は、渡されたデータから次の計算を自動で行います。

1. 標本平均 AVERAGE(データ) と仮説値の差を求める
2. z 値を計算する: z = (AVERAGE(データ) - 値) / (σ / SQRT(COUNT(データ)))
3. z 値から標準正規分布の右片側確率（P値）を返す

TIP

ZTEST関数は「右片側」のP値だけを返します。標本平均 > 仮説値 のときはP値が0.5より小さくなり、標本平均 < 仮説値 のときはP値が0.5より大きくなります。両側検定のP値が欲しい場合は、後述の変換式を使いましょう。

ZTEST関数の基本的な使い方

ある工場で、製品の重量（規格値500g）を抜き取り検査したケースで考えてみましょう。母集団の標準偏差は過去の履歴から2gと分かっているとします。

8個のサンプルの平均は500.5gで、規格値500gから少しずれています。この差が偶然のばらつきか、工程に問題があるのかをz検定で確かめます。

空いているセル（例: C2）に次の数式を入力します。

=ZTEST(A2:A9, 500, 2)

• A2:A9: 標本データ
• 500: 検定したい仮説値（規格値）
• 2: 母集団の標準偏差（既知）

Enterキーを押すと約 0.240 が返ります。この値が「標本平均が偶然500.5以上になる確率」、つまり右片側P値です。

有意水準5%（0.05）と比べてみましょう。0.240 は0.05より大きいですね。「規格値からずれているとはいえない（帰無仮説を棄却できない）」と判断できます。

標準偏差を省略した場合

第3引数を省略すると、スプレッドシートは標本から標準偏差を計算して使います（STDEV関数と同じ計算です）。

=ZTEST(A2:A9, 500)

母集団の標準偏差がわからない場合の簡易版として便利です。ただし厳密な z 検定は σ が既知の前提なので、σ が未知のときはT.TEST関数を使うほうが適切ですよ。

P値の判断基準

両側検定のP値を求めたいとき

ZTEST関数が返すのは右片側のP値だけです。実務の仮説検定では「仮説値と差がある（大きい/小さいを問わない）」を調べたい場面のほうが多いので、両側P値への変換が必要になります。

両側P値への変換式

次の変換式を使えば両側P値が一発で求まります。

=2*MIN(ZTEST(A2:A9, 500, 2), 1 - ZTEST(A2:A9, 500, 2))

先ほどの例（ZTEST=0.240）で計算すると 2 MIN(0.240, 0.760) = 2 0.240 = 0.480 となり、両側P値は約 0.480 です。

TIP

MIN(ZTEST, 1-ZTEST) は「小さいほうのP値」を取る工夫です。標本平均が仮説値より大きいときも小さいときも、正しく片側確率を拾えます。

変換の考え方

• 標本平均 > 仮説値 の場合: ZTEST の値がそのまま右片側P値
• 標本平均 < 仮説値 の場合: 1 – ZTEST が実際に使いたい片側P値（左側）
• どちらの場合も、小さいほうを取って2倍すれば両側P値

1つの数式で両方のケースに対応できます。標本平均が仮説値の上下どちらにくるかを事前に気にする必要はありませんよ。

ZTESTとZ.TESTの違い

ZTEST関数とZ.TEST関数の違いを一覧にまとめます。

結論として機能はまったく同じです。引数も結果も一致します。違いは名前だけです。

=ZTEST(A2:A9, 500, 2)
=Z.TEST(A2:A9, 500, 2)

この2つの数式はまったく同じ値を返します。

ZTEST関数を使う場面があるとすれば、古いExcelファイル（.xls形式）を受け取った場合です。ファイル内の既存数式に合わせてそのまま使えばよいでしょう。新しく数式を書くときはZ.TEST関数を使ってみてください。

TIP

既存シートのZTEST数式を移行するのは簡単です。「検索と置換」（Ctrl + H）で ZTEST( を Z.TEST( に一括置換するだけでOKですよ。引数の順番も個数も変わりません。

互換関数シリーズの位置づけ

スプレッドシートには、ZTEST と同じように「ドットなしの旧名」が残っている検定関数がいくつかあります。

• スプレッドシートのFTEST関数: F検定（等分散の検定）の互換関数
• スプレッドシートのTTEST関数: t検定の互換関数
• スプレッドシートのCHITEST関数: カイ二乗検定の互換関数

どれも「新しいドット付き関数が推奨される」という共通ルールがあります。シリーズとして覚えておくと便利ですよ。

よくあるエラーと対処法

ZTEST関数で出やすいエラーを紹介します。

#N/A エラー

データが1件以下のときや、第3引数を省略してデータの標準偏差が0になる（全データが同じ値の）ときに発生します。標本サイズを増やすか、データのばらつきを確認してみてください。

#DIV/0! エラー

第3引数に 0 を直接指定したとき、またはデータのばらつきが0のときに発生します。標準偏差はプラスの値でなければならないため、母集団の正しい σ を確認しましょう。

#NUM! エラー

第3引数（標準偏差）にマイナスの値を指定すると発生します。標準偏差は必ず0より大きい値で指定してください。

#VALUE! エラー

引数に数値以外（文字列など）が直接入力されている場合に発生します。セル参照ではなく引数そのものに文字列を渡していないか確認しましょう。

結果がおかしいと感じたら

エラーは出ないのに期待と違う結果になるケースもあります。

1. P値が0.5を超えている: 標本平均が仮説値より小さいケースです。両側P値を求めたいなら、前述の変換式 2*MIN(ZTEST, 1-ZTEST) を使いましょう
2. 母集団の標準偏差が既知か要確認: 厳密なz検定はσが既知の前提です。わからない場合はT.TEST関数のほうが適切です
3. サンプル数が少なすぎないか: データが少ないとz検定の信頼性が下がります。最低でも30件以上あるほうが安心です

ZTEST関数のよくある質問

Q. ZTEST関数とZ.TEST関数のどちらを使えばいいですか？

新しく数式を組むならZ.TEST関数がおすすめです。引数も戻り値もZTEST関数とまったく同じで、Google公式ヘルプもZ.TESTを推奨しています。ZTEST関数を使うのは、Excelから引き継いだ既存シートをそのまま動かすケースに限定しておくと迷いがありませんよ。

Q. ZTEST関数で両側P値を出したいのですが、簡単な方法はありますか？

=2*MIN(ZTEST(データ, 値, σ), 1-ZTEST(データ, 値, σ)) の一行で両側P値が求まります。「小さいほうのP値を2倍する」のがコツで、標本平均が仮説値より大きいケースでも小さいケースでも同じ式で対応できます。事前に大小関係を気にする必要はありません。

Q. ZTEST関数が #N/A エラーになります。なぜでしょうか？

データが1件以下のとき、または第3引数を省略した状態でデータの標準偏差が0になる（全データが同じ値）ときに発生します。標本サイズを増やすか、データのばらつきをSTDEV関数などで確認してみてください。母集団の標準偏差が分かっているなら、第3引数に直接指定するのが確実ですよ。

まとめ

ZTEST関数は、1標本のz検定の右片側P値を返す互換関数です。要点を整理しておきましょう。

• ZTEST(データ, 値, [σ]) でz検定の右片側P値を返す
• 標準偏差を省略すると標本の標準偏差（STDEV）が使われる
• 両側P値は =2*MIN(ZTEST, 1-ZTEST) で求める
• P値が0.05未満なら「有意差あり」、0.05以上なら「有意差なし」と判断する
• Z.TEST関数と引数・結果はまったく同じ
• 新規に数式を書くならドット付きのZ.TESTがおすすめ
• 既存シートの置き換えは ZTEST( → Z.TEST( の一括置換でOK

Excelから移行したシートでZTEST関数を見かけたら、この記事を参考に読み解いてみてください。新しく作る数式ではZ.TEST関数を使ってみましょう。

この記事で紹介した関数・関連記事

• スプレッドシートのZ.TEST関数の使い方
• スプレッドシートのT.TEST関数の使い方
• スプレッドシートのFTEST関数の使い方
• スプレッドシートのF.TEST関数の使い方
• スプレッドシートのCHITEST関数の使い方
• スプレッドシートのAVERAGE関数の使い方
• スプレッドシートのSTDEV関数の使い方

Googleスプレッドシートでベータ分布を扱う関数は2つあります。BETADIST関数とBETA.DIST関数です。計算結果は同じですが、引数の構成が異なります。

この記事ではBETADIST関数の使い方を、基本構文から実務活用まで解説します。BETA.DIST関数との違いもあわせて紹介しますよ。

スプレッドシートのBETADIST関数とは

BETADIST関数（読み方: ベータディスト関数）は、ベータ分布にもとづいて累積確率を返す関数です。ベータ分布とは、0から1の範囲（割合や確率）をモデル化する確率分布です。

たとえば「成功8回・失敗2回のデータから、真の成功率が70%以下である確率」を1つの数式で求められます。

BETADIST関数にできることをまとめると、次のとおりです。

• ある値以下となる確率を求める（累積分布）
• 割合や確率（コンバージョン率、合格率など）の不確実性を評価する
• カスタム範囲（0〜1以外）のベータ分布も計算する
• ベイズ推定の事前分布として活用する

WARNING

BETADIST関数は、以前のバージョンとの互換性を維持するための関数です。Googleスプレッドシートでは問題なく使えますが、新しく数式を書くときはBETA.DIST関数を使うことをおすすめします。BETA.DISTには確率密度（FALSE）と累積分布（TRUE）を切り替える引数があり、より柔軟です。

ベータ分布が使える場面とは

ベータ分布は、次のような場面で使えます。

1. 割合・確率のモデリング: コンバージョン率、合格率、不良品率など
2. ベイズ推定の事前分布: 「成功n回・失敗m回」から真の確率を推定する
3. プロジェクト管理: PERT法（楽観・悲観・最頻の3点見積もり）での工数推定

ベータ分布の大きな特徴は、値が0〜1の範囲に収まることです。そのため「割合」や「確率」を扱うのにぴったりの分布ですよ。alphaとbetaの値によって、左寄り・右寄り・釣鐘型など自由に形が変わります。

TIP

alpha=1、beta=1のとき、ベータ分布は一様分布（どの値も同じ確率）と一致します。「事前情報がまったくない状態」を表すベースラインとして使えますよ。

BETADIST関数の書き方（構文と引数）

基本構文

=BETADIST(x, alpha, beta, [A], [B])

カッコの中に3〜5つの引数を指定します。

引数の説明

alphaは分布の左側の形を決めるパラメータです。「成功回数+1」と解釈できます。betaは分布の右側の形を決めるパラメータです。「失敗回数+1」と解釈できます。

AとBを指定すると、0〜1以外の範囲でベータ分布を計算できます。たとえば工数見積もりで「最短3日〜最長15日」の範囲を設定する場合に使いますよ。

WARNING

alphaとbetaはどちらも正の数です。0以下を指定すると#NUM!エラーになります。xはA以上B以下で指定してください。範囲外だと#NUM!エラーです。

NOTE

BETADIST関数にはBETA.DIST関数のような「累積/確率密度」を切り替える引数がありません。常に累積分布（x以下となる確率）を返します。確率密度を求めたい場合はBETA.DISTのFALSEオプションを使ってください。

BETADIST関数の基本的な使い方

実際にBETADIST関数を使ってみましょう。

例題: 成功8回・失敗2回のデータから、真の成功率が70%以下である確率を求めます。alpha=9（成功+1）、beta=3（失敗+1）です。

セルに次の数式を入力してください。

=BETADIST(0.7, 9, 3)

結果は約0.2680（26.8%）です。真の成功率が70%以下となる確率が約27%ということがわかりました。

次に、「成功率が80%以上である確率」を求めてみましょう。1から累積確率を引きます。

=1 - BETADIST(0.8, 9, 3)

結果は約0.3222（32.2%）です。80%以上の成功率が期待できる確率は約32%ですね。

下限・上限を指定した例も試してみましょう。工数が5日〜20日の範囲で、12日以内に完了する確率を求めます。

=BETADIST(12, 3, 2.5, 5, 20)

結果は約0.3520（35.2%）です。12日以内に完了する確率は約35%です。

xの値ごとの結果を比較する

alpha=9、beta=3の場合で、xの値ごとの累積確率を並べてみましょう。平均値はalpha / (alpha + beta) = 9/12 = 0.75です。

xが増えるほど1に近づいていきます。平均値0.75付近で50%を超えるのが特徴です。

BETADIST関数の実践的な使い方

基本がわかったところで、実務で使えるパターンを紹介します。

コンバージョン率の推定で使う

「LPのABテストで、パターンAが100回中12回コンバージョンした」ケースを考えましょう。真のコンバージョン率が15%以下である確率を求めます。alpha=13（成功12+1）、beta=89（失敗88+1）です。

=BETADIST(0.15, 13, 89)

結果は約0.7653（76.5%）です。約77%の可能性で、真のコンバージョン率は15%以下です。

では「コンバージョン率が10%以上である確率」はどうでしょうか。

=1 - BETADIST(0.1, 13, 89)

結果は約0.7919（79.2%）です。約79%の可能性で10%以上のコンバージョン率が期待できます。ABテストの判断材料になりますね。

品質管理で不良品率を評価する

「製造ライン検査で500個中10個が不良だった」場合を考えましょう。真の不良品率が3%以下である確率を求めます。alpha=11（不良10+1）、beta=491（良品490+1）です。

=BETADIST(0.03, 11, 491)

結果は約0.8866（88.7%）です。約89%の可能性で、真の不良品率は3%以下に収まっています。

「不良品率が5%を超える確率」は次のとおりです。

=1 - BETADIST(0.05, 11, 491)

結果は約0.9996（99.96%）です。5%以下にほぼ確実に収まります。品質基準を満たしているかの判断に活用できますね。

プロジェクト工数をPERT法で見積もる

「最短5日、最長20日、最も可能性が高いのは10日」というタスクの工数見積もりを考えましょう。PERT法ではalpha=3、beta=2.5程度を使い、A=5（下限）、B=20（上限）を指定します。

=BETADIST(12, 3, 2.5, 5, 20)

結果は約0.3520（35.2%）です。12日以内に完了する確率は約35%です。

「15日以内に終わる確率」を求めてみましょう。

=BETADIST(15, 3, 2.5, 5, 20)

結果は約0.7042（70.4%）です。バッファを含めて15日で計画すれば、約70%の確率で収まります。スケジュール策定の根拠になりますよ。

BETADIST関数でよくあるエラーと対処法

BETADIST関数でつまずきやすいポイントをまとめました。

xが範囲外で#NUM!エラー

xはA以上B以下の範囲で指定します。範囲外の値を入れるとエラーになります。AとBを省略した場合は0〜1が範囲です。

=BETADIST(1.5, 3, 2)   --- #NUM! エラー（0〜1の範囲外）

alphaが0以下で#NUM!エラー

alphaは正の数で指定します。0や負の値はエラーになります。

=BETADIST(0.5, 0, 2)   --- #NUM! エラー

betaが0以下で#NUM!エラー

betaも正の数で指定します。0以下はエラーです。

=BETADIST(0.5, 3, 0)   --- #NUM! エラー

A >= Bで#NUM!エラー

下限Aが上限B以上だとエラーになります。AはBより小さい値を指定してください。

=BETADIST(5, 3, 2, 10, 5)   --- #NUM! エラー（A=10 > B=5）

引数に文字列を渡して#VALUE!エラー

数値であるべき引数にテキストが入ると#VALUE!エラーになります。セル参照を使うときは、参照先が数値であることを確認しましょう。

BETADIST関数とBETA.DIST関数の違い

Googleスプレッドシートには、BETADIST関数のほかにBETA.DIST関数があります。結論からいうと、累積分布の計算結果は同じです。ただし引数の構成が異なります。

=BETADIST(0.7, 8, 3)              --- 0.3828
=BETA.DIST(0.7, 8, 3, TRUE)       --- 0.3828（同じ結果）

違いをまとめると次のとおりです。

最大の違いは「累積/確率密度の切り替え」です。BETADISTは常に累積分布を返しますが、BETA.DISTはTRUE/FALSEで切り替えができます。確率密度を求めたい場合はBETA.DISTを使ってください。

BETADIST関数は古いスプレッドシートとの互換性を維持するために残されている関数です。新しく数式を書くときはBETA.DIST関数を使いましょう。既存のシートでBETADIST関数が使われている場合は、そのまま動作するので急いで書き換える必要はありませんよ。

BETADISTからBETA.DISTへの書き換え方

既存のBETADIST関数をBETA.DISTに書き換えるときは、cumulative引数としてTRUEを追加するだけです。

--- 書き換え前
=BETADIST(0.7, 8, 3)

--- 書き換え後
=BETA.DIST(0.7, 8, 3, TRUE)

AとBを指定している場合も同様です。4番目にTRUEを挟みます。

--- 書き換え前
=BETADIST(12, 3, 2.5, 5, 20)

--- 書き換え後
=BETA.DIST(12, 3, 2.5, TRUE, 5, 20)

引数の順序が変わる点に注意してくださいね。BETADISTではAとBが4番目・5番目ですが、BETA.DISTでは5番目・6番目に移動します。

関連する統計関数

ベータ分布以外の確率分布を扱いたいときは、目的に合った関数を選びましょう。

迷ったときの判断基準はシンプルです。

• 割合・確率をモデル化したい → BETA.DIST（BETADISTでも同じ結果）
• 複数件の合計待ち時間 → GAMMA.DIST
• 連続データの確率 → NORM.DIST
• 製品の寿命分析 → WEIBULL.DIST

まとめ

BETADIST関数は、ベータ分布（割合・確率のモデル化）にもとづいて累積確率を求める互換関数です。

• 常に「x以下となる確率」（累積分布）を返す
• alphaは形状パラメータ1（成功回数+1）、betaは形状パラメータ2（失敗回数+1）
• AとBを指定すれば0〜1以外のカスタム範囲にも対応する
• コンバージョン率の推定・品質管理・プロジェクト見積もりに使える
• 「x以上の確率」を求めるには =1 - BETADIST(x, alpha, beta) と書く
• xが範囲外やalpha・betaが0以下だと#NUM!エラー
• BETA.DIST関数と累積分布の計算結果は同じ。新規にはBETA.DISTを推奨
• BETADISTにはTRUE/FALSEの切り替えがない点がBETA.DISTとの最大の違い
• 「待ち時間の合計」ならGAMMA.DIST関数、「連続データの確率」ならNORM.DIST関数を使う

「真の確率がどのくらいの範囲にありそうか？」を数値で答えられると、意思決定に根拠が持てます。ぜひ実際のデータで試してみてくださいね。

ExcelからGoogleスプレッドシートに移行すると、互換性が気になるところですよね。特にBETAINVはExcel 2010で新名（BETA.INV）に切り替わった経緯があるため、スプレッドシートで本当に動くのか不安になります。

結論から言うと、BETAINV関数はスプレッドシートでもそのまま動きます。ただし、新しく数式を書くならBETA.INV関数を使うのが推奨です。

この記事では、スプレッドシートのBETAINV関数の書き方から、BETA.INVとの違い、信頼区間・品質管理での実務例、Excel移行のコツまでをまとめて解説します。

スプレッドシートのBETAINV関数とは？ベータ分布の逆関数

スプレッドシートのBETAINV関数（読み方: ベータ・インバース関数）は、ベータ分布の逆関数を返す統計関数です。累積確率を入力すると、その確率に対応する値を返してくれます。

関数名は次の英単語を組み合わせたものです。

• BETA = ベータ分布（ギリシャ文字 β に由来する数学用語）
• INV = Inverse（逆）

ひとことで言えば、「累積確率からベータ分布の値を逆算する関数」ですね。ベータ分布表をいちいち逆引きしなくても、1つの式で値を求められます。

BETAINV関数にできることをまとめると、次のとおりです。

• 累積確率から対応するベータ分布の値を瞬時に逆算する
• コンバージョン率や合格率の信頼区間（上限・下限）を算出する
• 不良品率の管理基準値を設定する
• BETADIST関数やBETA.DIST関数と組み合わせて結果を往復検証する

NOTE

BETAINVはExcel 2007以前から使われている旧関数名です。Excel 2010で新関数名BETA.INVに切り替わりましたが、互換性のためスプレッドシートでも両方使えます。新しく書く数式はBETA.INVを使うのが推奨です。

BETAINV関数の書き方（構文と引数）

基本構文

=BETAINV(確率, alpha, beta, [A], [B])

カッコの中に3〜5つの引数を指定します。AとBは省略可能で、省略すると0〜1の範囲が使われます。

引数の説明

確率には「この確率に対応する値はいくつか？」を指定します。0.95と入れれば「累積95%点」が返ります。

alphaは分布の形を決めるパラメータです。ベイズ推定（データから確率を更新する手法）では「成功回数+1」と解釈できます。betaは「失敗回数+1」に対応する形状パラメータです。

AとBを指定すると、0〜1以外の範囲で逆算できます。たとえば工数見積もりで「最短5日〜最長20日」の範囲を設定する場合に便利ですよ。

TIP

確率に0.95を指定すると「累積95%の境界値」が返ります。「95%の確率で収まる上限値」という意味で、信頼区間の算出でよく使われる考え方ですね。

ベータ分布の逆関数とは

ベータ分布は「0〜1の値を取る確率変数」を扱うのに向いた分布です。コンバージョン率・合格率・不良品率のように「割合」を表現するのに使われます。

BETAINVが返すのは、「累積確率がちょうどpになる地点の値x」です。たとえば =BETAINV(0.95, 8, 3) が返す約0.9127は、「ベータ分布（alpha=8, beta=3）で、値が0.9127以下になる確率がちょうど95%」という意味になります。

「95%の確率でこの値以下に収まる」という言い方ができるので、信頼区間の上限・下限を求めるのにそのまま使えますよ。

BETAINVの基本的な使い方

BETAINV関数の基本を、3つのパターンで見ていきましょう。

中央値（50%点）を求める

まずはシンプルに、alpha=8、beta=3のベータ分布で累積確率50%に対応する値を求めます。

=BETAINV(0.5, 8, 3)

結果は約0.7414です。「alpha=8、beta=3のベータ分布で、値が0.7414以下となる確率がちょうど50%」という意味ですね。

ベータ分布はalphaとbetaの大小で形が変わります。alpha>betaのときは右寄りになるため、中央値も0.5より大きい0.7414になっています。

代表的なパーセンタイルをまとめて求める

確率を変えながら、代表的なパーセンタイルを並べてみます。alpha=8、beta=3で固定したケースです。

確率が大きくなるほど、返される値も大きくなります。下位2.5%点と上位97.5%点を組み合わせれば、95%信頼区間がそのまま作れますよ。

BETA.DISTで往復検証する

BETAINVの結果が正しいか確認するには、BETA.DIST関数やBETADIST関数で逆向きに計算します。

=BETAINV(0.95, 8, 3)                        → 約0.9127
=BETA.DIST(0.9127, 8, 3, TRUE)              → 約0.9500

BETAINVで求めた値をBETA.DISTに入れると、元の確率に戻ります。これが逆関数の関係ですね。自分の数式が正しく書けているかを確認するときに便利な検算方法です。

BETAINVを実務で活用する3つのパターン

基本がわかったところで、実務で役立つパターンを3つ紹介します。

コンバージョン率の信頼区間を求める

「LPのABテストでパターンAが100回中12回コンバージョンした」ケースを考えましょう。点推定では12%ですが、サンプル数が少ないので「真のコンバージョン率」の95%信頼区間を出したい場面ですね。

ベイズ推定ではalpha=成功数+1=13、beta=失敗数+1=89とします。95%信頼区間は下位2.5%点と上位97.5%点です。

=BETAINV(0.025, 13, 89)  → 約0.0704（下限: 7.0%）
=BETAINV(0.975, 13, 89)  → 約0.1983（上限: 19.8%）

真のコンバージョン率は95%の確率で7.0%〜19.8%の範囲にあると推定できます。点推定の12%だけで「Aの方が良い」と判断するより、幅を持って評価できるようになりますね。

不良品率の管理基準値を算出する

「製造ライン検査で500個中10個が不良だった」場合を考えましょう。不良品率が「95%の確率でこの値以下」となるラインを求めます。

alpha=10+1=11、beta=490+1=491です。

=BETAINV(0.95, 11, 491)

結果は約0.0336（3.36%）です。95%の確率で、真の不良品率は3.36%以下に収まると推定できます。品質管理の基準として「不良品率3.4%以下を許容ライン」と設定する根拠に使えますよ。

下限もあわせて求めるなら、次のように書きます。

=BETAINV(0.05, 11, 491)  → 約0.0124（1.24%）

90%信頼区間は1.24%〜3.36%となります。社内の基準書に「3.4%以下に収まる確率は95%」と数値の根拠つきで書けるので、説明が楽になりますね。

PERT法による工数見積もりの信頼区間

「最短5日、最長20日、最頻値10日」のタスク見積もりを考えましょう。PERT法（Program Evaluation and Review Technique）ではベータ分布で工数を表現します。alpha=3、beta=2.5を使い、AとBを指定するのがポイントです。

=BETAINV(0.9, 3, 2.5, 5, 20)

結果は約17.05日です。「90%の確率で17日以内に終わる」という見積もりが立ちます。

確率を変えるとバッファの強さも調整できます。

=BETAINV(0.5, 3, 2.5, 5, 20)  → 約13.18日（半々の見積もり）
=BETAINV(0.8, 3, 2.5, 5, 20)  → 約15.90日（強めのバッファ）
=BETAINV(0.95, 3, 2.5, 5, 20) → 約18.07日（最も保守的）

「攻めの13日」「現実的な16日」「安全な18日」と複数の案を一気に作れます。スケジュール会議で「なぜその日数なのか」を数字で説明する材料になりますよ。

BETAINVとBETA.INVの違いと使い分け

冒頭で触れたとおり、BETAINVには新関数名BETA.INVがあります。どちらを使えばいいのかを整理しておきましょう。

計算結果はまったく同じ

結論から言うと、2つの関数の計算結果はまったく同じです。

=BETAINV(0.5, 8, 3)     → 約 0.7414
=BETA.INV(0.5, 8, 3)    → 約 0.7414

BETAINVは「互換性のために残されている旧関数名」という位置づけです。Googleスプレッドシートの公式ヘルプでも、BETA.INVのページにBETAINVが旧名として記載されています。

比較早見表

新しくシートを作るときはBETA.INVを使いましょう。既存のシートでBETAINVが使われていても、そのままで問題なく動作します。

Excelから移行するときの3つの注意点

ExcelでBETAINVを使っていたシートをスプレッドシートに移行する場合、知っておきたいポイントを3つにまとめます。

1. そのままコピーしても動く

BETAINVはスプレッドシートでも互換サポートされています。ExcelファイルをGoogleドライブにアップロードしても、数式はそのまま動作します。慌てて書き直す必要はありません。

2. 新しい数式はBETA.INVで書く

既存シートのBETAINVは放置でOKです。ただし、新しくセルに数式を追加するときはBETA.INV関数を使いましょう。理由は将来性（旧関数は廃止される可能性あり）と一貫性（新旧混在はメンテしにくい）の2つです。

3. 一括置換で移行する手順

シート内のBETAINVをまとめてBETA.INVに置き換えたい場合は、次の手順で対応できます。

1. Ctrl + H（Mac: Cmd + H）で「検索と置換」を開く
2. 検索欄に BETAINV( と入力する
3. 置換欄に BETA.INV( と入力する
4. 「すべて置換」をクリックする

引数の構造がまったく同じなので、カッコの中身を変える必要はありません。置換後に数式エラーが出ていないかだけ確認すれば完了です。

他の統計関数も同じルールで一括置換できます。BETADIST→BETA.DIST、GAMMAINV→GAMMA.INV、NORMINV→NORM.INVなどです。

BETAINVとあわせて覚えておきたい関連関数

BETAINVの周辺にある統計関数を整理しておきます。「確率 → 値」「値 → 確率」のどちら向きの計算をしたいかで使い分けます。

迷ったときの判断基準はシンプルです。

• 割合・確率（0〜1）の区間推定 → BETAINV / BETA.INV
• 待ち時間や合計時間の基準値 → GAMMA.INV
• 連続データ（身長・売上など）の基準値 → NORM.INV

「逆関数」は出力の意味が同じ仲間なので、どれか1つを使いこなせれば残りもすぐ理解できますよ。

BETAINVでよく見るエラーと対処法

BETAINV関数を使っているときに出やすいエラーを4つ紹介します。

確率が範囲外で #NUM! エラー

確率は「0より大きく1より小さい値」でなければなりません。0や1ちょうど、または負の数を指定するとエラーになります。

=BETAINV(0, 8, 3)      ← #NUM! エラー（0は不可）
=BETAINV(1, 8, 3)      ← #NUM! エラー（1は不可）
=BETAINV(-0.5, 8, 3)   ← #NUM! エラー（負の値は不可）
=BETAINV(1.2, 8, 3)    ← #NUM! エラー（1超は不可）

特にハマりやすいのが、パーセント表記との取り違えです。「95%」を入れたいとき =BETAINV(95, 8, 3) と書いてしまうと一発でエラーです。正しくは =BETAINV(0.95, 8, 3) ですね。

他のセルの計算結果を確率として渡すときも、値が0〜1の範囲内か確認しておきましょう。

alphaまたはbetaが0以下で #NUM! エラー

alphaとbetaはどちらも正の数値が必須です。0や負の値を入れるとエラーになります。

=BETAINV(0.5, 0, 3)    ← #NUM! エラー（alpha=0）
=BETAINV(0.5, 8, -1)   ← #NUM! エラー（beta=-1）

「成功回数+1」や「失敗回数+1」で計算しているなら自然に正の値になりますが、セル参照で渡すときは0や負の値が混ざっていないか確認しましょう。

A >= B で #NUM! エラー

下限Aが上限B以上だとエラーになります。AはBより小さい値を指定してください。

=BETAINV(0.5, 3, 2, 10, 5)   ← #NUM! エラー（A=10 > B=5）

工数見積もりのように手動で範囲を指定するときは、「最短日数」と「最長日数」を入れ違えないよう気をつけたいところです。

引数に文字列を渡して #VALUE! エラー

数値であるべき引数にテキストが入ると #VALUE! エラーになります。

=BETAINV("0.95", 8, 3)   ← #VALUE! エラー

セル参照を使うときは、参照先が数値かどうかを確認しましょう。空白や文字列が混じっている可能性があるなら、IFERROR関数で包んでエラーを丸める方法もあります。

=IFERROR(BETAINV(A1, 8, 3), "確率は0〜1で入力")

集計シートでエラーセルが目立つと見栄えが悪いので、こうしておくとレポートをそのまま共有しやすくなりますね。

まとめ｜BETAINVは「確率からベータ分布の値を逆算する」旧関数

BETAINV関数は、スプレッドシートでベータ分布の逆関数を計算する旧名の関数です。記事の要点を振り返ります。

• 構文は =BETAINV(確率, alpha, beta, [A], [B]) で、引数は3〜5個
• 累積確率から対応する値を逆算する逆関数の役割を持つ
• BETA.INV関数と計算結果はまったく同じ。違いは関数名だけ
• Excel 2010以降は新関数名が標準だが、スプレッドシートでも旧関数名がそのまま動く
• コンバージョン率の信頼区間・不良品率の管理基準値・PERT法の工数見積もりなどに活用できる
• 新しく数式を書くならBETA.INVがおすすめ。既存シートは「検索と置換」で一括移行できる
• 確率に0や1を指定すると #NUM! エラー。alphaとbetaは正の数で指定する

ExcelからスプレッドシートにBETAINVを含むシートを移行しても、数式はそのまま動きます。慌てて書き直す必要はありませんよ。ただ、これから新しく入力する数式はBETA.INV関数に統一しておくと、シート全体のメンテナンスがラクになります。

結論からいえば、スプレッドシートのFTEST関数はそのまま使えますよ。ただしF.TEST関数の互換用に残された旧関数なので、新規の数式ならF.TEST関数への切り替えがおすすめです。

この記事では、FTEST関数の書き方から実務での使い方、F.TESTとの違いと一括置換による移行手順、よくあるエラー対処までを解説します。

スプレッドシートのFTEST関数とは

スプレッドシートのFTEST関数（読み方: エフテスト関数）は、2つのデータ群の分散（ばらつき）が等しいかを検定する関数です。統計学では「F検定（エフけんてい）」と呼ばれます。

戻り値はp値（ピーち：偶然その差が生じる確率）です。p値が小さいほど「分散に有意な差がある」と判断できますよ。

名前の由来は統計学者フィッシャー（Fisher）の頭文字「F」です。もともとExcelの初期バージョンから搭載されていた関数で、Excel 2010以降に登場したF.TEST関数の前身にあたります。Googleスプレッドシートでも動作しますが、公式には「互換関数」という位置づけです。

FTEST関数にできることを整理すると、次のとおりです。

• 2つのデータ群の分散が等しいかを判定する
• T.TEST関数のtype引数を決める前段チェックに使える
• データ範囲を渡すだけでp値を自動計算できる
• Excelから移行した既存シートをそのまま動かせる

NOTE

FTEST関数はGoogleスプレッドシートの全バージョンで使えます。ExcelにもFTEST関数があり、計算結果はまったく同じです。

F.TESTの互換関数である理由

Excel 2010で統計関数が刷新されました。FTEST関数はドット付きのF.TESTに置き換えられ、Googleスプレッドシートも同じ方針を採用しています。

互換関数は「古いシートが壊れないように残してある関数」ですよ。新旧で結果はまったく同じですが、Googleの公式ヘルプではF.TESTの使用を推奨しています。

そもそもF検定とは

F検定は「2群のばらつきが等しいか」を判定する手法です。仮説検定（かせつけんてい：データから仮説の正否を判断する統計手法）の一種ですね。

• 帰無仮説 H0: 2群の母分散は等しい
• 対立仮説 H1: 2群の母分散は異なる

検定統計量はF値（2群の分散の比）です。F値が1に近ければ「分散は同じくらい」、1から大きく外れるほど「分散に差がある」と判断します。

FTEST関数の書き方

基本構文と引数

=FTEST(範囲1, 範囲2)

カッコの中に2つの引数を指定します。どちらも必須です。

TTEST関数のように tails や type を指定する必要はありません。データ範囲を2つ渡すだけで検定が完了しますよ。

範囲1と範囲2のデータ数が異なっていても問題ありません。範囲内の文字列や空白セルは自動で無視されます。

FTEST関数が内部で行っている計算

FTEST関数は、渡されたデータから次の計算を自動で行います。

1. 範囲1と範囲2それぞれの分散（VAR関数）を計算する
2. 分散の比（F値）を求める: F値 = VAR(範囲1) / VAR(範囲2)
3. F値と自由度（じゆうど：データから推定するパラメータの個数を反映した値）からF分布の両側確率（p値）を返す

TIP

FTEST関数は「両側検定」のp値を返します。「分散1が大きい場合」も「分散2が大きい場合」も含めた確率ですよ。片側のp値が必要なときは、FTESTの結果を2で割ってみてください。

FTEST関数の基本的な使い方

拠点Aと拠点Bの月間売上データで、ばらつきに差があるかを調べてみましょう。

拠点Aは108〜142万円に散らばり、拠点Bは95〜108万円にまとまっています。この「ばらつきの差」が統計的に意味のある差かを検定してみましょう。

空いているセル（例: D2）に次の数式を入力します。

=FTEST(A2:A7,B2:B7)

• A2:A7: 拠点Aの売上データ（範囲1）
• B2:B7: 拠点Bの売上データ（範囲2）

Enterキーを押すとp値が表示されます。この例では約 0.026 が返りますよ。

有意水準（ゆういすいじゅん：判定の基準値）5%（0.05）より小さいですね。「2つの拠点の分散に有意な差がある（等分散ではない）」と判断できます。

p値の判断基準

p値が0.05以上なら「等分散」、0.05未満なら「不等分散」と判断するのが一般的です。

p値が極端に小さいときの読み方

データのばらつきに大きな差があると、p値が指数表記（例: 1.5E-5）で表示されることがあります。これは 1.5×10⁻⁵ の意味で、極めて小さい確率を表します。

読みやすく整形したいときは、TEXT関数を使ってみてください。

=TEXT(FTEST(A2:A7,B2:B7),"0.000000")

小数点6桁で表示できますよ。

FTEST関数の結果からT.TESTのtype引数を決める

FTEST関数の最も実務的な使い方は、T.TEST関数の前段として等分散かどうかを判定することです。

T.TEST関数の第4引数typeは、type=2が「等分散」、type=3が「不等分散（ウェルチ）」です。FTESTの結果でどちらを使うか決められますよ。

判断フロー

FTESTのp値 >= 0.05 → 等分散とみなす → T.TESTのtype=2
FTESTのp値 <  0.05 → 不等分散       → T.TESTのtype=3

数式で自動判定する

IF関数を使えば、FTESTの結果に応じてT.TESTのtypeを自動で切り替えられます。

=T.TEST(A2:A7, B2:B7, 2, IF(FTEST(A2:A7,B2:B7)>=0.05, 2, 3))

この数式は次のように動作します。

1. FTEST(A2:A7,B2:B7) でp値を求める
2. p値が0.05以上なら type=2（等分散）、0.05未満なら type=3（不等分散）を選ぶ
3. 選ばれたtypeでT.TEST関数を実行する

これで「F検定 → t検定」の一連の流れを1つのセルで完結できますよ。

TIP

実務では type=3（ウェルチのt検定）をデフォルトで使う流派もあります。等分散でも不等分散でも正しく機能するためですね。ただし「等分散を確認してからt検定した」と報告書に書くなら、FTESTでの事前チェックがあると説得力が増しますよ。

FTESTとF.TESTの違いと移行手順

FTEST関数とF.TEST関数の違いを一覧にまとめます。

結論として機能はまったく同じです。引数も結果も一致します。違いは名前だけですよ。

=FTEST(A2:A7,B2:B7)
=F.TEST(A2:A7,B2:B7)

この2つの数式はまったく同じ値を返します。

FTEST関数を使う場面があるとすれば、古いExcelファイル（.xls形式）を受け取った場合ですね。ファイル内の既存数式に合わせてそのまま使えばよいでしょう。新しく数式を書くときはF.TEST関数を使ってみてください。

一括置換でF.TESTに移行する手順

既存シートのFTEST数式を移行するのは簡単ですよ。検索と置換を使えば一発で完了します。

1. 検索と置換を開く: Ctrl + H（Macは Cmd + Shift + H）
2. 検索: FTEST(
3. 置換: F.TEST(
4. 「すべて置換」をクリック
5. 計算結果が変わらないことを確認

カッコ「(」を含めて置換することがポイントです。これで他の関数名（例: SUMPRODUCT 等）を誤って書き換える心配がありませんよ。

TIP

置換前にシートを複製してバックアップを取っておくと安心です。万が一の誤置換にも対応できますよ。

実務でのFTEST関数の活用シーン

FTEST関数は単独で使うよりも、t検定や品質管理と組み合わせて活躍します。具体的な活用シーンを見てみましょう。

製造ラインの品質ばらつき比較

ラインAとラインBで作った製品の寸法を計測し、ばらつきに差があるかを検定します。

=FTEST(A2:A9,B2:B9)

このケースではp値が約 0.0007 と非常に小さい値になります。「ラインBの品質ばらつきはラインAよりも有意に大きい」と判断できますね。工程改善が必要なサインです。

A/Bテストの前段チェック

ウェブサイトのバージョンAとBで取得したコンバージョン数のばらつきを比較し、t検定の type を決める前段に使います。

=FTEST(コンバージョンA範囲, コンバージョンB範囲)

p値が0.05未満なら、後段のt検定は type=3（ウェルチ）を選びます。ばらつきが大きく違う2群を、強引に等分散として扱わずに済みますよ。

教育・研修の比較実験

教育法Aと教育法Bを試したクラスで、試験点数のばらつきを比較します。

• ばらつきが大きい群: 理解度の個人差が大きい
• ばらつきが小さい群: 全員が同じくらいの理解度

これにより「どちらの教育法が均一に効果があるか」を判断できますね。

投資商品のリスク比較

商品Aと商品Bの月次リターンのばらつき（リスク）を比較します。FTEST関数でばらつきの差が有意かを検定すれば、「商品Bは商品Aよりリスクが高い」を統計的に裏付けられますよ。

よくあるエラーと対処法

FTEST関数で出やすいエラーをまとめます。

#N/A エラー

範囲内に数値データが2つ未満のときに発生します。文字列や空白セルは無視されるため、数値が足りなくなるケースに注意してくださいね。セル範囲の中身がすべて文字列や空白の場合もこのエラーが出ます。

対処: 範囲指定が正しいか、データ件数が十分かを確認しましょう。

#DIV/0! エラー

いずれかの範囲の分散が0のときに発生します。全データが同じ値だと分散が0になり、分散の比を計算できません。

対処: データに変動がない列がないか確認してみてください。テスト用のダミーデータでよくあるケースですよ。

#VALUE! エラー

引数に数値以外（文字列など）が直接入力されている場合に発生します。

対処: セル参照ではなく、引数そのものに文字列を渡していないか確認しましょう。=FTEST("a","b") のような書き方はNGです。

#NUM! エラー

F分布の計算で極端な値が出たときに発生することがあります。データ件数が極端に少ない場合や、外れ値が大きい場合に起きやすいですよ。

対処: データ件数を増やすか、外れ値を見直してみてください。

結果がおかしいと感じたら

エラーは出ないのに期待と違う結果になるケースもあります。次の3点をチェックしてみてください。

1. 外れ値の影響: 極端な値が1つあると分散が大きくなり、p値が小さくなります。外れ値を除外して再検定するのも有効です
2. サンプル数が少なすぎないか: データが3件未満だと検定の信頼性が低くなります。最低5件以上は欲しいところですよ
3. データに空白行がないか: 空白セルは無視されますが、範囲がずれる原因になります

FTEST関数のよくある質問（FAQ）

Q1. F検定とt検定の違いは何ですか？

F検定は2群の分散（ばらつき）を比較する手法で、t検定は2群の平均値を比較する手法です。実務では「F検定で等分散性を確認 → t検定で平均値の差を検定」という流れで使い分けますよ。

Q2. p値が0.05より大きい場合はどう解釈しますか？

「分散に有意な差があるとは言えない」と解釈します。これは「分散が完全に等しい」とは違う点に注意してください。あくまで「差があるとは断言できない」という消極的な結論ですね。

Q3. 片側検定はできますか？

FTEST関数は両側検定のp値しか返しません。片側のp値が必要なときは、FTESTの結果を2で割ってみてください。「ラインBの方がばらつきが大きい」のように方向を限定したい場合に使えますよ。

Q4. データ数が違っても使えますか？

使えます。範囲1と範囲2のデータ数は異なっていても問題ありません。FTEST関数が内部で自由度を別々に計算してくれますよ。

Q5. Excelとの互換性はありますか？

Excel・スプレッドシートともFTEST関数を持ち、計算結果は完全に一致します。既存のExcelファイルをそのままスプレッドシートで開いても動作しますよ。

Q6. FTESTとF.TESTのどちらを使うべきですか？

新規に数式を作るならF.TEST関数（公式推奨）が無難です。既存シートのメンテナンスではFTESTのままでもOKですが、統一性のため新旧の混在は避けたほうがよいですね。

Q7. p値が「1.5E-5」のように表示されました

これは 1.5×10⁻⁵ の指数表記で、極めて小さい確率を表します。「分散に高度に有意な差がある」という意味ですよ。読みやすく整形したいときは =TEXT(FTEST(範囲1,範囲2),"0.000000") を試してみてください。

Q8. FTEST関数とCHITEST関数の違いは何ですか？

FTEST関数は2群の分散を比較し、CHITEST関数は観測値と期待値の適合度を検定します。FTESTは量的データのばらつき比較、CHITESTはクロス集計表の独立性検定で使い分けますよ。

まとめ

スプレッドシートのFTEST関数は、2群のデータの分散（ばらつき）が等しいかを検定する互換関数です。要点を整理しておきましょう。

• FTEST(範囲1, 範囲2) でF検定の両側p値を返す
• p値が0.05未満なら「不等分散」、0.05以上なら「等分散」と判断する
• T.TEST関数のtype引数を決める前段チェックに最適
• F.TEST関数と引数・結果はまったく同じ
• 新規に数式を書くならドット付きのF.TESTがおすすめ
• 既存シートの移行は FTEST( → F.TEST( の一括置換でOK
• 製造品質・A/Bテスト・投資リスク比較など実務で幅広く使える

Excelから移行したシートでFTEST関数を見かけたら、この記事を参考に読み解いてみてください。新しく作る数式ではF.TEST関数を使ってみましょう。

この記事で紹介した関数・関連記事

• スプレッドシートのF.TEST関数の使い方
• スプレッドシートのT.TEST関数の使い方
• スプレッドシートのTTEST関数の使い方
• スプレッドシートのF.DIST関数の使い方
• スプレッドシートのF.DIST.RT関数の使い方
• スプレッドシートのFDIST関数の使い方
• スプレッドシートのFINV関数の使い方
• スプレッドシートのVAR関数の使い方

結論から言うと、GAMMAINV関数はGoogleスプレッドシートでもそのまま使えます。ただし、現在はGAMMA.INVという新しい名前の関数が推奨されています。この記事ではスプレッドシートのGAMMAINV関数の使い方を、GAMMA.INVとの違いや移行時のポイントとあわせて解説します。

GAMMAINV関数とは

GAMMAINV関数（読み方: ガンマ・インバース関数）は、ガンマ分布の逆関数を求める互換関数です。累積確率を指定すると、その確率に対応する値を返してくれます。「GAMMA」はギリシャ文字のガンマに由来する数学用語です。「INV」は「Inverse（逆）」の略です。

たとえば「問い合わせ3件分の対応が95%の確率で収まる時間」を1つの数式で求められます。

GAMMAINV関数にできることをまとめると、次のとおりです。

• 累積確率から対応するガンマ分布の値を逆算する
• SLA（サービスレベル合意）の基準時間を算出する
• 保険金請求の高額ラインを設定する
• 在庫管理で安全マージンの目安を計算する

NOTE

GAMMAINV関数はGoogleスプレッドシートの全バージョンで使えます。ただしGoogleの公式ドキュメントではピリオド付きのGAMMA.INV関数が推奨されています。新しく数式を書くときはGAMMA.INVを使いましょう。

GAMMAINV関数の基本構文と引数

基本構文

=GAMMAINV(確率, alpha, beta)

カッコの中に3つの引数を指定します。

引数の意味

alphaは「形状パラメータ」で、分布の形を決めます。イベント回数に相当します。betaは「尺度パラメータ」で、分布の広がりを決めます。1回あたりの平均時間に相当します。

TIP

確率に0.95を指定すると「累積95%の境界値」が返ります。「95%の確率で収まる上限値」という意味です。SLA設計や安全在庫の算出でよく使われる考え方ですよ。

GAMMA.INVとの違い

GAMMAINVとGAMMA.INVの違いは「関数名のみ」です。引数の順番も計算結果も完全に同じです。

=GAMMAINV(0.95, 3, 10)    → 約55.46
=GAMMA.INV(0.95, 3, 10)   → 約55.46

違いをまとめると次の表のとおりです。

Excelでは2007年までGAMMAINVが標準でした。2010以降でピリオド付きのGAMMA.INVに名称が変更されています。Googleスプレッドシートもこの命名規則に合わせています。

既存のシートにGAMMAINVで書いた数式がある場合、わざわざ書き換える必要はありません。動作に違いはないので、そのまま使い続けて大丈夫ですよ。

スプレッドシートでのGAMMAINV関数の使い方

GAMMAINV関数で累積確率からガンマ分布の値を逆算する方法を見ていきましょう。

確率から値を逆算する（基本例）

まずはシンプルな例で動きを確認します。alpha=3、beta=10のガンマ分布で、累積確率50%に対応する値を求めます。

=GAMMAINV(0.5, 3, 10)

結果は約26.77です。「alpha=3、beta=10のガンマ分布で、値が26.77以下となる確率がちょうど50%」という意味です。

確率を変えて、いくつかの値を見てみましょう。

!_images/spreadsheet-gammainv-function/03_result_gammainv-basic.png

確率が大きくなるほど、返される値も大きくなります。ガンマ分布は右裾が長いので、90%以上の確率では値が急激に大きくなるのが特徴ですよ。

GAMMA.DISTとの検算

GAMMAINV関数の結果が正しいか確認するには、GAMMA.DIST関数で検算します。

=GAMMAINV(0.95, 3, 10)                       → 約55.46
=GAMMA.DIST(55.46, 3, 10, TRUE)              → 約0.9500

GAMMAINVで求めた値をGAMMA.DISTに入れると、元の確率に戻ります。逆関数の関係がきちんと成り立っていますね。

GAMMAINV関数の実務活用例

基本がわかったところで、実務で使えるパターンを紹介します。

SLAの基準時間を算出する

コールセンターで「平均10分間隔で問い合わせが来る」状況を考えましょう。3件の問い合わせに対応する合計時間について、「95%の確率で収まる上限時間」を求めます。

alpha=3（3件）、beta=10（1件あたり平均10分）です。

=GAMMAINV(0.95, 3, 10)

結果は約55.46分です。95%の確率で3件の対応は約55分以内に完了します。この値をもとに「3件対応は60分以内」とSLAを設定すれば、十分な余裕を持たせられますね。

保険金の高額請求ラインを決める

保険金請求がalpha=2、beta=50万円のガンマ分布に従うケースです。「上位5%に入る高額請求の境界額」を求めます。

=GAMMAINV(0.95, 2, 50)

結果は約224.22万円です。請求の95%が約224万円以下に収まります。この金額を超える請求を「高額」と判断する基準にできますよ。

GAMMADISTとの関係（順方向と逆方向）

GAMMAINV関数は、GAMMADIST関数の逆関数です。2つの関数は「入力と出力が逆」の関係にあります。

具体例で確認してみましょう。alpha=3、beta=10の場合です。

=GAMMADIST(40, 3, 10, TRUE)   → 約0.7619（40以下の確率）
=GAMMAINV(0.7619, 3, 10)      → 約40.00

GAMMADISTに40を入れると確率0.7619が返り、GAMMAINVに0.7619を入れると40が返ります。お互いの結果を入れ替えても元に戻るということですね。

使い分けのポイントは次のとおりです。

• 「40分以内に収まる確率は？」 → GAMMADIST関数（値がわかっていて確率を知りたい）
• 「95%で収まる時間は何分？」 → GAMMAINV関数（確率がわかっていて値を知りたい）

新しい関数名を使う場合はGAMMA.INV関数とGAMMA.DIST関数の組み合わせになります。

ExcelからスプレッドシートへのGAMMAINV移行ガイド

ExcelからGoogleスプレッドシートに移行するとき、GAMMAINVまわりで知っておくべきポイントをまとめました。

移行時に確認すべき3つのポイント

1. 既存のGAMMAINV数式はそのまま動く

ExcelファイルをGoogleスプレッドシートにインポートしたとき、GAMMAINVの数式はそのまま正常に動作します。自動変換や手動書き換えは不要です。

2. 新規作成時はGAMMA.INVを推奨

既存の数式はそのままで問題ありませんが、新しく数式を書く場合はGAMMA.INV関数を使いましょう。将来的な互換性を考えると、推奨関数を使っておくのが安心です。

3. 他の旧関数名も同じルール

GAMMAINVだけでなく、統計関数は多くが「ピリオドなし→ピリオドあり」に移行しています。

どの関数も「旧名で書いた数式はそのまま動く。新しく書くなら新名を使う」が基本の考え方です。

よくあるエラーと対処法

GAMMAINV関数でつまずきやすいポイントをまとめました。

確率に0以下や1以上を指定して#NUM!エラー

確率は「0より大きく1より小さい値」でなければなりません。0や1、負の数を指定すると#NUM!エラーになります。

=GAMMAINV(0, 3, 10)    ← #NUM! エラー
=GAMMAINV(1, 3, 10)    ← #NUM! エラー
=GAMMAINV(-0.5, 3, 10) ← #NUM! エラー

他のセルの計算結果を確率として渡すときは、値が0〜1の範囲内か確認しておきましょう。

alphaに0以下を指定して#NUM!エラー

alphaは正の数値が必要です。0や負の値を指定するとエラーになります。

=GAMMAINV(0.5, 0, 10)   ← #NUM! エラー

betaに0以下を指定して#NUM!エラー

betaも正の数値が必要です。0以下はエラーです。

=GAMMAINV(0.5, 3, 0)    ← #NUM! エラー

引数に文字列を渡して#VALUE!エラー

数値であるべき引数にテキストが入ると#VALUE!エラーになります。セル参照を使うときは、参照先が数値になっているか確認してくださいね。

まとめ

GAMMAINV関数は、ガンマ分布で累積確率から値を逆算する互換関数です。

• GAMMA.INV関数と引数・計算結果は完全に同じ。違いは関数名だけ
• Excelの旧バージョン（2007以前）で標準だった関数名で、Googleスプレッドシートでも使える
• 既存シートのGAMMAINV数式は書き換え不要。そのまま動く
• 新しく数式を書くときはGAMMA.INV関数を推奨
• SLA設計で「95%で収まる時間」を算出したり、保険金の高額請求ラインを設定したりできる
• 確率に0や1を指定すると#NUM!エラー。alphaとbetaは正の数で指定する

ExcelからGoogleスプレッドシートへ移行した方は、まず既存の数式がそのまま動くことを確認してみてください。その上で、新しく書く数式から少しずつGAMMA.INVに切り替えていくのがおすすめですよ。

名前がよく似た関数が2つあると、どちらを使えばいいか迷いますよね。間違えたら計算結果が変わるのでは、と不安にもなります。

結論から言うと、HYPGEOMDIST関数はHYPGEOM.DIST関数の互換バージョンです。この記事ではGoogleスプレッドシートでのHYPGEOMDIST関数の使い方を、構文・引数から実務活用、そしてよくある疑問まで解説します。HYPGEOM.DIST関数との関係もはっきりさせますよ。

スプレッドシートのHYPGEOMDIST関数とは

HYPGEOMDIST関数（読み方: ハイパージオムディスト関数）は、超幾何分布（ちょうきかぶんぷ）にもとづいて確率を返す互換関数です。「HYPGEOM」は「Hypergeometric（超幾何）」、「DIST」は「Distribution（分布）」の略です。

超幾何分布とは、非復元抽出にもとづく確率分布のことです。非復元抽出とは、取り出したものを戻さずに次を引く方法です。くじ引きで当たりを引いたら袋に戻さずに次を引く場面をイメージしてください。引くたびに残りの枚数が減るので、毎回の当選確率が変わります。

たとえば次のような場面で使います。

• 100個の部品から10個を抜き取って不良品を調べる検査
• 20枚のくじから5枚を引いて当たりが何枚出るかの確率
• 在庫50個のうち不良品が3個あるとき、8個抜き取って全部良品の確率
• アンケート回収500件のうち特定回答100件あるとき、ランダムに50件抽出した場合の含有数の確率
• カードゲームの山札40枚（うち目当てのカード4枚）から手札5枚に1枚以上含まれる確率

NOTE

HYPGEOMDIST関数はHYPGEOM.DIST関数の互換関数です。計算結果はHYPGEOM.DISTのFALSE（確率質量）と同じですが、累積確率は求められません。Googleの公式ドキュメントではHYPGEOM.DISTが推奨されています。新しく数式を書くときはHYPGEOM.DISTを使いましょう。

二項分布（BINOMDIST）との違い

超幾何分布とよく対比されるのが二項分布です。両者は「成功・失敗の2値の試行」という点で似ていますが、決定的な違いは次のとおりです。

母集団のサイズが標本に対してとても大きいときは、超幾何分布と二項分布の差はほぼなくなります。実務的な目安として、標本サイズが母集団の5%以下なら二項分布で代用できると言われています。

HYPGEOMDIST関数の書き方（構文と引数）

基本構文

=HYPGEOMDIST(成功数, 標本サイズ, 母集団成功数, 母集団サイズ)

カッコの中に4つの引数を指定します。HYPGEOM.DIST関数の5番目の引数（cumulative）がない点が大きな違いです。

引数の説明

引数の並びは「標本→母集団」の流れです。まず「引いた中の当たり数」「何個引いたか」を指定します。次に「全体の当たり数」「全体の個数」を指定します。

TIP

引数に小数を指定すると、小数部分は切り捨てられます。たとえば2.7は2として処理されますよ。

数式の中身（COMBIN関数とのつながり）

HYPGEOMDIST関数が裏で行っている計算は、組合せの考え方（COMBIN関数）にもとづいています。次のような式で表されます。

=COMBIN(母集団成功数, 成功数) * COMBIN(母集団サイズ-母集団成功数, 標本サイズ-成功数) / COMBIN(母集団サイズ, 標本サイズ)

「当たりの中から成功数を引く組合せ」と「ハズレの中から残りを引く組合せ」をかけて、「全体から標本を引く組合せ」で割っているわけです。HYPGEOMDISTはこの計算を1つの式に閉じ込めてくれているので、自分で組合せを書く必要はありません。

たとえば次の2つの式は同じ結果になります。

=HYPGEOMDIST(2, 5, 3, 10)
=COMBIN(3, 2) * COMBIN(7, 3) / COMBIN(10, 5)

どちらも約0.4167です。理屈を知っておくと、エラーが出たときに原因を見極めやすくなりますよ。

HYPGEOM.DISTとの引数比較

HYPGEOMDIST関数とHYPGEOM.DIST関数の引数を並べて比較してみましょう。

最初の4つは同じです。HYPGEOM.DISTだけに5番目のcumulative引数があります。HYPGEOMDISTは常に確率質量（HYPGEOM.DISTのFALSE相当）を返します。

HYPGEOMDIST関数の基本的な使い方

実際に数式を入力して確率を求めてみましょう。10枚のくじがあり、そのうち3枚が当たりです。5枚引いたときに、ちょうど2枚が当たる確率を計算します。

=HYPGEOMDIST(2, 5, 3, 10)

結果は約0.4167（41.7%） です。5枚引けばほぼ半分の確率で2枚当たることがわかります。

各当たり枚数の確率も見てみましょう。

1枚当たりと2枚当たりの確率がもっとも高く、同じ値になっています。合計するとちょうど1.0000（100%）になりますよ。

セル参照で値を変えて試す

引数を直接書くよりも、セル参照を使うほうが実務的です。次のように表を組むと、母集団サイズや成功数を変えるだけで再計算できます。

D2を10から20に変えれば、母集団サイズが増えたときの確率変化を観察できます。シミュレーションが手早くできて便利ですよ。

品質検査での活用例

品質管理の現場でも活用できます。100個の部品のうち不良品が5個あるロットから、10個を抜き取り検査する場面を考えましょう。

不良品が1個も含まれない確率を求めます。

=HYPGEOMDIST(0, 10, 5, 100)

結果は約0.5838（58.4%） です。不良品率5%のロットでも、10個の抜き取りでは約58%の確率で不良品がゼロになります。検査の精度を見積もるときに使えますよ。

逆に「抜き取り検査で不良品を1個でも検出できる確率」は、次のように余事象で計算します。

=1 - HYPGEOMDIST(0, 10, 5, 100)

結果は約0.4162（41.6%） です。10個抜くだけでは、不良品を見逃す可能性が約58%もあるとわかります。検査サンプル数を増やす根拠としても使えるデータですね。

「k個以上」の確率を求めるには

HYPGEOMDIST関数には累積確率の機能がありません。「k個以上」の確率を求めるには、個別の確率を足し合わせる必要があります。

たとえば「10枚のくじ（当たり3枚）から5枚引いて、2枚以上当たる確率」は次のように計算します。

=HYPGEOMDIST(2, 5, 3, 10) + HYPGEOMDIST(3, 5, 3, 10)

結果は約0.5000（50.0%） です。2枚当たる確率と3枚当たる確率を足しています。

ただし、場合の数が多いと個別に足すのは大変です。そんなときはHYPGEOM.DIST関数のTRUE（累積確率）を使うほうが簡単ですよ。

=1 - HYPGEOM.DIST(1, 5, 3, 10, TRUE)

累積確率を使えるのがHYPGEOM.DISTの大きなメリットです。

実務シナリオ別のHYPGEOMDIST活用

シナリオ1: 抜き取り検査の合格基準を作る

「100個のロットから20個抜いて、不良品が2個以下なら合格」というルールがあったとします。実際の不良率が10%のとき、このロットが合格になる確率はいくつでしょうか。

母集団サイズ100、母集団成功数（不良品数）10、標本サイズ20として、成功数0、1、2の合計を求めます。

=HYPGEOMDIST(0, 20, 10, 100) + HYPGEOMDIST(1, 20, 10, 100) + HYPGEOMDIST(2, 20, 10, 100)

結果は約0.6695（67.0%） です。不良率10%のロットでも、67%の確率で合格と判定されてしまうとわかります。検査基準が緩いことが数字で見える化されますね。基準を厳しくすべきか、サンプル数を増やすべきかの議論につながります。

シナリオ2: アンケートのサンプル代表性をチェック

500件のアンケートを回収して、そのうち100件が特定の回答（たとえば「商品Aを購入したい」）だったとします。ランダムに50件を抽出して詳細分析したとき、抽出した50件に「商品Aを購入したい」が15件以上含まれる確率を求めます。

=1 - (HYPGEOMDIST(0, 50, 100, 500) + HYPGEOMDIST(1, 50, 100, 500) + ... + HYPGEOMDIST(14, 50, 100, 500))

ただし15個分を足すのは大変なので、ここは累積確率に対応したHYPGEOM.DIST関数を使うほうが圧倒的に楽です。

=1 - HYPGEOM.DIST(14, 50, 100, 500, TRUE)

このように「個数が多くなる累積計算」は、HYPGEOM.DISTに乗り換える典型的なケースです。

シナリオ3: イベント抽選の当選見込み

社内イベントで30人の社員から3人を抽選し、3人とも営業部（営業部の人数は12人）に当たる確率を求めてみます。

=HYPGEOMDIST(3, 3, 12, 30)

結果は約0.0542（5.4%） です。営業部の割合が4割なのに、3人連続で当たる確率は5%程度しかありません。抽選結果が偏っていないかの目安にもなります。

標本サイズと精度のトレードオフ

抜き取り検査やサンプル調査では、「どのくらい抜けば信頼できるか」が永遠のテーマです。HYPGEOMDIST関数を使えば、標本サイズを変えながら検出力を確認できます。

たとえば「100個中5個が不良品のロット」から不良品を1個以上検出する確率を、標本サイズ別に求めてみましょう。

=1 - HYPGEOMDIST(0, 5, 5, 100)    ← 5個抜き取り
=1 - HYPGEOMDIST(0, 10, 5, 100)   ← 10個抜き取り
=1 - HYPGEOMDIST(0, 20, 5, 100)   ← 20個抜き取り
=1 - HYPGEOMDIST(0, 30, 5, 100)   ← 30個抜き取り

標本サイズを増やすほど検出力は上がりますが、検査コストもかさみます。許容できる見逃しリスクと相談しながら標本サイズを決める、その判断材料になりますよ。

HYPGEOM.DIST関数との違い・どちらを使うべき？

HYPGEOMDIST関数とHYPGEOM.DIST関数の関係を整理しましょう。

結論としては、新しく数式を書くときはHYPGEOM.DISTを使いましょう。理由は次の3つです。

1. Googleの公式ドキュメントでHYPGEOM.DISTが推奨されている
2. 累積確率（TRUE）を使えるため、「k個以下」の確率を1つの数式で求められる
3. ExcelでもHYPGEOM.DISTが標準で、互換性が高い

ただし、既存のスプレッドシートでHYPGEOMDISTが使われている場合は慌てて書き換える必要はありません。確率質量の計算結果は同じなので、そのまま動き続けますよ。

TIP

HYPGEOM.DIST関数の詳しい使い方（累積確率の活用、品質検査への応用、BINOM.DISTとの使い分けなど）はHYPGEOM.DIST関数の解説記事で詳しく紹介しています。

HYPGEOMDISTからHYPGEOM.DISTへの書き換え

既存の数式を書き換えるなら、関数名を変更して5番目にFALSEを追加するだけです。

=HYPGEOMDIST(2, 5, 3, 10)           ← 互換関数
=HYPGEOM.DIST(2, 5, 3, 10, FALSE)   ← 推奨関数（FALSEを追加）

どちらも結果は0.4167です。HYPGEOMDISTは常にFALSE（確率質量）相当の値を返すので、書き換えるときは必ずFALSEを指定してくださいね。

スプレッドシートの「検索と置換」機能（Ctrl+H）を使えばシート内のHYPGEOMDISTをまとめて見つけられます。ただし引数の追加が必要なため、BINOM.DIST関数やBINOMDIST関数のように単純な名前の置換だけでは完了しません。1つずつ5番目の引数を追加していきましょう。

関連する確率分布関数

スプレッドシートには似た役割の確率分布関数がいくつかあります。場面に応じて使い分けましょう。

母集団が有限で、なおかつ抜き出した個体を戻さない場面では超幾何分布（HYPGEOMDIST）が正解です。

よくあるエラーと対処法

HYPGEOMDIST関数でつまずきやすいポイントをまとめました。

#NUM! エラー: 成功数が標本サイズを超えている

成功数は標本サイズ以下でなければなりません。「5個引いて6個当たる」は起こりえないのでエラーになります。

=HYPGEOMDIST(6, 5, 3, 10)   ← #NUM! エラー

引数の順番を間違えていないか確認してみてください。

#NUM! エラー: 母集団成功数が母集団サイズを超えている

母集団成功数は母集団サイズ以下でなければなりません。「全体100個のうち当たり120個」は矛盾しています。

=HYPGEOMDIST(2, 5, 120, 100)   ← #NUM! エラー

#NUM! エラー: 成功数が母集団成功数を超えている

当たりが全部で3個しかないのに、5個当てることはできません。

=HYPGEOMDIST(5, 10, 3, 100)   ← #NUM! エラー

#NUM! エラー: 標本サイズが母集団サイズを超えている

10個しかない母集団から15個引くことはできません。

=HYPGEOMDIST(2, 15, 3, 10)   ← #NUM! エラー

母集団サイズより大きな標本を指定していないか確認しましょう。

#VALUE! エラー: 引数に文字列が入っている

数値であるべき引数にテキストが入ると#VALUE!エラーです。セル参照を使うときは、参照先が数値であることを確認しましょう。

累積確率を求めようとしてエラーになるケース

HYPGEOMDIST関数にはcumulative引数がありません。5番目の引数を指定するとエラーになります。累積確率が必要な場合はHYPGEOM.DIST関数を使ってくださいね。

引数の意味を取り違えるミス

HYPGEOMDISTの引数順は「成功数 → 標本サイズ → 母集団成功数 → 母集団サイズ」です。「全体 → 一部」の順ではなく「一部 → 全体」の順なので、感覚と逆かもしれません。「自分が手元で見るもの（標本）」を先に書く、と覚えるとミスを減らせますよ。

よくある質問（FAQ）

Q1. HYPGEOMDIST関数とHYPGEOM.DIST関数で、結果が違うことはありますか？

A. HYPGEOM.DISTの5番目の引数にFALSEを指定する限り、計算結果は完全に一致します。違いが出るとしたらHYPGEOM.DISTでTRUEを指定して累積確率を取った場合だけです。HYPGEOMDISTは常に確率質量（ちょうどk個の確率）しか返さないので、累積を取りたい場合は数式の構造を変える必要があります。

Q2. ExcelのHYPGEOMDIST関数とスプレッドシートのHYPGEOMDIST関数は同じですか？

A. 引数の構文も計算結果も同じです。Excel 2010以降ではHYPGEOM.DISTが標準関数となり、HYPGEOMDISTは互換関数として残されています。スプレッドシートでもこの仕様にあわせており、どちらの環境でも同じ式が動きます。

Q3. 母集団サイズが非常に大きいとき、HYPGEOMDISTとBINOMDISTのどちらを使うべきですか？

A. 標本サイズが母集団サイズの5%以下なら、BINOMDIST関数で代用してもほぼ同じ結果になります。母集団が100万のように非常に大きい場合は、計算負荷が軽い二項分布で十分なケースが多いです。ただし母集団が小さい（数十から数百）場面ではHYPGEOMDIST（またはHYPGEOM.DIST）のほうが正確です。

Q4. 累積確率（k個以下の確率）はHYPGEOMDISTで求められませんか？

A. 求められません。HYPGEOMDISTは確率質量関数（PMF）専用です。累積確率関数（CDF）が必要な場合はHYPGEOM.DIST関数の5番目の引数にTRUEを指定してください。あるいは、HYPGEOMDISTを足し合わせて自前で累積を作るしかありませんが、計算量が増えるのでおすすめしません。

Q5. 引数に小数や負の数を入れるとどうなりますか？

A. 小数を入れると小数点以下が切り捨てられます（2.7は2として処理）。負の数を入れると#NUM!エラーになります。HYPGEOMDISTは「個数」を扱う関数なので、引数はすべて0以上の整数（または整数として解釈される値）でなければなりません。

Q6. HYPGEOMDISTの結果が0になるのはどんなときですか？

A. 物理的にありえない組合せを指定したときに0が返ることがあります。たとえば「全体100個のうち当たりが0個のとき、当たりを1個引く確率」は当然ゼロです。式が動いているのに結果が0なら、引数の値が現実的かを再確認しましょう。

Q7. ArrayFormulaやMAPと組み合わせて、複数行を一括計算できますか？

A. 可能です。範囲を指定して=ArrayFormula(HYPGEOMDIST(A2:A10, B2:B10, C2:C10, D2:D10))のように書けば一気に計算できます。シミュレーション表を作るときに便利ですよ。最新のスプレッドシートではMAP関数やBYROW関数を使う方法もあります。

まとめ

HYPGEOMDIST関数は、超幾何分布（非復元抽出の確率分布）にもとづいて確率を求める互換関数です。

• HYPGEOM.DIST関数の旧バージョンで、確率質量の計算結果は完全に同じ
• 引数は4つで、HYPGEOM.DISTの5番目のcumulative引数がない
• 常に確率質量（「ちょうどk個当たる確率」）のみを返す
• 累積確率（「k個以下の確率」）が必要ならHYPGEOM.DISTを使おう
• 新しく数式を書くときはHYPGEOM.DISTがおすすめ
• 既存のHYPGEOMDIST数式はそのまま動くので、急いで書き換えなくてOK
• 計算はCOMBIN関数による組合せの比で表現できる
• 標本サイズが母集団の5%以下ならBINOMDIST関数で代用できる
• 成功数 > 標本サイズなどの矛盾した値を指定すると#NUM!エラー
• ほかの互換関数（BINOMDIST関数、POISSON関数、NEGBINOMDIST関数など）も同様に現行関数への移行が推奨されている

HYPGEOMDISTとHYPGEOM.DISTで迷ったら、HYPGEOM.DISTを選んでおけば間違いありません。既存ファイルのHYPGEOMDISTも問題なく動くので、安心してくださいね。抜き取り検査やサンプル抽出の現場で、母集団が有限な確率を計算したいときに頼れる関数です。

結論からいえば、スプレッドシートでもTTEST関数はそのまま使えます。ただし互換性のために残されている旧関数です。新規に数式を組むならT.TEST関数への切り替えがおすすめですよ。

この記事ではTTEST関数の書き方から使い方、T.TESTとの違いやエラー対処法まで解説します。

スプレッドシートのTTEST関数とは

TTEST関数（読み方: ティーテスト関数）は、2つのデータ群に統計的な差があるかを判定する関数です。戻り値はp値（ピーち：偶然その差が生じる確率）です。p値が小さいほど「有意な差がある」と判断できます。

名前の「T」はt検定（ティーけんてい：2群の平均値の差を統計的に検定する手法）の「t」に由来します。もともとExcelの初期バージョンから搭載されていた関数です。Excel 2010以降に登場したT.TEST関数の前身にあたります。

Googleスプレッドシートでも動作しますが、公式には「互換関数」という位置づけです。

TTEST関数にできることを整理すると、次のとおりです。

• 2つのグループのデータに統計的な差があるか判定する
• 片側検定（方向あり）と両側検定（方向なし）を切り替えられる
• 対応あり・等分散・不等分散の3タイプのt検定に対応する
• Excelから移行した既存シートをそのまま動かす

NOTE

TTEST関数はGoogleスプレッドシートの全バージョンで使えます。ExcelにもTTEST関数があり、動作は同じです。

T.TESTの互換関数である理由

Excel 2010で統計関数が刷新されました。TTEST関数はドット付きのT.TESTに置き換えられています。Googleスプレッドシートも同じ方針を採用しています。

互換関数は「古いシートが壊れないように残してある関数」です。新旧で結果はまったく同じですが、Googleの公式ヘルプではT.TESTの使用を推奨しています。

TTEST関数の書き方

基本構文と4つの引数

=TTEST(範囲1, 範囲2, tails, type)

カッコの中に4つの引数を指定します。すべて必須です。

tails引数の選び方

• tails=2（両側検定）: 「AとBに差があるか？」を調べます。方向は問いません
• tails=1（片側検定）: 「AはBより大きいか？」など方向が決まっている場合に使います

迷ったらtails=2を選んでください。実務では両側検定が標準です。

type引数の選び方

• type=1（対応あり）: 同じ対象の前後比較に使います。例: 同じ社員の研修前後テスト
• type=2（等分散）: 2群が独立で、分散（ばらつき）が等しいとき
• type=3（不等分散）: 2群が独立で、分散が等しいか不明なとき。ウェルチのt検定（分散が異なるデータにも使える検定）と呼ばれます

実務ではtype=3が安全です。等分散でも不等分散でも正しく機能しますよ。

TIP

tails・typeに小数を指定した場合は整数に切り捨てられます。たとえばtails=2.9は2として扱われます。また、範囲内の数値以外の要素（文字列や空白セル）は無視されます。

TTEST関数の基本的な使い方

対応のあるt検定の例

同じ5人の社員に対して、研修前後のテストスコアを比較する例です。

同じ社員の前後データなので、type=1（対応あり）を使います。差の方向は問わないので、tails=2（両側検定）です。

=TTEST(A2:A6,B2:B6,2,1)

結果は約0.0018です。有意水準（ゆういすいじゅん：判定の基準となる確率）5%（0.05）より小さいですね。「研修前後で有意な差がある」と判断できます。

NOTE

type=1（対応あり）では範囲1と範囲2のデータ数を揃えてください。1行目と1行目がペアになります。データ数が異なると#N/Aエラーが出ます。

対応のないt検定の例

東京支店と大阪支店の月間売上を比較する例です。支店数が異なる2グループの比較です。

東京は6か月分、大阪は5か月分のデータです。異なるグループなのでtype=3（不等分散）を使います。データ数が違っても問題ありません。

=TTEST(A2:A7,B2:B6,2,3)

結果は約0.0012です。0.05よりかなり小さいので「2拠点の売上に有意な差がある」と判断できます。

tails=2（両側検定）なので、わかることは「差がある」ということだけです。「東京のほうが高い」と言いたい場合は、平均値の差もあわせて確認してくださいね。

TTESTとT.TESTの違い

TTEST関数とT.TEST関数の違いを一覧にまとめます。

結論として機能はまったく同じです。引数も結果も一致します。違いは名前だけです。

=TTEST(A2:A6,B2:B6,2,3)
=T.TEST(A2:A6,B2:B6,2,3)

この2つの数式はまったく同じ値を返します。

TTEST関数を使う場面があるとすれば、古いExcelファイル（.xls形式）を受け取った場合です。ファイル内の既存数式に合わせてそのまま使えばよいでしょう。新しく数式を書くときはT.TEST関数を使ってみてください。

TIP

既存シートのTTEST数式を移行するのは簡単です。「検索と置換」（Ctrl + H）で TTEST( を T.TEST( に一括置換するだけでOKですよ。引数の順番も個数も変わりません。

よくあるエラーと対処法

TTEST関数で出やすいエラーを3つ紹介します。

#N/A エラー

type=1（対応あり）で範囲1と範囲2のデータ数が異なると発生します。対応ありt検定はペアでの比較が前提です。データ数を揃えるか、type=3（不等分散）に変更してください。

#NUM! エラー

引数の数値が範囲外のときに発生します。原因は次のいずれかです。

• tailsが1でも2でもない: tailsには1か2だけを指定できます
• typeが1・2・3のいずれでもない: typeは1〜3の整数です

#VALUE! エラー

引数に数値以外（文字列など）が入っている場合に発生します。tails や type に文字列を渡していないか確認してみてください。セル参照先が空白や文字列になっているケースも多いですよ。

計算結果がおかしいと感じたら

エラーは出ないのに期待と違う結果になるケースもあります。

1. typeの選択を見直す: 前後比較なのにtype=3を使っていませんか。同じ対象の前後データならtype=1です
2. tailsの選択を見直す: 片側（tails=1）と両側（tails=2）ではp値が約2倍異なります
3. データに空白行がないか確認: 空白セルは無視されますが、範囲がずれる原因になります

TIP

t検定の結果をさらに深掘りしたい場合は、TDIST関数やTINV関数も活用できます。p値から臨界値を求めたり、t分布の確率を確認したりできますよ。新関数のT.DIST関数やT.INV関数もあわせてチェックしてみてください。

まとめ

TTEST関数は、2群のデータに統計的な差があるかを判定する互換関数です。要点を整理しておきましょう。

• TTEST(範囲1, 範囲2, tails, type) でp値を返す
• tails: 1=片側検定、2=両側検定。迷ったら2
• type: 1=対応あり、2=等分散、3=不等分散。迷ったら3
• T.TEST関数と引数・結果はまったく同じ
• 新規に数式を書くならドット付きのT.TESTがおすすめ
• 既存シートの置き換えは TTEST( → T.TEST( の一括置換でOK

Excelから移行したシートでTTEST関数を見かけたら、この記事を参考に読み解いてみてください。新しく作る数式ではT.TEST関数を使ってみましょう。

名前がよく似た関数が2つあると、どちらを使えばいいか迷いますよね。間違えたら計算結果が変わるのでは、と不安にもなります。

結論から言うと、BINOMDIST関数はBINOM.DIST関数の互換バージョンです。この記事ではGoogleスプレッドシートでのBINOMDIST関数の使い方を、構文・引数から実務活用まで解説します。BINOM.DIST関数との関係もはっきりさせますよ。

スプレッドシートのBINOMDIST関数とは

BINOMDIST関数（読み方: バイノムディスト関数）は、二項分布にもとづいて確率を返す互換関数です。「BINOM」は「Binomial（二項）」、「DIST」は「Distribution（分布）」の略です。

二項分布とは、「成功か失敗か」の2択を繰り返したとき、成功が何回起きるかの確率分布のことです。たとえば次のような場面で使います。

• 不良品率5%の製品を20個検査して、不良品が2個以下になる確率
• アンケートを100人に送って、50件以上回収できる確率
• 成約率30%の営業が月20件商談して、8件以上成約する確率

NOTE

BINOMDIST関数はBINOM.DIST関数の互換関数です。計算結果は完全に同じですが、Googleの公式ドキュメントではBINOM.DISTが推奨されています。新しく数式を書くときはBINOM.DISTを使いましょう。

BINOMDIST関数の書き方（構文と引数）

基本構文

=BINOMDIST(成功回数, 試行回数, 成功確率, 累積)

カッコの中に4つの引数を指定します。

引数の並びも意味も、BINOM.DIST関数とまったく同じです。

TIP

成功回数に小数を指定すると、小数部分は切り捨てられます。たとえば2.7は2として処理されますよ。

TRUE/FALSEの違い

4番目の引数で、返ってくる値の意味が変わります。

• FALSE（確率質量）: ちょうどx回成功する確率を返す
• TRUE（累積確率）: x回以下成功する確率の合計を返す

たとえば「10回コインを投げて、ちょうど3回表が出る確率」なら次のとおりです。

=BINOMDIST(3, 10, 0.5, FALSE)

結果は約0.1172（11.7%） です。

「3回以下表が出る確率」なら、4番目をTRUEに変えます。

=BINOMDIST(3, 10, 0.5, TRUE)

結果は約0.1719（17.2%） です。0回+1回+2回+3回の確率を合計した値ですね。

BINOMDIST関数の基本的な使い方

実際の業務場面で使ってみましょう。ここでは品質管理の例で説明します。

例: 不良品率5%の製品を50個検査して、不良品が3個以下になる確率

=BINOMDIST(3, 50, 0.05, TRUE)

結果は約0.7604（76.0%） です。約76%の確率で不良品が3個以下に収まるとわかります。

「不良品が1個以下」の確率も出してみましょう。

=BINOMDIST(1, 50, 0.05, TRUE)

結果は約0.2794（27.9%） です。品質管理の合格基準を決めるときの根拠にできますよ。

「x回以上」の確率を求めるには

BINOMDIST関数のTRUEは「x回以下」の確率を返します。「x回以上」が欲しいときは、1から引き算します。

=1 - BINOMDIST(x-1, 試行回数, 成功確率, TRUE)

たとえば「回収率40%のアンケートを100人に送って、50件以上回収できる確率」はこうです。

=1 - BINOMDIST(49, 100, 0.4, TRUE)

結果は約0.0271（2.7%） です。「x-1」にする点がポイントですね。「50件以上」には「ちょうど50件」も含むため、49件以下の累積確率を1から引きます。

BINOM.DIST関数との違い・どちらを使うべき？

BINOMDIST関数とBINOM.DIST関数の関係を整理しましょう。

結論としては、新しく数式を書くときはBINOM.DISTを使いましょう。理由は次の3つです。

1. Googleの公式ドキュメントでBINOM.DISTが推奨されている
2. ExcelでもBINOM.DISTが標準で、互換性が高い
3. 将来的にBINOMDISTが廃止される可能性がゼロではない

ただし、既存のスプレッドシートでBINOMDISTが使われている場合、慌てて書き換える必要はありません。計算結果は同じなので、そのまま動き続けますよ。

TIP

BINOM.DIST関数の詳しい使い方（TRUE/FALSEの比較表、実務活用3パターンなど）はBINOM.DIST関数の解説記事で詳しく紹介しています。

BINOMDISTからBINOM.DISTへの書き換え

既存の数式を書き換えるなら、関数名を置き換えるだけです。引数はそのままで問題ありません。

=BINOMDIST(3, 10, 0.5, TRUE)   ← 互換関数
=BINOM.DIST(3, 10, 0.5, TRUE)  ← 推奨関数（引数はそのまま）

スプレッドシートの「検索と置換」機能（Ctrl+H）を使えば、シート内のBINOMDISTをBINOM.DISTに一括で書き換えることもできますよ。

よくあるエラーと対処法

BINOMDIST関数でつまずきやすいポイントをまとめました。

#NUM! エラー: 成功回数が試行回数を超えている

成功回数は試行回数以下でなければなりません。「10回の試行で15回成功」は起こりえないのでエラーになります。

=BINOMDIST(15, 10, 0.5, TRUE)   ← #NUM! エラー

引数の順番を間違えていないか確認してみてください。

#NUM! エラー: 成功確率が0〜1の範囲外

成功確率は0から1の間で指定します。50%なら「50」ではなく「0.5」と入力してください。

=BINOMDIST(3, 10, 50, TRUE)   ← #NUM! エラー（50ではなく0.5）

#VALUE! エラー: 引数に文字列が入っている

数値であるべき引数にテキストが入ると#VALUE!エラーです。セル参照を使うときは、参照先が数値であることを確認しましょう。

TRUE/FALSEの指定間違い

4番目の引数は省略できません。TRUEとFALSEでは結果がまったく異なります。「ちょうどx回の確率」を求めたいのにTRUEを指定すると、累積値が返ってしまいますよ。

まとめ

BINOMDIST関数は、二項分布（成功/失敗の2択）にもとづいて確率を求める互換関数です。

• BINOM.DIST関数の旧バージョンで、計算結果は完全に同じ
• 4番目の引数にFALSEで「ちょうどx回の確率」、TRUEで「x回以下の確率」を返す
• 新しく数式を書くときはBINOM.DISTを使うのがおすすめ
• 既存のBINOMDIST数式はそのまま動くので、急いで書き換えなくてOK
• 成功回数 > 試行回数や、確率が0〜1の範囲外だと#NUM!エラー
• 「x回以上」を求めるには =1 - BINOMDIST(x-1, n, p, TRUE) と書く
• 二項分布の確率から成功回数を逆算したいときはBINOM.INV関数が便利

BINOMDISTとBINOM.DISTで迷ったら、BINOM.DISTを選んでおけば間違いありません。既存ファイルのBINOMDISTも問題なく動くので、安心してくださいね。