対数正規分布という少し難しい名前の分布ですが、品質管理や金融分析の現場では非常によく登場します。LOGINV関数を使えば、確率を入力するだけで対応する値（時間や金額）を逆算できます。

この記事では、LOGINV関数の構文から、引数の意味、故障時間分析の実例、後継関数LOGNORM.INVへの移行方法、関連関数との使い分けまでをまとめて整理します。

ExcelのLOGINV関数とは？

ExcelのLOGINV関数（読み方：ログインバース）は、対数正規分布の累積分布関数の逆関数値を返す関数です。関数名は「LOGarithmic INVerse（対数の逆関数）」の略です。

ざっくり言うと、「下側からx％の点はどこ？」という質問に答えてくれる関数です。たとえば「故障率10％となる稼働時間」「上位5％に入る所得水準」といった値を、確率から逆算してくれます。

対数正規分布とは、データそのものではなく そのデータの自然対数を取った値が正規分布に従う ような分布のことです。0以上の値しか取らず、右に長く裾を引く形になります。次のような場面でよく使われます。

• 株価や為替レートの変動分布
• 所得や資産の分布（ピケティ分析でもおなじみ）
• 機械や電子部品の故障時間（信頼性工学）
• 化学反応物質の濃度分布

LOGINV関数は、Excel 2007以前から提供されている 旧式の関数です。Excel 2010以降では「互換性関数」のグループに分類されています。後継として LOGNORM.INV関数（ドット入り）が用意されていますが、LOGINV関数も後方互換性のために引き続き使えます。

NOTE

「互換性関数」は古いブックでも問題なく動くように維持されている関数群です。新規作成のワークブックでは新関数（LOGNORM.INV）が推奨されますが、既存のテンプレートやマクロでLOGINVを見かけても、計算結果は新関数とまったく同じです。

LOGINV関数の書き方（構文と引数）

LOGINV関数の構文は次のとおりです。

=LOGINV(x, mean, standard_deviation)

引数は3つで、すべて必須です。

戻り値は、対数正規分布の累積確率がxとなるような値（0より大きい実数）です。たとえば x=0.5 を指定すると、対数正規分布の中央値（メジアン）が返ります。

ここで注意したいのが、mean と standard_deviation は 元データそのものの平均・標準偏差ではなく、元データの自然対数（ln）を取った値の平均・標準偏差 だという点です。

=LOGINV(0.4, 4, 6)

このように記述すると、ln(x)の平均が4、標準偏差が6の対数正規分布で、累積確率が0.4となる点の値が返ります。

実務例1：機械の故障時間を分析する（MTBF推定）

工場の生産ラインで使われる電子部品の故障時間を考えてみます。過去の故障データから、故障時間の自然対数の平均が ln(時間)=8、標準偏差が0.5 だとわかっているとします。

「故障率10％（つまり10台に1台が壊れている時点）の稼働時間は何時間か？」を知りたい場合、次の式で逆算できます。

=LOGINV(0.1, 8, 0.5)

このサンプルでは、約1,571時間という値が返ります。つまり「稼働開始から約1,571時間経過する頃には、全体の10％が故障している」と読み取れます。

同じ要領で、信頼性のしきい値を変えながら計算すると保証期間の設計に使えます。

中央値（x=0.5）の約2,981時間がいわゆる MTBF（平均故障間隔）の目安 になります。x=0.9 まで見れば「9割の部品はこの時点までに壊れる」という保証期間の設計判断に使えます。

TIP

故障時間データから mean と standard_deviation を求めるときは、まずデータごとに =LN(時間) で自然対数を取り、その列に =AVERAGE(...) と =STDEV.S(...) を適用すると簡単です。

実務例2：株価の分布から想定レンジを推定する

株価のリターン分析でも、対数正規分布はおなじみの仮定です。仮にある銘柄の1年後の予想株価について、ln(株価)の平均が7、標準偏差が0.3 と推定されているとします。

「1年後、株価が下位10％に収まるラインはいくらか？」「上位10％（つまり累積確率0.9）まではどこまで上がりうるか？」をLOGINVで計算してみます。

=LOGINV(0.1, 7, 0.3)
=LOGINV(0.9, 7, 0.3)

このサンプルでは、おおよそ 745円〜1,610円 の範囲が「中央80％の想定株価帯」として返ります。リスク管理の現場では、この上限・下限を VaR（バリュー・アット・リスク） の参考値として活用します。

WARNING

standard_deviation に0以下の値を入れると #NUM! エラーになります。元データが対数を取った後の値であることを忘れて、マイナスの平均などをそのまま入れないよう注意しましょう。

LOGNORM.INV関数（新関数）との違い・使い分け

Excel 2010以降では、後継の LOGNORM.INV関数（ドット入り）が用意されています。

引数の名前こそ少しだけ違いますが、順番も意味もまったく同じです。関数名を LOGINV から LOGNORM.INV に書き換えるだけで移行が完了します。

=LOGINV(0.1, 8, 0.5)
=LOGNORM.INV(0.1, 8, 0.5)

上記2つの数式は、まったく同じ値（約1,571）を返します。

使い分けの実務指針

• 古いExcel環境（2007以前）と共有する → LOGINV
• 自分専用または新しい環境で使う → LOGNORM.INV
• 既存ブックの数式を継承する → そのまま変更不要

Microsoft公式は新関数（LOGNORM.INV）を推奨していますが、LOGINVが将来削除される予定もないので、安心して使えます。テンプレートを統一したいときは、置換機能で LOGINV( を LOGNORM.INV( にまとめて変換するのが手軽です。

よくあるエラーと対処法

特に多いのが、確率xに「100」や「90」のようにパーセント表記の整数を入れてしまうケースです。xには 0.1（10％）や 0.9（90％） のように小数で渡してください。または 10% のようにパーセント記号付きで入力してもOKです。

関連関数まとめ

LOGINV関数の周辺には、対数正規分布を扱う関数がいくつかあります。混同しやすいので役割を整理しておきます。

関係性をひと言でまとめると次のとおりです。

• 値から確率を求めたい → LOGNORMDIST または LOGNORM.DIST
• 確率から値を求めたい → LOGINV または LOGNORM.INV

つまり、LOGINV と LOGNORMDIST は互いに 逆関数の関係 になっています。たとえば =LOGNORMDIST(1571, 8, 0.5) の結果は約0.1となり、先ほどの =LOGINV(0.1, 8, 0.5) ≒ 1,571 と整合します。

正規分布の方が手に馴染んでいる方は、まず NORMDIST関数 や NORMINV関数 で正規分布の感覚をつかんでから、対数を取った世界として対数正規分布を捉えると理解が早いです。

まとめ

ExcelのLOGINV関数は、対数正規分布の累積確率を入力するだけで、対応する値を逆算できる便利な関数です。要点を整理すると次のとおりです。

• 構文: =LOGINV(x, mean, standard_deviation)
• xは0より大きく1未満 の確率値で指定する
• mean・standard_deviationは元データの自然対数（ln）を取った値 の平均・標準偏差
• standard_deviationは正の数のみ。ゼロや負の値は #NUM! エラー
• 新関数 LOGNORM.INV と引数の数も計算結果も完全に同一。新規ブックでは LOGNORM.INV を推奨

故障時間の保証期間設計、株価の想定レンジ算定、所得分布のパーセンタイル分析など、右に裾が長いデータを扱うあらゆる現場で活躍します。「下から○％の点はどこ？」という問いに答えたいときに、まず思い出してほしい関数です。

合わせて LOGNORMDIST関数 と組み合わせれば、確率と値を双方向に変換できるようになり、対数正規分布まわりの分析を自在に扱えるようになります。

ただ、引数に出てくる「lambda（ラムダ）」が何を指しているのか、迷う方が多いのが実情です。さらに cumulative を TRUE と FALSE で何が変わるのか、新関数 EXPON.DIST との違いはあるのかも気になるところですよね。

この記事では、EXPONDIST関数の構文から、lambda の意味、累積分布と確率密度の使い分け、コールセンターの待ち時間と部品故障確率の実例、新関数や POISSON関数との関係まで、まとめて整理します。

ExcelのEXPONDIST関数とは？

ExcelのEXPONDIST関数（読み方：エクスポネンシャル・ディストリビューション）は、指数分布の確率密度関数または累積分布関数の値を返す関数です。関数名は「Exponential Distribution（指数分布）」の略です。

ざっくり言うと、「ランダムなイベントが次に起こるまでの時間」を確率モデル化する関数です。コールセンターの電話到着間隔、機械部品の故障までの寿命、Webサーバーへのアクセス間隔などが該当します。これらは ポアソン過程（独立にランダムで発生するイベント）に従う現象で、その待ち時間が指数分布になります。

EXPONDIST関数は、Excel 2007以前から提供されている 互換性関数です。Excel 2010以降では後継として EXPON.DIST関数（ドット入り）が用意されています。EXPONDIST も後方互換性のために引き続き使え、引数も計算結果も完全に同じです。

NOTE

「互換性関数」は古いブックでも問題なく動くように維持されている関数群です。新規作成のブックでは新関数（EXPON.DIST）が推奨されます。ただし既存のテンプレートやマクロで EXPONDIST を見かけても、結果は新関数とまったく同じですよ。

EXPONDIST関数の書き方（構文と引数）

EXPONDIST関数の構文は次のとおりです。

=EXPONDIST(x, lambda, cumulative)

引数は3つで、すべて必須です。

戻り値は cumulative の指定により次のようになります。

• cumulative=TRUE: 0 から x までの累積確率（x 以下である確率）
• cumulative=FALSE: x の地点における確率密度（分布の高さ）

lambda（ラムダ）引数の意味と決め方

EXPONDIST関数を使う上で最初につまずくのが lambda 引数です。これは「単位時間あたりの平均発生回数」を表します。

たとえば、コールセンターに 平均10秒に1回 電話がかかってくるなら、lambda は 1 ÷ 10 = 0.1（1秒あたり0.1回）です。部品の 平均寿命が500時間 なら、lambda は 1 ÷ 500 = 0.002（1時間あたり0.002回故障）となります。

TIP

「lambda = 1 ÷ 平均」と覚えておけば大丈夫です。x の単位（秒・分・時間）と lambda の単位は必ずそろえてください。x が秒なら lambda も秒ベースです。

cumulative 引数（TRUE / FALSE）の使い分け

cumulative の指定で戻り値の意味が変わります。実務では TRUE（累積分布） を使う場面がほとんどです。

TRUE（累積分布）の使いどころ

「○○秒以内に電話がかかってくる確率」「○○時間以内に故障する確率」のように、ある値以下である確率 を求めたいときに使います。実務で EXPONDIST を使うほとんどのケースで TRUE を選びます。

FALSE（確率密度）の使いどころ

「x 地点で分布のグラフがどれくらいの高さか」を表す値です。指数分布のグラフを Excel で描画するときや、最尤推定など統計理論で使う場面に限られます。確率そのものではない点に注意してください。

WARNING

確率密度（FALSE）の戻り値は 1を超えることがあります。先ほどの例で EXPONDIST(0.2, 10, FALSE) は約 1.35 を返しますが、これは確率ではなく密度なので問題ありません。確率値は必ず TRUE で取得しましょう。

公式ドキュメントの計算例で動作確認

Microsoft 公式ドキュメントに掲載されている計算例で動きを確認しておきます。

=EXPONDIST(0.2, 10, TRUE)   → 0.86466472
=EXPONDIST(0.2, 10, FALSE)  → 1.35335283

これは「単位時間あたり10回発生するイベントが、0.2 単位時間以内に発生する確率は約86.5%」という意味です。lambda=10、x=0.2 の組み合わせは、ちょうど 平均間隔の2倍の時間 を見ている状況なので、累積確率も0.8646…と高めに出ます。

実務例1：コールセンターの待ち時間を予測する

平均10秒に1回ペースで電話がかかってくるコールセンターで、次の電話が 何秒以内 にかかってくるかを確率で見積もってみます。

平均10秒に1回 → lambda = 1 ÷ 10 = 0.1 です。

10秒以内に次の電話が来る確率が約63%、30秒待てばほぼ確実（約95%）に来る、という読み方ができますね。

逆に「30秒以上待つ確率」を出したい場合は、累積確率の補数（1から引く）で計算できます。

=1 - EXPONDIST(30, 0.1, TRUE)

このサンプルでは約 4.98%（1 − 0.95021…）となります。「30秒経っても電話が鳴らない」のは20回に1回程度、と判断できますよ。

NOTE

平均10秒に1回というペース（lambda=0.1）でも、平均間隔ぴったりの「10秒以内に到着する確率」は100%にはならず約63.2%です。これは指数分布の有名な性質ですね。平均より早く到着するケースが約63%、平均より遅くなるケースが約37%、という非対称な分布になります。

実務例2：部品の故障確率と信頼性を計算する

平均寿命（MTBF）500時間の電子部品が、稼働開始から何時間以内に故障する確率を見積もってみます。

平均寿命500時間 → lambda = 1 ÷ 500 = 0.002 です。

「500時間（平均寿命）まで稼働できる確率」を知りたい場合は、補数で計算します。

=1 - EXPONDIST(500, 0.002, TRUE)

結果は約 36.8% です。平均寿命までもつ部品は約3個に1個、ということになります。保守計画では、こうした 無故障稼働確率（信頼度） をもとに交換タイミングを設計します。

TIP

信頼性工学では「MTBF（Mean Time Between Failures：平均故障間隔）」が指数分布の平均間隔として使われます。ただし、指数分布は「故障率が時間に依存しない」ことを前提にしているため、経年劣化が大きい部品（バッテリー等）には不向きです。摩耗や劣化を考慮するなら別途ワイブル分布の利用を検討しましょう。

EXPON.DIST関数（新関数）との違い・使い分け

Excel 2010以降では、後継の EXPON.DIST関数（ドット入り）が用意されています。

使い分けの実務指針

• 古いExcel環境（2007以前）と共有する → EXPONDIST
• 自分専用または新しい環境で使う → EXPON.DIST
• 既存ブックの数式を継承する → そのまま変更不要

引数も計算式も完全に同じなので、新規ブックではどちらを使っても結果は変わりません。Microsoft 公式は新関数（EXPON.DIST）を推奨しています。とはいえ EXPONDIST が将来削除される予定もないので、そのまま使い続けても大丈夫ですよ。

関連関数との関係性

EXPONDIST関数は、ポアソン過程の「待ち時間側」を扱う関数です。同じポアソン過程から派生する関数群と組み合わせると、確率分析の幅が広がります。

要するに、「次のイベントまでの 時間 を知りたい」なら EXPONDIST を使います。一方「単位時間あたりの 回数 を知りたい」なら POISSON関数 です。両者は同じポアソン過程の表裏の関係にあります。

たとえば「平均10秒に1回かかる電話が、1分間（60秒）に何回かかるか」を見るなら POISSON です。「次の電話までに何秒待つか」を見るなら EXPONDIST、という整理ができますね。

よくあるエラーと対処法

特に多いのが、平均間隔をそのまま lambda に入れてしまうケースです。「平均10秒」なら lambda は 10 ではなく 1 ÷ 10 = 0.1 を入れます。意味を取り違えると結果が大きくずれるので、最初に必ず確認しましょう。

まとめ

ExcelのEXPONDIST関数は、ポアソン過程に従うイベントの待ち時間や故障確率を計算できる関数です。要点を整理すると次のとおりですね。

• 構文: =EXPONDIST(x, lambda, cumulative)
• lambda は「1 ÷ 平均間隔」で計算する（単位時間あたりの平均発生回数）
• cumulative=TRUE で累積確率（x 以下である確率）を取得 ← 実務はほぼこれ
• cumulative=FALSE は確率密度（グラフ描画や統計理論用）
• 新関数 EXPON.DIST と計算結果は完全に同一。新規ブックでは EXPON.DIST を推奨
• 無故障で稼働する確率 は 1 - EXPONDIST(...) で求める

コールセンターの応答時間設計、部品の保守計画、サーバーアクセスの間隔分析など、「ランダムに発生するイベントの間隔」を確率で見積もりたい場面で活躍します。lambda の意味（平均の逆数）と cumulative の使い分けを押さえておけば、迷わず使えますよ。

合わせて POISSON関数 を使えば、同じポアソン過程の「単位時間内の発生回数」も分析できます。両者を組み合わせて、確率モデリングの引き出しを増やしておきましょう。

WEIBULL.DIST関数はワイブル分布の値（累積分布関数または確率密度関数）を計算する関数で、Excel 2010以降で推奨される現行の標準関数です。旧関数の WEIBULL は互換性維持のために残されていますが、新規シートでは WEIBULL.DIST を使うのが正解です。

この記事では、WEIBULL.DIST関数の構文、累積分布関数と確率密度関数の違い、設備保全・品質保証・信頼性分析での実務活用例まで、現場で使える形でまとめて紹介します。

WEIBULL.DIST関数とは？

読み方と語源

「ワイブル ディスト」と読みます。WEIBULL（ワイブル分布） + DIST（DISTribution＝分布）が語源です。Excel 2010で「ピリオド付き」の新世代統計関数が一斉に追加された際に、旧 WEIBULL の後継として登場しました。

ピリオド付きの新世代関数には他にも NORM.DIST（正規分布）・POISSON.DIST（ポアソン分布）・BETA.DIST（ベータ分布）などがあり、いずれも統計分布計算の標準関数として推奨されています。

ワイブル分布とは？

ワイブル分布は機器の 寿命・故障分析 に使われる確率分布です。スウェーデンの工学者 Waloddi Weibull が1951年に提唱した分布で、現在では信頼性工学・品質管理の世界標準ツールとして使われています。

ワイブル分布の特徴は、形状パラメーター（α）の値を変えるだけで 3種類の故障パターン を1つの式で表現できる点です。

製造業の現場で語られる「バスタブ曲線」は、まさにこの3パターンを時間軸で組み合わせた曲線です。WEIBULL.DIST関数を使えば、バスタブ曲線の各区間をデータから推定できます。

対応バージョン

Excel 2010以降。旧 WEIBULL 関数より優先して使用してください。Microsoft 365・Excel for the web・Excel for Mac でも利用できます。

WEIBULL.DIST関数の書き方

基本構文

=WEIBULL.DIST( x, α, β, 関数形式 )

引数の説明

αとβは過去の故障データから推定するパラメーターです。手元にデータがない段階ではメーカー仕様書の値や業界平均を仮入力し、データが蓄積されたら最尤推定（後述）で再計算するのが一般的な進め方です。

累積分布関数（TRUE）と確率密度関数（FALSE）の違い

WEIBULL.DIST関数の第4引数は、計算結果の意味を切り替える重要なスイッチです。

実務でよく使うのは TRUE（累積分布関数） です。「保証期間内に何%が故障するか」「保全タイミングまでに何%の確率で故障するか」といった経営判断に直結する数値を、そのまま取り出せます。

FALSE（確率密度関数）は単独で意味を読み取るのは難しく、後述するハザード率（瞬間故障率）の計算式の中で使うのが一般的な使い方です。

基本的な使い方

例1：累積分布関数で故障確率を求める

特性寿命β=1000時間、形状α=2として、500時間以内の故障確率を求めます。

=WEIBULL.DIST(500, 2, 1000, TRUE)

結果：約 0.221（500時間以内に故障する確率は約22.1%）

設備が500時間運転された時点で、約5台に1台は故障している計算です。この値を保全計画の判断材料に使います。

例2：確率密度関数を求める

=WEIBULL.DIST(500, 2, 1000, FALSE)

結果：約 0.000779

確率密度の値そのものは直感的に理解しづらいですが、後述するハザード率の計算で使います。

例3：異なる形状パラメーターで比較する

形状パラメーター（α）を変えると、同じ時刻x=500での故障確率が大きく変わります。

=WEIBULL.DIST(500, 0.5, 1000, TRUE)   → 約 0.505（初期不良型 α=0.5）
=WEIBULL.DIST(500, 1,   1000, TRUE)   → 約 0.393（偶発故障型 α=1）
=WEIBULL.DIST(500, 2,   1000, TRUE)   → 約 0.221（摩耗故障型 α=2）

初期不良型（α=0.5）では運転開始直後に故障が集中するため500時間時点で既に半数が故障している一方、摩耗故障型（α=2）では序盤は安定しており故障は2割程度に留まる、というように、αが分布形状そのものを決めていることがわかります。

例4：βを変えて特性寿命の影響を見る

=WEIBULL.DIST(500,  2,  500, TRUE)   → 約 0.632（β=500、x=βのとき）
=WEIBULL.DIST(500,  2, 1000, TRUE)   → 約 0.221
=WEIBULL.DIST(500,  2, 2000, TRUE)   → 約 0.061

βは「特性寿命」とも呼ばれ、累積故障率が約63.2%になる時刻を表します。βが大きいほど故障が遅く現れる（＝寿命が長い）製品といえます。

実務での活用例

活用例1：設備の計画保全タイミングの決定

製造設備の過去の故障データからα・βを推定し、「故障確率10%以下を維持するための交換時期」を計算します。

A列：評価時間（100, 200, 300, ...）
B列：=WEIBULL.DIST(A2, $E$1, $E$2, TRUE)
     ※ E1にα推定値、E2にβ推定値を置く

B列の値が10%（0.1）を超える行が、計画保全の目安タイミングです。例えば「α=2、β=2000時間」のとき、約650時間の運転で故障確率が10%に達するため、それ以前に予防保全を入れる、という判断ができます。

予防保全のコストと故障発生時の損失コストを比較し、許容故障率（5%・10%・20%など）を社内で決めておくと、保全計画が客観的に立てられます。

活用例2：製品の品質保証期間の設定

耐久試験データからワイブルパラメーターを推定し、保証期間内の不良率を予測します。例えば3年保証（24時間×365日×3年 ＝ 26,280時間）の場合：

=WEIBULL.DIST(26280, 1.5, 50000, TRUE)

この値が品質目標（例：1%未満）を満たしていれば、その保証期間で問題なし、超えていれば設計改善や保証期間の見直しが必要、という意思決定に使えます。

活用例3：バスタブ曲線の可視化

バスタブ曲線（故障率の時間変化）はα<1・α=1・α>1の3区間を組み合わせて表現します。Excelで以下のような表を作り、折れ線グラフ化するとバスタブ曲線が描けます。

A列：時間（1, 100, 200, ..., 10000）
B列：=WEIBULL.DIST(A2, 0.5, 100, FALSE)    ← 初期不良区間
C列：=WEIBULL.DIST(A2, 1,   3000, FALSE)   ← 偶発故障区間
D列：=WEIBULL.DIST(A2, 3,   8000, FALSE)   ← 摩耗故障区間
E列：=B2+C2+D2                              ← 合算（バスタブ曲線）

3区間のパラメーターは過去の故障データから推定するのが理想ですが、まずは仮の値で曲線を描き、形状を見ながら調整するのが現場での進め方です。

活用例4：ハザード率（瞬間故障率）の計算

ハザード率は「ある時刻xで動いていた製品が、直後に故障する瞬間的な確率」を表します。信頼性工学の標準的な指標で、次の式で求められます。

=WEIBULL.DIST(x, α, β, FALSE) / (1 - WEIBULL.DIST(x, α, β, TRUE))

分子が確率密度関数、分母が「x時点で生存している確率」です。ハザード率を時間軸でプロットすると、設備が「いつから劣化局面に入ったか」が直感的にわかります。

活用例5：α・βパラメーターの推定（ソルバー利用）

実務では過去の故障時刻データからα・βを推定する必要があります。手計算では難しいですが、Excelのソルバーを使うと最尤推定法で簡単に求められます。

1. A列に故障時刻データを並べる
2. B列に =LN(WEIBULL.DIST(A2, $α, $β, FALSE)) で対数尤度を計算
3. C1に =SUM(B:B) で対数尤度の合計を入れる
4. ソルバーでC1を最大化、変数セルにα・βを指定して実行

ソルバーが「最も観測データを説明できるα・β」を返してくれます。データが30件以上あれば、実用的な精度のパラメーターが得られます。

WEIBULL関数（旧）との違い

移行は簡単で、WEIBULL を WEIBULL.DIST に書き換えるだけです。引数の並びと意味は全く同じなので、検索・置換で一括変換できます。

Ctrl+H で置換ダイアログを開き、
  検索：WEIBULL(
  置換：WEIBULL.DIST(

ただし、WEIBULL.DIST を含む別の関数を巻き込まないよう、置換前に対象シートを限定しておくと安全です。

旧 WEIBULL 関数の詳細は WEIBULL関数の使い方｜ワイブル分布の値を求める（互換関数） を参照してください。

似た統計関数との違い・使い分け

ワイブル分布以外にも、寿命分析や故障分析で使われる確率分布があります。代表的なものとの違いを整理しておきます。

「時間軸で故障パターンが変わる」場合はワイブル分布、「単位時間あたりの発生件数を扱う」場合はポアソン分布、というのが大まかな使い分けの目安です。

詳しくは POISSON.DIST関数の使い方｜ポアソン分布の確率を求める もあわせて参照してください。

よくあるエラーと対処法

特に多いのが「αに0を入れてしまう」「βに負の値を入れてしまう」というケースです。パラメーターの意味（αは形状、βは特性寿命）を意識すると、入力ミスは大幅に減らせます。

よくある質問（FAQ）

WEIBULL.DIST関数について、現場で特に質問の多いポイントをまとめました。

Q. α・βのパラメーターはどうやって決めればよいですか？

A. 大きく分けて3つの決め方があります。

1つ目は 過去の故障データから推定する 方法です。これが最も信頼できる決め方で、本記事の活用例5で紹介したExcelのソルバー（最尤推定）を使えば、観測データに最もよく当てはまるα・βを自動で求められます。データが30件以上あれば実用的な精度が得られます。

2つ目は メーカー仕様書や業界平均を仮入力する 方法です。新製品でまだ故障データがない段階では、類似製品の値やメーカー公表値を仮置きし、運用しながらデータを蓄積して再推定するのが現実的です。

3つ目は 形状から当たりをつける 方法です。初期不良が中心ならα<1、ランダムな偶発故障ならα=1、経年劣化・摩耗が中心ならα>1、というように故障の性質からαの目安を決め、βはおおよその特性寿命（累積故障率が約63.2%になる時刻）から逆算します。

実務では「3つ目で当たりをつけて表を作り、データが溜まったら1つ目で精度を上げる」という流れが定番です。

Q. Excelにワイブル確率紙（ワイブルプロット）を描く機能はありますか？

A. 専用機能はありませんが、散布図を使えば自作できます。

ワイブル確率紙は、累積故障率を縦軸・時間を横軸に取り、ワイブル分布なら点が直線に並ぶように軸を変換したグラフです。Excelでは次の手順で再現できます。

1. 故障時刻を昇順に並べる（A列）
2. メディアンランク法で累積故障率Fを計算（B列）
   =(順位 - 0.3) / (データ数 + 0.4)
3. X座標 =LN(A2)          ← 時間の自然対数
4. Y座標 =LN(-LN(1 - B2)) ← 二重対数変換
5. X座標とY座標で散布図を描く

このグラフ上で点が直線に並べば、データがワイブル分布に従っていると判断できます。直線の傾きがαに対応するため、近似直線を引いてパラメーターの当たりをつけることも可能です。本格的に推定したい場合は、活用例5のソルバーと併用するのがおすすめです。

Q. α=1のときWEIBULL.DISTはEXPON.DISTと同じ結果になりますか？

A. はい、同じ結果になります。形状パラメーターα=1のワイブル分布は、数学的に指数分布と完全に一致します。

=WEIBULL.DIST(500, 1, 1000, TRUE)   → 約 0.393
=EXPON.DIST(500, 1/1000, TRUE)       → 約 0.393

注意点は βの渡し方 です。WEIBULL.DISTのβ（尺度パラメーター）は特性寿命そのものを指定しますが、EXPON.DISTのλ（ラムダ）は故障率＝βの逆数（1/β）を指定します。同じ現象を扱っているのに引数の与え方が逆になるため、両関数を並べて検算するときは混同しないよう気をつけてください。

「偶発故障（故障率が一定）だけを扱いたい」とわかっている場合は、α=1で固定するよりも、最初から指数分布専用の関数を使うほうがシンプルです。詳しくは EXPON.DIST関数の使い方 を参照してください。

Q. 製品の平均故障間隔（MTTF）をWEIBULL.DISTで計算できますか？

A. WEIBULL.DIST関数だけでは直接は求められません。平均故障間隔（MTTF＝Mean Time To Failure）はワイブル分布の期待値にあたり、ガンマ関数を含む別の式で計算します。

=β * EXP(GAMMALN(1 + 1/α))

GAMMALN関数（ガンマ関数の自然対数）を使い、EXPで元に戻すのがExcelでの定番の書き方です。例えばα=2、β=1000の場合：

=1000 * EXP(GAMMALN(1 + 1/2))   → 約 886.2 時間

特性寿命β（約63.2%が故障する時刻）と平均故障間隔MTTF（約886時間）は意味が異なる点に注意してください。βは分布の尺度を表すパラメーター、MTTFは実際に故障が発生するまでの平均時間です。保全計画では両方を区別して扱うと、より正確な判断ができます。

まとめ

WEIBULL.DIST関数のポイントをまとめます。

• ワイブル分布の累積分布関数（TRUE）または確率密度関数（FALSE）を計算できる
• 形状パラメーターαが1未満・1・1超で、初期不良・偶発故障・摩耗故障の3パターンを表現できる
• 旧 WEIBULL 関数と構文・計算結果は同一。既存シートは関数名の書き換えだけで移行できる
• 設備保全のタイミング決定・品質保証期間の設定・バスタブ曲線の可視化など、製造業の現場で特に役立つ
• α・βの推定にはExcelのソルバーが使える

ワイブル分析はデータがあれば今すぐExcelで始められます。まずはサンプルデータでβ=1000、α=2を入れて累積分布関数を計算し、故障確率の変化を確認するところから始めてみてください。