実はExcelには、まさにそうした「複数イベントの合計時間」や「右に裾が長いデータ」の確率を計算する関数が用意されています。それがGAMMA.DIST関数です。

この記事ではExcelのGAMMA.DIST関数の使い方を、構文の基本から実務での活用例まで丁寧に解説します。TRUE（累積分布）とFALSE（確率密度）の使い分けや、旧関数GAMMADIST（読み方: ガンマ・ディスト関数）との違いまで、まるごと整理しますよ。

ExcelのGAMMA.DIST関数とは

ExcelのGAMMA.DIST関数（読み方: ガンマ・ディスト関数）は、ガンマ分布にもとづいて確率を返す関数です。

ガンマ分布とは、複数のイベントが起こるまでの「合計待ち時間」を表す確率分布です。「成功か失敗か」のような離散的な試行ではなく、連続的な時間や金額のデータを扱うときに使います。「GAMMA」はギリシャ文字のガンマ（Γ）に由来する数学用語で、「DIST」は「Distribution（分布）」の略ですね。

たとえば「平均10分に1件の問い合わせが来る窓口で、3件対応するまでの合計時間が40分以内に収まる確率」を、たった1つの数式で求められます。

ExcelのGAMMA.DIST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（累積分布関数）
• 特定の値での確率密度を求める（確率密度関数）
• 複数回のイベント発生にかかる合計時間の確率を計算する
• 保険金の請求額分布や売上データの分析に使う

NOTE

GAMMA.DIST関数はExcel 2010以降で使えます。Excel 2007以前の環境ではGAMMADIST関数を使ってください。Microsoft 365、Excel 2024、Excel 2021ではどちらも引き続き使用できますよ。

ガンマ分布が使える場面とは

ガンマ分布は、次のような場面で力を発揮します。

1. 複数イベントの合計待ち時間: 問い合わせ3件分の処理時間の合計
2. 右に裾が長いデータの分析: 保険金の請求額、故障修理費用など
3. 正の値のみを取る連続データ: 降水量、年間売上高など

1件あたりの待ち時間が指数分布に従うとき、n件分の合計待ち時間はガンマ分布に従います。つまり指数分布の「複数回バージョン」がガンマ分布です。

TIP

ガンマ分布の形状パラメータ（alpha）が1のとき、ガンマ分布は指数分布と一致します。alpha=1なら指数分布関数（EXPON.DIST）と同じ結果が得られますよ。

基本構文と4つの引数

=GAMMA.DIST(x, alpha, beta, 関数形式)

カッコの中に4つの引数を指定します。すべて必須なので省略できません。

alphaは「形状パラメータ」と呼ばれる数値で、分布の形を決めるパラメータです。イベント回数に相当します。betaは「尺度パラメータ」と呼ばれ、分布の広がりを決めるパラメータです。1回あたりの平均時間に相当します。

平均は alpha × beta で計算できます。たとえばalpha=3、beta=10なら平均は30です。

WARNING

alphaとbetaはどちらも正の数（0より大きい値）です。0以下を指定すると#NUM!エラーになります。xは0以上で指定してくださいね。

GAMMA.DIST関数のTRUE/FALSEの違い

GAMMA.DIST関数の4番目の引数「関数形式」は、TRUEかFALSEで結果がまったく変わります。この違いを押さえることが使いこなすポイントですよ。

FALSE（確率密度関数）――ある値での密度

FALSEを指定すると確率密度関数（PDF: Probability Density Function）の値を返します。「値xでの確率の密度」を表す数値です。

=GAMMA.DIST(10, 3, 2, FALSE)

alpha=3、beta=2のガンマ分布で、x=10での確率密度を返します。結果は約0.0270です。

数学的には、次の式で計算されています。

f(x) = x^(alpha-1) * e^(-x/beta) / (beta^alpha * GAMMA(alpha))

確率密度はそのままでは「ちょうどxとなる確率」にはなりません。連続分布では、特定の1点の確率は厳密にはゼロになるためです。実務で確率を求めたいときはTRUEを使うのが基本ですよ。

TRUE（累積分布関数）――x以下となる確率

TRUEを指定すると累積分布関数（CDF: Cumulative Distribution Function）の値を返します。「値がx以下となる確率」を表す数値です。

=GAMMA.DIST(10, 3, 2, TRUE)

alpha=3、beta=2のガンマ分布で、x=10以下となる確率です。結果は約0.8753（87.5%）です。

実務で「x以内に収まる確率は？」と聞かれたら、迷わずTRUEを使ってくださいね。

2つを比較してみる（サンプルデータつき）

alpha=3、beta=2の場合で、xの値ごとの結果を比べてみましょう。平均値は alpha × beta = 6 です。

FALSE列はx=4付近で最大値を取り、その前後で小さくなります。TRUE列はxが増えるほど1に近づいていきます。

「x以上となる確率」を求めたいときは =1 - GAMMA.DIST(x, alpha, beta, TRUE) と書きます。たとえば「10以上の確率」なら次のとおりです。結果は約0.1247（12.5%）です。

=1 - GAMMA.DIST(10, 3, 2, TRUE)

GAMMA.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを3つ紹介します。

コールセンター――3件対応にかかる合計時間

「平均10分間隔で問い合わせが来るコールセンター」を考えましょう。3件の問い合わせに対応する合計時間が40分以内に収まる確率を求めます。alpha=3（3件分）、beta=10（1件あたり平均10分）と指定します。

=GAMMA.DIST(40, 3, 10, TRUE)

結果は約0.7619（76.2%）です。約76%の確率で40分以内に3件の対応が完了します。

では「50分以上かかる確率」はどうでしょうか。

=1 - GAMMA.DIST(50, 3, 10, TRUE)

結果は約0.1247（12.5%）です。3件で50分を超える確率は約12%ということがわかります。シフト計画やオペレーター人数の判断材料になりますね。

保険金請求――請求額の分布予測

「過去データから形状パラメータalpha=2、尺度パラメータbeta=50万円の分布に従う」保険金請求を考えましょう。請求額が150万円以下となる確率を求めます。

=GAMMA.DIST(150, 2, 50, TRUE)

結果は約0.8009（80.1%）です。請求の約80%が150万円以下に収まる、と予測できます。

「200万円を超える大口請求の確率」はどうでしょうか。

=1 - GAMMA.DIST(200, 2, 50, TRUE)

結果は約0.0916（9.2%）です。約9%の確率で200万円超の請求が来る計算になります。準備金の設定や保険料の算出に活用できますよ。

売上分析――日次売上の確率計算

「日次売上がalpha=5、beta=2万円のガンマ分布に従う」ケースを考えましょう。日次売上が8万円以上になる確率を求めます。平均は5×2=10万円ですね。

=1 - GAMMA.DIST(8, 5, 2, TRUE)

結果は約0.7149（71.5%）です。約71%の日で8万円以上の売上が見込めます。

「15万円以上の好調日」の確率も見てみましょう。

=1 - GAMMA.DIST(15, 5, 2, TRUE)

結果は約0.1321（13.2%）です。好調日は約13%の頻度で発生する計算ですね。人員配置や在庫計画の判断材料になりますよ。

EXPON.DIST関数・CHISQ.DIST関数との関係

GAMMA.DIST関数は、他の分布関数と数学的につながっています。実は、特定のパラメータで設定すると指数分布やカイ二乗分布と同じ結果が得られるんです。

EXPON.DIST関数との関係（alpha=1のとき）

alphaを1にすると、ガンマ分布は指数分布と完全に一致します。以下の2つは同じ結果を返します。

=GAMMA.DIST(5, 1, 10, TRUE)
=EXPON.DIST(5, 1/10, TRUE)

EXPON.DIST関数（指数分布関数）はlambda（率パラメータ）を使いますが、これはGAMMA.DISTのbetaの逆数（lambda = 1/beta）です。1件分の待ち時間ならEXPON.DIST、複数件の合計時間ならGAMMA.DISTを使い分けましょう。

CHISQ.DIST関数との関係（alpha=n/2、beta=2のとき）

alpha=n/2、beta=2を指定すると、ガンマ分布は自由度nのカイ二乗分布と一致します。以下の2つは同じ結果を返します。

=GAMMA.DIST(5, 3, 2, TRUE)
=CHISQ.DIST(5, 6, TRUE)

alpha=3はカイ二乗分布の自由度6（n=2×alpha=6）に対応します。CHISQ.DIST関数はガンマ分布の特殊ケースなんですね。

TIP

ガンマ分布は「指数分布の一般化」であり、「カイ二乗分布を含む大きな分布族」でもあります。統計の世界ではかなり中心的な存在ですよ。

確率分布関数ファミリー

Excelには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 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
• 適合度検定や独立性検定 → CHISQ.DIST

よくある間違いと注意点

GAMMA.DIST関数でつまずきやすいポイントをまとめました。エラーになったときはここをチェックしてみてくださいね。

xが負の値で#NUM!エラー

xは0以上の数値で指定します。負の値を入れるとエラーになりますよ。

=GAMMA.DIST(-1, 3, 2, TRUE)   --- #NUM! エラー

ガンマ分布は「正の値のみを取る分布」なので、負の数を評価することはできません。

alphaが0以下で#NUM!エラー

alpha（形状パラメータ）は正の数で指定します。0や負の値はエラーになりますよ。

=GAMMA.DIST(5, 0, 2, TRUE)    --- #NUM! エラー

イベント回数を表すパラメータなので、最低でも0より大きい値が必要です。

betaが0以下で#NUM!エラー

beta（尺度パラメータ）も正の数で指定します。0以下はエラーですよ。

=GAMMA.DIST(5, 3, 0, TRUE)    --- #NUM! エラー

1回あたりの平均時間（や金額）を表すので、こちらも0より大きい値で指定してください。

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。

関数名のスペルミスで#NAME?エラー

関数名を「GAMMADIS」「GAMA.DIST」のように打ち間違えると#NAME?エラーになります。ピリオド（.）の位置にも注意してください。

TRUE/FALSEの指定を間違える

4番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なるので、目的に合った値を選んでくださいね。「x以下の確率」を求めたいのにFALSEを指定すると、確率密度（小さな数値）が返ってしまいます。

GAMMADIST関数（互換関数）との違い

ExcelにはGAMMA.DISTのほかに、GAMMADISTという関数もあります。これはGAMMA.DISTの旧バージョンですよ。

=GAMMADIST(10, 3, 2, TRUE)        --- 旧関数名（動作は同じ）
=GAMMA.DIST(10, 3, 2, TRUE)       --- 新関数名（推奨）

引数の数・順番・意味もすべて同じで、計算結果もまったく同じです。Excel 2010以降で「.（ピリオド）入りの新名称」が導入されたタイミングで分かれました。

新しく数式を書くときはGAMMA.DISTを使いましょう。既存のシートでGAMMADIST関数が使われていても、そのまま動作します。急いで書き換える必要はありませんよ。

NOTE

Excel 2007互換ファイル（.xls形式）を使うチームと共有する場合は、GAMMADIST関数のままにしておくと安全です。新しい環境だけならGAMMA.DISTで統一しましょう。

まとめ

ExcelのGAMMA.DIST関数は、ガンマ分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEで「x以下となる確率」（累積分布関数）が返る
• FALSEで「値xでの確率密度」（確率密度関数）が返る
• alphaは形状パラメータ（イベント回数）、betaは尺度パラメータ（1回の平均時間）
• 平均値は alpha × beta で計算できる
• コールセンターの合計対応時間・保険金請求額・売上分析に使える
• 「x以上の確率」を求めるには =1 - GAMMA.DIST(x, alpha, beta, TRUE) と書く
• xが負の値やalpha・betaが0以下だと#NUM!エラー
• GAMMADIST関数（旧）と計算結果は同じ。新規にはGAMMA.DISTを推奨
• alpha=1なら指数分布（EXPON.DIST）と同じ結果になる
• alpha=n/2、beta=2ならCHISQ.DIST関数と同じ結果になる
• 「連続データの確率」ならNORM.DIST関数、「製品寿命分析」ならWEIBULL.DIST関数を使う

確率の計算は感覚に頼ると判断を誤りがちです。GAMMA.DIST関数を使えば、待ち時間や請求額のような連続データの確率を客観的な数値で出せるようになりますよ。

単純に「成功÷試行回数」で割合を出すのは簡単です。でもサンプル数が少ないと、その値が真の確率を表しているとは限りません。10回中7回と1000回中700回では、同じ70%でも信頼度がまったく違いますよね。

そんな「割合の不確実性」を扱うときに使うのがBETA.DIST関数です。この記事では基本構文から実務活用まで、数値検証つきで解説します。TRUE/FALSEの違いや、BETADIST関数との関係、alpha・betaの直感的な決め方もあわせて紹介しますよ。

スプレッドシートのBETA.DIST関数とは

BETA.DIST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）の分布をモデル化する確率分布です。

「BETA」はギリシャ文字のβ（ベータ）に由来する数学用語です。「DIST」は「Distribution（分布）」の略です。

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。割合をそのまま信じるのではなく「どのくらい確信を持てるか」を数値化できるのが強みです。

BETA.DIST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（累積分布関数）
• 特定の値での確率密度を求める（確率密度関数）
• 割合や確率（コンバージョン率、合格率、不良品率など）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

NOTE

BETA.DIST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にも同名の関数があり、構文・結果ともに同じです。

ベータ分布が使えるビジネスシーン

ベータ分布は、次のような場面で活躍します。

• 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、クリック率など
• ベイズ推定の事前分布: 「成功n回・失敗m回」から真の確率の分布を推定する
• プロジェクト管理: PERT法（楽観・最頻・悲観の3点見積もり）での工数推定
• A/Bテストの効果測定: 各パターンの真のコンバージョン率を分布で比較する

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。alphaとbetaの値を変えるだけで、左寄り・右寄り・釣鐘型・U字型と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）になります。「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。

基本構文と6つの引数

=BETA.DIST(x, alpha, beta, 累積, [A], [B])

カッコの中に4〜6つの引数を指定します。

alphaは分布の左側の形を決めるパラメータで、ベイズ推定では「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、「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PERT法で工数を見積もるとき「最短5日〜最長20日」のような範囲を扱うのに便利です。

WARNING

alphaとbetaはどちらも正の数（>0）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。範囲外も#NUM!エラーです。

BETADIST関数（互換関数）との関係

GoogleスプレッドシートにはBETADISTという関数もあります。これはBETA.DISTの旧バージョンで、Excel 2007以前との互換のために残されています。同じxとalpha・betaを与えれば、計算結果は一致します。

=BETADIST(0.7, 8, 3, 0, 1)        --- 旧関数名（常に累積分布）
=BETA.DIST(0.7, 8, 3, TRUE, 0, 1) --- 新関数名（推奨）

ただし引数の構成が違うので注意してください。BETADISTは4番目・5番目の引数がA（下限）とB（上限）で、TRUE/FALSE（累積/密度）の切り替えがありません（常に累積分布を返します）。BETA.DISTは4番目に累積引数、5番目・6番目にA・Bを取ります。

新しく数式を書くときはBETA.DISTを使いましょう。既存のシートでBETADISTが使われていても、そのまま動作するので慌てて書き換える必要はありません。

BETA.DIST関数のTRUE/FALSEの違い

BETA.DIST関数の4番目の引数「累積」は、TRUEかFALSEで結果がまったく変わります。この違いを押さえることが使いこなしの第一歩です。

FALSE（確率密度関数 PDF）――特定値での密度を返す

FALSEを指定すると確率密度関数（PDF: Probability Density Function）の値を返します。「値xでの確率の密度」を表す数値です。

=BETA.DIST(0.5, 8, 3, FALSE)

alpha=8、beta=3のベータ分布で、x=0.5での確率密度を返します。結果は約0.7031です。

数学的には、次の式で計算されています。

f(x) = x^(alpha-1) * (1-x)^(beta-1) / B(alpha, beta)

ここでB(alpha, beta)はベータ関数と呼ばれる正規化定数です。確率密度は1を超える値になることもあり、「確率そのもの」ではない点に注意してください。連続分布における確率は「区間の面積」として求めるため、特定値の確率を知りたい場合はTRUE（累積分布）の差分を取るのが普通です。

TRUE（累積分布関数 CDF）――x以下となる確率を返す

TRUEを指定すると累積分布関数（CDF: Cumulative Distribution Function）の値を返します。「値がx以下となる確率」をそのまま示します。

=BETA.DIST(0.7, 8, 3, TRUE)

alpha=8、beta=3のベータ分布で、x=0.7以下となる確率です。結果は約0.3828（38.3%）です。

実務で「真の確率がx以下である可能性は？」「コンバージョン率が15%を下回る確率は？」と聞かれたら、TRUEを使ってください。逆に「x以上となる確率」が必要なら、次のように1から引きます。

=1 - BETA.DIST(0.8, 8, 3, TRUE)

これは「真の確率が80%以上である可能性」を表し、結果は約0.3222（32.2%）です。

数値で比較するTRUE/FALSEの結果

alpha=8、beta=3の場合で、xの値ごとの結果を並べてみましょう。このベータ分布の平均値は alpha / (alpha + beta) = 8/11 で約0.7273です。

FALSE列はx=0.8付近で最大値（最頻値の周辺）を取り、その前後で小さくなります。TRUE列はxが増えるほど1に近づき、x=1で100%に達します。グラフを描けば、TRUEがS字カーブ、FALSEが山型になることが直感的にわかります。

BETA.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを3つ紹介します。いずれも「数式 → 結果 → 解釈」の3ステップでまとめています。

パターン1: ABテストでコンバージョン率を推定する

「LP（ランディングページ）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どのくらいか、ベイズ推定の手法でベータ分布を当てはめます。一様事前分布（情報なし）を使う場合、alpha=12+1=13（成功+1）、beta=88+1=89（失敗+1）となります。

Q. 真のコンバージョン率が15%以下である確率は？

=BETA.DIST(0.15, 13, 89, TRUE)

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%以下に収まると判断できます。

Q. コンバージョン率が10%以上である確率は？

=1 - BETA.DIST(0.1, 13, 89, TRUE)

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る、と読み取れます。

解釈の補足: 単純な観測値「12÷100=12%」だけでは「本当にこれが実力か」がわかりません。ベータ分布で確率の分布を出すと、「12%が中心だが、10%〜15%の間にいる可能性が高い」と幅で語れるようになります。ABテストの意思決定では、この「幅」が重要です。

パターン2: 品質管理で不良品率を評価する

「製造ラインの抜き取り検査で500個中10個が不良だった」場合を考えましょう。alpha=10+1=11、beta=490+1=491です。

Q. 真の不良品率が3%以下である確率は？

=BETA.DIST(0.03, 11, 491, TRUE)

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。

Q. 不良品率が5%を超える確率は？

=1 - BETA.DIST(0.05, 11, 491, TRUE)

結果は約0.0004（0.04%）です。5%を超える確率はほぼゼロです。

解釈の補足: 観測値だけ見ると「10/500=2%」ですが、サンプルが500個と多いため分布の幅が狭く、真の不良率も2%付近に集中していると言えます。品質基準（例: 5%以下なら合格）を満たしているか、統計的根拠を持って判断できますね。

パターン3: PERT法でプロジェクト工数を見積もる

「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法では工数の不確実性をベータ分布で表現します。

ここではalpha=3、beta=2.5を使い、A=5（下限）、B=20（上限）を指定します（PERTのパラメータ設定は流派により異なりますが、α・βともに2〜5あたりが標準的です）。

Q. 12日以内に完了する確率は？

=BETA.DIST(12, 3, 2.5, TRUE, 5, 20)

結果は約0.3520（35.2%）です。

Q. 15日以内に終わる確率は？

=BETA.DIST(15, 3, 2.5, TRUE, 5, 20)

結果は約0.7042（70.4%）です。

解釈の補足: 「12日で計画すると35%しか間に合わない」「15日まで延ばせば70%の確率で収まる」と数値で議論できます。バッファ（緩衝期間）の取り方を感覚や政治ではなく、確率で説得力をもって決められます。

alphaとbetaの値で変わるベータ分布の形

BETA.DIST関数を使いこなすには、alphaとbetaの値で分布の形がどう変わるかを直感的に押さえておくのが近道です。

一様分布から釣鐘型まで――形状パターン早見表

ベータ分布の平均は alpha / (alpha + beta) です。alphaが大きいほど分布は右側（1に近い側）に寄り、betaが大きいほど左側（0に近い側）に寄ります。

形からパラメータを直感的に決める方法

ベイズ推定では、観測した「成功回数」「失敗回数」をそのまま使えます。

• 成功 n 回、失敗 m 回 → alpha = n + 1, beta = m + 1

たとえば「100回中12回成功」なら alpha=13, beta=89 で、平均は 13/102 ≈ 12.7%。観測値（12%）に近い値が分布の中心になります。

PERT法のように工数を扱う場合は、楽観値（最短）と悲観値（最長）の幅、最頻値の位置から alpha と beta を調整します。シンプルには alpha=4, beta=4 などの対称設定で始め、最頻値を寄せたいときに片方を増やすのが実用的です。

TIP

「事前情報がない」と書くと厳密にはJeffreys事前分布（α=β=0.5）が選ばれることもありますが、ビジネス用途では一様事前分布（α=β=1）で十分です。「成功+1, 失敗+1」と覚えればOKです。

関連する統計関数との使い分け

BETA.DIST関数は、他の分布関数と性質が異なります。用途に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 割合・確率（0〜1）をモデル化したい → BETA.DIST
• 待ち時間の合計や右裾データ → GAMMA.DIST
• 連続データの確率 → NORM.DIST
• 製品の寿命分析 → WEIBULL.DIST

よくあるエラーと対処法

BETA.DIST関数でつまずきやすいポイントを表で整理しました。

TRUE/FALSEの指定ミス

4番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なります。「x以下の確率」を求めたいのにFALSEを指定すると確率密度（時には1超の値）が返ってしまい、結果の解釈を誤ります。目的に合った値を必ず選びましょう。

セル参照で引数を渡すときの注意

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てください。空セルや文字列、エラー値が混ざっていると#VALUE!や#NUM!になります。ISNUMBER関数でチェックするか、IFERROR関数でフォールバック値を返すと安全です。

ExcelとGoogleスプレッドシートの違い

BETA.DIST関数は、GoogleスプレッドシートとExcelで構文・動作ともにほぼ同じです。

=BETA.DIST(0.5, 3, 2, TRUE)

この数式はどちらの環境でも同じ結果を返します。ExcelでもBETADIST関数が使えますが、Microsoft公式ではBETA.DISTが推奨されています（BETADISTは互換関数として残されている扱い）。

ExcelとGoogleスプレッドシートを併用している方は、BETA.DISTで統一しておけば問題ありません。CSVなどでファイルを行き来する場合でも、数式は壊れず動作しますよ。

よくある質問（FAQ）

Q. alphaとbetaはどう決めればいいですか？

A. ベイズ推定なら「成功回数+1, 失敗回数+1」と覚えればOKです。たとえば100回中12回成功なら、alpha=13, beta=89。PERT法のように工数を扱う場合は対称設定（alpha=beta=3〜5程度）から始め、最頻値を寄せたい方向に片方を増やします。

Q. BETA.INV関数との違いは何ですか？

A. BETA.DISTが「xを与えて確率（または密度）を返す」のに対し、BETA.INV（逆関数）は「確率を与えてxを返す」関数です。たとえば「累積確率が95%になるxは？」を求めたいときにBETA.INVを使います。信頼区間の上下限を求めるときに重宝します。

Q. サンプル数が極端に少ない場合（成功0回、失敗0回など）はどうすればいい？

A. 「成功+1, 失敗+1」の一様事前分布を使えば対応できます。たとえば「3回中0回成功」なら、alpha=0+1=1, beta=3+1=4。分布の幅は広くなりますが、計算自体は問題なく行えます。サンプルが増えるほど分布が鋭くなり、推定の確信度が上がります。

Q. ベイズ推定の「事前分布」として使うとはどういう意味？

A. ベイズ推定では、事前の知識を「事前分布」、観測データを反映した結果を「事後分布」と呼びます。ベータ分布は二項分布（成功/失敗）の事前分布として数学的に相性がよく（共役事前分布と呼ばれます）、観測データを足すだけで事後分布も簡単にベータ分布になります。これが「成功+1, 失敗+1」で済む理由です。

Q. PERTで使うとき、A・Bと最頻値の関係はどうすれば？

A. PERTの工数見積もりでは、A=最短日数、B=最長日数を指定し、alphaとbetaで「分布の山の位置」を調整します。最頻値は (alpha-1)/(alpha+beta-2) × (B-A) + A で求められます。最頻値を分布の中央から右に寄せたいならalphaを大きく、左に寄せたいならbetaを大きくしてください。

まとめ

BETA.DIST関数は、ベータ分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEで「x以下となる確率」、FALSEで「値xでの確率密度」が返る
• alphaとbetaは形状パラメータで、分布の形を決める（成功+1, 失敗+1と覚えるとベイズ推定で使いやすい）
• 0〜1の範囲の「割合」や「確率」のモデル化に最適
• AとBを指定すれば0〜1以外のカスタム範囲（PERT法の工数など）にも対応する
• 「x以上の確率」は =1 - BETA.DIST(x, alpha, beta, TRUE) で求める
• xが範囲外、alpha・betaが0以下、A≥Bだと#NUM!エラー
• BETADIST関数とは引数構成が異なるが計算結果は同じ。新規にはBETA.DISTを推奨
• ABテストのコンバージョン率推定・品質管理の不良率評価・PERT工数見積もりで実用的
• 「待ち時間の合計」ならGAMMA.DIST関数、「連続データ」ならNORM.DIST関数が適切

割合や確率の不確実性を「数値」で語れるようになると、ABテストやプロジェクト見積もりの説得力が一段上がります。まずは手元のスプレッドシートで =BETA.DIST(0.5, 8, 3, TRUE) を試してみてくださいね。

1件あたりの平均時間はわかっていても、合計時間の確率は感覚では語れません。手計算で求めようとすると、べき乗や階乗の計算が出てきて大変ですよね。

そんなときに使うのがGAMMA.DIST関数です。この記事では基本構文から実務活用まで解説します。TRUE/FALSEの違いや、GAMMADIST関数との関係もあわせて紹介しますよ。

GAMMA.DIST関数とは

GAMMA.DIST関数（読み方: ガンマ・ディスト関数）は、ガンマ分布にもとづいて確率を返す関数です。ガンマ分布とは、複数のイベントが起こるまでの「合計待ち時間」を表す確率分布です。

「GAMMA」はギリシャ文字のガンマに由来する数学用語です。「DIST」は「Distribution（分布）」の略です。

たとえば「平均10分に1件の問い合わせが来る窓口で、3件対応するまでの合計時間が40分以内に収まる確率」を1つの数式で求められます。

GAMMA.DIST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）
• 特定の値での確率密度を求める
• 複数回のイベント発生にかかる合計時間の確率を計算する
• 保険金の請求額分布や売上データの分析に使う

NOTE

GAMMA.DIST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にも同名の関数があり、動作は同じです。

ガンマ分布が使える場面とは

ガンマ分布は、次のような場面で使えます。

1. 複数イベントの合計待ち時間: 問い合わせ3件分の処理時間の合計
2. 右に裾が長いデータの分析: 保険金の請求額、故障修理費用など
3. 正の値のみを取る連続データ: 降水量、年間売上高など

1件あたりの待ち時間が指数分布に従うとき、n件分の合計待ち時間はガンマ分布に従います。つまりEXPON.DIST関数の「複数回バージョン」がGAMMA.DIST関数です。

TIP

ガンマ分布の形状パラメータ（alpha）が1のとき、ガンマ分布は指数分布と一致します。alpha=1ならEXPON.DIST関数と同じ結果が得られますよ。

基本構文と4つの引数

=GAMMA.DIST(x, alpha, beta, 累積)

カッコの中に4つの引数を指定します。

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

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0以上で指定してください。

GAMMADIST関数（互換関数）との関係

GoogleスプレッドシートにはGAMMADISTという関数もあります。これはGAMMA.DISTの旧バージョンです。計算結果はまったく同じです。

=GAMMADIST(10, 3, 2, TRUE)        --- 旧関数名（動作は同じ）
=GAMMA.DIST(10, 3, 2, TRUE)       --- 新関数名（推奨）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはGAMMA.DISTを使いましょう。既存のシートでGAMMADIST関数が使われていても、そのまま動作します。急いで書き換える必要はありません。

GAMMA.DIST関数のTRUE/FALSEの違い

GAMMA.DIST関数の4番目の引数「累積」は、TRUEかFALSEで結果がまったく変わります。この違いを押さえることが使いこなすポイントです。

FALSE（確率密度関数）――ある値での密度

FALSEを指定すると確率密度関数（PDF）の値を返します。「値xでの確率の密度」を表す値です。

=GAMMA.DIST(10, 3, 2, FALSE)

alpha=3、beta=2のガンマ分布で、x=10での確率密度を返します。結果は約0.0421です。

数学的には、次の式で計算されています。

f(x) = x^(alpha-1) * e^(-x/beta) / (beta^alpha * GAMMA(alpha))

確率密度はそのままでは「ちょうどxの確率」にはなりません。連続分布なので、確率はTRUEで求めるのが一般的です。

TRUE（累積分布関数）――x以下となる確率

TRUEを指定すると累積分布関数（CDF）の値を返します。「値がx以下となる確率」です。

=GAMMA.DIST(10, 3, 2, TRUE)

alpha=3、beta=2のガンマ分布で、x=10以下となる確率です。結果は約0.8753（87.5%）です。

実務で「x以内に収まる確率は？」と聞かれたら、TRUEを使ってください。

!_images/spreadsheet-gamma-dist-function/05_result_gamma-dist-true.png

2つを比較してみる（サンプルデータつき）

alpha=3、beta=2の場合で、xの値ごとの結果を比べてみましょう。平均値は alpha * beta = 6 です。

FALSE列はx=4付近で最大値を取り、その前後で小さくなります。TRUE列はxが増えるほど1に近づいていきます。

「x以上となる確率」を求めたいときは =1 - GAMMA.DIST(x, alpha, beta, TRUE) と書きます。たとえば「10以上の確率」なら次のとおりです。結果は約0.1247（12.5%）です。

=1 - GAMMA.DIST(10, 3, 2, TRUE)

GAMMA.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを3つ紹介します。

コールセンター――3件対応にかかる合計時間

「平均10分間隔で問い合わせが来るコールセンター」を考えましょう。3件の問い合わせに対応する合計時間が40分以内に収まる確率を求めます。alpha=3（3件）、beta=10（1件あたり平均10分）です。

=GAMMA.DIST(40, 3, 10, TRUE)

結果は約0.7619（76.2%）です。約76%の確率で40分以内に3件の対応が完了します。

では「50分以上かかる確率」はどうでしょうか。

=1 - GAMMA.DIST(50, 3, 10, TRUE)

結果は約0.1247（12.5%）です。3件で50分を超える確率は約12%です。シフト計画を立てるときの参考になりますね。

保険金請求――請求額の分布予測

「過去データから形状パラメータalpha=2、尺度パラメータbeta=50万円の分布に従う」保険金請求を考えましょう。請求額が150万円以下となる確率を求めます。

=GAMMA.DIST(150, 2, 50, TRUE)

結果は約0.8009（80.1%）です。請求の約80%が150万円以下に収まります。

「200万円を超える大口請求の確率」は次のとおりです。

=1 - GAMMA.DIST(200, 2, 50, TRUE)

結果は約0.0916（9.2%）です。約9%の確率で200万円超の請求が来ます。準備金の設定や保険料の算出に活用できますね。

売上分析――日次売上の確率計算

「日次売上がalpha=5、beta=2万円のガンマ分布に従う」ケースを考えましょう。日次売上が8万円以上になる確率を求めます。平均は5*2=10万円です。

=1 - GAMMA.DIST(8, 5, 2, TRUE)

結果は約0.6288（62.9%）です。約63%の日で8万円以上の売上が見込めます。

「15万円以上の好調日」の確率を見てみましょう。

=1 - GAMMA.DIST(15, 5, 2, TRUE)

結果は約0.1321（13.2%）です。好調日は約13%です。人員配置や在庫計画の判断材料になりますね。

EXPON.DIST関数・CHISQ.DIST関数との関係

GAMMA.DIST関数は、他の分布関数と数学的につながっています。

EXPON.DIST関数との関係（alpha=1のとき）

alphaを1にすると、ガンマ分布は指数分布と同じになります。以下の2つは同じ結果を返します。

=GAMMA.DIST(5, 1, 10, TRUE)
=EXPON.DIST(5, 1/10, TRUE)

EXPON.DIST関数はlambda（率パラメータ）を使いますが、これはGAMMA.DISTのbetaの逆数（lambda = 1/beta）です。1件分の待ち時間ならEXPON.DIST、複数件の合計時間ならGAMMA.DISTを使いましょう。

CHISQ.DIST関数との関係（alpha=n/2、beta=2のとき）

alpha=n/2、beta=2を指定すると、ガンマ分布はカイ二乗分布と同じになります。以下の2つは同じ結果を返します。

=GAMMA.DIST(5, 3, 2, TRUE)
=CHISQ.DIST(5, 6, TRUE)

alpha=3はカイ二乗分布の自由度6（n=2*alpha=6）に対応します。CHISQ.DIST関数はガンマ分布の特殊ケースなのですね。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 1件分の待ち時間 → EXPON.DIST
• 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

よくある間違いと注意点

GAMMA.DIST関数でつまずきやすいポイントをまとめました。

xが負の値で#NUM!エラー

xは0以上の数値で指定します。負の値を入れるとエラーになります。

=GAMMA.DIST(-1, 3, 2, TRUE)   --- #NUM! エラー

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。

=GAMMA.DIST(5, 0, 2, TRUE)    --- #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。

=GAMMA.DIST(5, 3, 0, TRUE)    --- #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、参照先が数値であることを確認しましょう。

TRUE/FALSEの指定を間違える

4番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なります。「x以下の確率」を求めたいのにFALSEを指定すると、確率密度が返ってしまいます。目的に合った値を選んでくださいね。

Excelとの違い

GAMMA.DIST関数は、GoogleスプレッドシートとExcelで構文・動作ともにほぼ同じです。

=GAMMA.DIST(10, 3, 2, TRUE)

この数式はどちらの環境でも同じ結果を返します。Excelでも旧関数名GAMMADISTが使えます。ただしMicrosoft公式ではGAMMA.DISTが推奨されています。

ExcelとGoogleスプレッドシートを併用している方は、GAMMA.DISTで統一しておけば問題ありませんよ。

まとめ

GAMMA.DIST関数は、ガンマ分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEで「x以下となる確率」が返る
• FALSEで「値xでの確率密度」が返る
• alphaは形状パラメータ（イベント回数）、betaは尺度パラメータ（1回の平均時間）
• コールセンターの合計対応時間・保険金請求額・売上分析に使える
• 「x以上の確率」を求めるには =1 - GAMMA.DIST(x, alpha, beta, TRUE) と書く
• xが負の値やalpha・betaが0以下だと#NUM!エラー
• GAMMADIST関数と計算結果は同じ。新規にはGAMMA.DISTを推奨
• alpha=1ならEXPON.DIST関数と同じ結果になる
• 「1件分の待ち時間」ならEXPON.DIST関数、「連続データの確率」ならNORM.DIST関数を使う

Googleスプレッドシートでガンマ分布を扱う関数は2つあります。GAMMADIST関数とGAMMA.DIST関数です。名前は違いますが、計算結果はまったく同じです。

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

GAMMADIST関数とは

GAMMADIST関数（読み方: ガンマディスト関数）は、ガンマ分布にもとづいて確率を返す関数です。ガンマ分布とは、複数のイベントが起こるまでの「合計待ち時間」を表す確率分布です。

たとえば「平均10分に1件の問い合わせが来る窓口で、3件対応するまでの合計時間が40分以内に収まる確率」を1つの数式で求められます。

GAMMADIST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）
• 特定の値での確率密度を求める
• 複数回のイベント発生にかかる合計時間の確率を計算する
• 保険金の請求額分布や売上データの分析に使う

WARNING

GAMMADIST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GAMMA.DIST関数を使うことをおすすめします。計算結果は同じです。

ガンマ分布が使える場面とは

ガンマ分布は、次のような場面で使えます。

1. 複数イベントの合計待ち時間: 問い合わせ3件分の処理時間の合計
2. 右に裾が長いデータの分析: 保険金の請求額、故障修理費用など
3. 正の値のみを取る連続データ: 降水量、年間売上高など

1件あたりの待ち時間が指数分布に従うとき、n件分の合計待ち時間はガンマ分布に従います。つまりEXPON.DIST関数の「複数回バージョン」がGAMMADIST関数です。

TIP

ガンマ分布の形状パラメータ（alpha）が1のとき、ガンマ分布は指数分布と一致します。alpha=1ならEXPONDIST関数と同じ結果が得られますよ。

GAMMADIST関数の書き方（構文と引数）

基本構文

=GAMMADIST(x, alpha, beta, 累積)

カッコの中に4つの引数を指定します。すべて必須です。

引数の説明

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

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0以上で指定してください。

GAMMADIST関数の基本的な使い方

実際にGAMMADIST関数を使ってみましょう。

例題: 問い合わせが平均10分間隔で来る窓口で、3件対応する合計時間が10分以内に収まる確率を求めます。alpha=3（3件）、beta=2（便宜上の尺度パラメータ）です。

セルに次の数式を入力してください。

=GAMMADIST(10, 3, 2, TRUE)

結果は約0.8753（87.5%） です。alpha=3、beta=2のガンマ分布で、x=10以下となる確率が87.5%ということがわかりました。

次に、同じ条件で確率密度を求めてみましょう。

=GAMMADIST(10, 3, 2, FALSE)

結果は約0.0421 です。これはx=10での確率の密度を表す値です。「ちょうど10の確率」ではない点に注意してくださいね。

「10以上となる確率」を知りたいときは、1から累積確率を引きます。

=1 - GAMMADIST(10, 3, 2, TRUE)

結果は約0.1247（12.5%） です。10以上となる確率は約12%ですね。

TRUE/FALSEの結果を比較する

alpha=3、beta=2の場合で、xの値ごとの結果を並べてみましょう。平均値はalpha * beta = 6です。

FALSE列はx=4付近で最大値を取り、その前後で小さくなります。TRUE列はxが増えるほど1に近づいていきます。

GAMMADIST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。

コールセンターで3件対応にかかる合計時間を予測する

「平均10分間隔で問い合わせが来るコールセンター」を考えましょう。3件の問い合わせに対応する合計時間が40分以内に収まる確率を求めます。alpha=3（3件）、beta=10（1件あたり平均10分）です。

=GAMMADIST(40, 3, 10, TRUE)

結果は約0.7619（76.2%） です。約76%の確率で40分以内に3件の対応が完了します。

では「50分以上かかる確率」はどうでしょうか。

=1 - GAMMADIST(50, 3, 10, TRUE)

結果は約0.1247（12.5%） です。3件で50分を超える確率は約12%です。シフト計画を立てるときの参考になりますね。

保険金請求額の分布を予測する

「過去データから形状パラメータalpha=2、尺度パラメータbeta=50万円の分布に従う」保険金請求を考えましょう。請求額が150万円以下となる確率を求めます。

=GAMMADIST(150, 2, 50, TRUE)

結果は約0.8009（80.1%） です。請求の約80%が150万円以下に収まります。

「200万円を超える大口請求の確率」は次のとおりです。

=1 - GAMMADIST(200, 2, 50, TRUE)

結果は約0.0916（9.2%） です。約9%の確率で200万円超の請求が来ます。準備金の設定や保険料の算出に活用できますね。

日次売上の確率を計算する

「日次売上がalpha=5、beta=2万円のガンマ分布に従う」ケースを考えましょう。平均はalpha * beta = 10万円です。日次売上が8万円以上になる確率を求めます。

=1 - GAMMADIST(8, 5, 2, TRUE)

結果は約0.6288（62.9%） です。約63%の日で8万円以上の売上が見込めます。

「15万円以上の好調日」の確率を見てみましょう。

=1 - GAMMADIST(15, 5, 2, TRUE)

結果は約0.1321（13.2%） です。好調日は約13%です。人員配置や在庫計画の判断材料になりますね。

GAMMADIST関数でよくあるエラーと対処法

GAMMADIST関数でつまずきやすいポイントをまとめました。

xが負の値で#NUM!エラー

xは0以上の数値で指定します。負の値を入れるとエラーになります。

=GAMMADIST(-1, 3, 2, TRUE)   ← #NUM! エラー

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。

=GAMMADIST(5, 0, 2, TRUE)    ← #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。

=GAMMADIST(5, 3, 0, TRUE)    ← #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、参照先が数値であることを確認しましょう。

TRUE/FALSEの指定を間違える

4番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なります。「x以下の確率」を求めたいのにFALSEを指定すると、確率密度が返ってしまいます。目的に合った値を選んでくださいね。

GAMMADIST関数とGAMMA.DIST関数の違い

Googleスプレッドシートには、GAMMADIST関数のほかにGAMMA.DIST関数があります。結論からいうと、計算結果はまったく同じです。

=GAMMADIST(10, 3, 2, TRUE)      → 0.8753
=GAMMA.DIST(10, 3, 2, TRUE)     → 0.8753

違いは名前だけで、引数の数・順番・意味もすべて同じです。

GAMMADIST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GAMMA.DIST関数を使いましょう。既存のシートでGAMMADIST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。

関連する統計関数

ガンマ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。

• 1件分の待ち時間 → EXPON.DIST（EXPONDISTでも同じ結果）
• 複数件の合計待ち時間 → GAMMA.DIST（GAMMADISTでも同じ結果）
• 連続データの確率 → NORM.DIST
• 製品の寿命分析 → WEIBULL.DIST

まとめ

GAMMADIST関数は、ガンマ分布（複数イベントの合計待ち時間）にもとづいて確率を求める互換関数です。

• 4番目の引数にTRUEで「x以下となる確率」が返る
• FALSEで「値xでの確率密度」が返る
• alphaは形状パラメータ（イベント回数）、betaは尺度パラメータ（1回の平均時間）
• コールセンターの合計対応時間・保険金請求額・売上分析に使える
• 「x以上の確率」を求めるには =1 - GAMMADIST(x, alpha, beta, TRUE) と書く
• xが負の値やalpha・betaが0以下だと#NUM!エラー
• GAMMA.DIST関数と計算結果は同じ。新規にはGAMMA.DISTを推奨
• 「1件分の待ち時間」ならEXPON.DIST関数、「連続データの確率」ならNORM.DIST関数を使う

「合計の対応時間がどのくらいかかりそうか？」を確率で答えられると、シフト計画や準備金の見積もりに根拠が持てます。ぜひ実際のデータで試してみてくださいね。

平均的な間隔はわかっていても、次がいつ来るかの確率は感覚でしか語れません。手計算で求めようとすると、指数やeの計算が出てきて大変ですよね。

そんなときに使うのがEXPON.DIST関数です。この記事では基本構文から実務活用まで解説します。TRUE/FALSEの違いや、EXPONDIST関数との関係もあわせて紹介しますよ。

EXPON.DIST関数とは

EXPON.DIST関数（読み方: エクスポン・ディスト関数）は、指数分布にもとづいて確率を返す関数です。指数分布とは、あるイベントが次に起こるまでの「待ち時間」を表す確率分布です。

「EXPON」は「Exponential（指数）」の略です。「DIST」は「Distribution（分布）」の略です。

たとえば「平均10分に1件の問い合わせが来る窓口で、5分以内に次の問い合わせが来る確率」を1つの数式で求められます。

EXPON.DIST関数にできることをまとめると、次のとおりです。

• ある時間内にイベントが起きる確率を求める（累積分布）
• 特定の時点での確率密度を求める
• コールセンターの待ち時間を確率で計算する
• 機械の故障間隔やメンテナンス周期の予測に使う

NOTE

EXPON.DIST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にも同名の関数があり、動作は同じです。

指数分布が使える場面とは

指数分布は、次の条件を満たす場面で使えます。

1. イベントがランダムに発生する: いつ起きるかは予測できない
2. 平均発生率が一定: 単位時間あたりの平均回数が変わらない
3. 各イベントが独立: 前回のイベントが次の発生に影響しない

コールセンターへの着信間隔、機械の故障間隔、Webサイトへのアクセス間隔などが典型的な場面です。

TIP

指数分布には「無記憶性」という特徴があります。すでに5分待っていても、あと何分待つかの確率は最初から数えた場合と同じです。過去の待ち時間が未来に影響しない、というわけですね。

基本構文と3つの引数

=EXPON.DIST(x, lambda, 累積)

カッコの中に3つの引数を指定します。

lambdaは「率パラメータ」と呼ばれます。平均待ち時間の逆数です。たとえば平均10分に1件なら lambda = 1/10 = 0.1 です。

WARNING

lambdaは「平均待ち時間」ではなく「1/平均待ち時間」です。平均10分なら10ではなく0.1を指定してください。ここを間違えると結果が大きくずれます。

EXPONDIST関数（互換関数）との関係

GoogleスプレッドシートにはEXPONDISTという関数もあります。これはEXPON.DISTの旧バージョンです。計算結果はまったく同じです。

=EXPONDIST(5, 0.1, TRUE)        --- 旧関数名（動作は同じ）
=EXPON.DIST(5, 0.1, TRUE)       --- 新関数名（推奨）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはEXPON.DISTを使いましょう。既存のシートでEXPONDIST関数が使われていても、そのまま動作します。急いで書き換える必要はありません。

NOTE

EXPONDIST関数の詳しい使い方は、別の記事で解説しています。

EXPON.DIST関数のTRUE/FALSEの違い

EXPON.DIST関数の3番目の引数「累積」は、TRUEかFALSEで結果がまったく変わります。この違いを押さえることが使いこなすポイントです。

FALSE（確率密度関数）——ある時点での密度

FALSEを指定すると確率密度関数（PDF）の値を返します。「時間xでの確率の密度」を表す値です。

=EXPON.DIST(5, 0.2, FALSE)

lambda=0.2は平均5分間隔を意味します。この数式は時間5での確率密度を返します。結果は約0.0736です。

数学的には、次の式で計算されています。

f(x) = lambda * e^(-lambda * x)

確率密度はそのままでは「ちょうどx分の確率」にはなりません。連続分布なので、確率はTRUEで求めるのが一般的です。

TRUE（累積分布関数）——x以内に起きる確率

TRUEを指定すると累積分布関数（CDF）の値を返します。「時間x以内にイベントが起きる確率」です。

=EXPON.DIST(5, 0.2, TRUE)

平均5分間隔のとき、5分以内に次のイベントが起きる確率です。結果は約0.6321（63.2%）です。

数学的には、次の式で計算されています。

F(x) = 1 - e^(-lambda * x)

実務で「何分以内に起きる確率は？」と聞かれたら、TRUEを使ってください。

2つを比較してみる（サンプルデータつき）

平均5分間隔（lambda=0.2）の場合で、経過時間ごとの結果を比べてみましょう。

FALSE列は時間が短いほど大きく、長くなるほど0に近づきます。TRUE列は時間が増えるほど1に近づいていきます。

「x分以上待つ確率」を求めたいときは =1 - EXPON.DIST(x, lambda, TRUE) と書きます。たとえば「10分以上待つ確率」なら次のとおりです。結果は約0.1353（13.5%）です。

=1 - EXPON.DIST(10, 0.2, TRUE)

EXPON.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを3つ紹介します。

コールセンター——次の着信までの待ち時間

「平均8分間隔で着信があるコールセンター」を考えましょう。次の電話が3分以内に来る確率を求めます。lambda = 1/8 = 0.125です。

=EXPON.DIST(3, 0.125, TRUE)

結果は約0.3127（31.3%）です。約31%の確率で3分以内に次の電話が来ます。

では「15分以上電話が来ない確率」はどうでしょうか。

=1 - EXPON.DIST(15, 0.125, TRUE)

結果は約0.1534（15.3%）です。15分以上の空白時間が生まれる確率は約15%です。この情報が他の作業に充てるかの判断材料になりますね。

機械のメンテナンス——故障間隔の予測

「平均500時間で故障するプリンター」を考えてみましょう。300時間以内に故障する確率を求めます。lambda = 1/500 = 0.002です。

=EXPON.DIST(300, 0.002, TRUE)

結果は約0.4512（45.1%）です。300時間以内に故障する確率は約45%です。

では「1,000時間を超えても故障しない確率」はどうでしょうか。

=1 - EXPON.DIST(1000, 0.002, TRUE)

結果は約0.1353（13.5%）です。1,000時間もつ確率は約14%です。メンテナンス計画は500時間を目安に組むのが妥当だとわかります。

配送業務——次の注文が届くまでの時間

「平均20分間隔で注文が入るECサイト」を考えましょう。10分以内に次の注文が来る確率を求めます。lambda = 1/20 = 0.05です。

=EXPON.DIST(10, 0.05, TRUE)

結果は約0.3935（39.4%）です。約39%の確率で10分以内に次の注文が来ます。

一方で「30分以上注文が来ない確率」を見ると、

=1 - EXPON.DIST(30, 0.05, TRUE)

結果は約0.2231（22.3%）です。30分以上空く確率は約22%です。この時間帯には梱包作業を進める、といった判断ができますね。

POISSON.DIST関数との関係——回数と間隔の違い

EXPON.DIST関数とPOISSON.DIST関数は、同じ現象を異なる角度から見ている関数です。

• POISSON.DIST: 一定期間に「何回」起きるか（離散的な回数）
• EXPON.DIST: 次のイベントまで「どのくらい待つか」（連続的な時間）

たとえば「1時間に平均6件の問い合わせが来る」場合を考えましょう。

POISSON.DIST関数で「1時間に8件以上来る確率」を求めるなら、

=1 - POISSON.DIST(7, 6, TRUE)

結果は約0.1528（15.3%）です。

EXPON.DIST関数で「次の問い合わせが5分以内に来る確率」を求めてみましょう。平均間隔は60/6=10分なので lambda=0.1 です。

=EXPON.DIST(5, 0.1, TRUE)

結果は約0.3935（39.4%）です。

同じデータでも、知りたいことに合わせて関数を選び分けましょう。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 次のイベントまでの待ち時間 → EXPON.DIST
• 一定期間にイベントが何回起きるか → POISSON.DIST
• 連続データの確率 → NORM.DIST

よくある間違いと注意点

EXPON.DIST関数でつまずきやすいポイントをまとめました。

xが負の値で#NUM!エラー

xは0以上の数値で指定します。負の値を入れるとエラーになります。

=EXPON.DIST(-1, 0.2, TRUE)   --- #NUM! エラー

lambda（ラムダ）が0以下で#NUM!エラー

lambdaは正の数で指定します。0以下の値を入れるとエラーになります。

=EXPON.DIST(5, 0, TRUE)      --- #NUM! エラー
=EXPON.DIST(5, -0.1, TRUE)   --- #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、参照先が数値であることを確認しましょう。

lambdaに平均待ち時間をそのまま入れてしまう

よくある間違いの筆頭です。lambdaは「率パラメータ」です。平均待ち時間の逆数を指定します。平均10分なら lambda = 1/10 = 0.1 です。セル参照で =EXPON.DIST(5, 1/B1, TRUE) と書くと間違いを防げますよ。

TRUE/FALSEの指定を間違える

3番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なります。「x以内に起きる確率」を求めたいのにFALSEを指定すると、確率密度が返ってしまいます。目的に合った値を選んでくださいね。

Excelとの違い

EXPON.DIST関数は、GoogleスプレッドシートとExcelで構文・動作ともにほぼ同じです。

=EXPON.DIST(5, 0.2, TRUE)

この数式はどちらの環境でも同じ結果を返します。Excelでも旧関数名EXPONDISTが使えます。ただしMicrosoft公式ではEXPON.DISTが推奨されています。

ExcelとGoogleスプレッドシートを併用している方は、EXPON.DISTで統一しておけば問題ありませんよ。

まとめ

EXPON.DIST関数は、指数分布（次のイベントまでの待ち時間）にもとづいて確率を求める関数です。

• 3番目の引数にTRUEで「x以内にイベントが起きる確率」が返る
• FALSEで「時間xでの確率密度」が返る
• lambdaは平均待ち時間の逆数（1/平均）を指定する
• コールセンターの待ち時間・機械故障間隔・注文間隔の予測に使える
• 「x以上待つ確率」を求めるには =1 - EXPON.DIST(x, lambda, TRUE) と書く
• xが負の値やlambdaが0以下だと#NUM!エラー
• EXPONDIST関数と計算結果は同じ。新規にはEXPON.DISTを推奨
• 「回数」を扱うならPOISSON.DIST関数、「連続データの確率」ならNORM.DIST関数を使う

Googleスプレッドシートで指数分布を扱う関数は2つあります。EXPONDIST関数とEXPON.DIST関数です。名前は違いますが、計算結果はまったく同じです。

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

EXPONDIST関数とは

EXPONDIST関数（読み方: エクスポンディスト関数）は、指数分布にもとづいて確率を返す関数です。指数分布とは、あるイベントが次に起こるまでの「待ち時間」を表す確率分布です。

たとえば「平均10分に1件の問い合わせが来る窓口で、5分以内に次の問い合わせが来る確率」を1つの数式で求められます。

EXPONDIST関数にできることをまとめると、次のとおりです。

• ある時間内にイベントが起きる確率を求める（累積分布）
• 特定の時点での確率密度を求める
• コールセンターの待ち時間を確率で計算する
• 機械の故障間隔やメンテナンス周期の予測に使う

WARNING

EXPONDIST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EXPON.DIST関数を使うことをおすすめします。計算結果は同じです。

指数分布が使える場面とは

指数分布は、次の条件を満たす場面で使えます。

1. イベントがランダムに発生する: いつ起きるかは予測できない
2. 平均発生率が一定: 単位時間あたりの平均回数が変わらない
3. 各イベントが独立: 前回のイベントが次の発生に影響しない

コールセンターへの着信間隔、機械の故障間隔、Webサイトへのアクセス間隔などが典型的な場面です。

TIP

指数分布には「無記憶性」という特徴があります。すでに5分待っていても、あと何分待つかの確率は最初から数えた場合と同じです。過去の待ち時間が未来に影響しない、というわけですね。

EXPONDIST関数の書き方（構文と引数）

基本構文

=EXPONDIST(x, lambda, 累積)

カッコの中に3つの引数を指定します。すべて必須です。

引数の説明

lambdaは「率パラメータ」と呼ばれます。平均待ち時間の逆数です。たとえば平均10分に1件なら lambda = 1/10 = 0.1 です。

WARNING

lambdaは「平均待ち時間」ではなく「1/平均待ち時間」です。平均10分なら10ではなく0.1を指定してください。ここを間違えると結果が大きくずれます。

EXPONDIST関数の基本的な使い方

実際にEXPONDIST関数を使ってみましょう。

例題: コールセンターに平均10分間隔で問い合わせが来ます。5分以内に次の問い合わせが来る確率を求めてみます。lambda = 1/10 = 0.1です。

セルに次の数式を入力してください。

=EXPONDIST(5, 0.1, TRUE)

結果は約0.3935（39.4%） です。5分以内に次の問い合わせが来る確率は約39%ということがわかりました。

次に、同じ条件で確率密度を求めてみましょう。

=EXPONDIST(5, 0.1, FALSE)

結果は約0.0607 です。これは時間5での確率の密度を表す値です。「ちょうど5分の確率」ではない点に注意してくださいね。

「10分以上待つ確率」を知りたいときは、1から累積確率を引きます。

=1 - EXPONDIST(10, 0.1, TRUE)

結果は約0.3679（36.8%） です。10分以上の空白時間が生まれる確率は約37%ですね。

TRUE/FALSEの結果を比較する

平均10分間隔（lambda=0.1）の場合で、経過時間ごとの結果を並べてみましょう。

FALSE列は時間が短いほど大きく、長くなるほど0に近づきます。TRUE列は時間が増えるほど1に近づいていきますよ。

EXPONDIST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。

コールセンターの待ち時間を確率で判断する

平均8分間隔で着信があるコールセンターを考えましょう。lambda = 1/8 = 0.125です。

3分以内に次の電話が来る確率を求めます。

=EXPONDIST(3, 0.125, TRUE)

結果は約0.3127（31.3%） です。約31%の確率で3分以内に次の電話が来ます。

では「15分以上電話が来ない確率」はどうでしょうか。

=1 - EXPONDIST(15, 0.125, TRUE)

結果は約0.1534（15.3%） です。15分以上の空白時間が生まれる確率は約15%です。この情報が他の作業に充てるかの判断材料になりますね。

機械のメンテナンス周期を見積もる

平均500時間で故障するプリンターを考えてみましょう。lambda = 1/500 = 0.002です。

300時間以内に故障する確率を求めます。

=EXPONDIST(300, 0.002, TRUE)

結果は約0.4512（45.1%） です。300時間以内に故障する確率は約45%です。

「1,000時間を超えても故障しない確率」も確認してみましょう。

=1 - EXPONDIST(1000, 0.002, TRUE)

結果は約0.1353（13.5%） です。1,000時間もつ確率は約14%です。メンテナンス計画は500時間を目安に組むのが妥当だとわかります。

配送業務の注文間隔を分析する

平均20分間隔で注文が入るECサイトを考えましょう。lambda = 1/20 = 0.05です。

10分以内に次の注文が来る確率を求めます。

=EXPONDIST(10, 0.05, TRUE)

結果は約0.3935（39.4%） です。約39%の確率で10分以内に次の注文が来ます。

一方で「30分以上注文が来ない確率」を見ると、

=1 - EXPONDIST(30, 0.05, TRUE)

結果は約0.2231（22.3%） です。30分以上空く確率は約22%です。この時間帯には梱包作業を進める、といった判断ができますね。

EXPONDIST関数でよくあるエラーと対処法

EXPONDIST関数でつまずきやすいポイントをまとめました。

xが負の値で#NUM!エラー

xは0以上の数値で指定します。負の値を入れるとエラーになります。

=EXPONDIST(-1, 0.2, TRUE)   ← #NUM! エラー

lambda（ラムダ）が0以下で#NUM!エラー

lambdaは正の数で指定します。0以下の値を入れるとエラーになります。

=EXPONDIST(5, 0, TRUE)      ← #NUM! エラー
=EXPONDIST(5, -0.1, TRUE)   ← #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。

lambdaに平均待ち時間をそのまま入れてしまう

よくある間違いの筆頭です。lambdaは「率パラメータ」です。平均待ち時間の逆数を指定します。平均10分なら lambda = 1/10 = 0.1 です。

セル参照で =EXPONDIST(5, 1/B1, TRUE) と書くと間違いを防げますよ。

TRUE/FALSEの指定を間違える

3番目の引数を省略することはできません。TRUEとFALSEでは結果がまったく異なります。「x以内に起きる確率」ならTRUE、「確率密度」ならFALSEです。

EXPONDIST関数とEXPON.DIST関数の違い

Googleスプレッドシートには、EXPONDIST関数のほかにEXPON.DIST関数があります。結論からいうと、計算結果はまったく同じです。

=EXPONDIST(5, 0.1, TRUE)      → 0.3935
=EXPON.DIST(5, 0.1, TRUE)     → 0.3935

違いは名前だけで、引数の数・順番・意味もすべて同じです。

EXPONDIST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EXPON.DIST関数を使いましょう。既存のシートでEXPONDIST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。

関連する統計関数

指数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。

• 次のイベントまでの待ち時間 → EXPON.DIST（EXPONDISTでも同じ結果）
• 一定期間にイベントが何回起きるか → POISSON.DIST
• 連続データの確率 → NORM.DIST

まとめ

EXPONDIST関数は、指数分布（次のイベントまでの待ち時間）にもとづいて確率を求める互換関数です。

• 3番目の引数にTRUEで「x以内にイベントが起きる確率」が返る
• FALSEで「時間xでの確率密度」が返る
• lambdaは平均待ち時間の逆数（1/平均）を指定する
• コールセンターの待ち時間・機械故障間隔・注文間隔の予測に使える
• 「x以上待つ確率」を求めるには =1 - EXPONDIST(x, lambda, TRUE) と書く
• xが負の値やlambdaが0以下だと#NUM!エラー
• EXPON.DIST関数と計算結果は同じ。新規にはEXPON.DISTを推奨
• 「回数」を扱うならPOISSON.DIST関数、「連続データの確率」ならNORM.DIST関数を使う

「平均的な間隔はわかっているけど、次がいつ来るかの確率は？」を数字で答えられるようになると、人員配置やメンテナンス計画の精度がぐっと上がります。ぜひ実際のデータで試してみてくださいね。

目視でグラフを比べるだけでは、報告書に「統計的に差がある」とは書けません。きちんと数値で裏付けを取りたいですよね。

そんなときに使うのがF.DIST関数です。この記事ではGoogleスプレッドシートでのF.DIST関数の使い方を、基本構文から実務活用まで解説します。TRUE/FALSEの違いや、F.DIST.RTとの使い分けもあわせて紹介しますよ。

スプレッドシートのF.DIST関数とは

F.DIST関数（読み方: エフ・ディスト関数）は、F分布にもとづいて確率を返す関数です。「F」は統計学者フィッシャー（Fisher）に由来し、「DIST」は「Distribution（分布）」の略です。

F分布はカイ二乗分布と同じく右に裾を引く非対称の形が特徴です。「2つのグループの分散の比」を評価するときに使います。正規分布やt分布とは違い、0以上の値しか取りません。

F.DIST関数にできることをまとめると、次のとおりです。

• ある値がF分布の左側何%に位置するかを求める（累積確率）
• F分布のグラフ上の密度（高さ）を取得する
• 2グループのばらつきに統計的な差があるかを判定する（F検定）
• 3グループ以上の平均に差があるかを調べる（分散分析・ANOVA）

NOTE

F.DIST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にも同名の関数があり、動作は同じです。

基本構文と4つの引数

=F.DIST(x, 自由度1, 自由度2, 累積)

カッコの中に4つの引数を指定します。

TIP

F分布には自由度が2つあります。分子の自由度（自由度1）は「グループ数 – 1」、分母の自由度（自由度2）は「全データ数 – グループ数」で求めます。F検定では「分子 = サンプル数1 – 1」「分母 = サンプル数2 – 1」です。小数を渡した場合は整数部分だけが使われます。

FDIST（旧関数名）との関係

GoogleスプレッドシートにはFDISTという関数もあります。ただしFDISTは右側累積確率を返す旧関数で、引数は3つ（x, 自由度1, 自由度2）です。TRUE/FALSEの切り替えはできません。

=FDIST(3.49, 3, 20)         ← 旧関数名（右側確率を返す）
=1 - F.DIST(3.49, 3, 20, TRUE)  ← 新関数で同じ結果

新しく数式を書くときはF.DISTを使っておけば安心ですよ。

TRUE/FALSEで何が変わる？累積か密度かを選ぼう

F.DIST関数の4番目の引数「累積」は、TRUEかFALSEで結果がまったく変わります。この違いを押さえておくことが、F.DIST関数を使いこなすポイントです。

TRUE（累積分布関数）——x以下は全体の何%？

TRUEを指定すると累積分布関数（CDF: ある値以下になる確率の合計）の値を返します。実務で使う場面のほとんどがこちらです。

=F.DIST(3.49, 3, 20, TRUE)

この数式は「自由度(3, 20)のF分布で、3.49以下になる確率」を返します。結果は約0.9500（95.0%） です。

つまりF値が3.49以下に収まる確率が約95%ということです。逆にいえば、3.49を超える確率は約5%ですね。この「3.49」は自由度(3, 20)・有意水準5%の臨界値にあたります。

FALSE（確率密度関数）——その値の密度は？

FALSEを指定すると確率密度関数（PDF: F分布グラフ上のy座標の値）を返します。

=F.DIST(3.49, 3, 20, FALSE)

結果は約0.0226です。これは「確率」ではなくグラフの高さなので、直接「何%」と読むことはできません。F分布のグラフを描くときに使います。

2つを比較してみる（サンプルデータつき）

自由度(5, 20)のF分布で、xを変えたときの結果を比べてみましょう。

TRUEの列はxが大きくなるほど1に近づいていきます。FALSEの列はx=1付近にピークがあり、そこから離れるほど小さくなります。F分布のピークが1付近にあるのは、2つのグループのばらつきが同程度なら分散比が1前後になるためですよ。

実務活用3パターン

F.DIST関数の基本がわかったところで、実際の業務で使えるパターンを3つ紹介します。

等分散性のF検定——2グループのばらつきに差があるか判定する

「拠点Aと拠点Bの売上のばらつきに差があるか」を判定するのがF検定です。t検定の前提確認（等分散かどうか）としてもよく使われます。

たとえば、拠点A（10件）と拠点B（12件）の売上データがあるとします。分散を計算した結果、分散A = 250、分散B = 100 だったとします。

F値は「大きいほうの分散 / 小さいほうの分散」で求めます。

F値 = 250 / 100 = 2.5

自由度1 = 10 – 1 = 9、自由度2 = 12 – 1 = 11 です。

p値（右側確率）を求めるには、F.DIST.RTを使います。

=F.DIST.RT(2.5, 9, 11)

結果は約0.0808です。有意水準5%（0.05）を超えているので、「ばらつきに有意な差があるとはいえない」と判断できます。等分散を仮定したt検定を使ってよいということですね。

TIP

p値を 1 - F.DIST() で求める場合は =1 - F.DIST(2.5, 9, 11, TRUE) と書きます。F.DIST.RTを使うほうがシンプルですよ。

一元配置分散分析（ANOVA）——3グループ以上の平均に差があるか調べる

「3つの拠点の売上平均に差があるか」を調べるのが分散分析（ANOVA）です。F.DIST関数はANOVAのp値を手動で求めるときに活躍します。

拠点A・B・Cの月間売上（各5件ずつ、合計15件）を分析する例です。分散分析表を作成した結果、次の値が得られたとします。

F値 = グループ間分散 / グループ内分散 = 600 / 200 = 3.0 です。

=F.DIST.RT(3.0, 2, 12)

結果は約0.0876です。有意水準5%を超えているので、「3拠点の平均に有意な差があるとはいえない」となります。

有意水準10%なら有意になるレベルなので、サンプルを増やして再検証するのも一つの方法ですよ。

TIP

手計算が面倒な場合は、Googleスプレッドシートの「データ」メニューから「統計」を使う方法もあります。ただし仕組みを理解するには、F.DIST関数で一度手動計算してみるのがおすすめです。

回帰分析の有意性検定——モデル全体が意味を持つか確認する

回帰分析の結果で「このモデルは統計的に有意か」を判断するときにもF値を使います。

たとえば、説明変数3つ・サンプル数30の重回帰分析でF値が5.2だったとします。

=F.DIST.RT(5.2, 3, 26)

自由度1 = 説明変数の数 = 3、自由度2 = サンプル数 – 説明変数の数 – 1 = 26 です。

結果は約0.0062です。有意水準5%を大きく下回るので、「この回帰モデルは統計的に有意」と判断できますね。

F分布関数ファミリーの使い分け

Googleスプレッドシートには、F分布に関連する関数がいくつかあります。それぞれの役割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。

• 検定のp値を求めたい → F.DIST.RT（右側確率）が直接的
• 臨界値を求めたい → F.INV.RT（例: 有意水準5%・自由度(3, 20)の臨界値 = 3.10）
• データ範囲から直接F検定したい → F.TEST
• グラフを描きたい → F.DIST(x, df1, df2, FALSE)

迷ったらF.DIST.RTでp値を求めるのが実務では安全ですよ。

正規分布（NORM.DIST）・t分布（T.DIST）・カイ二乗分布（CHISQ.DIST）との違い

F.DIST関数とNORM.DIST関数、T.DIST関数、CHISQ.DIST関数はいずれも確率分布の関数ですが、扱うデータの種類が異なります。

使い分けの基準はシンプルです。

• 分散（ばらつき）を比べたい → F.DIST
• 連続データの位置を知りたい → NORM.DIST
• 少数サンプルの平均差を検定したい → T.DIST
• カテゴリデータの偏りを調べたい → CHISQ.DIST

よくあるエラーと注意点

F.DIST関数でつまずきやすいポイントをまとめました。

xに負の値を指定して#NUM!エラー

F分布は0以上の値しか取りません。xに負の値を渡すと#NUM!エラーになります。

=F.DIST(-1, 3, 20, TRUE)   ← #NUM! エラー

自由度に1未満を指定して#NUM!エラー

自由度1・自由度2はどちらも1以上の正の整数でなければなりません。0を指定すると#NUM!エラーになります。

=F.DIST(2, 0, 20, TRUE)   ← #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、参照先が数値であることを確認しましょう。

分散比の大小を逆にしてしまう

F検定では「大きい分散 / 小さい分散」が原則です。逆にするとF値が1未満になり、右側確率が大きくなって検定の感度が落ちます。どちらの分散が大きいかを先に確認してから計算してくださいね。

F.DIST.RTとF.DISTの混同

F.DISTのTRUEは「左側」の累積確率を返します。検定のp値は「右側」なので、F.DIST.RTを使うか、1 - F.DIST(x, df1, df2, TRUE) と書く必要があります。p値を求めるつもりでF.DIST(x, df1, df2, TRUE)をそのまま使うと、結果が逆になってしまいますよ。

まとめ

F.DIST関数は、F分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEを指定すると「x以下の累積確率」が返る
• FALSEを指定するとグラフの密度値が返る（実務ではTRUEが主役）
• 2グループのばらつき比較（F検定）や3グループ以上の平均差検定（分散分析）に使える
• p値を求めるにはF.DIST.RT（右側確率）が便利
• xに負の値を渡すと#NUM!エラー。分散比は「大きい / 小さい」の順に注意
• 関連関数として、逆算にはF.INV、データから直接検定するにはF.TESTが使える

F検定や分散分析は「ばらつきや平均に意味のある差があるか」を判断する基本の手法です。データ分析の裏付けに、ぜひ活用してみてくださいね。

過去の平均はわかっていても、実際に何件来るかの確率は感覚でしか語れません。手計算で求めようとすると、指数や階乗が出てきて大変ですよね。

そんなときに使えるのがPOISSON関数です。この記事ではGoogleスプレッドシートでのPOISSON関数の使い方を、基本構文から実務活用まで解説します。POISSON.DIST関数との違いもあわせて紹介しますよ。

POISSON関数とは

POISSON関数（読み方: ポアソン関数）は、ポアソン分布にもとづいて確率を返す関数です。ポアソン分布とは、一定の時間や範囲のなかで、あるイベントが何回起きるかの確率分布です。「POISSON」はフランスの数学者シメオン・ドニ・ポアソンの名前に由来します。

たとえば「1日に平均2件のクレームが届くとき、5件以上届く確率」を1つの数式で求められます。

POISSON関数にできることをまとめると、次のとおりです。

• ちょうどx回イベントが起きる確率を求める（確率密度）
• x回以下イベントが起きる確率を求める（累積確率）
• コールセンターの着信予測や在庫の欠品確率を計算する

WARNING

POISSON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POISSON.DIST関数を使うことをおすすめします。計算結果は同じです。

ポアソン分布が成り立つ3つの条件

POISSON関数を使うには、データがポアソン分布の前提を満たしている必要があります。

1. イベントが独立: あるイベントの発生が、次のイベントの発生に影響しない
2. 平均発生回数がわかっている: 一定の期間や範囲での平均回数が既知
3. 同時発生しない: 極めて短い期間に2回以上同時に起きることはない

コールセンターの着信件数、Webサイトへのアクセス数、不良品の発生個数などは、この3条件を満たす典型的な場面です。

POISSON関数の書き方（構文と引数）

基本構文

=POISSON(イベント数, 平均, 関数形式)

カッコの中に3つの引数を指定します。すべて必須です。

引数の説明

関数形式のTRUE/FALSEの違いがポイントです。

• FALSE（確率密度）: 「ちょうどX回起きる確率」を返します
• TRUE（累積分布）: 「0回からX回までに収まる確率」を返します

たとえば平均3件のとき、=POISSON(5,3,FALSE) は「ちょうど5件になる確率」です。=POISSON(5,3,TRUE) は「0〜5件に収まる確率」が返ります。

TIP

イベント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。

POISSON関数の基本的な使い方

実際にPOISSON関数を使ってみましょう。

例題: コールセンターに1時間あたり平均4件の問い合わせがあります。ちょうど6件来る確率を求めてみます。

セルに次の数式を入力してください。

=POISSON(6, 4, FALSE)

結果は約0.1042（10.4%） です。平均4件のコールセンターに、ちょうど6件来る確率は約10%ということがわかりました。

次に、6件以下に収まる確率を求めてみましょう。

=POISSON(6, 4, TRUE)

結果は約0.8893（88.9%） です。6件以下に収まる確率は約89%です。

「7件以上になる確率」を知りたいときは、1から累積確率を引きます。

=1 - POISSON(6, 4, TRUE)

結果は約0.1107（11.1%） です。7件以上の問い合わせが来る確率は約11%ですね。

TRUE/FALSEの結果を比較する

平均4件の場合で、イベント回数ごとの結果を並べてみましょう。

FALSE列はイベント回数が平均値（4回）付近で最大になります。TRUE列はイベント回数が増えるほど1に近づいていきますよ。

POISSON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。

コールセンターの人員配置を確率で判断する

1時間あたり平均5件の問い合わせが来るコールセンターで、オペレーターが1時間に対応できるのは最大8件だとします。キャパシティを超える確率を求めてみましょう。

=1 - POISSON(8, 5, TRUE)

結果は約0.0318（3.2%） です。8件を超える確率は約3%なので、通常の体制で十分対応できそうです。

では繁忙期で平均が8件に増えた場合はどうでしょうか。

=1 - POISSON(8, 8, TRUE)

結果は約0.4075（40.8%） です。約41%の確率でキャパシティを超えてしまいます。繁忙期にはオペレーターの増員が必要だとわかりますね。

在庫管理での欠品確率を見積もる

1日あたり平均3個の注文が入る商品があります。在庫を5個確保しておけば、1日で欠品する確率はどのくらいでしょうか。

=1 - POISSON(5, 3, TRUE)

結果は約0.0839（8.4%） です。在庫5個なら欠品確率は約8%です。

もう少し安心したい場合は、在庫を7個にしてみましょう。

=1 - POISSON(7, 3, TRUE)

結果は約0.0119（1.2%） です。在庫を7個に増やせば、欠品確率は約1%まで下がります。在庫コストとリスクのバランスを数値で判断できるのがPOISSON関数の便利なところです。

品質管理での不良品発生予測

製造ラインで1日あたり平均2個の不良品が発生します。不良品が0個の日になる確率を出してみましょう。

=POISSON(0, 2, FALSE)

結果は約0.1353（13.5%） です。不良品ゼロの日は約13.5%の確率で発生します。

「不良品が4個以上になるリスクの高い日」の確率も確認できます。

=1 - POISSON(3, 2, TRUE)

結果は約0.1429（14.3%） です。約7日に1日は不良品が4個以上出る計算です。品質管理の目標設定に役立てましょう。

POISSON関数でよくあるエラーと対処法

POISSON関数でつまずきやすいポイントをまとめました。

イベント数が負の値で#NUM!エラー

イベント数には0以上の整数を指定します。負の値はエラーになります。

=POISSON(-1, 3, FALSE)   ← #NUM! エラー

平均が負の値で#NUM!エラー

平均には0より大きい数値を指定します。0や負の値はエラーになります。

=POISSON(2, -1, FALSE)   ← #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。

=POISSON("三", 4, FALSE)   ← #VALUE! エラー

TRUE/FALSEの指定を間違える

3番目の引数を間違えると、求めたい結果とまったく違う値が返ります。「ちょうどx回の確率」ならFALSE、「x回以下の確率」ならTRUEです。

「x回以上」の確率を求めるときの計算

POISSON関数のTRUEは「x回以下」の確率を返します。「x回以上」が欲しいときは次のように書きます。

=1 - POISSON(x-1, 平均, TRUE)

「x-1」にする点がポイントです。「x回以上」には「ちょうどx回」も含まれるため、x-1回以下の累積確率を1から引きます。

POISSON関数とPOISSON.DIST関数の違い

Googleスプレッドシートには、POISSON関数のほかにPOISSON.DIST関数があります。結論からいうと、計算結果はまったく同じです。

=POISSON(3, 4, TRUE)        → 0.4335
=POISSON.DIST(3, 4, TRUE)   → 0.4335

違いは名前だけで、引数の数・順番・意味もすべて同じです。

POISSON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POISSON.DIST関数を使いましょう。既存のシートでPOISSON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。

関連する統計関数

ポアソン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。

• 一定期間にイベントが何回起きるか → POISSON.DIST
• 成功/失敗の2択を繰り返す → BINOM.DIST
• 連続データの確率 → NORM.DIST

まとめ

POISSON関数は、ポアソン分布（一定期間にイベントが何回起きるか）にもとづいて確率を求める互換関数です。

• 3番目の引数にFALSEで「ちょうどx回起きる確率」が返る
• TRUEで「x回以下に収まる確率」が返る
• コールセンターの着信予測・在庫の欠品確率・品質管理の不良品予測に使える
• 「x回以上」を求めるには =1 - POISSON(x-1, 平均, TRUE) と書く
• イベント数や平均が負の値だと#NUM!エラー
• POISSON.DIST関数と計算結果は同じ。新規にはPOISSON.DISTを推奨
• 二項分布にはBINOM.DIST関数、正規分布にはNORM.DIST関数を使う

「平均はわかっているけど、実際にどのくらいの確率でその回数になるの？」を数字で答えられるようになると、意思決定の精度がぐっと上がります。ぜひ実際のデータで試してみてくださいね。

平均寿命だけでは、いつ壊れるかの確率はわかりません。手計算で求めるとべき乗やeの計算が出てきて大変ですよね。

そんなときに使うのがWEIBULL.DIST関数です。この記事では基本構文から実務活用まで解説します。累積分布と確率密度の使い分けや、WEIBULL関数との違いもあわせて紹介しますよ。

WEIBULL.DIST関数とは

WEIBULL.DIST関数（読み方: ワイブル・ディスト関数）は、ワイブル分布にもとづいて確率を返す関数です。ワイブル分布とは、製品の寿命や故障までの時間をモデル化するのに使われる確率分布です。

「WEIBULL」はスウェーデンの数学者ワロディ・ワイブル（Waloddi Weibull）に由来しています。「DIST」は「Distribution（分布）」の略です。

たとえば「平均1,000時間で故障する部品が、500時間以内に壊れる確率」を1つの数式で求められます。

WEIBULL.DIST関数にできることをまとめると、次のとおりです。

• ある時間内に製品が故障する確率を求める（累積分布）
• 特定の時点での故障確率の密度を求める（確率密度）
• 製品寿命の予測やメンテナンス計画の立案に使う
• 形状パラメータを変えて故障パターン（初期故障・偶発故障・摩耗故障）を分析する

NOTE

WEIBULL.DIST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にも同名の関数があり、動作は同じです。

ワイブル分布が使える場面とは

ワイブル分布は、次のような場面で使われます。

1. 製品の寿命分析: 電子部品やモーターなどの故障時間を予測する
2. 品質管理: 不良品の発生タイミングを統計的に把握する
3. メンテナンス計画: 予防保全のタイミングを確率で決める
4. 信頼性工学: 製品の故障率が時間とともにどう変化するかを分析する

指数分布（EXPON.DIST関数）は「故障率が一定」という前提です。一方、ワイブル分布は「故障率が時間とともに変化する」場面も扱えます。そこがワイブル分布の強みですね。

TIP

ワイブル分布の形状パラメータ（alpha）を1にすると、指数分布とまったく同じになります。ワイブル分布は指数分布を含む、より汎用的な分布といえます。

基本構文と4つの引数

=WEIBULL.DIST(x, alpha, beta, cumulative)

カッコの中に4つの引数を指定します。

alphaは「形状パラメータ」と呼ばれ、分布の形（故障パターン）を決めます。betaは「尺度パラメータ」と呼ばれ、時間のスケール（目安となる寿命）を決めます。

WARNING

alphaとbetaはどちらも0より大きい値を指定してください。0以下を指定すると#NUM!エラーになります。

WEIBULL関数（互換関数）との関係

GoogleスプレッドシートにはWEIBULL関数という関数もあります。これはWEIBULL.DIST関数の旧バージョン（互換関数）です。計算結果はまったく同じです。

=WEIBULL.DIST(500, 2, 1000, TRUE)     --- 新関数名（推奨）
=WEIBULL(500, 2, 1000, TRUE)          --- 旧関数名（互換関数）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはWEIBULL.DIST関数を使いましょう。

NOTE

WEIBULL関数の詳しい使い方は、別の記事で解説しています。既存のシートでWEIBULL関数が使われていても、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。

WEIBULL.DIST関数のTRUE/FALSEの違い

4番目の引数（cumulative）にTRUEとFALSEのどちらを指定するかで、返ってくる値の意味がまったく変わります。

TRUE（累積分布関数）——x時間以内に故障する確率

TRUEを指定すると累積分布関数（CDF: Cumulative Distribution Function）の値を返します。「時間x以内に故障する確率」です。

たとえば形状パラメータ alpha=2、尺度パラメータ beta=1000のとき、500時間以内に故障する確率を求めてみましょう。

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

結果は約0.2212（22.1%）です。500時間以内に故障する確率は約22%とわかります。

数学的には、次の式で計算されています。

F(x) = 1 - e^(-(x/beta)^alpha)

実務で「何時間以内に故障する確率は？」と聞かれたら、TRUEを使ってください。

FALSE（確率密度関数）——特定時点での密度

FALSEを指定すると確率密度関数（PDF: Probability Density Function）の値を返します。「時間xでの故障確率の密度」を表す値です。

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

結果は約0.000778です。

数学的には、次の式で計算されています。

f(x) = (alpha / beta^alpha) * x^(alpha-1) * e^(-(x/beta)^alpha)

確率密度はそのままでは「ちょうどx時間での故障確率」にはなりません。連続分布なので、ある範囲の確率を求めたいときはTRUE（累積分布関数）を使うのが一般的です。

2つを比較してみる（サンプルデータつき）

alpha=2、beta=1000の場合で、経過時間ごとの結果を比べてみましょう。

alpha=2なので、確率密度（FALSE列）は beta 付近でピークを迎えます。累積確率（TRUE列）は時間とともに1に近づいていきますね。

「x時間以上もつ確率」を求めたいときは =1-WEIBULL.DIST(x, alpha, beta, TRUE) と書きます。たとえば「1,500時間以上もつ確率」なら次のとおりです。

=1-WEIBULL.DIST(1500, 2, 1000, TRUE)

結果は約0.1054（10.5%）です。

WEIBULL.DIST関数の実務活用3パターン

基本がわかったところで、実際の業務で使えるパターンを紹介します。

製品の保証期間を設定する

「平均寿命が約1,000時間のモーターがある。保証期間を500時間に設定したい。保証期間内に故障する確率はどのくらいか？」を考えてみましょう。

過去の故障データから alpha=1.5、beta=1000 が推定されているとします。

=WEIBULL.DIST(500, 1.5, 1000, TRUE)

結果は約0.1455（14.6%）です。保証期間500時間以内に故障する確率は約15%とわかります。

では保証期間を300時間に短縮するとどうでしょうか。

=WEIBULL.DIST(300, 1.5, 1000, TRUE)

結果は約0.0570（5.7%）です。300時間なら故障確率が約6%に下がります。保証コストとのバランスを考える判断材料になりますね。

形状パラメータで故障パターンを見分ける

ワイブル分布の最大の特徴は、形状パラメータ（alpha）の値で故障パターンが変わることです。これは「バスタブ曲線」として知られています。

実際にbeta=1000で固定して、alphaを変えて500時間以内の故障確率を比較してみましょう。

=WEIBULL.DIST(500, 0.5, 1000, TRUE)    --- alpha=0.5（初期故障型）
=WEIBULL.DIST(500, 1, 1000, TRUE)      --- alpha=1（偶発故障型）
=WEIBULL.DIST(500, 2, 1000, TRUE)      --- alpha=2（摩耗故障型）
=WEIBULL.DIST(500, 3, 1000, TRUE)      --- alpha=3（摩耗故障型・急激）

alphaが小さいほど初期に故障しやすく、大きいほど初期は安定しています。自社製品の故障データからalphaを推定して、どの故障パターンに当てはまるかを把握するのが品質改善の第一歩です。

メンテナンス時期を逆算する

「故障確率が10%を超える前にメンテナンスしたい」という場合、経過時間ごとの故障確率を見ていく方法が実用的です。

alpha=2、beta=1000の場合、300時間前後でメンテナンスするのが妥当です。300時間での故障確率は約8.6%で、目標の10%以内に収まっていますね。

スプレッドシートで経過時間を100刻みで並べてWEIBULL.DIST関数を入力し、グラフ化すると故障確率の推移が一目で確認できます。

WEIBULL.DIST関数でよくあるエラーと対処法

WEIBULL.DIST関数でつまずきやすいポイントをまとめました。

WARNING

4番目の引数（cumulative）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。「x時間以内に故障する確率」を求めたいのにFALSEを指定すると、確率密度が返ってきてしまうので注意してください。

WEIBULL.DIST関数とWEIBULL関数の違い

WEIBULL.DIST関数は、WEIBULL関数の新しいバージョンです。引数・計算結果はまったく同じです。

新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても問題なく動作します。急いで書き換える必要はありません。

ただし、今後のバージョンアップで互換関数が廃止される可能性はゼロではありません。新規のシートではWEIBULL.DISTを選んでおくのが安心です。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 故障率が時間とともに変化する → WEIBULL.DIST
• 故障率が一定 → EXPON.DIST
• 連続データの確率 → NORM.DIST
• イベントの発生回数 → POISSON.DIST

Excelとの違い

WEIBULL.DIST関数は、ExcelとGoogleスプレッドシートの両方で使えます。引数の数・順番・計算結果はすべて同じです。

ExcelとGoogleスプレッドシートを併用している環境でも、WEIBULL.DIST関数ならそのまま使い回せます。

まとめ

WEIBULL.DIST関数は、ワイブル分布にもとづいて確率を求める関数です。

• 4番目の引数にTRUEで「x時間以内に故障する確率」が返る
• FALSEで「時間xでの確率密度」が返る
• alphaは形状パラメータ（故障パターンを決める）、betaは尺度パラメータ（時間のスケールを決める）
• alpha < 1で初期故障型、alpha = 1で偶発故障型、alpha > 1で摩耗故障型
• 製品の保証期間設定、故障パターン分析、メンテナンス計画の立案に使える
• 「x時間以上もつ確率」は =1-WEIBULL.DIST(x, alpha, beta, TRUE) で求める
• xが負、alphaやbetaが0以下だと#NUM!エラー
• WEIBULL関数と計算結果は同じ。新規にはWEIBULL.DISTを推奨
• 故障率が一定ならEXPON.DIST関数、連続データの確率ならNORM.DIST関数を使う

平均寿命はわかっていても、特定の時間内に故障する確率を出すのは簡単ではありません。手計算で求めようとすると、べき乗やeの計算が出てきて大変ですよね。

そんなときに使うのがWEIBULL関数です。この記事では基本構文から実務活用まで解説します。累積分布と確率密度の使い分けや、WEIBULL.DIST関数との関係もあわせて紹介しますよ。

WEIBULL関数とは

WEIBULL関数（読み方: ワイブル関数）は、ワイブル分布にもとづいて確率を返す関数です。ワイブル分布とは、製品の寿命や故障までの時間を表すのによく使われる確率分布です。

「WEIBULL」はスウェーデンの数学者ワロディ・ワイブル（Waloddi Weibull）の名前に由来しています。

たとえば「平均1,000時間で故障する部品が、500時間以内に壊れる確率」を1つの数式で求められます。

WEIBULL関数にできることをまとめると、次のとおりです。

• ある時間内に製品が故障する確率を求める（累積分布）
• 特定の時点での故障確率の密度を求める
• 製品寿命の予測やメンテナンス計画の立案に使う
• 形状パラメータを変えて故障パターン（初期故障・偶発故障・摩耗故障）を分析する

NOTE

WEIBULL関数はGoogleスプレッドシートの全バージョンで使えます。ただし互換関数のため、新しく数式を書くときはWEIBULL.DIST関数の使用が推奨されています。

ワイブル分布が使える場面とは

ワイブル分布は、次のような場面で使われます。

1. 製品の寿命分析: 電子部品やモーターなどの故障時間を予測する
2. 品質管理: 不良品の発生タイミングを統計的に把握する
3. メンテナンス計画: 予防保全のタイミングを確率で決める
4. 信頼性工学: 製品の故障率が時間とともにどう変化するかを分析する

指数分布（EXPON.DIST関数）は「故障率が一定」という前提ですが、ワイブル分布は「故障率が時間とともに変化する」場面も扱えます。そこがワイブル分布の強みです。

TIP

ワイブル分布の形状パラメータ（alpha）を1にすると、指数分布とまったく同じになります。ワイブル分布は指数分布を含む、より汎用的な分布といえます。

基本構文と4つの引数

=WEIBULL(x, alpha, beta, cumulative)

カッコの中に4つの引数を指定します。

alphaは「形状パラメータ」と呼ばれます。この値によって分布の形（故障パターン）が大きく変わります。betaは「尺度パラメータ」と呼ばれ、時間のスケール（目安となる寿命）を決めます。

WARNING

alphaとbetaはどちらも0より大きい値を指定してください。0以下を指定すると#NUM!エラーになります。

WEIBULL.DIST関数（推奨関数）との関係

GoogleスプレッドシートにはWEIBULL.DISTという関数もあります。これはWEIBULL関数の新しいバージョンです。計算結果はまったく同じです。

=WEIBULL(500, 2, 1000, TRUE)          --- 旧関数名（互換関数）
=WEIBULL.DIST(500, 2, 1000, TRUE)     --- 新関数名（推奨）

引数の数・順番・意味もすべて同じです。新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても、そのまま動作します。急いで書き換える必要はありません。

NOTE

WEIBULL.DIST関数の詳しい使い方は、別の記事で解説しています。

WEIBULL関数の基本的な使い方

累積分布関数で「〇〇時間以内の故障確率」を求める

4番目の引数にTRUEを指定すると累積分布関数（CDF）の値を返します。「時間x以内に故障する確率」です。

たとえば形状パラメータ alpha=2、尺度パラメータ beta=1000のとき、500時間以内に故障する確率を求めてみましょう。

=WEIBULL(500, 2, 1000, TRUE)

結果は約0.2212（22.1%）です。500時間以内に故障する確率は約22%です。

数学的には、次の式で計算されています。

F(x) = 1 - e^(-(x/beta)^alpha)

実務で「何時間以内に故障する確率は？」と聞かれたら、TRUEを使ってください。

確率密度関数で特定時点の値を求める

4番目の引数にFALSEを指定すると確率密度関数（PDF）の値を返します。「時間xでの故障確率の密度」を表す値です。

=WEIBULL(500, 2, 1000, FALSE)

結果は約0.000778です。

数学的には、次の式で計算されています。

f(x) = (alpha / beta^alpha) * x^(alpha-1) * e^(-(x/beta)^alpha)

確率密度はそのままでは「ちょうどx時間での故障確率」にはなりません。連続分布なので、確率はTRUEで求めるのが一般的です。

2つを比較してみる（サンプルデータつき）

alpha=2、beta=1000の場合で、経過時間ごとの結果を比べてみましょう。

alpha=2なので、確率密度（FALSE列）はベータ付近でピークを迎えます。累積確率（TRUE列）は時間とともに1に近づいていきます。

「x時間以上もつ確率」を求めたいときは =1 - WEIBULL(x, alpha, beta, TRUE) と書きます。たとえば「1,500時間以上もつ確率」なら次のとおりです。

=1 - WEIBULL(1500, 2, 1000, TRUE)

結果は約0.1054（10.5%）です。

WEIBULL関数の実務活用パターン

基本がわかったところで、実際の業務で使えるパターンを紹介します。

製品の故障率・寿命分析

「平均寿命が約1,000時間のモーターがある。保証期間を500時間に設定したい。保証期間内に故障する確率はどのくらいか？」を考えてみましょう。

過去の故障データから alpha=1.5、beta=1000 が推定されているとします。

=WEIBULL(500, 1.5, 1000, TRUE)

結果は約0.1455（14.6%）です。保証期間500時間以内に故障する確率は約15%です。

では保証期間を800時間に延ばすとどうなるでしょうか。

=WEIBULL(800, 1.5, 1000, TRUE)

結果は約0.3440（34.4%）です。800時間にすると故障確率が約34%に上がります。保証コストとのバランスを考える判断材料になりますね。

形状パラメータで故障パターンを読み解く

ワイブル分布の最大の特徴は、形状パラメータ（alpha）の値で故障パターンが変わることです。これは「バスタブ曲線」として知られています。

実際に同じ beta=1000 で、alphaを変えて500時間以内の故障確率を比較してみましょう。

=WEIBULL(500, 0.5, 1000, TRUE)    --- alpha=0.5（初期故障型）
=WEIBULL(500, 1, 1000, TRUE)      --- alpha=1（偶発故障型）
=WEIBULL(500, 2, 1000, TRUE)      --- alpha=2（摩耗故障型）
=WEIBULL(500, 3, 1000, TRUE)      --- alpha=3（摩耗故障型・急激）

alphaが小さいほど初期に故障しやすく、大きいほど初期は安定している代わりに後から故障率が急激に上がります。自社製品の故障データを分析して、どの故障パターンに当てはまるかを把握することが品質改善の第一歩です。

メンテナンス時期の判断

「故障確率が10%を超える前にメンテナンスしたい」という場合、何時間で10%に達するかを逆算できます。

直接的な逆関数はありませんが、経過時間を変えながら確率を見ていく方法が実用的です。

alpha=2、beta=1000の場合、300時間前後でメンテナンスするのが妥当です。300時間での故障確率は約8.6%で、目標の10%以内に収まっていますね。

WEIBULL関数でよくあるエラーと対処法

WEIBULL関数でつまずきやすいポイントをまとめました。

WARNING

4番目の引数（cumulative）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。「x時間以内に故障する確率」を求めたいのにFALSEを指定すると、確率密度が返ってしまいます。

WEIBULL関数とWEIBULL.DIST関数の違い

WEIBULL関数は、以前のバージョンとの互換性を維持するために残されている関数です。引数・計算結果はWEIBULL.DIST関数とまったく同じです。

新しく数式を書くときはWEIBULL.DIST関数を使いましょう。既存のシートでWEIBULL関数が使われていても問題なく動作します。急いで書き換える必要はありません。

ただし、今後のバージョンアップで互換関数が廃止される可能性はゼロではありません。新規のシートではWEIBULL.DISTを選んでおくのが安心です。

確率分布関数ファミリー

Googleスプレッドシートには、確率分布に関連する関数がいくつかあります。目的に応じて使い分けましょう。

迷ったときの判断基準はシンプルです。

• 故障率が時間とともに変化する → WEIBULL.DIST（またはWEIBULL）
• 故障率が一定 → EXPON.DIST
• 連続データの確率 → NORM.DIST

まとめ

WEIBULL関数は、ワイブル分布にもとづいて確率を求める互換関数です。

• 4番目の引数にTRUEで「x以内に故障する確率」が返る
• FALSEで「時間xでの確率密度」が返る
• alphaは形状パラメータ（故障パターンを決める）、betaは尺度パラメータ（時間のスケールを決める）
• alpha < 1で初期故障型、alpha = 1で偶発故障型、alpha > 1で摩耗故障型
• 製品の故障率分析、保証期間の設定、メンテナンス計画の立案に使える
• 「x時間以上もつ確率」を求めるには =1 - WEIBULL(x, alpha, beta, TRUE) と書く
• xが負、alphaやbetaが0以下だと#NUM!エラー
• WEIBULL.DIST関数と計算結果は同じ。新規にはWEIBULL.DISTを推奨
• 故障率が一定ならEXPON.DIST関数、連続データの確率ならNORM.DIST関数を使う