← 統計検定テキスト 一覧

📊 対象級：1級　|　重要度：A（頻出）

要点（BLUF）

品質管理は「工程を監視して異常を検知する（管理図）」「工程の実力を測る（工程能力指数）」「出来上がったロットを検査する（抜取検査）」「製品が壊れるまでを確率でモデル化する（信頼性）」の4本柱です。理工学分野の頻出領域で、根っこは全部これまで学んだ正規分布・二項分布・ポアソン分布・過誤の理論です。

• 管理図：工程のばらつきを「偶然原因（避けられない自然なゆらぎ）」と「異常原因（突き止めて取り除くべき原因）」に分け、$3\sigma$ 管理限界の外に出たら異常と判定。正規近似のもとでこの誤検知（第一種過誤）は片側0.135%・両側で約0.27%。$\bar X$-$R$ 管理図は係数 $A_2,D_3,D_4$ で限界を引き、p管理図は不良率（二項）、c管理図は欠点数（ポアソン）に使う。
• 工程能力指数：$C_p=\dfrac{USL-LSL}{6\sigma}$ は「規格幅が標準偏差の何個ぶんか」。中心ずれを罰するのが $C_{pk}=\min\!\left(\dfrac{USL-\mu}{3\sigma},\dfrac{\mu-LSL}{3\sigma}\right)$。$C_p=1$ で不良率約0.27%、$C_p=1.33$ で約63ppm と対応する。
• 抜取検査と信頼性：OC曲線は「不良率 $p$ に対するロット合格確率 $L(p)$」のグラフで、生産者危険 $\alpha$＝良品ロットを誤って不合格（第一種）、消費者危険 $\beta$＝不良ロットを誤って合格（第二種）。信頼性では故障率 $\lambda(t)$ の形がバスタブ曲線、指数分布は $\lambda$ 一定（無記憶性）、ワイブルは $\lambda(t)$ を増減自在に表せる。系の信頼度は直列＝信頼度の積、並列＝不信頼度の積を1から引く。

1級（統計応用・理工学）では管理限界・$C_{pk}$ の計算、系の信頼度計算、OC曲線と過誤の対応が問われます（出題範囲・配点は改訂されうるため要最新確認）。

graph TD
  QC["統計的品質管理（SQC）+ 信頼性工学"] --> CH["① 管理図<br/>工程を監視して異常検知"]
  QC --> CP["② 工程能力指数<br/>工程の実力を測る Cp / Cpk"]
  QC --> SAMP["③ 抜取検査<br/>ロットの合否判定 OC曲線"]
  QC --> REL["④ 信頼性<br/>故障の確率モデル"]
  CH --> CH1["偶然原因 vs 異常原因<br/>3σ限界・第一種過誤≈0.27%"]
  CP --> CP1["Cp と不良率の対応<br/>Cpk は中心ずれを罰する"]
  SAMP --> SAMP1["生産者危険α=第一種<br/>消費者危険β=第二種"]
  REL --> REL1["バスタブ曲線・指数/ワイブル<br/>直列系=積・並列系=1−不信頼度の積"]

1. 管理図 — 工程を監視する

1.1 偶然原因と異常原因（管理図の思想）

工程から出てくる製品の特性値（寸法・重量など）は必ずばらつきます。シューハート（Shewhart）はこのばらつきを2種類に分けました。

• 偶然原因（chance cause / common cause）：原材料の微小な差や測定の揺らぎなど、避けられず・突き止めても割に合わない自然なばらつき。これだけが効いている状態を**統計的管理状態（in control）**と呼びます。
• 異常原因（assignable cause / special cause）：工具の摩耗・設定ミス・原料ロットの切り替わりなど、突き止めて取り除くべき特定の原因。これが混ざると工程は管理外れ（out of control）です。

要するに「管理図の目的は、避けられない偶然のゆらぎ（放っておく）と、取り除くべき異常（手を打つ）を区別すること」。区別の道具が次の管理限界です。

1.2 $3\sigma$ 管理限界 — なぜ ±3σ なのか

工程が管理状態にあるとき、特性値の平均（群平均 $\bar X$）は近似的に正規分布 $N(\mu,\ \sigma_{\bar X}^2)$ に従うと考えます。管理図には3本の線を引きます。

打点が $UCL$・$LCL$ の外に出たら「異常原因が働いた」と判定します。要するに「管理限界は中心線から標準偏差3つぶん離した線で、ここを超えたら偶然では片付けられないと見なす」。

なぜ係数が「3」なのか（過誤確率の導出）. 工程が管理状態（異常原因なし）でも、偶然原因だけで打点がたまたま限界を超えることがあります。これは異常がないのに異常と判定する第一種過誤です。正規分布のもとでこの確率を計算します。標準正規変数 $Z=\dfrac{\bar X-\mu}{\sigma_{\bar X}}$ が $\pm3$ の外に出る確率は

要するに「管理状態でも約0.27%（約370回に1回）は誤って『異常』と鳴る。これが $3\sigma$ 限界の誤警報率」。片側だけ（例：$UCL$ 超え）なら $1-\Phi(3)=0.00135$、両側で $0.27\%$ です。

「3」の設計思想（過誤のトレードオフ）. 限界を狭く（例 $2\sigma$）すれば異常を早く拾えますが、誤警報 $\alpha$ が跳ね上がります（$2\sigma$ なら $2(1-\Phi(2))=4.55\%$、約22回に1回も誤警報）。広く（$3\sigma$）すれば誤警報は減りますが、本当の小さな異常を見逃しやすくなります（第二種過誤の増加）。シューハートは経験的に**$3\sigma$ が誤警報と見逃しのバランスとして実用的と定めました。要するに「$3$ という数字は、第一種過誤を約0.27%に抑えるという『誤警報をめったに出さない』設計の表れ**」。

⚠️ 管理限界（$UCL/LCL$、工程の実際のばらつきから決まる）と規格限界（$USL/LSL$、設計が要求する許容範囲）は全くの別物です。管理図に規格線を引いてはいけません。管理限界は「工程がいつも通りか」、規格限界は「製品が合格か」を見る線で、目的が違います。1級でも混同が狙われます。

flowchart TD
  P["打点を管理限界と比較"] --> Q1{"限界の外に出た？<br/>（UCL/LCL超え）"}
  Q1 -->|はい| OUT["管理外れ（異常原因あり）<br/>→ 原因を突き止めて除去"]
  Q1 -->|いいえ| Q2{"連・傾向・周期など<br/>非ランダムな並び？"}
  Q2 -->|はい| OUT
  Q2 -->|いいえ| IN["管理状態（偶然原因のみ）<br/>→ そのまま継続"]

1.3 $\bar X$-$R$ 管理図と係数 $A_2,D_3,D_4$

計量値（連続量）の工程監視で最も使うのが $\bar X$-$R$ 管理図です。一定間隔で大きさ $n$ の群（サブグループ）を採り、各群の平均 $\bar X$（中心位置の監視）と範囲 $R=\max-\min$（ばらつきの監視）を別々に打点します。

実務では母標準偏差 $\sigma$ が未知なので、群の範囲の平均 $\bar R$ から推定します。すると管理限界は標準偏差を直接使わず、係数を掛けるだけの形になります。

ここで $\bar{\bar X}$ は群平均の総平均、$\bar R$ は群範囲の平均です。係数の正体は、範囲の期待値と標準偏差を結ぶ統計量 $d_2,d_3$（$E[R]=d_2\sigma$、$\sigma_R=d_3\sigma$）から作られます。

要するに「$\sigma$ を $\bar R/d_2$ で代用すると、$3\sigma$ 限界がぜんぶ『$\bar R$ に係数を掛ける』形に化ける。$A_2$ は $\bar X$ 用、$D_3/D_4$ は $R$ 用で、群サイズ $n$ ごとに表で与えられる」。たとえば $n=5$ なら $A_2=0.58,\ D_3=0,\ D_4=2.11$。$n\le6$ では $D_3$ が（理論上は負になるので）0とされ、$R$ 管理図に下方限界を引きません（範囲は0以上で下振れの異常を考えないため）。

$A_2=\dfrac{3}{d_2\sqrt n}$ に $\sqrt n$ が入るのは、$\bar X$ の標準偏差が $\sigma/\sqrt n$ だから（標本平均の標準誤差）。要するに「群を大きくするほど平均は安定するので、$\bar X$ 管理図の限界は $\sqrt n$ ぶん狭まる」。

1.4 計数値管理図 — p管理図（二項）と c管理図（ポアソン）

特性が「個数」や「件数」など離散量（計数値）のときは、背後の確率分布に合わせて管理図を選びます。

p管理図（不良率）. 各群の不良品の割合 $p$ を打点。1個1個が独立に確率 $p$ で不良になるなら不良個数は二項分布 $\mathrm{Bin}(n,p)$ に従います。不良率の標準偏差は二項分布の分散 $np(1-p)$ から $\sigma_p=\sqrt{\dfrac{p(1-p)}{n}}$ なので、

群サイズ $n$ が群ごとに違っても使えます（限界が $n$ ごとに変わる）。個数そのものを見る np 管理図は $n$ 一定のときに使います。

c管理図（欠点数）. 一定の単位（製品1枚、布1反など）あたりの欠点数 $c$ を打点。「広い面積に欠点がまばらに現れる」状況はポアソン分布でモデル化でき、ポアソン分布は分散＝平均なので標準偏差は $\sqrt{\bar c}$。よって

単位あたりに正規化した欠点数を見る u 管理図は、検査単位の大きさが変わるときに使います。

要するに「『不良か良品か』の割合は二項→p管理図、『1単位あたりに何個の欠点が出るか』はポアソン→c管理図。どちらも $3\sigma$ の考え方は同じで、$\sigma$ を各分布の式から入れているだけ」。

1.5 管理外れの判定ルール

「点が管理限界を超える」以外にも、点の並びが偶然らしくないパターンは異常のサインです。代表的なルール（JIS Z 9020 / ネルソン・ルールなどに整理されている。詳細は規格改訂で変わりうるので要最新確認）：

• 1点が $3\sigma$（管理限界）を超える ＝最も基本の判定。
• 連続9点が中心線の同じ側に並ぶ（連／run）＝平均がずれた疑い。
• 連続6点が上昇または下降を続ける（傾向／trend）＝じわじわ変化。
• 連続する点が中心線をまたいで規則的に上下する（周期性）。
• $2\sigma$〜$3\sigma$ の外側帯に偏って点が集まる、など。

要するに「限界を超えなくても、『同じ側に偏る』『一方向に動き続ける』など偶然では起きにくい並びが出たら異常を疑う」。これらは「単独点の $3\sigma$ 超え」だけでは拾えない緩やかな工程変化を捉えるための補助ルールです。

2. 工程能力指数 — 工程の実力を測る

2.1 $C_p$（ばらつきだけを見る）

管理図は「工程がいつも通りか」を見ましたが、工程能力指数は「その工程が規格を満たす製品を作れる実力があるか」を1つの数字にします。規格上限 $USL$、規格下限 $LSL$、工程の標準偏差 $\sigma$ に対し

要するに「規格の幅（$USL-LSL$）が、工程のばらつき幅 $6\sigma$ の何倍あるか」。分母を $6\sigma$ にするのは、正規分布なら全体のほぼ99.73%が $\mu\pm3\sigma$（幅 $6\sigma$）に収まるから。$C_p=1$ なら「規格幅＝$6\sigma$」で、工程の自然なばらつきがちょうど規格をいっぱいに使い切っている状態です。

$C_p$ と不良率の対応（導出）. 工程が規格中心に合っている（$\mu$ が $USL,LSL$ の真ん中）と仮定します。すると規格限界は中心から $\pm\dfrac{USL-LSL}{2}=\pm 3C_p\,\sigma$ の位置にあります。規格外れ確率は

要するに「$C_p$ を3倍した値が『規格までが何σか』。それが大きいほど不良率は急激に下がる」。代表値：

$C_p=1$ の不良率0.27%が、管理図の $3\sigma$ の過誤0.27%と同じ数字なのは偶然ではありません。**どちらも「中心から $3\sigma$ の外に出る正規確率」**を計算しているからです。

2.2 $C_{pk}$（中心ずれを罰する）

$C_p$ には致命的な欠点があります。工程平均 $\mu$ が規格中心からずれていても値が変わらないのです（分子も分母も $\mu$ を含まない）。ばらつきが小さくても、平均が片側の規格にぴったり寄っていれば不良は大量に出ます。これを捉えるのが $C_{pk}$ です。

要するに「上側の余裕（$\mu$ から $USL$ まで何σ）と下側の余裕（$\mu$ から $LSL$ まで何σ）のうち、危ない方（小さい方）を採る」。平均が寄っている側の規格までの距離を $3\sigma$ で割るので、ずれが大きいほど $C_{pk}$ は小さくなります。

• 中心が一致しているとき（$\mu=$ 規格中心）：$C_{pk}=C_p$。
• 中心がずれているとき：$C_{pk}<C_p$（必ず $C_{pk}\le C_p$）。差 $C_p-C_{pk}$ が中心ずれの大きさを表します。

具体例. $USL=110,\ LSL=90,\ \mu=104,\ \sigma=2$ とします。

ばらつきだけ見れば $C_p=1.67$ で優秀ですが、平均が $USL$ 側に寄っているため実力は $C_{pk}=1.0$（ぎりぎり）。要するに「$C_p$ は『ばらつきの潜在能力』、$C_{pk}$ は『中心ずれまで含めた実際の能力』。両方が要る理由は、片寄りを $C_p$ が見逃すから」。$C_{pk}$ を使うと（中心一致を仮定する $C_p$ より）不良率を安全側に（多めに）見積もることになります。

3. 抜取検査 — ロットの合否を確率で決める

3.1 OC曲線（検査特性曲線）

全数検査が高くつく・破壊検査で全部は調べられない、という場面で、ロットから $n$ 個を抜き取り不良が $c$ 個以下なら合格、とする計数規準型抜取検査を使います。このとき「ロットの真の不良率 $p$ に対して、そのロットが合格する確率 $L(p)$」を描いたのが**OC曲線（Operating Characteristic curve）**です。

抜き取った $n$ 個中の不良個数 $X$ は（ロットが十分大きければ）二項分布 $\mathrm{Bin}(n,p)$ に従うので、合格確率は

要するに「OC曲線は『不良率 $p$ のロットを抜取検査が通してしまう確率』のグラフ。$p$ が小さければ高確率で合格、$p$ が大きければ低確率でしか合格しない、右下がりの曲線」。理想は「良いロットは必ず合格・悪いロットは必ず不合格」の階段状ですが、抜取検査では $n$ が有限なので必ずなだらかになり、誤判定が残ります。

3.2 生産者危険 $\alpha$ と消費者危険 $\beta$

OC曲線の「なだらかさ」が生む2種類の誤判定が、検定の第一種・第二種過誤にそのまま対応します。

• 生産者危険 $\alpha$（producer’s risk）：本当は良いロット（合格にしたい品質水準 = $p_0$、合格品質水準 AQL）を、誤って不合格にしてしまう確率。$\alpha=1-L(p_0)$。作り手が損をするので「生産者」危険。これは帰無仮説「ロットは良品」を誤って棄却する第一種過誤に対応します。慣習的に $\alpha=0.05$ に設計。
• 消費者危険 $\beta$（consumer’s risk）：本当は悪いロット（拒否したい品質水準 = $p_1$、ロット許容不良率 LTPD/RQL）を、誤って合格にしてしまう確率。$\beta=L(p_1)$。受け手（消費者）が不良品をつかまされるので「消費者」危険。これは「ロットは不良」を見逃す第二種過誤に対応します。慣習的に $\beta=0.10$ に設計。

要するに「生産者危険＝良品ロットを落とす（第一種・$\alpha$）／消費者危険＝不良ロットを通す（第二種・$\beta$）。検査計画 $(n,c)$ は、この2つの危険が望む値になるよう決める」。

xychart-beta
  title "OC曲線：不良率pに対するロット合格確率L(p)"
  x-axis "ロットの不良率 p（％）" [0, 1, 2, 3, 4, 5, 6, 8, 10]
  y-axis "合格確率 L(p)" 0 --> 1
  line [0.99, 0.95, 0.88, 0.78, 0.65, 0.52, 0.40, 0.21, 0.10]

上の曲線で、$p_0$（小さい不良率）での「$1-L(p_0)$」が生産者危険 $\alpha$、$p_1$（大きい不良率）での「$L(p_1)$」が消費者危険 $\beta$ です。$n$ を増やすと曲線は階段状に近づき、両方の危険が同時に小さくなります（ただし検査コストは上がる）。

4. 信頼性 — 製品が壊れるまでをモデル化する

4.1 故障率（ハザード）$\lambda(t)$ と信頼度 $R(t)$

製品の寿命 $T$ を確率変数とし、密度関数 $f(t)$、分布関数 $F(t)=P(T\le t)$ とします。信頼性の基本量は次の3つです。

• 信頼度（生存関数） $R(t)=P(T>t)=1-F(t)$：時刻 $t$ まで壊れずに生き延びている確率。
• 故障率（ハザード関数） $\displaystyle \lambda(t)=\frac{f(t)}{R(t)}$：時刻 $t$ まで生きてきた個体が、ちょうど今この瞬間に壊れる『勢い』（条件付き故障密度）。

$\lambda(t)$ の分子 $f(t)$ は「最初から数えて $t$ で壊れる密度」、分母 $R(t)$ は「$t$ まで生き残った割合」。割ることで「**$t$ まで生きた個体『だけ』を母数にした故障の起きやすさ」**になります。これは生存時間解析のハザードと完全に同じ概念です。

$\lambda(t)$ と $R(t)$ は次の関係で結ばれます（導出）。$\lambda(t)=\dfrac{f(t)}{R(t)}=\dfrac{-R'(t)}{R(t)}=-\dfrac{d}{dt}\ln R(t)$ なので、両辺を $0$ から $t$ まで積分し $R(0)=1$ を使うと

要するに「故障率を時間で積み上げて指数の肩に乗せると信頼度になる」。累積ハザード $\Lambda(t)=\int_0^t\lambda(s)ds$ が大きいほど生き残りにくい、という関係です。

4.2 バスタブ曲線

現実の製品の故障率 $\lambda(t)$ は、寿命を通じて典型的にバスタブ（浴槽）型を描きます。

xychart-beta
  title "バスタブ曲線：時間tに対する故障率λ(t)"
  x-axis "時間 t（製品の使用期間）" [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  y-axis "故障率 λ(t)" 0 --> 10
  line [9, 5, 2.5, 1.2, 1, 1, 1, 1.3, 2.5, 5, 9]

• 初期故障期（DFR：故障率減少）：製造不良や弱い個体が早期に脱落し、$\lambda(t)$ は減少。出荷前の慣らし運転（バーンイン）で弱い個体を先に潰す対象。
• 偶発故障期（CFR：故障率一定）：弱い個体が淘汰され、故障が偶発的・ランダムに起きる安定期。$\lambda(t)\approx$ 一定。製品の実用期間の中心。
• 摩耗故障期（IFR：故障率増加）：部品の劣化・摩耗で $\lambda(t)$ が増加。予防保全・寿命交換の対象。

要するに「製品は最初（弱い個体の脱落）と最後（摩耗）で壊れやすく、真ん中は一定の勢いで偶発的に壊れる。だから故障率の形が浴槽になる」。

4.3 指数分布 — 故障率一定と無記憶性

バスタブの偶発故障期（$\lambda$ 一定）を表す分布が指数分布です。$\lambda(t)=\lambda$（定数）を上の公式に入れると

確かに $\lambda(t)=f(t)/R(t)=\lambda e^{-\lambda t}/e^{-\lambda t}=\lambda$ で一定に戻ります。要するに「故障率が一定なら寿命は指数分布、信頼度は $e^{-\lambda t}$」。

無記憶性（memorylessness）の導出. 指数分布の最大の特徴は「すでに $s$ 時間使った製品が、さらに $t$ 時間もつ確率が、新品が $t$ 時間もつ確率と同じ」こと。条件付き確率で確かめます。

要するに「指数分布は過去の使用時間を『覚えていない』。$s$ 時間生き延びても、その先の余命の分布は新品と同一」。これは故障率が一定（$\lambda(t)=\lambda$）であることと表裏一体で、「劣化しない＝歳を取らない」という理想化です。だから初期故障期や摩耗故障期（故障率が変化する期間）には不適で、偶発故障期だけのモデルなのです。

MTBF（平均故障間隔）. 指数分布の期待値が**平均寿命＝MTBF（Mean Time Between Failures、修理可能系では平均故障間隔／修理不能なら MTTF）**です。

要するに「MTBFは故障率の逆数。$\lambda$ が小さい（壊れにくい）ほどMTBFは長い」。$\lambda=0.001$/時 なら MTBF $=1000$ 時間。

4.4 ワイブル分布 — バスタブ全体を1つの式で

指数分布は $\lambda$ 一定の偶発故障期しか表せません。ワイブル分布は形状パラメータ $m$（または $k$）で故障率を減少・一定・増加のどれにもできるため、バスタブの3期すべてを統一的にモデル化できます。尺度 $\eta$、形状 $m$ のワイブルの信頼度とハザードは

ハザードが $t^{m-1}$ に比例する点が肝です。

• $m<1$：$\lambda(t)$ は減少 → 初期故障期（DFR）。
• $m=1$：$\lambda(t)=1/\eta=$ 一定 → 偶発故障期。このとき指数分布に一致（$\lambda=1/\eta$）。
• $m>1$：$\lambda(t)$ は増加 → 摩耗故障期（IFR）。特に $m\approx3.5$ で正規分布に近い形。

要するに「ワイブルは指数分布の一般化。$m=1$ で指数に戻り、$m$ を動かすだけでバスタブのどの期間も表せる万能の寿命分布」。$m$（故障モードの種類）と $\eta$（特性寿命：$t=\eta$ で約63%が故障する）を寿命データから推定するのが信頼性解析の中心です。

4.5 系の信頼度 — 直列系と並列系

複数の部品（信頼度 $R_1,R_2,\dots,R_n$）からなるシステム全体の信頼度を、構成から計算します。各部品の故障は独立と仮定します。

直列系（series system）. 部品が直列に並び、1つでも壊れたら系全体が止まる構成。系が生きる＝全部品が生きるなので、独立性から確率の積：

要するに「直列は『全員無事』が条件だから信頼度を掛け算する。部品が増えるほど（各 $R_i<1$ なので）系の信頼度は下がる」。弱い部品（最小の $R_i$）が足を引っ張ります。

並列系（parallel system / 冗長系）. 部品が並列に並び、1つでも生きていれば系全体が動く構成（冗長化）。直接は計算しにくいので余事象を使います。系が壊れる＝全部品が同時に壊れる。部品 $i$ が壊れる確率は $1-R_i$（不信頼度）なので、独立性から

要するに「並列は『全員ダメ』にならない限り動くから、不信頼度（$1-R_i$）を掛けて1から引く。部品を増やすほど系の信頼度は上がる」。これが冗長化（バックアップ）で信頼性を高める原理です。

具体例. $R_1=0.9,\ R_2=0.8$ の2部品。

• 直列：$R=0.9\times0.8=0.72$（どちらか欠けても止まるので、最弱の0.8より低い）。
• 並列：$R=1-(1-0.9)(1-0.8)=1-0.1\times0.2=1-0.02=0.98$（両方0.9,0.8より高い）。

同じ2部品でも、つなぎ方で系の信頼度が0.72にも0.98にもなります。要するに「直列はリスクの掛け算で最弱以下に下がり、並列は冗長で最強以上に上がる」。実際の系は直列と並列の組み合わせ（ブロック図）で、内側から順に縮約して全体の信頼度を求めます。

flowchart LR
  subgraph SER["直列系：1つでも壊れると停止"]
    direction LR
    IN1((入)) --> A1["部品1 R₁"] --> A2["部品2 R₂"] --> OUT1((出))
  end
  subgraph PAR["並列系（冗長）：1つでも生きれば動作"]
    direction LR
    IN2((入)) --> B1["部品1 R₁"] --> OUT2((出))
    IN2 --> B2["部品2 R₂"] --> OUT2
  end

5. 試験での問われ方（1級）

理工学分野での1級の典型的な問われ方を論点ごとに整理します（出題範囲・配点は要最新確認）。

• 管理限界の計算：$\bar X$-$R$ 管理図で $\bar{\bar X},\bar R$ と係数 $A_2,D_3,D_4$（表で与えられる）から $UCL/LCL$ を計算させる。p管理図・c管理図では分布（二項・ポアソン）から標準偏差を立てて $3\sigma$ 限界を作らせる。「$3\sigma$ の第一種過誤＝約0.27%」の導出・意味も問われる。
• 管理図の判定：与えられた打点列が管理状態か、どのルール（限界超え・連・傾向）で異常と判定するかを答えさせる。管理限界と規格限界の区別も狙われる。
• 工程能力指数の計算：$C_p,C_{pk}$ を数値で計算させ、中心ずれの有無を判断させる。$C_p=1.33$ などの値から不良率（ppm）を $2(1-\Phi(3C_p))$ で見積もらせる。$C_p$ と $C_{pk}$ の差が中心ずれを表す点の理解。
• OC曲線と過誤：合格確率 $L(p)=\sum_{k\le c}\binom{n}{k}p^k(1-p)^{n-k}$ を計算させ、生産者危険 $\alpha=1-L(p_0)$・消費者危険 $\beta=L(p_1)$ を求めさせる。$\alpha$＝第一種、$\beta$＝第二種の対応の理解が必須。
• 系の信頼度計算：部品の信頼度から直列＝積 $\prod R_i$、**並列＝$1-\prod(1-R_i)$**を計算させる。直列・並列の混合系を内側から縮約させる問題が頻出。
• 寿命分布：指数分布の $R(t)=e^{-\lambda t}$・MTBF $=1/\lambda$・無記憶性、ワイブルの $m$ と故障率の増減（バスタブ対応）を問う。$R(t)=\exp(-\int\lambda ds)$ から故障率と信頼度を行き来させる。

6. 引っかけ・頻出論点

• ⚠️ $C_p$ と $C_{pk}$ の混同：$C_p$ は中心ずれを見ない（$\mu$ を含まない）。ばらつきが小さくても平均が片寄れば不良は出るので、実力は $C_{pk}$ で見る。「$C_p$ が大きいから良い工程」は誤り。必ず $C_{pk}\le C_p$ で、差が中心ずれの大きさ。
• ⚠️ 管理限界と規格限界は別物：管理限界（$UCL/LCL$）は工程の実ばらつきから決まる「いつも通りか」の線、規格限界（$USL/LSL$）は設計が決める「合格か」の線。管理図に規格線を引くのも、工程能力を管理限界で測るのも誤り。
• ⚠️ p管理図とc管理図の使い分け：「不良率（良/不良の割合）」は二項分布 → p管理図（$\sigma=\sqrt{p(1-p)/n}$）。「1単位あたりの欠点数（1製品に傷が何個）」はポアソン → c管理図（$\sigma=\sqrt{\bar c}$）。両者を取り違えると標準偏差の式を間違える。「割合か件数か」で見分ける。
• ⚠️ 生産者危険と消費者危険の取り違え：生産者危険 $\alpha$＝良いロットを落とす（作り手が損、第一種）。消費者危険 $\beta$＝悪いロットを通す（受け手が損、第二種）。「消費者危険は良品を落とすこと」は誤り。“良いロットを誤って不合格”が生産者側、と覚える。
• ⚠️ 直列と並列の式の混同：直列は信頼度の積 $\prod R_i$（増えると下がる）、並列は不信頼度の積を1から引く $1-\prod(1-R_i)$（増えると上がる）。並列でうっかり $\prod R_i$ としない。「壊れる条件」から立式すると間違えにくい（直列は1つ壊れれば停止、並列は全部壊れて初めて停止）。
• ⚠️ 無記憶性は指数分布だけ：「使い込んだ部品ほど壊れやすい／逆に当たり外れが残る」のはワイブル（$m\ne1$）。指数分布（$\lambda$ 一定）は摩耗も初期故障も表せない。「指数分布で摩耗故障をモデル化」は誤り。摩耗は $m>1$ のワイブル。
• ⚠️ MTBFは故障率の逆数で、中央値ではない：指数分布は右に裾を引くので MTBF $=1/\lambda$（平均）より「半数が故障する時刻（中央値 $\ln 2/\lambda\approx0.693/\lambda$）」の方が早い。「MTBFまでに半分壊れる」は誤りで、MTBF時点での生存率は $e^{-1}\approx37\%$（つまり約63%が既に故障）。

よくある疑問（Q&A）

Q1. なぜ管理限界は $2\sigma$ や $4\sigma$ ではなく $3\sigma$ なのですか?

第一種過誤（誤警報）と第二種過誤（見逃し）のトレードオフを実用的に折り合わせた経験則です。$2\sigma$ にすると誤警報が $2(1-\Phi(2))=4.55\%$（約22回に1回）に跳ね上がり、現場が「またか」と警報を無視するようになります。$4\sigma$ にすると誤警報は $0.006\%$ とほぼ消えますが、本当の異常を見逃しやすくなります。$3\sigma$ は誤警報を約0.27%（約370群に1回）に抑えつつ、それなりの異常検知力を保つバランス点としてシューハートが定めました。要するに「$3$ は理論から一意に決まる数字ではなく、『めったに誤警報を出さない』という設計判断の産物」です。

Q2. $C_p=1$ なのに不良率が0.27%もあるのは多すぎませんか?

$C_p=1$ は「規格幅がちょうど $6\sigma$」、つまり工程の自然なばらつきが規格をいっぱいに使い切っている状態です。正規分布の裾は $\pm3\sigma$ の外に0.27%残るので、この状態では1000個に約2.7個が規格外になります。これは「やっと規格に収まる、余裕ゼロ」の最低ラインで、現場では危険水準です。だから実務では中心ずれや工程変動の余裕を見て $C_p\ge1.33$（不良率約63ppm）を合格ラインにします。要するに「$C_p=1$ は『規格と工程ばらつきが同じ大きさ』というギリギリの状態で、0.27%はその当然の帰結」。

Q3. 生産者危険・消費者危険は、仮説検定の $\alpha,\beta$ と本当に同じものですか?

同じです。抜取検査は「帰無仮説 $H_0$：ロットは良品（不良率 $\le p_0$）」を検定していると見なせます。$H_0$ が真（良いロット）なのに棄却（不合格）してしまうのが第一種過誤で、これが生産者危険 $\alpha=1-L(p_0)$。$H_0$ が偽（悪いロット）なのに棄却できない（合格させる）のが第二種過誤で、これが消費者危険 $\beta=L(p_1)$。OC曲線は検定でいう「検出力曲線の裏返し（合格＝採択の確率）」にあたります。要するに「抜取検査＝ロットを母集団とする仮説検定で、$\alpha$ と $\beta$ がそのまま生産者・消費者危険になる」。検定の枠組みが品質管理にそのまま乗る好例です。

Q4. 指数分布の「無記憶性」は現実的なのですか? 使い込んだ機械ほど壊れそうですが。

現実の多くの製品では非現実的です。無記憶性は「歳を取らない（劣化しない）」という強い理想化で、これが成り立つのはバスタブ曲線の偶発故障期だけです。使い込んで摩耗が進む（摩耗故障期、故障率が増える）製品には合いません。そこを表すのが形状パラメータ $m>1$ のワイブル分布で、$\lambda(t)$ が時間とともに増加します。逆に初期不良が淘汰されていく期間（故障率減少）は $m<1$。要するに「無記憶性＝故障率一定の言い換えで、偶発故障期の電子部品のような『当たり外れで偶発的に壊れる』ものには合うが、摩耗する機械部品には合わない。だからワイブルで使い分ける」。指数分布が信頼性の基礎なのは、計算が簡単で偶発故障期をよく表すからです。

Q5. 並列系の信頼度は、なぜ単純に足し算ではなく「1−不信頼度の積」なのですか?

確率を足すと1を超えてしまうからです（$R_1+R_2=0.9+0.8=1.7$ はありえない）。並列系が動く条件は「少なくとも1つの部品が生きている」で、これは確率の包除原理を要する複雑な事象です。そこで余事象＝「系が壊れる＝全部品が同時に壊れる」を考えると、独立性から単純な積 $\prod(1-R_i)$ になります。これを1から引けば「全滅しない確率＝系が動く確率」が出ます。要するに「『1つでも生きる』は数えにくいので、『全部死ぬ』の余事象で計算する。全部死ぬ確率は不信頼度の積、それを1から引く」。直列系の「全部生きる＝信頼度の積」と、立て方が対称になっている点を押さえると混同しません。

まとめ

• 管理図：ばらつきを偶然原因（放置）と異常原因（除去）に分け、$3\sigma$ 限界で判定。正規近似で第一種過誤は両側約0.27%（$2(1-\Phi(3))$）。$\bar X$-$R$ は $UCL/LCL=\bar{\bar X}\pm A_2\bar R$、$R$ 図は $D_4\bar R/D_3\bar R$。p管理図は不良率（二項、$\sigma=\sqrt{\bar p(1-\bar p)/n}$）、c管理図は欠点数（ポアソン、$\sigma=\sqrt{\bar c}$）。連・傾向などの並びも異常のサイン。
• 工程能力指数：$C_p=\dfrac{USL-LSL}{6\sigma}$（ばらつきのみ）、$C_{pk}=\min\!\left(\dfrac{USL-\mu}{3\sigma},\dfrac{\mu-LSL}{3\sigma}\right)$（中心ずれを罰する、必ず $C_{pk}\le C_p$）。不良率は中心一致時 $2(1-\Phi(3C_p))$ で、$C_p=1$→約0.27%、$1.33$→約63ppm。
• 抜取検査：OC曲線 $L(p)=\sum_{k\le c}\binom{n}{k}p^k(1-p)^{n-k}$。生産者危険 $\alpha=1-L(p_0)$＝良品ロットを落とす（第一種）、消費者危険 $\beta=L(p_1)$＝不良ロットを通す（第二種）。
• 信頼性：故障率 $\lambda(t)=f(t)/R(t)$、$R(t)=\exp(-\int_0^t\lambda ds)$。バスタブ曲線（初期＝減少／偶発＝一定／摩耗＝増加）。指数分布は $\lambda$ 一定・$R(t)=e^{-\lambda t}$・MTBF $=1/\lambda$・無記憶性。ワイブルは形状 $m$ で故障率を増減自在（$m=1$ で指数）。系は直列＝$\prod R_i$、並列＝$1-\prod(1-R_i)$。

関連ノート

• 正規分布（標準正規・標準化）　$3\sigma$ 管理限界・$C_p$ と不良率の対応はすべて正規分布の裾確率 $2(1-\Phi(z))$ の計算。品質管理の数値の出どころ
• ベルヌーイ分布・二項分布　p管理図の不良個数とOC曲線の合格確率 $L(p)$ は二項分布。$\sigma=\sqrt{p(1-p)/n}$ の根拠
• ポアソン分布　c管理図の欠点数はポアソン分布。分散＝平均から $\sigma=\sqrt{\bar c}$ が出る
• 指数分布・ガンマ分布・ベータ分布　信頼性の偶発故障期の寿命モデル。無記憶性・MTBF $=1/\lambda$ の母体。ワイブルはこの一般化
• 第一種の過誤・第二種の過誤・検出力（2種類の誤りとトレードオフ・サンプルサイズ設計）　管理図の誤警報、生産者危険 $\alpha$／消費者危険 $\beta$ はすべて第一種・第二種過誤の応用
• 生存時間解析　ハザード関数 $\lambda(t)$・生存関数 $R(t)$・ワイブル分布は生存時間解析と同じ枠組み（故障＝イベント）
• 理工学分野ハブ（Phase 9）　理工学分野の全体地図