統計初心者のための
QC検定2級 完全まとめ
統計的検定 × 管理図 ——「なぜその手法なのか」から丁寧に解説。
平均・分散がわかる程度の知識から、2級合格レベルまで一気に引き上げます。
統計的検定の基礎 — 不適合品率の差をどう判断するか
「A社よりB社の方が不良品が少ないから、A社との取引をやめよう」——この判断、本当に正しいですか？
数字の差が「本物の差」なのか、「たまたまそうなっただけ」なのかを、データで客観的に判断する方法が 統計的検定 です。経験や直感ではなく、確率の論理で「白黒」をつけます。
日常生活でも「たぶんこうじゃないかな」という仮説を立てることがありますよね。統計的検定では、この「仮説」を2種類セットで立てます。ラーメン屋で例えると……
・「A店とB店のラーメンの味に差はない」という仮説（まず「差なし」と仮定する）
・「A店とB店のラーメンの味には差がある」という仮説（本当に証明したいこと）
検定では「差なし」の仮説を立てておいて、データがその仮説と大きく矛盾するなら「やっぱり差があった！」と結論づけます。
「有意差がある」＝「偶然では説明できないほどの差がある」ということです。
コインを10回投げて7回表が出ても「まあ偶然かな」と思いますよね。でも1000回投げて700回表が出たら「このコインはおかしい！」と感じるはずです。統計的検定はこの「さすがに偶然じゃないだろう」という判断を、数式で行います。
例題：A社・B社の不適合品率を比べる
あなたは部品の購買担当者です。部品の仕入れ先として A社と B社を検討しています。A社からは200個、B社からは400個を試験的に仕入れて検査したところ、A社は14個、B社は18個が不適合（不良品）でした。
数字だけ見るとA社（7.0%）よりB社（4.5%）の方が不良率が低そうです。でもこれは「本当の差」でしょうか？ それとも「たまたまそうなっただけ」でしょうか？
仮説を設定する
帰無仮説 H₀：pA = pB（A社とB社の不適合品率に差はない）
対立仮説 H₁：pA ≠ pB（A社とB社の不適合品率に差がある）
「≠（等しくない）」なので、差が大きい方向も小さい方向も両方見る 両側検定 を使います。
平均不適合品率 p̄ を計算する
まず、2社を合わせた「全体での不適合品率」を計算します。これを p̄（p バー） といいます。
p̄ = （A社の不適合数 + B社の不適合数）÷（A社の検査数 + B社の検査数）
p̄ = (14 + 18) ÷ (200 + 400) = 32 ÷ 600 ≈ 0.053（約5.3%）
検定統計量 u₀ を算出する
「2社の差（0.025）が、偶然の範囲に対してどれくらい大きいか」を数値化します。分母の √（ルート）は偶然生じるばらつきの大きさを調整するためのものです。
詳しい計算は後の数式ボックスで確認してください。
計算結果：u₀ ≈ 1.29
しきい値と比べて判断する
両側5%有意水準のしきい値（棄却限界値）は 1.96 です。これは「正規分布において、真ん中の95%の範囲の境界線」を意味します。
1.29 ≤ 1.96 → H₀ を棄却できない → 「有意差なし」という結論。
つまり現時点では「A社とB社に差があるとは言えない」です。
pA = 14/200 = 0.070（A社の不適合品率）
pB = 18/400 = 0.045（B社の不適合品率）
|pA－pB| = |0.070－0.045| = 0.025
── 分母（偶然のばらつきを調整）────────────
p̄ = 0.053 1－p̄ = 0.947
1/nA＋1/nB = 1/200＋1/400 = 0.005＋0.0025 = 0.0075
分母 = √[0.053 × 0.947 × 0.0075]
= √[0.000376…] ≈ 0.0194
── 最終計算 ─────────────────────────────
u₀ = 0.025 / 0.0194 ≈ 1.29
数値上の差（7.0% vs 4.5% ＝ 2.5%差）だけを見て「B社の方が明らかに優れている」と断定するのは危険です。
統計的有意差はサンプルサイズに大きく依存します。今回の差（2.5%）を本当に「本物の差」として検出するには、もっと多くのサンプルが必要かもしれません。現時点では「差があるとは断言できない」という冷静な判断が、無駄なサプライヤー変更コストを防ぎます。
補足：「%のまま計算しない」ことも重要です。7.0%を0.07と書かずに7のまま計算すると、桁が100倍ずれて完全に誤った答えが出ます。必ず0〜1の小数（割合）に直してから計算してください。
帰無仮説・対立仮説の比較まとめ
| 項目 | 帰無仮説 H₀ | 対立仮説 H₁ |
|---|---|---|
| 意味 | 「差はない・効果はない」という仮定 | 「差がある・効果がある」という主張 |
| 役割 | まず「差なし」と仮定して検証スタート | データで証明したい本来の目的 |
| 結論 | 「棄却できない」→ 差があるとは言えない | 「H₀を棄却」→ 差があると判断 |
| 例え | 裁判の「推定無罪」（証明されるまでは無罪） | 検察側の主張（有罪を証明しようとする） |
管理図とは何か — 変動の「原因」を見極める
1924年、W.A.シューハートが考案した管理図は、単なる折れ線グラフではありません。プロセスのばらつきを「仕方ない変動」と「排除すべき変動」に仕分けするための、現場の羅針盤です。
どんな工程でも、同じ条件で作っても製品の寸法や重さは微妙に違います。これが「ばらつき」です。ばらつきが完全にゼロの工程は存在しません。
問題は、そのばらつきが「正常範囲内のもの」なのか「何か問題が起きているサイン」なのか、を区別できるかどうかです。管理図はこの区別を行うためのツールです。
管理図の核心は、ばらつきを以下の2種類に峻別することにあります。体温の例で考えてみましょう。
偶然原因（Common Causes）
体温でいう「平熱の揺れ」。36.2℃→36.5℃→36.3℃ のような日常的な微細変動。作業標準を守っていても避けられません。介入すると逆効果になります。
異常原因（Assignable Causes）
体温でいう「発熱」。38℃を超えたら「風邪？インフルエンザ？」と原因を探しますよね。工程でも治具の摩耗・材料のロット変更・作業ミスなどがこれにあたります。必ず原因を特定して対処します。
3σ ＝「ほとんどのデータが入る安全ゾーン」
管理限界線（UCL・LCL）は 中心線から ±3σ（標準偏差の3倍） の位置に引かれます。安定した工程では、データが偶然でこの範囲を超える確率はわずか 約0.3%（1000回に3回以下）です。
つまり「点が限界線を超えた ＝ 偶然では1000回に3回しか起きないことが起きた ＝ 何か原因がある」と確信を持って判断できます。
Zone C（中心付近）に点が落ちるのは正常。Zone A（端の方）や限界外に点が出たら「何かがおかしい」のサインです。
偶然原因（平熱の揺れ）を異常と誤解して機械を調整することを 「過剰調整」 と言います。これはかえって工程を不安定にします。
体温が36.2℃→36.5℃になっただけで「熱が出た！」と大騒ぎして薬を飲む必要はありませんよね。管理図は「騒ぐべき時（異常原因）」と「静観すべき時（偶然原因）」を教えてくれます。
偶然原因と異常原因の比較
| 項目 | 偶然原因 | 異常原因 |
|---|---|---|
| 体温の例え | 平熱の揺れ（36.2〜36.7℃） | 発熱（38℃以上） |
| 工程での例 | 作業員の微妙な力加減、温度の自然変動 | 工具の摩耗、材料ロット変更、作業ミス |
| 管理図での見え方 | 点が管理限界内に収まる | 点が限界外へ出る、または異常パターンを示す |
| 対応 | 介入しない（過剰調整は逆効果） | 原因を特定して是正する |
管理図の種類と使い分け
管理図の選び方は、まず「データの種類」で大きく2つに分かれます。
計量値：定規や秤で「測る」データ。小数点以下の値が存在します。例：長さ（10.3mm）、重さ（5.12g）、温度（36.5℃）。
計数値：「数える」データ。整数しかありません。例：不良品数（3個）、キズの数（2箇所）、不良率（0.05）。
計量値管理図（重さや寸法のような連続量を管理する）
X̄－R管理図
最も使われる基本形。X̄（平均値）で中心のズレを、R（範囲）でばらつきを同時に管理します。n＝2〜9 の場合に使用。
X̄－s管理図
群のサイズが大きい（10個以上）とき、R（範囲）の代わりに s（標準偏差）を使います。より精度の高いばらつき管理が可能。
Me－R管理図
平均値の代わりに Me（中央値・メジアン）を使用。計算が簡単で、電卓なしでも現場でサッと使えます。
x－Rs管理図
1日1個しかデータが取れない場合（化学反応、大型製品など）に使用。連続した2点の差 Rs（移動範囲）でばらつきを管理します。
計数値管理図（不良率や傷の数のような「数えるデータ」を管理する）
np管理図
毎回同じ個数（n）を検査するとき、不適合品の個数で管理します。np は「n個中 p（不良率）の割合」を意味します。
p管理図
検査個数がバラバラなとき、不適合品の割合（率）で管理します。日によって生産量が違う場合などに使用。
c管理図
「1台あたりのキズの数」など、一定の単位あたりの不適合数を管理します。c は “count（数）” に由来します。
u管理図
検査する面積や長さがバラバラなとき、単位あたりの不適合数に換算して管理します。u は “unit（単位）” の頭文字です。
管理図の選び方まとめ
| データの種類 | 管理したいもの | 群の大きさn | 使う管理図 |
|---|---|---|---|
| 計量値（測る） | 平均とばらつき | 2〜9 | X̄－R管理図 |
| 計量値（測る） | 平均とばらつき | 10以上 | X̄－s管理図 |
| 計量値（測る） | 中央値とばらつき | 2〜9（簡略） | Me－R管理図 |
| 計量値（測る） | 個々の値 | n=1 | x－Rs管理図 |
| 計数値（数える） | 不適合品の個数 | 一定 | np管理図 |
| 計数値（数える） | 不適合品の割合 | 不揃いでも可 | p管理図 |
| 計数値（数える） | キズ等の個数 | 一定単位 | c管理図 |
| 計数値（数える） | 単位あたりキズ数 | 不揃いでも可 | u管理図 |
X̄－R管理図の作り方
管理図の中で最もよく使われる X̄－R管理図 の作り方を、機械メーカーM社の「A寸法測定」を例に解説します。管理図の作成は12ステップで進めます。
管理図作成の12ステップ
データを集める
k = 25〜30群以上（事例では22群）を時系列で収集します。少なすぎると管理図の精度が落ちます。
データを時系列に並べる
日付順など、工程の流れに沿って整理します。
データを群に分ける
各群のサイズを決めます。事例では n=5（1回に5個測定）。
各群の平均値（X̄）を求める
各群の5個のデータを足して5で割ります。
各群の範囲（R）を求める
各群の中の「最大値 − 最小値」を計算します。
全体の平均値（X̄̄）を求める
全群の X̄ を合計して群数で割ります。例：121.12 ÷ 22 = 5.505
範囲の平均値（R̄）を求める
全群の R を合計して群数で割ります。例：10.5 ÷ 22 ≈ 0.48（丸めて使用）
データシートに記入する
各 X̄、R を一覧表にまとめます。
管理線を計算する
係数表から n=5 のとき A₂=0.577、D₄=2.115 を読み取り、下の数式ボックスの式に代入します。
管理図を作成する
横軸に時間（群番号）、縦軸に X̄ または R の値をプロットします。中心線（実線）と管理限界線（解析用は破線）を記入します。
必要事項を記入する
n、UCL、CL、LCL の値、期間、測定者、製品名などを明記します。
考察する
点の並びに異常パターンがないか確認します（Section 05 参照）。
R管理図：UCL = D₄ × R̄ ／ CL = R̄ ／ （LCLは考えない）
X̄̄ = 5.505 R̄ = 0.48 A₂ = 0.577
A₂ × R̄ = 0.577 × 0.48 = 0.277
UCL = 5.505 + 0.277 = 5.782 ≈ 5.78
LCL = 5.505 − 0.277 = 5.228 ≈ 5.23
── R管理図の計算 ───────────────────────
D₄ = 2.115 R̄ = 0.48
UCL = 2.115 × 0.48 = 1.0152 ≈ 1.01
LCL：n≤6 のとき D₃ が定義されないため「LCLなし」とする
解析用管理図（破線で描く）は、工程が安定しているかどうかを確認するためのもの。まずここで「異常なし」を確認します。
安定が確認できたら、管理限界線を延長して 管理用管理図（一点鎖線で描く） へ移行し、日常の維持管理に使います。
安定していない工程のデータで管理図を作ることは、「狂った物差しで測る」のと同じ。基準が信用できなくなります。
解析用 vs 管理用の比較
| 項目 | 解析用管理図 | 管理用管理図 |
|---|---|---|
| 目的 | 工程が安定しているかを確認する | 日常の工程を監視・維持する |
| 線の種類 | 管理限界を破線で表示 | 管理限界を一点鎖線で表示 |
| 使うタイミング | 管理図を初めて作るとき | 解析用で安定確認後 |
| 異常点が出たら | 除外して再計算することがある | 直ちに原因調査・対処が必要 |
8つの異常判定ルール（JIS Z 9021）
管理限界（UCL・LCL）を超えなくても「点の並びが不自然」なら異常と判断します。これを 傾向管理 といいます。JIS Z 9021 では8種類の異常パターンが定義されています。
正常な工程では、点は中心線の上下にランダムに分布します。コインを投げ続けるイメージです。もし「表が9回連続で出続けたら」——あなたはそのコインがおかしいと感じますよね。
管理図でも同じです。点が「片側に偏り続ける」「ずっと増え続ける」といったパターンは「偶然では起きにくい」ため、何らかの異常原因があると判断します。
- 1
限界外
1点が管理限界（Zone A の外）を超える。確率 0.3% 以下の事象。最も基本的な異常シグナル。
- 2
連（れん）
9点が中心線の同じ側に連続する。平均値がシフトしていることを示唆。例：材料ロット変更で品質が全体的に変化した。
- 3
傾向
6点が連続して増加のみ、または減少のみ。工具の摩耗や機械の劣化など、時間とともに進む変化（経時変化）を示唆。
- 4
交互
14点が交互に増減を繰り返す。シフト交代や温度の周期変動など、周期的な外部要因が疑われる。
- 5
接近（Zone B）
連続5点中4点が Zone B 以上（中心からやや離れた位置）に集まる。ばらつきが拡大しているサイン。
- 6
接近（Zone A）
連続3点中2点が Zone A 以上（管理限界近く）に集まる。工程に強い偏りがあることを示す。
- 7
集中
連続15点がすべて Zone C 以内（中心付近）に収まる。一見「良好そう」に見えますが、層別が不十分でデータが混合している、またはデータを意図的に中心に寄せている（偽装）可能性があります。
- 8
分散
連続8点が Zone C の両側に分かれる（中心付近に点が来ない）。2つ以上の異なる工程が混在している可能性がある。
「様子を見る（何もしない）」ことです。異常を検知した瞬間の対応の遅れが、不良品の流出や工程の悪化につながります。
原因が特定できなくても「未解決」として記録を残すことが重要です。その記録が次の異常時のヒントとなり、PDCA サイクルを回す唯一の手がかりになります。
計数値管理図の注意点
計数値管理図（np, p, c, u）には、計量値管理図とは異なる特有のルールがあります。QC2級ではここまで理解すれば十分という観点で整理しました。
計数値（不良品数・キズの数など）は計量値（長さ・重さ）に比べて情報量が少なく、感度が低いという特徴があります。
例えば「今日の不良品数：0個」というデータからは、工程が「完璧に安定している」のか「たまたまゼロだっただけ」なのか区別できません。計量値のデータ（寸法を測る）を使えば、不良品がゼロでも「そろそろ管理限界に近づいてきた」と早期に察知できます。
負のLCLは「なし」と扱う
LCL の計算結果がマイナスになることがあります。しかし「不適合品数がマイナスになる」ことは物理的にあり得ないため、LCL = なし（考えない） として処理します。試験でも頻出なので必ず覚えましょう。
p・u管理図の「凹凸（ガタガタ）」
群の大きさ n が変化すると管理限界線がガタガタになります。これは各群ごとに正確に計算（正確法）しているためで、異常ではありません。n が変われば「許容できる誤差の幅」も変わるのは自然なことです。
感度設計のポイント
群の中の不適合数が1〜5個程度含まれるよう群の大きさを設計します。ずっとゼロが続くような設定では、異常が発生しても気づけません。逆に多すぎても情報が荒くなります。
p管理図の簡便法条件
群ごとに限界線を計算するのが面倒な場合、平均 n̄ を使う簡便法が使えます。ただし使える条件があります：maxn ≤ 2n̄ かつ minn ≥ n̄/2（n のばらつきが平均の2倍以内・半分以上の範囲）。
計量値管理図 vs 計数値管理図の比較
| 項目 | 計量値管理図（X̄－R等） | 計数値管理図（p、np等） |
|---|---|---|
| データの種類 | 長さ・重さ等の連続量 | 不良品数・キズ数等の整数 |
| 情報の豊富さ | 多い（早期検出が可能） | 少ない（感度がやや低い） |
| LCLがマイナス | 理論的にはあり得る | 「LCLなし」として扱う |
| 管理限界線の形 | n一定なら水平な直線 | n不揃いの場合はガタガタ |
| 管理成熟度 | より高度な工程管理 | 工程管理の出発点としての利用が多い |
試験直前チェックリスト
以下の用語・概念を自分の言葉で説明できれば合格レベルです。「まずここだけ覚える」という優先度を★で示しています。
★★★ 3σ（3シグマ） — 偶然原因による変動を 99.7% カバーする安全ゾーン。管理限界はこの ±3σ の位置に引かれる。外れる確率は約 0.3%。
★★★ 偶然原因と異常原因 — 「体温の平熱の揺れ（偶然）」vs「発熱（異常）」で説明できること。偶然原因には介入しない。
★★★ 有意差あり ＝ 偶然では説明できない差 — 検定統計量がしきい値を超えたとき「H₀を棄却」し「有意差あり」と判断する。
★★☆ 解析用管理図と管理用管理図 — 工程確立段階（破線）と維持段階（一点鎖線）の違いと移行条件。安定確認後に移行する。
★★☆ 管理限界線の凹凸 — n が不揃いな p・u 管理図で正確法を使うと限界線がガタガタになる。これは正常な挙動。
★★☆ JIS Z 9021 の8判定ルール — 「連（9点）」「傾向（6点）」など、はみ出し以外の異常予兆8種類。特に連・傾向・集中は頻出。
★★☆ 負の LCL — 計算値がマイナスになる場合は「LCLなし」として扱う。計数値管理図で頻発する。
★☆☆ p 管理図の簡便法条件 — maxn ≤ 2n̄ かつ minn ≥ n̄/2 の範囲内であること。範囲外なら正確法を使う。
★☆☆ 計数値の感度設計 — 群の中に不適合が 1〜5 個程度含まれるよう群の大きさを選ぶ。ゼロ続きの設定は感度が低い。
★★☆ 統計的有意差とサンプルサイズ — 差が大きくても、サンプルが少ないと有意差が出ない場合がある。サンプルサイズが結論を左右する。
管理図の「8つのルールをすべて暗記する」よりも、「なぜその判定ルールで異常と言えるのか」の論理を理解することが大切です。試験では「この点の並びは何のルールに該当するか」という問題が出ます。ルールの名前と「何点で何パターン」という数字をセットで覚えてください。
