試行回数 n、1回の成功確率 p、成功回数 k を入力すると、二項分布でちょうど k 回成功する確率、k 回以下・k 回以上になる累積確率、平均と分散を計算します。コイン投げやくじ引き、不良品の数などの確率を求められます。
二項分布 確率計算ツール(P(X=k)・累積確率)
試行回数 n・成功確率 p・成功回数 k から、ちょうど k 回・k 回以下・k 回以上になる確率と平均・分散を計算します。
使い方
- 「試行回数 n」に、何回くり返すかを入力します。
- 「1回の成功確率 p」に0〜1の小数で確率を入力し(30%なら0.3)、「成功回数 k」を入力します。
- カードで P(X = k)・P(X ≤ k)・P(X ≥ k) と平均・分散を確認します。表では k の前後の確率も一覧できます。
計算式
P(X = k) = ₙCₖ × pᵏ × (1 − p)ⁿ⁻ᵏ
P(X ≤ k) = P(X = 0) + P(X = 1) + … + P(X = k)
P(X ≥ k) = 1 − P(X ≤ k − 1)
平均 = np、分散 = np(1 − p)
ₙCₖ は n 個から k 個を選ぶ組合せの数です。二項分布は「成功か失敗かの2通りしかない試行を、同じ確率で、独立に n 回くり返したときの成功回数」の分布です。ツールでは大きな n でも計算できるよう、累積確率を不完全ベータ関数で求めています。
計算例
初期値は n = 10、p = 0.5、k = 7 です。コインを10回投げて表がちょうど7回出る確率を考えます。
- ₁₀C₇ = 120 なので、P(X = 7) = 120 × 0.5⁷ × 0.5³ = 120 ÷ 1,024 = 0.117187(約11.72%)です。
- 0〜7回の確率の合計は P(X ≤ 7) = 0.945313 です。
- 7回以上の確率は P(X ≥ 7) = 1 − P(X ≤ 6) = 0.171875(約17.19%)です。
- 平均は 10 × 0.5 = 5回、分散は 10 × 0.5 × 0.5 = 2.5 です。
結果の見方
P(X ≥ k) は「少なくとも k 回成功する確率」で、検定の考え方にもつながります。たとえば、表が出る確率が0.5のはずのコインで10回中9回以上表が出る確率は約1.07%です。こうした小さい確率の結果が実際に起きたら、「本当に確率0.5のコインなのか」を疑う根拠になります。
平均 np は、たくさんくり返したときの成功回数の平均です。標準偏差 √(np(1−p)) は、成功回数がどれくらいばらつくかを表します。n が大きく、np と n(1−p) がどちらも十分大きい(目安として5以上や10以上)ときは、二項分布は平均 np・分散 np(1−p) の正規分布で近似できます。
機械学習では、分類モデルの正解率を評価するときに二項分布が登場します。テストデータ100件で正解率80%だった場合、偶然によるぶれがどれくらいあるかを考える土台になります。
注意点
- 「k 回以上」と「k 回より多い(k + 1 回以上)」は違います。知りたいのがどちらかを確認しましょう。「少なくとも1回当たる確率」は P(X ≥ 1) = 1 − (1 − p)ⁿ です。
- 二項分布は、毎回の確率が同じで、各回が互いに独立であることを前提にしています。くじを引いて戻さない場合など、確率が変わる状況には当てはまりません(その場合は超幾何分布を使います)。
- 成功回数 k は試行回数 n 以下の整数にしてください。
- 確率はパーセントではなく0〜1の小数で入力します。
二項分布の確率のよくある質問
Q. ExcelのBINOM.DIST関数と同じですか?
A. はい。P(X = k) は =BINOM.DIST(k, n, p, FALSE)、P(X ≤ k) は =BINOM.DIST(k, n, p, TRUE) と同じ値になります。
Q. 「少なくとも1回成功する確率」はどう求めますか?
A. k = 1 として P(X ≥ 1) を見るか、1 − (1 − p)ⁿ で計算します。たとえば確率1%のくじを100回引いて1回以上当たる確率は約63.4%です。
Q. 二項分布とポアソン分布の違いは?
A. 二項分布は試行回数 n が決まっているときの成功回数の分布です。n が非常に大きく p が非常に小さいとき、二項分布は平均 np のポアソン分布で近似できます。
