二項分布計算機：確率を手計算する方法
二項分布計算機は、試行回数が決まっており、成功確率が一定で、目標成功数が与えられたとき、その正確な確率を素早く計算します。学生がコイン投げ、不良率、フリースロー成功率、または多肢選択問題への推測など、2つの結果が決まった回数繰り返される状況に直面したとき、二項分布計算機を使います。このガイドでは、二項確率の公式を最初から教え、実際の数値を使った計算例を複数示し、平均、分散、標準偏差を手計算で求める方法を説明します。これにより、二項分布計算機が何を計算しているのかを正確に理解したうえで、その結果を信頼できるようになります。
目次
二項分布とは？
二項分布は、決まった回数の独立した試行において、成功の回数を説明します。各試行には正確に2つの可能な結果、つまり成功と失敗があり、各試行の成功確率は変わりません。10回のコイン投げでの表の数、20個のマイクロチップの検査での不良個数、または8本のフリースローでの成功本数はすべて二項分布の状況です。二項分布計算機が便利な理由は、長くて誤りやすい手計算を単一の公式評価に置き換える点ですが、公式自体は3つの部分を理解すれば手計算で十分に単純です。試行回数(n)、各試行の成功確率(p)、そして求める成功数(k)です。
二項確率の公式：P(X = k) = C(n,k) × p^k × (1−p)^(n−k)、ここでC(n,k) = n! / [k!(n−k)!]はn回の試行からk回の成功を選ぶ方法の数です。
二項分布計算機はどのように機能しますか？
すべての二項分布計算機は同じ3つの入力を要求し、必要に応じて異なる複数の出力を返すことができます。これらの入力と出力を理解することで、手計算でも計算機で確認しても、二項確率問題を正しく設定することが圧倒的に簡単になります。
1. 二項分布計算機が必要とする入力
n — 試行または試みの総回数（決まった既知の数である必要があります）。p — 単一試行における成功確率（0～1の小数で表現。例えば不良率5%なら0.05、公正なコインなら0.5）。k — 確率を求めたい特定の成功数（0からnまでの整数）。
2. 二項分布計算機が返すことができる出力
P(X = k) — 正確にk回の成功の確率。P(X ≤ k)またはP(X ≥ k) — 最大k回またはk回以上の成功の累積確率。複数のP(X = k)値を合計して求めます。平均(μ = np)、分散(σ² = np(1−p))、標準偏差(σ = √[np(1−p)]) — すべての個別確率を計算することなく、分布の中心と広がりを表す要約数。
3. 手計算による方法を学ぶべき理由
宿題と試験ではほぼ常に、最終的な小数だけでなく、設定過程（n、p、kの特定、組み合わせC(n,k)の記述、公式への代入）を示すことが必要です。二項分布計算機は大きなn値に対する答え確認が最速ですが、以下の手計算ステップを理解することが、実際に得点を得られ、コース後半の仮説検定などの統計学トピックに必要な直感を構築します。
二項確率をステップバイステップで計算する方法
二項確率の公式を学ぶ最も明確な方法は、実際の数値を使った現実的な例を、段階ごとに進めることです。統計学の宿題に頻繁に現れる品質管理のシナリオです。
1. 問題を設定する
工場は20個のマイクロチップのバッチを出荷しています。歴史的に、チップの5%が不良です。ランダムに選ばれた20個のバッチから、正確に2個のチップが不良である確率は？3つの値を特定します：n = 20（試行）、p = 0.05（不良チップの確率、計算する「成功」）、k = 2（確率を求めたい不良チップの数）。
2. 組み合わせC(n,k)を計算する
C(20,2) = 20! / [2!(20−2)!] = 20! / (2! × 18!)。これは(20 × 19) / (2 × 1) = 380 / 2 = 190に簡約されます。20個のチップから2個が不良である選び方は190通りあります。
3. p^kを計算する
p^k = (0.05)² = 0.0025。これは任意の2つの特定のチップが両方とも不良である確率です。
4. (1−p)^(n−k)を計算する
(1−p)^(n−k) = (0.95)^18。繰り返し二乗すると：0.95² = 0.9025、0.95⁴ = 0.8145、0.95⁸ = 0.6634、0.95¹⁶ = 0.4401、0.95¹⁸ = 0.95¹⁶ × 0.95² = 0.4401 × 0.9025 ≈ 0.3973。これは残りの18個のチップがすべて非不良である確率です。
5. 3つの部分をまとめて乗算する
P(X = 2) = C(20,2) × p² × (1−p)^18 = 190 × 0.0025 × 0.3973 ≈ 190 × 0.0025 = 0.475、次に0.475 × 0.3973 ≈ 0.1887。答え：20個のチップのバッチから正確に2個が不良である確率は、約18.87%です。二項分布計算機は同じ0.1887をすぐに返しますが、これでこの数を自分で検証し、紙の上で各ステップを説明できます。
常に二項公式の3つの部分を個別に計算する—C(n,k)、p^k、(1−p)^(n−k)—その後、最後にまとめて乗算します。ステップを早すぎるうちに組み合わせることが、最も一般的な算術エラーの源です。
二項分布の平均と標準偏差をどのように求めますか？
すべての個別確率を計算する代わりに、二項分布には3つの要約値があり、それが1行で分布を説明します：平均（期待される成功数）、分散、標準偏差（広がりの尺度）。これらの公式は、あらゆるkに対してP(X = k)を計算するより圧倒的に高速で、二項分布計算機は個別確率と一緒にこれらを報告します。
1. 平均（期待値）
公式：μ = n × p。マイクロチップの例を使用（n = 20、p = 0.05）：μ = 20 × 0.05 = 1。平均すると、20個のバッチごとに正確に1個の不良チップが期待されます — ただし、個々のバッチは0、1、2、またはそれ以上を持つ可能性があります。
2. 分散
公式：σ² = n × p × (1−p)。同じ例を使用：σ² = 20 × 0.05 × 0.95 = 0.95。分散は、平均の周りで可能な結果がどのくらい広がっているかを測定しますが、それは二乗された単位にあるため、通常は標準偏差が報告されます。
3. 標準偏差
公式：σ = √[n × p × (1−p)]。σ = √0.95 ≈ 0.97。これは、不良チップの数が典型的には平均1の約±0.97以内に収まることを示しています — したがって、バッチで0、1、または2個の不良チップを見ることは一般的ですが、5個以上を見ることは異常に高いでしょう。
4. 2番目の計算例：多肢選択問題での推測
学生が4つの選択肢がある10問の多肢選択問題でランダムに推測します（正解の確率p = 0.25）。平均：μ = 10 × 0.25 = 2.5は、純粋な推測からの予想正解数。分散：σ² = 10 × 0.25 × 0.75 = 1.875。標準偏差：σ = √1.875 ≈ 1.37。これは、ランダムな推測者が典型的には約1～4問の正解をスコアリングすることを意味します（2.5 ± 1.37）。これは、教師が合格閾値を設定するときに有用な文脈です。
二項分布の平均：μ = np。標準偏差：σ = √[np(1−p)]。どちらの公式もnとpのみが必要です — すべての個別確率を合計する必要はありません。
二項分布を使用するために満たされるべき条件は何ですか？
二項分布計算機は、基本的な状況が4つの特定の条件を実際に満たしている場合にのみ、正しい答えを与えます。これらの条件に違反する問題に二項公式を使用することは、最も一般的な統計学の宿題の誤りの1つです。
1. 決められた試行回数（n）
試行回数は事前に設定され、既知である必要があります — 20個のチップを検査、10回のコイン投げ、8本のフリースロー。「最初の成功まで」進み続ける状況は、異なる分布（幾何分布）であり、二項分布ではありません。
2. 試行ごとにちょうど2つの結果
各試行は「成功」または「失敗」のいずれかで終了する必要があります — 不良か非不良か、表か裏か、成功か失敗か。第3のカテゴリはありません。試行が2つ以上の可能な結果を持つ場合、異なるモデル（多項分布など）が必要です。
3. 成功確率の定数（p）
成功確率はすべての試行で同じままである必要があります。キャリア平均80%のフリースロー選手は、問題内のすべての試みで80%で投げると仮定されます — 確率は疲れ、勢い、または以前の成功/失敗に基づいて変わりません。
4. 独立した試行
1つの試行の結果が別の試行に影響を与えることはできません。これが、復元抽出（または非常に大きな母集団からのサンプリング）が二項モデルを満たす理由ですが、小さな母集団から復元なしでサンプリングすることは、アイテムを削除すると次の抽出の確率が変わるため、そうではありません — その状況は、統計学コースで一般的な引っ掛け問題である超幾何分布を呼び出します。
累積二項確率をどのように計算しますか？
多くの二項問題は、1つの値ではなく、特定の数の成功の「以上」または「以下」を求めます。二項分布計算機は複数の個別確率を合計することでこれを処理し、少ない数の項に対して手計算でも同じことができます。
1. 「以上」の問題を設定する
公正なコインが10回投げられます（n = 10、p = 0.5）。7回以上の表が出る確率は？「7回以上」はP(X ≥ 7) = P(X = 7) + P(X = 8) + P(X = 9) + P(X = 10)—4つの個別の二項確率を加算します。
2. 各項を計算する
p = 0.5であるため、すべての項は同じp^k × (1−p)^(n−k) = 0.5¹⁰ = 1/1024を共有します。組み合わせC(n,k)のみ変わります：C(10,7) = 120、C(10,8) = 45、C(10,9) = 10、C(10,10) = 1。各確率は組み合わせを1024で割ったもの：P(7) = 120/1024 ≈ 0.1172、P(8) = 45/1024 ≈ 0.0439、P(9) = 10/1024 ≈ 0.0098、P(10) = 1/1024 ≈ 0.0010。
3. 項をまとめて加算する
P(X ≥ 7) = (120 + 45 + 10 + 1) / 1024 = 176/1024 ≈ 0.1719。答え：10回の公正なコイン投げで7回以上の表が出る確率は、約17.19%です。「以下」の問題の場合、代わりに0からkまで合計するか、片側がより少ない項を持つ場合は、ショートカットP(X ≤ k) = 1 − P(X ≥ k+1)を使用します。
累積確率のショートカット：「以上k」が多くの項を必要とする場合、補集合を計算する — P(X ≥ k) = 1 − P(X ≤ k−1) — そしてより少ない項の側を合計します。
二項分布計算機を使用するときの一般的な間違い
これらのエラーは、手計算で行われたか、その後二項分布計算機で確認されたかにかかわらず、採点される統計学の宿題で常に現れます。
1. 「正確にk」を「以上k」または「以下k」と混同する
P(X = k)は1つの単一の確率を与えます。問題が「以上」「以下」「より大きい」「より小さい」という言葉を使用する場合、1つの項ではなく、複数のP(X = k)値の累積合計が必要です。これを誤読することは、単一の最も一般的な二項分布の間違いです。
2. (1−p)^(n−k)項を忘れる
C(n,k) × p^kを計算して止めるのは簡単です。残りの試行がすべて失敗である確率で乗算することを忘れます。このステップを飛ばすとすべての答えが大きくなりすぎます — 時には1より大きくなり、エラーの即座の兆候です。
3. pの間違った値を使用する
問題が92%の成功率を説明する場合、p = 0.92であり、p = 0.08ではありません（これは失敗率）。常にその問題が「成功」と呼ぶ結果を確認してください — 問題が不良アイテムの確率を求める場合、pは不良率であり、合格率ではありません。
4. 試行が独立していないときに二項公式を適用する
デッキから復元なしでカードを引く、または小さなクラスから復元なしで学生を選択することは、各抽出で確率を変更します — これは独立性条件に違反し、二項公式ではなく超幾何分布を必要とします。
二項分布の練習問題と解答
これら3つの問題を最も簡単なものから最も難しいものまで進めてください。各問題を答えを読む前に試し、その後、設定を示されたステップと比較します。
1. 問題1（初級）：サイコロを転がす
公正な6面サイコロが6回転がされます。正確に1回の6が出る確率は？解答：n = 6、p = 1/6（成功 = 6が出る）、k = 1。C(6,1) = 6。P(X=1) = 6 × (1/6)¹ × (5/6)⁵ = 1 × (5/6)⁵。(5/6)⁵ = 3125/7776 ≈ 0.4019。答え：P(X=1) ≈ 0.4019、または約40.19%。
2. 問題2（中級）：フリースロー投擲
バスケットボール選手はフリースローの80%を成功させます。彼女は8本のフリースローを撮影します。正確に6本を成功させる確率は？解答：n = 8、p = 0.8、k = 6。C(8,6) = 28。P(X=6) = 28 × (0.8)⁶ × (0.2)² = 28 × 0.262144 × 0.04 ≈ 28 × 0.010486 ≈ 0.2936。答え：P(X=6) ≈ 0.2936、または約29.36%。
3. 問題3（上級）：スパムフィルターの精度
スパムフィルターはスパムメールの90%を正しく検出します。15個のスパムメールが送信された場合、フィルターが少なくとも13個を検出する確率は？解答：n = 15、p = 0.9、P(X ≥ 13) = P(13) + P(14) + P(15)が必要。C(15,13) = 105、C(15,14) = 15、C(15,15) = 1。P(13) = 105 × (0.9)¹³ × (0.1)² ≈ 105 × 0.2542 × 0.01 ≈ 0.2669。P(14) = 15 × (0.9)¹⁴ × (0.1)¹ ≈ 15 × 0.2288 × 0.1 ≈ 0.3432。P(15) = (0.9)¹⁵ ≈ 0.2059。合計：0.2669 + 0.3432 + 0.2059 ≈ 0.8159。答え：15個のスパムメールのうち少なくとも13個を検出する約81.59%の確率。
学生が二項分布計算機について他に何を尋ねますか？
これらは、二項分布の宿題と試験の準備に並んで最も頻繁に出てくる質問です。
1. 二項分布をいつ正規分布で近似できますか？
nが大きく、np ≥ 10とn(1−p) ≥ 10の両方である場合、二項分布はμ = npとσ = √[np(1−p)]を使用して正規分布で近似できます。これは、手で計算するのが退屈になる大きなnに対して有用ですが、小さなn（上記の例など）では、正確な二項公式がより正確で、通常は必須です。
2. 二項分布計算機は直接「以上」と「以下」の問題を処理できますか？
ほとんどの二項分布計算機には、個別の項をすぐに合計する累積確率モードが含まれているため、毎回P(X=7) + P(X=8) + P(X=9) + P(X=10)を手で加算する必要はありません。それでも、試験は通常完全なセットアップを必要とするため、少なくとも1回は手で行う価値があります。
3. C(n,k)を手計算する最速の方法は？
完全な階乗を計算する代わりに、最初に項をキャンセルします。C(20,2) = (20 × 19)/(2 × 1)は20!と18!を別々に計算するよりはるかに高速です。C(n,k)の場合、分子にk項のみを記述（nから始まり、k項まで）し、k!で割ります。
4. 二項分布ではなくポアソン分布をいつ使用すべきですか？
試行の固定数（n）と成功確率（p）の両方がわかっている場合は、二項分布を使用します。代わりに、連続的な間隔（「1時間あたりの欠陥」など）での発生の平均率だけがわかっていて、試行の自然な固定数がない場合は、ポアソン分布を使用します。nが非常に大きくpが非常に小さい場合、λ = npを持つポアソン分布は、二項分布に密接に近似します。
二項分布の宿題についてさらなるヘルプを得る
n、p、kを識別し、組み合わせ、pの冪、(1−p)の冪を別々に計算できるようになったら、二項確率問題は謎公式ではなく、慎重な算術の問題になります。「正確に」「以上」「以下」の質問のミックスで練習してください。試験は同じセクション内にこれら3つをすべてミックスする傾向があります。特定の二項分布問題の設定に詰まったり、手計算を確認したい場合は、Solvifyのステップバイステップソルバーは、このガイドで示されている同じ公式（組み合わせ、確率項、最終答え）を進めることができます。これにより、独自のセットアップが正しいものとどのように異なるかを正確に確認できます。
二項分布計算機に手を伸ばす前に、最初に問題ステートメントからn、p、kを書き下ろします。これら3つの値を正しく取得することが、実際に二項分布の宿題ポイントの大部分が勝たれるか失われるかの場所です。
関連記事
関連する数学ソルバー
ステップバイステップの解答
二項確率計算のすべてのステップ—組み合わせ、指数、最終的な乗算—が明確に示されます。
スマートスキャンソルバー
二項確率の質問の写真を撮り、すぐに完全に計算された解を取得します。
AI数学家庭教師
組み合わせ、累積確率、または二項分布対他の分布をいつ使用するかについての追加の質問をします。