統計学確率数学計算ツール学習ガイド

確率分布計算機：公式・具体例・練習問題で完全マスター

September 10, 2026·15 min read·Solvify Team

確率分布計算機は、離散型でも連続型でも、確率変数の期待値・分散・任意の結果が起こる確率を求めてくれるツールです。毎回、確率分布表をゼロから作ったり、手作業でz表を引いたりする必要はありません。分布の種類（離散的な確率分布表、二項分布のプロセス、正規分布曲線）とそのパラメータを入力すれば、必要な確率・平均・標準偏差が返ってきます。統計学を学ぶ学生は、コイン投げ、品質管理の抜き取り検査、テストの得点など、起こりうる結果がはっきり決まっているあらゆる確率変数の計算にこれを使います。本ガイドでは、その裏側にある公式を段階を追って組み立て、手計算で確かめられる実際の数値も示すので、計算機がブラックボックスに感じられることはもうありません。

確率分布計算機とは？

確率分布計算機とは、確率変数が取りうる結果とその確率、あるいは二項分布や正規分布といった既知の分布族のパラメータを入力すると、特定の事象が起こる確率に加えて、期待値（平均）や分散といった要約値も返してくれるツールです。確率分布そのものは、確率変数が取りうるすべての結果を、それぞれの起こりやすさとセットで並べた完全な一覧にすぎません。離散分布は「10 個の製品ロットに含まれる不良品の個数」のように個々の結果を列挙し、連続分布は「人の身長」のように、ある範囲全体にわたる結果を記述します。どちらの型を扱う場合でも、確率分布計算機の信頼性は入力した分布の正しさで決まります。だからこそ、計算そのものはツールに任せる場合でも、その裏にある数学を確認することが大切なのです。

妥当な確率分布は必ず 2 つの規則を満たします。個々の確率が 0 以上 1 以下であること、そしてすべての確率の合計がちょうど 1 になることです。

確率分布計算機はどのように動作するのか？

手書きの表を使う場合でも本格的な統計計算機を使う場合でも、確率分布計算機は毎回同じ 4 段階の手順をたどります。まず、どの種類の分布を扱っているのかを知る必要があります。離散的な表、二項分布のプロセス、正規分布曲線は、確率・期待値・分散の計算にそれぞれ異なる公式を使うからです。

1. ステップ 1：分布の種類を見きわめる

確率変数が離散型（確率分布表のように結果が決まった一覧になっているもの）か連続型（正規分布のように取りうる値が範囲全体に広がるもの）かを判断し、さらに二項分布のような既知の分布族に当てはまるかどうかを確認します。

2. ステップ 2：分布のパラメータを入力する

離散的な表なら、すべての結果とその確率を入力します。二項分布なら、試行回数（n）と成功確率（p）を入力します。正規分布なら、平均（μ）と標準偏差（σ）を入力します。

3. ステップ 3：確率・期待値・分散を計算する

計算機は該当する公式（離散的な表なら直接の総和、二項分布のプロセスなら二項分布の公式、正規分布曲線なら標準正規分布表）を適用し、求めたい確率を平均・分散とあわせて返します。

4. ステップ 4：結果を解釈する

小数の確率をパーセントに変換し、経験則（68-95-99.7 の法則）やおおまかな見積もりと照らし合わせて妥当性を確認してから、最終的な答えとして扱いましょう。

離散確率分布と連続確率分布の違い

離散確率分布は、結果を数え上げられる確率変数に適用されます。コインを 3 回投げたときに表が出る回数、1 日に寄せられる顧客からの苦情の件数、決まった回数の試行における成功回数などです。それぞれの結果に固有の確率が割り当てられ、離散変数に対する確率分布計算機は、要するにその一覧に対する整理された足し算とかけ算にすぎません。一方、正規分布のような連続確率分布は、身長・体重・反応時間のように、ある範囲内の任意の値を取りうる確率変数に適用されます。そのため、正確な値ごとの確率ではなく、曲線の下の面積を使って「ある区間に入る確率」を計算します。どちらの型を扱っているかを知ることが、以降のすべての公式を決定づけます。

確率の合計が 1 になるかはどう確認する？

期待値や分散の計算を信用する前に、その分布が妥当かどうかを確認しましょう。すべての確率は 0 以上 1 以下でなければならず、確率全体の合計はちょうど 1 にならなければなりません（わずかな丸め誤差は許容されます）。このチェックを飛ばすことは、離散確率の問題で答えを間違える最大の原因です。打ち間違えや数え間違えの確率が 1 つあるだけで、その上に積み上げたすべての計算が狂ってしまうからです。

1. すべての結果とその確率を書き出す

ある小規模なサポートチームが、1 日に受け取る苦情の件数 X を記録しているとします：P(X=0) = 0.1、P(X=1) = 0.3、P(X=2) = 0.4、P(X=3) = 0.2。

2. すべての確率を足し合わせる

0.1 + 0.3 + 0.4 + 0.2 = 1.0。確率の合計がちょうど 1 になるので、これは妥当な確率分布です。

3. 妥当でない分布を見抜く

もし最後の値が P(X=3) = 0.3 と書かれていたら、合計は 0.1 + 0.3 + 0.4 + 0.3 = 1.1 となり 1 を超えてしまいます。確率分布ではありえない値であり、他の計算を始める前に必ず直すべき入力ミスのサインです。

分布の確率の合計がちょうど 1 にならない場合、その分布は妥当ではありません。期待値・分散・その他どんな確率を計算する前にも、必ず修正する必要があります。

計算例：離散分布の期待値と分散

先ほどと同じ「1 日あたりの苦情件数」の分布（P(X=0) = 0.1、P(X=1) = 0.3、P(X=2) = 0.4、P(X=3) = 0.2）を使うと、確率分布計算機は期待値（長期的な平均）と分散（結果のばらつき具合）を、手計算とまったく同じ手順で求めます。

1. ステップ 1：各値に確率をかけて合計する

E[X] = (0×0.1) + (1×0.3) + (2×0.4) + (3×0.2) = 0 + 0.3 + 0.8 + 0.6 = 1.7。平均して 1 日あたり 1.7 件の苦情です。

2. ステップ 2：E[X²] を求める

E[X²] = (0²×0.1) + (1²×0.3) + (2²×0.4) + (3²×0.2) = 0 + 0.3 + 1.6 + 1.8 = 3.7。

3. ステップ 3：平均の 2 乗を引く

Var(X) = E[X²] − (E[X])² = 3.7 − 1.7² = 3.7 − 2.89 = 0.81。

4. ステップ 4：平方根を取って標準偏差を求める

σ = √0.81 = 0.9。1 日あたりの苦情件数は、平均の 1.7 件からおよそ 0.9 件ほどばらつくということです。

計算例：二項分布の確率

二項分布は、独立した試行を決まった回数だけ行い、各試行の結果がちょうど 2 通り（成功か失敗か）で、成功確率が毎回同じ場合に使えます。公式は P(X=k) = C(n,k) × p^k × (1−p)^(n−k) で、n は試行回数、k は求めたい成功回数、p は 1 回の試行での成功確率です。あるランディングページの訪問者の 30 % が登録する（p = 0.3）とし、独立した 10 人の訪問者を見るとします（n = 10）。そのうちちょうど 3 人が登録する確率はいくらでしょうか。

1. ステップ 1：n、k、p を確認する

n = 10、k = 3、p = 0.3 なので、1 − p = 0.7 です。

2. ステップ 2：組み合わせの数を計算する

C(10,3) = 10! ÷ (3! × 7!) = 120。

3. ステップ 3：p^k と (1−p)^(n−k) を計算する

p³ = 0.3³ = 0.027。(1−p)^7 = 0.7^7 = 0.0823543。

4. ステップ 4：すべてをかけ合わせる

P(X=3) = 120 × 0.027 × 0.0823543 ≈ 0.2668、つまり約 26.68 % です。

二項分布では、平均は μ = np、分散は σ² = np(1 − p) です。n = 10、p = 0.3 なら平均は 3、分散は 2.1 となり、確率分布表を丸ごと作る必要はありません。

正規分布で二項分布を近似できるのはどんなとき？

試行回数が多くなると、正確な二項確率を手計算で求めること、あるいは多数の二項の項を足し合わせることさえ現実的でなくなります。そこで統計学では、二項分布を正規分布で近似します。この近似は np ≥ 5 かつ n(1−p) ≥ 5 の両方が成り立つとき信頼できるとされます。200 通のメールを送り、それぞれが開封される確率が 40 %（n = 200、p = 0.4）だとしましょう。この設問では n = 100 として、最初の 100 人の受信者のうち開封する人が 45 人以下となる確率はいくらでしょうか。

1. ステップ 1：近似の条件を確認する

この設問では n = 100、p = 0.5 なので、np = 50 ≥ 5、n(1−p) = 50 ≥ 5 となり、正規近似を使えます。

2. ステップ 2：平均と標準偏差を求める

μ = np = 100 × 0.5 = 50。σ = √(np(1−p)) = √(100 × 0.5 × 0.5) = √25 = 5。

3. ステップ 3：連続性の補正を適用する

二項分布は離散型、正規分布は連続型なので、z値に変換する前に X = 45 を X = 45.5 に補正します：z = (45.5 − 50) ÷ 5 = −0.9。

4. ステップ 4：確率を表で調べる

P(Z < −0.9) ≈ 0.1841 なので、P(X ≤ 45) ≈ 18.41 % です。

連続性の補正、つまり z値に変換する前に 0.5 を足したり引いたりする操作こそが、本来は離散である分布に対して正規近似の精度を保ってくれます。

確率分布の計算でつまずきやすいミスは？

確率分布の問題で起こる誤りのほとんどは、限られた種類の繰り返し起きるミスに由来します。最終的な答えを信用する前にこれらを点検すれば、宿題や試験でのミスの大半を防げます。

1. 確率の合計が 1 になるか確認し忘れる

合計が 1 にならない分布の上に期待値や分散を組み立てれば、他のすべての手順が正しくても答えは必ず間違います。

2. 標本分散と母分散を混同する

分布のすべての結果と確率が完全にわかっている場合は、Var(X) = E[X²] − (E[X])² を使います。n − 1 で割る標本分散の公式ではありません。あの公式は、既知の分布ではなくデータの標本から分散を推定するためのものです。

3. np ≥ 5 と n(1−p) ≥ 5 を確認せずに正規近似を使う

n が小さい、あるいは p が極端な二項分布に正規近似を当てはめると、目に見えて不正確な確率が出てしまいます。そうした二項分布は歪みが強すぎて、左右対称のベル型カーブではうまく表せないからです。

4. 連続性の補正を忘れる

離散的な二項分布を連続的な正規分布曲線で近似する際に 0.5 の補正を省くと、得られる確率が系統的にずれてしまいます。特に n が小さいときに影響が大きくなります。

詳しい解答つき練習問題

どの計算機の出力を確かめるよりも先に、上で扱ったのと同じ公式を使って、この 3 問を自分で解いてみましょう。

1. 問題 1：期待値と分散

離散型確率変数 X について、P(X=−1) = 0.2、P(X=0) = 0.3、P(X=1) = 0.3、P(X=2) = 0.2 とします。E[X] と Var(X) を求めなさい。解答：E[X] = (−1×0.2)+(0×0.3)+(1×0.3)+(2×0.2) = −0.2+0+0.3+0.4 = 0.5。E[X²] = (1×0.2)+(0×0.3)+(1×0.3)+(4×0.2) = 0.2+0+0.3+0.8 = 1.3。Var(X) = 1.3 − 0.5² = 1.3 − 0.25 = 1.05。

2. 問題 2：二項分布の「少なくとも 1 個」の確率

ある機械が作る部品の 25 % が不良品（p = 0.25）で、8 個を抜き取る（n = 8）とき、P(少なくとも 1 個が不良品) を求めなさい。解答：P(不良品が 0 個) = (0.75)^8 ≈ 0.1001。P(少なくとも 1 個) = 1 − 0.1001 ≈ 0.8999、つまり約 89.99 % です。

3. 問題 3：二項分布の正規近似

n = 200、p = 0.4 のとき、正規近似を使って P(X ≥ 90) を求めなさい。解答：μ = np = 80、σ = √(200×0.4×0.6) = √48 ≈ 6.93。連続性の補正により X = 89.5 とすると、z = (89.5 − 80) ÷ 6.93 ≈ 1.37。P(Z ≥ 1.37) ≈ 1 − 0.9147 = 0.0853、つまり約 8.53 % です。

確率分布計算機はどんなときに使うべき？

確率分布計算機は、結果が既知の確率変数や既知の分布族について、速くて検算できる答えが欲しい場面ならどこでも活躍します。離散的な表・二項分布・正規分布を扱う統計学の授業、工場がロットに不良品が多すぎる確率を見積もる品質管理の抜き取り検査、期待値の計算が保険料やリスクの価格付けを左右する保険・金融、そして観測されたコンバージョン差に意味があるかを二項モデルで推定する A/B テストなどです。いずれの場合も、計算機が適用している公式を理解してこそ最大限に役立ちます。そうすれば、誤った入力や当てはまらない近似を、自信たっぷりに誤った答えが出る前に見抜けるからです。

Solvify は確率分布の問題の確認にどう役立つ？

ここまでの考え方を理解してしまえば、ツールの一番の価値は思考の代わりをすることではなく、自分の答案をすばやく検証できることにあります。Solvify のステップ解説ソルバーは、確率分布の問題（離散的な表、二項確率、正規近似）を、このガイドで使ったのと同じラベル付きの手順に分解します。最終的なパーセンテージだけを見るのではなく、自分の解答と 1 行ずつ見比べられます。

1. 問題を写真に撮る

Solvify のスマートスキャンで、教科書やプリントから確率分布の問題をそのまま読み取り、完全な解答手順を受け取りましょう。

2. 自分の手順を解答と見比べる

自分が出した期待値・分散・最終的な確率を Solvify の解説と突き合わせて、上で紹介したようなミスを見つけましょう。

3. 追加の質問をする

Solvify の AI チューターに、なぜ正規近似が使えるのかを尋ねたり、同じ問題を厳密な二項分布の公式で解いた場合を見せてもらったりできます。

計算機は、あなたの考えを置き換えるのではなく裏づけるためのものです。Solvify は手順をすべて示すので、自分の計算がどこで一致し、どこでずれたのかがはっきりわかります。

タグ: