反復試行の確率・二項分布 計算機

試行回数 n、1回の成功確率 p から、ちょうど k 回成功する確率、少なくとも k 回、高々 k 回成功する確率を算出。分数表記と百分率(%)で表示。

反復試行の確率・二項分布 計算機
例題:
反復試行の確率結果
P(X = 2) = 0.3750 (37.5 %)
少なくとも k 回成功 P(X ≥ k)
0.5000 (50.0 %)
高々 k 回成功 P(X ≤ k)
0.8750 (87.5 %)
二項確率の計算ステップ

    反復試行(はんぷくしこう)の確率とは?

    同じ条件のもとで何回も繰り返す試行において、各回の結果が他の回に一切影響を与えない(互いに独立である)試行を反復試行(ベルヌーイ試行)と呼びます。コイントスやサイコロ振りが代表例です。

    反復試行の確率公式
    \[ P(X = k) = {}_n C_k \, p^k \, (1 - p)^{n - k} \]
    • $n$: 総試行回数
    • $k$: 成功する回数
    • $p$: 1回の試行で成功する確率
    • ${}_n C_k$: $n$ 回のうちどの $k$ 回で成功するかを選ぶ組み合わせ

    「少なくとも1回当たる確率」の余事象(よじしょう)解法

    「10回引いて少なくとも1回当たる確率」を求める際、1回当たる確率、2回、3回...10回をすべて足すのは大変です。そこで「1回も当たらない確率(余事象)」を全体(100%)から引く解法が鉄則です。

    余事象の確率
    \[ P(\text{少なくとも1回}) = 1 - (1 - p)^n \]

    よくある質問(FAQ)

    当たりません。100回連続で外れる確率は (0.99)¹⁰⁰ ≈ 36.6% です。したがって100回引いて少なくとも1回当たる確率は 1 - 0.366 = 約 63.4% にとどまります。

    試行回数 n を極めて大きくしていくと、実際の相対度数(実績比率)が理論的な確率 p に限りなく近づくという定理です。

    試行回数 n が十分に大きいとき、二項分布は平均 np、分散 np(1-p) の正規分布に近似できます(ラプラスの定理)。

    過去の結果に関係なく、次の1回も独立試行であるためぴったり 1/2(50%)です。「そろそろ裏が出るはず」と錯覚することを「ギャンブラーの誤謬」と呼びます。

    絶対に起きない事象(空事象)の確率は 0、必ず起きる事象(全事象)の確率は 1 となります。