二項確率分布電卓

二項確率分布電卓へようこそ。これは、精確および累積二項確率を計算し、ステップバイステップの解決策、インタラクティブな分布の視覚化、および詳細な統計分析を提供する包括的な統計ツールです。確率論を学ぶ学生、実験データを分析する研究者、または品質管理の専門家であっても、この電卓は必要な精度と明確さを提供します。

二項分布とは何ですか？

二項分布は、固定された回数の独立したベルヌーイ試行における成功回数をモデル化した離散確率分布です。各試行にはちょうど 2 つの可能な結果（成功または失敗）があり、成功の確率はすべての試行で一定です。

二項分布は、次の 2 つのパラメータによって特徴付けられます。

• n - 試行（実験）の回数
• p - 各試行における成功の確率

二項確率の公式 (PMF)

n 回の試行でちょうど k 回成功する確率は、確率質量関数 (PMF) によって与えられます。

ここで：

• $\binom{n}{k} = \frac{n!}{k!(n-k)!}$ は二項係数（「n 個から k 個選ぶ」）です
• $p^k$ は k 回成功する確率を表します
• $(1-p)^{n-k}$ は (n-k) 回失敗する確率を表します

累積分布関数 (CDF)

CDF は、最大 k 回成功する確率を与えます。

この電卓の主な特徴

この電卓の使い方

1. 試行回数 (n) を入力する: これは独立した実験の総回数です。例えば、コインを 10 回投げる場合は n = 10 となります。
2. 成功確率 (p) を入力する: 単一試行での成功確率（0 から 1 の間）を入力します。公正なコインの場合は p = 0.5 です。
3. 成功回数 (k) を入力する: 確率を求めたい特定の成功回数を入力します。0 から n の間である必要があります。
4. 「計算」をクリック: 正確な確率、累積確率、ステップバイステップの解決策、および視覚化を含む完全な確率分析を表示します。

結果の理解

確率値

• P(X = k): ちょうど k 回成功する確率 (PMF)
• P(X ≤ k): k 回以下の成功を収める確率 (CDF)
• P(X ≥ k): k 回以上の成功を収める確率 = 1 - P(X ≤ k-1)
• P(X < k): k 回未満の成功を収める確率 = P(X ≤ k-1)

統計量

• 平均 (μ): 期待される成功回数 = n × p
• 分散 (σ²): ばらつきの尺度 = n × p × (1-p)
• 標準偏差 (σ): 分散の平方根
• 最頻値: 最も起こりやすい成功回数
• 歪度: 分布の非対称性の尺度

実世界での応用

品質管理

製造企業は、バッチ内で特定の数の不良品が見つかる確率を判断するために二項分布を使用します。例えば、生産ラインの不良率が 2% で、50 個のアイテムを検査する場合、3 個を超える不良品が見つかる確率はどれくらいでしょうか？

臨床試験

医学研究者は、治療の有効性を分析するために二項分布を使用します。新薬の成功率が 70% で、20 人の患者に投与された場合、少なくとも 15 人の患者が改善する確率はどれくらいでしょうか？

調査分析

世論調査員は、誤差の範囲や信頼区間を計算するために二項分布を使用します。人口の 60% がある政策を支持しており、100 人を調査した場合、55 人から 65 人の支持者が観察される確率はどれくらいでしょうか？

スポーツ統計

アナリストは試合結果を予測するために二項分布を使用します。バスケットボール選手のフリースロー成功率が 75% である場合、10 回中少なくとも 8 回成功する確率はどれくらいでしょうか？

二項分布の条件

二項分布は、次のすべての条件が満たされる場合に適切です。

• 試行回数が固定されている: 実験の回数 (n) があらかじめ決められている
• 2 つの結果: 各試行の結果が成功または失敗のいずれかである
• 独立した試行: 1 つの試行の結果が他の試行に影響を与えない
• 一定の確率: 成功の確率 (p) がすべての試行で同じである

よくある質問

二項分布とは何ですか？

二項分布は、固定された回数の独立したベルヌーイ試行における成功回数をモデル化したものです。各試行の成功確率は同じです。例えば、コインを 10 回投げたときの表の出る回数や、50 個のバッチの中で各項目の不良率が 5% のときの不良品の数などをモデル化できます。

二項確率の公式は何ですか？

二項確率の公式は P(X = k) = C(n,k) × p^k × (1-p)^(n-k) です。ここで、C(n,k) は二項係数、n は試行回数、k は成功回数、p は単一試行での成功確率です。

PMF と CDF の違いは何ですか？

PMF（確率質量関数）は、ちょうど k 回成功する確率 P(X = k) を与えます。CDF（累積分布関数）は、最大 k 回成功する確率 P(X ≤ k) を与えます。これは 0 から k までのすべての確率の合計です。

二項分布の平均と分散は何ですか？

パラメータ n と p を持つ二項分布の場合、平均 (μ) = n × p、分散 (σ²) = n × p × (1-p)、標準偏差 (σ) = √(n × p × (1-p)) です。

二項分布と他の分布の使い分けは？

固定された回数の独立した試行があり、結果が 2 つだけで成功確率が一定である場合に二項分布を使用します。n が大きく p が小さい場合の一定期間内のイベントのカウントにはポアソン分布を使用します。n×p と n×(1-p) がどちらも 5 より大きい場合には正規近似を使用します。

累積二項確率はどのように計算しますか？

P(X ≤ k) を計算するには、X=0 から X=k までの個々の確率をすべて合計します。P(X ≥ k) の場合は、余事象 P(X ≥ k) = 1 - P(X ≤ k-1) を使用します。当電卓はこれらをすべて自動的に計算します。

その他のリソース

• 二項分布 - Wikipedia
• 二項分布 - Khan Academy (英語)