コイン投げ確率 計算｜二項分布・連勝・期待値・95%信頼区間を一発算出
コイン投げや独立試行で、n回中ちょうどk回成功する確率（二項分布）、k回以上/以下の累積確率、連続k回成功（連勝）確率、期待値E=np・分散V=np(1-p)・標準偏差、95%信頼区間まで瞬時に計算。高校数学A「場合の数と確率」から、AB実験のサンプルサイズ設計、じゃんけん・ガチャ・野球打率・受験合格率、医療検査の感度・特異度、機械学習の分類精度評価まで対応。大数の法則・中心極限定理・ギャンブラーの誤謬など統計学の根幹概念を、公式集・具体例・よくある間違いとともに完全解説する無料ツール。学習指導要領（数学A）・共通テスト対応。
コイン投げ確率 計算ツール
公式集（二項分布・期待値・分散）
二項分布の基本公式
P(X=k) ＝ C(n,k) × p^k × (1−p)^(n−k) ← 二項分布 B(n, p)
期待値 E[X] ＝ n × p
分散 V[X] ＝ n × p × (1−p)
標準偏差 σ ＝ √(n × p × (1−p))
連続k回成功 P ＝ p^k
95%信頼区間（正規近似） ≒ np ± 1.96 × √(np(1−p))
公式一覧と適用条件
| 指標 | 公式 | 適用条件 | 例（n=10, p=0.5, k=5） |
|---|---|---|---|
| 個別確率 | P(X=k) | 独立試行 | 24.61% |
| 累積確率 | P(X≤k) = Σ P(X=i) | i=0..kの和 | P(X≤5)=62.30% |
| 期待値 | E[X] = np | 常時成立 | 5回 |
| 分散 | V[X] = np(1−p) | 常時成立 | 2.5 |
| 連勝 | P = p^k | 連続k回 | k=5で3.125% |
| Wald 95%CI | np ± 1.96σ | np≥5, n(1-p)≥5 | 1.9〜8.1回 |
| 正規近似 | N(np, np(1-p)) | 大標本 | N(5, 2.5) |
| ポアソン近似 | Poi(np) | n大, p小, np中庸 | — |
二項分布の性質と正規近似
二項分布 B(n, p) は独立試行の成功回数分布で、統計学の基礎となる離散分布です。
二項分布の重要な性質
| 性質 | 説明 |
|---|---|
| 再生性 | X~B(n1,p) + Y~B(n2,p) = B(n1+n2, p) |
| ベルヌーイ和 | n個のベルヌーイ試行の和が二項分布 |
| 期待値 | E[X] = np（線形性で導出） |
| 分散 | V[X] = np(1−p)、p=0.5で最大 n/4 |
| 正規近似 | np(1−p) ≥ 9 で N(np, np(1−p)) に近い |
| ポアソン近似 | n→∞, p→0, np=λ固定 で Poisson(λ) |
| 対称性 | p=0.5 で分布が左右対称、最頻値は n/2 付近 |
| 連続修正 | 正規近似時は ±0.5 の連続性補正で精度向上 |
ド・モアブル・ラプラスの定理として知られる正規近似は、AB実験の有意差判定・世論調査の誤差評価に不可欠です。大標本の二項分布は正規分布とほぼ一致するため、複雑な組合せ計算を回避できます。
身近な確率の一覧表
日常で遭遇する独立試行の確率と、10回試行時の期待値・分布をまとめました。
| 状況 | 1回成功p | 10回中5回以上 | 期待値(10回中) | 10回中0回 |
|---|---|---|---|---|
| コイン投げ表 | 50% | 62.3% | 5.0回 | 0.10% |
| サイコロ1の目 | 16.7% | 2.0% | 1.67回 | 16.15% |
| じゃんけん勝つ | 33.3% | 21.3% | 3.33回 | 1.73% |
| 2択クイズ正解 | 50% | 62.3% | 5.0回 | 0.10% |
| 4択クイズ当てずっぽう | 25% | 7.8% | 2.5回 | 5.63% |
| 野球：3割打者がヒット | 30% | 15.0% | 3.0回 | 2.82% |
| ガチャSSR排出（3%） | 3% | 0.0006% | 0.3回 | 73.7% |
| 大学受験合格率（30%） | 30% | 15.0% | 3.0回 | 2.82% |
| 宝くじ1等相当（1万分の1） | 0.01% | ~0% | 0.001回 | 99.90% |
| 医療検査の偽陽性率 | 5% | 0.006% | 0.5回 | 59.87% |
連勝・連敗の確率一覧
p=0.5（コイン投げ）の連勝確率と、他確率での比較です。
| 連続回数 k | p=0.5 | p=0.6 | p=0.3（野球3割） | 1/x表現 |
|---|---|---|---|---|
| 3連続 | 12.5% | 21.6% | 2.7% | 1 / 8 |
| 5連続 | 3.125% | 7.78% | 0.243% | 1 / 32 |
| 7連続 | 0.781% | 2.80% | 0.0219% | 1 / 128 |
| 10連続 | 0.098% | 0.605% | 0.00059% | 1 / 1024 |
| 15連続 | 0.00305% | 0.0470% | ~0% | 1 / 32,768 |
| 20連続 | 0.0000954% | 0.00366% | ~0% | 1 / 1,048,576 |
| 30連続 | ~0% | 0.0000221% | ~0% | 1 / 10億 |
プロ野球記録の20連勝は約1/100万の稀事象。米大リーグ「Cleveland Guardians 22連勝」（2017年）は6勝負率換算で1/300万の頻度です。
大数の法則と中心極限定理
大数の法則（Law of Large Numbers）
試行回数を増やすほど標本平均が真の確率に収束。コイン100回投げで表50%±5、10000回で50%±0.5、100万回で50%±0.05。カジノ・保険会社が長期で必ず利益を上げる根拠。
中心極限定理（Central Limit Theorem）
元の分布が何であれ、標本平均の分布は正規分布に近づく（n≥30が目安）。二項分布の正規近似も特殊ケース。統計的推論・信頼区間・仮説検定の理論的根拠。
連続性補正（Continuity Correction）
離散分布の二項分布を連続分布の正規分布で近似する際、P(X≤k) ≈ Φ((k+0.5−np)/σ)と ±0.5補正 することで精度向上。イエーツ補正とも。
ポアソン近似
n→∞, p→0, np=λ固定 のとき、B(n,p) ≈ Poisson(λ)。稀事象（交通事故・地震・不良品数）の統計解析で頻用。生保数理では死亡率計算に応用。
ギャンブラーの誤謬とホットハンド
確率論を理解する上で必ず知っておくべき2つの認知バイアスです。
ギャンブラーの誤謬（Gambler's Fallacy）
「5回連続で表が出たから次は裏が出やすい」という誤った直感。独立試行では過去結果は次回に一切影響しません。次回もp=0.5のまま。1913年モンテカルロカジノでルーレット26連続黒が出た事件で命名。多くのギャンブラーが「もう赤が来る」と大金を賭けて破産。
ホットハンドの錯覚（Hot Hand Fallacy）
「3本連続でシュートを決めたから次も決めやすい」という直感。バスケットボール研究（Gilovich, Vallone, Tversky 1985）で否定されたが、近年（Miller & Sanjurjo 2018）は統計手法の見直しで実は僅かなホットハンドが存在と再評価。試行独立性の判定は難しく、心理・生理要因が混在。
両誤謬の関係
| 誤謬 | 思考パターン | 実際 |
|---|---|---|
| ギャンブラー | 連続後は反対が起きやすい | 独立試行で常に同じ確率 |
| ホットハンド | 連続後はもっと成功しやすい | 選手・条件依存、統計的には限定的 |
| 共通 | ランダム系列に「パターン」を見出す | 人間の脳のパターン認識バイアス |
実務・学習での活用シーン
AB実験・サンプルサイズ設計
コンバージョン率p1 vs p2 の有意差検出に必要なサンプル数 n を二項分布と正規近似から算出。マーケティング・UI改善・医薬品臨床試験の実験計画（DoE）で必須。有意水準5%、検出力80%の標準設計。
ガチャ・ロト・宝くじの期待値評価
SSR排出率3%のガチャで10連引いても排出0の確率は73.7%。300連（天井）到達確率、期待値vs実質コスト、確率変動型ガチャの分散評価に。消費者庁の景品表示法・ステマ規制対応の根拠にも。
医療検査の感度・特異度・PPV
ベイズの定理と二項分布で偽陽性・偽陰性の頻度を計算。がん検診・COVID-19抗原検査・遺伝子検査の判定精度評価。厚生労働省・PMDAの承認申請でも標準指標。
機械学習の分類精度・不均衡データ
正例10%の不均衡データでモデル精度90%は「常に負例予測」でも達成できる。二項分布で「たまたま高精度になる確率」を評価し、真の性能をPrecision/Recall/F1で判定。scikit-learnのclassification_reportで実装。
野球・スポーツ分析（セイバーメトリクス）
3割打者が10打席で3本以上ヒット確率、投手の連続奪三振確率、勝率.500チームが10連勝する確率を計算。日本プロ野球のNPB統計、MLBのFangraphs解析でも二項分布ベース。
金融・保険数理・破産理論
デフォルト率p、n件の債権ポートフォリオでk件以上デフォルトする確率。生命保険の死亡率テーブル（生命表）ベースの保険料計算、コーポレートボンドの格付評価に応用。日本アクチュアリー会の試験科目。
高校数学A・共通テスト対策
「独立試行と反復試行」は高校数学A「場合の数と確率」の主要単元で、大学入学共通テストで頻出です。
| 単元 | 出題頻度 | 典型問題 |
|---|---|---|
| 反復試行の確率 | ★★★ | コイン・サイコロn回中k回成功 |
| 条件付き確率 | ★★★ | ベイズの定理、モンティ・ホール |
| 独立事象 | ★★ | 複数試行の同時成功 |
| 期待値 | ★★ | くじ・ゲームの平均獲得値 |
| 二項分布（発展） | ★ | 数学B「統計的な推測」で本格 |
文部科学省「高等学校学習指導要領（平成30年告示）」数学Aに準拠。大学入試センター（現大学入試センター試験問題実施本部）の過去問分析でも「余事象＋反復試行」の複合問題が頻出。
よくある間違い・注意点
- 「ちょうど」と「以上・以下」の混同 — p=0.5, n=10で「ちょうど5回成功」は24.6%、「5回以上成功」は62.3%と大きく異なります。共通テスト・統計検定で最頻出の誤答パターン。問題文の日本語を精読してください。
- 独立試行と非独立試行の混同 — コイン投げは各回独立、袋から玉を「戻さず」取り出すのは非独立（超幾何分布）。二項分布は独立試行専用で、非独立系に適用すると誤差大。
- ギャンブラーの誤謬 — 「5回連続で表→次は裏」は幻想。独立試行では常に p=0.5 のまま。カジノ・パチンコで最も多い誤解で、経済的破綻の主因。
- 期待値と最頻値の混同 — 期待値 E=np は「平均的な成功回数」で、必ずしも「最も出やすい値」ではない。p=0.5, n=10 なら最頻値も5だが、p=0.3, n=10 なら期待値3.0、最頻値3。
- 正規近似の適用条件 — np ≥ 5 かつ n(1−p) ≥ 5 が近似の目安。p が極端（0.01, 0.99）や n が小さい場合は、正規近似の誤差が大きくなります。代わりにポアソン近似や厳密計算を使用。
- 累積確率のΣ範囲ミス — 「k回以上」は i=k..n の和、「k回超」は i=k+1..n の和で1違うと結果が異なる。境界値の扱いは慎重に。
- 大数の法則の誤解 — 「試行を続ければ差が縮まる」ではなく「相対頻度が真の確率に収束」が正しい。絶対差 |成功数−np| は n の増加で拡大することもあります。
関連する規格・学術基準
- 高等学校学習指導要領（数学A） ― 文部科学省。反復試行の確率・条件付き確率・期待値を含む単元「場合の数と確率」の学習範囲。
- 大学入学共通テスト 数学I・A 出題範囲 ― 大学入試センター告示。反復試行と条件付き確率は必修レンジ。
- 統計検定（一般社団法人 日本統計学会） ― 3級・2級・準1級・1級で二項分布を出題。実務者向け資格。
- 日本アクチュアリー会 資格試験 ― 「確率」「損保数理」等で二項分布・ポアソン分布を出題。保険業界必修。
- ICH E9（臨床試験のための統計的原則） ― 医薬品臨床試験の統計手法国際ガイドライン。二項分布と正規近似が基本。
- ISO 3534-1（統計 用語） ― 統計用語の国際規格。二項分布・独立試行の定義を規定。JIS Z 8101と対応。
参考文献・公的資料
確率論・二項分布の一次資料および学習指導関連の公的機関リンクです。
- 文部科学省 高等学校学習指導要領（数学） ― 数学A「場合の数と確率」の単元構成。反復試行の確率、条件付き確率、期待値の学習範囲。
- 日本数学会 ― 数学者の学会。確率論・統計学の研究会情報、学術誌「数学」を刊行。
- 大学入試センター ― 共通テスト（旧センター試験）の出題基準・過去問。反復試行の確率は毎年出題。
- OEIS A007318（パスカルの三角形） ― オンライン整数列大辞典。二項係数の完全リスト、二項分布関連数列。
- Wolfram MathWorld: Binomial Distribution ― 二項分布の国際標準リファレンス。公式・性質・応用例。
- American Mathematical Society (AMS) ― 米国数学会。確率論・組合せ論の国際論文誌。
- 情報処理推進機構（IPA） ― IT人材育成、情報処理技術者試験。確率・統計は基本情報技術者・応用情報技術者で出題。
- NIST/SEMATECH e-Handbook of Statistical Methods ― 米国NISTの統計手法標準ハンドブック。二項分布と正規近似の詳細解説。
- 日本情報オリンピック（JOI） ― 確率・期待値の応用問題。動的計画法との組合せ。
- 日本統計学会 統計検定 ― 統計学の実用検定。二項分布・二項比率の推定・検定を出題。
よくある質問（FAQ）
10回中5回が一番出やすい？
p=0.5の時、ちょうど5回成功は24.6%で最頻値ですが、4回・6回もそれぞれ20.5%あり、体感として「5回きっかり出る方が珍しい」感覚になります。「ちょうど」と「以上・以下」の混同に注意してください。10回中「4〜6回のいずれか」なら65.6%と大半になります。
連勝の確率は？
p=0.5 で5連勝は3.125%（1/32）、10連勝は0.097%（1/1024）。野球5連勝、じゃんけん5回連続勝ちと同等の稀事象です。プロ野球20連勝は約1/100万で、日本プロ野球史上でも数例のみ。「ギャンブラーの誤謬」の通り、過去結果は次回に影響しないため、連勝中でも次回勝率は同じです。
大数の法則とは？
試行回数を増やすほど結果は理論確率に収束する法則です。コイン100回投げで表50%±5、10000回で50%±0.5、100万回で50%±0.05。「短期はバラつく、長期は収束」が確率の本質。カジノや保険会社はこの法則で長期利益を確保しています。ただし「ギャンブラーの誤謬」（過去が未来に影響）とは別概念で混同注意。
期待値の意味は？
n試行の平均的な成功数です。コイン10回投げの期待値は5回（=10×0.5）。実際は3〜7回が大半（±1σ以内が68%）で、±2σ範囲（≒2〜8回）に95%が収まります。宝くじの期待値がマイナスなのは、賞金合計＜販売総額のため。長期・多数購入で必ず損失、が期待値の教える現実です。
確率の実務応用例は？
1) 品質管理（不良率p、n個中k個不良）、2) 医療検査の感度・特異度（ベイズの定理）、3) AB実験の有意差判定（Fisher exact test）、4) 保険料設計・生保数理、5) 機械学習の分類精度評価、6) ガチャ・パチンコの期待値計算、7) スポーツ統計（セイバーメトリクス）。二項分布は統計学の入口で、応用範囲が広い基礎分布です。
ギャンブラーの誤謬とは？
「連続で表が出たから次は裏が出やすい」という誤った直感です。独立試行では過去結果は次回に一切影響せず、次回もp=0.5のまま。1913年モンテカルロカジノでルーレット黒26連続時、多くの人が「もう赤」と大金を賭け破産した事件で命名。パチンコ・スロット・投資でも同種の誤謬が損失の原因になります。
二項分布と正規分布の関係は？
ド・モアブル・ラプラスの定理で、n大 のとき B(n, p) は N(np, np(1−p)) で近似できます。目安は np ≥ 5 かつ n(1−p) ≥ 5。この近似で、複雑な組合せ計算を避けて信頼区間・仮説検定が可能に。中心極限定理の特殊ケースで、統計学の基礎中の基礎です。
二項分布とポアソン分布の違いは？
二項分布は「試行回数n、成功確率p」の固定モデル、ポアソン分布は「単位時間あたり平均λ回発生」の到着モデル。n大・p小・np=λ固定の極限でB(n,p) → Poisson(λ)。稀事象（交通事故・地震・不良品）はポアソンが適切です。
コイン投げは本当に確率50%？
厳密には約50.5%対49.5%で表がわずかに有利との研究結果（Diaconis, Holmes, Montgomery 2007等）があります。物理的な非対称性、投げ方の偏り、着地時の跳ね返り等で完全50-50にはなりません。しかし数学モデルとしては p=0.5 と扱うのが一般的で、実用上の差は無視できるレベルです。
Excel関数で二項分布を計算するには？
個別確率：=BINOM.DIST(k, n, p, FALSE)、累積確率：=BINOM.DIST(k, n, p, TRUE)。信頼区間：=BINOM.INV(n, p, α)。Pythonなら scipy.stats.binom.pmf(k, n, p) / binom.cdf(k, n, p)。R言語では dbinom() / pbinom()。
95%信頼区間はどう計算する？
二項比率の信頼区間は複数の方法があります：Wald法（np±1.96√(np(1-p))、簡易）、Wilson法（推奨、境界近くも正確）、Clopper-Pearson法（厳密）、Agresti-Coull法（Wilson改良）。医療統計・A/Bテストでは、境界近くでもゼロ発生でも信頼区間を作れるWilson法が国際的に推奨されます。
統計検定・数検で二項分布はどう出題される？
統計検定2級では二項分布の期待値・分散、正規近似、比率の検定が出題。準1級・1級では超幾何分布・ポアソン分布との比較、最尤推定量まで踏み込みます。数検準1級（高校3年程度）で反復試行、1級（大学一般教養）で本格的な確率分布論。統計検定公式サイトで出題範囲を確認できます。