確率分布の種類は？二項分布・正規分布などの特徴を解説！（グラフ）

確率分布の種類は？二項分布・正規分布などの特徴を解説！（グラフ）

確率分布は、起こり得る結果と、その結果がどの程度起こりやすいかを対応させた考え方です。

統計学、品質管理、売上予測、医療データの分析など、さまざまな場面で使われます。

二項分布や正規分布といった名称を知っていても、どのようなデータに当てはめるのか迷う方は多いでしょう。

この記事では代表的な確率分布の種類、グラフの見方、使い分けの考え方をわかりやすく解説します。

確率分布の種類と基本的な考え方

それではまず、確率分布の全体像と、代表的な種類について解説していきます。

確率分布の意味

確率分布とは、確率変数がどの値を取るのか、その値がどれほどの確率で現れるのかを表したものです。

例えば、サイコロを1回振ると出目は1から6まであり、それぞれが出る確率は原則として6分の1です。

このように、結果と確率の対応関係を一覧やグラフにしたものが確率分布です。

確率分布を理解すると、偶然に見える出来事にも一定の傾向を見いだせます。

実際のデータでは、同じ結果が何度も起きることもあれば、めったに起きない結果もあります。

そのばらつきを数字で捉え、将来の予測や判断に役立てる点が確率分布の重要な役割です。

離散型分布と連続型分布

確率分布は大きく、離散型確率分布と連続型確率分布に分けられます。

離散型は、取り得る値を数えられる分布です。

コインの表裏、商品の不良個数、1日に来店する人数などが代表例になります。

一方の連続型は、身長、体重、気温、作業時間のように、ある範囲の中で細かく変化する値を扱います。

整数だけを取るのか、それとも小数を含めて連続的に変わるのかが、分布選びの最初の分岐点です。

分類	扱う値の例	主な確率分布
離散型	合格者数、不良品数、成功回数	二項分布、ポアソン分布、幾何分布
連続型	身長、測定誤差、待ち時間	正規分布、指数分布、一様分布

確率分布を表すグラフ

確率分布は、表だけでなくグラフで見ると特徴をつかみやすくなります。

離散型分布では、横軸に値、縦軸に確率を置いた棒グラフがよく使われます。

連続型分布では、横軸に値、縦軸に確率密度を置いた滑らかな曲線が一般的です。

連続型のグラフでは、特定の一点の確率ではなく、ある範囲に入る確率を面積として考えます。

グラフの山が高い場所は出現しやすい値の周辺を示し、左右への広がりはデータのばらつきを表します。

二項分布の特徴

続いては、成功と失敗を数える場面で役立つ二項分布を確認していきます。

二項分布が使える条件

二項分布は、成功か失敗かのように、結果を二つに分類できる試行を複数回行うときの分布です。

例えば、製品検査で良品か不良品かを確認する場合、広告を見た人が購入したかしなかったかを調べる場合に使えます。

二項分布を利用するためには、試行回数が決まっていること、各試行が独立していること、成功確率が一定であることが基本条件です。

同じ条件で繰り返した結果の成功回数を扱うなら、二項分布が有力な候補になります。

ただし、前回の結果が次回に影響する場合や、試行ごとに成功率が大きく変わる場合は、そのまま当てはめられません。

成功回数と確率の計算

二項分布では、試行回数をn、1回の成功確率をp、成功回数をXと表します。

Xがk回になる確率は、組み合わせと成功確率、失敗確率を組み合わせて求めます。

計算式を見ると複雑に感じるかもしれませんが、表計算ソフトや統計ソフトには二項分布の関数が用意されています。

実務では数式を暗記するよりも、何を成功と定義し、試行回数と成功率をどう置くかを正確に決めることが重要です。

二項分布グラフの見方

二項分布のグラフは、成功回数ごとに棒が並ぶ形になります。

成功確率が0.5に近いときは中央付近が高くなり、左右が比較的対称に近づきます。

成功確率が小さいと、少ない成功回数の側に山が寄り、右側に長い裾を持つ形になりやすいでしょう。

試行回数が多く、成功確率が極端でなければ、二項分布は正規分布に近い形になることがあります。

棒グラフの中心位置は、おおむね試行回数nに成功確率pを掛けた値で把握できます。

状況	試行回数	成功確率	確認したい値
メール開封	配信人数	開封率	一定数以上が開封する確率
品質検査	検査個数	不良率	不良品が指定数になる確率
試験問題	設問数	正答率	正答数の分布

正規分布の特徴

続いては、多くの自然現象や測定値の分析に使われる正規分布を確認していきます。

ベル型グラフの形状

正規分布は、平均値を中心に左右対称の釣り鐘型になる確率分布です。

身長、測定誤差、テスト得点などは、条件によって正規分布に近い形を示すことがあります。

グラフの中央が最も高く、平均値から遠ざかるほど頻度や確率密度は低くなります。

正規分布の最大の特徴は、中心を基準にデータの広がりを読み取れる点です。

ただし、現実のすべてのデータがきれいな左右対称になるわけではありません。

極端な値が多い場合や、下限が0に限定されるようなデータでは、別の分布の方が適していることもあります。

平均と標準偏差

正規分布を決める重要な要素は、平均と標準偏差です。

平均はデータの中心を表し、標準偏差は値が平均からどの程度散らばっているかを表します。

平均が同じでも、標準偏差が大きければグラフは低く広がり、標準偏差が小さければ高く細い形になります。

比較を行うときは、平均だけでなく標準偏差にも注目しましょう。

平均点が同じ二つのクラスでも、標準偏差が異なれば得点のばらつきや学習状況は大きく異なります。

標準偏差と区間確率

正規分布では、平均から標準偏差何個分の範囲にデータが入るかを目安にできます。

平均の前後1標準偏差の範囲には約68パーセント、前後2標準偏差には約95パーセントのデータが入るとされています。

前後3標準偏差まで広げると、約99.7パーセントが含まれるという性質も重要です。

品質管理では、平均から大きく離れた値を異常の候補として検出する考え方に活用されます。

ポアソン分布と指数分布の特徴

続いては、発生回数や待ち時間を扱う際に便利なポアソン分布と指数分布を確認していきます。

ポアソン分布の用途

ポアソン分布は、一定の時間や場所の中で、ある事象が何回起こるかを扱う確率分布です。

1時間に届く問い合わせ件数、1日に発生する事故件数、一定面積に見つかる欠陥数などが例になります。

二項分布との違いは、試行回数を明確に数えるよりも、一定区間内での発生件数に着目する点です。

平均発生回数を表す値を基準にして、0回、1回、2回といった各件数の確率を計算します。

まれに起こる事象の件数を予測したいとき、ポアソン分布は実用的な選択肢です。

指数分布と待ち時間

指数分布は、次の出来事が起きるまでの待ち時間を表す連続型の確率分布です。

電話が次にかかってくるまでの時間、機械が故障するまでの時間、来客までの時間などに利用されます。

ポアソン分布が発生回数を扱うのに対し、指数分布は発生と発生の間隔を扱う関係にあります。

グラフは時間が短い側で高く、時間が長くなるほどなだらかに低下する形です。

短い待ち時間は比較的多く、非常に長い待ち時間は少ないという直感に合う場面も多いでしょう。

二つの分布の使い分け

同じ出来事を分析していても、知りたい内容によって選ぶ分布は異なります。

例えばコールセンターであれば、1時間あたりの着信件数にはポアソン分布、次の着信までの時間には指数分布を検討できます。

分析目的を先に決めることで、必要なデータとグラフの見方が明確になります。

確認したい内容	適した分布	データの例
一定時間内の発生件数	ポアソン分布	1時間の問い合わせ数
次の発生までの時間	指数分布	次の来客までの待ち時間
成功回数	二項分布	100件中の購入者数

一様分布とその他の確率分布

続いては、一様分布をはじめとする代表的な確率分布の特徴を確認していきます。

一様分布の性質

一様分布は、定められた範囲の中で、どの値も同じ程度に起こりやすいと考える分布です。

公平なサイコロの出目は離散一様分布の代表例です。

また、ある範囲から乱数を選ぶ場合には、連続一様分布として考えられます。

連続一様分布のグラフは、指定された範囲で高さが一定の長方形になります。

偏りがない抽選や乱数生成を前提にする場合、一様分布が基本のモデルとなります。

幾何分布と負の二項分布

幾何分布は、最初の成功が出るまでに何回試行が必要かを扱う分布です。

例えば、初めて商品を購入する顧客が現れるまでの営業電話回数を考える場面に利用できます。

負の二項分布は、指定した回数の成功が得られるまでに必要な試行回数を扱います。

最初の成功だけを見るなら幾何分布、複数回の成功が得られるまでを見るなら負の二項分布という整理ができます。

どちらも成功と失敗を繰り返す構造を持ちますが、二項分布とは着目する対象が異なります。

カイ二乗分布とt分布

カイ二乗分布とt分布は、統計的検定や推定でよく登場する確率分布です。

カイ二乗分布は0未満の値を取らず、右側に長い裾を持つ形になります。

カテゴリーデータの独立性を調べるカイ二乗検定などで使われます。

t分布は正規分布に似た左右対称の形ですが、裾がやや厚い特徴があります。

標本数が少なく、母集団の標準偏差がわからないときの平均値の検定や信頼区間に役立ちます。

確率分布の選び方とグラフ活用

続いては、実際のデータ分析で確率分布を選び、グラフを活用する流れを確認していきます。

データの種類による判断

確率分布を選ぶ際は、最初にデータの形式を確認します。

個数や回数のような整数データであれば、二項分布やポアソン分布などの離散型分布を候補にします。

時間、長さ、重さのように連続して変化する測定値なら、正規分布や指数分布などの連続型分布を検討する流れです。

次に、結果が成功と失敗に分かれるのか、発生件数なのか、待ち時間なのかを整理します。

分布選びでは、数値の大きさよりも、数値が生まれた仕組みを確認することが重要です。

ヒストグラムによる確認

実データを集めたら、ヒストグラムを作成して分布の形を確認しましょう。

ヒストグラムは、データを一定の区間に分け、それぞれに含まれる件数を棒で表すグラフです。

山が一つで左右対称に近ければ、正規分布に近い可能性があります。

右側に長く伸びる形なら、指数分布や対数正規分布なども候補になるでしょう。

ただし、グラフの見た目だけで分布を断定することは避ける必要があります。

データの取得条件、外れ値、標本数もあわせて確認する姿勢が求められます。

予測と品質管理への応用

確率分布は、単にグラフを描くための知識ではありません。

在庫切れの可能性、目標達成率、設備故障のリスク、製造ばらつきなどを数値で評価する土台になります。

例えば正規分布を前提に測定値を管理すれば、規格外となる確率を推定できます。

二項分布を使えば、一定数の顧客が購入する確率や、検査ロットで不良品が出る確率を見積もれます。

確率分布は、不確実な出来事を感覚だけで判断しないための共通言語です。

確率分布の種類のまとめ

確率分布は、データがどの値を取りやすいか、どれほどばらつくかを表すための重要な考え方です。

成功回数を扱う二項分布、平均を中心に広がる正規分布、発生件数を扱うポアソン分布、待ち時間を扱う指数分布など、それぞれに適した用途があります。

まずはデータが離散型か連続型かを確認し、次に件数、回数、待ち時間、測定値のどれに当たるかを整理しましょう。

グラフやヒストグラムを使えば、分布の中心、広がり、偏りを視覚的に理解できます。

確率分布を適切に選べるようになると、予測、検定、品質管理、意思決定の精度向上につながります。