2項分布の公式の覚え方と仕組み：確率・期待値・分散の導出ガイド

2026年10月17日 2026年10月17日山崎講師

山崎講師

こんにちは。ゆうせいです。

統計学を学び始めると最初に出会う重要な壁の1つに「2項分布（にこうぶんぷ）」があります。教科書を開くと、C記号（コンビネーション）を使った確率の計算式や、期待値・分散の公式が突然並んでおり、丸暗記に苦労する方が少なくありません。

数学の公式は、丸暗記しようとすると試験や実務の場で記憶があやふやになりがちです。しかし、2項分布の公式は「どのような状況を計算しているのか」という背景の仕組みを把握すると、自然と頭に定着します。

本記事では、数学に苦手意識がある方に向けて、2項分布の基本概念から各公式の意味と覚え方、そして実用上の利点や注意点まで順を追って解説します。

2項分布とはどのようなものか

2項分布を一言で表すと、「結果が2通りしかない試行を複数回くり返したとき、目的の結果が何回起こるかを表す確率のルール」です。

専門用語では、結果が「成功」か「失敗」かの2種類しか存在しない試行を「ベルヌーイ試行」と呼びます。

コイン投げによる比喩

高校の数学で例えると、歪みのないコインを投げる動作がまさにベルヌーイ試行です。

コインを投げると、結果は「表」か「裏」のどちらかしか出ません。

このコイン投げを、たとえば10回連続で行うとします。10回のうち「表が3回出る確率」や「表が5回出る確率」を計算したい場面が出てきます。このように、2通りの結果しかない試行を一定回数くり返したときに現れる確率の散らばり方をまとめたものが、2項分布です。

記号の整理

公式を読み解くために、まずは使われる文字の意味を明確にしておきます。

n：試行の合計回数（例：コインを投げる回数）
p：1回の試行で目的の事象が起きる確率（例：コインで表が出る確率は 1/2）
q：1回の試行で目的の事象が起きない確率（q = 1 - p と表されます）
k：目的の事象が起きてほしい回数（0回から n回までの整数）

2項分布の主要な公式と仕組み

2項分布で押さえるべき公式は、主に「確率」「期待値（平均）」「分散」の3つです。それぞれの成り立ちと覚え方を解説します。

1. 確率を求める公式

n回のうち、目的の事象がちょうど k回起きる確率 P(X = k) は、次の式で計算します。

$P(X = k) = {}_{n}\mathrm{C}_{k} p^{k} (1-p)^{n-k}$

この式を丸暗記しようとすると複雑に見えますが、3つの部品に分解すると非常に単純です。

部品1：${}_{n}\mathrm{C}_{k}$ は「どの順番で起きるか」の組み合わせの数
部品2：$p^{k}$ は「目的の事象が k回起きる」確率
部品3：$(1-p)^{n-k}$ は「それ以外の事象が残りの (n-k)回起きる」確率

たとえば、3問の選択式クイズで2問正解するケースを考えます。

「正解・正解・不正解」「正解・不正解・正解」「不正解・正解・正解」という3通りの出題順序が存在します。この順序の組み合わせを求める部分が ${}_{3}\mathrm{C}_{2}$ です。そして、どのパターンでも正解が2回、不正解が1回起きる確率は同じであるため、最後に掛け合わせます。

覚え方の要点は、「組み合わせの数 × 成功の確率 × 失敗の確率」という掛け算の構造として捉えることです。

2. 期待値（平均値）の公式

期待値とは、その試行をくり返したときに長期的に見込める平均的な回数のことです。期待値を E(X) と表すと、公式は次の通りです。

E(X) = np

この公式の覚え方は、日常生活の直感と結びつけるのが最も容易です。

たとえば、表が出る確率が 1/2 のコインを10回投げた場合、平均して何回表が出ると予想できるでしょうか。多くの方が直感的に「5回」と答えます。この計算は、回数 10 に確率 1/2 を掛けて求めています。

つまり、「回数 n に 1回の確率 p を掛けるだけ」と捉えれば、式を忘れることはありません。

数学的には、1回の試行での期待値が p であり、それが n回独立して続くため、p を n個足し合わせた np になります。

3. 分散と標準偏差の公式

分散とは、結果の数値が平均値のまわりにどれくらい散らばっているかを表す指標です。分散を V(X) と表すと、公式は次の通りです。

V(X) = np(1-p)

また、失敗する確率 (1-p) を q と置くと、npq と短く表現されることもあります。

この公式の覚え方は、期待値 np に「失敗する確率 (1-p)」を掛け足すと覚えるのが効率的です。

期待値：np
分散：np × (1-p)

なぜ失敗の確率を掛けるのかという理由に着目すると、理解が深まります。

もし p = 1（必ず起きる事象）であれば、結果は毎回同じになり、散らばりは生じません。式に当てはめると、1-p = 0 となるため、分散は 0 になります。

同様に、p = 0（絶対に起きない事象）でも結果は常に0回で一定となり、分散は 0 です。

結果が最も予測しにくくデータの散らばりが最大になるのは、p = 0.5（五分五分の状態）のときです。p(1-p) という掛け算の形は、確率が端（0や1）に近づくほど値が小さくなり、中央の0.5で最大値をとる性質を正確に表現しています。

なお、データのばらつきを元の単位に戻した指標である「標準偏差」は、分散に平方根をつけた値になります。

$\sigma = \sqrt{np(1-p)}$

2項分布の特性：長所と短所

確率の計算において2項分布を適用する際には、実用面での利点と制約が存在します。

利点

計算モデルの簡潔さ試行回数 n と確率 p の2つの数値さえ定まれば、分布全体の形状、平均値、散らばり具合をすべて計算できます。
幅広い応用性品質管理における製品の不良品数予測、Webマーケティングにおける広告のクリック率検証、臨床試験での効果の有無判定など、合否や白黒が分かれる多様な事象のモデル化に適合します。

制約

試行の独立性が必須要件となる点各回の試行結果が他の回の結果に影響を与えない「独立試行」でなければ、2項分布は適用できません。たとえば、箱からくじを引いて元に戻さない場合（非復元抽出）は回の進行とともに確率が変動するため、超幾何分布という別の分布を用いる必要があります。
回数が膨大になった場合の直接計算の負担手計算や標準的な計算機において、試行回数 n が数百、数千といった大きな数値になると、階乗やべき乗の計算量が膨大になり、直接確率を求めることが困難になります。

まとめ

2項分布の各公式は、文字の並びとして記憶するのではなく、式の意味と結びつけて整理することが定着への近道です。

確率は「組み合わせ × 成功の確率 × 失敗の確率」で構成される
期待値は「回数 × 成功確率」という直感通りの np
分散は期待値 np に「失敗確率 (1-p)」を掛け合わせた np(1-p)

今後の学習を進めるにあたっては、以下の順序で理解を深めていくことを推奨します。

コイン投げやサイコロの具体的な数値（n=3, p=1/2 など）を公式に代入し、手計算で確率を算出してみる。
期待値と分散の公式に数値を当てはめ、平均値と散らばりの値を算出する。
試行回数 n が十分に大きい場合に計算を簡略化する手法である「正規分布による近似（ラプラスの定理）」や、稀にしか起きない事象を扱う「ポアソン分布」へと学習範囲を広げる。

基本となる2通りの試行の仕組みを把握しておくことで、より高度な統計手法の理解もスムーズに進められるようになります。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
海外放浪の末、2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。