ウルトラ先生の確率教室

第5章 いろいろな試行の確率

5-2: 反復試行の確率Repeated Trials Probabilityベルヌーイ試行Bernoulli Trials

前のページでは、独立な試行を繰り返すときに、「1回目は表、2回目は裏、3回目は表」のように、特定の順番で結果が出る確率を計算したね。各回の確率を単純に掛け合わせればよかった。

でも、こういう場合はどうだろう?

「コインを5回投げて、ちょうど3回表が出る確率は?」

この場合、「表表表裏裏」でも「表裏表裏表」でも、順番は問わず、とにかく表が3回、裏が2回出ればいいわけだ。このように、順番は関係なく、特定の事象が特定の回数起こる確率を考えるのが、今回のテーマ「反復試行の確率」だよ。

反復試行とその確率

同じ条件の下で、ある試行を何回か繰り返し行うとき、各回の試行が互いに独立である場合、これを反復試行repeated trialsと呼ぶんだったね。

特に、各回の試行結果が「成功(事象Aが起こる)」か「失敗(事象Aが起こらない)」のどちらかしかないような試行を繰り返す場合をよく考えるんだ。このような試行を、数学者の名前をとって「ベルヌーイ試行Bernoulli trial」と呼ぶこともあるよ。(例:コイン投げで表が出るか裏が出るか、サイコロを振って1が出るか出ないか、など)

反復試行の確率の問題設定はこうだ。

「1回の試行で事象Aが起こる確率が $p$ である試行を、$n$ 回繰り返す。このとき、事象Aがちょうど $k$ 回起こる確率はいくらか?」

(もちろん、Aが起こらない確率は $1-p$ となるね。)

反復試行の確率の考え方

まず、簡単な例で考え方を掴もう。

例:コインを3回投げて、表(H)がちょうど2回出る確率 ($n=3, k=2$)

1回の試行で表が出る確率 $p = \frac{1}{2}$。表が出ない(裏(T)が出る)確率は $1-p = \frac{1}{2}$。

表がちょうど2回出るパターンには、どんな順番があるかな? 書き出してみると…

3パターンがあるね。

それぞれのパターンが起こる確率を計算してみよう。各回の試行は独立だから、確率を掛け合わせればいいんだったね。

どのパターンも、起こる確率は同じ $\frac{1}{8}$ になった! 一般的に、成功確率 $p$ の試行を $n$ 回繰り返して、成功が $k$ 回、失敗が $n-k$ 回起こる特定の1つのパターンの確率は、$p^k (1-p)^{n-k}$ となるんだ。

そして、これらのパターン(HHT, HTH, THH)は同時には起こらない(互いに排反)ので、「表がちょうど2回出る」という事象の確率は、これらの確率を足し合わせればいい(加法定理)。

求める確率 = (HHTの確率) + (HTHの確率) + (THHの確率)

$= \frac{1}{8} + \frac{1}{8} + \frac{1}{8} = 3 \times \frac{1}{8} = \frac{3}{8}$

ここで重要なのは、「何パターンあるか?」という数だ。この例では3パターンだったけど、これは「3回の試行の中から、表が出る2回を選ぶ組み合わせ」の数と同じになっているんだ! ${}_3C_2 = \frac{3 \times 2}{2 \times 1} = 3$ 通り、だね。

つまり、反復試行の確率は、

(そのようなパターンが何通りあるか:組み合わせ ${}_n C_k$)$\times$(その1つのパターンが起こる確率:$p^k (1-p)^{n-k}$)

で計算できることがわかるんだ!

反復試行の確率の公式

1回の試行で事象Aが起こる確率を $p$ とする。この試行を $n$ 回繰り返すとき、事象Aがちょうど $k$ 回起こる確率 $P_k$ は、次の式で計算される。

$P_k = {}_n C_k \, p^k (1-p)^{n-k}$

ここで、

  • ${}_n C_k = \frac{n!}{k!(n-k)!}$ : $n$ 回の試行の中から、事象Aが起こる $k$ 回を選ぶ組み合わせの数(何パターンあるか)。
  • $p^k$ : 事象Aが $k$ 回起こる確率の掛け算。
  • $(1-p)^{n-k}$ : 事象Aが起こらない事象(余事象)が $n-k$ 回起こる確率の掛け算。

具体的な例で計算してみよう!

例題1:サイコロで1の目がちょうど2回出る確率

1個の公正なサイコロを4回投げるとき、1の目がちょうど2回出る確率を求めよ。

これは反復試行の問題だね。

$n=4$ (試行回数)

$k=2$ (求める回数)

$p = P(\text{1の目が出る}) = \frac{1}{6}$ (1回の成功確率)

$1-p = P(\text{1以外の目が出る}) = \frac{5}{6}$ (1回の失敗確率)

公式 $P_k = {}_n C_k \, p^k (1-p)^{n-k}$ に当てはめると、

$P_2 = {}_4 C_2 \, (\frac{1}{6})^2 (\frac{5}{6})^{4-2}$

${}_4 C_2 = \frac{4 \times 3}{2 \times 1} = 6$

$P_2 = 6 \times (\frac{1}{36}) \times (\frac{25}{36})$

$P_2 = \frac{6 \times 25}{36 \times 36} = \frac{25}{6 \times 36} = \frac{25}{216}$

確率は $\frac{25}{216}$

例題2:復元抽出で赤玉がちょうど3回出る確率

袋の中に赤玉3個、白玉2個(計5個)が入っている。この袋から玉を1個取り出して色を確認し元に戻す。これを5回繰り返すとき、赤玉がちょうど3回出る確率を求めよ。

$n=5$

$k=3$

$p = P(\text{赤玉が出る}) = \frac{3}{5}$

$1-p = P(\text{白玉が出る}) = \frac{2}{5}$

求める確率は $P_3 = {}_5 C_3 \, (\frac{3}{5})^3 (\frac{2}{5})^{5-3}$

${}_5 C_3 = {}_5 C_2 = \frac{5 \times 4}{2 \times 1} = 10$

$P_3 = 10 \times (\frac{27}{125}) \times (\frac{4}{25})$

$P_3 = 10 \times \frac{108}{3125} = \frac{1080}{3125} = \frac{216}{625}$

確率は $\frac{216}{625}$

例題3:射撃でちょうど4回当てる確率

ある射撃選手が的に当てる確率は $\frac{2}{3}$ である。この選手が5回射撃を行うとき、ちょうど4回的に当てる確率を求めよ。

$n=5$

$k=4$

$p = P(\text{当てる}) = \frac{2}{3}$

$1-p = P(\text{外す}) = 1 - \frac{2}{3} = \frac{1}{3}$

求める確率は $P_4 = {}_5 C_4 \, (\frac{2}{3})^4 (\frac{1}{3})^{5-4}$

${}_5 C_4 = {}_5 C_1 = 5$

$P_4 = 5 \times (\frac{16}{81}) \times (\frac{1}{3})^1$

$P_4 = 5 \times \frac{16}{81 \times 3} = \frac{80}{243}$

確率は $\frac{80}{243}$

二項分布Binomial Distribution ってなんだろう?

反復試行の確率の公式 $P_k = {}_n C_k \, p^k (1-p)^{n-k}$ を使うと、$n$ 回の試行の中で、事象Aが起こる回数 $k$ が $0, 1, 2, \dots, n$ それぞれについて、その確率を計算できるね。

例えば、コインを3回投げる例 ($n=3, p=1/2$) だと、表が出る回数 $k$ とその確率 $P_k$ の関係は下の表のようになるよ。

表が出る回数 (k)確率 $P_k$
0回${}_3C_0 (\frac{1}{2})^0 (\frac{1}{2})^3 = 1 \times 1 \times \frac{1}{8} = \frac{1}{8}$
1回${}_3C_1 (\frac{1}{2})^1 (\frac{1}{2})^2 = 3 \times \frac{1}{2} \times \frac{1}{4} = \frac{3}{8}$
2回${}_3C_2 (\frac{1}{2})^2 (\frac{1}{2})^1 = 3 \times \frac{1}{4} \times \frac{1}{2} = \frac{3}{8}$
3回${}_3C_3 (\frac{1}{2})^3 (\frac{1}{2})^0 = 1 \times \frac{1}{8} \times 1 = \frac{1}{8}$
合計$\frac{1}{8}+\frac{3}{8}+\frac{3}{8}+\frac{1}{8}=1$

このように、反復試行における成功回数 $k$ と、その確率 $P_k$ の対応関係(分布)のことを「二項分布Binomial Distribution」と呼ぶんだ。

下のグラフは、このコイン投げの例の二項分布を棒グラフで表したものだよ。成功回数(表が出る回数)が1回や2回の確率が一番高くなっているのがわかるね。

この二項分布は、確率の世界でとても重要で、後の第3部「確率分布」でもっと詳しく学ぶことになるよ!

このページで出てきたEnglish wordsとその仲間たち

英単語 (English) 意味 (Meaning) 例文 (Example Sentence) 例文の読み上げ 例文の日本語訳
Repeated Trials Probability 反復試行の確率 We use a specific formula to calculate repeated trials probability. ▶ 再生 反復試行の確率を計算するために特定の公式を使います。
Bernoulli Trials ベルヌーイ試行 A sequence of independent Bernoulli trials leads to the binomial distribution. ▶ 再生 一連の独立なベルヌーイ試行は二項分布につながります。
Binomial Probability Formula 二項確率の公式(反復試行の確率の公式) The binomial probability formula is $P(X=k) = {}_n C_k p^k (1-p)^{n-k}$. ▶ 再生 二項確率の公式は $P(X=k) = {}_n C_k p^k (1-p)^{n-k}$ です。
Number of Successes 成功回数 (k) We are interested in the probability of getting exactly k successes in n trials. ▶ 再生 私たちはn回の試行でちょうどk回の成功を得る確率に関心があります。
Number of Trials 試行回数 (n) Let n be the total number of trials. ▶ 再生 nを総試行回数とします。
Probability of Success 成功確率 (p) Let p be the probability of success on a single trial. ▶ 再生 pを1回の試行での成功確率とします。
Binomial Distribution 二項分布 The binomial distribution describes the number of successes in a fixed number of Bernoulli trials. ▶ 再生 二項分布は、固定された回数のベルヌーイ試行における成功数を記述します。