コイン投げの確率論：二項分布が生み出す意外な「偏り」と「収束」

コイン投げは、統計学において「ベルヌーイ試行」と呼ばれる最もシンプルな確率モデルの一つです。表が出る確率と裏が出る確率が等しく $1/2$ であるとき、直感的には「2回に1回は表が出る」と考えがちですが、実際に10回投げたときにちょうど5回表が出る確率は、実は $25\%$ もありません。この数値上の乖離こそが、人間が陥りやすい「直感の罠」の正体です。

1,000文字以上の本解説では、二項分布の数学的メカニズム、なぜ連続して外れると次が当たる気がしてしまうのか（ギャンブラーの誤謬）、そして大量の試行を重ねたときに現れる「大数の法則」について徹底的に深掘りします。確率の網の目を見抜くための論理的思考を身につけましょう。

1. 二項分布の公式：なぜ「ちょうど」の確率は低いのか？

コインを $n$ 回投げて、表がちょうど $k$ 回出る確率 $P(k)$ は、以下の「二項分布」の公式で求められます。

$P(k) = {}_n\mathrm{C}_k \cdot p^k \cdot (1-p)^{n-k}$

ここで重要なのは ${}_n\mathrm{C}_k$（コンビネーション）の部分です。例えば10回中5回表が出る「組み合わせ」は252通りありますが、全事象（$2^{10} = 1024$通り）に占める割合で見ると、約 $24.6\%$ に留まります。つまり、最も期待される「50/50」の結果であっても、4回に1回程度しか起きない計算になります。残りの $75\%$ 以上のケースでは、どちらかに偏った結果が出るのが「普通」なのです。

2. ギャンブラーの誤謬（ごびゅう）：脳が犯すエラー

コインを投げて5回連続で「表」が出たとき、多くの人は「次はさすがに裏が出るだろう」と勝手に予想します。これを「ギャンブラーの誤謬」と呼びます。しかし、コインには記憶がありません。6回目に表が出る確率は、それまでの経過に関わらず、常に厳密に $50\%$ です。

この認識の誤りは、人間が短期的な試行に対しても「大数の法則（後述）」を当てはめようとしてしまうことから生じます。「全体で半分になるはずだから、今は表が多い分、次は帳尻を合わせるために裏が出るはずだ」という思考ですが、確率は「帳尻を合わせる」のではなく、試行回数が増えるにつれて「偏りの影響が相対的に薄まっていく」ことで平均に近づきます。

3. 大数の法則：10回と10,000回の決定的な違い

試行回数（$n$）が少ない状態では、運の要素が強く、比率が大きく偏ります。しかし、$n$ を増やしていくと、表の出る比率は限りなく $50\%$ に近づいていきます。これが「大数の法則」です。

• 10回投げた場合：表が8回出る（比率80%）ことは珍しくありません。
• 10,000回投げた場合：表が8,000回出る（比率80%）ことは、数学的にほぼゼロに等しい確率になります。

この性質があるからこそ、カジノや保険会社は、個々の勝敗（ランダム性）を恐れることなく、全体の試行回数を稼ぐことで確実に利益（期待値への収束）を計算できるのです。

4. 実社会での応用シーン：ゲームとリスク管理

ゲームバランスの設計

ソーシャルゲームの「ガチャ」の確率設定などは、まさにこの二項分布に基づいています。「何回引けば99%の確率で当たるか」を計算することで、ユーザーの体験をコントロールしています。

品質管理と歩留まり

製造業において、不良品が一定の確率で発生する場合、大量の製品の中に何個以上の不良品が含まれる確率がどの程度かを見積もるために、この確率計算が使われます。

5. まとめとツールの使い方

当「コイン投げ確率計算機」は、どんなに回数が多くても（最大500回まで対応）、階乗計算を駆使して「ぴったりk回」「k回以上」「k回以下」の確率を瞬時にデコードします。「珍しいことが起きた」と思ったとき、それが本当に天文学的な確率なのか、それとも統計的にありふれた誤差なのか。このProbability Matrixを使って、客観的な数値で判断してみてください。