解き方の型 解説 › 数学ⅡBC › 数学B
📊 統計的な推測の解き方の型(14パターン)
数学B|確率分布・二項分布・正規分布・標本平均・推定・検定
統計的な推測は、確率変数と確率分布を使って、標本から母集団を推測する単元です。期待値・分散の計算から始め、二項分布と正規分布の性質へと進みます。正規分布の問題は、標準化して正規分布表を読むという同じ手順でほとんど解けます。標本平均の分布、母平均・母比率の推定、仮説検定は、共通テストで長い文章題として出るので、どの値が何を表しているかを整理しながら読む練習をしてください。
この単元の型
- 確率変数の期待値の型
- 分散・標準偏差の型
- 二項分布の期待値・分散の型
- 期待値・分散から n と p を求める型(入試)
- Y = aX + b の期待値・分散の型
- 平均・標準偏差から a, b を決める型(入試)
- 独立な確率変数の和の型
- 正規分布の標準化の型
- 正規分布表で確率を求める型
- 標本平均の期待値と標準偏差の型
- 母平均の推定(信頼区間)の型
- 母比率の推定の型
- 母平均の仮説検定の型(入試)
- 二項分布を使った仮説検定の型(入試)
1. 確率変数の期待値の型
🔍 こんな問題に使う(見分け方)
確率分布の表(X と P)が与えられ、期待値を聞く。
🌱 はじめての人へ(やさしい解説)
確率変数 X は、とりうる値ごとに確率が決まっている変数です。期待値 E(X) は、「(値 × その確率) の合計」で、平均的な値の目安になります。X = 1, 2, 3 の確率が 1/2, 1/3, 1/6 なら、E(X) = 1/2 + 2/3 + 3/6 = 5/3。確率の合計が 1 かどうか、先に確認します。
💡 考え方(なぜその手順?)
E(X) = Σ x·P(X = x)。
📝 手順
- 確率分布の表から E(X) = Σ x·P(X=x) を計算する
- 確率の合計が 1 になることを確認する
- 約分して最も簡単な分数で答える
✏️ 例題
X = 1, 2, 3 の確率が 1/2, 1/3, 1/6 のとき E(X) を求めよ。
- E(X) = 1·1/2 + 2·1/3 + 3·1/6
- = 1/2 + 2/3 + 1/2 = 5/3
答え:5/3
⚠ 間違えやすい点
- 確率でなく度数をかける、確率の合計を確認しない。
⚡ もう一歩先へ(テクニック)
- 確率の合計が 1 になるか、最初に確認する(足りない確率を求める問題もある)。
- 値に確率をかける。度数をそのまま使わない。
- 期待値は、実際にとりうる値でなくてもよい(5/3 など)。
2. 分散・標準偏差の型
🔍 こんな問題に使う(見分け方)
確率分布の表から分散・標準偏差を求める。
🌱 はじめての人へ(やさしい解説)
分散 V(X) は、期待値のまわりのちらばりを表します。計算は V(X) = E(X²) − {E(X)}²(2 乗の期待値 − 期待値の 2 乗)。標準偏差は σ(X) = √V(X)。X = 0, 1, 2 の確率が 1/4, 1/2, 1/4 なら E(X) = 1、E(X²) = 0 + 1/2 + 1 = 3/2。V(X) = 3/2 − 1 = 1/2。
💡 考え方(なぜその手順?)
V(X) = E(X²) − {E(X)}²。標準偏差は √V(X)。
📝 手順
- E(X) を求める
- V(X) = E(X²) − {E(X)}² で分散を求める
- 標準偏差は σ = √V(X)(根号は簡単にする)
✏️ 例題
X = 0, 1, 2 の確率が 1/4, 1/2, 1/4 のとき V(X) を求めよ。
- E(X) = 1、E(X²) = 0 + 1/2 + 1 = 3/2
- V(X) = 3/2 − 1 = 1/2
答え:1/2
⚠ 間違えやすい点
- E(X²) と {E(X)}² の引き算の取り違え、分散と標準偏差の混同。
⚡ もう一歩先へ(テクニック)
- 引き算の順序に注意。E(X²) − {E(X)}²。逆にすると負になる。
- 分散は 0 以上になる。負の値が出たら見直す。
- 標準偏差は分散の平方根。分散のまま答えない。
3. 二項分布の期待値・分散の型
🔍 こんな問題に使う(見分け方)
「さいころを n 回投げて ○ の目が出る回数 X」のように、くり返し試行の回数。
🌱 はじめての人へ(やさしい解説)
同じ試行を n 回くり返して、ある事象が起こる回数 X は、二項分布 B(n, p) に従います。期待値 E(X) = np、分散 V(X) = np(1 − p)、標準偏差 σ = √(np(1 − p))。B(10, 4/5) なら E = 8、V = 10 × 4/5 × 1/5 = 8/5。公式に代入するだけです。
💡 考え方(なぜその手順?)
B(n, p) なら E = np、V = np(1−p)、σ = √V。
📝 手順
- B(n, p) を読み取る(くじ・さいころは「当たる確率」が p)
- E(X) = np、V(X) = npq(q = 1 − p)、σ = √V(X)
- 数値を代入して整理する
✏️ 例題
X が B(10, 4/5) に従うとき E(X) と V(X) を求めよ。
- E(X) = 10·4/5 = 8
- V(X) = 10·4/5·1/5 = 8/5
答え:E = 8, V = 8/5
⚠ 間違えやすい点
- q = 1 − p を使わずに V(X) = np とする。
⚡ もう一歩先へ(テクニック)
- q = 1 − p を使う。V(X) = npq。
- p は 1 回の試行で事象が起こる確率。問題文から正しく読み取る。
- 二項分布 B(n, p) は、n が大きいとき正規分布で近似できる。
4. 期待値・分散から n と p を求める型 ★入試
🔍 こんな問題に使う(見分け方)
二項分布 B(n, p) で E(X) と V(X) が与えられ、n, p を求める。
🌱 はじめての人へ(やさしい解説)
二項分布 B(n, p) で、期待値 np と分散 npq(q = 1 − p)が与えられたとき、n と p を求める問題です。分散を期待値でわると q = npq/np が出ます。E = 4、V = 10/3 なら q = 10/3/4 = 5/6、p = 1/6。np = 4 から n = 24。
💡 考え方(なぜその手順?)
np と npq の比から q を求める。
📝 手順
- np = E(X)、npq = V(X) の 2 式を立てる
- V/E = q から q を求め、p = 1 − q
- n = E(X)/p を計算する
✏️ 例題
B(n, p) で E(X) = 4、V(X) = 10/3 のとき n, p を求めよ。
- q = V/E = 10/3/4 = 5/6、p = 1/6
- n = E/p = 4 ÷ 1/6 = 24
答え:n = 24, p = 1/6
⚠ 間違えやすい点
- q と p を取り違える。
⚡ もう一歩先へ(テクニック)
- V/E = q。まず q を出して、p = 1 − q。
- 求めた n が整数になるかを確認する(整数にならなければ、計算ミスか条件の見落とし)。
- p と q の取りちがえに注意。
5. Y = aX + b の期待値・分散の型
🔍 こんな問題に使う(見分け方)
Y = aX + b で定まる Y の期待値・分散。
🌱 はじめての人へ(やさしい解説)
確率変数 X を、Y = aX + b と変換したとき、期待値は同じ変換になります。E(Y) = aE(X) + b。分散は、b を足しても変わらず、a² 倍になります。V(Y) = a²V(X)。E(X) = 20、V(X) = 10、Y = 2X − 2 なら、E(Y) = 38、V(Y) = 4 × 10 = 40。
💡 考え方(なぜその手順?)
E(Y) = aE(X) + b、V(Y) = a²V(X)。
📝 手順
- E(aX + b) = aE(X) + b
- V(aX + b) = a²V(X)(b は分散に影響しない)
- 標準偏差は σ(Y) = |a|σ(X)
✏️ 例題
E(X) = 20、V(X) = 10 のとき Y = 2X − 2 の E(Y) と V(Y) を求めよ。
- E(Y) = 2·20 − 2 = 38
- V(Y) = 2²·10 = 40
答え:E = 38, V = 40
⚠ 間違えやすい点
- V(aX + b) に a² でなく a をかける、b を分散に足す。
⚡ もう一歩先へ(テクニック)
- 分散は a² 倍。a のまま、または b を足してしまわない。
- 標準偏差は |a| 倍。
- この関係は、データの分析の「変量の変換」と同じ。
6. 平均・標準偏差から a, b を決める型 ★入試
🔍 こんな問題に使う(見分け方)
Y = aX + b の期待値・標準偏差が与えられ、a, b を決める。
🌱 はじめての人へ(やさしい解説)
Y = aX + b の期待値と標準偏差から、a と b を決める問題です。標準偏差は σ(Y) = |a|σ(X)。a > 0 なら a = σ(Y)/σ(X)。期待値は E(Y) = aE(X) + b から b。E(X) = 2、σ(X) = 3、E(Y) = 1、σ(Y) = 6 なら、a = 2、1 = 4 + b から b = −3。
💡 考え方(なぜその手順?)
aσ(X) = σ(Y)(a > 0)から a、E の式から b。
📝 手順
- E(Y) = aE(X) + b と σ(Y) = aσ(X) の 2 式を立てる
- a > 0 を使って σ から a を求める
- 期待値の式に代入して b を求める
✏️ 例題
E(X) = 2、σ(X) = 3 のとき Y = aX + b(a > 0)の E(Y) = 1、σ(Y) = 6 となる a, b を求めよ。
- σ(Y) = aσ(X) より 6 = 3a、a = 2
- E(Y) = 2·2 + b = 1 より b = −3
答え:a = 2, b = −3
⚠ 間違えやすい点
- σ(Y) = |a|σ(X) の絶対値(a の符号)を見落とす。
⚡ もう一歩先へ(テクニック)
- a の符号は、問題の条件(a > 0 など)から決める。
- 標準偏差は絶対値 |a| 倍。
- a が決まってから、期待値の式で b を求める順に進める。
7. 独立な確率変数の和の型
🔍 こんな問題に使う(見分け方)
独立な X, Y を使った aX + bY の期待値・分散。
🌱 はじめての人へ(やさしい解説)
独立な確率変数 X, Y の和や差の期待値・分散です。期待値は線形で、E(aX + bY) = aE(X) + bE(Y)。分散は、独立なら V(aX + bY) = a²V(X) + b²V(Y)。差のときも、分散は足し算です。E(2X − Y) = 6 − 1 = 5、V(2X − Y) = 4 × 2 + 1 × 5 = 13。
💡 考え方(なぜその手順?)
E は線形。独立なら V(aX + bY) = a²V(X) + b²V(Y)。
📝 手順
- E(aX + bY) = aE(X) + bE(Y)
- X, Y が独立なら V(aX + bY) = a²V(X) + b²V(Y)(引き算でも足す)
- 標準偏差は分散の平方根
✏️ 例題
E(X) = 3、V(X) = 2、E(Y) = 1、V(Y) = 5(独立)のとき、2X − Y の期待値と分散を求めよ。
- E = 2·3 − 1 = 5
- V = 4·2 + 1·5 = 13
答え:E = 5, V = 13
⚠ 間違えやすい点
- V(X − Y) を V(X) − V(Y) にしてしまう。
⚡ もう一歩先へ(テクニック)
- V(X − Y) は V(X) − V(Y) ではなく、V(X) + V(Y)。差でも分散は足す。
- 独立でないときは、共分散が必要になり、この公式は使えない。
- 期待値は独立でなくても使える。
8. 正規分布の標準化の型
🔍 こんな問題に使う(見分け方)
正規分布 N(m, σ²) の値を標準化する。
🌱 はじめての人へ(やさしい解説)
正規分布 N(m, σ²) は、平均 m、分散 σ² の分布です。第 2 引数は分散(標準偏差の 2 乗)なので、標準偏差は σ。値 X を標準化するには、Z = (X − m)/σ。平均を引いて、標準偏差でわります。Z は、平均 0、標準偏差 1 の標準正規分布 N(0, 1) に従います。
💡 考え方(なぜその手順?)
標準化 Z = (X − m)/σ(平均を引いて標準偏差でわる)。
📝 手順
- 平均 m と標準偏差 σ を確認する(二項分布は m = np、σ = √(npq))
- Z = (X − m)/σ に代入する
- 範囲の確率なら両端を標準化する
✏️ 例題
X が N(61, 22) に従うとき、X = 67 を標準化せよ(22 は分散)。
- σ = √22 でなく N(m, σ²) の σ²。ここでは σ² = 4 の場合などと確認が必要
- 例として N(61, 2²) なら Z = 67 − 61/2 = 3
答え:3
⚠ 間違えやすい点
- N(m, σ²) の第 2 引数を標準偏差と誤読する(分散)。
⚡ もう一歩先へ(テクニック)
- N(m, σ²) の σ² は分散。標準偏差は √ をとる。
- 標準化すると、正規分布表が使える。
- Z の値は「平均から標準偏差何個分離れているか」を表す。
9. 正規分布表で確率を求める型
🔍 こんな問題に使う(見分け方)
正規分布の確率を、正規分布表の値 p(z) で求める。
🌱 はじめての人へ(やさしい解説)
正規分布の確率は、標準化して正規分布表を使って求めます。正規分布表の p(z) は、0 から z までの面積です。N(50, 10²) で P(X ≧ 65) なら、Z = 65 − 50/10 = 1.5。右半分(0.5)から 0 〜 1.5 の面積 0.4332 を引いて、0.5 − 0.4332 = 0.0668。
💡 考え方(なぜその手順?)
標準化して p(z) の和・差、0.5 の足し引きで表す。
📝 手順
- 標準化して Z の範囲にする
- 正規分布の対称性から、0 から z の面積 p(z) の和・差で表す
- P(Z ≧ z) = 0.5 − p(z) など、0.5 の足し引きに注意して計算する
✏️ 例題
X が N(50, 10²) に従うとき P(X ≧ 65) を求めよ。p(1.5) = 0.4332。
- Z = X − 50/10 と標準化すると X ≧ 65 は Z ≧ 1.5
- P = 0.5 − p(1.5) = 0.5 − 0.4332 = 0.0668
答え:0.0668
⚠ 間違えやすい点
- 「0.5 −」と「0.5 +」の取り違え、正規分布表の値が 0 から z までの面積だと意識しない。
⚡ もう一歩先へ(テクニック)
- グラフの図をかいて、求める面積が「0 〜 z」のどの部分か確認する。
- 平均より右の確率 0.5、左の確率 0.5 を基準にして、足し引きする。
- 左右対称なので、P(Z ≦ −z) = P(Z ≧ z)。
10. 標本平均の期待値と標準偏差の型
🔍 こんな問題に使う(見分け方)
母集団から大きさ n の標本をとったときの標本平均 X̄ の期待値・標準偏差。
🌱 はじめての人へ(やさしい解説)
母集団(調べたい全体)から、大きさ n の標本を取って、その平均 X̄(標本平均)を考えます。X̄ の期待値は母平均 m と同じ、標準偏差は母標準偏差 σ を √n でわった値です。σ = 20、n = 100 なら、20/√100 = 2。標本が大きいほど、ばらつきは小さくなります。
💡 考え方(なぜその手順?)
E(X̄) = m、σ(X̄) = σ/√n。
📝 手順
- 母平均 m、母標準偏差 σ を確認(母集団が表で与えられたら自分で求める)
- 標本平均 X̄ の期待値は m、標準偏差は σ/√n
- 条件があれば不等式を立てて n を決める
✏️ 例題
母平均 10、母標準偏差 20 の母集団から大きさ 100 の標本をとる。X̄ の期待値と標準偏差を求めよ。
- E(X̄) = 10
- σ(X̄) = 20/√100 = 2
答え:E = 10, σ = 2
⚠ 間違えやすい点
- 標準偏差を σ/n にしてしまう(√n でわる)。
⚡ もう一歩先へ(テクニック)
- 標準偏差を σ/n にしない。√n でわる。
- 標本平均 X̄ は、n が大きいと正規分布 N(m, σ²/n) に近づく(中心極限定理)。
- 標本の大きさが 4 倍になると、標準偏差は半分になる。
11. 母平均の推定(信頼区間)の型
🔍 こんな問題に使う(見分け方)
標本平均から母平均を信頼度 95% で推定する。
🌱 はじめての人へ(やさしい解説)
標本平均から、母平均がどのくらいの範囲にありそうか(信頼区間)を求めます。信頼度 95% の信頼区間は、X̄ ± 1.96 × σ/√n。母標準偏差 10、n = 100、X̄ = 50 なら、1.96 × 10/10 = 1.96 なので 48.04 ≦ m ≦ 51.96。区間の幅は 2 × 1.96 = 3.92。
💡 考え方(なぜその手順?)
信頼区間 X̄ ± 1.96·σ/√n(95%)。
📝 手順
- 標本平均 X̄ と標準偏差 σ/√n を求める
- 信頼度 95% の信頼区間は X̄ − 1.96σ/√n ≦ m ≦ X̄ + 1.96σ/√n
- 幅は 2×1.96σ/√n。幅の条件から n を決めるときは不等式を解く
✏️ 例題
母標準偏差 10、n = 100、標本平均 50 のとき、母平均の 95% 信頼区間の幅を求めよ。
- σ/√n = 10/10 = 1
- 幅は 2×1.96×1 = 3.92
答え:3.92
⚠ 間違えやすい点
- 幅と片側(誤差)の取り違え、n は整数に切り上げる。
⚡ もう一歩先へ(テクニック)
- 区間の幅は 2 × (1.96 × σ/√n)。片側の誤差と取りちがえない。
- 信頼度 99% なら 1.96 のかわりに 2.58。
- 誤差を一定以下にしたいときは、必要な n を不等式で求める。n は切り上げる。
12. 母比率の推定の型
🔍 こんな問題に使う(見分け方)
標本比率 R から母比率 p を推定する。
🌱 はじめての人へ(やさしい解説)
標本比率 R(標本の中の割合)から、母比率 p を推定します。信頼度 95% の信頼区間は R ± 1.96 × √(R(1 − R)/n)。400 人中 200 人が賛成なら、R = 0.5、√(0.25/400) = 0.025 で 1.96 × 0.025 = 0.049。区間は 0.451 ≦ p ≦ 0.549、幅は 0.098。
💡 考え方(なぜその手順?)
信頼区間 R ± 1.96√(R(1−R)/n)。
📝 手順
- 標本比率 R = k/n を求める
- 標本比率の標準偏差 √(p(1−p)/n)(p は母比率、無いときは R で代用)
- 信頼区間 R ± 1.96√(R(1−R)/n)。幅の条件から n を求めるときは不等式を解く
✏️ 例題
400 人中 200 人が賛成のとき、母比率の 95% 信頼区間の幅を求めよ。
- R = 0.5、√(0.5·0.5/400) = 0.025
- 幅は 2×1.96×0.025 = 0.098
答え:0.098
⚠ 間違えやすい点
- √n でわり忘れる、n の最小値を切り捨てにしてしまう。
⚡ もう一歩先へ(テクニック)
- 標本比率 R と標本の大きさ n から、標準偏差 √(R(1 − R)/n) を作る。
- n は √ の中の分母。√n でわるのを忘れない。
- 誤差を小さくしたいときは、n を大きくする。
13. 母平均の仮説検定の型 ★入試
🔍 こんな問題に使う(見分け方)
標本平均から「母平均は ○ といえるか」を有意水準 5% で判断する。
🌱 はじめての人へ(やさしい解説)
仮説検定は、「ある主張(帰無仮説 H₀)が正しいと仮定して、観測した結果が偶然起こりうる範囲かどうか」を調べる方法です。有意水準 5% の両側検定では、Z = X̄ − μ/σ√n が |Z| > 1.96 なら H₀ を棄却します。σ = 10、n = 100、X̄ = 52、μ = 50 なら、Z = 2/1 = 2 > 1.96 なので棄却。母平均は 50 とはいえない、と判断します。
💡 考え方(なぜその手順?)
Z = X̄ − μ/σ√n、|Z| > 1.96 で棄却。
📝 手順
- 帰無仮説 H₀(母平均 = μ)を立て、有意水準と両側・片側を確認する
- Z = X̄ − μ/σ√n を求める
- |Z| > 1.96 なら棄却(5% 両側)。棄却できないときは「異なるとはいえない」
✏️ 例題
母標準偏差 10、n = 100、標本平均 52 で、母平均 50 かどうか 5% 両側検定の Z を求めよ。
- σ/√n = 1
- Z = 52 − 50/1 = 2 > 1.96 なので棄却
答え:Z = 2
⚠ 間違えやすい点
- 棄却できないことを「H₀ が正しい」と結論する。
⚡ もう一歩先へ(テクニック)
- 棄却できないとき、「H₀ が正しい」とは言えない。「H₀ を否定できない」。
- 両側検定では 1.96、片側検定では 1.64(有意水準 5%)。
- 棄却するかどうかの基準になる値(棄却域)を先に書いてから、Z を計算する。
14. 二項分布を使った仮説検定の型 ★入試
🔍 こんな問題に使う(見分け方)
硬貨やさいころの偏りを、くり返し試行の結果から検定する。
🌱 はじめての人へ(やさしい解説)
硬貨が公平かどうかを、投げた結果から検定します。H₀:表が出る確率 p = 1/2 とすると、100 回投げた表の回数 X は B(100, 1/2) で、平均 50、標準偏差 √(100 × 1/2 × 1/2) = 5。表が 60 回なら Z = 60 − 50/5 = 2。5% 両側検定の限界は 1.96 なので、|Z| = 2 > 1.96 で棄却。偏りがあると判断します。
💡 考え方(なぜその手順?)
H₀:p = 1/2 のもとで平均 np、標準偏差 √(npq)。
📝 手順
- 帰無仮説「p = 1/2」のもとで平均 np、標準偏差 √(npq) を求める
- Z = (観測値 − 平均)/標準偏差 を計算する
- |Z| > 1.96 なら棄却(5% 両側)。判定を文章で述べる
✏️ 例題
硬貨を 100 回投げて表が 60 回出た。5% 両側検定の Z を求めよ。
- 平均 50、標準偏差 √(100·1/2·1/2) = 5
- Z = 60 − 50/5 = 2 > 1.96。棄却
答え:Z = 2
⚠ 間違えやすい点
- 標準偏差を √(np) などと誤る、棄却域の向き(両側)。
⚡ もう一歩先へ(テクニック)
- 標準偏差は √(npq)。√(np) と間違えない。
- 両側検定か片側検定かは、問題文の「偏りがあるか」「大きいか」から判断する。
- 連続修正(0.5 の補正)は教科書の範囲では使わないことが多い。問題の指示に従う。