コイントスの確率と大数の法則|独立試行を解説

1. 独立試行と大数の法則:なぜ 50% に収束するのか
数学では、2 つの事象 A と B が独立であるとは、事象 A が起こるかどうかが、事象 B の起こる確率をまったく変化させないことを意味します。
- 数式:事象 A が起こったあとに B が起こる確率(P(B|A))は、A とは無関係に B が起こる確率(P(B))と等しくなります。
つまり、100 回連続で裏が出るという奇跡的な出来事の直後であっても、101 回目にコインを弾くときの気圧や弾く力といった物理的条件が同じであれば、表が出る確率は変わらず正確に 1/2(50%) です。コインは、自分がこれまでどちらの面を上にして落ちたかをまったく覚えていないからです。
では、なぜ世界中の統計学者は、コイントスの確率は最終的に 50% になると言い切るのでしょうか。それは、ヤコブ・ベルヌーイが確立した大数の法則(Law of Large Numbers)のおかげです。
試行回数(n)が大きくなるほど、観測された相対度数(表が出た累積割合)と数学的確率(μ)との差は 0 に近づきます。言い換えると、試行回数を限りなく増やせば、観測された割合が実際の確率からごく小さな誤差の範囲(ε)を超えてずれない確率は、最終的に 100%(1)に収束します。(ここで ε は、どれだけ小さい正の数でも成り立つ誤差の限界です)
- シミュレーションの流れの例(実行するたびに乱数が変わるため、以下の数値は傾向を示すための例です):
- 10 回投げた例:表が 7 回(割合 70% - サンプルが小さいため、50% との誤差が大きくなることがあります)
- 100 回投げた例:表が 54 回(割合 54% - サンプルが増えるにつれて、誤差が少しずつ小さくなる傾向があります)
- 10,000 回投げた例:表が 5,003 回(割合 50.03% - サンプルが大きくなるほど 50% に近づいて収束する傾向があります)
2. ギャンブラーの誤謬とホットハンドの誤謬
コイントスの統計を観察していると、人間の脳が持つパターン認識の本能によって生じる、興味深い認知バイアスが 2 つあります。
ギャンブラーの誤謬(Gambler's Fallacy)
前の試行の結果が、次のランダムな事象の確率を「補正」してくれるだろうと思い込むことです。ルーレットで黒が 8 回連続して出ると、そろそろ赤に賭けたくなる心理がこれにあたります。しかし、物理的な確率のシステムには自己修復する能力がないため、次の回もやはり 50:50 です。
ホットハンドの誤謬(Hot Hand Fallacy)
反対に、「表が 3 回も続けて出たのだから、このコインには勢いがある。次も表が出そうだ」と考え、特定の流れが続くと過信してしまうバイアスです。バスケットボールで、シュートを連続して決めた選手は次のシュートも入る確率が異常に高いと考える現象と同じですが、ランダムな確率事象では、統計上の思い込みにすぎません。
コイントス統計シミュレーターの使い方
一日中指が痛くなるまでコインを 1000 回弾いて Excel に記録しなくても、大数の法則を科学的に実験・検証してみたいなら、リアルタイムのコインシミュレーターを使ってみてください。
無料・登録不要・最大1万回の連続コイントスで50%への収束グラフをリアルタイム表示

コイントス確率シミュレーターの使い方はとても簡単です。
- シミュレーション回数のスライダーを左右に動かして、投げる回数(10 回〜10,000 回)を設定します。(初期値は 1,000 回です)
- コイントス実行ボタンを押します。
- 1 秒以内に最大 10,000 回分の独立試行の計算が完了し、ダッシュボードのカードに表と裏の回数および正確な割合(%)、表・裏それぞれの最大連続回数(ストリーク)が見やすくまとめて表示されます。
- とくに下部に描画される表の累積出現割合の推移を示す SVG 折れ線グラフでは、最初の 10 回未満では大きく揺れていた曲線が、100 回を過ぎて 1,000 回以上になるにつれて、中央の 50% の基準線(点線)に向かって限りなく平らに収束していく、大数の法則の様子をリアルタイムで視覚的に確認できます。
まとめ
コイントスは単なる遊びにとどまらず、統計学の礎であるベルヌーイ試行と独立事象の本質を視覚的に伝えてくれる、優れた教育ツールです。ランダムの中に隠れた数学的な秩序(大数の法則)をシミュレーション計算機で実際に確かめ、日常生活や投資の判断において直感による思い込みであるギャンブラーの誤謬を乗り越え、合理的な統計的思考を身につけてみてください。
無料・登録不要・最大1万回の連続コイントスで50%への収束グラフをリアルタイム表示
よくある質問
コイントスの物理的な確率は正確に 50% ではなく、わずかな偏りがある可能性はありますか?
現実のコインは、理想的な数学上の対称体ではありません。スタンフォード大学の統計学者ペルシ・ディアコニス(Persi Diaconis)は、ホームズ(Holmes)、モンゴメリ(Montgomery)とともに 2007 年に発表した研究で、機械式のコイン発射装置と空中での回転時の回転軸の歳差運動(precession)に関する物理学的な分析を通じて、投げ始めに上を向いていた面がそのまま着地する確率が、理論上 50% よりわずかに高くなりうることを数学的に示しました。その後 2023 年にバルトシュ(Bartoš)らの研究チームが、実際に人間が手で投げたコイン約 35 万回(350,757 回)をカメラで追跡した大規模な実験を行い、この開始面の偏りが約 50.8% 程度の水準で実際にも現れることを実証的に確認しました。純粋な数学上の 50% に近い結果を得るには、機械式の発射装置や乱数を用いたコンピューターシミュレーションを使うほうが、大数の法則の観察により適しています。
コイントスのシミュレーションデータを、株式投資やギャンブルの賭け方(マーチンゲールなど)に当てはめてもよいですか?
理論上、マーチンゲール法(負けるたびに賭け金を 2 倍にする方法)は、資金が無限にあることが保証されていれば必ず元本を回復できます。しかし、実際の取引やカジノには「賭け金の上限(Table Limit)」があり、人間の資金は有限です。そのため、連敗が続くと賭け金が指数関数的に膨らんで負債が増え、口座が破産(Ruin)に至るという悲惨な結果を招きます。また、株式や暗号資産の値動きも、純粋な独立試行ではなく、市場心理やマクロ指標のフィードバックが絡み合っているため、単純なコイントスを当てはめた投資は控えることをおすすめします。
この記事は、一般的な確率論およびヤコブ・ベルヌーイの大数の法則の定義に基づき、情報提供を目的として作成したものです。コンピューターの乱数生成アルゴリズム(Mersenne Twister など)の周期性の限界により、ごくわずかな偏差が生じる場合があります。
この記事は韓国語の原文をもとに作成しています。 韓国語の原文を読む