確率の基礎（場合の数）

Q: 確率の基礎（場合の数）とは何ですか？

ある試行において、起こりうるすべての場合が同様に確からしいとき、事象 A の起こる確率 P(A) は、全体の場合の数に対する事象 A の場合の数の割合として定義される。

Q: 確率の基礎（場合の数）は社会やプログラミングでどのように使われていますか？

ガチャ・抽選システムの確率計算: スマートフォンゲームのガチャや福引の抽選は、確率の基礎そのものを応用している。重み付き抽選（レア度ごとに当選確率を変える）は、区間を確率に比例させて分割し、乱数がどの区間に落ちるかで結果を決める仕組みで実装される。

サイコロを何度も振ると、確率はどこに落ち着く？

この単元の発見をシェア

3行要約（Key Takeaways / AIOサマリー）

1: 確率の基礎（場合の数）の本質的な定義と直感的ビジュアルをシミュレーターで体験できる。
2: 公式や証明の背景にある数学的意味と、厳密な導出ステップを解説。
3: 実社会における工学応用（ガチャ・抽選システムの確率計算）のTypeScript実装コードを収録。

なぜこれを学ぶのか？ — 現実社会とテクノロジーでの価値

Purpose & Motivation

なぜ生まれたのか？

確率の基礎（場合の数）の基礎原理を体系化し、抽象的な計算を直感的に扱うために誕生した。

身につく武器・思考力

サイコロを何度も振ると、確率はどこに落ち着く？。この考え方を身につけることで、複雑な課題を単純化して数理モデルとして解く力が養われる。

実社会・ITでの活躍現場

•ガチャ・抽選システムの確率計算
•ITシステム・アルゴリズム実装における論理設計
•データ分析やシミュレーションにおける数理モデリング

Layer 1 — 直感・シミュレーター

サイコロを「1回振る」「100回振る」ボタンを押して、出た目の相対度数（棒グラフ）が理論上の確率 $\frac{1}{6}$ にだんだん近づいていく様子を観察しよう。

出た目ごとの回数（棒グラフ）総試行回数: 0回

10回

20回

30回

40回

50回

60回

総試行回数

0回

「1」の出た回数

0回

実験的確率 (相対度数)

0.0%

理論的確率

16.7%

「1の目」が出る相対度数の推移（大数の法則）理論値: 約16.7%

理論値 1/6 (16.7%)

上のボタンを押してサイコロを振ってみてください

↑ 数回振っただけでは偏りが出ますが、試行回数（試行数 $N$ ）を増やすにつれて、「1の目」が出る相対度数は理論的確率である $\frac{1}{6} \approx 16.7\%$ に極めて近づいていきます（大数の法則）。

Layer 2 — 定義・受験・証明

定義

ある試行において、起こりうるすべての場合が同様に確からしいとき、事象 $A$ の起こる確率 $P(A)$ は、全体の場合の数に対する事象 $A$ の場合の数の割合として定義される。

公式・数理モデル

P(A) = \dfrac{\text{事象 } A \text{ の起こる場合の数}}{\text{起こりうるすべての場合の数}}

証明・導出

サイコロを1回振るとき、出る目は $1, 2, 3, 4, 5, 6$ の6通りで、これらは同様に確からしい。したがって、例えば「1の目が出る」事象の確率は $P(1) = \frac{1}{6}$ である。

実際に $n$ 回サイコロを振り、1の目が $k$ 回出たとすると、相対度数 $\frac{k}{n}$ は $n$ が大きくなるにつれて理論上の確率 $\frac{1}{6}$ に近づいていく。これを大数の法則（law of large numbers）という。

\lim_{n \to \infty} \frac{k}{n} = P(A)

これは「確率は未来を確定的に予言するものではなく、長期的な傾向を表すもの」であることを意味する。少ない回数では偏りが出ても、試行回数を増やせば理論値に収束していく。

押さえておきたいポイント

確率は 0 以上 1 以下の値をとり、すべての目の確率の和は 1 になる
相対度数（実際の観測比率）は試行回数を増やすほど理論確率に近づく（大数の法則）
1回や10回といった少ない試行では理論値からずれることが普通である

参照基準・学習指導要領との対応

本トピックの内容・数理モデルは、文部科学省学習指導要領（算数・数学・情報）および国際標準カリキュラムに準拠し、エンジニアリング現場の実装事例と照らし合わせてMath World Lab編集部により検証・作成されています。

Layer 3 — 工学応用・現場実装

ガチャ・抽選システムの確率計算

スマートフォンゲームのガチャや福引の抽選は、確率の基礎そのものを応用している。重み付き抽選（レア度ごとに当選確率を変える）は、区間を確率に比例させて分割し、乱数がどの区間に落ちるかで結果を決める仕組みで実装される。

1type GachaItem = { name: string; probability: number };
2
3const items: GachaItem[] = [
4  { name: "★5 レア", probability: 0.03 },
5  { name: "★4 やや稀", probability: 0.17 },
6  { name: "★3 通常", probability: 0.8 },
7];
8
9function drawGacha(items: GachaItem[]): string {
10  const r = Math.random(); // 0以上1未満の一様乱数
11  let cumulative = 0;
12  for (const item of items) {
13    cumulative += item.probability;
14    if (r < cumulative) return item.name;
15  }
16  return items[items.length - 1].name;
17}
18
19// 10000回引いて出現率を検証する（大数の法則の応用）
20const counts: Record<string, number> = {};
21for (let i = 0; i < 10000; i++) {
22  const result = drawGacha(items);
23  counts[result] = (counts[result] ?? 0) + 1;
24}
25console.log(counts); // 理論値 (3%, 17%, 80%) に近づくはず