連続性補正の計算ツール

連続性補正の計算ツール

新興 AI Skill PRO

計算を入力してください

公式

z=(x+0.5)−μσここで{μ=n·pσ=np(1−p)\begin{gathered} z = \frac{(\text{x} + 0.5) - \mu}{\sigma} \\[1.5em] \text{ここで}\quad \left\{ \begin{aligned} \mu &= \text{n} \cdot \text{p} \\ \sigma &= \sqrt{\text{n}\,\text{p}\,(1 - \text{p})} \end{aligned} \right. \end{gathered}
利用統計

広告

結果

連続性補正後のz値
2.1
平均からの標準偏差の数
平均(np) 50
標準偏差 √(np(1−p)) 5
補正後の x の値 60.5
z下側(x − 0.5) 0
z上側(x + 0.5) 0

このページの誤りを報告

連続性補正とは?

離散的な二項分布を連続的な正規分布で近似すると、本来は整数値の上にぴったり乗っているはずの確率が、なめらかな曲線の上に「ならされて」しまいます。連続性補正は、z値を計算する前に境界となる値を±0.5だけずらすことでこのズレを埋め合わせる手法です。これにより正規近似の精度が目に見えて向上し、特に標本サイズが小〜中規模のときに効果を発揮します。

離散的な二項分布の棒グラフに滑らかな正規曲線を重ね、網掛けの棒を左右に0.5単位ずつ広げた図
連続性補正では、離散的な棒を左右に0.5ずつ広げ、連続な正規分布の面積に合わせます。

この計算ツールの使い方

試行回数 n、成功確率 p、そして対象となる値 x を入力します。次に、近似したい確率のタイプを選びます。\(P(X \le x)\) では x に 0.5 を加え、\(P(X \ge x)\) では 0.5 を引き、\(P(X = x)\) では両側の境界に対するz値をそれぞれ返します。計算結果として、補正後のz値に加え、平均(\(np\))と標準偏差 \(\sqrt{np(1-p)}\) も表示されます。

計算式の解説

二項分布の平均は \(\mu = np\)、標準偏差は \(\sigma = \sqrt{np(1-p)}\) です。連続性補正を施したz値は

$$z = \frac{(\text{x} \pm 0.5) - np}{\sqrt{np(1-p)}}$$

で求められます。あとはこのzを標準正規分布表で調べる(または正規分布の累積分布関数 CDF を使う)ことで、近似確率が得られます。

広告
数直線上の整数xから左右に0.5単位ずつ矢印が伸び、x−0.5とx+0.5を指している図
xを含めるなら0.5を引き、含めないなら0.5を足す——補正の向きは不等号で決まります。

計算例

たとえば \(n = 100\)、\(p = 0.5\) で、\(P(X \le 60)\) を求めたいとします。平均は \(np = 50\)、標準偏差は \(\sigma = \sqrt{100 \cdot 0.5 \cdot 0.5} = \sqrt{25} = 5\) です。補正を適用すると、

$$z = \frac{60 + 0.5 - 50}{5} = \frac{10.5}{5} = 2.1$$

となります。したがって \(P(X \le 60) \approx \Phi(2.1) \approx 0.9821\) です。

よくある質問

0.5 を足すべきか、引くべきかはどう判断する? 不等式が値を「下から」含む場合(\(P(X \le x)\))は 0.5 を足し、「上から」含む場合(\(P(X \ge x)\))は 0.5 を引きます。

正規近似が使える目安は? よく使われる経験則として、\(np \ge 5\) かつ \(n(1-p) \ge 5\) を満たすこと、とされています。

そもそもなぜ補正が必要なの? 補正をしないと、離散データに対する正規近似は裾の確率を一貫して過小・過大評価してしまいます。±0.5 のシフトは、その偏りの大部分を取り除いてくれます。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る