製造現場や品質管理において、製品の良し悪しを判断する際、「何個不良品が含まれているか」という計数値は極めて重要な指標です。この「数えて得られるデータ」の振る舞いを理解するための数学的な土台が「二項分布」です。
本稿では、複雑な統計理論を排し、二項分布が持つ意味と実務への応用について解説します。
1. 二項分布とは何か
二項分布とは、一言で言えば「ある確率で発生する事象を一定回数試みたとき、その事象が何回発生するか」を予測する分布のことです。
例えば、不良品率が一定の母集団から、ある数（サンプル数）だけ製品を取り出したとします。このとき、含まれる不良品が「0個である確率」「1個である確率」「2個である確率……」といった分布の形を数学的に導き出したものが二項分布です。
この分布を理解することで、抜き取り検査などの際に、どの程度の不良品混入が統計的に「自然な範囲内」であり、どの程度が「異常（特別な要因による発生）」であるのかを客観的に判断できるようになります。
2. 予測の要：平均と分散
二項分布を扱う際、最も重要となる指標は「平均」と「バラつき（分散）」の2点です。
- 期待値（平均値）： 「平均して何個の不良品が出るか」を表します。
- 計算式：
サンプル数(n) × 不良品率(P)
- 計算式：
- 分散（バラつき）： 「期待値からどれくらい結果がズレる可能性があるか」を表します。
- 計算式：
サンプル数(n) × 不良品率(P) × (1 - 不良品率(P))
- 計算式：
これらの式が示す通り、不良品が出る数は「サンプル数」と「不良品率」という2つの変数だけで決まります。
3. 実践例：サイコロで見える確率の世界
身近な例として、サイコロを100回振って「3」の目が出る回数を考えてみましょう。
- 試行回数（n）：100回
- 「3」が出る確率（P）：1/6（約16.7%）
この場合、期待値は「100 × 1/6 = 約17回」となります。しかし、実際に100回振って毎回必ず17回出るわけではありません。ここで重要になるのが分散です。上記の式に当てはめると、分散は約14となります。この「分散（バラつき）」を把握することで、「10回以下や25回以上という結果が出た場合は、単なる偶然ではなくサイコロに偏りがあるのではないか？」といった高度な品質判断が可能になるのです。
4. ビジネスへの応用：管理の「モノサシ」として
二項分布のグラフの形状は、サンプル数や不良率が変わることで変化します。
- サンプル数（n）が大きくなると： データのバラつき方は一定の規則に従い、より精緻な予測が可能になります。
- 不良率（P）が変化すると： グラフの山（最頻値）が左右に移動します。
マネジメント層において重要なのは、これら「計算上の分布」を基準（モノサシ）として持つことです。日々の検査データがこの分布から大きく逸脱している場合、それは現場のプロセスにおいて何らかの「異常（人為的ミスや設備の故障など）」が発生している強いシグナルとなります。
統計的手法を正しく用いることは、感覚的な判断を排除し、データに基づいた論理的な品質保証体制を築くための第一歩です。二項分布という基礎理論を、貴社の品質管理の最適化にぜひお役立てください。