ポアソン分布 (G検定)

1. 定義と概要

ポアソン分布とは、一定の時間や範囲の中で、めったに起こらない事象が何回発生するかを表す離散型の確率分布のことです。事象の発生回数を表す確率変数（試行の結果によって値が決まる変数）をXとすると、Xがk回という値をとる確率は確率質量関数（離散型の確率変数がある値をとる確率を表す関数）で表されます。式はP（X=k）=（λ^k×e^-λ）/k!となり、kは0,1,2,…という発生回数、eはネイピア数（約2.718という値をとる、自然対数の底と呼ばれる数学の定数）です。パラメータはλ（1単位時間・範囲あたりの平均発生回数）の1つだけで、1時間あたりの来店客数や1日あたりの交通事故件数、1時間にかかってくる電話の本数といった場面が代表例として挙げられます。事象が互いに独立して、ランダムなタイミングで発生するという前提のもとで成り立つ分布です。

従来、成功か失敗かの試行をn回繰り返したときの成功回数は、二項分布（成功か失敗かの試行をn回繰り返したときの、成功する回数の分布）で扱うのが基本でした。しかし、試行回数nが非常に大きく成功確率pが非常に小さい状況では、二項分布の計算が煩雑になるという課題があります。

試行回数nを限りなく大きく、成功確率pを限りなく小さくしつつ、期待値（確率分布の平均的な値で、長い目で見たときに見込まれる値）np=λを一定に保つとします。この極限（変数をある値に限りなく近づけていったときに行き着く状態）として、ポアソン分布が導かれます。上限が定まらない稀な事象の発生回数を扱う分布として位置づけられ、二項分布の特殊な極限として捉えられます。

2. 試験対策ポイント

G検定における重要な論点は、期待値（平均）と分散がどちらもλに等しいという特徴的な性質です。分散（データや確率分布のばらつきの大きさを2乗して表した値。平方根をとると、もとの単位に戻した標準偏差になります）が期待値と一致するのはポアソン分布に特徴的な性質であり、二項分布の期待値np・分散np（1-p）がpの値によって両者が一致しない点との対比が押さえておきたいポイントです。この一致は式の上でも導けるため、期待値と分散を求める計算問題として教材で扱われることもあります。

もう一つの論点が、二項分布からの近似です。試行回数nが大きく、成功確率pが小さいとき、二項分布B（n,p）は期待値λ=npとしたポアソン分布で近似できるという関係にあります。この近似はn大・pが小さいという条件をともなって成り立つため、条件を落とさずに覚えておく必要がある論点です。

よく比較される3つの分布は、型・パラメータ・扱う対象で整理できます。

分布	型	パラメータ	扱う対象
ポアソン分布	離散型	λの1つ	一定の時間・範囲で稀な事象が起こる回数
二項分布	離散型	nとpの2つ	決まった回数の試行における成功回数
正規分布	連続型	平均と分散の2つ	身長や点数のような連続的な値

ポアソン分布は0,1,2,…という整数の発生回数を扱う離散型である一方、正規分布は取りうる値が連続しているという違いがあります。パラメータの数の違いも取り違えやすい点です。

上限が定まらない、無限に近い稀な事象の発生回数を数える状況にポアソン分布を当てはめられるかどうかは、試行回数が明確に決まっている場面との識別が分かれ目です。識別の視点は、対象が固定された試行回数の中の成功数なのか、時間や範囲の中で数えられる発生回数なのかという点に置かれます。

3. 関連概念との比較・相違点

二項分布との最大の違いは、試行回数に上限があるかどうかという点にあります。二項分布は決まった試行回数nの中での成功回数を扱うのに対し、ポアソン分布は試行回数の上限を定めずに、稀な事象の発生回数そのものを扱う分布です。nが大きくpが小さいとき、二項分布は期待値λ=npとしたポアソン分布で近似できるという関係にあり、両者は連続した概念として位置づけられています。

正規分布との最大の違いは、離散型か連続型かという点にあります。ポアソン分布は0,1,2,…という整数の発生回数を扱う離散型の確率分布であるのに対し、正規分布は身長やテストの点数のような連続的な値を扱う連続型の確率分布です。グラフの形はλが大きくなると釣鐘状に近づいていきますが、扱う値の性質そのものはまったく異なります。

4. ビジネス・実務での活用シナリオ

小売業では、1時間あたりの来店客数をポアソン分布でモデル化し、レジの必要人数や待ち時間をシミュレーションする活用が見られます。稀にしか起こらない突発的な混雑も発生回数の分布として捉えられるため、平均値だけでは見落としがちな繁忙時間帯の人員配置を精度高く検討できる点が意義になっています。曜日や時間帯ごとにλを推定し直すことで、季節変動を反映した需要予測にもつなげられます。

コールセンターでは、1時間あたりの入電数をポアソン分布で予測し、時間帯ごとに必要なオペレーター数を見積もる人員配置計画に用いられています。入電が集中する時間帯を過小評価すると応答率の低下につながるため、発生回数のばらつきまで踏まえた見積もりが求められる領域です。過剰な人員配置によるコスト増と、応答遅延による顧客満足度の低下を両立して避ける調整に使われています。

保険・リスク管理の分野では、一定期間あたりの事故発生件数や保険金請求件数をポアソン分布でモデル化し、保険料率の設定や損害予測の基礎データとする活用があります。稀な事象の発生回数を扱う分布としての性質が、事故や請求のような低頻度事象のリスク評価と相性がよい理由になっています。過去の発生件数の分布から将来の請求リスクを見積もることで、料率設計の根拠を数値で示せる点も実務上の効果です。

5. 要点まとめ

• ポアソン分布は一定の時間や範囲内で、まれにしか起こらない事象が何回発生するかを表す離散型確率分布で、パラメータはλ（1単位あたりの平均発生回数）の1つだけです。
• 期待値（平均）と分散がどちらもλに等しいという特徴的な性質を持ちます。
• 二項分布は試行回数nが大きく成功確率pが小さいとき、期待値λ=npとしたポアソン分布で近似できます。

6. 確認問題