/
確率計算機・オッズ計算
単一事象とオッズTier M • L3 Dashboard

確率計算機・オッズ計算

単一・複数事象の生起確率、オッズ比、ベイズ推定の条件付き確率、独立・排反事象、二項分布の反復試行確率をステップ解説付きで高精度に計算します。

定番ベンチマーク例:

事象パラメータ・詳細設定

50.00% (0.5000)
%:
Dec:
定番ベンチマーク例
事象の生起確率50.00%0.5000
事象が起こらない確率（余事象）50.00%0.5000
有利なオッズ比（発生オッズ）1:11/1 UK
自然頻度表現1 in 2回試行

計算結果・意思決定コックピット

100% ブラウザ内完結・プライベート保護
0% (Impossible)50.00%100% (Certain)
Decimal Multiplier2.00x
UK Fractional1/1
US Moneyline-100

計算手順のステップ解説と数学的内訳

Kolmogorov Axiom 1: Probability is strictly bounded between 0 and 1. P(A) = 0.5000.

Complementary Event: The chance of this not occurring is P(A') = 1 - P(A) = 0.5000 (50.00%).

Natural Frequency: In simple terms, this event occurs approximately once in every 2 attempts.

サーバー通信遅延ゼロ（即時計算）100% ブラウザ内ローカル数学演算
健康・検査データの完全なプライバシー保護個人の検査データや診断値の外部送信ゼロ
厳密な決定論的数値計算対数ガンマ関数による超大数組合せ演算

完全ローカル高速演算

すべての確率計算と確率分布シミュレーションはお使いのブラウザメモリ内でのみ高速実行されます。

サーバー送信ゼロの安心設計

入力データや診断パラメータが外部サーバーへ送信されることは一切なく、端末内で安全に完結します。

実務・分析対応エクスポート

算出された確率分布や詳細スケジュールを、レポートや分析に即座に活用できるクリーンな形式で出力します。

当ツールは学習・情報提供を目的としています。医療上の判断は必ず医師等の専門家にご相談ください。また、くじやゲーム等は節度を持ってお楽しみください。

技術リファレンス・アーキテクチャガイド

確率計算・オッズ計算ガイド — 技術リファレンス

単一事象および複数事象の生起確率、オッズ比、ベイズの定理に基づく条件付き確率、独立事象・排反事象の複合試行確率を計算ステップ解説付きで即座に算出します。

確率計算・オッズ計算ガイド — 技術リファレンス — クライアントサイド完全ローカル実行アーキテクチャ図
確率計算・オッズ計算ガイド — 技術リファレンス — クライアントサイド完全ローカル実行アーキテクチャ図

主要パラメータと設定項目

事象確率 P(A) と標本空間の公理無次元実数比率 [0.000000 〜 1.000000]

定義された標本空間 S において特定の事象が発生する確からしさ（尺度）の基本値。コルモゴロフの公理系（非負性 P(A) ≧ 0、全事象の正規性 P(S) ＝ 1、互いに排反な事象における加法性）に準拠します。0〜1の実数小数、0%〜100%の百分率、または同様に確からしい全事象数に対する該当事象数の既約分数比として等価に表現されます。

初期値: 0.5000（50.0%）
同時確率 P(A ∩ B) と確率的独立性結合測度 [0.000000 〜 1.000000]

単一の試行または複合実験において、事象Aと事象Bの両方が同時に発生する確率。事象が互いに独立している場合は P(A ∩ B) ＝ P(A) × P(B)、従属している場合は P(A ∩ B) ＝ P(A) × P(B|A) となります。フレシェの不等式（Fréchet Inequalities）に基づき、上界は min(P(A), P(B))、下界は max(0, P(A) + P(B) - 1) で厳密に規定されます。

初期値: 0.0833（8.33%）
和事象確率 P(A ∪ B) と包除原理和集合測度 [0.000000 〜 1.000000]

少なくとも一方の事象が発生する確率（和事象の生起確率）。包除原理（Principle of Inclusion-Exclusion）に基づき、P(A ∪ B) ＝ P(A) + P(B) - P(A ∩ B) で算出されます。事象が互いに排反（背反）である場合は重複項 P(A ∩ B) がゼロ（∅）となり、単純な加算 P(A) + P(B) に簡約化されます。

初期値: 0.5833（58.33%）
条件付き確率 P(A|B) とベイズ尤度正規化部分空間確率 [0.000000 〜 1.000000]

事象Bがすでに発生したことが判明している条件下において、事象Aが発生する更新後の確率：P(A|B) ＝ P(A ∩ B) / P(B)（ただし P(B) > 0）。ベイズ推論においては、事前確率 P(A) を観測された尤度 P(B|A) に基づいて情報更新した後の「事後確率」を表します。

初期値: 0.5000（50.0%）
成功オッズ（X:Y）と逆オッズ互いに素な整数比 / 相対的生起比率

ある事象が発生する確率と発生しない確率の比率：成功オッズ（Odds in Favor）＝ P(A) / (1 - P(A))。生起確率75%の場合、成功オッズは「3対1（3:1）」となります。逆に発生しない比率を表す逆オッズ（Odds Against）はその逆数 (1 - P(A)) / P(A) で定義され、金融・保険引受（アンダーライティング）やゲーミング理論などで国際的に広く活用されます。

初期値: 1:1（イーブンオッズ・五分五分）
ベルヌーイ試行回数（n）と目標成功回数（k）離散的反復試行回数（n ≧ 1, 0 ≦ k ≦ n）

各試行で一定の二値成功確率 p を持つ、独立同分布（i.i.d.）な n 回の試行からなる二項実験を制御するパラメータ。組み合わせ数 C(n, k) ＝ n! / (k!(n - k)!) により、n回の試行中にちょうど k 回成功するすべての組み合わせパターン数を特定します。

初期値: n = 10回試行, k = 5回成功
ベイズ事前確率・母集団基準率 P(仮説)有病率・基準事前比率 [0.000001 〜 1.000000]

検査結果や追加の証拠が得られる前の、事象や疾患等の初期基準確率（事前確率）。この基準率を無視すると「基準率の錯誤（Base Rate Fallacy）」に陥り、検査精度が非常に高くても、有病率が極めて低い希少事象スクリーニングでは陽性的中率（PPV）が直感に反して著しく低くなるという逆説が生じます。

初期値: 0.0010（有病率 0.1%）

現場のベストプラクティス・実践Tips

医療検査や不正検知における「基準率の錯誤」の落とし穴

母集団有病率が0.1%（1,000人に1人）の疾患を、感度99%・特異度99%という高精度な検査でスクリーニングした場合、陽性判定が出ても「実際に罹患している確率が99%」になるわけではありません。10万人規模の集団を想定すると、実際の感染者100人のうち99人が陽性判定（真陽性）を受ける一方、非感染者99,900人のうち約1%にあたる999人が誤って陽性判定（偽陽性）を受けます。したがって、検査で陽性となった人が実際に罹患している真の事後確率（陽性的中率）は、99 / (99 + 999) ＝ 約9.01%に過ぎません。

ギャンブラーの誤謬（錯誤）と独立ベルヌーイ試行の無記憶性

公正なコイン投げで10回連続して表が出たとしても、11回目に裏が出る確率が高くなることはありません。物理的な独立試行には過去の履歴が一切影響しない「無記憶性（Memorylessness）」があるため、11回目に表が出る条件付き確率 P(表_11 | 10回連続表) は依然として厳密に 0.50（50%）のままです。大数の法則（Law of Large Numbers）は、将来発生する膨大な試行によって過去の短期的な偏りが「希釈（薄まる）」されることによって成立するものであり、過去のブレを相殺・補正するような修正力が働くわけではありません。

ブックメーカーのマージン（控除率/オーバーラウンド）と真の客観確率の抽出

公営競技（競馬・競輪等）や海外ブックメーカーの提示オッズには手数料（マージン／控除率／ハウスエッジ）が含まれており、すべての選択肢のインプライド確率（オッズの逆数）を合算すると100%を超過します（通常104%〜125%程度。オーバーラウンドまたはテラ銭）。統計的に公正な「真の確率」を算出するには、各オッズから算出した確率の総和（P_total ＝ Σ(1 / 少数点オッズ_i)）を求め、各項目の数値を総和で正規化（正規化確率 ＝ (1 / 少数点オッズ) / P_total）して控除分を除去する必要があります。

よくある落とし穴とトラブルシューティング

⚠️和事象確率の合計値が 1.00（100%）を超過してしまう

事象同士が互いに排反（背反）でない場合に P(A) と P(B) を単純加算すると、重複部分である積事象 P(A ∩ B) が二重計上（ダブルカウント）されます。たとえば P(A) ＝ 0.70、P(B) ＝ 0.60 の場合、単純和は 1.30 となりコルモゴロフの公理に反します。少なくとも一方の事象が発生する正しい確率は P(A ∪ B) ＝ 0.70 + 0.60 - P(A ∩ B) です。加法定理を適用する前に、両事象が同時に発生し得るかどうかを必ず確認してください。

⚠️「累積成功確率95%」に達すれば必ず発生すると誤認してしまう

当選確率1%（ソーシャルゲームのガチャや希少イベント等）の試行を298回繰り返した場合、少なくとも1回当たる累積確率は 1 - (0.99)^298 ＝ 約95.02%となります。しかし、これは「298回すべて連続で外れる確率が厳密に4.98%（約20人に1人）残存している」ことを意味します。確率分布は漸近的（Asymptotic）であり、幾何分布に基づく有限回の試行において100%の確実性に達することは数学的にあり得ません。絶対的な保証を期待するのではなく、許容可能なリスク許容度に基づいて試行回数やサンプルサイズを計画してください。

⚠️条件付き確率 P(A|B) とその逆確率 P(B|A) の混同

この誤認は「条件の転置（検察官の誤謬 / Prosecutor's Fallacy）」として知られ、「有罪である場合に証拠が存在する確率」と「証拠が存在する場合に有罪である確率」を混同する典型例です。身近な例では、「雨が降っている場合に曇りである確率 P(曇り|雨)」はほぼ100%ですが、「曇っている場合に雨が降る確率 P(雨|曇り)」は20〜30%程度に過ぎません。条件を反転させる際は、必ず事前基準率（事前確率）を考慮したベイズの定理 P(A|B) ＝ [P(B|A) × P(A)] / P(B) を適用してください。

⚠️二項分布の大規模試行（n回試行）における計算オーバーフロー

一般的なJavaScript数値エンジン（IEEE 754倍精度浮動小数点数）では、階乗計算（n!）において 171! が最大浮動小数点数（約 1.79e+308）を超過するため、n > 170 での組み合わせ計算 C(n, k) は Infinity（無限大）となり演算不能に陥ります。大規模な試行（くじ引き1,000回や工場の品質検査バッチなど）を評価する際は、対数ガンマ関数を用いた変換式 ln C(n, k) ＝ lnGamma(n + 1) - lnGamma(k + 1) - lnGamma(n - k + 1) を利用することで、桁あふれを起こさず極めて高精度に算出できます。

よくある質問 (FAQ)

互いに独立した2つの事象が両方とも発生する確率はどのように計算しますか？▼

2つの独立事象が同時に発生する確率（積事象）を求めるには、それぞれの生起確率を掛け合わせます：P(A かつ B) ＝ P(A) × P(B)。たとえば、公正なコインを投げて表が出る確率（0.50）と、6面ダイスを振って6の目が出る確率（1/6 ≒ 0.1667）を同時に満たす確率は、0.50 × 0.1667 ＝ 0.0833、すなわち約8.33%（12回に1回の頻度）となります。

「確率（Probability）」と「オッズ（Odds）」の明確な違いは何ですか？▼

「確率」が全事象（起こり得るすべての結果）に対する特定事象の発生割合（0〜1、または0%〜100%）を表すのに対し、「オッズ」は「事象が発生する割合と発生しない割合の比率」を表します。たとえば、標準的な6面ダイスで4以上の目（4, 5, 6）が出る確率は 3/6 ＝ 50%（0.50）ですが、成功オッズは「3対3」、約分すると「1:1（五分五分／イーブンオッズ）」となります。確率 P を成功オッズに換算するには P / (1 - P) を計算します。

当選確率（成功確率）99%を達成するには何回の試行が必要ですか？▼

1回の試行における成功確率を p としたとき、累積成功確率99%に到達するために必要な試行回数 n は、公式 n ＝ ceil(ln(1 - 0.99) / ln(1 - p)) で求められます。たとえば成功率1%（p ＝ 0.01）の場合、n ＝ ceil(ln(0.01) / ln(0.99)) ＝ 459回の連続試行が必要です。459回試行すると少なくとも1回成功する確率は99.01%に達しますが、幾何分布の数学的性質上、有限回の試行で絶対的な100%（完全な確実）に達することはありません。

ベイズの定理は、新たな証拠によってどのように確率を更新しますか？▼

ベイズの定理は、公式 P(A|B) ＝ [P(B|A) × P(A)] / P(B) を用いて初期の事前確率を更新します。ここで P(A) は検証前の基準となる「事前確率」、P(B|A) は仮説Aが真である場合にその証拠Bが観測される「尤度（尤もらしさ）」、P(B) はすべての状況下でその証拠Bが発生する「全確率」です。これは数学的に、事前オッズにベイズファクター（尤度比）を乗算することで、情報更新後の「事後オッズ（事後確率）」を導き出す仕組みです。

なぜ「ギャンブラーの誤謬（錯誤）」によってオッズや確率を見誤ってしまうのですか？▼

ギャンブラーの誤謬とは、「ランダムな試行において、過去の独立した結果が未来の結果に影響を与える」と錯覚してしまう心理的バイアスです。たとえばルーレットで赤が8回連続して出たとしても、9回目のスピンで赤が出る確率は完全に同一（アメリカンルーレットの場合 18/38 ≒ 47.37%）です。独立試行には記憶（履歴）が存在しないため、「そろそろ逆の結果が出てバランスを取るはずだ」という自然法則の偏り補正のような力は数学的に一切存在しません。

アメリカンオッズ（マネーライン）をインプライド確率に換算する方法は？▼

マイナス表記のアメリカンオッズ（本命・優勢側、例：-200）の場合、インプライド確率（勝率換算）は |オッズ| / (|オッズ| + 100) となり、200 / (200 + 100) ＝ 66.67% と計算されます。一方、プラス表記のオッズ（大穴・劣勢側、例：+250）の場合は 100 / (オッズ + 100) となり、100 / (250 + 100) ＝ 28.57% となります。ブックメーカーの控除手数料（マージン）を除いた客観的な真の勝率を算出するには、各選択肢のインプライド確率を市場全体の確率合計値で割って正規化します。

関連開発者ツール

全ツール一覧 →
比率・比例計算（Xを求める）math

比例方程式（A/B = C/D）を瞬時に計算。未知数Xの導出、比の簡約化、料理レシピの倍量換算、正比例・反比例の計算をブラウザ上で安全かつ高精度に実行できます。

ツールを開く→
タンパク質摂取量・PFC計算health

体重・体脂肪率・活動量および筋肥大や減量目標に基づき、1日に最適なタンパク質摂取量（g/日）とPFCマクロバランスを高精度に自動計算。ロイシン閾値やDIAAS評価にも対応。

ツールを開く→
燃費・ガソリン代計算ツールユーティリティ

車の実燃費（km/L・MPG・L/100km）とガソリン代を瞬時に高精度計算。満タン法による燃費計測、通勤やドライブの燃料費、エコカー乗換による節約額を即座に試算します。

ツールを開く→
エンジン馬力・トルク計算機ユーティリティ

トルクとエンジン回転数（RPM）から軸出力（BHP）を瞬時に算出し、駆動系フリクション損失を考慮したホイール出力（WHP）やゼロヨン加速性能・通過速度を高精度に試算します。

ツールを開く→
リボ払い最低返済額計算finance

クレジットカードのリボ払い・最低返済額、完済期間、利息総額を瞬時に試算。最低返済と定額返済プランを比較し、利息負担を大幅に削減して早期完済を達成するためのシミュレーションを行います。

ツールを開く→
期末試験必要点数計算math

目標成績や単位取得ラインに必要な期末試験の得点を高精度に逆算。シラバスの配点割合、成績カーブ、点数制、GPAへの影響まで完全対応。

ツールを開く→