二項分布の正規分布近似とは？離散型が連続型に化ける理由と条件を徹底解説

二項分布の正規分布近似とは？離散型が連続型に化ける理由と条件を徹底解説について知っておくべき 理由を厳選して解説いたします。

統計検定（2級・準1級）のCBT方式が広く定着し、実務でのデータ活用が高度化する局面において、出題者や現場が求めているのは「手計算の速さ」ではなく「前提条件と補正の要否を正しくジャッジできる洞察力」です。意思決定に迷った際は、以下の3段階のチェックリストで思考を整理してください。

【判断基準1】サンプルサイズと生起確率の積を確認する

$np \ge 5$ かつ $n(1-p) \ge 5$ を満たしているかを確認します。2026年現在の学術基準や試験対策としては、より安全側に倒して「両方の積が10以上」であることを目安にするのが確実です。満たしていない場合、確率が小さければポアソン近似、そうでなければ直接二項分布の確率を検討します。

【判断基準2】サンプルの規模に応じた「連続性補正」の採否

• $n$ が数十〜数百程度（統計検定の典型問題など）：連続性の補正を必ず行います。0.5の調整を省くと、確率の算出値が選択肢の境界を跨ぎ、不正解に直結します。
• $n$ が数千〜数十万の大規模データ実務：補正による $0.5 / \sqrt{np(1-p)}$ の影響が極めて微小になるため、補正を省略しても実用上の差は生じません。ただし、検定アルゴリズムの仕様（Rの prop.test などではデフォルトで連続性補正が有効）は把握しておく必要があります。

【判断基準3】分析目的に対するツールの使い分け

厳密な単一の確率値を算出したいだけなら、二項分布の累積分布関数（scipy.stats.binomなど）をそのまま呼び出すのが最短です。一方で、全体の傾向把握、サンプルサイズの事前設計（検出力分析）、母比率の有意差検定を行う文脈であれば、正規分布近似の理論モデルを迷わず選択してください。