ポアソン分布とは？

なぜ「平均がわかれば、回数が予測できる」の？

深夜のコンビニに人が来る回数を想像してみてください。1人来る日もあれば、10人来る日もあります。でも、その店の「1時間あたりの平均来店数」がわかれば、5人来る確率や12人来る確率を、計算によって導き出すことができます。ポアソン分布（Poisson distribution）は、まさにその「平均発生率から回数のばらつき」を扱う考え方です。

つまり、ポアソン分布とは、独立して起きる出来事が一定の平均頻度で発生するときの「特定の回数が起こる確率」を表す確率分布のことです。

日常で「めったに起きない回数の揺れ」を予測する場面

この考え方は、データ分析やAIの成果予測で頻繁に使われます。主に「めったに起きない出来事（稀な現象）」の回数を予測する場面で威力を発揮します。

• 1日平均3件しか来ない問い合わせメールが、今日は5件届く確率
• 1時間に平均2件発生するサーバーエラーが、次の30分で1件以上起きる確率
• 1キロあたり平均1箇所ある道路の傷が、次の1キロで3箇所見つかる確率

ここでの鍵は、出来事が「1回起きたから次も起きやすくなる」ような依存関係ではなく、独立して一定の確率で発生することです。

二項分布との違いはどこ？

似た確率分布として「二項分布（Binomial distribution）」があります。二項分布は「10回のコイントスのうち表が出る回数」のように、試行回数（上限）があらかじめ決まっている状況を扱います。一方、ポアソン分布は「単位時間あたりに何回起きるか」のように、回数に上限がない（または試行回数が膨大で確率がごく小さい）状況を扱うのが特徴です。

• 二項分布：試行回数 $n$ が決まっている。（例：10回投げて成功する回数）
• ポアソン分布：試行回数に制限がなく、稀に起きる。（例：1時間あたりに届くメールの件数）

実は、二項分布の「試行回数を非常に大きく、発生確率をごく小さく」した極限がポアソン分布になります。「回数が決まっているか」「単位時間あたりの発生数か」で使い分けると整理しやすいです。

よくある「誤解」を整理

ポアソン分布は「平均がわかればピッタリ当てられる」と思われがちですが、そうではありません。

• 誤解1：平均が3なら、いつも3回起きる。
  実際には平均が3であっても、0回や5回起きる確率も計算して把握するために使います。
• 誤解2：連鎖して起きる事件にも使える。
  「1回起きると次も連続して起きる」ような現象には使えず、「互いに独立して起きる」前提が必要です。
• 誤解3：どんなデータにも適用できる。
  「一定の平均発生率」「独立性」「発生確率がごく小さい（稀である）」という条件が揃う場面で適しています。

まとめ：この記事の要点を5分で整理

ポアソン分布の本質は、「平均発生率がわかっているとき、特定の回数が起きる確率をどう捉えるか」です。データ分析やG検定では「単位時間あたりの回数」「めったに起きない現象（稀な事象）」をモデル化する言葉として登場します。

• 初心者向け（5分アクション）：自分のスマホで「1時間あたりの通知の平均通数」を想像し、「次の1時間にちょうど0件である確率」や「5件以上届く確率」をポアソン分布で計算できるイメージを持ってみる。
• 試験の3語要点：「単位時間あたりの回数」「平均発生率（λ）」「独立試行・稀な出来事」

ポアソン分布を「平均から回数を引く」体験として示しており、 ロボットと券の飛沫でポップに描かれています。一方で、回数のばらつき と平均の対比がやや弱く、概念が直感的に伝わりきれていません。

評価項目	点数	コメント
概念の正確さ	3	回数の発生感が伝わるが平均との関係が薄いです
比喩の明快さ	4	券を引く瞬間が「回数を予測する」ように読めます
立体感・奥行き	4	影と光の配置で手前の厚みがよく出されています
映え度（SNS寄与）	4	紫×ピンクのポップな配色で目を引く仕上がりです
色調の用語相性	3	確率感より娯楽感に寄りがちで意味が薄れます
合計	18 / 25	総合判定: 良好

評価基準: 1（不合格）〜5（優秀）AI Judge による自動評価