10
1100
200
1001000
50ms
速い遅い
数字 ドット 数字 表示上限 50個
総投げ回数
0
総サイコロ数
0
直近の合計
-
🧒 かんたん解説 ↓
直近の平均
-
🧒 かんたん解説 ↓
累積平均 (理論値 3.5)
-
🧒 かんたん解説 ↓
偏差率
-
🧒 かんたん解説 ↓

📐 数学的背景

パラメータを設定してシミュレーションを開始してください。 🧒 かんたん解説 ↓

📊 出目の頻度分布(実際 vs 理論値

各目(1〜6)の出現回数。理論値は1/6≈16.67%
🧒 かんたん解説 ↓

📈 合計値の分布(実際 vs 正規分布近似)

中心極限定理:サイコロ数が多いほど正規分布に近づく
🧒 かんたん解説 ↓

🔄 累積平均の収束(大数の法則

投げるほど平均は期待値 3.5 に収束する
🧒 かんたん解説 ↓

🎯 χ²(カイ二乗)統計量の推移

出目の偏りを検定自由度5棄却域p=0.05)は11.07
🧒 かんたん解説 ↓

📖 用語集(クリックで説明を開く)

期待値 E[X]
確率的に起こりうる全結果を、それぞれの確率で重み付けして合計した「理論上の平均値」。 サイコロ1個の場合は各目が等確率 1/6 なので: E[X] = (1+2+3+4+5+6) / 6 = 3.5 n個の合計の期待値は 期待値の線形性 により単純に足し合わせられる: E[S] = 3.5 × n
分散 Var[X]
値が期待値からどれだけバラついているかを表す指標。 偏差(各値 − 期待値)の2乗の平均で計算する。 Var[X] = E[X²] − (E[X])² サイコロ1個: E[X²] = (1²+…+6²)/6 = 91/6 より Var[X] = 91/6 − 3.5² = 35/12 ≈ 2.917 n個の合計(独立なので分散が加算される): Var[S] = 35n/12
標準偏差 σ(シグマ)
分散の平方根。元のデータと同じ単位でバラつきを表せるため直感的に理解しやすい。 σ = √Var[X] = √(35n/12) 例: n=10 のとき σ = √(350/12) ≈ 5.40。 正規分布では平均 ± σ の範囲に約 68%、± 2σ に約 95% のデータが入る。
正規分布 N(μ, σ²)
平均 μ(ミュー)・分散 σ² で決まる左右対称の釣り鐘型(ガウス分布)。 自然界・社会現象の多くに現れる最重要な分布。 確率密度関数(PDF)は: f(x) = 1/(σ√2π) × exp(−(x−μ)²/2σ²) グラフの曲線はこの式に投げた回数を掛けて「期待頻度」に変換したもの。
中心極限定理(CLT)
「独立した確率変数を多数足し合わせると、元の分布の形に関わらず、その合計(または平均)は正規分布に近づく」という統計学の根本定理。

サイコロは一様分布だが、n≥30 程度で合計の分布はほぼ正規分布と見なせる。 n を増やすほどグラフの実際の棒と正規曲線が重なっていく様子が確認できる。
大数の法則(LLN)
「試行回数を増やすほど、観測された平均値は理論上の期待値に限りなく近づく」という確率論の法則。

少ない試行では偶然の偏りが大きいが、1000回・10000回と増やすと累積平均が 3.5 に収束していく様子が「収束グラフ」で視覚的に確認できる。
χ²(カイ二乗)統計量
観測値と期待値のズレを数値1つにまとめた統計量。 χ² = Σ (観測値 − 期待値)² ÷ 期待値 値が大きいほど偏りが大きい。ここでは各目の出現回数と期待回数(総数÷6)を比べている。 理想的なサイコロを振り続けると χ² はランダムに変動しながら、平均的には自由度(=5)付近に落ち着く。
自由度(Degrees of Freedom)
統計的に「自由に変動できるデータの個数」。

サイコロは目が 6 つあるが、6つの頻度の合計は常に「総投げ数」で固定されている。 そのため独立に変動できる頻度は 6−1=5 つ → 自由度 5。 χ² 分布の形は自由度によって変わるため、棄却域の計算に必要な値。
有意水準 p(p値)と棄却域
有意水準 p=0.05 とは「偶然この結果が起きる確率が 5% 未満なら、偶然ではなく本当に偏りがある」と判断する基準。

棄却域とは「この値を超えたら帰無仮説(サイコロに偏りはない)を棄却する」境界値の領域。 自由度5・p=0.05 における棄却域の境界値は 11.07χ² > 11.07 → 偏りあり(有意)と判断
確率密度関数(PDF)
連続的な確率分布において「ある値付近にどれくらいの確率が密集しているか」を表す関数。 面積(積分)が確率になる。

このアプリでは正規分布の PDF に「投げた回数」を掛けることで、 ヒストグラム(頻度)と同じスケールに変換して重ね描きしている。 期待頻度 = f(x; μ, σ) × 試行回数
累積平均と収束
累積平均とは「それまでに出た全ての目の合計 ÷ 総個数」。 投げるたびに更新される。

最初は大きくブレるが、試行を重ねるほど理論値 3.5 に近づく(大数の法則)。 収束の速さは標準誤差 σ/√n に従い、試行数が4倍になるとブレが半分になる: 標準誤差 SE = σ/√n = √(35/12)/√n
crypto.getRandomValues()
ブラウザ組み込みの暗号学的乱数生成 API。 Math.random() よりも統計的偏りが少なく、シミュレーションの品質が高い。

生成された整数を 6 で割った余り(0〜5)に 1 を足して 1〜6 の目に変換している。 目 = (Uint32乱数 % 6) + 1

🧒 もっとかんたんに説明すると?

① サイコロの「平均」と「ばらつき」について
サイコロを1回振ると、1〜6のどれかが出ます。ずっと振り続けると、だいたい 3.5 という数字に近づいていきます。これを「期待値」と呼びます。
「なんとなく真ん中の3じゃないの?」と思った人、惜しい! でも1〜6のちょうど真ん中は3と4の間、つまり 3.5 なんです。計算してみると:
(1 + 2 + 3 + 4 + 5 + 6) ÷ 6 = 21 ÷ 6 = 3.5
1から6を全部足すと21、それを6で割ると3.5。21は6で割り切れないので答えが小数になり、ちょうど3と4の真ん中の値になります。
でも毎回ぴったり3.5が出るわけではなく、大きかったり小さかったりします。このズレの大きさを「分散」といいます。

分散は「各目が期待値からどれだけ離れているか」を2乗して平均した数です。各目のズレを計算すると:
目1のズレ:1 − 3.5 = −2.5 → 2乗すると 6.25
目2のズレ:2 − 3.5 = −1.5 → 2乗すると 2.25
目3のズレ:3 − 3.5 = −0.5 → 2乗すると 0.25
目4のズレ:4 − 3.5 = +0.5 → 2乗すると 0.25
目5のズレ:5 − 3.5 = +1.5 → 2乗すると 2.25
目6のズレ:6 − 3.5 = +2.5 → 2乗すると 6.25
これを全部足して6で割ると:
(6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25) ÷ 6 = 17.5 ÷ 6 ≈ 2.917 これが分散です。なぜ「ズレをそのまま足さずに2乗するか」というと、プラスとマイナスが打ち消し合って合計がゼロになってしまうからです(−2.5と+2.5はどちらも同じくらいのズレなのに足すとゼロ)。2乗することで必ずプラスになり、ズレの大きさだけを取り出せます。

そのルートを「標準偏差」といいます。ルートとは「2乗してその数になる値」のことで、たとえば 9 のルートは 3 です(3×3=9 だから)。分散はズレを2乗して求めているので、単位も2乗されてしまいます(サイコロの目の単位を「点」とすると、分散の単位は「点²」になってしまう)。ルートを取ることで単位を元の「点」に戻し、「だいたいこのくらいのズレがある」と感覚的にわかる数にします:
標準偏差 = √2.917 ≈ 1.708 ただし、サイコロ1個のときは1〜6がそれぞれ1/6の確率で均等に出るだけで、「3.5付近にブレる」わけではありません。標準偏差1.7はあくまで「1〜6という6つの値が、平均3.5からどのくらい広がって散らばっているか」を表す数です。±1.7という数字の意味が実感しやすくなるのは、サイコロをたくさん振って合計や平均を見るときです。サイコロが増えるほど、合計値のズレ方も(もちろん)大きくなりますが、平均値のズレはだんだん小さくなっていきます。
↑ 数学的背景へ戻る ↑ 直近の平均カードへ ↑ 偏差率カードへ
② 出目の頻度分布グラフについて
「📊 出目の頻度分布」グラフは、1〜6の各目が何回出たかを棒グラフにしたものです。
本当に公平なサイコロなら、どの目もだいたい同じくらい出るはずです(全体の約 1/6、つまり約 17%)。これがオレンジの点線で示されている「理論値」です。たくさん振るほど、青い棒がこの点線に近づいていきます。最初は「1ばかり出る!」と感じても、続けると均等になっていきます。
↑ 出目の頻度分布グラフへ戻る
③ 合計値の分布グラフについて
「📈 合計値の分布」グラフは、n個のサイコロを同時に振ったときの合計がどんな値になりやすいかを表しています。
たとえばサイコロを 10個 振る場合、1個あたりの期待値は3.5なので、合計の期待値は:
3.5 × 10 = 35
つまり「合計は35付近が一番出やすい」ということです。グラフを見ると、棒が一番高いところが35あたりになっているはずです。確認してみましょう!
なぜ35が一番出やすいか、計算しなくても直感でわかる考え方があります。合計10になる出目の組み合わせは「全部1」の1通りだけです。でも合計35になる出目の組み合わせは「3,3,3,3,3,4,4,4,4,4」でも「1,3,3,4,4,4,4,4,6,2」でも「2,2,3,4,4,4,4,4,6,2」でも……と、ものすごくたくさんあります。出やすい値=たどり着く出目の組み合わせが多い値、ということです。これが山が真ん中に盛り上がる理由です。
また、端の値(全部1の合計10や、全部6の合計60)はほとんど出ないので、山は35を中心に左右に広がります。サイコロを増やせば増やすほど、この山が「釣り鐘のような左右対称のきれいな形(正規分布)」にそっくりになっていきます。これを「中心極限定理」といいます。
ちなみにサイコロが1個のときは、1〜6のどの目も同じ確率で出るのでグラフはフラット(平ら)になります。釣り鐘とは正反対の形です。スライダーを1にして試してみてください!
↑ 合計値の分布グラフへ戻る ↑ 直近の合計カードへ
④ 累積平均の収束グラフについて
「🔄 累積平均の収束」グラフは、振るたびに「これまでの全部の目の平均」を折れ線で記録したものです。
最初は値がガタガタと大きく揺れますが、振る回数が増えるにつれてだんだん 3.5 という線に近づいていきます。これが「大数の法則」です。「コインを10回投げてもぜんぶ表になることがあるけど、10000回投げると必ずだいたい半分になる」という、あの感覚と同じです。
↑ 累積平均の収束グラフへ戻る ↑ 累積平均カードへ
⑤ χ²(カイ二乗)統計量グラフについて
「🎯 χ² 統計量の推移」グラフは、「出目に偏りがあるかどうか」を数値1つで表したものです。
もし特定の目ばかり出て偏っていれば数値が大きくなり、まんべんなく出ていれば小さくなります。グラフの赤い点線(11.07)を超えると「このサイコロは偏っている可能性が高い」とみなせます(確率5%未満の偶然、つまり「めったにない」と判断する基準)。公平なサイコロなら、この折れ線はだいたい 5 付近をフラフラしているはずです。

📐 数値の求め方(具体例)
たとえば合計60回振って、各目の出た回数が下の表だったとします。
公平なサイコロなら1〜6のどの目も 60÷6=10回 出るはず(=期待値)。
出た回数(観測値) 期待値(60÷6) ズレ²÷期待値
11210(12−10)²÷10 = 0.4
2810(8−10)²÷10 = 0.4
31110(11−10)²÷10 = 0.1
4910(9−10)²÷10 = 0.1
51310(13−10)²÷10 = 0.9
6710(7−10)²÷10 = 0.9
6目分を全部足すと → χ² = 0.4+0.4+0.1+0.1+0.9+0.9 = 2.8
この例では 2.8 なので赤い点線(11.07)をはるかに下回り、「偏りなし」と判断できます。

なぜ「ズレ²」を使うの?
ズレをそのまま足すと、プラスのズレとマイナスのズレが打ち消し合ってしまいます。 二乗することでどちらのズレも「正の数」にそろえ、大きなズレを特に強調できます。 最後に期待値で割るのは、「もともと少ない目のズレ」と「よく出る目のズレ」を公平に比べるためです。

11.07 という数字はどこから?
サイコロは6目あり、合計が固定されているため自由に動けるのは 6−1=5 個分です(自由度5)。 この自由度5のカイ二乗分布で「上位5%に入るほど大きい値」が 11.07 と統計の表で決まっており、 「11.07を超えたら偶然とは言いにくい=偏りあり」の目安として使っています。
↑ χ²統計量グラフへ戻る