二項分布とロジスティック回帰の関係はG検定対策を理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk probability

G検定トップ ＞ 二項分布とロジスティック回帰の関係とは？G検定対策

まず結論

  • 二項分布は「成功／失敗が何回起こるか」を表す確率分布で、ロジスティック回帰はその成功確率を説明変数から予測するモデルです。
  • G検定では「分布と回帰モデルを混同していないか」がよく問われます。

直感的な説明

  • 二項分布は「コインを10回投げたら表が何回出るか」という結果のばらつきを表します。
  • ロジスティック回帰は「そのコインが表になりやすい条件は何か」を説明する予測モデルです。

  • つまり、

    • 二項分布：結果そのものを説明
    • ロジスティック回帰：確率を予測 という役割の違いがあります。

定義・仕組み

  • 二項分布（Binomial Distribution）

    • 試行回数が固定（n回）
    • 各試行は成功／失敗の2値
    • 成功確率 p によって分布が決まる

  • ロジスティック回帰（Logistic Regression）

    • 目的変数：0/1（成功・失敗）
    • 出力：成功確率（0〜1）
    • ロジット関数を用いて確率をモデル化

いつ使う？（得意・不得意）

二項分布

  • 得意：

    • 回数や割合の確率計算

  • 不得意：

    • なぜ成功したかを説明する

ロジスティック回帰

  • 得意：

    • 成功確率を特徴量から予測
    • 分類問題（2値）

  • 不得意：

    • 発生回数そのものの予測

G検定ひっかけポイント

  • 最大のひっかけ

    • 「ロジスティック回帰は二項分布そのものである」→ ❌

  • 正しい理解

    • ロジスティック回帰は二項分布を仮定したモデル

  • よくある混同

    • 分布（確率の形）とモデル（予測手法）

  • 選択肢で

    • 「確率分布」→ 二項分布
    • 「確率を予測する回帰モデル」→ ロジスティック回帰

まとめ（試験直前用）

  • 二項分布：確率の分布
  • ロジスティック回帰：確率を予測するモデル
  • 分布とモデルは役割が違う
  • 0/1の確率予測ならロジスティック回帰

🔗 関連記事

🏠 G検トップに戻る