第3章 コンピュータとプログラミング
確率モデルのシミュレーション(乱数・待ち行列)
次の客がいつ来るか、くじが当たるか。偶然が入る出来事は、乱数を使ってシミュレーションします。1回ごとに結果は変わりますが、何回も試すと全体の傾向が見えてきます。待ち行列とモンテカルロ法まで、図と動く部品で確かめましょう。
説明
1. 偶然が入ると、毎回結果が変わる
市役所で証明書を出す窓口(係1人)を考えます。手続きは1人 4 分と決まっていても、次の人が何分後に来るかは日によってばらばらです。続けて来れば列ができ、間があけば誰も待ちません。図の3日は、同じ窓口なのに待ち時間の合計が 25 分・0 分・20 分と違います。
このように偶然(不規則なこと)を含むモデルを確率モデルといいます。動かすたびに結果が変わるので、1回の結果ではなく、何回も試したときの傾向で判断します。

2. 乱数で偶然を作る
コンピュータでは乱数で偶然を表します。乱数() は 0 以上 1 未満の小数をでたらめに返すので、「乱数() < 0.3 なら当たり」とすれば、当たりの確率が 30% のくじになります。0 から 1 の幅のうち、当たりの範囲が 0.3(30%)を占めるからです。
さいころなら 整数(乱数() * 6) + 1 で 1〜6 になります(詳しくは「関数」の単元)。表計算ソフトウェアにも、0 以上 1 未満の乱数を返す RAND 関数や、決めた範囲の整数を返す RANDBETWEEN 関数(例:RANDBETWEEN(1,6))があります。下のプログラムは乱数を使うので、動かすたびに結果が変わります。
3. 回数を増やすと、割合が落ち着く
さいころを 10 回ふって「1 の目」が何回出るかは、0 回のことも 4 回のこともあります。でも回数を増やすと、1 の目の割合は 1/6(約 16.7%)の近くに落ち着いていきます。図は、乱数で作ったさいころを 1000 回ふった1つの例です(10 回では 3 回で 30%、1000 回では 167 回で 16.7%)。
だから確率モデルのシミュレーションでは、試す回数(試行回数)を多くすることが大切です。手で 1000 回ふるのは大変ですが、コンピュータなら一瞬です。この性質は、数学では大数の法則(たいすうのほうそく)と呼ばれます。
少ない回数の結果は、たまたまの影響が大きい。回数を増やして確かめます。
4. 待ち行列:レジに並ぶ列
窓口やレジに人が並ぶ列を待ち行列といいます。人が来る間隔はばらばら(確率)で、1人の手続きには決まった時間がかかるとします。
考え方は2つだけです。① 手続きを始められるのは、「自分が着いた時刻」と「前の人が終わった時刻」の遅いほう。② 待ち時間 = 始めた時刻 − 着いた時刻。下の図は、手続き 4 分の窓口に 6 人が来た例です。2 人目は 2 分に着きましたが、1 人目が 4 分まで手続き中なので 2 分待ちます。
開始時刻 = 最大値(着いた時刻, 前の人の終了時刻)。待ち時間 = 開始 − 到着。
5. 乱数を使って表で計算する
人が来る間隔を乱数で決めます。間隔を 整数(乱数() * 6) + 1(1〜6 分)とすると、乱数が 0.27 なら 整数(1.62) + 1 = 2 分です。下の表は、図の 6 人をこの方法で計算したものです。1 行が 1 人で、上の行の終了時刻を使って下の行を計算します(確定モデルの表と同じ形)。
6 人の待ち時間の合計は 13 分、平均は 13 ÷ 6 = 約 2.2 分。でもこれは、乱数がこう出た1回分の結果です。乱数が変われば結果も変わります。
6. プログラムで待ち行列
表の計算をプログラムにします。間隔を配列 Kankaku に入れ(1 人目は 0)、最大値(touchaku, owari) で「着いた時刻と前の人が終わった時刻の遅いほう」を求めます。「1行進む」で、表の 1 行ずつと同じ計算になることを確かめましょう。
配列の代わりに 整数(乱数() * 6) + 1 で間隔を決めれば、乱数による待ち行列のシミュレーションになります(「さわってみよう」で試せます)。
7. 何回も試して決める・モンテカルロ法
「手続きを 3 分に短くすると、平均の待ち時間はどれだけ減るか」を調べるなら、乱数を変えて何百回もシミュレーションし、平均や分かれ方を比べます。1回だけでは、たまたま空いていた回に当たるかもしれないからです。
このように、乱数をたくさん使って答えの見当を付ける方法をモンテカルロ法といいます。例えば、1辺 1 の正方形にでたらめに点を打つと、半径 1 の円(4分の1)の中に入る割合は、点が多いほど面積の比 π/4 に近くなりやすくなります。図は 200 点を打った例で、円の中は 159 個、159 ÷ 200 × 4 = 3.18。点を十分に増やすと、3.14… に近い値が出やすくなります(増やすたびに必ず近づくわけではありません)。
確率を計算で求められる場合は、シミュレーションの結果と比べてモデルが正しく作れているかを確かめられます。例えば、さいころを 6 回ふって 1 の目が少なくとも1回出る確率は 1 − (5/6)6 = 約 66.5%。シミュレーションを何千回もして、この割合に近ければ、モデルは確からしいと考えられます。待ち時間のように計算では求めにくいものは、シミュレーションの結果をヒストグラムにして、分かれ方を見ます。
ひとことで言うと確率モデルは乱数で偶然を表す。何回も試して、平均やばらつきで判断する。
Python で習っている人へ:対応表
| 共通テストの書き方 | Python |
|---|---|
乱数() | random.random() |
整数(乱数() * 6) + 1 | int(random.random() * 6) + 1 |
最大値(touchaku, owari) | max(touchaku, owari) |
もし 乱数() < 0.3 ならば: | if random.random() < 0.3: |
例題
例題1 乱数の値からくじの結果を決める
当たりの確率が 25% のくじを、「乱数() < 0.25 なら当たり」として 8 回シミュレーションしたところ、乱数は順に 0.61, 0.08, 0.25, 0.93, 0.19, 0.47, 0.24, 0.70 でした。当たりは何回ですか。また、当たりの割合は何% ですか。
- (01)
Ransu = [0.61, 0.08, 0.25, 0.93, 0.19, 0.47, 0.24, 0.70] - (02)
atari = 0 - (03)
i を 0 から 要素数(Ransu) - 1 まで 1 ずつ増やしながら繰り返す: - (04)
もし Ransu[i] < 0.25 ならば: - (05)
atari = atari + 1 - (06)
表示する("当たり", atari, "回")
- 0.25 未満のものを探します。0.08、0.19、0.24 の 3 つです。
- 0.25 は「0.25 未満」ではないので、はずれです(境目に注意)。
- 当たりは 3 回、割合は 3 ÷ 8 = 37.5%。確率 25% より多いのは、8 回と回数が少なく、たまたまの影響が大きいからです。
例題2 待ち行列を表で計算する
手続きに 5 分かかる窓口に、人が来ます。人の来る間隔は 整数(乱数() × 8) + 1 分で、2〜5人目の乱数は順に 0.40, 0.85, 0.10, 0.55 でした(1人目は 0 分に来る)。5人目の待ち時間は何分ですか。
- (01)
tetsuzuki = 5 - (02)
Kankaku = [0, 4, 7, 1, 5] - (03)
touchaku = 0 - (04)
owari = 0 - (05)
i を 0 から 要素数(Kankaku) - 1 まで 1 ずつ増やしながら繰り返す: - (06)
touchaku = touchaku + Kankaku[i] - (07)
kaishi = 最大値(touchaku, owari) - (08)
owari = kaishi + tetsuzuki - (09)
表示する(i + 1, "人目 到着", touchaku, " 待ち", kaishi - touchaku, "分")
- まず間隔を出します。0.40 × 8 = 3.2 → 整数にして 3、+1 で 4 分。同じように 0.85 → 7、0.10 → 1、0.55 → 5。
- 到着時刻は間隔を足していき、0, 4, 11, 12, 17 分。
- 開始=最大値(到着, 前の人の終了)、終了=開始+5、待ち=開始−到着を、上の行から順に計算します(下の表)。
- 5人目は 17 分に着きますが、4人目が 21 分まで手続き中なので、待ち時間は 4 分です。
| 人 | 乱数 | 間隔 | 到着 | 開始 | 終了 | 待ち |
|---|---|---|---|---|---|---|
| 1 | — | — | 0 | 0 | 5 | 0 |
| 2 | 0.40 | 4 | 4 | 5 | 10 | 1 |
| 3 | 0.85 | 7 | 11 | 11 | 16 | 0 |
| 4 | 0.10 | 1 | 12 | 16 | 21 | 4 |
| 5 | 0.55 | 5 | 17 | 21 | 26 | 4 |
練習
乱数() < 0.4 なら雨、そうでなければ晴れ」として天気を決めます。雨になる確率は何% ですか。整数(乱数() * 10) + 1 の値として出てくる可能性があるのはどの範囲ですか。さわってみよう
さいころ・くじを何回も試す
「+10回」「+100回」…と押して、1の目の割合(右のグラフ)がどう変わるか見ましょう。はじめはばらついても、回数が増えると点線(1/6)の近くに落ち着くはずです。「はじめから」で何度かやり直して比べてみましょう。
当たりの確率を変える
当たりの確率をスライダーで変えて、何回も引いてみましょう。当たりの割合は、設定した確率の近くに落ち着きますか。
待ち行列のシミュレーション
10 人が、1〜6 分の間隔(乱数)で窓口に来ます。まず「乱数で到着を決め直す」を何度か押して、毎回待ち時間が変わることを確かめましょう。次に「1人にかかる時間」を 3 分・4 分・5 分と変えて(到着はそのまま)比べ、最後に「この条件で100回繰り返す」で、平均の待ち時間の分かれ方を見ましょう。
来る間隔の平均(1〜6 分なら 3.5 分)より 1人にかかる時間が長いと、列はどんどん長くなります。少し短くするだけで、待ち時間が大きく減ることもあります。
モンテカルロ法で円周率
点を打って、円(4分の1)の中に入った割合 × 4 を計算します。点を増やすと 3.14… に近づくか確かめましょう。
プログラムで試す
乱数を使うプログラムです。動かすたびに結果が変わります。「待ち行列(乱数)」は 20 人分の平均の待ち時間を表示します。tetsuzuki(1人にかかる時間)を書きかえて比べてみましょう。
やってみよう(共通テスト形式)
このサイトで作った問題です(過去の試験問題ではありません)。
図書委員の D さんは、昼休みに図書室のコピー機(1台)の前で、来た人をどのくらい待たせているかをシミュレーションすることにした。
- 1人がコピーを終えるまでに 2 分かかる。来た順に1人ずつ使う。
- 来る間隔(分)は、乱数を使って
整数(乱数() × 4) + 1で決める。1人目は 0 分に来る。
D さんは表計算ソフトウェアで次の表を作り、3人目まで計算した。
| 人 | 乱数 | 間隔 | 到着 | 開始 | 終了 | 待ち |
|---|---|---|---|---|---|---|
| 1 | — | — | 0 | 0 | 2 | 0 |
| 2 | 0.35 | 2 | 2 | 2 | 4 | 0 |
| 3 | 0.10 | 1 | 3 | 4 | 6 | 1 |
| 4 | 0.80 | |||||
| 5 | 0.05 | |||||
| 6 | 0.21 |
この単元が出た過去問の解説
- 2025年 本試験 第2問B 問1おつりの千円札の枚数を表で追う(空欄コ〜セ)
- 2025年 本試験 第2問B 問21万回のシミュレーション結果のグラフを読む(空欄ソ)
- 2025年 本試験 第2問B 問3千円札を20枚用意したとき、起こらないケース(空欄タ)
- 2026年 本試験 第3問 問1待ち時間を表で整理する(開始時刻は「到着」と「前の人の終了」の遅いほう)
- 2026年 本試験 第3問 問2待ち時間を求めるプログラム(配列・最大値・添字が1から)
- 2026年 本試験 第3問 問3最長待ち時間を求め、条件を満たさなくなったら止める(最大値の更新・条件つきの繰り返し)
- 試作問題 第2問B 問1乱数で到着間隔を決め、クレープ店の待ち行列を追う(空欄ケ〜シ)
- 試作問題 第2問B 問2100回のシミュレーション結果のグラフから読み取れないこと(空欄ス)
- 試作問題 第2問B 問3対応時間を4分から3分にすると、最大待ち人数の分布はどう変わるか(空欄セ)
ちょっと寄り道:豆知識・こぼれ話
試験に出るとはかぎりませんが、知っていると情報がもっと面白くなる話です。
「モンテカルロ法」の名前は、カジノの町から
モンテカルロ法の考えは、1946年、数学者スタニスワフ・ウラムが病気の回復中にトランプの一人遊びをしていて、「全部の場合を計算するより、何度もやってみて成功の割合を数えるほうが早い」と思いついたのが始まりとされます。ウラムはこの考えを同じ研究所のフォン・ノイマンと深め、当時生まれたばかりの電子計算機で試しました。名前を提案したのは同僚のニコラス・メトロポリスで、カジノで有名なモナコの地区「モンテカルロ」にちなみます。メトロポリスは、ウラムに「どうしてもモンテカルロへ行きたい」と親せきからお金を借りるおじさんがいたことも、名前と無関係ではないと書いています。
参考:N. Metropolis, “The Beginning of the Monte Carlo Method”, Los Alamos Science No.15 (1987)/R. Eckhardt, “Stan Ulam, John von Neumann, and the Monte Carlo Method”, 同誌 (1987)
待ち行列の研究は、電話局から始まった
待ち行列を数学で考える研究は、20世紀のはじめ、デンマークのコペンハーゲンの電話会社で始まりました。電話をつなぐ回線が足りないと、かけた人は待たされます。そこで技術者アグナー・アーランが、電話がかかってくる間隔が偶然でばらつくことを確率で表し、1909年に論文を発表しました。回線をいくつ用意すれば待つ人が少なくてすむか、という問題は、レジや窓口の数を決める問題と同じ形です。今でも通信の量を表す単位に、彼の名前を取った「アーラン」が使われています。
参考:A. K. Erlang, “The Theory of Probabilities and Telephone Conversations” (Nyt Tidsskrift for Matematik B, 1909)/INFORMS「Agner Krarup Erlang」/ITU-T E.600(単位 erlang)
乱数が100万個並んだ本
コンピュータで乱数をすぐ作れなかったころ、シミュレーションには「乱数表」が使われました。1955年、アメリカのランド研究所は『100万個の乱数』という本を出しています。本の大部分は、400ページにわたって0〜9の数字がでたらめに並んだ表です(ほかに、正規分布に従う乱数10万個の表も入っています)。数字は、電子式のルーレットのような装置で作った表を、さらにかき混ぜて作られました。偏りのない乱数を作るのは意外に難しく、作る途中で小さな偏りが見つかって手直ししたことも、本の序文に書かれています。
参考:RAND Corporation『A Million Random Digits with 100,000 Normal Deviates』(1955) の序文
わからなかったら、ここへもどる
- 確定モデルのシミュレーション
- 関数(引数と戻り値)
- 中学数学「確率」「データの活用(相対度数)」準備中
先生・おうちの方へ
つまずきやすい所:①「乱数() < 0.3」がなぜ 30% になるのかが分からない(数直線で幅を見せる)。②待ち行列で、開始時刻を「到着時刻」や「前の人の終了時刻」のどちらか一方だけで考えてしまう(2つのうち遅いほう)。③1回のシミュレーション結果で結論を出してしまう。
共通テストとのつながり:待ち時間の計算やシミュレーションの結果の読み取りは、第2問(会話文)・第3問(プログラム)で出ています(令和8年度本試験 第3問は待ち時間を求めるプログラム)。このページの問題・場面・数値はすべてこのサイトで作ったものです。
ページの数値について:図の乱数の例(さいころ1000回、モンテカルロ法の200点)は、Python の random モジュールで種(seed)を決めて作った固定の結果です。ページ内の「さわってみよう」は動かすたびに変わります。
授業で使うとき:待ち行列の部品で、1人にかかる時間を来る間隔の平均(3.5分)の前後で変えると、待ち時間が急に増える様子が見られます。「100回繰り返す」で、1回の結果だけで判断する危うさを話題にできます。
学習指導要領:情報Ⅰ (3)ア(ウ) / 参考:高等学校学習指導要領(平成30年告示)解説 情報編 情報Ⅰ (3)ア(ウ)・イ(ウ)、文部科学省「高等学校情報科『情報Ⅰ』教員研修用教材」第3章 学習16(確率モデルのシミュレーション、モンテカルロ法)