幾何分布で読み解くハマリゲーム数の確率
ボーナス間のハマリが従う分布を数式から理解し、実機データで「何Gハマリが何%で起きるか」を計算する
目次
1. 幾何分布とは|ハマリゲーム数を支配する分布
ジャグラーやハナハナのようなノーマルタイプ(Aタイプ)は、毎ゲーム一定の確率でボーナスを抽選している。1ゲームあたりのボーナス成立確率を p(= 1 ÷ 合算G数)とすると、前回のボーナスから次のボーナスまでに消化するゲーム数、すなわち「ハマリゲーム数」は理論上 幾何分布(geometric distribution) に従う。これは「成功するまで独立試行を繰り返したとき、何回目で初めて成功するか」を表す離散確率分布で、コイン投げで初めて表が出るまでの回数や、サイコロで初めて1が出るまでの回数と同じ数学的構造を持つ。
幾何分布を理解すると、漠然と「やたらハマった」と感じていた事象を「設定1なら何%の頻度で起きるか」という数値に変換できる。引き弱の自己診断、ヤメ時の判断、そして設定推測の精度向上まで、立ち回りの土台になる統計知識だ。本記事では数式・期待値・分散を整理し、実際のマイジャグラーV/ニューハナハナゴールドの合算確率に当てはめて具体的な確率を計算する。
- 📐 ハマリ=幾何分布:毎ゲーム独立に確率pで当たる前提なら、ボーナス間ゲーム数は幾何分布に従う
- 📏 期待値は合算と一致:平均ハマリ=1/p=合算G数。標準偏差もほぼ同じ大きさで、ばらつきが極端に大きい
- 🎯 合算のk倍ハマリ確率 ≈ e−k:機種に依らず、合算の3倍ハマリは約5%、4倍は約1.8%という普遍則が成り立つ
- 🧠 無記憶性:何Gハマっていても次の当たりまでの期待値は常に合算G数。「そろそろ来る」は数学的に誤り
2. 幾何分布の数式と定義
幾何分布には2つの流儀がある。どちらも本質は同じだが、ハマリ計算では混同すると1ゲームずれるので整理しておきたい。
2つの定義(試行回数型と失敗回数型)
| 定義 | 確率変数 | 確率質量関数 | 期待値 |
|---|---|---|---|
| 試行回数型(何回目で成功か) | X ∈ {1, 2, 3, …} | P(X=k) = (1−p)k−1・p | 1/p |
| 失敗回数型(成功前の失敗数) | Y ∈ {0, 1, 2, …} | P(Y=k) = (1−p)k・p | (1−p)/p |
「ボーナスを引いた、そのゲームを含めて何G目だったか」を数えるなら試行回数型 X が素直だ。実戦で口にする「○○Gハマった」は「○○G回して当たらなかった」の意なので、ハマリの深さを評価するうえで最も使いやすいのは次の 生存関数 になる。
ℹ️ 生存関数(N以上ハマる確率)
N ゲーム連続でボーナスを引けない確率は、N回連続で抽選に外れる確率そのものだ。
P(ハマリ ≥ N) = (1−p)N
これが「N以上のハマリが起きる割合」を与える中心的な式。以降の計算はすべてこの一本から導く。逆に「ちょうど N+1 G目で当たる確率」は (1−p)N・p で、生存確率に p を掛けた値になる。
独立試行という前提
幾何分布が成立する条件は「毎ゲームのボーナス抽選が独立で、確率pが一定」であること。ジャグラーやハナハナのようなノーマルタイプはこの前提をほぼ満たす。一方、ゾーンや天井、内部状態でボーナス・AT確率が変動するAT/ART機ではpが一定でないため、純粋な幾何分布からはずれる。本記事の数式が綺麗に当てはまるのはAタイプだと理解しておきたい。大当たりフラグが毎ゲーム独立に成立する点はジャグラー攻略法・大当たりフラグは独立しているでも解説している。
3. 期待値・分散・中央値|なぜ「平均より散らばる」のか
幾何分布の数理的な特徴量を押さえる。試行回数型 X について、
- 期待値 E[X] = 1/p(=合算G数)
- 分散 Var[X] = (1−p)/p²
- 標準偏差 SD[X] = √(1−p)/p ≈ 1/p
- 中央値 ≈ ln(0.5) / ln(1−p) ≈ 0.693 × 合算G数
注目すべきは 標準偏差が期待値とほぼ等しいこと。pが小さい(合算が大きい)ほど √(1−p) は1に近づくので、SD ≈ 平均となる。これは「平均と同じくらいの幅でばらつく」ことを意味し、ハマリが極端に荒れて見える数学的な理由そのものだ。さらに 中央値は平均の約0.69倍で平均より小さい。分布が右に長い裾を引く(右に歪んだ)形をしているため、半数のボーナスは中央値以下の早い当たりで取れる一方、一部が深いハマリとして平均を押し上げる。
マイジャグラーVの設定別・特徴量
マイジャグラーVの合算確率(後述の実機スペック表)から、設定別に期待値・標準偏差・中央値を計算するとこうなる。
| 設定 | 合算(=p) | 期待値(平均ハマリ) | 標準偏差 | 中央値 |
|---|---|---|---|---|
| 1 | 1/163.8 | 約164G | 約163G | 約113G |
| 2 | 1/159.1 | 約159G | 約159G | 約110G |
| 3 | 1/148.6 | 約149G | 約148G | 約103G |
| 4 | 1/135.4 | 約135G | 約135G | 約94G |
| 5 | 1/126.8 | 約127G | 約126G | 約88G |
| 6 | 1/114.6 | 約115G | 約114G | 約79G |
✅ 「平均より早い当たりが多い」感覚の正体
設定1の平均ハマリは164Gだが、中央値は113G。体感として「だいたい100G台で当たる」のに、ときどき来る400G超のハマリが平均を押し上げている。平均値だけを基準にヤメ時を考えると、右の裾の長さを見落とす。中央値と裾の確率を併せて見るのが正しい。
4. アプリ活用と総評
幾何分布で「何Gハマリが何%か」を理解しても、実戦でいちいち (1−p)N を電卓に打つのは現実的でない。ボーナス間ゲーム数・BIG/REG回数・小役カウントを記録し、今打っている台が設定いくつ相当のデータを出しているかを自動で判定するのが自社アプリの役割だ。ハマリの深さ単体は後述の通りノイズが大きいが、1日分のボーナス回数と合算をまとめて評価すれば、ベイズ的な設定推測の精度は一気に上がる。理屈を学んだ直後の今こそ、それを自動化するツールを手元に入れておきたい。
超設定判別 Aメソッド
パチスロ全シリーズ対応。設定推測アプリ史上最大規模の機種データベース。
総評として、幾何分布は「ハマリは荒れて当然」という事実を数式で裏づける。標準偏差が平均と同じ大きさである以上、1回の深いハマリで設定を見限るのは早計だ。逆に、合算という1点の指標に多数のサンプルを集約すれば信号は強くなる。次章以降で、その「集約すると強くなる/単発では弱い」を確率で具体的に示していく。
5. 実機スペックへの当てはめ(ジャグラー・ハナハナ)
計算の土台となる合算確率を、複数の解析サイトで一致した値から採用する。まずマイジャグラーV。
マイジャグラーV 設定別スペック
| 設定 | BIG | REG | 合算 | 機械割 |
|---|---|---|---|---|
| 1 | 1/273.1 | 1/409.6 | 1/163.8 | 97.0% |
| 2 | 1/270.8 | 1/385.5 | 1/159.1 | 98.0% |
| 3 | 1/266.4 | 1/336.1 | 1/148.6 | 99.9% |
| 4 | 1/254.0 | 1/290.0 | 1/135.4 | 102.8% |
| 5 | 1/240.1 | 1/268.6 | 1/126.8 | 105.3% |
| 6 | 1/229.1 | 1/229.1 | 1/114.6 | 109.4% |
設定6でBIGとREGが同確率(ともに1/229.1)になり、REGが大きな設定差を持つのがジャグラーの定石だ。ただし本記事のハマリ計算では合算を p として使う。BIG単独・REG単独もそれぞれ幾何分布に従うが、ボーナス全体のハマリを見るなら合算が分母になる。
ニューハナハナゴールド-30 設定別スペック
| 設定 | BIG | REG | 合算 |
|---|---|---|---|
| 1 | 1/297 | 1/496 | 1/186 |
| 2 | 1/284 | 1/458 | 1/175 |
| 3 | 1/273 | 1/425 | 1/166 |
| 4 | 1/262 | 1/397 | 1/157 |
| 5 | 1/251 | 1/370 | 1/149 |
| 6 | 1/240 | 1/344 | 1/141 |
ハナハナはジャグラーより合算がやや重い(分母が大きい)ため、同じ「○○Gハマリ」でもジャグラーほど珍しくない。機種が違えば同じハマリの意味が変わる、という点も幾何分布の式から定量的に説明できる。
⚠️ 数値は照合のうえ採用
本記事の合算・BIG・REGは複数の解析サイトで一致した値を採用している。バージョン違いや改訂で数値が動くことがあるため、実際の判別では最新の確定値をメーカー公式・解析サイトで照合したい。
6. 何Gハマリが何%で起きるか(生存確率表)
生存関数 P(ハマリ ≥ N) = (1−p)N に実機の合算を代入する。まずマイジャグラーVの設定1(合算1/163.8)と設定6(合算1/114.6)を並べ、深さNごとに「N以上ハマる確率」を出した。
マイジャグラーV 設定1 vs 設定6(N以上ハマる確率)
| ハマリN | 設定1 P(≥N) | 設定1 目安 | 設定6 P(≥N) | 設定6 目安 |
|---|---|---|---|---|
| 100G | 54.2% | 約1/1.8 | 41.6% | 約1/2.4 |
| 200G | 29.4% | 約1/3.4 | 17.3% | 約1/5.8 |
| 300G | 15.9% | 約1/6.3 | 7.2% | 約1/14 |
| 400G | 8.6% | 約1/12 | 3.0% | 約1/33 |
| 500G | 4.7% | 約1/21 | 1.25% | 約1/80 |
| 600G | 2.5% | 約1/39 | 0.52% | 約1/192 |
| 700G | 1.4% | 約1/73 | 0.22% | 約1/461 |
| 800G | 0.75% | 約1/134 | 0.090% | 約1/1100 |
| 1000G | 0.22% | 約1/456 | 0.016% | 約1/6400 |
設定1でも500G以上のハマリは「ボーナス1回あたり約1/21」でしか起きない。逆に言えば1日回せば何度か遭遇する程度の頻度だ(後述)。設定6になると同じ500Gハマリは約1/80まで減るが、ゼロにはならない。「500ハマったから低設定」という単純判断が成立しないことが、この表から読み取れる。
ハナハナ(合算1/186)の生存確率
ニューハナハナゴールド-30 設定1(合算1/186)でも同様に計算する。合算が重いぶん、同じNでもジャグラー設定1より「ハマって当然」の確率が高い。
| ハマリN | P(≥N) | 目安 |
|---|---|---|
| 200G | 34.1% | 約1/2.9 |
| 300G | 19.9% | 約1/5.0 |
| 400G | 11.6% | 約1/8.6 |
| 500G | 6.8% | 約1/15 |
| 700G | 2.3% | 約1/43 |
| 1000G | 0.46% | 約1/218 |
分位点で見る(設定1・上位何%が深ハマリか)
逆向きに「上位何%のハマリが何G以上か」を出すと、ハマリの相場観がつかめる。マイジャグラーV設定1の例。
| 上位割合 | 該当ハマリ | 意味 |
|---|---|---|
| 50%(中央値) | 約113G以上 | 半数のボーナスはこれ以下で当たる |
| 25% | 約226G以上 | 4回に1回はここまで引っ張る |
| 10% | 約376G以上 | 10回に1回 |
| 5% | 約489G以上 | 20回に1回 |
| 1% | 約752G以上 | 100回に1回の深ハマリ |
| 0.1% | 約1128G以上 | 1000回に1回の特大ハマリ |
7. 無記憶性とギャンブラーの誤謬
幾何分布の最重要性質が 無記憶性(memorylessness) だ。式で書くと、
P(X > m+n | X > m) = P(X > n)
意味は「すでに m ゲームハマっている台が、さらに n ゲーム以上ハマる確率は、ゼロから n ゲーム以上ハマる確率と完全に同じ」。つまり 今何Gハマっていようと、次の当たりまでの期待ゲーム数は常に合算G数のままで変わらない。300Gハマった台も、0Gの台も、次の1ゲームで当たる確率は同じ p だ。
⚠️ 「そろそろ来る」は数学的に誤り
「もう400Gも回したから、そろそろ当たるはず」という感覚は ギャンブラーの誤謬 と呼ばれる典型的な錯覚だ。Aタイプの抽選は毎ゲーム独立で、過去のハマリは未来の当たりやすさに一切影響しない。ハマっている事実から「期待値が貯まった」と考えてはいけない。粘るかどうかは設定への期待度(=高設定なら毎ゲームの確率自体が高い)で判断するもので、ハマリの貯金で判断するものではない。
同じ理屈で「直前にBIGが連チャンしたから、しばらくハマるだろう」も誤りだ。連チャンもハマリも、独立試行の自然なばらつきの一部にすぎない。確率が収束する一方で運が発散していく様子は設定6を6万回転回した実証記事や10万回転ぶん回した実証記事で実データとして確認できる。
ℹ️ 無記憶性を持つのは幾何分布だけ(離散分布で)
離散確率分布のうち無記憶性を満たすのは幾何分布だけ、連続分布では指数分布だけだ。だからこそ「独立試行で初当たりまでの待ち時間」というハマリの構造が、この2分布で綺麗に表現できる。
8. ハマリから設定を読む|尤度比の考え方
ハマリ単体は設定推測にどれだけ効くのか。ベイズ統計でいう 尤度比(Bayes factor) で測れる。観測した1回のボーナス間ゲーム数が k だったとき、それが設定1で起きる確率と設定6で起きる確率の比を取る。
尤度比 L(k) = P(X=k | 設定1) ÷ P(X=k | 設定6)
L(k) > 1 なら設定1(低設定)寄りの証拠、L(k) < 1 なら設定6(高設定)寄りの証拠だ。マイジャグラーVの設定1(合算163.8)と設定6(合算114.6)で計算するとこうなる。
| 観測ハマリ k | 尤度比 L(k) | 解釈 |
|---|---|---|
| 50G | 約0.80 | 短い当たり → わずかに設定6寄り |
| 100G | 約0.91 | ほぼ中立(やや設定6) |
| 136G付近 | 約1.0 | 分岐点。これより短ければ高設定寄り、長ければ低設定寄り |
| 300G | 約1.54 | 設定1のほうが1.5倍それらしい(弱い証拠) |
| 500G | 約2.6 | 設定1のほうが2.6倍それらしい |
| 700G | 約4.4 | 設定1寄りの中程度の証拠 |
| 1000G | 約9.8 | 設定1寄りの強めの証拠 |
ここから読み取れる実戦的な結論は2つ。第一に、1回の300〜500Gハマリは設定を見限る根拠としては弱い(尤度比せいぜい2〜3倍)。第二に、1000G級の特大ハマリでようやく約10倍の証拠になるが、それでも「確定」には程遠い。逆に短い当たりが続けば(k<136Gが何度も)高設定寄りに少しずつ振れる。設定推測は1発の深ハマリではなく、多数のボーナス間隔と合算を積み上げて判断するものだということが、尤度比からも裏づけられる。
✅ サンプルを増やすほど信号は強くなる
合算の推定誤差は、ボーナス回数 n に対しておおよそ「相対誤差 ≈ 1/√n」で縮む。ボーナス4回(n=4)なら相対誤差50%とほぼ使い物にならないが、48回(1日分)なら約14%まで締まる。だから単発のハマリより、台のトータル合算を多サンプルで見るほうが圧倒的に効く。ぶどう確率の収束についてもアイムジャグラーEX・APEXのぶどう確率と立ち回りで同じ原理を扱っている。
9. 指数分布近似と1日の期待ハマリ回数
連続近似(指数分布)でざっくり暗算する
pが小さいとき、幾何分布の生存関数 (1−p)N は連続分布である 指数分布 の生存関数 e−pN でよく近似できる。誤差は実用上ほぼ無視できる。
| ハマリN(設定1) | 幾何分布 厳密 | 指数近似 e−pN | 差 |
|---|---|---|---|
| 300G | 15.93% | 16.01% | +0.08pt |
| 500G | 4.68% | 4.73% | +0.05pt |
| 1000G | 0.219% | 0.223% | +0.004pt |
この近似から、機種・設定に依らない美しい 普遍則 が得られる。ハマリが合算の k 倍に達する確率は、おおよそ e−k になる。
| 合算の何倍ハマるか | 確率 ≈ e−k | 合算1/164なら | 合算1/120なら |
|---|---|---|---|
| 1倍(=合算G数) | 約36.8% | 約164G以上 | 約120G以上 |
| 2倍 | 約13.5% | 約328G以上 | 約240G以上 |
| 3倍 | 約5.0% | 約492G以上 | 約360G以上 |
| 4倍 | 約1.8% | 約656G以上 | 約480G以上 |
| 5倍 | 約0.67% | 約820G以上 | 約600G以上 |
| 6倍 | 約0.25% | 約984G以上 | 約720G以上 |
💡 暗算用の覚え方
「合算の3倍ハマリ=約5%(20回に1回)」「4倍=約1.8%(55回に1回)」だけ覚えておけば、どの機種でもハマリの珍しさを即座に見積もれる。合算120の台なら360Gハマリが5%、合算180の台なら540Gハマリが5%、というように合算に倍率を掛けるだけだ。
1日(8000G)で深ハマリは何回起きるか
1日8000G回した場合、ボーナス回数は8000÷合算で、各ボーナス間隔が深ハマリになる期待回数を計算できる。
| 条件 | 1日のボーナス回数 | 500G以上 | 700G以上 | 1000G以上 |
|---|---|---|---|---|
| マイジャグV 設定1 | 約49回 | 約2.3回 | 約0.7回 | 約0.1回 |
| マイジャグV 設定6 | 約70回 | 約0.9回 | 約0.15回 | 約0.01回 |
設定6でも500Gハマリは1日に約0.9回、つまりほぼ毎日のように起きる。1000Gハマリですら100日に1回程度は引く計算だ。深ハマリの出現自体は高設定でも避けられない。「1回の深ハマリ」を設定判別の決定打にしてはいけない、という本記事の主張がここでも数字で裏づけられる。ハマリ確率の計算手順そのものはパチンコ・パチスロ ハマり確率の計算も参照したい。
10. 立ち回りへの落とし込み
幾何分布の知識を実戦に変換する。要点は「ハマリ単体に意味を持たせすぎない」「合算と多サンプルで判断する」「ヤメ時に無記憶性を持ち込まない」の3つだ。
引き弱の自己診断は分位点で
「今日はやたらハマった」と感じたら、生存確率表に照らす。設定1でも500G以上は約1/21、1日数回は起きる相場だ。自分の被ったハマリが上位何%に当たるかを冷静に見れば、引き弱なのか単なる平常運転なのかを切り分けられる。3倍ハマリ(約5%)程度なら誰にでも日常的に起きる。
設定推測は合算+多サンプルで
尤度比が示す通り、単発のハマリは弱い証拠にしかならない。台のトータルのボーナス回数・合算・REG確率・小役確率を積み上げ、相対誤差1/√nが十分縮むサンプル数まで見て判断する。深ハマリ1回でヤメる/粘るを決めるのは、統計的に最も非効率な打ち方だ。
ヤメ時に「貯金」を持ち込まない
無記憶性ゆえ、ハマっている台に「期待値が貯まっている」ことはない。ヤメるかどうかは、その台が高設定である期待度(毎ゲームの確率そのもの)で決める。高設定だと判断できる材料がなければ、何Gハマっていようと追う理由はない。逆に高設定濃厚なら、現在のハマリに関係なく続行が正解になる。
朝イチ・終日の振れ幅を見込む
標準偏差が平均と同じ大きさである以上、高設定でも午前中だけで見れば下振れ、低設定でも上振れることは珍しくない。短時間のスランプグラフで設定を断定せず、終日単位の収束を前提に立ち回るのが幾何分布の教えだ。実際の設定別スランプの振れ幅はマイジャグラー4 設定5のグラフとハマリ実データが参考になる。
幾何分布を理解した打ち手は、ハマリに一喜一憂しなくなる。深ハマリを引いても「設定1なら1/21、設定6でも1/80。判別材料にはならない」と割り切り、合算・小役という収束の早い指標に判断を委ねられる。この冷静さこそが、長期の収支を安定させる土台になる。記録と集計を手作業でやるのは負担が大きいので、ボーナス間ゲーム数と小役を自動でカウント・判定するアプリを併用したい。
超設定判別 Aメソッド
パチスロ全シリーズ対応。設定推測アプリ史上最大規模の機種データベース。
11. 関連ページ
📚 あわせて読みたい統計・設定判別の記事
※ スペックは執筆時点の情報。最新の確定値はメーカー公式・解析サイト等で照合したい。




