確率
Probability ・ かくりつ
起こりやすさを0から1の数値で測る枠組み。不確かさを扱うすべての出発点
✦ 30秒で試す — 航海サイコロ2個で「少なくとも一方が5以上」は何割？当たりになる確率は？予想してみる概要
確率は、「起こりやすさ」を0から1のあいだの数値で測るための枠組みです。0は「決して起こらない」、1は「必ず起こる」を表し、サイコロで偶数が出る確率は 0.5、明日の降水確率70%は 0.7 — というように、日常の「たぶん」「めったに」という曖昧な感覚を、比較も計算もできる数値に置き換えます。
確率を考えるときの基本の道具立ては2つだけです。起こりうる結果をすべて集めた集合を「標本空間」、そのうち注目したい結果の集まりを「事象」と呼びます。サイコロなら標本空間は {1, 2, 3, 4, 5, 6} の6通り、「偶数が出る」という事象は {2, 4, 6} です。確率とは、この標本空間の上で各事象に 0〜1 の数値を割り当てるルールにほかなりません。どの結果も同じくらい起こりやすいなら、その割り当ては「事象に含まれる結果の数 ÷ 全体の数」で決まり、偶数の確率は 3/6 = 0.5 になります。この数え方を支えるのが順列と組合せです。
統計学の後半に登場する推測の技法 — 標本から母集団を推し量る、仮説をデータで検証する — は、すべて確率の言葉で組み立てられています。度数分布が「実際に観測されたデータの散らばり」を記述するのに対し、確率は「これから起こりうることの散らばり」を記述する道具であり、両者をつなぐのが確率分布です。不確かさを扱うすべての議論は、この語彙から始まります。
なぜ生まれたか
偶然は古代から賭け事や占いの題材でしたが、長いあいだ「運」や「神意」の領域とされ、計算の対象ではありませんでした。16世紀にカルダーノがサイコロ賭博の有利不利を場合の数で論じた手稿を残していますが、確率論の出発点としてよく挙げられるのは1654年、パスカルとフェルマーの往復書簡です。賭博師シュヴァリエ・ド・メレが持ち込んだ「勝負を途中でやめたとき、掛け金をどう分けるのが公平か（分配問題）」に対し、2人は「この先起こりうる勝敗の場合をすべて数え上げ、それぞれの勝ち筋の比で分ける」という答えを出しました。偶然が初めて計算の対象になった瞬間です。
しかし「場合の数の比」で定義できるのは、サイコロのように各結果が同程度に起こりやすいと言えるときだけです。歪んだコイン、明日の天気、機械の故障率には通用しません。そこで「同じ試行を何度も繰り返したときの相対頻度が落ち着く先」として確率を捉える頻度の見方が育ち、一方で「根拠にもとづく信念の度合い」として確率を捉える見方も発展して、両者の対立は頻度主義とベイズ主義の論争として今も続いています。この解釈の争いに決着をつけないまま数学としての足場を固めたのが、1933年のコルモゴロフです。「確率とは、標本空間の上で3つの公理を満たす数値の割り当てである」と定義を抽象化したことで、確率はどの解釈の立場からも使える共通言語になりました。
詳細
標本空間・事象・確率の3点セット
確率の議論は必ず「標本空間を決める」ところから始まります。コイン2枚なら {表表, 表裏, 裏表, 裏裏} の4通りが標本空間で、「少なくとも1枚が表」という事象はそのうち3通りを含む部分集合です。事象は集合なので、「AまたはB（和事象）」「AかつB（積事象）」「Aでない（余事象）」といった集合の演算で組み合わせられます。この「事象＝集合」という見方が、後のすべての計算規則の土台になります。
確率の割り当てが満たすべきルール（コルモゴロフの公理）は驚くほど少なく、「どの事象の確率も0以上」「標本空間全体の確率は1」「互いに重ならない事象は確率を足してよい」の3つだけです。ここから、余事象の確率は 1 − P(A)、和事象の確率は P(A) + P(B) から重なり P(A∩B) を引いたもの（二重に数えない）、といった実用的な計算規則がすべて導かれます。「少なくとも1回」の確率を直接数えるより「1回も起きない」確率を1から引く方が速い、という定番の技も、余事象の規則の応用です。
確率をどう求めるか — 3つのアプローチ
第一は「同様に確からしい場合の数え上げ」（古典的確率）です。サイコロやカードのように対称性から各結果の起こりやすさが等しいとみなせるとき、確率は「事象に含まれる場合の数 ÷ 全体の場合の数」で求まります。サイコロ2個なら出方は 6×6 = 36通りで、「和が7」はそのうち6通りなので 6/36 = 1/6 です。この数え上げを支える腕力が順列と組合せです。
サイコロ2個の出方は 6×6 = 36通りで、どのマスも同じだけ起こりやすい。だから確率は灯ったマスの数 ÷ 36。事象を切り替えるか、マスを直接タップして自分の事象を作ってみてください。
横がサイコロ1つ目、縦が2つ目の目。マスの数字は2つの目の和。金色のマスが選んだ事象
第二は「頻度から見積もる」アプローチです。歪んだコインの表が出る確率は理屈では出せませんが、1000回投げて表が623回なら約0.62と見積もれます。試行回数を増やすほど相対頻度が真の確率に近づくことは大数の法則が保証しており、これが確率と現実の観測データを結ぶ橋になっています。上の部品で振る回数を増やすと、割合の折れ線が破線（数えた確率）に吸い寄せられていくのがこの法則です。この性質を逆手に取り、乱数実験の頻度から確率や数値を計算してしまう技法がモンテカルロ法です。
第三は「信念の度合いとしての確率」で、「この患者が病気である確率」「このプロジェクトが遅延する確率」のように、繰り返し試行を想定しにくい一回きりの命題にも確率を割り当てる立場です。新しい情報が得られたときに確率を更新する枠組みが条件付き確率とベイズの定理で、迷惑メールフィルタから医療診断まで幅広い応用の基盤になっています。どの立場で確率を解釈するかは頻度主義とベイズ主義の違いとして整理されますが、計算規則（公理）はどちらでも同じです。
統計学への接続
確率が統計学に組み込まれるときの要が、結果に数値を対応させる確率変数と、その値の出方を一覧にした確率分布です。「サイコロの出目」「1時間あたりのアクセス数」を確率変数として捉えると、その平均的な振る舞いは期待値で要約でき、観測データの度数分布と理論上の確率分布を突き合わせることで「このデータはどんな仕組みから生まれたか」を推測できるようになります。記述統計が「起きたこと」を語るのに対し、確率は「起こりうること」を語る — この視点の切り替えこそが、推測統計への入り口です。
落とし穴 — 直感が外れやすい3つの場面
ひとつ目は「数えた結果が本当に等しく起こりやすいか」の確認漏れです。18世紀の数学者ダランベールは、コイン2枚で「表が0枚・1枚・2枚」の3通りを等確率とみなし、「少なくとも1枚表」を2/3と答えたとされます。正しくは表表・表裏・裏表・裏裏の4通りで数えるので3/4です。サイコロ2個の和も2〜12の11通りですが、和が7は6通り・和が2は1通りと起こりやすさが違います。「和の種類」ではなく「36マス」を数える — 部品で和が2と和が7を切り替えると、その差が一目で分かります。
ふたつ目は、回数が少ないときの頻度を確率と取り違えることです。10回中7回表が出ても、コインが歪んでいるとは言えません。少数の試行の割合は大きくぶれるので、頻度から確率を見積もるなら、そのぶれの大きさまで込みで考える必要があります（これを定量化するのが標準誤差です）。
みっつ目は、過去の結果が次の確率を変えると錯覚することです。「表が5回続いた後は裏が出やすい」というギャンブラーの誤謬は、各回の結果が互いに影響しない（独立性がある）ことを忘れた誤りで、次の1回の確率は何回表が続いても1/2のままです。「23人いれば誕生日が重なる確率は5割を超える」という誕生日のパラドックスも、直感より数え上げが正しい有名な例です。感覚で判断せず標本空間に立ち返って数える・計算するという確率の作法が、データ分析全体の土台になるのです。
試問
6×6 の36マスは、サイコロ2個の出方（横が1つ目、縦が2つ目の目）を1マスずつ並べたものです。事象の「自分で選ぶ」でマスをタップすると灯したり消したりでき、灯したマスの数 ÷ 36 が確率になります。「1回振る」「100回」などで実際に振って、当たった割合と比べられます。
サイコロ2個の出方は 6×6 = 36通りで、どのマスも同じだけ起こりやすい。だから確率は灯ったマスの数 ÷ 36。事象を切り替えるか、マスを直接タップして自分の事象を作ってみてください。
横がサイコロ1つ目、縦が2つ目の目。マスの数字は2つの目の和。金色のマスが選んだ事象