確率

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 6 の6通り、「偶数が出る」という事象は 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。

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

確率論の出発点は、17世紀フランスの賭博の問題だったと言われます。「賭けを途中でやめたとき、掛け金をどう分配するのが公平か」という賭博師の相談を受けたパスカルが、フェルマーと書簡を交わしながら「起こりうる場合を数え上げて比を取る」という方法を確立しました。それまで運や神意の領域とされていた偶然が、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、サイコロのようにどの結果も同程度に起こりやすいときだけです。歪んだコイン、明日の天気、機械の故障率のような対象には通用しません。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主義的な見方が育ち、最終的に20世紀、コルモゴロフが「確率とは標本空間の上で一定の公理を満たす数値の割り当てである」と定義を抽象化しました。解釈の論争から定義を切り離したことで、確率はどんな不確実性にも適用できる数学の共通言語になったのです。

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。

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」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。この数え上げを支える腕力が順列と組合せです。

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。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。

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。

直感が外れる領域であることを忘れない

確率は人間の直感が最も外れやすい分野でもあります。「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や、「表が5回続いた後は裏が出やすい気がする」というギャンブラーの誤謬（実際には各回の確率は変わりません）など、有名な錯覚が数多く知られています。だからこそ、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価値を持ちます。曖昧な「起こりそう」を数値に置き換える習慣が、データ分析全体の土台になるのです。