一様分布

概要

一様分布は、取りうる値のどれもが「まったく同じ確からしさ」で出る確率分布です。歪みのないサイコロの目（1〜6がそれぞれ確率 1/6）のように値が飛び飛びの離散一様分布と、「0以上1未満の実数がどこでも同じ密度で出る」ような連続一様分布の2種類があります。連続版はグラフに描くと平らな長方形になるため、矩形分布とも呼ばれます。

形としてはこれ以上ないほど単純な分布ですが、その単純さこそが価値です。「どの値も特別扱いしない」という状態を数学的に表現したものが一様分布であり、「偏りがない」「情報がない」「完全にランダム」といった言葉を厳密に定義するときの基準点になります。ルーレット、くじ引き、暗号鍵の生成など、「公平さ」が求められる場面の理想モデルはすべて一様分布です。

そして実務上もっとも重要な役割は、乱数生成の出発点であることです。コンピュータが作る乱数の原料は「0以上1未満の一様乱数」で、正規分布でも指数分布でも、あらゆる分布に従う乱数はこの一様乱数を変換して作られます。一様分布は、シミュレーションの世界のいわば「素材そのもの」なのです。

なぜ生まれたか

確率論の出発点は17世紀の賭博の問題でした。サイコロやカードの計算では「どの目も同じ確からしさで出る」ことを暗黙の前提とし、「起こりうる場合の数のうち、目的の場合が占める割合」として確率を定義していました。この古典的確率の定義そのものが、実は離散一様分布の仮定です。つまり一様分布は、確率という概念が生まれたその瞬間から、名前が付く前にすでに使われていた最古の分布だと言えます。

これを連続の世界に拡張する必要が生じたのは、「線分上のどこか一点をランダムに選ぶ」「針が止まる角度は0度から360度のどこでも同じ」といった幾何学的確率の問題を扱うようになってからです。個々の点の確率はゼロなのに範囲の確率は定まる、という連続分布特有の考え方（確率密度）は、この平らで単純な分布を通して整備されました。さらに20世紀、コンピュータによるシミュレーションが登場すると、「まず一様乱数を作り、それを変換して目的の分布を得る」という体系が確立し、一様分布は理論の基準点から計算の実用部品へと役割を広げました。

詳細

離散一様分布と連続一様分布

離散一様分布は、n通りの値がそれぞれ確率 1/n で出る分布です。サイコロなら n=6 で、期待値は目の平均の 3.5 になります。一方、連続一様分布は区間 a から b の間のどこでも確率密度が一定（1/(b−a)）で、区間の外ではゼロです。密度が平らなので、「ある範囲に入る確率」は単純に「その範囲の幅 ÷ 全体の幅」で求められます。期待値は区間のちょうど真ん中 (a+b)/2 です。

なお「一様」と聞くと分散と標準偏差が小さそうに感じるかもしれませんが、逆です。値が中心に集まらず端まで均等に散らばるため、同じ範囲に収まる分布の中では、ばらつきはむしろ大きい部類に入ります。区間 0 から 1 の連続一様分布の分散は 1/12 で、これは測定値の丸め誤差の評価などにも登場する定数です。

乱数生成の原料として

コンピュータの疑似乱数生成器が直接作り出すのは、区間 0 以上 1 未満の一様乱数です。ここから他の分布の乱数を作る代表的な方法が「逆関数法」です。目的の分布の累積分布関数（値がそこ以下になる確率を返す関数）の逆関数、つまり分位数を返す関数に一様乱数 u を入れると、出てきた値は目的の分布に従います。「確率の目盛り（0〜1）の上を一様に選び、それを値の目盛りへ引き戻す」という発想で、一様分布が「あらゆる分布の共通の原料」になっている仕組みです。

この性質は逆向きにも使えます。どんな連続分布のデータも、その分布の累積分布関数に通せば一様分布に変換できます（確率積分変換）。統計モデルの適合度チェックや残差診断は、この「正しくモデル化できていれば一様に均されるはず」という原理を利用しています。

シミュレーションと「情報がない」ことの表現

モンテカルロ法では、一様乱数で点を無数に打ち、条件を満たした点の割合から面積や確率を推定します。正方形に一様に点をばらまき、円の内側に入った割合から円周率を推定する例が有名です。「どこにでも同じ確率で点が落ちる」一様分布の性質が、割合と面積を直結させてくれるわけです。

また、ベイズの定理を使う推論では、「事前に何の情報も持っていない」状態を表す事前分布として一様分布がよく選ばれます。どの値も特別扱いしないという中立性の表現です。ただし「一様=無情報」は万能ではありません。目盛りの取り方（たとえば長さについて一様か、面積について一様か）を変えると一様でなくなるため、「何について一様なのか」を常に意識する必要があります。

実務での使いどころと落とし穴

現実のデータそのものが一様分布に従う場面は、実はそれほど多くありません。だからこそ「一様であるはずのものが一様でない」ことは異常のサインになります。宝くじの当選番号、ハッシュ関数の出力、ランダム化実験の割り付けなどは設計上一様になるはずで、偏りが見つかれば実装バグや不正を疑えます。逆に、会計データの先頭桁は一様にならず小さい数字ほど多いことが知られており（ベンフォードの法則）、「ランダムなら一様のはず」という思い込みが落とし穴になる例です。分布を仮定する前に度数分布を描いて平らかどうかを確かめる習慣が、一様分布との正しい付き合い方です。