確率変数と確率分布の考え方
いよいよ最終章、第7章「確率変数と確率分布」に入ります。第6章では「サイコロを振って3が出る確率」のように具体的な事象の確率を考えてきましたが、ここから抽象度が一段上がります。
本ページでは、まず「確率変数」という考え方を整理し、それに対応する「確率分布」を見ていきます。さらに、確率変数には離散型と連続型の2種類があることを、図で視覚的に押さえます。次回以降、これらの概念を土台として、期待値・分散・正規分布へと進んでいきます。
確率変数の発想がつかめると、データを「ばらつきを持つ数値の集まり」として捉える視点が手に入ります。記述統計（第1〜5章）と確率（第6章）が、ここで美しく合流するのを体感していきましょう。
確率変数って言葉、最初は難しく感じるよね！ でも実は、「サイコロを振って出た目を X と呼ぶことにする」くらいの発想です。抽象的な記号に慣れるのが、この章の最初の山だからゆっくり読んでね！
1. 確率変数とは ─ 結果に数字を割り当てる
確率変数を理解するには、まず「結果に数字を割り当てる」という発想から入るのがわかりやすいです。
サイコロの例
サイコロを1回振ると、結果は1, 2, 3, 4, 5, 6 のいずれか。結果そのものが数字なので、自然に「出た目を X と呼ぼう」と決められます。
この時、X は確率変数です。X の値は1〜6のいずれかですが、どの値になるかは振ってみないと分かりません。「確率的に値が決まる変数」──これが確率変数の正体です。
「変数」という言葉が不慣れな方もいます。Excelの空白セルだと思ってください。サイコロを振ってみたら、そのセルに1~6の数字が入る。そんな器のような言葉が変数です。
コインの例
コインを1枚投げる場合は、結果が「表」か「裏」で、そのままでは数字ではありません。そこで、表を1、裏を0と決めることで、結果に数字を割り当てます。
- 表が出た → X = 1
- 裏が出た → X = 0
こうして、コインの結果も確率変数 X で扱えるようになります。「結果を数字に翻訳する」のが確率変数の出発点です。
確率変数の定義
確率変数（かくりつへんすう、random variable）とは、試行の結果に数値を対応させた変数のこと。記号として大文字の X, Y, Z などを使います。確率的に値が決まるのが特徴です。
確率変数は、第1〜5章で扱ってきた「データの値」と密接に関係しています。たとえば「クラス40人の身長」というデータは、「無作為に1人選んだときの身長 X」という確率変数のサンプル40個と考えることができます。記述統計と確率を繋ぐ橋が、まさに確率変数なんです。
2. 確率分布 ─ 確率変数のふるまいを表す
確率変数 X が分かっても、それだけでは「Xがどんな値をどのくらいの確率で取るか」はわかりません。それを表すのが確率分布です。
サイコロの確率分布
歪んでいないサイコロの場合、X が 1〜6 のどれを取るかは、すべて 1/6 の確率です。これを表にまとめると：
| X の値 | 1 | 2 | 3 | 4 | 5 | 6 | 合計 |
|---|---|---|---|---|---|---|---|
| 確率 P(X=x) | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1 |
この表を確率分布表と呼びます。「Xがどの値をどのくらいの確率で取るか」を一覧にしたものです。
確率分布をグラフで見る
表をグラフにすると、確率分布の形が一目で見えます。
サイコロの確率分布。すべての目が等しく1/6の確率で出る(一様分布)
確率分布が満たすべき条件
確率分布には、2つの大切な条件があります。第6章の公理的確率を思い出すと、自然な要請であることがわかります。
① 各確率は0以上1以下：0 ≤ P(X=x) ≤ 1
② 全確率の合計は1：すべての確率を足すと1になる
サイコロの例なら、6 × (1/6) = 1 となって、合計が1。これは「サイコロを振れば必ず何かの目が出る」という当たり前のことを表しています。
3. 離散型確率変数と連続型確率変数
確率変数には、大きく分けて離散型と連続型の2種類があります。値の取り方が根本的に違うので、扱い方も変わってきます。
離散型確率変数
離散型確率変数（りさんがた、discrete random variable）は、「飛び飛びの値」しか取らない確率変数です。
- サイコロの出た目：1, 2, 3, 4, 5, 6（間の値はない）
- コイン投げの結果：0または1
- 1日のメールの受信数：0通, 1通, 2通...（小数はない）
- くじ引きで当たった人数：0人, 1人, 2人...
離散型の特徴は、値を一つひとつリストアップできること。確率分布は確率分布表や棒グラフで表現できます。
連続型確率変数
連続型確率変数（れんぞくがた、continuous random variable）は、「実数値ならどんな値でも取れる」確率変数です。
- 身長：163.5cm, 163.55cm, 163.555cm... どこまでも細かく
- 体重：60.0kg, 60.01kg, 60.001kg... 連続的
- 気温：23.0℃, 23.05℃, 23.058℃...
- ボトル飲料の中身の量、走った距離など
連続型の特徴は、値を「リスト」にできないこと。164cmと165cmの間にも、無数の値が存在します。だから、確率分布の表現方法も離散型とは違ってきます。
離散型と連続型の確率分布グラフ
2つの違いをグラフで比べてみましょう。
離散型は飛び飛びの値で棒グラフ。連続型は滑らかな曲線(確率密度関数)で表す
連続型では「確率は面積」
連続型確率変数では、「ある特定の値を取る確率」を考えることに意味がないのが、最初は不思議に感じるところ。たとえば「身長がぴったり163.500000...cm」となる確率は、ほぼ0です（無数の小数点以下がぴったり一致する確率はほぼ0）。
そのかわり、「ある範囲に収まる確率」を考えます。「身長が163cm以上165cm未満になる確率」のように、区間で確率を捉えるのが連続型の特徴です。グラフ上では、その区間の曲線の下の面積が確率を表します。
この曲線は確率密度関数（probability density function）と呼ばれ、次回以降扱う正規分布もこの仲間です。
離散型と連続型の比較
| 観点 | 離散型 | 連続型 |
|---|---|---|
| 取りうる値 | 飛び飛び(リストできる) | 連続的(無限に細かい) |
| 具体例 | サイコロ、コイン、人数 | 身長、体重、気温 |
| 確率分布の表現 | 確率分布表、棒グラフ | 確率密度関数、滑らかな曲線 |
| P(X=x) の意味 | その値を取る確率 | 意味なし(常に0) |
| 確率の捉え方 | 各値の確率を足す | 区間の面積を求める |
離散型と連続型は、値の取り方が根本的に違います。3級では、離散型は確率分布表で扱い、連続型は正規分布を中心に「曲線の下の面積で確率を考える」という発想を押さえれば十分です。
4. 簡単な例題
確率変数と確率分布の感覚をつかむ例題を1問やってみましょう。
コインを2枚同時に投げる試行で、表が出た枚数を確率変数 X とします。
(1) X が取りうる値をすべて書き出してください
(2) X の確率分布表を作ってください
(3) P(X ≥ 1) を求めてください
解答と解説
(1) X の取りうる値
表が出た枚数なので、X は 0, 1, 2 のいずれか。
(2) 確率分布表
コインを2枚投げる試行の全事象は {(表,表), (表,裏), (裏,表), (裏,裏)} の4通り。それぞれの確率は 1/4 ずつです。
- X = 0（表が0枚）：(裏,裏) の1通り → 1/4
- X = 1（表が1枚）：(表,裏), (裏,表) の2通り → 2/4 = 1/2
- X = 2（表が2枚）：(表,表) の1通り → 1/4
| X | 0 | 1 | 2 | 合計 |
|---|---|---|---|---|
| P(X=x) | 1/4 | 1/2 | 1/4 | 1 |
合計は 1/4 + 1/2 + 1/4 = 1。確率分布の条件②（合計が1）を満たしていますね。
(3) P(X ≥ 1)
P(X ≥ 1) は「Xが1以上」、つまり X = 1 または X = 2 の確率。
P(X ≥ 1) = P(X=1) + P(X=2) = 1/2 + 1/4 = 3/4
これは「2枚のうち少なくとも1枚は表」の確率と同じです。第6章で学んだ「少なくとも〜」の発想とつながっていますね。
まとめ
第7章のスタートとなる本ページ、ポイントを整理しておきましょう。
- 確率変数：試行の結果に数値を対応させた変数。記号は X, Y, Z など
- 確率分布：確率変数がどの値をどのくらいの確率で取るかを表すもの
- 確率分布の条件：各確率は0〜1、合計は1
- 離散型確率変数：飛び飛びの値を取る(サイコロ、コイン、人数)
- 連続型確率変数：連続的な値を取る(身長、体重、気温)
- 連続型では確率は面積：特定の値ではなく、区間の面積で考える
次回は平均・分散・標準偏差。確率変数の「中心」と「ばらつき」を計算する方法を学びます。第3章で学んだ平均・分散・標準偏差が、確率変数の世界で再び登場します。
確率変数って、最初の壁さえ越えればすごく便利な道具なんだよ！ 「結果を数字で扱う」発想は、データサイエンスの基礎中の基礎！ 次回は確率変数の平均・分散・標準偏差──第3章で学んだ概念が、確率変数の世界に戻ってくるよ！