統計学や確率論において、現実世界の不確実な出来事を数学的に扱うための中心的な概念が確率変数です。簡単に言えば、確率変数とは「起こりうるすべての結果（標本空間）を、実数などの数値に変換する関数」のことです。これにより、単なる「出来事」を数値として計算し、平均や分散といった統計的な分析が可能になります。
Key Facts
- 確率変数の本質： 標本空間から実数集合への写像（関数）である。
- 離散型： 飛び飛びの値（整数など）を取る変数。確率質量関数（PMF）で記述される。
- 連続型： ある範囲内のあらゆる値を取る変数。確率密度関数（PDF）で記述される。
- 混合型： 離散的な値と連続的な値の両方の性質を持つ変数。
- 累積分布関数（CDF）： 変数が特定の値以下になる確率を定義する共通の枠組み。
確率変数の基礎概念と仕組み
確率変数を理解するための第一歩は、それを「関数」として捉えることです。例えば、コイン投げという実験において、結果は「表」か「裏」という状態ですが、これを「表なら1、裏なら0」と数値に割り当てたとき、この割り当てルールこそが確率変数となります。
数学的な定義では、確率空間 $(\Omega, \mathcal{F}, P)$ から可測空間 $(E, \mathcal{E})$ への可測関数として定義されます。一般的に、この出力先（値域）は実数の部分集合であることが多く、これにより数値的な解析が可能になります。
離散確率変数（Discrete Random Variable）
離散確率変数は、取ることができる値が有限個であるか、あるいは自然数のように数え上げられる（可算な）場合に用いられます。代表的な例として、ある人の「子供の数」や「サイコロの出目」が挙げられます。
離散型の場合、個々の値が発生する確率を確率質量関数（PMF）で表します。例えば、2つのサイコロを振ったときの合計値 $S$ は離散確率変数であり、その合計が2から12までの各値になる確率は、PMFによって明確に定義されます。
連続確率変数（Continuous Random Variable）
連続確率変数は、ある範囲内のあらゆる実数値を取り得る変数です。例えば、「人の身長」や「回転盤が止まった角度」などがこれに該当します。連続型の場合、ある一点（例：身長がちょうど170.000...cm）になる確率は理論上ゼロとなります。
そのため、連続型では点ではなく「範囲」で確率を考えます。これを定義するのが確率密度関数（PDF）です。特定の区間の確率を求めるには、その区間で密度関数を積分することで算出します。特に、ある区間内でどの値も等しく現れやすい状態を「連続一様分布」と呼びます。
分布関数と変数の変換
離散型と連続型の両方に共通して適用できるのが累積分布関数（CDF）です。これは、確率変数 $X$ がある値 $x$ 以下になる確率 $F_X(x) = P(X \le x)$ を示す関数であり、あらゆる確率変数を統一的に扱うための強力なツールとなります。
また、ある確率変数 $X$ を別の関数 $g(X)$ で変換して新しい確率変数 $Y$ を作成することも一般的です。例えば、$X$ が標準正規分布に従うとき、$Y = X^2$ とすると、その分布はカイ二乗分布へと変化します。このような変換後の分布を求めるには、逆関数や微分を用いた変換公式が利用されます。
確率変数の種類と特性まとめ
| タイプ | 値の性質 | 確率の定義方法 | 具体例 |
|---|---|---|---|
| 離散型 | 飛び飛びの値（可算） | 確率質量関数 (PMF) | サイコロの目、成功回数 |
| 連続型 | 連続的な値（不可算） | 確率密度関数 (PDF) | 時間、温度、身長 |
| 混合型 | 離散と連続の混在 | 両方の組み合わせ | 条件付きで発生する連続値 |
Frequently Asked Questions
確率変数と普通の変数の違いは何ですか？
通常の代数における変数は「未知の確定した値」を指しますが、確率変数は「どのような値を取るかが確率的に決まる関数」を指します。つまり、値そのものではなく、値が出る確率分布を伴う概念です。
連続確率変数で「ある一点の確率が0」とはどういう意味ですか？
連続的な値（例：0から1までの実数）は無限に存在するため、その中のたった一つの値をピンポイントで指定したとき、その選択確率は $\frac{1}{\infty}$ となり、極限的に0になります。そのため、連続型では「ある範囲（区間）に含まれる確率」を議論します。
累積分布関数（CDF）を使うメリットは何ですか？
CDFは離散型・連続型に関わらず、常に「ある値以下である確率」という形式で定義されるため、異なる種類の確率変数を同じ土俵で比較したり、分位点（パーセンタイル）を求めたりする際に非常に便利です。
混合型の確率変数とは具体的にどのようなものですか？
例えば、「コインを投げて、表が出たら0とし、裏が出たら0から1までの乱数を発生させる」という仕組みの場合、値0になる確率は離散的に $1/2$ と決まっており、それ以外は連続的に分布します。このように離散的な点と連続的な範囲が共存するものを混合型と呼びます。
References
- Deisenroth, Marc Peter (2020). Mathematics for machine learning. A. Aldo Faisal, Cheng Soon Ong. Cambridge, United Kingdom: Cambridge University Press. . 1104219401.
- Blitzstein, Joe; Hwang, Jessica (2014). Introduction to Probability. CRC Press. .
- (July 1980). "Harmonic analysis as the exploitation of symmetry – a historical survey" (PDF). . New Series. 3 (1).
- "Random Variables". www.mathsisfun.com. Retrieved 2020-08-21.
- Yates, Daniel S.; ; Starnes, Daren S. (2003). The Practice of Statistics (2nd ed.). New York: . . Archived from the original on 2005-02-09.
- "Random Variables". www.stat.yale.edu. Retrieved 2020-08-21.
- Dekking, Frederik Michel; Kraaikamp, Cornelis; Lopuhaä, Hendrik Paul; Meester, Ludolf Erwin (2005). "A Modern Introduction to Probability and Statistics". Springer Texts in Statistics. :10.1007/1-84628-168-7. . 1431-875X.
{{}}: CS1 maint: periodical has ISBN () - L. Castañeda; V. Arunachalam & S. Dharmaraja (2012). Introduction to Probability and Stochastic Processes with Applications. Wiley. p. 67. .
- (1995). Probability and Measure (3rd ed.). Wiley. p. 187. .
- (2002). Introduction to Probability. Tsitsiklis, John N., Τσιτσικλής, Γιάννης Ν. Belmont, Mass.: Athena Scientific. . 51441829.
📸 フォトギャラリー