［AI・機械学習の数学］確率分布の基本、ベルヌーイ分布、二項分布を理解する：AI・機械学習の数学入門
分類や推定・予測など、機械学習のさまざまな手法の基礎をなす「確率と統計」における「確率分布」とはどのようなものか。離散分布や連続分布といった種類に分けられるが、その一つである離散分布の例としてベルヌーイ分布と二項分布について見ていく。
前回までは、特定の事象（できごと）が起こる確率の取り扱いやベイズの定理などについて見てきました。ここからは「確率分布」について見ていきます。
確率分布とは、全ての事象に対する確率を洗い出して、それらの事象がどのような確率で起こるかを表したもの……いわば全体像を表したものと考えていいでしょう。といっても、抽象的すぎて何のことか分からないかもしれませんね。しかし、具体例を見れば「なんだそんなことか」と簡単に分かる話です。
ここでは「分布」とはそもそもどういうものか、ということから始め、今回は離散分布の例としてベルヌーイ分布と二項分布を、次回は連続分布の例として正規分布とベータ分布を紹介します。併せて次回、ごく簡単にではありますが、事前分布や事後分布など、ベイズ統計に関する話題についても触れます。具体的には、今回と次回で以下のようなトピックを扱います。
目標と解説【その1】： 分布と確率分布
まずは「分布」がどういうものであるかを確認しておきましょう。分布とは、それぞれの事象がどれだけの頻度で起こるかということを表したものと考えられます。例えば、スポーツくじ「TOTO BIG」や「TOTO MEGA BIG」の第1216回の対象となったサッカーの試合では、各試合の得点の合計は以下のようになっていました。
2, 4, 5, 2, 4, 5, 4, 1, 0, 4, 0, 1, 3, 2
最初の2というのは、レヴァー対ブレーメンの結果が1対1だったので、合計が2点ということです。次の4というのは、ウニオン対ヴォルフスの結果が2対2だったので、合計が4点ということですね。それ以降の数字も同様にして求めた合計点です。これらの得点を分かりやすくまとめると以下のような表になります。
| 点数 | 度数 |
|---|---|
| 0 | 2 |
| 1 | 2 |
| 2 | 3 |
| 3 | 1 |
| 4 | 4 |
| 5 | 2 |
| 合計 | 14 |
| 表1 サッカーの合計得点の度数分布表 | |
このような表を度数分布表と呼びます。「度数」というのは「頻度」と同じ意味です。つまり、それが何回あったか、ということです。度数分布表を見ると、合計得点が0点だった試合が2回、1点だった試合が2回、2点だった試合が3回……といったぐあいに整理されていることが分かりますね。度数分布表をグラフ化しておくと、全体像も見やすくなります（図1）。
このようにして度数分布表をグラフ化したものをヒストグラムと呼びます。分布が一目で分かりますね。
続いて「確率分布」について見てみましょう。確率分布とは、度数（ヒストグラムの縦軸）を確率で表したものです。上の例では、表2のようになります。全体の度数つまり試合数が14なので、それぞれの度数を14で割れば求められますね。
| 点数 | 確率 |
|---|---|
| 0 | 1/7 |
| 1 | 1/7 |
| 2 | 3/14 |
| 3 | 1/14 |
| 4 | 2/7 |
| 5 | 1/7 |
| 合計 | 1 |
| 表2 サッカーの得点合計の確率分布 | |
ヒストグラムの方は縦軸の値が変わるだけで、形は全く同じなので省略します。この場合の点数を変数Xで表すと、例えば、X＝0の確率は1/7となります。このような変数Xのことを特に確率変数と呼びます。……という話をいちいち日本語で書くのは冗長なので、数式にして簡潔に表現してみましょう（図2）。
となります。この式の「X=」を省略して、以下のように簡単に表すこともあります。
ここで大事なことは、確率分布では、全体の合計が1になるということです。これも数式で表せます。合計を表すにはΣが使えましたね。
ここまでは、分布と確率分布を理解するために、実際のデータを使った統計的確率の例を見てきました。次に、理論（モデル）に従って確率を計算した例、つまり数学的確率の例についても見ていきましょう。そのような場合には、確率が数式で表せるので、分布も数式だけで表すことができます。もちろん、度数分布表やヒストグラムを作ると直感的に全体像が把握できるので分かりやすくなりますが、確率分布が1つの数式だけで表せるというのが重要なポイントです。
目標【その2】： ベルヌーイ分布とは
結果が2つの場合に分かれるような試行をベルヌーイ試行と呼びます。例えば、コインを投げると表か裏が出ます（立つこともまれにありますがそれについては考えないことにします）。表が出ることを1、裏が出ることを0と表し、表が出る確率をpとすると、
と表されます。これは、以下のような1つの式で表すこともできます。
k＝1のときは、後ろの(1−p)1−kが1になり、［1］式と一致します。また、k＝0のときは、前のpkが1になり、［2］式と一致します。
このような分布をベルヌーイ分布と呼びます。後でグラフを示しますが、2つのうちの1つに決まる最もシンプルな分布です。
解説【その2】： ベルヌーイ分布とは
これからさまざまな確率分布を見ていきますが、モデルを表すにはできるだけシンプルなものから始めるのが鉄則です。というわけで、最もシンプルなベルヌーイ分布から見ていきます。最初に、公式の意味を確認しておきましょう（図3）。まだ実感が湧かないかもしれませんが、ぜひ、番号順に指さし確認しながら読んでみてください。
では、具体例です。【目標】のところでちらっと触れたコイン投げの例で見ていきましょう。コインを投げるとほぼ1/2の確率で表か裏が出ますが、それではつまらないので、表が0.6の確率で出るイカサマコインであるものとしましょう。表が出ることを目的の事象として、1と表せば、P(X＝1)が0.6、P(X＝0)が0.4であることは計算しなくても明らかです。ですが、数式での表現に慣れるために、あえて公式に当てはめてみましょう。
どのような値でも0乗すると1になることを覚えていれば簡単ですね。グラフも描いておきましょう（図4）。
グラフを見ても明らかなように、ベルヌーイ分布では、確率変数Xの値は0,1という飛び飛びの値になります。このように確率変数が飛び飛びの値になっている分布のことを離散分布と呼びます。離散分布には、次に見る二項分布のほかに、離散一様分布、ポワソン分布、超幾何分布などがあります。
ここでは、コイン投げの例を見ましたが、他にもさまざまな例があります。立方体のサイコロには6つの目がありますが、1の目が出る場合とそれ以外の目が出る場合に分ければ、ベルヌーイ分布となります。例えば、どの目も偏りなく出るものとして、1の目が出る場合を1、それ以外の目が出る場合を0とすれば、
となりますね。受け取ったメールが迷惑メールであるかそうでないか、明日の天気が晴れかそうでないかなど、ベルヌーイ分布で表せる事例は数多くあります。
目標【その3】： 二項分布とは
二項分布とは、複数のベルヌーイ試行を行ったときに、それぞれの事象が起こる確率の分布を表したもので、以下の式で表されます。
式が少し複雑になってきましたが、ベルヌーイ分布の公式と似ている部分があることに気がつきますね。二項分布はベルヌーイ試行を何回か行った場合の分布なので、何となく納得できると思います。後で具体例を見ていくので、ここでは大まかな意味をざっと確認しておきましょう。
まず、左辺の意味です。P(X＝k)は、n回の試行でその事象がk回起こる確率を表します。例えば、コインを10回投げて、6回表が出る確率であれば、P(X＝6)と表されます。この場合、n＝10ですね。
次に右辺です。nCkはn個の中からk個選ぶ組み合わせの数です*1。これは、
で求められます。「C」は「Combination（組み合わせ）」の頭文字で、nCkは、「シー、エヌのケー」と読んだり、「コンビネーション、エヌのケー」と読んだりすることが多いようです。
n!はnの階乗を表します。つまり、
です。
pは目的の事象が起こる確率を表します。例えば、表と裏が偏りなく出るコインで、表が出ることを目的の事象とすると、p＝1/2です。
例えば「1/2の確率で表か裏が出るコインを10回投げて6回表が出る」ということを公式に当てはめると、
となります。これを計算すると、答えは0.205となりますが、具体的な計算の方法については、以下の解説のところで見ていきましょう。
解説【その3】： 二項分布とは
まず、以下の図で二項分布の公式を丁寧に確認しておきましょう。n回のベルヌーイ試行を行ったときに、目的の事象がk回起こる確率を求める式でしたね。ここでも、番号順に指さし確認しながら読んでみてください。
次に、なぜこのような式になるのか、具体例を使って見ていきましょう。動画の解説も用意してあるので、考え方をゆっくりと追いかけたい方はぜひ参照してください。動画では文章だけよりも動きが見えるのでより理解しやすいはずです。
動画1 二項分布
ここでは、話を簡単にするために、コイン投げの例を使いましょう。コインを3回投げたときに、表が何回か出る確率を求めてみます。まず、公式を使わずに、どのような結果になるかを地道に列挙していきましょう（表3）。表における（）内の数字は単に事象を区別するためにつけた番号です。
Copyright© Digital Advantage Corp. All Rights Reserved.