確率分布：定義・種類・性質・応用

主な性質と表記法

分布は、相互に補い合う複数の方法で記述される。確率質量関数（PMF）は、変数が可算個の値をとる場合に、個々の値の確率を与える。確率密度関数（PDF）は連続型変数に対する密度を与え、区間の確率はPDFを積分することで求められる。累積分布関数（CDF）は、変数がある閾値以下となる確率を記録するもので、離散型と連続型の両方に適用される。重要な数学的性質には、非負性（確率は負にならない）、正規化（全確率は1である）、加法性（互いに排反な結果の和集合の確率は、それぞれの確率の和である）がある。

分布から導かれる標準的な要約量には、期待値（平均）、分散（ばらつき）、および高次モーメントがある。積率母関数や特性関数といった技術的な変換は、解析に有用な手段である。入門的な解説は参考資料にある。

種類と代表的な例

確率分布は通常、離散型、連続型、混合型に分類される。離散型の例には、ベルヌーイ分布（成功・失敗）、二項分布（固定回数の試行における成功回数）、幾何分布、ポアソン分布（一定区間に起こる事象の回数）がある。連続型の例には、一様分布（ある区間で密度が等しい）、正規分布またはガウス分布（釣鐘型で、応用統計学に広く現れる）、指数分布（ポアソン事象間の時間）、および比率や割合のモデル化に用いられるベータ分布・ガンマ分布の族がある。

各分布族には、その形状や尺度を変えるパラメータがある。実務家は、観測データの挙動または理論上の仮定に合うように分布を選択する。さらに読むには分布の例を参照。

歴史と理論的基礎

結果に数値的な重みを割り当てるという考え方は、確率論が17世紀の賭博問題から成熟し、形式的な数学分野へと発展する過程で形成された。初期の貢献者には、組合せ論的問題に取り組んだパスカル、フェルマー、ベルヌーイ、および条件付き推論に関わるベイズが含まれる。正規分布の理論は、誤差や天文学との関連で18世紀から19世紀にかけて発展した。20世紀には、確率は公理論的な基礎の上に置かれ、分布と確率変数の性質が明確化された。入門的な歴史は確率論の歴史を参照。

応用と利用例

確率分布は、科学、工学、経済学の広範な分野で不可欠である。測定誤差、母集団の特性、待ち行列システム、信頼性、リスクのモデル化に用いられる。統計学では、仮説検定、推定、予測モデリングの基礎となる。機械学習では、尤度や事前・事後の信念として現れる。モンテカルロ法などのシミュレーションでは、分布を用いて合成データを生成し、解析的には扱いにくい量を推定する。実践的な手引きと応用に関する解説は応用確率で参照できる。

区別と注目すべき事実

数値を並べただけのものが、すべて確率分布となるわけではない。重みは前述の公理を満たさなければならない。一部の確率変数は、離散的な原子と連続的な密度成分の両方をもつ混合分布に従う。重要な区別として、極端な値の確率が大きい裾の重い分布か、裾の軽い分布か、対称か歪んでいるか、またモーメントが存在するかどうかが挙げられる。より技術的な扱いやソフトウェア実装のヒントについては、高度な参考資料を参照。

• 関連項目：二項分布、正規分布、ポアソン分布などの代表例と、それらの平均および分散の性質。
• 応用範囲は品質管理や金融から自然科学、人工知能まで及ぶ。

確率分布を理解することは、データを解釈し、不確実性の下で意思決定を行うための基礎である。確率分布は理論上の確率と観測された頻度を結び付け、統計的推論のための言語を提供する。

参考文献・学習資料：確率論と統計学の教科書、およびオンライン講義資料には、直感と技術的技能を養うための例題、証明、計算演習が収められている。