確率変数は、不確実な過程の結果を表すために用いられる数学的対象である。形式的な場面では、標本結果を数値に対応づけることで、偶然を厳密に解析できるようにする。数学や確率論の学習において、確率変数は、現実の実験と、さまざまな結果の起こりやすさを示す数値的な要約を結びつける橋渡しとなる。

性質と基本的な種類

確率変数は、取る値の性質によって分類される。代表的な分類は次のとおりである。

  • 離散型: 数え上げ可能な値を取る（例：コイン投げで表が出た回数）。
  • 連続型: 区間や連続体から値を取る（例：測定された長さ）。
  • 混合型: 離散成分と連続成分を併せ持つ。

各確率変数には、異なる値や範囲がどの程度起こりやすいかを定量化する確率記述が対応する。

主要な関数と要約量

確率変数を表す主な道具には、次のものがある。

  • 確率質量関数（PMF）: 離散型変数について、各値の確率を与える。
  • 確率密度関数（PDF）: 連続型変数について、相対的な起こりやすさを表し、区間にわたる確率は積分で求める。
  • 累積分布関数（CDF）: 変数がある値以下である確率を与え、すべての型に適用される。
  • 期待値と分散: 中心傾向とばらつきを表し、平均的な振る舞いと散らばりを要約する。

歴史と発展

この概念は、17世紀から19世紀にかけて、確率論が賭け事から一般的な数学理論へと発展する中で現れた。20世紀には、公理化と測度論的基礎が整備され、確率変数は確率空間上の可測関数として扱えるようになった。これにより、離散的な場合と連続的な場合が統一され、統計学や確率過程における厳密な解析が可能になった。

用途、例、重要性

確率変数は、統計学、リスク評価、信号処理、機械学習、金融、そして多くの応用科学で中心的な役割を果たす。例としては、日々の降水量をモデル化すること（連続型）、製造業で欠陥数を数えること（離散型）、将来の資産収益を表すこと（しばしば連続型または混合型としてモデル化される）などがある。これらは、確率を計算し、不確実性を数量化し、リスクの下で意思決定を行うことを可能にする。

重要な区別

確率変数と、実際に観測された単一の値は区別する必要がある。確率変数は、結果に数を割り当てる規則を表し、実現値はその中で得られた一つの観測値である。また、異なる二つの確率変数が同じ分布を共有していても、背後にある実験は異なりうる。これらの区別を理解すると、確率モデルを用いる際の解釈が明確になる。