身長や体重のような連続的なデータでは、「ちょうどこの値になる確率」は0になってしまいます。そこで登場するのが「確率の濃さ」を表す確率密度です。この記事では、確率との違い、曲線の下の面積が確率になる仕組み、正規分布の68%・95%の性質まで丁寧に解説します。
📖 ひと言でいうと
確率密度とは、連続型確率変数について「その値の近くがどれくらい起こりやすいか」を表す濃さの指標です。確率そのものではなく、確率密度関数(PDF)の曲線の下の面積を計算してはじめて確率になります。
雨にたとえると、確率密度は「1時間あたりの降水量(雨の強さ)」、確率は「実際にバケツに溜まった水の量」です。強い雨(高い密度)でも一瞬なら水はほとんど溜まらず、弱い雨でも長時間なら溜まります。「強さ×幅=量」という関係が、そのまま「密度×区間の幅=確率」に対応します。
🖼 1枚でわかる確率密度
📘 公式テキストの説明
確率密度は、ある区間に属する値がどの程度発生しやすいかを表すもので、確率そのものではなく、確率の「密度」を示します。確率密度関数（PDF）は、連続する値を取る確率変数の分布を曲線で表し、その曲線の下の面積が確率に相当します。連続型確率分布では、確率変数が特定の値をとる確率は0であり、重要なのはある範囲内にその変数が収まる確率です。この確率は、確率密度関数を積分することで計算されます。例えば、ある区間 [a, b] に確率変数が存在する確率は、該当区間内での確率密度関数の積分により求められます。この考え方は、身長や体重などの連続的なデータに対して有効です。確率密度関数の代表的な例として、正規分布が挙げられます。正規分布では、平均を中心に左右対称の釣鐘型の曲線が描かれ、標準偏差が確率変数のばらつきを表します。正規分布の性質により、データの約68%は平均値の±1標準偏差以内に、約95%は±2標準偏差以内に収まります。このように、確率密度関数を用いることで、データの分布状況やその特徴を定量的に把握することができます。
かみ砕くと、「連続型のデータでは1点の確率が0になってしまうので、代わりに各地点の起こりやすさの濃淡(密度)を曲線で描き、知りたい範囲の面積を求めて確率にする」という仕組みです。積分という言葉が出てきますが、G検定レベルでは「曲線とヨコ軸の間の面積を求める操作」と理解すれば十分です。
🔍 しっかり理解する
なぜ「密度」が必要なのか
離散型(サイコロの目など)なら「X = 3になる確率は1/6」と1点に確率を直接割り当てられます。しかし連続型では取りうる値が無限にあるため、1点ずつに正の確率を配ると合計が無限大になってしまいます。そこで発想を変え、「点に確率を置く」のをやめて「場所ごとの濃さ(密度)を決め、幅を掛けて確率にする」方式を採ったのが確率密度です。
- 「X = 3になる確率は1/6」のように1点に直接割り当てる
- 値は必ず0以上1以下
- 全部の値の確率を足すと1
- 各地点の「起こりやすさの濃さ」。面積にしてはじめて確率になる
- 密度の値自体は1を超えることもある
- 曲線の下の面積全体が1
密度は1を超えてもよい——確率との決定的な違い
「0から0.5の間の値が等確率で出る」一様分布を考えてみましょう。全体の面積が1になる必要があるので、幅0.5に対して密度の高さは2でなければなりません(幅0.5 × 高さ2 = 面積1)。このように確率密度の値は2でも10でもあり得ます。「確率密度が1を超えたら矛盾」というのは誤りで、面積(確率)が0以上1以下でありさえすればよいのです。ここは確率と密度を区別できているかを試す典型論点です。
正規分布と68%・95%の面積
確率密度関数の代表例が、平均を中心に左右対称の釣鐘型を描く正規分布です。身長のようなデータでは平均付近の密度が高く(山の頂上)、平均から離れるほど密度が低く(裾野)なります。正規分布には、平均±1標準偏差の範囲の面積が約68%、±2標準偏差の範囲が約95%という便利な性質があります。たとえば平均170cm・標準偏差5cmの集団なら、165〜175cmに約68%、160〜180cmに約95%の人が収まる、と面積から読み取れます。
💡 具体例で考える
「身長がちょうど170cm」の確率は0、でも範囲なら計算できる。平均170cmの集団でも、小数点以下まで完全に170.000…cmの人の確率は0です。しかし「169.5cm以上170.5cm以下」なら、確率密度関数のその区間の面積として正の確率が求まります。健康診断の基準値や品質管理の許容範囲が「〇〇以上△△以下」という区間で定義されるのは、連続データの確率が本質的に区間でしか測れないことと対応しています。
機械学習の異常検知でも確率密度は活躍します。正常な機器の振動データから確率密度を推定しておき、新しい観測値の密度が極端に低い(=正常時にはめったに起きない値の)場合に異常と判定する、という密度ベースの異常検知が実務で広く使われています。
⚠️ よくある誤解・紛らわしい用語
- 「確率密度 = 確率」ではない — 密度は濃さであり、区間で積分(面積計算)してはじめて確率になります。密度の値は1を超えることもあります。
- 「確率密度関数」と「確率分布」 — 確率分布は「確率変数がどの値をどれくらいとりやすいか」という概念全体の呼び名で、連続型ではそれを確率密度関数という曲線で表現します。離散型では確率質量関数(各値の確率の一覧)で表します。
- 「1点の確率が0 = その値は起こらない」ではない — 候補が無限にあるため1点では0になるだけで、範囲で見れば正の確率です。
- 68%・95%の取り違え — ±1標準偏差が約68%、±2標準偏差が約95%です。数字を逆に覚えないよう注意しましょう。
📝 試験でのポイント
- 「確率密度関数の曲線の下の面積が確率に相当する」という記述の正誤判定が基本形です。
- 「連続型確率変数が特定の値をとる確率は0」「範囲の確率は積分で求める」という2つの性質はセットで問われやすいポイントです。
- 「確率密度の値は1を超えることがあるか」という一歩踏み込んだ正誤問題も想定されます(答え: 超えることがある)。
- 正規分布の±1標準偏差≒68%、±2標準偏差≒95%は具体的な数字で問われる可能性があるので正確に覚えておきましょう。
📚 まとめ
- 確率密度は連続型確率変数の「起こりやすさの濃さ」で、確率そのものではない。
- 確率密度関数の曲線の下の面積が確率になり、区間[a, b]の確率は積分で求める。
- 密度の値は1を超えうるが、面積(確率)は必ず0以上1以下。
- 代表例の正規分布では±1標準偏差に約68%、±2標準偏差に約95%が収まる。
