すべてのカテゴリ

前回までの「AIのしくみ入門」シリーズでは、ニューラルネットワークやCNNの仕組みを扱ってきましたが、今回からは新しいシリーズとして、大学の「データサイエンス入門」講義資料をもとに、データサイエンスの土台になっている数学的な考え方を整理していきます。第1回のテーマは「確率」です。AIやデータ分析のあらゆる場面で顔を出す考え方なので、少し時間をかけてでもしっかり押さえておきたい分野です。数式もそれなりに出てきますが、一つひとつ丁寧に追っていきます。・そもそも「確率変数」とは何かサイコロを振ったときに出る目や、ストップウォッチで測った反応時間のように、「実際にやってみるまで値が決まらないが、どんな値が出やすいかには一定の規則がある」量のことを、確率論では「確率変数」と呼びます。確率変数には大きく2つの種類があります。離散的な確率変数は、飛び飛びの値しか取らない確率変数です。サイコロの目(1〜6の整数)や、コインを10回投げたときの表の出た回数などがこれにあたります。連続的な確率変数は、ある範囲の中の任意の値を(理論上は無限に細かく)取りうる確率変数です。ストップウォッチで測った時間や、身長・体重といった量がこれにあたります。この「離散か連続か」という区別は、この後に出てくる確率分布の性質を考えるうえで、地味に効いてくる大事なポイントです。・確率分布とその性質確率変数がどの値をどれくらいの確率で取るかをまとめたものが「確率分布」です。サイコロの目Xのように、離散的な確率変数の場合、それぞれの目が出る確率は1/6ずつで、横軸に目の数、縦軸に確率を取ったグラフを描くと、6本の同じ高さの棒