← 統計検定テキスト 一覧

📊 対象級：3級 ・ 2級　|　重要度：A（頻出）

条件付き確率・独立性・全確率の定理 ── 標本空間の縮小／独立の同値条件／分割と全確率

要点（BLUF）

• 条件付き確率 $P(B\mid A)=\dfrac{P(A\cap B)}{P(A)}$（$P(A)>0$）＝「標本空間 $\Omega$ を $A$ に縮め、その縮んだ世界で $A\cap B$ の割合を測る」。分母 $P(A)$ は縮んだ世界の確率を再び合計1に戻す正規化定数。クロス集計の行比率 $P(\text{列}\mid\text{行})$（クロス集計表・行/列比率・連関 ── 同じ表でも「何で割るか」で結論が変わる）と同じもの。
• 独立 $\iff P(A\cap B)=P(A)P(B)\iff P(B\mid A)=P(B)\iff P(A\mid B)=P(A)$。「条件を付けても確率が変わらない」が独立の本質。独立を $n$ 回繰り返す反復試行（ベルヌーイ試行）で「ちょうど $k$ 回成功」$={}_nC_k\,p^k(1-p)^{n-k}$（ベルヌーイ分布・二項分布 への橋渡し）。
• 全確率の定理 $P(B)=\sum_i P(A_i)P(B\mid A_i)$（$\{A_i\}$ が $\Omega$ の分割＝排反かつ網羅）＝「樹形図の枝の確率を掛けて、全経路を足す」。これが次トピック ベイズの定理 の分母になる。

本文

条件付き確率の定義

条件付き確率 $P(B\mid A)$ とは「事象 $A$ が起きたとわかっているときに、事象 $B$ が起きる確率」。定義は

要するに「$A$ が起きた世界に話を限定し、その中で $B$（正確には $A\cap B$）が占める割合」。分母が全体 $\Omega$ ではなく $A$ になっているのがポイント（後述「標本空間の縮小」）。$P(A)=0$ のときは「起きない事象を条件にする」ことになり定義されない。

記号の向きに注意：$P(B\mid A)$ は「$A$ を条件として $B$」。縦棒の右が条件（前提）、左が知りたい事象。

乗法定理の再確認と樹形図の連鎖

条件付き確率の定義の両辺に $P(A)$ を掛けると、前トピック 確率の基本（定義・加法定理・乗法定理） の乗法定理が出る：

これを多段に伸ばすと乗法の連鎖（chain rule）：

要するに「樹形図の枝を根からたどり、各枝の確率を順に掛けていく」。第1段で $A$（確率 $P(A)$）、$A$ が起きた枝の先で $B$（確率 $P(B\mid A)$）、さらにその先で $C$（確率 $P(C\mid A\cap B)$）。1本の経路の確率＝その経路上の枝の確率の積。

独立性

独立とは「一方の事象が起きても、他方の起こりやすさが変わらない」こと。定義式は

$P(A)>0,\ P(B)>0$ のとき、これは次と同値：

要するに「条件を付けても確率が変わらない（$P(B\mid A)=P(B)$）」が独立の意味。乗法定理 $P(A\cap B)=P(A)P(B\mid A)$ で $P(B\mid A)=P(B)$ なら、確かに $P(A\cap B)=P(A)P(B)$ に化ける。

独立試行・反復試行（ベルヌーイ試行）：各回の結果が互いに独立で、成功確率 $p$ が毎回一定の試行を $n$ 回繰り返すのがベルヌーイ試行列。独立だから各回の確率は単純に掛け算でき、「ちょうど $k$ 回成功」する確率は

ここで ${}_nC_k$（場合の数・順列・組合せ の二項係数）は「$n$ 回のうちどの $k$ 回が成功か」の場所の選び方。$p^k(1-p)^{n-k}$ は1つの並び（成功 $k$ 個・失敗 $n-k$ 個）の確率で、独立ゆえどの並びも同じ確率。これが Phase 3 の二項分布 ベルヌーイ分布・二項分布 そのもの。例：打率 $0.3$ の打者が4打席でちょうど2安打する確率は ${}_4C_2(0.3)^2(0.7)^2=6\cdot0.09\cdot0.49=0.2646$。

全確率の定理（法則）

標本空間の分割：事象の集まり $\{A_1,A_2,\dots,A_k\}$ が $\Omega$ の分割であるとは、次の2条件を満たすこと。

• 排反：$i\neq j$ なら $A_i\cap A_j=\varnothing$（どの2つも同時に起きない）
• 網羅：$\bigcup_i A_i=\Omega$（全部合わせると全体を覆う）

ひとことで「漏れなくダブりなく」全体を分けた、ということ。このとき、任意の事象 $B$ について

要するに「$B$ が起こりうる全ての経路（どの $A_i$ を通って $B$ に至るか）の確率を足し合わせる」。樹形図でいえば「$B$ にたどり着く全ての枝の積を合計する」。直接 $P(B)$ を求めにくいとき、原因 $A_i$ で場合分けして足すのが定石。

樹形図で見ると一目瞭然

袋1（赤7・白3）と袋2（赤2・白8）から等確率で1袋選び、玉を1つ引くとき、$P(\text{赤})$ を求める。「赤が出る経路」は2本ある。

flowchart LR
  S["スタート"]
  S -->|"P=1/2"| F1["袋1<br/>赤7白3"]
  S -->|"P=1/2"| F2["袋2<br/>赤2白8"]
  F1 -->|"P=7/10"| A1["赤<br/>経路1"]
  F2 -->|"P=2/10"| A2["赤<br/>経路2"]
  A1 -->|"掛けて足す"| G["P赤 = 9/20"]
  A2 -->|"掛けて足す"| G

それぞれの経路の確率を掛けて、足す。

「枝を掛けて、経路を足す」。これが全確率の定理の正体。そしてこの $P(\text{赤})$ こそが、次トピックのベイズの定理 $P(\text{袋1}\mid\text{赤})=\dfrac{P(\text{袋1})P(\text{赤}\mid\text{袋1})}{P(\text{赤})}$ の分母になる（ベイズの定理）。

具体例

• 条件付き確率：トランプ52枚から1枚引く。「絵札 $B$」の確率は $12/52$。だが「ハート $A$ だとわかっている」条件なら、世界はハート13枚に縮む。その中の絵札（J/Q/K）は3枚なので $P(B\mid A)=3/13$。$P(A\cap B)/P(A)=(3/52)/(13/52)=3/13$ と一致。
• 独立：コインとサイコロを同時に投げる。「コインが表 $A$」と「サイコロが6 $B$」は独立で、$P(A\cap B)=\frac12\cdot\frac16=\frac{1}{12}$。コインの結果はサイコロに影響しない（$P(B\mid A)=P(B)=\frac16$）。
• 全確率の定理：袋1（赤7・白3）と袋2（赤2・白8）から等確率で1袋選び、玉を1つ引く。$P(\text{赤})=P(\text{袋1})P(\text{赤}\mid\text{袋1})+P(\text{袋2})P(\text{赤}\mid\text{袋2})=\frac12\cdot\frac{7}{10}+\frac12\cdot\frac{2}{10}=\frac{9}{20}$。「どの袋経由か」で場合分けして足した。

モンティ・ホール問題（条件付き確率の名物例）

条件付き確率の威力（と直観の裏切られ方）がよくわかる超有名問題。

3つのドアがあり、1つが当たり（残り2つはハズレ）。あなたが1つ選んだあと、司会者は残り2つのうちハズレのドアを1つ開けて見せる。ここで「選んだドアのままにする？ それとも残った1つに変更する？」と聞かれる。

直観だと「残り2枚なんだから、どっちも1/2でしょ？」と思うが、正解は「変更したほうが得（当たり率が2倍）」。3つの場合を全部書き出すとわかる。

表を見ると、変更すると3回のうち2回当たり（2/3）、変更しないと3回のうち1回（1/3）。カラクリは「最初に外れを引いていれば（確率2/3）、司会者がもう片方の外れを開けてくれるので、残った1枚は必ず当たり」という点。つまり変更時の当たり率は「最初に外れる確率＝2/3」にそのまま一致する。

これは「司会者がハズレを開けた」という情報（条件）が加わったことで、残りのドアの確率が更新された例。きっちりした確率の更新計算は次トピックのベイズの定理で行う。

試験での問われ方

• 3級：条件付き確率 $P(B\mid A)=P(A\cap B)/P(A)$ の定義と計算、独立な試行（コイン・サイコロの組合せ）、反復試行の ${}_nC_k p^k(1-p)^{n-k}$、樹形図での乗法。範囲表の文言は「確率（独立な試行、条件付き確率）」。
• 2級：全確率の定理（ベイズの分母として）、独立と排反の厳密な区別、条件付き確率→ベイズへの接続。範囲表は「確率（統計的推測の基礎となる確率、ベイズの定理）」。
• 準1級：多変量への一般化（条件付き分布・条件付き期待値 同時分布・周辺分布・条件付き分布）、ペア独立と相互独立の区別など独立性の精密な扱い。
• ※出題範囲は改訂されうるため受験前に公式最新の出題範囲表で要最新確認（3級は2018年版、2級は2024年9月版が直近で確認した版。年度で更新される）。

数式の直観的意味

条件付き確率＝標本空間の縮小（正規化）

定義 $P(B\mid A)=\dfrac{P(A\cap B)}{P(A)}$ を面積で見る。$\Omega$ を面積1の長方形、$A$・$B$ をその中の領域とする。

• 「$A$ が起きた」とわかった瞬間、世界は $A$ の中だけに縮む（$A$ の外は起こらなかったので考えない）。
• 縮んだ世界 $A$ の中で $B$ が占めるのは $A\cap B$ の部分。その割合が $P(B\mid A)$。
• ただし縮んだ世界 $A$ の面積は $P(A)$ で、1ではない。確率は「全体で合計1」でなければならないので、$P(A\cap B)$ を $P(A)$ で割って縮んだ世界での合計を1に戻す。この $\dfrac{1}{P(A)}$ が正規化定数。

確かめ算：縮んだ世界での全確率は $P(\Omega\mid A)=\dfrac{P(A\cap\Omega)}{P(A)}=\dfrac{P(A)}{P(A)}=1$。正規化が効いて合計1になっている。$P(\cdot\mid A)$ 自体が（縮んだ世界 $A$ 上の）れっきとした確率で、コルモゴロフの3公理（確率の基本（定義・加法定理・乗法定理））をすべて満たす。

これは クロス集計表・行/列比率・連関 ── 同じ表でも「何で割るか」で結論が変わる の行比率と全く同じ操作：クロス集計で「行 $i$ の中での列 $j$ の割合」$=\dfrac{n_{ij}}{R_i}=P(\text{列}j\mid\text{行}i)$ は、世界を行 $i$ に縮めて（分母を行和 $R_i$ にして）列 $j$ の割合を測ること。条件付き確率の実データ版が行比率。

独立の同値な特徴づけ（3つの式は相互に導ける）

$P(A)>0,\ P(B)>0$ とする。次の3つは同値：

(i)$\Rightarrow$(ii)：条件付き確率の定義に(i)を代入。

(ii)$\Rightarrow$(i)：乗法定理 $P(A\cap B)=P(A)P(B\mid A)$ に(ii)を代入すれば $P(A\cap B)=P(A)P(B)$。

(i)$\Leftrightarrow$(iii)：$A,B$ の役割を入れ替えて同じ議論（$P(A\mid B)=\dfrac{P(A\cap B)}{P(B)}=\dfrac{P(A)P(B)}{P(B)}=P(A)$）。

要するに「$A$ を条件にしても $B$ の確率が変わらない（(ii)）」「$B$ を条件にしても $A$ の確率が変わらない（(iii)）」「同時確率が積に分解する（(i)）」はすべて同じことの言い換え。独立は対称（$A$ が $B$ と独立なら $B$ も $A$ と独立）。

全確率の定理の導出（分割→排反→公理3）

分割 $\{A_1,\dots,A_k\}$（排反かつ $\bigcup_i A_i=\Omega$）を用意する。事象 $B$ を、各 $A_i$ を通る部分に切り分ける：

要するに「$B$ は『$A_1$ 経由の $B$』『$A_2$ 経由の $B$』…の寄せ集め」。ここで $\{A_i\}$ が排反なので、$\{B\cap A_i\}$ も互いに排反（$i\neq j$ なら $(B\cap A_i)\cap(B\cap A_j)\subseteq A_i\cap A_j=\varnothing$）。排反な事象の和の確率は**コルモゴロフの公理3（完全加法性）**で足し算にできる：

最後に各項に乗法定理 $P(B\cap A_i)=P(A_i)P(B\mid A_i)$ を使えば、

これが樹形図の「枝の確率を掛けて（$P(A_i)\cdot P(B\mid A_i)$）、全経路を足す（$\sum_i$）」の数式表現。排反性が「足してよい」根拠、網羅性が「経路を取りこぼさない」根拠で、分割の2条件が両方とも本質的に効いている。次トピック ベイズの定理 では、この $P(B)$ がベイズの定理 $P(A_i\mid B)=\dfrac{P(A_i)P(B\mid A_i)}{P(B)}$ の分母として再登場する。

ペア独立 ≠ 相互独立（3事象の反例）

相互独立（3事象）とは、$2^3-3-1=4$ 本の条件をすべて満たすこと：

最初の3本（どの2つも独立）がペアごと独立、4本目が3つまとめての独立。ペア独立は相互独立を意味しない。

反例（coin2枚）：公正なコインを2枚投げる。$\Omega=\{\text{表表},\text{表裏},\text{裏表},\text{裏裏}\}$（各 $1/4$）。

• $A$：1枚目が表 $=\{\text{表表},\text{表裏}\}$
• $B$：2枚目が表 $=\{\text{表表},\text{裏表}\}$
• $C$：2枚の表裏が一致 $=\{\text{表表},\text{裏裏}\}$

各確率は $P(A)=P(B)=P(C)=\dfrac12$。ペアを確認すると：

どの2つも独立。ところが3つまとめると：

要するに「$A$ と $B$ が両方わかれば $C$ は完全に決まってしまう（表表なら必ず一致）」ので、$A,B$ を条件にすると $C$ の確率が $\frac12$ から $1$ に変わる＝3つまとめると独立でない。「2つずつ独立」を確認しただけで「3つ独立」と結論してはいけない（準1級の注意点）。

⚠️ 引っかけポイント・頻出論点・級ごとの差

• 条件付き確率の向きの混同（$P(B\mid A)\neq P(A\mid B)$）：縦棒の右が条件。「$A$ ならば $B$ の率」と「$B$ ならば $A$ の率」は別物。一般に $\dfrac{P(A\cap B)}{P(A)}\neq\dfrac{P(A\cap B)}{P(B)}$（分母が違う）。両者をつなぐのが ベイズの定理。医療検査の「陽性的中率 $P(\text{病気}\mid\text{陽性})$」と「感度 $P(\text{陽性}\mid\text{病気})$」を取り違えるのが典型ミス。
• 独立と排反の混同（最頻出・再掲）：排反 $=P(A\cap B)=0$（同時に起きない）、独立 $=P(A\cap B)=P(A)P(B)$（影響しない）。$P(A)>0,P(B)>0$ なら排反な2事象は独立になり得ない（排反だと $P(A\cap B)=0$ だが独立なら $>0$ で矛盾）。詳細は 確率の基本（定義・加法定理・乗法定理）。
• 「条件付き確率は必ず元より小さい/大きい」という誤解：$P(B\mid A)$ は $P(B)$ より大きくも小さくも等しくもなりうる。条件 $A$ が $B$ を起こりやすくすれば大きく($P(B\mid A)>P(B)$)、起こりにくくすれば小さく、無関係(独立)なら等しい。「条件を付けたら必ず確率が下がる」は誤り。
• 全確率の定理は分割（網羅・排反）でないと使えない：$\{A_i\}$ が $\Omega$ を覆っていない（網羅していない）と経路を取りこぼし、重なっている（排反でない）と二重計上する。「漏れなくダブりなく」の分割が前提。
• ペア独立 ≠ 相互独立：2つずつ独立でも3つまとめると独立とは限らない（上の coin 反例）。逆に相互独立ならペア独立は当然成り立つ（4本目を含む条件の一部だから）。
• 復元 vs 非復元での独立性：玉を戻して引く（復元）と各回は独立（毎回同じ条件）。戻さず引く（非復元）と前の結果で残りが変わり従属（$P(B\mid A)\neq P(B)$）。くじ2回引きで $\frac{4}{10}\cdot\frac{4}{10}$（復元・独立）か $\frac{4}{10}\cdot\frac{3}{9}$（非復元・従属）かを取り違えない（確率の基本（定義・加法定理・乗法定理） 再掲）。
• 級差：3級＝条件付き確率の定義と計算・独立な試行・反復試行 → 2級＝全確率の定理（ベイズの分母）・独立と排反の厳密な区別 → 準1級＝条件付き分布への一般化・ペア独立と相互独立の区別。同じ「独立」でも、3級は試行の独立、2級は事象の独立の厳密化、準1級は多変量・相互独立と深さが上がる。

よくある疑問

Q1. なぜモンティ・ホールは変更したほうが得なんですか？

カギは「司会者は必ずハズレのドアを開ける（知っていて選んでいる）」点です。あなたが最初に当たりを引く確率は1/3しかありません。逆に外れを引く確率は2/3で、このとき司会者がもう片方の外れを開けてくれるので、残った1枚は必ず当たりになります。つまり「最初に外れていれば、変更で当たる」。だから変更したときの当たり率は、最初に外れる確率2/3にそのまま一致します。「残り2枚だから1/2」と思うのは、司会者が情報を持って動いている点を見落とした誤りです。

Q2. 独立と排反は何が違うんですか？（再掲）

よく混同されます。排反は「同時に起こらない」（$P(A\cap B)=0$、事象どうしの関係）。独立は「影響しない」（$P(A\cap B)=P(A)P(B)$）。決定的なのは、両方の確率が正なら、排反な2事象は独立になれないこと。排反だと $P(A\cap B)=0$ なのに、独立なら $P(A\cap B)=P(A)P(B)>0$ で矛盾するからです。「排反だから独立」「独立だから排反」はどちらも誤りです（確率の基本（定義・加法定理・乗法定理））。

Q3. 条件付き確率は、条件を付けると必ず小さくなるんですか？

いいえ。$P(B\mid A)$ は $P(B)$ より大きくも小さくも、等しくもなりえます。条件 $A$ が $B$ を起こりやすくすれば大きく、起こりにくくすれば小さく、無関係（独立）なら等しくなります。条件次第で増減どちらもありえます。

まとめ

• 条件付き確率 $P(B\mid A)=\dfrac{P(A\cap B)}{P(A)}$：$A$ の世界に縮めて割合を測る。分母は正規化。行比率（クロス集計表・行/列比率・連関 ── 同じ表でも「何で割るか」で結論が変わる）と同じ。
• 独立：条件を付けても確率が変わらない。$P(A\cap B)=P(A)P(B)\iff P(B\mid A)=P(B)\iff P(A\mid B)=P(A)$。反復試行は ${}_nC_k p^k(1-p)^{n-k}$（ベルヌーイ分布・二項分布）。
• 全確率の定理 $P(B)=\sum_i P(A_i)P(B\mid A_i)$：分割（漏れなくダブりなく）した経路ぜんぶの確率を足す。樹形図の「枝を掛けて足す」。次回ベイズの分母。
• 独立と排反は別物。条件付き確率は条件次第で増えも減りもする。

対応するシミュレーション

• simulations/monty_hall.py
  • 何を示すか：3つのドアのモンティ・ホール問題を多数回シミュレートし、「選択を変更する戦略」と「変更しない戦略」の当たり率を実測する。条件付き確率（司会者がハズレを開けた後の確率更新）の直観に効く超定番。
  • 結論：変更する戦略の当たり率は約 $2/3\approx0.667$（実測0.6658）、変更しない戦略は約 $1/3\approx0.333$（実測0.3342）。変更する方が約1.99倍当たりやすい。最初の選択が外れ（確率 $2/3$）なら司会者の行動で残り1枚に当たりが集中するため、変更が有利。ベイズの分母が全確率の定理になっている（ベイズの定理 への布石）。

• simulations/zenkakuritsu_teiri.py
  • 何を示すか：中身の違う2つの袋から等確率で1袋選び玉を引く試行を多数回行い、$P(\text{赤})$ の実測値が全確率の定理 $\sum_i P(\text{袋}_i)P(\text{赤}\mid\text{袋}_i)$ の理論値に一致することを確認する。ベイズの分母の準備。
  • 結論：実測の $P(\text{赤})=0.4498$ と全確率の定理の計算値 $\frac{9}{20}=0.45$ がほぼ一致。「経路ごとに（袋ごとに）場合分けして枝の確率を掛けて足す」が正しいことを数値で裏づける。この0.45が次回ベイズの定理の分母になる。

関連ノート

• 確率の基本（定義・加法定理・乗法定理）（確率の定義・加法/乗法定理 ── 乗法定理 $P(A\cap B)=P(A)P(B\mid A)$ と縮んだ標本空間の初出。コルモゴロフの公理3が全確率の定理の根拠。後トピック）
• 場合の数・順列・組合せ（場合の数・順列・組合せ ── 反復試行の二項係数 ${}_nC_k$ の出どころ。後トピック）
• クロス集計表・行/列比率・連関 ── 同じ表でも「何で割るか」で結論が変わる（クロス集計表・行/列比率 ── 行比率 $=P(\text{列}\mid\text{行})$ が条件付き確率の実データ版。行比率と列比率の違いが $P(B\mid A)\neq P(A\mid B)$。Phase 1）
• ベイズの定理（ベイズの定理 ── 条件付き確率の向きを逆転（$P(B\mid A)$ から $P(A\mid B)$）。全確率の定理がその分母になる。次トピック）
• ベルヌーイ分布・二項分布（二項分布 ── 反復試行 ${}_nC_k p^k(1-p)^{n-k}$ がそのまま確率質量関数。Phase 3）
• 同時分布・周辺分布・条件付き分布（同時分布・周辺分布・条件付き分布 ── 条件付き確率の確率変数版（条件付き分布）への一般化。準1級・Phase 2後半）