ベイズの定理とは？

ベイズの定理の意味

ある結果が観測されたとき、その原因である確率を、原因側の事前確率と条件付き確率から求める式。P(A|B)＝P(B|A)P(A)/P(B)と表す。迷惑メール判定や故障診断のように、「症状から原因を推定する」問題の理論的な土台になる。

ベイズの定理の具体例

発生率0.1％の故障を99％の精度で検出する試験があっても、陽性と出たときに実際に故障している確率は1割にも満たない。母数が小さい事象では偽陽性が圧倒的多数を占めるためで、直感的な感覚と大きくずれる典型例になる。

ベイズの定理は試験でどう引っ掛けられる？

P(A|B)とP(B|A)を同一視するのが最大の誤り。事前確率を無視して検査精度だけで判断すると答えを外す。ベイズフィルタは学習データの偏りをそのまま結果に引き継ぐ点も押さえておきたい。

ベイズの定理と関連する用語

• 期待値
• 混同行列
• 機械学習

ベイズの定理が出た過去問

• 複数の袋からそれぞれ白と赤の玉を幾つかずつ取り出すとき、ベイズの定理を利用して事後確率を求める場合はどれか。

  正解：取り出した玉の色から、どの袋から取り出されたのかを推定するための確率を求める場合

  要点：結果から原因を逆算した確率が事後確率でベイズの定理の対象

  ベイズの定理は「結果」から「原因」を逆向きに推定するための定理で、P(原因|結果) = P(結果|原因)×P(原因)/P(結果) と表される。ここでの原因は「どの袋か」、結果は「取り出した玉の色」なので、観測された玉の色という結果から袋を推定する確率が事後確率にあたる。原因の確率P(袋)を事前確率、結果を観測した後に更新された確率を事後確率と呼ぶ。

  出典：令和6年度 春期 応用情報技術者試験 午前 問1（IPA）