G検定 用語解説
最尤法とは
観測されたデータが得られる確率（尤度）が最大になるようにパラメータを決める推定方法。
まず押さえる結論
最尤法は、G検定の「大項目8 AIに必要な数理・統計知識」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×相関と因果の取り違え（相関があっても因果とは限らない。第3の要因＝交絡に注意）。
×ベイズの定理（事前確率を観測で更新する）の理解。
×正規分布の性質（左右対称・釣鐘型・平均と標準偏差の2パラメータ）と他の概念の混同。
関連する確認問題
大項目8 AIに必要な数理・統計知識 / 確率・統計
モデルのパラメータを推定する手法に関する次の説明のうち、誤っているものはどれか。
正解は「最尤法とは、実際のデータとモデルによる予測値との誤差（残差）の二乗和が最小になるようにパラメータを決める方法である」（誤り）である。この説明は最小二乗法の定義であり、最尤法は観測されたデータが得られる確率（尤度）が最大になるようにパラメータを決める方法である。両者は出発点となる基準が異なる推定方法だが、母集団の分布に正規分布を仮定すると同じ推定結果を導くことが知られている。最小二乗法・最尤法（尤度の定義）・両者の関係の説明はいずれも正しい。
大項目8 AIに必要な数理・統計知識 / 確率・統計
時系列データにおいて、一定期間の区間を少しずつずらしながら平均を計算し、短期的な変動を平滑化して傾向を把握する手法はどれか。
移動平均を選ぶ決め手は、時系列データを区間ごとにずらしながら計算し、短期的な変動を平滑化する「手法」を答えているかどうかである。区間の幅を広げるほど変動は滑らかになる一方、直近の変化への反応は遅くなるというトレードオフを持つ。標準偏差・最尤法・二項分布はいずれもこの平滑化の手法ではなく、ばらつきを測る指標、パラメータを推定する方法、試行結果の分布という別の役割を担う語であり、区間をずらして傾向を把握するという移動平均の目的とは対象が異なる。
大項目8 AIに必要な数理・統計知識 / 確率・統計
モデルによる予測値と実際のデータとの誤差（残差）の二乗和が最小になるようにパラメータを決める推定方法はどれか。
正解は「最小二乗法」である。設問の決め手は、予測値と実測値の差である残差を二乗し、その合計を最小にするという基準である。最尤法は観測データの尤度を最大にする基準でパラメータを選ぶため、設問の基準とは異なる。相関係数と共分散はどちらも2変数の関係を捉える指標であり、モデルのパラメータを決める推定方法ではない。目的関数が残差平方和か尤度かを最初に見分ける。二つの変数の関係を要約する指標ではなく、回帰直線をデータへ当てはめる基準を問う設問である。
同じ章で確認したい用語
到達チェック
- 最尤法を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、最尤法に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）