G検定 用語解説
確率変数とは
試行の結果に応じて値が定まる変数。とる値が離散的な離散型と連続的な連続型に分かれ、値と確率との対応関係が確率分布として表される。
まず押さえる結論
確率変数は、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
連続型の確率変数について、度数分布表の階級幅を限りなく細かくしたときに相対度数のグラフが近づく、理論上の分布を表すものはどれか。
正解は「確率密度」である。度数分布表の階級幅を限りなく細かくしていくと、実測データに基づく度数分布のグラフは理論上のなめらかな曲線に近づいていく。この極限にあたる、連続型の確率変数の分布を表す関数の値が確率密度である。確率分布は確率変数の取り得る値と確率の対応関係全体を指す、離散型・連続型どちらにも使えるより広い概念であり、確率変数はその対応関係の元になる変数そのものを指す。度数分布は階級幅を細かくする前の実測データの集計であり、いずれも「階級幅を限りなく細かくした極限」という条件そのものを表す語ではない。
大項目8 AIに必要な数理・統計知識 / 確率・統計
確率変数が平均からどれくらい散らばっているかを二乗平均で表す量はどれか。
正解は「分散」である。分散は、値が平均からどれくらい散らばっているかを二乗した偏差の平均として表す量である。期待値は平均的な値、p値は仮説検定で観測結果以上に極端な結果が出る確率に関わる指標、相関と因果は変数間の関係の見分け方に関する論点である。 選択肢ごとの差は次のように整理できる。「分散」は正解側で、正解。「分散」は、確率変数が平均からどれくらい散らばっているかを、偏差を2乗して平均した二乗平均で表す量である。「期待値」は誤答側で、誤答。「期待値」は確率変数がとる値の平均的な水準を表す量であり、平均からの散らばりの大きさを偏差の二乗平均で表す分散のような量ではない。「p値」は誤答側で、誤答。「p値」は仮説検定で観測結果以上に極端な結果が出る確率に関わる指標であり、散らばりの大きさを表す量ではない。「相関と因果」は誤答側で、誤答。「相関と因果」は2つの変数の間に見られる関係をどう解釈するかという論点であり、確率変数が平均からどれくらい散らばっているかを表す量そのものではない。
大項目8 AIに必要な数理・統計知識 / 確率・統計
ある事象Bが起きたという条件のもとで、事象Aが起きる確率を扱う考え方はどれか。
正解は「条件付き確率」である。ここで問われているのは、事象Bの発生を前提として、その範囲内で事象Aがどれだけ起こりやすいかを見積もる考え方であり、全体を対象にする通常の確率とは土台が異なる。期待値は確率変数の平均的な水準、標準偏差は散らばりの大きさ、統計的仮説検定は観測データと仮説の整合性を判断する枠組みであり、いずれも「前提となる事象で絞り込んだ確率」そのものを表す考え方ではない。母集団全体を対象に確率を考えるか、条件を満たす部分に絞って考え直すかという視点の違いに注目すると判別しやすい。
同じ章で確認したい用語
到達チェック
- 確率変数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、確率変数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）