条件付き確率計算機とベイズ統計入門

確率論の世界において、「条件付き確率（Conditional Probability）」は最も誤解されやすく、しかし最も実用的な概念の一つです。私たちの日常的な意思決定、医療診断の解釈、そしてAI（人工知能）の学習アルゴリズムに至るまで、この考え方が深く関わっています。本ツールは、基本的な確率を入力するだけで、条件付き確率を瞬時に算出します。

条件付き確率とは？

条件付き確率とは、「ある事象Bが起こったという条件のもとで、事象Aが起こる確率」のことです。
記号では P(A|B) と表し、「BギブンA（A given B）」などと読みます。

公式

P(A|B) = P(A ∩ B) / P(B)

• P(A|B)： 事象Bが起きた時の事象Aの確率
• P(A ∩ B)： 事象Aと事象Bが同時に起こる確率（積事象）
• P(B)： 事象Bが起こる確率（ただし P(B) > 0）

わかりやすい具体例

例1：トランプ

ジョーカーを除く52枚のトランプから1枚引く場合を考えます。

• 事象B：引いたカードが「ハート」である確率 = 13/52 = 1/4
• 事象A：引いたカードが「絵札（J, Q, K）」である確率
• 事象A ∩ B：引いたカードが「ハート」かつ「絵札」である確率 = 3/52

ここで、「引いたカードがハートだった」とわかっている時に、それが絵札である確率は？
P(A|B) = (3/52) ÷ (13/52) = 3/13
つまり、ハート13枚の中にある絵札3枚の割合と同じになります。

なぜ直感とズレるのか？（モンティ・ホール問題など）

条件付き確率はしばしば人間の直感に反します。有名な「モンティ・ホール問題」や「3囚人問題」は、新しい情報（条件）が得られた時に、確率空間がどのように変化するかを正しく更新できないために起こる混乱です。
重要なのは、「条件Bが発生したことで、全体（分母）が縮小された」と考えることです。全ての可能性（全事象）から、Bという条件を満たす世界だけを切り出し、その中でのAの割合を見ているのです。

実社会での応用：ベイズの定理

条件付き確率は、「ベイズの定理」の基礎となります。これは、事前確率（P(A)）を、新しい証拠（B）を得ることで事後確率（P(A|B)）へと更新するプロセスです。

医療検査の例（陽性適中率）

ある病気の検査で「陽性」と出たとき、本当にその病気にかかっている確率はどれくらいでしょうか？
実は、病気自体の発生率が極めて低い場合、たとえ検査精度が高くても、陽性と出た人の大半が実は健康（偽陽性）であることがあります。これを正しく理解するためにも、条件付き確率の計算は不可欠です。

本計算機の使い方

1. 同時確率 P(A ∩ B) を入力： AとBが両方とも起こる確率を入力します（0〜1の小数）。
2. 条件の確率 P(B) を入力： 前提となる事象Bの確率を入力します。
3. 計算ボタンをクリック： 条件付き確率 P(A|B) がパーセンテージと共に表示されます。

まとめ

情報は力です。しかし、その情報を正しく確率の更新に反映できなければ、誤った判断を下してしまいます。条件付き確率計算機を使って、不確実な世界をより論理的かつ定量的に捉える練習をしてみましょう。Gojikara.comは、あなたの理数系ライフを応援します。