教材一覧
教材一覧
教材検索
PROBABILITY

条件付き確率

目次

< 前のページ
次のページ >
Share on twitter
Twitterで共有
Share on email
メールで共有

条件付き確率

ある試行に関する確率空間\((\Omega ,\mathcal{F},P)\)が与えられているものとします。試行の結果はランダムネスによって支配されているため、試行によって事象\(A\in \mathcal{F}\)が起こるかどうかを確定的に知ることはできず、事象\(A\)が起こる確率\(P\left( A\right) \)のもとで考えるより他に術はありません。では、試行によって事象\(A\)が起こるかどうかを事前に観察できないものの、何らかの事情により、別の事象\(B\in \mathcal{F}\)が起きたことが観察可能である場合(もしくは、事象\(B\)が起きているものと仮定する場合)、事象\(A\)が起こる確率をどのように評価すべきでしょうか。このような場合にも事象\(A\)が起こる確率を\(P\left( A\right) \)と評価したのでは、事象\(B\)が起きているという追加的な情報を活用できておらず、望ましくありません。ある事象が起きたことを前提とした上で別の事象が起きる確率を評価する際には、通常の確率とは異なる新たな概念が必要になります。

確率空間\((\Omega ,\mathcal{F},P)\)が与えられたとき、2つの事象\(A,B\in \mathcal{F}\)について、事象\(B\)が起きたことを前提としたときに事象\(A\)が起こる確率を、事象\(B\)が起きたという条件のもとでの事象\(A\)の条件付き確率(conditional probability of the event \(A\) given that theevent \(B\) has occurred)と呼び、これを、\begin{equation*}P\left( A|B\right)
\end{equation*}と表記します。では、この条件付き確率を具体的にどのように定義すべきでしょうか。直感的に明らかな事実を出発点に考察を進めます。

確率空間\((\Omega ,\mathcal{F},P)\)を構成する標本空間\(\Omega \)が有限集合もしくは可算集合であるものとします。この場合、事象空間を\(\Omega \)のベキ集合とすることができます。つまり、\(\mathcal{F}=2^{\Omega }\)です。このとき、事象\(B\in \mathcal{F}\)が起きたという条件のもとでの事象\(A\in \mathcal{F}\)の条件付き確率をどのように評価すればよいでしょうか。ここでのポイントは、事象\(B\)が起きたことはすでに分かっているため、試行によって実現した標本点は事象\(B\)の要素であることは確かであるという点です。したがって、考察対象とすべき標本点からなる集合を\(\Omega \)から\(B\)へと縮小できます。つまり、事象\(B\)が起きたという条件のもとでの事象\(A\)の条件付き確率について考える際には、新たな確率空間\begin{equation*}\left( B,2^{B},P(\cdot |B)\right)
\end{equation*}を採用するのがもっともらしい考え方です。新たな確率関数\(P(\cdot |B):2^{B}\rightarrow \mathbb{R} \)にあわせて確率論の公理を書き換えると、\begin{eqnarray*}&&\left( P_{1}\right) \ \forall \omega \in B:P\left( \left\{ \omega \right\}
|B\right) \geq 0 \\
&&\left( P_{2}\right) \ \sum_{\omega \in B}P\left( \left\{ \omega \right\}
|B\right) =1
\end{eqnarray*}となります。以上の公理との整合性を保つために、それぞれの標本点\(\omega \in B\)に対して、根元事象\(\left\{ \omega \right\} \)の条件付き確率を、\begin{equation}P\left( \{\omega \}|B\right) =\frac{P\left( \{\omega \}\right) }{\sum\limits_{\omega \in B}P\left( \{\omega \}\right) }=\frac{P\left(
\{\omega \}\right) }{P\left( B\right) } \quad \cdots (1)
\end{equation}と定義します。もとの確率関数\(P:2^{\Omega }\rightarrow \mathbb{R} \)の性質を踏まえると、\(\left( P_{1}\right) \)は明らかに成り立ちます。また、\begin{eqnarray*}\sum_{\omega \in B}P\left( \left\{ \omega \right\} |B\right)
&=&\sum_{\omega \in B}\frac{P\left( \left\{ \omega \right\} \right) }{P\left( B\right) }\quad \because \left( 1\right) \\
&=&\frac{\sum\limits_{\omega \in B}P\left( \left\{ \omega \right\} \right)
}{P\left( B\right) } \\
&=&\frac{P\left( B\right) }{P\left( B\right) } \\
&=&1
\end{eqnarray*}となるため\(\left( P_{2}\right) \)もまた成り立ちます。したがって、根元事象の条件付き確率を\(\left( 1\right) \)のように定義しても、それは確率論の公理と矛盾しません。このとき、それぞれの事象\(A\in 2^{B}\)の条件付き確率は、\begin{eqnarray*}P\left( A|B\right) &=&\sum_{\omega \in A}P\left( \{\omega \}|B\right) \\
&=&\sum_{\omega \in A}\frac{P\left( \{\omega \}\right) }{P\left( B\right) }\quad \because \left( 1\right) \\
&=&\frac{\sum\limits_{\omega \in A}P\left( \left\{ \omega \right\} \right)
}{P\left( B\right) } \\
&=&\frac{P\left( A\right) }{P\left( B\right) }
\end{eqnarray*}すなわち、\begin{equation}
P\left( A|B\right) =\frac{P\left( A\right) }{P\left( B\right) } \quad \cdots (2)
\end{equation}となります。

上のように構成される確率空間は\(\left( B,2^{B},P(\cdot|B)\right) \)は、\(2^{B}\)の要素、すなわち\(B\)の部分集合であるような事象\(A\)に対してのみ、その条件付き確率\(P\left( A|B\right) \)を付与します。では、\(B\)の部分集合とは限らない事象\(A\in \mathcal{F}\)に対して、その条件付き確率\(P\left(A|B\right) \)をどのように定義すればよいでしょうか。まず、\(A\not\subset B\)かつ\(A\cap B\not=\phi \)を満たす事象\(A\in \mathcal{F}\)について考えます。この場合、事象\(A\)に属する標本点の中でも事象\(B\)と整合的な標本点は\(A\cap B\)に属するものだけです。\(A\cap B\subset B\)であることを踏まえると、この場合には、\begin{eqnarray*}P\left( A|B\right) &=&\sum_{\omega \in A\cap B}P\left( \left\{ \omega
\right\} |B\right) \\
&=&\sum_{\omega \in A\cap B}\frac{P\left( \{\omega \}\right) }{P\left(
B\right) }\quad \because \left( 1\right) \\
&=&\frac{P\left( A\cap B\right) }{P\left( B\right) }
\end{eqnarray*}すなわち、\begin{equation}
P\left( A|B\right) =\frac{P\left( A\cap B\right) }{P\left( B\right) }
\quad \cdots (3)
\end{equation}となります。続いて、\(A\not\subset B\)かつ\(A\cap B=\phi \)を満たす事象\(A\in \mathcal{F}\)について考えます。この場合、事象\(A,B\)は同時に起こらないため、明らかに、\begin{equation*}P\left( A|B\right) =0
\end{equation*}が成り立ちます。ただし、\(A\cap B=\phi \)であるときの\(\left( 3\right) \)は、\begin{eqnarray*}P\left( A|B\right) &=&\frac{P\left( A\cap B\right) }{P\left( B\right) }\quad \because \left( 3\right) \\
&=&\frac{P\left( \phi \right) }{P\left( B\right) }\quad \because A\cap
B=\phi \\
&=&\frac{0}{P\left( B\right) }\quad \because P\left( \phi \right) =0 \\
&=&0
\end{eqnarray*}となるため、\(\left( 3\right) \)は\(A\not\subset B\)かつ\(A\cap B=\phi \)の場合を包括した表現になっています。最後に、\(A\subset B\)を満たす事象\(A\in \mathcal{F}\)について考えます。この場合、\(\left( 1\right) \)より、\begin{equation*}P\left( A|B\right) =\frac{P\left( A\right) }{P\left( B\right) }
\end{equation*}が成り立ちます。ただし、\(A\subset B\)であるときの\(\left( 3\right) \)は、\begin{eqnarray*}P\left( A|B\right) &=&\frac{P\left( A\cap B\right) }{P\left( B\right) }\quad \because \left( 3\right) \\
&=&\frac{P\left( A\right) }{P\left( B\right) }\quad \because A\subset B
\end{eqnarray*}となるため、\(\left( 3\right) \)は\(A\subset B\)の場合である\(\left( 1\right) \)も包括した表現になっています。以上の議論より、条件付き確率\(P\left( A|B\right) \)の定義としては\(\left( 3\right) \)を採用するのがもっともらしいことが明らかになりました。

これまでは標本空間\(\Omega \)が有限集合もしくは可算集合である場合について考えてきましたが、標本空間\(\Omega \)が非可算集合である場合にも、条件付き確率を同様に定義します。つまり、確率区間\((\Omega ,\mathcal{F},P)\)が与えられたとき、事象\(A,B\in \mathcal{F}\)を任意に選びます。ただし、\begin{equation*}P\left( B\right) >0
\end{equation*}であるものとします。このとき、\begin{equation*}
P\left( A|B\right) =\frac{P\left( A\cap B\right) }{P\left( B\right) }
\end{equation*}と定義される値を、事象\(B\)が起こるという条件のもとでの事象\(A\)の条件付き確率と呼びます。

例(条件付き確率)
歪みのない正六面体のサイコロのそれぞれの面に\(1\)から\(6\)までの数字が1つずつ記されています。「サイコロを2回振り出た目を記録する」という試行の標本空間は、\begin{equation*}\Omega =\left\{ \left( x_{1},x_{2}\right) \ |\ \forall i\in \left\{
1,2\right\} :x_{i}\in \left\{ 1,2,3,4,5,6\right\} \right\}
\end{equation*}となります。ただし、\(x_{i}\)は\(i\)回目に出た目です。標本空間\(\Omega \)は有限集合であるため、事象集合を\(\mathcal{F}=2^{\Omega }\)と定めます。サイコロは歪みがないため、確率関数\(P:\mathcal{F}\rightarrow \mathbb{R} \)はそれぞれの標本点\(\omega \in \Omega \)に対して、\begin{equation}P\left( \{\omega \}\right) =\frac{1}{36} \quad \cdots (1)
\end{equation}を定めます。それぞれの事象\(X\in \mathcal{F}\)について、その確率を、\begin{equation}P\left( X\right) =\sum_{\omega \in X}P\left( \{\omega \}\right) \quad \cdots (2)
\end{equation}と定めます。以上の\(\left( \Omega ,\mathcal{F},P\right) \)は明らかに確率空間です。「出た目の和の合計は\(10\)以上である」という事象は、\begin{equation*}A=\left\{ \left( 4,6\right) ,\left( 6,4\right) ,\left( 5,5\right) ,\left(
5,6\right) ,\left( 6,5\right) ,\left( 6,6\right) \right\}
\end{equation*}となるため、その確率は、\begin{eqnarray*}
P\left( A\right) &=&\sum_{\omega \in A}P\left( \{\omega \}\right) \quad
\because \left( 2\right) \\
&=&6\cdot \frac{1}{36}\quad \because \left( 1\right) \\
&=&\frac{1}{6}
\end{eqnarray*}となります。では、1回目に出た目が\(6\)であることが観察できた場合(2回目の目は観察できなかった)、「出た目の合計が\(10\)以上である」確率はどうなるでしょうか。「1回目に\(6\)が出る」という事象は、\begin{equation}B=\left\{ \left( 6,1\right) ,\left( 6,2\right) ,\left( 6,3\right) ,\left(
6,4\right) ,\left( 6,5\right) ,\left( 6,6\right) \right\} \quad \cdots (3)
\end{equation}であるため、問題としている事象の確率は条件付き確率\(P\left( A|B\right) \)に相当します。積事象\(A\cap B\)は、\begin{equation}A\cap B=\left\{ \left( 6,4\right) ,\left( 6,5\right) ,\left( 6,6\right)
\right\} \quad \cdots (4)
\end{equation}であるため、\begin{eqnarray*}
P\left( A|B\right) &=&\frac{P\left( A\cap B\right) }{P\left( B\right) }\quad \because \text{条件付き確率の定義} \\
&=&\frac{3\cdot \frac{1}{36}}{6\cdot \frac{1}{36}}\quad \because \left(
1\right) ,\left( 2\right) ,\left( 3\right) ,\left( 4\right) \\
&=&\frac{1}{2}
\end{eqnarray*}となります。

例(条件付き確率)
ある病気に感染しているかどうかを判定する検査方法が新たに開発されました。この検査の信頼性を調べるため、感染者に対してこの検査を実施したところ、\(90\%\)の人は陽性と正しく判定されましたが、残りの\(10\%\)の人は陰性と誤って判定されてしまいました。また、非感染者に対してもこの検査を実施したところ、\(80\%\)の人は陰性と正しく判定されましたが、残りの\(20\\)の人は陽性と誤って判定されてしまいました。運用段階になり、ある集団の中から1人をランダムに選んでこの検査を実施したところ、その人は陽性と判定されました。このとき、この人が実際に感染者である確率はどの程度でしょうか。ただし、この人が実際に感染者であるかは否かは不明ですが、問題としている集団における感染者の割合が\(5\%\)であることは分かっているものとします。まず、この試行を表す確率空間を定式化します。「集団から1人をランダムに選んで検査を行う」という試行の標本空間を\(\Omega \)で表し、標本点を\(\omega =\left( \omega _{1},\omega _{2}\right) \)で表します。ただし、\(\omega _{1}\in \{0,1\}\)であり、\(0\)はこの人が感染者であることに、\(1\)はこの人が非感染者であることにそれぞれ対応します。また、\(\omega _{2}\in \{P,N\}\)であり、\(P\)は検査において陽性であることに、\(N\)は検査において陰性であることにそれぞれ対応します。標本空間は\(\Omega =\{0,1\}\times \{P,N\}\)という有限集合であるため、試行集合を\(\mathcal{F}=2^{\Omega }\)と定めます。確率関数\(P:\mathcal{F}\rightarrow \mathbb{R} \)がそれぞれの根元事象に対して定める確率は、\begin{eqnarray}P\left( \left\{ \left( 0,P\right) \right\} \right) &=&\frac{5}{100}\cdot
\frac{90}{100}=\frac{9}{200} \quad \cdots (1) \\
P\left( \left\{ \left( 0,N\right) \right\} \right) &=&\frac{5}{100}\cdot
\frac{10}{100}=\frac{1}{200} \quad \cdots (2) \\
P\left( \left\{ \left( 1,P\right) \right\} \right) &=&\frac{95}{100}\cdot
\frac{20}{100}=\frac{19}{100} \quad \cdots (3) \\
P\left( \left\{ \left( 1,N\right) \right\} \right) &=&\frac{95}{100}\cdot
\frac{80}{100}=\frac{76}{100} \quad \cdots (4)
\end{eqnarray}です。それぞれの事象\(A\in \mathcal{F}\)について、その確率を、\begin{equation}P\left( A\right) =\sum_{\omega \in A}P\left( \{\omega \}\right) \quad \cdots (5)
\end{equation}と定めます。以上の\(\left( \Omega ,\mathcal{F},P\right) \)は明らかに確率空間です。この試行において、検査において陽性と判定された人が実際に感染者であるという確率は、以下の 2 つの事象\begin{eqnarray*}A &:&\text{感染者である} \\
B &:&\text{検査で陽性になる}
\end{eqnarray*}に関する条件付き確率\(P\left( A|B\right) \)として表現されますが、\begin{align*}A\cap B& =\left\{ \left( 0,P\right) \right\} \\
B& =\left\{ \left( 0,P\right) ,\left( 1,P\right) \right\}
\end{align*}であることを踏まえると、\begin{eqnarray*}
P\left( A|B\right) &=&\frac{P\left( A\cap B\right) }{P\left( B\right) }\quad \because \text{条件付き確率の定義} \\
&=&\frac{\sum\limits_{\omega \in A\cap B}P\left( \{\omega \}\right) }{\sum\limits_{\omega \in B}P\left( \{\omega \}\right) }\quad \because \left(
5\right) \\
&=&\frac{P\left( \left\{ \left( 0,P\right) \right\} \right) }{P\left(
\left\{ \left( 0,P\right) \right\} \right) +P\left( \left\{ \left(
1,P\right) \right\} \right) } \\
&=&\frac{\frac{9}{200}}{\frac{9}{200}+\frac{19}{100}}\quad \because \left(
1\right) ,\left( 3\right) \\
&=&\frac{9}{47} \\
&\approx &0.19
\end{eqnarray*}となります。ちなみに、陽性と判定された人が実際には非感染者である確率や、陰性と判定された人が実際には感染者である確率、また、陰性と判定された人が実際に非感染者である確率なども、上と同様に条件付き確率として求めることができます。

 

条件付き確率関数は確率関数

直感的に明らかな事実を出発点として条件付き確率の概念を定義しましたが、この定義を正当化できるでしょうか。実は、条件付き確率を定める集合関数は、確率関数の公理を満たします。

命題(確率関数としての条件付き確率関数)
確率空間\((\Omega ,\mathcal{F},P)\)において、\(P\left( B\right) >0\)を満たす事象\(B\in \mathcal{F}\)を任意に選ぶ。このとき、それぞれの事象\(A\in \mathcal{F}\)に対して、\begin{equation*}P\left( A|B\right) =\frac{P\left( A\cap B\right) }{P\left( B\right) }
\end{equation*}を定める集合関数\(P\left(\cdot |B\right) :\mathcal{F}\rightarrow \mathbb{R} \)は確率論の公理を満たす。したがって、\(\left( \Omega ,\mathcal{F},P\left( \cdot |B\right) \right) \)は確率空間である。
証明

プレミアム会員専用コンテンツです
ログイン】【会員登録

条件付き確率関数\(P\left(\cdot |B\right) \)は確率論の公理を満たすことが明らかになりました。したがって、確率論の公理を用いて導かれた確率関数\(P\)に関する性質は、条件付き確率関数\(P\left( \cdot |B\right) \)にも引き継がれます。例えば、空事象の条件付き確率が\(P\left( \phi |B\right) =0\)であること、余事象の条件付き確率が\(P\left( A^{c}|B\right)=1-P\left( A|B\right) \)を満たすこと、条件付き確率の値がとり得る範囲が\(0\leq P\left( A|B\right) \leq 1\)であること、他にも単調性や減法性、加法定理など、諸々の性質が条件付き確率に関してもそのまま成り立ちます。

 

演習問題

問題(条件付き確率)
歪みのない正六面体のサイコロのそれぞれの面に\(1\)から\(6\)までの数字が1つずつ記されています。「サイコロを2回振り出た目を記録する」という試行を行ったところ、出た目の合計が奇数であることが観察されました。以上を踏まえたとき、出た目の合計が\(7\)以下である確率を求めてください。
解答を見る

プレミアム会員専用コンテンツです
ログイン】【会員登録

問題(条件付き確率)
ある家族に双子が産まれました。男女は等しい確率で産まれるものとします。このとき、以下の問いに答えてください。

  1. 上の子が男であることが分かっている場合、二人が男女である確率を求めてください。
  2. 少なくとも一方が女であることが分かっている場合、二人とも女である確率を求めてください。
  3. 上の子が女であることが分かっている場合、二人とも女である確率を求めてください。
解答を見る

プレミアム会員専用コンテンツです
ログイン】【会員登録

次回は事象の独立性について解説します。

< 前のページ
次のページ >
Share on twitter
Twitterで共有
Share on email
メールで共有
DISCUSSION

質問とコメント

プレミアム会員専用コンテンツです
ログイン】【会員登録

RELATED KNOWLEDGE

関連知識

確率質量関数
確率関数(確率質量関数)

離散型の確率変数が与えられたとき、それぞれの実数に対して、確率変数がその実数を値としてとる確率を特定する関数を確率関数や確率質量関数などと呼びます。

有限集合
有限型確率空間

標本空間が有限集合であるとき、その任意の部分集合を事象として考察対象に含めることができます。その上で、標本空間のベキ集合上に集合関数を定義した上で、それが確率論の公理と呼ばれる性質を満たすものと定めます。こうして得られる概念を有限確率空間と呼びます。

可算集合
可算型確率空間

標本空間が可算集合であるとき、その任意の部分集合を事象として考察対象に含めることができます。その上で、標本空間のベキ集合上に集合関数を定義した上で、それが確率論の公理と呼ばれる性質を満たすものと定めます。こうして得られる概念を可算確率空間と呼びます。

確率空間
確率空間

標本空間が非可算集合であるとき、その任意の部分集合を事象として考察対象に含めると問題が生じます。そこで、σ-代数と呼ばれる集合系を事象空間として採用し、その上に確率論の公理を満たす集合関数を定義します。

ベルヌーイ分布
ベルヌーイ分布

ある確率変数が1と0の二つの値のみをとり得るとともに、1を値としてとる確率がpで、0を値としてとる確率が1-pである場合には、その確率変数はパラメーターpのベルヌーイ分布にしたがうと言います。