導入：確率変数の世界へようこそ！
皆さん、こんにちは！ビジネス経済学の旅において、最も重要な章の一つへようこそ。「統計」という言葉を聞いて少し緊張してしまった方もご安心ください。ここでは、難しい理論を日常的な身近な概念に噛み砕いて解説していきます。この章では、「不確実性」を「数値」に変換する方法を学びます。ビジネスの世界では未来を完全に予測することはできませんが、確率変数（Random Variables）を活用することで、リスクを数値化し、より賢明な意思決定を下せるようになります。さあ、始めましょう！
1. 確率変数とは正確には何？
簡単に言うと、確率変数とは、ランダムな事象の結果に数値（値）を割り当てる手法のことです。「雨が降るかもしれないし、晴れるかもしれない」と言う代わりに、それぞれの可能性に数値を割り当てることで、数学的な計算ができるようになるのです！
試験に向けて、次の2つの主なタイプを覚えておきましょう。
A. 離散型確率変数（Discrete Random Variables）
これは、発生しうる結果を数える（カウントする）ことができる変数です。値と値の間に隙間があります。 例：店に入ってくる客数（1人、2人、10人とは言えますが、2.5人とは言えませんよね）。
B. 連続型確率変数（Continuous Random Variables）
これは、一定の範囲内でどんな値でも取り得る変数です。通常、数えるのではなく測定（計測）されます。 例：顧客が列に並ぶ待ち時間（5分、5.2分、あるいは5.234分といった数値になり得ます）。
暗記のコツ：Discrete（離散型）はDots（点々のように分かれている）、Continuous（連続型）はConnected（つながった線）とイメージしましょう。
クイック復習： - 離散型：数えられるもの（例：不良品の数）。 - 連続型：計測できるもの（例：梱包の重量）。
2. 離散型変数の確率分布
確率分布（Probability Distribution）とは、ある確率変数が取り得るすべての値と、それぞれの値が発生する確率をまとめた表やリストのことです。
離散確率分布において、必ず守るべき「黄金ルール」が2つあります： 1. 個々の確率 \( P(x) \) は、必ず0から1の間であること。 2. すべての確率を合計すると、必ず1になること。（「何か」が起こるはずですから！）
例：1日に販売されるノートパソコンの台数をチェックする場合： - 0台：10% - 1台：60% - 2台：30% 合計 = 10% + 60% + 30% = 100%（または1.0）。これは妥当な分布です！
よくある間違い：確率の合計が0.9や1.1になってしまったら、どこか計算ミスをしています！合計が必ず1.0になるかどうか、常にダブルチェックしましょう。
3. 期待値と分散：データの「心臓部」
分布を理解したら、次に知りたいのは「平均的な結果はどれくらいか」、そして「結果はどれくらいばらついているか」の2点です。
期待値 \( E(X) \)
期待値（Expected Value）（別名：平均値）は、その実験を何度も繰り返した場合の長期的な平均結果です。 公式は以下の通りです： \( E(X) = \mu = \sum [x \cdot P(x)] \)
計算ステップ： 1. それぞれの値 \( x \) に、その確率 \( P(x) \) を掛けます。 2. すべての結果を足し合わせます。それがあなたの求める「平均」です！
分散 \( Var(X) \) と標準偏差 \( \sigma \)
分散（Variance）は、結果が平均からどれくらい離れているかを示します。分散が大きいほど、結果が予測しにくくなるため、リスクが高いと言えます。 分散の公式は： \( Var(X) = \sigma^2 = \sum [(x - \mu)^2 \cdot P(x)] \)
標準偏差（Standard Deviation）は、分散の平方根をとったものです： \( \sigma = \sqrt{Var(X)} \)。もとのデータと同じ単位になるため、こちらがよく使われます。
重要ポイント： - 期待値：中心はどこか。 - 分散/標準偏差：「ばらつき」やリスクの広さはどれくらいか。
4. 二項分布
これは離散分布の一種で、HKICPAのカリキュラムでも頻出の特別な分布です。「Yes/No」あるいは「成功/失敗」という状況で使われます。
いつ使うか？ 「BINS」の頭文字を覚えましょう： - Binary（二値性）：結果は2つのみ（例：合格/不合格）。 - Independent（独立性）：1回の試行が次の試行に影響しない。 - Number（回数）：試行回数（ \( n \) ）が固定されている。 - Same（同一確率）：成功する確率（ \( p \) ）が毎回同じ。
公式： \( P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} \)
公式を見て怖がらないでくださいね！ ほとんどの電卓には \( \binom{n}{k} \) の部分を計算するための \( nCr \) 機能が備わっています。 - \( n \)：全試行回数 - \( k \)：求めたい成功回数 - \( p \)：成功確率
豆知識：監査の現場では、サンプル全体の中で「成功（正当な請求書）」がある基準を満たしているかをテストするために、二項分布の考え方をよく使います！
5. 正規分布（「ベルカーブ」）
連続型変数の世界で最も有名なのが正規分布です。左右対称で、滑らかな釣鐘型の曲線を描きます。
主な特徴：
1. 平均値、中央値、最頻値がすべて中心に位置する。 2. 曲線下の全面積は1.0（100%）である。 3. 平均 \( \mu \) と標準偏差 \( \sigma \) によって形が決まる。
Zスコア（標準化）
正規分布はそれぞれ形が異なるため（背が高いものや太っているものなど）、Zスコアを使って「標準化」し、標準正規分布表を使って確率を求められるようにします。 Zスコアの公式： \( Z = \frac{X - \mu}{\sigma} \)
Zスコアは、その値が平均から標準偏差何個分離れているかを示します。 - プラスのZスコアは平均より上。 - マイナスのZスコアは平均より下を意味します。
経験則（68-95-99.7ルール）
正規分布においては： - データの68%が平均から±1標準偏差の範囲に収まる。 - データの95%が±2標準偏差の範囲に収まる。 - データの99.7%が±3標準偏差の範囲に収まる。
重要ポイント：ビジネスのプロセスが「正規分布に従う」なら、結果の95%が平均から2標準偏差以内に収まると確信できます。これは品質管理において非常に役立つ考え方です！
まとめと応援メッセージ
クイックまとめ： - 確率変数は結果を数値に変える。 - 離散型は「カウント」、連続型は「測定」に使う。 - 期待値は平均、分散はリスクやばらつきを示す。 - 二項分布はYes/Noのシナリオに使う。 - 正規分布はベルカーブとZスコアで確率を求める。
最初は難しく感じるかもしれませんが、大丈夫です！統計は新しい言語のようなものです。「語彙」（用語）と「文法」（公式）を練習すればするほど、自然と理解できるようになりますよ。あなたなら絶対に大丈夫です！