条件付き確率の世界へようこそ！

確率の世界では、物事はめったに静止していません。私たちは常に、事象の起こりやすさについての考え方を修正させる新しい情報を受け取っています。例えば、「今日、雨が降る確率は？」と考えているときに、「空がどんよりとした重い雲に覆われている」という情報が入ったらどうでしょう？雨が降るという予測の確信度は一気に高まりますよね！条件付き確率とは、新しい情報に基づいて確率を「更新」するための数学的な手段に過ぎません。これは、将来アクチュアリーとして活躍する皆さんが使うことになる最も重要なツールの一つです。

1. 条件付き確率とは？

条件付き確率とは、別の事象がすでに発生したという条件のもとで、ある事象が発生する確率のことです。この「～という条件のもとで（given）」を表現するために、垂直バーの記号 | を使います。

事象Bがすでに発生したという条件のもとで、事象Aが発生する確率を知りたい場合、次のように書きます： \( P(A|B) \)。

「縮小された宇宙」のたとえ

式を見て難しそうだと感じても心配しないでください。こう考えてみてください。通常、私たちの「宇宙」（標本空間）は起こり得るすべての事象を指します。しかし、「Bという条件のもとで」と言うとき、私たちはB以外のすべての可能性を捨て去っているのです。私たちの新しい「宇宙」は今やBだけであり、その中のAにだけ注目すればよいということになります。

公式：
\( P(A|B) = \frac{P(A \cap B)}{P(B)} \) （ただし、 \( P(B) > 0 \) とする）

暗記のコツ： 「バーの後ろにある事象」は常に分母（地階）に来ます。Bが発生したという条件なので、Bが新しい全体の空間になるからです！

クイック復習：重要用語

  • \( P(A|B) \)： 条件付き確率（「更新された」確率）。
  • \( P(A \cap B) \)： 「積事象（インターセクション）」—AとBの両方が同時に起こる確率。
  • \( P(B) \)： 条件そのものの確率。

ポイント： 条件付き確率は、2つの事象が重なる部分を、すでに発生したことが確実な事象のサイズと照らし合わせて見ているのです。

2. 乗法定理

条件付き確率の公式を変形すると、乗法定理が導かれます。これは、2つの事象が連続して起こる確率を求める際に非常に便利です。

\( P(A \cap B) = P(B) \times P(A|B) \)
または
\( P(A \cap B) = P(A) \times P(B|A) \)

例： 赤いボールが3個、青いボールが2個入っている壺を想像してください。2個のボールを非復元抽出で取り出すとき、両方とも赤である確率は？
1. 1個目が赤である確率： \( P(R1) = 3/5 \)。
2. 1個目が赤だったという条件のもとで、2個目が赤である確率： \( P(R2|R1) = 2/4 \) （赤いボールが1個減っているため）。
3. 両方とも赤である確率： \( (3/5) \times (2/4) = 6/20 = 0.30 \)。

3. 独立と従属

事象Bが発生したことを知っても、事象Aの確率が全く変わらない場合があります。このとき、2つの事象は独立であると言います。

独立の定義：
\( P(A|B) = P(A) \) が成り立つとき、事象AとBは独立です。
これは \( P(A \cap B) = P(A) \times P(B) \) となることも意味します。

よくある間違い： 学生は「独立」と「互いに排反」を混同しがちです。
- 互いに排反とは、同時に発生することができない（ \( P(A \cap B) = 0 \) ）ことを意味します。
- 独立とは、一方が発生しても他方に影響を与えないことを意味します。
もし2つの事象が互いに排反で、かつ確率が0でない場合、それらは実際には従属しています。片方が起これば、もう片方は絶対に起こり得ないからです！

ポイント： 「与えられた情報」によって答えが変わらなければ、それは独立です。

4. 全確率の定理

事象Aの確率を求めたいとき、そのAがいくつかの異なる「シナリオ」に依存している場合があります。例えば、3種類の保険契約があり、保険金請求が発生する合計の確率を求めたい場合などです。

互いに排反であり、かつ標本空間全体を網羅する事象の集合 \( B_1, B_2, ..., B_n \) （これを分割と呼びます）がある場合、Aの合計確率は次のように表せます。
\( P(A) = P(A|B_1)P(B_1) + P(A|B_2)P(B_2) + ... + P(A|B_n)P(B_n) \)

ピザのたとえ

事象Aを「ピザに乗っているペパロニの総量」と考えてみてください。ピザはスライス（ \( B_1, B_2, B_3 \) ）に切り分けられています。総量を求めるには、（スライス1のペパロニ）+（スライス2のペパロニ）+（スライス3のペパロニ）を足し合わせますよね。各「スライス」がひとつのシナリオです。

ステップ・バイ・ステップ：
1. 異なるシナリオ（ \( B \) ）を特定する。
2. 各シナリオの確率を求める。
3. 各シナリオ内で事象Aが発生する確率を求める。
4. それらを掛け合わせて足し合わせる！

5. ベイズの定理

ベイズの定理は、条件付き確率の「逆」のようなものです。結果がわかっていて、その結果を導いた特定のシナリオの確率を知りたいときに使います。Exam Pでは、「請求が発生したことがわかっているとき、それがポリシータイプXから来る確率は？」といった出題形式でよく見られます。

公式：
\( P(B_i|A) = \frac{P(A|B_i)P(B_i)}{P(A)} \)

全確率の定理から \( P(A) \) の計算方法を知っているので、完全な式はこうなります。
\( P(B_1|A) = \frac{P(A|B_1)P(B_1)}{P(A|B_1)P(B_1) + P(A|B_2)P(B_2) + ...} \)

豆知識：

ベイズの定理は医療検査で頻繁に使われます。たとえ検査の精度が99%であっても、陽性という結果が出たという条件のもとで、実際に希少疾患にかかっている確率は非常に低い場合があります！これはExam Pの定番のひっかけ問題です。

6. まとめと試験対策

クイック復習ボックス：
- Bという条件のもとで： Bが分母に来る。
- 乗法定理： \( P(A \cap B) = P(B)P(A|B) \)。
- 独立： \( P(A|B) = P(A) \)。
- 樹形図（ツリー図）： 混乱したら図を書きましょう！最初の枝がシナリオ（ \( B_1, B_2 \) ）、次の枝が結果（ \( A \) ）です。枝に沿って掛ければ、積事象の確率が出ます。

避けるべきよくある間違い：
1. \( P(A|B) \) と \( P(B|A) \) の取り違え： 「曇っているときに雨が降る確率」と「雨が降っているときに曇っている確率」は別物です。どちらが既知の情報かを常に確認してください。
2. 割り算の忘れ： ベイズの問題で、分子（ \( P(A \cap B) \) ）を計算して、全確率（ \( P(A) \) ）で割るのを忘れるケースが非常に多いです。
3. 独立と決めつける： 問題文に明示されているか、物理的な状況（コイン投げなど）から明らかでない限り、勝手に独立だと仮定してはいけません。

最初は難しく感じるかもしれませんが、大丈夫です！条件付き確率は考え方の転換です。「与えられた条件」が新しい小さな世界であると捉え始めれば、パズルのように解けるようになります。樹形図を書く練習を続けてくださいね！