目次
はじめに
応用情報技術者試験の過去問を解いていきます。
今回は、R6年度春季の過去問を解いていきたいと思います。
本問は「ベイズの定理」がテーマの問題です。
問題(応用情報技術者試験過去問 R6年度 春期 問1)
複数の袋からそれぞれ白と赤の玉を幾つかずつ取り出すとき、ベイズの定理を利用して事後確率を求める場合はどれか。
- ア：ある袋から取り出した二つの玉の色が同じと推定することができる確率を求める場合
- イ：異なる袋から取り出した玉が同じ色であると推定することができる確率を求める場合
- ウ：玉を一つ取り出すために、ある袋が選ばれると推定することができる確率を求める場合
- エ：取り出した玉の色から、どの袋から取り出されたのかを推定するための確率を求める場合
解答
正解：エ
解説
「ベイズの定理」は、観測した結果（例えば赤玉が出た）から、その原因（どの袋から出たか）を逆向きに推定する時に使用する定理です。
今回の選択肢のうち「エ」だけがこの形に当てはまります。
他の選択肢の解説
| 選択肢 | 何を求めている？ | どの区域（どんな種類の確率？） | ベイズの定理が必要？ |
|---|---|---|---|
| ア | 袋が決まっていて、その中の玉がどう出るか | 事象内の組み合わせ確率 | ❌ |
| イ | 袋もバラバラ → 玉が同じ色か？ | 全体の単純な出現確率 | ❌ |
| ウ | 袋を選ぶ前 → ある袋が選ばれる確率 | 事前確率（そもそも袋が選ばれる確率） | ❌ |
| エ | 玉の色（結果）から → どの袋だったかを逆推定 | 事後確率（結果→原因） | ✅ ベイズの定理！ |
問題の用語解説
ベイズの定理とは？
- 「ある事象が起きたあとで、原因が何だったか？」を推定するための確率法則
- 例：検査陽性 → 病気かどうか、赤玉 → 袋の推定など
別の言い方をするなら、「起きた「出来事」から、その「背景」を推測するために使う定理」ということになります。
ベイズの定理の公式
P(原因∣結果)=P(結果∣原因)×P(原因)/P(結果)
- P(原因∣結果)：結果が出たとき、原因だった確率（事後確率）
- P(結果∣原因)：原因だった場合に結果が出る確率
- P(原因)：原因が起きる事前確率
- P(結果)：全体で結果が出る確率
🌟 例：風邪と咳の関係で説明
状況
- 全体の人の中で
→ 5% の人が風邪をひいている（＝P(風邪) = 0.05） - 風邪の人は 90% の確率で咳が出る（＝P(咳 | 風邪) = 0.9）
- 健康な人（風邪でない人）は 10% の確率で咳が出る（＝P(咳 | 健康) = 0.1）
図で示すと下記の通り
(※全体を100人で考えているので、4.5人という中途半端な人数になっていますがご容赦ください)
公式との対応関係
- P(原因∣結果)：結果が出たとき、原因だった確率（事後確率）
→ここでは、P(風邪 | 咳)
＝咳が出た人の中で、その人が風邪をひいている確率 - P(結果∣原因)：原因だった場合に結果が出る確率
→ここでは、P(咳 | 風邪)
＝風邪をひいている人の中で、その人が咳をする確率 - P(原因)：原因が起きる事前確率
→ここでは、P(咳)
＝咳をする確率 - P(結果)：全体で結果が出る確率
→ここでは、P(風邪)
＝風邪をひいている確率
※事後確率とは？
→何か結果が分かった後で「本当はどうだったのか」を示す確率
公式に当てはめてみる
P(原因∣結果)=P(結果∣原因)×P(原因)/P(結果)
P(風邪 | 咳)＝P(咳 | 風邪)×P(風邪)/P(咳)
＝0.9×0.05×？
？の部分は後ほど求めます
今回の問い
今回はP(風邪 | 咳)を求めます。
つまり
ある人が「咳をしている」とき、
→ その人が 風邪をひいている確率 は？
🌟 式に当てはめてみる
P(風邪∣咳)=P(咳∣風邪)×P(風邪)/P(咳)
このままでは P(咳) がわからないのでまず求めます。
P(咳)の計算
咳をしている人は：
- 風邪の人が咳する確率 → 0.9 × 0.05 = 0.045
- 健康な人が咳する確率 → 0.1 × 0.95 = 0.095
全体で咳が出る確率は：
P(咳)=0.045+0.095=0.14
事後確率の計算
P(風邪∣咳)=P(咳∣風邪)×P(風邪)/P(咳)
P(風邪∣咳)=0.9×0.05/0.14=0.045/0.14≈0.321
🌟 結果
咳をしている人が「風邪である確率」は 約32%！
💡 つまり
- 風邪ひきの人は5%しかいない → もともと少ない（P(原因)が低い）
- 咳してるだけで「風邪だ！」と思うのは早い
- 咳の出現だけでは 32% の確率しか風邪ではない
こういう風に
観測結果（咳） → 原因（風邪）の逆向き推定 にベイズの定理が使われます ✨
ベイズの定理の公式の機械的覚え方
とりあえず、頭に記憶したい人に向けた覚え方を紹介します
※機械的という言い方を用いたのは、ベイズの定理を概念として理解するための覚え方ではなく、単純に式の形を形のまま覚えようとする方法であることを強調するためです
覚え方
P(原因∣結果)=P(結果∣原因)×P(原因)/P(結果)
- 求めるものは、確率の逆推定
- 分子は右側で掛け合わせる
- 分母は左側
求めるものは、確率の逆推定
公式の左辺(P(原因∣結果))の覚え方です。
つまり、結果が出たとき、原因だった確率、を求めるということです。
P(原因∣結果)の意味が覚えにくいという人への補足
そもそもP(原因∣結果)の意味が覚えにくいという人は、
左側が求めたいもの、右側が条件、という風に覚えると良いかと思います。
P(原因∣結果)でいうと、
左側(原因)は、求めたいもの、つまり原因の確率を求めるんだということを示し、
右側(結果)は、条件、つまり結果という条件のもとで、ということを示します。
あるいは、左は目的、右は補足、と覚えてもよいかもしれません。
左側(原因)は、目的、つまり原因の確率を求めるんだということを示し、
右側(結果)は、補足、つまり結果という条件のもとで、ということを示します。
分子は右側で掛け合わせる
右辺の分子：P(結果∣原因)×P(原因)の部分の覚え方です
右側というのは、P(結果∣原因)の「結果」と「原因」の位置関係のことを言っています。
つまり、ここでいう右側は「原因」のことです。
掛け合わせるのはP(原因)だからです。
分母は左側
右辺の分母：P(結果)の部分の覚え方です
右側というのは、P(結果∣原因)の「結果」と「原因」の位置関係のことを言っています。
つまり、ここでいう左側は「結果」のことです。
別の覚え方：式の対称性から覚える
P(原因∣結果)=P(結果∣原因)×P(原因)/P(結果)
この公式の右辺の分母を左辺に持ってくると次のようになります
P(原因∣結果)×P(結果)=P(結果∣原因)×P(原因)
この形の方が覚えやすいんじゃないかと思います。
というのも、両辺とも、条件付確率の部分の右側を掛けている形となっているからです。
P(原因∣結果)×P(結果)=P(結果∣原因)×P(原因)
この形でまずは記憶して、移項させることでベイズの定理の公式に変換する、という覚え方もありだと思います。
体系的位置づけ
| 概念レベル | 内容 |
|---|---|
| 確率・統計 | 確率論 |
| 推定手法 | ベイズの定理（事後確率の推定） |
| 試験分野 | 応用情報技術者試験 → テクノロジ系 → 数理・統計分野 |
なぜ応用情報技術者試験で出題されるのか？
応用情報技術者試験では、ITの現場で使われる理論や知識を実務目線で問う という意図があります。
その中で「確率的な推論」がAIやセキュリティ分野で非常に重要だからです。
具体例
- スパムメールの判定
→ メールの特徴（観測）から「スパムかどうか（原因）」を逆向きに推定 - 医療AI
→ 検査結果（観測）から「患者が病気であるかどうか（原因）」を推定 - 異常検知
→ ある設備のセンサーデータ（観測）から「異常が発生しているか（原因）」を逆向きに推定
まとめ
「ベイズの定理」は「結果 → 原因の推定」という非常に重要な考え方です。
応用情報技術者試験でも出題されていることからも、基本的な理解はぜひ押さえておきたいところです。
実際のAIや医療・セキュリティの分野でも、この考え方が基礎になっている場面がとても多いので、
「公式の丸暗記」ではなく 仕組みや考え方そのもの を理解しておくと良いでしょう。
参考情報
- IPA 応用情報技術者試験 過去問題：
https://www.ipa.go.jp/shiken/mondai-kaiotu/2024r06.html
コメント