確率の基礎 — 確率は「面積」である

確率は難しい記号の羅列ではありません。ダーツを一様に投げたとき、その領域に刺さる割合 — つまり面積の比です。この一枚の絵さえ持っておけば、条件付き確率も独立も「面積をどう測り直すか」の話として全部つながります。投げて、数えて、面積で腹落ちさせましょう。

1. 確率は面積 — ダーツを一様に投げる

正方形の的に、どこにも偏らずランダムにダーツを投げます。領域 A に刺さる確率 P(A) は、A が的全体に占める面積の割合そのもの。難しく考える必要はありません。「面積が2倍なら、当たりやすさも2倍」— ただそれだけです。

下のデモで A の面積を変えてみてください。実際に投げたダーツの「命中率」が、設定した面積の値へ吸い寄せられていきます。

ダーツ実験 — 命中率は面積に近づく

領域Aの面積 = P(A)

緑の四角＝領域A、緑の点＝Aに命中、水色の点＝外れ。右上の「推定 P(A)」は 命中数 ÷ 投げた数。投げるほど、設定した面積の値にぴったり近づきます。これが「確率＝面積」の意味です。

POINT — 確率の3つの約束（コルモゴロフの公理）面積で考えると、確率が守るべきルールは当たり前に見えてきます。①どんな領域の面積も 0 以上（P(A) ≥ 0）。②的全体の面積は 1（P(全体) = 1）。③重なりのない2領域を合わせた面積は、面積の足し算（P(A∪B) = P(A) + P(B)）。この3つだけから、確率のすべての性質が導かれます。

P(A) = A の面積 / 全体の面積全体の面積を 1 に取れば、P(A) はそのまま A の面積。確率とは「1 を分け合った面積」

2. 大数の法則 — 数えれば理論値に落ち着く

1回1回のダーツがどこに刺さるかは予測できません。でも回数を重ねると、命中の割合（相対頻度）は面積で決まる理論確率へ確実に近づいていきます。これが大数の法則。最初は大きく暴れていた推定値が、試行を増やすほど一本の線に張り付いていく様子を見てください。

大数の法則 — 相対頻度が確率へ収束する

真の確率 p

横軸は試行回数（対数目盛）、縦軸は相対頻度。オレンジの点線が真の確率 p。緑の線＝これまでの命中率。少ない回数では激しく上下しますが、回数が増えるとp の線に吸い付いて動かなくなります。横軸が対数なので、右へ行くほど桁違いに多く試しています。

注意 — ギャンブラーの誤謬大数の法則は「たくさん試せば平均が理論値に近づく」であって、「そろそろ裏が出るはず」ではありません。コインは過去を覚えていないので、表が5回続いても次が表の確率はやはり 1/2。独立な試行に『埋め合わせ』は起きない。相対頻度が p に近づくのは、外れが取り消されるからではなく、回数という分母が大きくなって初期のブレが薄まるからです。

（命中回数）/（試行回数）　⟶　 P(A) 　（試行回数 → ∞）これがモンテカルロ法の原理。面積や積分が難しくても、乱数で「投げて数える」だけで確率を近似できる

3. 条件付き確率 — 世界をBに絞り込む

「B が起きたと分かっている」とき、A の確率はどう変わるか。これが条件付き確率 P(A|B)です。やることは単純で、的全体を忘れて B の中だけを新しい『全世界』とみなし、その中で A が占める割合を測り直すだけ。下のスライダーで「B にズーム」してみてください。B の外のダーツが消え、残った世界の中で A（緑）が何割かを見ることが、まさに P(A|B) です。

条件付き確率 — Bにズームして測り直す

Bにズーム

Aの大きさ P(A)

四角B＝条件。ズームを上げると B の外側（うすい点）が消え、B が画面いっぱいに広がります。その拡大された世界の中で緑（A）が占める割合が P(A|B)。全体で見た P(A) とは値が変わることに注目。「情報が増えると確率が変わる」を面積で体感できます。

P(A|B) = P(A∩B) / P(B) 分母を「全体」から「B の面積」に取り替える操作。B の中で A∩B が占める割合、というだけの意味

4. 独立 — 交わりの面積が「かけ算」になるとき

2つの出来事が互いに影響しないことを独立といいます。面積の言葉では、A の縦帯（幅 = P(A)）と B の横帯（高さ = P(B)）が交わる長方形の面積が、ちょうどP(A) × P(B) になること。言い換えると「B の中で A が占める割合」が「全体で A が占める割合」と等しい、つまり P(A|B) = P(A) — B を知っても A の見込みが変わらない状態です。

独立 — P(A∩B) = P(A)·P(B) の長方形

P(A)

P(B)

独立を崩す

縦帯＝A、横帯＝B、両方に入る緑の長方形＝A∩B。独立なら緑の面積は必ず P(A)×P(B) に一致（枠が緑）。「独立を崩す」を押すと B の形が A に依存し、面積がかけ算からずれます（枠が赤）。独立とは、交わりの面積がぴたりとかけ算になること。

一歩先へ — この面積の絵が機械学習を支える P(A|B) = P(A∩B)/P(B) の分母と分子を入れ替えると、そのままベイズの定理 P(B|A) = P(A|B)P(B)/P(A) になります（数学10「最尤推定とベイズ推定」へ）。「独立だから確率をかけ算できる」という性質は、ナイーブベイズ分類器や、数学8「確率分布と中心極限定理」で見た『独立な偶然の足し合わせ』の前提そのもの。たった一枚の面積の絵が、AIの確率的な土台になっています。

5. まとめ

確率は面積：一様に投げたダーツが領域に刺さる割合。全体を1に取れば P(A) は A の面積そのもの。
大数の法則：試行を増やすと相対頻度は理論確率に収束する。ただし「そろそろ出る」は誤り（ギャンブラーの誤謬）。
条件付き確率 P(A|B)：全体を B に取り替え、その中で A の割合を測り直す＝「B にズーム」。
独立：P(A∩B) = P(A)·P(B)。B を知っても A の見込みが変わらない（P(A|B) = P(A)）。