メインコンテンツへスキップ
見出し画像

G検定の数理・統計は「計算の型」で取る:ベイズの定理・期待値・分散・交差エントロピー

    G検定の合否通知には、分野ごとの得点率が載ります。体験記に書き写された得点率を並べると、ほかの分野にはない偏り方をしているのが「数理・統計」です。

    体験記に数理・統計の得点率を書いていた7人のうち、5人が100%、残りの2人は66%と50%でした。その間がありません。低かった側の声は、たとえば次のようなものです。

    • 「7.AIに必要な数理・統計知識はめちゃくちゃ難しかった。」(FsiTarou・2026年第2回、数理・統計は50%)

    • 「そして数理統計知識については、何をどうやろうとも全くわからず、最終的には諦めました…!」(うめか・2026年第4回)

    9月の試験の前後約5週間に X で受験者の声を集めたところでも、統計が難しい、数理系が理解できなかった、という声が目立ちました。どの分野でつまずいたかが書かれていた40件のうち9件が数理・統計で、時間不足と並んで最も多いテーマです。一方で、数理・統計が満点だったという投稿も3件あり、いずれも統計を学んだ経験のある人でした。

    この記事から始まる「G検定 頻出テーマ」は、試験によく出て、受験者がつまずきやすいテーマを1回に1つずつ、深く解説する全10回の連載です。以前の連載では、体験記の読み方や時間配分など「全体の戦い方」を扱いました。今回は1回1テーマにしぼり、読み終えたときにそのテーマの問題を自力で解ける状態になることを目標にします。

    最初に書き手のことを少しだけ。私たちは資格の問題集アプリ「ナレッジバンドル」を作っていて、G検定の500問を作るときに、受験者がどこでつまずくのかを体験記で調べました。数理・統計は、満点の人と半分前後の人にはっきり分かれる分野でした。私たちが全問に「正解の理由」と「各選択肢の正誤」の解説を付けているのも、答えだけでなく、そこに至る手順まで確かめられるようにするためです。

    ▶ アプリ「ナレッジバンドル」はこちら

    第1回の今回は、その数理・統計を 「計算の型」 として整理します。


    計算問題は「出ても数問」。それでも捨てる前に

    先に正直に書いておくと、計算問題の数は多くありません。

    • 「計算系の問題はほぼなく、数式が出てきたのも3問程度だったと記憶している」(そとでよ・2026年第2回)

    • 「ただし、簡単な計算問題は出題されるので、問題集レベルの計算問題は一通り押さえておいた方がよさそうです。」(いちばのよしくん・2026年第3回)

    体験記を読むと、計算は出ても数問、多くて全体の1割程度、という書き方が大半です。計算問題を最初から捨てた、後回しにしたという合格者もいます。

    それでも、ここで扱う型は覚えておく価値があります。理由は3つです。

    • 数理・統計の分野は問題数が少ないぶん、1問の差で得点率が大きく動く。ある合格者は出題を3問程度と推定していて、それなら1問で約33ポイント変わります。体験記の得点率が100%と50〜66%に分かれるのも、このためと考えられます

    • ベイズの定理や交差エントロピーは、計算問題としてだけでなく、用語の説明を選ぶ問題 でも同じ理解が問われる

    • この記事で扱う計算は、手順さえ決まっていれば四則演算と √・log で終わるものばかり。「捨てる」のは、この型を試してからでも遅くありません

    シラバスでの位置

    Gシラバス2024(第1.4版)では、技術分野の最後の中項目 「37. AI に必要な数理・統計知識」 に、29個のキーワードが並んでいます。主なものは次のとおりです。

    • 代表値とばらつき: 平均、中央値、最頻値、分散、標準偏差、外れ値、度数分布

    • 確率: 確率変数、確率分布、期待値、条件付き確率、正規分布、二項分布、ベルヌーイ分布、ポアソン分布

    • 関係: 相関係数、共分散、疑似相関、偏相関係数

    • 推定と検定: 最小二乗法、最尤法、帰無仮説、対立仮説

    • 距離: ユークリッド距離、マハラノビス距離、コサイン類似度

    学習目標には、統計学の基礎を理解し、基本的な統計情報を計算できることが挙げられています。また、交差エントロピーとカルバック・ライブラー情報量(KL)は、37ではなく 「13. 誤差関数」 のキーワードです。分野をまたいで出てくるので、この記事でまとめて扱います(JDLA G検定 のシラバス)。


    型1:平均・分散・標準偏差は「差 → 2乗 → 平均」

    分散は「平均からどれだけ散らばっているか」を表す数です。計算は次の4ステップで、毎回同じです。

    1. 平均を出す

    2. 各データから平均を引く(平均との差)

    3. 差を2乗する

    4. 2乗した値の平均を取る → これが分散

    標準偏差は、分散の平方根(√)です。

    画像

    データ 2, 4, 4, 4, 5, 5, 7, 9 なら、平均は 40 ÷ 8 = 5、差の2乗の合計は 32 なので分散は 32 ÷ 8 = 4、標準偏差は √4 = 2 です。

    取り違えやすいポイント

    • 単位が違う: 分散は差を2乗しているので、単位も元のデータの2乗になります(cm なら cm²)。標準偏差は √ を取るので、元と同じ単位に戻ります。評価指標の MSE(平均二乗誤差)と RMSE(その平方根)も、同じ関係です

    • n で割るか、n−1 で割るか: 手元のデータそのものの散らばりは n で割ります。手元のデータを「標本」と見て、母集団の分散を推定するときは n−1 で割った 不偏分散 を使います。上の例なら 32 ÷ 7 ≒ 4.57 です

    • 中央値・最頻値との違い: 中央値は並べて真ん中の値、最頻値は最も多く出る値です。上の例では中央値が (4 + 5) ÷ 2 = 4.5、最頻値は 4。外れ値が1つ混じると平均は大きく動きますが、中央値はほとんど動きません

    正規分布と「68%・95%」

    平均 μ、標準偏差 σ の正規分布では、平均から ±1σ の範囲に約68%、±2σ の範囲に約95% のデータが入ります(正規分布の式から計算すると 68.3%・95.4%)。「標準偏差が分かると、データがどのくらいの幅に収まるかが言える」というのが、標準偏差を学ぶいちばんの意味です。


    型2:期待値は「値 × 確率」を足すだけ

    期待値は、確率変数が平均的にとる値です。計算は 「とりうる値 × その確率」をすべて足す だけです。

    サイコロ1個なら、1〜6 がそれぞれ 1/6 の確率なので、期待値は (1 + 2 + 3 + 4 + 5 + 6) × 1/6 = 3.5 です。実際には 3.5 の目は出ませんが、何度も振ったときの平均が 3.5 に近づく、という意味です。

    ついでに分散も同じ型で出せます。各値と期待値 3.5 の差を2乗し、確率 1/6 をかけて足すと、35/12 ≒ 2.92 になります。データの分散と「確率で重みを付けた平均」の違いだけで、手順は型1と同じです。


    型3:ベイズの定理は「10,000人の表」で解く

    数理・統計でいちばん差がつきやすいのが、条件付き確率とベイズの定理です。式は次の形です。

    P(A|B) = P(B|A) × P(A) ÷ P(B)

    P(A|B) は「B が起きたときに A である確率」です。式を覚えるより、人数の表を作る ほうが速く、間違えにくくなります。

    例として、次の検査を考えます(数字は説明用の自作です)。

    • 病気の人の割合(有病率): 1%

    • 病気の人が陽性になる確率(感度): 99%

    • 病気でない人が陽性になる確率(偽陽性率): 5%

    この検査で陽性と出た人が、本当に病気である確率はいくつでしょうか。「99%」と答えたくなりますが、表を作ると違う答えになります。

    画像
    1. 10,000人いるとする

    2. 有病率1%で分ける → 病気100人、病気でない9,900人

    3. 病気の100人のうち99%が陽性 → 99人

    4. 病気でない9,900人のうち5%が陽性 → 495人

    5. 陽性は合わせて 99 + 495 = 594人。そのうち病気は99人 → 99 ÷ 594 ≒ 16.7%

    陽性でも、本当に病気なのは6人に1人です。病気でない人のほうが圧倒的に多いので、その5%の「誤って陽性」が、病気の人の陽性を数で上回ってしまいます。

    取り違えやすいポイント

    • P(A|B) と P(B|A) は別物: 「病気の人が陽性になる確率(感度)」と「陽性の人が病気である確率」は、上の例で 99% と 16.7% ほど違います。問題文の「〜のとき」がどちらにかかっているかを、最初に確かめます

    • 分母は「条件の側」の合計: 「陽性の人のうち」と聞かれたら、分母は陽性の合計(594人)です。全体の10,000人や、病気の100人ではありません

    • 10,000 の代わりに 100 や 1,000 でもよい: 割り切れる数を選べば、小数を使わずに済みます


    画像

    型4:相関と因果、尤度と最尤推定は「言葉の向き」で見分ける

    ここは計算より、言葉の意味を取り違えないことが大事な部分です。

    相関は因果ではない(疑似相関)

    相関係数は、2つの量が一緒に増えたり減ったりする度合いを −1〜1 で表したものです。相関が強くても、片方がもう片方の原因とは限りません。たとえば「アイスの売上」と「水難事故の件数」がどちらも夏に増えるとき、両者には相関が出ますが、原因は気温という第三の要因です。このように、別の要因によって生まれる見かけの相関を 疑似相関 といいます。第三の要因の影響を取り除いた相関を見るのが 偏相関係数 です。

    • 相関係数は −1〜1。0 に近いほど直線的な関係が弱い

    • 共分散も「一緒に動く度合い」だが、単位に左右されて大きさで比べられない。共分散をそれぞれの標準偏差で割ったものが相関係数

    尤度と最尤推定

    確率は「パラメータを決めたときに、データがどのくらい出やすいか」です。尤度(ゆうど)は、向きを逆にして 「手元のデータから見て、どのパラメータがもっともらしいか」 を表します。尤度を最大にするパラメータを選ぶのが 最尤推定(最尤法) です。

    コインを10回投げて表が7回出たとします。表の出る確率を p とすると、この結果の尤度は p の7乗 × (1 − p) の3乗です。p を変えて計算すると、p = 0.5 で約0.00098、p = 0.7 で約0.00222、p = 0.8 で約0.00168 となり、p = 0.7 のときに最大 になります。直感どおり「7回 ÷ 10回」が最尤推定の答えです。

    機械学習では、この尤度の対数を取ってマイナスを付けたもの(負の対数尤度)を損失として小さくします。次の交差エントロピーは、分類問題でのその形です。


    型5:交差エントロピーとKLは「−log(正解の確率)」から始める

    エントロピー

    エントロピーは、確率分布の「不確かさ」の大きさです。H(P) = −Σ P(x) log P(x) で計算します。表と裏が半々の公平なコインは、底を2にすると1ビットで、2通りの結果の中で最も不確かです。偏ったコインほど、エントロピーは小さくなります。この量は Shannon の1948年の論文 "A Mathematical Theory of Communication" で導入されました(Bell System Technical Journal)。

    交差エントロピー

    交差エントロピーは、正解の分布 P と、モデルの予測の分布 Q のずれを測るのに使います。式は H(P, Q) = −Σ P(x) log Q(x) です。

    分類問題で正解ラベルが1つだけのとき、P は正解のクラスだけが1、ほかは0です。すると式は 「−log(正解クラスに付けた確率)」 だけになります。ここがいちばん使う型です。

    画像

    自然対数で計算すると、正解クラスに 0.9 を付けたときの損失は約0.105、0.7 なら約0.357、0.1 なら約2.303 です。大きく外すほど、損失が急に大きくなります。分類のモデルが交差エントロピーを損失に使うのは、この「自信を持って外したら強く罰する」性質があるからです。

    KL ダイバージェンス(カルバック・ライブラー情報量)

    KL ダイバージェンスは、2つの分布がどれだけ違うかを表します。KL(P‖Q) = Σ P(x) log(P(x) ÷ Q(x)) で、値は0以上、P と Q が同じときだけ0になります(原典は Kullback と Leibler の1951年の論文、Annals of Mathematical Statistics)。

    注意したいのは、向きを入れ替えると値が変わる ことです。P = (0.5, 0.5)、Q = (0.9, 0.1) で計算すると、KL(P‖Q) ≒ 0.511、KL(Q‖P) ≒ 0.368 で、一致しません。教科書『Deep Learning』(Goodfellow ら)も、KL は非対称なので真の距離ではないと説明しています(3章)。

    3つの量の関係は、次の1行にまとまります。

    交差エントロピー H(P, Q) = エントロピー H(P) + KL(P‖Q)

    上の例では 1.204 ≒ 0.693 + 0.511 です。正解の分布 P は学習中に変わらないので、交差エントロピーを小さくすることは、KL を小さくすること、つまり予測 Q を正解 P に近づけることと同じ意味になります。

    取り違えやすいポイント

    • KL は距離ではない: 「KL(P‖Q) と KL(Q‖P) は常に等しい」という選択肢は誤り

    • KL は負にならない: 最小は0

    • log の底: 底2ならビット、自然対数ならナットという単位になる。どちらで計算しても、大小の関係は変わらない

    • 回帰と分類の損失: 数値を当てる回帰では平均二乗誤差、クラスを当てる分類では交差エントロピーが基本の組み合わせ


    確認問題

    この記事のために作った問題で、本番の問題の再現ではありません。4択で、答えと解説は3問のあとにまとめています。

    問1

    ある検査は、病気の人の90%を陽性と判定し、病気でない人の10%も陽性と判定する。この病気の有病率が2%のとき、陽性と判定された人が本当に病気である確率に最も近いものはどれか。

    1. 約90%

    2. 約50%

    3. 約16%

    4. 約2%

    問2

    データ 1, 3, 5, 7 の分散(n で割る)として正しいものはどれか。

    1. 4

    2. 5

    3. 20

    4. √5

    問3

    交差エントロピーと KL ダイバージェンスの説明として、最も適切なものはどれか。

    1. KL(P‖Q) と KL(Q‖P) は、どんな P と Q でも等しい

    2. 交差エントロピー H(P, Q) は、エントロピー H(P) と KL(P‖Q) の和に等しい

    3. 分類問題で、正解クラスに付けた確率が0.1のときの損失は、0.9のときより小さい

    4. KL ダイバージェンスは、P と Q が離れていると負の値になることがある

    答えと解説

    • 問1: 3(約16%)。10,000人で表を作ります。病気200人のうち陽性は90%の180人、病気でない9,800人のうち陽性は10%の980人。陽性1,160人のうち病気は180人なので、180 ÷ 1,160 ≒ 15.5%。1 の「約90%」は感度(病気の人が陽性になる確率)をそのまま答えた誤りで、P(A|B) と P(B|A) の取り違えです

    • 問2: 2(5)。平均は 16 ÷ 4 = 4。平均との差は −3, −1, +1, +3、2乗すると 9, 1, 1, 9 で合計20。20 ÷ 4 = 5 です。3 の20は割り忘れ、4 の √5 は標準偏差です

    • 問3: 2。H(P, Q) = H(P) + KL(P‖Q) が成り立ちます。1 は KL の非対称性に反し、3 は逆(−ln 0.1 ≒ 2.303 は −ln 0.9 ≒ 0.105 より大きい)、4 は KL が0以上であることに反します


    まとめ

    • 数理・統計は問題数が少なく、1問で得点率が大きく動く。体験記の得点率は100%と50〜66%に分かれていた

    • 分散は 「差 → 2乗 → 平均」、標準偏差はその √。不偏分散は n−1 で割る

    • 期待値は 「値 × 確率」の合計

    • ベイズの定理は 10,000人の表 を作り、「〜のうち」の分母を条件の側の合計にする

    • 相関は因果ではない(疑似相関)。尤度は「データから見たパラメータのもっともらしさ」

    • 交差エントロピーは −log(正解の確率)、KL は 非対称で0以上、交差エントロピー = エントロピー + KL

    計算問題の数は多くありませんが、型を1つずつ手で解いておけば、何から手を付けていいか分からない状態からは抜け出せます。私たちのアプリでも、間違えた問題だけに絞って解き直せるので、型が身につくまで同じ計算を回せます。

    次回の2026年第6回はオンライン試験のみで、11月6日(金)・7日(土)に実施、申込は10月29日(木)23:59までです(JDLA)。

    連載の第2回は「評価指標」です。混同行列から適合率・再現率・F値・AUC までを、今回と同じように計算の手順で整理します。


    G検定の500問をアプリで解くなら「ナレッジバンドル」

    画像

    資格対策アプリ「ナレッジバンドル」には、G検定のオリジナル問題500問がすべて入っています。スキマ時間に1問ずつ解いて、間違えた問題だけを繰り返せます。

    • 全問に解説つき。解説の用語はタップでG検定専用の用語辞書が開き、関連用語もたどれる

    • 解説を読んでも引っかかったら、その問題をそのままAIに質問。Google検索もワンタップ

    • 忘却曲線で復習を自動出題。「間違えた問題だけ」「未回答だけ」「ランダム」など出題の絞り込みも自由

    • 本番形式テストで、いまの合格率と弱点カテゴリをグラフで確認

    • 広告なし。全教材は無料体験できます

    ▶ ナレッジバンドルを無料で試す

    G検定のほか、100以上の資格・検定(レビュー中含む)が1つのアプリで使い放題です。アプリ内の教材追加画面で「G検定」と検索してください。


    ※この記事は2026年10月7日時点の公開情報をもとにしています。試験の制度や日程は変わることがあるので、受験前に必ずJDLA公式サイトで確認してください。体験記の引用は各記事の原文から行い、リンク先に出典を明記しています。計算例と確認問題はこの記事のために作ったもので、本番の問題の再現ではありません。

     
     
    資格試験の問題集をつくっています。全問解説つきの対策問題集PDFと、試験ごとの勉強法・頻出テーマの解説を公開中。G検定、ITパスポート、衛生管理者、エネ管、AWSなど40冊以上。スマホで解くならアプリ「ナレッジバンドル」(iPhone・Web)へ。

    あなたへのおすすめ