ベイズ統計って、そもそも何なんでしょう？

まず「ベイズ統計」という言葉から整理しましょう。統計には大きく分けて「頻度論的統計」と「ベイズ統計」という二つのアプローチがあります。難しそうに聞こえますよね。でも、ざっくり言うと、ベイズ統計とは「すでに持っている知識や経験（事前の情報）を使いながら、新しいデータが来るたびに考えを更新していく統計の考え方」なんです。

たとえば、こんなイメージはどうでしょう。あなたが「明日、雨が降るかどうか」を考えるとき、まず「この季節はだいたい30%くらい雨が降る」という経験的な感覚を持っていますよね。そこに「今日の空が曇っている」という新しい情報が加わると、「あ、これは50%くらいに上がるかも」と考えを更新する。この「情報を受け取るたびに確率の見積もりを更新していく」プロセスこそが、ベイズ統計の核心なんです。

従来の頻度論的な統計では「データだけを見て確率を計算する」のに対して、ベイズ統計では「事前に持っている知識（事前分布、と呼びます）」と「新しいデータから得られる情報（尤度、ゆうど、と呼びます）」を組み合わせて「事後分布（じごぶんぷ）」を求めます。事後分布とは、新しいデータを見た後に更新された「確率の分布」のことです。この流れを「ベイズ更新」と言います。

今回の記事では何を学べるの？

Sourceが紹介しているのは、「やさしいデータ分析」シリーズの第5弾となるベイズ統計編です。このシリーズは初歩から応用へとステップアップしながら学べる構成になっていて、今回は特に「二項分布（にこうぶんぷ）」の確率に注目しています。

二項分布って何？と思った方、安心してください。二項分布とは「コインを10回投げたとき、表が何回出るか」のように、「成功か失敗か」の2択の試行を繰り返したときに結果がどう分布するかを表すものです。「表が出る確率はどのくらいか」という母数（ぼすう、つまり真の確率のこと）を、ベイズ的な手法で推定したり検定したりするのが今回のテーマになっています。

Pythonというプログラミング言語を使って実際にコードを書きながら学ぶスタイルなので、「統計の理論だけ読んでも頭に入らない」という方にも向いている内容と考えられます。手を動かしながら「あ、こういうことか」と腑に落ちる体験ができるのが、このシリーズの大きな特徴のひとつと言えそうです。

ベイズ統計を学ぶと、何がうれしいの？

ベイズ統計は、AIや機械学習（コンピューターがデータから自動的に学ぶ仕組みのこと）の世界でも広く使われている考え方です。たとえばスパムメールの自動判定や、医療診断の補助、レコメンド（おすすめ機能）の仕組みなど、身近なところにベイズ的な発想が活きています。

「統計は難しそう」と感じている方にとって、ベイズ統計はとっつきにくく見えるかもしれません。でも、基本的な考え方は「情報を更新し続ける」というとてもシンプルなものなんですよね。Pythonのコードと一緒に学ぶことで、数式だけでは見えにくかった「なぜそうなるのか」が視覚的につかみやすくなる、という点でこうした入門記事はとても価値があると思います。

まず一歩、踏み出してみましょう

ベイズ統計は、最初に「事前分布」「尤度」「事後分布」という三つの言葉を押さえるだけで、全体の流れがぐっとわかりやすくなります。今日できる小さな一歩として、「情報が増えるたびに確率の見積もりを更新する」というベイズの基本的な発想を、まず頭の片隅に置いてみてください。そのうえで、Pythonに少しでも触れたことがある方は、今回紹介したような入門記事のコードを実際に動かしてみると、理解がぐっと深まるはずです。統計やAIの世界への入り口として、ベイズ統計はとても良い出発点になると思いますよ。