事後確率

統計学
ベイズ統計学
理論
許容決定規則 ベイズ効率性 ベイズ確率 確率の解釈 ベイズの定理 ベイズ因子 ベイズ推定 ベイジアンネットワーク 事前確率 事後確率 尤度 共役事前分布 事後予測分布 ハイパーパラメータ ハイパーパラメータの事前分布 等確率の原理 最大エントロピー原理 経験ベイズ法 クロムウェルの差止め規則 ベルンシュテイン＝フォン・ミーゼス定理 シュワルツ情報量規準 信用区間 最大事後確率推定 根源的蓋然論
技法
ベイズ線形回帰 ベイズ推定量 近似ベイズ計算 マルコフ連鎖モンテカルロ法
表 話 編 歴

事後確率（じごかくりつ、英: posterior probability）は、条件付き確率の一種。アポステリオリ確率ともいう^[1][2]。 ある証拠（データあるいは情報）を考慮に入れた条件で、ある変数について知られている度合を確率として表現する主観確率の一種である。

対になる用語が事前確率で、これは証拠となるデータがない条件下での不確かな量の条件付確率である。ベイズの定理により、事前確率に尤度関数の出力値を掛けると事後確率が得られる。

なお本項では「変数」という用語を、観測できる確率変数のほかに、観測できない（隠れた）変数、母数あるいは仮説も含めて用いている。たとえば、「土星の質量」を変数xとして、観測結果に基づいた事後確率「xが定数αからβの間にある確率」を求めることができる（主観確率を認めない頻度主義ではこのような言い方は意味がない）。

簡単な例

サイコロを使う例

Aさんがサイコロを2回振って出た目を記録する。その結果を知らないBさんに「どちらかで2の目が出た確率は?」と聞く。答えは（サイコロが完全にランダムとすれば）11/36となる。これが事前確率である。

次にAさんは「出た目の和は6だった」というヒント（新たな情報）を出す。そうすると2の目が出た確率は2/5となる。これが事後確率である。

モンティ・ホール問題

詳しくはモンティ・ホール問題を参照。

3つのカーテンの中に1つの「アタリ」と2つの「ハズレ」が隠されている。まず何も情報がない場合に、3つのうちどれでも1つがアタリとなる確率は（位置に関して完全にランダムとすれば）1/3となる。これが事前確率である。

さて、回答者が3つの中からある1つを選んだあとに、司会者が回答者の選択しなかったハズレのうちの1つ（これがハズレだよという新たな情報）を示す。そうすると最初に選んだ1つがアタリの確率は1/3、残りの1つがアタリの確率は2/3となる 。この1/3および2/3というのが事後確率である。（これは直感的に考えると間違えやすい）

事前確率と事後確率

事前確率と事後確率の関係は相対的なもので、事後確率を事前確率としてさらなる情報を付け足し、新しい事後確率を求めることができる。

事後確率の確率分布が事後確率分布（英: posterior probability distribution）で、事後分布（英: posterior）と略す。これは事前確率分布に尤度関数をかけ、これを正規化（合計値または積分値を1にする）して得られる。事前確率と事後確率は、古典的な頻度主義統計学では用いられない、ベイズ統計学の用語である。

たとえば

${\displaystyle f_{X\mid Y=y}(x)={f_{X}(x)L_{X\mid Y=y}(x) \over {\int _{-\infty }^{\infty }f_{X}(x)L_{X\mid Y=y}(x)\,dx}}}$

によって、データ Y=y が与えられた場合の変数 X に対する事後確率の分布密度関数が得られる。ただしここで

• ${\displaystyle f_{X}(x)}$ は X の事前確率分布
• ${\displaystyle L_{X\mid Y=y}(x)=f_{Y\mid X=x}(y)}$ は x の関数としての尤度関数（データ Y=y が与えられた場合に、 X の値が x であると考えるもっともらしさを表す）
• ${\displaystyle \int _{-\infty }^{\infty }f_{X}(x)L_{X\mid Y=y}(x)\,dx}$ は正規化（積分値を 1 にするための）係数
• ${\displaystyle f_{X\mid Y=y}(x)}$ は X の事後確率分布

である。このように、事前確率に証拠となる情報を加味してより確からしい事後確率を求めることをベイズ改訂（またはベイズ更新）といい、この方法を用いる推定をベイズ推定という。

脚注

参考文献

• ピエール＝シモン・ラプラス 著、内井惣七 訳『確率の哲学的試論』岩波書店〈岩波文庫〉、1997年。ISBN 978-4003392515。 
• 西岡康夫『数学チュートリアル やさしく語る 確率統計』オーム社、2013年。ISBN 9784274214073。 
• 日本数学会『数学辞典』岩波書店、2007年。ISBN 9784000803090。 
• JIS Z 8101-1:1999 統計 − 用語と記号 − 第1部:確率及び一般統計用語, 日本規格協会, (1999), http://kikakurui.com/z8/Z8101-1-1999-01.html 
• 伏見康治『確率論及統計論』河出書房、1942年。ISBN 9784874720127。http://ebsa.ism.ac.jp/ebooks/ebook/204。 

関連項目

• 確率
  • 確率論
  • 事前確率
    • アプリオリ
  • アポステリオリ
  • 条件付き確率
  • 主観確率
  • ベイズ確率
    • ベイズの定理
• モンティ・ホール問題

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ