最終更新日：2026年9月24日

gk probability

G検定トップ ＞ ベイズの定理とは？事前確率・尤度・事後確率【G検定対策】

まず結論

ベイズの定理は、観測データを得たあとに、仮説の確率を更新する関係です。

G検定では、

  • 事前確率
  • 尤度
  • 事後確率

の役割を分けます。

直感的な説明

検査前には病気の可能性が低くても、陽性という観測を得ると確率は変わります。

このように、

観測前の考え → データを見る → 観測後の考え

へ更新するのがベイズの考え方です。

定義・仕組み

ベイズの定理は、

**P(H D) = P(D H) P(H) / P(D)**

です。

  • P(H) → 事前確率
  • P(D H) → 尤度
  • P(D) → 周辺尤度・正規化項
  • P(H D) → 事後確率

比例関係だけを見ると、

事後確率 ∝ 尤度 × 事前確率

と整理できます。

いつ使う？（得意・不得意）

などの基礎です。

G検定ひっかけポイント

尤度＝事後確率？

❌ 同じ
⭕ 尤度は仮説を固定したときデータがどれくらい起こりやすいか

事前確率

❌ データを見た後の確率
⭕ 観測前の仮説確率

ベイズ最適化

❌ ベイズの定理そのものを分類へ使う手法
⭕ 代理モデルと獲得関数で探索する別概念

まとめ（試験直前用）

  • 事前確率＝観測前
  • 尤度＝仮説の下でデータが出る度合い
  • 事後確率＝観測後
  • 事後 ∝ 尤度 × 事前
  • ナイーブベイズの基礎
  • ベイズ最適化とは別

© 2024-2026 stemtazoo. All rights reserved.