---
title: "相互情報量（Mutual Information）とは？【G検定対策】"
description: "相互情報量（Mutual Information）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/mutual-information/"
section: "gk"
---

## まず結論
- **相互情報量（Mutual Information）とは、2つの確率変数がどれだけ情報を共有しているかを表す指標**である。  
- G検定では「**相互情報量が0のときの関係性**」や「**独立との対応関係**」がよく問われる。

---

## 直感的な説明
相互情報量は、  
**「Xを知ることで、Yについてどれだけ新しい情報が得られるか」**  
を表す量です。

- Xを見てもYがまったく予想できない → 情報を共有していない  
- Xを見るとYがかなり予想できる → 情報を多く共有している  

たとえば、
- サイコロの目（X）とコインの裏表（Y）  
→ どちらも無関係なので、相互情報量は **0**  
- 気温（X）とアイスの売上（Y）  
→ 関係があるので、相互情報量は **0より大きい**

---

## 定義・仕組み
相互情報量（Mutual Information, MI）は、  
**2つの確率変数 X と Y の依存関係の強さを表す指標** です。

- 数学的には  
  - 「同時確率分布」と「独立だと仮定した場合の確率分布」のズレ  
  を測っている
- 値の性質  
  - 相互情報量 ≥ 0  
  - **0 になるのは X と Y が独立なときのみ**

※ G検定では数式そのものより、  
**「0 ⇔ 独立」** の対応関係が重要です。

---

## いつ使う？（得意・不得意）
### 得意な場面
- 特徴量選択（Feature Selection）
- 非線形な関係の検出
- 相関係数では捉えにくい依存関係の評価

### 注意が必要な点
- 値のスケールが直感的でない
- データ量が少ないと推定が不安定
- 「相関が0」でも「相互情報量は0とは限らない」ことがある

---

## G検定ひっかけポイント
ここが **最重要** です。

### ひっかけ①  
**「相互情報量が0 → 確率分布が同じ」**  
❌ 不正解  

→ 正しくは  
**相互情報量が0 → XとYは独立**

---

### ひっかけ②  
**「無相関（相関係数0）＝ 相互情報量0」**  
❌ 不正解  

- 相関係数：線形関係のみを見る  
- 相互情報量：非線形関係も含めて見る  

---

### ひっかけ③  
選択肢に  
- 「相関関係がない」  
- 「反比例の関係」  
と書いてあったら注意。

👉 **相互情報量が0と直接結びつくのは「独立」だけ**

---

## まとめ（試験直前用）
- 相互情報量は「2変数がどれだけ情報を共有しているか」を表す  
- **相互情報量 = 0 ⇔ XとYは独立**  
- 「確率分布が同じ」「相関が0」とはイコールではない  
- G検定では **0の意味を正確に判断できるか** が問われる  

👉 **迷ったら「独立かどうか？」で切る**