ベイズ推論（べいずすいろん）
最終更新：2026/4/27
ベイズ推論は、事前知識と観測データに基づいて不確実な事象の確率を更新する統計的推論の方法である。
別名・同義語 ベイズ統計ベイズ法
ポイント
ベイズ推論は、確率を「信念の度合い」と捉え、データによって信念を修正していくという考え方に基づいている。機械学習やデータ分析で広く用いられる。
ベイズ推論の概要
ベイズ推論は、確率論に基づいた統計的推論の手法であり、18世紀の数学者トマス・ベイズによって提唱された。ベイズの定理を基盤とし、事前確率（データを見る前に持っていた確率）と尤度（データが与えられたときの確率）を組み合わせることで、事後確率（データを見た後に更新された確率）を計算する。
ベイズの定理
ベイズの定理は、以下の式で表される。
P(A|B) = [P(B|A) * P(A)] / P(B)
ここで、
- P(A|B): 事後確率（Bが観測されたときのAの確率）
- P(B|A): 尤度（Aが真であるときBが観測される確率）
- P(A): 事前確率（Aの確率）
- P(B): 証拠（Bが観測される確率）
ベイズ推論の応用
ベイズ推論は、様々な分野で応用されている。
ベイズ推論の利点と欠点
利点:
- 事前知識を組み込むことができる。
- 不確実性を定量的に扱うことができる。
- 新しいデータに基づいて確率を更新できる。
欠点:
- 事前確率の設定が難しい場合がある。
- 計算コストが高い場合がある。