2026.07.05

ベイズの定理とは？「新しい情報で確率を更新する仕組み」を画像多めで解説！

クマノくらげ

はじめに

AIや機械学習、統計学を学んでいると、ベイズの定理という言葉を見かけることがあります。

「数式が難しそう」「確率の話だから苦手…」と感じる人も多いかもしれません。

しかし、ベイズの定理は簡単に言えば、

「新しい情報が分かったら、その情報をもとに確率を更新する考え方」

です。

迷惑メールの判定や病気の診断、AIによる予測など、私たちの身近なところでも活用されています。

この記事では、ベイズの定理について、会話形式でわかりやすく解説します。

ベイズの定理って何？

一言で言うと、「新しい情報を手に入れたら、その情報を使って予想を更新する方法」だよ。

予想を更新する？

例えば最初は「雨が降る確率は20%」と思っていたとする。

うん。

でも、空が急に真っ黒になって雷も鳴り始めたら？

雨が降りそうな気がする！

そうだよね。新しい情報が増えたことで、「雨が降る確率」を更新しているんだ。

あっ、それがベイズの定理の考え方なんだ！

ベイズの定理を探偵で例えてみよう

別のイメージでも考えてみたいな。

探偵ドラマを思い浮かべてみよう。

事件発生！

最初は全員が容疑者だから、それぞれ同じくらい怪しいと思うよね。

うん。

でも、防犯カメラの映像や指紋が見つかると？

怪しい人が絞られる。

まさにそれ。新しい証拠が見つかるたびに、「犯人である可能性」を更新していく。

証拠が増えるたびに確率を計算し直しているんだね。

ベイズの定理はどんな場面で使われる？

実際には何に使われているの？

意外と身近なところで使われているよ。

利用例	内容
迷惑メール判定	メールの内容から迷惑メールの可能性を計算する
医療診断	検査結果から病気である可能性を求める
AI・機械学習	データから予測を更新する
音声認識	話した内容を推測する
顔認識	人物である可能性を更新する
レコメンド	利用履歴から好みを予測する

AIでも使われているんだね。

そう。ベイズの定理はAIやデータ分析の基礎となる考え方なんだ。

医療診断で考えてみよう

病院ではどう使うの？

例えば、ある病気になる人が1000人に1人しかいないとする。

かなり少ないね。

そこで検査を受けて陽性になった。

じゃあ病気なんだ！

実はそうとは限らない。

えっ？

検査にも誤判定があるからね。

ああ、健康なのに陽性になる人もいるんだ。

そう。だから「陽性だった」という情報だけではなく、「その病気自体がどれくらい珍しいか」も考慮して、本当に病気である確率を計算する。

なるほど。検査結果だけじゃなくて、元々の確率も重要なんだ。

ベイズの定理の式

ベイズの定理は、次の式で表されます。

P(A|B)
＝
P(B|A) × P(A)
──────────────
     P(B)

各記号の意味は次のとおりです。

記号	意味
P(A)	Aが起こる確率（事前確率）
P(B)	Bが起こる確率
P(B｜A)	Aが起きたときにBが起こる確率
P(A｜B)	Bが起きたときにAが起こる確率（求めたい確率）

なんだか記号がいっぱい…。

最初は「新しい情報を使って確率を更新する式」くらいの理解で十分だよ。

「事前確率」と「事後確率」

事前確率って？

新しい情報を知る前の確率だね。

事後確率は？

新しい情報を反映した後の確率。

用語	意味
事前確率	最初に考えていた確率
事後確率	新しい情報を反映した確率

つまり、予想をアップデートする前と後なんだ。

ベイズの定理のメリット

新しい情報を反映できる

一番のメリットは、新しい情報を取り入れて予測を改善できることだね。

情報が増えるほど予測も良くなるんだ。

AIとの相性が良い

AIではデータが増えるたびに予測を更新することが多い。

だからベイズの定理がよく使われるんだね。

不確実な情報にも対応できる

100%分からなくても、確率として判断できる。

白黒ではなく、「〇〇%くらい」で考えられるんだ。

ベイズの定理のデメリット

事前確率が重要になる

弱点はある？

あるよ。最初の事前確率が大きくずれていると、結果にも影響が出やすい。

計算が複雑になることがある

条件が増えるほど計算は難しくなる。

コンピュータが活躍する理由だね。

データの質に左右される

間違ったデータを使えば、予測も間違いやすくなる。

「ゴミを入れたらゴミしか出ない」ってことか。

ベイズの定理と条件付き確率の違い

条件付き確率とは違うの？

混同しやすいけど少し違うよ。

項目	条件付き確率	ベイズの定理
内容	条件が分かったときの確率	条件付き確率を利用して逆方向の確率を求める
目的	確率を求める	新しい情報で確率を更新する
例	病気の人が陽性になる確率	陽性だった人が病気である確率

向きが逆なんだ！

そう。試験でもよく問われるポイントだよ。

AI・機械学習との関係

AIではどう使われるの？

例えば迷惑メール判定では、「無料」「当選」「クリック」などの単語があると、迷惑メールである確率を更新していく。

単語が増えるほど予測が変わるんだ。

そう。代表的な例として「ナイーブベイズ分類器」というアルゴリズムがあるよ。

ベイズの定理を利用したAIなんだね。

試験対策としてのポイント

ITパスポートや基本情報技術者試験、応用情報技術者試験では、AIや統計、データ分析の分野で出題されることがあります。

用語	試験対策ポイント
ベイズの定理	新しい情報で確率を更新する
条件付き確率	条件がある場合の確率
事前確率	更新前の確率
事後確率	更新後の確率
ナイーブベイズ	ベイズの定理を利用した分類アルゴリズム

試験では「確率を更新する」と覚えればいい？

そう。さらに「条件付き確率との違い」も押さえておいてね。

よくある誤解

ベイズの定理はAI専用ではない

AIだけの技術ってわけじゃないんだよね？

最近はAIが流行だから、AI関係で耳にすることも多いからね。
もともとは統計学・確率論の考え方で、AIはその応用分野の一つなんだ。

必ず正解を出せるわけではない

ベイズの定理ならほぼ当たるとか言っている人がいたんだけど。

もちろん、確実ではないよ。
あくまで「現在の情報から最も妥当な確率」を計算しているだけなんだ。

ベイズの定理と条件付き確率は同じではない

条件付き確率と同じ物だと思っていたよ。

条件付き確率を利用して、逆方向の確率を求めるところがベイズの定理の特徴なんだ。

まとめ

ベイズの定理とは、新しい情報をもとに確率を更新するための考え方です。

AI、機械学習、医療診断、迷惑メール判定など、さまざまな分野で活用されています。

最後にポイントを整理します。

項目	内容
用語	ベイズの定理
一言でいうと	新しい情報で確率を更新する方法
主な利用分野	AI、機械学習、医療、迷惑メール判定
ポイント	事前確率を事後確率へ更新する
関連用語	条件付き確率、ナイーブベイズ、統計学
覚え方	「証拠が増えたら予想をアップデートする」

ベイズの定理は、新しい情報が入るたびに確率を見直す考え方なんだね。

その理解でバッチリ。数式だけを見ると難しく感じるけれど、「証拠が増えるほど予想を更新する」という考え方を押さえれば、AIや統計の仕組みもぐっと理解しやすくなるよ。

ABOUT ME