累積分布関数とは、確率変数が特定の値以下となる確率を表す数学的関数です。確率分布の全体像を把握するために用いられ、確率密度関数を積分することで得られます。機械学習や統計解析においては、データのパーセンタイル算出や生成モデルの評価、リスク管理など幅広く活用される基本的な概念です。
累積分布関数とは
累積分布関数とは、確率変数が「ある値以下」の値をとる確率を示す関数です。確率全体の蓄積を表すため、データがどの範囲にどの程度集中しているかを直感的に把握できます。
詳しく解説
累積分布関数は、確率論や統計学において確率分布の性質を完全に記述するための重要な指標です。連続型の確率変数の場合、確率密度関数を負の無限大から特定の値まで積分することで算出されます。離散型の場合は、確率質量関数の各確率の和として表現されます。関数の値は必ず0から1の範囲に収まり、単調非減少のグラフを描く特徴を持ちます。機械学習では、データの正規化やパーセンタイルの計算、確率的な意思決定アルゴリズム、生成モデルにおける分布の比較などに広く利用されています。
具体例・使われ方
例えば、テストの点数データにおいて「70点以下の学生が全体で何パーセントいるか」を知りたい場合に累積分布関数が活用されます。また、機械学習の分類モデルにおける出力スコアの閾値設定や、異常検知アルゴリズムでデータポイントが異常とみなされる確率の累積値を計算する際にも利用されます。さらに生成モデルの評価指標であるパーセンタイル計算にも不可欠です。
似た用語との違い
累積分布関数と混同されやすい概念に確率密度関数と確率質量関数があります。確率密度関数は連続型確率変数が「特定の値の周辺にどの程度の密度で存在するか」を表すのに対し、累積分布関数はその値を「下回る全確率の合計」を表します。離散型データで特定の各値をとる確率を示す確率質量関数に対しても、それを積み上げたものが累積分布関数となります。
注意点
累積分布関数は累積値を扱うため、局所的なデータの変化や急激な密度の高まりをグラフ上で直感的に見落とす可能性があります。また、多次元データや複雑な高次元の機械学習モデルにおいて、すべての変数に対して正確な累積分布関数を計算・可視化することは計算負荷が非常に高くなる点に注意が必要です。