頻度主義とは、確率を「無限に試行を繰り返したときに、ある事象が発生する相対的な割合（頻度）」として客観的に定義する統計学の立場です。客観的なデータに基づき、パラメータを固定された未知の真値として扱うのが特徴です。機械学習やデータ分析における仮説検定やA/Bテスト、最尤推定などの基礎となっています。
頻度主義とは
頻度主義とは、確率を「同じ条件のもとで無限に試行を繰り返した際に、その事象が発生する長期的な割合（相対頻度）」として定義する統計学および確率論の立場です。データそのものを客観的な観測結果として扱い、母集団のパラメータは「固定された未知の真値」であると考えます。
詳しく解説
頻度主義では、確率を主観的な確信の度合いではなく、客観的に観測可能な頻度の極限として捉えます。この立場に基づく統計学では、得られたサンプルデータから、母集団の真の姿を推測することを目指します。主要な手法として、特定の仮説が正しいかどうかを判断する「仮説検定」や、パラメータの点推定を行う「最尤推定」、真値が含まれる範囲を示す「信頼区間」の設定などがあります。機械学習においては、損失関数を最小化する最適化アルゴリズムや、モデルの評価指標の算出など、多くの基本的なアプローチがこの頻度主義の考え方に支えられています。
具体例・使われ方
頻度主義は日常のデータ分析やAI開発の多くの場面で活用されています。例えば、WebサービスのUI改善を評価する「A/Bテスト」において、新デザインが従来より有意にクリック率を向上させたかを検証する「仮説検定」は頻度主義の代表例です。また、機械学習モデルの訓練において、与えられた訓練データに対して最も尤もらしいパラメータを探索する「最尤推定」や、予測精度のばらつきを評価するために行われる「交差検証」による評価も、頻度主義的な発想に基づいています。
似た用語との違い
頻度主義と対比されるのが「ベイズ主義」です。頻度主義が確率を客観的な発生頻度とし、パラメータを固定された未知の定数とみなすのに対し、ベイズ主義は確率を事象に対する主観的な確信の度合いとして定義し、パラメータ自体も確率的に変動する変数として扱います。頻度主義は「事前確率」などの事前知識を考慮せず、手元にある観測データのみから推論を行う一方、ベイズ主義は事前に持っている知識や仮定を事前分布としてモデルに組み込み、新しいデータが得られるたびに更新していくというアプローチをとります。
注意点
頻度主義的なアプローチにはいくつかの注意点があります。第一に、理論上は無限の試行を前提としているため、極めて少数のデータしか存在しない場合や、そもそも繰り返しの試行が不可能な一回限りの出来事に対して確率を定義することが困難です。第二に、「仮説検定」において広く使われるp値は、帰無仮説が正しいという仮定のもとでのデータの稀少性を示すものに過ぎず、仮説が正しい確率そのものを表しているわけではないため、解釈や乱用に注意する必要があります。