周辺確率とは、複数の確率変数が存在する状況下で、一部の変数について合計や積分を行い、関心の対象外となる他の変数を消去して求めた確率のことです。AIや機械学習の分野において、複雑な確率モデルから特定の変数の傾向を独立して分析する際に欠かせない基礎的な概念です。
周辺確率とは
周辺確率とは、複数の変数が絡み合う確率分布の中から、特定の変数だけに注目するために、他の変数の影響をすべて足し合わせる（あるいは積分して消去する）ことで得られる確率のことです。
詳しく解説
機械学習や統計モデリングでは、多くの変数が同時に変化する同時確率を扱います。しかし、特定の変数だけに着目したい場合、無関係な（あるいは現在分析の対象としていない）他の変数の全パターンについて確率を足し合わせることで、その変数単体の確率分布を導出する必要があります。この操作を周辺化と呼び、ベイズの定理や潜在変数モデルにおいて、観測データの尤度を計算したり、複雑なモデルの推論を行ったりする際の基本的な計算ステップとして重要な役割を果たしています。
具体例・使われ方
例えば、ある街の住民の「身長」と「体重」という2つの変数を考えます。このとき「身長が170cm以上である確率」を知りたい場合、体重が何キロであるかという要素をすべて足し合わせて（あるいは積分して）消去する必要があります。この計算によって得られる「身長が170cm以上である確率」が周辺確率であり、身長単体の傾向を分析する際に利用されます。
似た用語との違い
同時確率が「複数の変数が同時に起こる確率」を表すのに対し、周辺確率とはその同時確率の一部の変数を足し合わせることで得られる「単体（または一部）の変数の確率」という違いがあります。また、条件付き確率は「特定の条件が満たされたもとでの確率」を指すため、変数を消去する周辺確率とはアプローチが異なります。
注意点
周辺確率を計算する際には、対象外となる変数の全領域にわたって和や積分をとる必要があるため、変数の数が膨大になると計算量が爆発的に増加するという問題が生じます。そのため、大規模なAIモデルではサンプリング手法や変分推論などの近似アルゴリズムを用いて効率的に計算を行う工夫が不可欠です。