事前分布とは、データ観測前にパラメータに関して保有している確率分布や仮説を指します。ベイズ推定において重要な役割を果たし、新しいデータが得られる前の事前の知識や主観的な情報を数学的に表現する手法として機械学習や統計学で広く活用されています。
事前分布とは
事前分布とは、データが観測される前に、モデルのパラメータがどのような値をとるかについて、あらかじめ設定しておく確率分布のことです。
詳しく解説
ベイズ推定では、私たちがすでに持っている知識や過去の経験を事前分布として数式化し、新しく得られたデータ（尤度）と組み合わせることで、より確からしい推定値（事後分布）を計算します。機械学習においては、過学習を防ぐための正則化の役割を果たしたり、データの少ない状況でも安定した予測モデルを構築したりするために不可欠な概念です。
具体例・使われ方
例えば、コイン投げの表が出る確率を推測する際、過去の経験から「表も裏も同じくらい出るはずだ」という予測をあらかじめ設定しておく場合、その初期の確率設定が事前分布に相当します。また、画像生成AIの分野では、自然な画像の傾向を事前分布としてモデルに組み込むことで、ノイズから高精度な画像を生成する処理に応用されています。
似た用語との違い
データ観測後に更新された確率分布を指す「事後分布」とは、事前分布に観測データの情報を掛け合わせて計算される点で異なります。事前分布はデータを見る前の仮定であり、事後分布はデータを見た後の結論となります。
注意点
事前分布の設定が客観的な事実から大きく乖離している場合、得られる推定結果の精度が低下するバイアスが生じるリスクがあります。そのため、事前知識が乏しい場合は、結果への影響を抑える無情報事前分布を用いるなどの配慮が求められます。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月3日 04:11