確率質量関数と累積分布関数の違いを徹底解説！中学生にもわかる実践ガイド

---

確率質量関数と累積分布関数の基本を押さえる

まずは【確率質量関数】と【累積分布関数】の両方が何を指しているのかを区別しておくことが大切です。

確率質量関数は離散的なデータの分布を表す指標で、Xがとる各値ごとにその値が起こる確率を示します。

一方、累積分布関数はある値以下になる確率を集めたもので、連続・離散のどちらにも適用できますが、離散型のときはF(x)=P(X≤x)としてx以下の全ての点を足し合わせて求めます。この二つは密接に関係しており、PMFとCDFは互いに補完し合う存在です。

実務や学習の現場では、条件付き確率や期待値を求めるときにもこの二つの考え方が基本の道具になります。

学習のコツは、最初に用語の意味をはっきりさせ、次に具体例で感覚をつかみ、最後に表や図で整理することです。

定義と関係性

確率質量関数と累積分布関数の定義を正しく押さえると、ややこしい混乱を避けられます。

まず確率質量関数 PMFはXがとる値kに対し

p(k)=P(X=k)

と定義されます。離散的なXの取り得る値ごとにこの確率が決まります。

次に累積分布関数 CDFはF(x)=P(X≤x)と定義され、xが整数でも小数でも扱えます。

重要な関係として、離散の場合は、そして

p(k)=F(k)−F(k−1)

となります。つまりCDFはPMFを積み重ねて得られる値であり、PMFはCDFの“差分”として現れます。

この関係を意識するだけで、問題の解法の道筋が見えやすくなります。

また、サポートとはp(k)>0となる値の集合を指し、ここがPMFの対象となる点の意味を持ちます。

実務ではこの考えを用いて、特定の値以下の確率や中央値付近の確率をすばやく見積もります。

実例と表での比較

ここからは具体的な例を使って、PMFとCDFの違いを直感的に理解します。

6面サイコロを一回振るケースを考えましょう。サイコロの出る目は1,2,3,4,5,6の6通りで、どの目も同じく確率は1/6です。

このときPMFはp(1)=p(2)=p(3)=p(4)=p(5)=p(6)=1/6となり、それ以外の値の確率は0です。

一方CDFはXがある値以下になる確率を示します。F(1)=1/6、F(2)=2/6、F(3)=3/6、F(4)=4/6、F(5)=5/6、F(6)=1となります。

このように、PMFは「個々の値の確率」を、CDFは「ある値以下になる確率」を表すのです。

以下の表はこの考え方を整理したものです。

表は実務の場面での理解を助けますので参考にしてください。

<table>性質確率質量関数（PMF）累積分布関数（CDF）定義Xがとる値kの確率 p(k)=P(X=k)Xがある値x以下になる確率 F(x)=P(X≤x)値の対象整数など离散な値整数・実数どちらも対象関係p(k)=F(k)−F(k−1)F(k)=∑_{i≤k} p(i)例サイコロの出目の確率出目が1以下になる確率などの総和

このように表と関係を押さえると、問題文に現れる「この値以下になる確率はどれくらい」という質問にすぐ対応できます。

実務ではデータが離散か連続かで使い分けますが、基本はこの二つの関係性を思い出すことです。

最後にもう少しだけ応用の話をします。

例えば期待値や分散をPMFから求めるときにはp(k)を、CDFからはF(x)を使います。いずれの道具も、データの分布を頭の中に正確に描くための“設計図”として役立ちます。

ピックアップ解説

友だちと雑談しているようなリアルな雰囲気で深掘りします。
確率質量関数はあくまでも“点の確率”をきちんと教えてくれる道具で、累積分布関数はその点の連続的な積み重ねを示す地図のようなものだと考えると理解が進みます。
私はPMFとCDFを往復する練習をするとき、まずはp(k)を決めてから, そしてもう一度

p(k)=F(k)−F(k−1)

を確かめる流れをつくります。
例えばサイコロの例では、p(3)=1/6であることを確認した後、F(3)=3/6とF(2)=2/6の差がちょうど1/6になることを自分の手で計算してみるのがコツです。
こうすることで「確率の分布がどうつながっているのか」が体感的に理解できます。
さらに難しい応用として、離散的なデータを扱うときCDFのグラフを描くと、中央値や分布の形が視覚的に見えやすくなります。
結局のところ、PMFとCDFは二つの視点を切り替える窓口であり、どちらを使うかはその問い方次第ということです。

---