「確率」という言葉を聞くと、「確率は50%です」のような表現を考えることがよくあります。しかし、確率とは実際には何を意味するのでしょうか？歴史的に、2つの主要なアプローチが私たちの理解を形作ってきました：ラプラスの古典的確率とコルモゴロフの現代確率です。

この記事では、両方の定義を優しく説明し、確率分布と確率密度関数についての将来の議論のための土台を築きます。

ラプラスの確率（古典的定義）

18世紀、ピエール＝シモン・ラプラスは確率を次のように定義しました：

確率 = 有利な結果の数 ÷ 可能な結果の総数

これは、すべての結果が有限で対称的なサイコロやコイン投げのような実験でうまく機能します。

例：サイコロを振る

6面サイコロを1回振るとき、奇数（1, 3, 5）が出る確率は：

これは対称性の仮定に依存しています：すべての結果が等しく起こりやすいということです。

限界

ラプラスの定義には重要な限界があります：

• 無限に多くの結果がある場合には適用できません（例：実数を選ぶ場合）
• 結果に偏りがある場合には困難です（例：重み付きコイン）

これらの問題を克服するために、コルモゴロフの確率に転じます。

コルモゴロフの確率（現代的定義）

1933年、ソビエトの数学者アンドレイ・コルモゴロフは確率のための公理系を導入しました。

確率空間 $(\Omega, \mathcal{F}, P)$

コルモゴロフは確率を3つの構成要素で形式化しました：

1. $\Omega$：すべての可能な結果の集合（標本空間）
2. $\mathcal{F}$：事象と呼ばれる$\Omega$の部分集合の集合（σ-代数）
3. $P$：$\mathcal{F}$の各事象に$[0, 1]$の値を割り当てる確率関数

注意： σ-代数は、大まかに言うと、和集合、積集合、補集合について閉じている部分集合の集合です—無限個取っても閉じています。これにより、矛盾なく一貫して確率を扱うことができます。

公理

確率関数$P$は以下を満たす必要があります：

1. 非負性：$P(A) \geq 0$
2. 正規化：$P(\Omega) = 1$
3. 加法性：互いに素な事象$A$と$B$に対して、$P(A \cup B) = P(A) + P(B)$

この定義はもはや「結果を数える」ことに依存せず、連続空間でも機能します。

例：[0,1]に針を落とす

0から1cmの線上のどこかにランダムに針を落とすことを想像してください。それが区間$[0, 0.5]$に落ちる確率は：

ここで、確率は**長さ（または面積、体積など）**によって測定され、連続的な結果を扱いやすくします。

ラプラス vs コルモゴロフ：比較

特徴	ラプラス	コルモゴロフ
適用範囲	有限、対称的な場合	無限、連続的な場合
定義	有利な結果 ÷ 総結果	公理的定義
限界	偏った場合や連続的な場合	抽象的だが非常に一般的

両方のタイプの確率をインタラクティブな視覚デモで学びましょう！

Laplace vs Kolmogorov: Interactive Probability Demo

Understand the fundamental difference between counting-based and measure-based probability

Laplace (Classical)Kolmogorov (Modern)Comparison

Laplace's Classical Probability

Formula: P(Event) = Favorable Outcomes ÷ Total Outcomes

Example: What's the probability of rolling an odd number with a fair six-sided die?

Key Points:

• All outcomes must be equally likely (symmetry assumption)
• Works well for finite discrete cases
• Simply count favorable vs. total outcomes