期待値とは
期待値とは、確率変数の各値にその確率を掛けて総和を取った値です。多数回試行を行った際に得られる平均的な結果を表します。損失関数の期待値最小化は機械学習の学習原理そのものです。
この用語はG検定シラバスの「37. 数理・統計」に含まれます。 章全体の用語は用語解説⑥（全52語）にまとまっています。
一言でいうと
起こりうる値を、その確率で重み付けして平均した値です。
平均との違い
平均は手元のデータから計算します。期待値は確率分布から計算します。
サイコロで実際に計算してみます。1〜6の目がそれぞれ確率 1/6 で出るので、「各目 × その確率」を全部足します。
1×(1/6) ＋ 2×(1/6) ＋ 3×(1/6) ＋ 4×(1/6) ＋ 5×(1/6) ＋ 6×(1/6)
＝ (1＋2＋3＋4＋5＋6) ÷ 6 ＝ 21 ÷ 6 ＝ 3.5
3.5という目は存在しませんが、それでかまいません。実際に振らなくても、確率が分かっていれば計算できるのが期待値です。振る回数を増やすほど、実際に出た目の平均はこの3.5に近づいていきます。
機械学習の学習原理
機械学習が最小化しているのは「損失の期待値」です。未知のデータ全体に対して平均的にどれだけ間違えるかを小さくしたい、ということです。
ただし真の分布は分からないので、手元のデータでの平均で代用します。この差が汎化性能の問題につながります。強化学習の価値関数も報酬の期待値です。
期待値だけでは足りない
期待値が同じでもばらつきはまったく違うことがあります。
「必ず10点もらえる」場合と「半々で0点か20点」の場合、期待値はどちらも10点です。しかしリスクの大きさは別物です。
そのため期待値と分散をセットで見ます。中心の位置と広がりの両方を押さえることが、分布を理解する基本になります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 期待値 | 確率分布から計算する理論値 |
| 平均 | 手元のデータから計算する実測値 |
🎯 G検定での押さえどころ
- 各値に確率を掛けて総和を取る
- 多数回試行した際の平均的な結果
- 損失の期待値最小化が機械学習の原理
⚠️ よくある誤りの選択肢
- 「期待値は実際に観測されたデータの平均である」→ 誤り。確率分布から計算する理論値です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「一般的な確率分布」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。