1. はじめに

　確率と力学は、一見異なる分野のように思えますが、確率変数の期待値や分散と、物理学における重心や慣性モーメントには興味深い共通点があります。これらの概念を比較することで、両者の式が非常に似通っていることが分かります。本記事では、期待値と重心、分散と慣性モーメントの数式の形を並べることで、その類似性を明らかにし、確率分布の直感的な理解を目指します。

2. 期待値を重心として捉える

確率変数 $ X $ の期待値は、次の式で定義されます（離散型の場合）。

$$
E(X) = \sum_{i=1}^{n} x_i P(X = x_i)
$$

ここで、$ x_i $ は確率変数が取り得る値、$ P(X = x_i) $ はその値が現れる確率です。

物理学における重心は、質点が配置された物体の質量分布の中心を示し、次の式で表されます。

$$
\text{重心} = \frac{\sum_{i=1}^{n} m_i r_i}{\sum_{i=1}^{n} m_i}
$$

ここで、$ r_i $ は質点の位置、$ m_i $ はその質量です。

　両者の式を比較すると、期待値の式では $ x_i $ が値（位置）に、$ P(X = x_i) $ が重み（質量）に相当します。確率論では、確率 $ P(X = x_i) $ が「質量」に該当し、それを基に各値 $ x_i $ の平均を取っていると解釈できます。力学での重心の定義と期待値の定義は、このように形式的に非常に似ていることがわかります。

3. 分散を慣性モーメントとして捉える

確率変数 $ X $ の分散 $ \text{Var}(X) $ は、次の式で定義されます。

$$
\text{Var}(X) = \sum_{i=1}^{n} (x_i - E(X))^2 P(X = x_i)
$$

この式は、期待値からの偏差 $ (x_i - E(X)) $ を二乗して、各値が現れる確率で重み付けしたものの総和です。

一方、力学における慣性モーメントは、次の式で定義されます。

$$
I = \sum_{i=1}^{n} m_i (r_i - r_{\text{重心}})^2
$$

ここで、$ r_i $ は各質点の位置、$ r_{\text{重心}} $ は重心、そして $ m_i $ は質量です。この式は、質点が重心からどれだけ離れているかを二乗し、それを質量で重み付けしたものの総和です。

　両者の式を比較すると、以下の対応が見て取れます。

確率論の分散における $ (x_i - E(X))^2 $ は、力学における $ (r_i - r_{\text{重心}})^2 $ に相当します。どちらも「中心（重心/期待値）」からのずれの二乗を考えています。
また、確率論では各 $ x_i $ の出現確率 $ P(X = x_i) $ が重みとして使われ、力学では質量 $ m_i $ が重みとして使われています。

　このように、確率論の分散と力学の慣性モーメントは、どちらも「中心からの散らばり具合」を二乗で測り、その散らばりに重みをつけて総和を取るという共通の構造を持っていることがわかります。

4. 原点周りの慣性モーメントとE[X2]

　次に、原点周りの慣性モーメントに対応する確率論の量について考えます。確率論において、二乗平均は次の式で定義されます。

$$
E[X^2] = \sum_{i=1}^{n} x_i^2 P(X = x_i)
$$

これは、確率変数 $ X $ の各値 $ x_i $ を二乗し、その値が現れる確率で重み付けしたものの総和です。

　一方、力学における原点周りの慣性モーメントは、次の式で表されます。

$$
I_{\text{原点}} = \sum_{i=1}^{n} m_i r_i^2
$$

ここで、$ r_i $ は質点の位置、$ m_i $ は質量です。この式は、各質点が原点からどれだけ離れているかを二乗し、それを質量で重み付けしたものの総和です。

　両者の式を比較すると、確率論の $ E[X^2] $ における $ x_i^2 $ は、力学の $ r_i^2 $ に対応していることがわかります。このことから、$ E[X^2] $ は原点周りの慣性モーメントと形式的に非常に似ています。

　さらに、分散 $ \text{Var}(X) $ は次の関係式で表されます。

$$
\text{Var}(X) = E[X^2] - (E[X])^2
$$

これは、$ E[X^2] $ が分散の一部として関わっていることを示しており、期待値と二乗平均の間の関係を理解することで、分布の広がりをより正確に把握できるようになります。

　力学における慣性モーメントも、分散と同じように移動の法則を適用できます。例えば、ある軸からの慣性モーメント $ I_{\text{軸}} $ は、重心周りの慣性モーメント $ I_{\text{重心}} $ と、重心から軸までの距離 $ d $ を用いて次のように表されます。

$$
I_{\text{軸}} = I_{\text{重心}} + M d^2
$$

ここで、$ M $ は物体の総質量、$ d $ は重心から軸までの距離です。この式は、分散の移動公式 $ \text{Var}(X) = E[X^2] - (E[X])^2 $ と対応しています。重心周りの慣性モーメントに「中心からのずれ」を加えることで、任意の軸周りの慣性モーメントを求めることができるという点で、分散と同じ構造を持っているのです。

　したがって、確率論における二乗平均 $ E[X^2] $ と分散 $ \text{Var}(X) $ が、力学における原点周りの慣性モーメントと重心周りの慣性モーメントに対応していることが明確になります。このようにして、確率分布の広がりや偏りを物理的に理解する手がかりを得ることができます。

5. 確率と力学の統一的な視点

　期待値を重心、分散を慣性モーメントとして捉えることで、確率分布の振る舞いを物理的に直感することができるようになります。まとめると、次のような対応関係が見られます。

期待値 $ E(X) $ : 重心
- 確率変数の値の「平均位置」＝質量分布の中心
分散 $ \text{Var}(X) $ : 慣性モーメント
- 確率分布の「散らばり具合」＝質量が回転軸から離れている程度
$ E[X^2] $ : 原点周りの慣性モーメント
- 原点からの散らばり具合を表す指標

　この類似性を通じて、確率論における抽象的な概念も、物理的な直感で理解できるようになり、特にデータの広がりや中心への集中度をより具体的に把握するのに役立ちます。

6. おわりに

　確率論と力学の概念を結びつけることで、確率分布の性質を物理的に直感的に理解するための新たな視点を得ることができます。両者の式は非常に類似しており、確率の世界に物理的な直感を持ち込むことで、より深い理解や新たな洞察が得られる可能性があります。

スティーブ・ジョブズがかつて述べたように、「点と点をつなげることができるのは未来を振り返ったときだけです。」これを確率論と力学に当てはめると、最初は異なると思えるこれらの概念も、実は深く結びついていることが後になってわかるのです。確率論の抽象的な数式と物理学の具体的な現象の間には、共通の構造が潜んでいます。この発見は、異なる分野の「点」が後に「線」となり、統一的な理解へと導いてくれることを示しています。