0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

インタラクティブ確率分布表を作った話——表に書かれた数字をどこまで信じられるか

0
Last updated at Posted at 2026-04-30

統計検定2級の勉強をしていると、巻末の確率分布表をひたすら引きます。

z=1.96のとき、累積確率は0.9750。t分布、自由度10、両側5%なら、2.228。数字を引いて、答え合わせをして、次の問題へ。

ある日、ふと違和感を持ちました。私はこの数字を、なぜ正しいと思っているんだろう。

参考書に書いてあるから。教科書で見たから。それくらいしか理由がない。深く考えずに、書いてある数字を正解として受け入れていた。

その違和感が、StatPlayにインタラクティブ確率分布表を作るきっかけになりました。

動的な分布表は世の中にある

こういう動的な分布表は、すでに世の中に存在します。

せっかく作るなら、「この数字は正しいの?」に答えられるようにしたい。計算方法と、どこまでの桁を信じてよいかを調べることにしました。

ハードコードしないという選択

もっとも単純な実装は、参考書の巻末をそのままHTMLに転写することです。<td>0.9750</td> のような形で、数字を直接書き込む。

これはやらないことにしました。

「この値、本当に正しいの?」と聞かれたとき、「参考書から写しました」では存在価値が皆無です。コピペするときに桁を間違えていないかも怪しい。何より、私が書き写した数字を「これが正解です」と提示することに納得がいきませんでした。

そこで全部、動的に計算することにしました。ページが開かれるたびに normCDF() や tQuantile() といった関数を呼び出して、その場で表の値を生成します。

// 表のセルを動的に生成(イメージ)
for (let z1 = 0.0; z1 <= 3.4; z1 += 0.1) {
  for (let z2 = 0.00; z2 <= 0.09; z2 += 0.01) {
    const z = z1 + z2;
    const p = normCDF(z);  // utils.jsの関数を呼ぶ
    // 計算結果をテーブルセルに入れる
  }
}

これでグラフが使っている関数と表が使っている関数が同じものになります。値がズレようがない。

それでも残る問い

normCDF() の中身は、本当のところ何をやっているのか。

AIとコードを追うと、表の数字の後ろにも、また別の計算がありました。

normCDF() の中では誤差関数、その先では近似式を使っています。係数が5つほど並んでいるのですが、なぜその数字なのか。ガンマ関数のほうも、前の記事のLanczos近似です。係数をたどろうとすると、今度は近似式そのものの導出が出てくる。またも、ヤバい方向です。

結果、参考書の数字を疑った先で、結局また別の数字を信じていました。「信じる」ことから完全に逃れられたわけではありませんでした。

偉大な先人たちの上に立っている

私が信じている数字は、過去の数学者たちが時間をかけて導き出してくれた成果の上に成り立っています。誰かが「この近似式を使えばこれくらいの精度で計算できる」と発見してくれていなければ、コンピュータでこれらの値をまともに計算することはできません。

でも、過去の数学者たちも、当時利用できる先人の成果の上に立って、計算を進めてきたのだと思います。完全にゼロから一人で全部を組み立てた人はいないはずです。みんな、誰かの結果を「これは正しいはずだ」と信頼した上で、その先を考えていたのだと思います。

既存の近似式を使う以上、先人の成果を信頼する部分は残ります。そのうえで、使った計算方法と表示精度を調べ、コードとともに確かめられるようにしました。

数字の後ろにある計算も見せたい

その考えを受けて、StatPlayの分布表では3つの層で確認をしています。

1つ目は動的計算。表の値とグラフの値が、同じ関数から計算されている。だから絶対にズレない。

2つ目はオープンソースによる透明性。normCDF() がどう実装されているかは、GitHubで全部読めます。AIエージェントにコードを読み込ませて、処理を確認することもできます。

3つ目はサイト上での算出方法と精度の開示。分布表ページに「この表の仕組み」というセクションを置いて、各分布をどう計算しているか、その誤差がどれくらいかを書きました。

分布 算出方法 精度
正規分布 誤差関数の多項式近似(Abramowitz & Stegun 7.1.26) 最大誤差 ~1.5×10⁻⁷。表示4桁で市販の統計表と完全一致
t分布 確率密度関数を Simpson 法で数値積分、二分法で逆算 表示3桁は信頼できる。df=1–2 で末尾1桁が ±1 ずれる可能性あり

この表は、AIが提案した計算方法を、コードと資料を読みながら書き起こしました。近似式をどう導くのか、なぜこの係数が最適なのかという証明は、ここでは追っていません。

それでも、ロジックや誤差の幅を伏せたまま数字だけ出すよりは、計算方法と表示精度を並べて出したいと思いました。

AIと計算方法を確かめる

近似計算のコードを書いたのは、私ではなくAIです。誤差関数の近似式や、ガンマ関数の係数の存在を教えてくれたのもAIでした。

私は「表に書いてある数字を疑ってみよう」「動的に計算しよう」「精度を開示しよう」と決め、AIと一緒にコードを追いました。

過去の数学者たちも、当時の計算機や紙とペンや先人の論文に支えられて、同じように一歩ずつ確かさを積み上げてきたんだろうなと思います。手段が違うだけで、やっていることの構造はそんなに変わらないように感じます。

AIという道具を使いながら、私もその計算を確かめています。表の数字だけでなく、その後ろの計算や精度も見られるようにしておきたい。コードを公開したのも、そのためです。

関連

  • StatPlay 確率分布表 — この記事で紹介したインタラクティブ分布表
  • StatPlay — 統計の概念をインタラクティブに体感する学習ツール
  • GitHub — コード全文(CC BY-NC 4.0)
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?