【DS検定対策】時間が生むランダムの軌跡！「確率過程」の基礎
サイコロを振るような一瞬の確率ではなく、時間とともに数値がランダムに変化し続ける現象。時系列解析のベースとなる重要な概念が「確率過程」です。
1. 【 問題 】
統計学やデータサイエンスにおいて、時間の経過とともに変化する確率変数の列（またはその動的なメカニズム全体）のことを何と呼ぶでしょうか？
① 確率過程
② 決定論的過程
③ 主成分分析
④ 線形回帰分析
2. 【 解答 】
3. 整理：確率過程の身近な具体例
確率過程は、私たちの身の回りのあらゆる「時間とともに変動するデータ」の裏側で動いています。
【 代表的な確率過程の例 】
コインを投げて、表が出たら右に1歩、裏が出たら左に1歩進む。これを時間とともに何度も繰り返したときの「現在地」の推移。株価の変動モデルなどの基礎にもなります。
・事例2：ポアソン過程
「Webサーバーに1分間にアクセスが何件来るか」「コールセンターに何本の電話がかかってくるか」といった、ランダムに発生するイベントの時間的な積み重なり。
4. 試験で狙われる最重要キーワード：「マルコフ性」と「定常性」
確率過程をデータ分析（時系列解析）で扱う際、試験でも非常によく問われる2つの超重要性質があります。
1. マルコフ性（マルコフ過程）: 「未来の確率が、現在の状態だけで決まり、過去の経緯には依存しない」という性質。直前の状態だけをシステムが保持していれば良いというクリーンなモデルで、実務でも広く応用されます。
2. 定常性: 時間が経っても、データ全体の「平均や分散（ばらつきの幅）が一定で変わらない」という性質。時系列予測（ARIMAモデルなど）を行うための大前提となる、タフで安定した状態のことです。
5. DS検定形式：実戦4択クイズ
問：確率過程の中でも、「未来の予測を行うために過去のすべての履歴を遡る必要はなく、現在の状態のデータさえ分かれば次の状態の確率が完全に決定される」という性質を何と呼ぶか。
① 定常性 ② 独立性 ③ マルコフ性 ④ 頑健性（ロバスト性）
【 正解： ③ 】
解説： まさに「マルコフ性（Markov property）」の定義です。これを持つ確率過程をマルコフ過程と呼び、自然言語処理の形態素解析（形態素のつながりやすさ）や、強化学習（MDP）、さらにはMCMC法（マルコフ連鎖モンテカルロ法）といった高度なデータサイエンスのアルゴリズムの土台として頻出します。
6. まとめ
DS検定において「確率変数そのものが時間で変化していくプロセス」という記述が登場したら「確率過程」です。静的な統計データから、時間の流れる「時系列データ」の分析へとステップアップする際の入り口となる概念ですので、マルコフ性などの関連キーワードと結びつけて整理しておきましょう！
