【第40回】AIは2つの変化を一緒に見られる？共分散とは
2つのデータが、同じ方向に動くのか、逆に動くのかを知りたいことがあります。
その関係の向きや強さを表す1つの指標が共分散です。
この記事では、共分散で何がわかるのかをやさしく解説します。
1. 読み方
共分散 ＝ きょうぶんさん
2. 意味（定義）
前回の「分散」は、1つのデータ（例えばテストの点数だけ）がどれくらいバラついているかを見るものでした。
今回の「共分散」は、2つのデータ（例えば「勉強時間」と「テストの点数」）をセットにして、「2つのデータが一緒にどう動くか」を見るための指標です。
🎯 イメージで理解しよう！「二人三脚のダンス」 共分散は、2人のダンサーの動きのようなものです。
正の共分散（プラス）： 一方が右に動けば、もう一方も右に動く。足並みが揃っている状態です。 （例：勉強時間が増えると、点数も上がる）
負の共分散（マイナス）： 一方が右に動けば、もう一方は左に動く。あまのじゃくな関係です。 （例：ゲームの時間が増えると、点数が下がる）
共分散がほぼゼロ： 一方がどう動こうと、もう一方は関係なく自由に動いている状態です。 （例：朝ごはんの量と、数学の点数。あまり関係ないですよね）
つまり、共分散とは「2つの変数が、同じ方向に変化しやすいか、逆方向に変化しやすいか」を数値化したものなのです。
3. 歴史・背景
統計学が発展する中で、人間は「単なるバラつき」だけでなく、「物事のつながり（関係性）」を数値で捉えたいと考えるようになりました。
「Aが増えたとき、Bはどうなるのか？」という問いに答えるための基礎となるのが、この共分散という考え方です。
これがなぜAIに重要なの？ AIの目的の多くは、「予測」です。予測をするためには、「どのデータとどのデータが関係しているか」を見つけることが不可欠だからです。
例えば、家の価格を予測するAIを作るなら、「家の広さ」と「価格」には強い関係（正の共分散）があるはずです。AIはこの「共分散」のような関係性を数式で捉えることで、「広さが◯平米なら、価格はだいたい◯円になるはずだ」という予測ルールを作り上げることができるのです。
4. 比較・対比（似た用語との違い）
「分散」と「共分散」は名前が似ていて混同しやすいですが、見ているポイントが全く違います。
【分散】（1つの視点）
注目すること： 1つのデータだけのバラつき。
わかること： 「みんな平均的に揃っているか？ それともバラバラか？」
例： クラスの点数が、みんな60点付近に集まっているか、0点から100点まで散らばっているか。
【共分散】（2つの視点）
注目すること： 2つのデータの「連動性」。
わかること： 「片方が増えたとき、もう片方はどう動く傾向にあるか？」
例： 「勉強時間」が増えたときに、「点数」も一緒に増える傾向にあるか。
5. 活用シーン（実社会のどこで、どんな問題に使うか）
① おすすめ商品の提案（レコメンドシステム） Amazonや楽天などで「この商品を買った人は、こちらの商品も買っています」と表示される仕組みに、共分散に近い考え方が使われています。 「商品Aの購入数」と「商品Bの購入数」に強い正の共分散があれば、「この2つはセットで買われる傾向があるな」とAIが判断し、おすすめに出してくれます。
② データの圧縮（主成分分析など） AIが大量のデータを処理するとき、関係性が強い（共分散が大きい）データがたくさんあると、計算に時間がかかってしまいます。 そこで、「この3つの項目はどれも似たように動いているから、1つの指標にまとめてしまおう」という処理（主成分分析など）を行います。これにより、AIは効率的に学習できるようになります。
6. G検定での出題傾向
共分散については、複雑な計算問題よりも「符号（プラスかマイナスか）の意味」が問われる傾向にあります。
符号の判定： 「正の共分散があるとき、2つの変数はどのような関係か」という定義問題。
概念の理解： 分散との違いを正しく理解しているか。
次へのステップ： 共分散の弱点（データの単位によって数値が大きく変わってしまうこと）を理解し、それを解決した「相関係数」へつなげる流れで出題されます。
7. G検定の例題
【問題1：最頻出（基礎的な定義）】
2つの変数 X と Y の共分散が「正（プラス）」であるとき、正しい説明はどれか？
A. X が増加すると、Y は減少する傾向がある。
B. X が増加すると、Y も増加する傾向がある。
C. X と Y は全く無関係である。
D. X と Y の平均値が同じである。
【問題2：頻出（特徴に関する問題）】
共分散に関する記述として、不適切なものはどれか？
A. 2つの変数が逆方向に動くとき、共分散は負の値になる。
B. 2つの変数が全く連動していないとき、共分散は0に近づく。
C. 共分散の値が大きければ大きいほど、必ずしも「強い関係」であるとは限らない（単位の影響を受けるため）。
D. 共分散は、1つのデータのバラつき具合を測るための指標である。
【問題3：ひっかけ（勘違いしやすいポイント）】
あるデータセットで、変数 X の単位を「メートル」から「ミリメートル」に変更（1000倍）して共分散を再計算した場合、共分散の値はどうなるか？
A. 値は変わらない。
B. 符号（プラスかマイナスか）だけが変わる。
C. 値が大きくなる。
D. 値は必ず0になる。
8. 7の例題の回答と解説
【問題1：回答】 B
【解説】 共分散が正（プラス）ということは、「同じ方向に動く」ということです。したがって、「X が増えれば Y も増える」というBが正解です。Aは「負の共分散」、Cは「共分散が0」の説明です。
【問題2：回答】 D
【解説】 Dの説明は「分散」のことです。共分散はあくまで「2つの変数」の関係を見るものです。 ちなみにCの記述は非常に重要です。共分散は単位（cmかmかなど）によって数値がガツンと変わってしまうため、数値が大きいだけで「関係が強い」と断定できないという弱点があります。
【問題3：回答】 C
【解説】 ここが共分散の最大の弱点にして、ひっかけポイントです！ 共分散の計算には、元のデータの値をそのまま掛け合わせるステップがあります。そのため、単位を変えて数値を大きくすると、共分散の値も連動して巨大になってしまいます。 「関係性の強さは変わっていないのに、単位を変えただけで数値が変わる」ため、後ほど学ぶ「相関係数」という、単位に左右されない指標が必要になります。
9. Ankiアプリ用（CSV形式）
共分散とは何か？,2つの変数が一緒にどう変化するか（連動性）を数値化した指標。
共分散が「正（プラス）」であるとはどういう状態か？,一方の変数が増加すると、もう一方も増加する傾向にある状態。
共分散が「負（マイナス）」であるとはどういう状態か？,一方の変数が増加すると、もう一方は減少する傾向にある状態。
共分散の弱点は何か？,データの単位（スケール）によって数値が変動するため、関係の強さを直接比較しにくい点。
1つのデータのバラつきを見る指標は？,分散
📝 総評・まとめ
今回は、2つのデータの「足並みが揃っているか」を見る共分散について学びました。 「正なら一緒に上がる、負ならあまのじゃく、0なら無関係」というシンプルなイメージを持っておけばバッチリです！
ただ、問題3で見たように、共分散には「単位が変わると数値が暴走する」というちょっと困った弱点がありました。この弱点を克服して、「純粋に関係の強さだけを0〜1の間で表そうぜ！」と開発されたのが、次回の主役です。
✅ 絶対に覚えて！
共分散 ＝ 2つの変数の「連動性」を測るもの。
正（＋）なら同じ方向へ、負（－）なら逆方向へ動く。
単位の影響を受けるため、数値の大きさだけで関係の強さを判断してはいけない。
🚀 次回予告 共分散の「単位に左右される」という弱点を克服し、どんなデータでも公平に「関係の強さ」を測れる最強の指標が登場します！
【第41回】AIは2つの関係の強さをどう測る？相関係数とは
✅ この記事が役に立ったら「スキ」で応援してください！
あなたの応援が、次の解説を作るエネルギーになります！🚀
