イェンセンの不等式とは？凸関数の証明から機械学習応用まで完全解説

データサイエンスの論文や数理統計学の専門書を開くと、当たり前のように登場して議論の決定打となる数式があります。それが、1906年にデンマークの数学者ヨハン・イェンセン（Johan Jensen）が提唱したイェンセンの不等式です。一見すると抽象的な不等式ですが、その本質は「凸関数のグラフ上に引いた線分は、常に関数のグラフより上側にある」という極めて明快な幾何学的直感に基づいています。

基礎的な相加相乗平均の不等式の鮮やかな証明から、統計検定1級で頻出する確率統計の理論構築、さらには現代の生成AIや大規模言語モデルを支えるEMアルゴリズムの導出に至るまで、この定理はあらゆる数理基盤の屋台骨を支えています。本稿では、数理統計と機械学習の現場取材・専門家へのヒアリングを踏まえ、この強力な不等式の直感的イメージから厳密な証明ステップ、実務での具体的な活用法までを余すところなく解き明かします。

📌 【この記事の重要ポイントまとめ】

• 要点1：イェンセンの不等式は「関数の期待値」と「期待値の関数」の大小関係を凸関数（凹関数）の性質によって決定づける基本定理である。
• 要点2：相加相乗平均の導出からカルバック・ライブラー情報量の非負性、EMアルゴリズムの下界（ELBO）構築まで幅広く応用される。
• 要点3：凸と凹の向きの取り違えや等号成立条件の確認漏れが最大の落とし穴であり、幾何学的な重心イメージを持つことが習熟への近道となる。

【基本と直感】イェンセンの不等式とは何か？凸関数・凹関数の幾何学的意味

数学や機械学習の現場でイェンセンの不等式が重宝される理由は、複雑に入り組んだ期待値計算や対数尤度関数の評価を、関数の「曲がり具合（凹凸性）」だけでシンプルに不等式評価できる点にあります。数式として一般化する前に、まずは直感的な幾何学的意味から紐解いていきます。

まず、ある区間上の凸関数（下に凸な関数） $f(x)$ を考えます。凸関数の定義は、任意の2点 $x_1, x_2$ と $0 \le \lambda \le 1$ を満たす $\lambda$ に対して以下の関係が成り立つことです。

$$f(\lambda x_1 + (1-\lambda)x_2) \le \lambda f(x_1) + (1-\lambda)f(x_2)$$

この不等式が意味する光景は極めて明快です。グラフ上の2点 $(x_1, f(x_1))$ と $(x_2, f(x_2))$ を直線（弦）で結んだとき、その線分上の点は、常に関数 $f(x)$ のグラフよりも上側（または一致する位置）に存在します。左辺は「2点の内分点における関数の値」であり、右辺は「関数の値の内分点（弦の高さ）」を表しています。

これを確率統計の文脈へと拡張したものが、確率変数 $X$ に対するイェンセンの不等式です。凸関数 $f$ に対し、期待値が存在するとき、次の関係が常に成立します。

$$f(\mathbb{E}[X]) \le \mathbb{E}[f(X)]$$

言葉に直すと、「期待値の関数値」は「関数値の期待値」以下になるという法則です。逆に、上が凸である凹関数（例えば対数関数 $f(x) = \log x$ など）の場合は不等号の向きが逆転し、$f(\mathbb{E}[X]) \ge \mathbb{E}[f(X)]$ となります。物理的には、複数の質点に重みをつけたときの「重心における関数の高さ」と「各点の関数の高さの重心」を比較していることに相当し、この重心モデルこそが直感的な理解を強固にする核心です。

【決定的な導出】厳密な証明ステップと相加相乗平均の鮮やかな導出

イェンセンの不等式がなぜ任意の確率分布で成立するのか、そのイェンセンの不等式の証明には主に「数学的帰納法による離散変数の証明」と「接線（支持超平面）を用いた連続変数の証明」の2つのアプローチが存在します。難関大学の数学や大学院入試、数理統計の講義でも頻出する決定的な導出ステップを整理します。

数学的帰納法を用いた離散型の証明

確率 $p_i > 0$（$\sum_{i=1}^n p_i = 1$）で値 $x_i$ をとる離散型確率変数において、$f(\sum_{i=1}^n p_i x_i) \le \sum_{i=1}^n p_i f(x_i)$ を数学的帰納法で証明します。

【ステップ1】$n=2$ の場合：
凸関数の定義式そのものであるため、自明に成立します。

【ステップ2】$n=k$ での成立を仮定：
$\sum_{i=1}^{k+1} p_i x_i$ を変形し、$n=2$ の場合と帰納法の仮定を連続して適用します。最後の2項をまとめ、$\lambda = \sum_{i=1}^k p_i = 1 - p_{k+1}$ とおくと、

$$\sum_{i=1}^{k+1} p_i x_i = \lambda \sum_{i=1}^k \frac{p_i}{\lambda} x_i + p_{k+1} x_{k+1}$$

凸関数の定義から、$f(\sum_{i=1}^{k+1} p_i x_i) \le \lambda f(\sum_{i=1}^k \frac{p_i}{\lambda} x_i) + p_{k+1} f(x_{k+1})$ となります。ここで $\sum_{i=1}^k \frac{p_i}{\lambda} = 1$ であるため、帰納法の仮定を中身に適用することで、$n=k+1$ でも不等式が成立することが示されます。

相加相乗平均の不等式の導出

高校数学でも馴染み深い相加相乗平均の不等式は、イェンセンの不等式を用いることで瞬時に導出できます。関数 $f(x) = -\log x$（$x > 0$）を考えると、2階微分 $f''(x) = 1/x^2 > 0$ より $f(x)$ は真に凸関数です。各データの重みを等しく $p_i = 1/n$ と設定し、イェンセンの不等式を適用します。

$$-\log\left(\frac{1}{n}\sum_{i=1}^n x_i\right) \le \frac{1}{n}\sum_{i=1}^n (-\log x_i) = -\log\left(\prod_{i=1}^n x_i\right)^{1/n}$$

両辺に $-1$ を掛けて対数を外せば、誰もが見覚えのある不等式が一瞬で立ち現れます。

$$\frac{x_1 + x_2 + \cdots + x_n}{n} \ge \sqrt[n]{x_1 x_2 \cdots x_n}$$

等号成立条件は、真に凸な関数においてすべての $x_i$ が一致する（$x_1 = x_2 = \cdots = x_n$）場合に限られます。複雑な代数計算を一切介さず、関数の凸性という一段高い抽象度から不等式を自明のものとする鮮やかさこそ、イェンセンの不等式の真骨頂です。

【確率統計への展開】期待値と条件付き期待値における不等式の威力

確率統計におけるイェンセンの不等式は、データのばらつきや推定量の性質を評価する上で不可欠な道具です。特に統計検定1級や数理統計学の専門課程において、分散の非負性や各種情報量基準の導出で中心的な役割を果たします。

典型的な例が分散の定義式です。凸関数 $f(x) = x^2$ を適用すると、イェンセンの不等式より以下が直ちに導かれます。

$$(\mathbb{E}[X])^2 \le \mathbb{E}[X^2] \iff \mathbb{V}[X] = \mathbb{E}[X^2] - (\mathbb{E}[X])^2 \ge 0$$

さらに高度な現代確率論では、部分情報が与えられた状況を扱う条件付き期待値の不等式へと拡張されます。$\sigma$加法族 $\mathcal{G}$ に対する条件付き期待値においても、凸関数 $f$ に対して以下の関係が成り立ちます。

$$f(\mathbb{E}[X \mid \mathcal{G}]) \le \mathbb{E}[f(X) \mid \mathcal{G}]$$

この定理は、時系列解析や金融工学における「マルチンゲール理論」の基礎を形成しています。ある確率過程がサブマルチンゲール（将来の期待値が現在値以上になる性質）を満たすかどうかを判別する際、凸変換と条件付きイェンセンの不等式の組み合わせが決定的な証明手段として使われています。

【機械学習と情報理論】EMアルゴリズムからカルバックライブラー情報量への架け橋

現代のAI・機械学習技術の基盤においても、イェンセンの不等式は決定的な役割を担っています。最先端の大規模言語モデルや画像生成モデルの背後にある理論的支柱を辿ると、必ずこの不等式に行き着きます。

1. カルバック・ライブラー情報量（KLダイバージェンス）の非負性

2つの確率分布 $P(x)$ と $Q(x)$ の差異を測る尺度であるカルバック・ライブラー情報量（KL情報量）の定義は以下の通りです。

$$D_{\mathrm{KL}}(P \parallel Q) = \sum_{x} P(x) \log \frac{P(x)}{Q(x)} = -\sum_{x} P(x) \log \frac{Q(x)}{P(x)}$$

凹関数 $f(t) = \log t$ に対するイェンセンの不等式を用いると、$-\log$ が凸関数であることから、

$$D_{\mathrm{KL}}(P \parallel Q) \ge -\log \left( \sum_{x} P(x) \frac{Q(x)}{P(x)} \right) = -\log \left( \sum_{x} Q(x) \right) = -\log(1) = 0$$

となり、「2つの分布間のKL情報量は常に0以上であり、両者が完全に一致するときのみ0になる」という極めて重要な性質（ギブスの不等式）が証明されます。この性質は、情報理論におけるエントロピー最大化問題や交差エントロピー誤差関数の妥当性を保証する数学的根拠となっています。

2. EMアルゴリズムと変分下界（ELBO）の構築

潜在変数を含むモデルの最尤推定を行うEMアルゴリズム（Expectation-Maximization Algorithm）や、変分オートエンコーダ（VAE）において、直接最大化することが困難な対数尤度 $\log P(X)$ の下界（Evidence Lower Bound: ELBO）を構成する決定打がイェンセンの不等式です。

観測変数 $X$ と潜在変数 $Z$、任意の変分分布 $Q(Z)$ に対して、対数尤度は次のように変形されます。

$$\log P(X) = \log \sum_{Z} Q(Z) \frac{P(X, Z)}{Q(Z)} \ge \sum_{Z} Q(Z) \log \frac{P(X, Z)}{Q(Z)} = \mathrm{ELBO}$$

$\log$ が凹関数であるため、総和（期待値）の外側にある対数を内側に入れ込むことで不等式が成立します。直接計算が不可能な難問を、イェンセンの不等式によって扱いやすい「下界の最大化問題」へとすり替えるこの手法は、現代のベイズ機械学習における標準的な最適化スキームとなっています。

【徹底比較データ】分野別に見るイェンセンの不等式の活用領域と難易度

イェンセンの不等式がどのような分野で、どのような目的で使用されているかを整理しました。数理科学の初歩から最先端の工学応用まで、その守備範囲の広さが確認できます。

【実態検証と誤解の是正】現場エンジニアと受験生が陥る3大トラップ

数理モデルを実装するエンジニアや難関資格の受験者を対象にした指導現場の調査から、イェンセンの不等式に関して多くの人がつまずく「3つの典型的な落とし穴」が浮き彫りになっています。

1. 凸関数と凹関数の不等号逆転トラップ

もっとも頻出するミスは、関数の凸凹と不等号の向きの混同です。特に機械学習で多用される $\log$ 関数は凹関数（上に凸）であるため、不等号は $\log \mathbb{E}[X] \ge \mathbb{E}[\log X]$ となります。論文の数式展開でマイナス符号がついた瞬間に凸凹を取り違え、下界（Lower Bound）を求めるはずが上界を計算してしまうという実装ミスが現場でも後を絶ちません。

2. 厳密な等号成立条件の見落とし

「不等式が成り立つ」こと以上に実務で重要なのが「いつ等号が成り立つのか」という点です。真に凸（凹）な関数において等号が成立するのは、確率変数 $X$ が定数である（分散がゼロである）確率が1である場合に限られます。EMアルゴリズムの最適化ステップでは、まさにこの「等号を成立させるような最適な分布 $Q(Z)$ を見つける操作」を行っているため、等号成立条件の理解を曖昧にしたままではアルゴリズムの収束性を正しく把握できません。

3. 定義域の境界条件を無視した適用

対数関数なら $x > 0$、平方根関数なら $x \ge 0$ のように、凸性が保証される区間（定義域）から確率変数が外れるリスクへの配慮不足です。実務の機械学習コードでゼロ除算や負の値の対数を取ってしまい、勾配計算で NaN が発生するトラブルの多くは、数学的な前提区間を満たしていないことに起因します。

【プロの結論】数理的思考を武器にする人と挫折する人の決定的な違い

データサイエンスや高度な数理分析を志す学習者の間で、「数式の丸暗記」で乗り切ろうとする層と「幾何学的・概念的直感」を掴んでいる層との間には、応用力において埋めがたい格差が生じます。

イェンセンの不等式を真に血肉化できている専門家は、複雑な数式を見たときに「中身の期待値を取ってから関数を通すか、関数を通してから期待値を取るか」という操作の順序の入れ替えコストとして不等式を捉えています。非線形な変換を通すと、ばらつき（分散）が存在する限り必ず値にバイアスが生じる――この直感があるからこそ、ポートフォリオのリスク管理や強化学習の価値関数評価において、直感的な誤謬を回避できるのです。

向いている人・深掘りすべき人の条件

• 統計検定1級や難関大学院（情報・数理・経済）を目指している人：厳密な測度論的証明や条件付き期待値への展開まで網羅しておくことが必須です。
• 生成AI・深層生成モデルのアルゴリズム開発者：変分推論（VI）や拡散モデルの理論的背景を数式レベルで理解するために不可欠な教養となります。

概念理解にとどめておくべき人の条件

• ノーコードツールや既存ライブラリでの分析がメインの実務担当者：厳密な証明ステップに過度な時間を割くよりも、「非線形変換の前に平均を取ると値がずれる」という直感と不等号の向きを押さえるだけで十分な現場判断が可能です。

【イェンセンの不等式】に関するよくある質問（FAQ）

Q1：高校数学の大学入試問題でイェンセンの不等式を無断で使用しても減点されませんか？
A1：大学入試の記述試験において、高校の学習指導要領外である「イェンセンの不等式より」とだけ書いて済ませる解答は、採点基準によって減点対象となるリスクがあります。入試で使う場合は、本稿で紹介した「数学的帰納法」または「接線を用いた不等式評価」を簡潔に答案上で再現して誘導するか、解答の検算ツールとして活用するのが極めて安全かつ賢明な戦略です。

Q2：凸関数かどうかを最も手軽に判定する方法は何ですか？
A2：2回微分可能な関数 $f(x)$ であれば、2階導関数 $f''(x) \ge 0$ が成り立つかどうかを確認するのがもっとも確実です。$f''(x) \ge 0$ ならば下に凸（凸関数）、$f''(x) \le 0$ ならば上に凸（凹関数）となります。多変量関数の場合は、ヘッセ行列（Hessian Matrix）が半正定値であるかどうかで判定します。

Q3：なぜ機械学習では「対数」とイェンセンの不等式ばかりが組み合わされるのですか？
A3：確率の積計算を足し算に変換して計算を安定化させるために「対数尤度」が標準的に使われるからです。対数は上に凸な凹関数であるため、イェンセンの不等式を適用すると「複雑な積の対数の期待値」を「扱いやすい和の期待値」に分解した下界を自然に導き出せます。この計算上の利便性が機械学習の最適化設計と完璧に噛み合っています。

まとめ：数理の土台を固めて2026年のAI・統計時代を勝ち抜く

イェンセンの不等式は、単なる試験対策の定理にとどまらず、複雑な現実世界を数理モデルへと落とし込むための強力な思考フレームワークです。凸関数の弦と弧というシンプルな幾何学的発想から出発し、相加相乗平均の初等的な美しさを経て、最先端の確率統計や機械学習の変分推論に至るまで、すべての知識が一本の線でつながっています。

数式の表面的な暗記から脱却し、幾何学的な直感と等号成立条件の厳密さを両立させること。その確かな数理的基盤こそが、進化を続けるAI技術や高度なデータ分析を本質から見抜き、実務や研究で確かな成果を挙げるための最強の武器となります。 （出典: イェンセン の 不等式（Yahoo!ニュース））