学習レベル：中学生 難易度：★☆☆☆☆
前回の記事で確率変数について定義しました（＜確率変数の記事＞をご覧ください）。この記事では、確率変数を分類していきます。確率変数の分類によって計算方法が変わるので、データによって使い分けることは常に心掛けるようにしましょう！
確率変数の分類
確率変数は2種類に分類されます。ひとつはサイコロの目\(1,2,3,4,5,6\)のように、観測値が離散的な（とびとびの）値をとるとき離散型(discrete type)といい、身長や体重のように連続的な値（実数値）をとるときを連続型(continuous type)といいます。
「なぜ、このような分類を行う必要があるのか」
身長のデータを用いて見てみましょう！
身長データを確率変数\(X\)とします。身長は連続型であることはすぐにわかります。このデータを＜確率変数の記事＞のように身長180(cm)である確率を$$\mathrm{P}(X=180)$$と表します。実は連続型データに対してこの表記は意味を成しません。
よく考えてください。身長180(cm)ジャストの人って絶対にいないですよね？
仮にいたとしても、身長180(cm)である確率は非常に小さいものになり、確率として意味を持たないものになります。
このように、連続型のデータに対してデータの1点に対する確率は意味がありません。連続型データは175(cm)～185(cm)である確率$$\mathrm{P}(175\leq X<185)$$で表す必要があります。
連続型データの確率変数で確率を表記する際は、1点ではなく範囲で表すということは覚えておきましょう！
離散型と連続型のまとめ
確率変数は大きく2つに分類することができ、離散型と連続型があります。名前の通り、「離散型」はデータの観測値と観測値の間がとびとびな値をとるもの（サイコロ、コイン投げなど）であり、「連続型」はデータの観測値が連続的な値をとるもの（身長、気温など）を指します。離散型と連続型では扱いに注意する必要があり、特に連続型の確率変数で確率を求める際は1点では意味がなく、範囲を与えることで意味を与えることができます。