Discrete vs Continuous

離散 か 連続 かは、数学における最も重大な区別の一つです。どちらであるかを取り違えると、誤ったツール、誤った分布、誤った結論につながります。

離散

離散量は 分離した値 しかとれず、通常は整数または有限集合です。

例: クラスの生徒数、サイコロの出目、単位あたりの不良数、ウェブページのクリック数。

数学ツール: 総和 $\sum$、確率質量関数 $P(X = k)$、組合せ論、差分方程式、グラフ理論。

連続

連続量は ある範囲内の任意の値 を任意の精度でとれます。

例: 身長、体重、時間、温度、距離。

数学ツール: 積分 $\int$、確率密度関数 $f(x)$（ここで $P(X = \text{厳密な値}) = 0$）、微分方程式、微積分。

判断: どの枠組みか？

観点	離散	連続
値	分離、可算	範囲、非可算
厳密な値の確率	$P(X = k) > 0$	$P(X = a) = 0$ — 区間を使う必要がある
「和」のツール	$\sum$	$\int$
方程式の種類	差分方程式	微分方程式
代表的な分布	二項、ポアソン、幾何	正規、指数、一様

よくある誤り

• カウントを連続として扱う。「平均的な世帯は子どもが2.3人」は要約としては問題ないが、「ちょうど2.3人の子ども」の確率は無意味。
• 測定値を離散として扱う。身長が「170 cm である」は連続量を丸めたもの。離散性を仮定する統計検定は情報を失う。
• 確率での混同: 連続な確率密度関数を和で求めてはいけない、積分する。離散な確率質量関数を積分してはいけない、和をとる。

両者をつなぐ橋

中心極限定理 により、多数の小さな変数の離散的な和は連続な正規分布に近づきます。連続性補正 は二項（離散）と正規（連続）の確率の間を橋渡しします。リーマン和 は積分への離散的な橋です。