【認知バイアス】基準率の無視 ─ 「それっぽさ」が統計を上書きしてしまう

当サイトを閲覧いただきありがとうございます。本記事は「基準率の無視」について解説します。

こんな人物がいます。「内気で几帳面。読書と数学パズルが趣味で、人と話すより機械いじりが好き」この人の職業は、図書館司書と営業職のどちらだと思うでしょうか。多くの人は「司書」と即答します。しかし日本で営業職として働く人は、図書館司書の何百倍もいます。人物像がどれだけ司書っぽくても、頭数の差はそれを軽々と押し返すはずなのです。この「頭数」を無視してしまう癖が、基準率の無視です。

武器になる哲学Amazonで見る →

パラドックス思考Amazonで見る →

基準率の無視とは

基準率の無視（英語では base rate neglect）とは、「そもそも全体の中でどれくらいの割合を占めるか」という事前の情報（基準率）を無視して、目の前の個別的な特徴や印象だけで確率を判断してしまう傾向のことです。

基準率とは、たとえば次のような「土台の数字」です。

・営業職と図書館司書の人数比・その病気の有病率（1万人に1人、など）・スタートアップの生存率・その職業に占める男女比

合理的な確率判断は、基準率という土台の上に、個別の証拠を積み上げて行うべきものです（統計学ではベイズ推定と呼ばれる考え方です）。ところが人間の直感は、個別の証拠、特に「それっぽさ」を見つけた瞬間、土台の存在を忘れてしまいます。

弁護士とエンジニアの実験

基準率の無視を実験で示した古典が、カーネマンとトヴェルスキーが1973年に発表した「弁護士・エンジニア問題」です。

参加者は次のように告げられます。「100人の人物プロフィールがあります。70人は弁護士、30人はエンジニアです。ここから1枚を無作為に引きました」そして、こんなプロフィールを読まされます。

ジャックは45歳の男性。既婚で4人の子供がいる。保守的で慎重、野心家である。政治や社会問題には関心がなく、余暇の多くを日曜大工、ヨット、数学パズルに費やしている。

「ジャックがエンジニアである確率は何%だと思いますか？」

参加者の大半は90%前後と答えました。プロフィールがいかにも「エンジニアっぽい」からです。しかしこの束にエンジニアは30%しかいません。それっぽさを考慮するにしても、30%という出発点（基準率）から始めるべきなのに、回答は基準率をほぼ完全に無視して、印象だけで決まっていたのです。

決定的なのは次の比較です。弁護士70人・エンジニア30人と伝えたグループと、比率を逆（弁護士30人・エンジニア70人）と伝えたグループで、回答はほとんど変わりませんでした。「それっぽい記述」が現れた瞬間、7対3という土台の数字は判断から消えてしまう。カーネマンらはこの働きを、「似ている度合い」で確率を判断する「代表性ヒューリスティック」と名付けました。ジャックの記述が「エンジニアの典型像」に似ているほど、確率も高いと感じてしまうのです。

さらに面白いことに、プロフィールを「何の手がかりにもならない無内容な記述」に変えても、参加者は五分五分と答えました。何も情報がなければ基準率で答えるべきなのに、無意味な情報ですら、基準率を追い出してしまうのです。

タクシー問題、目撃証言はどこまで信じられるか

基準率の威力をもう一段実感できるのが、同じくカーネマンらが用いた「タクシー問題」です。

ある街のタクシーは85%が緑会社、15%が青会社のものである。夜、ひき逃げ事故が起き、目撃者は「青のタクシーだった」と証言した。目撃者の色識別能力をテストしたところ、夜間条件で80%は正しく識別できるが、20%は取り違えることが分かった。さて、実際に青タクシーが犯人である確率は？

直感は「目撃者は80%正確なのだから、80%くらい」と答えたくなります。しかし基準率を組み込んで計算すると、答えは大きく変わります。

タクシー100台で考えてみましょう。

・青タクシーは15台。目撃者はその80%、つまり12台を正しく「青」と証言する・緑タクシーは85台。目撃者はその20%、つまり17台を誤って「青」と証言する

「青だった」という証言が出るケースは合計29台分。そのうち本当に青なのは12台です。つまり、証言が正しい確率は12÷29で約41%。80%どころか、半分以下なのです。

青タクシーがそもそも少ないため、「緑を青と見間違えるケース」の絶対数が「青を正しく見たケース」を上回ってしまう。これが基準率の力です。精度80%の証言も、基準率が偏っていれば簡単にひっくり返ります。この構造は、当ブログの「陽性のパラドックス」（精度99%の検査で陽性でも病気とは限らない）とまったく同じもので、あちらは基準率の無視の医療版と言えます。

ネット検索の自己診断・採用・プロファイリング

症状のネット検索は、基準率の無視の現代的なホットスポットです。頭痛を検索すると、重大な病気の名前が並びます。自分の症状が記事の症状リストと「よく一致する」と、その病気である確率が高く感じられます。しかしありふれた頭痛と重大疾患では、基準率が桁違いです。症状の「それっぽさ」は一致していても、確率の土台がまるで違う。医師が「よくある病気からまず疑う」のは、基準率に忠実な、統計的に正しい姿勢なのです。

採用や人物評価でも働きます。面接での「優秀そうな受け答え」という代表性が、「この経歴層で実際に活躍した人の割合」という基準率を上書きします。ハロー効果やステレオタイプと合流しやすい場面です。

珍しい成功譚への憧れも同じ構造です。「大学を中退して起業し大成功」という物語のそれっぽさは、中退起業者の成功の基準率とは無関係です。生存者バイアスの記事で書いた「分母を見る」は、基準率を確認する行為そのものです。

プロファイリングや偏見の問題にもつながります。「犯人はこういう人物像のはず」という代表性による推論は、その人物像に当てはまる無実の人が母集団に何万人いるかという基準率を無視したとき、冤罪の温床になります。

対策は「1万人の村」で考えること

基準率の無視への対策として、最も実用的なのは「自然頻度」で考える方法です。確率のパーセント表示をやめて、「1万人いたら何人か」という頭数に翻訳するのです。

タクシー問題で見た通り、「100台のうち…」と頭数で数え直すだけで、ベイズの定理を知らなくても正しい答えに到達できます。心理学者ギーゲレンツァーの研究によれば、同じ問題でも自然頻度で提示すると、医師や一般人の正答率が劇的に上がることが確認されています。人間の脳は「%の掛け算」は苦手でも、「頭数の数え上げ」なら扱えるのです。

日常での点検リストはこうなります。

・「それっぽい」と感じたら、「そもそも全体では何人に1人か？」と基準率を先に問う・珍しい可能性（重病、大成功、陰謀）に飛びつく前に、「ありふれた説明」の基準率と比較する・ニュースの「◯◯の確率が2倍に」という表現は、「何人に1人が、何人に1人になったのか」に翻訳する（2倍でも、10万人に1人が2人になっただけかもしれません）・検査や判定の的中率を見たら、タクシー問題を思い出して「偽陽性の絶対数」を数える

よくある疑問

最後に、基準率の無視についてよく出る疑問に答えておきます。

陽性のパラドックスとはどういう関係ですか？

同じ現象の別の切り口です。陽性のパラドックス（精度99%の検査で陽性でも、有病率が低ければ実際に病気の確率は数%）は、基準率の無視が医療検査の文脈で起きた場合の名前と言えます。本記事の弁護士・エンジニア問題やタクシー問題は、検査に限らない一般形です。数学的な計算過程は陽性のパラドックスの記事で詳しく解説しているので、「なぜ99%がひっくり返るのか」を数字で追いたい方はそちらもどうぞ。仕組みは同じで、基準率が偏っているとき、少数派側の「見間違い」の絶対数が本物を圧倒するのです。

ベイズの定理を知らないと防げませんか？

いいえ、そこが良いニュースです。本文で紹介した自然頻度、つまり「1万人の村で数える」方法は、公式なしでベイズ推定と同じ答えに到達します。手順は3つだけです。①全体を1万人（や100人）と置く、②基準率で「該当する人/しない人」に分ける、③それぞれについて「証拠が当てはまる人数」を数え、比を取る。タクシー問題の計算がまさにこれでした。式を覚えるより、「%を見たら頭数に直す」という反射を身につける方が、実生活でははるかに役立ちます。

ステレオタイプが統計的に当たっている場合はどうなりますか？

デリケートですが重要な問いです。まず整理すると、代表性による推論の誤りは「集団の傾向を使うこと」自体ではなく、基準率を無視すること、そして個人を集団の平均で断定することにあります。ある傾向が統計的に実在しても、目の前の一人がそれに従う保証はなく、特に採用・与信・司法のような個人の人生を左右する判断では、集団統計で個人を裁くこと自体の公正さが問われます（だからこそ多くの国で、属性による差別的判断は統計的当否と無関係に規制されています）。統計は「集団の政策」に使い、「個人の判断」は本人の実績と行動で行う。この線引きが、統計リテラシーと公正さを両立させる現実的な答えだと私は考えています。