検査は陽性。
でも病気の確率はたった8%。

ある街で、タクシーがひき逃げをした。

夜の街で、1台のタクシーがひき逃げ事故を起こした。この街にはグリーン・タクシーとブルー・タクシーの2社がある。街を走るタクシーの85%はグリーンで、15%がブルーだ。目撃者がひとり、「あれはブルーのタクシーだった」と証言した。裁判所が同じ条件下でこの目撃者の識別能力を検査したところ、80%の確率で正しく色を見分けることがわかった。

さて、問いはこうだ。事故を起こしたタクシーがブルーである確率は、いくつだろうか。多くの人は「80%」と答える。目撃者が80%正しいのだから、それがそのまま答えだと感じてしまう。しかし、正解は約41%だ。ブルーである可能性のほうが低い。

なぜ80%ではなく41%なのか。直感に反する理由は、グリーンのタクシーが圧倒的に多いという事実にある。街にタクシーが100台いるとしよう。85台がグリーン、15台がブルーだ。目撃者の精度が80%なら、ブルー15台のうち12台は正しく「ブルー」と識別される。しかし同時に、グリーン85台のうち17台が「ブルー」と誤認される（85 × 0.2 = 17）。つまり「ブルーだ」という証言が出る29回のうち、本当にブルーなのは12回だけ。12 ÷ 29 = 約41%。

この表を眺めれば、構造は明快だ。「ブルー」という証言が29件あるうち、本物のブルーは12件しかない。基準率——「そもそもブルーは15%しかない」という情報——を考慮に入れなければ、目撃証言の信頼性を正しく評価できない。これが基準率の無視基準率の無視（base-rate neglect）
ある出来事が「そもそもどの程度の頻度で起きるか」という背景の確率を無視し、個別の手がかりや証言だけに基づいて判断してしまうバイアス。と呼ばれる現象の核心だ。

なぜ直感は、基準率を無視するのか。

1973年、イスラエル出身の心理学者ダニエル・カーネマンDaniel Kahneman（1934–2024）
イスラエル生まれ、アメリカで活躍した心理学者。行動経済学の創始者の一人。2002年ノーベル経済学賞受賞。著書『ファスト&スロー』で知られる。とエイモス・トヴェルスキーAmos Tversky（1937–1996）
イスラエルの認知心理学者。カーネマンとの共同研究で、人間の判断におけるヒューリスティクスとバイアスの体系的研究を開拓した。が「予測の心理学（On the Psychology of Prediction）」という論文を発表した。この論文の中で二人は、被験者に架空の人物「ジャック」の人物スケッチを見せた。几帳面で、保守的で、数学パズルが趣味——。そして「この人はエンジニアか弁護士か」と尋ねた。

被験者にはもう一つ情報が与えられていた。ジャックが属する集団の構成比だ。あるグループでは「エンジニア70人、弁護士30人」、別のグループでは「エンジニア30人、弁護士70人」と伝えられた。理屈の上では、この比率——基準率——が回答に強く影響するはずだ。ところが被験者の回答はほとんど変わらなかった。人物スケッチが「エンジニアっぽい」ので、集団の構成比がどうであれ「エンジニアだ」と判断した。

カーネマンとトヴェルスキーはこれを代表性ヒューリスティック代表性ヒューリスティック（representativeness heuristic）
あるものが典型的なカテゴリにどれだけ似ているかで確率を判断する心理的近道。「エンジニアっぽい」→「エンジニアだろう」という推論がこれにあたる。で説明した。人は、ある人物や出来事がどれだけ「典型例に似ているか」で確率を判断する。似ていれば確率が高い、似ていなければ低い——と。この近道は日常では便利だが、確率の問題ではしばしば裏目に出る。「似ている」ことと「確率が高い」ことは、まったく別の話だからだ。

まず、直感で答えてみてほしい。

これから2つの問いを出す。どちらも必要な情報はすべて与えられている。計算する前に、まず直感で答えてほしい。その直感がどこでどうずれるかを体験するのが、この記事の核心だ。

問い1: マンモグラフィ問題。ある年齢層の女性が定期検診でマンモグラフィを受ける。乳がんの有病率は1%。乳がんの人が検査を受けると、80%の確率で陽性になる。乳がんでない人が検査を受けても、9.6%の確率で陽性になる。ある女性の検査結果が陽性だった。この女性が実際に乳がんである確率は？

問い2: タクシー問題。先ほど紹介した問題だ。あらためて、直感で答えてみてほしい。

2つの問いに共通する構造が見えてきただろうか。どちらも、「検査の精度」や「目撃者の正確さ」という個別の手がかりに引きずられ、「そもそもどのくらいの頻度で起きるか」という基準率が頭から消えてしまう。これがベイズの定理が教えてくれることであり、人間の直感が最も苦手とする計算だ。

ここで「数字ではなく目で見て」確かめてみよう。下のシミュレーターは、1000人を1000個のドットで表示する。「検査を実行」を押すと、陽性判定を受けた人がハイライトされる。その中で本当に病気なのは、ごくわずかだ。

ベイズの定理——更新の技法。

この問題を正しく解くための道具が、ベイズの定理ベイズの定理（Bayes' theorem）
事前の確率（基準率）と新しい証拠を組み合わせて、事後の確率を求める公式。1763年にトーマス・ベイズが原型を発表、ラプラスが定式化した。だ。原理はシンプルで、3つの情報を組み合わせる。①ある仮説が正しい事前の確率（基準率）、②仮説が正しいときに証拠が観察される確率（感度）、③仮説が正しくなくても証拠が観察される確率（偽陽性率）。この3つから「証拠が観察されたとき、仮説が正しい確率」を計算する。

ここで「ものさし」をひとつ。検査の精度が80%とか90%とか言われても、それだけでは意味がわからない。大事なのは基準率との比率だ。基準率が50%（半々）なら、精度80%の検査は額面通り。しかし基準率が1%のように極端に低いと、精度が90%でも事後確率は一桁パーセントに落ちる。基準率が低いほど、検査が信頼性を「失う」度合いが大きい——これが直感に反するポイントだ。

スライダーを動かしてみてほしい。基準率を10%まで上げると、同じ検査精度でも事後確率は一気に跳ね上がる。逆に基準率を0.1%まで下げると、90%の感度でもほとんど当てにならなくなる。基準率こそが、事後確率の「地盤」なのだ。

なぜ脳は基準率を捨てるのか。

ベイズから250年、闘いの系譜。

数字は正しくても、問いの立て方が間違う。

基準率の無視が怖いのは、必要な情報がすべて目の前に揃っていても起きることだ。タクシー問題でも、マンモグラフィ問題でも、数字はすべて提示されている。足りないのは情報ではなく、情報の使い方だ。

1995年にギゲレンツァーが示した「自然頻度」という解法は、希望を与えてくれる。「1%の有病率で感度80%」と言われるとわからない。しかし「1000人のうち10人が病気で、そのうち8人が陽性。残り990人のうち95人も陽性」と言われれば、8÷103という計算は見える。表現を変えるだけで、正答率は大幅に上がる。

日常に戻って考えてみよう。採用面接で「この候補者は優秀そうだ」と感じたとき、そのポジションの応募者全体の中で優秀な人がどのくらいの割合でいるかを考慮しているだろうか。SNSで「この健康法は効く」という体験談を見たとき、そもそもその症状が自然に治る確率を考えているだろうか。私たちは常に、目の前の鮮やかな情報に引っ張られ、背景の確率を忘れている。

基準率の無視は、知っていれば完全に防げるものではない。しかし知っていれば、少なくとも立ち止まることができる。「そもそもの確率はどのくらいだ？」という問いを、判断の前に挟む習慣をつけること。ベイズの定理は計算の道具であると同時に、思考の姿勢でもある。