先入観は魔物

僕たちが選択をしているのは、確率と評価を
もとにして「不確実性」とリスクのもとで、
行っている。

イスラエル出身の二人の天才的な認知心理学
者のダニエル・カーネマンとエイモス・トヴェ
ルスキーは上記のように分析している。

これだけ多くの情報が出回っている現代では
まず、どれが正しい情報なのか、役立つ情報
を分析することもなかなかできません。

条件を満たす法則に従った計算があったとし
ても、それができるほどの賢さもない。

従来の経験やそこそこの考え方に頼り、すぐ
に単純に直感的に判断をしてしまいます。

とっても楽でやりやすいのですが、困ったこ
とにはその判断が的確な判断ではないケース
が多いのです。

カーネマン氏たちは、この思考を注目をし、
直感的で素早く簡単に答えに到達することを
「ヒューリスティクス」という名をつけて
実験を繰り返した。

「ヒューリスティクス」は日本語で言うと
「簡便法」「方略」「目の予算」「発見法」
「近道」など。

 

実験：「典型性・代表性」
問題です・ある人の職業が何か、

めがねをかけ、気が弱く小心で、歴史本が
大好きな人。

多くに人は、簡単と思いながら図書館員と
答える。

しかし、この世界には図書館員より商店主
の方がはるかに多い。

だから、この人は図書館員ではなく商店主
の確立が高い。

「典型性」をもとに判断すると、実際にそ
うではないものも、そうであるように見え
てくる。

 

実験：メディアの報道による
どうしてもメディが目立つ出来事や身近な
出来事を大々的に報道したりすると特別に
高く見積もる癖がある。

例えば、あるチャーター機が2機墜落すると
糖尿病で死ぬより航空事故で死ぬ確率の方が
高いと思ってしまう。

「実際は糖尿病で死ぬ確率の方がはるかに高い」

判断を間違えてしまう。

 

少数の法則

あることが数回起こっただけなのに、次は
こうなるだろうと推測してしまう。

例えば：地球の平均気温が年々上昇する傾向
にあることが報告されても、翌年がその年よ
り暑くなると考えることはできない。

気象のような複雑で変動のはげしいシステム
のなかでの、実際の動きを探るには、個々の
1年などでは無意味で、実際は膨大なデータが
必要となる。

コインを20回投げて、表と裏が出る回数は正
しく配分されていると考える。

なので、20回のうち15回も表が出たら、おか
しいと勘ぐってしまう。

しかし、たかが20回という少ない1連の数に
「大数の法則」のように５０％という確率を
考えることが間違いです。

でも、自分たちは偶然の法則は「小さな数」
にもあてはまるだろうとかん考えてしまう。

コインで4回連続で表が出ると次は裏が出る
と思う。

3割バッターが3打数ノーヒットだと、次は
ヒットを打つ可能性が高いと思う。

この例は「小数の法則」による「ギャンブラ
ーの誤謬」とみなせられる。

 

平均値への回帰

統計学上の用語で、長い目で見れば平均値に
戻ること。

例えば、親と子供の身長のことに関して、完
全な相関関係ではない。

非常に背の高い、180㎝を超える両親の子供は
平均して非常に背が高い。

しかし、親ほど高くなくて、むしろ低いことが
多い。

これは統計上の真実で容易にうなずけるが、そ
こに容易に「回帰」できないことが多く異常値
を頭からはずことができない。

だから、背の高い親の子供は少なくても親の身
長ほどにはなるだろうと考える。

どうしても「平均値の回帰」の法則が正しく適
用できずに、全く持ってあてにならない直感に
頼ってしまうのです。

たんなる偶然でしかないことに多大な意味をつ
けるという癖がいつまでも抜けないからです。

プロ野球で「2年目のジンクス」という言葉が
あります。
1年目の成績が2年目になって落ち込んだ。

これは実力で「平均値にもどった」のかもしれ
ません。

 

参考：経済は勘定で動く（マッテオ・モッテルリーニ著）