『数字が世界を支配する』（2010年）は、統計的推論の手引きであり、具体的な統計情報を生産的に活用して世界を理解し、改善する方法を解説しています。本書では、統計学の五つの主要原則と、それをさまざまな場面での意思決定改善に応用する方法を、読者にわかりやすく紹介します。
この本の要約：統計があなたの世界を支配していることを知る
毎日私たちに影響を与えている見えない力があります。それは神のようなものでも、化学的なものでもありません。それは統計という隠れた世界であり、仕事、休暇、健康のいずれに関わるものであっても、統計はあなたの世界を支配しています。
しかし、終わりのない数字の集まりが私たちの生活でこれほど重要な役割を果たしているのに、なぜそれにもっと注意を払わないのでしょうか。この要約では、統計に十分な注意が払われていない現状を改善することを目指し、統計学者から学んで世界をより良くする方法を豊富な事例とともに紹介します。統計的思考の中心となる五つの原則と、それを健全な意思決定に活かす方法を学びましょう。
この要約では、さらに以下のことも学べます。
- ディズニーワールドの長い行列を避ける方法
- 統計が大腸菌の蔓延を防ぐ方法
- 飛行機事故で亡くなることと宝くじに当たることの共通点
統計学者によれば、平均値そのものよりも平均からのばらつきの方が重要である
遊園地で、炎天下の中アトラクションの列に並びながら「ジェットコースターがあと1つか2つあれば、すべての列が短くなるのに」と思ったことはありませんか。アトラクションを増やせば行列が早く進むように思えるかもしれませんが、実際にはそうではありません。
なぜでしょうか。
統計学者によると、ディズニーワールドの例で言えば、来園者の平均的な数ではなく、来園者がいつ到着するかという変動パターンこそが、行列を耐え難いほど長くする原因です。行列は需要が供給能力を超えたときに発生するため、ディズニーワールドが需要を正確に予測できれば、それに対応できるだけのキャパシティを構築できるはずだと思われるでしょう。しかし、残念ながらそれほど単純ではありません。
統計学者は、たとえディズニーがピーク日にダンボのアトラクションに乗る来園者数を正確に予測できたとしても、来園者は一日を通して不規則な間隔でやって来るため、またアトラクションの収容能力は固定されているため、それでも行列は発生すると断言します。つまり、キャパシティの計画は平均的な需要の増加には対応できても、変動する需要には対応できないのです。
ディズニーはこの問題に対して、ファストパスと呼ばれる仕組みで対処しています。これは、指定された時間にアトラクションに戻り、専用レーンに入ることを可能にするものです。ファストパスが機能するのは、任意の時間に来園者が到着する変動性を減らすからです。実際の待ち時間そのものを変えるわけではありませんが、待っている間に他のアクティビティを楽しむ自由を提供することで、顧客満足度を高めています。
しかし、このロジックが働くのは遊園地に限りません。統計学者は交通渋滞にも同じ傾向があると指摘します。ディズニーワールドと同様に、高速道路の渋滞も、道路の平均的なキャパシティを超える突然の大量の車の流入によって発生します。
この問題に対処するため、ミネソタ州運輸局は「ランプメータリング」と呼ばれる技術を導入しています。これは、ランプに設置された信号機が車が高速道路に流入するペースを調整し、道路上の車の数を安定させるものです。
統計は因果関係と相関関係を示すことで機能する
統計的推論を現実の状況に応用する基本的な方法を理解するには、二つの例を考えるとよいでしょう。一つ目は、病気の原因を説明しようとする疫学者の例です。二つ目は、銀行や保険会社にとって不可欠な情報である、個人の財務上の責任能力を示す相関関係を探す信用モデラーの例です。
一つ目の例では、疫学者は統計を使って因果関係を特定し、病気の発生とその起源を突き止めます。たとえば2007年9月、米国で数人の患者が大腸菌の陽性反応を示しました。大腸菌は、重度の不快感、腎不全、そして死に至る可能性もある細菌です。このわずかな症例だけで、病気の発生源を突き止め、他の人々の健康を守ることができました。
どのようにしてでしょうか。
オレゴン州の感染患者5人に対して、何を食べているかについて集中的な聞き取り調査が行われました。そのうち4人に共通していた食品は袋入りのほうれん草でした。そこから既存の統計が参照され、オレゴン州民で1週間にほうれん草を食べるのは5人に1人だけであることがわかりました。患者たちにおけるほうれん草の消費率が通常のオレゴン州民よりもはるかに高いことから、疫学者は発生源をほうれん草であると特定できたのです。
しかし、統計は汚染された野菜を明らかにするだけではありません。パターンを特定することで、信用モデラーは個人の信用力を判断できます。
例えば、現在のアメリカでは、多くの人が徹底的な面接を受けることなく迅速に住宅ローンを組んでいます。貸し手が融資の前に多くの質問をする必要がないのは、実質的にコンピューターがすでに質問を済ませているからです。コンピューターはその人の過去の無数の融資判断を追跡し、パターン、つまり相関関係を特定しているのです。
住宅ローンの貸し手は、特定の職業に就いている借り手と返済不能との間に相関関係があることを発見しているかもしれません。この情報を使えば、申請者の信用力を即座に判断できます。
統計は公平性を確保するために集団差を考慮に入れる
相関関係の考え方が示したように、人々の集団間の違いは統計的推論にとって不可欠です。上の世代と下の世代の格差であれ、大学の学位を持つ人と持たない人の格差であれ、集団差は統計の基本です。
まず、統計は公平な試験を設計するために集団差を考慮します。統計学者は、SATのような標準化テストが公平であることを保証するために、特定の社会的属性に有利に働く問題を除外することができます。
例えば、白人受験者にとってアフリカ系アメリカ人コミュニティよりも問題の言い回しが明確である場合、その問題は不公平である可能性があります。どの問題が公平かを判断するために、統計学者は黒人学生と白人学生の各問題における成績を比較します。ただし、成績の違いが必ずしも問題の不公平さを意味するわけではなく、統計学者は集団差も考慮しなければなりません。
この例では、一方の学生グループが低成績者の大多数を占め、もう一方が高成績者の大多数を占めている場合に集団差が存在します。この差を考慮するため、統計学者はすべてのアフリカ系アメリカ人学生をすべての白人学生と比較するのではなく、それぞれの属性ごとに高成績者と低成績者を比較します。
集団差は公正な保険にとっても重要な鍵です。保険制度は、大多数の保険契約者から保険料を徴収し、少数の被保険者の損害を補助する仕組みです。このモデルは、誰でも事故の加害者にも被害者にもなり得るため、公平に思えます。しかし、被保険者間の集団差が考慮されない場合、私たちの保険制度は不公平になります。
例えば、不動産保険が海岸沿いの住宅を内陸の住宅と同じように扱うと、すべての住宅所有者は平均的なリスク暴露に基づいて同じ保険料を支払うことになります。しかし、統計によれば、内陸の住宅は海の見える住宅よりもハリケーンなどの自然災害の影響を受ける可能性がはるかに低いことが示されています。この情報があれば、保険会社は相対的なリスクに応じて保険料を調整できます。
統計に基づく意思決定は二種類の誤りのトレードオフに直面する
現代では、真実が表面化するのを防ぐのは難しいように思えるかもしれません。結局のところ、人々は事実を明らかにするためのあらゆる方法を開発してきました。アスリートのステロイド使用を暴く薬物検査や、人が認めたがらないことを引き出すポリグラフなどです。しかし、これらの検査方法は完全にエラーがないわけではありません。
実際、薬物検査の場合、二種類の誤りが問題を引き起こします。それは偽陽性（薬物を使用していないアスリートが誤って使用したと告発されること）と、偽陰性（不正をしたアスリートが無罪とされること）です。
その結果、薬物検査を実施する人々はトレードオフに直面します。もし権威を損なう誤りである偽陽性を最小限に抑えようとすると、その行動はより多くの不正者を野放しにするという意図せぬ副作用をもたらします。
全アスリートの10パーセントがパフォーマンス向上薬を使用していると仮定しましょう。検査担当者は偽陽性を避けようとするため、証拠が決定的に不正を示している場合にのみ陽性結果を返す検査方法を使用します。
その結果、統計によると、陽性反応を示すアスリートは約1パーセントにすぎません。しかし、全アスリートの約10パーセントが不正に薬物を使用していることを知っているため、薬物を使用しているにもかかわらず陰性となるアスリートが9パーセントいることもわかります。したがって、薬物を使用するアスリートの10人中9人が不正を見逃されていると結論づけるのが妥当です。
嘘発見器テストも、同じ避けられないトレードオフに直面します。ポリグラフは、被験者に一連の質問をしながら、呼吸や血圧などの医学的統計をモニタリングすることで機能します。収集されたデータは、生理的状態の変化との相関を示すことで、虚偽の情報を指摘できます。
当然のことながら、テストを実施する捜査官は偽陰性、つまり罪を犯した人が逃げてしまうことを避けたいと考えます。しかし、問題はアスリートの場合と同じです。偽陰性を避けようとすると、偽陽性が蓄積され、多くの無実の人々を告発することになるのです。
統計的思考は私たちにパターンを疑うことを教える
ほとんどの人は統計学の分野を犯罪との戦いや不合理な恐怖の解消と結びつけないかもしれませんが、統計的ロジックはまさにこれらのことを実現できます。
統計は、明白に見えるパターンを疑うことを教えてくれます。例えば、1999年10月31日、エジプト航空のジェット旅客機がマサチューセッツ州ナンタケット島沖の大西洋に墜落し、生存者はいませんでした。しかし、この悲劇が起こる前の1996年から1999年の間に、他の3機のジェット機がほぼ同じ場所で海に墜落していました。
エジプト航空の墜落事故の結果、その地域での飛行をやめた人もいました。彼らのロジックは、4年間で4件の墜落は偶然と考えるには多すぎ、その地域に何らかの災害が起こりやすいパターンがあるに違いないというものでした。
しかし、統計学者はより大きな視点で見て、4年間で4件の墜落を認識すると同時に、同じ期間に同じ空域を何百万もの飛行機が安全に通過していたことも認識しました。その結果、彼らは明白に見えるパターンに疑問を投げかけました。実際、統計学者は飛行機事故で死亡する確率を約1000万分の1と見積もっていますが、これは宝くじに当たる確率とほぼ同じです。
宝くじの話題に関して言えば、それは統計的思考が異常に見えるパターンを疑うことを教えてくれる良い例です。例えば、1999年から2005年の間に、オンタリオ州宝くじ公社は5,713件の「大口」当選者、つまり5万カナダドル以上の賞金を獲得した人々を生む宝くじを発行しました。しかし、さらに衝撃的なのは、当選くじのうち200枚が、それらを販売した店主自身によって換金されていたことです。
公正な条件を仮定すれば、店主が他の誰よりも当選する可能性が高いはずはありません。宝くじ当選者の統計分析により、店主は200件ではなく57件の当選にすぎないはずであることが明らかになりました。
統計学者の調査結果は不正の疑惑につながり、その仮説は、当選した店主のほとんどが、無料プレイを得ただけの他人の当選くじを自分が所有していると偽って換金していたことが明らかになったことで、正しいと証明されました。
最終的なまとめ
この本の重要なメッセージ：
統計は五つの重要な原則に基づいています。統計学者は平均からの逸脱を探し、因果関係を明らかにして相関関係を明らかにし、集団差を考慮し、直面する不可避のトレードオフについて現実的であり、明白に見えるか奇妙に見えるかに関わらずパターンを疑います。
実践的なアドバイス：
飛行機恐怖症を克服するために統計的思考を活用しましょう。
飛行機恐怖症の多くの人の一人なら、少しの統計的ロジックが役立つかもしれません。統計の重要な原則はパターンを疑うことです。もしあなたの恐怖が最近の飛行機事故の連続によるものであれば、そのパターンが実際に何を示しているのかを考えることで克服できるかもしれません。墜落する飛行機1機ごとに、何千もの他の飛行機がそれぞれの目的地に安全に着陸していることを思い出してください。飛行機事故で死亡する確率は約1000万分の1です！
さらに読むのにおすすめ：『ヤバい経済学』 スティーヴン・D・レヴィット＆スティーヴン・J・ダブナー著
『ヤバい経済学』は、オンラインデートから家の購入まで、日常の状況に合理的な経済分析を適用します。本書は、私たちの意思決定がしばしば非合理的である理由、通念が頻繁に間違っている理由、そしてなぜ私たちが自分の行動を促されるのかを明らかにします。
