第９回 推論（２）帰納的推論
事前課題
２−４−６課題で，参加者の課題は何か？
規則性の発見
直接には知覚できない
推論
帰納的な仮説検証
規則
確率的
実際の判断
ヒューリスティク
仮説検証
概念達成
ブルーナー ほか （1956）
実験者が設定した論理的カテゴリーを推論
逐次走査
立証バイアス
仮説に合ったカードを選び，
合わないカードを選ばない
２−４−６課題
規則をみつけるために，参加者が事例をつくる
仮説に合う事例をつくる傾向
確証バイアス
仮説を支持する証拠を集めようとする
反証主義
帰納的推論の問題
ポパー
PならばQである
Qでない，ならば，Pでない
反証がない→仮説の確実性が高まる
反証→仮説の放棄
確証バイアス
⇒ 仮説を支持する証拠ばかりをさがす
科学の限界？
２−４−６課題再考
２−４−６課題の特殊性
規則の範囲が仮説よりも広い
規則の範囲が狭いならば
反証テストが有効とは限らない
現実世界のテストの効率性
規則の範囲が狭い
「Aがカラスならば，Aは黒い」
反証主義
「黒くなければ カラスではない」
黒くないもの たくさん → 非効率的
確証テスト 「カラスは黒い」 効率的
希少性仮定
正事例は負事例よりはるかに少ない（想定）
↓ 確証テスト
確証バイアスの適応的な意味
← 現実世界の特性 （希少性仮定が成り立つ）
反証主義の限界
反証主義の限界 （２）
反証があっても
仮説が否定されるとは限らない
剰余変数の影響
Reaction paper 課題
確証バイアスが，現実の世界では適応的であるのはなぜか？
仮説検証
「勉強をすれば，試験に受かるだろう」
１００％ではない
「程度」を見積もる
主観的な「確度」 ⇒ 確率
主観的確率
４０歳の女性が乳がんにかかる確率は１％である。
乳がんの女性が，マモグラム検査をうけると８０％の確率で陽性になる。
乳がんにかかっていない女性が検査をうけても，９．６％は陽性になる。
検査結果が陽性であった。この女性が乳がんである確率は？
検 査結果が陽性であった。この女性が乳がんである確率は？ 80 % ???
ベイズの定理
あること B がおこった時，A である確率
pp.212 – 213
P(H) ４０歳の女性が乳がんにかかる確率 1%
事前確率
基準率
P（￢ H）
Hの否定
４０歳の女性が乳がんにかからない確率
１００−１＝９９ ％
P（H｜D）
D の時，Hである確率
条件つき確率
陽性というデータが得られたとき，乳がんである確率
P（D｜H）
乳がんのひとが，陽性になる確率 ８０％
P（D｜￢H）
乳がんでない人が，陽性になる確率 9.6 %
P（H｜D） = 0.078
８％以下
基準率 P（H） 無視
カーネマン ＆ トヴェルスキー (1972)
確率 vs. 頻度
ギゲレンツァー 進化心理学
確率ではなく，頻度で表現すれば規範解を出す
４０歳の女性１０００人のうち，乳がんにかかるのは１０人
乳がんにかかっている女性１０人のうち，８人はマモグラフ検査で陽性になる
乳がんにかかっていない女性９９０人につき，９５人はマモグラフ検査で陽性になる
マモグラフ検査で陽性 乳がんにかかっている （ ）人中 （ ）人
頻度理論の問題
計算が単純
確率 ⇒ 計算が複雑
確率の表現
分子 「乳がんにかかっていて陽性になる」
分母 「４０歳女性が陽性になる」
それぞれ，計算が必要
頻度問題の改変
４０歳の女性１０００人のうち，乳がんにかかるのは１０人
乳がんにかかっている女性１０００人のうち，８００人はマモグラフ検査で陽性になる
乳がんにかかっていない女性１０００人につき，９６人はマモグラフ検査で陽性になる
マモグラフ検査で陽性 乳がんにかかっている （ ）人中 （ ）人
頻度問題でも，基準率を考慮することは困難
「基準率無視」 ⇒ 妥当な説明
主観的確率 ⇒ 生態学的な意味
アルゴリズム algorithm
ヒューリスティック heuristic
可用性ヒューリスティック
ある事例を思い浮かべやすければ， その事例の生起確率が高いと判断する。
想起しやすい解決策を使用
例）
非難行動 津波非難 クルマを使う？
代表性ヒューリスティック
あるカテゴリーの多くのメンバーと類似している事例は，そのカテゴリーに属する （多くの偏見，先入観の源泉）
黒人 → アフリカから？ アメリカ？
スーツ姿 → サラリーマン？ 営業マン？
連言錯誤
あるカテゴリーの典型的な特徴をもっている
⇒ そのカテゴリーに属していると判断
「適応的」判断
偏見
Reaction paper 課題
「乳がん問題」で無視される基準率は何か？