Contents
概要
ベイズ主義（Bayesianism）は、知識や信念を確率として表現し、新しい証拠に応じて確率を更新していく立場。
18 世紀のイギリス人長老派牧師 トーマス・ベイズ（Thomas Bayes、1701-1761）が発見したベイズの定理を基盤とし、20 世紀以降、カルナップ、ハロルド・ジェフリーズ、ブルーノ・デ・フィネッティ、エドウィン・ジェインズらが哲学・統計学的に整備した。
中身
ベイズの定理
$$P(H|E) = \frac{P(E|H) \cdot P(H)}{P(E)}$$
- P(H): 仮説 H の事前確率
- P(E|H): 仮説が真のとき証拠 E が得られる確率（尤度）
- P(H|E): 証拠 E を得た後の仮説 H の事後確率
新しい証拠に応じて、事前確率 → 事後確率へと信念を更新する。これが次回の事前確率となり、更新が続く（ベイズ更新）。
主観主義解釈
ベイズ主義では確率を個人の合理的信念の度合いと解釈する（subjective probability）。頻度主義が「長期反復で収束する客観的頻度」と見るのに対し、ベイズは一度きりの出来事の確率も意味を持つと考える。
「この新規事業が成功する確率 30%」——頻度主義では無意味でも、ベイズ主義では合理的賭けの比率として意味を持つ。
科学哲学への応用
- 仮説の確証の度合いを確率で定式化
- ポパーの「反証」を連続的な信念の減衰に置き換え
- デュエム=クワインの「補助仮説問題」を事前確率の更新として扱える
論点・批判
- 事前確率の恣意性——誰もが同じ事前確率を選ぶ根拠がない。ただしデータが十分蓄積すれば事前の差は収束する（ベイズ収束定理）
- 頻度主義との対立——20 世紀前半はフィッシャー・ネイマン流の頻度主義が主流だったが、計算機の発達と MCMC 法の成熟で 21 世紀にベイズが実用的に復活
- 機械学習（ナイーブベイズ、ベイジアンネットワーク、ガウス過程）、医療診断、スパムフィルタなど実装は膨大
現代への示唆
1. 確信度を数字で持つ
「この戦略は正しい/誤り」ではなく「70%正しいと思う」と表現する訓練が、判断の質を上げる。確信度の明示は、新しい情報への柔軟な更新を可能にする。シリコンバレーの「強い意見を弱く持つ」はベイズ的態度の表現である。
2. 新しい証拠で信念を更新する
固執する経営者はベイズ更新ができていない。逆張り投資家、優れたプロダクトマネジャーは、市場データ・顧客の反応を尤度として、自らの事前確率を素早く修正する。更新できないのは信念ではなく教条である。
3. 事前確率を意識する
「直感」や「経験則」は事前確率にほかならない。それらを自覚的に言語化することで、同僚・投資家と確信度を共有できる。事前確率の暗黙性が、組織の意思決定を不透明にする元凶である。
関連する概念
ベイズの定理 / 事前確率 / 尤度 / [反証可能性]( / articles / falsifiability) / 頻度主義 / [帰納の問題]( / articles / novum-organum-induction) / ナシーム・タレブ
参考
- 原典: Bayes, T. “An Essay towards solving a Problem in the Doctrine of Chances” (1763)
- 入門: 豊田秀樹『はじめての統計データ分析——ベイズ的〈ポスト p 値時代〉の統計学』朝倉書店、2016
- 科学哲学: ジェインズ『確率論の論理』（岩波書店、2018）