本ユニットでは、データを正しく扱うために欠かせない『精度』と『偏り』の違いを起点に、判断を誤らせる各種バイアスを学ぶ。統計的・選択・情報・認知のバイアスがどこで生じ、どう結果をゆがめるかを押さえる。データ利活用が頻出の本分野では、偏ったデータから誤った結論を導かない視点が問われる。
ばらつきの小ささを表す精度と、系統的なズレを表す偏りの区別。
精度(ばらつき)は測定値がどれだけそろっているか、偏り(バイアス)は測定値が真の値からどちら側にズレているかを表します。両者は別の概念で、ばらつきが小さくても一方向に偏っていれば真の値からは外れます。 試験では、この二つを混同しない理解が問われます。偏りは平均的なズレ(系統誤差)、精度の悪さは値の散らばり(偶然誤差)と整理しましょう。偏りはデータの取り方や測定方法を見直さないと取り除けず、回数を増やしても消えない点が重要です。
たとえダーツで例えると、的の中心からいつも右上に外れて集まるのが『偏り』、的の周りに散らばって刺さるのが『精度が低い』状態。中心に集中して初めて両方良い。
記憶フック精度と偏りといえばばらつきの小ささと系統的なズレの区別
データ収集や測定の過程で系統的に生じる偏りの総称。
統計的バイアスは、データの集め方や測り方に原因があって、結果が一方向に系統的にズレてしまう偏りの総称です。偶然による散らばりとは異なり、サンプルを増やしても消えないのが特徴です。 試験では、統計的バイアスが上位概念で、その中に選択バイアスや情報バイアスといった具体的な種類が含まれる、という関係を押さえます。データから正しい結論を出すには、こうした偏りがどこで入り込むかを知り、収集設計の段階で対策する必要がある点が問われます。
たとえアンケートを昼間の公園だけで集めると、働く人や学生の声が抜け落ちて結果が一方向に傾く。集め方そのものが結論をゆがめる、という構図。
記憶フック統計的バイアスといえばデータ収集・測定で系統的に生じる偏りの総称
標本の選び方が偏ることで結果がゆがむ統計的バイアス。
選択バイアスは、調査や分析の対象(標本)を選ぶ段階で偏りが生じ、母集団を正しく代表しなくなることで結果がゆがむバイアスです。特定の層に偏った標本から全体を語ると、誤った結論につながります。 試験では、原因が『標本の選び方』にある点が問われます。回答内容や測定に原因がある情報バイアスとの違いを意識しましょう。志願者だけを集めた調査や、脱落した人を除いた集計など、対象が母集団とズレる例が典型です。
たとえ商品レビューは満足した人や不満な人だけ書きがちで、ふつうに使った大多数の声が抜ける。書き込んだ人だけ見て全体を判断すると評価を見誤る。
記憶フック選択バイアスといえば標本の選び方の偏りで結果がゆがむ
測定や回答の段階で生じる、データの値そのものの偏り。
情報バイアスは、データを測定・記録したり、回答してもらったりする段階で生じる偏りです。測定器のクセ、質問の仕方、回答者の記憶違いや見栄などで、得られる値そのものが真の値からズレます。 試験では、原因が『測定・回答』にある点で選択バイアスと区別されます。誰を選ぶかではなく、選んだ相手からどんな値を得るかの問題だと整理しましょう。誘導的な質問や、答えにくい内容で本音と違う回答が集まる例が典型です。
たとえ体重を聞かれて少なめに答えてしまうように、測り方や尋ね方しだいで返ってくる数字が本当の値からずれる。誰に聞くかでなく、どう聞くかの問題。
記憶フック情報バイアスといえば測定・回答の段階で値そのものが偏る
人の思い込みや先入観が判断をゆがめる心理的な偏り。
認知バイアスは、人の思考のクセや先入観によって、ものごとの判断や解釈がゆがむ偏りです。自分の考えに合う情報ばかり集める、印象に残った出来事を過大評価するなど、無意識のうちに合理的でない結論へ導かれます。 試験では、データの集め方や測り方ではなく『人の認知』が原因である点で統計的バイアスと区別されます。確証バイアス(自説に都合のよい情報を重視する傾向)などが代表例で、データを解釈する人間側の偏りとして押さえましょう。
たとえ占いで当たった部分だけ強く覚えて『よく当たる』と感じるように、自分に都合のよい情報ばかり拾ってしまう心のクセ。データではなく見る側の偏り。
記憶フック認知バイアスといえば思い込み・先入観で判断がゆがむ
関連の過去問演習は今後のアップデートで追加予定です。