統計学 on kenji.blog

あなたの友達は、あなたよりも友達が多い：友情のパラドックス

Thu, 10 Sep 2026 21:00:00 +0900

「周りの人は自分よりも友達が多くて、楽しそうだな…」 SNSを眺めていて、そんな風に感じたことはありませんか？

実は、あなたがそう感じるのは、あなたの性格のせいでも、人気がないせいでもありません。それは**「友情のパラドックス（Friendship Paradox）」**と呼ばれる、ネットワーク理論と統計学によって証明された数学的な事実なのです。

1991年に社会学者スコット・フェルドによって発見されたこのパラドックスは、「ほとんどの人は、自分の友達よりも友達の数が少ない」という直感に反する現象を説明しています。

なぜ「友達の方が友達が多い」のか？

結論から言うと、これは**「友達が多い人（人気者）は、多くの人の友達リストに登場する」**という単純なサンプリングの偏りによるものです。

簡単なネットワーク（グラフ）で考えてみましょう。

graph TD A["アリス (友達1人)"] --- C["チャーリー (友達3人)"] B["ボブ (友達1人)"] --- C C --- D["デイビッド (友達1人)"] style A fill:#4FC3F7,stroke:#333,stroke-width:2px style B fill:#4FC3F7,stroke:#333,stroke-width:2px style C fill:#FF9800,stroke:#333,stroke-width:4px style D fill:#4FC3F7,stroke:#333,stroke-width:2px

この小さな世界には、アリス、ボブ、チャーリー、デイビッドの4人がいます。チャーリーは「人気者」で、他の3人全員と友達です。他の3人はチャーリーとしか友達ではありません。

それぞれの友達の数を見てみましょう。

アリスの友達数：1人
ボブの友達数：1人
デイビッドの友達数：1人
チャーリーの友達数：3人 全員の平均友達数は、$(1 + 1 + 1 + 3) / 4 = 1.5人$ です。

次に、「それぞれの人の『友達の友達数』の平均」を計算してみましょう。

アリスの友達（チャーリー）の友達数：3人
ボブの友達（チャーリー）の友達数：3人
デイビッドの友達（チャーリー）の友達数：3人
チャーリーの友達（アリス、ボブ、デイビッド）の友達数の平均：$(1 + 1 + 1) / 3 = 1人$

さて、それぞれの「自分」と「自分の友達の平均」を比較します。

アリス：自分(1) < 友達の平均(3)
ボブ：自分(1) < 友達の平均(3)
デイビッド：自分(1) < 友達の平均(3)
チャーリー：自分(3) > 友達の平均(1)

4人中3人（75%の人）が、「自分の友達は、自分よりも友達が多い」という状態に置かれています。人気者のチャーリーの存在が、周囲の全員の「友達の平均」を強力に引き上げているのです。

数学的な証明：分散がカギ

これを数式で表してみましょう。ネットワーク理論において、ある人 $v$ の友達の数（次数）を $k(v)$ とします。ネットワーク全体の平均友達数を $\mu$、友達の数の分散を $\sigma^2$ とします。

フェルドの証明によれば、「ランダムに選んだ友達の友達数」の期待値は以下のようになります：

$$ \text{友達の友達数の平均} = \mu + \frac{\sigma^2}{\mu} $$

分散 $\sigma^2$ は常に0以上の値です。つまり、誰もが全く同じ数の友達を持っている（$\sigma^2 = 0$）というあり得ない状況を除けば、常に以下の不等式が成り立ちます。

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

「友達の友達数の平均」は、常に「全体の平均友達数」よりも必ず大きくなるのです。

現実社会やSNS（XやInstagramなど）では、ごく一部の人が数百万人のフォロワー（友達）を持つ一方で、大半の人は数十人〜数百人しかいません。つまり分散 $\sigma^2$ が極めて大きいため、このパラドックスの効果はさらに強烈になります。

応用：パンデミックとワクチン接種

友情のパラドックスは、単なるSNSの心理学に留まりません。現実の社会課題、特に感染症対策に非常に有効な応用がなされています。

限られた数のワクチンしかなく、誰に接種すべきか迷ったとします。ランダムに接種するよりも効果的な方法があります。

ランダムに人々を選びます。
その人自身ではなく、その人が「友達だ」と指名した相手にワクチンを接種します。

なぜでしょうか？友情のパラドックスにより、ランダムに選ばれた人の「友達」は、平均してより多くのつながりを持っている（ハブである）確率が高いからです。つながりが多い人に優先的にワクチンを打つことで、ネットワーク全体への感染拡大を劇的に遅らせることができるのです。

結論

あなたがSNSを見て「みんな私より友達が多くてリア充だ」と感じる時、それはあなたの錯覚ではなく、ネットワークの構造が生み出す数学的な必然です。

人気者は多くの人のネットワークに顔を出すため、私たちは必然的に「平均以上の人気者」ばかりをサンプルとして観察させられているのです。次からSNSで落ち込みそうになった時は、ぜひこの数式を思い出してください。

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

バースデイパラドックス：23人いれば50%以上？直感を欺く「組み合わせ」の魔法

Thu, 10 Sep 2026 00:00:00 +0900

1. 直感のテスト：何人集まれば確率は50%を超える？

あるパーティー会場に人々が集まっています。ここで、**「会場の中に、誕生日（月と日）が全く同じ2人組が少なくとも1組存在する確率が50%を超える」**には、最低何人の人が必要だと思いますか？（※うるう年は除外して1年は365日とし、各誕生日は等確率であると仮定します）。

人間の直感は、次のように計算しがちです。「1年は365日もある。365個の枠の中に人をポンポンと入れていって被るのだから、少なくとも180人くらいは必要だろう。少なく見積もっても、50〜60人はいないと確率は半分にならないのでは？」

しかし、数学が導き出す正解は、わずか 「23人」 です。学校の1クラス（約30人〜40人）であれば、同じ誕生日のペアがいる確率は約70%〜89%にも跳ね上がります。50人いれば、その確率は97%に達し、「同じ誕生日の人がいない方が珍しい」状態になります。

なぜ私たちの直感はこれほどまでに現実の確率とズレてしまうのでしょうか？

2. 直感が間違える理由：「私と誰か」と「誰かと誰か」の違い

この問題で直感が間違う最大の理由は、私たちが無意識のうちに**「特定の一人（例えば自分）と同じ誕生日の人がいる確率」**を考えてしまうからです。

あなたが会場に入り、「自分と同じ誕生日の人はいるかな？」と探す場合、23人の中にあなたと同じ誕生日の人がいる確率はたったの 約6.1% しかありません。（この確率が50%を超えるには、実に253人もの人が必要です）。

しかし、バースデイパラドックスが問うているのは「私と誰か」のペアではありません。**「会場にいる全ての人同士のあらゆる組み合わせ（AさんとBさん、BさんとCさん、CさんとAさん…）」**の中で、1組でも一致すれば良いのです。

graph TD subgraph "直感の錯覚：「自分」中心の比較" You["自分"] --- P1["Aさん"] You --- P2["Bさん"] You --- P3["Cさん"] You --- P4["Dさん"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "現実：「全員と全員」の総当たり比較" A["Aさん"] --- B["Bさん"] A --- C["Cさん"] A --- D["Dさん"] B --- C B --- D C --- D end

たった4人のグループでも、「自分」を中心とした比較は3通りですが、全員同士の比較なら6通り（${}_4 C_2 = 6$）存在します。人数が23人に増えると、ペアの組み合わせはなんと 253通り (${}_{23} C_2$) にも爆発的に増加します。 253組ものペアがいれば、その中の1組くらいは「365分の1」の確率を引き当てても不思議ではない気がしてきませんか？

3. 数学による証明：余事象を使った鮮やかな解法

「少なくとも1組が同じ誕生日である確率」を真正面から計算するのは大変です（1組だけ同じ場合、2組同じ場合、3人が同じ誕生日になる場合…など、パターンが多すぎるため）。そこで、確率論の基本テクニックである**「余事象（よじしょう）」**を使います。

余事象とは、「起こらない確率」のことです。つまり、「全員の誕生日がバラバラである（1組も被らない）確率」 を計算し、それを100%（1）から引き算すれば、求めたい確率が出ます。

$$ P(\text{少なくとも2人が同じ}) = 1 - P(\text{全員が違う誕生日}) $$

では、順番に会場に入ってくる人をイメージして計算してみましょう。

1人目：誰とも被る心配はありません。確率は $\frac{365}{365}$ です。
2人目：1人目とは違う誕生日でなければなりません。残りの364日ならセーフです。確率は $\frac{364}{365}$ です。
3人目：前の2人とは違う誕生日でなければなりません。残りの363日ならセーフです。確率は $\frac{363}{365}$ です。

これを $n$ 人目まで掛け合わせると、全員の誕生日がバラバラである確率 $P(n)'$ の一般項が得られます。

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

したがって、求める「少なくとも2人が同じ誕生日である確率 $P(n)$」は次のようになります。

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

この式に人数 $n$ を代入していくと、驚くべきスピードで確率が上昇することが分かります。

$n = 10$ のとき、確率は約 11.7%
$n = 23$ のとき、確率は約 50.7% （ここで50%を超えます！）
$n = 40$ のとき、確率は約 89.1%
$n = 70$ のとき、確率は約 99.9%

pie title "23人集まった時の確率" "同じ誕生日のペアがいる (50.7%)" : 50.7 "全員バラバラ (49.3%)" : 49.3

4. テイラー展開による近似計算

掛け算を23回も手計算するのは大変なので、数学的な近似式を使ってもう少し直感的に理解してみましょう。

指数関数 $e^{-x}$ のテイラー展開を考えます。$x$ が十分に小さいとき、以下の近似が成り立ちます。

$$ e^{-x} \approx 1 - x $$

先ほどの各項 $\left(1 - \frac{k}{365}\right)$ にこれを適用すると、

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

これをすべて掛け合わせる（指数法則により足し算になる）と、

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

1から $n-1$ までの和は $\frac{n(n-1)}{2}$ （つまり、組み合わせの数 ${}_n C_2$）ですから、

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

この式において、確率が 50% ($0.5$) になるときの $n$ を求めます。

$$ 0.5 = e^{-\frac{n(n-1)}{730}} $$

両辺の自然対数をとります（$\ln 0.5 \approx -0.693$）。

$$ -0.693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0.693 \times 730 \approx 505.89 $$

$n^2 \approx 506$ と近似すると、$n = \sqrt{506} \approx 22.49$ 見事に $n \approx 23$ という答えが導き出されました！

5. 日常生活への応用と「ハッシュ衝突」

このパラドックスは単なる宴会のネタではありません。現代のIT社会を支える暗号理論と情報セキュリティにおいて極めて重要な役割を果たしています。

コンピュータシステムでは、パスワードやファイルの同一性を素早く確認するために「ハッシュ関数」という仕組みを使います。ハッシュ関数は、どんなデータを入れても一定の長さのランダムな文字列（ハッシュ値）を返します。しかし、このハッシュ値が偶然同じになってしまう現象を**「ハッシュ衝突（Hash Collision）」**と呼びます。

ハッシュ衝突は、まさにバースデイパラドックスと同じ原理で発生します。「ハッシュ値の種類が天文学的な数だから、衝突なんて滅多に起きないだろう」という人間の直感に反して、攻撃者が大量のデータを無作為に生成して「どれかとどれかが一致する（誕生日が被る）ペア」を見つけることは、想像以上に簡単なのです。

これを**「誕生日攻撃（Birthday Attack）」**と呼びます。セキュリティシステムを設計するエンジニアは、この「直感よりもはるかに早く衝突が起きる」という数学的事実を前提として、ハッシュ値の長さを非常に長く設定し、安全性を担保しています。

6. まとめ：人間の直感の限界

バースデイパラドックスは、「指数関数的な増加」や「組み合わせの爆発」に対する人間の直感がいかに脆弱であるかを示す完璧な例です。

私たちは直線的な（足し算的な）増加には強いですが、ペアの数が $n^2$ のペースで爆発的に増える現象を脳内でシミュレーションすることができません。「365という大きな数字に比べて、23という数字は小さすぎる」という直感の裏で、23人が作り出す**「253通りの見えない糸（ペア）」**が張り巡らされているのです。

次に人が集まる場所に行ったときは、目に見える「人数」だけでなく、その間に無数に存在する「組み合わせの糸」を想像してみてください。世界の見え方が少しだけ数学的に変わるはずです。

モンティ・ホール問題：直感を裏切る確率論の罠とベイズ推定による完全解明

Thu, 10 Sep 2026 00:00:00 +0900

1. 舞台はテレビのクイズ番組：あなたならどうする？

1990年、アメリカのニュース雑誌『Parade』のコラム「Ask Marilyn（マリリンに聞いてみよう）」に、ある読者から次のような質問が寄せられました。

あなたはテレビのゲーム番組の参加者です。目の前に 3つのドア (A, B, C) があります。 1つのドアの後ろには**新車（アタリ）が、残り2つのドアの後ろにはヤギ（ハズレ）**がいます。

あなたはまず、ドアA を選びました。

すると、どのドアに新車があるかを知っている司会者のモンティ・ホールが、残りのドアのうちヤギがいるドアB を開けました。

モンティはあなたにこう言います。「今ならドアCに変更してもいいですよ。どうしますか？」

果たして、あなたはドアを変更するべきでしょうか？

直感的には「残ったドアはAとCの2つ。新車がどちらにあるかは完全にランダムなのだから、当たる確率はどちらも $\frac{1}{2}$（50%）。だから変更しても変更しなくても同じ」と思えます。

しかし、コラムニストのマリリン・ボスサバント（ギネスブックで最も高いIQを持つと認定された人物）は、「変更すべきです。変更すれば当たる確率は2倍になります」 と回答しました。

この回答は全米にセンセーションを巻き起こし、約1万通もの抗議の手紙（そのうち約1000通は数学の博士号を持つ学者から）が殺到しました。「あなたは確率の基本を理解していない」「女性の論理だ」といった辛辣な批判の嵐です。しかし、結論から言えば、マリリンの回答は数学的に完全に正しかったのです。

2. 直感と数学のズレ：Mermaidで見る確率の分岐

なぜ私たちの直感は「$\frac{1}{2}$」だと錯覚してしまうのでしょうか？まずは、ゲームのすべてのパターンを可視化してみましょう。

graph TD Start["ゲーム開始"] --> CarA["新車はドアA (確率1/3)"] Start --> CarB["新車はドアB (確率1/3)"] Start --> CarC["新車はドアC (確率1/3)"] CarA --> PickA1["あなたがドアAを選ぶ"] CarB --> PickA2["あなたがドアAを選ぶ"] CarC --> PickA3["あなたがドアAを選ぶ"] PickA1 --> HostB_or_C["司会者はBかCを開ける"] PickA2 --> HostC["司会者は必ずCを開ける"] PickA3 --> HostB["司会者は必ずBを開ける"] HostB_or_C --> Stay1["変更しない: アタリ!"] HostB_or_C --> Switch1["変更する: ハズレ..."] HostC --> Stay2["変更しない: ハズレ..."] HostC --> Switch2["変更する: アタリ!"] HostB --> Stay3["変更しない: ハズレ..."] HostB --> Switch3["変更する: アタリ!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

あなたが「ドアA」を選んだと仮定した場合、以下の3つのシナリオが等確率（$\frac{1}{3}$）で発生します。

シナリオ1（新車がA）： 司会者はヤギがいるBかCを開ける。ドアを変更するとハズレ。
シナリオ2（新車がB）： 司会者はヤギがいるCしか開けられない。ドアを変更するとアタリ。
シナリオ3（新車がC）： 司会者はヤギがいるBしか開けられない。ドアを変更するとアタリ。

つまり、3回のうち2回（シナリオ2と3）は**「ドアを変更すれば必ず当たる」状態になっているのです。したがって、ドアを変更した場合の勝率は $\frac{2}{3}$ となり、変更しなかった場合の勝率 $\frac{1}{3}$ の2倍**になります。

3. ベイズの定理による厳密な証明

数学的にこの問題を厳密に解くためには、条件付き確率を計算する「ベイズの定理」を用います。

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

ここで、事象を次のように定義します。

$C_A, C_B, C_C$ : それぞれドアA, B, Cに新車がある事象。事前確率は $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
あなたは最初にドアAを選んだとします。
$M_B$ : 司会者がヤギのいるドアBを開ける事象。

私たちが求めたいのは、「司会者がドアBを開けたという条件のもとで、ドアCに新車がある確率」すなわち事後確率 $P(C_C|M_B)$ です。

まず、新車がどこにあるかによって、司会者がドアBを開ける確率 $P(M_B|C_X)$ を考えます。

新車がドアAにある場合 ($C_A$) 司会者はBかCをランダムに開けることができます。
$$ P(M_B|C_A) = \frac{1}{2} $$
新車がドアBにある場合 ($C_B$) 司会者は新車のあるドアを開けられないため、Bを開ける確率はゼロです。
$$ P(M_B|C_B) = 0 $$
新車がドアCにある場合 ($C_C$) 司会者はA（あなたが選んだ）とC（新車がある）を開けられないため、必然的にBを開けるしかありません。
$$ P(M_B|C_C) = 1 $$

次に、司会者がドアBを開ける全確率 $P(M_B)$ を「全確率の定理」から求めます。

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

いよいよベイズの定理を適用して、ドアAとドアCの事後確率を計算します。

ドアA（変更しない場合）に新車がある確率：

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

ドアC（変更する場合）に新車がある確率：

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

数式による証明でも、**「ドアを変更した方が当たる確率が2倍（2/3）になる」**ことが明確に示されました。

4. 認知バイアス：「条件付け」という情報の価値

なぜ多くの天才数学者たちでさえ、この問題を直感的に間違えてしまったのでしょうか。そこには人間の脳に組み込まれた「等確率バイアス」と「情報のアップデートの失敗」があります。

4.1. 等確率バイアス (Equiprobability Bias)

人間は、未知の選択肢が与えられたとき、「残った選択肢の確率は常に均等である」と無意識に割り当ててしまう性質があります。ドアが2つ残っているのを見た瞬間、脳は自動的に「$50\%$ : $50\%$」とラベリングしてしまうのです。

4.2. 司会者の「意図」という情報

直感が間違う最大の理由は、司会者の行動がランダムではないことを見落とす点にあります。もし、司会者が「新車がどこにあるか知らずに、ランダムにドアを開けたら、たまたまヤギだった」というルール（モンティ・フォール問題と呼ばれます）であれば、ドアAとドアCの確率はどちらも $\frac{1}{2}$ になります。

しかし実際のモンティ・ホール問題では、司会者は以下の厳しい制約を受けて行動しています。

参加者が選んだドアは開けられない。
新車がいるドアは開けられない。

この制約により、司会者が「ドアBを開けた」という行為自体が、ドアCに関する巨大な情報を私たちに与えているのです。「私はドアCを開けられなかった（なぜならそこに新車があるからだ）」という無言のメッセージが込められているわけです。

5. 極端な例で直感を矯正する

まだ納得できない場合は、ドアの数を 100万枚 に増やしてみましょう。

あなたは 100万枚のドアの中から、ドア1 を選びました。（当たる確率は $\frac{1}{1,000,000}$）
全てを知っている司会者が、残りの99万9999枚のドアのうち、ヤギがいる 99万9998枚のドアを全て開けて しまいました。
閉まっているのは、あなたが選んだ「ドア1」と、司会者がわざと残した「ドア777,777」だけです。

さて、変更しますか？この場合、あなたが最初に「100万分の1」の奇跡を引き当てていたと信じるなら、変更すべきではありません。しかし、現実的には**「司会者が絶対に開けられなかったたった1つのドア」**に新車がある確率が $\frac{999,999}{1,000,000}$ であることは直感的に理解できるでしょう。

モンティ・ホール問題（3枚のドア）は、単にこの「100万枚のドア」のスケールを小さくしただけの現象なのです。

pie title "ドア変更の効果（100回シミュレーション）" "変更してアタリ (約66.7%)" : 67 "変更せずアタリ (約33.3%)" : 33

6. まとめ：確率論が教えるビジネスと人生の教訓

モンティ・ホール問題は、単なるクイズの枠を超えて、私たちに重要な教訓を教えてくれます。

直感はしばしば間違える：人間の脳は、複雑な条件付き確率を直感的に処理するようには進化していません。重要な意思決定において、直感だけで判断するのは危険です。
新しい情報で確率を更新する（ベイズ更新）：状況が変化し、新しい情報（司会者がどのドアを開けたか等）がもたらされたとき、既存の考えに固執せず、確率や戦略を柔軟にアップデートできるかどうかが成功の鍵となります。

「ドアを変更する」という小さな決断が、あなたの人生の「新車」を手に入れる確率を2倍にするかもしれません。