Either a Confidence Interval Covers, or It Doesn't (Or Does It?): A Model-Based View of Ex-Post Coverage Probability

この論文は、ネイマンの信頼区間に対する「被覆するか否かの二値的解釈」のみを正当とする従来の見解に対し、思考実験と数学的定式化を通じて反論し、単一の区間推定に対しても予測確率としての中間的な確率値を認めるべきだと主張しています。

要約

この論文は、統計学で非常に有名な「信頼区間（Confidence Interval）」という概念について、少し意外な視点から再考する面白い内容です。

一言で言うと、「統計の信頼区間は『当たるか外れるか、もう決まっている』だから、事後に『確率』なんて言っちゃダメだ」という従来の常識に対し、「いやいや、モデルを使えば事後にも意味のある確率を語れるはずだ」と主張する論文です。

難しい数式を使わず、日常の例え話を使って、この論文の核心を解説します。

---

🍫 1. 従来の考え方：「もう決まっているのだから、確率は 0 か 1 だ」

まず、従来の統計学（ニーマンという人が提唱した考え方）では、こう考えられてきました。

「信頼区間を作った瞬間、その区間に真の値が含まれているかどうかは、すでに『決まっている』（含まれているか、含まれていないか）。だから、その区間が『当たる確率』を語ることはナンセンスだ。確率は 0 か 1 のどちらかしかない」

これは、**「すでに箱を開けて中身を見た後、その箱に当たりがあるかどうかを『確率』で語るな」**というルールのようなものです。
「確率」は、箱を開ける前の「ドキドキ感」や「期待値」を表すもので、開けた後はただの事実（当たりかハズレか）になる、という考え方です。

🐱 2. 著者の疑問：「でも、猫の例はどうなる？」

著者のスコット・リーさんは、この「開けた後は確率なし」というルールを厳格に守ると、現実の判断がめちゃくちゃになることを示す例え話を提示しました。

例え話：おやつを食べている猫（ソフィー）

• 設定: 猫のソフィーは、75% の確率で「魚味」、25% の確率で「鶏肉味」のおやつを食べています。
  • 魚味を食べると、80% の確率で「ゴロゴロ（喉を鳴らす）」し、その後は 90% の確率で「寝る」そうです。
  • 鶏肉味だと、ゴロゴロは 60%、寝る確率は 74% です。
• 状況: 飼い主は、ソフィーが**「今、寝ている」**のを見つけました。
• 問い: 「そのおやつは魚味だった確率はいくら？」

従来の「厳格なルール」に従うと：
「おやつの味は、ソフィーが食べる前にすでに決まっていた（魚味か鶏肉かのどちらか）。だから、今になって『魚味だった確率』なんて語れない。確率は 0 か 1 しかない！」
→ 結果: 飼い主は「確率がわからないから、何もしない」ということになり、猫の好みを理解しようとする努力が無駄になります。

著者の提案する考え方：
「いや、待てよ。おやつの味が『決まっている』のは事実だが、飼い主にはそれがわからない（未観察）状態だ。
私たちが持っているのは『おやつの味』という事実ではなく、『猫が寝ている』という情報だ。
この『猫が寝ている』という情報から逆算して、『魚味だった可能性は 77% くらいだ』と計算するのは、数学的にも合理的だし、現実的な判断（次の行動）にも役立つはずだ」

🍫 3. チョコレート工場の例：「次の製品は成功するか？」

もう一つの例えは、チョコレート工場です。
機械がチョコレートを充填（中身を入れる）する工程があります。

• 機械は 90% の確率で成功します。
• しかし、あるチョコレートが「中身が入っているか、空っぽか」は、検査機が測るまで誰にもわかりません。

ここで、「次のチョコレートが成功する確率」を聞かれたとします。

• 厳格なルール: 「今のチョコレートが成功しているか失敗しているかは、すでに決まっている（0 か 1）。だから、その情報に基づいて『次のチョコレート』の確率を語ることはできない（あるいは、確率は 0 か 1 に固定される）」
• 著者の主張: 「いや、今のチョコレートの結果が『成功』か『失敗』かわからない状態で、次のチョコレートの成功確率を計算するなら、設計段階の確率（約 90%）を使うのが正しい。
  もし『今のチョコレートは成功していた』と知っているなら、その条件付きで計算すればいい。でも、知らないのに『すでに決まっているから確率は語れない』と言うのは、計算を放棄しているのと同じだ」

🎯 4. 論文の結論：「確率」は「情報」の問題だ

著者は、以下の重要なポイントを伝えています。

1. 「当たるか外れるか」は事実だが、「確率」は情報の問題だ

   • 信頼区間がパラメータ（真の値）を含んでいるかどうかは、作られた瞬間に事実として決まります（0 か 1）。
   • しかし、私たちがその事実を知らない状態（事後）で、「この区間は信頼できるだろうか？」と問うとき、それは「設計段階の成功率（95% など）」や「得られたデータから推測される確率」を語ることであり、それは**「予測確率**（Predictive Probability）として非常に意味があります。

2. 「確率」は消えない

   • 従来の考え方は、「データを取った瞬間、確率は消えて事実になる」と言いますが、著者は**「確率は、私たちが持っている『情報』の量によって変わる」**と言います。
   • データを取っても、それが「真の値を含むかどうか」を直接教えてくれるわけではない場合、私たちは依然として「確率的な不確実性」の中にいます。

3. 新しい視点：「信頼」は「予測」

   • 著者は、「信頼区間」の「信頼（Confidence）」という言葉を、**「未来の予測」や「モデルに基づく確率的な見込み」**として捉え直すべきだと提案しています。
   • 「この区間は、過去に同じような実験を何千回繰り返したときに、どれくらい成功するだろうか？」という設計レベルの確率と、「今のデータから見て、この区間は成功している可能性が高いだろうか？」という情報に基づく確率を、区別して使うべきだと言っています。

🌟 まとめ：日常への応用

この論文が私たちに教えてくれるのは、「すでに結果が決まっているから、確率を語るな」というルールに固執しすぎると、現実の判断（医療診断や機械の故障予測など）ができなくなってしまうという点です。

• 従来の考え方: 「結果は決まっているから、確率は 0 か 1。確率を語るな。」（硬い考え方）
• 著者の考え方: 「結果は決まっているが、私には見えていない。だから、持っている情報（データ）を使って、『これがおそらく成功している確率は高い』と予測して行動しよう。」（柔軟で実用的な考え方）

統計学は、単に「正解か不正解か」を判定する機械ではなく、**「不完全な情報の中で、最善の判断を下すための道具」**として捉え直すべきだ、というのがこの論文のメッセージです。

つまり、**「確率は、世界そのものの性質ではなく、私たちが世界をどう『見るか（どの情報を持っているか）』を表す言葉」**なのかもしれません。

技術概要

論文要約：「信頼区間は被覆するか、しないか（あるいはその両方か？）：事後被覆確率に関するモデルベースの視点」

著者: Scott Lee (CDC)
概要: この論文は、ネイマン（Neyman）の信頼区間（CI）解釈における伝統的な「事後（ex-post）には確率を語れない」という厳格な行動主義的見解（「被覆するか、しないかのどちらかである」というスローガン）に異議を唱え、頻度論的枠組み内でも事後の確率言明を正当化できることを論理的・数学的に示すものである。

以下に、問題設定、手法、主要な貢献、結果、および意義について詳細にまとめる。

---

1. 問題設定 (Problem)

• 従来の解釈の限界: ネイマンの信頼区間理論では、パラメータ $\theta$ は固定された未知の定数であり、データ $X$ のみが発散する。したがって、一度データが観測され特定の区間 $[L(x), U(x)]$ が生成されると、その区間が $\theta$ を含むかどうかは確率的ではなく、確定事象（0 または 1）となる。このため、従来の頻度論的ガイドラインでは、個別の区間について「被覆する確率は $1-\alpha$ である」といった事後の確率言明は概念上不可能（あるいは誤り）とされ、長期的な被覆率（設計レベルの性質）のみが正当な解釈とされてきた。
• 実践的・哲学的な矛盾: しかし、この「二者択一（被覆するかしないか）」の論理を厳格に適用すると、現実の統計推論において不都合が生じる。
  • 例: 医療診断（陽性反応後の疾患確率）や、観測済みだが未確認の事象（猫のおやつ、チョコレートの充填状態など）において、観測後の確率を語ることが臨床的・実用的に不可欠である。
  • 矛盾: 頻度論者は「確率はサンプリング過程にあり、観測後は確率は消滅する」と主張するが、実際には頻度論的手法を用いて「観測済みだが未確認の事象」の確率を推定している。この「観測後の確率言明」を完全に排除することは、頻度論の数学的道具立て（期待値や長期的誤差率の定義）自体と矛盾する可能性がある。

2. 手法 (Methodology)

著者は、直感的な思考実験と形式的な確率論的定式化の 2 つのアプローチを用いて、厳格な「二者択一」解釈の矛盾を浮き彫りにし、代替的なモデルベースの視点を提示する。

A. 思考実験 (Thought Experiments)

3 つのシナリオを通じて、厳格な「事後確率なし」論理がもたらす不条理を示す。

1. Dr. I-Don't-No（医療診断）: 患者の検査結果が陽性の場合、厳密な頻度論的解釈では「患者は病気か否かのどちらか」であり、確率は 0 または 1 となる。しかし、これは陽性予測値（PPV）の計算を無意味にし、臨床判断を不可能にする。
2. The Cat Tasting Treats（猫のおやつ）: 箱から取り出された特定のおやつの味（固定だが未観測）に基づき、猫が寝る確率を計算する問題。事前確率（80%）と、おやつの味が固定された後の条件付き確率（0 または 1）の間で、どの確率を「未来の行動」の予測に用いるべきかというジレンマが生じる。
3. We're in Deep Truffle Now（チョコレート製造）: 製造ラインの次のチョコレートの充填状態を予測する問題。現在のチョコレートの状態（充填済みか空か）が「事実」として固定されていると仮定すると、次のチョコレートの充填確率が分岐し、設計レベルで定義された確率（約 0.9045）と矛盾する結果を招く。

B. 形式的な定式化 (Formal Argument)

コルモゴロフの確率論と無限試行の列を用いた定式化を行う。

• マイクロ状態（Microstates）の導入: 無限の試行列 $X_1, X_2, \dots$ を想定し、各試行 $i$ における被覆インジケーター $Z_i$（0 または 1）を定義する。
• 条件付けのレベル:
  • 設計レベル（事前）: $P_\theta(Z_i = 1) = 1-\alpha$。これは試行 $i$ がランダムに選ばれる前の期待値。
  • 完全条件付きレベル（事後）: $P_\theta(Z_i = 1 \mid X_i = x_i) = Z_i(x_i) \in \{0, 1\}$。データが観測された後の退化した確率。
• 論点: これらは同じ確率モデルにおける異なる条件付けレベル（$\sigma$-代数の違い）に過ぎない。厳密な頻度論的解釈が「完全条件付きレベル（0 または 1）」のみを認めることは、モデルが提供する「設計レベルの確率」を不当に排除することになり、数学的一貫性を損なう。

3. 主要な貢献 (Key Contributions)

1. 「二者択一」解釈の批判的再評価: ネイマンのスローガン（「被覆するかしないかのどちらか」）を規範的なルールとして厳格に適用することは、頻度論的推論の他の側面（特に事後の予測や、観測済みだが未確認の事象の確率）と矛盾することを示した。
2. モデルベースの事後確率の正当化: 頻度論的枠組み内であっても、観測後の事象について「中間的な確率（0 と 1 の間）」を語ることが数学的に可能であることを論証した。これは、観測データ $X$ を条件付けるのではなく、モデルが定義する「設計レベル」の情報や、観測データに基づく「予測確率」として確率を定義し直すことによる。
3. 「信頼（Confidence）」の再定義: 信頼区間の「信頼」を、単なる長期的な誤差率ではなく、「非オラクルな観察者による予測確率（predictive probability）」または「確率的予測（probabilistic forecast）」として捉えるべきだと提案した。
   • 設計レベルの被覆率 $1-\alpha$
   • 完全データ条件付きの退化確率 $\{0, 1\}$
   • 情報に基づく予測確率（観測データに基づき、その区間が他の類似区間と比較してパラメータを被覆する可能性）
     この 3 つの層を区別することで、解釈の混乱を解消できる。

4. 結果と議論 (Results & Discussion)

• 結果: 思考実験と数学的定式化の両方から、観測後の事象について確率を語ること（特に、特定の区間がパラメータを被覆する確率）を禁止する厳格なルールは、頻度論の数学的基盤（期待値や大数の法則）と矛盾することが示された。
• 提案される規範: 「事後の確率言明を行う際は、結果の不確実性を実際に減少させる情報のみで条件付けを行うべきである」というソフトなルールを提案する。
  • 観測されたデータ $X$ 自体は、サンプリングが行われたという事実（確率 1 の事象）以外に、被覆の真偽（0 または 1）についての追加情報を提供しない場合が多い。
  • したがって、観測後の確率は、完全な真実（0 または 1）に退化させるのではなく、モデルが提供する設計レベルの確率や、観測データに基づく予測確率として扱うべきである。
• 確率の所在: 確率は「物理的なランダム性（サンプリング過程）」にのみ存在するのではなく、モデルが定義する $\sigma$-代数の階層において定義されるべきである。観測の有無によって確率が消滅するわけではない。

5. 意義 (Significance)

• 実践的意義: 統計実務において、信頼区間を解釈する際に生じる「事後確率は語れない」という教条的な障壁を取り除く。これにより、医療診断やリスク評価など、観測後の事象について確率的な判断を下す必要がある場面で、頻度論的手法をより柔軟かつ直感的に適用できるようになる。
• 理論的意義: 頻度論とベイズ論の間の長年の対立（オントロジー的視点 vs エピステミック視点）を、モデルベースの視点から再考するきっかけを提供する。特に、「観測済みだが未確認の事象」に対する確率言明を、頻度論の数学的枠組み内で正当化する方法を示した点は画期的である。
• 教育的意義: 信頼区間の解釈において、「設計レベルの長期的性質」と「個別の区間の予測的性質」を明確に区別することの重要性を強調し、統計教育における誤解を解くための新たな枠組みを提供する。

結論:
この論文は、ネイマンの「二者択一」解釈が過度に制限的であることを示し、頻度論的推論において「事後の確率」を正当に扱える余地があることを論理的に証明した。信頼区間は、単に長期的な誤差率を保証するものとしてだけでなく、観測データに基づいた「予測確率」としても解釈可能であり、この多層的な視点を受け入れることで、統計推論の解釈における長年の緊張関係が緩和されると結論付けている。