ベイズの定理 オッズ形式

Step 1: 私たちが日常使う「確率」の計算限界

確率 $P$ は「全体に占める特定の割合」を表します。直感的でわかりやすい一方、新しい情報（証拠）を得たときに、それを反映して確率を更新していく「ベイズ更新」を計算するとき、確率のままだと分数が何重にも重なり、数式が非常に複雑になってしまいます。

Step 2: オッズ（Odds）という強力な代替表現

そこで、確率に代わる表現としてオッズ（$O$）を導入します。オッズとは、「ある事象が起こる確率」と「起こらない確率」の直接の比率です。 「全体に対する割合」ではなく「味方対敵方」の1対1の力関係として数値を表現します。

Step 3: 確率 $P$ とオッズ $O$ の相互変換をマスターする

確率とオッズは、単純な代数計算でいつでも完全に行き来することができます。

Step 4: ベイズの前提：条件付き確率の定義

ベイズの定理を理解するための心臓部が、条件付き確率です。
「シグナル $S$ が観測されたという条件のもとで、本当にターゲット $T$ が発生している確率」を $P(T \mid S)$ と書き、以下のように定義します。

Step 5: 標準ベイズ公式の誕生と「分母 $P(S)$ の壁」

条件付き確率の定義式を整理すると、よく知られたベイズの公式が導かれます。

しかし、この式の分母である $P(S)$（シグナルが観測される確率全体）を求めるには、以下の複雑な足し算（全確率の公式）が必要になります。 $$P(S) = P(S \mid T)P(T) + P(S \mid \bar{T})P(\bar{T})$$ これが、ベイズ計算を複雑にし、直感的な理解を阻む「計算上の壁」となっています。

Step 6: 数学の魔法：比（オッズ）を取ることで分母を消去する

この分母の壁を突破するために、「ターゲットが発生する事後確率」と「発生しない事後確率」の比率（事後オッズ）を作ります。

Step 7: 掛け算への極限収束：オッズ形式の完成

前のスライドで相殺された各項を、Step 1〜2で定義した「オッズ」に置き換えます。
左辺は事後の比率なので「事後オッズ」、右辺の第1項は事前の比率なので「事前オッズ」となります。

Step 8: 尤度比（LR）＝ 証拠が持つ「ノイズ濾過能力」

掛け合わされる係数 $LR$（尤度比）の数理的定義をさらに深掘りしましょう。

つまり尤度比とは、「本物の時にシグナルを出す確率が、偽物の時にシグナルを出してしまう確率の何倍高いか」というシグナルの研ぎ澄まされ度合いを示しています。

Step 9: 「稀な事象」を狙うときの数学的地盤沈下

なぜ事前確率（ベースレート）が低いと、ターゲットの検出が絶望的に難しくなるのでしょうか？

事前確率 $P(T)$ が小さくなると、その事前オッズ $O_{\text{prior}}$ は驚くほど急速にゼロに近づきます。

私たちのスタート地点は、右側の天秤における「起こらない」側に **約23倍（$1/0.0428$）も極端に傾いた状態** から始まります。この「地盤の圧倒的な低さ」こそが、ターゲットを射抜くための数学的コストを高騰させる主因です。

Step 10: 必要尤度比の逆算（必要な証拠能力の暴騰）

スタート地点が極小の事前オッズ $O_{\text{prior}} = 0.0428$ の状態から、目標の事後確信度 $90\%$（事後オッズ $O_{\text{post}} = 9.0$）に到達するために必要な尤度比を逆算します。

【構造的課題】： 一般的な観測や測定から得られる単一の証拠の強さ（尤度比：数倍〜十数倍程度）では、この要求される **210倍** に対し、文字通り「一桁足りない」状態になります。弱い証拠だけで稀な事象を当てようとすると、偽陽性（誤検出）の山に埋もれてしまいます。

Step 11: 解決策①：母集団選別による「ベースレートの底上げ」

この圧倒的なコストの壁を破る最良の数理的アプローチは、シグナルを適用する前の母集団を絞り、**事前確率（地盤）をあらかじめ高めておくこと**です。

ベースレートを高めることで、シグナル側に求められる検知精度（数学的コスト）が劇的に緩和されるのです。

Step 12: 解決策②：独立な証拠の掛け算（乗算定理）

第2のアプローチは、「互いに全く異なる観点（独立）の証拠」を掛け合わせることです。

⚠️ 相関が高い（似た特徴量に依存する）シグナル同士を単に掛け合わせると、分母の過小評価を生み、偽の確信（過剰適合）を生んでしまうため、異なる性質のシグナルを選ぶことが極めて重要です。