期待値思考
概要
不確実な選択肢に対して、 「起こりうる結果 × その確率 × 影響の大きさ」 を考慮することで、長期的に合理的な意思決定を行うための思考モデルである。目先の勝敗から、時間の経過に伴う意思決定の構造的な収益性へと焦点を移す。
評価 (1–5)
- 適用性: 5
- 即効性: 3
- 理解の難しさ: 4
- 誤用のリスク: 4
評価コメント
不確実性下の意思決定において非常に有効である。しかし、確率や影響度の尺度を不用意に設定すると、 「数字に騙され」 て誤った確実性を抱きやすくなる。
最初の問い
「もしこの全く同じ選択を100回繰り返したとしたら、どの選択肢が平均して最高の結果をもたらすだろうか？」
目的
- 単発の、孤立した事象の成否に振り回されないこと。
- 一時的な感情や恐怖ではなく、 「構造」 と論理に基づいて意思決定を行うこと。
質の低い問い
- 「今回はうまくいきそうか？」 （単一の結果に焦点を当てている）
- 「失敗したらどうしよう？」 （確率ではなく、損失の感情的な重みに焦点を当てている）
使い方 (ステップ・バイ・ステップ)
-
シナリオをマッピングする
- 各選択肢について、最も起こり得るポジティブな結果とネガティブな結果をリストアップする。
-
変数を見積もる
- 各シナリオに、大まかな確率（例：30%）と影響度スコア（例：成功なら+100、失敗なら-10）を割り当てる。
-
「長期的な平均」を計算する
- 各結果について確率と影響度を掛け合わせ、それらを合計して 「期待値 (EV)」 を求める。
-
合理的な道を選択する
- 短期的には「よりリスクが高い」と感じられたとしても、EVが最も高い選択肢を選ぶ。
出力例
1. シンプルな比較ログ
- 選択肢A: 成功 (30% × +100) + 失敗 (70% × -10) = EV +23
- 選択肢B: 成功 (10% × +300) + 失敗 (90% × 0) = EV +30
- 結果: 長期的には選択肢Bの方が合理的な選択である。
2. 視覚化
- デシジョンツリー: 確率で重み付けされた異なる結果につながる選択肢を示す、シンプルな分岐図。
- リスク/リターン・マトリクス: 潜在的なアップサイド（上振れ）と損失の可能性に基づいて選択肢をプロットした図。
ユースケース
- ビジネス: 新規施策の評価、投資判断、実験の設計。
- 日常生活: 新しい挑戦をするかどうかの決定、キャリアの方向転換、資産配分。
- 意思決定 / 思考: 短期的な挫折や「ニアミス」に過剰反応していることに気づいたとき。
典型的な誤用
- 分析麻痺: 「正確な」パーセンテージを決定できないため、思考を停止してしまうこと（代わりに大まかな範囲を使用する）。
- 主観的なアンカリング: 客観的なデータや基準率（ベースレート）ではなく、個人的な希望に基づいて確率を固定してしまうこと。
- 感情的コストの無視: 影響度スコアにおいて、ストレスや評判の低下といった「精神的税金（メンタルタックス）」を考慮し忘れること。
他のモデルとの関係
- 関連: 意思決定理論、リスク管理、ベイズ思考
- 補完的: トレードオフ思考（何を犠牲にするかを特定する）、制約条件思考（前提を明確にする）