ある監視装置が異常の90%を検出するとしても、通知が出た記録の90%が異常とは限りません。「異常の中で通知が出る確率」と「通知の中で異常である確率」は、条件の向きが逆です。ベイズの定理は、この向きを入れ替えるときに全体の内訳も使う関係です。
基準率は、通知を見る前の集団に、対象の状態がどれくらい含まれるかを表します。正常な記録が圧倒的に多ければ、その一部にだけ出る誤通知でも、実際の異常から来る通知と同程度になることがあります。誤通知率が小さいという数字だけでは、通知後の内訳は決まりません。
ここでは架空のサーバー記録10,000件を使い、真の状態を後から確認できたという設定で考えます。医療の判断や収益の予測ではありません。実際のサービスの性能を示すデータでもなく、件数の表を通して分母を明確にする確率の例です。
真の状態と通知の有無を、別々の軸へ置く
2×2表には、真の状態という軸と、装置が出した通知という軸があります。通知を真の状態そのものとして扱わず、四つの区分へ分けます。
| 真の状態 | 通知あり | 通知なし | 合計 |
|---|---|---|---|
| 異常 | TP=90 | FN=10 | 100 |
| 正常 | FP=99 | TN=9,801 | 9,900 |
| 合計 | 189 | 9,811 | 10,000 |
通知ありでも二つの中身がある
真に異常で通知がある記録は真陽性、正常なのに通知がある記録は偽陽性と呼びます。どちらも画面上では通知ありに入ります。通知の件数だけを見て、真の異常件数と同じものとして数えることはできません。
逆に通知なしの側にも、正常で通知がない記録と、異常を見逃した記録があります。通知がなかったことが、真に正常だった証明にはなりません。装置の出力と後から確認した状態を二つの軸として保ちます。
四つの略号を対応させる
TPは異常を通知した件数、FPは正常へ誤って通知した件数です。FNは異常を見逃した件数、TNは正常へ通知しなかった件数です。略号だけを覚えるより、真の状態と通知の組を言葉へ戻すと、表の位置を取り違えにくくなります。
陽性という言葉は、ここでは装置の通知ありという分類です。よい結果という意味ではありません。真陽性の真は、通知が真の状態と合っていたことを示します。言葉の日常的な印象より、二つの軸との対応を優先します。
合計が同じ集団になるようにする
四つの件数を足した値が、対象にした全記録数です。片方の集計だけ日付や対象範囲が違うと、同じ表として扱えません。通知済みの記録だけを集めた表では、通知なしの側を含む基準率をそのまま求められません。
一つの記録が複数回通知される仕組みなら、記録の数と通知の数も違います。この例は各記録へ通知ありかなしを一つずつ割り当てます。数える単位をそろえてから、件数を比率へ変換することが必要です。

基準率は、通知前の集団にある異常の割合
10,000件のうち真の異常が100件なら、基準率は1%です。この値は通知の性能ではなく、対象にした集団の内訳を表します。
分母を全体へ置く
基準率は(TP+FN)÷全件数です。この例では100÷10,000で0.01になります。異常のうち通知された90件だけを分子にすると、基準率ではなく別の割合になります。見逃した10件も真の異常へ含めます。
通知前という表現は、時間だけの話ではありません。通知があるという条件で集団を絞り込む前の割合です。同じ時刻のデータでも、全記録を見るか通知された記録だけを見るかで、分母が異なります。
対象の選び方で変わる
通常運転のすべての記録と、別の確認で疑わしいと選ばれた記録では、異常の割合が異なる場合があります。同じ装置を使っても、対象集団の基準率が同じとは限りません。性能の数字だけを別の集団へ持ち込むと、この差が抜けます。
集団を変えた比較では、通知の仕組みも同じ状態で動くかを別に確認します。基準率だけが変わる例は、条件を単純化したモデルです。実際には記録の種類が変われば検出率も変わる可能性があり、同一と決め付けません。
全体の多さが誤通知件数へ響く
正常が9,900件ある集団では、その1%だけに誤通知が出ても99件になります。異常100件の90%に出る90件の通知と、ほぼ同じ規模です。小さな率へ掛ける対象が大きいことが、結果へ影響しています。
1%という数字だけを見ると少なく感じられますが、件数を求めるには分母の大きさが必要です。率と件数を往復すると、通知の中に誤通知が多く見える理由を、装置が必ず悪いという一言へまとめず説明できます。
2×2表から通知後の確率を計算する
真陽性・偽陽性・偽陰性・真陰性の件数を入力し、基準率、検出率、通知の中の異常割合を比較します。
架空のシステム通知を使います。医療診断や個人の判定には使いません。
検出率は、異常の側を分母にする
検出率は、真に異常な記録のうち通知が出た割合です。この例ではTP÷(TP+FN)=90÷100で90%になります。
| 問い | 計算 | この表の値 |
|---|---|---|
| 全体で異常はどれくらいか | 100÷10,000 | 1% |
| 異常をどれくらい通知したか | 90÷100 | 90% |
| 正常へどれくらい誤通知したか | 99÷9,900 | 1% |
| 通知の中で異常はどれくらいか | 90÷189 | 約47.62% |
| 通知の中で正常はどれくらいか | 99÷189 | 約52.38% |
異常100件を二つへ分ける
異常100件のうち90件を拾い、10件を見逃しています。検出率と見逃し率は、この同じ100件を分けた割合です。90%と10%を足すと100%になるのは、同じ真の異常集団を分母にしているためです。
検出率へFPの99件は入りません。FPは正常な側の誤通知なので、別の問いで使います。すべての性能を一つの率へ押し込まず、異常を拾う力と、正常へ誤通知する割合を分けて読むことが重要です。
正常側の誤通知率
誤通知率はFP÷(FP+TN)です。この例は99÷9,900で1%になります。「通知の1%が誤り」という意味ではありません。正常の中で通知が出た割合であり、分母には通知なしの正常9,801件も含みます。
通知の中で誤りがどれくらいあるかを知りたいなら、分母を通知の合計189件へ変えます。同じ99件を使っても99÷189は約52.38%です。分子が同じだから同じ指標、という見方はできません。
正しく正常とした割合
正常を通知しなかった割合はTN÷(FP+TN)で、ここでは99%です。誤通知率1%の補数になります。これも正常な記録を分母にするため、通知後に異常である確率と直接同じにはなりません。
指標に名前を付けても、分母の確認は省けません。感度、特異度という言葉を使う場合も、どの二つの区分を合計した分母かを表へ戻します。専門用語より先に件数を置くと、向きの違いを理解しやすくなります。

通知後の確率は、通知の列へ絞って求める
通知が出たという条件を知った後は、通知ありの189件へ対象を絞ります。その中の90件が異常なので、通知後に異常である割合は約47.62%です。
分母が100から189へ変わる
検出率90%では異常100件を分母にしました。通知後の確率では、真陽性90件と偽陽性99件を合わせた189件が分母です。分子の90が同じでも、分母が異なるので答えは90%にはなりません。
通知の列へ指で線を引くと、残る二つの区分が見えます。真の異常から来た通知だけを残して正常から来た通知を消すと、知りたい集団を勝手に狭めてしまいます。通知の中身は両方を含めて数えます。
ベイズの式も件数へ戻せる
基準率をb、検出率をs、誤通知率をfとすると、通知後の異常確率はbs÷(bs+(1−b)f)です。分子は異常から来る通知、分母はすべての通知の割合です。表の件数を全体で割った式として読めます。
b=0.01、s=0.9、f=0.01なら、分子は0.009、分母は0.009+0.0099です。割ると約0.47619になります。式を記憶するだけでなく、二種類の通知を足した分母であることを確認します。
通知で情報は増えている
通知後が約47.62%だから通知が無意味、という結論ではありません。通知前の異常割合は1%で、通知後の集団では大きく増えています。ただし90%と同じではない、ということです。情報があるかと、確実かは別の問いです。
この比率だけで実際の対応方法を一つに決めることもできません。追加確認の方法や誤判断の影響は別の問題です。ここでは条件を付けた集団の内訳を計算し、結果が証明や断定とは違うことを押さえます。
同じ検出率でも、基準率が違えば通知の内訳が変わる
検出率90%と誤通知率1%を固定した理想比較で、基準率だけを1%から10%へ変えてみます。同じ全体件数でも、通知の内訳が変わります。
基準率10%の集団
10,000件のうち異常が1,000件なら、真陽性は900件、見逃しは100件です。正常9,000件の1%へ誤通知が出るのでFPは90件です。通知合計990件のうち900件が異常で、約90.91%になります。
装置の検出率を上げたわけではありません。対象の集団に異常が多くなり、真の異常から来る通知が相対的に増えたためです。異なる集団の通知後の割合を比べる際は、基準率も一緒に見る必要があります。
少数の対象ほど分母が効く
異常が非常に少ない集団では、正常の小さな誤通知率が件数として目立ちます。装置の指標に高い数字があっても、通知された側の内訳が同じになるとは限りません。基準率を省くと、逆条件の確率を決める情報が足りません。
通知後の割合だけを製品の固定性能として掲げると、別の集団へ適用した際に誤解が生まれます。どんな集団で測った割合かを明示します。性能の比較には、対象と判定条件をそろえることが重要です。
真の状態を確認した方法も必要
表では真の異常か正常かを知っている前提です。実際の集計で真の状態の確認が曖昧なら、四つの区分も不確かになります。通知したものだけ詳しく調べ、通知しないものを未確認のまま正常へ置くと、見逃しを数えられません。
すべての件数が同じ精度で確認されたかは、指標の読み方へ関わります。計算式が正しくても、表へ入れた分類が違えば結果の意味も変わります。数値を小数点まで出す前に、各区分の作り方を確認します。

全体の正答率だけでは、通知の問いに答えられない
全体で正しく分類した割合は(TP+TN)÷全件数です。この例は98.91%ですが、その数字を通知後の確率へ置き換えることはできません。
正常が多い集団の影響
正常9,900件をすべて通知なしとする装置でも、全体の正答率だけなら99%になります。しかし異常を一つも検出しません。全体の大きな区分が、単一の正答率を押し上げる例です。
正答率が高いことを否定するのではなく、知りたい問いに合っているかを確認します。異常を拾いたいのか、通知の信頼度を知りたいのかで必要な分母が違います。指標を一つだけで評価しない理由がここにあります。
分母ゼロは0%ではない
TPもFPも0なら通知が一件もなく、通知後の異常割合は0で割るため求められません。0%と表示すると、通知は出たがすべて正常だった場合と同じ意味に見えてしまいます。未定義と0の違いを残します。
同様に真の異常が0件なら、その集団だけで検出率を計算できません。検出に失敗した0%と、対象が存在しないため評価できない状態は別です。表の合計を確認すると、どの比率が定義できるか分かります。
丸めた比率から件数を作らない
47.62%という表示は90÷189を丸めた値です。その表示から別の大きな集団の件数を厳密に再現しようとすると、端数や誤差が出ます。元の件数があるなら、件数を保持して比率を表示段階で丸めます。
百分率の差はポイントで述べます。1%から47.62%は46.62ポイントの差です。倍率で約47.62倍という言い方とは別の量になります。数字の大きさを強調するより、どの単位の比較かを明確にします。
四つの件数を動かし、分母の変化を見る
操作例はTP、FP、FN、TNの件数から比率を求めます。実際の通知を解析したり、記録の真の状態を自動で判定したりする機能ではありません。
FPだけを変える比較
TP90、FN10、TN9,801を保ち、FPを変えると、通知の中の異常割合がどう動くかを確認できます。ただし全体件数や正常側の合計も変わるので、ほかの率がすべて固定されるわけではありません。動かした件数の意味を追います。
誤通知率を固定して基準率だけ変えたいなら、四つの件数を対応させて作る必要があります。独立した入力欄を一つ動かす操作と、特定の率を固定した比較は違います。どの条件を保った例なのかを言い直します。
通知の列を先に合計する
通知後の確率を見たい場合、最初にTP+FPを確認します。次にその合計に対してTPがどれくらいあるかを求めます。式の名称が分からなくても、対象を通知ありへ絞るという操作から計算できます。
通知なしで正常の割合を知りたいなら、分母はFN+TNです。同じ表から複数の問いへ答えられますが、一つの結果がすべての問いを代表するわけではありません。条件として何を知ったのかを先に決めます。
推論の範囲を保つ
有限の表から求めた割合は、その集団の内訳です。別の時期や違う集団へ同じ比率を当てはめる場合には、条件が対応しているかを確認します。ベイズの式を使ったというだけで、すべての未来の記録へ精密な確率を付けられるわけではありません。
この例を読む目的は、高い検出率の数字へ別の意味を付け足さないことです。通知前の全体、真の異常の側、通知された側を分けると、必要な分母が見えます。表と計算を往復することで、逆条件の取り違えを防げます。

よくある質問
検出率90%なら通知の90%は異常ですか。
限りません。検出率は異常を分母にし、通知後の確率は通知の合計を分母にします。例では90÷100が90%ですが、通知後は90÷189で約47.62%です。条件の向きが逆になっています。
基準率とは何ですか。
通知ありへ絞る前の集団で、真の異常が占める割合です。例では異常100件を全体10,000件で割った1%です。装置の性能だけではなく、どんな集団へ使ったかを表す数値です。
誤通知率1%は通知の誤りが1%ですか。
違います。正常のうち誤って通知された割合です。例では99÷9,900が1%です。通知の中の誤りの割合なら99÷189で約52.38%となり、同じ分子でも分母が変わります。
通知後47.62%なら装置は無意味ですか。
通知前の異常割合1%からは大きく変わっているので、無意味とは言えません。一方で確実とも言えません。情報が増えることと、真の状態が証明されることを区別し、必要な追加確認とは別に考えます。
基準率が上がると通知の内訳も変わりますか。
検出率と誤通知率を固定した比較では変わります。異常が多い集団では真の異常から来る通知が増えます。ただし実際に集団を変えたとき、装置の各率も同じと仮定してよいかは別に確認します。
通知がゼロなら通知後の確率は0%ですか。
通知合計TP+FPが0なら、その割合は分母が0で定義できません。通知が出て全件正常だった0%とは異なります。未定義を0へ置き換えると、表の状態を誤って伝えることになります。
全体正答率だけでは何が足りませんか。
正常が圧倒的に多い集団では、異常を拾わなくても全体正答率が高くなることがあります。異常の検出率、正常への誤通知率、通知後の内訳は別々の問いです。目的に合った分母を選びます。
この表は実際のサービスを評価していますか。
架空の監視記録を使う条件付き確率の例です。実際の通知や製品の性能を測定していません。四つの件数を入力する計算例も、真の状態の自動判定を行わず、与えた表の比率を求めます。



