フェルミ推定

桁数の推論:すべてのデータがなくても、十分に真実に近づく方法

フェルミ推定とは何か、どう判断を研ぎ澄ますのか?

フェルミ推定とは、未知のものを既知の下位問題に分解し、それぞれを見積もり、それらを組み合わせることで、粗いが理にかなった定量的な見積もりを行う実践です。物理学者エンリコ・フェルミにちなんで名づけられました。彼は最小限のデータから正確な見積もりを行うことで知られていました。科学、工学、日常の意思決定で、直感を較正し、ある数字が正しい桁数にあるかどうかを確認するために使われます――偽の精密さを達成するためのものではありません。

古典的なフェルミ問題――「シカゴには何人のピアノ調律師がいるか」――は、答えを調べることによってではなく、既知の断片に分解することによって解かれます。シカゴの人口、ピアノを持つ世帯の割合、調律の頻度、調律師の1日の対応能力です。それぞれの下位推定には誤差がありますが、組み合わせるとその誤差は部分的に相殺し合い、結果はたいてい実際の値の2〜3倍以内に収まります。フェルミ推定は正確さについてのものではありません。「まったく分からない」を「おそらくXとYのあいだだ」に置き換えることについてのものです――これははるかに有用な認識論的立場です。以下は実践と、正直な根拠です。

実践法

IX Coach でこれを実践する

IX Coach で実践する

Frequently asked questions

フェルミ推定とは何か、どう判断を研ぎ澄ますのか?

「未知のものを既知の下位問題に分解する」はどのように機能するのか

大きく馴染みのない量についての直接的な直感は、うまく較正されていません。人はある国のガソリンスタンドの数を確実に見積もることはできませんが、人口、一人あたりの車の台数、典型的な給油頻度、1軒あたりの1日の処理量なら見積もることができます。分解は、一つの不可能な推定タスクを、いくつかのより簡単なタスクに置き換えます。それぞれがより多くの利用可能な知識から恩恵を受けます。下位推定の独立した誤差も、複合するのではなく相殺しがちです。

「既知のものにアンカーを置き、そこから拡張する」はどのように機能するのか

既知のアンカーは、見積もりに根拠のある出発点を与えることで、不確実性の幅を狭めます。粗いアンカー――ある都市の人口、日用品の価格、自分自身の日々の行動――でさえ、アンカーがまったくない場合よりも見積もりを強く制約します。未知のものを推論する前に既知のものにアンカーを置くことは、限られたインプットにもかかわらずフェルミ推定に驚くべき正確さを与える構造的な動きです。

「一点見積もりではなく範囲で見積もる」はどのように機能するのか

一点見積もりは偽の精密さを伝え、実際に存在する不確実性を隠します。範囲による見積もりは較正された自信を伝えます――範囲の幅は、自分が実際にどれだけ知っているかを反映します。スーパーフォーキャスターを含む予測の専門家は、不確実性を一点の推測に潰すのではなく範囲として表現することによっても、初心者を一貫して上回ります。

「単位とスケールの一貫性をチェックする」はどのように機能するのか

大きな見積もり誤差のほとんどは単位やスケールの誤りです――千と百万を取り違える、分と時間を取り違える、個人と世帯を取り違えるなどです。単位は誤りを検出するシステムとして機能します――積の単位が答えの単位と一致しないとき、何かがおかしいのです。分解の過程を通じて単位を明示的に追跡することで、こうした誤りが著しく間違った答えを生む前に捉えられます。

「既知の極端な値と照らして妥当性をチェックする」はどのように機能するのか

正確な見積もりが分からなくても、極端な値はしばしば分かります――シカゴのピアノ調律師の数はゼロではあり得ませんし、1000万人でもあり得ません。見積もりを両側から境界づけることは、もっともらしい範囲を制約し、分解の中の誤りのために妥当な領域から外れてしまった答えを捉えます。境界は、答えそのものを必要とせずに一貫性のチェックを提供します。

「自分の見積もりを追跡し較正する」はどのように機能するのか

フェルミ推定のスキルはフィードバックループを通じて築かれます――見積もりと実際の値を比較することは、意識することで修正できる系統的なバイアス(たとえば人口を一貫して過小評価する、あるいは割合を過大評価するなど)を明らかにします。フィードバックがなければ推定スキルは直感のレベルで頭打ちになります。フィードバックがあれば、専門家並みの較正に向けて測定可能なほど改善します。