ベイズ思考（Bayesian Thinking）
概要
新しい情報が得られるたびに、これまでの前提（事前確率）を更新しながら、判断や信念を柔軟に修正していくための思考モデル。
評価（1–5）
応用度:: 5
即効性:: 2
理解難易度:: 5
誤用リスク:: 4
評価コメント
評価コメント:: 不確実性下で極めて強力だが、数式理解に引きずられると実践から遠ざかりやすい。
最初の一問
- 「この新しい情報で、私はどれくらい考えを更新すべきだろうか？」
狙い
- 意見や仮説を固定化せず、段階的に修正する
- “正しい／間違い”ではなく“確からしさ”で考える
悪い問い
- 「この情報は正しいか、間違っているか？」
- 「最初の判断が間違っていたのでは？」
使い方（ミニ手順）
- 現時点での仮説や見立てを明示する（事前）
- 新しく得た情報の信頼度を考える
- 見立てを少しだけ更新する
アウトプット例
- 箇条書き：
- 事前の見立て → 新情報 → 更新後の見立て
- 図の形：
- 確からしさの変化グラフ
- 簡易確率バー
使いどころ（活用例）
- ビジネス：顧客理解、仮説検証、プロダクト改善
- 日常：人の評価、ニュースの解釈、学習の進め方
- 判断・思考：情報が断片的にしか得られない状況
典型的な誤用
- 最初の仮説（事前）を置かずに更新しようとする
- 新情報を過大評価して一気に結論を変える
- 数字を厳密に計算しようとして思考が止まる
他モデルとの関係
- 関連：確率論、統計的思考
- 補完：仮説思考（仮置き）、期待値思考（評価）
- 対立：白黒思考（0か100かで判断する）