「20件」は「8件」より多い？ 分母無視を防ぐ比率・リスク資料の作り方

二つの部署について、先月の顧客トラブルを比べるとします。A部署は8件、B部署は20件でした。件数だけ見れば、B部署の方が深刻に見えます。

ところが、対応した案件数はA部署が100件、B部署が1,000件でした。A部署は100件中8件で8％、B部署は1,000件中20件で2％です。「何件起きたか」ではB部署が多く、「どれくらいの割合で起きたか」ではA部署が高い。どちらが重要かは判断の目的で変わります。

こうした場面で、私たちは分母を十分に考えず、目立つ件数に引かれることがあります。心理学では、分子に比べて分母への注意が弱くなる傾向を分母無視、同じか近い割合でも大きい整数で表された方を大きく感じる傾向を比率バイアスと呼びます。

この記事では、古典的な抽選実験からリスク図の新しい研究までを確認し、件数、分母、割合を誤解なく並べる資料の作り方を考えます。結論は、割合だけに直すことではありません。分子、分母、割合、期間、判断目的を同じ視野に置くことです。

結論：件数と割合のどちらかを消さず、役割を分ける

分母無視を防ぐ基本は、次の四つです。

1. 分子と分母を組で示す：「20件」ではなく「1,000件中20件」と書く
2. 共通尺度へ直す：100件あたり、1,000人あたり、1か月あたりなど、比較できる形にそろえる
3. 元の件数も残す：割合だけで実務負担や影響人数を隠さない
4. 何を決める数字かを書く：発生しやすさを比べるのか、総対応量を見積もるのかを明記する

この順序なら、「20件の方が多い」という事実と、「発生割合は2％で低い」という事実を両立させられます。どちらか一方だけを強調せず、判断の問いに合わせて使い分けます。

分母無視と比率バイアスとは何か

比率は「一部がいくつあるか」と「全体がいくつあるか」の関係です。20件という分子だけでは、その出来事が珍しいのか多いのか分かりません。20件中の全体が40件なら50％、1,000件なら2％です。

Denes-RajとEpsteinは1994年、赤い豆を引けば賞金を得られる課題を使いました。参加者は、小さな容器の1個中10個ではなく、赤い豆の数は多いものの当選確率は低い大きな容器を選ぶことがありました。たとえば1/10は10％、7/100は7％です。それでも「当たりが7個ある」方に引かれました。

重要なのは、参加者が計算できなかったとは限らない点です。確率が不利だと理解しながら、大きな容器の方が当たりそうに感じた参加者がいました。頭では割合を理解しても、目の前にある当たりの個数が判断を動かしたのです。

翌年のDenes-Raj、Epstein、Coleの三実験では、低い確率を小さな整数で示すより、大きな整数で示した方が起こりそうに感じる現象が、結果が分かる前と後の判断で確認されました。比率バイアスは、抽選を選ぶときだけでなく、起きた出来事を振り返る場面にも現れうることを示します。

ただし、これは「人は分数が分からない」と決めつけるための研究ではありません。課題の具体性、数字の大きさ、確率の低さ、感情、数的能力などで結果は変わります。実務では個人の能力を責めるのではなく、分母を使わなくても判断できてしまう資料を見直します。

なぜ分子の方が目立つのか

件数は、人や出来事を直接思い浮かべやすい

「事故が20件」「解約が35件」「不採択が12件」という数は、出来事の個数として想像しやすい一方、「1,000件のうち」「応募者240人のうち」という分母は背景に退きやすくなります。出来事が起きた側は前景、起きなかった側や全体数は背景になりやすいのです。

Stoneらは2003年、図でリスクを示したとき、被害を受けた人の数だけが目立つと、全体の人数への注意が弱まり、危険を避ける判断が強まる可能性を二つの実験で検討しました。被害者数だけでなく、被害を受けなかった人を含む全体を同じ図に置くと、その効果は消えました。

この結果は、「図にすれば伝わる」とは限らないことを示します。図が分子だけを大きく見せれば、分母無視を助けてしまいます。分母を読ませたいなら、背景として省かず、全体の中の一部として見せる必要があります。

大きい整数は、それだけで量が多く見える

1/10と10/100は同じ10％です。しかし数字だけを見ると、10という分子が1より大きいため、後者の方が多く感じられることがあります。ReynaとBrainerdは2008年、数的能力、比率バイアス、分母無視の研究を整理し、分子と分母を別々の整数として扱うのではなく、全体に占める大きさとして理解する必要を論じました。

資料では、同じ割合を「2/20」と「100/1,000」のように異なる大きさで並べないことが基本です。数字を正確に書いていても、表現の粒度が違えば、読み手は同じ尺度へ直す暗算を求められます。

割合へ直しやすい形かどうかでも変わる

Fitzsimmonsらは2023年、同じ比率を異なる大きさや形のアイコン配列、数直線、数字で示し、リスク推定の正確さを調べました。三つの実験から見えたのは、「図があるか」だけではなく、10や100を基準にした割合へ直しやすいか、配列の大きさや形がどうなっているかが重要だということです。

100個の規則正しい配列なら、色のついた20個を20％として読みやすくなります。一方、端数のある分母や不規則な配置では、数えるか暗算する負担が増えます。見た目を増やす前に、比較尺度そのものを整える必要があります。

アイコン配列は助けになるが、作り方で意味が変わる

人型や丸を100個並べ、一部だけ色を変えるアイコン配列は、分子と分母を一つの画面に置ける方法です。全体100人のうち8人なら、色のついた8人と、色のついていない92人を同時に見られます。

Galesic、Garcia-Retamero、Gigerenzerは2009年、高齢者と大学生を対象に二つの実験を行いました。数字だけでなくアイコン配列を加えると、数的能力の低い人と高い人のどちらでも、医療リスクの理解が正確になりました。一方、配列が100個か1,000個かで、危険の深刻さや治療効果の感じ方も変わりました。

Garcia-Retameroらの2010年の二研究では、治療群と非治療群の人数が異なる問題で、参加者は分子へ注意を向けすぎ、分母を十分に使えないことがありました。数字にアイコン配列を加えると、異なる分母を考慮しやすくなりました。高齢者にも効果が見られています。

ただし、アイコンを並べれば自動的に公正になるわけではありません。Markantの2026年の三実験では、同じ色のアイコンをまとまりとして配置した条件では割合を高い精度で推定できました。一方、色をランダムに散らした配列では、判断に関係のない形のばらつきが割合の推定を歪めました。

アイコン配列を使うなら、同じ色を規則正しくまとめ、分子と分母を同じ一つの配列に置きます。人型、丸、星などの形を混ぜて装飾せず、伝えたい区分は色と位置をそろえます。色だけに頼れない場合は、輪郭や模様を補助に使い、凡例と数値も添えます。

「視覚化・構造化」で、比率の判断を画面上へ出す

伸滋Designの伝わる設計マップでは、複雑な情報を比較しやすい形へ整える場面に「視覚化・構造化」を使います。今回の目的は、数字を華やかに見せることではありません。読み手が頭の中で行っている「分母を探す」「同じ単位へ直す」「割合を計算する」という作業を、資料の上へ移すことです。

1．件数、分母、割合を一つの行へ置く

表の列を「トラブル件数」「対応案件数」「発生率」に分けます。8件、100件、8％を横一列に置き、別の部署も同じ順序で並べます。件数だけを大きな文字にし、分母を脚注へ追いやらないことが大切です。

割合の計算方法が部署ごとに違う場合は、そろえる前に定義を明記します。案件数を分母にするのか、顧客数を分母にするのかで意味が変わります。「分母は何か」を、表題または列見出しで読めるようにします。

2．比較する期間と単位をそろえる

月間20件と年間80件は、そのまま比べられません。1か月あたり、100案件あたり、従業員1,000人あたりなど、判断に合う共通尺度へ直します。期間や対象範囲が違う数字は、同じ色や同じ列へ入れない方が安全です。

割合をそろえたら、元の期間と件数を消さずに残します。月間2％と年間2％では、観測回数や変動の幅が違うかもしれません。共通尺度は比較の入口であり、データの条件を消すための道具ではありません。

3．割合と総量を、別の問いとして並べる

発生率が高い部署は、原因調査や予防策の優先度が高いかもしれません。一方、総件数が多い部署は、問い合わせ対応や人員配置の負担が大きいかもしれません。割合と総量は、競合する正解ではなく、別の問いへの答えです。

資料では「発生しやすさ」と「対応量」を二つの見出しに分けます。A部署は発生率8％で要因調査、B部署は20件で対応体制の確認というように、数字から取る行動を区別します。

4．色や面積ではなく、共通位置で比べる

正確な割合比較が必要なら、円グラフや大きさの違う絵より、同じ0％から始まる棒や点を使います。人が位置や長さを比較するときの精度については、グラフィカル・パーセプションの記事で詳しく解説しています。

アイコン配列は、全体の中の一部を具体的に見せる場面で有効です。部署間の8％と2％を精密に比べるなら棒グラフ、100人中8人という意味を実感させるなら100個の配列というように、判断の仕事で形式を選びます。

実務例：三つの窓口の苦情報告を作り直す

三つの窓口について、苦情件数を報告するとします。

• 窓口A：18件
• 窓口B：12件
• 窓口C：5件

このままなら、窓口Aが最も問題に見えます。しかし受付件数はAが3,000件、Bが800件、Cが100件でした。発生率はAが0.6％、Bが1.5％、Cが5％です。

作り直した資料では、最初の表に「苦情件数」「受付件数」「100件あたり苦情件数」を置きます。その次に、判断を二つへ分けます。

1. 発生率の改善：Cは5％で高く、受付手順や説明内容を調べる
2. 対応体制の確保：Aは総数18件で多く、対応時間と担当者の負荷を確認する

Cは母数が100件と小さいため、数件の増減で率が大きく変わります。1か月だけで断定せず、直近6か月の件数と率も示します。割合の差が、偶然の変動か継続的な問題かを分けるためです。

全体と内訳の方向が逆になる場合は、シンプソンのパラドックスの記事も参考になります。細かな数字と判断に必要な要点を分ける方法は、ファジートレース理論と数値資料の記事で扱っています。

比率・リスク資料のチェックリスト

数字を集めるとき

• 分子と分母の定義が、比較対象で同じである
• 観測期間、対象範囲、除外条件をそろえた
• 割合だけでなく、元の件数と母数を保存した
• 母数が小さく、数件で率が大きく動く項目を確認した
• 欠損や未報告を、問題なしとして数えていない

表やグラフを作るとき

• 「20件」ではなく「1,000件中20件」のように分母を近くへ置いた
• 100件あたり、1,000人あたりなど、共通尺度へ直した
• 期間と単位を列見出しで読めるようにした
• 割合と総件数を、別の問いとして示した
• アイコン配列では、分子と分母を同じ配列に置いた
• アイコンの形や配置を増やし、割合を読みにくくしていない
• 精密比較が必要なとき、共通の基準線から始まる棒や点を使った
• 小さな文字の脚注だけに、重要な分母を隠していない

結論を書くとき

• 数字から何を判断するのかを一文で書いた
• 発生しやすさと総対応量を混同していない
• 割合が高いだけで、原因や責任まで断定していない
• 小さな母数の大きな率を、安定した傾向のように見せていない
• 結論が変わる条件や追加で必要なデータを示した

根拠の限界：分母を示せば、判断が自動的に正しくなるわけではない

第一に、比率バイアスの古典的研究は、豆や抽選を使った単純な低確率課題です。現実の経営報告には、費用、重大度、時間、原因、対策可能性などが加わります。実験の選択率を、そのまま職場の誤り率として使うことはできません。

第二に、絶対数が重要な場面があります。感染率が低くても対象人口が大きければ患者数は多くなり、必要な医療資源は増えます。障害率が低くても取引件数が膨大なら、対応要員は必要です。割合だけを大きく見せる資料も、件数だけの資料と同じように判断を狭めます。

第三に、分母の定義自体が争点になります。苦情率の分母を顧客数にするか、取引件数にするか、問い合わせ件数にするかで値は変わります。正しい分母が一つあるのではなく、判断したい問いに合う分母を選び、定義を開示する必要があります。

第四に、アイコン配列にも限界があります。Stoneらの1997年の研究では、同じ低確率リスクでも数値と図で危険を避ける意思が変わりました。2023年の研究では配列の大きさや形、2026年の研究では配置と関係のない形のばらつきが推定へ影響しました。図は中立な容器ではありません。

第五に、本稿で紹介した医療リスク研究を、営業成績や品質指標へ同じ効果量で移せません。利用者の専門知識、見慣れた単位、意思決定の目的が異なります。資料を作った後は、想定読者に「どちらが高いか」「何を決める資料か」を言い直してもらい、誤読がないか確かめます。

まとめ：分母は脚注ではなく、判断材料である

20件は8件より多い。しかし、1,000件中20件は2％、100件中8件は8％です。絶対数と割合は、どちらか一方が正しいのではなく、別の問いに答えます。

分母無視を防ぐには、分子と分母を組で示し、共通尺度へ直し、元の件数を残します。アイコン配列やグラフを使うなら、分子だけを前景にせず、全体を同じ画面に置きます。最後に、その数字で何を決めるのかを明記します。

伸滋Designでは、経営報告、提案書、研究発表、ダッシュボードの数字を、正確に置くだけでなく、読み手が同じ意味で比較できる形へ整えます。件数と割合の結論が食い違う、分母が部署ごとに違う、グラフを作っても判断がまとまらないとお悩みなら、お問い合わせページからご相談ください。

参考文献

1. Denes-Raj, V., & Epstein, S. (1994). Conflict between intuitive and rational processing: When people behave against their better judgment. Journal of Personality and Social Psychology, 66(5), 819–829. https://doi.org/10.1037/0022-3514.66.5.819
2. Denes-Raj, V., Epstein, S., & Cole, J. (1995). The generality of the ratio-bias phenomenon. Personality and Social Psychology Bulletin, 21(10), 1083–1092. https://doi.org/10.1177/01461672952110009
3. Reyna, V. F., & Brainerd, C. J. (2008). Numeracy, ratio bias, and denominator neglect in judgments of risk and probability. Learning and Individual Differences, 18(1), 89–107. https://doi.org/10.1016/j.lindif.2007.03.011
4. Stone, E. R., Yates, J. F., & Parker, A. M. (1997). Effects of numerical and graphical displays on professed risk-taking behavior. Journal of Experimental Psychology: Applied, 3(4), 243–256. https://doi.org/10.1037/1076-898X.3.4.243
5. Stone, E. R., Sieck, W. R., Bull, B. E., Yates, J. F., Parks, S. C., & Rush, C. J. (2003). Foreground:background salience: Explaining the effects of graphical displays on risk avoidance. Organizational Behavior and Human Decision Processes, 90(1), 19–36. https://doi.org/10.1016/S0749-5978(03)00003-7
6. Galesic, M., Garcia-Retamero, R., & Gigerenzer, G. (2009). Using icon arrays to communicate medical risks: Overcoming low numeracy. Health Psychology, 28(2), 210–216. https://doi.org/10.1037/a0014474
7. Garcia-Retamero, R., Galesic, M., & Gigerenzer, G. (2010). Do icon arrays help reduce denominator neglect? Medical Decision Making, 30(6), 672–684. https://doi.org/10.1177/0272989X10369000
8. Fitzsimmons, C. J., Woodbury, L., Taber, J. M., Schiller, L. K., Coifman, K. G., & Thompson, C. A. (2023). Visual display size and shape impact the accuracy of US adults’ health-risk estimates. Journal of Behavioral Decision Making, 36(5), e2341. https://doi.org/10.1002/bdm.2341
9. Markant, D. (2026). Asymmetric shape variability biases proportion judgments with icon arrays. Cognitive Science, 50, e70227. https://doi.org/10.1111/cogs.70227