回帰の誤謬
回帰の誤謬（かいきのごびゅう、英: Regression fallacy）とは、統計学における誤謬のひとつ。平均値から大きく離れた値が、平均値に近づく傾向があることを無視して、次の値も平均値に近くなると誤って判断することである。
たとえば、ある生徒がいつもテストで90点を取っていたが、あるテストで80点を取ったとします。このとき、いつも90点を取っていたから、次のテストでも90点を取るだろうと考えるのは回帰の誤謬です。なぜなら、いつも90点を取っていたのは、その生徒の能力が90点だからではなく、偶然の要素が大きかったからである。次のテストでも90点を取るには、その生徒の能力が90点以上である必要がある。
回帰の誤謬は、日常生活でもよく見られます。たとえば、いつも運が悪かった人が、ある日突然運が良くなったとします。このとき、いつも運が悪かったから、次の日も運が良くなるだろうと考えるのは回帰の誤謬です。なぜなら、いつも運が悪かったのは、その人の運が悪かったからではなく、偶然の要素が大きかったからである。次の日も運が良くなるためには、その人の運が平均値よりも良い必要がある。
回帰の誤謬を避けるためには、平均値と標準偏差を理解しておくことが重要です。平均値は、あるデータの中心値を表す値です。標準偏差は、データのばらつきを表す値です。平均値から大きく離れた値は、標準偏差が大きいということになります。標準偏差が大きければ、次の値も平均値から大きく離れる可能性が高くなります。
回帰の誤謬は、統計学的な知識がなくても起こる誤謬です。しかし、平均値と標準偏差を理解しておけば、回帰の誤謬を避けることができるようになります。
参考URL：
