Mathematical Psychology
数学的手法を用いて心理現象を定量的に研究する分野です。
意思決定理論、心理物理学、信号検出理論など、心のメカニズムを数式で表現します。
数理心理学（Mathematical Psychology）は、数学的手法を用いて心理現象を定量的に記述し、予測する心理学の一分野です。心理プロセスを数式やモデルで表現することで、より厳密な理論構築を目指します。
数理心理学は、心理学を主観的・記述的な学問から、定量的・予測的な科学へと発展させる役割を果たしてきました。数学的モデルにより、複雑な心理現象の本質を明確に捉え、検証可能な予測を生成できます。
数理心理学は、形式的モデリングを重視します。言語的記述だけでなく、数式、確率論、統計学、微分方程式などを用いて心理プロセスを表現します。また、コンピュータシミュレーションにより、複雑なモデルの予測を検証できます。
数理心理学は、19世紀の精神物理学から始まり、20世紀に大きく発展しました。
現代の数理心理学は、神経科学、機械学習、行動経済学と統合され、より包括的なモデルを構築しています。計算論的アプローチにより、脳の情報処理を数学的にモデル化できるようになりました。
数理心理学を学ぶことで、以下のような実践的なメリットがあります：
数理心理学は、「心は測定できない」という偏見を打破してきました。適切な数学的ツールにより、主観的経験も定量的に研究できることを示しています。数学は心理学をより科学的にする強力な道具です。
物理的刺激と心理的感覚の関係
精神物理学（psychophysics）は、物理的刺激の強度と心理的感覚の強度の関係を数学的に記述します。
弁別閾（JND：Just Noticeable Difference）は、元の刺激強度に比例します。
例：100gの重さに1gを加えても違いが分からないが、1000gには10g加えないと違いが分かりません（k = 0.01）。
ウェーバーの法則を統合し、感覚の強度は刺激強度の対数に比例すると主張しました。
意味：刺激が10倍になっても、感覚は10倍にはならない。刺激の増加に対して、感覚の増加は緩やかです。
フェヒナーの対数法則を修正し、感覚の強度は刺激強度のべき乗に比例すると主張しました。
指数の例：
n < 1 のとき、刺激の増加に対して感覚の増加は緩やか。n > 1 のとき、刺激の増加に対して感覚の増加は急速です。
刺激を徐々に増加または減少させ、検出できる点を特定します。
複数の固定刺激をランダムに提示し、検出率を測定します。
被験者が自分で刺激を調整して、閾値を見つけます。
被験者が感覚の強度を数値で評価します。スティーヴンスが開発しました。
音響設計（デシベルスケール）、照明設計、UI/UXデザイン（コントラスト比）、感覚障害の診断などに応用されています。
信号検出理論（Signal Detection Theory, SDT）は、ノイズの中から信号を検出する過程を数学的にモデル化します。感覚の閾値が固定的ではなく、意思決定基準に依存することを示しました。
| 状況 / 反応 | 「信号あり」と答える | 「信号なし」と答える |
|---|---|---|
| 実際に信号あり | ヒット（正検出） | ミス（見逃し） |
| 実際に信号なし | 誤警報（偽陽性） | 正棄却（正拒否） |
信号とノイズを区別する能力を表します。値が大きいほど、識別能力が高いです。
例：視力検査で文字を正しく読める能力。医師が画像から病変を検出する能力。
どのくらい保守的または自由に「信号あり」と答えるかの基準です。
保守的基準（高いβ）：確信がないと「信号あり」と言わない。ミスが多く、誤警報が少ない。
自由な基準（低いβ）：疑わしいものも「信号あり」と言う。ヒットが多く、誤警報も多い。
ROC曲線は、様々な基準でのヒット率と誤警報率の関係を示します。曲線が左上に近いほど、検出性能が高いです。
例：がん検診
保守的基準：がんを見逃すリスク増加（偽陰性）。自由な基準：健康な人をがんと誤診するリスク増加（偽陽性）。
最適な基準は、見逃しと誤診のコストを考慮して決定します。
空港の保安検査、スパムフィルター、顔認証システムなどで、検出率と誤警報率のバランスを最適化するために使用されます。
意思決定理論は、不確実性の下での選択を数学的にモデル化します。
古典的な意思決定理論。人は期待効用を最大化するように行動すると仮定します。
例：ギャンブル A（50%の確率で1000円、50%で0円）とギャンブル B（確実に450円）のどちらを選ぶか。
期待値はどちらも500円ですが、リスク回避的な人はBを選びます（効用関数が凹関数）。
カーネマンとトヴェルスキーが提唱。期待効用理論では説明できない実際の意思決定をモデル化します。
主要な特徴：
問題の提示方法により選択が変わります。「90%生存」vs「10%死亡」。
確実な結果を過度に好む傾向。リスクを適切に評価できません。
現状を変更しないことを好む傾向。損失回避が原因です。
過去の投資を回収しようとする非合理的行動。埋没費用を考慮してしまいます。
プロスペクト理論は、株式市場の異常現象、保険の需要、税金政策への反応などを説明します。ナッジ（行動を促す仕掛け）の設計にも応用されています。
ゲーム理論（Game Theory）は、複数の意思決定者の相互作用を数学的にモデル化します。
ゲーム理論の最も有名な例。個人の最適戦略が、全体の最適結果にならない状況を示します。
状況：2人の容疑者が別々に取り調べを受けます。
| 囚人B / 囚人A | 黙秘 | 自白 |
|---|---|---|
| 黙秘 | 両者とも1年（協力） | Aが10年、Bが釈放 |
| 自白 | Aが釈放、Bが10年 | 両者とも5年（裏切り） |
結果：両者とも自白（支配戦略）が個人の最適戦略ですが、協力（両者が黙秘）の方が全体としては良い結果になります。
どのプレイヤーも、他のプレイヤーの戦略が固定されているとき、一方的に戦略を変更しても利得が増えない状態です。
囚人のジレンマでは、「両者が自白」がナッシュ均衡です（各自が戦略を変えても不利になる）。
環境保護、税金、公共サービスなど、社会的ジレンマを理解するためのモデルです。個人の利益と集団の利益が対立する状況で、どのように協力を促進するかを研究します。
測定理論（Measurement Theory）は、心理的属性を数値に変換する方法を数学的に定式化します。
カテゴリーの分類のみ。数値は単なるラベルです。
例：性別（1=男性、2=女性）、血液型、学部
可能な操作：等号・不等号のみ。平均や順序は意味がありません。
順序関係を持ちます。間隔は等しくありません。
例：順位、硬度（モース硬度）、リッカート尺度（「非常に同意」〜「非常に不同意」）
可能な操作：大小比較、中央値。平均は厳密には不適切ですが、実務では使用されます。
等間隔ですが、絶対的なゼロ点がありません。
例：温度（摂氏、華氏）、IQ、標準化された心理尺度
可能な操作：加減算、平均、標準偏差。比率は意味がありません（20℃は10℃の2倍暑いとは言えない）。
絶対的なゼロ点を持ちます。最も情報量が多い尺度です。
例：身長、体重、時間、反応時間、所得
可能な操作：すべての算術演算。比率が意味を持ちます（200cmは100cmの2倍）。
測定の一貫性。同じ対象を繰り返し測定したとき、同様の結果が得られるか。
種類：再テスト信頼性、内的一貫性（クロンバックのα）、評定者間信頼性
測定したいものを正確に測定しているか。
種類：内容的妥当性、基準関連妥当性（予測的・併存的）、構成概念妥当性
各項目（問題）の特性と被験者の能力を独立にモデル化します。
古典的テスト理論の限界（得点がテストに依存）を克服。コンピュータ適応型テスト（CAT）の基礎となっています。
TOEFLやGREなどの標準化テスト、適性検査、パーソナリティテストで広く使用されています。受験者の能力に応じて問題の難易度を調整することで、効率的で正確な測定が可能になります。
数理心理学は、心理現象を定量的に理解する枠組みを提供します。その知識を活用することで：
数理心理学が教えてくれる最も重要なことは、「心理現象も数学的に厳密にモデル化できる」ということです。数学は心理学を曖昧な記述から、検証可能な予測を生成する科学へと発展させます。
また、数学的モデルは思考を明確にするツールでもあります。直感的には分かりにくい心理プロセスも、数式で表現することで、その本質が見えてきます。フェヒナー、カーネマン、ナッシュらの業績は、数学が心理学に革命をもたらすことを示しています。
さらに、数理心理学の手法は、AI、経済学、マーケティング、医療など、様々な分野に応用されています。人間の認知や意思決定のモデルは、より良いシステムや政策の設計に不可欠です。数理心理学は、理論と実践を橋渡しする強力な道具なのです。