Blogブログ
2026/10/23 07:01
ハーベストベースドモデルを学ぶ｜事前確率・事後確率・信用区間とは？
鹿の個体数管理について調べていると、「ハーベストベースドモデル」という考え方に出会います。
捕獲数などのデータを使って、野生動物の個体群の状態や増減を推定するためのモデルです。
今回は、このモデルを理解するための基礎として、事前確率、事後確率、信用区間について整理してみます。
専門用語を一度に理解するのは難しいものです。
そこで、今回は次の順番で考えていきます。
1．事前確率から事後確率へ
2．信用区間とは何か
3．信用区間の幅が示すもの
確率をデータによって更新する仕組みを理解し、その結果から個体数の推定と不確実性をどのように読み取るのかを考えていきます。
1．事前確率から事後確率へ
鹿の個体数を推定するとき、最初から正確な個体数が分かっているわけではありません。
過去の調査結果や生態学的な知識などを基に、まずは個体数についての見込みを考えます。
このような、データを分析する前に設定する確率を事前確率といいます。
例えば、ある地域の鹿の個体数について、説明を簡単にするために3つの仮説を考えます。
・5,000頭である：事前確率20％
・10,000頭である：事前確率50％
・15,000頭である：事前確率30％
この場合、分析前には10,000頭という仮説に最も大きな確率を割り当てています。
このような確率の分布を事前分布といいます。
事前確率は、必ずしも勘や個人的な予想を意味するわけではありません。過去の調査結果や生態学的な知見など、データを見る前に持っている情報や仮定を表現するための仕組みです。
では、実際のデータを得ると、確率はどのように変わるのでしょうか。
ここで登場するのが、尤度（ゆうど）です。
尤度とは、ある仮説を前提としたとき、観測されたデータがどの程度起こりそうかを表すものです。
例えば、鹿の個体数が5,000頭、10,000頭、15,000頭という3つの仮説を考えます。
実際の捕獲数や捕獲努力量などのデータを集め、それぞれの仮説のもとで、そのデータがどの程度起こりそうかを計算します。
ここでいう捕獲努力量とは、捕獲のためにどれだけの労力や時間を費やしたかを表す情報です。例えば、狩猟者数や出猟日数などが該当します。
事前確率と尤度を組み合わせることで、データを反映した後の確率を求めます。
この更新後の確率を事後確率といい、その確率の分布を事後分布といいます。
ベイズの定理の基本的な関係は、次のとおりです。
事後確率 ∝ 事前確率 × 尤度
これは、事後確率が事前確率と尤度に基づいて決まることを示しています。
正確な確率を求めるには、全体の確率の合計が100％になるように正規化します。
例えば、個体数が10,000頭という仮説について、事前確率が50％だったものが、データを分析した結果、事後確率80％になったとします。
これは、観測データを反映した後、その仮説の事後確率が80％になったという意味です。
ただし、事前確率が50％なら必ず事後確率が80％になるわけではありません。実際の値は、観測データと尤度によって決まります。
また、ここで示した数値は仕組みを説明するための仮例であり、実際の鹿の個体数を示すものではありません。
捕獲数が少ないからといって、必ずしも鹿の個体数が少ないとは限りません。
鹿の移動、捕獲のしやすさ、狩猟者数、捕獲努力量、天候など、さまざまな要因が捕獲数に影響するためです。
実際の個体数推定では、こうした要因を考慮しながら、データとモデルの仮定を組み合わせて考える必要があります。
2．信用区間とは何か？
事前確率と事後確率の関係が分かると、次に疑問になるのが、推定された個体数をどの程度信頼してよいのかという点です。
ここで重要になるのが、信用区間（Credible Interval）です。
信用区間とは、ベイズ統計において、推定対象の値がどの範囲にあると考えられるかを、事後分布に基づいて示したものです。
例えば、ある地域の鹿の個体数を推定した結果、次のようになったとします。
推定個体数の中央値：10,000頭
90％信用区間：8,000〜12,000頭
この場合、モデルと観測データに基づく事後分布では、個体数が8,000〜12,000頭の範囲にある確率が90％という意味になります。
ただし、これは説明のための仮の数字です。実際の美杉地域の個体数を示すものではありません。
また、90％という数字は、モデルそのものが90％の確率で正しいという意味でも、推定値が90％正確という意味でもありません。
信用区間は、モデルとデータを前提とした推定の不確実性を表しています。
では、信用区間に付いている50％、90％、95％という数字は、何を意味するのでしょうか。
これらの数字は、事後分布から、どれだけの確率を含む範囲を取り出すかを表しています。
例えば、同じ個体数の推定でも、次のような違いが考えられます。
・50％信用区間：9,000〜11,000頭
・90％信用区間：8,000〜12,000頭
・95％信用区間：7,500〜12,500頭
これらも仕組みを説明するための仮例です。
一般に、信用区間に含める確率を高くすると、区間は広くなります。
反対に、含める確率を低くすると、区間は狭くなります。
ただし、区間の幅は事後分布の形や信用区間の求め方によって決まるため、必ずしも推定値を中心に左右対称になるとは限りません。
ここで大切なのは、信用区間の％が、推定値の正確さを直接表しているわけではないという点です。
信用区間は、事後確率と密接に関係しています。
事後確率は、観測データを反映した後の確率です。
信用区間は、その事後分布から、指定した確率を含むように求めた範囲です。
つまり、信用区間は事後分布を使って求められます。
3．信用区間の幅が示すもの
信用区間の意味を理解すると、推定結果を見るときに、個体数の中央値だけでは不十分だということが分かります。
例えば、次の2つの地域を考えます。
A地域
推定個体数：10,000頭
90％信用区間：9,000〜11,000頭
B地域
推定個体数：10,000頭
90％信用区間：5,000〜15,000頭
どちらも推定個体数の中央値は10,000頭ですが、信用区間の幅は大きく異なります。
A地域では、モデル上の個体数の不確実性が比較的小さいと考えられます。
一方、B地域では、個体数についての不確実性が大きく、推定値だけでは状況を十分に把握できません。
この違いは、どこから生まれるのでしょうか。
信用区間の幅には、さまざまな要因が関係します。
例えば、次のようなものです。
・データの量や質
・捕獲数や捕獲努力量の年ごとの変動
・狩猟者数や捕獲条件の変化
・鹿の出生、死亡、移動などの個体群動態
・モデルに設定した仮定
データが十分に集まり、観測条件が安定していれば、推定の不確実性が小さくなる場合があります。
一方、データが少ない場合や、捕獲努力量の変動が大きい場合には、個体数を十分に絞り込めず、信用区間が広くなることがあります。
ただし、信用区間が狭いからといって、必ずしも推定が正確とは限りません。
モデルの仮定が適切でない場合や、データに偏りがある場合には、現実の個体数から離れた推定結果が得られる可能性もあります。
そのため、信用区間の幅だけでなく、どのようなデータを使い、どのような仮定で推定したのかを確認することが重要です。
4．ハーベストベースドモデルと鹿の個体数管理
ここまで、事前確率、事後確率、尤度、信用区間について整理してきました。
では、これらは実際の鹿の個体数管理と、どのようにつながるのでしょうか。
ハーベストベースドモデルでは、捕獲数などのデータを利用して、個体群の状態や増減を推定します。
しかし、捕獲数の変化だけでは、個体数の増減を直接判断することはできません。
例えば、捕獲数が減った場合、次のような可能性が考えられます。
・鹿の個体数が減った。
・鹿が捕獲されにくい場所へ移動した。
・狩猟者数や捕獲努力量が減った。
・天候などの条件が変わった。
こうした要因を考慮しながら、利用できるデータとモデルの仮定に基づいて個体群の状態を推定します。
その際、推定個体数の中央値だけでなく、事後分布や信用区間を確認することが重要になります。
推定個体数が同じでも、信用区間が異なれば、推定の不確実性も異なるためです。
また、推定の不確実性を踏まえて捕獲目標を考える場合には、個体群の増殖率、自然死亡、移出入など、モデルが考慮する要因も確認する必要があります。
信用区間だけから、持続可能な捕獲数が自動的に決まるわけではありません。
推定結果をどのように管理に活用するかは、地域の状況や管理目標、モデルの特性などを踏まえて考える必要があります。
5．理解度チェック：5問
ここまでの内容を、自分の理解で確認してみます。
第1問：事前確率とは何でしょうか？
A．捕獲データを分析した後に得られる確率
B．今回のデータを反映する前に設定する、仮説についての確率
C．推定個体数が信用区間に入る確率
第2問：尤度とは何でしょうか？
A．個体数の推定結果が正しい確率そのもの
B．観測データが、それぞれの仮説のもとでどの程度起こりそうかを表すもの
C．信用区間に含まれる確率
第3問：事後確率が50％から80％に上がりました。何を意味しますか？
ここでは、「個体数が10,000頭」という仮説について考えます。
A．実際の個体数が30％増えた
B．モデルの正確さが80％になった
C．データを反映した後、その仮説の事後確率が80％と推定された
第4問：90％信用区間とは何でしょうか？
推定個体数の90％信用区間が8,000〜12,000頭だったとします。
A．モデルが90％の確率で正しいという意味
B．モデルとデータに基づき、個体数がその区間内にある事後確率が90％という意味
C．個体数が必ず10,000頭であるという意味
第5問：推定個体数が同じでも、信用区間が広い場合はどう考えるべきでしょうか？
A地域もB地域も推定個体数は10,000頭でした。
A地域の信用区間：9,000〜11,000頭
B地域の信用区間：5,000〜15,000頭
A．B地域の推定は、必ずA地域より正確
B．A地域のほうが推定の不確実性は小さいが、モデルの偏りなども別途確認する
C．両地域の推定の不確実性は同じ
解答と解説
第1問：B
事前確率は、今回のデータを分析する前の確率です。
第2問：B
尤度は、観測データが各仮説のもとでどの程度起こりそうかを表します。
第3問：C
事後確率は、データを反映した後の確率です。確率の上昇は、モデルとデータに基づいて、その仮説が以前より強く支持されたことを意味します。
第4問：B
90％信用区間は、事後分布において、対象の値が区間内にある確率が90％となる範囲です。
第5問：B
A地域は信用区間が狭く、モデル上の推定の不確実性が小さいと考えられます。ただし、信用区間が狭いことだけで、推定値が現実に近いと保証されるわけではありません。
6．今回の学習で分かったこと
今回の内容を簡潔にまとめます。
・事前確率：データを見る前の見込み
・尤度：観測データが各仮説のもとでどの程度起こりそうかを表すもの
・事後確率：データを反映して更新した確率
・信用区間：事後分布から、指定した確率を含むように求めた範囲
この4つの関係を理解すると、ハーベストベースドモデルの推定結果を読むための基礎ができます。
次の段階では、捕獲数と捕獲努力量がどのようにモデルに使われるのか、また、推定個体数や信用区間が捕獲目標の判断にどう関係するのかを学ぶと、実際の鹿の個体群管理とのつながりが見えてきます。
専門用語を一度に覚える必要はありません。
疑問に思った言葉をひとつずつ確認し、実際のデータや現場の状況と結びつけて考えていくことが大切です。
＊袋角、鹿角、鹿肉、鹿皮、鹿骨、内臓、その他部位、他の獣について、購入希望、ご質問がございましたらお問い合わせください。
Linkリンク
