新型コロナウイルスワクチンに関する陰謀論の一つに、「ロットごとに内容物が異なり、特定のロットで死亡率が高い（意図的に毒性が変えられている）」という主張があります。この説は根強く、現在も沈静化の兆しが見えません。

今回、「mRNAワクチン中止を求める国民連合」等の団体が公開している「ロット別死亡率TOP100」のデータを基に、統計的な分析を行いました。

ロット別死亡率 TOP100

統計的実在と因果関係の乖離

結論から述べれば、本データにおいてロット間の死亡率に差があることは統計的事実です。「全ロットの死亡率は同一である」という帰無仮説は明確に棄却されます（過分散パラメータ $\phi = 244.5, p < .001$）。

しかし、「死亡率に差があること」と「意図的に内容物が変更されていること」は論理的に全く別の命題です。分析の結果、後者の「内容物が異なる」という結論を導くことはできませんでした。観測された変動は、以下の既知の要因によって十分に説明可能です。

変動を説明する3つの要因

1. 「少数の法則」による統計的ノイズ

死亡率が最も高いとされるロット（例：HG群 62.5%）は、分母となる接種数がわずか16人です。このように極端な数値は、接種数が極端に少ない場合に生じる統計的な振れ幅（ノイズ）に過ぎません。陰謀論で引用される「高死亡率ロット」の多くは、接種数が100未満の極小ロットです。

2. 接種対象者の属性（年齢構成）の違い

高齢者の死亡率（約6.9%）は若年層（約0.06%）の約116倍に達します。高齢者施設などに優先配布されたロットは、集団のベースラインとしての死亡率が必然的に高くなります。実際に、高齢者比率と死亡率の間には強い正の相関（$r = 0.82, p < .001$）が確認されました。

3. 未測定の交絡因子

本データには、基礎疾患の有無、接種時期、施設特性、死亡の定義（接種後何日以内か）など、死亡率に影響を与える重要変数が含まれていません。これらを調整（重回帰分析等）しない限り、「内容物の差」を結論づけることは科学的に不可能です。

論理的誤謬とチェリーピッキング

「特定ロットで死亡率が高いから、内容物が異なるはずだ」という推論は、論理学における**「後件肯定の誤謬」**に該当します。

「内容物が異なれば、死亡率に差が出る」という命題が真であっても、その逆である「死亡率に差があるから、内容物が異なる」は真とは限りません。

また、大規模ロットでの安定した数値を無視し、小規模ロットの極端な外れ値のみを抽出して主張する手法は、典型的な**「チェリーピッキング（証拠の選り好み）」**と言えます。

結論：真の原因特定に必要なデータ

現時点でロット間の死亡率差を科学的に検証するためには、以下のデータが不可欠です。

• 個人レベルの詳細: 年齢、性別、基礎疾患、接種回数、接種日、死亡日
• 施設・流通レベル: 接種施設の種類（病院・高齢者施設）、地域、製造・出荷日、保管条件
• 定義の統一: 死亡の定義の厳密な設定

これらの包括的なデータがない状況で、「内容物が異なる」と断じることは、科学的根拠を欠いた憶測の域を出ません。

競争市場では、競合他社とのシェア争いや価格戦略において「相手がどう出るか」を読み解くことは欠かせません。この戦略的思考の古典的モデルの一つが、ゲーム理論の「囚人のジレンマ」です。これをを安全保障に当てはめると、私たちが理想とする「非武装による平和」が抱える構造的な危うさが見えてきます。

1. 善意は「合理的判断」に勝てるのか

「こちらが武器を持たなければ、相手も攻撃する理由がなくなるはずだ」という主張は、一見すると道徳的で論理的に感じられます。しかし、ゲーム理論の枠組みでは、これは「自分が協力（黙秘）すれば、相手も必ず協力（黙秘）してくれる」という一方的な期待に近い状態です。

国家間の対立を2人ゲームに簡略化し、利得表（ペイオフ・マトリクス）で整理してみましょう。

2. 「裏切りの誘惑（Temptation）」をどうコントロールするか

この表で注目すべきは、日本が「非武装」を選択した際の、相手国の利得です。

相手にとって、日本が非武装であれば攻撃のコストは最小となり、略奪や支配による利益が最大化（+5）されます。これをゲーム理論では「裏切りの誘惑」と呼びます。日本側の善意（非武装）が、皮肉にも相手にとっての「裏切るメリット」を最大化させてしまうのです。

一方で、日本が「武装」という選択肢を取るとどうなるでしょうか。相手が攻撃を仕掛けたとしても、反撃による損害や国際的なコストを支払うことになり、相手の利得はマイナス（-3）に転じます。

つまり、「武装」とは相手に平和を強いるのではなく、相手にとっての「攻撃という選択肢の価値」を失わせるための合理的なリスク管理に他なりません。

3. 「ジレンマ」を突破するための3つの戦略的アプローチ

では、この救いのない「裏切り合い」の構造を、どうすれば「持続可能な平和」へと昇華できるのでしょうか。囚人のジレンマを解くための手法は、そのまま現実の安全保障政策へと転用可能です。

1. 「繰り返しゲーム」化による関係の固定

一回限りの取引（戦争）を損なものにするため、経済的相互依存や継続的な外交対話を行い、「次も付き合う必要がある」状態を作り出します。

2. 監視可能性（情報の透明性）の向上

「裏切り」がすぐに露呈する環境を作ります。偵察や情報共有、査察枠組みの構築は、不意打ちのメリットを相殺します。

3. 裏切りのコスト増大（抑止力の行使）

同盟の強化や制裁、防衛力の整備により、相手が「裏切った（攻撃した）際に得る利益」よりも「失うコスト」を大きくします。

結び：平和を「祈り」から「設計」へ

「非武装」は平和への意思表示（シグナル）にはなりますが、同時に相手の「裏切りの誘惑」を刺激するリスクを孕んでいます。

ビジネスにおけるリスクマネジメントと同様、安全保障もまた、相手の善意に依存するのではなく、相手が「裏切らない方が合理的だ」と判断する構造をいかに設計するかが鍵となります。リアリズムに基づいた平和の構築とは、感情論ではなく、極めて緻密なゲーム設計です。

関連コラム「囚人のジレンマとDAG　RWにおける真のジレンマ」

志望校選択の重要な指標である偏差値ですが、模試の結果に基づき合格判定を受けても、「A判定でも不合格」という事態は容易に起こりえます。

判定が外れる理由は、本人の努力不足や運だけではありません。多くの場合、「平均偏差値で合格率を見積もる」という設計自体が、現実の分布構造に負けているのです。「偏差値が同じなら合格率も同じ」という前提が崩れるとき、判定の精度は著しく低下します。合格という現象は、単なる順位ではなく「分布の形」や「選抜ルール」という構造に強く依存しているからです。

この構造を見抜くためには、以下の3つの視点が必要です。

① 偏差値分布の「形状」：単峰性か二峰性か

偏差値は正規分布を前提としていますが、実際の塾内データでは、クラスやコースの特性によって「二峰性（山が2つある状態）」や多峰性になりがちです。

同じ「偏差値60」でも、それが上位集団における60なのか、中位集団における60なのかによって、実力の質は全く別物になります。学年やコース別に分布を可視化すれば、偏差値という一本の物差しが、どの地点で「層（レイヤー）」として分断されているかが明確になります。

② 学校別の「合格可能性カーブ」：S字の傾きと位置

次に必要なのが、学校・年度別の詳細な合否データです。これにより、偏差値と合格率の関係が描く「S字カーブ（ロジスティック曲線）」の形状を検証できます。

重要なのは平均値ではなくカーブの「形」です。合格ライン付近で急激に合格率が立ち上がる学校もあれば、広範囲に合否が分散するなだらかな学校もあります。二峰性の集団であれば、同じ偏差値帯に「受かる層」と「落ちる層」が混在し、S字カーブが二重に重なって見えることすらあります。

③ 母集団を変質させる「外部要因」：倍率と併願動線

3つ目が、倍率や辞退率、併願状況です。倍率は単なる「席の取り合い」ではありません。

• 高倍率の年： チャレンジ層が増え、母集団の密度が変わる。
• 低倍率の年： 上位層が他校へ流出し、構成メンバーが入れ替わる。 つまり倍率は、合格率を左右するだけでなく、偏差値分布そのものを変形させる外部要因です。これに辞退率や併願パターンを加味することで、「見かけの倍率」と「実質的な競合率」のズレを切り分けられるようになります。

「平均の魔法」から「構造の理解」へ

これら3点が揃うと、判定表が機能しなくなる条件を定義できます。

1. 層の跨ぎ： 塾内分布が二峰性で、偏差値がちょうど「層の境界線」にあるとき。
2. カーブの変動： 学校側の入試問題の傾向変化により、合否カーブの傾きや位置が変わったとき。
3. 母集団の入れ替え： 倍率や併願動線の変化で、受験者の中身が前年と異なるとき。

これらを考慮したロジックに更新すれば、同じ偏差値でも「A判定に近い人」と「実質C判定の人」が出る理由を、誤差ではなく構造的な必然として説明できるようになります。不合格の理由を「運」で片付けるのではなく、「今年は母集団がこう変化したため、この偏差値帯の確率がこう推移した」という科学的な振り返りが可能になるのです。

偏差値は便利な道具ですが、万能ではありません。判定が当たらない本質的な理由は、受験生の能力不足ではなく、分析モデルが「平均という架空の世界」に留まっていることにあります。真に必要なのは、数字の裏にある分布と構造を読み解く力です。