小数の法則（Law of Small Numbers）は、統計学において、小規模なサンプルやデータに基づいて一般的な結論を導くことに関連するバイアスを指します。この法則は、1970年に心理学者アモス・トヴェルスキー（Amos Tversky）とダニエル・カーネマン（Daniel Kahneman）によって提唱されました。
小数の法則によれば、小さなサンプルやデータから得られる情報は、大規模なサンプルやデータから得られる情報よりもバイアスを持っている可能性があるということです。つまり、個別の例や特定の事例に基づいて一般的な結論を導くことは誤解を招くことがあります。
この法則は、人々がプロトタイプの傾向を推測したり、傾向を一般化したりする際に生じる誤りを指摘しています。例えば、数人の友人や知人が特定の行動や特徴を持っている場合、それを一般的な傾向として捉えたり、他の人に適用したりすることがあります。
小数の法則は、個人の認知の限界や情報処理のパターンに関連しています。人々は、膨大な情報を処理するために、短縮思考や代表性ヒューリスティックなどの認知的なショートカットを使用します。この結果、小さなサンプルやデータから得られた情報が過大評価されたり、一般化されたりする傾向が生じます。
小数の法則を克服するためには、大規模なサンプルやデータに基づいた統計的な情報や客観的な証拠を重視することが重要です。また、個別の事例や例外を考慮することも大切です。統計的なパターンや傾向を理解する際には、客観的なデータと統計学的なアプローチを組み合わせることが重要です。
