影響図による決定の構造化

🎓 レベル：標準　|　重要度：B（推奨）

📎 前提：意思決定問題の構造（行動・状態・結果・利得表）　|　関連：決定木と後ろ向き帰納（解く側の表現）

要点（BLUF）

影響図（influence diagram） は、決定問題を決定ノード（□）・偶然ノード（○）・価値ノード（◇） と、それらを結ぶ矢印（依存・情報の流れ） で表す構造化ツールです。
決定木が選択肢ごとに枝分かれして大きくなるのに対し、影響図は変数間の依存関係をコンパクトに一望できます。同じ問題の「解く前の設計図」。
決定木（決定木と後ろ向き帰納）と相互に変換でき、構造化＝影響図、求解＝決定木、と役割分担すると大規模問題でも見通しが保てます。

1. なぜ決定木だけでは足りないか

決定木と後ろ向き帰納の決定木は、すべての選択肢・状態の組み合わせを枝として展開します。明快ですが、変数が増えると枝が指数的に爆発します。状態が5個ある偶然ノードが4つ連なれば $5^4 = 625$ の末端。全体の構造（何が何に依存するか）を俯瞰するには大きすぎます。

影響図は、枝を展開せず変数（ノード）と依存（矢印）だけを描きます。「需要は景気に依存する」「投資判断は市場テストの結果を見てから行う」といった関係を、数十のノードでも1枚の図に収められる。決定木が「展開図」なら、影響図は「回路図」です。

2. 影響図の構成要素

3種類のノードと、矢印の意味を押さえれば読めます。

決定ノード（□, 長方形）：意思決定者が選ぶ変数。
偶然ノード（○, 楕円）：自然が確率的に決める不確実変数。
価値ノード（◇, 菱形やひし形）：最終的な利得・効用。1つに集約するのが基本。

矢印（arc）には2つの意味があります。

偶然/価値ノードへ入る矢印：確率的・関数的な依存（親の値が子の確率分布や値を決める）。
決定ノードへ入る矢印：情報の利用可能性（その決定を下す時点で、矢印の元の変数が既知である）。

新製品投入の例（決定木と後ろ向き帰納・ベイズ更新と意思決定と同じ問題）を影響図にします。

flowchart LR
    Demand["○ 市場需要"] --> Test["○ 市場テスト結果"]
    Test -->|"情報（決定前に既知）"| Launch["□ 投入の判断"]
    Demand --> Value["◇ 利得"]
    Launch --> Value

図の読み方：市場需要（偶然）が市場テスト結果（偶然）に影響し、テスト結果は投入判断（決定）の前に既知なので情報の矢印で繋がります。利得（価値）は、需要と投入判断の両方に依存。たった4ノードで「テストを見てから投入を決める、需要が結果を左右する」という二段階の構造が表現できています。決定木なら需要×テスト×判断で枝が広がるところを、依存関係だけで簡潔に。

3. 影響図と決定木の対応

影響図と決定木は、同じ問題の異なる表現で、相互に変換できます。

	影響図	決定木
表すもの	変数間の依存・情報構造	選択肢・状態の全展開
サイズ	ノード数（コンパクト）	末端数（爆発しうる）
得意	構造の俯瞰・モデル化・対話	求解・期待値の畳み込み

実務では、まず影響図で問題を構造化（関係者と合意形成）し、それを決定木やベイジアンネットワークに展開して求解します。影響図は意思決定問題の構造（行動・状態・結果・利得表）の利得表が「行動×状態の表」だったのに対し、「変数×依存の図」という、もう一段抽象度の高い構造化の道具です。なお、影響図に矢印の向き（依存）を与えてノードに確率分布を載せると、ベイズ統計のベイジアンネットワークに一致します——確率推論の数理はベイズのturf、ここでは「決定を含むネットワーク」という意思決定的な側面に focus します。

数式の直観的意味：非サイクル性と「忘れない」前提

影響図には2つの構造的ルールがあります。

有向非巡回（DAG）：矢印は循環しない。決定→結果→決定…のループは作れません。時間の流れが一方向だからです。
正則性（no-forgetting）：ある決定で使える情報は、後続の決定でも使える（意思決定者は忘れない）。これが決定ノードへの情報矢印の累積を保証し、影響図が一貫した決定問題を表すための前提になります。

この2つが満たされると、影響図は一意な最適方策を持ち、決定木への展開と求解（決定木と後ろ向き帰納の後ろ向き帰納）が well-defined になります。「忘れない合理的主体が、依存関係の定まった世界で順に決める」——影響図は、合理的意思決定のプロセスの合理性を、グラフの言葉で形にしたものです。

⚠️ よくある誤解

「影響図の矢印＝時間の流れ」ではない：偶然ノードへの矢印は確率的依存、決定ノードへの矢印は情報の利用可能性です。矢印の意味はノードの種類で変わります。
「影響図は決定木より高機能」ではない：表現力は等価で、役割が違うだけ。構造化に影響図、求解に決定木、という分業です。
「価値ノードは複数でよい」と安易にしない：基本は1つの価値ノードに集約します。複数の目的があるなら、多属性効用（多属性効用理論（MAUT））で1つに束ねてから繋ぎます。
「決定ノードに入る矢印は依存」ではない：それは「決定時にその変数を観測済み」という情報の意味です。確率的依存と混同しないこと。