前回の「隣の数字」は出やすいか？：3くじ・4,219回の検証と、群衆がスライドを選ぶ心理

「スライド数字」という直感：隣の数字は動きの続きに見える

前回の本数字が 7・12・25 なら、次回は 6・8・11・13・24・26 のどれかが来る。この読みには二つの物語が乗っています。一つは「数字には勢いがあり、周辺に波及する」という流れの物語。もう一つは「球は隣の球を巻き込むから、近い番号がまとまって出る」という物理の物語です。どちらも出目表の上では説得力があります。●が縦に並ぶ列の隣に、次の●が付くように見える回は、探せば毎週見つかるからです。

検定は、探してから決めると必ず何かが見つかります。そこで、データを見る前に次の型を固定しました。「隣」とは前回の本数字±1のうち、前回の本数字そのものを除いた数字の集合とする。統計量は全回の隣ヒット数の合計とし、理論値は各回の超幾何分布の期待値の和とする。窓幅は±1だけで、±2や±3は試さない。群衆の側は、集中度の対数を目的変数にした回帰の「隣ヒット数」の係数を見る。並べ替えは各2,000回、乱数のシードは固定。これで「たまたま合った窓幅を報告する」経路を閉じています。

隣の集合は、前回の6個が離れていれば最大12個、隣り合っていれば減ります。ロト6の実測では1回あたり平均9.72個、43個のうちの約23%です。機械に癖がなければ、次回の6個のうち隣に落ちる個数の期待値は 6 × 9.72 / 43 = 1.357個。「隣が1個以上出る」確率は約80%にもなります。つまり隣の数字は、機械が公平でも5回に4回は出ます。スライド数字の物語が消えない理由の半分は、ここにあります。

出典・データ：SciPy公式資料：超幾何分布の定義（英語） ／ 集計方法とデータの範囲

機械はスライドしない：3くじ・4,219回で理論値と一致

ロト6は2,129回で、隣が出た個数は1回あたり1.363個。理論値1.357個との差は z = +0.30、回の順序を入れ替えて前回との関係を壊した並べ替え検定でも p = 0.748です。「隣が1個以上出た回」は実測80.50%に対して理論80.10%。ロト7は逆にわずかに少なめ（p = 0.271）、ミニロトは理論と重なります（p = 0.826）。3くじで向きも揃わず、どれも偶然の幅の中です。

方法そのものが鈍っていないかも確かめました。同じ計算を「前回の数字そのものが再登場する個数」に当てると、ロト6で実測0.834個/回、理論0.837個/回。隣でも本体でも、機械は前回を覚えていません。

「差がない」だけでは結論になりません。どこまで小さな偏りなら見逃したかを添えます。ロト6の2,129回は、隣の出やすさが理論から±3.0%ずれていれば有意になる大きさの標本です。つまり、もし機械が隣の数字を3%以上ひいきしていれば、この検定は捕まえていました。3%未満の偏りは否定できませんが、仮に3%の偏りがあっても、1/6,096,454という確率の大きさはほとんど変わりません。ロト7（±4.1%）とミニロト（±3.7%）も同じ桁です。

期待される隣ヒット数 = 選ぶ個数 × 隣の集合の大きさ ÷ 数字の総数

出典・データ：宝くじ公式：ロト6のルールと当せん確率 ／ 宝くじ公式：ロト7のルールと当せん確率 ／ 宝くじ公式：ミニロトのルールと当せん確率 ／ SciPy公式資料：超幾何分布の定義（英語） ／ 集計方法とデータの範囲

人はスライドを買っている：隣1個で集中度+0.5%

機械が隣を出さないなら、話はここで終わりでしょうか。ロトは購入者どうしのゲームなので、もう半分が残っています。人が隣の数字を買っているなら、隣を含む出目が当たった回は、当せん者が多く、1口の分け前が薄いはずです。それは払戻データに写ります。

使う指標は、群衆の選好の記事と同じ「集中度」です。4個一致の口数を3個一致の口数で割り、均等に買われた場合の理論比（ロト6は0.0643）で割ります。売上の規模が違う回どうしを比べられ、1を超えれば、その回の出目は平均より多くの人が持っていたことになります。集中度の対数を目的変数に、出目に含まれる隣の個数を説明変数に置き、既知の癖である合計値（小さい数字の人気）、連番の組数、31以下の個数、前回の数字そのものの重複数を統制しました。

ロト6では、隣が1個増えるごとに集中度が+0.5%（t = +2.73）。前回の割り当てを無作為に入れ替えて同じ回帰を2,000回繰り返した並べ替え検定で p = 0.012です。ミニロトはさらにはっきりしていて、隣1個あたり+0.9%（p = 0.011）。ロト7は+0.1%で向きは同じですが、689回ではロト6と同じ大きさの効果を検出する力がなく、判定不能と書くのが正直です。

群ごとに見ても、隣が0個の回の中央値0.970から3個以上の回の0.985へ、階段のように上がります。統制変数の側では、合計値の係数が t = −11.56で、既知の「小さい数字が人気」がそのまま再現しています。方法は生きていて、その上に小さな新しい癖が乗っている、という構図です。

出典・データ：宝くじ公式：ロト6のルールと当せん確率 ／ 宝くじ公式：ロト7のルールと当せん確率 ／ 宝くじ公式：ミニロトのルールと当せん確率 ／ 集計方法とデータの範囲

未来の隣には反応しない：プラセボ対照と、2回前の影

この種の回帰で一番怖いのは、隣ヒット数が別の何かの代理になっていて、人の行動とは無関係に集中度と相関してしまうことです。そこで、同じ回帰の「前回」を差し替えて対照を置きました。一つは「次回の出目の隣」。次回の当せん番号は購入時点で誰にも分からないので、もし人の反応を測れているなら係数はゼロでなければなりません。もう一つは「2回前の出目の隣」。人が直前の1回だけを見ているのか、もう少し広く最近の出目を見ているのかが分かります。

プラセボは3くじとも t が+0.51以下で、事実上ゼロです。効果は方法の副産物ではなく、購入時点で見えていた数字に対する反応です。興味深いのは2回前で、ロト6では前回とほぼ同じ大きさ（t = +2.46）の反応が残ります。人は「直前の1回のスライド」を狙っているというより、出目表で最近●が付いた列の周辺を、なんとなく買っている。そう読むのが自然です。ミニロトでは2回前で半分に減り、減衰が見えます。

この読み方は心理学でいう利用可能性の話と整合します。最近見た数字は思い出しやすく、思い出しやすい数字の周辺は「ありそう」に感じる。出目表という視覚的な道具が、その感覚を列の隣に向けて増幅します。機械は何も覚えていませんが、出目表を見る側の記憶は、1〜2回ぶん残っています。

出典・データ：集計方法とデータの範囲

スライド狙いが動かすもの：確率ではなく、分け前

ここまでを一つの文にすると、「隣の数字は出やすくならないが、人は隣の数字を少し多く買っている」です。ゲーム理論の言葉に直せば、スライド数字を選んでも分子（当せん確率）は変わらず、動き得るのは分母（当たったときに分け合う口数）のほうです。効果量は小さく、隣を3個含む出目で集中度は約+1.5%。連番1組が−1.1%、合計値が10小さいと約−1.1%という既知の癖と同じ桁で、それより一段小さい効果です。

同じ組を選ぶ口数が違えば、当たったときの分け前と期待受取額は変わり得ます。ただ、今回見えたのは下位等級の口数から推定した小さな傾向で、1等の分け前や期待収支を直接確かめたものではありません。出目表を眺める人たちが残した、小さな癖の一つとして読むのがちょうどよい大きさです。

限界も書いておきます。集中度は4個一致と3個一致の口数の比で、1等の口数を直接観測したものではありません。窓幅は事前登録した±1だけで、±2の効果は測っていません。ロト7は回数が足りず、群衆の側は判定できていません。これらは、次に同じ問いを立てる人のために残す注記です。

機械は前回を覚えていません。覚えているのは出目表を見ている側で、その記憶は払戻の口数という形で、毎回きちんと記録されています。

出典・データ：宝くじ公式：ロト6のルールと当せん確率 ／ e-Gov：当せん金付証票法（当せん金の総額の上限） ／ 集計方法とデータの範囲