MENU

口コミを改ざん?「食べログ」の闇を数学的に検証してみた

Sponsored Links

親愛なる読者諸君!
オタクパパだ!

 

最近、「食べログ」の闇が暴露されて大炎上した。

これによると、食べログに年会費を支払うと、評価を3.8以上に上げてもらえるという。

 

ここで、

「おいおい!

 あの超大手優良

 グルメサイトの

 『食べログ』が

 捏造や改竄なんて

 するわけないだろ!」

と信じられない人も多いかもしれない。

 

だが、実を言うと、「食べログ」などの口コミサイトの

レビューの

点数の分布は

数学的に検証可能

だ!

 

というわけで、今回は、

大手グルメサイト

「食べログ」の闇

について、

数学的に

検証した結果

を紹介したい。

【2019/10/9 追記】

「食べログ」の闇は、何年も前から指摘されていた!

ところで、

「食べログ」の闇

いまに始まったことではなく、実は何年も前から指摘されてきた。

 

実際問題、「食べログ」については、これまで、

レビューの数字

を改竄している

のではないか?

という黒い疑惑が、さまざまなところで指摘されている。

「食べログ」から不都合な証拠が残らないように指導された実例

例えば、下の2015年8月24日発行の本「食べログ最強ランキング 東京・横浜」のAmazonのレビューには、

「食べログ」の

黒すぎる実態

が詳細に報告されている。

それによると、とあるレビュアーが「食べログ」に悪いレビューを書いたところ、

「店に都合が悪いこと

 を書くな」

「食べログ」から修正依頼が来たそうだ。

 

そこで、このレビュアーは、「食べログ」の削除依頼にしぶしぶ応じたのだが、その際、問題の箇所を削除した上で、さらに

「他に書きたいことが

あったけど

利用規約違反との

ことで削除しました」

と、正直に書いたそうだ。

 

すると、再び「食べログ」から連絡があり、

「修正したことが

 分かるような

 書き方をするな」

と、修正の痕跡が一切残らないよう、

証拠隠滅を

指導された

という。

Amazonの告発レビューまで削除させた「食べログ」の闇

また、下の2016年6月30日発行の本「食べログ3.5点以上の最強コスパ店を一冊にまとめました」のレビューにも、同じように「食べログ」から理不尽な目に遭ったレビュアーの不満が報告されている。

このレビュアーによると、「食べログ」のレビューにおいて「食べログ」のやらせ問題を堂々と批判したところ、なんとレビューだけでなく、

アカウントごと

削除された

そうだ。

 

だが、彼女は、そのような不当極まりない仕打ちにもめげず、Amazonのレビューにも食べログの批判を書くことにした。

 

だが、驚くべきことに、彼女のレビューは、「食べログ」の運営元である価格コムからのクレームを受けて

Amazonの

レビューまで

削除された

という。

 

このように、「食べログ」の信用に傷をつけそうなレビューは、たとえ

「食べログ」とは

無関係の他社のレビューで

あろうと容赦なく削除する

のだ。

低評価レビューは速攻で削除される「食べログ」の闇

また、上でとりあげた報告以外にも、

ショップに都合の悪い

口コミが速攻で削除され

高評価のレビューだけ

が残される

という不可解な事例が、実際に「食べログ」に書き込んだことのあるブロガーによっても報告されている。

「ブログなんかめんどくせえよ」の管理人であるブロガー・luna luna氏によると、

史上最悪の口コミ

プラットフォームは

「食べログ」

という。

 

というのも、luna luna氏は、「食べログ」の初期の頃に何回か書き込んでみたそうだが、

評価の低い口コミは

「すぐに削除」される

ため、口コミサイトとしては、どうにもならなかったという。

 

それゆえ、luna luna氏は「食べログ」について、次のように断言する。

「今まで書いた中で、

 どのサービスが

 最悪だったかと云われれば

 間違いなく

『食べログ』です。」

このように、

レビュアーやブロガー

の多くが何年も前から

「食べログ」

改ざん疑惑

報告している

のだ!

「食べログ」の改ざん疑惑を検証する方法はあるか?

このように、限りなく漆黒に近い「食べログ」の闇だが、これら「食べログ」に改ざんされたという人々の主張をそのまま信じるわけにもいかない。

 

なぜなら、「食べログ」が低評価の口コミを削除したということは、「食べログ」に書き込んだレビュアー本人にしか分からないからだ。

 

また、上のAmazonのレビュアーが指摘するように、「食べログ」がレビュアーに圧力をかけて、口コミの修正履歴自体が無かったことにするよう、巧みに隠蔽工作しているのなら、それらの口コミの内容を詳細に検討したところで、おそらく何の証拠も残っていないだろう。

 

それゆえ、

「『食べログ』が

 口コミを改ざんした!」

と、あなたが声高に叫んだところで、証拠がまったく存在しない以上、

「そんな証拠どこにも

 ありませんよ?

 

 そんなのあなたの

 妄想でしょ(笑)

 

 変な言いがかりをつけると

 裁判に訴えるぞ

 ゴルァ!」 

と開き直られ、逆にこっちが泣き寝入りするハメになるだけだ。

 

すなわち、森友問題などと同じく、

巧みに証拠隠滅を図る

狡猾な組織に対して

無力な一般庶民は

なすすべもない

のだ!

数字は真実を語る

それでは、「食べログ」の闇に対して、我々には何の手立てもないのだろうか?

 

いや、絶望するのはまだ早い。

 

「食べログ」がどんなに巧妙な手口を用いて証拠隠滅を図ろうとしても、

1つだけ

騙せないもの

がある

それは、

口コミの

レビュー

数字の分布

だ!

 

ところで最近、三田紀房の漫画「アルキメデスの大戦」を原作として映画が公開されて話題を呼んだことは記憶に新しい。

「アルキメデスの大戦」は、元東京帝国大学数学科の学生にして、数学的な発想に優れた天才として知られていた青年・櫂 直(かい ただし)が、平山 忠道(ひらやま ただみち)造船中将の巨大戦艦建造計画を阻止するため、山本五十六から主計少佐に任命されるというストーリーだ。

 

「アルキメデスの大戦」の面白い点は、主人公の櫂が数学の力を駆使して、平山の陰謀を暴くところだ。

 

近年、

「数学なんて

 何の役にも立たないから

 学ぶだけ無駄!」

という声も聞かれるが、決してそんなことはない。

 

「アルキメデスの大戦」で櫂が実演してみせたように、数学は使いようによっては、

巧妙に隠された嘘を暴き

真実を明らかにする

最強の武器

にもなりうるのだ!

統計学史上最大の発見「正規分布」とは

ところで、あなたは

正規分布

という言葉をご存じだろうか?

 

正規分布は18世紀に発見された分布で、ちょうどベルのように、平均付近にピークをもつ左右対称な分布だ。

(↓)正規分布曲線の一例。中心にピークをもち、左右対称な分布をしている。

この正規分布について、19世紀のベルギーの数学者、天文学者、統計学者のアドルフ・ケトレーは、出生や結婚、犯罪など、人間についての現象に関するさまざまなデータを検証し、正規分布に従うかどうかを調べた。

(↓)アドルフ・ケトレー(1796〜1874)

ケトレーは、この正規分布に基づき、人間社会には、平均的な属性を備えた人間である「平均人」が社会の最大多数を占めるという説を唱えた。

 

ケトレーが活躍した19世紀には、自然界や人間社会の行動や性質など、さまざまな現象の分布が正規分布に従うものと考えられた。

 

正規分布の「正規」という言葉には、英語でノーマル(normal)という言葉が用いられている。

自然界や人間社会で

ノーマルに見られる分布

という意味だ。

 

そして、口コミの分布は、おおむねこの正規分布に従うことが知られている。

口コミの分布が正規分布に従うことの直観的な説明

ここで、口コミの分布が正規分布に従うことについて、小学生にも分かるように説明しよう。

正規分布の基本的な特徴

正規分布のもっとも基本的な特徴は、次のようなものだ。

【特徴1】平均的なものが最大多数である。

これは、先ほど述べたケトレーの「平均人」の考え方であり、正規分布の重要な特徴ともいえる。

 

例えば、ごくごく平均的なカレーライスの口コミを想定しよう。

 

この場合、特徴1は、5点中3点の評価をつける人間がもっとも多いということに相当する。

 

要するに、

一番平均的な意見が

最大多数を占める

のだ。

【特徴2】平均以外にも分布が存在する

これは、口コミの分布でいえば、評価が平均点のみに集中するのではなく、必ず平均点以外の評価をつける人間が存在することに相当する。

 

実際、「たで食う虫も好きずき」ということわざがあるように、世の中にはさまざまな考え方の人間がいる。

 

ごくごく平均的なカレーライスであっても、みんなが全員、5段階評価で3点をつけるのではない。

 

実際には、カレーライスに対して、評価の甘い人間が必ず存在して、

「オレ、普通のカレーが

 好きすぎてつらい!」

という人間もいれば、

「やっぱり

 普通のカレーが

 一番だよね!

 

 これぞ庶民の味

 って感じ!」

といって、普通のカレーライスに4点や5点の高評価をつける人間もいる。

その一方で、重度のカレーオタクや、普通のカレーに食べ飽きた人間の場合、当然のことながら、ごくごく普通のカレーでは到底物足りず、

「また普通のカレーかよ?

 いいかげん食べ飽きた!」

「普通のカレー

 なんて論外だ!」

といって、1点や2点の低評価をつける人間も必ず存在する。 

 

このように、ごくごく平均的なカレーライスの口コミであっても、

平均とは異なる

意見をもった

人間が必ず存在する

というのがノーマルな分布の特徴だ。

 

逆に、100人のレビュアーが100人ともみんな5点の評価をつけていたら、これはノーマルな分布とはいえないだろう。

 

もし、あなたがこのような口コミの分布を見たとき、その口コミが人為的に操作されている可能性を真っ先に疑うべきだ。

【特徴3】平均からかけ離れるほど相対的に数が少なくなる

これは、

極端なものほど

レアになる

というものだ。

 

これも経験則から明らかだろう。

 

例えば、ごくごく平均的なカレーライスの場合、3点をつける人間がもっとも多く、5点や1点など、平均から離れた評価をつける人間がもっとも少なくなる。

 

例えば、普通のカレーライスを

これぞ究極のカレーだ!」

と感動する人間がいたとしても、そんな人間はごく少数派だ。

 

一方、ごくごく普通のカレーライスを

「こんなクソまずい

 カレーを食べる

 くらいなら

 ゴキブリでも

 食ったほうがましだ!」

という人間も存在するかもしれないが、これもやはりレアな存在だ。

【特徴4】平均の左右両側の分布は均等に存在する

これは、平均より上の人も、下の人も同じ程度の人数存在するというものだ。

 

例えば、ごくごく普通のカレーライスについて、平均と比べてカレーが好きな人も、カレーが嫌いな人も同じくらい存在するということに相当する。

 

ここで、注意したいのは、あくまで

「平均的な評価と比べて」

という点だ。

 

仮に、「カレー好きの集団」が口コミをした場合、全体の平均点が高くなるだけで、平均よりも好きな人と平均よりも嫌いな人の分布の割合自体は変わらない。

 

もし、サンプル数が十分であるにもかかわらず、平均点のまわりに均等に分布しないとすれば、

何らかの人為的な

捏造・改竄

おこなわれている

可能性が高いと疑うべきだろう。

 

以上が、口コミがおおむね正規分布に従うことの直観的な説明だ。

正規分布に従わない分布もある

ところで、どのような分布も正規分布に従うわけではなく、人間社会において正規分布に従わない現象も多く知られている。

 

例えば、年収(所得)の分布は、正規分布に従わないことが知られている。

 

実際、年収の分布のグラフを見ると、正規分布とは似ても似つかぬ非対称的な形状を有していることが一目瞭然だ。

(↓)厚生労働省による所得の分布状況を示したヒストグラム。所得金額階級別に世帯数の相対度数分布をみると、「200〜300万円未満」が13.5%と最も割合が多いことがわかる。

出典 http://www.mhlw.go.jp/toukei/saikin/hw/k-tyosa/k-tyosa10/2-2.html

また、所得の分布だけでなく、学業成績の分布や体重の分布なども、正規分布に従わないことが明らかになっている。

 

それゆえ、次のような感想を抱く人も多いかもしれない。

「なーんだ!

 それじゃ

 正規分布って

 何の役にも立たねー

 じゃんw」

いや、結論を出すのはまだ早い。

 

ここで重要なことは、なぜこのような非対称的な偏りが生じるのか、そのメカニズムを理解することだ。

統計分布が非対称的になるメカニズム

対数正規分布とは?

実は、所得の分布のベースになっている分布は、正規分布ではなく、

対数正規分布

に従っていることが明らかになっている。

 

このような非対称的な分布になる主な原因として、所得の分布は、完全にランダムな要因で決定される現象ではなく、

過去の所得の分布が

乗数的に累積されるため

とされている。

 

これは、分かりやすくいえば、

所得の多い人間ほど

将来高い所得を得やすい

または、

所得の少ない人間ほど

将来高い所得を得にくい

という現象によるものだ。

 

実際、ブログ「小人さんの妄想」において、

「収入が5%ずつアップする」

という

過去の所得に累積して

将来の収入が決定される

収入モデル

を想定して、年収の分布をシミュレーションしたところ、年収の分布が左右対称的な分布から非対称的な対数正規分布に近づいていくことが明らかにされている。

 

これは、収入が多ければ多いほど、将来の収入の上げ幅が大きくなるため、左側の裾野が長くなり、非対称的な分布になるためだ。

べき分布(パレート分布)とは?

一方、所得の分布は完全に対数正規分布に従っているわけでもない。

 

実際には、高収入の層ほど

べき分布

パレート分布

に従っていることが明らかにされている。

(↓)イタリアの技師にして経済学者、社会学者、哲学者のヴィルフレド・パレート(1848〜1923)。有名なパレートの法則を提唱した。

「べき分布」とは、

相似形をなす

階層構造において

一般的に見られる分布

だ。

 

このような相似的な階層構造は

フラクタル構造

と呼ばれ、自然界に多く見られる構造だ。

(↓)フラクタル構造の一例。構造のどの部分を抜き出しても、全体と相似形になる自己相似形を有するのがフラクタル構造の特徴だ。海岸線や山の形、枝分かれした樹木の形、血管の分岐構造や腸の内壁など、フラクタル構造は自然界に多く見られる構造だ。

収入を例にすると、どのような階層の集団を比較しても、

上位の階層が

下位の階層よりも

常に同じ割合で

多くの収入を

得ることができる

という不平等な富の配分があるとき、所得の分布は「べき分布」に従うことになる。

 

例えば、上位2割の階層にいる人間は、下位8割の階層にいる人間とまったく同じ収入ではなく、下位8割の階層にいる人間から余分なマージンを搾取できるという

ゼネコン的な収入構造

非対称的なべき分布

を生み出す

のだ。

学業成績も非対称的な分布に従う

また、学業成績も非対称的な分布に従うことが知られている。

 

これは、学業成績が、下の例のような

過去の成績の

乗数的な累積

の影響を受けるためだ。

・東大出身の親は教育熱心

 ↓

・真面目な親の多大な影響を受けた子供もたくさん本を読み、名門私立小学校を受験して合格する可能性が高まる

 ↓

・名門私立小学校で優秀なクラスメートと切磋琢磨して、名門中高一貫進学校に合格できる可能性が高まる

 ↓

・東大に合格する可能性が高まる

また、貧乏人の子供よりも常に有利な立場で教育を受けられるという、

階層間の不平等な

格差構造

も非対称的な分布を生み出す原因として知られている。

・東大出身の親は、低学歴の貧乏人よりも多くの収入がある

 ↓

・親の豊富な資金力で小さい頃から名門学習塾に通い、貧乏人の子供よりも多くの知識を身につける可能性が高まる

 ↓

・名門中高一貫進学校のレベルのカリキュラムを受け、優れた教師に出会い、貧乏人の子供よりもレベルの高い教育を積極的に受けられる可能性が高まる

 ↓

・東大に合格する可能性が高まる

統計分布において非対称的な分布が生じる2つの要因

以上の考察から、統計分布において、非対称的な分布が生じる主な要因は、次のとおりだ。

非対称的な分布が生じる要因

1.過去の分布が乗数的に累積される

  ↓

 対数正規分布

2.階層間の不平等な格差

  ↓

 べき分布

口コミの分布は正規分布に従うか?

以上、前置きが長くなったが、口コミの分布についていえば、サンプル数が十分にあれば、おおむね正規分布に従う。

 

なぜなら、口コミにおいて、過去のレビューの乗数的な累積の影響やレビュアーが属する階層の不平等な格差の影響は考えにくいからだ。

 

例えば、ある店に5点の評価をつけた人が、次の店を評価する際に、過去の店の評価が累積的に乗算されるというのは、現実的に考えにくい。

 

また、階層間の不平等な格差、すなわち、5点の評価をつける人が、1点の評価をつける人よりもレビューのウエートが大きくなるということもありえない。

「食べログ」の口コミの分布の検証例

口コミの分布が正規分布に従うかどうか検証するために、実際に「食べログ」の口コミのサンプルをもとに作成したヒストグラムに正規分布曲線を当てはめてみよう。

 

下の例を見れば分かるように、

口コミの分布に

正規分布曲線が

見事にフィットする

ことがわかる。

(↓)下の例は、「食べログ」東京都ランキングでもトップクラスの評価を有するM店の口コミの分布だ。このように、口コミの分布は平均点を中心にした対称的な分布に従うことがわかる。ちなみに、このときのサンプル数は160だ。

サンプル数は十分か?

ここで、次のような疑問を抱く人も多いかもしれない。

「ちょっと待て!

 口コミのサンプル数が

 160って少なくないか?

 

 そんな少ないサンプル数で

 正規分布を再現できる

 のかよ?」

だが、この点は心配無用だ。

 

なぜなら、統計学的には、店の顧客の母集団の人数が10万人以上の規模であったとしても、100のサンプルを集めることができれば、10%の許容誤差で信頼性の高いデータが得られるのだ。

 

それゆえ、100サンプルというのは、一見少ないように見えても、統計学的に見ると、決して信頼性の低い数字ではない。

また、実際に「食べログ」のさまざまな口コミの分布をフィッティングしてみたところ、口コミ件数が100件以上で正規分布曲線の良好なフィッティング結果が得られた

(↓)こちらは、イタリアンレストランV店の口コミの分布。こちらも、132件のサンプル数で平均点付近を中心に対称的で偏りのない良好な分布が得られた。

(↓)こちらは、寿司店Sの口コミ分布。こちらも、131件のサンプル数で平均点付近を中心に対称的で偏りのない良好な分布が得られた。

(↓)こちらは、バーS店の口コミ分布。こちらは、100件のサンプル数で平均点付近を中心に対称的で偏りのない良好な分布が得られた。

それゆえ、上のフィッティング例からも明らかなように、口コミの分布において、

100サンプルあれば

正規分布の再現には

十分である

といえるだろう。

「食べログ」の口コミの改竄を数学的に検証する

ところで、上の議論において、「食べログ」の口コミの分布が正規分布曲線で見事にフィッティングできることを示した。

 

この結果を見て、あなたは次のように思うかもしれない。

「なんだ?

 

 『食べログ』の

 口コミの分布って

 正規分布に

 なっているのか?

 

 それじゃ、どこにも

 改ざんの痕跡なんて

 ないよね?」

だが、結論を出すのはまだ早い。

 

なぜなら、上でフィッティングした口コミの分布はどれも、

中央値が4.0点以上

の口コミばかりだからだ。

 

実際、上で検証した店舗はいずれも、中央値が4.0点以上の超優良店舗であり、低評価のレビューはあってもごくわずかだ。

 

だから、これら優良店舗にとっては、そもそもレビューを改ざんする動機がない。

 

レビューの改ざんを望むのは、むしろ低評価レビューに悩む店舗だ。

 

よく考えてみてほしい。

 

冒頭であげた「食べログ3.8問題」は、3.6点以下の低評価に悩む店主に対し、

年会費を支払ったら

3.8以上の点数に

してやる

というものだった。

 

これは逆に考えると、平均点が3.6点以下の低評価の店舗ほど、食べログの提案を受けてレビューの改ざんをする可能性が高いということだ。

レビューの平均点をあげる方法

ここで、レビューの平均点をあげるにはどうすればいいだろうか?

 

これには、以下の2つの方法がある。

平均点を3.8以上にあげる方法

1.4点以上の高評価のレビューをどんどん追加(捏造)する

2.3点以下の低評価のレビューをどんどん削除する

高評価のレビューを捏造する1の方法は、Amazonの中華業者のレビューに多く見られ、最高評価の5点にレビューが突出した不自然な分布になることが多い。

 

一方、2番目の方法、すなわち、3点以下の低評価のレビューを削除しても、全体として平均点をあげることができる。

 

そして、冒頭であげた例はいずれも「食べログ」側の圧力によって低評価のレビューが削除されたという報告だ。

 

これから、「食べログ」は、高評価レビューを捏造するAmazonとは違い、2の

低評価レビューを

削除することによって

平均点を3.8以上に上げる

手法を採用している可能性が高いことがわかる。

 

「食べログ」が年会費と引き換えに、低評価の口コミを積極的に削除することで、平均点の低い店舗の評価を意図的に上げているとすれば、もともとの評価の低い店舗ほど、

改ざんの痕跡が

口コミの分布に

顕著に現れる

はずだ。

中央値の点数が低いのに、平均点が3.8以上の店舗のレビューが一番怪しい

ここで、一般に、正規分布は、山型のピークが中央値であり、かつ、平均値でもあることが知られている。

 

ところが、低評価レビューを削除して平均点を改ざんした分布は、中央値と平均値が一致しない

 

それゆえ、中央値(山型のピーク)が3.0点付近と低いにもかかわらず、平均点が3.8点以上ある店舗のレビューが怪しいということになる。

 

だから、そのような店舗のレビューを調べてみるといい。

 

というわけで、中央値と平均点との間に大きなズレがある「食べログ」の口コミを重点的に検証してみた。

(↓)とある某店Xの口コミの分布。平均点が3.0点付近にまでシフトしたところ、どういうわけか、2.0点台の低評価の口コミが極端に少なくなった。ちなみに、この口コミのサンプル数は158件だ。

(↓)とある某店Yの口コミの分布。こちらも3.0点以上の評価と比べて、2.0点台の低評価の口コミが極端に少ない。ちなみに、この口コミのサンプル数は99件だ。

(↓)とある某店Zの口コミの分布。こちらも3.0点以上の評価と比べて、2.0点台の低評価の口コミが極端に少ない。ちなみに、この口コミのサンプル数は、なんと400件以上もある。

統計学的には、400件もサンプル数があれば十分な精度を確保できるにもかかわらず、なぜか正規分布に従わないのだ。

(↓)とある某店Wの口コミの分布。こちらも3.0点以上の評価と比べて、2.0点台の低評価の口コミが極端に少ない。

ちなみに、この口コミのサンプル数も250件以上もあるにもかかわらず、なぜか正規分布に従わない

 

ここまで明確に差がでれば、偶然というより、もはや

異常

というほかないだろう。

「『食べログ』の

 口コミの分布

 なんか不自然で

 おかしくね?」

【考察】低評価の口コミ数が極端に減る理由

ここで、「食べログ」の口コミの分布を数学的に検証した結果をまとめてみよう。

 

口コミの分布に偏りが生じる原因としては、以下の3つの可能性が考えられる。

1.サンプル数が十分ではない。

2.低評価の口コミを書き込む人が少ない

3.何らかの改ざん行為がなされている

1のサンプル数が十分でないという考え方は、一見もっともらしく思われる。

 

だが、もともと中央値が高い口コミでは、

サンプル数が

100程度であっても

平均点を中心とした

対称的な分布が

見事に再現されていた

ことを考慮すれば、1の理由は到底考えにくいといえるだろう。

 

2つ目の可能性は、「食べログ」のユーザーには、

店舗に忖度する

ユーザーが多い

すなわち、

2.0点台以下の

低評価になると

なぜかみんな一斉に

書き込みを自重する

ということだが、これも考えにくいだろう。

 

それゆえ、一番可能性が高いと考えられるのは、3つ目の可能性、すなわち、

低評価の口コミが

人為的な力により

意図的に

削除されている

という可能性だ。

数字は真実を語る

上の検証が嘘だと思うなら、「食べログ」のレビューの数字をもとに、

あなた自身の手で確かめ

あなた自身の頭で考えて

結論を出してほしい

具体的な手法としては、中央値(山型のピーク)が3.0点付近と低評価であるにもかかわらず、平均値が3.8点以上の高評価の店舗のレビューの分布をエクセルで検証してみることをお勧めする。

 

なぜなら、ここで述べた数学的な分析手法は、あなた自身の手でも確認することができるからだ。

数字は真実を語る

どんなに改ざんしようが、どんなに巧妙に証拠の隠滅を図ろうが、

改ざんの結果生じた

不自然な数字の分布を

ごまかすことは

事実上不可能

だ。

 

というわけで、

「数学なんて、

 何の役にも立たねーよ!

 

 だから勉強するだけ

 時間の無駄無駄!」

と思っていた人は、使いようによっては、

数学的な思考は

真実をあばくための

最強のツールになる

ということを頭に留めておいてほしい。

 

すなわち、「アルキメデスの大戦」で主人公が発揮した数学的な論理力は、実際の生活にも大いに役立つのだ!

 

最後に、本記事も「食べログ」またはその運営元である「価格コム」からクレームを受けて消されるかもしれない。

 

なにせ、Amazonにも圧力をかけて証拠隠滅を図るような連中だ。

 

私のような弱小ブログの記事を消すなど、彼らにとって造作もないことだろう。

 

ということで、

本記事が消されて

読めなくなる前に

魚拓をとっておく

ことをお勧めしたい。

 

というわけで、諸君も、数学的な思考を武器にして、この捏造・改ざんの時代を生き抜き、充実したオタクライフを存分に満喫するようにしてほしい!

 

オタクパパより愛を込めて!

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

重度のコミュ障のため、友達ゼロのオタク親父。初音ミクと魔法少女をこよなく愛する。

コメント

コメントする

CAPTCHA


このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください