確率論 on kenji.blog

眠れる森の美女問題：コインの確率は 1/2 か 1/3 か？確率論を分断する難問

Thu, 10 Sep 2026 09:00:00 +0900

1. 奇妙な実験のルール

あなた（眠れる森の美女）は、とある科学実験の被験者として選ばれました。実験は日曜日から水曜日まで行われます。日曜日の夜、あなたは睡眠薬を飲まされて眠りにつきます。

あなたが眠った後、実験者は1枚のフェアなコイン（表と裏が出る確率が完全に1/2のコイン）を投げます。そして、その結果に応じて、あなたを次のようなスケジュールで目覚めさせます。

【コイントスの結果が「表」だった場合】

月曜日に一度だけ起こされ、質問をされます。その後、再び眠らされ、実験終了（水曜日）まで目覚めることはありません。

【コイントスの結果が「裏」だった場合】

月曜日に起こされ、質問をされます。その後、特殊な薬（記憶を消す薬）を飲まされて再び眠りにつきます。
火曜日にもう一度起こされ、同じ質問をされます。その後、再び眠らされ、実験終了（水曜日）となります。

※記憶を消す薬の効果により、あなたは目覚めたとき「今日が何曜日か」「過去に起こされたことがあるか」を一切思い出すことができません。

graph TD Sunday["日曜日：美女が眠る"] --> Toss{"コイントス"} Toss -->|表 (1/2)| Mon_Heads["月曜日：目覚める＋質問
（その後実験終了）"] Toss -->|裏 (1/2)| Mon_Tails["月曜日：目覚める＋質問
（その後記憶消去）"] Mon_Tails --> Tue_Tails["火曜日：目覚める＋質問
（その後実験終了）"] style Toss fill:#ff9999,stroke:#333 style Mon_Heads fill:#aaffaa,stroke:#333 style Mon_Tails fill:#aaffaa,stroke:#333 style Tue_Tails fill:#aaffaa,stroke:#333

さて、月曜日（または火曜日）、あなたは目覚めました。部屋には時計もカレンダーもなく、今日が何曜日かはわかりません。

そこに実験者がやってきて、あなたにこう質問します。 「あなたが今目覚めている状態において、投げられたコインが『表』だった確率はいくつだと思いますか？」

あなたは数学に詳しい美女です。さて、どう答えますか？

2. 激突する2つの派閥：1/2か、1/3か

この問題は1990年代に考案され、2000年に哲学者アダム・エルガによって学術誌に発表されました。コインの確率は自明なように思えますが、実はこの問題をめぐって、世界中の数学者・統計学者・哲学者が**「1/2派（ハーフファー）」と「1/3派（サーダー）」**の2つの陣営に真っ二つに割れ、現在に至るまで激しい論争を繰り広げています。

それぞれの陣営の「完璧な論理」を聞いてみましょう。

「1/2派（ハーフファー）」の主張

「コインはイカサマのないフェアなコインなんだから、表が出る確率は当然 1/2 だ。実験者が私が眠った後に何回私を起こそうが、記憶を消そうが、それはコインの物理的な結果には一切影響を与えない。コインを投げた時点での確率は 1/2 であり、私が目覚めたことで新しい情報（表か裏かを推測するヒント）は何も得られていない。したがって、確率は 1/2 のままである。」

これは、客観的な物理現象と情報の非更新性を重視する、非常に真っ当な意見です。

「1/3派（サーダー）」の主張

「あなたが『目覚めている』という事実そのものが、確率を変える情報なんだ。もしこの実験を100回（100週間）繰り返したとしよう。コインは50回『表』になり、50回『裏』になるはずだ。

表が出た50週は、月曜日に1回だけ目覚める $\rightarrow$ 『表』で目覚める回数は 50回

裏が出た50週は、月曜日と火曜日の2回目覚める $\rightarrow$ 『裏』で目覚める回数は 100回

つまり、あなたが目覚めた瞬間のシチュエーションは、全体で150回あるうち、『表で目覚めたパターン』が50回、『裏で目覚めたパターン』が100回なんだ。だから、今自分が経験している目覚めが『表』である確率は、50 / 150 ＝ 1/3 だ！」

こちらは、「自分が今存在（観測）している」という状況そのものを確率空間の要素として計算に組み込む、「頻度主義」や「人間原理」に基づいた強力な意見です。

3. ベイズの定理で計算してみる

数学的に確率を更新するためのツール「ベイズの定理」を使って、この問題を解き明かそうとする試みもあります。「1/3派」の論理を、条件付き確率の観点から整理してみましょう。

目覚めたときの状態は、次の3つのうちどれかです。

$E_1$：コインが「表」で、今は「月曜日」
$E_2$：コインが「裏」で、今は「月曜日」
$E_3$：コインが「裏」で、今は「火曜日」

「表」が出る確率は $1/2$、「裏」が出る確率は $1/2$ です。しかし、裏の場合は「月曜」と「火曜」が完全に対称（記憶がないので区別できない）であるため、$E_2$ と $E_3$ の起こりやすさは等しいと考えられます。

全体の確率の和は $1$ にならなければならないため、それぞれの目覚めを独立した「事象（観測ポイント）」として等確率で割り当てると、 $P(E_1) = 1/3$ $P(E_2) = 1/3$ $P(E_3) = 1/3$ となります。したがって、「表だった確率（$P(E_1)$）」は $1/3$ になる、という結論です。

一方「1/2派」は、そもそも「コインが裏のときの月曜と火曜（$E_2$と$E_3$）は、同じ1つのコインの結果から派生しただけの従属事象であり、独立した確率として数え上げるのは間違っている」と反論します。

4. なぜこの問題は解決しないのか？

「眠れる森の美女問題」がこれほどまでに学者たちを悩ませている理由は、単なる計算のミスや錯覚によるものではありません。この問題は、確率論の最も深い根本的な疑問、すなわち**「確率とは一体何なのか？」**という哲学的な問いに触れているからです。

1/2派にとって、確率は「コインの物理的な性質」や「客観的な事実」です。
1/3派にとって、確率は「観測者（美女）の信念の度合い」や「観測される頻度」です。

量子力学における「観測問題」や、宇宙論における「人間原理（私たちが存在しているという事実から宇宙の確率を逆算する考え方）」にも通じる深淵なテーマが、このシンプルなコイントスの実験に凝縮されているのです。

5. まとめ

もしあなたがこの実験の被験者になったら、目覚めたときに「1/2」と答えますか？それとも「1/3」と答えますか？

どちらを答えても、世界トップクラスの数学者があなたの背後について擁護してくれるでしょう。一見単純に見える数学の定義が、いかに人間の「主観」や「存在」という厄介な概念と結びついた途端に崩れ去ってしまうか。パラドックスは今日も、私たちの常識を揺さぶり続けています。

サンクトペテルブルクのパラドックス：期待値が「無限大」のギャンブルに、あなたはいくら払う？

Thu, 10 Sep 2026 05:00:00 +0900

1. 期待値が「無限大」の夢のギャンブル

あなたがカジノを歩いていると、ディーラーから次のような新しいコイントス・ゲームに誘われました。

【ゲームのルール】

参加費を払ってゲームをスタートします。
コインを投げます。表が出たら賞金が2倍になり、もう一度投げることができます。
裏が出た時点でゲーム終了。その時点まで積み上がった賞金がもらえます。

最初の賞金は2ドルからスタートします。

1回目に裏が出たら、2ドルもらって終了。
1回目表、2回目に裏が出たら、4ドルもらって終了。
1回目表、2回目表、3回目に裏が出たら、8ドルもらって終了。
…以降、表が出続ける限り賞金は 16ドル、32ドル、64ドル…と倍々に増えていきます。

graph TD Start["ゲーム開始"] --> Toss1{"1回目のコイントス"} Toss1 -->|裏 (1/2)| End1["終了：2ドル獲得"] Toss1 -->|表 (1/2)| Toss2{"2回目のコイントス"} Toss2 -->|裏 (1/2)| End2["終了：4ドル獲得"] Toss2 -->|表 (1/2)| Toss3{"3回目のコイントス"} Toss3 -->|裏 (1/2)| End3["終了：8ドル獲得"] Toss3 -->|表 (1/2)| Toss4{"..."} Toss4 -.->|連続すればするほど| Infinite["賞金は無限に倍増！"]

さて、ここであなたに質問です。 このゲームの参加費が「1万ドル（約150万円）」だとしたら、あなたは参加しますか？

おそらく、ほとんどの人は「参加しない」と答えるでしょう。なぜなら、半分の確率で最初のトスで裏が出てしまい、たった2ドルしかもらえず、大損をしてしまうからです。

しかし、数学の確率論（期待値）に忠実に計算すると、驚くべき事実が判明します。数学的には、参加費が1万ドルだろうが1億円だろうが、全財産を借金してでもこのゲームに参加すべきなのです。

一体なぜでしょうか？

2. 期待値を計算してみよう

ギャンブルが「得か損か」を判断するための数学的な指標に**「期待値」**があります。期待値とは、「そのゲームを何度も繰り返したとき、1回あたり平均してどれくらい儲かるか」を表す数値です。計算式は 「（もらえる賞金）×（その確率）」をすべて足し合わせたもの になります。

今回のゲームの期待値を計算してみましょう。

1回目で裏が出る確率： $\frac{1}{2}$ 賞金は $2$ ドル。期待値への寄与＝ $2 \times \frac{1}{2} = 1$ ドル
2回目で裏が出る確率： 表・裏と出るので $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ 賞金は $4$ ドル。期待値への寄与＝ $4 \times \frac{1}{4} = 1$ ドル
3回目で裏が出る確率： 表・表・裏と出るので $(\frac{1}{2})^3 = \frac{1}{8}$ 賞金は $8$ ドル。期待値への寄与＝ $8 \times \frac{1}{8} = 1$ ドル
$n$回目で裏が出る確率： $(\frac{1}{2})^n$ 賞金は $2^n$ ドル。期待値への寄与＝ $2^n \times (\frac{1}{2})^n = 1$ ドル

つまり、何回目で終わったとしても、そのパターンの期待値は**常に「1ドル」**になるのです。ゲームは無限に続く可能性があるため、この期待値をすべて足し合わせると次のようになります。

$$ \text{総期待値} = 1 + 1 + 1 + 1 + \dots = \infty \text{（無限大）} $$

数学が弾き出した答えは**「このゲームの期待値は無限大である」**でした。期待値が無限大である以上、参加費がいくら高くても、理屈の上では絶対に「得なギャンブル」だということになります。

これが、1713年にニコラウス・ベルヌーイによって提起された**「サンクトペテルブルクのパラドックス」**です。数学の正しい計算結果（無限大の価値がある）と、人間の現実的な感覚（数ドルしか払いたくない）が、激しく矛盾しているのです。

3. 数学と人間のズレを解決する「効用」の発見

このパラドックスを解決したのは、ニコラウスのいとこである天才数学者ダニエル・ベルヌーイでした。（彼がサンクトペテルブルクの科学アカデミーでこの論文を発表したため、この名がついています。）

ダニエルは、人間の心理に踏み込みました。彼は、**「人間は、お金の『絶対的な金額』ではなく、お金がもたらす『満足度（効用）』で物事を判断している」**と考えたのです。

これを**「限界効用逓減（ていげん）の法則」**と呼びます。

お金の価値は、持っている量によって下がる

例えば、あなたが砂漠で喉がカラカラのとき、1杯目の水は「1万円払ってでも飲みたい」ほどの価値（満足度）があります。しかし、2杯目、3杯目と飲むにつれて、1杯の水の価値はどんどん下がっていきます。10杯目にもなれば「もうタダでもいらない」となるでしょう。

お金もこれと同じです。

貯金ゼロの人がもらう「100万円」は、人生を救うほどの莫大な価値があります。
しかし、資産100億円のイーロン・マスクがもらう「100万円」は、道端に落ちている1円玉程度の価値（満足度）しかありません。

つまり、賞金が 2ドル $\rightarrow$ 4ドル $\rightarrow$ 8ドル $\rightarrow$ 16ドル… と無限に増えていっても、人間が感じる「嬉しさ（効用）」は、金額に比例して無限には増えないのです。

4. 「効用」を使って期待値を計算し直す

ダニエル・ベルヌーイは、「人間が感じるお金の価値（効用）は、金額の対数（$\log$）に比例する」と仮定しました。

金額を $x$ としたとき、人間が感じる価値（効用） $u(x)$ を対数関数で表してみます（ここでは底を2とする単純なモデルを考えます）。

賞金 $2$ ドルの効用： $\log_2(2) = 1$
賞金 $4$ ドルの効用： $\log_2(4) = 2$
賞金 $8$ ドルの効用： $\log_2(8) = 3$
賞金 $2^n$ ドルの効用： $\log_2(2^n) = n$

金額は倍々に増えていきますが、人間の「嬉しさ」は 1, 2, 3… と少しずつしか増えていきません。この「効用」を使って、再び期待値（期待効用）を計算してみましょう。

$$ \text{期待効用} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

この無限級数の和を計算すると、結果は「無限大」にはならず、「2」に収束します。 効用が「2」である金額を逆算すると、$2^2 = 4$ ドルとなります。

つまり、人間の心理（効用）を組み込んで計算し直すと、**「このゲームの価値は、人間の感覚ではだいたい『4ドル』くらいである」**という、極めて常識的で現実的な答えが導き出されるのです。だからこそ、私たちはこのゲームに1万ドルを払う気にはならないのです。

5. まとめ：経済学の扉を開いたパラドックス

サンクトペテルブルクのパラドックスは、「金額」という客観的な数字と、「人間の満足度」という主観的な価値が一致しないことを数学的に証明した画期的なパラドックスでした。

ダニエル・ベルヌーイが提唱した「効用（Utility）」という概念は、その後200年の時を経て、現代ミクロ経済学や金融工学（ポートフォリオ理論など）の最も重要な基礎となりました。私たちが保険に入ったり、分散投資をしたりする行動も、すべてこの「限界効用逓減（大損する苦しみは、大儲けする喜びよりもはるかに大きい）」という人間の心理メカニズムによって説明することができます。

ただのギャンブルの計算問題が、人間の心を読み解き、経済学という巨大な学問を生み出すきっかけとなったのです。

2つの封筒のパラドックス：無限の期待値が引き起こす論理の崩壊と意思決定の罠

Thu, 10 Sep 2026 00:00:00 +0900

1. 究極の選択：交換すべきか、せざるべきか？

あなたはゲーム番組の最終ステージに立っています。目の前のテーブルには、見た目が全く同じ 2つの封筒（AとB） が置かれています。司会者はこう言いました。

「一方の封筒には、もう一方の封筒の 2倍のお金 が入っています。どちらか1つを選んでください。」

あなたは迷った末に、封筒A を選びました。中身を見ようとしたその時、司会者が悪魔の囁きをします。

「今なら、その封筒Aを、残っている封筒Bと交換してもいいですよ。交換しますか？」

さて、あなたは封筒を交換するべきでしょうか？

2. 期待値計算が導き出す「無限のループ」

ここで、少し数学的な思考を働かせてみましょう。あなたの持っている封筒Aに入っている金額を $X$ 円とします。封筒Bに入っている金額は、ルール上「$X$ 円の半分（$\frac{X}{2}$）」か「$X$ 円の2倍（$2X$）」のどちらかです。それぞれ確率は $\frac{1}{2}$（50%）ずつです。

では、封筒を交換した場合の期待値（見込まれる平均的な金額） を計算してみましょう。

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

驚くべき結果が出ました。封筒を交換するだけで、期待値が元の $X$ 円から $1.25$ 倍（25%アップ）に跳ね上がるのです。「数学的に考えれば、絶対に交換した方が得だ！」という結論になります。

しかし、ここで論理の崩壊が起きます。もしあなたが封筒Bに交換したとします。その直後に、司会者が再び「やっぱりAに戻しますか？」と聞いてきたらどうなるでしょう。全く同じ計算式が成り立ち、今度は「BからAに交換すれば期待値が1.25倍になる」ことになります。

つまり、「AからBへ」「BからAへ」と交換し続けるだけで、理論上の期待値が無限に増え続けてしまうのです。これは明らかに現実と矛盾しています（封筒の中身は最初から確定しており、交換したからといって増えるわけではありません）。

graph TD Start["あなたが封筒Aを選ぶ (中身はX円)"] --> Think["交換した方が得か計算する"] Think --> Case1["封筒Bが半額 (X/2円) : 確率50%"] Think --> Case2["封筒Bが2倍 (2X円) : 確率50%"] Case1 --> Calc["期待値 = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["封筒Bに交換する! (中身はY円)"] SwitchToB --> ThinkAgain["また計算する"] ThinkAgain --> Case3["封筒Aが半額 (Y/2円) : 確率50%"] ThinkAgain --> Case4["封筒Aが2倍 (2Y円) : 確率50%"] Case3 --> Calc2["期待値 = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["また封筒Aに交換する!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

なぜ、一見完璧に見える期待値の計算が、このようなおかしなパラドックスを生み出したのでしょうか？

3. 数学的トリックの解明：変数のすり替え

このパラドックスの罠は、**「確率変数 $X$ の使い方」**にあります。

先ほどの計算式では、封筒Aの金額 $X$ を固定された定数のように扱い、封筒Bが「$\frac{X}{2}$ または $2X$」であると仮定しました。しかし、本来固定されているのは**「2つの封筒に入っている金額の合計」、あるいは「少ない方の金額」**なのです。

少ない方の封筒に入っている金額を $S$ としましょう。すると、多い方の封筒には $2S$ の金額が入っています。ゲームの全シナリオは以下の2パターンしかありません（確率はそれぞれ $\frac{1}{2}$）。

パターン1： あなたが選んだ封筒Aが少ない方 ($S$) で、封筒Bが多い方 ($2S$)
パターン2： あなたが選んだ封筒Aが多い方 ($2S$) で、封筒Bが少ない方 ($S$)

ここで、封筒を**「交換しない場合」と「交換する場合」**の期待値を正しく計算してみます。

交換しない場合の期待値 $E_{stay}$：

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

交換する場合の期待値 $E_{switch}$： パターン1のときは $2S$ を得られ、パターン2のときは $S$ を得られます。

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

見事に期待値は一致しました！最初の間違った計算では、パターン1のときの $X$ (実は $S$) と、パターン2のときの $X$ (実は $2S$) という異なる値を同じ変数 $X$ として扱ってしまったため、「交換すれば期待値が上がる」という幻影が生まれてしまったのです。

pie title "期待値の真実（少ない方の金額をSとした場合）" "交換しない期待値 (1.5S)" : 50 "交換する期待値 (1.5S)" : 50

4. 封筒を開けてしまったらどうなる？

パラドックスはこれで解決したように見えます。しかし、より深い問題が待ち受けています。

もしあなたが、封筒を交換する前に、自分の封筒Aの中身を見てしまったとしたらどうでしょうか？あなたが封筒Aを開けると、そこには 「1万円」 が入っていました。

この瞬間、$X = 10000$ という確定した値になります。封筒Bには、「5,000円」か「20,000円」のどちらかが入っています。ここで最初の計算式を当てはめるとどうなるでしょう。

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

期待値は12,500円。現状の10,000円よりも確実に高いです。しかも、今回は $X$ が10,000円という「具体的な定数」になっているため、先ほどの「変数のすり替え」の反論が通用しません。これなら、絶対に交換した方が得なのでしょうか？

ベイズ推定による反証：「事前分布」の欠落

数学者たちはこれに対し、**「金額の事前分布（事前確率）」**という概念を持ち出しました。 5,000円と20,000円が、本当にそれぞれ $\frac{1}{2}$ の確率で入っていると言えるのか？という疑問です。

たとえば、番組の予算が最大1億円だとします。もしあなたが封筒Aを開けて「6,000万円」が入っていたら、封筒Bに「1億2,000万円」が入っている確率はゼロです（予算オーバーだからです）。つまり、封筒Aの金額が大きくなればなるほど、封筒Bが「2倍」である確率は下がり、「半分」である確率が上がるはずなのです。

任意の事前分布 $P(x)$ を想定した場合、ベイズの定理を用いて期待値を計算すると、どのような現実的な（総和が1になる）確率分布であっても、すべての金額 $X$ において「交換した方が得」になるような魔法の分布は存在しないことが数学的に証明されています。

5. 無限の罠：サンクトペテルブルクのパラドックスとの繋がり

唯一、「すべての $X$ において交換した方が得」となるケースが存在します。それは、番組の予算が無限大であり、すべての金額（1円、2円、4円、8円……無限）が均等に出現するような「非正則な確率分布（総和が無限大になる分布）」を仮定した場合だけです。

しかし、現実世界には無限の資産を持つテレビ局は存在しません。この「無限大の期待値」が引き起こすバグは、サンクトペテルブルクのパラドックス（無限の期待値を持つギャンブルに、人はいくらまで払えるかという問題）と深く根を同じくしています。

6. まとめ：確率と期待値の恐ろしさ

「2つの封筒のパラドックス」は、単純な掛け算と足し算だけで構成されているにもかかわらず、私たちに次のような教訓を与えます。

定義の曖昧さが生むエラー：変数が何を指しているのか（$X$ が常に同じ額を指しているのか）を明確にしないと、論理は簡単に崩壊します。
「情報がない＝確率50%」という錯覚：「わからないから半々だろう」という前提（理由不十分の原則）は、ときに致命的な計算ミスを引き起こします。
無限の取り扱いの難しさ：現実世界に適用できない「無限」の概念を計算式に持ち込むと、常識に反する結果が生まれます。

次に人生で「隣の芝生が青く見え、交換した方が得だ」と思ったときは、このパラドックスを思い出してください。あなたの計算式の中で、変数がすり替わっているだけかもしれません。

バースデイパラドックス：23人いれば50%以上？直感を欺く「組み合わせ」の魔法

Thu, 10 Sep 2026 00:00:00 +0900

1. 直感のテスト：何人集まれば確率は50%を超える？

あるパーティー会場に人々が集まっています。ここで、**「会場の中に、誕生日（月と日）が全く同じ2人組が少なくとも1組存在する確率が50%を超える」**には、最低何人の人が必要だと思いますか？（※うるう年は除外して1年は365日とし、各誕生日は等確率であると仮定します）。

人間の直感は、次のように計算しがちです。「1年は365日もある。365個の枠の中に人をポンポンと入れていって被るのだから、少なくとも180人くらいは必要だろう。少なく見積もっても、50〜60人はいないと確率は半分にならないのでは？」

しかし、数学が導き出す正解は、わずか 「23人」 です。学校の1クラス（約30人〜40人）であれば、同じ誕生日のペアがいる確率は約70%〜89%にも跳ね上がります。50人いれば、その確率は97%に達し、「同じ誕生日の人がいない方が珍しい」状態になります。

なぜ私たちの直感はこれほどまでに現実の確率とズレてしまうのでしょうか？

2. 直感が間違える理由：「私と誰か」と「誰かと誰か」の違い

この問題で直感が間違う最大の理由は、私たちが無意識のうちに**「特定の一人（例えば自分）と同じ誕生日の人がいる確率」**を考えてしまうからです。

あなたが会場に入り、「自分と同じ誕生日の人はいるかな？」と探す場合、23人の中にあなたと同じ誕生日の人がいる確率はたったの 約6.1% しかありません。（この確率が50%を超えるには、実に253人もの人が必要です）。

しかし、バースデイパラドックスが問うているのは「私と誰か」のペアではありません。**「会場にいる全ての人同士のあらゆる組み合わせ（AさんとBさん、BさんとCさん、CさんとAさん…）」**の中で、1組でも一致すれば良いのです。

graph TD subgraph "直感の錯覚：「自分」中心の比較" You["自分"] --- P1["Aさん"] You --- P2["Bさん"] You --- P3["Cさん"] You --- P4["Dさん"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "現実：「全員と全員」の総当たり比較" A["Aさん"] --- B["Bさん"] A --- C["Cさん"] A --- D["Dさん"] B --- C B --- D C --- D end

たった4人のグループでも、「自分」を中心とした比較は3通りですが、全員同士の比較なら6通り（${}_4 C_2 = 6$）存在します。人数が23人に増えると、ペアの組み合わせはなんと 253通り (${}_{23} C_2$) にも爆発的に増加します。 253組ものペアがいれば、その中の1組くらいは「365分の1」の確率を引き当てても不思議ではない気がしてきませんか？

3. 数学による証明：余事象を使った鮮やかな解法

「少なくとも1組が同じ誕生日である確率」を真正面から計算するのは大変です（1組だけ同じ場合、2組同じ場合、3人が同じ誕生日になる場合…など、パターンが多すぎるため）。そこで、確率論の基本テクニックである**「余事象（よじしょう）」**を使います。

余事象とは、「起こらない確率」のことです。つまり、「全員の誕生日がバラバラである（1組も被らない）確率」 を計算し、それを100%（1）から引き算すれば、求めたい確率が出ます。

$$ P(\text{少なくとも2人が同じ}) = 1 - P(\text{全員が違う誕生日}) $$

では、順番に会場に入ってくる人をイメージして計算してみましょう。

1人目：誰とも被る心配はありません。確率は $\frac{365}{365}$ です。
2人目：1人目とは違う誕生日でなければなりません。残りの364日ならセーフです。確率は $\frac{364}{365}$ です。
3人目：前の2人とは違う誕生日でなければなりません。残りの363日ならセーフです。確率は $\frac{363}{365}$ です。

これを $n$ 人目まで掛け合わせると、全員の誕生日がバラバラである確率 $P(n)'$ の一般項が得られます。

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

したがって、求める「少なくとも2人が同じ誕生日である確率 $P(n)$」は次のようになります。

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

この式に人数 $n$ を代入していくと、驚くべきスピードで確率が上昇することが分かります。

$n = 10$ のとき、確率は約 11.7%
$n = 23$ のとき、確率は約 50.7% （ここで50%を超えます！）
$n = 40$ のとき、確率は約 89.1%
$n = 70$ のとき、確率は約 99.9%

pie title "23人集まった時の確率" "同じ誕生日のペアがいる (50.7%)" : 50.7 "全員バラバラ (49.3%)" : 49.3

4. テイラー展開による近似計算

掛け算を23回も手計算するのは大変なので、数学的な近似式を使ってもう少し直感的に理解してみましょう。

指数関数 $e^{-x}$ のテイラー展開を考えます。$x$ が十分に小さいとき、以下の近似が成り立ちます。

$$ e^{-x} \approx 1 - x $$

先ほどの各項 $\left(1 - \frac{k}{365}\right)$ にこれを適用すると、

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

これをすべて掛け合わせる（指数法則により足し算になる）と、

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

1から $n-1$ までの和は $\frac{n(n-1)}{2}$ （つまり、組み合わせの数 ${}_n C_2$）ですから、

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

この式において、確率が 50% ($0.5$) になるときの $n$ を求めます。

$$ 0.5 = e^{-\frac{n(n-1)}{730}} $$

両辺の自然対数をとります（$\ln 0.5 \approx -0.693$）。

$$ -0.693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0.693 \times 730 \approx 505.89 $$

$n^2 \approx 506$ と近似すると、$n = \sqrt{506} \approx 22.49$ 見事に $n \approx 23$ という答えが導き出されました！

5. 日常生活への応用と「ハッシュ衝突」

このパラドックスは単なる宴会のネタではありません。現代のIT社会を支える暗号理論と情報セキュリティにおいて極めて重要な役割を果たしています。

コンピュータシステムでは、パスワードやファイルの同一性を素早く確認するために「ハッシュ関数」という仕組みを使います。ハッシュ関数は、どんなデータを入れても一定の長さのランダムな文字列（ハッシュ値）を返します。しかし、このハッシュ値が偶然同じになってしまう現象を**「ハッシュ衝突（Hash Collision）」**と呼びます。

ハッシュ衝突は、まさにバースデイパラドックスと同じ原理で発生します。「ハッシュ値の種類が天文学的な数だから、衝突なんて滅多に起きないだろう」という人間の直感に反して、攻撃者が大量のデータを無作為に生成して「どれかとどれかが一致する（誕生日が被る）ペア」を見つけることは、想像以上に簡単なのです。

これを**「誕生日攻撃（Birthday Attack）」**と呼びます。セキュリティシステムを設計するエンジニアは、この「直感よりもはるかに早く衝突が起きる」という数学的事実を前提として、ハッシュ値の長さを非常に長く設定し、安全性を担保しています。

6. まとめ：人間の直感の限界

バースデイパラドックスは、「指数関数的な増加」や「組み合わせの爆発」に対する人間の直感がいかに脆弱であるかを示す完璧な例です。

私たちは直線的な（足し算的な）増加には強いですが、ペアの数が $n^2$ のペースで爆発的に増える現象を脳内でシミュレーションすることができません。「365という大きな数字に比べて、23という数字は小さすぎる」という直感の裏で、23人が作り出す**「253通りの見えない糸（ペア）」**が張り巡らされているのです。

次に人が集まる場所に行ったときは、目に見える「人数」だけでなく、その間に無数に存在する「組み合わせの糸」を想像してみてください。世界の見え方が少しだけ数学的に変わるはずです。

モンティ・ホール問題：直感を裏切る確率論の罠とベイズ推定による完全解明

Thu, 10 Sep 2026 00:00:00 +0900

1. 舞台はテレビのクイズ番組：あなたならどうする？

1990年、アメリカのニュース雑誌『Parade』のコラム「Ask Marilyn（マリリンに聞いてみよう）」に、ある読者から次のような質問が寄せられました。

あなたはテレビのゲーム番組の参加者です。目の前に 3つのドア (A, B, C) があります。 1つのドアの後ろには**新車（アタリ）が、残り2つのドアの後ろにはヤギ（ハズレ）**がいます。

あなたはまず、ドアA を選びました。

すると、どのドアに新車があるかを知っている司会者のモンティ・ホールが、残りのドアのうちヤギがいるドアB を開けました。

モンティはあなたにこう言います。「今ならドアCに変更してもいいですよ。どうしますか？」

果たして、あなたはドアを変更するべきでしょうか？

直感的には「残ったドアはAとCの2つ。新車がどちらにあるかは完全にランダムなのだから、当たる確率はどちらも $\frac{1}{2}$（50%）。だから変更しても変更しなくても同じ」と思えます。

しかし、コラムニストのマリリン・ボスサバント（ギネスブックで最も高いIQを持つと認定された人物）は、「変更すべきです。変更すれば当たる確率は2倍になります」 と回答しました。

この回答は全米にセンセーションを巻き起こし、約1万通もの抗議の手紙（そのうち約1000通は数学の博士号を持つ学者から）が殺到しました。「あなたは確率の基本を理解していない」「女性の論理だ」といった辛辣な批判の嵐です。しかし、結論から言えば、マリリンの回答は数学的に完全に正しかったのです。

2. 直感と数学のズレ：Mermaidで見る確率の分岐

なぜ私たちの直感は「$\frac{1}{2}$」だと錯覚してしまうのでしょうか？まずは、ゲームのすべてのパターンを可視化してみましょう。

graph TD Start["ゲーム開始"] --> CarA["新車はドアA (確率1/3)"] Start --> CarB["新車はドアB (確率1/3)"] Start --> CarC["新車はドアC (確率1/3)"] CarA --> PickA1["あなたがドアAを選ぶ"] CarB --> PickA2["あなたがドアAを選ぶ"] CarC --> PickA3["あなたがドアAを選ぶ"] PickA1 --> HostB_or_C["司会者はBかCを開ける"] PickA2 --> HostC["司会者は必ずCを開ける"] PickA3 --> HostB["司会者は必ずBを開ける"] HostB_or_C --> Stay1["変更しない: アタリ!"] HostB_or_C --> Switch1["変更する: ハズレ..."] HostC --> Stay2["変更しない: ハズレ..."] HostC --> Switch2["変更する: アタリ!"] HostB --> Stay3["変更しない: ハズレ..."] HostB --> Switch3["変更する: アタリ!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

あなたが「ドアA」を選んだと仮定した場合、以下の3つのシナリオが等確率（$\frac{1}{3}$）で発生します。

シナリオ1（新車がA）： 司会者はヤギがいるBかCを開ける。ドアを変更するとハズレ。
シナリオ2（新車がB）： 司会者はヤギがいるCしか開けられない。ドアを変更するとアタリ。
シナリオ3（新車がC）： 司会者はヤギがいるBしか開けられない。ドアを変更するとアタリ。

つまり、3回のうち2回（シナリオ2と3）は**「ドアを変更すれば必ず当たる」状態になっているのです。したがって、ドアを変更した場合の勝率は $\frac{2}{3}$ となり、変更しなかった場合の勝率 $\frac{1}{3}$ の2倍**になります。

3. ベイズの定理による厳密な証明

数学的にこの問題を厳密に解くためには、条件付き確率を計算する「ベイズの定理」を用います。

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

ここで、事象を次のように定義します。

$C_A, C_B, C_C$ : それぞれドアA, B, Cに新車がある事象。事前確率は $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
あなたは最初にドアAを選んだとします。
$M_B$ : 司会者がヤギのいるドアBを開ける事象。

私たちが求めたいのは、「司会者がドアBを開けたという条件のもとで、ドアCに新車がある確率」すなわち事後確率 $P(C_C|M_B)$ です。

まず、新車がどこにあるかによって、司会者がドアBを開ける確率 $P(M_B|C_X)$ を考えます。

新車がドアAにある場合 ($C_A$) 司会者はBかCをランダムに開けることができます。
$$ P(M_B|C_A) = \frac{1}{2} $$
新車がドアBにある場合 ($C_B$) 司会者は新車のあるドアを開けられないため、Bを開ける確率はゼロです。
$$ P(M_B|C_B) = 0 $$
新車がドアCにある場合 ($C_C$) 司会者はA（あなたが選んだ）とC（新車がある）を開けられないため、必然的にBを開けるしかありません。
$$ P(M_B|C_C) = 1 $$

次に、司会者がドアBを開ける全確率 $P(M_B)$ を「全確率の定理」から求めます。

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

いよいよベイズの定理を適用して、ドアAとドアCの事後確率を計算します。

ドアA（変更しない場合）に新車がある確率：

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

ドアC（変更する場合）に新車がある確率：

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

数式による証明でも、**「ドアを変更した方が当たる確率が2倍（2/3）になる」**ことが明確に示されました。

4. 認知バイアス：「条件付け」という情報の価値

なぜ多くの天才数学者たちでさえ、この問題を直感的に間違えてしまったのでしょうか。そこには人間の脳に組み込まれた「等確率バイアス」と「情報のアップデートの失敗」があります。

4.1. 等確率バイアス (Equiprobability Bias)

人間は、未知の選択肢が与えられたとき、「残った選択肢の確率は常に均等である」と無意識に割り当ててしまう性質があります。ドアが2つ残っているのを見た瞬間、脳は自動的に「$50\%$ : $50\%$」とラベリングしてしまうのです。

4.2. 司会者の「意図」という情報

直感が間違う最大の理由は、司会者の行動がランダムではないことを見落とす点にあります。もし、司会者が「新車がどこにあるか知らずに、ランダムにドアを開けたら、たまたまヤギだった」というルール（モンティ・フォール問題と呼ばれます）であれば、ドアAとドアCの確率はどちらも $\frac{1}{2}$ になります。

しかし実際のモンティ・ホール問題では、司会者は以下の厳しい制約を受けて行動しています。

参加者が選んだドアは開けられない。
新車がいるドアは開けられない。

この制約により、司会者が「ドアBを開けた」という行為自体が、ドアCに関する巨大な情報を私たちに与えているのです。「私はドアCを開けられなかった（なぜならそこに新車があるからだ）」という無言のメッセージが込められているわけです。

5. 極端な例で直感を矯正する

まだ納得できない場合は、ドアの数を 100万枚 に増やしてみましょう。

あなたは 100万枚のドアの中から、ドア1 を選びました。（当たる確率は $\frac{1}{1,000,000}$）
全てを知っている司会者が、残りの99万9999枚のドアのうち、ヤギがいる 99万9998枚のドアを全て開けて しまいました。
閉まっているのは、あなたが選んだ「ドア1」と、司会者がわざと残した「ドア777,777」だけです。

さて、変更しますか？この場合、あなたが最初に「100万分の1」の奇跡を引き当てていたと信じるなら、変更すべきではありません。しかし、現実的には**「司会者が絶対に開けられなかったたった1つのドア」**に新車がある確率が $\frac{999,999}{1,000,000}$ であることは直感的に理解できるでしょう。

モンティ・ホール問題（3枚のドア）は、単にこの「100万枚のドア」のスケールを小さくしただけの現象なのです。

pie title "ドア変更の効果（100回シミュレーション）" "変更してアタリ (約66.7%)" : 67 "変更せずアタリ (約33.3%)" : 33

6. まとめ：確率論が教えるビジネスと人生の教訓

モンティ・ホール問題は、単なるクイズの枠を超えて、私たちに重要な教訓を教えてくれます。

直感はしばしば間違える：人間の脳は、複雑な条件付き確率を直感的に処理するようには進化していません。重要な意思決定において、直感だけで判断するのは危険です。
新しい情報で確率を更新する（ベイズ更新）：状況が変化し、新しい情報（司会者がどのドアを開けたか等）がもたらされたとき、既存の考えに固執せず、確率や戦略を柔軟にアップデートできるかどうかが成功の鍵となります。

「ドアを変更する」という小さな決断が、あなたの人生の「新車」を手に入れる確率を2倍にするかもしれません。