経済学 on kenji.blog

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。

囚人のジレンマ：なぜ私たちは「みんなが損をする」選択をしてしまうのか？

Thu, 10 Sep 2026 03:00:00 +0900

1. 究極の選択：黙秘するか、裏切るか？

あなたは、ある犯罪の容疑で共犯者の友人とともに警察に捕まってしまいました。二人は別々の取調室に入れられ、お互いに連絡を取ることは一切できません。

警察は証拠を完全には固め切れていないため、検察官はあなたと友人にそれぞれ次のような「司法取引」を持ちかけました。

両方が「黙秘（協力）」した場合： 証拠不十分で、二人とも 懲役1年 で済む。
あなたが「自白（裏切り）」して、友人が「黙秘」した場合： 捜査に協力したあなたは 無罪（即時釈放） となるが、友人はすべての罪を被り 懲役10年 になる。（逆も同様）
両方が「自白（裏切り）」した場合： 二人とも罪を認めたため、少しだけ減刑されて二人とも 懲役5年 になる。

さあ、あなたならどうしますか？「黙秘（相手と協力）」しますか？それとも「自白（相手を裏切る）」しますか？

2. 利得表（ペイオフ・マトリックス）による分析

この状況を、ゲーム理論で使われる「利得表」に整理してみましょう。マスの中の数字は、（あなたの懲役年数, 友人の懲役年数）を表しています。マイナスは損失（懲役年数）を意味します。

あなた \ 友人	黙秘する（協調）	自白する（裏切り）
黙秘する（協調）	(-1, -1)	(-10, 0)
自白する（裏切り）	(0, -10)	(-5, -5)

客観的に見れば、二人が取るべき最適な行動は明らかです。 二人とも「黙秘」すれば、合計の刑期はたったの2年（-1と-1）で済みます。 これが全体の利益を最大化する「パレート最適」な状態です。

しかし、あなたが「自分の利益だけを最大化しようとする合理的な人間」である場合、全く別の結論が導き出されます。

3. なぜ「裏切り」が合理的な選択になるのか？

あなたが別室にいる「友人」の行動を予測して、自分の行動を決める思考プロセスを追ってみましょう。

ケース1：友人が「黙秘」すると予測した場合

自分も「黙秘」すれば、懲役1年。
自分が「自白」すれば、無罪（即時釈放）。 $\rightarrow$ 無罪の方が良いので、**「自白（裏切り）」**が最適。

ケース2：友人が「自白」すると予測した場合

自分も「黙秘」すれば、懲役10年。
自分が「自白」すれば、懲役5年。 $\rightarrow$ 懲役5年の方がマシなので、やはり**「自白（裏切り）」**が最適。

お気付きでしょうか。相手がどんな行動を取ろうとも、あなたにとっては「自白（裏切る）」ことの方が常に有利なのです。これをゲーム理論では**「支配戦略」**と呼びます。

友人も全く同じ状況に置かれ、全く同じように合理的に考えるため、友人にとっても「自白」が支配戦略になります。

結果として、合理的に考えた二人は、必ずお互いに「自白（裏切り）」を選択します。その結果、たどり着くのは 二人とも懲役5年（-5, -5） という、全体で見れば最悪に近い結末です。二人で協力（黙秘）していれば懲役1年で済んだのに、個人の合理性を追求した結果、互いに損をしてしまうのです。

graph TD Start["選択の開始"] --> Logic_You["あなたの合理的思考"] Start --> Logic_Friend["友人の合理的思考"] Logic_You -->|相手が黙秘なら自白が得
相手が自白でも自白が得| Betray_You["あなたは自白(裏切り)を選択"] Logic_Friend -->|相手が黙秘なら自白が得
相手が自白でも自白が得| Betray_Friend["友人は自白(裏切り)を選択"] Betray_You --> Result["結果：両者自白 (-5, -5)"] Betray_Friend --> Result Ideal["理想：両者黙秘 (-1, -1)"] -.->|個人の合理性が邪魔をして
たどり着けない| Result style Result fill:#ff9999,stroke:#333,stroke-width:2px style Ideal fill:#99ff99,stroke:#333,stroke-width:2px

この「お互いに相手の行動を予測した結果、お互いに戦略を変える動機がない（これ以上どうしようもない）状態」を、ゲーム理論の大家ジョン・ナッシュの名をとって**「ナッシュ均衡」**と呼びます。

囚人のジレンマの最も恐ろしいポイントは、「パレート最適（全体にとって一番良い結果）」と「ナッシュ均衡（個人の合理性の行き着く先）」が一致しないという点にあります。

4. 日常社会に潜む「囚人のジレンマ」

囚人のジレンマは、単なるクイズではありません。私たちの社会で起きている多くの問題が、この数学モデルで説明できます。

1. 価格競争（値下げ合戦）

2つのライバル企業が、同じような商品を1000円で売っています。両社が1000円をキープ（協調）すれば、両社とも高い利益を得られます。しかし、「相手より少しだけ安くして（裏切り）、客を独占しよう」という誘惑に負け、両社が値下げ合戦を始めます。結果として、商品は500円になり、両社とも利益が出ず苦しむ（両者裏切り）ことになります。

2. 環境問題と温室効果ガス

世界中の国が「CO2排出を削減しよう（協調）」と約束します。これが地球全体にとっての最適解です。しかし、自国だけが「排出制限を無視して工場を稼働させる（裏切り）」ことで、自国の経済だけを急成長させることができます。逆に、他国が裏切ったのに自国だけがルールを守ると、自国だけが経済的に大損をします。結果として、どの国も抜け駆けを恐れて裏切りを選択し、地球環境が破壊されていきます。

3. スポーツのドーピング問題

選手全員がドーピングをしない（協調）のが理想です。しかし、「相手がドーピングしているかもしれない」という疑心暗鬼や、「自分だけドーピングすれば勝てる」という誘惑から、ドーピング（裏切り）を選択してしまいます。結果として、全員が健康を害しながら薬物漬けで戦うという最悪の状況に陥ります。

5. 解決策はあるのか？「しっぺ返し戦略」

一回の取引では「裏切り」が常に合理的な選択になってしまいます。しかし、これが「同じ相手と何度も繰り返されるゲーム（繰り返し囚人のジレンマ）」になると、状況は劇的に変わります。

1980年代、政治学者のロバート・アクセルロッドは、様々な戦略をプログラムしたコンピューター同士を対戦させるトーナメントを行いました。「常に裏切る」「ランダムに裏切る」「相手を許す」など、世界中の学者から集められた複雑な戦略の中で、圧倒的な成績で優勝したのは、最もシンプルな**「しっぺ返し戦略（Tit for Tat）」**でした。

しっぺ返し戦略のルールはたったこれだけです。

最初は必ず「協調」する。
次からは、前回「相手が取った行動」をそのまま真似する。
- 相手が前回協調してくれたら、今回は協調する。
- 相手が前回裏切ってきたら、今回は裏切って報復する。

この戦略が強い理由は、「自分からは絶対に裏切らない（善良さ）」「裏切られたら即座に罰を与える（厳しさ）」「相手が態度を改めたらすぐに許す（寛容さ）」「構造がシンプルで相手に伝わりやすい（明瞭さ）」という4つの特徴を備えているからです。

人間関係や国際社会においても、長期的な関係が前提となっていれば、「しっぺ返し戦略」のように**「基本は協力するが、裏切りにはペナルティを与える」**というルールを共有することで、囚人のジレンマを乗り越え、協力関係を築くことができるのです。

6. まとめ：数学が教える「信頼」の価値

囚人のジレンマは、「人間の利己的な合理性」が、時として社会全体を不幸のどん底に叩き落とすことを数学的に証明しました。「自分だけが得をしたい」あるいは「出し抜かれたくない」という個人の合理性は、最終的に自分自身の首を絞める結果（ナッシュ均衡）を招きます。

しかし同時に、「関係性が長期的に続く」という条件さえあれば、「お互いに信頼して協力すること」が、結果的に自分自身の利益をも最大化する最も合理的な戦略であることも、ゲーム理論は教えてくれています。

あなたが次に「自分だけ少しズルをしようか」と迷ったとき、この囚人のジレンマの利得表を思い出してみてください。目先の利益を追う「合理的な裏切り」は、長期的には最も非合理な選択かもしれないのですから。