私たちは日常生活において、選択肢が3つから2つに減れば、成功確率は「3分の1」から「2分の1」に上がると直感的に判断してしまいがちです。
しかし、数学や論理学の世界には、この直感を鮮やかに裏切る「三囚人問題」という有名なパラドックスが存在します。
物語の舞台は、A、B、Cという3人の死刑囚がいる牢獄です。
ある日、監守が「3人のうち1人だけが恩赦で助かり、残りの2人は処刑される」という決定を伝えます。
誰が助かるかは既に決まっており、監守だけがその答えを知っています。
囚人Aは自分が助かるかどうかを知りたいと考えましたが、監守は直接的な答えを拒みました。
そこでAは機転を利かせ、「自分以外のBとCのうち、処刑される1人の名前を教えてくれ」と頼みます。
3人のうち2人は必ず処刑されるのですから、この質問に答えてもAの運命を直接教えたことにはならないと監守は判断しました。
ここで重要な前提条件があります！
もしBが助かる運命なら、監守は必ず「Cが処刑される」と答えます。
逆にCが助かる運命なら、監守は必ず「Bが処刑される」と答えます。
そして、もしA自身が助かる運命であれば、監守はBかCをランダムに（2分の1の確率で）選んで答えるというルールです。
監守は「Bは処刑される」と答えました。
これを聞いたAは、「残ったのは自分とCの2人だけだ。これで自分が助かる確率は2分の1になった！」と喜びます。
しかし、これが大きな落とし穴なのです。
結論から言えば、Aが助かる確率は3分の1のまま変わりません。
一方で、名前を出されなかったCが助かる確率は、驚くべきことに3分の2へと跳ね上がっているのです。
なぜこのような現象が起きるのでしょうか？
これを視覚的に理解するには「面積図」が有効です。
まず全体を3等分し、A、B、Cが助かる確率をそれぞれ3分の1ずつ割り当てます。
次に、監守が「Bは処刑」と答えるケースを絞り込みます。
Cが助かる場合、監守は必ず「Bは処刑」と言わなければなりません。
つまり、Cの3分の1の領域はすべて「Bが処刑」という情報の条件に合致しています。
一方、Aが助かる場合、監守はBかCをランダムに選ぶため、「Bが処刑」と言うのはAの領域の半分、つまり6分の1に過ぎません。
「Bが処刑される」という情報が確定した世界では、残された確率は「Aが助かる6分の1」と「Cが助かる3分の1」の比率になります。
これを整理すると1対2になり、全体の確率はAが3分の1、Cが3分の2となるのです。
この計算を数学的に厳密に証明するのが「ベイズの定理」です。
条件付き確率の公式を用いると、分母に「監守がBが処刑と言うすべての確率」を置き、分子に「Aが助かるかつ監守がBが処刑と言う確率」を置くことで、正確な数値を導き出せます。
なぜAとCで差がついたのでしょうか？
それは、質問の対象が「自分以外の2人」だったからです。
Cは、監守の回答によって「処刑されるリスト」から漏れるという厳しい試練を一度くぐり抜けたと言えます。
その分だけ、相対的な生存確率が高まったのです。
この構造は、有名な「モンティ・ホール問題」と全く同じです。
情報を得たことで選択肢を絞り込める場合、最初に選んでいたものの確率は変わらず、残された選択肢に確率が凝縮されるという性質を持っています。
直感は時に私たちを欺きます。
ビジネスや投資、重要な意思決定の場面でも、新しい情報が入ったときにその情報が「どの範囲に対して有効なのか」を冷静に分析することが、誤った判断を防ぐ唯一の手段となるでしょう。