Math Problem Statement

見分けのつかない袋が 3 つある. 袋1 には赤玉と白玉が 3 : 1 の割合で,袋2 には 1 : 3 の割合で,袋3 には 1 : 1 で入っている.

1 つの袋を無作為に選び,その中から 1 つ玉を取り出したところ,赤玉だった. その後,取り出した玉を元の袋に戻してよくかき混ぜ,その袋から 1 つ玉を取り出すという作業を 2 回繰り返した. 2 回目も 3 回目も取り出した玉の色は赤だった.

このとき,(1) 2 回目 および (2) 3 回目の玉の取り出し終了時点での 袋1 の事後確率を求めよ.

解答は分数でも少数でもよい. 小数で解答する場合は,小数点以下第3位までを解答すること(第4位以下を四捨五入).

Solution

問題は、条件付き確率を用いて事後確率を求めるものです。特に、取り出した玉の色が「赤」である確率を考慮しながら、袋1から玉を取り出した確率を計算します。

問題を解くための手順は以下のとおりです:

1. 各袋の特徴

  • 袋1:赤玉と白玉が 3 : 1 の割合(赤玉の確率は 34\frac{3}{4}
  • 袋2:赤玉と白玉が 1 : 3 の割合(赤玉の確率は 14\frac{1}{4}
  • 袋3:赤玉と白玉が 1 : 1 の割合(赤玉の確率は 12\frac{1}{2}

2. 事前確率

袋は無作為に選ばれているため、各袋が選ばれる確率は等しく、次のように定義できます: P(袋1)=P(袋2)=P(袋3)=13P(\text{袋1}) = P(\text{袋2}) = P(\text{袋3}) = \frac{1}{3}

3. 赤玉を取り出す条件付き確率

各袋について、玉を取り出したときに「赤玉」が出る確率を以下のように計算します:

  • 袋1から赤玉が出る確率: P(袋1)=34P(\text{赤} | \text{袋1}) = \frac{3}{4}
  • 袋2から赤玉が出る確率: P(袋2)=14P(\text{赤} | \text{袋2}) = \frac{1}{4}
  • 袋3から赤玉が出る確率: P(袋3)=12P(\text{赤} | \text{袋3}) = \frac{1}{2}

4. 1回目の赤玉が出た時点での事後確率

「赤玉が出る」という観測結果のもとで、袋1である確率 P(袋1)P(\text{袋1} | \text{赤}) をベイズの定理を使って求めます。

ベイズの定理によると、 P(袋1)=P(袋1)P(袋1)P()P(\text{袋1} | \text{赤}) = \frac{P(\text{赤} | \text{袋1}) \cdot P(\text{袋1})}{P(\text{赤})} ここで、全体の赤玉が出る確率 P()P(\text{赤}) は次のように計算できます。 P()=P(袋1)P(袋1)+P(袋2)P(袋2)+P(袋3)P(袋3)P(\text{赤}) = P(\text{赤} | \text{袋1}) \cdot P(\text{袋1}) + P(\text{赤} | \text{袋2}) \cdot P(\text{袋2}) + P(\text{赤} | \text{袋3}) \cdot P(\text{袋3}) 具体的に計算すると、 P()=3413+1413+1213=312+112+212=612=12P(\text{赤}) = \frac{3}{4} \cdot \frac{1}{3} + \frac{1}{4} \cdot \frac{1}{3} + \frac{1}{2} \cdot \frac{1}{3} = \frac{3}{12} + \frac{1}{12} + \frac{2}{12} = \frac{6}{12} = \frac{1}{2}

したがって、 P(袋1)=341312=31212=36=12P(\text{袋1} | \text{赤}) = \frac{\frac{3}{4} \cdot \frac{1}{3}}{\frac{1}{2}} = \frac{\frac{3}{12}}{\frac{1}{2}} = \frac{3}{6} = \frac{1}{2}

5. 2回目も赤玉が出た時点での事後確率

2回目も赤玉が出た条件下での袋1である確率 P(袋1,)P(\text{袋1} | \text{赤}, \text{赤}) を同様に計算します。

この場合も、ベイズの定理に従って以下のように求めます: P(袋1,)=P(袋1)P(袋1)P()P(\text{袋1} | \text{赤}, \text{赤}) = \frac{P(\text{赤} | \text{袋1}) \cdot P(\text{袋1} | \text{赤})}{P(\text{赤} | \text{赤})} ただし

Ask a new question for Free

By Image

Drop file here or Click Here to upload

Math Problem Analysis

Mathematical Concepts

Probability
Bayesian Inference
Conditional Probability

Formulas

Bayes' Theorem: P(A|B) = [P(B|A) * P(A)] / P(B)
Total Probability for multiple events: P(B) = Σ P(B|Ai) * P(Ai)

Theorems

Bayes' Theorem

Suitable Grade Level

Undergraduate Probability or Advanced High School