混合戦略1.ppt

プレイヤー２の期待利得は、 ２つの戦略が等しい期待利得を与える確率は プレイヤー２の最適反応関数（ハトをとる確率　　）は、 ２人の最適反応関数の図示 １/２ １ １ １/２ プレイヤー２の反応関数 プレイヤー１の反応関数 タカ ハト タカ ２つの純戦略ナッシュ均衡と１つの混合戦略ナッシュ均衡 じゃんけんゲームにおける混合戦略ナッシュ均衡 純戦略ナッシュ均衡は存在しないが、混合戦略ナッシュ均衡は存在する。 グー チョキ パー グー ０，０ １，－１ －１，１ チョキ １，－１ ０，　０ １．－１ パー １，－１ －１，１ ０，　０ じゃんけんゲームにも純粋ナッシュ均衡は存在しない。しかし、混合戦略ナッシュ均衡は存在する グー チョキ パー グー ０，０ １，－１ －１，１ チョキ １，－１ ０，０ １．－１ パー １，－１ －１，１ ０，０ プレイヤー１は、 プレイヤー２は、 という混合戦略をとる。期待値は同じになる 混合戦略ナッシュ均衡は一つであり、 期待値は同じになる ナッシュは次の定理も証明した。 有限ゲームおいて、混合戦略ナッシュ均衡の混合戦略を構成する純戦略は他のプレイヤーの混合戦略に対して最適戦略になっている。なぜなら、混合戦略ナッシュ均衡を構成する純戦略は同じ期待利得を与えるからです。 ナッシュは次の定理も証明した。 戦略の数が有限である有限ゲームおいて、戦略集合を混合戦略まで含めると、この有限ゲームには必ずナッシュ均衡が存在する。 （１）ナッシュ均衡が存在しないゲームが結構ある。たとえば、コイン合わせゲーム。どの戦略の組み合わせにも逸脱のインセンティブがある。 　　　　　プレイヤー２ プレイヤー１ 表を出す 裏を出す 表を出す （１，－１） （－１，１） 裏を出す （－１，１） （１，－１） 混合戦略ナッシュ均衡とは？ じゃんけんゲームにもナッシュ均衡が存在しない。 グー チョキ パー グー ０，０ １，－１ －１，１ チョキ －１，１ ０，０ １．－１ パー １，－１ －１，１ ０，０ 戦略集合の拡張とは？ 　今までは表をだすか、あるいは裏を出すかという２者択一の選択であったが、両方の戦略の混合を考えることができる。たとえば、さいころを振り、出た目によって戦略を決めるような方法もある。ただし、各戦略には自由に確率（あるいは確率分布）を与えることができると考えます。すなわち、表を出す戦略に確率ｐを、裏を出す戦略に確率１－ｐを与えると考えます。たとえば、表を出す戦略に確率１／３（さいころの目が１と２が出たら）で、裏を出す戦略に確率２／３（さいころの目が３，４，５，６が出たら）で採用すると考えます。混合戦略と呼ばれます。 期待値の考え方： 具体例：くじA,B を考える くじA：5％の確率で100 万円，95％の確率でハズレ（0 万円） くじB：20％の確率で8 万円，80％の確率で4 万円 ? これらを比較する方法（の1 つ）として考えられるのが，期待値（確率変数の平均値）を計算する方法である。 期待値の公式 ? 確率的にあらわれる数値，あるいは確率的にあらわれる状態に対して数値を割り当てる関数を，確率変数と呼ぶ。（例：サイコロの目） ? それぞれの確率変数に，それがどれくらいの確率であらわれるかを掛けたものを合計して、 足したものを期待値（平均値）と呼ぶ。 上の具体例の期待値 くじA の期待値：100 万円×0.05＋0 万円×0.95＝5 万円 くじB の期待値：8 万円×0.2＋4 万円×0.8＝4.8 万円 サイコロの目（サイコロの目を賞金額とすれば）の期待値(平均賞金額) 1×1/6＋2×1/6＋???＋6×1/6＝21/6＝3.5 ペナルティキックはキッカーとキーパーの１対１。キーパーはボールの方向を読む。キッカーはキーパーの読みを外そうとする。 　　　　　キッカー キーパー 左 右 左 （１，－１） （－１，１） 右 （－１，１） （１，－１） ペナルティキック（コイン合わせゲームに代えて） キーパーの混合戦略は、 キッカーの混合戦略は、 たとえば、　　　　　　　　　　　　　ならば、キーパーは確率１／２で左に、確率１／２で右に飛ぶ。キッカーは確率１／２で左にけり、確率１／２で右にける。 　　　　　キッカー キーパー 　　左 　　　右 　　左 　　右 ペナルティキック?ゲーム 各セルの確率の積は、そのセルが起きる確率 両プレイヤーが混合戦略を採用する場合は、各プレイヤーは、自らの期待利得を最大にするように、混合戦略を決める。キーパーの期待利得は、 キーパーの期待利得は、 しかし、キーパー