2×2ゲームにおけるナッシュ均衡

八つの利得を入力してください。このツールは、各プレイヤーの最適反応をセルに直接印づけます。二重に印がついたセルが均衡です。その後、ツールは無差別条件を解いて混合戦略均衡を求めます。

インタラクティブシミュレーションを読み込んでいます...

レッスン

理論 — 2×2ゲームにおけるナッシュ均衡

ナッシュ均衡とは、各プレイヤーの戦略の組のうち、誰も単独で行動を変えて得をすることがない状態のことです。これはあくまで単独での変更について述べたものに過ぎません。その結果が優れているとか、公平であるとか、あるいはどちらかのプレイヤーにとって望みうる最善のものであるとは主張していないのです。一方、混合戦略とは、二つの選択肢に対して確率を割り振ることを意味します。この混合戦略による均衡では、各プレイヤーは意図的に自らの行動を予測不能にしますが、それが可能になるのは、ただ一つの正確な頻度を用いた時だけなのです。

各記号の意味

p
行プレイヤーが上の行を選ぶ頻度
q
列プレイヤーが左の列を選ぶ頻度
前提
両プレイヤーが利得行列のすべてを把握し、同時に決断を下し、互いに何の約束も交わすことができない。ここではそう仮定しています。しかしこれらの仮定はどれも緩めることが可能であり、条件を一つ緩めるごとにゲーム理論の別々の分野へと枝分かれしていきます。逐次手番ゲーム、不完備情報ゲーム、そして協力ゲームです。そこでは、まったく同じ八つの数値に対しても、それぞれ異なる答えが導き出されることになります。

自身の確率は自分とは無関係 🖖

ステップ 4 と 5 を見てください。行プレイヤーが上を選ぶ頻度を決める方程式には、列プレイヤーの四つの数字しか含まれていません。そして、列プレイヤーの頻度を決める方程式には、行プレイヤーの数字しかありません。これこそが混合戦略の目的です。相手がどちらの選択肢を好む理由もなくなるように自身の頻度を選ぶため、あなたが解いているのは自分の方程式ではなく相手のものなのです。相手の利得には触れずに、自分自身の利得のいずれかを書き換えてみてください。自分の確率が微動だにしないのが分かるでしょう。あなたの加えた変更によって混合戦略均衡が完全に破壊され、カードになしと表示されるその瞬間までは。罠は、その二つ目の条件に潜んでいます。ペナルティキックの場合、キッカーが得るすべてのポイントはキーパーが失うポイントであるため、二つの行列は連動しています。つまり、真に上達したキッカーは両方の利得を変化させるため、結果として彼自身の確率も動くのです。彼がノーマークでシュートを決める確率を 95 から 99 に上げ、それに合わせてキーパーの 5 を 1 に下げてみましょう。すると彼が上へシュートを打つ確率は 36.4% から 33.9% に変化します。

上達が仇となる場合 🖖

チキンゲームを押し、次にチキン(度胸への報酬)を押してください。一つの数字が変わりました。それは行プレイヤーのものです。避けた相手に対して強気に出た場合の利得が、5 から 12 になりました。行プレイヤー自身の行動は少しも変わりません(依然として 33.3% の確率で避けます)。しかし、彼らの均衡利得は 1.67 から 1.20 へと減少し、28% の下落となります。動いたのは相手のドライバーであり、避ける確率が 33.3% から 10.0% に低下しました。それほど大きな見返りがあるのなら、相手の車が道を譲る可能性が十分の一であっても、直進するだけの価値があります。だからこそ、均衡が許容する譲歩はそれがすべてなのです。以前は 44.4% だったのに対し、現在では両方の車が 60.0% の確率で直進します。瀬戸際戦術に長けていることへの報酬は、より頻繁にブラフを見破ってくる対戦相手、より多くの衝突、そしてより小さな利得です。その一方で、列プレイヤー自身の利得はまったく変化していません。

一つか三つで、決して二つにはならない 🖖

どのプレイヤーも完全に無差別にはならないように八つの利得を設定し、均衡の数を数えてみてください。一つか三つになるはずです。利得が 0 から 3 までの整数である 65,536 個の 2×2ゲームをすべて調べると、一つになるものが 31,968 個、三つになるものが 7,968 個になります。偶数個になるものは 25,600 個ありますが、そのすべてに同点が含まれています。つまりプレイヤーが全く等しく満足する二つの利得があり、四角形の辺全体が最適反応となって、図の中の経路が交差する代わりに重なり合うのです。八つのボックスすべてに 2 を入力すると、その極端な例が見られます。すべてのセルが均衡となり、その数は四つになります。ロバート・ウィルソンは 1971 年に、ほぼすべての有限ゲームが奇数個の均衡を持つことを証明しました。そして図解を見ればその理由は明らかです。四角形の一方の辺からもう一方の辺へと向かう二つの経路は必ず交わり、互いに重なり合わない限り、交わる回数は奇数になります。

全プロセスの詳細解説

  1. 混合戦略は実際に何をもたらすのでしょうか? このツールは均衡における頻度を表示するため、それを相手を搾取するための方法だと解釈してしまいがちですが、そうではありません。二つのゲームのそれぞれについて、列プレイヤーが均衡から完全に離脱したとき、行プレイヤーが何を得るかを計算してみましょう。

    この問題をツールで開く

    1. ペナルティキックを例にとります。左へシュートを打つ確率を p、キーパーが左へ飛ぶ確率を q として、キッカーの期待得点確率をこれら二つの混合確率の関数として書き出します。

    2. q の項をまとめます。キッカーの得点確率は、q に掛けられた括弧のまとまりを通してのみキーパーに依存します。そして、p = 20/55 のとき、その括弧の中身は完全にゼロになります。

    3. したがって、均衡となる混合戦略においては、キーパーが何をしようともキッカーは 79.09% の確率で得点します。毎回左へ飛ぼうが、毎回右へ飛ぼうが、コイントスで決めようが関係ありません。これは一つの保証であり、これこそが彼の得ているものなのです。

    4. では、二つの利得行列が連動していないチキンゲームについて、同じ計算を行ってみましょう。

    5. p = 1/3 のとき、括弧の中身は 0 ではなく 4 になります。行プレイヤーの利得は依然として完全に相手のドライバーに依存しており、相手が絶対に避けない場合は 0.33、必ず避ける場合は 4.33 となります。

    6. その理由は、ペナルティキックが定和ゲームであるためです。キッカーが得るすべてのポイントはキーパーが失うポイントであるため、キーパーを無差別にすることと自分自身の利得を安全に確保することは同じ行為になります。チキンゲームの二つの行列は独立しており、そのセルの合計はそれぞれ 6, 6, 6, 0 となり、二つの目的は切り離されます。

    解答

    定和ゲームにおいて、混合戦略均衡は一つの保証となります。キッカーの 79.09% という数字は、このページを読んだ者も含め、あらゆるキーパーに対して成立します。これがフォン・ノイマンのミニマックス定理であり、プロサッカー選手が研究対象となった理由でもあります。イグナシオ・パラシオス=ウエルタはリーグ戦のペナルティキックから得点確率を推定し、そこから導かれるミニマックス頻度を計算した結果、選手たちが実際にそれを使用しているという仮説を棄却できませんでした。一方、チキンゲームにそのような保証はありません。1/3 の混合戦略をとる行プレイヤーは、自分のコントロールできない相手のドライバー次第で 0.33 から 4.33 までの利得を得ることになります。そして 1.67 という数字は、単に相手のドライバーも自分自身の役割を果たした場合に得られるものに過ぎません。定和ゲームであることは保証を得るための十分条件ですが、必須条件ではありません。行プレイヤーの利得を 4, 0, 0, 4 に、列プレイヤーの利得を 7, 2, 3, 8 に設定してみてください。セルの合計は 11, 2, 3, 12 となりますが、それでも列プレイヤーが何をしようと、行プレイヤーの利得はきっちり 2.00 に固定されます。この保証が真に求めているのは、相手を無差別にする混合確率が、あなたに対する相手の影響を打ち消す混合確率と一致していることなのです。そして、定和ゲームはこの二つを必然的に一致させます。

学習の道すじ

最適反応、そして誰も計算しないときに起こること

参考文献 (3)