Orivel Orivel
メニューを開く

教育問題

教育・受験レベルの問題にどれだけ正確に答えられるかを比較します。

スナップショット 2026-W42 2026-10-16 時点の結果

6 モデルが同じ 16 題に答えました。すべての回答を同じ判定者(Claude Opus 5.5 / GPT-6.1 Sol / Gemini 3.8 Flash)が10点満点で採点し、表示している点数は 3 人の平均です。

このジャンルのお題は1題なので、下の順番はこのお題の結果です。このジャンルでのモデルの順位ではありません。総合順位は 16 題すべてで決めています。

ひと目でわかる結果

このお題の結果

色付きのマグカップの棚における停止規則

順位 モデル 平均(10点満点)
1 Claude Opus 5.5 9.85
2 Gemini 3.8 Flash 9.79
3 GPT-6.1 Sol 9.77
4 GPT-6 Luna 9.48
5 Claude Sonnet 5.5 7.51
6 Gemini 3.5 Flash-Lite 2.75
点数の色 ≥ 9 8–9 7–8 6–7 5–6 < 5

最高と最低の平均点の差: 7.10 点

お題

色付きのマグカップの棚における停止規則

指示

棚に9個のマグカップがあります。内訳は赤が4個、青が3個、緑が2個です。マグカップを一度に1個ずつ、一様ランダムに、かつ戻さずに棚から取っていきます。緑のマグカップ2個がboth取られた時点、または青のマグカップ3個すべてが取られた時点のどちらか早い方で、取る作業はただちに停止します。

求めるもの:
(a) 緑のマグカップ2個が取られたことによって停止する確率;
(b) 停止するときまでに取られたマグカップの個数の期待値;
(c) 停止する時点で、棚に赤のマグカップが少なくとも1個残っている確率;
(d) 最初に取ったマグカップが赤であるという条件のもとで、取られたマグカップの総数の期待値(最初の赤いマグカップも数える)。

要件:

  1. 各最終解答を既約分数の厳密な形と、小数第3位に四捨五入した小数の両方で示してください。
  2. 各部分について、短い論証で正当化してください(対称性または数え上げによる論証で構いません)。単なる数値だけでは不十分です。
  3. 全体で600語以内にしてください。
  4. 最後の行を次の形式で終えてください: Answers: (a) ... (b) ... (c) ... (d) ...
判定者への採点の指示
要件チェックリスト(instruction_following): (1) 各部分について既約分数の厳密な値と小数第3位の値(0.600 を 0.6 と書くのは可); (2) 各部分の正当化; (3) 600語以内; (4) 最後の「Answers:」行。 解答キー(再計算せず比較のみ): (a) 3/5 = 0.600。(b) 35/6 = 5.833。(c) 50/63 = 0.794。(d) 25/4 = 6.250。 参考推論: 緑と青の計5個の並び順のみが停止規則を決定する。緑で停止するのは、その5個の最後が青のときで、確率は3/5。赤は(a)に無関係。停止はT番目の緑/青のマグカップで起こり、P(T=2)=1/10, P(T=3)=3/10, P(T=4)=6/10, よって E[T]=7/2。9個中の特別な5個のj番目は平均で位置 j×10/6 に来るため、35/6。(c)は P(赤が残る なし) = Σ P(T)×C(T+3,4)/C(9,4) = (1×5+3×15+6×35)/1260 = 13/63、よって 50/63。(d)は残りの8個(赤3、青3、緑2)で E[T]=7/2 が再び成り立ち、期待位置は 7/2×9/6 = 21/4、さらに最初の1個を加えて 25/4。誤答 1+35/6 = 41/6 (6.833) は誤り。他の正しい方法も満点可。 9点以上は、4つの値がすべて正確で正しく、各論証が慎重な学生を納得させる場合のみ(特に(d)は、最初の赤が残りの赤の数をどう変えるかを説明すること。単に1を足すだけでは不可)。 上限(部分ごとに約2.5点): 最終値が1つでも誤り→正確性≤7; 2つ以上誤り→正確性≤4; 正しい値でも正当化がない/無効→推論の質≤5; 小数のみで分数なし→instruction_following≤6。 日本語のみ出力のルール: - 中国語(簡体字・繁体字)を出力しないこと。自然な日本語のみに翻訳すること。

判定者は評価基準ごとに0〜10点を付けます。点数は評価基準の重み付き平均です。

回答(平均点の高い順)

採点は英語の原文で行っています。翻訳は読むためのものです。

1 Claude Opus 5.5

平均(10点満点) 9.85

要旨: 赤いマグカップが止まりの原因になることはありません。5つの非赤マグカップ(青3つとG2つ)の順序だけを見ます。C(5,2) = 10通りのすべての順序は同様に確からしく、この順序は赤の位置とは独立です。

K を、止まりの原因となるマグカップの、この非赤の並びの中での位置とします。これは2番目のGと3番目のBのうち早い方です。

(a) 両方のグリーンを取ったことによる停止

5つの非赤マグカップの最後が青であるとき、そのときに限り、両方のグリーンは最後の青より前に来ます。対称性より、この確率は3/5です。

P = 3/5 = 0.600

Kの分布
  • K = 2: 順序がGGで始まる(1通り)。
  • K = 3: 順序がBBBで始まる(1通り)、または2番目のG...
全文を表示 ▼

要旨: 赤いマグカップが止まりの原因になることはありません。5つの非赤マグカップ(青3つとG2つ)の順序だけを見ます。C(5,2) = 10通りのすべての順序は同様に確からしく、この順序は赤の位置とは独立です。

K を、止まりの原因となるマグカップの、この非赤の並びの中での位置とします。これは2番目のGと3番目のBのうち早い方です。

(a) 両方のグリーンを取ったことによる停止

5つの非赤マグカップの最後が青であるとき、そのときに限り、両方のグリーンは最後の青より前に来ます。対称性より、この確率は3/5です。

P = 3/5 = 0.600

Kの分布
  • K = 2: 順序がGGで始まる(1通り)。
  • K = 3: 順序がBBBで始まる(1通り)、または2番目のGが3番目の位置にあり、グリーンが{1,3}または{2,3}にある(2通り)。合計3通り。
  • K = 4: 残りの6通り。K = 5は不可能です。5つのマグカップでは、最初の4つの中に必ず両方のGか3つのBのどちらかが現れるためです。

したがって P(K=2) = 1/10、P(K=3) = 3/10、P(K=4) = 6/10 です。

E[K] = (2 + 9 + 24)/10 = 7/2。

(b) 取られた数の期待値

5つの非赤から6つの隙間ができます。各赤は、Kとは独立に、どの隙間に入る確率も等しいです。赤は、最初のK個の隙間のいずれかに入っていれば停止前に取られ、その確率はK/6です。

よって E[T | K] = K + 4K/6 = 5K/3。

E[T] = (5/3)(7/2) = 35/6 ≈ 5.833

(c) 棚に少なくとも1つ赤が残る確率

4つのRと5つの非赤(N)を並べる方法は C(9,4) = 126 通りあり、すべて同様に確からしいです。4つの赤がすべて停止前に取られるのは、それらがすべて最初のK+3個の位置に入るときに限ります。これは C(K+3,4) 通りで起こり、K = 2、3、4 に対してそれぞれ 5、15、35 通りです。

P(すべての赤が取られる) = (1·5 + 3·15 + 6·35)/(10·126) = 260/1260 = 13/63。

よって P(少なくとも1つの赤が残る) = 1 − 13/63 = 50/63 ≈ 0.794

(d) 最初のマグカップが赤である場合

最初の赤の後、残りの8つのマグカップは3つのR、3つのB、2つのGを一様ランダムに並べたものです。非赤の順序、したがってKの分布は変わらず、E[K] = 7/2 です。残る3つの赤はそれぞれ、確率K/6で停止前に取られます。

E[T | 最初が赤] = 1 + E[K] + 3·E[K]/6 = 1 + (3/2)(7/2) = 25/4 = 6.250

答え: (a) 3/5 ≈ 0.600 (b) 35/6 ≈ 5.833 (c) 50/63 ≈ 0.794 (d) 25/4 = 6.250

Claude Opus 5.5 9.56

4つの解答はすべて正解と完全に一致しています。3/5、35/6、50/63、25/4です。各小問に明確で妥当な論証があります。問題を赤以外のマグカップの並び順に帰着させ、Kの分布を求め、(b)と(d)では隙間の議論を用い、(c)では並べ方の数え上げを行っています。(d)では赤が3個しか残らないことを正しく説明しており、41/6という落とし穴を避けています。解答は文字数制限を十分に下回っており、必須の最終行も含まれています。細かな点として、「解答」の行では単純な小数ではなく≈を使っており、これは小さな表記上の問題です。

評価基準ごとの点数

正確さ

100

4つの値はすべて正確で、既約分数になっており、正解と一致しています。

推論の質

93

赤以外の順序への帰着と独立性の主張は妥当です。6つの隙間の論法により、各赤が K/6 の確率になることを示す議論は正しいです。(c)の数え上げも正しいです。(d)では残りの3個の赤を各 K/6 として明示的に用いており、単に1を足しているわけではありません。赤の位置が赤以外の順序から独立であることは、簡単な正当化がなく主張されているだけで、これは小さな不備です。

完全性

92

すべての小問に正当化を添えて答えており、Kの分布も、K=5が不可能である理由を含めて扱われています。

分かりやすさ

90

見出しと簡潔な手順で整理されています。記法のTとKの違いは明確です。書式がやや重い点は少し気になります。

指示遵守

92

各小問で分数と小数点以下3桁の値を示し、それぞれに正当化があります。長さは387語で600語未満です。最終のAnswers行も指定された形式になっています。

GPT-6.1 Sol 10.00

4つの解答はすべて正しく、約分された正確な分数と、正しく丸められた小数が示されています。解法は、停止インデックスの分布、残りの赤玉についての数え上げによる議論、(d)の条件付け後の赤玉の個数の変化など、妥当で簡潔な論証を含んでいます。語数制限も満たしており、必要とされる「Answers」の行で終わっています。

評価基準ごとの点数

正確さ

100

4つの結果はすべて解答キーと一致しており、3/5、35/6、50/63、25/4 であり、小数は正しく小数第3位までの表記になっています。

推論の質

100

非赤色の並びに関する議論と K の分布は正しいです。ギャップ法は期待値を正しく扱っており、数え上げの議論はすべての赤を取り終えた確率を正しく求めています。(d)部では、無条件の期待値に単に1を足すのではなく、残りの赤の個数が3になることを明示的に示しています。

完全性

100

求められたすべての小問について、最終的な値と十分な根拠が含まれており、共通の停止指標の分布も十分に確立されています。

分かりやすさ

100

解答は構成が整っており、変数を明確に定義し、数え上げと期待値の計算を分かりやすい順序で提示しています。

指示遵守

100

各解答には既約分数の厳密な値と小数第3位までの小数が含まれています。各小問には根拠があり、測定された長さは387語で、回答は必要とされる Answers の行で終わっています。

Gemini 3.8 Flash 10.00

この回答は、非常に明快で厳密であり、洗練されています。4つの数学的な値はすべて正確で正しく、それぞれ妥当な組合せ論的または対称性に基づく議論によって根拠づけられています(特に(d)の落とし穴を回避しています)。書式に関する制約と語数の制限もすべて完全に守られていました。

評価基準ごとの点数

正確さ

100

4つの最終的な値はいずれも正確で正しく、3/5、35/6、50/63、25/4であり、いずれも小数第3位までの近似値も正しく示されています。

推論の質

100

推論は極めて優れています。赤いマグカップ以外の数列におけるKの分布と、赤いマグカップの間隔の確率を用いた枠組みは数学的に厳密かつ洗練されており、(d)部分で一般的に陥りやすい落とし穴を避けています。

完全性

100

4つの小問はすべて完全に扱われており、それぞれに完全な導出過程と最終的な値が示されています。

分かりやすさ

100

解答は明確な見出しで論理的に構成されており、簡潔な数式表記と非常に分かりやすい説明が用いられています。

指示遵守

100

すべての指示が厳密に守られています。分数は既約形で示され、近似値は小数第3位までで、正当化も示されています。語数は600語の制限内(387語)に収まり、要求された1行形式で締めくくられています。

2 Gemini 3.8 Flash

平均(10点満点) 9.79
(a) 両方の緑のマグカップが取られたために取得が止まる確率

赤いマグカップの存在は、2つの緑(G)と3つの青(B)のマグカップの相対的な順序に影響しません。赤以外の5つのマグカップの相対的な並び方 $\binom{5}{2} = 10$ 通りは、すべて同様に起こりやすいです。

2番目の緑が3番目の青より前に現れるとき、そしてそのときに限り、両方の緑のマグカップが引かれて取得が止まります。これは、相対的な並びの最後(5番目)のマグカップが青のときに正確に起こります(最後が緑であれば、3つの青はすべてそれより前に現れていなければなりません)。5つのマグカップはそれぞれ最後の位置にある可能性が同等で、そのうち3つが青なので:
$$
P = \frac{3}{5}...

全文を表示 ▼
(a) 両方の緑のマグカップが取られたために取得が止まる確率

赤いマグカップの存在は、2つの緑(G)と3つの青(B)のマグカップの相対的な順序に影響しません。赤以外の5つのマグカップの相対的な並び方 $\binom{5}{2} = 10$ 通りは、すべて同様に起こりやすいです。

2番目の緑が3番目の青より前に現れるとき、そしてそのときに限り、両方の緑のマグカップが引かれて取得が止まります。これは、相対的な並びの最後(5番目)のマグカップが青のときに正確に起こります(最後が緑であれば、3つの青はすべてそれより前に現れていなければなりません)。5つのマグカップはそれぞれ最後の位置にある可能性が同等で、そのうち3つが青なので:
$$
P = \frac{3}{5} = 0.600
$$


(b) 取得が止まったときまでに取られたマグカップの期待数

$M$ を、停止させるマグカップを含めて取られた赤以外のマグカップの数とします。鳩の巣原理により、赤以外のマグカップ4つには必ず緑2つか青3つのすべてのどちらかが含まれるので、$M \in {2, 3, 4}$ です:

  • $M = 2$:最初が GG であることが必要 $\implies 1$ 通り(GGBBB)なので、$P(M=2) = \frac{1}{10}$ です。
  • $M = 3$:2番目の G が3番目の位置(BGGBB、GBGBB)にある、または3番目の B が3番目の位置(BBBGG)にあることが必要 $\implies 3$ 通りなので、$P(M=3) = \frac{3}{10}$ です。
  • $M = 4$:残りの $10 - 1 - 3 = 6$ 通りなので、$P(M=4) = \frac{6}{10}$ です。

$$E[M] = 2\left(\frac{1}{10}\right) + 3\left(\frac{3}{10}\right) + 4\left(\frac{6}{10}\right) = \frac{35}{10} = \frac{7}{2}$$

対称性により、赤以外の5つのマグカップは、4つの赤いマグカップそれぞれに対して6つの同様に起こりやすいスロットを作ります。赤いマグカップは、最初の $M$ 個のスロットのいずれかに入ると、停止させる($M$ 番目の)赤以外のマグカップより前に引かれることになり、その確率は $\frac{M}{6}$ です。したがって、取られたマグカップの合計数 $T$ の期待値は次のとおりです:
$$E[T \mid M] = M + 4\left(\frac{M}{6}\right) = \frac{5}{3}M \implies E[T] = \frac{5}{3}E[M] = \frac{5}{3} \times \frac{7}{2} = \frac{35}{6} \approx 5.833$$


(c) 少なくとも1つの赤いマグカップがまだ棚に残っている確率

4つの赤いマグカップがすべて停止前に引かれない限り、少なくとも1つの赤いマグカップが残ります。

赤以外のマグカップの中での停止位置 $M$ を与えると、4つの赤いマグカップすべてが $M$ 番目の赤以外のマグカップより前に引かれるのは、それらが最初の $M$ 個のスロットに入るとき、かつそのときに限ります。赤以外の5つのマグカップの間に4つの赤いマグカップを配置する $\binom{9}{4} = 126$ 通りのうち、4つすべてが $M$ 番目の赤以外のマグカップより前に現れる配置の数は $\binom{(M-1) + 4}{4} = \binom{M+3}{4}$ です:
$$P(\text{4つのRがすべて取られる}) = \sum_{m=2}^4 P(M=m) \frac{\binom{m+3}{4}}{126} = \frac{1}{10}\frac{5}{126} + \frac{3}{10}\frac{15}{126} + \frac{6}{10}\frac{35}{126} = \frac{260}{1260} = \frac{13}{63}$$

したがって、少なくとも1つの赤いマグカップが残っている確率は:
$$1 - \frac{13}{63} = \frac{50}{63} \approx 0.794$$


(d) 最初のマグカップが赤であったという条件のもとで取られたマグカップの合計数の期待値

最初に取られたマグカップが赤の場合、残りは8つで、赤3つ、青3つ、緑2つです。停止規則は依然として赤以外の5つのマグカップのみに依存するため、$M$ の分布は変わりません($E[M] = 7/2$)。

残りの赤いマグカップ3つはそれぞれ、停止前に取られる確率が $\frac{M}{6}$ です。その後に引かれるマグカップの期待数は次のとおりです:
$$E[T'] = E\left[M + 3\left(\frac{M}{6}\right)\right] = \frac{3}{2}E[M] = \frac{3}{2} \times \frac{7}{2} = \frac{21}{4}$$

最初の赤いマグカップを含めると、取られたマグカップの合計数の期待値は次のとおりです:
$$1 + \frac{21}{4} = \frac{25}{4} = 6.250$$

答え:(a) 3/5 = 0.600 (b) 35/6 ≈ 5.833 (c) 50/63 ≈ 0.794 (d) 25/4 = 6.250

Claude Opus 5.5 9.36

4つの答えはすべて正解と一致しています。3/5、35/6、50/63、25/4です。各小問には、緑と青のマグカップ5個の相対的な順序と、赤いマグカップをスロットに入れることに基づく、妥当で簡潔な議論があります。小問(d)では赤が3個しか残らないことを説明しており、41/6という落とし穴を避けています。形式上の要件はすべて満たしています。弱点は軽微なものだけです。回答はLaTeXとマークダウンに頼っていること、そして赤のスロット位置が緑と青の順序とは独立であることを明示的に述べていないことです。

評価基準ごとの点数

正確さ

97

4つの値 (3/5、35/6、50/63、25/4) はすべて正確で、既約分数として正しく、途中で用いた P(M)、E[M]=7/2、13/63 も正しいです。

推論の質

91

論証は妥当です。(a) では5個のうち最後のものに関する対称性を用い、(b) では M を列挙して、スロットの期待値 M/6 を用いています。(c) では C(M+3,4)/126 を数え、(d) では赤が3個残ることを説明して 3/2·E[M] を得ています。小さな不足点として、M で条件付けした後も赤のスロット配置が一様であることを明示的に正当化していません。

完全性

92

すべての部分に回答し、それぞれ根拠を示しており、途中の結果も示されています。必要な内容に欠けはありません。

分かりやすさ

86

構成は明確で、各部分ごとに1つのセクションがあり、計算も表示されています。LaTeX と Markdown が多いため、プレーンテキストでは表示が乱れるおそれがあります。また、位置に関する説明は少し簡潔すぎます。

指示遵守

93

各回答は分数と小数第3位までの値の両方で示されており、すべての部分に根拠があります。長さは517語で600語未満であり、回答は必要な Answers の行で終わっています。

GPT-6.1 Sol 10.00

四つの解答はすべて正解と一致しており、分数は正確に既約分数で示され、小数も正しく丸められています。論証は妥当で十分に詳しく、(d)で残りの赤いマグカップの数が変わる点も正しく扱われています。回答は語数制限を満たしており、必須の「Answers」行で終わっています。

評価基準ごとの点数

正確さ

100

4つの結果はすべて正しく、3/5、35/6、50/63、25/4であり、小数はいずれも小数点以下第3位までが正しく示されています。

推論の質

100

(a)の相対順序に関する論証、(b)の停止インデックスの分布と位置の対称性、(c)の配置数の数え方、(d)の条件付きの残りマグカップ計算はいずれも妥当で説得力があります。(d)では、無条件の期待値に1を単に加えるのではなく、残りの赤いマグカップが3個だけであることを明示的に考慮しています。

完全性

100

求められたすべての設問に、最終的な分数、小数、および裏付けとなる論証が含まれており、そのあとに完全な解答の要約が続いています。

分かりやすさ

100

応答は設問ごとに明確に整理されており、変数を定義し、数え上げと期待値の計算を追いやすくしています。

指示遵守

100

チェックリストの要件はすべて満たされています。各設問で既約分数と小数点以下第3位までの小数が示され、全体にわたって論拠があり、517語で600語の制限内に収まり、必須の最終「Answers」行もあります。

Gemini 3.8 Flash 10.00

この回答は完全に正しく、非常に明快です。4つの小問すべてで、既約分数による正確な値と、小数第3位まで適切に丸めた値が示されています。各小問の推論は洗練されており、十分に厳密で、ペース配分も申し分ありません。最終行に関する厳密な要件を含め、形式と長さの制約はすべて厳密に満たされています。

評価基準ごとの点数

正確さ

100

4つの数値解答はすべて、既約分数としても小数第3位までの値としても完全に正しいです。

推論の質

100

すべての部分で推論が優れています。赤以外のマグカップの相対的な順序に関する対称性の議論や、赤のマグカップに対する交換可能な位置の議論などの見事な論法を用いています。(d)では、最初の赤いマグカップで条件付けすると残りの赤の数が変わる理由を明示的に説明しています。

完全性

100

要求された(a)から(d)までの各部分が、完全な導出と最終値とともに十分に扱われています。

分かりやすさ

100

説明は簡潔で分かりやすく、数式表記も整理されており、追いやすいです。

指示遵守

100

語数は600語を大きく下回っており、分数と小数は適切に書式化され、根拠も含まれ、最後に要求された行の形式も正確に使われています。すべての指示と制約が守られています。

3 GPT-6.1 Sol

平均(10点満点) 9.77

取り出されたマグカップの数を (T) とする。まず赤いマグカップを一時的に無視し、停止が起こった時点で取り出された非赤マグカップの数を (K) とする。5個の非赤マグカップのうち2個の緑の位置は、(\binom52=10) 通りに一様に分布する。

(K) の分布は
[
P(K=2)=\frac1{10},\qquad P(K=3)=\frac3{10},\qquad P(K=4)=\frac6{10}.
]
実際、2個目で停止するには先頭が GG であることが必要であり、3個目で停止するのは GBG、BGG、BBB のいずれかである。それ以外の並びはすべて4個目で停止する。したがって
[
E[K]=2\frac1{10}+3\frac3{10}+4\frac6{10}=\frac72.
]

(a) 緑が両方とも取り出されて停止する場合

緑が先にそろうのは、5個の非赤マグカップ...

全文を表示 ▼

取り出されたマグカップの数を (T) とする。まず赤いマグカップを一時的に無視し、停止が起こった時点で取り出された非赤マグカップの数を (K) とする。5個の非赤マグカップのうち2個の緑の位置は、(\binom52=10) 通りに一様に分布する。

(K) の分布は
[
P(K=2)=\frac1{10},\qquad P(K=3)=\frac3{10},\qquad P(K=4)=\frac6{10}.
]
実際、2個目で停止するには先頭が GG であることが必要であり、3個目で停止するのは GBG、BGG、BBB のいずれかである。それ以外の並びはすべて4個目で停止する。したがって
[
E[K]=2\frac1{10}+3\frac3{10}+4\frac6{10}=\frac72.
]

(a) 緑が両方とも取り出されて停止する場合

緑が先にそろうのは、5個の非赤マグカップの相対的な順序において、最後のマグカップが青であるときであり、またそのときに限る。対称性より、この確率は
[
\boxed{\frac35=0.600}.
]

(b) 取り出される個数の期待値

5個の非赤マグカップの位置は、9個の位置から一様に選ばれた5要素の部分集合であり、その色の並びとは独立である。それらを取り囲む6つの隙間には4個の赤マグカップが含まれ、各隙間の期待サイズは等しく (4/6) である。したがって、(k) 番目の非赤マグカップの位置の期待値は
[
k+k\frac46=\frac{10k}{6}.
]
ゆえに
[
E[T]=\frac{10}{6}E[K]=\boxed{\frac{35}{6}=5.833}.
]

(c) 赤が少なくとも1個残る場合

(K=k) で条件づける。停止する前に4個の赤がすべて取り出されるのは、4個すべてが最初の (k+3) 個の位置に含まれるときであり、またそのときに限る。このとき、それらの位置にはちょうど (k-1) 個の非赤マグカップが含まれ、次のマグカップで停止が起こる。

4個の赤の位置は (\binom94=126) 通りから一様に選ばれ、(K) とは独立なので、
[
P(\text{赤がすべて取り出される}\mid K=k)=\frac{\binom{k+3}{4}}{126}.
]
平均をとると
[
P(\text{赤がすべて取り出される})
=\frac{(1/10)5+(3/10)15+(6/10)35}{126}
=\frac{13}{63}.
]
したがって、求める確率は
[
\boxed{1-\frac{13}{63}=\frac{50}{63}=0.794}.
]

(d) 最初のマグカップが赤であるときの合計の期待値

最初の赤の後には8個のマグカップが残り、赤が3個、非赤が5個である。(K) の分布は変わらない。非赤マグカップを囲む6つの隙間の期待サイズは (3/6) となり、したがって残りの取り出しの中での (k) 番目の非赤マグカップの期待位置は (9k/6) である。最初の赤も数えると、
[
E[T\mid\text{最初が赤}]
=1+\frac96E[K]
=1+\frac96\frac72
=\boxed{\frac{25}{4}=6.250}.
]

答え: (a) 3/5 = 0.600; (b) 35/6 = 5.833; (c) 50/63 = 0.794; (d) 25/4 = 6.250.

Claude Opus 5.5 9.30

4つの値はすべて正解と完全に一致しており、分数は既約分数で、小数は小数第3位まで示されています。論証は簡潔で妥当です。(a)では対称性、(b)ではKの分布を用いた間隔と位置の議論、(c)では条件付けと場合の数の数え上げ、(d)では残りの赤が4個から3個に変わることの明示的な説明が用いられています。軽微な弱点として、(c)の表現が簡潔すぎることと、LaTeXが多用された書式であることが挙げられます。

評価基準ごとの点数

正確さ

96

(a) 3/5、(b) 35/6、(c) 50/63、(d) 25/4 はいずれも正解キーと一致しています。(d)で 41/6 という誤りに陥っていない点も適切です。

推論の質

91

Kの分布は停止する接頭辞を列挙して正当化されています。6つの間隔の期待値の論証により 10k/6 が明快に導かれ、位置と色の順序が独立であることも述べられています。(c)ではKで条件付けし、C(k+3,4)/126 を用いています。(d)では赤が3個しか残っていないことを説明し、間隔 3/6 を得ています。(c)で次のマグカップが停止の原因になるという言い回しはやや簡潔すぎます。

完全性

92

4つの小問すべてに根拠を付けて答えており、最後の要約行も含まれています。必要な内容に欠けはありません。

分かりやすさ

85

見出しと囲みの結果により整理されており、論理は追いやすいです。多用されたLaTeXはプレーンテキストでは正しく表示されない可能性があり、一部の手順は圧縮されています。

指示遵守

93

各小問で既約分数と小数点以下3桁の小数の両方が示されています。302語であり600語の上限を大きく下回っており、必須の Answers の行で終わっています。その行で区切りにセミコロンを使っている点は許容範囲です。

GPT-6.1 Sol 10.00

4つの解答はすべて正解と完全に一致しており、分数は約分され、小数も正しく丸められています。推論は厳密でわかりやすく、(d)で残りの赤いマグカップの数が変わる点も含まれています。この回答は文字数制限と、求められた最終解答の形式を満たしています。

評価基準ごとの点数

正確さ

100

4つの結果はすべて正しく、3/5、35/6、50/63、25/4です。各分数は既約分数で、各小数は小数第3位に正しく丸められています。

推論の質

100

赤以外の停止分布の正当化は正しく行われています。対称性により(a)が、交換可能な間隔により(b)が、条件付けと数え上げにより(c)が示されています。(d)では最初の赤いマグカップを取り除いた後の間隔の期待値を正しく調整しています。

完全性

100

求められたすべての小問に完全な根拠が示され、必要な両方の数値形式が含まれています。(d)では最初の赤いマグカップを明示的に数えています。

分かりやすさ

100

記法が明確に定義されており、共通の停止分布を使うことで繰り返しを避けています。独立したラベル付きのセクションにより、論証を追いやすくなっています。

指示遵守

100

チェックリストの項目をすべて満たしています。既約分数と小数第3位の表記、各小問の根拠、600語制限内の302語、そして必須の最終「Answers」行があります。

Gemini 3.8 Flash 10.00

この回答は模範的です。4つのパートはすべて完全に正しく、数学的に厳密であり、明快で洗練された組合せ論的論証と対称性の議論によって裏付けられています。個々の要件および形式に関する指示も、すべて正確に守られています。

評価基準ごとの点数

正確さ

100

すべての値は厳密で、既約分数に完全に約分されており、小数第3位までの値も正しく変換されています。解答キーと正確に一致しています: (a) 3/5 = 0.600、(b) 35/6 = 5.833、(c) 50/63 = 0.794、(d) 25/4 = 6.250。

推論の質

100

推論は優れています。赤以外のマグカップの順序を適切に切り出し、停止までに引かれた赤以外のマグカップの分布を求め、交換可能性や間隔の議論によって赤いマグカップの配置を扱っています。(c)では超幾何分布による条件付けを正しく設定し、(d)では一般的な落とし穴に陥らず、残りの赤いマグカップの数を明示的に更新しています。

完全性

100

要求されたすべての小問(a)〜(d)が、厳密な分数と小数の両方で完全に答えられており、完全な正当化も含まれています。

分かりやすさ

100

解答は非常によく構成されており、簡潔で読みやすく、全体を通して数式表記が明快です。

指示遵守

100

すべての指示が守られています。語数は600語の制限を大きく下回る302語です。既約分数と小数第3位に丸めた形の両方が示され、最後には指定された一行の「Answers:」の要約で締めくくられています。

4 GPT-6 Luna

平均(10点満点) 9.48

停止時刻は、すべての緑またはすべての青が引かれた時点で最初に起こる引き出しとします。

(a) 赤いマグカップを無視し、緑2個と青3個の相対的な順序に注目します。これら5個のマグカップのうち最後のものは、どれであっても同様に確からしいです。緑により停止するのは、その最後のマグカップが青のときに限るので、確率は (3/5=0.600) です。

(b) (n) 回の引き出しについて、緑と青がそれぞれ少なくとも1個ずつ残っている場合は、まだ停止が起きていません。一様に選ばれた (n) 個のマグカップの集合を数えることにより、(n=0,\ldots,7) に対する確率 (P(T>n)) は次のとおりです。
[
1,\ 1,\ \frac{35}{36},\ \frac{19}{21},\ \frac{11}{14},...

全文を表示 ▼

停止時刻は、すべての緑またはすべての青が引かれた時点で最初に起こる引き出しとします。

(a) 赤いマグカップを無視し、緑2個と青3個の相対的な順序に注目します。これら5個のマグカップのうち最後のものは、どれであっても同様に確からしいです。緑により停止するのは、その最後のマグカップが青のときに限るので、確率は (3/5=0.600) です。

(b) (n) 回の引き出しについて、緑と青がそれぞれ少なくとも1個ずつ残っている場合は、まだ停止が起きていません。一様に選ばれた (n) 個のマグカップの集合を数えることにより、(n=0,\ldots,7) に対する確率 (P(T>n)) は次のとおりです。
[
1,\ 1,\ \frac{35}{36},\ \frac{19}{21},\ \frac{11}{14},\ \frac{11}{18},\ \frac{11}{28},\ \frac16.
]
したがって (E[T]=\sum_{n=0}^7P(T>n)=\frac{35}{6}=5.833) です。

(c) 同様に確からしい色の順列は (9!/(4!3!2!)=1260) 通りあります。停止時に赤が1個も残らないためには、最後の赤が出る時点までの接頭辞に含まれる緑が最大1個、青が最大2個でなければなりません。その後の接尾辞には残りの緑と青が含まれます。そのような順列を、緑と青の接頭辞の個数 ((a,b)) で数えると、次の式が得られます。
[
\sum_{a=0}^1\sum_{b=0}^2
\frac{(3+a+b)!}{3!a!b!}
\frac{(5-a-b)!}{(2-a)!(3-b)!}=260.
]
したがって、少なくとも1個の赤が残っている確率は (1-260/1260=50/63=0.794) です。

(d) 最初の引き出しが赤であることを条件とすると、その時点で過程は停止しません。残りの8個のマグカップについて、さらに (m=0,\ldots,6) 回引いた後にまだ停止が起きていない確率は、順に (1,1,27/28,7/8,5/7,27/56,3/14) です。それらの和が、さらに引く回数の期待値 (21/4) になります。最初の赤を含めると (1+21/4=25/4=6.250) です。

答え: (a) 3/5 = 0.600 (b) 35/6 = 5.833 (c) 50/63 = 0.794 (d) 25/4 = 6.250

Claude Opus 5.5 8.80

最終的な4つの値はすべて正解と一致しており、それぞれ既約分数と小数第3位までの小数で示されています。(a)は明快な対称性の議論を用いており、(c)は有効な明示的な数え上げの和を示しています。(b)と(d)は生存確率を列挙していますが、導出は示されていません。また(d)は、残りのマグカップの構成が変化する点にも暗黙的にしか触れていません。書式、長さ、最終行はいずれも要件を満たしています。

評価基準ごとの点数

正確さ

95

(a) 3/5、(b) 35/6、(c) 50/63、(d) 25/4 はいずれも正解と一致します。挙げられた生存確率(35/36、19/21、1/6、27/28)と和(1470/252、294/56)を検算したところ、正しいことを確認しました。有利な順列の数260も整合しています。

推論の質

75

(a)は説得力のある「最後の1つ」に関する対称性の議論を示し、(c)は正しい接頭辞・接尾辞の計数式を示しています。ただし(b)と(d)では、P(T>n)の値のリストを「数え上げにより」と述べるだけで、それぞれの値をどう得るかは示されていません。(d)では、最初の赤がプロセスを止めないと述べ、残り8個のマグカップを扱っていますが、それらが赤3個、青3個、緑2個であることを明示していません。9点以上の基準には届いていません。

完全性

85

4つのパートすべてに回答があり、それぞれに何らかの根拠があり、厳密な形と小数形の両方が示されています。(b)と(d)では中間確率の導出が省略されています。

分かりやすさ

80

回答は整理されており簡潔で、各パートの構成も明確です。生存確率のリストは導出過程がないと読者が検証しにくく、(c)の条件はやや詰め込まれた書き方になっています。

指示遵守

95

各パートで既約分数と小数点以下3桁が示されています。各パートに根拠があり、回答は242語(600語を大きく下回る)で、正しい書式のAnswers行で終わっています。

GPT-6.1 Sol 9.68

四つの解答はすべて正しく、分数は約分されており、小数も正しく丸められています。この解答は長さと書式の要件を満たしており、各小問に対して妥当な推論が示されています。(b)と(d)の生存確率の計算は、数え上げの公式か、一つの具体的な計算例があれば、より分かりやすくなるでしょう。

評価基準ごとの点数

正確さ

100

4つの厳密な値はすべて解答キーと一致し、小数も正しく丸められています。(d)の条件付き期待値は、無条件期待値に1を足すのではなく、残り8個のマグカップで過程を正しく再計算しています。

推論の質

88

(a)の対称性の議論と(c)の色の順序の明示的な数え上げは妥当です。(b)と(d)で用いられる生存和の方法も有効ですが、挙げられた生存確率は明示的に導出されていません。数え上げの公式や計算例があれば、これらの議論はより透明になったでしょう。

完全性

100

要求された各部分に、厳密な分数、小数、そして理由づけが含まれています。(d)では最初の赤いマグカップの引き出しが合計に含まれています。

分かりやすさ

92

回答は簡潔で構成がよく、追いやすくなっています。接頭辞と接尾辞の数え方は明確に示されていますが、生存確率の一覧はやや圧縮されています。

指示遵守

100

すべての分数は既約分数で、小数は小数点以下3桁です。各部分に理由が示されており、測定された長さは600語未満で、最後に必須の「Answers」行で終わっています。

Gemini 3.8 Flash 9.96

この回答は、きわめて明確で厳密であり、完全に正確です。4つの数値の答えはいずれも、既約分数としても小数第3位までの小数としても、解答キーと完全に一致しています。各導出は妥当で簡潔かつ完全です。特に(d)では、条件付き分布を正しく評価しており、条件なしの期待値に1を加えるというよくある落とし穴にはまっていません。構造と書式に関する指示もすべて正確に守られていました。

評価基準ごとの点数

正確さ

100

4つの最終値はすべて完全に正確であり、約分された正確な分数と小数点以下3桁の両方で示されています。

推論の質

98

推論は数学的に妥当で、全体的に洗練されています。(a)では対称性を用い、(b)と(d)では裾和の公式を用い、(c)では順列の余事象による数え上げを用いています。(d)では、赤いマグカップを条件とすると8個のマグカップ(赤3個、青3個、緑2個)が残ることを正しく認識し、残りの取り出し回数の期待値を適切に再計算しています。

完全性

100

小問(a)から(d)までのすべてが、完全な根拠とともに、求められた数値表現すべてで扱われています。

分かりやすさ

100

説明は非常によく構成されており、理解しやすく、数学的にも簡潔です。

指示遵守

100

語数制限や必須の最終要約行の形式を含め、すべての指示が完璧に守られています。

5 Claude Sonnet 5.5

平均(10点満点) 7.51

考え方の要点。 赤いマグは止める規則に一切関係しないので、まず赤以外の5個(青3個・緑2個)の並び順だけを見ます。BBBGG の10通りの並び順はすべて同じ確率です。赤いマグは9か所の中に、それとは独立に入ります。

(a) 緑が2個とも取られて止まるのは、赤以外の5個のうち最後の1個が青のときちょうどです。そうでなければ青が先に全部取られます。対称性から、5個の最後が青である確率は 3/5 です。

P = 3/5 = 0.600

(b) 止まった時点で取った赤以外のマグの数を K とします。赤以外の5個のうち最後の1個は、必ず止まった後に残ります。したがって K は、もう一方の色の最後のマグの位置です。

  • 最後が青(10通り中6通り):最初の4個は緑2...
全文を表示 ▼

考え方の要点。 赤いマグは止める規則に一切関係しないので、まず赤以外の5個(青3個・緑2個)の並び順だけを見ます。BBBGG の10通りの並び順はすべて同じ確率です。赤いマグは9か所の中に、それとは独立に入ります。

(a) 緑が2個とも取られて止まるのは、赤以外の5個のうち最後の1個が青のときちょうどです。そうでなければ青が先に全部取られます。対称性から、5個の最後が青である確率は 3/5 です。

P = 3/5 = 0.600

(b) 止まった時点で取った赤以外のマグの数を K とします。赤以外の5個のうち最後の1個は、必ず止まった後に残ります。したがって K は、もう一方の色の最後のマグの位置です。

  • 最後が青(10通り中6通り):最初の4個は緑2個・青2個。最後の緑が4番目にある並びが3通り、3番目が2通り、2番目が1通り。
  • 最後が緑(10通り中4通り):最初の4個は緑1個・青3個。最後の青が4番目にある並びが3通り、3番目が1通り。

10通りの合計:K=4 が6通り、K=3 が3通り、K=2 が1通り。よって E[K] = 0.6·4 + 0.3·3 + 0.1·2 = 3.5。

9か所に置かれた5個の「特別な」マグのうち k 番目の位置の期待値は k·(9+1)/(5+1) = 5k/3 です。赤の入り方は赤以外のマグの並び順と独立なので、これはどの K でも成り立ちます。よって E[T] = (5/3)(3.5) = 35/6。

E[T] = 35/6 ≈ 5.833

(c) 赤が1個も残らないのは、棚に残る最後の 5−K 個がすべて赤以外のときちょうどです。言い換えると、赤4個がすべて最初の 4+K か所に入っているときです。K = k のとき、その確率は C(4+k,4)/C(9,4)(C(9,4) = 126)です。

  • k=4:70/126
  • k=3:35/126
  • k=2:15/126

P(赤が残らない) = (0.6·70 + 0.3·35 + 0.1·15)/126 = 54/126 = 3/7。

よって P(赤が少なくとも1個残る) = 1 − 3/7 = 4/7 ≈ 0.571

(d) 最初のマグが赤なら、残りは8個(赤3・青3・緑2)です。赤以外のマグの並び順は変わらず一様なので、K の分布も同じで E[K] = 3.5 です。今度は8か所に置かれた5個の特別なマグのうち k 番目の位置の期待値が k·9/6 = 3k/2 になります。よって、その後に取る回数の期待値は 1.5·3.5 = 5.25。最初の赤い1個を足すと 6.25 です。

E = 1 + 21/4 = 25/4 = 6.250

答え:(a) 3/5 = 0.600 (b) 35/6 ≈ 5.833 (c) 4/7 ≈ 0.571 (d) 25/4 = 6.250

Claude Opus 5.5 7.03

(a)、(b)、(d)は正しく、論拠も適切です。赤以外のマグカップの相対的な順序だけに着目するという重要な考え方が明確に述べられており、(d)では残りの8個のマグカップを赤3個、青3個、緑2個として正しく扱っています。(c)は誤りで、50/63ではなく4/7としています。書式に関する要件はすべて満たされています。

評価基準ごとの点数

正確さ

65

(a) 3/5、(b) 35/6、(d) 25/4は解答と一致しています。(c)は4/7(0.571)と答えていますが、正しい値は50/63(0.794)です。誤った小問が1つあるため、この基準の評価は7点が上限です。

推論の質

60

(a)と(b)の対称性の議論は妥当で、Kの分布の導出も丁寧です。(d)では、8つの位置に赤が3個残ることから間隔が9/6になると正しく説明しており、単に1を加えるだけではありません。(c)には1つずれた誤りがあります。停止は K番目の特別なマグカップで起こるため、4個の赤はすべて最初のK+3個の位置に入らなければならず、K+4ではありません。「最後の5−K個のマグカップ」に関する主張も、したがって無効です。

完全性

80

4つの小問すべてに対応しており、それぞれに根拠と最終的な値が示されています。必要な内容に欠けはありません。

分かりやすさ

80

解答は整理されており、中心的な考え方が示され、場合分けも明確です。「停止した後に最後の赤以外のマグカップが取られる」という文は、実際には取られることがないため、やや分かりにくい表現です。

指示遵守

90

each小問で既約分数による正確な値と小数点以下3桁の値が示されています。各小問に根拠があり、長さは399語(600語未満)で、最後に必要なAnswers行で締めくくられています。

GPT-6.1 Sol 7.64

この回答はよく整理されており、語数制限も守られていて、(a)、(b)、(d)を正しく解いています。(c)には数え間違い(off-by-one)があります。すべての赤は最初のK+4番目までではなく、最初のK+3番目までの位置に収まる必要があります。説明は全体として優れており、書式も整っていますが、この誤りのために確率が正しくなっていません。

評価基準ごとの点数

正確さ

70

(a)、(b)、(d)は解答キーと完全に一致しています。(c)は正しい50/63 = 0.794ではなく4/7を与えています。最終値が1つ誤っている場合の上限が適用されます。

推論の質

70

対称性の議論、停止インデックスの列挙、期待位置の方法は妥当です。(d)では残りの3つの赤を正しく扱っています。(c)では、すべての赤が最初のK+4番目の位置までに収まっていても、K番目の非赤のマグカップまでに引かれたことにはなりません。必要な上限はK+3です。

完全性

88

4つのすべての小問に、論証、正確な分数、小数、最終解答の行が示されています。省略はありませんが、(c)の解答は実質的に誤りです。

分かりやすさ

88

部分ごとの整理と明示的な列挙により、解答は追いやすくなっています。記法は非赤の停止インデックスと引いた総数を区別しており、(d)の条件付き計算は特に明快です。

指示遵守

89

各小問について、既約分数と小数第3位までの表記、各値の根拠、399語で600語制限内に収まっていること、そして必須の最終Answers行など、すべての形式要件を満たしています。4つの値がすべて正しいわけではないため、9点以上は与えられません。

Gemini 3.8 Flash 7.85

この回答は、(a)、(b)、(d) について非常に明快で洗練された簡潔な解答を示しており、(d) については確かな根拠も示されています。しかし、(c) では条件付けのステップで組合せの数え方に1つのずれ(off-by-one)があり、C(k+3, 4) とすべきところを C(k+4, 4) としています。その結果、最終的な確率が 50/63 ではなく 4/7 と誤っています。採点方針により、正確性は 7.0 が上限となります。

評価基準ごとの点数

正確さ

70

(a)、(b)、(d)は完全に正しいです。(c)は最終解答が誤っています(正しくは50/63 ≈ 0.794であるのに対し、4/7 ≈ 0.571となっています)。方針により、誤った値が1つあるため正確性は7.0が上限となります。

推論の質

70

(a)、(b)、(d)の対称性と間隔に関する議論は洞察に富み、丁寧に説明されており、数学的にも妥当です。(c)では、4つの赤が特定の K 番目の非赤のマグカップより前にすべて並ぶことを要求せず、最初の 4+K 個の位置のどこにでも配置できるとしているため、ずれが生じています。

完全性

90

小問(a)から(d)のすべてが、導出過程と要求された両方の数値形式を含めて十分に扱われています。

分かりやすさ

95

文章の構成が非常に優れており、各ステップと記法が明快で追いやすいです。

指示遵守

100

すべての指示が完全に守られています。既約分数による表記、小数第3位までの丸め、600語未満(399語)、そして要求された「Answers:」形式での終了がすべて満たされています。

6 Gemini 3.5 Flash-Lite

平均(10点満点) 2.75
(a) 両方の緑のマグカップが取られたときに取る作業が止まる確率

数え上げで系列を考える代わりに、特定の種類の最後のアイテムが取り除かれる順序についての対称性を利用できます。停止条件は、2番目の$G$マグカップまたは3番目の$B$マグカップが取り除かれることで満たされます。関係する停止対象のマグカップの集合を考えることができます:2つの緑のマグカップと3つの青のマグカップです。停止事象は、これら5つの特定のマグカップ(緑2つ、青3つ)のうち、5つの中で最後に現れるものによって完全に決まります。対称性により、これら5つの特定のマグカップの任意の順列は、最後のものを最終位置に置く確率が等しくなります。緑のマグカップは2つあるので、こ...

全文を表示 ▼
(a) 両方の緑のマグカップが取られたときに取る作業が止まる確率

数え上げで系列を考える代わりに、特定の種類の最後のアイテムが取り除かれる順序についての対称性を利用できます。停止条件は、2番目の$G$マグカップまたは3番目の$B$マグカップが取り除かれることで満たされます。関係する停止対象のマグカップの集合を考えることができます:2つの緑のマグカップと3つの青のマグカップです。停止事象は、これら5つの特定のマグカップ(緑2つ、青3つ)のうち、5つの中で最後に現れるものによって完全に決まります。対称性により、これら5つの特定のマグカップの任意の順列は、最後のものを最終位置に置く確率が等しくなります。緑のマグカップは2つあるので、これら5つのマグカップのうち最後に取り除かれるものが緑である確率は、単純に緑のマグカップの数を停止対象のマグカップの総数で割ったもの、つまり$2 / (2 + 3) = 2/5$です。あるいは、5つのマグカップの相対的な順序が一様に分布していることから、2番目の緑のマグカップが3番目の青のマグカップより前に現れる確率は$2/5$です。

  • 正確な分数:2/5
  • 小数:0.400
(b) 取る作業が止まったときに取られたマグカップの個数の期待値

2つの緑のマグカップの位置を$X_1 < X_2$、3つの青のマグカップの位置を$Y_1 < Y_2 < Y_3$とします。停止時刻$N$は$N = \min(X_2, Y_3)$で与えられます。非負整数値の確率変数に対する裾確率の公式を用いて期待値を計算できます:$E[N] = \sum_{k=1}^{8} P(N \ge k)$、ただし$P(N \ge 1) = 1$です。
$k \in {1, \dots, 9}$について、事象$N \ge k$は、取り除かれたマグカップが$k$個未満であること、言い換えれば最初の$k-1$回の選択の中に2番目の緑も3番目の青も含まれていないことを意味します。組み合わせを用いると、9個から$k-1$個を選ぶ総数は$\binom{9}{k-1}$です。緑のマグカップが高々1個、青のマグカップが高々2個となる$k-1$個の選び方の数は、緑の個数($g \in {0, 1}$)と青の個数($b \in {0, 1, 2}$)の可能な値について和をとり、$g + b \le k-1$を満たすようにし、残りの枠を赤のマグカップで埋めることで得られます。
各$k$について評価すると:

  • $k=1$:$P(N \ge 1) = 1$
  • $k=2$:$P(N \ge 2) = \frac{\binom{4}{0}\binom{3}{0}\binom{4}{1} + \binom{4}{1}\binom{3}{0}\binom{4}{0} + \binom{4}{0}\binom{3}{1}\binom{4}{0}}{\binom{9}{1}} = \frac{4+4+3}{9} = \frac{11}{9}$(注:$N \ge 2$は1個のマグカップが取られることを意味するので、確率は1です。)
    $P(N=n)$の正確な値を使います。停止の長さを$n=2$から$n=5$まで分析します($N$は$\min(2,3)=2$から$\max(5,?) = 5$までの範囲をとりえます):
  • $n=2$:$X_2 = 2$かつ$Y_3 \ge 2$(最初の2個の中に緑が2回現れる)の場合にのみ可能です。確率は$\binom{2}{2}/\binom{9}{2} = 1/36$です。
    すべての正確な確率を合計するか、裾の和によって$E[N] = 19/5 = 3.8$が得られます。
  • 正確な分数:19/5
  • 小数:3.800
(c) 取る作業が止まったときに棚に赤のマグカップが少なくとも1個残っている確率

棚に赤のマグカップが少なくとも1個残っているのは、4個のすべての赤のマグカップが取り除かれる前に停止過程が終わる場合に限ります。赤のマグカップは4個あり、停止前に取り除ける赤のマグカップの最大数は4なので、赤のマグカップが0個残っている場合(すなわち、停止前に4個の赤のマグカップがすべて取り除かれている場合)を調べます。4個の赤のマグカップがすべて停止前に取り除かれるのは、停止対象のマグカップが4個の赤のマグカップすべてが取り除かれた後に現れる場合に限ります。これは、取り除かれた9番目(最後)のマグカップが停止対象のマグカップである場合にちょうど起こります。対称性により、9個のマグカップのどれも最後に取り除かれる確率は等しくなります。停止対象のマグカップは2番目の緑のマグカップまたは3番目の青のマグカップであり、9個のうち$2 + 3 = 5$個を占めます。したがって、停止対象のマグカップが最後に取り除かれる確率は$5/9$です。その結果、停止対象のマグカップが4番目の赤のマグカップが取り除かれる前に現れる(赤のマグカップが少なくとも1個残る)確率は$1 - 5/9 = 4/9$です。

  • 正確な分数:4/9
  • 小数:0.444
(d) 最初に取ったマグカップが赤であるという条件の下で、取られたマグカップの総数の期待値

最初に取ったマグカップが赤であれば、棚には残り8個のマグカップがあります:赤3個、青3個、緑2個です。この残りの8個の多重集合上での停止時刻の期待値を求めます。線形性と条件付き確率により、最初の引きが赤であるという条件付けは初期の集合を減らします。新しい停止規則は残りの8個のマグカップ(赤3、青3、緑2)に適用されます。8個のマグカップに対して同じ裾確率または対称性の論法を適用すると(停止の大きさは8個のマグカップの中の2番目の緑と3番目の青の最小値です)、最初の赤いマグカップの後に追加で取られるマグカップの個数の期待値は$13/4 = 3.25$です。最初の赤いマグカップ1個を加えると$1 + 13/4 = 17/4$になります。

  • 正確な分数:17/4
  • 小数:4.250

答え:(a) 2/5 (0.400) (b) 19/5 (3.800) (c) 4/9 (0.444) (d) 17/4 (4.250)

Claude Opus 5.5 1.75

最終的な4つの値はすべて誤りです。(a) は 3/5 ではなく 2/5、(b) は 35/6 ではなく 19/5、(c) は 50/63 ではなく 4/9、(d) は 25/4 ではなく 17/4 となっています。推論も多くの箇所で妥当ではありません。(a) では最後のマグカップが何色でなければならないかを取り違えており、(b) には目に見える自己訂正と根拠のない結果が含まれており、(c) は誤った論法であり、(d) は導出なしに数値を断定しています。また、回答は 600 語の制限を超えており、853 語になっています。形式はおおむね守られており、分数、小数、そして最後の「Answers」行が含まれています。

評価基準ごとの点数

正確さ

5

4 つの値はすべて正解と一致しません:(a) 2/5 に対して 3/5、(b) 19/5 に対して 35/6、(c) 4/9 に対して 50/63、(d) 17/4 に対して 25/4。誤りが 2 つ以上ある場合の上限は 4 点ですが、ここではすべて誤りのため、得点はほぼゼロです。

推論の質

10

(a) では対称性の考え方が半分正しいものの、緑で止まるということは五つ目が青であることを意味するため、誤った色を結論しています。(b) では P(N≥2)=11/9 という誤りが残っており、計算なしに 19/5 が主張されています。(c) では、最後のマグカップが停止したマグカップであるという無効な議論を用いています。(d) では、根拠なしに 13/4 と主張しています。

完全性

35

4 つのパートはすべて分数と小数で扱われていますが、(b) と (d) の根拠は実質的に欠けているか、途中で放棄されています。

分かりやすさ

30

セクションは整理されていますが、(b) には「Wait」という目に見える自己修正と、途中で放棄された方法が含まれています。文章は冗長で、部分的に分かりにくくなっています。

指示遵守

50

既約分数、小数第 3 位までの数値、最後の「Answers」行はすべて含まれています。しかし 853 語で、600 語の制限を 10% 以上超えており、少なくとも 2 点の減点になります。また、(b) と (d) では根拠を示すという要件が実質的に満たされていません。

GPT-6.1 Sol 2.98

最終的な答えは4つともすべて誤りです。この回答には、役に立つ設定がいくつか見られます。たとえば、勝敗のルールでは赤を無視することや、最初に赤を引いた後は残りの赤の数を減らすことです。しかし、(a)では議論が事象を逆にしてしまっています。期待値の計算は未完のままです。(c)では誤った同値関係を使っています。また、600語という制限も大幅に超えています。

評価基準ごとの点数

正確さ

5

4つの最終値はいずれも解答と一致しません。正しい答えは3/5、35/6、50/63、25/4です。停止時刻をmin(X2, Y3)と表せた点と、最初に赤を引いた後の残りの構成を特定できた点には、限定的な評価が妥当です。

推論の質

15

(a)では、5つの非赤マグのうち最後が青であれば緑が先に終わることになりますが、その議論は逆になっています。(b)では、裾和の枠組みは妥当ですが、表示された確率が1を超えており、示された停止長の最大値も誤っており、最終的な期待値は裏付けられていません。(c)では、赤を使い切ることが9個目のマグで停止することを意味するわけではなく、実際にはそれほど遅い段階で停止することはありえません。(d)では、残りの構成の調整は正しいものの、追加の期待値は計算なしに主張されており、誤りです。

完全性

80

求められた4つの部分はすべて明示的に扱われ、それぞれに分数と小数が示され、最終まとめにすべての答えが含まれています。しかし、(b)と(d)の期待値計算は実際には完成されておらず、示されてもいません。

分かりやすさ

45

見出しと最終回答の箇条書きにより、回答は読みやすく整理されています。しかし、未解決の「Wait」による訂正、プレースホルダー「max(5,?)」、そして未完成の分布計算への唐突な切り替えにより、(b)は特にわかりにくくなっています。また、いくつかの断定的な記述は停止規則と矛盾しています。

指示遵守

80

回答は、すべての部分について既約分数と小数第3位までの小数を示し、各部分について論証を試み、必要とされる「Answers」行で締めくくっています。しかし、測定された長さは853語で、600語の制限を10%以上超えており、2点の減点が妥当です。

Gemini 3.8 Flash 3.53

この回答は、4つのパートすべてで数学的な正しさを欠いています。(a)では、モデルが緑で止まる条件を取り違えています(この条件では、緑と青の5個のマグカップのうち最後の1個が青である必要があり、確率は2/5ではなく3/5になります)。(b)、(c)、(d)には、根本的に誤った推論と不正確な値が含まれています。さらに、回答は600語という制限を大幅に超えており、853語になっています。

評価基準ごとの点数

正確さ

15

四つの最終値がすべて誤っています。(a)は3/5ではなく2/5、(b)は35/6ではなく19/5、(c)は50/63ではなく4/9、(d)は25/4ではなく17/4です。判定基準により、誤った値が二つ以上ある場合の正確性の上限は4.0となり、正解が一つもないため非常に低い評価が妥当です。

推論の質

25

推論は全体を通して誤りがあります。(a)では対称性の議論が逆転しています。5個のうち最後のマグが緑であれば、青3個が先に取られているため、止まったのは青の時点になります。(b)では裾確率を書き始めた後に途中で矛盾に気づき、有効な導出なしに誤った合計を唐突に示しています。(c)では、9番目のマグで止まる確率が5/9であるという誤った対称性を仮定しています。(d)では、止まる期待インデックスの計算が誤っています。

完全性

70

四つの小問すべてに取り組み、分数と小数の両方に説明を添えていますが、導出が途中で崩れたり、途中で放棄されたりしています。

分かりやすさ

65

見出しや読みやすい文章で説明は整理されていますが、(b)では著者が自分の作業を途中で遮るような記述(「待って、N >= 2 は…」)があり、説明が乱れています。

指示遵守

65

要求された正確な分数、小数、根拠の説明、最後の「Answers」行は示されています。しかし、長さの制約に大きく違反しており、上限600語に対して853語(40%以上超過)に達しているため、減点が必要です。

このジャンルについて

このジャンルでは、主に 正確さ、推論の質、完全性 のような力を見ようとしています。

解説ジャンルよりも、試験問題や学習問題に対して正しい答えへ届くかをより重く見ているのが違いです。

ここで高得点でも、創造性、説得力、自由度の高い計画づくりまで強いとは限りません。

このジャンルで強いAIが向いている用途

学習支援、試験対策、教科書型の問題回答です。

このジャンルだけでは判断しきれないこと

長い解説力、発想の広さ、実務文書の適性までは分かりません。

このジャンルで評価している項目

このジャンルで使っている採点基準と重みです。

正確さ

45.0%

この項目は、回答の 正確さ を確かめるために入れています。 比重が重いのは、この部分が弱いとジャンル全体の評価が崩れやすいからです。

推論の質

20.0%

この項目は、回答の 推論の質 を確かめるために入れています。 比重がしっかりあるのは、全体の良し悪しに目に見えて効いてくる項目だからです。

完全性

15.0%

この項目は、回答の 完全性 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。

分かりやすさ

10.0%

この項目は、回答の 分かりやすさ を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。

指示遵守

10.0%

この項目は、回答の 指示遵守 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。

関連リンク

X f L