問題番号: No.3225 (しっかりモード)

多腕バンディット問題において、あるスロットル $i$ がこれまでに選ばれた回数が $n_i = 10$ 回であり、その時点での平均報酬が $\bar{X}_i = 0.6$ であったとする。全体試行回数が $t = 100$ 回であるとき、UCB1方策（Upper Confidence Bound 1）における信頼区間の上界を加味したスコア $U_i$ の値として最も適切なものを次の中から選べ。なお、計算には自然対数を使用し、必要に応じて小数点以下第3位を四捨五入すること。