>>310 補足の補足
＞ ３）明らかに、可算無限数列のしっぽの同値類から、代表→決定番号の大小比較→99/100 を導いてところに大きな問題がある

１）ベイズ推定の考え方（下記）を借用すれば、時枝記事の解法は
　a)100列のある列ｉ番目を選んだとして
　b)なんらかの情報（他の列たちの決定番号の最大値等）により、決定番号の推定値D（有限）が与えられ
　c)D＋1よりしっぽの箱を開けて、同値類を決定し、その代表を選ぶ。代表のD番目の箱の値を、問題の数列のD番目の箱の値と主張する
　というものです
２）この代表がクセモノで、
　代表のD番目の箱の値＝問題の数列のD番目の箱の値 を当たり
　代表のD番目の箱の値≠問題の数列のD番目の箱の値 を外れ
　ということにしますと
３）問題は、決定番号の推定値D（有限）が与えられたときに、当たりの確率がどうかです
　当たりの確率計算のために、決定番号dの分布が問題になります
４）分布の話は、>>258などに書きましたが、当たりの確率＝0です
５）これをいかに数学的に説明するかが、論点です（証明は確率過程論で尽きています）。挟みうち論法も、その一助です

（参考）「ベイズ確率（ベイジアン）の考え方では、A を定数とする必要はなく、上記のような分布に従う確率変数としてよい（客観的に定義できるものではないから、主観確率である）。」
https://ja.wikipedia.org/wiki/%E3%83%99%E3%82%A4%E3%82%BA%E6%8E%A8%E5%AE%9A
ベイズ推定
(抜粋)
ベイズ推定（ベイズすいてい、英: Bayesian inference）とは、ベイズ確率の考え方に基づき、観測事象（観測された事実）から、推定したい事柄（それの起因である原因事象）を、確率的な意味で推論することを指す。

ベイズの定理が基本的な方法論として用いられ、名前の由来となっている。統計学に応用されてベイズ統計学[1]の代表的な方法となっている。

概要
ベイズ確率（ベイジアン）の考え方では、A を定数とする必要はなく、上記のような分布に従う確率変数としてよい（客観的に定義できるものではないから、主観確率である）。

つづく