zoukankan      html  css  js  c++  java
  • Monty Hall Problem

    上电影学院CTIN488的课,老师上课提到了这个问题。看过电影21点或者对概率有研究的朋友应该对这个问题不陌生。

    [问题描述]:

    -    你去参加一个电视节目秀。在你的面前有三扇门,其中一个后面是汽车,另外两个后面是羊。你的目的是猜中汽车,然后就可以开回家。

    -    于是你做出了你的选择,你认为你所认定的门背后是车

    -    这时候主持人打开了另外两扇中的一个门,后面是一只无辜的羊

    -    此时,主持人让你做出选择

     生活的直觉告诉我们,好的,现在一个错误的选项已经排除掉了,羊可能在剩下两扇门中的一扇,所以我选哪一扇门(改或不改变选择)都是50%的[可能性]猜中。

    在说明为什么上面的说法是错误之前,我们先看几个相关的情景。

    情景1:

    在袋子里有两个苹果,一个梨,我手伸进去袋子,掏出一个苹果,然后我把这个苹果吃掉了。这时候我从袋子里面拿一个水果藏在背后,让你猜它是苹果还是梨。

    解释:很显然,袋子里只剩一个苹果,一个梨,你猜下一个摸出来的是二者之一的[概率]都是50%.

     

    情景2:

    你在进行历史考试,你对一个二选一的问题拿不稳,你模糊的记得是历史人物A, 但是你又隐约觉得老师讲过应该是B, 你拿捏不定:选A 可能有50%[把握]答对,自己读了很多课外阅读。对于人物B呢,自己上课一直都特专心, 70%的[把握]自己没记错。

    解释:你有两个选项,基于你对问题的认知,对于结果(答题答对),人们会选自己觉得胜算高的选项,你可能考了100次试都选B, 尽管A也有答对的[可能性]考试时真正投硬币二选一的人,是因为他对两个选项答对的[可能性 | 把握 | 胜算]都认为是一致的,要么知道的太少,要么知道的太多了。

    决策树

    Decision Tree

      |----A

      |     |----选对0.5

      |     \----选错0.5

      \----B

            |----选对0.7

            \----选错0.3

     决策下来还是会选B

    回到之前的问题。主持人问你是否坚持之前的选择。乍看之下,哦,一个错误的选项已经排除掉了,剩下两扇门,一个后面是车,一个后面是羊。所以猜对的[机率]各50%。如果你是这样思考的,那你现在面临的问题不就和情景1中描述的没有两样,真是这样么?

    现在我们把局面重新捋顺一下,你一开始做出了判断,主持人开了一扇门里面是羊,问你如何选择。直观上我们会把这个问题这么建模:选择你之前选的门(“坚持”),还是选另一扇门(“换”),总之其中之一背后是车。但是仔细思考一下,这个问题重新用语言应该描述位:你是否要坚持选择,到底是“坚持还是“换”?这个时候我们就要思考了:

    -    所谓“坚持”和“换”对于‘赢到车’这个事件,你的[把握 | 胜算]一样么?你对这两个选项真的一视同仁?

    -    或者说,“坚持”得到车这个事情发生的[概率], “换”得到车这个事件发生的[概率]是否都是50%呢?

    如果你犹豫了那就对了,因为这个问题本质和情景1完全不一样。更类似于情景2。现在我们就不妨假设我们在考试,我们分析选项,选则对于答对题目(赢得车)更有把握的选项。那就分析一下,假设:

    在坚持下你取得了汽车,你对你自己最初的决断非常自豪, 别人都问你是怎么蒙对的?你说,嗨,命好呗,三选一都中了。[概率]1/3

    在坚持下你打开门发现里面是羊,而车不在你当初认定的门里,也就是另外两扇门的某扇。一共三扇门, 车落在另外两扇中的[概率],2/3

    你换并且取得了汽车,你心有余悸,还好老子即使警醒,要不然一开始选错了。一开始选门选错的[概率]是2/3换言之,车在”另外两扇门中某扇“这一论述正确的[概率]是2/3。你肉眼看到羊的那一刹那,该门是车的[概率]为0,另一扇背后必须是车,也就是说有2/3的[概率]另外那扇之前没选的门后是车。

    你换发现开门还是羊,你说,我靠,老子之前蒙对了,早知道不改了。而蒙对的[概率]1/3。

    所以总结以下就是,如果换,选中车的[概率]是2/3; 如果坚持,选中车的[概率]是1/3 , 决策树表示还是比较清晰的:

    Decision Tree

      |----换

      |     |----选对0.666

      |     \----选错0.333

      \----坚持

            |----选对0.333

            \----选错0.666

    你当然选胜算高的选项。因为就像分析你对情景2你对历史人物的了解一样,你发现他们对于答对题目(赢取车)不是一样的胜算,问题的构造、主持人的行为,对你的选择是提供某种提示hint和启发heuristic的

    进一步讨论下啊,个人认为其实比较诡异,或者值得注意的地方在于:

    1.比如情景2中描述的,你有5成把握是A, 七成把握是B,你选把握高的选项。这里的五成七成,或者说50%, 70%是建立在你对达到某个目的,通过自己两种分析(自己课外阅读,还是老师讲)得到把握度,其和等于120%,是没有什么意义。

       而对于本问题而言,坚持或者换是对立事件,因为车非此即彼,两选择选对的概率之和一定是1,但是,这和“换或坚持都有各50%的概率赢得车“这一论断没有任何干系。


    2. 在生活和数学中概率的意义是不一样的,但说生活经验不足以让我们产生很大的冲突。就好像生活中继承家产和编程中继承属性,我们是区分的开来的;在医学里谈解剖人体,在文学里也要解剖段落,我们也知道其意义不同。生活中的概率指的是有个可能性,数学中的概率指的是有样本空间,有很多试验,统计角度的结果。10个球里面有9白1黑,我摸了100万次,拿到白球89万9983次,我说拿到白球的概率是90%。现在我取出一个球握在手里,让你二选一猜颜色。首先确定,是黑还是白,他们是[对立事件]-非此即彼,非黑即白

    Decision Tree

      |----白

      |     |----选对0.9

      |     \----选错0.1

      \----黑

            |----选对0.1

            \----选错0.9

    你不会说,嘿,它要么白要么黑,各50%吧,随便猜一个。生活常识也告诉你白的可能性大很多。回到这个问题,对于你没选的那个门,你凭什么认为是羊是车各50%概率?

    所谓概率,必然是事件驱动,对于某一个情形的产生而言的。 那么对于这个问题而言,我们的目的,或者我们想看到的事件是“选到车,开回家”。对于这个事件,你选择“坚持”还是“换”有不同概率的达成事件的能力,也就是说你参加了100万次这个节目,我可以保证你至少66万5000次换了另一扇门你都能开回家一辆新车。

    所以这个问题不是二选一,选个门的问题,而是选哪个门拿到车概率大的问题。  

  • 相关阅读:
    Django超级用户
    12.23站立会议
    12.22站立会议
    12.21站立会议
    用户场景分析
    12.20站立会议
    12.19站立会议
    12.18战略会议
    四则运算
    MongoEngine中文文档
  • 原文地址:https://www.cnblogs.com/antai/p/montyHallProblem.html
Copyright © 2011-2022 走看看