蒙特霍尔问题(选择三扇门后的车与羊)及其贝叶斯定理数学解释

news2024/12/17 10:48:12

1. 蒙特霍尔问题

有一个美国电视游戏节目叫做“Let’s Make a Deal”,游戏中参赛者将面对3扇关闭的门,其中一扇门背后有一辆汽车,另外两扇门后是山羊,参赛者如果能猜中哪一扇门后是汽车,就可以得到它。

通常,当参赛者选定了一扇门时,节目的主持人蒙特霍尔(Monty Hall)会打开剩余两扇门中的一扇(主持人知道门后是什么),让你看到门后的山羊,此时会询问参赛者是否换门,大部分参赛者认为这时关闭的两扇门中奖的概率是一样的,即都是1/2,通常他们不会改变他们第一次的选择。您是否觉得两个问题几乎一样呢?

在这里插入图片描述
网上说法很多,我们以标准版:主持人事先知道答案,会打开一扇你没选择的门,且其背后一定是羊为条件,其他情况不在此过多的扩展。如下图所示剩下两个门供你选择。
在这里插入图片描述

序号参赛者初选再选择换门结果
1有车门有羊门失败
2有羊门A有车门获胜
3有羊门B有车门获胜

参赛者最初选择时有1/3的相同概率选择汽车、羊A和羊B,再选择转换后的获胜概率为2/3。

2. 数学解释

蒙特霍尔问题的数学证明可以通过贝叶斯定理来完成。我们可以先了解一些定义。

2.1. 贝叶斯定理

2.1.1. 独立事件概率

我们设定事件 A A A的概率为 P ( A ) P(A) P(A),事件 B B B的概率是 P ( B ) P(B) P(B),且事件 A A A和事件 B B B是相互独立的。
则事件 A A A和事件 B B B同时发生的概率,满足如下公式:
P ( A B ) = P ( B A ) = P ( A ) P ( B ) P(AB)=P(BA)=P(A)P(B) P(AB)=P(BA)=P(A)P(B)

2.1.2. 条件概率

条件概率是在某种条件下,某个事件发生的概率,展示了事件之间的内在联系和影响。
我们来看两种条件概率的简单表述。

1.事件 A A A发生之后,事件 B B B发生的概率,可以记做 P ( B ∣ A ) P(B|A) P(BA),此时满足公式:
P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\frac{P(AB)}{P(A)} P(BA)=P(A)P(AB),即 A A A B B B 同时发生的概率除以 A A A 发生的概率。
等价于 P ( A B ) = P ( B ∣ A ) P ( A ) P(AB)=P(B|A)P(A) P(AB)=P(BA)P(A)

2.事件 B B B发生之后,事件 A A A发生的概率,可以记做 P ( A ∣ B ) P(A|B) P(AB),此时满足公式:
P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B)=\frac{P(AB)}{P(B)} P(AB)=P(B)P(AB)
等价于 P ( A B ) = P ( A ∣ B ) P ( B ) P(AB)=P(A|B)P(B) P(AB)=P(AB)P(B)

3.综合这两种条件事件,可以得到公式:
P ( A B ) = P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) P(AB)=P(A|B)P(B) = P(B|A)P(A) P(AB)=P(AB)P(B)=P(BA)P(A)

2.1.3. 贝叶斯公式

我们综合计算得到一个公式:
P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) P(A|B)P(B) = P(B|A)P(A) P(AB)P(B)=P(BA)P(A)

这个公式做一个变形可以得到贝叶斯公式:
P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) P(A|B) = \frac{P(B|A)P(A)}{P(B)} P(AB)=P(B)P(BA)P(A)

2.1.4. 先验概率和后验概率

在贝叶斯公式中,还隐含着一些术语:

  • P ( A ) P(A) P(A) A A A的先验概率或边缘概率,它不考虑任何 B B B方面的因素。
  • P ( A ∣ B ) P(A|B) P(AB) B B B发生后 A A A的条件概率,由于得自 B B B的取值被称作 A A A的后验概率。

2.2. 贝叶斯定理解释蒙特霍尔问题

前面我们提到了,关键条件在于主持人选择B门后是无车的,这个事件对于已作出选择的参赛者来说是否有影响呢?后验概率是否产生了影响,我们来推导一下:

  • 设定A、B、C门后有汽车分别记为事件 A A A B B B C C C
    P ( A ) = P ( B ) = P ( C ) = 1 3 P(A)=P(B)=P(C)=\frac{1}{3} P(A)=P(B)=P(C)=31
  • 设定参赛者选择了A门,由于主持人默认需要选择没有汽车的门,因此参赛者的选择影响了主持人的选择。
  • 设定主持人选择了B门且没有汽车,记为事件 D D D
    P ( D ∣ A ) = 1 2 P(D|A)=\frac{1}{2} P(DA)=21(因为如果选手最初选择了A门,主持人可以选择打开B或C,而汽车在B或C的概率相等)
    P ( D ∣ B ) = 0 P(D|B)=0 P(DB)=0(因为主持人不会打开选择的门)
    P ( D ∣ C ) = 1 P(D|C)=1 P(DC)=1(因为如果选手最初选择了C门,主持人只能选择打开B门)。
  • 在主持人选择B门无汽车后,参赛者选择A门有车的概率为 P ( A ∣ D ) P(A|D) P(AD),即事件 D D D发生后事件 A A A的概率,由贝叶斯公式得:
    P ( A ∣ D ) = P ( D ∣ A ) P ( A ) P ( D ) P(A|D)=\frac{P(D|A)P(A)}{P(D)} P(AD)=P(D)P(DA)P(A)
  • 通过前面的分析,我们只需要求 P ( D ∣ A ) P(D|A) P(DA) P ( A ) P(A) P(A) P ( D ) P(D) P(D)三个元素即可。
    • P ( D ∣ A ) P(D|A) P(DA)表示A门有汽车的情况下,主持人选择B门的概率,其为 1 2 \frac{1}{2} 21;
    • P ( A ) P(A) P(A)表示A门有汽车的概率,其为 1 3 \frac{1}{3} 31;
    • P ( D ) P(D) P(D)可以从全概率公式求得,其为 1 2 \frac{1}{2} 21
      P ( D ) = P ( D ∣ A ) P ( A ) + P ( D ∣ B ) P ( B ) + P ( D ∣ C ) P ( C ) P(D)=P(D|A)P(A)+P(D|B)P(B)+P(D|C)P(C) P(D)=P(DA)P(A)+P(DB)P(B)+P(DC)P(C)
      P ( D ) = 1 2 × 1 3 + 0 × 1 3 + 1 × 1 3 = 1 2 P(D)=\frac{1}{2}\times\frac{1}{3}+0\times\frac{1}{3}+1\times\frac{1}{3}=\frac{1}{2} P(D)=21×31+0×31+1×31=21
  • 综上得到:
    P ( A ∣ D ) = P ( D ∣ A ) P ( A ) P ( D ) = 1 2 × 1 3 2 = 1 3 P(A|D)=\frac{P(D|A)P(A)}{P(D)}=\frac{\frac{1}{2}\times\frac{1}{3}}{2}=\frac{1}{3} P(AD)=P(D)P(DA)P(A)=221×31=31

在主持人选择B门开启后无汽车的情况下,参赛者选A门有汽车的概率 P ( A ∣ D ) = 1 3 P(A|D)=\frac{1}{3} P(AD)=31,因此后验概率并没有发生变化,并不是直观的 1 2 \frac{1}{2} 21,而仍然是 1 3 \frac{1}{3} 31

因此,如果做调换门,那么相当于参赛者选择了C门,计算过程类似,概率为 2 3 \frac{2}{3} 32
P ( C ∣ D ) = P ( D ∣ C ) P ( C ) P ( D ) P(C|D)=\frac{P(D|C)P(C)}{P(D)} P(CD)=P(D)P(DC)P(C)
P ( C ∣ D ) = 1 × 1 3 1 2 = 2 3 P(C|D)=\frac{1\times \frac{1}{3}}{\frac{1}{2}}=\frac{2}{3} P(CD)=211×31=32

3. 歧义的理解,扩展条件

3.1. 概述

蒙特霍尔问题之所以那么多年来争论不休,本质上是由于语义理解上的歧义;事实上,根据不同的理解方式,蒙特霍尔问题一共有 4 个本质不同的版本。如果不了解其他版本的话,那当你在现实中遇到其他蒙特霍尔问题的变体时,也会很容易想当然地给出错误的答案。

其实,这个问题一共有两个“歧义”点,缺一不可:

  • 主持人是否能确保避免打开正确答案?
  • 主持人是否一定会验证一个和你选择不同的门?

3.2. 歧义4个版本

根据这两个问题的答案,我们就得到了这个问题的 4 个版本:

  • 版本1(标准版):主持人事先知道答案,会打开一扇你没选择的门,且其背后一定是羊;(1-是;2-是)
  • 版本2(验证版):主持人事先并不知道答案,随机打开了一扇你没选择的门,其背后恰好是羊;(1-否;2-是)
  • 版本3(机选版):主持人让系统随机打开一扇背后是羊的门,它恰好打开了一扇你没选择的门;(1-是;2-否)
  • 版本4(随机版):主持人让系统随机打开一扇门,它恰好打开了一扇你没选择的门,且其背后是羊;(1-否;2-否)

注:1与2是指上面的歧义点。

那么,我们该怎么理解这 4 个版本的不同之处呢?它们的本质不同在于:主持人的行为是否需要承担泄露结果的「风险」,使得「条件概率」发生变动。易见,在最初的状态下,我们选中汽车的概率是 1/3。

  • 版本1(标准版) ,无论我们是否选中汽车,主持人总能找到 1 个背后是羊的门,这件事情是 100% 能达成的,所以概率分布完全没变,我们选中汽车的概率依然为 1/3;
  • 版本2(验证版),主持人显然冒了风险,如果你选中了羊,那他有 1/2 的概率会选中汽车,所以我们选中汽车的条件概率变成了 (1/3) /( 1/3+2/3×1/2)=1/2;
  • 版本3(机选版),主持人其实也冒了风险,虽然不可能打开背后是汽车的门,但是在你选中羊的时候,有 1/2 的概率会随机你选择的门,所以我们选中汽车的条件概率变成了 (1/3) /(1/3+2/3×1/2)=1/2;
  • 版本4(随机版),主持人显然冒了双重风险,一个风险是,打开了你选择的门;另一个风险是,它打开了你没选择的门,但其背后是汽车;在这种情况下,条件概率的分子分母都会变化;我们选中汽车的条件概率变成了(1/3×2/3)/(1/3×2/3+2/3×1/3)=1/2

除了「标准版」的答案是 1/3(应该换门)外,其他版本的答案均为 1/2 (换不换均可)。

由此可见,同一件事物对于不同人甚至掌握不同信息的同一个人概率可能不同。因此,概率并不能寄托在实际的物体上,而是存在于条件之下。

参考:

曾加. 蒙提霍尔问题(又称三门问题、山羊汽车问题)的正解是什么?. 知乎. 2022.04

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1299203.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

飞天使-linux操作的一些技巧与知识点2

TCP 的三次握手 第一次,客户端与服务端建立链接,需要发送请求连接的消息 第二次,服务端接口到数据后,返回一个确认的操作*(至此客户端和服务端链路建立成功) 第三次,服务端还需要发送要与客户端…

【小白专用】Apache2.4+PHP8.3+MYSQL的配置

1.下载PHP和Apache 1、PHP下载 PHP For Windows: Binaries and sources Releases 注意: 1.使用Apache作为服务器的话,一定要下载Thread Safe的,否则没有php8apache2_4.dll这个文件, 如果使用IIS的请下载 NON Tread safe的 2.如果…

【报错栏】找不到依赖项

问题描述: 找不到依赖项 org.springframework.boot:spring-boot-starter-amqp:2.7.14 解决办法: 最终我的问题解决

激光打标机在智能手表上的应用:科技与时尚的完美结合

随着科技的飞速发展,智能手表已经成为我们日常生活中不可或缺的智能设备。而在智能手表制造中,激光打标机扮演着至关重要的角色。本文将详细介绍激光打标机在智能手表制造中的应用,以及其带来的优势和影响。 ​ 一、激光打标机在智能手表制…

C语言数组输出平行四边形问题问题

目录 1问题输出以下图形: 2解题思路: 3代码如下: 4运行代码: 注意图形问题就是找到行和列的规律,即可输出,比如我也可以输出反方向的平行四边行,代码如下: 运行结果:​编辑 5总…

Proteus仿真--基于NM24C08的EEPROM仿真设计

本文介绍基于NM24C08的EEPROM仿真设计(完整仿真源文件及代码见文末链接) 其中NM24C08是标准的2线总线接口的串行EEPROM,开机画面在LCD12864上显示 仿真图如下 仿真运行视频 Proteus仿真--基于NM24C08的EEPROM仿真设计 附完整Proteus仿真资料…

LINUX-ROS集成安装MQTT库步骤注意事项

环境信息 roottitan-ubuntu1:/home/mogo/data/jp/paho.mqtt.cpp# lsb_release -a No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 18.04.5 LTS Release: 18.04 Codename: bionic 步骤 安装doxygen sudo apt install doxygen 构…

基于ssm铁岭河医院医患管理系统论文

摘 要 21世纪的今天,随着社会的不断发展与进步,人们对于信息科学化的认识,已由低层次向高层次发展,由原来的感性认识向理性认识提高,管理工作的重要性已逐渐被人们所认识,科学化的管理,使信息存…

Diffie-Hellman密钥交换协议

DH介绍 Diffie-Hellman密钥协议算法是一种确保共享密钥安全穿越不安全网络的方法。 这个机制的巧妙在于需要安全通信的双方可以用这个方法确定对称密钥,然后可以用这个密钥进行加密和解密。 但是注意,这个密钥交换协议 只能用于密钥的交换,而…

LeetCode 每日一题 Day 9 ||简单dp

70. 爬楼梯 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢? 示例 1: 输入:n 2 输出:2 解释:有两种方法可以爬到楼顶。 1 阶 1 阶2 阶 示例 2&am…

Tomcat管理功能使用

前言 Tomcat管理功能用于对Tomcat自身以及部署在Tomcat上的应用进行管理的web应用。在默认情况下是处于禁用状态的。如果需要开启这个功能,需要配置管理用户,即配置tomcat-users.xml文件。 !!!注意:测试功…

PPT添加备注

0 Preface/Foreward 1 添加备注方法 添加备注方法:在page的最下端,有一个空白文本框,该文本框用来添加备注。

机器学习 | Python贝叶斯超参数优化模型答疑

机器学习 | Python贝叶斯超参数优化模型答疑 目录 机器学习 | Python贝叶斯超参数优化模型答疑问题汇总问题1答疑问题2答疑问题3答疑问题汇总 问题1:想问一下贝叶斯优化是什么? 问题2:为什么使用贝叶斯优化? 问题3:如何实现? 问题1答疑 超参数优化在大多数机器学习流水线…

自然语言处理第2天:自然语言处理词语编码

​ ☁️主页 Nowl 🔥专栏 《自然语言处理》 📑君子坐而论道,少年起而行之 ​​ 文章目录 一、自然语言处理介绍二、常见的词编码方式1.one-hot介绍缺点 2.词嵌入介绍说明 三、代码演示四、结语 一、自然语言处理介绍 自然语言处理&#xf…

通用基础模型+提示词是否能胜过微调模型?医学案例研究

论文链接在末尾 摘要 通用基础模型,如GPT-4,在各种领域和任务中展现出令人惊讶的能力。然而,普遍存在这样一种假设,即它们在没有专业知识深度训练的情况下无法达到专业能力。例如,迄今为止对医学竞赛基准的大多数探索都利用了领域特定的训练,正如在BioGPT和Med-PaLM等项…

windows系统和虚拟机上ubuntu系统通过虚拟串口进行通信

本文的目的是实现windows系统和虚拟机上安装的ubuntu通过串口进行通信。为了直观观测串口收发数据的内容,需要在windows系统和ubuntu系统使用串口助手来进行监听。windows系统端用的监听工具是串口助手SSCOM,ubuntu系统端使用的串口助手是CuteCom。 ubu…

class071 子数组最大累加和问题与扩展-下【算法】

class071 子数组最大累加和问题与扩展-下【算法】 code1 152. 乘积最大子数组 // 乘积最大子数组 // 给你一个整数数组 nums // 请你找出数组中乘积最大的非空连续子数组 // 并返回该子数组所对应的乘积 // 测试链接 : https://leetcode.cn/problems/maximum-product-subarray…

【Linux】系统初识之冯诺依曼体系结构与操作系统

👀樊梓慕:个人主页 🎥个人专栏:《C语言》《数据结构》《蓝桥杯试题》《LeetCode刷题笔记》《实训项目》《C》《Linux》 🌝每一个不曾起舞的日子,都是对生命的辜负 目录 前言 1.冯诺依曼体系结构 2.操作…

【Docker一】Docker架构、镜像操作和容器操作

一、docker基本管理和概念 1、概念 docker:开源的应用容器引擎。基于go语言开发的。运行在Linux系统中的开源的轻量级的“虚拟机” docker的容器技术可用在一台主机上轻松到达为任何应用创建一个轻量级到的,可移植的,自给自足的容器 dock…

51单片机数码管的使用

IO的使用2–数码管 本文主要涉及51单片机的数码管的使用 文章目录 IO的使用2--数码管一、数码管的定义与类型1.1 数码管的原理图二、 举个栗子2.1 一个数码管的底层函数2.2 调用上面的底层函数显示具体数字 一、数码管的定义与类型 数码管是一种用于数字显示的电子元件&#x…