1. 蒙提·霍尔问题(三门问题)
三门问题(Monty Hall problem)亦称为蒙提霍尔问题、蒙特霍问题或蒙提霍尔悖论,大致出自美国的电视游戏节目Let's Make a Deal。问题名字来自该节目的主持人蒙提·霍尔(Monty Hall)。参赛者会看见三扇关闭了的门,其中一扇的后面有一辆汽车,选中后面有车的那扇门可赢得该汽车,另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门,但未去开启它的时候,节目主持人开启剩下两扇门的其中一扇,露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。问题是:换另一扇门是否会增加参赛者赢得汽车的机率?
简单直观的图示解答
初一看,还以为改选和不改选另外一扇门的几率都是,下面用条件概率来直接计算
a) 坚持原来的选择
因为汽车的位置是随机放置的,所以获奖几率为 .
b) 换另外一扇门
定义一开始选到汽车为事件,换另外一扇门以后明显不可能获奖了,则.
一开始选到山羊为事件,最终获奖也就是开出的那扇门对应的是汽车为事件,那么获奖的概率可采用全概率公式计算如下
也就是
虽然问题就解决了,但还是不知道我们最开始错误的直觉来自哪里。我们来思考一下主持人“提供信息”的问题。一切的改变,都是因为主持人提供给我们的信息:也就是说主持人开的那扇对应山羊的门,提供了额外的信息.因为主持人很明显是知道门背后都是些什么,才打开山羊门的。如果主持人根本就不知道汽车在哪里,只是随手选择了一扇门,而这扇门恰好是山羊门的话,主持人也就是等于没有提供任何信息,这还是原先的随机猜测开门事件。也就是说按主持人的提示更换选择,等价于利用了额外的有效信息,可视为先验信息,这增加了获奖的概率。
2. 犯人的难题
一个监狱里关了三个犯人,已知有两个人即将被释放,但在事情没公布之前,被释放人的身份是保密的.其中一个犯人问看守他的另外两个狱友哪一个被释放。看守拒绝了,他的理由是“在现有的信息下你被释放的概率本来为2/3,如果我告诉了你问的信息,将在你和另外一个犯人之前确定哪一个被释放,那你被释放的概率将变为了1/2,那对你不友好!”,看守所列理由的错误在哪里?
我们看一下这个问题,咋一看很像三门问题,但是它和三门问题有一个决定性的不同!!!三门问题中,抽奖人可以决定要不要更换选择。而在这个问题中,囚犯没有有资格决定释放谁吗?不管看守是否告诉囚犯,都是按既法定程序释放谁,不论他说不说,囚犯也改变不了释放谁的事实,所以从头至尾他被释放的概率都是2/3,详细的计算可先定义如下几个事件.
事件 A =“A被释放”,
事件 B =“B被释放”,
事件 C =“C被释放”,
事件 W =“看守说B不被释放”。
不失一般性,假定上述问看守的就是A.
由条件概率公式:
我们首先算分母。由全概率公式:
首先,在未揭晓到底谁被释放前,三人释放的概率相同,也就是
事实上如果把全概率公式代入条件概率公式,式子就刚好变成了贝叶斯公式.
表示A被释放的条件下,看守说B不被释放的概率。由于如果A是被释放的人,那么B与C之中有一个人不被释放,看守既可以说B不被释放,也可以说C不被释放,而B和C的地位是相等的,因此这个概率是 。
表示B被释放的条件下,看守说B被不被释放的概率,这是矛盾的,所以这个概率为0。
表示C被释放的条件下,看守说B不被释放的概率。由于C被释放,那么B一定不被释放,所以这个概率为1。
把上面的六个概率代入全概率公式,得 .
同时我们已经求出 ,所以再代入条件概率公式,得
即看守回答B不被释放后,A被释放的概率仍然是 ,而非 。同时更神奇的是,C被释放的概率增加到了 ,因为
我们回头分析为什么看守(和我们大多数人)的推理是错的,以及这个问题反直觉的地方在哪里。根本原因在于大多数人把事件 W 等同于事件 ( 指的是事件B的对立事件)。
我们首先设定了事件 W =“看守说B不被释放”,事件 B =“B将被释放”,那么事件 =“B不被释放”。
问题的核心在于:“看守说B将不被释放”与“B不被释放”两句话看似一样,其实包含了不同的信息。我们从对立事件的角度就能分析出背后的奥妙。
事件W (即:看守说B不被释放)的对立事件是“看守说C不被释放”,而事件(即:B不被释放)的对立事件是“B将被释放”。两个事件的对立事件是不同的。第一个事件着重回答“谁将不被释放”,第二个事件的重点在于“B是否会被释放”。而看守错误地将事件 等同于事件 ,由此他产生了如下推理:
(正如之前的分析,这个式子与条件概率公式的区别在于把 都替换成了 )。
由于 ,
所以
错误答案 就是这样产生的。
3.贝特朗悖论
该例子由贝特朗1888年在他的著作《Calcul des probabilités》中提到的一个悖论. 在一给定圆内所有的弦中任选一条弦提出,它说明了这样一个原理:解决一个实际问题时,必须建立无歧义的概率模型.设在一个圆内有一个正三角形,内接于圆周.现在随机的选择一个弦,问其长度大于内接三角形的边长的概率是多少?其回答基于随机选择导致了下图a和图b所示两种互相矛盾的结果.
在图a中,取一个半径,在上随机的选取一个点C,作一条弦垂直于.由初等几何可知,当C点的位置恰好位于的中点时,弦的长度刚好等于内接正三角形的边长,而远离圆心时,弦的长度减小.这样弦的长度大于内接正三角形的边长的概率等于.
在图b中,圆周上取一点V作为顶点.通过V先画出一条切线,然后随机的画出一条通过V的直线.记直线与切线的夹角为,由于这条直线是随机画出来的,可以认为夹角在之间是均匀分布的.现在考虑这条直线割圆得到的弦的长度.由初等几何可知,当位于的范围内,弦的长度大于三角形的边长.由于的取值位于,故而可得这个弦大于内接正三角形的概率为.
4. 归纳法悖论
自然归纳法是一种用部分观察定义全体的方法,我观察到很多某类事物都具有某种性质,那我就认为所有该事务具有这样的性质。比如说质量守恒定律,经过大量的观察,而且误差在极小的范围,全体人类最终认定“质量守恒定律”是事实。但是一个叫亨佩尔的逻辑学家质疑自然归纳法,因此它提出了归纳法悖论。
假设所有的乌鸦都是黑色的,于是我们可以得到逆否命题“不是黑色的东西,那就不是乌鸦”。白牛都是白色的。设A为:所有乌鸦都是黑色的,A的补为:部分(设为50%)乌鸦是黑的。
B:观察到白牛 C:观察到乌鸦。
假设P(A)=p,P(C)观察到乌鸦的概率为q,P(B)观察到白牛的概率为(1-q)
①求P(A|B)的值
用贝叶斯公式得到P(A|B)=P(A)P(B|A)/P(B),因为乌鸦黑不黑和你是否看得到白牛没关系,所以P(B|A)=P(B),于是P(A|B)=P(A)=p。
结论:观察到白牛和所有乌鸦是黑色互相独立,即它们两个没有半毛钱关系。
②求P(A|C)的值
用贝叶斯公式得到P(A|C)=P(C)P(C|A)/P(C)
通过全概率公式,P(C)=P(A)P(C|A)+P(A的补)P(C|A的补)
=P(A)P(C)+P(A的补) * 1/2 P(C|A的补)
=pq+(1-p) * 1/2 q(观察到一半黑的才是乌鸦)
代入P(A|C)=2p/1+p>p