贝叶斯——三门问题

这篇具有很好参考价值的文章主要介绍了贝叶斯——三门问题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

三门问题(蒙蒂霍尔问题)

一道概率论的经典问题

由蒙蒂·霍尔主持的一个叫做《达成协议》的美国电视游戏节目。在节目的最后,参赛者必须在三道门帘中选一道。其中一道门帘之后有一辆汽车,其余两道门帘后面是山羊。

参赛者选择之后,蒙蒂·霍尔会增加悬念:在参赛者没有选择的门帘之中,至少有一道门帘背后是山羊。然后,蒙蒂·霍尔会将这道背后是山羊的门帘打开。

现在剩下两道门帘,其中一道后面有汽车,另一道后面则有山羊。这时,蒙蒂·霍尔就会向参赛者提出一个新选择:他可以维持自己的选择或者换一道门帘。这位参赛者应该怎么做?

直觉

在蒙蒂霍尔打开背后是山羊的门帘前,参赛者选的门帘后是车的概率是1/3,打开一个山羊的门帘后,自然而然会觉得,剩下两个门,一个是山羊,一个是车,那么换不换门,选中车的概率都是1/2。

实际

门和羊的情况

🚪1:🚗 🚪2:🐑 🚪3:🐑

参赛者选择中门1即为选中车,因为参赛者选门1的概率为1/3,所以选中车的概率是1/3

我们看蒙蒂霍尔去掉一个错误答案后发生的变化

参赛者选门i 蒙蒂霍尔去掉一个错误答案 参赛者不换门 参赛者换门
1 🚗 🐑
2 🐑 🚗
3 🐑 🚗

从这里看出来,换门选中车的概率是2/3,而不换门选中车的概率是1/3!

也就是说,除非参赛者第一次选中的就是车,否则只要换门他就是赢的。

试验:

贝叶斯——三门问题

可见,随着试验的次数增多,换门赢的概率逐渐稳定为不换门的两倍。 文章来源地址https://www.toymoban.com/news/detail-430262.html

到了这里,关于贝叶斯——三门问题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 神奇的三门问题,到底换不换门

    熬夜无聊刷b站的时候刷到了一个有趣的视频,讲的是一个概率论问题【三门问题】,感觉很有意思,就记了下来。 这是原视频链接:神奇的三门问题 简单介绍下三门问题:现在有三扇门,两扇门后是山羊,一扇门后是跑车,随机选择一道门,如果门后是跑车,就中奖,否则

    2024年02月16日
    浏览(34)
  • “三门问题”背后的概率论原理解析

            前段时间我在知乎上看到这么一个问题:假设你在参加一个抽奖游戏,主持人在三个小碗分下面放了 1 块钱、1 块钱和 10000 块钱的筹码。你选中哪一个,你就可以领到对应的钱。当你选定一个碗之后,主持人翻开剩下两个碗里,下面有一块钱筹码的碗给你看。并且

    2024年02月10日
    浏览(42)
  • 对三门问题的思考,应该细分两种情况

    三门问题来源于一个娱乐节目。节目中有一位参与者和一位主持人,在参与者的面前有三扇关闭的门,其中两扇门的后面是空的,剩下一扇门后是一辆法拉利跑车。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,是空门。主持人其后会

    2023年04月25日
    浏览(39)
  • 使用贝叶斯算法完成文档分类问题

    贝叶斯原理   贝叶斯原理(Bayes\\\' theorem)是一种用于计算条件概率的数学公式。它是以18世纪英国数学家托马斯·贝叶斯(Thomas Bayes)的名字命名的。贝叶斯原理表达了在已知某个事件发生的情况下,另一个事件发生的概率。具体而言,它可以用来计算某个假设的后验概率,即

    2024年02月15日
    浏览(28)
  • 【python】Bayesian Optimization(贝叶斯优化)优化svm回归问题

    贝叶斯优化(Bayesian Optimization)是一种用于黑盒函数优化的序列模型优化方法。它在较少的函数评估次数下,尝试寻找全局最优解。 贝叶斯优化使用高斯过程(Gaussian Process)作为先验模型来建模未知的目标函数。通过对目标函数进行一系列评估和建模迭代,贝叶斯优化能够

    2024年02月12日
    浏览(38)
  • 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

    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

    2024年02月04日
    浏览(45)
  • 机器学习之朴素贝叶斯分类器原理详解、公式推导(手推)、面试问题、简单实例(python实现,sklearn调包)

    朴素贝叶斯是一种有监督学习算法,这种算法基于贝叶斯的一个朴素的假设——每对特征和样本数据都是独立同分布的。最终可以推出朴素贝叶斯分类器的判定准则: h n b ( x ) = a r g   m a x c ∈ Υ   P ( c ) ∏ i = 1 d P ( x i   ∣   c ) h_{nb}(x)=mathop{arg max}limits_{cin varUpsilon} P(

    2024年02月08日
    浏览(50)
  • 不知道该学那一个语言?一文带你了解三门语言

    名字:阿玥的小东东 学习:Python。正在学习c++ 主页:阿玥的小东东 目录 粉丝留言,回答问题 1.首先,初步了解 

    2024年02月21日
    浏览(49)
  • 什么是机器学习?监督学习的定义、概率论的基本概念以及模型选择、过拟合与欠拟合的问题。常见的监督学习算法,包括朴素贝叶斯(Naive Bayes)、决策树(Decision Tree)支持向量机随机森林

    作者:禅与计算机程序设计艺术 什么是机器学习?从定义、发展历程及目前的状态来看,机器学习由3个主要分支组成:监督学习(Supervised Learning),无监督学习(Unsupervised Learning)和强化学习(Reinforcement Learning)。这三类学习都可以使计算机系统根据输入数据自动分析和改

    2024年02月09日
    浏览(53)
  • 贝叶斯条件概率/贝叶斯网络

    条件概率的公式 :P(AB)=P(A)P(B|A)=P(B)P(A|B);即事件A和事件B同时发生的概率等于在发生A的条件下B发生的概率乘以A的概率。 贝叶斯公式 :由条件概率公式推导出 P(B|A)=P(A|B)P(B)/P(A) 全概率公式 :假设B是由相互独立的事件组成的概率空间{B1,b2,...bn},P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+..P(

    2024年02月16日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包