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

这篇具有很好参考价值的文章主要介绍了蒙特霍尔问题(选择三扇门后的车与羊)及其贝叶斯定理数学解释。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。

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?

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,数据分析,人工智能及Python,概率论,蒙特霍尔,贝叶斯定理
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。
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,数据分析,人工智能及Python,概率论,蒙特霍尔,贝叶斯定理

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文章来源地址https://www.toymoban.com/news/detail-758581.html

到了这里,关于蒙特霍尔问题(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

  • C# 随机法求解线性规划问题 蒙特卡洛

    线性规划问题: max=3 x1+2 x2 x1+2 x2=5 2 x1+x2=4 4 x1+3 x2=9 x1=0 x2=0 正确的结果:x1=1.5; x2=1, max z=6.5

    2024年02月13日
    浏览(37)
  • unity物体位移 旋转后的复位问题

    在你第一眼看到这个问题的时候可能会想到只需将物体的position重置就可以,这样做可能忽略的是物体的rotation。 在start()函数中存取要复位物体的transform, 然后再赋值 ? 如果这么做了你会发现, 那个存取transform的左值,是随着物体transform变化而变化的 如果将它debug.log一

    2024年02月16日
    浏览(39)
  • C#使用Office原生库开发后的运行问题

    目录 一、准备 二、测试Office2007 1、直接运行 2、安装VS2009 3、重新在“引用”库 4、安装“包” 5、报错修复 6、小结 三、测试office2010 1、在VS2019中打开原项目 2、添加“包” 3、重新添加引用 4、测试Word功能 5、测试卸掉那两个“包” 6、测试Excel功能 7、小结 四、测试Office2

    2024年01月23日
    浏览(37)
  • 安装Anaconda 后,在cmd 输入 python 后的问题

    进来,由于学习的需要。就重新安装了Anaconda , 具体的安装过程可以查看这篇文章 Anaconda安装-超详细版(2023) 但在安装完成后,通过 win + r 打开编辑窗口,输入 后可以正常显示 版本号,但在输入 python 后就会弹出应用商店,要求重新下载 Python ,打在查看其他文章后,都说 Ana

    2024年04月12日
    浏览(25)
  • 基于区块链的车联网汽车管理系统

    第一章 作品概述 (建议包括:背景分析、相关工作、特色描述及应用前景分析等) 1.1研究背景及意义 近年来,交通违章记录被篡改、汽车维修厂商虚假报价、虚假维修等问题层出不穷。据广州日报报道,一家代办交通违章业务商店的老板伙同三名交通协管员盗用警察账号和

    2024年02月03日
    浏览(41)
  • Video标签添加跨域头信息后的缓存问题

    第一步的页面,这个页面有两个 video标签,他们的 src一样 为第video标签添加参数 crossorigin=“anonymous” ,那么会报错。“xxxx” has been blocked by CORS policy: No ‘Access-Control-Allow-Origin’ header is present on the requested resource. 这里的video.mp4的静态文件服务器,服务端的代码用 express写的,

    2024年02月16日
    浏览(40)
  • Nginx+Springboot配置https后的scheme和port问题

    反向代理:Nginx (nginx version: nginx/1.14.2) 网关:Zuul (2.2.9.RELEASE) 服务:SpringBoot使用内置Tomcat (9.0.71) Nginx:设置请求头,向后面的代理或服务传递真实的协议、域名(ip)、端口 Zuul SpringBoot 3.1.request.getScheme()获取的是http 1.确认Nginx配置:proxy_set_header X-Forwarded-Proto $scheme;

    2024年01月19日
    浏览(35)
  • 解决鼠标无法划到hover触发后的显示区域的问题

    现象如下:  当鼠标划入上方链接通过hover触发的显示区域时,该区域就会消失。也就是鼠标无法进入该区域。 造成这个问题的根本原因是: hover效果的交互区域太小,导致鼠标很容易就脱离了hover的触发边界 解决办法: 通过设置line-height撑开被hover元素的容器高度,扩大h

    2024年02月09日
    浏览(43)
  • 基于云平台技术的车外视频隐私合规的浅谈

    基于云平台技术的车外视频隐私合规创新旨在确保车外视频数据的合法、合规使用,同时保护个人隐私不受侵犯。以下是基于云平台技术的车外视频隐私合规的创新实践和考虑因素: 实践: 数据采集:对车外视频数据进行采集时,应明确数据的合法来源和用途,确保数据采

    2024年02月03日
    浏览(32)
  • 【深度解析】SecOC如何打造安全的车内网络通信?

    在智能网联汽车高速发展下,车联网功能越发普遍,在此背景下车载通讯网络的信息安全防护机制变的越来越重要。 随着汽车对网络信息的需求提高,车载CAN网络逐渐开放了接口,导致来自外部的信息安全攻击可以通过 无线网络 (蓝牙、无线局域网)或者 在线诊断 接口来

    2024年02月15日
    浏览(37)

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