三门两羊问题 - 蒙提霍尔问题

你可能在社交媒体或者数学爱好者的讨论中听说过“三门问题”个人觉得应该简单一点理解这个问题不用看过多的公式。⸻什么是“三门问题”“三门问题”源自美国电视游戏节目《Let’s Make a Deal》。问题描述如下你面前有三扇门其中一扇门后面有一辆汽车另外两扇门后面是山羊。你先选择一扇门假设你选了门 A。主持人知道门后隐藏的内容会打开另一扇门假设是门 B露出一只山羊。此时主持人问你你要保持原来的选择门 A吗还是换到剩下的门门 C问题来了换门和不换门哪个更有可能赢直觉 vs. 数学直觉上很多人认为剩下两扇门各有 50% 的概率换不换都样。但概率论告诉我们这种直觉是错的。如果不换门如果不换门主持人的变动不会影响选中汽车的概率即 1/3即1/总门数。如果换门关键在于将测算拆分为两个步骤1️⃣ 主持人打开门以前初始选择汽车的概率1/3初始选择山羊的概率2/32️⃣ 主持人打开门以后相当于主持人会帮你排除一个错误答案现在就只有两个答案如果你最初选中汽车1/3 概率那不管主持人排除哪个答案只要换门都只会选中不会选中汽车那选中汽车的概率就是0。如果你最初选中山羊2/3 概率主持人会打开另一扇山羊门只要换门必定选中此时选中汽车的概率就是1所以换门以后测算的概率应P(换门获胜)P(初始选山羊)×P(换门获胜∣初始选山羊)P(初始选汽车)×P(换门获胜∣初始选汽车)P(\text{换门获胜}) P(\text{初始选山羊}) \times P(\text{换门获胜} \mid \text{初始选山羊}) P(\text{初始选汽车}) \times P(\text{换门获胜} \mid \text{初始选汽车})P(换门获胜)P(初始选山羊)×P(换门获胜∣初始选山羊)P(初始选汽车)×P(换门获胜∣初始选汽车)代入数值P(换门获胜)23×113×023 P(\text{换门获胜}) \frac{2}{3} \times 1 \frac{1}{3} \times 0 \frac{2}{3}P(换门获胜)32​×131​×032​所以策略赢的概率不换门1/3换门2/3为什么直觉会错直觉认为“剩两扇门各 50%”是错的因为忽略了主持人的信息偏向性主持人总是选择一扇有山羊的门打开这并不是随机事件初始选择中未中汽车的概率较大2/3主持人的操作实际上增加了剩下那扇门的价值所以换门策略选中的概率计算公式为P(换门获胜)23×113×023 P(\text{换门获胜}) \frac{2}{3} \times 1 \frac{1}{3} \times 0 \frac{2}{3}P(换门获胜)32​×131​×032​同样如果门数为doordoordoor公式也可以拓展为P(换门获胜)door−1door×1door−21door×0 P(\text{换门获胜}) \frac{door - 1}{door} \times \frac{1}{door -2} \frac{1}{door} \times 0P(换门获胜)doordoor−1​×door−21​door1​×0附python代码测算含循环测试和公式直接输出结果的代码importrandomdeffun(switch:bool,door:int,times1000000,logFalse): switch: boolean, 是否需要更换门 door: 门的个数 times: 测试次数 log: 是否打印每一轮的日志 correct,wrong0,0foriinrange(times):answerrandom.randint(0,door-1)optionsset(range(door))guessrandom.randint(0,door-1)infof\t[info_{i}] 答案是{answer}猜的是{guess}。ifswitch:valrandom.choice(list(options.difference({guess,answer})))guessrandom.choice(list(options.difference({val,guess})))infof主持人打开{val}, 猜测修改为{guess}。ifanswerguess:correct1info猜测正确else:wrong1info猜测错误iflog:print(info)print(f共{door}门,{ifswitchelse不}换门, 统计正确率为{(correct/(correctwrong)):.4%},)if__name____main__:door3# 先测一个转换的fun(False,doordoor)# 再测一个不转换的fun(True,doordoor)# 使用统计概率直接计算print(f\n直接使用统计概率计算\nf\t不转换的计算公式: 1 /{door}{1/door:.4%}\nf\t需转换的计算公式: (1 /{door}) * 0 ({door-1}/{door}) * (1 /{door-2}) {((door-1)/door)*(1/(door-2)):.4%})实际启示概率和直觉常常相反遇到概率问题时不要单靠感觉要分析整个事件过程信息的来源与偏向主持人的行为提供了额外信息这是经典条件概率案例生活中的换门策略遇到类似“选择与信息更新”的情境换门或调整决策往往是更优解⸻总结“三门问题”不仅是一个有趣的概率谜题它还教会我们如何用逻辑和数学分析复杂决策。拆分测算步骤、结合信息更新的思路是理解概率和理性决策的关键。