关闭

Bayes Game

标签: 统计概率机器学习
178人阅读 评论(0) 收藏 举报
分类:

Game Show about Bayes Theorem

本文简单讲述一个有趣的经典的 Bayes定理 相关的小故事,展示了后验概率 posterior probability 出乎意料的威力。

Question

我们有三个杯子倒置桌上 g1,g2,g3,其中一个杯子下隐藏有 candy。当我们选择一个杯子后,剩下俩个杯子中的一个空杯子将被移除;此时我们是否应该变更选择,以更大概率拿到 candy?

Intuition

简单来说,我们的首次选择仅仅依靠先验概率 prior probability,有 13 的概率拿到 candy;如果一个空杯被移除后,我们坚持选择,概率依然是 candy。然后,如果我们改变选择,选择移除后留下来的那个杯子,概率将变为 113=23,整整翻了一倍。

貌似不相关的事件,却极大地影响了最终结果。上述移除操作本身,和我们的任务目标是耦合的,移除操作带来了额外的信息;如果移除操作是剩下的俩个杯子中随机移除一个的话,概率将不会发生变化。如果一尘不变地抱持着先验经验不放,不对事态的发展做出适应或调整的话,可能会出乎意料地产生误判,错失机会。

Mathematics

我们首先对游戏规则进行量化表述:

对于三个杯子 g1,g2,g3
candy 存在于各个杯子的先验概率相同,设为变量 C:p(C=1)=p(C=2)=p(C=3)=13
假设我们已经选择了:g1 (g2,g3 也是类似的)
移除杯子事件设为变量 R (remove) :p(R=1), p(R=2), p(R=3)

可以得到 remove 规则,条件概率分布 P(R|C) 如下:

R=1 R=2 R=3
C=1 0 1/2
C=2 0 0
C=3 0 1

g1 已被选择,所以没有可能 remove。当目标 candy 存在于剩下的俩个杯子中时,remove 的必然是空杯子,必然留下存在 candy 的一个,概率为 1。分布 P(R|C) 是 remove 的规则,如果这个操作和 candy 的存在独立的话,上述表格中的每一行应该都是 0,0.5,0.5;这种耦合事件作为我们的已知观察,将会修正最开始的先验分布。这里我们展开基于这个 将会改变我们对于 candy 的先验分布。

基于 remove 结果,修正目标概率评估,求取后验概率分布 P(C|R)

Obviously,remove 操作本身的先验概率如下 (R=3 类似 R=2):

p(R=2)=i=13p(R=2|C=i) p(C=i)=12

p(C=1|R=2)=p(R=2|C=1) p(C=1)p(R=2)=121312=13

p(C=3|R=2)=p(R=2|C=3) p(C=3)p(R=2)=11312=23

所以,不管 R=2 或者 R=3,移除后剩下的杯子,都拥有我们当前选择杯子两倍的命中几率。
We should switch to the left one!

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:2538次
    • 积分:122
    • 等级:
    • 排名:千里之外
    • 原创:9篇
    • 转载:0篇
    • 译文:0篇
    • 评论:2条
    最新评论