三门问题的清晰解读

简介

曾经包括在下定决心写这篇回答试图解释三门问题时，我的观点一直是：

1. 在开门之前，执行『换门』这一策略中奖的概率是 $\frac{2}{3}$
2. 在最后嘉宾面对两扇门的时候，换与不换概率一定都是 $\frac{1}{2}$

但是我也一直疑惑：明明是同一个、连续的过程，究竟是什么地方导致两次的概率不同呢？

直到我真正用笔算的时候才发现，根本不是这样，也正是由于用笔算一次，我才真正弄懂了三门问题。

解答

我们要计算的是： 在主持人开门后，嘉宾换门中奖的概率
解： 设
\qquad 事件 $R_i:$ 车在第$i$扇门
\qquad 事件 $C_i:$ 嘉宾选择第$i$扇门
\qquad 事件 $O_i:$ 主持人打开第$i$扇门

将我们所求的问题转化为集合语言就是计算：
$$P(R_3|C_1{O}_2)$$
由贝叶斯公式，
$$P(R_3|C_1{O}_2)=\frac{P(O_2|C_1{R}_3)P(C_1{R}_3)}{P(C_1{O}_2)}$$
其中,
$$\begin{gathered} P(O_2|C_1{R}_3)=1 \\ P(C_1{R}_3)=P(C_1)P(R_3)=\frac{1}{3}\times \frac{1}{3}=\frac{1}{9} \\ \begin{array}{rl}P(C_1{O}_2)& =P(O_2|C_1)\cdot P(C_1)\\ & =\sum _{i=1}^{3}P(O_2{R}_i|C_1)\cdot P(C_1)\\ & =\sum _{i=1}^{3}P(O_2|R_i{C}_1)\cdot P(R_i)\cdot P(C_1)\\ & =\frac{1}{3}\times \frac{1}{3}\times (\frac{1}{2}+0+1)\\ & =\frac{1}{6}\end{array} \end{gathered}$$
于是，
$\begin{array}{rl}P(R_3|C_1{O}_2)& =\frac{P(O_2|C_1{R}_3)P(C_1{R}_3)}{P(C_1{O}_2)}\\ & =\frac{1\times \frac{1}{9}}{\frac{1}{6}}\\ & =\frac{2}{3}\end{array}$

这就是我们要求的答案，即在嘉宾选了一扇门，主持人打开一扇空门后，嘉宾如果 换门 ，中奖的概率是 $\frac{2}{3}$
用类似的方法可求得 $$P(R_1|C_1{O}_2)=\frac{1}{3}$$ 对应了不换门时中奖的概率

疑惑

说实话，在我算到这的时候，我实在不敢相信，（前面提到，我认为应该是 $\frac{1}{2}$ ），我一度怀疑自己哪里算错了，但经过反复检查，我找不到丝毫问题。
为什么？为什么剩下两扇门时，一个二选一的问题，概率竟然不是对等的？
我重新思考了我们的直觉究竟错在了哪里。
我们的直觉认为，在主持人排除了一扇空门之后，情况简化为嘉宾面对两扇门，且已知车一定在某一扇门里面，所以应该是 $\frac{1}{2}$
上面算到的 $\frac{2}{3}$ 还是不能说服我的直觉，思来想去，我忽然想到计算下面这个式子：

$$P(R_1|O_2)=\frac{P(O_2|R_1)P(R_1)}{P(O_2)}$$
其中，
$\begin{array}{rl}P(O_2|R_1)& =\sum _{i=1}^{3}P(C_i{O}_2|R_1)\\ & =\sum _{i=1}^3\frac{P(O_2|C_i{R}_1)P(C_i{R}_1)}{P(R_1)}\\ & =\frac{(\frac{1}{2}\times \frac{1}{9}+0+1\times \frac{1}{9})}{\frac{1}{3}}\\ & =\frac{1}{2}\end{array}$
$\begin{array}{rl}P(O_2)& =\sum _{i=1}^{3}P(C_i{O}_2)\\ & =\frac{1}{6}+0+\frac{1}{6}\\ & =\frac{1}{3}\end{array}$
于是，
$P(R_1|O_2)=\frac{\frac{1}{2}\times \frac{1}{3}}{\frac{1}{3}}=\frac{1}{2}$

这正是我们心心念念的 $\frac{1}{2}$

结论

对比两个条件概率
$$\begin{gathered} P(R_1|C_1{O}_2)=\frac{2}{3} \\ P(R_1|O_2)=\frac{1}{2} \end{gathered}$$
不难发现，我们一直认为的 $\frac{1}{2}$ 其实是忽略了嘉宾所选的门 $C_1$ 这一条件而得到的结果，这正是我们的直觉出错的地方。

另外，上述的推导中，隐含了一个设定：主持人选择空门是平等的
即如果嘉宾选择的是车，那么主持人会在剩下两扇空门中随机选择一扇，而不是倾向于开某一扇门，具体可见参考文献¹。

事实上，以上的数学推导已经包含了对三门问题的完整解释，但可能有人到这仍然会有疑问： 『$C_1$ 是如何使概率发生变化的？』

理解&扩展

决定换门中奖的概率是 $\frac{2}{3}$ 还是 $\frac{1}{2}$ 的，是 是否知道嘉宾最开始选择的门 ，这是上面两个条件概率告诉我们的。

设想， 嘉宾选择了门1 ，此时分三种等可能情况：

1. 门1背后是车，那么主持人打开门2的概率应为 $\frac{1}{2}$
2. 门2背后是车，那么主持人打开门2的概率为 $0$
3. 门3背后是车，那么主持人打开门2的概率应为 $1$

接着，主持人打开了门2。
由于情况3下主持人开门2的概率更高，而主持人打开的门正是门2，所以我们更 倾向于相信 ，发生的是情况3。

统计学上有一个概念叫 极大似然估计 ，简单地说，这种方法从现象出发，找到『最有可能导致』这一现象发生的一个参数。

举个例子，有一枚硬币，但是不均质，已知投掷这枚硬币正面朝上的概率 p ∈ { 0.3 , 0.8 } p\in\{0.3,0.8\} p∈{0.3,0.8} ，其中 { 0.3 , 0.8 } \{0.3,0.8\} {0.3,0.8} 称为『参数空间』。意思是概率 $p$ 的取值是 $0.3,0.8$ 中的一个。现在要求你判断出 $p$ 究竟取哪个值。

很容易想到，投掷很多次，观察硬币正面朝上的次数，如果正面朝上比较多，那就是 $0.8$ ，反之，就是 $0.3$ 。

如果只允许投掷一次呢？其实也很简单，那就看这一次是正面还是反面，如果是正面，我们当然 更相信 会是 $0.8$ ，因为这样的概率是『最可能导致』正面朝上发生的。反之，我们更相信是 $0.3$ 。只不过这样判断会出现较大的误差，但也是这一限制条件下的最优抉择。

回过头来看，嘉宾分析了三种情况，得知参数空间是 { 1 2 , 0 , 1 } \{{1\over2},0,1\} {21​,0,1} ，其中最可能导致『主持人打开门2』这一现象发生的是 $p=1$ ，对应情况3，所以，他会换成门3来得到车。

这一切分析都基于 嘉宾选择了门1 ，如果不知道或忽略了这一信息，只看到了主持人打开门2，这时分析得到的参数空间应为 { 1 2 , 0 , 1 2 } \{{1\over2},0,{1\over2}\} {21​,0,21​} ，既然情况1和情况3下主持人打开门2的概率是一样的，那也就无从判断了，换与不换都一样。

居然写了这么多，哈哈，我也不知道这算不算小题大做，但愿能帮助大家彻底解开三门问题的“心结”。

---

1. 何朝葵.基于集合论语言的三门问题的解法[J].高等数学研究,2022,25(01):20-21+33.https://kns.cnki.net/kcms2/article/abstract?v=6oglyc8kNW5MLglkM6oSVpFHLhZZvkr1Br-65YM2yYFRatVcl2tU9Qhw6xtt7olRJVzNZA7cY1iZEQoCDYXf9d8kJTRubQma5H2kxLqN_mybfsDRz34jwIoOgrvZ1SMtpwD5PJK-h2XlMEVwmnMo4d5j6yiIlVbJ&uniplatform=NZKPT ↩︎