三门问题 python代码实现

三门问题又被称为蒙提霍尔问题，出自美国的一个电视游戏节目。

逻辑很简单，但结果就是不太能让人接受，现在详细讲一下这个问题。

题目非常简单：参赛者面前有三扇门，其中一扇门后面有一辆小汽车，另外两扇门后面都是山羊，如果参赛者选中有汽车的那扇门，就可以把汽车开回家。

当参赛者选择了其中一扇门后，此时主持人打开剩余两扇门其中的一扇，里面是一只山羊，那么现在主持人给参赛者一次重新选择的机会，参赛者应不应该换门去选择另外一扇门？

有人认为：

小汽车在剩余两个门内的概率必然都是 50%，那么换不换门其实意义不大，因为概率都一样。

但是答案却是：

如果参赛者坚持原来的选择，那么选中小汽车的概率为 1/3，如果换门的话，选中小汽车的概率为 2/3。

应该大部分都会这么认为，毕竟只剩下两个了，你为什么说不是一半一半的概率呢？

其实这是个数学问题，不能用直觉来判断。接下来从一下角度来说下原因。

从数学的角度，画个图来看下

这样能理解了吗？

如果不换门，选中的概率为 1/3 * 1/2 + 1/3 * 1/2 + 0 + 0 = 1/3

如果换门，选中的概率为 0 + 0 + 1/3 * 1+ 1/3 * 1 = 2/3

再换一个角度，从代入法来看这个问题：

首先，三个门选手选择一个，中车概率是三分之一，其他两个门加起来就是三分之二。这时候，主持人在另外两个门里选择了一个错误答案。那是不是可以理解，这两扇门中奖的概率还是三分之二，但是全都转嫁到剩下的门上了呢？毕竟概率一开始就是定下来的，不会随着门的消失而消失。

再或者，我们自己取大量的数据进行实现，看看结果：

import random

# 模拟测试的次数
simulationCount = 1000000
# 第一次选中小汽车的次数
firstSelectedSuccessSum = 0
# 第二次重新选择选中小汽车的次数
secondSelectedSuccessSum = 0
for num in range(simulationCount):
    # 初始化所有门
    doors = list(range(1,4))
    # 随机生成小汽车的门位置
    carDoor = random.randint(1,3)
    # 参赛者随机选中一个
    firstSelectedDoor = random.randint(1,3)
    # 主持人在剩下的两个里面随机选择一个
    doors.remove(firstSelectedDoor)
    presenterSelectedDoor = doors[random.randint(0,1)]
    # 主持人选择后剩下的一个门，也就是选手第二次选择的门
    doors.remove(presenterSelectedDoor)
    secondSelectedDoor = doors[0]
    # 因为主持人不能选择有小汽车的门
    # 所以如果上面主持人随机选择的是有小汽车的门，则应该重新选择另一个门
    if carDoor == presenterSelectedDoor:
        secondSelectedDoor = presenterSelectedDoor
    # 如果第一次选中有小汽车的门，累计计数
    if carDoor == firstSelectedDoor:
        firstSelectedSuccessSum = firstSelectedSuccessSum + 1
    # 如果第二次重新选择选中有小汽车的门，累计计数
    elif carDoor == secondSelectedDoor:
        secondSelectedSuccessSum = secondSelectedSuccessSum + 1
# 输出测试结果
print ('模拟测试 %s 次'%simulationCount)
print ('不换门选中的次数为 {} 次，概率为：{:.2%}'.format(firstSelectedSuccessSum, firstSelectedSuccessSum/simulationCount))
print ('换门后选中的次数为 {} 次，概率为：{:.2%}'.format(secondSelectedSuccessSum, secondSelectedSuccessSum/simulationCount))

结果显而易见，和上述分析的结果一样，坚持最初的选择，选中小汽车概率 1/3，换门后选中小汽车概率 2/3。