python三门问题_用贝叶斯定理解决三门问题并用Python进行模拟（Bayes' Rule Monty Hall Problem Simulation Python）...

标签：

三门问题(Monty Hall problem)也称为蒙提霍尔问题或蒙提霍尔悖论，出自美国的电视游戏节目《Let’s Make a Deal》。问题名字来自该节目的主持人蒙提·霍尔(Monty Hall)。

这个游戏的玩法是：参赛者会看见三扇关闭的门，其中一扇门后面有一辆汽车，选中后面有车的那扇门就可以赢得该汽车，而另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门，但未去开启它的时候，节目主持人会开启剩下两扇门中的一扇，露出其中一只山羊。主持人其后会问参赛者要不要更换其初始的选择，选另一扇仍然关上的门。

那么问题来了，参赛者到底要不要更换其初始的选择呢？

解决这个问题需要用到贝叶斯定理：

让我们选一个特定的例子来看看：假设三扇门分别为Door A，Door  B，Door C，并且参赛者初始选定了Door A，然后主持人展示了Door  B。那么参赛者是坚持选择Door A还是更换成Door C呢？这就要根据Door A和Door C哪个门后汽车出现的概率较大决定了。

也就是说，我们需要解决P(Door A=car|Door A is selected, Door  B is revealed)和P(Door C=car|Door A is selected, Door  B is revealed)哪个大的问题。

首先，每个门后有车的概率都是1/3：

其次，如果Door A门后有汽车，那么Door A被选择的几率是1/3，假设初始选择了Door A，那么Door B被主持人打开的几率是1/2：

再次，普通情况下，Door A被选择的几率是1/3，Door B被主持人打开的几率是1/2(因为已经有一扇门被选择了，选择的门不能被打开)：

同理，如果Door C门后有汽车，那么Door A被选择的几率是1/3，假设初始选择了Door A，那么Door B被主持人打开的几率是1：

因此，我们可以看到，P(Door C=car|Door A is selected, Door  B is revealed)是P(Door A=car|Door A is selected, Door  B is revealed)的两倍。也就是说，更换初始的选择将会使我们的获胜几率提高2倍！

可以用probability tree来帮助理解一下：

如果对上面的计算公式还有疑问，那么让我们用计算机来模拟一下：

from random import randint

from random import choice

N = 1000

def simulate(N):

m=0 #设置不更换初始选择赢得汽车的次数

n=0 #设置更换初始选择赢得汽车的次数

for i in range(N): #模拟1000次游戏

win=randint(1,3) #设置藏有汽车的门，在1-3之间随机选出

bet1=randint(1,3) #设置初始选择的门，在1-3之间随机选出

remain=[i for i in range(1,4) if i!=win and i!=bet1] #剩余可选的门(除去初始选择的门和藏有汽车的门)

monty_reveal=choice(remain) #monty会在剩余可选的门中选择一扇门打开

bet2=6-bet1-monty_reveal #bet2表示更换初始选择(用6减是因为三扇门加起来等于6)

if bet1==win: #如果初始选择和藏有汽车的门吻合，那么初始选择的获胜次数+1

m+=1

if bet2==win: ##如果更换初始选择的bet2和藏有汽车的门吻合，那么bet2的获胜次数+1

n+=1

return n/m

print(simulate(N))

2.0211480362537766

最后的结果： 更换初始选择获胜的次数差不多是不更换初始选择获胜次数的两倍。

标签：

来源： https://www.cnblogs.com/HuZihu/p/9056224.html