用概率树分析羊车问题
羊车问题
羊车问题(又称蒙提·霍尔问题,The Monty Hall problem)是一道著名的概率问题,它源于一个电视节目游戏:
如果你是一个游戏的参赛者,在你面前有3扇关闭的门,其中一扇后面是一辆汽车,另外两扇门后面是山羊。主持人知道门后的情况,而你不知道。你的目标就是要猜出哪扇门后是汽车,如果猜对,汽车就归你了。首先,你可以随便选中一扇门,我们称之为A门,其他两扇为B门和C门;然后,主持人会打开B或C中的一扇是山羊的门,帮你排除掉一扇门;最后,主持人会问你是否改变最初的选择?你可以坚持选择A门,也可以选择另一扇未打开的门。
关于这道题,出现了许多种不同的分析,彼此争论不休,比如下面这些典型的分析:
分析1: 第一次选择A、B、C门正确的概率为1/3;主持人排除一扇门并不会改变A, B, C的概率,所以,不管是否改变概率都是1/3。
分析2: 第一次选择A门正确的概率为1/3,主持人排除一扇门以后,剩下两扇门的概率都相应地变成了1/2。所以,不管是否改变概率都是1/2。
分析3: 第一次选择A门正确的概率为1/3,主持人排除一扇门之后,如果不重新选择,A门正确的概率还是1/3,而重新选择另一扇门可以使概率上升为1/2。
分析4: 第一次选择A门正确的概率为1/3,主持人排除一扇门之后,如果不重新选择,A门正确的概率还是1/3,而重新选择另一扇门可以使概率上升到2/3。
这么多种分析,到底那种正确呢?其实,通过概率树就可以直观地看出来:
在不换选策略下,第一次选对的概率为1/3,选错的概率为2/3。如果第一次选对,那么继续选对的概率为1。如果第一次选错,那么继续选错的概率也为1。所以,最终选对的概率为1/3。
在换选策略下,第一次选对的概率为1/3,选错的概率为2/3.如果第一次选对,那么改变后选对的概率为0.如果第一次选错,那么改变后选择对的概率为1.所以,最终选对的概率为2/3.
有了概率树这个工具以后,对于问题的分析就直观多了。我们还可以进一步思考:假如问题变为n扇门,主持人排除m扇门,那么改变选择和不改变选择两种策略选对的概率分别是多少?
贝叶斯推断问题
概率树不仅可以用于解决羊车问题,对于经典的贝叶斯推断也非常有用,下面是一个典型的例子:
在夏季,某公园男性穿凉鞋的概率为1/2,女性穿凉鞋的概率为2/3,并且该公园中男女比例通常为2:1,若你在公园中随机遇到一个穿凉鞋的人,请问它的性别为男性或女性的概率分别为多少?
学过概率论的朋友都知道这就是最经典的贝叶斯推断问题。根据贝叶斯公式:
P(A | B) = P (A && B) / P(B) = P(A) * P(B | A) / P(B)
可以推出
P(男 | 穿凉鞋)
= P(男 AND 穿凉鞋) / P(穿凉鞋)
= P(男) * P(穿凉鞋 | 男) / P(穿凉鞋)
= (2/3 * 1/2) / P(穿凉鞋)
= (1/3) / P(穿凉鞋)
P(女 | 穿凉鞋)
= P(女 AND 穿凉鞋) / P(穿凉鞋)
= P(女) * P(穿凉鞋 | 女) / P(穿凉鞋)
= (1/3 * 2/3) / P(穿凉鞋)
= (2/9) / P(穿凉鞋)
1 = P(男 | 穿凉鞋) + P(女 | 穿凉鞋) = (1/3 + 2/9) / P(穿凉鞋)
=>
P(穿凉鞋) = 5/9
P(男 | 穿凉鞋) = 1/3 * 9/5 = 3/5
P(女 | 穿凉鞋) = 2/9 * 9/5 = 2/5
上面的解法需要熟悉贝叶斯公式,这并不是每个人都能随时记住的,下面我们通过一个概率树来分析,这就十分直观了。
根据概率树,我们可以直观的看到各个分支的概率情况
P(男|穿凉鞋) / P(女|穿凉鞋)=(2/3 * 1/2) / (1/3 * 2/3) = 3/2
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源!
· 周边上新:园子的第一款马克杯温暖上架