以下描述来自百度百科: ( M, `1 i8 a6 T+ }三门问题(Monty Hall problem)亦称为蒙提霍尔问题、蒙特霍问题或蒙提霍尔悖论,大致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)。参赛者会看见三扇关闭了的门,其中一扇的后面有一辆汽车,选中后面有车的那扇门可赢得该汽车,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,节目主持人开启剩下两扇门的其中一扇,露出其中一只山羊。主持人其后会问参赛者要不要换另一扇仍然关上的门。问题是:换另一扇门会否增加参赛者赢得汽车的机会率?如果严格按照上述的条件,即主持人清楚地知道,哪扇门后是羊,那么答案是会。换门的话,赢得汽车的机率是2/3。1 r$ V. [" Y$ N4 b4 m
9 L& `; }9 V- \ F% W鄙人谈几句话:6 l1 t0 l8 h9 X' _- S) ~/ z p
很多人都认为改变选择之后是二选一的情况,认为赢得汽车的概率是1/2,包括伟大的数学家鄂尔多斯都这样认为。但是我们要用事实来证明,如果真实做这个实验,会消耗太多资源,下面由鄙人用计算机编程来模拟这个情形。源码公开,如果有大神觉得不妥,欢迎指正。9 X$ I9 }9 E) R. r; E8 U, i
; @3 L" t" S$ L6 w$ U. e0 m以下是鄙人的python模拟程序: " D y7 B% C; c
#Author : Naupio6 `7 S/ X; I* \
import random as rd ( Q- C, f+ ]5 d) W( F1 m; schange = True . B3 Z: ^) _* gdef moni(times=10000): T, x9 N0 C. J
counts = 0.0 1 W+ }$ K3 U9 W0 \& c* d7 R for i in range(times): % h; _, X, {$ E$ J; i; N rightaim = int(rd.random()*3) #汽车所在的门0 {7 N, F) ^3 U# b3 W, t8 h
guss = int(rd.random()*3) #第一次猜的门 : R8 W) P/ J3 O& p9 o* b2 v aim=[0,1,2] #初始化三个门1 a" F* g6 m- i" |4 `
* q Y2 z. }; B7 [" {3 A
#找出要主持人打开的门 ( z/ ~- H+ p k, C# V, X for j in aim:! _; i; p3 o& g4 j% J1 |4 ]
if (j!=guss and j!=rightaim):0 i, _1 \- {$ {4 z5 x
openaim = j$ a" s5 o; J; ]/ m% ^' a J
break3 ]6 W7 J; J/ V3 ^' F. `, `) {1 e
3 K/ [$ p5 V: B, Z, I( m) e% K: E #找出另一个门 {) Q. Z4 U+ z5 e3 V! v* M+ W( i for j in aim: 9 q/ r$ D t, G# M if (j!=guss and j!=openaim):# p! P' R" @+ Y5 L
otheraim =j1 r, M: W. B& ]' S
break 7 M* P7 h7 p% a! g2 g( q7 | + R& ]7 F9 G9 c4 G- r3 L) B% V" l2 Q" a4 \8 u! K
#改变选择 & l# @1 I/ u# |. V6 ]$ g3 t. ~2 @ if change: 6 f9 j# x: P* W5 b$ C6 g& @0 Y guss = otheraim3 ?5 f- l: m. t9 d3 M3 s6 t
8 |3 E' ]7 P B$ [' \% h* J #改变选择之后猜中汽车的次数统计 + Q0 N0 ^1 N6 O" A# U if guss==rightaim:$ G( b) l0 \0 }6 B3 `% e% T) Y5 Q b& H( S
counts+=13 l* K( n9 }2 C/ h$ \( c3 \8 x% ?