- 在线时间
- 119 小时
- 最后登录
- 2015-11-18
- 注册时间
- 2013-1-11
- 听众数
- 9
- 收听数
- 1
- 能力
- 0 分
- 体力
- 1210 点
- 威望
- 0 点
- 阅读权限
- 40
- 积分
- 496
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 270
- 主题
- 7
- 精华
- 0
- 分享
- 0
- 好友
- 2
升级   65.33% TA的每日心情 | 衰 2015-11-11 09:17 |
|---|
签到天数: 234 天 [LV.7]常住居民III
 群组: 2013年电工杯B题讨论群 群组: 2014年网络挑战赛交流 |
|
直觉的欺骗,三门悖论的模拟 以下描述来自百度百科: 2 w. o9 {4 F. a4 K0 `6 M9 L
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。
. H$ e( n& h9 W7 M5 ]# u
, x5 l! T. N! k5 v6 u1 b. t鄙人谈几句话:
* h/ Z3 g: B: d; T0 }7 B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。
! \7 V* u6 f( A- W4 F
\4 W( I0 i5 s. ~& ~4 x8 j以下是鄙人的python模拟程序:
; _+ Z: @* _" K! b% z #Author : Naupio
+ F; p& g; U; ~& f: Qimport random as rd- k+ ^2 }. ~6 W: V9 B, i, ^$ ?6 X
change = True. q# j" _% g4 v, G2 I6 @, p
def moni(times=10000):
8 r# X$ I: r0 }- Y- B% Y counts = 0.0% F+ ~8 ?5 z0 m: a0 n4 q: a% O
for i in range(times):
h* w% ?2 u p3 W# z rightaim = int(rd.random()*3) #汽车所在的门3 s2 s& t' E% [0 _2 O" `1 q) J
guss = int(rd.random()*3) #第一次猜的门1 |6 d, K1 Y6 }* `
aim=[0,1,2] #初始化三个门. O3 Z$ D9 t: j- J6 z E1 ]& K
% c0 G% T; [& o) i' j# X% \4 a; f
#找出要主持人打开的门
. m/ J0 L- K% e8 o for j in aim:7 s2 [8 R9 m+ G: E
if (j!=guss and j!=rightaim):1 }' [$ Y/ L M7 m% R$ f0 L
openaim = j
8 \- [. l! f9 j S! p5 ^ break
, R$ U- ~% ?; W- a & N! `& f: z3 x: {2 I/ X4 Z) i
#找出另一个门 7 `$ g5 |3 m! E% t) K
for j in aim:
+ V" ]4 m& {+ [3 J if (j!=guss and j!=openaim):
6 g1 c& s# A, ~+ V/ z; j otheraim =j
( ~8 O0 @5 w( E+ a break
7 }$ S, s" d; P- z8 Q! m) y2 `& B6 b2 ~6 p! O; ~
& ]1 ~: V6 Y3 B2 _% `; @; M7 g( j #改变选择 7 [: ~& P/ \7 e1 A0 P& |
if change:
$ I. H6 M% i3 n+ l; F5 p/ k guss = otheraim+ C& b) ?9 H0 d: @
. R5 c, g% O8 B8 O9 w #改变选择之后猜中汽车的次数统计 - d3 \8 T' V2 m! J
if guss==rightaim:
0 u! V0 p1 z1 J. F# w6 F% Q counts+=1. E" Z9 g9 b3 }" `" [
3 Z$ S' e1 i. h( d7 F #返回改变选择之后猜中汽车的概率
1 H+ s, B' t5 c* P4 @/ v return counts/times
- m- R) |, F' z0 p1 Q9 i0 ]. wprint "改变选择之后的模拟一千次结果是:",moni(1000)
- o0 b& ?8 J: Y( v; h3 Zprint "改变选择之后的模拟一万次结果是:",moni(10000)
' z5 l: {5 ~ [9 }print "改变选择之后的模拟十万次结果是:",moni(100000): T; h' o4 c5 d0 u$ V
print "改变选择之后的模拟一百万次结果是:",moni(1000000)+ r1 o* Q4 z6 B9 [; n0 Z* K
print "改变选择之后的模拟一千万次结果是:",moni(10000000) + e. I& {! j! p( U; l
( T, S: O: G# ?3 }* _" _
以下是模拟效果截图: 7 |' h' m5 ~+ ~" a
8 a. ^+ {& L9 l! N. @9 `$ d
6 N- E: j# P, f0 G: f5 _2 B) Z! @5 P7 Y鄙人最后说几句:
5 x$ r( `4 ]; P7 d8 d' A% ] 从模拟的结果上来看还算是成功的,随着模拟的次数越来越多,结果越来越接近2/3,本来想打算再提高模拟次数的,但由于我的本本比较渣,会卡爆,所以只模拟到一千万次。
8 x& _5 ~+ B7 [( {@百年孤独 @数学中国—罂粟 @madio
. `2 R, O3 D$ W7 J( Vps:不排除有错误,欢迎指正,欢迎交流,转载请注明出处,版权所有。! n6 w+ k! X, r6 t5 C; t+ x9 G
t6 P5 f; e! t
7 I# U( r' K; `. ~
$ D& C3 J# z; g7 H, s) n |
zan
|