몬티홀 문제 만으로도 얘기가 길어져서 여기로 따로 빼 두었다.
몬티홀은 베이지안 문제가 아니다. 그냥 확률 문제이다.
이걸 코드로 짜보니 이유를 알겠다.
import random
length = 100000
list = [random.randrange(0,3) for i in range(length)]
#print list
o_true_sum = 0
o_false_sum = 0
c_true_sum = 0
c_false_sum = 0
for i in range(length):
select = random.randrange(0,3)
if list[i] == select:
#true_sum+=1
temp = random.randrange(1,3) + list[i]
if temp == 3:
temp = 0
#print list[i], 'correct', temp
o_true_sum+=1
c_false_sum+=1
else:
#false_sum+=1
temp = random.randrange(1,3) + list[i]
if temp == 3:
temp = 0
#print list[i], 'false', temp
o_false_sum+=1
c_true_sum+=1
print 100 * o_true_sum/length
print 100 * c_true_sum/length
허접하지만 코드를 만들어서 돌려보았다.
만들다 보니 알았다.
바꾸는 것이 맞을 확률이 더 높다.
왜냐하면 바른 걸 선택할 확률은 1/3 즉 33.3%이다.
만약 바꾸지 않으면 바른 걸 선택했다는 가정하에 맞출 확률은 100%이다.
틀린걸 선택할 확률은 2/3 즉 66.6%이다.
66.6%에서 선택을 바꾸지 않으면 맞출 확률은 0%
66.6%에서 선택을 바꾸면 맞출 확률은 100%이다.
왜냐하면 몬티홀이 잘못된 거 하나를 빼주었기 때문이다.
따라서 틀린걸 선택한 경우 바꾸면 맞출 확률은 100%이다.
게스트는 처음 선택이 틀릴 확률이 66.6%로 맞출 확률이 33%보다 2배 높다.
그렇기 때문에 게스트는 자신이 처음에 틀렸다는 가정하에 결정을 해야 한다.
게스트가 자신이 틀렸다는 가정을 하고나서 결정을 해야 한다면 그렇다.
자신의 답을 바꾸면 맞출 확률이 100%가 되므로 선택을 바꾸는 것이 확률이 더 높다.
'Machine Learning > [Book]Think Bayes - 파이썬을 활용한 베이지안 통계' 카테고리의 다른 글
[Think Bayes] 2. 계산 통계 (0) | 2015.02.20 |
---|---|
[Think Bayes] 1. 베이즈 이론 (0) | 2015.02.16 |