Re: [情報] 條件機率 與 三門問題 ... 進來看看吧

看板Inference (推理遊戲)作者 (冰火龍)時間18年前 (2006/04/27 18:43), 編輯推噓0(000)
留言0則, 0人參與, 最新討論串2/2 (看更多)
※ 引述《oodh (oodh)》之銘言: : 首先,既然有提到條件機率 : 這是雅虎加 : http://tw.knowledge.yahoo.com/question/?qid=1306042511421 : 你要先了解條件機率的定義: : P(B|A)=P(B∩A)/P(A) : 這道理很簡單, : 如果你把 A 當作是樣本空間 S , : 則 P(B|S)=P(B∩S)/P(S)是不是 P(B)!? : 所以條件機率P(B|A)代表在 A 事件發生的條件下,B 事件發生的機率, : 當然是以 A 事件為樣本空間, : 且在 A 事件發生的條件下,B 事件發生的情形當然是B∩A : *********以上 : 說在前頭 : 我想,大部分人不是不知道條件機率 : 而是這題讓人起疑的地方是「主持人開出羊」並非條件機率中的條件 : 如果全用條件機率算 : 或完全不用條件機率算 : 都會算出 1/2 : 反而讓全用條件機率算的人覺得算出1/3 的人才是不懂條件機率的 : **********進入三門事件 : 在三門事件中, : 我們先把「主持人一定開羊」的條件去掉,列出所有可能情形 : 一開始選門選中 車1/3 羊2/3 : 然後主持人開門 羊 1/2 (一扇門以被開,只剩兩扇) : 然後選擇換與不換 -- 無機率,因為遊戲者沒有換與不換的特殊傾向 : (或設為 各 1/2 -- 其實照題意是無機率的 ) : 動作做完,讓我們看最後集合中所有的可能情形 : 選 開 換 : 1/3車 2/2開羊 換(1/2) 最後一定是羊 共1/6 : 不換(1/2) 一定是車 1/6 : 0/2開車 換 (1/2) x : 不換(1/2) x : 2/3羊 1/2開羊 換(1/2) 一定是車 1/6 : 不換(1/2) 一定是羊 1/6 : 1/2開車 換(1/2) 一定是羊 1/6 : 不換(1/2) 一定是車 1/6 : 現在把條件加上去(重申一次,這樣算是錯的哦) : 主持人會到開羊(條件) : 所以變成 : 選 開 換 : 1/3車 2/2開羊 換(1/2) 最後一定是羊 共1/6 : 不換(1/2) 一定是車 1/6 : 0/2開車 換 (1/2) x : 不換(1/2) x : 2/3羊 1/2開羊 換(1/2) 一定是車 1/6 : 不換(1/2) 一定是羊 1/6 : 1/2開車 換(1/2) 一定是羊 1/6 : 不換(1/2) 一定是車 1/6 : 這樣看來,換了之後 得到車的機率該為 (1/6+1/6) /(4/6) = 1/2 : ^^ : (條件「開羊」中的條件) : 換個算法,要得到車,換和不換都是 1/6 /(1/6+1/6) =1/2 的機率 : ^^^^^^^^ : (條件「開羊」中的另一種條件) : -------------- 正解 --------------- : 但,這跟題目並不相同 : 「題目並不是說"在主持人開到羊的情況下"」 : 也就是說 : 並非「主持人會開到羊,也會開到車; 而,在主持人開到羊的情況裡」 : 而是「主持人因為偷看,而且規定,所以一定會開出羊」 : 所以並不能採用原集合 : 而必需用新的集合 : 選 開 換 : 1/3車 1/1開羊 換(1/2) 最後一定是羊 共1/6 ...(1 : 不換(1/2) 一定是車 1/6 ...(2 : 2/3羊 1/1開羊 換(1/2) 一定是車 2/6 ...(3 : 不換(1/2) 一定是羊 2/6 ...(4 : 這時,換(條件)而開出 車 的機率 是 2/6 / (1/6+2/6) = 2/3 : (3 (1 +(3 : 換而開出羊的機率是1/3(請自算) : 換個算法,要得到 車 的情形下,是換來的機率是 2/6 / (1/6 + 2/6 ) = 2/3 : (3 (2 + (3 : 不換就得到車的機率是1/3(請自算) : 這樣,希望能解答各位的疑惑 : 我想,大部分人不是不知道條件機率 : 而是這題讓人起疑的地方是「開羊」並非條件機率 : 如果全用條件機率算 : 或完全不用條件機率算 : 都會算出 1/2 : 反而讓全用條件機率算的人覺得算出1/3 的人才是不懂條件機率的 : ^^ : 呼~ 這題存活真久,打破 五角屋事件 和 魚胸章問題 了 現在的問題不是已經改成 如果主持人可能會開到車也可能會開到羊嗎??? 還是我搞錯了??? -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.114.89.151
文章代碼(AID): #14KA1dt_ (Inference)
文章代碼(AID): #14KA1dt_ (Inference)