《贝叶斯思维：统计建模的Python学习法》——2.4　Monty Hall难题

本节书摘来异步社区《贝叶斯思维：统计建模的Python学习法》一书中的第2章，第2.4节，作者：【美】Allen B. Downey，更多章节内容可以访问云栖社区“异步社区”公众号查看

2.4　Monty Hall难题

为了解决蒙蒂大厅（Monty Hall）问题，我将定义一个新的类：

class monty(Pmf)： 

    def __init__(self，hypos)： 
        Pmf.__init__(self) 
        for hypo in hypos： 
            self.Set(hypo，1) 
        self.Normalize()```
到目前为止，蒙蒂大厅和曲奇饼是完全一样的。创建Pmf的代码也一样，除了假设的名称：

hypos='ABC' 
pmf =Monty(hypos)```

对Update的调用几乎是相同的：

    data='B' 
    pmf.Update(data)```
Update的实现也是完全一样的：

def Update (self，data)： 
    for hypo in self.Values ()： 
        like = self.Likelihood(data，hypo) 
        self.Mult(hypo,like) 
    self.Normalize()```

唯一需要些额外工作的是Likelihood：

    def Likelihood (self,data,hypo)： 
        if hypo==data： 
            return 0 
        elif hypo=='A'： 
            return 0.5 
        else： 
            return 1```
最后，打印输出的结果是一样的：

for hypo，prob in pmf.Items()： 
    print hypo,prob```

答案是

A 0.333333333333
B 0.0
Ç 0.666666666667
在本例中，Likelihood的编写有一点点复杂，但该贝叶斯框架的Update很简单。