Python | 拥有选择权 ,才拥有概率 。(下)

简介: 说三门问题之前 ,先来说点类似的 。假如三个盒子里各有一个球 ,一次选择机会摸奖 。你摸到了球 ,就奖励你一个 脱发再续膏 ,解决程序员秃头烦恼 。如果没摸到 ?那你就秃头吧 ( 活该程序员 )

概率分析2

你在逗我 ,这个上帝偷概率的 。

正经分析

问题原型

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率 ?如果严格按照上述的条件 ,即主持人清楚地知道 ,自己打开的那扇门后是羊 ,那么答案是会 。不换门的话 ,赢得汽车的几率是1/3 。换门的话 ,赢得汽车的几率是 2/3 。

这个问题亦被叫做蒙提霍尔悖论 :虽然该问题的答案在逻辑上并不自相矛盾 ,但十分违反直觉 。这问题曾引起一阵热烈的讨论 。

30.jpg


八方思路

  • 横向的类比理解
  • 纯数理计算
  • 排列可能性

我的想法

问题原型是三门问题 ,确实反直觉 ,反简单逻辑 。于是我前后各自补充了两个实例 ,共三个渐进的问题

  1. 摸奖
  2. 摸奖+上帝之手排除+可选
  3. 摸奖+伪上帝之手开奖+伪可选  

1 2 对比

  • 1  三个里面总有两个是空的 ,上帝告诉我我没选的东西有什么用呢 ,我的选择不变 ,我的概率不变 ,依旧是三分之一  
  • 1+1 先来两次 1 ,第一次我能选三个中的一个 ,过了几秒钟 ,什么事情没发生 ,我可以换成别的 ,但我啥都不知道 ,怎么换还是三分之一
  • 2 第一次啥都不知道第二次选 ,我已经知道有一个排除项了 ,选那个非排除项 ,非首选项 ,选中几率扩大 ,而具体扩大的概率 ,则需要定量数据分析 ,不是两个选择各自百分之五十 。而是基于前两种情况下再做选择的概率分布 。
  • 更加重要的是 ,上帝是一个非随机的选择 ,上帝视角就决定了他对于随机概率的破坏

对比结果

果然那个排除项不像想象中那么简单 ,拿到一个未知问题环境 ,应该坚持单一变量的原则 ,谨慎推导 ,增量修补 ,才能寻找到细微差异 。

123对比

  • 探索从来不止于问题本身 ,为了更加深刻的探讨内涵 ,我增加第三项实验 ,如果这是个假上帝呢 ?他就和你一样 ,是一个选择者 ,他可能不是人 ,只是一个会产生结果 ,而它又从不会是你的选择 。  
  • 于是 ,你回到了 1 ,相同的概率 ,你可能中途就知道自己选错了 ,也可能走到尽头才发现 。你看似拥有选择 ,但你没有选择 ,你苦苦思索 ,希望做出更优的抉择 ,但是和一开始并无两样 ,你茫然依旧 。

总结

这是一个简单复杂浅显深奥的概率问题 ,更不仅仅局限于数学 。我可以在第二次让上帝之手放下无数空盒子打乱概率又发生变换 。而概率在其中不同情况下的辗转变换 ,无一不彰显着一个永恒的真理,拥有选择权 ,才拥有概率 。延伸一下 ,在更优的情况下 ,拥有选择权 ,才拥有更高的概率

 

你知道勤奋占百分之九十九 ,但你不选这个盒子 ,任由上帝打开 。你知道兴趣多么助于你学习成长 ,但你不选这个盒子 ,任由其腐朽 。你知道人工智能区块链量化交易的风口 ,但你不选这个盒子 ,任由别人打开 。

 

我不愿你读过很多名人传记 ,发现过很多自己身上的影子 ,却懒惰愚昧的仰望着他们 ,把自己置于劣势的条件下做随机选择 。

 

谨以此文 ,与君共勉 ,走一条高概率成功的人生之路 。

相关文章
|
1月前
|
数据可视化 Serverless Python
Python小事例—质地不均匀的硬币的概率统计
Python小事例—质地不均匀的硬币的概率统计
|
3月前
|
Python
【Leetcode刷题Python】1467. 两个盒子中球的颜色数相同的概率
本文介绍了LeetCode第50题"Pow(x, n)"的解法,题目要求实现计算x的n次幂的函数,文章提供了递归分治法的详细解析和Python实现代码。
43 0
|
6月前
|
机器学习/深度学习 数据挖掘 API
pymc,一个灵活的的 Python 概率编程库!
pymc,一个灵活的的 Python 概率编程库!
80 1
|
6月前
|
数据可视化 Python
PYTHON贝叶斯推断计算:用BETA先验分布推断概率和可视化案例
PYTHON贝叶斯推断计算:用BETA先验分布推断概率和可视化案例
|
6月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
|
6月前
|
数据可视化 Python
PYTHON 贝叶斯概率推断序列数据概率和先验、似然和后验图可视化
PYTHON 贝叶斯概率推断序列数据概率和先验、似然和后验图可视化
|
6月前
|
机器学习/深度学习 算法 数据挖掘
python数据分析——在数据分析中有关概率论的知识
参数和统计量在数据分析中起着至关重要的作用。参数是对总体特征的描述,如均值、方差等,而统计量则是基于样本数据计算得出的,用于估计或推断总体参数的值。 在统计学中,参数通常被视为未知的固定值,而统计量则是随机变量,因为它们的值会随着样本的不同而变化。这种差异使得统计量在推断总体参数时具有重要意义。例如,我们可以通过计算样本均值来估计总体均值,这就是一个典型的统计量应用。
132 1
|
11月前
|
算法 数据挖掘 API
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
111 1
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
|
6月前
|
机器学习/深度学习 数据采集 算法
GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测
GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测
179 0
|
6月前
|
机器学习/深度学习 自然语言处理 算法
【Python自然语言处理】概率上下文无关文法(PCFG)及神经网络句法分析讲解(图文解释 超详细)
【Python自然语言处理】概率上下文无关文法(PCFG)及神经网络句法分析讲解(图文解释 超详细)
194 0
下一篇
无影云桌面