跳转到内容
← 返回悖论
概率论约 16 分钟阅读

蒙提霍尔问题

Monty Hall Problem

相关人物

monty_hallvos_savantbayes
条件概率贝叶斯直觉谬误信息论

悖论描述

你参加一个游戏节目。面前有三扇门：一扇后面是汽车，另外两扇后面是山羊。你选择了一扇门（比如1号门）。主持人（知道汽车在哪扇门后面）打开另一扇有山羊的门（比如3号门），然后问你：要不要换到2号门？

换门是否有利？

直觉上，剩下两扇门似乎各有 1/2 的概率，换不换无所谓。但实际上：换门后获胜的概率是 2/3，不换只有 1/3。

历史背景

这个问题源自美国电视节目《让我们做笔交易》（Let's Make a Deal），由蒙提·霍尔（Monty Hall）主持。1990年，读者玛丽莲·沃斯·莎凡特（Marilyn vos Savant）在《Parade》杂志专栏中给出了正确答案（应该换门），引发了大量争议。超过一万名读者写信反对她的答案，其中包括许多数学家和统计学家。一位来自乔治梅森大学的数学家写道："你完全搞错了！"一位来自佛罗里达大学的数学教授说："你不懂概率！"然而莎凡特的答案是正确的。这个事件成为认知偏差研究的经典案例。

该问题的数学本质早在1959年就被马丁·加德纳（Martin Gardner）以"三囚问题"的形式讨论过。

解析

关键在于主持人不是随机开门的——他知道汽车在哪扇门后面，并且总是打开有山羊的门。这个行为传递了信息。用贝叶斯定理分析：

  • 初始选择正确的概率：$P(\text{正确}) = 1/3$
  • 初始选择错误的概率：$P(\text{错误}) = 2/3$
  • 如果初始选择正确，换门必输
  • 如果初始选择错误，换门必赢

因此：$P(\text{换门赢}) = P(\text{初始错误}) = 2/3$。

更形式化地：$P(\text{车在2号} | \text{3号是山羊}) = \frac{P(\text{3号是山羊} | \text{车在2号}) \cdot P(\text{车在2号})}{P(\text{3号是山羊})} = \frac{1 \cdot 1/3}{1/2} = 2/3$。

如果主持人是随机开门的（不知道汽车位置），那么当他碰巧打开一扇有山羊的门时，换门的概率确实是 1/2。主持人的知识和意图是关键。

数学意义

  1. 贝叶斯推理：新信息如何更新我们的信念——贝叶斯定理是条件概率的核心工具
  2. 条件概率：P(A∣B)≠P(A)P(A|B) \neq P(A)——已知条件 $B$ 会改变事件 $A$ 的概率
  3. 信息论：主持人的行为传递了信息——信息量可以用香农熵来量化。主持人开门前后的信息熵变化可以精确计算
  4. 认知偏差：揭示了人类概率直觉的系统性偏差——我们的大脑不是为概率推理而设计的
  5. 博弈论：如果主持人也是策略性的，问题涉及不完全信息博弈——这与拍卖理论中的信号博弈有结构上的相似性
  6. 教育学：蒙提霍尔问题是概率论教学中最有效的反直觉案例——它帮助学生理解条件概率和贝叶斯推理

核心概念辨析

蒙提霍尔问题涉及几对需要区分的概念：

  • 条件概率 vs 无条件概率：主持人开门前后的概率不同——新信息改变了概率。
  • 频率 vs 信念：频率学派和贝叶斯学派对概率的解释不同，但在蒙提霍尔问题上给出了相同的答案。
  • 随机选择 vs 信息选择：主持人随机开门（可能露出汽车）与知道信息地开门（总是露出山羊）是完全不同的场景。

当代应用

在医学诊断中，假阳性和假阴性的问题与蒙提霍尔问题有相同的数学结构。如果一种疾病的发病率很低（先验概率小），即使检测结果为阳性，患病的后验概率也可能不高——这被称为"基率谬误"（base rate fallacy）。在法律推理中，检察官谬误（prosecutor's fallacy）与蒙提霍尔问题相关：将"无罪情况下出现证据的概率"与"有证据情况下无罪的概率"混淆。

总结

蒙提霍尔问题是概率论中最著名的反直觉案例。它的教训是：新信息会改变概率——忽视条件概率会导致系统性的决策错误。主持人的知识和行为是关键因素——如果主持人是随机开门的（可能露出汽车），问题的答案就不同。这个简单的问题揭示了人类概率直觉的根本性限制。

为什么这很重要

蒙提霍尔问题不仅是一个概率谜题——它是理解条件概率和贝叶斯推理的最直观入口。

诺贝尔奖级别的直觉偏差。丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）的研究表明：人类的大脑不是为概率推理而设计的。我们有系统性的认知偏差——忽视基础概率（基率谬误）、混淆条件概率（检察官谬误）、过度自信（校准偏差）。蒙提霍尔问题是这些偏差的完美展示。

医学诊断中的蒙提霍尔。一种疾病的发病率为1%，检测的灵敏度为99%，特异度为99%。如果你的检测结果为阳性，你患病的概率是多少？直觉答案是99%，正确答案约50%。这与蒙提霍尔问题有相同的数学结构——基础概率（先验）被忽视了。

关键洞察

蒙提霍尔问题最深刻的教训是：信息的价值取决于产生信息的过程。 主持人开门不是随机的——他知道汽车在哪扇门后面，并且总是打开有山羊的门。这个"有信息的选择"使得打开的门携带了关于汽车位置的信息。如果主持人是随机开门的（可能露出汽车），那么当他碰巧打开一扇有山羊的门时，换门的概率确实是1/2。信息的价值取决于信息的来源和产生方式。

跨域连接

  • 贝叶斯定理：主持人知道车在哪且必开羊门，这条约束让他的行为在两种情形下似然不对称——你选对时他有两扇门可开，选错时只有一扇。改掉这条规则答案就变：若他随机开门并碰巧露出羊，换与不换各占一半；变化的根源在似然，不在门的数目。
  • 认知偏差：直觉把"还剩两扇门"直接读成"各一半"，这是等概率偏差——人默认尚未被排除的选项等权。可检验后果是把门数提到一百、让主持人开掉九十八扇后，正确率大幅上升，因为悬殊的比例压过了等概率直觉，这说明放大比例比讲解公式更有效。
  • 沃森选择任务：同一条条件推理规则，换成"喝酒与年龄"这类社会契约表述后正确率骤升。这说明失败的不是逻辑能力，而是问题的表面形式——蒙提霍尔之所以顽固，正因为它的表述恰好触发了最强的等概率直觉。
  • 强化学习：先主动获取信息再改策略，与"换门"是同一件事；采集函数衡量的正是一次观测能把后验收窄多少。推论是信息的价值取决于产生它的规则，观测机制若不可知，同样的结果就无法折算成信念更新——探索与利用的权衡本质上就是这笔账。
  • 循证医学：检察官谬误与基率谬误都是把"假设为真时证据出现的概率"当成"证据出现时假设为真的概率"。机制与本题同构：证据的分量取决于它在各竞争假设下出现概率之比，而不是它在某一个假设下有多大。

具体例子与直觉

模拟验证。蒙提霍尔问题的答案可以通过简单的计算机模拟来验证。运行10000次实验：随机将汽车放在三扇门之一，随机选择一扇门，主持人打开有山羊的门，然后统计换门和不换门的胜率。结果稳定地显示：换门胜率约 66.7%66.7\%，不换门胜率约 33.3%33.3\%。模拟不能替代证明，但它提供了强有力的直觉支持——特别是在数学论证难以理解时。

N扇门的推广。假设有100扇门，你选了一扇，主持人打开98扇有山羊的门，只留一扇未开。你换不换？在这个极端情况下，换门的优势变得非常明显：初始选择正确的概率是 $1/100$，换门后获胜的概率是 $99/100$。主持人打开98扇门的行为传递了大量信息——他从99扇门中"筛选"出了一扇最有可能有汽车的门。

贝叶斯网络表示。蒙提霍尔问题可以用贝叶斯网络精确表示：三个节点表示汽车位置（先验各 $1/3$），一个节点表示你的选择（随机），一个节点表示主持人打开的门（受汽车位置和你的选择约束）。主持人的行为引入了条件依赖——使得汽车位置的后验概率发生改变。这个贝叶斯网络结构在更复杂的决策问题中反复出现。

蒙提霍尔问题与量子力学。有物理学家指出蒙提霍尔问题与量子力学中的测量问题有结构上的相似性：测量前后的概率状态不同，因为测量行为传递了信息。在量子版本的蒙提霍尔问题中（选择量子门），换门的优势甚至更大——量子纠缠使得主持人的选择包含了更多的信息。

蒙提霍尔问题的博弈论分析。如果主持人也是策略性的（他想让你输），问题变成了不完全信息博弈。主持人可能根据你的策略来调整他的行为——如果你总是换门，主持人可能改变开门策略。在最坏情况下，主持人的最优策略可以使你的胜率降到 $1/2$。这与拍卖理论中的信号博弈有结构上的相似性——参与者的行为传递了关于私有信息的信号。

条件概率在日常决策中的陷阱。假阳性问题：一种疾病的发病率为 0.1%0.1\%，检测的灵敏度为 99%99\%，特异度为 99%99\%。如果你的检测结果为阳性，你患病的概率是多少？直觉答案是 99%99\%，但正确答案约为 9%9\%——因为 99.9%99.9\% 的健康人中有 1%1\% 的假阳性，数量远大于 0.1%0.1\% 的患者中 99%99\% 的真阳性。这个"基率谬误"在医学、法律和日常推理中反复出现——忽视先验概率是人类概率直觉最系统性的偏差。

贝叶斯推理的现代应用。垃圾邮件过滤器使用朴素贝叶斯分类器——根据邮件中词语的出现频率来判断是否为垃圾邮件。搜索引擎的排名算法结合了先验概率（网页的流行度）和似然（查询词在网页中的出现频率）。自动驾驶汽车的传感器融合使用贝叶斯滤波——将雷达、激光雷达和摄像头的数据结合，得到对周围环境的最优估计。每一次贝叶斯更新都是蒙提霍尔问题的推广——新信息如何改变我们的信念。

常见误区

  • "剩下两扇门各1/2概率"：主持人的行为传递了信息——他知道汽车在哪扇门后面，并且总是打开有山羊的门。这个"有信息的选择"改变了概率分配。
  • "主持人是随机开门的"：如果主持人是随机开门的（可能露出汽车），那么当他碰巧打开一扇有山羊的门时，换门的概率确实是1/2。主持人的知识和意图是关键。
  • "这只是理论问题"：蒙提霍尔问题的数学结构在医学诊断、法律推理和机器学习中有重要应用——条件概率的正确计算是理性决策的基础。

蒙提霍尔问题的变体。如果主持人不知道汽车在哪里，随机打开一扇门，碰巧露出山羊——换门的概率确实是 $1/2$。如果有10扇门，你选了一扇，主持人打开8扇有山羊的门——换门的胜率是 $9/10$。如果你不知道主持人是否知道汽车位置——你需要对主持人的知识状态形成先验信念。这些变体展示了条件概率的微妙之处：问题的答案取决于信息产生的过程。

信息论视角。主持人开门前，汽车位置的熵为 log⁡23≈1.585\log_2 3 \approx 1.585 比特。主持人开门后，如果你不换门，你的不确定性没有减少（仍然是1/3对2/3）。但如果你换门，主持人的行为实际上传递了约 $0.415$ 比特的信息。这个信息量可以用互信息 $I(X;Y) = H(X) - H(X|Y)$ 精确计算——其中 $X$ 是汽车位置，$Y$ 是主持人打开的门。蒙提霍尔问题因此成为信息论教学的优秀案例。

决策理论中的蒙提霍尔。蒙提霍尔问题展示了"换门策略"的优越性——在不确定环境中，灵活调整策略（换门）往往优于固守初始选择。这与日常生活中的"沉没成本谬误"有类比关系：人们倾向于坚持已经投入资源的选择，即使改变方向更优。认知行为疗法中用类似的概率推理来帮助患者克服确认偏差——挑战他们对先验概率的直觉估计。

历史注记

蒙提霍尔问题在1990年引发了超过一万封反对信——包括许多数学家和统计学家的来信。这一事件成为认知偏差研究的经典案例——即使是最训练有素的数学家也可能被概率直觉误导。卡尼曼和特沃斯基的研究表明：人类的大脑不是为概率推理而设计的——我们有系统性的认知偏差。蒙提霍尔问题是这些偏差的完美展示。这个事件也展示了数学传播的力量——一个简单的概率问题引发了公众对数学的广泛关注，并推动了认知科学的发展。蒙提霍尔问题至今仍是概率论教学中最受欢迎的案例——它教会学生：直觉可能是错的，数学推理是纠正直觉的工具。

蒙提·霍尔本人的策略。蒙提·霍尔本人在接受采访时说：如果他知道参赛者总是换门，他会改变策略——只在参赛者选对时才开门。这展示了博弈论的微妙之处——如果主持人也是策略性的，问题变成了不完全信息博弈。蒙提霍尔问题的"标准"假设（主持人总是开有山羊的门）是关键——违反这个假设会改变答案。这个细节常常被教科书忽略——但它对理解问题的本质至关重要。

后续的数学研究。吉伦斯（Gillies，2011）指出蒙提霍尔问题"不是关于概率的"——它是关于信息和决策的。罗森豪斯（Rosenhouse，2009）在《蒙提霍尔问题》一书中系统地分析了该问题的所有变体和推广。这些问题推动了条件概率、贝叶斯推理和决策理论的教学发展——蒙提霍尔问题成为这些领域的"杀手应用"。2008年的电影《决胜21点》（21）中，凯文·斯派西饰演的 MIT 教授在课堂上以蒙提霍尔问题考问学生——展示了数学悖论在流行文化中的持久魅力。

蒙提霍尔与机器学习。蒙提霍尔问题的数学结构在主动学习（active learning）中重现：算法选择一个数据点来查询标签（选择一扇门），获得标签后（主持人开门），更新对未标记数据的预测（换门决策）。贝叶斯优化中的采集函数（acquisition function）本质上也是在"换门"和"保留"之间做权衡——利用已知信息（exploitation）还是探索新区域（exploration）。

参考文献

  1. Marilyn vos Savant, "Ask Marilyn" column, Parade Magazine (1990).
  2. Jason Rosenhouse, The Monty Hall Problem (2009).
  3. J. Gillies, "The Monty Hall Problem is Not About Probability", The Mathematical Gazette (2011).
  4. Massimo Piattelli-Palmarini, Inevitable Illusions (1994).
  5. 陈希孺, 《概率论与数理统计》, 中国科学技术大学出版社, 2002.

蒙提霍尔之争印证了卡尼曼与特沃斯基的研究主旨：人类的大脑并非为概率推理而生——即便是训练有素的数学家，也会被概率直觉系统性地误导。