週末研究ノート ー (Easy!) Monty Hall Problem Simulation

はじめに　ー　週末研究ノートとは？

個人的に研究的な活動をやるにあたり、オープンにしてみたら面白いかもと思い、自分が興味を持っている ざっくりテーマについて、これから、ゆるい週末研究を公開していこうと思います。（有識者の方のアドバイスも、ちょっとというかかなり期待してます！笑）

どこかの権威的な学会やジャーナルなどで発表する予定はないため、万が一、私の記事を利用する際には自己責任でお願いします。そんな人はいないと思いますが、念のため。

今回のサマリ （TL; DR）

今回は、閑話休題？！

ひさしぶりに「モンティ・ホール問題」に出会ったので、選択肢を変えた場合の確率をシミュレーションしてみました。

環境

• Google Colaboratory
  • コードは、こちら

今回の週末研究ノート

モンティ・ホール問題の選択肢を変えた場合について、シミュレーションしたよ♪

モンティ・ホール問題とは？

「こちら」（Wikipedia）を参照ください

選択肢を変えた時のシミュレーション

%%time
n = 100000
n_corrects = 0

for _ in range(n):
    # 正解の車のドアをランダムに決める
    door_car = rnd.choice(doors)

    # ハズレのヤギのドアを記録しておく
    door_goats = [dr for dr in doors if dr != door_car]
    
    # プレイヤーがドアをランダムに１つ選ぶ
    door_pickedup = rnd.choice(doors)
    
    # 司会のモンティがハズレのドアをランダムにオープンにする
    door_opened = rnd.choice([dr for dr in doors if dr not in [door_car, door_pickedup]])
    
    # プレイヤーがドアをランダムに変える
    door_changed = rnd.choice([dr for dr in doors if dr not in [door_opened, door_pickedup]])
    
    # 変更したドアが正解の車のドアだったら、正解数をインクリメントする
    if door_changed == door_car:
        n_corrects += 1

# 正解率を表示
print("正解確率:", n_corrects/n)

まとめ

• 選択肢を変えると、ちゃんと、正解率は $\frac{2}{3}$ になるよ！
• 思ったより、簡単にシミュレーションを実装できた♪

参考文献

• モンティ・ホール問題 - Wikipedia