일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- 백준
- dbms
- 해시
- 그리디
- 프림 알고리즘
- SERVLET
- programmers
- 정렬 알고리즘
- mst
- DP
- 웹 프로그래밍
- mysql
- 부스트코스
- 다이나믹 프로그래밍
- 웹서버
- 네이버 부스트캠프 ai tech
- 프로그래머스
- 크루스칼 알고리즘
- 브라우저
- greedy
- BJ
- request
- 벡엔드
- jsp
- Prim's Algorithm
- Kruskal's Algorithm
- 웹프로그래밍
- 소수
- 순열 알고리즘
- 정렬
- Today
- Total
끵뀐꿩긘의 여러가지
6강- Monty Hall 문제와 심슨의 역설 (Monty Hall, Simpson's Paradox) 본문
6강- Monty Hall 문제와 심슨의 역설 (Monty Hall, Simpson's Paradox)
끵뀐꿩긘 2022. 10. 11. 02:26Monty Hall 문제
세 개의 문 중에 하나 뒤에는 자동차가 있고, 나머지 두 개 뒤에는 염소가 있다. Monty가 내가 고르지 않은 문 중 하나를 열어 염소가 있는 것을 보여줬다면, 나는 처음 고른 문에서 바꾸는 것이 유리한가, 그렇지 않은가?
i) 수형도로 풀기
ii) 전체 확률의 법칙으로 풀기
$S : $ 처음 선택에서 바꿔서 자동차가 있는 문을 맞추는 사건
$D_j : $ j번째 문 뒤에 자동차가 있는 사건 $(j \in {1,2,3})$
$$P(S) = P(S|D_1) * \frac{1}{3} + P(S|D_2)*\frac{1}{3} + P(S|D_3)*\frac{1}{3}$$
$$ = 0 * \frac{1}{3} + 1 * \frac{1}{3} + 1*\frac{1}{3} = \frac{2}{3}$$
1번을 처음에 골랐다고 가정하면, 1번문에서 바꾸면 자동차가 있는 문을 맞출 수 없음
2번문에서 바꾸면, 몬티가 염소문을 하나 열어주기 때문에 무조건 맞춤
3번문에서 바꾸면, 몬티가 염소문을 하나 열어주기 때문에 무조건 맞춤
monty가 2번문을 여는 경우를 $2$라고 하면
$$P(S|2) = \frac{P(S\cap 2)}{P(2)} = \frac{0 + \frac{1}{3}}{ \frac{1}{6} + \frac{1}{3}} = \frac{2}{3}$$
이므로, 조건부 확률과 조건부가 아닌 확률 값이 일치한다
직관적으로 생각하기
문을 늘려서 생각해보면, 100개의 문 중 내가 처음에 고른 문이 맞을 확률은 1/100이다. 반대로 말하면, 내가
고르지 않은 문에 자동차가 있을 확률이 99/100이고, 하나의 문을 남기고 나머지 문을 다 열어주면 나머지 하나의 문에 자동차가 있을 확률이 몰려 99/100이 된다.
https://tali.tistory.com/1113#head4
몬티홀 문제 완벽해설 총모음 (조건부확률 베이즈정리)
몬티홀 문제란? 당신은 몬티홀의 퀴즈쇼에 참가했다. 문제를 다맞추고 최종 우승자가 되어 마침내 상품을 받게 되었다. 단, 상품도 하나의 게임을 통해 주어진다. 쇼 진행자 몬티홀은 세 개의
tali.tistory.com
Simpson's Paradox(심슨의 역설)
부분에서 성립하는 대소관계는 전체를 보았을 때 역전될 수도 있다.
각각의 수술 성공률은 Dr.H가 높지만, 수술을 모두 합치면, Dr.N이 높다
A: 수술이 성공하는 사건
B: Dr. Nick가 수술을 집도하는 사건
C: 심장 수술을 받는 사건
<조건부 확률>
심장) $P(A|B,C) < P(A|B^C,C)$
반창고) $P(A|B,C^C) < P(A|B^C, C^C)$
<무조건부 확률>
전체) $P(A|B) > P(A|B^C)$
조건부확률에서는 Dr.H가 더 좋은 확률을 보이지만, 무조건부 확률에서는 Dr.N이 더 좋은 성적을 보인다
=> 여기서 C를 confounder(교란변수)라고 하며, 적절한 confounder를 확인하지 않으면 그릇된 판단을 내릴 수 있다
- 전체 확률의 정의로 심슨의 역설 나타내기
$P(A|B) = P(A|B,C)P(C|B) + P(A|B,C^C)P(C^C|B)$에서
$P(A|B,C) < P(A|B^C,C), P(A|B,C^C) < P(A|B^C,C^C)$는 알 수 있지만,
$P(C|B), P(C^C|B)$는 알 수 없기 때문에 조건부 확률이 높아도 심슨의 역설이 나타날 수 있다
'Naver boostcamp -ai tech > Statistics 110' 카테고리의 다른 글
8강- 확률변수와 확률분포 (Random Variables and Their Distributions) (0) | 2022.10.18 |
---|---|
7강- 도박꾼의 파산 문제와 확률변수 (Gambler's Ruin and Random Variables) (0) | 2022.10.18 |
5강- 조건부 확률과 전확률정리 (Conditioning Continued, Law of Total Probability) (0) | 2022.10.10 |
4강- 조건부 확률 (Conditional Probability) (0) | 2022.10.04 |
3강- Birthday Problem과 확률의 특성 (Birthday Problem, Properties of Probability) (0) | 2022.10.04 |