Die Standardlösung des Monty-Hall-Problems—immer wechseln, um eine Gewinnchance von 2/3 zu haben—basiert auf der Annahme, dass der Gastgeber weiß, wo das Auto ist und bewusst eine Ziege enthüllt. Dieser Artikel argumentiert, dass ohne Überprüfung des Gastgeberverhaltens die klassische Antwort möglicherweise nicht gilt. Er untersucht Varianten wie den ' tollpatschigen Gastgeber ', der eine Tür zufällig öffnet, und zeigt, dass wenn das Auto zufällig enthüllt wird, diese Spiele verworfen werden, was die Ergebnisse verzerrt.
Mit bayessischem Schlussfolgern behandelt der Autor den Gastgeber als Unbekannten und leitet sein Verhalten aus früheren Episoden ab. Die Analyse zeigt, dass der Vorteil von 2/3 nicht aus den vorherigen Wahrscheinlichkeiten entsteht, sondern aus der Wahrscheinlichkeitsspalte, die nicht überprüfte Annahmen über die Handlungen des Gastgebers kodiert. Der Artikel verbindet dies mit umfassenderen Problemen in der empirischen Forschung, wie Selektionsbias, und zitiert die Arbeiten von Richard Gill, Jeffrey Rosenthal, Andrew Gelman und Miller und Sanjurjo, die das Monty-Hall-Problem als Modellierungsproblem statt als reines Wahrscheinlichkeitsrätsel darstellen.
Quelle: Towards Data Science · Zusammengefasst von HeadlinesBriefing