標準的なモンティホール問題の解答—常にドアを変更して2/3の勝率を得る—は、ホストが車の位置を知っていて意図的に山羊を明らかにするという重要な前提に依存しています。この記事では、ホストの行動を検証しないと、従来の答えが成り立たない可能性があると主張します。これは、『おっちょこちょいホスト』のようにドアをランダムに開けるバリエーションを探求し、車が誤って明らかにされた場合、そのゲームは破棄され、結果が歪むことを示しています。ベイジアン推論を使用して、著者はホストを未知の変数として扱い、過去のエピソードからその行動を推測します。分析によると、2/3の優位性は事前確率からではなく、ホストの行動についての未検証の仮定をエンコードする尤度の列から生じます。この論考は、経験的研究における選択バイアスなどの広範な問題と関連付け、リチャード・ギル、ジェフリー・ローゼンタール、アンドリュー・ゲルマン、ミラーとサンウルホの研究を引用し、モンティホール問題を純粋な確率パズルではなくモデリング問題としてフレームしています。
出典: Towards Data Science · 要約：HeadlinesBriefing