A solução padrão do problema de Monty Hall—sempre trocar para ter uma probabilidade de vitória de 2/3—depende de um pressuposto chave: o apresentador sabe onde está o carro e revela deliberadamente uma cabra. Este artigo argumenta que, sem verificar o comportamento do apresentador, a resposta clássica pode não ser válida. Ele explora variantes como o 'apresentador desajeitado' que abre uma porta aleatoriamente, mostrando que se o carro for revelado acidentalmente, esses jogos são descartados, distorcendo os resultados.
Usando raciocínio bayesiano, o autor trata o apresentador como um desconhecido, inferindo seu comportamento a partir de episódios anteriores. A análise mostra que a vantagem de 2/3 não surge das probabilidades prévias, mas da coluna de verossimilhança, que codifica suposições não verificadas sobre as ações do apresentador. O texto conecta isso a questões mais amplas na pesquisa empírica, como o viés de seleção, citando o trabalho de Richard Gill, Jeffrey Rosenthal, Andrew Gelman e Miller e Sanjurjo, que enquadram o problema de Monty Hall como um problema de modelagem em vez de um quebra-cabeça de probabilidade puro.
Fonte: Towards Data Science · Resumido por HeadlinesBriefing