Python模拟蒙提霍尔问题：改变选择真能大幅提高获胜概率？

你已经开始编写一个经典的蒙提霍尔问题（Monty Hall Problem）的模拟程序。这个实验通过随机选择汽车和羊的位置，并观察玩家在保持初始选择或改变选择时获胜的概率来研究概率论。 以下是完整的代码实现： ```python import random def monty_hall_simulation(num_trials): win_stay = 0 win_switch = 0 for _ in range(num_trials): # 随机安排汽车和羊的位置（0，1，2代表三扇门） car_door = random.randint(0, 2) player_choice = random.randint(0, 2) # 主持人打开一扇有羊的门（不是玩家选的那扇，也不是汽车所在的那扇） open_door = None for door in [0, 1, 2]: if door != player_choice and door != car_door: open_door = door break # 玩家的两个可能选择：保持原选择或改变选择 stay_door = player_choice switch_door = None for door in [0, 1, 2]: if door != player_choice and door != open_door: switch_door = door break # 判断是否赢得奖品 if stay_door == car_door: win_stay += 1 if switch_door == car_door: win_switch += 1 return win_stay, win_switch # 运行模拟 num_trials = 10000 win_stay, win_switch = monty_hall_simulation(num_trials) print(f"保持原选择获胜次数: {win_stay}") print(f"改变选择获胜次数: {win_switch}") print(f"保持原选择获胜概率: {win_stay / num_trials:.4f}") print(f"改变选择获胜概率: {win_switch / num_trials:.4f}") ``` ### 解释： 1. **初始化计数器**：`win_stay` 和 `win_switch` 分别记录保持原选择和改变选择时的获胜次数。 2. **循环进行多次试验**：使用 `for _ in range(num_trials)` 进行多次模拟。 3. **随机分配汽车和羊的位置**：使用 `random.randint(0, 2)` 随机生成汽车所在的位置 `car_door` 和玩家的初始选择 `player_choice`。 4. **主持人打开一扇有羊的门**：遍历所有门，找到既不是玩家选择的门也不是汽车所在的门，并将其设为 `open_door`。 5. **计算两个可能的选择**：一个是保持原选择 `stay_door`，另一个是改变选择 `switch_door`。 6. **判断是否赢得奖品**：比较玩家的选择与汽车的位置，更新相应的计数器。 7. **输出结果**：打印出保持原选择和改变选择的获胜次数及概率。 通过运行这个模拟，你会发现改变选择获胜的概率显著高于保持原选择的概率，这验证了蒙提霍尔问题的结论。 ######[AI写代码神器 | 753点数解答 | 2024-11-27 19:14:10]