《贝叶斯思维：统计建模的Python学习法》一2.4　Monty Hall难题

2.4　Monty Hall难题

为了解决蒙蒂大厅（Monty Hall）问题，我将定义一个新的类：

class monty(Pmf)：

def __init__(self，hypos)：
    Pmf.__init__(self)
    for hypo in hypos：
        self.Set(hypo，1)
    self.Normalize()

到目前为止，蒙蒂大厅和曲奇饼是完全一样的。创建Pmf的代码也一样，除了假设的名称：

hypos='ABC'
pmf =Monty(hypos)

对Update的调用几乎是相同的：

data='B'
pmf.Update(data)

Update的实现也是完全一样的：

def Update (self，data)：
    for hypo in self.Values ()：
        like = self.Likelihood(data，hypo)
        self.Mult(hypo,like)
    self.Normalize()

唯一需要些额外工作的是Likelihood：

def Likelihood (self,data,hypo)：
    if hypo==data：
        return 0
    elif hypo=='A'：
        return 0.5
    else：
        return 1

最后，打印输出的结果是一样的：

for hypo，prob in pmf.Items()：
    print hypo,prob

答案是

A 0.333333333333
B 0.0
Ç 0.666666666667

在本例中，Likelihood的编写有一点点复杂，但该贝叶斯框架的Update很简单。本节中的代码可以从http://thinkbayes.com/monty.py获得。欲了解更多信息，请参见前言的“代码指南”。