Think Bayes ―プログラマのためのベイズ統計入門

2.4

　モンティ・ホール問題

■

15

for hypo, prob in pmf.Items():

print hypo, prob

結果は、

Bowl 1 0.6

Bowl 2 0.4

となるが、これは、前節のコードと同じである。コードそのものは、ずっと複雑になっ

ている。

1

つの利点は、同じボウルから複数のクッキーを取り出せる（取り出したクッ

キーの補充あり）ように一般化していることである。

dataset = ['vanilla', 'chocolate', 'vanilla']

for data in dataset:

pmf.Update(data)

もう

1

つの利点は、他の同様の問題を解くためのフレームワークを提供していること

である。次節でモンティ・ホール問題をプログラムで解くが、フレームワークのどこが

同じかがわかる。

本節のコードは、

http://thinkbayes.com/cookie2.py

から得られる。詳細については、

まえがきの「コードについて」（

ix

ページ）を参照のこと。

2.4

 モンティ・ホール問題

モンティ・ホール問題を解くために、新たに次のクラスを定義する。

class Monty(Pmf):

def

__

init

__

(self, hypos):

Pmf.

__

init

__

(self)

for hypo in hypos:

self.Set(hypo, 1)

self.Normalize()

ここまでは、

Monty

と

Cookie

は全く同じである。

Pmf

を求めるコードも仮説の名前を ...