一起来做几道有趣的概率题

大家好，欢迎来到 Crossin 的编程教室。

看到一篇叫做《和上帝一起掷骰子》的文章，里面提到了很多概率有关的问题，不少经过计算得出的概率都与人第一看上去产生的直觉大相径庭。今天在这里分享几个有趣的例子，来看看你的直觉和数学上的概率是否一致。

一个例子：

若1千人中有1人携带x病毒，有一种可以百分之百检测出病毒携带者的检查。但这种检查对于没有携带的人，有5%的可能性误检出是携带者。现在随便找了一个人，检查后呈阳性，也是就携带者。那么他真的是携带者的可能性是多大？

这里，我们不考虑各种其他条件。看上去5%误检率是很低的。但其实，这人真正携带x病毒的概率只有1.96%。

1 / (999 × 5% + 1)

而就算他连着2次检测都是阳性，实际带病概率也不过 1 / (999 × 5% × 5% + 1) ≈ 28.6%

所以在实际中，遇到检测阳性的情况，通常都需要再次复检从而尽可能排除假阳性的可能。

另一个例子：

一辆出租车在雨夜肇事，一个目击证人说，车是蓝色的。已知：目击证人在当时场景下正确记忆并区分蓝绿色的准确率是80%，而该地85%的出租车是绿色，15%是蓝色。那么那辆车是蓝色的概率有多大？

按理说，眼见为实，八成不会错。但那车是蓝色的概率仅有41.38%。

(15% × 80%) / (85% × 20% + 15% × 80%)

最后，也是我觉得最有意思的，是这样一个问题：

有个人，生了俩孩子，已知其中一个是男孩，这个男孩的生日是星期二，问另一个小孩是男孩的概率。

直觉上似乎觉得，你生几个小孩，每个小孩是男孩的概率不都是1/2吗？这跟你是不是星期二生的有啥关系啊！但答案是13/27。

你看了可能不信。那么为了验证，我写了一段程序来模拟这个场景：

one_tuesday_boy = 0one_tuesday_boy_plus_another_boy = 0for gender1 in ['m', 'f']:for birth1 in range(1, 8):for gender2 in ['m', 'f']:for birth2 in range(1, 8):if (gender1 == 'm'and birth1 == 2) or (gender2 == 'm'and birth2 == 2):                  one_tuesday_boy += 1if gender1 == 'm'and gender2 == 'm':                      one_tuesday_boy_plus_another_boy += 1print one_tuesday_boy_plus_another_boy, '/', one_tuesday_boy

因为假设生男生女还一周七天出生的概率都是一样的，那么一共就有2×7×2×7=196种相等概率的可能性。通过程序枚举得到，其中有一个周二出生的男孩的情况是27种，这27种中又是两个男孩的情况是13种。很暴力地得到了答案。

如果本文对你有帮助，欢迎点赞、评论、转发。你们的支持是我更新的动力~