两封信封悖论计算器
互动探索著名的两封信封悖论。输入你信封中的金额,分析期望值并理解这个数学难题。
输入你在所选信封中看到的金额,点击“分析”即可查看切换与保留的期望值,以及悖论解释。
两封信封悖论计算器
互动探索著名的两封信封悖论。输入你信封中的金额,分析期望值并理解这个数学难题。
关于两封信封悖论
两封信封悖论是概率论和决策理论中最著名的难题之一。它在 20 世纪 80 至 90 年代广为流传,如今仍不断引发数学家、哲学家和统计学家的热烈讨论。题目看起来很简单:有两个信封,各装有一定金额,其中一个信封里的钱正好是另一个的两倍。你随机选一个信封,打开后看到里面的金额 X,然后必须决定是否要换成另一个信封。
天真的概率论证是这样的:另一个信封要么装着 2X(如果你碰巧选到了较小的那个),要么装着 X/2(如果你选到了较大的那个)。两种情况各有 0.5 的概率。因此,另一个信封的期望值是 0.5 × 2X + 0.5 × X/2 = X + X/4 = 1.25X。既然 1.25X 大于 X,你就应该总是换。但悖论就在这里:如果你换了,现在拿着另一个金额为 Y = 1.25X 的信封,同样的逻辑又会让你再换回来,如此无限循环。
这个计算器使用天真的论证来计算两种期望值,让悖论以真实数字的形式呈现出来。当你输入 X = 100 时,它会显示天真的分析预测切换后的期望值是 125,保留则是 100。算术本身没有错,那为什么结论却不对?
关键在于概率论。天真的论证隐含地假设:在看到 X 之后,另一只信封装着 2X 或 X/2 的概率相等——也就是说,它把 X 当成既可能是较小金额,也可能是较大金额,并赋予相同概率。但在任何具体情境下,X 要么是较小金额(那另一只信封必然是 2X),要么是较大金额(那另一只信封必然是 X/2)。正确分析需要对信封中可能隐藏的金额给出先验分布。对于大多数自然的先验分布——包括任何具有有限期望值的分布——切换的正确期望值恰好就是 X,因此并没有优势。
更严格地说,设两个金额为 m 和 2m,它们来自某个分布。如果你观察到 X,那么在给定先验后,另一只信封的条件期望通常并不是 1.25X。天真的公式把两个参考金额(m 和 2m)混在一起,却假装它们共享同一个基准,这正是制造“收益幻觉”的代数把戏。
两封信封悖论生动地说明:如果不谨慎,非正式的概率推理会导致自相矛盾;也说明必须对正确的先验进行严格的贝叶斯条件化。它促进了对不适定先验、可交换性以及含糊性下决策理论的研究,成为高级概率课程中的经典案例。
两封信封悖论示例
展示天真的期望值计算及其制造出的悖论的具体金额。
| 看到的金额(X) | 切换时的 EV(天真算法) | 解释 |
|---|---|---|
| X = $100 | $125 | 天真的 EV = 0.5×$200 + 0.5×$50 = $125。看起来切换可多赚 $25,但把同样逻辑用到另一边,又会得到相同结论。 |
| X = $40 | $50 | EV = 0.5×$80 + 0.5×$20 = $50。天真的论证总会把预期收益夸大为所见金额的 25%。 |
| X = $500 | $625 | EV = 0.5×$1000 + 0.5×$250 = $625。对于任何 X,这个公式都会给出 1.25X,也解释了为何无论看到多少金额,悖论都持续存在。 |
如何使用两封信封计算器
- 在标为“你信封中的金额(X)”的输入框中输入你在所选信封里看到的金额。
- 点击“分析”,计算保留和切换时的天真期望值。
- 查看“保留时的期望值”面板——它只会显示你看到的金额 X,作为确定值。
- 查看“切换时的期望值”面板——它会显示 1.25X,也就是天真的概率论证结果。
- 阅读结果下方的悖论说明,理解为什么 1.25X 这个数字会误导人,以及正确结论是什么。
两封信封悖论常见问题
为什么天真的论证会得到 1.25X?
天真的公式把 0.5×(2X) + 0.5×(X/2) = 1.25X 计算出来,并把在所见金额下两种情况都视为等可能。算术上没错,但概率上有问题,因为它把两个不同的参考金额混成了同一个基准。
换信封有时会正确吗?
如果没有额外信息,换与不换都是同样好的选择。用正确的先验分布计算时,两只信封的期望值相同。切换永远不能保证带来优势。
切换论证的错误在哪里?
错误在于,看见 X 之后,你并不知道 X 是较小金额还是较大金额。天真的论证把 X 同时当作 m 和 2m,但这两个情况互斥。严格的贝叶斯分析表明,在任何适当的先验下,切换的正确期望收益为零。
如果我偷看信封,这个悖论会改变吗?
偷看并看到 X 的确提供了信息,但如果不知道金额分布,它并不能帮助你决定。若你知道先验分布(例如金额来自某个有上限的均匀分布),有时切换可能更有利,但天真的 1.25X 规则通常仍然不对。
这和蒙提霍尔问题一样吗?
两者相关,但并不相同。蒙提霍尔问题中,主持人在你选择后所做的动作会提供真正的新信息,从而改变概率,所以换门确实有利。而在两封信封悖论中,你看到 X 之后并没有获得新信息,因此切换相对于保留没有期望优势。
这个悖论对概率论有什么启示?
它强调,在使用概率论证前必须先明确先验分布。关于等可能事件的非正式推理必须建立在定义良好的概率空间上。这是一个警示:不要在不检查底层假设的情况下直接套用期望值公式。
相关工具
假设检验计算器 - Z检验、T检验与P值
用于 Z 检验和 T 检验的假设检验计算器。计算检验统计量、p 值和临界值,判断统计显著性。
四分位距异常值上下界计算器
使用 IQR 方法计算上下界,快速找出数据集中的 Q1、Q3、IQR 和所有异常值。
加权平均计算器 - 计算加权平均值
适用于成绩、金融和调查的加权平均计算器。输入数值和权重即可计算加权平均值,支持任意数量的数据点。
检后概率计算器
使用贝叶斯定理计算检后概率,输入先验概率、敏感度和特异度,得到 PPV、NPV 和似然比。
相对标准偏差计算器 - RSD 与 CV
即时计算相对标准偏差 (RSD) 和变异系数 (CV)。免费统计分析工具,用于评估数据离散度和精密度。
文氏图计算器 - 并集、交集与差集
适用于2个和3个集合的文氏图计算器,可快速求并集、交集和独有区域,适合集合论、概率和调查分析。
均匀分布计算器 - PDF、CDF 和均值
计算任意连续均匀分布的 PDF、CDF、均值、方差和区间概率,输入 a 和 b 即可快速得到结果。
Tukey HSD 计算器
ANOVA 后进行 Tukey HSD 事后检验,比较各组均值对,找出具有统计显著性的差异。