TV 게임쇼 전략
실제 TV 게임쇼 "Let's Make a Deal"에서 영감을 받은 문제입니다. 참가자가 3개 문 중 1번을 선택하고, 진행자가 3번 문을 열어 염소를 보여줬습니다.
2번 문으로 바꾸면 당첨 확률이 33.3%에서 66.7%로 올라갑니다. 게임쇼에서는 항상 바꾸는 것이 유리합니다.
몬티홀 문제
몬티홀 딜레마: 문을 바꾸는 게 정말 유리할까? 시뮬레이션과 해석적 풀이로 확인하세요.
입력
개
최소 3개의 문이 필요합니다
회
바꾸기 (Switch) 승률
시뮬레이션 계산 중…
전략 비교
차트 그리는 중…
시뮬레이션 수렴 과정
차트 그리는 중…
왜 바꾸는 게 유리할까?
처음 선택할 때 정답일 확률: 1/3
처음 선택이 틀릴 확률: 2/3
호스트가 한 문만 남기고 오답 문을 모두 열어준 후 바꾸면, 처음 틀렸을 때 반드시 정답을 맞힙니다.
따라서 바꾸기 전략의 승률 = 처음 틀릴 확률 = 2/3
풀이 보기
결과 공유하기
몬티홀 문제 계산기는 확률론에서 가장 유명한 역설 중 하나인 몬티홀 딜레마를 시뮬레이션하고 분석하는 도구입니다. 3개의 문 뒤에 자동차 1대와 염소 2마리가 있을 때, 참가자가 문을 선택한 후 진행자가 염소가 있는 문을 열어준 뒤 선택을 바꿀 것인지 묻는 문제입니다. 직관적으로는 바꾸나 안 바꾸나 50:50 같지만, 실제로는 바꾸면 당첨 확률이 2/3(약 66.7%)로, 안 바꿀 때의 1/3(약 33.3%)보다 2배 높습니다. 이 계산기에서는 이 결과를 시뮬레이션으로 직접 확인하고, 왜 이런 결과가 나오는지 단계별로 설명합니다. 문의 개수를 3개 이상으로 확장한 일반화된 몬티홀 문제도 분석할 수 있어, 확률적 사고력을 키우는 교육 도구로도 활용됩니다.
실생활 예시
이럴 때 이렇게 계산해요.
의사결정에서의 몬티홀 원리
3개의 투자 옵션 중 하나를 고른 후, 전문가가 1개의 나쁜 옵션을 제거해줍니다. 남은 다른 옵션으로 바꿀지 결정해야 합니다.
새로운 정보(나쁜 옵션 제거)가 주어졌을 때, 초기 선택을 재검토하는 것이 통계적으로 유리합니다. 확증 편향을 경계하세요.
의료 진단에서의 확률 갱신
환자에게 3가지 가능한 질환이 의심됩니다. 초기에 A를 유력하게 봤지만, 추가 검사에서 C가 배제되었습니다. 남은 B의 확률이 높아진 것을 반영해야 합니다.
새로운 검사 결과가 나올 때마다 확률을 갱신하는 것이 정확한 진단의 핵심이며, 이는 몬티홀 문제와 같은 조건부 확률 원리입니다.
퀴즈쇼 객관식 전략
4지선다 퀴즈에서 답을 모를 때 하나를 찍고, 출제자가 오답 2개를 알려줍니다. 남은 다른 보기로 바꾸면 당첨 확률은 3/4(75%)입니다.
정보가 추가되면 선택을 재검토하는 것이 유리합니다. 이 원리는 "50:50 찬스" 같은 게임쇼 장치에도 적용됩니다.
취업 면접 최종 선발
3명의 최종 후보 중 한 명을 잠정 선택했습니다. 이후 레퍼런스 체크에서 한 명이 부적격 판정을 받아 탈락했습니다. 남은 다른 후보를 재검토할지 결정해야 합니다.
몬티홀 원리에 따르면 새로운 정보를 반영하여 다른 후보를 적극적으로 재평가하는 것이 더 나은 선택으로 이어질 가능성이 높습니다.
관련 계산기
같이 쓰면 좋아요. 옆으로 넘겨 보세요.
자주 묻는 질문
궁금한 거 모아 봤어요. 눌러서 펼쳐 보세요.
왜 문을 바꾸는 것이 유리한가요?
처음 선택한 문이 정답일 확률은 1/3, 나머지 2개 문에 정답이 있을 확률은 2/3입니다. 진행자가 오답 1개를 제거해도 나머지 문이 2/3의 확률을 모두 가지게 되므로, 바꾸면 2/3의 확률로 당첨됩니다.
진행자가 무작위로 문을 열면 결과가 달라지나요?
네, 진행자가 정답 위치를 모르고 무작위로 열면 몬티홀 효과가 사라집니다. 이 문제의 핵심은 진행자가 반드시 오답인 문을 연다는 조건입니다.
문이 100개이면 어떻게 되나요?
100개 문 중 1개를 선택한 뒤 진행자가 98개의 오답 문을 열어주면, 남은 문으로 바꿀 때 당첨 확률은 99/100(99%)입니다. 문이 많을수록 바꾸는 것의 이점이 극적으로 드러납니다.
몬티홀 문제를 베이즈 정리로 풀 수 있나요?
네, 베이즈 정리(새로운 정보가 주어졌을 때 확률을 갱신하는 공식)를 적용하면 깔끔하게 풀립니다. 진행자가 문을 여는 행위가 "새로운 정보"이고, 이를 반영해 확률을 업데이트하면 바꾸기의 확률이 2/3임을 증명할 수 있습니다.
왜 사람들은 직관적으로 50:50이라고 생각하나요?
남은 문이 2개이므로 반반이라고 느끼는 것이 자연스럽습니다. 하지만 이는 진행자가 의도적으로 오답 문을 열었다는 조건을 무시한 판단입니다. 두 문이 동등한 조건에서 남은 것이 아니라, 하나는 1/3 확률, 다른 하나는 2/3 확률을 가진 채 남은 것입니다.
몬티홀 문제는 실제 실험으로 검증됐나요?
네, 수많은 컴퓨터 시뮬레이션과 실제 실험에서 바꾸기 전략이 약 66.7% 승률을 보이는 것이 확인되었습니다. 1990년 마릴린 보스 사반트의 칼럼 이후 수천 명의 독자가 직접 실험하여 결과를 검증했습니다.
문이 4개이면 바꾸기 확률은 얼마인가요?
문 4개 중 1개를 선택하고 진행자가 오답 2개를 열어주면, 남은 문으로 바꿀 때 당첨 확률은 3/4(75%)입니다. 일반적으로 N개 문에서 바꾸기의 당첨 확률은 (N-1)/N이므로, 문이 많을수록 바꾸기가 압도적으로 유리합니다.
계산 원리
몬티홀 문제의 핵심은 조건부 확률(어떤 사건이 일어난 후 다른 사건의 확률이 바뀌는 것)입니다. 처음 3개 문 중 1개를 선택하면 정답일 확률은 P(정답) = 1/3이고, 나머지 2개 문에 정답이 있을 확률은 2/3입니다. 진행자가 오답 문을 열어도 이 2/3의 확률은 사라지지 않고 남은 한 문에 집중됩니다.
베이즈 정리로 풀면: P(바꿀 문이 정답|진행자가 문을 열었음) = P(진행자가 문을 열었음|바꿀 문이 정답) × P(바꿀 문이 정답) / P(진행자가 문을 열었음) = 1 × (1/3) / (1/2) = 2/3. 여기서 진행자가 문을 여는 행위가 새로운 정보로 작용하여 확률이 갱신됩니다.
N개 문으로 일반화하면, 처음 선택이 정답일 확률은 1/N이고, 바꿀 때 정답일 확률은 (N-1)/N입니다. N이 커질수록 바꾸기의 이점이 극대화되며, 이는 정보의 가치가 선택지 수에 비례하여 증가함을 보여줍니다.
사용 방법
문 개수 설정
문의 개수를 설정합니다 (기본 3개).
전략 선택
"바꾸기" 또는 "유지하기" 전략을 선택합니다.
시뮬레이션 실행
원하는 시행 횟수를 설정하고 시뮬레이션을 실행합니다.
결과 비교
두 전략의 당첨률을 비교하고, 확률 분석을 확인합니다.
용어 사전
- 조건부 확률
- 어떤 사건이 이미 발생한 상황에서 다른 사건이 발생할 확률. 몬티홀 문제에서 진행자가 문을 연 후의 확률이 이에 해당합니다.
- 베이즈 정리
- 새로운 증거가 주어졌을 때 기존 확률을 갱신하는 공식. P(A|B) = P(B|A) × P(A) / P(B)로 표현됩니다.
- 사전 확률
- 새로운 정보가 주어지기 전의 초기 확률. 몬티홀 문제에서 각 문의 처음 확률 1/3이 사전 확률입니다.
- 사후 확률
- 새로운 정보를 반영하여 갱신된 확률. 진행자가 문을 연 후 바꿀 문의 확률 2/3이 사후 확률입니다.
- 독립 사건
- 한 사건의 발생이 다른 사건의 확률에 영향을 주지 않는 경우. 몬티홀 문제는 독립이 아닌 종속 사건의 대표적 예시입니다.
- 확증 편향
- 자신의 기존 믿음을 확인하는 정보만 선택적으로 받아들이는 심리적 편향. 몬티홀 문제에서 50:50이라는 직관을 고수하게 만드는 원인입니다.
- 시뮬레이션
- 실제 실험 대신 컴퓨터로 무작위 시행을 반복하여 확률을 검증하는 방법. 몬티홀 문제의 결과를 직접 확인하는 데 활용됩니다.