[論文レビュー] Dominance in the Monty Hall Problem

Alexander Gnedin|arXiv (Cornell University)|Jun 4, 2011

Optimization and Search Problems参考文献 8被引用数 3

ひとこと要約

この論文は、ホストの行動や賞品の位置に関する事前信念にかかわらず、モンティ・ホール問題において、常にチェンジする戦略が他のすべての戦略を弱く支配することを確立している。支配関係の結果により、事前分布を仮定せずに最適な意思決定が可能となり、ベイズ的およびミニマックス的手法の基礎が築かれる。

ABSTRACT

Elementary decision-theoretic analysis of the Monty Hall dilemma shows that the problem has dominance. This makes possible to discard nonswitching strategies, without making any assumptions on the prior distribution of factors out of control of the decision maker. A path to the Bayesian and the minimax decision-making environments is then straightforward.

研究の動機と目的

• 事前分布に依存しない意思決定理論的基盤をモンティ・ホール問題に確立すること。
• 常にチェンジする戦略が、勝利確率の観点で、すべての他の戦略を弱く支配することを示すこと。
• 支配関係の結果をベイズ的およびミニマックス的意思決定フレームワークに拡張すること。
• 意思決定理論的ツールを用いて、モンティ・ホール問題の文脈における「戦略」と「状況」の概念を形式化すること。
• n ≥ 3ドアの一般化されたモンティ・ホール問題において、ミニマックスの勝利確率が (n−1)/n であることを示すこと。この値は、プレイヤーと賞品が一様分布に従う場合に達成される。

提案手法

• 戦略を (x, aₓ) のペアとして形式化し、x は最初に選ばれたドア、aₓ は開かれたドア y から行動（マッチまたはチェンジ）への関数である。
• 報酬関数 W(θ, x, aₓ) を成功のインジケーターとして定義する：行動が真の勝利ドア θ と一致する場合に 1 をとる。
• 任意の常にチェンジしない戦略に対して、すべてのシナリオでそれ以上に良い性能を示す常にチェンジする戦略が存在することを示すことにより、弱い支配性を証明する。
• ホストの行動の論理的整合性を保つために、dₜ(x) ≠ θ（x = θ のとき）かつ dₜ(x) = θ（x ≠ θ のとき）であるというアドミッサビリティ条件を用いる。
• ベイズ的設定に支配関係の結果を適用する際、pₓ を x に含まれない賞品の確率とする。pₓ を x で最小化することで、最適な戦略を得る。
• 賞品の位置に一様事前分布を仮定し、任意の常にチェンジする戦略がこの境界に達することを示すことにより、ミニマックス値 v = (n−1)/n を導出する。

実験結果

リサーチクエスチョン

• RQ1 賞品の位置に関する事前分布を仮定せずに、モンティ・ホール問題における「チェンジするかしないか」の意思決定を正当化できるか？
• RQ2 ホストの行動や事前分布にかかわらず、すべての他の戦略を支配する戦略は存在するか？
• RQ3 n ≥ 3ドアの一般化されたモンティ・ホール問題において、ミニマックスの勝利確率は何か？
• RQ4 支配関係の結果は、ベイズ的およびゼロサムゲーム理論的フレームワークにどのように拡張できるか？
• RQ5 常にチェンジする戦略が、期待損失を最小化するか、最悪ケースの勝利確率を最大化する観点で最適である条件は何か？

主な発見

• ホストの行動や事前の信念にかかわらず、モンティ・ホール問題において、常にチェンジする戦略のクラスは、他のすべての戦略を弱く支配する。
• いつでもマッチ（チェンジしない）を行う戦略に対しては、あらゆる可能なシナリオで、それ以上に良い性能を示す常にチェンジする戦略が存在する。
• ベイズ的設定では、最適な戦略は (θ*, switch) であり、θ* は事前確率 pₜ を最小化するものである。このときの勝利確率は 1 − pₓ である。
• ミニマックスの勝利確率は (n−1)/n であり、これは賞品が n ≥ 3 ドアに一様に分布する場合に達成され、プレイヤーが任意の常にチェンジする戦略を用いる場合に成立する。
• ゼロサムゲームの定式化において、すべてのサドルポイント解は、一様分布に従うプレイヤーの選択 X と常にチェンジする戦略を含み、ゲームの価値 v は (n−1)/n である。
• 報酬関数 v = (n−1)/n は、開かれたドア Y の分布がいかなるものであっても、ホストの行動がアドミッサブルである限り、達成される。