Monty Hall problemi, olas\u0131l\u0131k teorisinin en kafa kar\u0131\u015ft\u0131r\u0131c\u0131 ve sezgisel olarak yan\u0131lt\u0131c\u0131 bilmecelerinden biridir. Bir yar\u0131\u015fma program\u0131nda \u00fc\u00e7 kap\u0131dan birinin ard\u0131nda b\u00fcy\u00fck \u00f6d\u00fcl (araba), di\u011fer ikisinin ard\u0131nda ise ke\u00e7i bulunurken, do\u011fru stratejiyi se\u00e7mek \u015fa\u015f\u0131rt\u0131c\u0131 derecede basit ama ayn\u0131 zamanda zor olabilir. Bu makale, neden kap\u0131 de\u011fi\u015ftirmenin \u015fans\u0131n\u0131z\u0131 %33’ten %66’ya \u00e7\u0131kard\u0131\u011f\u0131n\u0131 ad\u0131m ad\u0131m a\u00e7\u0131klayacak ve bu olas\u0131l\u0131k paradoksunu derinlemesine inceleyecektir. Okuyucunun dikkatini \u00e7eken bu problem, karar verme s\u00fcre\u00e7lerimizde sezgilerimizin \u00f6tesine ge\u00e7erek rasyonel d\u00fc\u015f\u00fcnmenin ne denli \u00f6nemli oldu\u011funu vurgulamaktad\u0131r.<\/p>\n
Hayat\u0131n\u0131zda \u00f6nemli kararlar verirken, genellikle en mant\u0131kl\u0131 g\u00f6r\u00fcnen se\u00e7ene\u011fe y\u00f6neliriz. Peki ya “mant\u0131kl\u0131” olan, asl\u0131nda sizi yan\u0131lt\u0131yorsa? \u0130\u015fte Monty Hall problemi tam da bu noktada devreye giriyor. Bir televizyon yar\u0131\u015fmas\u0131ndas\u0131n\u0131z ve \u00f6n\u00fcn\u00fczde \u00fc\u00e7 kap\u0131 var. Bu kap\u0131lardan birinin arkas\u0131nda yepyeni bir araba, di\u011fer ikisinin arkas\u0131nda ise birer ke\u00e7i bulunuyor. Sunucu, Monty Hall, size bir kap\u0131 se\u00e7menizi istiyor. Diyelim ki ilk se\u00e7iminizi yapt\u0131n\u0131z. \u015eimdi kritik an geliyor: Monty Hall, sizin se\u00e7medi\u011finiz ve i\u00e7inde ke\u00e7i olan kap\u0131lardan birini a\u00e7\u0131yor. Art\u0131k iki kap\u0131 kapal\u0131, biri sizin ilk se\u00e7ti\u011finiz, di\u011feri ise sunucunun a\u00e7mad\u0131\u011f\u0131 di\u011fer kap\u0131. Sunucu size soruyor: “Kap\u0131n\u0131z\u0131 de\u011fi\u015ftirmek ister misiniz?” \u00c7o\u011fu insan, kalan iki kap\u0131n\u0131n da 50\/50 \u015fans sundu\u011funu d\u00fc\u015f\u00fcnerek ya de\u011fi\u015fmez ya da rastgele bir karar verir. Ancak matematiksel ger\u00e7ek, bu sezginin tamamen yanl\u0131\u015f oldu\u011funu s\u00f6yl\u00fcyor. Kap\u0131y\u0131 de\u011fi\u015ftirmek, kazanma \u015fans\u0131n\u0131z\u0131 iki kat\u0131na \u00e7\u0131kar\u0131r! Bu makalede, bu \u015fa\u015f\u0131rt\u0131c\u0131 ger\u00e7e\u011fin ard\u0131ndaki olas\u0131l\u0131k teorisini, ad\u0131m ad\u0131m senaryolarla ve hatta basit bir sim\u00fclasyon \u00f6rne\u011fiyle ke\u015ffedece\u011fiz. Haz\u0131r olun, \u00e7\u00fcnk\u00fc bu problem, olas\u0131l\u0131k hakk\u0131ndaki d\u00fc\u015f\u00fcncelerinizi ba\u015ftan sona de\u011fi\u015ftirecek.<\/p>\n
Bu problem, ilk kez 1970’li y\u0131llarda Amerika Birle\u015fik Devletleri’nde yay\u0131nlanan “Let’s Make a Deal” adl\u0131 pop\u00fcler televizyon yar\u0131\u015fmas\u0131nda ortaya \u00e7\u0131kt\u0131. Yar\u0131\u015fman\u0131n sunucusu Monty Hall’un ad\u0131n\u0131 ta\u015f\u0131yan bu senaryo, ilk bak\u0131\u015fta basit gibi g\u00f6r\u00fcnse de, matematik\u00e7iler aras\u0131nda bile hararetli tart\u0131\u015fmalara yol a\u00e7m\u0131\u015ft\u0131r. \u00d6zellikle 1990’l\u0131 y\u0131llarda Marilyn vos Savant’\u0131n Parade dergisindeki k\u00f6\u015fesinde bu problemi a\u00e7\u0131klamas\u0131 ve do\u011fru cevab\u0131 vermesi \u00fczerine, binlerce okuyucudan, aralar\u0131nda bir\u00e7ok matematik profes\u00f6r\u00fcn\u00fcn de bulundu\u011fu, itiraz mektuplar\u0131 alm\u0131\u015ft\u0131r. Bu durum, problemin ne kadar yan\u0131lt\u0131c\u0131 olabilece\u011finin ve insan sezgilerinin olas\u0131l\u0131k hesaplamalar\u0131nda ne kadar kolay sapabilece\u011finin en somut \u00f6rneklerinden biridir. Bu olay, asl\u0131nda sadece matematiksel bir tart\u0131\u015fma olman\u0131n \u00f6tesinde, insanlar\u0131n belirsizlik alt\u0131ndaki karar verme s\u00fcre\u00e7lerini ve bili\u015fsel \u00f6nyarg\u0131lar\u0131n\u0131 derinlemesine inceleme f\u0131rsat\u0131 sunmu\u015ftur. Biz de bu makalede, bu yan\u0131lg\u0131n\u0131n nedenlerini a\u00e7\u0131\u011fa \u00e7\u0131karacak ve do\u011fru stratejinin arkas\u0131ndaki sa\u011flam matematiksel temelleri ortaya koyaca\u011f\u0131z. Karar verme s\u00fcre\u00e7lerimizde, \u00f6zellikle belirsizlik i\u00e7eren durumlarda, sezgilerimizin \u00f6tesine ge\u00e7erek rasyonel d\u00fc\u015f\u00fcnmenin ne denli \u00f6nemli oldu\u011funu Monty Hall problemi \u00fczerinden anlamaya \u00e7al\u0131\u015faca\u011f\u0131z.<\/p>\n
Monty Hall problemi, belirli bir senaryo etraf\u0131nda \u015fekillenen bir olas\u0131l\u0131k bilmecesidir. \u0130\u015fte problemin temel bile\u015fenleri ve kurallar\u0131, ad\u0131m ad\u0131m a\u00e7\u0131klanm\u0131\u015ft\u0131r:<\/p>\n
Problem, tam da bu de\u011fi\u015ftirme teklifi an\u0131nda ortaya \u00e7\u0131kar. Yar\u0131\u015fmac\u0131, ilk se\u00e7iminde kalmal\u0131 m\u0131, yoksa kap\u0131s\u0131n\u0131 de\u011fi\u015ftirmeli mi? \u00c7o\u011fu ki\u015fi, kalan iki kap\u0131n\u0131n da e\u015fit \u015fansa sahip oldu\u011funu (yani %50 olas\u0131l\u0131kla araba i\u00e7erdi\u011fini) d\u00fc\u015f\u00fcn\u00fcr. Ancak bu sezgi, olas\u0131l\u0131k teorisinin temel prensiplerini g\u00f6z ard\u0131 eder. Sunucunun kas\u0131tl\u0131 olarak ke\u00e7i olan bir kap\u0131y\u0131 a\u00e7mas\u0131, oyundaki olas\u0131l\u0131klar\u0131 de\u011fi\u015ftirir ve yeni bir bilgi sa\u011flar. Bu bilgi, kap\u0131 de\u011fi\u015ftirme karar\u0131n\u0131n temelini olu\u015fturur. Bu bilmecenin \u00e7\u00f6z\u00fcm\u00fc, ko\u015fullu olas\u0131l\u0131k (conditional probability) kavram\u0131n\u0131 anlamaktan ge\u00e7er. Sunucunun eylemi, rastgele bir a\u00e7\u0131l\u0131\u015f de\u011fildir; bilin\u00e7li bir se\u00e7imdir ve bu se\u00e7im, ba\u015flang\u0131\u00e7taki olas\u0131l\u0131k da\u011f\u0131l\u0131m\u0131n\u0131 yeniden \u015fekillendirir. Bu durum, t\u0131pk\u0131 bir dedektifin elindeki yeni bir ipucunun t\u00fcm soru\u015fturman\u0131n y\u00f6n\u00fcn\u00fc de\u011fi\u015ftirmesi gibidir. \u0130lk se\u00e7iminiz, %33 ihtimalle do\u011fru olabilir, ancak sunucunun kap\u0131y\u0131 a\u00e7mas\u0131yla, de\u011fi\u015ftirmemenin hala %33, de\u011fi\u015ftirmenin ise %66 ihtimalle sizi arabaya g\u00f6t\u00fcrece\u011fi ger\u00e7e\u011fi ortaya \u00e7\u0131kar. Bu, sadece matematiksel bir oyun de\u011fil, ayn\u0131 zamanda insan psikolojisinin ve sezgisel d\u00fc\u015f\u00fcncenin s\u0131n\u0131rlar\u0131n\u0131 zorlayan bir d\u00fc\u015f\u00fcnce deneyidir.<\/p>\n
Monty Hall problemiyle ilk kez kar\u015f\u0131la\u015fan hemen hemen herkes, sunucunun bir ke\u00e7i kap\u0131s\u0131n\u0131 a\u00e7mas\u0131ndan sonra geriye kalan iki kap\u0131n\u0131n her birinde araban\u0131n olma ihtimalinin %50 oldu\u011funu d\u00fc\u015f\u00fcn\u00fcr. Bu sezgisel d\u00fc\u015f\u00fcnce, “iki se\u00e7enek kald\u0131ysa, her birinin \u015fans\u0131 yar\u0131 yar\u0131yad\u0131r” \u015feklindeki basit bir mant\u0131\u011fa dayan\u0131r. Ancak bu mant\u0131k, Monty Hall probleminin dinamiklerini tam olarak kavrayamad\u0131\u011f\u0131 i\u00e7in yanl\u0131\u015ft\u0131r. Peki, neden bu kadar \u00e7ok insan bu hataya d\u00fc\u015fer ve bu yan\u0131lg\u0131n\u0131n ard\u0131nda yatan bili\u015fsel s\u00fcre\u00e7ler nelerdir?<\/p>\n
Bu yan\u0131lg\u0131n\u0131n temelinde yatan birka\u00e7 \u00f6nemli neden vard\u0131r:<\/p>\n
Bu yan\u0131lg\u0131, asl\u0131nda bili\u015fsel bir \u00f6nyarg\u0131d\u0131r ve “temel oran ihmali (base rate fallacy)” olarak bilinen duruma benzerlik g\u00f6sterir. \u0130nsanlar, bir olay\u0131n ba\u015flang\u0131\u00e7taki olas\u0131l\u0131\u011f\u0131n\u0131 (temel oran\u0131n\u0131) dikkate almak yerine, yeni ve daha spesifik bilgilere a\u015f\u0131r\u0131 odaklanma e\u011filimindedir. Monty Hall probleminde de, ba\u015flang\u0131\u00e7ta araban\u0131n herhangi bir kap\u0131da olma olas\u0131l\u0131\u011f\u0131 %33’t\u00fcr. Sizin ilk se\u00e7iminizin do\u011fru olma olas\u0131l\u0131\u011f\u0131 da %33’t\u00fcr. Bu %33’l\u00fck oran, oyun boyunca sizin se\u00e7ti\u011finiz kap\u0131 i\u00e7in sabit kal\u0131r. Sunucunun ke\u00e7i olan bir kap\u0131y\u0131 a\u00e7mas\u0131, kalan di\u011fer kap\u0131n\u0131n olas\u0131l\u0131\u011f\u0131n\u0131 art\u0131r\u0131r, sizin se\u00e7ti\u011finiz kap\u0131n\u0131nkini de\u011fil. Bu durum, \u00f6zellikle karar verme s\u00fcre\u00e7lerinde ve risk de\u011ferlendirmelerinde ne kadar dikkatli olmam\u0131z gerekti\u011fini g\u00f6sterir. Sezgilerimiz, \u00e7o\u011fu zaman h\u0131zl\u0131 ve pratik \u00e7\u00f6z\u00fcmler sunsa da, karma\u015f\u0131k olas\u0131l\u0131k senaryolar\u0131nda bizi yan\u0131ltabilir. Bu y\u00fczden, Monty Hall problemi, sadece bir oyun de\u011fil, ayn\u0131 zamanda d\u00fc\u015f\u00fcnce bi\u00e7imimizi sorgulayan g\u00fc\u00e7l\u00fc bir ara\u00e7t\u0131r ve rasyonel d\u00fc\u015f\u00fcnmenin \u00f6nemini vurgular.<\/p>\n
Monty Hall problemini anlaman\u0131n anahtar\u0131, ba\u015flang\u0131\u00e7taki olas\u0131l\u0131klar\u0131 ve sunucunun eyleminin bu olas\u0131l\u0131klar\u0131 nas\u0131l de\u011fi\u015ftirdi\u011fini kavramakt\u0131r. Bu b\u00f6l\u00fcmde, “neden de\u011fi\u015ftirmek mant\u0131kl\u0131” sorusunun cevab\u0131n\u0131 olas\u0131l\u0131k teorisi prensipleriyle ad\u0131m ad\u0131m inceleyece\u011fiz. Bu, sadece bir \u015fans oyunu de\u011fil, ayn\u0131 zamanda ko\u015fullu olas\u0131l\u0131k (conditional probability) ve bilgi asimetrisi gibi ileri d\u00fczey kavramlar\u0131n basit bir g\u00f6stergesidir.<\/p>\n
Oyunun en ba\u015f\u0131nda, \u00fc\u00e7 kap\u0131dan her birinde araba olma olas\u0131l\u0131\u011f\u0131 e\u015fittir. Yani:<\/p>\n
Siz bir kap\u0131 se\u00e7ti\u011finizde (diyelim ki Kap\u0131 #1’i se\u00e7tiniz), bu se\u00e7imin do\u011fru olma olas\u0131l\u0131\u011f\u0131 hala 1\/3’t\u00fcr. Bu, ayn\u0131 zamanda, se\u00e7medi\u011finiz di\u011fer iki kap\u0131dan birinde araba olma olas\u0131l\u0131\u011f\u0131n\u0131n toplamda 2\/3 (%66.7) oldu\u011fu anlam\u0131na gelir. Yani, Kap\u0131 #2 veya Kap\u0131 #3’ten birinde araba olma olas\u0131l\u0131\u011f\u0131 (1\/3 + 1\/3) = 2\/3’t\u00fcr. Bu \u00f6nsel olas\u0131l\u0131k (prior probability), oyunun en temel ger\u00e7e\u011fidir.<\/p>\n
\u0130\u015fte kritik nokta: Sunucu, araban\u0131n nerede oldu\u011funu bilir ve size her zaman ke\u00e7i olan bir kap\u0131y\u0131 a\u00e7ar. Bu, rastgele bir eylem de\u011fildir; kas\u0131tl\u0131 ve bilgilendirilmi\u015f bir eylemdir. Sunucunun bu eylemi, oyuna yeni bir bilgi katar ve ba\u015flang\u0131\u00e7taki olas\u0131l\u0131klar\u0131 yeniden da\u011f\u0131t\u0131r. Sunucu, sizin ilk se\u00e7ti\u011finiz kap\u0131n\u0131n olas\u0131l\u0131\u011f\u0131n\u0131 de\u011fi\u015ftirmez; ancak se\u00e7medi\u011finiz di\u011fer iki kap\u0131n\u0131n birle\u015fik olas\u0131l\u0131\u011f\u0131n\u0131, a\u00e7mad\u0131\u011f\u0131 tek kap\u0131ya aktar\u0131r.<\/p>\n
\u015eimdi, ilk se\u00e7iminizin sonucuna g\u00f6re iki ana senaryoyu inceleyelim ve her birinin de\u011fi\u015ftirme stratejisi \u00fczerindeki etkisini g\u00f6relim:<\/p>\n
Diyelim ki ilk ba\u015fta \u015fansl\u0131yd\u0131n\u0131z ve arabay\u0131 se\u00e7tiniz (\u00f6rne\u011fin Kap\u0131 #1). Bu senaryonun ger\u00e7ekle\u015fme olas\u0131l\u0131\u011f\u0131 1\/3’t\u00fcr. Bu durumda, di\u011fer iki kap\u0131da (Kap\u0131 #2 ve Kap\u0131 #3) kesinlikle ke\u00e7i vard\u0131r. Sunucu (Monty Hall), bu iki ke\u00e7i kap\u0131s\u0131ndan (Kap\u0131 #2 ve Kap\u0131 #3) herhangi birini a\u00e7abilir, \u00e7\u00fcnk\u00fc her ikisi de ke\u00e7i i\u00e7erir. Diyelim ki Kap\u0131 #2’yi a\u00e7t\u0131 ve i\u00e7inden bir ke\u00e7i \u00e7\u0131kt\u0131. \u015eimdi size “kap\u0131n\u0131z\u0131 de\u011fi\u015ftirmek ister misiniz?” diye soruldu\u011funda, e\u011fer kap\u0131 de\u011fi\u015ftirirseniz, Kap\u0131 #3’e ge\u00e7ersiniz. Ancak Kap\u0131 #3’te de bir ke\u00e7i oldu\u011fu i\u00e7in (\u00e7\u00fcnk\u00fc araba sizin ilk se\u00e7ti\u011finiz Kap\u0131 #1’deydi), bu durumda kaybedersiniz. Yani, ilk se\u00e7iminiz arabaysa ve kap\u0131 de\u011fi\u015ftirirseniz, kesinlikle kaybedersiniz. Bu durum, de\u011fi\u015ftirme stratejisi i\u00e7in %0 ba\u015far\u0131 anlam\u0131na gelir.<\/p>\n
\u015eimdi daha ilgin\u00e7 ve Monty Hall probleminin kalbini olu\u015fturan senaryoya gelelim. Diyelim ki ilk ba\u015fta bir ke\u00e7iyi se\u00e7tiniz (\u00f6rne\u011fin Kap\u0131 #1). Bu senaryonun ger\u00e7ekle\u015fme olas\u0131l\u0131\u011f\u0131 2\/3’t\u00fcr (\u00e7\u00fcnk\u00fc \u00fc\u00e7 kap\u0131dan ikisi ke\u00e7i i\u00e7erir). Bu durumda, se\u00e7medi\u011finiz di\u011fer iki kap\u0131dan birinde araba, di\u011ferinde ise ke\u00e7i vard\u0131r. Sunucu, sizin se\u00e7medi\u011finiz ve i\u00e7inde ke\u00e7i olan kap\u0131y\u0131 a\u00e7mak zorundad\u0131r. \u00d6rne\u011fin, Kap\u0131 #1’de ke\u00e7i oldu\u011funu varsayal\u0131m ve araba Kap\u0131 #2’de. Sunucu, Kap\u0131 #3’\u00fc a\u00e7mak zorundad\u0131r (\u00e7\u00fcnk\u00fc Kap\u0131 #3’te de ke\u00e7i var ve Kap\u0131 #2’de araba var). Sunucu Kap\u0131 #3’\u00fc a\u00e7t\u0131\u011f\u0131nda, size Kap\u0131 #1’de kalma veya Kap\u0131 #2’ye ge\u00e7me se\u00e7ene\u011fi sunulur. E\u011fer bu durumda kap\u0131n\u0131z\u0131 de\u011fi\u015ftirirseniz (yani Kap\u0131 #1’den Kap\u0131 #2’ye ge\u00e7erseniz), kesinlikle kazan\u0131rs\u0131n\u0131z! \u00c7\u00fcnk\u00fc Kap\u0131 #2’de araba vard\u0131 ve sunucu araban\u0131n oldu\u011fu kap\u0131y\u0131 a\u00e7amazd\u0131. Bu durum, de\u011fi\u015ftirme stratejisi i\u00e7in %100 ba\u015far\u0131 anlam\u0131na gelir.<\/p>\n
Yukar\u0131daki iki senaryoyu birle\u015ftirdi\u011fimizde, resim netle\u015fir:<\/p>\n
Bu, de\u011fi\u015ftirme stratejisinin kazanma olas\u0131l\u0131\u011f\u0131n\u0131 2\/3’e, yani yakla\u015f\u0131k %66.7’ye \u00e7\u0131kard\u0131\u011f\u0131 anlam\u0131na gelir. De\u011fi\u015ftirmeme stratejisinin kazanma olas\u0131l\u0131\u011f\u0131 ise 1\/3, yani yakla\u015f\u0131k %33.3 olarak kal\u0131r. Sunucunun a\u00e7t\u0131\u011f\u0131 kap\u0131, sizin ilk se\u00e7ti\u011finiz kap\u0131n\u0131n olas\u0131l\u0131\u011f\u0131n\u0131 de\u011fi\u015ftirmez; sadece se\u00e7medi\u011finiz di\u011fer iki kap\u0131n\u0131n toplam 2\/3’l\u00fck olas\u0131l\u0131\u011f\u0131n\u0131 tek bir kap\u0131ya yo\u011funla\u015ft\u0131r\u0131r. Sunucu, “araban\u0131n nerede olmad\u0131\u011f\u0131n\u0131” g\u00f6stererek, kalan tek kapal\u0131 kap\u0131n\u0131n “araban\u0131n nerede olma ihtimalinin y\u00fcksek oldu\u011funu” i\u015faret eder. Bu durum, olas\u0131l\u0131k teorisinde Bayes Teoremi (Bayes’ Theorem) ile de a\u00e7\u0131klanabilir. Sunucunun eylemi, oyuna yeni bir “kan\u0131tsal bilgi” (evidence) ekler ve bu bilgi, \u00f6nsel olas\u0131l\u0131klar\u0131 (prior probabilities) g\u00fcncelleyerek sonsal olas\u0131l\u0131klar\u0131 (posterior probabilities) olu\u015fturur. Bu derinlemesine bak\u0131\u015f, Monty Hall probleminin sadece bir \u015fans oyunu olmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda olas\u0131l\u0131k ve bilgi teorisinin temel prensiplerini anlamak i\u00e7in g\u00fc\u00e7l\u00fc bir ara\u00e7 oldu\u011funu g\u00f6stermektedir. Bu problem, belirsizlik alt\u0131nda do\u011fru kararlar vermenin ve sezgilerimizin \u00f6tesine ge\u00e7erek matematiksel ger\u00e7ekleri kabul etmenin ne kadar \u00f6nemli oldu\u011funu vurgular.<\/p>\n
Monty Hall problemi, sadece bir televizyon yar\u0131\u015fmas\u0131 senaryosu olmaktan \u00e7ok daha fazlas\u0131d\u0131r. Temelinde yatan olas\u0131l\u0131k prensipleri ve bilgi asimetrisi, g\u00fcnl\u00fck hayat\u0131m\u0131zdaki ve profesyonel d\u00fcnyadaki bir\u00e7ok karar verme s\u00fcrecine \u0131\u015f\u0131k tutar. Bu karma\u015f\u0131k olas\u0131l\u0131k bilmecesini anlamak, belirsizlik alt\u0131nda daha bilin\u00e7li ve rasyonel kararlar vermemize yard\u0131mc\u0131 olabilir. \u0130\u015fte Monty Hall benzeri senaryolar\u0131n kar\u015f\u0131m\u0131za \u00e7\u0131kabilece\u011fi baz\u0131 ger\u00e7ek d\u00fcnya \u00f6rnekleri ve analojiler:<\/p>\n
Bir hasta, nadir g\u00f6r\u00fclen bir hastal\u0131\u011fa sahip oldu\u011fundan \u015f\u00fcpheleniyor. Hastal\u0131\u011f\u0131n toplumdaki g\u00f6r\u00fclme s\u0131kl\u0131\u011f\u0131 (\u00f6nsel olas\u0131l\u0131k) \u00e7ok d\u00fc\u015f\u00fckt\u00fcr, diyelim ki her 10.000 ki\u015fide 1 (%0.01). Ancak, bu hastal\u0131\u011f\u0131 tespit edebilen bir test var ve bu test %99 oran\u0131nda do\u011fru sonu\u00e7 veriyor (yani hastal\u0131\u011f\u0131 olanlar\u0131n %99’unu do\u011fru tespit ediyor ve hastal\u0131\u011f\u0131 olmayanlar\u0131n %99’unda negatif \u00e7\u0131k\u0131yor). Hasta test yapt\u0131r\u0131r ve sonu\u00e7 pozitif \u00e7\u0131kar. \u015eimdi soru \u015fu: Test pozitif \u00e7\u0131kt\u0131\u011f\u0131na g\u00f6re, hastan\u0131n ger\u00e7ekten bu hastal\u0131\u011fa sahip olma olas\u0131l\u0131\u011f\u0131 nedir? Sezgisel olarak, test %99 do\u011fruysa, hastal\u0131\u011f\u0131n da %99 oran\u0131nda olaca\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnebiliriz. Ancak bu, Monty Hall’daki %50 yan\u0131lg\u0131s\u0131na benzer bir hatad\u0131r. Ger\u00e7ekte, nadir g\u00f6r\u00fclen hastal\u0131klar i\u00e7in pozitif test sonu\u00e7lar\u0131 bile, yanl\u0131\u015f pozitif oranlar\u0131 nedeniyle (testin hastal\u0131\u011f\u0131 olmayan birinde pozitif \u00e7\u0131kma ihtimali) hastal\u0131\u011f\u0131n ger\u00e7ek olas\u0131l\u0131\u011f\u0131n\u0131 sezgiselden \u00e7ok daha d\u00fc\u015f\u00fck tutabilir. T\u0131pk\u0131 Monty Hall’un bir kap\u0131y\u0131 a\u00e7arak bize yeni bilgi vermesi gibi, test sonucu da yeni bir bilgi sa\u011flar. Ancak bu bilginin ba\u015flang\u0131\u00e7taki nadirlik oran\u0131yla (\u00f6nsel olas\u0131l\u0131k) birlikte de\u011ferlendirilmesi gerekir. \u0130\u015fte burada Bayes Teoremi (Bayes’ Theorem) devreye girer ve bize ko\u015fullu olas\u0131l\u0131\u011f\u0131 (conditional probability) hesaplama imkan\u0131 sunar. Testin pozitif \u00e7\u0131kmas\u0131, t\u0131pk\u0131 sunucunun bir ke\u00e7i kap\u0131s\u0131n\u0131 a\u00e7mas\u0131 gibi, bize yeni bir durum hakk\u0131nda bilgi verir ve ba\u015flang\u0131\u00e7taki olas\u0131l\u0131klar\u0131 yeniden de\u011ferlendirmemizi gerektirir.<\/p>\n
Bir \u015firket, yeni bir pazara girmek i\u00e7in \u00fc\u00e7 farkl\u0131 strateji (A, B, C) \u00fczerinde d\u00fc\u015f\u00fcn\u00fcyor. Her bir stratejinin ba\u015far\u0131l\u0131 olma olas\u0131l\u0131\u011f\u0131 ba\u015flang\u0131\u00e7ta e\u015fit gibi g\u00f6r\u00fcnse de, piyasa ara\u015ft\u0131rmalar\u0131 ve uzman g\u00f6r\u00fc\u015fleri gibi “Monty Hall’un kap\u0131 a\u00e7mas\u0131na benzer” bilgiler edinebiliriz. \u00d6rne\u011fin, bir dan\u0131\u015fman, detayl\u0131 analizler sonucunda strateji C’nin kesinlikle ba\u015far\u0131s\u0131z olaca\u011f\u0131n\u0131 (i\u00e7inde ke\u00e7i oldu\u011funu) g\u00f6steren veriler sunabilir. Bu durumda, ba\u015flang\u0131\u00e7ta her bir stratejinin 1\/3 \u015fans\u0131 varken, strateji C’nin elenmesiyle, kalan iki stratejiden birine yo\u011funla\u015fan toplam ba\u015far\u0131 olas\u0131l\u0131\u011f\u0131 artar. E\u011fer ilk ba\u015fta strateji A’y\u0131 tercih etmi\u015fsek, dan\u0131\u015fman\u0131n strateji C’nin ba\u015far\u0131s\u0131z oldu\u011funu a\u00e7\u0131klamas\u0131ndan sonra strateji B’ye ge\u00e7mek, genel ba\u015far\u0131 olas\u0131l\u0131\u011f\u0131m\u0131z\u0131 art\u0131rabilir. \u00c7\u00fcnk\u00fc strateji A’n\u0131n ba\u015far\u0131s\u0131z olma olas\u0131l\u0131\u011f\u0131 hala ba\u015flang\u0131\u00e7taki 2\/3’t\u00fcr ve bu 2\/3’l\u00fck ba\u015far\u0131s\u0131zl\u0131k olas\u0131l\u0131\u011f\u0131, strateji B’ye kayd\u0131r\u0131lm\u0131\u015ft\u0131r. Bu senaryo, y\u00f6neticilerin kritik kararlar al\u0131rken, yeni gelen bilgileri ve bu bilgilerin ba\u015flang\u0131\u00e7taki varsay\u0131mlar\u0131 nas\u0131l de\u011fi\u015ftirdi\u011fini do\u011fru bir \u015fekilde de\u011ferlendirmesi gerekti\u011fini g\u00f6sterir.<\/p>\n
Bir yaz\u0131l\u0131mc\u0131, uygulamas\u0131nda \u00fc\u00e7 olas\u0131 hata noktas\u0131ndan (mod\u00fcl X, Y, Z) birinde kritik bir hata (bug) oldu\u011funu d\u00fc\u015f\u00fcn\u00fcyor. \u0130lk ba\u015fta her bir mod\u00fclde hata olma olas\u0131l\u0131\u011f\u0131 1\/3’t\u00fcr. Ekip lideri (Monty Hall rol\u00fcnde), mod\u00fcl Z’nin kodunu h\u0131zl\u0131ca inceleyip “Bu mod\u00fclde hata olma ihtimali \u00e7ok d\u00fc\u015f\u00fck, \u00e7\u00fcnk\u00fc en son g\u00fcncellemelerden sonra kapsaml\u0131 test edildi” diyebilir. Bu bilgi, mod\u00fcl Z’nin ke\u00e7i kap\u0131s\u0131 oldu\u011funu g\u00f6sterir ve bu mod\u00fcldeki hata olas\u0131l\u0131\u011f\u0131n\u0131 neredeyse s\u0131f\u0131ra indirir. \u015eimdi yaz\u0131l\u0131mc\u0131n\u0131n elinde mod\u00fcl X ve Y kalm\u0131\u015ft\u0131r. \u0130lk ba\u015fta mod\u00fcl X’e odaklanm\u0131\u015fsa, ekip liderinin verdi\u011fi bu yeni bilgi \u0131\u015f\u0131\u011f\u0131nda mod\u00fcl Y’ye ge\u00e7mek, hatay\u0131 bulma \u015fans\u0131n\u0131 art\u0131rabilir. \u00c7\u00fcnk\u00fc ba\u015flang\u0131\u00e7ta X’te hata olma olas\u0131l\u0131\u011f\u0131 1\/3 iken, Y’de hata olma olas\u0131l\u0131\u011f\u0131 (Z’nin elenmesiyle) 2\/3’e y\u00fckselmi\u015ftir. Bu, hata ay\u0131klama s\u00fcre\u00e7lerinde zaman ve kaynaklar\u0131n daha verimli kullan\u0131lmas\u0131na yard\u0131mc\u0131 olan \u00f6nemli bir stratejidir.<\/p>\n
Bu \u00f6rnekler, Monty Hall probleminin sadece bir matematiksel merak olmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda belirsizlik i\u00e7eren durumlarda bilgi asimetrisinin ve ko\u015fullu olas\u0131l\u0131klar\u0131n nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 anlamak i\u00e7in g\u00fc\u00e7l\u00fc bir model sundu\u011funu g\u00f6stermektedir. Hayatta verdi\u011fimiz bir\u00e7ok karar, ba\u015flang\u0131\u00e7taki s\u0131n\u0131rl\u0131 bilgilere dayan\u0131r. Ancak yeni bilgiler ortaya \u00e7\u0131kt\u0131k\u00e7a, ilk kararlar\u0131m\u0131z\u0131 g\u00f6zden ge\u00e7irme ve stratejimizi de\u011fi\u015ftirme yetene\u011fimiz, ba\u015far\u0131 \u015fans\u0131m\u0131z\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rabilir. \u00d6nemli olan, sunulan bilginin niteli\u011fini ve bunun ba\u015flang\u0131\u00e7taki olas\u0131l\u0131klar\u0131 nas\u0131l etkiledi\u011fini do\u011fru bir \u015fekilde de\u011ferlendirebilmektir. Bu y\u00fczden, Monty Hall problemi, ele\u015ftirel d\u00fc\u015f\u00fcnme ve olas\u0131l\u0131k okuryazarl\u0131\u011f\u0131 becerilerini geli\u015ftirmek i\u00e7in harika bir ara\u00e7t\u0131r.<\/p>\n
Monty Hall probleminin teorik a\u00e7\u0131klamas\u0131n\u0131 anlad\u0131ktan sonra, bu olas\u0131l\u0131k paradoksunu bir sim\u00fclasyonla deneyimlemek, sezgilerimizi matematiksel ger\u00e7eklerle uyumlu hale getirmenin en etkili yollar\u0131ndan biridir. Bir sim\u00fclasyon, “kap\u0131 de\u011fi\u015ftirme” veya “kap\u0131 de\u011fi\u015ftirmeme” stratejilerinin uzun vadede ne kadar ba\u015far\u0131l\u0131 oldu\u011funu somut verilerle g\u00f6rmemizi sa\u011flar. \u0130\u015fte Python benzeri bir s\u00f6zde kod (pseudo-code) kullanarak basit bir Monty Hall sim\u00fclasyonunun nas\u0131l yap\u0131labilece\u011fi ve sonu\u00e7lar\u0131n\u0131n nas\u0131l yorumlanaca\u011f\u0131:<\/p>\n
Bir sim\u00fclasyon \u00e7al\u0131\u015ft\u0131rmak i\u00e7in, Monty Hall oyununu binlerce kez tekrar etmemiz gerekir. Her tekrar i\u00e7in a\u015fa\u011f\u0131daki ad\u0131mlar\u0131 dikkatlice izleriz:<\/p>\n
A\u015fa\u011f\u0131da, bu mant\u0131\u011f\u0131 uygulayan basit bir s\u00f6zde kod \u00f6rne\u011fi bulunmaktad\u0131r. Bu kodu bir Python ortam\u0131nda kolayca \u00e7al\u0131\u015ft\u0131rabilirsiniz. Kod i\u00e7erisinde kullan\u0131lan Yukar\u0131daki kodda, Bu sim\u00fclasyonu \u00e7al\u0131\u015ft\u0131rd\u0131\u011f\u0131n\u0131zda, sonu\u00e7lar\u0131n genellikle \u015fu \u015fekilde oldu\u011funu g\u00f6receksiniz:<\/p>\n Bu sonu\u00e7lar, teorik olarak bekledi\u011fimiz 2\/3’e kar\u015f\u0131 1\/3 oran\u0131n\u0131 a\u00e7\u0131k\u00e7a do\u011frular. Sim\u00fclasyon, olas\u0131l\u0131k teorisinin soyut kavramlar\u0131n\u0131 somut, tekrarlanabilir ve g\u00f6zlemlenebilir bir deneyime d\u00f6n\u00fc\u015ft\u00fcrerek, Monty Hall probleminin arkas\u0131ndaki matemati\u011fin ne kadar sa\u011flam oldu\u011funu kan\u0131tlar. Bu t\u00fcr sim\u00fclasyonlar, sadece Monty Hall gibi klasik problemleri anlamakla kalmaz, ayn\u0131 zamanda daha karma\u015f\u0131k sistemlerdeki olas\u0131l\u0131klar\u0131 ve sonu\u00e7lar\u0131 tahmin etmek i\u00e7in de g\u00fc\u00e7l\u00fc bir ara\u00e7 g\u00f6revi g\u00f6r\u00fcr. Kendi ba\u015f\u0131n\u0131za bu kodu deneyerek, bu paradoksun g\u00fcc\u00fcn\u00fc bizzat deneyimleyebilirsiniz. Unutmay\u0131n, kodlamada kullan\u0131lan Monty Hall problemi, ilk bak\u0131\u015fta basit bir yar\u0131\u015fma oyunu gibi g\u00f6r\u00fcnse de, olas\u0131l\u0131k teorisinin en derin ve sezgisel olarak en zorlay\u0131c\u0131 y\u00f6nlerinden birini temsil eder. Bu makale boyunca, neden kap\u0131 de\u011fi\u015ftirmenin kazanma \u015fans\u0131n\u0131z\u0131 %33’ten %66’ya \u00e7\u0131kard\u0131\u011f\u0131n\u0131 detayl\u0131 bir \u015fekilde inceledik. Anahtar nokta, sunucunun araban\u0131n yerini bilerek ve kas\u0131tl\u0131 olarak ke\u00e7i olan bir kap\u0131y\u0131 a\u00e7mas\u0131n\u0131n, oyuna kritik bir bilgi katmas\u0131d\u0131r. Bu bilgi, ilk se\u00e7ti\u011finiz kap\u0131n\u0131n 1\/3’l\u00fck kazanma olas\u0131l\u0131\u011f\u0131n\u0131 sabit tutarken, se\u00e7medi\u011finiz di\u011fer iki kap\u0131n\u0131n toplam 2\/3’l\u00fck olas\u0131l\u0131\u011f\u0131n\u0131 tek bir kap\u0131da yo\u011funla\u015ft\u0131r\u0131r.<\/p>\n Bu paradoksun \u00e7\u00f6z\u00fcm\u00fc, insan sezgilerinin karma\u015f\u0131k olas\u0131l\u0131k senaryolar\u0131nda ne kadar kolay yan\u0131lt\u0131labilece\u011fini a\u00e7\u0131k\u00e7a g\u00f6stermektedir. \u00c7o\u011fumuz, sunucu bir kap\u0131y\u0131 a\u00e7t\u0131ktan sonra kalan iki kap\u0131n\u0131n \u015fans\u0131n\u0131n 50\/50 oldu\u011funu d\u00fc\u015f\u00fcnme e\u011filimindeyizdir. Ancak bu, “bilginin de\u011feri” ve “ko\u015fullu olas\u0131l\u0131k” kavramlar\u0131n\u0131 g\u00f6z ard\u0131 etmektir. Sunucunun eylemi, sadece bir kap\u0131y\u0131 ortadan kald\u0131rmakla kalmaz, ayn\u0131 zamanda kalan kapal\u0131 kap\u0131 hakk\u0131nda \u00f6nemli bir ipucu verir. Bu ipucu, karar\u0131m\u0131z\u0131 de\u011fi\u015ftirmemiz i\u00e7in g\u00fc\u00e7l\u00fc bir matematiksel neden sunar.<\/p>\n Monty Hall problemi, sadece e\u011flenceli bir beyin jimnasti\u011fi de\u011fildir; ayn\u0131 zamanda hayat\u0131n bir\u00e7ok alan\u0131nda kar\u015f\u0131la\u015ft\u0131\u011f\u0131m\u0131z belirsizlik alt\u0131nda karar verme s\u00fcre\u00e7lerine \u0131\u015f\u0131k tutar. T\u0131bbi te\u015fhislerden i\u015f stratejilerine, yaz\u0131l\u0131m hata ay\u0131klamadan g\u00fcnl\u00fck se\u00e7imlere kadar, yeni bilgilerin ilk varsay\u0131mlar\u0131m\u0131z\u0131 nas\u0131l de\u011fi\u015ftirebilece\u011fini ve stratejimizi buna g\u00f6re ayarlaman\u0131n \u00f6nemini bize hat\u0131rlat\u0131r. Sim\u00fclasyonlar arac\u0131l\u0131\u011f\u0131yla bu teorik bilgiyi pratik olarak deneyimlemek, bu t\u00fcr olas\u0131l\u0131k paradokslar\u0131n\u0131 daha iyi anlamam\u0131za ve matematiksel sezgilerimizi geli\u015ftirmemize yard\u0131mc\u0131 olur. Unutmayal\u0131m ki, do\u011fru kararlar vermek \u00e7o\u011fu zaman sadece eldeki se\u00e7enekleri g\u00f6rmekle de\u011fil, ayn\u0131 zamanda bu se\u00e7eneklerin ard\u0131ndaki olas\u0131l\u0131klar\u0131, sunulan bilgiyi ve zaman i\u00e7indeki de\u011fi\u015fimleri do\u011fru bir \u015fekilde de\u011ferlendirmekle m\u00fcmk\u00fcnd\u00fcr. Bu nedenle, Monty Hall problemi, rasyonel d\u00fc\u015f\u00fcnmenin ve olas\u0131l\u0131k okuryazarl\u0131\u011f\u0131n\u0131n ne denli de\u011ferli oldu\u011funu bize s\u00fcrekli hat\u0131rlatan g\u00fc\u00e7l\u00fc bir derstir. Bu problemi anlamak, ayn\u0131 zamanda ele\u015ftirel d\u00fc\u015f\u00fcnme becerilerimizi geli\u015ftirerek, bilgi bombard\u0131man\u0131 alt\u0131nda daha sa\u011flam kararlar almam\u0131z\u0131 sa\u011flar.<\/p>\n C:<\/strong> Evet, kesinlikle de\u011fi\u015firdi. E\u011fer sunucu araban\u0131n yerini bilmeseydi ve rastgele bir kap\u0131 a\u00e7sayd\u0131 (ve \u015fans eseri ke\u00e7i olan bir kap\u0131 a\u00e7sayd\u0131), o zaman kalan iki kap\u0131n\u0131n her birinde araba olma olas\u0131l\u0131\u011f\u0131 ger\u00e7ekten 50\/50 olurdu. Monty Hall probleminin anahtar\u0131, sunucunun \u00f6d\u00fcl\u00fcn yerini bilmesi ve bu bilgiyi kullanarak kas\u0131tl\u0131 olarak ke\u00e7i olan bir kap\u0131y\u0131 a\u00e7mas\u0131d\u0131r. Bu, “ko\u015fullu olas\u0131l\u0131k” kavram\u0131n\u0131 devreye sokar ve olas\u0131l\u0131k da\u011f\u0131l\u0131m\u0131n\u0131 de\u011fi\u015ftirir.<\/p>\n<\/li>\n C:<\/strong> Aynen \u00f6yle! Bu, de\u011fi\u015ftirme stratejisinin neden bu kadar g\u00fc\u00e7l\u00fc oldu\u011funu g\u00f6steren temel noktad\u0131r. \u0130lk se\u00e7iminiz 2\/3 olas\u0131l\u0131kla bir ke\u00e7idir. Bu durumda, araba se\u00e7medi\u011finiz di\u011fer iki kap\u0131dan birinde olmak zorundad\u0131r. Sunucu, bu iki kap\u0131dan ke\u00e7i olan\u0131 a\u00e7t\u0131\u011f\u0131nda, geriye kalan tek kapal\u0131 kap\u0131 kesinlikle arabay\u0131 i\u00e7erir. Yani, ilk se\u00e7iminiz yanl\u0131\u015fsa (2\/3 olas\u0131l\u0131kla), de\u011fi\u015ftirerek kesinlikle kazan\u0131rs\u0131n\u0131z. Bu durum, de\u011fi\u015ftirme stratejisinin ba\u015far\u0131s\u0131n\u0131n anahtar\u0131d\u0131r.<\/p>\n<\/li>\n C:<\/strong> Hay\u0131r, %66 bir kazanma garantisi de\u011fil, uzun vadede kazanma olas\u0131l\u0131\u011f\u0131d\u0131r. Her tekil oyunda ya kazan\u0131rs\u0131n\u0131z ya kaybedersiniz. Ancak bu stratejiyi binlerce kez tekrarlad\u0131\u011f\u0131n\u0131zda, istatistiksel olarak yakla\u015f\u0131k %66 oran\u0131nda kazanaca\u011f\u0131n\u0131z\u0131, %33 oran\u0131nda kaybedece\u011finizi g\u00f6r\u00fcrs\u00fcn\u00fcz. Bu, bir garanti de\u011fil, bir olas\u0131l\u0131k beklentisidir ve b\u00fcy\u00fck say\u0131lar yasas\u0131yla a\u00e7\u0131klan\u0131r.<\/p>\n<\/li>\n C:<\/strong> Kesinlikle evet, hatta bu durumda de\u011fi\u015ftirmenin g\u00fcc\u00fc daha da belirginle\u015fir! \u0130lk se\u00e7iminizle arabay\u0131 bulma olas\u0131l\u0131\u011f\u0131n\u0131z sadece 1\/100’d\u00fcr. Bu, 99\/100 olas\u0131l\u0131kla bir ke\u00e7i se\u00e7ti\u011finiz anlam\u0131na gelir. Sunucu 98 ke\u00e7i kap\u0131s\u0131n\u0131 a\u00e7t\u0131\u011f\u0131nda, se\u00e7medi\u011finiz di\u011fer 99 kap\u0131n\u0131n toplam 99\/100’l\u00fck olas\u0131l\u0131\u011f\u0131n\u0131 tek bir kap\u0131da yo\u011funla\u015ft\u0131r\u0131r. Bu durumda de\u011fi\u015ftirmek, kazanma \u015fans\u0131n\u0131z\u0131 1\/100’den 99\/100’e \u00e7\u0131kar\u0131r. Bu, Monty Hall probleminin \u00f6l\u00e7ek b\u00fcy\u00fcd\u00fck\u00e7e ne kadar kar\u015f\u0131 sezgisel hale geldi\u011fini ve de\u011fi\u015ftirme stratejisinin ne kadar mant\u0131kl\u0131 oldu\u011funu g\u00f6sterir.<\/p>\n<\/li>\n C:<\/strong> Monty Hall problemi, kumarhanelerdeki \u00e7o\u011fu oyundan farkl\u0131d\u0131r \u00e7\u00fcnk\u00fc sunucu (kurpiyer) size oyun hakk\u0131nda kritik bir bilgi verir. Kumarhanelerdeki oyunlar genellikle ba\u011f\u0131ms\u0131z olaylara dayan\u0131r ve ge\u00e7mi\u015f sonu\u00e7lar gelece\u011fi etkilemez (\u00f6rne\u011fin rulette \u00f6nceki say\u0131lar\u0131n bir sonraki say\u0131y\u0131 etkilememesi gibi). Ancak Monty Hall, sunucunun bilgisi sayesinde ko\u015fullu olas\u0131l\u0131\u011f\u0131n devreye girdi\u011fi, nadir bir durumdur. Bu, bilgi asimetrisinin karar verme \u00fczerindeki etkisini g\u00f6sterir.<\/p>\n<\/li>\n<\/ul>\n #MontyHall #Olas\u0131l\u0131k #KararVerme #\u0130statistik #Mant\u0131k<\/p>\nrandom<\/code> mod\u00fcl\u00fc, rastgele se\u00e7imler yapmak i\u00e7in kullan\u0131l\u0131r.<\/p>\n\nimport random\n\ndef monty_hall_simulasyon(deneme_sayisi):\n degistirme_kazanci = 0\n degistirmeme_kazanci = 0\n\n for _ in range(deneme_sayisi):\n # 1. Kap\u0131lar\u0131 ayarla: [0, 1, 2] kap\u0131lar, 0: ke\u00e7i, 1: araba\n # Araban\u0131n yerini rastgele se\u00e7\n araba_kapisi = random.randint(0, 2) # 0, 1 veya 2\n kapilar = [0, 0, 0] # Ba\u015flang\u0131\u00e7ta t\u00fcm kap\u0131larda ke\u00e7i oldu\u011funu varsayal\u0131m\n kapilar[araba_kapisi] = 1 # Arabay\u0131 rastgele bir kap\u0131ya yerle\u015ftir\n\n # 2. Yar\u0131\u015fmac\u0131n\u0131n ilk se\u00e7imini yap\n ilk_secim = random.randint(0, 2)\n\n # 3. Sunucunun ke\u00e7i kap\u0131s\u0131n\u0131 a\u00e7mas\u0131\n # Sunucu, ilk se\u00e7ilen kap\u0131 olmayan ve i\u00e7inde ke\u00e7i olan bir kap\u0131 a\u00e7ar\n olasi_acilacak_kapilar = []\n for i in range(3):\n if i != ilk_secim and kapilar[i] == 0: # \u0130lk se\u00e7im olmayan ve ke\u00e7i olan kap\u0131lar\n olasi_acilacak_kapilar.append(i)\n \n acilan_kapi = random.choice(olasi_acilacak_kapilar)\n\n # 4. De\u011fi\u015ftirme stratejisi\n # Kalan kapal\u0131 kap\u0131, ilk se\u00e7ilen ve a\u00e7\u0131lan kap\u0131 olmayan kap\u0131d\u0131r\n kalan_kapali_kapi = -1\n for i in range(3):\n if i != ilk_secim and i != acilan_kapi:\n kalan_kapali_kapi = i\n break\n \n if kapilar[kalan_kapali_kapi] == 1: # E\u011fer de\u011fi\u015ftirilen kap\u0131da araba varsa\n degistirme_kazanci += 1\n\n # 5. De\u011fi\u015ftirmeme stratejisi\n if kapilar[ilk_secim] == 1: # E\u011fer ilk se\u00e7ilen kap\u0131da araba varsa\n degistirmeme_kazanci += 1\n\n print(f\"Toplam deneme say\u0131s\u0131: {deneme_sayisi}\")\n print(f\"De\u011fi\u015ftirme stratejisi ile kazanma oran\u0131: {degistirme_kazanci \/ deneme_sayisi:.2f}\")\n print(f\"De\u011fi\u015ftirmeme stratejisi ile kazanma oran\u0131: {degistirmeme_kazanci \/ deneme_sayisi:.2f}\")\n\n# Sim\u00fclasyonu 10000 kez \u00e7al\u0131\u015ft\u0131ral\u0131m ve sonu\u00e7lar\u0131 g\u00f6zlemleyelim\nmonty_hall_simulasyon(10000)\n<\/code><\/pre>\n<\/p><\/div>\nrandom.randint(0, 2)<\/code> ile 0, 1 veya 2 indekslerinden birini se\u00e7erek kap\u0131lar\u0131 temsil ediyoruz. kapilar<\/code> listesi, hangi kap\u0131n\u0131n arkas\u0131nda ne oldu\u011funu tutar (1 araba, 0 ke\u00e7i). Sunucunun kap\u0131 a\u00e7ma mant\u0131\u011f\u0131, olasi_acilacak_kapilar<\/code> listesi ile sa\u011flan\u0131r; bu liste, ilk se\u00e7ilen kap\u0131 olmayan ve i\u00e7inde ke\u00e7i olan kap\u0131lar\u0131 i\u00e7erir. Sunucu bu kap\u0131lardan rastgele birini a\u00e7ar. Sim\u00fclasyon, her oyunun ba\u011f\u0131ms\u0131z bir deneme olmas\u0131n\u0131 sa\u011flar ve sonu\u00e7lar\u0131 toplar.<\/p>\n\n
random<\/code> mod\u00fcl\u00fc, ger\u00e7ek rastgeleli\u011fi taklit eder ve b\u00fcy\u00fck deneme say\u0131lar\u0131nda olas\u0131l\u0131k da\u011f\u0131l\u0131mlar\u0131n\u0131n beklenen de\u011ferlere yak\u0131nsad\u0131\u011f\u0131n\u0131 g\u00f6sterir. Bu, istatistiksel \u00e7\u0131kar\u0131m ve veri bilimi alanlar\u0131nda da s\u0131k\u00e7a kullan\u0131lan bir y\u00f6ntemdir.<\/p>\nSonu\u00e7: Belirsizlik Alt\u0131nda Do\u011fru Karar Vermenin G\u00fcc\u00fc<\/h2>\n
S\u0131k\u00e7a Sorulan Sorular<\/h3>\n
\n