三门问题又被称为蒙提霍尔问题，是一个很反直觉的问题，出自美国的一个电视游戏节目。
题目非常简单：参赛者面前有三扇门，其中一扇门后面有一辆小汽车，另外两扇门后面都是山羊，如果参赛者选中有汽车的那扇门，就可以把汽车开回家。
当参赛者选择了其中一扇门后，此时主持人打开剩余两扇门其中的一扇，里面是一只山羊，那么现在主持人给参赛者一次重新选择的机会，那么参赛者应不应该换门去选择另外一扇门？
我初次看这个问题时觉得当主持人打开一扇门后，那么小汽车在剩余两个门内的概率必然都是 50%，那么换不换门其实意义不大，因为概率都一样，但真的是这样吗？
正确答案却是非常反直觉的，如果参赛者坚持原来的选择，那么选中小汽车的概率为 1/3，如果换门的话，选中小汽车的概率为 2/3。
直观分析
首先我们要明确一点，主持人是知道小汽车在哪个门后面的，这个是解题的前提，否则下面的分析毫无意义。
下面我们来分析一下：当参赛者第一次选择时，任何一扇门有小汽车的概率都是 1/3，所以参赛者所选门后面有小汽车的概率是 1/3，参赛者未选择的两扇门后面有小汽车的概率为 2/3。
当主持人打开剩余两扇门其中的一扇有山羊的门，那 2/3 的概率就转移到了剩余两扇门中未被打开的那扇门中，而此刻参赛者最初选择的门仍然只有 1/3 的概率选中小汽车，所以说此时换门是最佳的选择。
图示法
如果上述直观的分析过程不太好理解的话，那么我们通过画图的方式，可以很直观的看到每种选择的概率
假设三个门分别为A，B，C，参赛者选择了A门，如图所示
可以很很清楚的看到
如果不换门，选中的概率为 1/3 * 1/2 + 1/3 * 1/2 + 0 + 0 = 1/3
如果换门，选中的概率为 0 + 0 + 1/3 * 1+ 1/3 * 1 = 2/3
极端假设
如果此时你还是不理解的话，我们可以做个极端的假设
假如有一万扇门，9999 扇门背后都是羊，只有一扇门背后是小汽车。在你选择了一扇门后，此时主持人打开剩余的 9999 扇门中的 9998 扇门，并且背后都是羊，那么此时让你重新选择，你换不换门，我相信此时大多数人哪怕凭直觉也会觉得，换门后选中小汽车的概率更大。
排除法
还有个思路，你可以理解三个答案中只有一个是正确答案，你随机选择了一个，然后主持人在剩余的两个答案中排除掉了错误的一个，这个时候给你一次重新选择的机会你确定不换吗？
用数据说话
实践是检验真理的唯一标准，我写了个简单的程序，对这个游戏模拟了 100 万次。
import random
# 模拟测试的次数
simulationCount = 1000000
# 第一次选中小汽车的次数
firstSelectedSuccessSum = 0
# 第二次重新选择选中小汽车的次数
secondSelectedSuccessSum = 0
for num in range(simulationCount):
# 初始化所有门
doors = list(range(1,4))
# 随机生成小汽车的门位置
carDoor = random.randint(1,3)
# 参赛者随机选中一个
firstSelectedDoor = random.randint(1,3)
# 主持人在剩下的两个里面随机选择一个
doors.remove(firstSelectedDoor)
presenterSelectedDoor = doors[random.randint(0,1)]
# 主持人选择后剩下的一个门，也就是选手第二次选择的门
doors.remove(presenterSelectedDoor)
secondSelectedDoor = doors[0]
# 因为主持人不能选择有小汽车的门
# 所以如果上面主持人随机选择的是有小汽车的门，则应该重新选择另一个门
if carDoor == presenterSelectedDoor:
secondSelectedDoor = presenterSelectedDoor
# 如果第一次选中有小汽车的门，累计计数
if carDoor == firstSelectedDoor:
firstSelectedSuccessSum = firstSelectedSuccessSum + 1
# 如果第二次重新选择选中有小汽车的门，累计计数
elif carDoor == secondSelectedDoor:
secondSelectedSuccessSum = secondSelectedSuccessSum + 1
# 输出测试结果
print ('模拟测试 %s 次'%simulationCount)
print ('不换门选中小汽车的次数为 {} 次，概率为：{:.2%}'.format(firstSelectedSuccessSum, firstSelectedSuccessSum/simulationCount))
print ('换门后选中小汽车的次数为 {} 次，概率为：{:.2%}'.format(secondSelectedSuccessSum, secondSelectedSuccessSum/simulationCount))
执行结果为
模拟测试 1000000 次
不换门选中小汽车的次数为 333398 次，概率为：33.34%
换门后选中小汽车的次数为 666602 次，概率为：66.66%
结果显而易见，和上述分析的结果一样，坚持最初的选择，选中小汽车概率 1/3，换门后选中小汽车概率 2/3。
如果主持人是随机选的门呢
上面已经说过，主持人是知道小汽车在哪个门后面的，所以主持人可以保证自己打开的一定是后面有山羊的门。
那么肯定有人会问，如果主持人不知道小汽车在哪个门后面，随便选了一个，并且恰好选择了有羊的门，那么此时参赛者换门和不换门选中小汽车的概率各有多大？
这种情况就要分两个维度来看了
维度一：如果从主持人已经打开了一扇有羊的门这个既定事件往后看，那么此时换门和不换门选中小汽车的概率均为 50%。
维度二：如果从主持人打开门之前看，那么换门和不换门选中小汽车的概率均为 1/3，因为还有三分之一的概率是主持人打开了有小汽车的门。
总结
三门问题看似有点违背常理，但只要经过认真思考后，其实也不难理解。
因为最后参赛者重新选门的事件是受前面主持人开门事件所影响的，正是因为主持人是知道小汽车在哪个门后面的，所以主持人在打开门的时候，会刻意避开有小汽车的门，也就造成了后面换门和不换门选择小汽车的概率不均等。明白了这一点，我相信你对换门后选中小汽车的概率为 2/3 也就不会有异议了。