몬티홀 문제의 세 가지 해석과 통계학자의 함정

이 논문은 “세 문문제(몬티홀 문제)”를 두 단계로 나누어 분석한다. 첫 번째 단계(0)는 실제 사람에게 제기되는 원시적인 질문, 즉 “문을 바꾸는 것이 이득인가?”라는 메타‑문제이다. 두 번째 단계(1)는 이 메타‑문제를 수학적으로 구체화한 여러 버전, 즉 다양한 가정과 모델링을 통해 만든 문제들이다. 저자는 이러한 레벨 1 문제 중에서 세 가지를 선택해 상세히 논의한다. 첫 번째 모델 Q‑0은 원문 그대로의 질문이다. 여기서는 참가자가 어떤 전략을 취해야 하는지를 묻는다. 저자는 참가자가 문을 무작위로 선택하고, 차를 무작위로 배치하며, 진행자가 차가 없는 문을 무작위로 열어준다는 “대칭성” 가정을 도입한다. 이 경우 참가자는 “전환” 전략을 사용하면 최소 2/3의 승률을 보장받는다. 이는 게임 이론의 미니맥스 정리를 적용한 결과이며, 참가자와 진행자 각각의 최적 전략이 “균등 선택·전환”과 “균등 배치·무작위 공개”라는 점을 강조한다. 두 번째 모델 Q‑1은 전통적인 확률 교과서에서 다루는 형태이다. 여기서는 차가 숨겨진 문(C)과 초기 선택(P)가 각각 1/3 확률로 균등하게 배정되고, 진행자는 차가 없는 문을 무작위로 연다는 전제 하에, “항상 전환하면 차를 얻는 확률은 2/3”이라는 무조건 확률을 도출한다. 저자는 이 결과를 “P=C이면 전환이 실패하고, P≠C이면 전환이 성공한다”는 간단한 논리로 설명한다. 세 번째 모델 Q‑2는 조건부 확률을 묻는 형태이다. “초기 선택과 진행자가 연 문을 알 때, 전환하면 차를 얻을 확률은?”이라는 질문에 대해, 저자는 Q‑1의 결과와 대칭성을 이용해 모든 가능한 (P, Q) 조합에 대해 조건부 확률이 동일함을 보인다. 따라서 조건부 확률 역시 2/3이며, 이는 베이즈 정리를 직접 적용하거나 전통적인 조건부 확률 정의를 이용해도 동일하게 얻을 수 있다. 논문은 이 세 가지 풀이를 통해, 동일한 실험 상황이라도 질문 방식과 가정에 따라 서로 다른 수학적 모델이 만들어진다는 점을 강조한다. 특히, Q‑0과 Q‑1·Q‑2 사이의 차이는 “조건부 정보의 유무”와 “전략적 가정의 명시 여부”에 있다. 저자는 많은 기존 연구가 Q‑1을 ‘정답’으로 고정하고, Q‑0의 실제 의미를 간과하거나, Q‑2를 과도하게 복잡하게 만든다고 비판한다. 또한, 논문은 ‘해답 중심’ 과학, 즉 문제를 충분히 정의하지 않고 미리 정해진 해답을 강요하는 연구 태도를 경고한다. 저자는 통계학자와 확률학자가 실제 세계 문제를 모델링할 때, 숨겨진 가정을 명시하고, 다양한 모델을 동시에 고려해야 함을 주장한다. 마지막으로, 몬티홀 문제는 단순한 확률 퍼즐을 넘어, 게임 이론, 심리학, 교육학 등 여러 분야와 연계된 복합적 현상임을 강조하며, 향후 연구에서는 더 복잡한 다인 게임, 정보 비대칭, 그리고 사회적 맥락을 포함한 확장 모델을 탐구할 필요가 있음을 제시한다.