你看了几期猜门节目，主持人每次都打开一扇空门。问题不只在奖品藏哪儿，还在于：他是知道答案后故意避开奖品，还是随手开门、只是碰巧没出事故？这两种行为表面相同，给“换门”提供的证据却不同。
据 Towards Data Science 介绍，Samit Ganguly 10 月 18 日发布的文章把主持人类型也当成未知量：先为几种开门规则分配初步可信度，再用多期节目里的开门记录做贝叶斯推断——也就是根据新证据持续更新判断。经典“永远换门，胜率为 2/3”，只适用于主持人知道奖品位置、必定打开未选空门等特定规则，不能脱离行为机制单独成立。
文章还讨论了会随机开门的“clumsy host”：他可能直接揭开奖品。如果我们只看到没有穿帮、得以继续的节目，样本就已被筛过，会产生选择偏差。说白了，推断结果不仅取决于看见了什么，也取决于哪些失败从未进入记录。