Информация или интуиция?

ВЕРОЯТНОСТЬ И ЧАСТОТА

Итак, теория вероятностей — это раздел математики, занимающийся вычислением количественных оценок в условиях, когда некоторые события могут или наступить, или не наступить, и при этом считается, что отсутствует даже принципиальная возможность точно предсказать наступление каждого такого события. Подобные события получили название случайных. Случайное событие представляет собой основной объект изучения в теории вероятностей. Любой из вас приведет какое угодно количество примеров случайных событий, а мы пока что воздержимся от этого.Первое, что сделал Б. Паскаль, — это предложил присваивать каждому случайному событию некоторую численную меру, называемую вероятностью его наступления. Вероятность — положительное число, заключенное между нулем и единицей. Вероятность достоверного события, то есть такого, наступление которого можно предсказать заранее (утром солнце взойдет), принимается равной единице. Вероятность невозможного события, то есть такого, которое в рассматриваемой ситуации никогда не наступает, принимается равной нулю. Вероятность события, которое может наступить или не наступить, — больше нуля и меньше единицы. Интересно заметить, что обратные утверждения неверны. Событие, вероятность наступления которого равна единице, все-таки может и не наступить, а событие, вероятность которого равна нулю, может наступить хотя бы принципиально. Но это уже тонкости теории вероятностей.Чтобы все сказанное стало более понятным, давайте рассмотрим такой пример. Предположим, что мы хотим определить частоту выпадания герба при бросании монеты. (Частотой в данном контексте называется отношение числа случаев, в которых получен рассматриваемый исход (выпал герб) к общему числу случаев.) Ясно, что эта частота должна приближаться к величине 0,5. Обычно, когда монету бросают много раз подряд, все так и получается: при увеличении количества бросаний частота выпадания герба, то есть количество случаев, когда выпал герб, поделенное на общее количество бросаний, приближается к 0,5.Знаменитый статистик К. Пирсон подбрасывал монету 24000 раз подряд — то ли делать ему было нечего, то ли уж очень захотелось воочию увидеть, как эта самая, частота приближается. И действительно, оказалось, что из 24000 бросаний герб выпал 12012 раз. Как видите, частота оказалась очень близкой к 0,5.Все-таки хочется обратить ваше внимание, во-первых, на то, что герб выпал не ровно 12000, а 12012 раз. Эти 12 еще составят предмет самостоятельного разговора. Второе замечание — более общее. Нет никакой гарантии, что при дальнейшем увеличении количества бросаний частота не начнет отклоняться от величины, принимаемой за вероятность.Теперь мы вплотную подошли к рассмотрению еще одного примера. Состоит он в» следующем. Предположим, что мы бросили монетку сто раз подряд и сто раз подряд выпал герб. Такое, хоть и редко, но вполне может случиться. Бросаем монетку в сто первый раз, но перед этим задаем себе вопрос: что вероятнее при сто первом бросании — выпадание герба или выпадание решки? Вы, конечн., скажете, что если только что сто раз подряд выпадал герб (предполагается, что монета правильная), то уж сейчас-то наверняка выпадет решка. Как бы не так! Вероятность выпадания решки при сто первом бросании точно такая же, как и вероятность выпадания герба, и равна она 0,5.Действительно, ведь события, состоящие в выпадании герба или решки при данном бросании, суть события независимые. Их вероятность ничуть не зависит от того, что происходило при предыдущих бросаниях. И вообще, при подсчете частот нет никакого рецепта, подсказывающего, с какого момента надо начинать считать. Вот и получается: как бы сильно частота ни отклонилась от вероятности (в только что рассмотренном примере (сто бросаний — сто гербов), частота выпадания герба оказалась 1 вместо 0,5), это совсем не значит, что вот теперь-то она должна начать приближаться. Приближается она опять же в среднем. Иначе говоря, чем больше серий опытов мы проведем, тем вероятнее, что средняя частота окажется достаточно близкой к вероятности, Но опять-таки «вероятнее».

Мы с вами достаточно подготовлены, чтобы решить первую задачу кавалера де Мере. Итак, сколько раз надо метнуть две кости, чтобы можно было надеяться на выпадание 12 очков?На первый взгляд задача кажется очень простой (ее решил сам кавалер де Мере). Но на деле это не так. Вся загвоздка в том, как понимать слово «надеяться». Начнем рассуждать так, как мы это делали уже не раз. Две игральные кости могут упасть на стол 36 различными способами: 1 и 1, 1 и 2, и т. д. Поскольку мы считаем кости правильными, то у нас нет никаких оснований предпочесть какой-нибудь один или группу способов получить 12 очков, то есть 6 и 6 может образоваться одним-единственным способом. Отсюда мы приходим к заключению, что вероятность выпадания 12 очков равна 1/36.О чем это говорит? Ровным счетом ни о чем. Бросьте кости один раз, и у вас либо выпадут 12 очков, либо нет. (Если выпадет с первого раза, в этом случае вы можете наделить кости (или себя!) свойством иметь интуицию.) Будем, однако, рассуждать дальше. Число способов не получить 12 очков равно, очевидно, 35, а вероятность не получить 12 очков равна 35/з6. Бросаем кости 36 раз подряд. Вероятность того, что и в этом случае мы не получим 12 очков, равна, (35/з6)36~0,36. Тех, кому неясно, почему так получилось, просим посчитать число способов, которыми могут упасть две кости при 36-кратном бросании. Вероятность того, что при 36-кратном бросании выпадет 12 очков, равно 1 — 0,36 = 0,64,Если провести, скажем, сто серий по 36 бросаний в каждой, то, как нам говорит проведенный выше расчет, примерно в 64 сериях из ста с большой степенью вероятности можно ожидать однократное выпадание 12 очков. Только что сказанное есть факт, получаемый с помощью науки, называемой теорией вероятностей. А вот можно ли в таких случаях надеяться — это уж пусть кавалер де Мере решает для себя сам. Мы не будем ему в этом помогать, а удовлетворимся тем, что мы заодно ответили на такой вопрос: вероятность 1/36— это много или мало?Теперь мы знаем: если вероятность некоторого события равна 1/36, то при 3600-кратном повторении ситуации (3600 = 100-36), вызывающей появление данного события, «можно надеяться», что это событие совершится около 64 раз. Но может и не совершиться ни разу.Никаких гарантий на этот счет теория вероятностей не дает.Обычно специалисты по теории вероятностей рассуждают так. Мол, основное назначение теории вероятностей состоит в том, чтобы по известным вероятностям простых событий (предполагается, что вычислить эти вероятности достаточно просто) точно вычислять вероятности сложных событий.Все это совершенно справедливо. Теория вероятностей есть раздел математики, и, если так можно выразиться, внутри этого раздела все утверждения отвечают требованиям математической строгости. И действительно, теория вероятностей позволит определить, к примеру, вероятность аварии самолета, если известны вероятности выходов из строя каждой из нескольких десятков тысяч составляющих этот самолет Деталей. Еще раз повторяем — расчет можно выполнять совершенно точно, но при этом остаются два «но». Во-первых, мы никогда не будем знать точно вероятность для каждой из деталей, а во-вторых, даже зная вероятность аварии самолета (пусть она равна, скажем, 0,0001 — это очень малая вероятность), мы все же ничего не сможем сказать в ответ на вопрос: будет иметь место авария в данном рейсе или нет? Здесь та же самая ситуация, что и со стократным бросанием монеты.Что же это за наука такая, скажете вы, результаты которой, по существу, ничего не означают?Столь категорическое утверждение, конечно, не будет правильным. С помощью теории вероятностей уже было решено и ежедневно решается множество задач, в том числе имеющих огромное значение для науки и практики.Но справедливо и то, что в ряду других математических дисциплин теория вероятностей, прямо скажем, отличается большим своеобразием.Вернемся, однако, к самой теории и обсудим подробнее вторую задачу кавалера де Мере. Решение этой задачи, найденное самим Б. Паскалем, мы уже приводили раньше. Но в данном случае нас интересует не решение, а вообще правомочность постановки подобных задач. Вторая задача тем и отличается от первой, что в известной степени она иллюстрирует применение методов теории вероятностей к некоторой жизненной ситуации.Сформулируем ее для себя следующим образом: как справедливо разделить ставку, если игра не закончена, но можно вычислить вероятности выигрыша для каждого из игроков? Главный вопрос, на наш взгляд, состоит именно в том, можно ли говорить вообще о справедливом дележе, если игра не закончена? Кстати, совсем необязательно играть. Можно поставить вопрос шире. Как соотносятся между собой категории справедливости в общежитейском понимании этого слова и категория вероятности?Постараемся показать, что вопрос этот отнюдь не праздный.Все азартные (а в общем-то, и необязательно азартные) игры можно разделить на два класса. К первому классу отнесем игры, в которых вероятность выигрыша перед началом игры одна и та же для каждого игрока. (Правильно говорить не о вероятности, а о математическом ожидании выигрыша, но мы с вами не знаем, что это такое.) Ко второму классу отнесем игры, не обладающие этим свойством.Рассмотрим сначала игры первого класса. Пусть, например, два игрока играют в орлянку. Доказано, что если монета правильная и если ни один из игроков не делает явных ошибок, то вероятность выигрыша для каждого приближается к нулю по мере увеличения количества бросаний. (Ясно, что при одном-единственном бросании один из партнеров должен выиграть и, следовательно, другой — проиграть.) Спрашивается, зачем вообще начинать игру и тратить на это время, если заведомо известно, что вероятность выигрыша (кстати, и проигрыша!) равна нулю?Примером игр второго класса может служить рулетка. Здесь имеется заведомо отличная от нуля вероятность выигрыша для одного из участников, а именно хозяина рулетки — крупье — и соответственно, отличная от нуля вероятность проигрыша для всех остальных участников. Становится совсем непонятным, зачем начинать играть в рулетку и подобные игры, если заведомо известно, что имеется отличная от нуля вероятность проиграть?Все дело в том, что игрок в азартные игры рассчитывает именно на отклонение частоты событий от- их вероятности. Вспомним, что у К. Пирсона при 24 000 бросаний монеты герб выпал 12012 раз. Если представить себе двух игроков, один из которых ставит всегда на герб, а второй — всегда на решку, то именно эти 12 лишних гербов и составят чистый выигрыш одного из игроков. Остальные 23 988 бросаний в известном смысле будут совершены впустую.