|
Теперь предположим, что мы хотим предсказать, какова вероятность, что у случайно выбранного человека из этой популяции IQ окажется между 85 и 100. Рис. 37 подсказывает нам, что эта вероятность – 0,341 (или 34,1 %), поскольку по законам теории вероятности вероятность – это количество желаемых результатов, деленное на общее количество возможностей. А если нам интересно выяснить, какова вероятность, что кто-то (случайно выбранный) из этой популяции обладает IQ выше 130, то взгляд на рис. 37 покажет, что эта вероятность равна примерно 0,022, то есть 2,2 %. Примерно так же, опираясь на свойства нормального распределения и на метод интегрального исчисления (для вычисления площади под кривой), можно вычислить вероятность, что значение IQ попадет в тот или иной заданный диапазон. Иными словами, ответы нам дают теория вероятности и ее половинка-помощница статистика – в сочетании. Как я уже не раз подчеркивал, вероятность и статистика обретают смысл, если имеешь дело с большим количеством событий, но не с отдельными событиями. Этой фундаментальной оговоркой, известной как закон больших чисел , мы обязаны Якобу Бернулли, который сформулировал ее в виде теоремы в своей книге «Ars Conjectandi » («Искусство предположений»; на рис. 38 приведен титульный лист)[95]. В переводе на обыденный язык теорема гласит, что если вероятность, что событие случится, равна p, то p – это самое вероятное соотношение количества случаев, когда это событие происходит, к общему числу попыток. Если же общее число попыток приближается к бесконечности, то доля успешных попыток становится в точности равна p . Вот как Бернулли формулирует закон больших чисел в «Искусстве предположений»: «Еще предстоит выяснить, увеличиваем ли мы при увеличении числа наблюдений и вероятность, что регистрируемое соотношение желаемых случаев к нежелательным приблизится к подлинному значению, и тогда эта вероятность в конце концов превзойдет всякую желаемую точность». Затем он пояснил это на конкретном примере[96]. Рис. 36 Рис. 37 У нас есть урна с 3000 белых и 2000 черных камешков, и мы хотим эмпирически определить соотношение количества белых и черных камешков – а мы его не знаем, – доставая из урны по одному камешку и записывая, когда нам попадается белый камешек, а когда черный (напоминаю, что при этом процессе должно соблюдаться важное требование: каждый камешек, отметив его цвет, следует положить обратно в урну и лишь затем доставать следующий, чтобы количество камешков оставалось постоянным). А теперь мы спрашиваем, возможно ли, увеличив число попыток, добиться, чтобы стало в 10, 100, 1000 раз вероятнее (а в конечном итоге прийти к «совершенной уверенности»), что соотношение количества извлечений белого камешка к количеству извлечений черного камешка приобретет точно такое же значение (3:2), что и подлинное соотношение черных и белых камешков в урне, а не какое-то другое значение? Если ответ отрицательный, то я признаю, что наша попытка оценить посредством наблюдения соотношение результатов в каждом конкретном случае (например, соотношение количества белых и черных камешков) обречена на провал. Но если это так, то мы наконец-то можем при помощи этого метода приблизиться к совершенной уверенности [в следующей главе «Искусства предположений» Якоб Бернулли доказывает, что так и есть] … и мы можем определять количество случаев a posteriori почти с той же огромной точностью, как если бы оно было известно нам a priori. — 95 —
|