Введение в теорию независимости в вероятностных процессах 0:00
На лекции курса 6.1200 Эрик Демейн (Erik Demaine) из MIT OpenCourseWare подробно разбирает фундаментальную концепцию независимости событий, которая является ключевым инструментом в теории вероятностей и компьютерных науках. На примере анализа монеток, форензики и парадокса дней рождения профессор показывает, как математический аппарат позволяет отделить интуитивные заблуждения от строгих фактов.
🎲 Математическое определение независимости 3:25
В основе лежит концепция условной вероятности: событие A не зависит от события B, если знание о том, что B произошло, никак не меняет вероятность наступления A.
Математически это выражается формулой: $P(A|B) = P(A)$ (при условии, что $P(B) \neq 0$).
Также существует эквивалентный «правило произведения», которое часто удобнее в расчетах: $P(A \cap B) = P(A) \cdot P(B)$.
Важные замечания профессора:
- Симметрия: Отношение независимости симметрично. Если A независимо от B, то и B независимо от A.
- Пустые и полные события: Пустое событие и событие, которое случается всегда, независимы от всего.
- Несовместные события: Если события несовместны (их пересечение — пустое множество), они не являются независимыми. Профессор отмечает, что хотя порой их называют «зависимыми», в строгой терминологии MIT чаще используется определение «не являются независимыми».
🪙 Анализ классических примеров 22:08
Парадокс Монти Холла 5:44
Демейн применяет аппарат независимости для интуитивного объяснения парадокса Монти Холла. Суть сводится к тому, что открытие двери, за которой нет приза, не несет никакой новой информации о том, находится ли приз за дверью, которую изначально выбрал игрок. Это подтверждает, почему стратегия смены выбора (switching) математически выгодна: она сохраняет вероятность успеха, основываясь на уменьшении количества неизвестных вариантов с трех до двух.
Подбрасывание монет 22:08
- Независимые события: При подбрасывании двух честных монет результат каждой из них независим.
- Скрытые зависимости: Даже если события кажутся независимыми, это может быть не так при использовании нечестных (смещенных) монет.
- Физика монет: Профессор упоминает исследование Перси Диакониса 2007 года, согласно которому реальные монеты не являются идеально честными: вероятность того, что монета останется на той же стороне, что была в начале, составляет около 50,8% (в зависимости от техники броска).
🌐 Взаимная независимость: от пар до групп 39:58
Когда событий больше двух, возникает различие между попарной независимостью и взаимной (полной) независимостью.
- Попарная независимость: Любые два события из набора независимы друг от друга.
- Взаимная независимость: Более строгая форма, где каждое событие должно быть независимым от любого пересечения других событий.
Профессор приводит интересный пример с тремя монетами: события «первая и вторая монеты совпали», «вторая и третья совпали» и «первая и третья совпали» являются попарно независимыми, но не являются взаимно независимыми. Это критически важно в компьютерных науках, например, при разработке хеш-функций, где тип независимости определяет эффективность алгоритма.
🎂 Парадокс дней рождения 56:12
Это классический пример того, как интуиция подводит человека в вопросах вероятности. Суть парадокса в том, что вероятность того, что среди группы людей у двоих совпадут дни рождения, растет гораздо быстрее, чем кажется.
Основные выводы Демейна:
- Для гарантии совпадения (принцип Дирихле) нужно 366 человек.
- Для вероятности 50% достаточно всего 23 человека.
- Для 100 человек вероятность совпадения достигает 99,99997%.
Математически это вычисляется через вероятность противоположного события (отсутствие совпадений), которая аппроксимируется через экспоненциальную функцию $e^{-n^2/2d}$. Этот принцип имеет огромное значение в криптографии и при проектировании систем хранения данных (например, Dropbox), чтобы минимизировать вероятность коллизий хешей.
🧠 Ошибка игрока (Gambler's Fallacy) 1:15:57
Профессор обсуждает психологический феномен, когда люди верят, что после серии выпадения «орла» вероятность выпадения «решки» возрастает, так как «они заслужили».
- Позиция математика: Вероятность следующего броска честной монеты всегда 1/2, независимо от прошлого.
- Позиция байесианца: Если серия очень длинная, разумно предположить, что монета нечестная (смещенная), и тогда модель нужно пересмотреть.
Демейн подчеркивает, что с точки зрения формальной вероятности, каждый бросок остается независимым, и попытка найти «память» у монетки является логической ошибкой.
