Фейнмановские лекции по физике 1. Современная наука о природе, законы механики

Pk,n=(kn)2n (6.5)

Поскольку Pk,n – доля тех серий испытаний, в которых выпадение «орла» ожидается k раз, то из ста серий k выпадений «орла» ожидается 100?Pk,n раз. Пунктирная кривая на фиг. 6.2 проведена как раз через точки функции 100?Pk,30. Видите, мы ожидали получить 15 выпадений «орла» в 14 или 15 сериях испытаний, а получили только в 13. Мы ожидали получить 16 выпадений «орла» в 13 или 14 сериях испытаний, а получили в 16. Но такие флуктуации вполне допускаются «правилами игры».

Использованный здесь метод можно применять и в более общей ситуации, где в каждом единичном испытании возможны только два исхода, которые давайте обозначим через В (выигрыш) и П (проигрыш). Вообще говоря, вероятности В и П в каждом отдельном испытании могут быть разными. Пусть р, например, будет вероятностью результата В. Тогда q (вероятность результата П) должна быть равна (1–p). В серии из n испытаний вероятность того, что результат В получится k раз, равна

Pk,n=(kn)pkqn–k (6.6)

Эта функция вероятностей называется биномиальным законом распределения вероятности.

§ 3. Случайные блуждания

Существует еще одна интересная задача, при решении которой не обойтись без понятия вероятности. Это проблема «случайных блужданий». В простейшем варианте эта задача выглядит следующим образом. Вообразите себе игру, в которой игрок, начиная от точки х=0, за каждый ход может продвинуться либо вперед (до точки х), либо назад (до точки–х), причем решение о том, куда ему идти, принимается совершенно случайно, ну, например, с помощью подбрасывания монеты. Как описать результат такого движения? В более общей форме эта задача описывает движение атомов (или других частиц) в газе – так называемое броуновское движение – или образование ошибки при измерениях. Вы увидите, насколько проблема «случайных блужданий» тесно связана с описанным выше опытом с подбрасыванием монеты.

Прежде всего давайте рассмотрим несколько примеров случайных блужданий. Их можно описать «чистым» продвижением DN за N шагов. На фиг. 6.5 показаны три примера путей при случайном блуждании.

Фиг. 6.5. Три примера случайного блуждания.

По горизонтали отложено число шагов N, по вертикали – координата

D(N), т. е. чистое расстояние от начальной точки.

(При построении их в качестве случайной последовательности решений о том, куда сделать следующий шаг, использовались результаты подбрасывания монеты, приведенные на фиг. 6.1.)

Что можно сказать о таком движении? Ну, во–первых, можно спросить: как далеко мы в среднем продвинемся? Нужно ожидать, что среднего продвижения вообще не будет, поскольку мы с равной вероятностью можем идти как вперед, так и назад. Однако чувствуется, что с увеличением N мы все с большей вероятностью можем блуждать где–то все дальше и дальше от начальной точки. Поэтому возникает вопрос: каково среднее абсолютное расстояние, т. е. каково среднее значение |D|? Впрочем, удобнее иметь дело не с |D|, а с D2; эта величина положительна как для положительного, так и для отрицательного движения и поэтому тоже может служить разумной мерой таких случайных блужданий.

Можно показать, что ожидаемая величина DN2 равна просто N – числу сделанных шагов. Кстати, под «ожидаемой величиной» мы понимаем наиболее вероятное значение (угаданное наилучшим образом), о котором можно думать как об ожидаемом среднем значении большого числа повторяющихся процессов блуждания. Эта величина обозначается как и называется, кроме того, «средним квадратом расстояния». После одного шага D2 всегда равно +1, поэтому, несомненно, =1. (За единицу расстояния всюду будет выбираться один шаг, и поэтому я в дальнейшем не буду писать единиц длины).

Ожидаемая величина DN2 для N>1 может быть получена из DN–1. Если после (N–1) шагов мы оказались на расстоянии DN–1, то еще один шаг даст либо DN=DN–1+1, либо DN=DN–1–1. Или для квадратов

Если процесс повторяется большое число раз, то мы ожидаем, что каждая из этих возможностей осуществляется с вероятностью ^?/₂, так что средняя ожидаемая величина будет просто средним арифметическим этих значений, т. е. ожидаемая величина DN2 будет просто DN–12+1. Но какова величина DN–12, вернее, какого значения ее мы ожидаем? Просто, по определению, ясно, что это должно быть «среднее ожидаемое значение» , так что

=+1. (6.8)

Если теперь вспомнить, что =1, то получается очень простой результат:

=1. (6.9)

Отклонение от начального положения можно характеризовать величиной типа расстояния (а не квадрата расстояния); для этого нужно просто извлечь квадратный корень из и получить так называемое «среднее квадратичное расстояние» DC–K:

DC–K==N. (6.10)

Мы уже говорили, что случайные блуждания очень похожи на опыт с подбрасыванием монет, с которого мы начали эту главу. Если представить себе, что каждое продвижение вперед или назад обусловливается выпадением «орла» или «решки», то DN будет просто равно N0–Np, т. е. разности числа выпадений «орла» и «решки». Или поскольку N0+Np=N (где N – полное число подбрасываний), то DN=2N0–N. Вспомните, что раньше мы уже получали выражение для ожидаемого распределения величины N0 [она обозначалась тогда через k; см. уравнение (6.5)]. Ну а поскольку N – просто постоянная, то теперь такое же распределение получил ось и для D. (Выпадение каждого «орла» означает невыпадение «решки», поэтому в связи между N0 и D появляется множитель 2.) Таким образом, на фиг. 6.2 график представляет одновременно и распределение расстояний, на которые мы можем уйти за 30 случайных шагов k = 15 соответствует D = 0, a k = 16 соответствует D= 2 и т. д.).

Отклонение N0 от ожидаемой величины N/2 будет равно

откуда для среднего квадратичного отклонения получаем

Вспомним теперь наш результат для DC–K. Мы ожидаем, что среднее расстояние, пройденное за 30 шагов, должно быть равно V30 = 5,5, откуда среднее отклонение k от 15 должно быть 5,5:2 = 2,8. Заметьте, что средняя полуширина нашей кривой на фиг. 6.2 (т. е. полуширина «колокола» где–то посредине) как раз приблизительно равна 3, что согласуется с этим результатом.

Теперь мы способны рассмотреть вопрос, которого избегали до сих пор. Как узнать, «честна» ли наша монета? Сейчас мы можем, по крайней мере частично, ответить на него. Если монета «честная», то мы ожидаем, что в половине случаев выпадет «орел», т. е.

/N=0,5. (6.13)

Одновременно ожидается, что действительное число выпадений «орла» должно отличаться от N/2 на величину порядка N/2, или, если говорить о доле отклонения, она равна

т. е. чем больше N, тем ближе к половине отношение N0/N.

На фиг. 6.6 отложены числа N0/N для тех подбрасываний монеты, о которых мы говорили раньше.

Фиг. 6.6. Доля выпадений «орла» в некоторой частной последовательности N подбрасываний монеты.

Как видите, при увеличении числа N кривая все ближе и ближе подходит к 0,5. Но, к сожалению, нет никаких гарантий, что для каждой данной серии или комбинации серий наблюдаемое отклонение будет близко к ожидаемому отклонению. Всегда есть конечная вероятность, что произойдет большая флуктуация – появление большого числа выпадений «орла» или «решки», – которая даст произвольно большое отклонение. Единственное, что можно сказать, – это если отклонения близки к ожидаемому 12N (скажем, со множителем 2 или 3), то нет оснований считать монету «поддельной» (или что партнер плутует).