Опять же, если группа, которую мы измеряем, подвержена отбору (например, британские солдаты, для профессии которых все добровольцы ниже определенного роста — скажем, 5 футов 5 дюймов — отвергаются), кривая будет резко падать с одной стороны, вот так:
Fig. 13.
Если выше определенного роста добровольцы также отвергаются, кривая будет резко падать с обеих сторон. Средний рост предполагается равным 5 футам 8 дюймам.
Распределение событий описывается «некоторой такой кривой», как та, что дана на рис. 11; но разные группы событий могут представлять фигуры или поверхности, в которых наклоны кривых очень различаются, а именно: они более или менее крутые; и если кривая очень крутая, фигура превращается в пик; тогда как если кривая пологая, фигура сравнительно плоская. В последнем случае, когда фигура плоская, меньше событий будет тесно группироваться вокруг среднего значения, и отклонения будут больше.
Предположим, мы ничего не знаем о данном событии, кроме того, что оно принадлежит к определенному классу или ряду; что мы можем рискнуть предположить о нем, исходя из нашего знания этого ряда? Пусть событием будет головной указатель англичанина. Головной указатель — это ширина черепа × 100, деленная на его длину; например, если череп имеет длину 8 дюймов и ширину 6 дюймов, (6×100)/8=75. Мы знаем, что средний английский череп имеет указатель 78. Череп данного индивида, следовательно, с большей вероятностью имеет этот указатель, чем любой другой. Тем не менее, многие черепа отклоняются от среднего значения, и мы хотели бы знать, какова вероятная ошибка в этом случае. Вероятная ошибка — это измерение, которое делит отклонения от среднего значения в обоих направлениях пополам, так что существует столько же событий с большим отклонением, сколько событий с меньшим отклонением. Если на рис. 11 выше мы расположили измерения головного указателя взрослых английских мужчин и если в o (среднее или медиана) указатель равен 78, а линия pa делит правую сторону фигуры пополам, то op — это вероятная ошибка. Если измерение в точке p равно 80, вероятная ошибка равна 2. Аналогично, с левой стороны вероятная ошибка равна op', а измерение в точке p' равно 76. Мы можем сделать вывод, что череп человека перед нами с большей вероятностью имеет указатель 78, чем любой другой; если же какой-то другой, то с равной вероятностью он может лежать между 80 и 76 или находиться вне их; но по мере того, как числа растут выше 80 вправо или падают ниже 76 влево, становится все менее и менее вероятным, что они описывают этот череп.
В таких случаях, как рост людей или измерения черепа, где существует огромное количество экземпляров, среднее значение будет фактически представлено многими из них; но если мы возьмем небольшую группу, например измерения студентов колледжа, может случиться так, что средний рост (скажем, 5 футов 8 дюймов) не является фактическим ростом ни одного человека. Даже тогда обычно будет более тесное скопление фактических значений роста вокруг этого числа, чем вокруг любого другого. Тем не менее, имея перед собой очень мало случаев, может быть лучше взять медиану, чем среднее значение. Медиана — это такое событие, по обе стороны от которого находится равное количество отклонений. Одно из преимуществ этой процедуры состоит в том, что она может сэкономить время и усилия. Чтобы найти приблизительный средний рост класса, расположите людей в порядке роста, возьмите среднего из них и измерьте его. Дальнейшее преимущество этого метода заключается в том, что он исключает влияние чрезвычайных отклонений. Предположим, у нас есть семь головных указателей скелетов, найденных в одном кургане: 75½, 76, 78, 78, 79, 80½, 86. Среднее значение равно 79; но это число чрезмерно завышено последним измерением; а медиана, 78, более справедливо представляет этот ряд; то есть при большем количестве черепов среднее значение, вероятно, было бы ближе к 78.
Единичное измерение явления не дает большой уверенности. Делается другое измерение; и тогда, если нет возможности сделать больше, берут среднее арифметическое двух измерений. Но почему? Ведь результат может оказаться хуже первого измерения. Предположим, что события, которые я измеряю, на самом деле достаточно хорошо описываются рис. II, хотя (вначале) я ничего о них не знаю; и что мое первое измерение дает p, а второе — s; их среднее значение хуже, чем p. Тем не менее, будучи еще невежественным относительно распределения этих событий, я поступаю правильно, беря среднее значение. Ибо, как оказывается, ¾ событий лежат слева от p; так что если первое испытание дает p, то среднее значение p и любого последующего испытания, которое выпало ближе, чем (скажем) s' на противоположной стороне, будет лучше, чем p; а поскольку отклонения, большие чем s', редки, шансы почти 3 к 1, что взятие среднего значения улучшит наблюдение. Только если первое испытание дает o или попадает в пределы чуть более чем ½ p по обе стороны от o, шансы будут против любого улучшения при повторной попытке и взятии среднего значения. Поскольку, следовательно, мы не можем знать положение нашего первого испытания по отношению к o, всегда благоразумно попробовать еще раз и взять среднее значение; и чем больше испытаний мы можем провести и усреднить, тем лучше результат. Среднее значение ряда наблюдений называется «редуцированным наблюдением».
У нас могут быть основания полагать, что некоторые из наших измерений лучше других, потому что они были сделаны более подготовленным наблюдателем, или тем же наблюдателем более обдуманно, или с помощью лучших инструментов и так далее. Если это так, таким наблюдениям следует придать «вес» или уделить больше внимания в наших расчетах; и простой способ сделать это — считать их дважды или чаще при вычислении среднего значения.
§ 6. Эти соображения имеют важное значение для интерпретации вероятностей. Средняя вероятность для любого общего класса или ряда событий не может быть с уверенностью применена к какому-либо одному случаю или к какому-либо особому классу случаев, поскольку этот один случай или этот особый класс может демонстрировать поразительную ошибку или отклонение; он может, по сути, быть подвержен действию особых причин. Внутри класса, среднее значение которого берется первым и который описывается общими характеристиками как «человек», «игральная кость» или «выстрел из винтовки», могут существовать классы, отмеченные особыми характеристиками и определяемые особыми влияниями. Статистика, дающая среднее значение для «человечества», может быть неверной для «цивилизованных людей» или для любого еще меньшего класса, такого как «французы». Поэтому страховые компании полагаются не только на статистику жизни и смерти в целом, но и собирают особые данные в отношении различных возрастов и полов, а также делают дополнительные поправки на трезвость, наследственные заболевания и т. д. Точно так же и с отдельными случаями: среднее ожидание для класса, будь то общего или особого, применимо к любому конкретному случаю только в том случае, если этот случай адекватно описывается характеристиками класса. В Англии, например, средняя ожидаемая продолжительность жизни для мужчин в возрасте 20 лет составляет 39,40; но в 60 лет она все еще составляет 13,14, а в 73 года — 7,07; в 100 лет — 1,61. Из 20-летних мужчин те, кто живет больше или меньше 39,40 лет, являются отклонениями или ошибками; но их очень много. Застраховать жизнь одного человека в 20 лет в ожидании его смерти в 60 лет было бы просто пари, если бы у нас не было особых знаний о нем; безопасность страховой компании заключается в наличии такого количества клиентов, что противоположные отклонения нейтрализуют друг друга: чем больше клиентов, тем безопаснее бизнес. Вполне возможно, что сто человек в возрасте 20 лет будут застрахованы за одну неделю и все они умрут до 25 лет; это было бы разорительно, если бы другие не доживали до 80 или 90 лет.
Не только в таком практическом деле, как страхование, но и в чисто научных вопросах мелкие и тонкие особенности индивидов имеют важные последствия. Каждый человек обладает определенным складом ума, характером, телосложением, придающим отличительный оттенок всем его действиям, даже когда он пытается быть нормальным. В любой деятельности это определяет его «личное уравнение», или среднее отклонение от нормы. Термин «личное уравнение» используется главным образом в связи с научными наблюдениями, например в астрономии. Каждый наблюдатель склонен немного ошибаться, и эту ошибку необходимо учитывать, а его наблюдения — соответствующим образом корректировать.
Использование термина «ожидание» и примеров, взятых из страхования и азартных игр, может создать представление, что вероятность относится исключительно к будущим событиям; но если она основана на законах и причинах, она не может иметь отношения к моменту времени. Пока условия остаются прежними, события будут прежними, рассматриваем ли мы единообразия или средние значения. Поэтому мы можем делать вероятные выводы относительно прошлого так же, как и относительно будущего, при условии той же гипотезы, что причины, влияющие на рассматриваемые события, были прежними и аналогично сочетались. С другой стороны, если мы знаем, что условия, влияющие на предмет исследования, изменились с момента сбора статистики или были иными в какое-то время до сбора доказательств, каждый вероятный вывод, основанный на этой статистике, должен быть скорректирован с учетом измененных условий, независимо от того, желаем ли мы рассуждать вперед или назад во времени.
§ 7. Правила сочетания вероятностей следующие:
(1) Если два события или причины не совпадают, вероятность наступления одного или другого есть сумма отдельных вероятностей. Игральная кость не может выпасть одновременно тузом и шестеркой; но вероятность в пользу каждого составляет 1/6: следовательно, вероятность в пользу одного или другого составляет 1/3. Смерть вряд ли может наступить одновременно от ожога и утопления: если 1 из 1000 сгорает, а 2 из 1000 тонут, вероятность сгореть или утонуть составляет 3/1000.
(2) Если два события независимы, не имея ни связи, ни противоречия, вероятность их совпадения находится путем перемножения отдельных вероятностей наступления каждого из них. Если, идя по определенной улице, я встречаю А один раз из четырех, а Б — один раз из трех, я должен (по чистой случайности) встретить обоих один раз из двенадцати: ибо за двенадцать случаев я встречаю Б четыре раза; но один раз из четырех я встречаю А.
Это очень важное правило в научном исследовании, поскольку оно позволяет нам обнаружить наличие причинности. Ибо если совпадение двух событий более или менее часто, чем оно было бы, если бы они были полностью независимы, между ними существует либо связь, либо противоречие. Если, например, идя по улице, я встречаю и А, и Б чаще, чем один раз из двенадцати, они могут быть заняты сходным делом, вызывающим их из офисов примерно в один и тот же час. Если я встречаю их обоих реже, чем один раз из двенадцати, они могут принадлежать к одному офису, где один выступает в качестве замены другого. Аналогично, если в множестве бросков игральная кость выпадает шестеркой чаще, чем один раз из шести, она не является правильной: то есть существует причина, благоприятствующая выпадению шестерки. Если из 20 000 человек 500 видят привидения, а у 100 убивают друзей, шанс любого человека испытать оба опыта составляет 1/8000; но если каждый живет в среднем 300 000 часов, шанс того, что оба события произойдут в один и тот же час, составляет 1/2 400 000 000. Если два события происходят в один и тот же час чаще, чем это, то это больше, чем случайное совпадение.
Чем мельче причина связи или противоречия между событиями, тем длиннее должен быть ряд испытаний или случаев, необходимых для выявления ее влияния: чем меньше утяжелена игральная кость, тем больше бросков должно быть сделано, прежде чем можно будет показать, что определенная сторона стремится выпадать чаще, чем один раз из шести.
(3) Правило для вычисления вероятности зависимого события такое же, как и выше; ибо совпадение двух независимых событий само по себе зависит от наступления каждого из них. Моя встреча с обоими, А и Б, на улице зависит от того, что я иду там, и от того, что я встречаю одного из них. Аналогично, если А иногда является причиной Б (хотя и может быть предотвращено), а Б иногда — причиной В (В и Б не имеют причин, независимых от Б и А соответственно), наступление В зависит от наступления Б, а то, в свою очередь, от наступления А. Следовательно, мы можем сформулировать правило: если два события зависят каждое от другого, так что если одно происходит, второе может (или не может), а если второе — то третье; в то время как третье никогда не происходит без второго, а второе без первого; вероятность того, что если произойдет первое, произойдет и третье, находится путем перемножения дробей, выражающих вероятность того, что первое является признаком второго, а второе — третьего.
На этом принципе ценность свидетельских показаний или преданий ухудшается, и в целом убедительность любого аргумента, основанного на сочетании приблизительных обобщений, зависящих друг от друга или «самоослабляющихся». Если есть два свидетеля, А и Б, из которых А видел событие, в то время как Б только слышал, как А рассказывал о нем (и поэтому зависит от А), какое доверие заслуживает рассказ Б? Предположим, вероятность того, что каждый человек прав в том, что он говорит, что видел или слышал, составляет 3/4: тогда (3/4 × 3/4 = 9/16) вероятность того, что история Б правдива, чуть больше 1/2. Ибо если в 16 свидетельствах А ошибается 4 раза, Б может быть прав только в 3/4 остатка, или 9 раз из 16. Опять же, если у нас есть приблизительные обобщения: «Большинство попыток снизить заработную плату встречают забастовки» и «Большинство забастовок успешны», и мы узнаем при статистическом исследовании, что на каждые сто попыток снизить заработную плату приходится 80 забастовок и что 70% забастовок успешны, то 56% попыток снизить заработную плату безуспешны.
Конечно, этот метод расчета не может быть количественно применен, если статистические данные недоступны, как в случае с показаниями свидетелей; и даже если бы среднее числовое значение можно было приписать показаниям определенного класса свидетелей, было бы абсурдно применять его к показаниям любого конкретного члена этого класса, не принимая во внимание его образование, интерес к делу, предвзятость или общие способности. Тем не менее, числовая иллюстрация быстрого ухудшения слухов, когда они менее чем правдивы, предостерегает нас от сплетен. Распространять слухи может быть так же плохо, как и выдумывать ложь.
(4) Если событие может совпадать с двумя или более другими независимыми событиями, вероятность того, что они вместе будут знаком этого события, находится путем перемножения дробей, представляющих невероятность того, что каждое из них является знаком этого события, и вычитания произведения из единицы.
Это правило для оценки убедительности косвенных доказательств и аналогических доказательств; или, в целом, для сочетания приблизительных обобщений «самоподтверждающимся образом». Если, например, каждое из двух независимых обстоятельств, А и Б, указывает на вероятность 6 к 1 в пользу определенного события; принимая 1 за достоверность, 1-6/7 есть невероятность события, несмотря на каждое обстоятельство. Тогда 1/7 × 1/7 = 1/49 — невероятность того, что оба доказывают его. Следовательно, вероятность события составляет 48 к 1. Дело может стать яснее, если выразить его так: указание А верно 6 раз из 7, или 42 из 49; в оставшиеся 7 раз из 49 указание Б будет верным 6 раз. Следовательно, вместе они будут верны 48 раз из 49. Если каждый из двух свидетелей правдив 6 раз из 7, один или другой будет правдив 48 раз из 49. Но им не поверят, если они не согласятся; и в 42 случаях, когда А прав, Б будет противоречить ему 6 раз; так что они сходятся в правоте только 36 раз. В оставшиеся 7 раз, когда А неправ, Б будет противоречить ему 6 раз, и однажды они оба будут неправы. Из этого не следует, что когда оба неправы, они будут согласны; ибо они могут рассказывать очень разные истории и все равно противоречить друг другу.
Если в аналогическом аргументе было 8 точек сравнения, 5 за и 3 против определенного вывода, и вероятность, создаваемая каждой точкой, могла быть количественно определена, общая ценность доказательств могла быть оценена путем выполнения аналогичных сумм за и против и вычитания неблагоприятного из благоприятного итога.
Когда приблизительные обобщения, которые не были точно количественно определены, объединяют свои доказательства, убедительность аргумента возрастает таким же образом, хотя ее нельзя сделать столь определенной. Если верно, что большинство поэтов раздражительны, а также что большинство инвалидов раздражительны, то еще большая доля будет раздражительна среди тех, кто является одновременно и инвалидами, и поэтами.
В целом, из обсуждения вероятностей вытекают четыре главных предостережения относительно их использования: не устраивать педантичный парад числовой вероятности там, где числа не были установлены; не доверять нашему чувству того, что вероятно, если можно получить статистические данные; не применять среднюю вероятность к особым классам или индивидам, не выяснив, соответствуют ли они среднему типу; и не доверять эмпирической вероятности событий, если их причины могут быть обнаружены и стать основой рассуждений, которые эмпирическая вероятность может быть использована для проверки.
Читателю, который желает изучить этот предмет дальше, следует прочитать работу, которой вышеупомянутая глава во многом обязана, — «Логику случая» доктора Венна.
ГЛАВА XXI
ДЕЛЕНИЕ И КЛАССИФИКАЦИЯ
§ 1. Классификация в самом широком смысле — это мысленная группировка фактов или явлений в соответствии с их сходствами и различиями, чтобы наилучшим образом служить какой-либо цели. «Мысленная группировка»: ибо хотя в музеях мы часто видим сами вещи, расположенные по классам, такое расположение содержит лишь образцы, представляющие классификацию. Сама классификация может распространяться на бесчисленные объекты, большинство из которых никогда не были увидены. Вымершие животные, например, классифицируются на основе того, что мы знаем об их ископаемых; и некоторые из ископаемых можно увидеть расположенными в музее; но сами животные исчезли много веков назад.