A VALÓSZÍNÛSÉG FOGALMÁNAK KIALAKULÁSA
|
|
- Norbert Soós
- 9 évvel ezelőtt
- Látták:
Átírás
1 SZABÓ GÁBOR A VALÓSZÍNÛSÉG FOGALMÁNAK KIALAKULÁSA A s z e r z ô tudományfilozófus. Az ELTE TTK fizikus szakán szerzett diplomát 1993-ban, majd a BME Filozófia és Tudománytörténet Tanszékén Fehér Márta vezetése mellett doktorált 2001-ben a kvantumkorrelációk kauzális magyarázatának témakörében. Egy évet töltött Münchenben, hogy Carl Friedrich von Weizsäcker tudományfilozófiai munkásságát tanulmányozza. Jelenleg a Zsigmond Király Fôiskola Filozófia és Vallástudományi Tanszékének docense, emellett Bolyai-ösztöndíjas az ELTE BTK Logika Tanszékén. Számos nemzetközi konferencia (IQSA, DLMPS) elôadója, több nemzetközi folyóiratban ( The British Journal for the Philosophy of Science, Foundations of Physics, Synthese, International Journal of Theoretical Physics, Philosophy of Science ) jelentek meg tanulmányai, legutóbb Separate- versus common-common-causetype derivations of the Bell inequalities címmel a Synthese -ben (163/2, ). Két szerzôtársával a témában közösen végzett kutatásait összefoglaló könyve Explaining correlations címmel a Springer Verlagnál jelenik meg hamarosan. A jelen tanulmány a szerzô A valószínûség interpretációi címû, szintén hamarosan megjelenô könyvének bevezetô, történeti fejezete. 1. Probabilitas A valószínûség fogalma viszonylag késôn jelent meg az európai gondolkodás horizontján. Ez annál meglepôbb, minthogy a szerencsejátékok korai létérôl már az egyiptomi sírfeliratokon talált astralagus-ábrázolások tanúskodnak. Ez az astralagus vagy más néven talus egy bárány sarokcsontjából faragott négyoldalú játszócsontoska. Ian Hacking, a valószínûség történetének elsôrangú kutatója arról számol be (Hacking 1975), hogy a Kairói Múzeumban saját maga tesztelte ezeket a játszócsontocskákat, amelyek igen nagy fokú szimmetriát mutattak, és így kitûnô véletlen-generátornak számítottak. De hasonlóan kifinomult kombinatorikai gondolkodásról tesznek tanúbizonyságot a reneszánsz biztosítási és évjáradék-számításai is. Mindezek ellenére azonban a valószínûség elmélete csak késôn alakul ki. Ennek elsôsorban nem a determinisztikus világkép az oka, nem is a használható aritmetikai háttér hiánya egészen egyszerûen a valószínûség fogalma hiányzott. 114 A valószínûség fogalmának kései kialakulását Hacking (1975) a következôképpen rekonstruálja. A valószínû (probabilis) szó értelmezéséhez a tudás és vélemény klasszikus majd középg 2010_ _240.indd
2 kori a mai episztemológiai megközelítéssel homlokegyenest ellenkezô megkülönböztetésébôl kell kiindulni: a tudás vagy tudomány (scientia) bizonyítható és így szükségszerû igazságokból áll, a vélemény (opinio) pedig egyedi reflexióból, érzékelésbôl vagy éppen vitából származik. A probabilitas e második körbe tartozott, valamely vélemény hihetôségét, igazolhatóságát jelentette; ott jelent meg, ahol szigorú bizonyítás nem volt lehetséges. Születési helyét nem a demonstrációra törekvô elméleti tudományokban, a mechanikában, az asztronómiában, az optikában kell keresni, hanem az alacsony tudományokban, az orvoslástanban, az alkímiában, a geológiában. A szavahihetôség valamely tekintélyre hivatkozást jelentette, és a reneszánsz fontos újítása éppen abban állt, hogy erre a tekintélyre a természetben lelt. Ahhoz azonban, hogy a természetet mint igazoló forrást használni lehessen, szükség volt még egy fogalomra, a bizonyíték fogalmára. A valószínûség kései megjelenése éppen a bizonyíték fogalmának kései megjelenésével magyarázható. Deduktív bizonyítás és tanúbizonyság természetesen létezett már, de nem létezett még dologi bizonyíték, vagyis az egyik létezônek a másikra utalása, ami az induktív érvelés alapja. A bizonyíték fogalma az alkimisták jel fogalmából nôtt ki. Paracelsus és Agricola természeti jelekrôl beszélnek, olyan létezôkrôl, amelyek valami másra utalnak: a bolygók nevei fémekre, a szarvas agancsainak elágazásai a szarvas korára. A természeti jeleket a reneszánszban bizonyítékként kezdik értelmezni, vagyis olyan, a véleményt szavatoló tekintélyként, amilyen tekintélynek korábban csak a szent szövegek vagy néhány ókori szerzô szövegei számítottak. És mivel egy vélemény valószínûsége éppen a bizonyítékkal való alátámasztottságot jelentette, a természeti jelekkel alátámasztott vélemények valószínûek lettek. Másfelôl azonban a jó és megbízható jeleket éppen az különböztette meg a nem megbízhatóktól, hogy szabályos ismétlôdésekben, regularitásokban jutottak kifejezésre. A bizonyítékként értett jelek gyakorisága növelte a tanúbizonyság erejét. Így kapcsolódott össze tehát a jel fogalmában az episztemológiai és aleatorikus jelleg, amely a valószínûség kettôs, egyszerre szubjektív és objektív természetéért mindmáig felelôs. Az 1660-as évek elôtti matematikusokat elsôsorban kombinatorikai természetû problémák foglalkoztatták. Ezek a kombinatorikai problémák a jelek alkimista mágiájából nôttek ki, míg a 17. század meg nem szabadította a jeleket alkimista hátterüktôl. Raymundus Lullus, akit a kombinatorika atyjának tekintenek, az Univerzum elemeinek jeleit kombinálva igyekszik leszármaztatni az Univerzum összetevôit. A három kockával való dobás kimeneteinek elsô ismert felsorolása egy olyan asztrológiai munkából származik, amely az égboltot az 115 g 2010_ _240.indd
3 egyes kimeneteknek megfelelôen 216 részre osztja, majd a dobások segítségével következtet az ég üzeneteire. Galileit is foglalkoztatják a három kocka kombinatorikai problémái: a Sopra le scoperte dei dadiban (1623?) azt vizsgálja, hogy három kockával dobva mely összegekre érdemes fogadni. Az egyik korabeli elképzelés szerint a 9, 10, 11 és 12 összeg egyaránt megfelel, mivel mindegyik szám hatféleképpen áll elô mint három 1 és 6 közötti szám összege (pl. 9 = 1+2+6= = = = = 3+3+3). Ez azonban ellentmond a szerencsejátékosok tapasztalatának, amely szerint a 10 és 11 gyakrabban fordul elô a másik két számnál. Galilei a szerencsejátékosok álláspontját igazolja: az összegek gyakorisága attól függ, hogy a számok hányféleképpen fordulhatnak elô az összes, 216 eset között. A 10 és 11 huszonhét, a 9 és 12 azonban csak huszonöt különbözô módon, így az elôzôk könnyebben valósulnak meg az utóbbiaknál. Ami pedig könnyebben valósul meg, az gyakoribb is. A könnyû és a gyakori Galileinél még szinonim fogalmak, viszonyuk nem szorul értelmezésre a két fogalom metafizikai kapcsolatát majd Leibniz dolgozza ki. Az elsô átfogó kombinatorikai mû amúgy Girolamo Cardano De ludo aleae-ja, amely 1520 környékén született, de csak 1663-ban jelent meg egyfajta gyakorlati útmutatásként szerencsejátékosoknak. 2. Valószínûség és racionalitás 116 A valószínûségszámítás története két problémával indul, amelyeket a legenda szerint de Méré lovag, a kor hírhedt szerencsejátékosa ad fel Pascalnak Poitouba tartó háromnapos útjuk során. Az egyik az ún. osztozkodási paradoxon. Két játékos közül az nyeri a jutalmat, aki 6 fordulót nyer egy bizonyos játékban. A játékot 5:3-nál be kell fejezni. Hogyan oszszák fel a játékosok a tétet maguk között? Az osztozkodási paradoxont Luca Pacioli említi elôször 1494-ben, de megoldást nem ad rá. Tartaglia (1556) 3:1 arányban osztaná el a tétet, feltehetôen mivel az egyik játékos két pont elônye a teljes hat fordulónak a harmada, így ôt illeti meg a tét egyharmada, a maradékot pedig egyenletesen kell elosztani a játékosok között. A helyes megoldás azonban azon a belátáson alapul, hogy a probléma valószínûségi természetû: az elkövetkezô három fordulóban a játék mindenképpen véget ér, és a nyolc lehetséges kombináció közül csak egy kedvez a hátrányban levô játékosnak az amelyikben mind a három játékot ô nyeri. Így a tét igazságos felosztása 7:1 (amely szélsôségesebb az összes korábban javasolt elosztásnál). A másik paradoxon az ún. két kockás paradoxon. Egy szimmetrikus kockával négyszer dobva -nél nagyobb annak a valószínûsége, hogy legalább egy hatost kapunk; két kocg 2010_ _240.indd
4 117 kával huszonnégyszer dobva azonban annak valószínûsége, hogy szintén legalább egy dupla hatost kapunk, kisebb, mint. Hogyan lehetséges ez, hiszen a dupla hatos valószínûsége a hatoda szimpla hatosénak, a huszonnégy pedig éppen a hatszorosa a négynek? Azzal, hogy a szimpla hatos valószínûsége négy dobás után 1 (5/6) 4 0,518 valamint, hogy a dupla hatos valószínûsége huszonnégy dobás után 1 (35/36) 24 0,492 maga de Méré is tisztában volt. A paradoxont az jelentette, hogy a példában nem teljesül a kritikus érték arányossági szabálya. Kritikus értéknek azt a számot nevezzük, ahányszor egy kísérletet, amelyben egy esemény adott valószínûséggel fordul elô, meg kell ismételnünk ahhoz, hogy a sorozatban az esemény 50% valószínûséggel legalább egyszer elôforduljon. A kritikus érték arányossági szabálya tehát az az intuitív elképzelés, hogy a kritikus érték fordítottan arányos az esemény valószínûségével: minél valószínûtlenebb egy esemény, annál többször kell elvégezni a kísérletet, hogy az esemény 50 \% valószínûséggel elôforduljon. A kritikus érték arányossági szabályának közelítô jellegére csak Abraham De Moivre világít majd rá a The Doctrine of Chances-ben (1718). Tôle származik egyébiránt a valószínûség kifejezés elsô megfogalmazása is: azon esély számának viszonylagos nagysága, hogy valami megtörténjen, azon esély teljes számához viszonyítva, hogy vagy megtörténik vagy sem, ami a valószínûség igazi mértéke. Pascal tehát megoldja a két-kockás és az osztozkodási problémát, és a megoldásokat megírja Fermat-nak 1654-ben. Ennek a levélnek a dátumát szokás a valószínûségelmélet születési éveként számon tartani. Huygens Párizsba látogat, hogy találkozzon a két matematikussal, de Pascal viszszavonul a Port Royal-ba, Fermat pedig Toulouse-ban van. Huygens hazatérve megírja De ratiociniis in aleae ludo címû mûvét 1657-ben, amely az elsô kézikönyv a témában. A könyvben jelenik meg elôször a várható érték fogalma mint egy játék megvásárlási ára. A várható érték fogalma a 17. században alapvetôbb a valószínûség fogalmánál. Ennek gyökerét azokban a jogi gyakorlatban alkalmazott ún. aleatorikus szerzôdésekben kell keresnünk, amely során az ügyfél egy jelenlegi biztos jót egy jövôbeli bizonytalanra cserél (biztosítási szerzôdések, évjáradékok, megvenni a halász soron következô hálójának tartalmát stb.). Ezek az aleatorikus szerzôdések elsôsorban az uzsora vádja alól tisztázták a kereskedôket. A 17. század racionalizmusát az a törekvés jellemezte, hogy a racionalitás fogalmát kiterjesszék az eredetileg demonstratív tudás körébôl a gyakorlati cselekvés birodalmára. Megfordult az igazolási viszony a cselekvés és a hit között, a gyakorlati cselekvés sürgetô morális kihívásként jelentkezett, amely rag 2010_ _240.indd
5 118 cionális kritériumokat kívánt. A praktikus ész ezen kihívásának emblematikus példája Pascal fogadása. A fogadás csak Pascal halála után jelent meg 1670-ben a Gondolatok 233. pontja alatt, mindazonáltal már Pascal életében ismertté vált, minthogy a Port Royal Logikája fôbb vonalakban össze is foglalja. A fogadásra ma mint az elsô döntéselméleti feladatra tekintünk, amelyre Pascal két független megoldást is ad. A fogadás mint döntéselméleti probléma három premisszán nyugszik, amelyek igazságát Pascal a gyakorlati racionalitásból eredezteti: (i) Isten létének p valószínûsége nem nulla. (ii) Ha Isten létezik, és mi rá fogadunk, jutalmunk végtelen lesz (a = ), míg az összes többi esetben véges (b, c, d < ). (iii) A racionális döntés a várható jutalom maximalizálását kívánja. Mindezekbôl Pascal levezeti, hogy a racionális cselekvés az Istenre fogadás, mivel annak várható jutalma végtelen (ap + b(1-p) = ), míg az Isten ellen való fogadásé véges (cp + d(1-p) < ). Figyelemre méltó, hogy míg a skolasztikában az istenbizonyítékok demonstrációk, azaz a tudás körébe tartoznak, addig Pascal fogadása utat nyit a valószínû vélemény mentén megfogalmazott istenbizonyítékoknak, amely Isten létét és a holnapi napfelkeltét ugyanúgy kezeli. A valószínûség fogalmát a Port Royal logikusai használják elôször mérhetô dologra az 1662-ben írt La logique, ou lart de penser-ben. A mûnek a valószínûséggel foglalkozó negyedik könyvét feltehetôleg Arnauld írta. A villámtól való félelem mértékét a villámcsapások relatív gyakoriságával veszi arányosnak. A csodák értékelésénél megkülönbözteti a belsô körülményeket, az adott helyen történô eseményeket, és a külsô körülményeket, a hagyományozódás mikéntjét. Mindez azért fontos, mert a valószínûség fogalma csak akkor bukkanhatott fel, amikor a jeleket belsô evidenciaként kezdték érteni. Leibniz tanult jogászként a jog felôl közelít a valószínûség fogalmához. A De conditionibus-ban (1665) jus purum -nak nevez egy következtetést, ha az elôtag implikálja az utótagot, és a következtetéshez az 1 számot rendeli. Jus nullum -nak nevez egy következtetést, ha az elôtag az utótag ellenkezôjét implikálja, és ekkor a következtetéshez a 0 számot rendeli. Végül jus contingens -nek nevez egy következtetést, ha az elôtag csak részben implikálja az utótagot. A jogi értelmezés hátterérôl a következôket kell tudni (Daston, 1988, 2006). A IV. Lateráni Zsinat 1215-ben eltörölte az istenítélettel való bírósági döntést, ezzel a jogászok vállára rakva a döntés felelôsségét az élet-halál kérdésekben. Ennek hatására a 13. századtól kezdve fokozatosan kialakul a bírósági bizonyítási eljárások egyfajta hierarchiája a szóbeszédre vagy ellentmondó tanúkra épülô alacsony fokú bizonyságtól a két megbízható és független tanúg 2010_ _240.indd
6 ra építô, az ésszerû kételyt kizáró bizonyosságig. A skála a 17. századra numerikus jegyeket ölt, és Leibniz csak tovább finomítja a jogi gyakorlatban már régóta alkalmazott elemeket. Leibniz tehát ismeretelméleti oldalról közelít a valószínûség fogalma felé, és 1672-ben Párizsba érkezve meglepôdve tapasztalja, hogy Pascalék a valószínûséget játékokra alkalmazzák. Leibniz nevéhez fûzôdik a feltételes valószínûség fogalma, és a valószínûség redukciója kedvezô és ellentmondó esetekre. 3. Életjáradékok és halálozási görbék Az 1603-as londoni pestis kikényszeríti, hogy a születési és halálozási jegyzékeket heti osztásban vezessék. John Graunt (1662) és William Petty (1666) ezekre a statisztikai adatokra támaszkodva egy sereg jelentôs következtetésre jut. 1. A születések számából a nôk számára, abból a családok számára, abból pedig London lakosságának nagyságára következtetnek, és bebizonyítják, hogy az a korabeli vélekedésekkel ellentétben jóval kevesebb, mint kétmillió. 2. A koldusok magas számára hivatkozva szorgalmazzák egy nemzeti segélyalap felállítását. 3. Mivel a statisztikák nem adják meg az elhalálozott korát, csak a halál okát, ezért megkonstruálnak egy elhalálozási függvényt, amely majd az életjáradék-számításban kulcsszerepet játszik. 4. A régi eredetû és egészen a 19. századig tartó vitában, hogy ti. a pestis fertôzéssel vagy miazmákkal terjed-e, Graunt az utóbbi mellett foglal állást, mivel a heti áldozatok számának nagy oszcillációja csak az idôjárás változásával látszik magyarázhatónak. Az évjáradékok, életjáradékok és biztosítások gyakorlata Hollandiában ez idôre széles körben elterjed. A járadékok pontos kiszámításához a halálozási görbét és az aktuális kamatot kellett ismerni. Graunt a halálozási görbét az alábbi félig empirikus, félig a priori megfontolásokkal konstruálja meg. A halálozási jegyzékek nem adták meg az elhunyt korát, de megadták a halál okát. Graunt a halálnemek csoportosításával megállapította, hogy az elhunytak közel egyharmada gyermekbetegségben halt meg, vagyis hat évnél fiatalabb. Az elhunytak maradék kétharmadát egyenletesen elosztotta a hat és hetvenhat év között. Hasonlóan uniform halálozási görbét használtak a holland de John de Witt és John Hudde, késôbb pedig Leibniz és de Moivre is, és azt egyfelôl táblázatokkal, másfelôl a priori feltevésekkel próbálták igazolni. Ezek az a priori meggondolások vezetnek aztán a valószínûségnek az egyenlôen lehetséges esetek segítségével történô megfogalmazásához. 119 g 2010_ _240.indd
7 Az elsô teljes halálozási jegyzékeket a csillagász Edmund Halley készíti el 1693-ban, és segítségével megmutatja, hogy a kormány által kibocsátott évjáradékok 6% visszatérülés hét éves futamidô alatt alulárazottak. Az egyre kifinomultabb számítások ellenére a biztosító társaságok nem mutatnak különösebb érdeklôdést a valószínûségszámítás új eredményei iránt. Az elméletnek a szerencsejátékok körébôl merítô példái túlságosan frivolnak tûnnek; azt a kialakult gyakorlatot pedig, hogy a szerzôdéskötésnél az ügyfél korát, egészségi állapotát és foglalkozását esetileg mérlegelik, nem szívesen bízzák vak átlagokra. A biztosítási üzlet ekkori igen jövedelmezô szakaszában az ilyen matematikai megfontolások amúgy sem számítottak túlságosan. Az egyetlen kivételt az azóta is mûködô Equitable Society for the Assurance of Lives (1762) jelenti, amely biztosításait rögzített statisztikus törvényekre építi, de amelynek sikere ellenére évtizedekig nem akad követôje. 4. Ars conjectandi Jacob Bernoulli Ars conjectandi-ja (1713) a Port Royal Ars cogitandi-jára rímel, mintegy meghosszabbítva annak gondolatmenetét. Bernoulli a valószínûségi kalkulust a Port Royal logikájában felvetett kérdésekre alkalmazza: mi a valószínûsége annak, hogy egy bizonyos kórokozó lakik az ember testében, ha adva van a kórokozók okozta fertôzések gyakoriságának orvosi jegyzôkönyve. A problémát urnás modellje alapján tárgyalja, amelyben a különbözô színû golyók aránya az urnában a kórokozók valószínûségének felel meg; a fertôzések statisztikája pedig az urnából való ilyen-olyan színû golyó húzási valószínûségének. Bernoulli tehát az okozatok valószínûségébôl következtet az okok valószínûségére. Ezt a kutatási irányt a korban a posteriori módszernek nevezték. Ennek a módszernek lett centrális jelentôségû igazolása a mûben bizonyított nagy számok (gyenge) törvénye, amelyben Bernoulli urnás modelljére támaszkodva belátta, hogy az a posteriori valószínûségek (a kihúzott golyók színeinek relatív gyakorisága) az a priori valószínûségekhez (az urnában levô színek arányaihoz) tartanak a húzások szaporodtával. A nagy számok törvénye azonban csak azon az áron volt képes betölteni az empirista program igazolásának feladatát, hogy egyfelôl a bizonyítéknak korábban igen differenciált fogalmát az esetek puszta számlálására redukálta, másfelôl az okok (az urna színarányai) és az okozatok (az egyedi húzások színe) közötti valószínûségi oksági viszonyt amely sehogyan sem illett a kor mechanisztikus oksági elképzelésébe pusztán látszatnak minôsítette. Ez azonban oda vezetett, hogy a valószínûség egy determinisztikus világban pusztán ignoranciát jelentett. A valószínûségnek ez a felfogása 120 g 2010_ _240.indd
8 lett uralkodó aztán Bernoullitól egészen Laplace-ig. Bernoulli egyébként az utolsó az újkorban, aki nem-additív mértékkel kísérletezik. Az Ars conjectandi átfogó elemzésére építve határozza meg a század végén Condorcet az esküdtszék optimális méretét és az igazságos szavazati procedúrát. Az 1785-ös Essai sur lapplication de lanalyse à la probabilité des décisions rendues à la pluralité des voix címû nagyszabású munkájában Condorcet kimutatja, hogy az esküdtszéki szavazati eljárások könnyen úgynevezett ciklikus kollektív preferenciákhoz vezethetnek, vagyis a többségileg elônyben részesített döntések nem feltétlenül rendezhetôk sorba. Ennek a szavazati paradoxonnak egy valószínûségi variánsa az alábbi paradoxon is, amely a véletlen események rendezésével kapcsolatos nehézségekre hívja fel a figyelmet. Két játékos elôtt három szabályos, de számozatlan kocka hever az asztalon. A játék menete a következô lépésekbôl áll: (i) Az egyik játékos fogja a kockákat, és tetszés szerint 1-tôl 18-ig megszámozza az oldalaikat. (ii) A másik játékos megtekinti a számozást, majd kiválaszt egyet a három kocka közül. (iii) Az elsô játékos a maradék két kocka közül kiválaszt egyet; a harmadik kockát félre teszik. Ezek után mindenki a saját kockájával dob a kérdés az, hogy melyik játékos van elônyben? Másképp fogalmazva a kérdés az, hogy az elsô játékos meg tudja-e számozni a kockákat úgy, hogy ellenfele bárhogy válaszszon is egy kockát a háromból, ô a maradék kettôbôl tudjon jobb kockát választani, vagyis olyat, amellyel -nél nagyobb valószínûséggel nagyobb számot fog dobni ellenfelénél. Amint a paradoxon erre rámutat, ilyen számozás lehetséges. (Pl. elsô kocka: 1,6,11,12,13,14; második kocka: 2,3,4,15,16,17; harmadik kocka: 5,7,8,9,10,18.) A kockák úgymond körbeverik egymást: annak valószínûsége, hogy a második kockával nagyobbat dobunk, mint az elsôvel 21/36, és ugyanennyi ez a valószínûség a harmadik és a második, illetôleg az elsô és a harmadik kocka viszonylatában is. A Condorcet-paradoxon tehát arra figyelmeztet, hogy véletlen események nem rendezhetôk jól az -nél nagyobb valószínûséggel jobbat kapni összehasonlítás mentén. A valószínûségi kalkulus mind kiterjedtebb alkalmazása polgári és morális kérdésekre a tizennyolcadik századra ahhoz az általános meggyôzôdéshez vezetett, hogy a valószínûségi kalkulus magának a racionális gondolkodásnak közvetlen leírása. Ezzel a meggyôzôdéssel szemben jelentett kihívást a pétervári paradoxon. A pétervári paradoxon alapgondolata Nicolaus Bernoullitól (Jacob Bernoulli unokaöccsétôl) származik, írásban pedig elôször Daniel Bernoulli (Nicolaus öccse) tette közzé a porosz akadémia Commentarii Academiae Scientiarum Imperialis Petropolitanae 121 g 2010_ _240.indd
9 címû folyóiratában 1738-ban, ahonnan a paradoxon a nevét is kapta. Egy bankkal folytatott játékban a nevezési díj ellenében az alábbi játékban vehetünk részt. A bankos egy érmével dob addig, amíg fejet nem kap. Ha már az elsô dobás fej, akkor kapunk 2 aranyat, ha csak a második, akkor 4-et, és így tovább, ha csak az n-edik dobás lesz fej, akkor 2 n aranyat. Kérdés, mennyi legyen a játék nevezési díja. A válaszhoz ki kell számolni a játékos átlagos nyereségét, vagyis az f kifizetésfüggvény várható értékét. Ez az érték azonban n 1/2 n 2 n =, vagyis a játék fair nevezési díja végtelen lenne. Mégis kevesen fizetnének akár csak 25$-t is, hogy részt vehessenek a játékban (Hacking). Az elmélet jóslata és a józan ész közötti ellentétet Bernoulli úgy vélte feloldhatónak, ha a feladatban nem a kifizetések várható értékét tekintjük, hanem a hasznosságét. A várható hasznosság fogalmát tehát Bernoulli vezeti be elôször, a hasznosságot pedig a kifizetés logaritmusaként definiálja, elsô példáját adva ezzel a közgazdaságban bevett csökkenô marginális hasznosságnak. Ha a kifizetést egy logaritmikus hasznossággal helyettesítjük, akkor a játék nevezési díja 0,602 hasznosságú lesz, ami visszaszámolva 4 arany. A várható hasznosság fogalmának bevezetése arról tanúskodott, hogy a valószínûségi kalkulus elég rugalmas ahhoz, hogy a feltevés mûvészetének megfelelô eszköze legyen. 5. A klasszikus interpretáció Thomas Bayes írása az An essay towards solving a problem in the doctrine of chance a Philosophical Transactions címû folyóirat 1763-as kötetében látott napvilágot Bayes klerikustársa, a szintén matematikus Richard Price gondozásában Bayes halála után két évvel. Bayes elôtt a valószínûséggel foglalkozó munkák többsége azzal a kérdéssel volt elfoglalva, amit ma direkt következtetésnek nevezünk, vagyis, ha adva van egy szerencsejáték kimeneteinek valószínûsége, akkor hány ismétlés szükséges ahhoz, hogy egy bizonyos kimenet valószínûsége elérjen egy kívánt értéket: például hányszor kell dobni egy pár szimmetrikus kockával, hogy legalább 50% valószínûséggel legyen benne dupla hatos. Bayes megfordította a problémát: számoljuk ki az véletlen esemény valószínûségét, miután megfigyeltük az esemény egy ismétlôdô sorozatának kimeneteit. Pontosabban: Adva van, hogy egy ismeretlen esemény hányszor történt és hányszor hiúsult meg: meghatározandó annak esélye (chance), hogy az esemény valószínûsége két meghatározott valószínûségi érték közé esik. Úgy tûnik, hogy Bayes erre az inverz következtetésre is a direkt következtetéshez hasonló definit számokban megadható választ várt. 122 g 2010_ _240.indd
10 Ami a tágabb kontextust illeti, Bayes munkája minden bizonnyal Hume-nak az indukcióval szemben támasztott kételyeire kívánt válaszolni. Bayes esszéjének megjelenése után három évvel Price megírja Four Dissertations (1767) címû munkáját, ahol a negyedik disszertációban erôsen támaszkodik Bayes számításaira. Olvasva a mûvet, Hume így válaszol Price-nak: El kell ismernem, hogy az a világosság, amelybe a vitát helyezted, újszerû, kézenfekvô, szellemes, és lehet, hogy alapvetô is. Mindenesetre több idôre van szükségem, hogy mindezt mérlegeljem, mielôtt a magam számára is megnyugtató ítéletet hozok. Hume azonban nem tért vissza többet a kérdéshez. Hume hallgatása azonban nem meglepô, mivel a 19. század közepéig Bayes munkáját leszámítva egyáltalán nem kapcsolódott össze az indukció és a valószínûség fogalma. Az indukció Bacontôl Millig a bizonyosra törekedett, nem a valószínûre. Az inverz következtetés módszere (amely elnevezés De Morgantól ered) azonban mégsem Bayes munkája révén vált közismertté, hanem Laplace munkássága nyomán. A kérdés Laplace-nál csillagászati kontextusban jelent meg, mivel a valószínûségszámítás empirikus alkalmazásának a biztosítási ügyletek mellett a csillagászat volt a másik legfôbb területe. Az asztronómiai megfigyelési hibák kezelése ugyanis foglalkoztatta a tudósokat. A hibák értékelésénél Kepler az átlagra, Galilei arra a jogi érvelésre támaszkodva, hogy a tanúbizonyság ereje a tanúk számával nô a moduszra, a leggyakrabban elôforduló elemre szavazott. Az igazi elôrelépést azonban Thomas Simpsonnak az a felfedezése jelentette, hogy maguk a hibák is valószínûségi eloszlást követnek. Erre a meglátásra és Bernoulli urnás modelljére építi aztán Laplace hibaszámítási vizsgálatait, amelyek az inverz következtetés módszerének mai terminológiával a becslésnek népszerûsítéséhez vezetnek. A módszer végül Gauss munkája nyomán tesz szert igazi jelentôségre, aki, miután felfedezi a normális eloszlást, görbéket illeszt elôzetesen adott pontokhoz, és megmutatja, hogy a legvalószínûbb görbe a legkisebb négyzetek módszerével származtatható. Laplace rögtön felismeri a módszer jelentôségét, és Gauss eredményeit centrális határeloszlás-tételének segítségével amely tételt egyébiránt De Moivre fedezte fel elôször mintegy száz évvel Laplace elôtt általánosítja minden olyan szituációra, ahol nagyszámú, független ok mûködik. Végül a Théorie analytique des probabilités-ben (1812) publikálja az okok valószínûségének és a hibák analízisének teljes elméletét. Laplace nagyszabású mûvének hatása mind a matematikai módszer, mind a valószínûségnek a hit mértékével való összekapcsolása tekintetében felbecsülhetetlen. Laplace Bernoulli urnás modelljének segítségével vezeti le a rákövetkezés szabályát (az elnevezés John Venntôl 123 g 2010_ _240.indd
11 (1866) származik), vagyis azt a szabályt, hogy ha egy végtelen nagy urnából az eddig kihúzott n golyó mind fekete volt, és feltételezve azt, hogy az urnában a fekete golyók összes lehetséges aránya egyformán valószínû, akkor annak a valószínûsége, hogy a következô golyó fekete lesz (n+1)/ (n+2). Laplace a szabályt a felkelô Nap példájára alkalmazza: ha a Nap az 5000 éves történelem során eddig minden reggel felkelt, akkor annak valószínûsége, hogy holnap is fel fog kelni 0, A példaválasztás nem véletlen. Hume számára a felkelô Nap a nem szükségszerû, mégis bizonyosan tudható tudás példája volt; Price Hume empirista filozófiájának opponense ellenben annak a valószínûségét, hogy a Nap holnap is felkel, a napfelkelték 5000 éves sorozatának valószínûségével azonosította, miután feltette, hogy a napfelkelték egymástól függetlenek és azonos valószínûségûek. Laplace megoldása mindkét megoldásnál naturalistábbnak számított, mivel a tapasztalatból való induktív tanulás lehetôségét modellezte, vagyis azt, hogy a vélekedés a tapasztalatok szaporodtával aszimptotikusan közelít a bizonyossághoz. Laplace analízise az enumeratív (vagyis egyedi esetrôl egyedi esetre következtetô) indukció elsô valószínûségi tárgyalása. A valószínûség klasszikus interpretációja szerint a valószínûség a kedvezô esetek és az egyenlôen lehetséges esetek aránya. A megfogalmazás Laplace Essai philosophique sur les probabilités (1814) címû monumentális munkájából ered, de a gondolat mintegy száz évvel korábban felbukkan Leibniz igen kifinomult metafizikájában. Kezdjük a lehetôség fogalmával. Leibniz a lehetôség fogalmát a mai logika elôhírnökeként konzisztencia értelemben használja: lehetséges az, ami ellentmondásmentes. Ez az ellentmondásmentesség azonban fokozatokban jön, így a lehetôségek konzisztenciájuk alapján sorba rendezhetôk. A lehetôségek azonban nem pusztán formálisan léteznek és itt torkollik a gondolatmenet Leibniz bonyolult metafizikájába, hanem aktuális létezésre törekszenek, úgymond viaskodnak egymással a létükért: A lehetséges saját természeténél fogva létezést követel lehetôségi fokával vagyis lényegi fokával arányosan. Vagyis a lehetôségek egyfajta propensity-vel, hajlammal rendelkeznek a létezésre, éppen lehetôségi fokukkal arányban. Ez a metafizikai elképzelés helyet kap azután Leibniz teremtéskoncepciójában is, amely szerint a lehetséges, azaz konzisztens világok Isten elméjében várják, hogy közülük a legkonzisztensebbet, azaz a lehetséges világok legjobbikát Isten megteremtse. A lehetôség foka az elmében tehát tükörképe annak, hogy az esemény milyen könnyen megvalósul meg a világban. A lehetôség foka azonban nem más, mint maga a valószínûség. Vagyis: Quod facile est in re, id probabile est 124 g 2010_ _240.indd
12 in mente. Amilyen könnyen megvalósul a hatos dobás a világban, olyan valószínû az az elme számára. De honnan tudjuk, hogy milyen könnyen valósul meg a hatos dobás, vagy másképp szólva, a hatos dobás lehetôségének milyen hajlama van a létezésre? Egyszerûen onnan, hogy milyen gyakran kapunk hatost a kockadobások során. És éppen ebben áll a valószínûség fentebb már említett kettôs természete: a valószínûség egyfelôl aleatorikus jellemzô, amennyiben az ismétlôdô regularitásokkal áll kapcsolatban, másfelôl episztemikus, amennyiben várakozásainkat tükrözi. Összegezve, a lehetôség éppen azért válhatott a valószínûség fogalmi alapjává, mert a valószínûséghez hasonlóan kétarcú fogalom. Az egyenlôen lehetséges kifejezés hasonlóan kettôs jelentéssel bír: jelenti egyfelôl azt, hogy a lehetôségek egyenlôen könnyen következhetnek be, és jelentheti azt is, hogy nincs okunk az egyik lehetôséget elônyben részesíteni a másikkal szemben. Mindkét értelmezést az ún. elégtelen ok elve igyekezett metafizikailag alátámasztani, amely elv Leibniz elégséges ok elvének egyfajta kontrapozíciója. Az elégtelen ok elve tehát kezdetben a leibnizi metafizika talaján állva biztosította az átjárhatóságot az aleatorikus és episztemikus valószínûségértelmezés között. A kapcsolat a kétféle értelmezés között a korban általánosan elfogadott asszocionalista pszichológia miatt egészen Laplace koráig fennmaradt. Ez az asszocionizmus úgy tartotta, hogy a bennünk kialakuló benyomások tisztasága és bizonyossága a megfigyelések gyakoriságával és stabilitásával függ össze, így a valószínûség két értelmezése egyazon érmének két oldala. Miután azonban az asszocionalista pszichológia a 19. században átadta a helyét a torzítások és az idioszinkráziák iránt érdeklôdô észleléselméleteknek, a valószínûség objektív és szubjektív értelmezései is széttartó utakra kerültek. Az elégtelen ok elve a 19. század végére elvesztette minden objektív alapját, és pusztán az ignoranciára, a tudás hiányára építô episztemikus elvvé vált. Ezért történhetett, hogy az elvet végül Keynes (1921) átkeresztelte az indifferencia elvének. A klasszikus interpretációra a legnagyobb csapást a francia forradalom mérte, amely megrendítette a közös racionális alapokba vetett hitet. Az elégtelen ok elvének ésszerûségét egyre többen vonták kétségbe, alkalmazása pedig egyre több hibát eredményezett. Az egyenlôen lehetséges esetek számbavétele már a legegyszerûbb kombinatorikai esetekben sem volt egyértelmû. Így fordulhatott elô, hogy dalembert az Enciklopédiában a két érmével való dobásnál a fej-fej, az írásírás és a fej-írás eseteket egyenlôen lehetségesnek tartotta, és így egyenlôen valószínûnek is. Az elégtelen ok elve, amelyre Laplace elméletét, többek között a rákövetkezés szabályát 125 g 2010_ _240.indd
13 is alapozta, a reális okok világában egyáltalán nem nyújtott fogódzót. John Stuart Mill a teljes klasszikus interpretációt hamisnak tartotta a tudás nem épülhet nem tudásra, hanem egyedül a tapasztalatra: Ahhoz, hogy azt állíthassuk, hogy két esemény egyenlôen valószínû, nem elegendô, hogy tudjuk, hogy az egyik vagy a másik megtörténik, és nem tudjuk, hogy melyik. A tapasztalatnak kell feltárnia, hogy a két esemény egyenlô gyakorisággal történik (1843). Ezt a szkepszist az inverz következtetésnek még az olyan támogatói is osztották, mint George Boole. 6. A nyomtatott számok lavinája A klasszikus felfogás hanyatlása magával hozta az igényt a valószínûség objektívebb interpretációja iránt. A 19. század elejétôl Európát a nyomtatott számok lavinája (Hacking) borította el: a sporadikus egyházközségi feljegyzések átadták a helyüket a születésekrôl, halálozásokról, bûnesetekrôl és fertôzésekrôl készített hivatalos és kiterjedt statisztikáknak. A statisztikákból leszûrt és a nagy számok törvényei által alátámasztott stabil statisztikus viselkedés feleslegessé tette a háttérben mûködô különféle okok azonosítását, így a figyelem inkább az egyszerre deskriptívnek és normatívnak gondolt regularitásokra tevôdött át. A belga csillagász Adolphe Quetelet a fizika mintájára az erkölcsi erô megmaradásának törvényérôl beszél. A skót ezred katonái között végzett mellbôségmérés adatainak illeszkedése a Gauss-görbére annyira meggyôzi a normál eloszlás általános érvényében, hogy amikor a francia sorkatonák magasságában a görbétôl eltérést észlel, akkor a sorozást elkerülni igyekvô hamisításra gyanakszik. Hasonló csodaszámba menô illeszkedést talál Bortkiewicz a Poisson által a Recherches sur la probabilité des jugements-ban (1837) publikált Poisson-eloszlás és a porosz lovasságban lórugásban meghalt katonák száma között. Mindezek a fejlemények az as évekre nem hagynak kétséget afelôl, hogy a valószínûség csak eseménytípusra vonatkoztatható mennyiség, és a helyes interpretáció a frekventista interpretáció. A statisztika, amelyet a 19. században elsôsorban a szociális viselkedés feletti kontroll, mintegy a valószínûség megszelídítése (Hacking) motivált a társadalomtudományokban, a század végére a fizikai és biológiai tudományokban is jelentôs szerephez jut. Maxwell (1860) Quetelet normál szabályait emberek helyett gázmolekulákra alkalmazza, és kinetikus megfontolások alapján levezeti az ideális gáz molekuláinak sebességeloszlását, Boltzmann (1872) pedig híres H-tétele segítségével a termodinamika második fôtételét véli a mechanikára visszavezetni. Boltzmann programjának 126 g 2010_ _240.indd
14 127 ellenmondásaira Loschmidt (1876) megfordíthatósági ellenvetése valamint Zermelo (1896) visszatérési ellenvetése világít rá. Mindkét ellenvetés a második fôtétel egyirányú entrópiaváltozása és a reverzíbilis, azaz megfordítható dinamikai folyamatok közötti ellentmondásra épít. A kritikákra mind Maxwell, mind Boltzmann elméletüknek valószínûségi átértelmezésével reagálnak. Boltzmann (1877) bevezeti a Boltzmann-entrópia fogalmát, és kombinatorikai érvet konstruál az entrópianövekedés alátámasztásra; Maxwell (1867) pedig, aki mindvégig szkeptikus a második fôtétel mechanikai megalapozhatóságában, a fôtétel statisztikus jellegét az ún. Maxwell-démon gondolatkísérlettel illusztrálja, amelyben egy képzeletbeli démon egy gáztartályt középen kettéválasztó falat olyan ügyesen nyitogat és csukogat, hogy végül a gyors gázrészecskék a tartály egyik felében, a lassú részecskék a tartály másik felében gyûlnek össze ellentmondásban a második fôtétellel. A biológiában Darwin unokaöccse, Francis Galton megalapítja a biometria tudományát, bevezeti a statisztikába a korreláció fogalmát, és felfedezi az átlag felé történô regressziót. Pearson a ferde eloszlások tanulmányozására bevezeti a 2 -tesztet. A valószínûségnek azonban mind a szubjektív, mind az objektív interpretációja forgalomban marad egészen a század végéig. Jól mutatja ezt a kettôs helyzetet az Encyclopaedia Britannica 1885-ös, kilencedik kiadásának szócikke, amely szerint egy tényre vagy állításra vonatkozó valószínûség, vagy meggyôzôdés mértéke lényegét tekintve szubjektív, és azon elme tudása mértéke szerint változik, amelyik számára a tény megjelenik. Majd pedig elmagyarázza, hogy a valószínûség tudása minden esetben abból az elvbôl származik, hogy az arány, amelyet nagy számú próba során találunk, fenn fog állni a teljes számra is, legyen az akár végtelen. A valószínûség fogalmának matematikai tárgyalását a 19. és 20. század fordulóján sokan sürgették. Hilbert híres párizsi elôadásában, amelyben a század matematikája elôtt álló legfontosabb 23 nyitott problémát vette számba, hatodikként a modern matematikai fizikában kulcsszerepet játszó valószínûség axiomatizálását említi. A program keresztülviteléhez azonban várni kellett a mértékelmélet kialakulásáig, amely elmélet a hossz-, terület- illetve térfogatfogalom általánosítása absztrakt halmazokra. Borel, Lebesgue és Frechét elôkészítô munkái (ld. Doob 1996) megérlelték a feltételeket a valószínûségfogalom egységes és elegáns mértékelméleti tárgyalásához. Ezt a feladatot végül Kolmogorov végezte el a Grundbegriffe der Wahrscheinlichkeitsrechnung címû munkájában 1933-ben, amely mû mára a modern valószínûségszámítás alapmûvének számít. A mindössze 130 oldalas kitûnô didaktikájával megírt könyvecske a mértékelméleti fogalmak eleg 2010_ _240.indd
15 gáns valószínûségi értelmezése révén hamar magára vonta a szakma figyelmét, és talán egy cseppet méltánytalanul háttérbe szorította mindazokat az elôfutárokat és alternatív útkeresôket, akik hozzájárultak a valószínûségelmélet kialakulásához. 7. A valószínûség modern interpretációi 128 A valószínûségszámítás kialakulása mellett a 20. században a valószínûség négy interpretációja látott napvilágot. A logikai interpretáció a klasszikus interpretációhoz hasonlóan abból az elgondolásból indul ki, hogy a valószínûség a lehetôségek terének a priori vizsgálatával meghatározható. A logikai interpretáció az indukció formális tárgyalását célzó törekvések nyomán született. A dedukció pontos fogalmának tisztázása a formális nyelvekben a századfordulón azzal kecsegtetett, hogy alkalmasint az indukció is megfogalmazható hasonló szabatossággal, mintegy a dedukció általánosításaként. A deduktív következtetéshez hasonlóan, amely viszonyt teremt a nyelv bizonyos mondatai között, egy olyan függvény megadására törekedtek, amely azt az intuíciónkat fejezné ki, hogy a nyelv egy adott mondata (az evidencia) bizonyos mértékben konfirmál egy másik mondatot (a hipotézist). A konfirmáció mértéke nulla és egy közé esik, határesetben a deduktív következtetést is magában foglalva. A valószínûség ezek után a konfirmációs függvénybôl származtatott egyfajta induktív súly a nyelv mondatain. A kérdés tehát az volt, hogy vajon kiróhatóak-e a konfirmációs függvényre az indukció intuitív sajátosságait szem elôtt tartó olyan természetes követelmények, amelyek azután a nyelven mintegy visszamenôleg valószínûségi mértékhez vezetnek. A logikai interpretáció fô képviselôi John Maynard Keynes, Harold Jeffreys és Rudolf Carnap. Keynes 1913-ban fogott hozzá a Treatise on Probability írásához, de a könyv a háború miatt csak 1921-ben jelent meg. Jeffreys 1939-ben adta közre a Theory of Probability címû mûvét, amely sok tekintetben a modern bayesianizmus alapköve. Carnap a 40-es évektôl kezdve foglalkozott a valószínûség megalapozásával. Fô mûve a Logical Foundations of Probability 1950-ben jelent meg. A korai logisták Keynes, Jeffreys, de a valószínûséghez hasonló szellemben közelítô Tractatus (1922) Wittgensteinje is cambridge-iek. A mai szemmel nézve kissé idegennek tûnô logikai interpretáció megértéséhez mindenek elôtt tudatosítanunk kell azt a platonista filozófiai hátteret, amely az elsô világháború elôtti Cambridge-et jellemezte. A korszak két fô mûvét, Russell Principia Mathematicá-ját és Moore Principia Ethicá-ját egyaránt ez a realista elkötelezettség hag 2010_ _240.indd
16 totta át, egyik esetben a matematika törvényei, másik esetben a jó önálló, nem természeti léte iránt. Keynes, Jeffreys és Wittgenstein mûvei is ebben filozófiai klímában születtek feltételezve, hogy a valószínûségi viszonyok valamilyen ideális nyelv vagy logikai tér a priori törvényei, amelyekkel közvetlen ismeretség (acquaintance) vagy intuíció révén állunk kapcsolatban. Ez az a priori logikai viszony a kijelentések közötti deduktív következtetés kiterjesztése egyfajta részleges következtetésre. Keynes (1921) így fogalmaz: Amennyiben azt feltételezzük, hogy néha közvetlenül megítélhetô, hogy egy konklúzió következik egy premisszából, úgy nem túlzott kiterjesztése ennek a feltételezésnek azt gondolni, hogy néha az is felismerhetô, hogy egy konklúzió részlegesen következik egy premisszából, illetve, hogy a valószínûség viszonyában áll a premisszával. (52. o.) Keynes tágan értelmezi a valószínûség fogalmát. Bár a logikai viszonnyal közvetlen ismeretségben vagyunk (13. o.), ez a közvetlen ismeretség azonban nem jelenti azt, hogy feltétlenül a numerikus viszonyokkal, vagy akár csak a kijelentések között valamiféle rendezéssel tisztában lennénk. Valószínûségi észleléseink tágabbak a valószínûségi kalkulussal megragadott tartománynál. A numerikus viszonyok meghatározásához nem kerülhetjük el az indifferencia, azaz a laplace-i elégtelen ok elvének alkalmazását, amely ellentmondásaira maga Keynes mutat rá elsôk között. A Bécsi Körre gyakorolt hatása ellenére Wittgenstein valószínûségi koncepciója nem talált kedvezô fogadtatásra a Körben. A logikai pozitivisták Waismannt leszámítva mindannyian a valószínûség frekventista értelmezését részesítették elônyben a logikaival szemben. Amikor Carnap a 40-es évektôl kezdve von Mises és Feigl hatására foglalkozni kezdett a valószínûség megalapozásával, a logikai és frekventista megközelítések egymással viaskodó értelmezéseknek számítottak. Carnap nem fogadta el ezt a szembeállítást, hanem mindkét koncepciót legitimnek és tudományosan hasznosnak tekintette. A logikai valószínûségre a valószínûség 1, a statisztikai valószínûségre a valószínûség jelölést vezette be. A valószínûség kijelentések részleges implikációt fejeznek ki egy nyelv mondatai között, és 2 1 ennyiben a priori és analitikus állítások. Ezzel szemben a valószínûség 2 kijelentések empirikus tartalommal bírnak: egy statisztikus tényállást fejeznek ki. Az elsô típusú kijelentések a tudomány metanyelvéhez tartoznak, míg a második típusú kijelentések magához a tudomány nyelvéhez. Ezért lehetséges például olyan logikai valószínûségi kijelentést tenni egy statisztikus valószínûségi kijelentésrôl, hogy egy bizonyos statisztikus tényállás ilyen és ilyen mértékben konfirmál egy tudományos hipotézist. 129 g 2010_ _240.indd
17 A szubjektív interpretáció Frank Ramsey (1926) és Bruno de Finetti (1937) nevéhez fûzôdik. Ramsey mûve annak a Keynes-tôl származó elképzelésnek a tagadásával kezdôdik, amely szerint az állítások közötti logikai-valószínûségi viszony minden racionális individuum számára valamilyen intuitív értelemben egyformán érzékelhetô. Ez az elképzelés nyilvánvalóan tarthatatlan, legalábbis Ramsey a maga részérôl vitatja, hogy rendelkezne vele: Én nem érzékelem, és ha valaki meg akar gyôzni, hogy létezik, annak érvekre lesz szüksége; sôt mi több, az a gyanúm, hogy mások sem érzékelik, hiszen olyan csekély egyetértés van közöttük abban, hogy mi is két adott állítás viszonya. Ramsey fenntartja Keynes álláspontját abban a tekintetben, hogy az állítások között létezik valamiféle valószínûségi viszony, de megengedi, hogy ez a viszony egyénrôl-egyénre változhasson. Azonban hogyan lehet tudomást szerezni a logikai viszony egyéni mértékérôl, vagy ahogy Ramsey fogalmaz, az állításba vetett hit mértékérôl? Ramsey számára nyilvánvaló, hogy a hit mértéke introspektíve nem mérhetô. Így arra a következtetésre jut, hogy a hit mértéke az a kauzális tulajdonság, amelyet úgy fejezhetünk ki, mint annak mértékét, amennyire készek vagyunk cselekedni általa. Az a hitem, hogy a csapvíz iható, abban jut kifejezésre, hogy habozás nélkül hajlandó vagyok inni belôle. A hitet tehát azoknak a cselekedetnek a vizsgálata révén tanulmányozhatjuk, amelyekben az manifesztálódik. A par excellence cselekedet Ramsey számára a fogadás: Egy személy hite mérésének legôsibb módja az, hogy fogadást ajánlunk neki, és megnézzük, hogy melyek azok a fogadási arányok, amelyeket elfogad. Ezt a módszert én alapvetôen helyesnek tartom. Ramsey számára minden cselekedetet fogadás ( Mindahányszor kimegyünk az állomásra, fogadunk, hogy a vonat valóban jár ), így a fogadás a cselekedetekben manifesztálódó hit mérésének alkalmas eszközévé válik. A locus classicus a fogadási szituáció karakterizálására de Finetti 1937-es írásában olvasható: Tegyük fel, hogy egy individuumot arra kötelezünk, hogy becsülje meg azt a p arányt, amelyre hajlandó volna felcserélni egy tetszôleges S összeg (pozitív vagy negatív) birtoklását, feltéve hogy egy adott E esemény bekövetkezik, a pe összeg birtoklásáért; azt mondjuk, hogy definíció szerint ez a p szám annak a valószínûségnek a mértéke, amelyet az individuum az E eseménynek tulajdonít, vagy, még egyszerûbben, p E-nek a valószínûsége. A fogadás operacionalizálása az ún. Dutch book-argumen tummal történik. Dutch booknak nevezzük a fogadással szemben a tétek olyan megválasztását, amely a kimenektôl függetlenül mindig veszteséget eredményez a fogadónak. 130 g 2010_ _240.indd
18 A szubjektív interpretáció erejét a híres Ramsey de Finettitétel adja, mely szerint hitek egy rendszere ellen akkor és csak akkor nem adható meg Dutch book, ha a hiteknek a fogadási hajlandóságban kifejezôdô mérôszámai kielégítik a kolmogorovi axiómákat, azaz matematikai értelemben valószínûségek. Röviden, a valószínûség a racionális hit mértéke, amely fogadási hajlandóságban tükrözôdik. A valószínûség frekventista interpretációjának a tizenkilencedik század közepén jelent meg Cambridge-ben Robert Leslie Ellis és John Venn munkássága nyomán, mintegy a laplace-i valószínûséginterpretációra adott empirista válaszként. Igazi népszerûségre azonban csak a logikai pozitivizmus kialakulása során a Berlini Kör két képvisélôjénél, Hans Reichenbach (1949) és Richard von Mises (1928, 1950) révén tett szert. A frekventista interpretáció az eddigi interpretációkkal szemben a valószínûséget nem szinguláris eseményekhez, hanem eseménytípusokhoz rendeli. Annak a»valószínûségnek, hogy megnyerjük a csatát«például nincs helye valószínûségelméletünkben, mert nem tudunk elgondolni egy olyan kollektívát, amelyhez ez az esemény tartozna. A valószínûség elmélete ugyanolyan kevéssé alkalmazható erre a problémára, mint amennyire a munka fizikai fogalma alkalmazható a színész munkájára midôn eljátssza szerepét a színpadon. (von Mises, 1928) Valószínûsége nem egy adott kockával való egyszeri hatos dobásnak van, hanem az adott kockával való hatos dobásoknak általában. A valószínûség tehát a kockadobásokat együttesen megilletô tulajdonság. De milyen kockadobásokat válasszunk? A tizenkilencedik századi szigorú empiristái szerint az aktuálisan elvégzett kockadobásokat. Az aktuális frekvencia-interpretáció szerint egy tulajdonság (vagy egy tulajdonsággal jellemezhetô eseménytípus) valószínûsége azonos az adott tulajdonságot instanciáló események relatív gyakoriságával. Ezen események természetszerûleg egy véges referenciaosztályt alkotnak. Ahogy Venn (1876) fogalmaz: A valószínûség semmi más, mint arány. A valószínûség ezen szigorúan operacionalista interpretációjának ma kevés képviselôje akad. Az aktuális frekventizmus ugyanis túl szigorúan operacionalizálja a valószínûséget mint fizikai mennyiséget. A definíció elvileg zárja ki annak lehetôségét, hogy a valószínûség ne manifesztálódjon maradéktalanul minden statisztikus mintán. Ha arról a tapasztalatunkról szeretnék számot adni, hogy a relatív gyakoriság kezdeti statisztikus ingadozásai csillapodnak, és a valószínûség ennek a hoszszú távon megállapodott relatív gyakoriságnak az értéke, akkor a valószínûség hipotetikus frekvencia-interpretációjához jutunk. Ez az interpretáció a hatos dobás valószínûségét azzal az értékkel azonosítja, amelyet a kockadobások relatív gyakorisága 131 g 2010_ _240.indd
19 132 határértékben felvenne, ha a kockával a végtelenségig dobálnánk. Ez az elképzelés persze szakít az empirista gyökerekkel, és a valószínûség értelmezésébe modális fogalmakat vezet be. A valószínûség frekventista interpretációjához áll közel, de attól kantiánus szemléletében eltér az az iteratív valószínûségértelmezés, amelyet Carl Friedrich von Weizsäcker (1973, 1985), illetve tanítványa, Michael Drieschner (1979, 2002) dolgoztak ki. Weizsäcker és Drieschner szerint minden olyan kísérlet és így a frekvenciainterpretáció is, amely a valószínûséget más empirikus fogalmakra igyekszik visszavezetni, eleve kudarcra ítélt, mivel a valószínûség és a tapasztalás nem állnak egymással hierarchikus alárendeltségi viszonyban. A valószínûség az összes többi teoretikus fogalomhoz hasonlóan csak valószínûség erejéig tesztelhetô a tapasztalatban. Így a valószínûség visszavezetése más empirikus fogalmakra szükségképpen cirkuláris definíciót eredményez. Weizsäckerék cirkuláris definíciója a következô: a valószínûség a relatív gyakoriság várható értéke. A definíció cirkularitása abban áll, hogy a várható érték nyilvánvalóan használja a valószínûség fogalmát. A körkörösség feltöréséhez Weizsäckerék a várható értékhez szükséges valószínûséget nem az eredeti eseményalgebrában, hanem események sorozatainak algebrájában definiálják. A sorozatok terén definiált valószínûségbôl azután a nagy számok törvényeinek segítségével leszármaztathatók az eredeti eseménytér valószínûségei mint a relatív gyakoriságok várható értékei összhangban a definícióval. A sorozatok terén definiált valószínûség azonban ugyancsak várható értékként áll elô, sorozatok sorozataiban számolt valószínûségi átlagolással, és így tovább. Az események valószínûsége tehát mindig a metaesemények terébôl vett valószínûségek révén adódnak. Ez az eljárás mellesleg a kvantumvalószínûségek esetében természetes értelmezéssel szolgál az ún. másodkvantálás formálisan bevált, de meg nem értett manipulációjához is: a hullámfüggvény, mint nem-klasszikus valószínûség másodkvantálása egyszerûen az azonos típusú objektumokból készített ensemble valószínûségi kalkulusa, amely akárcsak a klasszikus esetben várható értékben visszaadja magát a hullámfüggvényt. A valószínûség iteratív értelmezése elé tehát a kvantumvalószínûségek sem gördítenek akadályt. A valószínûségi interpretációk sorát Karl Popper (1957, 1959) propensity-interpretációja zárja. A propensity-interpretáció a kvantumelmélet értelmezései vitái nyomán született. Popper meglátásai szerint ugyanis amíg a klasszikus természettudományok valószínûségi kijelentéseinek értelmezéséhez a relatív gyakorisági interpretáció tökéletesen megfelel, addig a kvantumesemények leírásához a valószínûség új interpreg 2010_ _240.indd
20 tációja után kell néznünk. Ennek oka pedig az, hogy a relatív gyakorisági interpretáció nem képes értelmezni egyedi események valószínûségét, viszont pontosan erre lenne szükségünk ahhoz, hogy a kvantumelmélet tipikus jelenségeit, az interferenciajelenségeket képesek legyünk megmagyarázni. Ezért a valószínûség fogalmát Popper nem egy ismétlôdô eseménysorozat relatív gyakoriságával azonosította, hanem a sorozatot generáló kísérleti elrendezéssel: Minden kísérleti elrendezés, ha elegendôen sokszor ismételjük, hajlamos létrehozni egy olyan sorozatot, amelynek frekvenciája ezen a bizonyos kísérleti elrendezésen múlik. Ezeket a virtuális frekvenciákat valószínûségnek is nevezhetjük. Mivel azonban ezek a valószínûségek a kísérleti elrendezéstôl függnek, ezért úgy is tekinthetünk rájuk, mint a szóban forgó elrendezés tulajdonságaira, amelyek a kísérleti elrendezésnek azt a diszpozícióját vagy propensity-jét jellemzik, hogy bizonyos karakterisztikus frekvenciákat idézzen elô, ha a kísérletet sokszor megismételjük. (Popper 1957, 67. o.) Vagyis a valószínûség az ismétlôdô eseményt generáló feltételek sajátossága, olyan kauzális hajlam, amely hosszútávú stabil frekvenciákat képes létrehozni. A fej dobás egyketted valószínûsége a pénzérmének, az asztalnak, az érmét elhajító kéznek, a levegônek stb. azon együttes fizikai tulajdonsága, amely a dobásokat hosszú ideig ismételve azt eredményezi, hogy a fej relatív gyakorisága egy kettedhez közelít. Ezt a kauzális hajlamot hívjuk Popper nyomán propensitynek. A propensity-interpretációk Poppert követô radikálisabb változatai a kauzális hajlamot nem hosszútávú frekvenciamintázatokra vonatkoztatták, hanem Popper eredeti intenciójának megfelelôen egyedi események létrehozására. Az ilyen propensity-interpretációt nevezzük rövidtávú propensityinterpretációnak. * A fenti interpretációk egyike sem hozott megnyugtató választ a valószínûség empirikus alkalmazhatóságát és fogalmi természetét kutató kérdésre: ellenpéldák és ellenérvek tucatjai születtek mindegyik értelmezéssel szemben. Így míg a valószínûségszámítás axiomatikája lezárt fejezetnek számít a matematikatörténetben, addig a valószínûség konceptuális elemzése továbbra is a modern analitikus filozófia egyik legizgalmasabb és legkihívóbb kérdése marad. 133 g 2010_ _240.indd
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
Menet. A klasszikus interpretáció. Condorcet kockák, De Mére probléma Pétervári paradoxon
1Valószínűség Menet Történeti megjegyzések 2 A klasszikus interpretáció Nevezetes Példák Condorcet kockák, De Mére probléma Pétervári paradoxon Történeti megjegyzések A valószínűségszámítás a hazárdjátékok
1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.
1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét
Normális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
Oktatási Hivatal FILOZÓFIA. A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny első forduló. Javítási-értékelési útmutató
Oktatási Hivatal A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny első forduló FILOZÓFIA Javítási-értékelési útmutató OKTV 2015/2016 1. forduló 1. A keresztrejtvény vízszintes soraiba írja
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
A valószínűség interpretációi
szabó máté A valószínűség interpretációi szabó gábor: A valószínűség interpretációi. Budapest, Typotex. 2013. szabó gábor könyvének alapjául az általa az elte logika Tanszékén tartott, A valószínűség metafizikája
Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
A maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
Arról, ami nincs A nemlétezés elméletei. 11. A semmi semmít december 2.
Arról, ami nincs A nemlétezés elméletei 11. A semmi semmít 2013. december 2. Martin Heidegger 1889-1976, Németország Filozófiai fenomenológia, hermeneutika, egzisztencializmus kiemelkedő alakja 1927: Lét
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.
Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget
Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.
Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen
A világtörvény keresése
A világtörvény keresése Kopernikusz, Kepler, Galilei után is sokan kételkedtek a heliocent. elméletben Ennek okai: vallási politikai Új elméletek: mozgásformák (egyenletes, gyorsuló, egyenes, görbe vonalú,...)
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
Valószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
A biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi
MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
Valószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny első forduló FILOZÓFIA FELADATLAP ÉS VÁLASZLAP
Oktatási Hivatal Munkaidő: 120 perc Elérhető pontszám: 50 pont ÚTMUTATÓ A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny első forduló FILOZÓFIA FELADATLAP ÉS VÁLASZLAP A munka megkezdése előtt
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
Valószínűségszámítás és statisztika a fizikában február 16.
számítás és statisztika a fizikában 2018. február 16. Technikai információk Palla Gergely / pallag@hal.elte.hu / ELTE TTK Biológiai Fizika Tanszék, Északi Tömb, 3.90. szoba Fogadó óra: hétfő, 16-18. Az
Pöntör Jenõ. 1. Mi a szkepticizmus?
Pöntör Jenõ Szkepticizmus és externalizmus A szkeptikus kihívás kétségtelenül az egyik legjelentõsebb filozófiai probléma. Hogy ezt alátámasszuk, elég csak arra utalnunk, hogy az újkori filozófiatörténet
1. A kísérlet naiv fogalma. melyek közül a kísérlet minden végrehajtásakor pontosan egy következik be.
IX. ESEMÉNYEK, VALÓSZÍNŰSÉG IX.1. Események, a valószínűség bevezetése 1. A kísérlet naiv fogalma. Kísérlet nek nevezzük egy olyan jelenség előidézését vagy megfigyelését, amelynek kimenetelét az általunk
Példa a report dokumentumosztály használatára
Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............
STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
Kant és a transzcendentális filozófia. Filozófia ös tanév VI. előadás
Kant és a transzcendentális filozófia Filozófia 2014-2015-ös tanév VI. előadás Kant és a transzcendentális filozófia A 18. század derekára mind az empirista, mind a racionalista hagyomány válságba jutott.
y ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Biomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
Bizonyítási módszerek ÉV ELEJI FELADATOK
Bizonyítási módszerek ÉV ELEJI FELADATOK Év eleji feladatok Szükséges eszközök: A4-es négyzetrácsos füzet Letölthető tananyag: Emelt szintű matematika érettségi témakörök (2016) Forrás: www.mozaik.info.hu
1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata.
1. tétel Halmazok és halmazok számossága. Halmazműveletek és logikai műveletek kapcsolata. HLMZOK halmaz axiomatikus fogalom, nincs definíciója. benne van valami a halmazban szintén axiomatikus fogalom,
Területi sor Kárpát medence Magyarország Nyugat-Európa
Területi sor Terület megnevezése Magyarok száma 2011.01.01. Kárpát medence 13 820 000 Magyarország 10 600 00 Nyugat-Európa 1 340 000 HIV prevalence (%) in adults in Africa, 2005 2.5 Daganatos halálozás
Matematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
Mi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
Követelmény a 7. évfolyamon félévkor matematikából
Követelmény a 7. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Elemek halmazba rendezése több szempont alapján. Halmazok ábrázolása. A nyelv logikai elemeinek helyes használata.
A mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
Biomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
IFJÚSÁG-NEVELÉS. Nevelés, gondolkodás, matematika
IFJÚSÁG-NEVELÉS Nevelés, gondolkodás, matematika Érdeklődéssel olvastam a Korunk 1970. novemberi számában Édouard Labin cikkét: Miért érthetetlen a matematika? Egyetértek a cikk megállapításaival, a vázolt
3. Az indukció szerepe
3. Az indukció szerepe Honnan jönnek a hipotézisek? Egyesek szerint az előzetesen összegyűjtött adatokból induktív (általánosító) következtetések útján. [Az induktív következtetésekről l. Kutrovátz jegyzet,
A Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
FILOZÓFIA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Filozófia középszint 1112 ÉRETTSÉGI VIZSGA 2014. május 21. FILOZÓFIA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA A rész (30 pont) 1. Írja a megfelelő
VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak
Vállalkozási VÁLLALATGAZDASÁGTAN II. Tantárgyfelelős: Prof. Dr. Illés B. Csaba Előadó: Dr. Gyenge Balázs Az ökonómiai döntés fogalma Vállalat Környezet Döntések sorozata Jövő jövőre vonatkozik törekszik
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
Valószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
A 2016/2017. tanévi Országos Középiskolai Tanulmányi Verseny első forduló FILOZÓFIA FELADATLAP ÉS VÁLASZLAP
Oktatási Hivatal Munkaidő: 120 perc Elérhető pontszám: 50 pont ÚTMUTATÓ A 2016/2017. tanévi Országos Középiskolai Tanulmányi Verseny első forduló FILOZÓFIA FELADATLAP ÉS VÁLASZLAP A munka megkezdése előtt
Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
// KURZUS: Matematika II. MODUL: Valószínűség-számítás 21. lecke: A feltételes valószínűség, események függetlensége Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,
4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
Érveléstechnika 6. A Racionális vita eszközei
Érveléstechnika 6. A Racionális vita eszközei A racionális vita célja és eszközei A racionális vita célja: a helyes álláspont kialakítása (a véleménykülönbség feloldása). A racionális vita eszköze: bizonyítás
Feladatok és megoldások az 1. sorozat Építőkari Matematika A3
Feladatok és megoldások az 1. sorozat Építőkari Matematika A3 1. Tegyük fel, hogy A és B egymást kölcsönösen kizáró események, melyekre P{A} = 0.3 és P{B} = 0.. Mi a valószínűsége, hogy (a A vagy B bekövetkezik;
Modern matematikai paradoxonok
Modern matematikai paradoxonok Juhász Péter ELTE Matematikai Intézet Számítógéptudományi Tanszék 2013. január 21. Juhász Péter (ELTE) Modern paradoxonok 2013. január 21. 1 / 36 Jelentés Mit jelent a paradoxon
Adatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Összehasonlítások hibái
Összehasonlítások hibái Kiegészítő anyag BME Filozófia és Tudománytörténet Tanszék http://www.filozofia.bme.hu/ Összehasonlítások Az összehasonlítás alapkérdése: a lehetőségek közül melyik a legjobb egy
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
FILOZÓFIA I. FÉLÉV 1. ELŐADÁS SZEPT. 11. MI A FILOZÓFIA?
FILOZÓFIA 2014-15. I. FÉLÉV 1. ELŐADÁS 2014. SZEPT. 11. MI A FILOZÓFIA? MI A FILOZÓFIA? FILOZÓFIA - A BÖLCSESSÉG SZERETETE NEM A BIRTOKLÁSA, HANEM CSAK A SZERETETE. MIT JELENT ITT A BÖLCSESSÉG? 1. SZENT
Azonos és egymással nem kölcsönható részecskékből álló kvantumos rendszer makrókanónikus sokaságban.
Kvantum statisztika A kvantummechanika előadások során már megtanultuk, hogy az anyagot felépítő részecskék nemklasszikus, hullámtulajdonságokkal is rendelkeznek aminek következtében viselkedésük sok szempontból
LOGIKA ÉS ÉRVELÉSTECHNIKA
LOGIKA ÉS ÉRVELÉSTECHNIKA ELTE TáTK Közgazdaságtudományi Tanszék Logika és érveléstechnika A RACIONÁLIS VITA Készítette: Szakmai felel s: 2011. február Készült a következ m felhasználásával: Forrai Gábor
Biomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Bayes-tétel és a feltámadás
Bayes-tétel és a feltámadás Kodácsy Tamás 2004. március 21. 1. Feltételes valószínűség A mai valószínűségszámítás általánosan elfogadott elmélete (Kolmogorov-féle elmélet) a valószínűség fogalmát a következő
f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
Feladatok és megoldások a 8. hétre Építőkari Matematika A3
Feladatok és megoldások a 8. hétre Építőkari Matematika A3 1. Oldjuk meg a következő differenciálegyenlet rendszert: x + 2y 3x + 4y = 2 sin t 2x + y + 2x y = cos t. (1 2. Oldjuk meg a következő differenciálegyenlet
A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
A SZOCIOLÓGIA ALAPÍTÓJA. AugustE Comte
A SZOCIOLÓGIA ALAPÍTÓJA AugustE Comte A szociológia önálló tudománnyá válása a 19.század közepén TUDOMÁNYTÖRTÉNET: a felvilágosodás eszméi: Szabadság, egyenlőség, testvériség. Az elképzelt tökéletes társadalom
ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül
A Borel Cantelli lemma és annak általánosítása. A valószínűségszámítás egyik fontos eredménye a Borel Cantelli lemma. Először informálisan ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az
Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
Osztályozóvizsga követelményei
Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 7 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási
Bizonytalanság. Mesterséges intelligencia április 4.
Bizonytalanság Mesterséges intelligencia 2014. április 4. Bevezetés Eddig: logika, igaz/hamis Ha nem teljes a tudás A világ nem figyelhető meg közvetlenül Részleges tudás nem reprezentálható logikai eszközökkel
1000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a
A merész játékok stratégiája A következő problémával foglalkozunk: Tegyük fel, hogy feltétlenül ki kell fizetnünk 000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a még
A leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
TUDOMÁNYOS MÓDSZERTAN ÉS ÉRVELÉSTECHNIKA
TUDOMÁNYOS MÓDSZERTAN ÉS ÉRVELÉSTECHNIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
Matematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok
Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak
Gazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
Ramsey-féle problémák
FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:
Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
Döntéselmélet KOCKÁZAT ÉS BIZONYTALANSÁG
Döntéselmélet KOCKÁZAT ÉS BIZONYTALANSÁG Bizonytalanság A bizonytalanság egy olyan állapot, amely a döntéshozó és annak környezete között alakul ki és nem szüntethető meg, csupán csökkenthető különböző
Néhány kockadobással kapcsolatos feladat 1 P 6
Néhány kockadobással kapcsolatos feladat Feldobunk egy kockát. Az eseménytér: ; 2; ; ; ; Az összes esetek száma:. Feldobunk egy kockát. Mi a valószínűsége, hogy hatost dobunk? A kedvező esetek száma: (hatost
Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
Menet. A konfirmáció Hempel paradoxonai. Hempel véleménye a konformációs paradoxonokról
1 Kvalitatív konfirmáció Menet Konfirmációs kritériumok 2 A konfirmáció Hempel paradoxonai Hempel véleménye a konformációs paradoxonokról Hempel konfirmáció fogalma A konfirmáció problémája: 3 Mit jelent
p-érték, hipotézistesztelés, és ellentmondásaik
p-érték, hipotézistesztelés, és ellentmondásaik Ferenci Tamás tamas.ferenci@medstat.hu 2018. május 16. Ferenci Tamás tamas.ferenci@medstat.hu p-érték, hipotézistesztelés, és ellentmondásaik 2018. május
A MORÁLIS ÉS A JOGI ÉRTÉKELÉS ELTÉRÉSEI
Takács Albert A MORÁLIS ÉS A JOGI ÉRTÉKELÉS ELTÉRÉSEI Az alkotmányosságról vallott felfogás lényegét 1. aligha lehet jobban szemléltetni, mint ha ez ugyanazon tárgykörben különbözô idôpontokban hozott
Készítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József
Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. : Eseményalgebra Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027 Tananyagfejlesztéssel
A. ZDRAVOMISZLOV: A SZOCIOLÓGIAI KUTATÁSOK MÓDSZERTANA
Borza Gyöngyi A. ZDRAVOMISZLOV: A SZOCIOLÓGIAI KUTATÁSOK MÓDSZERTANA Megjelent a Kossuth Könyvkiadó gondozásában 1973-ban. A mű eredeti címe: Metodologija i procedura szociologicseszkih isszledovanyij
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Elemi matematika szakkör
Elemi matematika szakkör Kolozsvár, 2015. október 5. 1.1. Feladat. Egy pozitív egész számot K tulajdonságúnak nevezünk, ha számjegyei nullától különböznek és nincs két azonos számjegye. Határozd meg az
A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András
Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat
Bizonytalan tudás kezelése
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Bizonytalan tudás kezelése Előadó: Előadás anyaga: Hullám Gábor Pataki Béla Dobrowiecki Tadeusz Valószínűségi
Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
A valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés: