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

Фиг. 6.3. Диаграмма, иллюстрирующая число различных возможностей получения 0, 1, 2 и 3 выпадений «орла» в серии из трех испытаний.

Ясно, что эту диаграмму можно продолжить, если мы интересуемся еще большим числом испытаний. На фиг. 6.4 приведена аналогичная диаграмма для шести испытаний.

Фиг. 6.4. Диаграмма, подобная изображенной на фиг. 6.3, для серии из шести испытаний.

Число «способов», соответствующих каждой точке диаграммы, – это просто число различных «путей» (т. е., попросту говоря, последовательность выпадения «орла» и «решки»), которыми можно прийти в эту точку из начальной, не возвращаясь при этом назад, а высота этой точки дает общее число выпадений «орла». Этот набор чисел известен под названием треугольника Паскаля, а сами числа называются биномиальными коэффициентами, поскольку они появляются при разложении выражения (a+b)n , Обычно эти числа на нашей диаграмме обозначаются символом (kn), или Ckn (число сочетаний из n по k), где n – полное число

испытаний, а k – число выпадений «орла». Отмечу попутно, что биномиальные коэффициенты можно вычислять по формуле:

(kn)=n!k!(n! — k!), (6.4)

где символ n! , называемый «n–факториалом», обозначает произведение всех целых чисел от 1 до n, т. е. 1?2?3?…?n–1?n . Теперь уже все готово для того, чтобы с помощью выражения (6.1) подсчитать вероятность P(k,n) выпадения k раз «орла» в серии из n испытаний. Полное число всех возможностей будет 2n (поскольку в каждом испытании возможны два исхода), а число равновероятных комбинаций, в которых выпадет «орел», будет (kn) , так что

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

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

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

Pk,n=(kn)pkqn–k (6.6)

Эта функция вероятностей называется биномиальным законом распределения вероятности.

§ 3. Случайные блуждания

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

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

Фиг. 6.5. Три примера случайного блуждания.

По горизонтали отложено число шагов N, по вертикали – координата

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

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

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

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

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

(6.7)

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

=+1. (6.8)

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

=1 . (6.9)

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