Przeskocz do treści

Delta mi!

Symetria i prawdopodobieństwo

Krzysztof Oleszkiewicz

o artykule ...

  • Publikacja w Delcie: styczeń 2005
  • Publikacja elektroniczna: 22-05-2011

Pojęcie symetrii przydaje się w rachunku prawdopodobieństwa. Oto kilka przykładów...

Zacznijmy od najprostszego przykładu

Przykład 1. Tasujemy talię math kart do gry, a następnie odkrywamy kolejno karty z wierzchu talii i każdą z nich po obejrzeniu odkładamy na spód talii. Jakie jest prawdopodobieństwo tego, że następna karta po odkryciu asa pik będzie królem kier?

Rozwiązanie. Proste rozwiązanie polega na zauważeniu, że takie samo jest prawdopodobieństwo tego, iż owa karta będzie np. damą karo lub dowolną inną z  math kart w talii różnych od asa pik. Mamy więc math jednakowych prawdopodobieństw, które w sumie dają math a zatem każde z nich jest równe math w szczególności szukane prawdopodobieństwo tego, iż następna karta będzie królem kier.


Inny prosty przykład dotyczy gry w orła i reszkę.

Przykład 2. Załóżmy, że rzucamy math razy symetryczną monetą. Za każdym razem, gdy wypadnie orzeł, zyskujemy math zł, a gdy wypadnie reszka, tracimy math zł. Obliczmy prawdopodobieństwo tego, iż gra będzie dla nas korzystna, tzn. wśród math wykonanych rzutów będzie więcej orłów niż reszek.

Rozwiązanie. Zakładamy, że zaczynamy mając math zł, więc nie grozi nam bankructwo w trakcie gry. Łatwo zauważyć, że wszystkie możliwe wyniki gry (tzn. piętnastoelementowe ciągi orłów i reszek) można połączyć w pary, w których jeden ciąg otrzymamy przez zastąpienie orłów w drugim ciągu reszkami, a reszek – orłami. Na przykład ciągi ORRORROORORORRR i ROOROORROROROOO będą tworzyć taką parę. W ten sposób przyporządkowaliśmy każdemu zdarzeniu elementarnemu oznaczającemu zwycięstwo zdarzenie elementarne oznaczające przegraną, a przy tym przyporządkowanie to jest wzajemnie jednoznaczne („jeden do jednego”) i połączone w pary zdarzenia elementarne mają jednakowe prawdopodobieństwa, równe math Zatem suma prawdopodobieństw zdarzeń elementarnych oznaczających zwycięstwo jest równa sumie prawdopodobieństw zdarzeń elementarnych oznaczających przegraną, czyli prawdopodobieństwo zwycięstwa jest równe prawdopodobieństwu przegranej, a że w sumie prawdopodobieństwa te muszą dawać math ( math jest liczbą nieparzystą, toteż remis nie jest możliwy), więc każde z nich jest równe math w szczególności szukane prawdopodobieństwo zwycięstwa.


Powyższy przykład może wydawać się zbyt prosty. Rozważmy więc zmodyfikowaną wersję tego problemu

Przykład 3. Gramy na tych samych zasadach, ale tym razem zaczynamy grę, mając tylko math zł i jeśli podczas gry nasz kapitał stopnieje do zera, bankrutujemy. Z jakim prawdopodobieństwem unikniemy bankructwa w ciągu math rzutów monetą?

Rozwiązanie. Umówmy się, że w przypadku bankructwa i tak wykonamy brakujące rzuty. Być może krupier prowadzący grę jest wspaniałomyślny i zgodzi się uwzględnić owe rzuty, niejako przejściowo nas kredytując, jeśli dzięki temu na końcu gry mielibyśmy znów dodatni kapitał. Mamy więc trzy wzajemnie się wykluczające zdarzenia losowe:

  • math – nie zbankrutowaliśmy,
  • math – zbankrutowaliśmy, ale wspaniałomyślność krupiera może nam pomóc,
  • math – zbankrutowaliśmy i nawet przejściowe kredytowanie nie pomoże.

Oczywiście math Wykażemy teraz, że math W tym celu połączymy możliwe wyniki gry (tzn. piętnastoelementowe ciągi orłów i reszek) odpowiadające zdarzeniom mathmath w pary. Zrobimy to w następujący sposób – jeśli jakiś ciąg wyników oznacza bankructwo w pewnym momencie gry, to wszystkie reszki występujące po tym momencie zamieniamy na orły, a orły – na reszki. Tak utworzony ciąg łączymy w parę z ciągiem wyjściowym.

Na przykład ciąg RRRRRRRRRRRR-OOR połączymy w parę z ciągiem RRRRRRRRRRRR-RRO. W ten sposób ustalamy wzajemnie jednoznaczne przyporządkowanie między zdarzeniami elementarnymi składającymi się na  math i zdarzeniami elementarnymi składającymi się na  math Istotnie, owa zamiana spowoduje zmianę znaku w końcowym rezultacie gry (przy założeniu, że krupier okaże się wspaniałomyślny), a ponieważ zaczynamy grę mając math zł, końcowy rezultat z pewnością będzie liczbą nieparzystą (bo math jest liczbą nieparzystą, a parzystość naszego kapitału zmienia się w każdej turze gry, niezależnie od tego, co wypadnie), a więc nie będzie zerem. Zauważmy teraz, że prawdopodobieństwo zdarzenia math łatwo obliczyć:

display-math

bo zajście zdarzenia math równoważne jest temu, iż wszystkie rzuty albo wszystkie oprócz jednego dały jako wynik reszkę, a temu odpowiada dokładnie math zdarzeń elementarnych:
RRRRRRRRRRRRRRR, ORRRRRRRRRRRRRR, RORRRRRRRRRRRRR, ..., RRRRRRRRRRRRROR, RRRRRRRRRRRRRRO,
z których każde ma prawdopodobieństwo math Jeśli w dokładnie math rzutach wypadną reszki, to grę (kredytowaną) zakończymy z kapitałem

display-math

a math będzie liczbą dodatnią tylko wtedy, gdy math Skoro mathto i  math a zatem

display-math

Z kwotą math zł możemy więc siadać do  math tur gry w orła i reszkę, nie obawiając się zbytnio bankructwa, nawet jeśli nie jesteśmy pewni wspaniałomyślności krupiera.


Nawet w pozornie niesymetrycznej sytuacji można odnaleźć motywy oparte na symetrii. Dobrze ilustruje to następujące zadanie.

Zadanie. W probówce znajduje się dziesięć bakterii białych i dwadzieścia bakterii czarnych. Co minutę jedna z bakterii dzieli się na dwie o takim samym jak ona kolorze, przy czym wszystkie bakterie znajdujące się wówczas w probówce mają jednakowe szanse na podział. Po godzinie w naczyniu będzie 90 bakterii. Wylosujmy jedną z nich. Jakie jest prawdopodobieństwo tego, że będzie ona biała?

Rozwiązanie. Załóżmy, że każda bakteria jest w nieco innym odcieniu (bieli lub czerni) i podczas podziału odcień koloru jest zachowywany. Prawdopodobieństwo tego, że wylosowana przez nas bakteria ma dany odcień, wynosi math (wszystkie odcienie są „równouprawnione”). Ponieważ 10 spośród odcieni jest białych, szansa, iż wylosujemy białą bakterię, jest równa math


Warto przypomnieć jeszcze jeden przykład świadczący o roli symetrii w rachunku prawdopodobieństwa. Maxwell, badając rozkład wektora prędkości cząsteczek gazu, zauważył, że rozkład ten powinien mieć symetrię obrotową (tzn. nie powinno go zmieniać obrócenie układu współrzędnych), a współrzędne tego wektora powinny być niezależnymi zmiennymi losowymi. Tu kończą się założenia wywodzące się z fizyki, a do akcji wkracza matematyka – okazuje się, że wektor losowy, spełniający powyższe dwa warunki, musi mieć rozkład gaussowski. Wynik ten, uzyskany na drodze czysto matematycznego rozumowania, podobno całkiem dobrze zgadza się z danymi doświadczalnymi.