ВВЕДЕНИЕ

Все процессы, происходящие в природе, являются результатом взаимодействия многих факторов. Для того чтобы изучить эти процессы и в дальнейшем ими управлять, необходимо выяснить, какую роль в рассматриваемом процессе играет каждый фактор в отдельности. Так, например, изучая движение тела, необходимо выяснить, какие силы приводят его в движение, какие тормозят; наконец, каким образом само движущееся тело влияет на эти силы. Все эти факторы необходимо выразить в каких-то количественных оценках — после этого на помощь исследователю приходит могущество математических методов.

Таким образом, математические методы изучения взаимодействующих факторов требуют умения выражать действие различных факторов количественно. Чтобы получить необходимые числовые данные, нужно произвести серию наблюдений. Наблюдение — это решающее звено всякого эксперимента, всякого исследования.

Однако даже самый тщательно подготовленный эксперимент не позволяет выделить интересующий нас фактор в чистом виде. Мы не в силах изолировать многие посторонние факторы: например, изучая падающие тела, мынеможемизбежатьдействиявращенияЗемли;изучаяхимическиереакции, мы никогда не имеем дела с чистыми веществами; изучая электронные процессы, не можем вести их в абсолютном вакууме и т. д. Наконец, нужно вспомнитьо различныхпомехах,связанныхсокружающейобстановкой - ведь даже шум идущего по улице автомобиля сказывается на проводимом в

9

лаборатории эксперименте.

Следовательно, каждое наблюдение дает нам лишь результат взаимодействия основного изучаемого фактора с многочисленными посторонними. Некоторые из этих факторов (например, вращение Земли) можно учесть, так как они сами по себе достаточно хорошо изучены. Учет других факторов (например, наличие примесей в веществах) может быть очень громоздким. Он сильно затянет эксперимент, сделает его неоправданно дорогим. Наконец, многие факторы (помехи) бывают настолько неожиданными, что их вообще нельзя учесть. Сюда же нужно отнести и те факторы, о которых на данном этапе развития науки вообще ничего не известно.

Из сказанного выше можно сделать только один вывод: полное и точное описание какого-либо процесса возможно лишь в том случае, если известны все факторы, влияющие на этот процесс. Иными словами, такое описание вообще невозможно.

К счастью, оно и не нужно.

Большинство измеряемых на практике величин обладает свойством непрерывности, т. е. их значения сплошь заполняют некоторый числовой промежуток. Однако все применяемые при этом измерительные приборы обладают некоторым пределом точности (разрешающей способностью) -минимальной разницей в значениях двух величин, которую они в состоянии обнаружить. Этот предел обычно указывается на приборах, изготовленных в заводских условиях. Например, аналитические весы, взвешивающие с точностью до 0,1 мг, не смогут различить такие веса, как 12,52 и 12,54 мг, и в обоих случаях покажут 12,5 мг. В результате все дальнейшие вычисления, связанные с этими данными, также будут содержать некоторую неточность, даже если пользоваться абсолютно точными и полными формулами, описывающими исследуемый процесс.

С другой стороны, нужно учесть, что полученные данные не всегда

10

удается полностью использовать в дальнейшем — приходится округлять их, теряя добытую с таким трудом драгоценную точность. В этом отношении можно привести интересный пример. Некоторые математики XVIII - XIX веков увлекались вычислением числа π с высокой точностью. Математик Шенкс в шестидесятых годах позапрошлого столетия вычислил π с точностью до 707-го знака после запятой, потратив на это всю свою жизнь.

Однако подобная точность еще нигде не была использована. Так, например, чтобы вычислить с точностью до микрона длину окружности с центром на Земле и радиусом до ближайшей звезды, т. е. R = 4,5 световых года, достаточно иметь число π с 25 знаками после запятой – даже в таком, заведомо бессмысленном вычислении 682 шенксовских знака остаются лишними!

Любое увеличение точности при измерениях сильно усложняет эксперимент. Кроме того, добавление каждого лишнего знака усложняет вычисления на 10 - 15 %. Поэтому нужно всегда хорошо знать ту точность, которая потребуется от результата, не стремясь к излишней точности измерений и вычислений.

Итак, в наших наблюдениях всегда допускается некоторая «законная» неточность, величину которой можно рассчитать заранее. Благодаря этому мы можем не учитывать те посторонние факторы, действие которых намного меньше этой неточности; например, изучая движение тел на Земле, можно не учитывать силы тяготения между этими телами или кривизну Земли при малых перемещениях и т. д.

Однако и здесь возникают свои трудности. Рассмотрим для примера такой вопрос: нужно ли, изучая движение автомобиля, учитывать тепловое колебание молекул, из которых он состоит. Ответ напрашивается отрицательный.Но давайтевнимательнейприсмотримся кдвижению молекул внутри твердого тела. Молекулы колеблются вокруг положения равновесия с достаточно большими скоростями, однако движение это хаотическое, так что

11

молекулы, движущиеся в одну сторону, уравновешиваются молекулами, движущимися в противоположную сторону. При этом можно представить такое случайное стечение обстоятельств, когда большинство молекул двинется в одну сторону, не уравновешиваясь с другой стороны. Разумеется, в результате в эту же сторону резко переместится и сам автомобиль. Такая возможность вполне допустима теоретически. Как же быть: учитывать ее или нет?

Но ведь если такое стечение обстоятельств и возможно, то оно необычайно редко! – ответит читатель. Во всяком случае, оно ни разу не встречалось за всю автомобильную практику человечества.

Правильно!Иврезультатемыприходимкещеодномуважномувыводу:

даже сильные отклонения можно не учитывать, если они достаточно редки.

При этом, правда, мы рискуем однажды попасть именно на то самое несчастное стечение обстоятельств, однако риск здесь может быть не велик, а облегчение исследований будет достаточно большое.

По этой же причине удается избежать детального исследования многочисленных непредвиденных (случайных) помех. Хотя действие каждой из них может оказаться вполне заметным, в общей массе они, как правило, уравновешивают друг друга, лишь изредка давая заметный суммарный эффект.

Естественно, пренебрегать можно лишь теми отклонениями, которые действительно редки – в противном случае риск будет слишком велик, равносилен беспечности. Значит, эту меру риска надо оценивать, устанавливая допустимый предел для каждых конкретных обстоятельств.

Иными словами, нужно научиться численно характеризовать, на-

сколько редко то или иное отклонение.

Для того чтобы выяснить, является ли какое-то событие редким и насколько, необходимо провести очень большее число наблюдений, ибо нужно иметь возможность сравнивать это событие с другими. Частота или

12

редкость познаются только в сравнении. Это можно подтвердить следующей юмористической историей: некий путешествующий англичанин дважды проезжал Париж и оба раза попадал в дождь; после этого он записал в дневнике: «Париж – ужасный город, здесь всегда идет дождь!».

Чембольшепроведенонаблюдений,темлучшеможнооценитьредкость интересующего нас события. Но и этот процесс не может продолжаться бесконечно. Следовательно, при определении редкости события мы опять вынуждены идти на риск. Эту долю риска опять нужно оценивать и т. д.

Подобные рассуждения быстро завели бы нас в тупик, если бы каждое случайное событие нужно было изучать заново. Оказывается, однако, что случайные, непредвиденные события в массе своей подчиняются некоторым общим неслучайным закономерностям.

Наука, изучающая закономерности массовых случайных событий,

называется теорией вероятностей.

Математической статистикой называется наука, занимающаяся

методами обработки опытных данных, полученных в результате наблюдений над случайными явлениями.

Но случайность остается случайностью, и никакие теории при наличии непредвиденных и случайных факторов не могут давать точные и однозначные ответы. Основная задача математической статистики при обработке наблюдений – оценить риск той или иной ошибки в полученном результате. Принять или не принять этот риск – дело исследователя (или того, кто использует результаты статистических оценок). В том случае, если этот риск его не устраивает, он должен найти пути его уменьшения: применить более точную методику наблюдений, устранить наиболее заметные помехи и т. д. Либо, наконец, не идти на этот риск.

13