Джордан Элленберг - Как не ошибаться. Сила математического мышления

Здесь есть возможность читать онлайн «Джордан Элленберг - Как не ошибаться. Сила математического мышления» — ознакомительный отрывок электронной книги совершенно бесплатно, а после прочтения отрывка купить полную версию. В некоторых случаях можно слушать аудио, скачать через торрент в формате fb2 и присутствует краткое содержание. Город: Москва, Год выпуска: 2017, ISBN: 2017, Издательство: Манн, Иванов и Фербер, Жанр: Математика, foreign_edu, Прочая научная литература, на русском языке. Описание произведения, (предисловие) а так же отзывы посетителей доступны на портале библиотеки ЛибКат.

Как не ошибаться. Сила математического мышления: краткое содержание, описание и аннотация

Предлагаем к чтению аннотацию, описание, краткое содержание или предисловие (зависит от того, что написал сам автор книги «Как не ошибаться. Сила математического мышления»). Если вы не нашли необходимую информацию о книге — напишите в комментариях, мы постараемся отыскать её.

По мнению профессора Элленберга, математика – это наука о том, как не ошибаться, и она очень сильно влияет на нашу жизнь, несмотря на то что мы этого не осознаем. Вооружившись силой математического мышления, можно понять истинное значение информации, считавшейся верной по умолчанию, чтобы критически осмысливать все происходящее.
Книга будет полезна не только тем, кто увлечен математикой, но и тем, кто ошибочно считает, что им эта наука в жизни не пригодится.
На русском языке публикуется впервые.

Как не ошибаться. Сила математического мышления — читать онлайн ознакомительный отрывок

Ниже представлен текст книги, разбитый по страницам. Система сохранения места последней прочитанной страницы, позволяет с удобством читать онлайн бесплатно книгу «Как не ошибаться. Сила математического мышления», без необходимости каждый раз заново искать на чём Вы остановились. Поставьте закладку, и сможете в любой момент перейти на страницу, на которой закончили чтение.

Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Понимание, что результаты эксперимента стремятся к фиксированной средней величине, когда этот эксперимент повторяется многократно, – факт далеко не новый. В действительности данное явление известно почти столь же давно, сколько существует математическое изучение самой вероятности. Этот принцип сформулировал в XVI столетии Джироламо Кардано – правда, без всяких формальностей; и только в начале XIX столетия Симеон Дени Пуассон придумал для него выразительное название – «закон больших чисел» ( Loi des grands nombres ).

Шлем жандарма

В начале XVIII столетия Якоб Бернулли предложил точную формулировку и математическое доказательство закона больших чисел. Теперь этот закон стал уже не наблюдением, а теоремой.

И данная теорема говорит нам, что игру Большой и Малой команды нельзя считать справедливой. Закон больших чисел всегда будет подталкивать результаты игроков Большой команды к 50 %, тогда как у игроков Малой команды будет гораздо более широкий диапазон результатов. Однако было бы глупо приходить к заключению, что Малая команда «лучше» справляется с подбрасыванием монет лицевой стороной вверх, даже когда она побеждает в каждой игре. Если найти средний показатель доли аверсов, выпавших у всех игроков Малой команды, вместо того чтобы рассматривать относительную долю результативного игрока, этот показатель также окажется близким к 50 %, как и у Большой команды. А если определить игрока с минимальным, а не максимальным количеством выпавших аверсов, Малая команда начинает выглядеть далеко не лучшим образом в плане подбрасывания монет лицевой стороной вверх: есть заметная вероятность, что один из игроков этой команды выбьет всего 20 % аверсов, тогда как ни один член Большой команды никогда не получит столь плохого результата. Определение результатов по абсолютному количеству аверсов дает Большой команде неоспоримое преимущество; с другой стороны, использование относительных показателей так же сильно склоняет игру в пользу Малой команды. Чем меньше количество монет – в статистике это количество обозначается термином «размер выборки», – тем больше разброс значений относительной доли монет, выпавших лицевой стороной вверх.

Именно этот эффект делает результаты политических опросов менее надежными, когда в них принимает участие меньшее количество избирателей. То же самое касается и рака мозга. В небольших штатах выборки имеют малый размер – они напоминают тонкий тростник, сгибающийся под ветром перемен, тогда как большие штаты можно сравнить с величественными старыми дубами, которым любой ветер нипочем. Определение абсолютного количества случаев заболеваемости раком мозга характеризуется смещением в сторону больших штатов, тогда как измерение самой высокой (или самой низкой) относительной доли ставит малые штаты во главе списка. Именно поэтому в Южной Дакоте может быть самый высокий уровень смертности от рака мозга, тогда как Северная Дакота претендует на одно из последних мест по этому показателю. Причина состоит не в том, что гора Рашмор или торговый центр Wall Drug [65]каким-то образом оказывают пагубное воздействие на мозг. Все проще: населению штатов меньшего размера по существу свойственна более высокая вариабельность.

Таков математический факт, который вам уже известен, даже если вы сами не догадываетесь об этом. Кто самый меткий снайпер в НБА [66]? Через месяц после начала сезона 2011/2012 года пять игроков получили равное значение самого высокого процента попаданий в лиге: Армон Джонсон, ДеАндре Лиггинс, Райан Рейд, Хашим Табит и Ронни Тюриаф.

Кто-кто?

Дело в том, что эти пять игроков не были лучшими бомбардирами НБА. Они вообще почти не играли. Армон Джонсон, например, играл в одном матче за Portland Trail Blazers. Он сделал один бросок, оказавшийся точным. В целом пять игроков из этого списка сделали тринадцать бросков, каждый из которых попал в корзину. Маленькие выборки более вариабельны, поэтому ведущим игроком НБА неизменно становится тот, кто совершил небольшое количество бросков и кому каждый раз сопутствовала удача. Вы ни за что не стали бы утверждать, что Армон Джонсон был более метким снайпером, чем Тайсон Чендлер, самый результативный постоянный игрок Knicks [67], который попал в цель в случае 141 из 202 бросков за тот же период [68] {43}. (Любые сомнения по этому поводу можно отбросить, взглянув на данные о результативности Джонсона на протяжении сезона 2010/2011 года, когда в ходе игры он сделал 45,5 % попаданий – причем попаданий довольно заурядных.) Именно поэтому в стандартном списке лидеров не отображаются данные о результативности таких игроков, как Армон Джонсон. Вместо этого НБА включает в рейтинги только тех, кто превысил определенный порог игрового времени; в противном случае первые места в списке занимали бы никому не известные временные игроки с их выборками малого размера.

Читать дальше
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Похожие книги на «Как не ошибаться. Сила математического мышления»

Представляем Вашему вниманию похожие книги на «Как не ошибаться. Сила математического мышления» списком для выбора. Мы отобрали схожую по названию и смыслу литературу в надежде предоставить читателям больше вариантов отыскать новые, интересные, ещё непрочитанные произведения.


Отзывы о книге «Как не ошибаться. Сила математического мышления»

Обсуждение, отзывы о книге «Как не ошибаться. Сила математического мышления» и просто собственные мнения читателей. Оставьте ваши комментарии, напишите, что Вы думаете о произведении, его смысле или главных героях. Укажите что конкретно понравилось, а что нет, и почему Вы так считаете.

x