ANEXA 3. Metoda funcțiilor arbitrare
În [46], 1912, §92 și §93, Poincaré și-a pus problema explicării echiprobabilității care apare în anumite jocuri de noroc, cum ar fi ruleta. Ideea sa a fost reluată și comentată apoi de Reichenbach (1935), Frechet (1952) și, mai ales, Hincin (1953). În ultima lucrare se consideră că pe baza acestei metode posibilitatea principală a unei prevederi științifice obiective a stabilității și valorii numerice ale frecvențelor reale este ferm stabilită. Pe viitor, lărgirea sferei de aplicații ale ei va putea întâmpina în fond, numai dificultăți matematice de ordin tehnic, care în zilele noastre sunt, este drept, destul de importante (citat din [3], pag. 245).
Înainte de a comenta acest citat să vedem despre ce este vorba. Se știe că ruleta este, în esență, o roată împărțită în 36 de sectoare circulare de câte fiecare (sau ). Sectoarele sunt, alternativ, roșii și negre. Dacă ruleta se oprește pe negru, să spunem că avem un succes; în caz contrar, avem un eșec. Ne propunem să calculăm probabilitățile și ale succesului (respectiv eșecului). Poincaré presupune, într-o primă aproximație, că putem neglija frecarea: roata capătă o viteză inițială de rotație pe care și-o menține până când este oprită brusc după T secunde. Unghiul parcurs este egal, evident, cu . Să presupunem că este o variabilă aleatoare continuă, având o densitate de repartiție f despre care nu mai este nevoie să presupunem nimic. Atunci densitatea de repartiție a unghiului este . Admițând că ruleta pleacă tot timpul din aceeași poziție și că primul sector, în sens trigonometric, care apare este cel roșu, avem (notând ):
,
unde .
Analog
Rezultă:
Se știe însă (vezi de exemplu [2], pag. 417, pr.8) că dacă , ultima cantitate converge la 0.
Să considerăm acum un model ceva mai apropiat de realitate. Viteza inițială, este uniform frânată de o forță de frecare. Deci , unde k este un coeficient de frecare. Presupunem că roata este lăsată până se oprește singură. Acest lucru se va întâmpla când , deci la timpul . Unghiul parcurs după acest timp va fi egal cu . Notând acest unghi cu A, avem
și, analog, .
Notând , rezultă:
- .
Vom arăta că dacă coeficientul de frecare tinde spre 0 (roata este bine unsă), atunci . Demonstrația se va baza pe următorul rezultat:
Lemă.
1. Fie un șir monoton de numere pozitive. Atunci:
.
2. Fie o funcție continuă și o diviziune a intervalului . Fie și .
Atunci, dacă șirul este monoton și , rezultă .
3. Fie o densitate de probabilitate și o diviziune a lui R. Fie și cu aceeași definiție ca la 2., dar suma se extinde pentru toți . Dacă presupunem că este un șir monoton sau unimodal (crește până la un și apoi scade), rămâne valabilă concluzia de la punctul 2.
Demonstrație.
1. Să admitem că este crescător. Atunci
(termenii se reduc doi câte doi)
2. Fie astfel încât (teorema Lagrange !). Fie cu proprietatea că ( f este uniform continuă !) și , norma uniformă a lui f.
Atunci
Să presupunem, ca să facem o alegere, că șirul este descrescător . În această situație norma diviziunii este (altfel ar fi ) și, dacă presupunem că , expresia E este mai mică decât . Cum este arbitrar, demonstrația este încheiată.
Să remarcăm că, dacă familia era unimodală, demonstrația nu se schimba prea mult. Estimarea 1. care a fost esențială devenea:
, unde este acel indice pentru care segmentul are lungime maximă.
3. Se știe că pentru orice funcție măsurabilă Lebesgue și cu proprietatea că și pentru orice există o altă funcție continuă g care este nulă în afara unui interval și cu proprietatea că . După majorarea
,
unde diviziunea a fost renumerotată, cu adăugarea eventuală a punctelor a și b, restul devine evident. QED.
În cazul nostru, dacă coefeicientul de frecare ; dar ultima cantitate este exact norma diviziunii dată de punctele , care apare în modelul propus. Deoarece, în plus formează un șir descrescător, rezultă că suntem în condițiile Lemei demonstrate (3.) și deci .
Ce se poate spune despre valoarea explicativă a acestei metode ?
Am demonstrat că și tind spre dacă T tinde la sau coefeicientul de frecare tinde la 0, ceea ce spune cam același lucru: roata trebuie lăsată să se învârtească cât mai mult. Dar în ce măsură explică aceasta echiprobabilitatea rezultatelor ruletei ? Dacă abaterea de la rămâne foarte mare până când T este, de exemplu, de ordinul secolelor, explicația devine, cu bunăvoință apreciind, iluzorie. În definitiv, am căzut în aceeași capcană ca von Mises: postulăm relevanța unei limite la un experiment real. Pentru fiecare T, în cadrul modelului simplificat al lui Poincaré, ne putem imagina o repartiție a vitezei inițiale pe care crupierul o imprimă roții care să aibă și densitatea continuă, dar să ne facă figura că și .
În al doilea rând, și acest lucru este poate mai important, am încercat să explicăm o ipoteză probabilistă prin alta, de asemenea probabilistă. S-ar părea că am împins problema undeva în spate, într-un plan mai profund și că explicăm o probabilitate testabilă empiric prin alta neverificabilă. Oare chiar nu se poate reduce o probabilitate la altceva ? Reichenbach consideră, totuși, în /49/ că metoda furnizează o explicație e echiprobabilității deoarece am demonstrat ceva tare din ceva mai slab. Se pare că nu l-a deranjat trecerea la limită.
Pentru ca o trecere la limită să aibă cât de cât un sens empiric ar trebui să spunem ceva și despre viteza de convergență la limita respectivă. Ce ipoteze suplimentare să mai introducem pentru aceasta ? ne vom situa în cazul modelului lui Poincaré, căci altfel estimările devin dificile.
Să admitem că densitatea f este continuă și concentrată pe un interval închis cu . Nu pare o restricție nenaturală: în natură, majoritatea fenomenelor sunt, la o primă aproximatie continui și este plauzibil de presupus că (dacă viteza de rotație a roții este prea mică (de ordinul miimilor de grad pe secundă) e normal să cerem alt joc, bănuind pe crupier de cârdășie cu banca și intenții necinstite) și că există o limită fizică a vitezei de rotație pe care o poate imprima ruletei. Până acum nu am avansat nici un pas pe drumul estimării vitezei de convergență. Dar să admitem că cunoaștem modulul de continuitate al densității f (adică, pentru fiecare știm să calculăm cu proprietatea că ). Atunci, deoarece , și , dacă vrem ca , trebuie ales , deoarece nu poate depăși valoarea . Deci sau .
Să presupunem acum că f este, în plus unimodală (are un singur maxim) și maximul ei este M. Atunci este ușor de văzut că .
Rezultă că . Dacă vrem ca această valoare să fie mai mică decât , trebuie ca . În cazul acesta nu mai este nevoie ca f să fie continuă cu suport compact: estimarea (1) este valabilă pentru orice densitate f unimodală.
Un caz particular de funcții al căror modul de continuitate poate fi continuitate sunt cele Lipschitziene, adică având proprietatea că există o constantă C astfel ca . Dacă densitatea f este Lipschitziană de modul C, atunci
(deoarece )
; deci (???? pag. 142) ca ultima cantitate să fie mai mică decât , trebuie ca . (2)
În particular acesta este cazul dacă se presupune că densitatea f este derivabilă și cu derivată mărginită.
Să considerăm ca divertisment cazul cel mai studiat: repartiția normală centrată în 0 și de dispersie . Calculând maximul primei derivate găsim . Cât despre M, el este egal cu . Folosind estimarea (1), găsim , iar folosind pe (2) găsim deoarece putem lua ??? se știe că în cazul unei variabile normale probabilitatea abaterilor cu mai mult decât de la media m este sub 1%. Deși pentru anumite valori ale lui ??? prima estimare dă rezultate superioare, a doua nu depinde de ???.
O altă problemă celebră în care se poate explica stabilitatea probabilității, remarcată experimental prin considerente apropiate de cele demai sus este problema acului lui Buffon (1776). Un ac de lungime se aruncă pe o rețea de drepte echidistante situate la distanța l una de alta. Se cere calcularea probabilității ca acul să intersecteze vreuna din dreptele rețelei.
Să considerăm un sistem rectangular de axe xOy în care dreptele rețelei să fie . Putem răspunde la întrebarea dacă acul intersectează vreuna din dreptele cunoscând doar doi parametri: ordonata mijlocului acului și unghiul format de ac cu dreptele . Atunci, după cum se vede în figura alăturată, acul intersectează una din drepte dacă și numai dacă sau dacă .
Să admitem acum că și sunt variabile aleatoare independente având densitățile de repartiție , respectiv . Probabilitatea căutată este
deoarece cele două evenimente sunt incompatibile . Remarcând că aceasta reprezintă probabilitatea suprafețelor hașurate din Fig.2, găsim că
.
Acest rezultat nu ne spune prea mult tocmai pentru că am lucrat în ipoteze prea generale. În teoria probabilităților geometrice se fac presupuneri suplimentare (vezi, de exemplu /37/) din care reyultă că atât cât și sunt repartizate uniform pe intervalele respectiv . Cu aceste
presupuneri suplimentare este imediat că . Dacă , rezultă că .
Acest rezultat se poate preta la o verificare empirică. Desenăm pe o foaie de carton paralele echidistante situate la 10 cm una de alta și aruncăm la întâmplare un ac de 5 cm peste ea. Facem experimentul de multe ori; ar trebui ca inversul frecvenței relative al cazurilor de intersecție să oscileze pe lângă . La o primă vedere, s-ar părea că nu trebuie să fim prea optimiști asupra rezultatului, deoarece probabilitatea teoretică a fost obținută în niște ipoteze foarte restrictive. Nu este așa. Este, din contră, surprinzător că estimările lui făcute pe această bază s-au dovedit foarte bune ! Tabelul următor este edificator:
Experimentator |
Nr. aruncări |
Valoarea estimată pt. |
WOLF, 1850 |
5000 |
3.1596 |
SMITH, 1855 |
3204 |
3.1553 |
DE MORGAN, 1860 |
600 |
3.137 |
FOX, 1884 |
1030 |
3.1595 |
LAZZERINI, 1901 |
3408 |
3.1415929 (adevărata valoare este 3.141592654) |
REIN, 1925 |
859 |
3.1795 |
GRIDGEMAN, 1960 |
2000 |
3.143 |
(Luat din /37/, pag. 83). Valoarea nr. 5 (Lazzerini) este chiar suspectă; făcând abstracție de ea, chiar, intervalul în care au oscilat frecvențele este sub .05.
Ce se întâmplă de fapt ? De ce repartițiile reale din natură atribuie ariei hașurate din Fig. 2 valori atât de apropiate de ? Explicația trebuie să fie că în ipoteze foarte generale asupra lui y partea sa zecimală tinde să fie uniform repartizată. Ipoteza că este și el repartizat uniform pe intervalul nu mi se pare atât de nenaturală,căci este de așteptat ca aruncând un ac, unghiul să nu aibă vreo direcție privilegiată. Din contră, nu este natural să admit că mijlocul său să nu aibă vreo preferință, o zonă privilegiată în care să cadă. Dacă arunc o piatră la întâmplare, este sigur că ea va cădea undeva în interioruk cercului având ca centru locul în care mă aflu și o rază de 100 m). De aceea este mai natural să admit că y este o variabilă aleatoare repartizată cu o anumită medie m și dispersie . În acest caz conjectura se verifică: dacă nu este exagerat de mic, este aproape uniform repartizat, după cum se arată în următorul rezultat splendid, demonstrat de S. Teleman (comunicare personală):
Teoremă. Dacă , atunci are de asemenea o repartiție de probabilitate absolut continuă cu densitatea având proprietatea că
Demonstrație. Avem
.
Deoarece ultima serie este uniform și absolut convergentă, se poate deriva termen cu termen și găsim densitatea . Funcția f are sens pentru orice ; ea este, în plus, periodică și are perioadă 1. Am notat . Să notăm
și .
Evident că dacă vom reuși să demonstrăm estimarea din enunțul teoremei pentru F va fi suficient deoarece f se obține din F modificând numai argumentul x.
Funcția F este periodică și are perioada . Fiind și continuă, se poate dezvolta în serie Fourier , unde coeficienții Fourier sunt dați de expresia
= (deoarece ulrima integrală este egală exact cu ).
De aceea și astfel
q.e.d.
Probabil că acest rezultat se poate extinde și la alte clase de repartiții. Trebuie însă căutate alte metode, căci în calculul coeficienților s-a folosit esențial forma exponențială a densității.
Dacă, de exemplu dispersia , atunci abaterea densității f de la 1 este de ordinul lui ; pentru , ea devine , ceva extraordinar de mic. De aceea experimentările practice au confirmat probabilitatea calculată teoretic: abaterile densității lui y de la cea uniformă sunt neglijabile.
O ultimă observație, înainte de a încheia această Anexă. Maxima lui von Mises, susținută de Popper, că nu se pot trage concluzii probabiliste decât din premise probabiliste mi se pare adevărată când se referă la experimentele clasice de probabilități pe care le-am studiat mai sus. În cazul observării unui fenomen care se manifestă sub forma unui șir aleator (în sensul că nu-i cunoaștem legea) de numere, și asupra căruia nu putem interveni, poate că lucrurile nu stau chiar așa. Mă refer la următorul exemplu ideal: pe o masă de biliard se mișcă, fără frecare și reflectându-se de pereții mesei, o minge. Între reflectările de pereții mesei, ea se mișcă rectiliniu și uniform, cu o viteză suficient de mare ca cel mult la 10 sec. să se producă o ciocnire. Să presupunem că noi nu putem vedea acest lucru: un aparat de fotografiat fotografiază din 10 sec. în 10 sec. poziția bilei la timpul respectiv, iar noi nu putem interpreta decât fotografiile primite. Se demonstrează în teoria ergodică faptul că dacă raportul între viteza inițială pe axa Ox și cea pe axa Oy nu este rațional, atunci frecvențele apariției bilei într-o anumită zonă a mesei de biliard vor fi, la limită, proporționale cu aria zonei. Cu alte cuvinte, dacă am interpreta statistic fotografiile primite, vom fi constrânși să deducem că punctul din fotografie este realizarea unui șir de variabile aleatoare independente și uniform repartizate pe spațiul mesei de biliard (Vezi demonstrația în Freiburger și ???).
Și totuși, nu esre așa ! fenomenul este cât se poate de determinist.
Poate că de multe ori, o abordare probabilistă este numai o soluție provizorie în știință.
(*) În general, , 1) este unimodală; 2) ; 3)