Теория Вероятностей on kenji.blog

Проблема Спящей красавицы: Вероятность монеты 1/2 или 1/3? Парадокс, раскалывающий теорию вероятностей

Thu, 10 Sep 2026 09:00:00 +0900

1. Правила странного эксперимента

Вы (Спящая красавица) были выбраны в качестве испытуемой в некотором научном эксперименте. Эксперимент проводится с воскресенья по среду. В воскресенье вечером вам дают снотворное, и вы засыпаете.

После того как вы уснете, экспериментатор бросает одну правильную монету (монету, у которой вероятность выпадения орла и решки абсолютно равна 1/2). И в зависимости от результата, вас будут будить по следующему расписанию.

【Если монета выпала «Орлом»】

Вас разбудят только один раз в понедельник и зададут вопрос. После этого вас снова усыпят, и вы больше не проснетесь до конца эксперимента (до среды).

【Если монета выпала «Решкой»】

Вас разбудят в понедельник и зададут вопрос. После этого вам дадут специальное лекарство (стирающее память), и вы снова уснете.
Вас снова разбудят во вторник и зададут тот же самый вопрос. После этого вас снова усыпят, и на этом эксперимент завершится (в среду).

※ Из-за эффекта лекарства, стирающего память, проснувшись, вы совершенно не можете вспомнить «какой сегодня день недели» и «будили ли вас в прошлом».

graph TD Sunday["Воскресенье: Красавица засыпает"] --> Toss{"Бросок монеты"} Toss -->|Орел (1/2)| Mon_Heads["Понедельник: Пробуждение + Вопрос
(затем завершение эксперимента)"] Toss -->|Решка (1/2)| Mon_Tails["Понедельник: Пробуждение + Вопрос
(затем стирание памяти)"] Mon_Tails --> Tue_Tails["Вторник: Пробуждение + Вопрос
(затем завершение эксперимента)"] style Toss fill:#ff9999,stroke:#333 style Mon_Heads fill:#aaffaa,stroke:#333 style Mon_Tails fill:#aaffaa,stroke:#333 style Tue_Tails fill:#aaffaa,stroke:#333

Итак, в понедельник (или во вторник) вы проснулись. В комнате нет ни часов, ни календаря, и вы не знаете, какой сегодня день недели.

Тут приходит экспериментатор и задает вам следующий вопрос: «Как вы думаете, какова вероятность того, что подброшенная монета выпала ‘Орлом’, учитывая ваше нынешнее состояние пробуждения?»

Вы — красавица, хорошо разбирающаяся в математике. Итак, что вы ответите?

2. Столкновение двух лагерей: 1/2 или 1/3

Эта проблема была придумана в 1990-х годах и опубликована в научном журнале философом Адамом Элгой в 2000 году. Вероятность монеты кажется очевидной, но на самом деле из-за этой проблемы математики, статистики и философы по всему миру раскололись ровно пополам на два лагеря: «сторонники 1/2» (халферы) и «сторонники 1/3» (тёрдеры), и до сих пор ведут ожесточенные споры.

Давайте послушаем «идеальную логику» каждого из лагерей.

Аргументы «сторонников 1/2» (халферов)

«Поскольку монета правильная и без подвоха, вероятность выпадения орла, естественно, составляет 1/2. Сколько бы раз экспериментатор ни будил меня после того, как я усну, и как бы ни стирал память, это никак не влияет на физический результат броска монеты. В момент броска монеты вероятность была 1/2, и мое пробуждение не дает мне никакой новой информации (никаких подсказок для того, чтобы угадать — орел это или решка). Следовательно, вероятность остается 1/2.»

Это вполне разумное мнение, в котором придается значение объективному физическому явлению и отсутствию обновления информации.

Аргументы «сторонников 1/3» (тёрдеров)

«Сам факт того, что вы ‘проснулись’, — это информация, изменяющая вероятность. Допустим, мы повторили бы этот эксперимент 100 раз (100 недель). Монета должна выпасть ‘Орлом’ 50 раз и ‘Решкой’ 50 раз.

В те 50 недель, когда выпадал орел, вас будят только 1 раз в понедельник $\rightarrow$ Количество пробуждений при ‘Орле’ — 50 раз

В те 50 недель, когда выпадала решка, вас будят 2 раза: в понедельник и во вторник $\rightarrow$ Количество пробуждений при ‘Решке’ — 100 раз

Иными словами, ситуация вашего пробуждения в целом возникает 150 раз, из которых ‘сценарий пробуждения при орле’ составляет 50 раз, а ‘сценарий пробуждения при решке’ — 100 раз. Следовательно, вероятность того, что пробуждение, которое вы переживаете прямо сейчас, произошло при ‘Орле’, равна 50 / 150 ＝ 1/3!»

Это сильное мнение, основанное на «фриквентизме» (частотном подходе) и «антропном принципе», где сама ситуация «я сейчас существую (наблюдаю)» включается в расчет как элемент вероятностного пространства.

3. Попробуем вычислить с помощью теоремы Байеса

Существуют также попытки разгадать эту проблему с помощью «теоремы Байеса» — математического инструмента для обновления вероятностей. Давайте систематизируем логику «сторонников 1/3» с точки зрения условной вероятности.

Состояние при пробуждении будет одним из трех:

$E_1$: Монета выпала «Орлом», и сейчас «Понедельник»
$E_2$: Монета выпала «Решкой», и сейчас «Понедельник»
$E_3$: Монета выпала «Решкой», и сейчас «Вторник»

Вероятность выпадения «Орла» равна $1/2$, а вероятность выпадения «Решки» равна $1/2$. Однако в случае с решкой «понедельник» и «вторник» абсолютно симметричны (их невозможно отличить из-за отсутствия памяти), поэтому вероятность возникновения $E_2$ и $E_3$ считается одинаковой.

Поскольку сумма всех вероятностей должна быть равна $1$, если мы назначим каждому пробуждению равную вероятность как независимому «событию (точке наблюдения)», то получим: $P(E_1) = 1/3$ $P(E_2) = 1/3$ $P(E_3) = 1/3$ Следовательно, делается вывод, что «вероятность того, что выпал орел ($P(E_1)$)», становится равна $1/3$.

С другой стороны, «сторонники 1/2» возражают: «Понедельник и вторник при выпадении решки ($E_2$ и $E_3$) — это зависимые события, производные от результата броска одной и той же монеты, и подсчитывать их как независимые вероятности в корне неверно».

4. Почему эта проблема не решается?

Причина, по которой «Проблема Спящей красавицы» так сильно мучает ученых, кроется вовсе не в простых ошибках в вычислениях или иллюзиях. Эта проблема затрагивает самый глубокий и фундаментальный вопрос теории вероятностей, а именно философский вопрос: «Что же такое вообще вероятность?»

Для сторонников 1/2 вероятность — это «физическое свойство монеты» и «объективный факт».
Для сторонников 1/3 вероятность — это «степень убежденности наблюдателя (красавицы)» и «частота наблюдений».

В этом простом эксперименте с подбрасыванием монеты сконцентрированы глубокие темы, перекликающиеся с «проблемой измерения» в квантовой механике и «антропным принципом» в космологии (идея вычисления вероятностей Вселенной исходя из факта нашего существования).

5. Заключение

Если бы вы стали испытуемым в этом эксперименте, ответили бы вы при пробуждении «1/2»? Или вы бы ответили «1/3»?

Что бы вы ни ответили, математики мирового уровня встанут за вашей спиной, чтобы защитить вас. Как математические определения, кажущиеся на первый взгляд простыми, рушатся, стоит им лишь соприкоснуться с такими сложными понятиями, как человеческая «субъективность» и «существование». Парадоксы и сегодня продолжают расшатывать наш здравый смысл.

Санкт-Петербургский парадокс: сколько вы заплатите за игру с «бесконечным» математическим ожиданием?

Thu, 10 Sep 2026 05:00:00 +0900

1. Игра мечты с «бесконечным» математическим ожиданием

Представьте, что вы идете по казино, и дилер предлагает вам сыграть в новую игру с подбрасыванием монеты.

【Правила игры】

Вы платите вступительный взнос, чтобы начать игру.
Подбрасывается монета. Если выпадает орел, призовой фонд удваивается, и вы можете подбросить монету еще раз.
Игра заканчивается, как только выпадает решка. Вы получаете призовой фонд, накопленный к этому моменту.

Начальный призовой фонд составляет 2 доллара.

Если при первом броске выпадает решка, вы получаете 2 доллара и игра заканчивается.
Если при первом броске выпадает орел, а при втором — решка, вы получаете 4 доллара и игра заканчивается.
Если при первом и втором бросках выпадает орел, а при третьем — решка, вы получаете 8 долларов и игра заканчивается.
…и так далее: пока выпадает орел, призовой фонд удваивается: 16 долларов, 32 доллара, 64 доллара…

graph TD Start["Начало игры"] --> Toss1{"1-й бросок"} Toss1 -->|Решка (1/2)| End1["Конец: выигрыш 2$"] Toss1 -->|Орел (1/2)| Toss2{"2-й бросок"} Toss2 -->|Решка (1/2)| End2["Конец: выигрыш 4$"] Toss2 -->|Орел (1/2)| Toss3{"3-й бросок"} Toss3 -->|Решка (1/2)| End3["Конец: выигрыш 8$"] Toss3 -->|Орел (1/2)| Toss4{"..."} Toss4 -.->|Чем длиннее серия| Infinite["Приз удваивается до бесконечности!"]

А теперь вопрос к вам. Если бы вступительный взнос за эту игру составлял «10 000 долларов», вы бы согласились участвовать?

Вероятно, большинство людей ответят: «Нет, не соглашусь». Ведь с вероятностью 50% при первом же броске выпадет решка, вы получите всего 2 доллара и понесете огромные убытки.

Однако, если строго рассчитать математическое ожидание (теория вероятностей), обнаружится удивительный факт. Математически вам следует занять все возможные деньги и участвовать в этой игре, независимо от того, стоит ли вход 10 000 долларов или 100 миллионов.

Почему же так происходит?

2. Давайте посчитаем математическое ожидание

Математическим показателем, позволяющим судить о том, «выгодна или убыточна» азартная игра, является «математическое ожидание». Математическое ожидание — это число, которое показывает, «сколько в среднем вы будете выигрывать за одну игру, если повторите ее много раз». Формула расчета — это сумма произведений «возможного выигрыша» на «вероятность этого выигрыша».

Давайте рассчитаем математическое ожидание для нашей игры.

Вероятность того, что решка выпадет при первом броске: $\frac{1}{2}$ Призовой фонд: $2$ доллара. Вклад в ожидание = $2 \times \frac{1}{2} = 1$ доллар
Вероятность того, что решка выпадет при втором броске: выпадает орел, затем решка, поэтому $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ Призовой фонд: $4$ доллара. Вклад в ожидание = $4 \times \frac{1}{4} = 1$ доллар
Вероятность того, что решка выпадет при третьем броске: выпадает орел, орел, решка, поэтому $(\frac{1}{2})^3 = \frac{1}{8}$ Призовой фонд: $8$ долларов. Вклад в ожидание = $8 \times \frac{1}{8} = 1$ доллар
Вероятность того, что решка выпадет при $n$-ном броске: $(\frac{1}{2})^n$ Призовой фонд: $2^n$ долларов. Вклад в ожидание = $2^n \times (\frac{1}{2})^n = 1$ доллар

Иными словами, на каком бы шаге ни закончилась игра, математическое ожидание для этого исхода всегда будет равно «1 доллару». Поскольку игра может продолжаться до бесконечности, сумма всех этих математических ожиданий будет выглядеть так:

$$ \text{Общее ожидание} = 1 + 1 + 1 + 1 + \dots = \infty \text{ (бесконечность)} $$

Математика выдала ответ: «Математическое ожидание этой игры равно бесконечности». Раз ожидание бесконечно, то, независимо от стоимости входного билета, теоретически это абсолютно «выгодная игра».

Именно это противоречие, сформулированное Николаем Бернулли в 1713 году, называется «Санкт-Петербургским парадоксом». Правильный математический расчет (игра имеет бесконечную ценность) жестко противоречит здравому смыслу человека (он готов заплатить всего несколько долларов).

3. Открытие «полезности», устранившее разрыв между математикой и человеком

Этот парадокс разрешил двоюродный брат Николая, гениальный математик Даниил Бернулли. (Парадокс получил такое название, потому что Даниил опубликовал свою статью в Петербургской академии наук).

Даниил обратился к человеческой психологии. Он предположил: «Люди оценивают вещи не по ‘абсолютной сумме’ денег, а по ‘удовлетворению (полезности)’, которое эти деньги приносят».

Это называется «законом убывающей предельной полезности».

Ценность денег падает в зависимости от того, сколько их у вас уже есть

Например, когда вы находитесь в пустыне и умираете от жажды, первый стакан воды обладает такой ценностью (удовлетворением), что вы готовы отдать за него «даже 10 000 долларов». Однако со вторым, третьим и последующими стаканами ценность одной порции воды стремительно падает. К десятому стакану вы скажете: «Даже бесплатно не надо».

То же самое происходит и с деньгами.

«10 000 долларов» для человека без сбережений имеют колоссальную ценность, способную спасти его жизнь.
Но те же «10 000 долларов» для Илона Маска, обладающего активами в миллиарды, имеют не больше ценности (удовлетворения), чем найденная на дороге монета.

Иными словами, даже если призовой фонд бесконечно удваивается: 2 доллара $\rightarrow$ 4 доллара $\rightarrow$ 8 долларов $\rightarrow$ 16 долларов…, ощущаемая человеком «радость (полезность)» не растет до бесконечности пропорционально сумме.

4. Пересчет математического ожидания с использованием «полезности»

Даниил Бернулли выдвинул гипотезу, что «ценность денег (полезность), ощущаемая человеком, пропорциональна логарифму ($\log$) суммы».

Обозначив сумму как $x$, выразим воспринимаемую человеком ценность (полезность) $u(x)$ в виде логарифмической функции (для простоты возьмем модель с основанием 2).

Полезность выигрыша $2$ доллара: $\log_2(2) = 1$
Полезность выигрыша $4$ доллара: $\log_2(4) = 2$
Полезность выигрыша $8$ долларов: $\log_2(8) = 3$
Полезность выигрыша $2^n$ долларов: $\log_2(2^n) = n$

Сумма денег удваивается, но человеческая «радость» растет лишь понемногу: 1, 2, 3… Давайте заново рассчитаем математическое ожидание (ожидаемую полезность), используя эту «полезность».

$$ \text{Ожидаемая полезность} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

Если вычислить сумму этого бесконечного ряда, результат не будет равен «бесконечности», а сойдется к «2». Обратно вычислив сумму, соответствующую полезности «2», получим $2^2 = 4$ доллара.

Таким образом, если пересчитать ожидание с учетом человеческой психологии (полезности), получается чрезвычайно разумный и реалистичный ответ: «С точки зрения человеческого восприятия ценность этой игры составляет примерно ‘4 доллара’». Именно поэтому мы не испытываем желания платить 10 000 долларов за участие в ней.

5. Заключение: парадокс, открывший двери в экономику

Санкт-Петербургский парадокс стал революционным открытием, математически доказавшим несовпадение объективных цифр («суммы денег») и субъективной ценности («человеческого удовлетворения»).

Концепция «полезности (Utility)», предложенная Даниилом Бернулли, спустя 200 лет стала важнейшей основой современной микроэкономики и финансовой инженерии (например, теории портфеля). Наши действия, такие как покупка страховки или диверсификация инвестиций, полностью объясняются этим психологическим механизмом человека, известным как «убывающая предельная полезность» (страдание от больших убытков намного перевешивает радость от большой прибыли).

Простая математическая задачка об азартной игре стала ключом к пониманию человеческого разума и рождению огромной науки — экономики.

Парадокс двух конвертов: как бесконечное математическое ожидание разрушает логику и создает ловушки в принятии решений

Thu, 10 Sep 2026 00:00:00 +0900

1. Главный выбор: менять или не менять?

Вы находитесь на финальном этапе телеигры. На столе перед вами лежат два конверта (А и Б), которые выглядят абсолютно одинаково. Ведущий говорит:

“В одном из конвертов находится в два раза больше денег, чем в другом. Выберите один из них.”

После некоторых колебаний вы выбрали конверт А. И как раз в тот момент, когда вы собираетесь посмотреть его содержимое, ведущий искушающе шепчет:

“Прямо сейчас вы можете поменять ваш конверт А на оставшийся конверт Б. Хотите поменяться?”

Итак, стоит ли вам менять конверты?

2. «Бесконечный цикл», порожденный вычислением математического ожидания

Давайте теперь задействуем немного математического мышления. Пусть сумма денег в вашем конверте А равна $X$ иен. Согласно правилам, сумма в конверте Б — это либо “половина от $X$ иен ($\frac{X}{2}$)”, либо “в 2 раза больше $X$ иен ($2X$)”. Вероятность каждого варианта составляет $\frac{1}{2}$ (50%).

Теперь давайте посчитаем математическое ожидание (ожидаемую среднюю сумму) в случае обмена конвертами.

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

Получился удивительный результат. Просто поменяв конверты, математическое ожидание подскакивает с изначальных $X$ иен до в $1.25$ раза (увеличение на 25%). Напрашивается вывод: “Если мыслить математически, менять конверт — безусловно выгодно!”.

Однако здесь происходит разрушение логики. Предположим, вы поменяли его на конверт Б. Что будет, если сразу после этого ведущий снова спросит: “Не хотите ли вернуться обратно к А?” Сработает та же самая формула, и на этот раз окажется, что “при обмене Б на А ожидаемая сумма увеличится в 1,25 раза”.

Другими словами, просто продолжая обменивать “А на Б” и “Б на А”, теоретическое математическое ожидание будет расти до бесконечности. Это очевидным образом противоречит реальности (содержимое конвертов зафиксировано с самого начала, и оно не увеличивается от факта обмена).

graph TD Start["Вы выбираете конверт А (содержит X иен)"] --> Think["Считаем, выгоден ли обмен"] Think --> Case1["В конверте Б половина (X/2 иен) : вероятность 50%"] Think --> Case2["В конверте Б в 2 раза больше (2X иен) : вероятность 50%"] Case1 --> Calc["Математическое ожидание = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["Меняем на конверт Б! (содержит Y иен)"] SwitchToB --> ThinkAgain["Снова считаем"] ThinkAgain --> Case3["В конверте А половина (Y/2 иен) : вероятность 50%"] ThinkAgain --> Case4["В конверте А в 2 раза больше (2Y иен) : вероятность 50%"] Case3 --> Calc2["Математическое ожидание = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["Снова меняем на конверт А!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

Почему, казалось бы, идеальный расчет математического ожидания породил такой странный парадокс?

3. Разоблачение математического трюка: подмена переменных

Ловушка этого парадокса кроется в «использовании случайной величины $X$».

В предыдущей формуле сумма $X$ в конверте А рассматривалась как фиксированная константа, и предполагалось, что в конверте Б находится либо «$\frac{X}{2}$», либо «$2X$». Однако на самом деле фиксированными являются «общая сумма денег в обоих конвертах», или же «меньшая из двух сумм».

Пусть сумма в конверте с меньшим количеством денег равна $S$. Тогда в конверте с большим количеством денег находится сумма $2S$. Существует только 2 возможных сценария игры (вероятность каждого $\frac{1}{2}$):

Сценарий 1: Выбранный вами конверт А содержит меньшую сумму ($S$), а конверт Б — большую ($2S$).
Сценарий 2: Выбранный вами конверт А содержит большую сумму ($2S$), а конверт Б — меньшую ($S$).

Теперь давайте правильно посчитаем математическое ожидание для случаев «без обмена» и «с обменом» конвертами.

Математическое ожидание без обмена $E_{stay}$:

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

Математическое ожидание с обменом $E_{switch}$: При сценарии 1 вы получите $2S$, а при сценарии 2 вы получите $S$.

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

Математические ожидания чудесным образом совпали! В первом ошибочном расчете мы рассматривали разные значения под одной и той же переменной $X$: $X$ в сценарии 1 (на самом деле это $S$) и $X$ в сценарии 2 (на самом деле это $2S$). Из-за этого и возникла иллюзия того, что “обмен повышает математическое ожидание”.

pie title "Истинное математическое ожидание (если меньшая сумма равна S)" "Ожидание без обмена (1.5S)" : 50 "Ожидание с обменом (1.5S)" : 50

4. Что будет, если вы всё-таки откроете конверт?

Кажется, что парадокс разрешен. Но нас ждет еще более глубокая проблема.

Что, если перед обменом вы посмотрели бы содержимое вашего конверта А? Вы открываете конверт А и видите в нем «10 000 иен».

В этот момент $X = 10000$ становится зафиксированным значением. В конверте Б находится либо «5 000 иен», либо «20 000 иен». Что будет, если мы применим сюда нашу первоначальную формулу?

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

Ожидаемая сумма — 12 500 иен. Это определенно больше ваших текущих 10 000 иен. Более того, на этот раз $X$ является “конкретной константой” в 10 000 иен, поэтому предыдущий аргумент о “подмене переменных” больше не работает. Означает ли это, что теперь совершенно точно выгодно поменяться?

Опровержение с помощью байесовского вывода: отсутствие «априорного распределения»

В ответ на это математики предложили концепцию «априорного распределения сумм (априорной вероятности)». Вопрос в том: можем ли мы действительно утверждать, что 5 000 иен и 20 000 иен находятся там с вероятностью $\frac{1}{2}$ каждое?

Например, предположим, что бюджет телеигры составляет максимум 100 миллионов иен. Если вы откроете конверт А и обнаружите там «60 миллионов иен», вероятность того, что в конверте Б находится «120 миллионов иен», равна нулю (поскольку это превысит бюджет). Это означает, что чем больше сумма в конверте А, тем ниже вероятность того, что в конверте Б сумма “в два раза больше”, и тем выше вероятность, что там “половина”.

Если предположить произвольное априорное распределение $P(x)$ и посчитать математическое ожидание по теореме Байеса, то математически доказано, что при любом реалистичном распределении вероятностей (сумма которых равна 1) не существует такого “магического” распределения, при котором “поменяться было бы выгодно” для любой суммы $X$.

5. Ловушка бесконечности: связь с Санкт-Петербургским парадоксом

Существует лишь один единственный случай, когда “обмен выгоден при любых $X$”. Он возможен только при допущении, что бюджет телеигры бесконечен, и мы имеем дело с “несобственным распределением вероятностей” (распределением, сумма которого равна бесконечности), где любая сумма (1 иена, 2 иены, 4 иены, 8 иен… до бесконечности) может выпасть с одинаковой вероятностью.

Однако в реальном мире не существует телеканалов с бесконечными активами. Этот сбой, вызванный “бесконечным математическим ожиданием”, имеет глубокие общие корни с Санкт-Петербургским парадоксом (задачей о том, сколько человек готов заплатить за участие в игре с бесконечным математическим ожиданием выигрыша).

6. Заключение: коварство вероятности и математического ожидания

Несмотря на то, что “Парадокс двух конвертов” состоит из простейших умножений и сложений, он преподносит нам следующие уроки:

Ошибки из-за неоднозначности определений: если четко не определить, на что указывает переменная (указывает ли $X$ всегда на одну и ту же сумму), логика легко разрушится.
Иллюзия «нет информации = вероятность 50%»: предположение “если я не знаю, значит шансы 50 на 50” (принцип недостаточного основания) порой может привести к фатальным ошибкам в расчетах.
Сложность работы с бесконечностью: введение в расчеты концепции “бесконечности”, неприменимой в реальном мире, приводит к результатам, противоречащим здравому смыслу.

В следующий раз, когда вам в жизни покажется, что “трава у соседа зеленее, и было бы выгоднее поменяться”, вспомните этот парадокс. Возможно, в ваших расчетах просто произошла подмена переменных.

Парадокс дней рождения: 50% и более при 23 людях? Магия "комбинаций", обманывающая интуицию

Thu, 10 Sep 2026 00:00:00 +0900

1. Проверка интуиции: Сколько человек нужно, чтобы вероятность превысила 50%?

Люди собираются на вечеринке. Как вы думаете, какое минимальное количество людей необходимо для того, чтобы “вероятность того, что в зале найдется хотя бы одна пара людей с абсолютно одинаковыми днями рождения (месяц и день), превысила 50%”? (Предположим, что високосные годы исключаются, в году 365 дней, и все дни рождения равновероятны).

Человеческая интуиция склонна рассчитывать так: “В году целых 365 дней. Поскольку мы помещаем людей в 365 ячеек, где они могут совпасть, должно потребоваться хотя бы около 180 человек. Как минимум, разве не нужно 50-60 человек, чтобы вероятность составила половину?”

Однако математически выведенный правильный ответ — всего лишь “23 человека”. В школьном классе (около 30-40 человек) вероятность наличия пары с одинаковыми днями рождения возрастает примерно до 70-89%. Если людей 50, эта вероятность достигает 97%, и возникает ситуация, когда “скорее необычно, если нет людей с одинаковыми днями рождения”.

Почему же наша интуиция настолько расходится с реальной вероятностью?

2. Причина ошибки интуиции: Разница между “Я и кто-то” и “Кто-то и кто-то”

Главная причина, по которой интуиция ошибается в этой задаче, заключается в том, что мы бессознательно думаем о “вероятности того, что найдется кто-то с тем же днем рождения, что и у определенного человека (например, вас)”.

Если вы входите в зал и ищете: “Есть ли здесь кто-то с таким же днем рождения, как у меня?”, вероятность того, что среди 23 человек найдется кто-то с таким же днем рождения, составляет всего около 6,1%. (Чтобы эта вероятность превысила 50%, требуется целых 253 человека).

Однако парадокс дней рождения спрашивает не о паре “Я и кто-то”. Достаточно, чтобы совпала хотя бы одна пара среди “всевозможных комбинаций всех людей в зале друг с другом (господин А и господин Б, господин Б и господин В, господин В и господин А…)”.

graph TD subgraph "Иллюзия интуиции: сравнение вокруг \"Себя\"" You["Я"] --- P1["Господин А"] You --- P2["Господин Б"] You --- P3["Господин В"] You --- P4["Господин Г"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "Реальность: Сравнение \"всех со всеми\"" A["Господин А"] --- B["Господин Б"] A --- C["Господин В"] A --- D["Господин Г"] B --- C B --- D C --- D end

Даже в группе из 4 человек существует 3 варианта сравнения вокруг “себя”, но сравнение всех со всеми дает 6 вариантов (${}_4 C_2 = 6$). Когда количество людей увеличивается до 23, количество возможных комбинаций пар взрывообразно возрастает до 253 (${}_{23} C_2$). Если у нас 253 пары, разве не кажется возможным, что хотя бы одна из них “вытянет” вероятность “1 к 365”?

3. Математическое доказательство: Элегантное решение через противоположное событие

Прямой расчет “вероятности того, что хотя бы у одной пары совпадают дни рождения” очень сложен (потому что слишком много вариантов: если совпадает только 1 пара, если совпадают 2 пары, если 3 человека имеют одинаковый день рождения… и т.д.). Поэтому мы воспользуемся базовым приемом теории вероятностей — “противоположным событием”.

Противоположное событие означает “вероятность того, что событие не произойдет”. Другими словами, мы вычисляем “вероятность того, что дни рождения всех людей разные (ни одно совпадение)”, и вычитаем это из 100% (из 1), чтобы получить искомую вероятность.

$$ P(\text{хотя бы двое совпадают}) = 1 - P(\text{все дни рождения разные}) $$

Давайте представим людей, входящих в зал по очереди, и рассчитаем.

1-й человек: Нет риска совпадения с кем-либо. Вероятность равна $\frac{365}{365}$.
2-й человек: День рождения должен отличаться от первого человека. Любой из оставшихся 364 дней подходит. Вероятность равна $\frac{364}{365}$.
3-й человек: День рождения должен отличаться от предыдущих двух. Любой из оставшихся 363 дней подходит. Вероятность равна $\frac{363}{365}$.

Умножая это до $n$-го человека, мы получаем общий член для вероятности того, что дни рождения всех разные, $P(n)'$.

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Следовательно, искомая “вероятность того, что хотя бы два человека имеют одинаковый день рождения $P(n)$” выглядит так:

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Подставляя количество людей $n$ в эту формулу, мы видим, что вероятность возрастает с поразительной скоростью.

При $n = 10$ вероятность составляет около 11,7%
При $n = 23$ вероятность составляет около 50,7% (Здесь она превышает 50%!)
При $n = 40$ вероятность составляет около 89,1%
При $n = 70$ вероятность составляет около 99,9%

pie title "Вероятность при собрании 23 человек" "Есть пара с одинаковым днем рождения (50.7%)" : 50.7 "У всех разные дни рождения (49.3%)" : 49.3

4. Приближенное вычисление с помощью ряда Тейлора

Выполнять умножение 23 раза вручную тяжело, поэтому давайте используем математическую формулу приближения для более интуитивного понимания.

Рассмотрим разложение в ряд Тейлора экспоненциальной функции $e^{-x}$. Когда $x$ достаточно мало, справедливо следующее приближение:

$$ e^{-x} \approx 1 - x $$

Применяя это к каждому члену $\left(1 - \frac{k}{365}\right)$ из предыдущего расчета:

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

Перемножая все это (согласно правилам степеней, это становится сложением), получаем:

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

Сумма от 1 до $n-1$ равна $\frac{n(n-1)}{2}$ (то есть число сочетаний ${}_n C_2$), поэтому:

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

В этой формуле найдем $n$, при котором вероятность равна 50% ($0.5$).

$$ 0.5 = e^{-\frac{n(n-1)}{730}} $$

Возьмем натуральный логарифм от обеих частей ($\ln 0.5 \approx -0.693$).

$$ -0.693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0.693 \times 730 \approx 505.89 $$

Аппроксимируя как $n^2 \approx 506$, получаем $n = \sqrt{506} \approx 22.49$ Блестяще выведен ответ $n \approx 23$!

5. Применение в повседневной жизни и “Коллизия хеш-функций”

Этот парадокс — не просто тема для застольной беседы. Он играет чрезвычайно важную роль в теории криптографии и информационной безопасности, на которых держится современное IT-общество.

В компьютерных системах используется механизм под названием “хеш-функция” для быстрой проверки идентичности паролей или файлов. Хеш-функция, независимо от того, какие данные в нее введены, возвращает случайную строку фиксированной длины (хеш-значение). Однако явление, при котором эти хеш-значения случайно совпадают, называется “коллизией хеш-функции” (Hash Collision).

Коллизии хеш-функций происходят точно по тому же принципу, что и парадокс дней рождения. Вопреки человеческой интуиции, которая говорит: “Поскольку количество видов хеш-значений астрономически велико, коллизии будут происходить крайне редко”, для злоумышленника генерировать случайным образом огромное количество данных и находить “пару, где одно совпадает с другим (совпадающие дни рождения)”, намного проще, чем кажется.

Это называется “Атака «Дни рождения»” (Birthday Attack). Инженеры, проектирующие системы безопасности, принимают за основу тот математический факт, что “коллизии происходят намного быстрее, чем подсказывает интуиция”, и устанавливают длину хеш-значения очень большой, чтобы гарантировать безопасность.

6. Заключение: Границы человеческой интуиции

Парадокс дней рождения — идеальный пример того, насколько уязвима человеческая интуиция к “экспоненциальному росту” и “комбинаторным взрывам”.

Мы сильны в восприятии линейного (аддитивного) роста, но не можем смоделировать в уме явление, когда количество пар взрывообразно увеличивается в темпе $n^2$. За интуицией “число 23 слишком мало по сравнению с большим числом 365” скрываются “253 невидимые нити (пары)”, сплетенные 23 людьми.

В следующий раз, когда вы окажетесь в месте скопления людей, попробуйте представить не только видимое “количество людей”, но и бесчисленные “нити комбинаций”, существующие между ними. Ваше видение мира должно немного измениться с математической точки зрения.

Проблема Монти Холла: ловушка теории вероятностей, обманывающая интуицию, и полное решение с помощью байесовского вывода

Thu, 10 Sep 2026 00:00:00 +0900

1. Место действия — телевикторина: что бы вы сделали?

В 1990 году в колонку “Спросите Мэрилин” (Ask Marilyn) американского новостного журнала “Parade” поступил следующий вопрос от читателя:

Вы — участник телевизионной игры. Перед вами 3 двери (A, B, C). За одной из дверей находится новый автомобиль (выигрыш), а за двумя другими — козы (проигрыш).

Сначала вы выбираете дверь A.

Затем ведущий Монти Холл, который знает, где находится новый автомобиль, открывает из оставшихся дверей дверь B, за которой стоит коза.

Монти говорит вам: «Теперь вы можете изменить свой выбор на дверь C. Что вы решите?»

Итак, стоит ли вам менять дверь?

Интуитивно кажется: «Остались 2 двери, A и C. Поскольку новый автомобиль может быть за любой из них с равной случайностью, вероятность выигрыша составляет $\frac{1}{2}$ (50%) для обеих. Поэтому нет никакой разницы, менять выбор или нет».

Однако колумнистка Мэрилин вос Савант (занесенная в Книгу рекордов Гиннесса как обладательница самого высокого IQ) ответила: «Вам следует изменить выбор. Если вы это сделаете, ваши шансы на выигрыш удвоятся».

Этот ответ вызвал сенсацию по всей Америке, и в редакцию обрушилась лавина из примерно 10 000 писем с протестами (из которых около 1000 были от ученых со степенью доктора математики). Это была буря резкой критики вроде «вы не понимаете основ теории вероятностей» или «это женская логика». Но, забегая вперед, ответ Мэрилин был математически абсолютно верен.

2. Расхождение между интуицией и математикой: Разветвление вероятностей в Mermaid

Почему наша интуиция создает иллюзию вероятности «$\frac{1}{2}$»? Для начала давайте визуализируем все паттерны игры.

graph TD Start["Начало игры"] --> CarA["Новый автомобиль за дверью A (вероятность 1/3)"] Start --> CarB["Новый автомобиль за дверью B (вероятность 1/3)"] Start --> CarC["Новый автомобиль за дверью C (вероятность 1/3)"] CarA --> PickA1["Вы выбираете дверь A"] CarB --> PickA2["Вы выбираете дверь A"] CarC --> PickA3["Вы выбираете дверь A"] PickA1 --> HostB_or_C["Ведущий открывает B или C"] PickA2 --> HostC["Ведущий обязательно открывает C"] PickA3 --> HostB["Ведущий обязательно открывает B"] HostB_or_C --> Stay1["Не менять: Выигрыш!"] HostB_or_C --> Switch1["Изменить: Проигрыш..."] HostC --> Stay2["Не менять: Проигрыш..."] HostC --> Switch2["Изменить: Выигрыш!"] HostB --> Stay3["Не менять: Проигрыш..."] HostB --> Switch3["Изменить: Выигрыш!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

Предполагая, что вы выбрали «дверь A», с равной вероятностью ($\frac{1}{3}$) могут произойти 3 следующих сценария:

Сценарий 1 (Новый автомобиль за A): Ведущий открывает B или C, где находится коза. Если изменить выбор, то проигрыш.
Сценарий 2 (Новый автомобиль за B): Ведущий может открыть только C, где коза. Если изменить выбор, то выигрыш.
Сценарий 3 (Новый автомобиль за C): Ведущий может открыть только B, где коза. Если изменить выбор, то выигрыш.

Другими словами, в 2 случаях из 3 (Сценарии 2 и 3) возникает ситуация, когда «изменение двери гарантирует выигрыш». Следовательно, вероятность выигрыша при изменении выбора составляет $\frac{2}{3}$, что в 2 раза больше вероятности выигрыша $\frac{1}{3}$, если выбор не менять.

3. Строгое доказательство с помощью теоремы Байеса

Для строгого математического решения этой проблемы мы используем «теорему Байеса», которая вычисляет условную вероятность.

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

Здесь мы определяем события следующим образом:

$C_A, C_B, C_C$ : События, при которых новый автомобиль находится за дверью A, B и C соответственно. Априорные вероятности: $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
Предположим, что сначала вы выбрали дверь A.
$M_B$ : Событие, при котором ведущий открывает дверь B с козой.

То, что мы хотим найти, — это «вероятность того, что новый автомобиль находится за дверью C, при условии, что ведущий открыл дверь B», то есть апостериорную вероятность $P(C_C|M_B)$.

Сначала рассмотрим вероятность $P(M_B|C_X)$ того, что ведущий откроет дверь B, в зависимости от того, где находится машина.

Если новый автомобиль за дверью A ($C_A$) Ведущий может случайно открыть B или C.
$$ P(M_B|C_A) = \frac{1}{2} $$
Если новый автомобиль за дверью B ($C_B$) Поскольку ведущий не может открыть дверь с автомобилем, вероятность того, что он откроет B, равна нулю.
$$ P(M_B|C_B) = 0 $$
Если новый автомобиль за дверью C ($C_C$) Поскольку ведущий не может открыть A (которую вы выбрали) и C (где находится машина), ему неизбежно придется открыть B.
$$ P(M_B|C_C) = 1 $$

Далее мы находим полную вероятность $P(M_B)$ того, что ведущий откроет дверь B, по «формуле полной вероятности».

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

Наконец, мы применяем теорему Байеса для вычисления апостериорной вероятности для дверей A и C.

Вероятность того, что новый автомобиль находится за дверью A (если не менять выбор):

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

Вероятность того, что новый автомобиль находится за дверью C (если изменить выбор):

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

Даже математическое доказательство ясно показывает, что «изменение двери удваивает вероятность выигрыша (2/3)».

4. Когнитивное искажение: Ценность информации под названием «условие»

Почему даже многие гениальные математики интуитивно ошиблись в этой задаче? Всё дело в заложенных в человеческий мозг «предвзятости к равной вероятности» и «ошибке обновления информации».

4.1. Предвзятость к равной вероятности (Equiprobability Bias)

Люди склонны бессознательно предполагать, что «оставшиеся варианты всегда имеют равную вероятность», когда сталкиваются с неизвестными альтернативами. В тот момент, когда мы видим, что осталось две двери, мозг автоматически маркирует их как «$50\%$ : $50\%$».

4.2. Информация о «намерениях» ведущего

Главная причина, по которой интуиция нас подводит, заключается в игнорировании того факта, что действия ведущего не случайны. Если бы правило было таким: «Ведущий не знает, где автомобиль, случайно открывает дверь, и там случайно оказывается коза» (это называется «Проблема Монти Фолла» (Monty Fall problem)), то вероятности для дверей A и C действительно были бы по $\frac{1}{2}$.

Однако в реальной проблеме Монти Холла ведущий действует под строгими ограничениями:

Он не может открыть дверь, которую выбрал участник.
Он не может открыть дверь, за которой находится новый автомобиль.

Из-за этих ограничений само действие ведущего — «открытие двери B» — дает нам огромную информацию о двери C. В этом заключается скрытое послание: «Я не мог открыть дверь C (потому что там находится новый автомобиль)».

5. Исправление интуиции с помощью экстремального примера

Если вас всё еще не убедили, давайте увеличим количество дверей до 1 миллиона.

Вы выбираете дверь 1 из 1 миллиона дверей. (Вероятность выигрыша $\frac{1}{1,000,000}$)
Всезнающий ведущий открывает 999 998 дверей, за которыми находятся козы, из оставшихся 999 999 дверей.
Закрытыми остаются только ваша «дверь 1» и «дверь 777 777», которую ведущий намеренно оставил.

Ну что, теперь вы поменяете свой выбор? В этом случае вам не следует менять выбор только если вы верите, что с самого начала вытянули чудо с вероятностью «один на миллион». Но в реальности интуитивно понятно, что вероятность того, что новый автомобиль находится за «той единственной дверью, которую ведущий ни в коем случае не мог открыть», составляет $\frac{999,999}{1,000,000}$.

Проблема Монти Холла (с 3 дверями) — это просто то же самое явление, но в уменьшенном масштабе «миллиона дверей».

pie title "Эффект от смены двери (100 симуляций)" "Сменил и выиграл (около 66.7%)" : 67 "Не сменил и выиграл (около 33.3%)" : 33

6. Заключение: Уроки бизнеса и жизни от теории вероятностей

Проблема Монти Холла выходит за рамки простой викторины и преподает нам важные уроки.

Интуиция часто ошибается: Человеческий мозг не эволюционировал для интуитивной обработки сложных условных вероятностей. Опасно полагаться только на интуицию при принятии важных решений.
Обновление вероятностей новой информацией (Байесовское обновление): Когда ситуация меняется и поступает новая информация (например, какую дверь открыл ведущий), ключом к успеху становится умение гибко обновлять вероятности и стратегии, а не цепляться за старые убеждения.

Маленькое решение «изменить дверь» может удвоить ваши шансы заполучить «новый автомобиль» в вашей жизни.