1. Введение: Крах интуиции «равномерной случайности» в 1889 году
В конечных дискретных пространствах понятие «выбрать наугад» кажется совершенно однозначным: при броске симметричной игральной кости каждая грань выпадает с вероятностью $1/6$. Однако при переходе к непрерывным геометрическим пространствам эта наивная интуиция рушится. В 1889 году французский математик Жозеф Бертран (Joseph Bertrand, 1822–1900) в трактате Calcul des probabilités сформулировал простую геометрическую задачу, вошедшую в историю как парадокс Бертрана.
Рассмотрим на плоскости $\mathbb{R}^2$ единичную окружность $S^1 = \{(x,y) : x^2 + y^2 = 1\}$ радиуса $R = 1$ и вписанный в неё равносторонний треугольник $\triangle ABC$. Длина стороны треугольника равна $L = 2R\sin(\pi/3) = \sqrt{3} \approx 1.732$, а радиус вписанной в него окружности (расстояние от центра $O$ до каждой стороны) равен $r_{\text{in}} = R\cos(\pi/3) = 1/2$.
[Задача Бертрана (1889)] В единичной окружности «наугад» (случайным образом) выбирается хорда $c$. Какова вероятность $P(c > \sqrt{3})$ того, что её длина превзойдёт сторону $L = \sqrt{3}$ вписанного равностороннего треугольника?
Бертран предложил три совершенно естественных, симметричных способа выбора хорды и получил три взаимоисключающих точных ответа: $P_1 = 1/3$, $P_2 = 1/2$ и $P_3 = 1/4$.
flowchart TD
Q["Задача Бертрана (1889)<br/>Случайно выбирается хорда единичной окружности:<br/>какова вероятность P(c > √3)?"]
Q --> M1["Метод 1: Случайные концы на S¹<br/>Центральный угол θ ~ Uniform(0, π)"]
Q --> M2["Метод 2: Случайное расстояние вдоль радиуса<br/>Расстояние от центра r ~ Uniform(0, 1)"]
Q --> M3["Метод 3: Случайная середина в круге D²<br/>Координаты (x, y) ~ Uniform(D²)"]
M1 --> D1["Радиальная плотность<br/>f₁(r) = 2 / (π√(1 - r²))"]
M2 --> D2["Радиальная плотность<br/>f₂(r) = 1"]
M3 --> D3["Радиальная плотность<br/>f₃(r) = 2r"]
D1 --> P1["Вероятность P₁ = 1/3 ≈ 0.3333"]
D2 --> P2["Вероятность P₂ = 1/2 = 0.5000"]
D3 --> P3["Вероятность P₃ = 1/4 = 0.2500"]
2. Строгий вывод трёх классических решений и их плотностей вероятности
Пусть $\theta \in [0, \pi]$ — центральный угол, стягиваемый хордой, $r \in [0, 1]$ — расстояние от центра $O$ до середины хорды $M(x,y) = (r\cos\phi, r\sin\phi)$, а $c$ — длина хорды. По теореме Пифагора:
$$c = 2\sqrt{1 - r^2} = 2\sin\left(\frac{\theta}{2}\right), \qquad r = \cos\left(\frac{\theta}{2}\right) = \sqrt{1 - \frac{c^2}{4}}$$Событие $E = \{c > \sqrt{3}\}$ во всех трёх параметризациях эквивалентно условию:
$$c > \sqrt{3} \iff 2\sqrt{1 - r^2} > \sqrt{3} \iff 0 \le r < \frac{1}{2} \iff \theta \in \left(\frac{2\pi}{3}, \frac{4\pi}{3}\right)$$2.1 Метод 1: Случайные концы хорды на окружности ($P_1 = 1/3$)
В силу вращательной симметрии $SO(2)$ зафиксируем первый конец хорды $A$ в вершине треугольника ($\theta = 0$) и выберем второй конец $B$ равномерно на окружности: $\theta \sim \text{Uniform}(0, 2\pi)$. Условие $c(\theta) > \sqrt{3}$ выполняется тогда и только тогда, когда $B$ попадает на противоположную дугу $\theta \in (2\pi/3, 4\pi/3)$ длины $2\pi/3$ из общей длины $2\pi$:
$$P_1(c > \sqrt{3}) = \frac{4\pi/3 - 2\pi/3}{2\pi} = \frac{1}{3}$$Используя замену $r = \cos(\theta/2)$ ($\theta \in [0, \pi]$, $f_\Theta(\theta) = 1/\pi$) и якобиан $\left|\frac{d\theta}{dr}\right| = \frac{2}{\sqrt{1 - r^2}}$, находим плотности:
$$f_{R,1}(r) = \frac{2}{\pi\sqrt{1 - r^2}}, \qquad f_{C,1}(c) = \frac{2}{\pi\sqrt{4 - c^2}}, \qquad \mathbb{E}_1[c] = \frac{4}{\pi} \approx 1.2732$$2.2 Метод 2: Случайное радиальное расстояние вдоль фиксированного радиуса ($P_2 = 1/2$)
Выберем направление радиуса $\phi \sim \text{Uniform}(0, 2\pi)$ и на нём равномерно выберем расстояние от центра до хорды $r \sim \text{Uniform}(0, 1)$. Поскольку сторона равностороннего треугольника отстоит от центра на $r_{\text{in}} = 1/2$, условие $c > \sqrt{3}$ равносильно $0 \le r < 1/2$:
$$P_2(c > \sqrt{3}) = \int_0^{1/2} 1\,dr = \frac{1}{2}, \qquad f_{R,2}(r) = 1, \qquad f_{C,2}(c) = \frac{c}{2\sqrt{4 - c^2}}, \qquad \mathbb{E}_2[c] = \frac{\pi}{2} \approx 1.5708$$2.3 Метод 3: Случайная середина хорды равномерно по площади круга ($P_3 = 1/4$)
Любая хорда ($r > 0$) однозначно определяется своей серединой $M(x, y) \in D^2$. Если точка $M$ выбирается равномерно по мере Лебега $dx\,dy$ внутри единичного круга $D^2$ ($f_{X,Y}(x,y) = 1/\pi$), то $c > \sqrt{3}$ тогда и только тогда, когда $M$ попадает внутрь концентрического вписанного круга $D_{1/2}$ радиуса $1/2$:
$$P_3(c > \sqrt{3}) = \frac{\text{Площадь}(D_{1/2})}{\text{Площадь}(D_1)} = \frac{\pi (1/2)^2}{\pi (1)^2} = \frac{1}{4}$$Различие между методами 2 и 3 объясняется якобианом полярных координат $dx\,dy = r\,dr\,d\phi$. Интегрирование по $\phi \in [0, 2\pi)$ даёт линейную маргинальную плотность:
$$f_{R,3}(r) = \int_0^{2\pi} \frac{1}{\pi} r\,d\phi = 2r, \qquad f_{C,3}(c) = \frac{c}{2}, \qquad \mathbb{E}_3[c] = \frac{4}{3} \approx 1.3333$$| Характеристика | Метод 1: Случайные концы | Метод 2: Случайный радиус | Метод 3: Случайная середина |
|---|---|---|---|
| Равномерный параметр | Угол $\theta \sim U(0, \pi)$ | Расстояние $r \sim U(0, 1)$ | Площадь $(x,y) \sim U(D^2)$ ($r^2 \sim U(0,1)$) |
| Элемент вероятности $d\mathbb{P}(r,\phi)$ | $\dfrac{1}{\pi^2\sqrt{1 - r^2}}\,dr\,d\phi$ | $\dfrac{1}{2\pi}\,dr\,d\phi$ | $\dfrac{r}{\pi}\,dr\,d\phi = \dfrac{1}{\pi}\,dx\,dy$ |
| Радиальная плотность $f_R(r)$ | $\dfrac{2}{\pi\sqrt{1 - r^2}}$ | $1$ | $2r$ |
| Плотность длины $f_C(c)$ | $\dfrac{2}{\pi\sqrt{4 - c^2}}$ | $\dfrac{c}{2\sqrt{4 - c^2}}$ | $\dfrac{c}{2}$ |
| Вероятность $P(c > \sqrt{3})$ | $1/3 \approx 0.3333$ | $1/2 = 0.5000$ | $1/4 = 0.2500$ |
| Мат. ожидание $\mathbb{E}[c]$ | $4/\pi \approx 1.2732$ | $\pi/2 \approx 1.5708$ | $4/3 \approx 1.3333$ |
3. Кризис принципа недостаточного основания Лапласа и парадокс вина и воды Кейнса (1921)
Классическая теория вероятностей Пьера-Симона Лапласа опиралась на принцип недостаточного основания, названный Джоном Мейнардом Кейнсом (1921) в A Treatise on Probability принципом безразличия (Principle of Indifference). В непрерывном случае задание постоянной плотности $f_X(x) = \frac{1}{b-a}$ на $[a, b]$ при нелинейной замене параметра $y = g(x)$ умножает плотность на якобиан $\left|\frac{dx}{dy}\right|$:
$$f_Y(y) = f_X\bigl(g^{-1}(y)\bigr)\left|\frac{dx}{dy}\right|$$В парадоксе вина и воды Кейнса (1921):
- В бокале находится смесь вина и воды, причём отношение $x = W_{\text{вино}}/W_{\text{вода}}$ лежит в пределах от $1/3$ до $3$. Если $x \sim \text{Uniform}(1/3, 3)$, то медиана равна $x_{\text{med}} = 5/3$, а $P_X(x \le 2) = \frac{2 - 1/3}{3 - 1/3} = \frac{5}{8} = 0.625$.
- Но то же самое условие означает, что обратное отношение $y = 1/x = W_{\text{вода}}/W_{\text{вино}}$ также лежит в $[1/3, 3]$. Если $y \sim \text{Uniform}(1/3, 3)$, то медиана $y_{\text{med}} = 5/3$ (что противоречит $x \cdot y = 1$!), а вероятность того же события $x \le 2 \iff y \ge 1/2$ равна $P_Y(y \ge 1/2) = \frac{3 - 1/2}{3 - 1/3} = \frac{15}{16} = 0.9375 \neq \frac{5}{8}$.
4. Три современных математических и физических разрешения парадокса
flowchart TD
Crisis["Кризис принципа безразличия Лапласа<br/>Нелинейная замена y = g(x) порождает якобиан |dx/dy|"]
Crisis --> R1["Разрешение 1: Колмогоров (1933)<br/>Теоретико-мерная аксиоматика (Ω, F, P)"]
Crisis --> R2["Разрешение 2: Джейнс (1973) и Интегральная геометрия<br/>E(2)-инвариантная кинематическая мера"]
Crisis --> R3["Разрешение 3: Джеффрис (1946) и Информационная геометрия<br/>Элемент объёма метрики Фишера"]
R1 --> R1D["Без явного задания вероятностной меры P задача некорректна;<br/>каждый физический эксперимент задаёт своё вероятностное пространство."]
R2 --> R2D["Инвариантность относительно евклидовой группы движений E(2) однозначно выделяет<br/>кинематическую меру dμ = dp dφ (Метод 2, P = 1/2, формула Коши-Крофтона)."]
R3 --> R3D["Априорное распределение Джеффриса p(θ) ∝ √det I(θ) и мера Хаара dx/x<br/>обеспечивают строгую инвариантность при репараметризации."]
4.1 Аксиоматика А. Н. Колмогорова $(\Omega, \mathcal{F}, \mathbb{P})$ (1933)
В 1933 году Андрей Николаевич Колмогоров в монографии «Основные понятия теории вероятностей» показал, что вероятность определена лишь тогда, когда задана тройка $(\Omega, \mathcal{F}, \mathbb{P})$. Без явного указания вероятностной меры $\mathbb{P}$ фраза «выбрать хорду наугад» математически некорректна.
4.2 Групповая инвариантность Э. Т. Джейнса (1973) и кинематическая мера Пуанкаре–Сантало
В знаменитой статье “The Well-Posed Problem” (1973) физик Эдвин Джейнс доказал, что при бросании длинных соломинок на нарисованный на полу круг распределение прямых $x\cos\phi + y\sin\phi = p$ с мерой $h(p, \phi)\,dp\,d\phi$ должно быть инвариантно относительно:
- Вращений $SO(2)$: $h(p, \phi) = g(p)/(2\pi)$;
- Масштабирования (перехода к концентрическому кругу радиуса $a < 1$);
- Параллельных переносов $\mathbb{R}^2$ (евклидовой группы движений $E(2) = \mathbb{R}^2 \rtimes O(2)$): при сдвиге начала координат на $(x_0, y_0)$ получаем $p' = p - x_0\cos\phi - y_0\sin\phi$, $\phi' = \phi$, причём якобиан преобразования тождественно равен $1$: $$J = \det\frac{\partial(p', \phi')}{\partial(p, \phi)} = \det\begin{pmatrix} 1 & x_0\sin\phi - y_0\cos\phi \\ 0 & 1 \end{pmatrix} = 1$$ Требование $g(p') = g(p)$ однозначно влечёт $g(p) = \text{const.}$
Это единственная $E(2)$-инвариантная кинематическая мера Пуанкаре–Сантало в интегральной геометрии:
$$d\mu(L) = dp\,d\phi$$Согласно формуле Коши–Крофтона (которая также лежит в основе задачи Бюффона о бросании иглы), мера множества прямых, пересекающих выпуклое тело $K \subset \mathbb{R}^2$, равна его периметру $\text{Perimeter}(\partial K)$. Отношение периметра вписанного круга ($\pi$) к периметру единичного круга ($2\pi$) сразу даёт Метод 2 ($P = 1/2$).
4.3 Априорное распределение Джеффриса (1946)
В байесовской статистике Гарольд Джеффрис (1946) ввёл инвариантную плотность через корень из определителя информационной матрицы Фишера $I_{ij}(\theta) = -\mathbb{E}\left[\frac{\partial^2 \ln p(X\mid\theta)}{\partial\theta_i\partial\theta_j}\right]$:
$$p_J(\theta) \propto \sqrt{\det I(\theta)}$$Для парадокса вина и воды мера Хаара мультипликативной группы $(\mathbb{R}_{>0}, \times)$, $d\mu(x) = \frac{dx}{x}$ с плотностью $f(x) = \frac{1}{2\ln 3 \cdot x}$ на $[1/3, 3]$, инвариантна относительно замены $y = 1/x$ и даёт согласованную медиану $x_{\text{med}} = y_{\text{med}} = 1$.
5. Моделирование методом Монте-Карло на Python
| |