1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
лучше, что ни одна цифра в вычисленном значении р не<br />
заслуживает доверия.<br />
Он рассмотрел две гипотезы: р 1 = 0.500391 и р 2 = 1 – р 1 .<br />
Ошибочно считая, что априорно обе гипотезы равновероятны, и<br />
приняв, что р 1 ≈ р 2 ≈ 1/2, он подсчитал по локальной теореме<br />
Муавра – Лапласа<br />
2<br />
P( p = p1<br />
) ∆p<br />
= exp[ − ] = 1÷ 0.294332 ≈ 3.40.<br />
P( p = p ) 2npq<br />
2<br />
Так каков же вывод? И почему Бертран не поверил в<br />
статистическую вероятность, которую при столь большом n<br />
вполне можно было принять за теоретическую? Притом более<br />
просто было бы подсчитать<br />
m<br />
n<br />
P1 p1 (1 − p1 ) ⎛ p ⎞<br />
1<br />
= =<br />
m<br />
n ⎜ ⎟<br />
P2 p2 (1 − p2)<br />
⎝ p2<br />
⎠<br />
m−n<br />
.<br />
По сути Бейес не верил в бейесовский подход. В случае одногоединственного<br />
броска он (с. 160 – 161) обозначил вероятность<br />
герба через х, и, как в задаче № 2, получил<br />
1<br />
∫<br />
P(1/2 ≤ p ≤ 1) = C xdx = 3/8 C, P(1/2 ≤ p ≤ 1) = 1/8 C.<br />
1/2<br />
Сумма вероятностей должна равняться 1, а потому С = 2, и вторая<br />
вероятность равна 3/4. Подобное следствие достаточно, чтобы<br />
осудить принцип (т. е. бейесовский подход), заключил Бертран,<br />
усиливая своё прежнее высказывание [24, с. 637]. Современный<br />
автор (Roberts 1978, с. 12) признал трудность рассмотрения<br />
одного испытания. Впрочем, Бертран никакого принципа не<br />
опроверг, поскольку следовало воспользоваться результатами<br />
Бейеса, а Курно (1843, § 95), очевидно вслед за Лапласом, указал,<br />
что заключения подобного рода становятся всё более<br />
объективными с возрастанием числа испытаний. В § 93 он заявил,<br />
что случай одного испытания недостаточен для заключения.<br />
7. Порядковые статистики<br />
Бертран доказал несколько теорем о средних значениях<br />
порядковых статистик. Он начал со случайной переменной ∆ с<br />
законом распределения<br />
k<br />
= − (1)<br />
π<br />
2 2<br />
φ( x) exp( k x ),<br />
так что Е∆ 2 = 1/2k 2 , Е|∆| = 1/k√π. (2a, b)<br />
1) Наблюдения случайно распределены попарно. Определить<br />
среднее (т. е. ожидаемое) значение наибольшей по абсолютной<br />
110