В настоящей главе приводится несколько Примеров использования теории вероятностей и математической статистики при решении специальных информационных задач.
МЫСЛИТЬ КАТЕГОРИЯМИ ТЕОРИИ ВЕРОЯТНОСТЕЙ
Многие явления, с которыми приходится иметь дело офицеру информации, являются только вероятными. Часто информационная работа разведки приносит особенно большую пользу благодаря умелому использованию данных о вероятных явлениях. В свете этих данных можно по-новому осмыслить тот или иной важный вопрос.
«Мышление категориями теории вероятностей» и восприятие мира через призму статистики помогает вырабатывать правильное представление о явлениях, которые мы изучаем, и является ценным методом решения многих задач. Ниже рассматриваются некоторые вопросы, связанные с теорией вероятностей, которые неизбежно должны возникнуть у человека, мыслящего категориями этой теории.
Офицер информации, мыслящий категориями теории вероятностей, поймет, что степень достоверности различных сведений, с которыми он имеет дело, может колебаться от почти полной достоверности до почти полной недостоверности. В соответствии с теорией вероятностей достоверность выражается как «вероятность=1» (например, можно почти определенно сказать, что завтра взойдет солнце), а недостоверность как «вероятность=0» (например, предположение о том, что данному человеку сегодня на голову упадет метеор, является настолько нереальным, что вероятность этого события, по существу, сводится к нулю).
Офицер информации поймет, что теоретически почти любое явление возможно, и вместе с тем ему будет ясно, что по соображениям практического характера следует заниматься только теми явлениями, которые характеризуются определенной степенью вероятности. Черчилль как-то сказал: «Невозможно вести войну наверняка». Разведчик-исследователь поймет, что люди, которые в своих рассуждениях и размышлениях постоянно опираются на маловероятные явления, выраженные словами «возможно, что…», лишь зря тратят время. В информационной работе не может получить сколько-нибудь широкого применения точка зрения, согласно которой любую проблему можно решить одним махом.
Человек, мыслящий с учетом требований теории вероятностей, всегда критически относится к следующему аргументу, часто выдвигаемому в спорах с целью прийти к соглашению: «В конце концов вся разница сводится к различию в степени». Он понимает, что различие в степени может на практике означать коренное отличие одного явления от другого. Например, предположим, что вы и я иностранцы, прибывшие на корабле в Нью-Йорк. Я высадился на берег, имея пять центов в кармане, вы — тысячу долларов. Мы находимся в одинаковом положении. У нас обоих есть деньги. Различие в нашем положении только в степени, в количестве денег, которыми располагает каждый из нас.
Тот, кто мыслит категориями теории вероятностей, добросовестно использует в работе возможности, связанные с «рассчитанным риском». Он не побоится пойти на разумный риск. С другой стороны, он не обманывает самого себя и других, делая вид, что в работе его нет никакого риска. Он отдает себе полный отчет в степени риска и заранее намечает, что следует предпринять, если имевшиеся опасения подтвердятся на практике. Располагая самым небольшим минимумом знаний в статистике, он может с большой пользой для дела приблизительно определить степень риска.
Человек, мыслящий с учетом требований теории вероятностей, поймет, что все время случаются совершенно невероятные явления. При игре в бридж, как подсчитал Уивер [72J, вероятность получения при следующей сдаче именно тех карт, которые оказались у вас на руках сейчас, составляет 1: 635 013 599 600. Такова же вероятность получения как посредственных карт, так и карт, состоящих целиком из козырей. Скэрн [71] об этом пишет так:
Офицер информации, интересующийся теорией вероятностей, поступит правильно, прочитав небольшую статью Уивера [72], озаглавленную «Вероятность, редкость, интерес, удивление». Прочитав статью, разведчик поймет, почему Уивер противопоставляет стоящие в заголовке слова друг другу. Он пишет:
В приведенных выше примерах речь шла о единичных явлениях. При сравнительном изучении двух рядов величин можно высчитать коэффициент корреляции между ними.
Например, на свободном рынке обычно наблюдается большая степень корреляции между размером урожая и рыночными ценами на соответствующую продукцию сельского хозяйства. Часто корреляция привлекает наше внимание к причинно-следственным связям, существующим между изучаемыми двумя рядами величин. В области естественных и общественных наук установление существенной корреляции часто заставляет нас искать возможные связи между явлениями, которые в противном случае могли остаться незамеченными. Это особенно характерно для информационной работы.
С точки зрения разведки весьма близким к корреляции является положение, при котором несколько отдельных явлений весьма точно совпадают во времени. Например, у человека, остановившегося в гостинице, когда он спал, украли пять тысяч долларов. Вскоре после этого случая один из ночных сторожей гостиницы уплатил по закладной за свой дом и начал сорить деньгами. Здесь действуют в соответствии с давно известным принципом: Post hoc, ergo propter hoc («После этого — следовательно, вследствие этого»). Необходимо уяснить, какое значение имеет этот принцип.
Описанные нами три случая в равной мере могут привлечь внимание офицера информации и даже вызвать у него определенные сомнения. Вот эти три случая:
1) корреляция двух рядов событий;
2) совпадение во времени двух или нескольких событий;
3) случай, когда имеет место событие, которое a priori рассматривается как весьма невероятное (как в приведенном примере с картами, сдаваемыми при игре в бридж).
В каждом из трех случаев, естественно, могут иметь место или же могут быть придуманы самые нелепые корреляции. Так, Сэржент [78] пишет, что в северном полушарии существует обратная корреляция между среднемесячной температурой воздуха и количеством букв в названии месяца. Месяцы, содержащие много букв в названии, — декабрь, январь и февраль — холодные. Месяцы с короткими названиями — май, июнь, июль — жаркие. В жизни имеется бессчисленное количество забавных» но бессмысленных случаев корреляций и совпадений.
Вопрос: Каким образом должен офицер информации использовать три указанных случая? Следует ли их игнорировать в связи с имеющими место нелепостями? Или, с другой стороны, должен ли он считать, что они о чем-то свидетельствуют, поскольку данный высокий коэффициент корреляции или данное единичное явление могли случайно иметь место только в одном из ста (или миллиона) случаев?
Ответ: Правильное решение этого вопроса не исчерпывается выбором одного из двух предложенных выше выходов. Если обстоятельства оправдывают работу в данном направлении, офицер информации должен продолжить изучение вопроса.
Корреляция, совпадение или необычное явление сами по себе ничего не доказывают, но они могут привлечь внимание к отдельным вопросам и привести к дополнительному исследованию. Для разведки имеет значение только такое положение, при котором можно установить логическую связь между двумя рядами явлений или двумя совпадающими во времени явлениями либо же дать разумное объяснение какому-либо необычному единичному явлению. Для того чтобы вызвать интерес у разведки, необходимо открыть логическую связь между явлениями или дать им определенное объяснение.
Уайтхед [91] пишет:
Таким образом, офицер информации, знакомый с теорией вероятностей, правильно оценивает корреляции с высоким коэффициентом и в высшей степени необычные явления. Он знает, как извлечь ту пользу, которая может в них заключаться. Если данные явления представляют интерес толькоих необычным характером, он не станет зря тратить время на поиски причин, объясняющих, почему они имели место.
Любой группе однородных измеримых величин, таких, например, как рост людей, коэффициент умственного развития, размер заработной платы, свойственно явление дисперсии: некоторые люди имеют высокий рост, другие низкий. Часто мы обнаруживаем, что наряду с существованием отдельных очень низких людей рост подавляющего большинства составляет примерно 1 м 75 см.
Человеку, мыслящему с учетом теории вероятностей, даже если он не знает высшей математики, знакома «кривая нормального распределения», изображенная на рис. 5. На этом рисунке отражена относительная частота повторяемости определенного роста, коэффициента умственного развития и размера заработной платы для любой данной группы явлений. Результаты широкого исследования группы однородных явлений, проведенного выборочным методом, должны графически выразиться в виде кривой, изображенной на рис. 5. Наиболее часто повторяющиеся значения должны сосредоточиваться по обе стороны от линии, изображающей среднее арифметическое значение для данных явлений.
Степень дисперсии может определяться различными путями: путем учета амплитуды, среднего квадратичного отклонения, среднего отклонения, вероятной ошибки и т. д. Соответствующие определения и формулы можно найти в любой книге по математической статистике (см. список литературы в конце книги).
Если результаты изучения частоты повторяемости явлений какой-либо группы изображаются в виде кривой, приведенной на рис. 6, офицер информации может с полным основанием считать, что фактически он изучал не одну, а две различные группы.
Офицер информации, познакомившись с теорией вероятностей, поймет, что при изучении фактического материала можно извлечь ценную для разведки информацию с помощью такого «параметра», как среднее квадратичное отклонение. Он поймет также, что извлечь пользу из большого количества цифр, например из тысячи цифр, едва ли удастся, если не применить какой-либо обобщающий показатель — параметр. Помимо параметров, служащих для определения степени дисперсии, имеются параметры, характеризующие срединную тенденцию повторяемости величин данной группы. Самыми важными параметрами такого рода являются среднее арифметическое значение, медиана и мода. Все эти параметры иногда объединяют под общим названием «среднее значение». Эта категория является довольно любопытной В среднем значении получает выражение «лучшее из худшего и худшее из лучшего».