Глава 2. Законы правды и полуправды
Когда человек смотрит на небо в безоблачную, безлунную ночь, его глаз различает тысячи мерцающих источников света. Беспорядочно раскиданные по небу звезды на самом деле расположены в определенной закономерности – в виде созвездий. Там Лев, здесь Большая Медведица… Умение распознавать созвездия может быть как преимуществом, так и недостатком. Исаак Ньютон размышлял над закономерностями падения предметов и вывел закон всемирного тяготения. Кто-нибудь другой подмечает, что удачно выступает в спортивных состязаниях, когда на нем ношеные носки, – вот и ходит в грязных. Как распознать среди всевозможных закономерностей природы те, которые действительно имеют смысл? Ответ на этот вопрос можно дать, основываясь исключительно на практике. Геометрия родилась из набора аксиом, теорем, доказательств, разработанных крупными философами, однако не удивляйтесь тому, что теория случайности оказалась порождением умов, интересовавшихся гаданиями и азартными играми, то есть тех, кого мы скорее представим с игральными костями или волшебным снадобьем, нежели с книгой или свитком в руках.
Можно сказать, что в основе теории случайности лежит зашифрованный здравый смысл. Но она же представляет собой и сплошное коварство: бывало, имевшие солидную репутацию специалисты совершали ошибки, а пользовавшиеся дурной славой игроки оказывались правы. Чтобы понять теорию случайности и преодолеть заблуждения, необходим опыт и вдумчивый анализ. Итак, мы начинаем наше путешествие, отталкиваясь от основных законов вероятностей и проблем, связанных с их раскрытием, пониманием и применением. Одним из классических исследований на тему интуитивного понимания людьми этих законов можно считать эксперимент, который провели двое людей, сделавших так много для нашего просвещения, – Дэниэл Канеман и Амос Тверский. Не робейте, присоединяйтесь – узнаете кое-что о своей собственной вероятностной интуиции.
Представьте себе женщину по имени Линда: ей тридцать один год, она не замужем, ей свойственна прямота и исключительный ум. В колледже она в качестве основного предмета изучала философию. В студенческие годы Линда активно выступала против дискриминации и социальной несправедливости, участвовала в демонстрациях против использования ядерной энергии. Все это Тверский и Канеман рассказали группе из восьмидесяти восьми человек и попросили их оценить следующие утверждения по шкале из восьми баллов: 1 балл – наиболее вероятное утверждение, 8 баллов – наименее вероятное. Вот результаты, от наиболее до наименее вероятных (табл. 1).
На первый взгляд может показаться, что ничего необычного в таких результатах нет: по описанию Линда скорее походила на активную феминистку, чем на банковского служащего или страхового агента. Однако обратим внимание на три возможности и их средние баллы, данные ниже в порядке от наиболее до наименее вероятного. 85 % опрашиваемых оценили эти три возможности следующим образом (табл. 2).
Таблица 1
Если вы не видите ничего необычного, значит, Канеману и Тверскому удалось провести вас, потому как если вероятность того, что Линда работает в банке и принимает активное участие в феминистском движении, больше, чем вероятность того, что Линда работает в банке, нарушается наш первый закон вероятностей, один из основных: «Вероятность того, что произойдут оба события, не может быть выше вероятности того, что каждое из событий произойдет по отдельности». Почему нет? Простая арифметика: вероятность того, что событие А произойдет = вероятности того, что события А и В произойдут + вероятность того, что событие А произойдет, а событие В не произойдет.
Для Канемана и Тверского результаты неожиданными не стали – они снабдили опрашиваемых большим количеством возможных вариантов, и связь между тремя сценариями, расположенными в случайном порядке, можно было и выпустить из виду. Канеман и Тверский дали описание Линды еще одной группе, но на этот раз утверждений было только три:
♦ Линда принимает активное участие в феминистском движении.
♦ Линда работает в банке и принимает активное участие в феминистском движении.
♦ Линда работает в банке.
К их удивлению, 87 % опрошенных также выстроили утверждения следующим образом: вероятность того, что Линда работает в банке и принимает активное участие в феминистском движении, оказалась выше вероятности того, что Линда работает в банке. Исследователи решили пойти еще дальше: они прямо попросили группу из тридцати шести совсем неглупых выпускников подумать над ответами, при этом держа в уме наш первый закон вероятностей. Но даже после подсказки двое выпускников продолжали настаивать на нелогичных суждениях.
Канеман и Тверский заметили одну любопытную деталь, связанную с этим упрямым заблуждением: люди не совершат той же ошибки, если задать им вопросы о Линде, не связанные с тем, что они о ней знают. К примеру, предположим следующее – Канеман и Тверский спросили о том, какое из ниже приведенных утверждений наиболее вероятно:
♦ Линда владеет магазином, продающим блинчики по франшизе.
♦ Линда перенесла операцию по изменению пола, теперь ее зовут Ларри.
♦ Линда перенесла операцию по изменению пола, теперь ее зовут Ларри, и она владеет магазином, продающим блинчики по франшизе.
В данном случае несколько опрашиваемых выбрали бы в качестве наиболее вероятного утверждения последнее.
Канеман и Тверский сделали вывод: утверждение «Линда принимает активное участие в феминистском движении» не противоречит описанному характеру Линды, а добавление такой подробности, как работа в банке, только увеличивает правдоподобность утверждения. Но между хипповой юностью Линды и ее четвертым десятком жизни в этом бренном мире могло случиться много чего. Она могла стать религиозной фундаменталисткой, выйти замуж за скинхеда и сделать татуировку свастики на левой ягодице, могла заняться чем-то другим и забыть о своем активном участии в политической жизни. В каждом из этих утверждений, да и во многих других Линда, возможно, не будет принимать активное участие в феминистском движении. Поэтому добавление этой детали снижает вероятность утверждения, пусть даже на первый взгляд кажется ровным счетом наоборот.
Если предлагаемые нам описания вписываются в какие-то там наши представления, то чем больше таких описаний в утверждении, тем более жизненным и, следовательно, более вероятным оно нам кажется, пусть даже каждое добавление не являющейся фактом детали к предположению делает это предположение менее вероятным. Это противоречие между логикой вероятного и людской оценкой недостоверных событий заинтересовало Канемана и Тверского, поскольку оно может привести к несправедливым или ошибочным оценкам в жизненных ситуациях. Что вероятнее: что ответчик, обнаруживший мертвое тело, покинул место преступления, или что ответчик, обнаруживший мертвое тело, покинул место преступления из-за страха возможного обвинения в ужасном преступлении?
Канеман и Тверский выяснили, что даже врачи высокой квалификации совершают подобную ошибку. Канеман и Тверский поставили перед группой интернов серьезную проблему: эмболия легких (закупорка легочной артерии сгустком крови). При наличии такого диагноза врач может назвать целый ряд симптомов. Некоторые из них, такие как частичный паралич, не являются типичными, другие, такие как затрудненное дыхание, вероятнее. Что произойдет скорее: страдающий эмболией испытает частичный паралич или же и паралич, и затрудненное дыхание? Канеман и Тверский обнаружили следующее: 91 % врачей считают, что закупорка едва ли вызовет один лишь редкий симптом, скорее комбинацию симптомов: и паралич, и затрудненное дыхание. (В защиту врачей скажу только, что пациенты не входят к ним в кабинет со словами: «У меня в легочной артерии сгусток крови. Определите симптомы».)
Через несколько лет один из студентов Канемана вместе с другим научным сотрудником обнаружил, что адвокаты в своих суждениях становятся жертвами того же предубеждения. Неважно, уголовное ли дело или гражданское – именно адвокаты просчитывают возможные события, если дело доходит до суда. Какова вероятность оправдательного приговора, мировой или денежного штрафа в ту или иную сумму? Хотя адвокаты могут и не выражать свои мнения в численных вероятностных значениях, они дают совет, основываясь на собственных прогнозах относительного правдоподобия возможного исхода. В данном случае исследователи также выяснили, что адвокаты определяют как наиболее вероятные чрезвычайные обстоятельства, описанные более подробно. Например, когда Пола Джонс подала в суд на действовавшего президента Клинтона, были опрошены 200 практикующих юристов: какова вероятность того, что дело не доведут до конца? Некоторые рассматривали отдельные причины раннего завершения судебного дела или прекращения его судьей. Сравнивая две группы – адвокатов, которым задали простой вопрос: доведут ли судебное дело до конца, и адвокатов, которым сообщили ряд условий, при которых судебное дело может завершиться досрочно, – исследователи увидели: вторая группа оказалась многочисленнее, чем первая.
Способность оценивать значимые связи между разными явлениями, окружающими нас, может оказаться настолько важной, что ради нее стоит рассмотреть несколько примеров с миражами. Если голодный пещерный человек видит размытое зеленоватое пятно на камне в отдалении, ему гораздо дороже обойдется невнимание к этому пятну, которое в действительности окажется жирной, вкусной ящерицей, нежели мгновенная реакция на пятно, которое в действительности окажется всего-навсего листиком дерева. Итак, теория говорит о следующем: вполне возможно, что, эволюционируя, мы избегали первой ошибки, совершая иной раз вторую.
Если говорить о математике, то считается, что древние греки разработали тот корпус, на котором держится современная математика: аксиомы, из которых выводились доказательства, порождавшие очередные теоремы, приводившие к новым доказательствам, новым теоремам и т. д. Однако в 1930-х гг. американский математик немецкого происхождения Курт Гедель, друг Эйнштейна, продемонстрировал, что такой подход в некоторой степени несовершенен: он сформулировал и доказал, что либо формальные системы определенного рода неполны, либо должны содержать утверждения, которые не могут быть доказаны. Тем не менее математика продолжала развиваться в древнегреческом ключе, то есть, по Эвклиду Греки, эти гении по части геометрии, разработали небольшой набор аксиом и утверждений, принимаемых без доказательства, и, уже исходя из них, доказывали многие замечательные теоремы, определяя свойства прямых, плоскостей, треугольников и других геометрических фигур. Так, древние греки установили, к примеру, что земля представляет собой шар, и даже вычислили ее радиус. Можно только диву даваться, почему цивилизация, которая смогла породить теорему вроде 29-го предложения Книги I в «Началах» Эвклида – «Прямая, падающая на параллельные прямые, образует накрест лежащие углы, равные между собой, и внешний угол, равный внутреннему, противолежащему с той же стороны, и внутренние односторонние углы, <вместе> равные двум прямым», – не вывела теорему, из которой бы следовало, что, играя в кости, не стоит ставить свой «корвет» на то, что выпадут две шестерки.
Вообще-то, у древних греков не то что «корвета» – и игральных костей-то не было. Тем не менее в азартные игры они играли. В их распоряжении было достаточно скелетов животных, так что они бросали «бабки» – таранные кости копытных животных. У таранной кости – шесть сторон, но только четыре достаточно устойчивы, чтобы брошенная кость упала на одну из них. В наши дни ученые отмечают, что благодаря строению кости шансы того, что она упадет на одну из сторон, неравны: около 10 % для двух из сторон и 40 % для других двух. Была распространена игра, в которой выбрасывали четыре «бабки». Наилучшим считался бросок достаточно редкой комбинации: все четыре кости выпадали разными сторонами. Такой бросок назывался броском Венеры. Вероятность такого броска была 384 из 10.000, однако древние греки, за неимением в своем арсенале теории случайности, этого не знали.
В Древней Греции костями пользовались и тогда, когда вопрошали оракула. Вопрошающий мог получить ответ, который, как считалось, исходил от самих богов. Как видно из записей историка Геродота, а также свидетельств Гомера, Асклепия, Софокла, многие важные решения, принятые древними греками, были основаны на советах оракулов. Однако, несмотря на всю важность применения костей в азартных играх и гаданиях, древние греки даже не пытались понять закономерности бросков.
Почему же в Древней Греции теория случайности так и не появилась? Можно предположить, что греки верили: будущее вершится согласно воле богов. Если брошенные кости подразумевали что-то вроде: «бери в жены коренастую спартанку, которая прижала тебя к земле во время поединка за школой», греческий парень не рассматривал бросок как удачный (неудачный) результат случайного процесса, он видел в этом волю богов. При таком положении дел осмысление понятия случайности попросту не требовалось. Следовательно, математическое обоснование теории случайности оказывалось невозможным. Можно исходить и из философии, благодаря которой древние греки достигли таких высот в математике: они настаивали на абсолютной истине, подтвержденной логикой и аксиомами, а неопределенные высказывания их не устраивали. К примеру, в «Федоне» Платона Симмий говорит Сократу, что «доводы, доказывающие свою правоту через правдоподобие, – это самозванцы», и предвосхищает работу Канемана и Тверского, указывая на то, что «если не быть настороже, они обманут тебя самым жестоким образом. Так случается и в геометрии, и во всем прочем». А в «Теэтете» Сократ говорит, что если бы какой геометр «стал пользоваться ею [вероятностью – перев.] в геометрии, грош была бы ему цена». Но даже те из греков, которые считали, что цена вероятности больше гроша, испытали бы затруднения, разрабатывая последовательную теорию в те времена, когда еще не было принято записывать все происходящее, потому что, как известно, людская память служит плохую службу, когда дело доходит до подсчетов частоты, а, следовательно, и вероятности, событий в прошлом.
Чего в английском языке больше: слов из шести букв, пятая из которых n, или слов из шести букв, имеющих окончание – ing? Большинство считают, что слов с окончанием – ing больше. Но почему? Потому что такие слова быстрее приходят на ум. Однако нет необходимости рыться в «Оксфордском английском словаре» или даже уметь считать, чтобы доказать: подобное утверждение ошибочно. Ведь слова из шести букв, пятая из которых n, входят в группу слов с окончанием – ing. Психологи называют подобный тип ошибок тенденцией оценивать вероятность по наличию примеров: реконструируя прошлое, мы отдаем ничем не оправданное предпочтение тем воспоминаниям, которые отличаются наибольшей живостью и, следовательно, быстрее всплывают в памяти.
Но в случае с тенденцией оценивать вероятность по наличию примеров вот ведь какая незадача: она самым коварным образом искажает наше видение мира, искажая восприятие нами событий в прошлом и окружающей действительности. К примеру, людям свойственно преувеличивать число бездомных с умственными расстройствами, потому что когда они встречают бездомного человека, в поведении которого не заметно никаких странностей, они не обращают на него внимания и не рассказывают своим друзьям о том, что столкнулись с ничем не примечательным бездомным. Однако когда они видят бездомного, шагающего по улице, размахивая руками в ответ на реплики воображаемого собеседника, и распевающего похоронный марш «Как святые войдут в рай», увиденное отпечатывается у них в памяти. Какова вероятность того, что из пяти очередей в кассы супермаркета вы выберете ту, которая будет продвигаться дольше всего? Если только на вас не навел порчу какой-нибудь черный маг, вероятность равна примерно 1 из 5. Тогда почему же задним числом вам кажется, будто это у вас такой «особый дар» – вставать в очередь, которая продвигается медленнее всего? А потому, что когда все идет как по маслу, вы обращаете внимание на что-то другое, более важное, однако волей-неволей задумываетесь, когда стоящая перед вами дама с одной куриной тушкой в тележке пускается в споры: почему ей пробили курицу по цене 1 доллар 50 центов, тогда как на ценнике у прилавка было 1 доллар 49 центов?
Яркой иллюстрацией того, как тенденция оценивать вероятность по наличию примеров может повлиять на наше суждение и принятие решения, является смоделированный суд присяжных. В нашем примере присяжные были снабжены одинаковым объемом свидетельских показаний, как «за», так и «против», по делу о наезде на мусоровоз, который совершил якобы пьяный водитель. Подвох же заключался в том, что первой группе присяжных оправдательные свидетельские показания представили в более «спокойном» виде: «В результате перекрестного допроса владелец мусоровоза признался, что его мусоровоз ночью трудно заметить, так как он серого цвета». А вот второй группе те же самые показания представили в более «живом» свете: «В результате перекрестного допроса владелец мусоровоза заявил, что ночью его мусоровоз трудно заметить, так как он серого цвета. Владелец заметил, что все его мусоровозы серые „потому что так меньше заметна грязь. А мне что, покрасить их в розовый цвет, что ли?”». Обвинительные свидетельские показания также представили в двух версиях. Но на этот раз версию «поживее» услышала первая группа присяжных, а версию «поспокойнее» – вторая. И когда присяжных попросили вынести вердикт – соотношение виновен/невиновен, – то наибольшее количество баллов выставлялось теми, кто услышал версию «поживее». К тому же эффект только усиливался в промежутке за двое суток до вынесения вердикта (предположительно в связи с особенностями восприятия информации и ее воспроизведения с течением времени).
Искажая наш взгляд на прошлое, тенденция оценивать вероятность по наличию примеров осложняет любые попытки разобраться. Это было справедливо для древних греков, справедливо и для нашего времени. Однако существовало и еще одно серьезное препятствие столь раннему возникновению теории случайности, препятствие исключительно практического свойства: основы теории вероятностей требовали всего лишь знания арифметики, но та форма арифметики, которая была знакома грекам, оказалась крайне неудобной для работы. К примеру, в Афинах в V в. до н. э, когда греческая цивилизация переживала свой расцвет, для записи цифр пользовались своего рода алфавитным кодом. Первые девять из двадцати четырех букв древнегреческого алфавита обозначали цифры от 1 до 9. Следующие девять букв обозначали десятки: 10, 20, 30 и так далее. А последние шесть букв и еще три символа обозначали сотни: 100, 200… до 900. Если вы считаете, что математика вам не дается, представьте, каково вычесть из! К тому же единицы, десятки и сотни записывались в произвольном порядке: иногда сотни писали в начале, иногда в конце, иногда вообще не придерживались никакого порядка. Ну и в довершение всего у древних греков не было нуля!
Нуль появился у греков, когда в 331 г. до н. э. Александр Македонский завоевал Вавилонское царство. Но даже когда александрийцы уже пользовались нулем, его все еще не рассматривали как самостоятельное число. В современной математике число 0 наделено двумя основными свойствами: при сложении с нулем число не меняется; при умножении на любое число нуль не меняется. Эти положения стали применяться только в IX в. благодаря индийскому математику Махавире.
Но даже после перехода на удобную для использования систему счисления понадобилось не одно столетие, прежде чем люди признали сложение, вычитание, умножение и деление основополагающими математическими операциями и медленно осознали, что специальные символы облегчат выполнение этих операций. Поэтому лишь к XVI в. западный мир созрел для теории вероятностей. Несмотря на неудачную систему счисления, именно римляне, эти завоеватели греков, сделали первые шаги к пониманию случайности.
Вообще-то римляне относились к математике с презрением, по крайней мере, к математике греков. По словам римского сенатора Цицерона, жившего с 106 по 43 гг. до н. э., «греки более всего почитали геометрию; соответственно, в математике они достигли величайших успехов. Однако мы, действуя в пределах этого искусства, извлекли из математики пользу, приспособив ее для измерений и вычислений». В самом деле, в то время как в греческих книгах доказывалось равенство абстрактных треугольников, в римских книгах приводился ход вычислений глубины реки, другой берег которой занял неприятель. Неудивительно, что греки дали миру стольких великих математиков: Архимеда, Диофанта, Эвклида, Евдокса, Пифагора, Фалеса, а римляне – ни одного. С такими-то приоритетами! Римляне ценили удобства и вели войны, их не интересовали истина и красота. Но именно благодаря своей практичности они разглядели пользу от понимания вероятности. Поэтому, не видя особого проку от абстрактной геометрии, Цицерон написал, что «вероятность ведет нас по жизни».
Цицерона можно было бы назвать величайшим античным поборником принципа вероятности. Он прибегал к нему, когда оспаривал общепринятое объяснение успеха в азартных играх как божественного вмешательства, говоря, что «тому, кто играет, рано или поздно выпадет бросок Венеры, рано или поздно выпадет и два, три броска подряд. Но надо быть слабоумным, чтобы утверждать, будто это – результат личного вмешательства Венеры, а не чистой воды везенье». Цицерон верил, что событие возможно предвидеть, пусть даже оно и произойдет совершенно случайно. Он даже приводил доказательство из области статистики, высмеивая веру в астрологию. Цицерону не нравилось, что астрология, хоть и запрещенная в Риме, процветала; он отметил, что в 216 г. до н. э. в сражении при Каннах Ганнибал со своим пятидесятитысячным карфагенским войском, а также союзными войсками разгромил гораздо более многочисленную римскую армию: из 80 тыс. солдат полегло 60 тыс. «Едва ли у всех римских солдат, погибших в битве, был одинаковый гороскоп, – говорил Цицерон. И тем не менее всех постигла одна и та же участь». Цицерону наверняка было бы приятно узнать, что пару тысячелетий спустя в одном солидном научном журнале ученые, изучив обоснованность астрологических предсказаний, согласились с его выводами. С другой стороны, сегодня в «Нью-Йорк пост» напечатали, что мне, Стрельцу, следует отнестись к критике объективно, приняв ее во внимание.
В итоге Цицерон внес немалый вклад в развитие идей вероятности – термин probabilis, который он использовал, лег в основу современного термина. И лишь в «Дигестах», одной из частей римского права, составленного императором Юстинианом I, появляется документ, в котором впервые вероятность упоминается как юридический термин. Чтобы оценить то, как римляне применили математические суждения в теории права, необходимо представлять себе те времена: римское право в Средние века основывалось на обычном, т. е. основанном на обычаях, праве германских племен. Которые мягкостью не отличались. Взять, к примеру, свидетельские показания. Правдивость мужа, отрицающего любовную связь с портнихой жены, определялась бы не способностью муженька выдержать уколы адвоката противной стороны, а тем, станет ли он придерживаться своей версии даже после уколов – настоящих, каленым железом. (Вот увидите: стоит только вернуться к такому обычаю, как очень многие будут разводиться без всякой помощи со стороны суда.) И если обвиняемый скажет, что колесница даже не пыталась затормозить, а привлеченный в качестве эксперта свидетель по следам лошадиных копыт заявит, что пыталась, германское право предписывало довольно-таки простой рецепт: «Пусть спор разрешится посредством поединка на копьях между двумя с обеих сторон. Проигравший будет сочтен лжесвидетелем, и ему отсекут правую руку».
Заменяя или скорее дополняя судебную практику сражением, римляне стремились с помощью математической точности исправить недостатки своей старой, произвольной системы. Как мы видели, римская идея справедливости включала в себя прогрессивные понятия. Признавая, что доказательства и свидетельские показания зачастую вступают в противоречие и что наилучший способ разрешить такое противоречие – выразить неизбежную неопределенность в количественном виде, римляне ввели понятие неполного доказательства. Оно применялось в тех случаях, когда отсутствовали неопровержимые основания для того, чтобы верить или не верить доказательствам или свидетельским показаниям. В некоторых случаях римская теория допускала еще более детальные степени доказательства, как, например, в положении о церкви: «епископ может быть осужден только при наличии семидесяти двух свидетелей… иерей может быть осужден только при наличии сорока четырех свидетелей, дьякон города Рима – при наличии тридцати шести свидетелей, иподьякон, пономарь, заклинатель, изгоняющий беса, псаломщик или дверник – при семи свидетелях». Чтобы человека осудили при таких правилах, он должен не только совершить преступление, но и убедить в этом других. И все же признание того, что вероятность истины в показаниях может варьировать и что необходимы правила для сочетания таких вероятностей, – уже что-то. И вот в таком маловероятном месте, как древний Рим, впервые возник упорядоченный набор правил, в основе которых лежала вероятность.
К сожалению, едва ли возможно с ловкостью жонглировать числами вроде «VIII» или «XIV». В конце концов, хотя римское право было не лишено определенной доли юридического рационализма и связности, ему недоставало математической обоснованности. К примеру, в римском праве два неполных доказательства составляли полное доказательство. Это может показаться резонным тому, чей ум не привык мыслить категориями количества. При сегодняшней распространенности дробей напрашивается вопрос: если два неполных доказательства составляют полное доказательство, то чему равны три неполных доказательства? Согласно правильному методу сложения вероятностей, полное доказательство невозможно составить не только из двух неполных доказательств, но и из любого количества неполных доказательств, потому что при сложении вероятностей нужно не складывать их, а умножать.
Что подводит нас к очередному закону, правилу сложения вероятностей: «Если два вероятных события, А и B, не зависят друг от друга, то вероятность того, что А и B произойдут, равна произведению их отдельных вероятностей». Предположим, каждый год у человека женатого вероятность развестись равна примерно 1 к 50. С другой стороны, каждый год у полицейского вероятность погибнуть при исполнении равна 1 к 5 000. Какова вероятность для женатого полицейского развестись и погибнуть в одном и том же году? Согласно вышеприведенному принципу, если события независимы друг от друга, шансы окажутся примерно такими: 1/50 × 1/5 000, то есть 1/250 000. Конечно же, события эти не являются независимыми друг от друга, они связаны: если полицейский погибнет, как он, черт возьми, может развестись? В таком случае вероятность такого исключительного невезения на самом деле получается чуть менее 1 из 250.000.
Но почему умножение, а не сложение? Предположим, у вас фотографии 100 парней, с которыми вы познакомились через сайт знакомств в Интернете, тех самых парней, в профиле у которых висит фотография, напоминающая Тома Круза, а в жизни они скорее смахивают на Дэнни Де Вито. И вот вы подбираете наиболее привлекательных кандидатов. Предположим также, что на оборотной стороне каждой фотографии вы пишете два качества парня, к примеру, честный («да» или «нет») и привлекательный («да» или «нет»). И, наконец, предположим, что 1 из 10 возможных родственных душ получает в каждом случае «да» или «нет». Сколько парней из 100 пройдут тест по обеим категориям? Возьмем честность как основную черту (впрочем, можно основной сделать и привлекательность). Поскольку 1 из 10 получает «да» в категории «честный», в итоге останутся 10 парней из 100. Сколько парней из этих 10 окажутся привлекательными? Снова 1 из 10. В итоге у вас остается одна фотография. Первые 10 из 100 снижают вероятность на 1/10, то же самое происходит и при следующем отборе – 1 из 10. Как результат, 1 из 100. Вот почему мы умножаем. И если ваши требования не ограничиваются честностью и привлекательностью, придется все умножать и умножать, так что… удачи!
Прежде чем мы продолжим, стоит обратить внимание на одну важную деталь: условие «если два вероятных события, А и В, не зависят друг от друга». Предположим, в самолете осталось 1 свободное место, а регистрацию не прошли еще 2 пассажира. Предположим, что работники аэропорта по своему опыту знают: в 2 из 3 случаев пассажир, забронировавший место, все же прибывает. Воспользовавшись правилом умножения, бортпроводница у входа на посадку может прийти к следующему выводу: вероятность того, что ей придется иметь дело с недовольным пассажиром, равна 2/3 × 2/3, то есть примерно 44 %. С другой стороны, вероятность того, что пассажир не явится вовсе, а самолет так и улетит с одним незанятым местом, равна 1/3 × 1/3, то есть примерно 11 %. Но это при условии того, что пассажиры не зависят друг от друга. А если, скажем, они летят вместе? В таком случае вышеприведенные выкладки не действуют. Вероятность того, что прибудут оба пассажира, равна 2 из 3 – такая же, что и вероятность появления одного пассажира. Важно не забывать, что суммарная вероятность из простых вероятностей получается только при условии, если события никоим образом не связаны друг с другом.
Правило, которым мы только что воспользовались, вполне возможно применить и к римской идее неполных доказательств: вероятность ошибочности двух независимых друг от друга неполных доказательств равна 1 из 4, таким образом, два неполных доказательства составляют 3/4 доказательства, а не целое. Римляне применили сложение там, где следовало применить умножение.
Однако существуют ситуации, в которых вероятности следует суммировать, и тут мы переходим к следующему закону. Потребность в нем возникает, когда нам надо узнать: каковы шансы того, что произойдет одно либо другое событие, в противоположность предыдущей ситуации, когда нужно было узнать: каковы шансы того, что и одно и другое событие произойдут вместе. Закон гласит: «Если событие состоит из ряда элементарных исходов A, B, C и т. д., то вероятность A или B равна сумме отдельных вероятностей A и B, а сумма вероятностей всех возможных исходов (A, B, C и т. д.) равна 1 (те. 100 %)». Если вы хотите узнать, какова вероятность того, что два независимых друг от друга события, А и В, произойдут, вам надо будет произвести умножение; если вы хотите узнать вероятность того, что любое из двух взаимоисключающих событий, А или В, произойдет, вы производите сложение. Вернемся к нашему самолету. Когда бортпроводнице нужно будет суммировать вероятности, а не умножать их? Предположим, она хочет узнать, какова вероятность того, что явятся либо оба пассажира, либо не явится ни один. В таком случае она должна сложить отдельные вероятности, которые согласно произведенным нами выше подсчетам будут равны 55 %.
Эти три правила, такие простые, и лежат в основе теории вероятностей. Если применять их должным образом, можно многое понять в механизмах природы и повседневной жизни. Принимая решения, мы постоянно пользуемся этими правилами. Однако, как и римские законодатели, не всегда корректно.
Легко задним числом качать головами и писать книжки вроде «Этих ужасных римлян» («Схоластик», 1994). Но чтобы предупредить ничем не оправданное самодовольство, в заключение этой главы рассмотрим некоторые способы, при помощи которых те самые основные правила, о которых я рассказал, могут быть применены и к нашей правовой системе. Оказывается, этого достаточно, чтобы отрезвить любого опьяненного своим культурным превосходством.
Радует тот факт, что в наше время неполных доказательств не существует. Однако существует что-то вроде 999.000/1.000.000 доказательства. Об этом знают специалисты, которых привлекают на уголовном процессе к анализу ДНК с места преступления на предмет ее совпадения с ДНК подозреваемого. Насколько надежны такие сравнения? Когда впервые ввели анализ ДНК, целый ряд специалистов отметили: теперь ошибка исключена. В наше же время признают, что вероятность совпадения ДНК с места преступления с ДНК случайного человека равна менее 1 из 1 млн или 1 из 1 млрд. При такой-то вероятности едва ли можно винить присяжного за мысли вроде: «Тюрьма по нему плачет!». Но существует и другая статистика, в которую присяжных обычно не посвящают, и связана она с тем фактом, что совершают ошибки лаборатории: когда берут образец или производят с ним манипуляции, когда случайно путают образцы, подменяют один другим, неверно интерпретируют результаты или же ошибаются в отчетах. Каждая из этих ошибок случается редко, однако не реже совпадения образца ДНК с ДНК случайного человека. К примеру, в филадельфийской криминалистической лаборатории признались, что при расследовании случая изнасилования перепутали контрольный образец обвиняемого с образцом жертвы, да и в компании «Селлмарк Диагностикс», выполняющей анализы, рассказали о подобном случае. К сожалению, сила данных по ДНК анализу такова, что оклахомский суд, основываясь на этих данных, приговорил некого Тимоти Дарема к более чем 3 тыс. лет тюремного заключения, и это несмотря на показания одиннадцати свидетелей, которые утверждали, что на момент совершения преступления Дарем находился в другом штате. Оказалось, что на начальном этапе анализа в лаборатории не удалось полностью разделить ДНК насильника и ДНК жертвы, в результате чего получившаяся комбинация дала положительный результат при сравнении с ДНК Дарема. Позднее повторный анализ выявил ошибку и Дарема выпустили, однако к тому времени он провел за решеткой почти четыре года.
Данные подсчетов частоты ошибок, возникших по вине человека, различаются, однако многие специалисты говорят о примерно 1 %. Но так как частоту ошибок по многим лабораториям никто не проверял, в судах редко принимают во внимание показания относительно подобной общей статистики. Даже если бы и принимали, как бы присяжные смогли оценить их? Большинство присяжных допускают, что при наличии двух типов ошибок – 1 из 1 млрд при случайном совпадении и 1 на 100 при ошибочном совпадении в лаборатории – общая частота ошибок должна находится где-то посередине, скажем, 1 из 500 млн. Цифра, по мнению присяжных, не дающая поводов для обоснованного сомнения.
А ход мысли такой. Раз обе ошибки крайне маловероятны, можно не обращать внимания на вероятность и случайного совпадения, и ошибки лаборатории. Следовательно, находим вероятность того, что случится либо одна ошибка, либо другая. Что, по правилу сложения, равно: вероятность ошибки лаборатории (1 из 100) + вероятность случайного совпадения (1 из 1 млрд). Поскольку второе в 10 млн меньше первого, то в весьма хорошем приближении вероятность обеих ошибок равна вероятности более вероятной ошибки, то есть, 1 из 100. Таким образом, можно пренебречь предупреждением специалистов о возможности случайного совпадения, и обратить внимание на гораздо более вероятный риск лабораторных ошибок. А ведь зачастую суды не позволяют адвокатам предоставлять эти данные! Выходит, что мнения о надежности анализа ДНК преувеличены.
И это не отдельный вопрос. Использование математических выкладок в современной правовой системе сопряжено с затруднениями ничуть не в меньшей степени, чем в Риме много столетий назад. Одним из наиболее известных дел, служащих примером правильного и неправильного применения вероятности в юриспруденции, является дело «Штат против Коллинзов», слушания по которому проходили в 1968 г. в калифорнийском Верховном суде. Вот выдержка из судебного решения:
«18 июня 1964 г. около 11:30 миссис Хуанита Брукс, совершавшая покупки, шла вдоль переулка в Сан-Педро, г. Лос-Анджелес. За собой она катила тележку с плетеной корзиной, в которой лежали продукты, а поверх – кошелек. Миссис Брукс опиралась на трость. Когда она наклонилась, чтобы поднять пустую коробку, ее внезапно сбил человек – она не видела и не слышала его приближения. После падения миссис Брукс не сразу пришла в себя – она больно ударилась. Подняв голову, миссис Брукс успела заметить убегавшую молодую женщину. По словам миссис Брукс, женщина была среднего сложения, одета «во что-то темное», а о цвете волос миссис Брукс отозвалась как о «чем-то среднем между русым и светлой блондинкой», но светлее, чем волосы обвиняемой Джанет Коллинз, как выяснилось во время суда. Сразу после случившегося миссис Брукс обнаружила, что исчез ее кошелек, в котором было долларов 35 или 40.
Примерно в то же самое время, как произошло ограбление, Джон Басс, живущий в том же переулке, только в самом конце, поливал газон перед домом. Его внимание привлекли «плач и крики». Он повернулся на звуки и увидел, как из переулка выбегает женщина и садится в желтую машину через дорогу. Машину тут же завели; она рванула, на скорости объезжая другую машину, и при этом проехала совсем рядом с Бассом. Басс заметил, что за рулем сидел негр с усами и бородой… Другие свидетели описывали машину как желтую, желтую с кремово-белым верхом, желтую с верхом цвета яичной скорлупы. О самой машине отзывались как о большой либо средних размеров».
Через несколько дней после ограбления лос-анджелесский полицейский заметил желтый «линкольн» с кремово-белым верхом – машина стояла у дома обвиняемых. Полицейский вступил с ними в разговор, объясняя, что расследует ограбление. Он отметил, что внешность подозреваемых соответствовала описанию свидетелей, за исключением бороды у мужчины, впрочем, мужчина сказал, что раньше носил бороду. В тот же день, только позднее, полиция арестовала подозреваемых, ими оказались Малькольм Рикардо Коллинз и его жена Джанет.
Улик против подозреваемой пары было недостаточно, и дело строилось в основном на их опознании жертвой и свидетелем, Джоном Бассом. К несчастью для обвиняющей стороны, ни миссис Брукс, ни Джон Басс не годились в качестве главных свидетелей. Миссис Брукс не могла опознать Джейн как исполнителя преступления, а водителя машины вообще не видела. Джон Басс не видел саму преступницу, а из нескольких лиц, предъявленных к опознанию, не смог с уверенностью показать водителя. Казалось, дело разваливается.
И тут появляется главный свидетель, который в бумагах суда записан всего лишь как «учитель математики из государственного колледжа». Этот свидетель сделал заявление: факта того, что обвиняемые были «белой женщиной со светлыми волосами, завязанными в хвост… [и] негром с бородой и усами», который сидел за рулем частично желтой машины, достаточно для признания пары виновной. Чтобы наглядно доказать свое утверждение, обвиняющая сторона представила следующую таблицу, слово в слово приведенную из решения суда:
Учитель математики, выступавший со стороны обвинения, сказал, что к этим данным применимо правило умножения вероятностей. Умножая все вероятности, можно прийти к выводу, что шанс Коллинзов на соответствие всем этим четким характеристикам равен 1 из 12 млн. Соответственно, по словам обвинителя, можно заключить, что вероятность Коллинзов оказаться невиновными равна 1 из 12 млн. Затем обвинитель отметил, что эти отдельные вероятности являются оценочными показателями, и предложил присяжным высказать свои собственные догадки, а затем перейти к математическим подсчетам. Сам он, продолжал обвинитель, полагает, что показатели достаточно скромные; у него вероятность с учетом факторов приближается к 1 из млрд. Присяжные согласились и вынесли обвинительный приговор.
Что здесь не так? Во-первых, как мы уже убедились, чтобы получить суммарную вероятность путем умножения отдельных вероятностей, эти отдельные вероятности должны быть независимыми друг от друга, а в данном случае это явно не так. К примеру, в таблице вероятность «негра с бородой» равна 1 из 10, а «мужчины с усами» – 1 из 4. Но большинство бородатых мужчин носят и усы, поэтому если был замечен «негр с бородой», вероятность того, что у наблюдаемого мужчины есть усы, уже не равна 1 из 4, она гораздо выше. Это несоответствие может быть устранено, если убрать категорию «негр с бородой». В таком случае согласно правилу умножения вероятностей получится 1 из 1 млн.
Однако в анализе допущена и другая ошибка: вероятность, указанная выше, – что произвольно выбранная пара совпадет по описанию с описанием подозреваемых – не является искомой вероятностью. Скорее, это вероятность того, что пара, отвечающая всем приведенным характеристикам, является виновной. Первая вероятность может быть равной 1 из 1 млн. Что до второй, то при условии, что население района, прилегающего к району совершения преступления, составляет несколько миллионов, можно с достаточным основанием говорить о 2–3 парах, соответствующих описанию. В таком случае вероятность того, что пара, отвечающая описанию, виновна, основывается на одном только этом доказательстве (в принципе, единственном, имевшемся в распоряжении обвинения) и равна всего 1 из 2 или 3. И где здесь отсутствие обоснованного сомнения? В результате Верховный суд отменил решение об обвинительном приговоре.
Применение принципов вероятности и статистики во время судебных заседаний наших дней все еще вопрос спорный. В деле Коллинзов калифорнийский Верховный суд осмеял так называемое «математическое разбирательство дела», однако не исключил возможности «корректного использования математических методов». В последующие годы в судах редко рассматривались доводы с использованием математических доказательств, но даже когда адвокаты с судьями и не прибегали к вероятности или математической теореме открыто, зачастую они все же использовали их при обосновании своих доводов, как и присяжные, когда оценивали доказательства. Более того, доводы с привлечением статистических данных становятся все более значимыми благодаря необходимости оценивать доказательства с привлечением анализа ДНК. К сожалению, все возрастающая необходимость не обернулась все возрастающим пониманием со стороны адвокатов, судей, присяжных. Томас Лайон, преподающий теорию вероятностей и право в Университете Южной Калифорнии, объясняет это так: «Очень немногие студенты-правоведы выбирают в качестве дополнительной дисциплины курс теории вероятностей, и очень немногие адвокаты считают, что такая теория вообще применима в юриспруденции». В области права, как нигде, благодаря пониманию теории случайности возможно докопаться до самой глубины, открыв истину, однако под силу это только тем, кто умеет пользоваться соответствующими методами. В следующей главе мы познакомимся с жизнью первого человека, взявшегося за систематическое изучение этих методов.
