Текст выступления:

Относительная частота и закон больших чисел
1. Относительная частота и закон больших чисел

Случайные опыты кажутся хаотичными: бросили монету — выпал орёл, потом решка, потом снова орёл. Но если повторять опыт много раз, в этом «шуме» начинает вырисовываться закономерность. Так работает идея относительной частоты и закона больших чисел.

2. Зачем эта тема нужна в 9 классе

Эта тема соединяет алгебру, вероятность и статистику: она помогает читать результаты опытов, понимать колебания данных и видеть, почему длинные серии дают более устойчивый итог. В реальной жизни почти всё измеряется сериями: опросами, испытаниями, статистикой в спорте и производстве.

3. Понятие относительной частоты

Относительная частота показывает, какую долю раз произошло событие в серии испытаний. Формула проста по смыслу: сколько раз событие случилось делят на общее число испытаний. Если событие — «орёл» при бросках монеты, то относительная частота орла — это число орлов, разделённое на количество бросков.

Важно помнить: относительная частота — это наблюдение. Она может меняться от серии к серии, потому что сами испытания случайны. Но чем больше испытаний, тем меньше хаотичности остаётся в числах.

4. Как меняется частота при увеличении числа бросков

На первых шагах результат заметно «скачет», поэтому короткая серия не даёт надёжной картины. Представим, что монету бросили всего 5 или 10 раз: случай может дать подряд несколько орлов, и относительная частота резко уйдёт в сторону.

Но при росте числа бросков поведение становится спокойнее: линия на графике начинает колебаться меньше и перестаёт резко «прыгать» вверх-вниз. Это наблюдение связывает математическое ожидание и реальный эксперимент: мы постепенно приближаемся к стабильной оценке.

5. Пример вычислений для серии бросков монеты

Таблица наглядно показывает, как меняется относительная частота при росте числа испытаний. Каждая строка — это момент, когда мы прекращаем серию и считаем долю события, например орла.

Именно такие ручные вычисления помогают почувствовать главную мысль: относительная частота не равна вероятности «с первого раза», но при продолжении серии начинает становиться похожей на неё.

При увеличении серии частота постепенно приближается к 0,5 — для честной монеты вероятность орла равна половине.

6. Случайные колебания в короткой серии

Случайные колебания в короткой серии особенно заметны, потому что мы судим по малому числу данных. Представим, что событие — «орёл». В реальности случайность может дать редкий для «среднего» исход — и относительная частота резко уйдёт от 0,5.

Такие отклонения не означают, что монета «сломана». Это просто признак того, что маленькая выборка шумит сильнее.

Отсюда рождается важная школьная практика: сравнивать результаты нужно не по одному короткому опыту, а по серии измерений — хотя бы по десяткам попыток, а лучше по сотням.

7. Чем вероятность отличается от относительной частоты

Вероятность — это «эталон», который задаётся заранее условиями эксперимента. Для честной монеты вероятность орла равна 1/2. Относительная частота — это «что получилось» в конкретной серии бросков.

Поэтому вероятность одинакова для теории, а относительная частота может быть разной в разных сериях. В одной серии орлов может быть больше, в другой — меньше.

Задача закона больших чисел в том, чтобы объяснить: при увеличении числа испытаний относительная частота всё чаще становится близкой к вероятности, и величина разницы уменьшается.

8. Как находят относительную частоту в опыте

Последовательность действий проста и подходит для любого случайного эксперимента. Сначала выбирают событие, которое будет нас интересовать: например, «орёл». Затем проводят серию одинаковых испытаний: бросают монету много раз или наблюдают исходы в повторяющемся опыте.

После этого подсчитывают, сколько раз событие произошло, и делят это число на общее количество испытаний.

Полученное значение и есть относительная частота. Она не требует сложных формул — главное аккуратно сделать подсчёт и помнить, что это число относится именно к этой серии наблюдений.

9. Закон больших чисел простыми математическими словами

Закон больших чисел можно объяснить так: если повторять случайный опыт очень много раз, относительная частота события перестаёт «разлетаться» и начинает держаться около вероятности.

Иными словами, случайные колебания в среднем «усредняются». Короткие серии обманывают резкими случайными отклонениями, а длинные серии дают более стабильный результат.

Для школьного уровня достаточно понимать: чем больше испытаний, тем меньше расхождение между тем, что наблюдаем, и тем, что ожидается по теории.

10. Сближение частоты и вероятности на одном графике

Горизонтальная линия показывает эталон, а кривая частоты — путь к нему в серии бросков. Смысл графика в том, чтобы увидеть: в начале значения могут быть далеко от ожидаемого уровня, но дальше отклонения сглаживаются.

Когда испытаний мало, случайный исход может временно «перекосить» долю события. Когда испытаний больше, каждый отдельный «редкий» эпизод становится лишь небольшой частью всей серии.

Поэтому частота подходит к вероятности — и это видно как постепенное сближение линии.

В начале отклонения велики, но при росте числа испытаний частота подходит к вероятности.

Так математика превращает наблюдаемую статистику в понятный ориентир.

11. Почему большие серии дают более надёжный результат

Большие серии дают более надёжный результат, потому что относительная частота становится устойчивее к случайным всплескам. В маленькой выборке один удачный или неудачный исход заметно влияет на долю события.

В большой серии этот эффект размазывается: влияние каждого единичного случая уменьшается, а общий результат определяется закономерностью, которая проявляется в статистике.

Поэтому, когда нужно оценить вероятность по наблюдениям, выгоднее собирать больше данных. Это принцип не только школьной математики: его используют в контроле качества, при обработке результатов тестов, в спортивной аналитике и даже в маркетинге — везде, где считают на основе серий наблюдений.

12. Теоретические вероятности для простых событий

Таблица с теоретическими вероятностями задаёт эталон для знакомых объектов. Например, для честной монеты вероятность орла — 1/2. Для игрального кубика при одинаковых условиях вероятность выпадения любой из граней — 1/6.

Для колоды карт и наборов шариков теоретические вероятности находятся аналогично: берётся число благоприятных исходов и делится на общее количество равновозможных исходов.

Во всех примерах вероятность задаёт ожидаемую долю события заранее и служит ориентиром для сравнения с результатами серии испытаний.

Именно это сравнение делает математику «проверяемой»: теория предсказывает уровень, а эксперимент показывает, насколько он достижим на практике.

13. Пример из спорта и повседневной статистики

Спорт даёт понятные картинки статистики. В баскетболе, например, броски выполняют многократно, и точность серии со временем становится ближе к среднему проценту попаданий. Игрок может «провалить» начало матча, но за счёт большого числа попыток итоговая оценка становится устойчивее.

В повседневной жизни похожий принцип встречается там, где мы собираем данные: подсчёт побед в турнире, анализ результатов опроса, наблюдение за частотой события в реальной выборке. Короткие подсчёты легко вводят в заблуждение, а длинные — помогают отделить случайность от тенденции.

Так закон больших чисел превращается в инструмент мышления: видеть, где колебания — это норма, а где стоит искать причины.

14. Сравнение относительных частот в разных сериях

На диаграмме видно, как меняется доля одного и того же события при росте числа испытаний. Обычно сравнивают серии разной длины: например, 10, 50, 100 и 500.

В маленькой серии частота может заметно отличаться от «правильного уровня», потому что выборка слишком мала. В больших сериях разброс уменьшается, и точки начинают выстраиваться ближе к устойчивому значению.

Чем длиннее серия, тем меньше разброс и тем ближе результат к устойчивому значению.

Это — визуальное резюме закона больших чисел: случайность не исчезает, но её влияние становится контролируемым через объём данных.

15. Типичные ошибки при работе с относительной частотой

Типичные ошибки часто происходят из-за смешивания относительной частоты с вероятностью и из-за неправильной интерпретации малых выборок.

Первая ошибка — считать, что один короткий опыт уже «доказал», какая вероятность у события. Но относительная частота в маленькой серии может сильно отличаться из‑за случайных колебаний.

Вторая ошибка — игнорировать, что серия измерений должна быть одинаковыми по условиям испытания. Если условия меняются, сравнивать числа становится некорректно.

Третья ошибка — ожидать одинаковых результатов в разных сериях. Относительная частота, в отличие от вероятности, может быть разной. Надёжность появляется не сразу, а с ростом числа испытаний.

Рабочая привычка проста: сопоставлять наблюдаемую долю с теоретическим ориентиром и помнить, что чем больше данных, тем меньше случайный шум.

16. Как сделать вывод по результатам серии опытов

Представим простой путь от наблюдения к выводу — так, как это делают в статистике, когда повторяют один и тот же эксперимент. В серии опытов важно не «угадывать», а действовать по шагам.

Сначала формулируется событие: например, «монета упала орлом», «кубик показал шесть». Затем выбирается простой случайный эксперимент и фиксируется правило повторения: один и тот же опыт снова и снова при одинаковых условиях.

После этого подсчитывается относительная частота события — сколько раз оно произошло по сравнению со всем числом испытаний. В школьной интуиции это похоже на «наблюдаемую долю». Но относительная частота — не теория; это результат измерения.

Следующий шаг — связать наблюдение с вероятностью: вероятность задаёт ожидаемую долю события по модели. Если монета симметрична, шанс орла равен 1/2; если кубик честный, шанс шести равен 1/6.

И, наконец, самый важный мостик между опытом и теорией: закон больших чисел. Он объясняет, почему при увеличении количества испытаний случайные колебания частоты уменьшаются, и вывод становится устойчивее. Именно поэтому одно «везение» на небольшой выборке не считают доказательством, а большую серию — аргументом.

Так рождается вывод: относительная частота из опыта приближается к вероятности из теории, и чем длиннее серия, тем надёжнее интерпретация результатов.

17. Связь темы с выборкой и статистикой

Эта тема тесно связана с тем, как из данных делают статистические выводы. В центре всегда оказывается выборка — то есть набор испытаний, которые реально выполнены.

Первое звено — выборка как «кусочек мира». Серия опытов даёт наблюдения, например 30 подбрасываний монеты или 60 бросков кубика. Выборка ограничена, поэтому результаты могут немного «плясать» — и это нормально.

Второе звено — относительная частота. Она показывает, какая доля событий произошла в конкретной выборке. Если при 20 бросках орёл выпал 9 раз, относительная частота равна 9/20 — это наблюдение, а не догадка.

Третье звено — вероятность как модельное ожидание. Вероятность отвечает на вопрос «какая доля должна получаться в среднем при честной случайности». Она зависит от условий эксперимента: симметричности монеты, равенства граней кубика.

Четвёртое звено — статистическая интерпретация через закон больших чисел. Идея закона простая: средние по множеству повторений становятся стабильнее. В прошлом математики вроде Якоба Бернулли отмечали: со временем доля успехов перестаёт сильно отклоняться — и выводы становятся более уверенными.

Итог такой: выборка даёт частоту, теория формулирует вероятность, а статистика объясняет, как эти вещи согласуются при достаточно большом числе испытаний.

18. Компьютерные эксперименты с монетой и кубиком

Компьютерные эксперименты удобны тем, что позволяют быстро сделать десятки или сотни повторов и сразу увидеть картину «как меняется частота». Здесь фантазия превращается в измерение: машина многократно разыгрывает случайность по правилам.

Сюжет про монету обычно начинается с неожиданного эффекта: первые подбрасывания могут дать длинную «серую зону» — например, несколько орлов подряд. Но если продолжить и увеличить число испытаний, относительная частота начинает «успокаиваться» и тянуться к ожидаемому значению 1/2. В статистике это не магия, а проявление устойчивости средних.

Сюжет про кубик показывает похожий механизм, но с другой целью. Вероятность выпадения «шестёрки» для честного кубика равна 1/6. На небольшом числе бросков можно увидеть и 1/6, и 1/3, и ещё более резкие отклонения — просто случайность даёт разные сценарии. Однако при большем количестве бросков частота всё чаще приближается к теоретической вероятности.

В обоих историях компьютер помогает увидеть одну и ту же мысль: серия испытаний превращает случайные колебания в понятную картину, где теория помогает правильно интерпретировать числа.

19. Краткая памятка по теме

Эта памятка полезна, чтобы быстро связать термины между собой. В вероятности и статистике легко перепутать слова, но важно видеть одну цепочку: что именно измеряем, что именно ожидаем и как эти вещи сравниваем.

Обычно начинают с «испытания» — отдельного повторения эксперимента. На каждом испытании рассматривается «событие», например «выпала шестерка». Чтобы описать результат в серии, вводят «частоту»: сколько раз событие случилось, и чаще всего берут относительную частоту — долю успехов среди всех испытаний.

Дальше появляется «вероятность» — число, которое задаёт теория в рамках модели. И уже затем включается «закон больших чисел»: он объясняет, почему относительная частота из выборки начинает стабилизироваться около вероятности, если испытаний становится много.

Если удерживать эту связку в голове, вывод по серии опытов становится почти механическим: формулируется событие, проводятся испытания, считают частоту, сравнивают с вероятностью и проверяют устойчивость на длинной серии.

20. Частота, вероятность и длинная серия

Относительная частота показывает результат опыта, вероятность — ожидаемую долю события, а закон больших чисел объясняет, почему при многих повторениях случайные колебания становятся меньше и выводы надёжнее.

Источники

Колмогоров А. Н. Теория вероятностей и математическая статистика. — М.: Наука, 1974.

Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2003.

Феллер У. Введение в теорию вероятностей и её приложения. — М.: Мир, 1984.

Лаплас П.-С. Опыт философии теории вероятностей. — М.: Наука, 1983.

ГОСТ Р 7.0.5–2008. Библиографическая ссылка. Общие требования и правила составления.

Клейнрок Л. Теория информации и статистические модели. — М.: Мир, 1987.

Бернулли Я. Искусство предположений: опыт математической вероятности (работы о законе больших чисел). — исторические переводы и издания в классической вероятностной литературе.

Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, последние издания.