Когда почти полный набор замедляет прогресс
Представим школьный проект: в коробке лежат карточки пяти цветов, а задача — собрать по одной карточке каждого цвета. Каждую карточку вытягивают наугад, записывают её цвет и возвращают обратно, после чего перемешивают коробку. Никаких ставок и призов здесь нет — только повторяющийся опыт сбора набора.
В начале почти любое вытягивание приносит новый цвет. Если уже собраны четыре из пяти, следующая карточка с большой вероятностью окажется одним из знакомых цветов. Поэтому последние недостающие элементы обычно требуют больше попыток, чем первые. Это не означает, что набор «сопротивляется» завершению: просто с каждым новым успехом уменьшается число вариантов, которые ещё могут считаться новыми.
Такое изменение удобно изучать через условную вероятность. Вероятность получить нужный цвет зависит от того, какие цвета уже появились. Один и тот же случайный механизм действует на каждом шаге, но вопрос меняется: сначала нас интересует любой ещё не встречавшийся цвет, а ближе к концу — один конкретный оставшийся.
Подсчёт ожидания на простом примере
Пусть все пять цветов встречаются одинаково часто, а вытягивания независимы: после каждого карточку возвращают в коробку. Вероятность получить новый цвет при первом вытягивании равна 1. Когда собран один цвет, новый появится с вероятностью 4/5; после двух разных — с вероятностью 3/5; затем 2/5 и, наконец, 1/5.
Сколько в среднем приходится ждать следующий новый цвет? Если вероятность успеха на одном вытягивании равна p, среднее число попыток до успеха составляет 1/p, когда попытки независимы и условия не меняются. Поэтому для пяти цветов ожидаемые ожидания равны 1, 5/4, 5/3, 5/2 и 5 вытягиваниям. В сумме получается около 11,4 вытягивания, чтобы собрать весь набор.
Это именно среднее, а не обещание и не расписание. Некоторые серии завершатся раньше, другие затянутся. Число 11,4 не означает, что отдельная коробка обязательно даст ровно столько вытягиваний: дробное значение описывает усреднение многих воображаемых повторений опыта.
Почему последние шаги весят больше
Первые новые цвета появляются сравнительно легко, потому что подходящих исходов много. На заключительном этапе подходит только один цвет из пяти. В среднем его ожидание длиннее, чем ожидание любого из ранних новых цветов. Именно поэтому интуиция, которая переносит скорость начала на конец, часто ошибается.
Полезно различать два вопроса: «Какова вероятность получить новый цвет сейчас?» и «Сколько попыток в среднем понадобится до нового цвета?». При вероятности 1/5 среднее ожидание равно пяти попыткам, но это не значит, что пятая попытка обязательно окажется удачной. После четырёх неудач вероятность следующего успеха всё ещё составляет 1/5: прежние вытягивания не меняют состав коробки, поскольку карточки возвращают обратно.
В реальной жизни это похоже на сбор учебных примеров разных типов или на поиск всех вариантов задания в большой папке, если каждый раз выбранный лист возвращают на место. Но сходство работает лишь при подходящих условиях: варианты должны попадаться с примерно известными шансами, а выбор не должен влиять на следующий выбор.
Что меняется, если редкости неравны
Равная вероятность цветов — удобное упрощение. Если один цвет встречается реже остальных, именно он часто становится «последней наклейкой». Например, если набор состоит из частых и редких элементов, равное число каждого вида в конечной коллекции вовсе не гарантирует равные шансы встретить их за одну попытку.
В таком случае нельзя просто заменить пять цветов на пять категорий и применить расчёт для равновероятной модели. Нужно учитывать вероятность каждого вида. Чем реже недостающий элемент, тем дольше может быть ожидание его появления. При этом среднее общее время зависит от сочетания шансов всех категорий, а не только от вероятности самого редкого элемента.
Есть и другой важный вариант: карточки не возвращают в коробку. Тогда после каждого вытягивания её состав меняется, а значит, меняются и последующие шансы. Это уже другая модель. Перед расчётом полезно уточнить, что именно случайно: отдельное вытягивание с возвращением, выбор из конечной стопки или, например, распределение карточек между людьми.
Среднее не предсказывает отдельную серию
Ожидаемое число попыток помогает сравнить разные способы устройства набора, но не сообщает, сколько именно займёт конкретный сбор. Если в серии долго не появляется последний цвет, это не доказывает, что система «должна» вскоре компенсировать задержку. При независимых вытягиваниях вероятность следующей карточки остаётся прежней.
Такой пример показывает общий смысл вероятностной модели: она описывает возможные исходы и их шансы при оговорённых условиях, а не раскрывает скрытый порядок в каждой отдельной серии. Чем точнее мы формулируем условия — равны ли шансы, возвращается ли карточка, что считается завершением набора, — тем яснее становится и вывод. А замедлившийся финал перестаёт казаться загадкой: он возникает из простой смены числа подходящих исходов.
Материал подготовлен с использованием ИИ. Информационная публикация, не руководство по участию в азартных играх.
