Hogyan jutott el egy menekült matematikus a szerencsejátékoktól a modern tudományig?
A 17. század végén egy Franciaországból Angliába menekült matematikus azzal kereste kenyerét, hogy londoni szerencsejátékosoknak segített kiszámítani nyerési esélyeiket. Abraham de Moivre azonban a kockadobások, a kártyajátékok és a fogadások vizsgálata közben olyan összefüggésekre jutott, amelyek később a modern statisztika alapjaivá váltak. Munkássága hozzájárult annak megértéséhez, miért jelenik meg újra és újra ugyanaz a jellegzetes, harang alakú görbe a természetben, az emberi tulajdonságokban és a tudományos mérésekben, még akkor is, ha az ezeket létrehozó folyamatok látszólag semmilyen kapcsolatban nem állnak egymással.
Ma ezt a matematikai mintázatot normális eloszlásnak vagy Gauss-eloszlásnak nevezzük, és a modern tudomány egyik legfontosabb eszközeként használjuk. Története azonban jóval Carl Friedrich Gauss születése előtt kezdődött, amikor a véletlen matematikai vizsgálata még viszonylag fiatal tudományterületnek számított.
Abraham de Moivre 1667-ben született Franciaországban, protestáns családban, és már fiatalon komoly érdeklődést mutatott a matematika iránt. Életét azonban alapvetően megváltoztatta XIV. Lajos király valláspolitikája, amely a protestánsok jogainak korlátozásával és üldözésével sok ezer embert kényszerített hazája elhagyására. De Moivre 1688-ban Angliába menekült, ahol idegenként, korlátozott anyagi lehetőségekkel kellett új életet kezdenie. Matematikai tehetsége hamar ismertté vált, kapcsolatba került a kor jelentős tudósaival, köztük Isaac Newtonnal és Edmond Halley-vel, 1697-ben pedig a tekintélyes Royal Society tagjává választották. Tudományos elismertsége ellenére azonban nem sikerült megfelelően fizetett egyetemi állást szereznie, ezért megélhetését elsősorban magántanításból és matematikai tanácsadásból biztosította.
A korabeli London kávéházai fontos társasági és üzleti találkozóhelyek voltak, ahol kereskedők, pénzügyi vállalkozók, fogadók és szerencsejátékosok találkoztak. De Moivre számára ezek a helyek nemcsak megélhetési lehetőséget jelentettek, hanem olyan matematikai problémák egész sorát is, amelyekkel korábban kevesen foglalkoztak rendszeresen. A játékosok azt szerették volna megtudni, milyen eséllyel dobnak bizonyos számokat több kockával, mekkora a valószínűsége egy adott kártyakombinációnak, vagy hosszabb távon melyik fogadás kínál kedvezőbb nyerési lehetőséget. De Moivre felismerte, hogy bár az egyes játékok eredményei véletlenszerűek, a lehetséges kimenetelek gyakorisága pontos matematikai szabályokat követ, amelyek segítségével a nyerési esélyek előre kiszámíthatók.
1718-ban megjelentette The Doctrine of Chances című könyvét, amely a valószínűségszámítás egyik első átfogó tankönyve lett. A mű a szerencsejátékok matematikai elemzéséből indult ki, de olyan általános módszereket is bemutatott, amelyek később egészen más tudományterületeken váltak hasznossá. A valószínűségszámítás természetesen nem De Moivre-rel kezdődött, hiszen Blaise Pascal, Pierre de Fermat, Christiaan Huygens és Jakob Bernoulli már korábban is fontos eredményeket értek el, De Moivre azonban továbbfejlesztette ezeket a gondolatokat, és különösen a nagyszámú véletlen esemény együttes viselkedésének vizsgálatában jutott jelentős felismerésekre.
Hogyan lesz a véletlenből szabályos haranggörbe?
A jelenség megértéséhez képzeljük el, hogy feldobunk egy szabályos pénzérmét. Két eredmény lehetséges, fej vagy írás, és mindkettőnek ugyanakkora az esélye, de egyetlen dobás kimenetelét nem tudjuk előre megmondani. Ha tízszer dobjuk fel az érmét, előfordulhat, hogy hétszer kapunk fejet, máskor csak háromszor, és rövid sorozatokban akár egészen szokatlan eredmények is születhetnek. Ha azonban százszor dobunk, majd a százdobásos kísérletet több ezerszer megismételjük, már egészen más kép rajzolódik ki, mert a legtöbb sorozatban a fejek száma ötven körül alakul, míg a nagyon alacsony vagy nagyon magas értékek egyre ritkábban fordulnak elő.
Ha ezeket az eredményeket egy grafikonon ábrázoljuk, jellegzetes alakzat jelenik meg: középen magas csúcs emelkedik, a két széle felé pedig fokozatosan csökken a gyakoriság. A görbe egy harang körvonalára emlékeztet, innen ered a haranggörbe elnevezés.
A leggyakoribb eredmények a középső tartományban helyezkednek el, míg a szélsőséges értékekhez egyre kisebb valószínűség tartozik. De Moivre felismerte, hogy ez a szabályszerűség matematikailag is leírható, és megfelelő közelítésekkel akkor is meg lehet határozni az egyes eredmények valószínűségét, ha a kísérletek száma rendkívül nagy.
A magyarázat egyik fontos része, hogy a közepes eredmények sokkal többféleképpen jöhetnek létre, mint a szélsőségesek. Ha például tízszer dobunk fel egy érmét, és mind a tíz alkalommal fejet szeretnénk kapni, akkor minden dobásnak pontosan ugyanúgy kell sikerülnie, hiszen egyetlen írás is megakadályozza ezt az eredményt. Öt fej és öt írás azonban rengeteg különböző sorrendben előfordulhat, mert a fejek megjelenhetnek egymás után, felváltva az írásokkal, vagy teljesen szabálytalan sorrendben is. Emiatt az öt fej sokkal valószínűbb, mint a tíz fej, és ahogy a dobások száma növekszik, ez a különbség egyre határozottabb mintázatot eredményez.
De Moivre 1733-ban kidolgozta annak matematikai leírását, hogyan közelíthető a sokszor ismételt, két lehetséges kimenetelű véletlen kísérletek eredményeloszlása egy harang alakú görbével. Ez a felismerés később a De Moivre–Laplace-tétel néven vált ismertté, és fontos lépést jelentett a modern statisztika kialakulásában (a megrögzött matekosok itt előkereshetik az idevágó egyenleteket, én azonban nem akartam ezzel untatni az egyszerű érdeklődőket). A tudomány számára különösen jelentős volt, hogy az egyedi események kiszámíthatatlansága ellenére sok esemény együttes viselkedése már rendkívül pontosan előre jelezhető.
A későbbi matematikusok, különösen Pierre-Simon Laplace és Carl Friedrich Gauss továbbfejlesztették ezeket az eredményeket, és fokozatosan világossá vált, hogy a haranggörbe nem csupán a szerencsejátékok világában jelenik meg. Sok olyan folyamat is hasonló mintázatot mutat, amelyben számos kisebb, részben független véletlen hatás összeadódik, vagy amikor sok véletlen eredmény átlagát vizsgáljuk.
Az emberi testmagasság például nem egyetlen tényezőtől függ, hanem genetikai adottságok, a táplálkozás, a gyermekkori fejlődés és számos más biológiai körülmény együttesen alakítja ki. Egy viszonylag egységes népességben ezért a legtöbb ember magassága az átlag körül helyezkedik el, míg a rendkívül alacsony vagy rendkívül magas emberek jóval ritkábbak. A testmagasság eloszlása így gyakran megközelíti a haranggörbét, bár a valóságban természetesen nem követi azt tökéletesen.
Hasonló jelenség figyelhető meg a tudományos méréseknél is, hiszen ha egy kutató ugyanazt a fizikai mennyiséget sokszor megméri, rendszerint nem kap minden alkalommal teljesen azonos eredményt. A műszer apró hibái, a hőmérséklet változásai, a környezet zavaró hatásai és más bizonytalanságok miatt a mért értékek kissé eltérnek egymástól, de ha ezek a hibák sok kisebb, egymástól független hatásból származnak, akkor a legtöbb eredmény a valódi érték közelében csoportosul, a nagyobb eltérések pedig egyre ritkábbak lesznek. A normális eloszlás ezért a modern méréselmélet egyik legfontosabb eszközévé vált, mert segítségével a kutatók megbecsülhetik a mérési bizonytalanságot, és eldönthetik, hogy egy megfigyelt eltérés mennyire tekinthető szokatlannak.
A szerencsejátékoktól a modern fizikáig
A De Moivre által vizsgált matematikai problémák később egy sokkal általánosabb felismeréshez vezettek, amelyet központi határeloszlás-tételnek nevezünk. Ennek alapgondolata, hogy ha elegendően sok, egymástól független, hasonló módon viselkedő véletlen hatás eredményét összeadjuk vagy átlagoljuk, akkor bizonyos feltételek mellett az összesített eredmények eloszlása egyre inkább a haranggörbéhez közelít. Ez akkor is megtörténhet, ha az egyes események önmagukban egyáltalán nem követnek ilyen eloszlást.
Ezt egy egyszerű dobókockával is szemléltethetjük. Egyetlen dobásnál mind a hat szám ugyanakkora eséllyel jelenhet meg, tehát nincs olyan középső érték, amely különösen gyakori lenne. Ha azonban tízszer dobunk, és kiszámítjuk a dobott számok átlagát, akkor már sokkal valószínűbb, hogy három és négy közötti eredményt kapunk, mint hogy az átlag egyhez vagy hathoz legyen közel. Ha ezt a tízdobásos kísérletet sok ezerszer megismételjük, az átlagok eloszlása már jellegzetesen harang alakú lesz, és ha még több dobás átlagát vizsgáljuk, a középső értékek körüli csoportosulás tovább erősödik.
A felismerés rendkívül fontos a modern tudomány számára, mert megmagyarázza, miért lehet sok mérés együttes eredményéből megbízhatóbb következtetéseket levonni, mint egyetlen mérésből. A részecskefizikában például a kutatók hatalmas mennyiségű részecskeütközést vizsgálnak, amelyek egyedi kimenetele gyakran nem jósolható meg pontosan, de több millió esemény statisztikai elemzésével olyan mintázatok rajzolódhatnak ki, amelyek új részecskék vagy ismeretlen fizikai folyamatok jelenlétére utalhatnak. A csillagászatban a rendkívül gyenge égitestek jeleit kell elkülöníteni a műszerek zajától, az orvostudományban pedig sok beteg eredményét kell összehasonlítani annak megállapításához, hogy egy új kezelés valóban hatásos-e, vagy a tapasztalt különbségek véletlen ingadozásokból is származhatnak.
A valószínűségszámítás fejlődése a fizika egy másik fontos területére, a statisztikus mechanikára is nagy hatással volt. A 19. században a kutatók felismerték, hogy egy gáz tulajdonságainak megértéséhez nincs szükség minden egyes molekula mozgásának pontos követésére, ami egyébként is gyakorlatilag lehetetlen lenne. Egy szobában található levegő elképzelhetetlenül sok molekulából áll, amelyek folyamatosan mozognak és ütköznek egymással, miközben sebességük és mozgásirányuk állandóan változik. Az egyedi mozgások rendkívül bonyolultak, a teljes rendszer hőmérséklete és nyomása mégis jól meghatározható, mert a sok részecske együttes viselkedése statisztikai törvényeket követ. A molekulák sebességének egyes irányok menti összetevői például termikus egyensúlyban normális eloszlást mutatnak, ami jól szemlélteti, milyen mély kapcsolat alakult ki a valószínűségszámítás és a természet alapvető fizikai törvényeinek megértése között.
A haranggörbe ugyanakkor nem minden jelenségre alkalmazható, és ez legalább olyan fontos, mint a széles körű felhasználhatósága. A jövedelmek, a földrengések energiái vagy a pénzügyi piacok szélsőséges ingadozásai gyakran egészen más eloszlásokat követnek, amelyekben a nagyon nagy eltérések sokkal gyakoribbak lehetnek, mint amit a normális eloszlás alapján várnánk. A központi határeloszlás-tétel sem jelenti azt, hogy minden véletlen folyamatból automatikusan haranggörbe keletkezik, hiszen ehhez meghatározott feltételeknek kell teljesülniük. A tudományos elemzés egyik fontos feladata éppen annak eldöntése, hogy egy adott jelenség esetében melyik matematikai modell írja le legjobban a valóságot.
Abraham de Moivre 1754-ben halt meg Londonban, anélkül hogy megérhette volna matematikai eredményeinek későbbi, rendkívül széles körű alkalmazását. Bár munkásságát már életében nagyra becsülték, a modern statisztika, a méréselmélet és a valószínűségi modellezés későbbi fejlődése messze túlmutatott azon a világon, amelyben ő eredetileg dolgozott. A szerencsejátékosoknak készített számításai olyan tudományos gondolkodásmód kialakulásához járultak hozzá, amely ma a természettudományok, az orvostudomány, a mérnöki kutatások és a mesterséges intelligencia számos területén nélkülözhetetlen.
Történetének legfontosabb tanulsága, hogy a véletlenszerűség és a kiszámíthatóság nem feltétlenül ellentétei egymásnak. Egyetlen pénzfeldobás eredményét nem tudjuk előre megmondani, de egymillió dobás esetében már nagy biztonsággal számíthatunk arra, hogy a fejek és az írások száma közel azonos lesz. Ugyanez az alapelv teszi lehetővé, hogy a kutatók hatalmas mennyiségű részecske, molekula vagy mérési adat együttes viselkedéséből megbízható következtetéseket vonjanak le anélkül, hogy minden egyes esemény kimenetelét ismernék.
Így a haranggörbe, kimondhatjuk bátran, méltán vált a modern tudomány egyik legismertebb matematikai jelképévé. Megmutatja, hogy a természet látszólag rendezetlen, véletlenszerű folyamatai mögött gyakran pontosan leírható szabályszerűségek húzódnak meg, és hogy a sok apró bizonytalanság együttesen akár rendkívül kiszámítható eredményt is létrehozhat. Ennek a felismerésnek az egyik fontos állomása több mint háromszáz évvel ezelőtt, a londoni kávéházak szerencsejátékosainak világában született meg.
Forrás: ismét a kedvenc Quanta Magazine-om – The Math That Explains Why Bell Curves Are Everywhere (2026. március 16.)
https://www.quantamagazine.org/the-math-that-explains-why-bell-curves-are-everywhere-20260316/
