Paradoks chłopca i dziewczynki
Rodzina ma dwoje dzieci. „Co najmniej jedno to chłopiec” — szansa na dwóch chłopców wynosi 1/3. Ale „starsze dziecko to chłopiec” — już 1/2! Symulator losuje tysiące rodzin i pokazuje, jak samo sformułowanie warunku zmienia odpowiedź.
🧮 Policz od razu
Dwoje dzieci, jedno zdanie, dwie odpowiedzi
Klasyk Martina Gardnera z 1959 r. Rodzina ma dwoje dzieci (chłopiec/dziewczynka po ½, niezależnie). Wariant A: dowiadujesz się, że co najmniej jedno to chłopiec — jaka szansa, że obaj? Wariant B: starsze dziecko to chłopiec — jaka szansa na dwóch? Intuicja podpowiada w obu „½, przecież drugie dziecko to moneta”. Tymczasem A daje 1/3, B — 1/2. Symulator losuje dziesiątki tysięcy rodzin i bezlitośnie to potwierdza.
Cztery rodziny, które wyjaśniają wszystko
Przestrzeń możliwości (starsze–młodsze): CC, CD, DC, DD — po 25%. Warunek A („co najmniej jeden chłopiec”) wycina tylko DD: zostają trzy równie liczne typy rodzin, a dwóch chłopców ma jeden z nich → 1/3. Warunek B („starsze = chłopiec”) wycina połowę: zostają CC i CD → 1/2. Cała magia w tym, ile rodzin przechodzi przez filtr — pozornie bliźniacze zdania filtrują różne zbiory!
Przykład: symulacja krok po kroku
Ustaw wariant A i 20 000 rodzin: przez filtr przejdzie ~15 000 (trzy czwarte), z czego dwóch chłopców będzie w ~5000 — empirycznie ~33,3%. Przełącz na wariant B: przechodzi ~10 000, dwóch chłopców w ~5000 → ~50%. Te same wirtualne rodziny, inny filtr, inna odpowiedź. Zwiększ liczbę symulacji i patrz, jak fluktuacje topnieją wokół 1/3 i 1/2.
Dlaczego mózg się myli — i czemu to ważne
Umysł skleja „wiem o chłopcu” z „wskazano konkretne dziecko” — a to różnica fundamentalna: informacja o zbiorze („któreś jest…”) filtruje inaczej niż o elemencie („to konkretne jest…”). Ta sama subtelność rządzi statystyką sądową i medyczną: „w rodzinie wystąpił przypadek X” kontra „u najstarszego wystąpił X” to różne dane! Gardner sam przyznał później, że wariant A bywa dwuznaczny zależnie od tego, jak zdobyto informację — i właśnie dlatego precyzja warunku to pierwsza cnota statystyka.
Gdzie się to przydaje?
Trening prawdopodobieństwa warunkowego (idealna para z paradoksem Bertranda obok!), nauka precyzyjnego czytania zadań (matura uwielbia takie niuanse), zrozumienie pułapek ankiet i wywiadów (sposób pozyskania informacji zmienia wnioski), popularne spory internetowe do rozstrzygnięcia symulacją. Po tych dwóch paradoksach twierdzenie Bayesa przestaje być wzorem, a staje się oczywistością.