Bertrand Paradoksu: "Rastgele" Kelimesi Sandığımız Kadar Açık mı?

Bir matematik dersinde size şu soru sorulsa: "Bir çember içine rastgele bir kiriş çiziyoruz. Bu kirişin uzunluğu, aynı çembere içerlenmiş bir eşkenar üçgenin kenar uzunluğundan büyük olma olasılığı nedir?"

İlk bakışta kafa karıştırıcı ama çözülebilir bir geometri-olasılık problemi gibi görünür. Otururuz, kâğıt kalem alır, hesaplarız ve bir cevap buluruz: $\tfrac{1}{2}$. Komşumuz aynı problemi farklı bir yöntemle çözer ve $\tfrac{1}{3}$ bulur. Bir başkası $\tfrac{1}{4}$ verir. Sonra hepsi sırayla, kullandıkları yöntemin neden doğru olduğunu kanıtlar.

Bu üç cevap birden nasıl doğru olabilir? İşte 1889'da Fransız matematikçi Joseph Bertrand'ın işaret ettiği problem budur. Bugün buna Bertrand paradoksu denir. Ve aslında bir paradokstan ziyade çok önemli bir uyarıdır: "rastgele" sözü, matematik için tek başına yetersiz bir tanımdır.

Üç yöntem, üç cevap

Probleme dikkatli bakalım. Bir birim çember (yarıçap 1) düşünün; içine eşkenar bir üçgen yerleştirelim. Üçgenin kenarı çember içindeki bir kiriştir; uzunluğu basit hesapla $\sqrt{3}$ olur. Soru: rastgele bir kirişin uzunluğunun $\sqrt{3}$'ten büyük olma olasılığı.

Yöntem 1: "Rastgele uç noktalar" (cevap: $1/3$)

Çember üzerinde iki rastgele nokta seçelim. Bu iki noktayı birleştiren kiriş, eşkenar üçgenin kenarından uzun olur, ancak ve ancak iki nokta arasındaki yay, çemberin üçte birinden uzun olduğunda.

İki noktayı bağımsız ve düzgün dağılımla çember üzerinde seçtiğimizde, ikincisinin birincisine göre üçte birden uzak olma olasılığı tam olarak $\tfrac{1}{3}$.

Sonuç: $P = \tfrac{1}{3}$.

Yöntem 2: "Rastgele yarıçaplar" (cevap: $1/2$)

Bu kez, bir kirişi şöyle tanımlayalım: önce çemberin bir yarıçapını rastgele seçelim. Sonra bu yarıçap üzerinde rastgele bir nokta seçelim. Bu noktayı geçen, yarıçapa dik olan kiriş, eşsiz şekilde belirlenir.

Kirişin uzunluğunun $\sqrt{3}$'ten büyük olması demek, seçilen noktanın çemberin merkezinden $\tfrac{1}{2}$ birimden daha az uzakta olması demektir (kolayca geometriyle gösterilir). Nokta yarıçap üzerinde düzgün dağılımla seçildiyse, merkeze $\tfrac{1}{2}$'den yakın olma olasılığı tam olarak $\tfrac{1}{2}$.

Sonuç: $P = \tfrac{1}{2}$.

Yöntem 3: "Rastgele orta nokta" (cevap: $1/4$)

Bu kez, bir kirişi tanımlamak için çemberin içindeki bir noktayı rastgele seçelim (düzgün dağılımla); bu nokta, kirişin orta noktası olsun. Her orta nokta, eşsiz bir kiriş tanımlar.

Bu kirişin $\sqrt{3}$'ten uzun olması, orta noktanın merkeze $\tfrac{1}{2}$'den yakın olması demektir. Yani orta nokta, küçük bir yarıçaplı (yarıçap $\tfrac{1}{2}$) çemberin içine düşmeli. Bu küçük çemberin alanı, büyük çemberin alanının $\tfrac{1}{4}$'üdür.

Sonuç: $P = \tfrac{1}{4}$.

Hangisi doğru?

Hepsi doğru. Bertrand'ın söylediği şudur:

"Rastgele kiriş" ifadesi kesin bir matematiksel anlam taşımaz. Rastgelelik bir tanım gerektirir. Yöntem 1, 2 ve 3 hep "rastgele" kelimesini kullanır ama her biri farklı bir olasılık ölçüsü tanımlar. Farklı ölçü, farklı cevap.

Bu fark, geometrik olasılık problemlerinde özellikle inceliklidir. Bertrand paradoksu, "doğal" görünen birkaç rastgelelik tanımının nasıl uyuşmayabileceğini en sade biçimde gösterir.

"En doğal" hangisi?

Tarih boyunca bazı matematikçiler "bir tanesi diğerlerinden daha doğal" diye savundular. En çok ilgi gören sav, fizikçi-matematikçi Edwin T. Jaynes'ten (1973) geldi. Jaynes, "rastgelelik" tanımının değişmezlik kriterine sahip olması gerektiğini savundu: bir çemberi başka bir çembere uygun dönüşümle taşıyan herhangi bir simetri altında olasılık değişmemeli.

Jaynes, sadece Yöntem 2'nin bu değişmezliği sağladığını gösterdi. Onun argümanına göre "doğal" cevap $\tfrac{1}{2}$'dir.

Yine de bu yargı evrensel olarak kabul görmüş değildir. Filozof ve matematikçilerin bir kısmı, "doğal olasılık" kavramının kendisinin tartışmalı olduğunu savunur. Çoğu modern istatistikçi bugün şunu der: "Problem belirsiz; net soru: hangi süreç kirişi üretiyor?"

Gerçek dünyada bir uyarı

Bertrand paradoksu sadece matematiksel bir kuriozite değildir. Şu tip durumlarda doğrudan karşımıza çıkar:

• Monte Carlo simülasyonları: "Rastgele bir geometrik nesne üret" derken seçilen yöntem, sonuçları dramatik şekilde değiştirebilir.
• İstatistiksel anlam testleri: "Bu örüntü tesadüfen oluşabilir mi?" diye sorarken, "tesadüf"ün nasıl modellendiğinin açık olması gerekir.
• Bayes önceli seçimi: Yetersiz bilgi olduğunda "homojen prior" seçmek, parametrenin nasıl yazıldığına bağlı olarak farklı sonuçlar verir (bu, Bertrand paradoksunun bir kuzenidir).
• Veri biliminde örnekleme: "Rastgele örnek" deyip aslında nasıl örnek aldığımıza dikkat etmezsek, sonuçlar saçma çıkabilir.

Joseph Bertrand kimdi?

Joseph Louis François Bertrand (1822–1900), Fransız matematik ve eğitim hayatının önemli isimlerinden biriydi. Calcul des probabilités (1889) adlı kitabı, dönemin olasılık öğretiminde standart kaynaktı. Bertrand paradoksunu bu kitapta tanıttı; amacı paradoks yaratmak değil, öğrencilere "rastgelelik kavramının dikkatli tanımlanması gerektiğini" göstermekti.

Bertrand ayrıca Bertrand önermesi (her $n > 1$ için $n$ ile $2n$ arasında en az bir asal sayı vardır) ve Bertrand seçim paradoksu (oy sayımında rastgele bir adayın hep önde olma olasılığı) gibi başka klasik sonuçlarla da hatırlanır.

Bir matematik dersi

Bertrand paradoksunun belki en derin dersi şudur: "rastgele" sözü, sözcükten ibaret olduğu sürece matematik için yetersizdir. Bir olasılık problemi tanımlandığında, hangi olasılık ölçüsünün kullanıldığı açıkça belirtilmelidir.

Bu, sadece teorik bir titizlik meselesi değil; modern istatistik, makine öğrenmesi ve veri biliminin ana hatlarından biridir. "Bir parametreyi rastgele seçtik" denilen bir cümle her zaman "hangi dağılımla?" diye sorulmayı hak eder. Bertrand, bunu 1889'da bir geometri sorusuyla göstermişti; bugün bu uyarı, yapay zekâ modellerinin "bias-variance" tartışmalarına kadar uzanır.

Bir çember içine rastgele bir kiriş çizmek için üç farklı yol vardır; her biri ayrı bir cevap verir. Hangi cevabı seçeceğiniz, ne tür bir "şans" hayal ettiğinize bağlıdır.