Перейдем к примеру более научного характера. Я хочу определить некоторый экспериментальный закон; когда я буду знать его, его можно будет представить с помощью некоторой кривой; я делаю несколько отдельных наблюдений; пусть каждое из них изобразится некоторой точкой. Получив ряд различных точек, я провожу между ними кривую, стараясь возможно меньше уклоняться от них и в то же время сохранить для моей кривой правильную форму, без угловых точек, без слишком резких изгибов, без внезапного изменения радиуса кривизны. Эта кривая представит мне вероятностный закон, и я допускаю, что она не только дает мне значения функции, промежуточные между наблюдаемыми, но что и самые наблюдаемые значения она дает точнее, чем прямое наблюдение (потому-то я и проводил ее вблизи моих точек, но не через самые точки).
Такова проблема вероятности причин. Действиями здесь являются зарегистрированные мною результаты измерений; они зависят от сочетания двух причин — истинного закона явления и погрешностей наблюдения. Задача состоит в том, чтобы, зная действия, отыскать вероятность того, что явление подчиняется такому-то закону, и вероятность того, что наблюдения искажены такой-то погрешностью. Тогда наиболее вероятный закон соответствует проведенной кривой, и наиболее вероятная ошибка наблюдения представится расстоянием соответствующей точки от этой кривой.
Но проблема не имела бы никакого смысла, если бы я до всякого наблюдения не составил себе идею о вероятности à priori того или иного закона и о шансах ошибки, которую я могу совершить.
Если мои инструменты хороши (и это я знал бы до наблюдения), то я не позволю моей кривой значительно уклоняться от точек, представляющих непосредственные измерения. Если же они плохи, то я мог бы отступить от этих точек несколько больше, лишь бы получить кривую, менее извилистую, в целях упорядоченности я мог бы принести и большую жертву.
Однако почему же я стараюсь провести кривую без извилин? Потому, что закон, представляемый непрерывной функцией (или функцией, у которой производные высшего порядка малы), я уже à priori рассматриваю как более вероятный сравнительно с законом, не удовлетворяющим этому условию. Без этой уверенности рассматриваемая проблема не имела бы никакого смысла; интерполяция была бы невозможна; нельзя было бы вывести закон из конечного числа наблюдений; наука не существовала бы.
Пятьдесят лет тому назад физики рассматривали более простой закон как более вероятный, чем закон сложный, при прочих равных условиях. Они ссылались на этот принцип в защиту закона Мариотта против опытов Реньо. Теперь они отказались от этой веры; и между тем как часто они бывают вынуждены поступать так, как если бы они сохранили эту веру! Как бы то ни было, именно от этого направления осталась вера в непрерывность, и мы только что видели, что если бы эта вера в свою очередь исчезла, то экспериментальная наука стала бы невозможной.
VI. Теория погрешностей. Мы пришли, таким образом, к обсуждению теории погрешностей, которая находится в непосредственной связи с проблемой вероятности причин. И здесь мы снова констатируем следствия, — а именно, известное число расходящихся между собою наблюдений — и стараемся разгадать причины, которыми вызываются, с одной стороны, истинное значение измеряемых величин, с другой — ошибки, допущенные в каждом отдельном наблюдении. Надо было бы вычислить, какова à posteriori вероятная величина каждой ошибки и затем каково вероятное значение измеряемой величины.
Но, как я уже выяснил, нельзя было бы предпринять это вычисление, если не допустить à priori, т. е. до всякого наблюдения, некоторого закона вероятности погрешностей. Существует ли какой-либо закон погрешностей?
Закон погрешностей, принятый всеми вычислителями, есть закон Гаусса, который представляется некоторой трансцендентной кривой, известной под названием «колокола».
Но прежде всего следует напомнить классическое различие между ошибками систематическими и случайными. Если мы измеряем некоторую длину слишком длинной мерой, мы всегда получим число слишком малое, и бесполезно будет повторять измерение несколько раз; это — ошибка систематическая. Если мы измеряем точным метром, мы можем тем не менее ошибиться, но мы будем ошибаться то в ту, то в другую сторону, и когда мы возьмем среднее из большого числа измерений, ошибка будет стремиться к уменьшению. Это — ошибки случайные.