попадается нечто непредсказуемое, мы полагаем, что имеем дело с чем-то иррациональным и ненаучным: скажем, существование Бога нельзя доказать логически, можно только верить в него или нет. И тем не менее это не совсем так.
Современная наука на самом деле часто сталкивается с неопределенностью (по-научному «недетерминируемостью»). Так ученые называют ситуации, когда в принципе невозможно предугадать исход конкретного эксперимента. Скажем, физика взаимодействий микроскопических частиц (или квантовая механика) вся связана с недетерминируемостью. По этому поводу сломано немало копий: Альберт Эйнштейн оппонировал такому подходу, говоря «Бог не играет в кости со Вселенной». Тем не менее вот уже скоро 100 лет, как существует эта дисциплина, и ее достижениями мы пользуемся каждый день. Достаточно сказать, что без квантовой механики не появились бы микропроцессоры в компьютерах. И это при том, что столетие назад мы не обладали многими фундаментальными знаниями, например об элементарных неделимых частицах. В подобного рода науках применяется отдельный раздел математики – теория вероятностей. Предмет теории вероятностей – процессы, на которые влияют случайные величины. Вмешательство неопределенности усложняет научную работу, но не означает, что она невозможна. Возьмем шестигранный кубик. Мы не знаем, какая именно цифра выпадет после одного броска, но готовы поспорить, что после четырех бросков точно один раз будет единица. И больше чем в половине случаев окажемся правы. Приблизительно так же работает любая наука, вынужденная мириться со случайностью, в том числе и психиатрия. Нам неизвестно, как работает это лекарство, но мы можем знать, помогает оно или нет и скольким людям из сотни станет от него легче.
И как же мы это сделаем без понимания причин?
Предположим, мы с вами изобрели лекарство и хотим понять, способно ли оно лечить. Возьмем для примера средство от простуды – исследование других препаратов проводится аналогичным образом.
Пойдем сначала простым путем. Давайте дадим это лекарство 50 простудившимся и через неделю проверим их состояние. Спустя семь дней мы узнаем, что 35 человек выздоровели, а 15 еще болеют, но идут на поправку. Отлично, наше лекарство никого не убило, но помогло ли оно? Кажется, что мы можем ответить утвердительно – ведь почти все больные выздоровели. На самом деле – нет, мы не можем сказать о лекарстве ничего. Преподаватели статистики, рассказывая про эту ошибку, любят говорить: «Correlation does not imply causation». Эта фраза означает, что прослеживаемая связь между событиями совершенно не означает, что одно является причиной другого. Классический пример подобной ошибки: «Большинство людей, которые когда-то ели хурму, уже мертвы, значит, хурма приводит к смерти».
Хорошо, мы выучили этот урок и теперь будем умнее. Мы дадим наше лекарство группе из 50 простудившихся, а 50 человек, составляющих вторую группу, не будем лечить вообще (научно эти группы обозначаются
