Rachunek Prawdopodobieństwa MAP1181 Wydział Matematyki, Matematyka Stosowana Projekt - Paradoks kawalera de Mere Opracowanie: Paulina Rygiel

Podobne dokumenty
Metody probabilistyczne

Rachunek prawdopodobieństwa Wykład

Rachunek prawdopodobieństwa

Podstawy nauk przyrodniczych Matematyka

Rachunek prawdopodobieństwa- wykład 2

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem;

RACHUNEK PRAWDOPODOBIEŃSTWA ZADANIA Z ROZWIĄZANIAMI. Uwaga! Dla określenia liczebności zbioru (mocy zbioru) użyto zamiennie symboli: Ω lub

c. dokładnie 10 razy została wylosowana kula antracytowa, ale nie za pierwszym ani drugim razem;

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

Moneta 1 Moneta 2 Kostka O, R O,R 1,2,3,4,5, Moneta 1 Moneta 2 Kostka O O ( )

Rachunek Prawdopodobieństwa Anna Janicka

Prawdopodobieństwo

RACHUNEK PRAWDOPODOBIEŃSTWA I KOMBINATORYKA

Jak odróżnić wariację z powtórzeniami od wariacji bez powtórzeń, kombinacji?

KURS PRAWDOPODOBIEŃSTWO

{( ) ( ) ( ) ( )( ) ( )( ) ( RRR)

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

KOMBINATORYKA I P-WO CZ.1 PODSTAWA

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.

Metody probabilistyczne

= 10 9 = Ile jest wszystkich dwucyfrowych liczb naturalnych podzielnych przez 3? A. 12 B. 24 C. 29 D. 30. Sposób I = 30.

Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/

Biostatystyka, # 2 /Weterynaria I/

= A. A - liczba elementów zbioru A. Lucjan Kowalski

Wstęp do probabilistyki i statystyki. Wykład 1. Wstęp

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1

Zdarzenia losowe i prawdopodobieństwo

NAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI ZADANIE 1 oczka. ZADANIE 2 iloczynu oczek równego 12.

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1

Metody probabilistyczne

Statystyka matematyczna

Probabilistyczne podstawy statystyki matematycznej. Dr inż. Małgorzata Michalcewicz-Kaniowska

KURS PRAWDOPODOBIEŃSTWO

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Wykład 2. Prawdopodobieństwo i elementy kombinatoryki

Spis treści. Definicje prawdopodobieństwa. Częstościowa definicja prawdopodobieństwa. Wnioskowanie_Statystyczne_-_wykład

Metody probabilistyczne

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek prawdopodobieństwa Rozdział 1. Wstęp

Zasada Bonferroniego

Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia)

Zmienna losowa. Rozkład skokowy

51. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń.

Rachunek prawdopodobieństwa dla informatyków

Materiały dla finalistów

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Zmienne losowe i ich rozkłady

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Metody probabilistyczne

Gdzie ta matematyka, czyli. o wojnie jaszczurek

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Doświadczenie i zdarzenie losowe

Rachunek Prawdopodobieństwa Anna Janicka

Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Jednowymiarowa zmienna losowa

Lista 1. Prawdopodobieństwo klasyczne i geometryczne

Indukcja matematyczna

KURS PRAWDOPODOBIEŃSTWO

Prawdopodobieństwo zadania na sprawdzian

Statystyka matematyczna

Wstęp. Kurs w skrócie

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

Zadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3.

Statystyka podstawowe wzory i definicje

ćwiczenia z rachunku prawdopodobieństwa

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Odjechać samochodem czy na kozie wykorzystanie prawdopodobieństwa klasycznego w praktyce

Matematyka podstawowa X. Rachunek prawdopodobieństwa

Matematyczne Podstawy Kognitywistyki

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

Zadanie 1. Oblicz prawdopodobieństwo, że rzucając dwiema kostkami do gry otrzymamy:

PRAWDOPODOBIEŃSTWO CZAS PRACY: 180 MIN. ZADANIE 1 (5 PKT) NAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI

Statystyka z elementami rachunku prawdopodobieństwa

Statystyka matematyczna

Wstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń

Statystyka Astronomiczna

Prezydent wszystkich kombinacji czyli rzecz o filtrowaniu systemów Lotto

Wykład 11: Podstawowe pojęcia rachunku prawdopodobieństwa

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Wykład 1. Wstęp. Rys historyczny. Rodzaje danych. Prezentacja danych. Zastosowania statystyki. Parametry opisowe

Zestaw 1-1 Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.cpp)!!!

Prawdopodobieństwo Warunkowe Prawdopodobieństwo Całkowite Niezależność Stochastyczna Zdarzeń

Rachunek prawdopodobieństwa- wykład 6

Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 14 Zadania statystyka, prawdopodobieństwo i kombinatoryka

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek prawdopodobieństwa i statystyka matematyczna. Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017

Prawdopodobieństwo geometryczne

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

Wybrane rozkłady zmiennych losowych. Statystyka

P (A B) P (B) = 1/4 1/2 = 1 2. Zakładamy, że wszystkie układy dwójki dzieci: cc, cd, dc, dd są jednakowo prawdopodobne.

Zdarzenia losowe Zmienne losowe Prawdopodobieństwo Niezależność

Kombinatoryka i rachunek prawdopodobieństwa (rozszerzenie)

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

PRAWDOPODOBIEŃSTWO I KOMBINATORYKA

Transkrypt:

1 Trochę historii na wstępie Rachunek Prawdopodobieństwa MAP1181 Wydział Matematyki, Matematyka Stosowana Projekt - Paradoks kawalera de Mere Opracowanie: Paulina Rygiel Antoine Gombaud, znany jako Chevalier de Méré (1607-1684) był francuskim pisarzem. Do jego twórczości zaliczają się m.in. eseje L honnête homme (dosł. Uczciwy człowiek) oraz Discours de la vraie honnêteté (dosł. Rozprawa o prawdziwej szczerości). Był myślicielem liberalnym, nie ufał zarówno monarchii dziedzicznej, jak i demokracji. Bardzo cenił sobie dyskusje, uważał bowiem, że są one najlepszym sposobem na rozwiązywanie problemów. Antoine Gombaud jest jednak dużo bardziej znany za swój wkład w teorię prawdopodobieństwa, chociaż był matematykiem amatorem. Uprawiał hazard. Był zapalonym graczem w kości, dlatego często dokonywał różnych obserwacji związanych z rzutami. Pierwsze jego spostrzeżenie dotyczyło następującej sytuacji: częściej wypada jedna szóstka przy czterech rzutach kostką, niż dwie szóstki przy dwudziestu czterech rzutach dwiema kostkami. Według Gombauda szanse te powinny byś takie same, niestety okazywało się, że przez swoje rozumowanie częściej przegrywał niż wygrywał. Ponieważ żył w latach, w których działali znani matematycy: Blaise Pascal (1623-1662) oraz Pierre de Fermat (1601-1665), napisał list do pierwszego z nich: Panie Pascal, do diabła z tą matematyką, stawiałem na co najmniej jedną szóstkę w czterech rzutach i wygrywałem, a gdy zgodnie z waszą regułą trzech [1] rzucałem dwoma kostkami 24 razy, to przegrywałem. Coś się tu nie zgadza, arytmetyka zawodzi. Doświadczenie pokazuje, że jest sprzeczna. List oburzonego Gombauda wzbudził zainteresowanie Pascala, który zaczął badać problem. Sam też napisał list do Fermata z zapytaniem, co on o tym sądzi. Gdy Pascal znał już odpowiedź na pytanie, otrzymał list Fermata z takim samym rozumowaniem jak jego własne, na które odpisał: Cieszę się, że prawda jest taka sama w Tuluzie, jak w Paryżu. [2] W ten właśnie sposób zaczęła kształtować się nowa dyscyplina - probabilistyka, a opisywany powyżej problem z jej dziedziny znany jest jako paradoks kawalera de Méré. Jak zatem rozumował de Méré i dlaczego nie było to poprawne? Antoine Gombaud uważał, że szansa wyrzucenia co najmniej jednej szóstki przy czterech rzutach wynosi: 4 1 = 4. A ponieważ wykorzystywał jedynie regułę trzech, doszedł do wniosku, że jeśli 6 6 dorzuci jedną kostkę i będzie stawiał na podwójną szóstkę przy rzucie dwiema kostkami, to szansa na wygraną będzie taka sama jak w poprzednim przypadku. Bowiem dodatkowa kostka to 6 razy więcej mozliwości, ale żeby szansa na wygraną nie zmniejszyła się, powinien rzucać 6 razy dłużej, czyli 24 razy. Wyliczył zatem takie samo prawdopodobieństwo: 24 1 1 = 4. Rozumowanie to nie 6 6 6 jest jednak poprawne. [1] Reguła pozwalająca obliczyć jedną z niewiadomych proporcji a b = c, gdy pozostałe trzy są dane. Bardzo rozpowszechniona w XVII d wieku [encyklopedia.pwn.pl]. [2] To zdanie stało się swego czasu słynne i często cytowane, zwłaszcza po doświadczeniach prowadzących do wykrycia ciśnienia atmosferycznego i próżni, ale wypowiedziane było w liście Pascala do Fermata z dnia 29 lipca 1654 roku. Odpowiedzi Fermata niestety zaginęły [Wacław Zawadowski Paradoks kawalera de Méré ].

2 Jak jest naprawdę? W dzisiejszych czasach znamy już zasady probabilistyki, dlatego na początku określimy dokładnie przestrzeń probabilistyczną modelującą naszą sytuację. Będziemy badać czterokrotny rzut kostką, zatem: Ω 1 = {(r 1, r 2, r 3, r 4 ), gdzie r i to wynik i-tego rzutu symetryczną kostką} F = 2 Ω 1, P 1 - prawdopodobieństwo klasyczne (liczba możliwych wyników jest skończona) A - zdarzenie polegające na wyrzuceniu co najmniej jednej szóstki przy czterech rzutach kostką Wszystkich możliwych wyników jest 6 6 6 6 = 6 4, zatem #Ω 1 = 6 4. Natomiast #A = 6 4 5 4, ponieważ od liczby wszystkich możliwości należy odjąć ilość tych wyników, które nie dają ani jednej szóstki, a takich jest 5 4. Prawdopodobieństwo zdarzenia A wynosi zatem: P 1 (A) = #A #Ω 1 = 64 5 4 6 4 = 1 54 6 4 = 1 625 1296 = 671 1296 = 0.5177. Zajmiemy się teraz druga sytuacją. Wykonujemy 24 rzuty dwoma kostkami. Ω 2 = {(r 1, r 2,..., r 24 ), gdzie r i = (k 1, k 2 ) dla k 1, k 2 {1,..., 6}} (należy pamiętać, że kostki są rozróżnialne, tzn. wynik (3,4) to nie ten sam wynik co (4,3)) F = 2 Ω 2, P 2 - prawdopodobieństwo klasyczne B - zdarzenie polegające na wyrzuceniu co najmniej raz dwóch szóstek przy 24 rzutach dwoma kostkami Wszystkich możliwych wyników jest 36 24, ponieważ dla jednej kości mamy 6 możliwości, więc dla dwóch jest ich 36, a skoro mamy wykonać 24 rzuty, to #Ω 2 = 36 24. #B = 36 24 35 24, gdyż podobnie jak wcześniej od liczby wszystkich możliwości odejmujemy te, w których ani razu nie wypadnie para szóstek. Stąd P 2 (B) = #B #Ω 2 = 3624 35 24 36 24 = 1 354 36 4 = 0.4914. Widzimy zatem, że wyliczone prawdopodobieństwa zdarzeń A i B są różne, zajście zdarzenia A jest bardziej prawdopodobne niż zajście zdarzenia B, ale różnica jest niewielka. Dodajmy, że chociaż prawdopodobieństwa powyższe były wyznaczane w ramach różnych przestrzeni probabilistycznych, ich porównywanie ma sens w kontekście prawa wielkich liczb, którego pierwszą wersję sformułował Jakub Bernoulli. Z tego twierdzenia wynika, że dla ciągu doświadczeń Bernoulliego, w których sukcesem jest zajście pewnego zdarzenia A 0, częstość występowania sukcesów w długiej serii doświadczeń przybliża prawdopodobieństwo zajścia tego zdarzenia A 0. Tym lepiej im dłuższa jest seria doświadczeń. Prawo to zachodzi dla badanych przez nas zdarzeń A i B, przy czym mała różnica pomiędzy wyliczonymi powyżej wartościami P 1 (A) i P 2 (B) powoduje, że różnicę pomiędzy częstościami występowania tych zdarzeń widać dopiero przy bardzo dużej liczbie powtórzeń odpowiednich serii rzutów. Dlatego tylko doświadczeni hazardziści, jak właśnie Antoine Gombaud, mogą zauważyć, że częściej dochodzi do zdarzenia A niż do zdarzenia B. Cała opisana tutaj sytuacja nazywana jest paradoksem, ponieważ szanse są inaczej rozłożone niż podpowiada intuicja.

3 Inny przykład Aby zagłębić się jeszcze bardziej w paradoks kawalera de Méré, rozważmy następujące zadanie: Rzucamy trzema kostkami do gry. Jaka jest szansa, że suma oczek wynosi 11? A jaka, że 12? Przy rzucie trzema kostkami do gry sumę oczek równą 11 możemy uzyskać na 6 sposobów: 1 + 4 + 6 = 11, 1 + 5 + 5 = 11, 2 + 3 + 6 = 11, 2 + 4 + 5 = 11, 3 + 3 + 5 = 11, 3 + 4 + 4 = 11. Sumę oczek równą 12 również uzyskujemy na 6 sposobów: 1 + 5 + 6 = 12, 2 + 4 + 6 = 12, 2 + 5 + 5 = 12, 3 + 3 + 6 = 12, 3 + 4 + 5 = 12, 4 + 4 + 4 = 12. Wydaje się, że można stąd wywnioskować, że szansa na wyrzucenie sumy oczek równej 11 jest taka sama, jak szansa na wyrzucenie sumy oczek równej 12. Jest to jednakże błędne rozumowanie, chociaż nie każdy jest w stanie od razu to zauważyć. Okazuje się, że rzucając kilkoma kostkami koniecznie należy je rozróżnić, czego nie zrobiliśmy powyżej. Prawidłowy model naszej sytuacji to: Ω = {(r 1, r 2, r 3 ), gdzie r i {1, 2, 3, 4, 5, 6}} F = 2 Ω, P -prawdopodobieństwo klasyczne C-zdarzenie polegające na wyrzuceniu sumy oczek równej 11 D-zdarzenie polegające na wyrzuceniu sumy oczek równej 12 Ponieważ uwzględniamy kolejność, to wszystkich możliwych wyników jest 6 6 6 = 6 3, zatem #Ω = 216. Rezultatem rozróżniania kości, jest to, że następujące wyniki traktujemy jako różne: (1,5,6), (1,6,5), (5,1,6), (5,6,1), (6,1,5), (6,5,1). Widzimy zatem, że dla trzech różnych cyfr mamy 3! = 6 różnych ustawień. W przypadku dwóch jednakowych i jednej innej cyfry możliwości są 3 np: (2,2,5),(2,5,2),(5,2,2). Gdyby wszystkie cyfry były jednakowe to możliwość ustawienia jest oczywiście tylko jedna. Istnieją trzy zestawy różnych cyfr spośród {1,2,3,4,5,6} dających nam w sumie liczbę 11 oraz 3 zestawy dwóch jednakowych cyfr i jednej innej. Zatem #C = 3 6 + 3 3 = 18 + 9 = 27. Jeśli chodzi o liczbę 12 sytuacja trochę się różni. Są trzy zestawy różnych cyfr, ale tylko 2 zestawy dwóch jednakowych i jednej innej. Ostatni zestaw składa się z trzech czwórek, zatem możliwość ustawienia jest tylko jedna. Stąd #D = 3 6 + 2 3 + 1 = 18 + 6 + 1 = 25. Obliczając teraz prawdopodobieństwo obydwu zdarzeń otrzymujemy: P (C) = #C = 27 #Ω 216 = 0.125 P (D) = #D = 25 #Ω 216 = 0.116.

4 Po raz kolejny różnica jest bardzo mała, wobec czego można pomyśleć, że nie ma ona znaczenia i nie będzie widoczna przy obserwacjach częstości występowania badanych zdarzeń. Okazuje się jednak, że przy dużej liczbie prób jest zauważalna. Moglibyśmy to sprawdzić rzucając trzema kostkami np. 10000 razy. Niestety zajęłoby nam to dużo czasu, musielibyśmy także zliczać te wyniki i na dodatek starać się nie pomylić. Współcześnie lepiej jest wobec tego wykorzystać komputer i symulować takie rzuty. Zatem chcąc sprawdzić, czy w rzeczywistości częściej wypada suma oczek 11 niż 12, wykorzystałam napisany przeze mnie program w języku Python, symulujący rzuty trzema kostkami. Otrzymałam następujące wyniki: Dla 100 prób: 1) Ilość otrzymania sumy 11 z 100 prób: 14 14 = 0.14 100 Ilość otrzymania sumy 12 z 100 prób: 16 16 = 0.16 100 Dla 1000 prób: 2) Ilość otrzymania sumy 11 z 1000 prób: 139 139 1000 = 0.139 Ilość otrzymania sumy 12 z 1000 prób: 104 104 1000 = 0.104 3) Ilość otrzymania sumy 11 z 1000 prób: 121 121 1000 = 0.121 Ilość otrzymania sumy 12 z 1000 prób: 109 109 1000 = 0.109 4) Ilość otrzymania sumy 11 z 1000 prób: 117 117 1000 = 0.117 Ilość otrzymania sumy 12 z 1000 prób: 123 123 1000 = 0.123 5) Ilość otrzymania sumy 11 z 1000 prób: 126 126 1000 = 0.126 Ilość otrzymania sumy 12 z 1000 prób: 102 102 1000 = 0.102 Dla 10000 prób: 6) Ilość otrzymania sumy 11 z 10000 prób: 1293 1293 10000 = 0.1293 Ilość otrzymania sumy 12 z 10000 prób: 1173 1173 10000 = 0.1173 7) Ilość otrzymania sumy 11 z 10000 prób: 1263 1263 10000 = 0.1263 Ilość otrzymania sumy 12 z 10000 prób: 1174 1174 10000 = 0.1174 8) Ilość otrzymania sumy 11 z 10000 prób: 1233 1233 10000 = 0.1233 Ilość otrzymania sumy 12 z 10000 prób: 1140 1140 10000 = 0.1140

5 Dla 500000 prób: 9) Ilość otrzymania sumy 11 z 500000 prób: 62477 62477 500000 = 0.12495 Ilość otrzymania sumy 12 z 500000 prób: 58034 58034 500000 = 0.116068 10) Ilość otrzymania sumy 11 z 500000 prób: 62671 62671 500000 = 0.125342 Ilość otrzymania sumy 12 z 500000 prób: 57524 57524 500000 = 0.115048 Na podstawie powyższego eksperymentu możemy stwierdzić, że rzeczywiście Antoine Gombaud mógł zaobserwować, że suma oczek równa 11 występuje częściej, niż suma oczek 12. W przypadku 1), gdzie liczba doświadczeń wynosiła 100, nie jesteśmy w stanie zauważyć, że któraś z sytuacji zdarza się częściej. Natomiast dla 1000 prób różnica zaczyna być widoczna, i im większa liczba doświadczeń, tym zjawisko to jest bardziej dostrzegalne. W przypadku 500000 powtórzeń różnica pomiędzy występowaniem sumy równej 11 i 12 sięga nawet 5147. Na uwagę zasługuje czwarty wynik, w którym 12 wypadła więcej razy, stąd jeśli ktoś nie zajmuje się grami w kości, a wykona jedynie pojedynczy eksperyment, może nie dojść do takiego samego wniosku, co Gombaud. Widać też, że im większa liczba prób, tym częstość występowania danej sumy oczek jest bliższa wyliczonej wcześniej wartości prawdopodobieństwa jej wystąpienia, co ilustruje działanie prawa wielkich liczb. Podsumowanie Paradoks kawalera de Méré związany jest z błędnym wyobrażeniami o losowości. Wszędzie tam, gdzie mamy do czynienia z rzutami kilkoma kośćmi, należy pamiętać o tym, aby je rozróżniać. Ważnym aspektem jest też dokładny opis przestrzeni probabilistycznej, który umożliwia poprawną analizę sytuacji. Przy takich działaniach mamy duże szanse na uniknięcie błędów w rozumowaniu. W probabilistyce nie należy ufać ludzkiej intuicji, bowiem wobec zdarzeń losowych często bywa zawodna. Stąd tak liczne paradoksy w probabilistyce. Źródła: 1)en.wikipedia.org/wiki/Antoine_Gombaud 2)proofwiki.org/wiki/De_Méré s_paradox 3)www.deltami.edu.pl/temat/matematyka/rachunek_prawdopodobienstwa/2011/03/25/Paradoksy_rachunku_prawdopodobienstw 4)Wacław Zawadowski Paradoks kawalera de Méré