Come possiamo trovare la probabilità di vincere un gioco così complesso che i suoi stati superano il numero di atomi nell'universo? Quando la matematica analitica diventa intrattabile, ci rivolgiamo al laboratorio del computer. Simulazione: Questo metodo di determinare empiricamente le probabilità attraverso l'esperimentazione è noto come simulazione, agendo da ponte tra la probabilità teorica e l'applicazione pratica.
L'architettura di un esperimento
Nel cuore di ogni simulazione c'è la riproduzione di processi stocastici. Invece di risolvere un'equazione chiusa, simuliamo il comportamento del sistema attraverso prove ripetute. Per tradurre questi risultati fisici in dati matematici, utilizziamo Variabili indicatrici.
Per quantificare gli esiti, definiamo variabili casuali che catturano il successo o il fallimento di un evento. Ad esempio, in un gioco con i dadi:
$$X = \begin{cases} 1 & \text{se la somma dei dadi è 6} \\ 0 & \text{altrimenti} \end{cases}$$
Per giochi più complessi come il solitario, definiamo $X_i$ come l'esito della $i$-esima prova:
$$X_i = \begin{cases} 1 & \text{se la } i\text{-esima partita termina con una vittoria} \\ 0 & \text{altrimenti} \end{cases}$$
In modo cruciale, il valore atteso $E[X_i] = P\{\text{vittoria al solitario}\}$.
Convergenza teorica
Perché funziona? La validità della simulazione si basa sul Teorema forte dei grandi numeri (SLLN). Definiamo il nostro stimatore come la media campionaria:
$$\sum_{i=1}^n \frac{X_i}{n} = \frac{\text{numero di partite vinte}}{\text{numero di partite giocate}}$$
Questo è uno stimatore non distorto. Grazie al teorema forte dei grandi numeri, sappiamo che $\sum_{i=1}^n \frac{X_i}{n}$ convergerà con probabilità 1 a $P\{\text{vittoria al solitario}\}$ quando $n \to \infty$.
Esempio: Il paradosso del solitario
Immagina di calcolare la probabilità esatta di vincere un gioco complesso di solitario. La combinatoria analitica sarebbe quasi impossibile a causa del numero enorme di configurazioni del mazzo. Invece, programmiamo un computer per giocare $n = 1.000.000$ partite usando una strategia fissa. Tenendo traccia di $X_i$ per ogni partita, la frazione risultante di vittorie fornisce una stima ad alta precisione della probabilità di vittoria, impossibile da ottenere con metodi contabili standard.