Οι εικόνες παρουσιάζουν μια σειρά από στιγμιότυπα από μια προσομοίωση ρίψης ζαριού, τα οποία καταγράφουν τον αριθμό των ρίψεων και τις αντίστοιχες συχνότητες και σχετικές συχνότητες εμφάνισης του κάθε αριθμού (από 1 έως 6).

Αρχικά, στην Εικόνα 1, βλέπουμε τα αποτελέσματα από μόλις 10 ρίψεις. Σε αυτό το μικρό δείγμα, οι συχνότητες εμφάνισης των αριθμών είναι πολύ ανομοιόμορφες. Για παράδειγμα, κάποιοι αριθμοί μπορεί να έχουν εμφανιστεί αρκετές φορές, ενώ άλλοι καθόλου, κάτι που είναι αναμενόμενο λόγω του μικρού αριθμού των δοκιμών.

Καθώς προχωράμε στις Εικόνες 2, 4, 6, 8, και 10, ο συνολικός αριθμός των ρίψεων αυξάνεται σταδιακά (από 2000 έως 6000). Παρατηρούμε μια σαφή τάση: οι συχνότητες εμφάνισης του κάθε αριθμού αρχίζουν να συγκλίνουν. Οι μπάρες στο γράφημα γίνονται όλο και πιο ομοιόμορφες σε ύψος, υποδηλώνοντας ότι ο κάθε αριθμός εμφανίζεται περίπου τον ίδιο αριθμό φορών.

Ταυτόχρονα, στις Εικόνες 3, 5, 7, και 9, παρακολουθούμε την εξέλιξη των σχετικών συχνοτήτων (Relative Frequency) για τον αντίστοιχο συνολικό αριθμό ρίψεων. Η σχετική συχνότητα υπολογίζεται διαιρώντας τη συχνότητα εμφάνισης κάθε αριθμού με τον συνολικό αριθμό των ρίψεων. Καθώς αυξάνεται ο αριθμός των ρίψεων, οι τιμές των σχετικών συχνοτήτων για κάθε έδρα του ζαριού (δηλαδή, για τους αριθμούς 1 έως 6) προσεγγίζουν όλο και περισσότερο τη θεωρητική πιθανότητα, η οποία για ένα δίκαιο ζάρι είναι 1/6≈0.167.

Η όλη διαδικασία αποδεικνύει οπτικά τον Νόμο των Μεγάλων Αριθμών, ένα θεμελιώδες θεώρημα στις πιθανότητες. Ο νόμος αυτός δηλώνει ότι όσο περισσότερες φορές επαναλαμβάνεται ένα τυχαίο πείραμα, τόσο πιο κοντά είναι τα εμπειρικά ή πειραματικά αποτελέσματα (οι σχετικές συχνότητες) στην αναμενόμενη θεωρητική πιθανότητα. Αυτό εξηγεί γιατί, ενώ σε λίγες ρίψεις τα αποτελέσματα μπορεί να είναι απρόβλεπτα, σε ένα μεγάλο αριθμό ρίψεων, η κατανομή των αποτελεσμάτων τείνει να γίνεται ομοιόμορφη και προβλέψιμη.

Ερωτήματα για περαιτέρω σκέψη και διερεύνηση

α) Ο Νόμος των Μεγάλων Αριθμών είναι εμφανής στις εικόνες: όσο αυξάνονται οι ρίψεις, οι σχετικές συχνότητες προσεγγίζουν τη θεωρητική πιθανότητα (1/6). Πώς θα εξηγούσατε τη σημασία αυτού του νόμου στην πρόβλεψη αποτελεσμάτων σε φαινόμενα που βασίζονται στην τύχη, όχι μόνο για ένα ζάρι, αλλά και σε πιο σύνθετες καταστάσεις της καθημερινότητας (π.χ., τα αποτελέσματα ενός εκλογικού γκάλοπ, η απόδοση μιας επένδυσης);

β) Η προσομοίωση της ρίψης ζαριού αποτελεί ένα παράδειγμα χρήσης ψηφιακών εργαλείων για την κατανόηση της πιθανότητας. Πέρα από το ζάρι, μπορείτε να σκεφτείτε 2-3 άλλα πραγματικά προβλήματα ή καταστάσεις (π.χ., στη βιολογία για τη μελέτη γενετικών χαρακτηριστικών, στην οικονομία για την πρόβλεψη τιμών, ή στον έλεγχο ποιότητας προϊόντων) όπου η διενέργεια πολλών πραγματικών πειραμάτων είναι ανέφικτη ή στοιχίζει ακριβά, και θα μπορούσε να χρησιμοποιηθεί μια ψηφιακή προσομοίωση για να εξερευνήσουμε τις πιθανότητες και να κατανοήσουμε καλύτερα το φαινόμενο;