Вашингтон Плэтт - Информационная работа стратегической разведки. Основные принципы
Например, на свободном рынке обычно наблюдается большая степень корреляции между размером урожая и рыночными ценами на соответствующую продукцию сельского хозяйства. Часто корреляция привлекает наше внимание к причинно-следственным связям, существующим между изучаемыми двумя рядами величин. В области естественных и общественных наук установление существенной корреляции часто заставляет нас искать возможные связи между явлениями, которые в противном случае могли остаться незамеченными. Это особенно характерно для информационной работы.
С точки зрения разведки весьма близким к корреляции является положение, при котором несколько отдельных явлений весьма точно совпадают во времени. Например, у человека, остановившегося в гостинице, когда он спал, украли пять тысяч долларов. Вскоре после этого случая один из ночных сторожей гостиницы уплатил по закладной за свой дом и начал сорить деньгами. Здесь действуют в соответствии с давно известным принципом: Post hoc, ergo propter hoc («После этого — следовательно, вследствие этого»). Необходимо уяснить, какое значение имеет этот принцип.
Описанные нами три случая в равной мере могут привлечь внимание офицера информации и даже вызвать у него определенные сомнения. Вот эти три случая:
1) корреляция двух рядов событий;
2) совпадение во времени двух или нескольких событий;
3) случай, когда имеет место событие, которое a priori рассматривается как весьма невероятное (как в приведенном примере с картами, сдаваемыми при игре в бридж).
В каждом из трех случаев, естественно, могут иметь место или же могут быть придуманы самые нелепые корреляции. Так, Сэржент [78] пишет, что в северном полушарии существует обратная корреляция между среднемесячной температурой воздуха и количеством букв в названии месяца. Месяцы, содержащие много букв в названии, — декабрь, январь и февраль — холодные. Месяцы с короткими названиями — май, июнь, июль — жаркие. В жизни имеется бессчисленное количество забавных» но бессмысленных случаев корреляций и совпадений.
Вопрос: Каким образом должен офицер информации использовать три указанных случая? Следует ли их игнорировать в связи с имеющими место нелепостями? Или, с другой стороны, должен ли он считать, что они о чем-то свидетельствуют, поскольку данный высокий коэффициент корреляции или данное единичное явление могли случайно иметь место только в одном из ста (или миллиона) случаев?
Ответ: Правильное решение этого вопроса не исчерпывается выбором одного из двух предложенных выше выходов. Если обстоятельства оправдывают работу в данном направлении, офицер информации должен продолжить изучение вопроса.
Корреляция, совпадение или необычное явление сами по себе ничего не доказывают, но они могут привлечь внимание к отдельным вопросам и привести к дополнительному исследованию. Для разведки имеет значение только такое положение, при котором можно установить логическую связь между двумя рядами явлений или двумя совпадающими во времени явлениями либо же дать разумное объяснение какому-либо необычному единичному явлению. Для того чтобы вызвать интерес у разведки, необходимо открыть логическую связь между явлениями или дать им определенное объяснение.
Уайтхед [91] пишет:
«Самая распространенная ошибка связана с предположением о том, что в случае, когда проведены длительные и точные математические вычисления, можно с полной уверенностью считать результаты этих вычислений применимыми к какому-либо явлению природы».
Таким образом, офицер информации, знакомый с теорией вероятностей, правильно оценивает корреляции с высоким коэффициентом и в высшей степени необычные явления. Он знает, как извлечь ту пользу, которая может в них заключаться. Если данные явления представляют интерес толькоих необычным характером, он не станет зря тратить время на поиски причин, объясняющих, почему они имели место.
Распределение и дисперсияЛюбой группе однородных измеримых величин, таких, например, как рост людей, коэффициент умственного развития, размер заработной платы, свойственно явление дисперсии: некоторые люди имеют высокий рост, другие низкий. Часто мы обнаруживаем, что наряду с существованием отдельных очень низких людей рост подавляющего большинства составляет примерно 1 м 75 см.
Человеку, мыслящему с учетом теории вероятностей, даже если он не знает высшей математики, знакома «кривая нормального распределения», изображенная на рис. 5. На этом рисунке отражена относительная частота повторяемости определенного роста, коэффициента умственного развития и размера заработной платы для любой данной группы явлений. Результаты широкого исследования группы однородных явлений, проведенного выборочным методом, должны графически выразиться в виде кривой, изображенной на рис. 5. Наиболее часто повторяющиеся значения должны сосредоточиваться по обе стороны от линии, изображающей среднее арифметическое значение для данных явлений.
Степень дисперсии может определяться различными путями: путем учета амплитуды, среднего квадратичного отклонения, среднего отклонения, вероятной ошибки и т. д. Соответствующие определения и формулы можно найти в любой книге по математической статистике (см. список литературы в конце книги).
Если результаты изучения частоты повторяемости явлений какой-либо группы изображаются в виде кривой, приведенной на рис. 6, офицер информации может с полным основанием считать, что фактически он изучал не одну, а две различные группы.
Рис. 5. Кривая нормального распределения. Иллюстрация нормы среднего квадратичного отклонения и среднего значения. Рис. 6. Бимодальная кривая частоты.Офицер информации, познакомившись с теорией вероятностей, поймет, что при изучении фактического материала можно извлечь ценную для разведки информацию с помощью такого «параметра», как среднее квадратичное отклонение. Он поймет также, что извлечь пользу из большого количества цифр, например из тысячи цифр, едва ли удастся, если не применить какой-либо обобщающий показатель — параметр. Помимо параметров, служащих для определения степени дисперсии, имеются параметры, характеризующие срединную тенденцию повторяемости величин данной группы. Самыми важными параметрами такого рода являются среднее арифметическое значение, медиана и мода. Все эти параметры иногда объединяют под общим названием «среднее значение». Эта категория является довольно любопытной В среднем значении получает выражение «лучшее из худшего и худшее из лучшего».
Руководствуясь приобретенным ранее" опытом, офицер информации, однако, никогда не принимает за чистую монету поверхностные рассуждения, основанные на средних значениях. В отчетах компаний часто можно встретить следующие заявления:
«Круг акционеров нашей компании весьма широк. Каждый акционер в среднем имеет 100 акций». У многих создается впечатление, что очень большое количество акционеров имеет примерно по сто акций каждый. Приведенное выше заявление обычно делается со специальной целью создать такое впечатление. В действительности подавляющая масса акций может находиться в руках весьма узкой группы акционеров. Вместе с тем правление компании могло провозгласить о своем намерении превратить рабочих и служащих в собственников компании и продать тысячам рабочих и служащих по 5—25 акций каждому. В результате акции могут распределяться следующим образом:
Директор А……………….. 40 000 акций
Директор Б……………….. 25000 акций
Директор В……………….. 20 000 акций
500 рабочих и служащих (по 20 акций у каждого) 10000 акций
500 рабочих и служащих (по 10 акций у каждого) 5 000 акций
1003 акционера владеют…………..100 000 акций
В среднем каждый акционер имеет 99,7 акций.
Разведчик, знакомый с теорией вероятностей, понимает, что медиана или мода лучше выражают срединную тенденцию повторяемости большого количества величин, чем среднее арифметическое значение.
Пожалуй, нагляднее всего сравнительная характеристика среднего значения, медианы и моды дана на схеме в книге Хаффа [73], воспроизведенной на рис. 7.
Рис. 7. Среднее значение, медиана, мода.Разведчик, мыслящий с учетом теории вероятностей, понимает, что обычно отдельные величины группируются вокруг определенного среднего значения и по мере удаления от этого среднего значения дисперсия все более и более увеличивается. Он понимает, что величины, наиболее удаленные от среднего значения, могут существенным образом отличаться от основной массы величин данной группы. В каждом конкретном случае он четко указывает, что его интересует прежде всего основная масса величин или крайние для данной группы величины.
