Könyves Magazin

Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.

· PT31M45S

Összefoglaló

A Könyves Magazin podcastjének, a Futurothecának ezen adásában Keszthelyi Gabriella matematikus és Papp Eszter fizikus beszélgetnek a valószínűségszámítás és a kritikai gondolkodás kapcsolatáról, valamint arról, hogyan szövik át mindennapjainkat a valószínűségek. Keszthelyi…

Röviden

Műsor
Könyves Magazin
Megjelenés
2026. 02. 12.
Hossz
32 perc
Szereplők, említett nevek
Keszthelyi Gabriella, Bakó Sára, Bognár Edmond
Témák
valószínűségszámítás, kritikai gondolkodás
Átirat
Az epizód beszélt szövege alapján indexelve

Ebben az epizódban

Ez a Futurotéka, a könyves magazin fiction könyvekkel foglalkozó podcastje.

A futuroékával a jövő könyvtárát építjük olyan könyvekből, amelyek segítenek megérteni a világot.

Olvassunk és beszélgetünk, hogy formáljuk a közös jövőnket.

A futurotéka fő támogatója az Erzte, mert ha ismered önmagad és a világot, könnyebb hinni a jövődben.

Higj magadban, azte már hisz benned.

Jó napot kívánok, Valuska László vagyok.

Köszöntök mindenkit a Könyves magazin podcast csatornáján.

Ebben a sorozatban nonfiction könyvekkel foglalkozunk.

A technológia szekció támogatója a Samsung.

Keszhei Gabriella matematikus.

A BMS Tohasztika tanszékének adjunktusa.

Főkutatási területe a dinamikai rendszerek és a káosz elmélete.

Egy ideje azonban a valószínűség számítás és a valószínűségek percepciója áll vizsgálódásainak középpontjában.

Találkozhatunk vele a kutatók éjszakáján, a lányok napján, a Brénbáron és sok más tudománynévpszerűsítő előadáson is, mint például itt a Futurotéken.

Köszöntelek itt. >> Sziasztok. >> Még mielőtt a könyvedről beszélgetünk, hogyan és mikor szerettél bele a matematikába?

Fú, hát mindig jó voltam matekból kiskoromtól, de azt hiszem azon a ponton, amikor hetedikben volt egy helyettesítő talán egy kis tanár, aki jött az egyetemről gyakorolni és kicsit szerintem így előre szaladt az anyaggal, vagy nem volt nem volt teljesen tisztában vele, hogy mi a mi a hetedikes anyag, és arról magyarázott, hogy hogyan lehet a kört közelíteni sok szögekkel.

És ugye az volt a vége, hogy ahhoz, hogy így megközelítsük a kört, teljesen pontosan, az tulajdonképpen egy ilyen végtelen oldalú sokszöget kellenni.

És mondom, ú mondom ez nem tudom mi, de ez nagyon ez nagyon izgi.

Úgyhogy szerintem valahol valahol itt lehetett a pont. >> Berántott maga a végtelennek az ötlete a matematikában.

Igen, igen. >> Viszont nagyon sokan a valószínűségszámításnál szoktak elakadni, vagy legalábbis nem nagyon értik.

Mit gondolsz, miért okoz nehézséget az emberek többségének ez a része a matematikának? >> Mert nem egy szokványos gondolkodást igényel, és még a szóval a matematikán belül sem szokványos gondolkodás.

Tehát mondjuk még ha valaki jó is matekból, és mondjuk meg tud oldani egy csomóféle feladatot, akkor is gyakori, hogy az ilyen valszámos példákkal elakad. >> Neked egyébként könnyen jött ez a valszámos gondolkodás? >> Nem, nem, nem.

Én szerintem azért tudtam ezt a könyvet így meginni, mert nekem egyáltalán nem volt magától értetődő valszámos gondolkodás, úgyhogy meg tudtam elég könnyen bele tudtam helyezkedni abba a nézőpontba, hogy ezt valaki nem érti.

Én most így a könyvedből összegyűjtöttem pár részt, ami nekem nagyon megtetszett.

És az első az a nagyszámok törvénye, amire sokszor szoktak hivatkozni, hogy hát most már sokatszorra veszitek, most már biztos a nagy számok törvénye alapján nyerni fogok, de azért ez becsapós ez a gondolatmenet.

Miért becsapós? >> Igen, mert a nagyszámok törvénye az nagy számokra vonatkozik, és általában az emberek nem tudják, hogy mi az, hogy nagy szám.

Tehát ha mondjuk kaszinóba járunk és rulettezünk, akkor az, hogy most mondjuk tízszer egymás után feketét pörgettünk, az nem fogja azt jelenteni, hogy a következő az piros lesz.

Azért sem, mert a pörgetések azok függetlenek egymástól, tehát nincsen emlékező tehetség a ruletnek.

Másrészt meg azért sem, mert a 10 az nem egy nagy szám.

Tehát amire itt próbálnak hivatkozni, az arra vonatkozik, hogyha mondjuk van 1000 pörgetés, akkor nagyjából felfele arányban lesz piros és fekete, de ilyen pici számokra nem lehet semmit se mondani.

Tehát akármilyen, akárkora fluktuációk is lehetnek benne. >> Amit a könyvedben említesz, az a születésnap paradoxon, és hogy ezt a tanóráidon is szoktad a diákokon tesztelni.

Hát általában be szokott jönni, mert olyan 30 fő körüli egy csapat, és ugye az az állítás, hogy 23 ember kell ahhoz, hogy legalább 50% legyen az esélye annak, hogy legalább két ember van ott a csapatban, akik egy napon születtek.

Olyan is volt már, hogy kettő pár is volt, tehát hogy két két szülinapos, de előfordult már egyszer vagy kétszer előfordult, hogy nem nem volt nem volt szerencsém.

Nálunk egy 12-es csoportban volt olyan, hogy kettő pár is volt. >> Vow!

Na, annak viszont már elég pici a valószínűsége. >> Mennyire tudják egyébként a hallgatók ezt megbecsülni?

Tehát szoktad tőlük kérdezni? >> Semennyire semennyire.

Teljesen rosszul. >> Itt miért nem működik annyira az emberi intuíció? >> Mert nincs ezzel kapcsolatban intuíciónk.

Az az igazság, hogy ez egy nagyon nem intuitív dolog.

A másik, ami szerintem megint csak olyan, hogy bejön az emberi oldala az egésznek, az például az, amikor valaki szeretne valamilyen új autót venni, kinéz mondjuk egy márkát, és akkor konstatálja, hogy hú, ebből egyre több jön velem szembe az úton.

Pedig igazából ugyanannyi, csak egyszerűen többet vesz belőle észre.

Hogyan torzítják a megfigyeléseink, a hírek, vagy mondjuk a média a különböző események gyakoriságáról, például egy cápaámadásról alkotott elképzeléseinket? >> Nagyon erőteljesen van egy van egy nagyon friss példám erre.

Ugye én fogom meginterjúolni Daniel Temetet este, aki egy szav szindróás valaki, és ebből írt könyvet.

És mióta felkértek erre az interjúra, én mindenhol a szav, tehát hogy olvassok egy könyvet, és akkor abban is van egy szavanczindróás, akkor egy valami teljesen más cikkben, valami teljesen random filmben.

És akkor magamban így meg is jegyeztem, hogy na ez most egy jó, ez most egy jó példa arra hogy hogy ez megtörténik.

Tehát azért, mert mert ugye kicsit rállt az agyam erre, hogy most lesz egy ilyen interjúm, ezért rögtön észreveszem. ezeket.

Tehát amúgy is lehet, hogy lenne egy csomó minden, amit ennyire gyakran látok, vagy ennyire gyakran szemben, csak elfelejtem rögtön, mert nem, mert nem érdekes számomra.

És akkor a torzítás az ott jön be, hogy emiatt mondjuk hajlamosbak vagyunk az ilyen eseményeket sokkal gyakoribbnak ítélni, vagy sokkal valószínűbbnek ítélni, mint amilyenek.

Csak azért, mert mi mondjuk többször láttuk, mint ahogy azt gondolnánk, hogy látnunk kellett volna.

Amikor írtad a könyvet és gyűjtötted hozzá az adatokat, akkor volt számodra olyan meglepő dolog, hogy valaminek sokkal nagyobb a valószínűsége, mint egy másik eseménynek, és erre nem számítottál volna?

Hát igen, igazából elég elég vegyes volt a a felhozatal, tehát hogy megnéztem a azt, hogy cápatámadásban halunk meg, azt azt gondoltam, hogy messze nem olyan gyakori, mint ahogy általában tippelni szokták az emberek, de hogy hogy annyira ritka a én azt találtam statisztikák alapján, hogy egy a 300 millióhoz, ami elképesztően ritka, tehát ami mondjuk a hát nagyjából kevesebb mint egy tizede a teli találatnak, az ötös lottó teli találat esélyének.

Úgyhogy azér például meglepíttem, hogy ennyire ritka. >> Amit én nagyon szeretek, és egyre több helyen próbálnak hangsúlyozni, az az, hogy a korreláció az nem egy elő a kauzalitással, és az szerintem el is fogunk tudni időzni.

A könyveden könyvedben említesz egy konkrét példát, egy tanulmányt, ahol az országok étokoládé fogyasztását vetették össze az egy főre jutó Nobeldíjasok számával, és az jött ki, hogy ez a kettő adat ez korrelál.

És hát nyilván ebből, ha valaki nem gondol bele, akkor megpróbálhatja levonni azt a következtetést, hogy az étokitól akkor mindenki okos lesz.

Hogyan lehet ezt kiküszöbölni, ezt a gondolkodást? >> Ez nagyon nehéz.

Ez nagyon nehéz, mert mert olyan az agyunk, hogy narratívákban szeretünk gondolkozni, narratívákat keresünk mindenhol, és valójában igazából senkit nem érdekelnek a számok így önmagában, hogy nagyon kevés ember van, akit a számok így önmagában érdekelnének.

Mindenki egy sztorit szeretne hallani.

Tehát ez nem egy sztori, hogy hát akkor az écsoki fogyasztás és a nobedíjasok szám, akkor ez nem jelent semmit, ez a mondat a legtöbb embernek.

És ami jelent valamit, az az, hogy A okozza B-t, egyik esemény okozza a másikat.

Mondjuk kicsit fura, hogy miért okoz az étoki fogyasztás nobedíjasokat, de hallgassuk, hallgassuk meg a sztorit, biztos érdekes lesz.

És és nagyon erőteljes erre a hajlamunk.

Szóval én csak arra szeretem felhívni a figyelmet, hogy érdemes ez erre odafigyelni, hogy ebbe így úton útfélen beleessünk ebbe a csapdába. sokkal inkább, mint mint amennyire gondolnánk.

És egyébként nagyon nagyon vicces, ugye, mert végsősoron egyébként van egy ok- ookozati struktúra emögött, csak nem az, amire gondolnánk az emberek.

Tehát nem az, hogy a az étcsoki okozza a nóbedíjasokat, vagy a nobedíjasok okozzák a magas étoki fogyasztást, vagy bármi ilyesmi, hanem a pénzzá mögötte.

Tehát egy ország gazdasága, gazdasági helyzete indikálja a magas étoki fogyasztást és a sok nobedíjast. >> Miért fontos egyébként, hogy ezt így megértessük az emberekkel, hogy nem feltétlen van ok okozati összefüggés attól függetlenül, hogy valami mondjuk együtt növekszik?

Hát szerintem elég jól lehet növelni az emberek életszínvonalát hogyha némi ilyen alap alapvető kritikai gondolkodást így így beiktatunk, mert csak azért is, mert tehát, hogy nagyon nagy a fogyasztási vágy ezekben az években, évtizedekben. mindenki valamit el akar nekünk adni, és akkor ugye úgy szokott ez menni, hogy igen, igen, és akkor itt vannak a klinikai bizonyítékok, itt vannak a kutatások, hogy akkor nem tudom az ilyen tabletta fogyaszt fogyasztóta és a 15 fő, akivel megcsináltuk ezt a kutatást.

Itt egy van egy szignifikáns összefüggés, hogy jobban fogytak.

És akkor ebből mi csak azt halljuk ki, hogy ja, jó, jó, akkor ez, akkor ez valószínűleg jó lesz nekünk.

És akkor jó, akkor vegyük meg. >> Meg dobálóznak ilyen szavakkal, hogy szignifikáns, amiről nyilván nem sokan tudják, hogy mit jelent.

Ezt talán most ki is fejthathetjük egy kicsit. >> Igen.

Szóval hát igazából nagyon kevesen tudják, hogy mit jelent az, hogy hogy szignifikáns, de valójában ugye arról van szó, hogy egy csomószor nem tudunk közvetlenül bebizonyítani dolgokat.

Tehát tipikusan szeretünk szeretnénk összefüggést találni két dolog között.

Mondjuk ha van egy én fejlesztek egy vérnyomáscsökkentőt, akkor nyilván szeretném, hogyha ez így hatna és ténylegesen csökkenteni az embereknek a vérnyomását.

De hát ugye ezt hogyan hogyan tesztelem le?

Tehát, hogy most adok neked egy szemet, és akkor megnézem, megmérem előtte a vérnyomásod, megmérem az utána a vérnyomásod, és akkor jó, hát mondjuk nem tudom, lejjebb ment öt igany miméterre most akkor, és akkor most ettől hat, hat vagy nem hat, ugye nem tudjuk, lehet, hogy te közben nem tudom, meditáltál egy órát és attól ment lejjebb a vérnyomásod.

Szóval a lényeg az, hogy ahhoz, hogy bármit tudjunk mondani, például egy gyógyszernek a hatékonyságáról, ahhoz kell egy nagy mintát venni, tehát viszonylag sok emberen le kell tesztelni, és akkor meg kell nézni, hogy mi történik.

És az van, hogy végső soron az ő most nagyon leegyszerűsítve a dolgat, az ő eredményeiket kiátlagoljuk, és tulajdonképpen az lesz, hogyha ez az átlag is el fog mozdulni.

Hát a normálistól, ahol a normális alatt a normális eloszlást, a haranggörbét értem, és ez az elmozdulás kellően nagy lesz.

Itt jön, itt jön be igazából a statisztika, mint tudomány, mit jelent az, hogy kellően nagy, de az van, hogy végső soron az lesz, azt hívjuk szignifikáns eredménynek, hogyha az, hogy ezt az elmozdulást az átlagban a véletlen okozta, annak a valószínűsége az kisebb, mint egy előre lefixált picike valószínűség.

Tipikusan mondjuk 5% szokott ez lenni.

Most most próbáltam nagyon egyszerű leegyszerűsíteni, de hogy hogy ezek a fogalmak igazából egyáltalán nem nem könnyűek.

Szóval én nem hibáztatok senkit, aki mondjuk így nem nem érti őket, de ténylegesen szerintem sokat lehet nyerni abból, hogyha egy picit gondolkozunk ezekken, egy picit jobban megértjük, hogy mit jelentenek ezek. >> Megállni néha nem könnyű, de minden szünet lehet új kezdet.

Higj magadban, az erzte már hisz benned. >> Ha már így említetted a haranggörbét, Po Caré volt az, aki a péket leplezte le.

Hogyan használta a tudós a matematikát, hogy kimutassa, hogy a pék megtéveszti őt? >> Tehát valahogy úgy szól a fáma, hogy hogy Poen Káré minden nap ment ugyanahoz a pékhez, és vett egy állítólag 1 kilós kenyeret.

És nyilván az van, hogy ahogy főleg az ilyen kézzel készült termékeknél, hát nem nem lesz mindig halál pontosan 1 kg.

Tehát ez így, ez így oké is, de ő neki azért valahogy gyanús volt, hogy hogy ez elég gyakran eltér és és jobban eltér az 1 kgtól, mint mint kellene.

És akkor ez az egyik nagy kérdése egyébként a statisztikának, meg ugye általában a valószínűségszámításnak, hogy most ez belefér-e a véletlenbe, vagy ez már egy mintázat.

És akkor Poen Carry azt azt gyanította, hogy a pék az szándékosan egy kicsivel kisebb kenyeret csinál.

És akkor egész egyszerűen ezt úgy ezt úgy leplezte le, vagy hát ez a fáma, hogy hát vett sok napon keresztül, mondjuk legalább 100 napon keresztül lemérte őket, és akkor megnézte, hogy az átlag az mennyivel tért el az 1 kgól.

És akkor itt jön képbe megint a a haranggörb, merthogy az átlagnak valahogy a haranggörbére kell illeszkednie, és akkor meg lehet mérni, hogy tulajdonképpen mekkora a valószínűsége annak, hogyha ilyen sok kenyeret veszel, akkor az átlag az eltérjen annyival, mint amivel neki eltért. >> Viszont utána a pékkel ezt közölte, vagy legalábbis volt valami bünti, és utána a pék meg elkezdett csak neki kicsit nagyobb kenyereket adni.

De még ezt is, ezt is le tudlezni, mert még így se, tehát hogy ez nem volt egy jó taktika, mert mert így meg kiderült, hogy egy más jellegű eloszlásra illeszkedik a súly, ami szintén nem, tehát hogy akkor meg már nem nem haranggörőrbe lesz.

Úgyhogy végül végül kapott valami büntetést a a pék, úgy tudom. >> Mi tette olyan híressé ezt a haranggörbét vagy normál eloszlást?

Hát szerintem az, hogy egyszerűen egyszerűen mindenhol ott van, tehát…

Említett entitások

Témák

  • valószínűségszámítás
  • kritikai gondolkodás

Személyek

Hallgasd meg

Gyakori kérdések erről az epizódról: „Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.”

Miről szól ez az epizód: „Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.”?

A Könyves Magazin podcastjének, a Futurothecának ezen adásában Keszthelyi Gabriella matematikus és Papp Eszter fizikus beszélgetnek a valószínűségszámítás és a kritikai gondolkodás kapcsolatáról, valamint arról, hogyan szövik át mindennapjainkat a valószínűségek. Keszthelyi… Az epizód a Könyves Magazin című magyar podcast egyik adása, megjelenés: 2026. 02. 12..

Kik szerepelnek vagy kiket említenek ebben az epizódban: „Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.”?

Az epizódban a következő nevek szerepelnek vagy hangzanak el: Keszthelyi Gabriella, Bakó Sára, Bognár Edmond.

Milyen témákat érint ez az epizód: „Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.”?

Fő témái: valószínűségszámítás, kritikai gondolkodás.

Mikor jelent meg és milyen hosszú ez az epizód: „Keszthelyi Gabriella: Nobel-díjas lesz-e aki sok étcsokoládét eszik? // Futurotheca 06.”?

Megjelenés: 2026. 02. 12.. Hossz: 32 perc. Az epizód a Podiverzumon hallgatható meg: https://podiverzum.hu/podcast/konyves-magazin/keszthelyi-gabriella-nobel-dijas-lesz-e-aki-sok-etcsokoladet-eszik-futurotheca-0

Több epizód a Könyves Magazin-ből

Hasonló epizódok más magyar podcastokból