১০.২ সম্ভাবনা (Probability): মৌলিক ধারণা ও সূত্রাবলী
সম্ভাবনা (Probability) বা সম্ভাব্যতা হলো গণিতের একটি শাখা যা অনিশ্চয়তা পরিমাপ করে। দৈনন্দিন জীবনে আমরা প্রায়শই এমন পরিস্থিতির সম্মুখীন হই যেখানে কোনো ঘটনা ঘটবে কি ঘটবে না তা নিশ্চয়তার সাথে বলা যায় না, তবে তা ঘটার সম্ভাবনা বা সম্ভাব্যতা সম্পর্কে আমরা ধারণা করতে পারি। লটারির ড্র, আবহাওয়ার পূর্বাভাস, বীমা, চিকিৎসাবিজ্ঞান, এবং পরিসংখ্যানের বিভিন্ন ক্ষেত্রে সম্ভাবনার তত্ত্ব অত্যন্ত গুরুত্বপূর্ণ ভূমিকা রাখে। এই অধ্যায়ে আমরা সম্ভাবনার মৌলিক ধারণা, নমুনা স্থান ও ঘটনার সংজ্ঞা, একই ঘটনার পুনরাবৃত্তির সম্ভাবনা, বিভিন্ন ধরনের ঘটনার জন্য সম্ভাবনার যোগ ও গুণ সূত্র এবং শর্তাধীন সম্ভাবনা সম্পর্কে বিস্তারিতভাবে আলোচনা করব।
সম্ভাবনার ধারণা ও মৌলিক সংজ্ঞাসমূহ
সম্ভাবনার সংজ্ঞা
সম্ভাবনা হলো একটি ঘটনা ঘটার সম্ভাব্যতার পরিমাণ যা ০ থেকে ১ এর মধ্যে একটি সংখ্যা দ্বারা প্রকাশিত হয়। ০ মানে ঘটনাটি কখনোই ঘটবে না (অসম্ভব ঘটনা) এবং ১ মানে ঘটনাটি অবশ্যই ঘটবে (নিশ্চিত ঘটনা)।
শাস্ত্রীয় সংজ্ঞা (Classical Definition):
যদি একটি পরীক্ষণে সর্বমোট \(n\)টি সমসম্ভাব্য ফলাফল থাকে এবং ঘটনা \(E\) এর অনুকূলে \(m\)টি ফলাফল থাকে, তবে:
\[P(E) = \frac{m}{n} = \frac{\text{অনুকূল ফলাফলের সংখ্যা}}{\text{মোট সমসম্ভাব্য ফলাফলের সংখ্যা}}\]
নমুনা স্থান (Sample Space)
একটি পরীক্ষণের সম্ভাব্য সকল ফলাফলের সেটকে নমুনা স্থান (Sample Space) বলে এবং \(S\) দ্বারা প্রকাশ করা হয়।
উদাহরণ:
- একটি ছক্কা ছোঁড়ার নমুনা স্থান: \(S = \{1, 2, 3, 4, 5, 6\}\), \(n(S) = 6\)
- দুটি মুদ্রা ছোঁড়ার নমুনা স্থান: \(S = \{HH, HT, TH, TT\}\), \(n(S) = 4\)
- তাসের একটি তাস তোলার নমুনা স্থান: \(n(S) = 52\)
ঘটনা (Event)
নমুনা স্থানের একটি উপসেটকে ঘটনা (Event) বলে। ঘটনা সরল (elementary) বা যৌগিক (compound) হতে পারে।
- নিশ্চিত ঘটনা (Sure Event): যে ঘটনা অবশ্যই ঘটবে, তার সম্ভাবনা ১। যেমন, ছক্কা ছোঁড়ায় ৭ এর চেয়ে কম আসা।
- অসম্ভব ঘটনা (Impossible Event): যে ঘটনা কখনোই ঘটবে না, তার সম্ভাবনা ০। যেমন, ছক্কা ছোঁড়ায় ৭ আসা।
- পরিপূরক ঘটনা (Complementary Event): ঘটনা \(E\) না ঘটাকে \(\bar{E}\) বা \(E'\) দ্বারা প্রকাশ করা হয় এবং \(P(\bar{E}) = 1 - P(E)\)।
সম্ভাবনার বৈশিষ্ট্য
যেকোনো ঘটনা \(E\) এর জন্য:
\[0 \leq P(E) \leq 1\]
\[P(S) = 1 \quad \text{(নিশ্চিত ঘটনা)}\]
\[P(\emptyset) = 0 \quad \text{(অসম্ভব ঘটনা)}\]
একই ঘটনার পুনরাবৃত্তি ঘটলে সম্ভাব্যতা নির্ণয়
স্বাধীন পরীক্ষণ (Independent Trials)
যখন একই পরীক্ষণ একাধিকবার করা হয় এবং প্রতিবারের ফলাফল পূর্ববর্তী ফলাফলের উপর নির্ভরশীল না হয়, তখন তাকে স্বাধীন পরীক্ষণ বলে। এ ক্ষেত্রে একটি নির্দিষ্ট ধরনের ফলাফলের সম্ভাবনা প্রতিবার একই থাকে।
বার্নৌলির সূত্র (Binomial Probability)
যদি কোনো ঘটনার একটি পরীক্ষণে সম্ভাবনা \(p\) এবং না ঘটার সম্ভাবনা \(q = 1-p\) হয়, এবং এটি \(n\) বার স্বাধীনভাবে পুনরাবৃত্তি করা হয়, তবে ঠিক \(r\) বার ঘটার সম্ভাবনা:
\[P(X = r) = \binom{n}{r} p^r q^{n-r}\]
যেখানে \(\binom{n}{r} = \frac{n!}{r!(n-r)!}\) হলো বিনomial সহগ।
অন্তত ও সর্বোচ্চ সম্ভাবনা
\(n\) পরীক্ষণে কোনো ঘটনা অন্তত \(k\) বার ঘটার সম্ভাবনা:
\[P(X \geq k) = \sum_{r=k}^{n} \binom{n}{r} p^r q^{n-r}\]
সর্বোচ্চ \(k\) বার ঘটার সম্ভাবনা:
\[P(X \leq k) = \sum_{r=0}^{k} \binom{n}{r} p^r q^{n-r}\]
উদাহরণ: একটি অসম ছক্কা ছোঁড়ায় সম সংখ্যা আসার সম্ভাবনা \(\frac{1}{3}\)। ছক্কাটি ৪ বার ছোঁড়া হলে:
(ক) ঠিক ২টি সম সংখ্যা আসার সম্ভাবনা কত?
(খ) অন্তত ১টি সম সংখ্যা আসার সম্ভাবনা কত?
সমাধান:
দেওয়া আছে: \(n = 4\), \(p = \frac{1}{3}\), \(q = \frac{2}{3}\)
(ক) \(r = 2\) এর জন্য:
\(P(X = 2) = \binom{4}{2} \left(\frac{1}{3}\right)^2 \left(\frac{2}{3}\right)^2\)
\(= 6 \times \frac{1}{9} \times \frac{4}{9} = \frac{24}{81} = \frac{8}{27}\)
(খ) অন্তত ১টি সম সংখ্যা = ১ - (কোনো সম সংখ্যা নয়)
\(P(X \geq 1) = 1 - P(X = 0)\)
\(= 1 - \binom{4}{0} \left(\frac{1}{3}\right)^0 \left(\frac{2}{3}\right)^4\)
\(= 1 - 1 \times 1 \times \frac{16}{81} = 1 - \frac{16}{81} = \frac{65}{81}\)
পরস্পর বর্জনশীল ও অবর্জনশীল ঘটনার জন্য সম্ভাবনার যোগ সূত্র
পরস্পর বর্জনশীল ঘটনা (Mutually Exclusive Events)
দুটি বা ততোধিক ঘটনা পরস্পর বর্জনশীল (Mutually Exclusive) বলা হয় যদি তারা একই সাথে ঘটতে না পারে, অর্থাৎ তাদের ছেদ শূন্য সেট হয়।
যদি \(A\) ও \(B\) বর্জনশীল হয়, তবে:
\[A \cap B = \emptyset\]
\[P(A \cap B) = 0\]
যোগ সূত্র:
\[P(A \cup B) = P(A) + P(B)\]
একাধিক বর্জনশীল ঘটনার ক্ষেত্রে:
\[P(A_1 \cup A_2 \cup \dots \cup A_n) = P(A_1) + P(A_2) + \dots + P(A_n)\]
অবর্জনশীল ঘটনা (Non-Mutually Exclusive Events)
যদি দুটি ঘটনা একই সাথে ঘটতে পারে, তবে তারা অবর্জনশীল। এ ক্ষেত্রে সরল যোগ করা হলে দুটি ঘটনার ছেদের অংশ দুইবার গণনা হয়ে যাবে, তাই তা বাদ দিতে হবে।
সাধারণ যোগ সূত্র:
\[P(A \cup B) = P(A) + P(B) - P(A \cap B)\]
তিনটি ঘটনার ক্ষেত্রে:
\[P(A \cup B \cup C) = P(A) + P(B) + P(C) - P(A \cap B) - P(B \cap C) - P(C \cap A) + P(A \cap B \cap C)\]
উদাহরণ ১ (বর্জনশীল): একটি তাসের তাস তোলা হলে তাতে হরফ (Ace) বা রাজা (King) আসার সম্ভাবনা কত?
হরফ ও রাজা একই সাথে আসতে পারে না (বর্জনশীল)।
\(P(\text{Ace}) = \frac{4}{52} = \frac{1}{13}\)
\(P(\text{King}) = \frac{4}{52} = \frac{1}{13}\)
\(P(\text{Ace বা King}) = \frac{1}{13} + \frac{1}{13} = \frac{2}{13}\)
উদাহরণ ২ (অবর্জনশীল): একটি তাসে চিড়তাস (Spade) বা বালক (Jack) আসার সম্ভাবনা কত?
চিড়তাসের সম্ভাবনা \(= \frac{13}{52}\)
বালকের সম্ভাবনা \(= \frac{4}{52}\)
চিড়তাস বালক (চিড়ির বালক) আসার সম্ভাবনা \(= \frac{1}{52}\)
\(P(\text{চিড়তাস বা বালক}) = \frac{13}{52} + \frac{4}{52} - \frac{1}{52} = \frac{16}{52} = \frac{4}{13}\)
অনির্ভরশীল ও নির্ভরশীল ঘটনার জন্য সম্ভাবনার গুণ সূত্র
অনির্ভরশীল ঘটনা (Independent Events)
দুটি ঘটনা অনির্ভরশীল (Independent) বলা হয় যদি একটি ঘটনা ঘটলে অন্যটির সম্ভাবনার উপর কোনো প্রভাব না ফেলে।
যদি \(A\) ও \(B\) অনির্ভরশীল হয়, তবে:
\[P(A \cap B) = P(A) \times P(B)\]
একাধিক অনির্ভরশীল ঘটনার ক্ষেত্রে:
\[P(A_1 \cap A_2 \cap \dots \cap A_n) = P(A_1) \times P(A_2) \times \dots \times P(A_n)\]
নির্ভরশীল ঘটনা (Dependent Events)
যদি একটি ঘটনা ঘটার পর অন্য ঘটনার সম্ভাবনা পরিবর্তিত হয়, তবে তারা নির্ভরশীল (Dependent)। এ ক্ষেত্রে শর্তাধীন সম্ভাবনা (Conditional Probability) ব্যবহার করতে হয়।
\(B\) ঘটনা ঘটার শর্তে \(A\) ঘটনার শর্তাধীন সম্ভাবনা:
\[P(A|B) = \frac{P(A \cap B)}{P(B)}, \quad \text{যেখানে } P(B) > 0\]
গুণ সূত্র (নির্ভরশীলের জন্য):
\[P(A \cap B) = P(B) \times P(A|B) = P(A) \times P(B|A)\]
শর্তাধীন সম্ভাবনার বৈশিষ্ট্য
- \(P(A|B)\) পড়া হয় "B ঘটার শর্তে A এর সম্ভাবনা"।
- যদি \(A\) ও \(B\) অনির্ভরশীল হয়, তবে \(P(A|B) = P(A)\) এবং \(P(B|A) = P(B)\)।
- সর্বদা \(0 \leq P(A|B) \leq 1\)।
উদাহরণ ১ (অনির্ভরশীল): একটি মুদ্রা এবং একটি ছক্কা একসাথে ছোঁড়া হলে চিত আসা এবং সম সংখ্যা আসার সম্ভাবনা কত?
মুদ্রা ও ছক্কার ফলাফল অনির্ভরশীল।
\(P(\text{চিত}) = \frac{1}{2}\)
\(P(\text{সম সংখ্যা}) = \frac{3}{6} = \frac{1}{2}\)
\(P(\text{চিত এবং সম সংখ্যা}) = \frac{1}{2} \times \frac{1}{2} = \frac{1}{4}\)
উদাহরণ ২ (নির্ভরশীল): একটি বাক্সে ৫টি লাল এবং ৩টি সবুজ বল আছে। ক্রমিকভাবে দুটি বল তোলা হলে (প্রথমটিকে ফেরত না দিয়ে) দুটিই লাল হওয়ার সম্ভাবনা কত?
প্রথম বল লাল হওয়ার সম্ভাবনা \(P(A) = \frac{5}{8}\)
প্রথমটি লাল হওয়ার শর্তে দ্বিতীয়টি লাল হওয়ার সম্ভাবনা \(P(B|A) = \frac{4}{7}\)
\(P(\text{দুটিই লাল}) = \frac{5}{8} \times \frac{4}{7} = \frac{20}{56} = \frac{5}{14}\)
বেজের উপপাদ্য (Bayes' Theorem)
শর্তাধীন সম্ভাবনার একটি গুরুত্বপূর্ণ প্রয়োগ হলো বেজের উপপাদ্য, যা পূর্ব সম্ভাবনা (prior probability) থেকে পরবর্তী সম্ভাবনা (posterior probability) নির্ণয়ে ব্যবহৃত হয়।
যদি \(B_1, B_2, \dots, B_n\) পরস্পর বর্জনশীল এবং সম্পূর্ণ ঘটনা হয়, তবে:
\[P(B_i|A) = \frac{P(B_i) \times P(A|B_i)}{\sum_{j=1}^{n} P(B_j) \times P(A|B_j)}\]
সংক্ষিপ্ত সারাংশ
- সম্ভাবনার সংজ্ঞা: \(P(E) = \frac{m}{n}\), যেখানে \(0 \leq P(E) \leq 1\)
- পরিপূরক ঘটনা: \(P(\bar{E}) = 1 - P(E)\)
- পুনরাবৃত্তি: \(n\) বার পরীক্ষণে \(r\) বার ঘটার সম্ভাবনা \(= \binom{n}{r} p^r q^{n-r}\)
- যোগ সূত্র:
- বর্জনশীল: \(P(A \cup B) = P(A) + P(B)\)
- অবর্জনশীল: \(P(A \cup B) = P(A) + P(B) - P(A \cap B)\)
- গুণ সূত্র:
- অনির্ভরশীল: \(P(A \cap B) = P(A) \times P(B)\)
- নির্ভরশীল: \(P(A \cap B) = P(A) \times P(B|A) = P(B) \times P(A|B)\)
- শর্তাধীন সম্ভাবনা: \(P(A|B) = \frac{P(A \cap B)}{P(B)}\)
সম্ভাবনা তত্ত্ব পরিসংখ্যানের ভিত্তি গঠন করে এবং বাস্তব জীবনের অনিশ্চয়তা মোকাবেলার জন্য গাণিতিক কাঠামো প্রদান করে। যোগ ও গুণ সূত্রের পার্থক্য বুঝা জরুরি, বিশেষ করে ঘটনাগুলো বর্জনশীল কি না বা অনির্ভরশীল কি না তা চিহ্নিত করা। সমস্যা সমাধানের সময় সর্বদা ঘটনাগুলোর সম্পর্ক বিশ্লেষণ করে সঠিক সূত্র প্রয়োগ করতে হবে।