১৪.১ সম্ভাবনা (Probability)
সম্ভাবনা (Probability) হলো গণিতের সেই শাখা যা কোনো ঘটনা ঘটার সম্ভাব্যতার পরিমাপ নিয়ে আলোচনা করে। এই অধ্যায়ে আমরা নমুনা ক্ষেত্র (Sample Space), ঘটনা (Event), সম্ভাবনার সংজ্ঞা, যোগ ও গুণ উপপাদ্য, স্বাধীন ও অবিনির্ভর ঘটনা এবং শর্তাধীন সম্ভাবনা সম্পর্কে বিস্তারিত আলোচনা করব।
মৌলিক ধারণা (Basic Concepts)
১. দৈব পরীক্ষা (Random Experiment)
যে পরীক্ষার ফলাফল নির্দিষ্টভাবে পূর্বে জানা থাকে না এবং একই পরিস্থিতিতে বারবার পরীক্ষা করলেও ফলাফল একই নাও হতে পারে, তাকে দৈব পরীক্ষা বলে। যেমন— একটি ছক্কা নিক্ষেপ করা, একটি তাস উল্টানো, একটি বাক্স থেকে বল বের করা ইত্যাদি।
২. নমুনা ক্ষেত্র (Sample Space)
কোনো দৈব পরীক্ষার সম্ভাব্য সকল ফলাফলের সেটকে নমুনা ক্ষেত্র বলে এবং এটিকে সাধারণত \( S \) দ্বারা সূচিত করা হয়।
উদাহরণ:
- একটি ছক্কা নিক্ষেপে \( S = \{1, 2, 3, 4, 5, 6\} \), সুতরাং \( n(S) = 6 \)
- একটি মুদ্রা উল্টালে \( S = \{H, T\} \) (H = হেড, T = টেল), সুতরাং \( n(S) = 2 \)
- দুইটি মুদ্রা উল্টালে \( S = \{HH, HT, TH, TT\} \), সুতরাং \( n(S) = 4 \)
৩. ঘটনা (Event)
নমুনা ক্ষেত্রের উপসেটকে ঘটনা (Event) বলে। ঘটনাকে সাধারণত \( E \) দ্বারা সূচিত করা হয়। কোনো ঘটনায় উপাদানের সংখ্যাকে \( n(E) \) দ্বারা প্রকাশ করা হয়।
উদাহরণ: একটি ছক্কা নিক্ষেপে জোড় সংখ্যা পাওয়ার ঘটনা \( E = \{2, 4, 6\} \), সুতরাং \( n(E) = 3 \)।
৪. নিশ্চিত ও অসম্ভব ঘটনা
- নিশ্চিত ঘটনা (Certain Event): যে ঘটনা অবশ্যই ঘটবে। এটি সম্পূর্ণ নমুনা ক্ষেত্র \( S \) নিজেই। সম্ভাবনা \( = 1 \)।
- অসম্ভব ঘটনা (Impossible Event): যে ঘটনা কখনোই ঘটবে না। এটি ফাঁকা সেট \( \emptyset \)। সম্ভাবনা \( = 0 \)।
সম্ভাবনার সংজ্ঞা (Definition of Probability)
শাস্ত্রীয় সংজ্ঞা (Classical Definition):
যদি কোনো দৈব পরীক্ষায় সমস্ত ফলাফল সমানভাবে সম্ভাব্য হয়, তবে কোনো ঘটনা \( E \) এর সম্ভাবনা: \[ P(E) = \frac{\text{ঘটনা } E \text{ অনুকূলে ফলাফলের সংখ্যা}}{\text{সম্ভাব্য সকল ফলাফলের সংখ্যা}} = \frac{n(E)}{n(S)} \]
সম্ভাবনার বৈশিষ্ট্যসমূহ (Properties)
- যেকোনো ঘটনা \( E \) এর জন্য \( 0 \leq P(E) \leq 1 \)
- নিশ্চিত ঘটনার সম্ভাবনা \( P(S) = 1 \)
- অসম্ভব ঘটনার সম্ভাবনা \( P(\emptyset) = 0 \)
- ঘটনা \( E \) এর পরিপূরক ঘটনা \( E' \) বা \( E^c \) এর সম্ভাবনা \( P(E') = 1 - P(E) \)
- যদি \( E_1 \) ও \( E_2 \) বিজোড় (mutually exclusive) হয়, তবে \( P(E_1 \cup E_2) = P(E_1) + P(E_2) \)
উদাহরণ:
একটি সুষম ছক্কা নিক্ষেপ করলে জোড় সংখ্যা পাওয়ার সম্ভাবনা কত?
সমাধান:
নমুনা ক্ষেত্র \( S = \{1, 2, 3, 4, 5, 6\} \), সুতরাং \( n(S) = 6 \)
জোড় সংখ্যার ঘটনা \( E = \{2, 4, 6\} \), সুতরাং \( n(E) = 3 \)
\[ P(E) = \frac{n(E)}{n(S)} = \frac{3}{6} = \frac{1}{2} \]
ঘটনার প্রকারভেদ (Types of Events)
১. বিজোড় ঘটনা (Mutually Exclusive Events)
দুই বা ততোধিক ঘটনা একই সাথে ঘটতে না পারলে তাদে বিজোড় ঘটনা বলে। অর্থাৎ \( E_1 \cap E_2 = \emptyset \) বা \( n(E_1 \cap E_2) = 0 \)।
উদাহরণ: একটি ছক্কা নিক্ষেপে ২ পাওয়া এবং ৫ পাওয়া বিজোড় ঘটনা।
২. পরিপূরক ঘটনা (Complementary Events)
কোনো ঘটনা \( E \) না ঘটার ঘটনাকে এর পরিপূরক ঘটনা বলে এবং \( E' \) বা \( \bar{E} \) দ্বারা সূচিত করা হয়।
\[ P(E) + P(E') = 1 \] বা \[ P(E') = 1 - P(E) \]
৩. স্বাধীন ঘটনা (Independent Events)
দুই বা ততোধিক ঘটনা একে অপরকে প্রভাবিত না করলে তাদে স্বাধীন ঘটনা বলে। স্বাধীন ঘটনার ক্ষেত্রে একটি ঘটনা ঘটার সম্ভাবনা অপরটির উপর নির্ভরশীল নয়।
যদি \( A \) ও \( B \) স্বাধীন হয়, তবে: \[ P(A \cap B) = P(A) \cdot P(B) \]
৪. অবিনির্ভর ও স্বাধীন ঘটনার পার্থক্য
- স্বাধীন (Independent): এক ঘটনা ঘটলে অপর ঘটনার সম্ভাবনা পরিবর্তিত হয় না। যেমন— দুইবার মুদ্রা উল্টানো।
- অবিনির্ভর (Dependent): এক ঘটনা ঘটলে অপর ঘটনার সম্ভাবনা পরিবর্তিত হয়। যেমন— বাক্স থেকে একটি বল বের করে না ফেরত দিয়ে দ্বিতীয়টি বের করা।
যোগ উপপাদ্য (Addition Theorem of Probability)
সাধারণ যোগ উপপাদ্য:
দুটি যেকোনো ঘটনা \( A \) ও \( B \) এর জন্য: \[ P(A \cup B) = P(A) + P(B) - P(A \cap B) \]
বা \[ P(A \text{ বা } B) = P(A) + P(B) - P(A \text{ এবং } B) \]
বিজোড় ঘটনার ক্ষেত্রে:
যদি \( A \) ও \( B \) বিজোড় হয় (অর্থাৎ \( A \cap B = \emptyset \)), তবে: \[ P(A \cup B) = P(A) + P(B) \]
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:
একটি তাসের তোড়া থেকে একটি তাস এলোচিতভাবে টানা হলো। তাসটি হুড়ো বা রাজা হওয়ার সম্ভাবনা কত?
সমাধান:
মোট তাস \( = 52 \), হুড়ো \( = 13 \)টি, রাজা \( = 4 \)টি, হুড়ো রাজা \( = 1 \)টি।
ধরি \( A = \) হুড়ো পাওয়া, \( B = \) রাজা পাওয়া।
\( P(A) = \frac{13}{52} = \frac{1}{4} \)
\( P(B) = \frac{4}{52} = \frac{1}{13} \)
\( P(A \cap B) = \frac{1}{52} \)
\[ P(A \cup B) = \frac{1}{4} + \frac{1}{13} - \frac{1}{52} = \frac{13 + 4 - 1}{52} = \frac{16}{52} = \frac{4}{13} \]
গুণ উপপাদ্য (Multiplication Theorem of Probability)
শর্তাধীন সম্ভাবনার সংজ্ঞা:
ঘটনা \( B \) ঘটার শর্তে ঘটনা \( A \) এর সম্ভাবনা: \[ P(A|B) = \frac{P(A \cap B)}{P(B)} \] যেখানে \( P(B) > 0 \)।
গুণ উপপাদ্য:
দুটি যেকোনো ঘটনার ক্ষেত্রে: \[ P(A \cap B) = P(A) \cdot P(B|A) = P(B) \cdot P(A|B) \]
স্বাধীন ঘটনার ক্ষেত্রে:
যদি \( A \) ও \( B \) স্বাধীন হয়, তবে \( P(B|A) = P(B) \) এবং \( P(A|B) = P(A) \)।
সুতরাং: \[ P(A \cap B) = P(A) \cdot P(B) \]
তিনটি স্বাধীন ঘটনার ক্ষেত্রে: \[ P(A \cap B \cap C) = P(A) \cdot P(B) \cdot P(C) \]
উদাহরণ:
একটি বাক্সে ৫টি লাল ও ৩টি নীল বল আছে। ক্রমাগত দুটি বল পুনঃস্থাপন না করে বের করা হলো। দুটিই লাল হওয়ার সম্ভাবনা কত?
সমাধান:
প্রথমটি লাল হওয়ার সম্ভাবনা \( P(A) = \frac{5}{8} \)
প্রথমটি লাল হওয়ার শর্তে দ্বিতীয়টি লাল হওয়ার সম্ভাবনা \( P(B|A) = \frac{4}{7} \)
\[ P(A \cap B) = \frac{5}{8} \times \frac{4}{7} = \frac{20}{56} = \frac{5}{14} \]
বে-উপপাদ্য (Bayes' Theorem) - সংক্ষিপ্ত আলোচনা
যদি \( B_1, B_2, \dots, B_n \) পরস্পর বিজোড় ঘটনা এবং \( A \) ঘটনার সাথে \( \bigcup_{i=1}^{n} B_i = S \) হয়, তবে: \[ P(B_k|A) = \frac{P(B_k) \cdot P(A|B_k)}{\sum_{i=1}^{n} P(B_i) \cdot P(A|B_i)} \]
এটি পশ্চাদ্ভাব (Posterior Probability) নির্ণয়ে ব্যবহৃত হয়।
উদাহরণ:
একটি কারখানায় দুটি মেশিন \( A \) ও \( B \) দ্বারা পণ্য উৎপাদিত হয়। \( A \) উৎপাদনের \( 60\% \) এবং \( B \) উৎপাদনের \( 40\% \)। \( A \) দ্বারা উৎপাদিত পণ্যের \( 2\% \) এবং \( B \) দ্বারা উৎপাদিত পণ্যের \( 3\% \) ত্রুটিপূর্ণ। একটি ত্রুটিপূর্ণ পণ্য এলোচিতভাবে নির্বাচন করা হলো। তা মেশিন \( A \) দ্বারা উৎপাদিত হওয়ার সম্ভাবনা কত?
সমাধান:
\( P(A) = 0.60, P(B) = 0.40 \)
\( P(\text{ত্রুটি}|A) = 0.02, P(\text{ত্রুটি}|B) = 0.03 \)
\[ P(A|\text{ত্রুটি}) = \frac{P(A) \cdot P(\text{ত্রুটি}|A)}{P(A) \cdot P(\text{ত্রুটি}|A) + P(B) \cdot P(\text{ত্রুটি}|B)} \]
\[ = \frac{0.60 \times 0.02}{0.60 \times 0.02 + 0.40 \times 0.03} = \frac{0.012}{0.012 + 0.012} = \frac{0.012}{0.024} = \frac{1}{2} \]
বিভিন্ন ধরনের সমস্যা ও সমাধান
১. পাসা ও মুদ্রা সংক্রান্ত সমস্যা
দুটি সুষম পাসা একত্রে নিক্ষেপ করা হলো। পাসাদ্বয়ের সমষ্টি ৭ হওয়ার সম্ভাবনা কত?
সমাধান:
মোট ফলাফল \( = 6 \times 6 = 36 \)
সমষ্টি ৭ হওয়ার ঘটনা \( = \{(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)\} \)
সংখ্যা \( = 6 \)
সম্ভাবনা \( = \frac{6}{36} = \frac{1}{6} \)
২. তাস সংক্রান্ত সমস্যা
৫২ তাসের তোড়া থেকে একটি তাস এলোচিতভাবে টানা হলো। তাসটি চিতি (face card) বা ১০ হওয়ার সম্ভাবনা কত?
সমাধান:
চিতি (J, Q, K প্রতি রঙে ৩টি, মোট \( 3 \times 4 = 12 \)টি)
১০ (প্রতি রঙে ১টি, মোট \( 4 \)টি)
চিতি এবং ১০ একই সাথে হতে পারে না (বিজোড়)।
\[ P = \frac{12}{52} + \frac{4}{52} = \frac{16}{52} = \frac{4}{13} \]
৩. বাক্স থেকে বল বের করা
একটি বাক্সে ৪টি লাল, ৫টি সবুজ ও ৬টি নীল বল আছে। এলোচিতভাবে একটি বল বের করা হলো। তা লাল বা নীল হওয়ার সম্ভাবনা কত?
সমাধান:
মোট বল \( = 4 + 5 + 6 = 15 \)
লাল বা নীল \( = 4 + 6 = 10 \)
সম্ভাবনা \( = \frac{10}{15} = \frac{2}{3} \)
সংক্ষিপ্ত সারাংশ
- সম্ভাবনার সংজ্ঞা: \( P(E) = \frac{n(E)}{n(S)} \), যেখানে \( 0 \leq P(E) \leq 1 \)
- পরিপূরক ঘটনা: \( P(E') = 1 - P(E) \)
- যোগ উপপাদ্য: \( P(A \cup B) = P(A) + P(B) - P(A \cap B) \)
- বিজোড় ঘটনার ক্ষেত্রে: \( P(A \cup B) = P(A) + P(B) \)
- গুণ উপপাদ্য: \( P(A \cap B) = P(A) \cdot P(B|A) = P(B) \cdot P(A|B) \)
- স্বাধীন ঘটনার ক্ষেত্রে: \( P(A \cap B) = P(A) \cdot P(B) \)
- শর্তাধীন সম্ভাবনা: \( P(A|B) = \frac{P(A \cap B)}{P(B)} \)
- গুরুত্বপূর্ণ সূত্র: \( P(A) + P(B) - P(A \cap B) = P(A \cup B) \)