प्रायिकता (Probability)
P(A|B)
स्वतंत्र घटनाएँ
बेज़ प्रमेय (Bayes' Theorem)
यादृच्छिक चर (Random Variable)
द्विपद बंटन (Binomial)
प्रायिकता (Probability)
अनिश्चितता को संख्याओं में बाँधने का विज्ञान। यह अध्याय हमें अनुमानों, संयोगों और भविष्य की संभावनाओं को सटीक गणितीय ढाँचे में समझने की जादुई दृष्टि देता है।
संयोग और नियति का विज्ञान
सिक्के उछालने से लेकर मशीन लर्निंग एल्गोरिदम और बीमा (Insurance) तक का सफर
भविष्य की आहट: प्रायिकता की प्रस्तावना
क्या आज बारिश होगी? क्या भारतीय क्रिकेट टीम अगला मैच जीतेगी? हमारे दैनिक जीवन में बहुत सी घटनाएँ ऐसी होती हैं जिनके परिणाम के बारे में हम निश्चित रूप से कुछ नहीं कह सकते। इसी 'अनिश्चितता' (Uncertainty) को गणितीय रूप से मापने की विधि को प्रायिकता (Probability) कहा जाता है। 17वीं शताब्दी में जुए (Gambling) की समस्याओं को सुलझाने के लिए ब्लेज़ पास्कल (Pascal) और पियरे डी फर्मा (Fermat) द्वारा शुरू किया गया यह सिद्धांत आज मौसम विज्ञान, शेयर बाजार, और आर्टिफिशियल इंटेलिजेंस (AI) का मुख्य आधार बन चुका है।
शर्तों का गणित: सप्रतिबंध प्रायिकता (Conditional Probability)
प्रायः हमें किसी घटना A की प्रायिकता ज्ञात करनी होती है, जब हमें यह पहले से पता हो कि एक अन्य घटना B घटित हो चुकी है। यह पूर्व जानकारी (Condition) हमारी प्रतिदर्श समष्टि (Sample Space) को छोटा (Restrict) कर देती है। इसे P(A|B) द्वारा दर्शाया जाता है। इसे पढ़ा जाता है: "B के घटित होने पर A की प्रायिकता"।
P(A | B) = P(A ∩ B) / P(B) (जहाँ P(B) ≠ 0)
एक सरल उदाहरण से समझें
एक पासा फेंका गया। यदि हमें बताया जाए कि "सम संख्या (Even) आई है", तो क्या प्रायिकता है कि वह संख्या 4 से बड़ी है?
हल: कुल समष्टि S = {1, 2, 3, 4, 5, 6}
घटना B (जो घटित हो चुकी है - सम संख्या) = {2, 4, 6} → P(B) = 3/6
घटना A (जो ज्ञात करनी है - 4 से बड़ी) = {5, 6}
A और B में उभयनिष्ठ (A ∩ B) = {6} → P(A ∩ B) = 1/6
सूत्र से: P(A|B) = (1/6) / (3/6) = 1/3। (ध्यान दें: हमारी नई दुनिया अब केवल {2, 4, 6} रह गई थी, जिसमें अनुकूल परिणाम केवल 6 था)।
हल: कुल समष्टि S = {1, 2, 3, 4, 5, 6}
घटना B (जो घटित हो चुकी है - सम संख्या) = {2, 4, 6} → P(B) = 3/6
घटना A (जो ज्ञात करनी है - 4 से बड़ी) = {5, 6}
A और B में उभयनिष्ठ (A ∩ B) = {6} → P(A ∩ B) = 1/6
सूत्र से: P(A|B) = (1/6) / (3/6) = 1/3। (ध्यान दें: हमारी नई दुनिया अब केवल {2, 4, 6} रह गई थी, जिसमें अनुकूल परिणाम केवल 6 था)।
एक साथ होने की संभावना: गुणन नियम और स्वतंत्र घटनाएँ
सप्रतिबंध प्रायिकता के सूत्र P(A|B) = P(A ∩ B) / P(B) को ही यदि हम क्रॉस-गुणा (Cross-multiply) कर दें, तो हमें प्रायिकता का गुणन नियम (Multiplication Theorem) प्राप्त होता है। यह नियम तब काम आता है जब हमें दो या अधिक घटनाओं के एक साथ (A और B दोनों) घटित होने की प्रायिकता निकालनी हो।
गुणन नियम का सूत्र
P(A ∩ B) = P(A) × P(B | A)
या P(A ∩ B) = P(B) × P(A | B)
(अर्थात् पहले A के होने की प्रायिकता, गुणा A के होने के बाद B के होने की प्रायिकता)।
स्वतंत्रता का सिद्धांत (Independent Events)
दो घटनाएँ A और B स्वतंत्र (Independent) कहलाती हैं यदि एक घटना के घटित होने या न होने का प्रभाव दूसरी घटना की प्रायिकता पर न पड़े। उदाहरण के लिए: एक सिक्का उछालना और एक पासा फेंकना। सिक्के पर Head आने का पासे के अंक पर कोई प्रभाव नहीं पड़ता।
स्वतंत्र घटनाओं की गणितीय शर्त
यदि घटनाएँ स्वतंत्र हैं, तो P(A|B) केवल P(A) के बराबर रह जाता है (क्योंकि B का कोई असर नहीं)। इसलिए गुणन नियम बदल जाता है:
P(A ∩ B) = P(A) × P(B)
यदि तीन घटनाएँ A, B, C स्वतंत्र हैं, तो: P(A ∩ B ∩ C) = P(A) × P(B) × P(C)
सबसे बड़ा भ्रम: अपवर्जी बनाम स्वतंत्र
विद्यार्थी अक्सर 'परस्पर अपवर्जी' (Mutually Exclusive) और 'स्वतंत्र' (Independent) में भ्रमित हो जाते हैं।
• अपवर्जी (Exclusive): उनका एक साथ घटित होना असंभव है। अतः P(A ∩ B) = 0.
• स्वतंत्र (Independent): वे एक साथ घटित हो सकती हैं, बस एक-दूसरे को प्रभावित नहीं करतीं। अतः P(A ∩ B) = P(A) × P(B).
• अपवर्जी (Exclusive): उनका एक साथ घटित होना असंभव है। अतः P(A ∩ B) = 0.
• स्वतंत्र (Independent): वे एक साथ घटित हो सकती हैं, बस एक-दूसरे को प्रभावित नहीं करतीं। अतः P(A ∩ B) = P(A) × P(B).
कारण की खोज: संपूर्ण प्रायिकता और बेज़ प्रमेय (Bayes' Theorem)
प्रायिकता सिद्धांत में यह सबसे महत्वपूर्ण और शक्तिशाली प्रमेय है। इसका उपयोग तब किया जाता है जब कोई घटना कई अलग-अलग रास्तों या कारणों से घटित हो सकती हो, और हमें घटना के घटित होने के बाद यह पता लगाना हो कि वह किस विशेष कारण से घटित हुई है। इसे "रिवर्स प्रायिकता" (Reverse Probability) या "पश्च प्रायिकता" भी कहते हैं।
संपूर्ण प्रायिकता का नियम (Law of Total Probability)
माना E1, E2, ..., En प्रतिदर्श समष्टि के विभाजन (Partition) हैं (अर्थात् ये परस्पर अपवर्जी और निःशेष हैं), और 'A' कोई सामान्य घटना है जो इनमें से किसी के भी साथ घटित हो सकती है। तो A के घटित होने की कुल प्रायिकता:
P(A) = P(E1)P(A|E1) + P(E2)P(A|E2) + ... + P(En)P(A|En)
बेज़ प्रमेय का सूत्र (Bayes' Formula)
यदि घटना 'A' घटित हो चुकी है (परिणाम सामने है), तो इसके किसी विशिष्ट कारण 'Ei' से घटित होने की प्रायिकता:
P(Ei | A) = [ P(Ei) × P(A | Ei) ] / P(A)
(जहाँ P(A) हर (Denominator) में संपूर्ण प्रायिकता है, जो सभी रास्तों का योग है)।
उदाहरण का एल्गोरिदम: मान लें कि एक कारखाने में 3 मशीनें (E1, E2, E3) हैं। वे क्रमशः 20%, 30%, 50% उत्पादन करती हैं। उनके द्वारा खराब (Defective) माल बनाने की प्रायिकता क्रमशः 5%, 4%, 2% है। यदि एक खराब वस्तु निकाली गई (यह घटना A है), तो क्या प्रायिकता है कि वह मशीन E2 ने बनाई? बेज़ प्रमेय के अंश (Numerator) में हम E2 वाला रास्ता (30% × 4%) रखेंगे, और हर (Denominator) में तीनों मशीनों के रास्तों का योग रखेंगे।
परिणामों का अंकीकरण: यादृच्छिक चर (Random Variable)
अब तक हम परिणामों को Head, Tail, या पत्तों के रंग के रूप में देख रहे थे। लेकिन गणित संख्याओं पर काम करता है। यादृच्छिक चर (Random Variable - X) एक ऐसा फलन (Function) है जिसका प्रांत (Domain) किसी परीक्षण की प्रतिदर्श समष्टि (S) होती है और जिसका परिसर (Range) वास्तविक संख्याएँ (Real numbers) होती हैं। सरल शब्दों में, यह हर संभव परिणाम को एक 'संख्या' दे देता है।
उदाहरण: दो सिक्के उछालने पर यदि हम X को "Heads की संख्या" मानें, तो X के मान 0 (TT), 1 (HT, TH), या 2 (HH) हो सकते हैं।
| प्रायिकता बंटन (Probability Distribution) तालिका | |||
|---|---|---|---|
| X (Heads की संख्या) | 0 | 1 | 2 |
| P(X) (प्रायिकता) | 1/4 | 2/4 | 1/4 |
अनिवार्य शर्त: किसी भी वैध प्रायिकता बंटन के लिए सभी प्रायिकताओं का योग हमेशा 1 होना चाहिए (Σ P(xi) = 1) और कोई भी प्रायिकता ऋणात्मक नहीं होनी चाहिए।
औसत और विचलन: माध्य (Mean) तथा प्रसरण (Variance)
जब हम किसी परीक्षण को बहुत बार दोहराते हैं, तो हमें औसतन क्या परिणाम मिलेगा? इसे यादृच्छिक चर का माध्य (Mean) या प्रत्याशा (Expectation) कहा जाता है। इसे μ (म्यू) या E(X) से दर्शाते हैं। और यह माध्य से कितना भटकेगा, इसे प्रसरण (Variance) कहते हैं।
माध्य (Mean / Expectation)
यह X के मानों और उनकी संगत प्रायिकताओं के गुणनफल का योग है।
μ = E(X) = Σ [ xi × pi ]
μ = E(X) = Σ [ xi × pi ]
प्रसरण (Variance)
यह मापता है कि डेटा माध्य से कितना फैला हुआ है। इसे Var(X) या σ² लिखते हैं।
Var(X) = E(X²) - [E(X)]²
(जहाँ E(X²) = Σ xi²pi)
Var(X) = E(X²) - [E(X)]²
(जहाँ E(X²) = Σ xi²pi)
मानक विचलन (Standard Deviation - σ): यह प्रसरण का वर्गमूल (√Var(X)) होता है।
सफलता और असफलता का खेल: बर्नौली परीक्षण और द्विपद बंटन
कल्पना करें कि आप एक सिक्के को 10 बार उछालते हैं और 4 बार Head आने की प्रायिकता जानना चाहते हैं। ऐसे परीक्षण जिनके केवल दो ही संभावित परिणाम होते हैं— 'सफलता' (Success) और 'असफलता' (Failure)— बर्नौली परीक्षण (Bernoulli Trials) कहलाते हैं। इन परीक्षणों का स्वतंत्र होना और हर बार सफलता की प्रायिकता (p) का समान रहना अनिवार्य है।
द्विपद बंटन (Binomial Distribution) का सूत्र
यदि 'n' बर्नौली परीक्षणों में 'p' सफलता की प्रायिकता है और 'q' असफलता की प्रायिकता है (जहाँ q = 1 - p), तो ठीक 'r' सफलताओं को प्राप्त करने की प्रायिकता P(X = r) निम्न सूत्र से दी जाती है:
P(X = r) = nCr × pr × qn-r
(यह द्विपद प्रमेय (a+b)n के प्रसार का एक पद है, इसीलिए इसे द्विपद बंटन कहते हैं। यहाँ nCr यह बताता है कि 'n' में से वे 'r' सफलताएँ किन-किन स्थानों पर आ सकती हैं)।
द्विपद बंटन के विशेष गुण
द्विपद बंटन B(n, p) के लिए आपको लंबी गणनाओं से गुजरने की आवश्यकता नहीं है। इसके सूत्र पूर्व-निर्धारित हैं:
• माध्य (Mean) = np
• प्रसरण (Variance) = npq
• मानक विचलन (Standard Deviation) = √(npq)
• माध्य (Mean) = np
• प्रसरण (Variance) = npq
• मानक विचलन (Standard Deviation) = √(npq)
अध्याय का संपूर्ण निष्कर्ष और अचूक रणनीतियाँ
प्रायिकता का यह विस्तृत अध्याय हमें अनिश्चितता को संख्याओं में बाँधना सिखाता है। सप्रतिबंध प्रायिकता ने हमें पूर्व जानकारी के आधार पर संभावनाओं को परिष्कृत (Refine) करना सिखाया, जो आगे चलकर बेज़ प्रमेय की नींव बनी—जिसका मशीन लर्निंग और चिकित्सा परीक्षणों में गहरा उपयोग है। यादृच्छिक चर और द्विपद बंटन ने हमें एक ही परीक्षण को बार-बार दोहराने पर एक समग्र चित्र (Big picture) प्रदान किया।
P(A|B)
सप्रतिबंध प्रायिकता
P(A ∩ B) = P(A)P(B)
स्वतंत्र घटनाएँ
Bayes' Formula
कारण की उल्टी प्रायिकता
nCr pr qn-r
द्विपद बंटन (सफलताएँ)
बोर्ड परीक्षा हेतु अचूक मंत्र (Pro Tip)
बोर्ड परीक्षा में सबसे अधिक अंकों का प्रश्न "बेज़ प्रमेय" (Bayes' Theorem) से आता है। इस प्रश्न को हल करते समय हमेशा E1, E2, E3 (विभिन्न कारण) और A (अंतिम परिणाम जो हो चुका है) को स्पष्ट रूप से लिखकर परिभाषित करें। इसके बाद एक "ट्री डायग्राम" (Tree Diagram) बना लें, जिससे P(A|E1) आदि निकालने में कभी गलती नहीं होगी। इसके अलावा, द्विपद बंटन में "कम से कम एक सफलता" (At least one success) वाले प्रश्नों में सीधे `1 - P(X=0)` का सूत्र लगाएँ, इससे गणना का समय 90% तक बच जाएगा!