सशर्त प्रायिकता के मूल सिद्धांत

सशर्त प्रायिकता की मूल बातें

प्रायिकता किसी घटना के घटित होने की संभावना को मापने का एक औपचारिक तरीका है। कई वास्तविक परिस्थितियों में, किसी घटना की प्रायिकता केवल एक तथ्य नहीं होती, बल्कि पहले से ज्ञात अन्य जानकारियों से भी प्रभावित होती है। यहीं पर सशर्त प्रायिकता की अवधारणा महत्वपूर्ण हो जाती है। सशर्त प्रायिकता हमें अतिरिक्त जानकारी प्राप्त करने के बाद किसी विशेष घटना के बारे में अपनी धारणाओं को अद्यतन करने में मदद करती है। यह लेख इसकी परिभाषा, मूल सूत्र, उदाहरण और गुणन नियम तथा बेयस प्रमेय से इसके संबंध पर चर्चा करता है।

1. सशर्त प्रायिकता को समझना

सरल शब्दों में, सशर्त प्रायिकता घटना A के घटित होने की संभावना है, बशर्ते घटना B घटित हो चुकी हो। इसे इस प्रकार लिखा जाता है:

\[
पी(ए ⊆ बी)
\]

“B दिए जाने पर A की प्रायिकता” पढ़ें।

उदाहरण के लिए, हम यह जानना चाहते हैं कि आज बारिश हो रही है (B) तो किसी व्यक्ति के छाता ले जाने की प्रायिकता (A) क्या है। स्पष्ट है कि यदि हमें पता है कि बारिश हो रही है तो छाता ले जाने की प्रायिकता अधिक होगी। "बारिश हो रही है" की जानकारी हमारे विचार क्षेत्र को बदल देती है—हम अब सभी मौसम स्थितियों पर विचार नहीं करते, बल्कि केवल उन स्थितियों पर विचार करते हैं जब बारिश हो रही होती है।

2. सशर्त प्रायिकता सूत्र

सशर्त प्रायिकता की गणितीय परिभाषा इस प्रकार है:

\[
P(A \mid B) = \frac{P(A \cap B)}{P(B)}
\]

बशर्ते कि \(P(B) > 0\).

जानकारी:
– \(P(A \mid B)\): B के घटित होने पर A के घटित होने की प्रायिकता।
– \(P(A \cap B)\): A और B के एक साथ घटित होने की प्रायिकता (A और B का प्रतिच्छेदन)।
– \(P(B)\): B के घटित होने की प्रायिकता।

इस सूत्र का अर्थ यह है: हम अपना ध्यान घटना B पर केंद्रित करते हैं, फिर गणना करते हैं कि B का कितना बड़ा हिस्सा A को भी शामिल करता है।

3. सरल उदाहरण: ताश खेलना

ताश के पत्तों के एक मानक डेक (52 पत्ते) में से एक पत्ता लें। उदाहरण के लिए:
– ए: निकाला गया पत्ता इक्का है
– बी: निकाला गया कार्ड हुकुम का है

हम \(P(A \mid B)\) की गणना करना चाहते हैं, जो कि हुकुम का पत्ता होने पर इक्का निकालने की प्रायिकता है।

समस्या:
– हुकुम के पत्तों में 13 कार्ड होते हैं, इसलिए \(P(B) = 13/52\).
– स्लाइस A और B “ऐस ऑफ़ स्पेड्स” हैं जिनका योग 1 कार्ड है, इसलिए \(P(A \cap B) = 1/52\).

इसलिए:

\[
P(A \mid B) = \frac{1/52}{13/52} = \frac{1}{13}
\]

इसका मतलब यह है कि अगर हमें पहले से ही पता है कि कार्ड हुकुम का है, तो कार्ड के इक्का होने की संभावना 13 में से 1 है।

4. प्रतिच्छेदन (A ∩ B) और सूचना की भूमिका को समझना

प्रायिकता का अध्ययन करते समय एक आम गलती \(P(A)\) और \(P(A|B)\) के बीच भ्रम पैदा करना है। कार्ड के उदाहरण में:
– (P(A) = 4/52 = 1/13) (अतिरिक्त जानकारी के बिना इक्का आने की प्रायिकता)
– \(P(A|B) = 1/13\) (संयोगवश इस मामले में भी यही स्थिति है)

हालांकि, कई मामलों में ये दोनों मान भिन्न होते हैं। अतिरिक्त जानकारी इस प्रकार हो सकती है:
– संभावनाओं को बढ़ाना (उदाहरण के लिए, यदि किसी को पता हो कि कोई पढ़ाई कर रहा है तो परीक्षा पास करने की संभावना बढ़ जाती है),
– अवसरों को कम करना (यदि आपको पता है कि काम से घर लौटने का समय हो गया है तो सुगम सड़कों की संभावना कम होना),
या यदि घटनाएँ स्वतंत्र हैं तो संभावना में कोई परिवर्तन नहीं होता है।

5. परस्पर स्वतंत्र घटनाएँ (स्वतंत्रता)

दो घटनाओं A और B को स्वतंत्र कहा जाता है यदि घटना B, A की प्रायिकता को प्रभावित नहीं करती है, और इसके विपरीत भी। औपचारिक रूप से:

\[
P(A \mid B) = P(A)
\]

या इसके समकक्ष:

\[
P(A ∈ B) = P(A)P(B)
\]

उदाहरण: सिक्का उछालना और पासा फेंकना। सिक्के का परिणाम (संख्या/चित्र) पासे के परिणाम (1-6) से प्रभावित नहीं होता, इसलिए दोनों स्वतंत्र हैं। यदि A का अर्थ है "सिक्के पर एक संख्या आती है" और B का अर्थ है "पासे पर 6 आता है", तो:

\[
P(A) = 1/2, P(B) = 1/6, P(A ∈ B) = 1/12
\]

और यह सच है कि \(1/12 = (1/2)(1/6)\).

6. गुणन का नियम

सशर्त प्रायिकता की परिभाषा से, हम गुणन नियम प्राप्त कर सकते हैं:

\[
P(A ∈ B) = P(A ∈ B)P(B)
\]

या फिर:

\[
P(A ∈ B) = P(B ∈ A)P(A)
\]

यह नियम तब बहुत उपयोगी होता है जब हम दो घटनाओं के एक साथ घटित होने की प्रायिकता की गणना करना चाहते हैं, लेकिन एक घटना की प्रायिकता का आकलन दूसरी घटना के बारे में जानने के बाद करना आसान होता है।

उदाहरण: मान लीजिए किसी व्यक्ति के साक्षात्कार उत्तीर्ण करने की प्रायिकता (B) 0,4 है। साक्षात्कार उत्तीर्ण करने पर नौकरी के लिए चुने जाने की प्रायिकता (A) 0,6 है। तो “साक्षात्कार उत्तीर्ण करने और नौकरी के लिए चुने जाने” की प्रायिकता क्या होगी?

\[
P(A \cap B) = P(A \mid B)P(B) = 0{,}6 \times 0{,}4 = 0{,}24
\]

7. बेयस प्रमेय: शर्तों को उलटना

अक्सर हमें \(P(A|B)\) पता होता है, लेकिन वास्तव में हमें \(P(B|A)\) की आवश्यकता होती है। बेयस प्रमेय सशर्त प्रायिकता को "पलटने" का एक तरीका प्रदान करता है:

\[
P(B \mid A) = \frac{P(A \mid B)P(B)}{P(A)}
\]

यह प्रमेय चिकित्सा निदान, मशीन लर्निंग, स्पैम डिटेक्शन और डेटा-संचालित निर्णय लेने के क्षेत्रों में बहुत प्रसिद्ध है।

संक्षिप्त उदाहरण (स्वास्थ्य)
उदाहरण के लिए:
– B: कोई व्यक्ति वास्तव में बीमार है (प्रचलन) \(P(B)=0{,}01\)
– ए: सकारात्मक परीक्षण परिणाम
– परीक्षण संवेदनशीलता: \(P(A|B)=0{,}95\)
– गलत सकारात्मक: \(P(A|\text{बीमार नहीं})=0{,}05\)

प्रश्न: यदि परीक्षण का परिणाम सकारात्मक आता है, तो इस बात की प्रायिकता क्या है कि व्यक्ति वास्तव में बीमार है, यानी \(P(B|A)\)?

हमें \(P(A)\) की आवश्यकता है:

\[
P(A)=P(A|B)P(B) + P(A|\neg B)P(\neg B)
\]
\[
P(A)=0{,}95(0{,}01) + 0{,}05(0{,}99)=0{,}0095+0{,}0495=0{,}059
\]

इसलिए:

\[
P(B|A)=\frac{0{,}95 \times 0{,}01}{0{,}059} \approx 0{,}161
\]

परिणाम लगभग 16,1% रहा। इससे पता चलता है कि पॉजिटिव टेस्ट का मतलब यह नहीं है कि व्यक्ति निश्चित रूप से बीमार है, खासकर तब जब बीमारी का प्रसार बहुत कम हो।

8. कुल प्रायिकता (कुल प्रायिकता का नियम)

किसी स्थिति को कई स्थितियों में विभाजित करने पर \(P(A)\) की गणना करने के लिए हम कुल प्रायिकता के नियम का उपयोग कर सकते हैं। यदि \(B_1, B_2, …, B_n\) नमूना स्थान का एक विभाजन बनाता है (जो परस्पर असंयुक्त है और सभी संभावनाओं को समाहित करता है), तो:

\[
P(A) = \sum_{i=1}^{n} P(A|B_i)P(B_i)
\]

इसका उपयोग अक्सर बेयस प्रमेय के साथ मिलाकर कई श्रेणियों या स्रोतों से प्राप्त जानकारी को संसाधित करने के लिए किया जाता है।

9. सशर्त प्रायिकता में होने वाली सामान्य गलतियाँ

कुछ सामान्य गलतियाँ:
1. मान लीजिए कि \(P(A|B)\) बराबर है \(P(B|A)\) । यह सामान्यतः सत्य नहीं है।
2. आधार दरों को अनदेखा करना, उदाहरण के लिए बेयस उदाहरण में रोग प्रसार।
3. शर्त दिए जाने के बाद नमूना स्थान का गलत निर्धारण करना, भले ही शर्त B का अर्थ हो कि हम केवल "क्षेत्र B" में ही गणना करते हैं।

10. पेनुटुप

सशर्त प्रायिकता सांख्यिकी और अनिश्चितता मॉडलिंग में एक महत्वपूर्ण आधार है। \(P(A|B)=\frac{P(A \cap B)}{P(B)}\) की परिभाषा को समझकर, हम अतिरिक्त जानकारी पर विचार करते हुए प्रायिकताओं का आकलन कर सकते हैं। यह अवधारणा गुणन नियम, स्वतंत्र घटनाओं, कुल प्रायिकता के नियम और बेयस प्रमेय से सीधे संबंधित है, जो कई वास्तविक जीवन अनुप्रयोगों में बहुत उपयोगी है। आप कार्ड, पासे, सर्वेक्षण और यहां तक ​​कि चिकित्सा मामलों जैसे ठोस उदाहरणों के साथ जितना अधिक अभ्यास करेंगे, नई जानकारी प्राप्त होने पर प्रायिकताओं में होने वाले परिवर्तनों के बारे में आपकी समझ उतनी ही मजबूत होती जाएगी।