परस्पर अनन्य नसलेल्या दोन घटना A आणि B यांच्या बेरजेचा नियम
संभाव्यता बेरीज हे सांख्यिकी आणि संभाव्यता सिद्धांतातील एक महत्त्वाचे साधन आहे. दोन किंवा अधिक भिन्न घटना घडण्याची संयुक्त संभाव्यता निश्चित करण्यासाठी याचा अनेकदा उपयोग केला जातो. बऱ्याच प्रकरणांमध्ये, या घटना परस्पर अनन्य असतात, म्हणजेच त्या एकाच वेळी घडू शकत नाहीत. तथापि, अशाही अनेक परिस्थिती आहेत जिथे दोन घटना परस्पर अनन्य नसतात—त्या एकाच वेळी घडू शकतात. हा लेख, दोन परस्पर अनन्य नसलेल्या घटना A आणि B यांची बेरीज करण्याच्या नियमावर चर्चा करेल आणि तो समजण्यास मदत करण्यासाठी ठोस उदाहरणे देईल.
प्रस्तावना: मूलभूत व्याख्या आणि संकल्पना
दोन परस्पर-अनन्य नसलेल्या घटनांसाठी बेरीज नियम समजून घेण्यापूर्वी, काही मूलभूत संकल्पना समजून घेणे महत्त्वाचे आहे:
१. संभाव्यता: संभाव्यता म्हणजे एखादी घटना घडण्याची शक्यता मोजण्याचे एक माप असून, त्याचे मूल्य ० ते १ पर्यंत असते.
२. घटना: घटना म्हणजे यादृच्छिक प्रयोगाचा निकाल किंवा निकालांची मालिका होय.
३. परस्पर अनन्य घटना: दोन घटना परस्पर अनन्य आहेत असे तेव्हा म्हटले जाते, जेव्हा त्या एकाच वेळी घडणे अशक्य असते.
जेव्हा दोन घटना परस्पर अनन्य नसतात, तेव्हा याचा अर्थ असा होतो की त्या एकाच वेळी घडण्याची शक्यता असते. अशा परिस्थितीत, एकूण संभाव्यता मोजताना आपण त्या दोन घटनांमधील परस्परसंबंध विचारात घेतला पाहिजे.
परस्पर अनन्य नसलेल्या घटनांच्या समावेशाचा नियम
सर्वसाधारणपणे, दोन घटना A आणि B साठी, घटना A किंवा B ची संभाव्यता मोजण्याचा बेरीज नियम खालीलप्रमाणे आहे:
\[ P(A \cup B) = P(A) + P(B) – P(A \cap B) \]
कुठे:
– \( P(A \cup B) \) ही घटना A किंवा B पैकी किमान एक घटना घडण्याची संभाव्यता आहे.
– \( P(A) \) ही घटना A ची संभाव्यता आहे.
– \( P(B) \) ही घटना B ची संभाव्यता आहे.
– \( P(A \cap B) \) ही घटना A आणि B दोन्ही एकाच वेळी घडण्याची संभाव्यता आहे.
आपल्याला \( P(A \cap B) \) वजा करण्याची गरज का आहे? कारण जेव्हा आपण \( P(A) \) आणि \( P(B) \) यांची बेरीज करतो, तेव्हा \( A \cap B \) ही घटना दर्शवणारा प्रदेश दोनदा मोजला जातो (एकदा \( P(A) \) मध्ये आणि पुन्हा \( P(B) \) मध्ये). म्हणून, अचूक निकाल मिळवण्यासाठी आपण ते एकदा वजा करतो.
ठोस उदाहरण
समजायला सोपे जावे म्हणून एक ठोस उदाहरण घेऊया:
कल्पना करा की आपल्याकडे ५२ पत्त्यांचा एक प्रमाणित संच आहे. जर आपल्याला काढलेला पत्ता इस्पिक (घटना A) किंवा एक्का (घटना B) असण्याची संभाव्यता मोजायची असेल, तर आपण वर वर्णन केलेल्या बेरजेच्या नियमाचा वापर करू शकतो.
१. इस्पिकचे पान काढण्याची संभाव्यता:
५२ पत्त्यांच्या एका कॅटमध्ये १३ इस्पिकचे पत्ते असतात.
\[ P(A) = \frac{13}{52} \]
२. एक्का काढण्याची संभाव्यता:
५२ पत्त्यांच्या संचामध्ये ४ एक्के असतात.
\[ P(B) = \frac{4}{52} \]
३. एक्का आणि इस्पिक दोन्ही असलेला पत्ता काढण्याची संभाव्यता (इस्पिकचा एक्का):
५२ पत्त्यांच्या संचामध्ये इस्पिकचा एक्का फक्त एकच असतो.
\[ P(A \cap B) = \frac{1}{52} \]
बेरीज नियमाचा वापर करून:
\[ P(A \cup B) = P(A) + P(B) – P(A \cap B) \]
ते मोजणे:
\[ P(A \cup B) = \frac{13}{52} + \frac{4}{52} – \frac{1}{52} \]
\[ P(A \cup B) = \frac{16}{52} \]
\[ P(A \cup B) = \frac{4}{13} \]
म्हणून, काढलेले कार्ड इस्पिक किंवा एक्का असण्याची संभाव्यता \( \frac{4}{13} \) आहे.
प्रासंगिकता आणि उपयोजन
दोन असंयुक्त घटनांसाठी बेरीज नियम समजून घेणे हे डेटा विश्लेषण, सांख्यिकी आणि व्यवसाय, वित्त, संगणक विज्ञान व सामाजिक संशोधन यांसारख्या विविध क्षेत्रांमध्ये व्यापकपणे संबंधित आहे. काही व्यावहारिक उपयोगांमध्ये यांचा समावेश होतो:
१. जोखीम विश्लेषण: जोखीम व्यवस्थापनामध्ये विविध जोखीम आणि घटकांच्या संभाव्य संयोजनांची ओळख पटवणे.
२. साथरोगशास्त्रीय संशोधन: आरोग्यविषयक अभ्यासांमध्ये विविध जोखमीच्या घटकांच्या एकत्रित संभाव्यतेची गणना करणे.
३. व्यवसाय आणि वित्त: शेअर बाजार किंवा व्यावसायिक वातावरणातील विविध घटनांच्या एकत्रित संधींचे मूल्यांकन करणे.
४. धोरण निर्धारण: विविध धोरणांच्या आणि कृतींच्या संभाव्य परिणामांचा विचार करून निर्णय घेण्यास मदत करते.
५. डेटा सायन्स आणि मशीन लर्निंग: परस्पर अनन्य नसलेल्या अनेक वैशिष्ट्यांचा विचार करणाऱ्या भविष्यसूचक मॉडेल्समध्ये वापरले जाते.
ग्राफिक स्पष्टीकरण
अनेकदा, दोन घटनांमधील परस्परसंबंध समजून घेण्यासाठी वेन आकृत्यांसारखी आलेखीय सादरीकरणे उपयुक्त ठरतात. या आकृत्या दाखवतात की दोन संच (घटना) एकमेकांशी कसे संवाद साधतात आणि ते कुठे एकमेकांवर येतात.
जर आपण पत्त्यांच्या संचाच्या उदाहरणाकडे परत आलो, तर वेन आकृतीमधील एकमेकांवर येणारा भाग 'एका ऑफ स्पेड्स' दर्शवेल, ज्यामुळे \( P(A) \) आणि \( P(B) \) यांची बेरीज करताना \( P(A \cap B) \) वजा करण्याची गरज का असते, हे अधिक स्पष्टपणे समजते.
निष्कर्ष
दोन परस्पर-अनन्य नसलेल्या घटनांसाठी बेरीज नियम शिकणे हा संभाव्यता सिद्धांत आणि सांख्यिकीचा एक आवश्यक भाग आहे. ही संकल्पना समजून घेतल्याने, आपण विविध वास्तविक जीवनातील परिस्थितींमध्ये घटनांची संयुक्त संभाव्यता अधिक अचूकपणे मोजू शकतो. नेहमी लक्षात ठेवा की जेव्हा घटना परस्पर-अनन्य नसतात, तेव्हा एकमेकांवर येणाऱ्या भागांमध्ये दुहेरी गणना टाळण्यासाठी त्यांच्या संयुक्त संभाव्यतेमध्ये बदल करणे आवश्यक असते. हा दृष्टिकोन केवळ सांख्यिकीय विश्लेषणास मदत करत नाही, तर माहिती-आधारित निर्णयक्षमतेलाही बळकट करतो.
हा लेख दाखवतो की आपण ही संकल्पना विविध संदर्भांमध्ये कशी वापरू शकतो आणि संभाव्यता व सांख्यिकीशी संबंधित कोणत्याही क्षेत्रातील पुढील उपयोगांसाठी एक भक्कम पाया प्रदान करतो.
