دو واقعات A اور B کے اضافے کا اصول جو باہمی طور پر مخصوص نہیں ہیں۔
امکانی اضافہ شماریات اور امکانی نظریہ میں ایک اہم ذریعہ ہے۔ یہ اکثر دو یا دو سے زیادہ مختلف واقعات کے مشترکہ امکان کا تعین کرنے کے لیے استعمال ہوتا ہے۔ بہت سے معاملات میں، یہ واقعات باہمی طور پر خصوصی ہوتے ہیں، یعنی یہ ایک ساتھ نہیں ہو سکتے۔ تاہم، بہت سے حالات ایسے بھی ہیں جہاں دو واقعات ایک دوسرے سے الگ نہیں ہوتے — وہ ایک ساتھ ہو سکتے ہیں۔ یہ مضمون دو غیر خصوصی واقعات A اور B کو شامل کرنے کے اصول پر بحث کرے گا، ان کو سمجھنے میں مدد کے لیے ٹھوس مثالیں فراہم کرے گا۔
تعارف: بنیادی تعریفیں اور تصورات
اس سے پہلے کہ ہم دو غیر خصوصی واقعات کے اضافی اصول میں داخل ہوں، کچھ بنیادی تصورات کو سمجھنا ضروری ہے:
1. امکان: امکان اس امکان کا ایک پیمانہ ہے کہ کوئی واقعہ رونما ہوگا اور اس کی قیمت 0 سے 1 تک ہوتی ہے۔
2. واقعہ: ایک واقعہ ایک بے ترتیب تجربہ کے نتائج کا نتیجہ یا سلسلہ ہے۔
3. باہمی خصوصی واقعات: دو واقعات کو باہمی طور پر خصوصی کہا جاتا ہے اگر ان کا بیک وقت وقوع پذیر ہونا ناممکن ہو۔
جب دو واقعات ایک دوسرے سے خاص نہیں ہوتے ہیں، تو اس کا مطلب ہے کہ ان کے بیک وقت رونما ہونے کا امکان ہے۔ اس صورت میں، ہمیں کل امکان کا حساب لگاتے وقت دو واقعات کے درمیان تعامل کو مدنظر رکھنا چاہیے۔
غیر باہمی خصوصی واقعات کے اضافے کا قاعدہ
عام طور پر، دو واقعات A اور B کے لئے، واقعہ A یا B کے امکان کو شمار کرنے کے لئے اضافی اصول مندرجہ ذیل ہے:
\[ P(A \cup B) = P(A) + P(B) - P(A \cap B) \]
کہاں:
- \( P(A \cup B) \) یہ امکان ہے کہ واقعات میں سے کم از کم ایک A یا B واقع ہوتا ہے۔
- \( P(A) \) واقعہ A کا امکان ہے۔
- \( P(B) \) واقعہ B کا امکان ہے۔
- \( P(A \cap B) \) ایک امکان ہے کہ A اور B دونوں واقعات ایک ساتھ رونما ہوتے ہیں۔
ہمیں \( P(A \cap B) \) کو گھٹانے کی ضرورت کیوں ہے؟ کیونکہ جب ہم \( P(A) \) اور \( P(B) \ کو شامل کرتے ہیں تو، واقعہ کی نمائندگی کرنے والے خطے \( A \cap B \) کو دو بار شمار کیا جاتا ہے (ایک بار \( P(A) \) میں اور دوبارہ \( P(B) \) میں۔ لہذا، صحیح نتیجہ حاصل کرنے کے لیے ہم اسے ایک بار گھٹا دیتے ہیں۔
ٹھوس مثال
آئیے اسے سمجھنے میں آسانی کے لیے ایک ٹھوس مثال لیتے ہیں:
تصور کریں کہ ہمارے پاس ایک معیاری 52 کارڈ ڈیک ہے۔ اگر ہم اس امکان کا حساب لگانا چاہتے ہیں کہ جو کارڈ ہم کھینچتے ہیں وہ ایک سپیڈ (ایونٹ A) یا اکس (ایونٹ B) ہے، ہم اوپر بیان کردہ اضافی اصول استعمال کر سکتے ہیں۔
1. سپیڈ کارڈ بنانے کا امکان:
52 تاش کے ایک ڈیک میں 13 سپیڈز ہیں۔
\[ P(A) = frac{13}{52} \]
2. اککا ڈرائنگ کا امکان:
52 کارڈز کے ڈیک میں 4 Aces ہیں۔
\[ P(B) = frac{4}{52} \]
3. ایک کارڈ کھینچنے کا امکان جو Ace اور Spade دونوں ہی ہو (Ace of Spades):
52 کارڈز کے ڈیک میں صرف ایک Ace of Spades ہے۔
\[ P(A \cap B) = frac{1}{52} \]
اضافی اصول کا استعمال کرتے ہوئے:
\[ P(A \cup B) = P(A) + P(B) - P(A \cap B) \]
اس کی گنتی:
\[ P(A \cup B) = \frac{13}{52} + \frac{4}{52} – \frac{1}{52} \]
\[ P(A \cup B) = frac{16}{52} \]
\[ P(A \cup B) = frac{4}{13} \]
لہذا، اس بات کا امکان کہ جو کارڈ تیار کیا گیا ہے وہ ایک سپیڈ یا Ace ہے \( \frac{4}{13} \)۔
مطابقت اور درخواست
دو غیر منقطع واقعات کے لیے اضافی اصول کو سمجھنا ڈیٹا کے تجزیہ، شماریات، اور دیگر مختلف شعبوں جیسے کاروبار، مالیات، کمپیوٹر سائنس، اور سماجی تحقیق میں وسیع مطابقت رکھتا ہے۔ کچھ عملی ایپلی کیشنز میں شامل ہیں:
1. خطرے کا تجزیہ: خطرے کے انتظام میں مختلف خطرات اور عوامل کے ممکنہ امتزاج کی نشاندہی کرنا۔
2. وبائی امراض کی تحقیق: صحت کے مطالعے میں مختلف خطرے والے عوامل کے مشترکہ امکان کا حساب لگانا۔
3. کاروبار اور مالیات: اسٹاک مارکیٹ یا کاروباری ماحول میں مختلف واقعات کے مشترکہ مواقع کا اندازہ لگانا۔
4. پالیسی کا تعین: مختلف پالیسیوں اور اقدامات کے ممکنہ اثرات پر غور کر کے فیصلہ سازی میں مدد کرتا ہے۔
5. ڈیٹا سائنس اور مشین لرننگ: پیشین گوئی کرنے والے ماڈلز میں استعمال کیا جاتا ہے جو متعدد خصوصیات کو مدنظر رکھتے ہیں جو شاید باہمی طور پر مخصوص نہ ہوں۔
گرافک وضاحت
اکثر، تصویری نمائندگی جیسے وین ڈایاگرام دو واقعات کے درمیان تعامل کو سمجھنے میں مددگار ثابت ہوتے ہیں۔ یہ خاکے دکھاتے ہیں کہ دو سیٹ (واقعات) کس طرح آپس میں ملتے ہیں اور کہاں اوورلیپ ہوتے ہیں۔
اگر ہم کارڈز کے ڈیک کی مثال پر واپس آتے ہیں، تو وین ڈایاگرام میں اوور لیپنگ ریجن Ace of Spades کی نمائندگی کرے گا، جس سے اس بات کا واضح تصور ہو گا کہ ہمیں \( P(A \cap B) \( P(A) \) اور \( P(B) \) کو شامل کرتے وقت کیوں گھٹانے کی ضرورت ہے۔
نتیجہ اخذ کرنا
دو غیر خصوصی واقعات کے لیے اضافی اصول سیکھنا امکانی تھیوری اور شماریات کا ایک لازمی حصہ ہے۔ اس تصور کو سمجھ کر، ہم مختلف حقیقی زندگی کے حالات میں واقعات کے مشترکہ امکان کو زیادہ درست طریقے سے شمار کر سکتے ہیں۔ ہمیشہ یاد رکھیں کہ جب واقعات غیر خصوصی ہوتے ہیں، تو ان کے مشترکہ امکانات کو ایڈجسٹ کیا جانا چاہیے تاکہ اوور لیپنگ والے علاقوں میں دوہری گنتی سے بچا جا سکے۔ یہ نقطہ نظر نہ صرف شماریاتی تجزیہ میں مدد کرتا ہے بلکہ ڈیٹا پر مبنی فیصلہ سازی کو بھی تقویت دیتا ہے۔
یہ مضمون دکھاتا ہے کہ ہم اس تصور کو مختلف سیاق و سباق میں کیسے استعمال کر سکتے ہیں اور امکان اور اعداد و شمار پر مشتمل کسی بھی شعبے میں مزید ایپلی کیشنز کے لیے ایک ٹھوس بنیاد فراہم کرتا ہے۔
