সম্ভাবনা তত্ত্ব (Probability Theory)

Submitted by arpita pramanik on Thu, 02/17/2011 - 14:21

সম্ভাবনা তত্ত্ব (Probability Theory):-

সূচনা (Introduction)

(১) ঝোঁকশূন্য কোনো মুদ্রাকে উপরের দিকে ছুড়ে দেওয়া হল, এতে হেড পড়ার সম্ভাবনা কত ?

(২) একটি বাক্সে চারটি আলাদা রঙের বল আছে যেকোনো একটি রঙের বল তোলার সম্ভাবনা কত ?

(৩) একটি লুডোর ছক্কাতে ছয় পড়ার সম্ভাবনা কত ?

উপরের তিনটি প্রশ্নের ক্ষেত্রে প্রথমটি 50%, দ্বিতীয়টি 25% এবং তৃতীয়টি [tex]\frac{1}{6}[/tex] উত্তর সহজেই নির্ণয় করা । অনেক ক্ষেত্রে সহজে নির্ণয় করা যায় না । যেমন একটি তাসের প্যাকেট থেকে দুটি ইস্কাবন হওয়ার সম্ভাবনা কত ?

উপরের আলোচনা থেকে বলা যায় কোনো নির্দিষ্ট ঘটনা ঘটার মাত্রা সম্ভাবনার সাহায্যে প্রকাশ করা হয় । 

কয়েকটি সংজ্ঞা (Some Definitions)-

(১) সমসম্ভব পরীক্ষা (Random experiment) :- যে সব পরীক্ষা বা পর্যবেক্ষণের ক্ষেত্রে কোন ঘটনা ঘটবে বা কোন ফল পাওয়া যাবে তা নিশ্চিতভাবে বলা যায় না তাদের সমসম্ভব পরীক্ষা (Random experiment) বলে । 

যেমন একটি ঝোঁকশূন্য কোনো মুদ্রাকে উপরের দিকে ছুড়ে দেওয়া হল । এ ক্ষেত্রে হেড পড়বে না টেল পড়বে তা নিশ্চিত ভাবে বলা যায় না ।

(২) ঘটনা (Event) :- সমসম্ভব পরীক্ষার সঙ্গে সম্পর্কিত যে কোনো একটি ফলকে একটি ঘটনা (Event) বলে । 

উদাহরণ:- একটি ঝোঁকশূন্য কোনো মুদ্রাকে উপরের দিকে ছুড়ে দেওয়া হল । এ ক্ষেত্রে হেড পড়বে অথবা টেল পড়বে । এক্ষেত্রে হেড এবং টেলের প্রত্যেকটিকে সমসম্ভব পরীক্ষার ঘটনা বলে । 

(৩) পরস্পর পৃথক ঘটনা (Mutually exclusive events):-  দুই বা ততোধিক ঘটনা যদি পরস্পর এমনভাবে সম্বন্ধযুক্ত থাকে যে, তাদের কোনো দুটো ঘটনা এক সাথে ঘটা সম্ভব নয়, তাহলে ঘটনা সমূহকে পরস্পর পৃথক ঘটনা (Mutually exclusive events) বলে । 

(৪) অসম্ভব ঘটনা ও নিশ্চিত ঘটনা (Impossible event and Certain or Sure event):- যদি কোনো সমসম্ভব পরীক্ষায় আমরা নিশ্চিত করে বলতে পারি এইরূপ কোনো ঘটনা যা পর্যবেক্ষণে ঘটতে পারে না তবে এরূপ কল্পিত ঘটনাকে অসম্ভব ঘটনা ( Impossible event) বলে । সাধারণত অসম্ভব ঘটনা [tex]\phi [/tex] চিহ্ন দ্বারা প্রকাশ করা হয় এবং উহা ঘটবার সম্ভাবনা শূন্য অর্থাৎ [tex]P\left( \phi  \right) = 0[/tex] উদাহরণ:- একটি বাক্সে 4টি লাল বল ও  5টি সাদা বল আছে । বাক্স থেকে 1টি বল তোলা হল । বলটি সবুজ হওয়ার সম্ভাবনা হবে শূন্য ।

আবার কোনো সমসম্ভব পরীক্ষায় আমরা নিশ্চিত করে বলতে পারি এইরূপ কোনো ঘটনা যা পর্যবেক্ষণে ঘটতে পারে তবে এরূপ কল্পিত ঘটনাকে নিশ্চিত ঘটনা (Certain or Sure event) বলে ।

উদাহরণ:- একটি মুদ্রাকে উপরের দিকে উৎক্ষেপণ করলে হেড অথবা টেল পড়বেই । নিশ্চিত ঘটনাকে সাধারণত S অক্ষর দ্বারা প্রকাশ করা হয় এবং তা ঘটার সম্ভাবনা [tex]P\left( S \right) = 1[/tex].

(৫) পূরক ঘটনা (Complementary event) :- একটি নির্দিষ্ট ঘটনার বিকল্প ঘটনাকে পূরক ঘটনা (Complementary event) বলে ।

উদাহরণ :- 'হেড' ঘটার পূরক ঘটনা হল 'টেল' ঘটা । যদি A একটি ঘটনা হয় তবে পূরক ঘটনা [tex]{A^c}[/tex] বা [tex]{A^/}[/tex] বা [tex]\bar A[/tex] দ্বারা প্রকাশ করা হয় । 

(৬) সমভাবে সম্ভাব্য ঘটনা (Equally likely events):- সমসম্ভব পরীক্ষার সঙ্গে সম্পর্কিত দুই বা ততোধিক ঘটনাকে সমভাবে সম্ভাব্য ঘটনা বলা হবে যখন ঘটনাসমূহের প্রত্যেকটি ঘটনা ঘটিবার সম্ভাবনা সমান হবে ।

উদাহরণ:- একটি ঝোঁকশূন্য মুদ্রাকে উৎক্ষেপণ করলে হেড ও টেল পড়ার সম্ভাবনা 50% অর্থাৎ সমান । আবার কোনো লুডোর ছক্কাকে ফেললে এক, দুই, তিন, চার, পাঁচ, ছয় পড়ার সম্ভাবনা সমান হয় । প্রতীকের সাহায্যে A ও B ঘটনাদ্বয় সমভাবে ঘটলে [tex]P\left( A \right) = P\left( B \right)[/tex] হবে । 

(৭) সম্পূর্ণ ঘটনাসমূহ (Exhaustive events):- সমসম্ভব পরীক্ষার সঙ্গে সম্পর্কিত দুই বা ততোধিক ঘটনা যদি এমন হয় যে, পরীক্ষা বা পর্যবেক্ষণের প্রত্যেক ক্ষেত্রে ঘটনা গুলির মধ্যে কমপক্ষে একটি অবশ্যই ঘটবে, তবে উক্ত ঘটনাসমূহকে সম্পূর্ণ ঘটনাসমূহ বলে ।

উদাহরণ:- ঝোঁকশূন্য মুদ্রাকে উৎক্ষেপণের সমসম্ভব পরীক্ষায় সংশ্লিষ্ট দুটি ঘটনা যদি A ও B হয়, [tex]A \equiv [/tex] হেড পড়ার ঘটনা ; [tex]B \equiv [/tex] টেল পড়ার ঘটনা; তবে A ও B ঘটনা দুটি সম্পূর্ণ (Exhaustive) কারণ পরীক্ষা বা পর্যবেক্ষণের প্রত্যেক ক্ষেত্রে A অথবা B যেকোনো একটি পড়বেই ।

(৮) অনুকূল ঘটনা (Favourable events):- কোনো সমসম্ভব পরীক্ষার ফলাফল গুলির মধ্যে কোন একটি নির্দিষ্ট ঘটনা A এর ঘটবার সঙ্গে সম্পর্কিত ঘটনা গুলিকে A এর ঘটবার অনুকূল ঘটনা বলে । 

যেমন :- দুটি মুদ্রাকে উৎক্ষেপণ করলে যে ফলগুলি পাওয়া যায় তা হল HH, HT, TH এবং TT, যেখানে 'H' হল হেড এবং 'T' হল টেল । ঘটনা চারটি থেকে দেখা যাচ্ছে যে, কমপক্ষে একটি হেড পড়ার সম্ভাবনা হল 3 । অতএব হেড পড়ার পক্ষে অনুকূল ঘটনা হল  3 । একই রকমভাবে টেল পড়ার অনুকূল ঘটনা হল  3 ।

নমুনা দেশ বা ঘটনা দেশ (Sample space or Event space) :- যদি E একটি সমসম্ভব পরীক্ষা হয়, উহার সহিত সম্পর্কিত যেকোনো সরল ঘটনাকে নমুনা বিন্দু বা ঘটনা বিন্দু (Sample point or Event point) বলে । আবার সম্ভাব্য সকল নমুনা বিন্দু দিয়ে যে সেট পাওয়া যায় তাকে E পরীক্ষার নমুনা দেশ বা ঘটনা দেশ (Sample space or Event space) বলে । নমুনা দেশকে সাধারণত S অক্ষর দ্বারা প্রকাশ করা হয় । 

যদি S নমুনা দেশে গণনা করা যায় এরূপ সসীম বা অসীম সংখ্যক নমুনা বিন্দু আছে তাহলে উহাকে বিচ্ছিন্ন বা অসন্তত নমুনা দেশ (Discrete sample space) বলে । অন্যভাবে, নমুনা দেশে গণনা করা যায় না এরূপ অসীম সংখ্যক নমুনা বিন্দু আছে তাহলে উহাকে অবিচ্ছিন্ন বা সন্তত নমুনা দেশ (Continuous sample space) বলে । 

S নমুনা দেশে যেকোনো উপসেট A কে E পরীক্ষার সঙ্গে সম্পর্কিত একটি ঘটনা বলে অর্থাৎ একটি ঘটনা হল কতগুলি নমুনা বিন্দুর সমষ্টি । স্পষ্টতই নমুনা দেশ S দ্বারা নিশ্চিত ঘটনা এবং অসম্ভব ঘটনা প্রকাশিত হয় । 

সম্ভাবনার প্রাচীন বা গাণিতিক সংঞ্জা (Classical or Mathematical Definition of Probability):- মনে করি E সমসম্ভব পরীক্ষার (Random experiment) নমুনা দেশ (Sample space) S এর মধ্যে সমভাবে সম্ভাব্য বা পরস্পর সুসমঞ্জস (Equally likely or Mutually symmetrical) n(S) সংখ্যক নমুনা বিন্দু [n(S) এর মান সসীম] আছে । যদি নমুনা দেশে n(S) সংখ্যক নমুনা বিন্দুর মধ্যে m(A) সংখ্যক নমুনাবিন্দু , E পরীক্ষার সঙ্গে সম্পর্কিত কোন ঘটনা A এর অন্তর্গত হয়, তবে [tex]\frac{{m\left( A \right)}}{{n\left( S \right)}}[/tex] অনুপাতকে A ঘটনা ঘটিবার সম্ভাবনা বলে এবং উহা P(A) দ্বারা প্রকাশিত হয় । 

সুতরাং [tex]P\left( A \right) = \frac{{m\left( A \right)}}{{n\left( S \right)}}[/tex]

সম্ভাবনা নির্ণয়ের ধাপ (Steps in Calculating Probability)

১. কোনো একটি পরীক্ষায় পরস্পর বিচ্ছিন্ন, সমগ্র এবং সমভাবে সম্ভাব্য সকল প্রকার ফলাফলের সংখ্যা গণনা করতে হবে । ধরা যাক এই সংখ্যা হল n .

২. A হল যথেচ্ছ পরীক্ষার সঙ্গে সম্পর্কযুক্ত একটি ঘটনা । যার সম্ভাবনা নির্ণয় করতে হবে ও তার পক্ষে অনুকূল সমস্ত ঘটনাসমূহ নির্ণয় করতে হবে । ধারা যাক এই সংখ্যা হল m.

৩. m কে n দ্বারা ভাগ করলে A এর সম্ভাবনা P(A) এর মান পাওয়া যাবে । কোনো একটি ঘটনা A এর সম্ভাবনা P(A) কে p দ্বারা সূচিত করলে             

সম্ভাবনার প্রাচীন সংজ্ঞার সীমাবদ্ধতা (Limitation of the classical Definition of Probability)

আপাতদৃষ্টিতে সম্ভাবনার প্রাচীন সংজ্ঞা খুব সহজ ও সরল মনে হলেও এর নিম্নলিখিত কয়েকটি গুরুত্বপূর্ণ ত্রূটি আছে :

১. সম্ভাবনার প্রাচীন সংজ্ঞা সহজ জ্ঞানের উপর প্রতিষ্ঠিত । কিন্তু এই সহজ জ্ঞান জিনিসটা ঠিক পরিষ্কার নয়, কারণ সকল ব্যাক্তির সহজ জ্ঞান একই না হতে ও পারে । 

২. সম্ভাবনার এই সংজ্ঞায় নমুনা দেশের বিন্দু গুলি সমভাবে সম্ভাব্য ধরে নেওয়া হয় । সুতরাং স্পষ্টতই সম্ভাবনার সংজ্ঞা আগে থেকে ধারণার উপর ভিত্তি করে প্রতিষ্ঠিত হয়েছে । 

৩. এই সংজ্ঞায় শুধু সসীম সংখ্যক নমুনা বিন্দুর কথা বলেছে, তার মানে অসীম সংখ্যক নমুনা বিন্দুর ক্ষেত্রে প্রযোজ্য এই সংজ্ঞা প্রয়োগ করা যাবে না । 

৪. যদি নমুনা দেশে অসমঞ্জস (Unsymmetrical) বা সমভাবে সম্ভব নহে এইরূপ নমুনা বিন্দু থাকে তাহলে এই সংজ্ঞা সেক্ষেত্রে প্রযোজ্য হবে না । 

এই সংজ্ঞা কেবল কয়েকটি সীমিত উদাহরণের ক্ষেত্রে প্রযোজ্য । 

পরিসংখ্যানীয় নিয়মানুবর্তিতা (Statistical Regularity):- মনে করি শর্তাধীন একটি সমসম্ভব পরীক্ষা E, n বার করা হয় ; এই পরীক্ষার সঙ্গে সম্পর্কিত একটি ঘটনা A যদি n(A) বার ঘটে, তবে n(A) কে A ঘটনার পরিসংখ্যা এবং [tex]\frac{{n\left( A \right)}}{n}[/tex] অনুপাতটিকে A ঘটনার আপেক্ষিক পরিসংখ্যা অথবা পরিসংখ্যা অনুপাত (Relative frequency or Frequency ratio) বলা হয়, উহা f(A) প্রতীক দ্বারা প্রকাশ করা হয় । পরিসংখ্যার অনুপাত f(A) র মান ক্রমশ stable হবে যখন n এর মান সীমাহীনভাবে বৃদ্ধি পাবে । এই শর্তাধীনে পরীক্ষা বা পর্যবেক্ষণ সংখ্যার মান বৃদ্ধির সঙ্গে পরিসংখ্যা অনুপাতের মানের এরূপ সম্পর্ককে পরিসংখ্যানীয় নিয়মানুবর্তিতা (Statistical Regularity) বলে । সুতরাং [tex]f\left( A \right) = \frac{{n\left( A \right)}}{n}[/tex]

সম্ভাবনার পরিসংখ্যা বা প্রায়োগিক সংজ্ঞা (Frequency or Empirical Definition of Probability):- যদি একই শর্তাধীনে একটি সম্ভাব্য পরীক্ষা n বার পুনরাবৃত হয় এবং ওই পরীক্ষার সঙ্গে সম্পর্কিত কোনো ঘটনা যদি n(A) বার ঘটে, তবে [tex]f\left( A \right) = \frac{{n\left( A \right)}}{n}[/tex] অনুপাতটিকে A ঘটনার পরিসংখ্যার অনুপাত বলা হয় এবং তা f(A) প্রতীক দ্বারা সূচিত হয় । n এর মান সীমাহীন ভাবে বৃদ্ধি পেলে f(A) এর নির্দিষ্ট সসীম মান পাওয়া যায় বলে মনে করা হয় । ওই সীমাস্থ মানকে A ঘটনার সম্ভাবনা বলা হয় এবং উহাকে P(A) দ্বারা প্রকাশ করা হয় । সুতরাং প্রতীকের সাহায্যে [tex]P\left( A \right) = {\lim _{n \to \infty }}f\left( A \right) = {\lim _{n \to \infty }}\frac{{n\left( A \right)}}{n}[/tex]

প্রতীকসমূহ (Notation):-  মনে করা যাক E সমসম্ভব পরীক্ষার নমুনা দেশ S এবং E পরীক্ষার সঙ্গে সম্পর্কিত A ও B দুটি ঘটনা , তাহলে 

১. P(A) প্রতীক দিয়ে A ঘটনা ঘটার সম্ভাবনা নির্দেশিত হয় । 

২. [tex]P\left( {{A^c}} \right)\left[ {orP\left( {A'} \right)orP\left( {\bar A} \right)} \right][/tex] প্রতীক দিয়ে A ঘটনা ঘটার সম্ভাবনা নির্দেশিত হয় । 

৩. P(A U B) বা P (A + B) প্রতীক দিয়ে A ও B ঘটনা দুটির কমপক্ষে একটি ঘটার সম্ভাবনা অর্থাৎ A অথবা B কিংবা A ও B দুটি ঘটার সম্ভাবনা প্রকাশিত হয় । 

৪. [tex]P\left( {A \cap B} \right)[/tex] বা P (A - B) প্রতীক দিয়ে A ও B ঘটনা দুটির একটি ঘটনা ঘটার অর্থাৎ হয় A না হলে B ঘটার সম্ভাবনা প্রকাশিত হয় । 

৫. P(A /B) প্রতীক দিয়ে A ঘটার শর্তযুক্ত সম্ভাবনা (Conditional Probability) প্রকাশিত হয় যখন এটি জানা আছে B ঘটেছে । 

৬. [tex]P\left( {A/{B^c}} \right)[/tex] প্রতীক দিয়ে A ঘটনা ঘটার শর্তযুক্ত সম্ভাবনা প্রকাশিত হয় যখন এটি জানা আছে যে B ঘটনা ঘটেনি । 

সম্ভাবনার সমষ্টি বিষয়ক উপপাদ্য (বা সম্ভাবনার যোগসূত্র) [Theorem of total Probability (or Additive law of Probability)]

উপপাদ্য :- পরস্পর পৃথক n সংখ্যক ঘটনা [tex]{A_1},{A_2},{A_3},.........{A_n}[/tex] এর যেকোনো ঘটার সম্ভাবনা মান, প্রত্যেকটি ঘটনা পৃথকভাবে ঘটার সম্ভাবনাসমূহের সমষ্টির সমান ।

প্রতীকের সাহায্যে [tex]P\left( {{A_1} \cup {A_2} \cup .......... \cup {A_n}} \right) = P\left( {{A_1}} \right) + P\left( {{A_2}} \right) + ............... + P\left( {{A_n}} \right)[/tex] 

গাণিতিক সম্ভাবনার স্বতঃসিদ্ধসমূহ (Axioms of Mathematical Probability):- মনে করা যাক E সমসম্ভব পরীক্ষার নমুনা দেশ S এবং E পরীক্ষার সঙ্গে সম্পর্কিত যেকোনো ঘটনা A অর্থাৎ [tex]A \subseteq S[/tex] । A ঘটনার সঙ্গে সম্পর্কিত একটি বাস্তব ঘটনা P(A) কে A ঘটনার সম্ভাবনা বলা হবে যদি নিম্নলিখিত স্বতঃসিদ্ধসমূহ সিদ্ধ হয় 

১. যে কোনো ঘটনা A এর ক্ষেত্রে [tex]P\left( A \right) \ge 0[/tex] 

২. নিশ্চিত ঘটনা S এর ক্ষেত্রে P(S) = 1 

৩. যদি [tex]{A_1},{A_2},{A_3}, ............... [/tex] সসীম বা অসীম সংখ্যক পরস্পর পৃথক ঘটনা হয়, তবে 

[tex]P\left( {{A_1} \cup {A_2} \cup {A_3} \cup ...............} \right) = P\left( {{A_1}} \right) + P\left( {{A_2}} \right) + P\left( {{A_3}} \right) + ....................[/tex]

উপপাদ্য :-  E সমসম্ভব পরীক্ষার সঙ্গে সম্পর্কিত A ও B যেকোনো দুটি ঘটনা হলে, A ও B ঘটনা দুটি একসাথে ঘটার সম্ভাবনা, A ঘটনা ঘটার সম্ভাবনা এবং B ঘটনা ঘটার শর্তযুক্ত সম্ভাবনা (যখন A ঘটনা ঘটেছে) গুণফলের সমান হবে । প্রতীকের সাহায্যে 

[tex]P\left( {A \cap B} \right) = P\left( A \right)P\left( {B/A} \right)[/tex]

স্বাধীন ও অধীন ঘটনা (Independent and Dependent Events) :- E সমসম্ভব পরীক্ষার সঙ্গে সম্পর্কিত দুটি ঘটনা হল A এবং B ।  A এবং B কে স্বাধীন বলা হবে যখন [tex]P\left( {A \cap B} \right) = P\left( A \right)P\left( B \right)[/tex] হয় । 

যদি A এবং B ঘটনা দুটির ক্ষেত্রে [tex]P\left( {A \cap B} \right) = P\left( A \right)P\left( B \right)[/tex] এই সম্পর্ক সিদ্ধ না হয়, তবে  A এবং B ঘটনা দুটিকে পরস্পরের অধীন ঘটনা বলে । 

সংক্ষিপ্তকরণ :-

মনে করা যাক, E সমসম্ভব (random) পরীক্ষার নমুনা দেশ (sample space) S এবং S নমুনা দেশে সমভাবে সম্ভাব্য n(S) সংখ্যক নমুনা বিন্দু আছে । যদি E পরীক্ষার সঙ্গে সংশ্লিষ্ট কোনো ঘটনা A হয় , তবে

(1)  P(A) প্রতীক দিয়ে A ঘটনা ঘটার সম্ভাবনা সূচিত হয় এবং সম্ভাবনার প্রাচীন সংজ্ঞানুযায়ী,

[tex] P(A) =  \frac{{m(A)}}{{n(S)}}[/tex]   [tex]m(A)[/tex]= A ঘটনার অন্তর্গত নমুনা বিন্দুর সংখ্যা  এবং [tex]n(S)[/tex] = S নমুনা দেশের অন্তর্গত সসীম সংখ্যাক নমুনা বিন্দুর সংখ্যা ।

(2)  [tex]{\rm{ P(S) = 1}}[/tex] অর্থাৎ, নিশ্চিত ঘটনার (sure event) সম্ভাবনা = 1  

(3)  [tex]{\rm{P(}}\emptyset ) = 0[/tex] অর্থাৎ, অসম্ভব ঘটনার (impossible event) সম্ভাবনা = 0  

(4)  [tex]0 \le P(A) \le 1[/tex]

(5)  A ঘটনার পূরক ঘটনা [tex]{A^c}[/tex] (বা [tex]{A'}[/tex] অথবা [tex]{\bar A}[/tex] ) হলে , [tex]P({A^c}) = 1 - P(A)[/tex]

অর্থাৎ, A ঘটনা না ঘটার সম্ভাবনা = 1 -  A ঘটনা ঘটার সম্ভাবনা ।

(6 )  A ঘটনা  ঘটার  সম্ভাবনা  [tex]\frac{m}{n}[/tex] হলে, [tex]m:(n - m)[/tex]  অনুপাতকে A  ঘটনার অনুকূলে সুযোগ (odds in favour of the event A) এবং [tex](n - m):m[/tex] অনুপাতকে A ঘটনার প্রতিকূলে সুযোগ (odds against the event A) বলা হয় ।

(7)  E পরীক্ষার সঙ্গে সংশ্লিষ্ট দুটি ঘটনা  A  ও  B  হলে ,

    (i)  [tex]A \cup B[/tex] (বা, A + B )-এর সাহায্যে  A ও B  ঘটনা দুটির মধ্যে কমপক্ষে একটি ঘটার ঘটনা এবং [tex]P(A \cup B)[/tex] (বা, P(A + B) )-এর সাহায্যে ঘটনা দুটির কমপক্ষে একটি ঘটার সম্ভাবনা সূচিত হয় ।

    (ii)  [tex]A \cap B[/tex] (বা, AB )-এর সাহায্যে A ও B ঘটনা দুটির একযোগে ঘটার ঘটনা এবং [tex]P(A \cap B)[/tex] বা, P(AB)]-এর সাহায্যে ঘটনা দুটির একযোগে ঘটার সম্ভাবনা সূচিত হয় । যদি [tex]P(A \cap B)[/tex] = 0  হয় , তবে বুঝতে হবে A ও B ঘটনা দুটি পরস্পর পৃথক ।

(8)  যদি E পরীক্ষার সঙ্গে সংশ্লিষ্ট n -সংখ্যক  ঘটনা [tex]{A_1},{A_2}, \cdots ,{A_n}[/tex] পরস্পর পৃথক (mutually exclusive) হয় ,তবে

[tex]P({A_1} \cup {A_2} \cup  \cdots  \cup {A_n}) = P({A_1}) + P({A_2}) +  \cdots  + P({A_n})[/tex]  হবে ।

(9)  যদি  n- সংখ্যক  পরস্পর পৃথক ঘটনা সম্পূর্ণ (exhaustive) হয় ,তবে

[tex]P({A_1} \cup {A_2} \cup  \cdots  \cup {A_n}) = 1[/tex] বা,  [tex]P({A_1}) + P({A_2}) +  \cdots  + P({A_n}) = 1[/tex] হবে ।

(10)  n -সংখ্যক ঘটনা [tex]{A_1},{A_2}, \cdots ,{A_n}[/tex] -এর কমপক্ষে একটি ঘটার সম্ভাবনা [tex]P({A_1} \cup {A_2} \cup \cdots  \cup {A_n})[/tex]  প্রতীকের সাহায্যে প্রকাশ করা  হয় এবং

[tex]P({A_1} \cup {A_2} \cup  \cdots  \cup {A_n}) = 1 - P\left( {A_1^c \cap A_2^c \cap  \cdots A_n^c} \right)[/tex]

অর্থাৎ, কমপক্ষে একটি ঘটনা ঘটার সম্ভাবনা = 1 - প্রদত্ত ঘটনাগুলির মধ্যে কোনো ঘটনা না ঘটার সম্ভাবনা ।

(11)  (i)  E পরীক্ষার সঙ্গে সংশ্লিষ্ট দুটি ঘটনা A ও B পরস্পর পৃথক না হলে , [tex]P(A \cup B) = P(A) + P(B) - P(A \cap B)[/tex] হবে ;
        (ii)  E পরীক্ষার সঙ্গে সংশ্লিষ্ট তিনটি ঘটনা A ,B ও  C পরস্পর পৃথক না হলে , [tex]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)[/tex] হবে ।

(12)  P(B/A) প্রতীকের সাহায্যে B ঘটনার শর্তযুক্ত সম্ভাবনা প্রকাশিত হয় যখন জানা আছে যে, A ঘটনা আগেই ঘটেছে । শর্তযুক্ত সম্ভাবনার উপপাদ্য থেকে পাওয়া যায় ,
    [tex]P(B/A) = \frac{{P(A \cap B)}}{{P(A)}};  P(A/B) = \frac{{P(A \cap B)}}{{P(B)}}[/tex]

(13)  [tex]P(A \cap B) = P(A)P(B/A) = P(B)P(A/B)[/tex] সম্পর্কটিকে সম্ভাবনার গুণন নিয়ম (multiplicative rule) বলা হয় ।
   A, B ও C তিনটি ঘটনার ক্ষেত্রে, [tex]P(A \cap B \cap C) = P(A)P(B/A)P(C/A \cap B)[/tex]

(14)  দুটি ঘটনা A ও B  -কে স্বাধীন বলা হয়, যদি  
            (i) [tex]P(A) = P(A/B) = P(A/{B^c})[/tex]
 অথবা, (ii) [tex]P(B) = P(B/A) = P(B/{A^c})[/tex]
 অথবা, (iii) [tex]P(A \cap B) = P(A)P(B)[/tex] হয় । তিনটি শর্তের মধ্যে (iii) শর্তটি A ও B -এর স্বাধীন হওয়ার সাধারণ শর্ত ।  n -সংখ্যাক ঘটনা [tex]{A_1},{A_2}, \cdots {A_n}[/tex] স্বাধীন হবে , যদি
[tex]P({A_1} \cap {A_2} \cap  \cdots  \cap {A_n}) = P({A_1}) \cdot P({A_2}) \cdots P({A_n})[/tex] হয় ।

(15)  তিনটি ঘটনা A, B এবং C পরস্পর স্বাধীন (mutually independent) হবে, যদি

[tex]P(A \cap B) = P(A)P(B); P(B \cap C) = P(B)P(C); P(C \cap A) = P(C)P(A)[/tex] এবং [tex]P(A \cap B \cap C) = P(A)P(B)P(C)[/tex] শর্তসমূহ সিদ্ধ হয় ।

***

 

Comments

Related Items