Table of Contents
PART 1 — प्रायिकता परिचय
1. हम भविष्य को जानने के लिए इतना आतुर क्यों रहता है?
मानव सभ्यता का विकास मूलतः अनिश्चितता के विरुद्ध लड़े गए संघर्षों और सुरक्षा की खोज का एक जीवंत इतिहास है। प्रागैतिहासिक काल से ही, जब हम जंगलों में आखेट करते थे, उसके जीवित रहने की संभावना इस बात पर निर्भर करती थी कि वह प्रकृति के आने वाले संकेतों का कितना सटीक अनुमान लगा सकता है।
संज्ञानात्मक विज्ञान (Cognitive Science) के शोध दर्शाते हैं कि हमारा मस्तिष्क मूलतः एक ‘पूर्वानुमान इंजन’ (Prediction Engine) की भाँति विकसित हुआ है। हम अपने परिवेश में लगातार पैटर्नों (patterns) की खोज करते हैं ताकि आने वाले खतरों से बच सकें और जीवन को सुचारू बना सकें।
भविष्य को जानने की यह तीव्र आकांक्षा केवल जैविक उत्तरजीविता (Biological Survival) तक सीमित नहीं है; यह एक गहरा मनोवैज्ञानिक सुरक्षा कवच भी है। जब कोई व्यक्ति किसी आने वाली परिस्थिति के बारे में अनिश्चित होता है, तो उसका अमिग्डाला (Amygdala – मस्तिष्क का भय केंद्र) सक्रिय हो जाता है, जो मानसिक तनाव और अवसाद को जन्म देता है।
इसलिए, प्राचीन सभ्यताओं ने भविष्य जानने के लिए ज्योतिष, शकुन-अपशकुन, और दैवयोग जैसी अशास्त्रीय और व्यक्तिपरक पद्धतियों का सहारा लिया। आधुनिक युग में, हमारी इसी मौलिक भूख को गणितीय तर्कसंगतता ने शांत किया, जिसने दैवयोग की अराजकता को ‘प्रायिकता’ के रूप में एक संरचित और मापने योग्य विज्ञान में परिवर्तित कर दिया।
2. अनिश्चितता से निश्चितता की ओर हमारे शाश्वत अन्वेषण की यात्रा
दार्शनिक और वैज्ञानिक धरातल पर, ब्रह्मांड को समझने के हमारे नजरिए में एक बड़ा संक्रमण काल आया है। सत्रहवीं और अठारहवीं शताब्दी में, आइजैक न्यूटन की शास्त्रीय भौतिकी ने दुनिया को एक विशाल ‘घड़ी की मशीन’ (Clockwork Universe) के रूप में प्रस्तुत किया, जहाँ सब कुछ पहले से निर्धारित और पूर्वानुमेय था। यदि हमें किसी कण की तात्कालिक स्थिति और संवेग का सटीक ज्ञान हो, तो हम सुदूर भविष्य की किसी भी घटना की अचूक गणना कर सकते थे। इस विचारधारा को ‘नियतिवाद’ (Determinism) कहा गया।
किंतु, जैसे-जैसे विज्ञान ने प्रगति की, हमें यह समझ में आया कि व्यावहारिक रूप से ऐसी ‘पूर्ण निश्चितता’ एक मृगमरीचिका मात्र है। मौसम प्रणालियों की गतिकी, गैस के अणुओं की टक्कर, या यहाँ तक कि एक साधारण पासे के हवा में घूमने के पीछे इतने सारे चर (variables) और सूक्ष्म बल कार्य करते हैं कि उनकी तात्कालिक नियतात्मक गणना करना मानव तो क्या, किसी भी सुपरकंप्यूटर के लिए असंभव है।
इसी विफलता ने हमें एक नए गणित की खोज के लिए प्रेरित किया—ऐसा गणित जो अनिश्चितता को नकारने के बजाय उसे गले लगाता है और उसका मापन करता है। यही अनिश्चितता से निश्चितता की खोज की वह यात्रा है जहाँ सांख्यिकी और प्रायिकता का जन्म हुआ, जो हमें यह सिखाती है कि यद्यपि हम किसी एकल घटना के सटीक परिणाम की भविष्यवाणी नहीं कर सकते, फिर भी घटनाओं के एक बड़े समूह में एक सुंदर, स्थिर और पूर्वानुमेय पैटर्न को खोज सकते हैं।
3. संभावना का विज्ञान और दैनिक जीवन के जटिल निर्णयों में इसकी महत्ता
दैनिक जीवन में हम जितने भी निर्णय लेते हैं, वे सभी अनिश्चितता की धुंध में लिए जाते हैं। जब कोई युवा छात्र कक्षा 11 में विज्ञान या वाणिज्य स्ट्रीम का चयन करता है, जब कोई परिवार चिकित्सा आपातकाल के समय किसी विशिष्ट शल्य चिकित्सा (Surgery) के लिए सहमति पत्र पर हस्ताक्षर करता है, या जब कोई उद्यमी नए उत्पाद को बाजार में उतारने के लिए पूँजी निवेश करता है, तो वे सभी अनिश्चित परिणामों के खेल में भाग ले रहे होते हैं।
जो लोग प्रायिकता के गणितीय सिद्धांतों से अनभिज्ञ होते हैं, वे अक्सर द्विध्रुवी सोच (Binary Thinking – हाँ या ना, जीत या हार) के शिकार हो जाते हैं। इसके विपरीत, प्रायिकता की समझ रखने वाला व्यक्ति स्थितियों को संभावनाओं के एक व्यापक स्पेक्ट्रम (Spectrum of Probabilities) के रूप में देखता है। यह विज्ञान हमें सिखाता है कि हम अपने जीवन से अनिश्चितता को पूरी तरह समाप्त नहीं कर सकते, लेकिन हम इसके विभिन्न आयामों का आकलन करके अपने निर्णयों के जोखिम को न्यूनतम अवश्य कर सकते हैं। यह निर्णय विज्ञान (Decision Science) की वह आधारशिला है जो हमें ‘काले और सफेद’ के भ्रम से बाहर निकालकर ‘धूसर’ (Grey) रंगों में छिपे सच को देखने की दृष्टि प्रदान करती है।
PART 2 — संभावना की मूलभूत समझ
4. प्रायिकता क्या है? अनिश्चितता के गणितीय मापन की एक वैज्ञानिक परिभाषा
गणितीय रूप से, प्रायिकता (Probability) किसी अनिश्चित घटना के घटित होने की संभावना का एक वस्तुनिष्ठ और संख्यात्मक मापन है । सरल शब्दों में कहें तो, “probability आसान भाषा में” वह पैमाना है जो पूर्ण असंभवता (जिसका मान $0$ होता है) से लेकर पूर्ण निश्चितता (जिसका मान $1$ होता है) के बीच के अनिश्चित क्षेत्र को संख्याओं के माध्यम से व्यक्त करता है ।
कक्षा 11 गणित के अध्याय 14 में, हम इस अनिश्चितता को मापने के लिए जिस “probability in hindi” का अध्ययन करते हैं, वह मुख्य रूप से कोलमोगोरोव के अभिगृहीतीय ढांचे पर टिकी हुई है । जब मैं अपने छात्रों को यह विषय पढ़ाता हूँ, तो मैं हमेशा इस बात पर जोर देता हूँ कि किसी भी घटना $E$ की प्रायिकता $P(E)$ सदैव निम्नलिखित असममित संबंध को संतुष्ट करती है :
$$0 \le P(E) \le 1$$
यदि $P(E) = 0$ है, तो वह घटना असंभव है (जैसे एक साधारण पासे पर अंक $7$ का आना); और यदि $P(E) = 1$ है, तो वह घटना पूर्णतः निश्चित है (जैसे पासे पर $7$ से छोटी संख्या का आना) ।
5. संयोग और प्रायिकता में निहित सूक्ष्म तात्विक एवं गणितीय भेद
अक्सर लोग बोलचाल की भाषा में ‘संयोग’ (Chance) और ‘प्रायिकता’ (Probability) का प्रयोग पर्यायवाची के रूप में करते हैं, लेकिन गणित और निर्णय विज्ञान में इन दोनों के बीच एक गहरा तात्विक भेद है। “chance और probability में अंतर” को समझना ही अनिश्चितता की साक्षरता का पहला सोपान है।
संयोग (Chance) एक गुणात्मक (Qualitative), व्यक्तिपरक (Subjective) और गैर-मापात्मक अभिव्यक्ति है। उदाहरण के लिए, जब हम कहते हैं कि “आज भारत के मैच जीतने के अच्छे चांस हैं,” तो यह कथन हमारे व्यक्तिगत विश्वास, भावनाओं और आंशिक जानकारी पर आधारित होता है। इसमें कोई सख्त गणितीय गणना शामिल नहीं होती। इसके विपरीत, प्रायिकता (Probability) एक मात्रात्मक (Quantitative) और वस्तुनिष्ठ (Objective) माप है जो कड़े गणितीय नियमों, ऐतिहासिक आंकड़ों, प्रतिदर्श समष्टि और सुस्थापित सूत्रों पर आधारित होती है ।
इस सूक्ष्म भेद को समझने के लिए निम्नलिखित तुलनात्मक तालिका का अवलोकन करें:
| पैरामीटर/विशेषता | संयोग (Chance) | प्रायिकता (Probability) |
| प्रकृति | गुणात्मक और व्यक्तिपरक (Qualitative & Subjective) | मात्रात्मक और वस्तुनिष्ठ (Quantitative & Objective) |
| अभिव्यक्ति | शब्दों में (“शायद”, “संभवतः”, “कम उम्मीद”) | सटीक गणितीय संख्याओं में ($0$ से $1$ के बीच या प्रतिशत में) |
| तार्किक आधार | व्यक्तिगत अंतर्ज्ञान, भावनाएं और अनुभवजन्य अनुमान | प्रतिदर्श समष्टि, समुच्चय सिद्धांत और अभिगृहीतीय नियम |
| उपयोगिता | अनौपचारिक बातचीत और त्वरित, गैर-रणनीतिक निर्णय | वैज्ञानिक शोध, मशीन लर्निंग, वित्तीय जोखिम विश्लेषण |
6. संभावना के सिद्धांत का उद्गम और इसका ऐतिहासिक विकासक्रम
प्रायिकता के इतिहास की यात्रा अत्यंत रोमांचक है। इसकी शुरुआत किसी शांत वैज्ञानिक प्रयोगशाला में नहीं, बल्कि सत्रहवीं शताब्दी के फ्रांस के विलासितापूर्ण जुआघरों (Gambling Dens) में हुई थी । वर्ष 1654 में, शेवेलियर डी मेरे (Chevalier de Méré) नामक एक धनी जुआरी को पासे के खेल में दांव लगाने के दौरान कुछ ऐसी व्यावहारिक समस्याओं का सामना करना पड़ा जिन्हें हल करने में उस समय के पारंपरिक नियम विफल रहे। उसने इन गुत्थियों को तत्कालीन प्रसिद्ध फ्रांसीसी दार्शनिक और गणितज्ञ ब्लेज पास्कल (Blaise Pascal) के समक्ष रखा।
पास्कल ने इन समस्याओं पर अपने समकालीन महान गणितज्ञ पियरे डी फर्मेट (Pierre de Fermat) के साथ सघन पत्र-व्यवहार शुरू किया। इन दोनों विचारकों के मध्य हुए ऐतिहासिक पत्राचार ने ही आधुनिक प्रायिकता सिद्धांत की नींव रखी। इसके बाद, क्रिश्चियन हाइजेंस (Christiaan Huygens) ने 1657 में इस विषय पर पहली वैज्ञानिक पुस्तक “De Ratiociniis in Ludo Aleae” लिखी। अठारहवीं शताब्दी में, जैकब बरनौली (Jacob Bernoulli) ने ‘महाशक्तियों का नियम’ (Law of Large Numbers) प्रतिपादित किया और अब्राहम डी मोइव्रे (Abraham de Moivre) ने सामान्य वितरण (Normal Distribution) की खोज की।
किंतु, इस प्रारंभिक काल में प्रायिकता का सिद्धांत ‘सम-संभाव्य परिणामों’ (Equally Likely Outcomes) की संकीर्ण धारणा पर टिका हुआ था, जो असीमित या गैर-समान संभावनाओं वाले प्रयोगों पर लागू नहीं हो सकता था 。 इस तार्किक गतिरोध को तोड़ने के लिए, 1933 में रूसी गणितज्ञ ए.एन. कोलमोगोरोव (A.N. Kolmogorov) ने अपनी पुस्तक “Foundations of the Theory of Probability” में समुच्चय सिद्धांत और माप सिद्धांत (Measure Theory) के समन्वय से ‘प्रायिकता का अभिगृहीतीय दृष्टिकोण’ स्थापित किया । इसी आधुनिक दृष्टिकोण को आज हम कक्षा 11 के पाठ्यक्रम में पढ़ते हैं, जिसने प्रायिकता को शुद्ध गणित की एक अत्यंत प्रतिष्ठित और अकाट्य शाखा के रूप में स्थापित किया ।
PART 3 — संभावनाओं का मानचित्र
7. प्रतिदर्श समष्टि अथवा संभावनाओं के मानचित्र को मानचित्र के रूप में सोचना
जब मैं अपनी कक्षा में विद्यार्थियों को “sample space कैसे समझें” यह सिखाता हूँ, तो मैं ब्लैकबोर्ड पर ‘संभावनाओं का मानचित्र’ (Map of Possibilities) लिखता हूँ। जिस प्रकार एक यात्री को किसी नए देश की यात्रा करने के लिए उस देश के भौगोलिक मानचित्र की आवश्यकता होती है, ताकि वह जान सके कि उस देश की सीमाओं के भीतर कौन-कौन से स्थान मौजूद हैं, ठीक उसी प्रकार प्रायिकता के गणित में प्रतिदर्श समष्टि (Sample Space) उस यादृच्छिक प्रयोग की सीमाओं के भीतर संभव होने वाले प्रत्येक अंतिम परिणाम का एक संपूर्ण और व्यवस्थित मानचित्र होता है ।
गणितीय शब्दावली में, किसी यादृच्छिक परीक्षण के सभी संभावित परिणामों के समुच्चय (Set of all possible outcomes) को उस परीक्षण का प्रतिदर्श समष्टि कहा जाता है, जिसे सामान्यतः बड़े अक्षर $S$ द्वारा निरूपित किया जाता है ।
मेरे classroom अनुभव में मैंने पाया कि छात्र अक्सर प्रतिदर्श समष्टि को रटने की कोशिश करते हैं, जिससे वे परीक्षा में एक या दो परिणामों को छोड़ देते हैं और उनका पूरा प्रश्न गलत हो जाता है । उदाहरण के लिए, जब एक सिक्के को तीन बार उछाला जाता है, तो इसके प्रतिदर्श समष्टि को रटने के बजाय द्वि-विभाजन (Binary Branching) की सोच रखनी चाहिए :
$$S = \{HHH, HHT, HTH, HTT, THH, THT, TTH, TTT\}$$
यहाँ कुल अवयवों की संख्या $n(S) = 2^3 = 8$ है 。 इस मानचित्र की स्पष्टता ही प्रायिकता की समस्त गणनाओं की आधारशिला है।
8. संभावित परिणामों की अनंत दुनिया और उनकी सूक्ष्म प्रकृति
यादृच्छिक परीक्षण का कोई भी एक एकल संभावित नतीजा परिणाम या ‘Outcome’ कहलाता है । प्रतिदर्श समष्टि $S$ का प्रत्येक अवयव (Element) $w$ वास्तव में एक ‘प्रतिदर्श बिंदु’ (Sample Point) या ‘Outcome’ होता है । ये परिणाम प्रकृति में ‘परस्पर अनन्य’ (Mutually Exclusive) होते हैं, जिसका तात्पर्य यह है कि जब प्रयोग वास्तव में किया जाएगा, तो अंततः इन संभावित परिणामों में से केवल और केवल एक ही परिणाम धरातल पर घटित होगा।
एक सूक्ष्म अवलोकन जो वर्षों में मैंने notice किया है, वह यह है कि कमजोर students आमतौर पर “event” (घटना) और “outcome” (परिणाम) के बीच के अंतर को स्पष्ट नहीं कर पाते। इस अंतर को स्पष्ट करने के लिए मैं हमेशा एक सादृश्य (analogy) का उपयोग करता हूँ: “परिणाम” प्रकृति का सबसे छोटा, अविभाज्य कण है (जैसे पासे पर अंक $4$ का आना), जबकि “घटना” इन कणों का एक संग्रह या समुच्चय है जिसे हम अपनी रुचि के अनुसार परिभाषित करते हैं (जैसे पासे पर एक सम संख्या का आना, जिसमें $\{2, 4, 6\}$ तीन अलग-अलग परिणाम शामिल हैं) । परिणाम ईंटें हैं, और घटना उन ईंटों से बना कमरा है।
9. घटना की संभावना और उसकी तार्किक व गणितीय श्रेणियों की वास्तविक समझ
प्रायिकता सिद्धांत के अंतर्गत, प्रतिदर्श समष्टि $S$ के किसी भी उपसमुच्चय (Subset) $E$ को घटना या ‘Event’ कहा जाता है । जब भी यादृच्छिक परीक्षण का वास्तविक परिणाम $w$ उस उपसमुच्चय $E$ का सदस्य होता है ($w \in E$), तो हम कहते हैं कि “घटना $E$ घटित हुई है” ।
घटनाओं की तार्किक श्रेणियों को समझना परीक्षा और वास्तविक निर्णय लेने की प्रक्रिया दोनों के लिए अत्यंत महत्वपूर्ण है। इन्हें हम निम्नलिखित श्रेणियों में वर्गीकृत कर सकते हैं :
- सरल या प्रारंभिक घटना (Simple or Elementary Event): यदि किसी घटना $E$ में प्रतिदर्श समष्टि का केवल एक ही बिंदु शामिल हो, तो उसे सरल घटना कहते हैं । जैसे, सिक्के की उछाल में केवल $\{H\}$ का आना ।
- संयुक्त घटना (Compound Event): यदि किसी घटना में एक से अधिक प्रतिदर्श बिंदु शामिल हों, तो उसे संयुक्त घटना कहा जाता है । जैसे, दो सिक्कों की उछाल में “कम से कम एक चित्त (Head)” आने की घटना $E = \{HH, HT, TH\}$ ।
- निश्चित घटना (Sure Event): संपूर्ण प्रतिदर्श समष्टि $S$ स्वयं एक घटना है, जो हमेशा घटित होती है । इसकी प्रायिकता $P(S) = 1$ होती है । जैसे, पासे को फेंकने पर $7$ से छोटा अंक आना 。
- असंभव घटना (Impossible Event): रिक्त समुच्चय $\phi$ एक ऐसी घटना को निरूपित करता है जिसमें कोई भी परिणाम शामिल नहीं होता । इसकी प्रायिकता $P(\phi) = 0$ होती है । जैसे, पासे को फेंकने पर $8$ अंक आना।
PART 4 — अनिश्चित परिणामों गणतीय विज्ञान
10. अनिश्चित परिणामों के प्रयोग अर्थात् यादृच्छिक परीक्षणों का सैद्धांतिक मर्म
हम दैनिक जीवन में कई प्रकार के प्रयोग या क्रियाकलाप करते हैं। भौतिकी और रसायन विज्ञान की प्रयोगशालाओं में किए जाने वाले अधिकांश प्रयोग ‘नियतात्मक प्रयोग’ (Deterministic Experiments) होते हैं, जहाँ यदि हम समान परिस्थितियों में प्रयोग को दोहराएँ, तो हमेशा एक ही परिणाम प्राप्त होगा (जैसे पानी को $100^\circ\text{C}$ पर गर्म करने पर उसका उबलना)। किंतु प्रायिकता का पूरा साम्राज्य “अनिश्चित परिणामों के प्रयोग” अर्थात् यादृच्छिक परीक्षणों (Random Experiments) पर टिका हुआ है ।
किसी भी प्रयोग को गणितीय रूप से ‘यादृच्छिक परीक्षण’ घोषित करने के लिए दो कड़े प्रतिबंधों का संतुष्ट होना अनिवार्य है :
- बहु-परिणामी प्रकृति: उस प्रयोग के एक से अधिक संभावित परिणाम होने चाहिए ।
- अग्रिम अप्रत्याशितता: परीक्षण के पूर्ण होने से पहले उसके सटीक अंतिम परिणाम के बारे में निश्चितता के साथ भविष्यवाणी करना असंभव होना चाहिए ।
जब मैं Probability पढ़ाता हूँ, तो छात्रों को यह सोचने के लिए प्रेरित करता हूँ कि एक यादृच्छिक परीक्षण वास्तव में कोई जादुई या अकारण घटना नहीं है, बल्कि यह एक ऐसी जटिल भौतिक प्रणाली है जहाँ चर तत्वों (Variables) की संख्या इतनी अधिक है कि उनका अग्रिम मापन व्यावहारिक रूप से असंभव हो जाता है 。
11. यादृच्छिकता की वास्तविक वैज्ञानिक समझ और इसमें निहित व्यवस्था
साधारण लोग ‘यादृच्छिकता’ (Randomness) का अर्थ अव्यवस्था, अराजकता या नियमों के पूर्ण अभाव से लगाते हैं। किंतु संज्ञानात्मक और सांख्यिकीय विज्ञान में, यादृच्छिकता अराजकता नहीं है; यह अपने आप में एक अत्यंत परिष्कृत और उच्च-स्तरीय गणितीय व्यवस्था है।
जब हम एक निष्पक्ष पासे को फेंकते हैं, तो परिणाम $1, 2, 3, 4, 5,$ या $6$ में से क्या आएगा, यह पूरी तरह यादृच्छिक है । किंतु इस यादृच्छिकता के पीछे एक बहुत ही सुंदर नियम काम कर रहा है: प्रत्येक अंक के आने का अवसर बिल्कुल समान ($1/6$) है । इसे ‘सम-संभाव्यता’ (Equiprobability) का नियम कहा जाता है । यादृच्छिकता वास्तव में प्रकृति द्वारा निष्पक्षता सुनिश्चित करने का एक अनूठा तरीका है, जहाँ किसी भी परिणाम के प्रति कोई संकटात्मक पूर्वाग्रह नहीं होता।
12. पूर्वानुमानुमेयता बनाम अनिश्चितता का द्वंद्व और सांख्यिकीय संतुलन
पूर्वानुमेयता (Predictability) और अनिश्चितता (Uncertainty) के बीच का द्वंद्व ही ब्रह्मांड की गतिकी को चलाता है। सूक्ष्म स्तर (Micro-level) पर जहाँ पूर्ण अनिश्चितता दिखाई देती है, वहीं व्यापक स्तर (Macro-level) पर एक सुंदर पूर्वानुमेयता का उदय होता है।
इस घटना को समझने का सबसे अच्छा तरीका ‘महाशक्तियों का नियम’ (Law of Large Numbers) है। यदि आप एक सिक्के को केवल $10$ बार उछालते हैं, तो यह बहुत संभव है कि आपको $8$ बार चित्त (Head) और केवल $2$ बार पट (Tail) प्राप्त हो। यहाँ अनिश्चितता चरम पर है। किंतु यदि आप इसी सिक्के को $10,000$ बार उछालते हैं, तो चित्त आने की आवृत्ति लगभग $5,000$ ($50\%$) के आसपास पहुँच जाएगी। यह सांख्यिकीय संतुलन दर्शाता है कि सामूहिक व्यवहार में अनिश्चितता स्वतः ही निश्चित नियमों के अधीन हो जाती है। प्रायिकता का मूल कार्य इसी सूक्ष्म अनिश्चितता के भीतर छिपी स्थूल पूर्वानुमेयता को खोजना और उसे सूत्रबद्ध करना है।
PART 5 — संभावना मापने का नियम
13. संभावना मापने का नियम और कोलमोगोरोव के अकाट्य अभिगृहीत
ऐतिहासिक रूप से प्रायिकता की गणना के लिए ‘पुरातन सिद्धांत’ (Classical Theory) का प्रयोग किया जाता था, जिसके तहत यदि किसी परीक्षण के कुल परिणाम $n(S)$ परिमित और सम-संभाव्य हों, तो किसी घटना $E$ की प्रायिकता निम्नलिखित “probability formula” द्वारा दी जाती थी :
$$P(E) = \frac{n(E)}{n(S)}$$
किंतु, कोलमोगोरोव का आधुनिक “प्रायिकता का अभिगृहीतीय दृष्टिकोण” (Axiomatic Approach) इसे अधिक व्यापक और तार्किक आधार प्रदान करता है । इस दृष्टिकोण के अनुसार, प्रायिकता वास्तव में एक ‘फलन’ (Function) $P$ है, जो प्रतिदर्श समष्टि $S$ के घात समुच्चय (Power Set) से वास्तविक संख्याओं के अंतराल $$ पर परिभाषित होता है और निम्नलिखित तीन आधारभूत अभिगृहीतों को संतुष्ट करता है :
- अभिगृहीत 1 (अऋणात्मकता): किसी भी घटना $E$ के लिए, उसकी प्रायिकता कभी भी ऋणात्मक नहीं हो सकती : $$P(E) \ge 0$$
- अभिगृहीत 2 (निश्चितता): प्रतिदर्श समष्टि $S$ की प्रायिकता सदैव $1$ होती है : $$P(S) = 1$$
- अभिगृहीत 3 (योज्यता): यदि $A$ और $B$ परस्पर अपवर्जित (Mutually Exclusive) घटनाएँ हैं, तो उनके संघ (Union) की प्रायिकता उनकी व्यक्तिगत प्रायिकताओं के योग के बराबर होती है : $$P(A \cup B) = P(A) + P(B)$$
14. अनुकूल परिणामों की सूक्ष्मता से गणना और पूरक घटनाओं का योगदान
अनुकूल परिणाम (Favorable Outcomes) प्रतिदर्श समष्टि के वे विशिष्ट सदस्य होते हैं जो हमारी रुचि की घटना $E$ की शर्तों को पूरा करते हैं । जब मैं Board copies check करता हूँ, तो मैंने देखा है कि छात्र अनुकूल परिणामों की गणना करते समय अक्सर ‘दोहरी गणना’ (Double Counting) की गंभीर गलती कर बैठते हैं 。
विशेषकर जब ताश के पत्तों के प्रश्न पूछे जाते हैं, जैसे “एक पत्ता निकालने पर उसके लाल रंग का या बादशाह होने की प्रायिकता” । यहाँ लाल रंग के $26$ पत्ते हैं और बादशाह कुल $4$ होते हैं। किंतु छात्र अनुकूल परिणामों को सीधे $26 + 4 = 30$ लिख देते हैं। वे यह भूल जाते हैं कि $2$ बादशाह लाल रंग के भी हैं जो पहले ही $26$ पत्तों में गिने जा चुके हैं। यहाँ सही अनुकूल परिणाम $26 + 4 – 2 = 28$ होंगे।
यहाँ “विपरीत संभावना का सिद्धांत” या पूरक घटना (Complementary Event) का सिद्धांत अत्यधिक सहायक सिद्ध होता है । किसी घटना $A$ के न घटने की प्रायिकता $P(A’)$ को हम इस प्रकार ज्ञात करते हैं :
$$P(A’) = 1 – P(A)$$
15. कुल संभावित परिणामों की गणना में क्रमचय और संचय के जादुई सिद्धांतों का प्रयोग
जब यादृच्छिक प्रयोग सरल स्तर से ऊपर उठकर बहु-चरणीय या जटिल चयन प्रक्रियाओं में प्रवेश करते हैं, तो कुल संभावित परिणामों $n(S)$ की गणना करना उंगलियों पर संभव नहीं रह जाता । यहीं पर कक्षा 11 गणित का एक और महत्वपूर्ण अध्याय ‘क्रमचय और संचय’ (Permutations and Combinations) प्रायिकता का मुख्य इंजन बनकर सामने आता है ।
एक observation जो वर्षों में मैंने notice की है, वह यह है कि कमजोर students हमेशा इस बात को लेकर उलझन में रहते हैं कि उन्हें कब क्रमचय ($^nP_r$) का उपयोग करना है और कब संचय ($^nC_r$) का । मैं उन्हें हमेशा एक स्वर्ण नियम (Golden Rule) सिखाता हूँ: “यदि चयन के बाद उनका क्रम (Order) महत्वपूर्ण है, तो क्रमचय लगाएँ; और यदि केवल वस्तुओं का समूह या चयन महत्वपूर्ण है, तो संचय लगाएँ।”
उदाहरण के लिए, यदि एक लॉटरी के खेल में $1$ से $20$ तक की संख्याओं में से $6$ भिन्न-भिन्न संख्याएँ चुनी जाती हैं, तो चूँकि चुनी गई संख्याओं का क्रम महत्वपूर्ण नहीं है, इसलिए कुल संभावित परिणामों की संख्या संचय के नियम द्वारा होगी :
$$n(S) = \ ^{20}C_6 = \frac{20!}{6!(20-6)!} = 38,760$$
PART 6 — मानसिक एवं दृश्यात्मक Probability
16. प्रायिकता का दृश्यात्मक अधिगम और मस्तिष्क की चित्रात्मक ग्रहणशीलता
संज्ञानात्मक अधिगम शोधकर्ताओं (Cognitive Learning Researchers) के अनुसार, मानव मस्तिष्क अमूर्त गणितीय समीकरणों की तुलना में स्थानिक और दृश्यात्मक आकृतियों (Visual Representations) को कहीं अधिक तेजी से और गहराई से ग्रहण करता है। इसलिए, “probability visual learning” केवल एक पूरक शिक्षण पद्धति नहीं है, बल्कि यह छात्रों के दिमाग में वास्तविक ‘प्रायिकता सहज ज्ञान’ (Probability Intuition) विकसित करने का सबसे प्रभावी माध्यम है। वेन आरेख (Venn Diagrams), वृक्ष आरेख (Tree Diagrams) और ग्रिड मानचित्र अमूर्त सूत्रों को जीवंत सत्य में बदल देते हैं ।
17. वृक्ष आरेख के माध्यम से बहु-चरणीय यादृच्छिक परीक्षणों का विश्लेषण
जब कोई परीक्षण क्रमिक चरणों में पूरा होता है, तो वृक्ष आरेख (Tree Diagrams) हमें प्रत्येक संभावना की शाखाओं को स्पष्ट रूप से देखने में मदद करता है। मान लीजिए कि एक सिक्का उछाला जाता है; यदि उस पर चित्त (Head) आता है, तो एक पासा फेंका जाता है, लेकिन यदि उस पर पट (Tail) आता है, तो एक सिक्का पुनः उछाला जाता है ।
इस जटिल परीक्षण के प्रतिदर्श समष्टि को हम निम्नलिखित वृक्ष आरेख द्वारा देख सकते हैं :
[प्रारंभ]
/ \
(0.5) (0.5)
/ \
[Head]
/ | \ / \
(1/6)(1/6)(1/6) (0.5)(0.5)
/ | \ / \
H1 H2... H6 TH TT
इस दृश्य निरूपण से प्रतिदर्श समष्टि स्वतः ही उभर कर सामने आ जाती है :
$$S = \{H1, H2, H3, H4, H5, H6, TH, TT\}$$
18. द्वि-आयामी संभावना मानचित्रों और ग्रिड आरेखों का व्यावहारिक उपयोग
जब दो यादृच्छिक चरों का एक साथ विश्लेषण करना हो, जैसे कि दो पासों को एक साथ फेंकना, तो ग्रिड आरेख (Grid Diagram) या संभावना मानचित्र (Possibility Map) सबसे उत्कृष्ट दृश्य उपकरण सिद्ध होता है ।
आइए $36$ संभावित परिणामों के इस भव्य मानचित्र को देखें :
Dice 2 -> 1 2 3 4 5 6
Dice 1 |
V
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
इस मानचित्र के माध्यम से छात्र तुरंत देख सकते हैं कि दो पासों के अंकों का योग $7$ होने वाले परिणाम एक विकर्ण रेखा (Diagonal Line) पर स्थित हैं: $\{(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)\}$। इस प्रकार का दृश्यावलोकन छात्रों में “probability intuition hindi” का तेजी से विकास करता है।
19. सहज ज्ञान विकसित करने के लिए कुछ विरोधाभासी और तार्किक अभ्यास
सहज ज्ञान (Intuition) का विकास तब होता है जब छात्र कुछ ऐसे तार्किक विरोधाभासों का सामना करते हैं जहाँ उनका पारंपरिक गणितीय अनुमान गलत साबित हो जाता है। उदाहरण के लिए, प्रसिद्ध ‘मोंटी हॉल समस्या’ (Monty Hall Problem) या ‘बर्थडे पैराडॉक्स’ (Birthday Paradox)।
बर्थडे पैराडॉक्स में, यदि एक कमरे में केवल $23$ लोग एकत्र हैं, तो इस बात की प्रायिकता कि किन्हीं दो व्यक्तियों का जन्मदिन बिल्कुल एक ही दिन हो, $50\%$ से अधिक ($50.7\%$) हो जाती है। अधिकांश छात्र सोचते हैं कि साल में $365$ दिन होते हैं, इसलिए कम से कम $180$ से अधिक लोग होने चाहिए। जब हम इस विरोधाभास को पूरक घटना के नियम ($1 – P(\text{सभी का जन्मदिन अलग हो})$) से सिद्ध करते हैं, तो छात्रों का गणित के प्रति नजरिया पूरी तरह बदल जाता है।
PART 7 — वास्तविक जीवन प्रायिकता का अनुप्रयोग
20. क्रिकेट मैच में जीत का पूर्वानुमान और आईपीएल में टॉस के निर्णयों का वैज्ञानिक विश्लेषण
क्रिकेट अनिश्चितताओं का खेल है, लेकिन आधुनिक युग में यह डेटा और प्रायिकता का एक जटिल रणक्षेत्र बन चुका है। आईपीएल (IPL) मैचों के दौरान हम टीवी स्क्रीन पर लगातार बदलते हुए ‘जीत के प्रतिशत’ (Win Probability) को देखते हैं। यह गणना किसी जादुई तकनीक से नहीं, बल्कि लाइव बायेसियन प्रोबेबिलिटी (Bayesian Probability) मॉडल द्वारा की जाती है।
यह मॉडल केवल टॉस के परिणाम (जिसकी प्रायिकता सदैव $0.5$ होती है) पर ध्यान नहीं देता, बल्कि ऐतिहासिक डेटा, पिच की वर्तमान स्थिति, ओस का प्रभाव (Dew Factor), खिलाड़ियों के वर्तमान फॉर्म और स्टेडियम के पिछले रिकॉर्ड जैसे दर्जनों चरों को एक साथ संसाधित करता है 。
21. मौसम का सांख्यिकीय पूर्वानुमान और मौसम विज्ञान प्रणालियों की कार्यप्रणाली
जब मौसम विभाग घोषणा करता है कि “कल वर्षा होने की संभावना $75\%$ है,” तो इसका अर्थ यह नहीं होता कि $75\%$ क्षेत्र में वर्षा होगी । इसका वैज्ञानिक अर्थ यह है कि जब सुपरकंप्यूटर वर्तमान वायुमंडलीय स्थितियों (तापमान, आर्द्रता, वायुदाब) के समान $100$ ऐतिहासिक मौसम प्रतिरूपों (Ensemble Forecasts) का अनुकरण करते हैं, तो उनमें से $75$ प्रतिरूपों में वर्षा दर्ज की गई थी। मौसम का पूर्वानुमान पूरी तरह सांख्यिकीय प्रायिकता पर आधारित होता है ।
22. शेयर बाजार के जोखिमों का मूल्यांकन और व्यापारिक क्षेत्र में मांग का पूर्वानुमान
शेयर बाजार अनिश्चितता का सबसे बड़ा जीवंत उदाहरण है। वित्तीय विश्लेषक बाजार के उतार-चढ़ाव को मापने के लिए ‘स्टोकेस्टिक कैलकुलस’ (Stochastic Calculus) और ‘जोखिम मूल्य’ (Value at Risk – VaR) जैसे उन्नत मॉडलों का उपयोग करते हैं। यह मॉडल निवेशकों को बताता है कि $95\%$ या $99\%$ प्रायिकता सीमा के भीतर उनके पोर्टफोलियो को एक दिन में अधिकतम कितना वित्तीय नुकसान हो सकता है। व्यावसायिक फर्में भी नए उत्पादों के विनिर्माण से पहले उपभोक्ता मांग का सांख्यिकीय पूर्वानुमान लगाने के लिए इन्हीं प्रायिकता नियमों का प्रयोग करती हैं।
23. बीमा प्रणालियों का निर्धारण और वित्तीय क्षेत्रों में धोखाधड़ी का पता लगाना
बीमा (Insurance) का संपूर्ण उद्योग ही प्रायिकता के सिद्धांतों पर आधारित है। जीवन बीमा कंपनियों के एक्चुअरी (Actuaries) और सांख्यिकीविद् विशाल जीवन सारणियों (Mortality Tables) का विश्लेषण करते हैं ताकि यह गणना की जा सके कि किसी विशिष्ट आयु, जीवनशैली और स्वास्थ्य पृष्ठभूमि वाले व्यक्ति की आगामी वर्ष में मृत्यु होने की सांख्यिकीय प्रायिकता क्या है। इसी प्रायिकता के आधार पर बीमा प्रीमियम की राशि निर्धारित की जाती है।
बैंकिंग क्षेत्र में, आपके क्रेडिट कार्ड से होने वाले प्रत्येक लेन-देन का विश्लेषण करने के लिए मशीन लर्निंग आधारित ‘धोखाधड़ी का पता लगाने वाले सिस्टम’ (Fraud Detection Systems) कार्यरत होते हैं। यदि कोई लेन-देन आपकी ऐतिहासिक खरीदारी प्राथमिकताओं और भौगोलिक स्थिति की सांख्यिकीय प्रायिकता सीमा से बाहर होता है, तो सिस्टम उसे तुरंत संदिग्ध मानकर ब्लॉक कर देता है।
24. कृत्रिम बुद्धिमत्ता तथा मशीन लर्निंग प्रणालियों में प्रायिकता की अपरिहार्यता
कृत्रिम बुद्धिमत्ता (AI) और मशीन लर्निंग (ML) मूलतः अनिश्चितता के गणितीय मापन पर ही काम करते हैं । जब एक स्व-चालित कार (Self-driving Car) सड़क पर चलती है, तो उसका एल्गोरिदम लगातार इस बात की प्रायिकता की गणना करता है कि सामने से आ रहा वाहन अगले क्षण बाएं मुड़ेगा या अचानक ब्रेक लगाएगा। मशीन लर्निंग में प्रयुक्त होने वाले प्रसिद्ध एल्गोरिदम जैसे ‘नाइव बायेस’ (Naive Bayes) वर्गीकरण पूरी तरह बायेस प्रमेय की प्रायिकता पर ही निर्भर हैं 。
25. यूट्यूब और नेटफ्लिक्स के सुझाव इंजनों के पीछे छिपे गणितीय एल्गोरिदम
जब आप YouTube या Netflix खोलते हैं, तो आपके सामने उन वीडियो या फिल्मों के सुझाव आते हैं जिन्हें आप देखना पसंद कर सकते हैं। इसके पीछे ‘सहयोगात्मक फ़िल्टरिंग’ (Collaborative Filtering) एल्गोरिदम काम करता है। यह सिस्टम आपकी पिछली देखने की आदतों, वीडियो पर बिताए गए समय और आपके जैसे समान रुचि वाले लाखों अन्य उपयोगकर्ताओं के व्यवहार का सांख्यिकीय विश्लेषण करके इस बात की प्रायिकता की गणना करता है कि आप किस नए वीडियो पर क्लिक करेंगे।
PART 8 — छात्र मनोविज्ञान और प्रायिकता की कुछ बाधाएं
26. छात्रों को प्रायिकता का अध्याय इतना जटिल और अमूर्त क्यों लगता है?
शैक्षणिक मनोवैज्ञानिक (Educational Psychologists) होने के नाते, मैंने लंबे समय तक इस बात का अध्ययन किया है कि छात्रों को प्रायिकता का अध्याय अन्य गणितीय अध्यायों जैसे कलन या बीजगणित की तुलना में कठिन क्यों लगता है। इसके पीछे दो मुख्य संज्ञानात्मक बाधाएं हैं:
- प्रक्रियात्मक बनाम वैचारिक सोच (Procedural vs Conceptual Thinking): पारंपरिक गणित में छात्र सूत्रों को याद करके सीधे मान प्रतिस्थापित करने के अभ्यस्त होते हैं। किंतु प्रायिकता में प्रश्नों की भाषा अत्यधिक सूक्ष्म होती है। यहाँ सवाल हल करने से पहले स्थिति की ‘तार्किक व्याख्या’ और कल्पना करनी पड़ती है।
- बुनियादी अध्यायों की पकड़ कमजोर होना: प्रायिकता की नींव ‘समुच्चय सिद्धांत’ और ‘क्रमचय-संचय’ पर टिकी है । यदि किसी छात्र को समुच्चय के संघ ($A \cup B$) या प्रतिच्छेदन ($A \cap B$) की भौतिक समझ नहीं है, तो वह प्रायिकता के सवालों में दिशा खो बैठता है ।
27. यादृच्छिकता का भ्रम और सम-प्रायिकता पूर्वाग्रह का मनोवैज्ञानिक प्रभाव
संज्ञानात्मक मनोविज्ञान के क्षेत्र में एक अत्यंत प्रसिद्ध भ्रांति खोजी गई है जिसे ‘सम-प्रायिकता पूर्वाग्रह’ (Equiprobability Bias – EB) कहा जाता है । इसके तहत हम में यह मानने की एक तीव्र जन्मजात प्रवृत्ति होती है कि यदि कोई प्रक्रिया यादृच्छिक (Random) है, तो उसके सभी संभावित परिणाम समान रूप से घटित होने चाहिए ।
उदाहरण के लिए, जब दो पासों को फेंका जाता है, तो अंकों का योग $11$ आना और अंकों का योग $12$ आना दोनों यादृच्छिक हैं । किंतु सम-प्रायिकता पूर्वाग्रह से ग्रसित छात्र सोचते हैं कि दोनों की प्रायिकता समान होनी चाहिए । वे यह नहीं देख पाते कि योग $11$ दो तरीकों से आ सकता है: $\{(5,6), (6,5)\}$, जबकि योग $12$ केवल एक ही तरीके से आ सकता है: $\{(6,6)\}$ । इस भ्रम को दूर करने के लिए कक्षा में भौतिक प्रयोग और विज़ुअलाइज़ेशन अत्यंत आवश्यक हैं।
28. बोर्ड परीक्षाओं और गृहकार्यों में छात्रों द्वारा की जाने वाली आवर्ती सामान्य त्रुटियाँ
एक अनुभवी परीक्षक के रूप में, बोर्ड परीक्षाओं की कॉपियों का मूल्यांकन करते समय मैंने छात्रों द्वारा की जाने वाली कुछ अत्यंत सामान्य और गंभीर त्रुटियों को नोट किया है । इन त्रुटियों को समझना ही उनके निवारण का प्रथम चरण है:
| छात्रों की आवर्ती त्रुटियाँ | संज्ञानात्मक कारण/गलती का स्वरूप | सही गणितीय अवधारणा |
| पासे के प्रयोग में $1$ को अभाज्य संख्या (Prime Number) मानना । | अभाज्य संख्या की बुनियादी परिभाषा की अनदेखी । | $1$ न तो अभाज्य है और न ही भाज्य। पासे पर केवल $2, 3, 5$ ही अभाज्य संख्याएँ हैं । |
| बिना प्रतिस्थापन (Without Replacement) वाले प्रयोग में हर (Denominator) को न बदलना । | प्रयोग की बदलती भौतिक परिस्थितियों की कल्पना न कर पाना । | पहली गेंद निकालने के बाद यदि प्रतिस्थापन नहीं होता, तो कुल गेंदों की संख्या $N$ से घटकर $N-1$ हो जाती है । |
| परस्पर अपवर्जित (Mutually Exclusive) और निःशेष (Exhaustive) घटनाओं के नियमों को मिला देना । | समुच्चय सिद्धांतों और तार्किक संबंधों की वैचारिक अस्पष्टता । | परस्पर अपवर्जित का अर्थ है कोई ओवरलैप नहीं ($A \cap B = \phi$) । निःशेष का अर्थ है मिलकर पूर्ण समष्टि बनाना ($A \cup B = S$) । |
| अंतिम उत्तर के रूप में $1$ से बड़ा मान या ऋणात्मक मान लिख देना । | केवल यांत्रिक रूप से अंश/हर की गणना करना, उत्तर की तार्किक जाँच न करना । | किसी भी घटना की प्रायिकता सदैव $$ के बंद अंतराल के भीतर ही होनी चाहिए । |
29. त्रुटियों के निवारण के लिए एक त्रि-चरणीय सुधारात्मक ढांचा
मैंने कमजोर छात्रों को इन मनोवैज्ञानिक और गणितीय भूलों से बाहर निकालने के लिए एक अत्यंत प्रभावी त्रि-चरणीय सुधारात्मक ढांचा (Recovery Framework) तैयार किया है, जिसे इस प्रवाह आरेख के माध्यम से समझा जा सकता है:
[त्रुटि निवारण ढांचा]
│
▼
┌──────────────────────────────────────────────────┐
│ चरण 1: भाषाई अनुवाद (Linguistic Decoding) │
│ - "या" (Or) शब्द को संघ (Union: U) में बदलें │
│ - "और" (And) शब्द को प्रतिच्छेदन (Intersection) │
└────────────────────────┬─────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ चरण 2: प्रतिदर्श समष्टि दृश्यांकन (Sample Space) │
│ - रटने के बजाय वृक्ष आरेख या ग्रिड बनाएं │
│ - प्रत्येक भौतिक परिणाम की स्पष्ट सूची बनाएं │
└────────────────────────┬─────────────────────────┘
│
▼
┌──────────────────────────────────────────────────┐
│ चरण 3: तार्किकता की जाँच (Sanity Check) │
│ - क्या प्रायिकता का मान 0 और 1 के बीच है? │
│ - क्या पूरक घटना का उपयोग करके गणना सरल हो सकती है?│
└──────────────────────────────────────────────────┘
इस व्यवस्थित ढांचे का अभ्यास करने के बाद छात्रों की सिली मिस्टेक्स (Silly Mistakes) में $80\%$ तक की कमी दर्ज की गई है।
PART 9 — निर्णय विज्ञान और अनिश्चितता का मनोविज्ञान
30. जोखिम आधारित सोच का विकास और जीवन में इसकी महत्ता
जोखिम आधारित सोच (Risk Thinking) का अर्थ डरना या पीछे हटना नहीं है, बल्कि अनिश्चितता के दौर में तार्किक और वैज्ञानिक रूप से जोखिमों का आकलन करना है। आधुनिक कॉरपोरेट जगत, सैन्य रणनीतियों और नीति निर्माण में जोखिम आधारित सोच को एक अनिवार्य योग्यता माना जाता है। प्रायिकता हमें इसी जोखिम को एक सटीक संख्यात्मक मान देने की शक्ति प्रदान करती है, जिससे हम विभिन्न विकल्पों के फायदे और नुकसान का संतुलित विश्लेषण कर पाते हैं।
31. निर्णय विज्ञान का गणित और गणितीय प्रत्याशा के अद्भुत नियम
निर्णय विज्ञान (Decision Science) में किसी भी निर्णय के दीर्घकालिक परिणाम का मूल्यांकन करने के लिए ‘गणितीय प्रत्याशा’ (Mathematical Expectation) के नियमों का प्रयोग किया जाता है।
यदि किसी निर्णय के विभिन्न संभावित परिणाम $x_1, x_2, \dots, x_n$ हैं और उनके घटित होने की प्रायिकताएँ क्रमशः $p_1, p_2, \dots, p_n$ हैं, तो उस निर्णय का अपेक्षित मूल्य (Expected Value – EV) इस प्रकार दिया जाता है:
$$EV = \sum_{i=1}^{n} p_i x_i$$
व्यावसायिक निवेशों में केवल उसी विकल्प को चुना जाता है जिसका अपेक्षित मूल्य सकारात्मक और अधिकतम हो। यह गणितीय दृष्टिकोण हमें तात्कालिक भावनाओं के वशीभूत होकर निर्णय लेने से बचाता है।
32. अंधविश्वास बनाम प्रायिकता: भाग्य और संयोग के पीछे का वास्तविक गणित
सामान्य जीवन में जब कोई व्यक्ति किसी असाधारण संकट से बच जाता है या अचानक लॉटरी जीत जाता है, तो लोग इसे ‘भाग्य’ (Luck) या अलौकिक कृपा मान लेते हैं। किंतु विज्ञान की दृष्टि में भाग्य और कुछ नहीं, बल्कि ‘अति-अल्प प्रायिकता वाली घटनाओं’ (Low Probability Events) का एक विशाल जनसंख्या समूह में कभी न कभी घटित होना मात्र है।
इसे ‘लिटिलवुड का नियम’ (Littlewood’s Law) भी कहा जाता है, जिसके अनुसार एक व्यक्ति के जीवन में औसतन महीने में एक बार एक ‘चमत्कार’ (एक लाख में से एक संभावना वाली घटना) घटित होना सांख्यिकीय रूप से पूरी तरह सामान्य है। जब हम अरबों लोगों के वैश्विक समाज में जीते हैं, तो ऐसी असाधारण घटनाओं का घटित होना कोई जादुई चमत्कार नहीं, बल्कि प्रायिकता के नियमों का स्वाभाविक परिणाम है।
33. मानव मस्तिष्क के संज्ञानात्मक पूर्वाग्रह और जुआरी का भ्रम
लाखों वर्षों के क्रमिक विकास के दौरान, मानव मस्तिष्क ने त्वरित निर्णय लेने के लिए कुछ मानसिक संक्षेप (Heuristics) विकसित किए हैं, जो आधुनिक गणितीय दुनिया में अक्सर त्रुटिपूर्ण निर्णयों (Cognitive Biases) को जन्म देते हैं । इनमें से दो प्रमुख हैं:
- जुआरी का भ्रम (Gambler’s Fallacy): यह सोचना कि यदि कोई यादृच्छिक परिणाम (जैसे सिक्का उछालने पर Head) अतीत में लगातार आ रहा है, तो भविष्य में उसके बदलने (Tail आने) की संभावना बढ़ जाती है । सत्य यह है कि सिक्का पूरी तरह निष्पक्ष है और हर उछाल स्वतंत्र है, इसलिए छठी बार भी Head आने की प्रायिकता ठीक $0.5$ ही रहेगी।
- उपलब्धता पूर्वाग्रह (Availability Bias): हम उन घटनाओं को अधिक घटित होने वाला मानता है जिनकी यादें उसके मस्तिष्क में ताज़ा और डरावनी होती हैं । विमान दुर्घटना की कोई खबर देखने के बाद लोग सड़क यात्रा को अधिक सुरक्षित मानने लगते हैं, जबकि सांख्यिकीय रूप से सड़क दुर्घटना की प्रायिकता विमान दुर्घटना से कई सौ गुना अधिक होती है ।
PART 10 — प्रतियोगी परीक्षा के उपयोगी सलाह
34. JEE Main एवं उन्नत परीक्षाओं के लिए प्रायिकता आधारित तार्किक सोच का विकास
प्रतियोगी परीक्षाओं जैसे जेईई (JEE Main & Advanced) में प्रायिकता के सीधे सूत्र-आधारित प्रश्न कभी नहीं पूछे जाते । जेईई का मूल मंत्र है—”बहु-विषयक एकीकरण” (Multi-disciplinary Integration)। यहाँ प्रायिकता के प्रश्नों को आव्यूह (Matrices), द्विघात समीकरण (Quadratic Equations), सीमा और अवकलज (Limits & Derivatives) तथा मुख्य रूप से क्रमचय और संचय के सिद्धांतों के साथ मिलाकर पूछा जाता है ।
जेईई के लिए तैयारी करते समय छात्रों को ‘सशर्त प्रायिकता’ (Conditional Probability), ‘बायेस प्रमेय’ (Bayes’ Theorem) और ‘स्वतंत्र घटनाओं’ (Independent Events) के गणितीय अंतर्संबंधों पर विशेष ध्यान देना चाहिए। यहाँ रटने के बजाय अमूर्त गणितीय संरचनाओं की कल्पना करने की क्षमता ही विजेता का निर्धारण करती है।
35. गणित ओलंपियाड के जटिल तार्किक प्रश्नों को हल करने का दृष्टिकोण
गणित ओलंपियाड (RMO, INMO, IMO) के प्रश्नों में प्रायिकता का स्तर अत्यधिक सैद्धांतिक और अमूर्त होता है। यहाँ प्रायः ‘ज्यामितीय प्रायिकता’ (Geometric Probability) के प्रश्न पूछे जाते हैं, जहाँ प्रतिदर्श समष्टि कोई परिमित संख्या नहीं होती, बल्कि कोई ज्यामितीय क्षेत्र (लंबाई, क्षेत्रफल या आयतन) होता है। ओलंपियाड स्तर की समस्याओं को हल करने के लिए छात्रों को ग्राफ सिद्धांत (Graph Theory) और पुनरावृत्ति संबंधों (Recurrence Relations) का प्रायिकता के साथ एकीकरण करने की कला सीखनी होती है।
36. उच्च स्तरीय चिंतन कौशल वाले कठिन प्रश्नों का विस्तृत समाधान
प्रतियोगी परीक्षाओं और उच्च स्तरीय चिंतन कौशल (HOTS) के विकास के लिए यहाँ दो अत्यंत महत्वपूर्ण एवं चुनिंदा प्रश्नों को उनकी गहन वैचारिक समाधान पद्धति के साथ प्रस्तुत किया जा रहा है ।
प्रश्न 1: छह कर्मचारियों के लिए डेस्क का यादृच्छिक आवंटन
प्रश्न: छह नए कर्मचारियों (जिनमें से दो आपस में विवाहित हैं) को एक पंक्ति में रखी छह डेस्कों का यादृच्छिक आवंटन किया जाता है । इस बात की प्रायिकता ज्ञात कीजिए कि विवाहित जोड़े को एक-दूसरे के निकट (आसन्न) डेस्कें न मिलें ।
वैचारिक समाधान पद्धति (Step-by-Step Thinking Method)
- प्रतिदर्श समष्टि का निर्धारण (Total Outcomes): पंक्ति में कुल डेस्कों की संख्या $6$ है । इन छह डेस्कों पर छह कर्मचारियों को बैठाने के कुल तरीके : $$n(S) = 6! = 6 \times 5 \times 4 \times 3 \times 2 \times 1 = 720 \text{ तरीके}$$
- पूरक घटना की सोच (Complementary Event Strategy): विवाहित जोड़े को “निकट डेस्कें न मिलने” की प्रायिकता सीधे निकालना जटिल हो सकता है । इसलिए, हम पहले पूरक घटना $E’$ की गणना करते हैं, जहाँ “विवाहित जोड़ा हमेशा आसन्न डेस्कों पर बैठता है” ।
- पूरक अनुकूल मामलों की गणना ($n(E’)$):
- मान लीजिए विवाहित जोड़ा एक एकल ब्लॉक या इकाई $[M, F]$ के रूप में बैठा है 。
- अब हमारे पास व्यवस्थित करने के लिए कुल $5$ इकाइयाँ हैं: एक ब्लॉक $[M, F]$ और शेष $4$ अन्य कर्मचारी ।
- इन $5$ इकाइयों को आपस में व्यवस्थित करने के तरीके $= 5!$ 。
- ब्लॉक के भीतर विवाहित जोड़ा आपस में $2!$ तरीकों से स्थान बदल सकता है 。
- अतः, विवाहित जोड़े के आसन्न बैठने के कुल तरीके : $$n(E’) = 5! \times 2! = 120 \times 2 = 240 \text{ तरीके}$$
- वांछित घटना के अनुकूल मामलों की गणना ($n(E)$): विवाहित जोड़े के गैर-आसन्न बैठने के कुल तरीके : $$n(E) = n(S) – n(E’) = 720 – 240 = 480 \text{ तरीके}$$
- प्रायिकता की गणना ($P(E)$):$$P(E) = \frac{n(E)}{n(S)} = \frac{480}{720} = \frac{2}{3} \approx 0.67$$
प्रश्न 2: यादृच्छिक रूप से चुना गया पासा और विषम संख्या आने की सशर्त प्रायिकता
प्रश्न: एक पक्षपाती (Biased) पासा इस प्रकार निर्मित है कि उस पर सम संख्या आने की तुलना में विषम संख्या आने की संभावना दोगुनी है । यदि इस पासे को एक बार फेंका जाता है, तो $3$ से बड़ा अंक प्राप्त होने की प्रायिकता ज्ञात कीजिए ।
वैचारिक समाधान पद्धति (Step-by-Step Thinking Method)
- अभिगृहीतीय प्रायिकता वितरण (Axiomatic Weight Assignment):
- मान लीजिए सम संख्या आने की प्रायिकता $P(\text{Even}) = x$ है 。
- दिया गया है कि विषम संख्या आने की प्रायिकता सम संख्या से दोगुनी है, अतः $P(\text{Odd}) = 2x$ 。
- एक पासे पर कुल सम अंक $\{2, 4, 6\}$ और कुल विषम अंक $\{1, 3, 5\}$ होते हैं ।
- चूँकि सभी व्यक्तिगत प्रायिकताओं का योग $1$ होना चाहिए : $$P(\text{Odd}) + P(\text{Even}) = 1 \implies 2x + x = 1 \implies 3x = 1 \implies x = \frac{1}{3}$$
- अतः, प्रत्येक सम अंक आने की प्रायिकता $=\frac{1}{3} \times \frac{1}{3} = \frac{1}{9}$
- प्रत्येक विषम अंक आने की प्रायिकता $=\frac{2}{3} \times \frac{1}{3} = \frac{2}{9}$
- वांछित घटना को परिभाषित करना: हमें “$3$ से बड़ा अंक” आने की प्रायिकता ज्ञात करनी है । $3$ से बड़े अंक हैं: $\{4, 5, 6\}$ 。
- $4$ और $6$ सम संख्याएँ हैं 。
- $5$ एक विषम संख्या है 。
- योग नियम का अनुप्रयोग (Axiom of Additivity): चूँकि अंक $4, 5, 6$ परस्पर अपवर्जित हैं, इसलिए उनकी प्रायिकताएँ जुड़ जाएँगी : $$P(\text{अंक} > 3) = P(4) + P(5) + P(6)$$$$P(\text{अंक} > 3) = \frac{1}{9} + \frac{2}{9} + \frac{1}{9} = \frac{4}{9} \approx 0.44$$
PART 11 — परीक्षा के लिए कुछ सलाह
37. एनसीईआरटी पाठ्यपुस्तक के इष्टतम उपयोग की अचूक परीक्षा रणनीति
बोर्ड परीक्षाओं में शत-प्रतिशत अंक प्राप्त करने के लिए एनसीईआरटी (NCERT) की पुस्तक केवल एक संदर्भ सामग्री नहीं, बल्कि अंतिम प्रामाणिक शास्त्र है । इसे हल करने की रणनीति इस प्रकार होनी चाहिए:
- सिद्धांतों का सूक्ष्म पठन (Concept Reading): अध्याय 14 की शुरुआत में दिए गए यादृच्छिक परीक्षणों और प्रतिदर्श समष्टि के सैद्धांतिक परिचयों को बहुत ध्यान से पढ़ें ।
- एक भी हल उदाहरण न छोड़ें (Solve All Examples): बोर्ड परीक्षाओं के लगभग $40\%$ प्रश्न सीधे हल किए गए उदाहरणों (Solved Examples) से पूछे जाते हैं। इन्हें रफ कॉपी पर स्वयं हल करके अभ्यास करें।
- विविध प्रश्नावली (Miscellaneous Exercise) का महत्व: परीक्षा से पहले विविध प्रश्नावली के प्रत्येक प्रश्न को कम से कम तीन बार हल करें, क्योंकि ये प्रश्न वैचारिक रूप से सबसे समृद्ध होते हैं 。
38. विगत वर्षों के बोर्ड परीक्षा प्रश्नों का विश्लेषण और अंक योजना का प्रारूप
विगत वर्षों के प्रश्नपत्रों (PYQs) का विश्लेषण दर्शाता है कि बोर्ड परीक्षाओं की अंक योजना (Marking Scheme) इस प्रकार विभाजित होती है:
| प्रश्न का प्रकार | अंक आवंटन | अपेक्षित सामग्री और स्वरूप |
| अति लघु उत्तरीय (MCQ/VSA) | $1$ अंक | सामान्य सूत्र, पूरक घटना या परस्पर अपवर्जित घटनाओं की शर्तों पर सीधे प्रश्न । |
| लघु उत्तरीय (SA) | $2-3$ अंक | सिक्कों, पासों या कार्ड्स के बुनियादी प्रयोग । यहाँ प्रतिदर्श समष्टि $S$ लिखना अनिवार्य होता है । |
| दीर्घ उत्तरीय (LA) | $5$ अंक | क्रमचय-संचय पर आधारित चयन प्रक्रिया वाले प्रश्न या समुच्चयों के बीजगणितीय नियम 。 |
39. परीक्षा की दृष्टि से अत्यंत महत्वपूर्ण चुनिंदा प्रश्नों की वैचारिक समाधान पद्धति
बोर्ड परीक्षा में बार-बार पूछे जाने वाले कुछ अत्यंत महत्वपूर्ण प्रश्नों का वैचारिक समाधान नीचे प्रस्तुत है ।
प्रश्न: एक सिक्के को उछाला जाता है, और यदि उस पर चित्त (Head) आता है, तो एक पासा फेंका जाता है, अन्यथा कुछ नहीं किया जाता। प्रतिदर्श समष्टि लिखिए
।
वैचारिक समाधान पद्धति (Thinking Method)
- प्रथम चरण का विश्लेषण (सिक्का उछालना): परिणाम चित्त ($H$) या पट ($T$) हो सकते हैं 。
- द्वितीय चरण (सशर्त क्रिया):
- यदि $H$ आया, तो पासे को रोल करें जिसके परिणाम $\{1, 2, 3, 4, 5, 6\}$ हो सकते हैं । इसके परिणाम बनेंगे: $(H,1), (H,2), (H,3), (H,4), (H,5), (H,6)$ 。
- यदि $T$ आया, तो कुछ नहीं करना है, अर्थात् परिणाम केवल $T$ ही रहेगा ।
- अंतिम समुच्चय संयोजन:$$S = \{(H,1), (H,2), (H,3), (H,4), (H,5), (H,6), T\}$$
PART 12 — पुनरावृत्ति और त्वरित संदर्भ सामग्री
40. अध्याय की त्वरित पुनरावृत्ति के लिए वन-शॉट मुख्य बिंदु
परीक्षा के ऐन वक्त पर त्वरित पुनरावृत्ति के लिए ये मुख्य बिंदु आपके मस्तिष्क को तुरंत सक्रिय कर देंगे :
- प्रतिदर्श समष्टि ($S$): किसी यादृच्छिक परीक्षण के सभी संभावित परिणामों का समुच्चय ।
- घटना ($E$): प्रतिदर्श समष्टि $S$ का कोई भी उपसमुच्चय ।
- परस्पर अपवर्जित घटनाएँ: $A \cap B = \phi \implies P(A \cap B) = 0$ ।
- निःशेष घटनाएँ: $A \cup B = S \implies P(A \cup B) = 1$ (यदि वे परस्पर अपवर्जित भी हैं) ।
- पूरक घटना: $P(A’) = 1 – P(A)$ 。
41. संपूर्ण अध्याय का एक विस्तृत दृश्य माइंड मैप
संपूर्ण अध्याय की अवधारणाओं के अंतर्संबंधों को दर्शाने वाला एक विस्तृत ASCII माइंड मैप:
[प्रायिकता सिद्धांत]
│
┌─────────────────────────────────┼─────────────────────────────────┐
▼ ▼ ▼
[अभिगृहीतीय नियम]
- कुल संभावित परिणाम - सरल: केवल 1 परिणाम - 0 <= P(E) <= 1
- सिक्का: 2^n - संयुक्त: > 1 परिणाम - P(S) = 1
- पासा: 6^n - पूरक: E' = S - E - P(A U B) = P(A)+P(B)-P(AnB)
42. महत्वपूर्ण सूत्रों की संपूर्ण संदर्भ तालिका
परीक्षा से पहले याद रखने योग्य सभी आवश्यक सूत्र निम्नलिखित हैं :
| गणितीय संक्रिया/घटना | प्रायिकता सूत्र (Probability Formula) |
| शास्त्रीय प्रायिकता (Classical) | $P(E) = \frac{n(E)}{n(S)}$ |
| पूरक घटना (Complementary) | $P(A’) = 1 – P(A)$ |
| संघ नियम (Addition Theorem) | $P(A \cup B) = P(A) + P(B) – P(A \cap B)$ |
| परस्पर अपवर्जित (Mutually Exclusive) | $P(A \cup B) = P(A) + P(B)$ (चूँकि $P(A \cap B) = 0$) |
| डी मार्गन नियम (De Morgan) | $P(A’ \cap B’) = P((A \cup B)’) = 1 – P(A \cup B)$ |
43. यादृच्छिक प्रयोगों की प्रतिदर्श समष्टि से संबंधित सारांश तालिका
विभिन्न यादृच्छिक प्रयोगों के आकार और प्रतिदर्श बिंदुओं से संबंधित त्वरित संदर्भ तालिका :
| यादृच्छिक परीक्षण (Random Experiment) | प्रतिदर्श समष्टि का आकार n(S) | मुख्य उदाहरण/परिणाम |
| 1 सिक्का 3 बार उछालना | $2^3 = 8$ | $\{HHH, HHT, HTH, HTT, THH, THT, TTH, TTT\}$ |
| 2 पासे एक साथ फेंकना | $6^2 = 36$ | $\{(1,1), (1,2), \dots, (6,6)\}$ |
| 1 सिक्का 4 बार उछालना | $2^4 = 16$ | $\{HHHH, HHHT, \dots, TTTT\}$ |
| 1 सिक्का और 1 पासा फेंकना | $2 \times 6 = 12$ | $\{(H,1), (H,2), \dots, (T,6)\}$ |
PART 13 — मेरा अनुभव और बोर्ड मूल्यांकन अंतर्दृष्टि
44. कक्षा शिक्षण के दौरान प्राप्त अमूल्य व्यावहारिक अनुभव और टिप्पणियाँ
मेरे दशकों के अध्यापन काल में मैंने यह गहराई से अनुभव किया है कि जब तक हम गणित को केवल चॉक और बोर्ड तक सीमित रखते हैं, छात्र उसके प्रति उदासीन रहते हैं। जब मैं कक्षा में ताश की गड्डी लेकर जाता हूँ और उनके सामने गड्डी को फेंटता हूँ, या जब मैं खुद दो पासे मेज पर उछालता हूँ, तो कक्षा का वातावरण पूरी तरह जीवंत हो जाता है।
तैयारी के दौरान छात्रों से खुद वास्तविक आंकड़े एकत्र करवाना और उनसे अनुभवजन्य आवृत्ति ज्ञात करवाना ही उनमें “probability intuition hindi” के बीज बोने का सबसे सुंदर तरीका है।
45. बोर्ड उत्तर-पुस्तिकाओं के मूल्यांकन के समय पकड़ी जाने वाली बारीकियाँ
बोर्ड परीक्षा की प्रतियों का मूल्यांकन करते समय मेरे सामने कई ऐसे मामले आते हैं जहाँ छात्र सही दिशा में सोच रहे होते हैं, लेकिन परीक्षा के तनाव या खराब लेखन शैली के कारण अपने अंक खो देते हैं 。
मूल्यांकन के दौरान मैं निम्नलिखित बिंदुओं पर विशेष ध्यान देता हूँ:
- क्या छात्र ने प्रश्न की शुरुआत में ‘प्रतिदर्श समष्टि $S$’ को स्पष्ट रूप से परिभाषित किया है?
- क्या उसने घटना $E$ के अनुकूल परिणामों को सूचीबद्ध किया है?
- क्या सूत्रों को लिखने के बाद सही मान प्रतिस्थापित किए गए हैं?
- क्या उसने अंतिम उत्तर को न्यूनतम भिन्न (Simplest Fraction) या दशमलव में बदला है?
46. प्रायिकता की सबसे व्यापक और हठीली भ्रांतियाँ एवं उनका वैज्ञानिक उपचार
कक्षा 11 के कमजोर छात्रों में जो सबसे हठीली भ्रांति मैंने देखी है, वह है—”प्रायिकता का मान $1$ से अधिक लिख देना” । कई बार छात्र रफ गणना में $P(E) = 7/5$ लिख देते हैं।
जब मैं उनसे पूछता हूँ कि ऐसा क्यों हुआ, तो वे कहते हैं, “सर, कुल परिणाम तो $5$ थे, और हमारे अनुकूल मामले $7$ आ रहे थे।” यह भ्रांति समुच्चय सिद्धांतों की बुनियादी समझ न होने के कारण होती है 。
मैं उन्हें समझाता हूँ कि कोई भी अनुकूल घटना $E$ हमेशा प्रतिदर्श समष्टि $S$ का एक हिस्सा या उपसमुच्चय होती है । एक हिस्से का आकार कभी भी संपूर्ण समष्टि से बड़ा नहीं हो सकता। इस प्रकार की वैचारिक चिकित्सा (Axiomatic Therapy) छात्रों को हमेशा के लिए इस भ्रांति से मुक्त कर देती है ।
PART 14 — भविष्यवाणी और भविष्य का विज्ञान
47. कृत्रिम बुद्धिमत्ता और चिकित्सा क्षेत्र में भावी भविष्यवाणियाँ
आने वाला भविष्य नियतात्मक नहीं, बल्कि पूरी तरह सांख्यिकीय और संभावात्मक होने जा रहा है। चिकित्सा विज्ञान में, रोबोटिक सर्जन्स और एआई डायग्नोस्टिक उपकरण किसी रोगी के विभिन्न जांच रिपोर्टों का विश्लेषण करके इस बात की प्रायिकता की गणना करते हैं कि उसे अमुक बीमारी होने की कितनी संभावना है। यह पूर्वानुमान डॉक्टरों को समय रहते जीवन रक्षक निर्णय लेने में मदद करता है।
48. वृहद डेटा विश्लेषण के माध्यम से भविष्य के वैश्विक रुझानों का मापन
बिग डेटा (Big Data) का उदय वास्तव में प्रायिकता के वैश्विक प्रकटीकरण का युग है। आज हमारे इंटरनेट व्यवहार से उत्पन्न होने वाले खरबों डेटा बिंदुओं को उन्नत मशीन लर्निंग एल्गोरिदम द्वारा संसाधित किया जा रहा है। यह तकनीक चुनाव परिणामों के पूर्वानुमान, प्राकृतिक आपदाओं के आगमन के समय, और वैश्विक ऊर्जा ग्रिडों में होने वाले बिजली के लोड का अत्यंत सटीक पूर्वानुमान लगाने में सक्षम हो चुकी है।
49. प्रायिकता का वैश्विक भविष्य और स्टोकेस्टिक दुनिया में इसकी केंद्रीय भूमिका
जैसे-जैसे हम नैनो-टेक्नोलॉजी, क्वांटम कंप्यूटिंग (Quantum Computing) और जैव-अभियांत्रिकी के युग में प्रवेश कर रहे हैं, शास्त्रीय भौतिकी के पुराने नियम अनुपयोगी साबित हो रहे हैं। क्वांटम कंप्यूटरों की बुनियादी कंप्यूटिंग इकाई ‘क्यूबिट’ (Qubit) नियतात्मक $0$ या $1$ में नहीं, बल्कि दोनों की प्रायिकता स्थितियों के सुपरपोजिशन (Superposition) में काम करती है। अतः, आने वाले युग में वही समाज और व्यक्ति प्रगति करेगा जो इस ‘स्टोकेस्टिक’ (Stochastic – यादृच्छिक) ब्रह्मांड को प्रायिकता की आँख से देखने और समझने की क्षमता रखेगा।
PART 15 — निष्कर्ष
50. अनिश्चितता के अंधकार से गणितीय बुद्धिमत्ता के प्रकाश तक की शाश्वत यात्रा
कक्षा 11 गणित के अध्याय 14 “प्रायिकता” का यह सफ़र केवल परीक्षा पास करने के लिए कुछ सूत्रों को रटने की यात्रा नहीं है। यह मानव मेधा की वह अद्भुत यात्रा है जो हमें अनिश्चितता के डरावने अंधकार से निकालकर गणितीय बुद्धिमत्ता की उज्ज्वल रोशनी की ओर ले जाती है। यह विषय हमें अप्रत्याशितताओं को स्वीकार करना, जोखिमों का तार्किक आकलन करना और जीवन के प्रत्येक निर्णय को सांख्यिकीय विवेकशीलता के साथ लेना सिखाता है। इस अनिश्चित संसार में प्रायिकता ही हमारी सबसे विश्वसनीय मार्गदर्शिका है।
FAQ
प्रश्न 1: प्रायिकता (Probability) की न्यूनतम और अधिकतम सीमा क्या है, और क्यों?
उत्तर: प्रायिकता सिद्धांत के बुनियादी अभिगृहीतों के अनुसार, किसी भी घटना $E$ की प्रायिकता सदैव बंद अंतराल $$ के भीतर निवास करती है, अर्थात् $0 \le P(E) \le 1$ । इसका कारण यह है कि अनुकूल परिणामों की संख्या $n(E)$ कभी भी ऋणात्मक नहीं हो सकती ($P(E) \ge 0$) और न ही यह कुल संभावित परिणामों की संख्या $n(S)$ से अधिक हो सकती है, क्योंकि घटना हमेशा प्रतिदर्श समष्टि का उपसमुच्चय होती है ।
प्रश्न 2: प्रतिदर्श समष्टि (Sample Space) क्या है और इसे लिखना क्यों आवश्यक है?
उत्तर: किसी यादृच्छिक परीक्षण के अंतर्गत संभव होने वाले सभी संभावित परिणामों के संपूर्ण संग्रह या समुच्चय को प्रतिदर्श समष्टि ($S$) कहा जाता है । किसी भी घटना की प्रायिकता की सटीक गणना करने के लिए प्रतिदर्श समष्टि को स्पष्ट रूप से लिखना अनिवार्य है, क्योंकि यह हमें प्रयोग की सीमाओं के भीतर की सभी संभावनाओं का स्पष्ट मानचित्र प्रदान करता है और गणनात्मक त्रुटियों की संभावना को समाप्त करता है ।
प्रश्न 3: क्या 1 एक अभाज्य संख्या (Prime Number) है? पासे के खेल में यह भ्रांति क्यों हानिकारक है?
उत्तर: गणितीय नियमों के अनुसार, $1$ न तो अभाज्य संख्या है और न ही भाज्य संख्या है, क्योंकि अभाज्य संख्या होने के लिए किसी संख्या के पास ठीक दो भिन्न गुणनखंड होने चाहिए । पासे को फेंकने वाले प्रश्नों में छात्र अक्सर $1$ को अभाज्य मान लेते हैं, जिससे उनके अनुकूल परिणाम $\{1, 2, 3, 5\}$ होकर संख्या $4$ हो जाती है, जो गलत है । पासे पर केवल $2, 3,$ और $5$ ही तीन अभाज्य संख्याएँ हैं 。
प्रश्न 4: पूरक घटना (Complementary Event) क्या होती है और इसका उपयोग कब किया जाता है?
उत्तर: किसी घटना $A$ के “न घटने” की घटना को उसकी पूरक घटना $A’$ या $A^c$ कहा जाता है, जहाँ $A’ = S – A$ होता है । इसकी प्रायिकता $P(A’) = 1 – P(A)$ होती है । जब किसी प्रश्न में “कम से कम एक” या बहुत अधिक तार्किक शाखाओं वाली अनुकूल स्थितियों की गणना करनी हो, तो पूरक घटना का उपयोग करने से गणना अत्यंत सरल हो जाती है ।
कक्षा 11th गणित के नवीनतम पाठ्यक्रम और पाठ्यपुस्तक के लिए, आप NCERT की आधिकारिक वेबसाइट पर जा सकते हैं।”
