দুটি ঘটনা A ও B স্বাধীন হলে-

i. $(A\cap B) \ne \varphi$

ii. P(A∩B) = P(A) P(B)

iii. P(A∩B) $\ne$ P(A) P(B)

নিচের কোনটি সঠিক?

সম্ভাবনা সম্পর্কিত বিধি ও শর্তাবলী (Rules and Conditions of Probability)

সম্ভাবনার ধারণা গাণিতিক নিয়ম ও শর্তের উপর ভিত্তি করে নির্ধারিত হয়। এই নিয়মগুলো সুনির্দিষ্ট করে কিভাবে সম্ভাবনা পরিমাপ এবং ইভেন্টের সম্পর্ক বিশ্লেষণ করতে হবে।

১. সম্ভাবনার মৌলিক শর্ত (Basic Conditions of Probability)

1. সম্ভাবনার পরিসীমা (Range of Probability):
   সম্ভাবনার মান সর্বদা ০ থেকে ১ এর মধ্যে থাকবে।
   \[
   0 \leq P(E) \leq 1
   \]
   উদাহরণ:
   • \( P(E) = 0 \) হলে ইভেন্ট কখনোই ঘটবে না।
   • \( P(E) = 1 \) হলে ইভেন্ট অবশ্যই ঘটবে।
2. স্যাম্পল স্পেসের সম্ভাবনা (Total Probability):
   সম্পূর্ণ স্যাম্পল স্পেসের সম্ভাবনা সর্বদা \( 1 \)।
   \[
   P(S) = 1
   \]
3. সম্পূরক ইভেন্ট (Complementary Event):
   কোনো ইভেন্ট \( E \)-এর বিপরীত ইভেন্টের সম্ভাবনা:
   \[
   P(\text{Not E}) = 1 - P(E)
   \]
   উদাহরণ:
   \( P(\text{Rain}) = 0.3 \) হলে \( P(\text{No Rain}) = 1 - 0.3 = 0.7 \)।

২. সম্ভাবনার যোগ সূত্র (Addition Rules of Probability)

1. পরস্পরবিরোধী ইভেন্টের ক্ষেত্রে (Mutually Exclusive Events):
   দুটি ইভেন্ট \( A \) এবং \( B \) পরস্পরবিরোধী হলে তাদের যোগফল:
   \[
   P(A \cup B) = P(A) + P(B)
   \]
   উদাহরণ:
   একটি পাশা নিক্ষেপ করলে জোড় সংখ্যা বা বিজোড় সংখ্যা আসার সম্ভাবনা:
   \( P(\text{Even}) + P(\text{Odd}) = \frac{3}{6} + \frac{3}{6} = 1 \)।
2. সাধারণ ইভেন্টের ক্ষেত্রে (General Events):
   \[
   P(A \cup B) = P(A) + P(B) - P(A \cap B)
   \]
   উদাহরণ:
   একটি তাসের প্যাক থেকে রানি অথবা কালো তাস তোলার সম্ভাবনা।

৩. সম্ভাবনার গুণ সূত্র (Multiplication Rules of Probability)

1. স্বাধীন ইভেন্টের ক্ষেত্রে (Independent Events):
   দুটি স্বাধীন ইভেন্ট \( A \) এবং \( B \)-এর একসঙ্গে সংঘটিত হওয়ার সম্ভাবনা:
   \[
   P(A \cap B) = P(A) \cdot P(B)
   \]
   উদাহরণ:
   একটি মুদ্রা এবং একটি পাশা একসঙ্গে নিক্ষেপ করলে হেড এবং ৪ আসার সম্ভাবনা:
   \( P(\text{Head}) \cdot P(4) = \frac{1}{2} \cdot \frac{1}{6} = \frac{1}{12} \)।
2. সাপেক্ষিক ইভেন্টের ক্ষেত্রে (Dependent Events):
   \[
   P(A \cap B) = P(A) \cdot P(B|A)
   \]
   উদাহরণ:
   একটি ব্যাগ থেকে প্রথমে একটি লাল বল তোলার পর দ্বিতীয়বার লাল বল তোলার সম্ভাবনা।

৪. শর্তাধীন সম্ভাবনা (Conditional Probability)

একটি ইভেন্ট ঘটেছে বলে জানা গেলে অন্য একটি ইভেন্টের সম্ভাবনা নির্ণয়ের জন্য শর্তাধীন সম্ভাবনা ব্যবহার করা হয়।
\[
P(A|B) = \frac{P(A \cap B)}{P(B)}, ; P(B) \neq 0
\]
উদাহরণ:
বৃষ্টি হচ্ছে এমন শর্তে কোনো বিশেষ রাস্তা কাদাময় হওয়ার সম্ভাবনা।

৫. বায়েসের উপপাদ্য (Bayes’ Theorem)

বায়েসের উপপাদ্য শর্তাধীন সম্ভাবনার একটি গুরুত্বপূর্ণ সূত্র। এটি \( P(B|A) \)-এর মাধ্যমে \( P(A|B) \) নির্ণয় করে।
\[
P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}
\]
ব্যবহার: চিকিৎসা গবেষণায় রোগ নির্ণয়ে এবং মেশিন লার্নিংয়ে।

৬. পরস্পরবিরোধী ও স্বাধীন ইভেন্টের পার্থক্য

1. পরস্পরবিরোধী ইভেন্ট:
   দুটি ইভেন্ট একসঙ্গে ঘটতে পারে না।
   \( P(A \cap B) = 0 \)
2. স্বাধীন ইভেন্ট:
   দুটি ইভেন্ট একে অপরের উপর নির্ভর করে না।
   \( P(A \cap B) = P(A) \cdot P(B) \)

সারসংক্ষেপ

সম্ভাবনার বিধি ও শর্তাবলী আমাদের বিভিন্ন ইভেন্টের সম্পর্ক বিশ্লেষণে সাহায্য করে। এই নিয়মগুলো বাস্তব জীবনে ঝুঁকি নির্ধারণ, পরিসংখ্যান বিশ্লেষণ, এবং বৈজ্ঞানিক গবেষণায় অপরিহার্য।