দৈব চলক (Random Variable)

গাণিতিক পরিসংখ্যান এবং সম্ভাব্যতা তত্ত্বে দৈব চলক (Random Variable) এমন একটি চলক, যা একটি পরীক্ষার ফলাফলকে সংখ্যা দ্বারা উপস্থাপন করে। এটি একটি ফাংশন, যা প্রতিটি সম্ভাব্য ফলাফলের সঙ্গে একটি সংখ্যা যোগ করে।

দৈব চলকের প্রকারভেদ

1. বিচ্ছিন্ন দৈব চলক (Discrete Random Variable):
   • এটি একটি গণনাযোগ্য সংখ্যা বা সম্ভাব্য মানের সেট থেকে একটি মান নিতে পারে।
   • উদাহরণ: একটি ছক্কা নিক্ষেপের ফলে পাওয়া সংখ্যা (১ থেকে ৬)।
2. ধারাবাহিক দৈব চলক (Continuous Random Variable):
   • এটি একটি নির্দিষ্ট পরিসরের যেকোনো বাস্তব সংখ্যা হতে পারে।
   • উদাহরণ: কোনো ব্যক্তির উচ্চতা বা ওজন।

গাণিতিক প্রত্যাশা (Mathematical Expectation)

গাণিতিক প্রত্যাশা, যাকে প্রত্যাশিত মান (Expected Value) বলা হয়, দৈব চলকের সম্ভাব্য মানগুলোর ওজনকৃত গড়। এটি দৈব চলকের দীর্ঘমেয়াদি গড় নির্ণয়ের একটি পদ্ধতি।

গাণিতিক প্রত্যাশার সংজ্ঞা

1. বিচ্ছিন্ন দৈব চলকের জন্য:
   \( E(X) = \sum_{i} x_i \cdot P(X = x_i) \)
   • এখানে \(x_i\) হলো দৈব চলকের সম্ভাব্য মান এবং \(P(X = x_i)\) হলো ঐ মানের সম্ভাবনা।
2. ধারাবাহিক দৈব চলকের জন্য:
   \( E(X) = \int_{-\infty}^{\infty} x \cdot f(x) , dx \)
   • এখানে \(f(x)\) হলো দৈব চলকের সম্ভাবনা ঘনত্ব ফাংশন।

উদাহরণ

1. বিচ্ছিন্ন দৈব চলক:
   একটি মুদ্রা নিক্ষেপে, মাথা (১) বা লেজ (০) পাওয়ার সম্ভাবনা সমান।
   \( E(X) = (1 \cdot 0.5) + (0 \cdot 0.5) = 0.5 \)
2. ধারাবাহিক দৈব চলক:
   একটি যান্ত্রিক প্রক্রিয়ার ত্রুটি পরিমাপ যদি \(f(x)\) দ্বারা প্রদত্ত হয়, তবে তার গাণিতিক প্রত্যাশা নির্ণয় করা হয় উপরোক্ত সূত্রের মাধ্যমে।

গাণিতিক প্রত্যাশার বৈশিষ্ট্য

1. রৈখিকতা (Linearity):
   যদি \(a\) এবং \(b\) ধ্রুবক হয় এবং \(X\) ও \(Y\) দৈব চলক হয়, তবে
   \( E(aX + bY) = aE(X) + bE(Y) \)
2. গাণিতিক প্রত্যাশা এবং বাস্তব সংখ্যার সম্পর্ক:
   যদি \(c\) একটি ধ্রুবক হয়, তবে \(E(c) = c\)।

দৈব চলক এবং গাণিতিক প্রত্যাশার ব্যবহার

• দৈব চলক এবং গাণিতিক প্রত্যাশা পরিসংখ্যান, অর্থনীতি, প্রকৌশল এবং বিজ্ঞানের বিভিন্ন ক্ষেত্রে ব্যবহৃত হয়। উদাহরণ:
  • শেয়ার বাজারের ঝুঁকি বিশ্লেষণ।
  • মেশিন লার্নিং মডেলের মূল্যায়ন।
  • সম্ভাব্যতা তত্ত্বে বিভিন্ন পরীক্ষার ফলাফলের ভবিষ্যদ্বাণী।

সারসংক্ষেপ

দৈব চলক একটি ফাংশন, যা পরীক্ষার ফলাফলকে সংখ্যা হিসেবে প্রকাশ করে। এর দুটি প্রকারভেদ হলো বিচ্ছিন্ন এবং ধারাবাহিক।
গাণিতিক প্রত্যাশা দৈব চলকের মানগুলোর সম্ভাবনা দ্বারা ওজনকৃত গড়, যা দৈব চলকের দীর্ঘমেয়াদি গড় নির্ধারণে সাহায্য করে।

দৈব চলক (Random Variable)

দৈব চলক হলো এমন একটি চলক যা দৈব ঘটনা বা পরীক্ষার ফলাফলকে সংখ্যা আকারে প্রকাশ করে। এটি মূলত একটি ফাংশন, যা প্রতিটি সম্ভাব্য ফলাফলকে একটি নির্দিষ্ট সংখ্যার সঙ্গে সম্পর্কিত করে।

বিচ্ছিন্ন দৈব চলক (Discrete Random Variable)

সংজ্ঞা:
যে দৈব চলক শুধুমাত্র গণনাযোগ্য কিছু নির্দিষ্ট মান গ্রহণ করতে পারে, তাকে বিচ্ছিন্ন দৈব চলক বলা হয়।

উদাহরণ:

1. একটি ছক্কা নিক্ষেপ করলে ১, ২, ৩, ৪, ৫, বা ৬ মান পাওয়া যেতে পারে।
2. একটি পরীক্ষায় শিক্ষার্থীর প্রাপ্ত নম্বর (যেমন: ০ থেকে ১০০)।

বৈশিষ্ট্য:

• মানগুলো আলাদা এবং গাণিতিকভাবে গণনাযোগ্য।
• এর সম্ভাবনা ভর ফাংশন (Probability Mass Function, PMF) ব্যবহার করে এর সম্ভাবনা নির্ণয় করা হয়।

সম্ভাবনা নিবেশন:

PMF নির্ধারণ করে \( P(X = x) \)।

উদাহরণ:
একটি ছক্কা নিক্ষেপে \(P(X = 3) = \frac{1}{6}\)।

অবিচ্ছিন্ন দৈব চলক (Continuous Random Variable)

সংজ্ঞা:
যে দৈব চলক একটি নির্দিষ্ট পরিসরের যেকোনো বাস্তব সংখ্যা গ্রহণ করতে পারে, তাকে অবিচ্ছিন্ন দৈব চলক বলা হয়।

উদাহরণ:

1. একটি ব্যক্তির উচ্চতা (যেমন: ৫.৫ ফুট থেকে ৬.২ ফুট)।
2. পানির প্রবাহ (যেমন: প্রতি সেকেন্ডে ২.৩ লিটার থেকে ৩.৭ লিটার)।

বৈশিষ্ট্য:

• মানগুলোর মধ্যে কোনো নির্দিষ্ট সীমা নেই।
• এর সম্ভাবনা ঘনত্ব ফাংশন (Probability Density Function, PDF) ব্যবহার করে এর সম্ভাবনা নির্ণয় করা হয়।
• নির্দিষ্ট একটি মানের সম্ভাবনা শূন্য (\(P(X = x) = 0\))।

সম্ভাবনা নিবেশন:

PDF ব্যবহার করে নির্ণয় করা হয় \(P(a \leq X \leq b)\)।
উদাহরণ:
\( P(2 \leq X \leq 5) = \int_{2}^{5} f(x) dx \)।

সম্ভাবনা নিবেশন (Probability Notation)

১. সম্ভাবনা গণনা:

• বিচ্ছিন্ন চলকের জন্য:
  \( P(X = x) \): দৈব চলক \(X\)-এর নির্দিষ্ট মান \(x\) হওয়ার সম্ভাবনা।
• অবিচ্ছিন্ন চলকের জন্য:
  \( P(a \leq X \leq b) = \int_{a}^{b} f(x) dx \): \(X\) যদি \(a\) এবং \(b\)-এর মধ্যে থাকে, তার সম্ভাবনা।

২. সঞ্চিত সম্ভাবনা (Cumulative Probability):

• বিচ্ছিন্ন চলকের জন্য:
  \( F(x) = P(X \leq x) = \sum_{t \leq x} P(X = t) \)
• অবিচ্ছিন্ন চলকের জন্য:
  \( F(x) = P(X \leq x) = \int_{-\infty}^{x} f(t) dt \)

৩. গুরুত্বপূর্ণ বৈশিষ্ট্য:

• \( 0 \leq P(X = x) \leq 1 \)
• \( \sum_{x} P(X = x) = 1 \) (বিচ্ছিন্ন চলকের জন্য)
• \( \int_{-\infty}^{\infty} f(x) dx = 1 \) (অবিচ্ছিন্ন চলকের জন্য)

সারসংক্ষেপ

• দৈব চলক: একটি ফাংশন যা পরীক্ষার ফলাফলকে সংখ্যা হিসেবে প্রকাশ করে।
• বিচ্ছিন্ন দৈব চলক: নির্দিষ্ট কিছু মান ধারণ করতে পারে।
• অবিচ্ছিন্ন দৈব চলক: একটি নির্দিষ্ট পরিসরের যেকোনো মান ধারণ করতে পারে।
• সম্ভাবনা নিবেশন: PMF এবং PDF-এর মাধ্যমে দৈব চলকের সম্ভাবনা নির্ণয় করা হয়।

সম্ভাবনা অপেক্ষক (Probability Function)

সম্ভাবনা অপেক্ষক এমন একটি ফাংশন যা দৈব চলকের প্রতিটি নির্দিষ্ট মানের জন্য সম্ভাবনা নির্ধারণ করে। এটি মূলত বিচ্ছিন্ন দৈব চলকের জন্য ব্যবহৃত হয়।

সংজ্ঞা:

\( P(X = x) = p(x) \), যেখানে \(p(x)\) হলো দৈব চলক \(X\)-এর \(x\) মানের সম্ভাবনা।

বৈশিষ্ট্য:

1. \( 0 \leq P(X = x) \leq 1 \)
2. সম্ভাবনার যোগফল ১:
   \[
   \sum_{x \in S} P(X = x) = 1
   \]
   এখানে \(S\) হলো দৈব চলকের সম্ভাব্য মানগুলোর সেট।

উদাহরণ:

একটি মুদ্রা নিক্ষেপ করলে:
\( P(X = Head) = 0.5 \) এবং \( P(X = Tail) = 0.5 \)।

সম্ভাবনা ঘনত্ব অপেক্ষক (Probability Density Function, PDF)

সম্ভাবনা ঘনত্ব অপেক্ষক (PDF) একটি ফাংশন যা ধারাবাহিক দৈব চলকের মানগুলোর জন্য সম্ভাবনার একটি ঘনত্ব নির্ধারণ করে। এটি নির্দিষ্ট একটি মানের জন্য সরাসরি সম্ভাবনা দেয় না বরং একটি নির্দিষ্ট পরিসরের মধ্যে সম্ভাবনা গণনা করতে সাহায্য করে।

সংজ্ঞা:

PDF \(f(x)\)-এর জন্য,
\( P(a \leq X \leq b) = \int_{a}^{b} f(x) dx \)

বৈশিষ্ট্য:

1. \( f(x) \geq 0 \), সব \(x\)-এর জন্য।
2. \( f(x)\)-এর মোট ক্ষেত্রফল ১:
   \[
   \int_{-\infty}^{\infty} f(x) dx = 1
   \]

উদাহরণ:

ধরা যাক \(X\) একটি ধারাবাহিক দৈব চলক, যার ঘনত্ব ফাংশন \(f(x) = 2x\) \((0 \leq x \leq 1)\)।
তাহলে \( P(0.2 \leq X \leq 0.5) = \int_{0.2}^{0.5} 2x , dx = 0.21 \)।

বিন্যাস অপেক্ষক (Cumulative Distribution Function, CDF)

বিন্যাস অপেক্ষক (CDF) একটি ফাংশন যা দৈব চলকের একটি নির্দিষ্ট মানের চেয়ে কম বা সমান মানগুলোর সঞ্চিত সম্ভাবনা নির্ধারণ করে।

সংজ্ঞা:

\( F(x) = P(X \leq x) \)

• বিচ্ছিন্ন দৈব চলকের জন্য:
  \[
  F(x) = \sum_{t \leq x} P(X = t)
  \]
• ধারাবাহিক দৈব চলকের জন্য:
  \[
  F(x) = \int_{-\infty}^{x} f(t) , dt
  \]

বৈশিষ্ট্য:

1. \( 0 \leq F(x) \leq 1 \)।
2. \( F(x)\) একটি অখণ্ড ও অমসৃণ (non-decreasing) ফাংশন।
3. \( \lim_{x \to -\infty} F(x) = 0 \) এবং \( \lim_{x \to \infty} F(x) = 1 \)।

উদাহরণ:

ধরা যাক একটি ছক্কা নিক্ষেপ করা হয়েছে।

• \(X\)-এর মানগুলো হলো \(1, 2, 3, 4, 5, 6\)।
• \(P(X = x) = \frac{1}{6}\)।
  তাহলে,
  \[
  F(3) = P(X \leq 3) = P(X = 1) + P(X = 2) + P(X = 3) = \frac{1}{6} + \frac{1}{6} + \frac{1}{6} = \frac{1}{2}
  \]

প্রধান পার্থক্য

সারসংক্ষেপ

• সম্ভাবনা অপেক্ষক (PF): বিচ্ছিন্ন দৈব চলকের প্রতিটি মানের সম্ভাবনা।
• সম্ভাবনা ঘনত্ব অপেক্ষক (PDF): ধারাবাহিক দৈব চলকের সম্ভাবনার ঘনত্ব।
• বিন্যাস অপেক্ষক (CDF): একটি নির্দিষ্ট মান পর্যন্ত সঞ্চিত সম্ভাবনা।

সম্ভাবনা অপেক্ষক সম্পর্কিত সমস্যাগুলো

সম্ভাবনা অপেক্ষক (Probability Function) হলো দৈব চলকের মানগুলোর সম্ভাবনা বন্টনের একটি ফাংশন। নিচে সম্ভাবনা অপেক্ষক সম্পর্কিত কয়েকটি সমস্যা এবং সমাধান দেওয়া হলো:

সমস্যা ১: বিচ্ছিন্ন দৈব চলকের জন্য সম্ভাবনা অপেক্ষক নির্ণয়

একটি ছক্কা নিক্ষেপ করা হয়েছে। \(X\) দৈব চলকটি ছক্কার মুখের সংখ্যা নির্দেশ করে। ছক্কাটি ন্যায়সঙ্গত হওয়ায় প্রতিটি মুখের সম্ভাবনা সমান। \(P(X=x)\)-এর মান নির্ণয় করুন।

সমাধান:

ছক্কা নিক্ষেপের সম্ভাব্য ফলাফল: \(X = {1, 2, 3, 4, 5, 6}\)।
প্রতিটি মানের জন্য \(P(X=x) = \frac{1}{6}\)।

সম্ভাবনা অপেক্ষক:
\[
P(X = x) =
\begin{cases}
\frac{1}{6}, & x \in {1, 2, 3, 4, 5, 6} \
0, & \text{অন্যথায়।}
\end{cases}
\]

সমস্যা ২: সম্ভাবনা অপেক্ষকের যাচাইকরণ

নিচের দৈব চলকের জন্য \(P(X = x)\)-এর সম্ভাবনা একটি বৈধ অপেক্ষক কিনা যাচাই করুন।
\[
P(X=x) =
\begin{cases}
0.2, & x = 1 \
0.3, & x = 2 \
0.5, & x = 3 \
0, & \text{অন্যথায়।}
\end{cases}
\]

সমাধান:

সম্ভাবনা অপেক্ষক বৈধ হওয়ার শর্ত:

1. \(0 \leq P(X=x) \leq 1\), প্রতিটি \(x\)-এর জন্য।
2. সম্ভাবনার যোগফল ১ হওয়া উচিত:
   \[
   \sum_{x} P(X=x) = 0.2 + 0.3 + 0.5 = 1
   \]

উভয় শর্ত পূরণ হওয়ায় এটি একটি বৈধ সম্ভাবনা অপেক্ষক।

সমস্যা ৩: একটি নির্দিষ্ট মানের সম্ভাবনা নির্ণয়

একটি বাক্সে ৫টি লাল বল এবং ৩টি নীল বল আছে। একটি বল এলোমেলোভাবে তোলা হলে, \(X = 1\) যদি বলটি লাল হয় এবং \(X = 0\) যদি বলটি নীল হয়। \(P(X=1)\) এবং \(P(X=0)\) নির্ণয় করুন।

সমাধান:

মোট বলের সংখ্যা: \(5 + 3 = 8\)

• লাল বলের সম্ভাবনা: \(P(X=1) = \frac{5}{8}\)
• নীল বলের সম্ভাবনা: \(P(X=0) = \frac{3}{8}\)

সমস্যা ৪: বিচ্ছিন্ন দৈব চলকের গাণিতিক প্রত্যাশা নির্ণয়

একটি দৈব চলক \(X\)-এর জন্য \(P(X=x)\) নিচের মতো দেওয়া হয়েছে:
\[
P(X=x) =
\begin{cases}
0.2, & x = 1 \
0.5, & x = 2 \
0.3, & x = 3
\end{cases}
\]
\(E(X)\) নির্ণয় করুন।

সমাধান:

গাণিতিক প্রত্যাশার সূত্র:
\[
E(X) = \sum_{x} x \cdot P(X = x)
\]

এখন, \(E(X)\)-এর মান নির্ণয়:
\[
E(X) = (1 \cdot 0.2) + (2 \cdot 0.5) + (3 \cdot 0.3) = 0.2 + 1.0 + 0.9 = 2.1
\]

সমস্যা ৫: সম্ভাবনা ঘনত্ব ফাংশন যাচাইকরণ

ধরা যাক \(f(x) = kx\), যেখানে \(x \in [0, 2]\), একটি সম্ভাবনা ঘনত্ব ফাংশন (PDF)। \(k\)-এর মান নির্ণয় করুন।

সমাধান:

PDF-এর মোট ক্ষেত্রফল ১ হওয়া উচিত:
\[
\int_{0}^{2} f(x) dx = 1
\]

এখন \(f(x) = kx\) বসিয়ে সমাধান করি:
\[
\int_{0}^{2} kx , dx = 1
\]

\[
k \int_{0}^{2} x , dx = 1
\]

\[
k \left[ \frac{x^2}{2} \right]_{0}^{2} = 1
\]

\[
k \cdot \left(\frac{2^2}{2} - \frac{0^2}{2}\right) = 1
\]

\[
k \cdot 2 = 1 \implies k = \frac{1}{2}
\]

সুতরাং, \(f(x) = \frac{1}{2}x\)।

সমস্যা ৬: বিন্যাস অপেক্ষক (CDF) নির্ণয়

একটি দৈব চলক \(X\)-এর সম্ভাবনা ঘনত্ব \(f(x)\) নিচের মতো দেওয়া হয়েছে:
\[
f(x) =
\begin{cases}
2x, & 0 \leq x \leq 1 \
0, & \text{অন্যথায়।}
\end{cases}
\]
এর জন্য \(F(x)\) বিন্যাস অপেক্ষক নির্ণয় করুন।

সমাধান:

CDF-এর সংজ্ঞা:
\[
F(x) = \int_{-\infty}^{x} f(t) dt
\]

\(0 \leq x \leq 1\)-এর জন্য:
\[
F(x) = \int_{0}^{x} 2t , dt
\]

\[
F(x) = \left[t^2\right]_{0}^{x} = x^2
\]

সুতরাং:
\[
F(x) =
\begin{cases}
0, & x < 0 \
x^2, & 0 \leq x \leq 1 \
1, & x > 1
\end{cases}
\]

সারসংক্ষেপ

উপরোক্ত সমস্যাগুলো সম্ভাবনা অপেক্ষকের বিভিন্ন দিক যেমন, বৈধতা যাচাই, গাণিতিক প্রত্যাশা নির্ণয়, এবং বিন্যাস অপেক্ষক সংক্রান্ত ধারণাগুলো পরিষ্কারভাবে তুলে ধরে। এগুলো পরিসংখ্যান ও সম্ভাবনা তত্ত্বের মূল ধারণা নিয়ে কাজ করার ক্ষেত্রে গুরুত্বপূর্ণ।

গাণিতিক প্রত্যাশা (Mathematical Expectation)

গাণিতিক প্রত্যাশা একটি দৈব চলকের সম্ভাব্য মানগুলোর সম্ভাবনার ওজনযুক্ত গড়। এটি দৈব চলকের দীর্ঘমেয়াদি গড় হিসাবেও পরিচিত।

সংজ্ঞা:

1. বিচ্ছিন্ন দৈব চলকের জন্য:
   \[
   E(X) = \sum_{i} x_i \cdot P(X = x_i)
   \]
   যেখানে \(x_i\) হলো \(X\)-এর সম্ভাব্য মান এবং \(P(X = x_i)\) হলো প্রতিটি মানের সম্ভাবনা।
2. ধারাবাহিক দৈব চলকের জন্য:
   \[
   E(X) = \int_{-\infty}^{\infty} x \cdot f(x) , dx
   \]
   এখানে \(f(x)\) হলো দৈব চলকের সম্ভাবনা ঘনত্ব ফাংশন।

গড় (Mean)

গড় বা আর্থমেটিক গড় হলো একটি সেটের সকল মানের যোগফলকে মানগুলোর মোট সংখ্যা দিয়ে ভাগ করে নির্ণীত একটি মাপ।

গড় নির্ণয়ের সূত্র:

1. ডেটা সেটের জন্য:
   \[
   \bar{X} = \frac{\sum_{i=1}^{n} X_i}{n}
   \]
   যেখানে \(X_i\) হলো ডেটাসেটের মান এবং \(n\) হলো মানগুলোর সংখ্যা।
2. বিচ্ছিন্ন দৈব চলকের জন্য:
   গড় হলো গাণিতিক প্রত্যাশা:
   \[
   \mu = E(X)
   \]
3. ধারাবাহিক দৈব চলকের জন্য:
   \[
   \mu = \int_{-\infty}^{\infty} x \cdot f(x) dx
   \]

ভেদাঙ্ক (Variance)

ভেদাঙ্ক হলো দৈব চলকের মানগুলোর গাণিতিক প্রত্যাশা থেকে গড় বিচ্যুতি স্কোয়ারের গড়। এটি দৈব চলকের পরিবর্তনশীলতার একটি পরিমাপ।

ভেদাঙ্ক নির্ণয়ের সূত্র:

1. বিচ্ছিন্ন দৈব চলকের জন্য:
   \[
   Var(X) = E[(X - \mu)^2]
   \]
   অথবা,
   \[
   Var(X) = E(X^2) - [E(X)]^2
   \]
2. ধারাবাহিক দৈব চলকের জন্য:
   \[
   Var(X) = \int_{-\infty}^{\infty} (x - \mu)^2 f(x) dx
   \]
   অথবা,
   \[
   Var(X) = \int_{-\infty}^{\infty} x^2 f(x) dx - \mu^2
   \]

মানদণ্ড বিচ্যুতি (Standard Deviation):

ভেদাঙ্কের বর্গমূল হলো মানদণ্ড বিচ্যুতি:
\[
\sigma = \sqrt{Var(X)}
\]

উদাহরণ

১. গাণিতিক প্রত্যাশা:

একটি ছক্কা নিক্ষেপের ফলাফল \(X = {1, 2, 3, 4, 5, 6}\) এবং \(P(X = x_i) = \frac{1}{6}\)।
গাণিতিক প্রত্যাশা:
\[
E(X) = \sum_{i=1}^{6} x_i \cdot P(X = x_i) = \frac{1}{6}(1 + 2 + 3 + 4 + 5 + 6) = 3.5
\]

২. ভেদাঙ্ক:

\[
E(X^2) = \frac{1}{6}(1^2 + 2^2 + 3^2 + 4^2 + 5^2 + 6^2) = \frac{1}{6}(91) = 15.17
\]
\[
Var(X) = E(X^2) - [E(X)]^2 = 15.17 - (3.5)^2 = 15.17 - 12.25 = 2.92
\]

৩. গড়:

ডেটাসেট: \( {2, 4, 6, 8, 10} \)
\[
\bar{X} = \frac{2 + 4 + 6 + 8 + 10}{5} = 6
\]

সারসংক্ষেপ

• গাণিতিক প্রত্যাশা: দৈব চলকের ওজনকৃত গড়।
• গড়: সাধারণ ডেটাসেটের জন্য গড় বা গাণিতিক প্রত্যাশা।
• ভেদাঙ্ক: মানগুলোর গড় থেকে বিচ্যুতির স্কোয়ারের গড়, যা পরিবর্তনশীলতার একটি পরিমাপ।

গাণিতিক প্রত্যাশার উপপাদ্য

গাণিতিক প্রত্যাশা \(E(X)\)-এর উপর বিভিন্ন গুরুত্বপূর্ণ উপপাদ্য আছে, যা দৈব চলক এবং তার প্রত্যাশা সম্পর্কিত বিভিন্ন সম্পর্ক নির্ধারণে সহায়ক। নিচে কয়েকটি গুরুত্বপূর্ণ উপপাদ্য এবং তার প্রমাণ প্রদান করা হলো।

১. রৈখিকতার উপপাদ্য (Linearity of Expectation)

উপপাদ্য:

যদি \(X\) এবং \(Y\) দুটি দৈব চলক হয় এবং \(a, b\) ধ্রুবক হয়, তবে:
\[
E(aX + bY) = aE(X) + bE(Y)
\]

প্রমাণ:

\[
E(aX + bY) = \sum_{i} \sum_{j} (aX_i + bY_j) \cdot P(X = X_i, Y = Y_j)
\]

এখানে \(P(X = X_i, Y = Y_j)\) হলো \(X\) এবং \(Y\)-এর যুগপৎ (joint) সম্ভাবনা।
এখন গুণসংকেত আলাদা করি:
\[
E(aX + bY) = a \sum_{i} \sum_{j} X_i \cdot P(X = X_i, Y = Y_j) + b \sum_{i} \sum_{j} Y_j \cdot P(X = X_i, Y = Y_j)
\]

যেহেতু \(P(X = X_i)\) এবং \(P(Y = Y_j)\) স্বাধীন হতে পারে বা যুগপৎ হতে পারে, গাণিতিক প্রত্যাশার সংজ্ঞা অনুযায়ী:
\[
E(aX + bY) = aE(X) + bE(Y)
\]

২. ধ্রুবকের প্রত্যাশা (Expectation of a Constant)

উপপাদ্য:

যদি \(c\) একটি ধ্রুবক হয়, তবে:
\[
E(c) = c
\]

প্রমাণ:

ধ্রুবকের গাণিতিক প্রত্যাশা এমন একটি মান, যা নিজেই সেই ধ্রুবকের মান সমান।
\[
E(c) = \sum_{i} c \cdot P(X = x_i) = c \cdot \sum_{i} P(X = x_i)
\]

যেহেতু সম্ভাবনার যোগফল ১, তাই:
\[
E(c) = c
\]

৩. দুই দৈব চলকের যোগের প্রত্যাশা (Expectation of the Sum of Two Random Variables)

উপপাদ্য:

যদি \(X\) এবং \(Y\) দুটি দৈব চলক হয়, তবে:
\[
E(X + Y) = E(X) + E(Y)
\]

প্রমাণ:

গাণিতিক প্রত্যাশার সংজ্ঞা অনুযায়ী:
\[
E(X + Y) = \sum_{i} \sum_{j} (X_i + Y_j) \cdot P(X = X_i, Y = Y_j)
\]

এখন গুণসংকেত আলাদা করে:
\[
E(X + Y) = \sum_{i} \sum_{j} X_i \cdot P(X = X_i, Y = Y_j) + \sum_{i} \sum_{j} Y_j \cdot P(X = X_i, Y = Y_j)
\]

গাণিতিক প্রত্যাশার সংজ্ঞা অনুযায়ী:
\[
E(X + Y) = E(X) + E(Y)
\]

৪. স্বাধীন দৈব চলকের প্রত্যাশা (Independence of Random Variables)

উপপাদ্য:

যদি \(X\) এবং \(Y\) স্বাধীন দৈব চলক হয়, তবে:
\[
E(XY) = E(X) \cdot E(Y)
\]

প্রমাণ:

যেহেতু \(X\) এবং \(Y\) স্বাধীন, তাদের যুগপৎ সম্ভাবনা:
\[
P(X = X_i, Y = Y_j) = P(X = X_i) \cdot P(Y = Y_j)
\]

গাণিতিক প্রত্যাশার সংজ্ঞা অনুযায়ী:
\[
E(XY) = \sum_{i} \sum_{j} X_i Y_j \cdot P(X = X_i, Y = Y_j)
\]

এখন যুগপৎ সম্ভাবনার মান বসাই:
\[
E(XY) = \sum_{i} \sum_{j} X_i Y_j \cdot P(X = X_i) \cdot P(Y = Y_j)
\]

গুণসংকেত আলাদা করি:
\[
E(XY) = \left(\sum_{i} X_i \cdot P(X = X_i)\right) \cdot \left(\sum_{j} Y_j \cdot P(Y = Y_j)\right)
\]

এবং:
\[
E(XY) = E(X) \cdot E(Y)
\]

৫. গাণিতিক প্রত্যাশার ধারণাগুলোর এক্সটেনশন

i. মাঝারি মানের জন্য:

যদি \(g(X)\) একটি ফাংশন হয়, তবে:
\[
E(g(X)) = \sum_{i} g(x_i) \cdot P(X = x_i) \quad \text{(বিচ্ছিন্ন চলকের জন্য)}
\]
\[
E(g(X)) = \int_{-\infty}^{\infty} g(x) \cdot f(x) dx \quad \text{(ধারাবাহিক চলকের জন্য)}
\]

ii. সামষ্টিক প্রত্যাশা:

\[
E\left(\sum_{i=1}^{n} X_i\right) = \sum_{i=1}^{n} E(X_i)
\]

সারসংক্ষেপ

গাণিতিক প্রত্যাশার উপপাদ্যগুলো দৈব চলকের আচরণ এবং তাদের সম্পর্ক নির্ণয়ে অত্যন্ত গুরুত্বপূর্ণ। রৈখিকতা, ধ্রুবকের প্রত্যাশা, এবং স্বাধীন দৈব চলকের প্রত্যাশা সহ এই উপপাদ্যগুলো বাস্তব পরিসংখ্যান এবং সম্ভাব্যতা সমস্যার সমাধানে ব্যাপকভাবে ব্যবহৃত হয়।

গাণিতিক প্রত্যাশা সংক্রান্ত সমস্যাগুলো

গাণিতিক প্রত্যাশা (Mathematical Expectation) দৈব চলকের সম্ভাব্য মানগুলোর সম্ভাবনার ওজনযুক্ত গড় নির্ধারণ করে। এটি দৈব চলকের দীর্ঘমেয়াদি গড় মান হিসেবেও পরিচিত। নিচে গাণিতিক প্রত্যাশা সম্পর্কিত কয়েকটি সমস্যা এবং তাদের সমাধান দেওয়া হলো।

সমস্যা ১: ছক্কার গাণিতিক প্রত্যাশা

একটি ছক্কা নিক্ষেপ করা হয়েছে। \(X\) দৈব চলকটি ছক্কার মুখে আসা সংখ্যাকে নির্দেশ করে। \(P(X=x) = \frac{1}{6}\) প্রতিটি মানের জন্য। \(E(X)\) নির্ণয় করুন।

সমাধান:

সম্ভাব্য মানগুলো: \(X = {1, 2, 3, 4, 5, 6}\)।
প্রত্যেকটির সম্ভাবনা: \(P(X=x) = \frac{1}{6}\)।
গাণিতিক প্রত্যাশার সূত্র:
\[
E(X) = \sum_{i=1}^{6} x_i \cdot P(X = x_i)
\]

এখন,
\[
E(X) = \frac{1}{6}(1 + 2 + 3 + 4 + 5 + 6) = \frac{1}{6}(21) = 3.5
\]

সুতরাং, \(E(X) = 3.5\)।

সমস্যা ২: পয়েন্টসের গাণিতিক প্রত্যাশা

একটি মুদ্রা নিক্ষেপ করা হয়েছে। যদি মাথা (Head) আসে, \(X = 10\) এবং যদি লেজ (Tail) আসে, \(X = 5\)। মুদ্রা ন্যায়সঙ্গত হওয়ায় \(P(Head) = P(Tail) = 0.5\)। \(E(X)\) নির্ণয় করুন।

সমাধান:

সম্ভাব্য মানগুলো: \(X = {10, 5}\)।
সম্ভাবনা: \(P(X = 10) = 0.5\), \(P(X = 5) = 0.5\)।

গাণিতিক প্রত্যাশার সূত্র:
\[
E(X) = \sum_{i} x_i \cdot P(X = x_i)
\]

এখন,
\[
E(X) = (10 \cdot 0.5) + (5 \cdot 0.5) = 5 + 2.5 = 7.5
\]

সুতরাং, \(E(X) = 7.5\)।

সমস্যা ৩: ধ্রুবক দ্বারা গুণিত গাণিতিক প্রত্যাশা

ধরা যাক \(X\) একটি দৈব চলক, যার \(E(X) = 4\)। যদি \(Y = 3X + 2\), তবে \(E(Y)\) নির্ণয় করুন।

সমাধান:

গাণিতিক প্রত্যাশার রৈখিকতার সূত্র ব্যবহার করি:
\[
E(aX + b) = aE(X) + b
\]

এখানে, \(a = 3\) এবং \(b = 2\)।
তাহলে,
\[
E(Y) = 3E(X) + 2 = 3(4) + 2 = 12 + 2 = 14
\]

সুতরাং, \(E(Y) = 14\)।

সমস্যা ৪: দুটি স্বাধীন দৈব চলকের প্রত্যাশা

ধরা যাক \(X\) এবং \(Y\) দুটি স্বাধীন দৈব চলক, যেখানে \(E(X) = 5\) এবং \(E(Y) = 3\)। \(E(X + Y)\) এবং \(E(XY)\) নির্ণয় করুন।

সমাধান:

1. \(E(X + Y)\):
   গাণিতিক প্রত্যাশার যোগসূত্র অনুসারে:
   \[
   E(X + Y) = E(X) + E(Y)
   \]
   এখানে,
   \[
   E(X + Y) = 5 + 3 = 8
   \]
2. \(E(XY)\):
   যেহেতু \(X\) এবং \(Y\) স্বাধীন, তাই:
   \[
   E(XY) = E(X) \cdot E(Y)
   \]
   এখানে,
   \[
   E(XY) = 5 \cdot 3 = 15
   \]

সুতরাং, \(E(X + Y) = 8\) এবং \(E(XY) = 15\)।

সমস্যা ৫: বিন্যাস প্রত্যাশা (Expected Value of a Function)

ধরা যাক \(X\) একটি দৈব চলক, যার মান \(1, 2, 3\), এবং এর যথাক্রমে সম্ভাবনা \(P(X = 1) = 0.2\), \(P(X = 2) = 0.5\), এবং \(P(X = 3) = 0.3\)। যদি \(g(X) = 2X + 1\), তবে \(E(g(X))\) নির্ণয় করুন।

সমাধান:

গাণিতিক প্রত্যাশার সূত্র:
\[
E(g(X)) = \sum_{i} g(x_i) \cdot P(X = x_i)
\]

এখন \(g(X)\)-এর মান নির্ণয় করি:

• \(g(1) = 2(1) + 1 = 3\)
• \(g(2) = 2(2) + 1 = 5\)
• \(g(3) = 2(3) + 1 = 7\)

এখন,
\[
E(g(X)) = (3 \cdot 0.2) + (5 \cdot 0.5) + (7 \cdot 0.3)
\]

\[
E(g(X)) = 0.6 + 2.5 + 2.1 = 5.2
\]

সুতরাং, \(E(g(X)) = 5.2\)।

সমস্যা ৬: ধারাবাহিক দৈব চলকের প্রত্যাশা

ধরা যাক \(X\) একটি ধারাবাহিক দৈব চলক, যার সম্ভাবনা ঘনত্ব ফাংশন (PDF):
\[
f(x) = 2x, \quad 0 \leq x \leq 1
\]
\(E(X)\) নির্ণয় করুন।

সমাধান:

গাণিতিক প্রত্যাশার সূত্র:
\[
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) dx
\]

এখানে \(f(x) = 2x\), এবং \(0 \leq x \leq 1\), তাই:
\[
E(X) = \int_{0}^{1} x \cdot 2x , dx = \int_{0}^{1} 2x^2 , dx
\]

এখন সমাধান করি:
\[
E(X) = 2 \int_{0}^{1} x^2 , dx = 2 \cdot \left[\frac{x^3}{3}\right]_{0}^{1}
\]

\[
E(X) = 2 \cdot \left(\frac{1^3}{3} - \frac{0^3}{3}\right) = 2 \cdot \frac{1}{3} = \frac{2}{3}
\]

সুতরাং, \(E(X) = \frac{2}{3}\)।

সারসংক্ষেপ

• গাণিতিক প্রত্যাশা দৈব চলকের ওজনকৃত গড় এবং দৈব ঘটনার দীর্ঘমেয়াদি গড় মূল্যায়ন করতে ব্যবহৃত হয়।
• প্রত্যাশার রৈখিকতার সূত্র সমস্যাগুলোকে সহজে সমাধান করতে সাহায্য করে।
• ধারাবাহিক ও বিচ্ছিন্ন উভয় ধরনের দৈব চলকের জন্য প্রত্যাশা নির্ণয়ের প্রক্রিয়া বিভিন্ন হলেও ধারণাটি একই।