اصل بنیادین احتمال: مجموع احتمالها برابر ۱
آشنایی با فضای نمونه، پیشامدهای ساده و قانون طلایی جمع احتمالها در محاسبات پایهای احتمال
در نظریه احتمال، یکی از اساسیترین قوانین، این اصل مهم است که مجموع احتمال تمام اعضای فضای نمونه همواره برابر
1 میباشد. این مقاله با زبانی ساده به بررسی این قانون میپردازد و مفاهیمی مانند فضای نمونه، پیشامدهای ساده و نحوه تخصیص احتمال به آنها را با مثالهای علمی و روزمره توضیح میدهد. درک این اصل، کلید ورود به دنیای محاسبات پیچیدهتر احتمال و آمار است.
فضای نمونه و پیشامدهای ساده: الفبای علم احتمال
برای درک قانون جمع احتمالها، ابتدا باید با دو مفهوم بنیادین در علم احتمال آشنا شویم: فضای نمونه و پیشامد ساده.
فضای نمونه که با نماد $S$ نشان داده میشود، مجموعه تمام نتایج ممکن یک آزمایش تصادفی است. برای مثال، در پرتاب یک تاس سالم، فضای نمونه شامل اعداد
1 تا
6 میشود. به هر یک از این نتایج مجزا، یک پیشامد ساده یا نقطه نمونه میگویند.
مثال ملموس
آزمایش «پرتاب یک سکه» را در نظر بگیرید. فضای نمونه این آزمایش
$S = \{ \text{شیر} , \text{خط} \}$ است. در این فضا، «شیر آمدن» یک پیشامد ساده و «خط آمدن» یک پیشامد ساده دیگر است. هر دوی این پیشامدها با هم، فضای نمونه را میسازند.
هر آزمایش تصادفی یک فضای نمونه منحصربهفرد دارد. ویژگی مهم فضای نمونه این است که اعضای آن (پیشامدهای ساده) باید متناقض (یعنی وقوع همزمان آنها غیرممکن باشد) و جامع (یعنی همه نتایج ممکن را پوشش دهند) باشند.
قانون جمع احتمال: چرا مجموع همیشه 1 است؟
دلیل این قانون به تعریف احتمال برمیگردد. احتمال یک پیشامد، نسبت تعداد دفعات وقوع آن پیشامد به تعداد کل دفعات انجام آزمایش، در یک تعداد آزمایش بسیار زیاد است. از آنجایی که در هر بار انجام آزمایش، قطعاً یکی از اعضای فضای نمونه رخ میدهد، بنابراین مجموع این نسبتها برای تمام اعضای فضای نمونه باید برابر با کل آزمایشها (یعنی یک کل واحد) باشد.
به زبان ریاضی، اگر فضای نمونهای مانند
$S = \{ x_1, x_2, ... , x_n \}$ داشته باشیم که در آن هر
$x_i$ یک پیشامد ساده است و احتمال متناظر با آن
$P(x_i)$ باشد، آنگاه داریم:
$P(x_1) + P(x_2) + ... + P(x_n) = \sum_{i=1}^{n} P(x_i) = 1$
این قانون برای همه حالتها، چه پیشامدها همشانس باشند (مانند تاس سالم) و چه شانسهای متفاوتی داشته باشند (مانند تاس تقلبی)، صادق است. تفاوت در اینجاست که در حالت همشانس، احتمال هر پیشامد ساده
$\frac{1}{n}$ است و مجموع
n تا از آنها برابر
1 میشود. در حالت ناهمسان، احتمالات اعداد متفاوتی هستند، اما باز هم جمع آنها
1 است.
| ویژگی فضای نمونه |
مثال (پرتاب تاس) |
احتمال هر پیشامد ساده |
مجموع احتمالها |
| همشانس (تاس سالم) |
آمدن هر یک از اعداد
1 تا
6 |
$\frac{1}{6}$
|
$\frac{1}{6} \times 6 = 1$
|
| ناهمسان (تاس تقلبی) |
احتمال آمدن عدد
6 دو برابر دیگر اعداد |
$P(1) \text{ تا } P(5) = \frac{1}{7}$ و
$P(6) = \frac{2}{7}$
|
$5 \times \frac{1}{7} + \frac{2}{7} = 1$
|
کاربرد عملی: محاسبه احتمال پیشامدهای مکمل
یکی از مهمترین کاربردهای این قانون، محاسبه احتمال پیشامد مکمل است. اگر
$A$ یک پیشامد از فضای نمونه
$S$ باشد، پیشامد مکمل آن یعنی
$A^c$ (رخ ندادن
$A$)، شامل تمام اعضای فضای نمونه است که در
$A$ نیستند. از آنجایی که اجتماع
$A$ و
$A^c$ برابر کل فضای نمونه است و این دو پیشامد هیچ عضو مشترکی ندارند، خواهیم داشت:
$P(A) + P(A^c) = 1 \Longrightarrow P(A^c) = 1 - P(A)$
برای مثال، اگر در کیسهای
10 توپ وجود داشته باشد که
3 توپ قرمز و بقیه آبی هستند، احتمال اینکه به طور تصادفی یک توپ برداریم و آن توپ قرمز نباشد (یعنی آبی باشد) برابر است با
$1 - P(\text{قرمز}) = 1 - \frac{3}{10} = \frac{7}{10}$. این روش محاسبه اغلب بسیار سادهتر از شمردن مستقیم توپهای آبی است.
فرض کنید در یک بازی شانس، احتمال برنده شدن شما
$0.25$ است. طبق قانون جمع احتمالها، احتمال برنده نشدن شما (که مکمل پیشامد برنده شدن است) برابر
$1 - 0.25 = 0.75$ خواهد بود.
چالشهای مفهومی درک قانون جمع احتمال
❓ اگر احتمال بارانی بودن هوا
0.7 باشد، آیا احتمال بارانی نبودن آن حتماً
0.3 است؟
بله، دقیقاً. پیشامدهای «بارانی بودن» و «بارانی نبودن» مکمل یکدیگرند و تمام فضای نمونه (همه حالتهای ممکن آبوهوا) را پوشش میدهند. بنابراین طبق قانون، مجموع احتمال آنها
1 است و احتمال بارانی نبودن برابر
$1 - 0.7 = 0.3$ خواهد بود.
❓ چرا مجموع احتمال تمام پیشامدهای ساده در پرتاب یک تاس سالم
1 میشود، اما وقتی تاس را میاندازیم ممکن است عدد
6 نیاید؟
قانون جمع احتمالها یک قانون تئوریک و قطعی است که در بلندمدت و در تعداد دفعات بسیار زیاد خود را نشان میدهد. در یک پرتاب، هر نتیجهای ممکن است رخ دهد، اما اگر تاس را میلیونها بار پرتاب کنیم، نسبت دفعات ظاهر شدن هر عدد به کل پرتابها به
$\frac{1}{6}$ نزدیک میشود و مجموع این نسبها دقیقاً
1 خواهد بود. این قانون، «پایداری آماری» نامیده میشود.
❓ اگر احتمال زندگی کردن یک شخص تا
80 سالگی
0.4 و احتمال زندگی کردن تا
90 سالگی
0.2 باشد، آیا این دو پیشامد فضای نمونه را پر میکنند و مجموع احتمالها
0.6 است؟
خیر، این دو پیشامد فضای نمونه را پر نمیکنند، زیرا فضای نمونه شامل تمام سنین ممکن است (مثلاً تا
70 سالگی، بین
80 و
90، و ...). این دو پیشامد، پیشامدهای ساده نیستند و مکمل یکدیگر هم محسوب نمیشوند. برای محاسبه احتمال مکمل «زندگی نکردن تا
80 سالگی» باید از
$1 - 0.4 = 0.6$ استفاده کنیم.
جمعبندی: قانون «مجموع احتمال همه اعضای فضای نمونه برابر
1 است» یکی از پایههای اصلی علم احتمال میباشد. این قانون نتیجهٔ قطعیت وقوع یکی از اعضای فضای نمونه در هر آزمایش تصادفی است. درک این اصل ساده اما قدرتمند، به ما در محاسبه احتمال پیشامدهای پیچیده، بهویژه پیشامدهای مکمل، کمک شایانی میکند و ابزاری برای بررسی صحت محاسبات احتمالی در اختیار ما میگذارد.
پاورقی
1 فضای نمونه (Sample Space): مجموعه تمام نتایج ممکن یک آزمایش تصادفی که با نماد S نشان داده میشود.
2 پیشامد ساده (Simple Event): هر یک از اعضای فضای نمونه که یک نتیجه منحصربهفرد از آزمایش را نشان میدهد و قابل تجزیه به رویدادهای کوچکتر نیست.
3 پیشامد مکمل (Complementary Event): پیشامدی که شامل همه نتایج فضای نمونه به جز نتایج یک پیشامد خاص است.
4 آزمایش تصادفی (Random Experiment): عملی است که نتیجه آن قابل پیشبینی دقیق نبوده و دستکم دو نتیجه ممکن داشته باشد.
