নতুন তথ্য সম্ভাব্যতা বদলে দেয়
ধরুন সকালে ঘুম থেকে উঠে জানালা দিয়ে দেখলেন আকাশ ঘন মেঘলা। এখন বৃষ্টির সম্ভাবনা আপনার কাছে কেমন লাগবে? নিশ্চয়ই ঝকঝকে রোদের দিনের চেয়ে বেশি। আকাশ মেঘলা - এই নতুন তথ্য আপনার বৃষ্টির সম্ভাব্যতার অনুমান বদলে দিয়েছে। এটাই শর্তসাপেক্ষ সম্ভাব্যতা - একটা ঘটনা জানার পর আরেকটা ঘটনার সম্ভাব্যতা কীভাবে পরিবর্তন হয়।
শর্তসাপেক্ষ সম্ভাব্যতার সংজ্ঞা
P(ক | খ) - এটা পড়া হয় "খ ঘটেছে জানলে ক-এর সম্ভাব্যতা।" "|" চিহ্নটা মানে "এই শর্তে" বা "জানা আছে যে।"
P(ক | খ) = P(ক এবং খ) ÷ P(খ)
শর্ত হলো P(খ) > ০ হতে হবে - যে ঘটনা ঘটেইনি তার শর্তে কিছু হিসাব করা যায় না।
একটা কলেজে ১০০০ জন ছাত্রছাত্রী আছে। তাদের মধ্যে:
- ৬০০ জন বিজ্ঞান বিভাগের
- ৪০০ জন মানবিক/ব্যবসায় শিক্ষার
- ৩০০ জন বিজ্ঞানের ছাত্রছাত্রী GPA ৫.০ পেয়েছে
- ১০০ জন মানবিক/ব্যবসায়ের ছাত্রছাত্রী GPA ৫.০ পেয়েছে
দৈবভাবে একজন ছাত্র বাছাই করা হলো। জানা গেল সে বিজ্ঞান বিভাগের। তার GPA ৫.০ পাওয়ার সম্ভাব্যতা কত?
P(GPA ৫.০ | বিজ্ঞান) = ৩০০/৬০০ = ০.৫ বা ৫০%
কিন্তু যদি জানা যেত সে মানবিক/ব্যবসায়ের: P(GPA ৫.০ | মানবিক/ব্যবসায়) = ১০০/৪০০ = ০.২৫ বা ২৫%
দেখুন - বিভাগ জানার পর সম্ভাব্যতা বদলে গেল।
স্বাধীনতার সাথে সম্পর্ক
যদি একটা ঘটনা জানলে অন্যটার সম্ভাব্যতা না বদলায়, তাহলে তারা স্বাধীন। গাণিতিকভাবে, ক ও খ স্বাধীন যদি:
P(ক | খ) = P(ক)
অর্থাৎ খ জানা বা না জানায় ক-এর সম্ভাব্যতায় কোনো পার্থক্য হয় না।
টসে হেড আসা এবং বাংলাদেশ ব্যাটিং করে ৩০০+ রান করা - এই দুটো কি স্বাধীন? আপাতদৃষ্টিতে মনে হতে পারে না, কারণ টসে জিতলে পিচ দেখে সিদ্ধান্ত নেওয়া যায়। কিন্তু ধরুন টসের ফলাফল ব্যাটিং পারফরম্যান্সকে প্রভাবিত করে না (সবসময় ব্যাট করে)। তাহলে: P(৩০০+ রান | হেড) = P(৩০০+ রান) - তারা স্বাধীন।
কিন্তু বাস্তবে টসে জিতে পিচ বিশ্লেষণ করা যায়, তাই এরা সম্ভবত নির্ভরশীল।
বাস্তব উদাহরণ: চিকিৎসা পরীক্ষা
শর্তসাপেক্ষ সম্ভাব্যতা চিকিৎসায় অত্যন্ত গুরুত্বপূর্ণ। একটা রোগ নির্ণয়ের পরীক্ষা "পজিটিভ" আসলে আসলেই রোগ আছে এমন নাও হতে পারে।
বাংলাদেশে ডায়াবেটিসের প্রকোপ ধরুন ১০% (প্রতি ১০০ জনে ১০ জনের ডায়াবেটিস আছে)। একটা রক্ত পরীক্ষা আছে যা:
- ডায়াবেটিস থাকলে ৯৫% ক্ষেত্রে পজিটিভ দেখায় (সংবেদনশীলতা)
- ডায়াবেটিস না থাকলে ৯০% ক্ষেত্রে নেগেটিভ দেখায় (সুনির্দিষ্টতা)
১০০০ জনের কথা ভাবুন:
- ১০০ জনের ডায়াবেটিস আছে → ৯৫ জন সঠিক পজিটিভ
- ৯০০ জনের নেই → ৯০ জন ভুল পজিটিভ (১০% × ৯০০)
- মোট পজিটিভ: ৯৫ + ৯০ = ১৮৫
P(ডায়াবেটিস | পরীক্ষা পজিটিভ) = ৯৫/১৮৫ ≈ ৫১%
৯৫% নির্ভুল পরীক্ষা পজিটিভ আসলেও আসলে রোগ থাকার সম্ভাবনা মাত্র ৫১%! এটা অনেককে অবাক করে।
শর্তসাপেক্ষ সম্ভাব্যতায় সাধারণ ভুল
P(ক | খ) আর P(খ | ক) একই জিনিস নয়! এটা একটা অত্যন্ত সাধারণ ভুল।
ধরুন বাংলাদেশের ৯০% ডাক্তারের SSC-তে GPA ৫.০ ছিল। তাহলে কি বলা যায় GPA ৫.০ পাওয়া ৯০% ছাত্র ডাক্তার হবে? একদমই না!
- P(GPA ৫.০ | ডাক্তার) = ০.৯০ - ডাক্তারদের মধ্যে ৯০% GPA ৫ পেয়েছিল
- P(ডাক্তার | GPA ৫.০) = অনেক কম - কারণ GPA ৫.০ পাওয়া লক্ষ লক্ষ ছাত্র আছে, তাদের অল্প কিছু ডাক্তার হয়
শর্ত উল্টালে সম্ভাব্যতা সম্পূর্ণ আলাদা হতে পারে।
দৈনন্দিন জীবনে শর্তসাপেক্ষ সম্ভাব্যতা
- ট্রাফিক: "যদি বিকাল ৫টা হয়, তাহলে ফার্মগেটে জ্যাম থাকার সম্ভাবনা কত?" - সময় জানলে জ্যামের সম্ভাব্যতা বদলায়।
- কেনাকাটা: "যদি ঈদের সপ্তাহ হয়, তাহলে পণ্যের দাম বাড়ার সম্ভাবনা কত?"
- পরীক্ষা: "যদি ছাত্র নিয়মিত ক্লাস করে, তাহলে পাস করার সম্ভাবনা কত?"
শর্তসাপেক্ষ সম্ভাব্যতা বলে একটা ঘটনা জানলে আরেকটা ঘটনার সম্ভাব্যতা কীভাবে পরিবর্তন হয়। P(ক | খ) আর P(খ | ক) এক জিনিস নয় - এটা মনে রাখা অত্যন্ত জরুরি। চিকিৎসা পরীক্ষা, অপরাধ বিচার, ব্যবসায়িক সিদ্ধান্ত - সর্বত্র শর্তসাপেক্ষ সম্ভাব্যতা কাজ করে। এটা বুঝলে আপনি তথ্যকে আরো সঠিকভাবে ব্যাখ্যা করতে পারবেন।