پروبیبلٹی کیلکولیٹر

دو ایونٹس کی پروبیبلٹی کا کیلکولیٹر

جب آپ دو آزاد ایونٹس (independent events) کی پروبیبلٹی جانتے ہوں، تو آپ ان کے ایک ساتھ وقوع پذیر ہونے کے امکانات معلوم کرنے کے لیے دو ایونٹس کی پروبیبلٹی کا کیلکولیٹر استعمال کر سکتے ہیں۔ بس اپنے دو آزاد ایونٹس (ایونٹ A کی پروبیبلٹی اور ایونٹ B کی پروبیبلٹی) کو ٹول میں درج کریں۔ یہ کیلکولیٹر فوری طور پر یونین، انٹرسیکشن، اور دیگر متعلقہ پروبیبلٹیز تیار کرے گا، اور نتائج کو سمجھنے میں آپ کی مدد کے لیے بصری وین ڈایاگرامز (Venn diagrams) بھی فراہم کرے گا۔

دو ایونٹس کے لیے پروبیبلٹی سالور

دو ایونٹس کے لیے پروبیبلٹی سالور آپ کو دو آزاد ایونٹس کی مختلف پروبیبلٹیز کا حساب لگانے کی سہولت دیتا ہے، بشرطیکہ آپ کے پاس کوئی بھی دو ان پٹ اقدار موجود ہوں۔ یہ اس وقت انتہائی مفید ہوتا ہے جب ایک یا دونوں ایونٹس کی ابتدائی پروبیبلٹیز نامعلوم ہوں۔ یہ ٹول نہ صرف حتمی جواب فراہم کرتا ہے بلکہ آپ کے حوالے کے لیے مکمل اور مرحلہ وار کیلکولیشنز بھی دکھاتا ہے۔

آزاد ایونٹس کے سلسلے کی پروبیبلٹی

آپ آزاد ایونٹس کے سلسلے کی پروبیبلٹی کا کیلکولیٹر استعمال کر کے ایسے تجربات کا جائزہ لے سکتے ہیں جہاں آزاد ایونٹس یکے بعد دیگرے پیش آتے ہیں۔ ان لگاتار واقعات کی پروبیبلٹی معلوم کرنے کے لیے، بس درکار پروبیبلٹیز درج کریں اور ایونٹ کے وقوع پذیر ہونے کی تعداد سیٹ کریں۔

نارمل ڈسٹری بیوشن کی پروبیبلٹی

ہمارا نارمل ڈسٹری بیوشن پروبیبلٹی کیلکولیٹر نارمل کریو (normal curve) کے تحت پروبیبلٹی کا تعین کرنے کے لیے ایک بہترین ٹول ہے۔ بس اوسط μ، معیاری انحراف (standard deviation) σ، اور اپنی مطلوبہ حدیں درج کریں۔ یہ نارمل پروبیبلٹی کیلکولیٹر تیزی سے مخصوص حدود کے لیے پروبیبلٹی کا حساب لگائے گا اور مختلف کنفیڈنس لیولز میں کنفیڈنس انٹرولز فراہم کرے گا۔

پروبیبلٹی کا تعارف

پروبیبلٹی کسی مخصوص واقعے کے پیش آنے کا شماریاتی امکان ہے۔ جب کسی واقعے کا ہونا بالکل یقینی ہو تو اس کی پروبیبلٹی 1 ہوتی ہے۔ اس کے برعکس، جب کوئی واقعہ ناممکن ہو تو اس کی پروبیبلٹی 0 ہوتی ہے۔ نتیجتاً، کسی بھی واقعے کی پروبیبلٹی ہمیشہ 0 اور 1 کے درمیان ہوتی ہے۔ ایک مخصوص پروبیبلٹی کیلکولیٹر کا استعمال ان امکانات کا جائزہ لینا انتہائی آسان اور درست بنا دیتا ہے۔

ایونٹ آپریشنز کے اصول

شماریات میں، کسی تجربے کے نتائج کی کسی بھی مخصوص گروپ بندی کو ایونٹ (event) کہا جاتا ہے۔ بنیادی طور پر، ایونٹ کسی بھی سیمپل اسپیس (sample space) کا سب سیٹ ہوتا ہے۔ ان ایونٹس کا تجزیہ کرنے کے لیے استعمال ہونے والے بنیادی آپریشنز تکمیلی (complement)، تقاطع (intersection)، اور یونین (union) ہیں۔ آئیے ایک عملی مثال کا استعمال کرتے ہوئے ان میں سے ہر ایک اصول کا جائزہ لیں۔

مثال

فرض کریں آپ کے کالج میں بزنس فیکلٹی سمیت مختلف شعبے ہیں۔ کالج میں بین الاقوامی طلباء بھی داخل ہیں۔ ایک پروجیکٹ کے حصے کے طور پر، آپ کو طلباء کے انٹرویوز کرنے ہیں، اور آپ فیصلہ کرتے ہیں کہ گیٹ سے داخل ہونے والے پہلے شخص سے آغاز کیا جائے۔ آپ درج ذیل پروبیبلٹیز سے واقف ہیں:

A = پہلا طالب علم بزنس فیکلٹی سے ہے۔

B = پہلا طالب علم ایک بین الاقوامی طالب علم ہے۔

P(A) = 0.6

P(B) = 0.3

ایونٹ کا تکمیلی (Complement)

کسی ایونٹ کے تکمیلی (complement) میں سیمپل اسپیس کے وہ تمام نتائج شامل ہوتے ہیں جو اس مخصوص ایونٹ کا حصہ نہیں ہوتے۔

مثال کے طور پر، ایونٹ A کے کمپلیمنٹ کا مطلب یہ ہے کہ منتخب کیا گیا پہلا طالب علم بزنس فیکلٹی کے علاوہ کسی اور شعبے سے ہے۔ اسے \$A\prime\$ یا Aᶜ سے ظاہر کیا جا سکتا ہے۔

آئیے وین ڈایاگرام کا استعمال کرتے ہوئے ایونٹ A کے کمپلیمنٹ کو دیکھیں۔

اوپر دیے گئے وین ڈایاگرام میں، رنگین حصہ ایونٹ A کے کمپلیمنٹ کی نمائندگی کرتا ہے۔

مستطیل کا کل رقبہ سیمپل اسپیس کی مجموعی پروبیبلٹی کو ظاہر کرتا ہے، جو بالکل 1 ہے۔ دائرہ A کے باہر کی جگہ ایونٹ A کے کمپلیمنٹ کی پروبیبلٹی کو واضح کرتی ہے۔ یہ بصری نمائندگی ہمیں درج ذیل تعلق قائم کرنے میں مدد دیتی ہے:

$$P\left(A\right)+P\left(A^\prime\right)=1$$

لہذا،

$$P\left(A^\prime\right)=1-P\left(A\right)$$

اب، آئیے متعلقہ پروبیبلٹیز کا حساب لگاتے ہیں۔

انٹرویو کے لیے منتخب ہونے والے پہلے طالب علم کے بزنس فیکلٹی سے نہ ہونے کی پروبیبلٹی یہ ہے:

$$P\left(A^\prime\right)=1-P\left(A\right)=1-0.6=0.4$$

اس بات کی پروبیبلٹی کہ منتخب کردہ پہلا طالب علم بین الاقوامی طالب علم نہیں ہے:

$$P\left(B^\prime\right)=1-P\left(B\right)=1-0.3=0.7$$

ایونٹس کا تقاطع (Intersection)

دو ایونٹس، A اور B، کے تقاطع (intersection) میں ان تمام مشترک عناصر کا سیٹ شامل ہوتا ہے جو دونوں ایونٹس میں موجود ہوں۔ اس انٹرسیکشن کو ظاہر کرنے کے لیے اکثر لفظ "اور" (AND) کا استعمال کیا جاتا ہے۔

ہماری مثال میں، ایونٹ A اور ایونٹ B کے انٹرسیکشن کا مطلب ایک ایسے طالب علم کو منتخب کرنا ہے جو ایک بین الاقوامی طالب علم ہے اور اس کا تعلق بزنس فیکلٹی سے ہے۔ اسے ریاضیاتی طور پر اس طرح ظاہر کیا جاتا ہے:

$$A\cap B$$

آئیے وین ڈایاگرام کے ذریعے ایونٹس A اور B کے انٹرسیکشن کو دیکھیں۔

اوپر دیے گئے وین ڈایاگرام میں، سایہ دار حصہ ایونٹس A اور B کے انٹرسیکشن کو نمایاں کرتا ہے۔

اب، آئیے ایونٹ C کو شامل کرتے ہیں: انٹرویو کے لیے ایک مقامی طالب علم کا انتخاب۔ ہم ایونٹس A اور C کو ایک نئے وین ڈایاگرام میں دکھا سکتے ہیں۔

چونکہ کوئی طالب علم بیک وقت مقامی اور بین الاقوامی نہیں ہو سکتا، اس لیے بین الاقوامی طالب علم کا انتخاب فطری طور پر مقامی طالب علم کے انتخاب کے امکان کو ختم کر دیتا ہے۔ چونکہ یہ ایک ہی وقت میں واقع نہیں ہو سکتے، اس لیے ایونٹس A اور C کو باہمی طور پر خارج (mutually exclusive) سمجھا جاتا ہے۔

باہمی طور پر خارج ایونٹس میں کوئی مشترکہ عنصر نہیں ہوتا۔ اس کے نتیجے میں، ان کا تقاطع (intersection) خالی ہوتا ہے:

$$A\cap C=φ$$

معلوم متغیرات کی بنیاد پر آپ انٹرسیکشن کی پروبیبلٹی کا حساب لگانے کے لیے مختلف طریقے استعمال کر سکتے ہیں۔ ایونٹس A اور B کے لیے انٹرسیکشن کو ان فارمولوں کی مدد سے لکھا جا سکتا ہے:

$$P\left(A\cap B\right)=P\left(A\right)+P\left(B\right)-P\left(A\cup B\right)$$

$$P\left(A\cap B\right)=P(A)× P(B/A)$$

$$P\left(A\cap B\right)=P(B)× P(A/B)$$

آزاد ایونٹس (Independent Events)

آزاد ایونٹس (Independent events) وہ ایونٹس ہیں جن کے نتائج ایک دوسرے پر اثر انداز نہیں ہوتے۔ ہماری مثال کی طرف واپس آتے ہوئے، بزنس فیکلٹی سے کسی طالب علم کے انتخاب کا اس بات پر کوئی اثر نہیں پڑتا کہ وہ طالب علم بین الاقوامی ہے یا مقامی۔ اس لیے، ایونٹ A اور ایونٹ B آزاد ایونٹس ہیں۔

جب ایونٹس مکمل طور پر آزاد ہوں، تو ایک کے ہونے کی پروبیبلٹی دوسرے کے وقوع پذیر ہونے پر انحصار نہیں کرتی۔ لہٰذا، ریاضیاتی تعلق اس طرح ظاہر کیا جاتا ہے:

$$P(B/A)=B\ and\ P(A/B)=A$$

آزاد ایونٹس کے انٹرسیکشن کی پروبیبلٹی تلاش کرنے کے عمل کو آسان بنانے کے لیے آپ ان اقدار کو ہماری پچھلی مساواتوں میں شامل کر سکتے ہیں:

$$P\left(A\cap B\right)=P\left(A\right)× P\left(\mathrm{B/A}\right)P\left(A\cap B\right)=P(A)× P(B)$$

$$P\left(A\cap B\right)=P\left(B\right)× P\left(\mathrm{A/B}\right)P\left(A\cap B\right)=P(B)× P(A)$$

اس کا مطلب ہے کہ آپ صرف ان کی انفرادی پروبیبلٹیز کو ضرب دے کر باآسانی دو آزاد ایونٹس کا انٹرسیکشن معلوم کر سکتے ہیں:

$$P\left(A\cap B\right)=P\left(A\right)× P\left(B\right)=P(B)× P(A)$$

یہ دیکھتے ہوئے کہ ایونٹس A اور B آزاد ہیں، آئیے اس بات کی پروبیبلٹی معلوم کریں کہ انٹرویو کے لیے چنا گیا پہلا طالب علم بزنس فیکلٹی سے اور بین الاقوامی طالب علم دونوں ہوگا:

$$P\left(A\cap B\right)=P\left(A\right)× P\left(B\right)=0.6× 0.3=0.18$$

ایونٹس کا یونین (Union)

دو ایونٹس کے یونین (union) کے نتیجے میں ایک وسیع تر ایونٹ بنتا ہے جس میں دونوں اصلی ایونٹس کے تمام عناصر شامل ہوتے ہیں۔ اس قسم کے تعلق کو بیان کرنے کے لیے عام طور پر لفظ "یا" (OR) استعمال ہوتا ہے۔

ہماری جاری مثال میں، ایونٹس A اور B کے یونین کا مطلب ایک ایسے طالب علم کو منتخب کرنا ہے جو یا تو بین الاقوامی ہو یا بزنس فیکلٹی سے ہو (یا دونوں)۔ اسے اس طرح ظاہر کیا جاتا ہے:

$$A\cup B$$

آئیے وین ڈایاگرام کی مدد سے ایونٹس A اور B کے یونین کو دیکھیں۔

اوپر دیے گئے وین ڈایاگرام میں، تمام رنگین حصہ ایونٹس A اور B کے یونین کی نمائندگی کرتا ہے۔

ایونٹ A یا ایونٹ B کے پیش آنے کی پروبیبلٹی کا حساب لگانے کے لیے، ہم دونوں انفرادی ایونٹس کی پروبیبلٹیز کو جمع کرتے ہیں اور پھر ان کے انٹرسیکشن کی پروبیبلٹی کو تفریق کرتے ہیں۔

ایونٹس A اور B کے درمیان یونین کی پروبیبلٹی کا فارمولا اس طرح لکھا جاتا ہے:

$$P\left(A\cup B\right)=P\left(A\right)+P\left(B\right)-P\left(A\cap B\right)$$

ہم اسے دو آزاد ایونٹس کے یونین کے لیے ایک مخصوص فارمولا بنانے کے لیے تبدیل بھی کر سکتے ہیں۔ یہ اس وقت خاص طور پر مددگار ہوتا ہے جب انٹرسیکشن کی پروبیبلٹی نامعلوم ہو۔

چونکہ ایونٹس آزاد ہیں:

$$P\left(A\cap B\right)=P(A)× P(B)$$

اس لیے، یونین کا فارمولا یہ بن جاتا ہے:

$$P\left(A\cup B\right)=P\left(A\right)+P\left(B\right)-P(A)× P(B)$$

آئیے ایونٹس A اور B کے یونین کی پروبیبلٹی کا حساب لگاتے ہیں۔ دوسرے الفاظ میں، ایک ایسے طالب علم کے انتخاب کا کیا امکان ہے جو بزنس کا طالب علم ہو، بین الاقوامی طالب علم ہو، یا بیک وقت دونوں ہو؟

$$P(A\cup B)=P(A)+P(B)-P(A\cap B)=0.6+0.3-0.18=0.72$$

ہمارے دو ایونٹس کی پروبیبلٹی کا کیلکولیٹر اور دو ایونٹس کے لیے پروبیبلٹی سالور کا شکریہ، آپ یہ تمام کیلکولیشنز فوری طور پر کر سکتے ہیں۔ یہ ٹولز دستی حساب کتاب کی تصدیق کے لیے بہترین ہیں، کیونکہ یہ حتمی جوابات کے ساتھ ساتھ تفصیلی اور مرحلہ وار کیلکولیشنز دکھاتے ہیں۔

نارمل ڈسٹری بیوشن (Normal Distribution)

نارمل ڈسٹری بیوشن ایک متوازی (symmetrical)، گھنٹی کی شکل کا کریو (curve) ہے۔ ایک پرفیکٹ نارمل ڈسٹری بیوشن میں، اوسط (mean)، درمیانہ (median)، اور موڈ (mode) سب ایک جیسے ہوتے ہیں۔ بالکل 50% ڈیٹا اوسط سے اوپر اور بقیہ 50% اس سے نیچے ہوتا ہے۔ جیسے جیسے یہ کریو دونوں سمتوں میں اوسط سے دور ہوتا ہے، یہ X-axis کے قریب پہنچتا ہے—لیکن اسے کبھی بھی چھوتا نہیں ہے۔ اس کریو کے نیچے کل رقبہ ہمیشہ 1 کے برابر ہوتا ہے۔

اگر کوئی بے ترتیب متغیر (random variable) X پیرامیٹرز μ (اوسط) اور σ² (ویرینس) کے ساتھ نارمل ڈسٹری بیوشن کی پیروی کرتا ہے، تو اسے X ~ N(μ, σ²) کے طور پر لکھا جاتا ہے۔

نارمل ڈسٹری بیوشن کی پروبیبلٹی

نارمل ڈسٹری بیوشن کے پروبیبلٹی ڈینسٹی فنکشن کو اس طرح ظاہر کیا جاتا ہے:

$$f\left(x\right)=\frac{1}{\sqrt{2π\sigma^2}}× e^\frac{-{(x-\mu)}^2}{2\sigma^2}$$

اس فنکشن میں:

• μ ڈسٹری بیوشن کی اوسط (mean) ہے؛
• σ² ڈسٹری بیوشن کا ویرینس (variance) ہے؛
• π تقریباً 3.14 ہے؛
• e تقریباً 2.7182 ہے۔

چونکہ نارمل کروز (normal curves) کی ایک لامحدود تعداد ہوتی ہے، اس لیے اوسط اور معیاری انحراف (standard deviation) کے ہر ممکنہ امتزاج کے لیے ایک پروبیبلٹی ٹیبل بنانا ناممکن ہے۔ اس مسئلے کو حل کرنے کے لیے، ماہرینِ شماریات معیاری نارمل ڈسٹری بیوشن (standard normal distribution) کا استعمال کرتے ہیں۔ یہ نارمل ڈسٹری بیوشن کی ایک خاص صورت ہے جہاں اوسط 0 اور معیاری انحراف 1 ہوتا ہے۔

نارمل ڈسٹری بیوشن کی پروبیبلٹی کا دستی حساب لگانے کے لیے، آپ کو پہلے z-score استعمال کر کے اپنی مخصوص ڈسٹری بیوشن کو اسٹینڈرڈ نارمل ڈسٹری بیوشن میں تبدیل کرنا ہوگا۔ ایک بار تبدیل ہونے کے بعد، آپ پروبیبلٹی معلوم کرنے کے لیے z-ٹیبل استعمال کر سکتے ہیں۔ متبادل کے طور پر، ہمارا نارمل پروبیبلٹی کیلکولیٹر بغیر کسی دستی چارٹ کو دیکھے پروبیبلٹیز اور کنفیڈنس انٹرولز کا فوری حساب لگا کر اسٹینڈرڈ نارمل پروبیبلٹی کیلکولیٹر کے طور پر بغیر کسی رکاوٹ کے کام کرتا ہے۔

z-score کا فارمولا یہ ہے:

$$Z=\frac{X-\mu}{\sigma}$$

معیاری نارمل ڈسٹری بیوشن کریو (standard normal distribution curve) حقیقی دنیا کے شماریاتی مسائل کو حل کرنے کے لیے ایک طاقتور ٹول ہے۔ اسے خاص طور پر مسلسل متغیرات (continuous variables) کی پروبیبلٹی معلوم کرنے کے لیے استعمال کیا جاتا ہے۔ ایک مسلسل متغیر اعشاریہ سمیت لامحدود اقدار لے سکتا ہے—جیسے اونچائی، وزن، اور درجہ حرارت۔

آئیے ایک عملی مثال کا استعمال کرتے ہوئے سمجھتے ہیں کہ نارمل ڈسٹری بیوشن میں پروبیبلٹی کیسے معلوم کی جائے۔

مثال

فرض کریں آپ کے شماریات (statistics) کے کورس کے نتائج نارمل ڈسٹری بیوٹڈ (normally distributed) ہیں، جن میں اوسط اسکور 65 اور معیاری انحراف 10 ہے۔ اگر کسی طالب علم کو بے ترتیب (random) طور پر منتخب کیا جاتا ہے، تو درج ذیل صورتحال کی پروبیبلٹی معلوم کریں:

• طالب علم کا اسکور 70 کے برابر یا اس سے زیادہ ہے۔
• طالب علم کا اسکور سختی سے 70 سے کم ہے۔
• طالب علم کا اسکور 50 اور 70 کے درمیان ہے۔

حل (Solution)

$$P\left(X≥70\right)=P\left(Z≥\frac{70-65}{10}\right)=P\left(Z≥0.5\right)=1-0.6915=0.3085$$

$$P\left(X<70\right)=P\left(Z<\frac{70-65}{10}\right)=P\left(Z<0.5\right)=0.6915$$

$$P\left(50>X>70\right)=P\left(\frac{50-65}{10}>Z>\frac{70-65}{10}\right)=P\left(1.5>Z>0.5\right)=0.4332+0.1915=0.6247$$

نارمل کریو کی پروبیبلٹی کا دستی طور پر حساب لگانے میں متعدد پیچیدہ اقدامات شامل ہوتے ہیں اور اس کے لیے z-tables پڑھنے کی ضرورت ہوتی ہے۔ خوش قسمتی سے، ہمارا نارمل ڈسٹری بیوشن پروبیبلٹی کیلکولیٹر آپ کو اس پریشانی سے بچنے کی سہولت دیتا ہے۔ بس چار اقدار درج کریں—اوسط، معیاری انحراف، اور بائیں اور دائیں حدیں—اور کیلکولیٹر فوری طور پر آپ کے لیے درست پروبیبلٹی کا حساب لگائے گا۔