श्रृंखला नियम (संभावना): Difference between revisions

Revision as of 08:00, 12 July 2023

प्रायिकता सिद्धांत में, श्रृंखला नियम^[1] (जिसे सामान्य गुणनफल नियम भी कहा जाता है^[2]^[3]) यह वर्णन करता है कि सशर्त प्रायिकताओं का उपयोग करके, आवश्यक रूप से स्वतंत्र न होते हुए भी, घटनाओं या क्रमशः यादृच्छिक चर के संयुक्त वितरण के प्रतिच्छेदन की संभावना की गणना कैसे करें। नियम का उपयोग विशेष रूप से असतत प्रसंभाव्यता प्रक्रिया के संदर्भ में और अनुप्रयोगों में किया जाता है, उदाहरण के लिए बायेसियन नेटवर्क का अध्ययन, जो सशर्त प्रायिकताओं के संदर्भ में प्रायिकता वितरण का वर्णन करता है।

घटनाओं के लिए श्रृंखला नियम

दो घटनाएँ

दो घटनाओं $A$ और $B$ के लिए, श्रृंखला नियम यह बताता है कि

\mathbb {P} (A\cap B)=\mathbb {P} (B\mid A)\mathbb {P} (A)

,

कहाँ $\mathbb {P} (A\mid B)$ की सशर्त प्रायिकताओं को दर्शाता है $A$ दिया गया $B$ .

उदाहरण

एक कलश A में 1 काली गेंद और 2 सफेद गेंदें हैं और दूसरे कलश B में 1 काली गेंद और 3 सफेद गेंदें हैं। मान लीजिए कि हम यादृच्छिक रूप से एक कलश चुनते हैं और फिर उस कलश से एक गेंद चुनते हैं। चलो घटना $A$ पहला कलश चुनें, यानी $\mathbb {P} (A)=\mathbb {P} ({\overline {A}})=1/2$ , कहाँ ${\overline {A}}$ की पूरक घटना है $A$ . चलो घटना $B$ मौका हो कि हम सफेद गेंद चुनें। सफ़ेद गेंद चुनने का मौका, यह देखते हुए कि हमने पहला कलश चुना है $\mathbb {P} (B|A)=2/3.$ चौराहा $A\cap B$ फिर पहला कलश और उसमें से एक सफेद गेंद चुनने का वर्णन करता है। प्रायिकता की गणना श्रृंखला नियम द्वारा निम्नानुसार की जा सकती है:

\mathbb {P} (A\cap B)=\mathbb {P} (B\mid A)\mathbb {P} (A)={\frac {2}{3}}\cdot {\frac {1}{2}}={\frac {1}{3}}.

अंततः अनेक घटनाएँ

घटनाओं के लिए $A_{1},\ldots ,A_{n}$ जिसके प्रतिच्छेदन की संभावना शून्य नहीं है, श्रृंखला नियम बताता है

\begin{aligned} P (A_{1} \cap A_{2} \cap \dots \cap A_{n}) & = P (A_{n} ∣ A_{1} \cap \dots \cap A_{n - 1}) P (A_{1} \cap \dots \cap A_{n - 1}) \\ = P (A_{n} ∣ A_{1} \cap \dots \cap A_{n - 1}) P (A_{n - 1} ∣ A_{1} \cap \dots \cap A_{n - 2}) P (A_{1} \cap \dots \cap A_{n - 2}) \\ = P (A_{n} ∣ A_{1} \cap \dots \cap A_{n - 1}) P (A_{n - 1} ∣ A_{1} \cap \dots \cap A_{n - 2}) \cdot \dots \cdot P (A_{3} ∣ A_{1} \cap A_{2}) P (A_{2} ∣ A_{1}) P (A_{1}) \\ = P (A_{1}) P (A_{2} ∣ A_{1}) P (A_{3} ∣ A_{1} \cap A_{2}) \cdot \dots \cdot P (A_{n} ∣ A_{1} \cap \dots \cap A_{} \end{aligned}

उदाहरण 1

के लिए

n=4

, यानी चार घटनाएं, श्रृंखला नियम पढ़ता है

{\begin{aligned}\mathbb {P} (A_{1}\cap A_{2}\cap A_{3}\cap A_{4})&=\mathbb {P} (A_{4}\mid A_{3}\cap A_{2}\cap A_{1})\mathbb {P} (A_{3}\cap A_{2}\cap A_{1})\\&=\mathbb {P} (A_{4}\mid A_{3}\cap A_{2}\cap A_{1})\mathbb {P} (A_{3}\mid A_{2}\cap A_{1})\mathbb {P} (A_{2}\cap A_{1})\\&=\mathbb {P} (A_{4}\mid A_{3}\cap A_{2}\cap A_{1})\mathbb {P} (A_{3}\mid A_{2}\cap A_{1})\mathbb {P} (A_{2}\mid A_{1})\mathbb {P} (A_{1})\end{aligned}}

.

उदाहरण 2

हम 52 पत्तों वाले स्काट के डेक से यादृच्छिक रूप से बिना प्रतिस्थापन के 4 पत्ते निकालते हैं। इसकी क्या प्रायिकता है कि हमने 4 इक्के चुने हैं?

सबसे पहले, हम सेट करते हैं ${\textstyle A_{n}:=\left\{{\text{draw an ace in the }}n^{\text{th}}{\text{ try}}\right\}}$ . जाहिर है, हमें निम्नलिखित संभावनाएँ मिलती हैं

\mathbb {P} (A_{1})={\frac {4}{52}},\qquad \mathbb {P} (A_{2}\mid A_{1})={\frac {3}{51}},\qquad \mathbb {P} (A_{3}\mid A_{1}\cap A_{2})={\frac {2}{50}},\qquad \mathbb {P} (A_{4}\mid A_{1}\cap A_{2}\cap A_{3})={\frac {1}{49}}

.

श्रृंखला नियम लागू करना,

\mathbb {P} (A_{1}\cap A_{2}\cap A_{3}\cap A_{4})={\frac {4}{52}}\cdot {\frac {3}{51}}\cdot {\frac {2}{50}}\cdot {\frac {1}{49}}

.

प्रमेय का कथन और उपपत्ति

होने देना $(\Omega ,{\mathcal {A}},\mathbb {P} )$ एक प्रायिकता स्थान बनें। याद रखें कि a की सशर्त प्रायिकता $A\in {\mathcal {A}}$ दिया गया $B\in {\mathcal {A}}$ परिभाषित किया जाता है

{\begin{aligned}\mathbb {P} (A\mid B):={\begin{cases}{\frac {\mathbb {P} (A\cap B)}{\mathbb {P} (B)}},&\mathbb {P} (B)>0,\\0&\mathbb {P} (B)=0.\end{cases}}\end{aligned}}

तब हमारे पास निम्नलिखित प्रमेय है।

Chain rule — Let $(\Omega ,{\mathcal {A}},\mathbb {P} )$ be a probability space. Let $A_{1},...,A_{n}\in {\mathcal {A}}$ . Then

{\begin{aligned}\mathbb {P} \left(A_{1}\cap A_{2}\cap \ldots \cap A_{n}\right)&=\mathbb {P} (A_{1})\mathbb {P} (A_{2}\mid A_{1})\mathbb {P} (A_{3}\mid A_{1}\cap A_{2})\cdot \ldots \cdot \mathbb {P} (A_{n}\mid A_{1}\cap \dots \cap A_{n-1})\\&=\mathbb {P} (A_{1})\prod _{j=2}^{n}\mathbb {P} (A_{j}\mid A_{1}\cap \dots \cap A_{j-1}).\end{aligned}}

Proof

The formula follows immediately by recursion

{\begin{aligned}(1)&&&\mathbb {P} (A_{1})\mathbb {P} (A_{2}\mid A_{1})&=&\qquad \mathbb {P} (A_{1}\cap A_{2})\\(2)&&&\mathbb {P} (A_{1})\mathbb {P} (A_{2}\mid A_{1})\mathbb {P} (A_{3}\mid A_{1}\cap A_{2})&=&\qquad \mathbb {P} (A_{1}\cap A_{2})\mathbb {P} (A_{3}\mid A_{1}\cap A_{2})\\&&&&=&\qquad \mathbb {P} (A_{1}\cap A_{2}\cap A_{3}),\end{aligned}}

where we used the definition of the conditional probability in the first step.

असतत यादृच्छिक चर के लिए श्रृंखला नियम

दो यादृच्छिक चर

दो असतत यादृच्छिक चर के लिए $X,Y$ , हम घटनाओं का उपयोग करते हैं $A:=\{X=x\}$ और $B:=\{Y=y\}$ उपरोक्त परिभाषा में, और संयुक्त वितरण को इस प्रकार खोजें

\mathbb {P} (X=x,Y=y)=\mathbb {P} (X=x\mid Y=y)\mathbb {P} (Y=y),

या

\mathbb {P} _{(X,Y)}(x,y)=\mathbb {P} _{X\mid Y}(x\mid y)\mathbb {P} _{Y}(y),

कहाँ $\mathbb {P} _{X}(x):=\mathbb {P} (X=x)$ की प्रायिकता वितरण है $X$ और $\mathbb {P} _{X\mid Y}(x\mid y)$ की सशर्त प्रायिकता वितरण $X$ दिया गया $Y$ .

अंततः अनेक यादृच्छिक चर

होने देना $X_{1},\ldots ,X_{n}$ यादृच्छिक चर हो और $x_{1},\dots ,x_{n}\in \mathbb {R}$ . सशर्त प्रायिकता की परिभाषा के अनुसार,

\mathbb {P} \left(X_{n}=x_{n},\ldots ,X_{1}=x_{1}\right)=\mathbb {P} \left(X_{n}=x_{n}|X_{n-1}=x_{n-1},\ldots ,X_{1}=x_{1}\right)\mathbb {P} \left(X_{n-1}=x_{n-1},\ldots ,X_{1}=x_{1}\right)

और श्रृंखला नियम का उपयोग करते हुए, जहां हम सेट करते हैं $A_{k}:=\{X_{k}=x_{k}\}$ , हम संयुक्त वितरण को इस प्रकार पा सकते हैं

{\begin{aligned}\mathbb {P} \left(X_{1}=x_{1},\ldots X_{n}=x_{n}\right)&=\mathbb {P} \left(X_{1}=x_{1}\mid X_{2}=x_{2},\ldots ,X_{n}=x_{n}\right)\mathbb {P} \left(X_{2}=x_{2},\ldots ,X_{n}=x_{n}\right)\\&=\mathbb {P} (X_{1}=x_{1})\mathbb {P} (X_{2}=x_{2}\mid X_{1}=x_{1})\mathbb {P} (X_{3}=x_{3}\mid X_{1}=x_{1},X_{2}=x_{2})\cdot \ldots \\&\qquad \cdot \mathbb {P} (X_{n}=x_{n}\mid X_{1}=x_{1},\dots ,X_{n-1}=x_{n-1})\\\end{aligned}}

उदाहरण

के लिए $n=3$ , यानी तीन यादृच्छिक चर पर विचार करना। फिर, श्रृंखला नियम पढ़ता है

{\begin{aligned}\mathbb {P} _{(X_{1},X_{2},X_{3})}(x_{1},x_{2},x_{3})&=\mathbb {P} (X_{1}=x_{1},X_{2}=x_{2},X_{3}=x_{3})\\&=\mathbb {P} (X_{3}=x_{3}\mid X_{2}=x_{2},X_{1}=x_{1})\mathbb {P} (X_{2}=x_{2},X_{1}=x_{1})\\&=\mathbb {P} (X_{3}=x_{3}\mid X_{2}=x_{2},X_{1}=x_{1})\mathbb {P} (X_{2}=x_{2}\mid X_{1}=x_{1})\mathbb {P} (X_{1}=x_{1})\\&=\mathbb {P} _{X_{3}\mid X_{2},X_{1}}(x_{3}\mid x_{2},x_{1})\mathbb {P} _{X_{2}\mid X_{1}}(x_{2}\mid x_{1})\mathbb {P} _{X_{1}}(x_{1}).\end{aligned}}

यह भी देखें

Independence (probability theory)

ग्रन्थसूची

René L. Schilling (2021), Measure, Integral, Probability & Processes - Probab(ilistical)ly the Theoretical Minimum (1 ed.), Technische Universität Dresden, Germany, ISBN 979-8-5991-0488-9{{citation}}: CS1 maint: location missing publisher (link)
William Feller (1968), An Introduction to Probability Theory and Its Applications, vol. I (3 ed.), New York / London / Sydney: Wiley, ISBN 978-0-471-25708-0
Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2, p. 496.

संदर्भ

↑ Schilling, René L. (2021). माप, अभिन्न, संभाव्यता और प्रक्रियाएं - संभवतः सैद्धांतिक न्यूनतम. Technische Universität Dresden, Germany. p. 136ff. ISBN 979-8-5991-0488-9.{{cite book}}: CS1 maint: location missing publisher (link)
↑ Schum, David A. (1994). संभाव्य तर्क की साक्ष्यात्मक नींव. Northwestern University Press. p. 49. ISBN 978-0-8101-1821-8.
↑ Klugh, Henry E. (2013). Statistics: The Essentials for Research (3rd ed.). Psychology Press. p. 149. ISBN 978-1-134-92862-0.

[1] Schilling, René L. (2021). माप, अभिन्न, संभाव्यता और प्रक्रियाएं - संभवतः सैद्धांतिक न्यूनतम. Technische Universität Dresden, Germany. p. 136ff. ISBN 979-8-5991-0488-9.{{cite book}}: CS1 maint: location missing publisher (link)

[2] Schum, David A. (1994). संभाव्य तर्क की साक्ष्यात्मक नींव. Northwestern University Press. p. 49. ISBN 978-0-8101-1821-8.

[3] Klugh, Henry E. (2013). Statistics: The Essentials for Research (3rd ed.). Psychology Press. p. 149. ISBN 978-1-134-92862-0.

[1]

[2]

[3]

@@ Line 1: / Line 1: @@
 {{Short description|Probability theory concept}}
 {{distinguish|text=गणना में [[श्रृंखला नियम]]}}
-संभाव्यता सिद्धांत में, श्रृंखला नियम<ref>{{cite book|first=René L.|last=Schilling|title=माप, अभिन्न, संभाव्यता और प्रक्रियाएं - संभवतः सैद्धांतिक न्यूनतम|location=Technische Universität Dresden, Germany |year=2021|ISBN=979-8-5991-0488-9|page=136ff.}}</ref> (जिसे सामान्य उत्पाद नियम भी कहा जाता है<ref>{{cite book|first=David A.|last=Schum|title=संभाव्य तर्क की साक्ष्यात्मक नींव|year=1994|publisher=Northwestern University Press|isbn=978-0-8101-1821-8|page=49}}</ref><ref>{{cite book|first=Henry E.|last=Klugh|title=Statistics: The Essentials for Research|year=2013|publisher=Psychology Press|isbn=978-1-134-92862-0|page=149|edition=3rd}}</ref>) वर्णन करता है कि सशर्त संभावनाओं का उपयोग करके, आवश्यक रूप से स्वतंत्र नहीं, घटनाओं या क्रमशः [[यादृच्छिक चर]] के [[संयुक्त वितरण]] के प्रतिच्छेदन की संभावना की गणना कैसे करें। नियम का उपयोग विशेष रूप से असतत स्टोकेस्टिक प्रक्रिया के संदर्भ में और अनुप्रयोगों में किया जाता है, उदाहरण के लिए [[बायेसियन नेटवर्क]] का अध्ययन, जो सशर्त संभावनाओं के संदर्भ में संभाव्यता वितरण का वर्णन करता है।
+प्रायिकता सिद्धांत में, श्रृंखला नियम<ref>{{cite book|first=René L.|last=Schilling|title=माप, अभिन्न, संभाव्यता और प्रक्रियाएं - संभवतः सैद्धांतिक न्यूनतम|location=Technische Universität Dresden, Germany |year=2021|ISBN=979-8-5991-0488-9|page=136ff.}}</ref> (जिसे सामान्य गुणनफल नियम भी कहा जाता है<ref>{{cite book|first=David A.|last=Schum|title=संभाव्य तर्क की साक्ष्यात्मक नींव|year=1994|publisher=Northwestern University Press|isbn=978-0-8101-1821-8|page=49}}</ref><ref>{{cite book|first=Henry E.|last=Klugh|title=Statistics: The Essentials for Research|year=2013|publisher=Psychology Press|isbn=978-1-134-92862-0|page=149|edition=3rd}}</ref>) यह वर्णन करता है कि सशर्त प्रायिकताओं का उपयोग करके, आवश्यक रूप से स्वतंत्र न होते हुए भी, घटनाओं या क्रमशः [[यादृच्छिक चर]] के [[संयुक्त वितरण]] के प्रतिच्छेदन की संभावना की गणना कैसे करें। नियम का उपयोग विशेष रूप से असतत [[प्रसंभाव्यता प्रक्रिया]] के संदर्भ में और अनुप्रयोगों में किया जाता है, उदाहरण के लिए [[बायेसियन नेटवर्क]] का अध्ययन, जो सशर्त प्रायिकताओं के संदर्भ में [[प्रायिकता वितरण]] का वर्णन करता है।
 ==घटनाओं के लिए श्रृंखला नियम==
@@ Line 7: / Line 7: @@
 ===दो घटनाएँ===
-दो घटनाओं के लिए (संभावना सिद्धांत) <math>A</math> और <math>B</math>, श्रृंखला नियम यह बताता है
+दो घटनाओं <math>A</math> और <math>B</math> के लिए, श्रृंखला नियम यह बताता है कि
 :<math>\mathbb P(A \cap B) = \mathbb P(B \mid A) \mathbb P(A)</math>,
-कहाँ <math>\mathbb P(A \mid B)</math> की सशर्त संभावनाओं को दर्शाता है <math>A</math> दिया गया <math>B</math>.
+कहाँ <math>\mathbb P(A \mid B)</math> की सशर्त प्रायिकताओं को दर्शाता है <math>A</math> दिया गया <math>B</math>.
 ====उदाहरण====
-एक कलश A में 1 काली गेंद और 2 सफेद गेंदें हैं और दूसरे कलश B में 1 काली गेंद और 3 सफेद गेंदें हैं। मान लीजिए कि हम यादृच्छिक रूप से एक कलश चुनते हैं और फिर उस कलश से एक गेंद चुनते हैं। चलो घटना <math>A</math> पहला कलश चुनें, यानी <math>\mathbb P(A) = \mathbb P(\overline{A}) = 1/2</math>, कहाँ <math>\overline A</math> की [[पूरक घटना]] है <math>A</math>. चलो घटना <math>B</math> मौका हो कि हम सफेद गेंद चुनें। सफ़ेद गेंद चुनने का मौका, यह देखते हुए कि हमने पहला कलश चुना है <math>\mathbb P(B|A) = 2/3.</math> चौराहा <math>A \cap B</math> फिर पहला कलश और उसमें से एक सफेद गेंद चुनने का वर्णन करता है। संभाव्यता की गणना श्रृंखला नियम द्वारा निम्नानुसार की जा सकती है:
+एक कलश A में 1 काली गेंद और 2 सफेद गेंदें हैं और दूसरे कलश B में 1 काली गेंद और 3 सफेद गेंदें हैं। मान लीजिए कि हम यादृच्छिक रूप से एक कलश चुनते हैं और फिर उस कलश से एक गेंद चुनते हैं। चलो घटना <math>A</math> पहला कलश चुनें, यानी <math>\mathbb P(A) = \mathbb P(\overline{A}) = 1/2</math>, कहाँ <math>\overline A</math> की [[पूरक घटना]] है <math>A</math>. चलो घटना <math>B</math> मौका हो कि हम सफेद गेंद चुनें। सफ़ेद गेंद चुनने का मौका, यह देखते हुए कि हमने पहला कलश चुना है <math>\mathbb P(B|A) = 2/3.</math> चौराहा <math>A \cap B</math> फिर पहला कलश और उसमें से एक सफेद गेंद चुनने का वर्णन करता है। प्रायिकता की गणना श्रृंखला नियम द्वारा निम्नानुसार की जा सकती है:
 :<math>\mathbb P(A \cap B) = \mathbb P(B \mid A) \mathbb P(A) = \frac 23 \cdot \frac 12 = \frac 13.</math>
@@ Line 64: / Line 64: @@
 === प्रमेय का कथन और उपपत्ति ===
-होने देना <math>(\Omega, \mathcal A, \mathbb P)</math> एक संभाव्यता स्थान बनें। याद रखें कि a की [[सशर्त संभाव्यता]] <math>A \in \mathcal A</math> दिया गया <math>B \in \mathcal A</math> परिभाषित किया जाता है
+होने देना <math>(\Omega, \mathcal A, \mathbb P)</math> एक प्रायिकता स्थान बनें। याद रखें कि a की [[सशर्त संभाव्यता|सशर्त प्रायिकता]] <math>A \in \mathcal A</math> दिया गया <math>B \in \mathcal A</math> परिभाषित किया जाता है
 :<math>
@@ Line 101: / Line 101: @@
 :<math>\mathbb P_{(X,Y)}(x,y) = \mathbb P_{X \mid Y}(x\mid y) \mathbb P_Y(y),</math>
-कहाँ <math>\mathbb P_X(x) := \mathbb P(X = x)</math>की संभाव्यता वितरण है <math>X</math> और <math>\mathbb P_{X \mid Y}(x\mid y)</math> की [[सशर्त संभाव्यता वितरण]] <math>X</math> दिया गया <math>Y</math>.
+कहाँ <math>\mathbb P_X(x) := \mathbb P(X = x)</math>की प्रायिकता वितरण है <math>X</math> और <math>\mathbb P_{X \mid Y}(x\mid y)</math> की [[सशर्त संभाव्यता वितरण|सशर्त प्रायिकता वितरण]] <math>X</math> दिया गया <math>Y</math>.
 ===अंततः अनेक यादृच्छिक चर===
-होने देना <math>X_1, \ldots , X_n</math> यादृच्छिक चर हो और <math>x_1, \dots, x_n \in \mathbb R</math>. सशर्त संभाव्यता की परिभाषा के अनुसार,
+होने देना <math>X_1, \ldots , X_n</math> यादृच्छिक चर हो और <math>x_1, \dots, x_n \in \mathbb R</math>. सशर्त प्रायिकता की परिभाषा के अनुसार,
 :<math>\mathbb P\left(X_n=x_n, \ldots , X_1=x_1\right) = \mathbb P\left(X_n=x_n | X_{n-1}=x_{n-1}, \ldots , X_1=x_1\right) \mathbb P\left(X_{n-1}=x_{n-1}, \ldots , X_1=x_1\right)</math>

Anonymous

Search

श्रृंखला नियम (संभावना): Difference between revisions

Namespaces

More

Page actions

Revision as of 08:00, 12 July 2023

Contents

घटनाओं के लिए श्रृंखला नियम

दो घटनाएँ

उदाहरण

अंततः अनेक घटनाएँ

उदाहरण 1

उदाहरण 2

प्रमेय का कथन और उपपत्ति

असतत यादृच्छिक चर के लिए श्रृंखला नियम

दो यादृच्छिक चर

अंततः अनेक यादृच्छिक चर

उदाहरण

यह भी देखें

ग्रन्थसूची

संदर्भ

Navigation

Navigation

Wiki tools

Wiki tools

Anonymous

Search

श्रृंखला नियम (संभावना): Difference between revisions

Revision as of 08:00, 12 July 2023

घटनाओं के लिए श्रृंखला नियम

दो घटनाएँ

उदाहरण

अंततः अनेक घटनाएँ

उदाहरण 1

उदाहरण 2

प्रमेय का कथन और उपपत्ति

असतत यादृच्छिक चर के लिए श्रृंखला नियम

दो यादृच्छिक चर

अंततः अनेक यादृच्छिक चर

उदाहरण

यह भी देखें

ग्रन्थसूची

संदर्भ

Navigation

Wiki tools

Page tools

Other projects

Categories