অঙ্ক স্যারের সাথে অনন্যা: দশম শ্রেণির গণিত, অধ্যায় ১৫ – সম্ভাবনা নিয়ে এক মজার আলোচনা!

অনন্যা: স্যার, কালকে আমাদের স্কুলের ক্রিকেট ম্যাচ আছে। আমি ভাবছিলাম, আমাদের দল জিতবে নাকি হারবে, সেটা কি অঙ্কের কোনো ফর্মুলা দিয়ে আগে থেকে কিছুটা আন্দাজ করা যায়? ক্রিকেট ম্যাচে তো অনেক কিছু অনিশ্চিত থাকে!

অঙ্ক স্যার: খুব মজার প্রশ্ন করেছো, অনন্যা! সরাসরি জয়-পরাজয় ভবিষ্যদ্বাণী করাটা অঙ্কের পক্ষেও কঠিন, কারণ সেখানে খেলোয়াড়দের পারফরম্যান্স, পিচের অবস্থা, প্রতিপক্ষের কৌশল, এমনকি ভাগ্যও একটা বড় ভূমিকা নেয়। এই ধরনের জটিল পরিস্থিতিগুলো ১০০% নিশ্চিতভাবে ভবিষ্যদ্বাণী করা সম্ভব নয়। কিন্তু হ্যাঁ, এই ধরনের অনিশ্চিত ঘটনার ফলাফল নিয়ে আলোচনা করা বা সেগুলোর ঘটনার সুযোগ বা সম্ভাবনা (Chance or Probability of an event) পরিমাপ করা গণিতের একটা বিশেষ শাখার কাজ। আর সেই শাখাটার নাম হলো সম্ভাবনা (Probability)। আজ আমরা দশম শ্রেণির গণিতের অধ্যায় ১৫ – সম্ভাবনা নিয়েই বিস্তারিত আলোচনা করব। কেমন?

অনন্যা: বাহ! এটা তো খুব ইন্টারেস্টিং লাগছে! তাহলে সম্ভাবনা মানে কি, কোনো কিছু ঘটার কতটা সুযোগ আছে, সেটা হিসাব করা? আমরা তো প্রায়ই বলি, 'আজ বৃষ্টি হওয়ার সম্ভাবনা কত', বা 'লটারি জেতার সম্ভাবনা কত কম' – সেগুলো কি এই গণিতের অংশ?

অঙ্ক স্যার: একদম ঠিক ধরেছো! সহজ কথায়, সম্ভাবনা হলো কোনো একটি ঘটনা ঘটার আনুপাতিক সুযোগের গাণিতিক পরিমাপ। আমরা প্রতিদিনের জীবনে অজান্তেই সম্ভাবনার ব্যবহার করি। যেমন, আমরা বলি 'আজ বৃষ্টি হওয়ার সম্ভাবনা খুব বেশি' অথবা 'লটারি জেতার সম্ভাবনা খুব কম'। গণিতে আমরা এই 'বেশি' বা 'কম'কে ০ থেকে ১ এর মধ্যে নির্দিষ্ট সংখ্যায় প্রকাশ করি। এর মাধ্যমে আমরা অনিশ্চিত ভবিষ্যতের ওপর একটি সংখ্যাগত ধারণা দিতে পারি। এটি বিজ্ঞান, অর্থনীতি, আবহাওয়ার পূর্বাভাস, এমনকি কৃত্রিম বুদ্ধিমত্তার মতো অনেক ক্ষেত্রেই গুরুত্বপূর্ণ ভূমিকা পালন করে।

সম্ভাবনার মূল ধারণা (Basic Concepts of Probability)

অঙ্ক স্যার: সম্ভাবনা বোঝার জন্য প্রথমে আমাদের কিছু গুরুত্বপূর্ণ শব্দ সম্পর্কে জানতে হবে, যা সম্ভাবনার ভিত তৈরি করে।

১. যাদৃচ্ছিক পরীক্ষা (Random Experiment)

অঙ্ক স্যার: যখন আমরা কোনো পরীক্ষা করি, যার ফলাফল কী হবে তা আগে থেকে নিশ্চিতভাবে বলা যায় না, কিন্তু পরীক্ষার সম্ভাব্য সব ফলাফলগুলো কী কী হতে পারে তা আমাদের জানা থাকে, তাকে যাদৃচ্ছিক পরীক্ষা (Random Experiment) বলে। এখানে 'যদৃচ্ছিক' মানে হলো, কোনো ফলাফলই আগে থেকে নির্ধারিত নয় এবং প্রতিটি ফলাফলের ঘটার সুযোগ সমান।

• উদাহরণ ১: একটি মুদ্রা টস করা। আমরা জানি হয় 'হেড' (Head, H) পড়বে অথবা 'টেল' (Tail, T) পড়বে, কিন্তু ঠিক কী পড়বে তা আগে থেকে নিশ্চিতভাবে বলা সম্ভব নয়। এটি একটি যাদৃচ্ছিক পরীক্ষা।
• উদাহরণ ২: একটি পাশা (DICE) নিক্ষেপ করা। আমরা জানি ফলাফল ১, ২, ৩, ৪, ৫, বা ৬ হবে, কিন্তু নির্দিষ্ট করে বলা যায় না কোনটা পড়বে। এটিও একটি যাদৃচ্ছিক পরীক্ষা।
• উদাহরণ ৩: একটি লটারির টিকিট তোলা। কোন টিকিট পুরস্কার জিতবে তা আগে থেকে জানা নেই, কিন্তু মোট টিকিটের সংখ্যা এবং পুরস্কার বিজয়ী টিকিটের সংখ্যা জানা থাকে।

অনন্যা: ওহ, বুঝেছি! তাহলে আমাদের ক্রিকেট ম্যাচটাও এক ধরণের যাদৃচ্ছিক পরীক্ষা, কারণ কে জিতবে তা আগে থেকে বলা যায় না! এর অনেক সম্ভাব্য ফলাফল থাকতে পারে, যেমন একটি দল জিতবে, হারবে, বা ম্যাচ ড্র হবে।

অঙ্ক স্যার: একেবারে তাই! যদিও সেখানে সম্ভাব্য ফলাফল অনেক বেশি জটিল। গণিতের সম্ভাবনায় আমরা সাধারণত সরল যাদৃচ্ছিক পরীক্ষা নিয়ে কাজ করি যেখানে ফলাফলের সংখ্যা সীমিত এবং সহজেই গণনা করা যায়।

২. নমুনা স্থান (Sample Space)

অঙ্ক স্যার: একটি যাদৃচ্ছিক পরীক্ষার সম্ভাব্য সব ফলাফলের সেটকে নমুনা স্থান (Sample Space) বলে। একে সাধারণত 'S' দিয়ে প্রকাশ করা হয়। নমুনা স্থান হলো যেন একটি পরীক্ষার ফলাফলের বিশ্বকোষ।

• যদি একটি মুদ্রা একবার টস করা হয়, তাহলে নমুনা স্থান S = {H, T}। (H = Head, T = Tail)। এখানে দুটি সম্ভাব্য ফলাফল আছে।
• যদি একটি পাশা একবার নিক্ষেপ করা হয়, তাহলে নমুনা স্থান S = {1, 2, 3, 4, 5, 6}। এখানে ছয়টি সম্ভাব্য ফলাফল আছে।
• যদি দুটি মুদ্রা একসাথে টস করা হয়, তাহলে নমুনা স্থান S = {HH, HT, TH, TT}। এখানে চারটি সম্ভাব্য ফলাফল আছে।

নমুনা স্থানের মোট উপাদানের সংখ্যাকে n(S) দিয়ে প্রকাশ করা হয়। যেমন, মুদ্রা টসের ক্ষেত্রে n(S) = 2, পাশা নিক্ষেপের ক্ষেত্রে n(S) = 6, এবং দুটি মুদ্রা টসের ক্ষেত্রে n(S) = 4।

অনন্যা: তাহলে একটি লটারিতে যদি ১০০টি টিকিট থাকে, তাহলে n(S) হবে ১০০, তাই তো?

অঙ্ক স্যার: একদম ঠিক! প্রতিটি টিকিট একটি সম্ভাব্য ফলাফল, তাই মোট ১০০টি সম্ভাব্য ফলাফল।

৩. ঘটনা (Event)

অঙ্ক স্যার: নমুনা স্থানের যেকোনো একটি উপসেটকে ঘটনা (Event) বলে। আমরা কোনো একটি নির্দিষ্ট ফলাফল বা ফলাফলের সমষ্টি নিয়ে আগ্রহী হতে পারি, সেটাই একটি ঘটনা। ঘটনাকে সাধারণত E দিয়ে প্রকাশ করা হয়।

• মুদ্রা টসের ক্ষেত্রে 'হেড পড়া' একটি ঘটনা। এই ঘটনাটিকে আমরা E দিয়ে প্রকাশ করলে E = {H}।
• পাশা নিক্ষেপের ক্ষেত্রে 'জোড় সংখ্যা পড়া' একটি ঘটনা। E = {2, 4, 6}।
• দুটি মুদ্রা টসে 'অন্তত একটি হেড পড়া' একটি ঘটনা। E = {HH, HT, TH}।

একটি ঘটনা ঘটার অনুকূল ফলাফলের সংখ্যাকে n(E) দিয়ে প্রকাশ করা হয়। যেমন, 'হেড পড়া' ঘটনার ক্ষেত্রে n(E) = 1, 'জোড় সংখ্যা পড়া' ঘটনার ক্ষেত্রে n(E) = 3, 'অন্তত একটি হেড পড়া' ঘটনার ক্ষেত্রে n(E) = 3।

অনন্যা: তাহলে স্যার, পাশা নিক্ষেপে '৫ এর চেয়ে বড় সংখ্যা পড়া' একটি ঘটনা, আর তার অনুকূল ফলাফল শুধু {6}, তাই তো?

অঙ্ক স্যার: একদম ঠিক বলেছো, অনন্যা! তোমার ধারণা স্পষ্ট হচ্ছে। এক্ষেত্রে n(E) = 1। ঘটনা হলো আমাদের আগ্রহের বিষয়, যা নমুনা স্থানের মধ্যেই থাকে।

সম্ভাবনার সূত্র (Probability Formula)

অঙ্ক স্যার: এখন যখন আমরা মূল ধারণাগুলো বুঝে গেছি, তাহলে সম্ভাবনার গাণিতিক সূত্রটি দেখা যাক। কোনো একটি ঘটনা E ঘটার সম্ভাবনাকে P(E) দিয়ে প্রকাশ করা হয় এবং এর সূত্রটি হলো:

P(E) = (ঘটনা E ঘটার অনুকূল ফলাফলের সংখ্যা) / (মোট সম্ভাব্য ফলাফলের সংখ্যা)

বা, P(E) = n(E) / n(S)

এই সূত্রটি তখনই প্রযোজ্য যখন একটি যাদৃচ্ছিক পরীক্ষার প্রতিটি সম্ভাব্য ফলাফল সমভাবে ঘটার সুযোগ থাকে (equally likely outcomes)। যেমন, একটি সুষম মুদ্রা বা একটি নিরপেক্ষ পাশা।

উদাহরণ ১: একটি মুদ্রা টস

অঙ্ক স্যার: চলো, একটি মুদ্রা একবার টস করা যাক।

• নমুনা স্থান S = {H, T}, তাই মোট সম্ভাব্য ফলাফলের সংখ্যা n(S) = 2।
• যদি আমরা 'হেড পড়া' ঘটনাটিকে E ধরি, তাহলে E = {H}, তাই অনুকূল ফলাফলের সংখ্যা n(E) = 1।
• তাহলে, হেড পড়ার সম্ভাবনা P(H) = n(E) / n(S) = 1 / 2।

অনন্যা: তাহলে 'টেল পড়া'র সম্ভাবনাও কি ১/২ হবে?

অঙ্ক স্যার: অবশ্যই! কারণ টেল পড়ার অনুকূল ফলাফলও ১টি। P(T) = 1/2।

উদাহরণ ২: একটি পাশা নিক্ষেপ

অঙ্ক স্যার: এবার একটি পাশা একবার নিক্ষেপ করলে 'জোড় সংখ্যা পড়া'র সম্ভাবনা কত?

• নমুনা স্থান S = {1, 2, 3, 4, 5, 6}, তাই n(S) = 6।
• 'জোড় সংখ্যা পড়া' ঘটনা E = {2, 4, 6}, তাই n(E) = 3।
• তাহলে, জোড় সংখ্যা পড়ার সম্ভাবনা P(E) = n(E) / n(S) = 3 / 6 = 1 / 2।

অনন্যা: স্যার, এই সূত্রটা কেন ব্যবহার করা হয়? মানে, কেন আমরা অনুকূল ঘটনাকে মোট সম্ভাব্য ঘটনা দিয়ে ভাগ করি? ভাগ করলে কী বোঝায়?

অঙ্ক স্যার: খুব ভালো প্রশ্ন, অনন্যা! এর পেছনের যুক্তিটা হলো, যদি সবগুলো সম্ভাব্য ফলাফল সমভাবে ঘটার সুযোগ থাকে (যেমন, একটি নিরপেক্ষ মুদ্রা বা পাশা), তাহলে আমরা প্রতিটি ফলাফলের জন্য সমান 'গুরুত্ব' বা 'ওজন' বরাদ্দ করি। যখন আমরা অনুকূল ফলাফলের সংখ্যাকে মোট সম্ভাব্য ফলাফলের সংখ্যা দিয়ে ভাগ করি, তখন আমরা আদতে দেখছি যে, আমাদের কাঙ্ক্ষিত ঘটনাটি মোট ফলাফলের কত অংশ জুড়ে আছে। এটি একটি আনুপাতিক পরিমাপ, যা ০ থেকে ১ এর মধ্যে থাকে। যেমন, যদি মোট ১০টি সম্ভাব্য ফলাফলের মধ্যে ৫টি অনুকূল হয়, তার মানে ঘটনাটি ঘটার সুযোগ ৫০% বা ০.৫। এই অনুপাতটাই আমাদের ঘটনার সম্ভাবনাকে প্রকাশ করে। এটা খুবই স্বজ্ঞাত, তাই না? আমরা একটা পাই চার্ট (Pie Chart) এর মতো করে ভাবতেই পারি, যেখানে মোট পাই এর কতটা অংশ আমাদের কাঙ্ক্ষিত ঘটনাকে নির্দেশ করছে।

অনন্যা: হ্যাঁ, এবার একদম স্পষ্ট হলো! ৫০% সুযোগ মানে তো ০.৫। তার মানে এটা একটা ভগ্নাংশ বা দশমিক সংখ্যায় প্রকাশ করা হয়।

সম্ভাবনার গুরুত্বপূর্ণ ধর্মাবলী (Important Properties of Probability)

অঙ্ক স্যার: সম্ভাবনার কিছু মৌলিক ধর্ম বা বৈশিষ্ট্য আছে যা আমাদের মনে রাখতে হবে। এগুলো সম্ভাবনার গাণিতিক কাঠামো বুঝতে সাহায্য করে।

১. সম্ভাবনার সীমা

অঙ্ক স্যার: যেকোনো ঘটনা E এর সম্ভাবনা P(E) সবসময় ০ (শূন্য) থেকে ১ (এক) এর মধ্যে থাকে। অর্থাৎ, 0 ≤ P(E) ≤ 1। এই সীমারেখাটি খুবই গুরুত্বপূর্ণ কারণ সম্ভাবনা কখনোই নেগেটিভ হতে পারে না বা ১ এর বেশি হতে পারে না।

• যদি P(E) = 0 হয়, তার মানে ঘটনাটি ঘটা অসম্ভব। একে অসম্ভব ঘটনা (Impossible Event) বলে। যেমন, একটি পাশা নিক্ষেপ করলে ৭ পড়ার সম্ভাবনা ০। কারণ পাশায় ৭ বলে কোনো সংখ্যা নেই। তেমনি, সূর্য পশ্চিম দিকে ওঠার সম্ভাবনাও ০।
• যদি P(E) = 1 হয়, তার মানে ঘটনাটি ঘটা নিশ্চিত। একে নিশ্চিত ঘটনা (Sure Event) বা অবিচ্ছেদ্য ঘটনা (Certain Event) বলে। যেমন, একটি পাশা নিক্ষেপ করলে ১ থেকে ৬ এর মধ্যে কোনো একটি সংখ্যা পড়া। এর সম্ভাবনা ১, কারণ এই ঘটনাটি ঘটতেই হবে। তেমনি, সূর্য পূর্ব দিকে ওঠার সম্ভাবনাও ১।

অনন্যা: অসম্ভব ঘটনা আর নিশ্চিত ঘটনা – বুঝেছি! তার মানে সম্ভাবনার উত্তর কখনো ১.৫ বা -০.২ আসতে পারে না, তাই না?

অঙ্ক স্যার: একদম! যদি তোমার গণনায় এমন কোনো মান আসে, তাহলে বুঝতে হবে কোথাও ভুল হয়েছে। এটি একটি আত্ম-পরীক্ষার মতো।

২. পূরক ঘটনা (Complementary Event)

অঙ্ক স্যার: যদি E একটি ঘটনা হয়, তাহলে 'E না ঘটা' ঘটনাকে E এর পূরক ঘটনা (Complementary Event) বলে। একে সাধারণত E' (E-ড্যাশ) বা E^c দিয়ে প্রকাশ করা হয়।

পূরক ঘটনা এবং মূল ঘটনার সম্ভাবনার যোগফল সবসময় ১ হয়। অর্থাৎ,

P(E) + P(E') = 1

এর থেকে আমরা পাই, P(E') = 1 - P(E) বা P(E) = 1 - P(E')।

উদাহরণ: একটি মুদ্রা নিক্ষেপ করলে হেড পড়ার সম্ভাবনা P(H) = 1/2। তাহলে হেড না পড়ার সম্ভাবনা (অর্থাৎ টেল পড়ার সম্ভাবনা) P(H') = 1 - P(H) = 1 - 1/2 = 1/2।

অনন্যা: কিন্তু স্যার, এই ধারণাগুলো কেন জরুরি? শুধু P(E) বের করলেই তো হয়, 'না ঘটা' ব্যাপারটা কেন দরকার?

অঙ্ক স্যার: খুব গুরুত্বপূর্ণ প্রশ্ন, অনন্যা! অনেক সময় একটি ঘটনা ঘটার সম্ভাবনা সরাসরি নির্ণয় করা বেশ কঠিন হয়, কারণ তার অনুকূল ফলাফলের সংখ্যা গণনা করা জটিল হতে পারে। কিন্তু ঘটনাটি না ঘটার সম্ভাবনা নির্ণয় করা তুলনামূলকভাবে সহজ হয়। সেই ক্ষেত্রে আমরা পূরক ঘটনার সূত্র ব্যবহার করে সহজেই মূল ঘটনার সম্ভাবনা বের করতে পারি। ধরো, একটি বাক্সে ১০০টি লটারির টিকিট আছে, যার মধ্যে ৫টি টিকিট পুরস্কার জেতে। তুমি জানতে চাইছো, 'পুরস্কার না জেতার' সম্ভাবনা কত? তুমি সরাসরি ৯৫টি টিকিট থেকে হিসাব করতে পারো, অথবা প্রথমে 'পুরস্কার জেতার' সম্ভাবনা বের করে (৫/১০০ = ১/২০) তারপর ১ থেকে বিয়োগ করে (১ - ১/২০ = ১৯/২০) 'না জেতার' সম্ভাবনা বের করতে পারো। পরের পদ্ধতিটি প্রায়শই বেশি সুবিধাজনক এবং জটিল সমস্যাগুলোকে সরলীকৃত করতে সাহায্য করে। এই ধারণাটি সময় বাঁচায় এবং ভুল হওয়ার সম্ভাবনাও কমিয়ে দেয়।

৩. মৌলিক ঘটনা এবং যৌগিক ঘটনা (Elementary and Compound Events)

অঙ্ক স্যার: একটি ঘটনাকে মৌলিক ঘটনা (Elementary Event) বলা হয় যদি তাতে নমুনা স্থানের শুধুমাত্র একটি ফলাফল থাকে। যেমন, একটি মুদ্রা টসে {H} বা {T} একটি মৌলিক ঘটনা। একটি পাশা নিক্ষেপে {1} বা {2} ইত্যাদি প্রতিটিই মৌলিক ঘটনা।

যখন একটি ঘটনায় একাধিক মৌলিক ঘটনা থাকে, তখন তাকে যৌগিক ঘটনা (Compound Event) বলে। যেমন, পাশা নিক্ষেপে 'জোড় সংখ্যা পড়া' ({2, 4, 6}) একটি যৌগিক ঘটনা, কারণ এতে তিনটি মৌলিক ঘটনা রয়েছে। 'কমপক্ষে একটি হেড পড়া' দুটি মুদ্রা টসের ক্ষেত্রে ({HH, HT, TH}) একটি যৌগিক ঘটনা।

অঙ্ক স্যার: মনে রাখবে, একটি যাদৃচ্ছিক পরীক্ষার সমস্ত মৌলিক ঘটনাগুলির সম্ভাবনার যোগফল সর্বদা ১ হয়। এটি খুবই গুরুত্বপূর্ণ একটি ধর্ম এবং সম্ভাবনার ধারণার মূল ভিত্তি।

বিভিন্ন ধরনের সম্ভাবনার সমস্যা ও সমাধান (Solving Various Probability Problems)

অঙ্ক স্যার: এবার চলো, কিছু বাস্তবসম্মত ও প্রচলিত সমস্যা নিয়ে আলোচনা করি যা তোমাকে ধারণাগুলো আরও ভালোভাবে বুঝতে সাহায্য করবে।

১. তাসের প্যাকের সমস্যা (Problems with a Deck of Cards)

অঙ্ক স্যার: একটি সুষম তাসের প্যাকে মোট ৫২টি তাস থাকে। এই ৫২টি তাস ৪টি স্যুটে ভাগ করা থাকে – হার্ট (Hearts), ডায়মন্ড (Diamonds), ক্লাব (Clubs) এবং স্পেড (Spades)। প্রতিটি স্যুটে ১৩টি করে তাস থাকে। হার্ট ও ডায়মন্ড লাল রঙের হয় (মোট ২৬টি), আর ক্লাব ও স্পেড কালো রঙের হয় (মোট ২৬টি)। প্রতিটি স্যুটে A (Ace/টেক্কা), 2, 3, 4, 5, 6, 7, 8, 9, 10, J (Jack/গোলাম), Q (Queen/বিবি), K (King/বাদশা) থাকে। Jack, Queen, King – এদেরকে ফেস কার্ড (Face Cards) বা ছবিযুক্ত তাস বলা হয়। মোট ১২টি ফেস কার্ড থাকে (প্রতি স্যুটে ৩টি করে)।

অনন্যা: উফফ! এত ডিটেইলস মনে রাখা কঠিন মনে হচ্ছে!

অঙ্ক স্যার: চিন্তা নেই, অনন্যা! একবার বুঝে গেলে খুব সহজ। এইগুলো হলো গণনার জন্য প্রয়োজনীয় তথ্য। চলো, একটা প্রশ্ন দেখি।

প্রশ্ন: একটি সুষম তাসের প্যাক থেকে একটি তাস যাদৃচ্ছিকভাবে টেনে নেওয়া হলো।

ক) সেই তাসটি একটি লাল রঙের তাস হওয়ার সম্ভাবনা কত?

খ) সেই তাসটি একটি ফেস কার্ড হওয়ার সম্ভাবনা কত?

গ) সেই তাসটি একটি টেক্কা (Ace) হওয়ার সম্ভাবনা কত?

ঘ) সেই তাসটি একটি লাল রঙের ফেস কার্ড হওয়ার সম্ভাবনা কত?

অঙ্ক স্যার: প্রথমে আমরা n(S) নির্ণয় করব। মোট তাস ৫২টি, তাই n(S) = 52।

ক) লাল রঙের তাস হওয়ার সম্ভাবনা:

• লাল রঙের তাস আছে হার্ট (১৩টি) + ডায়মন্ড (১৩টি) = ২৬টি।
• তাহলে, লাল রঙের তাস হওয়ার অনুকূল ঘটনা n(E) = 26।
• P(লাল তাস) = n(E) / n(S) = 26 / 52 = 1 / 2।

খ) ফেস কার্ড হওয়ার সম্ভাবনা:

• প্রতিটি স্যুটে ৩টি করে ফেস কার্ড (J, Q, K) আছে। ৪টি স্যুটে মোট ফেস কার্ড = 3 x 4 = 12টি।
• তাহলে, ফেস কার্ড হওয়ার অনুকূল ঘটনা n(E) = 12।
• P(ফেস কার্ড) = n(E) / n(S) = 12 / 52 = 3 / 13।

গ) টেক্কা (Ace) হওয়ার সম্ভাবনা:

• ৪টি স্যুটে মোট ৪টি টেক্কা আছে।
• তাহলে, টেক্কা হওয়ার অনুকূল ঘটনা n(E) = 4।
• P(টেক্কা) = n(E) / n(S) = 4 / 52 = 1 / 13।

ঘ) লাল রঙের ফেস কার্ড হওয়ার সম্ভাবনা:

অনন্যা: আচ্ছা, স্যার, এটা কিভাবে করব? লালও হতে হবে আবার ফেস কার্ডও হতে হবে?

অঙ্ক স্যার: দারুণ প্রশ্ন! এখানে দুটি শর্ত একসাথে পূরণ করতে হবে। লাল রঙের স্যুটগুলো হলো হার্ট এবং ডায়মন্ড। এই দুটি স্যুটে মোট ফেস কার্ড কয়টি আছে? হার্টে ৩টি (J, Q, K) এবং ডায়মন্ডে ৩টি (J, Q, K)। তাহলে মোট ৬টি লাল রঙের ফেস কার্ড আছে।

• লাল ফেস কার্ডের সংখ্যা n(E) = 6।
• P(লাল ফেস কার্ড) = n(E) / n(S) = 6 / 52 = 3 / 26।

বুঝতে পারছো? একটু মনোযোগ দিলেই সব বোঝা যায়। একটি নির্দিষ্ট ধরনের তাস চিহ্নিত করতে হলে সেই তাসের বৈশিষ্ট্যগুলো ভালোভাবে বুঝতে হয়।

২. বল বা মার্বেলের সমস্যা (Problems with Balls or Marbles)

অঙ্ক স্যার: ধরো, একটি বাক্সে কিছু বল আছে এবং তোমাকে সেখান থেকে একটি বল তুলতে বলা হলো। এটি দৈনন্দিন জীবনের সম্ভাবনার একটি সহজ উদাহরণ।

প্রশ্ন: একটি বাক্সে ৫টি লাল, ৩টি নীল এবং ২টি সবুজ বল আছে। বাক্স থেকে একটি বল যাদৃচ্ছিকভাবে তোলা হলে:

ক) বলটি লাল হওয়ার সম্ভাবনা কত?

খ) বলটি নীল না হওয়ার সম্ভাবনা কত?

গ) বলটি হলুদ হওয়ার সম্ভাবনা কত?

ঘ) বলটি লাল অথবা সবুজ হওয়ার সম্ভাবনা কত?

অঙ্ক স্যার: প্রথমে মোট বলের সংখ্যা বের করি। n(S) = 5 (লাল) + 3 (নীল) + 2 (সবুজ) = 10টি।

ক) লাল বল হওয়ার সম্ভাবনা:

• লাল বলের সংখ্যা n(L) = 5।
• P(লাল) = n(L) / n(S) = 5 / 10 = 1 / 2।

খ) বলটি নীল না হওয়ার সম্ভাবনা:

অঙ্ক স্যার: এইটা দুটো উপায়ে করা যায়, অনন্যা। তুমি কোন পদ্ধতি পছন্দ করবে?

অনন্যা: আমি পূরক ঘটনার সূত্রটা ব্যবহার করতে চাই, স্যার! আমার মনে হয় ওটা বেশি সহজ।

অঙ্ক স্যার: সাবাশ! এটাই সবচেয়ে সহজ হবে।

• প্রথমে নীল বল হওয়ার সম্ভাবনা বের করি: n(B) = 3।
• P(নীল) = n(B) / n(S) = 3 / 10।
• এবার, নীল না হওয়ার সম্ভাবনা P(নীল নয়) = 1 - P(নীল) = 1 - 3 / 10 = 7 / 10।

অঙ্ক স্যার: অন্যভাবেও করা যেত। নীল না হওয়ার মানে হলো বলটি হয় লাল অথবা সবুজ। লাল (৫) + সবুজ (২) = ৭টি বল। তাহলে P(নীল নয়) = 7 / 10। দেখলে, দুটি পদ্ধতিতেই একই উত্তর আসে। এটি প্রমাণ করে যে গণিত কত সুসংগঠিত।

গ) বলটি হলুদ হওয়ার সম্ভাবনা:

• বাক্সে কোনো হলুদ বল নেই, তাই হলুদ বলের সংখ্যা n(Y) = 0।
• P(হলুদ) = n(Y) / n(S) = 0 / 10 = 0।

অনন্যা: তাহলে এটা একটা অসম্ভব ঘটনা! বাক্সে যেহেতু হলুদ বল নেই, তাই এটা ঘটার কোনো প্রশ্নই ওঠে না।

অঙ্ক স্যার: একদম ঠিক বলেছো! এইতো, সব ধারণাগুলো তোমার মাথার মধ্যে সেট হয়ে যাচ্ছে।

ঘ) বলটি লাল অথবা সবুজ হওয়ার সম্ভাবনা:

অনন্যা: লাল অথবা সবুজ? তার মানে লাল বলগুলোও নেব, সবুজ বলগুলোও নেব, তাই তো?

অঙ্ক স্যার: হ্যাঁ, ঠিক তাই! যখন 'অথবা' (OR) বলা হয়, তখন সেই ঘটনাগুলির যেকোনো একটি ঘটলেই আমরা তাকে অনুকূল ঘটনা হিসেবে ধরি।

• লাল বলের সংখ্যা = ৫টি।
• সবুজ বলের সংখ্যা = ২টি।
• লাল অথবা সবুজ বলের অনুকূল সংখ্যা n(E) = 5 + 2 = 7টি।
• P(লাল অথবা সবুজ) = n(E) / n(S) = 7 / 10।

এই ধরনের সমস্যা প্রায়ই আসে, যেখানে একাধিক ঘটনাকে একসাথে বিবেচনা করতে হয়।

৩. দুটি পাশা নিক্ষেপের সমস্যা (Problems with Two Dice)

অঙ্ক স্যার: যদি দুটি পাশা একসাথে নিক্ষেপ করা হয়, তাহলে মোট সম্ভাব্য ফলাফল কতগুলো হবে? এটা একটু জটিল হতে পারে, সাবধানে ভাবো।

অনন্যা: একটা পাশার জন্য ৬টা, তাহলে দুটো পাশার জন্য ৬+৬=১২টা?

অঙ্ক স্যার: প্রায় ঠিক, কিন্তু এখানে একটু ভুল করছো। প্রতিটি পাশার ফলাফল স্বাধীন। প্রথম পাশায় ১ পড়লে দ্বিতীয় পাশায় ১ থেকে ৬ যে কোনোটা পড়তে পারে। ঠিক যেমন প্রথম মুদ্রা হেড পড়লে দ্বিতীয় মুদ্রা হেড বা টেল পড়তে পারে। তাই মোট ফলাফলের সংখ্যা যোগফল নয়, বরং গুণফল হবে ৬ × ৬ = ৩৬টি।

নমুনা স্থান S হবে: {(1,1), (1,2), ..., (1,6), (2,1), ..., (2,6), ..., (6,1), ..., (6,6)}। তাই n(S) = 36।

এই ৩৬টি ফলাফলকে তুমি একটি ছক বা টেবিলে দেখতে পারো, যা বুঝতে সাহায্য করবে:

প্রশ্ন: দুটি পাশা একসাথে নিক্ষেপ করা হলে:

ক) দুটি সংখ্যার যোগফল ৮ হওয়ার সম্ভাবনা কত?

খ) দুটি সংখ্যার যোগফল কমপক্ষে ১০ হওয়ার সম্ভাবনা কত?

অঙ্ক স্যার: চলো, প্রথমে দেখি কোন কোন ক্ষেত্রে যোগফল ৮ হয়।

• (2, 6)
• (3, 5)
• (4, 4)
• (5, 3)
• (6, 2)

এই পাঁচটি ফলাফলই আমাদের অনুকূল ঘটনা। তাহলে n(E) = 5।

P(যোগফল ৮) = n(E) / n(S) = 5 / 36।

খ) দুটি সংখ্যার যোগফল কমপক্ষে ১০ হওয়ার সম্ভাবনা কত?

অনন্যা: কমপক্ষে ১০ মানে কি, ১০, ১১ বা ১২ হতে পারে?

অঙ্ক স্যার: একদম ঠিক! তাহলে আমরা ছক থেকে সেই ফলাফলগুলো খুঁজে বের করব।

• যোগফল ১০: (4, 6), (5, 5), (6, 4)
• যোগফল ১১: (5, 6), (6, 5)
• যোগফল ১২: (6, 6)

তাহলে, কমপক্ষে ১০ হওয়ার অনুকূল ঘটনা n(E) = 3 + 2 + 1 = 6।

P(যোগফল কমপক্ষে ১০) = n(E) / n(S) = 6 / 36 = 1 / 6।

অনন্যা: স্যার, এই রকম করে প্রতিটা ফলাফলের সেট তৈরি করে অনুকূল ঘটনা গোনাটা কি একটু সময়সাপেক্ষ নয়?

অঙ্ক স্যার: হ্যাঁ, অনন্যা। এটাই এই ধরনের সমস্যার একটা চ্যালেঞ্জ। বিশেষ করে যখন সম্ভাব্য ফলাফল বেশি হয়। তবে অনুশীলনের মাধ্যমে তুমি দ্রুত অনুকূল ফলাফলগুলো খুঁজে বের করতে পারবে। মনে রাখবে, নমুনা স্থান তৈরি করা এবং তারপর তার মধ্যে থেকে অনুকূল ঘটনাগুলোকে বেছে নেওয়াটাই সম্ভাবনার মূল ধাপ। তুমি চাইলে একটি সারণী (Table) তৈরি করে কাজটি আরও সহজ করতে পারো, যেমনটি আমরা যোগফলের জন্য দেখেছি। এটা Visualizing (কল্পনা করে দেখা) এ সাহায্য করে।

কিছু প্রায়োগিক প্রশ্ন ও উত্তর (Applied Questions & Answers)

অঙ্ক স্যার: অনন্যা, এখন আমি তোমাকে এই অধ্যায়ের কিছু গুরুত্বপূর্ণ প্রশ্ন করব। দেখি তুমি কতটা বুঝতে পেরেছো এবং সমস্যা সমাধানে কতটা পারদর্শী হয়েছো।

অনন্যা: হ্যাঁ স্যার, আমি প্রস্তুত! চেষ্টা করব সব প্রশ্নের সঠিক উত্তর দিতে।

প্রশ্ন ১: একটি বাক্সে ১২টি বল আছে, যার মধ্যে x সংখ্যক লাল বল। যদি একটি বল যাদৃচ্ছিকভাবে তোলা হয়, লাল বল হওয়ার সম্ভাবনা P(R) = 2/3 হয়। তাহলে x এর মান কত?

অনন্যা: এটা তো একটু অন্যরকম প্রশ্ন! এখানে সম্ভাবনা দেওয়া আছে, সংখ্যা বের করতে হবে। আমি P(R) = n(R)/n(S) সূত্রটা ব্যবহার করব।

মোট বলের সংখ্যা n(S) = 12।

লাল বলের সংখ্যা n(R) = x।

লাল বল হওয়ার সম্ভাবনা P(R) = n(R) / n(S) = x / 12।

প্রশ্ন অনুযায়ী P(R) এর মান দেওয়া আছে 2/3।

তাহলে, x / 12 = 2 / 3।

x = (2 / 3) * 12 = 2 * 4 = 8।

অতএব, লাল বলের সংখ্যা x = 8।

অঙ্ক স্যার: একদম ঠিক উত্তর দিয়েছো, অনন্যা! অসাধারণ! এই ধরনের প্রশ্ন খুব গুরুত্বপূর্ণ কারণ এতে সম্ভাবনার সূত্রকে বিপরীতভাবে প্রয়োগ করতে হয়। তোমার চিন্তাভাবনা স্পষ্ট এবং সঠিক পথে এগোচ্ছে।

প্রশ্ন ২: একটি সুষম মুদ্রা পরপর তিনবার টস করা হলো। কমপক্ষে দুটি হেড পাওয়ার সম্ভাবনা কত?

অনন্যা: ওহ বাবা! তিনবার টস। আগে নমুনা স্থান বের করি, যেটা আমরা একবার আলোচনা করেছিলাম।

নমুনা স্থান S = {HHH, HHT, HTH, THH, HTT, THT, TTH, TTT}।

মোট সম্ভাব্য ফলাফল n(S) = 8।

এবার 'কমপক্ষে দুটি হেড' মানে হলো হয় দুটি হেড থাকবে অথবা তিনটি হেড থাকবে। এর মানে, একটি হেড বা কোনো হেড নেই এমন ফলাফলগুলো বাদ যাবে।

ঘটনা E = {HHT, HTH, THH, HHH}।

অনুকূল ঘটনার সংখ্যা n(E) = 4।

তাহলে, P(কমপক্ষে দুটি হেড) = n(E) / n(S) = 4 / 8 = 1 / 2।

অঙ্ক স্যার: চমৎকার! নির্ভুল সমাধান। নমুনা স্থানটা ঠিকঠাক লিখে ফেলতে পারলে আর কোনো সমস্যা নেই। তুমি 'কমপক্ষে' শব্দটির অর্থ খুব ভালোভাবে বুঝেছ, যা এই ধরনের সমস্যা সমাধানের জন্য অত্যাবশ্যক।

প্রশ্ন ৩: ৫০টি লটারির টিকিট আছে, যার মধ্যে ৫টিতে পুরস্কার আছে। একটি টিকিট যাদৃচ্ছিকভাবে কিনলে, পুরস্কার পাওয়ার সম্ভাবনা কত? এবং পুরস্কার না পাওয়ার সম্ভাবনা কত?

অনন্যা: এটা একটি সহজ প্রশ্ন, স্যার!

মোট টিকিটের সংখ্যা n(S) = 50।

পুরস্কার আছে এমন টিকিটের সংখ্যা n(P) = 5।

পুরস্কার পাওয়ার সম্ভাবনা P(P) = n(P) / n(S) = 5 / 50 = 1 / 10।

এবার, পুরস্কার না পাওয়ার সম্ভাবনা P(P') বের করতে আমি পূরক ঘটনার সূত্র ব্যবহার করব।

P(P') = 1 - P(P) = 1 - 1 / 10 = 9 / 10।

অঙ্ক স্যার: খুব ভালো! তুমি পূরক ঘটনার ধারণাটিও সফলভাবে প্রয়োগ করেছো। এটি দেখায় যে তুমি সমস্যা সমাধানে একাধিক পদ্ধতি প্রয়োগ করতে পারো, যা একজন ভালো গণিতজ্ঞের গুণ। লটারির ক্ষেত্রে এই সম্ভাবনাগুলো খুব গুরুত্বপূর্ণ হয়, কারণ এটি একজন ব্যক্তিকে ঝুঁকি এবং সম্ভাব্য লাভের একটি ধারণা দেয়।

প্রশ্ন ৪: একটি বাক্সে ১ থেকে ৯৯ পর্যন্ত সংখ্যা লেখা ৯৯টি ডিস্ক আছে। একটি ডিস্ক যাদৃচ্ছিকভাবে তোলা হলো। তোলা ডিস্কে একটি পূর্ণবর্গ সংখ্যা (Perfect Square) থাকার সম্ভাবনা কত?

অনন্যা: ওহ, এটা একটু নতুন ধরনের। ১ থেকে ৯৯ এর মধ্যে পূর্ণবর্গ সংখ্যাগুলো খুঁজে বের করতে হবে। এর জন্য আমাকে আগে জানতে হবে পূর্ণবর্গ সংখ্যা কী।

মোট সম্ভাব্য ফলাফল n(S) = 99 (কারণ ১ থেকে ৯৯ পর্যন্ত ৯৯টি ডিস্ক আছে)।

পূর্ণবর্গ সংখ্যাগুলো হলো সেই সংখ্যা যা অন্য একটি পূর্ণসংখ্যার বর্গ। ১ থেকে ৯৯ এর মধ্যে পূর্ণবর্গ সংখ্যাগুলো হলো:

• 1 (1²)
• 4 (2²)
• 9 (3²)
• 16 (4²)
• 25 (5²)
• 36 (6²)
• 49 (7²)
• 64 (8²)
• 81 (9²)

10² = 100, যা ৯৯ এর চেয়ে বড়, তাই এটা অন্তর্ভুক্ত হবে না।

অনুকূল ঘটনার সংখ্যা n(E) = 9।

সুতরাং, P(পূর্ণবর্গ সংখ্যা) = n(E) / n(S) = 9 / 99 = 1 / 11।

অঙ্ক স্যার: দারুণ অ্যানালিসিস, অনন্যা! তুমি খুব গুছিয়ে চিন্তা করেছো এবং সঠিক উত্তর বের করেছো। এই ধরনের সমস্যাতেই মূল বিষয়গুলো প্রয়োগ করার সুযোগ হয়, যেখানে তোমাকে কিছু তথ্য আগে থেকে জেনে বা বের করে নিয়ে তারপর সম্ভাবনার সূত্র প্রয়োগ করতে হয়। তুমি যে প্রতিটি ধাপ পরিষ্কারভাবে ব্যাখ্যা করেছো, সেটা আরও বেশি প্রশংসনীয়।

আজ আমরা কী শিখলাম?

অঙ্ক স্যার: অনন্যা, আজ আমরা সম্ভাবনার একটি বিস্তারিত সফর করলাম। তুমি কি সংক্ষেপে এবং নিজের ভাষায় বলতে পারবে, আমরা কী কী গুরুত্বপূর্ণ বিষয় শিখলাম?

অনন্যা: হ্যাঁ স্যার! আমি চেষ্টা করছি। আজ আমার সম্ভাবনার অনেক ভয় কেটে গেছে!

• প্রথমত, আমরা শিখলাম সম্ভাবনা (Probability) হলো কোনো ঘটনা ঘটার আনুপাতিক সুযোগের গাণিতিক পরিমাপ, যা ০ থেকে ১ এর মধ্যে থাকে।
• আমরা জানলাম যাদৃচ্ছিক পরীক্ষা (Random Experiment) কী – যার ফলাফল অনিশ্চিত কিন্তু সম্ভাব্য সব ফলাফল আমাদের জানা থাকে।
• নমুনা স্থান (Sample Space) হলো একটি পরীক্ষার সমস্ত সম্ভাব্য ফলাফলের সেট, যাকে n(S) দিয়ে প্রকাশ করা হয়।
• আর ঘটনা (Event) হলো নমুনা স্থানের একটি অংশ বা উপসেট, যার অনুকূল ফলাফলের সংখ্যাকে n(E) দিয়ে চিহ্নিত করি।
• তারপর শিখলাম সম্ভাবনার মূল সূত্র: P(E) = n(E) / n(S)।
• এছাড়াও, আমরা জানলাম অসম্ভব ঘটনা (Impossible Event) এর সম্ভাবনা ০ এবং নিশ্চিত ঘটনা (Sure Event) এর সম্ভাবনা ১ হয়।
• সবচেয়ে মজার ছিল পূরক ঘটনা (Complementary Event) এর ধারণা, যেখানে P(E) + P(E') = ১ হয়, যা কঠিন সমস্যা সমাধানে খুব কাজে লাগে।
• আমরা মুদ্রা, পাশা, তাস এবং বলের উদাহরণ দিয়ে বিভিন্ন ধরনের বাস্তব সমস্যার সমাধান করা শিখলাম এবং কিভাবে অনুকূল ঘটনাগুলো খুঁজে বের করতে হয় তা বুঝলাম।

অঙ্ক স্যার: খুব সুন্দর বলেছো, অনন্যা! তুমি সমস্ত গুরুত্বপূর্ণ বিষয়গুলো খুব পরিষ্কারভাবে তুলে ধরেছো। এর সাথে আমি আরও যোগ করব যে, দৈনন্দিন জীবনে অসংখ্য ক্ষেত্রে সম্ভাবনার ব্যবহার হয় – আবহাওয়ার পূর্বাভাস থেকে শুরু করে শেয়ার বাজার, রোগের ঝুঁকি বিশ্লেষণ, উৎপাদন নিয়ন্ত্রন, এমনকি আধুনিক কৃত্রিম বুদ্ধিমত্তাতেও এর প্রয়োগ অপরিসীম। তাই, এই বিষয়টি শুধু পরীক্ষার জন্য নয়, বাস্তব জীবনেও আমাদের সিদ্ধান্ত নিতে এবং ঝুঁকি বুঝতে খুব কাজে লাগে।

অনন্যা: সত্যি স্যার, আজ সম্ভাবনার প্রতি আমার ভয় কেটে গেছে। মনে হচ্ছে এটা বেশ মজার এবং গুরুত্বপূর্ণ বিষয়! অসংখ্য ধন্যবাদ, স্যার, আমাকে এত সহজভাবে বোঝানোর জন্য।

অঙ্ক স্যার: তোমাকে স্বাগতম, অনন্যা! গণিতের সৌন্দর্য এখানেই যে, এটি আমাদের চারপাশের জগতকে বুঝতে সাহায্য করে। অনুশীলন চালিয়ে যাও, এবং দেখবে গণিত তোমার সেরা বন্ধু হয়ে উঠবে এবং তোমাকে অনেক নতুন পথ দেখাবে!