प्रायिकता असल में क्या नापती है

मान लीजिए मौसम पूर्वानुमान बारिश की 70% संभावना बताता है और दिन सूखा निकल जाता है। क्या पूर्वानुमान ग़लत था? ज़्यादातर लोगों को लगता है कि हाँ, और यही एहसास सबसे साफ़ संकेत है कि प्रायिकता कितनी आसानी से ग़लत पढ़ी जाती है। पूर्वानुमान ने उस एक दिन के बारे में कोई दावा किया ही नहीं था। उसने दिनों के एक वर्ग के बारे में दावा किया था, और एक सूखी दोपहर उसे उतना ही नहीं झुठला सकती जितना एक बार चित आया सिक्का उसके निष्पक्ष होने को।

तीन अभिगृहीत, और वे क्या खुला छोड़ते हैं

गणितीय रूप से प्रायिकता उल्लेखनीय रूप से दुबली है। कोल्मोगोरोव के अभिगृहीत बस इतना कहते हैं: हर घटना को एक संख्या मिलती है जो ऋणात्मक नहीं होती; निश्चित घटना — यानी कुछ न कुछ होना — को 1 मिलता है; और जो घटनाएँ एक साथ नहीं हो सकतीं, उनमें से किसी एक के होने की प्रायिकता उनकी अलग-अलग प्रायिकताओं का योग होती है। विषय का बाक़ी सब कुछ इन्हीं तीन कथनों से निकला है।

अभिगृहीत जान-बूझकर जो नहीं कहते, वह यह कि इन संख्याओं का अर्थ क्या है। दो व्याख्याएँ हावी हैं।

• आवृत्तिवादी पाठ प्रायिकता को दीर्घकालिक सापेक्ष आवृत्ति मानता है। सिक्के के चित आने की प्रायिकता 0.5 कहने का अर्थ है कि अनगिनत उछालों में चित का अनुपात आधे के पास पहुँचता है। साफ़-सुथरा, पर यह एक-बारगी घटनाओं पर कुछ नहीं कहता — कल का कोई दीर्घकाल होता ही नहीं।
• बेयेसीय पाठ प्रायिकता को विश्वास की मात्रा मानता है, जो किसी भी कथन को दी जा सकती है और साक्ष्य आने पर अद्यतन की जा सकती है। यह एक-बारगी मामला सहजता से संभालता है, बस क़ीमत यह कि साक्ष्य से पहले एक शुरुआती विश्वास — पूर्व प्रायिकता (prior) — चाहिए।

ये दो प्रतिद्वंद्वी गणित नहीं हैं। दोनों वही अभिगृहीत मानते हैं; झगड़ा इस पर है कि प्रायिकता आख़िर किस बारे में तथ्य है।

सप्रतिबंध प्रायिकता, और उससे निकलती प्रमेय

काम की ज़्यादातर प्रायिकता सप्रतिबंध होती है: "बीमारी की संभावना क्या है" नहीं, बल्कि "जाँच पॉज़िटिव आने पर बीमारी की संभावना क्या है"। इसे P(A|B) लिखते हैं, और यह पूछती है कि जिन परिणामों में B हुआ उनमें से कितने अंश में A भी हुआ।

इसी परिभाषा को फिर से जमाने पर बेयस प्रमेय मिलती है, जो प्रतिबंध की दिशा उलट देती है:

P(A|B) = P(B|A) × P(A) / P(B)

यही उलटाव पूरा मुद्दा है, क्योंकि दोनों दिशाएँ रोज़ गड्डमड्ड होती हैं। कोई जाँच बीमारी वाले 99% लोगों को पकड़ सकती है — वह P(पॉज़िटिव | बीमारी) है। रोगी को चाहिए P(बीमारी | पॉज़िटिव), और अगर बीमारी दस हज़ार में एक को होती है तो 99% सटीक जाँच पर भी ज़्यादातर पॉज़िटिव नतीजे झूठे पॉज़िटिव होंगे — सिर्फ़ इसलिए कि उन्हें पैदा करने वाले स्वस्थ लोग कहीं ज़्यादा हैं। यही आधार-दर भ्रांति है, जो चिकित्सा स्क्रीनिंग, सुरक्षा तंत्र, फ़ोरेंसिक साक्ष्य और मशीन-लर्निंग वर्गीकारकों में बार-बार लौटती है।

प्रायिकता किसी एक घटना की भविष्यवाणी नहीं है। यह संभावित घटनाओं की पूरी आबादी के बारे में कथन है, जिसमें से आपके सामने वाली महज़ एक नमूना है।

स्वतंत्रता वही धारणा है जो धोखा देती है

दो घटनाएँ तब स्वतंत्र होती हैं जब एक को जान लेने से दूसरे के बारे में कुछ पता न चले, और केवल तभी उनकी प्रायिकताओं का गुणा किया जा सकता है। यह गुणन नियम इतना सुविधाजनक है कि स्वतंत्रता जाँची कम और मान ली ज़्यादा जाती है।

नतीजे भारी हो सकते हैं। 2008 के वित्तीय संकट में मॉडलों ने बंधक-आधारित प्रतिभूतियों की क़ीमत यह मानकर लगाई कि अलग-अलग चूक लगभग स्वतंत्र हैं; जब देशव्यापी मंदी आई तो वे एक साथ चूकीं, और एक साथ नाकाम होने का आँका गया जोखिम कई गुना कम निकला। स्वतंत्र होने का स्वाँग करती सहसंबद्ध घटनाएँ व्यावहारिक गणित की सबसे महँगी ग़लतियों में हैं।

बृहत् संख्या का नियम बताता है कि स्वतंत्रता असल में क्या ख़रीदती है: जैसे-जैसे प्रयोग जुड़ते हैं, देखा गया औसत प्रत्याशित मान की ओर अभिसरित होता है। यह समग्र में अभिसरण का वादा करता है, किसी एक प्रयोग के बारे में कुछ नहीं — इसीलिए जुआरी की भ्रांति, यानी यह मान लेना कि लगातार चित के बाद पट "बनता" है, ग़लत है। सिक्के की याददाश्त नहीं होती, और नियम पिछले असंतुलन सुधारकर नहीं, बाद के आँकड़ों में उन्हें डुबोकर काम करता है।

इसी के साथ केंद्रीय सीमा प्रमेय बताती है कि घंटी-वक्र हर जगह क्यों दिखता है: कई स्वतंत्र प्रभावों के योग सामान्य बंटन की ओर झुकते हैं, चाहे अलग-अलग प्रभाव जैसे भी दिखें। यही वजह है कि सांख्यिकीय व्यवहार का बड़ा हिस्सा सामान्यता मान लेता है — और यही वजह भी कि वह धारणा ठीक वहीं टूटती है जहाँ प्रभाव न बहुत हों, न स्वतंत्र।

प्रायिकता कहाँ काम कर रही है

प्रायिकता आधुनिक जीवन का कहीं ज़्यादा हिस्सा संभालती है जितना कक्षा की सिक्का-उछाल से लगता है। बीमा पूँजी लगी हुई व्यावहारिक प्रायिकता है। नैदानिक परीक्षण इसी से तय करते हैं कि असर असली है या नहीं। क्वांटम यांत्रिकी अपनी बुनियाद में ही प्रायिकतात्मक है, अज्ञान की मजबूरी के चलते नहीं। क्रिप्टोग्राफ़ी इस पर टिकी है कि कुछ घटनाएँ बेहद असंभाव्य हों। और हर मशीन-लर्निंग मॉडल एक प्रायिकतात्मक कथन है — 92% भरोसा बताने वाला वर्गीकारक कुछ विशिष्ट दावा कर रहा है, और वह दावा अंशांकित है या नहीं, इस पर यह क्षेत्र अब भी काम कर रहा है।

विद्यार्थियों और शोधकर्ताओं के लिए क्यों मायने रखता है

प्रायिकता अनिश्चितता की साझा भाषा है, जिससे यह उन गिने-चुने गणितीय विषयों में आ जाती है जिनकी हर मात्रात्मक अनुशासन को एक ही रूप में ज़रूरत है। जो शोधकर्ता प्रतिबंधन नहीं समझता वह p-मान ग़लत पढ़ेगा; जो स्वतंत्रता नहीं समझता वह जोखिम कम आँकेगा; जो आधार-दर नहीं समझता वह जाँच पर ज़रूरत से ज़्यादा भरोसा करेगा। यह क्षेत्र ख़ुद सक्रिय है — कारणात्मक अनुमान में, बेयेसीय संगणना में, प्रायिकतात्मक प्रोग्रामिंग में, और उच्च-विमीय आँकड़ों की सांख्यिकी में जहाँ चिरसम्मत अंतर्ज्ञान टूट जाता है। पीयर-रिव्यूड साहित्य का अनुसरण करके ही गणित, सांख्यिकी और डेटा साइंस के छात्र उन विधियों के साथ चलते हैं जो जितनी तेज़ी से लागू हो रही हैं उतनी ही तेज़ी से बदल भी रही हैं।

अक्सर पूछे जाने वाले प्रश्न

0.7 की प्रायिकता का असल में क्या अर्थ है?

आवृत्तिवादी पाठ में इसका अर्थ है कि ऐसी ही बहुत-सी स्थितियों में से लगभग 70% में वह घटना होती है। बेयेसीय पाठ में यह उपलब्ध साक्ष्य को देखते हुए उतनी मज़बूती के विश्वास को व्यक्त करती है। किसी भी हालत में यह एक अकेले मामले का नतीजा नहीं बताती।

बेयस प्रमेय किस काम आती है?

यह एक दिशा की प्रायिकता को दूसरी दिशा में बदल देती है — "बीमारी होने पर यह जाँच कितनी बार पॉज़िटिव आती है" को "पॉज़िटिव जाँच पर बीमारी कितनी संभावित है" में। चिकित्सा निदान, स्पैम छँटाई, फ़ोरेंसिक तर्क और अधिकांश आधुनिक सांख्यिकीय अद्यतन इसी पर टिके हैं।

जुआरी की भ्रांति क्या है?

यह मान्यता कि स्वतंत्र यादृच्छिक घटनाएँ अल्पकाल में किसी तरह बराबर हो जाती हैं — कि कई बार चित आने के बाद पट ज़्यादा संभावित हो जाता है। स्वतंत्र प्रयोगों की कोई याददाश्त नहीं होती, इसलिए अगली उछाल की प्रायिकता पहले जो भी हुआ हो, वैसी ही रहती है।

प्रायिकता और सांख्यिकी में क्या अंतर है?

प्रायिकता ज्ञात मॉडल से आगे बढ़कर तर्क करती है कि वह किस तरह के आँकड़े पैदा करेगा। सांख्यिकी देखे गए आँकड़ों से पीछे लौटकर तर्क करती है कि उन्हें कौन-सा मॉडल पैदा कर सकता था। ये एक-दूसरे के व्युत्क्रम प्रश्न हैं, इसीलिए सांख्यिकी का पाठ्यक्रम लगभग हमेशा प्रायिकता से शुरू होता है।