يعني إيه الـ probability؟ | STAT-101

الصدفة في كل حتة

لما تقلب عملة، أو ترمي زهرة طاولة، أو تبص على توقعات الطقس، أو تستلم نتيجة تحليل طبي، إنت بتتعامل مع عدم اليقين. الـ probability (الاحتمال) هي اللغة الرياضية اللي بنستخدمها عشان نفكّر في الغموض ده بطريقة منظمة — نحط أرقام لقد إيه الأحداث محتمل تحصل، ونحدّثها كل ما معلومة جديدة توصل.

دراسة الـ probability هي الأساس اللي الإحصاء كله قايم عليه. قبل ما نقدر نقدّر الـ parameters، ونختبر الفرضيات، ونبني الـ models، محتاجين مجموعة قواعد متسقة نتكلم بيها عن العشوائية. والقواعد دي هي موضوع الدرس ده.

ليه الـ probability؟

الإحصاء من غير probability مجرد وصف. الـ probability بتخلّينا ننقل من «ده اللي حصل» لـ «ده اللي نقدر نستنتجه عن العملية اللي طلّعت البيانات» — وهنا القوة الحقيقية.

الـ probability هي حساب عدم اليقين.

التجارب والنتايج والـ sample space

أي سياق احتمالي بيبدأ بـ random experiment (تجربة عشوائية): أي عملية مينفعش تتنبأ بنتيجتها بيقين من الأول. قلب عملة عادلة، ورمي زهرة طاولة بستة أوجه، وقياس حرارة بكرة، واختيار شخص عشوائي من population — كلها أمثلة.

الليستة الكاملة لكل النتايج الممكنة للـ random experiment اسمها sample space (فضاء العينة)، وعادةً بنرمزلها بـ Ω (أوميجا). لقلب عملة: Ω = {H, T}. لرمي زهرة: Ω = {1, 2, 3, 4, 5, 6}. لقلب عملتين: Ω = {HH, HT, TH, TT}.

الـ event (الحدث) هو أي subset من الـ sample space — أي مجموعة نتايج تهمّنا. «إنك تجيب رقم زوجي» هو الـ event A = {2, 4, 6}. «إنك تجيب صورة واحدة على الأقل في قلب عملتين» هو B = {HH, HT, TH}.

المصطلحات الأساسية

الـ random experiment — عملية نتيجتها مش مضمونة

الـ sample space Ω — مجموعة كل النتايج الممكنة

الـ event — subset من الـ sample space

الـ elementary event (الحدث الأولي) — نتيجة واحدة (subset حجمها 1)

عمليات على الـ events

الـ events مجموعات، يبقى كل عمليات نظرية المجموعات بتنطبق عليها. خلّي A وB اتنين events في نفس الـ sample space Ω.

الـ union (الاتحاد) A ∪ B فيه كل النتايج اللي في A أو في B أو في الاتنين. ده الـ event «A أو B يحصل (أو الاتنين)». لرمي زهرة مع A = {2, 4, 6} (زوجي) وB = {1, 2, 3} (أقل من 4): A ∪ B = {1, 2, 3, 4, 6}.

الـ intersection (التقاطع) A ∩ B فيه النتايج اللي في A وB مع بعض. ده «A وB الاتنين يحصلوا». في نفس المثال: A ∩ B = {2}.

الـ complement (المتمم) A^c فيه كل النتايج اللي في Ω ومش في A. ده «A ميحصلش». لـ A = {2, 4, 6}: A^c = {1, 3, 5}.

اتنين events يبقوا mutually exclusive (متنافيين) (أو disjoint) لو A ∩ B = ∅ — مينفعش يحصلوا مع بعض في نفس التجربة.

3 تفسيرات للـ probability

علماء الرياضيات متفقين على axioms (مسلّمات) الـ probability (هنتكلم عنها بالتفصيل قريب)، بس المعنى الفلسفي لما تقول إن حدث ليه probability معيّنة لسه محل نقاش من قرون. فيه 3 مدارس أساسية.

التفسير الـ classical (الكلاسيكي) بينطبق لما كل النتايج يبقى احتمالها متساوي. الـ probability هي نسبة النتايج المناسبة لإجمالي النتايج. لو رميت زهرة عادلة، احتمال إنك تجيب 3 هو 1/6 لأن وش واحد بس من 6 عليه 3.

الـ probability الكلاسيكية

P(A) = \dfrac{|A|}{|\Omega|}

بتنطبق بس لما كل نتايج |Ω| احتمالها متساوي؛ و|A| بيعدّ النتايج المناسبة

التفسير الـ frequentist (التكراري) بيعرّف الـ probability على إنها التردد النسبي على المدى الطويل. لو قلبت عملة عادلة مليون مرة، نسبة الصورة هتقرب من 0.5. الـ probability مش خاصية تجربة واحدة، لكنها خاصية عملية بتتكرر لما لا نهاية.

الـ probability التكرارية

P(A) = \lim_{n \to \infty} \frac{n_A}{n}

الـ probability بتاعة الحدث A هي نهاية التردد النسبي بتاعه لما عدد التجارب n يكبر لما لا نهاية

التفسير الـ Bayesian (البايزي) بيتعامل مع الـ probability على إنها درجة اعتقاد — مقياس لثقتنا إن حدث هيحصل، بناءً على كل اللي نعرفه دلوقتي. بالتفسير ده، تقدر تدّي probability لأحداث بتحصل مرة واحدة، وتحدّثها كل ما الأدلة تتراكم. احتمال إن المتهم مذنب، أو إن علاج جديد يجيب نتيجة، أو إنها تمطر بكرة — كلها تتقال بطريقة Bayesian.

وجهات النظر التلاتة مرة واحدة

الكلاسيكي: نسبة النتايج المناسبة لإجمالي النتايج اللي احتمالها متساوي

التكراري: التردد النسبي على المدى الطويل لما التجربة تتكرر كتير

البايزي: درجة اعتقاد شخصية، بتتحدّث بالأدلة

مسلّمات Kolmogorov

مهما كان التفسير اللي بتفضّله، الكل متفق على القواعد الرياضية. في سنة 1933، أندريه Kolmogorov حط نظرية الـ probability على أساس مضبوط من الـ axioms. الـ axioms التلاتة بتاعته بسيطة، بس كفاية إنك تشتق منها كل نتيجة في نظرية الـ probability.

الـ axioms التلاتة (Kolmogorov، 1933)

المسلّمة 1 (عدم السلبية): لأي حدث A، P(A) ≥ 0.

المسلّمة 2 (التسوية): P(Ω) = 1. لازم حاجة تحصل.

المسلّمة 3 (التجميع): لحدثين mutually exclusive A وB: P(A ∪ B) = P(A) + P(B).

كل حاجة تانية في الـ probability طالعة من الـ axioms التلاتة دول. الـ probabilities دايمًا بين 0 و1. احتمال الحدث المستحيل 0. والـ complements مجموعهم 1. وكل ده يتثبت من الـ axioms — مش افتراضات زيادة.

قواعد الـ probability الأساسية

من مسلّمات Kolmogorov بتطلع على طول قاعدتين أساسيتين.

قاعدة الـ complement بتقول إن احتمال إن حدث ميحصلش بيساوي واحد ناقص احتمال إنه يحصل. وهي غالبًا أسهل طريقة تحسب بيها احتمالات «حدث واحد على الأقل»: احسب احتمال الـ complement (ولا حاجة) واطرحه من 1.

قاعدة الـ complement

P(A^c) = 1 - P(A)

احتمال إن A ميحصلش؛ طالعة على طول من المسلّمتين 2 و3

قاعدة الجمع بتدّيك احتمال الـ union بتاع حدثين. لو A وB ممكن يتداخلوا، لازم تطرح الـ intersection اللي اتحسب مرتين.

قاعدة الجمع (العامة)

P(A \cup B) = P(A) + P(B) - P(A \cap B)

لما A وB يبقوا mutually exclusive (A ∩ B = ∅)، P(A ∩ B) بيبقى صفر والقاعدة بتبقى P(A) + P(B)

العدّ: الـ permutations والـ combinations

في الـ probability الكلاسيكية، حساب P(A) = |A| / |Ω| محتاج تعرف عدد النتايج في كل مجموعة. وهنا طرق العدّ — الـ combinatorics (التوافيقيات) — بتبقى ضرورية.

الـ permutation (التبديل) هو ترتيب مرتّب للعناصر. لو عندك n عنصر مختلفين واخترت k منهم بترتيب معيّن، عدد الـ permutations هو:

الـ permutations

P(n,k) = \frac{n!}{(n-k)!}

عدد التسلسلات المرتبة لـ k عنصر مختارين من n عنصر مختلفين؛ الترتيب بيفرق

الـ combination (التوفيق) هو اختيار من غير ترتيب — subset. لو الترتيب مش فارق (يهمّنا بس أنهي عناصر اتختارت مش ترتيبها)، العدد بيبقى أصغر:

الـ combinations

\binom{n}{k} = \frac{n!}{k!\,(n-k)!}

بتتقري «n choose k» — عدد طرق اختيار k عنصر من n من غير ما يفرق الترتيب

الـ combinations بتظهر طول الوقت في الـ probability. احتمال إنك تجيب إيد بوكر معيّنة، أو تختار لجنة، أو أي سيناريو الترتيب فيه مش مهم — كلهم بيرجعوا لحساب الـ binomial coefficient (المعامل ذي الحدين) C(n, k).

الـ permutations قصاد الـ combinations

الـ permutations: الترتيب بيفرق. الرقم السري 1-2-3-4 غير 4-3-2-1.

الـ combinations: الترتيب مش بيفرق. اللجنة {أحمد، فاطمة، خالد} هي هي مهما كان ترتيب اختيارهم.

C(n, k) = P(n, k) / k! — اقسم على k! عشان تشيل الترتيبات الزيادة

الصورة الكاملة

الـ probability بتدّينا لغة: الـ sample spaces بتحدد كل النتايج الممكنة، والـ events هي الحاجات اللي تهمّنا، ومقاييس الـ probability بتحط أرقام بين 0 و1 بشكل متسق. الـ axioms بتضمن إن تقديراتنا متناقضش بعض. وقواعد الـ complement والجمع بتخلّينا نحسب احتمالات الأحداث المعقدة من أحداث أبسط. وطرق العدّ بتخلّينا نحسب الاحتمالات لما الإطار الكلاسيكي ينطبق.

في الدرس الجاي، هنكبّر الإطار ده للـ conditional probability (الاحتمال الشرطي) — احتمال A بيحصله إيه لما نعرف إن B حصل — ولأداة من أقوى الأدوات في الإحصاء كله: نظرية Bayes.

الجاي: الـ conditional probability — إزاي المعلومات الجديدة بتغيّر اللي بنصدّقه عن الأحداث اللي مش مضمونة، وليه اللخبطة بين P(A|B) وP(B|A) من أشهر وأغلى الغلطات في التفكير الاحتمالي.

أهم حاجة اتعلّمناها

الـ random experiment ليها sample space Ω فيه كل النتايج الممكنة؛ والـ event هو أي subset من Ω.
الـ events بتتجمع بالـ union (∪) والـ intersection (∩) والـ complement (·^c) — بالظبط زي المجموعات.
3 تفسيرات — كلاسيكي وتكراري وبايزي — متفقين على الـ axioms بس مختلفين في المعنى.
مسلّمات Kolmogorov التلاتة (عدم السلبية، التسوية، التجميع) هي أساس نظرية الـ probability كلها.
قاعدة الـ complement وقاعدة الجمع العامة هما أهم نتيجتين بيطلعوا على طول من الـ axioms.
الـ permutations بتعدّ الترتيبات المرتبة؛ والـ combinations بتعدّ الـ subsets اللي من غير ترتيب — والاتنين أساسيين في حسابات الـ probability الكلاسيكية.