การแจกแจงความน่าจะเป็น
การแจกแจงความน่าจะเป็น (probability distribution) ของตัวแปรสุ่มบอกว่าความน่าจะเป็นที่ตัวแปรสุ่มจะมีค่าค่าหนึ่งเป็นเท่าใด
การแจกแจงของตัวแปรไม่ต่อเนื่อง
ให้มีตัวแปรสุ่มไม่ต่อเนื่องตัวหนึ่ง ตัวอย่างเช่น อาจติดตามว่าลุงบุญมีซึ่งเป็นคอชาไทยตัวยงของหมู่บ้านดื่มชาไทยวันละกี่แก้ว หลังจากติดตามลุงบุญมีตลอดหนึ่งเดือน ได้ตารางดังนี้
| วันที่ | ชาไทย (แก้ว) | วันที่ | ชาไทย (แก้ว) | วันที่ | ชาไทย (แก้ว) |
|---|---|---|---|---|---|
| 1 | 5 | 11 | 10 | 21 | 4 |
| 2 | 10 | 12 | 5 | 22 | 6 |
| 3 | 4 | 13 | 12 | 23 | 10 |
| 4 | 4 | 14 | 10 | 24 | 10 |
| 5 | 5 | 15 | 12 | 25 | 4 |
| 6 | 4 | 16 | 12 | 26 | 5 |
| 7 | 0 | 17 | 6 | 27 | 10 |
| 8 | 5 | 18 | 10 | 28 | 5 |
| 9 | 4 | 19 | 6 | 29 | 0 |
| 10 | 5 | 20 | 10 | 30 | 10 |
จะเห็นว่าช่วงต้นเดือนลุงบุญมียังดื่มน้อยอยู่บ้าง แต่หลังจากนั้นก็ดื่มแก้วแล้วแก้วเล่า และสัปดาห์ที่เริ่มตั้งแต่วันที่ 11 คงเป็นสัปดาห์ที่หนักมาก ให้ตัวแปรสุ่มไม่ต่อเนื่องนี้แทนด้วย X ต่อไปเราสนใจว่าความน่าจะเป็นที่ลุงบุญมีจะดื่มชาไทย x แก้วในวันใดวันหนึ่งของเดือนเป็นเท่าใด
ก่อนหาความน่าจะเป็น ให้สร้างแผนภูมิแท่งแสดงความถี่ธรรมดาก่อน หาจำนวนแก้วของชาไทยที่ลุงบุญมีดื่มในแต่ละวัน แล้วนำไปเขียนในแผนภูมิแสดงความถี่ ตัวอย่างเช่น ลุงบุญมีดื่มสิบแก้วทั้งหมดเก้าวัน ค่าสิบแก้วจึงมีแท่งที่มีความสูงเก้า:
อ่านแผนภูมิได้ว่า ในเดือนนี้มีสามวันที่ลุงบุญมีดื่มชาไทยหกแก้ว
ความน่าจะเป็นที่ลุงบุญมีจะดื่มชาไทยสิบแก้วในหนึ่งวันเป็นเท่าใด เขียนอย่างเป็นทางการได้ดังนี้ ให้ฟังก์ชันความน่าจะเป็นแทนด้วย P คำถามเรื่องสิบแก้วเขียนได้เป็น P(X = 10) ซึ่งหมายถึงความน่าจะเป็นที่ตัวแปรสุ่ม X มีค่าเท่ากับสิบเป็นเท่าใด
ความน่าจะเป็นนี้เท่ากับความถี่สัมพัทธ์ของค่านั้น จึงสร้างแผนภูมิความถี่สัมพัทธ์เพิ่มอีกหนึ่งแผนภูมิ:
ตอนนี้บอกได้ว่า P(X = 10) เท่ากับ 0.3 คือ 30%
ความน่าจะเป็นเชิงประจักษ์และความน่าจะเป็นเชิงทฤษฎี
ตัวอย่างเช่น ลูกเต๋าธรรมดาลูกหนึ่ง ลองทอดลูกเต๋านี้ 600 ครั้ง ตามความน่าจะเป็นเชิงทฤษฎีแบบคลาสสิก โอกาสที่จะได้แต้ม 1 แต้ม 2 … แต้ม 6 เท่ากันทุกแต้ม ลูกเต๋าแต่ละหน้ามีความน่าจะเป็นที่จะขึ้นเท่ากับ
แน่นอนว่าสิ่งนี้คงไม่เกิดขึ้นจริง ในการทดลองของเราอาจได้ผลดังนี้
| แต้มบนลูกเต๋า | จำนวนครั้งที่ขึ้น | ความถี่สัมพัทธ์ |
|---|---|---|
| 1 | 105 | 0.175 |
| 2 | 103 | 0.171666 |
| 3 | 90 | 0.15 |
| 4 | 96 | 0.16 |
| 5 | 100 | 0.16666 |
| 6 | 106 | 0.17666 |
จะเห็นว่าความถี่สัมพัทธ์ของการได้แต้ม 1 ซึ่งก็คือความน่าจะเป็นด้วย เท่ากับ 0.175 หรือ 17.5% ค่านี้ใกล้กับความน่าจะเป็น
ไม่ได้หมายความว่าความน่าจะเป็นแบบใดแบบหนึ่งผิด การสร้างลูกเต๋าที่สมดุลอย่างสมบูรณ์ไม่ใช่เรื่องง่ายเลย และการทดลองทอดลูกเต๋า 600 ครั้งเองก็อาจทำได้ยากเช่นกัน
ความน่าจะเป็นเชิงทฤษฎีจึงใช้ได้ภายใต้สภาวะอุดมคติ ซึ่งทอดลูกเต๋าไปเรื่อย ๆ ไม่สิ้นสุด ยิ่งทอดลูกเต๋าที่สมดุลสมบูรณ์นานเท่าใด ความถี่สัมพัทธ์ของแต่ละแต้มก็จะยิ่งเข้าใกล้ความน่าจะเป็นเชิงทฤษฎีมากขึ้นเท่านั้น
ดังนั้นจึงแยกความน่าจะเป็นเป็นสองแบบ คือความน่าจะเป็นเชิงทฤษฎี ซึ่งอาศัยสภาวะอุดมคติ และความน่าจะเป็นเชิงประจักษ์ (empirical probability) ซึ่งหาได้จากความถี่สัมพัทธ์ของข้อมูลของเรา
การหาความน่าจะเป็นเชิงประจักษ์ควรมีข้อมูลจำนวนมากพอ ตัวอย่างเช่น เราติดตามลุงบุญมีคอชาไทยของเราเพียงหนึ่งเดือน แต่ถ้าติดตามอย่างน้อยหนึ่งปีจะดีกว่ามาก
การแจกแจงของตัวแปรต่อเนื่อง
สำหรับตัวแปรต่อเนื่อง จะไม่หาความน่าจะเป็นที่จุดใดจุดหนึ่ง แต่หาบนช่วงเสมอ ความน่าจะเป็นจะเท่ากับพื้นที่ใต้เส้นโค้ง การคำนวณจึงต้องใช้ปริพันธ์ กราฟของตัวแปรต่อเนื่องอาจเป็นดังรูป เช่น การวัดค่าความคลาดเคลื่อนบางอย่างในหน่วยเซนติเมตร:
บนแกน X เป็นค่าในหน่วยเซนติเมตร บนแกน Y เป็นความถี่สัมพัทธ์ สมมติว่าวัดได้เฉพาะค่าในช่วง [−4, 4] ความน่าจะเป็นเชิงประจักษ์ที่จะวัดค่าความคลาดเคลื่อนได้ในช่วงนี้จึงเท่ากับ 1 คือ 100%
พื้นที่เกี่ยวข้องกับเรื่องนี้อย่างไร กล่าวได้ว่าพื้นที่
ส่วนที่แรเงาในรูปก่อนหน้าแทน 100% ส่วนในรูปนี้แทน 50% เพราะพื้นที่เป็นครึ่งหนึ่งอย่างเห็นได้ชัด ความน่าจะเป็นเชิงประจักษ์เขียนได้อย่างแม่นยำในรูปอัตราส่วน:
กฎของจำนวนมาก
หัวข้อก่อนหน้าเกี่ยวข้องกับกฎของจำนวนมาก (law of large numbers) ที่รู้จักกันดี กฎนี้กล่าวอย่างไม่เป็นทางการว่า เมื่อทำการทดลองที่เป็นอิสระต่อกันเป็นจำนวนมาก ความถี่สัมพัทธ์ (ความน่าจะเป็นเชิงประจักษ์) จะเข้าใกล้ความน่าจะเป็นเชิงทฤษฎี
นึกภาพได้อีกครั้งจากการโยนเหรียญ เหรียญอาจขึ้นหัวหรือก้อย แต่ละด้านมีความน่าจะเป็น
ถ้าโยนทั้งหมดสิบครั้ง อาจขึ้นหัวเจ็ดครั้งและก้อยสามครั้ง ได้ความถี่
ทำต่อไปเช่นนี้ได้เรื่อย ๆ ถ้าโยนเหรียญหนึ่งพันครั้ง อาจขึ้นหัว 520 ครั้งและก้อย 480 ครั้ง ได้ความถี่
สังเกตว่าแม้ความถี่สัมพัทธ์จะใกล้หนึ่งส่วนสองมากขึ้น แต่ความถี่กลับห่างจากความถี่ “ในอุดมคติ” มากขึ้น เมื่อโยนเหรียญสิบครั้ง ความถี่ในอุดมคติของแต่ละด้านคือ 5 คือขึ้นหัวห้าครั้งและก้อยห้าครั้ง เพราะขึ้นหัวเจ็ดครั้ง จึงต่างกันสองครั้ง: 7 − 5 = 2 ผลการโยน “ต่างไปสองครั้ง” จากสถานการณ์ในอุดมคติ
แต่เมื่อโยนเหรียญหนึ่งพันครั้ง ขึ้นหัว 520 ครั้ง ซึ่งต่างจากอุดมคติ 20 ครั้ง เพราะในกรณีอุดมคติแต่ละด้านควรขึ้น 500 ครั้ง จึงดูเหมือนว่ายิ่งโยนมากครั้ง ผลก็ยิ่งห่างออกไป
แต่ไม่เป็นปัญหาเลย กฎของจำนวนมากไม่ได้กล่าวว่าความถี่จะเข้าใกล้อุดมคติ แต่กล่าวว่าความถี่สัมพัทธ์จะเข้าใกล้ และความถี่สัมพัทธ์ก็เข้าใกล้จริง กล่าวคือ ความถี่อาจห่างออกไป แต่ความถี่สัมพัทธ์จะเข้าใกล้มากขึ้น