ความ น่า จะ เป็น ของ เหตุ การณ์
ใน
- พรุ่ง |
คำ ว่า "ความ น่า จะ เป็น " หรือ "probability" เป็น วิธี การ วัด ความ ไม่ แน่ นอน ใน รูป แบบ คณิต ศาสตร์ เช่น เมื่อ โยน เหรียญ ความ น่า จะ เป็น ของ เหรียญ ที่ จะ ออก หัว หรือ ก้อย เท่ากับ 0.5
ดัง นั้น เหตุ การณ์ ต่าง ๆ ที่ เกิด ขึ้น ใน อาณาคตเป็น สิ่ง ที่ ยาก จะ คาด เดา ได้ ถูก ต้อง ร้อยเปอร์เซนต์ นัก อุตุ นิยม วิทยา จึง ใช้ หลัก การ ของ ความ น่า จะ เป็น เข้า มา ทำนาย เช่น ความ น่า จะ เป็น ของ การ เกิด ฝน ตก ใน กรุง เทพ มหา นคร ใน วัน พรุ่ง นี้ มี ค่า เท่ากับ 0.7 ความ น่า จะ เป็น เป็น ค่า ที่ อาจ มี ความ หมาย ที่ หลาย คน เข้า ใจ ได้ ไม่ ยาก ความ น่า จะ เป็น เป็น ศาสตร์ ที่ มี ความ ละเอียด อ่อน ที่ จะ นำ ไป ประยุกต์ ใช้ โดย เฉพาะ เหตุ การณ์ ใน ชีวิต ประจำ วัน ต่าง ๆ ความ น่า จะ เป็น มี การ กำหนด ค่า เป็น เศษ ส่วน หรือ เป็นเปอร์เซนต์หรือ ให้ มี ค่า ระหว่าง 0 ถึง 1 เช่น ถ้า นำ ลูก เต๋า ทอย ลง บน พื้น โอกาส ที่ จะ ปรากฎ หน้า 1 มี ค่า เท่ากับ 1/6 หรือ 16.6 เปอร์เซนต์ ถ้า โยน เหรียญ หนึ่ง เหรียญ และ ให้ ตก บน พื้น (โยน แบบ ยุติ ธรรม) โอกาส ที่ จะ ปรากฏ หัว เท่ากับ 1/2 หรือ 0.5
ความหมาย
ความน่าจะเป็นหมายถึง ดัชนีชี้วัดของเหตุการณ์ที่จะเป็นไปได้ โดยสามารถพิจารณาได้ 2 ลักษณะคือ
1. ความน่าจะเป็นแบบความถี่ที่เกิดขึ้น (Frequency Probability) หมายถึงความน่าจะเป็นของเหตุการณ์ต่างๆ ที่เกิดขึ้นโดยอาศัยความถี่ของข้อมูลที่เกิดแล้วนำมาคำนวณหาค่าความน่าจะเป็น ถ้าให้ n แทนจำนวนครั้งของเหตุการณ์ที่สนใจ (E : Event) และ N แทนจำนวนครั้งของเหตุการณ์ทั้งหมดที่เกิดขึ้น (S : Sample Space) ดังนั้นความน่าจะเป็นของเหตุการณ์ E แทนด้วยสัญลักษณ์ P(E) สามารถคำนวณได้โดย
ตัวอย่าง 2.1 การสำรวจลูกค้าที่เข้ามาซื้อของในห้างสรรพสิน ในแต่ละวันในรอบ 5 สัปดาห์ ได้ข้อมูลดังนี้
ความน่าจะเป็นหมายถึง ดัชนีชี้วัดของเหตุการณ์ที่จะเป็นไปได้ โดยสามารถพิจารณาได้ 2 ลักษณะคือ
1. ความน่าจะเป็นแบบความถี่ที่เกิดขึ้น (Frequency Probability) หมายถึงความน่าจะเป็นของเหตุการณ์ต่างๆ ที่เกิดขึ้นโดยอาศัยความถี่ของข้อมูลที่เกิดแล้วนำมาคำนวณหาค่าความน่าจะเป็น ถ้าให้ n แทนจำนวนครั้งของเหตุการณ์ที่สนใจ (E : Event) และ N แทนจำนวนครั้งของเหตุการณ์ทั้งหมดที่เกิดขึ้น (S : Sample Space) ดังนั้นความน่าจะเป็นของเหตุการณ์ E แทนด้วยสัญลักษณ์ P(E) สามารถคำนวณได้โดย

ตัวอย่าง 2.1 การสำรวจลูกค้าที่เข้ามาซื้อของในห้างสรรพสิน ในแต่ละวันในรอบ 5 สัปดาห์ ได้ข้อมูลดังนี้
วัน
|
อาทิตย์
|
จันทร์
|
อังคาร
|
พุธ
|
พฤหัส
|
ศุกร์
|
เสาร์
|
รวม
|
จำนวนรถยนต์ |
3,597
|
1,258
|
1,298
|
1,305
|
1,275
|
2,159
|
3,654
|
14,546
|
นั่นคือ จะมีลูกค้าเข้ามาซื้อของในห้างสรรพสินค้าในวัน อาทิตย์ จันทร์ อังคาร พุธ พฤหัส ศุกร์ และวันเสาร์ ด้วยความน่าจะเป็น
วัน
|
อาทิตย์
|
จันทร์
|
อังคาร
|
พุธ
|
พฤหัส
|
ศุกร์
|
เสาร์
|
จำนวนรถยนต์ | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
2. ความน่าจะเป็นแบบ Classical Probability คือความน่าจะเป็นของอัตราส่วนระหว่างจำนวนสมาชิกของเหตุการณ์ที่สนใจ กับจำนวนสมาชิกของเหตุการณ์ทั้งหมดที่อาจเกิดขึ้นได้ โดยที่สมาชิกแต่ละตัวมีโอกาสเกิดขึ้นได้เท่าๆ กัน
ถ้าให้ E (Event) แทนเหตุการณ์ที่สนใจศึกษา
ความน่าจะเป็นของเหตุการณ์ E จะแทนด้วยสัญลักษณ์

สัญลักษณ์ P = ความน่าจะเป็น
n = จำนวนตัวอย่างที่สนใจ
N = จำนวนประชากรทั้งหมด
ตัวอย่าง 2.2 ต้องการหาความน่าจะเป็น ของการเกิดหน้าคู่ของการโยนลูกเต๋า 1 ลูก
วิธีทำ ตัวอย่างที่สนใจคือ หน้าคู่จากการโยนลูกเต๋า
ประชากรคือ หน้าของลูกเต๋า ซึ่งมีทั้งหมด 6 หน้า
S = { 1 , 2 , 3 , 4 , 5 , 6 }
E = (หน้าคู่) = { 2 , 4 , 6 }
เพราะฉะนั้นความน่าจะเป็น ของการเกิดหน้าคู่ของการโยนลูกเต๋า 1 ลูกเท่ากับ

อ้างอิง
http://kanchanapisek.or.th/kp6/BOOK6/chapter12/t6-12-m.htm (16/08/56)http://pibul2.psru.ac.th/~buncha/Chp2_1.htm (16/08/56)
ไม่มีความคิดเห็น:
แสดงความคิดเห็น