Hayatımızda her an olasılıkla iç içeyiz, fark etsek de etmesek de. Sadece havanın nasıl olacağını, trafiği veya piyasaları tahmin etmek için kullanmıyoruz onu. Yapay zekanın motoru, kuantum mekaniğinin temel kuralı ve günlük verdiğimiz kararların arkasındaki güç de aslında o. Peki, bu olasılık nedir tam olarak? Kısacası, rastgeleliği sayılarla ölçme çabamız diyebiliriz.
Matematik, “rastgelelik nedir?” sorusuna tam bir cevap veremese de, olasılık teorisi sayesinde rastgele olayların kesinliğini ölçebiliyoruz. Bir olayın gerçekten rastgele olup olmadığı veya sadece yeterince bilgiye sahip olmadığımız için öyle göründüğü tartışması devam etse de, matematiğin bu duruma pek aldırış etmediğini söyleyebiliriz. Çünkü onun olasılık kavramı her iki durumda da işliyor.
Olasılık Nedir? Rastgeleliği Sayılarla Ölçme Sanatı
Olasılık, rastgeleliğe bir sayısal değer atama girişimimizdir. Bir olayın gerçekleşme kesinliğini belirtir ve bu kesinliği ölçeriz. Sayı ne kadar küçükse, olayın gerçekleşme ihtimali o kadar azdır; ne kadar büyükse, o kadar fazladır.
Bu, aslında oldukça eski bir pratik. Başlangıçta yüzde olarak ifade ettiğimiz bu değeri (örneğin %0 ila %100 arası), modern olasılık ve istatistik dünyasında 0 ile 1 arasında bir sayı olarak görüyoruz. Bu, bir nevi rastgele bir olayı girdi olarak alıp 0 ile 1 arasında bir sayı çıktısı veren bir “kahin” işlevi. Bu işlevin adı ise “olasılık ölçüsü”.
0 ile 1 Arasında Bir Ölçü: Olasılığın Değeri
Yüzde işaretinden kurtulduğumuzda, 0 ile 1 arasındaki sayılarla çalışırız. 0, bir olayın kesinlikle imkansız olduğu anlamına gelir. Yani, bu olayın gerçekleşme ihtimali yok. 1 ise olayın kesinlikle gerçekleşeceği, yani kesin olduğu anlamına gelir.
Diğer tüm değerler, bu iki uç nokta arasında bir yerdedir ve olayın gerçekleşme olasılığının ne kadar yüksek olduğunu gösterir. Örneğin, 0.5 (veya %50), olayın yarı yarıya bir ihtimalle gerçekleşeceğini söyler. Bu, hayatımızın her alanında karşılaştığımız bir durum, değil mi?
Çıktı ve Olay: İki Temel Farklı Kavram
Bir olasılık deneyini tanımlarken, öncelikle ne gibi potansiyel sonuçlarla karşılaşabileceğimizi bilmemiz gerekir. Bir madeni parayı havaya attığınızda, “tura” veya “yazı” gelmesi potansiyel çıktılardır. Tabii ki, madeni paranın kenarı üzerine düşmesi gibi “aşırı” durumlar da olabilir, ama model kurarken genellikle bunları göz ardı ederiz. Önemli olan, modelimizin çoğu pratik amaç için “yeterince iyi” olmasıdır.
Ancak bizim asıl ilgilendiğimiz şey tek bir çıktı değil, olaylardır. Bir zar attığımızda, “4 gelmesi” tek bir çıktıya işaret eden bir olaydır. Ama “tek sayı gelmesi” dediğimizde, bu birden fazla çıktıyı (1, 3, 5) içeren bir olaydır. Olasılık ölçümüz, bu olaylara bir değer atar. Matematiksel olarak, olayları birer küme olarak düşünürüz.
Örnek Uzay ve Olay Uzayı: Bütün Olasılıkların Evi
Bir deneyi yaparken ortaya çıkabilecek tüm olası çıktıları bir araya getirdiğimizde, buna örnek uzay diyoruz. Genellikle Yunanca omega (Ω) harfiyle gösterilir. Örneğin, bir zar atma deneyinde örnek uzay {1, 2, 3, 4, 5, 6} kümesidir.
Bir olay ise, örnek uzayın bir alt kümesidir. “Tek sayı gelmesi” olayı, {1, 3, 5} alt kümesi olarak ifade edilir. Tüm bu olası olayların (örnek uzayın tüm alt kümelerinin) oluşturduğu kümeye ise olay uzayı denir. Bu sayede, “imkansız olaylar” (boş küme) veya “kesin olaylar” (örnek uzayın kendisi) gibi durumları da matematiksel olarak tanımlayabiliriz.
Olasılıkları Ölçmek: PMF ve PDF
Olasılıkları nasıl hesaplayacağımız, örnek uzayımızın yapısına göre değişir:
* Ayrık Durumlar (PMF – Olasılık Kütle Fonksiyonu): Eğer örnek uzayımız sonlu sayıda veya sayılabilir sonsuz sayıda (örneğin doğal sayılar gibi) elemandan oluşuyorsa, buna ayrık uzay deriz. Bu durumda, her bir çıktının ne kadar ağırlığa sahip olduğunu belirten bir Olasılık Kütle Fonksiyonu (PMF) kullanırız. Zar atma örneğinde, her bir yüzün 1/6 olasılığa sahip olması gibi. Bu fonksiyon, her bir olaya bir kütle atar ve tüm kütlelerin toplamı 1’e eşit olmalıdır. Olayların olasılığı, ilgili çıktıların kütlelerinin toplanmasıyla bulunur.
* Sürekli Durumlar (PDF – Olasılık Yoğunluk Fonksiyonu): Eğer örnek uzayımız sonsuz sayıda ve aralarında boşluk olmayan (örneğin gerçek sayılar gibi) elemanlardan oluşuyorsa, buna sürekli uzay deriz. Trafikte bekleme süresi gibi. Bu durumda, Olasılık Yoğunluk Fonksiyonu (PDF) devreye girer. Burada tek bir noktanın olasılığı sıfırdır (bir çizginin alanı sıfırdır, değil mi?). Olasılık, belirli bir aralıktaki alan olarak hesaplanır. Bu fonksiyonun değeri 1’den büyük olabilir, çünkü bu bir yoğunluktur, olasılık değil. Olayların olasılığını bulmak için ise bu fonksiyonun belirli aralıklardaki integralini (yani alanını) alırız.
Özetle, rastgele bir deneyle karşılaştığınızda, önce örnek uzayınızı doğru bir şekilde tanımlayın. Ayrık bir durumsa uygun PMF’yi, sürekli bir durumsa doğru PDF’yi seçin. Olaylarınız, örnek uzayınızın alt kümeleri olacak ve onların olasılığını, bir nevi “hacimlerini” ölçerek bulacaksınız.
—
Sıkça Sorulan Sorular
1. Olasılık neden 0 ile 1 arasında bir değer alır?
Tarihsel olarak yüzde (%) olarak ifade edilse de, matematiğin daha soyut ve genel çalışmasına uygun olması için 0 ile 1 arasındaki sayılar benimsenmiştir. 0 imkansızlığı, 1 ise kesinliği temsil ederken, aradaki değerler olayın gerçekleşme ihtimalinin derecesini gösterir. Bu aralık, olasılık hesaplamalarını standartlaştırmak ve diğer matematiksel kavramlarla (örneğin ölçü teorisi) uyumlu hale getirmek için idealdir.
2. Çıktı ve olay arasındaki fark neden önemlidir?
Çıktı, bir rastgele deneyin tek bir olası sonucudur (örneğin, bir madeni para atıldığında “tura” gelmesi). Olay ise, bir veya daha fazla çıktıyı içerebilen bir kümedir (örneğin, bir zar atıldığında “tek sayı” gelmesi, yani {1, 3, 5} çıktılarını içerir). Bu ayrım önemlidir, çünkü olasılık kavramları genellikle tek bir çıktıdan ziyade belirli bir olayın gerçekleşme olasılığı üzerine kuruludur. Olasılık ölçüsü doğrudan olaylara uygulanır.
3. Olasılık Kütle Fonksiyonu (PMF) ile Olasılık Yoğunluk Fonksiyonu (PDF) arasındaki temel fark nedir?
Temel fark, örnek uzayının yapısından kaynaklanır. PMF, ayrık (sonlu veya sayılabilir sonsuz) örnek uzaylarda kullanılır ve her bir çıktının belirli bir olasılık “kütlesine” sahip olduğunu gösterir. Fonksiyonun çıktısı doğrudan bir olasılıktır (0-1 arasında). PDF ise sürekli (sayılamaz sonsuz) örnek uzaylarda kullanılır. Burada tek bir noktanın olasılığı sıfırdır; bu nedenle PDF, olasılık yoğunluğunu gösterir ve fonksiyonun çıktısı 1’den büyük olabilir. Bir olayın olasılığı, PDF’nin belirli bir aralıktaki alanının (integrali) hesaplanmasıyla bulunur.
