चित या पट: 10,000 टॉसों पर असली संभावनाएँ

अप्रैल 1940 में जर्मन सेना ने डेनमार्क पर आक्रमण किया। एक दक्षिण अफ़्रीकी गणितज्ञ, जॉन एडमंड केरिच, कोपेनहेगन में अपनी ससुराल के यहाँ ठहरे हुए थे—उन्हें ब्रिटिश नागरिक के रूप में गिरफ़्तार किया गया और युद्ध के अंत तक यूटलैंड के हाल्ड शिविर में नज़रबंद रखा गया। समय बिताने के लिए केरिच ने एक ऐसा प्रयोग करने का फ़ैसला किया जिसके लिए उनके किसी भी विश्वविद्यालय सहयोगी के पास कभी धैर्य नहीं था: उन्होंने एक सिक्का उछाला। फिर। और फिर। बिल्कुल दस हज़ार बार, हाथ से, हर परिणाम दर्ज करते हुए। जब उन्होंने हिसाब लगाया, उन्हें 10,000 में से 5,067 चित मिले थे। न ठीक 5,000, न कोई असामान्य विचलन—बस 5,067। यह आँकड़ा, उनकी 1946 की किताब An Experimental Introduction to the Theory of Probability में प्रकाशित, बड़ी संख्याओं के नियम की सबसे अधिक उद्धृत प्रायोगिक पुष्टियों में से एक बना हुआ है।

यह लेख आज के औज़ारों से केरिच के प्रयोग को आगे बढ़ाने का प्रस्ताव रखता है। जब आप एक सिक्के को 10,000 बार उछालते हैं, तो असल में क्या होता है? सहज मानसिक छवि—चित-पट-चित-पट साफ़-सुथरे क्रम में, साफ़ 50/50 के आस-पास—लगभग हमेशा ग़लत होती है। वास्तविकता अधिक शिक्षाप्रद है: एक टॉस की संभावना 50% रहती है, लेकिन स्क्रीन पर जो दिखता है वह उन नियमों के अनुसार संगठित है जिनकी हमारी सहज समझ अपेक्षा नहीं करती। यहाँ हैं वे नियम, संख्याओं में।

सहज समझ क्या भविष्यवाणी करती है, और सच में क्या होता है

किसी से पूछिए कि एक संतुलित सिक्के के 10,000 टॉसों पर वह कितने चित की उम्मीद करता है। सहज उत्तर लगभग हमेशा होता है: ‘क़रीब 5,000’। ‘क़रीब’ ही दिलचस्प हिस्सा है।

स्वतंत्र दो-परिणाम परीक्षणों की एक श्रृंखला के लिए—जिसे द्विपद वितरण कहा जाता है—औसत के चारों ओर अनिश्चितता एक सरल सूत्र से नापी जाती है: मानक विचलन, जो टॉसों की संख्या में हर चेहरे की संभावना और उसके पूरक के गुणनफल के वर्गमूल के बराबर है। 10,000 टॉसों पर 50/50 के लिए, गणना देती है √(10,000 × 0.5 × 0.5) = 50 टॉस।

ठोस रूप से: लगभग तीन में दो बार आपकी अंतिम गिनती 4,950 और 5,050 चितों के बीच गिरेगी। लगभग बीस में उन्नीस बार वह 4,900 और 5,100 के बीच गिरेगी। और ठीक 5,000 चितों पर पहुँचने की संभावना लगभग 0.8% है—सांख्यिकीय रूप से सबसे कम बारम्बार परिणामों में से एक, जबकि यही वह परिणाम है जिसकी सब अपेक्षा करते हैं। केरिच, अपने 5,067 चितों के साथ, औसत से 1.34 मानक विचलन ऊपर हैं: एक पूरी तरह सामान्य परिणाम, सबसे संभावितों में से।

सहज समझ एक साथ दो ग़लतियाँ करती है: वह भूल जाती है कि ठीक औसत पर पहुँचना लगभग असंभव है, और वह अपेक्षित विचलन को कम आँकती है। 10,000 टॉसों पर 50 या 80 चितों का उतार-चढ़ाव झूठे सिक्के का संकेत नहीं है—यह ठीक वही है जो ईमानदार सिक्का पैदा करता है।

चौंकाने वाली श्रृंखलाएँ: क्यों लगातार 13 चित में कुछ भी असाधारण नहीं

यहाँ एक प्रश्न है जो खेलने से पहले शायद ही कभी पूछा जाता है, और जिसका उत्तर संयोग की धारणा बदल देता है। 10,000 टॉसों पर एक ही चेहरे की सबसे लंबी अबाधित श्रृंखला कितनी है?

सैद्धांतिक उत्तर log₂(N) सूत्र से गणित होता है—परीक्षणों की संख्या का आधार-2 लघुगणक। 10,000 टॉसों के लिए, log₂(10,000) ≈ 13.29। दूसरे शब्दों में, आपको उम्मीद करनी चाहिए कि अनुक्रम में कहीं न कहीं आप लगातार लगभग 13 से 14 चितों की एक श्रृंखला देखेंगे—या लगातार 13 से 14 पट। किसी क़िस्मत के झटके या उल्लेखनीय घटना के रूप में नहीं, बल्कि एक सामान्य घटना के रूप में।

यह आँकड़ा सहज समझ से सीधे टकराता है। लगातार सात चित ही अधिकांश पर्यवेक्षकों में असामान्यता या यहाँ तक कि धोखाधड़ी की भावना उत्पन्न करते हैं। फिर भी, 10,000 टॉसों पर लगातार सात चित लगभग गारंटीशुदा हैं—आप उन्हें कई बार पाएँगे। हमारा दिमाग़ उन्हें संदिग्ध मानता है, यह एक अच्छी तरह पहचाने गए तंत्र से आता है, जिसे हम जुआरी के भ्रम पर अपने लेख में खोलते हैं: हम एक छोटी श्रृंखला से उम्मीद करते हैं कि वह पहले से ही ‘अच्छी तरह मिले हुए’ संयोग जैसी दिखे, जबकि असली संयोग स्वाभाविक रूप से गुच्छे पैदा करता है।

यदि आप अपने आप को विश्वास दिलाना चाहते हैं, चित या पट पर बड़े पैमाने पर अनुक्रम चलाइए और कुछ सौ टॉसों के बाद अपनी सबसे लंबी श्रृंखला नोट कीजिए। आप पाँच, छह, कभी-कभी आठ क्रमागत चेहरों की श्रृंखलाएँ देखेंगे—बिना किसी नियम के टूटे। यही ठीक वह है जिसे हम संयोग की यांत्रिकी कहते हैं: एक चिकना वितरण नहीं, बल्कि एक अनियमित वितरण जिसकी नियमितता केवल बहुत बड़े पैमाने पर दिखाई देती है।

संभावना, अनुपात, प्रसरण: वह भेद जो सब कुछ बदल देता है

यदि आपको इस लेख से केवल एक चीज़ याद रखनी हो, तो यह हो। तीन शब्द एक जैसे लगते हैं और अलग चीज़ें बताते हैं; उन्हें उलझाना संयोग के बारे में अधिकांश ग़लत अंतर्ज्ञानों की जड़ है।

संभावना वह है जो एक परीक्षण पर लागू होती है। जब आप एक बार चित या पट पर क्लिक करते हैं, चित मिलने की संभावना 50% है। यह संभावना कभी नहीं बदलती, किसी पर निर्भर नहीं करती, संचित नहीं होती। यह पहले परीक्षण और दस-हज़ारवें पर 50% ही रहती है।

देखा गया अनुपात वह है जो हम एक निश्चित संख्या में परीक्षणों के बाद मापते हैं। 10 टॉसों पर आपको 7 चित मिल सकते हैं; अनुपात 70% होगा। 1,000 टॉसों पर आप 50% के और क़रीब होंगे—शायद 51%। 1,00,000 टॉसों पर आप 50.0% के बहुत क़रीब होंगे। इस अभिसरण की गति को ही हम बड़ी संख्याओं का नियम कहते हैं।

प्रसरण—या इसकी चचेरी बहन, मानक विचलन—किसी दिए गए क्षण पर इस अनुपात के चारों ओर अनिश्चितता को मापती है। और इसका व्यवहार बड़ा आश्चर्य है: प्रसरण परीक्षणों की संख्या के अनुपात में कम नहीं होता, यह परीक्षणों की संख्या के वर्गमूल के अनुपात में कम होता है। 100 टॉसों पर मानक विचलन 5 है (अर्थात् 5% सापेक्ष विचलन)। 10,000 टॉसों पर वह 50 तक चढ़ता है—लेकिन अनुपात में 0.5% तक गिर जाता है। यही केंद्रीय विरोधाभास समझाता है: जितना अधिक उछालते हैं, निरपेक्ष विचलन उतना बड़ा हो सकता है, और फिर भी परिणाम अनुपात में 50% के और क़रीब हो जाता है।

इस तिहरे भेद को समझना एक झटके में अधिकांश भ्रमों को निष्क्रिय कर देना है। ‘50% संभावना’ का अर्थ ‘ठीक 50% परिणाम’ नहीं है। ये दोनों वाक्य अलग चीज़ों के बारे में बात करते हैं।

और एक ‘असली’ सिक्का?

पहले के सभी हिसाब एक पूर्ण रूप से संतुलित सिक्के की परिकल्पना पर टिके हैं—50% चित, 50% पट। क्या एक असली भौतिक सिक्का सच में ऐसा है?

उत्तर, चौंकाने वाला, है: बिल्कुल नहीं। 2007 में गणितज्ञ पर्सी डियाकोनिस, स्टैनफ़र्ड के प्रोफ़ेसर और संयोग से पूर्व पेशेवर जादूगर, ने सूज़न होम्स और रिचर्ड मॉन्टगोमरी के साथ SIAM Review पत्रिका में Dynamical Bias in the Coin Toss शीर्षक से एक शोध-पत्र प्रकाशित किया। उनका प्रदर्शन भौतिक मॉडलिंग और धीमी गति में अवलोकन को जोड़ता है: हाथ से उछाला गया सिक्का अपने अक्ष पर पूरी तरह नहीं घूमता, उसमें हल्की precession होती है—एक gyroscope जैसा प्रभाव जिसके कारण शुरू में ऊपर की ओर रही चेहरे की लगभग 51% संभावना उसी उन्मुखता में गिरने की होती है। 2023 में 3,50,000 से अधिक हाथ से उछाले गए टॉसों पर एक अनुभवजन्य अध्ययन ने इस पक्षपात की चौंकाने वाली सटीकता से पुष्टि की: 50.78% बार सिक्का उसी तरफ़ गिरा जिस तरफ़ शुरू हुआ था।

रोज़मर्रा के लिए यह नगण्य है। एक डिजिटल ड्रॉ साइट के लिए यह दिलचस्प बिंदु है: एक एल्गोरिथम द्वारा सिमुलेटेड सिक्का, जिसकी कोई प्रारंभिक उन्मुखता नहीं और कोई भौतिक precession घटना नहीं, वास्तव में असली सिक्के से अधिक न्यायपूर्ण है। हमारा लेख हमारे ड्रॉ कैसे काम करते हैं सटीक यांत्रिकी का विवरण देता है—Math.random(), समान वितरण, ड्रॉ के बीच कोई स्मृति नहीं। चित या पट का डिजिटल सिक्का धोखा नहीं देता, और precess भी नहीं करता।

स्वयं जाँचिए, 30 सेकंड में

गणितीय संयोग का लाभ यह है कि वह पूरी तरह दोहराने योग्य है। आप 75 साल नज़रबंदी के बिना घर पर ही केरिच को दोहरा सकते हैं।

विधि 1 — चित या पट के साथ। चित या पट पर सिक्के को सौ बार के क़रीब उछालिए और परिणाम नोट कीजिए। आपको लगभग 50/50 के पास गिरना चाहिए, एक तरफ़ 10 या 12 चितों तक का विचलन हो सकता है। सबसे लंबी देखी गई श्रृंखला भी नोट कीजिए: 100 टॉसों के लिए, उसी चेहरे के 6 या 7 क्रमागत टॉसों की उम्मीद कीजिए।

विधि 2 — ब्राउज़र कंसोल में। किसी भी पेज पर कंसोल खोलिए (F12 कुंजी, ‘Console’ टैब) और टाइप कीजिए: let p = 0; for (let i = 0; i < 10000; i++) if (Math.random() < 0.5) p++; p। एक सेकंड के अंश में आपको 10,000 टॉसों पर अपनी चित-संख्या मिलेगी—पलक झपकने से कम में पूरा एक केरिच। कमांड को कई बार चलाइए: हर बार आपको अलग संख्या मिलेगी, लगभग हमेशा 4,900 और 5,100 के बीच।

बड़ी संख्याओं का नियम बस इतना ही कहता है: ठीक 5,000 का वादा नहीं, बल्कि 50% के चारों ओर एक स्थिर सीमा, जिसमें पूर्वानुमेय प्रसरण है। संयोग, इस शुद्ध रूप में, न रहस्यमय है, न शत्रुतापूर्ण—वह नियमों का पालन करता है, बस उन नियमों से अलग जिन्हें हमारा अंतर्ज्ञान उस पर थोपता है।

विषय को और गहराई से देखने के लिए, आप जुआरी के भ्रम पर हमारा लेख दोबारा पढ़ सकते हैं—जो समझाता है कि क्यों लगातार सात चित संदिग्ध लगते हैं जबकि वे नहीं हैं—या हमारे ड्रॉ की कैप उठाकर पंक्ति-दर-पंक्ति वह कोड देख सकते हैं जो ये संभावनाएँ पैदा करता है।