نظریه عمومی احتمال به دو اصل وابسته تقسیم می شود :

▪ احتمال كتّره ای : كه نشان دهنده احتمال پیشامدهای آینده است كه به وسیله بعضی از پدیده های فیزیكی تصادفی هدایت می شود. این اصل را می توان به پدیده های فیزیكی كه با اطلاعات كافی اصولاً قابل پیش بینی اند و پدیده هایی كه اساساً قابل پیش بینی نیستند تقسیم بندی كرد. نمونه هایی از نوع اول شامل پرتاب تاس یا بازی رولت در قمار است و یك مثال از نوع دوم از بین رفتن ماده رادیو اكتیویته است.

▪ احتمال شناختیك : كه نشان دهنده عدم قاطعیت ما در مورد گزاره ای است وقتی كه فرد آگاهی كامل از شرایط اتفاقی ندارد. چنین گزاره هایی ممكن است در مورد پیشامدهای گذشته یا آینده باشد اما نیاز به آن نیست. بعضی مثال ها از احتمال شناختیك آنهایی هستند كه در آن ها یك احتمال به گزاره ای داده می شود كه در آن یك قانون پیشنهادی فیزیك به وقوع پیوسته است و تعیین اینكه چقدر احتمال است كه یك مظنون بر اساس شواهد موجود مرتكب جنایت شده باشد.

یك سؤال كلی وجود دارد كه آیا احتمال كتره ای به واسطه عدم توانایی ما در پیش بینی دقیق نیروهایی كه ممكن است وقوع مرگ را متأثر سازند به احتمال شناختیك تبدیل شود یا اینكه چنین عدم اطمینانی در ماهیت خود واقعیت وجود دارد به ویژه در پدیده های كوانتومی كه توسط اصل عدم حتمیت هایزنبرگ بیان شده است.هرچند قوانین ریاضی مشابهی صرفنظر از تفسیر انتخاب شده اعمال می شوند، گزینه انتخابی از نظر احتمال مورد استفاده دارای معانی مهمی است كه برای مدل سازی دنیای واقعی به كار می رود.

● فرموله سازی احتمال

مانند سایر نظریه ها، نظریه احتمال نمادی از اصول احتمال در عبارات رسمی - عباراتی كه جدا از معنیشان كاربرد داشته باشند – است. این عبارات رسمی به واسطه قوانین ریاضی و منطق متأثر می شوند و هر نتیجه ای از آن بر اساس دامنه مسئله

تفسیر و برداشت می شود.حداقل دو تلاش موفق برای فرموله كردن احتمال انجام شده است كه به نام فرمول بندی كلموگروف و كاكس نامیده می شوند. در فرمول بندی كلموگروف، مجموعه ها به صورت پیشامدها و احتمال خود به عنوان معیاری روی یك سری از مجموعه ها تفسیر می شود. در فرمول بندی كاكس، احتمال به عنوان یك مقدمه اولیه قلمداد می شود ( به این معنی كه بعداً آنالیز نمی شود ) و تأكید بر روی ساخت یك رابطه سازگار از مقادیر احتمال برای گزاره ها می باشد.

در هر دو مورد، قوانین احتمال مشابه هستند به جز در مورد جزئیات عملی :

▪ احتمال عددی بین 0 و 1 می باشد.

▪ مجموع احتمال یك پیشامد یا گزاره و مكمل آن برابر 1 است؛ و

▪ احتمال مشترك دو پیشامد یا گزاره برابر با حاصل ضرب احتمال یكی از آن ها و احتمال دومی است به شرطی كه اولی رخ دهد.

● نمایش و تفسیر مقادیر احتمال

احتمال یك پیشامد عموماً به صورت یك عدد حقیقی بین 0 و 1 نمایش داده می شود. یك پیشامد غیر محتمل دارای یك احتمال دقیقاً 0 و یك پیشامد حتمی دارای یك احتمال 1 است، اما عكس آن همیشه صادق نیست؛ پیشامدهای با احتمال 0 همیشه غیر ممكن نیستند و همچنین پیشامدهای با احتمال 1 همیشه واقعیت نمی پذیرند.اغلب احتمالاتی كه عملاً رخ می دهند اعدادی بین 0 و 1 هستند كه نشان دهنده موقعیت پیشامد روی پیوستگی بین غیر ممكن و حتمیت است. هر چه احتمال پیشامد به 1 نزدیكتر باشد، احتمال وقوع آن بیشتر است.مثلاً اگر احتمال وقوع دو پیشامد متقابلاً ناسازگار یكسان تصور شود مثل رو یا پشت در پرتاب سكه، ما می توانیم احتمال هر پیشامد را به صورت 1 از 2 یا %50 یا ½ نمایش دهیم.احتمالات مشابهاً به صورت بخت ها هم نمایش داده می شوند كه نسبت احتمال یك پیشامد به احتمال سایر پیشامدهاست. بخت رو شدن در پرتاب سكه (1/2)/(1 - 1/2) است كه مساوی با 1/1 است كه به صورت بخت 1 به 1 نمایش داده می شود و اغلب به صورت 1:1 نوشته می شود.بخت های a:b برای یك پیشامد معادل با احتمال a/(a+b) است. مثلاً بخت 1:1 معادل با احتمال ½ است و نمایش 3:2 معادل با احتمال 3/5 است این سؤال عملاً باقی می ماند كه از احتمال چه انتظاری می توان داشت و چگونه از اعداد و ارقام می توان استفاده كرد. این سؤال همان تفاسیر و برداشت های از احتمال است. افرادی هستند كه مدعیند احتمال را می توان بر هر نوع از گزاره های منطقی غیر حتمی به كار برد كه همان استنباط بیزی است. در مقابل، افرادی هستند كه با این ایده توافق دارند كه احتمال برای پیشامدهای تصادفی همانند برآمد بعضی آزمایش های تصادفی خاص كاربرد دارد؛ به عنوان مثال نمونه گیری از یك جمعیت كه این تفسیر فراوانی گراست. چندین تفسیر دیگر نیز وجود دارد كه فرم اصلاح شده ای از یكی از این دو تفسیر هستند و در حال حاضر از مقبولیت كمتری برخوردار هستند.

● توزیع ها

توزیع احتمال، تابعی است كه احتمال را به پیشامدها یا گزاره ها تخصیص می دهد. برای هر مجموعه از پیشامدها یا گزاره ها راه های مختلفی برای تخصیص احتمالات وجود دارد به طوری كه شانس یك توزیع یا دیگری معادل با داشتن تصورات متفاوت درباره پیشامدها یا گزاره های مورد سؤال می باشد.

راه های گوناگون معادلی برای نمایش توزیع احتمال وجود دارد. شاید متداولترین آن ها تابع چگالی احتمال باشد؛ به این معنی كه احتمال پیشامد یا گزاره به وسیله انتگرال تابع چگالی به دست می آید. تابع توزیع را می توان همچنین مستقیماً نمایش داد. از یك بعد، تابع توزیع، تابع توزیع تجمعی نامیده می شود. توزیع های احتمال را می توان از طریق گشتاورها یا تابع مشخصه یا به روش های دیگر نیز نمایش داد.

یك توزیع، توزیع گسسته نامیده می شود اگر آن روی یك مجموعه گسسته شمارش پذیر مثل زیر مجموعه ای از اعداد صحیح تعریف شود. یك توزیع، توزیع پیوسته نامیده می شود اگر دارای یك تابع توزیع پیوسته باشد مثل تابع چند جمله ای یا تابع نمایی. اغلب توزیع های با اهمیت كاربردی از نوع گسسته یا پیوسته هستند اما نمونه هایی از توزیع ها هستند كه شامل هیچكدام از اینها نمی شوند.

توزیع های مهم گسسته شامل توزیع گسسته یكنواخت، توزیع پواسون،‍ توزیع دو جمله ای، توزیع دو جمله ای منفی و توزیع ماكسول-بولتزمن می باشند.

توزیع های مهم پیوسته شامل توزیع نرمال، توزیع گاما، توزیع تی استیودنت و توزیع نمایی هستند

▪ احتمال در ریاضیات

اصول موضوع احتمال، اساس نظریه احتمال ریاضیات را تشكیل می دهند. محاسبه احتمالات را اغلب می توان با استفاده از تركیبات یا مستقیماً با كاربرد اصول موضوع تعیین كرد.كاربردهای احتمال حتی بیشتر از آمار است كه معمولاً بر روی ایده توزیع های احتمال و قضیه حد مركزی پایه ریزی شده است.

برای به دست آوردن یك مفهوم ریاضی از احتمال، پرتاب یك سكه را در نظر بگیرید. بدیهی است كه احتمال آن كه در هر پرتاب سكه رو بیاید %50 است اما این وضعیت به تنهایی فاقد صلابت ریاضی است؛ به این معنی كه ما باید چنین انتظار داشته باشیم كه با پرتاب 10 بار سكه 5 رو و 5 پشت به دست آید اما هیچ تضمینی كه این رخ دهد وجود ندارد. برای مثال این احتمال است كه پشت سر هم 10 بار رو بیاید. پس مفهوم %50 در این متن چیست ؟

یك راه، استفاده از قانون اعداد بزرگ است. در این مورد، ما تصور می كنیم كه می توانیم هر تعداد پرتاب سكه را انجام دهیم و هر پرتاب سكه مستقل است یعنی كه برآمد هر پرتاب سكه به وسیله پرتاب قبلی تحت تأثیر قرار ندارد. اما ما N مرتبه پرتاب سكه داشته باشیم و اگر Nн تعداد مرتبه هایی باشد كه رو بیاید پس ما می توانیم برای هر N نسبت Nн/N را در نظر بگیریم.

هر قدر N بزرگ و بزرگ تر شود، ما انتظار داریم كه نسبت Nн/N به ½ نزدیك و نزدیك تر شود. این به ما اجازه می دهد كه احتمال Pr(H)

رو های سكه را به صورت حد ( ریاضی ) تعریف كنیم، هنگامی كه N به سمت بی نهایت میل میكند :

البته در كاربرد عملی، ما نمی توانیم یك سكه را به تعداد بی نهایت پرتاب كنیم بنابراین عملاً این فرمول باید در موقعیت هایی به كار گرفته شود كه در آن ها از قبل یك احتمال اولیه ای برای یك برآمد خاص تعیین كرده ایم ( در این مورد فرض ما این است كه سكه سالم است ). قانون اعداد بزرگ به ما می گوید كه Pr(H) داده شده و یا به ازای هر عدد كوچـك اختیاری є، عدد n ای وجود دارد كه برای تمام N > nداریم :

به عبارت دیگر، منظور ما از گفتن « احتمال رو ها ½ است » این است كه اگر ما سكه را به اندازه كافی پرتاب كنیم نهایتاً تعداد رو ها نسبت به تعداد كل پرتاب به ½ نزدیك می شود و سپس به هر اندازه كه تعداد بیشتری پرتاب انجام دهیم ما به ½ نزدیك تر می شویم.

توجه كنید كه یك تعریف كامل، مستلزم نظریه اندازه است كه قادر به حذف مواردی است كه مقادیر بالاتر از محدوده جواب درست نمی دهند یا حتی با نمایش مواردی كه دارای میزان صفر هستند نیز محدود نشده است.

جنبه اولیه این روش كاربرد احتمال، گاهی در هنگام مواجهه با موقعیت های دنیای واقعی با مشكل روبه رو می شود. برای مثال اگر شما یك سكه را پرتاب كنید و پشت سر هم رو بیاید برای صد مرتبه شما نمی توانید تصمیم بگیرید كه آیا این تنها یك پیشامد تصادفی محض است اگر چه ممكن است ( هرچند بعید ) كه یك سكه سالم این نتیجه را بدهد یا اینكه تصور شما این خواهد بود كه سكه سالم دچار اشكال می باشد.

▪ نكات قابل توجه در محاسبات احتمال

سختی محاسبات احتمال در تعیین تعداد پیشامدهای ممكن، شمارش رخدادهای هر پیشامد و شمارش تعداد كل پیشامدهای ممكن است. اشكال خاص در به دست آوردن نتایج معنی دار از احتمالات محاسبه شده است. یك معمای سرگرم كننده احتمال به نام مسئله Monty Hall به زیبایی چالش های موجود را نشان می دهد.

▪ كاربرد های نظریه احتمال در زندگی روزمره

یك تأثیر مهم نظریه احتمال در زندگی روزمره در ارزیابی ریسك پذیری و در تجارت در مورد خرید و فروش اجناس می باشد. حكومت ها به طور خاص روشهای احتمال را در تنظیم جوامع اعمال می كنند كه به عنوان « آنالیز خط مشی » نامیده می شود و غالباً سطح رفاه را با استفاده از متدهایی كه در طبیعت تصادفیند اندازه می گیرند و برنامه هایی را انتخاب می كنند تا اثر احتمال آن ها را روی جمعیت به صورت كلی از نظر آماری ارزیابی كنند. این گفته صحیح نیست كه آمار، خود در مدل سازی درگیر هست زیرا كه ارزیابی های میزان ریسك وابسته به زمان هستند و بنابراین مستلزم مـدل های احتمال قوی تر هستند؛ مثلاً « احتمال9/11 دیگری »؛ قانون اعداد كوچك در جنین مواردی اعمال می شود و برداشت اثر چنین انتخاب هایی است كه روش های آماری را به صورت یك موضوع سیاسی در می آورد.