गणितीय विरोधाभास on kenji.blog

'टेस्ट में पॉज़िटिव' का मतलब हमेशा 'बीमार' होना नहीं है: बेस रेट फैलेसी (Base Rate Fallacy)

Thu, 10 Sep 2026 21:00:00 +0900

स्वास्थ्य जांच (हेल्थ चेकअप) या कैंसर स्क्रीनिंग में अगर परिणाम “पॉज़िटिव (असामान्यता)” आता है, तो किसी का भी घबरा जाना स्वाभाविक है। लेकिन, यदि आपको सांख्यिकी और प्रायिकता का ज्ञान है, तो आप गहरी सांस लेकर शांत हो सकते हैं। ऐसा इसलिए है क्योंकि “उच्च सटीकता वाले टेस्ट में पॉज़िटिव आने” का मतलब यह नहीं है कि “वास्तव में बीमार होने की संभावना भी अधिक है”।

इसे “बेस रेट फैलेसी (Base Rate Fallacy - आधार दर भ्रांति)” या “पूर्व प्रायिकता की उपेक्षा (Base rate neglect)” कहा जाता है। यह एक विशिष्ट संज्ञानात्मक पूर्वाग्रह (cognitive bias) है, जहां हमारा अंतर्ज्ञान प्रायिकता की गणना को समझने में भारी भूल करता है।

स्वास्थ्य जांच की डरावनी समस्या

निम्नलिखित स्थिति की कल्पना करें:

एक शहर में, एक अज्ञात बीमारी है जिससे 10,000 में से 1 व्यक्ति (0.01%) संक्रमित है। इस बीमारी का पता लगाने के लिए, एक बेहतरीन टेस्ट किट विकसित की गई है जिसकी “सटीकता 99%” है। (※ 99% सटीकता का मतलब है कि अगर कोई बीमार व्यक्ति यह टेस्ट लेता है, तो 99% संभावना है कि परिणाम सही रूप से “पॉज़िटिव” आएगा, और यदि कोई स्वस्थ व्यक्ति इसे लेता है, तो 99% संभावना है कि परिणाम सही रूप से “नेगेटिव” आएगा।)

आपने संयोग से यह टेस्ट करवाया और परिणाम “पॉज़िटिव” आया। अब, आपके वास्तव में इस बीमारी से संक्रमित होने की क्या संभावना है?

ज्यादातर लोग सहज रूप से जवाब देते हैं, “चूंकि टेस्ट की सटीकता 99% है, इसलिए मेरे बीमार होने की संभावना भी 99% होगी।” हालांकि, इसका गणितीय रूप से सही उत्तर “लगभग 0.98% (1% से कम)” है।

आखिर ऐसा क्यों है कि 99% सटीकता होने के बावजूद, वास्तविक संभावना 1% से भी कम रह जाती है?

बेज़ का प्रमेय और समग्र दृश्य

इस समस्या को सुलझाने की कुंजी न केवल टेस्ट की सटीकता पर ध्यान देना है, बल्कि यह भी विचार करना है कि “वह बीमारी मूल रूप से कितनी दुर्लभ है (बेस रेट/पूर्व प्रायिकता)”। आइए 10 लाख लोगों के एक बड़े समूह का उपयोग करके इस सहज ज्ञान के विपरीत होने वाली घटना की कल्पना करें।

कुल जनसंख्या: 1,000,000 लोग
वास्तव में बीमार लोग (10,000 में से 1): 100 लोग
स्वस्थ लोग: 999,900 लोग

इन सभी 10 लाख लोगों पर “99% सटीकता” वाला टेस्ट किया जाता है।

1. जब वास्तव में बीमार लोग (100 लोग) टेस्ट करवाते हैं

चूंकि सटीकता 99% है, इसलिए जिन्हें सही रूप से “पॉज़िटिव” के रूप में पहचाना जाएगा: 100 लोग × 99% = 99 लोग (सच्चा सकारात्मक)

2. जब स्वस्थ लोग (999,900 लोग) टेस्ट करवाते हैं

चूंकि सटीकता 99% है, इसलिए 1% संभावना है कि किसी को गलती से “पॉज़िटिव” मान लिया जाए (झूठा सकारात्मक): 999,900 लोग × 1% = 9,999 लोग (झूठा सकारात्मक)

graph TD A["कुल जनसंख्या (1,000,000 लोग)"] --> B["बीमार लोग (100 लोग)"] A --> C["स्वस्थ लोग (999,900 लोग)"] B -->|99% सही| B1["सच्चा सकारात्मक (99 लोग)"] B -->|1% गलत| B2["झूठा नकारात्मक (1 व्यक्ति)"] C -->|99% सही| C1["सच्चा नकारात्मक (989,901 लोग)"] C -->|1% गलत| C2["झूठा सकारात्मक (9,999 लोग)"] B1 -.-> D{"'पॉज़िटिव' बताए गए लोगों की कुल संख्या: 10,098 लोग"} C2 -.-> D style A fill:#ECEFF1,stroke:#333 style B fill:#FFCDD2,stroke:#333 style C fill:#C8E6C9,stroke:#333 style B1 fill:#F44336,stroke:#333,color:#fff style C2 fill:#FF9800,stroke:#333,color:#fff style D fill:#FFF9C4,stroke:#333,stroke-width:2px

आपके वास्तव में बीमार होने की वास्तविक संभावना

अब, डॉक्टर ने आपको बताया कि आप “पॉज़िटिव” हैं। इसका मतलब है कि आप चित्र के निचले-दाएं भाग में “‘पॉज़िटिव’ बताए गए लोगों की कुल संख्या (10,098 लोग)” वाले समूह में शामिल हो गए हैं।

इस समूह के भीतर, “वास्तव में बीमार लोगों (सच्चा सकारात्मक)” का प्रतिशत क्या है?

$$ \text{वास्तव में बीमार होने की संभावना} = \frac{\text{सच्चा सकारात्मक}}{\text{पॉज़िटिव बताए गए कुल लोग}} = \frac{99}{99 + 9,999} = \frac{99}{10,098} \approx 0.0098 $$

गणना का परिणाम लगभग 0.98% है। “पॉज़िटिव” बताए जाने के बावजूद, आपके स्वस्थ होने की संभावना (झूठा सकारात्मक) कहीं अधिक (लगभग 99%) है।

हमारा अंतर्ज्ञान गलत क्यों होता है?

इस घटना को “बेज़ के प्रमेय (Bayes’ Theorem)” द्वारा गणितीय रूप से समझाया जा सकता है, जो सशर्त प्रायिकता की गणना करता है, लेकिन मानव मस्तिष्क इस तरह की गणनाओं में बहुत कमज़ोर है।

हमसे गलती इसलिए होती है क्योंकि हम तत्काल दी गई व्यक्तिगत और प्रभावशाली जानकारी (“आपका टेस्ट परिणाम पॉज़िटिव है! सटीकता 99% है!”) पर ध्यान केंद्रित कर लेते हैं और पृष्ठभूमि में मौजूद विशाल और उबाऊ सांख्यिकीय डेटा (“शुरू में ही इस बीमारी से संक्रमित लोगों की संख्या केवल 10,000 में से 1 है (बेस रेट)”) को नज़रअंदाज़ कर देते हैं।

चूंकि “बीमारी की दुर्लभता (0.01%)”, “टेस्ट की अशुद्धता (1%)” की तुलना में बहुत अधिक चरम है, इसलिए टेस्ट की एक छोटी सी गलती भी मूल बीमार लोगों की संख्या को आसानी से निगल जाती है।

समाज में छिपी “बेस रेट फैलेसी”

यह भ्रांति केवल चिकित्सा क्षेत्र में ही नहीं, बल्कि विभिन्न स्थितियों में घबराहट और गलत निर्णय का कारण बनती है।

चेहरा पहचान प्रणाली और आतंकवादी: भले ही 99.9% सटीकता वाला चेहरा पहचान कैमरा हवाई अड्डे पर किसी “आतंकवादी” को पहचान ले, लेकिन आतंकवादियों की मूल प्रायिकता (बेस रेट) बहुत कम होने के कारण, पकड़े जाने वाले ज़्यादातर लोग केवल चेहरे से मिलते-जुलते निर्दोष आम नागरिक (झूठा सकारात्मक) ही होंगे।
यातायात दुर्घटनाएं और बुजुर्ग ड्राइवर: खबरों में यह देखकर कि “दुर्घटना करने वाली कारों का 〇〇% बुजुर्गों द्वारा चलाया जा रहा था”, आप इसे खतरनाक मान सकते हैं। लेकिन अगर आप इस बात पर विचार नहीं करते कि “सड़कों पर चलने वाले कुल ड्राइवरों में बुजुर्गों का प्रतिशत (बेस रेट) कितना है”, तो आप यह तय नहीं कर सकते कि कोई विशिष्ट आयु वर्ग वास्तव में दुर्घटनाओं के प्रति अधिक प्रवृत्त है या नहीं।

“बेस रेट फैलेसी” हमें यह सिखाती है कि जब भी हम चौंकाने वाले आंकड़े या व्यक्तिगत मामले देखें, तो हमें सांख्यिकीय सोच के महत्व को याद करते हुए इस बुनियादी सवाल पर लौटना चाहिए: “समग्र रूप से इसके घटित होने की संभावना वास्तव में कितनी है (बेस रेट)?”

अंतरिक्ष से लौटने पर छोटा भाई आपसे बड़ा हो जाए?: जुड़वां का विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

अगर आप प्रकाश की गति के करीब गति से उड़ने वाले अंतरिक्ष यान में यात्रा करते हैं, तो आपकी घड़ी पृथ्वी पर मौजूद लोगों की घड़ियों की तुलना में “धीमी” चलने लगेगी। यह किसी साइंस-फिक्शन फिल्म की कहानी नहीं है, बल्कि भौतिकी का एक तथ्य है जिसे आइंस्टीन के “विशेष सापेक्षता के सिद्धांत” द्वारा साबित किया गया है।

इस “समय की गति धीमी होने” की अवधारणा को सबसे नाटकीय रूप से व्यक्त करने वाले एक प्रसिद्ध विचार प्रयोग को “जुड़वां का विरोधाभास (Twin Paradox)” कहा जाता है।

अंतरिक्ष में जाने वाला बड़ा भाई, और पृथ्वी पर रहने वाला छोटा भाई

एक ही दिन पैदा हुए जुड़वां भाई हैं। अपने 20वें जन्मदिन पर, बड़ा भाई प्रकाश की गति के 80% ($0.8c$) की गति से उड़ने वाले एक अति-तीव्र रॉकेट में सवार होकर एक दूर के तारे की यात्रा पर निकल जाता है। छोटा भाई पृथ्वी पर रुककर बड़े भाई के लौटने का इंतजार करता है।

कुछ सालों बाद, बड़ा भाई पृथ्वी पर लौट आता है। जब रॉकेट का दरवाज़ा खुलता है और दोनों फिर से मिलते हैं, तो एक आश्चर्यजनक घटना घट चुकी होती है।

पृथ्वी पर इंतज़ार करने वाला छोटा भाई 50 साल (30 साल बीत चुके हैं) का होकर पूरी तरह से एक अधेड़ उम्र का व्यक्ति बन गया था, जबकि अंतरिक्ष की यात्रा करने वाला बड़ा भाई अभी भी 38 साल (केवल 18 साल बीते हैं) का युवा ही था।

“जुड़वां होने के बावजूद, उनकी उम्र में 12 साल का अंतर आ गया।” यह सापेक्षता के सिद्धांत द्वारा लाया गया पहला झटका है।

graph TD A["जुड़वां भाई (20 साल)"] --> B["पृथ्वी पर रहने वाला छोटा भाई"] A --> C["प्रकाश की गति के 80% पर अंतरिक्ष की यात्रा करने वाला बड़ा भाई"] B -->|पृथ्वी का समय 30 साल बीत गया| D["मिलने पर छोटा भाई: 50 साल"] C -->|समय के धीमे होने के कारण केवल 18 साल बीते| E["मिलने पर बड़ा भाई: 38 साल"] D --> F{"उम्र का अंतर: 12 साल!"} E --> F style A fill:#ECEFF1,stroke:#333 style B fill:#C8E6C9,stroke:#333 style C fill:#BBDEFB,stroke:#333 style D fill:#81C784,stroke:#333,color:#fff style E fill:#64B5F6,stroke:#333,color:#fff style F fill:#FF9800,stroke:#333,color:#fff,stroke-width:2px

विरोधाभास का मूल: क्या यह देखने के नज़रिए पर निर्भर करता है?

“बड़े भाई का युवा होना” अपने आप में एक ऐसा तथ्य है जिसे सापेक्षता के सिद्धांत के समीकरण (लोरेन्ट्ज़ कारक) में संख्याएं डालकर प्राप्त किया जा सकता है, और यह एक भौतिक घटना है जिसे वास्तव में आधुनिक GPS उपग्रहों आदि में भी ध्यान में रखा जाता है।

हालाँकि, असली “विरोधाभास” यहाँ से शुरू होता है। सापेक्षता के सिद्धांत के सबसे महत्वपूर्ण नियमों में से एक यह है कि, “समान गति से चलने वाले सभी प्रेक्षकों के लिए, भौतिकी के नियम समान रूप से लागू होते हैं (पूर्ण स्थिरता जैसी कोई चीज़ नहीं होती है)।”

जब इसे इस मामले पर लागू किया जाता है, तो एक अजीब विरोधाभास पैदा होता है।

पृथ्वी के छोटे भाई के नज़रिए से: “बड़े भाई का रॉकेट बहुत तेज़ी से दूर गया और फिर वापस आ गया। चूँकि बड़ा भाई गति कर रहा था, इसलिए बड़े भाई का समय धीमा हो गया होगा, और बड़े भाई को युवा होना चाहिए।”
रॉकेट के बड़े भाई के नज़रिए से: “रॉकेट के अंदर मैं स्थिर हूँ। खिड़की से बाहर देखने पर, पृथ्वी बहुत तेज़ी से दूर गई और फिर वापस आ गई। चूँकि पृथ्वी का छोटा भाई गति कर रहा था, इसलिए छोटे भाई का समय धीमा हो गया होगा, और छोटे भाई को युवा होना चाहिए।”

दोनों के दावे सापेक्षता के सिद्धांत के इस नियम के प्रति वफ़ादार हैं कि “यदि दूसरा व्यक्ति गति करता हुआ प्रतीत होता है, तो उसका समय धीमा हो जाता है।” हालाँकि, जब दोनों फिर से मिलते हैं और साथ खड़े होते हैं, तो “दोनों एक-दूसरे से युवा हों” ऐसी स्थिति संभव नहीं है। निश्चित रूप से कोई एक बड़ा होगा, और कोई एक छोटा होगा।

क्या इसका मतलब यह है कि आइंस्टीन का सिद्धांत गलत है?

समाधान: “समरूपता” का टूटना

इस विरोधाभास के समाधान की कुंजी इस तथ्य में निहित है कि “दोनों की स्थिति पूरी तरह से समान (सममित) नहीं है।”

छोटा भाई हमेशा पृथ्वी (जड़त्वीय फ्रेम: निरंतर गति से चलने या स्थिर रहने की स्थिति) पर ही रहा। हालाँकि, बड़े भाई की यात्रा में “त्वरण” और “मंदी” शामिल हैं।

बड़े भाई का अंतरिक्ष यान निम्नलिखित चरणों को पूरा किए बिना पृथ्वी पर वापस नहीं आ सकता:

पृथ्वी से प्रस्थान करना और त्वरण (accelerate) करना।
गंतव्य तारे पर ब्रेक लगाना (मंदी), पृथ्वी की ओर मुड़ना, और फिर से त्वरण (U-टर्न) करना।
पृथ्वी पर पहुँचना और ब्रेक लगाना (मंदी)।

सापेक्षता के सिद्धांत में, जो प्रेक्षक त्वरण महसूस कर रहा है (G-force महसूस कर रहा है), उसके साथ निरंतर गति से चलने वाले प्रेक्षक की तुलना में अलग व्यवहार किया जाता है (सामान्य सापेक्षता के सिद्धांत का क्षेत्र)।

विशेष रूप से, जिस क्षण बड़ा भाई गंतव्य तारे पर “U-टर्न (तीव्र त्वरण के कारण दिशा परिवर्तन)” लेता है, बड़े भाई और छोटे भाई की स्थिति की समरूपता पूरी तरह से टूट जाती है। उस क्षण जब बड़ा भाई U-टर्न लेता है और पृथ्वी की ओर वापस गति करता है, तो बड़े भाई के नज़रिए से “पृथ्वी की घड़ी (छोटे भाई की उम्र)” अचानक दशकों आगे बढ़ती हुई दिखाई देती है।

नतीजतन, जब वे फिर से मिलते हैं, तो गणना के अनुसार केवल “बड़ा भाई 38 साल का है, और छोटा भाई 50 साल का है” यही वास्तविकता बचती है, और विरोधाभास स्पष्ट रूप से हल हो जाता है।

जुड़वां का विरोधाभास, भौतिकी के इतिहास में सबसे सुंदर विचार प्रयोगों में से एक है, जो हमें सिखाता है कि हमारी सामान्य समझ कि “समय सभी के लिए समान रूप से बहता है”, विशाल ब्रह्मांड और प्रकाश की गति के सामने बिल्कुल काम नहीं करती है।

आपके दोस्तों के पास आपसे ज़्यादा दोस्त हैं: फ्रेंडशिप पैराडॉक्स (मित्रता का विरोधाभास)

Thu, 10 Sep 2026 21:00:00 +0900

“आसपास के लोगों के पास मुझसे ज़्यादा दोस्त हैं और वे ज़्यादा मज़े कर रहे हैं…” क्या आपने कभी SNS (सोशल मीडिया) देखते हुए ऐसा महसूस किया है?

दरअसल, ऐसा महसूस होना आपके स्वभाव या अलोकप्रिय होने के कारण नहीं है। यह एक गणितीय सत्य है जिसे नेटवर्क सिद्धांत और सांख्यिकी द्वारा सिद्ध किया गया है, जिसे “मित्रता का विरोधाभास (Friendship Paradox)” कहा जाता है।

1991 में समाजशास्त्री स्कॉट फेल्ड (Scott Feld) द्वारा खोजा गया यह विरोधाभास एक ऐसी घटना की व्याख्या करता है जो हमारे अंतर्ज्ञान के विपरीत है: “ज्यादातर लोगों के दोस्तों की संख्या उनके दोस्तों के दोस्तों की संख्या से कम होती है।”

ऐसा क्यों होता है कि “दोस्तों के पास ज़्यादा दोस्त होते हैं”?

संक्षेप में कहें तो, यह एक साधारण सैंपलिंग पूर्वाग्रह (sampling bias) के कारण होता है: “जिन लोगों के कई दोस्त होते हैं (जो लोकप्रिय होते हैं), वे कई लोगों की फ्रेंड लिस्ट में दिखाई देते हैं।”

आइए इसे एक साधारण नेटवर्क (ग्राफ़) के माध्यम से समझते हैं।

graph TD A["एलिस (1 दोस्त)"] --- C["चार्ली (3 दोस्त)"] B["बॉब (1 दोस्त)"] --- C C --- D["डेविड (1 दोस्त)"] style A fill:#4FC3F7,stroke:#333,stroke-width:2px style B fill:#4FC3F7,stroke:#333,stroke-width:2px style C fill:#FF9800,stroke:#333,stroke-width:4px style D fill:#4FC3F7,stroke:#333,stroke-width:2px

इस छोटी सी दुनिया में चार लोग हैं: एलिस, बॉब, चार्ली और डेविड। चार्ली “लोकप्रिय” है और अन्य तीनों का दोस्त है। बाकी तीन केवल चार्ली के दोस्त हैं।

आइए प्रत्येक व्यक्ति के दोस्तों की संख्या देखें:

एलिस के दोस्तों की संख्या: 1
बॉब के दोस्तों की संख्या: 1
डेविड के दोस्तों की संख्या: 1
चार्ली के दोस्तों की संख्या: 3 सभी के दोस्तों की औसत संख्या है: $(1 + 1 + 1 + 3) / 4 = 1.5$ लोग।

अब, आइए “प्रत्येक व्यक्ति के ‘दोस्तों के दोस्तों की संख्या’ का औसत” निकालें:

एलिस के दोस्त (चार्ली) के दोस्तों की संख्या: 3
बॉब के दोस्त (चार्ली) के दोस्तों की संख्या: 3
डेविड के दोस्त (चार्ली) के दोस्तों की संख्या: 3
चार्ली के दोस्तों (एलिस, बॉब, डेविड) के दोस्तों की औसत संख्या: $(1 + 1 + 1) / 3 = 1$

अब, प्रत्येक व्यक्ति के लिए “स्वयं” की तुलना उनके “दोस्तों के औसत” से करते हैं:

एलिस: स्वयं (1) < दोस्तों का औसत (3)
बॉब: स्वयं (1) < दोस्तों का औसत (3)
डेविड: स्वयं (1) < दोस्तों का औसत (3)
चार्ली: स्वयं (3) > दोस्तों का औसत (1)

4 में से 3 लोग (75% लोग) ऐसी स्थिति में हैं जहाँ “उनके दोस्तों के पास उनसे ज़्यादा दोस्त हैं।” लोकप्रिय चार्ली की उपस्थिति आसपास के सभी लोगों के “दोस्तों के औसत” को काफी बढ़ा देती है।

गणितीय प्रमाण: प्रसरण (Variance) है कुंजी

आइए इसे एक गणितीय सूत्र के रूप में व्यक्त करें। नेटवर्क सिद्धांत में, मान लीजिए किसी व्यक्ति $v$ के दोस्तों की संख्या (डिग्री) $k(v)$ है। पूरे नेटवर्क में दोस्तों की औसत संख्या $\mu$ है, और दोस्तों की संख्या का प्रसरण (variance) $\sigma^2$ है।

फेल्ड के प्रमाण के अनुसार, “यादृच्छिक (randomly) चुने गए दोस्त के दोस्तों की संख्या” का अपेक्षित मान (expected value) इस प्रकार है:

$$ \text{दोस्तों के दोस्तों का औसत} = \mu + \frac{\sigma^2}{\mu} $$

प्रसरण $\sigma^2$ का मान हमेशा 0 या उससे अधिक होता है। दूसरे शब्दों में, उस असंभव स्थिति को छोड़कर जहाँ सभी के पास दोस्तों की संख्या बिल्कुल समान हो ($\sigma^2 = 0$), निम्नलिखित असमानता हमेशा सत्य होती है:

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

“दोस्तों के दोस्तों का औसत” हमेशा “समग्र औसत दोस्तों की संख्या” से अधिक होता है।

वास्तविक जीवन और SNS (जैसे X या Instagram) में, कुछ ही लोगों के लाखों फ़ॉलोअर्स (दोस्त) होते हैं, जबकि अधिकांश लोगों के केवल कुछ दर्जनों या सैकड़ों दोस्त होते हैं। इसका अर्थ है कि प्रसरण $\sigma^2$ बहुत बड़ा है, जिसके कारण इस विरोधाभास का प्रभाव और भी मजबूत हो जाता है।

अनुप्रयोग: महामारी और टीकाकरण

मित्रता का विरोधाभास केवल SNS मनोविज्ञान तक सीमित नहीं है। इसका उपयोग वास्तविक दुनिया की सामाजिक चुनौतियों, विशेष रूप से संक्रामक रोग नियंत्रण में बहुत प्रभावी ढंग से किया जा सकता है।

मान लीजिए कि टीकों (vaccines) की संख्या सीमित है और आप सोच रहे हैं कि किसे टीका लगाया जाए। बेतरतीब ढंग से (randomly) टीका लगाने की तुलना में एक अधिक प्रभावी तरीका है:

लोगों को बेतरतीब ढंग से चुनें।
उन्हें टीका लगाने के बजाय, उन लोगों को टीका लगाएँ जिन्हें वे “दोस्त” मानते हैं।

ऐसा क्यों? क्योंकि मित्रता के विरोधाभास के कारण, बेतरतीब ढंग से चुने गए व्यक्ति के “दोस्त” के पास औसतन अधिक कनेक्शन होने (यानी हब होने) की संभावना अधिक होती है। ऐसे लोगों को प्राथमिकता के आधार पर टीका लगाने से, जिनके कनेक्शन ज़्यादा हैं, पूरे नेटवर्क में संक्रमण के फैलाव को काफी हद तक धीमा किया जा सकता है।

निष्कर्ष

जब आप SNS देखते हैं और महसूस करते हैं कि “बाकी सभी के पास मुझसे अधिक दोस्त हैं और वे बेहतर जीवन जी रहे हैं,” तो यह कोई भ्रम नहीं है, बल्कि नेटवर्क की संरचना द्वारा उत्पन्न एक गणितीय अनिवार्यता है।

चूँकि लोकप्रिय लोग कई लोगों के नेटवर्क में दिखाई देते हैं, हम अनिवार्य रूप से ऐसे सैंपल्स देख रहे होते हैं जो “औसत से अधिक लोकप्रिय” होते हैं। इसलिए, अगली बार जब आप SNS देखकर निराश होने लगें, तो इस सूत्र को ज़रूर याद रखें:

$$ \mu + \frac{\sigma^2}{\mu} > \mu $$

एक-एक रेत का कण हटाने पर रेत का ढेर कब ढेर नहीं रहता?: रेत के ढेर का विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

मान लीजिए कि आपके सामने 10,000 रेत के कणों से बना एक शानदार रेत का ढेर है। कोई भी इसे देखकर कहेगा कि यह “रेत का ढेर” है। अब इसमें से सिर्फ़ एक कण हटाइए। 9,999 कण। अभी भी रेत का ढेर है, है ना? एक और कण हटाइए। 9,998 कण। यह भी अभी रेत का ढेर ही है।

चलिए, यह प्रक्रिया दोहराते रहते हैं। सिर्फ़ एक कण हटाने से “रेत का ढेर” “रेत का ढेर नहीं” में नहीं बदल सकता। लेकिन, अगर इस तर्क को बार-बार दोहराते रहें, तो अंत में केवल एक कण बचेगा।

क्या एक रेत का कण “रेत का ढेर” है?

बेशक, एक रेत के कण को कोई भी “रेत का ढेर” नहीं कहेगा। लेकिन, हमने “एक कण हटाने पर भी रेत का ढेर, रेत का ढेर ही रहता है” इस धारणा को कभी नकारा नहीं। कहीं न कहीं तर्क टूट रहा है, लेकिन आख़िर कितने कण पर रेत का ढेर, ढेर नहीं रहा?

यही है ईसा पूर्व चौथी शताब्दी के प्राचीन यूनानी दार्शनिक यूबुलाइडीज़ से जुड़ा “रेत के ढेर का विरोधाभास (सोराइटीज़ विरोधाभास)”।

तार्किक संरचना

इस विरोधाभास को निम्नलिखित त्रिपदीय न्यायवाक्य (सिलोजिज़्म) के रूप में व्यक्त किया जा सकता है।

पूर्वधारणा 1: 10,000 रेत के कणों का समूह “रेत का ढेर” है। पूर्वधारणा 2: रेत के ढेर से एक कण हटाने पर भी वह “रेत का ढेर” ही रहता है। निष्कर्ष: इसलिए, एक रेत का कण भी “रेत का ढेर” है।

पूर्वधारणा 1 और पूर्वधारणा 2 दोनों अलग-अलग देखें तो बहुत तर्कसंगत लगती हैं। लेकिन, पूर्वधारणा 2 को बार-बार लागू करने पर स्पष्ट रूप से ग़लत निष्कर्ष निकलता है।

यह विरोधाभास क्यों हल नहीं होता

रेत के ढेर के विरोधाभास का मूल यह है कि “रेत का ढेर” शब्द स्वाभाविक रूप से अस्पष्ट है। “रेत का ढेर” की कोई स्पष्ट परिभाषा (सीमा रेखा) नहीं है कि “कितने कण से अधिक हों तो ढेर”। ऐसी अवधारणाओं को “अस्पष्ट विधेय (vague predicate)” कहा जाता है।

हमारी दैनिक भाषा ऐसे अस्पष्ट शब्दों से भरी हुई है।

“लंबा कद” कितने सेंटीमीटर से ऊपर? 180cm का व्यक्ति “लंबा” है। 1mm कम कर दें तो? और 1mm कम करें तो?
“अमीर” कितनी संपत्ति से ऊपर? 10 अरब येन हो तो “अमीर”। 1 येन कम हो जाए तो?
“गंजा” कितने बालों से कम? 0 बाल हों तो “गंजा”। 1 बाल उग आए तो?

ये सभी रेत के ढेर के विरोधाभास के साथ बिल्कुल समान संरचना रखते हैं।

दार्शनिकों के दृष्टिकोण

1. ज्ञानमीमांसीय दृष्टिकोण (सीमा रेखा मौजूद है)

इस दृष्टिकोण में कहा जाता है कि “वास्तव में ढेर और गैर-ढेर के बीच एक स्पष्ट सीमा रेखा मौजूद है, लेकिन मनुष्य में उसे पहचानने की क्षमता नहीं है”। उदाहरण के लिए, “5,837 कण ढेर है लेकिन 5,836 कण ढेर नहीं है” — ऐसी सटीक सीमा है, पर हम उसे जान नहीं सकते।

तर्कशास्त्र की दृष्टि से यह साफ़-सुथरा है, लेकिन अधिकांश लोग सहज रूप से इस स्थिति में असहजता महसूस करेंगे।

2. फ़ज़ी तर्क (क्रमिक सत्य मान)

शास्त्रीय तर्कशास्त्र में “सत्य या असत्य” — केवल दो विकल्प होते हैं, लेकिन फ़ज़ी तर्क में “0 से 1 के बीच कोई भी मान” लिया जा सकता है।

उदाहरण के लिए:

10,000 कण रेत का “ढेर-अंश = 1.0 (पूर्ण रूप से ढेर)”
5,000 कण हों तो “ढेर-अंश = 0.7”
100 कण हों तो “ढेर-अंश = 0.1”
1 कण हो तो “ढेर-अंश = 0.0 (पूर्ण रूप से गैर-ढेर)”

यह विधि व्यावहारिक है, लेकिन विरोधाभास पूरी तरह समाप्त नहीं होता। “ढेर-अंश 0.7 और 0.699 में क्या अंतर है?” — ऐसी एक नई अस्पष्टता उत्पन्न हो जाती है।

3. सुपरवैल्यूएशनिज़्म (Supervaluationism)

इस विचारधारा में, “रेत का ढेर” शब्द के लिए सभी संभावित तर्कसंगत सीमा रेखाओं पर एक साथ विचार किया जाता है। यदि सभी सीमा रेखाओं पर “ढेर” माना जाए तो “निश्चित रूप से ढेर”, सभी पर “गैर-ढेर” हो तो “निश्चित रूप से गैर-ढेर”, और जहाँ मतभेद हो वह क्षेत्र “अनिर्धारित” माना जाता है।

आधुनिक समाज पर प्रभाव

रेत के ढेर का विरोधाभास केवल शब्दों का खेल नहीं है, बल्कि यह वास्तविक क़ानून और नीतियों की दुनिया में भी गंभीर समस्याएँ उत्पन्न करता है।

वयस्कता की आयु: 17 वर्ष 364 दिन पर “बच्चा” और 18 वर्ष 0 दिन पर “वयस्क”। एक दिन में मूलभूत रूप से क्या बदल जाता है?
ग़रीबी रेखा: वार्षिक आय मानक राशि से 1 येन कम हो तो “ग़रीब”, 1 येन अधिक हो तो “ग़ैर-ग़रीब”।
पर्यावरण नियमन: प्रदूषक उत्सर्जन मानक मान से 0.001mg अधिक हो तो अवैध। मानक मान पर ठीक हो तो वैध।

मानव भाषा और विचार स्वाभाविक रूप से अस्पष्टता को समेटे हुए हैं, और दुनिया को स्पष्ट द्विविभाजन में बाँटने का प्रयास स्वयं में असंभव हो सकता है। रेत के ढेर का विरोधाभास 2400 से अधिक वर्षों से दार्शनिकों को परेशान करता रहा है — यह मानव बुद्धि की मूलभूत सीमाओं को दर्शाने वाला विरोधाभास है।

क्या इसे पेंट से भरा जा सकता है, लेकिन सतह को रंगा नहीं जा सकता?: गेब्रियल का हॉर्न

Thu, 10 Sep 2026 21:00:00 +0900

क्या होगा यदि कोई ऐसा बर्तन हो जिसका “आयतन सीमित हो, लेकिन पृष्ठीय क्षेत्रफल अनंत हो”? सहज रूप से यह असंभव लग सकता है, लेकिन गणित की दुनिया में वास्तव में एक ऐसा आकार मौजूद है। यह वह आकार है जिसे “गेब्रियल का हॉर्न (Gabriel’s Horn)” या “टॉरिसिली का ट्रम्पेट (Torricelli’s Trumpet)” कहा जाता है।

1641 में इतालवी गणितज्ञ इवेंजेलिस्टा टॉरिसिली द्वारा खोजे गए इस आकार ने उस समय के गणितज्ञों और दार्शनिकों को झकझोर कर रख दिया था और “अनंत” की प्रकृति पर एक तीव्र बहस छेड़ दी थी।

पेंटिंग का विरोधाभास

यदि हम इस आकार के गुणों की तुलना रोज़मर्रा के “पेंट” से करते हैं, तो निम्नलिखित विचित्र विरोधाभास उत्पन्न होता है:

हॉर्न को पेंट से भरने पर： हॉर्न का आयतन सीमित है (सटीक रूप से $\pi$), इसलिए इसमें केवल $\pi$ लीटर (लगभग 3.14 लीटर) पेंट डालकर इसके अंदरूनी हिस्से को पूरी तरह से भरा जा सकता है।
हॉर्न की सतह को पेंट से रंगने पर： हॉर्न का पृष्ठीय क्षेत्रफल अनंत है। इसलिए, यदि आप ब्रश से हॉर्न की अंदरूनी (या बाहरी) सतह को रंगने का प्रयास करते हैं, तो चाहे आप कितना भी पेंट तैयार कर लें, आप इसे कभी भी पूरा नहीं रंग पाएंगे।

“आप 3.14 लीटर पेंट से अंदरूनी हिस्से को भर सकते हैं, लेकिन सतह को रंगने के लिए आपको अनंत मात्रा में पेंट की आवश्यकता होगी।” हमारी सहज बुद्धि (intuition) के विपरीत यह स्थिति क्यों उत्पन्न होती है?

graph TD A["गेब्रियल का हॉर्न"] --> B["आयतन की गणना (समाकलन)"] A --> C["पृष्ठीय क्षेत्रफल की गणना (समाकलन)"] B --> B1["आयतन = π (सीमित)"] B1 --> B2["अंदरूनी हिस्से को पेंट से भरा जा सकता है"] C --> C1["पृष्ठीय क्षेत्रफल = ∞ (अनंत)"] C1 --> C2["सतह को पूरी तरह से रंगा नहीं जा सकता"] B2 --> D{"विरोधाभास!"} C2 --> D style A fill:#FFD54F,stroke:#333,stroke-width:2px style B1 fill:#81C784,stroke:#333 style C1 fill:#E57373,stroke:#333,color:#fff style D fill:#F44336,stroke:#333,color:#fff,stroke-width:3px

गणितीय प्रमाण: कैलकुलस का जादू

गेब्रियल का हॉर्न, फ़ंक्शन $y = \frac{1}{x}$ के ग्राफ़ (जहाँ $x \ge 1$) को $x$-अक्ष के चारों ओर घुमाकर (rotate) बनाया जाता है। आइए कैलकुलस का उपयोग करके इस 3D आकार के आयतन $V$ और पृष्ठीय क्षेत्रफल $A$ की गणना करें।

1. आयतन की गणना (यह सीमित क्यों है?)

घूर्णन वाले ठोस (solid of revolution) का आयतन $V$, अनुप्रस्थ-काट के क्षेत्रफल (त्रिज्या $\frac{1}{x}$ वाला वृत्त) का समाकलन (integration) करके प्राप्त किया जा सकता है।

$$ V = \pi \int_{1}^{\infty} \left( \frac{1}{x} \right)^2 dx = \pi \int_{1}^{\infty} \frac{1}{x^2} dx $$

इस निश्चित समाकल (definite integral) की गणना करने पर:

$$ V = \pi \left[ -\frac{1}{x} \right]_{1}^{\infty} = \pi (0 - (-1)) = \pi $$

परिणाम सीमित मान $\pi$ तक अभिसरित (converge) हो जाता है।

2. पृष्ठीय क्षेत्रफल की गणना (यह अनंत क्यों है?)

दूसरी ओर, पृष्ठीय क्षेत्रफल $A$ की गणना इस प्रकार है:

$$ A = 2\pi \int_{1}^{\infty} y \sqrt{1 + \left(\frac{dy}{dx}\right)^2} dx $$ $$ \frac{dy}{dx} = -\frac{1}{x^2} $$

है, इसलिए वर्गमूल (square root) के अंदर का हिस्सा $1 + \frac{1}{x^4}$ हो जाता है। चूँकि सभी $x \ge 1$ के लिए $\sqrt{1 + \frac{1}{x^4}} > 1$ होता है, इसलिए निम्नलिखित असमिका (inequality) सत्य है:

$$ A > 2\pi \int_{1}^{\infty} \frac{1}{x} \cdot 1 dx = 2\pi \left[ \ln x \right]_{1}^{\infty} $$

प्राकृतिक लघुगणक $\ln x$, $x \to \infty$ होने पर अनंत तक अपसरित (diverge) हो जाता है। इसलिए, पृष्ठीय क्षेत्रफल $A$ जो कि इससे बड़ा है, वह भी स्वाभाविक रूप से अनंत तक अपसरित होगा।

इस विरोधाभास का “रहस्योद्घाटन”

भले ही इसे गणितीय रूप से सही साबित किया जा सकता है, लेकिन वास्तविक दुनिया की समझ के अनुसार इसे स्वीकार करना मुश्किल हो सकता है। “यदि इसे पेंट से भरा जा सकता है, और चूँकि वह पेंट अंदरूनी सतह को छू रहा है, तो सतह भी तो रंगी जानी चाहिए, है न?”

अंतर्ज्ञान (intuition) का यह अंतर, गणितीय अवधारणाओं और भौतिक वास्तविकता के सम्मिश्रण (confusion) से उत्पन्न होता है।

गणित की दुनिया में, पेंट की “मोटाई” को शून्य तक असीमित रूप से पतला किया जा सकता है। गेब्रियल का हॉर्न आगे बढ़ने पर असीमित रूप से पतला होता जाता है, लेकिन गणितीय पेंट कितना भी पतला होकर उस पतले सिरे की गहराई तक बह सकता है, और यह अनंत पृष्ठीय क्षेत्रफल को सीमित आयतन से कोट (coat) कर सकता है (हालाँकि, पेंट की परत की मोटाई सिरे की ओर बढ़ने पर शून्य के करीब होती जाती है)।

हालाँकि, भौतिक वास्तविक दुनिया में, पेंट परमाणुओं और अणुओं (सीमित आकार वाले कणों) से बना होता है। यदि आप वास्तविक पेंट डालते हैं, तो उस बिंदु पर जहाँ हॉर्न की नली “पेंट के अणु के व्यास” से अधिक पतली हो जाती है, पेंट उससे आगे नहीं जा पाएगा। दूसरे शब्दों में, भौतिक रूप से हॉर्न को सिरे तक भरना या उसकी अनंत सतह को रंगना असंभव है।

गेब्रियल का हॉर्न एक सुंदर उदाहरण है जो हमें यह सिखाता है कि मानव अंतर्ज्ञान “सीमित दुनिया के नियमों” से बंधा हुआ है और यह हमेशा “अनंत” को संभालने वाली कैलकुलस की दुनिया से मेल नहीं खाता है।

क्या उड़ता हुआ तीर स्थिर है?: ज़ेनो का 'उड़ता हुआ तीर' विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

धनुष से छूटा एक तीर हवा में उड़ रहा है। यह तीर निश्चित रूप से गति कर रहा है। लेकिन 5वीं शताब्दी ईसा पूर्व के ग्रीक दार्शनिक ज़ेनो (Zeno) ने निम्नलिखित भयानक तर्क प्रस्तुत किया:

“उड़ता हुआ तीर वास्तव में स्थिर है”

यह कोई मज़ाक या कुतर्क नहीं है, बल्कि “उड़ते हुए तीर का विरोधाभास” (Arrow paradox) है, जिस पर 2500 वर्षों से गणितज्ञों और दार्शनिकों द्वारा गंभीरता से बहस की जाती रही है।

ज़ेनो का तर्क (Zeno’s Argument)

ज़ेनो का तर्क “समय के क्षण” (instant of time) की अवधारणा से शुरू होता है।

समय “क्षणों” की एक श्रृंखला है।
यदि आप एक ही क्षण (शून्य समय लंबाई वाला एक बिंदु) को एक “तस्वीर” की तरह काटते हैं, तो तीर अंतरिक्ष के एक विशिष्ट बिंदु पर “स्थित” होता है।
उस क्षण, तीर केवल उस स्थान को “घेर” रहा होता है और चल नहीं रहा होता है। (यदि यह चल रहा होता, तो इसे एक “क्षण” नहीं बल्कि एक “समय अंतराल” की आवश्यकता होती)
आप जो भी क्षण लेते हैं, यह वही रहता है।
यदि समय के हर क्षण में तीर स्थिर है, तो तीर गति कब करता है?

graph TD A["उड़ता हुआ तीर"] --> B["समय क्षणों की एक श्रृंखला है"] B --> C["क्षण t1: तीर स्थान A पर स्थिर है"] B --> D["क्षण t2: तीर स्थान B पर स्थिर है"] B --> E["क्षण t3: तीर स्थान C पर स्थिर है"] C --> F{"हर क्षण में तीर स्थिर है"} D --> F E --> F F --> G["निष्कर्ष: तीर गति नहीं कर रहा है!"] style A fill:#2196F3,color:#fff style F fill:#FF9800,color:#fff,stroke-width:2px style G fill:#F44336,color:#fff,stroke-width:3px

अंतर्ज्ञान (Intuition) बनाम तर्क (Logic)

“यह बेतुका है। तीर तो सच में उड़ रहा है, है ना?” यह शायद ज़्यादातर लोगों की पहली प्रतिक्रिया होगी। हालाँकि, ज़ेनो के तर्क में तार्किक रूप से क्या गलत है, यह बताना वास्तव में बहुत मुश्किल है।

कहा जाता है कि प्राचीन यूनानी दार्शनिक डायोजनीज (Diogenes) ने ज़ेनो के सामने केवल खड़े होकर और कमरे में घूम कर यह दिखाया कि “देखो, मैं चल रहा हूँ।” लेकिन यह ज़ेनो के तर्क का खंडन नहीं था। ज़ेनो यह नहीं पूछ रहा है कि “क्या हम गति कर सकते हैं?”, बल्कि “क्या हम बिना किसी विरोधाभास के अपने तर्क से समझा सकते हैं कि गति करने का क्या अर्थ है?"।

कैलकुलस (Calculus) द्वारा समाधान (का प्रयास)

17वीं शताब्दी में न्यूटन और लाइबनिज़ द्वारा आविष्कृत कैलकुलस ने इस विरोधाभास का गणितीय उत्तर (कम से कम आंशिक रूप से) प्रदान किया।

कैलकुलस में, “एक निश्चित क्षण में वेग (तात्कालिक वेग)” को निम्नानुसार परिभाषित किया गया है:

$$ v(t) = \lim_{\Delta t \to 0} \frac{\Delta x}{\Delta t} $$

यानी, वेग को एक “सीमा” (limit) के रूप में परिभाषित किया जाता है जहां स्थिति में परिवर्तन $\Delta x$ को समय में परिवर्तन $\Delta t$ से विभाजित किया जाता है, और $\Delta t$ शून्य के असीमित रूप से करीब पहुंचता है।

यहाँ महत्वपूर्ण बात यह है कि “तात्कालिक वेग” शून्य समय अंतराल में तय की गई दूरी नहीं है। यह एक मात्रा है जिसे उस समय के आसपास सूक्ष्म परिवर्तनों की “प्रवृत्ति” के रूप में परिभाषित किया गया है, अर्थात “सीमा” (limit)।

इसलिए, कैलकुलस के दृष्टिकोण से उत्तर इस प्रकार है:

“यह सच है कि यदि आप शून्य लंबाई वाले एक क्षण को काटते हैं, तो उस क्षण के ‘भीतर’ तीर नहीं चल रहा है। लेकिन उस क्षण में भी तीर में ‘तात्कालिक वेग (एक गैर-शून्य सीमा मूल्य)’ का गुण होता है। ‘स्थिर होने’ का अर्थ है ‘तात्कालिक वेग शून्य होना’, लेकिन चूंकि उड़ते हुए तीर का तात्कालिक वेग शून्य नहीं होता है, इसलिए यह नहीं कहा जा सकता कि तीर ‘स्थिर’ है।”

शेष दार्शनिक प्रश्न (Remaining Philosophical Questions)

यद्यपि कैलकुलस ने ज़ेनो के विरोधाभास का एक व्यावहारिक समाधान प्रदान किया, लेकिन दार्शनिक रूप से यह पूरी तरह से सुलझा नहीं है।

क्योंकि “सीमा” (limit) की अवधारणा केवल एक गणितीय उपकरण (एक गणना प्रक्रिया) है, यह वास्तव में मूलभूत सवालों का उत्तर नहीं देती है जैसे “भौतिक रूप से समय (क्षण) की सबसे छोटी इकाई क्या है?”, “निरंतरता (continuity) क्या है?”, और “गति का सार क्या है?”।

आधुनिक भौतिकी (क्वांटम यांत्रिकी) में, इस संभावना पर चर्चा की जाती है कि समय और स्थान में भी न्यूनतम इकाइयाँ (प्लैंक समय, प्लैंक लंबाई) मौजूद हैं, और यदि समय “निरंतर” के बजाय “असतत (डिजिटल)” है, तो ज़ेनो के विरोधाभास को पूरी तरह से अलग संदर्भ में पुनर्मूल्यांकन करने की आवश्यकता हो सकती है।

2500 साल बाद भी, ज़ेनो का तीर हमसे यह पूछना जारी रखता है कि “गति करने का क्या अर्थ है?” और “समय क्या है?"।

क्या एक नीला सेब देखने से यह साबित होता है कि 'कौवे काले होते हैं'? : हेम्पेल के कौवे

Thu, 10 Sep 2026 21:00:00 +0900

वैज्ञानिक किसी सिद्धांत को कैसे सिद्ध करते हैं? आमतौर पर, वे दुनिया का निरीक्षण करते हैं और डेटा एकत्र करते हैं, इस विधि को ‘आगमन’ (Induction) कहा जाता है। उदाहरण के लिए, यदि हम इस परिकल्पना को सिद्ध करना चाहते हैं कि “सभी कौवे काले होते हैं”, तो हम दुनिया भर के कौवों का निरीक्षण करेंगे और एक-एक करके पुष्टि करेंगे कि वे काले हैं।

लेकिन 1940 के दशक में, तर्कशास्त्री कार्ल हेम्पेल (Carl Hempel) ने इस सामान्य वैज्ञानिक पद्धति में छिपे एक अजीब तार्किक खामी की ओर इशारा किया। यही हेम्पेल के कौवे (Hempel’s Ravens) का विरोधाभास है, जो कहता है कि “केवल एक नीला सेब या लाल जूते देखने से ही इस बात का प्रमाण मिल जाता है कि ‘कौवे काले होते हैं’”।

तर्क का बदलाव : प्रतिधनात्मक (Contrapositive) का जादू

हेम्पेल के तर्क को समझने के लिए, हमें हाई स्कूल के गणित में सिखाई जाने वाली ‘प्रतिधनात्मक (Contrapositive)’ की अवधारणा को याद करना होगा।

तर्कशास्त्र में, यदि कोई कथन “यदि A है, तो B है” सत्य है, तो उसका प्रतिधनात्मक “यदि B नहीं है, तो A नहीं है” भी हमेशा सत्य होता है (इसे तार्किक समतुल्यता कहा जाता है)।

परिकल्पना $H_1$: “सभी कौवे काले होते हैं (यदि कौवा है, तो काला है)”

आइए इस परिकल्पना $H_1$ का प्रतिधनात्मक लें। यह होगा: “यदि काला नहीं है, तो कौवा नहीं है”।

परिकल्पना $H_2$: “सभी गैर-काली चीजें कौवे नहीं हैं”

तर्कशास्त्र के नियमों के अनुसार, $H_1$ और $H_2$ का बिल्कुल एक ही अर्थ (समतुल्य) है। यदि एक सिद्ध हो जाता है, तो दूसरा भी अपने आप सिद्ध हो जाएगा।

बिना कौवा देखे कौवे को सिद्ध करना

अब, परिकल्पना $H_1$ (कौवे काले होते हैं) की पुष्टि करने के लिए, हर बार जब हम एक काला कौवा देखते हैं, तो परिकल्पना की सत्यता (प्रमाण) थोड़ी मजबूत हो जाती है। यह ऐसी बात है जिससे हर कोई सहमत होगा।

लेकिन, चूंकि $H_1$ और $H_2$ का अर्थ एक ही है, इसलिए परिकल्पना $H_2$ (जो काला नहीं है वह कौवा नहीं है) का प्रमाण खोजना, परिकल्पना $H_1$ का प्रमाण बन जाना चाहिए।

तो, $H_2$ का प्रमाण क्या है? हमें बस ऐसी चीजें खोजनी हैं जो “काली नहीं हैं, और कौवे नहीं हैं”।

मान लीजिए मेज पर एक “नीला सेब” है। यह काला नहीं है, और कौवा भी नहीं है। इसलिए, यह $H_2$ का समर्थन करने वाला प्रमाण है।
अलमारी में “लाल जूते” हैं। यह भी काले नहीं हैं, और कौवे भी नहीं हैं। यह $H_2$ का प्रमाण है।
आकाश में “सफेद बादल” तैर रहे हैं। यह भी $H_2$ का प्रमाण है।

चूंकि $H_2$ के प्रमाण का मूल्य $H_1$ के प्रमाण के समान ही है, तार्किक रूप से निम्नलिखित अजीब निष्कर्ष निकाला जा सकता है:

“कमरे के अंदर आप जितने अधिक नीले सेब और लाल जूते देखते हैं, उतनी ही यह परिकल्पना सिद्ध होती जाती है कि ‘सभी कौवे काले होते हैं’”

graph TD A["कथन H1: सभी कौवे काले होते हैं"] <-->|तार्किक समतुल्यता (प्रतिधनात्मक)| B["कथन H2: जो चीजें काली नहीं हैं, वे कौवे नहीं हैं"] C["अवलोकन: काला कौवा"] -->|प्रमाण है| A D["अवलोकन: नीला सेब"] -->|प्रमाण है| B D -.->|इसलिए यह भी प्रमाण होना चाहिए?| A style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style C fill:#2196F3,stroke:#333,color:#fff style D fill:#FF9800,stroke:#333,color:#fff

यह हमारी सहज बुद्धि (Intuition) के विरुद्ध क्यों है?

दुनिया में ऐसा कोई पक्षीविज्ञानी नहीं है जो नीला सेब देखकर इस बात पर और विश्वास करने लगे कि “कौवे काले होते हैं”। तार्किक रूप से यह पूरी तरह से सही होना चाहिए, लेकिन हमारी सामान्य समझ इसे क्यों अस्वीकार करती है?

दर्शनशास्त्र और सांख्यिकी की दुनिया में, इस विरोधाभास के लिए कई दृष्टिकोण प्रस्तावित किए गए हैं।

1. बेयसियन समाधान (सूचना की मात्रा में अंतर)

आधुनिक सांख्यिकी (बेयसियन प्रायिकता) के दृष्टिकोण से सबसे मजबूत प्रतिवाद “प्रमाण की शक्ति (सूचना की मात्रा)” में अंतर पर केंद्रित है।

दुनिया में “काली चीजों” की तुलना में “गैर-काली चीजें” बहुत अधिक हैं, और इसी तरह, “कौवों” की तुलना में “जो कौवे नहीं हैं” वे खगोलीय रूप से अधिक हैं।

जब हम एक नीला सेब देखते हैं, तो यह निश्चित रूप से इस बात का प्रमाण है कि “सभी कौवे काले होते हैं”, लेकिन एक प्रमाण के रूप में इसका मूल्य (प्रायिकता में वृद्धि) शून्य के करीब है। इस विशाल ब्रह्मांड में अनगिनत “गैर-काली चीजों” में से किसी एक की पुष्टि करने से “कौवे काले होने” की प्रायिकता में केवल उतनी ही वृद्धि होती है जितना रेगिस्तान से एक रेत का कण हटाना। दूसरी ओर, सीधे तौर पर एक काला कौवा देखना एक प्रमाण के रूप में बहुत बड़ा मूल्य रखता है।

यानी, बेयसियन समाधान यह है कि तार्किक रूप से “नीला सेब प्रमाण है”, लेकिन व्यावहारिक रूप से “प्रमाण के रूप में इसका मूल्य शून्य के बराबर है इसलिए इसे नजरअंदाज किया जा सकता है”।

2. ‘इनडोर पक्षीविज्ञान’ की सीमाएं

यह विरोधाभास इस बात को उजागर करता है कि विज्ञान का मूल आधार ‘आगमन’ (अवलोकन से सामान्य नियम निकालना) कितनी कमजोर धारणा पर आधारित है। यदि हम केवल तार्किक समतुल्यता पर भरोसा करते हैं, तो ‘इनडोर पक्षीविज्ञान’ संभव हो जाएगा, जहां हम बाहर जाए बिना, केवल कमरे के अंदर कबाड़ का निरीक्षण करके ब्रह्मांड के किसी भी नियम (“सभी हंस सफेद होते हैं”, “कोई भी एलियन हरा नहीं होता”, आदि) को सत्यापित कर सकते हैं।

हेम्पेल के कौवे एक बहुत ही दिलचस्प विरोधाभास है जो यह दर्शाता है कि हम अनजाने में “प्रमाण” और “प्रमाणित” जैसे शब्दों का उपयोग करते हैं, जिन्हें केवल शुद्ध प्रतीकात्मक तर्कशास्त्र के नियमों द्वारा पूरी तरह से नहीं समझा जा सकता है।

क्या पन्ना हरा है, या 'ग्रू' रंग का? : गुडमैन की आगमन की नई पहेली

Thu, 10 Sep 2026 21:00:00 +0900

हम ‘अतीत के अनुभवों’ से ‘भविष्य’ की भविष्यवाणी करते हैं। “सूरज कल भी पूर्व से उगा था, इसलिए वह कल भी पूर्व से ही उगेगा।” “अब तक देखे गए सभी पन्ने हरे रंग के थे, इसलिए अगली बार निकाला जाने वाला पन्ना भी हरा ही होगा।”

इस प्रकार के तर्क को ‘आगमन’ (Induction) कहा जाता है, और यह सभी विज्ञानों का आधार है। लेकिन 1955 में, दार्शनिक नेल्सन गुडमैन ने एक अजीब रंग अवधारणा तैयार की जो यह दर्शाती है कि इस आगमन में एक मौलिक दोष है। इसे ही ‘ग्रू (Grue)’ का विरोधाभास कहा जाता है।

एक नए रंग ‘ग्रू (Grue)’ की परिभाषा

गुडमैन ने ‘हरा (Green)’ और ‘नीला (Blue)’ मिलाकर ‘ग्रू (Grue)’ नामक एक नए गुण (रंग) को इस प्रकार परिभाषित किया:

ग्रू (Grue) की परिभाषा: किसी वस्तु के ‘ग्रू’ होने का अर्थ है कि यदि इसे एक विशिष्ट समय $t$ (उदाहरण के लिए, 1 जनवरी 2030) से पहले देखा जाता है, तो यह ‘हरा (Green)’ है, और यदि इसे समय $t$ के बाद देखा जाता है, तो यह ‘नीला (Blue)’ है।

$$ \text{Grue} = \begin{cases} \text{Green} & (\text{समय} < t) \\ \text{Blue} & (\text{समय} \ge t) \end{cases} $$

इस परिभाषा के अनुसार, वर्तमान में (समय $t$ से पहले) आपके हाथ में मौजूद हरे रंग का पन्ना एक ही समय में ‘हरा’ होने के साथ-साथ ‘ग्रू’ भी है।

यह एक विरोधाभास क्यों है?

विरोधाभास तब उत्पन्न होता है जब हम भविष्य की भविष्यवाणी करने का प्रयास करते हैं। मानव जाति द्वारा अब तक देखे गए सभी पन्ने ‘हरे’ रहे हैं। इसलिए, हम आगमन का उपयोग करते हुए इस प्रकार भविष्यवाणी करते हैं:

परिकल्पना A: “सभी पन्ने ‘हरे’ हैं”

लेकिन, जरा रुकिए। चूँकि अब तक देखे गए पन्ने समय $t$ से पहले के हैं, इसलिए वे सभी ‘ग्रू’ रंग के भी रहे होंगे। अतः, बिल्कुल उन्हीं अवलोकन डेटा के आधार पर, निम्नलिखित भविष्यवाणी भी सत्य हो सकती है:

परिकल्पना B: “सभी पन्ने ‘ग्रू’ रंग के हैं”

आगमन के नियमों के अनुसार, अतीत के सभी अवलोकन जिस मजबूती से परिकल्पना A का समर्थन करते हैं, “बिल्कुल उसी मजबूती” से वे परिकल्पना B का भी समर्थन कर रहे हैं।

graph TD A["अतीत के अवलोकन: सभी पन्ने हरे रंग के थे"] -->|एक ही समय में| B["अतीत के अवलोकन: सभी पन्ने 'ग्रू' रंग के थे"] A --> C["आगमनात्मक भविष्यवाणी A: भविष्य के पन्ने भी 'हरे' होंगे"] B --> D["आगमनात्मक भविष्यवाणी B: भविष्य के पन्ने भी 'ग्रू' रंग के होंगे"] C --> E["समय t के बाद भी हरे ही रहेंगे"] D --> F["समय t के बाद 'नीले' हो जाएंगे!"] style C fill:#4CAF50,stroke:#333,color:#fff style D fill:#2196F3,stroke:#333,color:#fff style F fill:#F44336,stroke:#333,color:#fff,stroke-width:2px

क्या पन्ने नीले रंग में बदल जाएंगे?

यदि परिकल्पना B सही है, तो समय $t$ के आते ही, दुनिया भर के सभी पन्ने एक साथ ‘नीले’ हो जाने चाहिए (ग्रू की परिभाषा के अनुसार)।

हम सहज रूप से सोचते हैं, “ऐसा बेतुका नहीं हो सकता। परिकल्पना B एक अस्वाभाविक शब्दों का खेल है, और परिकल्पना A (हरा) निश्चित रूप से सही है।”

लेकिन गुडमैन का प्रश्न इससे कहीं अधिक गहरा है। “हरा” और “ग्रू”, जब दोनों परिकल्पनाएं पिछले डेटा के साथ पूरी तरह से मेल खाती हैं, तो हम केवल “हरे” रंग की भविष्यवाणी को ही वैध क्यों मानते हैं और “ग्रू” रंग की भविष्यवाणी को खारिज क्यों करते हैं? इसका “तार्किक आधार” क्या है?

“प्रकृति की एकरूपता” को चुनौती

इस समस्या से बचने के लिए, एक प्रतिवाद दिमाग में आ सकता है: “हमें ‘हरा’ जैसी सरल अवधारणाओं का उपयोग करना चाहिए और ‘ग्रू’ जैसी समय-सम्मिलित जटिल अवधारणाओं का नहीं।”

लेकिन गुडमैन ने इसके विपरीत यह दर्शाया कि यदि हम ‘ब्रीन (Bleen: समय $t$ तक नीला, उसके बाद हरा)’ नामक रंग को परिभाषित करते हैं, तो ‘हरा’ रंग की अवधारणा स्वयं एक समय-निर्भर जटिल अवधारणा बन जाती है—अर्थात्, ‘समय $t$ तक ग्रू, और उसके बाद ब्रीन’। दूसरे शब्दों में, हम किस शब्द को ‘मूल’ मानते हैं, यह केवल हमारी भाषाई आदत है।

गुडमैन का ‘ग्रू’ विरोधाभास (आगमन की नई पहेली) यह साबित करता है कि वैज्ञानिक सिद्धांत केवल वस्तुनिष्ठ डेटा द्वारा निर्धारित नहीं होते, बल्कि इस बात पर भी दृढ़ता से निर्भर करते हैं कि “हम दुनिया को समझने के लिए किस वैचारिक ढाँचे (भाषा) का उपयोग कर रहे हैं।”

AI और मशीन लर्निंग के संदर्भ में भी, इस विरोधाभास का आधुनिक समय में गहरा महत्व बना हुआ है, विशेष रूप से ‘ओवरफिटिंग (Overfitting)’ और ‘बायस (Bias)’ की समस्याओं के रूप में—जहाँ समान प्रशिक्षण डेटा होने के बावजूद ‘मॉडल की संरचना (किन विशेषताओं पर ध्यान दिया जाता है)’ के आधार पर भविष्यवाणियां पूरी तरह से बदल सकती हैं।

गुरु और शिष्य, जो भी जीते अदालत में विरोधाभास: प्रोटागोरस का विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

प्राचीन यूनान में, सबसे महान सोफिस्ट (वक्तृत्व कला के शिक्षक) प्रोटागोरस के पास यूथ्लस (Euathlus) नाम का एक युवक शिष्य बना। दोनों के बीच ट्यूशन फीस के भुगतान के लिए निम्नलिखित समझौता हुआ:

समझौते की शर्तें: यूथ्लस वक्तृत्व कला का पूरा पाठ्यक्रम समाप्त करने के बाद, अपना पहला मुकदमा जीतने पर, ट्यूशन फीस की शेष राशि प्रोटागोरस को चुकाएगा।

यूथ्लस एक मेधावी छात्र था और उसने वक्तृत्व कला का पूरा पाठ्यक्रम सफलतापूर्वक पूरा किया। लेकिन पाठ्यक्रम पूरा करने के बाद, उसने किसी कारणवश कोई भी मुकदमा लेने से इंकार कर दिया। चूँकि वह अदालत में नहीं गया, इसलिए “पहला मुकदमा जीतने” की शर्त कभी पूरी नहीं होगी, और इसलिए उसे ट्यूशन फीस चुकाने की आवश्यकता नहीं है।

निराश होकर प्रोटागोरस ने यूथ्लस पर अदालत में मुकदमा दायर कर दिया। यह मांग करते हुए कि “ट्यूशन फीस चुकाओ”।

और यहीं से तर्क की भूलभुलैया शुरू होती है।

गुरु प्रोटागोरस का तर्क

प्रोटागोरस ने अदालत में यह तर्क दिया:

“हे न्यायाधीश, चाहे कुछ भी हो, मेरी ही जीत होगी।

यदि मैं इस मुकदमे में जीतता हूँ, तो अदालत के फैसले के अनुसार यूथ्लस को मुझे ट्यूशन फीस चुकानी होगी।
यदि मैं इस मुकदमे में हारता हूँ, तो यूथ्लस के लिए यह उसका ‘पहला जीता हुआ मुकदमा’ होगा। इसका मतलब है कि समझौते की शर्त पूरी हो गई है, और समझौते के अनुसार उसे ट्यूशन फीस चुकानी होगी।

दोनों ही मामलों में, ट्यूशन फीस चुकाना उसका दायित्व है।”

शिष्य यूथ्लस का तर्क

इसके जवाब में, यूथ्लस ने भी हार नहीं मानी।

“हे न्यायाधीश, चाहे कुछ भी हो, मेरी ही जीत होगी।

यदि मैं इस मुकदमे में जीतता हूँ, तो अदालत के फैसले के अनुसार मुझे ट्यूशन फीस चुकाने की आवश्यकता नहीं है।
यदि मैं इस मुकदमे में हारता हूँ, तो मैंने अभी तक अपना ‘पहला मुकदमा नहीं जीता’ है। इसका मतलब है कि समझौते की शर्त पूरी नहीं हुई है, इसलिए समझौते के अनुसार मुझे ट्यूशन फीस चुकाने की आवश्यकता नहीं है।

दोनों ही मामलों में, मुझे ट्यूशन फीस चुकाने की आवश्यकता नहीं है।”

graph TD A["मुकदमे का परिणाम"] --> B["प्रोटागोरस की जीत"] A --> C["यूथ्लस की जीत"] B --> B1["फैसला: यूथ्लस को भुगतान करना होगा"] B --> B2["समझौता: यूथ्लस नहीं जीता → भुगतान करने की आवश्यकता नहीं है"] C --> C1["फैसला: यूथ्लस को भुगतान करने की आवश्यकता नहीं है"] C --> C2["समझौता: यूथ्लस की पहली जीत → भुगतान करना होगा"] B1 --> D{"विरोधाभास! फैसला vs समझौता"} B2 --> D C1 --> E{"विरोधाभास! फैसला vs समझौता"} C2 --> E style A fill:#ECEFF1,stroke:#333,stroke-width:2px style B fill:#4CAF50,color:#fff style C fill:#2196F3,color:#fff style D fill:#F44336,color:#fff,stroke-width:3px style E fill:#F44336,color:#fff,stroke-width:3px

विरोधाभास क्यों होता है

इस विरोधाभास का मूल कारण यह है कि दो अलग-अलग नियम प्रणालियां (कानून और समझौता) एक-दूसरे के विपरीत निर्णय देती हैं।

कानून का नियम: अदालत के फैसले का पालन करें।
समझौते का नियम: “पहला मुकदमा जीतने पर भुगतान करें” की शर्त का पालन करें।

आमतौर पर, कानून और अनुबंध स्वतंत्र डोमेन के रूप में कार्य करते हैं, लेकिन जब प्रोटागोरस ने “ट्यूशन फीस के भुगतान” को मुकदमे का विवादित बिंदु बना दिया, तो मुकदमे का परिणाम ही समझौते की शर्त को प्रभावित करने लगा, जिससे दोनों प्रणालियां एक स्व-संदर्भित (self-referential) पाश (loop) में फंस गईं।

न्यायविदों का जवाब

प्राचीन रोम के न्यायविद ऑलस गेलियस ने इस समस्या का निम्नलिखित समाधान प्रस्तुत किया:

“अदालत को यूथ्लस के पक्ष में फैसला सुनाना चाहिए (भुगतान की आवश्यकता नहीं)। क्योंकि यह एक तथ्य है कि समझौते की शर्तें अभी तक पूरी नहीं हुई हैं। हालाँकि, इस फैसले के बाद, प्रोटागोरस यूथ्लस पर दोबारा मुकदमा कर सकता है। क्योंकि पहले मुकदमे में यूथ्लस की जीत होने से समझौते की शर्त पूरी हो गई है। दूसरे मुकदमे में, प्रोटागोरस जीत जाएगा।”

दूसरे शब्दों में, यदि आप “एक ही मुकदमे में विरोधाभास को सुलझाने” का प्रयास करते हैं, तो एक विरोधाभास उत्पन्न होता है, लेकिन यदि आप इसे “दो चरणों में” संभालते हैं, तो विरोधाभास का समाधान किया जा सकता है। यह उनका उत्तर है।

स्व-संदर्भित विरोधाभासों से संबंध

प्रोटागोरस के विरोधाभास में उसी तरह की स्व-संदर्भित संरचना (self-referential structure) है जैसे कि “लायर्स पैराडॉक्स (‘यह वाक्य झूठा है’)” और “रसेल का पैराडॉक्स”। एक प्रस्ताव (मुकदमे का निष्कर्ष) उन शर्तों (समझौते की पूर्ति) को प्रभावित करता है जो उसके स्वयं के सत्य या असत्य को निर्धारित करते हैं।

इस प्रकार के विरोधाभास आधुनिक कंप्यूटर विज्ञान में “हाल्टिंग प्रॉब्लम (यह निर्धारित करने वाला प्रोग्राम बनाना असंभव है कि कोई अन्य प्रोग्राम रुकेगा या नहीं)” और गोडेल के अपूर्णता प्रमेय जैसी समस्याओं से गहराई से जुड़े हैं, जो तर्क और गणना की मूलभूत सीमाओं को दर्शाते हैं।

प्रोटागोरस का विरोधाभास 2400 साल पुरानी एक चेतावनी है जो हमें सिखाती है कि मानव निर्मित नियम प्रणालियां (कानून और समझौते) चतुर स्व-संदर्भ (self-reference) के माध्यम से आंतरिक रूप से कैसे ढह सकती हैं।

जब शब्द खुद का वर्णन करते हैं: ग्रेलिंग-नेल्सन विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

शब्द दुनिया का वर्णन करने के लिए उपकरण हैं, लेकिन जब हम खुद शब्दों का वर्णन करने का प्रयास करते हैं, तो तर्क कभी-कभी अप्रत्याशित जाल में फंस सकता है।

1908 में कर्ट ग्रेलिंग और लियोनार्ड नेल्सन द्वारा तैयार किया गया “ग्रेलिंग-नेल्सन विरोधाभास (Grelling-Nelson Paradox)”, अर्थशास्त्र का एक प्रसिद्ध विरोधाभास है जो वास्तव में “शब्दों को परिभाषित करने वाले शब्दों” की सीमाओं को उजागर करता है।

शब्दों को दो समूहों में वर्गीकृत करना

ग्रेलिंग और नेल्सन ने विचार किया कि सभी विशेषणों (शब्दों) को निम्नलिखित दो समूहों में वर्गीकृत किया जा सकता है:

स्व-वर्णनात्मक (Autological): वे शब्द जिनमें स्वयं वह गुण होता है जो उस शब्द का अर्थ है।
गैर-स्व-वर्णनात्मक (Heterological): वे शब्द जिनमें स्वयं वह गुण नहीं होता है जो उस शब्द का अर्थ है।

आइए कुछ उदाहरण देखें

स्व-वर्णनात्मक शब्दों के उदाहरण:

“छोटा (short)”: यह शब्द अपने आप में छोटा है।
“अंग्रेजी का (English)”: यह शब्द अपने आप में अंग्रेजी का है।
“संज्ञा (noun)”: यह शब्द एक संज्ञा है।
“पांच-शब्दांश का (pentasyllabic)”: अंग्रेजी में “pen-ta-syl-lab-ic” के पांच शब्दांश होते हैं।

गैर-स्व-वर्णनात्मक शब्दों के उदाहरण:

“लंबा (long)”: यह शब्द स्वयं छोटा है और लंबा नहीं है।
“जर्मन (German)”: यह शब्द हिंदी (या अंग्रेजी) है और जर्मन नहीं है।
“अदृश्य (invisible)”: यह शब्द इस समय आपकी स्क्रीन या कागज पर स्पष्ट रूप से दिखाई दे रहा है।

यहाँ तक यह एक साधारण शब्दों के खेल जैसा लगता है। प्रत्येक शब्द को निश्चित रूप से इस आधार पर वर्गीकृत किया जा सकता है कि यह अपने अर्थ को मूर्त रूप देता है या नहीं।

घातक प्रश्न: विरोधाभास की उत्पत्ति

अब यहाँ से विरोधाभास शुरू होता है। आइए निम्नलिखित एक शब्द पर विचार करें:

क्या “गैर-स्व-वर्णनात्मक (Heterological)” शब्द स्वयं स्व-वर्णनात्मक है? या गैर-स्व-वर्णनात्मक है?

इस प्रश्न के लिए हम जो भी उत्तर चुनें, हमें विरोधाभास का सामना करना पड़ेगा।

केस 1: मान लें कि “गैर-स्व-वर्णनात्मक” एक ‘स्व-वर्णनात्मक’ शब्द है

यदि “गैर-स्व-वर्णनात्मक (Heterological)” शब्द “स्व-वर्णनात्मक” है, तो परिभाषा के अनुसार इसका मतलब है कि “शब्द में स्वयं वह गुण है जो इसका अर्थ है।” हालाँकि, इस शब्द का अर्थ “गैर-स्व-वर्णनात्मक” होना है। दूसरे शब्दों में, “गैर-स्व-वर्णनात्मक” गुण होने का अर्थ यह है कि यह “गैर-स्व-वर्णनात्मक” है। भले ही हमने यह मान लिया कि यह स्व-वर्णनात्मक है, परिणाम गैर-स्व-वर्णनात्मक निकला। (विरोधाभास)

केस 2: मान लें कि “गैर-स्व-वर्णनात्मक” एक ‘गैर-स्व-वर्णनात्मक’ शब्द है

यदि “गैर-स्व-वर्णनात्मक (Heterological)” शब्द “गैर-स्व-वर्णनात्मक” है, तो परिभाषा के अनुसार इसका मतलब है कि “शब्द में स्वयं वह गुण नहीं है जो इसका अर्थ है।” चूंकि इस शब्द का अर्थ “गैर-स्व-वर्णनात्मक” है, इसलिए इस गुण के न होने का अर्थ है कि यह “स्व-वर्णनात्मक” है। भले ही हमने यह मान लिया कि यह गैर-स्व-वर्णनात्मक है, परिणाम स्व-वर्णनात्मक निकला। (विरोधाभास)

चाहे हम किसी भी दिशा में जाएँ, तर्क विफल हो जाता है।

graph TD A["शब्द 'गैर-स्व-वर्णनात्मक' (Heterological)"] --> B{"इसे कैसे वर्गीकृत किया जाता है?"} B -->|स्व-वर्णनात्मक है| C["परिभाषा: अपना अर्थ वाला गुण रखता है"] C --> D["इसका अपना अर्थ है 'गैर-स्व-वर्णनात्मक'"] D --> E["परिणाम: गैर-स्व-वर्णनात्मक है!"] E -->|विरोधाभास| B B -->|गैर-स्व-वर्णनात्मक है| F["परिभाषा: अपना अर्थ वाला गुण नहीं रखता है"] F --> G["इसका अपना अर्थ है 'गैर-स्व-वर्णनात्मक'"] G --> H["परिणाम: स्व-वर्णनात्मक है!"] H -->|विरोधाभास| B style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#FF9800,stroke:#333,stroke-width:2px,color:#fff style E fill:#F44336,stroke:#333,stroke-width:2px,color:#fff style H fill:#F44336,stroke:#333,stroke-width:2px,color:#fff

गणित और तर्कशास्त्र से संबंध: रसेल के विरोधाभास का रिश्तेदार

यह विरोधाभास “लापता एक डॉलर के रहस्य” जैसी कोई साधारण गणना की गलती या भ्रम नहीं है। इसकी संरचना अनिवार्य रूप से रसेल के विरोधाभास के समान ही है (“क्या उन सभी समुच्चयों का समुच्चय जो स्वयं को शामिल नहीं करते हैं, स्वयं को शामिल करता है?”), जिसने गणित की नींव को हिला दिया था।

ग्रेलिंग-नेल्सन विरोधाभास को रसेल के विरोधाभास का अर्थशास्त्रीय (शब्द के अर्थ का) संस्करण कहा जा सकता है।

समुच्चय सिद्धान्त में रसेल का विरोधाभास: जब हम एक समुच्चय को इस प्रकार परिभाषित करते हैं:

$$ R = \{ x \mid x \notin x \} $$

और पूछते हैं कि क्या $R \in R$ है या $R \notin R$, तो इससे विरोधाभास उत्पन्न होता है।

अर्थशास्त्र में ग्रेलिंग-नेल्सन विरोधाभास: जब $Het(x)$ को परिभाषित किया जाता है कि “शब्द $x$ में गुण $x$ नहीं है (यह गैर-स्व-वर्णनात्मक है)”, तो हम निम्नलिखित तार्किक विरोधाभास में पड़ जाते हैं:

$$ Het(\text{"Het"}) \iff \neg Het(\text{"Het"}) $$

यह विरोधाभास क्यों महत्वपूर्ण है?

जब कोई शब्द स्वयं को संदर्भित करता है (स्व-संदर्भ), तो हमेशा एक अनंत लूप जैसी त्रुटि होने का खतरा होता है।

यह केवल दर्शन या भाषा विज्ञान की समस्या नहीं है। कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के क्षेत्र में भी, जब कोई प्रोग्राम अपने स्वयं के कोड का मूल्यांकन या संशोधन करने का प्रयास करता है, या जब प्राकृतिक भाषा प्रसंस्करण मॉडल अर्थ में विरोधाभासों की व्याख्या करने का प्रयास करते हैं, तो उन्हें समान तार्किक बाधाओं का सामना करना पड़ता है।

ग्रेलिंग-नेल्सन विरोधाभास एक शानदार विचार प्रयोग है जो “भाषा” प्रणाली की अंतर्निहित बग (सीमा) को दृश्यमान बनाता है।

ब्रिटेन की तटरेखा कितनी लंबी है?: तटरेखा का विरोधाभास

Thu, 10 Sep 2026 21:00:00 +0900

ब्रिटेन की तटरेखा की लंबाई आखिर कितने किलोमीटर है? आपको लग सकता है कि अगर आप किसी विश्वकोश या भूगोल की पाठ्यपुस्तक में देखेंगे तो आपको इसका जवाब मिल जाएगा। लेकिन, असलियत में एक अजीब तथ्य यह है कि “आप इसे कैसे मापते हैं, इस पर निर्भर करते हुए इसका उत्तर बदल जाता है, और सैद्धांतिक रूप से यह अनंत हो जाता है।”

यही तटरेखा का विरोधाभास (Coastline Paradox) है। इसी खोज ने बाद में “फ्रैक्टल ज्यामिति” नामक गणित के एक बिल्कुल नए क्षेत्र को जन्म दिया।

पैमाना जितना छोटा होगा, दूरी उतनी ही बढ़ेगी

तटरेखा कोई सीधी रेखा नहीं होती, बल्कि यह अनगिनत खाड़ियों, अंतरीपों और चट्टानी सतहों के ऊबड़-खाबड़ हिस्सों से बनी होती है।

मान लीजिए कि आप ब्रिटेन की तटरेखा को 100 किमी लंबे एक विशाल पैमाने (सीधी रेखा) से मापते हैं। इस पैमाने के साथ, 100 किमी से छोटी छोटी खाड़ियाँ और प्रायद्वीपों के टेढ़े-मेढ़े हिस्से नज़रअंदाज़ हो जाएंगे, और उन्हें दरकिनार कर दिया जाएगा।

अब, चलिए 1 किमी लंबे पैमाने से फिर से मापते हैं। तब, आप उन छोटी खाड़ियों और अंतरीपों के किनारों के साथ माप रहे होंगे जिन्हें पहले नज़रअंदाज़ कर दिया गया था, इसलिए कुल लंबाई निश्चित रूप से लंबी हो जाएगी।

इसके अलावा, क्या होगा अगर आप 1 मीटर लंबे पैमाने से हर एक चट्टान के ऊबड़-खाबड़ हिस्सों को मापें, 1 सेंटीमीटर लंबे पैमाने से कंकड़ की सतह को मापें, और 1 मिलीमीटर लंबे पैमाने से रेत के कणों की रूपरेखा को मापें?

graph TD A["तटरेखा का मापन"] --> B["100 किमी का पैमाना"] A --> C["1 किमी का पैमाना"] A --> D["1 मीटर का पैमाना"] B --> B1["छोटी खाड़ियों को नज़रअंदाज़ करना"] B1 --> B2["माप का परिणाम: लगभग 2,800 किमी"] C --> C1["खाड़ियों के आकार का अनुसरण करना"] C1 --> C2["माप का परिणाम: लगभग 3,400 किमी"] D --> D1["चट्टानों के ऊबड़-खाबड़ हिस्सों तक मापना"] D1 --> D2["माप का परिणाम: और भी अधिक वृद्धि (सैद्धांतिक रूप से अनंत)"] style B2 fill:#FFCDD2,stroke:#333 style C2 fill:#E57373,stroke:#333 style D2 fill:#F44336,stroke:#333,color:#fff

लुईस फ्राई रिचर्डसन ने 1951 में अनुभवजन्य रूप से इस घटना की खोज की थी। जैसे-जैसे माप की इकाई (पैमाने की लंबाई) छोटी होती जाती है, मापी जाने वाली तटरेखा की लंबाई असीम रूप से बढ़ती जाती है।

फ्रैक्टल आयाम: 1-आयाम और 2-आयाम के बीच

गणितज्ञ बेनोइट मैंडलब्रॉट ने इस विरोधाभास का गणितीय स्पष्टीकरण दिया। 1967 में, उन्होंने विज्ञान (Science) पत्रिका में एक प्रसिद्ध पेपर प्रकाशित किया जिसका नाम था: “ब्रिटेन की तटरेखा कितनी लंबी है? सांख्यिकीय स्व-समानता और भिन्नात्मक आयाम (Statistical Self-Similarity and Fractional Dimension)"।

मैंडलब्रॉट ने बताया कि तटरेखाओं जैसी प्राकृतिक आकृतियों में स्व-समानता (फ्रैक्टल) होती है, जिसका अर्थ है कि “चाहे आप इसे कितना भी बड़ा (ज़ूम इन) कर लें, एक ही प्रकार की जटिल संरचना दिखाई देती है।”

यदि यह शुद्ध गणितीय सीधी रेखा (1-आयामी) होती, तो पैमाने को आधा करने पर भी लंबाई नहीं बदलती। हालांकि, तटरेखा इतनी टेढ़ी-मेढ़ी होती है कि यह 1-आयामी रेखा से कहीं अधिक जटिल होती है, लेकिन यह कोई 2-आयामी सतह भी नहीं है जिसमें क्षेत्रफल होता है।

मैंडलब्रॉट ने ऐसी आकृतियों की जटिलता को व्यक्त करने के लिए “फ्रैक्टल आयाम (Hausdorff dimension)” की अवधारणा पेश की। ब्रिटेन की तटरेखा का फ्रैक्टल आयाम $D \approx 1.25$ अनुमानित है। दूसरे शब्दों में, ब्रिटेन की तटरेखा एक रहस्यमयी इकाई है जिसका आयाम “1-आयामी रेखा से अधिक और 2-आयामी सतह से कम” है।

यदि पैमाने की लंबाई $s$ है और मापी गई तटरेखा की लंबाई $L(s)$ है, तो फ्रैक्टल आयाम $D$ के साथ निम्नलिखित संबंध स्थापित होता है:

$$ L(s) \propto s^{1-D} $$

ब्रिटेन की तटरेखा के मामले में, चूंकि $D = 1.25$ है, इसलिए $1 - D = -0.25$ होगा।

$$ L(s) \propto s^{-0.25} $$

यह गणितीय रूप से दर्शाता है कि जैसे-जैसे पैमाने की लंबाई $s$, 0 के करीब पहुंचती है, माप का परिणाम $L(s)$ अनंत $\infty$ की ओर बढ़ता जाता है।

अंतिम निष्कर्ष: लंबाई को परिभाषित नहीं किया जा सकता

“लंबाई” की जिस अवधारणा का हम हर रोज़ इस्तेमाल करते हैं, वह केवल चिकनी सीधी रेखाओं या वक्रों (curves) के लिए ही काम करती है। प्रकृति में मौजूद फ्रैक्टल आकृतियों (जैसे तटरेखाएँ, बादल, पर्वत श्रृंखलाएं, रक्त वाहिकाओं की शाखाएं आदि) के लिए “पूर्ण लंबाई” पूछना, वास्तव में गणितीय रूप से कोई अर्थ नहीं रखता।

“ब्रिटेन की तटरेखा कितनी लंबी है?”

इसका सही उत्तर है, “यह मापने वाले पैमाने की लंबाई पर निर्भर करता है,” और सैद्धांतिक रूप से यह “अनंत” है। यह तथ्य कि एक सीमित छोटी सी जगह के भीतर अनंत लंबाई छिपी हुई है, हमारी अंतरिक्ष की समझ के बारे में एक सुंदर विरोधाभास कहा जा सकता है。

रिचर्ड का विरोधाभास: अनंत दशमलव और "विकर्ण तर्क" द्वारा उत्पन्न अंतर्विरोध

Thu, 10 Sep 2026 12:00:00 +0900

1. शब्दों द्वारा परिभाषित की जा सकने वाली संख्याओं की सूची

1905 में फ्रांसीसी गणितज्ञ जूल्स रिचर्ड द्वारा प्रकाशित “रिचर्ड का विरोधाभास” (Richard’s Paradox), पहले बताए गए “बेरी के विरोधाभास” का ही एक रिश्तेदार है। हालाँकि, यह अधिक गणितीय है और इसमें एक गहरा अंतर्विरोध शामिल है, मानो हम अनंत की गहराई में झाँक रहे हों।

सबसे पहले, उन “0 और 1 के बीच की सभी वास्तविक संख्याओं (दशमलवों) की कल्पना करें जिन्हें हिंदी भाषा के वाक्यों द्वारा पूरी तरह से परिभाषित किया जा सकता है” और उन्हें एक साथ इकट्ठा करें।

उदाहरण के लिए, निम्नलिखित संख्याएँ:

“शून्य दशमलव पाँच” $\rightarrow$ $0.5$
“एक तिहाई” $\rightarrow$ $0.333333...$
“पाई (pi) का मान दशमलव के पहले स्थान से आगे तक” $\rightarrow$ $0.14159265...$

हिंदी में व्यक्त किए जा सकने वाले वाक्यों का संयोजन केवल शब्दकोश में मौजूद अक्षरों को फिर से व्यवस्थित करने से बनता है, इसलिए हम उन्हें एक “क्रम” दे सकते हैं। (उदाहरण के लिए, अक्षरों की संख्या के आधार पर छोटे से बड़े के क्रम में, और यदि अक्षरों की संख्या समान है, तो वर्णमाला के क्रम में व्यवस्थित किया जा सकता है।)

इस प्रकार, हम “हिंदी में परिभाषित की जा सकने वाली सभी वास्तविक संख्याओं” की पहली, दूसरी, तीसरी… और इसी तरह एक अनंत सूची बना सकते हैं।

$$ \begin{align*} r_1 &= 0.\mathbf{3}333... \\ r_2 &= 0.5\mathbf{0}00... \\ r_3 &= 0.14\mathbf{1}5... \\ r_4 &= 0.777\mathbf{7}... \\ &\vdots \end{align*} $$

इस सूची में, “हिंदी में परिभाषित की जा सकने वाली हर एक वास्तविक संख्या” को बिना कोई संख्या छोड़े पूरी तरह से शामिल किया जाना चाहिए।

2. शैतान की तकनीक “विकर्ण तर्क”

यहाँ, रिचर्ड एक भयानक चाल चलते हैं। वह जानबूझकर एक “बिल्कुल नई संख्या $X$” बनाते हैं जो सूची में मौजूद सभी संख्याओं से बचकर निकल जाती है।

इसे बनाने का तरीका सरल है:

सूची की पहली संख्या के दशमलव के बाद पहले अंक को देखें (ऊपर के उदाहरण में $3$)। इसमें $1$ जोड़ें, और उसे $X$ का पहला अंक बना दें ($3+1=4$)।
सूची की दूसरी संख्या के दशमलव के बाद दूसरे अंक को देखें (ऊपर के उदाहरण में $0$)। इसमें $1$ जोड़ें, और उसे $X$ का दूसरा अंक बना दें ($0+1=1$)।
सूची की तीसरी संख्या के दशमलव के बाद तीसरे अंक को देखें (ऊपर के उदाहरण में $1$)। इसमें $1$ जोड़ें, और उसे $X$ का तीसरा अंक बना दें ($1+1=2$)।

※ यदि मूल संख्या $9$ है, तो हम इसे वापस $0$ मान लेंगे।

इस विधि द्वारा बनाई गई नई संख्या $X$ (ऊपर के उदाहरण में $X = 0.4128...$) सूची में मौजूद किसी भी संख्या से बिल्कुल भी मेल नहीं खाती है। ऐसा इसलिए है क्योंकि $n$ वीं संख्या के “दशमलव के बाद $n$ वें” अंक को जानबूझकर बदल दिया गया है। (इस तकनीक को महान गणितज्ञ कैंटर (Cantor) द्वारा वास्तविक संख्याओं के अनंत आकार को साबित करने के लिए विकसित किया गया था और इसे “विकर्ण तर्क” (Diagonal Argument) कहा जाता है।)

3. रिचर्ड के विरोधाभास का पूर्ण होना

अब, यहाँ से विरोधाभास शुरू होता है।

हमने अभी-अभी एक नई संख्या $X$ बनाई है। और इस $X$ को बनाने का “नियम” ऊपर लिखे गए हिंदी वाक्यों द्वारा पूरी तरह से समझाया (परिभाषित) गया है।

अर्थात, $X$ भी “हिंदी में परिभाषित की जा सकने वाली एक वास्तविक संख्या” है।

लेकिन, हमारी शुरुआती शर्त को याद करें: “हिंदी में परिभाषित की जा सकने वाली सभी वास्तविक संख्याओं” को शुरुआती सूची ($r_1, r_2, r_3...$) में पूरी तरह से शामिल होना चाहिए था। इसके बावजूद, $X$ को इस तरह से बनाया गया है कि वह सूची की किसी भी संख्या से मेल नहीं खाती।

$X$ को सूची में मौजूद होना चाहिए (क्योंकि इसे हिंदी में परिभाषित किया गया है)।
$X$ को सूची में मौजूद नहीं होना चाहिए (क्योंकि इसे विकर्ण तर्क द्वारा सूची की सभी संख्याओं से अलग बनाया गया है)।

यह एक पूर्ण अंतर्विरोध है! यही रिचर्ड का विरोधाभास है।

4. तर्क क्यों विफल हुआ? (मेटा-भाषा का जाल)

इस विरोधाभास के उत्पन्न होने का कारण भी “बेरी के विरोधाभास” के समान ही “भाषा के स्तरों” को आपस में मिला देना है।

गणित को कड़ाई से करने के लिए, हमें “लक्षित संख्याओं की सूची (लक्षित भाषा)” और “उन नियमों जो सूची की प्रकृति के बारे में बाहर से बात करते हैं (मेटा-भाषा)” के बीच स्पष्ट रूप से अंतर करना होगा।

रिचर्ड की सूची “गणनीय संख्याओं की परिभाषाओं” का एक संग्रह है। हालाँकि, नई संख्या $X$ बनाने के लिए “सूची की $n$ वीं संख्या का $n$ वां अंक देखना” एक मेटा-भाषाई प्रक्रिया है, जिसे सूची को बाहर से देखे बिना निष्पादित नहीं किया जा सकता।

रिचर्ड का विरोधाभास इसलिए उत्पन्न हुआ क्योंकि उन्होंने एक “मेटा-भाषाई संख्या $X$”, जो सूची को बाहर से हेरफेर करके बनाई गई थी, को चुपके से “अंदर की सूची” में शामिल करने का प्रयास किया, जिससे आत्म-अंतर्विरोध उत्पन्न हुआ और तर्क ध्वस्त हो गया।

5. गोडेल को बैटन सौंपना

रिचर्ड के इस विरोधाभास ने उस समय के गणितीय जगत को झकझोर कर रख दिया था। “मानवीय भाषा (और तार्किक प्रणालियाँ), यदि सावधानी न बरती जाए, तो आसानी से आत्म-अंतर्विरोध उत्पन्न कर सकती हैं। हम गणित को पूर्ण और अंतर्विरोध-मुक्त कैसे बना सकते हैं?”

1931 में, मात्र 25 वर्षीय प्रतिभाशाली गणितज्ञ कुर्ट गोडेल ने इस समस्या का अंतिम समाधान किया। गोडेल ने “कठोर गणितीय सूत्रों (गोडेल संख्या)” का उपयोग करके इस विरोधाभास की संरचना का पूरी तरह से अनुवाद और पुनरुत्पादन किया, जो रिचर्ड ने “भाषा की अस्पष्टता” का उपयोग करके उत्पन्न किया था।

इसके परिणामस्वरूप प्रसिद्ध “गोडेल की अपूर्णता प्रमेय” सामने आई। यह इस बात की एक बड़ी खोज थी कि मानव ज्ञान की एक सीमा है: “चाहे हम गणित के नियमों को कितनी भी कड़ाई से क्यों न बना लें, उन नियमों के भीतर हमेशा ऐसे ‘सत्य’ उत्पन्न होंगे जिन्हें ‘साबित या गलत साबित नहीं किया जा सकता’ (गणित अपूर्ण है)।”

रिचर्ड का विरोधाभास केवल शब्दों के एक विरोधाभासी खेल के रूप में शुरू हुआ था, लेकिन अंततः यह गणित के अनुशासन की “पूर्णता” को तोड़ने वाले सबसे शक्तिशाली हथियार के रूप में विकसित हो गया।

बेरी का विरोधाभास: जब "शब्दों" से "संख्याओं" को परिभाषित करने पर होता है विरोधाभास

Thu, 10 Sep 2026 11:00:00 +0900

1. शब्दों से संख्याओं को व्यक्त करना

हम दैनिक जीवन में संख्याओं को केवल “अरबी अंकों (1, 2, 3…)” में ही नहीं, बल्कि “शब्दों (जैसे जापानी या हिंदी)” का उपयोग करके भी व्यक्त करते हैं।

उदाहरण के लिए, संख्या “$10$” को विभिन्न शब्दों में इस प्रकार व्यक्त किया जा सकता है:

“दस” (जापानी में 3 अक्षर: じゅう)
“पांच का दोगुना” (जापानी में 5 अक्षर: ごの2ばい)
“सौ का दसवां भाग” (जापानी में 9 अक्षर: ひゃくの10ぶんの1)

इस प्रकार, किसी संख्या को “जापानी अक्षरों” का उपयोग करके समझाने पर विचार करें। उपयोग किए जा सकने वाले अक्षरों की संख्या पर हम एक सीमा निर्धारित करेंगे। यहाँ हम उन संख्याओं के बारे में विचार करेंगे जिन्हें “19 अक्षरों के भीतर” की जापानी भाषा में व्यक्त किया जा सकता है।

जाहिर है, 19 अक्षरों के भीतर व्यक्त की जा सकने वाली संख्याओं की एक सीमा होती है। क्योंकि जापानी अक्षरों (हिरागाना, काताकाना, कांजी आदि) के प्रकार सीमित हैं, और उन्हें 19 अक्षरों या उससे कम में व्यवस्थित करने के संयोजन भी सीमित हैं (भले ही यह एक खगोलीय संख्या हो, लेकिन यह अनंत नहीं है)।

यानी, “एक ऐसा विशाल पूर्णांक जिसे 19 जापानी अक्षरों के भीतर व्यक्त नहीं किया जा सकता” हमेशा मौजूद रहेगा।

2. विरोधाभास का जन्म

अब, मुख्य विषय पर आते हैं। “ऐसे पूर्णांक जिन्हें 19 जापानी अक्षरों के भीतर व्यक्त नहीं किया जा सकता” अनगिनत हैं। मान लीजिए कि हमने उन अनगिनत अव्यक्त संख्याओं में से “सबसे छोटी (न्यूनतम पूर्णांक)” खोज निकाली है।

उस संख्या को हम $X$ मान लेते हैं। $X$ परिभाषा के अनुसार, “19 जापानी अक्षरों के भीतर व्यक्त न की जा सकने वाली संख्याओं” में सबसे छोटी है, इसलिए इसे इस प्रकार कहा जा सकता है:

“उन्नीस अक्षरों के भीतर व्यक्त न की जा सकने वाली सबसे छोटी संख्या” (जापानी: じゅうきゅうもじいないであらわせないさいしょうのせいすう)

आइए जापानी अक्षरों को गिनते हैं। “じゅ・う・きゅ・う・も・じ・い・な・い・で・あ・ら・わ・せ・な・い・さ・い・しょ・う・の・せ・い・す・う” …अरे? अल्पविराम हटाने पर भी यह 25 अक्षर हैं। यह तो “19 अक्षरों” से अधिक हो गया है।

तो, आइए अभिव्यक्ति में थोड़ा बदलाव करें और इसे जापानी कांजी का उपयोग करके छोटा करें:

“十九文字以内で表せない最小の整数” (उन्नीस अक्षरों के भीतर व्यक्त न की जा सकने वाली सबसे छोटी संख्या)

अब, इस जापानी वाक्य के अक्षरों की संख्या गिनकर देखें।

आश्चर्यजनक रूप से, यह केवल “16 अक्षर” हैं।

यह तो अजीब हो गया। हमने अभी $X$ नामक संख्या को “十九文字以内で表せない最小の整数” नामक “16 जापानी अक्षरों” का उपयोग करके व्यक्त कर दिया है!

graph TD Define["परिभाषा:
X = 19 अक्षरों के भीतर व्यक्त न की जा सकने वाली सबसे छोटी संख्या"] --> CheckLength{"'十九文字以内で表せない最小の整数'
(उन्नीस अक्षरों के भीतर व्यक्त न की जा सकने वाली सबसे छोटी संख्या)
में कितने अक्षर हैं?"} CheckLength -->|16 अक्षर हैं| Contradiction["विरोधाभास!
X को '16 अक्षरों' में व्यक्त कर दिया गया!"] Contradiction --> Paradox["X '19 अक्षरों के भीतर व्यक्त नहीं किया जा सकता' लेकिन
'19 अक्षरों के भीतर (16 अक्षरों में) व्यक्त किया जा सकता है'"] style Contradiction fill:#ff9999,stroke:#333 style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

भले ही $X$ एक ऐसी संख्या होनी चाहिए जिसे “19 अक्षरों के भीतर व्यक्त नहीं किया जा सकता”, लेकिन उसकी परिभाषा वाले शब्द स्वयं “16 अक्षरों (19 अक्षरों के भीतर)” में $X$ को पूरी तरह से व्यक्त कर रहे हैं। यही “बेरी का विरोधाभास (Berry Paradox)” है।

3. यह विरोधाभास किसने बनाया?

यह विरोधाभास 1904 में ऑक्सफोर्ड विश्वविद्यालय के एक लाइब्रेरियन जी. जी. बेरी (G. G. Berry) द्वारा तैयार किया गया था। जब 20वीं सदी के महान गणितज्ञ और दार्शनिक बर्ट्रेंड रसेल ने इसे अपने एक शोध पत्र में पेश किया, तो यह पूरी दुनिया में लोकप्रिय हो गया।

(※ मूल अंग्रेजी शोध पत्र में “The least integer not nameable in fewer than nineteen syllables” (19 शब्दांशों से कम में व्यक्त न की जा सकने वाली सबसे छोटी संख्या) वाक्यांश का उपयोग किया गया है, और इसे इस तरह से बनाया गया था कि अंग्रेजी शब्दांशों के आधार पर विरोधाभास उत्पन्न हो।)

4. विरोधाभास क्यों उत्पन्न हुआ?

इस विरोधाभास का मूल कारण उस “प्राकृतिक भाषा (जैसे जापानी, हिंदी या अंग्रेजी)” की अस्पष्टता और स्व-संदर्भ (Self-reference) है जिसका हम दैनिक उपयोग करते हैं।

प्राकृतिक भाषा गणित की कठोरता को सहन नहीं कर सकती

गणित की दुनिया में, “संख्याओं को परिभाषित करना” एक बहुत ही सख्त कार्य है (जिसमें समीकरणों और प्रतीकों का उपयोग किया जाता है)। हालांकि, बेरी के विरोधाभास में, गणितीय वस्तु (पूर्णांक) को “व्यक्त किया जा सकता है” या “व्यक्त नहीं किया जा सकता” जैसी मानवीय दैनिक भाषा का उपयोग करके परिभाषित करने का प्रयास किया गया।

दैनिक भाषा बहुत शक्तिशाली और लचीली है, लेकिन इस लचीलेपन के कारण यह “अपने स्वयं के अक्षरों की संख्या के बारे में बात करने” जैसी कलाबाजियां कर सकती है। परिणामस्वरूप, “परिभाषा स्वयं परिभाषा के नियम को तोड़ती है” जैसी स्थिति उत्पन्न हो जाती है, जो आत्म-विरोधाभास (स्व-संदर्भ विरोधाभास) का कारण बनती है।

“नाम दिए जाने” का क्या अर्थ है?

इसके अलावा, “16 अक्षरों में व्यक्त किया जा सकता है” शब्द की परिभाषा भी अस्पष्ट है। “19 अक्षरों के भीतर व्यक्त न की जा सकने वाली सबसे छोटी संख्या” वाक्यांश किसी विशेष ठोस संख्या (उदाहरण के लिए $987654321...$ जैसी संख्या) को प्रत्यक्ष रूप से इंगित नहीं कर रहा है। यह केवल परोक्ष रूप से यह बता रहा है कि “एक ऐसी संख्या होनी चाहिए जो शर्तों को पूरा करती हो”।

गणितीय रूप से, “सीधे गणना योग्य रूप में व्यक्त करने” और “शब्दों में अप्रत्यक्ष शर्तों को बताने” के बीच स्पष्ट अंतर किया जाना चाहिए। इन दोनों को मिलाने और यह दावा करने के बीच तार्किक चाल छिपी हुई है कि “इसे 16 अक्षरों में व्यक्त किया गया था!"।

5. निष्कर्ष और आधुनिक समय पर प्रभाव

पहली नज़र में, बेरी का विरोधाभास सिर्फ “शब्दों का खेल” या “चतुराई” लग सकता है। हालांकि, इस समस्या ने 20वीं सदी के गणितज्ञों को “गणित की नींव बनाने के लिए दैनिक भाषा का उपयोग करने के खतरों” से गहराई से अवगत कराया।

“शब्दों से संख्याओं को परिभाषित नहीं किया जाना चाहिए। गणित को पूरी तरह से स्वतंत्र और सख्त प्रतीकों से ही बनाया जाना चाहिए।”

यह विरोधाभास एक महत्वपूर्ण मील का पत्थर बन गया जो बाद में गणित के इतिहास को बदलने वाली “गोडेल की अपूर्णता प्रमेय (Gödel’s incompleteness theorems)” (गणित में ऐसे सत्य हैं जिन्हें कभी सिद्ध नहीं किया जा सकता) और कंप्यूटर विज्ञान में “कोल्मोगोरोव जटिलता (Kolmogorov complexity)” (जानकारी को कितना छोटा संकुचित किया जा सकता है, इसका सिद्धांत) जैसे अत्याधुनिक अध्ययनों तक ले गया।

केवल 16 जापानी अक्षरों ने गणित की सीमाओं को उजागर कर दिया। यही बेरी के विरोधाभास की सुंदरता है।

न्यूकॉम्ब का विरोधाभास: क्या आप भविष्य देखने वाले एक अतिमानव को हरा सकते हैं?

Thu, 10 Sep 2026 08:00:00 +0900

1. परम चयन का खेल

आपके सामने खुद को ‘ओमेगा’ कहने वाला एक सुपर-इंटेलिजेंट (अति-बुद्धिमान) एलियन प्रकट होता है। ओमेगा मानव व्यवहार का विश्लेषण करने में माहिर है और उसके पास एक भयानक क्षमता है: “वह लगभग 100% सटीकता के साथ भविष्यवाणी कर सकता है कि कोई व्यक्ति अगला क्या विकल्प चुनेगा”। पिछले प्रयोगों में भी, ओमेगा की भविष्यवाणी कभी गलत नहीं हुई है।

ओमेगा आपके सामने 2 बक्से रखता है।

बक्सा A: पारदर्शी बक्सा। इसमें निश्चित रूप से “1 लाख येन” हैं।
बक्सा B: अपारदर्शी बक्सा (जिसके अंदर नहीं देखा जा सकता)। इसमें या तो “10 करोड़ येन” हैं, या फिर यह “बिल्कुल खाली (0 येन)” है।

ओमेगा आपसे निम्नलिखित 2 विकल्पों में से कोई एक चुनने को कहता है:

विकल्प 1 “दोनों बक्से लेना”: आपको बक्सा A का 1 लाख येन और बक्सा B के अंदर का इनाम, दोनों मिलेंगे।
विकल्प 2 “केवल बक्सा B लेना”: आपको केवल बक्सा B के अंदर का इनाम मिलेगा। आपको बक्सा A के 1 लाख येन छोड़ने होंगे।

इतना सुनकर, कोई भी “दोनों बक्से लेना” ही तय करेगा। लेकिन, ओमेगा ने एक खतरनाक ‘नियम’ जोड़ दिया है।

【ओमेगा का नियम】

“मैंने कल ही भविष्यवाणी कर ली थी कि तुम आज ‘कौन सा विकल्प चुनोगे’, और उसी के अनुसार मैंने बक्सा B में इनाम रख दिया था। यदि मैंने भविष्यवाणी की थी कि तुम लालच में आकर ‘दोनों बक्से लोगे’, तो मैंने बक्सा B को खाली छोड़ दिया है। यदि मैंने भविष्यवाणी की थी कि तुम बिना लालच के ‘केवल बक्सा B लोगे’, तो मैंने बक्सा B में 10 करोड़ येन डाल दिए हैं।”

अब, आपको अपना चुनाव करना है। क्या आपको “दोनों बक्से लेने” चाहिए? या फिर “केवल बक्सा B लेना” चाहिए?

graph TD Omega["ओमेगा की भविष्यवाणी
（कल ही पूरी हो चुकी है）"] Omega -->|'दोनों लेंगे' की भविष्यवाणी| BoxB_Empty["बक्सा B खाली है (0 येन)"] Omega -->|'केवल बक्सा B लेंगे' की भविष्यवाणी| BoxB_100M["बक्सा B में 10 करोड़ येन डालना"] You["आपका चुनाव
（आज）"] You -->|विकल्प 1: दोनों लेना| Result1["बक्सा A(1 लाख) + बक्सा B के अंदर का इनाम"] You -->|विकल्प 2: केवल बक्सा B लेना| Result2["बक्सा A(0 येन) + बक्सा B के अंदर का इनाम"] BoxB_Empty -.-> Result1 BoxB_100M -.-> Result2

2. टकराते हुए 2 “परिपूर्ण तर्क”

इस समस्या की कल्पना 1969 में भौतिक विज्ञानी विलियम न्यूकॉम्ब द्वारा की गई थी, और इसे दार्शनिक रॉबर्ट नोज़िक ने प्रस्तुत किया था। इसके प्रस्तुत होते ही, दुनिया भर के प्रतिभाशाली गणितज्ञों और दार्शनिकों की राय “दो हिस्सों” में बँट गई, और इसने एक बड़ी बहस छेड़ दी।

ऐसा इसलिए है क्योंकि दोनों ही विकल्पों के पक्ष में “पूरी तरह से अकाट्य और परिपूर्ण तर्क” मौजूद हैं।

तर्क 1: “केवल बक्सा B लेने” वाले पक्ष का दावा (अपेक्षित मूल्य का अधिकतमकरण)

“ओमेगा की भविष्यवाणी की सटीकता लगभग 100% है, है ना? तो फिर पिछले डेटा के अनुसार, हमें ओमेगा पर विश्वास करना चाहिए। यदि मैं ‘दोनों लेना’ चुनता हूँ, तो ओमेगा ने इसे पहले ही भाँप लिया होगा, और परिणाम सिर्फ 1 लाख येन होगा। यदि मैं ‘केवल बक्सा B लेना’ चुनता हूँ, तो ओमेगा ने इसे भाँप लिया होगा, और परिणाम 10 करोड़ येन होगा। 1 लाख येन और 10 करोड़ येन में से कौन सा बेहतर है, यह तो कोई मूर्ख भी बता सकता है। इसलिए मुझे निश्चित रूप से ‘केवल बक्सा B लेना’ चाहिए!”

यह विचार “अपेक्षित उपयोगिता सिद्धांत” पर आधारित है, जो पिछले सांख्यिकीय डेटा और अपेक्षित मूल्यों पर सीधे विश्वास करता है।

तर्क 2: “दोनों बक्से लेने” वाले पक्ष का दावा (प्रमुख रणनीति)

“ज़रा रुको। ओमेगा ने भविष्यवाणी करके बक्सा B में इनाम ‘कल’ ही रख दिया था, है ना? इसका मतलब है कि इस समय बक्सा B में या तो ‘10 करोड़ येन’ हैं या वह ‘खाली’ है, और यह स्थिति अब बिल्कुल भी नहीं बदलेगी।

स्थिति 1: यदि बक्सा B में पहले से ही 10 करोड़ येन हैं, तो ‘दोनों लेना’ चुनने पर 10 करोड़ 1 लाख येन मिलेंगे, और ‘केवल B’ चुनने पर 10 करोड़ येन। स्थिति 2: यदि बक्सा B पहले से ही खाली है, तो ‘दोनों लेना’ चुनने पर 1 लाख येन मिलेंगे, और ‘केवल B’ चुनने पर 0 येन।

चाहे कोई भी स्थिति हो, ‘दोनों लेने’ का चुनाव करने से मुझे हमेशा 1 लाख येन ज़्यादा ही मिलेंगे! अब मैं चाहे जो भी चुनूँ, कल के ओमेगा का काम किसी टाइम मशीन से बदला नहीं जा सकता। इसलिए मुझे निश्चित रूप से ‘दोनों बक्से लेने’ चाहिए!”

यह विचार गेम थ्योरी में “प्रमुख रणनीति (Dominant Strategy)” पर आधारित है, जिसका अर्थ है “सामने वाला चाहे जो भी करे, ऐसा विकल्प चुनें जो आपके लिए फायदेमंद हो”।

3. क्या आप “स्वतंत्र इच्छा” में विश्वास करते हैं?

“केवल बक्सा B लेने वाले” और “दोनों बक्से लेने वाले”। दोनों के तर्क सुनकर, आपको कौन सा सही लगा?

दरअसल, आज तक इस विरोधाभास का “गणितीय रूप से पूर्ण और एकमात्र सही उत्तर” मौजूद नहीं है। ऐसा इसलिए है क्योंकि इस समस्या के मूल में मानवता का सबसे बड़ा दार्शनिक प्रश्न छिपा है: “नियतिवाद बनाम स्वतंत्र इच्छा”।

जिन्होंने “केवल बक्सा B लेना” चुना (नियतिवादी)

यह चुनाव करने वाले लोगों ने अचेतन रूप से “नियतिवाद (इस दुनिया का सारा भविष्य शुरू से ही तय है)” को स्वीकार कर लिया है। ओमेगा का 100% सटीकता के साथ भविष्य की भविष्यवाणी कर सकने का मतलब है कि आपका वर्तमान निर्णय “आपकी स्वतंत्र इच्छा” द्वारा नहीं चुना गया था, बल्कि “ब्रह्मांड के भौतिक नियमों और मस्तिष्क के न्यूरॉन्स की गति के कारण, यह कल से ही तय हो गया था कि आप यही चुनेंगे।” चूँकि भविष्य को बदला नहीं जा सकता, इसलिए यह सोचना सबसे तर्कसंगत है कि ओमेगा की भविष्यवाणी के अनुसार “केवल बक्सा B लेने की नियति” को स्वीकार कर लिया जाए।

जिन्होंने “दोनों बक्से लेना” चुना (स्वतंत्र इच्छावादी)

यह चुनाव करने वाले लोग अचेतन रूप से “स्वतंत्र इच्छा (भविष्य को अपने चुनावों से बनाया जा सकता है)” में विश्वास करते हैं। चूंकि वे यह मानते हैं कि “कल की ओमेगा की भविष्यवाणी जो भी रही हो, वे आज अपनी इच्छा से अपना विकल्प बदल सकते हैं,” इसलिए वे “बक्से के पहले से तय हो चुके इनाम की परवाह किए बिना, इस क्षण में 1 लाख येन और जोड़ने का कार्य करते हैं।” भले ही अंततः ओमेगा ने इसकी भविष्यवाणी कर ली हो और बक्सा खाली निकले, वे इस तर्क के समर्थक हैं कि “यह तार्किक रूप से सही कार्य का परिणाम था, इसलिए इसमें कुछ नहीं किया जा सकता था।”

4. टाइम ट्रैवल और कार्य-कारण का टूटना

न्यूकॉम्ब के विरोधाभास को और भी जटिल बनाने वाली बात “कार्य-कारण (एक कारण होता है और फिर उसका परिणाम)” का उल्टा होना है।

सामान्य दुनिया में जिसमें हम रहते हैं, “आज का मेरा विकल्प (कारण)” ही “कल का परिणाम” बनाता है।

लेकिन ओमेगा के खेल में, ऐसा लगता है कि “आज का मेरा विकल्प (कारण)” ही “कल के ओमेगा के कार्य (परिणाम)” को तय कर रहा है। यहाँ “उल्टा कार्य-कारण (Backward Causality)” उत्पन्न हो रहा है, जहाँ भविष्य के कार्य अतीत के तथ्यों को निर्धारित कर रहे हैं।

यदि ओमेगा जैसा कोई “अचूक भविष्यवक्ता” ब्रह्मांड में मौजूद है, तो हमारी यह सामान्य मान्यता ही टूट जाएगी कि “समय अतीत से भविष्य की ओर बहता है।”

5. निष्कर्ष: विचार प्रयोग जो मानवीय “तार्किकता” को उजागर करता है

आप कौन सा बक्सा खोलेंगे?

इस विरोधाभास को प्रस्तुत किए जाने के आधी सदी से अधिक समय बीत चुका है, लेकिन दर्शन और अर्थशास्त्र के सर्वेक्षणों में आज भी लोगों की राय “दोनों बक्से लेने” और “केवल बक्सा B लेने” के बीच लगभग आधी-आधी बँटी हुई है। और दिलचस्प बात यह है कि दोनों ही पक्ष पूरी तरह से यह मानते हैं कि “दूसरे पक्ष का तर्क बिल्कुल बकवास है और वे मूर्ख हैं।”

“तार्किक निर्णय क्या है?” अर्थशास्त्र और गणित चाहे कितने भी विकसित हो जाएं, अंततः हम इसी दार्शनिक प्रश्न पर आकर रुकते हैं कि “मनुष्य इस दुनिया को कैसे देखता है।” न्यूकॉम्ब का विरोधाभास एक बेहद ही पेचीदा और खूबसूरत विचार प्रयोग है जो हमें तर्क की सीमाओं का एहसास कराता है。

सिम्पसन का विरोधाभास: हिस्सों में जीतना, लेकिन समग्र रूप से हारने की रहस्यमय घटना

Thu, 10 Sep 2026 07:00:00 +0900

1. आपको किस अस्पताल में सर्जरी करानी चाहिए?

आप एक गंभीर बीमारी से पीड़ित हैं और आपको सर्जरी की आवश्यकता है। आपके सामने दो विकल्प हैं: अस्पताल A और अस्पताल B। आपने प्रत्येक अस्पताल की सर्जरी की “सफलता दर” का डेटा मंगाया है।

【समग्र सफलता दर】

अस्पताल A: 1000 में से 900 सफल (सफलता दर 90%)
अस्पताल B: 1000 में से 800 सफल (सफलता दर 80%)

इसे देखकर कोई भी सोचेगा, “अस्पताल A बेहतर है!” हालाँकि, चूंकि आप सतर्क स्वभाव के हैं, इसलिए आपने और अधिक विस्तार से जांच करने का निर्णय लिया कि बीमारी की स्थिति (हल्की या गंभीर) के आधार पर डेटा कैसे बदलता है।

【हल्के लक्षणों वाले मरीजों की सफलता दर】

अस्पताल A: 100 में से 99 सफल (सफलता दर 99%)
अस्पताल B: 900 में से 870 सफल (सफलता दर 96%) $\rightarrow$ हल्के लक्षणों के मामले में, अस्पताल A की जीत (99% > 96%)

【गंभीर मरीजों की सफलता दर】

अस्पताल A: 900 में से 801 सफल (सफलता दर 89%)
अस्पताल B: 100 में से 70 सफल (सफलता दर 70%) $\rightarrow$ गंभीर मामलों में भी, अस्पताल A की जीत (89% > 70%)

अरे? क्या आपको नहीं लगता कि यह अजीब है?

“हल्के” मरीजों के लिए भी, अस्पताल A की सफलता दर अधिक है। “गंभीर” मरीजों के लिए भी, अस्पताल A की सफलता दर अधिक है। फिर भी, यदि हम सभी मरीजों को मिलाकर “समग्र” सफलता दर की गणना करते हैं…?

अस्पताल A समग्र: $(99 + 801) / 1000 =$ 90%
अस्पताल B समग्र: $(870 + 70) / 1000 =$ 94%… नहीं, पिछली गणना के अनुसार 80%?

रुकिए, आइए एक बार फिर से पहले डेटा को देखते हैं। शुरुआती डेटा कुछ ऐसा था:

अस्पताल A की समग्र सफलता दर: 90%
अस्पताल B की समग्र सफलता दर: 80%

लेकिन, यदि हम विस्तृत डेटा के साथ पुनर्गणना करते हैं, अस्पताल B की समग्र सफलता दर $(870 + 70) / 1000 = 940 / 1000 = $ 94% होनी चाहिए।

…नहीं, आपको धोखा दिया गया है! दरअसल, संख्याओं की यह चाल ही सांख्यिकी का वह भयानक जाल है जिसके बारे में हम आज बात करेंगे। आइए आपको एक बार फिर से सही डेटा दिखाते हैं।

2. जिन्हें धोखा दिया गया उनके लिए: असली डेटा

【हल्के लक्षणों वाले मरीजों की सफलता दर】

अस्पताल A: 900 में से 870 सफल (सफलता दर 96%)
अस्पताल B: 100 में से 99 सफल (सफलता दर 99%) $\rightarrow$ हल्के लक्षणों के मामले में, अस्पताल B की जीत (99% > 96%)

【गंभीर मरीजों की सफलता दर】

अस्पताल A: 100 में से 30 सफल (सफलता दर 30%)
अस्पताल B: 900 में से 315 सफल (सफलता दर 35%) $\rightarrow$ गंभीर मामलों में भी, अस्पताल B की जीत (35% > 30%)

दूसरे शब्दों में, चाहे हल्के हों या गंभीर, अस्पताल B बहुत अधिक बेहतर है।

अब, आइए इसे “समग्र” रूप से जोड़ते हैं।

अस्पताल A समग्र: $(870 + 30) / (900 + 100) = 900 / 1000 =$ सफलता दर 90%
अस्पताल B समग्र: $(99 + 315) / (100 + 900) = 414 / 1000 =$ सफलता दर 41%

आश्चर्यजनक रूप से, जब आप “भागों” को देखते हैं तो अस्पताल B सब कुछ जीत रहा है, लेकिन जब आप इसे “समग्र” रूप में मिलाते हैं, तो यह अस्पताल A की भारी जीत बन जाती है! इसी घटना को “सिम्पसन का विरोधाभास” कहा जाता है।

graph TD subgraph "आंशिक डेटा (B की जीत)" Light["हल्के लक्षण: अस्पताल B की जीत (99% > 96%)"] Heavy["गंभीर लक्षण: अस्पताल B की जीत (35% > 30%)"] end subgraph "समग्र डेटा (A की जीत)" Total["कुल मिलाकर: अस्पताल A की भारी जीत (90% > 41%)"] end Light -->|जोड़ने पर किसी तरह उलट जाता है| Total Heavy -->|जोड़ने पर किसी तरह उलट जाता है| Total style Total fill:#ff9999,stroke:#333,stroke-width:2px

3. ऐसा अजीब उलटफेर क्यों होता है?

इस विरोधाभास का असली कारण “जनसंख्या (हर) का पूर्वाग्रह” और “छिपे हुए चर (भ्रमित करने वाले कारक)” में निहित है।

डेटा को ध्यान से देखें।

अस्पताल A ने बड़ी संख्या में (900) “आसानी से ठीक होने वाले हल्के मरीजों” को भर्ती किया है।
अस्पताल B ने बड़ी संख्या में (900) “ठीक होने में मुश्किल गंभीर मरीजों” को भर्ती किया है।

चूंकि अस्पताल B अत्यधिक कुशल है, इसलिए यह “अंतिम उपाय” वाले अस्पताल की तरह है जो कई कठिन और गंभीर मरीजों को लेता है जिन्हें अन्य जगहों पर मना कर दिया जाता है। स्वाभाविक रूप से, गंभीर मरीजों की सफलता दर कम होगी (35%)। अस्पताल B की “समग्र सफलता दर” को इन बड़ी संख्या में गंभीर मरीजों की कम सफलता दर ने नीचे खींच लिया, जिससे यह समग्र रूप से कम (41%) दिखाई दी।

इसके विपरीत, अस्पताल A केवल साधारण और हल्के मरीजों का इलाज कर रहा था, इसलिए इसकी समग्र सफलता दर अधिक (90%) दिखाई दी। लेकिन जब समान परिस्थितियों (गंभीर से गंभीर, हल्के से हल्के) में तुलना की जाती है, तो उनका कौशल अस्पताल B से कम था।

यदि हम इसे एक गणितीय सूत्र के रूप में व्यक्त करते हैं, तो इसका कारण भिन्नों के योग का गुण है। सामान्य तौर पर, भले ही $\frac{a}{b} < \frac{A}{B}$ और $\frac{c}{d} < \frac{C}{D}$ हों,

$$ \frac{a+c}{b+d} < \frac{A+C}{B+D} $$

यह हमेशा सत्य नहीं होता है। यदि हर (denominator) के आकार बेहद अलग हैं, तो असमानता चिह्न की दिशा उलट सकती है।

4. वास्तविक दुनिया में “सिम्पसन का विरोधाभास”

यह विरोधाभास केवल एक गणितीय पहेली नहीं है, बल्कि यह वास्तविक समाज में भी अक्सर होता है और इसने बड़े विवादों को जन्म दिया है।

1973 कैलिफोर्निया विश्वविद्यालय, बर्कले लिंग भेदभाव का आरोप

जब बर्कले के ग्रेजुएट स्कूल में प्रवेश दर की जांच की गई, तो यह पाया गया कि “पुरुषों की प्रवेश दर (44%)” “महिलाओं की प्रवेश दर (35%)” से काफी अधिक थी, जो महिलाओं के खिलाफ स्पष्ट भेदभाव के रूप में एक समस्या बन गई। हालाँकि, जब डेटा को “संकाय (department)” के अनुसार विभाजित किया गया और विस्तार से विश्लेषण किया गया, तो एक चौंकाने वाला तथ्य सामने आया। लगभग सभी संकायों में, महिलाओं की प्रवेश दर पुरुषों की तुलना में अधिक थी।

समग्र आंकड़े क्यों उलट गए? दरअसल, महिलाएं अक्सर “कम प्रवेश दर वाले (कठिन) संकायों” में आवेदन कर रही थीं, जबकि पुरुष “उच्च प्रवेश दर वाले (आसान) संकायों” में अधिक आवेदन कर रहे थे।

कोविड वैक्सीन प्रभावकारिता डेटा

एक बार एक डेटा प्रसारित हुआ जिसने हंगामा खड़ा कर दिया, जिसमें दावा किया गया कि “वैक्सीन लेने वाले लोगों की मृत्यु दर गैर-टीकाकरण वाले लोगों की तुलना में अधिक है।” यह भी आयु-विशिष्ट डेटा (एक छिपा हुआ चर) को अनदेखा करने का परिणाम था। चूंकि टीकों को मुख्य रूप से “बुजुर्गों (जिनकी मृत्यु दर पहले से ही अधिक है)” को प्राथमिकता से दिया गया था, इसलिए जब आप केवल समग्र मृत्यु दर को जोड़ते हैं, तो टीकाकृत समूह में बुजुर्ग लोगों की संख्या बेहद अधिक हो जाती है, जिससे मृत्यु दर भ्रामक रूप से अधिक दिखाई देने लगती है।

जब आयु समूहों द्वारा अलग किया गया और तुलना की गई, तो यह पुष्टि हुई कि “टीकाकरण वाले लोगों की मृत्यु दर” सभी आयु समूहों में कम थी।

5. निष्कर्ष: डेटा झूठ नहीं बोलता, लेकिन लोग डेटा के साथ झूठ बोल सकते हैं

सिम्पसन का विरोधाभास “केवल औसत या योग जैसे समग्र डेटा को देखकर निर्णय लेने के खतरे” की चेतावनी देता है।

दुनिया ऐसी कंपनियों, राजनेताओं और मीडिया से भरी हुई है जो केवल “समग्र आंकड़ों” का उपयोग करते हैं और उन्हें अपने लाभ के लिए पेश करते हैं। भले ही वे कहें, “हमारे उत्पाद A की समग्र संतुष्टि दर अन्य कंपनी के उत्पाद B की तुलना में अधिक है!”, यदि आप इसे “युवा” और “बुजुर्ग” में विभाजित करते हैं, तो हो सकता है कि उत्पाद B दोनों समूहों में बेहतर प्रदर्शन कर रहा हो।

डेटा को देखते समय, सतह पर मौजूद “समग्र” संख्याओं से मूर्ख न बनें। आधुनिक सूचना समाज में जीवित रहने के लिए सबसे मजबूत हथियार यह संदेह करने की क्षमता है कि “क्या किसी छिपे हुए चर (जैसे आयु, लिंग, गंभीरता, आदि) के कारण समूहों के अनुपात में अत्यधिक पूर्वाग्रह तो नहीं है?"।

हिल्बर्ट का अनंत होटल: एक भरे हुए होटल में और अधिक अनंत मेहमानों को ठहराने का तरीका

Thu, 10 Sep 2026 06:00:00 +0900

1. अंतिम होटल में आपका स्वागत है

महान जर्मन गणितज्ञ डेविड हिल्बर्ट ने एक दिलचस्प वैचारिक प्रयोग (thought experiment) तैयार किया ताकि यह समझाया जा सके कि “अनंत” की अवधारणा मानव की सहज समझ (intuition) से कितनी दूर है।

कल्पना करें कि ब्रह्मांड में कहीं “हिल्बर्ट का अनंत होटल” नामक एक होटल है। इस होटल में 1, 2, 3… नंबर वाले अनंत कमरे हैं।

एक दिन, ब्रह्मांड में एक बहुत बड़ा कार्यक्रम हुआ और इस अनंत होटल के सभी कमरे भर गए और यह “फुल” (Full) हो गया। तभी, एक थका हुआ यात्री वहां पहुंचा और रिसेप्शन से पूछा, “क्या मुझे एक कमरा मिल सकता है?”

सामान्य होटल होता तो कहता, “क्षमा करें, हमारे पास कोई कमरा खाली नहीं है।” लेकिन, यह अनंत होटल है। मैनेजर ने मुस्कुराते हुए कहा, “बिल्कुल, मैं आपके लिए तुरंत एक कमरा तैयार करता हूँ।” जब होटल पूरा भरा हुआ है, तो वह नए मेहमान को कैसे ठहराएगा?

2. स्थिति 1: एक नए मेहमान को कैसे ठहराएं

मैनेजर ने होटल के इंटरकॉम के माध्यम से सभी मौजूदा मेहमानों के लिए एक घोषणा की:

“प्रिय मेहमानों, कृपया अपने वर्तमान कमरा नंबर में ‘प्लस 1 (1 जोड़कर)’ वाले कमरा नंबर में चले जाएं।”

तो क्या होगा?

कमरा 1 का मेहमान कमरा 2 में चला जाएगा।
कमरा 2 का मेहमान कमरा 3 में चला जाएगा।
कमरा 3 का मेहमान कमरा 4 में चला जाएगा।
कमरा $n$ का मेहमान कमरा $n+1$ में चला जाएगा।

graph LR subgraph "स्थानांतरण से पहले (भरा हुआ)" R1["कमरा 1
(मेहमान A)"] R2["कमरा 2
(मेहमान B)"] R3["कमरा 3
(मेहमान C)"] R4["..."] end subgraph "स्थानांतरण के बाद" NewR1["कमरा 1
(खाली!)"] NewR2["कमरा 2
(मेहमान A)"] NewR3["कमरा 3
(मेहमान B)"] NewR4["कमरा 4
(मेहमान C)"] end R1 -->|स्थानांतरण| NewR2 R2 -->|स्थानांतरण| NewR3 R3 -->|स्थानांतरण| NewR4 NewGuest["नया मेहमान"] -->|चेक-इन| NewR1 style NewR1 fill:#aaffaa,stroke:#333,stroke-width:2px style NewGuest fill:#ffaaaa,stroke:#333,stroke-width:2px

चूंकि कमरे अनंत हैं, इसलिए “आखिरी कमरे के मेहमान को बाहर निकाल दिया जाएगा” ऐसा कभी नहीं होता। हर कोई सुरक्षित रूप से अपने से अगले कमरे में जा सकता है। और आश्चर्यजनक रूप से, कमरा 1 खाली हो गया। नया यात्री सुरक्षित रूप से कमरा 1 में ठहर सका।

अनंत की दुनिया में, $\infty + 1 = \infty$ मान्य होता है। अगर आप “संपूर्ण (अनंत)” में से “एक” निकाल भी लें या जोड़ दें, तो समग्र आकार नहीं बदलता है।

3. स्थिति 2: अनंत नए मेहमानों को कैसे ठहराएं

खैर, अगले दिन। होटल फिर से पूरी तरह भर गया। तभी, एक अनंत बस आ पहुंची जिसमें “अनंत यात्री” सवार थे। बस से उतरे यात्रियों ने रिसेप्शन पर आकर मांग की, “हम सभी के लिए कमरा तैयार करो!”

अगर मैनेजर ने कल की तरह “प्लस 1” करने के लिए कहा होता, तो इसमें हमेशा के लिए समय लग जाता। लेकिन, मैनेजर घबराया नहीं। उसने फिर से एक घोषणा की:

“प्रिय मेहमानों, कृपया अपने वर्तमान कमरा नंबर को ‘2 से गुणा’ करके प्राप्त हुए कमरा नंबर में चले जाएं।”

तो क्या होगा?

कमरा 1 का मेहमान कमरा 2 में चला जाएगा।
कमरा 2 का मेहमान कमरा 4 में चला जाएगा।
कमरा 3 का मेहमान कमरा 6 में चला जाएगा।
कमरा $n$ का मेहमान कमरा $2n$ में चला जाएगा।

इस स्थानांतरण के द्वारा, होटल में पहले से मौजूद अनंत मेहमान सुरक्षित रूप से “सभी सम संख्या (Even number) वाले कमरों” में समा गए। और चमत्कारिक रूप से, “सभी विषम संख्या (Odd number) वाले कमरे (कमरा 1, 3, 5…)” पूरी तरह से खाली हो गए!

चूंकि विषम संख्याएँ भी अनंत हैं, मैनेजर अनंत बस के यात्रियों को एक-एक करके 1, 3, 5… कमरों में भेजकर सभी को ठहरा सकता है।

अनंत की दुनिया में, $\infty + \infty = \infty$ मान्य होता है। अनंत में अनंत को जोड़ने पर भी, आकार समान “अनंत” ही रहता है।

4. स्थिति 3: यदि अनंत मेहमानों वाली अनंत बसें आ जाएं तो क्या होगा?

उसके अगले दिन। होटल फिर से भरा हुआ है। तभी, “अनंत यात्रियों वाली अनंत बसें” एक के बाद एक आ पहुंचीं।

बस नंबर 1 में अनंत लोग, बस नंबर 2 में अनंत लोग, बस नंबर 3 में अनंत लोग… यह सिलसिला अनंत तक चलता रहता है। यह देखकर कोई भी मैनेजर घबरा सकता है, लेकिन वह गणित का जीनियस था। उसने “अभाज्य संख्याओं (Prime numbers)” का उपयोग करने का सोचा।

मैनेजर ने निम्नलिखित निर्देश दिए:

होटल में पहले से मौजूद मेहमानों का स्थानांतरण यदि वर्तमान कमरा नंबर $n$ है, तो उन्हें कमरा “$2^n$” में जाने के लिए कहें। (कमरा 1 $\rightarrow$ कमरा 2, कमरा 2 $\rightarrow$ कमरा 4, कमरा 3 $\rightarrow$ कमरा 8…) इससे सभी वर्तमान मेहमान समा गए।
बस नंबर 1 के मेहमानों (अनंत) का मार्गदर्शन यदि यात्री का सीट नंबर $n$ है, तो उसे कमरा “$3^n$” में निर्देशित करें। (कमरा 3, 9, 27…)
बस नंबर 2 के मेहमानों (अनंत) का मार्गदर्शन अगली अभाज्य संख्या 5 का उपयोग करें और उन्हें कमरा “$5^n$” में निर्देशित करें। (कमरा 5, 25, 125…)
बस $k$ के मेहमानों (अनंत) का मार्गदर्शन $k+1$ वीं अभाज्य संख्या $P$ का उपयोग करें और उन्हें कमरा “$P^n$” में निर्देशित करें।

“अभाज्य गुणनखंडन की विशिष्टता (Unique factorization theorem - किसी भी संख्या को अभाज्य संख्याओं के गुणनफल के रूप में केवल एक ही तरीके से दर्शाया जा सकता है)” के शक्तिशाली गणितीय प्रमेय के कारण, $2^n, 3^n, 5^n, 7^n \dots$ कमरा नंबर कभी भी किसी अन्य के साथ नहीं टकराएंगे (डुप्लिकेट नहीं होंगे)।

इस प्रकार मैनेजर ने “अनंत $\times$ अनंत” की अविश्वसनीय संख्या वाले मेहमानों को एक ही अनंत होटल में सफलतापूर्वक ठहरा दिया!

5. अनंत के “आकार” में अंतर (कैंटर का प्रमेय)

हिल्बर्ट का अनंत होटल हमें सिखाता है कि “गणनीय अनंत (Countably infinite - वह अनंत जिसे 1, 2, 3… के रूप में गिना जा सकता है)” को आप चाहे कितनी भी बार जोड़ें या गुणा करें, वह अंततः उसी ‘गणनीय अनंत’ के आकार में समा जाता है।

हालाँकि, गणितज्ञ जॉर्ज कैंटर ने इससे भी अधिक भयानक सच्चाई की खोज की। “प्राकृतिक संख्याएं (Natural numbers)” और “भिन्न (Fractions)” सभी इस अनंत होटल में ठहराए जा सकते हैं। लेकिन, यदि “वास्तविक संख्याएं (Real numbers - सभी दशमलव जिनमें अपरिमेय संख्याएं भी शामिल हैं)” मेहमान के रूप में आ जाएं, तो इस अनंत होटल का उपयोग करने पर भी सभी को ठहराना बिल्कुल असंभव है।

यह सिद्ध हो चुका है कि वास्तविक संख्याओं की संख्या मौलिक रूप से अनंत होटल के कमरों की संख्या (गणनीय अनंत) से “बड़ा (उच्च स्तर का) अनंत” है। हालांकि हम अक्सर “अनंत” शब्द का उपयोग एक ही अर्थ में करते हैं, लेकिन वास्तव में अनंत के भीतर भी एक पदानुक्रमित संरचना (cardinality) मौजूद है, जैसे “छोटा अनंत” और “इतना बड़ा अनंत जहाँ तक पहुँचना असंभव है”।

6. निष्कर्ष: मानव सहज समझ को नष्ट करने वाला “अनंत”

हिल्बर्ट का अनंत होटल यह स्पष्ट रूप से दर्शाता है कि कैसे हमारे दैनिक जीवन में विकसित “सीमित सामान्य ज्ञान (Finite common sense)” “अनंत की दुनिया” में बिल्कुल काम नहीं आता है।

“संपूर्ण (Whole) अपने हिस्से (Part) से बड़ा होता है” “भरे हुए होटल में कोई नहीं जा सकता” “अनंत में अनंत जोड़ने पर, वह और बड़ा हो जाता है”

इस तरह की सभी स्पष्ट और सहज धारणाएं बुरी तरह विफल हो जाती हैं। अनंत की दुनिया विरोधाभासों (सहज ज्ञान के विपरीत सत्य) का खजाना है। गणितज्ञों ने इन विरोधाभासों से डरने के बजाय, तर्क की शक्ति से उन्हें वश में किया, वर्गीकृत किया, और आधुनिक सेट सिद्धांत की एक सुंदर प्रणाली बनाई।

अगली बार जब आपसे कहा जाए कि “होटल भरा हुआ है”, तो कृपया यह कल्पना जरूर करें कि “अगर यह हिल्बर्ट का अनंत होटल होता तो क्या होता।”

रसेल का विरोधाभास: क्या "स्वयं को शामिल न करने वाले समुच्चयों का समुच्चय" स्वयं को शामिल करता है?

Thu, 10 Sep 2026 04:00:00 +0900

1. एक शांत गाँव पर हमला करने वाला “नाई का विरोधाभास (Barber Paradox)”

एक शांतिपूर्ण गाँव में एक नाई रहता था। गाँव के प्रवेश द्वार पर एक अजीब सा साइनबोर्ड लगा था, जिस पर लिखा था:

“इस गाँव का नाई केवल उन सभी ग्रामीणों की दाढ़ी बनाता है जो स्वयं अपनी दाढ़ी नहीं बनाते हैं, और अन्य किसी की दाढ़ी नहीं बनाता है।”

गाँव वाले इस नियम से संतुष्ट थे। जो लोग अपनी दाढ़ी खुद नहीं बना सकते थे, वे नाई के पास जा सकते थे, और जो लोग खुद बना सकते थे, वे घर पर बना सकते थे।

लेकिन एक दिन, उस युवा नाई ने आईने में देखा और चौंक गया। उसकी ठुड्डी पर दाढ़ी बढ़ आई थी। “तो, क्या मुझे अपनी दाढ़ी खुद बनानी चाहिए?”

उसने साइनबोर्ड के नियम के अनुसार तार्किक रूप से सोचने का फैसला किया।

यदि वह “स्वयं अपनी दाढ़ी बनाता है” तो क्या होगा? नियम के अनुसार, नाई केवल “उन लोगों की दाढ़ी बना सकता है जो स्वयं अपनी दाढ़ी नहीं बनाते हैं”। इसलिए, यदि वह स्वयं अपनी दाढ़ी बनाता है, तो वह नाई (स्वयं) से दाढ़ी बनवाने के योग्य नहीं है। अर्थात्, “उसे अपनी दाढ़ी नहीं बनानी चाहिए।”
यदि वह “स्वयं अपनी दाढ़ी नहीं बनाता है” तो क्या होगा? नियम के अनुसार, नाई को “उन सभी लोगों की दाढ़ी बनानी चाहिए जो स्वयं अपनी दाढ़ी नहीं बनाते हैं”। इसलिए, यदि वह स्वयं अपनी दाढ़ी नहीं बनाता है, तो उसे नाई (स्वयं) से दाढ़ी बनवानी ही होगी। अर्थात्, “उसे अपनी दाढ़ी बनानी ही पड़ेगी।”

“अगर बनाता है, तो उसे नहीं बनानी चाहिए।” “अगर नहीं बनाता है, तो उसे बनानी ही पड़ेगी।”

नाई पूरी तरह से घबरा गया और दोनों में से कोई भी काम नहीं कर सका। यही प्रसिद्ध “नाई का विरोधाभास” है।

graph TD Barber["नाई: क्या उसे अपनी दाढ़ी बनानी चाहिए?"] Barber -->|YES: स्वयं बनाता है| Cond1["नियम का उल्लंघन!
(जो स्वयं अपनी दाढ़ी बनाते हैं, उनकी दाढ़ी नहीं बनानी चाहिए)"] Barber -->|NO: स्वयं नहीं बनाता है| Cond2["नियम का उल्लंघन!
(जो स्वयं अपनी दाढ़ी नहीं बनाते हैं, उनकी दाढ़ी बनानी ही पड़ेगी)"] Cond1 --> Paradox["विरोधाभास (Paradox)"] Cond2 --> Paradox style Paradox fill:#ff4444,color:#fff,stroke:#333,stroke-width:2px

2. गणितीय दुनिया को हिला कर रख देने वाला “रसेल का विरोधाभास”

यह “नाई का विरोधाभास” एक रूपक है जिसे ब्रिटिश तर्कशास्त्री और दार्शनिक बर्ट्रेंड रसेल ने आम लोगों को अपने द्वारा खोजे गए गणितीय विरोधाभास को आसानी से समझाने के लिए बनाया था।

उसने वास्तव में नाई के बारे में नहीं, बल्कि “समुच्चय (Set)” से संबंधित एक भयानक विरोधाभास की खोज की थी। इसे “रसेल का विरोधाभास (1901)” कहा जाता है।

“समुच्चयों का समुच्चय” की अवधारणा

गणित में “समुच्चय” का अर्थ उन चीजों का संग्रह है जो किसी निश्चित शर्त को पूरा करते हैं।

“10 या उससे कम सम संख्याओं का समुच्चय” = $\{2, 4, 6, 8, 10\}$
“लाल सेबों का समुच्चय”

और एक समुच्चय की सामग्री (अवयवों) के रूप में, किसी अन्य “समुच्चय” को भी रखा जा सकता है। उदाहरण के लिए, “दुनिया की सभी पुस्तकों का समुच्चय” पर विचार करें। यह समुच्चय स्वयं कोई “पुस्तक” नहीं है, इसलिए “दुनिया की सभी पुस्तकों का समुच्चय” स्वयं अपने समुच्चय में शामिल नहीं होता है।

दूसरी ओर, “उन चीज़ों का समुच्चय जो पुस्तकें नहीं हैं” पर विचार करें। यह समुच्चय स्वयं भी “पुस्तक” नहीं है। इसलिए, “उन चीज़ों का समुच्चय जो पुस्तकें नहीं हैं” स्वयं अपने समुच्चय में शामिल होगा।

इस तरह, दुनिया में समुच्चयों को मोटे तौर पर दो प्रकारों में विभाजित किया जा सकता है:

A: ऐसे समुच्चय जो स्वयं को शामिल नहीं करते हैं (उदाहरण: पुस्तकों का समुच्चय)
B: ऐसे समुच्चय जो स्वयं को शामिल करते हैं (उदाहरण: उन चीज़ों का समुच्चय जो पुस्तकें नहीं हैं)

शैतानी समुच्चय $R$ का जन्म

यहाँ रसेल ने एक विशेष समुच्चय $R$ पर विचार किया, जो इस प्रकार है:

समुच्चय $R$ = सभी “ऐसे समुच्चयों का समुच्चय जो स्वयं को शामिल नहीं करते हैं (प्रकार A)”

गणितीय सूत्र (समुच्चय निर्माण रूप) में लिखने पर यह ऐसा दिखता है:

$$ R = \{ x \mid x \notin x \} $$

अब, मुख्य बात यह है। रसेल ने इस समुच्चय $R$ के लिए निम्नलिखित प्रश्न पूछा:

“क्या समुच्चय $R$ स्वयं ($R$) को शामिल करता है?”

आइए विचार करें:

यदि $R$ “स्वयं को शामिल करता है ($R \in R$)” तो क्या होगा? $R$ में शामिल होने की शर्त “स्वयं को शामिल न करना” है। इसलिए, $R$ इस शर्त को पूरा नहीं करता है और $R$ में प्रवेश नहीं कर सकता। ($R \notin R$ होता है, जो एक विरोधाभास है)
यदि $R$ “स्वयं को शामिल नहीं करता है ($R \notin R$)” तो क्या होगा? $R$ में शामिल होने की शर्त “स्वयं को शामिल न करना” है। इसलिए, $R$ पूरी तरह से शर्त को पूरा करता है और उसे $R$ में शामिल होना ही चाहिए। ($R \in R$ होता है, जो एक विरोधाभास है)

गणितीय सूत्र में, यह केवल एक पंक्ति का तार्किक पतन है:

$$ R \in R \iff R \notin R $$

“यदि शामिल करता है, तो शामिल नहीं है।” “यदि शामिल नहीं है, तो शामिल करता है।” यह पूरी तरह से नाई के विरोधाभास की संरचना के समान है। हालांकि, गाँव के नाई के मामले में यह कह कर हंसा जा सकता है कि “ऐसा नियम बनाने वाला गाँव का मुखिया ही मूर्ख है,” लेकिन गणित की दुनिया में ऐसा नहीं होता।

क्योंकि उस समय गणित की दुनिया में, “यदि शर्तें स्पष्ट रूप से परिभाषित हैं, तो कोई भी स्वतंत्र रूप से ‘समुच्चय’ बना सकता है” जैसे सरल नियम (सरल समुच्चय सिद्धांत - Naive Set Theory) को आधार मानकर सभी गणित का पुनर्निर्माण करने का प्रयास जोरों पर था।

3. फ्रेगे की त्रासदी

रसेल ने यह पत्र जर्मनी के महान तर्कशास्त्री गोटलोब फ्रेगे को भेजा था। फ्रेगे ने ठीक उसी समय अपनी महान कृति, ‘अंकगणित के मूल नियम’ का दूसरा खंड प्रेस में छपने के लिए भेजा था, जिसके लिए उन्होंने अपना पूरा जीवन समर्पित कर दिया था। यह पुस्तक “किसी भी शर्त से समुच्चय बनाया जा सकता है” के नियम पर आधारित होकर गणित की पूर्णता को साबित करने का एक संग्रह था।

रसेल का पत्र पढ़कर फ्रेगे निराश हो गए। ऐसा इसलिए क्योंकि यह साबित हो गया था कि उनकी पुस्तक के “मूल आधार” के नियमों का उपयोग करके रसेल के विरोधाभास जैसा “पूर्णतः विरोधाभासी समुच्चय” बनाया जा सकता है। यदि नींव ही ढह जाए, तो उस पर बने सैकड़ों पन्नों के गणितीय सूत्र सभी अमान्य हो जाएंगे।

फ्रेगे ने प्रकाशन से ठीक पहले अपनी पुस्तक के अंत में निम्नलिखित दर्दनाक नोट जोड़ा:

“एक वैज्ञानिक के लिए इससे अधिक दुखद कुछ नहीं हो सकता कि जब वह सोचे कि उसका काम पूरा हो गया है, तभी वह उसकी नींव को ढहते हुए देखे। इस पुस्तक के छपने के लिए भेजे जाने के ठीक बाद, बर्ट्रेंड रसेल के एक पत्र ने मुझे बिल्कुल इसी स्थिति में ला खड़ा किया है।”

4. संकट से उबरना: स्वयंसिद्ध समुच्चय सिद्धांत (Axiomatic Set Theory) का जन्म

रसेल के विरोधाभास ने गणितीय दुनिया में “गणित की नींव का संकट” नामक भारी दहशत पैदा कर दी। “यदि शर्तें तय कर दी जाएं, तो स्वतंत्र रूप से समुच्चय बनाए जा सकते हैं” वाले इस बेलगाम नियम ने विरोधाभास नाम के एक राक्षस को जन्म दे दिया था।

इस संकट को हल करने के लिए, गणितज्ञों ने नियमों को सख्त करने का निर्णय लिया। ज़र्मेलो (Zermelo) और फ़्रेंकेल (Fraenkel) जैसे गणितज्ञों ने एक नियम-पुस्तिका (स्वयंसिद्ध प्रणाली - Axiom System) विकसित की जो “बनाए जा सकने वाले समुच्चयों” और “न बनाए जा सकने वाले (बहुत बड़े) समुच्चयों” के बीच स्पष्ट अंतर करती है। इसे “ZFC स्वयंसिद्ध प्रणाली (स्वयंसिद्ध समुच्चय सिद्धांत)” कहा जाता है।

ZFC स्वयंसिद्ध प्रणाली के तहत, रसेल द्वारा विचार किए गए “सभी ‘ऐसे समुच्चयों का समुच्चय जो स्वयं को शामिल नहीं करते हैं’ $R$” को गणित की दुनिया से यह कहकर प्रतिबंधित कर दिया गया कि “यह इतना बड़ा और खतरनाक है कि इसे अब ‘समुच्चय’ के रूप में मान्यता नहीं दी जाएगी (यह केवल एक ‘वर्ग’ या ‘Class’ है)।”

graph LR subgraph "सरल समुच्चय सिद्धांत (रसेल से पहले)" Free["किसी भी शर्त पर स्वतंत्र रूप से
समुच्चय बनाया जा सकता है!"] --> Monster["विरोधाभास का राक्षस R
(रसेल का विरोधाभास)"] end subgraph "स्वयंसिद्ध समुच्चय सिद्धांत (आधुनिक गणित)" Strict["सख्त नियमों (स्वयंसिद्धों) का पालन करने वाले
ही 'समुच्चय' हैं"] --> Safe["विरोधाभास R को 'समुच्चय' के रूप में
मान्यता नहीं है, इसलिए सुरक्षित!"] end Monster -.->|गणितीय दुनिया का संकट| Strict

5. निष्कर्ष: विरोधाभास “तार्किक बग” को ठीक करने के लिए एक शक्तिशाली औषधि है

रसेल का विरोधाभास आत्म-संदर्भ (स्वयं का उल्लेख करना) के कारण होने वाले तार्किक बग का चरम रूप है, जैसे कि “अपनी ही पूंछ खाने वाला सांप (उरोबोरोस)” या “झूठा जो कहता है कि मैं झूठा हूँ”।

पहली नज़र में महज़ कुतर्क या शब्दों का खेल लगने वाला यह विरोधाभास, गणित जैसे सबसे कठोर विषय की नींव को नष्ट कर देता है, और परिणामस्वरूप गणित को और अधिक मजबूत तथा सख्त रूप में विकसित होने के लिए प्रेरित करता है।

यदि रसेल जैसे प्रतिभाशाली व्यक्ति ने इस “नाई के बग” को नहीं देखा होता, तो आधुनिक गणित और उसके तर्क के विस्तार में कंप्यूटर विज्ञान का विकास शायद किसी घातक विरोधाभास के साथ हुआ होता। विरोधाभास एक बहुत ही उत्तेजक और शक्तिशाली औषधि है जो हमें मानवीय तर्क की सीमाओं के बारे में सिखाती है।

बनाख-तार्स्की विरोधाभास: एक गोले को काटने से दो समान आकार के गोले बनते हैं?

Thu, 10 Sep 2026 02:00:00 +0900

1. जादू जैसा प्रमेय: 1 = 1 + 1 ?

मान लीजिए कि आपके सामने शुद्ध सोने का एक गोला (गेंद) है। इस गोले को चाकू से कई टुकड़ों में काट लें। फिर, उन टुकड़ों को पहेली की तरह एक साथ जोड़ें। टुकड़ों को खींचने, मोड़ने या नया सोना जोड़ने की बिल्कुल भी अनुमति नहीं है। बस उन्हें हिलाना है और एक साथ जोड़ना है।

हालाँकि, जब आप पूरी हो चुकी पहेली को देखते हैं, तो आप पाते हैं कि “मूल गोले के समान आकार के दो शुद्ध सोने के गोले” बन गए हैं।

आप सोच सकते हैं, “क्या बकवास है! यह द्रव्यमान के संरक्षण के नियम के विरुद्ध है, और यह एक कीमियागर का भ्रम है!” वास्तविक भौतिक दुनिया में यह बिल्कुल असंभव है। हालाँकि, शुद्ध गणित (ज्यामिति और समुच्चय सिद्धांत) की दुनिया में, यह तार्किक रूप से 100% सही प्रमेय के रूप में सिद्ध हो चुका है।

यही “बनाख-तार्स्की विरोधाभास” है, जिसे 1924 में स्टीफन बनाख और अल्फ्रेड तार्स्की नामक दो गणितज्ञों द्वारा सिद्ध किया गया था।

2. विरोधाभास के दावे को ठीक से समझना

बनाख और तार्स्की द्वारा सिद्ध किए गए प्रमेय को गणितीय रूप से सटीक शब्दों में इस प्रकार व्यक्त किया जा सकता है:

बनाख-तार्स्की प्रमेय 3-आयामी अंतरिक्ष में किसी भी गोले $S$ को परिमित संख्या में टुकड़ों में विभाजित किया जा सकता है। और फिर, उन टुकड़ों को (केवल घुमाव और स्थानांतरण द्वारा) पुनर्व्यवस्थित करके, मूल गोले $S$ के बिल्कुल समान त्रिज्या वाले दो गोले बनाए जा सकते हैं।

और भी आश्चर्यजनक बात यह है कि इस प्रमेय को लागू करने पर हम निम्नलिखित भी कह सकते हैं:

एक मटर के दाने को परिमित संख्या में टुकड़ों में विभाजित करके और उसे फिर से जोड़कर, बिल्कुल सूर्य के आकार का एक गोला बनाया जा सकता है। (इसे मटर और सूर्य का विरोधाभास भी कहा जाता है)

गणितीय रूप से ऐसा जादू कैसे संभव है? इसका रहस्य दो मुख्य शब्दों: “अनंत” और “चयन का स्वयंसिद्ध” में छिपा है।

3. “अनंत” की अद्भुत प्रकृति

इस विरोधाभास को समझने का पहला कदम “अनंत समुच्चय” की अजीब प्रकृति को जानना है।

“परिमित” दुनिया में जिसका हम आमतौर पर सामना करते हैं, पूर्ण हमेशा उसके हिस्से से बड़ा होता है। उदाहरण के लिए, यदि आप 1 से 10 तक की संख्याओं (10 संख्याएँ) में से सम संख्याओं (5 संख्याएँ) को बाहर निकालते हैं, तो संख्याओं की मात्रा आधी हो जाएगी।

हालाँकि, “अनंत” की दुनिया में यह सामान्य ज्ञान काम नहीं करता है। सभी “प्राकृतिक संख्याओं” (1, 2, 3, 4, …) और सभी “सम संख्याओं” (2, 4, 6, 8, …) में से कौन सी अधिक हैं? सहज रूप से, चूँकि सम संख्याएँ प्राकृतिक संख्याओं की आधी होती हैं, इसलिए ऐसा लगता है कि प्राकृतिक संख्याएँ अधिक हैं। लेकिन, कृपया नीचे दिए गए अनुसार जोड़े बनाने का प्रयास करें:

1 $\rightarrow$ 2
2 $\rightarrow$ 4
3 $\rightarrow$ 6
$n \rightarrow 2n$

इस तरह, प्रत्येक प्राकृतिक संख्या के लिए, हम ठीक दोगुनी सम संख्या के साथ एक जोड़ा बना सकते हैं (एक-से-एक पत्राचार)। कोई संख्या नहीं बचेगी। अर्थात गणितीय रूप से, “प्राकृतिक संख्याओं की मात्रा (अनंत)” और “सम संख्याओं की मात्रा (अनंत)” बिल्कुल एक ही आकार की हैं!

यद्यपि हमने पूर्ण (प्राकृतिक संख्या) में से आधा (सम संख्या) निकाल लिया है, फिर भी आकार मूल के समान ही रहता है। अनंत समुच्चयों में, यह संभव है कि “एक भाग पूर्ण के बराबर हो जाए”। बनाख-तार्स्की प्रमेय को इस “अनंत के जादू” का अंतिम रूप कहा जा सकता है जिसे 3-आयामी अंतरिक्ष में “बिंदुओं” के समुच्चय पर लागू किया गया है।

4. अंतरिक्ष के बिंदुओं को “अमापनीय” रूप में काटा जाता है

जब वास्तविक वस्तुओं (सोना या सेब) को चाकू से काटा जाता है, तो टुकड़ों का हमेशा एक “आयतन” होता है। हालाँकि, गणित में एक गोला “बिना आयतन वाले अनंत बिंदुओं का संग्रह” होता है।

बनाख और तार्स्की ने इन अनंत बिंदुओं को एक बहुत ही विशिष्ट और जटिल तरीके से समूहीकृत (विभाजित) किया। वह विभाजन इतना जटिल और बिखरा हुआ होता है कि वे ऐसी स्थिति में पहुँच जाते हैं जहाँ “आयतन को मापा नहीं जा सकता (अमापनीय समुच्चय)"।

graph TD S["मूल गोला S (आयतन V)"] -->|विशिष्ट विभाजन| P1["टुकड़ा 1 (आयतन अमापनीय)"] S --> P2["टुकड़ा 2 (आयतन अमापनीय)"] S --> P3["टुकड़ा 3 (आयतन अमापनीय)"] S --> P4["टुकड़ा 4 (आयतन अमापनीय)"] S --> P5["टुकड़ा 5 (आयतन अमापनीय)"] P1 -->|घुमाव/स्थानांतरण| S1["नया गोला 1 (आयतन V)"] P2 -->|घुमाव/स्थानांतरण| S1 P3 -->|घुमाव/स्थानांतरण| S1 P4 -->|घुमाव/स्थानांतरण| S2["नया गोला 2 (आयतन V)"] P5 -->|घुमाव/स्थानांतरण| S2 style S fill:#ffddaa,stroke:#333,stroke-width:2px style S1 fill:#aaddff,stroke:#333,stroke-width:2px style S2 fill:#aaddff,stroke:#333,stroke-width:2px

यदि प्रत्येक टुकड़ा बिंदुओं का एक धुंधला संग्रह बन जाता है जिसका “कोई आयतन नहीं है (मापा नहीं जा सकता)”, तो हम भौतिकी के नियम (माप की योगात्मकता) के प्रतिबंध से बच सकते हैं, जो कहता है कि “यदि आप भागों को जोड़ते हैं, तो उन्हें मूल आयतन के बराबर होना चाहिए”।

और फिर, जब इन धुंधले बिंदु वाले टुकड़ों को घुमाया जाता है और कुशलता से एक साथ जोड़ा जाता है, तो “अनंत के जादू” के माध्यम से, मूल गोले के समान घने बिंदुओं से भरे दो गोले बन जाते हैं। वास्तव में, यह सिद्ध हो चुका है कि यह “एक गोले से दो गोले बनाने” का ऑपरेशन मूल गोले को केवल 5 टुकड़ों में विभाजित करके ही संभव है।

5. सभी का मूल कारण: “चयन का स्वयंसिद्ध” क्या है?

तो, गणितीय रूप से “इतना जटिल विभाजन कि आयतन को मापा न जा सके” कैसे संभव है? ऐसा इसलिए है क्योंकि हम “चयन का स्वयंसिद्ध (Axiom of Choice)” नामक एक नियम को स्वीकार करते हैं, जो आधुनिक गणित की नींव है।

चयन का स्वयंसिद्ध, मोटे तौर पर, निम्नलिखित नियम है:

चयन के स्वयंसिद्ध की अवधारणा जब कई बक्सों में वस्तुएं होती हैं, तो नियम यह है कि “आप प्रत्येक बक्से से ठीक एक वस्तु चुनकर एक नया सेट (समुच्चय) बना सकते हैं”।

यदि बक्सों की संख्या परिमित है, तो कोई भी इसे आसानी से कर सकता है। हालाँकि, यदि बक्सों की संख्या “अनंत” है, तो एक इंसान अनंत बार “एक-एक करके चुनने” के ऑपरेशन को पूरा नहीं कर सकता है। फिर भी, “चुनकर बनाए गए सेट का अस्तित्व माना जा सकता है” इस बात को स्वीकार करना ही चयन का स्वयंसिद्ध है।

यह स्वयंसिद्ध आधुनिक गणित के निर्माण में बहुत उपयोगी और अपरिहार्य था। अधिकांश गणितज्ञों ने इस नियम को यह कहते हुए स्वीकार कर लिया, “ठीक है, यह तो स्पष्ट है।”

हालाँकि, यदि हम इस चयन के स्वयंसिद्ध को स्वीकार करते हैं, तो हमें उन “धुंधले बिंदुओं के समुच्चय जो इतने बिखरे हुए हैं कि उनके आयतन को मापा नहीं जा सकता (अमापनीय समुच्चय)” के अस्तित्व को भी स्वीकार करना होगा। और परिणामस्वरूप, “एक गोला दो बन जाता है” का बनाख-तार्स्की प्रमेय एक तार्किक अनिवार्यता के रूप में सामने आता है।

6. निष्कर्ष: गणित द्वारा चित्रित “सहज ज्ञान से परे दुनिया”

बनाख-तार्स्की विरोधाभास इस अर्थ में विरोधाभास नहीं है कि “तर्क में कोई अंतर्विरोध है”। यह इस अर्थ में एक विरोधाभास है कि तर्क 100% सही है, लेकिन निकाला गया निष्कर्ष मानव अंतर्ज्ञान और भौतिकी के नियमों के साथ गहराई से विरोधाभास करता है।

जब यह प्रमेय प्रकाशित हुआ, तो कुछ गणितज्ञों ने तर्क दिया, “यदि ऐसा बेतुका निष्कर्ष निकलता है, तो चयन का स्वयंसिद्ध गलत होना चाहिए!” हालाँकि, आज, अधिकांश गणितज्ञ चयन के स्वयंसिद्ध को स्वीकार करते हैं, और बनाख-तार्स्की प्रमेय को “3-आयामी अंतरिक्ष और अनंत समुच्चयों की एक अजीब लेकिन सुंदर संपत्ति” के रूप में भी स्वीकार किया जाता है।

चूँकि जिस भौतिक दुनिया में हम रहते हैं वह परमाणुओं से बनी है, जो “आकार वाले कण (परिमित)” हैं, इसलिए मटर के दाने को सूर्य के आकार का नहीं बनाया जा सकता। हालाँकि, मानव मस्तिष्क द्वारा बनाए गए “गणित” के कैनवास पर, एक बिंदु का आकार शून्य होता है, और अनंत ऑपरेशनों की अनुमति होती है।

बनाख-तार्स्की विरोधाभास को आधुनिक गणित की महानतम कृतियों में से एक कहा जा सकता है, जो हमें सिखाता है कि “अनंत” की अवधारणा मानव के सरल अंतर्ज्ञान को कितनी आसानी से पार कर जाती है।

अकिलीज़ और कछुआ: क्या वह कभी पकड़ नहीं पाएगा, या पकड़ लेगा? प्राचीन ग्रीस से चला आ रहा "अनंत" का विरोधाभास

Thu, 10 Sep 2026 01:00:00 +0900

1. ज़ेनो का विरोधाभास: क्या तेज दौड़ने वाला नायक कछुए को नहीं हरा सकता?

5वीं शताब्दी ईसा पूर्व में, प्राचीन ग्रीक दार्शनिक एलिया के ज़ेनो ने “गति” के संबंध में कई विरोधाभास प्रस्तुत किए जो सीधे हमारे अंतर्ज्ञान और सामान्य ज्ञान के खिलाफ जाते हैं। उनमें से सबसे प्रसिद्ध “अकिलीज़ और कछुआ” का विरोधाभास है।

ग्रीक पौराणिक कथाओं के सबसे तेज नायक अकिलीज़ और धीमी गति के पर्याय कछुए के बीच दौड़ होती है। चूंकि अकिलीज़ स्पष्ट रूप से बहुत तेज है, इसलिए कछुए को बाधा (handicap) के रूप में थोड़ा आगे से शुरुआत करने का अधिकार दिया गया है।

दौड़ शुरू होती है। अकिलीज़ तेज गति से कछुए का पीछा करता है। हालाँकि, ज़ेनो ने निम्नलिखित तर्क दिया:

“अकिलीज़ कछुए को कभी नहीं पकड़ सकता।”

आखिर ऐसा क्यों है? ज़ेनो का तर्क इस प्रकार है:

जब अकिलीज़ कछुए के “शुरु शुरुआती बिंदु (बिंदु A)” पर पहुँचता है, तो कछुआ थोड़ा आगे बढ़कर “बिंदु B” पर पहुँच जाता है।
जब अकिलीज़ “बिंदु B” पर पहुँचता है, तो कछुआ थोड़ा और आगे बढ़कर “बिंदु C” पर पहुँच जाता है।
जब अकिलीज़ “बिंदु C” पर पहुँचता है, तो कछुआ थोड़ा और आगे बढ़कर “बिंदु D” पर पहुँच जाता है।

यह प्रक्रिया अनंत काल तक चलती है। हर बार जब अकिलीज़ उस स्थान पर पहुँचता है “जहाँ कछुआ था”, कछुआ हमेशा “थोड़ा और आगे” बढ़ चुका होता है। दूरी लगातार कम होती जाती है, लेकिन चूँकि यह कदम अनंत बार दोहराया जाना चाहिए, इसलिए कहा जाता है कि अकिलीज़ कछुए को कभी नहीं पछाड़ सकता।

वास्तविक दुनिया में, यह सामान्य बात है कि एक तेज दौड़ने वाला व्यक्ति धीमी गति वाले व्यक्ति को पछाड़ देता है। हालाँकि, उस समय के लोगों के लिए यह समझाना बहुत मुश्किल था कि इस शाब्दिक तर्क की चाल में क्या खामी है।

2. कहाँ गलती है? “समय” और “अनंत” का भ्रम

ज़ेनो के तर्क की चतुराई इस बात में है कि वह “अनंत चरणों (अंतरिक्ष का विभाजन)” को “अनंत समय” के साथ बदल देता है।

यह सच है कि अकिलीज़ को उस स्थान तक पहुँचने के लिए “चरणों की संख्या” अनंत है जहाँ कछुआ था। हालाँकि, सिर्फ इसलिए कि “चरणों की संख्या अनंत है”, इसका मतलब यह नहीं है कि “इसके लिए आवश्यक कुल समय अनंत (हमेशा के लिए) होगा”।

बाद के गणितज्ञों ने इस विरोधाभास को सुलझाने के लिए “अनंत श्रेणी का योग” नामक एक शक्तिशाली हथियार बनाया।

3. गणितीय स्पष्टीकरण: अनंत श्रेणियों का योग और “सीमा (Limit)”

आइए इस समस्या को विशिष्ट संख्याओं का उपयोग करके गणितीय रूप से हल करें।

मान लीजिए कि अकिलीज़ के दौड़ने की गति $10\text{m/s}$ है।
मान लीजिए कि कछुए के चलने की गति $1\text{m/s}$ है। (अकिलीज़ की गति का $\frac{1}{10}$)
कछुए को लाभ (handicap) देने के लिए, मान लीजिए कि कछुआ अकिलीज़ से $10\text{m}$ आगे से शुरू होता है।

प्रत्येक चरण के लिए समय की गणना

चरण 1: अकिलीज़ को कछुए की प्रारंभिक स्थिति ($10\text{m}$ आगे) तक पहुँचने में लगने वाला समय $\frac{10\text{m}}{10\text{m/s}} =$ $1\text{ सेकंड}$ है। इस 1 सेकंड के दौरान, कछुआ $1\text{m}$ आगे बढ़ता है। (अब अकिलीज़ और कछुए के बीच का अंतर $1\text{m}$ है)

चरण 2: अकिलीज़ को कछुए की अगली स्थिति ($1\text{m}$ आगे) तक पहुँचने में लगने वाला समय $\frac{1\text{m}}{10\text{m/s}} =$ $0.1\text{ सेकंड}$ है। इस 0.1 सेकंड के दौरान, कछुआ $0.1\text{m}$ आगे बढ़ता है। (अंतर $0.1\text{m}$ है)

चरण 3: अकिलीज़ को कछुए की अगली स्थिति ($0.1\text{m}$ आगे) तक पहुँचने में लगने वाला समय $\frac{0.1\text{m}}{10\text{m/s}} =$ $0.01\text{ सेकंड}$ है। इस 0.01 सेकंड के दौरान, कछुआ $0.01\text{m}$ आगे बढ़ता है। (अंतर $0.01\text{m}$ है)

इस प्रकार, अकिलीज़ को कछुए की पिछली स्थिति तक पहुँचने में लगने वाला “समय” एक अनंत अनुक्रम (infinite sequence) बन जाता है:

$$ 1\text{ सेकंड},\ 0.1\text{ सेकंड},\ 0.01\text{ सेकंड},\ 0.001\text{ सेकंड},\ \dots $$

ज़ेनो ने कहा, “चूँकि यह कदम अनंत बार जारी रहता है, इसलिए अकिलीज़ उसे कभी नहीं पकड़ सकता।” लेकिन क्या होगा यदि हम इन सभी चरणों में लगने वाले समय को जोड़ दें (अनंत श्रेणी का योग खोजें)?

$$ \text{कुल समय } T = 1 + 0.1 + 0.01 + 0.001 + \dots $$

यह प्रथम पद $a = 1$ और सार्व अनुपात $r = 0.1$ वाली एक अनंत गुणोत्तर श्रेणी (infinite geometric series) है। यदि सार्व अनुपात $r$ का निरपेक्ष मान 1 से कम है ($|r| < 1$), तो अनंत गुणोत्तर श्रेणी एक निश्चित “सीमित मान” (finite value) पर अभिसरण (converges) करती है। इसके योग का सूत्र निम्नलिखित है:

$$ S = \frac{a}{1 - r} $$

इस सूत्र का उपयोग करके गणना करने पर:

$$ T = \frac{1}{1 - 0.1} = \frac{1}{0.9} = \frac{10}{9} = 1.1111\dots \text{ सेकंड} $$

दूसरे शब्दों में, भले ही अनंत चरण हों, उनके लिए आवश्यक कुल समय “अनंत” नहीं होता है, बल्कि ठीक $\frac{10}{9}$ सेकंड (लगभग 1.11 सेकंड) पर अभिसरण करता है। शुरुआत से लगभग 1.11 सेकंड के बाद, अकिलीज़ सफलतापूर्वक कछुए को पकड़ लेगा और उसे पछाड़ देगा।

pie title "अकिलीज़ द्वारा पकड़ने में लगा समय (कुल लगभग 1.11 सेकंड)" "चरण 1 (1 सेकंड)" : 90 "चरण 2 (0.1 सेकंड)" : 9 "चरण 3 और उसके बाद का अनंत योग (0.011... सेकंड)" : 1

4. हम मूर्ख क्यों बने?

इस विरोधाभास का सार मानव के इस सहज ज्ञान की गलती का फायदा उठाना है कि “यदि आप अनंत चीजों को एक साथ जोड़ते हैं, तो उत्तर भी अनंत होना चाहिए।”

$$ 1 + 1 + 1 + 1 + \dots = \infty $$

इस तरह, यदि आप एक ही संख्या को अनंत बार जोड़ते हैं, तो यह स्वाभाविक रूप से अनंत हो जाएगी।

$$ \frac{1}{2} + \frac{1}{3} + \frac{1}{4} + \dots = \infty $$

प्रसिद्ध “हरात्मक श्रेणी (harmonic series)” में भी, जोड़ी जा रही संख्याएँ छोटी होती जाती हैं, लेकिन अंततः यह अनंत तक अपसरित (diverges) हो जाती है।

हालाँकि, यदि जोड़ी जा रही संख्याएँ पर्याप्त रूप से तेज़ी से छोटी होती जाती हैं (उदाहरण के लिए, गुणोत्तर श्रेणी की तरह), तो अनंत संख्याओं को जोड़ने पर भी वे एक “सीमित सीमा” (finite frame) में पूरी तरह से फिट हो जाएँगी।

$$ \frac{1}{2} + \frac{1}{4} + \frac{1}{8} + \frac{1}{16} + \dots = 1 $$

यह उसी तरह है जैसे यदि आप आधा केक खाते हैं, फिर शेष का आधा खाते हैं, और फिर शेष का आधा खाते हैं… भले ही आप इसे अनंत काल तक दोहराएं, यह अंततः “मूल 1 केक” से अधिक नहीं होगा। ज़ेनो ने जानबूझकर समय को छोटे-छोटे हिस्सों में बाँट दिया, और केवल उन विभाजित समय-सीमाओं (1 सेकंड, 0.1 सेकंड, 0.01 सेकंड…) के भीतर बात करके “कभी पकड़ नहीं पाने” का भ्रम पैदा किया।

5. सापेक्ष गति का उपयोग करके इसे एक पल में हल किया जा सकता है

वैसे, ज़ेनो के जाल (स्थान और समय का अनंत विभाजन) में फंसे बिना, मिडिल स्कूल के गणित का उपयोग करके इस समस्या को हल करना आसान है। आप बस “सापेक्ष गति (relative speed)” का उपयोग कर सकते हैं।

अकिलीज़ की गति: $10\text{m/s}$
कछुए की गति: $1\text{m/s}$
अकिलीज़ के दृष्टिकोण से कछुए की सापेक्ष गति (जिस गति से अकिलीज़ कछुए के करीब आता है): $10 - 1 = 9\text{m/s}$

कछुए के मुकाबले अकिलीज़ की शुरुआती देरी $10\text{m}$ है। $9\text{m/s}$ की गति से $10\text{m}$ की दूरी कम करने में लगने वाला समय है:

$$ \text{समय} = \frac{\text{दूरी}}{\text{गति}} = \frac{10}{9}\text{ सेकंड} $$

यह कैलकुलस (अनंत श्रेणी की सीमा) का उपयोग करके हमारे द्वारा प्राप्त उत्तर से पूरी तरह मेल खाता है।

6. निष्कर्ष: विरोधाभासों ने गणित को कैसे विकसित किया

ज़ेनो का “अकिलीज़ और कछुआ” आज हमें केवल शब्दों का खेल या कुतर्क लग सकता है। हालाँकि, प्राचीन ग्रीक दार्शनिकों के लिए, जिनके पास उस समय “अनंत” या “सीमा” जैसी कोई अवधारणा नहीं थी, अकेले तर्क का उपयोग करके इसका खंडन करना एक अत्यंत कठिन कार्य था।

इस विरोधाभास द्वारा उठाए गए गहरे प्रश्न, जैसे कि “निरंतरता क्या है?” और “अनंत रूप से विभाजित होने का क्या मतलब है?”, बाद में न्यूटन और लीबनिज़ द्वारा “कैलकुलस” के जन्म और आधुनिक गणितीय नींव के विकास के लिए एक महत्वपूर्ण प्रेरक शक्ति बन गए।

महान विरोधाभास केवल लोगों को भ्रमित ही नहीं करते, बल्कि वे नए गणित के द्वार खोलने की कुंजी भी हैं।

दो लिफाफों का विरोधाभास: कैसे अनंत की उम्मीद तर्क को नष्ट करती है और निर्णय लेने में फँसाती है

Thu, 10 Sep 2026 00:00:00 +0900

1. अंतिम विकल्प: बदलें या न बदलें?

आप एक गेम शो के अंतिम चरण में हैं। आपके सामने टेबल पर दो बिल्कुल एक जैसे दिखने वाले लिफाफे (A और B) रखे हैं। होस्ट कहता है:

“एक लिफाफे में दूसरे लिफाफे की तुलना में दोगुना पैसा है। कृपया किसी एक को चुनें।”

काफी सोचने के बाद, आप लिफाफा A चुनते हैं। जैसे ही आप इसे खोलने वाले होते हैं, होस्ट एक शैतानी प्रस्ताव रखता है।

“अगर आप चाहें, तो आप अपने लिफाफा A को बचे हुए लिफाफा B के साथ बदल सकते हैं। क्या आप बदलना चाहेंगे?”

तो, क्या आपको अपना लिफाफा बदलना चाहिए?

2. अपेक्षित मूल्य की गणना से उत्पन्न “अनंत लूप”

आइए यहाँ थोड़ा गणितीय रूप से सोचें। मान लीजिए कि आपके लिफाफे A में मौजूद राशि $X$ येन है। लिफाफे B में मौजूद राशि, नियम के अनुसार या तो “$X$ येन का आधा ($\frac{X}{2}$)” हो सकती है या “$X$ येन का दोगुना ($2X$)"। दोनों की प्रायिकता $\frac{1}{2}$ (50%) है।

तो, आइए लिफाफा बदलने की स्थिति में अपेक्षित मूल्य (अनुमानित औसत राशि) की गणना करें।

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

एक आश्चर्यजनक परिणाम सामने आता है। सिर्फ लिफाफा बदलने से, अपेक्षित मूल्य मूल $X$ येन से बढ़कर $1.25$ गुना (25% अधिक) हो जाता है। निष्कर्ष यह निकलता है कि “गणितीय रूप से सोचें, तो बदलना निश्चित रूप से फायदेमंद है!”

लेकिन, यहीं पर तर्क का पतन होता है। मान लीजिए कि आप लिफाफा B में बदल लेते हैं। इसके तुरंत बाद, अगर होस्ट फिर से पूछे “क्या आप वापस A पर जाना चाहेंगे?” तो क्या होगा? बिल्कुल यही समीकरण लागू होगा, और इस बार इसका मतलब होगा “अगर आप B से A में बदलते हैं, तो अपेक्षित मूल्य 1.25 गुना हो जाएगा।”

यानी, केवल “A से B” और “B से A” में बदलते रहने से, सैद्धांतिक अपेक्षित मूल्य अनंत तक बढ़ता रहेगा। यह स्पष्ट रूप से वास्तविकता का खंडन करता है (लिफाफों के अंदर की राशि शुरू से तय होती है, और यह बदलने से नहीं बढ़ती)।

graph TD Start["आप लिफाफा A चुनते हैं (अंदर X येन हैं)"] --> Think["गणना करते हैं कि बदलना फायदेमंद है या नहीं"] Think --> Case1["लिफाफा B में आधी राशि (X/2 येन) : प्रायिकता 50%"] Think --> Case2["लिफाफा B में दोगुनी राशि (2X येन) : प्रायिकता 50%"] Case1 --> Calc["अपेक्षित मूल्य = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["लिफाफा B में बदलते हैं! (अंदर Y येन हैं)"] SwitchToB --> ThinkAgain["फिर से गणना करते हैं"] ThinkAgain --> Case3["लिफाफा A में आधी राशि (Y/2 येन) : प्रायिकता 50%"] ThinkAgain --> Case4["लिफाफा A में दोगुनी राशि (2Y येन) : प्रायिकता 50%"] Case3 --> Calc2["अपेक्षित मूल्य = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["फिर से लिफाफा A में बदलते हैं!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

आखिर क्यों एक पूरी तरह से सही दिखने वाली अपेक्षित मूल्य की गणना ने ऐसा अजीब विरोधाभास पैदा किया?

3. गणितीय चाल को समझना: चरों (variables) की अदला-बदली

इस विरोधाभास का जाल “यादृच्छिक चर $X$ के उपयोग” में निहित है।

पिछली गणना में, हमने लिफाफा A की राशि $X$ को एक निश्चित स्थिरांक के रूप में माना, और यह मान लिया कि लिफाफा B “$\frac{X}{2}$ या $2X$” है। हालांकि, जो मूल रूप से निश्चित है वह “दोनों लिफाफों में मौजूद राशि का योग” है, या “छोटी राशि” है।

मान लीजिए कि छोटी राशि वाले लिफाफे में $S$ है। तो, बड़ी राशि वाले लिफाफे में $2S$ होगा। खेल के कुल परिदृश्य केवल निम्नलिखित 2 पैटर्न हो सकते हैं (प्रत्येक की प्रायिकता $\frac{1}{2}$ है)।

पैटर्न 1: आपके द्वारा चुना गया लिफाफा A छोटा वाला ($S$) है, और लिफाफा B बड़ा वाला ($2S$) है।
पैटर्न 2: आपके द्वारा चुना गया लिफाफा A बड़ा वाला ($2S$) है, और लिफाफा B छोटा वाला ($S$) है।

यहाँ, हम “न बदलने” और “बदलने” की स्थितियों के लिए अपेक्षित मूल्य की सही गणना करते हैं।

न बदलने की स्थिति में अपेक्षित मूल्य $E_{stay}$:

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

बदलने की स्थिति में अपेक्षित मूल्य $E_{switch}$: पैटर्न 1 में आपको $2S$ मिलते हैं, और पैटर्न 2 में आपको $S$ मिलते हैं।

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

अपेक्षित मूल्य पूरी तरह से मेल खाते हैं! पहली गलत गणना में, हमने पैटर्न 1 के समय के $X$ (जो वास्तव में $S$ है) और पैटर्न 2 के समय के $X$ (जो वास्तव में $2S$ है) जैसे अलग-अलग मानों को एक ही चर $X$ के रूप में मान लिया था, जिसके कारण “बदलने पर अपेक्षित मूल्य बढ़ता है” का भ्रम पैदा हुआ।

pie title "अपेक्षित मूल्य की सच्चाई (छोटी राशि को S मानने पर)" "न बदलने का अपेक्षित मूल्य (1.5S)" : 50 "बदलने का अपेक्षित मूल्य (1.5S)" : 50

4. अगर आप लिफाफा खोल लें तो क्या होगा?

ऐसा लगता है कि विरोधाभास हल हो गया है। लेकिन, एक और गहरी समस्या इंतजार कर रही है।

क्या होगा अगर आप लिफाफा बदलने से पहले, अपने लिफाफे A के अंदर देख लें? जब आप लिफाफा A खोलते हैं, तो उसमें “10,000 येन” होते हैं।

इस क्षण, यह $X = 10000$ का एक निश्चित मान बन जाता है। लिफाफे B में या तो “5,000 येन” हैं या “20,000 येन”। अगर हम यहां पहला समीकरण लागू करें तो क्या होगा?

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

अपेक्षित मूल्य 12,500 येन है। यह वर्तमान 10,000 येन से निश्चित रूप से अधिक है। इसके अलावा, चूंकि इस बार $X$ 10,000 येन का “विशिष्ट स्थिरांक” बन गया है, इसलिए पिछले “चरों की अदला-बदली” वाला प्रतिवाद काम नहीं करेगा। तो क्या इसका मतलब यह है कि बदलना निश्चित रूप से फायदेमंद है?

बेयसियन अनुमान द्वारा खंडन: “पूर्व वितरण (Prior Distribution)” का अभाव

गणितज्ञों ने इसके जवाब में “राशि का पूर्व वितरण (पूर्व प्रायिकता)” की अवधारणा पेश की। सवाल यह है कि क्या हम वास्तव में कह सकते हैं कि 5,000 येन और 20,000 येन में से प्रत्येक के होने की प्रायिकता $\frac{1}{2}$ है?

उदाहरण के लिए, मान लीजिए कि शो का अधिकतम बजट 100 मिलियन येन है। यदि आप लिफाफा A खोलते हैं और उसमें “60 मिलियन येन” पाते हैं, तो लिफाफा B में “120 मिलियन येन” होने की प्रायिकता शून्य है (क्योंकि यह बजट से बाहर है)। दूसरे शब्दों में, लिफाफा A की राशि जितनी बड़ी होगी, लिफाफा B के “दोगुना” होने की प्रायिकता उतनी ही कम हो जाएगी, और इसके “आधा” होने की प्रायिकता बढ़ जानी चाहिए।

जब हम किसी यादृच्छिक पूर्व वितरण $P(x)$ को मानते हैं और बेयस प्रमेय का उपयोग करके अपेक्षित मूल्य की गणना करते हैं, तो यह गणितीय रूप से सिद्ध हो चुका है कि चाहे कोई भी यथार्थवादी प्रायिकता वितरण (जिसका योग 1 हो) क्यों न हो, ऐसा कोई जादुई वितरण मौजूद नहीं है जहाँ सभी राशियों $X$ के लिए “बदलना फायदेमंद” हो।

5. अनंत का जाल: सेंट पीटर्सबर्ग विरोधाभास (St. Petersburg paradox) से संबंध

केवल एक ही स्थिति मौजूद है जहाँ “सभी $X$ के लिए बदलना फायदेमंद” होता है। यह केवल तब होता है जब हम मानते हैं कि शो का बजट अनंत है, और एक “अनुचित प्रायिकता वितरण (improper probability distribution, जिसका योग अनंत होता है)” है जहाँ सभी राशियाँ (1 येन, 2 येन, 4 येन, 8 येन… अनंत) समान रूप से दिखाई देती हैं।

हालांकि, वास्तविक दुनिया में अनंत संपत्ति वाला कोई टीवी स्टेशन नहीं है। यह “अनंत अपेक्षित मूल्य” के कारण होने वाली त्रुटि, सेंट पीटर्सबर्ग विरोधाभास (एक ऐसी समस्या जिसमें अनंत अपेक्षित मूल्य वाले जुए के लिए कोई व्यक्ति कितना भुगतान कर सकता है) के साथ गहराई से जुड़ी हुई है।

6. निष्कर्ष: प्रायिकता और अपेक्षित मूल्य का डर

यद्यपि “दो लिफाफों का विरोधाभास” केवल सरल गुणा और जोड़ से बना है, यह हमें निम्नलिखित सबक सिखाता है:

परिभाषा की अस्पष्टता से उत्पन्न त्रुटियां: यदि यह स्पष्ट नहीं किया जाता है कि चर क्या दर्शाता है (क्या $X$ हमेशा एक ही राशि को दर्शाता है), तो तर्क आसानी से ढह जाता है।
“कोई जानकारी नहीं = 50% प्रायिकता” का भ्रम: यह धारणा कि “चूंकि हम नहीं जानते, इसलिए यह आधा-आधा होना चाहिए” (अपर्याप्त कारण का सिद्धांत) कभी-कभी घातक गणना त्रुटियों का कारण बन सकती है।
अनंत को संभालने की कठिनाई: जब “अनंत” की अवधारणा, जिसे वास्तविक दुनिया पर लागू नहीं किया जा सकता, गणना सूत्र में पेश की जाती है, तो यह सामान्य ज्ञान के विपरीत परिणाम उत्पन्न करती है।

अगली बार जीवन में जब आपको लगे कि “दूर के ढोल सुहावने लगते हैं, और चीजें बदलने में ही फायदा है”, तो इस विरोधाभास को याद करें। हो सकता है कि आपके गणना सूत्र में चर आपस में बदल गए हों।

मोंटी हॉल समस्या: अंतर्ज्ञान को धोखा देने वाला प्रायिकता का जाल और बायेसियन अनुमान द्वारा पूर्ण समाधान

Thu, 10 Sep 2026 00:00:00 +0900

1. मंच एक टीवी क्विज शो है: आप क्या करेंगे?

1990 में, अमेरिकी समाचार पत्रिका ‘Parade’ के कॉलम “Ask Marilyn (मर्लिन से पूछें)” में एक पाठक ने यह प्रश्न पूछा:

आप एक टीवी गेम शो के प्रतिभागी हैं। आपके सामने 3 दरवाजे (A, B, C) हैं। 1 दरवाजे के पीछे एक नई कार (इनाम) है, और बाकी 2 दरवाजों के पीछे बकरियां (खाली) हैं।

आपने सबसे पहले दरवाजा A चुना।

फिर, मोंटी हॉल (होस्ट), जो जानता है कि किस दरवाजे के पीछे नई कार है, बचे हुए दरवाजों में से दरवाजा B खोलता है जिसके पीछे बकरी है।

मोंटी आपसे कहता है: “अगर आप चाहें तो अब दरवाजा C चुन सकते हैं। आप क्या करेंगे?”

अंततः, क्या आपको दरवाजा बदलना चाहिए?

सहज रूप से ऐसा लगता है कि “केवल A और C 2 दरवाजे बचे हैं। नई कार किसमें है यह पूरी तरह से यादृच्छिक है, इसलिए जीतने की प्रायिकता दोनों की $\frac{1}{2}$ (50%) है। इसलिए बदलना या न बदलना एक ही बात है।”

लेकिन, स्तंभकार मर्लिन वोस सावांत (गिनीज बुक के अनुसार दुनिया का सबसे अधिक IQ रखने वाली महिला) ने जवाब दिया: “आपको बदलना चाहिए। अगर आप बदलते हैं तो जीतने की प्रायिकता दोगुनी हो जाती है।”

इस जवाब ने पूरे अमेरिका में सनसनी मचा दी, और लगभग 10,000 विरोध पत्र (जिनमें से लगभग 1,000 गणित में पीएचडी धारकों के थे) आए। “आप प्रायिकता के मूल सिद्धांतों को नहीं समझतीं”, “यह महिलाओं का तर्क है” जैसी तीखी आलोचनाओं की बाढ़ आ गई। लेकिन, संक्षेप में कहें तो, मर्लिन का जवाब गणितीय रूप से पूरी तरह सही था।

2. अंतर्ज्ञान और गणित के बीच का अंतर: मरमेड (Mermaid) के साथ प्रायिकता का विभाजन

हमारा अंतर्ज्ञान यह भ्रम क्यों पैदा करता है कि प्रायिकता “$\frac{1}{2}$” है? आइए सबसे पहले गेम के सभी संभावित पैटर्नों की कल्पना करें।

graph TD Start["गेम शुरू"] --> CarA["नई कार दरवाजा A में है (प्रायिकता 1/3)"] Start --> CarB["नई कार दरवाजा B में है (प्रायिकता 1/3)"] Start --> CarC["नई कार दरवाजा C में है (प्रायिकता 1/3)"] CarA --> PickA1["आप दरवाजा A चुनते हैं"] CarB --> PickA2["आप दरवाजा A चुनते हैं"] CarC --> PickA3["आप दरवाजा A चुनते हैं"] PickA1 --> HostB_or_C["होस्ट B या C खोलता है"] PickA2 --> HostC["होस्ट हमेशा C खोलता है"] PickA3 --> HostB["होस्ट हमेशा B खोलता है"] HostB_or_C --> Stay1["नहीं बदलते: इनाम!"] HostB_or_C --> Switch1["बदलते हैं: खाली..."] HostC --> Stay2["नहीं बदलते: खाली..."] HostC --> Switch2["बदलते हैं: इनाम!"] HostB --> Stay3["नहीं बदलते: खाली..."] HostB --> Switch3["बदलते हैं: इनाम!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

अगर हम मान लें कि आपने “दरवाजा A” चुना है, तो निम्नलिखित 3 परिदृश्य समान प्रायिकता ($\frac{1}{3}$) के साथ घटित होते हैं:

परिदृश्य 1 (नई कार A में है): होस्ट बकरी वाले B या C दरवाजे को खोलता है। अगर आप दरवाजा बदलते हैं तो खाली मिलेगा।
परिदृश्य 2 (नई कार B में है): होस्ट केवल बकरी वाले C दरवाजे को खोल सकता है। अगर आप दरवाजा बदलते हैं तो इनाम मिलेगा।
परिदृश्य 3 (नई कार C में है): होस्ट केवल बकरी वाले B दरवाजे को खोल सकता है। अगर आप दरवाजा बदलते हैं तो इनाम मिलेगा।

यानी, 3 में से 2 बार (परिदृश्य 2 और 3) स्थिति ऐसी होती है कि “अगर आप दरवाजा बदलते हैं तो पक्का जीतेंगे”। इसलिए, दरवाजा बदलने पर जीतने की प्रायिकता $\frac{2}{3}$ हो जाती है, जो कि नहीं बदलने की प्रायिकता $\frac{1}{3}$ की दोगुनी है।

3. बायेस की प्रमेय द्वारा सख्त प्रमाण

गणितीय रूप से इस समस्या को सख्ती से हल करने के लिए, हम सशर्त प्रायिकता (conditional probability) की गणना करने के लिए “बायेस की प्रमेय” का उपयोग करते हैं।

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

यहाँ, हम घटनाओं को इस प्रकार परिभाषित करते हैं:

$C_A, C_B, C_C$ : क्रमशः दरवाजा A, B, C में नई कार होने की घटना। पूर्व प्रायिकता $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$ है।
मान लीजिए आपने शुरुआत में दरवाजा A चुना है।
$M_B$ : होस्ट के बकरी वाले दरवाजा B खोलने की घटना।

हम जो खोजना चाहते हैं वह है, “होस्ट द्वारा दरवाजा B खोलने की शर्त के तहत, दरवाजा C में नई कार होने की प्रायिकता”, यानी पश्च प्रायिकता $P(C_C|M_B)$।

सबसे पहले, नई कार कहाँ है इसके आधार पर, हम होस्ट द्वारा दरवाजा B खोलने की प्रायिकता $P(M_B|C_X)$ पर विचार करते हैं।

अगर नई कार दरवाजा A में है ($C_A$) होस्ट B या C को यादृच्छिक रूप से खोल सकता है।
$$ P(M_B|C_A) = \frac{1}{2} $$
अगर नई कार दरवाजा B में है ($C_B$) होस्ट नई कार वाले दरवाजे को नहीं खोल सकता, इसलिए B को खोलने की प्रायिकता शून्य है।
$$ P(M_B|C_B) = 0 $$
अगर नई कार दरवाजा C में है ($C_C$) होस्ट A (जिसे आपने चुना है) और C (जहाँ नई कार है) को नहीं खोल सकता, इसलिए उसके पास B को खोलने के अलावा कोई विकल्प नहीं है।
$$ P(M_B|C_C) = 1 $$

इसके बाद, “संपूर्ण प्रायिकता की प्रमेय” से होस्ट द्वारा दरवाजा B खोलने की कुल प्रायिकता $P(M_B)$ की गणना करते हैं।

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

अब, दरवाजा A और दरवाजा C की पश्च प्रायिकता की गणना के लिए बायेस की प्रमेय लागू करते हैं।

दरवाजा A (नहीं बदलने की स्थिति में) में नई कार होने की प्रायिकता:

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

दरवाजा C (बदलने की स्थिति में) में नई कार होने की प्रायिकता:

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

गणितीय प्रमाण स्पष्ट रूप से दिखाता है कि “दरवाजा बदलने पर जीतने की प्रायिकता दोगुनी (2/3) हो जाती है”।

4. संज्ञानात्मक पूर्वाग्रह: “कंडीशनिंग” नामक जानकारी का मूल्य

कई प्रतिभाशाली गणितज्ञों ने भी सहज रूप से इस समस्या में गलती क्यों की? इसके पीछे हमारे मस्तिष्क में मौजूद “समान प्रायिकता पूर्वाग्रह (Equiprobability Bias)” और “जानकारी को अपडेट करने में विफलता” है।

4.1. समान प्रायिकता पूर्वाग्रह (Equiprobability Bias)

जब इंसानों को अज्ञात विकल्प दिए जाते हैं, तो उनमें अनजाने में यह मानने की प्रवृत्ति होती है कि “बचे हुए विकल्पों की प्रायिकता हमेशा समान होती है”। जैसे ही वे 2 दरवाजे बचे हुए देखते हैं, मस्तिष्क स्वतः ही उन्हें “$50\%$ : $50\%$” का लेबल लगा देता है।

4.2. होस्ट के “इरादे” की जानकारी

सहज ज्ञान के गलत होने का सबसे बड़ा कारण इस तथ्य को नज़रअंदाज़ करना है कि होस्ट का व्यवहार यादृच्छिक नहीं है। यदि नियम ऐसा होता कि “होस्ट बिना यह जाने कि नई कार कहाँ है, यादृच्छिक रूप से एक दरवाजा खोलता है, और संयोग से वहाँ एक बकरी होती” (इसे मोंटी फॉल समस्या कहा जाता है), तो दरवाजा A और दरवाजा C दोनों की प्रायिकता $\frac{1}{2}$ होती।

लेकिन वास्तविक मोंटी हॉल समस्या में, होस्ट निम्नलिखित सख्त प्रतिबंधों के तहत कार्य करता है:

वह प्रतिभागी द्वारा चुना गया दरवाजा नहीं खोल सकता।
वह नई कार वाला दरवाजा नहीं खोल सकता।

इन प्रतिबंधों के कारण, होस्ट द्वारा “दरवाजा B खोलने” का कृत्य ही हमें दरवाजा C के बारे में एक बहुत बड़ी जानकारी देता है। इसमें एक मूक संदेश छिपा है: “मैं दरवाजा C नहीं खोल सका (क्योंकि वहाँ एक नई कार है)"।

5. एक चरम उदाहरण के साथ अंतर्ज्ञान को सुधारना

अगर आप अभी भी आश्वस्त नहीं हैं, तो आइए दरवाजों की संख्या बढ़ाकर 1 मिलियन कर दें।

आप 1 मिलियन दरवाजों में से दरवाजा 1 चुनते हैं। (जीतने की प्रायिकता $\frac{1}{1,000,000}$ है)
सब कुछ जानने वाला होस्ट बचे हुए 999,999 दरवाजों में से उन 999,998 दरवाजों को खोल देता है जिनमें बकरियां हैं।
अब केवल दो दरवाजे बंद हैं: आपका चुना हुआ “दरवाजा 1”, और वह दरवाजा जिसे होस्ट ने जानबूझकर छोड़ दिया “दरवाजा 777,777”।

अब, क्या आप बदलेंगे? इस मामले में, यदि आप मानते हैं कि आपने पहली बार में “10 लाख में 1” का चमत्कार हासिल कर लिया था, तो आपको नहीं बदलना चाहिए। लेकिन, वास्तविक रूप से यह समझना आसान है कि “उस इकलौते दरवाजे जिसे होस्ट ने बिल्कुल नहीं खोला” में नई कार होने की प्रायिकता $\frac{999,999}{1,000,000}$ है।

मोंटी हॉल समस्या (3 दरवाजे) वास्तव में इसी “1 मिलियन दरवाजों” की घटना का छोटा संस्करण है।

pie title "दरवाजा बदलने का प्रभाव (100 बार का सिमुलेशन)" "बदलकर इनाम (लगभग 66.7%)" : 67 "बिना बदले इनाम (लगभग 33.3%)" : 33

6. निष्कर्ष: व्यापार और जीवन के सबक जो प्रायिकता सिद्धांत सिखाता है

मोंटी हॉल समस्या केवल एक क्विज से बढ़कर है, यह हमें महत्वपूर्ण सबक सिखाती है।

अंतर्ज्ञान अक्सर गलत होता है: मानव मस्तिष्क जटिल सशर्त प्रायिकताओं को सहज रूप से संसाधित करने के लिए विकसित नहीं हुआ है। महत्वपूर्ण निर्णय लेते समय, केवल अंतर्ज्ञान पर निर्भर रहना खतरनाक है।
नई जानकारी के साथ प्रायिकता को अपडेट करना (Bayesian updating): जब परिस्थितियाँ बदलती हैं और नई जानकारी (जैसे कि होस्ट ने कौन सा दरवाजा खोला) सामने आती है, तो अपने मौजूदा विचारों से चिपके न रहकर प्रायिकता और रणनीतियों को लचीले ढंग से अपडेट करने की क्षमता ही सफलता की कुंजी है।

“दरवाजा बदलने” का यह छोटा सा निर्णय आपके जीवन में “नई कार” प्राप्त करने की प्रायिकता को दोगुना कर सकता है।