
Arabic: 
مرحبًا ، أنا أدريان هيل ، ومرحباً بكم مرة أخرى في Crash Course ، علم الإحصاء
إذا كُنت رأيت في أي وقتٍ مضى وجهًا في البصل ، أو الجبن المشوي ، أو أي كائن جمادي آخر
لقد اختبرت باريدوليا ، التي هي نتاج لأدمغتنا
التي تسبب لنا رؤية نمط الوجه في الأجسام غير الوجهية في الكائنات
يحدث ذلك لأن أدمغتنا جيدة جدًا في رؤية الأنماط ، التي تراها أحيانًا
عندما لا تكون موجودة حقًا ، مثل الوجه في هذا الفُلفُل
والوجوه ليست الأنماط الوحيدة التي نراها
إن أدمغتنا تدرك الأنماط في كل شيء ، خاصة في تسلسل الأحداث
النوع الذي سنراه اليوم عندما نبدأ بالحديث عن الاحتمالية
مقدمة
حسنًا ، لنضع أولاً تعريفًا أكثر تحديدًا لماهية الإحتمال
لأن الطريقة التي نستخدم بها الكلمة في الحياة اليومية يمكن أن تكون مختلفة عن طريقة إستخدامنا لها في علم الإحصاء

English: 
Hi, I’m Adriene Hill, and Welcome back to
Crash Course, Statistics.
If you’ve ever seen a face in an onion,
or a grilled cheese, or any other inanimate
object, you’ve experienced pareidolia, which
is a product of our brains that causes us
to see the pattern of a face in non-face objects.
This happens because our brains are so good
at seeing patterns, that they sometimes see
them when they’re not really there, like
a face in this bell pepper.
And faces aren’t the only patterns we see.
Our brains recognize patterns in everything,
especially in sequences of events, like the
kind we’ll see today as we start talk about Probability.
INTRO
Alright, first let’s just establish a more
specific definition of what probability is,
because the way we use the word in everyday life can be different from how we use it in Statistics.

Arabic: 
يتحدث الإحصائيون عن نوعين من الاحتمالات: التجريبية ، والنظرية
الإحتمال التجريبي هو شيء نُلاحظه في البيانات الفعلية ، مثل نسبة الفتيات
في كل أسرة على حدة
لديه بعض عدم اليقين لأنه ، مثل العينات في التجارب ، هي مجرد
كمية صغيرة من البيانات المُتاحة
الاحتمالات التجريبية ، مثل إحصاءات العينة ، تُعطينا لمحة عن الأرجحية النظرية الحقيقية
لكنها لن تكون دائما مساوية لها بسبب عدم اليقين وعشوائية
أي عينة
الاحتمال النظري من ناحية أخرى ، أكثر من مثالية أو حقيقة
في الكون لا يمكننا رؤيتها مباشرة
مثلما نستخدم عينات من البيانات لتخمين المعنى الحقيقي أو الانحراف المعياري
للسكان ، يمكننا استخدام عينة من البيانات لتخمين ماهية الإحتمال الحقيقي
لحدث ما
لنفترض أنك تلعب بآلة القمار مرارًا وتكرارًا ،
ستتمكن من تخمين احتمال الفوز بالجائزة الكبرى عن طريق حساب عدد المرات التي تفوز بها وتقسيمها على عدد
المرات التي لعبت فيها
إذا كنت تلعب 100 مرة وتكسب 6 مرات ، فيمكنك أن تكون متأكدًا أن احتمال حصولك

English: 
Statisticians talk about two types of probability:
empirical, and theoretical.
Empirical probability is something we observe
in actual data, like the ratio of girls in
each individual family.
It has some uncertainty, because like the
samples in experiments, it’s just a small
amount of the data that is available.
Empirical probabilities, like sample statistics,
give us a glimpse at the true theoretical
probability, but they won’t always be equal
to it because of the uncertainty and randomness
of any sample.
The theoretical probability on the other hand,
is more of an ideal or a truth out there in
the universe that we can’t directly see.
Just like we use samples of data to guess
what the true mean or standard deviation of
the population is, we can use a sample of
data to guess what the true probability of
an event is.
Say you play a slot machine over and over,
you’ll be able to guess the probability
of winning the jackpot by counting the number
of times you win, and dividing it by the number
of times you played.
If you play 100 times and win 6 times, you can be pretty sure that the probability of getting

Arabic: 
على الجائزة الكبرى هو حوالي 6/100 أو 6٪
الآن ، هذا لا يعني أنه بإمكانك استبعاد أن الاحتمالية الحقيقية هي 5٪
أو حتى 10٪ ، ولكنك متأكد تمامًا من أنها قريبة من 6٪ ، وليس 99٪
لذالك ، فإن الاحتمال التجريبي يمكن أن يكون تقديرًا جيدًا لتلك النظرية
حتى لو لم يكن دقيقًا
لقد تحدثنا حتى الآن عن إحتمال حدث واحد فقط ، ولكن غالبًا قد يكون هناك
حدثان أو أكثر نود التفكير فيهما ،
مثل ما إذا كنت تريد أن تعرف إحتمالية اختيار اللون البنفسجي أو اللون الأحمر  للحقيبة
نسبة كل لون في كيس من لعبة القناني الخشبية التسع والكرة متساوية تقريباً ، 20٪ لكل من الألوان الخمسة
لنفترض أنك حددت عشوائيًا لعبة القناني الخشبية التسع والكرة بدون النظر إليها
لهذا ، نحن بحاجة إلى قاعدة إضافة الاحتمال
نظرًا لأن لعبة القناني الخشبية التسع والكرة لا يمكن أن يكون لونين مختلفين في وقت واحد ، فإن إمكانيات الألوان تكون متبادلة بشكل حصري
هذا يعني أن احتمالية أن يكون القناني الخشبية التسع والكرة أحمر وبنفسجي في نفس الوقت هو صفر
لذلك ، يمكننا إستخدام قاعدة الجمع المبسطة التي تقول أن احتمال الحصول
على الأحمر  والبنفسجي في لعبةالقناني الخشبية التسع والكرة هو مجموع إحتمال الحصول على الأحمر  ، وإحتمال

English: 
a jackpot is around 6/100 or 6%.
Now this isn’t to say that you can rule
out that the true probability is 5% or even
10%, but you’re relatively sure that it’s
close to 6%, and not, say 99%.
So, the empirical probability can be a good
estimation of the theoretical one, even if
it’s not exact.
So far we’ve been talking about the probability
of just one event, but often there may be
two or more events that we want to consider,
like what if you want to know the probability
of picking a purple OR a red skittle from
a bag.
The proportion of each color in a bag of Skittles
is roughly equal, 20% for each of the 5 colors.
So let’s say you randomly select a Skittle
without looking.
For this, we need the addition rule of probability.
Since a Skittle can’t be two different colors
at once, the color possibilities are Mutually Exclusive.
That means the probability of a Skittle being
red AND purple at the same time is 0.
So, we can use the simplified addition rule
which says that the probability of getting
a Red or Purple Skittle is the sum of the
probability of getting a Red, and the probability

English: 
of getting a purple.
Since we’re going to be talking a lot about
probability in the next few episodes I’m
going to introduce a little notation.
Instead of writing out “the probability
of Red” we can use the notation P(Red).
The probability of getting a red OR purple
would then be written P(Red or Purple).
So far we know what the probability of Red
or Purple is, P(Red) + P(Purple), or 0.2+0.2
That equals 0.40 or 40%.
I like all skittles so the probability that
I will get a skittle I like is 0.2 + 0.2 +0.2
+0.2 +0.2.
That’s 100%.
Good odds!
Red and Purple Skittles are mutually exclusive, but not all the events we’re interested in are.
For example, if you roll a die and flip a
coin, the probability of getting a tails is
not mutually exclusive of rolling a 6, since
you can both roll a 6 and flip tails in the
same turn.
Since P(tails or 6) ≠ 0, these two events
are not mutually exclusive, and we’ll need
to adjust our addition rule accordingly.

Arabic: 
الحصول على اللون البنفسجي
بما أننا سنتحدث كثيرًا عن الإحتمالات في الحلقات القليلة القادمة
سأقدم تدوينًا صغيرًا
بدلاً من كتابة "إحتمالية الأحمر" يمكننا استخدام الترميز P (الأحمر)
عندئذ يتم كتابة إحتمالية الحصول على أحمر أو بنفسجيP (أحمر أو بنفسجي)
إذن حتى الآن نعرف ما هي احتمالية الأحمر أو البنفسجي ، P (الأحمر) + P (البنفسجي) ، أو 0.2 + 0.2
يساوي 0.40 أو 40٪
أنا أحب جميع لُعب القناني الخشبية التسع والكرة ، لذا فإن الاحتمال الذي سأحصل عليه عن طريق لعبة البولنج هو 0.2 + 0.2 + 0.2
+ 0.2 + 0.2
وهي 100٪
إحتمالاتٌ جيدة
لعبة البولينغ الحمراء والبنفسجية حصرية ، ولكن ليست كل الأحداث التي تهتم بها
على سبيل المثال ، إذا قمت بدحرجة قطعة نرد وعملة معدنية ،  فإن احتمالية الحصول على النقش
لا تتعارض بشكل متبادل مع تدحرج 6 ، حيث يمكنك دحرجة 6 والنقوش
في نفس المنعطف
نظرًا لأن (P (النقوش) أو 6 لايساوي صفر ، فإن هذين الحدثين لا يستبعد أحدهما الآخر ،
وسنحتاج إلى تعديل قاعدة الإضافة وفقًا لذلك

English: 
The full version of the addition rule states
that P(tails or 6) = P(tails) + P(6) - P(tails and 6).
When two things are mutually exclusive, the
probability that they happen together is 0,
so we ignored it, but now the probability
of both these things happening is not zero,
so we’ll need to calculate it.
You can see here that there are 12 possible
outcomes when flipping a coin and rolling a die.
There are 6 outcomes with a tails, and 2 outcomes
with a 6.
If we add all of those together we get 8,
but by looking through the chart, we can tell
that there are only 7 possible outcomes that
have either a tails or a 6.
When we count T’s and 6’s independently,
we double count the outcomes that have both
If we didn’t subtract off the probability
of (tails and 6), we would double count it.
Let’s put these probabilities into a Venn
Diagram we can see even more clearly why we
need to subtract P(Tails and 6).
If this Circle is all the Times we flip tails,
and this circle is all the times we roll a
6, this overlapping area is counted twice
if we simply added the two circles together.

Arabic: 
النسخة الكاملة من قاعدة الإضافة تنص أنP (tails or 6) = P (tails) + P (6) - P (tails and 6)
عندما يكون هُناك شيئين متنافيين ، فإن إحتمال حدوثهما معًا هو صفر
لذلك نحن نتجاهلها ، ولكن الآن إحتمال حدوث كل من هذه الأشياء ليست صفراً
لذلك سنحتاج إلى حسابها
تستطيع أن ترى هنا أن هناك 12 من النتائج المحتملة عند دحرجة العملة وتقليب النرد
هناك 6 نتائج مع النقوش ، ونتائج 2 مع 6
إذا أضفنا جميعًها معًا ، نحصل على 8 ، ولكن بالنظر إلى المخطط ، يمكننا أن نقول
أن هناك 7 نتائج محتملة فقط لها إما نقوش أو 6
عندما نعتمد على T و 6 بشكل مستقل ، فإننا نحصي مضاعفة النتائج التي تتضمن كلاهما
إذا لم نطرح احتمالية (النقوش و 6) ، فسنضاعفها
دعونا نضع هذه الاحتمالات في رسم " فين" البياني يمكننا أن نرى بوضوح أكبر
لماذا نحتاج لطرح P (النقوش)
إذا كانت هذه الدائرة هي جميع الأوقات التي نقلب فيها النقش ، وهذه الدائرة هي جميع الأوقات التي ندحرج
فيها 6 ، يتم حساب هذه المنطقة المتداخلة مرتين إذا أضفنا الدائرتين معًا

Arabic: 
في هذه الحالة البسيطة ، يمكننا بسهولة معرفة مدى احتمال وجود النقش و 6 ، ولكن في بعض الأحيان
ليس من السهولة معرفة ذلك
لهذا السبب لدينا قاعدة الضرب ، التي تساعدنا على معرفة إحتمال
حدوث شيئين أو أكثر في نفس الوقت
لنفترض أنك اكتشفت للتو أن الممثل Cole Sprouse ينتقل إلى WHL المحلي كثيرًا
وهناك إحتمال من 20٪  أن يكون هناك لتناول العشاء في أي ليلة
و بالتأكيد ، أعرف أن هذا ليس طريقة عمل الناس ولكننا سنقول كيف يعمل كول سبروس
على أي حال ، فوق ذلك ، لديك IHOP المحلي الخاص بك قاموا بترويج حيث يختارون بشكل عشوائي
بالتأكيد لتكون "ليلة الآيس كريم الحرة" على أمل أن الزبائن سيواصلون العودة
في حالة تلك الليلة
كل ليلة هناك فرصة 10 ٪ أنه سيكون "ليلة الآيس كريم الحرة"
الآن ، أنت تحب الآيس كريم وأنت تحب كول سبروس - كما هو الحال تمامًا - وستشمل
ليلتك المثالية كلاهما
لذلك تحاول حساب الاحتمال الذي سيحدث في زيارتك الليلة
من خلال إستخدام قاعدة الضرب ، ضاعف إحتمال أن يكون كول سبروس في IHOP

English: 
In this simple case, we could easily see what the probability of tails and 6 is, but sometimes
it’s not so easy to figure out.
That’s why we have the Multiplication Rule,
which helps us figure out the probability
of two or more things happening at the same
time.
Let’s say you just found out that actor
Cole Sprouse goes to your local IHOP pretty
often, and there’s a 20% chance that he’ll
be there for dinner any given night.
And yeah, I know that’s not how people work
but we’re going to say that’s how Cole
Sprouse works.
Anyway to top that off, your local IHOP has
a promotion where they randomly select certain
nights to be “Free Ice Cream Night” in
the hopes that customers will keep coming
back in case that night is the night.
Each night there’s a 10% chance that it
will be “Free Ice Cream Night”.
Now, you love ice cream and you like like
Cole Sprouse--as do we all--and your perfect
night would include them both.
So you try to calculate the probability that
will happen on your visit tonight.
Using the multiplication rule, multiply the
probability that Cole Sprouse will be at IHOP,

Arabic: 
0.2 ، مع احتمال أن تكون ليلة الآيس كريم الحرة ، 0.1
وأدركت بشكل مُحزن أن هناك فرصة بنسبة 2٪ فقط ستحصل
على رؤية كول وتحصل على حلوى مجانية الليلة
عندما نريد أن نعرف إحتمال حدوث أمرين يحدثان في الوقت نفسُهُ ، نحتاج أولاً
إلى النظر فقط في الأوقات التي يكون فيها شيء واحد - كول في IHOP - صحيح ، وهو 20٪ من الوقت
الآن بعد أن قمنا بتخفيض خياراتنا إلى ليالي كول فقط ، من بين كل هذه الأوقات في كول ، كم مرة
يتم توفير الوقت المجاني للبوظة؟
فقط 10 ٪ من ليال كول
10٪ من النسبة الأصلية 20٪ تترك فقط فرصة 2٪ أن يحدث كلاهما في نفس الوقت
ولكن يُمكنك دائمًا تغيير توقعاتك وحساب إحتمالية الحصول على أي منهما
بإستخدام قانون الإضافة
كول أو الآيس كريم المجاني الذي يُحسب عن طريق إضافة إحتمال كول
إلى إحتمال الآيس كريم المجاني ، ناقص إحتمال كلاهما - لذلك لا نضاعف حساب أي شيء
تدرك أن هناك فرصة بنسبة 28٪ لحدوث شيء جيد هذه الليلة
، لذا قررت الإستمرار ، بغض النظر عن ما ستحصل عليه لنخب فرنسية
كول سبروس و آيس كريم ليلي مجانيان مستقلان

English: 
0.2, with the probability that it will be
Free Ice Cream Night, 0.1.
And you come to the sad realization that there’s
only a 2% chance that you’ll get to see
Cole and get free dessert tonight.
When we want to know the probability of two
things happening at the same time, we first
need to look at only the times when one thing--Cole
is at IHOP--is true, which is 20% of the time.
Now that we reduced our options to just Cole
nights, out of all these Cole times, how often
is it free ice cream time?
Only 10% of Cole nights.
10% of the original 20% leaves only a 2% chance
that both will happen at the same time.
But you could always change your expectations
and calculate the probability of getting either
by using the addition rule.
Cole or free Ice cream which, is calculated
by adding the probability of Cole, to the
probability of Free Ice Cream, minus the probability
of both--so we don’t double count anything.
You realize that there’s a 28% chance that
something good will happen tonight, so you
decide to still go, no matter what you’re
going to get French Toast.
Cole Sprouse and Free Ice Cream Night are
independent.

Arabic: 
"كول" ليس لدى  أي معرفة سرية عن توقيت "ليلة الآيس كريم المجانية" ، لذلك لم يؤثر على قراره
لم يؤثر قط على قراره بالقدوم
يعتبر حدثان مستقلان إذا لم يتم تغيير احتمالية حدوث حدث ما سواء حدث الحدث الثاني أم لا
بعبارات أكثر تحديدًا ، إذا كان قرار كول بالذهاب إلى IHOP مستقلاً عن قرار IHOP
بمنح الآيس كريم المجاني ، من أن يكون احتمال ظهور كول هو نفسه في الليالي سواءاً  كان
آيس كريم وغير الآيس كريم ، نظرًا لأنه بشكل عشوائي
نكتب الإحتمالات الشرطية كـ P (حدث 1 | الحدث 2)
تُخبرنا الإحتمالات الشرطية بإحتمال الحدث 1 ، نظراً لأن الحدث 2 قد حدث بالفعل
إذا كان هناك حدثان مستقلان - مثل ليلة كول والآيس كريم - فإننا نتوقع P (كول | ليلة الآيس كريم)
أن يكون هو نفسه مجرد غمر وربط الهدفP (كول) ، حيث أن الأمرين غير مرتبطين
إذا لم يكن P (كول | آيس كريم ) مثلما هو مُخطط لها كما مجرد غمر وربط الهدف P (كول) فهذا يعني
أن ليلة الآيس كريم قد تؤثر بطريقة أو بأخرى على قرار كول للظهور في IHOP

English: 
Cole doesn’t have any secret knowledge about
when it’s Free Ice Cream Night, so it has
never affected his decision to come.
Two events are considered independent if the
probability of one event occurring is not
changed by whether or not the second event
occurred.
In more concrete terms, if Cole’s decision
to go to IHOP is independent of IHOP’s decision
to give out free ice cream, than the probability
of Cole showing up should be the same on both
ice cream and non ice-cream nights, since
he’s just choosing randomly.
We write conditional probabilities as P(Event
1 | Event 2).
Conditional probabilities tell us the probability of Event 1, given that Event 2 has already happened.
If two events are independent--like Cole and ice cream night--then we expect P(Cole | Ice Cream Night)
to be the same as just plain ole P(Cole), since the two things are unrelated.
If P(Cole | Ice Cream) wasn’t the same as
plain ole P(Cole), then that means that Ice
Cream night might somehow affect Cole’s
decision to show up at IHOP.

English: 
We calculate conditional probability P( Event
2 | Event 1) by dividing the probability of
Event 1 and Event 2 by the Probability of
Event 1.
The role of conditional probabilities are
particularly important when we consider medical screenings.
For example, when screening for cervical cancer
it used to be recommended that all adult women
get screened once a year.
But sometimes the results of the screenings
are wrong.
Either they can say there’s something abnormal
when there isn’t (called a false positive)
or that everything is all clear when it’s
really not (called a false negative).
This is exactly the kind of scenario where
knowing the likelihood that something is actually
abnormal in this case cervical cancer given
that you’ve gotten positive tests results
would be useful.
That is P(Cancer | Positive Test).
When looking at the data of people who DON’T
have cancer, 3% will get a false positive.
And people who DO have cancer will get false
negatives 46% of the time.
This means we miss a lot.
And maybe freak some people who don’t need to be freaked out.

Arabic: 
نقوم بحساب الإحتمال الشرطي P (الحدث 2 | الحدث 1) بتقسيم الحدث الإحتمالي
1 والحدث 2 بواسطة احتمال الحدث 1
وظيفة الإحتمالات الشرطية مهمة بشكل خاص عندما نتأمل في الفحص الطبي
على سبيل المثال : عند فحص سرطان عنق الرحم كان من الموصى به أن يتم فحص جميع النساء البالغات
مرة واحدة في السنة
لكن في بعض الأحيان تكون نتائج الفحوص خاطئة
إما أن يقولوا أن هناك شيئًا غير طبيعي في حالة عدم وجودها (يُطلق عليه اسم "خطأ كاذب")
أو أن كل شيء يكون واضحًا تمامًا عندما لا يكون صحيحًا (يُسمى سلبيًا كاذبًا)
هذا هو بالضبط نوع السيناريو الذي فيه يُعرف  إحتمال شيء ما بالفعل
غير طبيعي في هذه سيكون الحالة سرطان عنق الرحم نظرًا لأن نتائج الاختبارات
سيكون مفيداً
هذا هو P (السرطان | اختبار إيجابي)
عند النظر إلى بيانات الأشخاص الذين لا يعانون من السرطان ، فإن 3٪ سيحصلون على نتيجة إيجابية كاذبة
والأشخاص الذين لديهم مرض السرطان سيحصلون على بيانات سلبية زائفة بنسبة 46٪ من الوقت
هذا يعني أننا نفتقد الكثير
وربما نزوة بعض الأشخاص الذين لا يحتاجون إلى أن يفزعوا

English: 
The logic of conditional probabilities can
help us make sense of why doctors have recently
recommended that these tests be done less
frequently in some cases.
In the United States, the rate of cervical
cancer is about 0.0081%, so only about 8 in
100,000 women get cervical cancer.
Using our rates of false negatives and positives,
we can see that for every 100,000 women in
the US, only about 4...and we’re rounding
here of the about 3,004 people with positive
tests actually had abnormal growths.
That means the conditional probability of
having cancer, given that you got a positive
test is only 0.1%. Give or take. We're rounding.
And these positive tests require expensive
and invasive follow up tests.
And I just want to point out that conditional
probabilities aren’t reciprocal.
That is to say P(Cancer|Pos Test) isn’t the same as P(Pos Test| Cancer) which would be about 50%.

Arabic: 
يمكن أن يُساعدنا منطق الإحتمالات الشرطية في فهم الأسباب التي جعلت الأطباء
يوصون في الآونة الأخيرة بإجراء هذه الإختبارات بشكل أقل في بعض الحالات
في الولايات المتحدة ، يبلغ معدل الإصابة بسرطان عنق الرحم حوالي 0.0081٪ ، لذا فإن 8٪ فقط
من بين 100.000 امرأة يصبن بسرطان عنق الرحم
بإستخدام معدلات السلبيات والإيجابيات الخاطئة لدينا ، يمكننا أن نرى أن لكل 100000 امرأة
في الولايات المتحدة ، فقط حوالي 4 ... ونحن نُقَرب هنا حوالي 3،004 شخص مع اختبارات إيجابية
في الواقع كان لديهم نمو غير طبيعي
وهذا يعني أن الإحتمال المشروط للاصابة بالسرطان ، نظراً لأنك حصلت على اختبار إيجابي
هو فقط 0.1 ٪. اعط او خذ. نحن نُقرب
وتتطلب هذه الإختبارات الإيجابية إختبارات متابعة مكلفة و غزوية
وأريد فقط الإشارة إلى أن الإحتمالات الشرطية ليست متبادلة
أي أنP (السرطان | إختبار إيجابي) لا يُشبه إختبار P (إختبار إيجابي | السرطان) الذي سيكون حوالي 50٪

Arabic: 
في الحياة الواقعية ، لن تكون دائمًا على دراية بإحتمالية ظهور كول سبروس
في iHop وهو أمرٌ لا يمكن التنبؤ به بهذه الطريقة
لا يمكن التنبؤ بها مثل ... إلى حد كبير بقية الحياة
قد يكون من الصعب للغاية وضع إحتمال معين في الكثير من المواقف اليومية
مثل مدى إحتمالية أن يأخذ مُعلمك اليوم إجازة مرضية
مثل ما إذا كنت ستلتقط جميع الأضواء الحمراء وأنت في طريقك إلى المدرسة
يمكن أن تتطلب الإحتمالات - كما رأينا - الكثير من الحسابات - وليس هناك دائمًا
وقت لذلك
لكن هذا لا يعني أنها تنتمي فقط إلى الجانب المدرسي فقط من دماغك
لنفترض أنك تريد الخروج ليلة الجمعة مع الأصدقاء
أكثر من أي شيء لا تريده
في الأسبوع الماضي ، أنتهى بك الحال على الأريكة وأنت تشاهد ساندي وكسلر مرة أخرى
أنت تعرف أنه سيكون من الصعب الحصول على تذاكر لمشاهدة Black Panther حتى تتمكن من عمل خطة احتياطية
في حال وجودها
يمكنك دائمًا إخراج الدفق دون سرقته بالطبع
ولكن إذا كنت مصمماً على رؤيةBlack Panther في المسرح ، فإن الاحتمالية ستساعد على تحديد توقعاتك
إذا كنت ستستقر فقط في تذاكر الصف المركزي ، فمن المرجح أن تشعر بخيبة أمل
ستكون فرصتك في رؤية Black Panther أكبر إذا كنت ترغب في الحصول على أي تذاكر يمكنك الحصول عليها

English: 
In real life you’re not always going to
know the probability of Cole Sprouse showing
up at the iHop--he’s unpredictable that
way.
Unpredictable like ...pretty much the rest
of life.
It can be very difficult to put a specific
probability on a lot of everyday situations.
Like how likely it is that your teacher will
call-in sick today.
Like whether or not you’re going to catch
all the red lights on your way to school.
Probabilities can--as we’ve seen--require
a lot of calculations--and there’ not always
time for that.
But that doesn’t mean they belong only on
the school-only side of your brain.
Say you want to go out on a Friday night with
friends.
More than anything you don’t want it to
suck.
Last week you wound up on the couch watching
Sandy Wexler, again.
You know it’ll be hard to get tickets to
see Black Panther so you make a backup plan
just in case.
You can always stream Get Out without stealing
it of course.
But if you’re determined to see Black Panther
in the theater, Probability will help set
your expectations.
If you’ll only settle for center row tickets
you’re more likely to be disappointed.
Your chance of seeing Black Panther is going
to be greater if you’re willing to settle

Arabic: 
تُساعدنا الإمكانات في فهم السبب في أنه من المنطقي التقدم إلى أكثر من كلية واحدة
لماذا لا ينبغي لنا أن نتوقع أن تكون أول قصة قصيرة تكتبها تحصل
على علامة A وتنشر في مجلة New Yorker
ومدى احتمالية حصولك على وحيدات النوى
نظرا لأن لديك كبيرة أخرى لديها أحادية النوى
يُمكن أن تُساعدك الاحتمالية في معرفة ذلك أيضًا
نفذ الترجمة : شوان حميد
تويتر : @shwan_hamid
 

English: 
for whatever tickets you can get.
Probabilities help us understand why it makes
sense to apply to more than one college.
Why we should shouldn’t expect that the
first short story you write will be get an
A and be published in the New Yorker.
And how likely it is that you’ll get mono.
Given your significant other has mono.
Probability can help you figure that out too.
Thanks for watching. We'll see you next time.
