ปัญหาวันเกิด

ปัญหาวันเกิด หรือ ปฏิทรรศน์วันเกิด ^[1] ในเรื่องทฤษฎีความน่าจะเป็น เกี่ยวข้องกับความน่าจะเป็นที่กลุ่มคนซึ่งถูกเลือกโดยการสุ่ม n คน จะมีบางคู่ในกลุ่มที่มีวันเกิดตรงกัน หากพิจารณาตามหลักรังนกพิราบ ความน่าจะเป็นดังกล่าวจะเป็น 100% ถ้าจำนวนคนในกลุ่มมี 367 คน (เนื่องจากวันที่เป็นไปได้ทั้งหมดมี 366 วัน รวม 29 กุมภาพันธ์ด้วย) อย่างไรก็ตาม ความน่าจะเป็น 99% จะเกิดกับกลุ่มคนเพียง 57 คน และความน่าจะเป็น 50% จะเกิดกับกลุ่มคนเพียง 23 คน การสรุปเหล่านี้ใช้พื้นฐานบนสมมติฐานว่า แต่ละวันของปีมีความเป็นไปได้ที่จะเป็นวันเกิดอย่างเท่าเทียมกัน (ยกเว้น 29 กุมภาพันธ์)

คณิตศาสตร์ที่อยู่เบื้องหลังปัญหานี้นำไปสู่ปัญหาการโจมตีทางวิทยาการเข้ารหัสลับอันเป็นที่รู้จักเรียกว่า การโจมตีวันเกิด ซึ่งใช้ตัวแบบความน่าจะเป็นนี้ลดความซับซ้อนในการเจาะฟังก์ชันแฮช

ความเข้าใจในตัวปัญหา แก้

ปัญหาวันเกิดถามว่า คนหนึ่งคนใดในกลุ่มที่กำหนด มีวันเกิดตรงกับคนอื่นคนใดหรือไม่ มิได้ถามเฉพาะเจาะจงว่าตรงกับคนหนึ่งเพียงคนเดียวหรือไม่

ตัวอย่างที่ให้มาก่อนหน้านี้คือกลุ่มคน 23 คน การเปรียบเทียบวันเกิดของคนแรกกับวันเกิดของคนอื่นจะมีโอกาส 22 ครั้งเพื่อหาว่าวันเกิดตรงกันหรือไม่ วันเกิดของคนที่สองกับวันเกิดของคนอื่นก็จะมีโอกาส 21 ครั้ง วันเกิดของคนที่สามก็จะมีโอกาส 20 ครั้ง เป็นเช่นนี้ต่อไปเรื่อย ๆ เพราะฉะนั้นโอกาสรวมทั้งหมดที่จะเปรียบเทียบคือ 22 + 21 + 20 + ... + 1 = 253 ครั้ง ดังนั้นการเปรียบเทียบทุก ๆ คนกับคนอื่นทั้งหมดจะทำได้ 253 วิธีที่แตกต่างกัน (การจัดหมู่) หรือกล่าวได้ว่า กลุ่มคน 23 คนสามารถจับคู่ได้ทั้งหมด $\textstyle {23 \choose 2}={\frac {23\cdot 22}{2}}=253$ คู่

สมมติว่าวันเกิดทั้งหมดสามารถเป็นไปได้อย่างเท่าเทียมกัน ^[2]^[3]^[4] ความน่าจะเป็นที่วันที่ตั้งขึ้นมาจะเป็นวันเกิดของใครสักคน ซึ่งเลือกมาโดยการสุ่มจากประชากรทั้งหมดอยู่ที่ 1/365 (ไม่พิจารณาอธิกวารคือ 29 กุมภาพันธ์) ถึงแม้การจับคู่ภายในกลุ่มคน 23 คน ไม่เทียบเท่าเชิงสถิติศาสตร์กับการเลือกคู่โดยอิสระ 253 คู่ ปฏิทรรศน์วันเกิดจะแปลกประหลาดน้อยลง ถ้ากลุ่มคนถูกพิจารณาว่าเป็นจำนวนคู่ที่เป็นไปได้ทั้งหมด มากกว่าที่จะเป็นจำนวนรายคน

การคำนวณความน่าจะเป็น แก้

ปัญหาคือการคำนวณความน่าจะเป็นโดยประมาณว่า ในกลุ่มคน n คน จะมีอย่างน้อยสองคนที่มีวันเกิดตรงกัน สำหรับกรณีง่ายสุดคือไม่สนใจความแปรปรวนในการแจกแจง เช่นปีอธิกสุรทิน ฝาแฝด ความแปรปรวนเชิงฤดูกาลหรือวันในสัปดาห์ และสมมติว่าวันเกิดที่เป็นไปได้ 365 วันอย่างเท่าเทียมกัน การแจกแจงวันเกิดในชีวิตจริงไม่เป็นเอกรูปเพราะทุกวันมิได้มีโอกาสอย่างเท่าเทียมกัน

ถ้าให้ P(A) คือความน่าจะเป็นที่อย่างน้อยสองคนในกลุ่มมีวันเกิดตรงกัน เราอาจคำนวณง่ายขึ้นจาก P(A′) คือความน่าจะเป็นที่ไม่มีสองคนใดเลยที่มีวันเกิดตรงกัน เนื่องจาก A และ A′ เป็นความน่าจะเป็นเพียงสองประการที่จะเกิดขึ้นได้และเป็นเหตุการณ์ไม่เกิดร่วม ดังนั้นเราจะได้ P(A) = 1 − P(A′)

คำตอบของปัญหาที่เผยแพร่อย่างกว้างขวางสรุปว่า กลุ่มคน 23 คนก็เพียงพอที่จะทำให้ P(A) มีค่ามากกว่า 50% การคำนวณ P(A) ต่อไปนี้จะใช้กลุ่มคน 23 คนมาเป็นตัวอย่าง

เมื่อเหตุการณ์เป็นอิสระซึ่งกันและกัน ความน่าจะเป็นของเหตุการณ์ทั้งหมดที่เกิดขึ้น จะเท่ากับผลคูณของความน่าจะเป็นของแต่ละเหตุการณ์ที่เกิดขึ้น เพราะฉะนั้น P(A′) จึงสามารถแยกได้เป็นเหตุการณ์อิสระ 23 เหตุการณ์ และคำนวณได้จาก P(1) × P(2) × P(3) × ... P(23)

เหตุการณ์อิสระ 23 เหตุการณ์นี้สอดคล้องกับจำนวนคน 23 คนและสามารถนิยามไปตามลำดับ แต่ละเหตุการณ์สามารถนิยามว่าคนนั้นจะไม่มีวันเกิดตรงกับคนอื่นคนใดที่ได้วิเคราะห์ไปแล้วก่อนหน้า สำหรับเหตุการณ์ที่ 1 คือไม่มีคนอื่นคนใดก่อนหน้านี้ให้วิเคราะห์เลย เพราะฉะนั้นความน่าจะเป็น P(1) ซึ่งคนแรกไม่มีวันเกิดตรงกับคนอื่นคนใดที่ได้วิเคราะห์ไปแล้วก่อนหน้าเท่ากับ 1 หรือ 100% หรือเขียนในรูปแบบ 365/365 โดยไม่พิจารณาอธิกวารสำหรับการวิเคราะห์นี้ ส่วนเหตุผลจะได้ปรากฏชัดเจนต่อไป

สำหรับเหตุการณ์ที่ 2 คือมีเพียงคนที่หนึ่งที่ได้วิเคราะห์แล้วก่อนหน้านี้ สมมติว่าวันเกิดเป็นไปได้อย่างเท่าเทียมกัน 365 วันเช่นเดิม ความน่าจะเป็น P(2) ซึ่งคนที่สองมีวันเกิดต่างกับคนที่หนึ่งเท่ากับ 364/365 นั่นเป็นเพราะถ้าคนที่สองเกิดในวันใดก็ได้ในจำนวน 364 วันที่เหลือ ทำให้คนที่หนึ่งกับคนที่สองมีวันเกิดไม่ตรงกัน

ในทางเดียวกัน ถ้าคนที่สามเกิดในวันใดก็ได้ในจำนวน 363 วันที่เหลือ ทำให้ทั้งคนที่หนึ่ง ที่สอง ที่สาม มีวันเกิดไม่ตรงกันเลย จะได้ความน่าจะเป็น P(3) เท่ากับ 363/365

การวิเคราะห์เช่นนี้ดำเนินต่อไปจนกระทั่งถึงคนที่ยี่สิบสาม ซึ่งความน่าจะเป็นที่วันเกิดจะไม่ตรงกับคนที่ได้วิเคราะห์ไปแล้วก่อนหน้านี้เลย P(23) เท่ากับ 343/365

P(A′) เท่ากับผลคูณของความน่าจะเป็นรายเหตุการณ์เหล่านี้ นั่นคือ

P(A′) = 365365 × 364365 × 363365 × 362365 × ... × 343365

สมการดังกล่าวสามารถดึงตัวประกอบร่วมได้เป็น

P(A′) = (1365)²³ × (365 × 364 × 363 × 362 × ... × 343)

ประเมินค่าออกมาจะได้ P(A′) ≈ 0.492703

ดังนั้น P(A) ≈ 1 − 0.492703 = 0.507297 หรือ 50.7297%

กระบวนการนี้สามารถทำให้เป็นกรณีทั่วไปสำหรับกลุ่มคน n คน เมื่อ p(n) คือความน่าจะเป็นที่อย่างน้อยสองคนในกลุ่ม n คนมีวันเกิดตรงกัน เราคำนวณง่ายขึ้นด้วย p̅(n) คือความน่าจะเป็นที่วันเกิดของ n คนแตกต่างกันทั้งหมด ตามหลักรังนกพิราบ p̅(n) จะเป็นศูนย์เมื่อ n > 365 และเมื่อ n ≤ 365 จะได้ว่า

{\begin{aligned}{\bar {p}}(n)&=1\times \left(1-{\frac {1}{365}}\right)\times \left(1-{\frac {2}{365}}\right)\times \cdots \times \left(1-{\frac {n-1}{365}}\right)\\&={365\times 364\times \cdots \times (365-n+1) \over 365^{n}}\\&={365! \over 365^{n}(365-n)!}={\frac {n!\cdot {365 \choose n}}{365^{n}}}={\frac {^{365}P_{n}}{365^{n}}}\end{aligned}}

โดยสัญลักษณ์ ! คือตัวดำเนินการแฟกทอเรียล $\textstyle {365 \choose n}$ คือสัมประสิทธิ์ทวินาม และ ${^{k}P_{r}}$ หมายถึงการเรียงสับเปลี่ยน

สมการดังกล่าวแสดงข้อเท็จจริงว่า สำหรับคนที่หนึ่งไม่มีคนใดที่มีวันเกิดตรงกัน (365/365) สำหรับคนที่สองก็ไม่มีวันเกิดตรงกับคนที่หนึ่ง (364/365) สำหรับคนที่สามก็ไม่มีวันเกิดตรงกับคนที่หนึ่งและที่สอง (363/365) ฯลฯ และในกรณีทั่วไปวันเกิดของคนที่ n ก็จะไม่มีวันเกิดตรงกับ n − 1 คนที่อยู่ก่อนหน้า

เหตุการณ์ที่อย่างน้อยสองคนจากกลุ่มคน n คนมีวันเกิดตรงกัน คือเหตุการณ์เติมเต็มที่วันเกิดของ n คนแตกต่างกันทั้งหมด เพราะฉะนั้นความน่าจะเป็น p(n) จะมีค่าเท่ากับ

p(n)=1-{\bar {p}}(n)\,

ความน่าจะเป็นนี้มีค่าเกินกว่า 1/2 เมื่อ n = 23 (ค่าจริงประมาณ 50.7%) ตารางต่อไปนี้แสดงความน่าจะเป็นสำหรับ n อื่น ๆ บางค่า (โดยไม่พิจารณาปีอธิกสุรทินตามที่ได้อธิบายแล้วด้านบน)

กราฟแสดงความน่าจะเป็นโดยประมาณ ที่ไม่มีใครเลยในกลุ่มคน n คนมีวันเกิดตรงกัน สังเกตว่ามาตราส่วนตามแนวตั้งเป็นลอการิทึม (แต่ละขีดจากบนลงล่างลดลงทีละ 10²⁰ เท่า)

n	p(n)
10	11.7%
20	41.1%
23	50.7%
30	70.6%
50	97.0%
57	99.0%
100	99.99997%
200	99.9999999999999999999999999998%
300	(100 − (6×10⁻⁸⁰))%
350	(100 − (3×10⁻¹²⁹))%
365	(100 − (1.45×10⁻¹⁵⁵))%
366	100%

การประมาณค่า แก้

กราฟแสดงความน่าจะเป็นโดยประมาณ ที่คนอย่างน้อยสองคนจะมีวันเกิดตรงกัน (แดง) และเหตุการณ์เติมเต็มของมัน (น้ำเงิน)

กราฟแสดงความแม่นยำของการประมาณค่าด้วย

1-e^{-n^{2}/(2\times 365)}

(ขาว)

การกระจายอนุกรมเทย์เลอร์ของฟังก์ชันเลขชี้กำลัง (ค่าคงตัว e ≈ 2.718281828)

e^{x}=1+x+{\frac {x^{2}}{2!}}+\cdots

สามารถประมาณค่า e^x อันดับที่หนึ่งเมื่อ x ≪ 1 ดังนี้

e^{x}\approx 1+x\

เพื่อใช้การประมาณนี้แก่นิพจน์แรกที่มาจาก p̅(n) กำหนดให้ x = −i/365 ดังนั้นเราจะได้

e^{-i/365}\approx 1-{\frac {i}{365}}\

จากนั้นแทนที่ i ด้วยจำนวนเต็มไม่เป็นลบสำหรับแต่ละพจน์ในสูตรของ p̅(n) จนกระทั่ง i = n − 1 ตัวอย่างเช่นเมื่อ i = 1 จะได้

e^{-1/365}\approx 1-{\frac {1}{365}}\

นิพจน์แรกที่มาจาก p̅(n) จึงสามารถประมาณค่าได้ดังนี้

{\begin{aligned}{\bar {p}}(n)&\approx 1\times e^{-1/365}\times e^{-2/365}\cdots e^{-(n-1)/365}\\&=1\times e^{-(1+2+\cdots +(n-1))/365}\\&=e^{-(n(n-1)/2)/365}\end{aligned}}

เพราะฉะนั้น

p(n)=1-{\bar {p}}(n)\approx 1-e^{-n(n-1)/(2\times 365)}

การประมาณที่หยาบกว่าของสูตรดังกล่าวคือ

p(n)\approx 1-e^{-n^{2}/(2\times 365)}

ซึ่งยังคงแม่นยำพอใช้ได้ ดังที่เห็นจากกราฟในภาพประกอบ

จากการประมาณค่าดังกล่าว แนวทางที่เหมือนกันสามารถใช้ได้กับ "คน" และ "วัน" จำนวนเท่าใดก็ได้ ถ้าให้จำนวนวันเป็น n วันแทนที่จะเป็น 365 วัน ให้จำนวนคน m คน และ m ≪ n จากแนวทางข้างต้นเราจะได้ผลสำเร็จเป็น Pr[(m, n)] คือความน่าจะเป็นที่อย่างน้อยสองคนในกลุ่ม m คน มีวันเกิดตรงกันภายใน n วันที่กำหนด ดังนี้

Pr[(m,n)]\approx 1-e^{-m^{2}/2n}\

การยกกำลังอย่างง่าย แก้

ความน่าจะเป็นที่คนสองคนไม่มีวันเกิดตรงกันเท่ากับ 364/365 หากกลุ่มคนมีจำนวน n คน จะสามารถจับคู่ได้ C(n, 2) = n(n − 1)/2 คู่ หรือเรียกได้ว่ามี C(n, 2) เหตุการณ์ ความน่าจะเป็นที่คนสองคนไม่มีวันเกิดตรงกันในกลุ่มคนดังกล่าว สามารถประมาณได้จากเหตุการณ์เหล่านี้ซึ่งสมมติว่าเป็นอิสระต่อกัน โดยคูณความน่าจะเป็นของพวกมันเข้าด้วยกัน กล่าวอย่างสั้นคือ 364/365 สามารถคูณกับตัวเองเป็นจำนวน C(n, 2) ตัว จะได้

{\bar {p}}(n)\approx \left({\frac {364}{365}}\right)^{C(n,2)}

เนื่องจากสิ่งนี้คือความน่าจะเป็นที่ไม่มีใครมีวันเกิดตรงกัน ดังนั้นความน่าจะเป็นที่จะมีใครบางคนมีวันเกิดตรงกันก็คือ

p(n)\approx 1-\left({\frac {364}{365}}\right)^{C(n,2)}

การประมาณปัวซง แก้

ใช้การประมาณปัวซงสำหรับทวินามกับกลุ่มคน 23 คน

\mathrm {Poi} \left({\frac {C(23,2)}{365}}\right)=\mathrm {Poi} \left({\frac {253}{365}}\right)\approx \mathrm {Poi} (0.6932)

\Pr(X>0)=1-\Pr(X=0)\approx 1-e^{-0.6932}\approx 1-0.499998=0.500002

ผลลัพธ์มีค่ามากกว่า 50% เช่นเดียวกับที่ได้อธิบายไว้ก่อนหน้านี้

การประมาณจำนวนคน แก้

การประมาณจำนวนคนเท่าที่จำเป็นที่จะทำให้เกิดโอกาส 50% เป็นอย่างน้อยที่จะมีวันเกิดตรงกัน โดยแฟรงก์ เอช. แมทิส สามารถหาได้จากสูตรดังนี้

n\approx {\frac {1}{2}}+{\sqrt {{\frac {1}{4}}-2\times 365\times \ln(0.5)}}=22.999943

นี่เป็นผลลัพธ์ของการประมาณที่ดี ซึ่งเหตุการณ์ 1 ใน k ของความน่าจะเป็นจะมีโอกาสเกิดขึ้น 50% เป็นอย่างน้อย ถ้าเหตุการณ์นั้นเกิดซ้ำ k ln 2 ครั้ง ^[5]

ตารางความน่าจะเป็น แก้

ความยาว สายอักขระ ฐานสิบหก	#บิต	ขนาดของ ปริภูมิแฮช (2^#บิต)	จำนวนสมาชิกของแฮชที่ทำให้ {ความน่าจะเป็นที่แฮชชนกันอย่างน้อยหนึ่งครั้ง = p}
ความยาว สายอักขระ ฐานสิบหก	#บิต	ขนาดของ ปริภูมิแฮช (2^#บิต)	p = 10⁻¹⁸	p = 10⁻¹⁵	p = 10⁻¹²	p = 10⁻⁹	p = 10⁻⁶	p = 0.1%	p = 1%	p = 25%	p = 50%	p = 75%
8	32	4.3×10⁹	2	2	2	2.9	93	2.9×10³	9.3×10³	5.0×10⁴	7.7×10⁴	1.1×10⁵
16	64	1.8×10¹⁹	6.1	1.9×10²	6.1×10³	1.9×10⁵	6.1×10⁶	1.9×10⁸	6.1×10⁸	3.3×10⁹	5.1×10⁹	7.2×10⁹
32	128	3.4×10³⁸	2.6×10¹⁰	8.2×10¹¹	2.6×10¹³	8.2×10¹⁴	2.6×10¹⁶	8.3×10¹⁷	2.6×10¹⁸	1.4×10¹⁹	2.2×10¹⁹	3.1×10¹⁹
64	256	1.2×10⁷⁷	4.8×10²⁹	1.5×10³¹	4.8×10³²	1.5×10³⁴	4.8×10³⁵	1.5×10³⁷	4.8×10³⁷	2.6×10³⁸	4.0×10³⁸	5.7×10³⁸
(96)	(384)	(3.9×10¹¹⁵)	8.9×10⁴⁸	2.8×10⁵⁰	8.9×10⁵¹	2.8×10⁵³	8.9×10⁵⁴	2.8×10⁵⁶	8.9×10⁵⁶	4.8×10⁵⁷	7.4×10⁵⁷	1.0×10⁵⁸
128	512	1.3×10¹⁵⁴	1.6×10⁶⁸	5.2×10⁶⁹	1.6×10⁷¹	5.2×10⁷²	1.6×10⁷⁴	5.2×10⁷⁵	1.6×10⁷⁶	8.8×10⁷⁶	1.4×10⁷⁷	1.9×10⁷⁷

ช่องสีขาวในตารางนี้แสดงจำนวนสมาชิกของแฮชที่จำเป็น ที่ทำให้ความน่าจะเป็นที่แฮชชนกันตามกำหนด (ตามหลัก) โดยกำหนดปริภูมิแฮชในหน่วยบิตขนาดต่าง ๆ (ตามแถว) อุปมากับปัญหาวันเกิดได้ว่า "ขนาดของปริภูมิแฮช" คล้ายกับ "จำนวนวันที่ใช้ได้", "ความน่าจะเป็นที่แฮชชนกัน" คล้ายกับ "ความน่าจะเป็นที่คนมีวันเกิดตรงกัน", และ "จำนวนสมาชิกของแฮชที่จำเป็น" ก็คล้ายกับ "จำนวนคนที่จำเป็นในกลุ่ม" แน่นอนว่าใครก็ตามสามารถใช้แผนผังนี้เพื่อกำหนดขนาดของแฮชน้อยสุดที่จำเป็น (โดยกำหนดขอบเขตบนของแฮชและความน่าจะเป็นของความผิดพลาด) หรือความน่าจะเป็นที่แฮชชนกันได้ (เพื่อหาจำนวนแฮชตายตัวและความน่าจะเป็นของความผิดพลาด)

ยกตัวอย่างเพื่อการเปรียบเทียบ ความน่าจะเป็น 10⁻¹⁸ ถึง 10⁻¹⁵ คืออัตราความผิดพลาดบิตที่แก้ไขไม่ได้ของฮาร์ดดิสก์ทั่วไป ^[6] ฟังก์ชันแฮช 128 บิตอย่างเช่น เอ็มดี5 จึงควรดำรงอยู่ในช่วงนั้นจนกว่าจะแฮชเอกสารไปแล้วประมาณ 8.2 แสนล้านเอกสารในทางทฤษฎี ถึงแม้ว่าผลลัพธ์ที่เป็นไปได้ของมันจะมีได้มากยิ่งกว่านั้น

ขอบเขตบน แก้

การอ้างเหตุผลด้านล่างดัดแปลงจากการอ้างเหตุผลของพอล ฮาลโมส ^[7]

ความน่าจะเป็นที่ไม่มีวันเกิดของคนใดตรงกัน ดังที่ได้อธิบายไว้ด้านบนคือ

1-p(n)={\bar {p}}(n)=\prod _{k=1}^{n-1}\left(1-{k \over 365}\right)

จากย่อหน้าก่อน ๆ นั้น สิ่งที่สนใจคือค่าของ n น้อยสุดที่ทำให้ p(n) > 1/2 หรือกล่าวอีกนัยหนึ่ง ค่าของ n น้อยสุดที่ทำให้ p̅(n) < 1/2

ใช้อสมการ 1 − x < e^−x จากนิพจน์ด้านบนซึ่งเราได้แทนค่า 1 − k/365 ด้วย e^−k/365 จะได้ว่า

{\bar {p}}(n)=\prod _{k=1}^{n-1}\left(1-{k \over 365}\right)<\prod _{k=1}^{n-1}\left(e^{-k/365}\right)=e^{-(n(n-1))/(2\times 365)}

เพราะฉะนั้น นิพจน์ดังกล่าวมิได้เป็นเพียงแค่การประมาณค่า แต่ยังเป็นขอบเขตบนของ p̅(n) ด้วย

อสมการนี้

e^{-(n(n-1))/(2\cdot 365)}<{\frac {1}{2}}

แสดงนัยถึง p̅(n) < 1/2 แก้อสมการเพื่อหาค่า n จะได้

n^{2}-n>2\times 365\ln 2\,\!

730 ln 2 มีค่าประมาณ 505.997 ซึ่งน้อยกว่า 506 เล็กน้อย ค่าของ n² − n ขึ้นมาถึง 506 เมื่อ n = 23 ดังนั้น 23 คนก็เพียงพอที่จะเป็นคำตอบ

อย่างไรก็ดี การแก้สมการ n² − n = 2 · 365 ln 2 เพื่อหาค่า n ก็จะเป็นสูตรประมาณของแฟรงก์ เอช. แมทิส ดังที่ได้แสดงไว้แล้ว

การได้มานี้แสดงเพียงว่า 23 คนเป็นจำนวนคนที่ มากสุด ที่จำเป็นเพื่อให้แน่ใจว่าวันเกิดจะตรงกันด้วยโอกาสครึ่งต่อครึ่ง กล่าวคือมันเปิดโอกาสความเป็นไปได้ว่าหาก n เท่ากับ 22 คนหรือน้อยกว่าก็อาจได้ผลเช่นกัน

อ้างอิงและเชิงอรรถ แก้

↑ คำว่า "ปฏิทรรศน์" นี้มิได้หมายถึงความรู้สึกที่นำไปสู่ความขัดแย้งทางตรรกศาสตร์ แต่ถูกหยิบยกขึ้นเนื่องจากความจริงทางคณิตศาสตร์ขัดแย้งกับการหยั่งรู้ด้วยตนเอง กล่าวคือคนส่วนใหญ่มักประมาณว่าโอกาสที่คนสองคนจะมีวันเกิดตรงกันต้องน้อยกว่า 50% อย่างมาก สำหรับกลุ่มคน 23 คน
↑ ในความเป็นจริง วันเกิดไม่แจกแจงตลอดทั้งปีอย่างเท่าเทียมกัน การเกิดต่อวันในบางฤดูกาลมีมากกว่าฤดูกาลอื่น แต่เพื่อจุดมุ่งหมายของปัญหานี้ การแจกแจงจะถูกทำให้เป็นเอกรูป (รูปแบบเดียว)
↑ Murphy, Ron. "An Analysis of the Distribution of Birthdays in a Calendar Year". สืบค้นเมื่อ 2011-12-27.
↑ Mathers, C D (1983). "Seasonal Distribution of Births in Australia". International Journal of Epidemiology. 12 (3): 326–331. doi:10.1093/ije/12.3.326. สืบค้นเมื่อ 2011-12-27. {{cite journal}}: ไม่รู้จักพารามิเตอร์ |coauthors= ถูกละเว้น แนะนำ (|author=) (help)
↑ Mathis, Frank H. (1991). "A Generalized Birthday Problem". SIAM Review. Society for Industrial and Applied Mathematics. 33 (2): 265–270. doi:10.1137/1033051. ISSN 0036-1445. JSTOR 2031144. OCLC 37699182. {{cite journal}}: ไม่รู้จักพารามิเตอร์ |month= ถูกละเว้น (help)
↑ Jim Gray, Catharine van Ingen. Empirical Measurements of Disk Failure Rates and Error Rates
↑ ฮาลโมสได้วิจารณ์รูปแบบของปฏิทรรศน์วันเกิดที่มักจะถูกนำเสนอ ด้วยการคำนวณเชิงตัวเลขในอัตชีวประวัติของเขา เขาเชื่อว่ามันควรใช้เป็นตัวอย่างของมโนทัศน์ทางคณิตศาสตร์ที่นามธรรมมากขึ้น เขาเขียนว่า
"การให้เหตุผลมีพื้นฐานอยู่บนเครื่องมือสำคัญที่ว่าผู้ศึกษาคณิตศาสตร์ทุกคนควรพร้อมที่จะเข้าถึง ปัญหาวันเกิดเคยเป็นการสาธิตที่ยอดเยี่ยมของความได้เปรียบแห่งความคิดอันบริสุทธิ์เหนือการจัดดำเนินการเชิงกล อสมการสามารถได้มาในนาทีสองนาที ในขณะที่การคูณจะใช้เวลายิ่งกว่านั้นมาก และทำให้เกิดความผิดพลาดมากขึ้นไปอีก ไม่ว่าเครื่องมือนั้นจะเป็นดินสอหรือเครื่องคำนวณบนโต๊ะที่ล้าสมัย สิ่งที่เครื่องคิดเลขไม่ได้ให้ผลลัพธ์ออกมานั่นคือความเข้าใจ หรือคุณสมบัติทางคณิตศาสตร์ หรือพื้นฐานที่หนักแน่นสำหรับทฤษฎีวางนัยทั่วไปชั้นสูงยิ่งขึ้น"

[1] คำว่า "ปฏิทรรศน์" นี้มิได้หมายถึงความรู้สึกที่นำไปสู่ความขัดแย้งทางตรรกศาสตร์ แต่ถูกหยิบยกขึ้นเนื่องจากความจริงทางคณิตศาสตร์ขัดแย้งกับการหยั่งรู้ด้วยตนเอง กล่าวคือคนส่วนใหญ่มักประมาณว่าโอกาสที่คนสองคนจะมีวันเกิดตรงกันต้องน้อยกว่า 50% อย่างมาก สำหรับกลุ่มคน 23 คน

[2] ในความเป็นจริง วันเกิดไม่แจกแจงตลอดทั้งปีอย่างเท่าเทียมกัน การเกิดต่อวันในบางฤดูกาลมีมากกว่าฤดูกาลอื่น แต่เพื่อจุดมุ่งหมายของปัญหานี้ การแจกแจงจะถูกทำให้เป็นเอกรูป (รูปแบบเดียว)

[3] Murphy, Ron. "An Analysis of the Distribution of Birthdays in a Calendar Year". สืบค้นเมื่อ 2011-12-27.

[4] Mathers, C D (1983). "Seasonal Distribution of Births in Australia". International Journal of Epidemiology. 12 (3): 326–331. doi:10.1093/ije/12.3.326. สืบค้นเมื่อ 2011-12-27. {{cite journal}}: ไม่รู้จักพารามิเตอร์ |coauthors= ถูกละเว้น แนะนำ (|author=) (help)

[5] Mathis, Frank H. (1991). "A Generalized Birthday Problem". SIAM Review. Society for Industrial and Applied Mathematics. 33 (2): 265–270. doi:10.1137/1033051. ISSN 0036-1445. JSTOR 2031144. OCLC 37699182. {{cite journal}}: ไม่รู้จักพารามิเตอร์ |month= ถูกละเว้น (help)

[6] Jim Gray, Catharine van Ingen. Empirical Measurements of Disk Failure Rates and Error Rates

[7] ฮาลโมสได้วิจารณ์รูปแบบของปฏิทรรศน์วันเกิดที่มักจะถูกนำเสนอ ด้วยการคำนวณเชิงตัวเลขในอัตชีวประวัติของเขา เขาเชื่อว่ามันควรใช้เป็นตัวอย่างของมโนทัศน์ทางคณิตศาสตร์ที่นามธรรมมากขึ้น เขาเขียนว่า
"การให้เหตุผลมีพื้นฐานอยู่บนเครื่องมือสำคัญที่ว่าผู้ศึกษาคณิตศาสตร์ทุกคนควรพร้อมที่จะเข้าถึง ปัญหาวันเกิดเคยเป็นการสาธิตที่ยอดเยี่ยมของความได้เปรียบแห่งความคิดอันบริสุทธิ์เหนือการจัดดำเนินการเชิงกล อสมการสามารถได้มาในนาทีสองนาที ในขณะที่การคูณจะใช้เวลายิ่งกว่านั้นมาก และทำให้เกิดความผิดพลาดมากขึ้นไปอีก ไม่ว่าเครื่องมือนั้นจะเป็นดินสอหรือเครื่องคำนวณบนโต๊ะที่ล้าสมัย สิ่งที่เครื่องคิดเลขไม่ได้ให้ผลลัพธ์ออกมานั่นคือความเข้าใจ หรือคุณสมบัติทางคณิตศาสตร์ หรือพื้นฐานที่หนักแน่นสำหรับทฤษฎีวางนัยทั่วไปชั้นสูงยิ่งขึ้น"

[1]

[2]

[3]

[4]

[5]

[6]

[7]