በስታቲስቲክስ ውስጥ መደበኛ የስርጭት ቀመር

# በስታቲስቲክስ ውስጥ መደበኛ የስርጭት ቀመር

መደበኛው ስርጭት፣ እንዲሁም የጋውሲያን ስርጭት ወይም የደወል ኩርባ በመባልም የሚታወቀው፣ በስታቲስቲክስ ውስጥ ካሉት በጣም መሠረታዊ ፅንሰ-ሀሳቦች አንዱ ነው። የእሱ መኖር ብዙውን ጊዜ የተለያዩ የስታቲስቲክስ እና የዕድል ትንተናዎች መሠረት ተደርጎ ይወሰዳል። ይህ ስርጭት በንድፈ ሀሳብ ውስጥ ብቻ ሳይሆን እንደ የፋይናንስ ስጋት አስተዳደር፣ ማህበራዊ ሳይንስ፣ ህክምና እና ሌሎችም ባሉ የተለያዩ ተግባራዊ አተገባበሮችም ጥቅም ላይ ይውላል።

## የመደበኛ ስርጭት ፍቺ

መደበኛው ስርጭት ከአማካይ ጋር ሲመዛዘን ያለው ቀጣይነት ያለው የዕድል ስርጭት ነው። በሌላ አነጋገር፣ የዚህ ስርጭት ግራፊክ ሴራ በአማካይ የሚሰፋ እና በጅራቶቹ የሚጠበብ የደወል ኩርባ ይፈጥራል። ይህ ስርጭት ሁለት ዋና ዋና መለኪያዎች አሉት፡ አማካኝ (μ) እና መደበኛ መዛባት (σ)።

አማካኝ የስርጭቱን ማዕከል ቦታ የሚወስነው ሲሆን መደበኛ መዛባት ደግሞ መረጃው በአማካይ ዙሪያ እንዴት እንደተሰራጨ ይለካል። መደበኛ መዛባት በጨመረ ቁጥር የስርጭት ኩርባው ሰፊ እና አጭር ነው፤ መደበኛ መዛባት አነስተኛ ሲሆን ኩርባው ጠባብ እና ቁልቁል ይሆናል።

## የፕሮባቢሊቲ ጥግግት ተግባር

ለመደበኛ ስርጭት የፕሮባቢሊቲ ጥግግት ተግባር (pdf) የሚከተለው የሂሳብ ቅርፅ አለው፡

\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]

እዚህ፡
– \( x \) የዘፈቀደ ተለዋዋጭ ነው።
– \( \mu \) የስርጭቱ አማካኝ ነው።
– \( \sigma \) የስርጭቱ መደበኛ መዛባት ነው።
– \(e \) የተፈጥሮ ሎጋሪዝም መሰረት ሲሆን በግምት 2.71828 ነው።

ከላይ ያለው ተግባር ሲሜትሪክ ደወል ኩርባ ይፈጥራል። የዚህ ተግባር ውህደት በሁለት ነጥቦች መካከል ያለው ተለዋዋጭ በእነዚያ ሁለት እሴቶች መካከል የመኖሩን እድል ይሰጣል።

## መደበኛ መደበኛ ስርጭት

መደበኛው መደበኛ ስርጭት አማካይ \( \mu = 0 \) እና መደበኛ መዛባት \( \sigma = 1 \) ያለው መደበኛ ስርጭት ነው። ለመደበኛው መደበኛ ስርጭት የፕሮባቢሊቲ ጥግግት ተግባር፡

\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]

እዚህ፡
– \(z \) መደበኛ መደበኛ ስርጭትን የሚከተል የዘፈቀደ ተለዋዋጭ ነው።

መደበኛው መደበኛ ስርጭት ብዙውን ጊዜ ጥቅም ላይ የሚውለው ሌሎች መደበኛ ስርጭቶችን "ስታንዳርዲዜሽን" በሚባል ሂደት አማካኝነት ደረጃውን የጠበቀ ለማድረግ ስለሚያስችለን ነው። መደበኛነት የመደበኛ ስርጭት \(N(\mu፣ \sigma) \) እሴቶች \(x \) ወደ መደበኛው መደበኛ ስርጭት \(N(0, 1) \) እሴቶች \(z \) መቀየርን ያካትታል፣ የሚከተለውን ቀመር በመጠቀም፡

\[ z = \frac{x – \mu}{\sigma} \]

ይህ ሂደት ከተለያዩ መደበኛ ስርጭቶች የተገኙ እሴቶችን ወደ አንድ ልኬት በማዛመድ ማወዳደር ቀላል ያደርገዋል።

## አተገባበር እና ተዛማጅነት

### 1. ማዕከላዊ ገደብ ቲዎሪ

የተለመደው ስርጭት በተለይ በማዕከላዊ ገደብ ቲዎሪ (CLT) አውድ ውስጥ ተገቢ ነው። CLT የሚገልጸው የመጀመሪያው ስርጭት ቅርፅ ምንም ይሁን ምን በቂ ብዛት ያላቸው ገለልተኛ የዘፈቀደ ተለዋዋጮች በግምት በተለምዶ እንደሚከፋፈሉ ነው። ይህ ማለት ናሙናው በቂ መጠን እስካለው ድረስ መደበኛው ስርጭት የናሙናውን አማካይ ስርጭት ለመገመት ሊያገለግል ይችላል ማለት ነው።

### 2. የስታቲስቲክስ ማጠቃለያ

መደበኛው ስርጭት እንደ z-test እና t-test ያሉ መላምታዊ ሙከራዎችን ተግባራዊ ለማድረግ ያስችላል። ሁለቱም ዘዴዎች የታዩ ውጤቶችን ስታቲስቲክሳዊ ጠቀሜታ ለመወሰን መደበኛውን መደበኛ ስርጭት ይጠቀማሉ። z-test በተለምዶ የናሙና መጠኑ ትልቅ ሲሆን ወይም የህዝብ ደረጃ ልዩነት ሲታወቅ፣ t-test ደግሞ የናሙና መጠኑ ትንሽ ሲሆን ወይም የህዝብ ደረጃ ልዩነት በማይታወቅበት ጊዜ ይተገበራል።

### 3. የሪግሬሽን ትንተና

በመስመራዊ ሪግሬሽን ትንተና፣ የስህተት መረጃው በተለምዶ ይሰራጫል የሚለው ግምት ወሳኝ ነው። ይህ ግምት የመተማመን ክፍተቶችን ለማስላት እና የሪግሬሽን ሞዴል መለኪያዎችን አስፈላጊነት ለመፈተሽ ያስችላል። በተመሳሳይ፣ የውሂብ ስህተቶችን ወይም ውጫዊ ነገሮችን መለየት ብዙውን ጊዜ የሚከናወነው ከመደበኛነት ጉልህ ልዩነቶችን ለማግኘት የቀረውን ስርጭት በመመርመር ነው።

### 4. ሕክምና እና ባዮሎጂ

በሕክምና ውስጥ፣ የተለመደው ስርጭት የተለያዩ ባዮሎጂያዊ ክስተቶችን ስርጭት ለመግለጽ ይጠቅማል። ለምሳሌ፣ ቁመት፣ የደም ግፊት እና የተወሰኑ የላብራቶሪ ምርመራ ውጤቶች ብዙውን ጊዜ መደበኛ ስርጭትን ይከተላሉ። ይህ ለህክምና ምርመራዎች የመቁረጥ እሴቶችን ለመወሰን ያመቻቻል።

### 5. ፋይናንስ እና ኢኮኖሚክስ

በፋይናንስ ዘርፍ፣ የተለመደው ስርጭት እንደ የአክሲዮን ተመላሾች፣ የወለድ መጠኖች እና ሌሎችም ያሉ ብዙ ክስተቶችን ለመምሰል ይጠቅማል። በተግባር ግን አክሲዮኖች ብዙውን ጊዜ ከፍተኛ የሆነ የተዛባነት እና የኩርቶሲስ ስሜት ቢያሳዩም፣ መደበኛ ስርጭት ግምት አሁንም ጠንካራ የትንታኔ መሰረት ይሰጣል።

## አተገባበር እና ስሌት

### ፓይዘንን መጠቀም

እንደ NumPy እና SciPy ያሉ ቤተ-መጻሕፍት ያሉት ፓይዘን ከመደበኛ ስርጭት ጋር ለመስራት በርካታ ዘዴዎችን ይሰጣል። እነዚህን ቤተ-መጻሕፍት በመጠቀም መደበኛ ስርጭትን እንዴት ማጠቃለል እና መሳል እንደምንችል የሚያሳይ ምሳሌ እነሆ፡

“ፓይዘን
nump ን እንደ np ያስመጡ
matplotlib.pyplot እንደ plt ያስመጡ
ከ scipy.stats የማስመጣት ኖርም

# መደበኛ የስርጭት መለኪያዎች
mu = 0 # አማካይ
ሲግማ = 1 # መደበኛ መዛባት

# ለመደበኛ ስርጭት ውሂብ
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)

# መደበኛ የስርጭት ሴራ
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Density')
plt.title('መደበኛ ስርጭት N(0, 1)')
plt.show()
“

ከላይ ባለው ምሳሌ፣ አማካይ 0 እና መደበኛ መዛባት 1 ያለው መደበኛ የስርጭት መረጃ ፈጥረናል፣ ከዚያም የፕሮባቢሊቲ ጥግግት ተግባሩን ቀርጸናል።

## መደምደሚያ

መደበኛው ስርጭት በስታቲስቲክስ እና በዕድል ውስጥ ወሳኝ ሚና ይጫወታል። ከማዕከላዊ ገደብ ቲዎሪ እስከ ሪግሬሽን ትንተና እና መላምት ሙከራ ያሉ የተለያዩ ተግባራዊ አፕሊኬሽኖች ድረስ ያለው ሁለንተናዊ አጠቃቀሙ በጣም ታዋቂ እና አስፈላጊ ከሆኑ የዕድል ስርጭቶች አንዱ ያደርገዋል። መደበኛውን የስርጭት ቀመር እና ውጤታማ በሆነ መንገድ እንዴት መጠቀም እንደሚቻል መረዳት በመረጃ ሳይንስ፣ በምርምር፣ በኢኮኖሚክስ እና በሌሎች በርካታ መስኮች ለሚሰራ ማንኛውም ሰው አስፈላጊ ክህሎት ነው።

በዚህ እውቀት፣ የተለያዩ አይነት የትንታኔ ችግሮችን በብቃት መቅረብ እና መፍታት እንችላለን፣ ይህም በሚገኙ መረጃዎች እና እድሎች ላይ ተመስርተን የተሻሉ ውሳኔዎችን እንድናደርግ ያስችለናል።