مثال على أسئلة نقاش حول التوزيع المنتظم
يُعدّ التوزيع المنتظم أحد أبسط أنواع التوزيعات الاحتمالية في الإحصاء. وينقسم إلى نوعين رئيسيين: التوزيع المنتظم المتقطع والتوزيع المنتظم المتصل. في هذه المقالة، سنتناول كلا النوعين من التوزيع المنتظم، ونقدم أمثلةً عليهما، ونناقش حلولًا لهذه المسائل.
توزيع منتظم منفصل
التوزيع المنتظم المنفصل هو توزيع احتمالي تكون فيه كل نتيجة محتملة لتجربة أو حدث ما متساوية في احتمالية الحدوث. أبسط الأمثلة على ذلك هو رمي نرد متوازن أو اختيار بطاقة من مجموعة بطاقات متطابقة.
مثال على السؤال 1
سؤال:
نرد متوازن له 6 أوجه مرقمة من 1 إلى 6. حدد احتمال الحصول على الرقم 4 عند رمي النرد مرة واحدة.
مناقشة:
بما أن لكل وجه من أوجه النرد المتوازن احتمالية متساوية للظهور، يمكننا القول أن احتمالية كل وجه هي:
P(A) = 1/n
حيث يمثل n العدد الإجمالي للنتائج الممكنة. في هذه الحالة، n = 6.
إذن، احتمال الحصول على الرقم 4 هو:
P(4) = 1/6 ≈ 0.167 أو 16.7%
مثال على السؤال 2
سؤال:
يحتوي صندوق على 10 كرات مرقمة من 1 إلى 10. إذا تم سحب كرة واحدة عشوائياً، فما احتمال أن يكون رقم الكرة المسحوبة أكبر من 7؟
مناقشة:
عدد الكرات المؤهلة هو الكرات المرقمة 8 و 9 و 10. لذا، هناك 3 كرات مؤهلة من أصل 10 كرات.
احتمال (ب) = عدد الكرات التي تستوفي الشروط / إجمالي عدد الكرات
P(B) = 3 / 10 = 0.3 أو 30%
التوزيع المنتظم المستمر
التوزيع المنتظم المستمر هو توزيع تكون فيه جميع القيم ضمن فترة معينة متساوية الاحتمالية. وينشأ هذا التوزيع غالبًا في الحالات التي تكون فيها كل نتيجة ضمن نطاق معين متساوية الاحتمالية.
مثال على السؤال 3
سؤال:
لنفترض أن X متغير عشوائي موزع بشكل منتظم بين 0 و 1. أوجد احتمال أن تكون قيمة X بين 0.25 و 0.75.
مناقشة:
في حالة التوزيع المنتظم المستمر، تكون دالة الكثافة الاحتمالية ثابتة على كامل الفترة. في هذه الحالة، تمتد الفترة من 0 إلى 1، مما يعني أن دالة الكثافة الاحتمالية (f(x)) تساوي 1، لأن التوزيع المنتظم يجب أن تكون مساحته الكلية تحت المنحنى مساوية لـ 1.
يمكن حساب احتمال أن تكون قيمة X بين 0.25 و 0.75 على أنها المساحة تحت منحنى دالة كثافة الاحتمال (PDF) بين هذين الحدين.
P(0.25 ≤ X ≤ 0.75) = (b – a) / (d – c)
حيث يمثل a و b الحدين الأدنى والأعلى للفترة التي نبحث عنها، بينما يمثل c و d حدود التوزيع المنتظم. في هذه الحالة، a = 0.25، b = 0.75، c = 0، و d = 1.
P(0.25 ≤
إذن، فإن احتمال أن تكون قيمة X بين 0.25 و 0.75 هو 0.5 أو 50%.
مثال على السؤال 4
سؤال:
تم إجراء قياس باستخدام جهاز ذي دقة موزعة بانتظام على الفترة [2، 5]. أوجد احتمال أن تكون قيمة القياس بين 3 و 4.
مناقشة:
بالنسبة للتوزيع المنتظم على الفترة [2، 5]، تكون كثافة الاحتمال ثابتة والمساحة الكلية تحت المنحنى تساوي 1. وبالتالي، فإن كثافة الاحتمال (f(x)) هي 1/(5-2) = 1/3.
احتمال أن يكون القياس بين 3 و 4 هو:
P(3 ≤ X ≤ 4) = (b – a) / (d – c)
حيث يمثل a و b حدود الفترة التي نبحث عنها، ويمثل c و d حدود التوزيع المنتظم. في هذه الحالة، a = 3، b = 4، c = 2، و d = 5.
احتمال وقوع حدث ما بين 3 و4 (X ≤ 3 ≤ 4) = (4 – 3) / (5 – 2) = 1/3 ≈ 0.333 أو 33.3%
استنتاج
يُعدّ التوزيع المنتظم أداةً بالغة الأهمية في تحليل الاحتمالات والإحصاء، وذلك لبساطته وسهولة فهمه. ففي كلٍّ من صيغتيه المنفصلة والمتصلة، يضمن التوزيع المنتظم أن يكون لكل نتيجة ضمن نطاق مُحدد نفس الاحتمالية.
النقاط الرئيسية
1. التوزيع المنتظم المتقطع: احتمال كل نتيجة ضمن نطاق معين متساوٍ. مثال: رمي نرد متوازن.
2. التوزيع المنتظم المستمر: تكون كثافة الاحتمال ثابتة على امتداد الفترة. مثال: قياس الطول أو الوزن بأداة دقيقة ضمن نطاق معين.
من خلال فهم هذا المفهوم، وعبر الأمثلة والمناقشات، يُمكننا تطبيق التوزيع المنتظم بسهولة أكبر على مختلف المواقف والأبحاث في العالم الحقيقي. وهذا يُساعد على توضيح الظواهر التي لها نتائج متساوية الاحتمال، سواء كانت منفصلة أو متصلة.
لا تقتصر فائدة التوزيعات المنتظمة على الإحصاء فحسب، بل تمتد لتشمل علوم الحاسوب والهندسة والاقتصاد والعديد من المجالات الأخرى التي تتطلب اتخاذ القرارات أو تحليل البيانات. فعلى سبيل المثال، في محاكاة مونت كارلو، تُستخدم التوزيعات المنتظمة غالبًا لتوليد متجهات عشوائية ضمن نطاق محدد، والتي تُستخدم بدورها لتقييم سيناريوهات ونتائج مختلفة.
نأمل أن تكون هذه المقالة قد ساعدتك على فهم التوزيع المنتظم بشكل أفضل وكيفية حل المسائل المتعلقة به. واصل التدريب لإتقان هذا المفهوم وتطبيقه على حالات واقعية ذات صلة بمجالك.
