સામાન્ય વિતરણ પર ચર્ચા પ્રશ્નનું ઉદાહરણ
સામાન્ય વિતરણ, જેને ગૌસીયન વિતરણ તરીકે પણ ઓળખવામાં આવે છે, તે આંકડાશાસ્ત્રમાં સૌથી વધુ ઉપયોગમાં લેવાતું સંભાવના વિતરણ છે. આ વિતરણમાં સપ્રમાણ ઘંટડીનો આકાર છે, જે દર્શાવે છે કે ડેટા સરેરાશની આસપાસ ગોઠવાયેલ છે અને ચરમસીમાઓ (સરેરાશથી દૂર મૂલ્યો) ની સંભાવના ઓછી છે.
આ લેખમાં, આપણે સામાન્ય વિતરણને લગતી વિવિધ ઉદાહરણ સમસ્યાઓ અને તેમને કેવી રીતે ઉકેલવા તેની ચર્ચા કરીશું. આપણે કેટલાક મૂળભૂત ખ્યાલો રજૂ કરીને શરૂઆત કરીશું અને પછી વધુ જટિલ ઉદાહરણો તરફ આગળ વધીશું.
સામાન્ય વિતરણની મૂળભૂત બાબતો
સામાન્ય વિતરણ એ બે પરિમાણો સાથેનું સતત વિતરણ છે: સરેરાશ અને પ્રમાણભૂત વિચલન (SD). સરેરાશ વિતરણનું કેન્દ્ર નક્કી કરે છે, જ્યારે પ્રમાણભૂત વિચલન વિતરણની પહોળાઈ નક્કી કરે છે.
સામાન્ય વિતરણની મહત્વપૂર્ણ લાક્ષણિકતાઓ:
1. સમપ્રમાણતા: સામાન્ય વિતરણ સરેરાશ વિશે સપ્રમાણ હોય છે.
2. પ્રયોગમૂલક નિયમ (પ્રયોગાત્મક નિયમ):
- લગભગ 68% ડેટા સરેરાશના એક પ્રમાણભૂત વિચલનની અંદર રહેલો છે.
- આશરે 95% ડેટા સરેરાશના બે પ્રમાણભૂત વિચલનોમાં રહેલો છે.
- આશરે 99.7% ડેટા સરેરાશના ત્રણ પ્રમાણભૂત વિચલનોમાં રહેલો છે.
નમૂના પ્રશ્નો અને ચર્ચા
ઉદાહરણ પ્રશ્ન ૧: Z-સ્કોરની ગણતરી
પ્રશ્ન: પરીક્ષાનો સરેરાશ સ્કોર ૭૦ હોય છે અને પ્રમાણભૂત વિચલન ૧૦ હોય છે. વિદ્યાર્થીને ૮૦ સ્કોર મળે છે. વિદ્યાર્થીનો Z-સ્કોર કેટલો છે?
ઉકેલ:
Z-સ્કોર એ એક માપ છે કે મૂલ્ય સરેરાશથી કેટલા પ્રમાણભૂત વિચલનો ધરાવે છે.
Z-સ્કોર સૂત્ર:
\[ Z = \frac{X – \mu}{\sigma} \]
ક્યાં:
– \( X \) એ અવલોકન કરેલ મૂલ્ય છે.
– \( \mu \) એ સરેરાશ છે.
– \( \સિગ્મા \) એ પ્રમાણભૂત વિચલન છે.
તે જાણીતું છે:
– \( X = 80 \)
– \( \mu = 70 \)
– \( \સિગ્મા = 10 \)
સૂત્રનો ઉપયોગ:
\[ Z = \frac{80 – 70}{10} = 1 \]
તો, વિદ્યાર્થીનો Z-સ્કોર 1 છે, જેનો અર્થ એ કે 80 નો સ્કોર સરેરાશથી એક પ્રમાણભૂત વિચલન ઉપર છે.
ઉદાહરણ પ્રશ્ન 2: ચોક્કસ મૂલ્યની સંભાવના
પ્રશ્ન: 100 ના સરેરાશ અને 15 ના પ્રમાણભૂત વિચલન સાથેના સામાન્ય વિતરણમાં, 85 થી નીચે મૂલ્ય શોધવાની સંભાવના કેટલી છે?
ઉકેલ:
પગલાં:
1. મૂલ્ય \( X = 85 \) માટે Z-સ્કોરની ગણતરી કરો:
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]
2. -1 ના Z-સ્કોરને અનુરૂપ સંભાવના શોધવા માટે Z-કોષ્ટક અથવા આંકડાકીય કેલ્ક્યુલેટરનો ઉપયોગ કરો. Z-કોષ્ટકમાં, -1 ના Z-સ્કોરની સંભાવના આશરે 0.1587 છે.
તેથી, ૮૫ થી નીચેનું મૂલ્ય શોધવાની સંભાવના ૦.૧૫૮૭ અથવા ૧૫.૮૭% છે.
ઉદાહરણ પ્રશ્ન ૩: પ્રયોગમૂલક નિયમોનો ઉપયોગ
પ્રશ્ન: એ વાત જાણીતી છે કે શાળાઓમાં ગણિતની પરીક્ષાના સ્કોર્સનું વિતરણ સામાન્ય વિતરણને અનુસરે છે જેનો સરેરાશ 75 અને પ્રમાણભૂત વિચલન 8 હોય છે. 67 અને 83 ની વચ્ચે કેટલા વિદ્યાર્થીઓએ સ્કોર મેળવ્યો?
ઉકેલ:
લંગકાહ-લંગકાહ:
1. 67 અને 83 મૂલ્યો માટે Z-સ્કોરની ગણતરી કરો:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]
2. પ્રયોગમૂલક નિયમો અનુસાર, સરેરાશથી -1 SD અને +1 SD વચ્ચેના મૂલ્યો લગભગ 68% વસ્તીને આવરી લે છે.
તેથી, ૬૭ થી ૮૩ ની વચ્ચે ગુણ મેળવનારા વિદ્યાર્થીઓનું પ્રમાણ લગભગ ૬૮% હતું.
ઉદાહરણ પ્રશ્ન 4: ટકાવારીમાંથી મૂલ્યોની ગણતરી
પ્રશ્ન: જો કોઈ દેશમાં પુખ્ત પુરુષોની સરેરાશ ઊંચાઈ ૧૭૫ સેમી હોય અને પ્રમાણભૂત વિચલન ૭ સેમી હોય, તો ૯૦મા પર્સેન્ટાઈલ પર કેટલી ઊંચાઈ હશે?
ઉકેલ:
લંગકાહ-લંગકાહ:
૧. ૯૦મા પર્સેન્ટાઈલને અનુરૂપ Z-સ્કોર શોધો. Z-કોષ્ટકના આધારે, ૦.૯૦૦૦ ની નજીકનો Z-સ્કોર આશરે ૧.૨૮ છે.
2. \( X \) ની કિંમતની ગણતરી કરવા માટે સૂત્રનો ઉપયોગ કરો:
\[ X = \mu + Z \વખત \સિગ્મા \]
\[ X = 175 + 1.28 \ગુણા 7 \]
\[ X = 175 + 8.96 \]
\[ X = 183.96 \]
તો, ૯૦મા પર્સન્ટાઇલમાં ઊંચાઈ લગભગ ૧૮૩.૯૬ સેમી છે.
ઉદાહરણ પ્રશ્ન 5: ચોક્કસ અંતરાલની સંભાવના
પ્રશ્ન: નવજાત શિશુના વજનનું વિતરણ સામાન્ય વિતરણને અનુસરે છે, સરેરાશ 3.5 કિલો અને પ્રમાણભૂત વિચલન 0.5 કિલો છે, તો બાળકનું વજન 3 કિલો અને 4 કિલો વચ્ચે હોવાની સંભાવના કેટલી છે?
ઉકેલ:
લંગકાહ-લંગકાહ:
1. 3 કિલો અને 4 કિલો મૂલ્યો માટે Z-સ્કોરની ગણતરી કરો:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]
2. Z કોષ્ટકના આધારે -1 અને 1 વચ્ચેના Z-સ્કોરની સંભાવના આશરે 0.6826 અથવા 68.26% છે.
તેથી, 3 કિલોથી 4 કિલો વજનવાળા બાળકની સંભાવના લગભગ 68.26% છે.
કેસિમ્પુલન
સામાન્ય વિતરણ એ આંકડાશાસ્ત્રમાં એક મૂળભૂત ખ્યાલ છે જે મહત્વપૂર્ણ છે અને તેના ઘણા વાસ્તવિક ઉપયોગો છે. આ લેખમાં, અમે સામાન્ય વિતરણના મૂળભૂત ખ્યાલો સમજાવ્યા છે અને આપણી સમજને વધુ ગાઢ બનાવવા માટે ઘણા ઉદાહરણો ઉકેલ્યા છે.
સામાન્ય વિતરણને સમજવું એ માત્ર આંકડાશાસ્ત્ર માટે જ નહીં, પરંતુ મનોવિજ્ઞાન, અર્થશાસ્ત્ર અને અન્ય સામાજિક વિજ્ઞાન જેવા વિવિધ વ્યવહારુ ક્ષેત્રો માટે પણ મહત્વપૂર્ણ છે. પૂરતી પ્રેક્ટિસ સાથે, સામાન્ય વિતરણ સમસ્યાઓનું નિરાકરણ વધુ સહજ બની શકે છે અને ડેટા-આધારિત નિર્ણય લેવામાં મદદ કરી શકે છે.
