સામાન્ય વિતરણ કાર્યના ઉદાહરણ પ્રશ્નો અને ચર્ચા
સામાન્ય વિતરણ, જેને ગૌસીયન વિતરણ તરીકે પણ ઓળખવામાં આવે છે, તે આંકડા અને ડેટા વિશ્લેષણમાં સૌથી મૂળભૂત સંભાવના વિતરણોમાંનું એક છે. આ વિતરણ સરેરાશની આસપાસ સપ્રમાણ ઘંટડી વળાંક દ્વારા વર્ગીકૃત થયેલ છે, જેમાં ડેટા સ્પ્રેડ તેની આસપાસના મૂલ્યોના પ્રમાણભૂત વિચલનને પ્રતિબિંબિત કરે છે. સામાન્ય વિતરણ એ અનુમાનિત આંકડાશાસ્ત્રમાં ઘણા ખ્યાલો માટેનો આધાર છે અને અર્થશાસ્ત્ર, મનોવિજ્ઞાન અને સામાજિક વિજ્ઞાન સહિત વિવિધ ક્ષેત્રોમાં વ્યાપકપણે ઉપયોગમાં લેવાય છે.
આ લેખમાં, આપણે સામાન્ય વિતરણ કાર્યને વધુ સારી રીતે સમજવા માટે કેટલીક ઉદાહરણ સમસ્યાઓ અને તેમના ઉકેલોની ચર્ચા કરીશું.
સામાન્ય વિતરણના મૂળભૂત ખ્યાલો
સામાન્ય વિતરણ બે મુખ્ય પરિમાણો દ્વારા વર્ણવવામાં આવે છે:
1. સરેરાશ (μ): ડેટા સેટનો સરેરાશ.
2. માનક વિચલન (σ): સરેરાશની આસપાસ ડેટા કેટલો ફેલાયેલો છે તે માપે છે.
સામાન્ય વિતરણનું સંભાવના ઘનતા કાર્ય છે:
\[ f(x) = \frac{1}{\sqrt{2\pi\સિગ્મા^2}} e^{ -\frac{(x-\mu)^2}{2\સિગ્મા^2} } \]
સામાન્ય વિતરણનો ઉપયોગ કરીને સમસ્યાઓ ઉકેલવા માટેના કેટલાક મૂળભૂત પગલાં અહીં આપ્યા છે:
1. Z મૂલ્ય નક્કી કરવું: Z મૂલ્ય એ પ્રમાણભૂત વિચલન એકમોમાં ડેટા સરેરાશથી કેટલો દૂર છે તેનું માપ છે અને તેની ગણતરી સૂત્રનો ઉપયોગ કરીને કરવામાં આવે છે:
\[ Z = \frac{X – \mu}{\sigma} \]
2. Z કોષ્ટકનો ઉપયોગ: Z કોષ્ટક અથવા પ્રમાણભૂત સામાન્ય વિતરણ કોષ્ટકનો ઉપયોગ ચોક્કસ Z મૂલ્યથી નીચે અથવા ઉપરના ડેટાની સંભાવના અથવા ટકાવારી શોધવા માટે થાય છે.
સામાન્ય વિતરણના ઉદાહરણ પ્રશ્નો અને ચર્ચા
પ્રશ્ન ૧
એક વર્ગનો સરેરાશ ગણિત પરીક્ષાનો સ્કોર 70 છે અને પ્રમાણભૂત વિચલન 10 છે. જો પરીક્ષાના સ્કોર સામાન્ય રીતે વહેંચવામાં આવે, તો કેટલા ટકા વિદ્યાર્થીઓએ 85 થી વધુ સ્કોર કર્યા?
ચર્ચા:
1. Z-સ્કોર નક્કી કરવો: પ્રથમ, X = 85 માટે Z-સ્કોરની ગણતરી કરો.
\[ Z = \frac{X – \mu}{\sigma} = \frac{85 – 70}{10} = 1.5 \]
2. Z કોષ્ટક જોવું: આપણે Z કોષ્ટકમાંથી Z = 1.5 માટે સંભાવના મૂલ્ય શોધીએ છીએ. Z = 1.5 માટે સંભાવના મૂલ્ય 0.9332 છે. આનો અર્થ એ છે કે 93.32% મૂલ્યો Z = 1.5 થી નીચે છે.
3. ટકાવારીની ગણતરી: આપણને 85 થી વધુ ગુણ મેળવનારા વિદ્યાર્થીઓની ટકાવારીની જરૂર હોવાથી, આપણે 1 – 0.9332 = 0.0668 ની ગણતરી કરીએ છીએ.
તેથી, 6.68% વિદ્યાર્થીઓએ 85 થી વધુ ગુણ મેળવ્યા.
પ્રશ્ન ૧
દેશમાં પુખ્ત પુરુષોની ઊંચાઈ ૧૭૫ સે.મી.ના સરેરાશ અને ૬ સે.મી.ના પ્રમાણભૂત વિચલન સાથે સામાન્ય વિતરણને અનુસરે છે. ૧૭૦ સે.મી. અને ૧૮૦ સે.મી.ની વચ્ચે ઊંચાઈ ધરાવતા પુરુષોની ટકાવારી નક્કી કરો.
ચર્ચા:
1. 170 સે.મી. માટે Z-સ્કોર નક્કી કરો:
\[ Z_{170} = \frac{170 – 175}{6} = – \frac{5}{6} \અંદાજે -0.83 \]
2. 180 સે.મી. માટે Z-સ્કોર નક્કી કરો:
\[ Z_{180} = \frac{180 – 175}{6} \અંદાજે 0.83 \]
3. કોષ્ટક Z જુઓ:
– Z = -0.83 ની સંભાવના 0.2033 છે.
– Z = 0.83 ની સંભાવના 0.7967 છે.
4. ટકાવારીની ગણતરી:
– ૧૭૦ સેમી અને ૧૮૦ સેમી વચ્ચેની ઊંચાઈની સંભાવના ૦.૭૯૬૭ – ૦.૨૦૩૩ = ૦.૫૯૩૪ છે.
- તો, ૫૯.૩૪% પુરુષોની ઊંચાઈ ૧૭૦ સેમી થી ૧૮૦ સેમી વચ્ચે હોય છે.
પ્રશ્ન ૧
IQ ટેસ્ટમાં સરેરાશ 100 અને પ્રમાણભૂત વિચલન 15 સાથે સામાન્ય વિતરણનો ઉપયોગ થાય છે. કયો સ્કોર 85મા પર્સેન્ટાઈલમાં આવે છે?
ચર્ચા:
1. 85મા પર્સેન્ટાઈલ માટે Z મૂલ્ય શોધવું: Z કોષ્ટકમાંથી અથવા કેલ્ક્યુલેટરનો ઉપયોગ કરીને, 85મો પર્સેન્ટાઈલ Z = 1.04 ને અનુરૂપ છે.
2. IQ સ્કોરની ગણતરી:
\[ X = Z\સિગ્મા + \mu \]
\[ X = 1.04 \ગુણા 15 + 100 \]
\[ X = 15.6 + 100 \]
\[ X = 115.6 \]
તેથી, ૮૫મા પર્સેન્ટાઈલમાં આવતો IQ સ્કોર ૧૧૫.૬ ની આસપાસ છે.
પ્રશ્ન ૧
જો એ જાણીતું હોય કે હાઇસ્કૂલના વિદ્યાર્થીઓના જ્ઞાનાત્મક પરીક્ષણ પરિણામોનો સરેરાશ સ્કોર 65 છે અને પ્રમાણભૂત વિચલન 12 છે, તો 25મા પર્સેન્ટાઇલમાં કેટલો સ્કોર હશે?
ચર્ચા:
1. 25મા પર્સેન્ટાઇલ માટે Z મૂલ્ય શોધવું: Z કોષ્ટકમાંથી અથવા કેલ્ક્યુલેટરનો ઉપયોગ કરીને, 25મા પર્સેન્ટાઇલ માટે Z આશરે -0.674 છે.
2. ટેસ્ટ સ્કોર્સની ગણતરી:
\[ X = Z\સિગ્મા + \mu \]
\[ X = -0.674 \ગુણા 12 + 65 \]
\[ X = -8.088 + 65 \]
\[ X \આશરે 56.912 \]
તો, ૨૫મા પર્સેન્ટાઈલમાં જે મૂલ્ય છે તે ૫૬.૯૧૨ ની આસપાસ છે.
કેસિમ્પુલન
સામાન્ય વિતરણ એ આંકડાશાસ્ત્રમાં એક મહત્વપૂર્ણ ખ્યાલ છે જે આપણને સંભાવનાના દ્રષ્ટિકોણથી ડેટાનું વિશ્લેષણ અને સમજવાની મંજૂરી આપે છે. સામાન્ય વિતરણ અભિગમનો ઉપયોગ કરીને, આપણે ટકાવારીની ગણતરી કરી શકીએ છીએ, ટકાવારીના આધારે ચોક્કસ મૂલ્યો નક્કી કરી શકીએ છીએ અને સરેરાશ સાથે ડેટાની તુલના કરી શકીએ છીએ.
સામાન્ય વિતરણ સાથે સમસ્યાઓનું નિરાકરણ ફક્ત પરીક્ષાઓ અને શૈક્ષણિક સંશોધન માટે જ ઉપયોગી નથી, પરંતુ મનોવિજ્ઞાન, વ્યવસાય અને સામાજિક વિજ્ઞાન જેવા ઘણા વાસ્તવિક ક્ષેત્રોમાં પણ તેનો વ્યવહારુ ઉપયોગ થાય છે. ઉપરોક્ત ઉદાહરણો અને ચર્ચાઓ દ્વારા, અમે આશા રાખીએ છીએ કે તમને સામાન્ય વિતરણ કાર્ય અને વિવિધ સંદર્ભોમાં તેનો ઉપયોગ કેવી રીતે કરવો તેની વધુ સારી સમજ મળશે.
