ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಚರ್ಚಿಸುವ ಉದಾಹರಣೆ ಪ್ರಶ್ನೆಗಳು

ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಕುರಿತಾದ ಚರ್ಚಾ ಪ್ರಶ್ನೆಯ ಉದಾಹರಣೆ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಗೌಸಿಯನ್ ವಿತರಣೆ ಎಂದೂ ಕರೆಯುತ್ತಾರೆ, ಇದು ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯಾಗಿದೆ. ಈ ವಿತರಣೆಯು ಸಮ್ಮಿತೀಯ ಗಂಟೆಯ ಆಕಾರವನ್ನು ಹೊಂದಿದ್ದು, ದತ್ತಾಂಶವನ್ನು ಸರಾಸರಿಯ ಸುತ್ತಲೂ ಜೋಡಿಸಲಾಗಿದೆ ಮತ್ತು ವಿಪರೀತಗಳ ಸಂಭವನೀಯತೆ (ಸರಾಸರಿಯಿಂದ ದೂರದಲ್ಲಿರುವ ಮೌಲ್ಯಗಳು) ಕಡಿಮೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

ಈ ಲೇಖನದಲ್ಲಿ, ಸಾಮಾನ್ಯ ವಿತರಣೆಗೆ ಸಂಬಂಧಿಸಿದ ವಿವಿಧ ಉದಾಹರಣೆ ಸಮಸ್ಯೆಗಳನ್ನು ಮತ್ತು ಅವುಗಳನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುವುದು ಎಂಬುದನ್ನು ನಾವು ಚರ್ಚಿಸುತ್ತೇವೆ. ನಾವು ಕೆಲವು ಮೂಲಭೂತ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಪರಿಚಯಿಸುವ ಮೂಲಕ ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ ಮತ್ತು ನಂತರ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಉದಾಹರಣೆಗಳಿಗೆ ಹೋಗುತ್ತೇವೆ.

ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಮೂಲಗಳು

ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಎರಡು ನಿಯತಾಂಕಗಳನ್ನು ಹೊಂದಿರುವ ನಿರಂತರ ವಿತರಣೆಯಾಗಿದೆ: ಸರಾಸರಿ ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ (SD). ಸರಾಸರಿಯು ವಿತರಣೆಯ ಕೇಂದ್ರವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ, ಆದರೆ ಪ್ರಮಾಣಿತ ವಿಚಲನವು ವಿತರಣೆಯ ಅಗಲವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.

ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಪ್ರಮುಖ ಗುಣಲಕ್ಷಣಗಳು:
1. ಸಮ್ಮಿತಿ: ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಸರಾಸರಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಸಮ್ಮಿತಿಯಾಗಿದೆ.
2. ಪ್ರಾಯೋಗಿಕ ನಿಯಮ (ಪ್ರಾಯೋಗಿಕ ನಿಯಮ):
– ಸುಮಾರು 68% ದತ್ತಾಂಶವು ಸರಾಸರಿಯ ಒಂದು ಪ್ರಮಾಣಿತ ವಿಚಲನದೊಳಗೆ ಇರುತ್ತದೆ.
– ಸರಿಸುಮಾರು 95% ದತ್ತಾಂಶವು ಸರಾಸರಿಯ ಎರಡು ಪ್ರಮಾಣಿತ ವಿಚಲನಗಳ ಒಳಗೆ ಇರುತ್ತದೆ.
– ಸರಿಸುಮಾರು 99.7% ದತ್ತಾಂಶವು ಸರಾಸರಿಯ ಮೂರು ಪ್ರಮಾಣಿತ ವಿಚಲನಗಳ ಒಳಗೆ ಇರುತ್ತದೆ.

ಮಾದರಿ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಚರ್ಚೆ

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆ 1: Z-ಸ್ಕೋರ್ ಲೆಕ್ಕಾಚಾರ

ಪ್ರಶ್ನೆ: ಒಂದು ಪರೀಕ್ಷೆಯಲ್ಲಿ ಸರಾಸರಿ 70 ಅಂಕಗಳು ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ 10 ಇರುತ್ತದೆ. ಒಬ್ಬ ವಿದ್ಯಾರ್ಥಿಗೆ 80 ಅಂಕಗಳು ಸಿಗುತ್ತವೆ. ಆ ವಿದ್ಯಾರ್ಥಿಯ Z-ಸ್ಕೋರ್ ಎಷ್ಟು?

ಪರಿಹಾರ:
ಒಂದು ಮೌಲ್ಯವು ಸರಾಸರಿಯಿಂದ ಎಷ್ಟು ಪ್ರಮಾಣಿತ ವಿಚಲನಗಳನ್ನು ಹೊಂದಿದೆ ಎಂಬುದರ ಅಳತೆಯೇ Z-ಸ್ಕೋರ್.
Z-ಸ್ಕೋರ್ ಸೂತ್ರ:
\[ Z = \frac{X – \mu}{\sigma} \]

ಎಲ್ಲಿ:
– \( X \) ಎಂಬುದು ಗಮನಿಸಿದ ಮೌಲ್ಯವಾಗಿದೆ.
– \( \mu \) ಸರಾಸರಿ.
– \( \sigma \) ಪ್ರಮಾಣಿತ ವಿಚಲನವಾಗಿದೆ.

ಇದು ತಿಳಿದಿದೆ:
– \( ಎಕ್ಸ್ = 80 \)
– \( \mu = 70 \)
– \( \ಸಿಗ್ಮಾ = 10 \)

ಸೂತ್ರದ ಅನ್ವಯ:
\[ Z = \frac{80 – 70}{10} = 1 \]

ಆದ್ದರಿಂದ, ವಿದ್ಯಾರ್ಥಿಯ Z- ಅಂಕ 1, ಅಂದರೆ 80 ಅಂಕಗಳು ಸರಾಸರಿಗಿಂತ ಒಂದು ಪ್ರಮಾಣಿತ ವಿಚಲನವಾಗಿದೆ.

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆ 2: ಒಂದು ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯದ ಸಂಭವನೀಯತೆ

ಪ್ರಶ್ನೆ: ಸರಾಸರಿ 100 ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ 15 ಹೊಂದಿರುವ ಸಾಮಾನ್ಯ ವಿತರಣೆಯಲ್ಲಿ, 85 ಕ್ಕಿಂತ ಕಡಿಮೆ ಮೌಲ್ಯವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಸಂಭವನೀಯತೆ ಏನು?

ಪರಿಹಾರ:
ಹಂತಗಳು:
1. \( X = 85 \) ಮೌಲ್ಯಕ್ಕೆ Z-ಸ್ಕೋರ್ ಅನ್ನು ಲೆಕ್ಕಹಾಕಿ:
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]

2. -1 ರ Z- ಸ್ಕೋರ್‌ಗೆ ಅನುಗುಣವಾದ ಸಂಭವನೀಯತೆಯನ್ನು ಕಂಡುಹಿಡಿಯಲು Z- ಟೇಬಲ್ ಅಥವಾ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಬಳಸಿ. Z- ಟೇಬಲ್‌ನಲ್ಲಿ, -1 ರ Z- ಸ್ಕೋರ್‌ನ ಸಂಭವನೀಯತೆ ಸರಿಸುಮಾರು 0.1587 ಆಗಿದೆ.

ಆದ್ದರಿಂದ, 85 ಕ್ಕಿಂತ ಕಡಿಮೆ ಮೌಲ್ಯವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಸಂಭವನೀಯತೆ 0.1587 ಅಥವಾ 15.87% ಆಗಿದೆ.

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆ 3: ಪ್ರಾಯೋಗಿಕ ನಿಯಮಗಳನ್ನು ಬಳಸುವುದು

ಪ್ರಶ್ನೆ: ಶಾಲೆಗಳಲ್ಲಿ ಗಣಿತ ಪರೀಕ್ಷೆಯ ಅಂಕಗಳ ವಿತರಣೆಯು 75 ರ ಸರಾಸರಿ ಮತ್ತು 8 ರ ಪ್ರಮಾಣಿತ ವಿಚಲನದೊಂದಿಗೆ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ ಎಂದು ತಿಳಿದಿದೆ. 67 ಮತ್ತು 83 ರ ನಡುವೆ ಅಂಕಗಳನ್ನು ಗಳಿಸಿದ ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರಮಾಣ ಎಷ್ಟು?

ಪರಿಹಾರ:
ಲಂಕಾ-ಲಂಕಾ:
1. 67 ಮತ್ತು 83 ಮೌಲ್ಯಗಳಿಗೆ Z-ಸ್ಕೋರ್ ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]

2. ಪ್ರಾಯೋಗಿಕ ನಿಯಮಗಳ ಪ್ರಕಾರ, ಸರಾಸರಿಯಿಂದ -1 SD ಮತ್ತು +1 SD ನಡುವಿನ ಮೌಲ್ಯಗಳು ಜನಸಂಖ್ಯೆಯ ಸುಮಾರು 68% ಅನ್ನು ಒಳಗೊಂಡಿವೆ.

ಆದ್ದರಿಂದ, 67 ರಿಂದ 83 ರ ನಡುವೆ ಅಂಕಗಳನ್ನು ಪಡೆದ ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರಮಾಣವು ಸುಮಾರು 68% ಆಗಿತ್ತು.

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆ 4: ಶೇಕಡಾವಾರುಗಳಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು

ಪ್ರಶ್ನೆ: ಒಂದು ದೇಶದಲ್ಲಿ ವಯಸ್ಕ ಪುರುಷರ ಸರಾಸರಿ ಎತ್ತರ 175 ಸೆಂ.ಮೀ ಆಗಿದ್ದು, ಪ್ರಮಾಣಿತ ವಿಚಲನ 7 ಸೆಂ.ಮೀ ಆಗಿದ್ದರೆ, 90ನೇ ಶೇಕಡಾವಾರು ಎತ್ತರ ಎಷ್ಟು?

ಪರಿಹಾರ:
ಲಂಕಾ-ಲಂಕಾ:
1. 90 ನೇ ಶೇಕಡಾವಾರುಗೆ ಅನುಗುಣವಾದ Z- ಸ್ಕೋರ್ ಅನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. Z- ಕೋಷ್ಟಕವನ್ನು ಆಧರಿಸಿ, 0.9000 ಗೆ ಹತ್ತಿರವಿರುವ Z- ಸ್ಕೋರ್ ಸರಿಸುಮಾರು 1.28 ಆಗಿದೆ.

2. \( X \) ನ ಮೌಲ್ಯವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಲು ಸೂತ್ರವನ್ನು ಬಳಸಿ:
\[ X = \mu + Z \times \sigma \]
\[ X = 175 + 1.28 \times 7 \]
\[ ಎಕ್ಸ್ = 175 + 8.96 \]
\[ ಎಕ್ಸ್ = 183.96 \]

ಆದ್ದರಿಂದ, 90 ನೇ ಶೇಕಡಾವಾರು ಎತ್ತರವು ಸುಮಾರು 183.96 ಸೆಂ.ಮೀ.

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆ 5: ಒಂದು ನಿರ್ದಿಷ್ಟ ಮಧ್ಯಂತರದ ಸಂಭವನೀಯತೆ

ಪ್ರಶ್ನೆ: ನವಜಾತ ಶಿಶುವಿನ ತೂಕದ ವಿತರಣೆಯು 3.5 ಕೆಜಿ ಸರಾಸರಿ ಮತ್ತು 0.5 ಕೆಜಿ ಪ್ರಮಾಣಿತ ವಿಚಲನದೊಂದಿಗೆ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ ಎಂದು ನೀಡಿದರೆ, ಮಗುವಿನ ತೂಕ 3 ಕೆಜಿಯಿಂದ 4 ಕೆಜಿ ಇರುವ ಸಾಧ್ಯತೆ ಎಷ್ಟು?

ಪರಿಹಾರ:
ಲಂಕಾ-ಲಂಕಾ:
1. 3 ಕೆಜಿ ಮತ್ತು 4 ಕೆಜಿ ಮೌಲ್ಯಗಳಿಗೆ Z-ಸ್ಕೋರ್ ಅನ್ನು ಲೆಕ್ಕ ಹಾಕಿ:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]

2. Z ಕೋಷ್ಟಕದ ಆಧಾರದ ಮೇಲೆ -1 ಮತ್ತು 1 ರ ನಡುವಿನ Z- ಸ್ಕೋರ್‌ನ ಸಂಭವನೀಯತೆ ಸರಿಸುಮಾರು 0.6826 ಅಥವಾ 68.26% ಆಗಿದೆ.

ಆದ್ದರಿಂದ, 3 ಕೆಜಿಯಿಂದ 4 ಕೆಜಿ ತೂಕವಿರುವ ಮಗುವಿನ ಸಂಭವನೀಯತೆ ಸುಮಾರು 68.26% ಆಗಿದೆ.

ತೀರ್ಮಾನ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಒಂದು ಮೂಲಭೂತ ಪರಿಕಲ್ಪನೆಯಾಗಿದ್ದು ಅದು ನಿರ್ಣಾಯಕವಾಗಿದೆ ಮತ್ತು ಅನೇಕ ನೈಜ-ಪ್ರಪಂಚದ ಅನ್ವಯಿಕೆಗಳನ್ನು ಹೊಂದಿದೆ. ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಮೂಲ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವಿವರಿಸಿದ್ದೇವೆ ಮತ್ತು ನಮ್ಮ ತಿಳುವಳಿಕೆಯನ್ನು ಆಳಗೊಳಿಸಲು ಹಲವಾರು ಉದಾಹರಣೆಗಳನ್ನು ಪರಿಹರಿಸಿದ್ದೇವೆ.

ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಅಂಕಿಅಂಶಗಳಿಗೆ ಮಾತ್ರವಲ್ಲದೆ ಮನೋವಿಜ್ಞಾನ, ಅರ್ಥಶಾಸ್ತ್ರ ಮತ್ತು ಇತರ ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಗಳಂತಹ ವಿವಿಧ ಪ್ರಾಯೋಗಿಕ ಕ್ಷೇತ್ರಗಳಿಗೂ ಮುಖ್ಯವಾಗಿದೆ. ಸಾಕಷ್ಟು ಅಭ್ಯಾಸದೊಂದಿಗೆ, ಸಾಮಾನ್ಯ ವಿತರಣಾ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವುದು ಹೆಚ್ಚು ಅರ್ಥಗರ್ಭಿತವಾಗಬಹುದು ಮತ್ತು ಡೇಟಾ-ಚಾಲಿತ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ.