ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ವಿತರಣಾ ಸೂತ್ರ

# ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ವಿತರಣಾ ಸೂತ್ರ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಗೌಸಿಯನ್ ವಿತರಣೆ ಅಥವಾ ಬೆಲ್ ಕರ್ವ್ ಎಂದೂ ಕರೆಯುತ್ತಾರೆ, ಇದು ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಅತ್ಯಂತ ಮೂಲಭೂತ ಪರಿಕಲ್ಪನೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಇದರ ಅಸ್ತಿತ್ವವನ್ನು ಹೆಚ್ಚಾಗಿ ವಿವಿಧ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮತ್ತು ಸಂಭವನೀಯತೆ ವಿಶ್ಲೇಷಣೆಗಳ ಅಡಿಪಾಯವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಈ ವಿತರಣೆಯನ್ನು ಸಿದ್ಧಾಂತದಲ್ಲಿ ಮಾತ್ರವಲ್ಲದೆ ಆರ್ಥಿಕ ಅಪಾಯ ನಿರ್ವಹಣೆ, ಸಮಾಜ ವಿಜ್ಞಾನ, ವೈದ್ಯಕೀಯ ಮತ್ತು ಇತರವುಗಳಂತಹ ವಿವಿಧ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಿಕೆಗಳಲ್ಲಿಯೂ ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.

## ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ವ್ಯಾಖ್ಯಾನ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ನಿರಂತರ ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯಾಗಿದ್ದು ಅದು ಅದರ ಸರಾಸರಿಗೆ ಸಮ್ಮಿತೀಯವಾಗಿರುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಈ ವಿತರಣೆಯ ಚಿತ್ರಾತ್ಮಕ ನಕ್ಷೆಯು ಸರಾಸರಿಯಲ್ಲಿ ವಿಸ್ತರಿಸುವ ಮತ್ತು ಬಾಲಗಳಲ್ಲಿ ಕಿರಿದಾಗುವ ಬೆಲ್ ಕರ್ವ್ ಅನ್ನು ರೂಪಿಸುತ್ತದೆ. ಈ ವಿತರಣೆಯು ಎರಡು ಮುಖ್ಯ ನಿಯತಾಂಕಗಳನ್ನು ಹೊಂದಿದೆ: ಸರಾಸರಿ (μ) ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ (σ).

ಸರಾಸರಿಯು ವಿತರಣೆಯ ಕೇಂದ್ರದ ಸ್ಥಳವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ, ಆದರೆ ಪ್ರಮಾಣಿತ ವಿಚಲನವು ದತ್ತಾಂಶವು ಸರಾಸರಿಯ ಸುತ್ತ ಎಷ್ಟು ಹರಡಿದೆ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ. ಪ್ರಮಾಣಿತ ವಿಚಲನ ದೊಡ್ಡದಾದಷ್ಟೂ, ವಿತರಣಾ ರೇಖೆಯು ಅಗಲ ಮತ್ತು ಚಿಕ್ಕದಾಗಿರುತ್ತದೆ; ಪ್ರಮಾಣಿತ ವಿಚಲನ ಚಿಕ್ಕದಾದಷ್ಟೂ, ವಕ್ರರೇಖೆಯು ಕಿರಿದಾದ ಮತ್ತು ಕಡಿದಾದದ್ದಾಗಿರುತ್ತದೆ.

## ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆ ಕಾರ್ಯ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆ ಕಾರ್ಯ (pdf) ಈ ಕೆಳಗಿನ ಗಣಿತದ ರೂಪವನ್ನು ಹೊಂದಿದೆ:

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

ಇಲ್ಲಿ:
– \( x \) ಒಂದು ಯಾದೃಚ್ಛಿಕ ವೇರಿಯೇಬಲ್ ಆಗಿದೆ.
– \( \mu \) ಎಂಬುದು ವಿತರಣೆಯ ಸರಾಸರಿ.
– \( \sigma \) ಎಂಬುದು ವಿತರಣೆಯ ಪ್ರಮಾಣಿತ ವಿಚಲನವಾಗಿದೆ.
– \( e \) ನೈಸರ್ಗಿಕ ಲಾಗರಿಥಮ್‌ನ ಆಧಾರವಾಗಿದೆ, ಸರಿಸುಮಾರು 2.71828.

ಮೇಲಿನ ಕಾರ್ಯವು ಸಮ್ಮಿತೀಯ ಬೆಲ್ ಕರ್ವ್ ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಎರಡು ಬಿಂದುಗಳ ನಡುವಿನ ಈ ಕಾರ್ಯದ ಅವಿಭಾಜ್ಯವು ಯಾದೃಚ್ಛಿಕ ವೇರಿಯೇಬಲ್ ಆ ಎರಡು ಮೌಲ್ಯಗಳ ನಡುವೆ ಇರುವ ಸಂಭವನೀಯತೆಯನ್ನು ನೀಡುತ್ತದೆ.

## ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆ

ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಸರಾಸರಿ \( \mu = 0 \) ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ \( \sigma = 1 \) ಹೊಂದಿರುವ ಸಾಮಾನ್ಯ ವಿತರಣೆಯಾಗಿದೆ. ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆಯ ಕಾರ್ಯವು:

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

ಇಲ್ಲಿ:
– \( z \) ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅನುಸರಿಸುವ ಯಾದೃಚ್ಛಿಕ ವೇರಿಯೇಬಲ್ ಆಗಿದೆ.

ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ಏಕೆಂದರೆ ಇದು "ಪ್ರಮಾಣೀಕರಣ" ಎಂಬ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಇತರ ಸಾಮಾನ್ಯ ವಿತರಣೆಗಳನ್ನು ಪ್ರಮಾಣೀಕರಿಸಲು ನಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಪ್ರಮಾಣೀಕರಣವು ಸಾಮಾನ್ಯ ವಿತರಣೆಯ \( x \) ಮೌಲ್ಯಗಳನ್ನು \( N(\mu, \sigma) \) ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯ \( z \) ಮೌಲ್ಯಗಳಿಗೆ ಪರಿವರ್ತಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ \( N(0, 1) \), ಈ ಕೆಳಗಿನ ಸೂತ್ರವನ್ನು ಬಳಸಿ:

\[ z = \frac{x – \mu}{\sigma} \]

ಈ ಪ್ರಕ್ರಿಯೆಯು ವಿಭಿನ್ನ ಸಾಮಾನ್ಯ ವಿತರಣೆಗಳಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಒಂದೇ ಮಾಪಕಕ್ಕೆ ಮ್ಯಾಪ್ ಮಾಡುವ ಮೂಲಕ ಹೋಲಿಸಲು ಸುಲಭಗೊಳಿಸುತ್ತದೆ.

## ಅನ್ವಯ ಮತ್ತು ಪ್ರಸ್ತುತತೆ

### 1. ಕೇಂದ್ರ ಮಿತಿ ಪ್ರಮೇಯ

ಕೇಂದ್ರ ಮಿತಿ ಪ್ರಮೇಯದ (CLT) ಸಂದರ್ಭದಲ್ಲಿ ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ವಿಶೇಷವಾಗಿ ಪ್ರಸ್ತುತವಾಗಿದೆ. ಮೂಲ ವಿತರಣೆಯ ಆಕಾರವನ್ನು ಲೆಕ್ಕಿಸದೆ, ಸಾಕಷ್ಟು ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಸ್ವತಂತ್ರ ಯಾದೃಚ್ಛಿಕ ಅಸ್ಥಿರಗಳು ಸರಿಸುಮಾರು ಸಾಮಾನ್ಯವಾಗಿ ವಿತರಿಸಲ್ಪಡುತ್ತವೆ ಎಂದು CLT ಹೇಳುತ್ತದೆ. ಇದರರ್ಥ ಮಾದರಿಯು ಸಾಕಷ್ಟು ದೊಡ್ಡದಾಗಿದ್ದರೆ, ಮಾದರಿ ಸರಾಸರಿ ವಿತರಣೆಯನ್ನು ಅಂದಾಜು ಮಾಡಲು ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಬಳಸಬಹುದು.

### 2. ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅನುಮಾನ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯು z-ಪರೀಕ್ಷೆ ಮತ್ತು t-ಪರೀಕ್ಷೆಯಂತಹ ಊಹಾ ಪರೀಕ್ಷೆಗಳ ಅನ್ವಯಕ್ಕೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ. ಗಮನಿಸಿದ ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮಹತ್ವವನ್ನು ನಿರ್ಧರಿಸಲು ಎರಡೂ ವಿಧಾನಗಳು ಪ್ರಮಾಣಿತ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಬಳಸುತ್ತವೆ. ಮಾದರಿ ಗಾತ್ರವು ದೊಡ್ಡದಾಗಿದ್ದಾಗ ಅಥವಾ ಜನಸಂಖ್ಯೆಯ ಪ್ರಮಾಣಿತ ವಿಚಲನ ತಿಳಿದಿದ್ದಾಗ z-ಪರೀಕ್ಷೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಆದರೆ ಮಾದರಿ ಗಾತ್ರವು ಚಿಕ್ಕದಾಗಿದ್ದಾಗ ಅಥವಾ ಜನಸಂಖ್ಯೆಯ ಪ್ರಮಾಣಿತ ವಿಚಲನ ತಿಳಿದಿಲ್ಲದಿದ್ದಾಗ t-ಪರೀಕ್ಷೆಯನ್ನು ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ.

### 3. ಹಿಂಜರಿತ ವಿಶ್ಲೇಷಣೆ

ರೇಖೀಯ ಹಿಂಜರಿತ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ದೋಷ ದತ್ತಾಂಶವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ವಿತರಿಸಲಾಗುತ್ತದೆ ಎಂಬ ಊಹೆಯು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಈ ಊಹೆಯು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳ ಲೆಕ್ಕಾಚಾರ ಮತ್ತು ಹಿಂಜರಿತ ಮಾದರಿ ನಿಯತಾಂಕಗಳ ಮಹತ್ವ ಪರೀಕ್ಷೆಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಅಂತೆಯೇ, ದತ್ತಾಂಶ ದೋಷಗಳು ಅಥವಾ ಹೊರಗಿನವುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದನ್ನು ಸಾಮಾನ್ಯತೆಯಿಂದ ಗಮನಾರ್ಹ ವಿಚಲನಗಳಿಗಾಗಿ ಶೇಷ ವಿತರಣೆಯನ್ನು ಪರೀಕ್ಷಿಸುವ ಮೂಲಕ ಮಾಡಲಾಗುತ್ತದೆ.

### 4. ಔಷಧ ಮತ್ತು ಜೀವಶಾಸ್ತ್ರ

ವೈದ್ಯಕೀಯದಲ್ಲಿ, ವಿವಿಧ ಜೈವಿಕ ವಿದ್ಯಮಾನಗಳ ವಿತರಣೆಯನ್ನು ವಿವರಿಸಲು ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಎತ್ತರ, ರಕ್ತದೊತ್ತಡ ಮತ್ತು ಕೆಲವು ಪ್ರಯೋಗಾಲಯ ಪರೀಕ್ಷಾ ಫಲಿತಾಂಶಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಅನುಸರಿಸುತ್ತವೆ. ಇದು ವೈದ್ಯಕೀಯ ರೋಗನಿರ್ಣಯಗಳಿಗೆ ಕಟ್ಆಫ್ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸಲು ಅನುಕೂಲವಾಗುತ್ತದೆ.

### 5. ಹಣಕಾಸು ಮತ್ತು ಅರ್ಥಶಾಸ್ತ್ರ

ಹಣಕಾಸಿನಲ್ಲಿ, ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಸ್ಟಾಕ್ ರಿಟರ್ನ್ಸ್, ಬಡ್ಡಿದರಗಳು ಮತ್ತು ಇನ್ನೂ ಹೆಚ್ಚಿನ ವಿದ್ಯಮಾನಗಳನ್ನು ಮಾದರಿ ಮಾಡಲು ಬಳಸಲಾಗುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಷೇರುಗಳು ಹೆಚ್ಚಾಗಿ ಹೆಚ್ಚಿನ ಓರೆತನ ಮತ್ತು ಕುರ್ಟೋಸಿಸ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತವೆಯಾದರೂ, ಸಾಮಾನ್ಯ ವಿತರಣೆಯ ಊಹೆಯು ಇನ್ನೂ ಘನ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಆಧಾರವನ್ನು ಒದಗಿಸುತ್ತದೆ.

## ಅನುಷ್ಠಾನ ಮತ್ತು ಲೆಕ್ಕಾಚಾರ

### ಪೈಥಾನ್ ಬಳಸುವುದು

NumPy ಮತ್ತು SciPy ನಂತಹ ಲೈಬ್ರರಿಗಳನ್ನು ಹೊಂದಿರುವ ಪೈಥಾನ್, ಸಾಮಾನ್ಯ ವಿತರಣೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಹಲವಾರು ವಿಧಾನಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. ಈ ಲೈಬ್ರರಿಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನಾವು ಸಾಮಾನ್ಯ ವಿತರಣೆಯನ್ನು ಹೇಗೆ ಸಾಮಾನ್ಯೀಕರಿಸಬಹುದು ಮತ್ತು ರೂಪಿಸಬಹುದು ಎಂಬುದರ ಉದಾಹರಣೆ ಇಲ್ಲಿದೆ:

"ಹೆಬ್ಬಾವು
ನಂಬಿಯನ್ನು np ಆಗಿ ಆಮದು ಮಾಡಿ
matplotlib.pyplot ಅನ್ನು plt ಆಗಿ ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ
scipy.stats ನಿಂದ ಆಮದು ರೂಢಿ

# ಸಾಮಾನ್ಯ ವಿತರಣಾ ನಿಯತಾಂಕಗಳು
mu = 0 # ಸರಾಸರಿ
ಸಿಗ್ಮಾ = 1 # ಪ್ರಮಾಣಿತ ವಿಚಲನ

# ಸಾಮಾನ್ಯ ವಿತರಣೆಗಾಗಿ ಡೇಟಾ
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, ಸಿಗ್ಮಾ)

# ಸಾಮಾನ್ಯ ವಿತರಣಾ ನಕ್ಷೆ
ಪ್ಲಾಟ್.ಪ್ಲಾಟ್(x, y)
plt.xಲೇಬಲ್('x')
plt.ylabel('ಸಾಂದ್ರತೆ')
plt.title('ಸಾಮಾನ್ಯ ವಿತರಣೆ N(0, 1)')
plt.show ()
""

ಮೇಲಿನ ಉದಾಹರಣೆಯಲ್ಲಿ, ನಾವು ಸರಾಸರಿ 0 ಮತ್ತು ಪ್ರಮಾಣಿತ ವಿಚಲನ 1 ರೊಂದಿಗೆ ಸಾಮಾನ್ಯ ವಿತರಣಾ ಡೇಟಾವನ್ನು ರಚಿಸಿದ್ದೇವೆ ಮತ್ತು ನಂತರ ಅದರ ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆ ಕಾರ್ಯವನ್ನು ರೂಪಿಸಿದ್ದೇವೆ.

## ತೀರ್ಮಾನ

ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಅಂಕಿಅಂಶಗಳು ಮತ್ತು ಸಂಭವನೀಯತೆಯಲ್ಲಿ ನಿರ್ಣಾಯಕ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ. ಕೇಂದ್ರ ಮಿತಿ ಪ್ರಮೇಯದಿಂದ ಹಿಡಿದು ಹಿಂಜರಿತ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಊಹೆ ಪರೀಕ್ಷೆಯಂತಹ ವಿವಿಧ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಿಕೆಗಳವರೆಗೆ ಇದರ ಸಾರ್ವತ್ರಿಕ ಬಳಕೆಯು ಇದನ್ನು ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಮತ್ತು ಪ್ರಮುಖ ಸಂಭವನೀಯತೆ ವಿತರಣೆಗಳಲ್ಲಿ ಒಂದನ್ನಾಗಿ ಮಾಡುತ್ತದೆ. ಸಾಮಾನ್ಯ ವಿತರಣಾ ಸೂತ್ರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸುವುದು ಎಂಬುದು ದತ್ತಾಂಶ ವಿಜ್ಞಾನ, ಸಂಶೋಧನೆ, ಅರ್ಥಶಾಸ್ತ್ರ ಮತ್ತು ಇತರ ಹಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಯಾರಿಗಾದರೂ ಅತ್ಯಗತ್ಯ ಕೌಶಲ್ಯವಾಗಿದೆ.

ಈ ಜ್ಞಾನದಿಂದ, ನಾವು ವಿವಿಧ ರೀತಿಯ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸಮಸ್ಯೆಗಳನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸಮೀಪಿಸಬಹುದು ಮತ್ತು ಪರಿಹರಿಸಬಹುದು, ಲಭ್ಯವಿರುವ ಡೇಟಾ ಮತ್ತು ಸಂಭವನೀಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ ಉತ್ತಮ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.