യൂണിഫോം വിതരണത്തെക്കുറിച്ചുള്ള ഒരു ചർച്ചാ ചോദ്യത്തിന്റെ ഉദാഹരണം

യൂണിഫോം വിതരണ ചർച്ചാ ചോദ്യങ്ങളുടെ ഉദാഹരണം

സ്ഥിതിവിവരക്കണക്കുകളിലെ ഏറ്റവും ലളിതമായ പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷനുകളിൽ ഒന്നാണ് യൂണിഫോം ഡിസ്ട്രിബ്യൂഷൻ. ഇതിനെ രണ്ട് പ്രധാന തരങ്ങളായി തിരിച്ചിരിക്കുന്നു: ഡിസ്ക്രീറ്റ് യൂണിഫോം ഡിസ്ട്രിബ്യൂഷൻ, തുടർച്ചയായ യൂണിഫോം ഡിസ്ട്രിബ്യൂഷൻ. ഈ ലേഖനത്തിൽ, രണ്ട് തരത്തിലുള്ള യൂണിഫോം ഡിസ്ട്രിബ്യൂഷനുകളും നമ്മൾ ചർച്ച ചെയ്യും, ഉദാഹരണങ്ങൾ നൽകും, ഈ പ്രശ്നങ്ങൾക്കുള്ള പരിഹാരങ്ങൾ ചർച്ച ചെയ്യും.

ഡിസ്‌ക്രീറ്റ് യൂണിഫോം ഡിസ്ട്രിബ്യൂഷൻ

ഒരു പരീക്ഷണത്തിന്റെയോ സംഭവത്തിന്റെയോ സാധ്യമായ ഓരോ ഫലത്തിനും സംഭവിക്കാനുള്ള തുല്യ സാധ്യതയുള്ള ഒരു പ്രോബബിലിറ്റി ഡിസ്‌ട്രിബ്യൂഷനാണ് ഡിസ്‌ക്രീറ്റ് യൂണിഫോം ഡിസ്‌ട്രിബ്യൂഷൻ. ഏറ്റവും ലളിതമായ ഉദാഹരണങ്ങൾ ഒരു ഫെയർ ഡൈ റോൾ ചെയ്യുകയോ സമാനമായ കാർഡുകളുടെ ഒരു കൂട്ടത്തിൽ നിന്ന് ഒരു കാർഡ് തിരഞ്ഞെടുക്കുകയോ ആണ്.

ഉദാഹരണം ചോദ്യം 1

ചോദ്യം:

ഒരു ഫെയർ ഡൈസിന് 1 മുതൽ 6 വരെ അക്കമിട്ട 6 വശങ്ങളുണ്ട്. ഡൈയുടെ ഒരൊറ്റ റോളിൽ 4 ലഭിക്കാനുള്ള സാധ്യത നിർണ്ണയിക്കുക.

ചർച്ച:

ഒരു ഫെയർ ഡൈസിന്റെ ഓരോ വശവും പ്രത്യക്ഷപ്പെടാനുള്ള സാധ്യത തുല്യമായതിനാൽ, ഓരോ വശത്തിന്റെയും സാധ്യത ഇതാണെന്ന് നമുക്ക് പറയാം:

പി(എ) = 1/എൻ

ഇവിടെ n എന്നത് സാധ്യമായ ആകെ ഫലങ്ങളുടെ എണ്ണമാണ്. ഈ സാഹചര്യത്തിൽ, n = 6.

അപ്പോൾ, നമ്പർ 4 ലഭിക്കാനുള്ള സാധ്യത:

പി(4) = 1/6 ≈ 0.167 അല്ലെങ്കിൽ 16.7%

ഉദാഹരണം ചോദ്യം 2

ചോദ്യം:

ഒരു പെട്ടിയിൽ 1 മുതൽ 10 വരെ അക്കമിട്ട 10 പന്തുകൾ ഉണ്ട്. ഒരു പന്ത് ക്രമരഹിതമായി വരയ്ക്കുകയാണെങ്കിൽ, വരയ്ക്കുന്ന പന്തിന് 7-ൽ കൂടുതൽ സംഖ്യ ഉണ്ടാകാനുള്ള സാധ്യത കണ്ടെത്തുക.

ചർച്ച:

യോഗ്യമായ പന്തുകളുടെ എണ്ണം 8, 9, 10 എന്നീ അക്കങ്ങളുള്ള പന്തുകളാണ്. അപ്പോൾ, ആകെ 10 പന്തുകളിൽ 3 യോഗ്യമായ പന്തുകൾ ഉണ്ട്.

P(B) = വ്യവസ്ഥകൾ പാലിക്കുന്ന പന്തുകളുടെ എണ്ണം / ആകെ പന്തുകൾ

പി(ബി) = 3 / 10 = 0.3 അല്ലെങ്കിൽ 30%

തുടർച്ചയായ യൂണിഫോം വിതരണം

ഒരു നിശ്ചിത ഇടവേളയ്ക്കുള്ളിലെ എല്ലാ മൂല്യങ്ങളും സംഭവിക്കാനുള്ള തുല്യ സാധ്യതയുള്ള ഒരു വിതരണമാണ് തുടർച്ചയായ ഏകീകൃത വിതരണം. ഒരു നിശ്ചിത പരിധിക്കുള്ളിലെ എല്ലാ ഫലങ്ങളും തുല്യമായി സാധ്യതയുള്ള സാഹചര്യങ്ങളിൽ ഈ വിതരണം പലപ്പോഴും ഉണ്ടാകുന്നു.

ഉദാഹരണം ചോദ്യം 3

ചോദ്യം:

X എന്നത് 0 നും 1 നും ഇടയിൽ ഏകതാനമായി വിതരണം ചെയ്യപ്പെടുന്ന ഒരു റാൻഡം വേരിയബിൾ ആണെന്ന് കരുതുക. X 0.25 നും 0.75 നും ഇടയിലായിരിക്കാനുള്ള സാധ്യത കണ്ടെത്തുക.

ചർച്ച:

തുടർച്ചയായ ഏകീകൃത വിതരണത്തിന്, മുഴുവൻ ഇടവേളയിലും സാധ്യതാ സാന്ദ്രത സ്ഥിരമായിരിക്കും. ഈ സാഹചര്യത്തിൽ, ഇടവേള 0 മുതൽ 1 വരെയാണ്, അതായത് സാധ്യതാ സാന്ദ്രത (f(x)) 1 ആണ്, കാരണം ഒരു ഏകീകൃത വിതരണത്തിന് 1 എന്ന വക്രത്തിന് കീഴിലുള്ള ആകെ വിസ്തീർണ്ണം ഉണ്ടായിരിക്കണം.

X 0.25 നും 0.75 നും ഇടയിലായിരിക്കാനുള്ള സാധ്യത, ഈ രണ്ട് പരിധികൾക്കിടയിലുള്ള PDF (പ്രോബബിലിറ്റി ഡെൻസിറ്റി ഫംഗ്ഷൻ) വക്രത്തിന് കീഴിലുള്ള വിസ്തീർണ്ണമായി കണക്കാക്കാം.

പി(0.25 ≤ എക്സ് ≤ 0.75) = (ബി – എ) / (ഡി – സി)

ഇവിടെ a, b എന്നിവ നമ്മൾ അന്വേഷിക്കുന്ന ഇടവേളയുടെ താഴ്ന്നതും ഉയർന്നതുമായ പരിധികളാണ്, കൂടാതെ c, d എന്നിവ ഏകീകൃത വിതരണത്തിന്റെ പരിധികളാണ്. ഈ സാഹചര്യത്തിൽ, a = 0.25, b = 0.75, c = 0, d = 1.

പി(0.25 ≤

അപ്പോൾ, X 0.25 നും 0.75 നും ഇടയിലാകാനുള്ള സാധ്യത 0.5 അല്ലെങ്കിൽ 50% ആണ്.

ഉദാഹരണം ചോദ്യം 4

ചോദ്യം:

ഇടവേളയിൽ കൃത്യതയുടെ ഏകീകൃത വിതരണമുള്ള ഒരു ഉപകരണം ഉപയോഗിച്ചാണ് ഒരു അളവ് നടത്തുന്നത് [2, 5]. അളവ് 3 നും 4 നും ഇടയിലുള്ള മൂല്യം നൽകാനുള്ള സാധ്യത കണ്ടെത്തുക.

ചർച്ച:

[2, 5] ഇടവേളയിൽ ഒരു ഏകീകൃത വിതരണത്തിന്, സാധ്യതാ സാന്ദ്രത സ്ഥിരമായിരിക്കും, വക്രത്തിന് കീഴിലുള്ള ആകെ വിസ്തീർണ്ണം 1 ആണ്. അങ്ങനെ, സാധ്യതാ സാന്ദ്രത (f(x)) 1/(5-2) = 1/3 ആണ്.

അളവ് 3 നും 4 നും ഇടയിലാകാനുള്ള സാധ്യത:

പി(3 ≤ എക്സ് ≤ 4) = (ബി – എ) / (ഡി – സി)

ഇവിടെ a, b എന്നിവ നമ്മൾ അന്വേഷിക്കുന്ന ഇടവേളയുടെ അതിരുകളാണ്, c, d എന്നിവ ഏകീകൃത വിതരണത്തിന്റെ അതിരുകളാണ്. ഈ സാഹചര്യത്തിൽ, a = 3, b = 4, c = 2, d = 5.

പി(3 ≤ എക്സ് ≤ 4) = (4 – 3) / (5 – 2) = 1/3 ≈ 0.333 അല്ലെങ്കിൽ 33.3%

ഉപസംഹാരം

ഏകീകൃത വിതരണം അതിന്റെ ലാളിത്യവും മനസ്സിലാക്കാനുള്ള എളുപ്പവും കാരണം സാധ്യതയിലും സ്ഥിതിവിവര വിശകലനത്തിലും വളരെ ഉപയോഗപ്രദമായ ഒരു ഉപകരണമാണ്. വ്യതിരിക്തവും തുടർച്ചയായതുമായ രണ്ട് രൂപങ്ങളിലും, ഒരു നിശ്ചിത പരിധിക്കുള്ളിലെ എല്ലാ ഫലത്തിനും ഒരേ സാധ്യതയുണ്ടെന്ന് ഏകീകൃത വിതരണം ഉറപ്പാക്കുന്നു.

പ്രധാന പോയിന്റുകൾ

1. ഡിസ്‌ക്രീറ്റ് യൂണിഫോം ഡിസ്ട്രിബ്യൂഷൻ: ഒരു നിശ്ചിത പരിധിക്കുള്ളിൽ ഓരോ ഫലത്തിന്റെയും സാധ്യത ഒന്നുതന്നെയാണ്. ഉദാഹരണം: ഒരു ഫെയർ ഡൈ എറിയൽ.
2. തുടർച്ചയായ ഏകീകൃത വിതരണം: സാധ്യതാ സാന്ദ്രത ഇടവേളയിലുടനീളം സ്ഥിരമായിരിക്കും. ഉദാഹരണം: ഒരു നിശ്ചിത പരിധിക്കുള്ളിൽ കൃത്യമായ ഉപകരണം ഉപയോഗിച്ച് നീളമോ ഭാരമോ അളക്കൽ.

ഈ ആശയം മനസ്സിലാക്കുന്നതിലൂടെയും ഉദാഹരണങ്ങളിലൂടെയും ചർച്ചകളിലൂടെയും, വിവിധ യഥാർത്ഥ സാഹചര്യങ്ങളിലും ഗവേഷണങ്ങളിലും ഏകീകൃത വിതരണം നമുക്ക് കൂടുതൽ എളുപ്പത്തിൽ പ്രയോഗിക്കാൻ കഴിയും. വ്യതിരിക്തമായാലും തുടർച്ചയായ രൂപത്തിലായാലും, തുല്യമായി സാധ്യതയുള്ള ഫലങ്ങൾ ഉള്ള പ്രതിഭാസങ്ങളെ വ്യക്തമാക്കാൻ ഇത് സഹായിക്കുന്നു.

സ്ഥിതിവിവരക്കണക്കുകളിൽ മാത്രമല്ല, കമ്പ്യൂട്ടർ സയൻസ്, എഞ്ചിനീയറിംഗ്, സാമ്പത്തിക ശാസ്ത്രം, തീരുമാനമെടുക്കൽ അല്ലെങ്കിൽ ഡാറ്റ വിശകലനം ആവശ്യമുള്ള മറ്റ് പല മേഖലകളിലും ഏകീകൃത വിതരണങ്ങൾ ഉപയോഗപ്രദമാണ്. ഉദാഹരണത്തിന്, മോണ്ടെ കാർലോ സിമുലേഷനുകളിൽ, ഒരു പ്രത്യേക പരിധിക്കുള്ളിൽ ക്രമരഹിത വെക്റ്ററുകൾ സൃഷ്ടിക്കാൻ യൂണിഫോം വിതരണങ്ങൾ പലപ്പോഴും ഉപയോഗിക്കുന്നു, തുടർന്ന് വിവിധ സാഹചര്യങ്ങളും ഫലങ്ങളും വിലയിരുത്താൻ അവ ഉപയോഗിക്കുന്നു.

യൂണിഫോം വിതരണത്തെക്കുറിച്ചും അതിലെ പ്രശ്നങ്ങൾ എങ്ങനെ പരിഹരിക്കാമെന്നും നന്നായി മനസ്സിലാക്കാൻ ഈ ലേഖനം നിങ്ങളെ സഹായിച്ചിട്ടുണ്ടെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു. ഈ ആശയം പഠിക്കാനും നിങ്ങളുടെ മേഖലയുമായി ബന്ധപ്പെട്ട യഥാർത്ഥ സാഹചര്യങ്ങളിൽ ഇത് പ്രയോഗിക്കാനും പരിശീലിക്കുന്നത് തുടരുക.