റാൻഡം വേരിയബിളുകളുടെ അടിസ്ഥാന ആശയങ്ങൾ

റാൻഡം വേരിയബിളുകളുടെ അടിസ്ഥാന ആശയങ്ങൾ

സ്ഥിതിവിവരക്കണക്കുകളിലും സാധ്യതാ സിദ്ധാന്തത്തിലും, ക്രമരഹിതമായ വേരിയബിളുകൾ ഏറ്റവും അടിസ്ഥാനപരമായ ആശയങ്ങളിൽ ഒന്നാണ്, ക്രമരഹിതമായ ഇവന്റുകൾക്കും അളക്കാവുന്ന ഗണിത വിശകലനത്തിനും ഇടയിലുള്ള വിടവ് നികത്തുന്നു. ക്രമരഹിതമായ വേരിയബിളുകൾ വഴി, ഒരു ക്രമരഹിത പരീക്ഷണത്തിന്റെ ഫലങ്ങൾ - തുടക്കത്തിൽ സംഭവങ്ങളോ വിഭാഗങ്ങളോ ഉൾക്കൊള്ളുന്ന - പ്രോസസ്സ് ചെയ്യാൻ കഴിയുന്ന സംഖ്യകളാക്കി "വിവർത്തനം" ചെയ്യാൻ കഴിയും: അവയുടെ സാധ്യതകൾ കണക്കാക്കുക, ശരാശരികളുമായി അവയെ സംഗ്രഹിക്കുക, അവയുടെ വ്യാപനം അളക്കുക, നിർദ്ദിഷ്ട വിതരണങ്ങൾ ഉപയോഗിച്ച് അവയെ മാതൃകയാക്കുക പോലും. ക്രമരഹിതമായ വേരിയബിളുകളുടെ അടിസ്ഥാന ആശയങ്ങൾ, അവയുടെ തരങ്ങൾ, പ്രോബബിലിറ്റി ഫംഗ്ഷൻ, ക്യുമുലേറ്റീവ് ഡിസ്ട്രിബ്യൂഷൻ ഫംഗ്ഷൻ, പ്രതീക്ഷിക്കുന്ന മൂല്യം, വ്യതിയാനം എന്നിവ പോലുള്ള പ്രധാന ആശയങ്ങൾ ഈ ലേഖനം ചർച്ച ചെയ്യുന്നു.

1. ഒരു റാൻഡം വേരിയബിൾ എന്താണ്?

ലളിതമായി പറഞ്ഞാൽ, ഒരു റാൻഡം വേരിയബിൾ എന്നത് ഒരു സാമ്പിൾ സ്‌പെയ്‌സിൽ നിന്ന് ഓരോ ഫലത്തെയും ഒരു യഥാർത്ഥ സംഖ്യയിലേക്ക് മാപ്പ് ചെയ്യുന്ന ഒരു ഫംഗ്‌ഷനാണ്. ഒരു റാൻഡം പരീക്ഷണത്തിന്റെ സാധ്യമായ എല്ലാ ഫലങ്ങളുടെയും ശേഖരമാണ് സാമ്പിൾ സ്‌പെയ്‌സ്.

ഉദാഹരണത്തിന്, നമ്മൾ ഒരു ആറ് വശങ്ങളുള്ള ഡൈ റോൾ ചെയ്യുമെന്ന് കരുതുക. സാമ്പിൾ സ്പേസ് {1, 2, 3, 4, 5, 6} ആണ്. നമുക്ക് റാൻഡം വേരിയബിളിനെ \(X\) "ഡൈയിൽ ദൃശ്യമാകുന്ന സംഖ്യ" ആയി നിർവചിക്കാം. തുടർന്ന് \(X\) ന് 1 മുതൽ 6 വരെയുള്ള മൂല്യങ്ങൾ ഉണ്ടാകാം, ഡൈ ന്യായമാണെങ്കിൽ തുല്യ സാധ്യതയോടെ.

മറ്റൊരു ഉദാഹരണം: നമ്മൾ രണ്ട് നാണയങ്ങൾ മറിച്ചിടുന്നു. സാമ്പിൾ സ്പേസ് {HH, HT, TH, TT} ആണ്. റാൻഡം വേരിയബിളിനെ \(Y\) “ദൃശ്യമാകുന്ന തലകളുടെ എണ്ണം (H)” ആയി നിർവചിച്ചാൽ, പിന്നെ:
– എച്ച്എച്ച് → \(വൈ = 2\)
– എച്ച്.ടി → \(Y = 1\)
– TH → \(Y = 1\)
– ടിടി → \(വൈ = 0\)

ഇവിടെ നമുക്ക് കാണാൻ കഴിയുന്നത്, റാൻഡം വേരിയബിളുകൾ യഥാർത്ഥ ഫലത്തെ നേരിട്ട് "പ്രതിഫലിപ്പിക്കേണ്ടതില്ല" എന്നാണ്; വിശകലനത്തിന്റെ ആവശ്യങ്ങൾക്കനുസരിച്ച് റാൻഡം ഫലങ്ങൾക്ക് സംഖ്യാ മൂല്യങ്ങൾ നൽകുന്നതിനുള്ള ഒരു മാർഗമാണിത്.

2. റാൻഡം വേരിയബിളുകളുടെ തരങ്ങൾ: വ്യതിരിക്തവും തുടർച്ചയായതും

പൊതുവേ, റാൻഡം വേരിയബിളുകളെ രണ്ട് പ്രധാന തരങ്ങളായി തിരിച്ചിരിക്കുന്നു:

a) വ്യതിരിക്തമായ റാൻഡം വേരിയബിളുകൾ
ഒരു ഡിസ്‌ക്രീറ്റ് റാൻഡം വേരിയബിൾ എന്നത് ഒരു റാൻഡം വേരിയബിളാണ്, അതിന്റെ മൂല്യങ്ങൾ ഓരോന്നായി കണക്കാക്കാം (എണ്ണാവുന്നത്), സാധാരണയായി പൂർണ്ണസംഖ്യകളുടെ രൂപത്തിലോ പ്രത്യേക മൂല്യങ്ങളുടെ ഒരു പ്രത്യേക സെറ്റിലോ.

ഉള്ളടക്കം:
– ഒരു കുടുംബത്തിലെ കുട്ടികളുടെ എണ്ണം (0, 1, 2, 3, …)
– ഒരു മിനിറ്റിനുള്ളിൽ ടോൾ പോസ്റ്റ് വഴി കടന്നുപോകുന്ന വാഹനങ്ങളുടെ എണ്ണം
– പരിശോധിച്ച 10 ഉൽപ്പന്നങ്ങളിൽ നിന്നുള്ള വികലമായ ഇനങ്ങളുടെ എണ്ണം

വ്യതിരിക്ത റാൻഡം വേരിയബിളുകൾക്ക്, ഓരോ മൂല്യത്തിന്റെയും സംഭാവ്യത ഒരു പ്രോബബിലിറ്റി മാസ് ഫംഗ്ഷന്റെ രൂപത്തിൽ നേരിട്ട് പ്രകടിപ്പിക്കാൻ കഴിയും.

b) തുടർച്ചയായ റാൻഡം വേരിയബിളുകൾ
ഒരു തുടർച്ചയായ റാൻഡം വേരിയബിൾ എന്നത് ഒരു റാൻഡം വേരിയബിളാണ്, അത് യഥാർത്ഥ സംഖ്യാ രേഖയിൽ (എണ്ണാൻ കഴിയാത്തത്) തുടർച്ചയായ ഇടവേളയിൽ മൂല്യങ്ങൾ എടുക്കാൻ കഴിയും, ഉദാഹരണത്തിന് 0 നും 1 നും ഇടയിലുള്ള എല്ലാ മൂല്യങ്ങളും അല്ലെങ്കിൽ എല്ലാ പോസിറ്റീവ് റിയൽ മൂല്യങ്ങളും.

ഉള്ളടക്കം:
– ഒരു വ്യക്തിയുടെ ഉയരം
– കൗണ്ടറിൽ ഉപഭോക്താവിന്റെ കാത്തിരിപ്പ് സമയം
- ഒരു നിശ്ചിത മണിക്കൂറിൽ വായുവിന്റെ താപനില

ഒരു തുടർച്ചയായ റാൻഡം വേരിയബിളിന്, നൽകിയിരിക്കുന്ന ഏതൊരു ബിന്ദുവിലെയും സാധ്യത പൂജ്യമാണ്. അതിനാൽ, പ്രോബബിലിറ്റി ഡെൻസിറ്റി ഫംഗ്ഷൻ ഉപയോഗിച്ച്, വിവിധ മൂല്യങ്ങളുടെ ശ്രേണിയിൽ (ഉദാ. 10 നും 12 നും ഇടയിൽ) സാധ്യത കണക്കാക്കുന്നു.

3. പ്രോബബിലിറ്റി ഫംഗ്‌ഷനുകൾ: PMF, PDF

അടുത്ത പ്രധാന ആശയം, ഒരു റാൻഡം വേരിയബിളിന്റെ മൂല്യവുമായി പ്രോബബിലിറ്റി എങ്ങനെ "ബന്ധിപ്പിക്കപ്പെടുന്നു" എന്നതാണ്.

a) പ്രോബബിലിറ്റി മാസ് ഫംഗ്ഷൻ (PMF)
ഒരു ഡിസ്‌ക്രീറ്റ് റാൻഡം വേരിയബിളിന് \(X\), PMF ഇങ്ങനെ നിർവചിച്ചിരിക്കുന്നു:
\[
പി(x) = പി(X = x)
\]
ഇനിപ്പറയുന്ന വ്യവസ്ഥകളോടെ:
1. \(p(x) \ge 0\) എല്ലാത്തിനും \(x\)
2. \(\തുക_x p(x) = 1\)

ലളിതമായ ഉദാഹരണം: ഫെയർ ഡൈസ്
\[
പി(എക്സ്=കെ)=\ഫ്രാക്{1}{6}, \ക്വാഡ് കെ=1,2,3,4,5,6
\]

b) പ്രോബബിലിറ്റി ഡെൻസിറ്റി ഫംഗ്ഷൻ (PDF)
ഒരു തുടർച്ചയായ റാൻഡം വേരിയബിളിന് \(X\), നമ്മൾ PDF \(f(x)\) ഉപയോഗിക്കുന്നു, അങ്ങനെ ഇടവേളയിലെ സാധ്യത \([a,b]\) ആണ്:
\[
P(a \le X \le b) = \int_a^bf(x)\,dx
\]
ഇനിപ്പറയുന്ന വ്യവസ്ഥകളോടെ:
1. \(f(x) \ge 0\)
2. \(\int_{-\infty}^{\infty} f(x)\,dx = 1\)

ഒരു തുടർച്ചയായ റാൻഡം വേരിയബിളിന്, \(x\) ന്റെ ഓരോ മൂല്യത്തിനും \(P(X=x)=0\) എന്നത് ഊന്നിപ്പറയേണ്ടതാണ്. ശ്രേണികളെക്കുറിച്ച് ചർച്ച ചെയ്യുമ്പോൾ സാധ്യത എല്ലായ്പ്പോഴും അർത്ഥവത്താണ്.

4. സഞ്ചിത വിതരണ പ്രവർത്തനം (CDF)

ഡിസ്ക്രീറ്റ് ആയാലും തുടർച്ചയായതായാലും, റാൻഡം വേരിയബിളുകളെ ക്യുമുലേറ്റീവ് ഡിസ്ട്രിബ്യൂഷൻ ഫംഗ്ഷൻ (CDF) ഉപയോഗിച്ച് വിവരിക്കാം, അത് ഇങ്ങനെ നിർവചിച്ചിരിക്കുന്നു:
\[
F(x) = P(X \le x)
\]

സിഡിഎഫിന് നിരവധി പ്രധാന ഗുണങ്ങളുണ്ട്:
– \(F(x)\) ന്റെ മൂല്യം എപ്പോഴും 0 നും 1 നും ഇടയിലാണ്
– \(F(x)\) കുറയുന്നില്ല (കുറയാത്തത്)
– \(\lim_{x\to -\infty}F(x)=0\) ഉം \(\lim_{x\to\infty}F(x)=1\) ഉം

ഡിസ്ക്രീറ്റ് വേരിയബിളുകൾക്ക്, CDF "പടിപ്പുര" ആകൃതിയിലാണ് (ചില പോയിന്റുകളിൽ ഉയരുന്നു). തുടർച്ചയായ വേരിയബിളുകൾക്ക്, CDF പൊതുവെ സുഗമവും PDF-ന്റെ അവിഭാജ്യവുമാണ്:
\[
F(x)=\int_{-\infty}^{x} f(t)\,dt
\]

5. കേന്ദ്ര പ്രവണതയുടെ അളവ്: പ്രതീക്ഷിക്കുന്ന മൂല്യം (പ്രതീക്ഷ)

പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷൻ അറിഞ്ഞുകഴിഞ്ഞാൽ, നമ്മൾ പലപ്പോഴും റാൻഡം വേരിയബിളിനെ അതിന്റെ "ദീർഘകാല ശരാശരി മൂല്യത്തെ" പ്രതിനിധീകരിക്കുന്ന ഒരൊറ്റ സംഖ്യ ഉപയോഗിച്ച് സംഗ്രഹിക്കാൻ ആഗ്രഹിക്കുന്നു. ഇതാണ് പ്രതീക്ഷിക്കുന്ന മൂല്യം അല്ലെങ്കിൽ പ്രതീക്ഷ.

a) വ്യതിരിക്തമായ വേരിയബിൾ പ്രതീക്ഷകൾ
\(X\) ഡിസ്‌ക്രീറ്റ് ആണെങ്കിൽ:
\[
E[X] = \sum_x x\,p(x)
\]

b) തുടർച്ചയായ വേരിയബിളുകളുടെ പ്രതീക്ഷ
\(X\) തുടർച്ചയായതാണെങ്കിൽ:
\[
E[X] = \int_{-\infty}^{\infty} x\,f(x)\,dx
\]

പ്രതീക്ഷ എപ്പോഴും "ഏറ്റവും പതിവായി സംഭവിക്കുന്ന മൂല്യം" (മോഡ്) പോലെയല്ല, മാത്രമല്ല എല്ലായ്പ്പോഴും യഥാർത്ഥത്തിൽ സംഭവിക്കാൻ സാധ്യതയുള്ള മൂല്യവുമല്ല, പക്ഷേ തീരുമാനമെടുക്കൽ, പ്രവചനം, അപകടസാധ്യത വിശകലനം എന്നിവയ്ക്ക് ഇത് വളരെ ഉപയോഗപ്രദമാണ്.

ആപ്ലിക്കേഷൻ ഉദാഹരണം: ബിസിനസ്സിൽ, വിവിധ സാഹചര്യങ്ങളും അവയുടെ സാധ്യതകളും കണക്കിലെടുത്ത്, ഒരു തന്ത്രത്തിന്റെ പ്രതീക്ഷിക്കുന്ന ശരാശരി ലാഭം കണക്കാക്കാൻ പ്രതീക്ഷകൾ ഉപയോഗിക്കാം.

6. വ്യാപനത്തിന്റെ അളവുകൾ: വ്യതിയാനവും സ്റ്റാൻഡേർഡ് ഡീവിയേഷനും

രണ്ട് റാൻഡം വേരിയബിളുകൾക്ക് ഒരേ പ്രതീക്ഷ ഉണ്ടാകാം, പക്ഷേ വ്യത്യസ്ത തലത്തിലുള്ള അനിശ്ചിതത്വമുണ്ടാകാം. അതിനാൽ, നമുക്ക് വ്യാപനത്തിന്റെ അളവുകൾ ആവശ്യമാണ്, അതായത് വ്യതിയാനം, സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ.

\(X\) ന്റെ വേരിയൻസ് ഇങ്ങനെ നിർവചിച്ചിരിക്കുന്നു:
\[
വാർ(എക്സ്)=ഇ[(എക്സ്ഇ[എക്സ്])^2]
\]
സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ എന്നത് വേരിയൻസിന്റെ വർഗ്ഗമൂലമാണ്:
\[
\sigma = \sqrt{Var(X)}
\]

പലപ്പോഴും ഉപയോഗിക്കുന്ന പ്രായോഗിക സൂത്രവാക്യങ്ങൾ:
\[
വാർ(X) = ഇ[എക്സ്^2] – (ഇ[എക്സ്])^2
\]

വ്യത്യാസം കൂടുന്തോറും ശരാശരിയിൽ നിന്നുള്ള \(X\) മൂല്യങ്ങളുടെ വ്യാപനവും വർദ്ധിക്കും, അതായത് അനിശ്ചിതത്വം കൂടുതലാണ്.

7. പതിവായി ഉപയോഗിക്കുന്ന പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷനുകൾ

പ്രായോഗികമായി, പല റാൻഡം വേരിയബിളുകളും ചില വിതരണ പാറ്റേണുകൾ പിന്തുടരുന്നു. ചില ജനപ്രിയ വിതരണങ്ങൾ ഇവയാണ്:

– ബെർണൂലി: രണ്ട് ഫലങ്ങൾ (വിജയം/പരാജയം), ഉദാഹരണത്തിന് സത്യം-തെറ്റ്, ജീവിച്ചിരിക്കുന്നവർ-മരിച്ചവർ.
– ദ്വിപദം: \(n\) ബെർണൂലി പരീക്ഷണങ്ങളിൽ നിന്നുള്ള വിജയങ്ങളുടെ എണ്ണം, ഉദാഹരണത്തിന് 20 ആളുകളിൽ നിന്ന് ബിരുദം നേടിയ വിദ്യാർത്ഥികളുടെ എണ്ണം.
– പോയിസൺ: ഒരു സമയ/സ്ഥല ഇടവേളയിലെ ഇവന്റുകളുടെ എണ്ണം, ഉദാഹരണത്തിന് മിനിറ്റിൽ വരുന്ന കോളുകളുടെ എണ്ണം.
– ഏകീകൃത തുടർച്ച: ഇടവേളയിലെ എല്ലാ മൂല്യങ്ങളും ഒരുപോലെ സാധ്യതയുണ്ട്.
– സാധാരണം (ഗൗസിയൻ): ഉയരം അല്ലെങ്കിൽ അളവെടുപ്പ് പിശക് പോലുള്ള നിരവധി പ്രകൃതിദത്തവും സാമൂഹികവുമായ പ്രതിഭാസങ്ങൾ ഈ വിതരണത്തെ സമീപിക്കുന്നു.

ശരിയായ വിതരണം തിരഞ്ഞെടുക്കുന്നത് മോഡലിംഗും വിശകലനവും കൂടുതൽ കൃത്യതയുള്ളതാക്കാൻ സഹായിക്കുന്നു.

8. റാൻഡം വേരിയബിളുകൾ പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്?

റാൻഡം വേരിയബിളുകൾ ഇവയുടെ അടിസ്ഥാനമാണ്:
– അനുമാന സ്ഥിതിവിവരക്കണക്കുകൾ: സാമ്പിളുകളെ അടിസ്ഥാനമാക്കി ജനസംഖ്യാ പാരാമീറ്ററുകൾ കണക്കാക്കൽ
– പരികല്പന പരിശോധന: ഒരു ക്ലെയിമിനെ ഡാറ്റ പിന്തുണയ്ക്കുന്നുണ്ടോ എന്ന് തീരുമാനിക്കൽ.
– മെഷീൻ ലേണിംഗ്: അനിശ്ചിതത്വത്തിന്റെയും പ്രവചന സാധ്യതയുടെയും മോഡലിംഗ്
- റിസ്ക് മാനേജ്മെന്റ്: നഷ്ടങ്ങളുടെയും അങ്ങേയറ്റത്തെ സാഹചര്യങ്ങളുടെയും സാധ്യത അളക്കൽ.
– എഞ്ചിനീയറിംഗും ശാസ്ത്രവും: സിഗ്നൽ പ്രോസസ്സിംഗ്, സിസ്റ്റം വിശ്വാസ്യത, ക്യൂയിംഗ് സിദ്ധാന്തം

റാൻഡം വേരിയബിളുകൾ ഉപയോഗിച്ച്, അനിശ്ചിതത്വത്തെക്കുറിച്ച് വ്യവസ്ഥാപിതമായി സംസാരിക്കാൻ നമുക്ക് ഒരു ഗണിതശാസ്ത്ര ഭാഷയുണ്ട്.

ഉപസംഹാരം

റാൻഡം വേരിയബിൾ എന്നത് പ്രോബബിലിറ്റി സിദ്ധാന്തത്തിലെ ഒരു പ്രധാന ആശയമാണ്, ഇത് റാൻഡം പരീക്ഷണങ്ങളുടെ ഫലങ്ങളെ സംഖ്യാ മൂല്യങ്ങളിലേക്ക് മാപ്പ് ചെയ്യുന്നു. റാൻഡം വേരിയബിളുകൾ വ്യതിരിക്തമോ തുടർച്ചയായതോ ആകാം, കൂടാതെ ഓരോന്നിനും PMF അല്ലെങ്കിൽ PDF വഴി സാധ്യതകളെ പ്രതിനിധീകരിക്കുന്നതിന് വ്യത്യസ്ത മാർഗങ്ങളുണ്ട്. കൂടാതെ, സാധ്യതകളുടെ ശേഖരണം കാണുന്നതിന് CDF ഒരു പൊതു മാർഗം നൽകുന്നു. ഒരു വിതരണത്തെ സംഗ്രഹിക്കാൻ, പ്രതീക്ഷയെ കേന്ദ്ര പ്രവണതയുടെ അളവുകോലായും വ്യതിയാനം/സ്റ്റാൻഡേർഡ് ഡീവിയേഷനെ ഡിസ്‌പ്രഷന്റെ അളവുകോലായും ഉപയോഗിക്കുന്നു. ഈ അടിസ്ഥാന ആശയങ്ങൾ മനസ്സിലാക്കുന്നത് പ്രോബബിലിറ്റി ഡിസ്ട്രിബ്യൂഷനുകൾ, സ്റ്റാറ്റിസ്റ്റിക്കൽ എസ്റ്റിമേഷൻ, റിഗ്രഷൻ, റിസ്ക് മോഡലിംഗ്, ആധുനിക ഡാറ്റ വിശകലനം തുടങ്ങിയ കൂടുതൽ വിപുലമായ വിഷയങ്ങൾ പഠിക്കാൻ സഹായിക്കും.

നിങ്ങൾക്ക് വേണമെങ്കിൽ, റാൻഡം വേരിയബിളുകളുടെ ആശയം എളുപ്പത്തിൽ മനസ്സിലാക്കാൻ എനിക്ക് ഉദാഹരണ ചോദ്യങ്ങളും അവയുടെ ചർച്ചകളും (വ്യതിരിക്തവും തുടർച്ചയായതും) ചേർക്കാൻ കഴിയും.