Санамсаргүй хувьсагчдын үндсэн ойлголтууд
Статистик болон магадлалын онолд санамсаргүй хувьсагчид нь хамгийн үндсэн ойлголтуудын нэг бөгөөд санамсаргүй үйл явдлууд болон хэмжигдэхүйц математикийн шинжилгээний хоорондох зайг гүүр болгодог. Санамсаргүй хувьсагчдын тусламжтайгаар бид анх үйл явдал эсвэл ангиллаас бүрдэх санамсаргүй туршилтын үр дүнг боловсруулж болох тоо болгон "орчуулж" чадна: тэдгээрийн магадлалыг тооцоолох, дундажаар нэгтгэх, тархалтыг хэмжих, тэр ч байтугай тодорхой тархалтыг ашиглан загварчлах. Энэ нийтлэлд санамсаргүй хувьсагчдын үндсэн ойлголтууд, тэдгээрийн төрлүүд, магадлалын функц, хуримтлагдсан тархалтын функц, хүлээгдэж буй утга, дисперс зэрэг гол ойлголтуудыг авч үзэх болно.
1. Санамсаргүй хувьсагч гэж юу вэ?
Энгийнээр хэлбэл, санамсаргүй хувьсагч гэдэг нь түүврийн орон зайгаас гарсан үр дүн бүрийг бодит тоо болгон харуулдаг функц юм. Түүврийн орон зай нь санамсаргүй туршилтын бүх боломжит үр дүнгийн цуглуулга юм.
Жишээлбэл, бид зургаан талт шоо өнхрүүллээ гэж бодъё. Түүврийн орон зай нь {1, 2, 3, 4, 5, 6} байна. Бид санамсаргүй хувьсагч \(X\)-г "шоо дээр гарч ирэх тоо" гэж тодорхойлж болно. Тэгвэл \(X\) нь 1-ээс 6 хүртэлх утгатай байж болох бөгөөд хэрэв шоо шударга байвал магадлал нь тэнцүү байна.
Өөр нэг жишээ: бид хоёр зоос шиднэ. Түүврийн орон зай нь {HH, HT, TH, TT} байна. Хэрэв бид санамсаргүй хувьсагч \(Y\)-г “гарч ирэх толгойн тоо (H)” гэж тодорхойлвол:
– HH → \(Y = 2\)
– HT → \(Y = 1\)
– TH → \(Y = 1\)
– TT → \(Y = 0\)
Эндээс бид санамсаргүй хувьсагчид анхны үр дүнг шууд "тусгах" шаардлагагүй гэдгийг харж байна; эдгээр нь шинжилгээний хэрэгцээнд нийцүүлэн санамсаргүй үр дүнд тоон утгыг оноох арга юм.
2. Санамсаргүй хувьсагчдын төрлүүд: дискрет ба тасралтгүй
Ерөнхийдөө санамсаргүй хувьсагчдыг хоёр үндсэн төрөлд хуваадаг:
a) Дискрет санамсаргүй хувьсагчууд
Дискрет санамсаргүй хувьсагч гэдэг нь утгыг нэг нэгээр нь (тоолж болох) тоолж болох санамсаргүй хувьсагч бөгөөд ихэвчлэн бүхэл тоо эсвэл тусдаа тодорхой утгуудын багц хэлбэрээр байдаг.
Жишээ:
– Гэр бүлийн хүүхдийн тоо (0, 1, 2, 3, …)
– 1 минутад төлбөртэй цэгээр дамжин өнгөрөх тээврийн хэрэгслийн тоо
– Шалгасан 10 бүтээгдэхүүнээс гэмтэлтэй бүтээгдэхүүний тоо
Дискрет санамсаргүй хувьсагчдын хувьд утга бүрийн магадлалыг магадлалын массын функц хэлбэрээр шууд илэрхийлж болно.
б) Тасралтгүй санамсаргүй хувьсагчууд
Тасралтгүй санамсаргүй хувьсагч гэдэг нь бодит тоон шугам дээрх тасралтгүй интервалаас (тоолж баршгүй) утгыг авч чаддаг санамсаргүй хувьсагч юм, жишээлбэл 0-ээс 1 хүртэлх бүх утга эсвэл бүх эерэг бодит утгууд.
Жишээ:
- Хүний өндөр
– Үйлчлүүлэгчийн лангуун дээр хүлээх хугацаа
- Тодорхой цагийн агаарын температур
Тасралтгүй санамсаргүй хувьсагчийн хувьд өгөгдсөн аль ч цэг дээрх магадлал үндсэндээ тэг байна. Тиймээс магадлалыг магадлалын нягтралын функцийг ашиглан утгуудын хүрээнд (жишээлбэл, 10-12 минутын хооронд) тооцоолно.
3. Магадлалын функцууд: PMF болон PDF
Дараагийн чухал ойлголт бол магадлалыг санамсаргүй хувьсагчийн утгатай хэрхэн “холбох” явдал юм.
a) Магадлалын массын функц (PMF)
Дискрет санамсаргүй хувьсагчийн хувьд \(X\), PMF-ийг дараах байдлаар тодорхойлно:
\[
p(x) = P(X = x)
\]
дараах заалтуудтай хамт:
1. бүх (x\)-ийн хувьд \(p(x) \ge 0\)
2. \(\sum_x p(x) = 1\)
Энгийн жишээ: шударга шоо
\[
P(X=k)=\frac{1}{6}, \quad k=1,2,3,4,5,6
\]
б) Магадлалын нягтралын функц (PDF)
\(X\) тасралтгүй санамсаргүй хувьсагчийн хувьд бид \([a,b]\) интервал дээрх магадлалыг дараах байдлаар харуулахын тулд PDF \(f(x)\)-г ашиглана.
\[
P(a \le X \le b) = \int_a^bf(x)\,dx
\]
дараах заалтуудтай хамт:
1. \(f(x) \ge 0\)
2. \(\int_{-\infty}^{\infty} f(x)\,dx = 1\)
Үүнийг онцлон тэмдэглэх нь зүйтэй: тасралтгүй санамсаргүй хувьсагчийн хувьд, \(x\-ийн утга бүрийн хувьд \(P(X=x)=0\) байна. Хүрээг хэлэлцэх үед магадлал үргэлж утга учиртай байдаг.
4. Хуримтлагдсан тархалтын функц (CDF)
Дискрет эсвэл тасралтгүй эсэхээс үл хамааран санамсаргүй хувьсагчдыг хуримтлагдсан тархалтын функц (CDF)-ээр тодорхойлж болно, үүнийг дараах байдлаар тодорхойлно:
\[
F(x) = P(X \le x)
\]
CDF нь хэд хэдэн чухал шинж чанартай байдаг:
– \(F(x)\)-ийн утга үргэлж 0-ээс 1-ийн хооронд байна
– \(F(x)\) буурахгүй (буурахгүй)
– \(\lim_{x\to -\infty}F(x)=0\) болон \(\lim_{x\to\infty}F(x)=1\)
Дискрет хувьсагчдын хувьд CDF нь "шат" хэлбэртэй (тодорхой цэгүүдэд өгсдөг). Тасралтгүй хувьсагчдын хувьд CDF нь ерөнхийдөө жигд бөгөөд PDF-ийн салшгүй хэсэг юм:
\[
F(x)=\int_{-\infty}^{x} f(t)\,dt
\]
5. Төвийн хандлагын хэмжүүр: хүлээгдэж буй утга (хүлээлт)
Магадлалын тархалтыг мэдсэний дараа бид санамсаргүй хувьсагчийг түүний "урт хугацааны дундаж утга"-г илэрхийлсэн ганц тоогоор нэгтгэхийг хүсдэг. Энэ бол хүлээгдэж буй утга буюу хүлээлт юм.
a) Дискрет хувьсах хүлээлт
Хэрэв \(X\) нь дискрет бол:
\[
E[X] = \sum_x x\,p(x)
\]
b) Тасралтгүй хувьсагчдын хүлээлт
Хэрэв \(X\) тасралтгүй бол:
\[
E[X] = \int_{-\infty}^{\infty} x\,f(x)\,dx
\]
Хүлээлт нь "хамгийн олон удаа тохиолддог утга" (горим)-той үргэлж ижил байдаггүй бөгөөд үргэлж үнэхээр тохиолдох магадлалтай утга биш боловч шийдвэр гаргах, урьдчилсан мэдээ гаргах, эрсдэлийн шинжилгээ хийхэд маш хэрэгтэй байдаг.
Хэрэглээний жишээ: Бизнесийн хувьд хүлээлтийг янз бүрийн хувилбарууд болон тэдгээрийн магадлалыг харгалзан стратегийн дундаж ашгийг тооцоолоход ашиглаж болно.
6. Тархалтын хэмжүүрүүд: дисперс ба стандарт хазайлт
Хоёр санамсаргүй хувьсагч ижил хүлээлттэй байж болох ч тодорхойгүй байдлын түвшин өөр байж болно. Тиймээс бидэнд дисперсийн хэмжүүрүүд, тухайлбал дисперс ба стандарт хазайлт хэрэгтэй.
\(X\)-ийн дисперсийг дараах байдлаар тодорхойлно:
\[
Var(X)=E[(XE[X])^2]
\]
Стандарт хазайлт нь дисперсийн квадрат язгуур юм:
\[
\sigma = \sqrt{Var(X)}
\]
Практикт ихэвчлэн ашиглагддаг томъёонууд:
\[
Var(X) = E[X^2] – (E[X])^2
\]
Дисперс их байх тусам \(X\) утгуудын дундажаас тархалт их байх бөгөөд энэ нь тодорхойгүй байдал өндөр байна гэсэн үг юм.
7. Байнга ашиглагддаг магадлалын тархалт
Практикт олон санамсаргүй хувьсагчид тодорхой тархалтын хэв маягийг дагадаг. Зарим алдартай тархалтууд нь:
– Бернулли: хоёр үр дүн (амжилт/бүтэлгүйтэл), жишээлбэл үнэн-худал, амьд-үхсэн.
– Бином: Бернуллигийн туршилтаас амжилттай гарсан хүмүүсийн тоо, жишээлбэл, 20 хүнээс төгссөн оюутнуудын тоо.
– Пуассон: цаг хугацаа/орон зайн интервал дахь үйл явдлын тоо, жишээлбэл минутанд ирж буй дуудлагын тоо.
– Нэг жигд тасралтгүй: интервал дахь бүх утга ижил магадлалтай.
– Хэвийн (Гаусс): өндөр эсвэл хэмжилтийн алдаа гэх мэт олон байгалийн болон нийгмийн үзэгдлүүд энэ тархалтад ойртдог.
Зөв тархалтыг сонгох нь загварчлал болон дүн шинжилгээг илүү нарийвчлалтай болгоход тусалдаг.
8. Санамсаргүй хувьсагч яагаад чухал вэ?
Санамсаргүй хувьсагч нь дараахь зүйлсийн үндэс суурь болдог.
– Дүгнэлтийн статистик: түүвэр дээр үндэслэн популяцийн параметрүүдийг тооцоолох
– Таамаглалыг шалгах: нэхэмжлэлийг өгөгдөл дэмжиж байгаа эсэхийг шийдэх
– Машин сургалт: тодорхойгүй байдлыг загварчлах ба магадлалыг урьдчилан таамаглах
– Эрсдэлийн удирдлага: алдагдал болон онцгой нөхцөл байдлын магадлалыг хэмжих
– Инженерчлэл ба шинжлэх ухаан: дохио боловсруулах, системийн найдвартай байдал, дарааллын онол
Санамсаргүй хувьсагчдын хувьд бид тодорхойгүй байдлын талаар системтэйгээр ярих математикийн хэлтэй болно.
Дүгнэлт
Санамсаргүй хувьсагч гэдэг нь магадлалын онолын гол ойлголт бөгөөд санамсаргүй туршилтын үр дүнг тоон утгад харуулдаг. Санамсаргүй хувьсагч нь дискрет эсвэл тасралтгүй байж болох бөгөөд тус бүр нь PMF эсвэл PDF-ээр дамжуулан магадлалыг илэрхийлэх өөр өөр аргатай байдаг. Цаашилбал, CDF нь магадлалын хуримтлалыг харах нийтлэг аргыг өгдөг. Тархалтыг нэгтгэн дүгнэхийн тулд хүлээлтийг төвийн хандлагын хэмжүүр, дисперс/стандарт хазайлтыг тархалтын хэмжүүр болгон ашигладаг. Эдгээр үндсэн ойлголтуудыг ойлгох нь магадлалын тархалт, статистикийн тооцоо, регресс, эрсдэлийн загварчлал, орчин үеийн өгөгдлийн шинжилгээ зэрэг илүү дэвшилтэт сэдвүүдийг сурахад хялбар болгоно.
Хэрэв та хүсвэл санамсаргүй хувьсагчдын тухай ойлголтыг ойлгоход хялбар болгохын тулд би жишээ асуултууд болон тэдгээрийн хэлэлцүүлгийг (салангид ба тасралтгүй) нэмж болно.
