एकसमान वितरणावरील चर्चा प्रश्नाचे उदाहरण

एकसमान वितरणावरील चर्चा प्रश्नांचे उदाहरण

एकसमान वितरण हा सांख्यिकीमधील संभाव्यता वितरणाच्या सर्वात सोप्या प्रकारांपैकी एक आहे. त्याचे दोन मुख्य प्रकारांमध्ये विभाजन केले जाते: असतत एकसमान वितरण आणि अखंड एकसमान वितरण. या लेखात, आपण एकसमान वितरणाच्या दोन्ही प्रकारांवर चर्चा करणार आहोत, उदाहरणे देणार आहोत आणि या समस्यांवरील उपायांवरही चर्चा करणार आहोत.

विविक्त एकसमान वितरण

विविक्त एकसमान वितरण हे एक असे संभाव्यता वितरण आहे, ज्यामध्ये एखाद्या प्रयोगाच्या किंवा घटनेच्या प्रत्येक संभाव्य निष्पत्तीची घडण्याची शक्यता समान असते. याची सर्वात सोपी उदाहरणे म्हणजे एक निष्पक्ष फासा फेकणे किंवा एकसारख्या पत्त्यांच्या संचातून एक पत्ता निवडणे.

उदाहरण प्रश्न १

प्रश्न:

एका निष्पक्ष फाशाला १ ते ६ अंक असलेल्या ६ बाजू आहेत. फासा एकदा टाकल्यावर ४ येण्याची संभाव्यता निश्चित करा.

चर्चा:

एका निष्पक्ष फाशाच्या प्रत्येक बाजूची येण्याची संभाव्यता समान असल्यामुळे, आपण असे म्हणू शकतो की प्रत्येक बाजू येण्याची संभाव्यता खालीलप्रमाणे आहे:

P(A) = 1/n

येथे n ही संभाव्य निष्पत्तींची एकूण संख्या आहे. या प्रकरणात, n = 6.

तर, ४ हा अंक मिळण्याची संभाव्यता आहे:

P(4) = 1/6 ≈ 0.167 किंवा 16.7%

उदाहरण प्रश्न १

प्रश्न:

एका खोक्यात १ ते १० अंक असलेले १० चेंडू आहेत. जर त्यातून यादृच्छिकपणे एक चेंडू काढला, तर काढलेल्या चेंडूवर ७ पेक्षा मोठा अंक असण्याची संभाव्यता शोधा.

चर्चा:

पात्र चेंडूंची संख्या ८, ९ आणि १० क्रमांकाचे चेंडू आहेत. म्हणून, एकूण १० चेंडूंपैकी ३ चेंडू पात्र आहेत.

P(B) = अटी पूर्ण करणाऱ्या चेंडूंची संख्या / एकूण चेंडू

P(B) = 3 / 10 = 0.3 किंवा 30%

सतत एकसमान वितरण

सलग एकसमान वितरण हे असे वितरण आहे, ज्यामध्ये दिलेल्या अंतरातील सर्व मूल्यांची घडण्याची संभाव्यता समान असते. हे वितरण अनेकदा अशा परिस्थितीत उद्भवते, जिथे दिलेल्या मर्यादेतील प्रत्येक निष्पत्तीची शक्यता समान असते.

उदाहरण प्रश्न १

प्रश्न:

समजा X हा 0 आणि 1 च्या दरम्यान एकसमान वितरीत केलेला एक यादृच्छिक चल आहे. X ची किंमत 0.25 आणि 0.75 च्या दरम्यान असण्याची संभाव्यता शोधा.

चर्चा:

सतत एकसमान वितरणासाठी, संभाव्यता घनता संपूर्ण अंतरामध्ये स्थिर असते. या प्रकरणात, अंतर 0 ते 1 आहे, याचा अर्थ संभाव्यता घनता (f(x)) 1 आहे कारण एकसमान वितरणाचे वक्राखालील एकूण क्षेत्रफळ 1 असले पाहिजे.

X ची किंमत 0.25 आणि 0.75 च्या दरम्यान असण्याची संभाव्यता, या दोन मर्यादांमधील PDF (संभाव्यता घनता कार्य) वक्राखालील क्षेत्रफळ म्हणून मोजता येते.

P(0.25 ≤ X ≤ 0.75) = (b – a) / (d – c)

येथे a आणि b हे आपण शोधत असलेल्या अंतराच्या खालच्या आणि वरच्या मर्यादा आहेत आणि c आणि d हे एकसमान वितरणाच्या मर्यादा आहेत. या प्रकरणात, a = 0.25, b = 0.75, c = 0, आणि d = 1.

पी(०.२५ ≤

म्हणून, X ची किंमत 0.25 आणि 0.75 च्या दरम्यान असण्याची संभाव्यता 0.5 किंवा 50% आहे.

उदाहरण प्रश्न १

प्रश्न:

[2, 5] या अंतरामध्ये एकसमान अचूकता वितरण असलेल्या उपकरणाने एक मापन केले जाते. मापनाचे मूल्य 3 आणि 4 च्या दरम्यान येण्याची संभाव्यता शोधा.

चर्चा:

[2, 5] या अंतरावरील एकसमान वितरणासाठी, संभाव्यता घनता स्थिर असते आणि वक्राखालील एकूण क्षेत्रफळ 1 असते. म्हणून, संभाव्यता घनता (f(x)) 1/(5-2) = 1/3 आहे.

माप ३ आणि ४ च्या दरम्यान असण्याची संभाव्यता आहे:

P(3 ≤ X ≤ 4) = (b – a) / (d – c)

येथे a आणि b हे आपण शोधत असलेल्या अंतराच्या सीमा आहेत आणि c आणि d हे एकसमान वितरणाच्या सीमा आहेत. या प्रकरणात, a = 3, b = 4, c = 2, आणि d = 5.

P(3 ≤ X ≤ 4) = (4 – 3) / (5 – 2) = 1/3 ≈ 0.333 किंवा 33.3%

निष्कर्ष

एकसमान वितरण हे त्याच्या साधेपणामुळे आणि समजण्यास सोपे असल्यामुळे संभाव्यता आणि सांख्यिकीय विश्लेषणात एक अत्यंत उपयुक्त साधन आहे. विविक्त आणि सलग अशा दोन्ही स्वरूपांमध्ये, एकसमान वितरण हे सुनिश्चित करते की दिलेल्या मर्यादेतील प्रत्येक निष्पत्तीची संभाव्यता समान असेल.

मुख्य मुद्दे

१. असतत एकसमान वितरण: एका विशिष्ट मर्यादेतील प्रत्येक निष्पत्तीची संभाव्यता समान असते. उदाहरण: एक निष्पक्ष फासा फेकणे.
२. सलग एकसमान वितरण: संभाव्यता घनता संपूर्ण अंतरामध्ये स्थिर असते. उदाहरण: एका विशिष्ट मर्यादेत अचूक उपकरणाने लांबी किंवा वजन मोजणे.

ही संकल्पना समजून घेतल्याने आणि उदाहरणे व चर्चेच्या माध्यमातून, आपण एकसमान वितरणाचा उपयोग विविध वास्तविक परिस्थितींमध्ये आणि संशोधनामध्ये अधिक सहजपणे करू शकतो. यामुळे, विविक्त किंवा सलग स्वरूपात असलेल्या, समान संभाव्य परिणामांच्या घटना स्पष्ट होण्यास मदत होते.

एकसमान वितरणे केवळ सांख्यिकीमध्येच नव्हे, तर संगणकशास्त्र, अभियांत्रिकी, अर्थशास्त्र आणि निर्णय घेणे किंवा डेटा विश्लेषण आवश्यक असलेल्या इतर अनेक क्षेत्रांमध्येही उपयुक्त आहेत. उदाहरणार्थ, माँटे कार्लो सिम्युलेशनमध्ये, एका विशिष्ट मर्यादेत यादृच्छिक सदिश (random vectors) तयार करण्यासाठी अनेकदा एकसमान वितरणांचा वापर केला जातो, ज्यांचा उपयोग नंतर विविध परिस्थिती आणि परिणामांचे मूल्यांकन करण्यासाठी केला जातो.

आम्हाला आशा आहे की या लेखामुळे तुम्हाला एकसमान वितरण आणि त्याच्या मदतीने समस्या कशा सोडवायच्या हे अधिक चांगल्या प्रकारे समजण्यास मदत झाली असेल. या संकल्पनेत प्राविण्य मिळवण्यासाठी सराव करत राहा आणि तुमच्या क्षेत्राशी संबंधित वास्तविक उदाहरणांमध्ये तिचा वापर करा.