सामान्य वितरण सम्बन्धी छलफल प्रश्नको उदाहरण
सामान्य वितरण, जसलाई गौसियन वितरण पनि भनिन्छ, तथ्याङ्कमा सबैभन्दा बढी प्रयोग हुने सम्भाव्यता वितरण हो। यो वितरणमा सममित घण्टीको आकार छ, जसले डेटा औसत वरिपरि व्यवस्थित गरिएको छ र चरम सीमाहरूको सम्भावना (औसतबाट टाढा मानहरू) कम छ भन्ने संकेत गर्दछ।
यस लेखमा, हामी सामान्य वितरणसँग सम्बन्धित विभिन्न उदाहरण समस्याहरू र तिनीहरूलाई कसरी समाधान गर्ने भन्ने बारे छलफल गर्नेछौं। हामी केही आधारभूत अवधारणाहरू प्रस्तुत गरेर सुरु गर्नेछौं र त्यसपछि थप जटिल उदाहरणहरूमा अगाडि बढ्नेछौं।
सामान्य वितरणको आधारभूत कुराहरू
सामान्य वितरण भनेको दुई प्यारामिटरहरू भएको निरन्तर वितरण हो: माध्य र मानक विचलन (SD)। माध्यले वितरणको केन्द्र निर्धारण गर्छ, जबकि मानक विचलनले वितरणको चौडाइ निर्धारण गर्छ।
सामान्य वितरणका महत्त्वपूर्ण विशेषताहरू:
१. सममिति: सामान्य वितरण माध्यको बारेमा सममित हुन्छ।
२. अनुभवजन्य नियम (अनुभवजन्य नियम):
- लगभग ६८% डेटा औसतको एक मानक विचलन भित्र पर्दछ।
- लगभग ९५% डेटा औसतको दुई मानक विचलन भित्र पर्दछ।
- लगभग ९९.७% डेटा औसतको तीन मानक विचलन भित्र पर्दछ।
नमुना प्रश्न र छलफल
उदाहरण प्रश्न १: Z-स्कोर गणना गर्दै
प्रश्न: परीक्षाको औसत अंक ७० हुन्छ र मानक विचलन १० हुन्छ। एक विद्यार्थीले ८० अंक पाउँछ। विद्यार्थीको Z-स्कोर कति हो?
समाधान:
Z-स्कोर भनेको कुनै मान औसतबाट कति मानक विचलनहरू छन् भन्ने मापन हो।
Z-स्कोर सूत्र:
\[ Z = \frac{X - \mu}{\sigma} \]
कहाँ:
– \( X \) अवलोकन गरिएको मान हो।
– \( \mu \) औसत हो।
– \( \sigma \) मानक विचलन हो।
यो ज्ञात छ:
– \( X = ८० \)
– \( \mu = ७० \)
– \( \सिग्मा = १० \)
सूत्रको प्रयोग:
\[ Z = \frac{80 – 70}{10} = 1 \]
त्यसैले, विद्यार्थीको Z-स्कोर १ हो, जसको अर्थ ८० को स्कोर औसतभन्दा एक मानक विचलन हो।
उदाहरण प्रश्न २: निश्चित मानको सम्भाव्यता
प्रश्न: १०० को औसत र १५ को मानक विचलन भएको सामान्य वितरणमा, ८५ भन्दा कम मान फेला पार्ने सम्भावना कति हुन्छ?
समाधान:
चरणहरू:
१. मान \( X = 85 \) को लागि Z-स्कोर गणना गर्नुहोस्:
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]
२. -१ को Z-स्कोरसँग सम्बन्धित सम्भाव्यता पत्ता लगाउन Z-तालिका वा तथ्याङ्कीय क्याल्कुलेटर प्रयोग गर्नुहोस्। Z-तालिकामा, -१ को Z-स्कोरको सम्भाव्यता लगभग ०.१५८७ हुन्छ।
त्यसैले, ८५ भन्दा कम मान फेला पार्ने सम्भावना ०.१५८७ वा १५.८७% छ।
उदाहरण प्रश्न ३: अनुभवजन्य नियमहरूको प्रयोग
प्रश्न: विद्यालयहरूमा गणित परीक्षाको अङ्कको वितरण सामान्य वितरण अनुसार हुन्छ जसको औसत ७५ र मानक विचलन ८ हुन्छ। ६७ र ८३ को बीचमा कति विद्यार्थीहरूले अङ्क प्राप्त गरे?
समाधान:
Langkah-langkah:
१. मान ६७ र ८३ को लागि Z-स्कोर गणना गर्नुहोस्:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]
२. अनुभवजन्य नियमहरू अनुसार, औसतबाट -१ SD र +१ SD बीचको मानहरूले जनसंख्याको लगभग ६८% लाई समेट्छ।
त्यसैले, ६७ देखि ८३ सम्म अंक प्राप्त गर्ने विद्यार्थीहरूको अनुपात लगभग ६८% थियो।
उदाहरण प्रश्न ४: प्रतिशतकबाट मानहरू गणना गर्दै
प्रश्न: यदि कुनै देशमा वयस्क पुरुषहरूको औसत उचाइ १७५ सेन्टिमिटर छ र मानक विचलन ७ सेन्टिमिटर छ भने, ९० औं प्रतिशतमा कति उचाइ हुन्छ?
समाधान:
Langkah-langkah:
१. ९० औं प्रतिशतकसँग मिल्दोजुल्दो Z-स्कोर पत्ता लगाउनुहोस्। Z-तालिकाको आधारमा, ०.९००० को नजिकको Z-स्कोर लगभग १.२८ हो।
२. \( X \) को मान गणना गर्न सूत्र प्रयोग गर्नुहोस्:
\[ X = \mu + Z \पटक \सिग्मा \]
\[ X = १७५ + १.२८ \गुणा ७ \]
\[ X = १५.६ + १०० \]
\[ X = ११५.६ \]
त्यसैले, ९० औं प्रतिशतमा उचाइ लगभग १८३.९६ सेन्टिमिटर हुन्छ।
उदाहरण प्रश्न ५: निश्चित अन्तरालको सम्भावना
प्रश्न: नवजात शिशुको तौलको वितरण औसत ३.५ केजी र मानक विचलन ०.५ केजीको साथ सामान्य वितरण पछ्याउने कुरालाई ध्यानमा राख्दै, बच्चाको तौल ३ केजी र ४ केजीको बीचमा हुने सम्भावना कति छ?
समाधान:
Langkah-langkah:
१. ३ किलोग्राम र ४ किलोग्राम मानहरूको लागि Z-स्कोर गणना गर्नुहोस्:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]
२. Z तालिकाको आधारमा -१ र १ बीचको Z-स्कोरको सम्भावना लगभग ०.६८२६ वा ६८.२६% छ।
त्यसैले, ३ किलोग्राम देखि ४ किलोग्राम सम्मको तौल भएको बच्चा हुने सम्भावना लगभग ६८.२६% छ।
केसिम्पुलन
सामान्य वितरण तथ्याङ्कमा एक आधारभूत अवधारणा हो जुन महत्त्वपूर्ण छ र यसको धेरै वास्तविक-विश्व अनुप्रयोगहरू छन्। यस लेखमा, हामीले सामान्य वितरणको आधारभूत अवधारणाहरू व्याख्या गरेका छौं र हाम्रो बुझाइलाई गहिरो बनाउन धेरै उदाहरणहरू समाधान गरेका छौं।
सामान्य वितरण बुझ्नु तथ्याङ्कको लागि मात्र होइन, मनोविज्ञान, अर्थशास्त्र र अन्य सामाजिक विज्ञान जस्ता विभिन्न व्यावहारिक क्षेत्रहरूको लागि पनि महत्त्वपूर्ण छ। पर्याप्त अभ्यासको साथ, सामान्य वितरण समस्याहरू समाधान गर्नु अझ सहज हुन सक्छ र डेटा-संचालित निर्णय प्रक्रियामा मद्दत गर्न सक्छ।
