वर्दी वितरण छलफल प्रश्नहरूको उदाहरण
तथ्याङ्कमा सम्भाव्यता वितरणको सबैभन्दा सरल प्रकारहरू मध्ये एक एकरूप वितरण हो। यसलाई दुई मुख्य प्रकारमा विभाजन गरिएको छ: असक्रिय एकरूप वितरण र निरन्तर एकरूप वितरण। यस लेखमा, हामी दुवै प्रकारका एकरूप वितरणको बारेमा छलफल गर्नेछौं, उदाहरणहरू प्रदान गर्नेछौं, र यी समस्याहरूको समाधानको बारेमा छलफल गर्नेछौं।
अलग एकरूप वितरण
एक असमान एकरूप वितरण भनेको सम्भाव्यता वितरण हो जसमा प्रयोग वा घटनाको प्रत्येक सम्भावित परिणाम हुने सम्भावना बराबर हुन्छ। सबैभन्दा सरल उदाहरणहरू फेयर डाई घुमाउनु वा समान कार्डहरूको सेटबाट कार्ड चयन गर्नु हो।
उदाहरण प्रश्न ३
प्रश्न:
एउटा फेयर डाईमा १ देखि ६ सम्म अंकित ६ वटा भुजा हुन्छन्। डाईको एकल रोलमा ४ प्राप्त गर्ने सम्भावना निर्धारण गर्नुहोस्।
छलफल:
फेयर डाईको प्रत्येक पक्ष देखा पर्ने सम्भावना बराबर हुने भएकोले, हामी भन्न सक्छौं कि प्रत्येक पक्षको सम्भावना निम्न हो:
P(A) = १/n
जहाँ n सम्भावित परिणामहरूको कुल संख्या हो। यस अवस्थामा, n = ६।
त्यसैले, संख्या ४ पाउने सम्भावना यो हो:
P(4) = १/६ ≈ ०.१६७ वा १६.७%
उदाहरण प्रश्न ३
प्रश्न:
एउटा बक्समा १ देखि १० सम्म अंकित १० वटा बलहरू हुन्छन्। यदि एउटा बल जथाभावी कोरिएको छ भने, कोरिएको बलमा ७ भन्दा बढी संख्या भएको सम्भाव्यता पत्ता लगाउनुहोस्।
छलफल:
योग्य बलहरूको संख्या ८, ९ र १० अंकित बलहरू हुन्। त्यसैले, कुल १० बलहरू मध्ये ३ वटा योग्य बलहरू छन्।
P(B) = सर्तहरू पूरा गर्ने बलहरूको संख्या / कुल बलहरू
P(B) = ३ / १० = ०.३ वा ३०%
निरन्तर एकरूप वितरण
निरन्तर एकरूप वितरण भनेको त्यस्तो वितरण हो जसमा दिइएको अन्तराल भित्रका सबै मानहरूमा हुने सम्भावना समान हुन्छ। यो वितरण प्रायः त्यस्तो परिस्थितिमा उत्पन्न हुन्छ जहाँ दिइएको दायरा भित्रका प्रत्येक परिणाम समान रूपमा सम्भावित हुन्छन्।
उदाहरण प्रश्न ३
प्रश्न:
मानौं X एउटा अनियमित चर हो जुन ० र १ को बीचमा समान रूपमा वितरित हुन्छ। X ०.२५ र ०.७५ को बीचमा हुने सम्भाव्यता पत्ता लगाउनुहोस्।
छलफल:
निरन्तर एकरूप वितरणको लागि, सम्भाव्यता घनत्व सम्पूर्ण अन्तरालमा स्थिर रहन्छ। यस अवस्थामा, अन्तराल ० देखि १ सम्म हुन्छ, जसको अर्थ सम्भाव्यता घनत्व (f(x)) १ हो किनभने एकरूप वितरणको वक्र मुनिको कुल क्षेत्रफल १ हुनुपर्छ।
X ०.२५ र ०.७५ बीचको सम्भाव्यतालाई यी दुई सीमाहरू बीचको PDF (सम्भाव्यता घनत्व प्रकार्य) वक्र अन्तर्गतको क्षेत्रफलको रूपमा गणना गर्न सकिन्छ।
P(0.25 ≤ X ≤ 0.75) = (b – a) / (d – c)
जहाँ a र b हामीले खोजिरहेको अन्तरालको तल्लो र माथिल्लो सीमा हुन्, र c र d एकरूप वितरणको सीमा हुन्। यस अवस्थामा, a = ०.२५, b = ०.७५, c = ०, र d = १।
पी(०.२५ ≤
त्यसैले, X ०.२५ र ०.७५ को बीचमा हुने सम्भावना ०.५ वा ५०% छ।
उदाहरण प्रश्न ३
प्रश्न:
अन्तराल [2, 5] मा शुद्धताको एकरूप वितरण भएको उपकरण प्रयोग गरेर मापन गरिन्छ। मापनले ३ र ४ बीचको मान दिने सम्भाव्यता पत्ता लगाउनुहोस्।
छलफल:
अन्तराल [2, 5] मा एक समान वितरणको लागि, सम्भाव्यता घनत्व स्थिर हुन्छ र वक्र मुनिको कुल क्षेत्रफल 1 हुन्छ। यसरी, सम्भाव्यता घनत्व (f(x)) 1/(5-2) = 1/3 हुन्छ।
मापन ३ र ४ को बीचमा हुने सम्भावना यो हो:
P(3 ≤ X ≤ 4) = (b – a) / (d – c)
जहाँ a र b हामीले खोजिरहेको अन्तरालको सीमाना हुन्, र c र d एकरूप वितरणको सीमाना हुन्। यस अवस्थामा, a = 3, b = 4, c = 2, र d = 5।
P(३ ≤ X ≤ ४) = (४ – ३) / (५ – २) = १/३ ≈ ०.३३३ वा ३३.३%
केसिम्पुलन
एकरूप वितरण यसको सरलता र बुझ्ने सहजताको कारणले सम्भाव्यता र तथ्याङ्कीय विश्लेषणमा धेरै उपयोगी उपकरण हो। अलग र निरन्तर दुवै रूपहरूमा, एकरूप वितरणले दिइएको दायरा भित्रको प्रत्येक परिणाममा समान सम्भाव्यता रहेको सुनिश्चित गर्दछ।
मुख्य बुँदाहरू
१. असमान एकरूप वितरण: निश्चित दायरा भित्र प्रत्येक परिणामको सम्भाव्यता समान हुन्छ। उदाहरण: फेयर डाई फ्याँक्नु।
२. निरन्तर एकरूप वितरण: सम्भाव्यता घनत्व अन्तरालभरि स्थिर रहन्छ। उदाहरण: निश्चित दायरा भित्रको सही उपकरणको साथ लम्बाइ वा तौल नाप्ने।
यो अवधारणा बुझेर र उदाहरणहरू र छलफलहरू मार्फत, हामी विभिन्न वास्तविक-विश्व परिस्थितिहरू र अनुसन्धानहरूमा समान वितरणलाई अझ सजिलै लागू गर्न सक्छौं। यसले समान रूपमा सम्भावित परिणामहरू भएका घटनाहरूलाई स्पष्ट पार्न मद्दत गर्दछ, चाहे त्यो अलग रूपमा होस् वा निरन्तर रूपमा।
एकरूप वितरण तथ्याङ्कमा मात्र नभई कम्प्युटर विज्ञान, इन्जिनियरिङ, अर्थशास्त्र र निर्णय लिने वा डेटा विश्लेषण आवश्यक पर्ने अन्य धेरै क्षेत्रहरूमा पनि उपयोगी छ। उदाहरणका लागि, मोन्टे कार्लो सिमुलेशनहरूमा, एकरूप वितरणहरू प्रायः एक विशिष्ट दायरा भित्र अनियमित भेक्टरहरू उत्पन्न गर्न प्रयोग गरिन्छ, जुन त्यसपछि विभिन्न परिदृश्यहरू र परिणामहरूको मूल्याङ्कन गर्न प्रयोग गरिन्छ।
हामी आशा गर्छौं कि यस लेखले तपाईंलाई समान वितरण र यससँग सम्बन्धित समस्याहरू कसरी समाधान गर्ने भनेर राम्रोसँग बुझ्न मद्दत गरेको छ। यो अवधारणामा निपुण हुन अभ्यास गरिरहनुहोस् र यसलाई तपाईंको क्षेत्रसँग सान्दर्भिक वास्तविक-विश्व केसहरूमा लागू गर्नुहोस्।
