द्विपद वितरण प्रकार्य

द्विपद वितरण प्रकार्य: पूर्ण व्याख्या र अनुप्रयोगहरू

द्विपद वितरण तथ्याङ्क र सम्भाव्यतामा सबैभन्दा धेरै प्रयोग हुने असक्रिय सम्भाव्यता वितरणहरू मध्ये एक हो। यो वितरणले समान, स्वतन्त्र परीक्षणहरूको श्रृंखलामा सफलताहरूको संख्यालाई मोडेल गर्दछ, जहाँ प्रत्येक परीक्षणमा दुई सम्भावित परिणामहरू हुन्छन्: सफलता वा असफलता। यस लेखमा, हामी द्विपद वितरण प्रकार्यको परिभाषा, सूत्र, गुणहरू, र अनुप्रयोगहरूको गहिराइमा अन्वेषण गर्नेछौं।

द्विपद वितरण बुझ्दै

द्विपद वितरणले n स्वतन्त्र परीक्षणहरूमा "सफलताहरू" को संख्या वर्णन गर्दछ, जहाँ:

- प्रत्येक परीक्षणले केवल दुई सम्भावित परिणामहरू उत्पादन गर्दछ: सफलता वा असफलता।
- प्रत्येक परीक्षणमा सफलताको सम्भावना p हो।
– असफलताको सम्भावना १ – पृ.
- प्रत्येक परीक्षण एकअर्काबाट स्वतन्त्र हुन्छ।

द्विपद वितरणलाई B(n, p) को रूपमा जनाइएको छ, जहाँ n परीक्षणहरूको संख्या हो र p एकल परीक्षणमा सफलताको सम्भावना हो।

द्विपद वितरण सूत्र

द्विपद वितरण निम्न सूत्र प्रयोग गरेर गणना गरिन्छ:

\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]

कहाँ:
– \( P(X = k) \): n परीक्षणहरूमा ठ्याक्कै k सफलताहरू प्राप्त गर्ने सम्भाव्यता।
– \( \binom{n}{k} \): k लिइएका n वस्तुहरूको संयोजन।
– \( p \): प्रत्येक परीक्षणमा सफलताको सम्भावना।
– \( n \): परीक्षणहरूको कुल संख्या।
– \( k \): इच्छित सफलताहरूको संख्या।

संयोजन \(\binom{n}{k}\) यसरी गणना गरिन्छ:

\[ \binom{n}{k} = frac{n!}{k!(nk)!} \]

द्विपद वितरणका गुणहरू

१. अपेक्षा (माध्यम) र भिन्नता:
– द्विपद वितरणको अपेक्षा वा माध्य \( \mu = np \) हो।
– भिन्नता \( \sigma^2 = np(1-p) \) हो।

२. सममिति:
– यदि p = ०.५ छ भने द्विपद वितरण सममित हुन्छ। यदि p ≠ ०.५ छ भने, वितरण दायाँ (p < ०.५) वा बायाँ (p > ०.५) तिर बाङ्गो हुन्छ।

३. स्क्युनेस र कर्टोसिस:
– द्विपद वितरणको विकृति \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \) हो।
– कर्टोसिस भनेको \( \gamma_2 = \frac{1-6p(1-p)}{np(1-p)} \) हो।

४. अनुमानित वितरण:
- ०.५ नजिक पुग्ने ठूला n र p को लागि, द्विपद वितरणलाई सामान्य वितरणद्वारा अनुमानित गर्न सकिन्छ।
- यदि p धेरै सानो छ र n धेरै ठूलो छ जसले गर्दा np स्थिर रहन्छ भने, द्विपद वितरणलाई पोइसन वितरणद्वारा अनुमानित गर्न सकिन्छ।

द्विपद वितरण प्रयोग गर्दै

द्विपद वितरण जीवविज्ञान, अर्थशास्त्र, मार्केटिंग, र ईन्जिनियरिङ् जस्ता क्षेत्रहरूमा बाइनरी सर्तहरू (सफलता/असफलता) मा व्यक्त गर्न सकिने घटनाहरूको मोडेल बनाउन प्रयोग गरिन्छ। यहाँ यसको प्रयोगका केही ठोस उदाहरणहरू छन्:

उत्पादन गुणस्तर परीक्षण

मानौं उत्पादनको ब्याचमा दोषपूर्ण हुने सम्भावना २% छ। यदि हामीले उत्पादनको ५० एकाइहरू परीक्षण गर्यौं भने, हामी दिइएको संख्यामा दोषपूर्ण एकाइहरू फेला पार्ने सम्भावना गणना गर्न द्विपद वितरण प्रयोग गर्न सक्छौं। n = ५० र p = ०.०२ को साथ, हामी ब्याचमा ठ्याक्कै k दोषपूर्ण एकाइहरू फेला पार्ने सम्भावना गणना गर्न सक्छौं।

नमूना मूल्याङ्कन

उदाहरणका लागि, बजार अनुसन्धानमा, सर्वेक्षणहरू प्रायः हो/होइन प्रश्नहरू सहित सञ्चालन गरिन्छ। यदि हामी १०० जनाको नमूनामा कथनसँग सहमत हुने उत्तरदाताहरूको संख्या जान्न चाहन्छौं (०.७ को सहमतिको सम्भावना मान्दै), द्विपद वितरणले सहमत हुने व्यक्तिहरूको अपेक्षित संख्या अनुमान गर्न मद्दत गर्न सक्छ।

आनुवंशिकी

आनुवंशिकीमा, एक पुस्ताबाट अर्को पुस्तामा निश्चित विशेषताहरूको वंशाणुगत गुणहरूको मोडेल गर्न द्विपद वितरण प्रयोग गरिन्छ। उदाहरणका लागि, यदि कुनै सन्तानमा निश्चित आनुवंशिक गुण हुने सम्भावना २५% छ भने, हामी चार सन्तानमध्ये दुईमा त्यो गुण हुने सम्भावना निर्धारण गर्न द्विपद वितरण प्रयोग गर्न सक्छौं।

वित्त र बीमा

वित्तमा, द्विपद वितरणलाई दिवालियापन, दाबी भुक्तानी, वा सफलता/असफलता सर्तहरू पूरा गर्ने निश्चित वस्तुहरूमा ब्याज दरहरूको घटना मोडेल गर्न प्रयोग गर्न सकिन्छ।

गणना उदाहरण

मानौं हामी १० सिक्का फ्याँक्दा ठ्याक्कै ६ वटा सिक्का मिल्ने सम्भावना गणना गर्न चाहन्छौं (सिक्काहरू निष्पक्ष छन् र p=०.५ छन् भन्ने मान्दै):

\[ P(X = ६) = \binom{10}{6} (०.५)^६ (०.५)^४ \]

\[ = \frac{१०!}{६!४!} (०.५)^{१०} \]

\[ = \frac{210}{1024} \]

\[ = १.३ \]

त्यसो भए, १० सिक्का फ्याँक्दा ठ्याक्कै ६ वटा सिक्का प्राप्त हुने सम्भावना ०.२०५ छ।

कम्प्युटिङ अनुप्रयोगहरू

आजको प्राविधिक युगमा, द्विपद वितरणहरू प्रायः R, Python जस्ता तथ्याङ्कीय सफ्टवेयर वा Microsoft Excel जस्ता स्प्रेडसिट उपकरणहरू प्रयोग गरेर गणना गरिन्छ। यहाँ `scipy` पुस्तकालय प्रयोग गर्ने साधारण पाइथन स्क्रिप्टको उदाहरण छ:

'' अजगर
scipy.stats बाट import binom

उदाहरणका लागि, हामी n=१० र p=०.५ को लागि P(X = ६) खोज्न चाहन्छौं।
n = 10
p = २
k = २

समस्या = binom.pmf(k, n, p)

print(f”{n} सिक्का फ्याँक्दा ठ्याक्कै {k} हेडहरू प्राप्त हुने सम्भावना {prob:.3f}” हो)
"'

केसिम्पुलन

तथ्याङ्क र सम्भाव्यतामा द्विपद वितरण एक महत्त्वपूर्ण उपकरण हो, विशेष गरी स्वतन्त्र बाइनरी घटनाहरूको विश्लेषण गर्दा। यो अवधारणामा निपुणता हासिल गर्नाले हामीलाई वित्तीय निर्णयहरू, बजार अनुसन्धान, उत्पादन गुणस्तर, आनुवंशिकी, र अन्य विभिन्न अनुप्रयोगहरू समावेश गर्ने समस्याहरूलाई अझ प्रभावकारी रूपमा सम्बोधन गर्न मद्दत गर्न सक्छ।

द्विपद वितरण प्रकार्य बुझेर, हामी घटनाहरूको सम्भाव्यतालाई सटीकताका साथ मोडेल र गणना गर्न सक्छौं, र बलियो सांख्यिकीय विश्लेषणमा आधारित निर्णयहरू गर्न सक्छौं। प्रविधि र तथ्याङ्कीय सफ्टवेयरमा भएको प्रगतिले यो वितरणको गणना र कल्पना गर्न पनि सजिलो बनाएको छ, जसले गर्दा यसलाई अध्ययन र अनुप्रयोगहरूको विस्तृत दायरामा अझ पहुँचयोग्य बनाएको छ।