द्विपद वितरण बुझ्दै
द्विपद वितरण सम्भाव्यता र तथ्याङ्कको क्षेत्रमा सबैभन्दा प्रसिद्ध र बारम्बार प्रयोग हुने असक्रिय सम्भाव्यता वितरणहरू मध्ये एक हो। यो वैज्ञानिक अनुसन्धानदेखि व्यावसायिक डेटा विश्लेषणसम्म धेरै अनुप्रयोगहरूमा महत्त्वपूर्ण छ। यस लेखले द्विपद वितरणका विभिन्न पक्षहरू, यसको आधारभूत परिभाषा र गुणहरूदेखि विभिन्न क्षेत्रहरूमा यसको प्रयोगहरूसम्म छलफल गर्नेछ।
द्विपद वितरणको परिभाषा र सूत्र
द्विपद वितरण भनेको दुई फरक परिणामहरू भएका परीक्षणहरू वा अवलोकनहरूको श्रृंखलामा सफलताहरूको संख्याको सम्भाव्यता वितरण हो, "सफलता" र "असफलता"। यी परीक्षणहरूलाई बर्नौली परीक्षणहरू भनिन्छ, र स्वतन्त्र परीक्षणहरूको यो श्रृंखलालाई बर्नौली योजना भनिन्छ।
द्विपद वितरणको सम्भाव्यता गणना गर्न प्रयोग गरिने मुख्य सूत्र हो:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
कहाँ:
– \( P(X = k) \) भनेको \( n \) परीक्षणहरू मध्ये कुनै पनि \( k \) सफल हुने सम्भावना हो।
– \( \binom{n}{k} \) भनेको \( \frac{n!}{k!(nk)!} \) को रूपमा गणना गरिएको द्विपद गुणांक हो।
– \( p \) भनेको एकल परीक्षणमा सफलताको सम्भावना हो।
– \( १ – p \) भनेको एउटै परीक्षणमा असफलताको सम्भावना हो।
– \( n \) परीक्षणहरूको कुल संख्या हो।
– \( k \) सफलताहरूको इच्छित संख्या हो।
द्विपद वितरणका गुणहरू
द्विपद वितरणमा धेरै महत्त्वपूर्ण गुणहरू छन् जसले यसलाई तथ्याङ्कीय विश्लेषणमा उपयोगी बनाउँछ:
१. असन्तुलित: द्विपद वितरण एक असन्तुलित वितरण हो किनभने यसले सीमित संख्यामा परीक्षणहरूमा सफलताहरूको संख्या मात्र गणना गर्दछ।
२. दुई परिणामहरू: बर्नौली योजनामा प्रत्येक परीक्षणको केवल दुई परिणामहरू हुन्छन्: सफलता (सम्भाव्यता सहित \( p \)) वा असफलता (सम्भाव्यता सहित \( १ – p \))।
३. स्वतन्त्र: एउटा प्रयोग अर्को प्रयोगबाट स्वतन्त्र हुन्छ; एउटा प्रयोगको नतिजाले अर्कोलाई असर गर्दैन।
४. निश्चित प्यारामिटरहरू: सम्भाव्यता \( p \), परीक्षणहरूको कुल संख्या \( n \), र सफलताहरूको संख्या \( k \) द्विपद वितरणमा निश्चित प्यारामिटरहरू हुन्।
द्विपद वितरणको माध्य र भिन्नता
द्विपद वितरणको माध्य (औसत) र भिन्नतामा पनि सरल र सहज सूत्रहरू छन्:
– मीन (\(\mu\)) : द्विपद वितरणको मीन भनेको सफलताको सम्भाव्यताले गुणन गरिएका परीक्षणहरूको संख्या हो:
\[ \mu = np \]
– भिन्नता (\(\sigma^2\)) : द्विपद वितरणको भिन्नता परीक्षणहरूको संख्या, सफलताको सम्भावना र असफलताको सम्भावनाको गुणनफल हो:
\[ \सिग्मा^२ = np(१ – p) \]
द्विपद वितरणको प्रयोगको केस स्टडी
द्विपद वितरणको प्रयोग बुझ्नको लागि, केही वास्तविक उदाहरणहरू हेरौं:
उदाहरण १: कर्मचारी कार्यसम्पादन विश्लेषण
एक प्रबन्धकले एउटा विभागमा कर्मचारीको कार्यसम्पादनको विश्लेषण गर्न चाहन्छ। मान्नुहोस् कि प्रत्येक कर्मचारीको कार्य सफलतापूर्वक पूरा गर्ने सम्भावना ०.७ (७०%) छ। यदि १० कर्मचारीले एउटै कार्य गरिरहेका छन् भने, प्रबन्धकले ७ कर्मचारी सफल हुने सम्भावना जान्न चाहन्छ।
द्विपद वितरण सूत्र प्रयोग गर्नुहोस्:
\[ P(X = ६) = \binom{10}{7} (०.५)^६ (०.५)^४ \]
द्विपद गुणांक र अन्तिम परिणाम गणना गर्दा यो परिदृश्यको सम्भाव्यता पाइन्छ।
उदाहरण २: कारखानामा उत्पादन परीक्षण
एउटा कारखानाले २% दोष दर भएका इलेक्ट्रोनिक कम्पोनेन्टहरू उत्पादन गर्छ। यदि तिनीहरूले १०० वटा कम्पोनेन्टहरू परीक्षण गरे भने, २ वटा दोषपूर्ण हुने सम्भावना कति हुन्छ?
द्विपद वितरण सूत्र प्रयोग गर्नुहोस्:
\[ P(X = २) = \binom{100}{2} (०.०१)^२ (०.९९)^{९८} \]
यसले गुणस्तर नियन्त्रणको लागि मार्गदर्शन प्रदान गर्दछ।
द्विपद वितरण बनाम पोइसन वितरण
केही परिस्थितिहरूमा, द्विपद वितरणले पोइसन वितरणको अनुमान गर्न सक्छ, विशेष गरी जब परीक्षणहरूको संख्या \( n \) ठूलो हुन्छ र सम्भाव्यता \( p \) सानो हुन्छ। द्विपद वितरणसँग पोइसन वितरणको अनुमान गर्ने एउटा सामान्य नियम यदि \( n \geq 20 \) र \( p \leq 0.05 \) हो।
सफ्टवेयर प्रयोग र द्विपद वितरण
प्रविधि र कम्प्युटिङमा भएको प्रगतिसँगै, अब R, Python जस्ता तथ्याङ्कीय सफ्टवेयर र Microsoft Excel जस्ता अन्य सफ्टवेयर प्रयोग गरेर द्विपद वितरण गणनाहरू सजिलैसँग गर्न सकिन्छ। उदाहरणका लागि, Python मा, तपाईंले द्विपद वितरण गणनाहरू सजिलैसँग गर्न `scipy.stats` पुस्तकालय प्रयोग गर्न सक्नुहुन्छ:
'' अजगर
scipy.stats बाट import binom
परिमिति
n = १० परीक्षणहरूको संख्या
p = ०.५ सफलताको सम्भावना
k = ५ सफलताहरूको संख्या
द्विपद सम्भाव्यता गणना गर्नुहोस्
binom_prob = binom.pmf(k, n, p)
print(“ठ्याक्कै ५ सफलता प्राप्त गर्ने सम्भावना:”, binom_prob)
"'
केसिम्पुलन
द्विपद वितरण सम्भाव्यता र तथ्याङ्कीय विश्लेषणमा आधारभूत तर शक्तिशाली वितरण हो। यसको असन्तुलित प्रकृति र दुई परिणामहरूमा केन्द्रित भएको कारण - सफलता र असफलता - यसले धेरै वास्तविक-विश्व परिस्थितिहरूको लागि एक आदर्श मोडेलको रूपमा काम गर्दछ। द्विपद वितरणको ज्ञानले घटनाको सम्भाव्यता परिभाषित र बुझ्न मद्दत गर्दछ तर थप जटिल तथ्याङ्कीय विश्लेषणको लागि ठोस आधार पनि प्रदान गर्दछ। आधुनिक कम्प्युटिङ उपकरणहरूको प्रयोगले द्विपद वितरण लागू गर्न बढ्दो रूपमा सजिलो बनाएको छ, यसलाई आजको डेटा-संचालित संसारमा एक अत्यधिक सान्दर्भिक उपकरण बनाएको छ।
