ਸਧਾਰਨ ਵੰਡ ਬਾਰੇ ਚਰਚਾ ਕਰਨ ਵਾਲੇ ਉਦਾਹਰਨ ਸਵਾਲ

ਆਮ ਵੰਡ 'ਤੇ ਚਰਚਾ ਸਵਾਲ ਦੀ ਉਦਾਹਰਣ

ਆਮ ਵੰਡ, ਜਿਸਨੂੰ ਗੌਸੀ ਵੰਡ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਅੰਕੜਿਆਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਸੰਭਾਵਨਾ ਵੰਡ ਹੈ। ਇਸ ਵੰਡ ਵਿੱਚ ਇੱਕ ਸਮਮਿਤੀ ਘੰਟੀ ਦਾ ਆਕਾਰ ਹੈ, ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡੇਟਾ ਮੱਧਮਾਨ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵਿਵਸਥਿਤ ਹੈ ਅਤੇ ਅਤਿਅੰਤ (ਮੁੱਲ ਔਸਤ ਤੋਂ ਦੂਰ) ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਹੈ।

ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਆਮ ਵੰਡ ਨਾਲ ਸਬੰਧਤ ਵੱਖ-ਵੱਖ ਉਦਾਹਰਣ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕਰਨਾ ਹੈ ਬਾਰੇ ਚਰਚਾ ਕਰਾਂਗੇ। ਅਸੀਂ ਕੁਝ ਬੁਨਿਆਦੀ ਸੰਕਲਪਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਕੇ ਸ਼ੁਰੂਆਤ ਕਰਾਂਗੇ ਅਤੇ ਫਿਰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਉਦਾਹਰਣਾਂ ਵੱਲ ਵਧਾਂਗੇ।

ਆਮ ਵੰਡ ਦੀਆਂ ਮੂਲ ਗੱਲਾਂ

ਸਧਾਰਨ ਵੰਡ ਦੋ ਪੈਰਾਮੀਟਰਾਂ ਵਾਲੀ ਇੱਕ ਨਿਰੰਤਰ ਵੰਡ ਹੈ: ਔਸਤ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ (SD)। ਮੱਧਮਾਨ ਵੰਡ ਦਾ ਕੇਂਦਰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਮਿਆਰੀ ਭਟਕਣਾ ਵੰਡ ਦੀ ਚੌੜਾਈ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ।

ਆਮ ਵੰਡ ਦੀਆਂ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ:
1. ਸਮਰੂਪਤਾ: ਆਮ ਵੰਡ ਔਸਤ ਦੇ ਬਾਰੇ ਸਮਰੂਪ ਹੁੰਦੀ ਹੈ।
2. ਅਨੁਭਵੀ ਨਿਯਮ (ਅਨੁਭਵੀ ਨਿਯਮ):
- ਲਗਭਗ 68% ਡੇਟਾ ਔਸਤ ਦੇ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ।
- ਲਗਭਗ 95% ਡੇਟਾ ਔਸਤ ਦੇ ਦੋ ਮਿਆਰੀ ਭਟਕਣਾਂ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ।
- ਲਗਭਗ 99.7% ਡੇਟਾ ਔਸਤ ਦੇ ਤਿੰਨ ਮਿਆਰੀ ਭਟਕਣਾਂ ਦੇ ਅੰਦਰ ਹੈ।

ਨਮੂਨਾ ਸਵਾਲ ਅਤੇ ਚਰਚਾ

ਉਦਾਹਰਨ ਸਵਾਲ 1: Z-ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰਨਾ

ਸਵਾਲ: ਇੱਕ ਪ੍ਰੀਖਿਆ ਦਾ ਔਸਤ ਸਕੋਰ 70 ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਟੈਂਡਰਡ ਡਿਵੀਏਸ਼ਨ 10 ਹੁੰਦਾ ਹੈ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੂੰ 80 ਸਕੋਰ ਮਿਲਦਾ ਹੈ। ਵਿਦਿਆਰਥੀ ਦਾ Z-ਸਕੋਰ ਕੀ ਹੈ?

ਹੱਲ:
Z-ਸਕੋਰ ਇੱਕ ਮਾਪ ਹੈ ਕਿ ਇੱਕ ਮੁੱਲ ਔਸਤ ਤੋਂ ਕਿੰਨੇ ਮਿਆਰੀ ਭਟਕਣਾਂ ਦਾ ਹੈ।
Z-ਸਕੋਰ ਫਾਰਮੂਲਾ:
\[ Z = \frac{X – \mu}{\sigma} \]

ਡਿਮਾਨਾ:
– \( X \) ਦੇਖਿਆ ਗਿਆ ਮੁੱਲ ਹੈ।
– \( \mu \) ਔਸਤ ਹੈ।
– \( \ਸਿਗਮਾ \) ਮਿਆਰੀ ਭਟਕਣ ਹੈ।

ਇਹ ਗਿਆਤ ਹੈ:
– \( X = 80 \)
– \( \mu = 70 \)
– \( \ਸਿਗਮਾ = 10 \)

ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ:
\[ Z = \frac{80 – 70}{10} = 1 \]

ਇਸ ਲਈ, ਵਿਦਿਆਰਥੀ ਦਾ Z-ਸਕੋਰ 1 ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ 80 ਦਾ ਸਕੋਰ ਔਸਤ ਤੋਂ ਇੱਕ ਮਿਆਰੀ ਭਟਕਣ ਹੈ।

ਉਦਾਹਰਨ ਸਵਾਲ 2: ਇੱਕ ਨਿਸ਼ਚਿਤ ਮੁੱਲ ਦੀ ਸੰਭਾਵਨਾ

ਸਵਾਲ: 100 ਦੇ ਔਸਤ ਅਤੇ 15 ਦੇ ਮਿਆਰੀ ਵਿਵਹਾਰ ਵਾਲੀ ਇੱਕ ਆਮ ਵੰਡ ਵਿੱਚ, 85 ਤੋਂ ਘੱਟ ਮੁੱਲ ਲੱਭਣ ਦੀ ਸੰਭਾਵਨਾ ਕੀ ਹੈ?

ਹੱਲ:
ਕਦਮ:
1. ਮੁੱਲ \( X = 85 \) ਲਈ Z-ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰੋ:
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]

2. -1 ਦੇ Z-ਸਕੋਰ ਨਾਲ ਸੰਬੰਧਿਤ ਸੰਭਾਵਨਾ ਲੱਭਣ ਲਈ ਇੱਕ Z-ਸਾਰਣੀ ਜਾਂ ਅੰਕੜਾ ਕੈਲਕੁਲੇਟਰ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇੱਕ Z-ਸਾਰਣੀ ਵਿੱਚ, -1 ਦੇ Z-ਸਕੋਰ ਦੀ ਸੰਭਾਵਨਾ ਲਗਭਗ 0.1587 ਹੈ।

ਇਸ ਲਈ, 85 ਤੋਂ ਘੱਟ ਮੁੱਲ ਲੱਭਣ ਦੀ ਸੰਭਾਵਨਾ 0.1587 ਜਾਂ 15.87% ਹੈ।

ਉਦਾਹਰਨ ਪ੍ਰਸ਼ਨ 3: ਅਨੁਭਵੀ ਨਿਯਮਾਂ ਦੀ ਵਰਤੋਂ

ਸਵਾਲ: ਇਹ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਸਕੂਲਾਂ ਵਿੱਚ ਗਣਿਤ ਦੇ ਟੈਸਟ ਦੇ ਅੰਕਾਂ ਦੀ ਵੰਡ ਇੱਕ ਆਮ ਵੰਡ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ ਜਿਸਦਾ ਔਸਤ 75 ਅਤੇ ਮਿਆਰੀ ਭਟਕਣਾ 8 ਹੁੰਦੀ ਹੈ। ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਕਿੰਨੇ ਅਨੁਪਾਤ ਨੇ 67 ਅਤੇ 83 ਦੇ ਵਿਚਕਾਰ ਅੰਕ ਪ੍ਰਾਪਤ ਕੀਤੇ?

ਹੱਲ:
ਲੰਕਾਹ-ਲੰਗਕਾਹ:
1. 67 ਅਤੇ 83 ਮੁੱਲਾਂ ਲਈ Z-ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰੋ:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]

2. ਅਨੁਭਵੀ ਨਿਯਮਾਂ ਦੇ ਅਨੁਸਾਰ, ਔਸਤ ਤੋਂ -1 SD ਅਤੇ +1 SD ਦੇ ਵਿਚਕਾਰ ਮੁੱਲ ਆਬਾਦੀ ਦੇ ਲਗਭਗ 68% ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ।

ਇਸ ਲਈ, 67 ਅਤੇ 83 ਦੇ ਵਿਚਕਾਰ ਅੰਕ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੇ ਵਿਦਿਆਰਥੀਆਂ ਦਾ ਅਨੁਪਾਤ ਲਗਭਗ 68% ਸੀ।

ਉਦਾਹਰਨ ਸਵਾਲ 4: ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਮੁੱਲਾਂ ਦੀ ਗਣਨਾ ਕਰਨਾ

ਸਵਾਲ: ਜੇਕਰ ਕਿਸੇ ਦੇਸ਼ ਵਿੱਚ ਬਾਲਗ ਪੁਰਸ਼ਾਂ ਦੀ ਔਸਤ ਉਚਾਈ 175 ਸੈਂਟੀਮੀਟਰ ਹੈ ਅਤੇ ਇਸਦਾ ਮਿਆਰੀ ਭਟਕਣਾ 7 ਸੈਂਟੀਮੀਟਰ ਹੈ, ਤਾਂ 90ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਕਿੰਨੀ ਉਚਾਈ ਹੋਵੇਗੀ?

ਹੱਲ:
ਲੰਕਾਹ-ਲੰਗਕਾਹ:
1. 90ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਅਨੁਸਾਰੀ Z-ਸਕੋਰ ਲੱਭੋ। Z-ਸਾਰਣੀ ਦੇ ਆਧਾਰ 'ਤੇ, 0.9000 ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਦਾ Z-ਸਕੋਰ ਲਗਭਗ 1.28 ਹੈ।

2. \( X \) ਦੇ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰੋ:
\[ X = \mu + Z \ਵਾਰੀ \ਸਿਗਮਾ \]
\[ X = 175 + 1.28 \ਗੁਣਾ 7 \]
\[ X = 175 + 8.96 \]
\[ X = 183.96 \]

ਇਸ ਲਈ, 90ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ ਵਿੱਚ ਉਚਾਈ ਲਗਭਗ 183.96 ਸੈਂਟੀਮੀਟਰ ਹੈ।

ਉਦਾਹਰਨ ਸਵਾਲ 5: ਇੱਕ ਖਾਸ ਅੰਤਰਾਲ ਦੀ ਸੰਭਾਵਨਾ

ਸਵਾਲ: ਇਹ ਦੇਖਦੇ ਹੋਏ ਕਿ ਨਵਜੰਮੇ ਬੱਚੇ ਦੇ ਭਾਰ ਦੀ ਵੰਡ 3.5 ਕਿਲੋਗ੍ਰਾਮ ਦੇ ਔਸਤ ਅਤੇ 0.5 ਕਿਲੋਗ੍ਰਾਮ ਦੇ ਮਿਆਰੀ ਭਟਕਣ ਦੇ ਨਾਲ ਇੱਕ ਆਮ ਵੰਡ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਬੱਚੇ ਦੇ ਭਾਰ 3 ਕਿਲੋਗ੍ਰਾਮ ਅਤੇ 4 ਕਿਲੋਗ੍ਰਾਮ ਦੇ ਵਿਚਕਾਰ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਕੀ ਹੈ?

ਹੱਲ:
ਲੰਕਾਹ-ਲੰਗਕਾਹ:
1. 3 ਕਿਲੋਗ੍ਰਾਮ ਅਤੇ 4 ਕਿਲੋਗ੍ਰਾਮ ਦੇ ਮੁੱਲਾਂ ਲਈ Z-ਸਕੋਰ ਦੀ ਗਣਨਾ ਕਰੋ:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]

2. Z ਟੇਬਲ ਦੇ ਆਧਾਰ 'ਤੇ -1 ਅਤੇ 1 ਦੇ ਵਿਚਕਾਰ Z-ਸਕੋਰ ਦੀ ਸੰਭਾਵਨਾ ਲਗਭਗ 0.6826 ਜਾਂ 68.26% ਹੈ।

ਇਸ ਲਈ, 3 ਕਿਲੋਗ੍ਰਾਮ ਅਤੇ 4 ਕਿਲੋਗ੍ਰਾਮ ਦੇ ਵਿਚਕਾਰ ਭਾਰ ਵਾਲੇ ਬੱਚੇ ਦੀ ਸੰਭਾਵਨਾ ਲਗਭਗ 68.26% ਹੈ।

ਸਿੱਟਾ

ਆਮ ਵੰਡ ਅੰਕੜਿਆਂ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਸੰਕਲਪ ਹੈ ਜੋ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ ਇਸਦੇ ਬਹੁਤ ਸਾਰੇ ਅਸਲ-ਸੰਸਾਰ ਉਪਯੋਗ ਹਨ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਆਮ ਵੰਡ ਦੀਆਂ ਮੂਲ ਧਾਰਨਾਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਹੈ ਅਤੇ ਆਪਣੀ ਸਮਝ ਨੂੰ ਡੂੰਘਾ ਕਰਨ ਲਈ ਕਈ ਉਦਾਹਰਣਾਂ ਨੂੰ ਹੱਲ ਕੀਤਾ ਹੈ।

ਆਮ ਵੰਡ ਨੂੰ ਸਮਝਣਾ ਨਾ ਸਿਰਫ਼ ਅੰਕੜਿਆਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਸਗੋਂ ਮਨੋਵਿਗਿਆਨ, ਅਰਥ ਸ਼ਾਸਤਰ ਅਤੇ ਹੋਰ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਰਗੇ ਵੱਖ-ਵੱਖ ਵਿਹਾਰਕ ਖੇਤਰਾਂ ਲਈ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਕਾਫ਼ੀ ਅਭਿਆਸ ਨਾਲ, ਆਮ ਵੰਡ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ ਵਧੇਰੇ ਅਨੁਭਵੀ ਬਣ ਸਕਦਾ ਹੈ ਅਤੇ ਡੇਟਾ-ਅਧਾਰਤ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।