දත්ත විශ්ලේෂණය සහ අවස්ථා සාකච්ඡාව පිළිබඳ උදාහරණ ප්රශ්න
දත්ත විශ්ලේෂණය සහ සම්භාවිතාව යනු විවිධ විෂයයන්හි, විශේෂයෙන් සංඛ්යාලේඛන, ගණිතය, ආර්ථික විද්යාව සහ වෙළඳපල පර්යේෂණවල නිතර හමුවන ක්ෂේත්ර දෙකකි. මෙම ලිපියෙන්, මෙම මූලික සංකල්ප පිළිබඳ අපගේ අවබෝධය ගැඹුරු කිරීම සඳහා දත්ත විශ්ලේෂණය සහ සම්භාවිතාවට අදාළ උදාහරණ ගැටළු සහ සාකච්ඡා කිහිපයක් අපි ගවේෂණය කරන්නෙමු.
1. දත්ත විශ්ලේෂණය: හැඳින්වීම සහ නියැදි ප්රශ්න
දත්ත විශ්ලේෂණය යනු ප්රයෝජනවත් තොරතුරු සොයා ගැනීම, නිගමනවලට එළඹීම සහ තීරණ ගැනීමට සහාය වීම අරමුණු කරගනිමින් දත්ත පරීක්ෂා කිරීම, තෝරා ගැනීම, පරිවර්තනය කිරීම සහ ආකෘති නිර්මාණය කිරීමේ ක්රියාවලියයි. සාමාන්ය පියවර අතරට දත්ත රැස් කිරීම, දත්ත පිරිසිදු කිරීම, දත්ත ගවේෂණය (විස්තරාත්මක සංඛ්යාලේඛන) සහ වැඩිදුර විශ්ලේෂණය ඇතුළත් වේ.
උදාහරණ ප්රශ්නය 1: සාමාන්ය සහ සම්මත අපගමනය තීරණය කිරීම
සිසුන් 10 දෙනෙකුගේ ගණිත පරීක්ෂණ ලකුණු සම්බන්ධයෙන් පහත දත්ත ලබා දී ඇත: 78, 82, 85, 88, 90, 75, 91, 74, 89, 86.
දත්තවල මධ්යන්යය සහ සම්මත අපගමනය ගණනය කරන්න.
සාකච්ඡාව:
– මධ්යන්ය අගය යනු සියලු දත්තවල එකතුව නිරීක්ෂණ ගණනින් බෙදූ විට ලැබෙන අගයයි.
\[
\පෙළ{මධ්යන්යය} = \frac{78 + 82 + 85 + 88 + 90 + 75 + 91 + 74 + 89 + 86}{10} = \frac{838}{10} = 83.8
\]
– සම්මත අපගමනය ගණනය කිරීම සඳහා, අපි මුලින්ම විචලනය ගණනය කළ යුතුය. විචලනය යනු එක් එක් දත්ත කට්ටලය සහ මධ්යන්යය අතර වර්ග වෙනස්කම්වල සාමාන්යයයි.
\[
\පෙළ{විචලනය} = \frac{(78-83.8)^2 + (82-83.8)^2 + (85-83.8)^2 + \cdots + (86-83.8)^2}{10}
\]
එවිට විචලනය පහත පරිදි ගණනය කෙරේ:
\[
\පෙළ{විචලනය} = \frac{33.64 + 3.24 + 1.44 + 17.64 + 38.44 + 75.04 + 50.41 + 94.44 + 26.01 + 4.84}{10} = \frac{345.14}{10} = 34.514
\]
– සම්මත අපගමනය යනු විචලනයේ වර්ගමූලයයි.
\[
\text{සම්මත අපගමනය} = \sqrt{34.514} ≈ 5.88
\]
උදාහරණ ප්රශ්නය 2: දත්ත ප්රස්තාරය
පසුගිය වසර 5 සඳහා නගරයක ජනගහන දත්ත පහත පරිදි (දහස් ගණනින්): 2016: 120, 2017: 125, 2018: 130, 2019: 135, 2020: 140.
දත්ත නිරූපණය කිරීම සඳහා රේඛා ප්රස්තාරයක් සාදන්න.
සාකච්ඡාව:
රේඛා ප්රස්ථාරයක් නිර්මාණය කිරීම සඳහා, අපට මෙම පියවර අනුගමනය කළ හැකිය:
1. X සහ Y අක්ෂ නිර්ණය කරන්න. X අක්ෂය වසර සඳහා වන අතර Y අක්ෂය ජනගහනය සඳහා වේ.
2. දී ඇති දත්ත මත පදනම්ව ලකුණු සටහන් කරන්න:
– (2016, 120)
– (2017, 125)
– (2018, 130)
– (2019, 135)
– (2020, 140)
3. තිත් රේඛා සමඟ සම්බන්ධ කරන්න.
ප්රතිඵලයක් ලෙස ලැබෙන ප්රස්ථාරය 2016 සිට 2020 දක්වා නාගරික ජනගහනයේ වැඩිවීමේ ප්රවණතාවය පෙන්වනු ඇත.
2. සම්භාවිතාව: මූලික කරුණු සහ උදාහරණ ගැටළු
සම්භාවිතාව හෝ සම්භාවිතාව යනු සිදුවීමක් සිදුවීමට ඇති ඉඩකඩ කොපමණද යන්න මැනීමකි. A සිදුවීමක සම්භාවිතාව සාමාන්යයෙන් \( P(A) \) ලෙස ප්රකාශ වන අතර එය ගණනය කරනු ලබන්නේ:
\[
P(A) = \frac{\text{අපේක්ෂිත සිදුවීම් ගණන}}{\text{හැකි සිදුවීම් ගණන}}
\]
උදාහරණ ප්රශ්නය 3: සරල සම්භාවිතාව
සම්මත කාඩ් කුට්ටමකින් ඒස් එකක් ඇඳීමේ සම්භාවිතාව කුමක්ද?
සාකච්ඡාව:
- එක් ක්රීඩා කාඩ්පත් කට්ටලයක කාඩ්පත් 52 ක් ඇත.
- ඒස් කාඩ්පත් 4ක් (හදවත්, දියමන්ති, මුගුරු සහ ස්පේඩ්) ඇත.
– ඒස් එකක් ඇඳීමේ සම්භාවිතාව:
\[
P(\පෙළ{ලෙස}) = \frac{4}{52} = \frac{1}{13} \ආසන්න වශයෙන් 0.0769 \පෙළ{ හෝ } 7.69\%
\]
උදාහරණ ප්රශ්නය 4: අඛණ්ඩ අත්හදා බැලීම්
දාදු කැට දෙකක් එකවර පෙරළනු ලැබේ. දාදු කැට දෙකේ එකතුව 7 වීමේ සම්භාවිතාව සොයන්න.
සාකච්ඡාව:
– සමස්තයක් වශයෙන් දාදු කැට දෙකකින් 6×6=36 ක ප්රතිඵල ලැබිය හැකිය.
– මුළු 7ක් නිපදවන සංයෝජන වන්නේ: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1). එබැවින් සිදුවීම් 6ක් ඇත.
– දාදු කැට දෙකේ එකතුව 7 වීමේ සම්භාවිතාව:
\[
P(\පෙළ{එකතුව 7}) = \frac{6}{36} = \frac{1}{6} \ආසන්න වශයෙන් 0.1667 \පෙළ{ හෝ } 16.67\%
\]
උදාහරණ ප්රශ්නය 5: බේස් රීතිය
පුද්ගලයින් 1000 න් 1 දෙනෙකුට X රෝගය ඇති බව සලකන විට, රෝගය X හඳුනා ගැනීම සඳහා කරන පරීක්ෂණයක නිරවද්යතා අනුපාතය 99% කි (එය ධනාත්මක හෝ ඍණාත්මක වුවත්). පුද්ගලයෙකු ධනාත්මකව පරීක්ෂා කළහොත්, ඔහුට හෝ ඇයට ඇත්ත වශයෙන්ම X රෝගය ඇති බවට ඇති සම්භාවිතාව කුමක්ද? පරීක්ෂණය 95% සංවේදී සහ 98% නිශ්චිත යැයි උපකල්පනය කරන්න.
සාකච්ඡාව:
උදාහරණ වශයෙන්:
– P(P) යනු පුද්ගලයෙකු ධනාත්මක බව පරීක්ෂා කිරීමේ සම්භාවිතාවයි,
– P(D) යනු පුද්ගලයෙකුට මෙම රෝගය වැළඳීමේ සම්භාවිතාවයි,
– P(P|D) යනු පුද්ගලයෙකුට රෝගය තිබේ නම් ධනාත්මක බව පරීක්ෂා කිරීමේ සම්භාවිතාවයි,
– P(D|P) යනු පුද්ගලයෙකු පරීක්ෂාවේදී ධනාත්මක වුවහොත් රෝගය වැළඳීමේ සම්භාවිතාවයි.
බේස්ගේ ප්රමේයයට අනුව:
\[
P(D|P) = \frac{P(P|D) \cdot P(D)}{P(P)}
\]
පළමුව P(P) ගණනය කරන්න:
\[
P(P) = P(P|D) \cdot P(D) + P(P|D^c) \cdot P(D^c)
\]
\[
P(P) = 0.95 \cdot \frac{1}{1000} + 0.02 \cdot \frac{999}{1000} \ආසන්න වශයෙන් 0.0211
\]
දැන්,
\[
P(D|P) = \frac{0.95 \cdot \frac{1}{1000}}{0.0211} ≈ 0.045 \text{ හෝ 4.5%}
\]
ඉතින්, පුද්ගලයෙකු ධනාත්මක බව පරීක්ෂා කළහොත්, ඔහුට හෝ ඇයට ඇත්ත වශයෙන්ම රෝගය X ඇති වීමේ සම්භාවිතාව 4.5% ක් පමණ වේ.
නිගමනය
දත්ත විශ්ලේෂණය සහ සම්භාවිතා විශ්ලේෂණය පර්යේෂණ, ආර්ථික විද්යාව සහ සෞඛ්ය සේවා වැනි විවිධ ක්ෂේත්රවල අත්යවශ්ය මෙවලම් වේ. ඒවා ක්රියා කරන ආකාරය තේරුම් ගැනීමෙන්, අපට වඩා හොඳ අනාවැකි පළ කිරීමට, වඩා හොඳ තීරණ ගැනීමට සහ අවදානම් කළමනාකරණය කිරීමට හැකිය. මෙම උදාහරණ සහ සාකච්ඡා හරහා, දත්ත විශ්ලේෂණය කළ හැකි ආකාරය සහ විවිධ සිදුවීම්වල සම්භාවිතාව ගණනය කළ හැකි ආකාරය පිළිබඳ වඩා හොඳ අවබෝධයක් අපට ලැබේ. දත්ත විශ්ලේෂණය සහ සම්භාවිතා විශ්ලේෂණය පිළිබඳ අපගේ අවබෝධය ගැඹුරු කිරීමට මෙම ලිපිය උපකාරී වී ඇතැයි අපි බලාපොරොත්තු වෙමු.
