විෂ ව්යාප්තිය පිළිබඳ හැඳින්වීම
සංඛ්යාලේඛන යනු ආර්ථික විද්යාව, ජීව විද්යාව, ඉංජිනේරු විද්යාව සහ සමාජ විද්යාව වැනි විවිධ විෂයයන් සඳහා අත්යවශ්ය මෙවලමකි. සංඛ්යාලේඛනවල වැදගත් අංගයක් වන්නේ සම්භාවිතා ව්යාප්තියයි, එය විවිධ ප්රතිඵලවල සම්භාවිතාව විස්තර කරයි. මෙම ව්යාප්ති අතර, ස්ථාවර කාල පරතරයන් තුළ සිදුවීම් ගණනය කිරීම සම්බන්ධ අවස්ථා වලදී පොයිසන් ව්යාප්තිය වැදගත් වේ. මෙම ලිපියෙන් පොයිසන් ව්යාප්තිය, එහි ගුණාංග, යෙදුම් සහ සංඛ්යානමය විශ්ලේෂණයේ අදාළත්වය පිළිබඳ ගැඹුරු අවබෝධයක් ලබා දීමට අදහස් කෙරේ.
විෂ ව්යාප්තිය පිළිබඳ දළ විශ්ලේෂණය
ප්රංශ ගණිතඥ සිමියොන්-ඩෙනිස් පොයිසන්ගේ නමින් නම් කරන ලද පොයිසන් ව්යාප්තිය, නිශ්චිත කාල පරතරයක් හෝ අවකාශයක් තුළ සිදුවන දී ඇති සිදුවීම් ගණනක සම්භාවිතාව ප්රකාශ කරන විවික්ත සම්භාවිතා ව්යාප්තියකි. මෙම පරතරය ඕනෑම දෙයක් විය හැකිය: නිශ්චිත කාල පරිච්ඡේදයක්, නිශ්චිත ප්රදේශයක්, දිගක් හෝ පරිමාවක් පවා. තීරණාත්මක කරුණ නම් සිදුවීම් එකිනෙකින් ස්වාධීනව සහ නියත සාමාන්ය අනුපාතයකින් සිදුවිය යුතු බවයි.
ගණිතමය සැකසීම
පොයිසන් ව්යාප්තිය, දී ඇති කාල පරතරයේ සාමාන්ය සිදුවීම් සංඛ්යාව නිරූපණය කරන λ (ලැම්ඩා) නම් තනි පරාමිතියකින් සංලක්ෂිත වේ. පොයිසන් ව්යාප්තියේ සම්භාවිතා ස්කන්ධ ශ්රිතය (PMF) ලබා දී ඇත්තේ:
\[ P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \]
එහිදී:
– \( P(X = k) \) යනු පරතරය තුළ \( k \) සිදුවීම් නිරීක්ෂණය කිරීමේ සම්භාවිතාවයි.
– λ (ලැම්ඩා) යනු සාමාන්ය සිදුවීම් ගණනයි.
– \( e \) යනු ස්වභාවික ලඝුගණකයේ පාදය වන අතර එය ආසන්න වශයෙන් 2.71828 ට සමාන වේ.
– \( k \) යනු සිදුවීම් ගණනයි (එය 0, 1, 2, 3,… විය හැක).
– \( k! \) යනු \( k \) හි ක්රායෝරෝයලයයි.
පොයිසන් ව්යාප්තියේ මධ්යන්යය λ වන අතර විචලනය ද λ වේ. මධ්යන්යය සහ විචලනයේ මෙම සමානාත්මතාවය පොයිසන් ව්යාප්තිය අනෙකුත් ව්යාප්ති වලින් වෙන්කර හඳුනා ගන්නා ප්රධාන ලක්ෂණයකි.
විෂ ව්යාප්තියේ ගුණාංග
1. විචක්ෂණභාවය: පොයිසන් ව්යාප්තිය විවික්තයි, එනම් එය පූර්ණ සංඛ්යා වලින් පමණක් සිදුවිය හැකි සිදුවීම් සමඟ කටයුතු කරයි. උදාහරණයක් ලෙස, ඔබට පැයක් තුළ ලැබුණු ඊමේල් ගණන ගණන් කළ හැකි නමුත් විද්යුත් තැපෑලකින් කොටසක් නොවේ.
2. ස්වාධීනත්වය: සිදුවීම් එකිනෙකින් ස්වාධීන වේ. එක් සිදුවීමක සිදුවීම තවත් සිදුවීමක සම්භාවිතාවට බලපාන්නේ නැත.
3. අනුපාතිකයේ නියතතාව: සිදුවීම් සිදුවන අනුපාතය කාලයත් සමඟ නියත වේ. මෙයින් ගම්ය වන්නේ සලකා බලනු ලබන කාල පරතරය පුරා λ වෙනස් නොවන බවයි.
4. පොකුරු නොවන: පොයිසන් ක්රියාවලියක සිදුවීම් එකවර සිදු නොවන අතර ඒවා පොකුරු නොවේ. අනන්ත කුඩා කාල පරතරයක් තුළ සිදුවීම් එකකට වඩා සිදුවීමේ සම්භාවිතාව ශුන්යයට ආසන්නය.
විෂ ව්යාප්තියේ යෙදීම්
පොයිසන් ව්යාප්තියේ බහුකාර්යතාව නිසා එය විවිධ සැබෑ ලෝක අවස්ථා වලදී අදාළ වේ, ඒවාට ඇතුළත් වන්නේ නමුත් ඒවාට පමණක් සීමා නොවේ:
1. විදුලි සංදේශනය: එය ඇමතුම් මධ්යස්ථානයකට පැයක් තුළ ලැබෙන දුරකථන ඇමතුම් ගණන හෝ ජාල සේවාදායකයක් මඟින් ලැබෙන පණිවිඩ ගණන ආදර්ශනය කිරීමට භාවිතා කරයි.
2. ජීව විද්යාව සහ වෛද්ය විද්යාව: ව්යාප්තිය මඟින් නිශ්චිත කාලයක් තුළ DNA දාමයක ඇති විකෘති ගණන හෝ සායනයකට පැමිණෙන රෝගීන් සංඛ්යාව වැනි සිදුවීම් විස්තර කළ හැකිය.
3. තත්ත්ව පාලනය: නිෂ්පාදනයේදී, නිෂ්පාදන කාණ්ඩයක ඇති දෝෂ ගණන තේරුම් ගැනීමට එය උපකාරී වේ.
4. ප්රවාහනය: දී ඇති කාල රාමුවක් තුළ ගාස්තු කුටියක් පසුකර යන මෝටර් රථ සංඛ්යාව හෝ මාර්ගයක අනතුරු වාර ගණන ආදර්ශනය කිරීමට එය භාවිතා කරයි.
5. අපරාධ විශ්ලේෂණය: විශ්ලේෂකයින් එය භාවිතා කරන්නේ මාසයක් තුළ යම් ප්රදේශයක සිදුවන අපරාධ ගණන පුරෝකථනය කිරීමටයි.
නිදර්ශන උදාහරණය
පොත් සාප්පුවකට දිනකට සාමාන්යයෙන් පාරිභෝගික පැමිණිලි 3ක් ලැබෙනවා යැයි සිතමු. දිනකට පැමිණිලි 5ක් ලැබීමේ සම්භාවිතාව සොයා ගැනීමට අපි කැමැත්තෙමු.
පොයිසන් සූත්රය භාවිතා කරමින්: \[ P(X = 5) = \frac{e^{-3} 3^5}{5!} \]
මෙම පියවරෙන් පියවර ගණනය කිරීම:
– \( e^{-3} \ආසන්න වශයෙන් 0.0498 \)
– \( 3^5 = 243 \)
– \( 5! = 120 \)
ඉතින්, \[ P(X = 5) = \frac{0.0498 \times 243}{120} \ආසන්න වශයෙන් 0.1008. \]
පොත් සාප්පුවට දිනකට පැමිණිලි 5 ක් ලැබීමේ සම්භාවිතාව ආසන්න වශයෙන් 10.08% කි.
අනෙකුත් බෙදාහැරීම් සමඟ සම්බන්ධතාවය
පොයිසන් ව්යාප්තිය අනෙකුත් සම්භාවිතා ව්යාප්ති සමඟ සමීපව සම්බන්ධ වේ, උදාහරණයක් ලෙස:
1. ඝාතීය ව්යාප්තිය : විෂ ක්රියාවලියක අනුක්රමික සිදුවීම් අතර කාලය \( \lambda \) පරාමිතිය සහිත ඝාතීය ව්යාප්තියක් අනුගමනය කරයි.
2. ද්විපද ව්යාප්තිය: අත්හදා බැලීම් විශාල සංඛ්යාවක් සහ සාර්ථකත්වයේ කුඩා සම්භාවිතාවක් සඳහා, ද්විපද ව්යාප්තිය පොයිසන් ව්යාප්තිය මගින් ආසන්න කළ හැක. විශේෂයෙන්, \( n \) විශාල නම්, \( p \) කුඩා නම් සහ \( np = λ \) නියතව පවතී නම්, \( \lim_{n \to \infty} \binom{n}{k} p^k(1 – p)^{n – k} = \frac{e^{-λ} λ^k}{k!} \).
සීමාවන්
බලගතු වුවත්, පොයිසන් ව්යාප්තියට සීමාවන් ඇත. එක් ප්රාථමික උපකල්පනයක් වන්නේ \( \lambda \) හි නියතතාවයයි, එය කාලයත් සමඟ අනුපාත පරාමිතිය වෙනස් විය හැකි සැබෑ ජීවිත අවස්ථා වලදී නොගැලපේ. සිදුවීම්වල ස්වාධීනත්වය උල්ලංඝනය වී ඇත්නම් හෝ සිදුවීම් එකිනෙකාට බලපෑම් කරන්නේ නම්, පොයිසන් ආකෘතිය සුදුසු නොවිය හැකිය.
නිගමනය
පොයිසන් ව්යාප්තිය සංඛ්යාලේඛනවල මූලික මෙවලමක් වන අතර, සිදුවීම් ස්වාධීනව නියත අනුපාතයකින් සිදුවන අවස්ථා පිළිබඳ ගැඹුරු අවබෝධයක් ලබා දෙයි. විවිධ ක්ෂේත්ර හරහා එහි පුළුල් යෙදුම් සහ අනෙකුත් බෙදාහැරීම් සමඟ අනුකූල වීම එහි උපයෝගීතාව අවධාරණය කරයි. එහි මූලික ගුණාංග, ගණිතමය සූත්රගත කිරීම සහ සැබෑ ලෝක යෙදුම් අවබෝධ කර ගැනීම සංඛ්යාලේඛනඥයින් සහ පර්යේෂකයින් විවික්ත සිදුවීම් විශ්ලේෂණය කිරීම සඳහා ශක්තිමත් ආකෘතියක් සමඟ සන්නද්ධ කරයි. ඔබ ඇමතුම් මධ්යස්ථානයක් කළමනාකරණය කරන්නේද, නිෂ්පාදන ගුණාත්මකභාවය පාලනය කරන්නේද, හෝ ජීව විද්යාත්මක දත්ත විශ්ලේෂණය කරන්නේද යන්න නොසලකා, පොයිසන් ව්යාප්තිය ඔබේ සංඛ්යානමය මෙවලම් පෙට්ටියේ මිල කළ නොහැකි වත්කමක් බව ඔප්පු වේ.
