தரவுப் பகுப்பாய்வு மற்றும் வாய்ப்புகள் குறித்து விவாதிப்பதற்கான எடுத்துக்காட்டுக் கேள்விகள்

தரவு பகுப்பாய்வு மற்றும் வாய்ப்பு கலந்துரையாடல் குறித்த எடுத்துக்காட்டு கேள்விகள்

தரவுப் பகுப்பாய்வு மற்றும் நிகழ்தகவு ஆகியவை புள்ளியியல், கணிதம், பொருளாதாரம் மற்றும் சந்தை ஆராய்ச்சி போன்ற பல்வேறு துறைகளில் அடிக்கடி காணப்படும் இரண்டு பிரிவுகளாகும். இந்தக் கட்டுரையில், இந்த அடிப்படைக் கருத்துகள் குறித்த நமது புரிதலை ஆழப்படுத்த, தரவுப் பகுப்பாய்வு மற்றும் நிகழ்தகவு தொடர்பான பல எடுத்துக்காட்டுச் சிக்கல்களையும் கலந்துரையாடல்களையும் நாம் ஆராய்வோம்.

1. தரவுப் பகுப்பாய்வு: அறிமுகம் மற்றும் மாதிரிக் கேள்விகள்

தரவுப் பகுப்பாய்வு என்பது பயனுள்ள தகவல்களைக் கண்டறிதல், முடிவுகளை எடுத்தல் மற்றும் முடிவெடுப்பதற்கு ஆதரவளித்தல் ஆகிய நோக்கங்களுடன் தரவுகளை ஆய்வு செய்தல், தேர்ந்தெடுத்தல், உருமாற்றுதல் மற்றும் மாதிரியாக்குதல் ஆகிய செயல்முறையாகும். தரவு சேகரிப்பு, தரவுத் தூய்மைப்படுத்தல், தரவு ஆய்வு (விளக்கப் புள்ளிவிவரங்கள்) மற்றும் மேலதிகப் பகுப்பாய்வு ஆகியவை இதன் பொதுவான படிநிலைகளாகும்.

எடுத்துக்காட்டுக் கேள்வி 1: சராசரி மற்றும் திட்ட விலையைக் கண்டறிதல்

10 மாணவர்களின் கணிதத் தேர்வு மதிப்பெண்கள் குறித்த பின்வரும் தரவுகள் கொடுக்கப்பட்டுள்ளன: 78, 82, 85, 88, 90, 75, 91, 74, 89, 86.
தரவுகளின் சராசரி மற்றும் திட்ட விலையைக் கணக்கிடுங்கள்.

கலந்துரையாடல்:

சராசரி மதிப்பு என்பது அனைத்துத் தரவுகளின் மொத்தத்தை, உற்றுநோக்கல்களின் எண்ணிக்கையால் வகுக்கக் கிடைப்பதாகும்.
\[
சராசரி = 78 + 82 + 85 + 88 + 90 + 75 + 91 + 74 + 89 + 86 / 10 = 838
\]

திட்ட விலக்கத்தைக் கணக்கிட, நாம் முதலில் மாறுபாட்டைக் கணக்கிட வேண்டும். மாறுபாடு என்பது ஒவ்வொரு தரவுத் தொகுப்பிற்கும் சராசரிக்கும் இடையிலான வர்க்க வேறுபாடுகளின் சராசரியாகும்.
\[
மாறுபாடு = (78-83.8)² + (82-83.8)² + (85-83.8)² + ... + (86-83.8)² 10
\]
பின்னர் மாறுபாடு பின்வருமாறு கணக்கிடப்படுகிறது:
\[
மாறுபாடு = 33.64 + 3.24 + 1.44 + 17.64 + 38.44 + 75.04 + 50.41 + 94.44 + 26.01 + 4.84 / 10 = 345.14
\]
திட்ட விலக்கம் என்பது மாறுபாட்டின் வர்க்கமூலம் ஆகும்.
\[
திட்ட விலகல் = √34.514 ≈ 5.88
\]

எடுத்துக்காட்டு கேள்வி 2: தரவு வரைபடம்

ஒரு நகரத்தின் கடந்த 5 ஆண்டுகளுக்கான மக்கள்தொகை தரவுகள் (ஆயிரங்களில்) பின்வருமாறு: 2016: 120, 2017: 125, 2018: 130, 2019: 135, 2020: 140.
தரவுகளைக் குறிக்க ஒரு கோட்டு வரைபடத்தை உருவாக்கவும்.

கலந்துரையாடல்:

ஒரு கோட்டு வரைபடத்தை உருவாக்க, நாம் இந்த வழிமுறைகளைப் பின்பற்றலாம்:
1. X மற்றும் Y அச்சுகளைக் கண்டறியவும். X அச்சு ஆண்டுகளையும், Y அச்சு மக்கள்தொகையையும் குறிக்கிறது.
2. கொடுக்கப்பட்ட தரவுகளின் அடிப்படையில் புள்ளிகளைக் குறிக்கவும்:
– (2016, 120)
– (2017, 125)
– (2018, 130)
– (2019, 135)
– (2020, 140)
3. புள்ளிகளைக் கோடுகளால் இணைக்கவும்.

இதன் விளைவாகக் கிடைக்கும் வரைபடம், 2016 முதல் 2020 வரை நகர்ப்புற மக்கள்தொகை அதிகரித்து வரும் போக்கைக் காட்டும்.

2. நிகழ்தகவு: அடிப்படைகள் மற்றும் எடுத்துக்காட்டுக் கணக்குகள்

முரண்பாடுகள் அல்லது நிகழ்தகவு என்பது ஒரு நிகழ்வு நடப்பதற்கான சாத்தியக்கூறின் அளவீடு ஆகும். ஒரு நிகழ்வு A-இன் நிகழ்தகவு பொதுவாக \( P(A) \) என வெளிப்படுத்தப்படுகிறது மற்றும் பின்வருமாறு கணக்கிடப்படுகிறது:
\[
P(A) = \frac{\text{விரும்பிய நிகழ்வுகளின் எண்ணிக்கை}}{\text{சாத்தியமான நிகழ்வுகளின் மொத்த எண்ணிக்கை}}
\]

எடுத்துக்காட்டு கேள்வி 3: எளிய நிகழ்தகவு

சீட்டுக்கட்டிலிருந்து ஏஸ் சீட்டை எடுப்பதற்கான நிகழ்தகவு என்ன?

கலந்துரையாடல்:

ஒரு சீட்டுக்கட்டில் 52 சீட்டுகள் உள்ளன.
– நான்கு ஏஸ் அட்டைகள் உள்ளன (ஹார்ட்ஸ், டைமண்ட்ஸ், கிளப்ஸ் மற்றும் ஸ்பேட்ஸ்).
ஏஸ் சீட்டை எடுப்பதற்கான நிகழ்தகவு:
\[
P(As) = √4/52 = 1/13 ≈ 0.0769 அல்லது 7.69%
\]

எடுத்துக்காட்டுக் கேள்வி 4: தொடர்ச்சியான சோதனைகள்

இரண்டு பகடைகள் ஒரே நேரத்தில் உருட்டப்படுகின்றன. அவ்விரு பகடைகளின் கூட்டுத்தொகை 7 ஆக இருப்பதற்கான நிகழ்தகவைக் கணக்கிடுக.

கலந்துரையாடல்:

– இரண்டு பகடைகளிலிருந்து மொத்தத்தில் 6×6=36 சாத்தியமான விளைவுகள் உள்ளன.
மொத்தம் 7-ஐ உருவாக்கும் சேர்க்கைகள்: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1). எனவே 6 நிகழ்வுகள் உள்ளன.
இரண்டு பகடைகளின் கூட்டுத்தொகை 7 ஆக இருப்பதற்கான நிகழ்தகவு:
\[
P(\text{மொத்தம் 7}) = \frac{6}{36} = \frac{1}{6} \approx 0.1667 \text{ அல்லது } 16.67\%
\]

எடுத்துக்காட்டுக் கேள்வி 5: பேயஸ் விதி

1000 பேரில் ஒருவருக்கு X என்ற நோய் உள்ளது எனக் கொடுக்கப்பட்டுள்ளது. X நோயைக் கண்டறியும் ஒரு பரிசோதனையின் துல்லிய விகிதம் 99% ஆகும் (அது நேர்மறையாக இருந்தாலும் சரி, எதிர்மறையாக இருந்தாலும் சரி). ஒருவருக்குப் பரிசோதனையில் நேர்மறை முடிவு வந்தால், அவருக்கு உண்மையில் X நோய் இருப்பதற்கான நிகழ்தகவு என்ன? அந்தப் பரிசோதனை 95% உணர்திறன் மற்றும் 98% தனித்திறன் கொண்டது எனக் கருதுக.

கலந்துரையாடல்:

உதாரணமாக:
– P(P) என்பது ஒரு நபருக்குப் பரிசோதனையில் தொற்று உறுதி செய்யப்படுவதற்கான நிகழ்தகவு ஆகும்.
– P(D) என்பது ஒரு நபருக்கு நோய் இருப்பதற்கான நிகழ்தகவு ஆகும்.
– P(P|D) என்பது ஒருவருக்கு நோய் இருக்கும் பட்சத்தில், பரிசோதனையில் பாசிட்டிவ் என முடிவு வருவதற்கான நிகழ்தகவு ஆகும்.
ஒருவருக்கு நோய் இருப்பது பரிசோதனையில் உறுதியானால், அவருக்கு அந்த நோய் இருப்பதற்கான நிகழ்தகவுதான் P(D|P) ஆகும்.

பேயஸ் தேற்றத்தின்படி:
\[
P(D|P) = \frac{P(P|D) \cdot P(D)}{P(P)}
\]

முதலில் P(P) ஐக் கணக்கிடுங்கள்:
\[
P(P) = P(P|D) · P(D) + P(P|D^c) · P(D^c)
\]
\[
P(P) = 0.95 · 1/1000 + 0.02 · 999/1000 ≤ 0.0211
\]

இப்போது,
\[
P(D|P) = \frac{0.95 \cdot \frac{1}{1000}}{0.0211} ≈ 0.045 \text{ அல்லது 4.5%}
\]

எனவே, ஒருவருக்குப் பரிசோதனையில் தொற்று இருப்பது உறுதிசெய்யப்பட்டால், அவருக்கு உண்மையில் X நோய் இருப்பதற்கான வாய்ப்பு சுமார் 4.5% ஆகும்.

முடிவுரை

ஆராய்ச்சி, பொருளாதாரம் மற்றும் சுகாதாரம் போன்ற பல்வேறு துறைகளில் தரவுப் பகுப்பாய்வு மற்றும் நிகழ்தகவுப் பகுப்பாய்வு ஆகியவை இன்றியமையாத கருவிகளாகும். அவை எவ்வாறு செயல்படுகின்றன என்பதைப் புரிந்துகொள்வதன் மூலம், நாம் சிறந்த கணிப்புகளைச் செய்யவும், சிறந்த முடிவுகளை எடுக்கவும், இடர்களை நிர்வகிக்கவும் முடியும். இந்த எடுத்துக்காட்டுகள் மற்றும் கலந்துரையாடல்கள் மூலம், தரவை எவ்வாறு பகுப்பாய்வு செய்யலாம் மற்றும் பல்வேறு நிகழ்வுகளின் நிகழ்தகவுகளை எவ்வாறு கணக்கிடலாம் என்பது குறித்த சிறந்த புரிதலை நாம் பெறுகிறோம். தரவுப் பகுப்பாய்வு மற்றும் நிகழ்தகவுப் பகுப்பாய்வு குறித்த நமது புரிதலை ஆழப்படுத்த இந்தக் கட்டுரை உதவியாக இருந்திருக்கும் என்று நம்புகிறோம்.