சீரான பரவல் கலந்துரையாடல் கேள்விகளின் எடுத்துக்காட்டு
சீரான பரவல் என்பது புள்ளியியலில் உள்ள நிகழ்தகவுப் பரவல்களின் மிக எளிய வகைகளில் ஒன்றாகும். இது தனித்த சீரான பரவல் மற்றும் தொடர்ச்சியான சீரான பரவல் என இரண்டு முக்கிய வகைகளாகப் பிரிக்கப்பட்டுள்ளது. இந்தக் கட்டுரையில், நாம் இவ்விரு வகை சீரான பரவல்களையும் விவாதித்து, எடுத்துக்காட்டுகளை வழங்கி, இந்தப் பிரச்சனைகளுக்கான தீர்வுகளையும் கலந்துரையாடுவோம்.
தனித்த சீரான பரவல்
தனித்த சீரான பரவல் என்பது ஒரு நிகழ்தகவுப் பரவலாகும், இதில் ஒரு சோதனை அல்லது நிகழ்வின் ஒவ்வொரு சாத்தியமான விளைவும் நிகழ்வதற்குச் சமமான வாய்ப்பைக் கொண்டுள்ளது. ஒரு சீரான பகடையை உருட்டுவது அல்லது ஒரே மாதிரியான சீட்டுகளின் தொகுப்பிலிருந்து ஒரு சீட்டைத் தேர்ந்தெடுப்பது போன்றவை இதன் எளிய எடுத்துக்காட்டுகள் ஆகும்.
எடுத்துக்காட்டு கேள்வி 1
கேள்வி:
ஒரு சீரான பகடைக்கு 1 முதல் 6 வரை எண்கள் இடப்பட்ட 6 பக்கங்கள் உள்ளன. பகடையை ஒரு முறை உருட்டும்போது 4 கிடைப்பதற்கான நிகழ்தகவைக் கண்டறியவும்.
கலந்துரையாடல்:
ஒரு சீரான பகடையின் ஒவ்வொரு பக்கமும் தோன்றுவதற்குச் சமமான நிகழ்தகவு இருப்பதால், ஒவ்வொரு பக்கத்தின் நிகழ்தகவும் பின்வருமாறு கூறலாம்:
P(A) = 1/n
இதில் n என்பது சாத்தியமான விளைவுகளின் மொத்த எண்ணிக்கை. இந்த நேர்வில், n = 6.
ஆகவே, 4 என்ற எண் கிடைப்பதற்கான நிகழ்தகவு:
P(4) = 1/6 ≈ 0.167 அல்லது 16.7%
எடுத்துக்காட்டு கேள்வி 2
கேள்வி:
ஒரு பெட்டியில் 1 முதல் 10 வரை எண்கள் இடப்பட்ட 10 பந்துகள் உள்ளன. சீரற்ற முறையில் ஒரு பந்து எடுக்கப்பட்டால், எடுக்கப்பட்ட பந்தின் எண் 7-ஐ விட அதிகமாக இருப்பதற்கான நிகழ்தகவைக் காண்க.
கலந்துரையாடல்:
தகுதிபெற்ற பந்துகளின் எண்ணிக்கை 8, 9 மற்றும் 10 ஆகும். எனவே, மொத்தம் 10 பந்துகளில் 3 பந்துகள் தகுதிபெற்றவை.
P(B) = நிபந்தனைகளைப் பூர்த்தி செய்யும் பந்துகளின் எண்ணிக்கை / மொத்த பந்துகள்
P(B) = 3 / 10 = 0.3 அல்லது 30%
தொடர்ச்சியான சீரான விநியோகம்
ஒரு தொடர்ச்சியான சீரான பரவல் என்பது, கொடுக்கப்பட்ட ஒரு இடைவெளியில் உள்ள அனைத்து மதிப்புகளும் நிகழ்வதற்குச் சமமான நிகழ்தகவைக் கொண்டிருக்கும் ஒரு பரவலாகும். கொடுக்கப்பட்ட ஒரு வரம்பிற்குள் உள்ள ஒவ்வொரு விளைவும் சம நிகழ்தகவுடன் இருக்கக்கூடிய சூழ்நிலைகளில் இந்தப் பரவல் பெரும்பாலும் ஏற்படுகிறது.
எடுத்துக்காட்டு கேள்வி 3
கேள்வி:
X என்பது 0 மற்றும் 1-க்கு இடையில் சீராகப் பரவியுள்ள ஒரு சமவாய்ப்பு மாறி எனில், X-இன் மதிப்பு 0.25 மற்றும் 0.75-க்கு இடையில் இருப்பதற்கான நிகழ்தகவைக் காண்க.
கலந்துரையாடல்:
ஒரு தொடர்ச்சியான சீரான பரவலுக்கு, நிகழ்தகவு அடர்த்தி முழு இடைவெளியிலும் மாறிலியாக இருக்கும். இந்த நேர்வில், இடைவெளி 0 முதல் 1 வரை உள்ளது, அதாவது நிகழ்தகவு அடர்த்தி (f(x)) 1 ஆகும், ஏனெனில் ஒரு சீரான பரவலானது வளைவின் கீழுள்ள மொத்தப் பரப்பளவு 1 ஆக இருக்க வேண்டும்.
X-இன் மதிப்பு 0.25 மற்றும் 0.75-க்கு இடையில் இருப்பதற்கான நிகழ்தகவை, இந்த இரண்டு வரம்புகளுக்கு இடையில் உள்ள PDF (நிகழ்தகவு அடர்த்திச் சார்பு) வளைவின் கீழ் உள்ள பரப்பளவாகக் கணக்கிடலாம்.
P(0.25 ≤ X ≤ 0.75) = (b – a) / (d – c)
இதில் a மற்றும் b என்பன நாம் தேடும் இடைவெளியின் கீழ் மற்றும் மேல் எல்லைகள் ஆகும், மேலும் c மற்றும் d என்பன சீரான பரவலின் எல்லைகள் ஆகும். இந்த நேர்வில், a = 0.25, b = 0.75, c = 0, மற்றும் d = 1.
P(0.25 ≤
எனவே, X-இன் மதிப்பு 0.25 மற்றும் 0.75-க்கு இடையில் இருப்பதற்கான நிகழ்தகவு 0.5 அல்லது 50% ஆகும்.
எடுத்துக்காட்டு கேள்வி 4
கேள்வி:
[2, 5] என்ற இடைவெளியில் சீரான துல்லியப் பரவலைக் கொண்ட ஒரு கருவியைக் கொண்டு ஒரு அளவீடு செய்யப்படுகிறது. அந்த அளவீடு 3 மற்றும் 4-க்கு இடையில் ஒரு மதிப்பை அளிப்பதற்கான நிகழ்தகவைக் கண்டறியவும்.
கலந்துரையாடல்:
[2, 5] இடைவெளியில் ஒரு சீரான பரவலுக்கு, நிகழ்தகவு அடர்த்தி மாறிலியாகவும், வளைவின் கீழுள்ள மொத்தப் பரப்பளவு 1 ஆகவும் இருக்கும். எனவே, நிகழ்தகவு அடர்த்தி (f(x)) என்பது 1/(5-2) = 1/3 ஆகும்.
அளவீடு 3 மற்றும் 4-க்கு இடையில் இருப்பதற்கான நிகழ்தகவு:
P(3 ≤ X ≤ 4) = (b – a) / (d – c)
இதில் a மற்றும் b என்பன நாம் தேடும் இடைவெளியின் எல்லைகள், மற்றும் c மற்றும் d என்பன சீரான பரவலின் எல்லைகள் ஆகும். இந்த நேர்வில், a = 3, b = 4, c = 2, மற்றும் d = 5.
P(3 ≤ X ≤ 4) = (4 – 3) / (5 – 2) = 1/3 ≈ 0.333 அல்லது 33.3%
முடிவுரை
சீரான பரவல் அதன் எளிமை மற்றும் புரிந்துகொள்ளும் சுலபம் காரணமாக நிகழ்தகவு மற்றும் புள்ளியியல் பகுப்பாய்வில் மிகவும் பயனுள்ள ஒரு கருவியாகும். தனித்த மற்றும் தொடர்ச்சியான ஆகிய இரண்டு வடிவங்களிலும், ஒரு குறிப்பிட்ட வரம்பிற்குள் உள்ள ஒவ்வொரு விளைவும் ஒரே நிகழ்தகவைக் கொண்டிருப்பதை சீரான பரவல் உறுதி செய்கிறது.
முக்கிய புள்ளிகள்
1. தனித்த சீரான பரவல்: ஒரு குறிப்பிட்ட வரம்பிற்குள் ஒவ்வொரு விளைவின் நிகழ்தகவும் சமமாக இருக்கும். எடுத்துக்காட்டு: ஒரு சீரான பகடையை எறிதல்.
2. தொடர்ச்சியான சீரான பரவல்: நிகழ்தகவு அடர்த்தி ஒரு இடைவெளி முழுவதும் மாறாமல் இருக்கும். எடுத்துக்காட்டு: ஒரு குறிப்பிட்ட வரம்பிற்குள் துல்லியமான கருவியைக் கொண்டு நீளம் அல்லது எடையை அளவிடுதல்.
இந்தக் கருத்தைப் புரிந்துகொள்வதன் மூலமும், எடுத்துக்காட்டுகள் மற்றும் கலந்துரையாடல்கள் வழியாகவும், சீரான பரவலைப் பல்வேறு நிஜ உலகச் சூழ்நிலைகளுக்கும் ஆராய்ச்சிகளுக்கும் நாம் எளிதாகப் பயன்படுத்தலாம். இது, தனித்த அல்லது தொடர்ச்சியான வடிவத்தில் இருந்தாலும், சம நிகழ்தகவு விளைவுகளைக் கொண்ட நிகழ்வுகளைத் தெளிவுபடுத்த உதவுகிறது.
சீரான பரவல் என்பது புள்ளியியலில் மட்டுமல்லாமல், கணினி அறிவியல், பொறியியல், பொருளாதாரம் மற்றும் முடிவெடுத்தல் அல்லது தரவுப் பகுப்பாய்வு தேவைப்படும் பல துறைகளிலும் பயனுள்ளதாக இருக்கிறது. எடுத்துக்காட்டாக, மான்டே கார்லோ உருவகப்படுத்துதல்களில், ஒரு குறிப்பிட்ட வரம்பிற்குள் சமவாய்ப்புத் திசையன்களை உருவாக்க சீரான பரவல் பெரும்பாலும் பயன்படுத்தப்படுகிறது; பின்னர் அவை பல்வேறு சூழ்நிலைகளையும் விளைவுகளையும் மதிப்பிடுவதற்குப் பயன்படுத்தப்படுகின்றன.
சீரான பங்கீட்டைப் பற்றியும், அதைக் கொண்டு சிக்கல்களைத் தீர்ப்பது எப்படி என்பதையும் நீங்கள் நன்கு புரிந்துகொள்ள இந்தக் கட்டுரை உதவியிருக்கும் என்று நம்புகிறோம். இந்தக் கருத்தில் தேர்ச்சி பெறவும், உங்கள் துறை சார்ந்த நிஜ உலகச் சூழல்களில் இதைப் பயன்படுத்தவும் தொடர்ந்து பயிற்சி செய்யுங்கள்.
