இயல்நிலைப் பரவலின் எதிர்பார்க்கப்படும் மதிப்பு குறித்த கலந்துரையாடல் கேள்விக்கான எடுத்துக்காட்டு

இயல்நிலைப் பரவலின் எதிர்பார்க்கப்படும் மதிப்பு குறித்த கலந்துரையாடல் கேள்விக்கான எடுத்துக்காட்டு

காஸியன் பரவல் என்றும் அழைக்கப்படும் இயல்நிலைப் பரவல், புள்ளியியல் மற்றும் நிகழ்தகவில் மிகவும் பரவலாகப் பயன்படுத்தப்படும் தொடர்ச்சியான நிகழ்தகவுப் பரவல்களில் ஒன்றாகும். சமச்சீர் தன்மை மற்றும் சராசரி (µ) மற்றும் திட்ட விலக்கம் (σ) ஆகியவற்றைக் கொண்டு அளவுருவாக்குவதில் உள்ள தனித்தன்மை போன்ற அதன் சாதகமான கணிதப் பண்புகளின் காரணமாக, இந்தப் பரவல் பல்வேறு புள்ளியியல் அனுமானங்களில் ஒரு அடிப்படைக் கருத்தாகப் பயன்படுத்தப்படுகிறது. இந்தக் கருத்தைப் பற்றிய ஆழமான புரிதலை வழங்குவதற்காக, இந்தக் கட்டுரை எடுத்துக்காட்டுகளைப் பற்றி விவாதித்து, இயல்நிலைப் பரவலின் எதிர்பார்க்கப்படும் மதிப்பையும் விவாதிக்கும்.

புரிதல் இயல்நிலைப் பரவல்

இயல்நிலைப் பரவல் ஒரு சமச்சீரான மணி வடிவ வளைகோட்டால் சித்தரிக்கப்படுகிறது, இதில் பெரும்பாலான மதிப்புகள் மைய மதிப்பு அல்லது சராசரியைச் சுற்றி குவிந்திருக்கும். இந்தப் பரவலில், சராசரி (µ) மற்றும் திட்ட விலக்கம் (σ) ஆகியவை தரவுகளின் பரவலின் இருப்பிடத்தையும் அளவையும் தீர்மானிக்கும் இரண்டு முக்கியமான அளவுருக்கள் ஆகும்.

இயல்நிலைப் பரவலின் நிகழ்தகவு அடர்த்திச் சார்பு (PDF) என்பது:

\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]

எங்கே:
– \( \mu \) என்பது சராசரி அல்லது மீன் ஆகும்.
– \( \sigma \) என்பது திட்ட விலகல் ஆகும்.
– \( x \) என்பது ஒரு சமவாய்ப்பு மாறி

இயல்நிலைப் பரவலில் எதிர்பார்க்கப்படும் மதிப்பு

இயல்நிலைப் பரவலைக் கொண்ட ஒரு சமவாய்ப்பு மாறியின் எதிர்பார்க்கப்படும் மதிப்பு, அப்பரவலின் சராசரிக்குச் சமம். \( X \sim N(\mu, \sigma^2) \) எனில், எதிர்பார்க்கப்படும் மதிப்பு \( E(X) \) என்பது:

\[ E(X) = \mu \]

நமது புரிதலை வலுப்படுத்த, இயல்நிலைப் பரவல்களில் எதிர்பார்க்கப்படும் மதிப்புகள் தொடர்பான சில கணக்குகளின் எடுத்துக்காட்டுகளுடன் தொடர்வோம்.

மாதிரி கேள்விகள் மற்றும் கலந்துரையாடல்

உதாரணக் கேள்வி 1:

\( X \) என்பது \( \mu = 50 \) மற்றும் \( \sigma = 10 \) உடன் இயல்நிலைப் பரவல் கொண்ட ஒரு சமவாய்ப்பு மாறி எனில், \( X \)-இன் எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுக.

கலந்துரையாடல்:

முன்னர் குறிப்பிட்டபடி, ஒரு இயல்நிலைப் பரவலில், எதிர்பார்க்கப்படும் மதிப்பு \( E(X) \) என்பது \( \mu \) க்குச் சமம். எனவே,

\[ E(X) = \mu = 50 \]

உதாரணக் கேள்வி 2:

சமவாய்ப்பு மாறி \( Y \) ஆனது \( \mu = 120 \) மற்றும் \( \sigma = 15 \) உடன் இயல்நிலைப் பரவலைக் கொண்டுள்ளது எனில், \( Y \)-இன் எதிர்பார்க்கப்படும் மதிப்பைக் காண்க.

கலந்துரையாடல்:

முதல் உதாரணத்தைப் போலவே, \( Y \) இன் எதிர்பார்க்கப்படும் மதிப்பு இயல்நிலைப் பரவலின் நடு மதிப்பு அல்லது சராசரி ஆகும், அதாவது:

\[ E(Y) = \mu = 120 \]

உதாரணக் கேள்வி 3:

சமவாய்ப்பு மாறி \( Z \) ஆனது \( \mu = 0 \) மற்றும் \( \sigma = 1 \) (திட்ட இயல்நிலைப் பரவல்) உடன் ஒரு இயல்நிலைப் பரவலைப் பின்பற்றினால், \( Z \) இன் எதிர்பார்க்கப்படும் மதிப்பு என்ன?

கலந்துரையாடல்:

திட்ட இயல்நிலைப் பரவலின் சராசரி \( \mu = 0 \) ஆகும், எனவே எதிர்பார்க்கப்படும் மதிப்பு \( E(Z) \) என்பது:

\[ E(Z) = \mu = 0 \]

உதாரணக் கேள்வி 4:

சராசரி \( \mu = 75 \) மற்றும் திட்ட விலக்கம் \( \sigma = 20 \) கொண்ட இயல்நிலைப் பரவல் கொண்ட சமவாய்ப்பு மாறி \( W \) என்று வைத்துக்கொள்வோம். நாம் ஒரு புதிய சமவாய்ப்பு மாறி \( V = 2W + 3 \) -ஐ வரையறுத்தால், \( V \) -இன் எதிர்பார்க்கப்படும் மதிப்பு என்ன?

கலந்துரையாடல்:

\( V \)-இன் எதிர்பார்க்கப்படும் மதிப்பைக் கண்டறிய, நாம் எதிர்பார்க்கப்படும் மதிப்பின் நேரியல் பண்பைப் பயன்படுத்த வேண்டும். \( V = 2W + 3 \) எனக் கொடுக்கப்பட்டுள்ளது, எனில்:

\[ E(V) = E(2W + 3) \]

எதிர்பார்க்கப்படும் மதிப்பின் நேரியல் பண்பின் அடிப்படையில், மாறிலியை சமவாய்ப்பு மாறியிலிருந்து நாம் பிரிக்கலாம்:

\[ E(V) = 2E(W) + E(3) \]

ஒரு மாறிலியின் எதிர்பார்க்கப்படும் மதிப்பு அந்த மாறிலியே என்பதை அறிந்துகொள்வது:

\[ E(3) = 3 \]

மேலும் \( W \) இன் எதிர்பார்க்கப்படும் மதிப்பு இயல்நிலைப் பரவல் \( W \) இன் சராசரியாகும்:

\[ E(W) = \mu = 75 \]

ஆகவே,

\[ E(V) = 2 \times 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]

உதாரணக் கேள்வி 5:

சமவாய்ப்பு மாறி \( Q \) சராசரி \( \mu = 40 \) மற்றும் திட்ட விலக்கம் \( \sigma = 5 \) உடன் ஒரு இயல்நிலைப் பரவலைப் பின்பற்றுகிறது. \[ U = Q/2 \] எனில், \( Q \) இன் எதிர்பார்க்கப்படும் மதிப்பு என்ன?

கலந்துரையாடல்:

எடுத்துக்காட்டு 4 இல் உள்ள அதே கொள்கையை, அதாவது எதிர்பார்க்கப்படும் மதிப்பின் நேரியல் பண்பை, நாம் பயன்படுத்துகிறோம். \( U = Q/2 \) எனக் கொடுக்கப்பட்டால், பின்வருமாறு:

\[ E(U) = E\left(\frac{Q}{2}\right) \]

எதிர்பார்க்கப்படும் மதிப்பின் நேரியல் பண்பின் அடிப்படையில்:

\[ E(U) = \frac{1}{2} E(Q) \]

\( Q \) இன் எதிர்பார்க்கப்படும் மதிப்பு இயல்நிலைப் பரவல் \( Q \) இன் சராசரி என்பதை நாம் அறிவோம்:

\[ E(Q) = \mu = 40 \]

ஆகவே,

\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]

முடிவுரை

ஒரு இயல்நிலைப் பரவலில், ஒரு சமவாய்ப்பு மாறியின் எதிர்பார்க்கப்படும் மதிப்பு எப்போதும் அப்பரவலின் சராசரிக்கு (µ) சமமாக இருக்கும். மேலே உள்ள எடுத்துக்காட்டுக் கணக்குகள், நேரியல் பண்பைப் பயன்படுத்தி எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவதற்கான பல்வேறு நிபந்தனைகளை விளக்குகின்றன. இந்த அடிப்படைக் கருத்தைப் புரிந்துகொள்வது, புள்ளியியல் மற்றும் நிகழ்தகவில் இயல்நிலைப் பரவல் கணக்குகளைக் கையாள்வதை எளிதாக்குகிறது.

புள்ளியியலில் இயல்நிலைப் பரவல் மிகவும் முக்கியமானது, ஏனெனில் கருதுகோள் சோதனை, அளவுரு மதிப்பீடு மற்றும் பல்வேறு பிற புள்ளியியல் அனுமானங்கள் உள்ளிட்ட பரந்த அளவிலான நடைமுறைப் பயன்பாடுகளில் இது பயன்படுத்தப்படுகிறது. இந்தப் பரவலின் எதிர்பார்க்கப்படும் மதிப்பை நன்கு புரிந்துகொள்வது, தரவுப் பகுப்பாய்வில் ஒரு முக்கியமான முதல் படியாகும்.

இந்தக் கட்டுரை, இயல்நிலைப் பரவலின் எதிர்பார்க்கப்படும் மதிப்பு குறித்த தெளிவான மற்றும் பயனுள்ள விளக்கத்தையும், அதனுடன் தொடர்புடைய எடுத்துக்காட்டுக் கேள்விகள் மற்றும் கலந்துரையாடல்களையும் வழங்கும் என நம்புகிறோம்.