ஈருறுப்புப் பரவல்

ஈருறுப்புப் பரவல்: கோட்பாடு, பயன்பாடுகள் மற்றும் எடுத்துக்காட்டுகள்

பெண்டாஹுலுவான்

ஈருறுப்புப் பரவல் என்பது புள்ளியியல் மற்றும் நிகழ்தகவுக் கோட்பாட்டில் ஒரு அடிப்படைக் கருத்தாகும். மிகவும் பரவலாகப் பயன்படுத்தப்படும் தனித்த பரவல்களில் ஒன்றாக, ஈருறுப்புப் பரவலானது மருத்துவம், பொருளாதாரம், உயிரியல் மற்றும் சமூக அறிவியல் போன்ற துறைகளில் எண்ணற்ற பயன்பாடுகளை வழங்குகிறது. இந்தக் கட்டுரை ஈருறுப்புப் பரவலைப் பற்றி அதன் வரையறை, முக்கியப் பண்புகள், தொடர்புடைய சூத்திரங்கள் மற்றும் பல நடைமுறைப் பயன்பாட்டு எடுத்துக்காட்டுகள் உட்பட ஆழமாக விவாதிக்கும்.

ஈருறுப்புப் பரவலைப் புரிந்துகொள்ளுதல்

ஈருறுப்புப் பரவல் என்பது n பெர்னூலி சோதனைகளின் முடிவை விவரிக்கிறது, இதில் ஒவ்வொரு சோதனைக்கும் "வெற்றி" அல்லது "தோல்வி" என இரண்டு சாத்தியமான முடிவுகள் மட்டுமே உள்ளன. எடுத்துக்காட்டாக, ஒரு நாணயத்தைச் சுண்டும்போது, ​​சாத்தியமான முடிவுகள் "தலைகள்" அல்லது "தோல்விகள்" ஆகும்.

ஈருறுப்புப் பரவலில் உள்ள இரண்டு முக்கிய அளவுருக்கள்:
1. n (சோதனைகளின் எண்ணிக்கை)
2. p (ஒவ்வொரு சோதனையிலும் வெற்றி பெறுவதற்கான நிகழ்தகவு)

மேலும் முறையாக, n சோதனைகளில் கிடைக்கும் வெற்றிகளின் எண்ணிக்கையை ஈருறுப்புப் பரவல் \( B(n, p) \) மூலம் விவரிக்கலாம்.

நிகழ்தகவு நிறைச் சார்பு (PMF)

ஈருறுப்புப் பரவலின் நிகழ்தகவு நிறைச் சார்பு பின்வருமாறு சூத்திரப்படுத்தப்படுகிறது:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
எங்கே:
– \( \binom{n}{k} \) என்பது k ஆல் தேர்ந்தெடுக்கப்பட்ட n இன் ஒரு சேர்மானம் ஆகும்.
– \( p \) என்பது ஒரு தனி முயற்சியில் வெற்றி பெறுவதற்கான நிகழ்தகவு ஆகும்.
– \( k \) என்பது வெற்றிகளின் எண்ணிக்கை,
– \( n \) என்பது மொத்த சோதனைகளின் எண்ணிக்கை.

ஈருறுப்புப் பரவலின் முக்கிய பண்புகள்

ஈருறுப்புப் பரவலுக்குப் பல முக்கியப் பண்புகள் உள்ளன:
1. சராசரி (சராசரி): முயற்சிகளின் எண்ணிக்கையை, ஒவ்வொரு முயற்சியிலும் வெற்றி பெறுவதற்கான நிகழ்தகவால் பெருக்குவதன் மூலம் பெறப்படுகிறது. சராசரி என்பது \( \mu = np \).
2. மாறுபாடு: ஈருறுப்புப் பரவலின் மாறுபாடு என்பது சோதனைகளின் எண்ணிக்கை, வெற்றியின் நிகழ்தகவு மற்றும் தோல்வியின் நிகழ்தகவு ஆகியவற்றின் பெருக்கற்பலன் ஆகும், அதாவது, \( \sigma^2 = np(1 – p) \).
3. சமச்சீர் மற்றும் கோட்டம்: \( p = 0.5 \) ஆக இருக்கும்போது, ​​ஈருறுப்புப் பரவல் சமச்சீராக இருக்கும். \( p < 0.5 \) ஆக இருக்கும்போது, ​​பரவல் வலப்பக்கம் கோட்டமாகவும், \( p > 0.5 \) ஆக இருக்கும்போது, ​​பரவல் இடப்பக்கம் கோட்டமாகவும் இருக்கும்.
4. மதிப்பு வரம்புகள்: ஈருறுப்பு மதிப்பு (k) 0 முதல் n வரை இருக்கும்.

ஈருறுப்புப் பரவல் மற்றும் மைய எல்லைத் தேற்றம்

மைய எல்லைத் தேற்றத்தில் ஈருறுப்புப் பரவல் ஒரு முக்கியப் பங்கு வகிக்கிறது. சோதனைகளின் எண்ணிக்கை (n) மிக அதிகமாகும்போது, ​​ஈருறுப்புப் பரவலானது சராசரி \( \mu = np \) மற்றும் திட்ட விலக்கம் \( \sigma = \sqrt{np(1 – p)} \) கொண்ட ஒரு இயல்நிலைப் பரவலை அணுகும்.

ஈருறுப்புப் பரவலைப் பயன்படுத்தும் ஒரு எடுத்துக்காட்டு

பல்வேறு துறைகளிலிருந்து எடுக்கப்படும் நடைமுறை எடுத்துக்காட்டுகள் மூலம் ஈருறுப்புப் பரவல் பற்றிய கலந்துரையாடல்களை எளிதாகப் புரிந்துகொள்ளலாம். இதோ சில நிஜ உலகப் பயன்பாடுகள்:

எடுத்துக்காட்டு 1: தயாரிப்பு சோதனை

ஒரு மின்னணு நிறுவனத்தின் உற்பத்தி வரிசையில், குறைபாடுள்ள ஒரு பொருள் இருப்பதற்கான நிகழ்தகவு 0.01 என வைத்துக்கொள்வோம். அந்நிறுவனம் 100 பொருட்களை ஆய்வு செய்தால், அவற்றில் சரியாக 2 குறைபாடுள்ள பொருட்களைக் கண்டறிவதற்கான நிகழ்தகவு என்ன?

ஈருறுப்புப் பரவல் சூத்திரத்தைப் பயன்படுத்தி:
\[ P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]

சேர்மானங்களைக் கணக்கிட்டு \(\binom{100}{2}\), பின்னர் மீதமுள்ள நிகழ்தகவுகளால் பெருக்குவதன் மூலம், நாம் இறுதி முடிவைப் பெறுகிறோம்.

எடுத்துக்காட்டு 2: மருத்துவ ஆராய்ச்சி

ஒரு குறிப்பிட்ட நோய்க்கான மருந்தின் மருத்துவப் பரிசோதனையில், ஒரு நோயாளி அந்த மருந்தால் குணமடைவதற்கான நிகழ்தகவு 0.8 ஆகும். 10 நோயாளிகள் பரிசோதிக்கப்பட்டால், அவர்களில் குறைந்தது 8 நோயாளிகள் குணமடைவதற்கான நிகழ்தகவு என்ன?

இந்த நிகழ்தகவைக் கண்டறிய, 8, 9, மற்றும் 10 நோயாளிகள் குணமடைவதற்கான நிகழ்தகவுகளை நாம் கூட்ட வேண்டும்:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]

k-இன் ஒவ்வொரு மதிப்புக்கும் (8, 9, மற்றும் 10) ஈருறுப்பு சூத்திரத்தைப் பயன்படுத்தி, பின்னர் முடிவுகளைக் கூட்டுவதன் மூலம்.

எடுத்துக்காட்டு 3: பொருளாதாரத்தில் முடிவுகள்

ஒரு சந்தை ஆய்வில், 60% நுகர்வோர் ஒரு புதிய பொருளை விரும்பினர். 20 நுகர்வோரிடமிருந்து ஒரு சமவாய்ப்பு மாதிரி எடுக்கப்பட்டால், அவர்களில் குறைந்தது 15 பேர் அந்தப் பொருளை விரும்பியிருப்பதற்கான நிகழ்தகவு என்ன?

15 முதல் 20 வரையிலான விருப்பங்களின் எண்ணிக்கையின் நிகழ்தகவைக் கணக்கிட நமக்கு ஈருறுப்புப் பரவல் தேவைப்படுகிறது:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]

அதே முறையைப் பயன்படுத்தி, இந்த நிகழ்தகவுகளைக் கணக்கிட்டுக் கூட்டுகிறோம்.

ஈருறுப்புப் பரவல் கணக்கீடுகளில் தொழில்நுட்பத்தைப் பயன்படுத்துதல்

டிஜிட்டல் யுகத்தில், ஈருறுப்புப் பரவல் கணக்கீட்டுப் பயன்பாடுகள் கைமுறையாக மட்டுமல்லாமல், R, பைதான் அல்லது குறிப்பிட்ட புள்ளியியல் கணிப்பான்கள் போன்ற மென்பொருள்களைப் பயன்படுத்தியும் செய்யப்படுகின்றன.

பைத்தானைப் பயன்படுத்தி ஈருறுப்புப் பரவலைக் கணக்கிடுவதற்கான ஒரு எடுத்துக்காட்டு இங்கே கொடுக்கப்பட்டுள்ளது:

"` மலைப்பாம்பு
scipy.stats இலிருந்து binom ஐ இறக்குமதி செய்க

n = 10 சோதனைகளின் எண்ணிக்கை
p = 0.8 வெற்றி நிகழ்தகவு
k = 8 எதிர்பார்க்கப்படும் வெற்றிகளின் எண்ணிக்கை

சரியாக 8 வெற்றிகளுக்கான நிகழ்தகவு
prob_8 = binom.pmf(k, n, p)

குறைந்தது 8 வெற்றிகளுக்கான நிகழ்தகவு
prob_ge_8 = 1 – binom.cdf(k-1, n, p)

print(f”சரியாக 8 வெற்றிகளுக்கான நிகழ்தகவு: {prob_8}”)
print(f”குறைந்தது 8 வெற்றிகளுக்கான நிகழ்தகவு: {prob_ge_8}”)
"`

முடிவுரை

ஈருறுப்புப் பரவல் என்பது புள்ளியியல் மற்றும் நிகழ்தகவில் ஒரு இன்றியமையாத அடிப்படைக் கருத்தாகும். ஈருறுப்புப் பரவலைப் புரிந்துகொள்வதன் மூலம், இரண்டு விளைவுகளைக் கொண்ட மீண்டும் மீண்டும் செய்யப்படும் சோதனைகளை உள்ளடக்கிய நிஜ உலகச் சூழ்நிலைகளுக்குப் பல்வேறு நிகழ்தகவு மாதிரிகளை நாம் பயன்படுத்தலாம். தொழில்நுட்பக் கருவிகளைப் பயன்படுத்தும் திறன், கணக்கீட்டுச் செயல்முறையை மேலும் திறமையானதாகவும் துல்லியமானதாகவும் ஆக்குகிறது. ஈருறுப்புப் பரவல் கோட்பாட்டு ரீதியாக முக்கியமானது மட்டுமல்லாமல், அறிவியல் மற்றும் தொழில்துறையின் பல்வேறு துறைகளில் எண்ணற்ற பொருத்தமான நடைமுறைப் பயன்பாடுகளையும் கொண்டுள்ளது.

இந்தக் கட்டுரை ஈருறுப்புப் பரவல் குறித்த ஆழமான புரிதலை அளித்து, புள்ளியியல் மற்றும் நிகழ்தகவுத் துறைகளில் மேலும் ஆய்வுகளை மேற்கொள்ளத் தூண்டும் என நம்புகிறோம்.