புள்ளிவிவர நிகழ்தகவின் அடிப்படைகள்

புள்ளிவிவர நிகழ்தகவின் அடிப்படைகள்

நிகழ்தகவு மற்றும் புள்ளியியல் ஆகிய இரண்டு அறிவியல் துறைகள், நிச்சயமற்ற தன்மையைப் புரிந்துகொள்வதற்கும் தரவுகளின் அடிப்படையில் முடிவுகளை எடுப்பதற்கும் மிகவும் முக்கியமானவை. அன்றாட வாழ்வில், "இன்று மழை பெய்ய எவ்வளவு வாய்ப்புள்ளது?", "ஒரு மருந்து பயனுள்ளதா?", அல்லது "ஒரு சந்தைப்படுத்தல் உத்தி விற்பனையை அதிகரிக்குமா?" போன்ற கேள்விகளை நாம் அடிக்கடி எதிர்கொள்கிறோம். நிகழ்தகவு என்பது ஒரு நிகழ்வின் நிகழ்தகவை அளவிடுவதற்கான ஒரு கணிதக் கட்டமைப்பை வழங்குகிறது, அதே நேரத்தில் புள்ளியியல் தரவுகளைச் செயலாக்கவும், முடிவுகளை எடுக்கவும், கணிப்புகளைச் செய்யவும் நமக்கு உதவுகிறது. இந்தக் கட்டுரை, நவீன தரவுப் பகுப்பாய்வின் அடித்தளமாக விளங்கும் புள்ளியியல் நிகழ்தகவின் அடிப்படைகளைப் பற்றி விவாதிக்கிறது.

1. நிகழ்தகவு மற்றும் புள்ளியியலைப் புரிந்துகொள்ளுதல்

நிகழ்தகவு என்பது ஒரு நிகழ்வு நடப்பதற்கான சாத்தியக்கூறைப் பற்றி ஆய்வு செய்யும் கணிதத்தின் ஒரு பிரிவாகும். சீரற்ற நிகழ்வுகளை மாதிரியாக்கவும், நிச்சயமற்ற தன்மையை அளவுரீதியாக அளவிடவும் நிகழ்தகவு பயன்படுத்தப்படுகிறது. நிகழ்தகவு மதிப்புகள் 0 முதல் 1 வரை இருக்கும். 0 என்ற மதிப்பு சாத்தியமின்மையையும், 1 என்ற மதிப்பு நிச்சயத்தன்மையையும் குறிக்கிறது.

புள்ளிவிவரவியல் என்பது தரவுகளை எவ்வாறு சேகரிப்பது, ஒழுங்கமைப்பது, பகுப்பாய்வு செய்வது மற்றும் விளக்குவது என்பதைப் பற்றி ஆராயும் ஒரு அறிவியல் ஆகும். புள்ளிவிவரவியல் இரண்டு முக்கியப் பிரிவுகளாகப் பிரிக்கப்பட்டுள்ளது:
1. விளக்கப் புள்ளிவிவரங்கள், அதாவது தரவுகளைச் சுருக்கி விவரிக்கும் முறைகள் (எ.கா. சராசரி, இடைநிலை, வரைபடங்கள்).
2. அனுமானப் புள்ளிவிவரங்கள், அதாவது ஒரு மாதிரியின் அடிப்படையில் ஒரு மக்கள்தொகையைப் பற்றி முடிவுகளை எடுப்பதற்கான முறைகள் (எ.கா. மதிப்பீடு, கருதுகோள் சோதனை).

இவ்விரண்டும் ஒன்றுக்கொன்று தொடர்புடையவை. நிகழ்தகவு பெரும்பாலும் அனுமானப் புள்ளிவிவரங்களுக்கான கோட்பாட்டு அடிப்படையாகச் செயல்படுகிறது, ஏனெனில் நாம் ஒரு மக்கள் தொகையிலிருந்து மாதிரிகளை எடுக்கும்போது, ​​முடிவுகள் சீரற்றவையாக இருக்கும், அவற்றை நிகழ்தகவுக் கருத்துகளைப் பயன்படுத்திப் பகுப்பாய்வு செய்ய முடியும்.

2. அடிப்படைக் கருத்துகள்: சோதனைகள், மாதிரி வெளிகள் மற்றும் நிகழ்வுகள்

நிகழ்தகவில், முதல் படியாக சமவாய்ப்புச் சோதனையை வரையறுக்க வேண்டும்; இது, அதன் விளைவை முன்கூட்டியே கணிக்க முடியாத ஒரு செயல்முறையாகும். நாணயத்தைச் சுண்டுதல், பகடையை உருட்டுதல் அல்லது ஒரு குழுவிலிருந்து ஒருவரைச் சமவாய்ப்பாகத் தேர்ந்தெடுத்தல் ஆகியவை இதற்கு எடுத்துக்காட்டுகளாகும்.

ஒரு சமவாய்ப்புச் சோதனையின் சாத்தியமான விளைவுகள் மாதிரி வெளி என அழைக்கப்படுகின்றன, மேலும் அவை பொதுவாக \( S \) அல்லது \( \Omega \) எனக் குறிக்கப்படுகின்றன. எடுத்துக்காட்டாக:
– நாணயத்தைச் சுண்டுதல்: \( S = \{படம், எண்\} \)
– பகடையை உருட்டவும்: \( S = \{1,2,3,4,5,6\} \)

ஒரு நிகழ்வு என்பது மாதிரி வெளியின் ஒரு உட்கணம் ஆகும். எடுத்துக்காட்டு:
– இரட்டை எண் கிடைக்கும் நிகழ்வு: \( A = \{2,4,6\} \)
– 4-ஐ விடப் பெரிய எண் கிடைக்கும் நிகழ்வு: \( B = \{5,6\} \)

3. நிகழ்தகவின் அடிப்படை விதிகள்

மாதிரி வெளியில் உள்ள அனைத்து விளைவுகளும் ஒரே நிகழ்தகவைக் கொண்டிருந்தால் (சம நிகழ்தகவு), ஒரு நிகழ்வு \( A \) இன் நிகழ்தகவை பின்வருமாறு கணக்கிடலாம்:
\[
P(A) = \frac{\text{A-ஐ ஆதரிக்கும் விளைவுகளின் எண்ணிக்கை}{\text{S-இல் உள்ள அனைத்து விளைவுகளின் எண்ணிக்கை}
\]

உதாரணம்: பகடையில் இரட்டை எண் கிடைப்பதற்கான நிகழ்தகவு:
\[
P(A)=\frac{3}{6}=0,5
\]

சில முக்கியமான விதிகள்:
1. நிகழ்தகவு வரம்புகள்:
\[
0 ≤ P(A) ≤ 1
\]
2. நிரப்பு நிகழ்வு நிகழாததற்கான நிகழ்தகவு:
\[
P(A^c)=1-P(A)
\]
3. இரு நிகழ்வுகளுக்கான கூட்டல் விதி:
– \( A \) மற்றும் \( B \) ஆகியவை ஒன்றையொன்று விலக்குபவையாக (ஒரே நேரத்தில் நிகழ முடியாதவையாக) இருந்தால்:
\[
P(A \cup B)=P(A)+P(B)
\]
– ஒன்றுக்கொன்று பிரத்தியேகமானவை அல்ல எனில்:
\[
P(A \cup B)=P(A)+P(B)-P(A \cup B)
\]

4. நிபந்தனை நிகழ்தகவு மற்றும் சார்பின்மை

நிபந்தனை நிகழ்தகவு என்பது, நிகழ்வு \( B \) ஏற்கனவே நிகழ்ந்திருக்கும் பட்சத்தில், ஒரு நிகழ்வு \( A \) நிகழ்வதற்கான நிகழ்தகவு ஆகும். எழுதப்பட்ட விதம்:
\[
P(A|B)=\frac{P(A \cap B)}{P(B)}
\]
\( P(B) \ne 0 \) உடன்.

பரிசோதனை முடிவுகளின் அடிப்படையில் ஒரு நோயைக் கண்டறிவது போன்ற பல துறைகளில் இந்தக் கருத்து முக்கியமானது. ஒருவருக்கு ஏற்கனவே சில அறிகுறிகள் உள்ளன என்று நமக்குத் தெரிந்தால், அவருக்கு நோய் இருப்பது கண்டறியப்படுவதற்கான வாய்ப்புகள் மாறக்கூடும்.

\(A\) நிகழ்வது \(B\) நிகழ்வதற்கான நிகழ்தகவைப் பாதிக்காத பட்சத்தில், இரண்டு நிகழ்வுகள் \(A\) மற்றும் \(B\) சார்பற்றவை எனப்படும். கணிதரீதியாக:
\[
P(A \cap B)=P(A)\cdot P(B)
\]
அல்லது இதற்குச் சமமானது:
\[
P(A|B)=P(A)
\]

5. சமவாய்ப்பு மாறிகள் மற்றும் நிகழ்தகவுப் பரவல்கள்

புள்ளியியல் மற்றும் நிகழ்தகவில், நாம் பெரும்பாலும் சமவாய்ப்பு மாறிகளைப் பயன்படுத்துகிறோம். இவை, சமவாய்ப்பு சோதனைகளின் முடிவுகளை எண்களுடன் இணைக்கும் சார்புகளாகும். சமவாய்ப்பு மாறிகள் பின்வருமாறு பிரிக்கப்பட்டுள்ளன:
1. தனித்தன்மை வாய்ந்தது: இதன் மதிப்பு எண்ணக்கூடியது (எடுத்துக்காட்டாக, ஒரு குடும்பத்தில் உள்ள குழந்தைகளின் எண்ணிக்கை).
2. தொடர்ச்சியானது: இதன் மதிப்பு ஒரு குறிப்பிட்ட வரம்பில் இருக்கலாம் (எ.கா. உயரம், காத்திருக்கும் நேரம்).

தனித்த சமவாய்ப்பு மாறிகளுக்கு நிகழ்தகவு நிறைச் சார்பு (PMF) நமக்குத் தெரியும், அதேசமயம் தொடர் மாறிகளுக்கு நிகழ்தகவு அடர்த்திச் சார்பு (PDF) நமக்குத் தெரியும்.

முக்கியமான தனித்த பரவல்களுக்கான எடுத்துக்காட்டுகள்:
– பெர்னூலி பரவல்: இரண்டு விளைவுகள் மட்டுமே, வெற்றி (1) மற்றும் தோல்வி (0).
– ஈருறுப்புப் பரவல்: \( n \) பெர்னூலி சோதனைகளின் வெற்றி எண்ணிக்கை.
பாய்சன் பரவல்: ஒரு குறிப்பிட்ட கால/இட இடைவெளியில் நிகழும் நிகழ்வுகளின் எண்ணிக்கையைக் கணக்கிடுகிறது.

தொடர்ச்சியான பரவல்களுக்கான எடுத்துக்காட்டுகள்:
– இயல்நிலைப் பரவல்: இது இயற்கை மற்றும் சமூக நிகழ்வுகளில் அடிக்கடி காணப்படும் ஒரு “மணி வடிவப் பரவல்” ஆகும்.
– அடுக்குக்குறிப் பரவல்: வாடிக்கையாளர்கள் வருகைக்கு இடையிலான நேரம் போன்ற, நிகழ்வுகளுக்கு இடையிலான நேரத்தை மாதிரியாகக் காட்ட இது பெரும்பாலும் பயன்படுத்தப்படுகிறது.

6. மையப்படுத்தல் மற்றும் பரவலின் அளவீடுகள்

விளக்கப் புள்ளிவிவரங்களுக்கு, தரவுகளைச் சுருக்கமாகக் கூறும் அளவீடுகள் தேவைப்படுகின்றன.

மையப்படுத்தல் நடவடிக்கை:
– சராசரி (மீன்): தரவுகளின் கூட்டுத்தொகையை, தரவுகளின் எண்ணிக்கையால் வகுக்கக் கிடைப்பது.
இடைநிலை: தரவுகள் வரிசைப்படுத்தப்பட்ட பிறகு வரும் நடு மதிப்பு.
முகடு: மிகவும் அடிக்கடி தோன்றும் மதிப்பு.

பரவும் அளவு:
வீச்சு: அதிகபட்ச மற்றும் குறைந்தபட்ச மதிப்புகளுக்கு இடையிலான வேறுபாடு.
– மாறுபாடு: சராசரியிலிருந்து ஏற்படும் சராசரி வர்க்க விலகலின் அளவீடு.
– திட்ட விலக்கம்: மாறுபாட்டின் வர்க்கமூலம், தரவுகளின் அலகுகளிலேயே இருப்பதால் புரிந்துகொள்வது எளிது.

தரவுகள் ஒரு குறிப்பிட்ட மதிப்பிற்கு அருகில் குவிந்துள்ளனவா அல்லது பரவலாகப் பரவியுள்ளனவா என்பதைப் பார்ப்பதற்கு இந்த அளவீடுகள் முக்கியமானவை.

7. மாதிரி, மக்கள் தொகை மற்றும் மதிப்பீடு பற்றிய கருத்து

ஆராய்ச்சியில், செலவு மற்றும் நேரக் கட்டுப்பாடுகள் காரணமாக முழு மக்கள்தொகையையும் நம்மால் அரிதாகவே அளவிட முடியும். எனவே, நாம் ஒரு மாதிரியை எடுத்துக்கொள்கிறோம். இந்த மாதிரியிலிருந்து, மக்கள்தொகை அளவுருக்களை (எ.கா., மக்கள்தொகை சராசரி) மதிப்பிடுவதற்காக, நாம் புள்ளிவிவரங்களைக் (எ.கா., மாதிரி சராசரி) கணக்கிடுகிறோம்.

அளவுருக்களை மதிப்பிடும் செயல்முறை மதிப்பீடு என்று அழைக்கப்படுகிறது. மதிப்பீடுகள் பின்வருமாறு அமையலாம்:
புள்ளி மதிப்பீடு: ஒரு மதிப்பிடப்பட்ட மதிப்பு (எடுத்துக்காட்டு: மாதிரி சராசரி).
– நம்பக இடைவெளி: ஒரு குறிப்பிட்ட அளவு நம்பிக்கையுடன் (எ.கா. 95%) மக்கள்தொகை அளவுருவைக் கொண்டிருப்பதாக நம்பப்படும் மதிப்புகளின் வரம்பு.

8. கருதுகோள் சோதனை (மேலோட்டம்)

அனுமானப் புள்ளிவிவரவியலில் கருதுகோள் சோதனையும் அடங்கும்; இது ஒரு மக்கள் தொகையைப் பற்றிய கூற்றுகளைச் சோதிக்கும் ஒரு செயல்முறையாகும். எடுத்துக்காட்டாக, ஒரு நிறுவனம் ஒரு புதிய முறையைச் செயல்படுத்திய பிறகு சராசரி உற்பத்தி நேரம் குறைந்திருக்கிறதா என்பதை அறிய விரும்பலாம்.

கருதுகோள் சோதனையில் பொதுவாக பின்வருவன அடங்கும்:
– பூஜ்ஜிய கருதுகோள் (\( H_0 \)): ஆரம்ப கூற்று (எ.கா. “மாற்றம் இல்லை”).
– மாற்று கருதுகோள் (\( H_1 \)): நிரூபிக்கப்பட வேண்டிய கூற்று (எ.கா. “உற்பத்தி நேரத்தில் குறைவு ஏற்படுகிறது”).
– \( H_0 \) -ஐ ஏற்கலாமா அல்லது நிராகரிக்கலாமா எனத் தீர்மானிப்பதற்கான p-மதிப்பு அல்லது முக்கிய வரம்பு.

இந்தக் கருத்து ஆரம்பத்தில் சிக்கலானதாகத் தோன்றினாலும், அளவிடக்கூடிய பிழை அபாயத்துடன் தரவு ஆதாரங்களின் அடிப்படையில் முடிவுகளை எடுப்பதே இதன் சாராம்சம்.

மூடுகிறது

புள்ளியியல் நிகழ்தகவின் அடிப்படைகள், நிச்சயமற்ற தன்மையைப் பற்றிய புரிதலையும், தரவுகளிலிருந்து முடிவுகளை எவ்வாறு எடுப்பது என்பதையும் நமக்கு அளிக்கின்றன. மாதிரி வெளிகள் மற்றும் நிகழ்வுகள், நிகழ்தகவு விதிகள், நிபந்தனை நிகழ்தகவு, சமவாய்ப்பு மாறிகள் மற்றும் பரவல்கள் போன்ற கருத்துக்கள் அனைத்தும், தரவுப் பகுப்பாய்வு, ஆராய்ச்சி மற்றும் முடிவெடுத்தல் ஆகியவற்றுக்கு ஒரு அத்தியாவசியமான அடித்தளத்தை உருவாக்குகின்றன. இன்றைய தரவு சார்ந்த உலகில், நிகழ்தகவு மற்றும் புள்ளியியலைப் புரிந்துகொள்வது ஒரு கல்வித் தேவை மட்டுமல்ல, வணிகம், சுகாதாரம், தொழில்நுட்பம் மற்றும் சமூக அறிவியல் போன்ற துறைகளில் பயன்படும் ஒரு நடைமுறைத் திறனும் ஆகும்.

நீங்கள் விரும்பினால், இந்தக் கட்டுரையின் மேலும் தொழில்நுட்பம் சார்ந்த பதிப்பையோ (மாதிரிக் கேள்விகள் மற்றும் கலந்துரையாடலுடன்) அல்லது பள்ளி மாணவர்களுக்கான எளிய பதிப்பையோ என்னால் உருவாக்க முடியும்.