கூட்டு நிகழ்வுகளின் நிகழ்தகவு

கூட்டு நிகழ்வுகளின் நிகழ்தகவு: கருத்துரு மற்றும் பல்வேறு துறைகளில் அதன் பயன்பாடு

பெண்டாஹுலுவான்

நிகழ்தகவு என்பது கணிதத்தின் ஒரு மிக முக்கியமான பிரிவாகும், மேலும் இது அன்றாட வாழ்வில் அடிக்கடி பயன்படுத்தப்படுகிறது. இந்தக் கட்டுரையில், பொருளாதாரம், புள்ளியியல், சமூக அறிவியல் மற்றும் அறிவியல் போன்ற பல்வேறு துறைகளில் பலவிதமான பயன்பாடுகளைக் கொண்ட கூட்டு நிகழ்வுகளின் நிகழ்தகவு பற்றி விவாதிப்போம். கூட்டு நிகழ்தகவு என்பது ஒன்றுக்கு மேற்பட்ட நிகழ்வுகள் ஒரே நேரத்தில் நிகழ்வதற்கான சாத்தியக்கூறுகளைத் தீர்மானிக்கப் பயன்படும் ஒரு கருத்தாகும். இந்தக் கட்டுரை, கூட்டு நிகழ்தகவின் அடிப்படைக் கருத்து, அதன் வகைகள் மற்றும் நிஜ வாழ்க்கையில் அதன் பயன்பாடுகளை விரிவாக விளக்கும்.

கூட்டு நிகழ்வுகளின் நிகழ்தகவின் வரையறை

ஒரு கூட்டு நிகழ்வின் நிகழ்தகவு என்பது ஒரு சோதனையில் ஒன்றுக்கு மேற்பட்ட நிகழ்வுகள் ஏற்படுவதற்கான நிகழ்தகவு ஆகும். நிகழ்தகவுக் கோட்பாட்டில், நிகழ்வுகளுக்கு இடையிலான உறவின் தன்மையைப் பொறுத்து, பல அடிப்படை விதிகளைப் பயன்படுத்தி ஒரு கூட்டு நிகழ்வின் நிகழ்தகவைக் கணக்கிடலாம். ஒரு கூட்டு நிகழ்வின் நிகழ்தகவைக் கணக்கிடும்போது பொதுவாகக் கருத்தில் கொள்ளப்படும் இரண்டு முக்கிய வகையான நிகழ்வு உறவுகள் உள்ளன: ஒன்றையொன்று விலக்கும் நிகழ்வுகள் மற்றும் சார்பற்ற நிகழ்வுகள்.

பரஸ்பர பிரத்தியேக நிகழ்வுகள்

ஒன்றையொன்று விலக்கும் நிகழ்வுகள் என்பவை ஒரே நேரத்தில் நிகழ முடியாத நிகழ்வுகள் ஆகும். எடுத்துக்காட்டாக, ஒரு பகடையை உருட்டும்போது, ​​அதன் மேல் முகத்தில் தோன்றும் எண் 1 முதல் 6 வரையிலான எண்களில் ஒன்றாக இருக்கும். எனவே, 3 விழும் நிகழ்வும் 5 விழும் நிகழ்வும் ஒன்றாக இருந்தால், 5 விழும் நிகழ்வு ஒரே நேரத்தில் நிகழ முடியாது.

ஒன்றையொன்று விலக்கும் நிகழ்வுகளின் முக்கிய பலம் என்னவென்றால், இரண்டு ஒன்றையொன்று விலக்கும் நிகழ்வுகளின் கூட்டு நிகழ்தகவானது, அந்த இரண்டு நிகழ்வுகள் ஒவ்வொன்றின் நிகழ்தகவுகளின் கூட்டுத்தொகைக்குச் சமமாகும். கணிதரீதியாக, A மற்றும் B ஆகியவை ஒன்றையொன்று விலக்கும் நிகழ்வுகள் எனில்:

[ P(A ≤ B) = P(A) + P(B) ]

பரஸ்பர சார்பற்ற நிகழ்வுகள்

ஒன்றையொன்று சாராத நிகழ்வுகள் என்பவை, ஒரு நிகழ்வின் நிகழ்வானது மற்றொரு நிகழ்வு ஏற்படுவதற்கான நிகழ்தகவைப் பாதிக்காத நிகழ்வுகளாகும். ஒன்றையொன்று சாராத நிகழ்வுகளுக்கு ஒரு எளிய உதாரணம், இரண்டு நாணயங்களை ஒரே நேரத்தில் சுழற்றுவதாகும். ஒரு நாணயத்தின் முடிவு மற்றொன்றின் முடிவைப் பாதிக்காது.

சார்பற்ற நிகழ்வுகளுக்கு, இரண்டு நிகழ்வுகளின் கூட்டு நிகழ்தகவானது, ஒவ்வொரு நிகழ்வின் நிகழ்தகவுகளின் பெருக்கற்பலனுக்குச் சமமாகும். கணிதரீதியாக, A மற்றும் B ஆகியவை சார்பற்ற நிகழ்வுகள் எனில்:

\[ P(A \cap B) = P(A) \times P(B) \]

கூட்டு நிகழ்வுகளின் நிகழ்தகவைக் கணக்கிடுதல்

கூட்டு நிகழ்வுகளின் அடிப்படைக் கருத்தைப் புரிந்துகொண்ட பிறகு, இப்போது பல்வேறு வகையான நிகழ்வுகளிலிருந்து கூட்டு நிகழ்வுகளின் நிகழ்தகவை எவ்வாறு கணக்கிடுவது என்பது பற்றி விவாதிப்போம்.

ஒன்றையொன்று விலக்கும் நிகழ்வுகளின் நிகழ்தகவு

முன்னர் குறிப்பிட்டபடி, ஒன்றையொன்று விலக்கும் நிகழ்வுகளுக்கு, ஒவ்வொரு நிகழ்வின் நிகழ்தகவுகளையும் கூட்டுவதன் மூலம் கூட்டு நிகழ்தகவைக் கணக்கிடலாம். எடுத்துக்காட்டாக, A மற்றும் B என்ற இரண்டு ஒன்றையொன்று விலக்கும் நிகழ்வுகளின் நிகழ்தகவுகள் \( P(A) = 0.3 \) மற்றும் \( P(B) = 0.4 \) எனில், இந்த நிகழ்வுகளில் ஏதேனும் ஒன்று நிகழ்வதற்கான நிகழ்தகவு:

\[ P(A \cup B) = P(A) + P(B) = 0.3 + 0.4 = 0.7 \]

சார்பற்ற நிகழ்வுகளின் நிகழ்தகவு

சார்பற்ற நிகழ்வுகளுக்கு, நாம் பெருக்கல் விதியைப் பயன்படுத்துகிறோம். எடுத்துக்காட்டாக, A மற்றும் B என்ற இரண்டு சார்பற்ற நிகழ்வுகளின் நிகழ்தகவுகள் \( P(A) = 0.5 \) மற்றும் \( P(B) = 0.2 \) எனில், இந்த இரண்டு நிகழ்வுகளும் ஒரே நேரத்தில் நிகழ்வதற்கான நிகழ்தகவு:

\[ P(A \cap B) = P(A) \times P(B) = 0.5 \times 0.2 = 0.1 \]

நிகழ்வுகளின் நிகழ்தகவுகள் ஒன்றையொன்று விலக்குபவை அல்ல, மேலும் அவை ஒன்றையொன்று சாராதவையும் அல்ல.

நிகழ்வுகள் ஒன்றையொன்று விலக்குபவையாகவும், சார்பற்றவையாகவும் இல்லாத நேர்வுகளில், நிகழ்தகவைக் கணக்கிடுவது சற்று சிக்கலாகிறது. நாம் பயன்படுத்த வேண்டியவை:

[ P(A √B) = P(A) + P(B) – P(A √B) ]

மேலும் தேவைப்பட்டால், அவர்களிடம் சில கூடுதல் தகவல்கள் இல்லாத பட்சத்தில், \( P(A \cap B) \) -ஐ எவ்வாறு கணக்கிடுவது என்பதையும் நாம் தெரிந்து கொள்ள வேண்டியிருக்கலாம்.

கூட்டு நிகழ்வுகளின் நிகழ்தகவின் பயன்பாடு

நிதி மற்றும் முதலீட்டு உலகம்

நிதி மற்றும் முதலீட்டுத் துறையில், இடரை அளவிடுவதற்கும் நிர்வகிப்பதற்கும் கூட்டு நிகழ்தகவு என்ற கருத்து பரவலாகப் பயன்படுத்தப்படுகிறது. எடுத்துக்காட்டாக, நிதி ஆய்வாளர்கள் பல்வேறு முதலீட்டு முடிவுகளின் நிகழ்தகவை மதிப்பிடுவதற்கும் உகந்த முதலீட்டுத் தொகுப்புகளை உருவாக்குவதற்கும் நிகழ்தகவைப் பயன்படுத்துகின்றனர். வெவ்வேறு சந்தைச் சூழல்களில் ஏற்படும் இழப்புகளின் நிகழ்தகவைத் தீர்மானிக்க அவர்கள் நிகழ்தகவு மாதிரிகளைப் பயன்படுத்தலாம்.

சமூக அறிவியல் மற்றும் புள்ளியியல்

சமூக அறிவியலில், சிக்கலான சமூக நிகழ்வுகளைப் புரிந்துகொள்ள நிகழ்தகவு பயன்படுத்தப்படுகிறது. எடுத்துக்காட்டாக, ஒரு ஆய்வாளர் கல்விக்கும் வருமானத்திற்கும் இடையிலான உறவில் ஆர்வம் காட்டலாம். இந்தச் சூழலில், அவர் கணக்கெடுப்புத் தரவுகளைப் பகுப்பாய்வு செய்வதற்கும், ஒரு நிகழ்வின் (எ.கா., அதிக வருமானம் பெறுதல்) அடிப்படையில் மற்றொரு நிகழ்வு (எ.கா., ஒரு குறிப்பிட்ட கல்வித் தகுதியைப் பெற்றிருத்தல்) நிகழ்வதற்கான நிகழ்தகவு குறித்து அனுமானங்களை மேற்கொள்வதற்கும் கூட்டு நிகழ்வுகளைப் பயன்படுத்தலாம்.

இயற்கை அறிவியல் மற்றும் பொறியியல்

அறிவியல் மற்றும் பொறியியலில், சோதனைகளை வடிவமைப்பதற்கும் சோதனை முடிவுகளை விளக்குவதற்கும் நிகழ்தகவு பயன்படுத்தப்படுகிறது. எடுத்துக்காட்டாக, இயற்பியலில், விஞ்ஞானிகள் சில நிபந்தனைகளின் கீழ் ஒரு குறிப்பிட்ட வேதிவினை நிகழ்வதற்கான நிகழ்தகவை அறிந்துகொள்வதில் ஆர்வம் காட்டலாம். பொறியியலில், பொறியாளர்கள் அமைப்பின் நம்பகத்தன்மையைக் கணக்கிடுவதற்கும், நீடித்து உழைக்கும் பொருட்களை வடிவமைப்பதற்கும் நிகழ்தகவைப் பயன்படுத்தலாம்.

ஆய்வு: சீட்டு விளையாட்டுகள்

கூட்டு நிகழ்வுகள் என்ற கருத்தின் பயன்பாட்டை நன்கு புரிந்துகொள்ள, சீட்டு விளையாட்டு உலகிலிருந்து ஒரு எளிய உதாரணத்தை எடுத்துக்கொள்வோம். நம்மிடம் 52 சீட்டுகள் கொண்ட ஒரு சீட்டுக்கட்டு இருப்பதாகவும், அதில் இருந்து ஏஸ் அல்லது கிங் சீட்டை எடுப்பதற்கான நிகழ்தகவை நாம் கணக்கிட விரும்புவதாகவும் வைத்துக்கொள்வோம்.

ஒரு சீட்டுக்கட்டில் 4 ஏஸ் மற்றும் 4 கிங் சீட்டுகள் உள்ளன. ஏஸ் சீட்டை எடுக்கும் நிகழ்வும் (A) கிங் சீட்டை எடுக்கும் நிகழ்வும் (B) ஒன்றையொன்று விலக்கும் நிகழ்வுகளாகும், ஏனெனில் நம்மால் இரண்டு சீட்டுகளையும் ஒரே நேரத்தில் எடுக்க முடியாது. எனவே, இந்த இரண்டு நிகழ்வுகளின் கூட்டு நிகழ்தகவு:

\[ P(A \cup B) = P(A) + P(B) = \frac{4}{52} + \frac{4}{52} = \frac{8}{52} = \frac{2}{13} \approx 0.1538 \]

எனவே, ஒரு சீட்டுக்கட்டிலிருந்து ஏஸ் அல்லது கிங் சீட்டை எடுப்பதற்கான நமது வாய்ப்பு சுமார் 15.38% ஆகும்.

முடிவுரை

பல நிகழ்வுகளின் நிகழ்தகவு என்பது மிகவும் பயனுள்ள ஒரு கருத்தாகும், மேலும் இது பல்வேறு துறைகளில் பரந்த அளவிலான பயன்பாடுகளைக் கொண்டுள்ளது. பல நிகழ்வுகளின் நிகழ்தகவைக் கணக்கிடுவது எப்படி என்பதைப் புரிந்துகொள்வது, சிறந்த முடிவுகளை எடுக்கவும், நம்மைச் சுற்றியுள்ள உலகத்தை ஆழமான முறையில் புரிந்துகொள்ளவும் நமக்கு உதவும். நிதி, சமூக அறிவியல் அல்லது அறிவியல் என எதுவாக இருந்தாலும், பகுத்தறிவுப் பகுப்பாய்வு மற்றும் முடிவெடுப்பதில் நிகழ்தகவு முக்கியப் பங்கு வகிக்கிறது. பல நிகழ்வுகளின் நிகழ்தகவைப் புரிந்துகொண்டு பயன்படுத்துவதன் மூலம், நாம் தரவுகளை ஆழமாக ஆராய்ந்து, மேலும் துல்லியமான கணிப்புகளையும் முடிவுகளையும் எடுக்க முடியும்.