நிகழ்தகவு பரவலின் அடிப்படைகள்

நிகழ்தகவு பரவலின் அடிப்படைகள்

நிகழ்தகவுப் பரவல் என்பது புள்ளியியல் மற்றும் நிகழ்தகவில் உள்ள ஒரு அடிப்படைக் கருத்தாகும். இது, சமவாய்ப்பு மதிப்புகளுக்கு இடையில் நிகழ்தகவுகள் எவ்வாறு பரவுகின்றன என்பதை விவரிக்கிறது. நிகழ்தகவுப் பரவல்கள், ஒரு குறிப்பிட்ட நிகழ்வு அல்லது மதிப்பு ஏற்படுவதற்கான சாத்தியக்கூறு பற்றிய முக்கியமான தகவல்களை வழங்க முடியும். இந்தக் கட்டுரை, நிகழ்தகவுப் பரவல்களின் அடிப்படைகள், அவற்றின் வகைகள், மற்றும் அன்றாட வாழ்வில் அவற்றின் பயன்பாடுகள் மற்றும் எடுத்துக்காட்டுகள் குறித்து விவாதிக்கும்.

நிகழ்தகவுப் பரவல் என்றால் என்ன?

நிகழ்தகவுப் பரவல் என்பது, சாத்தியமான ஒவ்வொரு விளைவின் நிகழ்தகவையும் ஒரு சமவாய்ப்பு மாறிக்கு வழங்கும் ஒரு கணிதச் சார்பு ஆகும். சமவாய்ப்பு மாறி என்பது, ஒரு சமவாய்ப்புச் சோதனையின் விளைவால் அதன் மதிப்பு தீர்மானிக்கப்படும் ஒரு மாறியாகும். எடுத்துக்காட்டாக, ஒரு பகடையை உருட்டுவது ஒரு சமவாய்ப்புச் சோதனை, மற்றும் அந்தப் பகடையின் மதிப்பு ஒரு சமவாய்ப்பு மாறி ஆகும்.

நிகழ்தகவுப் பரவல்களை இரண்டு முக்கிய வகைகளாகப் பிரிக்கலாம்: தனித்த நிகழ்தகவுப் பரவல்கள் மற்றும் தொடர்ச்சியான நிகழ்தகவுப் பரவல்கள். எண்ணக்கூடிய எண்ணிக்கையிலான மதிப்புகளைக் கொண்ட சமவாய்ப்பு மாறிகளுக்குத் தனித்த பரவல்கள் பயன்படுத்தப்படுகின்றன, அதேசமயம் ஒரு தொடர்ச்சியான இடைவெளியில் மதிப்புகளை ஏற்கக்கூடிய சமவாய்ப்பு மாறிகளுக்குத் தொடர்ச்சியான பரவல்கள் பயன்படுத்தப்படுகின்றன.

தனித்த நிகழ்தகவுப் பரவல்

ஈருறுப்புப் பரவல்

ஈருறுப்புப் பரவல் என்பது, வெற்றி அல்லது தோல்வி என இரண்டே விளைவுகளை மட்டுமே கொண்ட சோதனைகளை மாதிரியாக்கப் பயன்படும் ஒரு தனித்த நிகழ்தகவுப் பரவலாகும். ஒரு சார்பற்ற சோதனையை நாம் பலமுறை மீண்டும் செய்யும் சூழ்நிலைகளில் இந்தப் பரவல் அடிக்கடி பயன்படுத்தப்படுகிறது.

ஈருறுப்புப் பரவலின் சூத்திரம்:

\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]

எங்கே:
\( P(X = k) \) என்பது n முயற்சிகளில் k வெற்றிகளைப் பெறுவதற்கான நிகழ்தகவு ஆகும்.
\( \binom{n}{k} \) என்பது ஈருறுப்புக் கெழு ஆகும்.
\( p \) என்பது ஒரு தனி முயற்சியில் வெற்றி பெறுவதற்கான நிகழ்தகவு ஆகும்.
\( n \) என்பது சோதனைகளின் எண்ணிக்கை.

உதாரணம்: 10 முறை நாணயம் சுழற்றப்படுகிறது, அதில் 7 முறையும் தலை விழுவதற்கான நிகழ்தகவை நாம் அறிய விரும்புகிறோம், அதைக் கணக்கிட ஈருறுப்புப் பரவலைப் பயன்படுத்துகிறோம்.

பாய்சன் பரவல்

பாய்சன் பரவல் என்பது ஒரு குறிப்பிட்ட கால அல்லது இட இடைவெளியில் ஒரு நிகழ்வு நிகழும் எண்ணிக்கையை விவரிக்கும் ஒரு தனித்த நிகழ்தகவுப் பரவலாகும். ஒரு நிலையான காலப்பகுதிக்குள் நிகழும் சமவாய்ப்பு, அரிதான நிகழ்வுகளை மாதிரியாக்க பாய்சன் பரவல் பெரும்பாலும் பயன்படுத்தப்படுகிறது.

பாய்சன் பரவல் சூத்திரம்:

\[ P(X = k) = \frac{\lambda^ke^{-\lambda}}{k!} \]

எங்கே:
\( P(X = k) \) என்பது ஒரு குறிப்பிட்ட இடைவெளியில் k நிகழ்வுகள் இருப்பதற்கான நிகழ்தகவு ஆகும்.
\( \lambda \) என்பது இடைவெளியில் உள்ள நிகழ்வுகளின் சராசரி எண்ணிக்கை ஆகும்.
\( e \) என்பது இயல் மடக்கையின் அடிமானம் (தோராயமாக 2.71828).

உதாரணம்: ஒரு கடைக்கு ஒவ்வொரு மணி நேரத்திற்கும் சராசரியாக 3 வாடிக்கையாளர்கள் வந்தால், ஒரு மணி நேரத்தில் 5 வாடிக்கையாளர்கள் வருவதற்கான நிகழ்தகவை நாம் பாய்சன் பரவலைப் பயன்படுத்தித் தீர்மானிக்கலாம்.

தொடர்ச்சியான நிகழ்தகவுப் பரவல்

இயல்நிலைப் பரவல்

இயல்நிலைப் பரவல், பொதுவாக காஸியன் பரவல் என்றும் அழைக்கப்படுகிறது, இது மிக முக்கியமான மற்றும் பரவலாகப் பயன்படுத்தப்படும் தொடர்ச்சியான நிகழ்தகவுப் பரவல்களில் ஒன்றாகும். பல இயற்கை மற்றும் சமூக நிகழ்வுகள் இந்தப் பரவலைப் பின்பற்றும் போக்கைக் கொண்டிருப்பதால் இது அடிக்கடி பயன்படுத்தப்படுகிறது.

இயல்நிலைப் பரவலானது சராசரி மற்றும் திட்ட விலக்கம் ஆகிய இரண்டு அளவுருக்களால் வகைப்படுத்தப்படுகிறது. இயல்நிலைப் பரவலின் நிகழ்தகவு அடர்த்திச் சார்பு (pdf) பின்வருமாறு:

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

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

இயல்நிலைப் பரவல் வளைகோடு மணி வடிவமாகவும், சராசரியைச் சுற்றி சமச்சீராகவும் இருக்கும். மனித உயரம், நுண்ணறிவுத் தேர்வு மதிப்பெண்கள் மற்றும் பல இயற்கை நிகழ்வுகள் இயல்நிலைப் பரவல்களுக்கு எடுத்துக்காட்டுகளாகும்.

அடுக்குக்குறிப் பரவல்

அடுக்குக்குறிப் பரவல் என்பது, சீரற்றதாகவும் தொடர்ச்சியாகவும் நிகழும் நிகழ்வுகளில், நிகழ்வுகளுக்கு இடையிலான நேரத்தை மாதிரியாக்கப் பெரும்பாலும் பயன்படுத்தப்படும் ஒரு தொடர்ச்சியான நிகழ்தகவுப் பரவலாகும். அடுக்குக்குறிப் பரவலானது, தயாரிப்பு ஆயுட்காலப் பகுப்பாய்வு மற்றும் வரிசையாக்கச் செயல்முறை மாதிரிகளில் அடிக்கடி பயன்படுத்தப்படுகிறது.

அடுக்கு பரவலின் நிகழ்தகவு அடர்த்தி சார்பு:

\[ f(x) = \lambda e^{-\lambda x} \]

எங்கே:
\( \lambda \) என்பது வீத அளவுரு (நிகழ்வு வீதம்) ஆகும்.
\( x \) என்பது நிகழ்வுகளுக்கு இடையிலான நேரம்.

இயந்திரக் கோளாறுகளுக்கு இடையிலான நேரத்தையும், ஒரு சேவை மையத்திற்கு வாடிக்கையாளர்கள் வருகை தரும் நேரத்தையும் கண்டறிவதில் அடுக்குக்குறிப் பரவலின் பயன்பாட்டு எடுத்துக்காட்டுகள் உள்ளன.

நிகழ்தகவு பரவல் பயன்பாடுகள்

நிகழ்தகவுப் பரவல்கள் அன்றாட வாழ்விலும் அறிவியலின் பல்வேறு துறைகளிலும் பலதரப்பட்ட பயன்பாடுகளைக் கொண்டுள்ளன, அவற்றுள் சில:

1. புள்ளியியல்: நிகழ்தகவுப் பரவல்கள், புள்ளியியல் அனுமானத்திற்குப் பயன்படுத்தப்படுகின்றன; அதாவது, ஒரு மாதிரியிலிருந்து ஒரு மக்கள் தொகையைப் பற்றி முடிவுகளை எடுப்பதற்கு. இயல்நிலைப் பரவல், t-பரவல் மற்றும் கை-வர்க்கப் பரவல் ஆகியவை மிகவும் பொதுவாகப் பயன்படுத்தப்படும் சில பரவல்கள் ஆகும்.

2. காப்பீடு: காப்பீட்டு நிறுவனங்கள், இடரைக் கணக்கிடுவதற்கும் காப்பீட்டு பிரீமியங்களைத் தீர்மானிப்பதற்கும் நிகழ்தகவுப் பரவல்களைப் பயன்படுத்துகின்றன. காப்பீட்டுக் கோரிக்கைகளின் நிகழ்வெண்ணைக் கணக்கிட பாய்சன் பரவலைப் பயன்படுத்தலாம்.

3. தொழிற்கல்வி மற்றும் உற்பத்தி: சாதனத்தின் ஆயுள் பகுப்பாய்வு மற்றும் பழுதுபார்க்கும் நேர மதிப்பீட்டிற்கு அடுக்குக்குறிப் பரவல் பயன்படுத்தப்படுகிறது. உற்பத்தி செயல்முறைகளின் தரத்தைக் கட்டுப்படுத்த இயல்நிலைப் பரவல் பயன்படுத்தப்படுகிறது.

4. நிதி: முதலீட்டு இடர் மற்றும் வருவாய் மாதிரிகளில் நிகழ்தகவுப் பரவல்கள் பயன்படுத்தப்படுகின்றன. பங்கு விலை நகர்வுகள் மற்றும் வட்டி விகிதங்களை மாதிரியாக்க இயல்நிலைப் பரவல் பொதுவாகப் பயன்படுத்தப்படுகிறது.

5. சமூக மற்றும் மருத்துவ அறிவியல்: மருத்துவ ஆராய்ச்சியில், கணக்கெடுப்புத் தரவுகளின் பகுப்பாய்விற்கு ஈருறுப்புப் பரவலும், பெரிய மாதிரித் தரவுகளின் பகுப்பாய்விற்கு இயல்நிலைப் பரவலும் பயன்படுத்தப்படுகின்றன.

முடிவுரை

பல்வேறு சூழ்நிலைகளில் சமவாய்ப்பு மாறிகளைப் புரிந்துகொள்வதிலும் மாதிரியாக்குவதிலும் நிகழ்தகவுப் பரவல்கள் முக்கியப் பங்கு வகிக்கின்றன. தனித்த மற்றும் தொடர்ச்சியான நிகழ்தகவுப் பரவல்களின் அடிப்படைகளைப் புரிந்துகொள்வது, மேலும் சிக்கலான புள்ளியியல் முறைகளைப் பயன்படுத்துவதற்கு ஒரு உறுதியான அடித்தளத்தை வழங்குகிறது. நிகழ்தகவுப் பரவல்களைப் பயன்படுத்துவதன் மூலம், நாம் கணிப்புகளைச் செய்யலாம், இடர்களை மதிப்பிடலாம், மேலும் தரவுகளின் அடிப்படையில் நன்கு அறிந்த முடிவுகளை எடுக்கலாம்.

நிகழ்தகவுப் பரவல்கள் பற்றிய அறிவு, கல்வி அல்லது தொழில்முறைச் சூழல்களில் பயனுள்ளதாக இருப்பது மட்டுமல்லாமல், அன்றாட வாழ்வில் நாம் எதிர்கொள்ளும் பல்வேறு நிகழ்வுகளைப் புரிந்துகொள்ளவும் உதவுகிறது. எடுத்துக்காட்டாக, இயல்நிலைப் பரவல் எவ்வாறு செயல்படுகிறது என்பதைப் புரிந்துகொள்வதன் மூலம், தேர்வு மதிப்பெண்கள், உயரம் மற்றும் பல்வேறு சமூக, பொருளாதாரத் தரவுகளில் உள்ள போக்குகளை நம்மால் புரிந்துகொள்ள முடியும்.

நிகழ்தகவுப் பரவலின் அடிப்படைக் கருத்துக்களை நன்கு புரிந்துகொள்வதன் மூலம், நாம் ஆழமான பகுப்பாய்வுத் திறன்களை வளர்த்துக்கொண்டு, அந்த அறிவைப் பல்வேறு நடைமுறைப் பயன்பாடுகளில் பிரயோகிக்க முடியும்.