ஈருறுப்புப் பரவலை அறிந்துகொள்ளுதல்

ஈருறுப்புப் பரவலைப் புரிந்துகொள்ளுதல்

ஈருறுப்புப் பரவல் என்பது நிகழ்தகவு மற்றும் புள்ளியியல் துறைகளில் மிகவும் நன்கு அறியப்பட்ட மற்றும் அடிக்கடி பயன்படுத்தப்படும் தனித்த நிகழ்தகவுப் பரவல்களில் ஒன்றாகும். அறிவியல் ஆராய்ச்சி முதல் வணிகத் தரவுப் பகுப்பாய்வு வரை பல பயன்பாடுகளில் இது இன்றியமையாதது. இந்தக் கட்டுரை, ஈருறுப்புப் பரவலின் அடிப்படை வரையறை மற்றும் பண்புகள் முதல் பல்வேறு துறைகளில் அதன் பயன்பாடுகள் வரை அதன் பல்வேறு அம்சங்களைப் பற்றி விவாதிக்கும்.

ஈருறுப்புப் பரவலின் வரையறை மற்றும் சூத்திரம்

ஈருறுப்புப் பரவல் என்பது, 'வெற்றி' மற்றும் 'தோல்வி' என இரண்டு தனித்துவமான விளைவுகளைக் கொண்ட தொடர்ச்சியான சோதனைகள் அல்லது அவதானிப்புகளில் ஏற்படும் வெற்றிகளின் எண்ணிக்கையின் நிகழ்தகவுப் பரவலாகும். இந்தச் சோதனைகள் பெர்னூலி சோதனைகள் என்றும், சார்பற்ற இந்தச் சோதனைகளின் தொடர் பெர்னூலி திட்டம் என்றும் அழைக்கப்படுகின்றன.

ஈருறுப்புப் பரவலின் நிகழ்தகவைக் கணக்கிடப் பயன்படுத்தப்படும் முக்கிய சூத்திரம்:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]

எங்கே:
– \( P(X = k) \) என்பது \( n \) முயற்சிகளில் ஏதேனும் \( k \) முயற்சிகள் வெற்றி பெறுவதற்கான நிகழ்தகவு ஆகும்.
– \( \binom{n}{k} \) என்பது \( \frac{n!}{k!(nk)!} \) எனக் கணக்கிடப்படும் ஈருறுப்புக் கெழு ஆகும்.
– \( p \) என்பது ஒரு தனி முயற்சியில் வெற்றி பெறுவதற்கான நிகழ்தகவு ஆகும்.
– \( 1 – p \) என்பது ஒரு தனி முயற்சியில் தோல்வியடைவதற்கான நிகழ்தகவு ஆகும்.
– \( n \) என்பது மொத்த சோதனைகளின் எண்ணிக்கை.
– \( k \) என்பது விரும்பிய வெற்றிகளின் எண்ணிக்கை.

ஈருறுப்புப் பரவலின் பண்புகள்

ஈருறுப்புப் பரவலானது, புள்ளியியல் பகுப்பாய்வில் அதனைப் பயனுள்ளதாக்கும் பல முக்கியமான பண்புகளைக் கொண்டுள்ளது:

1. தனித்த: ஈருறுப்புப் பரவல் ஒரு தனித்த பரவலாகும், ஏனெனில் அது ஒரு குறிப்பிட்ட எண்ணிக்கையிலான முயற்சிகளில் கிடைக்கும் வெற்றிகளின் எண்ணிக்கையை மட்டுமே கணக்கிடுகிறது.

2. இரண்டு விளைவுகள்: பெர்னூலி திட்டத்தில் உள்ள ஒவ்வொரு முயற்சிக்கும் இரண்டு விளைவுகள் மட்டுமே உள்ளன: வெற்றி (நிகழ்தகவு \( p \) உடன்) அல்லது தோல்வி (நிகழ்தகவு \( 1 – p \) உடன்).

3. சார்பற்றது: ஒரு பரிசோதனை மற்றொன்றைச் சார்ந்து இருப்பதில்லை; ஒரு பரிசோதனையின் முடிவுகள் மற்றொன்றைப் பாதிப்பதில்லை.

4. நிலையான அளவுருக்கள்: நிகழ்தகவு \( p \), மொத்த முயற்சிகளின் எண்ணிக்கை \( n \), மற்றும் வெற்றிகளின் எண்ணிக்கை \( k \) ஆகியவை ஈருறுப்புப் பரவலில் நிலையான அளவுருக்கள் ஆகும்.

ஈருறுப்புப் பரவலின் சராசரி மற்றும் மாறுபாடு

ஈருறுப்புப் பரவலின் சராசரி மற்றும் மாறுபாடு ஆகியவற்றுக்கும் எளிய மற்றும் எளிதில் புரிந்துகொள்ளக்கூடிய சூத்திரங்கள் உள்ளன:

– சராசரி (\(\mu\)) : ஒரு ஈருறுப்புப் பரவலின் சராசரி என்பது, முயற்சிகளின் எண்ணிக்கையை வெற்றி நிகழ்தகவால் பெருக்கக் கிடைப்பதாகும்:
\[ \mu = np \]

– மாறுபாடு (\(\sigma^2\)) : ஈருறுப்புப் பரவலின் மாறுபாடு என்பது சோதனைகளின் எண்ணிக்கை, வெற்றியின் நிகழ்தகவு மற்றும் தோல்வியின் நிகழ்தகவு ஆகியவற்றின் பெருக்கற்பலன் ஆகும்:
\[ \sigma^2 = np(1 – p) \]

ஈருறுப்புப் பரவலின் பயன்பாடு குறித்த ஒரு ஆய்வு

ஈருறுப்புப் பரவலின் பயன்பாட்டைப் புரிந்துகொள்ள, சில நிஜ உலக உதாரணங்களைப் பார்ப்போம்:

எடுத்துக்காட்டு 1: பணியாளர் செயல்திறன் பகுப்பாய்வு

ஒரு மேலாளர் ஒரு துறையில் உள்ள ஊழியர்களின் செயல்திறனைப் பகுப்பாய்வு செய்ய விரும்புகிறார். ஒவ்வொரு ஊழியருக்கும் ஒரு பணியை வெற்றிகரமாக முடிப்பதற்கான வாய்ப்பு 0,7 (70%) என்று வைத்துக்கொள்வோம். 10 ஊழியர்கள் ஒரே பணியைச் செய்தால், அவர்களில் சரியாக 7 ஊழியர்கள் வெற்றி பெறுவதற்கான நிகழ்தகவை அந்த மேலாளர் அறிய விரும்பலாம்.

ஈருறுப்புப் பரவல் சூத்திரத்தைப் பயன்படுத்தவும்:
\[ P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3 \]

ஈருறுப்புக் கெழுவைக் கணக்கிட்டு, அதன் இறுதி முடிவைச் சரிபார்ப்பதன் மூலம் இந்தச் சூழ்நிலையின் நிகழ்தகவு அறியலாம்.

எடுத்துக்காட்டு 2: தொழிற்சாலையில் தயாரிப்பு சோதனை

ஒரு தொழிற்சாலை 2% குறைபாடு விகிதத்துடன் மின்னணு பாகங்களை உற்பத்தி செய்கிறது. அவர்கள் 100 பாகங்களைச் சோதித்தால், அவற்றில் 2 குறைபாடுள்ளவையாக இருப்பதற்கான நிகழ்தகவு என்ன?

ஈருறுப்புப் பரவல் சூத்திரத்தைப் பயன்படுத்தவும்:
\[ P(X = 2) = \binom{100}{2} (0.02)^2 (0.98)^{98} \]

இது தரக் கட்டுப்பாட்டிற்கான வழிகாட்டுதலை வழங்குகிறது.

ஈருறுப்புப் பரவல் மற்றும் பாய்சன் பரவல் ஒப்பீடு

சில சூழ்நிலைகளில், ஈருறுப்புப் பரவலானது பாய்சன் பரவலை தோராயமாக மதிப்பிட முடியும், குறிப்பாக சோதனைகளின் எண்ணிக்கை \( n \) அதிகமாகவும் நிகழ்தகவு \( p \) குறைவாகவும் இருக்கும்போது. பாய்சன் பரவலை ஈருறுப்புப் பரவலைக் கொண்டு தோராயமாக மதிப்பிடுவதற்கான ஒரு பொதுவான விதி, \( n \geq 20 \) மற்றும் \( p \leq 0.05 \) என்பதாகும்.

மென்பொருள் பயன்பாடு மற்றும் ஈருறுப்புப் பரவல்

தொழில்நுட்பம் மற்றும் கணினித்துறையில் ஏற்பட்டுள்ள முன்னேற்றங்களால், R, பைதான் போன்ற புள்ளியியல் மென்பொருட்கள் மற்றும் மைக்ரோசாஃப்ட் எக்செல் போன்ற பிற மென்பொருட்களைப் பயன்படுத்தி ஈருறுப்புப் பரவல் கணக்கீடுகளை இப்போது எளிதாகச் செய்ய முடிகிறது. உதாரணமாக, பைத்தானில், ஈருறுப்புப் பரவல் கணக்கீடுகளை எளிதாகச் செய்வதற்கு `scipy.stats` நூலகத்தைப் பயன்படுத்தலாம்:

"` மலைப்பாம்பு
scipy.stats இலிருந்து binom ஐ இறக்குமதி செய்க

துப்புகள்
n = 10 சோதனைகளின் எண்ணிக்கை
p = 0.5 வெற்றி நிகழ்தகவு

k = 5 வெற்றிகளின் எண்ணிக்கை

ஈருறுப்பு நிகழ்தகவைக் கணக்கிடுங்கள்
binom_prob = binom.pmf(k, n, p)
print(“சரியாக 5 வெற்றிகளைப் பெறுவதற்கான நிகழ்தகவு:”, binom_prob)
"`

முடிவுரை

ஈருறுப்புப் பரவல் என்பது நிகழ்தகவு மற்றும் புள்ளியியல் பகுப்பாய்வில் ஒரு அடிப்படை மற்றும் சக்திவாய்ந்த பரவலாகும். அதன் தனித்தன்மை மற்றும் வெற்றி, தோல்வி ஆகிய இரண்டு விளைவுகளில் கவனம் செலுத்துவதால், இது பல நிஜ உலகச் சூழ்நிலைகளுக்கு ஒரு சிறந்த மாதிரியாக விளங்குகிறது. ஈருறுப்புப் பரவலைப் பற்றிய அறிவு, ஒரு நிகழ்வின் நிகழ்தகவை வரையறுக்கவும் புரிந்துகொள்ளவும் உதவுவது மட்டுமல்லாமல், மேலும் சிக்கலான புள்ளியியல் பகுப்பாய்விற்கு ஒரு உறுதியான அடித்தளத்தையும் வழங்குகிறது. நவீன கணினி கருவிகளின் பயன்பாடு, ஈருறுப்புப் பரவலைப் பயன்படுத்துவதை மிகவும் எளிதாக்கியுள்ளது, இது இன்றைய தரவு சார்ந்த உலகில் மிகவும் பொருத்தமான ஒரு கருவியாக அமைகிறது.