సాధారణ పంపిణీని చర్చించే ఉదాహరణ ప్రశ్నలు

సాధారణ పంపిణీపై చర్చా ప్రశ్న యొక్క ఉదాహరణ

సాధారణ పంపిణీని గాసియన్ పంపిణీ అని కూడా అంటారు, ఇది గణాంకాలలో అత్యంత సాధారణంగా ఉపయోగించే సంభావ్యత పంపిణీ. ఈ పంపిణీ ఒక సౌష్టవ గంట ఆకారాన్ని కలిగి ఉంటుంది, ఇది డేటా సగటు చుట్టూ అమర్చబడి ఉందని మరియు తీవ్రతల (సగటుకు దూరంగా ఉండే విలువలు) సంభావ్యత తక్కువగా ఉందని సూచిస్తుంది.

ఈ వ్యాసంలో, సాధారణ పంపిణీకి సంబంధించిన వివిధ ఉదాహరణ సమస్యలను మరియు వాటిని ఎలా పరిష్కరించాలో చర్చిద్దాం. కొన్ని ప్రాథమిక భావనలను పరిచయం చేయడంతో ప్రారంభించి, ఆపై మరింత సంక్లిష్టమైన ఉదాహరణలకు వెళ్దాం.

సాధారణ పంపిణీ యొక్క ప్రాథమిక అంశాలు

సాధారణ పంపిణీ అనేది సగటు మరియు ప్రామాణిక విచలనం (SD) అనే రెండు పారామితులను కలిగి ఉన్న ఒక అవిచ్ఛిన్న పంపిణీ. సగటు పంపిణీ యొక్క కేంద్రాన్ని నిర్ధారిస్తుంది, అయితే ప్రామాణిక విచలనం పంపిణీ యొక్క వెడల్పును నిర్ధారిస్తుంది.

సాధారణ పంపిణీ యొక్క ముఖ్యమైన లక్షణాలు:
1. సౌష్టవం: సాధారణ పంపిణీ సగటుకు సంబంధించి సౌష్టవంగా ఉంటుంది.
2. అనుభవపూర్వక నియమం (అనుభవపూర్వక నియమం):
– సుమారు 68% డేటా సగటు నుండి ఒక ప్రామాణిక విచలనం పరిధిలో ఉంది.
– దాదాపు 95% డేటా సగటు నుండి రెండు ప్రామాణిక విచలనాల పరిధిలో ఉంటుంది.
– దాదాపు 99.7% డేటా సగటు నుండి మూడు ప్రామాణిక విచలనాల పరిధిలో ఉంటుంది.

నమూనా ప్రశ్నలు మరియు చర్చ

ఉదాహరణ ప్రశ్న 1: Z-స్కోరును లెక్కించడం

ప్రశ్న: ఒక పరీక్షలో సగటు స్కోరు 70 మరియు ప్రామాణిక విచలనం 10. ఒక విద్యార్థి 80 స్కోరు సాధించాడు. ఆ విద్యార్థి యొక్క Z-స్కోరు ఎంత?

పరిష్కారం:
Z-స్కోరు అనేది ఒక విలువ సగటు నుండి ఎన్ని ప్రామాణిక విచలనాల దూరంలో ఉందో తెలిపే కొలమానం.
Z-స్కోర్ సూత్రం:
\[ Z = \frac{X – \mu}{\sigma} \]

ఎక్కడ:
– \( X \) అనునది పరిశీలించబడిన విలువ.
– \( \mu \) అనేది సగటు.
– \( \sigma \) అనునది ప్రామాణిక విచలనం.

ఇది తెలిసిన విషయమే:
– \( X = 80 \)
– \( \mu = 70 \)
– \( \sigma = 10 \)

సూత్రాన్ని వర్తింపజేయడం:
\[ Z = \frac{80 – 70}{10} = 1 \]

కాబట్టి, విద్యార్థి యొక్క Z-స్కోరు 1, అంటే 80 స్కోరు సగటు కంటే ఒక ప్రామాణిక విచలనం పైన ఉంది.

ఉదాహరణ ప్రశ్న 2: ఒక నిర్దిష్ట విలువ యొక్క సంభావ్యత

ప్రశ్న: సగటు 100 మరియు ప్రామాణిక విచలనం 15 ఉన్న ఒక సాధారణ పంపిణీలో, 85 కంటే తక్కువ విలువను కనుగొనే సంభావ్యత ఎంత?

పరిష్కారం:
దశలు:
1. \( X = 85 \) విలువకు Z-స్కోరును లెక్కించండి:
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]

2. -1 Z-స్కోర్‌కు సంబంధించిన సంభావ్యతను కనుగొనడానికి Z-పట్టికను లేదా గణాంక కాలిక్యులేటర్‌ను ఉపయోగించండి. Z-పట్టికలో, -1 Z-స్కోర్ యొక్క సంభావ్యత సుమారుగా 0.1587 ఉంటుంది.

కాబట్టి, 85 కంటే తక్కువ విలువను కనుగొనే సంభావ్యత 0.1587 లేదా 15.87%.

ఉదాహరణ ప్రశ్న 3: అనుభవపూర్వక నియమాలను ఉపయోగించడం

ప్రశ్న: పాఠశాలల్లో గణిత పరీక్ష స్కోర్‌ల పంపిణీ 75 సగటు మరియు 8 ప్రామాణిక విచలనంతో సాధారణ పంపిణీని అనుసరిస్తుందని తెలిసింది. 67 మరియు 83 మధ్య ఎంత శాతం విద్యార్థులు స్కోర్ చేశారు?

పరిష్కారం:
దశలు:
1. 67 మరియు 83 విలువల కోసం Z-స్కోరును లెక్కించండి:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]

2. అనుభావిక నియమాల ప్రకారం, సగటు నుండి -1 SD మరియు +1 SD మధ్య ఉన్న విలువలు జనాభాలో సుమారు 68% మందిని కవర్ చేస్తాయి.

కాబట్టి, 67 నుండి 83 మధ్య స్కోర్ సాధించిన విద్యార్థుల నిష్పత్తి సుమారు 68%గా ఉంది.

ఉదాహరణ ప్రశ్న 4: పర్సెంటైల్స్ నుండి విలువలను లెక్కించడం

ప్రశ్న: ఒక దేశంలో వయోజన పురుషుల సగటు ఎత్తు 175 సెం.మీ. మరియు ప్రామాణిక విచలనం 7 సెం.మీ. అయితే, 90వ పర్సంటైల్ వద్ద ఉండే ఎత్తు ఎంత?

పరిష్కారం:
దశలు:
1. 90వ పర్సంటైల్‌కు సంబంధించిన Z-స్కోరును కనుగొనండి. Z-పట్టిక ఆధారంగా, 0.9000కు అత్యంత సమీపంలో ఉన్న Z-స్కోరు సుమారుగా 1.28.

2. \( X \) విలువను గణించడానికి సూత్రాన్ని ఉపయోగించండి:
\[ X = \mu + Z \times \sigma \]
\[ X = 175 + 1.28 \times 7 \]
\[ X = 175 + 8.96 \]
[X = 183.96]

కాబట్టి, 90వ పర్సంటైల్‌లో ఎత్తు సుమారుగా 183.96 సెం.మీ. ఉంటుంది.

ఉదాహరణ ప్రశ్న 5: ఒక నిర్దిష్ట విరామం యొక్క సంభావ్యత

ప్రశ్న: నవజాత శిశువుల బరువుల పంపిణీ 3.5 కిలోల సగటు మరియు 0.5 కిలోల ప్రామాణిక విచలనంతో సాధారణ పంపిణీని అనుసరిస్తుందని ఇచ్చినప్పుడు, ఒక శిశువు బరువు 3 కిలోల నుండి 4 కిలోల మధ్య ఉండే సంభావ్యత ఎంత?

పరిష్కారం:
దశలు:
1. 3 కిలోలు మరియు 4 కిలోల విలువల కోసం Z-స్కోరును లెక్కించండి:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]

2. Z పట్టిక ఆధారంగా -1 మరియు 1 మధ్య Z-స్కోరు వచ్చే సంభావ్యత సుమారుగా 0.6826 లేదా 68.26%.

కాబట్టి, శిశువు బరువు 3 నుండి 4 కిలోల మధ్య ఉండే సంభావ్యత సుమారు 68.26%.

ముగింపు

సాధారణ పంపిణీ అనేది గణాంక శాస్త్రంలో ఒక ప్రాథమిక భావన, ఇది చాలా కీలకమైనది మరియు అనేక వాస్తవ-ప్రపంచ అనువర్తనాలను కలిగి ఉంది. ఈ వ్యాసంలో, మేము సాధారణ పంపిణీ యొక్క ప్రాథమిక భావనలను వివరించాము మరియు మన అవగాహనను మరింత పెంచుకోవడానికి అనేక ఉదాహరణలను పరిష్కరించాము.

సాధారణ పంపిణీని అర్థం చేసుకోవడం గణాంకాలకు మాత్రమే కాకుండా మనస్తత్వశాస్త్రం, అర్థశాస్త్రం మరియు ఇతర సామాజిక శాస్త్రాల వంటి వివిధ ఆచరణాత్మక రంగాలకు కూడా చాలా ముఖ్యం. తగినంత సాధనతో, సాధారణ పంపిణీ సమస్యలను పరిష్కరించడం మరింత సులభం అవుతుంది మరియు డేటా ఆధారిత నిర్ణయాలు తీసుకోవడంలో సహాయపడుతుంది.