بائنومیئل ڈسٹری بیوشن فنکشن پر بحث کرنے والے سوالات کی مثال

بائنومیئل ڈسٹری بیوشن فنکشن پر بحث کرنے والے سوالات کی مثال

binomial distribution ایک مجرد امکانی تقسیم ہے جو دو ممکنہ نتائج کے ساتھ متعدد آزاد آزمائشوں پر مشتمل ایک تجربے میں کامیابیوں کی تعداد کو بیان کرتی ہے: کامیابی اور ناکامی۔ ہر ٹرائل کو ٹرائل کہا جاتا ہے، اور binomial distribution اکثر ایسے حالات میں استعمال ہوتی ہے جہاں متعدد آزاد ٹرائلز میں کامیابیوں کی تعداد دلچسپی کا باعث ہوتی ہے۔ اس مضمون میں، ہم binomial distribution کے بنیادی تصورات پر بحث کریں گے اور مثالیں اور حل فراہم کریں گے۔

بائنومیئل ڈسٹری بیوشن فنکشن کے بنیادی تصورات

اس سے پہلے کہ ہم مثال کے سوالات اور بحث میں پڑیں، آئیے دو عددی تقسیم سے متعلق کچھ بنیادی تصورات پر بات کرتے ہیں۔

1. تعریف: binomial distribution کو 'n' آزاد ٹرائلز میں کامیابیوں کے مجموعہ کے طور پر بیان کیا جاتا ہے، جہاں ہر ٹرائل کے دو ممکنہ نتائج ہوتے ہیں: کامیابی (امکان p کے ساتھ) یا ناکامی (امکان q = 1 – p کے ساتھ)۔

2. امکانی فعل: binomial تقسیم کا امکان فعل ہے:
\[
P(X = k) = \binom{n}{k} p^k (1-p)^{nk}
\]
کہاں:
- \( P(X = k) \) n ٹرائلز میں k کی کامیابیوں کا امکان ہے۔
– \( \binom{n}{k} \) n take k کا مجموعہ ہے، جس کی تعریف \( \frac{n!}{k!(nk)!} \) کے طور پر کی گئی ہے۔
- \( p \) ہر آزمائش میں کامیابی کا امکان ہے۔
- \( (1-p) \) ہر آزمائش میں ناکامی کا امکان ہے۔

3. متوقع قدر اور تغیر:
- دو نامی تقسیم کی متوقع قدر (مطلب) ہے \( \mu = np \)۔
- دو نامی تقسیم کا تغیر \( \sigma^2 = np(1-p) \) ہے۔

اب، آئیے ان تصورات کو ایک گہرائی سے سمجھنے کے لیے مثال کے مسئلے میں لاگو کرتے ہیں۔

مثال سوال 1: بائنومیئل ڈسٹری بیوشن کا بنیادی حساب

سوال:
ایک کمپنی 0.95 امکان کے ساتھ الیکٹرانک پرزے تیار کرتی ہے کہ ہر جزو کوالٹی ٹیسٹ پاس کرتا ہے۔ اگر 10 اجزاء تیار کیے جاتے ہیں، تو اس امکان کا حساب لگائیں کہ بالکل 8 اجزاء کوالٹی ٹیسٹ پاس کرتے ہیں۔

بحث:
ہم اس مسئلے کو حل کرنے کے لیے binomial distribution فارمولہ استعمال کر سکتے ہیں۔ سب سے پہلے، ہم مندرجہ ذیل پیرامیٹرز کی شناخت کرتے ہیں:
- \( n \) (مقدمات کی کل تعداد) = 10
- \( k \) (کامیابیوں کی تعداد) = 8
- \( p \) (کامیابی کا امکان) = 0.95
- \( q \) (ناکامی کا امکان) = 1 - 0.95 = 0.05

پھر ان اقدار کو بائنومیئل ڈسٹری بیوشن فارمولے میں بدل دیں:
\[
P(X = 8) = \binom{10}{8} (0.95)^8 (0.05)^2
\]

سب سے پہلے، مجموعہ کا حساب لگائیں \( \binom{10}{8} \):
\[
\binom{10}{8} = \frac{10!}{8!(10-8)!} = \frac{10!}{8!2!} = \frac{10 \times 9 \times 8!}{8! \times 2!} = \frac{10 \times 9}{2 \times 1} = 45
\]

پھر، احتمالات کا حساب لگائیں \( (0.95)^8 \) اور \(0.05)^2 \):
\[
(0.95)^8 \ تقریباً 0.6634
\]
\[
(0.05)^2 = 0.0025
\]

آخر میں، حاصل کرنے کے لیے ان تمام اقدار کو ضرب دیں:
\[
P(X = 8) = 45 \ اوقات 0.6634 \ اوقات 0.0025 \ تقریباً 0.0744
\]

لہذا، اس بات کا امکان کہ 10 میں سے بالکل 8 اجزاء کوالٹی ٹیسٹ پاس کرتے ہیں تقریباً 0.0744 یا 7.44% ہے۔

مثال سوال 2: مجموعی امکان

سوال:
پھر بھی اسی کمپنی کے ساتھ، اس امکان کا حساب لگائیں کہ 10 میں سے کم از کم 9 اجزاء کوالٹی ٹیسٹ پاس کرتے ہیں۔

بحث:
اس مسئلے کو حل کرنے کے لیے، ہمیں مجموعی امکان کا حساب لگانا ہوگا۔ اس امکان کا کہ 10 میں سے کم از کم 9 اجزاء امتحان پاس کرتے ہیں اس کا مطلب ہے کہ ہم حساب لگاتے ہیں \( P(X \geq 9) \)، جسے لکھا جا سکتا ہے:
\[
P(X \geq 9) = P(X = 9) + P(X = 10)
\]

بائنومیئل ڈسٹری بیوشن فارمولے کا استعمال کرتے ہوئے:
\[
P(X = 9) = \binom{10}{9} (0.95)^9 (0.05)^1
\]
\[
P(X = 10) = \binom{10}{10} (0.95)^{10} (0.05)^0
\]

سب سے پہلے، ہر کیس کے لیے مجموعہ کا حساب لگائیں:
\[
\binom{10}{9} = \frac{10!}{9!(10-9)!} = 10
\]
\[
\binom{10}{10} = 1
\]

پھر، \( P(X = 9) \) اور \( P(X = 10) \( کے لیے احتمالات کا حساب لگائیں):
\[
P(X = 9) = 10 \times (0.95)^9 \times 0.05
\]
\[
(0.95)^9 \ تقریباً 0.6302
\]
\[
P(X = 9) = 10 \ اوقات 0.6302 \ اوقات 0.05 \ تقریباً 0.3151
\]

\[
P(X = 10) = 1 \times (0.95)^{10} \times 1
\]
\[
(0.95)^{10} \تقریباً 0.5987
\]
\[
P(X = 10) = 0.5987
\]

کل امکان برائے \( P(X \geq 9) \):
\[
P(X \geq 9) = 0.3151 + 0.5987 \ تقریباً 0.9138
\]

لہذا، 10 میں سے کم از کم 9 اجزاء کے معیار کے امتحان میں کامیاب ہونے کا امکان تقریباً 0.9138 یا 91.38% ہے۔

مثال سوال 3: متوقع قدر اور تغیر

سوال:
0.95 کے پاس ہونے کے امکان کے ساتھ تیار کردہ 10 اجزاء میں سے کوالٹی ٹیسٹ پاس کرنے والے اجزاء کی تعداد کی متوقع قدر اور تغیر کا حساب لگائیں۔

بحث:
درج ذیل فارمولہ استعمال کریں:
- متوقع قدر (مطلب) \( \mu = np \)
- تغیر \( \sigma^2 = np(1-p) \)

کے ساتھ \( n = 10 \) اور \( p = 0.95 \):
\[
\mu = 10 \ اوقات 0.95 = 9.5
\]
\[
\sigma^2 = 10 \times 0.95 \times 0.05 = 0.475
\]

لہذا، کوالٹی ٹیسٹ پاس کرنے والے اجزاء کی تعداد کی متوقع قدر 9.5 ہے، اور تغیر 0.475 ہے۔

نتیجہ اخذ کرنا

مندرجہ بالا تین مثالوں کے مسائل کے ذریعے، ہم نے مختلف حالات کے لیے binomial distribution کا استعمال کرتے ہوئے امکان کا حساب کرنے کے طریقے پر تبادلہ خیال کیا ہے: عین امکان، مجموعی امکان کا حساب لگانا، اور متوقع قدر اور تغیر کا حساب لگانا۔ دو عددی تقسیم کا علم مختلف شعبوں میں مفید ہے، جیسے کہ مینوفیکچرنگ، طبی تحقیق، اور سماجی اعدادوشمار، جہاں دو ممکنہ نتائج کے ساتھ بار بار کیے گئے تجربات کے نتائج کا تجزیہ کیا جا سکتا ہے تاکہ فیصلہ سازی میں مدد مل سکے۔ امید ہے کہ، مثال کے طور پر فراہم کردہ مسائل اور بحثیں آپ کو دو نامی تقسیم کے بارے میں مزید سمجھنے میں مدد فراہم کریں گی۔