عام تقسیم کی متوقع قدر پر بحث کے سوال کی مثال
عام تقسیم، جسے گاوسی تقسیم بھی کہا جاتا ہے، شماریات اور احتمال میں اکثر استعمال ہونے والی مسلسل امکانی تقسیم میں سے ایک ہے۔ یہ تقسیم اکثر اس کے موافق ریاضیاتی خصوصیات کی وجہ سے مختلف شماریاتی قیاسات میں بنیادی مفروضے کے طور پر استعمال ہوتی ہے، جیسے کہ توازن اور پیرامیٹرائزیشن میں وسط (µ) اور معیاری انحراف (σ) کے ساتھ اس کی انفرادیت۔ یہ مضمون مثالوں پر بحث کرے گا اور اس تصور کی گہرائی سے تفہیم فراہم کرنے کے لیے عام تقسیم کی متوقع قدر پر بحث کرے گا۔
عام تقسیم کو سمجھنا
عام تقسیم کو ایک متوازی گھنٹی کے منحنی خطوط کے ذریعے دکھایا گیا ہے، جس میں زیادہ تر اقدار درمیانی قدر کے ارد گرد مرکوز ہوتی ہیں، یا وسط۔ اس تقسیم کے اندر، اوسط (µ) اور معیاری انحراف (σ) دو اہم پیرامیٹرز ہیں جو ڈیٹا میں پھیلاؤ کی جگہ اور مقدار کا تعین کرتے ہیں۔
عام تقسیم کا امکانی کثافت فنکشن (PDF) ہے:
\[f(x) = frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
کہاں:
- \( \mu \) اوسط یا اوسط ہے۔
- \( \sigma \) معیاری انحراف ہے۔
- \( x \) ایک بے ترتیب متغیر ہے۔
عمومی تقسیم میں متوقع قدر
عام تقسیم کے ساتھ بے ترتیب متغیر کی متوقع قدر تقسیم کے اوسط کے برابر ہے۔ اگر \( X \sim N(\mu, \sigma^2) \)، تو متوقع قدر \( E(X) \) ہے:
\[ E(X) = \mu \]
آئیے اپنی سمجھ کو مضبوط کرنے کے لیے معمول کی تقسیم میں متوقع قدروں سے متعلق مسائل کی کچھ مثالوں کے ساتھ جاری رکھیں۔
نمونہ سوالات اور بحث
مثال سوال 1:
فرض کریں \( X \) عام طور پر تقسیم شدہ بے ترتیب متغیر ہے جس میں \( \mu = 50 \) اور \( \sigma = 10 \) ہے۔ \( X \) کی متوقع قدر کا حساب لگائیں۔
بحث:
جیسا کہ پہلے ذکر کیا گیا ہے، ایک عام تقسیم میں، متوقع قدر \( E(X) \) \( \mu \) کے برابر ہے۔ تو،
\[ E(X) = \mu = 50 \]
مثال سوال 2:
ایک بے ترتیب متغیر کے پیش نظر \( Y \) کو عام طور پر \( \mu = 120 \) اور \( \sigma = 15 \) کے ساتھ تقسیم کیا جاتا ہے۔ \( Y \) کی متوقع قدر تلاش کریں۔
بحث:
اسی طرح پہلی مثال کی طرح، \( Y \) کی متوقع قدر عام تقسیم کی درمیانی قدر یا اوسط ہے، یعنی:
\[ E(Y) = \mu = 120 \]
مثال سوال 3:
اگر بے ترتیب متغیر \( Z \) \( \mu = 0 \) اور \( \sigma = 1 \) (معیاری عام تقسیم) کے ساتھ عام تقسیم کی پیروی کرتا ہے، تو \( Z \) کی متوقع قدر کیا ہے؟
بحث:
معیاری عام تقسیم کا مطلب \( \mu = 0 \) ہے، لہذا متوقع قدر \( E(Z) \) ہے:
\[ E(Z) = \mu = 0 \]
مثال سوال 4:
فرض کریں \( W \) اوسط \( \mu = 75 \) اور معیاری انحراف \( \sigma = 20 \) کے ساتھ عام طور پر تقسیم شدہ بے ترتیب متغیر ہے۔ اگر ہم ایک نیا بے ترتیب متغیر \( V = 2W + 3 \) کی وضاحت کرتے ہیں، تو \( V \) کی متوقع قدر کیا ہے؟
بحث:
\( V \) کی متوقع قدر تلاش کرنے کے لیے، ہمیں متوقع قدر کی لکیری خاصیت استعمال کرنے کی ضرورت ہے۔ دیا \( V = 2W + 3 \)، پھر:
\[ E(V) = E(2W + 3) \]
متوقع قدر کی لکیری خاصیت کی بنیاد پر، ہم مستقل کو بے ترتیب متغیر سے الگ کر سکتے ہیں:
\[ E(V) = 2E(W) + E(3) \]
یہ جانتے ہوئے کہ مستقل کی متوقع قدر خود مستقل ہے:
\[ E(3) = 3 \]
اور \( W \) کی متوقع قدر عام تقسیم کا اوسط ہے \( W \):
\[ E(W) = \mu = 75 \]
تو،
\[ E(V) = 2 \ اوقات 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
مثال سوال 5:
بے ترتیب متغیر \( Q \) اوسط \( \mu = 40 \) اور معیاری انحراف \( \sigma = 5 \) کے ساتھ ایک عام تقسیم کی پیروی کرتا ہے۔ \( Q \) کی متوقع قدر کیا ہے اگر \[ U = Q/2 \]؟
بحث:
ہم وہی اصول استعمال کرتے ہیں جیسا کہ مثال 4 میں، یعنی متوقع قدر کی لکیری خاصیت۔ یہ دیکھتے ہوئے کہ \( U = Q/2 \)، پھر:
\[ E(U) = E\left(\frac{Q}{2}\ right) \]
متوقع قدر کی لکیری خاصیت کی بنیاد پر:
\[ E(U) = frac{1}{2} E(Q) \]
ہم جانتے ہیں کہ \( Q \) کی متوقع قدر عام تقسیم کا اوسط ہے \( Q \):
\[ E(Q) = \mu = 40 \]
تو،
\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
نتیجہ اخذ کرنا
عام تقسیم میں، بے ترتیب متغیر کی متوقع قدر ہمیشہ تقسیم کے اوسط (µ) کے برابر ہوتی ہے۔ مندرجہ بالا مثال کے مسائل لکیریٹی پراپرٹی کا استعمال کرتے ہوئے متوقع قدر کا حساب لگانے کے لیے مختلف شرائط کو ظاہر کرتے ہیں۔ اس بنیادی تصور کو سمجھنا اعداد و شمار اور امکان میں عام تقسیم کے مسائل کو سنبھالنا آسان بناتا ہے۔
اعداد و شمار میں عام تقسیم بہت اہم ہے کیونکہ یہ عملی ایپلی کیشنز کی ایک وسیع رینج میں استعمال ہوتی ہے، بشمول مفروضے کی جانچ، پیرامیٹر کا تخمینہ، اور مختلف دیگر شماریاتی نتائج۔ اس تقسیم کی متوقع قدر کے بارے میں اچھی طرح سمجھنا ڈیٹا کے تجزیہ کا ایک اہم پہلا قدم ہے۔
امید ہے کہ یہ مضمون متعلقہ مثال کے سوالات اور مباحثوں کے ساتھ عام تقسیم میں متوقع قدر کی واضح اور مفید وضاحت فراہم کرتا ہے۔
