اعداد و شمار میں عام تقسیم کا فارمولا

# شماریات میں عام تقسیم کا فارمولا

عام تقسیم، جسے گاوسی ڈسٹری بیوشن یا بیل وکر بھی کہا جاتا ہے، شماریات میں سب سے بنیادی تصورات میں سے ایک ہے۔ اس کے وجود کو اکثر شماریاتی اور احتمالی تجزیوں کی بنیاد سمجھا جاتا ہے۔ یہ تقسیم نہ صرف تھیوری میں بلکہ مختلف عملی ایپلی کیشنز میں بھی استعمال ہوتی ہے، جیسے کہ مالیاتی رسک مینجمنٹ، سوشل سائنس، میڈیسن وغیرہ۔

## عام تقسیم کی تعریف

عام تقسیم ایک مسلسل امکانی تقسیم ہے جو اس کے اوسط کے بارے میں ہم آہنگ ہے۔ دوسرے لفظوں میں، اس تقسیم کا ایک گرافیکل پلاٹ ایک گھنٹی کا وکر بنائے گا جو وسط میں چوڑا ہوتا ہے اور دم پر تنگ ہوتا ہے۔ اس تقسیم کے دو اہم پیرامیٹرز ہیں: اوسط (μ) اور معیاری انحراف (σ)۔

وسط تقسیم کے مرکز کے مقام کا تعین کرتا ہے، جبکہ معیاری انحراف اس بات کی پیمائش کرتا ہے کہ وسط کے ارد گرد ڈیٹا کس طرح پھیلا ہوا ہے۔ معیاری انحراف جتنا بڑا ہوگا، تقسیم کا وکر اتنا ہی وسیع اور چھوٹا ہوگا۔ معیاری انحراف جتنا چھوٹا ہوگا، وکر اتنا ہی تنگ اور تیز ہوگا۔

## امکانی کثافت کا فنکشن

عام تقسیم کے لیے امکانی کثافت کا فنکشن (pdf) درج ذیل ریاضیاتی شکل رکھتا ہے:

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

یہاں:
- \( x \) ایک بے ترتیب متغیر ہے۔
- \( \mu \) تقسیم کا اوسط ہے۔
- \( \sigma \) تقسیم کا معیاری انحراف ہے۔
- \( e \) قدرتی لوگارتھم کی بنیاد ہے، تقریباً 2.71828۔

مندرجہ بالا فنکشن ایک ہم آہنگ گھنٹی وکر بناتا ہے۔ دو پوائنٹس کے درمیان اس فنکشن کا انضمام اس بات کا امکان فراہم کرتا ہے کہ بے ترتیب متغیر ان دو اقدار کے درمیان موجود ہے۔

## معیاری عام تقسیم

معیاری عام تقسیم اوسط \( \mu = 0 \) اور معیاری انحراف \( \sigma = 1 \) کے ساتھ ایک عام تقسیم ہے۔ معیاری عام تقسیم کے لیے امکانی کثافت کا فعل ہے:

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

یہاں:
- \( z \) معیاری عام تقسیم کے بعد ایک بے ترتیب متغیر ہے۔

معیاری عام تقسیم کو اکثر استعمال کیا جاتا ہے کیونکہ یہ ہمیں "معیاری کاری" کہلانے والے عمل کے ذریعے دیگر عام تقسیم کو معیاری بنانے کی اجازت دیتا ہے۔ سٹینڈرڈائزیشن میں مندرجہ ذیل فارمولے کا استعمال کرتے ہوئے عام تقسیم \( N(\mu, \sigma) \( N(\mu, \sigma) \) کی قدروں کو \( z \) معیاری نارمل تقسیم \( N(0, 1) \ میں تبدیل کرنا شامل ہے:

\[ z = \frac{x – \mu}{\sigma} \]

یہ عمل مختلف نارمل ڈسٹری بیوشنز کی قدروں کو ایک پیمانے پر نقشہ بنا کر ان کا موازنہ کرنا آسان بناتا ہے۔

## درخواست اور مطابقت

### 1. مرکزی حد نظریہ

عام تقسیم خاص طور پر مرکزی حد تھیوریم (CLT) کے تناظر میں متعلقہ ہے۔ CLT کہتا ہے کہ آزاد بے ترتیب متغیرات کی کافی بڑی تعداد کو تقریباً عام طور پر تقسیم کیا جائے گا، قطع نظر اس کی اصل تقسیم کی شکل کچھ بھی ہو۔ اس کا مطلب یہ ہے کہ جب تک نمونہ کافی بڑا ہو، عام تقسیم کا استعمال نمونے کے وسط کی تقریباً تقسیم کے لیے کیا جا سکتا ہے۔

### 2. شماریاتی اندازہ

عام تقسیم مفروضے کے ٹیسٹ کے اطلاق کی اجازت دیتی ہے، جیسے کہ z-ٹیسٹ اور t-ٹیسٹ۔ دونوں طریقے مشاہدہ شدہ نتائج کی شماریاتی اہمیت کا تعین کرنے کے لیے معیاری نارمل تقسیم کا استعمال کرتے ہیں۔ z-ٹیسٹ عام طور پر اس وقت استعمال ہوتا ہے جب نمونے کا سائز بڑا ہو یا آبادی کا معیاری انحراف معلوم ہو، جب کہ t-ٹیسٹ اس وقت لاگو ہوتا ہے جب نمونہ کا سائز چھوٹا ہو یا آبادی کا معیاری انحراف نامعلوم ہو۔

### 3. رجعت کا تجزیہ

لکیری رجعت کے تجزیے میں، یہ مفروضہ کہ غلطی کا ڈیٹا عام طور پر تقسیم کیا جاتا ہے اہم ہے۔ یہ مفروضہ اعتماد کے وقفوں کے حساب کتاب اور ریگریشن ماڈل پیرامیٹرز کی اہمیت کی جانچ کی اجازت دیتا ہے۔ اسی طرح، ڈیٹا کی غلطیوں یا آؤٹ لیرز کا پتہ لگانا اکثر معمول سے اہم انحراف کے لیے بقایا تقسیم کی جانچ کرکے کیا جاتا ہے۔

### 4. طب اور حیاتیات

طب میں، عام تقسیم کا استعمال مختلف حیاتیاتی مظاہر کی تقسیم کو بیان کرنے کے لیے کیا جاتا ہے۔ مثال کے طور پر، قد، بلڈ پریشر، اور بعض لیبارٹری ٹیسٹ کے نتائج اکثر عام تقسیم کی پیروی کرتے ہیں۔ یہ طبی تشخیص کے لیے کٹ آف اقدار کے تعین میں سہولت فراہم کرتا ہے۔

### 5. فنانس اور اکنامکس

مالیات میں، عام تقسیم کا استعمال بہت سے مظاہر کو ماڈل کرنے کے لیے کیا جاتا ہے، جیسے کہ اسٹاک کی واپسی، شرح سود، اور بہت کچھ۔ اگرچہ عملی طور پر، اسٹاک اکثر زیادہ ترچھی پن اور کرٹوسس کا مظاہرہ کرتے ہیں، لیکن عام تقسیم کا مفروضہ اب بھی ایک ٹھوس تجزیاتی بنیاد فراہم کرتا ہے۔

## نفاذ اور حساب

### ازگر کا استعمال

Python، NumPy اور SciPy جیسی لائبریریوں کے ساتھ، عام تقسیم کے ساتھ کام کرنے کے کئی طریقے فراہم کرتا ہے۔ یہاں ایک مثال ہے کہ ہم ان لائبریریوں کا استعمال کرتے ہوئے عام تقسیم کو کس طرح عام اور منصوبہ بنا سکتے ہیں:

'' ازگر
بطور این پی پی درآمد کریں
matplotlib.pyplot بطور plt درآمد کریں۔
scipy.stats درآمدی معمول سے

# عام تقسیم کے پیرامیٹرز
mu = 0 # مطلب
سگما = 1 # معیاری انحراف

# عام تقسیم کے لیے ڈیٹا
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)

# عام تقسیم کا پلاٹ
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('کثافت')
plt.title('عام تقسیم N(0, 1)')
plt.show ()
“۔

اوپر دی گئی مثال میں، ہم نے اوسط 0 اور معیاری انحراف 1 کے ساتھ عام تقسیم کا ڈیٹا تیار کیا، اور پھر اس کے امکانی کثافت کے فنکشن کو پلاٹ کیا۔

## نتیجہ

عام تقسیم شماریات اور امکان میں اہم کردار ادا کرتی ہے۔ اس کا آفاقی استعمال، مرکزی حد تھیوریم سے لے کر مختلف عملی ایپلی کیشنز جیسے رجعت تجزیہ اور مفروضے کی جانچ تک، اسے سب سے زیادہ مقبول اور اہم امکانی تقسیم میں سے ایک بناتا ہے۔ عام تقسیم کے فارمولے کو سمجھنا اور اسے مؤثر طریقے سے استعمال کرنے کا طریقہ ڈیٹا سائنس، تحقیق، معاشیات اور دیگر بہت سے شعبوں میں کام کرنے والے ہر فرد کے لیے ایک ضروری مہارت ہے۔

اس علم کے ساتھ، ہم مختلف قسم کے تجزیاتی مسائل سے زیادہ مؤثر طریقے سے رجوع اور حل کر سکتے ہیں، جو ہمیں دستیاب اعداد و شمار اور امکانات کی بنیاد پر بہتر فیصلے کرنے کے قابل بناتا ہے۔