PDF chapter test TRY NOW
பட்டறி அணுகுமுறை:
முன்னர் கவனிக்கபட்ட தரவுகளின் அடிப்படையில் அல்லது பெரிய தரவுகளின் தொகுப்புகளில் இருந்து நிகழ்தகவு கணிக்கப்படுகிறது . இதுவே பட்டறி அணுகுமுறை ஆகும்.
Example:
\(20000\) ஜோடி காலணிகள் ஒரு நிறுவனத்திடம் இருந்து கொள்முதல் செய்யப்பட்டது மற்றும் \(2500\) ஜோடிகள் பழுதடைந்து உள்ளது, மொத்தம் எத்தனை ஜோடி காலணிகள் பழுதடைந்துள்ளது?
முயற்சிகளின் எண்ணிக்கை அதிகமாக இருக்கும்போது பட்டறி அணுகுமுறை பயன்படுத்தப்படுகிறது.
பட்டறி அணுகுமுறையை கணக்கிடும் முறை:
\(P(E)\) என்பது நிகழ்ச்சியின் நிகழ்தகவு . அதிக எண்ணிக்கையான முயற்சிகள், \(n\), முடிவுகளின் எண்ணிக்கை \(r\).
இங்கு, \(P(E) = \frac{r}{n}\).
நிகழ்தகவு எப்பொழுதும் 0 மற்றும் 1 க்கு இடையில் இருக்கும்.
இதனை \(0 \leq P(E) \leq 1\).
மேற்கண்ட சமன்பாட்டினை விரிவாக காண்போம்.
\(r\) ஆனது \(n\) விட அதிகமாக இருக்ககூடாது .இங்கு \(r\) ஆனது \(n\) யை விட அதிகம், எனில் நிகழ்தகவின் மதிப்பு \(1\). இது நிகழ்தகவின் முதன்மை விதி ஆகும்.
எனவே, \(P(E) =\) \(\frac{r}{n}\) \(< 1 \longrightarrow (1)\)
\(r = 0\) எனில்:
\(P(E) =\) \(\frac{0}{n}\) \(= 0\) \(\longrightarrow (2)\)
\(r = n\) எனில்:
\(P(E) = \frac{n}{n} = 1 \longrightarrow (3)\)
\((1)\), \((2)\), மற்றும் \((3)\) இல் இருந்து:
\(0 \leq P(E) \leq 1\)
Example:
மேற்கண்ட சூழ்நிலையில் இருந்து:
முயற்சிகளின் எண்ணிக்கை, \(n = 20000\)
பழுதடைந்துள்ள காலணி சோடிகளின் எண்ணிக்கை , \(r = 2500\)
ஆகவே, \(P(E) = \frac{2500}{20000}\)
\(P(E) = 0.125\)
Register for free to see more content