ဖြစ်နိုင်ခြေ သီအိုရီ

ဤဆောင်းပါးတွင်၊ သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေ၏အဓိပ္ပာယ်နှင့် သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေကို တွက်ချက်နည်းတို့ကို လေ့လာပါမည်။ ထို့အပြင်၊ ဖြစ်ရပ်တစ်ခု၏ သီအိုရီဖြစ်နိုင်ခြေကို တွက်ချက်ခြင်း၏ ခိုင်မာသော ဥပမာတစ်ခုကို သင်တွေ့မြင်နိုင်မည်ဖြစ်သည်။

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေကဘာလဲ။

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေ သည် ဖြစ်ရပ်တစ်ခုဖြစ်ပွားနိုင်ခြေကို ညွှန်ပြသည့် ကိန်းဂဏန်းဆိုင်ရာတိုင်းတာမှုတစ်ခုဖြစ်သည်။ ဖြစ်ရပ်တစ်ခု၏ သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေသည် ဖြစ်နိုင်ချေရှိသော အမှုအရေအတွက် စုစုပေါင်းဖြင့် ပိုင်းခြားထားသော ထိုဖြစ်ရပ်၏ အခွင့်သာသော အမှုအရေအတွက်နှင့် ညီမျှသည်။

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေကို ရှေးရိုးဖြစ်နိုင်ခြေ သို့မဟုတ် ဦးစားပေးဖြစ်နိုင်ခြေ ဟုလည်း ခေါ်သည်။

ထို့အပြင်၊ သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေသည် 0 နှင့် 1 အကြားတန်ဖိုးဖြစ်သည်။ ယုတ္တိဗေဒအရ၊ တန်ဖိုးပိုကြီးလေ၊ မေးခွန်းထုတ်သည့်ဖြစ်ရပ်သည် ဖြစ်ပေါ်လာနိုင်ခြေ ပိုများလေဖြစ်ပြီး သုညသည် မဖြစ်ပေါ်လာနိုင်သော ဖြစ်ရပ်တစ်ခုဖြစ်ပြီး တစ်ခုသည် ဖြစ်ပေါ်လာမည့် ဖြစ်ရပ်တစ်ခုဖြစ်သည်။ ထုတ်လုပ်မည်။ အမြဲဖြစ်ပျက်။

သီအိုရီဆိုင်ရာ ဖြစ်နိုင်ခြေ ဖော်မြူလာ

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေအတွက် ဖော်မြူလာ သည် စမ်းသပ်မှုတွင် အမှုတွဲစုစုပေါင်းအရေအတွက်ဖြင့် ပိုင်းခြားထားသော ဖြစ်ရပ်တစ်ခု၏ နှစ်သက်ဖွယ်ကိစ္စရပ်အရေအတွက်ဖြစ်သည်။

 P(A)=\cfrac{\text{n\'umero de casos favorables al evento A}}{\text{n\'umero total de casos}}

ဤဖော်မြူလာကို Laplace ၏စည်းမျဉ်း (သို့မဟုတ် Laplace ၏ဥပဒေ) ဟုလည်းလူသိများသည်။ ထင်ရှားသည်မှာ၊ ဤဖော်မြူလာကို The Analytical Theory of Probabilities (1812) တွင် သူ၏ထုတ်ဝေမှုတွင် စည်းမျဉ်းကို ပထမဆုံးအဆိုပြုခဲ့သော Pierre-Siman Laplace ဖြစ်သောကြောင့်ဖြစ်သည်။

နမူနာနေရာရှိ အခြေခံဖြစ်ရပ်များသည် equiprobable ဖြစ်ပါက၊ ဆိုလိုသည်မှာ ၎င်းသည် equiprobable နမူနာ space ဖြစ်ပါက၊ ဤဖော်မြူလာကို သင်မှတ်သားထားသင့်သည်။ ဤအသုံးအနှုန်းက ဘာကိုဆိုလိုသည်ကို မသိပါက၊ ၎င်းသည် ဖြစ်နိုင်ခြေ၏ အခြေခံသဘောတရားဖြစ်သောကြောင့် ရှင်းလင်းချက်အား ဆက်လက်မဖတ်မီ အောက်ပါလင့်ခ်သို့ ဝင်ရောက်ကြည့်ရှုရန် အကြံပြုအပ်ပါသည်။

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေ ဥပမာ

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ကြည့်ပြီးနောက်၊ ဤကဏ္ဍတွင် ဤဖြစ်နိုင်ခြေအမျိုးအစား၏ ဥပမာတစ်ခုကို ဖြေရှင်းပါမည်။

  • သေတ္တာကို လှိမ့်လိုက်သောအခါ ဖြစ်ပေါ်သည့် “နံပါတ် 5” ဖြစ်ရပ်၏ ဖြစ်နိုင်ခြေကို တွက်ချက်ပါ။ ထို့နောက် “ 4 ထက်နည်းသော ဂဏန်းတစ်ခုရယူခြင်း” ၏ ဖြစ်နိုင်ခြေကိုလည်း ဆုံးဖြတ်ပါ။

အတွေ့အကြုံ၏ အခြေခံ အဖြစ်အပျက်များ (၁၊ ၂၊ ၃၊ ၄၊ ၅ နှင့် ၆) သည် တူညီပါသည်။ ထို့ကြောင့် ကျွန်ုပ်တို့သည် အဖြစ်အပျက်များ၏ သီအိုရီဆိုင်ရာ ဖြစ်နိုင်ခြေများကို ရှာဖွေရန် Laplace ၏ စည်းမျဉ်းကို အသုံးချနိုင်သည်။

” get the number 5″ case တွင်၊ ကောင်းသောကိစ္စတစ်ခုသာရှိသည်- နံပါတ် 5 ကိုရယူပါ။ သို့သော် ဖြစ်နိုင်ချေရလဒ်ခြောက်ခုရှိသည်၊ ထို့ကြောင့် သီအိုရီအရဖြစ်နိုင်ခြေကို တွက်ချက်ရန်၊ ခြောက်ခုဖြင့် တစ်ခုစီခွဲရန် လိုအပ်သည်-

\begin{aligned}P(\text{n\'umero 5})&=\cfrac{\text{n\'umero de casos favorables}}{\text{n\'umero total de casos}}\\[2ex] &= \cfrac{1}{6}\\[2ex] &=0,167\end{aligned}

အဆိုပါထုတ်ပြန်ချက်တွင် “ 4 ထက်နည်းသောနံပါတ်တစ်ခုရယူခြင်း” ၏ သီအိုရီဖြစ်နိုင်ခြေကိုရှာဖွေရန်လည်းတောင်းဆိုထားသည်။ နံပါတ် 1၊ 2 သို့မဟုတ် 3 ပေါ်လာပါက ဤဖြစ်ရပ်သည် ပေါင်းစပ်ဖွဲ့စည်းထားပြီး ဖြစ်နိုင်ချေရှိသော ကိစ္စသုံးမျိုးရှိပါသည်။ ထို့ကြောင့် အဖြစ်အပျက်၏ သီအိုရီဖြစ်နိုင်ခြေမှာ-

\begin{aligned}P(\text{n\'umero menor que 4})&=\cfrac{\text{n\'umero de casos favorables}}{\text{n\'umero total de casos}}\\[2ex] &= \cfrac{3}{6}\\[2ex] &=0,5\end{aligned}

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေနှင့် ကြိမ်နှုန်းဖြစ်နိုင်ခြေ

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေ၏ သဘောတရားကို နားလည်သဘောပေါက်ရန် အပြီးသတ်ရန်၊ သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေနှင့် ကြိမ်နှုန်းဖြစ်နိုင်ခြေကြား ကွာခြားချက်မှာ ၎င်းတို့သည် ဆန့်ကျင်ဘက်ဖြစ်နိုင်ခြေနှစ်မျိုးဖြစ်ကြောင်း ကျွန်ုပ်တို့ပြောနိုင်သောကြောင့် ၎င်းတို့သည် သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေနှင့် ကြိမ်နှုန်းဖြစ်နိုင်ခြေကြား ကွာခြားချက်ကို ကြည့်ကြပါစို့။

သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေနှင့် ကြိမ်နှုန်းဖြစ်နိုင်ခြေ (သို့မဟုတ် empirical probability) အကြားခြားနားချက် မှာ သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေကို ယုတ္တိဗေဒနှင့် သီအိုရီများဖြင့် တွက်ချက်ထားပြီး ကြိမ်နှုန်းသည် စမ်းသပ်မှုတစ်ခုမှရရှိသောရလဒ်များကို အသုံးပြု၍ တွက်ချက်နေချိန်တွင် ဖြစ်နိုင်ခြေကို သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေကို တွက်ချက်ခြင်းဖြစ်သည်။

ကြိမ်နှုန်းဖြစ်နိုင်ခြေကို တွက်ချက်ရန်၊ စမ်းသပ်မှုတစ်ခုတည်းကို လုပ်ဆောင်ရန် မလုံလောက်သောကြောင့် ၎င်းကို ကန့်သတ်ထားနိုင်ပြီး ကျွန်ုပ်တို့သည် ယုံကြည်စိတ်ချရသောရလဒ်များကို ရရှိမည်ဖြစ်သည်။ ဆန့်ကျင်ဘက်အနေနှင့်၊ ပိုမိုယုံကြည်စိတ်ချရသောဖြစ်နိုင်ခြေများရရှိနိုင်ရန် စမ်းသပ်မှုများစွာကို တုပရပါမည်။ အမှန်တကယ်အားဖြင့်၊ ကျွန်ုပ်တို့သည် စမ်းသပ်မှုများ များများလုပ်ဆောင်လေ၊ ကြိမ်နှုန်းဖြစ်နိုင်ခြေ၏ တိကျမှု ပိုများလေဖြစ်သည်။

ထို့ကြောင့်၊ ကြိမ်နှုန်းဖြစ်နိုင်ခြေကို တွက်ချက်ခြင်းသည် သီအိုရီဆိုင်ရာဖြစ်နိုင်ခြေထက် ပိုမိုရှုပ်ထွေးပါသည်။ ဒါပေမယ့် တစ်ဆင့်ပြီးတစ်ဆင့် ရှင်းပြထားတဲ့ ဥပမာများစွာကို ဒီမှာ ကြည့်နိုင်ပါတယ်။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်