မဖြစ်စလောက်အခွင့်အရေး

ဤနေရာတွင် marginal probability သည် အဘယ်နည်း။ မဖြစ်စလောက်ဖြစ်နိုင်ခြေကို ဥပမာတစ်ခုဖြင့် တွက်ချက်ပုံကို ရှင်းပြထားပြီး၊ marginal probability၊ joint probability နှင့် conditional (သို့မဟုတ် conditional) probability တို့ကြား ခြားနားချက်များကို ပြသပါသည်။

marginal probability ဆိုတာ ဘာလဲ။

Marginal probability သည် စုစုပေါင်း set ၏ အခွဲတစ်ခု ဖြစ်ပေါ်လာမည့် ဖြစ်နိုင်ခြေကို ညွှန်ပြသည့် ကိန်းဂဏန်းဆိုင်ရာ တိုင်းတာမှုတစ်ခုဖြစ်သည်။

Marginal probability သည် 0 နှင့် 1 အကြားရှိ ဂဏန်းတစ်ခုဖြစ်သည်။ ထို့ကြောင့်၊ အစုခွဲတစ်ခု၏ marginal probability ပိုများလေ၊ အစုခွဲတစ်ခုဖြစ်ပေါ်လာနိုင်ခြေ ပိုများလေဖြစ်သည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ မဖြစ်စလောက် ဖြစ်နိုင်ခြေ သေးငယ်လေ၊ ဖြစ်ပေါ်လာနိုင်ခြေ နည်းလေဖြစ်သည်။ အစုခွဲ ဖြစ်ပေါ်လာမည်။

Marginal Probability ဥပမာ

marginal probability ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ကျွန်ုပ်တို့မြင်သည်နှင့်၊ ၎င်း၏အဓိပ္ပါယ်ကို သင်နားလည်နိုင်စေရန် ဖြေရှင်းထားသော marginal probability လေ့ကျင့်ခန်းကို ကျွန်ုပ်တို့ မြင်တွေ့ရမည်ဖြစ်သည်။

  • ပြဿနာရှိသောလမ်းကို ပိုင်းခြားစိတ်ဖြာရန်၊ နေ့အချိန်နှင့် ယာဉ်ကြောပိတ်ဆို့မှုရှိ/မရှိကို လတစ်ရက်ချင်းစီအတွက် အရေးပေါ်ဇယားတွင် မှတ်တမ်းတင်ထားသည်။ ဒေတာမှ၊ ဤဧရိယာရှိ မိုးရေလျှံမှုနှင့် မိုးရွာခြင်း၏ မဖြစ်စလောက် ဖြစ်နိုင်ခြေများကို တွက်ချက်ပါ။
မဖြစ်စလောက်ဖြစ်နိုင်ခြေ ဥပမာ

ဒေတာအစုခွဲတစ်ခု၏ မဖြစ်စလောက်ဖြစ်နိုင်ခြေကို တွက်ချက်ရန် အောက်ပါစည်းမျဉ်းကို ရိုးရှင်းစွာ ကျင့်သုံးပါ-

အစုခွဲတစ်ခု၏ မဖြစ်စလောက်ဖြစ်နိုင်ခြေကို တွက်ချက် ရန်၊ အစုခွဲဖြစ်ပေါ်လာသည့်အချိန်အားလုံးကို ပေါင်းထည့်ကာ ဒေတာစုစုပေါင်းအမှတ်ဖြင့် ပိုင်းခြားပါ။

ဥပမာအားဖြင့်၊ ဤအခြေအနေတွင် နေသာသောအခါတွင် ယာဉ်ကြောပိတ်ဆို့မှု ၆ ရက်နှင့် မိုးရွာသောအခါ ယာဉ်ကြောပိတ်ဆို့မှုမှာ ၈ ရက်ရှိပြီး စုစုပေါင်း သတိပြုစရာအရေအတွက်မှာ ၃၀ ဖြစ်သည်။ ထို့ကြောင့် ယာဉ်ကြောပိတ်ဆို့မှု၏ မဖြစ်စလောက် ဖြစ်နိုင်ခြေမှာ-

P(\text{atasco})=\cfrac{6+8}{30}=\cfrac{14}{30}=0,47

ဒါကြောင့် နေ့တစ်ဝက်လောက်က အဝေးပြေးလမ်းမကြီးပေါ်မှာ ယာဉ်ကြောပိတ်ဆို့မှုတွေ ဖြစ်ကုန်မယ်။

အခြားတစ်ဖက်တွင်၊ မိုးရွာခြင်း၏မဖြစ်စလောက်ဖြစ်နိုင်ခြေကိုရရှိရန် ကျွန်ုပ်တို့သည် တူညီသောလုပ်ထုံးလုပ်နည်းကိုအသုံးပြုရမည်၊ ဆိုလိုသည်မှာ မိုးရွာသည့်အချိန်အခါအားလုံးကို ပေါင်းထည့်ကာ စုစုပေါင်းလေ့လာချက်အရေအတွက်ဖြင့် ပိုင်းခြားပါ။

P(\text{lluvia})=\cfrac{8+3}{30}=\cfrac{11}{30}=0,37

မဖြစ်စလောက်ဖြစ်နိုင်ခြေနှင့် ပူးတွဲဖြစ်နိုင်ခြေ

marginal probability နှင့် joint probability အကြား ခြားနားချက် မှာ marginal probability သည် စုစုပေါင်း၏ အခွဲတစ်ခု ဖြစ်ပွားနိုင်ခြေဖြစ်ပြီး၊ joint probability သည် တစ်ချိန်တည်းတွင် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အဖြစ်အပျက်များ၏ ဖြစ်နိုင်ခြေကို ရည်ညွှန်းပါသည်။

ယခင်နမူနာကို လိုက်နာပါက တစ်နေ့တွင် မိုးရွာပြီး ယာဉ်ကြောပိတ်ဆို့မှုဖြစ်နိုင်ခြေကို ကျွန်ုပ်တို့ တွေ့ရှိမည်ဖြစ်သည်။

မဖြစ်စလောက်နှင့် ပူးတွဲဖြစ်နိုင်ခြေ ဥပမာ

စုစုပေါင်း မိုးရွာသွန်းမှု ၁၁ ရက်နှင့် ၁၄ ရက်အတွင်း ယာဉ်ကြောပိတ်ဆို့မှုများ ရှိခဲ့သော် လည်း မိုးရွာသွန်းမှုမှာ ၈ ရက်သာ ရှိပြီး တစ်ပြိုင်နက် ယာဉ်ကြောပိတ်ဆို့မှု တစ်ကြိမ်သာ ရှိခဲ့သည်။ ထို့ကြောင့် မိုးရွာခြင်းနှင့် ယာဉ်ကြောပိတ်ဆို့မှုဖြစ်နိုင်ခြေသည် စုစုပေါင်းလေ့လာတွေ့ရှိချက် 30 ၏ 8 ခုဖြစ်နိုင်သည်-

P(\text{lluvia y atasco})=\cfrac{8}{30}=0,27

လွတ်လပ်သောဖြစ်ရပ်နှစ်ခု၏ ပူးတွဲဖြစ်နိုင်ခြေကို အခြားနည်းဖြင့် တွက်ချက်ကြောင်း မှတ်သားထားပါ။ ဤနေရာတွင်နှိပ်ခြင်းဖြင့် နမူနာများစွာကို သင်ကြည့်ရှုနိုင်သည်-

မဖြစ်စလောက် ဖြစ်နိုင်ခြေနှင့် အခြေအနေအရ ဖြစ်နိုင်ခြေ

Marginal probability နှင့် conditional (သို့မဟုတ် conditional) probability သည် မကြာခဏ ရှုပ်ထွေးလေ့ရှိသော အယူအဆ နှစ်ခုဖြစ်ပြီး ၎င်းတို့သည် လုံးဝကွဲပြားသော ဖြစ်နိုင်ခြေ အမျိုးအစား နှစ်ခုဖြစ်သည်။

marginal probability နှင့် conditional probability အကြား ခြားနားချက် မှာ marginal probability သည် data အစုခွဲတစ်ခု၏ ဖြစ်နိုင်ခြေကို ညွှန်ပြပြီး အခြားတစ်ဖက်တွင်၊ conditional probability သည် အခြားသော ဖြစ်ရပ်တစ်ခု ဖြစ်နေပြီဆိုလျှင် အဖြစ်အပျက်တစ်ခု၏ ဖြစ်နိုင်ခြေကို ရည်ညွှန်းသည်။ .

သို့သော်၊ အခြေအနေအရဖြစ်နိုင်ခြေသည် marginal probability ထက် တွက်ချက်ရန် အနည်းငယ် ပိုခက်ခဲသည်၊ ထို့ကြောင့် အခြေအနေအလိုက် ဖြစ်နိုင်ခြေကို တွက်ချက်ပုံအဆင့်ဆင့်ကို ရှင်းပြထားသည့် အောက်ပါ လက်တွေ့ကမ္ဘာနမူနာများကို သင်စစ်ဆေးနိုင်ပါသည်။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်