সংক্ষিপ্ত উত্তর:
মূলত এটি ১০ টির মধ্যে ছয়টির চেয়ে ১০০০ এর মধ্যে have০০ থাকা আরও দৃinc়প্রত্যয়ী কারণ সমান অগ্রাধিকার দিলে এলোমেলো সুযোগের ফলে ১০ এর মধ্যে 6 জনের সম্ভাবনা অনেক বেশি।
আসুন একটি অনুমান করা যাক - যে পরিমাণ কমলা এবং আপেল পছন্দ করে সেই অনুপাতটি আসলে সমান (সুতরাং, প্রতিটি 50%)। একে নাল অনুমান বলে। এই সমান সম্ভাবনাগুলি দেওয়া দুটি ফলাফলের সম্ভাবনা হ'ল:
- 10 জনের একটি নমুনা দেওয়া , এলোমেলোভাবে কমলা পছন্দ করে এমন 6 বা ততোধিক লোকের নমুনা পাওয়ার 38% সম্ভাবনা রয়েছে (যা সমস্ত সম্ভাবনা কম নয়)।
- ১০০০ জনের নমুনা সহ ১০০০ জনের মধ্যে 1000০০ বা তার বেশি সংখ্যক কমলার পছন্দ হওয়ার এক বিলিয়ন সম্ভাবনা রয়েছে।
(সরলতার জন্য আমি অসীম জনসংখ্যা ধরে নিচ্ছি যা থেকে সীমাহীন সংখ্যার নমুনা আঁকতে হবে)।
একটি সাধারণ ব্যয়
এই ফলাফলটি অর্জনের একটি উপায় হ'ল লোকেরা কীভাবে আমাদের নমুনায় একত্রিত করতে পারে সেই সম্ভাব্য উপায়গুলি তালিকাভুক্ত করা:
দশ জনের পক্ষে এটি সহজ:
আপেল বা কমলাগুলির জন্য সমান পছন্দ সহ অসীম জনসংখ্যার থেকে এলোমেলোভাবে 10 জনের নমুনা আঁকার বিষয়টি বিবেচনা করুন। সমান পছন্দগুলি সহ 10 জনের সমস্ত সম্ভাব্য সংমিশ্রনের তালিকাটি সহজভাবে করা সহজ:
এখানে সম্পূর্ণ তালিকা।
r C (n=10) p
10 1 0.09766%
9 10 0.97656%
8 45 4.39453%
7 120 11.71875%
6 210 20.50781%
5 252 24.60938%
4 210 20.50781%
3 120 11.71875%
2 45 4.39453%
1 10 0.97656%
0 1 0.09766%
1024 100%
r হ'ল ফলাফলের সংখ্যা (কমলা পছন্দ করে এমন লোকেরা), সি কমলা বেশি পছন্দ করে এমন লোকের সম্ভাব্য উপায়গুলির সংখ্যা এবং সি আমাদের নমুনায় কমলা পছন্দ করে এমন অনেকেরই এর বিচ্ছিন্ন সম্ভাবনা রয়েছে।
(পি মোট সংমিশ্রণের দ্বারা কেবল সি বিভক্ত Note দ্রষ্টব্য যে মোট দুটি দুটি পছন্দকে সাজানোর 1024 উপায় রয়েছে (অর্থাত 10 এর শক্তিতে 2)।
- উদাহরণস্বরূপ, কমলাগুলিকে পছন্দ করার জন্য 10 জনের জন্য কেবল একটি উপায় (একটি নমুনা) রয়েছে (r = 10) আপেল (r = 0) পছন্দ করে এমন সমস্ত লোকের ক্ষেত্রেও এটি একই।
- 10 টি বিভিন্ন কম্বিনেশন রয়েছে যার মধ্যে নয়টি কমলা পছন্দ করে। (প্রতিটি নমুনায় আলাদা আলাদা ব্যক্তি আপেল পছন্দ করেন)।
- 45 টি নমুনা (সংমিশ্রণ) রয়েছে যেখানে 2 জন আপেল ইত্যাদি পছন্দ করে etc.
(প্রায় সাধারণ আমরা আলাপ ইন এন সি আর ফলাফল সমন্বয় r একটি নমুনা থেকে এন মানুষ। অনলাইন ক্যালকুলেটর আপনি এই নম্বরগুলি যাচাই করার জন্য ব্যবহার করতে পারেন নেই।)
এই তালিকাটি আমাদের কেবলমাত্র বিভাগ ব্যবহার করে উপরের সম্ভাব্যতাগুলি সরবরাহ করতে দেয়। নমুনায় কমপক্ষে (সংমিশ্রনের 1024 এর মধ্যে 210) পছন্দ করে এমন 6 জন লোকের নমুনায় থাকার 21% সম্ভাবনা রয়েছে। আমাদের নমুনায় ছয় বা আরও বেশি লোক পাওয়ার সম্ভাবনা 38% (ছয় বা আরও বেশি লোকের সাথে সমস্ত নমুনার যোগফল বা 1024 টির মধ্যে 386)।
গ্রাফিক্যালি, সম্ভাব্যতাগুলি দেখতে এইরকম:
বড় সংখ্যা সহ, সম্ভাব্য সংমিশ্রণের সংখ্যা দ্রুত বৃদ্ধি পায় grows
মাত্র 20 জনের একটি নমুনার জন্য 1,048,576 সম্ভাব্য নমুনা রয়েছে, সমস্ত সমান সম্ভাবনা সহ। (দ্রষ্টব্য: আমি কেবল নীচে প্রতিটি দ্বিতীয় সংমিশ্রণটি দেখিয়েছি)।
r C (n=20) p
20 1 0.00010%
18 190 0.01812%
16 4,845 0.46206%
14 38,760 3.69644%
12 125,970 12.01344%
10 184,756 17.61971%
8 125,970 12.01344%
6 38,760 3.69644%
4 4,845 0.46206%
2 190 0.01812%
0 1 0.00010%
1,048,576 100%
এখনও একটি মাত্র নমুনা রয়েছে যেখানে সমস্ত 20 জন কমলা পছন্দ করে। মিশ্র ফলাফলগুলি সমন্বিত বৈশিষ্ট্যগুলির সংমিশ্রণগুলি আরও বেশি সম্ভাবনাযুক্ত, কেবলমাত্র কারণগুলি রয়েছে যে নমুনাগুলির লোকেরা একত্রিত হতে পারে ways
পক্ষপাতদুষ্ট নমুনাগুলি অনেক বেশি অসম্ভব, কেবলমাত্র কম লোকের সংমিশ্রণের কারণে এই নমুনাগুলির ফলাফল হতে পারে:
প্রতিটি নমুনায় মাত্র ২০ জন লোকের সাথে, আমাদের নমুনায় কমলা পছন্দ করে এমন sample০% বা তারও বেশি (12 বা ততোধিক) লোক থাকার সম্মিলিত সম্ভাবনা মাত্র 25% এ নেমে যায়।
সম্ভাব্যতা বিতরণ পাতলা এবং লম্বা হতে দেখা যেতে পারে:
1000 জনের সাথে সংখ্যা বিশাল
আমরা উপরের উদাহরণগুলি বৃহত্তর নমুনায় প্রসারিত করতে পারি (তবে সংখ্যাগুলি খুব দ্রুত বেড়ে যায় এটির জন্য সমস্ত সংমিশ্রনের তালিকা তৈরি করা সম্ভব হয়), পরিবর্তে আমি আর এর সম্ভাব্যতাগুলি গণনা করেছি:
r p (n=1000)
1000 9.332636e-302
900 5.958936e-162
800 6.175551e-86
700 5.065988e-38
600 4.633908e-11
500 0.02522502
400 4.633908e-11
300 5.065988e-38
200 6.175551e-86
100 5.958936e-162
0 9.332636e-302
১০০০ জনের মধ্যে or০০ বা তার বেশি সংখ্যক কমলার পছন্দের সম্ভাবনা হ'ল মাত্র ১.৩64৪৩২২ ই -10।
সম্ভাব্যতা বিতরণ এখন কেন্দ্রের আশেপাশে আরও অনেক বেশি কেন্দ্রীভূত:
[
(উদাহরণস্বরূপ, আর ব্যবহারের মধ্যে কমলা পছন্দ করে এমন 1000 জনের মধ্যে ঠিক 600 জনের সম্ভাবনা গণনা করার জন্য dbinom(600, 1000, prob=0.5)
যা 4.633908e-11 সমান, এবং 600 বা তার বেশি লোকের সম্ভাবনা 1-pbinom(599, 1000, prob=0.5)
, যা সমান 1.364232e-10 (এক বিলিয়নে 1 এরও কম))।