ಸದಸ್ಯ:N.Aishwarya/ಅಂಕಿಅಂಶದ ಸಂಭವನೀಯತೆಯ ಸಿದ್ಧಾಂತ: ಪರಿಷ್ಕರಣೆಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸ

Content deleted Content added
No edit summary
No edit summary
೧ ನೇ ಸಾಲು:
= '''<big><u>ಅಂಕಿಅಂಶದ ವಿತರಣಾಸಂಭವನೀಯತೆಯ ಸಿದ್ಧಾಂತ(Probability Theory)</u></big>''' =
 
 
೬ ನೇ ಸಾಲು:
 
ಸಂಭವಿಸಬಹುದಾದ ಘಟಣೆಗಳಾದ ಭೂಕಂಪಗಳು, ಚಂಡಮಾರುತಗಳು,ಸುನಾಮಿ, ಮಿಂಚು ಇತ್ಯಾದಿಗಳನ್ನು ಭವಿಷ್ಯ ನುಡಿಯಲಾಗುವುದಿಲ್ಲ. ನಾವು ಹಿಂದೆ ಸಂಭವಿಸಿದ ಘಟಣೆಗಳ ಆಧಾರದ ಮೇಲೆ ಇಂತಹ ಘಟಣೆಗಳನ್ನು ಮುಂಚಿತವಾಗಿಯೇ ಪ್ರತಿಪಾದಿಸಿದಾಗ ಮಾನವ ಸಮಾಜಕ್ಕೆ ಆಗಬಹುದಾದ ಅನಾಹುತಗಳನ್ನು ತಡೆಗಟ್ಟಬಹುದು. ಇಂತಹ ಸಂಭವಿಸಬಹುದಾದ ಘಟಣೆಗಳನ್ನು ಮುಂಚಿತವಾಗಿಯೇ ಪ್ರತಿಪಾದಿಸುವುದಕ್ಕೆ ಸಂಭವನೀಯತೆಯ ಸಿದ್ದಾಂತದ ಅಧ್ಯಯನದ ಅವಶ್ಯಕವಾಗಿದೆ.
 
 
 
ಲ್ಯಾಪ್ಲ್ಯಾಸ್ ರವರನ್ನು ಪರ್ವ ಕಾಲಿಕ ಶ್ರೇಷ್ಠ ವಿಜ್ಞಾನಿ ಎಂದು ತಿಳಿಯಲಾಗಿದ. ಇವರನ್ನು ಫ್ರೆಂಚಿನ ನ್ಯೂಟೋನ್ ಎಂದು ಸಹ ಕರೆಯುತ್ತಾರೆ.
 
೧೮೧೨ ರಲಿ ಲ್ಯಾಪ್ಲ್ಯಾಸ್ ರವರು ಸಂಕ್ಯಾಶಾಸ್ತ್ರದಲ್ಲಿ ಹಲವಾರು ಮೂಲಭೂತ ಫಲಿತಾಂಶಗಳನ್ನು ಸಿದ್ದಪಡಿಸಿದರು. ಇವರು ಸಂಭವನೀಯತೆಯ ತತ್ವಗಳನ್ನು ಪರಿಚಯಿಸಿದರು.
 
ಅವುಗಳಲ್ಲೊಂದು "ಸಂಭವನೀಯತೆಯು ಪರವಾದ ಘಟನೆಗಳು ಮತ್ತು ಸಂಭವಿಸಬಹುದಾದ ಒಟ್ಟು ಘಟನೆಗಳ ಅನುಪಾತ" ಆಗಿದೆ.
 
<br />
 
ಗಣಿತಶಾಸ್ತ್ರಜ್ಣರು "ಪ್ರಯೋಗ" ಮತ್ತು "ಫಲಿತಾಂಶ" ಎಂಬ ಪದಗಳನ್ನು ವಿಶಾಲ ಅರ್ಥದಲ್ಲಿ ಬಳಿಸಿದ್ದಾರೆ.
 
ವೀಕ್ಷಣೆಯ ಅಥವಾ ಅಳತೆಯ ಯಾವುದೇ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪ್ರಯೋಗ ಎಂದು ಕರೆಯುತ್ತಾರೆ. ನವಜಾತ ಶಿಶುವು ಗಂಡೋ ಅಥವಾ ಹೆಣ್ಣೋ, ನಾಣ್ಯವನ್ನು ಚಿಮ್ಮುವುದು, ವಿವಿಧ ಬಣ್ಣಗಳ ಚೆಂಡುಗಳನ್ನು ಒಳಗೊಂಡ ಬ್ಯಾಗಿನಿಂದ ಒಂದು ಚೆಂಡನ್ನು ಆರಿಸಿಕೊಳ್ಳುವುದು ಮತ್ತು ಒಂದು ದಿನದಲ್ಲಿ ಒಂದು ನಿದಿ೯ಷ್ಟ ಸ್ಥಳದಲ್ಲಿ ಉಂಟಾಗುವ ಅಪಘಾತಗಳನ್ನು ವೀಕ್ಷಿಸುವುದು, ಇವುಗಳೆಲ್ಲವೂ ಪ್ರಯೋಗಗಳಿಗೆ ಲೆಲವು ಉದಾಹರಣೆಗಳಾಗಿವೆ.
 
<br />
 
= ''<u>ವ್ಯಾಖ್ಯಾನಗಳು:</u>'' =
ಸಂಭವನೀಯತೆಯು ಯಾವಾಗಲೂ ಸಂಭವಿಸುವ ಅಥವಾ ಸಂಭವಿಸಿದ ಘಟನೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದುದಾಗಿದೆ. ಸಂಭವನೀಯತೆಯ ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಿರುವ ಯಾದೃಚ್ಛಿಕ ಪ್ರಯೋಗ, ಪ್ರಯತ್ನ, ಫಲಿತಾಂಶ ಗಣ ಮತ್ತು ವಿವಿಧ ಬಗೆಯ ಘಟನೆಗಳನ್ನು ನಾವು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ:
ರಾಂಡಮ್ ವೇರಿಯಬಲ್ (Y) 'ವೈ' ಎಂಬುದು ಒಂದು ಮಾದರಿ ಜಾಗದ ಮ್ಯಾಪಿಂಗ್‌ನ ಫಲಿತಾಂಶ, ಇದು ಪ್ರಯೋಗದ ಪ್ರಿಲಿಮಿನರಿ ಫಲಿತಾಂಶಗಳನ್ನು ನೈಜ ರೇಖೆಗೆ ಒಳಗೊಂಡಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಪ್ರಯೋಗವು ‘ತಲೆ’ ಅಥವಾ 'ಟೈಲ್ಸ್’ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ನಾಣ್ಯವನ್ನು ಎಸೆಯುವುದನ್ನು ಒಳಗೊಂಡಿದ್ದರೆ ಮತ್ತು ನಾವು ನಾಣ್ಯವನ್ನು ಒಮ್ಮೆ ಟಾಸ್ ಮಾಡುತ್ತೇವೆ.
 
ಪ್ರಯೋಗವನ್ನು ಕೈಗೊಳ್ಳುವ ಮೊದಲೇ ನಿಖರವಾದ ಎಲ್ಲಾ ಸಾಧ್ಯತೆಯಿರುವ ಫಲಿತಾಂಶಗಳ ಗಣವನ್ನು ಫಲಿತಾಂಶ ಗಣ ಎಂದು ಕರೆಯುತ್ತೇವೆ.
 
ಫಲಿತಾಂಶ ಗಣವನ್ನು S ನಿಂದ ಸೊಚಿಸುತ್ತೇವೆ. ಪ್ರಯೋಗದ ಪ್ರತಿ ಪುನರಾವರತ೯ನೆಯನ್ನು ಪ್ರಯತ್ನ ಎಂದು ಕರೆಯುತ್ತಾರೆ.
 
ಫಲಿತಾಂಶ ಗಣ S ನ ಉಪಗಣವನ್ನು ಘಟನೆ ಎಂದು ಕರೆಯುತ್ತಾರೆ.
 
A ಯು S ನ ಉಪಗಣವಾಗಿರಲಿ. ಪ್ರಯೋಗವನ್ನು ಕೈಗೊಂಡಾಗ, A ನಲ್ಲಿರುವ ಒಂದು ಫಲಿತಾಂಶವು ಬಂದರೆ, ಆಗ ನಾವು ಘಟನೆ A ಯು ಸಂಭವಿಸಿದೆ ಎಂದು ಹೇಳುತ್ತೇವೆ.
 
 
ಕೆಲವು ಉದಾಹರನೆಗಳಿಂದ ಯಾದೃಚ್ಛಿಕ ಪ್ರಯೋಗ, ಫಲಿತಾಂಶ ಗಣ, ಘಟನೆಗಳನ್ನು ನಾವು ದೃಷ್ಟಾಂತಿಕತೆ:
{| class="wikitable"
|+
!ಯಾದೃಚ್ಛಿಕ ಪ್ರಯೋಗ
!ಫಲಿತಾಂಶ ಗಣ
!ಕೆಲವು ಘಟನೆಗಳು
|-
|ನಿಷ್ಟಕ್ಷಪಾತವಾದ ಒಂದು ನಾಣ್ಯವನ್ನು ಒಂದು ಬಾರಿ ಚಿಮ್ಮುವುದು.
|S = {H,T}
|ಶಿರ {H} ಸಂಭವಿಸುವುದು ಒಂದು ಘಟನೆಯಾಗಿದೆ. ಪುಚ್ಛ {T} ಸಂಭವಿಸುವುದು ಇನ್ನೊಂದು ಘಟನೆಯಾಗಿದೆ.
|-
|ನಿಷ್ಟಕ್ಷಪಾತವಾದ ಒಂದು ದಾಳವನ್ನು ಒಂದು ಬಾರಿ ಉರುಳಿಸುವುದು..
|S = {1,2,3,4,5,6}
|{1,3,5},{2,4,6},{3} ಮತ್ತು {6} ಕೆಲವು ಘಟನೆಗಳಾಗಿವೆ.
|}
 
 
<u>ಘಟನೆಗಳು:</u>
 
೧. ಸಮಾನವಾಗಿ ಸಂಭವಿಸಬಹುದಾದ ಘಟನೆಗಳು
 
ಎರಡು ಅಥವಾ ಹೆಚ್ಚು ಘಟನೆಗಳನ್ನು ಸಮವಾಫ಼ಗಿ ಸಂಭವಿಸಬಹುದಾದ ಘಟಣೆಗಳು ಎನ್ನಬೇಕಾದರೆ ಪ್ರತಿ ಘಟನೆಯು ಸಂಭವಿಸಬಹುದಾದ ಸಾಧ್ಯತೆಯು ಸಮವಾಗಿರಬೇಕು.
 
ಒಂದು ನಾಣ್ಯವನ್ನು ಚಿಮ್ಮುವ ಪ್ರಯೋಗದಲ್ಲಿ, ಶಿರ ಮತ್ತು ಪುಚ್ಛ ಬರುವುದು ಸಮನಾಗಿ ಸಂಭವಿಸಬಹುದಾದ ಘಟನೆಗಳಾಗಿವೆ.
 
=''<u>ರಾಂಡಮ್ (Random) ವೇರಿಯಬಲ್</u>''=
''<u>ರಾಂಡಮ್</u>'' ವೇರಿಯಬಲ್ 'Y' ಎಂದು ನಾಣ್ಯವನ್ನು ಎಸೆಯುವಾಗ ಪಡೆದ ‘ತಲೆಗಳ ಸಂಖ್ಯೆ’. X೧,....., x೨, ಅಥವಾ x೧, x೨.....ವಿಭಿನ್ನ ಮೌಲ್ಯಗಳ ಅನಂತ ಅ ಮಾತ್ರ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದರೆ ಯಾದೃಚ್ ರಾಂಡಮ್ ವೇರಿಯೇಬಲ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ(ಯೂನಿಕ್) ಎಂದು ಹೇಳಲಾಗುತ್ತದೆ. ಒಂದು ನಾಣ್ಯವನ್ನು ಒಮ್ಮೆ ಎಸೆಯುವ ಉದಾಹರಣೆಯಲ್ಲಿ, ಮೌಲ್ಯಗಳು 'Y' ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ೦ ಮತ್ತು ೧, ಆದ್ದರಿಂದ 'ತಲೆಗಳ ಸಂಖ್ಯೆ' ೦ ಮತ್ತು ೧ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರತ್ಯೇಕ ಯಾದೃಚ್ರಾಂಡಮ್ ವೇರಿಯೇಬಲ್ ಆಗಿದೆ.
 
ರಾಂಡಮ್ ವೇರಿಯಬಲ್ (Y) 'ವೈ' ಎಂಬುದು ಒಂದು ಮಾದರಿ ಜಾಗದ ಮ್ಯಾಪಿಂಗ್‌ನ ಫಲಿತಾಂಶ, ಇದು ಪ್ರಯೋಗದ ಪ್ರಿಲಿಮಿನರಿ ಫಲಿತಾಂಶಗಳನ್ನು ನೈಜ ರೇಖೆಗೆ ಒಳಗೊಂಡಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಪ್ರಯೋಗವು ‘ತಲೆ’"ಹೆಡ್ಸ್"(Heads) ಅಥವಾ 'ಟೈಲ್ಸ್’"ಟೈಲ್ಸ್"(Tails) ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ನಾಣ್ಯವನ್ನು ಎಸೆಯುವುದನ್ನು ಒಳಗೊಂಡಿದ್ದರೆ ಮತ್ತು ನಾವು ನಾಣ್ಯವನ್ನು ಒಮ್ಮೆ ಟಾಸ್ ಮಾಡುತ್ತೇವೆ.
 
ಪ್ರಯೋಗವು ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ.
 
ಉದಾ. ನಾಣ್ಯ, ತಲೆ "ಹೆಡ್ಸ್"(Heads)ಅಥವಾ ಟೈಲ್ಸ್ (ಬಾಲಗಳನ್ನುTails) ಟಾಸ್ ಮಾಡಿ ಮಾಡಿ ಬರುವ ಫಲಿತಾಂಶ.
 
<br />
 
= ''<u>ರಾಂಡಮ್ (Random) ವೇರಿಯೇಬಲ್ನ ವೇರಿಯಬಲ್ಸಂಭವನೀಯತೆ</u>'' =:
''<u>ರಾಂಡಮ್</u>'' ವೇರಿಯಬಲ್ 'Y' ಎಂದು ನಾಣ್ಯವನ್ನು ಎಸೆಯುವಾಗ ಪಡೆದ ‘ತಲೆಗಳ ಸಂಖ್ಯೆ’. X೧,....., x೨, ಅಥವಾ x೧, x೨.....ವಿಭಿನ್ನ ಮೌಲ್ಯಗಳ ಅನಂತ ಅ ಮಾತ್ರ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದರೆ ಯಾದೃಚ್ ವೇರಿಯೇಬಲ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ(ಯೂನಿಕ್) ಎಂದು ಹೇಳಲಾಗುತ್ತದೆ. ಒಂದು ನಾಣ್ಯವನ್ನು ಒಮ್ಮೆ ಎಸೆಯುವ ಉದಾಹರಣೆಯಲ್ಲಿ, ಮೌಲ್ಯಗಳು 'Y' ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ೦ ಮತ್ತು ೧, ಆದ್ದರಿಂದ 'ತಲೆಗಳ ಸಂಖ್ಯೆ' ೦ ಮತ್ತು ೧ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರತ್ಯೇಕ ಯಾದೃಚ್ ವೇರಿಯೇಬಲ್ ಆಗಿದೆ.
 
= ''<u>ಯಾದೃಚ್ ವೇರಿಯೇಬಲ್ನ ಸಂಭವನೀಯತೆ</u>'': =
ಈ ನಾಣ್ಯದೊಂದಿಗೆ ತಲೆ ಪಡೆಯುವ ಸಂಭವನೀಯತೆ p ಆಗಿದ್ದರೆ (ಮತ್ತು ಆದ್ದರಿಂದ ಬಾಲವನ್ನು ಪಡೆಯುವ ಸಂಭವನೀಯತೆ ೧ - p), ಆಗ Y = 0 ಎಂದರೆ ೧- p ಆಗಿರುವ ಸಂಭವನೀಯತೆ ಮತ್ತು Y = ೧ p ಆಗಿರುತ್ತದೆ . ಇದು ನಮಗೆ Y ನ ವಿತರಣೆಯನ್ನು ನೀಡುತ್ತದೆ, ಮತ್ತು Y ಗೆ ಸಂಭವನೀಯ ಕಾರ್ಯವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ ಎಂದು ನಾವು ಹೇಳಬಹುದು.
 
Line ೨೭ ⟶ ೭೭:
 
P (Y = ೧) = p
 
 
= ''<u>ವಿಭಿನ್ನ ಪ್ರಯೋಗ :</u>'' =
ನಾಣ್ಯವನ್ನು ಎರಡು ಬಾರಿ ಎಸೆಯುವುದನ್ನು ನಾವು ಪರಿಗಣಿಸುವುದರ ಮೂಲಕ ಮತ್ತು ಯಾದೃಚ್ರಾಂಡಮ್ ವೇರಿಯಬಲ್ ಎಕ್ಸ್ (ಈಗ) ಅನ್ನು ಪಡೆದ ತಲೆಗಳ ಸಂಖ್ಯೆ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತೇವೆ. X ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ಮೌಲ್ಯಗಳು ಅನುಕ್ರಮವಾಗಿ ೦, ೧ ಮತ್ತು ೨ ಸಂಭವನೀಯತೆಗಳೊಂದಿಗೆ (೧-p) ೨, ೨p (೧-p) ಮತ್ತು p^೨.
 
 
 
Line ೩೫ ⟶ ೮೭:
ಸಂಭವನೀಯತೆ ವಿತರಣೆಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಎರಡು ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
 
ಒಂದು೧. ಪ್ರತ್ಯೇಕ ಸಂಭವನೀಯತೆ ವಿತರಣೆ ಫಲಿತಾಂಶಗಳ ಸಂಭವನೀಯತೆಗಳ ಪ್ರತ್ಯೇಕ ಪಟ್ಟಿಯಿಂದ ಎನ್ಕೋಡ್ ಮಾಡಬಹುದು, ಇದನ್ನು ಸಂಭವನೀಯತೆ ದ್ರವ್ಯ-ರಾಶಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, ನಿರಂತರ ಸಂಭವನೀಯತೆ ವಿತರಣೆ (ಸಂಭವನೀಯ ಫಲಿತಾಂಶಗಳ ಸೆಟ್ ನಿರಂತರ ಶ್ರೇಣಿಯಲ್ಲಿ (ಉದಾ. ನೈಜ ಸಂಖ್ಯೆಗಳು), ನಿರ್ದಿಷ್ಟ ದಿನದ ತಾಪಮಾನದಂತಹ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಸನ್ನಿವೇಶಗಳಿಗೆ ಅನ್ವಯಿಸುತ್ತದೆ) ಸಾಮಾನ್ಯವಾಗಿ ಸಂಭವನೀಯತೆ ಕಾರ್ಯಗಳಿಂದ ವಿವರಿಸಲಾಗುತ್ತದೆ (ಯಾವುದೇ ವೈಯಕ್ತಿಕ ಫಲಿತಾಂಶದ ಸಂಭವನೀಯತೆಯು ವಾಸ್ತವವಾಗಿ 0 ಆಗಿರುತ್ತದೆ).
 
೨. ಮಾದರಿ ಸ್ಥಳವನ್ನು ಒಂದು ತರಹದ (ಉದಾಹರಣೆಗೆ ನೈಜ ಸಂಖ್ಯೆಗಳು, ಲೇಬಲ್‌ಗಳ ಪಟ್ಟಿ, ಆದೇಶಿಸಿದ ಲೇಬಲ್‌ಗಳು ಅಥವಾ ಬೈನರಿ) ಸಂಭವನೀಯ ವಿತರಣೆಯನ್ನು ಏಕರೂಪ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ, ಆದರೆ ಮಾದರಿ ಸ್ಥಳವು ಆಯಾಮ ೨ ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ವೆಕ್ಟರ್ ಸ್ಥಳವಾಗಿರುವ ವಿತರಣೆಯನ್ನು ಮಲ್ಟಿವೇರಿಯೇಟ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಏಕರೂಪದ ವಿತರಣೆಯು ವಿವಿಧ ಯಾದೃಚ್ ವೇರಿಯೇಬಲ್ನ ಸಂಭವನೀಯತೆಗಳನ್ನು ವಿವಿಧ ಪರ್ಯಾಯ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ; ಮಲ್ಟಿವೇರಿಯೇಟ್ ವಿತರಣೆ (ಜಂಟಿ ಸಂಭವನೀಯತೆ ವಿತರಣೆ) ಯಾದೃಚ್ ವೆಕ್ಟರ್‌ನ ಸಂಭವನೀಯತೆಗಳನ್ನು ನೀಡುತ್ತದೆ - ಎರಡು ಅಥವಾ ಹೆಚ್ಚಿನ ಯಾದೃಚ್ ಅಸ್ಥಿರಗಳ ಪಟ್ಟಿ - ಮೌಲ್ಯಗಳ ವಿವಿಧ ಸಂಯೋಜನೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಪ್ರಮುಖ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಎದುರಾದ ಏಕರೂಪದ ಸಂಭವನೀಯತೆ ವಿತರಣೆಗಳಲ್ಲಿ ದ್ವಿಪದ ವಿತರಣೆ, ಹೈಪರ್‌ಜಿಯೊಮೆಟ್ರಿಕ್ ವಿತರಣೆ ಮತ್ತು ಸಾಮಾನ್ಯ ವಿತರಣೆ ಸೇರಿವೆ. ಮಲ್ಟಿವೇರಿಯೇಟ್ ಸಾಮಾನ್ಯ ವಿತರಣೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಎದುರಾದ ಮಲ್ಟಿವೇರಿಯೇಟ್ ವಿತರಣೆಯಾಗಿದೆ.
 
<br />
 
== <u>ವಿತರಣೆಗಳು:</u> ==
 
= ''<u>ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯ :</u>'' =
ನೈಜ ಸಾಲಿನಲ್ಲಿ ಸಂಭವನೀಯತೆ ವಿತರಣೆ ಪಿ ಅನ್ನು ಸ್ಕೇಲಾರ್ ಯಾದೃಚ್ ವೇರಿಯಬಲ್ ಎಕ್ಸ್ ಅರ್ಧ-ಮುಕ್ತ ಮಧ್ಯಂತರದಲ್ಲಿ (−∞, x] ಇರುವ ಸಂಭವನೀಯತೆಯಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯನ್ನು ಅದರ ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯದಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ನಿರೂಪಿಸಲಾಗಿದೆ.
 
= ''<u>೧. ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯ  :</u>'' =
= ''<u>ಪ್ರತ್ಯೇಕ ಸಂಭವನೀಯತೆ ವಿತರಣೆ:</u>'' =
ಡಿಸ್ಕ್ರೀಟ್ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯು ಸಂಭವನೀಯತೆ ದ್ರವ್ಯರಾಶಿಯಿಂದ ನಿರೂಪಿಸಲ್ಪಟ್ಟ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯಾಗಿದೆ. ಆದ್ದರಿಂದ, ಯಾದೃಚ್ ವೇರಿಯಬಲ್ ಎಕ್ಸ್ ವಿತರಣೆಯು ಪ್ರತ್ಯೇಕವಾಗಿದೆ, ಮತ್ತು ಎಕ್ಸ್ ಅನ್ನು ಡಿಸ್ಕ್ರೀಟ್ ಯಾದೃಚ್ ವೇರಿಯಬಲ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
 
ನೈಜ ಸಾಲಿನಲ್ಲಿ ಸಂಭವನೀಯತೆ ವಿತರಣೆ ಪಿ ಅನ್ನು ಸ್ಕೇಲಾರ್ ಯಾದೃಚ್ರಾಂಡಮ್ ವೇರಿಯಬಲ್ ಎಕ್ಸ್ ಅರ್ಧ-ಮುಕ್ತ ಮಧ್ಯಂತರದಲ್ಲಿ (−∞, x] ಇರುವ ಸಂಭವನೀಯತೆಯಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯನ್ನು ಅದರ ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯದಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ನಿರೂಪಿಸಲಾಗಿದೆ.
= ''<u>ನಿರಂತರ ಸಂಭವನೀಯತೆ ವಿತರಣೆ :</u>'' =
ನಿರಂತರ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯು ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯಾಗಿದ್ದು ಅದು ನಿರಂತರವಾಗಿ ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಹೆಚ್ಚಾಗಿ ಅವು ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆಯ ಕಾರ್ಯವನ್ನು ಹೊಂದುವ ಮೂಲಕ ಉತ್ಪತ್ತಿಯಾಗುತ್ತವೆ. ಗಣಿತಜ್ಞರು ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆಯ ಕಾರ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ವಿತರಣೆಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿರಂತರವೆಂದು ಕರೆಯುತ್ತಾರೆ, ಏಕೆಂದರೆ ಅವುಗಳ ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯವು ಲೆಬೆಸ್ಗು ಅಳತೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಸಂಪೂರ್ಣವಾಗಿ ನಿರಂತರವಾಗಿರುತ್ತದೆ. ಎಕ್ಸ್ ವಿತರಣೆಯು ನಿರಂತರವಾಗಿದ್ದರೆ, ಎಕ್ಸ್ ಅನ್ನು ನಿರಂತರ ಯಾದೃಚ್ ವೇರಿಯಬಲ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
 
ನಿರಂತರ ಸಂಭವನೀಯತೆ ಹಂಚಿಕೆಗಳಿಗೆ ಅನೇಕ ಉದಾಹರಣೆಗಳಿವೆ: ಸಾಮಾನ್ಯ, ಏಕರೂಪದ, ಚಿ-ವರ್ಗ ಮತ್ತು ಇತರರು.
 
= ''<u>೨. ಪ್ರತ್ಯೇಕ ಸಂಭವನೀಯತೆ ವಿತರಣೆ :</u>'' =
= ''<u>ಗುಣಲಕ್ಷಣಗಳು:</u>'' =
ಎರಡು ಸ್ವತಂತ್ರ ಯಾದೃಚ್ ಅಸ್ಥಿರಗಳ ಮೊತ್ತದ ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯು ಅವುಗಳ ಪ್ರತಿಯೊಂದು ವಿತರಣೆಗಳ ಕನ್ವಿಲೇಶನ್ ಆಗಿದೆ.
 
ಡಿಸ್ಕ್ರೀಟ್ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯು ಸಂಭವನೀಯತೆ ದ್ರವ್ಯರಾಶಿಯಿಂದ ನಿರೂಪಿಸಲ್ಪಟ್ಟ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯಾಗಿದೆ. ಆದ್ದರಿಂದ, ಯಾದೃಚ್ರಾಂಡಮ್ ವೇರಿಯಬಲ್ ಎಕ್ಸ್ ವಿತರಣೆಯು ಪ್ರತ್ಯೇಕವಾಗಿದೆ, ಮತ್ತು ಎಕ್ಸ್ ಅನ್ನು ಡಿಸ್ಕ್ರೀಟ್ ಯಾದೃಚ್ ವೇರಿಯಬಲ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಸಂಭವನೀಯತೆ ವಿತರಣೆಗಳು ರೇಖೀಯ ಸಂಯೋಜನೆಗಳ ಅಡಿಯಲ್ಲಿ ಮುಚ್ಚಲ್ಪಟ್ಟಿರುವ ವೆಕ್ಟರ್ ಸ್ಥಳವಲ್ಲ, ಏಕೆಂದರೆ ಇವುಗಳು ನಕಾರಾತ್ಮಕವಲ್ಲದ ಅಥವಾ ಒಟ್ಟು ಅವಿಭಾಜ್ಯತೆಯನ್ನು ಸಂರಕ್ಷಿಸುವುದಿಲ್ಲ ಆದರೆ ಅವು p ನ ಸಂಯೋಜನೆಯಡಿಯಲ್ಲಿ ಮುಚ್ಚಲ್ಪಡುತ್ತವೆ, ಹೀಗಾಗಿ ಕಾರ್ಯಗಳ (ಅಥವಾ ಅಳತೆಗಳ) ಸ್ಥಳದ ಪೀನ ಉಪವಿಭಾಗವನ್ನು ರೂಪಿಸುತ್ತದೆ.
 
=೩. ''<u>ನಿರಂತರ ಸಂಭವನೀಯತೆ ವಿತರಣೆ :</u>'' =
= ''<u>ಅರ್ಜಿಗಳು</u>'': =
 
ಸಂಭವನೀಯತೆ ವಿತರಣೆಯ ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಅವರು ವಿವರಿಸುವ ಯಾದೃಚ್ ಅಸ್ಥಿರಗಳು ಸಂಭವನೀಯತೆ ಸಿದ್ಧಾಂತದ ಗಣಿತದ ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ವಿಜ್ಞಾನಕ್ಕೆ ಆಧಾರವಾಗಿದೆ. ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಅಳೆಯಬಹುದಾದ ಯಾವುದೇ ಮೌಲ್ಯದಲ್ಲಿ ವ್ಯತ್ಯಾಸವಿದೆ (ಉದಾ. ಜನರ ಎತ್ತರ, ಲೋಹದ ಬಾಳಿಕೆ, ಮಾರಾಟದ ಬೆಳವಣಿಗೆ, ಸಂಚಾರ ಹರಿವು ಇತ್ಯಾದಿ); ಬಹುತೇಕ ಎಲ್ಲಾ ಅಳತೆಗಳನ್ನು ಕೆಲವು ಆಂತರಿಕ ದೋಷದಿಂದ ಮಾಡಲಾಗುತ್ತದೆ; ಭೌತಶಾಸ್ತ್ರದಲ್ಲಿ ಅನಿಲಗಳ ಚಲನ ಗುಣಲಕ್ಷಣಗಳಿಂದ ಮೂಲಭೂತ ಕಣಗಳ ಕ್ವಾಂಟಮ್ ಯಾಂತ್ರಿಕ ವಿವರಣೆಯವರೆಗೆ ಅನೇಕ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಸಂಭವನೀಯವಾಗಿ ವಿವರಿಸಲಾಗಿದೆ. ಈ ಮತ್ತು ಇತರ ಹಲವು ಕಾರಣಗಳಿಗಾಗಿ, ಪ್ರಮಾಣವನ್ನು ವಿವರಿಸಲು ಸರಳ ಸಂಖ್ಯೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಅಸಮರ್ಪಕವಾಗಿರುತ್ತವೆ, ಆದರೆ ಸಂಭವನೀಯತೆ ವಿತರಣೆಗಳು ಹೆಚ್ಚಾಗಿ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿರುತ್ತದೆ ಅಪ್ಲಿಕೇಶನ್‌ನ ಹಲವಾರು ನಿರ್ದಿಷ್ಟ ಉದಾಹರಣೆ ಸಂಗ್ರಹ ಭಾಷಾ ಮಾದರಿಗಳು ಮತ್ತು ಇತರ ಭಾಷೆಯ ಮಾದರಿಗಳು ನಿರ್ದಿಷ್ಟ ಭಾಷೆಗಳು ಮತ್ತು ಪದ ಅನುಕ್ರಮಗಳ ಸಂಭವಕ್ಕೆ ಸಂಭವನೀಯತೆಗಳನ್ನು ನಿಯೋಜಿಸಲು ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ.
ನಿರಂತರ ಸಂಭವನೀಯತೆ ವಿತರಣೆಯು ಸಂಭವನೀಯತೆಯ ವಿತರಣೆಯಾಗಿದ್ದು ಅದು ನಿರಂತರವಾಗಿ ಸಂಚಿತ ವಿತರಣಾ ಕಾರ್ಯವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಹೆಚ್ಚಾಗಿ ಅವು ಸಂಭವನೀಯತೆ ಸಾಂದ್ರತೆಯ ಕಾರ್ಯವನ್ನು ಹೊಂದುವ ಮೂಲಕ ಉತ್ಪತ್ತಿಯಾಗುತ್ತವೆ.
 
ನಿರಂತರ ಸಂಭವನೀಯತೆ ಹಂಚಿಕೆಗಳಿಗೆ ಅನೇಕ ಉದಾಹರಣೆಗಳಿವೆ: ಸಾಮಾನ್ಯ, ಏಕರೂಪದ, ಚಿ-ವರ್ಗ ಮತ್ತು ಇತರರು.
 
ಈ ರೀತಿ ಅಂಕಿಅಂಶದ ವಿತರಣಾ ಸಿದ್ಧಾಂತದ ಬಗ್ಗೆ ಇತ್ಯಾದಿ ವಿಷಯಗಳನ್ನು ನಾವು ಕಾಣ ಬಹುದು, ಮುಂತಾದುಹುಗಳನ್ನು ನಾವು ಮುಂದಿನ ಭಾಗದಲ್ಲಿ ತಿಳಿಯೋಣ.