نارمل تقسیم کی بصیرت: گھنٹی نما منحنی ہر جگہ کیوں ہوتا ہے

گھنٹی نما منحنی پوری شماریات میں سب سے زیادہ دہرایا جانے والا نمونہ ہے — قد، IQ اسکور، پیمائش کا شور، اور درجنوں قدرتی مظاہر کسی اوسط کے گرد جمع ہوتے ہیں اور متوازی طور پر باریک ہوتے جاتے ہیں۔ یہ مضمون آپ کو پہلے بصیرت دیتا ہے، پھر وہ فارمولے جن کی آپ کو واقعی ضرورت ہوتی ہے۔

"نارمل" کا کیا مطلب ہے

ایک تصادفی متغیر $X$ اوسط $\mu$ اور معیاری انحراف $\sigma$ کے ساتھ نارمل تقسیم رکھتا ہے جب اس کی کثافت اس فارمولے کی پیروی کرتی ہے:

$f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left(-\frac{(x - \mu)^2}{2\sigma^2}\right)$

اسے رٹیں نہیں — جو اہم ہے وہ شکل ہے: $\mu$ کے گرد متوازی، وہاں سب سے بلند، اور تیزی سے گرتی ہوئی، جہاں دو سگما پہلے ہی واضح طور پر غیرمعمولی ہو جاتا ہے۔

یہ ہر جگہ کیوں ہے؟ مرکزی حدی مبرہنہ

مرکزی حدی مبرہنہ (CLT) ہی اس کی وجہ ہے۔ یہ کہتی ہے: بہت سے آزاد تصادفی اثرات کی اوسط نارمل تقسیم کی طرف مائل ہوتی ہے، چاہے ہر انفرادی اثر کیسا بھی نظر آئے۔

مثال کے طور پر، قد سینکڑوں جینیاتی اور ماحولیاتی عوامل سے طے ہوتا ہے، جن میں سے ہر ایک ایک ننھا آزاد حصہ ڈالتا ہے۔ ان کا مجموعہ گھنٹی نما منحنی کے قریب ہوتا ہے۔

68-95-99.7 کا اصول

کسی بھی نارمل تقسیم کے لیے، $\mu$ یا $\sigma$ کچھ بھی ہو:

• ڈیٹا کا 68% $\mu \pm 1\sigma$ کے اندر آتا ہے
• 95% $\mu \pm 2\sigma$ کے اندر
• 99.7% $\mu \pm 3\sigma$ کے اندر

یہ تجرباتی اصول ہے۔ اسے یاد کر لیں — یہ امتحان کے زیادہ تر سوالات کا جواب 10 سیکنڈ میں دے دیتا ہے۔

حل شدہ مثال

امریکہ میں بالغ مردوں کے قد کا $\mu \approx 70$ انچ اور $\sigma \approx 3$ انچ ہے۔ کتنا حصہ مردوں کا قد 64 اور 76 انچ کے درمیان ہے؟

وہ حد $70 \pm 6 = 70 \pm 2\sigma$ ہے، چنانچہ 95%۔

Z-اسکور: کسی بھی نارمل کو معیاری بنانا

مختلف نارمل تقسیموں کے درمیان قدروں کا موازنہ کرنے کے لیے، z-اسکور میں تبدیل کریں:

$z = \frac{x - \mu}{\sigma}$

z-اسکور یہ ہے کہ "اوسط سے کتنے معیاری انحراف دور"۔ یہ آپ کو تمام مسائل کے لیے معیاری نارمل $N(0, 1)$ استعمال کرنے دیتا ہے، lookup ٹیبلز کے ذریعے (یا ہمارے کیلکولیٹر سے)۔

Z-اسکور کی مثال

ایک ٹیسٹ اسکور $x = 85$ جو $N(75, 5)$ سے آیا ہے۔ اس کا z-اسکور $z = (85 - 75)/5 = 2$ ہے۔ تجرباتی اصول کے مطابق، صرف $\approx 2.5\%$ اسکور اس سے زیادہ ہوتے ہیں۔

عام غلطیاں

• $\sigma$ اور $\sigma^2$ کو خلط ملط کرنا: معیاری انحراف بمقابلہ ویریئنس۔
• یہ فرض کرنا کہ سارا ڈیٹا نارمل ہے: ایسا نہیں ہے! آمدنی، فائل کے سائز، اور زلزلے کی شدت سخت طور پر جھکے ہوئے ہوتے ہیں۔ ہمیشہ پہلے ہسٹوگرام بنائیں۔
• خام اعداد کو تجرباتی اصول میں ڈالنا — پہلے z-اسکور میں تبدیل کریں۔

AI نارمل تقسیم سالور سے آزمائیں

نارمل تقسیم سالور استعمال کریں تاکہ درست احتمالات شمار کیے جا سکیں — آنکھ سے ٹیبل پڑھنے سے بہتر۔

متعلقہ حوالہ جات:

• معیاری انحراف کیلکولیٹر — پھیلاؤ کا پیرامیٹر
• Z-اسکور کیلکولیٹر — معیاری بنانے کے لیے
• اوسط / وسطانیہ / مدہ — مرکزی رجحان کی بنیادیں