TN Online Testசமச்சீர் கல்விப் பயிற்சி

மாதிரிப்பரவல் அடிப்படையிலான சோதனைகள் - I: 12ஆம் வகுப்பு புள்ளியியல் MCQ

12ஆம் வகுப்பு · புள்ளியியல் · #2

பன்னிரண்டாம் வகுப்பு புள்ளியியல் பாடம் 2, சிறு கூறுகளுக்கான சோதனைகளை விளக்குகிறது: ஒரு சராசரிக்கான ஸ்டூடண்ட் t-சோதனை, ஒருங்கிணைந்த திட்டவிலக்கம் கொண்டு இரு சார்பற்ற சராசரிகளுக்கான சோதனை, இணை t-சோதனை, மேலும் மாறுபாட்டளவை, பண்புகளின் சார்பற்ற தன்மை, பொருத்துதலின் செம்மைத்தன்மை ஆகியவற்றுக்கான கைவர்க்க சோதனைகள். ஈருறுப்பு, பாய்ஸான் பரவல்களைப் பொருத்துதலும் இதில் இடம்பெறுகிறது.

இந்தப் பாடத்தைப் படியுங்கள்

முந்தைய பொதுத் தேர்வுகளில் கேட்கப்பட்டவை

இந்தப் பாடத்திலிருந்து 4 வினாக்கள் 4 முந்தைய பொதுத் தேர்வுகளில் கேட்கப்பட்டன. விடையையும் விளக்கத்தையும் காண எந்த வினாவையும் திறக்கவும்.

  1. மார்ச் 2026
    கட்டின்மை கூறுகள் n உடைய கை வர்க்க சோதனையின் மாறுபாடு :
    விடையுடன் வினாத்தாளில் பார் →
  2. மார்ச் 2025
    ஒரு இயல்நிலை முழுமைதொகுதியின் மாறுபாட்டளவை சார்ந்த கருதுகோளை சோதிப்பதற்கு __________ பயன்படுத்தப்படுகிறது.
    விடையுடன் வினாத்தாளில் பார் →
  3. மார்ச் 2023
    5 × 4 வரிசையுடைய நேர்வுப் பட்டியலுக்கான கைவர்க்க சோதனையின் கட்டின்மைக் கூறுகள் :
    விடையுடன் வினாத்தாளில் பார் →
  4. மார்ச் 2020
    கட்டின்மை கூறுகள் n உடைய கை-வர்க்க சோதனையின் மாறுபாடு :
    விடையுடன் வினாத்தாளில் பார் →

மாதிரிப்பரவல் அடிப்படையிலான சோதனைகள் – I பற்றி

நடுத்தரம் ~70 நிமிடப் படிப்பு

மாதிரிப்பரவல் அடிப்படையிலான சோதனைகள் - I என்பது தமிழ்நாடு மாநிலப் பாடத்திட்டத்தின் 12ஆம் வகுப்பு புள்ளியியல் நூலின் இரண்டாவது பாடம். "ஸ்டூடண்ட்" என்ற புனைபெயரில் ஆய்வுகளை வெளியிட்ட W.S. காஸ்ஸட் பற்றிய குறிப்புடன் தொடங்கும் இப்பாடம், மாதிரி அளவு 30 ஐ விடக் குறைவாக இருக்கும்போது பெருங்கூறு முறைகள் ஏன் பொருந்தாது என்பதை விளக்குகிறது.

முதல் பகுதி ஸ்டூடண்ட் t-பரவல், அதன் பண்புகள், பயன்பாடுகள் ஆகியவற்றைக் கூறுகிறது: மாறுபாட்டளவை தெரியாத நிலையில் ஒரு சராசரிக்கான சோதனை, ஒருங்கிணைந்த திட்டவிலக்கம் கொண்டு இரு சராசரிகளின் சமனித் தன்மைச் சோதனை, ஒட்டுறவுடைய மாதிரிகளுக்கான இணை t-சோதனை. இரண்டாம் பகுதி கார்ல் பியர்சானின் 1900 ஆய்வுக்கட்டுரையுடன் கைவர்க்கப் பரவலையும் அதன் சோதனைகளையும் விவரிக்கிறது.

இப்பக்கத்தில் பாட இறுதி ஒரு மதிப்பெண் வினாக்கள் படிநிலைத் தீர்வுகளுடனும், மாதிரிப் பண்பளவைகள், கட்டின்மை கூறுகள், எதிர்பார்க்கப்படும் நிகழ்வெண்கள், மறுக்கும் விதிகள் பற்றிய கூடுதல் வினாக்களுடனும் தொகுக்கப்பட்டுள்ளன.

நீங்கள் கற்பவை

  • ஸ்டூடண்ட் t-பரவலின் வரையறையையும் பண்புகளையும் கூறுதல்.
  • மாறுபாட்டளவை தெரியாத நிலையில் சிறு கூறு கொண்டு இயல்நிலை முழுமைத்தொகுதியின் சராசரியைச் சோதித்தல்.
  • சார்பற்ற மாதிரிகள், இணை மாதிரிகள் கொண்டு இரு சராசரிகளின் சமனித் தன்மையைச் சோதித்தல்.
  • இயல்நிலை முழுமைத்தொகுதியின் மாறுபாட்டளவையைக் கைவர்க்க சோதனையால் சோதித்தல்.
  • m x n நேர்வுப்பட்டியலிலிருந்து பண்புகளின் சார்பற்ற தன்மையைச் சோதித்தல்.
  • ஈருறுப்பு, பாய்ஸான் மற்றும் விகித அடிப்படைப் பரவல்களின் பொருத்துதலின் செம்மைத்தன்மையைச் சோதித்தல்.

தொடங்குவதற்கு முன்

  • பாடம் 1 இல் கற்ற மிகைகாண் சோதனைகள், கருதுகோள்கள், மிகைகாண் நிலை, மறுக்கும் பகுதி.
  • மாதிரியின் சராசரி, திட்டவிலக்கம், மாறுபாட்டளவை.
  • 11ஆம் வகுப்பில் கற்ற ஈருறுப்பு, பாய்ஸான் பரவல்கள்.

இந்த அத்தியாயத்தில் உள்ள தலைப்புகள்

ஸ்டூடண்ட் t-பரவல் ஸ்டூடண்ட் என்ற புனைபெயரில் W.S. காஸ்ஸட் கண்டறிந்தது; பூஜ்ஜியத்தைப் பொறுத்து சமச்சீரானது, இயல்நிலைப் பரவலை விட முனைகளில் அதிக பரப்புடையது.
ஒரு சராசரிக்கான t-சோதனை மாறுபாட்டளவை தெரியாத இயல்நிலை முழுமைத்தொகுதியில் \( H_0 : \mu = \mu_0 \) ஐ n-1 கட்டின்மை கூறுகளுடன் சோதித்தல்.
இரு மாதிரி t-சோதனை சமமான, தெரியாத மாறுபாடுகளுடைய இரு சார்பற்ற சராசரிகளை ஒருங்கிணைந்த திட்டவிலக்கம், m+n-2 கட்டின்மை கூறுகள் கொண்டு ஒப்பிடுதல்.
இணை t-சோதனை பயிற்சிக்கு முன், பின் போன்ற சோடியாக ஒட்டுறவுடைய உறுப்புகளின் வேறுபாடுகள் \( d_i \) கொண்டு n-1 கட்டின்மை கூறுகளுடன் சோதித்தல்.
கைவர்க்கப் பரவல் தொடர் பரவல், n என்ற ஒரே பண்பளவை, கூட்டல் பண்பு; திட்ட இயல்நிலை மாறியின் வர்க்கம் 1 கட்டின்மை கூறு உடைய கைவர்க்க மாறி.
மாறுபாட்டளவைச் சோதனை சராசரி தெரியாத நிலையில் \( \chi^2 = (n-1)s^2/\sigma_0^2 \), n-1 கட்டின்மை கூறுகள்.
பண்புகளின் சார்பற்ற தன்மை நேர்வுப்பட்டியல், எதிர்பார்க்கப்படும் நிகழ்வெண் \( R_i C_j / N \), (m-1)(n-1) கட்டின்மை கூறுகள், 2 x 2 அட்டவணைக்கான சூத்திரம்.
பொருத்துதலின் செம்மைத்தன்மை ஈருறுப்பு, பாய்ஸான் பரவல்களை மறுநிகழ்வு சூத்திரங்களுடன் பொருத்துதல், சிறு பிரிவுகளைச் சேர்த்தல், k-1-s கட்டின்மை கூறுகள்.

மாதிரிப்பரவல் அடிப்படையிலான சோதனைகள் – I — விரிவான விளக்கம்

பாடத்தின் உள்ளடக்கம்

ஸ்டூடண்ட் t-பரவல்

X திட்ட இயல்நிலை மாறி, Y என்பது n கட்டின்மை கூறுகள் கொண்ட சார்பற்ற கைவர்க்க மாறி எனில் \( X/\sqrt{Y/n} \) என்பது n கட்டின்மை கூறுகள் கொண்ட t-பரவலைப் பெறும். இது பூஜ்ஜியத்தைப் பொறுத்து சமச்சீரானது; முனைப்பகுதிகளில் அதிக பரப்புடையது; கட்டின்மை கூறுகள் அதிகமாகும்போது N(0,1) ஐ நெருங்குகிறது.

சிறு கூறுகளுக்கான t-சோதனைகள்

  • ஒரு சராசரி: \( t = \dfrac{\bar{x}-\mu_0}{s/\sqrt{n}} \), n-1 கட்டின்மை கூறுகள்.
  • இரு சார்பற்ற சராசரிகள்: \( t = \dfrac{\bar{x}-\bar{y}}{s_p\sqrt{1/m+1/n}} \), m+n-2 கட்டின்மை கூறுகள்.
  • இணை t-சோதனை: \( t = \dfrac{\bar{d}}{s/\sqrt{n}} \), n-1 கட்டின்மை கூறுகள்.

கைவர்க்கப் பரவல்

திட்ட இயல்நிலை மாறியின் வர்க்கம் ஒரு கட்டின்மை கூறு உடைய கைவர்க்க மாறி. இது ஒரு தொடர் பரவல்; n என்ற ஒரே பண்பளவை கொண்டது; கூட்டல் பண்பு உடையது.

கைவர்க்க சோதனைகள்

  • மாறுபாட்டளவை: \( \chi^2 = (n-1)s^2/\sigma_0^2 \), n-1 கட்டின்மை கூறுகள்.
  • பண்புகளின் சார்பற்ற தன்மை: \( E_{ij} = R_i C_j / N \), (m-1)(n-1) கட்டின்மை கூறுகள்.
  • பொருத்துதலின் செம்மைத்தன்மை: \( \sum (O_i-E_i)^2/E_i \), k-1-s கட்டின்மை கூறுகள்; 5 ஐ விடக் குறைவான எதிர்பார்க்கப்படும் நிகழ்வெண்கள் அருகிலுள்ள பிரிவுடன் சேர்க்கப்படும்.

தவிர்க்க வேண்டிய பொதுவான தவறுகள்

  • ஒரு சராசரிக்கான t-சோதனையில் கட்டின்மை கூறுகளாக n-1 க்குப் பதிலாக n ஐ எடுத்தல்.
  • ஒருங்கிணைந்த மாறுபாட்டளவையில் m+n-2 க்குப் பதிலாக m+n ஆல் வகுத்தல்.
  • பயிற்சிக்கு முன், பின் தரவுகளுக்கு இணை t-சோதனைக்குப் பதிலாக இரு மாதிரி t-சோதனையைப் பயன்படுத்துதல்.
  • நேர்வுப்பட்டியலின் கட்டின்மை கூறுகளுக்கு (m-1)(n-1) க்குப் பதிலாக கட்டங்களின் எண்ணிக்கையை எடுத்தல்.
  • 5 ஐ விடக் குறைவான எதிர்பார்க்கப்படும் நிகழ்வெண்களைச் சேர்க்காமலும், k-1-s இல் மதிப்பிட்ட பண்பளவைகளைக் கழிக்காமலும் விடுதல்.

இவற்றை பயிற்சித் தேர்வு மூலம் சோதித்துப் பாருங்கள்; பிறகு விடையுடன் கூடிய வினாக்கள் பகுதியில் விரிவான விளக்கத்தைப் படியுங்கள்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

சிறு கூறுகளுக்கு t-பரவல் ஏன் பயன்படுகிறது?

மாதிரி அளவு 30 ஐ விடக் குறைவாக இருக்கும்போது மாதிரிப் பண்பளவைகளின் மாதிரிப் பரவல் இயல்நிலைப் பரவலிலிருந்து வேறுபட்டிருக்கும்; எனவே பாடம் 1 இன் பெருங்கூறு முறைகள் பொருந்தாது. முழுமைத்தொகுதி இயல்நிலையானதாகவும் அதன் மாறுபாட்டளவை தெரியாததாகவும் இருக்கும்போது W.S. காஸ்ஸட் கண்டறிந்த t-பரவல் பயன்படுகிறது.

t-பரவலின் பண்புகள் யாவை?

இது பூஜ்ஜியத்தைப் பொறுத்து சமச்சீரானது; மையப் பகுதியில் இயல்நிலைப் பரவல் உயரமானது, t-பரவல் பக்கவாட்டில் விரிந்து முனைப்பகுதிகளில் அதிக பரப்புடையது; X அச்சுக்குத் தொலைத்தொடுகோடாக அமைகிறது; அதன் வடிவம் கட்டின்மை கூறுகளைப் பொறுத்தது; அவை அதிகமாகும்போது திட்ட இயல்நிலைப் பரவலை நெருங்குகிறது.

இணை t-சோதனை எப்போது பயன்படுத்தப்படுகிறது?

பயிற்சிக்கு முன்னும் பின்னும் அதே நபர்களின் மதிப்பெண்கள் அல்லது விற்பனை போன்று இரு மாதிரிகளும் சோடியாக ஒட்டுறவு கொண்டிருக்கும்போது பயன்படுகிறது. வேறுபாடுகள் \( d_i \) கொண்டு \( t = \bar{d}/(s/\sqrt{n}) \) கணக்கிடப்படுகிறது; இது n-1 கட்டின்மை கூறுகள் கொண்ட t-பரவலைப் பெறும்.

ஒருங்கிணைந்த திட்டவிலக்கம் என்றால் என்ன?

சார்பற்ற மாதிரிகள் கொண்டு இரு சராசரிகளின் சமனித் தன்மையைச் சோதிக்கும்போது பொதுவான தெரியாத மாறுபாட்டளவை \( s_p^2 = \dfrac{(m-1)s_x^2+(n-1)s_y^2}{m+n-2} \) மூலம் மதிப்பிடப்படுகிறது. இதன் வர்க்கமூலமே ஒருங்கிணைந்த திட்டவிலக்கம்; இது t மாதிரிப் பண்பளவையின் பகுதியில் இடம்பெறுகிறது.

பண்புகளின் சார்பற்ற தன்மைக்கான கைவர்க்க சோதனையின் நிபந்தனைகள் யாவை?

மொத்த நிகழ்வெண் N போதுமான அளவு பெரியதாக, அதாவது 50 ஐ விட அதிகமாக இருக்க வேண்டும்; எதிர்பார்க்கப்படும் எந்தக் கட்ட நிகழ்வெண்ணும் 5 ஐ விடக் குறைவாக இருக்கக் கூடாது. எதிர்பார்க்கப்படும் நிகழ்வெண் = நிரையின் மொத்தம் x நிரலின் மொத்தம் / மாதிரி அளவு.

பொருத்துதலின் செம்மைத்தன்மை சோதனையில் கட்டின்மை கூறுகள் எவ்வாறு கணக்கிடப்படுகின்றன?

கட்டின்மை கூறுகள் k-1-s; இங்கு k என்பது எதிர்பார்க்கப்படும் நிகழ்வெண் 5 ஐ விடக் குறைவான பிரிவுகளைச் சேர்த்த பின் உள்ள பிரிவுகளின் எண்ணிக்கை, s என்பது தரவிலிருந்து மதிப்பிடப்பட்ட பண்பளவைகளின் எண்ணிக்கை. p மதிப்பிடப்படும் ஈருறுப்பு, சராசரி மதிப்பிடப்படும் பாய்ஸான் பொருத்துதலில் s = 1.

கடைசியாகப் புதுப்பிக்கப்பட்டது 28 அக்டோபர் 2026

புள்ளியியல் பாடத்தின் மற்ற பாடங்கள்

அனைத்தையும் பார்க்க
1 மிகைகாண் சோதனைகள் – அடிப்படைக் கோட்பாடுகளும் பெருங்கூறு சோதனைகளும் 3 மாதிரிப்பரவல் அடிப்படையிலான சோதனைகள் – II 4 ஒட்டுறவு பகுப்பாய்வு 5 உடன்தொடர்பு பகுப்பாய்வு 6 குறியீட்டு எண்கள் 7 காலத்தொடர்வரிசையும் முன்கணிப்பும் 8 வாழ்நிலைப் புள்ளியியலும் நிர்வாகப் புள்ளியியலும்