Theory
एक toss से पूरे pattern तक
पिछले lesson ने अकेले सवालों का जवाब दिया: P(two heads) = 1/4।
नई तरह का सवाल: एक student 4-में-से-4 options वाले MCQs को blind-guess करता है। 0 सही होने की संभावना कितनी है? Exactly 1? Exactly 2? सभी 4?
एक probability नहीं: हर possible outcome की उसकी probability के साथ एक पूरी table। उस table का एक नाम है, एक probability distribution, और दो celebrity distributions इस subject को चलाते हैं: एक counting के लिए, एक measuring के लिए।
Theory
Chances का एक menu
एक distribution एक menu है: हर dish (possible value) अपनी price (probability) के साथ listed, और prices हमेशा exactly 1 तक total होती हैं।
दो menu styles मौजूद हैं:
- Discrete (binomial): finitely कई dishes: 0, 1, 2, 3, 4 सही guesses: हर एक का अपना price tag।
- Continuous (normal): infinitely fine dishes (height 167.4938... cm): अकेले dishes free हैं (P = 0); आप ranges के लिए pay करते हैं: curve के नीचे area।
Theory
Binomial: successes गिनना
Binomial का इस्तेमाल कीजिए जब सभी चार conditions सच हों:
- trials की एक fixed number n,
- हर trial के दो outcomes (success/failure),
- success probability p हर trial में वही,
- trials independent हैं।
फिर: P(X = k) = C(n, k) · pᵏ · (1-p)ⁿ⁻ᵏ
C(n, k) = n! / (k!(n-k)!) arrangements गिनता है (n में से कौन सी k trials succeed हुईं)। Mean = np, variance = np(1-p): एक जोड़ी के रूप में याद रखने लायक़।
Theory
हल किया गया: blind guesser
n = 4 सवाल, p = 1/4 (हर एक में चार options)। P(exactly 2 सही)?
1. C(4, 2) = 6 (छह तरीक़े चुनने के कि दो कौन सी सही हैं)।
2. p² = (0.25)² = 0.0625।
3. (1-p)² = (0.75)² = 0.5625।
4. P = 6 × 0.0625 × 0.5625 ≈ 0.211।
लगभग 21% chance। Mean correct = np = 4 × 0.25 = 1: एक 4-question quiz blind guess करना आमतौर पर एक mark कमाता है। पूरा menu (k = 0...4) exactly 1 तक sum होता है: distribution का self-check।
Theory
Normal: nature को measure करना
CampusPulse heights को एक histogram के रूप में plot कीजिए: एक symmetric hump: ज़्यादातर students बीच के क़रीब, बहुत कम बहुत छोटे या बहुत लंबे। उस hump को smooth कीजिए और आपको normal distribution मिलता है: bell curve।
इसका identity card:
- Continuous, symmetric, bell-shaped।
- दो parameters: mean μ (जहाँ peak बैठता है) और SD σ (bell कितना चौड़ा फैलता है)।
- Mean = median = mode, सब centre पर।
- Curve के नीचे total area = 1; probability = range पर area।
Heights, measurement errors, और बड़ी class के exam marks सब approximately normal बैठते हैं: nature का favourite shape।
Quiz
Height को normal के रूप में model किया गया है। एक student P(height = EXACTLY 170.000 cm) compute करता है और एक positive number पाता है। क्या ग़लत है?
- एक continuous variable के लिए, किसी भी exact single value की probability 0 है: सिर्फ़ RANGES (curve के नीचे area) probability रखते हैं
- कुछ नहीं: exact values की हमेशा positive probability होती है
- 170 impossible है क्योंकि यह mean नहीं है
- Normal distribution सिर्फ़ marks handle करता है, heights नहीं
Show the answer
एक continuous variable के लिए, किसी भी exact single value की probability 0 है: सिर्फ़ RANGES (curve के नीचे area) probability रखते हैं
एक continuous scale में infinitely कई values होती हैं, तो किसी भी अकेले exact point पर probability mass zero है: इसके बजाय आप P(169.5 ≤ height ≤ 170.5) पूछते हैं, bell के नीचे एक area। यह discrete-बनाम-continuous distinction binomial (हर k पर असली heights वाले bars) और normal (curve जहाँ सिर्फ़ areas मायने रखते हैं) के बीच THE conceptual divide है, और exams इसे बिल्कुल इसी रूप में test करते हैं।
Think first
Distribution चुनिए, दो बार
दो situations: (1) parents को 10 independent phone calls, हर एक 0.6 probability से answered: NUMBER जो answered हुए; (2) एक machine से भरे rice bags का exact WEIGHT जो 5 kg पर set है। tap करने से पहले: कौन सा distribution हर एक को model करता है, और giveaway नाम दीजिए।
Show the answer
(1) Binomial n = 10, p = 0.6 के साथ: fixed trials, दो outcomes, constant p, independent: सभी चार conditions checked, और variable successes COUNTS करता है।
(2) Normal: weight एक continuous MEASUREMENT है जो 5 kg setting के चारों तरफ़ symmetrically cluster करता है छोटे random errors के साथ दोनों तरफ़।
Reflex: repeated yes/no trials में successes गिनना → binomial; एक typical value के चारों तरफ़ एक continuous quantity measure करना → normal।
Watch out
Condition-checking ही exam है
Binomial misuse: बिना replacement के 4 cards draw करना binomial नहीं है: हर draw में p बदलता है (independence टूटी)। बताइए कौन सी condition fail होती है।
Formula slips: C(n, k) भूलना (2-of-4 पाने के SIX तरीक़े हैं, एक नहीं), या p और (1-p) पर exponents swap करना।
Normal misuse: एक exact value के लिए positive probability quote करना: सिर्फ़ ranges।
Theory
दोनों के बीच का पुल
n = 4, फिर 20, फिर 100 के लिए binomial bar-menus खींचिए: bars एक smooth, symmetric bell में पिघल जाते हैं। बड़े n के लिए, binomial को normal से approximate किया जाता है: एक deep pattern का पहला hint (कई छोटे chances के averages normal बन जाते हैं) जो दो lessons आगे Central Limit Theorem बनता है। अगला bell curve lesson आपको इसका working ruler देता है: 68-95-99.7 rule।
Summary
Key takeaways
- एक distribution हर possible value को उसकी probability के साथ list करता है; probabilities 1 तक total होती हैं।
- Binomial: n independent two-outcome trials में constant p के साथ successes गिनता है।
- P(X = k) = C(n,k) pᵏ (1-p)ⁿ⁻ᵏ; mean np, variance np(1-p)।
- Normal: continuous symmetric bell; parameters μ (centre) और σ (width); mean = median = mode।
- Continuous variables: exact values की P = 0; probability ranges पर areas में रहती है।
- बड़े-n binomials normal जैसे दिखते हैं: CLT का preview।
- Memory hook: chances का एक menu: priced dishes बनाम priced ranges।