சேர்ப்பு & வெட்டு நிகழ்தகவு கால்குலேட்டர்

இந்தக் கணிப்பான் பற்றி

நிகழ்தகவின் கூட்டல் விதி, P(A ∪ B) = P(A) + P(B) − P(A ∩ B) எனக் கூறுகிறது: நிகழ்வு A அல்லது நிகழ்வு B (அல்லது இரண்டும்) நிகழும் நிகழ்தகவைக் காண, அவற்றின் தனிப்பட்ட நிகழ்தகவுகளைக் கூட்டி, பின்னர் மேற்பொருந்தலைக் கழிக்க வேண்டும்; ஏனெனில் இல்லையெனில் அந்த மேற்பொருந்தல் இரு முறை எண்ணப்படும். எந்தவொரு நிகழ்தகவு அல்லது புள்ளியியல் பாடத்திலும் கற்பிக்கப்படும் முதல் சாதாரணமற்ற முடிவுகளில் இது ஒன்று; மேலும் பரஸ்பரம் விலக்கக்கூடிய நிகழ்வுகளுக்குப் (இங்கு P(A ∩ B) = 0) பயன்படுத்தப்படும் எளிமையான கூட்டல் விதியை இது பொதுமைப்படுத்துகிறது.

வகுப்பறையைத் தாண்டி, சேர்ப்பு-வெட்டு உறவு உண்மையான இடர் மற்றும் நம்பகத்தன்மைக் கணக்கீடுகளுக்கு அடித்தளமாக உள்ளது: ஒரு உரிமைகோரலில் தீச் சேதம் அல்லது நீர்ச் சேதம் அடங்கும் வாய்ப்பை மதிப்பிடும் ஒரு காப்பீட்டு ஆய்வாளர், இரண்டும் நிகழ்ந்த மேற்பொருந்தலைக் கழிக்க வேண்டும்; ஒரு தயாரிப்பு சோதனை A அல்லது சோதனை B இல் தோல்வியடையும் நிகழ்தகவை மதிப்பிடும் ஒரு தரப் பொறியாளர் அதே திருத்தத்தையே பயன்படுத்துகிறார்; தயாரிப்பு A அல்லது தயாரிப்பு B வாங்கிய வாடிக்கையாளர் பிரிவுகளைப் பகுப்பாய்வு செய்யும் சந்தைப்படுத்துபவர்கள், பகிரப்பட்ட வாடிக்கையாளர்களை இரு முறை எண்ணுவதைத் தவிர்க்க இதை நம்பியிருக்கிறார்கள். P(A∪B) தெரிந்தவுடன், "A மட்டும்" மற்றும் "B மட்டும்" நிகழ்தகவுகள் — P(A) − P(A∩B) மற்றும் P(B) − P(A∩B) — ஒவ்வொரு நிகழ்வின் மேற்பொருந்தாத பகுதிகளை விவரிக்கின்றன.

இந்தக் கால்குலேட்டர் P(A), P(B) மற்றும் P(A∩B) ஆகியவற்றை உள்ளீடுகளாக எடுத்துக்கொண்டு, A-மட்டும் மற்றும் B-மட்டும் பகுப்புடன் சேர்த்து P(A∪B) மதிப்பை உடனடியாகத் தருகிறது; இதனால் ஒவ்வொரு முறையும் நீங்கள் கையால் இயற்கணிதம் செய்ய வேண்டியதில்லை.