UPSC MainsMANAGEMENT-PAPER-II202510 Marks
Read in English
Q1.

ट्रेन आगमन समय संभाव्यता विश्लेषण

एक ट्रेन 09:00 AM से 09:30 AM के बीच यादृच्छिक समय पर एक स्टेशन पर आने वाली है । वास्तविक आगमन समय इस अंतराल के भीतर किसी भी क्षण होने की समान संभावना है ।

  1. उचित संभाव्यता घनत्व फलन (पीडीएफ) परिभाषित कीजिए ।
  2. 09:13 AM के पहले ट्रेन के आने की क्या संभावना है ?
  3. अपेक्षित आगमन समय और आगमन समय का अंतर बताइए ।
  4. यह देखते हुए कि ट्रेन 09:11 AM तक नहीं आई है, अपेक्षित आगमन का समय क्या है ?

Model Answer

0 min read

Introduction

सांख्यिकी और संभाव्यता सिद्धांत में, निरंतर समान वितरण (Continuous Uniform Distribution) एक मौलिक अवधारणा है जिसका उपयोग उन स्थितियों का मॉडल बनाने के लिए किया जाता है जहाँ किसी दिए गए अंतराल के भीतर किसी भी परिणाम की संभावना समान होती है। यह अक्सर वास्तविक दुनिया की समस्याओं में लागू होता है जैसे बस या ट्रेन के आगमन का समय, सेंसर रीडिंग में त्रुटियां, या रैंडम नंबर जनरेशन। इस प्रश्न में, हम इस अवधारणा को 09:00 AM से 09:30 AM के बीच एक स्टेशन पर ट्रेन के यादृच्छिक आगमन समय पर लागू करेंगे, जिससे हमें संबंधित संभावनाओं और अपेक्षित समयों की गणना करने में मदद मिलेगी।

संभाव्यता घनत्व फलन (PDF)

चूंकि ट्रेन 09:00 AM (t=0) से 09:30 AM (t=30 मिनट) के बीच यादृच्छिक समय पर आती है, और वास्तविक आगमन समय इस अंतराल के भीतर किसी भी क्षण होने की समान संभावना है, यह एक निरंतर समान वितरण का मामला है।

अंतराल की अवधि = 30 मिनट - 0 मिनट = 30 मिनट।

यदि आगमन का समय T है, तो T एक समान वितरण का पालन करता है [0, 30] जहाँ 0 मिनट 09:00 AM को दर्शाता है और 30 मिनट 09:30 AM को दर्शाता है।

निरंतर समान वितरण के लिए संभाव्यता घनत्व फलन (PDF) f(t) इस प्रकार परिभाषित किया गया है:

  • $f(t) = 1 / (b - a)$ , $a \le t \le b$ के लिए
  • $f(t) = 0$ , अन्यथा

यहाँ, $a = 0$ (09:00 AM) और $b = 30$ (09:30 AM)।

अतः, उचित संभाव्यता घनत्व फलन (PDF) होगा:

$f(t) = 1 / (30 - 0) = 1/30$ , $0 \le t \le 30$ के लिए

$f(t) = 0$ , अन्यथा

09:13 AM के पहले ट्रेन के आने की संभावना

09:13 AM, 09:00 AM के 13 मिनट बाद का समय है। अतः, हम $P(T \le 13)$ की गणना करेंगे।

$P(T \le 13) = \int_{0}^{13} f(t) dt$

$P(T \le 13) = \int_{0}^{13} (1/30) dt$

$P(T \le 13) = [t/30]_{0}^{13}$

$P(T \le 13) = 13/30 - 0/30 = 13/30$

दशमलव में, $13/30 \approx 0.4333$ या 43.33%।

अतः, 09:13 AM के पहले ट्रेन के आने की संभावना 13/30 है।

अपेक्षित आगमन समय और आगमन समय का अंतर

निरंतर समान वितरण के लिए अपेक्षित मान (Mean) $E[T]$ इस प्रकार दिया जाता है:

$E[T] = (a + b) / 2$

यहाँ, $a = 0$ और $b = 30$ ।

$E[T] = (0 + 30) / 2 = 15$ मिनट

यह 09:00 AM के 15 मिनट बाद का समय है, यानी 09:15 AM।

आगमन समय का अंतर (variance) $Var(T)$ इस प्रकार दिया जाता है:

$Var(T) = (b - a)^2 / 12$

$Var(T) = (30 - 0)^2 / 12 = 30^2 / 12 = 900 / 12 = 75$ (वर्ग मिनट)

मानक विचलन (Standard Deviation) $\sigma = \sqrt{Var(T)} = \sqrt{75} \approx 8.66$ मिनट

तो, अपेक्षित आगमन समय 09:15 AM है और आगमन समय का अंतर 75 वर्ग मिनट है।

यह देखते हुए कि ट्रेन 09:11 AM तक नहीं आई है, अपेक्षित आगमन का समय क्या है?

यह एक सशर्त अपेक्षा (Conditional Expectation) का प्रश्न है। हमें यह ज्ञात है कि ट्रेन 09:11 AM (t=11) तक नहीं आई है। इसका मतलब है कि नया अंतराल 11 मिनट से 30 मिनट तक है।

अब, आगमन का समय T एक समान वितरण का पालन करता है [11, 30] ।

इस नए अंतराल के लिए, $a' = 11$ और $b' = 30$ ।

सशर्त अपेक्षित आगमन समय $E[T | T > 11]$ इस नए अंतराल के मध्य बिंदु होगा:

$E[T | T > 11] = (a' + b') / 2$

$E[T | T > 11] = (11 + 30) / 2 = 41 / 2 = 20.5$ मिनट

यह 09:00 AM के 20.5 मिनट बाद का समय है, यानी 09:20 AM और 30 सेकंड।

अतः, यह देखते हुए कि ट्रेन 09:11 AM तक नहीं आई है, अपेक्षित आगमन का समय 09:20 AM और 30 सेकंड है।

Conclusion

इस विश्लेषण ने दिखाया कि निरंतर समान वितरण का उपयोग करके ट्रेन के आगमन जैसे यादृच्छिक घटनाओं से जुड़ी संभावनाओं और अपेक्षित समय की गणना कैसे की जा सकती है। हमने उचित PDF को परिभाषित किया, विशिष्ट समय से पहले आगमन की संभावना की गणना की, आगमन के अपेक्षित समय और उसके अंतर को निर्धारित किया, और अंत में सशर्त संभावना के तहत अपेक्षित आगमन समय की गणना की। ये सिद्धांत विभिन्न प्रबंधन और परिचालन संदर्भों में महत्वपूर्ण हैं, जहाँ वे शेड्यूलिंग, संसाधन आवंटन और जोखिम मूल्यांकन में सहायता करते हैं।

Answer Length

This is a comprehensive model answer for learning purposes and may exceed the word limit. In the exam, always adhere to the prescribed word count.

Additional Resources

Key Definitions

संभाव्यता घनत्व फलन (Probability Density Function - PDF)
एक संभाव्यता घनत्व फलन (PDF) एक फ़ंक्शन है जिसका उपयोग निरंतर यादृच्छिक चर के संभाव्यता वितरण का वर्णन करने के लिए किया जाता है। एक निश्चित बिंदु पर PDF का मान स्वयं एक संभावना नहीं है; इसके बजाय, किसी दिए गए अंतराल पर PDF का समाकलन उस अंतराल में चर के पड़ने की संभावना देता है।
निरंतर समान वितरण (Continuous Uniform Distribution)
निरंतर समान वितरण एक संभाव्यता वितरण है जहाँ किसी दिए गए अंतराल [a, b] के भीतर किसी भी परिणाम की संभावना समान होती है। अंतराल के बाहर, संभावना शून्य होती है। यह उन स्थितियों के लिए उपयोगी है जहाँ हमें यह मानने की आवश्यकता होती है कि सभी परिणाम समान रूप से संभावित हैं।

Key Statistics

रेलवे के आंकड़ों के अनुसार, भारतीय रेलवे की यात्री ट्रेनों का समय पर चलने का प्रदर्शन (Punctuality Performance) वित्तीय वर्ष 2023-24 में लगभग 84.7% रहा, जो परिचालन दक्षता में सुधार को दर्शाता है। (Source: भारतीय रेलवे, अप्रैल 2024 तक)

वैश्विक स्तर पर, हवाई यातायात नियंत्रण प्रणालियाँ उड़ान आगमन और प्रस्थान के समय में त्रुटियों को कम करने के लिए जटिल संभाव्यता मॉडल का उपयोग करती हैं, जिससे औसतन प्रति वर्ष 90% से अधिक समय पर आगमन सुनिश्चित होता है। (Source: Eurocontrol Performance Review Report 2023)

Examples

बैंक ग्राहक सेवा का समय

एक बैंक में एक ग्राहक के प्रतीक्षा समय को मॉडल करने के लिए समान वितरण का उपयोग किया जा सकता है। यदि यह माना जाता है कि एक ग्राहक 0 से 10 मिनट के बीच कभी भी प्रतीक्षा कर सकता है, तो प्रतीक्षा समय एक निरंतर समान वितरण [0, 10] का पालन करेगा। इस मॉडल का उपयोग यह अनुमान लगाने के लिए किया जा सकता है कि कितने ग्राहक 5 मिनट से अधिक प्रतीक्षा करेंगे।

उत्पादन मशीन की विफलता

एक विनिर्माण इकाई में, एक मशीन के अगले खराबी के समय को अक्सर एक संभाव्यता वितरण द्वारा अनुमानित किया जा सकता है। यदि एक नई मशीन के 0 से 100 घंटे के भीतर विफल होने की समान संभावना है, तो विफलता समय एक समान वितरण का पालन करेगा। यह जानकारी रखरखाव अनुसूचियों की योजना बनाने में मदद करती है।

Frequently Asked Questions

संभाव्यता वितरण के अन्य सामान्य प्रकार क्या हैं?

संभाव्यता वितरण के कुछ अन्य सामान्य प्रकारों में सामान्य वितरण (Normal Distribution), पॉइसन वितरण (Poisson Distribution), घातीय वितरण (Exponential Distribution), द्विपद वितरण (Binomial Distribution) और टी-वितरण (t-Distribution) शामिल हैं। प्रत्येक का उपयोग विशिष्ट प्रकार के डेटा और परिदृश्यों को मॉडल करने के लिए किया जाता है।

अपेक्षित मान (Expected Value) का क्या महत्व है?

अपेक्षित मान एक यादृच्छिक चर का "दीर्घकालिक औसत" या "केंद्र" प्रतिनिधित्व करता है। यह संभाव्यता वितरण का एक माप है, जो हमें बताता है कि यदि हम एक प्रयोग को कई बार दोहराते हैं तो हम औसतन क्या परिणाम की उम्मीद कर सकते हैं। यह निर्णय लेने, जोखिम मूल्यांकन और पूर्वानुमान में महत्वपूर्ण है।

Topics Covered

StatisticsProbabilityProbability Density FunctionExpected ValueConditional Probability