નમૂના અવકાશ $S = \{\omega_{1}, \omega_{2}, \omega_{3}, \omega_{4}, \omega_{5}, \omega_{6}, \omega_{7}\}$ ના પરિણામો માટે નીચેનામાંથી કયું સંભાવનાઓનું માન્ય સોંપણી હોઈ શકે નહીં?

  • A
    $0.1, 0.01, 0.05, 0.03, 0.01, 0.2, 0.6$
  • B
    $\frac{1}{7}, \frac{1}{7}, \frac{1}{7}, \frac{1}{7}, \frac{1}{7}, \frac{1}{7}, \frac{1}{7}$
  • C
    $-0.1, 0.2, 0.3, 0.4, 0.2, 0.1, -0.1$
  • D
    $0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7$

Explore More

Similar Questions

એક યાદચ્છિક ચલ $X$ નું સંભાવના વિતરણ નીચે મુજબ છે. ધારો કે $E = \{X \mid X \text{ એ અવિભાજ્ય સંખ્યા છે}\}$ અને $F = \{X \mid X < 4\}$,તો $P(E \cup F) = $
$\begin{array}{|c|c|c|c|c|c|c|c|c|} \hline X & 1 & 2 & 3 & 4 & 5 & 6 & 7 & 8 \\ \hline P(X) & K & 2K & K^2 & 2K^2 & 5K^2 & K & K & 2K \\ \hline \end{array}$

એક યાદચ્છિક ચલ $X$ એ $-1, 0, 1, 2$ કિંમતો અનુક્રમે $\frac{1+3p}{4}, \frac{1-p}{4}, \frac{1+2p}{4}, \frac{1-4p}{4}$ સંભાવનાઓ સાથે ધારણ કરે છે,જ્યાં $p$ એ $\mathbb{R}$ પર બદલાય છે. તો $X$ ના મધ્યકની ન્યૂનતમ અને મહત્તમ કિંમતો અનુક્રમે છે.

એક ઉત્પાદન કંપનીએ નોંધ્યું છે કે તેના $1 \%$ ઉત્પાદનો ખામીયુક્ત છે. જો કોઈ ડીલર આ કંપની પાસેથી $300$ વસ્તુઓનો ઓર્ડર આપે,તો ખામીયુક્ત વસ્તુઓની સંખ્યા વધુમાં વધુ એક હોય તેની સંભાવના કેટલી છે?

ધારો કે $X$ એક સતત યાદચ્છિક ચલ છે જેનું સંભાવના ઘનતા વિધેય (p.d.f.) $f(x) = \begin{cases} kx, & 0 \leq x < 1 \\ k, & 1 \leq x < 2 \\ -kx + 3k, & 2 \leq x < 3 \\ 0, & \text{અન્યથા} \end{cases}$ છે. $P(2 < X \leq 3)$ શોધો.

યાદચ્છિક ચલ $X$ નું સંભાવના વિતરણ $P(X)$ નીચે મુજબ છે,જ્યાં $k$ કોઈ સંખ્યા છે:
$P(X) = \begin{cases} k, & \text{જો } x=0 \\ 2k, & \text{જો } x=1 \\ 3k, & \text{જો } x=2 \\ 0, & \text{અન્યથા} \end{cases}$
$P(X < 2)$,$P(X \leq 2)$,અને $P(X \geq 2)$ શોધો.

Vedclass Products

For Students

Vedclass Test Series

Mock tests in real JEE/NEET style with performance analysis. 5-day free trial.

Start Free Trial
For Teachers

Exam Paper Generator

Generate Set A/B/C/D exam papers from 7.5L+ questions in 2 minutes. 3 chapters free.

Try Free
For Institutes

Online Exam Module

Live online exams with unlimited students, 360° analytics & white-label branding.

See Demo