Random Variables Basics MCQ Quiz in తెలుగు - Objective Question with Answer for Random Variables Basics - ముఫ్త్ [PDF] డౌన్‌లోడ్ కరెన్

Last updated on Mar 18, 2025

పొందండి Random Variables Basics సమాధానాలు మరియు వివరణాత్మక పరిష్కారాలతో బహుళ ఎంపిక ప్రశ్నలు (MCQ క్విజ్). వీటిని ఉచితంగా డౌన్‌లోడ్ చేసుకోండి Random Variables Basics MCQ క్విజ్ Pdf మరియు బ్యాంకింగ్, SSC, రైల్వే, UPSC, స్టేట్ PSC వంటి మీ రాబోయే పరీక్షల కోసం సిద్ధం చేయండి.

Latest Random Variables Basics MCQ Objective Questions

Random Variables Basics Question 1:

f(x) విలువ ఎంత?

f(x)={cx,0<x<40,otherwise

  1. 12
  2. 13
  3. 14
  4. 16

Answer (Detailed Solution Below)

Option 3 : 14

Random Variables Basics Question 1 Detailed Solution

పద్ధతి: 

రాండమ్ వేరియబుల్ 'x'ని విశ్లేషించడానికి రెండు విధులు ఉపయోగించబడతాయి.

1) PDF (సంభావ్యత పంపిణీ పద్ధతి)

2) pdf (సంభావ్యత సాంద్రత పద్ధతి)

CDF మరియు pdf వీటికి సంబంధించినవి:

CDF=PDFdx  ----(1)

PDF లక్షణాలు:

1) fX(x)0,xϵR

∴ CDF విలువ 0 మరియు 1 మధ్య పరిమితంగా ఉంటుంది

2) fX(x)dx=PX()=1      ----(2)

ఇక్కడ PX అనేది CDF

PX()=limxPX(x)

∴ సంభావ్యత ఎల్లప్పుడూ 0 కంటే ఎక్కువగా లేదా సమానంగా ఉంటుంది కాబట్టి CDF ఎల్లప్పుడూ మార్పు లేకుండా పెరిగే అంశంగా ఉంటుంది.

సాధన:

ఇచ్చిన సమస్య:

PDF = f(x)={cx,0<x<40,otherwise

సమీకరణం (2) నుంచి:

04cxdx=1

[2cx]04=1

4c = 1

c=14

కావున సరైన సమాధానం ఎంపిక (3).

Random Variables Basics Question 2:

ఒక సరసమైన ఆరు-భుజాల పాచిక వేయబడింది, పైభాగంలో X సంఖ్య ఉంటుంది. X యొక్క విస్తృతి :

  1. 3512
  2. 2512
  3. 256
  4. 356

Answer (Detailed Solution Below)

Option 1 : 3512

Random Variables Basics Question 2 Detailed Solution

సూత్రము

విస్తృతి X = σ2x = E[(X – μ)2] = E(X2) – [E(X)]2

సాధన

X

P(X)

1

1/6

2

1/6

3

1/6

4

1/6

5

1/6

6

1/6

E(X) = μx = μ

⇒ μ = ∑ xifi = ∑xiP(X = xj)

⇒ 1 × 1/6 + 2 × 1/6 + 3 × 1/6 + 4 × 1/6 + 5 × 1/6 + 6 × 1/6

⇒ (1/6)(1 + 2 + 3 + 4 + 5 + 6)

⇒ 7/2

E(X2) = ∑xj2f(xj) = ∑xj2P(X = xj)

⇒ 12 × 1/6 + 22 × 1/6 + ------62 × 1/6

⇒ 1/6(12 + 22 + 32 + 42 + 52 + 62)

⇒ 1/6(1 +4 + 9 + 16 + 25 + 36)

⇒ 91/6

విస్తృతి X = E(X2) – [E(X)]2

⇒ 91/6 – (7/2)2

⇒ 91/6 – 49/4

∴ విస్తృతి X 35/12

Random Variables Basics Question 3:

P(3)=P(4)ని సంతృప్తి పరిచే పాయిజన్ వేరియట్x అయితేx యొక్క సగటును కనుగొనండి?

  1. 2
  2. 8
  3. 4
  4. 16

Answer (Detailed Solution Below)

Option 3 : 4

Random Variables Basics Question 3 Detailed Solution

ఇచ్చినది

P(3) = P(4)

భావన:  

పాయిజన్ డిస్ట్రిబ్యూషన్=ఇది డిస్క్రీట్డిస్ట్రిబ్యూషన్ కూడా 

పాయిజన్ డిస్ట్రిబ్యూషన్ నామమాత్రపు పంపిణీ పరిమితిని పూర్తి చేస్తుంది. 

పాయిజన్ పంపిణీ  f(x) = (e × λx)/x! 

x = 0, 1, 2, 3---- మరియు  λ = సగటు 

లెక్కింపు 

ఇక్కడ x = 3 and 4

 (e × λ3)/3! = (e × λ4)/4!

⇒ λ  = 4!/3!

⇒ λ = 4 

∴ పాయిజన్ డిస్ట్రిబ్యూషన్ లో x యొక్క సగటు 4

 

Random Variables Basics Question 4:

పాయిజన్ పంపిణీ యొక్క సగటు (మీన్)  9 అయితే దాని వ్యత్యాసం(వేరియాన్స్ ) ________కి సమానం.

  1. 3
  2. 9
  3. 6
  4. 81

Answer (Detailed Solution Below)

Option 2 : 9

Random Variables Basics Question 4 Detailed Solution

ఇచ్చిన

పాయిజన్ పంపిణీ సగటు(మీన్) = 9

లెక్కింపు

విషం పంపిణీలో సగటు వ్యత్యాసానికి సమానం

వ్యత్యాసం (వేరియాన్స్ ) 9

Random Variables Basics Question 5:

కింది సంభావ్యత పంపిణినీకలిగి ఉన్న యాదృచ్చిక వేరియబుల్ యొక్క అంచనా విలువ కనుగొనండి? 

X: 2 4 6 8 10
P: 0.1 0.3 0.4 0.1 0.1
 

 

 

  1. 5.2
  2. 5.4
  3. 5.6
  4. 5.8 

Answer (Detailed Solution Below)

Option 3 : 5.6

Random Variables Basics Question 5 Detailed Solution

లెక్కింపు 

యాదృచ్చిక వేరియబుల్ అంచనా విలువ మనకు తెలుసు 

f(x) = ∑xipi

 I = 1, 2, 3,-----n

f(x) = P1x1 + P2x2 + P3x3 + P4x4 + P5x5

⇒ f(x) = 0.1 × 2 + 0.3 × 4 + 0.4 × 6 + 0.1 × 8 + 0.1 × 10

⇒ 0.2 + 1.2 + 2.4 + 0.8 + 1

 f(x) = 5.6

Top Random Variables Basics MCQ Objective Questions

P(3)=P(4)ని సంతృప్తి పరిచే పాయిజన్ వేరియట్x అయితేx యొక్క సగటును కనుగొనండి?

  1. 2
  2. 8
  3. 4
  4. 16

Answer (Detailed Solution Below)

Option 3 : 4

Random Variables Basics Question 6 Detailed Solution

Download Solution PDF

ఇచ్చినది

P(3) = P(4)

భావన:  

పాయిజన్ డిస్ట్రిబ్యూషన్=ఇది డిస్క్రీట్డిస్ట్రిబ్యూషన్ కూడా 

పాయిజన్ డిస్ట్రిబ్యూషన్ నామమాత్రపు పంపిణీ పరిమితిని పూర్తి చేస్తుంది. 

పాయిజన్ పంపిణీ  f(x) = (e × λx)/x! 

x = 0, 1, 2, 3---- మరియు  λ = సగటు 

లెక్కింపు 

ఇక్కడ x = 3 and 4

 (e × λ3)/3! = (e × λ4)/4!

⇒ λ  = 4!/3!

⇒ λ = 4 

∴ పాయిజన్ డిస్ట్రిబ్యూషన్ లో x యొక్క సగటు 4

 

పాయిజన్ పంపిణీ యొక్క సగటు (మీన్)  9 అయితే దాని వ్యత్యాసం(వేరియాన్స్ ) ________కి సమానం.

  1. 3
  2. 9
  3. 6
  4. 81

Answer (Detailed Solution Below)

Option 2 : 9

Random Variables Basics Question 7 Detailed Solution

Download Solution PDF

ఇచ్చిన

పాయిజన్ పంపిణీ సగటు(మీన్) = 9

లెక్కింపు

విషం పంపిణీలో సగటు వ్యత్యాసానికి సమానం

వ్యత్యాసం (వేరియాన్స్ ) 9

ఒక సరసమైన ఆరు-భుజాల పాచిక వేయబడింది, పైభాగంలో X సంఖ్య ఉంటుంది. X యొక్క విస్తృతి :

  1. 3512
  2. 2512
  3. 256
  4. 356

Answer (Detailed Solution Below)

Option 1 : 3512

Random Variables Basics Question 8 Detailed Solution

Download Solution PDF

సూత్రము

విస్తృతి X = σ2x = E[(X – μ)2] = E(X2) – [E(X)]2

సాధన

X

P(X)

1

1/6

2

1/6

3

1/6

4

1/6

5

1/6

6

1/6

E(X) = μx = μ

⇒ μ = ∑ xifi = ∑xiP(X = xj)

⇒ 1 × 1/6 + 2 × 1/6 + 3 × 1/6 + 4 × 1/6 + 5 × 1/6 + 6 × 1/6

⇒ (1/6)(1 + 2 + 3 + 4 + 5 + 6)

⇒ 7/2

E(X2) = ∑xj2f(xj) = ∑xj2P(X = xj)

⇒ 12 × 1/6 + 22 × 1/6 + ------62 × 1/6

⇒ 1/6(12 + 22 + 32 + 42 + 52 + 62)

⇒ 1/6(1 +4 + 9 + 16 + 25 + 36)

⇒ 91/6

విస్తృతి X = E(X2) – [E(X)]2

⇒ 91/6 – (7/2)2

⇒ 91/6 – 49/4

∴ విస్తృతి X 35/12

సాధారణ పంపిణీ కోసం, కింది వాటిలో ఏది నిజం? 

  1. సగటు ≠మధ్యగతం=మోడ్ 
  2. సగటు=మధ్యగతం=మోడ్
  3. సగటు=మధ్యగతం≠మోడ్
  4. సగటు=మోడ్ ≠మోడ్

Answer (Detailed Solution Below)

Option 2 : సగటు=మధ్యగతం=మోడ్

Random Variables Basics Question 9 Detailed Solution

Download Solution PDF

లెక్కింపు 

నార్మల్ డిస్ట్రిబ్యూషన్= నార్మల్ డిస్ట్రిబ్యూషన్ సంపూర్ణ సుష్ట ఆకారంతో వస్తుంది అంటే పంపిణీ వక్రరేకను మధ్యలో విభజించి రెండు సమాన బహగలను ఉత్పత్తి చేయవచ్చు.  

 

F2 Vishal.S 21-05-21 Savita D1

నార్మల్ డిస్ట్రిబ్యూషన్ ప్రక్రియ అనేది  కింది విధంగా సూచించబడుతుంది.

 

f(x)=1σ2πe12(xμσ)2

 

f(x) = సంభావ్యత సాంద్రత ప్రక్రియ 

σ = ప్రామాణిక విచలనం 

μ = సగటు

సాధారణ పంపిణీలో కేంద్రం గురించి సమరూపత మరియు దానిలో సగటు=మధ్యగతం=మోడ్= μ 

∴ నార్మల్ డిస్ట్రిబ్యూషన్ లో సగటు=మధ్యగతం=మోడ్= μ  

కింది సంభావ్యత పంపిణినీకలిగి ఉన్న యాదృచ్చిక వేరియబుల్ యొక్క అంచనా విలువ కనుగొనండి? 

X: 2 4 6 8 10
P: 0.1 0.3 0.4 0.1 0.1
 

 

 

  1. 5.2
  2. 5.4
  3. 5.6
  4. 5.8 

Answer (Detailed Solution Below)

Option 3 : 5.6

Random Variables Basics Question 10 Detailed Solution

Download Solution PDF

లెక్కింపు 

యాదృచ్చిక వేరియబుల్ అంచనా విలువ మనకు తెలుసు 

f(x) = ∑xipi

 I = 1, 2, 3,-----n

f(x) = P1x1 + P2x2 + P3x3 + P4x4 + P5x5

⇒ f(x) = 0.1 × 2 + 0.3 × 4 + 0.4 × 6 + 0.1 × 8 + 0.1 × 10

⇒ 0.2 + 1.2 + 2.4 + 0.8 + 1

 f(x) = 5.6

Random Variables Basics Question 11:

f(x) విలువ ఎంత?

f(x)={cx,0<x<40,otherwise

  1. 12
  2. 13
  3. 14
  4. 16

Answer (Detailed Solution Below)

Option 3 : 14

Random Variables Basics Question 11 Detailed Solution

పద్ధతి: 

రాండమ్ వేరియబుల్ 'x'ని విశ్లేషించడానికి రెండు విధులు ఉపయోగించబడతాయి.

1) PDF (సంభావ్యత పంపిణీ పద్ధతి)

2) pdf (సంభావ్యత సాంద్రత పద్ధతి)

CDF మరియు pdf వీటికి సంబంధించినవి:

CDF=PDFdx  ----(1)

PDF లక్షణాలు:

1) fX(x)0,xϵR

∴ CDF విలువ 0 మరియు 1 మధ్య పరిమితంగా ఉంటుంది

2) fX(x)dx=PX()=1      ----(2)

ఇక్కడ PX అనేది CDF

PX()=limxPX(x)

∴ సంభావ్యత ఎల్లప్పుడూ 0 కంటే ఎక్కువగా లేదా సమానంగా ఉంటుంది కాబట్టి CDF ఎల్లప్పుడూ మార్పు లేకుండా పెరిగే అంశంగా ఉంటుంది.

సాధన:

ఇచ్చిన సమస్య:

PDF = f(x)={cx,0<x<40,otherwise

సమీకరణం (2) నుంచి:

04cxdx=1

[2cx]04=1

4c = 1

c=14

కావున సరైన సమాధానం ఎంపిక (3).

Random Variables Basics Question 12:

P(3)=P(4)ని సంతృప్తి పరిచే పాయిజన్ వేరియట్x అయితేx యొక్క సగటును కనుగొనండి?

  1. 2
  2. 8
  3. 4
  4. 16

Answer (Detailed Solution Below)

Option 3 : 4

Random Variables Basics Question 12 Detailed Solution

ఇచ్చినది

P(3) = P(4)

భావన:  

పాయిజన్ డిస్ట్రిబ్యూషన్=ఇది డిస్క్రీట్డిస్ట్రిబ్యూషన్ కూడా 

పాయిజన్ డిస్ట్రిబ్యూషన్ నామమాత్రపు పంపిణీ పరిమితిని పూర్తి చేస్తుంది. 

పాయిజన్ పంపిణీ  f(x) = (e × λx)/x! 

x = 0, 1, 2, 3---- మరియు  λ = సగటు 

లెక్కింపు 

ఇక్కడ x = 3 and 4

 (e × λ3)/3! = (e × λ4)/4!

⇒ λ  = 4!/3!

⇒ λ = 4 

∴ పాయిజన్ డిస్ట్రిబ్యూషన్ లో x యొక్క సగటు 4

 

Random Variables Basics Question 13:

పాయిజన్ పంపిణీ యొక్క సగటు (మీన్)  9 అయితే దాని వ్యత్యాసం(వేరియాన్స్ ) ________కి సమానం.

  1. 3
  2. 9
  3. 6
  4. 81

Answer (Detailed Solution Below)

Option 2 : 9

Random Variables Basics Question 13 Detailed Solution

ఇచ్చిన

పాయిజన్ పంపిణీ సగటు(మీన్) = 9

లెక్కింపు

విషం పంపిణీలో సగటు వ్యత్యాసానికి సమానం

వ్యత్యాసం (వేరియాన్స్ ) 9

Random Variables Basics Question 14:

ఒక సరసమైన ఆరు-భుజాల పాచిక వేయబడింది, పైభాగంలో X సంఖ్య ఉంటుంది. X యొక్క విస్తృతి :

  1. 3512
  2. 2512
  3. 256
  4. 356

Answer (Detailed Solution Below)

Option 1 : 3512

Random Variables Basics Question 14 Detailed Solution

సూత్రము

విస్తృతి X = σ2x = E[(X – μ)2] = E(X2) – [E(X)]2

సాధన

X

P(X)

1

1/6

2

1/6

3

1/6

4

1/6

5

1/6

6

1/6

E(X) = μx = μ

⇒ μ = ∑ xifi = ∑xiP(X = xj)

⇒ 1 × 1/6 + 2 × 1/6 + 3 × 1/6 + 4 × 1/6 + 5 × 1/6 + 6 × 1/6

⇒ (1/6)(1 + 2 + 3 + 4 + 5 + 6)

⇒ 7/2

E(X2) = ∑xj2f(xj) = ∑xj2P(X = xj)

⇒ 12 × 1/6 + 22 × 1/6 + ------62 × 1/6

⇒ 1/6(12 + 22 + 32 + 42 + 52 + 62)

⇒ 1/6(1 +4 + 9 + 16 + 25 + 36)

⇒ 91/6

విస్తృతి X = E(X2) – [E(X)]2

⇒ 91/6 – (7/2)2

⇒ 91/6 – 49/4

∴ విస్తృతి X 35/12

Random Variables Basics Question 15:

సాధారణ పంపిణీ కోసం, కింది వాటిలో ఏది నిజం? 

  1. సగటు ≠మధ్యగతం=మోడ్ 
  2. సగటు=మధ్యగతం=మోడ్
  3. సగటు=మధ్యగతం≠మోడ్
  4. సగటు=మోడ్ ≠మోడ్

Answer (Detailed Solution Below)

Option 2 : సగటు=మధ్యగతం=మోడ్

Random Variables Basics Question 15 Detailed Solution

లెక్కింపు 

నార్మల్ డిస్ట్రిబ్యూషన్= నార్మల్ డిస్ట్రిబ్యూషన్ సంపూర్ణ సుష్ట ఆకారంతో వస్తుంది అంటే పంపిణీ వక్రరేకను మధ్యలో విభజించి రెండు సమాన బహగలను ఉత్పత్తి చేయవచ్చు.  

 

F2 Vishal.S 21-05-21 Savita D1

నార్మల్ డిస్ట్రిబ్యూషన్ ప్రక్రియ అనేది  కింది విధంగా సూచించబడుతుంది.

 

f(x)=1σ2πe12(xμσ)2

 

f(x) = సంభావ్యత సాంద్రత ప్రక్రియ 

σ = ప్రామాణిక విచలనం 

μ = సగటు

సాధారణ పంపిణీలో కేంద్రం గురించి సమరూపత మరియు దానిలో సగటు=మధ్యగతం=మోడ్= μ 

∴ నార్మల్ డిస్ట్రిబ్యూషన్ లో సగటు=మధ్యగతం=మోడ్= μ  

Get Free Access Now
Hot Links: teen patti master 2024 teen patti game online teen patti 3a teen patti master purana teen patti chart