Biostatistical Methods MCQ Quiz in हिन्दी - Objective Question with Answer for Biostatistical Methods - मुफ्त [PDF] डाउनलोड करें

सही उत्तर माध्य - 8.93, माध्यिका - 9, बहुलक - 8 है।

व्याख्या:

• माध्य: सभी डेटा बिंदुओं का अंकगणितीय औसत। इसकी गणना सभी मानों को जोड़कर और मानों की कुल संख्या से विभाजित करके की जाती है।
• माध्यिका: जब डेटा को आरोही क्रम में व्यवस्थित किया जाता है तो मध्य मान। यदि मानों की कुल संख्या सम है, तो माध्यिका दो मध्य मानों का औसत है।
• बहुलक: डेटासेट में सबसे अधिक बार आने वाला मान।

दिया गया डेटासेट है: 5, 6, 7, 7, 8, 8, 8, 9, 9, 10, 10, 11, 11, 12, 13

चरण 1: माध्य की गणना करें

• सूत्र:
• सभी मानों का योग: 124
• मानों की संख्या: 15
• माध्य = 124/15 = 8.93

चरण 2: माध्यिका निर्धारित करें

• चूँकि डेटासेट में मानों की विषम संख्या (15) है, इसलिए माध्यिका मध्य मान है।
• डेटासेट को आरोही क्रम में व्यवस्थित करें (पहले ही किया गया है)।
• 8वाँ मान (मध्य मान) 9 है।
• इसलिए, माध्यिका 9 है।

चरण 3: बहुलक की पहचान करें

• बहुलक वह मान है जो डेटासेट में सबसे अधिक बार आता है।
• डेटासेट से, 8, 3 बार आता है, जो किसी भी अन्य मान से अधिक बार है।
• इसलिए, बहुलक 8 है।

सही उत्तर D = माध्य ± SD; E = माध्य ± CI; F = माध्य ± SEM  है।

अवधारणा:

• डेटासेट का वर्णन करने और उनके प्रसार और विश्वसनीयता को स्पष्ट करने के लिए माध्य, माध्यिका, मानक विचलन (SD), माध्य की मानक त्रुटि (SEM), और विश्वास अंतराल (CI) जैसे विभिन्न सांख्यिकीय मापों का उपयोग किया जाता है।
• इनमें से प्रत्येक माप के विशिष्ट उद्देश्य हैं:
  • माध्य: डेटासेट का औसत मान।
  • माध्यिका: डेटासेट को व्यवस्थित करते समय मध्य मान।
  • मानक विचलन (SD): माध्य के आसपास डेटा के प्रसार या परिवर्तनशीलता का एक माप।
  • माध्य की मानक त्रुटि (SEM): यह अनुमान लगाता है कि नमूना माध्य वास्तविक जनसंख्या माध्य से कितना दूर होने की संभावना है।
  • विश्वास अंतराल (CI): मानों की एक श्रेणी जो वास्तविक जनसंख्या पैरामीटर को शामिल करने की संभावना है, अक्सर 95% विश्वास पर निर्धारित किया जाता है।
• प्रश्न में डेटासेट को विभिन्न प्लॉट (A से F) का उपयोग करके दर्शाया गया है, जिसमें प्रत्येक प्लॉट केंद्रीय प्रवृत्ति और प्रसार के विशिष्ट सांख्यिकीय मापों को दर्शाता है।

व्याख्या:

• A (स्कैटर प्लॉट): सभी व्यक्तिगत डेटा बिंदुओं को प्रदर्शित करता है।
• B (बॉक्स प्लॉट): माध्यिका को चतुर्थकों के साथ दिखाता है, जो डेटासेट के प्रसार का प्रतिनिधित्व करता है।
• D (माध्य ± SD): यह प्रतिनिधित्व औसत मान (माध्य) को मानक विचलन के साथ दिखाता है, जो डेटा में परिवर्तनशीलता को दर्शाता है।
• E (माध्य ± CI): यह प्लॉट माध्य को 95% विश्वास अंतराल के साथ दिखाता है, जो उस सीमा का अनुमान प्रदान करता है जिसमें वास्तविक जनसंख्या माध्य होने की उम्मीद है।
• F (माध्य ± SEM): यह प्लॉट माध्य को माध्य की मानक त्रुटि के साथ दर्शाता है, जो जनसंख्या माध्य के अनुमान के रूप में नमूना माध्य की परिशुद्धता को दर्शाता है।

सही उत्तर मानक विचलन (SD) है।

अवधारणा:

• जैवसांख्यिकी अध्ययन का एक क्षेत्र है जो जैविक और स्वास्थ्य संबंधी आंकड़ों पर सांख्यिकीय विधियों को लागू करता है।
• जैवसांख्यिकी में, सार्थक निष्कर्ष निकालने और सूचित निर्णय लेने के लिए आंकड़ों को एकत्रित करने, व्यवस्थित करने और विश्लेषण करने के लिए सांख्यिकीय तकनीकों का उपयोग किया जाता है।

• प्रसरण का वर्गमूल मानक विचलन (SD) के रूप में जाना जाता है।
• प्रसरण प्रत्येक बिंदु को माध्य से कितना भिन्न करता है, इसकी औसत डिग्री को मापता है—सभी डेटा बिंदुओं का औसत। यह माध्य से एक यादृच्छिक चर के वर्ग विचलन की अपेक्षा है।
• मानक विचलन मानों के एक समूह के परिवर्तन या प्रकीर्णन  की मात्रा का एक माप है। यह मात्रा निर्धारित करता है कि डेटा मान औसत से कितना विचलित होते हैं।
• मानक विचलन विशेष रूप से उपयोगी है क्योंकि इसे डेटा के समान इकाइयों में व्यक्त किया जाता है, जिससे इसकी व्याख्या करना आसान हो जाता है।
• इसकी गणना प्रसरण का वर्गमूल लेकर की जाती है, जो प्रत्येक डेटा बिंदु और माध्य के बीच वर्ग अंतर का औसत है।

व्याख्या:

• मानक त्रुटि (SE): यह उस सटीकता को मापता है जिसके साथ एक नमूना वितरण अपने सूत्र में मानक विचलन का उपयोग करके जनसंख्या का प्रतिनिधित्व करता है।
• मानकीकृत गुणांक (SC): इनका उपयोग प्रतिगमन विश्लेषण में प्रत्येक भविष्यवक्ता चर के सापेक्ष महत्व की तुलना करने के लिए किया जाता है।
• सुरक्षात्मक बाधा अनुपात: यह एक ऐसा सांख्यिकीय है जो एक समूह में होने वाली घटना की संभावना बनाम दूसरे समूह में होने की संभावना का वर्णन करता है।

सही उत्तर बहु सहसंबंध गुणांक है

व्याख्या:

• बहु सहसंबंध गुणांक बहु प्रतिगमन विश्लेषण में परिणाम चर के प्रेक्षित और पूर्वानुमानित मानों के बीच संबंध की शक्ति को मापता है।
• इसे R द्वारा दर्शाया जाता है और इसकी सीमा 0 से 1 तक होती है, जहाँ 0 कोई सहसंबंध नहीं दर्शाता है और 1 पूर्ण सहसंबंध दर्शाता है।
• यह गुणांक यह समझने में मदद करता है कि स्वतंत्र चर आश्रित चर की कितनी अच्छी तरह से भविष्यवाणी करते हैं।

अन्य विकल्प:

• निर्धारण गुणांक (R²): यह एक सांख्यिकीय माप है जो प्रतिगमन मॉडल में एक आश्रित चर के प्रसरण के अनुपात का प्रतिनिधित्व करता है जिसे एक स्वतंत्र चर या चर द्वारा समझाया गया है। हालांकि निकटता से संबंधित है, यह विशेष रूप से मापता है कि प्रतिगमन पूर्वानुमान वास्तविक डेटा बिंदुओं का कितना अच्छा अनुमान लगाते हैं।
• कॉक्स प्रतिगमन: इसे आनुपातिक खतरों का प्रतिगमन भी कहा जाता है, इसका उपयोग किसी घटना के होने तक के समय के मॉडलिंग के लिए किया जाता है, जो अक्सर उत्तरजीविता विश्लेषण में उपयोग किया जाता है। यह प्रेक्षित और पूर्वानुमानित मानों के बीच सहसंबंध को मापने से संबंधित नहीं है।
• बहु रेखीय प्रतिगमन: यह एक सांख्यिकीय तकनीक है जो प्रतिक्रिया चर के परिणाम की भविष्यवाणी करने के लिए कई व्याख्यात्मक चर का उपयोग करती है। हालांकि यह वह प्रक्रिया है जिसके माध्यम से भविष्यवाणियां की जाती हैं, यह स्वयं सहसंबंध का माप नहीं है।

सही उत्तर है: (A), (B), (C) और (D)

व्याख्या:

(A) प्रकार II त्रुटि: α - त्रुटि

• गलत।
  प्रकार II त्रुटि एक α-त्रुटि नहीं है। यह वास्तव में एक β-त्रुटि है, जो तब होती है जब एक गलत शून्य परिकल्पना को अस्वीकार नहीं किया जाता है (एक सच्चे प्रभाव का पता लगाने में विफलता)।

(B) प्रकार I त्रुटि: β - त्रुटि

• गलत।
  प्रकार I त्रुटि एक β-त्रुटि नहीं है। यह वास्तव में एक α-त्रुटि है, जो तब होती है जब एक सही शून्य परिकल्पना को गलत तरीके से अस्वीकार कर दिया जाता है।

(C) सही शून्य परिकल्पना को β - त्रुटि में अस्वीकार कर दिया जाता है

• गलत।
  एक सही शून्य परिकल्पना को अस्वीकार करना एक प्रकार I त्रुटि (α-त्रुटि) है, प्रकार II त्रुटि (β-त्रुटि) नहीं।

(D) गलत शून्य परिकल्पना को α - त्रुटि में स्वीकार कर लिया जाता है

• गलत।
  गलत शून्य परिकल्पना को स्वीकार करना एक प्रकार II त्रुटि (β-त्रुटि) है, प्रकार I त्रुटि (α-त्रुटि) नहीं।

Key Points

1. शून्य परिकल्पना (H₀):

• शून्य परिकल्पना एक ऐसा कथन है जो जनसंख्या पैरामीटर में कोई प्रभाव या कोई अंतर नहीं मानता है।
• उदाहरण: "किसी रोग के उपचार में दवा A और दवा B में कोई अंतर नहीं है।"
• यह आधारभूत धारणा है जिसका शोधकर्ता परीक्षण करते हैं।

2. वैकल्पिक परिकल्पना (H₁):

• वैकल्पिक परिकल्पना बताती है कि कोई प्रभाव या अंतर है।
• उदाहरण: "दवा A दवा B से अधिक प्रभावी है।"

3. प्रकार I त्रुटि (α - त्रुटि):

• तब होती है जब शून्य परिकल्पना सही है लेकिन गलत तरीके से अस्वीकार की जाती है।
• यह एक गलत सकारात्मक त्रुटि है।
• उदाहरण: यह निष्कर्ष निकालना कि दवा A दवा B से अधिक प्रभावी है जब वे समान रूप से प्रभावी हैं।
• एक महत्व स्तर (α) जैसे कि 0.05 सेट करके नियंत्रित किया जाता है।

4. प्रकार II त्रुटि (β - त्रुटि):

• तब होती है जब शून्य परिकल्पना गलत है लेकिन अस्वीकार नहीं की जाती है।
• यह एक गलत नकारात्मक त्रुटि है।
• उदाहरण: यह पता लगाने में विफल होना कि दवा A दवा B से अधिक प्रभावी है जब यह वास्तव में है।
• परीक्षण की शक्ति (1 - β) से संबंधित है।

5. परिकल्पना परीक्षण में सही निर्णय:

• H₀ को स्वीकार करना जब यह सही है: कोई त्रुटि नहीं (सही निर्णय)।
• H₀ को अस्वीकार करना जब यह गलत है: कोई त्रुटि नहीं (सही निर्णय)।

6. मुख्य संबंध:

• महत्व स्तर (α): प्रकार I त्रुटि करने की प्रायिकता।
• परीक्षण की शक्ति (1 - β): गलत शून्य परिकल्पना को सही ढंग से अस्वीकार करने की क्षमता।
• जैसे ही α घटता है, प्रकार II त्रुटि (β) का जोखिम बढ़ता है, और इसके विपरीत।

सही उत्तर विकल्प 3 अर्थात 10.67 है।

Key Points

• काई-स्क्वायर परीक्षण का उपयोग यह निर्धारित करने के लिए किया जाता है कि किसी श्रेणीबद्ध डेटा सेट में प्रेक्षित और अपेक्षित आवृत्तियों के बीच कोई महत्वपूर्ण संबंध है या नहीं।
• समान कार्य वाले दो जीन होते हैं जो प्रमुख गुण को नियंत्रित करते हैं।
• जब एक द्विसंकर क्रॉस 15:1 के अनुपात में दो फेनोटाइपिक वर्गों में संतति उत्पन्न करता है, तो ऐसा इसलिए हो सकता है क्योंकि दो लोकी के जीन उत्पादों के एक ही जैविक मार्ग के भीतर समान (अनावश्यक) कार्य होते हैं।

स्पष्टीकरण:

F2 पीढ़ी में अपेक्षित अनुपात : 15 : 1

प्रमुख विशेषता = 140

अप्रभावी लक्षण = 20

कुल = 160

अपेक्षित :

प्रभावी – 15/16 × 160 = 150

अप्रभावी – 1/16 × 160 = 10

प्रेक्षित:

प्रभावी – 140

अप्रभावी – 20

χ² = Σ ( (प्रेक्षित - अपेक्षित)² / अपेक्षित)

​​χ² = 10 + 0.67 = 10.67

अतः सही उत्तर विकल्प 3 अर्थात् 10.67 है।

अवधारणा:

• एक श्रेणीबद्ध चर के लिए उपयुक्तता की जांच काई-वर्ग (χ2) उपयुक्तता जांच है।
• एक सांख्यिकीय मॉडल की "फिटनेस" से तात्पर्य इस बात से है कि यह अवलोकनों के एक सेट से कितनी अच्छी तरह मेल खाता है।
• जब फिट की अच्छाई मजबूत होती है, तो मॉडल द्वारा पूर्वानुमानित मूल्य वास्तव में देखे गए मूल्यों के काफी करीब होते हैं।
• जब फिट की गुणवत्ता कम होती है तो मॉडल द्वारा पूर्वानुमानित मान और प्रेक्षित मान अलग-अलग हो जाते हैं।
• काई-वर्ग उपयुक्तता परीक्षण में स्वतंत्रता की डिग्री समूहों की संख्या में से एक घटाकर बराबर होती है।
• नीचे दिए गए वितरण आरेख में 2, 4, और 6 डिग्री स्वतंत्रता वाले काई-वर्ग वितरणों की तुलना की गई है।
• हमारे परीक्षण सांख्यिकी के दाईं ओर काई-वर्ग वितरण के अंतर्गत का क्षेत्र वह है जहां हम p-मान की खोज करते हैं।

स्पष्टीकरण:

• काई-वर्ग मान की गणना नीचे दिए गए सूत्र का उपयोग करके की जाती है।
• फिर, स्वतंत्रता की डिग्री की गणना n - 1 के रूप में की जाती है, जहाँ n उन तरीकों की संख्या है जिनमें अपेक्षित वर्ग भिन्न होने के लिए स्वतंत्र हैं।
• और अंत में, संभाव्यता मान प्राप्त हो जाता है।

इसलिए, सही विकल्प C, D, E हैं।

अवधारणा:

• बेयस प्रमेय पर आधारित, बेयसियन सांख्यिकी डेटा विश्लेषण की एक विधि है जहां सांख्यिकीय मॉडल के मापदंडों को अवलोकित डेटा की सहायता से अद्यतन किया जाता है।
• यह एक विश्लेषणात्मक उपकरण है जो नए डेटा और साक्ष्य को ध्यान में रखते हुए घटनाओं के बारे में हमारी मान्यताओं को नवीनीकृत करता है।
• पश्च वितरण की गणना पूर्व वितरण - जो पृष्ठभूमि सूचना का प्रतिनिधित्व करता है - को संभाव्यता फलन के रूप में अवलोकन डेटा के साथ संयोजित करके की जाती है।
• पश्चवर्ती का उपयोग करके भविष्य की घटनाओं की भविष्यवाणी भी की जा सकती है।
• इस प्राइमर में बायेसियन विश्लेषण की प्रक्रियाओं का वर्णन किया गया है, जिसमें पूर्व और डेटा मॉडल को परिभाषित करने से लेकर अनुमान निर्धारित करना, मॉडल की जांच करना और उसे परिष्कृत करना शामिल है।
• बेयस प्रमेय इस प्रकार दिया गया है:

स्पष्टीकरण:

• बायेसियन मॉडल इस प्रकार है:

• यहाँ, H उस परिकल्पना को दर्शाता है जिसकी हम जाँच करना चाहते हैं।
• ई परिकल्पना के लिए सबूत का प्रतिनिधित्व करते हैं।
• P(H/E) पश्चगामी को दर्शाता है जो इस बात की संभाव्यता है कि दिए गए साक्ष्य से परिकल्पना की पुष्टि/सत्य है।
• P(E/H) संभाव्यता को दर्शाता है जो इस बात की संभाव्यता है कि साक्ष्य परिकल्पना के अनुकूल है, अर्थात यदि परिकल्पना सत्य है तो इस साक्ष्य को देखने की संभाव्यता।
• P(H) पूर्व स्थिति को दर्शाता है जो यह बताता है कि साक्ष्य को ध्यान में रखने से पहले परिकल्पना कितनी संभावित थी।
• P(E) सीमांत संभाव्यता को दर्शाता है जो साक्ष्य के अवलोकन की संभाव्यता है।

अतः सही उत्तर विकल्प 3 है।

सही उत्तर विकल्प 2 अर्थात A - IV, B - III, C - I, D - II है।

व्याख्या:

(A)RCSB संरचनात्मक जैव सूचना विज्ञान के लिए अनुसंधान सहयोगी है, जो प्रोटीन डेटा बैंक (PDB) को होस्ट करता है। यह प्रोटीन और न्यूक्लिक अम्ल के 3D संरचनात्मक डेटा के लिए एक संग्रहालय है। इस प्रकार, यह (IV) प्रोटीन संरचना डेटाबेस से मेल खाता है।

(B) OMIM का अर्थ ऑनलाइन मेंडेलियन इनहेरिटेंस इन मैन है। यह मानव जीन और आनुवंशिक लक्षणों का एक व्यापक, आधिकारिक संग्रह है। OMIM में पूर्ण-पाठ, संदर्भित अवलोकन में सभी ज्ञात मेंडेलियन विकारों और 15,000 से अधिक जीनों के बारे में जानकारी होती है। यह (III) उत्परिवर्तन डेटाबेस से मेल खाता है क्योंकि यह आनुवंशिक विकारों और विविधताओं पर केंद्रित है।

(C) DDBJ जापान का DNA डेटा बैंक है, जो शोधकर्ताओं से DNA अनुक्रम एकत्र करता है और डेटा तक मुफ्त पहुंच प्रदान करता है। यह यूरोपीय न्यूक्लियोटाइड आर्चिव (ENA) और जीनबैंक के साथ, अंतर्राष्ट्रीय न्यूक्लियोटाइड अनुक्रम डेटाबेस सहयोग का हिस्सा है। यह (I) न्यूक्लियोटाइड अनुक्रम डेटाबेस से मेल खाता है।

(D) फ्लाईबेस ड्रोसोफिला (फल मक्खियों) के आनुवंशिकी और आणविक जीव विज्ञान के लिए एक डेटाबेस है। इसमें जीन  फ़ंक्शन , लक्षण और ड्रोसोफिला अनुसंधान के लिए प्रासंगिक जानकारी शामिल है, जो इसे एक जीव-विशिष्ट डेटाबेस बनाता है। इस प्रकार, यह (II) जीव-विशिष्ट जीनोम डेटाबेस से मेल खाता है।

Key Points

• वैषम्य वितरण की विषमता का एक माप है।
• एक वितरण या तो धनात्मक रूप से विषम या ऋणात्मक रूप से विषम हो सकता है जो पूँछ की दिशा पर निर्भर करता है।
• यदि कोई वितरण धनात्मक रूप से विषम है, इसका मतलब है कि वितरण की पूँछ बाईं ओर की तुलना में दाईं ओर लंबी है।
• इसे दाएँ-विषम वितरण भी कहा जाता है। इसके विपरीत, यदि कोई वितरण ऋणात्मक रूप से विषम है, तो इसका मतलब है कि वितरण की पूँछ दाईं ओर की तुलना में बाईं ओर लंबी है।
• इसे बायां-विषम वितरण भी कहा जाता है।
• वैषम्य और माध्य, माध्यिका और बहुलक के बीच संबंध इस प्रकार है:

1. एक सममित वितरण के लिए, माध्य, माध्यिका और बहुलक समान होते हैं।
2. एक धनात्मक रूप से विषम वितरण के लिए, माध्य माध्यिका से अधिक होता है, जो बहुलक से अधिक होता है।
3. एक ऋणात्मक रूप से विषम वितरण के लिए, माध्य माध्यिका से कम होता है, जो बहुलक से कम होता है।

• ऐसा इसलिए है क्योंकि, एक धनात्मक रूप से विषम वितरण में, दाईं ओर की लंबी पूँछ माध्य को दाईं ओर खींचती है, जबकि एक ऋणात्मक रूप से विषम वितरण में, बाईं ओर की लंबी पूँछ माध्य को बाईं ओर खींचती है।
• दूसरी ओर, माध्यिका, वितरण की पूँछ से कम प्रभावित होती है और वितरण के "केंद्र" का बेहतर माप देती है।
• बहुलक, जो वितरण में सबसे सामान्य मान है, विषम वितरणों में बहुत उपयोगी नहीं हो सकता है क्योंकि यह वितरण के केंद्र से काफी दूर हो सकता है।

निष्कर्ष:-

इसलिए, सही उत्तर विकल्प 3 है।

सही उत्तर नीडलमैन-वुन्श एल्गोरिथम है।

व्याख्या:

नीडलमैन-वुन्श एल्गोरिथम एक मौलिक संगणनात्मक तकनीक है जिसका उपयोग दो अनुक्रमों, जैसे प्रोटीन या डीएनए अनुक्रमों के वैश्विक संरेखण के लिए किया जाता है। इस एल्गोरिथम का वर्णन सबसे पहले सॉल B. नीडलमैन और क्रिश्चियन D. वुन्श ने 1970 में किया था।

वैश्विक संरेखण:-

• वैश्विक संरेखण का उद्देश्य प्रत्येक अनुक्रम की पूरी लंबाई को ध्यान में रखते हुए, शुरुआत से अंत तक अनुक्रमों को संरेखित करना है। यह विशेष रूप से उपयोगी है जब अनुक्रम तुलनीय लंबाई के होते हैं और पूरे लंबाई में समानता के क्षेत्र होने की उम्मीद होती है।

नीडलमैन-वुन्श एल्गोरिथम:-

• नीडलमैन-वुन्श एल्गोरिथम का व्यापक रूप से जैव सूचना विज्ञान में पूरे प्रोटीन या डीएनए अनुक्रमों को संरेखित करने के लिए उपयोग किया जाता है, जो इसे जीनोम तुलना, वंशावली अध्ययन और संरचनात्मक भविष्यवाणी के लिए मौलिक बनाता है।
• हालांकि एल्गोरिथम संगणनात्मक रूप से गहन है ((O(n m)) की समय जटिलता के साथ, जहाँ n और m अनुक्रमों की लंबाई हैं), यह सभी संभावित संरेखणों पर विचार करके इष्टतम वैश्विक संरेखण खोजने की गारंटी देता है।

स्मिथ-वाटरमैन एल्गोरिथम के साथ तुलना:-

• नीडलमैन-वुन्श: वैश्विक संरेखण, जिसका अर्थ है कि यह पूरे अनुक्रमों को संरेखित करता है।
• स्मिथ-वाटरमैन: स्थानीय संरेखण, जो बड़े अनुक्रमों के भीतर समानता के स्थानीय क्षेत्रों को खोजने पर केंद्रित है।

उल्लिखित अन्य विधियाँ:-

• चाउ-फास्मान विधि: इसका उपयोग प्रोटीन की द्वितीयक संरचनाओं की भविष्यवाणी करने के लिए किया जाता है, न कि अनुक्रम संरेखण के लिए।
• गार्नियर ऑस्गुथोरपे रॉबसन (GOR) विधि: इसका उपयोग प्रोटीन की द्वितीयक संरचनाओं की भविष्यवाणी करने के लिए भी किया जाता है, न कि अनुक्रम संरेखण के लिए।

निष्कर्ष:

संक्षेप में, नीडलमैन-वुन्श एल्गोरिथम दो प्रोटीन अनुक्रमों के वैश्विक संरेखण के लिए उपयोग की जाने वाली विधि है क्योंकि यह इष्टतम संरेखण खोजने के लिए अनुक्रमों की पूरी लंबाई पर विचार करने की क्षमता रखती है।

सही उत्तर समान अवशिष्ट = 10 अंक, रूढ़िवादी प्रतिस्थापन = 1 से 9 अंक, अंतराल = -3 अंक है।

व्याख्या:

BLAST (बेसिक लोकल अलाइनमेंट सर्च टूल) प्रोग्राम का उपयोग न्यूक्लियोटाइड या प्रोटीन अनुक्रमों की तुलना अनुक्रम डेटाबेस से करने और स्थानीय समानता के क्षेत्रों की पहचान करने के लिए किया जाता है। BLAST में समंकन तंत्र में आमतौर पर मैचों (समान अवशिष्ट और रूढ़िवादी प्रतिस्थापनों) के लिए धनात्मक स्कोर और अंतराल और बेमेल के लिए ऋणात्मक स्कोर शामिल होते हैं।

BLAST में समंकन 
अनुक्रमों के बीच संरेखण के लिए स्कोर निर्दिष्ट करने के लिए BLAST एक प्रतिस्थापन मैट्रिक्स का उपयोग करता है, जैसे कि प्रोटीन के लिए BLOSUM62। मैट्रिक्स मिलान, बेमेल और अंतराल के लिए स्कोर प्रदान करता है:

• समान अवशिष्ट: जब दोनों अनुक्रमों में एक विशिष्ट स्थिति पर एक ही न्यूक्लियोटाइड या अमीनो अम्ल उपस्थित होता है, तो इसे एक समान मिलान माना जाता है। ये मिलान आमतौर पर उच्चतम स्कोर प्राप्त करते हैं, जो इस उच्च संभावना को दर्शाता है कि ऐसे मिलान जैविक रूप से महत्वपूर्ण हैं। कई प्रतिस्थापन मैट्रिक्स (जैसे BLOSUM62) में समान मिलानों के लिए स्कोर अपेक्षाकृत अधिक होता है, और वर्णित परिदृश्य के लिए, एक समान अवशिष्ट को 10 अंक प्राप्त होते हैं।
• रूढ़िवादी प्रतिस्थापन: ये प्रतिस्थापन हैं जहां एक अमीनो अम्ल दूसरे को समान जैव रासायनिक गुणों, जैसे आवेश, जलोद्दीपकता या आकार के साथ बदल देता है। रूढ़िवादी प्रतिस्थापन समान मिलानों की तुलना में कम अनुकूल होते हैं लेकिन गैर-रूढ़िवादी प्रतिस्थापनों की तुलना में जैविक रूप से प्रासंगिक होने की अधिक संभावना होती है। BLAST समंकन में, रूढ़िवादी प्रतिस्थापन आमतौर पर धनात्मक स्कोर प्राप्त करते हैं, लेकिन ये स्कोर समान मिलानों की तुलना में कम होते हैं। स्कोर की सीमा (उदाहरण के लिए, 1 से 9 अंक) समानता की अलग-अलग डिग्री को दर्शाती है।
• अंतराल: अंतराल तब होते हैं जब सम्मिलित या हटाए गए अनुक्रमों के खंडों को संरेखित किया जाता है। बेहतर संरेखण प्राप्त करने के लिए अंतराल पेश करने से दंड लगता है क्योंकि अंतराल वास्तविक अनुक्रम मिलानों की तुलना में जैविक रूप से सार्थक होने की संभावना कम होती है। अंतराल आमतौर पर संरेखण में उनके कम मूल्य को दर्शाने के लिए ऋणात्मक स्कोर में परिणाम देते हैं। एक अंतराल खोलने की लागत आमतौर पर इसे बढ़ाने की तुलना में अधिक महत्वपूर्ण होती है, जो इंडेल की विघटनकारी प्रकृति पर जोर देती है। प्रदान किए गए विकल्पों के अनुसार, एक अंतराल के परिणामस्वरूप -3 अंक का दंड लगता है।

Key Points

• सांख्यिकी में, वितरण वह फलन है जो चर के लिए संभावित मान दर्शाता है।
• वितरण के विभिन्न प्रकार निम्नलिखित हैं:

1. सामान्य वितरण :
   • सामान्य वितरण से तात्पर्य सतत संभाव्यता वितरण से है, जहां अधिकांश डेटा बिंदु सीमा के केंद्र या मध्य की ओर एकत्रित होते हैं।
   • मध्य श्रेणी को वितरण का माध्य कहा जाता है।
   • उदाहरण के लिए, रॉक कॉड मछली की लंबाई एक सामान्य यादृच्छिक चर है।
2. द्विपद वितरण :
   • द्विपद वितरण से तात्पर्य संभाव्यता वितरण से है जो इस संभावना को रेखांकित करता है कि कोई मान दो स्वतंत्र मानों में से कोई एक लेगा।
   • उदाहरण के लिए, सिक्के को उछालने पर केवल दो परिणाम होंगे, अर्थात् चित और पट।
3. पॉइसन वितरण :
   • पॉइसन वितरण एक निर्दिष्ट समय सीमा में घटित होने वाली घटनाओं की संख्या की संभावना को संदर्भित करता है।
   • उदाहरण के लिए, 24 घंटे की अवधि में किसी हेल्पलाइन पर की गई कॉलों की संख्या।
4. घातांकी रूप से वितरण :
   • चरघातांकी वितरण से तात्पर्य सतत वितरण से है जिसका उपयोग किसी विशेष घटना के लिए अपेक्षित समय को मापने के लिए किया जाता है।

व्याख्या:

• काले हिरण का लिंग नर या मादा हो सकता है।
• इसलिए, जब शोधकर्ता यादृच्छिक नमूनाकरण कर रहे होते हैं, तो काले हिरण का लिंग नर या मादा हो सकता है।
• अतः, शोध के परिणाम में दो स्वतंत्र मान हो सकते हैं, या तो पुरुष या महिला।
• अतः यह द्विपद वितरण है।

अतः सही उत्तर विकल्प 2 है।

अवधारणा:

• प्रतिचयन एक तकनीक है जिसका उपयोग आँकड़ों में जनसंख्या का एक नमूना चुनने के लिए किया जाता है जिससे निष्कर्ष निकाला जाता है।
• नमूने से पूरी जनसंख्या की विशेषताओं का अनुमान लगाया जा सकता है। बाजार अनुसंधान प्रतिचयन को दो श्रेणियों में विभाजित किया जा सकता है: प्रायिकता प्रतिचयन और गैर-प्रायिकता प्रतिचयन।
• जनसंख्या के बारे में निष्कर्ष निकालने के लिए जनसंख्या से प्रेक्षणों के नमूने का चयन करने की प्रक्रिया को यादृच्छिक प्रतिचयन के रूप में जाना जाता है।
• इसके अतिरिक्त प्रायिकता प्रतिचयन के रूप में जाना जाता है।
• गैर-प्रायिकता प्रतिचयन, जिसे अक्सर अयादृच्छिक प्रतिचयन के रूप में जाना जाता है, इस नमूने के विपरीत है।
• सरल यादृच्छिक प्रतिचयन, स्तरीकृत प्रतिचयन, समूह प्रतिचयन और बहुस्तरीय प्रतिचयन इस नमूने के मुख्य प्रकार हैं।
• प्रतिचयन पद्धतियों में सुविधा नमूने को आम तौर पर गैर-स्वेच्छ प्रतिचयन के रूप में संदर्भित किया जाता है
• मानक विचलन डेटा वितरण के प्रसार को मापता है।
• यह प्रत्येक डेटा बिंदु और माध्य के बीच विशिष्ट दूरी को मापता है।

• एक ज्ञात मानक विचलन के साथ जनसंख्या के लिए एक विश्वास्यता अंतराल इस तथ्य पर आधारित है कि नमूने का प्रतिचयन वितरण लगभग सामान्य वितरण का पालन करता है।
• जबकि Z परीक्षण का उपयोग अधिकांश शोधकर्ताओं द्वारा छोटी जनसंख्या डेटा विश्लेषण के लिए किया जाता है।

व्याख्या:

• 95% विश्वास्यता अंतराल, अक्सर मापा पैरामीटर के सामान्य वितरण को मानकर अनुमान लगाया जाता है, इस मामले में इसे वैकल्पिक रूप से 1.96 (अक्सर 2 के निकटतम ) द्वारा सीमित अंतराल के रूप में परिभाषित किया जा सकता है, जनसंख्या माध्य के दोनों ओर से जनसंख्या मानक विचलन (अपेक्षित मान भी कहा जाता है)। 95% विश्वास्यता अंतराल (95%) की गणना इस प्रकार की जाती है।

सूत्र:

μ = माध्य ± ZSE(x̅)

SE(x̅) =  = 0.75

μ = 20 ± 1.96 × 0.75 =  (18.53 - 21.47)  (विश्वास्यता अंतराल)

विकल्प 1:

• उपरोक्त स्पष्टीकरण पर विचार करने से कह सकते है यह विकल्प सत्य है।
                       

विकल्प 2:

• उपरोक्त स्पष्टीकरण पर विचार करने से कह सकते है यह विकल्प सत्य नहीं है।

•  उपरोक्त स्पष्टीकरण पर विचार करने से कह सकते है यह विकल्प सत्य नहीं है।

विकल्प 4:

• उपरोक्त स्पष्टीकरण पर विचार करने से कह सकते है यह विकल्प सत्य नहीं है।

सही उत्तर नीडलमैन-वुन्श एल्गोरिथम है l

व्याख्या:

नीडलमैन-वुन्श एल्गोरिथम एक मौलिक संगणनात्मक तकनीक है जिसका उपयोग दो अनुक्रमों, जैसे प्रोटीन या डीएनए अनुक्रमों के वैश्विक संरेखण के लिए किया जाता है। इस एल्गोरिथम का वर्णन सबसे पहले सोल B. नीडलमैन और क्रिश्चियन D. वुन्श ने 1970 में किया था।

वैश्विक संरेखण:-

• वैश्विक संरेखण का उद्देश्य प्रत्येक अनुक्रम की पूरी लंबाई को ध्यान में रखते हुए, शुरुआत से अंत तक अनुक्रमों को संरेखित करना है। यह विशेष रूप से उपयोगी है जब अनुक्रम तुलनीय लंबाई के होते हैं और उनके पूरे लंबाई में समानता के क्षेत्र होने की उम्मीद होती है।

नीडलमैन-वुन्श एल्गोरिथम:-

• नीडलमैन-वुन्श एल्गोरिथम का व्यापक रूप से जैव सूचना विज्ञान में पूरे प्रोटीन या डीएनए अनुक्रमों को संरेखित करने के लिए उपयोग किया जाता है, जो इसे जीनोम तुलना, वंशावली अध्ययन और संरचनात्मक भविष्यवाणी के लिए मौलिक बनाता है।
• हालांकि एल्गोरिथम संगणनात्मक रूप से गहन है ((O(n m)) की समय जटिलता के साथ, जहाँ n और m अनुक्रमों की लंबाई हैं), यह सभी संभावित संरेखणों पर विचार करके इष्टतम वैश्विक संरेखण खोजने की गारंटी देता है।

स्मिथ-वाटरमैन एल्गोरिथम के साथ तुलना:-

• नीडलमैन-वुन्श: वैश्विक संरेखण, जिसका अर्थ है कि यह पूरे अनुक्रमों को संरेखित करता है।
• स्मिथ-वाटरमैन: स्थानीय संरेखण, जो बड़े अनुक्रमों के भीतर समानता के स्थानीय क्षेत्रों को खोजने पर केंद्रित है।

उल्लिखित अन्य विधियाँ:-

• चौ-फास्मान विधि: इसका उपयोग प्रोटीन की द्वितीयक संरचनाओं की भविष्यवाणी करने के लिए किया जाता है, न कि अनुक्रम संरेखण के लिए।
• गार्नियर ओसगुथोर्प रॉबसन (GOR) विधि: इसका उपयोग प्रोटीन द्वितीयक संरचनाओं की भविष्यवाणी करने के लिए भी किया जाता है, न कि अनुक्रम संरेखण के लिए।

निष्कर्ष:

संक्षेप में, नीडलमैन-वुन्श एल्गोरिथम दो प्रोटीन अनुक्रमों के वैश्विक संरेखण के लिए उपयोग की जाने वाली विधि है क्योंकि यह इष्टतम संरेखण खोजने के लिए अनुक्रमों की पूरी लंबाई पर विचार करने की क्षमता रखती है।