Sampling Distribution এর ধারণা গাইড ও নোট

Big Data and Analytics - পরিসংখ্যান (Statistics) - Sampling এবং Sampling Distribution
449

Sampling Distribution হল একটি তাত্ত্বিক বণ্টন যা একটি র‌্যান্ডম স্যাম্পল থেকে একটি পরিমাপ (যেমন, গড়, পুংখানুপুঙ্খ, বা অন্যান্য পরিসংখ্যানিক পরিমাপ) বের করার পর, সেই পরিমাপের সমস্ত সম্ভাব্য মানের বণ্টন বা সম্ভবনা নির্ধারণ করে। এটি মূলত একটি বিভিন্ন স্যাম্পলের পরিসংখ্যানগুলির বণ্টন বা তাদের স্যাম্পল স্ট্যাটিস্টিক্সের সম্পর্কিত সম্ভাবনা।

যখন আমরা কোনো জনসংখ্যা থেকে একাধিক র‌্যান্ডম স্যাম্পল নেব এবং প্রতিটি স্যাম্পল থেকে একটি পরিসংখ্যানিক পরিমাপ (যেমন, গড়) বের করব, তখন সেই পরিমাপগুলির একটি বণ্টন তৈরি হবে, যা Sampling Distribution হিসেবে পরিচিত।


Sampling Distribution এর বৈশিষ্ট্য:

  1. ডিস্ট্রিবিউশনের কেন্দ্র:
    • যদি আমরা গড় (Mean) বের করি, তাহলে Sampling Distribution এর গড়টি জনসংখ্যার গড়ের সমান হবে।
    • অর্থাৎ, Sampling Distribution এর গড় (μxˉ\mu_{\bar{x}}) হল জনসংখ্যার গড় (μ\mu) এর সমান: μxˉ=μ\mu_{\bar{x}} = \mu
  2. ডিস্ট্রিবিউশনের ছড়ানো:
    • Sampling Distribution এর প্রস্থ বা Standard Error (SE) জনসংখ্যার Standard Deviation থেকে নির্ভরশীল হয় এবং এটি স্যাম্পলের আকারের সাথে সম্পর্কিত: SE=σnSE = \frac{\sigma}{\sqrt{n}} যেখানে σ\sigma হল জনসংখ্যার স্ট্যান্ডার্ড ডেভিয়েশন এবং nn হল স্যাম্পলের আকার।
  3. Central Limit Theorem (CLT):
    • Central Limit Theorem অনুযায়ী, যদি স্যাম্পল সাইজ যথেষ্ট বড় হয় (যেমন n30n \geq 30) এবং স্যাম্পলগুলি জনসংখ্যা থেকে র্যান্ডমভাবে নেয়া হয়, তবে Sampling Distribution প্রায় Normal Distribution হবে, যে বিষয়টি জনসংখ্যার বণ্টনের সাথে সম্পর্কিত নয়। এর মানে হল যে, কোনো রকম বণ্টন হোক না কেন, বড় স্যাম্পল সাইজের জন্য Sampling Distribution নরমাল বণ্টন হয়ে যাবে।

Sampling Distribution এর উদাহরণ:

ধরা যাক, একটি স্কুলের সমস্ত ছাত্রদের উচ্চতা জানার জন্য আপনি ৫টি আলাদা র‌্যান্ডম স্যাম্পল সংগ্রহ করেন, এবং প্রতিটি স্যাম্পল থেকে গড় উচ্চতা বের করেন। তারপর, এই ৫টি স্যাম্পলের গড় উচ্চতার একটি বণ্টন তৈরি করবেন। এটি হবে সেই জনসংখ্যার Sampling Distribution

  • ধাপ ১: প্রথমে, আপনি জনসংখ্যা থেকে ৫টি র‌্যান্ডম স্যাম্পল নেন।
  • ধাপ ২: প্রতিটি স্যাম্পল থেকে গড় উচ্চতা বের করেন।
  • ধাপ ৩: এই ৫টি গড় উচ্চতার একটি বণ্টন তৈরি হয়, যা Sampling Distribution হবে।

Sampling Distribution এর গুরুত্ব:

  1. বিশ্বস্ততা নির্ধারণ: Sampling Distribution ব্যবহার করে আমরা একটি পরিসংখ্যানের বিশ্বস্ততা নির্ধারণ করতে পারি। অর্থাৎ, একটি স্যাম্পল থেকে প্রাপ্ত পরিসংখ্যানটি জনসংখ্যার প্রকৃত পরিসংখ্যানের কতটা কাছাকাছি।
  2. সম্ভাবনা নির্ধারণ: Sampling Distribution থেকে আমরা ভবিষ্যৎ স্যাম্পলগুলির সম্ভাবনা নির্ধারণ করতে পারি এবং একটি স্যাম্পল পরিসংখ্যানের ভিত্তিতে সিদ্ধান্ত নিতে পারি।
  3. স্ট্যাটিস্টিক্যাল ইনফারেন্স: Sampling Distribution স্ট্যাটিস্টিক্যাল ইনফারেন্স তৈরি করার জন্য অত্যন্ত গুরুত্বপূর্ণ, যেখানে স্যাম্পল পরিসংখ্যানগুলি জনসংখ্যার পরিসংখ্যানের সাথে সম্পর্কিত সিদ্ধান্ত নিতে ব্যবহৃত হয়।

সারাংশ

Sampling Distribution হল একটি তাত্ত্বিক বণ্টন, যা র‌্যান্ডম স্যাম্পলগুলির পরিসংখ্যানিক পরিমাপের সম্ভাব্য মানগুলি দেখায়। এটি গড়, সেন্ট্রাল লিমিট থিওরেমের সাহায্যে, এবং স্যাম্পল সাইজের প্রভাব বোঝানোর জন্য গুরুত্বপূর্ণ। Sampling Distribution ডেটার বিচ্যুতি, পরিসংখ্যানিক ত্রুটি এবং স্ট্যাটিস্টিক্যাল ইনফারেন্স তৈরিতে সহায়ক।

Content added By
Promotion

Are you sure to start over?

Loading...