একটি মুদ্রা পরপর তিনবার টস করা হলে, পর্যায়ক্রমে মুদ্রাটির হেড এবং টেইল পাবার সম্ভাব্যতা হবে ?

বিস্তার পরিমাপ (Measures of Dispersions) এবং সম্ভাবনা (Probability) দুটি গুরুত্বপূর্ণ গাণিতিক ধারণা যা পরিসংখ্যান এবং গাণিতিক বিশ্লেষণের ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়। এখানে সংক্ষেপে তাদের ব্যাখ্যা করা হলো:

বিস্তার পরিমাপ (Measures of Dispersions)

বিস্তার পরিমাপ হল এমন একটি পদ্ধতি যা কোনো সংখ্যার সেটের মধ্যে মানগুলির ছড়িয়ে পড়া বা পরিবর্তনশীলতা পরিমাপ করে। এর মাধ্যমে আমরা জানাতে পারি যে, কোনো ডেটাসেটের মানগুলি একে অপরের থেকে কতটা দূরে বা কাছাকাছি।

বিস্তারের বিভিন্ন পরিমাপের মধ্যে কিছু প্রধান পদ্ধতি হল:

1. পরিসীমা (Range)
   এটি সবচেয়ে সহজ বিস্তার পরিমাপ। একটি ডেটাসেটের সর্বোচ্চ মান থেকে সর্বনিম্ন মান বাদ দিয়ে যা পাওয়া যায়, তা হলো পরিসীমা।

   \[
   \text{Range} = \text{Maximum value} - \text{Minimum value}
   \]

2. প্রমিত বিচ্যুতি (Standard Deviation)
   এটি ডেটাসেটের মধ্যে প্রতিটি মানের গড় থেকে কতটুকু বিচ্যুত হচ্ছে, তা পরিমাপ করে। একটি কম প্রমিত বিচ্যুতি মানে ডেটা পয়েন্টগুলো গড়ের কাছে থাকে, আর একটি বড় মানে ডেটা পয়েন্টগুলো বেশি ছড়িয়ে থাকে।

   \[
   \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i - \mu)^2}
   \]

   যেখানে \( x_i \) হলো প্রতিটি ডেটা পয়েন্ট এবং \( \mu \) হলো গড়।

3. বিচ্যুতি (Variance)
   প্রমিত বিচ্যুতির বর্গ হলো বিচ্যুতি। এটি বিস্তার পরিমাপের আরেকটি গুরুত্বপূর্ণ উপায়।

   \[
   \text{Variance} = \frac{1}{N} \sum_{i=1}^{N} (x_i - \mu)^2
   \]

সম্ভাবনা (Probability)

সম্ভাবনা হলো কোন একটি ঘটনার সংঘটিত হওয়ার সম্ভাবনা বা সুযোগের পরিমাপ। এটি সাধারণত \(0\) থেকে \(1\) এর মধ্যে একটি সংখ্যা দিয়ে প্রকাশ করা হয়, যেখানে \(0\) মানে কোনো ঘটনা ঘটবে না এবং \(1\) মানে ওই ঘটনা নিশ্চয় ঘটবে।

1. প্রাথমিক ধারণা
   সম্ভাবনার সূত্র অনুযায়ী, কোনো একটি ঘটনা A ঘটার সম্ভাবনা হলো, সেটির সফল হওয়া ঘটনার সংখ্যা ভাগ করা ওই সমস্ত ঘটনার মোট সংখ্যার সঙ্গে।

   \[
   P(A) = \frac{\text{Number of favorable outcomes}}{\text{Total number of possible outcomes}}
   \]

2. সম্ভাবনা নিয়ম

   • যোগ নিয়ম (Addition Rule): দুটি ঘটনা \(A\) এবং \(B\) এর মধ্যে যেকোনো একটি ঘটার সম্ভাবনা হলো:

     \[
     P(A \cup B) = P(A) + P(B) - P(A \cap B)
     \]

   • গুণ নিয়ম (Multiplication Rule): দুটি ঘটনা \(A\) এবং \(B\) একসঙ্গে ঘটার সম্ভাবনা হলো:

     \[
     P(A \cap B) = P(A) \times P(B \mid A)
     \]

এই দুটি ধারণা পরিসংখ্যান এবং গাণিতিক বিশ্লেষণে গুরুত্বপূর্ণ ভূমিকা পালন করে। তাদের মাধ্যমে ডেটা বিশ্লেষণ, সিদ্ধান্ত গ্রহণ এবং মডেল তৈরিতে সহায়ক তথ্য প্রদান করা হয়।