light mode
night mode
পরিসংখ্যান (Statistics)
পরিসংখ্যানের মৌলিক ধারণা এবং প্রয়োজনীয়তা পরিসংখ্যান কী এবং কেন প্রয়োজন? ডেটা সংগ্রহের পদ্ধতি এবং উদাহরণ পরিসংখ্যানের বিভিন্ন শাখা (Descriptive এবং Inferential) ডেটার শ্রেণিবিন্যাস (Qualitative vs. Quantitative) ভর ডেটার পরিমাপ (Measures of Mass Data) Frequency Distribution এবং Cumulative Frequency Percentiles এবং Quartiles এর ধারণা Frequency Polygon এবং Ogive Graphical Presentation of Data Bar Chart এবং Pie Chart এর ব্যবহার Histogram এবং Frequency Polygon Boxplot এর মাধ্যমে Data Visualization Stem-and-Leaf Plot এর মাধ্যমে ডেটার সামগ্রিক চিত্র Measures of Central Tendency Arithmetic Mean এবং তার প্রকারভেদ (Simple, Weighted) Geometric এবং Harmonic Mean Median এবং তার ব্যবহার Mode এবং তার ব্যবহার (Uni-modal, Bi-modal) Measures of Dispersion Range, Quartile Deviation এবং Mean Deviation Variance এবং Standard Deviation এর ব্যবহার Coefficient of Variation (CV) এর প্রয়োগ Relative এবং Absolute Measures of Dispersion Moments, Skewness এবং Kurtosis Moments এর মৌলিক ধারণা Skewness: Positive, Negative, Symmetrical Distributions Kurtosis এর প্রকারভেদ: Leptokurtic, Platykurtic, Mesokurtic Data Shape বিশ্লেষণের জন্য Moments এর ব্যবহার সম্ভাব্যতা (Probability) এর মৌলিক ধারণা Classical এবং Empirical Probability Axioms of Probability Law of Total Probability Compound Events এবং Conditional Probability Random Variables এবং Probability Distributions Random Variables এর ধারণা এবং প্রকারভেদ (Discrete এবং Continuous) Probability Mass Function (PMF) এবং Probability Density Function (PDF) Cumulative Distribution Function (CDF) Expectation এবং Variance of a Random Variable Special Probability Distributions Binomial Distribution এবং তার প্রয়োগ Poisson Distribution এর ব্যবহার Normal Distribution এবং তার বৈশিষ্ট্য Exponential এবং Uniform Distribution Sampling এবং Sampling Distribution Population এবং Sample এর পার্থক্য Sampling Techniques (Simple Random, Stratified, Cluster) Sampling Distribution এর ধারণা Standard Error এর ব্যবহার Estimation Theory Point এবং Interval Estimation এর প্রয়োজনীয়তা Properties of Estimators: Unbiasedness, Consistency, Efficiency Confidence Interval এবং তার ব্যাখ্যা Margin of Error এবং তার ব্যবহার Hypothesis Testing Null এবং Alternative Hypothesis এর ধারণা Type I এবং Type II Errors Significance Level এবং P-value এর ব্যবহার One-tailed এবং Two-tailed Tests Parametric এবং Non-parametric Tests Parametric Test এর মৌলিক ধারণা Z-test এবং T-test এর ব্যবহার Non-parametric Test: Mann-Whitney, Wilcoxon, Kruskal-Wallis Chi-square Test এর মাধ্যমে Hypothesis Testing Analysis of Variance (ANOVA) One-way এবং Two-way ANOVA F-test এর মাধ্যমে Variance বিশ্লেষণ Repeated Measures ANOVA Post-hoc Tests (Tukey, LSD, Scheffé) Correlation এবং Causality Correlation Coefficient (Pearson, Spearman) Positive এবং Negative Correlation এর ব্যাখ্যা Spurious Correlation এবং তার প্রভাব Causality এর সাথে Correlation এর পার্থক্য Regression Analysis Simple এবং Multiple Regression এর মৌলিক ধারণা Linear এবং Non-linear Regression Least Squares Method এর ব্যবহার Residual Analysis এবং Model Validation Time Series Analysis এবং Forecasting Time Series এর বিভিন্ন Components (Trend, Seasonal, Cyclic, Irregular) Moving Average এবং Exponential Smoothing এর ব্যবহার ARIMA Model এর মাধ্যমে Forecasting Techniques Seasonal Decomposition এর ব্যবহার Index Numbers এবং তার ব্যবহার Simple এবং Weighted Index Numbers এর ধারণা Laspeyres এবং Paasche Index এর প্রয়োগ Consumer Price Index (CPI) এবং Wholesale Price Index (WPI) Chain Base এবং Fixed Base Index Numbers Multivariate Statistical Analysis Multivariate Regression এবং Analysis of Covariance (ANCOVA) Principal Component Analysis (PCA) এবং তার ব্যবহার Factor Analysis এর মাধ্যমে Dimensionality Reduction Canonical Correlation এবং Discriminant Analysis Statistical Quality Control (SQC) Control Charts এর ব্যবহার (X-bar, R-chart, P-chart) Process Control এবং Product Control এর ধারণা Acceptance Sampling এবং Sampling Plan Six Sigma এবং Statistical Process Control (SPC) Statistical Inference এবং Decision Making Bayes' Theorem এর মাধ্যমে Decision Making Maximum Likelihood Estimation (MLE) Decision Trees এবং Random Forest এর ব্যবহার Risk Analysis এবং Statistical Decision Theory Statistical Software এবং Tools Excel এর মাধ্যমে Statistical Computation R Programming এর Advanced Statistical Functions Python এর Data Analysis Libraries (Pandas, NumPy, SciPy, Statsmodels) SPSS, SAS এবং Minitab এর ব্যবহার Real-world Applications of Statistics Healthcare Data Analysis এবং Epidemiology Social Science Research এবং Survey Analysis Marketing এবং Sales Data Forecasting Machine Learning এবং AI এর সাথে Statistics এর সমন্বয় Big Data এবং Advanced Statistical Techniques Big Data এর জন্য Statistics এর প্রয়োজনীয়তা Data Mining Techniques (Classification, Clustering, Association) High-dimensional Data Analysis এবং Machine Learning Cloud Computing এর মাধ্যমে Statistical Processing Statistics এর ভবিষ্যৎ এবং Trends Data Science এবং Statistics এর সমন্বয় AI, Machine Learning, এবং Deep Learning এর সাথে Statistics Bayesian Statistics এবং Decision Making এর ভবিষ্যৎ Quantum Computing এবং Statistics এর ভবিষ্যৎ প্রভাব

Expectation এবং Variance of a Random Variable গাইড ও নোট

Big Data and Analytics - পরিসংখ্যান (Statistics) - Random Variables এবং Probability Distributions
531

Expectation এবং Variance হল সম্ভাবনা তত্ত্বে ব্যবহৃত দুটি মৌলিক ধারণা, যা একটি র্যান্ডম ভ্যারিয়েবলের বৈশিষ্ট্য এবং তার আচরণ বোঝাতে সাহায্য করে। এগুলি পরিসংখ্যানিক পরিমাপ, যা আমাদেরকে ডেটার গড় এবং ছড়িয়ে পড়ার সম্পর্কে ধারণা দেয়।

১. Expectation of a Random Variable (এক্সপেকটেশন)

Expectation (অথবা গাণিতিক প্রত্যাশা) হল একটি র্যান্ডম ভ্যারিয়েবলের গড় মান, যা সম্ভাব্য মানগুলির সাথে তাদের সম্ভাবনার গুণফলের যোগফল। এটি র্যান্ডম ভ্যারিয়েবলের কেন্দ্রীয় প্রবণতা বা গড় মান প্রকাশ করে। Expectation একটি গুরুত্বপূর্ণ পরিমাপ কারণ এটি একটি র্যান্ডম ভ্যারিয়েবলের ভবিষ্যৎ মানের একটি গাণিতিক পূর্বাভাস প্রদান করে।

ফর্মুলা:

যদি XX একটি ডিসক্রিট র্যান্ডম ভ্যারিয়েবল হয় যার সম্ভাবনা ভর ফাংশন P(X=xi)P(X = x_i), তাহলে এক্সপেকটেশন বা গাণিতিক প্রত্যাশা হবে:

E(X)=∑ixiP(X=xi)E(X) = \sum_{i} x_i P(X = x_i)

এছাড়া, যদি XX একটি কন্টিনিউয়াস র্যান্ডম ভ্যারিয়েবল হয়, তাহলে এক্সপেকটেশন হবে:

E(X)=∫−∞∞xfX(x) dxE(X) = \int_{-\infty}^{\infty} x f_X(x) \, dx

এখানে, fX(x)f_X(x) হল র্যান্ডম ভ্যারিয়েবলের ঘনত্ব ফাংশন।

উদাহরণ:

ধরা যাক, একটি骰ি নিক্ষেপ করা হচ্ছে। XX হল ফলাফল, যেখানে X=1,2,3,4,5,6X = 1, 2, 3, 4, 5, 6। প্রতিটি ফলাফলের সম্ভাবনা P(X=x)=16P(X = x) = \frac{1}{6}।

এক্ষেত্রে, এক্সপেকটেশন হবে:

E(X)=16(1+2+3+4+5+6)=216=3.5E(X) = \frac{1}{6} (1 + 2 + 3 + 4 + 5 + 6) = \frac{21}{6} = 3.5

এতে বোঝানো হচ্ছে যে, দীর্ঘকাল ধরে骰ি নিক্ষেপ করলে গড় ফলাফল ৩.৫ হবে।

২. Variance of a Random Variable (ভেরিয়েন্স)

Variance (ভেরিয়েন্স) হল একটি র্যান্ডম ভ্যারিয়েবলের মানের গড় থেকে কতটা বিচ্যুতি (deviation) ঘটছে তার পরিমাপ। এটি র্যান্ডম ভ্যারিয়েবলের সৃষ্ট বৈচিত্র্য বা ছড়িয়ে পড়ার মাপ। Variance কে সাধারনত σ2\sigma^2 দ্বারা চিহ্নিত করা হয় এবং এটি ডেটার বিস্তার বা ভিন্নতার পরিমাপ।

ফর্মুলা:

Variance একটি র্যান্ডম ভ্যারিয়েবলের প্রত্যাশা E(X)E(X) থেকে এর বিচ্যুতির স্কোয়ার গড় (বিভিন্নতা) হয়। ডিসক্রিট র্যান্ডম ভ্যারিয়েবলের জন্য:

Var(X)=E[(X−E(X))2]=∑i(xi−E(X))2P(X=xi)Var(X) = E[(X - E(X))^2] = \sum_{i} (x_i - E(X))^2 P(X = x_i)

এবং কন্টিনিউয়াস র্যান্ডম ভ্যারিয়েবলের জন্য:

Var(X)=∫−∞∞(x−E(X))2fX(x) dxVar(X) = \int_{-\infty}^{\infty} (x - E(X))^2 f_X(x) \, dx

এটি ডেটার ফ্লাকচুয়েশন বা ছড়িয়ে পড়ার মাত্রা দেখায়।

উদাহরণ:

ধরা যাক, আগের উদাহরণে আমরা dice-র ফলাফল XX নিয়ে কাজ করছি, যেখানে E(X)=3.5E(X) = 3.5। এখন, ভেরিয়েন্স হবে:

Var(X)=16[(1−3.5)2+(2−3.5)2+(3−3.5)2+(4−3.5)2+(5−3.5)2+(6−3.5)2]Var(X) = \frac{1}{6} \left[(1 - 3.5)^2 + (2 - 3.5)^2 + (3 - 3.5)^2 + (4 - 3.5)^2 + (5 - 3.5)^2 + (6 - 3.5)^2 \right] Var(X)=16[6.25+2.25+0.25+0.25+2.25+6.25]=17.56≈2.92Var(X) = \frac{1}{6} \left[ 6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25 \right] = \frac{17.5}{6} \approx 2.92

এখানে, variance 2.92, যা দেখায় যে骰ির ফলাফল গড় থেকে প্রায় ২.৯২ ইউনিটের মধ্যে ছড়িয়ে পড়ছে।

Relation between Expectation and Variance

  • Expectation (E(X)) একটি র্যান্ডম ভ্যারিয়েবলের গড় মান নির্ধারণ করে, যা তার কেন্দ্রীয় প্রবণতা প্রকাশ করে।
  • Variance (Var(X)) র্যান্ডম ভ্যারিয়েবলের ডেটার বৈচিত্র্য বা ছড়িয়ে পড়ার পরিমাপ প্রদান করে।

এটি মনে রাখতে হবে যে Variance কখনো Expectation থেকে পৃথক এবং এর একক গড়ের একক থেকে আলাদা থাকে, তবে এটি মূলত ডেটার গতিপথ এবং তার বিস্তার বোঝাতে সহায়ক।

সারাংশ

Expectation এবং Variance হল র্যান্ডম ভ্যারিয়েবলের দুটি গুরুত্বপূর্ণ পরিমাপ। Expectation ডেটার গড় বা কেন্দ্রীক প্রবণতা এবং Variance ডেটার বিস্তার বা বৈচিত্র্য পরিমাপ করে। এগুলি সাধারণত সম্ভাবনা তত্ত্বে ব্যবহৃত হয় এবং আমাদেরকে র্যান্ডম ভ্যারিয়েবলের আচরণ এবং তার সম্ভাব্য পরিবর্তনশীলতা বুঝতে সাহায্য করে।

Content added By
SATT Academy

Read more

Random Variables এর ধারণা এবং প্রকারভেদ (Discrete এবং Continuous) Probability Mass Function (PMF) এবং Probability Density Function (PDF) Cumulative Distribution Function (CDF)

or

Don't have an account? Register

Promotion
NEW SATT AI এখন আপনাকে সাহায্য করতে পারে।

Satt AI

Are you sure to start over?