Moments, Skewness এবং Kurtosis গাইড ও নোট

Moments, Skewness, এবং Kurtosis পরিসংখ্যানের গুরুত্বপূর্ণ ধারণা যা একটি ডেটাসেটের প্রকৃতি এবং বৈশিষ্ট্য বিশ্লেষণ করতে ব্যবহৃত হয়। এগুলি ডেটার কেন্দ্রীকরণ, বিস্তার, আকার এবং সম্পর্কের জন্য একটি গভীর বিশ্লেষণ প্রদান করে।

১. Moments (মোমেন্ট)

Moment একটি পরিসংখ্যানিক পদ্ধতি, যা ডেটার একটি ডিস্ট্রিবিউশন বা বন্টন সম্পর্কিত বিভিন্ন বৈশিষ্ট্য নির্ধারণ করতে সাহায্য করে। Moments সাধারণত একটি ডেটাসেটের আকার, আন্ডারটাইম (centring), এবং প্রসারিততা (spread) বোঝাতে ব্যবহৃত হয়।

মোমেন্টের ধরণ:

1. প্রথম মোমেন্ট (First Moment): এটি ডেটার গড় (Mean) নির্দেশ করে।
   • গড় (Mean) হলো একটি ডেটাসেটের সমস্ত মানের যোগফলকে তাদের সংখ্যা দিয়ে ভাগ করা।
2. দ্বিতীয় মোমেন্ট (Second Moment): এটি ডেটার বিস্তার (Variance) এবং মানদণ্ড (Standard Deviation) নির্দেশ করে। এটি ডেটার কেন্দ্র থেকে বিচ্যুতি পরিমাপ করে।
3. তৃতীয় মোমেন্ট (Third Moment): এটি Skewness বা আসিমিততা নির্দেশ করে, যা ডেটার সিমেট্রিক বা অসম সিমেট্রিক প্রকৃতি নির্ধারণে সাহায্য করে।
4. চতুর্থ মোমেন্ট (Fourth Moment): এটি Kurtosis বা উচ্চতামান সূচক নির্দেশ করে, যা ডেটার শিখর বা বিস্তারের জন্য ব্যবহৃত হয়।

মোমেন্টের উদাহরণ:

• ডেটার গড় বা গড় মান বের করতে প্রথম মোমেন্ট ব্যবহার করা হয়।
• ডেটার বিস্তার বা মানদণ্ড বের করতে দ্বিতীয় মোমেন্ট ব্যবহৃত হয়।

২. Skewness (আসিমিততা)

Skewness হল একটি পরিসংখ্যানিক পরিমাপ যা ডেটার বন্টন বা ডিস্ট্রিবিউশনের সিমেট্রিক প্রকৃতি নির্ধারণ করে। এটি ডেটার ডিস্ট্রিবিউশনের বাঁকা বা অসম সিমেট্রিকতাকে চিহ্নিত করে। Skewness এর মাধ্যমে বোঝা যায় যে ডেটার একটি দিকের দিকে অনেক বেশি বা কম মান ঢেকে যাচ্ছে কি না।

Skewness এর ধরণ:

1. Positively Skewed (ডানদিকে বাঁকানো): যখন ডেটার অধিকাংশ মান ছোট এবং কিছু বড় মান রয়েছে, তখন এটি ডানদিকে বাঁকানো হয়। এর মানে হল, ডিস্ট্রিবিউশনটি ডানদিকে দীর্ঘ "tail" তৈরি করে।
   • উদাহরণ: আয় বা সম্পত্তি ডিস্ট্রিবিউশন, যেখানে কিছু মানুষ খুব বেশি আয় করে।
2. Negatively Skewed (বামদিকে বাঁকানো): যখন ডেটার অধিকাংশ মান বড় এবং কিছু ছোট মান রয়েছে, তখন এটি বামদিকে বাঁকানো হয়। এর মানে হল, ডিস্ট্রিবিউশনটি বামদিকে দীর্ঘ "tail" তৈরি করে।
   • উদাহরণ: পরীক্ষা বা গ্রেডের ডিস্ট্রিবিউশন, যেখানে অধিকাংশ ছাত্র ভালো নম্বর পায়।
3. Symmetrical (সমমিত): যখন ডেটার বন্টন সম্পূর্ণ সমমিত হয়, অর্থাৎ এর ডান এবং বাম পাশ সমানভাবে ছড়িয়ে থাকে, তখন Skewness এর মান শূন্য হয়।

Skewness এর উদাহরণ:

• Positively skewed ডেটার উদাহরণ হতে পারে, যদি কোনো শহরের বাসিন্দাদের আয় থেকে দেখা যায় অধিকাংশ মানুষের আয় কম কিন্তু কিছু লোকের আয় অনেক বেশি।

৩. Kurtosis (কিউরটোসিস)

Kurtosis একটি পরিসংখ্যানিক পরিমাপ যা ডেটার শিখরের (peakedness) এবং শাখাগুলির বিস্তারের (tailing) প্রকৃতি নির্ধারণ করে। এটি ডেটার বিতরণের শিখরের উচ্চতা এবং শাখার বিস্তার বুঝতে সাহায্য করে।

Kurtosis এর ধরণ:

1. Leptokurtic (লেপটোকার্টিক): যখন ডেটার বন্টন তীক্ষ্ণ শিখরযুক্ত এবং শাখাগুলির বিস্তার বেশি থাকে, তখন তা Leptokurtic বলা হয়। এর মানে হল, ডেটার অধিকাংশ মান কেন্দ্রীভূত, কিন্তু কিছু অতিরিক্ত বড় বা ছোট মান থাকতে পারে।
   • উদাহরণ: একাধিক উচ্চ লাভ বা ক্ষতি সহ কোনও পুঁজিবাজারের ডিস্ট্রিবিউশন।
2. Platykurtic (প্ল্যাটিকার্টিক): যখন ডেটার বন্টন সোজা এবং শিখরের উচ্চতা কম থাকে, এবং শাখাগুলির বিস্তার খুব বেশি না থাকে, তখন তা Platykurtic বলা হয়। অর্থাৎ, ডেটার মান সমানভাবে ছড়িয়ে থাকে।
   • উদাহরণ: একটি ক্লাসের ছাত্রদের নম্বরের ডিস্ট্রিবিউশন যেখানে সবাই একই ধরনের ফলাফল দেয়।
3. Mesokurtic (মেসোকুর্টিক): যখন ডেটার বন্টন নরম এবং শিখরের উচ্চতা স্বাভাবিক থাকে, তখন তা Mesokurtic বলা হয়। এটি একটি সাধারণ বা "গণনা" ডিস্ট্রিবিউশন।
   • উদাহরণ: সাধারণত গড় বা মধ্য মানের আশেপাশে থাকা ডেটা।

Kurtosis এর উদাহরণ:

• Leptokurtic ডেটার উদাহরণ হতে পারে পুঁজিবাজারের শেয়ারের দাম, যেখানে কিছু শেয়ারের দাম বিপরীতমুখীভাবে অনেক বেশি ওঠানামা করতে থাকে।

Moments, Skewness এবং Kurtosis এর মধ্যে সম্পর্ক

• Moments ডেটার বিশ্লেষণের জন্য মূল কন্ট্রিবিউটিং ফ্যাক্টর হতে পারে। এগুলি ডেটার বিস্তার (variance), সেন্ট্রালিটি (mean), skewness এবং kurtosis নির্ধারণ করে।
• Skewness ডেটার বন্টন বা ডিস্ট্রিবিউশনের অসমিততা বুঝতে সাহায্য করে।
• Kurtosis ডেটার শিখর এবং শাখার বিস্তার বুঝতে সাহায্য করে।

সারাংশ

Moments, Skewness, এবং Kurtosis পরিসংখ্যানের অপরিহার্য ধারণা যা ডেটার বন্টন, প্রবণতা, সেন্ট্রালিটি এবং বৈশিষ্ট্যগুলো বিশ্লেষণ করতে ব্যবহৃত হয়। Moments ডেটার গড়, বিস্তার এবং সিমেট্রিক প্রকৃতি নির্ধারণে সাহায্য করে, Skewness ডেটার সিমেট্রিক বা অসম সিমেট্রিক প্রকৃতি চিহ্নিত করে, এবং Kurtosis ডেটার শিখর বা বিস্তার বুঝতে সাহায্য করে। এগুলি একে অপরের পরিপূরক এবং ডেটার গভীর বিশ্লেষণের জন্য অপরিহার্য।

Moments পরিসংখ্যানের একটি গুরুত্বপূর্ণ অংশ যা ডেটার বৈশিষ্ট্য এবং তার বণ্টন বা distribution বোঝাতে ব্যবহৃত হয়। এটি ডেটার কেন্দ্রিকতা (centrality), ছড়িয়ে পড়া (spread), এবং আসন্ন আচরণ সম্পর্কে ধারণা প্রদান করতে সাহায্য করে।

ডেটার moments মূলত ডেটার mean (গড়), variance (বিভিন্নতা), skewness (বক্রতা), এবং kurtosis (কিত্তুতা) সম্পর্কে তথ্য দেয়। এগুলি একে অপরের সাথে সম্পর্কিত এবং ডেটার আঙ্গিক বৈশিষ্ট্য বিশ্লেষণ করতে ব্যবহৃত হয়।

১. Moment এর সাধারণ সংজ্ঞা

গাণিতিক ভাষায়, moment হল ডেটা পয়েন্টগুলোকে তাদের গড় (mean) থেকে কতটা দূরে অবস্থিত তা পরিমাপ করার একটি পদ্ধতি। এর মাধ্যমে ডেটার বন্টন এবং গড়ের চারপাশে তার অবস্থান পরিমাপ করা হয়।

২. Moment এর সূত্র:

যদি $X_1, X_2, X_3, \ldots, X_n$ হলো ডেটার মান এবং $\mu$ হলো গড় (mean), তাহলে k-th moment এর সূত্র হলো:

$$\mu_k = \frac{1}{n} \sum_{i=1}^{n} (X_i - \mu)^k$$

এখানে,

• $X_i$ = ডেটার প্রতিটি মান,
• $\mu$ = গড় (mean),
• $n$ = ডেটার সংখ্যা,
• $k$ = moment এর ডিগ্রি (যেমন ১ম, ২য়, ৩য় ইত্যাদি)।

৩. Moments এর প্রকারভেদ

১ম Moment (Mean):

• ১ম moment হল ডেটার গড় (mean)। এটি ডেটার কেন্দ্রীয় প্রবণতা বা সেন্ট্রাল টেন্ডেন্স বুঝাতে ব্যবহৃত হয়।

$$\mu_1 = \text{Mean (গড়)}$$

এটি ডেটার কেন্দ্র বা গড় মান নির্দেশ করে।

২য় Moment (Variance):

• ২য় moment হল ডেটার variance (বিভিন্নতা), যা ডেটার গড় থেকে কতটা বিচ্যুত হয়েছে তার পরিমাপ। এটি ডেটার বিস্তৃতি বা spread বুঝাতে সাহায্য করে।

$$\mu_2 = \frac{1}{n} \sum_{i=1}^{n} (X_i - \mu)^2$$

যেখানে $\mu$ হল গড়। ভ্যারিয়েন্স যত বেশি হবে, ডেটা তত বেশি ছড়িয়ে পড়েছে।

৩য় Moment (Skewness):

• ৩য় moment হল ডেটার skewness (বক্রতা), যা ডেটার বণ্টনের অসমতা বা asymmetry বোঝাতে ব্যবহৃত হয়। যদি ডেটার বণ্টন সিমেট্রিক হয়, তবে skewness শূন্য হবে।

$$\mu_3 = \frac{1}{n} \sum_{i=1}^{n} (X_i - \mu)^3$$

Skewness যদি ধনাত্মক হয়, তবে বণ্টন ডানদিকে ঝুঁকেছে, এবং যদি ঋণাত্মক হয়, তবে বণ্টন বামে ঝুঁকেছে।

৪র্থ Moment (Kurtosis):

• ৪র্থ moment হল ডেটার kurtosis (কিত্তুতা), যা ডেটার শীর্ষের তীক্ষ্ণতা বা peakedness বোঝাতে ব্যবহৃত হয়। এটি ডেটার শীর্ষের আকৃতি এবং তার মাঝে থাকা আউটলায়ারের পরিমাণ পরিমাপ করে।

$$\mu_4 = \frac{1}{n} \sum_{i=1}^{n} (X_i - \mu)^4$$

Kurtosis যদি বড় হয়, তবে ডেটার শীর্ষ তীক্ষ্ণ এবং আউটলায়ারের সংখ্যা বেশি। যদি ছোট হয়, তবে শীর্ষ মসৃণ এবং আউটলায়ার কম।

Moments এর প্রকারভেদ:

৪. Moments এর প্রয়োগ:

1. গড় (Mean): ডেটার কেন্দ্র বুঝাতে ব্যবহৃত হয়।
2. ভ্যারিয়েন্স (Variance): ডেটার বিস্তৃতি বা পরিসীমা বুঝাতে ব্যবহৃত হয়।
3. স্কিউনেস (Skewness): ডেটার বণ্টনের সিমেট্রি বুঝতে ব্যবহৃত হয়।
4. কিত্তুতা (Kurtosis): ডেটার শীর্ষ এবং আউটলায়ার পরিমাণ বুঝতে ব্যবহৃত হয়।

সারাংশ

Moments হল ডেটার বিভিন্ন বৈশিষ্ট্য পরিমাপ করার পদ্ধতি, যেমন গড়, বিস্তৃতি, বক্রতা এবং শীর্ষের তীক্ষ্ণতা। এটি ডেটার বণ্টন এবং বৈশিষ্ট্য বোঝাতে গুরুত্বপূর্ণ ভূমিকা পালন করে এবং পরিসংখ্যানিক বিশ্লেষণে সহায়ক। ১ম moment (গড়), ২য় moment (ভ্যারিয়েন্স), ৩য় moment (স্কিউনেস), এবং ৪র্থ moment (কিত্তুতা) ডেটার কেন্দ্রীয় প্রবণতা, বিস্তৃতি, অসমতা এবং শীর্ষের তীক্ষ্ণতা বিশ্লেষণ করতে সাহায্য করে।

Skewness হলো একটি পরিসংখ্যানিক পরিমাপ যা একটি ডেটাসেটের বণ্টন (distribution) এর অস্বাভাবিকতা বা অসমতা বোঝায়। এটি ডেটার বণ্টনের কেন্দ্রের (mean, median, mode) আশেপাশে কতটা ভারসাম্যহীনতা বা অস্বাভাবিকতা রয়েছে তা নির্ধারণ করতে সাহায্য করে। অর্থাৎ, Skewness একটি ডেটাসেটের বণ্টন কতটা বামে বা ডানে ঝুঁকে (asymmetric) আছে তা পরিমাপ করে।

ডেটার skewness তিন ধরনের হতে পারে:

1. Positive Skew (ডান দিকে ঝুঁকে থাকা)
2. Negative Skew (বাম দিকে ঝুঁকে থাকা)
3. Symmetrical Distribution (সামঞ্জস্যপূর্ণ বণ্টন)

১. Positive Skew (ডান দিকে ঝুঁকে থাকা)

যখন একটি ডেটাসেটের বণ্টন ডান দিকে ঝুঁকে থাকে, অর্থাৎ ডেটার অধিকাংশ মান বামদিকে কেন্দ্রীভূত থাকে এবং ডানদিকে কিছু মাত্র বড় মান বা আউটলাইয়ার থাকে, তখন Positive Skew বা Right Skew বলা হয়।

বৈশিষ্ট্য:

• Mean > Median > Mode
• ডেটা অনেকটা বাম দিকে জমা থাকে এবং ডানদিকে এক বা একাধিক বড় মান থাকে।
• ডিস্ট্রিবিউশনটি একটি লম্বা ডানদিকে "tail" তৈরি করে, যা ডেটার বেশ কিছু বড় মান বা আউটলাইয়ার দ্বারা প্রভাবিত হয়।

উদাহরণ:

• আয়ের ডেটা: সাধারণত, বেশিরভাগ লোকের আয় একই পরিসরে থাকে, কিন্তু কিছু মানুষের আয় অনেক বেশি থাকে, যেমন একটি বড় কোম্পানির সিইও। এই কারণে আয়ের বণ্টন ডান দিকে ঝুঁকে থাকতে পারে।

২. Negative Skew (বাম দিকে ঝুঁকে থাকা)

যখন একটি ডেটাসেটের বণ্টন বাম দিকে ঝুঁকে থাকে, অর্থাৎ ডেটার অধিকাংশ মান ডানদিকে কেন্দ্রীভূত থাকে এবং বামদিকে কিছু মাত্র ছোট মান বা আউটলাইয়ার থাকে, তখন Negative Skew বা Left Skew বলা হয়।

বৈশিষ্ট্য:

• Mean < Median < Mode
• ডেটা অধিকাংশ ক্ষেত্রেই ডান দিকে জমা থাকে এবং বামদিকে এক বা একাধিক ছোট মান থাকে।
• ডিস্ট্রিবিউশনটি একটি লম্বা বাম দিকে "tail" তৈরি করে, যা ডেটার ছোট মান বা আউটলাইয়ার দ্বারা প্রভাবিত হয়।

উদাহরণ:

• পরীক্ষার ফলাফল: একটি ক্লাসে বেশিরভাগ ছাত্রের নম্বর উচ্চ হতে পারে, কিন্তু কিছু ছাত্রের নম্বর অনেক কম থাকতে পারে, ফলে পরীক্ষার ফলাফলের বণ্টন বাম দিকে ঝুঁকে থাকবে।

৩. Symmetrical Distribution (সামঞ্জস্যপূর্ণ বণ্টন)

যখন একটি ডেটাসেটের বণ্টন সামঞ্জস্যপূর্ণ (Symmetrical) হয়, অর্থাৎ ডেটার মান গুলি কেন্দ্রের চারপাশে সমানভাবে ছড়িয়ে থাকে, তখন এটি একটি Symmetrical Distribution। এতে কোন সুস্পষ্ট ঝুঁকির দিকে প্রবণতা থাকে না।

বৈশিষ্ট্য:

• Mean = Median = Mode
• ডেটার মান গুলি সমানভাবে কেন্দ্রীভূত থাকে এবং বাম এবং ডান দিকে সমানভাবে বিতরণ হয়।
• সাধারণত এটি একটি সোজা সেন্ট্রাল পিকের মতো হয় এবং এর "tail" দুটি দিকে সমানভাবে বিস্তৃত থাকে।

উদাহরণ:

• Normal Distribution (নরমাল বণ্টন): একটি সিমেট্রিক্যাল বণ্টনের সবচেয়ে জনপ্রিয় উদাহরণ হল নরমাল বণ্টন, যেখানে ডেটা সেন্ট্রাল পিকের চারপাশে সমানভাবে ছড়িয়ে থাকে (যেমন, উচ্চতা, ওজন ইত্যাদি)।

Skewness এর প্রভাব এবং ব্যাখ্যা

1. Positive Skew (ডান দিকে ঝুঁকে থাকা):
   • Mean সাধারণত Median এর চেয়ে বেশি হবে।
   • কিছু আউটলাইয়ার বা বড় মান ডেটার ডান দিকে বাড়তি প্রভাব ফেলতে পারে।
   • উদাহরণস্বরূপ, আয়ের ক্ষেত্রে কিছু লোকের আয় অনেক বেশি হতে পারে, যা বণ্টনকে ডান দিকে ঝুঁকিয়ে দেয়।
2. Negative Skew (বাম দিকে ঝুঁকে থাকা):
   • Mean সাধারণত Median এর চেয়ে কম হবে।
   • কিছু আউটলাইয়ার বা ছোট মান ডেটার বাম দিকে বাড়তি প্রভাব ফেলতে পারে।
   • উদাহরণস্বরূপ, শিক্ষার্থীদের পরীক্ষার ফলাফল, যেখানে বেশিরভাগ ছাত্রের নম্বর বেশি কিন্তু কিছু ছাত্রের নম্বর অনেক কম।
3. Symmetrical Distribution (সামঞ্জস্যপূর্ণ বণ্টন):
   • Mean, Median এবং Mode সবই সমান হয়।
   • ডেটার মান সেন্ট্রাল অঞ্চলে সমানভাবে বিতরণ থাকে।

সারাংশ

Skewness ডেটাসেটের বণ্টনের অস্বাভাবিকতা বা অসমতা পরিমাপ করে। Positive Skew বা Right Skew তে ডেটা ডান দিকে ঝুঁকে থাকে এবং Negative Skew বা Left Skew তে ডেটা বাম দিকে ঝুঁকে থাকে। Symmetrical Distribution এমন একটি বণ্টন যেখানে ডেটা সমানভাবে বিতরণ থাকে এবং কোন ঝুঁকির প্রভাব থাকে না। Skewness পরিমাপ ডেটার প্রকৃতি এবং বিশ্লেষণ করতে সহায়ক।

Kurtosis এর প্রকারভেদ: Leptokurtic, Platykurtic, Mesokurtic

Kurtosis হল একটি পরিসংখ্যানিক পরিমাপ যা একটি ডেটা সেটের বিতরণের পিকনেস বা শিখরের (peakedness) মাত্রা নির্ধারণ করে। এটি ডেটার রেঞ্জ বা ছড়িয়ে পড়ার তুলনায় কেন্দ্রের আশেপাশে কতটা বেশি বা কম ঘনত্ব রয়েছে তা চিহ্নিত করে। কুরটোসিস ডিস্ট্রিবিউশনের পিক বা শিখর এবং ডেটার প্রস্থ এবং আউটলায়ার সম্পর্কে তথ্য দেয়। এটি তিনটি প্রকারে ভাগ করা হয়: Leptokurtic, Platykurtic, এবং Mesokurtic।

১. Leptokurtic (লেপটোকুরটিক)

Leptokurtic বিতরণ এমন একটি বিতরণ যা কেন্দ্রীয় এলাকায় খুবই তীক্ষ্ণ শিখর (peak) তৈরি করে এবং এর চেয়ে কিছুটা কম ফ্যাট টেইল (heavy tails) থাকে। এর মানে হল যে ডেটার বেশিরভাগ পয়েন্ট কেন্দ্রীয় মানের কাছাকাছি থাকে এবং কিছু অস্বাভাবিক বা এক্সট্রিম মান (আউটলায়ার) ডেটা সেটে বেশি উপস্থিত থাকে।

বিশেষত্ব:

• পিক বা শিখর: খুব তীক্ষ্ণ বা বেশি কটকটে (sharp)।
• টেইলস: ভারী, যা আউটলায়ারের সংখ্যা বেশি দেখায়।
• কুরটোসিস মান: 3 এর চেয়ে বেশি।

উদাহরণ:

• একটি পরীক্ষায় অধিকাংশ শিক্ষার্থীর নম্বর একই এলাকা ঘিরে কিন্তু কিছু শিক্ষার্থী অত্যন্ত ভালো বা খারাপ পারফরম্যান্স করেছে।

২. Platykurtic (প্ল্যাটিকুরটিক)

Platykurtic বিতরণ এমন একটি বিতরণ যা কেন্দ্রীয় এলাকা থেকে খুব বেশি প্রশস্ত (wide) এবং এর শিখর তুলনামূলকভাবে কম তীক্ষ্ণ। এই বিতরণে সাধারণত অনেক কম বা প্রায় নেই বললেই চলে কোনো এক্সট্রিম বা আউটলায়ার মান থাকে। এর ফলে, ডেটা খুবই সমতল (flat) হয়।

বিশেষত্ব:

• পিক বা শিখর: সমতল বা কম তীক্ষ্ণ।
• টেইলস: পাতলা, যা আউটলায়ারের সংখ্যা কম বা প্রায় নেই।
• কুরটোসিস মান: 3 এর চেয়ে কম।

উদাহরণ:

• একটি কোম্পানির পণ্য বিক্রয় যেগুলোর মধ্যে খুব কম পরিবর্তন বা ডেটার বেশিরভাগ অংশ কেন্দ্র থেকে ছড়িয়ে ছিটিয়ে থাকে, যেখানে আউটলায়ার বা এক্সট্রিম ফলাফল কম দেখা যায়।

৩. Mesokurtic (মেসোকুরটিক)

Mesokurtic বিতরণ হল সাধারণ বিতরণ, যা গড় হিসেবে Normal Distribution (গৌসিয়ান বিতরণ) এর সঙ্গে মেলে। এই বিতরণে শিখর বা পিকের তীক্ষ্ণতা এবং টেইলসের দৈর্ঘ্য সাধারণ এবং নরমাল ডিস্ট্রিবিউশনের মতো থাকে।

বিশেষত্ব:

• পিক বা শিখর: মাঝারি তীক্ষ্ণ।
• টেইলস: সাধারণ, যা খুব বেশি ভারী বা পাতলা নয়।
• কুরটোসিস মান: 3 (নরমাল ডিস্ট্রিবিউশনের মান)।

উদাহরণ:

• সাধারণভাবে পরীক্ষার ফলাফল যেখানে অধিকাংশ শিক্ষার্থীর নম্বর গড়ের কাছাকাছি থাকে এবং কিছু শিক্ষার্থী ভাল বা খারাপ নম্বর পায়, তবে সেটা খুবই স্বাভাবিক পরিসরে।

Kurtosis এর প্রকারভেদের তুলনা:

সারাংশ

Kurtosis একটি বিতরণের পিকনেস এবং টেইলসের ঘনত্ব নির্ধারণ করে। Leptokurtic বিতরণে তীক্ষ্ণ পিক এবং ভারী টেইল থাকে, যেখানে Platykurtic বিতরণে সমতল পিক এবং পাতলা টেইল থাকে। Mesokurtic একটি সাধারণ বা নরমাল বিতরণ, যেখানে পিক এবং টেইলগুলো সাধারাণ থাকে। এই তিনটি প্রকারভেদ ডেটার বৈশিষ্ট্য এবং আউটলায়ার বা এক্সট্রিম মানের উপস্থিতি বোঝাতে সহায়ক।

Moments হল পরিসংখ্যান এবং সম্ভাবনা তত্ত্বে ব্যবহৃত একটি গাণিতিক টুল, যা একটি ডেটা সেটের আকার এবং বিতরণ বোঝানোর জন্য ব্যবহৃত হয়। এটি মূলত ডেটার কেন্দ্র, বিস্তার, ভারসাম্য, এবং সমতলতা বুঝতে সাহায্য করে। Moments ডেটার বিস্তার এবং প্রকারের বিশেষ বৈশিষ্ট্য চিহ্নিত করতে ব্যবহৃত হয়, এবং এটি বিভিন্ন গাণিতিক পরিমাপের মাধ্যমে ডেটার গুণগত বিশ্লেষণ প্রদান করে।

Moments এর সংজ্ঞা

Moments হল ডেটার একটি গাণিতিক পরিমাপ যা ডেটার আকার বা বিতরণ সম্পর্কে গভীর ধারণা দেয়। একটি ডেটা সেটের n-th moment সাধারণত এর কেন্দ্রিকতা, বিস্তার এবং আসামাজিকতা বা অস্বাভাবিকতা বিশ্লেষণ করতে ব্যবহৃত হয়।

n-th Moment সাধারণত ডেটার মধ্যম থেকে কিছু ডিস্টেন্সের উপর ভিত্তি করে গণনা করা হয়, যেখানে n মানে হলো ওই ডিস্টেন্সের শক্তি।

Moments এর প্রকার

Moment সাধারণত পাঁচটি গুরুত্বপূর্ণ প্রকারে বিভক্ত করা হয়, যা ডেটার বিভিন্ন বৈশিষ্ট্য বিশ্লেষণ করতে ব্যবহৃত হয়:

১. প্রথম Moment (Mean বা গড়)

প্রথম Moment হলো Mean (গড়)। এটি ডেটার কেন্দ্র বা মধ্য বিন্দু নির্দেশ করে। গড় হল ডেটার মোট যোগফলকে তার সংখ্যা দ্বারা ভাগ করার ফল।

• গণনা: $$\mu = \frac{1}{n} \sum_{i=1}^{n} X_i$$ এখানে, $X_i$ হলো প্রতিটি ডেটা পয়েন্ট, এবং $n$ হলো ডেটার সংখ্যা।

২. দ্বিতীয় Moment (Variance বা বিভিন্নতা)

দ্বিতীয় Moment হল Variance (বিভিন্নতা), যা ডেটার বিস্তার বা সকারতা সম্পর্কে ধারণা দেয়। Variance, ডেটার মানগুলির গড় থেকে কতটা দূরে ছড়িয়ে পড়েছে তা দেখায়।

• গণনা: $$\sigma^2 = \frac{1}{n} \sum_{i=1}^{n} (X_i - \mu)^2$$ এখানে, $\mu$ হলো গড়, এবং $\sigma^2$ হলো variance বা বিভিন্নতা।

৩. তৃতীয় Moment (Skewness বা অসমমিততা)

তৃতীয় Moment হল Skewness (অসমমিততা), যা ডেটার পরিমাণগত অসমমিততা বা একপাশে ঝোঁক দেখায়। যদি ডেটার ডিস্ট্রিবিউশন বাম বা ডান দিকে সরে থাকে, তাহলে তাকে Skewed বলে।

• গণনা:

  $$\text{Skewness} = \frac{1}{n} \sum_{i=1}^{n} \left(\frac{X_i - \mu}{\sigma}\right)^3$$

  এখানে, $\mu$ হলো গড় এবং $\sigma$ হলো স্ট্যান্ডার্ড ডেভিয়েশন।

  • Positive Skew: ডেটা ডানদিকে সরে।
  • Negative Skew: ডেটা বাম দিকে সরে।

৪. চতুর্থ Moment (Kurtosis বা সমতলতা)

চতুর্থ Moment হল Kurtosis (সমতলতা), যা ডেটার ডিস্ট্রিবিউশনের শীর্ষ বা প্রোফাইল সম্পর্কে ধারণা দেয়। এটি ডেটার শীর্ষযুক্ততা বা প্রশস্ততা নির্ধারণ করে।

• গণনা:

  $$\text{Kurtosis} = \frac{1}{n} \sum_{i=1}^{n} \left(\frac{X_i - \mu}{\sigma}\right)^4$$

  এখানে, $\mu$ হলো গড়, এবং $\sigma$ হলো স্ট্যান্ডার্ড ডেভিয়েশন।

  • Leptokurtic (High Kurtosis): উঁচু শীর্ষযুক্ত, অর্থাৎ ডেটার মধ্যে একেবারে বেশি পরিমাণ অস্বাভাবিক মান।
  • Platykurtic (Low Kurtosis): প্রসারিত শীর্ষযুক্ত, অর্থাৎ ডেটার মধ্যে সমানভাবে ছড়িয়ে পড়া মান।

৫. পঞ্চম Moment (এপ্রিলোমেট্রি বা পঞ্চম সম্পর্ক)

এটি খুব কম ব্যবহৃত একটি Moment, যা বিশেষভাবে আরো জটিল বিশ্লেষণে ব্যবহৃত হয়। পঞ্চম Moment ডেটার আরও উন্নত বৈশিষ্ট্য বিশ্লেষণের জন্য প্রয়োজন।

Moments এর ব্যবহার

Moments বিভিন্নভাবে ডেটা বিশ্লেষণের জন্য ব্যবহৃত হয়, যা ডেটার আকার, কেন্দ্র, বিস্তার, অসমমিততা এবং সমতলতা বুঝতে সাহায্য করে:

১. ডেটার বন্টন বা আকার বোঝা:

• Mean ডেটার কেন্দ্রীক প্রবণতা নির্দেশ করে।
• Variance ডেটার বিস্তার বা সকারতা নির্ধারণ করে, যা বোঝায় যে ডেটার মানগুলি কতটা প্রসারিত বা সংকুচিত।

২. Skewness এর মাধ্যমে অসমমিততা বোঝা:

• Skewness এর মাধ্যমে আমরা জানতে পারি যে ডেটার বন্টন ডান দিকে সরে (positive skew) নাকি বাম দিকে সরে (negative skew)। এটি ডেটার প্রাকৃতিক প্রবণতা বা গুণগত বৈশিষ্ট্য চিহ্নিত করতে সাহায্য করে।

৩. Kurtosis এর মাধ্যমে সমতলতা বোঝা:

• Kurtosis ডেটার শীর্ষ বা শানযুক্ততা বুঝতে সাহায্য করে, এবং এটি কেমনভাবে কেন্দ্রীভূত বা প্রশস্ত বন্টন হতে পারে তা পর্যালোচনা করে।

৪. ডেটার স্বাভাবিকতা বা বৈশিষ্ট্য বোঝা:

Moments এর মাধ্যমে ডেটার স্বাভাবিকতা, প্রবণতা এবং বৈশিষ্ট্য বিশ্লেষণ করা যায়, যা গবেষণার উদ্দেশ্যে গুরুত্বপূর্ণ হতে পারে। উদাহরণস্বরূপ, ব্যবসায়িক বিশ্লেষণ, গবেষণা, আর্থিক মডেলিং এবং অন্যান্য ক্ষেত্রের জন্য।

সারাংশ

Moments ডেটার আকার, বিস্তার, অসমমিততা, এবং সমতলতা বিশ্লেষণে ব্যবহৃত শক্তিশালী পরিমাপ। Mean, Variance, Skewness, এবং Kurtosis হল Moments এর প্রধান প্রকার, যা ডেটার প্রকৃতি এবং বৈশিষ্ট্য বুঝতে সাহায্য করে। Moments বিভিন্ন পরিসংখ্যানিক বিশ্লেষণে গুরুত্বপূর্ণ ভূমিকা পালন করে, যেমন ডেটার বণ্টন বোঝা, আউটলায়ার চিহ্নিত করা, এবং ডেটার বিভিন্ন গুণ বিশ্লেষণ করা।