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

Relative এবং Absolute Measures of Dispersion গাইড ও নোট

Big Data and Analytics - পরিসংখ্যান (Statistics) - Measures of Dispersion
1.1k

Dispersion বা বিক্ষিপ্ততা হলো ডেটার ছড়িয়ে পড়া বা ভিন্নতা। এটি একটি গুরুত্বপূর্ণ পরিসংখ্যানিক ধারণা, যা ডেটার বিভিন্ন মানের মধ্যে ব্যবধান বা বিচ্যুতি নির্দেশ করে। বিক্ষিপ্ততা বুঝে, আমরা ডেটার বৈচিত্র্য এবং ছড়িয়ে পড়ার পরিসর সম্পর্কে জানতে পারি। Relative এবং Absolute Measures of Dispersion হল বিক্ষিপ্ততা পরিমাপের দুটি প্রধান পদ্ধতি।

১. Absolute Measures of Dispersion (আপেক্ষিক বিক্ষিপ্ততা পরিমাপ)

Absolute Measures of Dispersion এমন মাপ যা ডেটাসেটের ছড়িয়ে পড়ার পরিমাণ সরাসরি মাপতে ব্যবহৃত হয়, এবং এতে কোনও আপেক্ষিক ফ্যাক্টর যেমন গড় বা মানদণ্ডের প্রয়োজন হয় না। এগুলি সাধারণত নির্দিষ্ট ইউনিটে পরিমাপ করা হয়, যেমন সংখ্যা, দৈর্ঘ্য, সময় ইত্যাদি।

প্রধান Absolute Measures of Dispersion:

  1. Range (পরিসর):
    • বর্ণনা: ডেটাসেটের সর্বোচ্চ এবং সর্বনিম্ন মানের মধ্যে পার্থক্য।
    • ফর্মুলা: Range=Maximum value−Minimum value\text{Range} = \text{Maximum value} - \text{Minimum value}
    • উদাহরণ: একটি শ্রেণীর পরীক্ষার ফলাফল থেকে সর্বোচ্চ এবং সর্বনিম্ন নম্বরের মধ্যে পার্থক্য।
  2. Mean Absolute Deviation (MAD) বা গড় আপেক্ষিক বিচ্যুতি:
    • বর্ণনা: প্রতিটি মান এবং গড়ের মধ্যে পার্থক্য গড়ে তুলতে এই পরিমাপ ব্যবহার হয়।
    • ফর্মুলা: MAD=∑i=1n∣Xi−μ∣n\text{MAD} = \frac{\sum_{i=1}^{n} |X_i - \mu|}{n} যেখানে, XiX_i হলো ডেটার প্রতিটি মান এবং μ\mu হলো গড়।
    • উদাহরণ: একটি গ্রুপের মানুষের উচ্চতার গড় এবং তাদের একে অপরের থেকে গড় বিচ্যুতি।
  3. Variance (বিচ্যুতি):
    • বর্ণনা: ডেটার প্রতিটি মানের গড় থেকে কতটা বিচ্যুতি হচ্ছে, তা মাপতে ব্যবহৃত হয়। এটি সুষম বিক্ষিপ্ততা পরিমাপ করে।
    • ফর্মুলা: Variance=∑i=1n(Xi−μ)2n\text{Variance} = \frac{\sum_{i=1}^{n} (X_i - \mu)^2}{n}
    • উদাহরণ: দুটি কোম্পানির কর্মচারীদের বেতন বিচ্যুতি তুলনা করা।
  4. Standard Deviation (মানদণ্ড):
    • বর্ণনা: এটি একটি পরিমাপ যা ডেটার সঠিক বিচ্যুতি বা ডেটার মূল মান থেকে গড় বিচ্যুতি জানায়। এটি ভেরিয়েন্সের বর্গমূল।
    • ফর্মুলা: Standard Deviation=Variance\text{Standard Deviation} = \sqrt{\text{Variance}}
    • উদাহরণ: কোনো স্কুলের শিক্ষার্থীদের পরীক্ষার ফলাফলের বিচ্যুতি বের করা।

২. Relative Measures of Dispersion (আপেক্ষিক বিক্ষিপ্ততা পরিমাপ)

Relative Measures of Dispersion এমন পরিমাপ যা ডেটার বিক্ষিপ্ততার পরিমাণ গড় বা অন্যান্য পরিমাপের তুলনায় আপেক্ষিকভাবে মূল্যায়ন করে। এতে ডেটার পরিমাপের স্কেল বা ইউনিটকে বিবেচনায় নেয়া হয়, যাতে তুলনা সহজ হয়।

প্রধান Relative Measures of Dispersion:

  1. Coefficient of Range (রেঞ্জের আপেক্ষিক গুণাঙ্ক):
    • বর্ণনা: এটি পরিসরের একটি আপেক্ষিক পরিমাপ, যা ডেটার পরিসরের তুলনায় গড় বিচ্যুতি জানায়।
    • ফর্মুলা: Coefficient of Range=Maximum value−Minimum valueMaximum value+Minimum value\text{Coefficient of Range} = \frac{\text{Maximum value} - \text{Minimum value}}{\text{Maximum value} + \text{Minimum value}}
    • উদাহরণ: দুটি ডেটাসেটের পরিসরের আপেক্ষিক তুলনা।
  2. Coefficient of Mean Absolute Deviation (গড় আপেক্ষিক বিচ্যুতির গুণাঙ্ক):
    • বর্ণনা: এটি গড় আপেক্ষিক বিচ্যুতি এবং গড়ের তুলনায় একটি আপেক্ষিক মাপ।
    • ফর্মুলা: Coefficient of MAD=Mean Absolute DeviationMean\text{Coefficient of MAD} = \frac{\text{Mean Absolute Deviation}}{\text{Mean}}
    • উদাহরণ: দুটি শ্রেণীর ছাত্রদের মধ্যে গড় বিচ্যুতি তুলনা করা।
  3. Coefficient of Variation (CV) বা গড় বিচ্যুতি গুণাঙ্ক:
    • বর্ণনা: এটি গড়ের তুলনায় মানদণ্ডের আপেক্ষিক বিচ্যুতি পরিমাপ করে, এবং এটি বিভিন্ন ডেটাসেটের মধ্যে বিক্ষিপ্ততার তুলনা করতে ব্যবহৃত হয়।
    • ফর্মুলা: Coefficient of Variation (CV)=Standard DeviationMean×100\text{Coefficient of Variation (CV)} = \frac{\text{Standard Deviation}}{\text{Mean}} \times 100
    • উদাহরণ: দুটি ভিন্ন ধরনের পণ্যের বিক্রির মধ্যে বিক্ষিপ্ততার তুলনা করা।

Absolute এবং Relative Measures of Dispersion-এর মধ্যে পার্থক্য

বৈশিষ্ট্যAbsolute MeasuresRelative Measures
উদ্দেশ্যডেটার ছড়িয়ে পড়ার পরিমাণ সরাসরি পরিমাপ করাগড় বা অন্যান্য পরিমাপের তুলনায় ছড়িয়ে পড়ার পরিমাণ পরিমাপ করা
বিশেষত্বডেটার পরিমাণ বা বিচ্যুতি নির্দিষ্ট ইউনিটে পরিমাপ করা হয়ইউনিটের উপর নির্ভর করে তুলনামূলক পরিমাপ
উদাহরণপরিসর, মানদণ্ড, ভেরিয়েন্সরেঞ্জের গুণাঙ্ক, গড় আপেক্ষিক বিচ্যুতি, গড় বিচ্যুতি গুণাঙ্ক
ব্যবহারডেটার সঠিক বিচ্যুতি বা ছড়িয়ে পড়ার পরিমাণ নির্ধারণ করাএকাধিক ডেটাসেটের তুলনা করা

সারাংশ

Absolute Measures of Dispersion সরাসরি ডেটার বিচ্যুতি পরিমাপ করে, যেমন পরিসর, মানদণ্ড, ভেরিয়েন্স এবং গড় আপেক্ষিক বিচ্যুতি। এই পরিমাপগুলো নির্দিষ্ট ইউনিটে হয়। অপরদিকে, Relative Measures of Dispersion গড় বা অন্যান্য পরিমাপের তুলনায় বিক্ষিপ্ততা পরিমাপ করে এবং তুলনা সহজ করে। Coefficient of Variation (CV) এর মতো পরিমাপ ডেটার স্কেল নির্বিশেষে বিভিন্ন ডেটাসেটের বিক্ষিপ্ততা তুলনা করতে সাহায্য করে।

Content added By
SATT Academy

Read more

Range, Quartile Deviation এবং Mean Deviation Variance এবং Standard Deviation এর ব্যবহার Coefficient of Variation (CV) এর প্রয়োগ

or

Don't have an account? Register

Promotion

Satt AI

Are you sure to start over?