উত্তরঃ পরিসংখ্যান হলো সংখ্যাসূচক উপাত্ত সংগ্রহ, সংগঠন, উপস্থাপন, বিশ্লেষণ এবং ব্যাখ্যা করার বিজ্ঞান, যা কোনো নির্দিষ্ট বিষয় বা সমস্যা সম্পর্কে সিদ্ধান্ত গ্রহণে সহায়তা করে।

---

পরিসংখ্যানের মূল বৈশিষ্ট্যগুলো সংক্ষেপে নিচে আলোচনা করা হলো:

    
• সংখ্যাগত প্রকাশ (Numerically Expressed): পরিসংখ্যান সর্বদা সংখ্যায় প্রকাশযোগ্য তথ্য নিয়ে কাজ করে। গুণগত বৈশিষ্ট্য (যেমন – সততা, সৌন্দর্য) সরাসরি পরিসংখ্যানে অন্তর্ভুক্ত হয় না, যদি না সেগুলোকে সংখ্যায় পরিমাপ করা যায়।
    
• তথ্য সমষ্টি (Aggregate of Facts): একটি মাত্র সংখ্যাকে পরিসংখ্যান বলা যায় না; বরং একাধিক বা একজাতীয় তথ্যের সমষ্টিকে পরিসংখ্যান বলে। যেমন, একজন ব্যক্তির আয় পরিসংখ্যানে পড়ে না, কিন্তু একটি নির্দিষ্ট অঞ্চলের মানুষের গড় আয় পরিসংখ্যানের অন্তর্ভুক্ত।
    
• পূর্বনির্ধারিত উদ্দেশ্য (Pre-determined Purpose): পরিসংখ্যানিক তথ্য সংগ্রহের আগে একটি সুস্পষ্ট উদ্দেশ্য থাকতে হয়। উদ্দেশ্যবিহীন বা এলোমেলোভাবে সংগৃহীত তথ্য পরিসংখ্যানে বিবেচিত হয় না।
    
• বহুবিধ কারণ দ্বারা প্রভাবিত (Affected by Multiple Causes): পরিসংখ্যানিক তথ্য সাধারণত একটিমাত্র কারণ দ্বারা প্রভাবিত হয় না। একাধিক কারণের সম্মিলিত প্রভাবে এর মান পরিবর্তিত হয়। যেমন, পণ্যের দাম কেবল চাহিদা নয়, সরবরাহ, উৎপাদন খরচ, সরকারি নীতি ইত্যাদি দ্বারাও প্রভাবিত হয়।
    
• তুলনাযোগ্যতা (Comparability): পরিসংখ্যানিক তথ্যের একটি গুরুত্বপূর্ণ বৈশিষ্ট্য হলো এগুলো তুলনাযোগ্য হওয়া। বিভিন্ন সময় বা স্থানের সংগৃহীত তথ্য তুলনা করে সিদ্ধান্ত গ্রহণ করা হয়।
    
• যথাযথ নির্ভুলতা (Reasonable Accuracy): পরিসংখ্যানের তথ্যে একটি নির্দিষ্ট মাত্রার নির্ভুলতা থাকা প্রয়োজন। নির্ভুলতার মাত্রা তথ্যের প্রকৃতি এবং ব্যবহারের উদ্দেশ্য অনুযায়ী নির্ধারিত হয়।
    
• সুসংবদ্ধ সংগ্রহ (Systematic Collection): তথ্য সংগ্রহের প্রক্রিয়া সুসংবদ্ধ ও বিজ্ঞানসম্মত হওয়া উচিত, যাতে সংগৃহীত তথ্য নির্ভরযোগ্য ও বিশ্লেষণযোগ্য হয়।

উত্তরঃ

তথ্য হলো কোনো নির্দিষ্ট উদ্দেশ্য সাধনের জন্য সংগৃহীত সংখ্যা, অক্ষর, প্রতীক বা অন্যান্য উপাদানের সমষ্টি যা প্রক্রিয়াকরণের মাধ্যমে অর্থপূর্ণ জ্ঞান বা সিদ্ধান্তে উপনীত হতে সাহায্য করে। পরিসংখ্যানের ক্ষেত্রে, তথ্য হলো কাঁচামাল যার ওপর ভিত্তি করে বিশ্লেষণ ও ব্যাখ্যা করা হয়।

---

পরিসংখ্যানের প্রেক্ষাপটে, তথ্য বলতে আমরা যেকোনো পর্যবেক্ষণ, পরিমাপ, বা ঘটনার রেকর্ডকে বুঝি যা বিশ্লেষণ করে সিদ্ধান্ত গ্রহণ করা যায়। এটি সংখ্যাসূচক বা গুণগত হতে পারে এবং গবেষণা, বিশ্লেষণ বা সিদ্ধান্ত গ্রহণের ভিত্তি হিসেবে কাজ করে। তথ্যের গুণগত মান বিশ্লেষণ ও ফলাফলের নির্ভুলতার জন্য অত্যন্ত গুরুত্বপূর্ণ।

প্রাথমিক ও মাধ্যমিক তথ্যের মধ্যে প্রধান পার্থক্যগুলো নিচে একটি ছকের মাধ্যমে তুলে ধরা হলো:

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    

পার্থক্যের ভিত্তি	প্রাথমিক তথ্য (Primary Data)	মাধ্যমিক তথ্য (Secondary Data)
সংজ্ঞা	গবেষক বা সংগ্রাহক কর্তৃক প্রথমবারের মতো সরাসরি সংগৃহীত তথ্য। এটি নতুন ও আসল তথ্য।	অন্য কোনো ব্যক্তি বা প্রতিষ্ঠান কর্তৃক পূর্বে সংগৃহীত ও প্রকাশিত তথ্য যা অন্য কাজে ব্যবহার করা হয়।
উৎপত্তি	উৎস থেকে সরাসরি সংগৃহীত।	অন্য উৎস থেকে প্রাপ্ত (যেমন: বই, জার্নাল, সরকারি প্রতিবেদন)।
উপলব্ধতা	সাধারণত সহজলভ্য নয়, কারণ এটি নতুন করে সংগ্রহ করতে হয়।	সহজলভ্য, কারণ এটি ইতিমধ্যেই প্রকাশিত বা সংগৃহীত।
সময়	সংগ্রহে বেশি সময় লাগে।	সংগ্রহে কম সময় লাগে।
খরচ	সংগ্রহ ব্যয়বহুল।	সংগ্রহ তুলনামূলকভাবে কম ব্যয়বহুল।
সংশোধন ও বিশ্বাসযোগ্যতা	সরাসরি নিয়ন্ত্রিত ও যাচাইযোগ্য, তাই নির্ভরযোগ্যতা বেশি।	সংশোধন বা যাচাই করা কঠিন, বিশ্বাসযোগ্যতা কম হতে পারে।
উপযোগীতা	নির্দিষ্ট গবেষণার উদ্দেশ্যের সাথে সরাসরি সঙ্গতিপূর্ণ।	অন্য গবেষণার জন্য সংগৃহীত হওয়ায় বর্তমান গবেষণার উদ্দেশ্যের সাথে সম্পূর্ণ সঙ্গতিপূর্ণ নাও হতে পারে।
উদাহরণ	জরিপ, সাক্ষাৎকার, পরীক্ষা, কেস স্টাডি থেকে প্রাপ্ত তথ্য।	বই, জার্নাল, সংবাদপত্র, সরকারি পরিসংখ্যান, ওয়েবসাইটের তথ্য।

উত্তরঃ গবেষণায় গণসংখ্যা নিবেশন (Frequency Distribution) হলো উপাত্তকে (data) সুসংগঠিত এবং সংক্ষিপ্ত আকারে উপস্থাপনের একটি শক্তিশালী পদ্ধতি, যা উপাত্তের বৈশিষ্ট্য ও বিন্যাস সম্পর্কে সুস্পষ্ট ধারণা প্রদান করে। এর গুরুত্ব নিচে বর্ণনা করা হলো:

---

গণসংখ্যা নিবেশন গবেষণায় উপাত্ত বিশ্লেষণ ও ব্যাখ্যার ক্ষেত্রে অত্যন্ত গুরুত্বপূর্ণ ভূমিকা পালন করে। এর প্রধান গুরুত্বসমূহ নিম্নরূপ:

    
• উপাত্ত সংক্ষিপ্তকরণ ও সহজবোধ্যতা (Data Summarization and Comprehensibility): বিশাল ও অসংগঠিত উপাত্তকে (raw data) গণসংখ্যা নিবেশনের মাধ্যমে সংক্ষিপ্ত ও সুশৃঙ্খলভাবে উপস্থাপন করা যায়। এটি গবেষকদেরকে উপাত্তের সামগ্রিক চিত্র দ্রুত বুঝতে সাহায্য করে।
    
• উপাত্তের বিন্যাস নির্ণয় (Identifying Data Patterns): গণসংখ্যা নিবেশন উপাত্তের বিন্যাস বা প্যাটার্ন (pattern) সনাক্ত করতে সহায়তা করে। যেমন, উপাত্তগুলো কীভাবে বণ্টিত হয়েছে (সুষম, অসম, একপদী, বহুপদী ইত্যাদি), সর্বাধিক ও সর্বনিম্ন পর্যবেক্ষণগুলি কোথায় কেন্দ্রীভূত, তা সহজেই বোঝা যায়।
    
• তুলনামূলক বিশ্লেষণ (Comparative Analysis): একাধিক উপাত্ত সেট বা নমুনার (samples) মধ্যে তুলনা করার জন্য গণসংখ্যা নিবেশন কার্যকর। এর মাধ্যমে বিভিন্ন দলের মধ্যে কোন নির্দিষ্ট বৈশিষ্ট্যের তারতম্য বা সাদৃশ্য নির্ণয় করা সহজ হয়।
    
• অস্বাভাবিক মান সনাক্তকরণ (Outlier Detection): গণসংখ্যা নিবেশন অস্বাভাবিক বা বিচ্ছিন্ন মান (outliers) সনাক্ত করতে সাহায্য করে, যা উপাত্ত সংগ্রহে ভুল বা অস্বাভাবিক ঘটনা নির্দেশ করতে পারে। এই মানগুলো চিহ্নিত করে বিশ্লেষণের নির্ভরযোগ্যতা বৃদ্ধি করা যায়।
    
• কেন্দ্রীয় প্রবণতা ও বিস্তার পরিমাপের ভিত্তি (Basis for Measures of Central Tendency and Dispersion): গড় (mean), মধ্যক (median), প্রচুরক (mode) এর মতো কেন্দ্রীয় প্রবণতার পরিমাপ এবং পরিসর (range), পরিমিত ব্যবধান (standard deviation) এর মতো বিস্তার পরিমাপের জন্য গণসংখ্যা নিবেশন অপরিহার্য ভিত্তি তৈরি করে।
    
• ভবিষ্যৎ পরিসংখ্যানিক বিশ্লেষণের ভিত্তি (Foundation for Further Statistical Analysis): গণসংখ্যা নিবেশন হিস্টোগ্রাম (histogram), ফ্রিকোয়েন্সি পলিগন (frequency polygon) এর মতো চিত্রগত উপস্থাপনার ভিত্তি হিসেবে কাজ করে, যা উপাত্তের প্রকৃতি সম্পর্কে আরও গভীর অন্তর্দৃষ্টি প্রদান করে। এটি পরবর্তীতে অনুমিত পরিসংখ্যান (inferential statistics) প্রয়োগের জন্য গুরুত্বপূর্ণ ভূমিকা পালন করে।

সুতরাং, গবেষণায় নির্ভুল সিদ্ধান্ত গ্রহণ, কার্যকর বিশ্লেষণ এবং নির্ভরযোগ্য ফলাফল উপস্থাপনের জন্য গণসংখ্যা নিবেশন একটি মৌলিক ও অপরিহার্য হাতিয়ার।

উত্তরঃ

কেন্দ্রীয় প্রবণতার পরিমাপ (Measures of Central Tendency) হলো পরিসংখ্যানিক পদ্ধতি যা কোনো তথ্যসারির কেন্দ্র বা গড় মান নির্দেশ করে। এটি একটি একক মান যা সমগ্র তথ্যসারির প্রতিনিধিত্ব করে এবং তথ্যসারির বিতরণের প্রবণতা সম্পর্কে ধারণা দেয়। এর মাধ্যমে বোঝা যায় তথ্যগুলো কোন মানের আশেপাশে কেন্দ্রীভূত হয়েছে।

---

কেন্দ্রীয় প্রবণতার তিনটি প্রধান পরিমাপ নিচে দোষ-গুণসহ বর্ণনা করা হলো:

১. গাণিতিক গড় (Arithmetic Mean)

গাণিতিক গড় হলো কোনো তথ্যসারির সকল মানকে যোগ করে মোট মানের সংখ্যা দ্বারা ভাগ করলে প্রাপ্ত ফলাফল। এটি কেন্দ্রীয় প্রবণতার সবচেয়ে সাধারণ এবং বহুল ব্যবহৃত পরিমাপ।

    
• সুবিধা (Merits):         
              
  • বুঝতে ও গণনা করতে সহজ।
              
  • সকল মানের উপর ভিত্তি করে এটি নির্ধারিত হয়, তাই তথ্যের সব বৈশিষ্ট্য অন্তর্ভুক্ত থাকে।
              
  • নমুনা মানের পরিবর্তন দ্বারা কম প্রভাবিত হয়।
              
  • উচ্চতর পরিসংখ্যানিক বিশ্লেষণের জন্য উপযোগী।
          
      
    
• অসুবিধা (Demerits):         
              
  • চরম মান (Outliers) দ্বারা ব্যাপকভাবে প্রভাবিত হয়।
              
  • গুণগত তথ্যের (Qualitative Data) ক্ষেত্রে ব্যবহার করা যায় না।
              
  • মুক্ত প্রান্তের শ্রেণি (Open-ended classes) থাকলে গড় নির্ণয় করা কঠিন বা অসম্ভব।
              
  • কিছু ক্ষেত্রে তথ্যসারির বাস্তব মান নাও হতে পারে (যেমন: একটি পরিবারের গড় সদস্য সংখ্যা ৩.৭ জন)।
          
      

২. মধ্যমা (Median)

মধ্যমা হলো কোনো তথ্যসারির মানগুলোকে মানের ঊর্ধ্বক্রম বা অধোক্রম অনুসারে সাজালে ঠিক মাঝখানে অবস্থিত মানটি। যদি জোড় সংখ্যক মান থাকে, তবে মাঝের দুটি মানের গড়কে মধ্যমা ধরা হয়।

    
• সুবিধা (Merits):         
              
  • চরম মান (Outliers) দ্বারা প্রভাবিত হয় না।
              
  • গণনা করা সহজ এবং বুঝতে সরল।
              
  • মুক্ত প্রান্তের শ্রেণি (Open-ended classes) থাকলেও মধ্যমা নির্ণয় করা যায়।
              
  • গুণগত তথ্য বা ক্রমিক তথ্যের (Ordinal Data) ক্ষেত্রেও ব্যবহার করা যায়।
          
      
    
• অসুবিধা (Demerits):         
              
  • তথ্যসারির সকল মানের উপর ভিত্তি করে নির্ধারিত হয় না।
              
  • নমুনা মানের পরিবর্তন দ্বারা গড়ের চেয়ে বেশি প্রভাবিত হতে পারে।
              
  • কিছু ক্ষেত্রে উচ্চতর পরিসংখ্যানিক বিশ্লেষণের জন্য উপযুক্ত নয়।
              
  • প্রথমত, তথ্যগুলোকে অবশ্যই সাজিয়ে নিতে হয়, যা সময়সাপেক্ষ হতে পারে।
          
      

৩. প্রচুরক (Mode)

প্রচুরক হলো কোনো তথ্যসারিতে যে মানটি সবচেয়ে বেশিবার পুনরাবৃত্ত হয়। একটি তথ্যসারিতে এক বা একাধিক প্রচুরক থাকতে পারে, এমনকি কোনো প্রচুরক নাও থাকতে পারে।

    
• সুবিধা (Merits):         
              
  • বুঝতে এবং শনাক্ত করতে অত্যন্ত সহজ।
              
  • চরম মান (Outliers) দ্বারা প্রভাবিত হয় না।
              
  • গুণগত তথ্য বা নামমাত্র তথ্যের (Nominal Data) ক্ষেত্রেও ব্যবহার করা যায়।
              
  • মুক্ত প্রান্তের শ্রেণি (Open-ended classes) থাকলেও প্রচুরক নির্ণয় করা যায়।
              
  • ব্যবসায়িক সিদ্ধান্ত গ্রহণ বা ফ্যাশন ট্রেন্ডের মতো ক্ষেত্রে এটি অত্যন্ত উপযোগী।
          
      
    
• অসুবিধা (Demerits):         
              
  • তথ্যসারির সকল মানের উপর ভিত্তি করে নির্ধারিত হয় না।
              
  • কখনও কখনও একটি তথ্যসারিতে কোনো প্রচুরক নাও থাকতে পারে বা একাধিক প্রচুরক থাকতে পারে, যা বিশ্লেষণকে জটিল করে তোলে।
              
  • সুনির্দিষ্ট গাণিতিক সংজ্ঞা নেই, তাই উচ্চতর পরিসংখ্যানিক বিশ্লেষণের জন্য খুব কম উপযোগী।
              
  • নমুনা মানের পরিবর্তন দ্বারা ব্যাপকভাবে প্রভাবিত হতে পারে।
          
      

উত্তরঃ

ধরি, প্রথম শ্রেণির \(n\) সংখ্যক পর্যবেক্ষণসমূহ হলো \(x_1, x_2, \dots, x_n\)।

এবং দ্বিতীয় শ্রেণির \(n\) সংখ্যক পর্যবেক্ষণসমূহ হলো \(y_1, y_2, \dots, y_n\)।

প্রথম শ্রেণির জ্যামিতিক গড় \(G_1\) এর সংজ্ঞা অনুযায়ী:

\(G_1 = (\prod_{i=1}^n x_i)^{\frac{1}{n}}\)

উভয় পাশে \(n\) ঘাত (power) নিয়ে পাই:

\(G_1^n = \prod_{i=1}^n x_i\) (সমীকরণ ১)

দ্বিতীয় শ্রেণির জ্যামিতিক গড় \(G_2\) এর সংজ্ঞা অনুযায়ী:

\(G_2 = (\prod_{j=1}^n y_j)^{\frac{1}{n}}\)

উভয় পাশে \(n\) ঘাত নিয়ে পাই:

\(G_2^n = \prod_{j=1}^n y_j\) (সমীকরণ ২)

প্রথম ও দ্বিতীয় শ্রেণির মোট \(n+n=2n\) সংখ্যক পর্যবেক্ষণের সম্মিলিত জ্যামিতিক গড় \(G\) এর সংজ্ঞা অনুযায়ী:

\(G = (\prod_{i=1}^n x_i \cdot \prod_{j=1}^n y_j)^{\frac{1}{2n}}\)

সমীকরণ ১ ও সমীকরণ ২ থেকে মান বসিয়ে পাই:

\(G = (G_1^n \cdot G_2^n)^{\frac{1}{2n}}\)

\(G = ((G_1 G_2)^n)^{\frac{1}{2n}}\)

\(G = (G_1 G_2)^{\frac{n}{2n}}\)

\(G = (G_1 G_2)^{\frac{1}{2}}\)

\(G = \sqrt{G_1 G_2}\)

এটি সম্মিলিত জ্যামিতিক গড়ের প্রচলিত সূত্র যখন উভয় শ্রেণির পর্যবেক্ষণের সংখ্যা সমান (\(n_1 = n_2 = n\)) হয়।

এখন, প্রশ্নোক্ত সম্পর্কটি ($G=\sqrt{G_1}{G}_2$) সত্য হবে যদি আমাদের প্রাপ্ত ফলাফল এই সম্পর্কের সমান হয়:

\(\sqrt{G_1 G_2} = \sqrt{G_1} G_2\)

উভয় পাশে বর্গ করে পাই:

\((\sqrt{G_1 G_2})^2 = (\sqrt{G_1} G_2)^2\)

\(G_1 G_2 = G_1 G_2^2\)

উভয় পক্ষকে \(G_1 G_2\) দ্বারা ভাগ করে (যদি \(G_1 \neq 0\) এবং \(G_2 \neq 0\) হয়):

\(\frac{G_1 G_2}{G_1 G_2} = \frac{G_1 G_2^2}{G_1 G_2}\)

\(1 = G_2\)

সুতরাং, প্রচলিত প্রতীক এবং সংজ্ঞা অনুযায়ী, প্রশ্নোক্ত সম্পর্ক $G=\sqrt{G_1}{G}_2$ কেবল তখনই সত্য হবে যখন দ্বিতীয় শ্রেণির জ্যামিতিক গড় \(G_2 = 1\) হবে। অন্যথায়, সাধারণ ক্ষেত্রে এটি প্রযোজ্য নয়।

উত্তরঃ

দেওয়া আছে ধারাটি হলো: \(১,২,৪,\dots,২^n\)

এই ধারাটি একটি গুণোত্তর ধারা (Geometric Progression)।

প্রথম পদ \(a = ১\)

সাধারণ অনুপাত \(r = ২/১ = ৪/২ = ২\)

শেষ পদ \(L = ২^n\)

যদি ধারার পদসংখ্যা \(N\) হয়, তবে \(T_N = a \cdot r^{N-1}\)।

এখানে, \(২^n = ১ \cdot ২^{N-1}\)

\(২^n = ২^{N-1}\)

\(n = N-1\)

\(N = n+1\)

সুতরাং, ধারাটির পদসংখ্যা \(n+1\)।

১. গাণিতিক গড় (Arithmetic Mean - AM) নির্ণয়:

গাণিতিক গড়ের সূত্র হলো \(AM = \frac{\text{পদসমূহের সমষ্টি}}{\text{পদসংখ্যা}}\)

পদসমূহের সমষ্টি \(S_N = \frac{a(r^N - 1)}{r-1}\)

এখানে, \(a=1\), \(r=2\), \(N=n+1\)

\(S_{n+1} = \frac{1(2^{n+1} - 1)}{2-1} = 2^{n+1} - 1\)

সুতরাং, \(AM = \frac{2^{n+1} - 1}{n+1}\)

২. গুণোত্তর গড় (Geometric Mean - GM) নির্ণয়:

গুণোত্তর গড়ের সূত্র হলো \(GM = (x_1 \cdot x_2 \cdot \dots \cdot x_N)^{1/N}\)

এখানে, পদগুলো হলো \(2^0, 2^1, 2^2, \dots, 2^n\)

পদসমূহের গুণফল \(P = 2^0 \cdot 2^1 \cdot 2^2 \cdot \dots \cdot 2^n\)

\(P = 2^{(0+1+2+\dots+n)}\)

ঘাতের সমষ্টি \(0+1+2+\dots+n = \frac{n(n+1)}{2}\) (প্রথম \(n\) সংখ্যক স্বাভাবিক সংখ্যার সমষ্টির সূত্র)

সুতরাং, \(P = 2^{\frac{n(n+1)}{2}}\)

এবং \(N = n+1\)

\(GM = \left(2^{\frac{n(n+1)}{2}}\right)^{\frac{1}{n+1}}\)

\(GM = 2^{\frac{n(n+1)}{2} \cdot \frac{1}{n+1}}\)

\(GM = 2^{n/2}\)

৩. তরঙ্গ গড় (Harmonic Mean - HM) নির্ণয়:

তরঙ্গ গড়ের সূত্র হলো \(HM = \frac{N}{\sum_{i=1}^{N} \frac{1}{x_i}}\)

এখানে, \(N = n+1\)

\(\sum \frac{1}{x_i} = \frac{1}{1} + \frac{1}{2} + \frac{1}{4} + \dots + \frac{1}{2^n}\)

এটিও একটি গুণোত্তর ধারা যার প্রথম পদ \(a' = 1\) এবং সাধারণ অনুপাত \(r' = 1/2\)। পদসংখ্যা \(N = n+1\)।

এই ধারার সমষ্টি \(S'_N = \frac{a'(1 - (r')^N)}{1 - r'}\)

\(S'_{n+1} = \frac{1(1 - (1/2)^{n+1})}{1 - 1/2}\)

\(S'_{n+1} = \frac{1 - 1/2^{n+1}}{1/2}\)

\(S'_{n+1} = 2 \left(1 - \frac{1}{2^{n+1}}\right)\)

\(S'_{n+1} = 2 - \frac{2}{2^{n+1}}\)

\(S'_{n+1} = 2 - \frac{1}{2^n}\)

\(S'_{n+1} = \frac{2^{n+1}-1}{2^n}\)

সুতরাং, \(HM = \frac{n+1}{\frac{2^{n+1}-1}{2^n}}\)

\(HM = \frac{(n+1)2^n}{2^{n+1}-1}\)