আদর্শ বিচ্যুতি

একটি পরিসংখ্যানগত পরিমাপ হিসেবে আদর্শ বিচ্যুতি

আদর্শ বিচ্যুতি (Standard deviation) হলো কোনো ডেটাসেটের বৈশিষ্ট্য নির্ধারণের জন্য সর্বাধিক ব্যবহৃত মৌলিক মেট্রিকগুলোর মধ্যে একটি। সহজ কথায়, এটি আপনার ডেটার বিস্তার বা ছড়ানো অবস্থাকে পরিমাপ করে। আদর্শ বিচ্যুতি গণনা করে আপনি সহজেই বুঝতে পারবেন যে আপনার ডেটা পয়েন্টগুলো গড়ের কাছাকাছি অবস্থান করছে নাকি একটি বিস্তৃত পরিসর জুড়ে ছড়িয়ে আছে। উচ্চতর আদর্শ বিচ্যুতি ডেটাসেটের মধ্যে বৃহত্তর পরিবর্তনশীলতা এবং বিস্তৃতির ইঙ্গিত দেয়, অন্যদিকে কম মান মানে হলো সংখ্যাগুলো গড়ের কাছাকাছি রয়েছে।

আমাদের আদর্শ বিচ্যুতি ক্যালকুলেটর যেকোনো ডেটাসেটের সঠিক মান গণনা করে এবং এর পেছনের গাণিতিক প্রক্রিয়াগুলোর একটি বিশদ, ধাপে ধাপে সমাধান প্রদান করে।

আদর্শ বিচ্যুতি ক্যালকুলেটর কীভাবে ব্যবহার করবেন

এই টুলটিকে ব্যবহারকারীবান্ধব এবং অত্যন্ত ফ্লেক্সিবল বা নমনীয় হিসেবে ডিজাইন করা হয়েছে। শুধু একটি ডিলিমিটার (কমা, স্পেস ইত্যাদি) দ্বারা আলাদা করে সংখ্যাগুলোর তালিকা হিসেবে আপনার ডেটাসেটটি ইনপুট দিন। নিচের টেবিলটি বেশ কয়েকটি বৈধ ইনপুট ফরম্যাটের উদাহরণ তুলে ধরেছে:

আপনি কমা, স্পেস, লাইন ব্রেক অথবা এগুলোর সমন্বয় ব্যবহার করে সংখ্যাগুলোকে আলাদা করতে পারেন। ক্যালকুলেটরটি সারি এবং কলাম উভয় ফরম্যাটই নির্বিঘ্নে পরিচালনা করতে পারে। টেবিল থেকে আপনি যে ফরম্যাটই বেছে নিন না কেন, ক্যালকুলেটরটি ইনপুটটিকে ঠিক একইভাবে ডেটাসেট হিসেবে প্রক্রিয়া করবে: 44, 63, 72, 75, 80, 86, 87, এবং 89।

আপনার ডেটা ইনপুট করার পর, আপনি একটি স্যাম্পল (নমুনা) নিয়ে কাজ করছেন নাকি সম্পূর্ণ পপুলেশন (সমগ্রক) নিয়ে কাজ করছেন তা নির্বাচন করুন এবং 'Calculate' বোতামে চাপ দিন। টুলটি তাৎক্ষণিকভাবে আপনার ডেটাসেটের পাঁচটি মূল পরিসংখ্যানগত প্যারামিটার প্রদর্শন করবে: কাউন্ট (পর্যবেক্ষণ সংখ্যা), গড়, বিচ্যুতির বর্গের সমষ্টি, ভেদাঙ্ক (variance), এবং চূড়ান্ত আদর্শ বিচ্যুতি।

এই আদর্শ বিচ্যুতি ক্যালকুলেটরটি কী সমাধান করে?

এই ক্যালকুলেটরটি এমনভাবে তৈরি করা হয়েছে যা একটি বিচ্ছিন্ন ডেটাসেটের (discrete dataset) আদর্শ বিচ্যুতি গণনা করার পাশাপাশি ফলাফলের পেছনের পরিসংখ্যানগত তত্ত্ব সম্পর্কে গভীর ধারণা প্রদান করে।

ডেটা সাধারণত একটি পপুলেশন (সমগ্রক) অথবা একটি স্যাম্পল (নমুনা)-কে উপস্থাপন করে। পপুলেশন বলতে নির্দিষ্ট শর্তের অধীনে কোনো পরীক্ষার সম্ভাব্য সকল পর্যবেক্ষণকে বোঝায়। তবে, বাস্তব জগতে পরিসংখ্যানগত অনুশীলনের ক্ষেত্রে একটি বিশাল পপুলেশনের প্রতিটি সদস্য থেকে ডেটা সংগ্রহ করা প্রায়শই অবাস্তব বা সম্পূর্ণ অসম্ভব হয়ে দাঁড়ায়।

এর পরিবর্তে, গবেষকরা সেই বৃহত্তর গোষ্ঠীর একটি উপসেট নিয়ে কাজ করেন, যা স্যাম্পল বা নমুনা হিসেবে পরিচিত। এই স্যাম্পলটি বিশ্লেষণ করে আমরা বৃহত্তর পপুলেশন সম্পর্কে অত্যন্ত নির্ভুল অনুমান এবং সিদ্ধান্তে পৌঁছাতে পারি।

আদর্শ বিচ্যুতি গণনা করার সময়, আপনি স্যাম্পল ডেটা নাকি সম্পূর্ণ পপুলেশন মূল্যায়ন করছেন তার ওপর ভিত্তি করে সূত্রটি সামান্য পরিবর্তিত হয়। এই অত্যন্ত গুরুত্বপূর্ণ সমন্বয়ের সাথে 'ডিগ্রিজ অফ ফ্রিডম' (degrees of freedom) নামে পরিচিত একটি গাণিতিক ফ্যাক্টর জড়িত থাকে। একটি স্যাম্পলের ক্ষেত্রে, আমরা ভেদাঙ্ককে n এর পরিবর্তে n - 1 (যেখানে n হলো স্যাম্পলের আকার) দ্বারা ভাগ করি। পপুলেশন অনুমান করার জন্য স্যাম্পল ব্যবহারের কারণে সৃষ্ট ঘাটতি এই সংশোধনীর মাধ্যমে পূরণ করা হয়, যা নিশ্চিত করে যে আমাদের আদর্শ বিচ্যুতির অনুমানটি সম্পূর্ণ পক্ষপাতহীন।

পরিশেষে, আদর্শ বিচ্যুতি একটি ডেটাসেটের গড়ের সাপেক্ষে এর গড় পরিবর্তনশীলতা বা বিস্তৃতি পরিমাপ করে। পরিসংখ্যানে, এটিকে পপুলেশনের জন্য গ্রিক অক্ষর σ (সিগমা) অথবা স্যাম্পলের জন্য s দ্বারা প্রকাশ করা হয়। একটি বৃহত্তর σ বা s মান নির্দেশ করে যে ডেটা পয়েন্টগুলো গড় থেকে ব্যাপকভাবে ছড়িয়ে আছে, যেখানে ছোট মান নির্দেশ করে যে ডেটাগুলো গড়ের খুব কাছাকাছি অবস্থান করছে।

উদাহরণস্বরূপ নিচের দুটি ডেটাসেট বিবেচনা করুন:

(সেট I)

11, 3, 5, 21, 10, 15, 20, 25, 13, 26, 27

(সেট II)

12, 14, 14, 15, 15, 16, 16, 17, 18, 19, 20

আমাদের আদর্শ বিচ্যুতি ক্যালকুলেটরে এই সংখ্যাগুলো ইনপুট করলে, আমরা নিচের ফলাফলগুলো পাই:

Set I এর জন্য:

• x̄ = 16 — গড় মান (mean value)
• s = 8.3904708 — স্যাম্পলের আদর্শ বিচ্যুতি (sample standard deviation)

Set II এর জন্য:

• x̄ = 16 — গড় মান
• s = 2.3664319 — স্যাম্পলের আদর্শ বিচ্যুতি

যদিও উভয় সেটের গড় একদম এক (x̄ = 16), তাদের বিন্যাস বা ডিস্ট্রিবিউশন একেবারেই আলাদা। সেট I-এ, সংখ্যাগুলো স্যাম্পলের গড় থেকে উল্লেখযোগ্যভাবে বিচ্যুত (s = 8.39), যেখানে সেট II-এ, পরিবর্তনশীলতা লক্ষণীয়ভাবে কম (s = 2.36)।

আদর্শ বিচ্যুতি নির্ণয়ের সূত্র

সম্পূর্ণ পপুলেশনের প্রতিটি মান বিশ্লেষণ করার সময় পপুলেশন আদর্শ বিচ্যুতির সূত্র প্রয়োগ করা হয়:

$$σ = \sqrt{\frac{\sum_{i=1}^{N}(x_i-μ)^2}{N}}$$

• σ হলো পপুলেশনের আদর্শ বিচ্যুতি,
• xᵢ হলো পপুলেশনের মধ্যকার একটি নির্দিষ্ট মান,
• μ হলো পপুলেশনের গাণিতিক গড়,
• N হলো পপুলেশনের আকার বা মোট সংখ্যা।

যখন পপুলেশন এতই বড় হয় যে এর সম্পূর্ণ পরিমাপ করা অসম্ভব, এবং শুধুমাত্র একটি প্রতিনিধিত্বমূলক স্যাম্পল বিশ্লেষণ করা হয়, তখন স্যাম্পল আদর্শ বিচ্যুতির সূত্র ব্যবহার করা হয়:

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$$

• s হলো স্যাম্পলের আদর্শ বিচ্যুতি,
• xᵢ হলো স্যাম্পলের মধ্যকার একটি নির্দিষ্ট মান,
• x̄ হলো স্যাম্পলের গড়,
• n হলো স্যাম্পলের আকার।

ধাপে ধাপে আদর্শ বিচ্যুতি নির্ণয়

ম্যানুয়ালি বা হাতে-কলমে আদর্শ বিচ্যুতি গণনা করার ক্ষেত্রে নিচের গাণিতিক ধাপগুলো অনুসরণ করতে হয়:

ধাপ ১: স্যাম্পল বা পপুলেশনের গড় নির্ণয় করুন। এটি হলো সমস্ত ডেটা পয়েন্টের যোগফলকে মোট পর্যবেক্ষণের সংখ্যা (N বা n) দ্বারা ভাগ করার সমান।

স্যাম্পলের গড়:

$$\bar{x}=\frac{x₁+x₂+x₃+........+x_n}{n}$$

পপুলেশনের গড়:

$$\mu=\frac{x₁+x₂+x₃+........+x_N}{N}$$

ধাপ ২: প্রতিটি ডেটা পয়েন্ট থেকে গড় বিয়োগ করে পৃথক বিচ্যুতিগুলো নির্ণয় করুন।

স্যাম্পলের বিচ্যুতি:

$$(x₁-\bar{x}), (x₂-\bar{x}), (x₃-\bar{x})…………………… (x_n-\bar{x})$$

পপুলেশনের বিচ্যুতি:

$$(x₁-\ \mu), (x₂-\ \mu), (x₃-\ \mu)……………….. (x_N-\ \mu)$$

ধাপ ৩: প্রতিটি পৃথক বিচ্যুতিকে বর্গ করুন।

স্যাম্পলের বর্গের বিচ্যুতি:

$$(x₁-\bar{x})^2, (x₂-\bar{x})^2, (x₃-\bar{x})^2…………………… (x_n-\bar{x})^2$$

পপুলেশনের বর্গের বিচ্যুতি:

$$(x₁-\ \mu)^2, (x₂-\ \mu)^2, (x₃-\ \mu)^2……………….. (x_N-\ \mu)^2$$

ধাপ ৪: বর্গের সব বিচ্যুতি একসাথে যোগ করে বর্গের সমষ্টি (Sum of Squares - SS) নির্ণয় করুন।

স্যাম্পলের বর্গের বিচ্যুতির সমষ্টি:

$$SS=(x₁-\bar{x})^2+ (x₂-\bar{x})^2+(x₃-\bar{x})^2……………………+(x_n-\bar{x})^2$$

পপুলেশনের বর্গের বিচ্যুতির সমষ্টি:

$$SS=(x₁-\ \mu)^2+ (x₂-\ \mu)^2+(x₃-\ \mu)^2……………….+ (x_N-\ \mu)^2$$

ধাপ ৫: বর্গের বিচ্যুতির সমষ্টিকে যথাযথ ডিগ্রিজ অফ ফ্রিডম দ্বারা ভাগ করে ভেদাঙ্ক (variance) নির্ণয় করুন। পপুলেশনের জন্য, N দ্বারা ভাগ করুন। স্যাম্পলের জন্য, n - 1 দ্বারা ভাগ করুন।

স্যাম্পলের ভেদাঙ্ক:

$$ s^2 = \frac{\sum_{i=1}^{n}(xᵢ - \bar{x})^2}{n - 1} $$

পপুলেশনের ভেদাঙ্ক:

$$ \sigma^2 = \frac{\sum_{i=1}^{N}(xᵢ - \mu)^2}{N} $$

আপনি হয়তো ভাবতে পারেন যে স্যাম্পলের ভেদাঙ্ক নির্ণয় করার জন্য শুধু n দিয়ে ভাগ করাই যথেষ্ট:

$$\frac{(x-\bar{x})^2}{n}$$

তবে, স্যাম্পলে সরাসরি n ব্যবহার করলে তা প্রায়শই একটি ভুল অনুমানের দিকে নিয়ে যায়। একটি বিশাল পপুলেশন থেকে নেওয়া ছোট স্যাম্পলের ক্ষেত্রে, n দ্বারা ভাগ করা হলে তা নিয়মিতভাবে প্রকৃত ভেদাঙ্ককে অবমূল্যায়ন করে। ডেটার এই ঘাটতি সংশোধন করতে এবং পক্ষপাত দূর করতে, আমরা n - 1 দ্বারা ভাগ করি (যা বেসেলের সংশোধনী বা Bessel's correction নামে পরিচিত)। এটি ভেদাঙ্ককে কিছুটা বাড়িয়ে দেয়, যার ফলে প্রকৃত পপুলেশন ভেদাঙ্কের অনেক বেশি নির্ভুল অনুমান পাওয়া যায়।

ধাপ ৬: সবশেষে, আদর্শ বিচ্যুতি বের করতে ভেদাঙ্কের বর্গমূল (square root) করুন।

স্যাম্পলের আদর্শ বিচ্যুতি:

$$s=\sqrt{s^2}=\sqrt{\frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}}$$

পপুলেশনের আদর্শ বিচ্যুতি:

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

উদাহরণ: একটি স্যাম্পলের আদর্শ বিচ্যুতি নির্ণয়

চলুন ৮ জন শিক্ষার্থীর (n = 8) পদার্থবিজ্ঞান চূড়ান্ত পরীক্ষার ফলাফলের একটি বাস্তব উদাহরণ দেখে নেওয়া যাক:

45, 67, 70, 75, 80, 81, 82, এবং 84

ক্যালকুলেটরটি কীভাবে এই স্যাম্পল ডেটাকে ধাপে ধাপে প্রক্রিয়া করে তা নিচে দেখানো হলো:

ধাপ ১: গড় নির্ণয় করুন।

$$\bar{x}=\frac{\sum_{i} x_i}{n}=\frac{45+\ 67+\ 70+\ 75+\ 80+\ 81+\ 82+\ 84}{8}=73$$

ধাপ ২: গড় থেকে প্রতিটি মানের বিচ্যুতি নির্ণয় করুন।

ধাপ ৩: প্রতিটি বিচ্যুতিকে বর্গ করুন।

ধাপ ৪: বর্গের বিচ্যুতির সমষ্টি (SS) নির্ণয় করুন।

$$SS=\sum_{i}^{n}{{(x_i-\ \bar{x})}^2=784+36+9+4+49+64+81+121}=1148$$

ধাপ ৫: স্যাম্পল ভেদাঙ্ক নির্ণয় করুন। যেহেতু আমরা সম্পূর্ণ পপুলেশনের পরিবর্তে একটি স্যাম্পল (সম্পূর্ণ শিক্ষার্থীর একটি ছোট অংশ) বিশ্লেষণ করছি, তাই আমরা বর্গের বিচ্যুতির সমষ্টিকে ডিগ্রিজ অফ ফ্রিডম (n - 1) দ্বারা ভাগ করব।

$$s^2=\ \frac{\sum_{i}^{n}{{(x_i-\ \bar{x})}^2\ }}{n-1}=\frac{1148}{8-1}=164$$

ধাপ ৬: চূড়ান্ত আদর্শ বিচ্যুতি নির্ণয় করতে ভেদাঙ্কের বর্গমূল করুন।

$$s=\sqrt{s^2}=\ \sqrt{164}=12.80$$

আদর্শ বিচ্যুতির বাস্তব প্রয়োগ

ডেটার বিস্তৃতি মূল্যায়নের জন্য বিভিন্ন শিল্পখাতে আদর্শ বিচ্যুতির ওপর ব্যাপকভাবে নির্ভর করা হয়। একটি আদর্শ বিচ্যুতি বেশি নাকি কম, তা চিহ্নিত করে বিশ্লেষকরা দ্রুত একাধিক ডেটাসেটের তুলনা করতে পারেন এবং বুঝতে পারেন কোনটিতে সবচেয়ে বেশি পরিবর্তনশীলতা বা ধারাবাহিকতা রয়েছে।

ম্যানুফ্যাকচারিং এবং কোয়ালিটি কন্ট্রোল (মান নিয়ন্ত্রণ)-এ আদর্শ বিচ্যুতি অপরিহার্য। বৃহৎ আকারের উৎপাদনের ক্ষেত্রে পণ্যের মাপকে অত্যন্ত কঠোর সহনশীলতার (tight tolerances) মধ্যে রাখতে হয়। উদাহরণস্বরূপ, নাট এবং বল্টু তৈরির ক্ষেত্রে, তাদের ব্যাসের আদর্শ বিচ্যুতি ট্র্যাক করার মাধ্যমে নিশ্চিত করা হয় যে আকারগত তারতম্য যেন খুব সামান্য থাকে। বিচ্যুতি খুব বেশি হলে, পার্টসগুলো একে অপরের সাথে সঠিকভাবে ফিট হবে না।

অর্থনীতি বা ফাইন্যান্স সেক্টরে, বাজারের অস্থিরতা (market volatility) পরিমাপ এবং বিনিয়োগের ঝুঁকি মূল্যায়নের জন্য আদর্শ বিচ্যুতি হলো সবচেয়ে জনপ্রিয় মেট্রিক। টেকনিক্যাল অ্যানালিস্টরা (প্রযুক্তিগত বিশ্লেষক) নিয়মিতভাবে স্টকের অস্থিরতা গণনা করতে এবং বলিঞ্জার ব্যান্ড (Bollinger Bands)-এর মতো ট্রেডিং ইন্ডিকেটর তৈরি করতে আদর্শ বিচ্যুতি ব্যবহার করেন। ফাইন্যান্সের বাইরে, জনমত জরিপে ভুলের মাত্রা (margins of error) গণনা করতে এবং অনিশ্চয়তা পরিমাপ করতে সমাজবিজ্ঞানী ও পোলস্টাররা (জরিপকারী) আদর্শ বিচ্যুতি ব্যবহার করেন।

পরিসংখ্যানগতভাবে, একটি নির্দিষ্ট ব্যবধানের মধ্যে কতটা ডেটা পড়ে তা নির্ধারণ করতে আদর্শ বিচ্যুতি সাহায্য করে। উদাহরণস্বরূপ, চেবিশেভের উপপাদ্য (Chebyshev's theorem) অনুযায়ী আমরা জানি যে ডিস্ট্রিবিউশনের আকার যেমনই হোক না কেন, মোট ডেটা মানের অন্তত ৭৫% গড়ের ঠিক দুটি আদর্শ বিচ্যুতির মধ্যে অবস্থান করবে।

চলুন আবহাওয়া বিজ্ঞান (meteorology)-এ একটি বাস্তব উদাহরণ দেখা যাক। কল্পনা করুন একই অঞ্চলের দুটি শহরের দৈনন্দিন তাপমাত্রা নিয়ে গবেষণা করা হচ্ছে—যার একটি উপকূলে এবং অন্যটি দেশের ভেতরের দিকে অবস্থিত। যদিও উভয় শহরের গড় সর্বোচ্চ দৈনিক তাপমাত্রা একদম এক হতে পারে, তবে তাদের আদর্শ বিচ্যুতি সম্পূর্ণ ভিন্ন একটি চিত্র তুলে ধরবে।

দেশের ভেতরের শহরটি চরম তাপমাত্রার একটি বিস্তৃত প্রসার অনুভব করবে, যার ফলে উল্লেখযোগ্যভাবে উচ্চতর আদর্শ বিচ্যুতি দেখা যাবে। এর বিপরীতে, উপকূলীয় শহরের তাপমাত্রা গড়ের খুব কাছাকাছি অবস্থান করবে, যার ফলে অনেক কম আদর্শ বিচ্যুতি পাওয়া যাবে। পরিসংখ্যানগতভাবে, এটি আমরা শারীরিকভাবে যা অনুভব করি তা নিশ্চিত করে: উপকূলীয় শহর অনেক বেশি মৃদু এবং সামঞ্জস্যপূর্ণ জলবায়ু উপভোগ করে।