গড় ক্যালকুলেটর

আমাদের অনলাইন গড় ক্যালকুলেটর যেকোনো ডেটাসেটের গড় (mean) নির্ণয় করা অবিশ্বাস্যভাবে সহজ করে তোলে। ইনপুট বক্সে আপনার সংখ্যাগুলো টাইপ করুন, কপি বা পেস্ট করুন এবং খেয়াল রাখুন প্রতিটি ডেটা যেন কমা দিয়ে আলাদা করা থাকে। ডেটা প্রস্তুত হয়ে গেলে "Calculate" (হিসাব করুন) বাটনে ক্লিক করুন।

সাথে সাথেই, এই মিন (mean) ক্যালকুলেটর আপনার ডেটাসেটের গড় (পাটিগণিতীয় গড়), বিস্তারিত গণনার ধাপ এবং অন্যান্য প্রয়োজনীয় প্রাসঙ্গিক পরিসংখ্যান প্রদর্শন করবে।

গড় (The Average)

গণিত এবং পরিসংখ্যানে, গড়কে একটি ডেটাসেটের মানগুলোর মধ্যক (mean) হিসেবে সংজ্ঞায়িত করা হয়। যেহেতু প্রতিটি মান গণনার ক্ষেত্রে বিবেচনা করা হয়, তাই গড় সমগ্র ডেটাসেটের একটি অত্যন্ত নির্ভুল উপস্থাপনা হিসেবে কাজ করে। এটি কেন্দ্রীয় প্রবণতা (central tendency) বা সারাংশ পরিসংখ্যানের অন্যতম মৌলিক পরিমাপ হিসেবে ব্যাপকভাবে বিবেচিত।

সাধারণ পাটিগণিতীয় গড় সবচেয়ে বেশি ব্যবহৃত হলেও, এর আরও বেশ কয়েকটি প্রকারভেদ রয়েছে। এগুলোর মধ্যে জ্যামিতিক গড় (geometric mean), ভারযুক্ত গড় (weighted average), সম্মিলিত পাটিগণিতীয় গড় (combined arithmetic average) এবং সমঞ্জস গড় (harmonic mean) অন্তর্ভুক্ত।

পরিসংখ্যানগত সংকেতে, কোনো সমগ্রকের (population) গড়কে গ্রিক অক্ষর μ (মিউ) দ্বারা প্রকাশ করা হয়, অন্যদিকে কোনো নমুনার (sample) গড়কে X̄ (এক্স-বার) দ্বারা চিহ্নিত করা হয়।

সাধারণ গড় (Simple Average)

সাধারণ গড়—যাকে প্রায়শই মিন বা পাটিগণিতীয় গড় বলা হয়—তা নির্ণয় করতে একটি ডেটাসেটের সমস্ত মান যোগ করে সেই যোগফলকে ডেটা পয়েন্টের মোট সংখ্যা দ্বারা ভাগ করা হয়।

কোনো সমগ্রকের (population) গড় বের করতে নিচের সূত্রটি ব্যবহার করুন:

μ = ডেটাসেটের মানগুলোর যোগফল / সমগ্রকে থাকা ডেটার মোট সংখ্যা = ΣX / N

কোনো নমুনার (sample) গড় বের করতে এই সূত্রটি ব্যবহার করুন:

X̄ = ডেটাসেটের মানগুলোর যোগফল / নমুনায় থাকা ডেটার মোট সংখ্যা = ΣX/n

চলুন একটি বাস্তব উদাহরণের মাধ্যমে কীভাবে গড় নির্ণয় করতে হয় তা দেখে নিই।

উদাহরণ

গত সেমিস্টারে সাতটি বিষয়ে জেসমিনের প্রাপ্ত নম্বর নিচের টেবিলে দেখানো হলো। জেসমিনের প্রাপ্ত নম্বরের সাধারণ গড় কত?

সমাধান

গড় নম্বর = ΣX / N = (84 + 90 + 75 + 60 + 85 + 92 + 81) / 7 = 567 / 7 = 81

গড় একটি সর্বজনীনভাবে বোধগম্য ধারণা। আপনি প্রতিদিনই গড় আয়, গড় উৎপাদন ব্যয়, গড় মূল্য, পরীক্ষায় প্রাপ্ত গড় নম্বর এবং গড় জ্বালানি সাশ্রয়ের মতো কথাগুলো শুনে থাকেন। এমনকি দৈনন্দিন জীবনেও সাধারণ পাটিগণিতীয় গড় হিসাব করা একটি প্রচলিত অভ্যাস, যাকে প্রায়শই আদর্শ গড় (ideal average) বলা হয়।

তবে, নির্দিষ্ট কিছু পরিসংখ্যানগত পরিস্থিতিতে কেন্দ্রীয় প্রবণতার অন্যান্য পরিমাপগুলো অধিকতর উপযোগী হতে পারে। চলুন এই বিকল্পগুলো সম্পর্কে জেনে নিই।

জ্যামিতিক গড় (Geometric Mean)

সময়ের সাথে সাথে গড় বৃদ্ধির হার (average growth rates) বিশ্লেষণ করার সময় সাধারণ পাটিগণিতীয় গড় যথেষ্ট কার্যকর নয়। এর পরিবর্তে জ্যামিতিক গড় অনেক বেশি উন্নত একটি মেট্রিক, যা অ্যাকাউন্টিং ও ফিন্যান্সে চক্রবৃদ্ধি সুদের (compound interest) মতো হিসাবের ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়। এর কারণ হলো বৃদ্ধির হারগুলো গুণনীয় (multiplicative), যোগফলভিত্তিক (additive) নয়।

জ্যামিতিক গড়কে n সংখ্যক সংখ্যার গুণফলের n-তম মূল (root) হিসেবে সংজ্ঞায়িত করা হয়। এটি নির্ণয় করার জন্য সমস্ত মান একসাথে গুণ করতে হয় এবং তারপর সেই গুণফলের n-তম মূল বের করতে হয় (যেখানে n হলো আপনার ডেটাসেটে থাকা মোট উপাদানের সংখ্যা)। এটি মূলত অনুপাত, শতাংশ এবং সূচকীয় বৃদ্ধির হারের (exponential growth rates) গড় বের করার ক্ষেত্রে বিশেষভাবে উপযোগী।

$$Geometric\ Mean = \sqrt[n]{x₁×x₂×x₃×…×xₙ} = (x₁×x₂×x₃×…×xₙ)^{\frac{1}{n}}$$

আগের উদাহরণের জেসমিনের প্রাপ্ত নম্বর ব্যবহার করে চলুন জ্যামিতিক গড় নির্ণয় করি:

$$Geometric\ Mean = \sqrt[7]{84×90×75×60×85×92×81} = 80.31$$

গাণিতিকভাবে, জ্যামিতিক গড় সর্বদা সাধারণ গড়ের (পাটিগণিতীয় গড়) সমান বা তার চেয়ে কম হয়।

আমাদের উদাহরণে:

জ্যামিতিক গড় ≤ সাধারণ গড়

80.31 < 81

নোট: আমাদের বহুমুখী অনলাইন গড় ক্যালকুলেটরটি শুধু পাটিগণিতীয় গড়ই হিসাব করে না—এটি আপনার ডেটাসেটের জ্যামিতিক গড়ও অনায়াসে নির্ণয় করতে পারে!

ভারযুক্ত গড় (Weighted Average)

একটি প্রমাণ পাটিগণিতীয় গড়ের ক্ষেত্রে, প্রতিটি মানের ওজন বা গুরুত্ব একদম সমান থাকে। কিন্তু, বাস্তব বিশ্বের ডেটা বিশ্লেষণ করার সময় প্রায়শই বিভিন্ন মানের জন্য আলাদা স্তরের গুরুত্ব প্রদান করার প্রয়োজন হয়।

আমাদের আগের উদাহরণে, আমরা কেবলমাত্র নম্বরগুলো যোগ করে এবং তাকে বিষয়ের সংখ্যা দিয়ে ভাগ করে গড় নির্ণয় করেছিলাম। সেখানে কিছু বিষয় অন্যান্য বিষয়ের তুলনায় একাডেমিকভাবে বেশি গুরুত্বপূর্ণ (বা বেশি ক্রেডিটের) হতে পারে, এমন সম্ভাবনা আমরা বিবেচনায় নিইনি।

যখন প্রতিটি উপাদানের আপেক্ষিক গুরুত্ব বিবেচিত হয়, তখন আপনাকে ভারযুক্ত গড় (weighted average) ব্যবহার করতে হবে। ভারযুক্ত গড় হিসাব করতে, প্রতিটি ডেটার মানকে তার নির্ধারিত ওজন (weight) দ্বারা গুণ করে "ভারযুক্ত মান" (weighted value) বের করতে হয়। এরপর, এই ভারযুক্ত মানগুলোর যোগফলকে মোট ওজনের যোগফল দ্বারা ভাগ করতে হয়।

ভারযুক্ত গড় বের করতে নিচের সূত্রটি ব্যবহার করুন:

ভারযুক্ত গড় = ভারযুক্ত মানগুলোর যোগফল / মোট ওজনের যোগফল = ΣWX / ΣW

উদাহরণ

ধরুন, জেসমিনের প্রতিটি বিষয়ের আলাদা আলাদা একাডেমিক গুরুত্ব বা ওজন (weight) রয়েছে। গত সেমিস্টারে তার ৭টি বিষয়ের আপডেটেড ডেটা টেবিল নিচে দেওয়া হলো।

জেসমিনের গত সেমিস্টারের নম্বরের ভারযুক্ত গড়:

সমাধান

ভারযুক্ত গড় নম্বর = ΣWX / ΣW = (84×3+90×2+75×4+60×3+85×3+92×2+81×3)/(3+2+4+3+3+2+3) = (252+180+300+180+255+184+243)/20 = 1594/20 = 79.7

মধ্যক (The Median)

একটি ডেটাসেটকে যখন সাংখ্যিক ক্রমানুসারে—ছোট থেকে বড় (ascending) বা বড় থেকে ছোট (descending) সাজানো হয়, তখন তার একদম মাঝের মানটিকে মধ্যক বা মিডিয়ান (median) বলা হয়। অন্যভাবে বলা যায়, মধ্যক হলো এমন একটি নির্দিষ্ট বিন্দু যা একটি ডেটা অ্যারেকে (সাজানো কাঁচা ডেটার ক্রম) সমান দুই ভাগে ভাগ করে। ফলে, ৫০% ডেটা পয়েন্ট মধ্যকের নিচে থাকে এবং বাকি ৫০% এর উপরে থাকে।

মধ্যক নির্ণয়ের পদ্ধতি (The Median Calculation Method)

ম্যানুয়ালি মধ্যক নির্ণয় করার জন্য, প্রথমে এই সূত্রটি ব্যবহার করে আপনার সাজানো ডেটাসেটে এর অবস্থান বের করতে হবে:

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item$$

এখানে, "n" দ্বারা ডেটাসেটের মোট উপাদানের সংখ্যাকে নির্দেশ করা হয়।

আপনার ডেটাসেটে যদি বিজোড় সংখ্যক উপাদান থাকে, তবে ঠিক মাঝখানের অবস্থানে থাকা মানটিই হলো মধ্যক। তবে, ডেটাসেটে যদি জোড় সংখ্যক উপাদান থাকে, তাহলে মাঝের দুটি সংখ্যার সাধারণ গড় বের করে মধ্যক হিসাব করা হয়।

মিন (গড়) এবং মিডিয়ানের (মধ্যক) মধ্যে পার্থক্য

1. ডেটাসেটের সমস্ত মান যোগ করে এবং তাকে মোট পর্যবেক্ষণের সংখ্যা দিয়ে ভাগ করে মিন বা গড় হিসাব করা হয়; এর ফলে এমন একটি মান পাওয়া যায় যা প্রতিটি ডেটা পয়েন্টের আকার বা মাত্রাকে বিবেচনা করে। অপরদিকে, মিডিয়ান বা মধ্যক হলো সাজানো তালিকার একদম মাঝখানের মান। এটি একটি কেন্দ্রীয় বিভাজন বিন্দু প্রদান করে, কিন্তু এটি চারপাশের সংখ্যাগুলোর ব্যাপক মাত্রাকে হিসেবে ধরে না।

2. ডেটার গ্রাফিক্যাল উপস্থাপনা থেকে উভয় মেট্রিকই দৃশ্যত অনুমান করা যায়। একটি প্রতিসম বিন্যাসে (symmetric distribution), মিন খুব দ্রুত অনুমান করা যায় কারণ এটি সরাসরি কেন্দ্রে অবস্থান করে। অন্যদিকে, একটি বক্স প্লটের (box plot) ঠিক মাঝখানের লাইন হিসেবে মিডিয়ানকে সহজেই চিহ্নিত করা যায়।

3. উন্নত পরিসংখ্যানগত বিশ্লেষণে মিন এবং মিডিয়ান উভয়ই গুরুত্বপূর্ণ ভূমিকা পালন করে। আউটলায়ার (অস্বাভাবিক মান) মুক্ত স্বাভাবিকভাবে বিন্যস্ত (normally distributed) ডেটার ক্ষেত্রে মিন ব্যাপকভাবে ব্যবহৃত হয় এবং এটি ভেদাঙ্ক (variance) ও পরিমিত ব্যবধান (standard deviation) গণনার ভিত্তি তৈরি করে। তবে, ডেটা যখন ব্যাপকভাবে অপ্রতিসম (skewed) হয় বা তাতে প্রচুর আউটলায়ার থাকে, তখন কেন্দ্রীয় প্রবণতার পরিমাপ হিসেবে মিডিয়ান বেশি কার্যকরী। এটি নন-প্যারামেট্রিক পরিসংখ্যানগত পরীক্ষাতেও ব্যাপকভাবে ব্যবহৃত হয় যেখানে নির্দিষ্ট ডেটা ডিস্ট্রিবিউশন ধরে নেওয়া হয় না।

কখন মিন (Mean) ব্যবহার করবেন

যখন আপনার ডেটাসেটে কোনো উল্লেখযোগ্য আউটলায়ার ছাড়া একটি প্রতিসম বিন্যাস (symmetric distribution) থাকে, তখন কেন্দ্রীয় প্রবণতা পরিমাপের জন্য মিন হলো সবচেয়ে উপযুক্ত উপায়। যেহেতু এটি প্রতিটি সাংখ্যিক মানকে অন্তর্ভুক্ত করে, তাই এটি ডেটার কেন্দ্রের একটি অত্যন্ত নির্ভরযোগ্য নির্দেশক হিসেবে কাজ করে। তবে, যদি আপনার ডেটাসেটে বড় ধরনের আউটলায়ার থাকে, তবে প্রকৃত কেন্দ্রীয় প্রবণতার সঠিক উপস্থাপনা নিশ্চিত করার জন্য মিন হিসাব করার আগে সেগুলো বাদ দেওয়ার প্রয়োজন হতে পারে।

কখন মিডিয়ান (Median) ব্যবহার করবেন

অপ্রতিসম (skewed) বিন্যাস বা চরম আউটলায়ারযুক্ত ডেটাসেট বিশ্লেষণ করার ক্ষেত্রে কেন্দ্রীয় প্রবণতার পরিমাপ হিসেবে মিডিয়ান বেশি পছন্দনীয়। যেহেতু মিডিয়ান কেবল একটি সাজানো তালিকার মাঝখানের মানটিকে নির্দেশ করে, তাই এটি অস্বাভাবিকভাবে উচ্চ বা নিম্ন সংখ্যা দ্বারা সম্পূর্ণ প্রভাবিত থাকে না। এসব ক্ষেত্রে, ডেটার বৃহত্তর অংশের মধ্যে "সাধারণ" বা টিপিক্যাল মানের অনেক বেশি নির্ভুল উপস্থাপনা প্রদান করে মিডিয়ান।

কীভাবে আউটলায়ার এই হিসাবগুলোকে প্রভাবিত করে তা দেখানোর জন্য চলুন আমাদের মূল উদাহরণটি একটু পরিবর্তন করি।

উদাহরণ

কল্পনা করুন, জেসমিন ইন্টারন্যাশনাল স্টাডিজে ৯২ এর পরিবর্তে মারাত্মকভাবে কম নম্বর ১৫ পেয়েছে। তার গত সেমিস্টারের বিষয়ের নম্বরগুলোর নতুন গড় কত?

সমাধান

গড় নম্বর = ΣX / N = (84+90+75+60+85+15+81)/7 = 490/7 = 70

জেসমিনের নতুন গড় নম্বর নেমে ৭০-এ দাঁড়ায়। একটিমাত্র চরম আউটলায়ার (১৫ নম্বরটি) তার গড়কে পুরো ১১ পয়েন্ট নিচে নামিয়ে দিয়েছে। এটি স্পষ্টভাবে তুলে ধরে যে কীভাবে আউটলায়ার পাটিগণিতীয় গড়কে মারাত্মকভাবে অপ্রতিসম বা ভুল দিকে নিয়ে যেতে পারে।

এ ধরনের পরিস্থিতিতে, মিডিয়ান অনেক বেশি নির্ভরযোগ্য মেট্রিক হিসেবে কাজ করে। এটি প্রমাণ করার জন্য, চলুন মূল এবং পরিবর্তিত উভয় ডেটাসেটের জন্য মিডিয়ান নির্ণয় করি।

উদাহরণ

নিচের টেবিলে জেসমিনের সাতটি বিষয়ের মূল প্রাপ্ত নম্বর দেখানো হয়েছে। এই নম্বরগুলোর মিডিয়ান বা মধ্যক কত?

সমাধান

প্রথমে, আমাদের সমস্ত নম্বরকে একটি সাজানো অ্যারে (ordered array)-তে বিন্যস্ত করতে হবে। আপনি এগুলোকে ছোট থেকে বড় বা বড় থেকে ছোট ক্রমানুসারে সাজাতে পারেন। চলুন এগুলোকে ছোট থেকে বড় (ascending order) ক্রমানুসারে সাজাই:

60, 75, 81, 84, 85, 90, 92

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

এরপর, আমরা আমাদের সাজানো ডেটাসেটে ৪র্থ উপাদানটি শনাক্ত করি, যা হলো ৮৪। অতএব, এই ডেটাসেটের মিডিয়ান বা মধ্যক হলো ৮৪।

এখন, আউটলায়ার অন্তর্ভুক্ত থাকা পরিবর্তিত ডেটাসেটের মিডিয়ান হিসাব করা যাক।

উদাহরণ

ধরুন, জেসমিন ইন্টারন্যাশনাল স্টাডিজে ৯২ এর বদলে ১৫ পেয়েছে। গত সেমিস্টারে নেওয়া জেসমিনের বিষয়গুলোর নতুন মিডিয়ান নম্বর কত?

সমাধান

আবারও, আমাদের প্রথম কাজ হলো সমস্ত নম্বরকে একটি অ্যারে হিসেবে ছোট থেকে বড় ক্রমানুসারে সাজানো।

15, 60, 75, 81, 84, 85, 90

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

এখন, আমরা আমাদের নতুন ডেটাসেটের ৪র্থ উপাদানটি পরীক্ষা করি। এটি হলো ৮১, যা ডেটাসেটের নতুন মিডিয়ানকে প্রতিনিধিত্ব করে।

যেমনটি আপনি দেখতে পাচ্ছেন, ডেটাসেটে একটি বিশাল আউটলায়ার যুক্ত হওয়ার পরও, মিডিয়ান অত্যন্ত স্থিতিশীল ছিল, এটি ৮৪ থেকে সামান্য সরে গিয়ে ৮১-তে এসেছে (গড়ের মতো নয়, যা চরমভাবে ১১ পয়েন্ট কমে গিয়েছিল)।