৮০ এর গড় মানে বেশিরভাগ মানুষ ৮০ স্কোর করেছে।
গড়টি কেবল একটি ভারসাম্য বিন্দু; যদি ডেটা খুব উচ্চ এবং খুব নিম্ন মানের মধ্যে বিভক্ত করা হয় তবে কারও পক্ষে আসলে 80 স্কোর করা সম্ভব নয়।
যদিও উভয়ই পরিসংখ্যানের মৌলিক স্তম্ভ হিসেবে কাজ করে, তারা একটি ডেটাসেটের সম্পূর্ণ ভিন্ন বৈশিষ্ট্য বর্ণনা করে। গড়টি কেন্দ্রীয় ভারসাম্য বিন্দু বা গড় মান চিহ্নিত করে, যেখানে স্ট্যান্ডার্ড ডেভিয়েশন পরিমাপ করে যে পৃথক ডেটা পয়েন্টগুলি সেই কেন্দ্র থেকে কতটা দূরে সরে গেছে, তথ্যের ধারাবাহিকতা বা অস্থিরতা সম্পর্কিত গুরুত্বপূর্ণ প্রেক্ষাপট প্রদান করে।
একটি ডেটাসেটের গাণিতিক গড়, যা সমস্ত মান যোগ করে এবং মোট গণনা দিয়ে ভাগ করে গণনা করা হয়।
একটি মেট্রিক যা ডেটা মানের একটি সেটের মধ্যে পরিবর্তন বা বিচ্ছুরণের পরিমাণ পরিমাপ করে।
| বৈশিষ্ট্য | গড় | স্ট্যান্ডার্ড বিচ্যুতি |
|---|---|---|
| প্রাথমিক উদ্দেশ্য | কেন্দ্রটি সনাক্ত করুন | বিস্তার পরিমাপ করুন |
| বহিরাগতদের প্রতি সংবেদনশীলতা | উঁচু (সহজেই বাঁকা হতে পারে) | উচ্চ (চরম মান বৃদ্ধি করে) |
| গাণিতিক প্রতীক | μ (Mu) অথবা x̄ (x-বার) | σ (সিগমা) অথবা s |
| পরিমাপের একক | তথ্যের মতোই | তথ্যের মতোই |
| শূন্যের ফলাফল | গড় শূন্য। | সমস্ত ডেটা পয়েন্ট অভিন্ন |
| কী অ্যাপ্লিকেশন | সাধারণ কর্মক্ষমতা নির্ধারণ | ঝুঁকি এবং ধারাবাহিকতা মূল্যায়ন |
গড় আপনাকে বলে যে আপনার ডেটার 'মাঝামাঝি' কোথায় থাকে, যা সাধারণ স্তরের একটি দ্রুত স্ন্যাপশট প্রদান করে। বিপরীতে, মানক বিচ্যুতি কেন্দ্রের অবস্থান উপেক্ষা করে সংখ্যার মধ্যে ব্যবধানের উপর সম্পূর্ণ মনোযোগ দেয়। আপনার দুটি গ্রুপ থাকতে পারে যার গড় ৫০ সমান, কিন্তু যদি একটি গ্রুপ ৪৯ থেকে ৫১ এবং অন্যটি ০ থেকে ১০০ এর মধ্যে হয়, তাহলে মানক বিচ্যুতিই একমাত্র হাতিয়ার যা নির্ভরযোগ্যতার এই বিশাল পার্থক্য প্রকাশ করে।
উভয় মেট্রিকই বহির্মুখী সূচকের গুরুত্ব অনুভব করে, কিন্তু তারা স্বতন্ত্রভাবে প্রতিক্রিয়া দেখায়। একটি ব্যতিক্রমী উচ্চ সংখ্যা গড়কে উপরের দিকে টেনে আনবে, যা সম্ভবত 'সাধারণ' অভিজ্ঞতার একটি বিভ্রান্তিকর চিত্র তুলে ধরবে। একই বহির্মুখী সূচকটি মান বিচ্যুতিকে স্পাইক করতে বাধ্য করে, গবেষককে ইঙ্গিত দেয় যে ডেটাটি গোলমালপূর্ণ এবং গড়টি পুরো গোষ্ঠীর নির্ভরযোগ্য প্রতিনিধি নাও হতে পারে।
একটি বেল কার্ভ দেখার সময়, এই দুটি একসাথে কাজ করে আকৃতি নির্ধারণ করে। গড় নির্ধারণ করে যে বক্ররেখার শীর্ষটি অনুভূমিক অক্ষের কোথায় অবস্থিত। আদর্শ বিচ্যুতি প্রস্থ নিয়ন্ত্রণ করে; একটি ছোট বিচ্যুতি একটি লম্বা, সরু স্পাইক তৈরি করে, যখন একটি বড় বিচ্যুতি বক্ররেখাটিকে একটি ছোট, মোটা ঢিবিতে প্রসারিত করে। একসাথে, তারা আমাদের ভবিষ্যদ্বাণী করতে দেয় যে প্রায় 68% ডেটা কেন্দ্রের একটি 'ধাপের' মধ্যে পড়ে।
বাস্তব জগতে, গড় প্রায়শই লক্ষ্যের জন্য ব্যবহৃত হয়, যেমন একটি লক্ষ্য বিক্রয় গড়ের জন্য। তবে, পেশাদাররা ঝুঁকি পরিচালনা করার জন্য স্ট্যান্ডার্ড ডেভিয়েশন ব্যবহার করেন। উদাহরণস্বরূপ, একজন যাত্রী যদি খুব কম স্ট্যান্ডার্ড ডেভিয়েশনের বাস রুট বেছে নিতে পারেন তবে গড় ভ্রমণের সময় কিছুটা বেশি হবে, কারণ এটি নিশ্চিত করে যে তারা অপ্রত্যাশিত পরিবর্তনের মুখোমুখি হওয়ার পরিবর্তে প্রতিদিন সময়মতো পৌঁছাবে।
৮০ এর গড় মানে বেশিরভাগ মানুষ ৮০ স্কোর করেছে।
গড়টি কেবল একটি ভারসাম্য বিন্দু; যদি ডেটা খুব উচ্চ এবং খুব নিম্ন মানের মধ্যে বিভক্ত করা হয় তবে কারও পক্ষে আসলে 80 স্কোর করা সম্ভব নয়।
আদর্শ বিচ্যুতি একটি ঋণাত্মক সংখ্যা হতে পারে।
যেহেতু সূত্রটিতে গড় থেকে পার্থক্যগুলিকে বর্গ করা জড়িত, ফলাফল সর্বদা শূন্য বা ধনাত্মক হয়। একটি ঋণাত্মক মান গাণিতিকভাবে অসম্ভব।
একটি উচ্চ মান বিচ্যুতি সর্বদা একটি 'খারাপ' জিনিস।
এটি কেবল বৈচিত্র্যের ইঙ্গিত দেয়। একটি শ্রেণীকক্ষে, আগ্রহের ক্ষেত্রে উচ্চ মানের বিচ্যুতি দুর্দান্ত, এমনকি যদি এটি একই রকম বোল্ট তৈরির চেষ্টা করা কোনও প্রস্তুতকারকের জন্য চাপের কারণ হতে পারে।
আপনি গড় না জেনেও আদর্শ বিচ্যুতি গণনা করতে পারেন।
সূত্রের একটি প্রয়োজনীয় উপাদান হলো গড়। সবকিছু কত দূরে তা পরিমাপ করার আগে আপনাকে প্রথমে কেন্দ্রটি কোথায় তা জানতে হবে।
যখন কোনও দলের সামগ্রিক স্তরের সারসংক্ষেপের জন্য আপনার একটি একক প্রতিনিধি সংখ্যার প্রয়োজন হয় তখন গড়টি চয়ন করুন। যখন আপনার সেই গড়ের নির্ভরযোগ্যতা বা আপনার নমুনার মধ্যে বৈচিত্র্য বোঝার প্রয়োজন হয় তখন আদর্শ বিচ্যুতির উপর নির্ভর করুন।
অক্ষাংশ-দ্রাঘিমাংশ পদ্ধতি পৃথিবীর নিরক্ষরেখা ও মূল মধ্যরেখায় স্থাপিত দুটি লম্ব কৌণিক পরিমাপ ব্যবহার করে একটি ত্রিমাত্রিক গোলকীয় পৃষ্ঠের উপর অবস্থান নির্ণয় করে, অন্যদিকে মেরু স্থানাঙ্ক ব্যবস্থা একটি কেন্দ্রীয় প্রারম্ভিক রশ্মি থেকে পরিমাপ করা একটি সরলরৈখিক ব্যাসার্ধীয় দূরত্বের সাথে একটি একক কোণকে একত্রিত করে একটি সমতল দ্বিমাত্রিক তলের উপর অবস্থান নির্ধারণ করে।
অ্যালগরিদমিক উৎপাদন যেখানে নির্দিষ্ট নিয়মের উপর ভিত্তি করে বিপুল কম্পিউটিং শক্তি ব্যবহার করে দ্রুত গাণিতিক কাঠামো, প্রমাণ এবং প্রাথমিক তথ্য তৈরি করে, সেখানে মানুষের ব্যাখ্যা সেই ফলাফলগুলোকে বোঝার জন্য প্রয়োজনীয় স্বজ্ঞা, প্রাসঙ্গিক অর্থ এবং ধারণাগত কাঠামো প্রদান করে, যা আধুনিক গণিতে এক গভীর সহাবস্থানকে তুলে ধরে।
যদিও উভয় পদই দুটি সেটের মধ্যে উপাদানগুলিকে কীভাবে ম্যাপ করা হয় তা বর্ণনা করে, তারা সমীকরণের বিভিন্ন দিককে সম্বোধন করে। এক-থেকে-এক (ইনজেক্টিভ) ফাংশনগুলি ইনপুটগুলির স্বতন্ত্রতার উপর ফোকাস করে, নিশ্চিত করে যে কোনও দুটি পথ একই গন্তব্যে নিয়ে যায় না, অন্যদিকে (অনুমানিক) ফাংশনগুলি নিশ্চিত করে যে প্রতিটি সম্ভাব্য গন্তব্যে আসলে পৌঁছানো হয়েছে।
সিঙ্গুলার ভ্যালু যেকোনো ট্রান্সফরমেশন ম্যাট্রিক্সের লম্ব অক্ষ বরাবর দিকনির্দেশক প্রসারণ ক্ষমতা পরিমাপ করে, অপরদিকে আইগেনভেক্টর সেই নির্দিষ্ট দিকনির্দেশক অক্ষগুলোকে নির্দেশ করে যেগুলো একটি লিনিয়ার ট্রান্সফরমেশনের সময় সম্পূর্ণরূপে অপরিবর্তিত থাকে, যদিও এগুলো কঠোরভাবে বর্গ ম্যাট্রিক্সের মধ্যেই সীমাবদ্ধ।
সিঙ্গুলার ভ্যালু ডিকম্পোজিশন এবং আইগেনভ্যালু ডিকম্পোজিশন হলো লিনিয়ার অ্যালজেবরা-র দুটি মৌলিক ম্যাট্রিক্স ফ্যাক্টরাইজেশন পদ্ধতি। যেখানে আইগেনভ্যালু ডিকম্পোজিশন শুধুমাত্র বর্গ ম্যাট্রিক্সের জন্য সীমাবদ্ধ এবং অপরিবর্তনীয় দিকগুলো উন্মোচন করে, সেখানে সিঙ্গুলার ভ্যালু ডিকম্পোজিশন যেকোনো আকারের ম্যাট্রিক্সের জন্য প্রযোজ্য এবং এটি রূপান্তরগুলোকে লম্ব ঘূর্ণন ও কর্ণ স্কেলিং অপারেশনে বিভক্ত করে।