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।
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।
অভিসারী এবং বিমুখ ধারার মধ্যে পার্থক্য নির্ধারণ করে যে অসীম সংখ্যার যোগফল একটি নির্দিষ্ট, সসীম মানে স্থির হয় নাকি অসীমের দিকে ঘুরে বেড়ায়। যদিও একটি অভিসারী ধারা ক্রমশ তার পদগুলিকে 'সঙ্কুচিত' করে যতক্ষণ না তাদের মোট সংখ্যা একটি স্থির সীমায় পৌঁছায়, একটি বিমুখ ধারা স্থিতিশীল হতে ব্যর্থ হয়, হয় আবদ্ধ না হয়ে বৃদ্ধি পায় অথবা চিরতরে দোদুল্যমান হয়।
যদিও উভয় সিস্টেমই দ্বি-মাত্রিক সমতলে অবস্থান চিহ্নিত করার প্রাথমিক উদ্দেশ্য পূরণ করে, তারা বিভিন্ন জ্যামিতিক দর্শন থেকে কাজটি সম্পন্ন করে। কার্টেসিয়ান স্থানাঙ্কগুলি অনুভূমিক এবং উল্লম্ব দূরত্বের একটি কঠোর গ্রিডের উপর নির্ভর করে, যেখানে পোলার স্থানাঙ্কগুলি একটি কেন্দ্রীয় স্থির বিন্দু থেকে সরাসরি দূরত্ব এবং কোণের উপর ফোকাস করে।
কোণ এবং ঢাল উভয়ই একটি রেখার 'খাড়াতা' পরিমাপ করে, কিন্তু তারা ভিন্ন গাণিতিক ভাষা ব্যবহার করে। একটি কোণ দুটি ছেদকারী রেখার মধ্যে বৃত্তাকার ঘূর্ণনকে ডিগ্রি বা রেডিয়ানে পরিমাপ করে, অন্যদিকে ঢাল অনুভূমিক 'রান'-এর সাপেক্ষে উল্লম্ব 'উত্থান'কে সংখ্যাসূচক অনুপাত হিসাবে পরিমাপ করে।
গড় এবং প্রচুরকের মধ্যে গাণিতিক পার্থক্য ব্যাখ্যা করা হয়েছে এই তুলনায়, যা ডেটা সেট বর্ণনা করার জন্য ব্যবহৃত কেন্দ্রীয় প্রবণতার দুটি মূল পরিমাপ। এটি কীভাবে এগুলো গণনা করা হয়, বিভিন্ন ধরনের ডেটার প্রতি এগুলোর প্রতিক্রিয়া কেমন, এবং বিশ্লেষণে কোনটি সবচেয়ে কার্যকর তা নিয়ে আলোচনা করে।