নমুনার আকার বৃদ্ধি করলে নমুনায়ন ভ্রম এর উপর কি প্রভাব পড়বে?

এখানে সঠিক উত্তর হলো অধীন চলক। বিষয়টি খুব সহজভাবে বোঝা যায় এভাবে:

• নির্ভরন বা রিগ্রেশন মডেলে আমরা সাধারণত একটি চলকের মানের ওপর ভিত্তি করে অন্য একটি চলকের মান অনুমান বা পূর্বাভাস দেওয়ার চেষ্টা করি।
• যে চলকটির মান আমরা পূর্বাভাস দিতে চাই, সেটি অন্য চলকের ওপর নির্ভর করে থাকে, তাই একে অধীন চলক (Dependent Variable) বলা হয়।
• গাণিতিক সমীকরণে যদি সম্পর্কটি এমন হয়: $$y = a + bx$$
• এখানে $x$ হলো স্বাধীন চলক এবং $y$ হলো সেই চলক যার পূর্বাভাস দেওয়া হচ্ছে, অর্থাৎ $y$ হলো অধীন চলক।

এখানে সঠিক উত্তর হলো ব্যারোমিটার। বিষয়টি খুব সহজ—যেমন একটি ব্যারোমিটার দিয়ে বায়ুর চাপ মেপে আবহাওয়া সম্পর্কে ধারণা পাওয়া যায়, ঠিক তেমনি অর্থনীতিতে সূচক সংখ্যা বা ইনডেক্স নম্বর ব্যবহার করা হয় দেশের অর্থনৈতিক অবস্থার গতিপ্রকৃতি বোঝার জন্য।

• অর্থনীতির বিভিন্ন সূচক যেমন—মূল্যস্ফীতি বা উৎপাদন হার দেখে দেশের অর্থনীতির বর্তমান অবস্থা বোঝা যায়।
• এই সূচকগুলো অনেকটা ব্যারোমিটারের মতো কাজ করে, যা অর্থনীতি কোন দিকে যাচ্ছে তার একটি পরিষ্কার চিত্র তুলে ধরে।
• তাই অর্থনীতিবিদরা সূচক সংখ্যাকে অর্থনীতির ব্যারোমিটার হিসেবে অভিহিত করেন।

কালীন সারিতে চলমান গড় বা Moving Average পদ্ধতি মূলত তথ্যের দীর্ঘমেয়াদী গতিধারা বা প্রবণতা বোঝার জন্য ব্যবহার করা হয়। এর মূল কাজ হলো তথ্য থেকে ছোটখাটো ওঠানামা বা অসামঞ্জস্যতা দূর করে একটি মসৃণ রেখা তৈরি করা।

সহজ কথায়, এই পদ্ধতিটি যেভাবে কাজ করে:

• নির্দিষ্ট সময়ের তথ্যের গড় বের করে অসামঞ্জস্যতা কমিয়ে ফেলা হয়।
• এর ফলে তথ্যের মূল ধারা বা দীর্ঘকালীন প্রবণতা স্পষ্টভাবে ফুটে ওঠে।
• গাণিতিকভাবে এটি মূলত একটি ফিল্টার হিসেবে কাজ করে, যা স্বল্পমেয়াদী পরিবর্তনগুলোকে বাদ দিয়ে মূল গন্তব্য দেখায়।

তাই, যখনই আমাদের কোনো ডেটাসেটের দীর্ঘমেয়াদী দিকটি বিশ্লেষণ করতে হয়, তখনই আমরা এই পদ্ধতি বেছে নিই।

পরীক্ষণের মৌলিক নকসা হিসেবে দৈবায়িত ব্লক নকসা (Randomized Block Design) এবং ল্যাটিন বর্গ নকসা (Latin Square Design)—এই দুটিকেই বিবেচনা করা হয়। তাই সঠিক উত্তর হলো ক ও গ।

সহজ কথায়, পরীক্ষণের নকসা করার সময় যখন আমরা বিভিন্ন প্রভাবক বা ভেরিয়েবলকে নিয়ন্ত্রণ করতে চাই, তখন এই পদ্ধতিগুলো সবচেয়ে কার্যকর ভূমিকা রাখে। এদের মূল বৈশিষ্ট্যগুলো হলো:

• দৈবায়িত ব্লক নকসা: এটি মূলত পরীক্ষণের ত্রুটি কমাতে এবং নির্দিষ্ট ব্লকের মধ্যে সমজাতীয়তা বজায় রাখতে ব্যবহৃত হয়।
• ল্যাটিন বর্গ নকসা: এটি এমন একটি পদ্ধতি যেখানে দুটি ভিন্ন দিকের প্রভাব বা নয়েজ (Noise) একই সাথে নিয়ন্ত্রণ করা সম্ভব।

পরিসংখ্যান ও গবেষণার ক্ষেত্রে এই নকসাগুলো পরীক্ষণের নির্ভরযোগ্যতা নিশ্চিত করতে সবচেয়ে বেশি ব্যবহৃত হয়।

এখানে সঠিক উত্তর হলো Z-যাচাই। বিষয়টি খুব সহজভাবে বোঝা যায় নিচের ধাপগুলো থেকে:

• যখন তথ্য বিশ্বের পরিমিত ব্যবধান বা পপুলেশন স্ট্যান্ডার্ড ডেভিয়েশন ($\sigma$) জানা থাকে, তখন নমুনার আকার ($n$) যাই হোক না কেন, আমরা সাধারণত Z-টেস্ট ব্যবহার করি।
• সাধারণত $n < 30$ হলে $t$-টেস্টের কথা মাথায় আসে, কিন্তু শর্ত হলো সেখানে পপুলেশন স্ট্যান্ডার্ড ডেভিয়েশন অজানা থাকতে হয়।
• যেহেতু এখানে পপুলেশন স্ট্যান্ডার্ড ডেভিয়েশন জানা আছে, তাই নমুনার আকার ছোট হলেও Z-যাচাই বা Z-test ব্যবহার করাই পরিসংখ্যানের নিয়ম।

সঠিক উত্তর হলো অর্থনীতি ও ব্যবসা। সূচক সংখ্যা বা ইনডেক্স নাম্বার মূলত কোনো নির্দিষ্ট সময়ের সাথে অন্য সময়ের পরিবর্তন বা তুলনামূলক অবস্থা বোঝার জন্য ব্যবহার করা হয়।

এর গুরুত্ব সহজভাবে বুঝতে নিচের পয়েন্টগুলো দেখুন:

• অর্থনীতিতে: দেশের মুদ্রাস্ফীতি, জীবনযাত্রার ব্যয় এবং জাতীয় আয়ের পরিবর্তন পরিমাপ করতে সূচক সংখ্যা অপরিহার্য।
• ব্যবসার ক্ষেত্রে: পণ্যের দামের ওঠানামা, শেয়ার বাজারের গতিবিধি এবং বিক্রয়ের প্রবণতা বিশ্লেষণ করে সঠিক ব্যবসায়িক সিদ্ধান্ত নিতে এটি দারুণ কার্যকর।

সহজ কথায়, বাজারের অস্থিরতা বা পরিবর্তনের ধারা বুঝতে অর্থনীতিবিদ এবং ব্যবসায়ীরা এই সূচক সংখ্যাকেই প্রধান হাতিয়ার হিসেবে ব্যবহার করেন।

মাইগ্রেশন বা অভিবাসনের ক্ষেত্রে 'পুল ফ্যাক্টর' (Pull Factor) বলতে সেই সব আকর্ষণীয় বিষয়কে বোঝায়, যা একজন মানুষকে নতুন কোনো স্থানে যেতে উৎসাহিত করে। এখানে সঠিক উত্তর হলো জীবনের নিরাপত্তা।

বিষয়টি খুব সহজভাবে এভাবে বোঝা যায়:

• পুল ফ্যাক্টর (আকর্ষণ): এটি হলো গন্তব্যস্থলের ইতিবাচক দিক। যেমন—উন্নত জীবনযাত্রা, ভালো কর্মসংস্থান, উন্নত শিক্ষা ব্যবস্থা এবং সবচেয়ে গুরুত্বপূর্ণ হলো জীবনের নিরাপত্তা।
• যেহেতু মানুষ সবসময় এমন জায়গায় যেতে চায় যেখানে সে শান্তিতে ও নিরাপদে থাকতে পারবে, তাই জীবনের নিরাপত্তা মানুষকে নতুন কোনো অঞ্চল বা দেশে বসতি স্থাপনে প্রবলভাবে আকর্ষণ করে।

সহজ কথায়, যেখানে নিরাপত্তা বেশি, মানুষ সেখানেই যেতে চায়। তাই এটি মাইগ্রেশনের একটি প্রধান পুল ফ্যাক্টর।

এখানে সঠিক উত্তর হলো গড়। পরিসংখ্যানের একটি চমৎকার বৈশিষ্ট্য হলো, কোনো উপাত্তের প্রতিটি মান থেকে তাদের গাণিতিক গড় বিয়োগ করে সেই বিচ্যুতিগুলোর বর্গ করলে তার সমষ্টি সবসময় সর্বনিম্ন হয়।

বিষয়টি সহজভাবে বুঝতে নিচের ধাপগুলো দেখুন:

• ধরা যাক, উপাত্তের মানগুলো হলো $x_1, x_2, \dots, x_n$ এবং এদের গড় হলো $\bar{x}$।
• আমরা যদি গড় থেকে বিচ্যুতির বর্গের সমষ্টি নির্ণয় করি, তবে তা হবে: $\sum (x_i - \bar{x})^2$।
• গাণিতিক প্রমাণ অনুযায়ী, অন্য যেকোনো মান $a$ এর জন্য $\sum (x_i - a)^2$ এর মান সবসময় $\sum (x_i - \bar{x})^2$ এর চেয়ে বড় হবে।
• অর্থাৎ, বিচ্যুতির বর্গের সমষ্টি তখনই সবচেয়ে কম বা ক্ষুদ্রতর হয়, যখন বিচ্যুতিগুলো গড়ের সাপেক্ষে নেওয়া হয়।

সঠিক উত্তর হলো ভর আরোপিত গড় (Weighted Average)। বিষয়টি খুব সহজ, কারণ জিপিএ বের করার সময় প্রতিটি বিষয়ের গ্রেড পয়েন্টকে ওই বিষয়ের ক্রেডিট বা গুরুত্বের সাথে গুণ করা হয়।

সহজ কথায়, জিপিএ হিসাব করার প্রক্রিয়াটি এমন:

• প্রতিটি বিষয়ের গ্রেড পয়েন্টকে তার ক্রেডিট দিয়ে গুণ করা হয়: $\text{গ্রেড পয়েন্ট} \times \text{ক্রেডিট}$।
• এরপর সবগুলোর যোগফলকে মোট ক্রেডিট দিয়ে ভাগ করা হয়।

গাণিতিকভাবে এটি হলো: $$\text{GPA} = \frac{\sum (\text{গ্রেড পয়েন্ট} \times \text{ক্রেডিট})}{\sum \text{ক্রেডিট}}$$

যেহেতু এখানে প্রতিটি বিষয়ের গুরুত্ব (ক্রেডিট) আলাদা, তাই সাধারণ গাণিতিক গড় ব্যবহার না করে আমরা ভর আরোপিত গড় বা ওয়েটেড এভারেজ ব্যবহার করি।