পরিসংখ্যানে বুটস্ট্র্যাপ পদ্ধতি

পরিসংখ্যানে বুটস্ট্র্যাপ পদ্ধতি

পেন্ডাহুলুয়ান

পরিসংখ্যান হলো সেই বিজ্ঞান যার লক্ষ্য হলো উপাত্ত সংগ্রহ, বিশ্লেষণ, ব্যাখ্যা এবং উপস্থাপন করা। পরিসংখ্যানগত বিশ্লেষণ প্রায়শই কিছু নির্দিষ্ট অনুমান বা সম্ভাব্যতা তত্ত্বের উপর নির্ভর করে, যার জন্য সঠিক অনুমান পেতে বৃহৎ নমুনার প্রয়োজন হয়। তবে, অনেক পরিস্থিতিতেই বৃহৎ নমুনা সংগ্রহ করা বাস্তবসম্মত বা সম্ভবপর হয় না। এখানেই বুটস্ট্র্যাপ পদ্ধতি, যা একটি পুনঃনমুনা কৌশল, অত্যন্ত কার্যকর হয়ে ওঠে।

বুটস্ট্র্যাপ পদ্ধতিটি ১৯৭৯ সালে ব্র্যাডলি এফরন সর্বপ্রথম প্রবর্তন করেন এবং এর নমনীয়তা ও নির্দিষ্ট বিন্যাসগত অনুমান ছাড়াই জনসংখ্যার অনেক পরামিতির জন্য নির্ভুল প্রাক্কলন তৈরির ক্ষমতার কারণে এটি পরিসংখ্যানের অন্যতম জনপ্রিয় কৌশল হয়ে উঠেছে। এই নিবন্ধে বুটস্ট্র্যাপ পদ্ধতির মৌলিক নীতিসমূহ, এর বাস্তবায়নের ধাপসমূহ এবং পরিসংখ্যানে এর প্রয়োগের কয়েকটি উদাহরণ তুলে ধরা হবে।

বুটস্ট্র্যাপ পদ্ধতির মৌলিক নীতিমালা

বুটস্ট্র্যাপ পদ্ধতি একটি নন-প্যারামেট্রিক পদ্ধতি, যা আমাদের মূল ডেটা থেকে পুনঃনমুনা গ্রহণের মাধ্যমে কোনো পরিসংখ্যানের (যেমন, গড়, মধ্যক, ভেদাঙ্ক) বিন্যাস অনুমান করতে সাহায্য করে। এই পদ্ধতির মূল নীতি হলো বিদ্যমান ডেটা (মূল নমুনা) ব্যবহার করে বারবার নমুনা গ্রহণের মাধ্যমে অনেকগুলো নতুন ডেটা সেট অনুকরণ করা।

বুটস্ট্র্যাপ পদ্ধতিতে গৃহীত মৌলিক ধাপগুলো নিচে দেওয়া হলো:

১. পুনঃনমুনা: N আকারের মূল ডেটা সেট থেকে প্রতিস্থাপনসহ N বার পুনঃনমুনা নেওয়া হয়। এর অর্থ হলো, বিশ্লেষণের জন্য নির্বাচিত উপাদানগুলো একাধিকবার নির্বাচন করা যেতে পারে।

২. পরিসংখ্যান গণনা করুন: প্রতিটি পুনঃনমুনার জন্য কাঙ্ক্ষিত পরিসংখ্যান (যেমন, গড়, মধ্যক) গণনা করুন।

৩. প্রক্রিয়াটির পুনরাবৃত্তি করুন: আপনার কাঙ্ক্ষিত পরিসংখ্যানটির বুটস্ট্র্যাপ ডিস্ট্রিবিউশন পাওয়ার জন্য ধাপ ১ এবং ২ বেশ কয়েকবার পুনরাবৃত্তি করুন (যেমন, B=১০০০ বা তার বেশি)।

৪. প্রাক্কলন ও উপসংহার: কনফিডেন্স ইন্টারভাল তৈরি করতে, হাইপোথিসিস পরীক্ষা করতে বা অন্যান্য অনুমানমূলক পরিসংখ্যান তৈরি করতে এই বুটস্ট্র্যাপ ডিস্ট্রিবিউশনটি ব্যবহার করুন।

বুটস্ট্র্যাপ বাস্তবায়নের পর্যায়গুলি

বুটস্ট্র্যাপ পদ্ধতিটি নিম্নলিখিত পর্যায়গুলিতে আরও বিস্তারিতভাবে ব্যাখ্যা করা যেতে পারে:

১. পুনঃনমুনা গ্রহণ

প্রতিস্থাপনসহ পুনঃনমুনা গ্রহণই হলো বুটস্ট্র্যাপ পদ্ধতির মূল ভিত্তি। মূল ডেটা ব্যবহার করে আমরা অনেকগুলো নতুন ডেটা সেট তৈরি করি, যেগুলোকে বুটস্ট্র্যাপ স্যাম্পল বলা হয়। প্রতিটি বুটস্ট্র্যাপ স্যাম্পল হলো N আকারের মূল ডেটা সেট থেকে N বার নমুনা সংগ্রহের ফলাফল, তবে এক্ষেত্রে প্রতিস্থাপনসহ নমুনা নেওয়া হয়, যার ফলে মূল স্যাম্পলের উপাদানগুলো বুটস্ট্র্যাপ স্যাম্পলগুলোতে একাধিকবার উপস্থিত থাকতে পারে।

যেমন:
যদি আমাদের মূল ডেটা \[3, 5, 7, 9\] থাকে, তাহলে একটি সম্ভাব্য বুটস্ট্র্যাপ স্যাম্পল হতে পারে \[3, 9, 9, 5\]।

২. বুটস্ট্র্যাপ পরিসংখ্যান গণনা করা

প্রতিটি বুটস্ট্র্যাপ নমুনার জন্য কাঙ্ক্ষিত পরিসংখ্যানটি গণনা করুন। ধরা যাক, আমরা গড় জানতে আগ্রহী, সেক্ষেত্রে আমরা প্রতিটি বুটস্ট্র্যাপ নমুনার জন্য গড় গণনা করব। যদি আমরা এই প্রক্রিয়াটি B বার পুনরাবৃত্তি করি, তাহলে আমরা গড়ের Bটি আনুমানিক মান পাব।

৩. বুটস্ট্র্যাপ ডিস্ট্রিবিউশন গঠন করা

B সংখ্যক বুটস্ট্র্যাপ নমুনা থেকে গণনাকৃত সমস্ত পরিসংখ্যান একত্রিত করে, আমরা কাঙ্ক্ষিত পরিসংখ্যানটির একটি বুটস্ট্র্যাপ বিন্যাস গঠন করি। এই বিন্যাসটি পরিসংখ্যানটির নমুনা বিন্যাসকে আনুমানিক করতে ব্যবহৃত হয়।

৩. পরিসংখ্যানগত অনুমান

এই বুটস্ট্র্যাপ ডিস্ট্রিবিউশন থেকে আমরা বিভিন্ন পরিসংখ্যানগত সিদ্ধান্ত নিতে পারি। উদাহরণস্বরূপ, আমরা বুটস্ট্র্যাপ ডিস্ট্রিবিউশন থেকে পার্সেন্টাইল নিয়ে কনফিডেন্স ইন্টারভাল নির্ধারণ করতে পারি অথবা এই ডিস্ট্রিবিউশন থেকে প্রাপ্ত পি-ভ্যালু দেখে হাইপোথিসিস পরীক্ষা করতে পারি।

বুটস্ট্র্যাপ পদ্ধতি ব্যবহারের উদাহরণ

বিষয়টি আরও পরিষ্কারভাবে বোঝার জন্য, চলুন বাস্তব ক্ষেত্রে বুটস্ট্র্যাপ পদ্ধতি কীভাবে ব্যবহৃত হয় তার কিছু উদাহরণ দেখি।

উদাহরণ ১: গড় আত্মবিশ্বাস ব্যবধান

ধরা যাক, আমাদের কাছে ১০ জন ব্যক্তির দৈহিক ওজনের নমুনা উপাত্ত নিম্নরূপ: \[60, 62, 67, 70, 65, 68, 64, 60, 66, 63\]।

এই ডেটা থেকে আমরা একই আকারের ১০০০টি বুটস্ট্র্যাপ স্যাম্পল নিই, উদাহরণস্বরূপ:
– নমুনা ২: \[62, 67, 70, 67, 64, 62, 63, 65, 68, 60\]
– নমুনা ২: \[60, 62, 70, 70, 63, 64, 63, 65, 68, 62\]
- ইত্যাদি…

২. প্রতিটি বুটস্ট্র্যাপ স্যাম্পল থেকে আমরা গড় নির্ণয় করি:
– নমুনা গড় ২: (৬০+৬২+৭০+৭০+৬৩+৬৪+৬৩+৬৫+৬৮+৬২) / ১০
– নমুনা গড় ২: (৬০+৬২+৭০+৭০+৬৩+৬৪+৬৩+৬৫+৬৮+৬২) / ১০
- ইত্যাদি…

৩. এই ধাপটি ১০০০ বার পুনরাবৃত্তি করলে আমরা ১০০০টি গড় ওজন পাব।

৪. এই ১০০০টি গড় ডেটা ব্যবহার করে আমরা একটি বুটস্ট্র্যাপ ডিস্ট্রিবিউশন গঠন করি এবং একটি ৯৫% কনফিডেন্স ইন্টারভাল তৈরি করার জন্য ২.৫তম ও ৯৭.৫তম পার্সেন্টাইল গ্রহণ করি।

উদাহরণ ২: একাধিক মধ্যক অনুমান পরীক্ষা

ধরা যাক, আমরা দুটি ডেটা সেটের মধ্যক সমান কিনা তা পরীক্ষা করতে চাই। মধ্যকের পার্থক্যের একটি বিন্যাস তৈরি করতে আমরা বুটস্ট্র্যাপিং ব্যবহার করতে পারি।

১. মূল ডেটা সেটগুলোর প্রতিটি থেকে বুটস্ট্র্যাপ স্যাম্পল নিন।
২. প্রতিটি বুটস্ট্র্যাপ নমুনার জন্য মধ্যক পার্থক্য গণনা করুন।
৩. বুটস্ট্র্যাপ মধ্যক পার্থক্যগুলোর একটি বিন্যাস তৈরি করুন।
৪. দেখুন শূন্য বন্টনটির কনফিডেন্স ইন্টারভ্যালের মধ্যে পড়ে কি না।

বুটস্ট্র্যাপ পদ্ধতির সুবিধা এবং সীমাবদ্ধতা

কেলেবিহান

– নন-প্যারামেট্রিক: ডেটা বিন্যাস সম্পর্কে কোনো অনুমানের প্রয়োজন হয় না।
– অল্প নমুনার ক্ষেত্রে কার্যকারিতা: অল্প নমুনার ক্ষেত্রেও কার্যকর।
– নমনীয়: গড়, মধ্যক, রিগ্রেশন সহগ ইত্যাদি সহ বিভিন্ন পরিসংখ্যানে প্রয়োগ করা যায়।
– বাস্তবায়নের সহজতা: কম্পিউটিং প্রযুক্তির অগ্রগতির ফলে, R বা Python-এর মতো পরিসংখ্যানগত সফটওয়্যারের সাহায্যে বুটস্ট্র্যাপ পদ্ধতি বাস্তবায়ন করা বেশ সহজ হয়ে উঠেছে।

সীমাবদ্ধতা

– গণনাগত খরচ: বিশেষ করে ডেটার আকার বড় হলে বা বুটস্ট্র্যাপ স্যাম্পলের সংখ্যা বেশি হলে (B), এর জন্য প্রচুর কম্পিউটিং রিসোর্সের প্রয়োজন হতে পারে।
– নমুনার বৈচিত্র্য: শুধুমাত্র সেইসব নমুনার জন্য উপযুক্ত যা মূল জনগোষ্ঠীর যথেষ্ট প্রতিনিধিত্ব করে।
– পক্ষপাত থেকে সুরক্ষা দেয় না: যদি মূল ডেটা পক্ষপাতদুষ্ট হয়, তাহলে সমস্ত বুটস্ট্র্যাপ স্যাম্পলেও একই পক্ষপাত থাকবে।

উপসংহার

বুটস্ট্র্যাপ পদ্ধতি অনেক পরিসংখ্যানগত অনুমান সমস্যার জন্য একটি শক্তিশালী এবং নমনীয় সমাধান প্রদান করে। কোনো নির্দিষ্ট বিন্যাস অনুমান না করেই বিভিন্ন পরিসংখ্যানের বিন্যাস দক্ষতার সাথে অনুমান করার ক্ষমতার কারণে, বুটস্ট্র্যাপ পদ্ধতি ডেটা বিশ্লেষণে একটি মূল্যবান হাতিয়ারে পরিণত হয়েছে। এর সীমাবদ্ধতা থাকা সত্ত্বেও, এটি যে সুবিধাগুলো প্রদান করে তা প্রায়শই গণনাগত খরচের চেয়ে বেশি। যথাযথভাবে ব্যবহার করা হলে, বুটস্ট্র্যাপ পদ্ধতি পরিসংখ্যানগত বিশ্লেষণে সমৃদ্ধ এবং আরও সঠিক অন্তর্দৃষ্টি প্রদান করতে পারে।