Please choose your option, either Assamese medium or English medium
Please choose your option, either Assamese medium or English medium
পৰিসংখ্যাৰ ঐতিহাসিক বিকাশ, দৈনন্দিন জীৱনত পৰিসংখ্যা
পৰিসংখ্যাৰ ঐতিহাসিক বিকাশ, দৈনন্দিন জীৱনত পৰিসংখ্যা
১. অতি চমু প্ৰশ্ন-উত্তৰ (Very Short Questions & Answers - 1 Mark Each)
প্ৰশ্ন ১: 'পৰিসংখ্যা' (Statistics) শব্দটো লেটিন ভাষাত ব্যৱহৃত কোনটো শব্দৰ পৰা উৎপত্তি হৈছে?
উত্তৰ: 'Status' (ষ্টেটাছ) শব্দৰ পৰা।
প্ৰশ্ন ২: আধুনিক পৰিসংখ্যা বিজ্ঞানৰ পিতৃ (Father of Modern Statistics) বুলি কাক জনা যায়?
উত্তৰ: ছাৰ ৰোনাল্ড আইলমাৰ ফিচাৰ (Sir Ronald A. Fisher)।
প্ৰশ্ন ৩: প্ৰাথমিক তথ্য (Primary Data) বুলিলে কি বুজা?
উত্তৰ: গৱেষকে নিজৰ বিশেষ উদ্দেশ্যৰ বাবে প্ৰথমবাৰৰ বাবে পোনপটীয়া সংগ্ৰহ কৰা মূল তথ্যকে প্ৰাথমিক তথ্য বোলে।
প্ৰশ্ন ৪: গৌণ তথ্যৰ (Secondary Data) এটা উৎসৰ উদাহৰণ দিয়া।
উত্তৰ: চৰকাৰী লোকপিয়ল প্ৰতিবেদন বা প্ৰকাশিত গৱেষণা পত্ৰ।
প্ৰশ্ন ৫: গুণগত তথ্যৰ (Qualitative Data) এটা উদাহৰণ দিয়া।
উত্তৰ: মানুহৰ বৈবাহিক অৱস্থা, চুলিৰ ৰং বা সততা।
প্ৰশ্ন ৬: সময় শ্ৰেণী তথ্য (Time Series Data) কি?
উত্তৰ: নিৰ্দিষ্ট সময়ৰ অন্তৰালত ক্ৰমান্বয়ে সংগ্ৰহ বা লিপিৱদ্ধ কৰা পৰিসংখ্যাগত তথ্যকে সময় শ্ৰেণী তথ্য বোলে।
প্ৰশ্ন ৭: স্থানু স্তম্ভচিত্ৰ বা হিষ্ট'গ্ৰাম (Histogram) ধাৰাবাহিক নে বিছিন্ন শ্ৰেণীৰ বাবে অংকন কৰা হয়?
উত্তৰ: ধাৰাবাহিক শ্ৰেণী অন্তৰালৰ (Continuous Class Intervals) বাবে।
প্ৰশ্ন ৮: অজাঈভ (Ogive) ৰ আন এটা নাম কি?
উত্তৰ: ক্ৰমৱৰ্ধমান বা ক্ৰমহ্ৰাসমান বাৰংবাৰতা ৰেখালেখ (Cumulative Frequency Curve)।
প্ৰশ্ন ৯: অজাঈভ ৰেখালেখৰ সহায়ত কি মধ্যম মাপ (Central Tendency) উলিওৱা যায়?
উত্তৰ: মধ্যমা (Median)।
প্ৰশ্ন ১০: সংগৃহীত পৰিসংখ্যাগত তথ্যৰ শ্ৰেণী অন্তৰালৰ মধ্যবিন্দুসমূহেৰে কি লেখ অংকন কৰা হয়?
উত্তৰ: বাৰংবাৰতা বহুভুজ (Frequency Polygon)।
প্ৰশ্ন ১১: পৰিসংখ্যাত ব্যৱহৃত এবিধ প্ৰখ্যাত চফ্টৱেৰ বা টুলৰ নাম লিখা।
উত্তৰ: SPSS (Statistical Package for the Social Sciences) বা R Programming / MS Excel।
প্ৰশ্ন ১২: পৰিমাণগত তথ্য (Quantitative Data) কি?
উত্তৰ: যিবোৰ তথ্যক প্ৰত্যক্ষভাৱে সংখ্যাৰ দ্বাৰা জোখা বা প্ৰকাশ কৰিব পাৰি, যেনে— মানুহৰ বয়স, ওজন বা আয়।
প্ৰশ্ন ১৩: হিষ্ট'গ্ৰাম অংকনত আয়তবোৰৰ কালি (Area) কিহৰ সমানুপাতিক হয়?
উত্তৰ: সংশ্লিষ্ট শ্ৰেণীটোৰ বাৰংবাৰতাৰ (Class Frequency)।
প্ৰশ্ন ১৪: ভাৰতীয় পৰিসংখ্যা বিজ্ঞানৰ প্ৰতিষ্ঠাতা বুলি কাক গণ্য কৰা হয়?
উত্তৰ: প্ৰশান্ত চন্দ্ৰ মহালান'বিছ (P. C. Mahalanobis)।
প্ৰশ্ন ১৫: পৰিসংখ্যা কেৱল এটা একক সংখ্যাৰ বাবে প্ৰযোজ্যনে?
উত্তৰ: নহয়, পৰিসংখ্যা সদায় তথ্যৰ সমষ্টি বা গোটৰ (Aggregate of Facts) বাবেহে প্ৰযোজ্য।
২. চমু প্ৰশ্ন-উত্তৰ (Short Answer Questions - 2 Marks Each)
প্ৰশ্ন ১: দৈনিক জীৱনত পৰিসংখ্যাৰ ব্যৱহাৰিক গুৰুত্ব চমুকৈ ব্যাখ্যা কৰা।
উত্তৰ: দৈনন্দিন জীৱনত বতৰৰ আগজাননী নিৰীক্ষণ, মাহেকীয়া পৰিয়ালৰ বাজেট নিৰ্ধাৰণ, বেংকৰ সুতৰ হাৰ বুজা আৰু ৰাজনৈতিক জনমত সমীক্ষা অনুসৰণ কৰাত পৰসংখ্যা প্ৰত্যক্ষভাৱে ব্যৱহৃত হয়। ই জটিল সংখ্যাত্মক তথ্যসমূহক সৰল কৰি আমাক অনিশ্চয়তাৰ মাজত সঠিক সিদ্ধান্ত ল'বলৈ সহায় কৰে।
প্ৰশ্ন ২: প্ৰাথমিক তথ্য আৰু গৌণ তথ্যৰ মাজৰ মূল পাৰ্থক্য দুটা লিখা।
উত্তৰ: (১) প্ৰাথমিক তথ্য গৱেষকে পোনপটীয়া ক্ষেত্ৰ অধ্যয়নৰ পৰা সংগ্ৰহ কৰে, কিন্তু গৌণ তথ্য ইতিমধ্যে সংগৃহীত তথ্যাৱলীৰ পৰা লোৱা হয়। (২) প্ৰাথমিক তথ্য অধিক নিখুঁত আৰু প্ৰথম হাতৰ (First-hand), আনহাতে গৌণ তথ্য ব্যৱহাৰ কৰিবলৈ খৰচ আৰু সময় কম লাগে যদিও নিৰ্ভৰযোগ্যতা পৰীক্ষা কৰাৰ প্ৰয়োজন হয়।
প্ৰশ্ন ৩: পৰিসংখ্যা বিজ্ঞানৰ দুটা মুখ্য সীমাবদ্ধতা (Limitations) উল্লেখ কৰা।
উত্তৰ: (১) পৰিসংখ্যাই কোনো একক ব্যক্তি বা বস্তুৰ বিষয়ে অধ্যয়ন নকৰে, ই কেৱল সমষ্টিগত তথ্যৰ বাবেহে প্ৰযোজ্য। (২) পৰিসংখ্যাগত সূত্ৰসমূহ শতকৰা ১০০% শুদ্ধ নহয়; এয়া কেৱল গড় হিচাপত বা সম্ভাৱিতাৰ ভিত্তিতহে সত্য হয়।
প্ৰশ্ন ৪: কম্পিউটাৰে পৰিসংখ্যা বিশ্লেষণত কেনে ধৰণে সহায় কৰে?
উত্তৰ: কম্পিউটাৰে অতি বিশাল পৰিমাণৰ তথ্য (Big Data) কেইছেকেণ্ডমানতে সঠিকভাৱে বিশ্লেষণ কৰিব পাৰে। SPSS, R বা Excel ৰ দৰে পৰিসংখ্যাগত চফ্টৱেৰৰ সহায়ত মানৱীয় ভুল নোহোৱাকৈ জটিল লেখচিত্র, সমাশ্ৰয়ণ আৰু আৰ্হি প্ৰস্তুত কৰা সম্ভৱ হৈ পৰে।
প্ৰশ্ন ৫: গুণগত তথ্য আৰু পৰিমাণগত তথ্যৰ পাৰ্থক্য বুজাই লিখা।
উত্তৰ: পৰিমাণগত তথ্যক সংখ্যাৰ সহায়ত পোনপটীয়াভাৱে জোখা হয় (যেনে— উচাই, ওজন, উৎপাদন)। কিন্তু গুণগত তথ্যই ধৰ্ম, বৈশিষ্ট্য বা গুণক প্ৰকাশ কৰে যাক পোনপটীয়া গাণিতিক সংখ্যাৰে জুখিব নোৱাৰি (যেনে— বুদ্ধিমত্তা, সৌন্দৰ্য, ধৰ্মীয় বিশ্বাস)।
প্ৰশ্ন ৬: সময় শ্ৰেণী তথ্যৰ (Time Series Data) প্ৰয়োগ আৰু গুৰুত্ব কি?
উত্তৰ: সময় শ্ৰেণী তথ্যই সময়ৰ লগে লগে কোনো বিশেষ চলকৰ (যেনে— অৰ্থনৈতিক বিকাশ, জনসংখ্যা বৃদ্ধি, উষ্ণতা) পৰিৱৰ্তন নিৰীক্ষণ কৰে। অতীতৰ প্ৰৱণতা (Trend) অধ্যয়ন কৰি ভৱিষ্যতৰ পৰিকল্পনা আৰু পূৰ্বানুমান (Forecasting) কৰাত ই অতি গুৰুত্বপূৰ্ণ।
প্ৰশ্ন ৭: বাৰংবাৰতা বিভাজন (Frequency Distribution) তালিকা কি?
উত্তৰ: অপৰিস্কৃত তথ্যসমূহক সুবিধাজনক শ্ৰেণী অন্তৰালত ভগাই প্ৰতিটো শ্ৰেণীত কিমানটা মান অন্তৰ্ভুক্ত হৈছে (বাৰংবাৰতা) তাক শৃংখলাবদ্ধভাৱে তালিকাবদ্ধ কৰা কাৰ্যকে বাৰংবাৰতা বিভাজন তালিকা বোলে।
প্ৰশ্ন ৮: হিষ্ট'গ্ৰাম (Histogram) আৰু বাৰ ডায়াগ্ৰামৰ (Bar Diagram) মাজৰ পাৰ্থক্য কি?
উত্তৰ: হিষ্ট'গ্ৰামত ধাৰাবাহিক শ্ৰেণী অন্তৰাল দৰ্শাবলৈ স্তম্ভবোৰ পৰস্পৰ সংলগ্ন হৈ থাকে (মাজত কোনো খালী ঠাই নাথাকে)। কিন্তু বাৰ ডায়াগ্ৰামত বিচ্ছিন চলক দৰ্শোৱা হয় বাবে স্তম্ভবোৰৰ মাজত সমান ব্যৱধান বা ফাক থাকে।
প্ৰশ্ন ৯: বাৰংবাৰতা বহুভুজ (Frequency Polygon) কিদৰে অংকন কৰা হয়?
উত্তৰ: হিষ্ট'গ্ৰামৰ প্ৰতিটো স্তম্ভৰ শীৰ্ষবিন্দুক শ্ৰেণীৰ মধ্যবিন্দু অনুসৰি নিৰ্ধাৰণ কৰি, সেই মধ্যবিন্দুবোৰ সৰলৰেখাৰে সংযোগ কৰি বাৰংবাৰতা বহুভুজ অংকন কৰা হয়। ই সমগ্ৰ বিভাজনৰ আকৃতি ফুটাই তোলে।
প্ৰশ্ন ১০: 'তকৈ কম' (Less than) আৰু 'তকৈ বেছি' (More than) অজাঈভৰ পাৰ্থক্য কি?
উত্তৰ: 'তকৈ কম' অজাঈভৰ সময়ত শ্ৰেণীৰ উচ্চ সীমাক ভিত্তি কৰি ক্ৰমৱৰ্ধমান বাৰংবাৰতা বাওঁফালৰ পৰা সোঁফাললৈ ওপৰলৈ উঠে। আনহাতে 'তকৈ বেছি' অজাঈভ নিম্ন সীমাৰ ভিত্তিত অংকন কৰা হয় আৰু ই বাওঁফালৰ পৰা সোঁফাললৈ ক্ৰমান্বয়ে তললৈ নামে।
প্ৰশ্ন ১১: অৰ্থনীতি আৰু ব্যৱসায়িক ক্ষেত্ৰত পৰিসংখ্যাৰ পৰিসৰ (Scope) কেনেকুৱা?
উত্তৰ: ব্যৱসায়ত বজাৰ চাহিদাৰ পূৰ্বানুমান, গুণগত মান নিয়ন্ত্ৰণ, আৰু অৰ্থনীতিত ৰাষ্ট্ৰীয় আয় নিৰ্ধাৰণ, মুদ্ৰাস্ফীতি জোখা তথা ৰাজকোষীয় নীতি প্ৰস্তুতকৰণত পৰিসংখ্যা অপৰিহাৰ্য।
প্ৰশ্ন ১২: পৰোক্ষ ব্যক্তিগত সাক্ষাৎকাৰ (Indirect Oral Investigation) কি?
উত্তৰ: যি পদ্ধতিৰে প্ৰত্যক্ষ মানুহজনৰ পৰা পোনপটীয়া তথ্য পোৱা নাযায়, তেতিয়া ঘটনাটোৰ বিষয়ে জ্ঞাত বা সম্পৰ্কীয় কোনো তৃতীয় পক্ষ বা প্ৰত্যক্ষদৰ্শীৰ পৰা প্ৰশ্ন সোধা-পোছা কৰি তথ্য সংগ্ৰহ কৰা হয়।
প্ৰশ্ন ১৩: বাৰংবাৰতা ৰেখা (Frequency Curve) কি?
উত্তৰ: বাৰংবাৰতা বহুভুজৰ কোণীয় বিন্দুবোৰ যেতিয়া এক মসৃণ মুক্তহাতেৰে (Free-hand smooth curve) অংকন কৰি একত্ৰিত কৰা হয়, তেতিয়া সৃষ্টি হোৱা ৰেখাডালকে বাৰংবাৰতা ৰেখা বোলে।
প্ৰশ্ন ১৪: প্ৰশ্নাৱলী পদ্ধতিৰ (Questionnaire Method) দুটা গুণ লিখা।
উত্তৰ: (১) অতি বিশাল ভৌগোলিক অঞ্চলৰ পৰা কম খৰচতে তথ্য সংগ্ৰহ কৰিব পাৰি। (২) উত্তৰদাতাই নিজৰ সুবিধা অনুসৰি নিজৰ পৰিচয় গোপন ৰাখিও নিৰপেক্ষ উত্তৰ দিব পাৰে।
প্ৰশ্ন ১৫: পৰ্যবেক্ষিত তথ্যৰ (Observed Data) প্ৰক্ৰিয়াকৰণ কিয় প্ৰয়োজন?
উত্তৰ: কেঁচা বা অপৰিস্কৃত তথ্যসমূহ বিশৃঙ্খলা অৱস্থাত থাকে। সেইবোৰক বিশ্লেষণযোগ কৰিবলৈ, ভুল শুধৰাবলৈ আৰু সৰল ৰূপত প্ৰকাশ কৰিবলৈ সম্পাদন, শ্ৰেণীবিভাজন আৰু তালিকাভুক্তকৰণ প্ৰয়োজন।
৩. দীঘল প্ৰশ্ন-উত্তৰ (Long Answer Questions - 5 Marks Each)
প্ৰশ্ন ১: পৰিসংখ্যাৰ ঐতিহাসিক বিকাশৰ চমু আভাস দিয়া। অন্যান্য বিকাশশীল ক্ষেত্ৰত পৰিসংখ্যাৰ পৰিসৰ আৰু প্ৰয়োগ বিস্তাৰিতভাৱে আলোচনা কৰা।
উত্তৰ: ঐতিহাসিক বিকাশ: প্ৰাচীন কালত পৰিসংখ্যাক কেৱল 'ৰজা-মহাৰাজাসকলৰ বিজ্ঞান' (Science of Kings) বুলি গণ্য কৰা হৈছিল, যাৰ মুখ্য কাম আছিল শস্যৰ উৎপাদন, সৈন্য সংখ্যা আৰু লোকপিয়লৰ তথ্য ৰখা। ১৭ শতিকাত জন গ্ৰাণ্ট (John Graunt) ৰ জনসংখ্যা বিষয়ক অধ্যয়ন, ১৮ শতিকাত গছ (Gauss) আৰু লাপ্লাছৰ সম্ভাৱিতা তত্ত্ব (Probability Theory), আৰু ২০ শতিকাত কাৰ্ল পিয়াৰ্চন (Karl Pearson) তথা আৰ. এ. ফিচাৰৰ (R. A. Fisher) গৱেষণাই পৰিসংখ্যাক আধুনিক বৈজ্ঞানিক স্তৰলৈ উন্নত কৰে।
পৰিসংখ্যাৰ পৰিসৰ আৰু প্ৰয়োগ:
১/ বিজ্ঞান আৰু চিকিৎসা বিজ্ঞান: নতুন ঔষধৰ কাৰ্যকৰী পৰীক্ষা (Clinical Trials) আৰু জৈৱিক গৱেষণাত পৰিসংখ্যাগত সূত্ৰ ব্যৱহাৰ কৰা হয়।
২/ ব্যৱসায় আৰু বিত্তীয় ক্ষেত্ৰ: বজাৰৰ চাহিদা-যোগান বুজিবলৈ, বিপণন কৌশল আৰু শ্বেয়াৰ বজাৰৰ ঝুঁকি মূল্যায়নত পৰিসংখ্যা অপৰিহাৰ্য।
৩/ সামাজিক বিজ্ঞান আৰু ৰাজনীতি: ৰাজনৈতিক দলসমূহৰ জনমত সমীক্ষা (Exit Poll) আৰু সামাজিক কল্যাণমুখী আঁচনিৰ মূল্যায়নে পৰিসংখ্যাৰ ওপৰত নিৰ্ভৰ কৰে।
অতএব, বৰ্তমানৰ 'ডাটা-চালিত' (Data-driven) পৃথিৱীত বৈজ্ঞানিক গৱেষণাৰ পৰা আৰম্ভ কৰি চৰকাৰী নীতি নিৰ্ধাৰণলৈকে প্ৰতিটো ক্ষেত্ৰতে পৰিসংখ্যাৰ গুৰুত্ব অনন্য।
প্ৰশ্ন ২: প্ৰাথমিক তথ্য সংগ্ৰহৰ বিভিন্ন পদ্ধতিসমূহ বৰ্ণনা কৰা। পৰিসংখ্যাগত কাৰ্যত আধুনিক কম্পিউটাৰ বিজ্ঞানৰ ভূমিকা আলোচনা কৰা।
উত্তৰ: প্ৰাথমিক তথ্য সংগ্ৰহৰ মূল পদ্ধতিসমূহ:
১/ প্ৰত্যক্ষ ব্যক্তিগত সাক্ষাৎকাৰ (Direct Personal Interview): গৱেষকে পোনপটীয়াভাৱে সোধা-পোছা কৰি বিশুদ্ধ তথ্য সংগ্ৰহ কৰে।
২/ পৰোক্ষ মৌখিক তদন্ত (Indirect Oral Investigation): প্ৰত্যক্ষভাৱে নোহোৱাকৈ কোনো তৃতীয় পক্ষ বা প্ৰত্যক্ষদৰ্শীৰ পৰা তথ্য সংগ্ৰহ কৰা হয়।
৩/ প্ৰশ্নাৱলী পদ্ধতি (Questionnaire Method): প্ৰশ্নৰ তালিকা প্ৰস্তুত কৰি ডাক, ইমেইল বা অনলাইন মাধ্যমেৰে উত্তৰদাতাৰ পৰা তথ্য লোৱা হয়।
৪/ প্ৰত্যক্ষ পৰ্যবেক্ষণ (Direct Observation): গৱেষকে স্বচক্ষে ঘটনা নিৰীক্ষণ কৰি তথ্য সংগ্ৰহ কৰে।
কম্পিউটাৰৰ ভূমিকা:
আধুনিক কম্পিউটাৰে অতি জটিল পৰিসংখ্যাগত গণনাসমূহ ক্ষণিকতে নিখুঁতভাৱে সম্পূৰ্ণ কৰে। বিশাল তথ্য (Big Data) সাঁচি ৰখা, SPSS, SAS, R, Python ব্যৱহাৰ কৰি জটিল চিত্ৰকৰণ, আৰ্হি গঠন (Modeling) আৰু ভৱিষ্যদ্বাণী উলিওৱাত কম্পিউটাৰে এক বিপ্লৱী পৰিৱৰ্তন আনিছে।
প্ৰশ্ন ৩: তথ্য প্ৰদৰ্শন বুলিলে কি বুজা? বাৰংবাৰতা বিভাজনৰ লেখীয় প্ৰদৰ্শনৰ প্ৰধান উপায়সমূহ (হিষ্ট'গ্ৰাম, বাৰংবাৰতা বহুভুজ, আৰু অজাঈভ) ব্যাখ্যা কৰা।
উত্তৰ: তথ্য প্ৰদৰ্শন: জটিল আৰু অপৰিস্কৃত সংগৃহীত সংখ্যাসমূহক চকুত লগা, সৰল আৰু বোধগম্য ৰূপত চিত্ৰ বা লেখৰ সহায়ত তুলি ধৰাকে তথ্য প্ৰদৰ্শন বোলে।
মূল লেখীয় পদ্ধতিসমূহ:
১/ হিষ্ট'গ্ৰাম (Histogram): ধাৰাবাহিক শ্ৰেণী অন্তৰালৰ বাবে অংকন কৰা সংলগ্ন স্তম্ভচিত্ৰ। ইয়াত ভূমিয়ে শ্ৰেণী অন্তৰাল আৰু স্তম্ভৰ উচায়ে বাৰংবাৰতা প্ৰকাশ কৰে।
২/ বাৰংবাৰতা বহুভুজ (Frequency Polygon): হিষ্ট'গ্ৰামৰ সম্ভাৱ্য স্তম্ভবোৰৰ শীৰ্ষবিন্দুক শ্ৰেণীৰ মধ্যবিন্দু অনুসৰি নিৰ্ধাৰণ কৰি, সেইবোৰ সৰলৰেখাৰে যোগ কৰি অংকন কৰা বহুভুজ।
৩/ অজাঈভ (Ogive): ক্ৰমৱৰ্ধমান বাৰংবাৰতাৰ (Cumulative Frequency) সহায়ত অংকিত ৰেখালেখ। ই 'তকৈ কম' আৰু 'তকৈ বেছি' দুই ধৰণৰ হ'ব পাৰে।
এই লেখীয় উপস্থাপনসমূহে জটিল পৰিসংখ্যাগত তথ্যক দ্ৰুত অনুধাৱন কৰাত অতিশয় সহায় কৰে।
প্ৰশ্ন ৪: অজাঈভ (Ogive) কি? 'তকৈ কম' আৰু 'তকৈ বেছি' অজাঈভ অংকন পদ্ধতি বৰ্ণনা কৰা। অজাঈভৰ সহায়ত মধ্যমা (Median) কিদৰে নিৰ্ধাৰণ কৰা হয়?
উত্তৰ: অজাঈভ: ক্ৰমৱৰ্ধমান বাৰংবাৰতা বিভাজনক গ্ৰাফ পেপাৰত বিন্দু সংস্থাপন কৰি অংকন কৰা মসৃণ ৰেখাডালকে অজাঈভ বোলে।
অংকন পদ্ধতি:
১/ 'তকৈ কম' অজাঈভ: শ্ৰেণীসমূহৰ উচ্চ সীমাবোৰ X-অক্ষত আৰু সংশ্লিষ্ট 'তকৈ কম' ক্ৰমৱৰ্ধমান বাৰংবাৰতাবোৰ Y-অক্ষত স্থাপন কৰি বিন্দুসমূহ সংযোগ কৰা হয়।
২/ 'তকৈ বেছি' অজাঈভ: শ্ৰেণীসমূহৰ নিম্ন সীমাবোৰ X-অক্ষত আৰু সংশ্লিষ্ট 'তকৈ বেছি' ক্ৰমৱৰ্ধমান বাৰংবাৰতাবোৰ Y-অক্ষত লৈ বিন্দুসমূহ যোগ কৰা হয়।
মধ্যমা নিৰ্ধাৰণ: মোট বাৰংবাৰতা N হ'লে, Y-অক্ষত N/2 বিন্দু নিৰ্ধাৰণ কৰা হয়। সেই বিন্দুৰ পৰা X-অক্ষৰ সমান্তৰালভাৱে এডাল ৰেখা অংকন কৰি অজাঈভ কটা বিন্দুটো পোৱা হয়। সেই কটা বিন্দুৰ পৰা X-অক্ষৰ ওপৰত টনা লম্বই যি বিন্দুত ছেদ কৰে, সেই বিন্দুটোৱেই হ'ল **মধ্যমা (Median)**।
উপৰিও 'তকৈ কম' আৰু 'তকৈ বেছি' অজাঈভ দুডালে যি বিন্দুত পৰস্পৰক ছেদ কৰে, তাৰ পৰা X-অক্ষত টনা লম্বই পোনপটীয়াভাৱে মধ্যমাৰ মান প্ৰদান কৰে।
প্ৰশ্ন ৫: 'পৰিসংখ্যা কেৱল সাধাৰণ ভুল ধাৰণা আৰু মিছা কথাৰ এক আধাৰ'— এই মন্তব্যটো পৰিসংখ্যাৰ সীমাবদ্ধতা আৰু অপব্যৱহাৰৰ (Misuse of Statistics) আলোকত আলোচনা কৰা।
উত্তৰ: পৰিসংখ্যাৰ অপব্যৱহাৰক লৈ প্ৰায়ে কোৱা হয়— "There are three kinds of lies: lies, damned lies, and statistics." এই মন্তব্যই পৰিসংখ্যাৰ অপপ্ৰয়োগক সূচায়। পৰিসংখ্যা নিজে ভুল নহয়, কিন্তু ইয়াক অপব্যৱহাৰ কৰিব পাৰি।
অপব্যৱহাৰ আৰু অপপ্ৰয়োগৰ মূল কাৰণসমূহ:
১/ ভাৰসাম্যহীন নিদৰ্শন (Biased Sampling): ভুল বা পক্ষপাতদুষ্ট নমুনা সংগ্ৰহ কৰিলে ভুল সিদ্ধান্ত পোৱা যায়।
২/ আংশিক তথ্য প্ৰদৰ্শন: ব্যক্তিগত সুবিধাজনক তথ্যখিনি দাঙি ধৰি বাকী অংশ লুকুৱাই ৰাখিলে সত্য বিকৃত হয়।
৩/ ভ্ৰান্তিমূলক লেখচিত্র: গ্ৰাফৰ স্কেল সলনি কৰি সৰু পাৰ্থক্যকো অতি বিশাল কৰি উপস্থাপন কৰা।
৪/ অপ্ৰাসংগিক তুলনা: দুটা অসম্পৰ্কিত বা অসদৃশ বিষয়ৰ তথ্যৰ মাজত তুলনামূলক সিদ্ধান্ত লোৱা।
উপসংহাৰ: পৰিসংখ্যা এবিধ অতি শক্তিশালী অস্ত্ৰ। অভিজ্ঞ আৰু নিৰপেক্ষ বিশেষজ্ঞৰ দ্বাৰা সঠিকভাৱে ব্যৱহাৰ কৰিলে ই সিদ্ধান্ত গ্ৰহণৰ এক অমূল্য আহিলা, কিন্তু অপ্ৰশিক্ষিত বা অসৎ লোকৰ হাতত পৰিলে ই বিভ্ৰান্তিৰ সৃষ্টি কৰে।
১. অতি চমু প্ৰশ্ন-উত্তৰ (Very Short Questions & Answers - 1 Mark Each)
প্ৰশ্ন ১: 'পৰিসংখ্যা' (Statistics) শব্দটো লেটিন ভাষাত ব্যৱহৃত কোনটো শব্দৰ পৰা উৎপত্তি হৈছে?
উত্তৰ: 'Status' (ষ্টেটাছ) শব্দৰ পৰা।
প্ৰশ্ন ২: আধুনিক পৰিসংখ্যা বিজ্ঞানৰ পিতৃ (Father of Modern Statistics) বুলি কাক জনা যায়?
উত্তৰ: ছাৰ ৰোনাল্ড আইলমাৰ ফিচাৰ (Sir Ronald A. Fisher)।
প্ৰশ্ন ৩: প্ৰাথমিক তথ্য (Primary Data) বুলিলে কি বুজা?
উত্তৰ: গৱেষকে নিজৰ বিশেষ উদ্দেশ্যৰ বাবে প্ৰথমবাৰৰ বাবে পোনপটীয়া সংগ্ৰহ কৰা মূল তথ্যকে প্ৰাথমিক তথ্য বোলে।
প্ৰশ্ন ৪: গৌণ তথ্যৰ (Secondary Data) এটা উৎসৰ উদাহৰণ দিয়া।
উত্তৰ: চৰকাৰী লোকপিয়ল প্ৰতিবেদন বা প্ৰকাশিত গৱেষণা পত্ৰ।
প্ৰশ্ন ৫: গুণগত তথ্যৰ (Qualitative Data) এটা উদাহৰণ দিয়া।
উত্তৰ: মানুহৰ বৈবাহিক অৱস্থা, চুলিৰ ৰং বা সততা।
প্ৰশ্ন ৬: সময় শ্ৰেণী তথ্য (Time Series Data) কি?
উত্তৰ: নিৰ্দিষ্ট সময়ৰ অন্তৰালত ক্ৰমান্বয়ে সংগ্ৰহ বা লিপিৱদ্ধ কৰা পৰিসংখ্যাগত তথ্যকে সময় শ্ৰেণী তথ্য বোলে।
প্ৰশ্ন ৭: স্থানু স্তম্ভচিত্ৰ বা হিষ্ট'গ্ৰাম (Histogram) ধাৰাবাহিক নে বিছিন্ন শ্ৰেণীৰ বাবে অংকন কৰা হয়?
উত্তৰ: ধাৰাবাহিক শ্ৰেণী অন্তৰালৰ (Continuous Class Intervals) বাবে।
প্ৰশ্ন ৮: অজাঈভ (Ogive) ৰ আন এটা নাম কি?
উত্তৰ: ক্ৰমৱৰ্ধমান বা ক্ৰমহ্ৰাসমান বাৰংবাৰতা ৰেখালেখ (Cumulative Frequency Curve)।
প্ৰশ্ন ৯: অজাঈভ ৰেখালেখৰ সহায়ত কি মধ্যম মাপ (Central Tendency) উলিওৱা যায়?
উত্তৰ: মধ্যমা (Median)।
প্ৰশ্ন ১০: সংগৃহীত পৰিসংখ্যাগত তথ্যৰ শ্ৰেণী অন্তৰালৰ মধ্যবিন্দুসমূহেৰে কি লেখ অংকন কৰা হয়?
উত্তৰ: বাৰংবাৰতা বহুভুজ (Frequency Polygon)।
প্ৰশ্ন ১১: পৰিসংখ্যাত ব্যৱহৃত এবিধ প্ৰখ্যাত চফ্টৱেৰ বা টুলৰ নাম লিখা।
উত্তৰ: SPSS (Statistical Package for the Social Sciences) বা R Programming / MS Excel।
প্ৰশ্ন ১২: পৰিমাণগত তথ্য (Quantitative Data) কি?
উত্তৰ: যিবোৰ তথ্যক প্ৰত্যক্ষভাৱে সংখ্যাৰ দ্বাৰা জোখা বা প্ৰকাশ কৰিব পাৰি, যেনে— মানুহৰ বয়স, ওজন বা আয়।
প্ৰশ্ন ১৩: হিষ্ট'গ্ৰাম অংকনত আয়তবোৰৰ কালি (Area) কিহৰ সমানুপাতিক হয়?
উত্তৰ: সংশ্লিষ্ট শ্ৰেণীটোৰ বাৰংবাৰতাৰ (Class Frequency)।
প্ৰশ্ন ১৪: ভাৰতীয় পৰিসংখ্যা বিজ্ঞানৰ প্ৰতিষ্ঠাতা বুলি কাক গণ্য কৰা হয়?
উত্তৰ: প্ৰশান্ত চন্দ্ৰ মহালান'বিছ (P. C. Mahalanobis)।
প্ৰশ্ন ১৫: পৰিসংখ্যা কেৱল এটা একক সংখ্যাৰ বাবে প্ৰযোজ্যনে?
উত্তৰ: নহয়, পৰিসংখ্যা সদায় তথ্যৰ সমষ্টি বা গোটৰ (Aggregate of Facts) বাবেহে প্ৰযোজ্য।
২. চমু প্ৰশ্ন-উত্তৰ (Short Answer Questions - 2 Marks Each)
প্ৰশ্ন ১: দৈনিক জীৱনত পৰিসংখ্যাৰ ব্যৱহাৰিক গুৰুত্ব চমুকৈ ব্যাখ্যা কৰা।
উত্তৰ: দৈনন্দিন জীৱনত বতৰৰ আগজাননী নিৰীক্ষণ, মাহেকীয়া পৰিয়ালৰ বাজেট নিৰ্ধাৰণ, বেংকৰ সুতৰ হাৰ বুজা আৰু ৰাজনৈতিক জনমত সমীক্ষা অনুসৰণ কৰাত পৰসংখ্যা প্ৰত্যক্ষভাৱে ব্যৱহৃত হয়। ই জটিল সংখ্যাত্মক তথ্যসমূহক সৰল কৰি আমাক অনিশ্চয়তাৰ মাজত সঠিক সিদ্ধান্ত ল'বলৈ সহায় কৰে।
প্ৰশ্ন ২: প্ৰাথমিক তথ্য আৰু গৌণ তথ্যৰ মাজৰ মূল পাৰ্থক্য দুটা লিখা।
উত্তৰ: (১) প্ৰাথমিক তথ্য গৱেষকে পোনপটীয়া ক্ষেত্ৰ অধ্যয়নৰ পৰা সংগ্ৰহ কৰে, কিন্তু গৌণ তথ্য ইতিমধ্যে সংগৃহীত তথ্যাৱলীৰ পৰা লোৱা হয়। (২) প্ৰাথমিক তথ্য অধিক নিখুঁত আৰু প্ৰথম হাতৰ (First-hand), আনহাতে গৌণ তথ্য ব্যৱহাৰ কৰিবলৈ খৰচ আৰু সময় কম লাগে যদিও নিৰ্ভৰযোগ্যতা পৰীক্ষা কৰাৰ প্ৰয়োজন হয়।
প্ৰশ্ন ৩: পৰিসংখ্যা বিজ্ঞানৰ দুটা মুখ্য সীমাবদ্ধতা (Limitations) উল্লেখ কৰা।
উত্তৰ: (১) পৰিসংখ্যাই কোনো একক ব্যক্তি বা বস্তুৰ বিষয়ে অধ্যয়ন নকৰে, ই কেৱল সমষ্টিগত তথ্যৰ বাবেহে প্ৰযোজ্য। (২) পৰিসংখ্যাগত সূত্ৰসমূহ শতকৰা ১০০% শুদ্ধ নহয়; এয়া কেৱল গড় হিচাপত বা সম্ভাৱিতাৰ ভিত্তিতহে সত্য হয়।
প্ৰশ্ন ৪: কম্পিউটাৰে পৰিসংখ্যা বিশ্লেষণত কেনে ধৰণে সহায় কৰে?
উত্তৰ: কম্পিউটাৰে অতি বিশাল পৰিমাণৰ তথ্য (Big Data) কেইছেকেণ্ডমানতে সঠিকভাৱে বিশ্লেষণ কৰিব পাৰে। SPSS, R বা Excel ৰ দৰে পৰিসংখ্যাগত চফ্টৱেৰৰ সহায়ত মানৱীয় ভুল নোহোৱাকৈ জটিল লেখচিত্র, সমাশ্ৰয়ণ আৰু আৰ্হি প্ৰস্তুত কৰা সম্ভৱ হৈ পৰে।
প্ৰশ্ন ৫: গুণগত তথ্য আৰু পৰিমাণগত তথ্যৰ পাৰ্থক্য বুজাই লিখা।
উত্তৰ: পৰিমাণগত তথ্যক সংখ্যাৰ সহায়ত পোনপটীয়াভাৱে জোখা হয় (যেনে— উচাই, ওজন, উৎপাদন)। কিন্তু গুণগত তথ্যই ধৰ্ম, বৈশিষ্ট্য বা গুণক প্ৰকাশ কৰে যাক পোনপটীয়া গাণিতিক সংখ্যাৰে জুখিব নোৱাৰি (যেনে— বুদ্ধিমত্তা, সৌন্দৰ্য, ধৰ্মীয় বিশ্বাস)।
প্ৰশ্ন ৬: সময় শ্ৰেণী তথ্যৰ (Time Series Data) প্ৰয়োগ আৰু গুৰুত্ব কি?
উত্তৰ: সময় শ্ৰেণী তথ্যই সময়ৰ লগে লগে কোনো বিশেষ চলকৰ (যেনে— অৰ্থনৈতিক বিকাশ, জনসংখ্যা বৃদ্ধি, উষ্ণতা) পৰিৱৰ্তন নিৰীক্ষণ কৰে। অতীতৰ প্ৰৱণতা (Trend) অধ্যয়ন কৰি ভৱিষ্যতৰ পৰিকল্পনা আৰু পূৰ্বানুমান (Forecasting) কৰাত ই অতি গুৰুত্বপূৰ্ণ।
প্ৰশ্ন ৭: বাৰংবাৰতা বিভাজন (Frequency Distribution) তালিকা কি?
উত্তৰ: অপৰিস্কৃত তথ্যসমূহক সুবিধাজনক শ্ৰেণী অন্তৰালত ভগাই প্ৰতিটো শ্ৰেণীত কিমানটা মান অন্তৰ্ভুক্ত হৈছে (বাৰংবাৰতা) তাক শৃংখলাবদ্ধভাৱে তালিকাবদ্ধ কৰা কাৰ্যকে বাৰংবাৰতা বিভাজন তালিকা বোলে।
প্ৰশ্ন ৮: হিষ্ট'গ্ৰাম (Histogram) আৰু বাৰ ডায়াগ্ৰামৰ (Bar Diagram) মাজৰ পাৰ্থক্য কি?
উত্তৰ: হিষ্ট'গ্ৰামত ধাৰাবাহিক শ্ৰেণী অন্তৰাল দৰ্শাবলৈ স্তম্ভবোৰ পৰস্পৰ সংলগ্ন হৈ থাকে (মাজত কোনো খালী ঠাই নাথাকে)। কিন্তু বাৰ ডায়াগ্ৰামত বিচ্ছিন চলক দৰ্শোৱা হয় বাবে স্তম্ভবোৰৰ মাজত সমান ব্যৱধান বা ফাক থাকে।
প্ৰশ্ন ৯: বাৰংবাৰতা বহুভুজ (Frequency Polygon) কিদৰে অংকন কৰা হয়?
উত্তৰ: হিষ্ট'গ্ৰামৰ প্ৰতিটো স্তম্ভৰ শীৰ্ষবিন্দুক শ্ৰেণীৰ মধ্যবিন্দু অনুসৰি নিৰ্ধাৰণ কৰি, সেই মধ্যবিন্দুবোৰ সৰলৰেখাৰে সংযোগ কৰি বাৰংবাৰতা বহুভুজ অংকন কৰা হয়। ই সমগ্ৰ বিভাজনৰ আকৃতি ফুটাই তোলে।
প্ৰশ্ন ১০: 'তকৈ কম' (Less than) আৰু 'তকৈ বেছি' (More than) অজাঈভৰ পাৰ্থক্য কি?
উত্তৰ: 'তকৈ কম' অজাঈভৰ সময়ত শ্ৰেণীৰ উচ্চ সীমাক ভিত্তি কৰি ক্ৰমৱৰ্ধমান বাৰংবাৰতা বাওঁফালৰ পৰা সোঁফাললৈ ওপৰলৈ উঠে। আনহাতে 'তকৈ বেছি' অজাঈভ নিম্ন সীমাৰ ভিত্তিত অংকন কৰা হয় আৰু ই বাওঁফালৰ পৰা সোঁফাললৈ ক্ৰমান্বয়ে তললৈ নামে।
প্ৰশ্ন ১১: অৰ্থনীতি আৰু ব্যৱসায়িক ক্ষেত্ৰত পৰিসংখ্যাৰ পৰিসৰ (Scope) কেনেকুৱা?
উত্তৰ: ব্যৱসায়ত বজাৰ চাহিদাৰ পূৰ্বানুমান, গুণগত মান নিয়ন্ত্ৰণ, আৰু অৰ্থনীতিত ৰাষ্ট্ৰীয় আয় নিৰ্ধাৰণ, মুদ্ৰাস্ফীতি জোখা তথা ৰাজকোষীয় নীতি প্ৰস্তুতকৰণত পৰিসংখ্যা অপৰিহাৰ্য।
প্ৰশ্ন ১২: পৰোক্ষ ব্যক্তিগত সাক্ষাৎকাৰ (Indirect Oral Investigation) কি?
উত্তৰ: যি পদ্ধতিৰে প্ৰত্যক্ষ মানুহজনৰ পৰা পোনপটীয়া তথ্য পোৱা নাযায়, তেতিয়া ঘটনাটোৰ বিষয়ে জ্ঞাত বা সম্পৰ্কীয় কোনো তৃতীয় পক্ষ বা প্ৰত্যক্ষদৰ্শীৰ পৰা প্ৰশ্ন সোধা-পোছা কৰি তথ্য সংগ্ৰহ কৰা হয়।
প্ৰশ্ন ১৩: বাৰংবাৰতা ৰেখা (Frequency Curve) কি?
উত্তৰ: বাৰংবাৰতা বহুভুজৰ কোণীয় বিন্দুবোৰ যেতিয়া এক মসৃণ মুক্তহাতেৰে (Free-hand smooth curve) অংকন কৰি একত্ৰিত কৰা হয়, তেতিয়া সৃষ্টি হোৱা ৰেখাডালকে বাৰংবাৰতা ৰেখা বোলে।
প্ৰশ্ন ১৪: প্ৰশ্নাৱলী পদ্ধতিৰ (Questionnaire Method) দুটা গুণ লিখা।
উত্তৰ: (১) অতি বিশাল ভৌগোলিক অঞ্চলৰ পৰা কম খৰচতে তথ্য সংগ্ৰহ কৰিব পাৰি। (২) উত্তৰদাতাই নিজৰ সুবিধা অনুসৰি নিজৰ পৰিচয় গোপন ৰাখিও নিৰপেক্ষ উত্তৰ দিব পাৰে।
প্ৰশ্ন ১৫: পৰ্যবেক্ষিত তথ্যৰ (Observed Data) প্ৰক্ৰিয়াকৰণ কিয় প্ৰয়োজন?
উত্তৰ: কেঁচা বা অপৰিস্কৃত তথ্যসমূহ বিশৃঙ্খলা অৱস্থাত থাকে। সেইবোৰক বিশ্লেষণযোগ কৰিবলৈ, ভুল শুধৰাবলৈ আৰু সৰল ৰূপত প্ৰকাশ কৰিবলৈ সম্পাদন, শ্ৰেণীবিভাজন আৰু তালিকাভুক্তকৰণ প্ৰয়োজন।
৩. দীঘল প্ৰশ্ন-উত্তৰ (Long Answer Questions - 5 Marks Each)
প্ৰশ্ন ১: পৰিসংখ্যাৰ ঐতিহাসিক বিকাশৰ চমু আভাস দিয়া। অন্যান্য বিকাশশীল ক্ষেত্ৰত পৰিসংখ্যাৰ পৰিসৰ আৰু প্ৰয়োগ বিস্তাৰিতভাৱে আলোচনা কৰা।
উত্তৰ: ঐতিহাসিক বিকাশ: প্ৰাচীন কালত পৰিসংখ্যাক কেৱল 'ৰজা-মহাৰাজাসকলৰ বিজ্ঞান' (Science of Kings) বুলি গণ্য কৰা হৈছিল, যাৰ মুখ্য কাম আছিল শস্যৰ উৎপাদন, সৈন্য সংখ্যা আৰু লোকপিয়লৰ তথ্য ৰখা। ১৭ শতিকাত জন গ্ৰাণ্ট (John Graunt) ৰ জনসংখ্যা বিষয়ক অধ্যয়ন, ১৮ শতিকাত গছ (Gauss) আৰু লাপ্লাছৰ সম্ভাৱিতা তত্ত্ব (Probability Theory), আৰু ২০ শতিকাত কাৰ্ল পিয়াৰ্চন (Karl Pearson) তথা আৰ. এ. ফিচাৰৰ (R. A. Fisher) গৱেষণাই পৰিসংখ্যাক আধুনিক বৈজ্ঞানিক স্তৰলৈ উন্নত কৰে।
পৰিসংখ্যাৰ পৰিসৰ আৰু প্ৰয়োগ:
১/ বিজ্ঞান আৰু চিকিৎসা বিজ্ঞান: নতুন ঔষধৰ কাৰ্যকৰী পৰীক্ষা (Clinical Trials) আৰু জৈৱিক গৱেষণাত পৰিসংখ্যাগত সূত্ৰ ব্যৱহাৰ কৰা হয়।
২/ ব্যৱসায় আৰু বিত্তীয় ক্ষেত্ৰ: বজাৰৰ চাহিদা-যোগান বুজিবলৈ, বিপণন কৌশল আৰু শ্বেয়াৰ বজাৰৰ ঝুঁকি মূল্যায়নত পৰিসংখ্যা অপৰিহাৰ্য।
৩/ সামাজিক বিজ্ঞান আৰু ৰাজনীতি: ৰাজনৈতিক দলসমূহৰ জনমত সমীক্ষা (Exit Poll) আৰু সামাজিক কল্যাণমুখী আঁচনিৰ মূল্যায়নে পৰিসংখ্যাৰ ওপৰত নিৰ্ভৰ কৰে।
অতএব, বৰ্তমানৰ 'ডাটা-চালিত' (Data-driven) পৃথিৱীত বৈজ্ঞানিক গৱেষণাৰ পৰা আৰম্ভ কৰি চৰকাৰী নীতি নিৰ্ধাৰণলৈকে প্ৰতিটো ক্ষেত্ৰতে পৰিসংখ্যাৰ গুৰুত্ব অনন্য।
প্ৰশ্ন ২: প্ৰাথমিক তথ্য সংগ্ৰহৰ বিভিন্ন পদ্ধতিসমূহ বৰ্ণনা কৰা। পৰিসংখ্যাগত কাৰ্যত আধুনিক কম্পিউটাৰ বিজ্ঞানৰ ভূমিকা আলোচনা কৰা।
উত্তৰ: প্ৰাথমিক তথ্য সংগ্ৰহৰ মূল পদ্ধতিসমূহ:
১/ প্ৰত্যক্ষ ব্যক্তিগত সাক্ষাৎকাৰ (Direct Personal Interview): গৱেষকে পোনপটীয়াভাৱে সোধা-পোছা কৰি বিশুদ্ধ তথ্য সংগ্ৰহ কৰে।
২/ পৰোক্ষ মৌখিক তদন্ত (Indirect Oral Investigation): প্ৰত্যক্ষভাৱে নোহোৱাকৈ কোনো তৃতীয় পক্ষ বা প্ৰত্যক্ষদৰ্শীৰ পৰা তথ্য সংগ্ৰহ কৰা হয়।
৩/ প্ৰশ্নাৱলী পদ্ধতি (Questionnaire Method): প্ৰশ্নৰ তালিকা প্ৰস্তুত কৰি ডাক, ইমেইল বা অনলাইন মাধ্যমেৰে উত্তৰদাতাৰ পৰা তথ্য লোৱা হয়।
৪/ প্ৰত্যক্ষ পৰ্যবেক্ষণ (Direct Observation): গৱেষকে স্বচক্ষে ঘটনা নিৰীক্ষণ কৰি তথ্য সংগ্ৰহ কৰে।
কম্পিউটাৰৰ ভূমিকা:
আধুনিক কম্পিউটাৰে অতি জটিল পৰিসংখ্যাগত গণনাসমূহ ক্ষণিকতে নিখুঁতভাৱে সম্পূৰ্ণ কৰে। বিশাল তথ্য (Big Data) সাঁচি ৰখা, SPSS, SAS, R, Python ব্যৱহাৰ কৰি জটিল চিত্ৰকৰণ, আৰ্হি গঠন (Modeling) আৰু ভৱিষ্যদ্বাণী উলিওৱাত কম্পিউটাৰে এক বিপ্লৱী পৰিৱৰ্তন আনিছে।
প্ৰশ্ন ৩: তথ্য প্ৰদৰ্শন বুলিলে কি বুজা? বাৰংবাৰতা বিভাজনৰ লেখীয় প্ৰদৰ্শনৰ প্ৰধান উপায়সমূহ (হিষ্ট'গ্ৰাম, বাৰংবাৰতা বহুভুজ, আৰু অজাঈভ) ব্যাখ্যা কৰা।
উত্তৰ: তথ্য প্ৰদৰ্শন: জটিল আৰু অপৰিস্কৃত সংগৃহীত সংখ্যাসমূহক চকুত লগা, সৰল আৰু বোধগম্য ৰূপত চিত্ৰ বা লেখৰ সহায়ত তুলি ধৰাকে তথ্য প্ৰদৰ্শন বোলে।
মূল লেখীয় পদ্ধতিসমূহ:
১/ হিষ্ট'গ্ৰাম (Histogram): ধাৰাবাহিক শ্ৰেণী অন্তৰালৰ বাবে অংকন কৰা সংলগ্ন স্তম্ভচিত্ৰ। ইয়াত ভূমিয়ে শ্ৰেণী অন্তৰাল আৰু স্তম্ভৰ উচায়ে বাৰংবাৰতা প্ৰকাশ কৰে।
২/ বাৰংবাৰতা বহুভুজ (Frequency Polygon): হিষ্ট'গ্ৰামৰ সম্ভাৱ্য স্তম্ভবোৰৰ শীৰ্ষবিন্দুক শ্ৰেণীৰ মধ্যবিন্দু অনুসৰি নিৰ্ধাৰণ কৰি, সেইবোৰ সৰলৰেখাৰে যোগ কৰি অংকন কৰা বহুভুজ।
৩/ অজাঈভ (Ogive): ক্ৰমৱৰ্ধমান বাৰংবাৰতাৰ (Cumulative Frequency) সহায়ত অংকিত ৰেখালেখ। ই 'তকৈ কম' আৰু 'তকৈ বেছি' দুই ধৰণৰ হ'ব পাৰে।
এই লেখীয় উপস্থাপনসমূহে জটিল পৰিসংখ্যাগত তথ্যক দ্ৰুত অনুধাৱন কৰাত অতিশয় সহায় কৰে।
প্ৰশ্ন ৪: অজাঈভ (Ogive) কি? 'তকৈ কম' আৰু 'তকৈ বেছি' অজাঈভ অংকন পদ্ধতি বৰ্ণনা কৰা। অজাঈভৰ সহায়ত মধ্যমা (Median) কিদৰে নিৰ্ধাৰণ কৰা হয়?
উত্তৰ: অজাঈভ: ক্ৰমৱৰ্ধমান বাৰংবাৰতা বিভাজনক গ্ৰাফ পেপাৰত বিন্দু সংস্থাপন কৰি অংকন কৰা মসৃণ ৰেখাডালকে অজাঈভ বোলে।
অংকন পদ্ধতি:
১/ 'তকৈ কম' অজাঈভ: শ্ৰেণীসমূহৰ উচ্চ সীমাবোৰ X-অক্ষত আৰু সংশ্লিষ্ট 'তকৈ কম' ক্ৰমৱৰ্ধমান বাৰংবাৰতাবোৰ Y-অক্ষত স্থাপন কৰি বিন্দুসমূহ সংযোগ কৰা হয়।
২/ 'তকৈ বেছি' অজাঈভ: শ্ৰেণীসমূহৰ নিম্ন সীমাবোৰ X-অক্ষত আৰু সংশ্লিষ্ট 'তকৈ বেছি' ক্ৰমৱৰ্ধমান বাৰংবাৰতাবোৰ Y-অক্ষত লৈ বিন্দুসমূহ যোগ কৰা হয়।
মধ্যমা নিৰ্ধাৰণ: মোট বাৰংবাৰতা N হ'লে, Y-অক্ষত N/2 বিন্দু নিৰ্ধাৰণ কৰা হয়। সেই বিন্দুৰ পৰা X-অক্ষৰ সমান্তৰালভাৱে এডাল ৰেখা অংকন কৰি অজাঈভ কটা বিন্দুটো পোৱা হয়। সেই কটা বিন্দুৰ পৰা X-অক্ষৰ ওপৰত টনা লম্বই যি বিন্দুত ছেদ কৰে, সেই বিন্দুটোৱেই হ'ল **মধ্যমা (Median)**।
উপৰিও 'তকৈ কম' আৰু 'তকৈ বেছি' অজাঈভ দুডালে যি বিন্দুত পৰস্পৰক ছেদ কৰে, তাৰ পৰা X-অক্ষত টনা লম্বই পোনপটীয়াভাৱে মধ্যমাৰ মান প্ৰদান কৰে।
প্ৰশ্ন ৫: 'পৰিসংখ্যা কেৱল সাধাৰণ ভুল ধাৰণা আৰু মিছা কথাৰ এক আধাৰ'— এই মন্তব্যটো পৰিসংখ্যাৰ সীমাবদ্ধতা আৰু অপব্যৱহাৰৰ (Misuse of Statistics) আলোকত আলোচনা কৰা।
উত্তৰ: পৰিসংখ্যাৰ অপব্যৱহাৰক লৈ প্ৰায়ে কোৱা হয়— "There are three kinds of lies: lies, damned lies, and statistics." এই মন্তব্যই পৰিসংখ্যাৰ অপপ্ৰয়োগক সূচায়। পৰিসংখ্যা নিজে ভুল নহয়, কিন্তু ইয়াক অপব্যৱহাৰ কৰিব পাৰি।
অপব্যৱহাৰ আৰু অপপ্ৰয়োগৰ মূল কাৰণসমূহ:
১/ ভাৰসাম্যহীন নিদৰ্শন (Biased Sampling): ভুল বা পক্ষপাতদুষ্ট নমুনা সংগ্ৰহ কৰিলে ভুল সিদ্ধান্ত পোৱা যায়।
২/ আংশিক তথ্য প্ৰদৰ্শন: ব্যক্তিগত সুবিধাজনক তথ্যখিনি দাঙি ধৰি বাকী অংশ লুকুৱাই ৰাখিলে সত্য বিকৃত হয়।
৩/ ভ্ৰান্তিমূলক লেখচিত্র: গ্ৰাফৰ স্কেল সলনি কৰি সৰু পাৰ্থক্যকো অতি বিশাল কৰি উপস্থাপন কৰা।
৪/ অপ্ৰাসংগিক তুলনা: দুটা অসম্পৰ্কিত বা অসদৃশ বিষয়ৰ তথ্যৰ মাজত তুলনামূলক সিদ্ধান্ত লোৱা।
উপসংহাৰ: পৰিসংখ্যা এবিধ অতি শক্তিশালী অস্ত্ৰ। অভিজ্ঞ আৰু নিৰপেক্ষ বিশেষজ্ঞৰ দ্বাৰা সঠিকভাৱে ব্যৱহাৰ কৰিলে ই সিদ্ধান্ত গ্ৰহণৰ এক অমূল্য আহিলা, কিন্তু অপ্ৰশিক্ষিত বা অসৎ লোকৰ হাতত পৰিলে ই বিভ্ৰান্তিৰ সৃষ্টি কৰে।
Historical development of statistics, statistics in everyday life
Historical development of statistics, statistics in everyday life
Part A: Very Short Answer Questions (15 Questions — 1 Mark Each)
1. What is Statistics?
Answer: Statistics is the systematic science of collecting, organizing, presenting, analyzing, and interpreting numerical data to obtain meaningful conclusions.
2. What is meant by statistical data?
Answer: Statistical data are facts or observations collected systematically for the purpose of analysis and interpretation.
3. What is primary data?
Answer: Primary data are data collected directly by the investigator from the original source for a specific purpose.
4. What is secondary data?
Answer: Secondary data are data that have already been collected by another person or organization for some purpose and are subsequently used by an investigator.
5. What is qualitative data?
Answer: Qualitative data describe non-numerical characteristics or attributes, such as gender, colour, occupation, or type of residence.
6. What is quantitative data?
Answer: Quantitative data are numerical observations that represent quantities or measurements, such as age, income, height, or marks.
7. What is a time series?
Answer: A time series is a set of observations arranged in chronological order, usually recorded at successive points or periods of time.
8. What is a frequency distribution?
Answer: A frequency distribution is a systematic arrangement showing the number of observations corresponding to each value or class interval.
9. What is a histogram?
Answer: A histogram is a graphical representation of a frequency distribution using adjoining rectangular bars whose areas represent frequencies.
10. What is a frequency polygon?
Answer: A frequency polygon is a line graph formed by joining the points representing class marks and their corresponding frequencies.
11. What is a frequency curve?
Answer: A frequency curve is a smooth graphical representation of a frequency distribution obtained by smoothing the corresponding frequency polygon.
12. What is an ogive?
Answer: An ogive is a cumulative frequency curve obtained by plotting cumulative frequencies against the corresponding class boundaries.
13. State one limitation of statistics.
Answer: Statistics generally deals with aggregates or groups of observations rather than individual cases.
14. Mention one application of statistics.
Answer: Statistics is widely used in economics for studying income, employment, production, prices, and other economic conditions.
15. Mention one important role of computers in statistics.
Answer: Computers enable statistical data to be stored, processed, analyzed, and presented rapidly and accurately.
Part B: Short Answer Questions (15 Questions — 2 Marks Each)
1. Explain the historical development of statistics.
Answer: Statistics developed gradually from the collection of numerical information by governments for administrative purposes such as population, taxation, land, and military records. Later, probability theory and mathematical methods contributed to its development. In modern times, statistics has become an important discipline for scientific research, decision-making, planning, and analysis in numerous fields.
2. Explain the importance of statistics in everyday life.
Answer: Statistics is encountered in everyday life through weather reports, examination results, population figures, sports records, prices, election surveys, health information, and financial data. It helps people understand numerical information, compare alternatives, identify trends, and make informed decisions. Thus, statistical thinking is useful even outside formal scientific and professional activities.
3. What is the scope of statistics?
Answer: The scope of statistics includes collection, classification, organization, presentation, analysis, and interpretation of data. It is used in education, economics, business, agriculture, medicine, government administration, social sciences, natural sciences, and research. Modern statistics also includes computational techniques for handling large and complex datasets.
4. State any four limitations of statistics.
Answer: Important limitations of statistics are: (1) It mainly deals with aggregates rather than individual observations. (2) Statistical conclusions are generally subject to uncertainty. (3) Qualitative characteristics must often be expressed numerically before statistical analysis. (4) Incorrect or biased data can produce misleading conclusions.
5. Why is statistics important in scientific research?
Answer: Statistics provides methods for collecting reliable observations, summarizing data, identifying patterns, comparing groups, and drawing conclusions. It helps researchers distinguish meaningful variation from random variation. Statistical methods therefore support objective interpretation of experimental and observational results and improve the reliability of scientific conclusions.
6. Mention the role of statistics in other fields.
Answer: Statistics is used extensively in economics, business, medicine, agriculture, education, government, sociology, biology, and scientific research. It helps in planning, forecasting, quality control, policy formulation, experimentation, and decision-making. For example, medical researchers use statistics to evaluate treatments, while businesses use it to study markets and consumer behaviour.
7. What is the difference between primary and secondary data?
Answer: Primary data are collected first-hand by an investigator for a particular investigation, whereas secondary data have previously been collected by another person or institution. Primary data are generally more directly suited to the specific purpose, while secondary data are usually quicker and less expensive to obtain.
8. Mention four methods of collecting primary data.
Answer: Common methods of collecting primary data include: (1) Direct personal investigation, (2) Interviews, (3) Questionnaires or schedules, and (4) Observation. The appropriate method depends on the nature of the investigation, the population being studied, available resources, and the required level of accuracy.
9. What are the main sources of secondary data?
Answer: Secondary data may be obtained from government publications, census reports, statistical abstracts, research institutions, books, journals, official websites, administrative records, and previously conducted studies. Such data should be examined carefully for reliability, relevance, accuracy, adequacy, and suitability before being used in an investigation.
10. Distinguish between qualitative and quantitative data.
Answer: Qualitative data represent attributes or categories and are generally non-numerical, such as occupation or type of residence. Quantitative data express numerical quantities and can be measured or counted, such as height, age, income, or number of students. Quantitative data may be discrete or continuous.
11. What is time-series data? Give an example.
Answer: Time-series data consist of observations arranged according to time. The observations may be recorded annually, quarterly, monthly, weekly, daily, or at other regular intervals. Examples include annual rainfall, monthly sales of a company, yearly population, and daily temperature readings. The chronological order is essential.
12. What is a frequency distribution? Why is it useful?
Answer: A frequency distribution organizes observations into values or class intervals and records the number of observations in each category. It reduces a large amount of raw data into a compact form, making the distribution easier to understand, compare, analyze, and represent graphically.
13. What is a histogram? How does it differ from a bar diagram?
Answer: A histogram represents a continuous frequency distribution using adjoining rectangles. In contrast, a bar diagram generally represents categorical or discrete data using separate bars with gaps between them. In a histogram, the rectangles are adjoining because the class intervals are continuous.
14. What is an ogive? Name its two types.
Answer: An ogive is a graph of cumulative frequencies against class boundaries. The two principal types are the less-than ogive and the more-than ogive. The less-than ogive uses cumulative frequencies below successive upper class boundaries, whereas the more-than ogive uses cumulative frequencies above successive lower class boundaries.
15. Explain the role of computers in statistics.
Answer: Computers make statistical work faster, more efficient, and less prone to arithmetic errors. They can store large datasets, perform calculations, organize data into tables, generate graphs, and carry out statistical analyses. Statistical software also makes it possible to analyze complex datasets that would be difficult to process manually.
Part C: Long Answer Questions (5 Questions — 5 Marks Each)
1. Discuss the historical development, scope, importance, and limitations of statistics.
Answer: Statistics has developed from a practical activity of collecting numerical information into a broad scientific discipline. In earlier times, governments collected information about population, taxation, land, agriculture, and military resources mainly for administrative purposes. With the development of probability theory and mathematical methods, statistics gradually acquired a stronger scientific foundation. Today, it is an essential tool for research, planning, analysis, and decision-making.
The scope of statistics includes the collection, classification, organization, presentation, analysis, and interpretation of data. It is applied in economics, business, agriculture, medicine, education, government administration, social sciences, natural sciences, and many other areas.
Statistics is important because it converts large quantities of data into an understandable form. It helps in comparison, forecasting, planning, research, policy formulation, and decision-making. For example, governments use statistical information for population planning and economic policies, while researchers use it to analyze observations and experimental results.
However, statistics has certain limitations. It generally studies aggregates rather than individual cases. Statistical conclusions are often subject to uncertainty and depend heavily on the quality of the data. Statistics cannot by itself establish every cause-and-effect relationship. Misuse, biased sampling, or inappropriate methods can also lead to misleading conclusions. Therefore, statistical results must always be interpreted carefully and logically.
2. Explain statistical data, distinguishing between primary and secondary data, and describe important methods of data collection.
Answer: Statistical data consist of observations or facts collected systematically for analysis and interpretation. Depending on their source, data are broadly classified as primary data and secondary data.
Primary data are collected directly by an investigator for a particular study. They are original with respect to the investigator's research purpose. Common methods include direct personal investigation, interviews, observation, questionnaires, and schedules administered through trained investigators. For example, if a researcher directly surveys students to determine their daily study hours, the information collected is primary data.
Secondary data, on the other hand, are data already collected by another person, institution, or agency for a different or earlier purpose. Sources include government publications, census reports, official statistical records, research reports, books, journals, institutional records, and reliable online databases. Before using secondary data, an investigator should examine their reliability, suitability, adequacy, and relevance.
The method of data collection depends on the purpose of the investigation, the size and nature of the population, the resources available, and the required accuracy. Proper collection is essential because statistical analysis cannot produce reliable conclusions from inaccurate, incomplete, or systematically biased data. Thus, careful planning and appropriate collection methods are fundamental to statistical investigation.
3. Explain qualitative data, quantitative data, and time-series data with suitable examples.
Answer: Statistical data can be classified according to their nature and the manner in which they are recorded. Three important forms included in this unit are qualitative data, quantitative data, and time-series data.
Qualitative data describe characteristics, qualities, or categories rather than numerical quantities. Examples include occupation, blood group, type of residence, colour, and educational category. Such data may be classified into meaningful groups even though their original form is non-numerical.
Quantitative data express numerical quantities. They arise from counting or measurement and can be subjected directly to numerical analysis. Examples include age, height, weight, income, number of children, and examination marks. Quantitative data may be discrete, when they represent countable values, or continuous, when they can take values within an interval of measurement.
Time-series data consist of observations arranged in chronological order. The time may be measured in years, months, weeks, days, or other appropriate intervals. Examples include annual population figures, monthly sales, yearly agricultural production, and daily temperature records.
These classifications are useful because different types of data require different methods of organization, presentation, and analysis. Correctly identifying the nature of data is therefore an important preliminary step in any statistical investigation.
4. What is a frequency distribution? Explain the graphical representation of a frequency distribution by histogram, frequency polygon, and frequency curve.
Answer: A frequency distribution is a systematic arrangement of data in which observations are grouped according to their values or class intervals, together with the corresponding frequencies. It provides a compact summary of a large dataset and makes the overall pattern of the data easier to understand.
A histogram is used mainly for a continuous frequency distribution. Class intervals are represented along the horizontal axis and frequencies along the vertical axis. Adjoining rectangles are drawn over the class intervals. For equal class widths, the height of each rectangle is proportional to its frequency. Since the classes are continuous, the rectangles have no gaps.
A frequency polygon is constructed by plotting class marks on the horizontal axis and their corresponding frequencies on the vertical axis. The plotted points are joined by straight-line segments. To complete the polygon, suitable zero-frequency points are generally taken at class marks immediately before the first and after the last class.
A frequency curve is a smooth version of a frequency polygon. Instead of joining the plotted points with straight lines, a smooth curve is drawn through or near the points to show the general shape of the distribution.
These graphs provide visual summaries and help compare distributions, identify concentration of observations, and understand the general form of data.
5. Explain an ogive and discuss the construction and uses of less-than and more-than ogives.
Answer: An ogive, or cumulative frequency curve, is a graphical representation of cumulative frequencies. It is particularly useful for studying the cumulative distribution of observations and locating values corresponding to specified cumulative frequencies.
There are two main types of ogives: the less-than ogive and the more-than ogive.
For a less-than ogive, cumulative frequencies are calculated by successively adding frequencies from the beginning of the distribution. These cumulative frequencies are plotted against the corresponding upper class boundaries. The plotted points are then joined smoothly to obtain the curve.
For a more-than ogive, cumulative frequencies are calculated beginning with the total frequency and successively subtracting the frequencies of the classes already passed. These cumulative frequencies are plotted against the corresponding lower class boundaries, and the points are joined to form the curve.
Ogives are useful for determining cumulative frequencies and estimating measures such as the median, quartiles, and percentiles. When the less-than and more-than ogives are plotted on the same set of axes, their intersection can be used to obtain an approximate value of the median.
Thus, an ogive provides a clear graphical picture of cumulative data and is especially useful when the position of an observation within the overall distribution is required.
Part A: Very Short Answer Questions (15 Questions — 1 Mark Each)
1. What is Statistics?
Answer: Statistics is the systematic science of collecting, organizing, presenting, analyzing, and interpreting numerical data to obtain meaningful conclusions.
2. What is meant by statistical data?
Answer: Statistical data are facts or observations collected systematically for the purpose of analysis and interpretation.
3. What is primary data?
Answer: Primary data are data collected directly by the investigator from the original source for a specific purpose.
4. What is secondary data?
Answer: Secondary data are data that have already been collected by another person or organization for some purpose and are subsequently used by an investigator.
5. What is qualitative data?
Answer: Qualitative data describe non-numerical characteristics or attributes, such as gender, colour, occupation, or type of residence.
6. What is quantitative data?
Answer: Quantitative data are numerical observations that represent quantities or measurements, such as age, income, height, or marks.
7. What is a time series?
Answer: A time series is a set of observations arranged in chronological order, usually recorded at successive points or periods of time.
8. What is a frequency distribution?
Answer: A frequency distribution is a systematic arrangement showing the number of observations corresponding to each value or class interval.
9. What is a histogram?
Answer: A histogram is a graphical representation of a frequency distribution using adjoining rectangular bars whose areas represent frequencies.
10. What is a frequency polygon?
Answer: A frequency polygon is a line graph formed by joining the points representing class marks and their corresponding frequencies.
11. What is a frequency curve?
Answer: A frequency curve is a smooth graphical representation of a frequency distribution obtained by smoothing the corresponding frequency polygon.
12. What is an ogive?
Answer: An ogive is a cumulative frequency curve obtained by plotting cumulative frequencies against the corresponding class boundaries.
13. State one limitation of statistics.
Answer: Statistics generally deals with aggregates or groups of observations rather than individual cases.
14. Mention one application of statistics.
Answer: Statistics is widely used in economics for studying income, employment, production, prices, and other economic conditions.
15. Mention one important role of computers in statistics.
Answer: Computers enable statistical data to be stored, processed, analyzed, and presented rapidly and accurately.
Part B: Short Answer Questions (15 Questions — 2 Marks Each)
1. Explain the historical development of statistics.
Answer: Statistics developed gradually from the collection of numerical information by governments for administrative purposes such as population, taxation, land, and military records. Later, probability theory and mathematical methods contributed to its development. In modern times, statistics has become an important discipline for scientific research, decision-making, planning, and analysis in numerous fields.
2. Explain the importance of statistics in everyday life.
Answer: Statistics is encountered in everyday life through weather reports, examination results, population figures, sports records, prices, election surveys, health information, and financial data. It helps people understand numerical information, compare alternatives, identify trends, and make informed decisions. Thus, statistical thinking is useful even outside formal scientific and professional activities.
3. What is the scope of statistics?
Answer: The scope of statistics includes collection, classification, organization, presentation, analysis, and interpretation of data. It is used in education, economics, business, agriculture, medicine, government administration, social sciences, natural sciences, and research. Modern statistics also includes computational techniques for handling large and complex datasets.
4. State any four limitations of statistics.
Answer: Important limitations of statistics are: (1) It mainly deals with aggregates rather than individual observations. (2) Statistical conclusions are generally subject to uncertainty. (3) Qualitative characteristics must often be expressed numerically before statistical analysis. (4) Incorrect or biased data can produce misleading conclusions.
5. Why is statistics important in scientific research?
Answer: Statistics provides methods for collecting reliable observations, summarizing data, identifying patterns, comparing groups, and drawing conclusions. It helps researchers distinguish meaningful variation from random variation. Statistical methods therefore support objective interpretation of experimental and observational results and improve the reliability of scientific conclusions.
6. Mention the role of statistics in other fields.
Answer: Statistics is used extensively in economics, business, medicine, agriculture, education, government, sociology, biology, and scientific research. It helps in planning, forecasting, quality control, policy formulation, experimentation, and decision-making. For example, medical researchers use statistics to evaluate treatments, while businesses use it to study markets and consumer behaviour.
7. What is the difference between primary and secondary data?
Answer: Primary data are collected first-hand by an investigator for a particular investigation, whereas secondary data have previously been collected by another person or institution. Primary data are generally more directly suited to the specific purpose, while secondary data are usually quicker and less expensive to obtain.
8. Mention four methods of collecting primary data.
Answer: Common methods of collecting primary data include: (1) Direct personal investigation, (2) Interviews, (3) Questionnaires or schedules, and (4) Observation. The appropriate method depends on the nature of the investigation, the population being studied, available resources, and the required level of accuracy.
9. What are the main sources of secondary data?
Answer: Secondary data may be obtained from government publications, census reports, statistical abstracts, research institutions, books, journals, official websites, administrative records, and previously conducted studies. Such data should be examined carefully for reliability, relevance, accuracy, adequacy, and suitability before being used in an investigation.
10. Distinguish between qualitative and quantitative data.
Answer: Qualitative data represent attributes or categories and are generally non-numerical, such as occupation or type of residence. Quantitative data express numerical quantities and can be measured or counted, such as height, age, income, or number of students. Quantitative data may be discrete or continuous.
11. What is time-series data? Give an example.
Answer: Time-series data consist of observations arranged according to time. The observations may be recorded annually, quarterly, monthly, weekly, daily, or at other regular intervals. Examples include annual rainfall, monthly sales of a company, yearly population, and daily temperature readings. The chronological order is essential.
12. What is a frequency distribution? Why is it useful?
Answer: A frequency distribution organizes observations into values or class intervals and records the number of observations in each category. It reduces a large amount of raw data into a compact form, making the distribution easier to understand, compare, analyze, and represent graphically.
13. What is a histogram? How does it differ from a bar diagram?
Answer: A histogram represents a continuous frequency distribution using adjoining rectangles. In contrast, a bar diagram generally represents categorical or discrete data using separate bars with gaps between them. In a histogram, the rectangles are adjoining because the class intervals are continuous.
14. What is an ogive? Name its two types.
Answer: An ogive is a graph of cumulative frequencies against class boundaries. The two principal types are the less-than ogive and the more-than ogive. The less-than ogive uses cumulative frequencies below successive upper class boundaries, whereas the more-than ogive uses cumulative frequencies above successive lower class boundaries.
15. Explain the role of computers in statistics.
Answer: Computers make statistical work faster, more efficient, and less prone to arithmetic errors. They can store large datasets, perform calculations, organize data into tables, generate graphs, and carry out statistical analyses. Statistical software also makes it possible to analyze complex datasets that would be difficult to process manually.
Part C: Long Answer Questions (5 Questions — 5 Marks Each)
1. Discuss the historical development, scope, importance, and limitations of statistics.
Answer: Statistics has developed from a practical activity of collecting numerical information into a broad scientific discipline. In earlier times, governments collected information about population, taxation, land, agriculture, and military resources mainly for administrative purposes. With the development of probability theory and mathematical methods, statistics gradually acquired a stronger scientific foundation. Today, it is an essential tool for research, planning, analysis, and decision-making.
The scope of statistics includes the collection, classification, organization, presentation, analysis, and interpretation of data. It is applied in economics, business, agriculture, medicine, education, government administration, social sciences, natural sciences, and many other areas.
Statistics is important because it converts large quantities of data into an understandable form. It helps in comparison, forecasting, planning, research, policy formulation, and decision-making. For example, governments use statistical information for population planning and economic policies, while researchers use it to analyze observations and experimental results.
However, statistics has certain limitations. It generally studies aggregates rather than individual cases. Statistical conclusions are often subject to uncertainty and depend heavily on the quality of the data. Statistics cannot by itself establish every cause-and-effect relationship. Misuse, biased sampling, or inappropriate methods can also lead to misleading conclusions. Therefore, statistical results must always be interpreted carefully and logically.
2. Explain statistical data, distinguishing between primary and secondary data, and describe important methods of data collection.
Answer: Statistical data consist of observations or facts collected systematically for analysis and interpretation. Depending on their source, data are broadly classified as primary data and secondary data.
Primary data are collected directly by an investigator for a particular study. They are original with respect to the investigator's research purpose. Common methods include direct personal investigation, interviews, observation, questionnaires, and schedules administered through trained investigators. For example, if a researcher directly surveys students to determine their daily study hours, the information collected is primary data.
Secondary data, on the other hand, are data already collected by another person, institution, or agency for a different or earlier purpose. Sources include government publications, census reports, official statistical records, research reports, books, journals, institutional records, and reliable online databases. Before using secondary data, an investigator should examine their reliability, suitability, adequacy, and relevance.
The method of data collection depends on the purpose of the investigation, the size and nature of the population, the resources available, and the required accuracy. Proper collection is essential because statistical analysis cannot produce reliable conclusions from inaccurate, incomplete, or systematically biased data. Thus, careful planning and appropriate collection methods are fundamental to statistical investigation.
3. Explain qualitative data, quantitative data, and time-series data with suitable examples.
Answer: Statistical data can be classified according to their nature and the manner in which they are recorded. Three important forms included in this unit are qualitative data, quantitative data, and time-series data.
Qualitative data describe characteristics, qualities, or categories rather than numerical quantities. Examples include occupation, blood group, type of residence, colour, and educational category. Such data may be classified into meaningful groups even though their original form is non-numerical.
Quantitative data express numerical quantities. They arise from counting or measurement and can be subjected directly to numerical analysis. Examples include age, height, weight, income, number of children, and examination marks. Quantitative data may be discrete, when they represent countable values, or continuous, when they can take values within an interval of measurement.
Time-series data consist of observations arranged in chronological order. The time may be measured in years, months, weeks, days, or other appropriate intervals. Examples include annual population figures, monthly sales, yearly agricultural production, and daily temperature records.
These classifications are useful because different types of data require different methods of organization, presentation, and analysis. Correctly identifying the nature of data is therefore an important preliminary step in any statistical investigation.
4. What is a frequency distribution? Explain the graphical representation of a frequency distribution by histogram, frequency polygon, and frequency curve.
Answer: A frequency distribution is a systematic arrangement of data in which observations are grouped according to their values or class intervals, together with the corresponding frequencies. It provides a compact summary of a large dataset and makes the overall pattern of the data easier to understand.
A histogram is used mainly for a continuous frequency distribution. Class intervals are represented along the horizontal axis and frequencies along the vertical axis. Adjoining rectangles are drawn over the class intervals. For equal class widths, the height of each rectangle is proportional to its frequency. Since the classes are continuous, the rectangles have no gaps.
A frequency polygon is constructed by plotting class marks on the horizontal axis and their corresponding frequencies on the vertical axis. The plotted points are joined by straight-line segments. To complete the polygon, suitable zero-frequency points are generally taken at class marks immediately before the first and after the last class.
A frequency curve is a smooth version of a frequency polygon. Instead of joining the plotted points with straight lines, a smooth curve is drawn through or near the points to show the general shape of the distribution.
These graphs provide visual summaries and help compare distributions, identify concentration of observations, and understand the general form of data.
5. Explain an ogive and discuss the construction and uses of less-than and more-than ogives.
Answer: An ogive, or cumulative frequency curve, is a graphical representation of cumulative frequencies. It is particularly useful for studying the cumulative distribution of observations and locating values corresponding to specified cumulative frequencies.
There are two main types of ogives: the less-than ogive and the more-than ogive.
For a less-than ogive, cumulative frequencies are calculated by successively adding frequencies from the beginning of the distribution. These cumulative frequencies are plotted against the corresponding upper class boundaries. The plotted points are then joined smoothly to obtain the curve.
For a more-than ogive, cumulative frequencies are calculated beginning with the total frequency and successively subtracting the frequencies of the classes already passed. These cumulative frequencies are plotted against the corresponding lower class boundaries, and the points are joined to form the curve.
Ogives are useful for determining cumulative frequencies and estimating measures such as the median, quartiles, and percentiles. When the less-than and more-than ogives are plotted on the same set of axes, their intersection can be used to obtain an approximate value of the median.
Thus, an ogive provides a clear graphical picture of cumulative data and is especially useful when the position of an observation within the overall distribution is required.