সাইন্টিফিক গবেষণায় স্টাটিসটিক্যাল এনালাইসিসঃ পর্ব ২

সাইন্টিফিক গবেষণায় স্টাটিসটিক্যাল এনালাইসিস: পর্ব ২

গবেষণায় আমরা অনেক সময় একাধিক দলের মধ্যে পার্থক্য রয়েছে কিনা তা জানতে চাই। T-test দুটি দলের জন্য কার্যকর, কিন্তু যদি দলের সংখ্যা হয় ৩ বা তার বেশি? তখন আমাদের দরকার আরও শক্তিশালী টুলস—ANOVA ও F-Test। এই পর্বে আমরা জানব:

- Degree of Freedom (df)

- ANOVA (One-way ও Two-way)

- F-Test

⸻

১. ডিগ্রি অব ফ্রিডম (Degree of Freedom)

কি এটা?

Degree of Freedom (df) বোঝায় পরীক্ষায় ব্যবহৃত নমুনাগুলোর মধ্যে কতগুলো স্বাধীনভাবে পরিবর্তিত হতে পারে।

সহজ উদাহরণ:

ধরুন, আপনার হাতে ৫ জন ছাত্রের গড় নম্বর ৬০। এখন যদি ৪ জনের নম্বর আপনি নির্ধারণ করে দেন, তবে ৫ম জনের নম্বর এমনভাবে দিতে হবে যাতে গড় ৬০ থাকে।

→ তাই, এখানে df = ৫ - ১ = ৪

গবেষণায় ব্যবহার:

df মূলত দরকার হয় t-test, ANOVA বা অন্যান্য পরীক্ষায়, কারণ এর উপর ভিত্তি করেই পরীক্ষার মানদণ্ড নির্ধারিত হয়।

⸻

২. ANOVA (Analysis of Variance)

কি এটা?

ANOVA হলো একটি পরিসংখ্যানিক টেস্ট যা তিন বা ততোধিক দলের গড় মানের মধ্যে পার্থক্য রয়েছে কিনা তা যাচাই করে।

যদি শুধু দুটি গ্রুপ হয়, তখন T-test যথেষ্ট। কিন্তু গ্রুপ ৩ বা তার বেশি হলে T-test অনেক বার চালাতে হয়, যার ফলে ভুল সিদ্ধান্তের ঝুঁকি থাকে।

→ ANOVA এই সমস্যার সমাধান দেয় একটি মাত্র পরীক্ষায়।

২.১ One-Way ANOVA

ব্যাখ্যা:

One-way ANOVA তখন ব্যবহার হয়, যখন একটিমাত্র ফ্যাক্টরের (factor) প্রভাবে একাধিক দলের ফলাফল তুলনা করা হয়।

উদাহরণ:

আপনি তিনটি ভিন্ন খাদ্য পরিকল্পনা (ডায়েট A, B, C) অনুসরণ করা তিনটি দলের ওজন কমার গড় মান তুলনা করতে চান।

→ এখানে একটিমাত্র ফ্যাক্টর: ডায়েট টাইপ

→ ANOVA বলবে: এই তিন ডায়েটের মধ্যে সত্যিই কোনো গড় পার্থক্য আছে কিনা।

২.২ Two-Way ANOVA

ব্যাখ্যা:

Two-way ANOVA ব্যবহার হয় যখন দুইটি স্বাধীন ফ্যাক্টর রয়েছে এবং আপনি দেখতে চান তারা একসাথে ফলাফলে কী প্রভাব ফেলছে।

উদাহরণ:

একটি গবেষণায় দেখা হচ্ছে—

ফ্যাক্টর ১: ডায়েট টাইপ (A, B, C)

ফ্যাক্টর ২: ব্যায়াম করছে কি করছে না (Yes/No)

→ এখন দেখা হচ্ছে, ওজন কমানোর ওপর উভয়ের মিলিত প্রভাব।

Two-way ANOVA জানায়:

ডায়েটের আলাদা প্রভাব

ব্যায়ামের আলাদা প্রভাব

দুটোর যোগাযোগ (interaction effect) আছে কিনা

⸻

৩. F-Test (এফ-টেস্ট)

কি এটা?

F-test হলো সেই গাণিতিক উপায় যেটা ANOVA-র ভিত্তি তৈরি করে। এটি দলগুলোর মধ্যে বৈচিত্র্য (variance) তুলনা করে।

F-value বোঝায় কী?

F-value যত বেশি হয়, দলগুলোর মধ্যে গড় মানে পার্থক্য থাকার সম্ভাবনা তত বেশি।

→ এরপর দেখা হয় এই F-value অনুযায়ী p-value কত এসেছে।

উদাহরণ:

আপনি যদি ANOVA চালিয়ে F = 4.6 এবং p = 0.01 পান, তাহলে আপনি বলতে পারবেন—তিনটি দলের মধ্যে গড় মানে পার্থক্য statistically significant।

Md. Babul Miah