৫০% ছাড় সব কোর্সে!
Data Analysis শিখতে গিয়ে প্রায় সবাই একবার না একবার এই চারটা শব্দে আটকে যান – Variance, Covariance, Correlation আর Causation। শুনতে প্রায় একই রকম, ব্যবহারও কাছাকাছি জায়গায়, ফলে গুলিয়ে ফেলাটা খুবই স্বাভাবিক। কিন্তু সমস্যা হলো, এই চারটা কনসেপ্ট গুলিয়ে ফেললে পুরো অ্যানালাইসিসটাই ভুল দিকে চলে যেতে পারে।
তাই আজ একদম সহজ ভাষায়, বাস্তব উদাহরণ দিয়ে বুঝিয়ে দিচ্ছি এই চারটা টার্ম আসলে কী বোঝায় এবং একটার সাথে আরেকটার পার্থক্য কোথায়।
Variance কী? একটা ক্লাসের রেজাল্ট দিয়েই বুঝুন
সহজ কথায়, Variance বলে দেয় একটা ডেটাসেট তার গড় বা Mean থেকে কতটা ছড়িয়ে-ছিটিয়ে আছে। ডেটার মান যদি গড়ের কাছাকাছি জড়ো হয়ে থাকে, তাহলে Variance কম। আর যদি মানগুলো ছড়িয়ে থাকে, তাহলে Variance বেশি।
Covariance – দুটো ভ্যারিয়েবল একসাথে কীভাবে বদলায়
Variance যেখানে একটা মাত্র ভ্যারিয়েবলের ছড়ানো নিয়ে কথা বলে, Covariance সেখানে দুটো ভ্যারিয়েবলের মধ্যেকার সম্পর্ক নিয়ে কথা বলে। সহজভাবে বললে, দুটো ভ্যারিয়েবল একসাথে বাড়ছে না কমছে, নাকি একটা বাড়লে অন্যটা কমছে – এই প্যাটার্নটাই Covariance দেখায়।
Correlation – সম্পর্কের শক্তি ও দিক, দুটোই একসাথে
Correlation হলো Covariance-এরই একটা স্ট্যান্ডার্ডাইজড রূপ, যা দুটো ভ্যারিয়েবলের মধ্যেকার সম্পর্কের শক্তি এবং দিক – দুটোই একসাথে মেপে দেয়। Correlation-এর মান সবসময় -1 থেকে +1-এর মধ্যে থাকে।
Causation – আসল কারণ-ফল সম্পর্ক
Causation বলতে বোঝায় সরাসরি কারণ-ফল সম্পর্ক। অর্থাৎ একটা ভ্যারিয়েবলের পরিবর্তন সরাসরি আরেকটা ভ্যারিয়েবলের পরিবর্তন ঘটাচ্ছে।
সবচেয়ে গুরুত্বপূর্ণ কথা: Correlation মানেই Causation নয়
Data Analysis-এ সবচেয়ে কমন এবং সবচেয়ে বিপজ্জনক ভুলটা হলো – দুটো ভ্যারিয়েবলের মধ্যে Correlation দেখেই ধরে নেওয়া যে একটা আরেকটার কারণ।
ক্লাসিক একটা উদাহরণ দিয়ে বিষয়টা স্পষ্ট করা যাক। গরমকালে দেখা যায় আইসক্রিম বিক্রি বাড়ে, আর একই সময়ে পানিতে ডুবে যাওয়ার ঘটনাও বাড়ে। ডেটা দেখলে মনে হতে পারে এই দুটোর মধ্যে একটা সম্পর্ক আছে। কিন্তু বাস্তবে আইসক্রিম খাওয়া কারও ডুবে যাওয়ার কারণ নয়। আসল কারণ হলো গরম আবহাওয়া – গরমের কারণে মানুষ একইসাথে বেশি আইসক্রিম খায় এবং বেশি সাঁতার কাটতে বা পানিতে নামতে যায়। এখানে একটা তৃতীয় ফ্যাক্টর (আবহাওয়া) দুটো ভ্যারিয়েবলকেই প্রভাবিত করছে, অথচ তাদের একটা আরেকটার কারণ নয়।