Part 0 — গাণিতিক ভিত্তি (Mathematical Foundations)¶
শূন্য background থেকে শুরু। এই Part ঠিক ততটুকু math + Python শেখায় যতটুকু পুরো পরিসংখ্যান যাত্রার জন্য দরকার — "just-in-time," বাড়তি কিছু নয়।
পড়ার নিয়ম: প্রতিটি অধ্যায়ে ৮টি অংশ — ভূমিকা → মূল ধারণা → উদাহরণ → প্রমাণ → কোড ল্যাব (Python) → ভিজ্যুয়ালাইজেশন → অনুশীলনী → সারসংক্ষেপ। কোড নিজে চালান, figure মিলিয়ে দেখুন, অনুশীলনী শেষে _solutions/-এ সমাধান।
অধ্যায়সমূহ (Chapters)¶
| # | অধ্যায় | মূল বিষয় | statistics-এ কেন |
|---|---|---|---|
| 0.1 | Sets, Functions, Logic & Proof | set operations, function (injective/surjective/bijective), logic, proof techniques | sample space = set, event = subset, random variable = function |
| 0.2 | Combinatorics & Counting | permutation, combination, \(\binom{n}{k}\), Pascal's triangle, binomial theorem | classical probability ও binomial distribution-এর ভিত্তি |
| 0.3 | Calculus I: Limits, Derivatives, Optimization | limit, derivative, rules, optimization, gradient | MLE (log-likelihood maximize), gradient descent |
| 0.4 | Calculus II: Integration | Riemann sum, definite/improper integral, FTC, double integral | probability = density-র area, expectation = integral |
| 0.5 | Linear Algebra Essentials | vector, matrix, determinant, eigenvalue/eigenvector | data = matrix, covariance matrix, PCA, regression |
| 0.6 | Python On-ramp | NumPy, broadcasting, pandas, matplotlib, reproducibility | প্রতিটি পরবর্তী অধ্যায়ের code lab-এর ভিত্তি |
পূর্বশর্ত (Prerequisites)¶
উচ্চমাধ্যমিক স্তরের সাধারণ গণিত। আর কিছু ধরে নেওয়া হয়নি — Part 0 নিজেই বাকিটা গড়ে দেয়।
এরপর (Next)¶
Part I — বর্ণনামূলক পরিসংখ্যান ও EDA। Part 0 শেষ করে আপনি data, distribution, ও Python-এ স্বচ্ছন্দ — তখন প্রকৃত পরিসংখ্যান শুরু।
পরিভাষা: ../GLOSSARY.md · সম্পূর্ণ পরিকল্পনা: ../PLAN.md