Part I — বর্ণনামূলক পরিসংখ্যান ও EDA (Descriptive Statistics & EDA)¶
এখানেই প্রকৃত পরিসংখ্যান শুরু। data-কে চেনা, পরিমাপ করা, ও ছবিতে দেখা — যেকোনো inference বা model-এর আগের আবশ্যক ধাপ। Part 0 (math + Python) ধরে নেওয়া হয়েছে।
প্রতিটি অধ্যায়ে ৮টি অংশ — ভূমিকা → মূল ধারণা → উদাহরণ → প্রমাণ → কোড ল্যাব (Python) → ভিজ্যুয়ালাইজেশন → অনুশীলনী → সারসংক্ষেপ। সমাধান: _solutions/।
অধ্যায়সমূহ (Chapters)¶
| # | অধ্যায় | মূল বিষয় |
|---|---|---|
| 1.1 | Data Types, Populations & Samples | population vs sample, parameter vs statistic, data types, sampling bias |
| 1.2 | Location & Variability | mean/median/mode, variance/std, IQR, MAD, robust statistics, z-score |
| 1.3 | Distributions & Visualization | histogram, KDE, boxplot, ECDF, QQ-plot, skewness/kurtosis |
| 1.4 | Correlation & Bivariate Exploration | covariance, Pearson/Spearman, Anscombe's quartet, contingency |
| 1.5 | EDA Workflow: A Case Study | end-to-end EDA — clean → univariate → bivariate → insight |
এরপর (Next)¶
Part II — সম্ভাব্যতা তত্ত্ব: ভিত্তি। descriptive statistics-এ data বর্ণনা শিখলাম; এবার সেই data-র পেছনের randomness-এর গণিত — probability।
পরিভাষা: ../GLOSSARY.md · পরিকল্পনা: ../PLAN.md · সিলেবাস: ../README.md