অ্যারিথমেটিক গ্রেডিয়েন্ট সিরিজ
এই পাঠে যা শিখবেন
- অ্যারিথমেটিক গ্রেডিয়েন্ট সিরিজের সংজ্ঞা ও কনভেনশন (বছর ১-এ ০, প্রতি বছর +G)
- P/G ও A/G ফ্যাক্টরের সূত্র
- একটি বাস্তব উদাহরণে uniform অংশ ও gradient অংশ আলাদা করে বের করে একসাথে যোগ করা
- Python দিয়ে দুই ভিন্ন পদ্ধতিতে (P/G+P/A সরাসরি, ও A/G দিয়ে সমতুল্য A বানিয়ে) একই ফলাফল পাওয়া যাচাই করা
১ · গ্রেডিয়েন্ট সিরিজ কী
বাস্তব প্রকৌশল প্রজেক্টে খরচ প্রায়ই সময়ের সাথে সাথে বাড়ে — যেমন একটি পুরনো মেশিনের বার্ষিক মেইনটেন্যান্স খরচ প্রতি বছর কিছুটা বেড়ে যায়। অ্যারিথমেটিক গ্রেডিয়েন্টArithmetic Gradientএমন একটি সিরিজ যেখানে ক্যাশ ফ্লো প্রতি বছর একটি নির্দিষ্ট, স্থির অ্যামাউন্ট G করে বাড়ে (বা কমে)। এই প্যাটার্নকে মডেল করে — কনভেনশন অনুযায়ী বছর ১-এ গ্রেডিয়েন্ট অংশ $0$, বছর ২-এ $G$, বছর ৩-এ $2G$, ... বছর $n$-এ $(n-1)G$। লক্ষ্য করুন — এটি নিজে থেকে একটি পূর্ণাঙ্গ ক্যাশ ফ্লো নয়, বরং সাধারণত একটি বেস uniform সিরিজের উপর যোগ হওয়া অতিরিক্ত অংশ।
২ · P/G ও A/G ফ্যাক্টর
$$P = G \cdot \frac{(1+i)^n - i n - 1}{i^2(1+i)^n}$$ গ্রেডিয়েন্ট অংশের প্রেজেন্ট ওয়ার্থ (t=0-তে) বের করে।
$$A = G \left(\frac{1}{i} - \frac{n}{(1+i)^n - 1}\right)$$ গ্রেডিয়েন্ট অংশকে একটি সমতুল্য uniform A-তে রূপান্তর করে, যা বেস A-এর সাথে সরাসরি যোগ করা যায়।
যদি ক্যাশ ফ্লো হয় "বেস $A_1$ + প্রতি বছর $G$ বৃদ্ধি", তাহলে মোট প্রেজেন্ট ওয়ার্থ $P_{total} = A_1 \cdot (P/A, i, n) + G \cdot (P/G, i, n)$ — দুটো অংশ সম্পূর্ণ আলাদাভাবে হিসাব করে যোগ করতে হয়, কারণ P/G ফ্যাক্টর নিজে থেকে শুধু "শূন্য থেকে শুরু হওয়া গ্রেডিয়েন্ট" অংশটুকুই ধরে।
৩ · Python-এ প্রয়োগ — বাড়তে থাকা মেইনটেন্যান্স খরচ
ধরা যাক একটি মেশিনের মেইনটেন্যান্স খরচ বছর ১-এ $5,000, এবং প্রতি বছর $300 করে বাড়ে, মোট ৮ বছর ধরে, সুদের হার ৮%। এটি একটি বেস uniform সিরিজ ($5,000) ও একটি গ্রেডিয়েন্ট সিরিজ ($300/year বৃদ্ধি)-এর সমষ্টি। নিচের কোডে দুটো ভিন্ন পদ্ধতিতে মোট প্রেজেন্ট ওয়ার্থ বের করে একে অপরের সাথে যাচাই করা হয়েছে — প্রথমে P/A ও P/G আলাদাভাবে যোগ করে, তারপর A/G দিয়ে একটি একক সমতুল্য uniform A বানিয়ে।
# অ্যারিথমেটিক গ্রেডিয়েন্ট ফ্যাক্টর + uniform অংশ মিলিয়ে প্রেজেন্ট ওয়ার্থ
def pa_factor(i, n):
return ((1 + i) ** n - 1) / (i * (1 + i) ** n)
def pg_factor(i, n):
return ((1 + i) ** n - i * n - 1) / (i ** 2 * (1 + i) ** n)
def ag_factor(i, n):
return (1 / i) - (n / ((1 + i) ** n - 1))
base = 5000 # বছর ১-এর বেস মেইনটেন্যান্স খরচ (uniform অংশ)
G = 300 # প্রতি বছর বৃদ্ধি
i = 0.08 # সুদের হার
n = 8 # বছর
# পদ্ধতি ১: uniform অংশ + gradient অংশ আলাদাভাবে
uniform_part = base * pa_factor(i, n)
gradient_part = G * pg_factor(i, n)
P_method1 = uniform_part + gradient_part
# পদ্ধতি ২: A/G দিয়ে গ্রেডিয়েন্টকে সমতুল্য uniform A-তে রূপান্তর করে, বেসের সাথে যোগ করে, তারপর P/A
A_equivalent = base + G * ag_factor(i, n)
P_method2 = A_equivalent * pa_factor(i, n)
print(f"base = ${base:,.2f}, G = ${G:,.2f}/year, i = {i*100:.0f}%, n = {n} বছর")
print(f"P/A factor = {pa_factor(i, n):.4f}")
print(f"P/G factor = {pg_factor(i, n):.4f}")
print(f"A/G factor = {ag_factor(i, n):.4f}")
print()
print(f"পদ্ধতি ১ -- uniform অংশের P = ${uniform_part:,.2f}, gradient অংশের P = ${gradient_part:,.2f}")
print(f"পদ্ধতি ১ -- মোট P = ${P_method1:,.2f}")
print()
print(f"পদ্ধতি ২ -- সমতুল্য uniform A = ${A_equivalent:,.2f}")
print(f"পদ্ধতি ২ -- মোট P = ${P_method2:,.2f}")
assert abs(P_method1 - P_method2) < 1e-6
print("\nচেক পাস -- দুটো ভিন্ন পদ্ধতি (P/G+P/A সরাসরি, বনাম A/G দিয়ে সমতুল্য A) একই মোট প্রেজেন্ট ওয়ার্থ দেয়।")
অ্যারিথমেটিক গ্রেডিয়েন্ট সবসময় একটি বেস uniform সিরিজের সাথে যোগ হয়ে কাজ করে — P/G ও A/G ফ্যাক্টর শুধু "বৃদ্ধি অংশ"-এর জন্য প্রযোজ্য। পরের পাঠে দেখা যাবে যখন খরচ স্থির অ্যামাউন্টে না বেড়ে একটি স্থির হারে (percentage) বাড়ে — সেটি জিওমেট্রিক গ্রেডিয়েন্ট, যার সূত্র সম্পূর্ণ ভিন্ন।
ভাবনার প্রশ্ন
প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।
প্র ০১ গ্রেডিয়েন্ট সিরিজে বছর ১-এ কেন সবসময় ০ ধরা হয়, G নয়?
এটি একটি কনভেনশন যা P/G ও A/G সূত্রকে সামঞ্জস্যপূর্ণ রাখে — গ্রেডিয়েন্টকে "বেস uniform সিরিজের উপর অতিরিক্ত বৃদ্ধি" হিসেবে ভাবা হয়, আর বেসটাই বছর ১-এর পূর্ণ মান বহন করে। তাই বছর ১-এ গ্রেডিয়েন্ট অংশ ০, বছর ২ থেকে G যোগ হতে শুরু করে — এতে বেস + গ্রেডিয়েন্ট যোগ করলেই সঠিক মোট ক্যাশ ফ্লো পাওয়া যায়।
প্র ০২ গ্রেডিয়েন্ট G ঋণাত্মক (negative) হলে P/G ও A/G ফ্যাক্টরের সূত্রে কী পরিবর্তন করতে হবে?
সূত্রে কোনো পরিবর্তন লাগে না — শুধু G-এর মান ঋণাত্মক বসালেই চলে (যেমন খরচ প্রতি বছর কমছে এমন
ক্ষেত্রে)। ফলাফল স্বয়ংক্রিয়ভাবে ঋণাত্মক গ্রেডিয়েন্ট অংশের প্রেজেন্ট ওয়ার্থ দেবে, যা বেস অংশ থেকে বিয়োগ
হয়ে যাবে।
প্র ০৩ উপরের কোডে দুটো পদ্ধতি কেন একই উত্তর দেয় — এটা কী প্রমাণ করে?
এটা প্রমাণ করে P/G ও A/G ফ্যাক্টর একে অপরের সাথে সংগতিপূর্ণ — A/G দিয়ে গ্রেডিয়েন্টকে uniform A-তে রূপান্তর করে বেসের সাথে যোগ করলে যে সমতুল্য uniform সিরিজ পাওয়া যায়, তার P/A দিয়ে বের করা P ঠিক P/A(base) + P/G(gradient)-এর সমান হয়। দুটো আলাদা গাণিতিক পথ একই বাস্তব ক্যাশ ফ্লোর দিকে নিয়ে যায় বলেই এই সমতা আসে।
অনুশীলন
-
চিন্তা করুন: একটি প্রজেক্টে বছর ১-এ রাজস্ব $10,000, এবং প্রতি বছর $1,000 করে বাড়ে। আরেকটি
প্রজেক্টে প্রতি বছর সমান $12,000 রাজস্ব থাকে। ৫ বছরের মধ্যে কোন প্রজেক্টের মোট (অনডিসকাউন্টেড) রাজস্ব বেশি,
আর ডিসকাউন্টিং করলে কি সিদ্ধান্ত বদলাতে পারে?
অনডিসকাউন্টেড টোটাল: গ্রেডিয়েন্ট প্রজেক্ট = 10000+11000+12000+13000+14000 = $60,000; স্থির প্রজেক্ট = 12000×5 = $60,000 — দুটোই সমান! কিন্তু ডিসকাউন্টিং করলে সিদ্ধান্ত বদলে যেতে পারে, কারণ গ্রেডিয়েন্ট প্রজেক্টের বড় অংশ (বেশি টাকা) পরের বছরগুলোতে আসে, যা বেশি ডিসকাউন্ট হয় — তাই এর প্রেজেন্ট ওয়ার্থ স্থির প্রজেক্টের চেয়ে কিছুটা কম হবে। এটাই দেখায় শুধু টোটাল যোগফল দেখে সিদ্ধান্ত নেওয়া কেন বিপজ্জনক।
-
পরীক্ষা করুন: উপরের কোড সেলে
G = 300-কেG = 0-এ বদলে Run চেপে দেখুন মোট P-এর কী হয়, এবং কেন সেটা যৌক্তিক।G = 0হলেgradient_part = 0 * pg_factor(...) = 0, তাই মোট P শুধুuniform_part-এর সমান হয়ে যাবে — অর্থাৎ পুরো সমস্যাটা সাধারণ একটি $5,000/year অ্যানুইটিতে পরিণত হবে। এটাই যৌক্তিক, কারণ কোনো বৃদ্ধি না থাকলে গ্রেডিয়েন্ট সিরিজের কোনো প্রভাব থাকার কথা না।
আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ
- কোর্সের সম্পূর্ণ সিলেবাস দেখুন ৫৭টি পাঠ টাইম ভ্যালু অফ মানি, ক্যাশ ফ্লো সিরিজ, ওয়ার্থ-ভিত্তিক তুলনা, রেট অফ রিটার্ন, ডেপ্রিসিয়েশন, ট্যাক্স, ইনফ্লেশন, রিস্ক অ্যানালাইসিস ও ক্যাপিটাল বাজেটিং — সম্পূর্ণ কোর্স এক জায়গায়।
- Discrete Mathematics কোর্স সহোদর কোর্স সিরিজ ও সমষ্টির সূত্র — অ্যারিথমেটিক গ্রেডিয়েন্ট ফ্যাক্টরের গাণিতিক ভিত্তি সেখানেই তৈরি হয়েছে।
- সব Courses দেখুন ABCL TECH C, C++, Python, Java, JavaScript, DSA, DBMS, Discrete Mathematics, System Design, Cybersecurity, Cloud Computing & DevOps, Computer Networks, Operating Systems, Computer Architecture, Programming Languages & Compiler Design, Software Engineering & Git, Theory of Computation ও Engineering Economics — সব এক জায়গায়।