ঐতিহাসিক সময়ের অনিশ্চয়তা: Confidence Range ও Sensitivity Test কীভাবে প্রকাশ করবেন?

ঐতিহাসিক astronomical calculation-এর উদ্দেশ্য সবসময় একটি “চূড়ান্ত exact second” ঘোষণা করা নয়। বরং ঘোষিত model ও assumptions-এর অধীনে সর্বোত্তম estimate বের করা, বিকল্প গ্রহণযোগ্য assumptions-এ ফল কতটা বদলায় তা পরীক্ষা করা এবং সেই পরিবর্তন পঞ্জিকার সিদ্ধান্তে প্রভাব ফেলে কি না জানানো।

অনিশ্চয়তা মানে ভুল নয়

একটি model-এর input ও rule নির্দিষ্ট থাকলে software deterministic result দিতে পারে। কিন্তু historical input নিজেই পুরোপুরি জানা নাও থাকতে পারে। যেমন:

• প্রাচীন যুগের ΔT সরাসরি atomic clock দিয়ে মাপা হয়নি;
• Historical observation আংশিক, বর্ণনামূলক বা স্থান-অনিশ্চিত হতে পারে;
• পুরোনো শহরের সুনির্দিষ্ট observation point অজানা থাকতে পারে;
• Local mean time, apparent solar time বা modern zone—কোনটি ব্যবহার করা হয়েছে তা অস্পষ্ট হতে পারে;
• একই tradition-এর বিভিন্ন printed panjika ভিন্ন correction constant ব্যবহার করতে পারে;
• Sunrise, refraction ও solar-disc definition এক নাও হতে পারে।

এই অনিশ্চয়তা স্বীকার করলে calculation দুর্বল হয় না; বরং কোন অংশ নিশ্চিত এবং কোন অংশ model-dependent তা পরিষ্কার হয়।

Precision, accuracy ও uncertainty

16:21:01 লেখা resolution দেখায়। এটি তখনই এক-second accuracy বোঝাতে পারে, যখন input model, observation এবং conversion chain সেই দাবিকে সমর্থন করে। Historical report-এ তাই display precision uncertainty-এর সঙ্গে সামঞ্জস্যপূর্ণ হওয়া উচিত।

Uncertainty budget তৈরি করুন

একটি total range বলার আগে uncertainty কোথা থেকে আসছে তা আলাদা করুন। সব component একই প্রকৃতির নয় এবং সবগুলোকে সরলভাবে যোগ বা root-sum-square করা বৈধ নয়।

Random এবং systematic uncertainty আলাদা

Observation noise random হতে পারে; কিন্তু ভুল time-zone policy বা একটি নির্দিষ্ট ΔT model-এর bias systematic। স্বাধীন statistical error না হলে সব component-কে Gaussian ধরে “±1σ” বানাবেন না। Historical software-এর জন্য scenario table ও model envelope অনেক সময় বেশি সৎ ও বোধগম্য।

Confidence interval বনাম model envelope

Confidence interval একটি formal statistical ধারণা। 95% confidence বলতে sample/model-এর সুস্পষ্ট statistical interpretation থাকতে হয়। শুধু তিনটি formula চালিয়ে সর্বনিম্ন ও সর্বোচ্চ result নেওয়া 95% confidence interval নয়।

Model envelope হলো নির্বাচিত plausible scenario-গুলোর minimum–maximum ফল। এর অর্থ:

ঘোষিত scenario set-এর মধ্যে event এই range-এ পড়েছে; এর বাইরে যাওয়ার probability সম্পর্কে এখানে দাবি করা হচ্ছে না।

তাই publication-এ “Confidence range” কথাটি ব্যবহার করলে সংজ্ঞা দিন। আরও নিরাপদ label:

• Scenario range;
• Model envelope;
• Sensitivity interval;
• Estimated range under tested assumptions।

Sensitivity test কীভাবে করবেন?

1. Baseline স্থির করুন: বর্তমান production model, settings ও location;
2. একটি factor বদলান: ΔT, ephemeris, location বা refraction;
3. Event আবার solve করুন: শুধু formatted time shift করবেন না;
4. Raw instant সংরক্ষণ করুন: JD(TT), JD(UT1) ও local time;
5. Rule পুনরায় চালান: event কোন sunrise/midnight side-এ পড়ছে দেখুন;
6. Minimum–maximum নিন: tested scenarios-এর envelope;
7. Outcome stability দেখুন: সব scenario একই Bengali day দেয় কি না;
8. Report করুন: baseline, alternatives, span এবং decision status।

One-at-a-time বনাম combined scenarios

One-at-a-time test কোন parameter সবচেয়ে sensitive তা বোঝায়। কিন্তু দুই বা তিনটি uncertainty একসঙ্গে একই দিকে গেলে কী হয় তা জানতে combined corner scenarios-ও দরকার। Parameter বেশি হলে blindly সব combination চালানো ব্যয়বহুল; domain-relevant bounds ও selected joint scenarios ব্যবহার করুন।

Illustrative scenario table

নিচের সংখ্যা কেবল পদ্ধতি বোঝানোর জন্য কাল্পনিক:

এখানে event-time range মাত্র ৩০ মিনিট হলেও calendar outcome stable নয়, কারণ envelope midnight অতিক্রম করেছে। তাই “৩০ মিনিট uncertainty” বলার চেয়ে “month-start decision model-dependent” বলা বেশি গুরুত্বপূর্ণ।

Threshold-risk analysis

পঞ্জিকায় uncertainty-র প্রভাব linear নয়। Event threshold থেকে অনেক দূরে থাকলে এক ঘণ্টার shift-ও outcome বদলাতে নাও পারে; threshold-এর কাছে থাকলে ৩০ second-ও দিন বদলাতে পারে। গুরুত্বপূর্ণ thresholds:

• স্থানীয় sunrise ও next sunrise;
• Local civil midnight;
• Aruṇodaya বা festival-specific moment;
• Tithi/nakṣatra/যোগ/করণ boundary;
• সংক্রান্তি-ভিত্তিক month-start cutoff;
• Eclipse contact ও local visibility threshold;
• Moon altitude/crescent-visibility threshold।

Margin-to-threshold

সব scenario-তে margin-এর sign একই হলে decision stable। Sign বদলালে threshold-crossing risk আছে। শুধু baseline-এর margin দেখানো যথেষ্ট নয়; scenario minimum ও maximum margin সংরক্ষণ করুন।

চারটি practical status

Public page-এ কীভাবে confidence দেখাবেন?

Formal probability না থাকলে High/Medium/Low-কে statistical confidence বলবেন না। এগুলোকে evidence grade বা calculation stability হিসেবে সংজ্ঞায়িত করুন:

• স্থিতিশীল: tested assumptions-এ event date ও applied rule অপরিবর্তিত;
• সীমা-সংবেদনশীল: date স্থির, exact clock time বা margin sensitive;
• মডেল-নির্ভর: accepted scenario-তে calendar outcome বদলায়;
• অপর্যাপ্ত তথ্য: meaningful range নির্ধারণের মতো evidence নেই।

Public summary ছোট রাখা যায়, কিন্তু “গণনা-পদ্ধতি” expandable section-এ baseline model, range ও tested alternatives দেখানো উচিত। গবেষণা export-এ পূর্ণ machine-readable trace রাখুন।

Display precision policy

C# sensitivity-report implementation

public sealed class HistoricalScenario
{
    public string Name { get; set; }
    public string DeltaTModel { get; set; }
    public double DeltaTSeconds { get; set; }
    public double Latitude { get; set; }
    public double Longitude { get; set; }
    public string LocalTimePolicy { get; set; }
    public string EphemerisProfile { get; set; }
}

public sealed class ScenarioResult
{
    public string ScenarioName { get; set; }
    public double EventJdTt { get; set; }
    public double EventJdUt1 { get; set; }
    public DateTime LocalEventTime { get; set; }
    public DateTime ThresholdTime { get; set; }
    public double MarginSeconds { get; set; }
    public string CalendarOutcome { get; set; }
}

Early historical date যদি DateTime-এর calendar/zone workflow-এ নিরাপদ না হয়, local representation-এর জন্য আলাদা year-month-day-hour structure রাখুন। Event solving raw JD-তেই করুন।

Report aggregate

public sealed class SensitivityReport
{
    public ScenarioResult Baseline { get; set; }
    public IList<ScenarioResult> Results { get; set; }
    public double EarliestJdUt1 { get; set; }
    public double LatestJdUt1 { get; set; }
    public double SpanSeconds { get; set; }
    public double MinimumMarginSeconds { get; set; }
    public double MaximumMarginSeconds { get; set; }
    public bool OutcomeIsStable { get; set; }
    public string StabilityLabel { get; set; }
}

Aggregate function—C# 5 compatible

static SensitivityReport BuildReport(
    ScenarioResult baseline,
    IList<ScenarioResult> results,
    double nearBoundarySeconds)
{
    if (baseline == null) throw new ArgumentNullException("baseline");
    if (results == null || results.Count == 0)
        throw new ArgumentException("At least one scenario is required.");

    double earliest = results.Min(x => x.EventJdUt1);
    double latest = results.Max(x => x.EventJdUt1);
    double minMargin = results.Min(x => x.MarginSeconds);
    double maxMargin = results.Max(x => x.MarginSeconds);
    bool stable = results.All(x =>
        String.Equals(x.CalendarOutcome,
            baseline.CalendarOutcome,
            StringComparison.Ordinal));

    string label;
    if (!stable || (minMargin < 0.0 && maxMargin >= 0.0))
        label = "Model-dependent";
    else if (results.Any(x =>
        Math.Abs(x.MarginSeconds) <= nearBoundarySeconds))
        label = "Near boundary";
    else
        label = "Stable";

    return new SensitivityReport
    {
        Baseline = baseline,
        Results = results,
        EarliestJdUt1 = earliest,
        LatestJdUt1 = latest,
        SpanSeconds = (latest - earliest) * 86400.0,
        MinimumMarginSeconds = minMargin,
        MaximumMarginSeconds = maxMargin,
        OutcomeIsStable = stable,
        StabilityLabel = label
    };
}

এই function ধরে নিয়েছে যে প্রতিটি scenario-র event নতুন করে solve করা হয়েছে। Baseline time-এ শুধু ΔT seconds যোগ-বিয়োগ করে সমস্ত downstream astronomy অপরিবর্তিত রাখা সব ক্ষেত্রে যথেষ্ট নয়।

Threshold crossing-এর inclusive policy

Margin ঠিক zero হলে before না after—এটি rule-specific। তাই generic aggregator-এ equality policy hard-code না করে rule engine থেকে outcome আনুন। উদাহরণ:

public enum BoundaryRelation
{
    Before,
    ExactlyAt,
    After
}

static BoundaryRelation CompareJd(
    double eventJd,
    double thresholdJd,
    double numericalToleranceDays)
{
    double difference = eventJd - thresholdJd;
    if (Math.Abs(difference) <= numericalToleranceDays)
        return BoundaryRelation.ExactlyAt;
    return difference < 0.0
        ? BoundaryRelation.Before
        : BoundaryRelation.After;
}

numericalToleranceDays solver noise সামলায়; এটি historical uncertainty band নয়। দুইটি tolerance আলাদা property ও আলাদা নাম দিয়ে রাখুন।

HTML, XML ও API-তে কী রাখবেন?

Public HTML summary

<div class="historical-confidence model-dependent">
  <strong>গণনার স্থিতি: মডেল-নির্ভর</strong>
  <span>পরীক্ষিত সময়সীমা: ২৩:৪৮–০০:১৮</span>
  <span>Midnight boundary অতিক্রম করেছে</span>
</div>

Research XML

<event type="mesha-sankranti"
       status="model-dependent"
       baseline_jd_ut1="..."
       earliest_jd_ut1="..."
       latest_jd_ut1="..."
       span_seconds="..."
       threshold="local-midnight"
       min_margin_seconds="..."
       max_margin_seconds="...">
  <scenario name="baseline" delta_t_model="..." />
  <scenario name="alternate-a" delta_t_model="..." />
</event>

API principles

• displayTime এবং raw JD আলাদা field;
• rangeType—model-envelope না statistical interval;
• status—stable/near-boundary/model-dependent/indeterminate;
• testedScenarios array;
• thresholdMargins machine-readable;
• calculationVersion ও source/model citations।

Validation checklist

1. Baseline scenario explicitly identified;
2. Every alternate scenario named;
3. ΔT model/version recorded;
4. Ephemeris engine/version recorded;
5. Tidal acceleration setting recorded;
6. Location coordinates recorded;
7. Local-time policy recorded;
8. Calendar mode recorded;
9. Rule profile/version recorded;
10. Event re-solved for each scenario;
11. All root solves use same convergence policy;
12. Raw JD(TT) retained;
13. Raw JD(UT1) retained;
14. Display time calculated after solving;
15. Earliest result equals scenario minimum;
16. Latest result equals scenario maximum;
17. Span converts days to seconds correctly;
18. Threshold instant calculated per scenario;
19. Minimum margin retained;
20. Maximum margin retained;
21. Negative-to-positive margin flags crossing;
22. Exact-zero equality policy tested;
23. Numerical tolerance separate;
24. Historical uncertainty separate;
25. All outcomes compared, not only times;
26. Stable outcome can still be near-boundary;
27. Model-dependent outcome never labeled stable;
28. Missing evidence can produce indeterminate;
29. Model envelope not labeled 95% CI;
30. Formal CI includes statistical definition;
31. Systematic and random terms distinguished;
32. Correlated scenarios not treated independent;
33. One-at-a-time sensitivity available;
34. Relevant combined scenarios available;
35. Sunrise threshold tested;
36. Midnight threshold tested;
37. Next-sunrise threshold tested;
38. Tithi boundary tested;
39. Sankranti month-start rule rerun;
40. Dual J/G labels use same event instant;
41. Output precision follows uncertainty;
42. Seconds hidden when unsupported;
43. Public summary includes stability status;
44. Research view includes all scenarios;
45. XML range fields parse as invariant numbers;
46. API schema distinguishes null from zero;
47. Regression fixture stores scenario inputs;
48. Model update triggers comparison report;
49. Threshold-crossing changes require review;
50. Published result is reproducible from metadata।

সাধারণ ভুল ও সমাধান

উপসংহার

ঐতিহাসিক astronomical result-এর quality শুধু decimal places দিয়ে বিচার করা যায় না। Model, observation, time-scale conversion, location ও calendar rule—প্রতিটি layer-এর uncertainty থাকতে পারে। একটি ভালো system baseline result-এর পাশাপাশি plausible scenario-গুলোর range এবং decision stability পরীক্ষা করে।

Formal probability model না থাকলে “95% confidence” দাবি না করে model envelope বা sensitivity interval প্রকাশ করুন। সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন হলো event-time কত minute বদলেছে তা নয়; সেই পরিবর্তনে sunrise, midnight বা অন্য rule threshold অতিক্রম করে পঞ্জিকার outcome বদলেছে কি না।

এই পদ্ধতিতে historical page একই সঙ্গে ব্যবহারযোগ্য ও গবেষণাসৎ হয়: সাধারণ পাঠক একটি পরিষ্কার stability label পান, আর গবেষক raw JD, assumptions, scenario range এবং applied-rule trace পরীক্ষা করতে পারেন।

তথ্যসূত্র ও আরও পাঠ

1. NASA/GSFC—Delta T and Universal Time; historical observations, Earth rotation ও ΔT reconstruction.
2. NASA/GSFC—Historical Values of Delta T; historical datasets ও model comparisons.
3. NASA/GSFC—Accuracy of Eclipse Predictions; historical ΔT ও eclipse prediction limitations.
4. NASA/GSFC—Polynomial Expressions for Delta T; interval-specific approximation models.
5. U.S. Naval Observatory—Delta T products; observed/predicted ΔT data products.
6. USNO/IERS Bulletin A; current Earth-orientation determinations ও predictions.
7. Swiss Ephemeris Programmer’s Documentation; ΔT, ephemeris settings ও historical calculation interface.