آئو وطن آباد کر یں
نحمدہ ونصلی علی رسولہ الکریم امّا بعد فاعوذ بااللہ من الشیطن الرجیم
بسم اللہ الرحمن الرحیم
معزز اسا تذہ کرام اور میرے ہم مکتب ساتھیو!
آج مجھے جس موضوع پر اظہار خیال کرنا ہے وہ ہے:’’آؤوطن آباد کر یں‘‘
صدرِذی وقار!
وطن کی محبت ایمان سے ہے، وطن سے والہانہ عقیدت ایمان کا حصہ ہے، وطن ہے تو ہم ہیں ، وطن ہے تو ہمارا وجود قائم ہے، وطن کی خوشبو سے ہمارے دماغ معطر رہتے ہیں،وطن کے صحرودر یا ہمارا سرمایہ ہیں، وطن کے شجر وحجر ہمارا اثاثہ ہیں۔
محترم صدر!
اگر یہ الفاظ ہم دِل کی اتھاہ گہرائیوں سے کہتے ہیں، تو ہم قابلِ فخر ہیں، ہماری حیات کی ساعتیں قابلِ صد مبارکباد ہیں، ہمارے وطن کے بارے میں تصورات یقینا صائب ہیں، ہماری محبت واقعی وطن کے لیے حقیقی ہے، ہمارا خیال اپنی سرزمین کے لیے واقعی طلسماتی اور کرشماتی ہے۔
صدرِمحترم!
وطن سے محبت اور وطن کی آبادکاری دماغ کے سوچنے کانام ہیں، وطن کی تعمیر صرف زبان کے اظہار کا نام نہیں ،وطن کے گلشن کی تز ئین صرف جسم کی حرکات کا نام نہیں ، وطن سے محبت اور پیار صرف قول و قرار کانام نہیں۔
معزز سامعین!
وطن سے محبت کرنی ہے تو وطن کے افراد سے محبت کرنا ہوگی ، وطن کے در و دیوار سے محبت کرنا ہوگی ، وطن کے نقصان کو اپنا نقصان سمجھنا ہوگا ، وطن کے مفاد کو اپنے مفادات پر ترجیح دینا ہوگی ، وطن کی تعمیر میں لاثانی اور مثالی کردار ادا کرنا ہو گا کیوں کہ وطن ہی ہماری آن ہے، وطن سے ہماری شان ہے وطن ہے تو ہم ہیں وطن نہیں ہے تو ہم بھی نہیں ہیں کیونکہ یہی وطن ہی تو ہماری شناخت ہے۔
اقوام کے وجود...
The era of caliphate was the golden era of Islam. In this era the boundaries of Islamic state spread far and wide. From the caliphate of Abubakkar saddique (RA) Islamic conquest had started. At that time the Muslim armies reached Syria and Byzentine. But the first arrival of sahaba in Afghanistan was in the caliphate of Hazrat Umar (RA). The torchbearer of Islam came here for the preaching of Islam and to lead these people and turn their lives according to Quran and Sunnah. Before the advent of Islam Afghanistan was the centre of Buddhist and other several faiths. Through the efforts of these companions of Muhammad (S.A.W) Islam got spread through the mountains and deserts of Afghanistan and all the Pathan tribes enter in the holy deen. In the following lines we will discuss thier efforts and journeys towards Afghanistan.
An important problem in Multilevel Modeling (MLM) is to find sufficient sample size for accurate estimation purposes. In MLM apart from the general factors of sample size estimation i.e. the test size, the effect size, SE (standard error) of the effect size and power of the test, additional factors like, magnitude of the ICC (Intra Class Correlation), total number of clusters, the number of parameters to be estimated, and the information whether the design is balanced or unbalanced may play a significant role. In this study, the significance of these factors in the context of MLMs is evaluated and their mutual relationship is explored through simulation study. It is found that little problem will arise in estimation of sample size for fitting multi-level model if standardized effect size δ is 0.2 or lower and intra-class correlation ρ is also low (0.05 or less), here substantial power (0.80) can be achieved when J (Number of clusters) is 50 or more. A small upward shift in the ρ (0.1), causes alarming increase in the total number of clusters to be sampled. Secondly, it is observed that the number of clusters to be sampled is playing a greater role in power enhancement as compared to cluster size. Thirdly, significant changes in the power of estimation are observed when the effect size δ increases from 0.2 to 0.4. Fourthly, the level II covariate (with R2= 0.3, 0.6) if added in the model in the model it can significantly increase power of the multilevel models even in the presence of small number of clusters. Two methods of estimation commonly used for multilevel modeling, IGLS (Iterative Generalized Least Square Method) and MCMC (Monte Carlo Markov Chain) are compared with variety of models using limited and extended simulations. The study reveals that the MCMC estimates for the fixed effect is superior to its counterpart IGLS on all the three grounds i.e. unbiasedness, efficiency, and the proportion of the true value captured by the confidence interval/credible interval. As far as estimation of the random effect is concerned, MCMC is better on the proportion of the true value covered, however, IGLS gain considerable lead on the unbiased and efficiency criterion. Further, it is observed that MCMC respond more positively to the extended simulations as compared to IGLS.