حاسبة الإحصاء

الإحصاءات الوصفية تكثف مجموعة البيانات في أرقام ملخصة ذات مغزى. تماماً مثل استخدام حاسبة الوقت لإجراء حساب ساعات العمل أو حساب عدد الساعات والدقائق بدقة، فإن هذه المقاييس تبسط البيانات المعقدة لتسهيل فهمها:

• تخبرك مقاييس النزعة المركزية (المتوسط، الوسيط، المنوال) بمكان مركز البيانات.
• تخبرك مقاييس التشتت (المدى، التباين، الانحراف المعياري، المدى الربيعي IQR) بمدى انتشار القيم وتشتتها.
• تصف مقاييس الشكل (الالتواء والتفرطح) تماثل التوزيع وسلوك الذيلين.

تعطي هذه الإحصاءات مجتمعة صورة كاملة لبياناتك دون الحاجة إلى النظر في كل قيمة فردية.

عندما تمثل بياناتك مجتمعاً كاملاً، فإنك تقسم على N للحصول على تباين المجتمع والانحراف المعياري له. وعندما تكون بياناتك عبارة عن عينة مسحوبة من مجتمع أكبر، فإنك تقسم على N-1 (تعديل بيسل) للحصول على تقدير غير متحيز.

يكون الانحراف المعياري للعينة دائماً أكبر قليلاً من الانحراف المعياري للمجتمع لنفس مجموعة البيانات.

بالنسبة لقيم N الكبيرة، يكون الفرق ضئيلاً، ولكن بالنسبة للعينات الصغيرة، فإن هذا التعديل يكتسب أهمية كبيرة.

• المتوسط هو مجموع كل القيم مقسوماً على عددها
• الوسيط هو القيمة الوسطى للبيانات المرتبة
• المنوال هو القيمة الأكثر تكراراً

بالنسبة لمجموعة البيانات {68, 72, 76, 78, 82, 85, 88, 90, 91, 95}، فإن معرفة كيفية حساب المعدل تعطي متوسطاً قدره 825 مقسوماً على 10، أي 82.5. ومع وجود عدد زوجي من القيم (10 قيم)، فإن الوسيط يحسب متوسط الرقمين الأوسطين، (82 + 85) / 2 = 83.5. لا تتكرر أي قيمة، وبالتالي لا يوجد منوال لهذه المجموعة.

وكما توضح منصة خان أكاديمي (Khan Academy)، فإن هذه المقاييس الثلاثة للنزعة المركزية تجيب على أسئلة مختلفة، لذا فإن تقديم المقاييس الثلاثة معاً يعطي صورة أشمل وأدق من الاعتماد على مقياس واحد فقط.

التباين هو متوسط مربعات الانحرافات عن المتوسط، والانحراف المعياري هو الجذر التربيعي للتباين.

عليك أولاً القيام بما يلي:

• طرح المتوسط من كل قيمة
• تربيع كل نتيجة
• جمع هذه النتائج معاً

يقسم تباين المجتمع ذلك المجموع على N؛ بينما يقسم تباين العينة على N-1. بالنسبة لدرجات الاختبار العشرة بمتوسط 82.5، يبلغ تباين العينة حوالي 78.28 والانحراف المعياري للعينة حوالي 8.85.

يشير موقع Wolfram MathWorld إلى أن تربيع الانحرافات يزيل الإشارات السالبة ويعطي وزناً أكبر للانحرافات الكبيرة عن المتوسط، ولهذا السبب يعد الانحراف المعياري المقياس الأكثر استخداماً للتشتت في علم الإحصاء.

تقسم الربيعيات البيانات المرتبة إلى أربعة أجزاء متساوية:

• الربع الأول (Q1) هو المئين الـ 25
• الربع الثاني (Q2) هو الوسيط
• الربع الثالث (Q3) هو المئين الـ 75

يساوي المدى الربيعي (IQR) الربع الثالث (Q3) ناقص الربع الأول (Q1)، وهو يمثل تشتت الـ 50% الوسطى من البيانات. بالنسبة للمجموعة {68, 72, 76, 78, 82, 85, 88, 90, 91, 95}، فإن Q1 هو 76، وQ3 هو 90، وبالتالي فإن المدى الربيعي IQR = 90 - 76 = 14.

أما الملخص الخماسي — القيمة الصغرى، Q1، الوسيط، Q3، القيمة العظمى — فهو 68، 76، 83.5، 90، 95. ويصف دليل NIST/SEMATECH الإلكتروني للطرق الإحصائية هذا الملخص بأنه الأساس لإنشاء المخطط الصندوقي (box plot).

يقيس الالتواء عدم تماثل التوزيع، بينما يقيس التفرطح مدى ثقل ذيليه.

يشير الالتواء الصفري إلى توزيع متماثل؛ بينما تشير القيمة الموجبة إلى ذيل أيمن أطول، والقيمة السالبة إلى ذيل أيسر أطول.

يقارن التفرطح وزن الذيل بالتوزيع الطبيعي، الذي يبلغ تفرطحه 3، أو تفرطحه الزائد 0. ويعني التفرطح الأعلى ذيولاً أثقل وقيمًا متطرفة أكثر حدة.

وفقاً لموقع Wolfram MathWorld، فإن هذين العزمين المعياريين الثالث والرابع يوسعان وصف مجموعة البيانات إلى ما هو أبعد من المركز والتشتت، مما يكشف عن خصائص الشكل التي لا يمكن للمتوسط والانحراف المعياري التقاطها بمفردهما.

يُعرف معامل الاختلاف (CV) بأنه الانحراف المعياري مقسومًا على المتوسط، ويُعبر عنه بنسبة مئوية: CV = (SD / mean) x 100%.

ونظرًا لأنه ليس له وحدة قياس، يتيح لك معامل الاختلاف مقارنة التباين بين مجموعات البيانات المقاسة بوحدات مختلفة أو بمقاييس مختلفة. بالنسبة لدرجات الاختبار العشرة، يبلغ معامل الاختلاف تقريبًا 8.85 / 82.5 × 100%، أي حوالي 10.7%، مما يشير إلى تباين منخفض نسبيًا.

وتصف الموسوعة البريطانية (Encyclopaedia Britannica) معامل الاختلاف بأنه مقياس موحد للتشتت. وبناءً على قاعدة عامة شائعة، يُعتبر معامل الاختلاف الذي يقل عن 15% منخفضًا، والذي يزيد عن 30% مرتفعًا، على الرغم من أن الحدود المثالية تعتمد على مجالك وسياقك.

تخبرك الرتبة المئينية بالنسبة المئوية للقيم في مجموعة البيانات التي تقل عن قيمة معينة، لذا فهي تعتمد بشكل مباشر على معرفة كيفية حساب النسب المئوية. الصيغة البسيطة هي: الرتبة المئينية = (عدد القيم الأقل من x / العدد الإجمالي) × 100.

إذا كانت 7 من أصل 10 درجات في الامتحان أقل من درجتك، فإن رتبتك المئينية هي 70، مما يعني أنك حصلت على درجة أعلى من 70% من المجموعة. وتُعد المئينات أساسًا للعديد من أنظمة التقارير القياسية، بدءًا من درجات الاختبارات وحتى مخططات نمو الأطفال.

وتؤكد منصة خان أكاديمي (Khan Academy) أن المئينات تصف الموضع النسبي بدلاً من القيمة المطلقة، ولهذا السبب تصبح الدرجة الخام أكثر قابلية للتفسير بمجرد معرفة المئينية التي تقابلها.

تظهر الإحصاءات الوصفية في كل مجال كمي تقريبًا.

• في التصنيع، تستخدم برامج 'سيكس سيغما' (Six Sigma) الانحرافات المعيارية لتحديد معدلات العيوب وقدرة العمليات.
• في التمويل، يقيس الانحراف المعياري تقلب العوائد، بينما يقدر المتوسط الحسابي العائد المتوقع.
• تعتمد وكالات الصحة العامة على الوسيط والمئينات لتلخيص النتائج عبر المجموعات السكانية، ويستخدمها المعلمون لتفسير أداء الاختبارات.

ويوضح دليل NIST/SEMATECH الإلكتروني للطرق الإحصائية كيف تدعم الإحصاءات التلخيصية مراقبة الجودة والتحليل التجريبي. وسواء كنت تقوم بتصحيح الامتحانات، أو مراقبة خط إنتاج، أو مقارنة المحافظ الاستثمارية، فإن هذه المقاييس تحول الأرقام الخام إلى قرارات يمكنك الدفاع عنها.

تصف القاعدة التجريبية، أو قاعدة 68-95-99.7، كيفية انتشار البيانات في التوزيع الطبيعي:

• يقع ما يقرب من 68% من القيم ضمن انحراف معياري واحد من المتوسط الحسابي
• ويقع حوالي 95% ضمن انحرافين معياريين
• ويقع حوالي 99.7% ضمن ثلاثة انحرافات معيارية

على سبيل المثال، إذا كان للامتحان متوسط حسابي قدره 82.5 وانحراف معياري قدره 8.85 تقريبًا، فإن حوالي 95% من الدرجات ستقع بين 64.8 و 100.2 إذا كانت البيانات موزعة توزيعًا طبيعيًا.

وتشير الموسوعة البريطانية (Encyclopaedia Britannica) إلى أن هذه القاعدة هي السبب وراء استخدام الانحراف المعياري على نطاق واسع: فهي تحول التشتت المجرد إلى نطاقات احتمالية ملموسة يمكنك الاستناد إليها.

• الخطأ الأكثر شيوعًا هو الخلط بين صيغ العينة والمجتمع: فالقسمة على N عندما تكون بياناتك مجرد عينة يقلل من التباين الحقيقي، لذا استخدم N-1 (تصحيح بيسل) للعينات.
• خطأ آخر هو عدم ترتيب البيانات قبل إيجاد الوسيط أو الربيعيات، مما يؤدي إلى نتائج لا معنى لها.
• يخلط الناس أيضًا بين المنوال (القيمة الأكثر تكرارًا) والمتوسط الحسابي، أو يحددون منوالاً لبيانات تكون فيها كل قيمة فريدة.
• أخيرًا، تذكر أن المتوسط الحسابي حساس للقيم المتطرفة بينما الوسيط قوي ومقاوم لها، لذا فإن قيمة متطرفة واحدة يمكن أن تشوه متوسطك.

تأكد دائمًا من الإحصاء الذي يجيب بشكل أفضل على سؤالك المحدد قبل استخلاص النتائج، ويمكنك الاستعانة بأدوات مثل الحاسبة العلمية لتجنب هذه الأخطاء الحسابية وتسهيل العمليات الإحصائية.