ارسم بياناتك أولاً دائماً
قبل إجراء أي اختبار إحصائي أو حساب أي إحصاء وصفي، ثمة قاعدة واحدة ينبغي لكل محلل بيانات اتباعها: ارسم بياناتك أولاً. يكشف تمثيل التوزيع بيانياً أشياء لا تستطيع الأرقام وحدها كشفها — الشكل، ووجود قيم شاذة، وما إذا كانت ثمة مجموعات فرعية، ومدى استيفاء البيانات للافتراضات التي يتطلبها التحليل المزمع إجراؤه.
أبرز الإحصائي فرانسيس أنسكومب هذه النقطة بشكل لا يُنسى عام 1973 بما بات يُعرف بـرباعي أنسكومب: أربع مجموعات بيانات ذات وسطات وتباينات وارتباطات شبه متطابقة، ومع ذلك فأشكالها البيانية مختلفة جذرياً. والدرس لم يتغير: قد تُضلّل الإحصاءات الموجزة؛ أما الصور فتكشف الحقيقة.
لكل مجموعة من المجموعات الأربع نفس الوسط الحسابي (~7.5) والتباين (~4.12) والارتباط (~0.816) وخط الانحدار تقريباً. ومع ذلك، إحداها خطية، وأخرى منحنية، وثالثة تحتوي قيمة شاذة، ورابعة تكاد تكون بلا تباين في X. بدون الرسم، ستعاملها جميعاً بالطريقة ذاتها.
ارسم أولاً، احسب ثانياً. الأرقام تلخّص؛ الصور تكشف.المدرّجات التكرارية
المدرّج التكراري هو الأداة الأساسية لتمثيل التوزيع بيانياً. يقسّم نطاق المتغير إلى فترات متجاورة غير متداخلة تُسمى الفئات، ويحسب عدد الملاحظات الواقعة في كل فئة، ثم يرسم عموداً يعكس ارتفاعه ذلك العدد. وعلى خلاف المخططات العمودية للبيانات الفئوية، تتلاصق أعمدة المدرّج التكراري — وهذا التلاصق يُشير إلى أن المتغير الضمني مستمر.
قراءة المدرّج التكراري بديهية: الأعمدة المرتفعة تدل على تمركز القيم؛ الأعمدة القصيرة تدل على مناطق متفرقة؛ والفجوات تُشير إلى مجموعات فرعية محتملة أو تناقضات في القياس.
عرض الفئة هو القرار الأهم في بناء المدرّج التكراري. فئات قليلة جداً تُفرط في التمهيد وتُخفي الميزات المهمة؛ فئات كثيرة جداً تجعل الضوضاء العشوائية تطغى وتحجب الأنماط الحقيقية.
تقترح قاعدة ستيرجس k = 1 + log₂(n) فئة كنقطة انطلاق. وتُحدد قاعدة سكوت عرض الفئة بـ 3.49σn⁻¹/³. كلتاهما إرشاديتان — جرّب دائماً عدة عروض مختلفة.
أشكال التوزيع
من أثمن ما يمكن أن يكشفه المدرّج التكراري شكل التوزيع. الشكل ليس مجرد جانب جمالي — بل يُحدد أي الأساليب الإحصائية مناسبة وأي الإحصاءات الموجزة أكثر إفادة.
التوزيعات المتماثلة تتسم بمظهر يشبه صورة المرآة حول مركزها. التوزيع الاعتدالي (الطبيعي) هو النموذج المثالي. بالنسبة للبيانات المتماثلة، يتقارب الوسط الحسابي والوسيط والمنوال، وكلاهما إحصاء موجز جيد.
التوزيعات الملتوية يميناً (موجبة الالتواء) لها ذيل طويل يمتد إلى اليمين. الدخل والثروة وعدد سكان المدن كثيراً ما تتبع هذا النمط: تتمركز معظم القيم في الطرف المنخفض، وتشدّ قيم متطرفة قليلة الذيلَ بعيداً إلى اليمين. هنا يُشال الوسط الحسابي فوق الوسيط — والوسيط مقياس أكثر متانة.
التوزيعات الملتوية يساراً (سالبة الالتواء) تعكس ذلك، بذيل طويل إلى اليسار. درجات الاختبارات في امتحان سهل (معظم الطلاب يؤدون جيداً، وقلة يحصلون على درجات منخفضة جداً) غالباً ما تُظهر التواءً أيسر.
التوزيعات ثنائية القمة تُظهر قمتين متمايزتين، مما يُشير إلى أن البيانات قد تحتوي مجتمعَين فرعيَّين. دمج أوقات التنقل الصباحي والمسائي، أو أطوال أجسام عينة من الجنسَين معاً دون فصل، كثيراً ما يُنتج ازدواجية في القمم.
التوزيعات المنتظمة تُظهر تكراراً متقارباً تقريباً عبر جميع القيم. رمي نرد عادل مرات كثيرة ينبغي أن يُعطي مدرّجاً تكرارياً شبه منتظم.
قياس الالتواء
يُخبرنا الفحص البصري باتجاه الالتواء، لكن يمكننا قياسه بـإحصاء الالتواء — العزم المركزي الثالث المعياري. تُشير القيمة القريبة من الصفر إلى التماثل؛ وتُشير القيم الموجبة إلى التواء أيمن؛ والقيم السالبة إلى التواء أيسر.
مخططات الكثافة وتقدير كثافة النواة
يستبدل مخطط الكثافة المدرّجَ التكراريَّ بمنحنى مستمر سلس. يُنتَج باستخدام تقدير كثافة النواة (KDE): يُوضع عند كل نقطة بيانات دالة نواة (عادةً غاوسية)، ثم تُجمع كل النوى. النتيجة تقدير سلس لدالة الكثافة الاحتمالية الضمنية.
الميزة الرئيسية لـ KDE على المدرّجات التكرارية أنه يُزيل مشكلة حدود الفئات الاعتباطية. تحريك حد فئة قليلاً في المدرّج التكراري قد يُغير الفئة التي تقع فيها قيمة ما؛ لا توجد مثل هذه الانقطاعات في KDE. تساوي المساحة تحت منحنى KDE دائماً 1، لذا يمكن تفسيره كثافةً احتمالية.
يؤدي عرض النطاق h الدور ذاته الذي يؤديه عرض الفئة في المدرّج التكراري. تعمل قاعدة سيلفرمان الإرشادية — h = 1.06σn⁻¹/⁵ — جيداً عندما تكون البيانات اعتدالية تقريباً. بالنسبة للبيانات متعددة القمم، غالباً ما تكشف عروض النطاق الأصغر بنية أكثر.
مخططات Q-Q: فحص الاعتدالية
تفترض كثير من الأساليب الإحصائية أن البيانات تتبع التوزيع الاعتدالي. يُوفر مخطط الكميّات-الكميّات (Q-Q) اختباراً بصرياً لهذا الافتراض. يرسم كميّات بياناتك على المحور الرأسي مقابل الكميّات المقابلة للتوزيع الاعتدالي على المحور الأفقي.
إذا كانت البيانات اعتدالية تماماً، تقع جميع النقاط على الخط القطري بالضبط. الانحرافات عن الخط تكشف مخالفات الاعتدالية:
النقاط تنحني فوق الخط في الذيل الأيمن: البيانات ذات ذيول أثقل من الاعتدالي.
النقاط تنحني تحت الخط في الذيل الأيمن: البيانات ذات ذيول أخف من الاعتدالي.
المنحنيات على شكل S: تُشير إلى التواء. S تصاعدي يدل على التواء أيمن؛ S تنازلي يدل على التواء أيسر.
النقاط على الخط: البيانات تتطابق مع التوزيع المرجعي (مثلاً الاعتدالي).
النقاط تنحني للخارج في الطرفين: ذيول ثقيلة — قيم متطرفة أكثر من المتوقع.
النقاط تنحني للداخل في الطرفين: ذيول خفيفة — قيم متطرفة أقل من المتوقع.
دالة التوزيع التجريبي
دالة التوزيع التجريبي (ECDF) هي ربما التمثيل الأكثر أمانة للتوزيع: لا تُجري أي اختيارات في التقسيم أو التمهيد، وكل نقطة بيانات ممثَّلة بدقة. تُعطي ECDF عند أي قيمة x نسبة نقاط البيانات الأقل من أو تساوي x.
ECDF دالة درجية: تبدأ من 0، وتقفز بمقدار 1/n عند كل نقطة بيانات، وتصل إلى 1 عند أكبر ملاحظة. مفيدة بشكل خاص لمقارنة توزيعَين: ارسم كليهما على المحاور ذاتها والفجوة بينهما عند أي قيمة x تُظهر الفرق في الاحتمال التراكمي عند تلك النقطة.
المخططات الجذعية والورقية
قبل توافر الرسومات الحاسوبية، كان الإحصائيون يستخدمون المخططات الجذعية والورقية لتمثيل التوزيعات مع الاحتفاظ بقيم البيانات الفردية. تُقسَّم كل ملاحظة إلى جذع (الرقم أو الأرقام الرئيسية) وورقة (الرقم اللاحق). يُشبه تدوير المخطط الجذعي والورقي 90 درجة مدرّجاً تكرارياً — لكن مع الاحتفاظ بكل قيمة بعينها.
تناسب المخططات الجذعية والورقية مجموعات البيانات الصغيرة (أقل من ~100 ملاحظة) وتكاد تختفي من البرمجيات الحديثة، لكنها لا تزال نموذجاً ذهنياً مفيداً: تُذكّرنا بأن المدرّج التكراري تجميع لنقاط بيانات فردية، لا دالة رياضية سلسة.
اختيار الأداة المناسبة
لكل تمثيل بياني مكانه الطبيعي:
المدرّج التكراري: الأفضل لنظرة أولى سريعة على متغير واحد. استخدمه عندما تكون مجموعة البيانات كبيرة بما يجعل النقاط الفردية تُربك المخطط.
KDE: الأفضل للمقارنات السلسة — خاصة عند تراكب مجموعات متعددة على المخطط ذاته. المنحنى السلس أسهل للمقارنة البصرية من المدرّجات المتداخلة.
مخطط Q-Q: الأفضل للتحقق من استيفاء البيانات لافتراض توزيعي محدد (عادةً الاعتدالية) قبل تطبيق اختبار معلمي.
ECDF: الأفضل عندما تحتاج مقارنة دقيقة بين توزيعَين، أو عندما تريد قراءة الشريحات المئوية بدقة دون تحيز التمهيد.
- ارسم بياناتك دائماً قبل حساب الإحصاءات — يُظهر رباعي أنسكومب أن ملخصات متطابقة يمكن أن تخفي أشكالاً مختلفة تماماً.
- تكشف المدرّجات التكرارية شكل التوزيع لكنها تعتمد على اختيار عرض الفئة؛ جرّب عروضاً متعددة قبل الاستقرار على أحدها.
- يُزيل KDE مشكلات حدود الفئات وهو مثالي للمقارنات السلسة بين المجموعات؛ يؤدي عرض النطاق دور عرض الفئة.
- تختبر مخططات Q-Q ما إذا كانت البيانات تتطابق مع توزيع نظري؛ الانحرافات عن الخط القطري تكشف الالتواء وسلوك الذيل.
- ECDF التمثيل الأدق — لا تمهيد، كل نقطة مرئية — وهي مثالية للمقارنات الدقيقة بين التوزيعات.