أساسيات التوزيع الطبيعي في الإحصاء

يوصف التوزيع الإحصائي الطريقة التي تتوزع بها قيم متغير، مع بيان كثرة ظهور كل قيمة أو احتمالها. ومن خلاله يمكن معرفة أين تتركز القياسات، وكم تتباعد، وما احتمال وقوع قيمة ضمن مجال معين. بهذه الطريقة تتحول الأرقام إلى صورة كمية قابلة للتفسير والمقارنة.

التوزيع الطبيعي، المعروف أيضًا بالتوزيع الغاوسي، يفترض شكلًا متناظرًا حول المتوسط وتركزًا متدرجًا نحو المركز. ظهر هذا النموذج في وصف فروق القياس والتغيرات الطبيعية، ثم صار أساسًا مهمًا في الإحصاء والاستدلال والتقدير. وهو يصف نموذجًا احتماليًا دقيقًا عندما تنطبق شروطه، أو تقريبًا مفيدًا في حالات كثيرة.

تكمن فائدته في تحويل فروق القيم إلى معايير قابلة للمقارنة، وتقدير الاحتمالات، وفهم حجم عدم اليقين في النتائج. غير أن تطبيقه بلا فحص قد يؤدي إلى استنتاج خاطئ، خصوصًا إذا كانت البيانات منحازة أو كثيفة الذيل. لذلك يحتاج فهم النموذج إلى الانتباه إلى الافتراضات بقدر الاهتمام بالمعادلات.

مفهوم التوزيع الطبيعي

المتغير العشوائي هو مقدار يتغير بين الحالات، مثل وزن فرد أو زمن انتظار في خدمة. وعندما يكون المتغير متصلًا، لا يمكن حصر كل قيمة ممكنة في قائمة منتهية؛ لذلك نصفه بكثافة الاحتمال، التي تبين شدة تركز القيم قرب كل نقطة، لا احتمال نقطة بعينها.

التوزيع الطبيعي حالة خاصة من التوزيعات المستمرة، يتسم بالتناظر والتركيز حول المتوسط. ويمكن الرجوع إلى توضيح مفهوم التوزيع لربط صيغته الرياضية بصورة مبسطة، مع الانتباه إلى أن قراءة ارتفاع المنحنى وحده لا تكفي لتفسير الاحتمال.

مساحة المنطقة تحت المنحنى كله تساوي واحدًا، بينما تمثل مساحة جزء محدد احتمال وقوع القيم داخله. وتوصف هذه العائلة عادةً بوسطين: (\mu) للمتوسط و(\sigma^2) للتباين. ولأن الموقع والانتشار يحددان المعاملين، فإن كل منحنى طبيعي يختلف عن غيره بمقدار التباين وموضع مركزه.

شكل المنحنى وخصائصه

شكل المنحنى جرسي متناظر، وله طرفان يمتدان في الاتجاهين دون أن يتوقفا عند حد معين. ويظل التناظر واضحًا: المسافة عن المتوسط إلى اليسار تطابق المسافة إلى اليمين، وينطبق ذلك على القيم كلها. لذلك يسهل وصف الموقع بالنسبة إلى المركز، حتى مع تباين كبير في الأبعاد.

عند التماثل الكامل يتطابق المتوسط والوسيط والمنوال، وهي مؤشرات التمركز الثلاثة. أما الانحراف المعياري فيصف عرض المنحنى، لا موضعه؛ فزيادته تبعد الأطراف عن المركز، وتقريبها تجعلها تتجمع قربه أكثر. ويظل المتوسط مركزًا ثابتًا مهما تغيّر مقدار الانتشار.

لا يمثل ارتفاع المنحنى احتمال القيمة عند نقطة واحدة، بل كثافة القيم حولها. لذلك قد يبدو منحنى أضيق أعلى عند المتوسط، ومع ذلك يمنح مساحة أكبر بين حدين قريبين من المركز، لأن العرض والارتفاع معًا يحددان المساحة. ولهذا يجب تحويل المساحة إلى احتمال، لا الارتفاع إلى احتمال.

المتوسط والانحراف المعياري

المتوسط (\mu) يحدد مركز التوزيع، والانحراف المعياري (\sigma) يحدد مقدار تشتت القيم حوله. فإذا كان طول مجموعة من الأشخاص يتوزع طبيعيًا بمتوسط 170 سنتيمترًا وانحراف معياري 5 سنتيمترات، تكون القيم الأقرب إلى 170 أكثر شيوعًا من 200، وتكون 180 على بعد انحرافين معياريين.

يقاس التباين (\sigma^2) بمربع الانحراف المعياري، ولذلك تكون وحدته مربعة وحدة القياس. ويبقى معنى الانحراف أسهل عند القراءة لأنه يعود إلى الوحدة الأصلية، مثل السنتيمتر أو الثانية. وتغيير وحدة القياس، من السنتيمتر إلى المتر مثلًا، يتطلب-square square but may not need mention.

عند العمل مع بيانات عينات، نستعمل (\bar{x}) و(s) لتقدير المتوسط والانحراف المعياري للمجتمع. وكلما كبرت العينة، قلّ عدم اليقين في هذه التقديرات عادةً، لكن ذلك لا يزيل تحيز جمع البيانات أو يماثل بين أفراد غير متجانسين. ولهذا يبقى وصف المصدر مهمًا بقدر دقة الحساب.

وجه المقارنة	التوزيع الطبيعي	التوزيع غير المتماثل
التمركز	يتطابق المتوسط والوسيط والمنوال	قد تختلف هذه المؤشرات حسب درجة الانحياز
التناظر	الجانبان حول المتوسط متساويان	يميل أحد الجانبين إلى التمدد
الأطراف	متناظرة وبطيئة التلاشي	تظهر ذيل أطول في جهة
قراءة الدرجات القياسية	تُفسر مباشرة بالمساحات	تحتاج إلى تحفّظ قبل تطبيق القواعد
الاستخدام النموذجي	وصف بيانات متماثلة وتقريب متوسعات العينات	قد يتطلب تحويلًا مناسبًا أو نموذجًا آخر

تعتمد قراءة الاحتمالات على المساحات، لا على عدد الحالات. فإذا كانت القيم موزعة طبيعيًا، فإن نحو 68% منها تقع ضمن انحراف معياري واحد عن المتوسط، ونحو 95% ضمن انحرافين، ونحو 99.7% ضمن ثلاثة. وتُعرف هذه القاعدة التقريبية باسم قاعدة 68-95-99.7.

تسمح جداول التوزيع المعياري بحساب أرقام أدق للاحتمالات، مثل احتمال وقوع قيمة بين 1.2 و2.4 انحراف معياري فوق المتوسط. أما احتمال وقوع قيمة بعينها فهو صفر في التوزيع المتصل، لأن النقطة لا تحمل مساحة. كما يصف الاحتمال التراكمي احتمال القيم الأقل من حد معين، ويُحسب من مساحة المنحنى.

تفقد قاعدة 68-95-99.7 جزءًا من دقتها عند وجود انحياف واضح أو ذيل ثقيل. لذلك ينبغي توسيع الفحص إلى شكل البيانات ومقارنة النتائج بطرق حسابية أكثر تفصيلًا، لا الاكتفاء بنسبة مئوية سريعة. كما أن النسبة تصف احتمال القيمة الفردية، ولا يمكن تعميمها مباشرة على متوسط عينة.

التوحيد القياسي وتقدير المتوسطات

الدرجة القياسية تصف موقع القيمة من المتوسط مقسومًا على الانحراف المعياري، وفق العلاقة (z=(x-\mu)/\sigma). وتعني الدرجة 1.5 أن القيمة أعلى من المتوسط بمقدار 1.5 انحراف معياري، بينما تدل الدرجة السالبة على موقع أدنى من المتوسط. وبذلك تصبح المسافة إلى المركز مفهومة بوحدة واحدة.

تتيح الدرجة القياسية مقارنة قيم من وحدات مختلفة. فإذا كانت 180 سنتيمترًا ضمن مجموعة طولها 170 بانحراف معياري 5، و90 كيلوجرامًا ضمن مجموعة وزنها 70 بانحراف 10، فإن الدرجتين القياسيتين متساويتان عند 2. بهذه الطريقة نقارن الموقع النسبي، لا الحجم الخام للقيمة.

لا يعني تطابق درجة قياسية أن المتغير نفسه موزع طبيعيًا. لكن عند جمع عينات مستقلة من مجتمع ذي متوسط وتباين محدودين، يقارب توزيع متوسط العينة التوزيع الطبيعي مع ازدياد حجم العينة. وهذه هي الفكرة الأساسية لنظرية الحد المركزي، التي تبرر تقارب المتوسطات إلى مركز مستقر بصورة أسرع من ترابط القيم الفردية.

يجب التمييز بين الانحراف المعياري للقيم المفردة والانحراف المعياري لمتوسط العينة. فالأول يصف تشتت القياسات حول المتوسط، والثاني، ويحسب بالعلاقة (\sigma/\sqrt{n})، يصف عدم اليقين في تقدير المتوسط، ويقل كلما ازداد عدد الملاحظات المستقلة. ولهذا يُحسب هامش الخطأ في فترات الثقة بضرب الخطأ المعياري في معامل يحدد مستوى الثقة.

حدود النموذج وتطبيقاته

تجد فائدة النموذج في قياسات الطول والوزن، وفي أخطاء الأجهزة، وفي مراقبة الجودة، وفي تقدير متوسطات عينات كبيرة. كما يساعد في مقارنة درجات الطلاب بعد توحيد المقاييس، وفي بناء فترات ثقة حول المتوسطات والنسب. وفي كل حالة، تُشتق النتيجة من افتراضات واضحة حول البيانات.

التحقق من التوزيع يبدأ برسم بيانات العينة، ومراجعة التمركز والانتشار، ثم استخدام مخطط يقارن القيم المرتبة بما يتوقعه النموذج. ويكشف الانحياز أو القيم الشاذة عن قصور في الافتراض. ولا يكفي أن يبدو الرسم البياني جميلًا أو متماثلًا تقريبًا؛ فحجم العينة وشكل ذيلها يؤثران في جودة التقريب.

قد تحتاج بيانات منحازة بشدة إلى تحويل مناسب قبل استخدام النموذج، كما قد يتطلب فشل التقريب اختيار وصف ملائم آخر. احترام حدود النموذج لا يقل عن معرفة معاملاته؛ فهو يحمي من تحويل تقريب بصري إلى قانون صارم. ويظل الوصف الدقيق للبيانات أهم من فرض نموذج جاهز عليها.

تجمع قراءة أي نتيجة إحصائية بين موقعها وحجم عدم اليقين فيها. فالمتوسط يصف المركز، والانحراف المعياري يصف انتشار القيم الفردية، والدرجة القياسية توضع النتيجة في سياقها، والخطأ المعياري يصف دقة المتوسط المقدّر. والخلط بين هذه المقاييس يغير حجم الاستنتاج بصورة خفية.

القاعدة العملية: في فحص البيانات، يُحدَّد أولًا ما إذا كان التحليل يتعلق بقيمة فردية أم بمتوسط عينة، ويُفحص شكل التوزيع قبل تطبيق النسب، ثم يُختار المقياس المناسب للتباين. وبهذا تتحول النتيجة من رقم معزول إلى تقدير يمكن تفسيره ضمن حدوده.