التحليل الاحصائي

Statistical Analysis

التحليل الاحصائي، انظر حولك الاحصاءات في كل مكان، فما هو (statistical analysis) وما أدواته؟ 5 خطوات تساعدك في فهمه للمبتدئيين

0 32

التحليل الإحصاء يمس حياتنا من نواح كثيرة. من الروتين اليومي في منازلنا إلى أعمال جعل أعظم المدن تدار، فإن تأثيرات الإحصائيات موجودة في كل مكان.
هذه المقالة مقدمة عملية للتحليل الإحصائي للطلاب والباحثين.
سنرشدك خلال الخطوات من خلال البحث في علاقة السبب والنتيجة المحتملة، والعلاقة المحتملة بين المتغيرات.


ما هو التحليل الاحصائي؟

يعني التحليل الإحصائي التحقيق في الاتجاهات والأنماط والعلاقات باستخدام البيانات الكمي. إنها أداة بحث مهمة يستخدمها العلماء والحكومات والشركات والمنظمات الأخرى.
لاستخلاص استنتاجات صحيحة، يتطلب التحليل الإحصائي تخطيطًا دقيقًا منذ بداية عملية البحث.
تحتاج إلى تحديد فرضياتك واتخاذ قرارات بشأن تصميم البحث وحجم العينة وإجراءات أخذ العينات.
بعد جمع البيانات من عينتك، يمكنك تنظيم البيانات وتلخيصها باستخدام الإحصائيات الوصفية.
بعد ذلك، يمكنك استخدام الإحصائيات الاستدلالية لاختبار الفرضيات رسميًا وإجراء تقديرات حول السكان. أخيرًا، يمكنك تفسير نتائجك وتعميمها.


خطوات التحليل الاحصائي

الخطوة 1: اكتب فرضياتك وخطط لتصميم بحثك

لجمع بيانات صحيحة للتحليل الإحصائي، تحتاج أولاً إلى تحديد فرضياتك وتخطيط تصميم البحث الخاص بك.

كتابة الفرضيات الإحصائية

غالبًا ما يكون الهدف من البحث هو التحقيق في العلاقة بين المتغيرات داخل السكان. تبدأ بالتنبؤ، وتستخدم التحليل الإحصائي لاختبار هذا التوقع.
الفرضية الإحصائية هي طريقة رسمية لكتابة تنبؤ حول مجموعة سكانية. يتم إعادة صياغة كل توقع بحثي إلى فرضيات لاغية وبديلة يمكن اختبارها باستخدام بيانات العينة.
بينما تتنبأ الفرضية الصفرية دائمًا بعدم وجود تأثير أو عدم وجود علاقة بين المتغيرات، فإن الفرضية البديلة تنص على تنبؤ بحثك عن تأثير أو علاقة.
وتصميم البحوث هو استراتيجية شاملة لديك لجمع البيانات وتحليلها. يحدد الاختبارات الإحصائية التي يمكنك استخدامها لاختبار فرضيتك لاحقًا.

أنواع التصاميم

في التصميم التجريبي، يمكنك تقييم علاقة السبب والنتيجة (على سبيل المثال، تأثير التأمل على درجات الاختبار) باستخدام الاختبارات الإحصائية للمقارنة أو الانحدار.
وفي التصميم الترابطي، يمكنك استكشاف العلاقات بين المتغيرات (على سبيل المثال، دخل الوالدين والمعدل التراكمي) دون أي افتراض للسببية باستخدام معاملات الارتباط واختبارات الأهمية.
في التصميم الوصفي، يمكنك دراسة خصائص السكان أو الظاهرة (على سبيل المثال، انتشار القلق لدى طلاب الجامعات الأمريكية) باستخدام الاختبارات الإحصائية لاستخلاص الاستنتاجات من عينة البيانات.

اقرأ أيضا: ” أهم الكورسات المجانية لشهر مايو 2020


الخطوة 2: جمع البيانات من عين

في معظم الحالات، يكون جمع البيانات من كل فرد من السكان الذين تهتم بدراستهم أمرًا صعبًا للغاية أو مكلفًا للغاية. بدلاً من ذلك، ستقوم بجمع البيانات من عينة.
يسمح لك التحليل الإحصائي بتطبيق نتائجك خارج عينتك طالما أنك تستخدم إجراءات أخذ العينات المناسبة. يجب أن تستهدف عينة تمثل السكان.

أخذ العينات للتحليل الإحصائي

هناك طريقتان رئيسيتان لاختيار عينة.

  • أخذ العينات الاحتمالية: يتمتع كل فرد من السكان بفرصة اختياره للدراسة من خلال الاختيار العشوائي.
  • أخذ العينات غير الاحتمالية: من المرجح أن يتم اختيار بعض الأفراد للدراسة أكثر من غيرهم بسبب معايير مثل الراحة أو الاختيار الذاتي الطوعي.
    من الناحية النظرية، للنتائج القابلة للتعميم بشكل كبير، يجب عليك استخدام طريقة أخذ العينات الاحتمالية.
    يقلل الاختيار العشوائي من تحيز العينة ويضمن أن البيانات من عينتك هي في الواقع نموذجية للسكان. يمكن استخدام الاختبارات البارامترية
    لعمل استنتاجات إحصائية قوية عندما يتم جمع البيانات باستخدام أخذ العينات الاحتمالية.

لكن من الناحية العملية، نادرًا ما يكون من الممكن جمع العينة المثالية. بينما من المرجح أن تكون العينات غير الاحتمالية متحيزة،
إلا أنه من الأسهل تجنيد وجمع البيانات منها. تعتبر الاختبارات غير المعيارية أكثر ملاءمة للعينات غير الاحتمالية، ولكنها تؤدي إلى استنتاجات أضعف حول السكان.

إنشاء إجراء أخذ العينات المناسب

بناءً على الموارد المتاحة لبحثك، قرر كيفية تجنيد المشاركين.

  • هل سيكون لديك موارد للإعلان عن دراستك على نطاق واسع، بما في ذلك خارج محيط جامعتك؟
  • وهل ستكون لديك الوسائل لتجنيد عينة متنوعة تمثل عددًا كبيرًا من السكان؟
  • هل لديك الوقت للاتصال والمتابعة مع أعضاء المجموعات التي يصعب الوصول إليها؟

اقرأ أيضا: ” البيانات الوصفية”

الخطوة 3: لخص بياناتك بالإحصاءات الوصفية

بمجرد جمع كل بياناتك، يمكنك فحصها وحساب الإحصائيات الوصفية التي تلخصها.

افحص بياناتك

هناك طرق مختلفة لفحص بياناتك، بما في ذلك ما يلي:

  • تنظيم البيانات من كل متغير في جداول التوزيع التكراري .
  • عرض البيانات من متغير رئيسي في مخطط شريطي لعرض توزيع الاستجابات.
  • تصور العلاقة بين متغيرين باستخدام مخطط مبعثر.
    من خلال تصور بياناتك في جداول ورسوم بيانية، يمكنك تقييم ما إذا كانت بياناتك تتبع توزيعًا منحرفًا أو عاديًا وما إذا كانت هناك أي قيم متطرفة أو بيانات مفقودة.

احسب مقاييس الاتجاه المركزي

تصف مقاييس الاتجاه المركزي مكان تكمن معظم القيم في مجموعة البيانات. غالبًا ما يتم الإبلاغ عن ثلاثة مقاييس رئيسية للاتجاه المركزي:

  • الوضع: الاستجابة أو القيمة الأكثر شيوعًا في مجموعة البيانات.
  • الوسيط: القيمة الموجودة في الوسط الدقيق لمجموعة البيانات عند الطلب من الأقل إلى الأعلى.
  • يعني: مجموع كل القيم مقسومًا على عدد القيم.

ومع ذلك، اعتمادًا على شكل التوزيع ومستوى القياس، قد يكون واحدًا أو اثنين فقط من هذه المقاييس مناسبًا. على سبيل المثال،
لا يمكن وصف العديد من الخصائص الديموغرافية إلا باستخدام الوضع أو النسب، في حين أن متغيرًا مثل وقت رد الفعل قد لا يكون له وضع على الإطلاق.

احسب مقاييس التباين

تخبرك مقاييس التباين في التحليل الاحصائي بمدى انتشار القيم في مجموعة البيانات. غالبًا ما يتم الإبلاغ عن أربعة مقاييس رئيسية للتباين:

  • النطاق: أعلى قيمة مطروحًا منها أقل قيمة لمجموعة البيانات.
  • النطاق الربيعي: نطاق النصف الأوسط من مجموعة البيانات.
  • الانحراف المعياري: متوسط ​​المسافة بين كل قيمة في مجموعة البيانات والمتوسط.
  • الفرق: مربع الانحراف المعياري.

مرة أخرى، يجب أن يوجه شكل التوزيع ومستوى القياس اختيارك لإحصائيات التباين. النطاق الربيعي هو أفضل مقياس للتوزيعات المنحرفة، بينما يوفر الانحراف والتباين المعياريان أفضل المعلومات للتوزيعات العادية.

اقرأ أيضا: ” البيانات الضخمة”

الخطوة 4: اختبر الفرضيات أو قم بعمل تقديرات بإحصاءات استنتاجية

الرقم الذي يصف عينة يسمى الإحصاء، بينما الرقم الذي يصف المجتمع يسمى المعلمة. باستخدام الإحصائيات الاستدلالية،
يمكنك التوصل إلى استنتاجات حول معلمات السكان بناءً على إحصائيات العينة.غالبًا ما يستخدم الباحثون طريقتين رئيسيتين (في وقت واحد) لعمل استنتاجات في الإحصاء.

التقدير: حساب المعلمات السكانية بناءً على إحصائيات العينة.

يمكنك عمل نوعين من تقديرات المعلمات السكانية من عينة الإحصائيات:

  • تقدير النقطة: قيمة تمثل أفضل تخمين المعلمة بالضبط.
  • على تقدير الفاصل: مجموعة من القيم التي تمثل أفضل تخمين من أين يكمن المعلمة.
    إذا كان هدفك هو استنتاج خصائص السكان والإبلاغ عنها من عينة البيانات، فمن الأفضل استخدام كل من تقديرات النقطة والفاصل الزمني في ورقتك.

اختبار الفرضيات: عملية رسمية لاختبار تنبؤات البحث حول السكان باستخدام العينات.

يستخدم فاصل الثقة الخطأ القياسي ودرجة z من التوزيع العادي القياسي للتعبير عن المكان الذي تتوقع عمومًا العثور فيه على معلمة السكان في معظم الأوقات.

اقرأ أيضا: ” كيف ساعد الذكاء الاصطناعي وعلوم البيانات على محاربة كورونا

الخطوة 5: فسر نتائجك

الخطوة الأخيرة في التحليل الإحصائي هي تفسير نتائجك.
في اختبار الفرضيات، الأهمية الإحصائية هي المعايير الرئيسية لتشكيل الاستنتاجات. قارنت الخاص ص قيمة إلى مستوى مجموعة الدلالة (عادة 0.05) لتقرر ما إذا كانت نتائجك هي ذات دلالة إحصائية أو غير هامة.
من غير المحتمل أن تكون النتائج ذات الدلالة الإحصائية قد نشأت بسبب الصدفة فقط. هناك فرصة ضئيلة للغاية لحدوث مثل هذه النتيجة إذا كانت الفرضية الصفرية صحيحة في المجتمع.

اقرأ أيضا: ” تحليل البيانات”


استخدامات التحليل الاحصائي

  • يستخدم المصنعون الإحصائيات لنسج الجودة في الأقمشة الجميلة ، لرفع مستوى صناعة الطيران ومساعدة عازفي الجيتار في صنع موسيقى جميلة.
  • يحافظ الباحثون على صحة الأطفال باستخدام الإحصائيات لتحليل البيانات من إنتاج اللقاحات الفيروسية، مما يضمن الاتساق والسلامة.
  • تستخدم شركات الاتصالات الإحصائيات لتحسين موارد الشبكة وتحسين الخدمة وتقليل زخم العملاء من خلال اكتساب نظرة ثاقبة على متطلبات المشتركين.
  • تعتمد الوكالات الحكومية في جميع أنحاء العالم على الإحصاءات من أجل فهم واضح لبلدانهم وأعمالهم وشعوبهم.
  • انظر حولك. من أنبوب معجون الأسنان في حمامك إلى الطائرات التي تحلق في السماء، ترى مئات المنتجات والعمليات كل يوم التي تم تحسينها من خلال استخدام الإحصاء

الحوسبة الاحصائية

استخدم العلماء الطرق التقليدية للتحليل الإحصائي – من أخذ العينات إلى تفسير النتائج – لآلاف السنين. لكن أحجام بيانات اليوم تجعل الإحصائيات أكثر قيمة وقوة من أي وقت مضى.
أدى التخزين الميسور التكلفة وأجهزة الكمبيوتر القوية والخوارزميات المتقدمة إلى زيادة استخدام الإحصائيات الحسابية.
سواء كنت تعمل بأحجام بيانات كبيرة أو تقوم بإجراء العديد من التباديل لحساباتك، فقد أصبحت الحوسبة الإحصائية ضرورية لإحصائي اليوم.

ممارسات الحوسبة الاحصائية

تشمل ممارسات الحوسبة الإحصائية الشائعة ما يلي:

  • البرمجة الإحصائية – من التحليل التقليدي للتباين والانحدار الخطي إلى الأساليب الدقيقة وتقنيات التصور الإحصائي،
    تعد البرمجة الإحصائية ضرورية لاتخاذ القرارات المستندة إلى البيانات في كل مجال.
  • الاقتصاد القياسي – نمذجة العمليات التجارية والتنبؤ بها ومحاكاةها لتحسين التخطيط الاستراتيجي والتكتيكي.
    تطبق هذه الطريقة الإحصائيات على علم الاقتصاد للتنبؤ بالاتجاهات المستقبلية.
  • بحوث العمليات – حدد الإجراءات التي ستؤدي إلى أفضل النتائج – بناءً على العديد من الخيارات والنتائج الممكنة.
    تُستخدم الجدولة والمحاكاة وعمليات النمذجة ذات الصلة لتحسين العمليات التجارية وتحديات الإدارة.
  • برمجة المصفوفة – تقنيات الكمبيوتر القوية لتنفيذ الأساليب الإحصائية الخاصة بك وتحليل البيانات الاستكشافية باستخدام خوارزميات عملية الصف.
  • التصور الإحصائي – يمكن استخدام التحليل الإحصائي السريع والتفاعلي والقدرات الاستكشافية في الواجهة المرئية لفهم البيانات وبناء النماذج.
  • تحسين الجودة الإحصائية – نهج رياضي لمراجعة خصائص الجودة والسلامة لجميع جوانب الإنتاج.

وظائف في التحليل الإحصائي

مع إعلان الجميع من نيويورك تايمز إلى هال فارين كبير الاقتصاديين في Google أن الإحصائيات هي أحدث مجال وظيفي مثير، فمن نحن لنجادل؟
ولكن لماذا هناك الكثير من الحديث عن وظائف في التحليل الإحصائي وعلم البيانات؟ يمكن أن يكون نقص المفكرين التحليليين المدربين.
أو قد يكون الطلب على إدارة أحدث سلالات البيانات الضخمة . أو ربما يكون الإثارة لتطبيق المفاهيم الرياضية لإحداث فرق في العالم.
إذا تحدثت إلى الإحصائيين حول ما أثار اهتمامهم أولاً بالتحليل الإحصائي، فسوف تسمع الكثير من القصص حول جمع بطاقات البيسبول عندما كان طفلاً.
أو تطبيق الإحصائيات للفوز بالمزيد من ألعاب المحور والحلفاء. غالبًا ما تكون هذه المشاعر المبكرة هي التي تقود الإحصائيين إلى الميدان.
كشخص بالغ، يمكن لهذه المشاعر أن تنتقل إلى القوى العاملة كحب للتحليل والتفكير،
حيث يتم تطبيق شغفهم على كل شيء من تأثير الأصدقاء على قرارات الشراء إلى دراسة الأنواع المهددة بالانقراض في جميع أنحاء العالم.


التحليل الإحصائي هو علم جمع كميات كبيرة من البيانات واستكشافها وتقديمها لاكتشاف الأنماط والاتجاهات الأساسية. يتم تطبيق الإحصائيات كل يوم في البحث والصناعة والحكومة  لتصبح أكثر علمية حول القرارات التي يجب اتخاذها.