مفاهيم الإحصاء الوصفي والاستدلالي

مقدمة

يُعدّ الإحصاء من أهم الأدوات العلمية في العصر الحديث، إذ يُمكّن الباحثين والمحللين من فهم الظواهر المعقدة واتخاذ قرارات مبنية على البيانات. ينقسم الإحصاء إلى فرعين رئيسيين: الإحصاء الوصفي (Descriptive Statistics) والإحصاء الاستدلالي (Inferential Statistics)، وكل منهما يلعب دوراً محورياً في منظومة التحليل الإحصائي.

الجزء الأول: الإحصاء الوصفي

1.1 التعريف والهدف

الإحصاء الوصفي هو مجموعة الأساليب والتقنيات المستخدمة لتلخيص وتنظيم وعرض البيانات بشكل مفهوم وموجز. يُركّز هذا الفرع على وصف الخصائص الرئيسية لمجموعة البيانات دون محاولة استخلاص استنتاجات تتجاوز البيانات المتاحة.

الأهداف الرئيسية:

• تبسيط كميات ضخمة من البيانات
• إبراز الأنماط والاتجاهات
• تسهيل المقارنات بين مجموعات بيانات مختلفة
• توفير أساس لتصور البيانات بشكل بصري

1.2 مقاييس النزعة المركزية (Measures of Central Tendency)

هي القيم التي تمثل مركز توزيع البيانات:

مثال تطبيقي:

لنفترض درجات 7 طلاب: 65, 70, 75, 80, 85, 90, 95

• الوسط الحسابي: 560 ÷ 7 = 80
• الوسيط: 80
• المنوال: لا يوجد (جميع القيم فريدة)

1.3 مقاييس التشتت (Measures of Dispersion)

تُقيس مدى انتشار البيانات حول المركز:

أ. المدى (Range):

ب. التباين (Variance):

ج. الانحراف المعياري (Standard Deviation):

د. معامل الاختلاف (Coefficient of Variation):

1.4 المئينات والربعيات (Percentiles & Quartiles)

تُقسم البيانات إلى أجزاء متساوية:

• الربع الأول (Q1): القيمة التي 25% من البيانات أقل منها
• الوسيط (Q2): القيمة التي 50% من البيانات أقل منها
• الربع الثالث (Q3): القيمة التي 75% من البيانات أقل منها
• المدى الربيعي (IQR): Q3 - Q1

1.5 التصور البصري للبيانات

الجزء الثاني: الإحصاء الاستدلالي

2.1 التعريف والمفهوم الأساسي

الإحصاء الاستدلالي هو مجموعة الأساليب التي تُمكّن من استخلاص استنتاجات عامة عن مجتمع إحصائي بناءً على عينة مأخوذة منه. يُركّز على التعميم من الجزء إلى الكل.

المفهوم المحوري: الاستدلال الإحصائي

• الاستدلال الاستقرائي: من العينة إلى المجتمع
• الاستدلال الاستنباطي: من الفرضيات إلى التنبؤات

2.2 المجتمع الإحصائي والعينة

2.3 توزيعات العينات (Sampling Distributions)

أ. نظرية الحد المركزي (Central Limit Theorem):

ب. خطأ المعياري للوسط:

2.4 تقدير المعلمات (Estimation)

أ. التقدير النقطي:

تقديم قيمة واحدة كأفضل تقدير للمعامل (مثل x̄ كتقدير لـ μ).

ب. التقدير بالفترات (Confidence Intervals):

2.5 اختبار الفرضيات (Hypothesis Testing)

الخطوات المنظمة:

1. صياغة الفرضيات:
   • H₀: الفرضية الصفرية (الافتراض الافتراضي)
   • H₁: الفرضية البديلة (ما نريد إثباته)
2. اختيار مستوى المعنوية (α): عادةً 0.05 أو 0.01
3. حساب إحصائية الاختبار:
   • اختبار t للوسط: t = (x̄ - μ₀) / (s/√n)
   • اختبار z للنسب: z = (p̂ - p₀) / √[p₀(1-p₀)/n]
4. اتخاذ القرار:
   • إذا كانت قيمة p < α → رفض H₀
   • إذا كانت قيمة p > α → عدم رفض H₀

2.6 أنواع الأخطاء في الاستدلال

2.7 الانحدار والارتباط

معامل الارتباط بيرسون:

نموذج الانحدار الخطي البسيط:

حيث:

الجزء الثالث: المقارنة والتكامل بين الفرعين

التكامل العملي:

1. يبدأ الباحث بـ الإحصاء الوصفي لفهم البيانات واكتشاف الأنماط
2. ثم يستخدم الإحصاء الاستدلالي لاختبار الفرضيات والتعميم
3. يعود إلى الإحصاء الوصفي لعرض النتائج بشكل مفهوم

الجزء الرابع: التطبيقات العملية والأمثلة

مثال متكامل: دراسة أداء الطلاب

البيانات: درجات 50 طالباً في مادة الرياضيات

المرحلة الوصفية:

• الوسط الحسابي: 72.5
• الانحراف المعياري: 12.3
• الوسيط: 74
• الهستوغرام يُظهر توزيعاً طبيعياً تقريباً

المرحلة الاستدلالية:

• بناء فترة ثقة 95% للوسط الحقيقي: 72.5 ± 3.4
• اختبار ما إذا كان الوسط أكبر من 70 (المعدل المقبول)
• النتيجة: قيمة p = 0.032 < 0.05 → الأداء أعلى من المعدل المقبول

الخاتمة

يمثّل الإحصاء الوصفي والاستدلالي وجهين لعملة واحدة في علم الإحصاء. بينما يُقدّم الوصفي الرؤية الواضحة للبيانات المتاحة، يُقدّم الاستدلالي القدرة على التنبؤ والتعميم. إن إتقان كلا الفرعين أمر ضروري لأي باحث يسعى لاتخاذ قرارات مبنية على بيانات موثوقة وتحليل علمي رصين.