كيفية إيجاد احتمال لا أ ولا ب

تُعد نظرية الاحتمالات إحدى الركائز الفكرية والرياضية الأكثر رسوخاً في المعرفة الإنسانية المعاصرة، إذ تمثل الأداة التحليلية الأساسية التي تُمكّن العلماء والباحثين وصناع القرار من نمذجة عدم اليقين واستقراء المستقبل المنطقي للظواهر المعقدة. وفي قلب هذا البناء الرياضي الشامخ، يبرز التساؤل المتكرر حول كيفية حساب احتمالية عدم وقوع أحداث معينة، وهو ما يُعرف رياضياً وفلسفياً بحساب احتمال “لا أ ولا ب” (Neither A Nor B). إن الغوص في هذا المفهوم لا يقتصر على مجرد إجراء عمليات حسابية جبرية روتينية، بل يتطلب استيعاباً عميقاً لطبيعة الفضاءات العينية، والترابط الهيكلي بين نظرية المجموعات ونظرية القياس، وتفكيك العلاقات المتداخلة بين الأحداث الإحصائية سواء كانت متنافية، أو مستقلة، أو متداخلة وغير متنافية.

تكمن الأهمية الجوهرية لحساب احتمالات النفي والغياب في كون الواقع التطبيقي غالباً ما يفرض علينا البحث عن سيناريوهات “الأمان” أو “الحياد” أو “الخلو من المخاطر”؛ ففي دراسات الأوبئة والتشخيص الطبي المزدوج، لا نبحث دائماً عن احتمالية الإصابة بمرض معين أو أعراض محددة فحسب، بل نتطلع إلى قياس النسبة الدقيقة للأفراد الخالين تماماً من المرضين معاً. وفي مجالات هندسة الوثوقية وضبط الجودة الصناعية، يتركز الاهتمام على استخراج الاحتمال الدقيق لعدم تعرض النظام لأي من الأعطال الحرجة المحتملة. إن هذا التوجه التحليلي ينقل العقل الرياضي من رصد “ما يحدث” إلى التقدير الكمي الدقيق لـ “ما لا يحدث”، متجاوزاً بذلك الانحيازات الإدراكية البشرية التي تميل فطرياً إلى ملاحظة الحضور وتجاهل الغياب.

يقدم هذا المقال الموسوعي معالجة أكاديمية شاملة ومؤصلة لكيفية استخراج احتمال “لا أ ولا ب” عبر تفكيك أبعاده النظرية، واشتقاق صيغه الرياضية العامة والفرعية بالاستناد إلى بديهيات كولموغوروف وقوانين دي مورغان الجبرية. كما يستعرض المقال الفروق الدقيقة بين مختلف تصنيفات الأحداث الإحصائية، معززاً التحليل بنماذج ودراسات حالة واقعية ممتدة من التحصيل الأكاديمي والرياضي إلى العلوم السلوكية والنفسية، وتطبيقات النمذجة البرمجية بلغات بايثون وآر، وصولاً إلى استعراض المزالق المنهجية التي يقع فيها ممارسو التحليل الإحصائي لتلافي الوقوع في مغالطات الاستدلال الرياضي.

1. مقدمة تأصيلية لمفهوم احتمال “لا أ ولا ب” (Neither A Nor B)

1.1 التعريف النظري والمفاهيمي لعدم وقوع الأحداث

يتحدد المفهوم الرياضي لعبارة “لا الحدث أ ولا الحدث ب” (Neither A Nor B) بوصفه التعبير الاحتمالي الدال على الاستبعاد التام والآني لكلا الحدثين من حيز التحقق الفعلي في تجربة عشوائية معينة. من الناحية المنطقية الصورية، يمثل هذا المفهوم قضية نفي مزدوجة متزامنة تقتضي عدم تحقق الحدث $A$ وعدم تحقق الحدث $B$ في الوقت ذاته، وهو ما يُعبر عنه في الجبر المنطقي برابطة العطف بين النفيين ($neg A land neg B$). إن هذا التحديد النظري يضع حداً فاصلاً بين دراسة النفي الفردي لحدث معزول، ودراسة النفي المركب الذي يتعامل مع فضاءات فرعية متعددة ومترابطة بنيوياً داخل المنظومة الإحصائية الواحدة.

يكمن الفرق الجوهري بين نفي الأحداث الفردية ونفي الأحداث المركبة في حجم ونوعية التفاعلات البينية بين المتغيرات. فعندما نقوم بحساب نفي الحدث الفردي $P(A’)$، فإننا نتعامل ببساطة مع المكمل المباشر للحدث ضمن فضاء العينة الكلي، حيث تُطرح قيمته من الواحد الصحيح. أما في حالة نفي الأحداث المركبة، ولا سيما نفي مركب الاتحاد أو نفي مركب التقاطع، فإن فضاء النفي يتشكل استناداً إلى هندسة التقاطع بين المجموعات؛ إذ إن نفي وقوع أي من الحدثين يستلزم بالضرورة استبعاد المساحة المشتركة للحدثين معاً، ومساحة انفراد الحدث الأول، ومساحة انفراد الحدث الثاني، مما يترك فقط المساحة المتبقية من فضاء العينة الشامل الخالية تماماً من أي أثر للحدثين.

تتسم طبيعة النواتج المحتملة داخل فضاء العينة عند استبعاد حدثين محددين بكونها تمثل الحالة الصافية التي لا تشهد تجسيداً لأي من الخصائص المرتبطة بالحدثين المعنيين. من الناحية الإبستمولوجية (المعرفية)، تحظى دراسة احتمالات النفي والغياب بأهمية بالغة في فلسفة العلوم والتحليل الإحصائي؛ فالإنسان بطبيعته يمتلك انحيازاً معرفياً إدراكياً يجعله يركز على الملاحظات الإيجابية الصريحة (ظهور الأعراض، وقوع الحوادث، نجاح الصفقات)، بينما يتطلب التفكير العلمي الرصين إيلاء نفس القدر من الأهمية للنواتج السلبية أو الغائبة. إن قياس احتمال عدم الحدوث يمثل الأساس الذي تُبنى عليه نظريات التحقق، ومفاهيم القابلية للتكذيب، والتقدير الواقعي للمخاطر في البيئات المعقدة التي تتسم بدرجات عالية من عدم التيقن.

1.2 موقع المفهوم في نظرية المجموعات ونظرية الاحتمالات الكلاسيكية

ترتبط نظرية الاحتمالات الحديثة ارتباطاً عضوياً لا ينفصم بنظرية المجموعات التي أسسها عالم الرياضيات جورج كانتور وطورها منطقياً جورج بول في إطار ما يُعرف اليوم بـ الجبر البولياني. في هذا السياق البنيوي، تُعرّف التجربة العشوائية بأنها عملية توليد نواتج تنتمي إلى فضاء عينة شامل يُرمز له بالرمز $S$ أو $\Omega$. وتتحول الأحداث الاحتمالية من مجرد وقائع مجردة إلى مجموعات جزئية من هذا الفضاء الشامل؛ حيث يمثل الحدث $A$ مجموعة جزئية $A subseteq S$، ويمثل الحدث $B$ مجموعة جزئية أخرى $B subseteq S$.

وفقاً لهذه البنية الرياضية، تتطابق العمليات المنطقية الاحتمالية تطابقاً تاماً مع العمليات الجبرية على المجموعات. فالتقاطع المنطقي (Logical Conjunction) المتمثل في وقوع الحدثين معاً $A \text{ and } B$ يُناظر عملية التقاطع بين المجموعات $A cap B$. والاتحاد المنطقي (Logical Disjunction) المتمثل في وقوع أحدهما على الأقل $A \text{ or } B$ يُناظر عملية اتحاد المجموعات $A cup B$. وبناءً على ذلك، فإن نفي الحدث يُمثل بالمتممة الجبرية للمجموعة ويرمز لها بالرمز $A’$ أو $A^c$ أو $\bar{A}$.

عند إسقاط مفهوم “لا أ ولا ب” على هذا الإطار النظري، يتبين أنه يتطابق مع متممة اتحاد المجموعتين، أي $(A cup B)’$، وفي الوقت ذاته يتطابق مع تقاطع متممتي المجموعتين، أي $A’ cap B’$. يتيح هذا التناظر البنيوي بين المجموعات والاحتمالات للباحثين استخدام البديهيات الجبرية الصارمة لإجراء تحويلات رياضية تمكن من اختصار الحسابات الاحتمالية المعقدة، والتحقق من صحة النماذج الإحصائية وتماسكها المنطقي بصرف النظر عن طبيعة البيانات محل الدراسة وسياقها التجريبي.

1.3 الأهمية العلمية والتطبيقية لحساب احتمالات النفي

يمثل التقدير الاحتمالي للنتائج السلبية وحالات الغياب حجر الزاوية في بناء النماذج الإحصائية المتقدمة وتطبيقات اتخاذ القرارات الرشيدة في ظل عدم اليقين. ففي بيئات الأعمال وإدارة الأزمات المالية، لا يقتصر التحليل الاستراتيجي للمخاطر على حساب احتمال إفلاس الشركة نتيجة صدمة سوقية محددة ($A$) أو صدمة تمويلية ($B$)، بل يتطلب حساب الملاءة المالية التامة التي تُعرّف باحتمال النجاة من كلا التهديدين في آن واحد ($Neither A Nor B$). إن هذا الحساب يوفر مقياساً دقيقاً لمرونة المنشأة وقدرتها على البقاء والاستمرار في ظل الضغوط متعددة المصادر.

وفي مجال العلوم السلوكية والتشخيص الإكلينيكي للبحوث الطبية والنفسية، تبرز الأهمية التطبيقية لحساب احتمالات الغياب بشكل لافت. فعلى سبيل المثال، عند دراسة الاضطرابات النفسية المتزامنة، يُعد تحديد نسبة السكان الذين لا يعانون من اضطراب القلق العام ولا من اضطراب الاكتئاب الجسيم مؤشراً جوهرياً لتقييم الصحة النفسية المجتمعية وتخصيص الموارد العلاجية. كما أن تقييم كفاءة البروتوكولات العلاجية المزدوجة يعتمد على حساب احتمال عدم استجابة المريض للعلاج الأول وعدم استجابته للعلاج الثاني، لتحديد الحاجة إلى التدخل بالخطوط العلاجية البديلة.

علاوة على ذلك، تستند أنظمة الذكاء الاصطناعي وخوارزميات تعلم الآلة الموجهة للتصنيف الثنائي والمتعدد إلى حساب احتمالات الفئات المنفية بدقة لتقليل معدلات الخطأ من النوع الأول (False Positives) والخطأ من النوع الثاني (False Negatives). وبذلك، فإن حساب احتمال “لا أ ولا ب” يتجاوز كونه مسألة أكاديمية نظرية ليصبح أداة تشغيلية حاسمة تضمن كفاءة النظم المعقدة ودقة مخرجاتها عبر شتى التخصصات العلمية والصناعية.

2. الأسس الرياضية والصيغة العامة لحساب احتمال “لا أ ولا ب”

2.1 الصيغة الرياضية الأساسية وتفكيك مكوناتها

تستند الصيغة الرياضية العامة لحساب احتمال عدم وقوع الحدث $A$ وعدم وقوع الحدث $B$ إلى دمج متقن بين قاعدة متممة الأحداث وقاعدة الجمع العامة للاحتمالات. وتُصاغ المعادلة القياسية الشاملة على النحو التالي:

P(Neither A Nor B) = P(A’ ∩ B’) = 1 – P(A ∪ B) = 1 – [P(A) + P(B) – P(A ∩ B)]

ولفهم البنية الداخلية لهذه المعادلة وتفكيك آليات عملها، يجب تحليل كل متغير رياضي على حدة بدقة منهجية:

• المتغير $P(A)$: يمثل الاحتمال الهامشي (Marginal Probability) لوقوع الحدث $A$ بصورة مستقلة عن أي اعتبار للحدث $B$. ويُحسب هذا الاحتمال بنسبة عدد النواتج الإيجابية للحدث $A$ إلى إجمالي عدد النواتج الممكنة في فضاء العينة الشامل $S$.
• المتغير $P(B)$: يمثل الاحتمال الهامشي لوقوع الحدث $B$ بذاته ضمن فضاء العينة، دون افتراض مسبق بحدوث أو عدم حدوث الحدث $A$.
• المتغير المشترك $P(A cap B)$: يمثل احتمال التقاطع أو الاحتمال المشترك (Joint Probability) لوقوع الحدثين $A$ و $B$ معاً في التجربة العشوائية ذاتها. ويلعب هذا المتغير دوراً محورياً في ضبط الدقة الحسابية، إذ يمنع الوقوع في خطأ الاحتساب المزدوج عند دمج فضاءات الأحداث.
• المقدار $1$: يمثل الاحتمال الكلي لفضاء العينة الشامل $P(S) = 1$، وهو السقف الرياضي الأعلى لأي توزيع احتمالي وفق البديهيات الكلاسيكية.

2.2 تفكيك قاعدة الجمع للاحتمالات P(A ∪ B)

تُعد قاعدة الجمع للاحتمالات، والمعروفة رياضياً بمبدأ الشمول والاستبعاد للحدثين (Inclusion-Exclusion Principle)، الأساس المنطقي لاحتساب اتحاد الأحداث $P(A cup B)$. ينص هذا المبدأ على أن احتمال وقوع الحدث $A$ أو الحدث $B$ أو كليهما معاً يساوي مجموع الاحتمالين الفرديين مطروحاً منهما احتمال التقاطع المشترك بينهما: $P(A cup B) = P(A) + P(B) – P(A cap B)$.

يستند تفسير هذا الطرح إلى الطبيعة الهندسية للمجموعات؛ فعند جمع المساحة الاحتمالية الممثلة للحدث $A$ مع المساحة الاحتمالية للحدث $B$، فإن المنطقة المتداخلة التي تحتوي على النواتج المحققة لكلا الحدثين تُجمع مرتين: مرة ضمن فضاء $A$ ومرة أخرى ضمن فضاء $B$. وإذا لم يتم طرح هذه المنطقة المشتركة $P(A cap B)$ مرة واحدة، فإن قيمة الاتحاد الناتجة ستكون مضخمة بصورة غير حقيقية، وقد تؤدي في كثير من الأحيان إلى تجاوز حاجز الاحتمال الأقصى (الواحد الصحيح)، وهو ما يمثل خرقاً صريحاً للمنطق الإحصائي.

بناءً على ذلك، يتم الانتقال المنطقي من حساب وقوع أحدهما على الأقل $P(A cup B)$ إلى حساب عدم وقوع أي منهما عبر تطبيق مفهوم المتممة الشاملة. فإذا كان الاتحاد يغطي جميع الحالات التي يتحقق فيها $A$ فقط، أو $B$ فقط، أو $A$ و $B$ معاً، فإن نفي هذه الحالات مجتمعة يمثل الحيز المتبقي من فضاء العينة الذي لم يتأثر بأي شكل من أشكال الحدوث، مما يبرهن جبرياً أن طرح قيمة الاتحاد الموزونة من الواحد الصحيح يعطي بدقة مطلقة احتمال “لا أ ولا ب”.

2.3 الربط الرياضي بقوانين دي مورغان (De Morgan’s Laws)

تشكل قوانين دي مورغان ركيزة أساسية في التحليل الرياضي والمنطق الرمزي، حيث تربط بين عمليتي الاتحاد والتقاطع من خلال المتممات بصورة بنيوية أنيقة. ينص القانون الأول لدي مورغان الخاص بمتممة الاتحاد على أن:

(A ∪ B)’ = A’ ∩ B’

يقرر هذا القانون التكافؤ المنطقي التام بين “متممة الاتحاد” و”تقاطع المتممات”. وبلغة الاحتمالات، فإن احتمال عدم حدوث $A$ وعدم حدوث $B$ معاً $P(A’ cap B’)$ هو ذاته احتمال ألا يقع اتحاد الحدثين $P((A cup B)’)$. وبما أن احتمال متممة أي حدث $E$ يُعرّف بأنه $1 – P(E)$، فإن التطابق الرياضي يفرض مباشرة:

P(A’ ∩ B’) = P((A ∪ B)’) = 1 – P(A ∪ B)

يوفر هذا التحويل الجبري مرونة استثنائية في التحليل الإحصائي؛ إذ يُمكّن الباحثين من حل المسائل الاحتمالية المعقدة عبر مسارين متكافئين: إما بحساب احتمال الاتحاد أولاً ثم طرحه من الواحد الصحيح، أو بحساب احتمالات المتممات وتقاطعاتها مباشرة. ويسهم هذا التكافؤ في تبسيط الخوارزميات الحسابية في برمجيات التحليل الإحصائي والتعامل مع النماذج التنبؤية متناهية التعقيد بكفاءة عالية.

3. دور الحدث المتمم (Complementary Event) وفضاء العينة

3.1 مفهوم المتممة وفضاء العينة الإجمالي (Sample Space)

يُمثل فضاء العينة الإجمالي $S$ المجموعة الكلية الحاوية لجميع النواتج الممكنة لتجربة عشوائية معينة، بحيث تتصف هذه النواتج بالشمول الحصري والتنافي المتبادل. وبموجب البديهية الأولى لنظرية الاحتمالات، فإن القيمة الاحتمالية المخصصة لفضاء العينة الإجمالي تساوي دائماً الواحد الصحيح، أي أن $P(S) = 1$. ويعني ذلك حتمية وقوع إحدى النتائج المتضمنة في هذا الفضاء الشامل عند إجراء التجربة.

ينشأ مفهوم الحدث المتمم (Complementary Event) لأي حدث $E$ انطلاقاً من هذه البديهية؛ حيث يُعرّف الحدث المتمم $E’$ بأنه المجموعة الفرعية التي تضم جميع عناصر فضاء العينة $S$ التي لا تنتمي إلى الحدث $E$. ونظراً لأن الحدث ومتممته يشكلان تجزئة كاملة لفضاء العينة ($E cup E’ = S$ و $E cap E’ = emptyset$)، فإن قاعدة الاحتمال المتمم تُصاغ جبرياً كما يلي: $P(E) + P(E’) = 1 implies P(E’) = 1 – P(E)$.

في سياق مسألتنا الرياضية، يُنظر إلى حالة “لا أ ولا ب” بوصفها الحدث المتمم المباشر لحدث مركب هو “وقوع أ أو ب أو كليهما”. فالحدث المركب هنا هو $E = (A cup B)$، وبالتالي فإن المتممة الرياضية الدقيقة لهذا الكيان المركب هي $E’ = (A cup B)’$. ومن ثم، فإن استيعاب بنية فضاء العينة الشامل يجعل من حساب احتمالات النفي عملية استقطاع منطقية من الكتلة الاحتمالية الكلية البالغة $1$.

3.2 خطوات الاشتقاق الرياضي من البديهيات الاحتمالية

يستند الاشتقاق الصارم لمعادلة “لا أ ولا ب” إلى بديهيات كولموغوروف للاحتمال، وهي المنظومة البديهية التي أسسها عالم الرياضيات الروسي أندريه كولموغوروف عام 1933 لتقنين علم الاحتمالات رياضياً. ينطلق الاشتقاق من ثلاث بديهيات رئيسية:

• البديهية الأولى (اللانفي): لكل حدث $E subseteq S$، فإن $P(E) ge 0$.
• البديهية الثانية (التطبيع الإجمالي): احتمال فضاء العينة الشامل $P(S) = 1$.
• البديهية الثالثة (الجمعية للأحداث المتنافية): إذا كانت الأحداث $E_1, E_2, dots$ متنافية مثنى مثنى، فإن احتمال اتحادها يساوي مجموع احتمالاتها: $P(\big\cup E_i) = \sum P(E_i)$.

لإجراء الاشتقاق، نلاحظ أولاً أن فضاء العينة $S$ يمكن تجزئته إلى اتحاد مجموعتين متنافيتين: اتحاد الحدثين $(A cup B)$ ومتممة هذا الاتحاد $(A cup B)’$:

S = (A ∪ B) ∪ (A ∪ B)’ حيث (A ∪ B) ∩ (A ∪ B)’ = ∅

بتطبيق البديهية الثالثة للجمع على هاتين المجموعتين المتنافيتين، نحصل على:

P(S) = P(A ∪ B) + P((A ∪ B)’)

وبالتعويض عن قيمة $P(S) = 1$ استناداً إلى البديهية الثانية:

1 = P(A ∪ B) + P((A ∪ B)’) ⟹ P((A ∪ B)’) = 1 – P(A ∪ B)

وبما أن قاعدة الجمع العامة تقضي بأن $P(A cup B) = P(A) + P(B) – P(A cap B)$، فإن التعويض المباشر يعطينا الصيغة الرياضية النهائية التامة والمثبتة جبرياً وفق البديهيات الكلاسيكية:

P(Neither A Nor B) = 1 – [P(A) + P(B) – P(A ∩ B)]

3.3 التمثيل الهندسي عبر مخططات فن (Venn Diagrams)

تُعد مخططات فن (Venn Diagrams) الأداة البصرية والهندسية المثلى لتجسيد العمليات الاحتمالية وتحويل العلاقات الجبرية المجردة إلى مساحات مكانية واضحة المعالم. في هذا التمثيل الهندسي، يُرسم فضاء العينة الشامل $S$ على شكل مستطيل مغلق ذي مساحة إجمالية تُعاير قيمتها الاحتمالية لتساوي الواحد الصحيح ($1.0$).

داخل هذا المستطيل، يُمثل كل من الحدثين $A$ و $B$ بدائرتين أو شكلين بيضاويين متقاطعين في الحالة العامة. يقسم هذا التقاطع الهندسي المستطيل إلى أربع مناطق متباينة وغير متداخلة:

• المنطقة الأولى ($A cap B’$): المساحة الواقعة داخل الدائرة $A$ وخارج الدائرة $B$، وتمثل احتمال وقوع الحدث $A$ فقط.
• المنطقة الثانية ($A’ cap B$): المساحة الواقعة داخل الدائرة $B$ وخارج الدائرة $A$، وتمثل احتمال وقوع الحدث $B$ فقط.
• المنطقة الثالثة ($A cap B$): منطقة التداخل والتقاطع المركزي المشترك الواقعة داخل كلتا الدائرتين معاً.
• المنطقة الرابعة ($(A cup B)’ = A’ cap B’$): المساحة الخارجية المحيطة بالدائرتين، والواقعة بالكامل ضمن حدود المستطيل الحاوي لفضاء العينة.

تمثل هذه المنطقة الرابعة بدقة بصرية متناهية احتمال “لا أ ولا ب”. ومن خلال القراءة الهندسية البسيطة للمخطط، يتضح جلياً أن المساحة الكلية للمستطيل ($1$) تتكون من مجموع الدوائر المتقاطعة مضافاً إليها المساحة الخارجية المنفية. ومن ثم، فإن عزل المساحة الخارجية يتطلب هندسياً اقتطاع كامل المساحة التي تشغلها الدائرتان معاً بعد معالجة منطقة التقاطع المشترك، مما يؤكد التطابق التام بين الرؤية الهندسية والمعادلة الجبرية التحليلية.

4. حساب احتمال “لا أ ولا ب” للأحداث غير المتنافية (Non-Mutually Exclusive)

4.1 خصائص الأحداث المتداخلة ووجود التقاطع المشترك

تُعرّف الأحداث غير المتنافية (Non-Mutually Exclusive Events) أو المتداخلة إحصائياً بأنها الأحداث التي تمتلك نواتج مشتركة في فضاء العينة، مما يجعل من الممكن رياضياً وعملياً حدوثهما معاً في الوقت ذاته عند إجراء التجربة لمرة واحدة. في هذا النمط من الأحداث، يكون احتمال التقاطع قيمة موجبة قطيعة لا تساوي الصفر، أي أن $P(A cap B) > 0$.

يمثل التداخل الإحصائي بين المتغيرات السمة الغالبة على الظواهر الطبيعية، والبيولوجية، والاجتماعية. فعلى سبيل المثال، عند اختيار طالب عشوائياً من إحدى الجامعات، فإن حدث “أن يكون الطالب متفوقاً في الرياضيات” ($A$) وحدث “أن يكون الطالب متقناً للغة الإنجليزية” ($B$) هما حدثان غير متنافيين تماماً، نظراً لوجود شريحة معتبرة من الطلاب يجمعون بين التفوق في الرياضيات وإتقان اللغة الإنجليزية معاً ($A cap B$).

إن إدراك وجود هذا التقاطع المشترك وعدم افتراضه صفراً بصورة متسرعة يُعد شرطاً منهجياً لازماً لإجراء أي تحليل احتمالي دقيق. وتجاهل هذا التقاطع عند التعامل مع الأحداث المتداخلة يؤدي إلى تشويه خطير في تقدير احتمالات النفي والاتحاد، مما يترتب عليه اتخاذ قرارات خاطئة بناءً على حسابات مضللة.

4.2 خوارزمية الحل الحسابي خطوة بخطوة

لضمان الدقة التحليلية ومنع الوقوع في الأخطاء الحسابية عند معالجة مسألة تتضمن أحداثاً غير متنافية، يتعين على الباحث أو المحلل الإحصائي اتباع خوارزمية حل مقننة تتألف من أربع خطوات تسلسلية صارمة:

• الخطوة الأولى: تحديد الاحتمالات الفردية الهامشية: استخراج أو حساب الاحتمال المنفرد للحدث الأول $P(A)$، والاحتمال المنفرد للحدث الثاني $P(B)$ بناءً على المعطيات الإحصائية لفضاء العينة.
• الخطوة الثانية: تحديد الاحتمال المشترك للتقاطع: استخراج أو حساب قيمة $P(A cap B)$ التي تعبر عن تزامن الحدثين. وإذا لم تكن القيمة معطاة مباشرة، يمكن اشتقاقها عبر الاحتمال الشرطي إذا توفرت بياناته: $P(A \cap B) = P(A|B) \times P(B)$.
• الخطوة الثالثة: حساب احتمال الاتحاد: تطبيق قاعدة الجمع العامة لحساب احتمال وقوع أحد الحدثين على الأقل من خلال الصيغة: $P(A cup B) = P(A) + P(B) – P(A cap B)$.
• الخطوة الرابعة: حساب احتمال النفي المزدوج (المتممة): طرح الناتج المستخرج في الخطوة الثالثة من الواحد الصحيح للحصول على القيمة النهائية لاحتمال “لا أ ولا ب”: $P(\text{Neither } A \text{ Nor } B) = 1 – P(A \cup B)$.

تطبيق رقمي توضيحي: لنفترض أن احتمال هطول الأمطار في يوم معين هو $P(A) = 0.40$، واحتمال هبوب رياح شديدة هو $P(B) = 0.30$، واحتمال حدوث الأمرين معاً (عاصفة مطرية ورياح) هو $P(A cap B) = 0.15$. لحساب احتمال أن يكون الطقس هادئاً وخالياً من المطر والرياح الشديدة:

• حساب الاتحاد: $P(A cup B) = 0.40 + 0.30 – 0.15 = 0.55$.
• حساب النفي: $P(\text{Neither } A \text{ Nor } B) = 1 – 0.55 = 0.45$.

توضح هذه النتيجة أن هناك احتمالاً بنسبة $45%$ لعدم تحقق أي من الظاهرتين الجويتين في ذلك اليوم.

4.3 تحليل الأخطاء الشائعة عند إهمال طرح التقاطع

يقع كثير من الطلاب والمحللين المبتدئين في خطأ منهجي فادح يتمثل في تطبيق قاعدة الجمع البسيطة الخاصة بالأحداث المتنافية على أحداث غير متنافية، متجاهلين بذلك طرح منطقة التقاطع $P(A cap B)$. يقود هذا الخطأ إلى نتائج كارثية على المستوى الرياضي والتحليلي.

تتمثل المعضلة الكبرى الأولى في إمكانية تجاوز الاحتمال الإجمالي للواحد الصحيح عند تجاهل التقاطع. فعلى سبيل المثال، إذا كان $P(A) = 0.70$ و $P(B) = 0.60$ والتقاطع بينهما $P(A cap B) = 0.40$، فإن إهمال طرح التقاطع يؤدي إلى جمع القيمتين مباشرة للحصول على اتحاد وهمي: $0.70 + 0.60 = 1.30$. وبما أن القيمة الاحتمالية لا يمكن أن تتجاوز $1.0$، فإن محاولة حساب احتمال “لا أ ولا ب” بطرح هذه القيمة ستعطي نتيجة سالبة مستحيلة رياضياً: $1 – 1.30 = -0.30$.

أما في الحالات التي لا يتجاوز فيها المجموع الواحد الصحيح، فإن إهمال التقاطع يؤدي إلى تضخيم زائف لاحتمال الاتحاد، وهو ما ينعكس عكسياً بالتقليص الشديد والمجحف لاحتمال “لا أ ولا ب”. ولتفادي هذه المزالق، يتعين دوماً إجراء اختبارات التحقق الذاتي من منطقية النتيجة، والتي تتضمن التحقق من وقوع النتيجة داخل المجال المغلق $[0, 1]$، والتأكد من أن $P(\text{Neither } A \text{ Nor } B) le 1 – P(A)$ و $P(\text{Neither } A \text{ Nor } B) le 1 – P(B)$.

5. حساب احتمال “لا أ ولا ب” للأحداث المتنافية (Mutually Exclusive Events)

5.1 تعريف الأحداث المتنافية واستحالة الحدوث المشترك

تُعرف الأحداث المتنافية (Mutually Exclusive Events) أو المانعة للجمع بأنها الأحداث التي يستحيل رياضياً وتجريبياً حدوثها معاً في التجربة العشوائية المفردة. في هذا الصنف من الأحداث، لا توجد أي نواتج مشتركة على الإطلاق بين المجموعات الجزئية الممثلة للأحداث، مما يعني أن وقوع أحدهما ينفي تلقائياً وبصورة حتمية إمكانية وقوع الآخر.

من الناحية الرياضية الصارمة، يُعبر عن شرط التنافي بالعلاقة المباشرة التالية:

A ∩ B = ∅ ⟹ P(A ∩ B) = 0

ينعكس هذا الانفصال التام داخل فضاء العينة الهندسي في صورة دوائر متباعدة تماماً لا يمس بعضها بعضاً ولا تشترك في أي مساحة. ومن الأمثلة البديهية على ذلك: عند إلقاء حجر نرد متزن ذي ستة أوجه لمرة واحدة، فإن حدث الحصول على رقم فردي $A = {1, 3, 5}$ وحدث الحصول على رقم زوجي $B = {2, 4, 6}$ هما حدثان متنافيان تماماً، حيث يستحيل أن يظهر وجه يحمل رقماً فردياً وزوجياً في الوقت عينه.

5.2 تبسيط الصيغة الرياضية للأحداث المتنافية

نظراً لكون الاحتمال المشترك للتقاطع في الأحداث المتنافية يساوي صفراً مطلقاً ($P(A cap B) = 0$)، فإن الصيغة العامة لحساب احتمال الاتحاد تشهد تبسيطاً جوهرياً وتتحول إلى ما يُعرف بقاعدة الجمع المباشر: $P(A cup B) = P(A) + P(B)$.

وبناءً على ذلك، يتم اختصار الصيغة العامة لحساب احتمال “لا أ ولا ب” لتصبح صيغة مبسطة ومباشرة تتطلب عمليات حسابية أقل تعقيداً:

P(Neither A Nor B) = 1 – (P(A) + P(B))

توضح هذه المعادلة المختصرة أن احتمال عدم حدوث أي من الحدثين المتنافيين يكافئ ببساطة استقطاع المجموع المباشر لاحتماليهما من فضاء العينة الشامل البالغ $1$. وتتميز هذه الحالة بانعدام الحاجة للبحث عن معلومات إضافية تخص التداخل أو التقاطعات الشرطية بين المتغيرات.

5.3 تطبيقات وأمثلة عملية على الأحداث المنفصلة

تتعدد التطبيقات الواقعية التي تستند إلى الأحداث المتنافية في مجالات استطلاعات الرأي، ودراسات السوق، وعمليات السحب دون إرجاع بشروط تنافٍ. في هذه السيناريوهات، تتوزع الخيارات الحصرية بين فئات لا تقبل الجمع.

مثال تطبيقي: ترغب شركة تقنية في ملء منصب قيادي متقدم، ولديها مجمع من المرشحين. قررت لجنة التوظيف تصنيف المؤهلات الحصرية للمتقدمين كالآتي: احتمال أن يحمل المرشح المختار عشوائياً شهادة الدكتوراه هو $P(A) = 0.18$، واحتمال أن يحمل شهادة الماجستير فقط كأعلى مؤهل هو $P(B) = 0.52$. وبما أن المرشح لا يمكن أن يكون حاملاً للماجستير فقط وحاملاً للدكتوراه في الوقت عينه (حيث تستوعب الدكتوراه تلقائياً المسار وتُفرد الماجستير كفئة حصرية دنيا في هذا التصنيف)، فإن هذين الحدثين متنافيان.

لحساب احتمال اختيار مرشح لا يحمل الدكتوراه ولا يحمل الماجستير (أي يحمل البكالوريوس أو ما دونه):

• التحقق من التنافي: $P(A cap B) = 0$.
• تطبيق الصيغة المختصرة: $P(\text{Neither } A \text{ Nor } B) = 1 – (0.18 + 0.52) = 1 – 0.70 = 0.30$.

توضح النتيجة أن هناك احتمالاً بنسبة $30%$ لاختيار مرشح لا يمتلك أيّاً من هذين المؤهلين المتقدمين. إن هذا النمط من الحسابات يسهل على أقسام الموارد البشرية تخطيط الاحتياجات التدريبية وتوزيع المسارات الوظيفية بدقة متناهية.

6. حساب احتمال “لا أ ولا ب” للأحداث المستقلة إحصائياً (Independent Events)

6.1 مفهوم الاستقلال الاحتمالي وحساب التقاطع

يُعد مفهوم الاستقلال الإحصائي (Statistical Independence) من أعمق المفاهيم في نظرية الاحتمالات وأكثرها دقة. يُعرّف الحدثان $A$ و $B$ بأنهما مستقلان إذا كان وقوع أو عدم وقوع أحدهما لا يغير ولا يؤثر بأي صورة من الصور على الاحتمال المخصص لوقوع الآخر. وبلغة الاحتمال الشرطي، فإن شرط الاستقلال يتحقق إذا وفقط إذا كان: $P(A|B) = P(A)$ و $P(B|A) = P(B)$.

يقود هذا التعريف البنيوي مباشرة إلى قاعدة الضرب الخاصة للاحتمالات؛ حيث يُحسب احتمال التقاطع المشترك بين حدثين مستقلين بحاصل ضرب احتماليهما الفرديين مباشرة:

P(A ∩ B) = P(A) × P(B)

عند دمج هذه الخاصية داخل الصيغة العامة لاحتمال “لا أ ولا ب”، نحصل على صيغة مخصصة للأحداث المستقلة تربط النتيجة باحتمالات الأحداث المفردة فقط دون الحاجة إلى قياس تجريبي منفصل للتقاطع المشترك:

P(Neither A Nor B) = 1 – [P(A) + P(B) – (P(A) × P(B))]

6.2 استخدام طريقة ضرب المتممات المستقلة

تتيح نظرية الاحتمالات مساراً رياضياً بديلاً وشديد الأناقة لحساب احتمال “لا أ ولا ب” في حالة الأحداث المستقلة، يعتمد على الخاصية الجبرية الجوهرية التي تقرر: “إذا كان الحدثان $A$ و $B$ مستقلين، فإن متممتيهما $A’$ و $B’$ هما أيضاً حدثان مستقلان إحصائياً”.

إثبات استقلال المتممات جبرياً:

نريد إثبات أن $P(A’ \cap B’) = P(A’) \times P(B’)$. نعلم أن $P(A’ cap B’) = 1 – P(A cup B)$. وبالتعويض عن صيغة الاتحاد للأحداث المستقلة:

P(A’ ∩ B’) = 1 – [P(A) + P(B) – P(A)P(B)] = 1 – P(A) – P(B) + P(A)P(B)

بإعادة تجميع الحدود الجبرية والتحليل إلى عوامل:

= (1 – P(A)) – P(B)(1 – P(A)) = (1 – P(A)) × (1 – P(B))

وبما أن $P(A’) = 1 – P(A)$ و $P(B’) = 1 – P(B)$، فإن هذا يقودنا إلى الصيغة المباشرة الأنيقة:

P(Neither A Nor B) = P(A’) × P(B’) = (1 – P(A)) × (1 – P(B))

توفر هذه الصيغة اختصاراً حسابياً هائلاً، لا سيما عند الرغبة في إجراء عمليات تقدير ذهنية سريعة أو عند تعميم النماذج الرياضية لتشمل عدداً كبيراً من الأحداث المستقلة المتتالية.

6.3 المقارنة الرياضية بين طريقتي الاتحاد والمتممات

على الرغم من أن طريقتي “طرح الاتحاد من الواحد” و”ضرب المتممات المباشر” تقودان حتماً إلى القيمة الرقمية ذاتها، إلا أن لكل مسار معايير تفضيل حسابية تعتمد على نوعية البيانات المتاحة والأهداف التحليلية للباحث، كما يوضح الجدول التالي:

جدول المقارنة المنهجية بين المسارين الحسابيين:

• طريقة متممة الاتحاد ($1 – P(A cup B)$):
  • الصلاحية العامة: صالحة لجميع أنواع الأحداث (مستقلة، متداخلة غير متنافية، متنافية).
  • المتطلبات: معرفة مسبقة بقيمة التقاطع المباشر $P(A cap B)$.
  • التعقيد الحسابي: يتطلب ثلاث عمليات (جمع ثم طرح ثم طرح من الواحد).
  • الاستخدام المفضل: الأنسب عند توفر جداول التوافق والبيانات المرصودة كلياً.
• طريقة ضرب المتممات ($P(A’) \times P(B’)$):
  • الصلاحية العامة: مقتصرة حصرياً على الأحداث المستقلة إحصائياً.
  • المتطلبات: افتراض أو إثبات الاستقلال الإحصائي الصارم فقط.
  • التعقيد الحسابي: يتطلب عمليتي طرح متزامنتين تعقبهما عملية ضرب مفردة.
  • الاستخدام المفضل: الأنسب للتعميمات متعددة الأحداث ومحاكاة موثوقية النظم الهندسية.

7. أمثلة تطبيقية ونماذج عملية مفصلة

7.1 دراسة حالة: اختيار لاعبي كرة السلة والتحصيل الأكاديمي

لتجسيد التطبيق العملي الدقيق لهذه الصيغ الرياضية في سياق يجمع بين النشاط الرياضي والتحصيل الأكاديمي، نتناول دراسة الحالة الشاملة التالية المستندة إلى بيانات رابطة رياضية جامعية:

معطيات دراسة الحالة: في مجتمع طلابي لرياضيي الجامعات، تشير الإحصاءات التاريخية إلى أن احتمال اختيار لاعب كرة السلة في مسودة الاحتراف الوطني السنوية (Drafted) هو $P(\text{Drafted}) = 0.03$ ($3%$). وفي الوقت عينه، يبلغ احتمال تخرج الطالب بمعدل تراكمي ممتاز كامل 4.0 (GPA 4.0) هو $P(\text{GPA 4.0}) = 0.25$ ($25%$). ونظراً لندرة الجمع بين التفوق الرياضي الاحترافي الاستثنائي والتفوق الأكاديمي الكامل، رُصد الاحتمال المشترك للجمع بين الإنجازين معاً ليكون $P(\text{Drafted} \cap \text{GPA 4.0}) = 0.005$ ($0.5%$).

المطلوب التحليلي: حساب الاحتمال الدقيق لاختيار طالب رياضي عشوائياً لا يتم اختياره في مسودة الاحتراف ولا يتخرج بمعدل تراكمي كامل (Neither Drafted Nor GPA 4.0).

خطوات الحل والتعويض المنهجي:

1. تحديد المتغيرات الأساسية: $P(A) = 0.03$، $P(B) = 0.25$، $P(A cap B) = 0.005$.
2. حساب احتمال تحقق أحد الإنجازين على الأقل عبر قاعدة الاتحاد:
   
   $P(A cup B) = P(A) + P(B) – P(A cap B) = 0.03 + 0.25 – 0.005 = 0.275$ ($27.5%$).
3. حساب احتمال النفي المزدوج (عدم تحقق أي منهما):
   
   $P(\text{Neither } A \text{ Nor } B) = 1 – P(A \cup B) = 1 – 0.275 = 0.725$ ($72.5%$).

التفسير الإحصائي والعملي للنتيجة: تكشف النتيجة المستخرجة ($72.5%$) أن الغالبية العظمى من الطلاب الرياضيين يقعون في الفضاء الواقع خارج هذين الإنجازين المحددين. كما تُثبت المقارنة الرياضية أن المتغيرين غير مستقلين؛ إذ إن حاصل ضرب $P(A) \times P(B) = 0.03 \times 0.25 = 0.0075 ne 0.005$، وهو ما يبرز الأثر التنازلي الطفيف الذي يفرضه الالتزام الزمني المكثف للتدريب الاحترافي على الوصول إلى قمة المعدلات الأكاديمية المطلقة.

7.2 دراسة حالة: التشخيص والمحددات الطبية المزدوجة

تحظى حسابات النفي الاحتمالي بأهمية فائقة في علم الوبائيات والتشخيص الطبي المزدوج، حيث تُبنى عليها سياسات الصحة العامة والفحوصات المسحية المجتمعية. لنفترض أننا بصدد دراسة انتشار عرضين جانبيين محتملين لعلاج دوائي حديث مضاد للالتهابات في تجربة سريرية واسعة النطاق:

افترضت المعطيات السريرية أن احتمال إصابة المريض باضطراب الجهاز الهضمي (الحدث $A$) هو $P(A) = 0.15$ ($15%$)، واحتمال إصابته بطفح جلدي تحسسي (الحدث $B$) هو $P(B) = 0.10$ ($10%$). ونظراً للآليات الحيوية المتداخلة، رصدت التجربة أن احتمال ظهور العرضين معاً لدى المريض ذاته هو $P(A cap B) = 0.03$ ($3%$).

لحساب النسبة المتوقعة للمرضى الذين سيتناولون العقار بأمان تام دون التعرض لأي من هذين العرضين الجانبيين ($Neither A Nor B$):

• احتمال تعرض المريض لأي من العرضين أو كليهما: $P(A cup B) = 0.15 + 0.10 – 0.03 = 0.22$.
• احتمال سلامة المريض التامة من كلا العرضين: $P(A’ cap B’) = 1 – 0.22 = 0.78$.

تفيد هذه القراءة الطبية بأن $78%$ من المتعاطين للعقار لن يعانوا من أي من العرضين، مما يزود الهيئات الرقابية الصحية بمؤشر كمي حاسم لاعتماد الدواء، وتحديد نسب المخاطرة السريرية الشاملة بدقة وموضوعية.

7.3 دراسة حالة: ضبط الجودة واختبارات الموثوقية الصناعية

في خطوط الإنتاج فائقة التقنية لتصنيع المعالجات الدقيقة في الهندسة الإلكترونية، تخضع كل وحدة لفحوصات آلية متعددة لاكتشاف العيوب التصنيعية قبل التعبئة والشحن إلى الأسواق العالمية.

ليكن الحدث $A$ يمثل وجود عيب في التوصيل الكهربائي المجهري، باحتمال حدوث $P(A) = 0.02$ ($2%$)، والحدث $B$ يمثل وجود عيب في العزل الحراري لشريحة السيليكون، باحتمال حدوث $P(B) = 0.04$ ($4%$). تشير التحليلات الهندسية لجودة التصنيع إلى أن حدوث عيب العزل الحراري يزيد من حساسية الدوائر ويرفع احتمال حدوث العيبين معاً بصورة مشتركة إلى $P(A cap B) = 0.008$ ($0.8%$).

لحساب احتمال مطابقة المعالج لأعلى معايير الجودة الصارمة بخلوه التام من كلا العيبين الصناعيين المحددين:

• مجموع العيوب الشاملة المحتملة: $P(A cup B) = 0.02 + 0.04 – 0.008 = 0.052$.
• احتمال الجودة التامة (المعالجات السليمة كلياً): $P(\text{Neither } A \text{ Nor } B) = 1 – 0.052 = 0.948$ ($94.8%$).

يُستخدم هذا المؤشر الرياضي في بناء معايير الإفراج عن الدفعات التصنيعية؛ فإذا هبطت نسبة المعالجات السليمة كلياً دون حد الـ $94.5%$، يُوقف خط الإنتاج تلقائياً لإعادة المعايرة وضبط الآلات الصناعية.

8. التطبيقات في القياس والبحوث النفسية والسلوكية

8.1 دراسة القرارات السلوكية في ظل عدم اليقين وغياب البدائل

تعتمد النمذجة الرياضية للسلوك البشري في إطار نظرية التوقع (Prospect Theory) والاقتصاد السلوكي على تحليل احتمالات رفض الخيارات المتاحة بقدر اهتمامها بتحليل احتمالات تفضيلها. فعند وضع المستهلك أو صانع القرار أمام خيارين ماليين أو استثماريين محفوفين بالمخاطر ($A$ و $B$)، فإن احتمالية عدم تبني الخيار الأول وعدم تبني الخيار الثاني تمثل رياضياً حالة “الجمود السلوكي” أو “الامتناع عن اتخاذ القرار” (Decision Inertia).

يساعد حساب احتمال “لا أ ولا ب” الباحثين في علم النفس الإدراكي على قياس حساسية الأفراد تجاه الخسارة (Loss Aversion)؛ إذ تبين التجارب السلوكية أن ارتفاع هذا الاحتمال يرتبط طردياً بمستويات التردد والريبة المعرفية. فكلما تداخلت وتعارضت ميزات البدائل، تقلصت احتمالات اختيار أي منها، وتنامت مساحة النفي المشترك، مما يدفع الأفراد إلى التراجع نحو البدائل التقليدية أو البقاء في حالة السكون التام لتجنب وخز الندم المحتمل.

8.2 الانحيازات المعرفية في تقدير احتمالات النفي والغياب

يكشف علم النفس المعرفي عن وجود فجوة حادة وموثقة بين الأداء الحسابي النظري والتقدير الحدسي البشري لاحتمالات الغياب والنفي. ويرجع ذلك إلى جملة من الانحيازات الإدراكية المتجذرة في البنية المعرفية للإنسان، وعلى رأسها انحياز الإتاحة (Availability Heuristic) وانحياز الاقتران (Conjunction Fallacy) اللذان وثقهما العالمان دانيال كانمان وعاموس تفيرسكي.

يتمثل انحياز الإتاحة في صعوبة استدعاء أحداث “اللا وقوع” من الذاكرة مقارنة بالأحداث الصريحة التي تركت أثراً مادياً أو انفعالياً. فالإنسان يتذكر بوضوح الأيام التي هطل فيها المطر أو تعرض فيها لحادث مروري، لكنه نادراً ما يحتفظ بتمثيل ذهني للأيام الهادئة التي لم تشهد أياً من الحدثين، مما يدفعه حدسياً إلى تقزيم احتمال “لا أ ولا ب” بصورة منهجية مقارنة بقيمته الرياضية الحقيقية.

من جهة أخرى، يؤدي انحياز الاقتران إلى ارتكاب مغالطة إحصائية شائعة؛ حيث يميل العقل البشري غير المدرب إلى اعتبار حدوث نفي مشترك لحالتين أقل احتمالاً من نفي كل حالة منفردة حتى في ظل وجود علاقات استلزام منطقية صارمة. إن فهم هذه الانحيازات يفسر أسباب فشل التقييمات البشرية المجردة في بيئات المخاطر، ويؤكد ضرورة الاعتماد الحصري على الصيغ الرياضية الموضوعية لحساب احتمالات النفي وتجنب الركون إلى التقديرات الحدسية المشوبة بالتشويه.

8.3 قياس الاعتلال المشترك (Comorbidity) وخلو الأفراد من الاضطرابات

يمثل حساب معدلات خلو الأفراد من الاضطرابات النفسية المزدوجة ركيزة محورية في أبحاث الصحة العامة والقياس النفسي الإكلينيكي. يُعرف التزامن بين اضطرابين نفسيين أو أكثر لدى المريض الواحد بمفهوم الاعتلال المشترك (Comorbidity). ولتقييم جودة الحياة ومستوى الحصانة النفسية في مجتمع سكاني معين، يُشكل حساب احتمال “عدم معاناة الفرد من القلق وعدم معاناته من الاكتئاب” المؤشر الذهبي للسلامة النفسية المجتمعية.

تطبيق إكلينيكي في القياس السلوكي: أظهر مسح وبائي لعينة ممثلة لمجتمع ما أن نسبة انتشار اضطراب القلق السريري هي $P(\text{Anxiety}) = 0.18$، ونسبة انتشار اضطراب الاكتئاب هي $P(\text{Depression}) = 0.22$. ونظراً للتداخل العضوي الشديد في المسببات والمسارات الحيوية العصبية، رُصد معدل الاعتلال المشترك لوقوع الاضطرابين معاً ليكون $P(\text{Anxiety} \cap \text{Depression}) = 0.12$.

لحساب النسبة المؤكدة للأفراد الأصحاء تماماً والمتمتعين بالحصانة من هذين الاضطرابين:

• النسبة الإجمالية للأفراد المتأثرين بأحد الاضطرابين أو كليهما:
  
  $P(A cup B) = 0.18 + 0.22 – 0.12 = 0.28$ ($28%$).
• النسبة الصافية للسكان الخالين كلياً من القلق والاكتئاب:
  
  $P(\text{Neither Anxiety Nor Depression}) = 1 – 0.28 = 0.72$ ($72%$).

تزود هذه الحسابات صناع القرار في وزارات الصحة والمؤسسات العلاجية ببيانات موثوقة تحدد بدقة النسبة الحقيقية للسكان المستهدفين ببرامج الرعاية الوقائية مقابل أولئك المحتاجين للتدخلات العلاجية المركبة المكثفة.

9. التمثيل البصري والنمذجة الرياضية للاحتمالات المنفية

9.1 بناء وقراءة جداول التوافق (Contingency Tables)

تُعد جداول التوافق من النمط $2 \times 2$ إحدى أكثر الوسائل المنهجية كفاءة ووضوحاً في هيكلة البيانات الاحتمالية، وتحويل التكرارات التجريبية المرصودة إلى احتمالات نسبية دقيقة تفصل بين الأحداث المثبتة والأحداث المنفية.

هيكل جدول التوافق الاحتمالي القياسي ($2 \times 2$):

• الصف الأول (الحدث $A$):
  • الخلية ($A cap B$): تمثل الاحتمال المشترك لوقوع الحدثين معاً.
  • الخلية ($A cap B’$): تمثل احتمال وقوع الحدث $A$ وغياب الحدث $B$.
  • المجموع الهامشي للصف: $P(A) = P(A cap B) + P(A cap B’)$.
• الصف الثاني (الحدث المتمم $A’$):
  • الخلية ($A’ cap B$): تمثل احتمال غياب الحدث $A$ ووقوع الحدث $B$.
  • الخلية الجوهرية ($A’ cap B’$): تمثل القيمة المباشرة والنهائية لاحتمال “لا أ ولا ب”.
  • المجموع الهامشي للصف: $P(A’) = P(A’ cap B) + P(A’ cap B’)$.
• المجاميع الهامشية للأعمدة:
  • مجموع العمود الأول: $P(B) = P(A cap B) + P(A’ cap B)$.
  • مجموع العمود الثاني: $P(B’) = P(A cap B’) + P(A’ cap B’)$.
  • المجموع الكلي النهائي: $P(S) = P(A) + P(A’) = P(B) + P(B’) = 1.00$.

تتيح قراءة هذا الجدول للباحث استخراج قيمة $P(\text{Neither } A \text{ Nor } B)$ مباشرة من تقاطع الصف الثاني مع العمود الثاني ($A’ cap B’$)، أو اشتقاقها جبرياً عبر طرح مجموع الخلايا الثلاث الأخرى من المجموع الكلي البالغ $1.00$.

9.2 استخدام أشجار الاحتمالات (Probability Trees)

تُمثل أشجار الاحتمالات (Probability Trees) أداة ديناميكية متقدمة لتصوير السلاسل الزمنية والشرطية للأحداث العشوائية المتعاقبة أو المتزامنة؛ حيث يُعبر عن كل مرحلة تجريبية بعقدة تفرع رئيسية تتشعب منها مسارات احتمالية مرجحة.

عند نمذجة حدثين $A$ و $B$ باستخدام شجرة الاحتمالات، تتفرع الشجرة من العقدة الجذرية إلى مسارين رئيسيين: المسار العلوي الممثل لوقوع $A$ باحتمال $P(A)$، والمسار السفلي الممثل لعدم وقوع $A$ باحتمال $P(A’)$. ثم تتفرع العقدة السفلية ($A’$) بدورها إلى فرعين شرطيين لاحقين:

• الفرع الأول: وقوع الحدث $B$ مشروطاً بعدم وقوع $A$، باحتمال شرطي مقداره $P(B|A’)$.
• الفرع الثاني (مسار النفي المزدوج): عدم وقوع الحدث $B$ مشروطاً بعدم وقوع $A$، باحتمال شرطي مقداره $P(B’|A’)$.

بموجب قاعدة الضرب التسلسلي عبر مسارات الشجرة، يُحسب احتمال الوصول إلى نهاية مسار النفي المزدوج بضرب الاحتمالات الممتدة على طول المسار السفلي الكامل:

P(Neither A Nor B) = P(A’ ∩ B’) = P(A’) × P(B’|A’) = (1 – P(A)) × (1 – P(B|A’))

تتجلى القوة التحليلية لأشجار الاحتمالات في قدرتها الفائقة على معالجة الأحداث التابعة والمعتمدة شرطياً دون الحاجة إلى التخمين، مما يضمن تدفقاً منطقياً متماسكاً للعمليات الحسابية.

9.3 النمذجة الرياضية المتقدمة في فضاءات العينة الكبيرة

عند الانتقال من فضاءات العينة المنفصلة والمحدودة إلى فضاءات العينة المتصلة وغير المنتهية، كما في دراسات النظم الفيزيائية وتحليل الإشارات العشوائية متعددة الأبعاد، يتحول حساب احتمال “لا أ ولا ب” من العمليات الجبرية المباشرة إلى التكاملات الرياضية المتقدمة على دوال كثافة الاحتمال المشتركة (Joint Probability Density Functions – PDF).

في فضاء متصل ثنائي الأبعاد يُعرف بمتغيرين عشوائيين مستمرين $(X, Y)$ ودالة كثافة مشتركة $f_{X,Y}(x, y)$، يُعرّف الحدث $A$ بأنه وقوع المتغير $X$ ضمن فترة معينة $R_A \subset \mathbb{R}$، والحدث $B$ بوقوع المتغير $Y$ ضمن فترة $R_B \subset \mathbb{R}$. في هذا السياق المتصل، يُحسب احتمال “لا أ ولا ب” بالتكامل الثنائي لدالة الكثافة المشتركة على كامل الفضاء الخارجي المتبقي $R_A^c \times R_B^c$:

P(Neither A Nor B) = ∬_{x ∉ R_A, y ∉ R_B} f_{X,Y}(x, y) dx dy

تضمن هذه النمذجة الرياضية الراقية الحفاظ على بديهيات الاحتمالات الأساسية في النظم المعقدة فائقة الأبعاد، وتُمكّن مهندسي النظم من تقييم موثوقية الأنظمة الحساسة الخاضعة لتغيرات مستمرة وعشوائية متصلة.

10. التعميم الرياضي: حساب احتمال “عدم وقوع أي من عدة أحداث” (أكثر من حدثين)

10.1 مبدأ الشمول والاستبعاد (Inclusion-Exclusion Principle) لثلاثة أحداث

عند توسيع نطاق التحليل الإحصائي ليشمل ثلاثة أحداث متزامنة وغير متنافية ($A$ و $B$ و $C$)، تصبح مسألة حساب احتمال “عدم وقوع أي من الأحداث الثلاثة” ($Neither A, Nor B, Nor C$) أكثر تركيباً، وتتطلب صياغة موسعة لمبدأ الشمول والاستبعاد لضبط كافة التقاطعات الثنائية والثلاثية المتداخلة.

يُصاغ احتمال اتحاد ثلاثة أحداث $P(A cup B cup C)$ جبرياً على النحو التالي:

P(A ∪ B ∪ C) = [P(A) + P(B) + P(C)] – [P(A ∩ B) + P(A ∩ C) + P(B ∩ C)] + P(A ∩ B ∩ C)

يفسر التتابع المنطقي للإشارات في هذه المعادلة كما يلي: جمع الاحتمالات الفردية يؤدي إلى احتساب التقاطعات الثنائية مرتين، فيتم طرحها؛ غير أن طرح التقاطعات الثنائية يؤدي إلى إزالة التقاطع الثلاثي المشترك ($A cap B cap C$) بالكامل بعد أن كان قد جُمع ثلاث مرات وطُرح ثلاث مرات، مما يفرض إعادة إضافته في الخطوة الأخيرة لاستعادة التوازن الهيكلي الدقيق لفضاء الاتحاد.

وبناءً على قاعدة الحدث المتمم، يُصاغ احتمال النفي الثلاثي الشامل بإنقاص هذا الاتحاد الموسع من الواحد الصحيح:

P(Neither A, Nor B, Nor C) = 1 – P(A ∪ B ∪ C)

= 1 – [P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)]

10.2 الصيغة العامة لـ n من الأحداث في فضاء العينة

يمكن تعميم هذه البنية الرياضية لتشمل أي عدد منتهي $n$ من الأحداث العشوائية $A_1, A_2, dots, A_n$ المعرفة على فضاء العينة $S$. بالاستناد إلى التوسيع الشامل لـ مبدأ الشمول والاستبعاد لقوانين دي مورغان الممتدة، يُكتب احتمال عدم وقوع أي من هذه الأحداث الـ $n$ بالصيغة الرمزية المدمجة التالية:

P(⋂_{i=1}^n A_i’) = 1 – P(⋃_{i=1}^n A_i) = 1 – [ ∑_{i=1}^n P(A_i) – ∑_{1 le i < j le n} P(A_i ∩ A_j) + ∑_{1 le i < j < k le n} P(A_i ∩ A_j ∩ A_k) – dots + (-1)^{n-1} P(⋂_{i=1}^n A_i) ]

توضح هذه الصيغة العامة الأناقة التناظرية لنظرية الاحتمالات؛ حيث تتناوب إشارات الجمع والطرح لتعديل الفائض والنقص الاحتمالي عبر مختلف رتب التقاطعات البينية. غير أن هذا التعميم يفرض تحديات حاسوبية جمة؛ إذ يتطلب حساب $2^n – 1$ حداً لاكتمال المعادلة، مما يستدعي في التطبيقات الضخمة اللجوء إلى متباينات بونفيروني (Bonferroni Inequalities) لحصر النتيجة بين حدود عليا ودنيا مقبولة عملياً دون الحاجة إلى استنزاف الموارد الحسابية في حساب كافة التقاطعات متناهية الصغر.

10.3 حالة الأحداث المتعددة المستقلة

تشهد الصيغة العامة الموسعة انفراجاً حسابياً هائلاً وتبسيطاً بالغاً في الحالة الخاصة التي تكون فيها الأحداث الـ $n$ ($A_1, A_2, dots, A_n$) مستقلة إحصائياً بصورة متبادلة وشاملة. في هذه الحالة، يتحول تقاطع المتممات المتعددة بموجب تعميم خاصية استقلال المتممات إلى حاصل ضرب تسلسلي مباشر للاحتمالات المتممة المنفردة:

P(A_1′ ∩ A_2′ ∩ dots ∩ A_n’) = ∏_{i=1}^n P(A_i’) = ∏_{i=1}^n (1 – P(A_i))

تطبيقات هندسة الوثوقية وموثوقية النظم (System Reliability): تُعد هذه الصيغة التسلسلية العمود الفقري لتحليل الموثوقية في هندسة الطيران، والمفاعلات النووية، ومراكز البيانات السحابية. فإذا كان نظام التحكم في طائرة معينة يعتمد على $n$ من المكونات الحيوية المستقلة، وكان احتمال فشل المكون رقم $i$ هو $P(F_i)$، فإن احتمال عمل النظام بكفاءة تامة دون تعرض أي من مكوناته للفشل على الإطلاق ($Neither Component Fails$) يُحسب بالضرب التسلسلي المباشر:

P(System Operational) = (1 – P(F_1)) × (1 – P(F_2)) × dots × (1 – P(F_n))

يوضح هذا النموذج كيف أن احتمالية السلامة العامة تتناقص طردياً مع زيادة عدد المكونات المعرضة للأعطال، مما يوجه المهندسين نحو تصميم أنظمة احتياطية موازية (Redundant Systems) تضمن استمرارية العمل بأعلى درجات الأمان الإحصائي.

11. المزالق التحليلية والأخطاء المنهجية الشائعة وكيفية تلافيها

11.1 الخلط بين “لا أ ولا ب” و”ليس (أ و ب معاً)”

يُمثل الخلط الدلالي والرياضي بين عبارة “لا الحدث أ ولا الحدث ب” وعبارة “ليس وقوع أ و ب معاً” أحد أكثر الأخطاء المفاهيمية شيوعاً وفداحة في التحليل الإحصائي، ويترتب عليه تحريف كامل للنتائج والاستنتاجات المستخلصة.

لتفكيك هذا الالتباس الجوهري، نستعرض الفوارق الرياضية الدقيقة بين المفهومين:

• احتمال “لا أ ولا ب” (Neither A Nor B):
  
  صيغته الرياضية: $P(A’ cap B’) = 1 – P(A cup B)$.
  
  المعنى الإحصائي: الاستبعاد الصارم والكامل للحدثين معاً؛ أي ألا يقع $A$، وألا يقع $B$، وألا يقع كلاهما. إنها تمثل حالة الغياب المطلق للظاهرتين.
• احتمال “ليس أ و ب معاً” (Not Both A and B):
  
  صيغته الرياضية: $P((A cap B)’) = 1 – P(A cap B)$.
  
  المعنى الإحصائي: نفي التزامن الآني فقط؛ وهو ما يسمح بوقوع $A$ منفرداً، أو وقوع $B$ منفرداً، أو غيابهما معاً، ويستبعد فقط الحالة الوحيدة التي يتحقق فيها الحدثان في آن واحد.

مثال رقمي كاشف: إذا كان $P(A) = 0.4$ و $P(B) = 0.5$ والتقاطع $P(A cap B) = 0.2$، فإن:

• احتمال عدم وقوع أي منهما: $P(\text{Neither } A \text{ Nor } B) = 1 – (0.4 + 0.5 – 0.2) = 1 – 0.7 = 0.30$.
• احتمال عدم وقوعهما معاً: $P(\text{Not Both}) = 1 – 0.20 = 0.80$.

يظهر هذا المثال فارقاً شاسعاً بين النتيجتين ($30%$ مقابل $80%$). إن تطبيق صيغة “عدم التزامن” عند استهداف “الغياب التام” يؤدي إلى تضخيم كارثي للأمان وتضليل متخذي القرارات بصورة تعرض المشاريع والمؤسسات لمخاطر غير محسوبة.

11.2 الخلط بين الاحتمالات الشرطية والاحتمالات غير المشروطة

ينشأ منزلق تحليلي آخر عند إغفال التمييز الصارم بين الاحتمال غير المشروط $P(\text{Neither } A \text{ Nor } B)$ والاحتمال الشرطي لعدم الوقوع في ظل تحقق شرط أو حدث مسبق $C$، وهو $P(\text{Neither } A \text{ Nor } B | C)$.

تتغير فضاءات العينة وقيم التقاطعات تغيراً جذرياً بمجرد دخول معلومات مسبقة على بيئة التجربة. فالافتراض الخاطئ بأن الاحتمالات تحتفظ بقيمها غير المشروطة بعد توفر بيانات جديدة يُعد انتهاكاً لـ مبرهنة بايز وتحديث الاحتمالات. كما يقع كثير من المحللين في مغالطة افتراض الاستقلال الإحصائي بين المتغيرات دون إجراء اختبارات الفرضيات الملائمة (مثل اختبار مربع كاي للاستقلال $\chi^2$)، مما يجعل استخدام معادلات ضرب المتممات عملاً تحليلياً غير مبرر يفتقر إلى الرصانة العلمية.

11.3 معايير التدقيق والتحقق الرياضي من صحة النتائج

لضمان سلامة العمليات الحسابية وتلافي الأخطاء المنهجية، يتعين على الباحث اتباع بروتوكول تدقيق قياسي يتضمن ثلاث ركائز اختبارية أساسية:

• اختبار النطاق والمجال المقفل: التأكد المطلق من أن القيمة النهائية لاحتمال “لا أ ولا ب” تقع حصرياً داخل المجال الاحتمالي الصحيح $[0, 1]$. فظهور أي قيمة سالبة أو قيمة تتجاوز الواحد الصحيح هو مؤشر قاطع على وجود خلل في معالجة التقاطعات المشتركة.
• اختبار التحقق التبادلي (Cross-Verification): حل المسألة الاحتمالية بمسارين مختلفين تماماً؛ كحساب متممة الاتحاد ($1 – P(A cup B)$) أولاً، ثم بناء جدول التوافق واستخراج قيمة الخلية ($A’ cap B’$)، ومقارنة النتيجتين للتأكد من تطابقهما التام.
• اختبارات حساسية الحدود (Boundary Sensitivity Tests): فحص منطقية النتيجة بمقارنتها مع الحدود المنطقية القصوى والدنيا، مع مراعاة المتباينات الأساسية:
  
  $P(Neither A Nor B) le 1 – P(A)$ و $P(Neither A Nor B) le 1 – P(B)$.

12. الأتمتة والحساب البرمجي لاحتمال “لا أ ولا ب” باستخدام الأدوات الإحصائية

12.1 التنفيذ البرمجي عبر لغة بايثون (Python)

تُعد لغة بايثون (Python) الأداة البرمجية الأكثر انتشاراً في علوم البيانات والتحليل الإحصائي المتقدم، نظراً لثرائها بالمكتبات الرياضية المتخصصة مثل NumPy و SciPy. تتيح هذه الأدوات أتمتة حسابات النفي الاحتمالي بدقة مطلقة، فضلاً عن إجراء تجارب محاكاة مونت كارلو (Monte Carlo Simulations) لتقدير الاحتمالات تجريبياً عبر توليد ملايين العينات العشوائية.

في إطار الأتمتة البرمجية، تُبنى خوارزمية الحساب الدقيق عبر دالة برمجية مرنة تستقبل احتمالات الأحداث المفردة واحتمال التقاطع، وتتحقق ابتداءً من صحة المدخلات وخضوعها لبديهيات الاحتمالات، ثم تُجري الحساب وفق الصيغة القياسية الشاملة. كما تُمكّن مكتبة Matplotlib و Matplotlib-venn المبرمجين من التوليد الآلي لمخططات فن التفاعلية وتظليل المساحة الخارجية المنفية مع إدراج النسب الرقمية المحسوبة عليها بصورة بصرية متقنة تدعم التقارير التقنية وصنع القرار المؤسسي.

علاوة على ذلك، توفر محاكاة مونت كارلو في بايثون وسيلة تجريبية رائدة لاختبار النماذج النظرية المعقدة في ظل غياب الصيغ التحليلية المغلقة؛ حيث يتم توليد مصفوفات ضخمة من المتغيرات العشوائية المترابطة، وحساب التكرار النسبي التجريبي للعينات التي لم يتحقق فيها أي من الحدثين، ومقارنة النتيجة المقدرة بالحل التحليلي للتحقق من استقرار النموذج وكفاءته الإحصائية.

12.2 الحساب الإحصائي المتقدم باستخدام لغة R

تحتل لغة آر (R) مكانة الصدارة في البيئات الأكاديمية والبحوث الطبية والسلوكية المتقدمة لما توفره من أدوات نمذجة إحصائية فائقة القوة. يُدار حساب احتمالات النفي والاتحاد في بيئة R عبر التعامل مع كائنات المتجهات والمصفوفات وإطارات البيانات (Data Frames) الضخمة بكفاءة حوسبية عالية.

تستخدم حزم التحليل الإحصائي في R الدوال المنطقية المعكوسة وعمليات الجبر المصفوفي لاستخراج احتمالات الخلايا المتممة من جداول التوافق المعقدة بأساليب متطورة. كما تتيح بيئة R توليد تقارير إحصائية مؤتمتة تجمع بين النمذجة الرياضية للاحتمالات واختبارات الاستقلال والارتباط وتصورات التوزيع الاحتمالي في قوالب نشر علمية رصينة تدعم الباحثين في استخلاص الاستنتاجات الطبية والنفسية بدقة فائقة.

12.3 التطبيق العملي في برمجيات الجداول الإلكترونية (Excel / Google Sheets)

توفر برمجيات الجداول الإلكترونية، مثل مايكروسوفت إكسيل (Microsoft Excel) وجداول بيانات جوجل (Google Sheets)، حلولاً عملية وسريعة وواسعة الانتشار لحساب احتمالات النفي دون الحاجة إلى كتابة تعليمات برمجية معقدة، مما يجعلها أداة مفضلة للمحللين الماليين ومديري العمليات الميدانية.

تتحقق الأتمتة في الجداول الإلكترونية عبر توظيف الدوال المنطقية والشرطية المدمجة. فعلى سبيل المثال، عند التعامل مع سجلات بيانات ضخمة تحتوي على أعمدة تمثل استجابات ثنائية (0 أو 1) لتحقق الأحداث، يُستخدم الجمع المنطقي للدوال الشرطية مثل IF و OR و NOT و AND لتحديد السجلات التي ينطبق عليها شرط النفي المزدوج عبر الصيغ الجدولية المعيارية.

علاوة على ذلك، تُبنى نماذج محاكاة تفاعلية (Interactive Dashboard Models) داخل الإكسيل من خلال ربط خلايا المدخلات الرياضية ($P(A)$, $P(B)$, $P(A cap B)$) بصيغة حسابية مرنة: =1 - (P_A + P_B - P_Intersection). ويتيح ذلك لمديري المشاريع تغيير المتغيرات ومشاهدة التأثير الفوري والانعكاس اللحظي على احتمال “لا أ ولا ب”، وتطبيق سيناريوهات “ماذا لو” (What-If Analysis) لتقييم المخاطر التشغيلية والمالية بديناميكية وسرعة فائقة.

خاتمة استنتاجية

استعرض هذا المقال التأصيلي الموسع المعالم الرياضية، والنظرية، والتطبيقية لحساب احتمال “لا الحدث أ ولا الحدث ب” (Neither A Nor B). وقد تبين بوضوح أن هذا المفهوم يتجاوز مجرد كونه إجراءً حسابياً بسيطاً ليصبح إطاراً تحليلياً متكاملاً يتطلب استيعاباً دقيقاً لخصائص فضاء العينة الشامل، وبديهيات كولموغوروف، وقوانين دي مورغان في الجبر البولياني.

أكد التحليل المقارن ضرورة التمييز المنهجي الصارم بين تصنيفات الأحداث المختلفة؛ فالأحداث غير المتنافية تفرض طرح منطقة التقاطع المشترك لتفادي تضخيم الاتحاد وتقليص النفي، بينما تتيح الأحداث المتنافية استخدام صيغة الجمع المباشر المختصرة لانعدام التقاطع، في حين تمنح الأحداث المستقلة الباحث ميزة تطبيق ضرب المتممات السريع والمباشر. كما كشفت دراسات الحالة المتنوعة في المجالات الأكاديمية والطبية والصناعية والسلوكية عن المكانة المركزية لاحتمالات النفي والغياب في ترشيد القرارات وتقييم المخاطر وبناء النظم فائقة الوثوقية وتلافي الانحيازات المعرفية الشائعة.

إن التمكن من هذه الأدوات الإحصائية—سواء عبر الفهم الرياضي المجرد، أو التمثيل البصري بمخططات فن وجداول التوافق، أو الأتمتة البرمجية عبر لغات بايثون وآر والجداول الإلكترونية—يُعد شرطاً أساسياً للباحثين والمحللين في العصر الرقمي الحديث، لضمان استخلاص رؤى علمية دقيقة تسهم في فهم الواقع والتنبؤ بمساراته بثقة وموضوعية.

References

• Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury Press. https://www.cengage.com
• DeGroot, M. H., & Schervish, M. J. (2012). Probability and Statistics (4th ed.). Addison-Wesley. https://www.pearson.com
• Feller, W. (1968). An Introduction to Probability Theory and Its Applications (Vol. 1, 3rd ed.). John Wiley & Sons. https://www.wiley.com
• Hogg, R. V., McKean, J., & Craig, A. T. (2019). Introduction to Mathematical Statistics (8th ed.). Pearson. https://www.pearson.com
• Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Kolmogorov, A. N. (1956). Foundations of the Theory of Probability (N. Morrison, Trans.; 2nd ed.). Chelsea Publishing Company. (Original work published 1933). https://mathworld.wolfram.com/KolmogorovAxioms.html
• Lipschutz, S., & Lipson, M. (2007). Schaum’s Outline of Probability, Random Variables, and Random Processes (2nd ed.). McGraw-Hill Education. https://www.mheducation.com
• Ross, S. M. (2014). A First Course in Probability (9th ed.). Pearson. https://www.pearson.com
• Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293–315. https://doi.org/10.1037/0033-295X.90.4.293
• Wackerly, D. D., Mendenhall, W., & Scheaffer, R. L. (2008). Mathematical Statistics with Applications (7th ed.). Cengage Learning. https://www.cengage.com