إكسل: توليد رقم عشوائي بين نطاق

تُمثّل العشوائية المحوسبة إحدى الركائز الأساسية التي تقوم عليها النمذجة الإحصائية المعاصرة، وبحوث المحاكاة التجريبية، والتصميم المنهجي في العلوم السلوكية والاجتماعية. وفي بيئات معالجة البيانات المكتبية، يبرز برنامج مايكروسوفت إكسل (Microsoft Excel) كأداة واسعة الانتشار تتيح للباحثين والمحللين توليد سلاسل عددية تخضع لشروط وحدود دقيقة. ومع ذلك، فإن التعامل مع مفهوم “الرقم العشوائي” داخل الجداول الحسابية يتجاوز مجرد إدخال دالة بسيطة؛ إذ يتطلب فهماً عميقاً للخصائص الخوارزمية الكامنة خلف الآلة الحاسوبية، والتمايز الرياضي بين المتغيرات المتصلة والمنفصلة، والآثار المترتبة على إعادة الحساب التلقائي التي قد تعصف باستقرار النماذج التجريبية ما لم تُضبط بدقة منهجية واعية.

يتناول هذا الدليل الأكاديمي الشامل دراسة مستفيضة للآليات الرياضية والتقنية المتاحة لتوليد الأرقام العشوائية المقيدة بنطاقات محددة داخل برنامج إكسل. سنستعرض التطور الخوارزمي لمولدات الأرقام الزائفة عبر تاريخ البرنامج، ونفكك البنية التركيبية لكل من الدوال الكلاسيكية والحديثة، ونرصد الحلول الرياضية لتوليد أرقام حقيقية مستمرة وكسرية دون الوقوع في مآزق التحيز الإحصائي أو تجاوز الحدود المقررة. كما نخصص حيزاً تطبيقياً معمقاً لاستخدام هذه التقنيات في ضبط التجارب النفسية، وتوزيع العينات، وبناء محاكاة مونت كارلو، وصولاً إلى استراتيجيات منع التكرار وإدارة كفاءة الذاكرة الحاسوبية في مجموعات البيانات الكبيرة.

إن إدراك الباحث لمحددات الأداة التي يستخدمها يُعد شرطاً أولياً لضمان النزاهة الأكاديمية وموثوقية النتائج الإحصائية؛ فالأرقام المولدة عشوائياً ليست مجرد نواتج اعتباطية، بل هي متتاليات قطعية تحكمها علاقات تكرارية تخضع لقوانين التوزيع الاحتمالي. ومن خلال هذا التحليل المفصل، نضع بين يدي الباحث، والمحلل المالي، ومطور النماذج الإحصائية، مرجعاً علمياً وتطبيقياً متكاملاً يجمع بين الصرامة النظرية والتطبيق الإجرائي الدقيق.

1. الأسس النظرية والمفاهيمية لتوليد الأرقام العشوائية في إكسل

1.1 طبيعة خوارزميات توليد الأرقام العشوائية الزائفة (PRNG)

تقوم البيئات الرقمية والحواسيب عموماً على مبادئ المنطق القطعي (Deterministic Logic)، حيث تؤدي كل مدخلات محددة بالضرورة إلى مخرجات متطابقة وثابتة. ومن هذا المنطلق، فإن الحاسوب عاجز بنيوياً عن إنتاج “عشوائية حقيقية” (True Randomness) نابعة من ظواهر فيزيائية غير متوقعة كالانحلال الإشعاعي أو الضجيج الحراري، ما لم يكن متصلاً بمجسات فيزيائية مخصصة لذلك الغرض. بدلاً من ذلك، تعتمد البرمجيات التطبيقية مثل مايكروسوفت إكسل على خوارزميات رياضية تُعرف بمولدات الأرقام العشوائية الزائفة (Pseudo-Random Number Generators – PRNG). هذه المولدات هي صيغ جبرية تكرارية تبدأ من نقطة انطلاق محددة سلفاً وتُنتج سلسلة من الأرقام تبدو في مظهرها وتوزيعها الإحصائي مطابقة لخصائص السلاسل المستقلة والموزعة توزيعاً متطابقاً (i.i.d.).

ترتكز هذه الخوارزميات بصورة جوهرية على ما يُسمى “القيمة الابتدائية” أو البذرة (Seed Value). تمثل البذرة المتغير الأولي الذي يُغذى في المعادلة التكرارية لحساب الرقم الأول في السلسلة، والذي يتحول بدوره إلى مدخل لتوليد الرقم الثاني، وهكذا دواليك. تكمن الخاصية الحاسمة هنا في أنه إذا استُخدمت البذرة الرياضية ذاتها مرتين، فإن الخوارزمية ستُعيد إنتاج التسلسل العددي العشوائي ذاته بدقة متناهية ودون أدنى انحراف. في الإصدارات المبكرة من إكسل (ما قبل إصدار 2003)، كان البرنامج يعتمد على مولد التطابق الخطي البسيط (Linear Congruential Generator – LCG)، وهو نمط خوارزمي عانى من قِصر الدورة التكرارية (Period Length) وظهور أنماط هندسية شبكية عند اختبار الأرقام في أبعاد هندسية متعددة.

ومع تطور الأبحاث في مجال الإحصاء الحاسوبي، اعتمدت مايكروسوفت خوارزمية ويخمان وهيل (Wichmann-Hill) التي تجمع بين ثلاثة مولدات تطابقية تضاعفية ذات فترات أولية متباينة، مما رفع طول الدورة التكرارية إلى قرابة $6.95 \times 10^{12}$ محاولة. وعلى الرغم من المراجعات النقدية الحادة التي وجهها باحثون متخصصون مثل الباحث ماكولو (McCullough) في دراساته المنشورة عام 2008 حول وجود أخطاء في تطبيق هذه الخوارزمية في إكسل 2003 و2007 تسببت في إنتاج قيم سالبة في حالات نادرة وفشلها في اختبارات دي هارد (DIEHARD)، فقد قامت مايكروسوفت بإصلاح هذه المشكلات جذرياً بدءاً من حزمة التحديثات الثانية لإكسل 2007 وإصدارات إكسل 2010 اللاحقة التي وظفت خوارزمية محسنة بفترة دورية هائلة تصل إلى $2^{121}$. وبذلك، أصبحت الأرقام العشوائية في إكسل تتمتع بكفاءة كافية وملاءمة عالية للدراسات السلوكية، والتجارب النفسية، وعمليات السحب الإحصائي غير الحساسة أمنياً.

1.2 أهمية التوزيع الاحتمالي المنتظم في بيئة الجداول الحسابية

تستند جميع عمليات التوليد العشوائي في إكسل افتراضياً إلى نموذج التوزيع الاحتمالي المنتظم (Uniform Distribution). يقتضي هذا المفهوم أن جميع القيم الواقعة ضمن الفضاء العيني المحدد تمتلك فرصة متكافئة تماماً في الظهور عبر المحاولات المتتالية، دون أي تحيز قيمي لنقطة المنتصف أو الأطراف. ويظهر هذا التوزيع في مظهرين رئيسيين: التوزيع المنتظم المستمر (Continuous Uniform Distribution)، حيث تكون المتغيرات أرقاماً حقيقية كسرية تقع على الفترة النصف مفتوحة $[0, 1)$ وتتمتع بعدد لا نهائي من القيم الممكنة؛ والتوزيع المنتظم المنفصل (Discrete Uniform Distribution)، وفيه تنحصر النواتج ضمن فئة محددة من الأعداد الصحيحة القابلة للعد.

يتجلى التأثير التجريبي لهذا التوزيع في قانون الأعداد الكبيرة (Law of Large Numbers)؛ فعند سحب عينة عشوائية صغيرة، قد تبدو التكرارات الملاحظة متفاوتة بشدة، مما قد يضلل الباحث المبتدئ بالاعتقاد بأن المولد غير نزيه إحصائياً. ولكن مع تزايد حجم العينة وتكرار التوليد لآلاف الخلايا، تبدأ التكرارات النسبية في التقارب الوثيق مع التوزيع النظري المتوقع. فعلى سبيل المثال، عند رمي نرد افتراضي ذي 6 أوجه، يقترب التكرار النسبي لكل وجه تدريجياً من القيمة المتوقعة ($1/6 \approx 16.67%$). إن التمييز الدقيق بين التوزيع المستمر والتوزيع المنفصل يحدد نمط الدوال الواجب توظيفها؛ فاختيار أداة توليد الأعداد الصحيحة لإجراء نمذجة تتطلب حساسية متناهية في القياس يؤدي حتماً إلى خطأ في القياس وتفريط في التباين الرياضي الكامن في الظاهرة المدروسة.

1.3 ديناميكية إعادة الحساب التلقائي (Volatile Functions)

تُصنف دوال التوليد العشوائي في إكسل، وعلى رأسها دالتا RAND وRANDBETWEEN، ضمن فئة “الدوال المتطايرة” (Volatile Functions). يختلف هذا النمط من الدوال جذرياً عن الدوال الرياضية القياسية مثل SUM أو AVERAGE؛ فبينما لا يُعاد احتساب الدوال القياسية إلا إذا طرأ تغيير على قيم الخلايا المغذية لها كمدخلات، فإن الدوال المتطايرة تُعاد معالجتها وتحديث نتائجها مع كل عملية تفاعلية يقوم بها المستخدم داخل ورقة العمل، سواء أكانت كتابة قيمة جديدة في خلية نائية، أو حذف صف، أو حتى إعادة فتح الملف.

يمثل هذا التحديث التلقائي المستمر سيفاً ذا حدين؛ فهو يضمن توليد سيناريوهات جديدة ديناميكياً لمحاكاة النماذج المالية والتقلبات، لكنه يشكل في الوقت ذاته خطراً جسيماً على سلامة التجارب العلمية. فإعادة الحساب العرضية قد تؤدي إلى تبديل تخصيص أفراد العينة بين المجموعات التجريبية والضابطة في خضم التحليل، أو تدمير النتائج الحسابية المبنية على سلسلة معينة. علاوة على ذلك، فإن وجود آلاف الدوال المتطايرة في مصنف واحد يفرض عبئاً حسابياً هائلاً على وحدة المعالجة المركزية (CPU)، مما يتسبب في بطء ملحوظ واستنزاف لموارد الجهاز، وهو ما يستلزم دراية كاملة بإدارة أوضاع الحساب في إكسل وتقنيات التثبيت الإجرائي للبيانات.

2. توليد الأعداد الصحيحة ضمن نطاق محدد باستخدام دالة RANDBETWEEN

2.1 البنية التركيبية والمحددات الرياضية للدالة RANDBETWEEN

تمثل دالة RANDBETWEEN الأداة الكلاسيكية المباشرة المخصصة لتوليد أرقام صحيحة عشوائية تقع بين حدين معلومين. تاريخياً، لم تكن هذه الدالة متاحة بصورة افتراضية في إصدارات إكسل 2003 وما قبلها، بل كانت تتطلب تفعيل حزمة أدوات التحليل الإضافية (Analysis ToolPak)، غير أن شركة مايكروسوفت قامت بدمجها رسمياً كدالة قياسية أصيلة في نواة البرنامج بدءاً من إكسل 2007. تتميز الدالة ببساطة بنائها التركيبي، إذ تستقبل وسيطتين إلزاميتين فقط وفق الصيغة البرمجية الآتية:

=RANDBETWEEN(bottom, top)

حيث تُشير الوسيطة الأولى (bottom) إلى الحد الأدنى المغلق للنطاق المستهدف، بينما تُمثل الوسيطة الثانية (top) الحد الأعلى المغلق لنفس النطاق. ومن الناحية الحسابية البحتة، فإن الدالة مصممة لتوليد أعداد صحيحة حصراً وفق مبدأ الفترة المغلقة $[bottom, top]$، مما يعني أن كلاً من الحد الأدنى والحد الأعلى يمتلكان فرصة مكافئة للظهور تماماً مثل أي عدد يقع بينهما. وإذا أدخل المستخدم قيماً كسرية عشرية ضمن هاتين الوسيطتين، فإن إكسل لا يرفض الصيغة بل يقوم تلقائياً باقتطاع الجزء الكسري وتقريب الأرقام داخلياً وفق قواعد البناء العددي، مما قد ينتج عنه انحراف غير مقصود في حدود النطاق المستهدف إذا لم يكن المحلل متنبهاً لذلك.

تتسم الدالة بصرامة رياضية عند تعاملها مع تراتبية الحدود؛ فإذا حدث خطأ منطقي وجاءت قيمة الحد الأدنى أكبر قطيعاً من قيمة الحد الأعلى (أي $bottom > top$)، تعجز الخوارزمية عن إنشاء فضاء عيني منطقي، وينتج عن ذلك فوراً خطأ القيمة العددية الشهير #NUM!. ولتلافي هذا التعطل في النماذج الديناميكية المعقدة التي تتغير حدودها برمجياً بناءً على خلايا أخرى، يُنصح بصياغة دفاعية للمعادلة تعتمد على دالتي MIN وMAX لضبط الأطراف تلقائياً على النحو التالي:

=RANDBETWEEN(MIN(A1, B1), MAX(A1, B1))

2.2 خطوات التطبيق العملي ونشر الصيغة على مصفوفات البيانات

لتطبيق دالة RANDBETWEEN في سيناريو عملي، ولنفترض الرغبة في محاكاة درجات اختبار تحصيلي مقنن يتراوح مداه الممكن بين 50 و100 درجة، يبدأ الباحث بتحديد الخلية المستهدفة وليكن الرمز C2، ثم يقوم بإدخال الصيغة الحسابية المباشرة:

=RANDBETWEEN(50, 100)

بمجرد الضغط على زر الإدخال (Enter)، يقوم إكسل بتنفيذ الخوارزمية وعرض عدد صحيح يقع حتماً داخل تلك الفترة المغلقة. ولتعميم هذه الصيغة على مصفوفة بيانات تتكون من مئات أو آلاف الحالات، يتيح إكسل استخدام تقنية “مقبض التعبئة” (Fill Handle) من خلال النقر المزدوج على المربع الصغير الكائن في الركن السفلي الأيسر (أو الأيمن بحسب لغة الواجهة) للخلية النشطة، ليتم سحب المعادلة تلقائياً على طول العمود بمحاذاة البيانات المجاورة.

وفي إطار الممارسات المنهجية الرصينة، يُفضل تجنب كتابة الأرقام الثابتة (Hardcoding) مباشرة داخل نصوص الصيغ البرمجية. وبدلاً من ذلك، ينبغي تخصيص خلايا مستقلة للبارامترات؛ كأن يُوضع الحد الأدنى في الخلية $F$1 والحد الأعلى في الخلية $F$2. عندئذ تُكتب الصيغة بالاعتماد على مراجع الخلايا المطلقة:

=RANDBETWEEN($F$1, $F$2)

يوفر هذا الأسلوب مرونة تصميمية استثنائية؛ إذ يتيح للباحث إعادة ضبط معالم العينة أو تعديل مقياس الدرجات في كامل ورقة العمل بلمسة واحدة عبر تعديل مدخلات الخليتين المرجعيتين فقط، مع ضمان بقاء الروابط الرياضية آمنة دون حاجة لإعادة كتابة المعادلات في المصفوفات المتشعبة.

2.3 التعامل مع القيم السالبة والنطاقات الصفرية

تتميز دالة RANDBETWEEN بقدرة تامة على معالجة الأعداد الصحيحة السالبة بنفس الكفاءة الإحصائية التي تعالج بها القيم الموجبة. تظهر الحاجة إلى هذه الخاصية بوضوح في تطبيقات قياس الفروق المعيارية، ومحاكاة تغيرات درجات الحرارة تحت الصفر، ومؤشرات التغير في الأداء السلوكي (مكسب/خسارة)، أو رصد تباينات الدرجات المعيارية المحولة. على سبيل المثال، لتوليد رقم عشوائي ينحصر في فضاء الأعداد الصحيحة بين -15 و -5، تُصاغ المعادلة بالالتزام الصارم بالترتيب الجبري حيث يكون العدد الأصغر جلياً في الوسيطة الأولى:

=RANDBETWEEN(-15, -5)

كما يمكن مد النطاق ليشمل الصفر كنقطة ارتكاز محورية تتوسط القيم الموجبة والسالبة، مثل النطاق المحصور بين -10 و +10. في هذه الحالة، يحتفظ الصفر بفرصة احتمالية متكافئة للظهور تماماً كبقية الأرقام الصحيحة الـ 20 الأخرى المكونة للنطاق (إجمالي 21 احتمالاً متكافئاً). تبرز القيمة التطبيقية لهذا النطاق الصفري المتناظر في دراسات علم النفس التجريبي التي تفحص مدى التحيز في اتخاذ القرار حول نقطة التعادل، مما يُمكن الباحث من محاكاة نواتج تجارب التفضيل المتطابقة بدقة متناهية ودون إخلال بالتوازن الإحصائي للبيانات.

3. توليد الأرقام العشرية ضمن نطاق محدد باستخدام دمج الدوال

3.1 الآلية الرياضية لدمج دالتي RANDBETWEEN و RAND

على الرغم من الفائدة التطبيقية الكبرى لدالة RANDBETWEEN، فإن قصر مخرجاتها على الأعداد الصحيحة يحرم الباحث من رصد المتغيرات المستمرة ذات الطبيعة الكسرية، مثل أزمنة الرجع (Reaction Times) المقاسة بالمللي ثانية، ومستويات الهرمونات في الدم، أو قياسات الاستجابة الجلدية الجلفانية. وهنا تبرز الحاجة إلى توظيف دالة RAND، وهي الدالة الأساسية في إكسل التي تُنتج كسراً عشرياً عشوائياً يقع في المدى الرياضي النصف مفتوح $[0, 1)$.

يلجأ بعض المستخدمين بشكل غير مدروس إلى الدمج المباشر بين الدالتين من خلال الجمع البسيط، كأن يكتب الصيغة:

=RANDBETWEEN(Min, Max) + RAND()

إن هذا التركيب البدائي ينطوي على عيب رياضي فادح يخل بسلامة النطاق الاحتمالي المستهدف. فالقيمة العظمى الناتجة من RANDBETWEEN هي Max، وعندما يقترن ظهورها بتوليد رقم كسري من دالة RAND يقترب من الواحد الصحيح (وليكن 0.985)، فإن النتيجة الإجمالية ستكون $Max + 0.985$، مما يعني اختراق السقف الأعلى المحدد وتجاوزه بوضوح. يمثل هذا التجاوز خطأً منهجياً جسيماً في البحوث التي تشترط سقوفاً قياسية صارمة لا يمكن تخطيها رياضياً.

3.2 تطبيق الصيغة المتقدمة: RANDBETWEEN(Min, Max-1) + RAND

لتصحيح المعضلة السابقة وضمان بقاء المتغير العشوائي محصوراً داخل المدى المطلوب بدقة وبصورة مستمرة، طور الإحصائيون صيغة تركيبية معدلة تقوم على إنقاص واحد صحيح من الحد الأعلى داخل دالة الأعداد الصحيحة، وتأخذ البنية الرياضية التالية:

=RANDBETWEEN(Min, Max - 1) + RAND()

تستند هذه الصياغة إلى تأصيل حسابي محكم؛ حيث تتولى دالة RANDBETWEEN(Min, Max - 1) توليد الجزء الصحيح من الرقم، والذي سيتراوح في أقصى حالاته عند القيمة $Max – 1$. وعند إضافة الكسر العشري المتولد من دالة RAND() المحصور حصراً بين $0$ وأقل تماماً من $1$، فإن القيمة الإجمالية الناتجة ستبدأ من الحد الأدنى $Min$ (في حال كانت نتيجة الجزء الصحيح $Min$ والكسر يقترب من الصفر)، وتصل في حدها الأقصى النظري إلى مشارف $Max$ دون أن تتجاوزه إطلاقاً، محققة بذلك الفترة النصف مفتوحة $[Min, Max)$.

فإذا أردنا على سبيل المثال توليد أزمنة استجابة عشوائية تنحصر بين 5 ثوانٍ و15 ثانية، تُكتب المعادلة كالآتي:

=RANDBETWEEN(5, 14) + RAND()

يضمن هذا الأسلوب استمرارية التوزيع الاحتمالي وتجانسه التام؛ إذ تنعدم الفجوات العددية بين الفئات، وتتلاشى التراكمات التكرارية غير الطبيعية عند الحدود، مما يوفر محاكاة واقعية تماثل الظواهر الطبيعية المستمرة بصورة ممتازة.

3.3 التحكم في عدد الخانات العشرية الناتجة

تنتج دالة RAND() أرقاماً ذات دقة عشرية مفرطة تصل إلى 15 خانة عشرية وفق معيار النقطة العائمة ذي الدقة المزدوجة (IEEE 754 Floating-Point Standard). وفي معظم الدراسات السلوكية والاجتماعية، يُعد هذا القدر من الخانات العشرية فائضاً عن الحاجة ومرهقاً في العرض الجدولي، فضلاً عن تعارضه مع الدقة الميكانيكية لأدوات القياس المستخدمة في جمع البيانات الواقعية.

للتحكم الصارم في عدد المنازل العشرية، يتم تطويق الصيغة المركبة السابقة بدوال التقريب المتخصصة في إكسل، وأبرزها دالة ROUND. تحدد هذه الدالة عدد الخانات العشرية المستهدفة عبر وسيطتها الثانية؛ فإذا أردنا تقييد المخرجات بخانتين عشريتين فقط، تتم صياغة المعادلة كالتالي:

=ROUND(RANDBETWEEN(5, 14) + RAND(), 2)

كما يمكن للباحث المفاضلة بين خيارات التقريب الحسابي؛ فبينما تقوم دالة ROUND بالتقريب الرياضي المعتاد للأعلى أو الأدنى تبعاً لقيمة الخانة التالية، فإن استخدام دالة الاقتطاع TRUNC يُلغي المنازل العشرية الزائدة بحذفها المباشر دون تعديل القيمة المتبقية، بينما تضمن دالة ROUNDDOWN الانحياز الإيجابي الحذر نحو القيمة الأدنى دائماً. ومع ذلك، يجب أن يدرك المحلل أن التقريب المبالغ فيه إلى فئات خشنة (كتقريب الأرقام لخانة واحدة أو إلغاء الكسور كلياً) يُحوّل المتغير المستمر قسراً إلى متغير شبه منفصل، مما يترتب عليه ظهور تكرارات اصطناعية في التوزيع التكراري قد تؤثر على اختبارات الاعتدالية والالتواء في المعالجات الإحصائية اللاحقة.

4. الصيغة الرياضية العامة لتوليد أرقام حقيقية مستمرة باستخدام RAND

4.1 المعادلة الخطية الكلاسيكية: Min + (Max – Min) * RAND()

تُعد المعادلة الخطية الكلاسيكية هي المعيار الذهبي المعتمد لدى الإحصائيين ومطوري النماذج المحوسبة لتوليد متغيرات عشوائية مستمرة تخضع للتوزيع المنتظم على أي فترة حقيقية مفتوحة أو مغلقة. تعتمد هذه المعادلة حصراً على دالة RAND() دون الحاجة لإقحام دالة RANDBETWEEN، وتُصاغ جبرياً وفق البنية التالية:

=Min + (Max - Min) * RAND()

يرتكز الاشتقاق الجبري لهذه المعادلة على مبدأ التحويل الخطي لمجال الدالة؛ حيث تنتج دالة RAND() متغيراً عشوائياً أولياً $U$ يتبع التوزيع المنتظم القياسي على الفترة $[0, 1)$. وعند ضرب هذا المتغير بالمدى الكلي المستهدف $(Max – Min)$، يتمدد مجال التشتت الإحصائي ليصبح محصوراً في الفترة $[0, Max – Min)$. وبإضافة قيمة الحد الأدنى $Min$ إلى طرفي المتراجحة، تتم إزاحة المجال بأكمله على خط الأعداد ليغطي بدقة بالغة الفترة المستهدفة $[Min, Max)$.

تتسم هذه الصيغة بخصائص إحصائية راقية ومثبتة برهانياً؛ فالقيمة المتوقعة (Expected Value) للمتغير العشوائي $X$ الناتج عنها تُحسب بالمعادلة:

$$E[X] = \frac{Min + Max}{2}$$

بينما يُحسب التباين الرياضي (Variance) بالعلاقة الثابتة:

$$Var[X] = \frac{(Max – Min)^2}{12}$$

أما الانحراف المعياري المقابل فيساوي:

$$SD[X] = \frac{Max – Min}{\sqrt{12}}$$

يوفر هذا النموذج النقاء الإحصائي الأمثل لمحاكاة النظم المتصلة؛ فهو يستفيد من الدقة الفائقة لتمثيل الفاصلة العائمة في إكسل، ويتيح سلاسة تامة في التعامل مع الحدود الدنيا والعليا التي تشتمل أصلاً على فواصل عشرية (مثل توليد أرقام بين 1.25 و 8.75)، وهو ما تعجز عنه الصيغ المعتمدة على RANDBETWEEN دون إجراء تعقيدات إضافية غير مبررة.

4.2 المقارنة التحليلية بين الطريقة الخطية وطريقة RANDBETWEEN المركبة

عند وضع الطريقتين في ميزان التحليل الحسابي المقارن، تتجلى بوضوح أفضليات بنيوية للطريقة الخطية. فمن منظور كفاءة استهلاك الذاكرة وسرعة المعالجة الحاسوبية، تستدعي المعادلة الخطية دالة وحيدة فقط هي RAND()، وتجري عمليتي طرح وضرب بسيطتين تنفذهما وحدة الحساب والمنطق (ALU) بسرعة فائقة، بينما تتطلب الصيغة المركبة استدعاء دالتين مختلفتين (RANDBETWEEN و RAND) ودمجهما عبر مكدس العمليات، مما يضاعف العبء التنفيذي عند تطبيق النماذج على ملايين الصفوف في قواعد البيانات الضخمة.

من الناحية الإحصائية، تخلو الطريقة الخطية تماماً من مشاكل “التحيز الطَرَفي” (Boundary Bias)؛ إذ توزع الاحتمالية بكثافة ثابتة ومنتظمة على امتداد خط النطاق دون حدوث أي تذبذب تكراري بالقرب من الأطراف. كما تمنح الباحث مرونة مطلقة في تحديد النطاقات المتناهية في الصغر (مثل النطاق بين 0.001 و 0.005)، في حين تتطلب محاولة إنجاز ذلك عبر RANDBETWEEN اللجوء إلى حيل التكبير والتصغير بالقسمة على مضاعفات العشرة (مثل توليد أعداد صحيحة وقسمة الناتج على 10000)، وهي تقنيات عرضة لأخطاء التقريب الرياضي وتزيد من تعقيد صيانة الكود وتدقيقه.

4.3 تمثيل التوزيعات غير المحدودة والتحويلات اللوغاريتمية

لا تنحصر تطبيقات الصيغة الخطية في التوزيع المنتظم البسيط، بل تمتد لتشكل حجر الأساس لتوليد متغيرات عشوائية تتبع توزيعات احتمالية معقدة من خلال تقنية “تحويل التوزيع التراكمي العكسي” (Inverse Transform Sampling). ففي العديد من الظواهر السلوكية والمصرفية، لا تتوزع النواتج بانتظام، بل تتبع مقاييس أسية أو توزيعات لوغاريتمية طبيعية (Log-normal)، مثل توزيع فترات البقاء، أو الثروات والدخول، أو شدة الاستجابة للمنبهات الحسية العالية.

لتوليد متغير عشوائي يتبع توزيعاً أسياً بمعدل حدوث $lambda$، يمكن استغلال القيمة المولدة من RAND() وتطبيق التحويل اللوغاريتمي المباشر:

= -(1 / Lambda) * LN(RAND())

تستفيد هذه الصيغة من الدقة المتصلة للدالة العشوائية لتحويل الفضاء المنتظم إلى فضاء لا نهائي يبدأ من الصفر ويمتد نحو المالانهاية الموجبة وفق دالة الكثافة الأسية. وبالمثل، يمكن ضبط نسب مئوية مقيدة بدقة متناهية تحاكي احتمالات الخطأ أو معدلات الفشل في الأنظمة المعرفية عبر ربط المعادلة الخطية بنطاق محصور بين 0% و 5%، بما يضمن تكامل النموذج الرياضي وامتثاله للمحددات النظرية للظاهرة محل الدراسة.

5. استخدام المصفوفات الديناميكية ودالة RANDARRAY في الإصدارات الحديثة

5.1 خصائص وإمكانات دالة RANDARRAY الحديثة في Excel 365

أحدثت شركة مايكروسوفت نقلة نوعية في بنية الحساب الرياضي بإطلاق محرك المصفوفات الديناميكية (Dynamic Array Engine) في إصدارات Microsoft 365 و Excel 2021 والنسخ السحابية. وتوجت هذه النقلة بطرح دالة RANDARRAY، وهي الأداة الأكثر حداثة وتطوراً في بيئة إكسل؛ حيث جمعت وظائف كافة الدوال العشوائية السابقة في بنية برمجية واحدة وشاملة تستقبل خمس وسائط اختيارية تمنح المستخدم تحكماً مطلقاً في أبعاد المصفوفة وطبيعة مخرجاتها:

=RANDARRAY([rows], [columns], [min], [max], [whole_number])

تحدد الوسيطتان الأولى والثانية (rows و columns) الأبعاد الهندسية للمصفوفة المولدة؛ فبدلاً من سحب المعادلات عبر مئات الخلايا يدوياً، يمكن للمحلل كتابة صيغة واحدة في خلية وحيدة ليقوم إكسل تلقائياً بإفاضة وتوسيع النتائج (Spill) لتغطي المساحة المحددة بدفعة معالجة فورية واحدة. وتحدد الوسيطتان الثالثة والرابعة (min و max) حدود النطاق الرقمي المستهدف بدقة متناهية، سواء كانت أرقاماً صحيحة أو ذات فواصل عشرية.

أما الوسيطة الخامسة والحاسمة (whole_number)، فتستقبل قيمة منطقية تحدد طبيعة التوزيع؛ حيث يؤدي إدخال القيمة TRUE إلى إجبار الدالة على توليد أعداد صحيحة حصراً (مماثلة لسلوك دالة RANDBETWEEN)، بينما يؤدي إدخال القيمة FALSE (وهو الخيار الافتراضي في حال تركها فارغة) إلى توليد أرقام حقيقية مستمرة ذات كسور عشرية فائقة الدقة محصورة بين الحدين. وبفضل هذا التصميم، تم إلغاء الحاجة للتركيبات الحسابية المعقدة لتوليد الأرقام الكسرية ضمن نطاق، وتبسط بناء النماذج الإحصائية المعقدة في صيغ أنيقة وسهلة الصيانة.

5.2 بناء تجارب المحاكاة واسعة النطاق باستخدام مصفوفات عشوائية

تفتح دالة RANDARRAY آفاقاً غير مسبوقة لبناء محاكاة واسعة النطاق في البحوث النفسية والاجتماعية في ثوانٍ معدودة. فإذا أراد باحث محاكاة استجابات 500 مبحوث على مقياس نفسي خماسي التدريج (مقياس ليكرت من 1 إلى 5) عبر 10 فقرات استبيان مختلفة، كان عليه في السابق سحب صيغة RANDBETWEEN عبر شبكة ضخمة تضم 5000 خلية؛ أما اليوم، فيمكنه إنجاز هذا الجدول التجريبي بالكامل بكتابة أمر برمجي واحد في الخلية الأولى A1:

=RANDARRAY(500, 10, 1, 5, TRUE)

تنسكب البيانات وتملأ المصفوفة فوراً برقم تعريفي لكل مشارك وفقرة. ومع ذلك، يجب على الباحث مراقبة ظهور خطأ الانسكاب الشهير #SPILL!، والذي ينشأ تلقائياً إذا اعترض مسار تمدد المصفوفة أي عائق مكاني؛ كوجود بيانات قديمة، أو نصوص، أو حتى مسافات فارغة متبقية في إحدى الخلايا الواقعة ضمن المدى الهندسي المخصص للانسكاب. ويتطلب تصحيح هذا الخطأ تفريغ النطاق المستهدف بالكامل، لتتمدد المصفوفة بنجاح وتستقر في بنية حسابية متماسكة.

5.3 التوافقية والرجوعية بين الإصدارات القديمة والحديثة

على الرغم من القوة البرمجية الفائقة لدالة RANDARRAY، فإن الاعتماد عليها يفرض تحديات تقنية معقدة تتعلق بمسألة التوافقية والرجوعية (Backward Compatibility). فعند مشاركة مصنف تم إعداده باستخدام محرك المصفوفات الديناميكية مع مستخدمين يعملون على إصدارات أقدم (مثل Excel 2016، أو 2013، أو إصدارات الشركات الثابتة غير المحدثة)، لن تتعرف تلك الأنظمة على الدالة، وستعرض فوراً خطأ عدم التعرف على الاسم #NAME?.

علاوة على ذلك، إذا تم فتح الملف وحفظه في بيئة قديمة، قد يُحاط التعبير البرمجي بأقواس معقوفة {...} كصيغة مصفوفة تقليدية موروثة (CSE Formula – Control + Shift + Enter)، مما يفقدها خاصية التمدد والانكماش الديناميكي ويجعلها عرضة للتلف البرمجي. ولتأمين استقرار المشاريع متعددة الأطراف، يتوجب على مديري البيانات إما التحقق المسبق من توحيد بيئات التشغيل البرمجية لجميع أطراف البحث، أو الاستعاضة عن الدوال الحديثة بالصيغ الكلاسيكية الجامعة (مثل المعادلة الخطية لـ RAND ودالة RANDBETWEEN المقترنة بمقبض التعبئة) لضمان قابلية تشغيل النماذج الرياضية عبر مختلف الحواسيب والمنصات دون أدنى خلل تشغيلي.

6. تثبيت الأرقام العشوائية وتحويلها إلى قيم ثابتة

6.1 دواعي تجميد البيانات وتأصيل الشفافية العلمية

تمثل قابلية إعادة الإنتاج والتحقق المستقل (Reproducibility) جوهر المنهج العلمي التجريبي. وإذا ظلت البيانات الرقمية في مصنف إكسل معتمدة على دوال عشوائية متطايرة، فإن أي مراجعة للملف، أو طباعة لتقرير النتائج، أو فحص للتحليلات الإحصائية الوصفية والاستدلالية، ستسفر عن قيم متباينة تماماً في كل مرة يتم فيها الضغط على زر الحساب أو إدخال بيان جديد. هذا التغير المستمر يُفقد الدراسة مصداقيتها ويجعل التحقق من صدق النتائج أمراً مستحيلاً من الناحية الإجرائية.

تقتضي معايير النزاهة الأكاديمية والتوثيق المنهجي أن يتم “تجميد” البيانات الخام وتحويلها إلى قيم ساكنة بمجرد انتهاء مرحلة التوليد العشوائي. هذا التجميد يحمي التحليلات من التبدل العفوي أثناء كتابة ومناقشة النتائج، ويوفر ملف بيانات أرشيفياً ثابتاً يمكن إرفاقه بالملاحق العلمية ومستودعات البيانات المفتوحة (Open Science Framework)، مما يتيح للباحثين الآخرين تطبيق نفس الاختبارات المعلمية واللامعلمية على ذات الأرقام للتحقق من سلامة الاستنتاجات العلمية المنشورة.

6.2 تقنيات اللصق الخاص (Paste Special as Values)

تُعد تقنية “اللصق الخاص كقيم” (Paste Special as Values) الأسلوب الأكثر شيوعاً واحترافية لعزل الأرقام المولدة عشوائياً عن المعادلات الرياضية الكامنة خلفها، وتحويلها إلى أرقام ثابتة نهائية مجردة. ولتنفيذ هذه العملية الإجرائية في بيئة إكسل، يتبع المستخدم الخطوات النظامية الآتية:

• تحديد كامل النطاق أو المصفوفة التي تحتوي على الأرقام العشوائية المولدة.
• نسخ النطاق المحدد إلى الحافظة باستخدام اختصار لوحة المفاتيح القياسي Ctrl + C (أو Cmd + C لنظام ماك).
• دون تحريك التحديد، النقر بزر الفأرة الأيمن فوق الخلية الأولى في النطاق، والولوج إلى خيارات اللصق واختيار أيقونة “القيم” (Values) التي تظهر رمزياً برقم 123.

ولمحترفي تحليل البيانات الساعين إلى رفع كفاءة التنفيذ وتوفير الوقت في المشاريع الكبرى، يتيح إكسل اختصارات لوحة مفاتيح فائقة السرعة؛ فيمكن استخدام التسلسل المتتابع Alt + E + S + V متبوعاً بالضغط على مفتاح Enter، أو استخدام الاختصار المباشر Ctrl + Alt + V لفتح نافذة اللصق الخاص واختيار القيم. تُسفر هذه الخطوة عن تفريغ الخلايا من الصيغ البرمجية مع الحفاظ المطلق على القيم المعروضة وتنسيقات الأرقام الإحصائية دون أي فقدان للدقة الرقمية الحسابية.

6.3 إدارة خيارات الحساب اليدوي (Manual Calculation) كحل بديل

في المراحل الوسيطة من بناء النماذج الإحصائية المعقدة، قد يرغب الباحث في إيقاف مؤقت لإعادة الحساب المستمر دون إلغاء المعادلات ذاتها، رغبة منه في الاحتفاظ بالقدرة على إعادة التوليد لاحقاً بضغطة زر. يوفر إكسل هذا الخيار من خلال التحكم في بيئة المعالجة المركزية عبر تبديل وضع الحساب من النمط “التلقائي” (Automatic) إلى النمط “اليدوي” (Manual).

يتم هذا الإجراء بالانتقال إلى شريط الأدوات الرئيسي، ثم الدخول إلى تبويب “صيغ” (Formulas)، والنقر على “خيارات الحساب” (Calculation Options)، وتحديد “يدوي” (Manual). تحت هذه البيئة التشغيلية، يتوقف إكسل كلياً عن تحديث الدوال المتطايرة عند تحرير الخلايا. وعندما يقرر الباحث تحديث الأرقام العشوائية أو توليد محاولة جديدة، يكفيه الضغط على مفتاح F9 على لوحة المفاتيح، ليقوم البرنامج بإعادة حساب وتحديث كامل المصنف دفعة واحدة، أو الضغط على Shift + F9 لحساب ورقة العمل الحالية فقط.

غير أن هذا الحل ينطوي على مخاطر منهجية بالغة يجب التنبيه إليها بحزم؛ فنسيان خيار الحساب اليدوي مفعلاً يؤدي إلى تجميد حساب كافة الدوال الأخرى غير العشوائية في المصنف، مما يترتب عليه ظهور مخرجات خاطئة للمجاميع، والمتوسطات، واختبارات الدلالة الإحصائية التي لن تتحدث عند إدخال بيانات جديدة، مما قد يقود الباحث إلى استنتاجات خاطئة تماماً ما لم ينتبه لإعادة وضع الحساب إلى حالته التلقائية فور الانتهاء من تجارب التوليد.

7. توليد سلاسل أرقام عشوائية غير مكررة ضمن نطاق محدد

7.1 معضلة التكرار في دوال التوليد العشوائي الافتراضية

تنطلق دوال التوليد العشوائي القياسية في إكسل (مثل RAND، وRANDBETWEEN، وRANDARRAY) من فرضية استقلالية المحاولات الاحتمالية (Independence of Trials)؛ حيث تتصرف الخوارزمية في كل استدعاء رياضي وكأنها تسحب رقماً من صندوق مع إعادته فوراً (Sampling with Replacement). وكنتيجة حتمية لهذه الطبيعة الإحصائية، فإن احتمالية تكرار نفس الرقم واردة جداً وتتزايد باطراد كلما اقترب حجم العينة المطلوبة من سعة النطاق المتاح، وهي الظاهرة الإحصائية المعروفة في نظرية الاحتمالات بـ “مفارقة يوم الميلاد” (Birthday Paradox).

يمثل هذا التكرار العفوي معضلة منهجية كارثية في العديد من التطبيقات البحثية؛ فإذا كان الغرض هو سحب عينة عشوائية بسيطة من قائمة طلاب دون إحلال، أو تعيين ترتيب ظهور المحفزات البصرية في تجربة قياس نفسي، فإن تكرار ظهور نفس الرقم التعريفي يعني استدعاء نفس المفحوص مرتين أو حرمان مشاركين آخرين من فرصة التمثيل العادل. وبالتالي، تفشل الدوال البسيطة فشلاً ذريعاً في تلبية متطلبات “المعاينة بدون إحلال” (Sampling without Replacement)، مما يستوجب توظيف صيغ تركيبية متقدمة تفرض شرط التفرد الحسابي التام.

7.2 دمج دالتي SORTBY و RANDARRAY لإنتاج عينات فريدة

قدمت مصفوفات إكسل الحديثة حلاً برمجياً متكاملاً يتسم بالأناقة الرياضية والكفاءة التنفيذية للتغلب على مشكلة التكرار نهائياً، وذلك بدمج دالتي SORTBY و RANDARRAY مع دالة التسلسل العددي SEQUENCE. تعتمد الفلسفة الإحصائية لهذا الحل على إنشاء فضاء العينة كاملاً بصورة مرتبة ومنتظمة أولاً، ثم إعادة ترتيب هذه العناصر بصورة عشوائية شمولية تشبه خلط أوراق اللعب (Shuffling).

إذا افترضنا الرغبة في توليد قائمة عشوائية تحتوي على جميع الأرقام الصحيحة من 1 إلى 50 دون ظهور أي تكرار نهائياً، تُكتب الصيغة المتكاملة في خلية مفردة كالتالي:

=SORTBY(SEQUENCE(50, 1, 1, 1), RANDARRAY(50))

تعمل هذه الصيغة عبر ثلاث مراحل متزامنة ومترابطة:

• تقوم الدالة SEQUENCE(50, 1, 1, 1) بتوليد عمود مرتب بدقة يحتوي على الأعداد الصحيحة من 1 إلى 50.
• تولد الدالة RANDARRAY(50) مصفوفة موازية خفية تتكون من 50 رقماً كسرياً عشوائياً مستمراً مشتقاً من دالة RAND.
• تتدخل دالة SORTBY لتقوم بإعادة فرز وترتيب أرقام السلسلة الأولى وفقاً للترتيب التصاعدي أو التنازلي للأرقام الكسرية العشوائية الموازية لها في المصفوفة الثانية.

ونظراً لأن الأرقام الكسرية تتمتع بدقة متناهية تجعل احتمالية تطابق كسرين شبه مستحيلة رياضياً، فإن المتتالية الناتجة تكون خلطاً عشوائياً نقياً للأرقام الخمسين، خالية من أي تكرار، ومستوفية لشروط المعاينة الاحتمالية الصارمة.

7.3 استخدام عمود المساعدة (Helper Column) والدوال الكلاسيكية

بالنسبة للمستخدمين والباحثين الذين يعملون على إصدارات إكسل الكلاسيكية التي تفتقر إلى الدوال الديناميكية الحديثة، يمكن تحقيق نفس النتيجة الصارمة المانعة للتكرار عبر منهجية كلاسيكية مستقرة تُعرف بأسلوب “عمود المساعدة” (Helper Column). تتطلب هذه الطريقة توزيع العمل الحسابي على عمودين متجاورين وفق الخطوات الإجرائية الآتية:

في العمود الأول (وليكن العمود A من الخلية A1 إلى A50)، يتم إدخال الدالة العشوائية المستمرة البسيطة:

=RAND()

وسحبها لتغطي كامل الخلايا الخمسين، مما يُنتج عموداً من الكسور العشوائية المتباينة. وفي العمود المجاور (العمود B في الخلية B1)، يتم توظيف دالة الرتبة الإحصائية RANK (أو RANK.EQ في الإصدارات الأحدث) لتحديد الترتيب النسبي للكسر العشوائي مقارنة بجميع الكسور الزميلة في العمود، بالصيغة التالية:

=RANK(A1, $A$1:$A$50)

وعند سحب هذه المعادلة عبر الخلايا من B1 إلى B50، سيحصل الباحث على متتالية متكاملة للأعداد من 1 إلى 50؛ حيث تضمن الدالة تصنيفاً فريداً لكل موقع دون أدنى إمكانية لتكرار أي رقم صحيح. وتُعد هذه الطريقة حلاً كلاسيكياً عبقرياً يتوافق تماماً مع جميع إصدارات إكسل منذ إطلاق البرنامج، ويتيح استخراج عينات عشوائية فريدة بدقة وأمان تامين في بيئات العمل القديمة.

8. التطبيقات المنهجية لتوليد الأرقام العشوائية في البحوث التجريبية والنفسية

8.1 التعيين العشوائي للأفراد في المجموعات التجريبية والضابطة

يُمثل التعيين العشوائي (Random Assignment) للأفراد والمشاركين في المجموعات التجريبية والضابطة الركيزة الأساسية للتصميم التجريبي المنهجي وشرطاً لا غنى عنه لإثبات العلاقات السببية في أبحاث علم النفس والعلوم الطبية والتربوية. وتعود الجذور النظرية لهذا المبدأ إلى إسهامات عالم الإحصاء الشهير رونالد فيشر (Sir Ronald A. Fisher) في كتابيه التأسيسيين الطرق الإحصائية للباحثين (1925) وتصميم التجارب (1935)؛ حيث بيّن أن التوزيع العشوائي الصارم هو الآلية الوحيدة القادرة على إلغاء التحيز الانتقائي المنهجي (Systematic Selection Bias)، وضمان تكافؤ المجموعات قبل إدخال المتغير المستقل، وذلك من خلال موازنة الفروق الفردية في جميع المتغيرات الدخيلة، سواء أكانت ملاحظة وقابلة للقياس كالسن والذكاء، أو كامنة وغير مقاسة.

في إكسل، يمكن للباحث تنفيذ التعيين العشوائي الثنائي البسيط لمئة مشارك من خلال إدخال الصيغة التالية أمام اسم كل مشارك:

=RANDBETWEEN(1, 2)

حيث يمثل الرقم 1 المجموعة التجريبية ويمثل الرقم 2 المجموعة الضابطة. ومع ذلك، يجب على الباحث المنهجي إدراك مأزق إحصائي خطير في هذا الإجراء البسيط؛ فاستقلالية المحاولات في العينات الصغيرة والمتوسطة نادراً ما تؤدي إلى تساوٍ دقيق ومطلق في حجم المجموعتين ($N/2$). فاحتمالية الحصول على توازن دقيق ومثالي تتناقص كلما زاد حجم العينة $N$ وفق التقريب الرياضي:

$$P(\text{Exact Balance}) \approx \sqrt{\frac{2}{\pi N}}$$

ولتلافي التباين في أحجام المجموعات، يلجأ الباحثون إلى “التوزيع العشوائي المقيد بالكتل” (Block Randomization)؛ حيث يُنشأ عمود مساعدة عشوائي وتُفرز العينة بناءً عليه، ثم يتم تخصيص النصف الأول بالضبط للمجموعة الأولى والنصف المتبقي للمجموعة الثانية، أو استخدام التوزيع الطبقي المقيد للتحكم في المتغيرات الدخيلة كالجنس، بما يضمن دقة الفحص واستيفاء شروط اختبارات الدلالة الإحصائية.

8.2 موازنة ترتيب عرض المثيرات والمهام المعرفية (Counterbalancing)

في التجارب السيكولوجية المعرفية ودراسات التفاعل بين الإنسان والحاسوب وتجارب قياس زمن الرجع العصبي، يواجه الباحثون تحدياً منهجياً يتمثل في “تأثيرات الترتيب” (Order Effects) ومخاطر إجهاد المفحوص أو تعود الممارسة والملل والتكيف الحسي؛ فإذا عُرضت المثيرات البصرية أو الكلمات الاختبارية دائماً بنفس التسلسل، فإن الأداء على المثيرات الأخيرة سيتأثر سلباً بالتعب أو إيجاباً بالتعلم التراكمي، مما يشوه الصدق الداخلي للتجربة.

يُعد توليد التسلسلات العشوائية في إكسل وسيلة ممتازة لتطبيق أسلوب “الموازنة العشوائية الكاملة” (Complete Randomization) أو محاكاة مربعات لاتين (Latin Square Designs). يستطيع الباحث توليد كود عشوائي فريد لكل مشارك يُحدد ترتيباً مختلفاً كلياً لعرض فقرات المقياس النفسي أو ألوان المنبهات الضوئية، عبر دمج تقنية SORTBY مع معرفات الفقرات. ويتم توثيق هذا الكود وطباعته أو تصديره إلى برمجيات تشغيل التجارب النفسية (مثل E-Prime أو PsychoPy)، مما يضمن توزيع أثر الترتيب توزيعاً متجانساً على امتداد محاولات التجربة وتحييد تدخله كمتغير مشوش.

8.3 محاكاة البيانات وتوليد النماذج الافتراضية (Monte Carlo Simulations)

تُمثل محاكاة مونت كارلو (Monte Carlo Simulation) إحدى أقوى الأدوات الاستدلالية التي يعتمد عليها الباحثون ومحللو المخاطر لنمذجة الظواهر المعقدة في ظروف عدم اليقين ودراسة ديناميكيات اتخاذ القرار. وتعتمد هذه التقنية الرياضية على تكرار التجربة آلاف المرات باستخدام عينات عشوائية مستمدة من توزيعات احتمالية مفترضة، لتحليل السلوك الإحصائي للظاهرة ورصد احتمالات الأحداث المتطرفة وتوزيعات الأرباح والخسائر.

في مجال العلوم النفسية والتربوية المعاصرة، يُوظف الباحثون محاكاة مونت كارلو في إكسل لإنشاء بيانات استبيانات افتراضية تسبق النزول للميدان، وذلك لفحص حساسية وثبات النماذج الإحصائية المعقدة كتحليل المسار ونمذجة المعادلات البنائية، أو لتقدير القوة الإحصائية (Statistical Power) للعينة المستهدفة تحت شروط تباين مختلفة. من خلال صياغة نماذج مرنة تعتمد على المصفوفات العشوائية وجداول البيانات (Data Tables)، يستطيع المحلل محاكاة 10,000 سيناريو عشوائي في لحظات، مما يعزز دقة القرار البحثي قبل استثمار الوقت والموارد في الجمع الميداني للبيانات الحقيقية.

9. المآزق الإحصائية والقيود التقنية لمولدات الأرقام في إكسل

9.1 اختبارات جودة العشوائية والتحيزات الميكانيكية

على الرغم من التطور الملحوظ الذي أدخلته مايكروسوفت على دوال العشوائية بدءاً من إصدارات إكسل 2010 المحسنة، فإن المجتمع الإحصائي المتخصص يُخضع هذه الخوارزميات لاختبارات فحص صارمة لتقييم جودتها، مثل حزمة اختبارات “دي هارد” (DIEHARD Tests) التي طورها جورج مارساليا، واختبارات المعهد الوطني للمعايير والتقنية (NIST Test Suite). تكشف هذه الاختبارات الدقيقة عن مدى خلو التسلسل العددي من الترابطات التلقائية المستترة (Autocorrelation) أو التحيزات التكرارية ثلاثية الأبعاد.

تاريخياً، كشفت التدقيقات الحسابية الصارمة، لا سيما الدراسات المرجعية المنشورة للباحث ماكولو (McCullough, 2008) في مجلة Computational Statistics & Data Analysis، أن خوارزمية ويخمان وهيل المستخدمة في إكسل 2003 وإصدارات 2007 الأولى فشلت بوضوح في اجتياز العديد من اختبارات بطارية DIEHARD؛ حيث عانت السلاسل من انتظام هندسي غير مرغوب فيه وظهرت قيم شاذة سالبة تحت شروط تشغيلية معينة. وعلى الرغم من أن الإصدارات الحالية لإكسل تجاوزت تلك الأخطاء الكارثية بنجاح وتُعد ممتازة للبحوث العامة والتدريس الأكاديمي، إلا أنها تظل مولدات أرقام غير آمنة تشفيرياً (Not Cryptographically Secure)، ويُحظر استخدامها قطعياً في التطبيقات الأمنية الحساسة كإنشاء مفاتيح التشفير، أو المحافظ الرقمية، أو محاكاة العمليات الفيزيائية الدقيقة التي تستوجب فترات دورية خوارزمية تتجاوز بكثير ما يوفره إكسل.

9.2 أخطاء الإدخال والتشغيل الأكثر شيوعاً وكيفية تصحيحها

يتعرض مستخدمو إكسل للعديد من الأخطاء البرمجية أثناء إعداد دوال التوليد العشوائي، والتي ينبع معظمها من عدم التدقيق في محددات الإدخال وطبيعة البيانات. يوضح الجدول المفاهيمي التالي الأخطاء الأكثر شيوعاً، أسبابها الجذرية، والحلول الإجرائية اللازمة لمعالجتها:

• ظهور خطأ القيمة العددية (#NUM!): ينشأ غالباً عند استخدام RANDBETWEEN حين تكون قيمة الوسيطة الأولى bottom أكبر قطيعاً من قيمة الوسيطة الثانية top. يُعالج الخطأ بمراجعة المنطق الجبري وترتيب الحدود، أو تطبيق دالتي MIN و MAX كما أسلفنا لفرز المدخلات ديناميكياً.
• ظهور خطأ القيمة النصية (#VALUE!): يطرأ هذا الخطأ عند الإشارة إلى خلايا تحتوي على نصوص، أو مسافات خفية غير مرئية نتجت عن استيراد بيانات خام، أو كتابة الفواصل بطريقة تتعارض مع الإعدادات الإقليمية للنظام (استخدام النقطة بدلاً من الفاصلة العشرية أو العكس). يتم الحل باستخدام أدوات “التحقق من صحة البيانات” (Data Validation) وتطهير الخلايا عبر دالة TRIM و VALUE.
• ظهور خطأ الانسكاب (#SPILL!): خاص بدالة RANDARRAY والدوال المصفوفية الحديثة؛ وينجم عن وجود محتوى نصي أو رقمي أو حتى فراغات في المدى المكاني الذي تحتاجه المصفوفة للتمدد. يُعالج بتفريغ كامل النطاق الجغرافي المستهدف في ورقة العمل.
• التبدل الكارثي للنتائج (Recalculation Catastrophe): ليس خطأ برمجياً يظهره إكسل، بل خطأ منهجي فادح يقع فيه الباحث بإهمال تجميد الأرقام العشوائية ولصقها كقيم ثابتة، مما يؤدي إلى تغير التوزيع الإحصائي ومخرجات التحليل بالكامل عند حفظ أو فتح أو طباعة الملف.

9.3 الفروق بين توليد أرقام بنطاق مقيد وتوليد توزيعات طبيعية (معيارية)

يقع كثير من الباحثين المبتدئين في خطأ منهجي جسيم يتمثل في استخدام دوال التوليد العشوائي المقيد البسيطة (RAND و RANDBETWEEN) لمحاكاة خصائص وسمات إنسانية وسلوكية عامة مثل معدلات الذكاء (IQ)، أو القلق، أو درجات التحصيل الدراسي. إن دوال النطاق المقيد تولد توزيعاً منتظماً متساوي الاحتمالات (Uniform Flat Distribution)، في حين أن الغالبية العظمى من السمات النفسية والبيولوجية في المجتمعات البشرية تتبع التوزيع الطبيعي المعياري (Normal Bell Curve)، الذي تتكدس فيه معظم المشاهدات حول المتوسط وتتضاءل تكراراتها تدريجياً كلما اتجهنا نحو الأطراف المتطرفة.

ولمحاكاة ظاهرة إنسانية واقعية تخضع للتوزيع الطبيعي بمتوسط حسابي محدد وانحراف معياري معلوم، يجب التخلي عن التوليد المنتظم البسيط، واللجوء بدلاً من ذلك إلى تقنية دمج دالة التوزيع التراكمي العكسي الطبيعي NORM.INV مع دالة RAND بالصيغة الرياضية التالية:

=NORM.INV(RAND(), Mean, Standard_Dev)

فإذا أردنا على سبيل المثال توليد درجات ذكاء افتراضية لعينة بشرية يبلغ متوسطها الحسابي 100 وانحرافها المعياري 15، تُصاغ المعادلة كالتالي:

=NORM.INV(RAND(), 100, 15)

تأخذ دالة RAND() دور الاحتمال التراكمي المستمر المحصور بين 0 و 1، وتقوم دالة NORM.INV برسم هذا الاحتمال بدقة متناهية على منحنى التوزيع الطبيعي. يُنتج هذا الإجراء عينة بيانات تحاكي الواقع البشري بصدق إحصائي رفيع، متبعة شكل المنحنى الجرسي الشهير ومحققة شروط الانحراف والاعتدالية التي تتطلبها النماذج القياسية المتقدمة.

10. دليل المفاضلة والقرار لاختيار الدالة والأسلوب الأمثل

10.1 مصفوفة المعايير: الدقة، الحجم، ونوع البيانات المطلوبة

يتطلب اتخاذ القرار البرمجي الرشيد لاختيار أسلوب التوليد العشوائي الأمثل موازنة منهجية دقيقة بين مجموعة من المعايير التقنية والإحصائية المتداخلة. يوضح الشكل المفاهيمي للمفاضلة ضرورة فحص العناصر الآتية قبل الشروع في كتابة النماذج:

• طبيعة المتغير المستهدف: التمييز الحاسم بين البيانات المنفصلة (الأعداد الصحيحة كأعداد الأفراد، الحجرات، والخيارات الفئوية) التي تستدعي دوال RANDBETWEEN أو RANDARRAY(..., TRUE)، وبين البيانات المتصلة (الأوزان، التراكيز، وأزمنة الاستجابة) التي تفرض استخدام المعادلة الخطية أو RANDARRAY(..., FALSE).
• حجم فضاء العينة وعبء المعالجة: في الدراسات الضخمة التي تشتمل على عشرات الآلاف من الصفوف المتكررة، تمثل كفاءة استهلاك الذاكرة وسرعة المعالجة معياراً حاسماً؛ حيث تبرز دالة RANDARRAY والمعادلة الخطية لـ RAND كخيارات خفيفة وسريعة، بينما يفرض استخدام التركيبات الدوالية المزدوجة عبئاً قد يبطئ النظام بأكمله.
• بيئة التشارك ومستوى المستخدم: يجب تقييم ما إذا كان الملف سيُشارك مع فرق بحثية تعتمد على إصدارات قديمة من إكسل؛ مما يستلزم الالتزام بالصيغ الكلاسيكية المتوافقة لتجنب أخطاء تعطل الدوال الحديثة، إلى جانب اختيار الصيغ البسيطة سهلة التدقيق والفهم للباحثين غير المتمرسين في الرياضيات الحاسوبية.

10.2 جدول المقارنة الشامل للدوال الرياضية المتاحة في إكسل

لتلخيص المشهد التقني وتقديم مرجع إجرائي سريع للباحث والمحلل، يوضح الجدول التفصيلي التالي مقارنة بنيوية شاملة لكافة الدوال والأساليب المتاحة لتوليد الأرقام العشوائية في بيئة مايكروسوفت إكسل:

الدالة / الصيغة الرياضية	نوع البيانات المخرجة	طبيعة النطاق المولد	الإصدارات المتوافقة	إمكانية منع التكرار مباشرة	أبرز مجالات الاستخدام والتطبيق
=RAND()	كسور عشرية مستمرة	نصف مفتوح $[0, 1)$	كافة إصدارات إكسل	غير متاحة (مستقلة)	الاحتمالات، محاكاة التوزيعات العكسية، أوزان الترجيح.
=RANDBETWEEN(a, b)	أعداد صحيحة فقط	مغلق شمولياً $[a, b]$	إكسل 2007 والإصدارات الأحدث	غير متاحة (مستقلة)	القرعة البسيطة، تعيين المجموعات، رمي النرد، مقاييس ليكرت.
=a + (b - a) * RAND()	أرقام حقيقية مستمرة	نصف مفتوح $[a, b)$	كافة إصدارات إكسل	غير متاحة (مستقلة)	المتغيرات المعملية المتصلة، أزمنة الرجع، النمذجة الإحصائية.
=RANDARRAY(...)	صحيحة أو كسرية بحسب الخيار	مصفوفة متكاملة $[min, max]$	Excel 365 و Excel 2021+	غير متاحة مباشرة	المحاكاة الضخمة، مصفوفات التجارب متعددة المتغيرات، النماذج السريعة.
=SORTBY(SEQ, RANDARRAY)	أعداد صحيحة غير مكررة	سلسلة فريدة محددة النطاق	Excel 365 و Excel 2021+	متحققة بنسبة 100%	المعاينة بدون إحلال، موازنة ترتيب المثيرات، جداول المباريات.
عمود مساعدة + RANK	أعداد صحيحة غير مكررة	سلسلة فريدة محددة النطاق	كافة إصدارات إكسل	متحققة بنسبة 100%	السحب العشوائي الفريد في البيئات الكلاسيكية والأنظمة القديمة.

10.3 خارطة طريق إجرائية لضبط وتوليد الأرقام العشوائية في المشروعات العلمية

لضمان الانتقال السلس والآمن من النظريات والمفاهيم إلى الممارسة الميدانية الرصينة، نختتم هذا الدليل بوضع خارطة طريق إجرائية مقننة تتألف من ست خطوات منهجية متتابعة يتعين على كل باحث أو محلل بيانات اتباعها بدقة عند تنفيذ أي مشروع يعتمد على التوليد العشوائي داخل إكسل:

• مرحلة التحديد والنمذجة الرياضية: تحديد فضاء العينة المستهدف بدقة، والبت القاطع في طبيعة المتغير (منفصل أم متصل)، ورسم الحدود الرياضية الصغرى والكبرى ($Min$ و $Max$)، واختيار التوزيع الاحتمالي الملائم للظاهرة (منتظم أم طبيعي).
• فحص البيئة التقنية والتوافق: التحقق من إصدارات إكسل المستخدمة لدى جميع أطراف فريق البحث؛ لتحديد ما إذا كان سيتم الاعتماد على الدوال المصفوفية الحديثة مثل RANDARRAY أو الاكتفاء بالصيغ الكلاسيكية الضامنة للتوافق الشامل.
• صياغة المعادلات وبناء مصفوفة البيانات: كتابة الصيغ البرمجية مع مراعاة عزل المعاملات والحدود في خلايا مستقلة والاعتماد على مراجع الخلايا المطلقة (مثل $F$1)، وتجنب كتابة الأرقام الثابتة داخل نصوص الدوال.
• التدقيق الاستكشافي وفحص المخرجات: إجراء مراجعة بصرية وإحصائية سريعة لعينة من الأرقام المولدة؛ للتأكد من خلوها من الأخطاء التشغيلية (#NUM! أو #SPILL!)، واستخدام دوال MIN و MAX و AVERAGE للتأكد من أن المخرجات تقع داخل النطاق المستهدف وأن المتوسط يقترب من القيمة النظرية المتوقعة.
• التجميد الفوري وتثبيت البيانات: بمجرد توليد السلسلة المطلوبة والتأكد من مطابقتها للشروط المنهجية، يتم فوراً نسخ النطاق ولصقه كقيم مجردة (Paste as Values) لعزل البيانات نهائياً عن طبيعتها المتطايرة وتثبيتها بشكل نهائي ومستقر.
• التوثيق والأرشفة الأكاديمية: تدوين خطوات التوليد والمعادلات المستخدمة بدقة متناهية في مذكرة المنهجية أو ملاحق التقرير العلمي، مع الإشارة إلى نوع المولد والتحويلات المطبقة، وحفظ نسخة خام من ملف البيانات المجمدة لضمان التوافق مع أعلى معايير الشفافية العلمية وقابلية إعادة الإنتاج.

خاتمة

إن توليد الأرقام العشوائية المحصورة بين نطاق محدد في مايكروسوفت إكسل يتجاوز مجرد كونه مهارة تقنية روتينية؛ إنه ممارسة تجمع بين الإدراك الإحصائي الرصين والمهارة البرمجية المحكمة. لقد أتاح إكسل عبر ترسانة دواله المتطورة—بدءاً من RAND الكلاسيكية ومروراً بـ RANDBETWEEN ووصولاً إلى دالة المصفوفات الديناميكية RANDARRAY—حلولاً فائقة المرونة تخدم كافة الأغراض البحثية والتحليلية. ومع ذلك، فإن نجاح الباحث في توظيف هذه الأدوات مرهون بوعيه التام بطبيعة الخوارزميات الزائفة الكامنة خلف البرنامج، وتجنب مآزق الحساب التلقائي عبر التجميد الواعي للبيانات، والتمييز الدقيق بين التوزيعات المنتظمة والتوزيعات الطبيعية المعيارية. ومن خلال الالتزام بالضوابط المنهجية وخارطة الطريق الإجرائية المفصلة في هذا الدليل، يستطيع مستخدم إكسل الارتقاء بنماذجه الرقمية إلى مستويات متقدمة من الدقة والموثوقية والنزاهة العلمية المعترف بها في أرفع الأوساط الأكاديمية والمهنية.

المراجع

• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.
• Marsaglia, G. (1995). The Marsaglia random number CDROM, including the DIEHARD battery of tests of randomness. Florida State University.
• McCullough, B. D. (2008). Microsoft Excel’s ‘improved’ advanced statistical procedures. Computational Statistics & Data Analysis, 52(10), 4801–4806. https://doi.org/10.1016/j.csda.2008.03.004
• Wichmann, B. A., & Hill, I. D. (1982). Algorithm AS 183: An efficient and portable pseudo-random number generator. Journal of the Royal Statistical Society. Series C (Applied Statistics), 31(2), 188–190. https://doi.org/10.2307/2347988