الإحصاء والتحليل الرياضيمايكروسوفت إكسيل

كيفية إنشاء رسم بياني لتوزيع ذي الحدين في إكسيل

دليل أكاديمي شامل يوضح خطوات إنشاء وتنسيق الرسم البياني لتوزيع ذي الحدين في مايكروسوفت إكسيل، مع شرح الدوال الإحصائية والتحليل البصري للبيانات.

تاريخ النشر

يمثل التحليل الإحصائي حجر الزاوية في استخلاص المعرفة من البيانات وتوجيه عمليات اتخاذ القرار في مختلف الحقول العلمية والتطبيقية، بدءاً من العلوم السلوكية والتربوية ووصولاً إلى الهندسة الصناعية والنمذجة المالية. ومن بين النماذج الاحتمالية المتقطعة، يبرز توزيع ذي الحدين (Binomial Distribution) بوصفه أحد أكثر النماذج استخداماً وأهمية لدراسة الظواهر العشوائية الثنائية التي تتميز بمخرجات تقتصر على حالتين متناقضتين مثل النجاح أو الفشل، القبول أو الرفض، والحدوث أو عدم الحدوث. وتكمن القوة المنهجية لهذا التوزيع في قدرته على تقدير احتمالية تكرار حدث معين بدقة متناهية عبر سلسلة من المحاولات المستقلة ذات الشروط المحددة والمقننة رياضياً.

وعلى الرغم من وضوح الصياغة الرياضية لتوزيع ذي الحدين وتوافر معادلاته الجبرية لحساب دالة الكتلة الاحتمالية ودالة التوزيع التراكمي، فإن الاكتفاء بالجداول الرقمية المعقدة والمخرجات العددية الجافة قد يشكل عائقاً أمام إدراك السلوك الكلي للبيانات وتحليل خصائصها الأساسية مثل التماثل والالتواء والتشتت. ومن هنا تنبع الأهمية المحورية للتمثيل البياني، إذ يتيح تحويل المصفوفات الحسابية إلى مخططات مرئية قابلة للقراءة السريعة والتحليل المقارن الدقيق. يوفر برنامج مايكروسوفت إكسيل (Microsoft Excel) بيئة برمجية وحسابية متقدمة ومرنة للغاية تجمع بين المحركات الإحصائية القوية وأدوات العرض المرئي المتطورة، مما يجعله المنصة المثالية للباحثين والمهنيين لبناء نماذج احتمالية تفاعلية ورسوم بيانية دقيقة تلبي أعلى المعايير الأكاديمية.

يهدف هذا الدليل المرجعي الشامل إلى تقديم مسار منهجي متكامل، نظرياً وتطبيقياً، لكيفية بناء، وتنسيق، وتحليل الرسوم البيانية لتوزيع ذي الحدين داخل بيئة إكسيل. سنتناول في هذا المقال الأسس الرياضية الحاكمة للتوزيع، ونشرح آليات استخدام الدوال الإحصائية المدمجة، ونفصل خطوات تصميم الجداول والمخططات البيانية العمودية والتراكمية والمركبة والتفاعلية، وصولاً إلى استكشاف الأخطاء الشائعة ومعالجتها، وتطبيق المعايير الأكاديمية الصارمة في توثيق ونشر المخرجات البيانية في البحوث العلمية والتقارير الاحترافية المتقدمة.

جدول المحتويات

1. مقدمة نظرية حول توزيع ذي الحدين (Binomial Distribution)

1.1 تعريف التوزيع الاحتمالي ثنائي الحدين

يُعرَّف التوزيع الاحتمالي ثنائي الحدين بأنه نموذج احتمالي متقطع يصف السلوك الإحصائي لمتغير عشوائي يمثل عدد مرات حدوث ظاهرة معينة (يشار إليها اصطلاحاً باسم “النجاح”) خلال عدد ثابت ومحدد مسبقاً من التجارب العشوائية المتكررة. ويتميز المتغير العشوائي المتقطع (Discrete Random Variable) في هذا السياق بأنه يتخذ قيماً عددية صحيحة وقابلة للعد تقع بالضرورة ضمن المجموعة المغلقة التي تبدأ من الصفر (عدم حدوث أي نجاح) وتصل في حدها الأقصى إلى إجمالي عدد المحاولات المنفذة.

تتمحور فكرة هذا النموذج حول الظواهر الثنائية (Dichotomous Phenomena)، وهي تلك الحوادث التي لا تحتمل مخرجاتها التجريبية سوى نتيجتين اثنتين متنافيتين، حيث يتم تصنيف إحدى النتيجتين كـ “نجاح” والأخرى كـ “فشل”. وتجدر الإشارة إلى أن مفهومي النجاح والفشل هنا هما تسميتان اصطلاحيتان رياضيتان بحتتان ولا تعكسان حكماً قيمياً أو أخلاقياً على النتيجة؛ فقد يمثل “النجاح” في دراسة طبية إصابة مريض بأثر جانبي، أو قد يمثل في اختبارات الجودة الصناعية اكتشاف وحدة إنتاجية معيبة.

تكتسب النمذجة البصرية لتوزيع ذي الحدين أهمية استثنائية في التحليل الإحصائي الحديث، حيث إن تحويل قيم دالة الاحتمال إلى أعمدة وأشكال هندسية يتيح للباحث والمحلل إدراك النمط التوزيعي العام للبيانات بصورة كلية وفورية. ويساعد هذا التمثيل البصري في رصد موضع المركزية، وتقييم درجة تشتت الاحتمالات حول القيمة المتوقعة، وملاحظة سلوك الذيول الإحصائية، مما يسهل عملية استخلاص الاستنتاجات العلمية وبناء التنبؤات الواقعية المستندة إلى قواعد احتمالية صارمة دون الغرق في التفاصيل الحسابية المعقدة.

1.2 الشروط والمعايير الأساسية للتجربة الثنائية

لكي تصنف تجربة عشوائية معينة بأنها تتبع توزيع ذي الحدين، والمعروفة تاريخياً بتجربة برنولي المتكررة (Bernoulli Process)، لا بد من استيفاء أربعة شروط بنيوية ومعايير رياضية صارمة بشكل متزامن، حيث يؤدي الإخلال بأي منها إلى بطلان استخدام هذا النموذج الرياضي والتحول إلى نماذج احتمالية أخرى مثل التوزيع فوق الهندسي (Hypergeometric) أو توزيع بواسون (Poisson):

  • ثبات عدد المحاولات الإجمالي ($n$): يجب أن يُجرى الاختبار لعدد ثابت ومحدد مسبقاً من المرات، دون أن يتغير هذا العدد أثناء تنفيذ التجربة أو يعتمد على النتائج المتحققة مرحلياً.
  • ثبات احتمالية النجاح ($p$): يجب أن تظل احتمالية تحقيق النتيجة المرغوبة ثابتة تماماً في كل محاولة منفردة، مما يقتضي ثبات احتمالية الفشل المقابلة ($q = 1 – p$) طوال فترة الاختبار دون أي تأثر بالظروف الخارجية.
  • استقلالية المحاولات (Independence of Trials): يُشترط أن تكون كل محاولة مستقلة إحصائياً تماماً عن سائر المحاولات الأخرى؛ أي أن نتيجة أي محاولة سابقة لا تؤثر مطلقاً ولا تتأثر بالنتائج اللاحقة، وهو ما يتحقق عملياً في السحب مع الإرجاع أو عند أخذ عينات من مجتمعات إحصائية لا نهائية أو كبيرة جداً.
  • ثنائية وتنافي النتائج (Mutually Exclusive and Exhaustive Outcomes): يجب أن تنحصر مخرجات كل محاولة فردية في فئتين اثنتين فقط، بحيث لا يمكن للنتيجة أن تنتمي إلى الفئتين معاً في آن واحد، ولا يمكن أن تخرج عنهما، مما يضمن أن مجموع احتمالي النجاح والفشل يساوي دائماً الواحد الصحيح ($p + q = 1$).

1.3 تطبيقات التوزيع في القياس والتحليل الإحصائي

يمتلك توزيع ذي الحدين حضوراً جوهرياً وتطبيقات بالغة الأهمية في حقول المعرفة المتنوعة، حيث يُعتمد عليه في القياسات السلوكية والنفسية لتقييم أنماط الاستجابة الثنائية في الاستبانات ومقاييس الشخصية (مثل نعم/لا أو موافق/غير موافق). ويسمح هذا التوزيع بقياس موثوقية المقاييس وتحديد احتمالية استجابة المفحوصين للمفردات الاختبارية وفق نماذج نظرية الاستجابة للمفردة (Item Response Theory)، مما يسهم في ضبط البنية السيكومترية لأدوات البحث العلمي واستبعاد عوامل التخمين العشوائي.

وفي قطاعات الصناعة والهندسة وإدارة العمليات، يُشكل توزيع ذي الحدين الأساس الإحصائي لمنظومات مراقبة الجودة الإحصائية (Statistical Quality Control)، وتحديداً عند بناء مخططات مراقبة نسبة المعيبات (p-charts). كما يستند إليه خبراء الجودة في تصميم خطط قبول العينات (Acceptance Sampling Plans)، حيث يُحسب احتمال قبول أو رفض شحنة إنتاجية ضخمة بناءً على عدد الوحدات غير المطابقة للمواصفات في عينة عشوائية محدودة، مما يوفر نفقات الفحص الشامل ويضمن ضبط معايير السلامة والأداء.

وعلاوة على ذلك، يمثل التوزيع ركيزة أساسية في اختبار الفرضيات الإحصائية (Hypothesis Testing)، مثل اختبار الإشارة (Sign Test) والاختبارات الثنائية المعلمية واللامعلمية في الأبحاث السريرية والتجارب الدوائية المقارنة. ويُوظف التوزيع لحساب احتمالات نجاح العلاجات التجريبية مقارنة بالدواء الوهمي (Placebo)، وتقييم فاعلية اللقاحات، ودراسة معدلات البقاء على قيد الحياة، مما يجعله أداة استدلالية لا غنى عنها لاتخاذ قرارات حاسمة تؤثر بصورة مباشرة على السياسات الصحية والاقتصادية.

2. الصيغة الرياضية ومعلمات التوزيع الاحتمالي

2.1 شرح المتغيرات في دالة الكتلة الاحتمالية (PMF)

تُحسب احتمالية الحصول على عدد محدد من النجاحات في تجربة ثنائية باستخدام دالة الكتلة الاحتمالية (Probability Mass Function – PMF)، والتي تصاغ رياضياً وفق المعادلة الدقيقة التالية:

$$P(X = k) = \binom{n}{k} \cdot p^k \cdot (1-p)^{n-k}$$

تتكون هذه المعادلة من أربعة متغيرات ومعلمات محددة ينبغي فهم دلالاتها بدقة لضمان بناء النماذج الحسابية في إكسيل بشكل صحيح ومتقن:

  • $n$ (عدد المحاولات الإجمالي): المعلمة الحجمية للتجربة وتحدد العدد الكلي للتكرارات المستقلة المنجزة، وتكون دائماً عدداً صحيحاً موجباً ($n in \mathbb{N}$).
  • $k$ (عدد مرات النجاح المراد حساب احتماله): المتغير العشوائي الفعلي الذي يأخذ قيماً عددية صحيحة تقع حصراً ضمن المدى الممتد من $0$ إلى $n$ ($k in {0, 1, 2, dots, n}$).
  • $p$ (احتمال النجاح في المحاولة الواحدة): المعلمة الاحتمالية للتجربة وتُمثل وزناً نسبياً يقع دائماً في النطاق الحقيقي المغلق بين الصفر والواحد الصحيح ($0 le p le 1$).
  • $(1-p)$ أو $q$ (احتمال الفشل التكميلي): الاحتمال المقابل والمكمل لاحتمال النجاح، ويحقق دائماً المعادلة التوازنية ($q = 1 – p$).

يُمثل الجزء $p^k$ في المعادلة احتمالية وقوع أحداث النجاح لعدد $k$ من المرات، بينما يُمثل الجزء $(1-p)^{n-k}$ احتمالية حدوث الفشل في بقية المحاولات المتبقية والبالغ عددها $(n-k)$، في حين يعمل المعامل التوافقي على حساب كافة الترتيبات والتباديل المكانية التي يمكن أن تظهر بها هذه النجاحات عبر تسلسل المحاولات الكلي.

2.2 دالة التوافيق الرياضية (Combinations)

يُشار إلى المقدار $\binom{n}{k}$ باسم التوافيق الرياضية، ويُقرأ “توافيق $n$ مأخوذاً منها $k$“، ويُعنى بحساب عدد الطرق والتشكيلات المختلفة التي يمكن من خلالها اختيار مجموعة فرعية تحتوي على $k$ من النجاحات من بين $n$ من المحاولات الكلية المتاحة دون الاهتمام بالترتيب الزمني أو المكاني لتلك النجاحات. وتُعرَّف الصيغة الحسابية للتوافيق باستخدام المعامل المضروبي (Factorial) كما يلي:

$$\binom{n}{k} = \frac{n!}{k!(n-k)!}$$

حيث يمثل المضروب $n!$ ناتج ضرب جميع الأعداد الصحيحة الموجبة من $1$ إلى $n$، مع الإقرار الرياضي التواضعي بأن $0! = 1$. يُعد المعامل التوافقي في توزيع ذي الحدين وزناً إحصائياً ضرورياً، ففي حال رمي قطعة نقدية متزنة 3 مرات، فإن ظهور وجهين ($k=2$) يمكن أن يحدث بثلاثة مسارات مختلفة ومستقلة: (نجاح، نجاح، فشل)، أو (نجاح، فشل، نجاح)، أو (فشل، نجاح، نجاح). وبتطبيق صيغة التوافيق نجد أن $\binom{3}{2} = \frac{3!}{2!(1)!} = 3$، وهو ما يضمن ضرب احتمالية المسار الفردي في إجمالي عدد المسارات المتكافئة لتوليد الاحتمال الإجمالي الدقيق للنقطة المستهدفة.

2.3 المؤشرات الإحصائية الوصفية للتوزيع

يتحدد السلوك الرياضي والتوزيعي لنموذج ذي الحدين بمجموعة من المؤشرات الإحصائية الوصفية المركزية ومقاييس التشتت التي تُشتق اشتقاقاً مباشراً من معلمتي التوزيع الأساسيتين ($n$ و $p$):

  • القيمة المتوقعة أو المتوسط الحسابي ($\mu$ أو $E(X)$): تمثل المركز الإحصائي للتوزيع ومتوسط عدد النجاحات المتوقع تحقيقها عند تكرار التجربة عدداً كبيراً من المرات، وتُحسب بالصيغة الخطية المباشرة:
    $$\mu = E(X) = n \cdot p$$
  • التباين الإحصائي ($\sigma^2$ أو $Var(X)$): يقيس متوسط مربعات انحرافات قيم المتغير العشوائي عن قيمته المتوقعة، ويُعبر عن درجة التقلب والتشتت في المخرجات المحتملة، ويُحسب بالمعادلة:
    $$\sigma^2 = Var(X) = n \cdot p \cdot (1 – p) = n \cdot p \cdot q$$
  • الانحراف المعياري ($\sigma$ أو $SD(X)$): يمثل الجذر التربيعي الموجب للتباين، ويُعد المقياس الأكثر استخداماً في التفسير العملي نظراً لقياسه التشتت بنفس وحدات المتغير العشوائي الأصلي، ويُحسب وفق الصيغة:
    $$\sigma = \sqrt{n \cdot p \cdot (1 – p)}$$

توضح هذه المؤشرات أن التباين يبلغ ذروته القصوى عندما تكون احتمالية النجاح متساوية تماماً مع احتمالية الفشل ($p = 0.5$)، مما يعني وصول التجربة إلى الحد الأقصى من عدم اليقين والتشتت، بينما يتضاءل التباين تدريجياً ويقترب من الصفر كلما اقتربت قيمة $p$ من طرفي النطاق ($0$ أو $1$) حيث تؤول النتائج نحو الحتمية والاستقرار النسبي.

3. الدوال الإحصائية المرتبطة بتوزيع ذي الحدين في إكسيل

3.1 الفرق بين دالتي BINOM.DIST و BINOMDIST

يوفر برنامج إكسيل دعماً متقدماً لحساب الاحتمالات الثنائية من خلال دالتين إحصائيتين أساسيتين: الدالة التقليدية القديمة BINOMDIST، والدالة الحديثة المطورة BINOM.DIST التي تم تقديمها بدءاً من إصدار Microsoft Excel 2010 واستمرت كمعيار قياسي في الإصدارات اللاحقة وMicrosoft 365.

يكمن الاختلاف الجوهري بين الدالتين في خوارزميات المعالجة الرقمية ومستوى الدقة الحسابية، فضلاً عن جهود شركة مايكروسوفت لإعادة هيكلة وتوحيد أسماء الدوال الإحصائية وفق نظام التسمية النقطي المعياري (Dot Notation). تقدم دالة BINOM.DIST خوارزميات محسنة للتعامل مع القيم العددية الكبيرة وتفادي أخطاء التقريب الرياضي الشائعة في العينات الضخمة، في حين تقتصر دالة BINOMDIST القديمة على التوافق مع الإصدارات السابقة (Backward Compatibility) لتشغيل الملفات المصممة بإصدارات Excel 2007 وما قبلها دون حدوث تعطل في الصيغ.

وتوصي كافة المراجع الأكاديمية والجمعيات الإحصائية المتخصصة بالاعتماد الحصري على الصيغة المعيارية الحديثة BINOM.DIST في كافة الأبحاث والتطبيقات الاحترافية، نظراً لتوافقها التام مع المعايير الحسابية المعتمدة لدى معهد مهندسي الكهرباء والإلكترونيات (IEEE) وضمان اتساق النتائج عند مشاركة المصنفات عبر بيئات عمل ومنصات برمجية مختلفة.

3.2 تشريح وسائط دالة BINOM.DIST في إكسيل

تتطلب دالة BINOM.DIST أربع وسائط (Arguments) إلزامية مفصولة بفواصل، وتأخذ الصيغة العامة التالية في بيئة العمل:

=BINOM.DIST(number_s, trials, probability_s, cumulative)

وفيما يلي التشريح المفصل والتوصيف الدقيق لكل وسيط من هذه الوسائط:

  • Number_s (عدد النجاحات – $k$): القيمة العددية أو الخلية المرجعية التي تمثل عدد مرات النجاح المراد حساب احتماليته، ويجب أن تكون عدداً صحيحاً موجباً يفي بالشرط الرياضي ($0 le k le n$). وفي حال إدخال أرقام عشرية، يقوم إكسيل باقتطاع الجزء العشري تلقائياً والاحتفاظ بالجزء الصحيح.
  • Trials (عدد المحاولات – $n$): إجمالي عدد التجارب أو المحاولات المستقلة المنجزة، ويشترط أن تكون قيمة عددية صحيحة موجبة أكبر من أو تساوي قيمة Number_s ($n ge k ge 0$).
  • Probability_s (احتمالية النجاح – $p$): احتمال تحقق النجاح في المحاولة الفردية الواحدة، ويجب أن تنحصر القيمة قطعياً في المدى المغلق بين $0$ و $1$ ($0 le p le 1$).
  • Cumulative (المحدد المنطقي للتراكم): قيمة منطقية (Boolean) تحدد الشكل الرياضي للدالة المحسوبة؛ حيث تأخذ إما القيمة FALSE أو الرقم 0 لحساب الاحتمال النقطي المفرد، أو القيمة TRUE أو الرقم 1 لحساب الاحتمال التراكمي الإجمالي.

3.3 المقارنة بين الاحتمال النقطي والاحتمال التراكمي

يعد التمييز الواعي بين الاحتمال النقطي (Point Probability) والاحتمال التراكمي (Cumulative Probability) شرطاً أساسياً لضبط النمذجة الإحصائية وتفادي الأخطاء التفسيرية في البيانات. ويوضح الجدول المنهجي التالي المقارنة التحليلية الشاملة بين الخيارين في بيئة إكسيل:

  • الاحتمال النقطي (PMF – عبر القيمة المنطقية FALSE):

    يحسب احتمالية وقوع عدد محدد ودقيق من النجاحات بالضبط، أي $P(X = k)$. وتُستخدم هذه الصيغة عند الرغبة في الإجابة عن أسئلة من قبيل: “ما احتمال الحصول على 5 إجابات صحيحة بالضبط من بين 10 أسئلة؟”. وتُعد هذه الصيغة الأساس الرياضي لإنشاء المخططات العمودية لكتلة الاحتمال، حيث يمثل ارتفاع كل عمود الاحتمال المنفرد لتلك النقطة، ويبلغ مجموع هذه الاحتمالات عبر كامل فضاء العينة ($k=0$ إلى $n$) واحداً صحيحاً تماماً.

  • الاحتمال التراكمي (CDF – عبر القيمة المنطقية TRUE):

    يحسب دالة التوزيع التراكمي (Cumulative Distribution Function)، وهي مجموع الاحتمالات النقطية لجميع قيم النجاح بدءاً من الصفر وحتى القيمة المستهدفة $k$ ضمناً، أي $P(X le k) = \sum_{i=0}^{k} P(X = i)$. وتُستخدم هذه الصيغة للإجابة عن أسئلة مثل: “ما احتمال الحصول على 5 نجاحات على الأكثر؟”. وتولد هذه الدالة قيماً متزايدة رتيبة تبدأ من $P(X=0)$ وتتدرج صعوداً حتى تصل إلى الواحد الصحيح تماماً ($1.000$) عند النقطة النهائية $k = n$.

4. إعداد ورقة العمل وتنظيم مصفوفة البيانات في إكسيل

4.1 هيكلة خلايا المدخلات الثابتة (Parameters Table)

تبدأ الممارسة الاحترافية في النمذجة الإحصائية عبر برنامج إكسيل بتصميم واجهة بيانات مرنة ومفصولة هيكلياً، يتم فيها عزل معلمات التوزيع الأساسية في جدول مدخلات مستقل أعلى ورقة العمل، بدلاً من تضمين الأرقام الثابتة (Hardcoding) داخل المعادلات الرياضية. تضمن هذه المنهجية إمكانية تعديل معلمات التجربة وتحديث كافة الحسابات والرسوم البيانية التابعة لها بصورة آلية وفورية.

لتطبيق هذه الهيكلة القياسية، يُخصص النطاق A1:B3 ليكون جدولاً لمعلمات النموذج وفق الترتيب التالي:

  • الخلية A1: يُكتب فيها النص التوضيحي معلمة عدد المحاولات (n)، وتُسند القيمة العددية للتجربة (ولتكن 10) في الخلية المقابلة B1.
  • الخلية A2: يُكتب فيها النص التوضيحي احتمال النجاح الفردي (p)، وتُسند قيمته العشرية (ولتكن 0.4) في الخلية المقابلة B2.
  • الخلية A3: يُكتب فيها النص التوضيحي احتمال الفشل (q = 1 - p)، وتُدرج في الخلية B3 الصيغة الديناميكية =1-B2 لضمان التحديث التلقائي.

وللارتقاء بمستوى احترافية المصنف وتسهيل قراءة المعادلات المعقدة، يُوصى بتسمية النطاقات (Named Ranges)؛ حيث يمكن تحديد الخلية B1 وإعطاؤها الاسم المعرف Trials_Count، وتسمية الخلية B2 بالاسم Success_Prob عبر مربع الاسم (Name Box) الموجود إلى يسار شريط الصيغة، مما يتيح كتابة المعادلات لاحقاً بأسماء المتغيرات مباشرة بدلاً من المراجع الخلوية التقليدية.

4.2 توليد متسلسلة قيم النجاح (k)

عقب تهيئة جدول المعلمات، يتم بناء مصفوفة الحسابات الرئيسية في نطاق جديد داخل ورقة العمل (ابتداءً من الصف 5). ويتطلب ذلك إنشاء عمود مخصص لقيم المتغير العشوائي $k$ تحت عنوان عدد مرات النجاح (k) في الخلية A5. يجب أن تبدأ متسلسلة قيم $k$ بصورة قطعية من الرقم 0 (لأن عدم حدوث أي نجاح هو مخرج احتمالي مشروع وله وزن إحصائي لا يجوز إغفاله) وتستمر بالتزايد بوحدات صحيحة متتالية حتى تصل إلى القيمة الكلية لعدد المحاولات $n$.

يمكن توليد هذه السلسلة بعدة طرق عملية في إكسيل:

  • ميزة التعبئة التلقائية (AutoFill): إدخال القيمة 0 في الخلية A6، والقيمة 1 في الخلية A7، ثم تحديد الخليتين معاً وسحب مقبض التعبئة الذكي (Fill Handle) في الزاوية السفلية اليسرى للخلية هبوطاً حتى الوصول إلى القيمة المقابلة لـ $n$.
  • أداة متسلسلة التعبئة (Series Tool): إدخال الرقم 0 في الخلية A6، ثم النقر على زر تعبئة (Fill) من تبويب الصفحة الرئيسية (Home)، واختيار متسلسلة (Series)، ثم ضبط التعبئة كأعمدة بقيمة خطوة 1 وقيمة توقف مساوية لقيمة $n$.
  • دالة المتسلسلة الحديثة (Dynamic Sequence): في إصدارات Microsoft 365 وExcel 2021، يمكن إدخال صيغة المصفوفات الديناميكية المتطورة في الخلية A6 مباشرة: =SEQUENCE(B1+1, 1, 0, 1)، والتي تتولى توليد كامل السلسلة من $0$ إلى $n$ تلقائياً مع التكيف الفوري عند تعديل قيمة $n$ في الخلية B1.

4.3 تطبيق التثبيت والمراجع المطلقة في الصيغ

عند بناء النماذج الرياضية في إكسيل وتعميم المعادلات عبر عمليات السحب والنسخ الرأسي، يبرز التمييز الحاسم بين المراجع النسبية (Relative References) والمراجع المطلقة (Absolute References) كعنصر حاسم لضمان سلامة الحسابات الإحصائية وتفادي أخطاء الإزاحة الخلوية المدمرة للمصفوفات.

تحتاج الخلية التي تمثل قيمة $k$ إلى البقاء كمرجع نسبي حر (مثل A6) بحيث تتغير تلقائياً إلى A7 و A8 عند سحب الصيغة نحو الأسفل لاحتساب الاحتمالات الخاصة بكل نقطة متتالية. وفي المقابل، يجب تثبيت الخلايا المرجعية الخاصة بمعلمات التوزيع الثابتة ($n$ في B1 و $p$ في B2) تثبيتاً مطلقاً باستخدام رمز الدولار ($) لتصبح $B$1 و $B$2 على التوالي. ويؤدي الضغط على مفتاح F4 أثناء تحرير المعادلة إلى تطبيق التثبيت المطلق على مراجع الصفوف والأعمدة فوراً، مما يمنع انزلاق المراجع الحسابية نحو خلايا فارغة أو غير صحيحة أثناء تطبيق الصيغة على النطاقات الطويلة.

5. حساب قيم الاحتمالات خطوة بخطوة في إكسيل

5.1 كتابة وتطبيق صيغة BINOM.DIST لحساب PMF

لحساب قيم دالة الكتلة الاحتمالية النقطية (PMF) لكل قيمة ممكنة من قيم المتغير العشوائي $k$، يتم تخصيص العمود الثاني في مصفوفة البيانات ووضع العنوان التوصيفي الاحتمال النقطي P(X = k) في الخلية B5. ومن ثم تُكتب الصيغة الإحصائية القياسية في الخلية الأولى B6 على النحو التالي:

=BINOM.DIST(A6, $B$1, $B$2, FALSE)

تقوم هذه المعادلة بتمرير القيمة النسبية الأولى لـ $k$ من الخلية A6 (وهي القيمة 0)، وتربطها بالقيمة المطلقة للمحاولات $n$ من الخلية $B$1، والقيمة المطلقة للاحتمال $p$ من الخلية $B$2، مع تزويد المعامل المنطقي FALSE لتوجيه الدالة نحو حساب الاحتمال المنفرد لتلك النقطة حصراً. وبعد الضغط على مفتاح Enter، يتم النقر المزدوج على مقبض التعبئة في الخلية B6 لتعميم الصيغة على امتداد العمود حتى نهاية قيم $k$، ليقوم إكسيل بحساب المصفوفة الاحتمالية الكاملة للتجربة في أجزاء من الثانية.

5.2 التحقق والتدقيق الإحصائي للنتائج الحسابية

تقتضي معايير الرصانة العلمية والتحليل الإحصائي إخضاع النتائج الحسابية لاختبارات التدقيق والتحقق البدهي (Axiomatic Verification) قبل الشروع في استخدامها أو تمثيلها بيانياً. وتستند هذه المعايير إلى البديهيات الاحتمالية الكلاسيكية التي أرساها عالم الرياضيات أندريه كولموغوروف:

  • قيد النطاق الاحتمالي الفردي: يجب التحقق البصري والآلي من أن كل قيمة احتمالية محسوبة في العمود B تقع بدقة متناهية ضمن النطاق المغلق $[0, 1]$، بحيث لا توجد أي قيم سالبة أو قيم تتجاوز الواحد الصحيح.
  • قيد المجموع الإجمالي (Total Probability Axiom): يجب أن يكون مجموع كافة الاحتمالات النقطية لجميع النتائج الممكنة في فضاء العينة مساوياً للواحد الصحيح تماماً ($1.000$). وللتحقق من ذلك في إكسيل، يتم النقر على الخلية الواقعة مباشرة أسفل آخر قيمة احتمالية وتطبيق دالة الجمع التلقائي: =SUM(B6:B16).

إذا أظهر ناتج المجموع قيمة تساوي 1.0000 بدقة، فإن ذلك يعد دليلاً قاطعاً على شمولية مصفوفة البيانات وصحة الروابط المرجعية للمعادلات، مما يؤكد جاهزية البيانات الرياضية للانتقال إلى مرحلة العرض البصري.

5.3 تنسيق عرض الأرقام العشرية والنسب المئوية

تظهر الحسابات الاحتمالية الخام في إكسيل أحياناً بعدد كبير وغير متجانس من الخانات العشرية أو بصيغة الترقيم العلمي التلقائي (مثل 2.45E-04)، مما يشتت القارئ ويقلل من وضوح الجداول. ولضبط ذلك وفق الممارسات العلمية، يتم تحديد كامل نطاق عمود الاحتمالات (B6:B16)، والضغط بالزر الأيمن للفأرة واختيار تنسيق خلايا (Format Cells)، ثم الانتقال إلى تبويب رقم (Number) وتعيين الفئة كـ رقم (Number) مع تثبيت عدد المنازل العشرية عند 4 أو 5 منازل عشرية، وهو المستوى المعياري الكافي لإظهار الفروق الدقيقة في الاحتمالات دون تشويش بصري.

ولتعزيز التحليل المقارن، يمكن إضافة عمود ثالث في الخلية C5 بعنوان النسبة المئوية الاحتمالية (%) وإسناد الصيغة =B6 وتعميمها، ثم تنسيق هذا العمود بصيغة نسبة مئوية (Percentage) مع خانتين عشريتين. كما يُنصح بتطبيق التنسيق الشرطي (Conditional Formatting) على عمود الاحتمالات من خلال اختيار مقاييس الألوان (Color Scales) أو أشرطة البيانات (Data Bars)، مما يمنح قراءة أولية تكشف أعلى الاحتمالات وزناً وتبرز موضع المنوال التوزيعي بوضوح قبل رسم المخطط البياني.

6. إنشاء الرسم البياني الأساسي لتوزيع ذي الحدين

6.1 تحديد نطاق البيانات المناسب للرسم

تعد خطوة تحديد النطاق البياني الصحيح من أهم الخطوات التقنية لضمان إنشاء رسم بياني دقيق وسليم في إكسيل وتجنب الأخطاء الشائعة التي يقع فيها المبتدئون. يكمن الخطأ الأكثر شيوعاً في تحديد عمودي $k$ والاحتمالات معاً قبل إدراج الرسم، مما يدفع إكسيل افتراضياً إلى التعامل مع قيم $k$ كسلسلة بيانات رقمية ثانية مستقلة ورسمها كأعمدة متصاعدة إلى جانب أعمدة الاحتمالات، بدلاً من تعيينها كتسميات للمحور الأفقي.

لتفادي هذا الخلل، يجب تحديد عمود الاحتمالات النقطية المحسوبة حصراً، أي النطاق B6:B16 (مع استبعاد خلية المجموع الإجمالي تماماً لتجنب تشويه المقياس الرأسي للرسم البياني). ولتحديد النطاقات الكبيرة في المصنفات الضخمة بدقة وسرعة، يُنصح بالنقر على الخلية الأولى B6 والضغط على مفاتيح الاختصار Ctrl + Shift + Down Arrow لتحديد النطاق بدقة متناهية دون تجاوز.

6.2 إدراج المخطط العمودي (Clustered Column Chart)

بعد تحديد نطاق الاحتمالات المحسوبة بنجاح، يتم التوجه إلى الشريط الرئيسي واختيار تبويب إدراج (Insert). ومن مجموعة مخططات (Charts)، يتم النقر على أيقونة إدراج مخطط عمودي أو شريطي (Insert Column or Bar Chart) واختيار النوع الأول تحت الفئة ثنائية الأبعاد وهو عمود متفاوت المسافات ثنائي الأبعاد (2-D Clustered Column).

بمجرد النقر، سيقوم محرك الرسوم البيانية في إكسيل بتوليد المخطط البياني الأولي فوراً وإدراجه كعنصر رسومي عائم فوق ورقة العمل. سيُظهر هذا المخطط المبدئي سلسلة من الأعمدة الرأسية المتجاورة التي تمثل قيم الاحتمالات على المحور الرأسي ($Y$)، غير أن المحور الأفقي ($X$) سيحتوي على ترقيم افتراضي تسلسلي يبدأ من الرقم 1 وينتهي عند عدد الفئات، وهو ما يتعارض مع المنطق الإحصائي للتوزيع الذي يبدأ من الصفر، مما يستوجب تعديل تسميات المحور يدوياً في الخطوة التالية.

6.3 تكوين وتعيين تسميات المحور الأفقي (X-Axis)

لإعادة ربط المحور الأفقي بقيم المتغير العشوائي الحقيقية $k$ والتخلص من الترقيم الافتراضي الخاطئ، تُتبع الخطوات التقنية الدقيقة التالية:

  • يتم النقر بالزر الأيمن للفأرة في أي مساحة خالية داخل منطقة المخطط البياني، ثم اختيار تحديد البيانات... (Select Data...) من القائمة السياقية المنبثقة، ليتم فتح نافذة “تحديد مصدر البيانات”.
  • في الجانب الأيسر من النافذة، وتحت قسم تسميات المحور الأفقي (الفئة) [Horizontal (Category) Axis Labels]، يتم النقر على زر تحرير (Edit).
  • ستظهر نافذة فرعية صغيرة بعنوان “نطاق تسمية المحور” (Axis label range)، يتم النقر داخل مربع الإدخال الخاص بها ثم التوجه إلى ورقة العمل وتحديد نطاق قيم $k$ الفعلية الممتدة من الخلية A6 حتى A16 (من القيمة $0$ إلى $n$).
  • يتم النقر على زر موافق (OK) في النافذة الفرعية، ثم النقر على موافق (OK) في النافذة الرئيسية لتطبيق التعديلات.

عند اكتمال هذه الخطوة، ستتم إعادة هيكلة المحور الأفقي للمخطط ليعرض بدقة التسلسل الإحصائي الحقيقي لقيم النجاح بدءاً من $0$ وحتى $n$، محققاً التزامن التام والتطابق المنطقي بين المحاور والقيم الاحتمالية المقابلة لها.

7. تخصيص وتنسيق الرسم البياني وفق المعايير الأكاديمية

7.1 ضبط عرض الفجوة البينية للأعمدة (Gap Width)

تُظهر المخططات العمودية الافتراضية في إكسيل مساحات وفواصل واسعة بين الأعمدة المتتالية، حيث يتم ضبط خيار “عرض الفجوة” افتراضياً عند نسبة تتراوح بين $150%$ و $219%$. ومن منظور التمثيل الإحصائي للمتغيرات المتقطعة ونماذج الاحتمال، فإن الفجوات الواسعة تضعف القدرة على إدراك الانسيابية الرياضية للتوزيع وشكله العام. ولجعل الرسم البياني يحاكي المظهر العلمي الرصين للمدرج التكراري الاحتمالي (Probability Histogram)، ينبغي تقليص هذه المسافات الفاصلة بدرجة مدروسة.

لإجراء هذا الضبط، يتم النقر المزدوج بالفأرة على أي عمود من أعمدة الرسم البياني لفتح لوحة التحكم الجانبية المسماة تنسيق سلسلة البيانات (Format Data Series) على الجانب الأيمن من الشاشة. يتم الانتقال إلى أيقونة خيارات السلسلة (Series Options) (الممثلة برمز الأعمدة البيانية الثلاثة)، ثم سحب شريط تمرير عرض الفجوة (Gap Width) أو كتابة قيمة عددية دقيقة تتراوح بين 0% و 20% (ويُفضل اعتماد القيمة 5% أو 10% كمعيار مثالي للتوزيعات المتقطعة). يؤدي هذا التعديل إلى تلاصق الأعمدة بأسلوب هندسي أنيق يوضح الكتلة الاحتمالية ويبرز المنحنى الهيكلي للتوزيع بشكل جلي.

7.2 إضافة وتنسيق عناوين المخطط والمحاور

وفقاً للمعايير التوثيقية الصارمة الصادرة عن جمعية علم النفس الأمريكية (APA Style) والمنظمات العلمية الدولية، لا يُعد أي رسم بياني صالحاً للنشر الأكاديمي ما لم يكن مكتفياً بذاته ومزوداً بعناوين وتسميات محورية لا تترك مجالاً للغموض أو التأويل اللفظي. ولإضافة هذه العناصر في إكسيل، يتم النقر على الرسم البياني، ثم الضغط على علامة الجمع الخضراء [+] (عناصر المخطط – Chart Elements) في الزاوية العلوية للمخطط وتفعيل الخيارات التالية:

  • عنوان المخطط (Chart Title): يُوضع أعلى الرسم ويُكتب بصيغة أكاديمية واضحة تتضمن معلمات التجربة؛ مثال: توزيع ذي الحدين لدراسة الظاهرة (n = 10, p = 0.4).
  • عنوان المحور الأفقي (Primary Horizontal Axis Title): يُحدد بوضوح المتغير العشوائي المستقل؛ مثال: عدد مرات النجاح المتوقعة (k).
  • عنوان المحور الرأسي (Primary Vertical Axis Title): يُحدد المقياس الاحتمالي التابع؛ مثال: دالة الكتلة الاحتمالية P(X = k).

يجب تنسيق هذه النصوص باستخدام خطوط أكاديمية واضحة ومقروءة (مثل Arial أو Calibri أو Times New Roman للغة الإنجليزية، و Sakkal Majalla أو Traditional Arabic للغة العربية)، مع تطبيق وزن الخط العريض (Bold) على العناوين الرئيسية واستخدام حجم خط لا يقل عن 11 نقطة للمحاور و14 نقطة للعنوان الرئيسي لضمان وضوح القراءة بعد التصدير والطباعة.

7.3 إدراج وتنسيق تسميات البيانات (Data Labels)

تسهم تسميات البيانات في تزويد القارئ بالقيم الرقمية الدقيقة لكل عمود احتمالي دون الحاجة إلى إسقاط النظر يدوياً على المحور الرأسي وتقدير القيم بصورة تقريبية. ولإضافة هذه التسميات، يتم النقر على علامة [+] واختيار تسميات البيانات (Data Labels)، ثم النقر على السهم الجانبي واختيار الموضع النهاية الخارجية (Outside End) لضمان استقرار الأرقام أعلى قمم الأعمدة البيانية مباشرة.

ولتجنب التشويه البصري الناجم عن تداخل الأرقام العشرية الطويلة، يتم النقر المزدوج على إحدى التسميات لفتح لوحة تنسيق تسميات البيانات (Format Data Labels)، ومن قسم رقم (Number) يتم ضبط التنسيق ليعرض 3 منازل عشرية فقط، أو اختيار عرض النسب المئوية. وتجدر الإشارة إلى أنه في التجارب ذات الأحجام الكبيرة ($n > 25$)، يُفضل إيقاف تفعيل تسميات البيانات لتفادي الازدحام والتداخل اللوني والاعتماد حصراً على تدرجات المحور الرأسي والخطوط الشبكية المساعدة (Gridlines).

8. إنشاء مخطط التوزيع الاحتمالي التراكمي (CDF Graph)

8.1 حساب قيم الاحتمال التراكمي في إكسيل

لدراسة وتحليل الاحتمالات التراكمية، يتم توسيع جدول البيانات بإضافة عمود رابع بجوار أعمدة الاحتمالات السابقة، ويُوضع في الخلية D5 العنوان الاحتمال التراكمي P(X <= k). وتعتمد هذه الحسابات على دالة ذي الحدين نفسها ولكن مع تفعيل وسيط التراكم الرياضي، حيث تُكتب الصيغة الإحصائية في الخلية D6 كما يلي:

=BINOM.DIST(A6, $B$1, $B$2, TRUE)

عند تعميم هذه الصيغة بالسحب نحو الأسفل حتى آخر قيمة لـ $k$ في النطاق D6:D16، ستقوم الدالة بحساب المجموع التراكمي للاحتمالات عند كل محطة. وسيبدأ العمود بالقيمة $P(X = 0)$ نفسها، ثم يتصاعد تصاعداً رتيباً مستمراً يجمع الاحتمالات السابقة مع الاحتمال الحالي، حتى يختتم عند القيمة $k = n$ بالرقم 1.0000 تماماً، وهو ما يمثل التحقق الرياضي التام لخاصية دالة التوزيع التراكمي للمتغيرات العشوائية الحقيقية.

8.2 إنشاء المخطط الخطي للتوزيع التراكمي

يختلف التعبير الهندسي لدالة التوزيع التراكمي عن دالة الكتلة الاحتمالية؛ إذ يُفضل تمثيلها بيانيا كمنحنى خطي متصاعد أو مدرج بياني صاعد يوضح التراكم التدريجي للاحتمالات. لإنشاء هذا المخطط، يتم تحديد عمود الاحتمال التراكمي (النطاق D6:D16)، ثم التوجه إلى تبويب إدراج (Insert)، ومن مجموعة المخططات (Charts) يتم اختيار مخطط خطي مع علامات (Line with Markers).

يتم ضبط تسميات المحور الأفقي للمخطط الخطي بنفس المنهجية السابقة لربطها بقيم $k$ (من $0$ إلى $n$). يُظهر المخطط الناتج منحنى ناعماً يتخذ في كثير من الأحيان الشكل السيجمويدي المتدرج (S-shaped curve)، وهو المظهر الكلاسيكي لدوال التوزيع التراكمي، حيث يتصاعد المنحنى ببطء في البداية، ثم تزداد حدة صعوده الرأسي في المناطق ذات الكثافة الاحتمالية العالية بالقرب من متوسط التوزيع، قبل أن يستقر أفقياً عند سقف الاحتمال الأقصى ($1.000$).

8.3 إنشاء رسم بياني مركب يجمع الكتلة والتراكم (Combo Chart)

يقدم المخطط المركب (Combo Chart) أرقى أشكال التمثيل الإحصائي وأكثرها كفاءة، حيث يدمج في مساحة بصرية واحدة كلاً من دالة الكتلة الاحتمالية (أعمدة) ودالة التوزيع التراكمي (خط بياني) على محاور متناسقة، مما يتيح للقارئ مقارنة الاحتمال الفردي بالنطاق التراكمي الشامل بنظرة واحدة متكاملة.

لإنشاء هذا المخطط المتقدم في إكسيل، تُتبع الخطوات الإجرائية التفصيلية التالية:

  • يتم تحديد نطاقي البيانات معاً: عمود الاحتمال النقطي وعمود الاحتمال التراكمي (النطاق B6:D16 مع استثناء العمود C).
  • من تبويب إدراج (Insert)، يتم النقر على أيقونة المخططات المركبة (Insert Combo Chart) ثم اختيار إنشاء مخطط مركب مخصص (Create Custom Combo Chart...) أسفل القائمة.
  • في نافذة التخصيص، يتم ضبط سلسلة الاحتمال النقطي P(X = k) على نوع المخطط عمود متفاوت المسافات (Clustered Column) وتُترك خانة “محور ثانوي” غير مفعلة لتتبع المحور الرأسي الرئيسي الأيسر.
  • يتم ضبط سلسلة الاحتمال التراكمي P(X <= k) على نوع المخطط خطي مع علامات (Line with Markers)، مع تفعيل مربع الاختيار محور ثانوي (Secondary Axis) لتخصيص محور رأسي مستقل على الجانب الأيمن للمنحنى التراكمي.
  • يتم الضغط على موافق (OK)، ثم إعادة تعيين تسميات المحور الأفقي لترتبط بالعمود A.

يمنح هذا التكوين المركب دقة فائقة في قراءة البيانات، حيث يُقرأ الاحتمال المنفرد للعمود من المحور الأيسر المتدرج من $0$ إلى أقصى احتمال نقطي، بينما يُقرأ تراكم التوزيع للخط البياني من المحور الأيمن المتدرج بانتظام وثبات من $0$ إلى $1.0$ ($0%$ إلى $100%$).

9. بناء رسم بياني تفاعلي وديناميكي للتوزيع في إكسيل

9.1 إدراج عناصر التحكم بالنماذج (Form Controls)

يتيح تحويل الرسم البياني المصمت إلى لوحة تحكم تفاعلية وديناميكية (Dynamic Interactive Dashboard) تمكين الباحثين والطلاب من استكشاف الخصائص الرياضية للتوزيع تجريبياً عبر تغيير المعلمات ورصد التحولات الشكلية للمخطط في الزمن الحقيقي. ولتنفيذ ذلك في إكسيل، لا بد أولاً من تفعيل تبويب المطور (Developer Tab) عبر النقر بالزر الأيمن على الشريط واختيار تخصيص الشريط (Customize the Ribbon) وتفعيل خيار المطور (Developer).

بعد تفعيل التبويب، يتم بناء عناصر التحكم التفاعلية على النحو التالي:

  • شريط تمرير عدد المحاولات ($n$): من تبويب المطور، يتم النقر على إدراج (Insert) واختيار شريط التمرير (Scroll Bar) من قسم “عناصر تحكم النماذج”. يتم رسم الشريط على ورقة العمل، ثم النقر عليه بالزر الأيمن واختيار تنسيق عنصر التحكم (Format Control)، وضبط القيمة الصغرى على 1 والقيمة الكبرى على 50 وقيمة التغيير على 1، مع ربطه بالخلية B1 (خلية المحاولات).
  • شريط تمرير احتمال النجاح ($p$): يتم رسم شريط تمرير ثانٍ مخصص للاحتمال. ونظراً لأن أشرطة التمرير في إكسيل لا تدعم سوى الأرقام الصحيحة، يتم ضبط القيمة الصغرى على 1 والقيمة الكبرى على 99 في نافذة التنسيق، وربطه بخلية مساعدة وسيطة ولتكن H2. ثم تُكتب في الخلية الأصلية B2 الصيغة التناسبية: =H2/100، مما يتيح تغيير احتمال النجاح بسلاسة بنسب مئوية دقيقة تتراوح بين $0.01$ و $0.99$.

9.2 استخدام الصيغ الديناميكية لتحديث النطاقات تلقائياً

عند تعديل قيمة $n$ عبر شريط التمرير (مثلاً زيادتها من 10 إلى 20)، فإن متسلسلة قيم $k$ والحسابات الاحتمالية تحتاج إلى التمدد أو الانكماش تلقائياً دون تدخل يدوي ودون ترك فراغات أو أصفار تشوه الرسم البياني. وتتحقق هذه المرونة الديناميكية الفائقة بالاعتماد على إحدى الاستراتيجيتين التاليتين وفق إصدار إكسيل المستخدم:

  • صيغ الانسكاب الديناميكي (Dynamic Spill Arrays – في Microsoft 365):

    تُعد هذه الطريقة الأحدث والأكثر كفاءة؛ حيث تُكتب في الخلية A6 صيغة توليد المتسلسلة: =SEQUENCE(B1+1, 1, 0, 1). وتُكتب في الخلية B6 صيغة الاحتمال الديناميكي الموجهة لمصفوفة الانسكاب: =BINOM.DIST(A6#, B1, B2, FALSE)، حيث يقوم رمز الهاشتاغ (#) بالإشارة التلقائية إلى كامل النطاق المنسكب، مما يجعل الجدول بأكمله يتمدد فورياً بدقة مطلقة مع تحريك شريط التمرير.

  • النطاقات الديناميكية المسماة (Named Dynamic Ranges عبر OFFSET و COUNTA):

    في الإصدارات الكلاسيكية من إكسيل، يتم فتح إدارة الأسماء (Name Manager) وإنشاء نطاق مسمى جديد لمحور السينات باسم Dynamic_K عبر المعادلة: =OFFSET(Sheet1!$A$6, 0, 0, Sheet1!$B$1+1, 1)، ونطاق مسمى للاحتمالات باسم Dynamic_Prob عبر المعادلة: =OFFSET(Sheet1!$B$6, 0, 0, Sheet1!$B$1+1, 1). ومن ثم يتم تعديل مصدر بيانات الرسم البياني ليشير إلى هذه النطاقات الديناميكية، مما يضمن تحديث حدود المخطط البياني ذاتياً.

9.3 الملاحظة الحية لتحولات التوزيع الهندسي

يوفر هذا النموذج التفاعلي أداة بصرية وتعليمية شديدة القوة تتيح للمحللين والباحثين مراقبة التغيرات الهيكلية للتوزيع الاحتمالي بصورة حية وفورية. فعند تثبيت قيمة $n$ وتحريك شريط تمرير $p$ من اليسار إلى اليمين، يمكن ملاحظة انتقال قمة المنحنى (المنوال) ومركز الثقل الاحتمالي بانسيابية تامة من أقصى اليسار نحو أقصى اليمين، متزامناً مع تحول شكل التوزيع من الالتواء الموجب إلى التماثل التام ثم إلى الالتواء السالب.

كما يتيح تثبيت قيمة $p$ وزيادة قيمة $n$ تدريجياً مراقبة تمدد القاعدة الأفقية للتوزيع، وانخفاض القمة الاحتمالية القصوى مع الحفاظ على المساحة الكلية مساوية للواحد، والتحول الملحوظ في شكل الأعمدة المتقطعة نحو التماثل الشبيه بالمنحنى الجرسي الطبيعي، مما يوفر فهماً عميقاً ومحسوساً لقوانين الاحتمالات يصعب اكتسابه عبر القراءات النظرية المجردة.

10. التحليل والتفسير الإحصائي للمخطط البياني الناتج

10.1 أثر تغير احتمال النجاح (p) على التماثل والالتواء

يتحكم احتمال النجاح $p$ بصورة مطلقة في التكوين المورفولوجي والشكل الهندسي لتوزيع ذي الحدين، وتحديداً في خاصيتي التماثل (Symmetry) والالتواء الإحصائي (Skewness). ويُقاس معامل الالتواء رياضياً في هذا التوزيع بالصيغة المعيارية:

$$\gamma_1 = \frac{1 – 2p}{\sqrt{n \cdot p \cdot (1 – p)}}$$

ومن خلال هذه المعادلة والتمثيل البصري للرسم البياني، يمكن تمييز ثلاث حالات توزيعية رئيسية ذات دلالات إحصائية بالغة الأهمية:

  • حالة التماثل التام ($p = 0.5$): عندما تتساوى احتماليتا النجاح والفشل، يصبح معامل الالتواء مساوياً للصفر تماماً ($\gamma_1 = 0$). يظهر الرسم البياني شكلاً متماثلاً تماثلاً انعكاسياً تاماً حول المركز، وتتطابق فيه مؤشرات النزعة المركزية الثلاثة: المتوسط الحسابي، والوسيط، والمنوال عند النقطة المركزية $n \cdot p = 0.5n$.
  • الالتواء الموجب أو الالتواء نحو اليمين ($p < 0.5$): عندما يقل احتمال النجاح عن النصف، يكون معامل الالتواء موجباً ($\gamma_1 > 0$). تتركز معظم الكتل الاحتمالية الكبرى في الجانب الأيسر من المخطط البياني بالقرب من نقطة الصفر، بينما يمتد ذيل التوزيع الطويل والنحيف نحو اليمين باتجاه القيم المرتفعة لـ $k$، ويكون الترتيب المنطقي للمؤشرات: $\text{Mode} le \text{Median} le \text{Mean}$.
  • الالتواء السالب أو الالتواء نحو اليسار ($p > 0.5$): عندما يتجاوز احتمال النجاح عتبة النصف، يصبح معامل الالتواء سالباً ($\gamma_1 < 0$). تتركز غالبية الاحتمالات العالية في الطرف الأيمن للمخطط بالقرب من القيمة الكلية $n$، في حين يمتد الذيل الاحتمالي الضعيف نحو اليسار باتجاه القيم الصغرى لـ $k$، ويكون الترتيب: $\text{Mean} le \text{Median} le \text{Mode}$.

10.2 أثر حجم العينة (n) والتقارب نحو التوزيع الطبيعي

يكشف التحليل البصري لمخططات ذي الحدين بوضوح عن إحدى أعظم النظريات في تاريخ علم الإحصاء، وهي نظرية النهاية المركزية (Central Limit Theorem) ومبرهنة دي موافر-لابلاس (de Moivre–Laplace Theorem). تنص هذه النظرية على أن توزيع ذي الحدين يقترب اقتراباً تدريجياً حثيثاً من التوزيع الطبيعي المستمر (Normal Distribution) مع زيادة عدد المحاولات $n$، حتى وإن كانت قيمة $p$ غير متماثلة بعيداً عن $0.5$.

ولكي يُعد التقريب الطبيعي صالحاً ومقبولاً إحصائياً للاستخدام كبديل دقيق لحسابات ذي الحدين، تشترط الأدبيات الإحصائية الكلاسيكية استيفاء المعيارين المتزامنين التاليين لقيم التكرار المتوقع:

$$n \cdot p ge 5 \quad \text{و} \quad n \cdot (1 – p) ge 5$$

(وتشدد بعض المراجع الأكاديمية الأكثر صرامة على رفع العتبة إلى $ge 10$). وعند تحقق هذا الشرط، يظهر المخطط البياني في إكسيل شكلاً جرسياً ناعماً وشديد التناسق، بحيث يمكن تقريب دالة الكتلة الاحتمالية المتقطعة باستخدام منحنى التوزيع الطبيعي المستمر ذي المعلمات $\mu = np$ و $\sigma = \sqrt{np(1-p)}$، مع تطبيق معامل تصحيح الاستمرارية الرياضي (Continuity Correction Factor) بمقدار $\pm 0.5$ لتعويض الفجوة الناتجة عن الانتقال من المتغير المتقطع إلى المستمر.

10.3 تحديد المناطق الحرجة وفترات الاحتمال

يعد الرسم البياني لتوزيع ذي الحدين أداة تحليلية بصرية تمكن متخذي القرار من قراءة وتحديد المناطق الحرجة (Critical Regions) وفترات الثقة الإحصائية ومستويات المعنوية ($\alpha$) بشكل مباشر في سياق اختبار الفرضيات، دون الحاجة الماسة إلى الحسابات التكاملية المعقدة:

  • حساب احتمالات الذيل الأيمن ($P(X ge k)$): تمثل مساحة الأعمدة الواقعة في أقصى الطرف الأيمن من الرسم البياني احتمالية تحقيق “على الأقل” عدد محدد من النجاحات، وتُستخدم لرفض فرضية العدم في الاختبارات أحادية الطرف (Right-tailed tests) إذا كان مجموع مساحات تلك الأعمدة أقل من مستوى المعنوية المحدد (مثل $\alpha = 0.05$).
  • حساب فترات الاحتمال المحصورة ($P(a le X le b)$): تُحدد الفترة المركزية التي تحتوي على غالبية الكتلة الاحتمالية للتجربة (ولتكن $95%$ من إجمالي الاحتمالات) من خلال تحديد الأعمدة الواقعة بين القيمتين الحرجتين $a$ و $b$، مما يوفر تقديراً مرئياً فورياً لمجال التباين الطبيعي المتوقع للظاهرة المدروسة قبل اعتبار أي نتيجة متطرفة بمثابة شذوذ إحصائي (Statistical Outlier).

11. معالجة الأخطاء الشائعة واستكشاف المشكلات وإصلاحها

11.1 معالجة أخطاء صيغ إكسيل الإحصائية

أثناء إعداد النماذج الإحصائية وتطبيق دالة BINOM.DIST، قد يواجه المستخدم رسائل خطأ برمجية تؤدي إلى تعطل العمليات الحسابية وتشويه المخطط البياني. ويوضح الدليل التشخيصي التالي مسببات هذه الأخطاء وكيفية معالجتها جذرrowاً:

  • الخطأ #NUM!: يظهر هذا الخطأ الحسابي نتيجة تجاوز المدخلات للحدود الرياضية المسموح بها، ومن أبرز حالاته:
    • إدخال قيمة لعدد النجاحات $k$ أكبر من إجمالي عدد المحاولات $n$ (مثل $k = 12$ بينما $n = 10$).
    • إدخال قيمة سالبة لأي من الوسائط ($k < 0$ أو $n < 0$).
    • إدخال قيمة للاحتمال $p$ خارج النطاق المغلق $[0, 1]$ (مثل إدخال $p = 1.2$ أو $p = -0.1$).

    العلاج: تدقيق شروط الإدخال وتطبيق أدوات “التحقق من صحة البيانات” (Data Validation) لتقييد الإدخال ضمن الحدود المسموحة فقط.

  • الخطأ #VALUE!: ينجم هذا الخطأ عن عدم تطابق نوع البيانات، كأن يتم إدخال نصوص أو فراغات غير مقصودة في وسائط الدالة الحسابية بدلاً من الأرقام الصريحة أو الخلايا الرقمية.

    العلاج: التأكد من تحويل نوع الخلايا إلى نمط رقمي واستخدام دالة ISNUMBER لفحص مصادر البيانات.

11.2 إصلاح مشكلات المحور الأفقي غير المتزامن

تشكل مشكلات المحور الأفقي ($X$-axis) العائق الأكثر إحباطاً للمستخدمين عند بناء المخططات الإحصائية في إكسيل، ومن أبرز تلك المشكلات:

  • بدء المحور من القيمة 1 وتجاهل النقطة 0: يحدث ذلك عند إدراج المخطط دون تعيين نطاق التسميات الأفقية يدوياً، حيث يقوم إكسيل بترقيم الأعمدة تلقائياً بأرقام تسلسلية ($1, 2, 3, dots$). ويتم علاج ذلك فوراً باتباع الخطوات المشروحة في القسم 6.3 لربط التسميات بعمود قيم $k$ الذي يبدأ من الصفر.
  • تحويل قيم $k$ إلى سلسلة أعمدة إضافية: يحدث ذلك إذا تم تظليل عمود $k$ مع عمود الاحتمالات قبل الإدراج؛ مما يجعل إكسيل يرسم عمودين لكل فئة. ويُعالج ذلك بحذف سلسلة بيانات $k$ من نافذة “تحديد مصدر البيانات” وتعيينها حصراً كتسميات للمحور الأفقي.
  • تنسيق نوع المحور كـ “محور تاريخ” أو “محور نصي”: يجب التأكد من ضبط نوع المحور على محور نصي (Text axis) في لوحة تنسيق المحور لضمان عرض كافة الفئات المتقطعة ($0, 1, 2, dots$) بمسافات متساوية ومنع إكسيل من دمج الأرقام أو تقدير قيم بينية غير موجودة.

11.3 التعامل مع العينات الكبيرة والقيم الاحتمالية المتناهية الصغر

عند بناء نماذج لتجارب تتضمن أحجام عينات ضخمة جداً (مثل $n = 1000$)، تبرز قيود برمجية وحسابية ترتبط بحدود الدقة الرقمية لمعالجات الحواسيب وبرنامج إكسيل، وتتمثل في:

  • مشكلة التدفق الحسابي السفلي (Arithmetic Underflow): في الذيول البعيدة للتوزيع، تكون احتمالية بعض الأحداث ضئيلة جداً (مثل $1 \times 10^{-20}$)، مما قد يدفع إكسيل إلى تقريبها تلقائياً إلى الصفر المطلق (0.0000). ولإظهار هذه القيم بدقة في الجداول، يجب تنسيق الخلايا باستخدام التنسيق العلمي (Scientific Notation) لتعرض بصيغة الأسس العشرية (مثل 1.23E-08).
  • تجاوز حدود المضروب الرياضي: يعجز إكسيل عن حساب مضروب الأعداد التي تتجاوز $170!$ (تظهر الخطأ #NUM! لأن الناتج يتجاوز $1.79 \times 10^{308}$). ومع ذلك، فإن دالة BINOM.DIST الحديثة تتغلب على هذه المشكلة داخلياً باستخدام خوارزميات لوغاريتمية لحساب المعامل التوافقي عبر لوغاريتم دالة غاما ($\ln \Gamma$)، مما يسمح بحساب احتمالات دقيقة لقيم $n$ تتجاوز الآلاف دون أخطاء برمجية.

12. دراسة حالة تطبيقية شاملة وتصدير المخططات الأكاديمية

12.1 تنفيذ مثال تجريبي عملي متكامل

لتطبيق كافة المفاهيم الرياضية والخطوات البرمجية السابقة في سياق عملي متكامل، سنفترض إجراء دراسة ميدانية في قسم مراقبة الجودة داخل مصنع للأجهزة الإلكترونية. يبلغ حجم عينة الفحص العشوائي $n = 10$ أجهزة مستقلة، مع ثبات احتمالية مطابقة الجهاز للمواصفات القياسية عند $p = 0.6$ (مما يعني أن احتمال عدم المطابقة هو $q = 0.4$).

يتم بناء ورقة العمل وفق الخطوات التالية:

  • إدخال المعلمات: الخلية B1 تحتوي على 10، والخلية B2 تحتوي على 0.6.
  • توليد قيم $k$: في النطاق A6:A16، تُسجل الأرقام المتسلسلة من 0 إلى 10.
  • حساب الاحتمال النقطي: في الخلية B6، تُدرج الصيغة =BINOM.DIST(A6, $B$1, $B$2, FALSE) وتُعمم لأسفل.
  • حساب الاحتمال التراكمي: في الخلية C6، تُدرج الصيغة =BINOM.DIST(A6, $B$1, $B$2, TRUE) وتُعمم لأسفل.

تُسفر هذه الحسابات عن توليد مصفوفة النتائج الرقمية الدقيقة الموضحة بالجدول التالي:

  • $k = 0 \rightarrow P(X=0) = 0.0001 \quad [P(X le 0) = 0.0001]$
  • $k = 1 \rightarrow P(X=1) = 0.0016 \quad [P(X le 1) = 0.0017]$
  • $k = 2 \rightarrow P(X=2) = 0.0106 \quad [P(X le 2) = 0.0123]$
  • $k = 3 \rightarrow P(X=3) = 0.0425 \quad [P(X le 3) = 0.0548]$
  • $k = 4 \rightarrow P(X=4) = 0.1115 \quad [P(X le 4) = 0.1662]$
  • $k = 5 \rightarrow P(X=5) = 0.2007 \quad [P(X le 5) = 0.3669]$
  • $k = 6 \rightarrow P(X=6) = 0.2508 \quad [P(X le 6) = 0.6177]$
  • $k = 7 \rightarrow P(X=7) = 0.2150 \quad [P(X le 7) = 0.8327]$
  • $k = 8 \rightarrow P(X=8) = 0.1209 \quad [P(X le 8) = 0.9536]$
  • $k = 9 \rightarrow P(X=9) = 0.0403 \quad [P(X le 9) = 0.9940]$
  • $k = 10 \rightarrow P(X=10) = 0.0060 \quad [P(X le 10) = 1.0000]$

يتم إنشاء المخطط البياني للأعمدة النقطية مع ضبط عرض الفجوة عند $10%$، وإضافة العناوين المناسبة، ليظهر التوزيع ذروته الاحتمالية القصوى (المنوال) عند النقطة $k = 6$ باحتمال قدره $0.2508$ ($25.08%$)، متوافقاً تماماً مع القيمة المتوقعة النظرية $\mu = n \cdot p = 10 \times 0.6 = 6$.

12.2 تفسير النتائج واتخاذ القرار الإحصائي

انطلاقاً من المخطط البياني والمصفوفة الرقمية المحسوبة، يمكن الإجابة عن التساؤلات الإحصائية وصياغة القرارات التشغيلية بدقة متناهية:

  • ما احتمال نجاح 7 أجهزة على الأقل؟

    يُمثل هذا التساؤل رياضياً الاحتمال الشرطي $P(X ge 7) = P(X=7) + P(X=8) + P(X=9) + P(X=10)$. ومن خلال الجدول أو المخطط، نجمع القيم: $0.2150 + 0.1209 + 0.0403 + 0.0060 = 0.3822$ (أو باستخدام مكملة الدالة التراكمية: $1 – P(X le 6) = 1 – 0.6177 = 0.3823$). ويعني ذلك أن هناك فرصة تبلغ حوالي $38.2%$ لتحقيق هذا الإنجاز الرقابي.

  • تقييم الالتواء واتخاذ القرار:

    يُظهر المخطط التواءً سالباً طفيفاً نحو اليسار نظراً لأن $p = 0.6 > 0.5$، مما يشير إلى أن الكثافة الإنتاجية تتركز في النطاقات العليا من الجودة (بين 5 و 8 أجهزة مطابقة بنسبة تراكمية تتجاوز $78%$). وبناءً على ذلك، يمكن لإدارة المصنع اعتماد خطة الفحص هذه ووضع حد قبول أدنى لا يقل عن 5 وحدات مطابقة لضمان كفاءة خط الإنتاج وعدم الانجرار وراء تقلبات العينات العشوائية الصغيرة.

12.3 تصدير المخطط البياني للنشر في الأبحاث والتقارير

لضمان نقل المخطط البياني المنشأ في إكسيل إلى الأوراق البحثية، أو رسائل الماجستير والدكتوراه، أو التقارير التنفيذية دون فقدان الدقة البصرية وتماشياً مع معايير دور النشر العالمية، تُتبع الإرشادات الاحترافية التالية:

  • الحفظ كقالب معتمد (Save as Template): يتم النقر بالزر الأيمن على المخطط واختيار حفظ كقالب... (Save as Template) وتسميته Binomial_Academic_Chart، مما يتيح إعادة تطبيق كافة التنسيقات والألوان وقياسات الفجوات المحددة على أي بيانات تجريبية جديدة بنقرة زر واحدة في المشاريع المستقبلية.
  • النسخ المتجه عالي الدقة إلى برامج النشر (Vector Graphics Export): عند نقل الرسم إلى برنامج Microsoft Word أو PowerPoint، يُنسخ المخطط من إكسيل (Ctrl + C)، ثم يُلصق في برنامج التحرير باستخدام خيار استخدام سمة الوجهة وتضمين المصنف (Use Destination Theme & Embed Workbook) أو لصقه كـ ملف تعريف محسن (Enhanced Metafile - EMF) عبر خيار “لصق خاص”. يحافظ هذا التنسيق المتجهي على حدة الخطوط والنصوص وجودة المخطط حتى عند تكبيره أو طباعته بالدقة العالية (300 DPI فأكثر).
  • التوثيق الأكاديمي وفق دليل APA: يوضع المخطط في متن البحث مع إدراج رقم تسلسلي عريض في الأعلى (مثل: شكل 1)، يليه سطر مائل يوضح العنوان الوصفي (مثل: توزيع ذي الحدين لمعدلات مطابقة الإنتاج عند حجم عينة n = 10 واحتمال p = 0.6)، ويُختتم الرسم من الأسفل بحاشية توضيحية (Note) تشرح المصطلحات والاختصارات الإحصائية المستخدمة في محاور الرسم.

خاتمة

يمثل إنشاء وتنسيق الرسوم البيانية لتوزيع ذي الحدين في برنامج إكسيل مهارة منهجية وتقنية تجمع بين عمق المعرفة الإحصائية وكفاءة استخدام التكنولوجيا البرمجية المعاصرة. ومن خلال تتبع الخطوات التفصيلية الموضحة في هذا الدليل—بدءاً من الاستيعاب الدقيق لطبيعة التجارب الثنائية ومعادلاتها الجبرية، مروراً بالتطبيق الدقيق لدالة BINOM.DIST وهيكلة مصفوفات البيانات، ووصولاً إلى تصميم الرسوم البيانية العمودية والتراكمية والتفاعلية المتقدمة—يستطيع الباحثون والمحللون تحويل المعطيات الرقمية المجردة إلى نماذج بصرية بالغة الدقة وقابلة للتفسير العلمي الرصين. إن الالتزام بالقواعد الأكاديمية الصارمة في ضبط الفجوات، وتسمية المحاور، ومعالجة الانحرافات التوزيعية يضمن إنتاج مخرجات بحثية تلبي أعلى متطلبات التوثيق والنشر في المجلات العلمية المحكمة وتدعم مسارات اتخاذ القرار القائمة على الأدلة الإحصائية القاطعة.

References

اقتباس هذا المقال

looti, M. (2026, أغسطس 28). كيفية إنشاء رسم بياني لتوزيع ذي الحدين في إكسيل. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-create-a-binomial-distribution-graph-in-excel/
looti, Mohammed. “كيفية إنشاء رسم بياني لتوزيع ذي الحدين في إكسيل.” عرب سايكلوجي, 28 أغسطس 2026, https://arabpsychology.com/statistics/how-to-create-a-binomial-distribution-graph-in-excel/.
looti, Mohammed. “كيفية إنشاء رسم بياني لتوزيع ذي الحدين في إكسيل.” عرب سايكلوجي. أغسطس 28, 2026. https://arabpsychology.com/statistics/how-to-create-a-binomial-distribution-graph-in-excel/.