كيفية إنشاء رسم بياني لتوزيع بواسون في إكسيل

يحتل توزيع بواسون الاحتمالي (Poisson Distribution) مكانة محورية في صرح النمذجة الإحصائية الحديثة وتطبيقاتها العملية في شتى حقول العلوم الطبيعية، الاجتماعية، والسلوكية. يُعد هذا التوزيع المنفصل أداة رياضية بالغة الدقة لوصف وتوقع تكرار الأحداث النادرة أو العشوائية التي تقع داخل إطار زمني محدد أو نطاق مكاني معين، انطلاقاً من فرضية ثبات متوسط معدل الحدوث واستقلالية الوقائع الفردية. ومنذ أن صاغه عالم الرياضيات الفرنسي سيميون دينيس بواسون في أبحاثه الرائدة حول الأحكام القضائية والاحتمالات، تطور التوزيع ليصبح حجر الزاوية في تحليل الطوابير، دراسة تدفق البيانات، رصد الأعطال الصناعية، وتتبع الأنماط السلوكية والنفسية الإكلينيكية التي تتسم بالانقطاع والتشتت المنفصل.

وعلى الرغم من القوة النظرية للمعادلات الرياضية التي تحكم توزيع بواسون، فإن ترجمة هذه المفاهيم المجردة إلى تمثيلات بصرية واضحة يُعد خطوة جوهرية لا غنى عنها لأي باحث أو محلل بيانات. يتيح التمثيل البياني لتوزيع بواسون فهماً حدسياً مباشراً لطبيعة التواء البيانات، وسلوك ذيل التوزيع، وتأثير تغير المعلمات الإحصائية على احتمالية وقوع الأحداث. وهنا يبرز برنامج مايكروسوفت إكسيل (Microsoft Excel) كبيئة عمل مرنة وقوية تجمع بين القدرات الحسابية المتقدمة عبر الدوال الرياضية المدمجة، وأدوات التخصيص الرسومي التي تلبي أدق المعايير الأكاديمية الصارمة، مما يجعله الخيار الأمثل للباحثين والمهنيين على حد سواء.

يهدف هذا الدليل المرجعي الشامل إلى استعراض كافة الجوانب النظرية والتطبيقية المرتبطة بإنشاء، تخصيص، وتفسير الرسوم البيانية لتوزيع بواسون داخل بيئة إكسيل. سنتناول في هذا المقال المتعمق الخلفية الرياضية للتوزيع، خطوات جدولة البيانات وصياغة المعادلات القياسية، أساليب تحويل الأرقام إلى مخططات عمودية وخطية احترافية، بناء النماذج التفاعلية المتقدمة، دمج دوال الكتلة والاحتمال التراكمي، وصولاً إلى معالجة الأخطاء الشائعة واستعراض تطبيقات واقعية في البحوث السلوكية وفق معايير النشر الأكاديمي الصادرة عن جمعية علم النفس الأمريكية (APA).

1. مقدمة تأصيلية لتوزيع بواسون الاحتمالي وأهميته في النمذجة الإحصائية

1.1 المفهوم الرياضي والافتراضات الأساسية لتوزيع بواسون

يُعرَّف توزيع بواسون في النظرية الإحصائية بأنه توزيع احتمالي منفصل (Discrete Probability Distribution) يُستخدم لنمذجة عدد المرات التي يقع فيها حدث معين خلال فترة زمنية محددة أو ضمن حيز مكاني أو حجمي ثابت. يتميز هذا التوزيع بمعالجة المتغيرات العشوائية المنفصلة التي تأخذ قيماً عددية صحيحة غير سالبة (0، 1، 2، 3، وهكذا)، حيث لا يمكن للحدث أن يقع في صورة أجزاء عشرية أو كسور، مما يجعله مختلفاً جوهرياً عن التوزيعات المتصلة مثل التوزيع الطبيعي (Normal Distribution).

تستند موثوقية نموذج بواسون إلى مجموعة صارمة من الافتراضات الإحصائية الأساسية التي تضمن دقة التمثيل الرياضي للظاهرة المدروسة. يتمثل الافتراض الأول في استقلالية الأحداث (Independence)، مما يعني أن وقوع أي حدث في فترة زمنية معينة لا يؤثر مطلقاً، بالزيادة أو النقصان، على احتمالية وقوع حدث آخر في أي فترة زمنية لاحقة أو متزامنة. أما الافتراض الثاني فينص على ثبات متوسط معدل الحدوث عبر الزمن أو الحيز المكاني، أي أن المعلمة التي تحكم تدفق الأحداث تظل مستقرة دون أن تتأثر بعوامل التذبذب الخارجي أو التغيرات الهيكلية في بيئة التجربة.

علاوة على ذلك، يفترض نموذج بواسون استحالة حدوث حدثين متزامنين تماماً في نفس اللحظة الزمنية المتناهية في الصغر (Infinitesimal Interval)، حيث تؤول احتمالية وقوع أكثر من حدث واحد في جزء ضئيل جداً من الوقت إلى الصفر. وتكتسب هذه الافتراضات أهمية بالغة عند دراسة الظواهر النادرة والمتقطعة، مثل رصد الانبعاثات الإشعاعية لجسيمات ألفا، تسجيل الأخطاء الطباعية في صفحات الكتب، أو حصر عدد مرات انقطاع الخدمة في شبكات الاتصال، حيث يوفر هذا التوزيع إطاراً دقيقاً لتقييم الاحتمالات المتناهية في الصغر للظواهر المعقدة.

1.2 دور معلمة المعدل (λ) وخصائص التوزيع الإحصائية

تتمحور البنية الرياضية لتوزيع بواسون بأكملها حول معلمة وحيدة وأساسية يُرمز لها بالحرف الإغريقي لاندا (Lambda – λ). تمثل هذه المعلمة كلاً من المتوسط الحسابي (Mean) والمعدل المتوقع لحدوث الظاهرة خلال وحدة القياس المعيارية. ومن الخصائص الرياضية الفريدة والتأسيسية لتوزيع بواسون خاصية تساوي المتوسط والتباين الإحصائي (Equidispersion)، حيث تكون القيمة المتوقعة للمتغير العشوائي مساوية لتباينه، أي أن: E(X) = Var(X) = λ، مما يجعل الانحراف المعياري مساوياً للجذر التربيعي للمعدل (√λ).

يؤثر مقدار المعلمة لاندا تأثيراً مباشراً وحاسماً على الشكل الهندسي لمنحنى التوزيع الاحتمالي وخصائصه الوصفية. فعندما تكون قيمة لاندا صغيرة (مثل λ < 3)، يظهر التوزيع التواءً إيجابياً ملحوظاً (Positive Skewness) نحو اليمين، حيث تتركز الكتلة الاحتمالية العظمى بالقرب من الصفر وقيم الأحداث المنخفضة، بينما يمتد ذيل طويل ونحيف نحو القيم المرتفعة. ومع زيادة قيمة لاندا تدريجياً، يبدأ الالتواء في التلاشي، وتتحرك قمة المنحنى الاحتمالي باتجاه اليمين، مقتربة من التماثل التام حول المتوسط.

يتسم سلوك الذيل الأيمن لتوزيع بواسون بالتضاؤل السريع، حيث تتلاشى الاحتمالات الرياضية وتقترب من الصفر المطلق كلما ابتعد عدد الأحداث عن المتوسط المتوقع. هذا التلاشي المقارب للصفر يبرز الطبيعة المقيدة للتوزيع، حيث تصبح احتمالية تسجيل أرقام قياسية تفوق المتوسط بأضعاف مضاعفة أمراً شبه مستحيل رياضياً. ومع وصول قيمة لاندا إلى مستويات مرتفعة (عادة λ ≥ 20)، يتحول التوزيع وفق مبرهنة النهاية المركزية ليقترب شكلياً وحسابياً من التوزيع الطبيعي المتصل، مما يسهل عمليات التقريب والتحليل المتقدم.

1.3 دواعي التمثيل البياني لتوزيع بواسون في الدراسات والأبحاث

يمثل الرسم البياني لتوزيع بواسون جسراً بصرياً بالغ الأهمية يربط بين المعادلات الاحتمالية المجردة والتطبيقات التجريبية على أرض الواقع. يتيح المخطط للباحثين والمحللين إجراء مقارنة بصرية فورية ودقيقة بين التكرارات المشاهدة (Observed Frequencies) في العينات الميدانية والاحتمالات النظرية المتوقعة (Theoretical Probabilities) المستخرجة من النموذج الرياضي، مما يسهم في الكشف السريع عن أي انحرافات جوهرية قد تشير إلى عدم كفاية النموذج أو وجود متغيرات دخيلة غير محسوبة.

وفي حقول الدراسات النفسية، السلوكية، والعلوم الطبية الحيوية، يوفر التمثيل البياني وسيلة استثنائية لتلخيص وعرض معدلات الحدوث المنفصلة المعقدة. على سبيل المثال، يمكن استخدام هذه المخططات لعرض تكرار السلوكيات النمطية لدى الأطفال ذوي اضطراب طيف التوحد خلال جلسات الملاحظة المقننة، أو توثيق عدد نوبات الصداع النصفي الشهرية لدى المرضى الخاضعين لبروتوكولات علاجية تجريبية، مما يحول البيانات الرقمية الجافة إلى نسق بصري يعزز الفهم الإكلينيكي ويدعم اتخاذ القرارات العلاجية المستندة إلى الدليل.

علاوة على ذلك، فإن الرسوم البيانية الدقيقة تسهم بشكل فعال في دعم الباحثين أثناء تقييم حسن المطابقة الإحصائية (Goodness-of-Fit)، وتساعد في تقديم المخرجات التحليلية بصورة مهنية رصينة تتوافق مع المعايير الدولية للنشر العلمي. إن وجود رسم بياني مصمم بدقة داخل الأوراق البحثية والتقارير الأكاديمية لا يرفع فقط من جودة العرض المرئي، بل يمنح القراء والمحكمين وسيلة واضحة لتقييم مصداقية الاستنتاجات الإحصائية المشتقة من النماذج الرياضية المستخدمة.

2. البنية الرياضية لدالة توزيع بواسون والمعادلات المرتبطة بها

2.1 الصيغة الرياضية لحساب دالة الكتلة الاحتمالية (PMF)

تعتمد الحسابات الاحتمالية لتوزيع بواسون على دالة الكتلة الاحتمالية (Probability Mass Function – PMF)، وهي الصيغة الجبرية التي تحدد الاحتمال الدقيق لوقوع عدد محدد من الأحداث المنفصلة (يرمز له بالرمز k أو x). تُصاغ المعادلة الرياضية القياسية على النحو التالي:

P(X = k) = (λ^k * e^-λ) / k!

تتألف هذه المعادلة من أربعة عناصر رئيسية متكاملة؛ حيث يمثل P(X = k) احتمالية أن يسجل المتغير العشوائي المنفصل X القيمة k بالضبط. أما المعلمة λ فتمثل المتوسط الحسابي المتوقع للحدث، وتُرفع إلى الأس k لتعكس تكرار الحدث المطلوب حسابه. ويمثل الرمز e الأساس الطبيعي للوغاريتمات (الثابت النيبيري)، وهو ثابت رياضي غير نسبي تبلغ قيمته التقريبية 2.71828182845905، ويُرفع إلى القوة السالبة للمعدل (e^-λ) ليعمل كمعامل تقليص احتمالي يتناسب عكساً مع حجم المتوسط المتوقع.

يمثل المقام في المعادلة مضروب العدد (Factorial)، ويُكتب بالصيغة k!، وهو حاصل ضرب جميع الأعداد الصحيحة الموجبة من 1 إلى k. يؤدي المضروب دوراً حاسماً في ضبط وتطبيع الاحتمالات لمنع تضخم القيم الناتجة عن الرفع الأسي للبسط، مما يضمن أن يظل مجموع كافة الاحتمالات الممكنة مساوياً للواحد الصحيح تماماً. ومن القواعد الحسابية التأسيسية التي يجب مراعاتها دائماً في حسابات بواسون أن مضروب الصفر يُعرَّف رياضياً بأنه يساوي واحداً صحيحاً (0! = 1)، مما يتيح حساب احتمالية عدم وقوع الحدث إطلاقاً (k = 0) والتي تُختصر حينها إلى: P(X = 0) = e^-λ.

2.2 الاحتمال التراكمي (CDF) ومقارنته بالاحتمال المنفصل

بينما تُعنى دالة الكتلة الاحتمالية (PMF) بحساب احتمال حدوث قيمة نقطية محددة بدقة، تختص دالة التوزيع التراكمي (Cumulative Distribution Function – CDF) بحساب الاحتمال الإجمالي لوقوع المتغير العشوائي ضمن نطاق يبدأ من الصفر ويصل إلى قيمة عظمى معينة كحد أقصى. تُكتب المعادلة الرياضية للاحتمال التراكمي في صورة مجموع متسلسل للاحتمالات النقطية الفردية:

F(k) = P(X ≤ k) = ∑ [i=0 to k] (λ^i * e^-λ) / i!

تتجلى الفروق الجوهرية بين المفهومين في الأهداف التحليلية المرجوة من النمذجة الإحصائية. فعندما يرغب الباحث في معرفة احتمال تسجيل 3 أخطاء تحديداً خلال تجربة معينة، فإنه يستعين بدالة الكتلة الاحتمالية المنفصلة P(X = 3). أما إذا كان التساؤل البحثي يدور حول احتمالية تسجيل 3 أخطاء على الأكثر (أي 0، أو 1، أو 2، أو 3 أخطاء)، فإن دالة التوزيع التراكمي P(X ≤ 3) هي الأداة الرياضية الواجب تطبيقها، حيث تقدم تقييماً شاملاً للمخاطر التراكمية وحدود الثقة الإحصائية.

ينعكس هذا التمايز الرياضي بشكل مباشر على البنية الهندسية للرسوم البيانية داخل إكسيل. يؤدي تمثيل دالة الكتلة الاحتمالية المنفصلة إلى إنتاج مخططات عمودية ترتفع وتنخفض لتعكس تباين الاحتمالات الفردية وتبرز قمة المنوال. في المقابل، ينتج عن تمثيل دالة التوزيع التراكمي منحنى متزايد بانتظام في صورة خط تصاعدي رتيب (S-shaped or Step curve) يبدأ من قيمة موجبة قريبة من الصفر عند النقطة k = 0، ويتصاعد تدريجياً حتى يستقر أفقياً عند القيمة 1.0 (أو 100%)، وهو ما يعكس استيعاب كامل الفضاء الاحتمالي للتجربة.

2.3 شروط التحقق الإحصائي قبل إعداد البيانات في إكسيل

قبل الشروع في كتابة الصيغ الرياضية وبناء الجداول داخل برنامج إكسيل، يتعين على الباحث التحقق بدقة من استيفاء البيانات للمحددات الإحصائية الخاصة بنموذج بواسون لضمان صحة النتائج المستخلصة وتجنب الوقوع في أخطاء النمذجة المضللة. يتمثل الفحص الإحصائي الأول في اختبار التشتت المفرط (Overdispersion) أو التشتت الناقص (Underdispersion)، حيث يجب مقارنة المتوسط الحسابي التجريبي للعينة بتباينها؛ فإذا كان التباين أكبر بكثير من المتوسط، فإن ذلك يشير إلى انتهاك لخاصية التساوي الإحصائي، مما يقتضي اللجوء إلى نماذج بديلة مثل توزيع ثنائي الحدين السالب (Negative Binomial Distribution).

يتطلب الشرط الثاني التأكد المطلق من طبيعة المتغير المرصود، إذ يجب أن يكون متغيراً كمياً منفصلاً ناتجاً عن عملية عد حقيقية (Count Data)، ولا يجوز بأي حال استخدام توزيع بواسون لنمذجة المتغيرات المتصلة مثل الأوزان، الأطوال، أو الفترات الزمنية المستمرة التي تخضع لتوزيعات أخرى مثل التوزيع الأسي أو توزيع غاما. كما ينبغي التحقق من عدم وجود تكتل للأحداث (Clustering) قد يخل بمبدأ الاستقلالية العشوائية عبر الزمن.

أخيراً، يجب تحديد النطاق العملي لقيم المتغير k داخل ورقة العمل لتجنب إهدار الموارد الحسابية أو تشويه المخطط البياني. نظراً لأن التوزيع يمتد نظرياً إلى ما لا نهاية في الاتجاه الموجب، فإن الممارسة الإحصائية الرشيدة تقتضي وضع حد أقصى مناسب لقيم k بحيث يغطي النطاق كافة القيم ذات الثقل الاحتمالي المؤثر، ويتوقف عند النقطة التي تتلاشى عندها الاحتمالات وتصبح أقل من حدود الدقة الحسابية المعنوية (مثل احتمالات أصغر من 0.0001)، مما يضمن تمثيلاً بيانياً شاملاً ومتوازناً بصرياً.

3. نظرة عامة على دوال بواسون في برنامج مايكروسوفت إكسيل

3.1 الفروق بين الدالة الحديثة POISSON.DIST والقديمة POISSON

شهدت منظومة الدوال الإحصائية في مايكروسوفت إكسيل تحولاً جذرياً وهيكلياً مع إطلاق إصدار إكسيل 2010، حيث قامت شركة مايكروسوفت بإعادة هندسة وتوحيد تسميات الدوال القياسية لتعزيز اتساقها الرياضي وتوافقها مع التسميات المعتمدة في البرمجيات الإحصائية المتخصصة مثل R وSPSS. في هذا السياق، تم تقديم الدالة المحدثة POISSON.DIST لتحل رسمياً محل الدالة القديمة POISSON التي استُخدمت في الإصدارات السابقة حتى إكسيل 2007.

على الرغم من أن الدالة القديمة POISSON لا تزال متاحة وتعمل داخل الإصدارات الحديثة من إكسيل لأغراض الحفاظ على التوافق العكسي (Backward Compatibility) مع ملفات العمل القديمة، إلا أن الوثائق الرسمية لمايكروسوفت توصي بشدة بالاعتماد الحصري على الدالة الحديثة POISSON.DIST في كافة التطبيقات الأكاديمية والمهنية المعاصرة. تمتاز الدالة الحديثة بخوارزميات برمجية محسنة تضمن دقة حسابية أعلى واستقراراً عددياً فائقاً، لا سيما عند التعامل مع قيم لاندا الكبيرة أو عند حساب أطراف الذيول الاحتمالية المتطرفة.

يوضح الجدول التحليلي التالي مقارنة تفصيلية بين الدالتين في بيئة إكسيل:

وجه المقارنة	الدالة المحدثة POISSON.DIST	الدالة التقليدية POISSON
تاريخ الإصدار	إكسيل 2010 والإصدارات الأحدث (بما في ذلك Microsoft 365)	إكسيل 2007 والإصدارات الأقدم (تاريخية)
الدقة والخوارزمية	خوارزميات محسنة لتقليل أخطاء التقريب في الذيول الاحتمالية	خوارزميات قديمة قد تعاني من أخطاء طفيفة عند الحسابات الضخمة
حالة التوافق	المعيار الرسمي الموصى به في الأبحاث والمؤسسات الأكاديمية	محتفظ بها فقط للتوافق مع المصنفات القديمة (Compatibility Mode)
بناء الجملة (Syntax)	POISSON.DIST(x, mean, cumulative)	POISSON(x, mean, cumulative)

3.2 بناء جملة دالة POISSON.DIST ووسائطها الحسابية

تتكون دالة POISSON.DIST من بناء جملة رياضي واضح المعالم يستلزم تمرير ثلاثة وسائط إلزامية بالترتيب لضمان تنفيذ الحسابات الاحتمالية بدقة وبدون أخطاء. تُكتب الدالة في شريط الصيغ وفق التركيب التالي:

=POISSON.DIST(x, mean, cumulative)

تتحدد دلالات الوسائط الثلاث على النحو المفصل الآتي:

• الوسيط الأول (x): يمثل المتغير العشوائي أو عدد الأحداث المرصودة المراد حساب احتمالها (k). يشترط في هذا الوسيط أن يكون قيمة عددية حقيقية غير سالبة (x ≥ 0). وإذا قام المستخدم بإدخال رقم عشري كقيمة لـ x، فإن إكسيل يقوم تلقائياً باقتطاع الجزء العشري واختزاله إلى أقرب عدد صحيح أدنى (Truncation) دون تقريب.
• الوسيط الثاني (mean): يمثل القيمة الرقمية للمتوسط الحسابي المتوقع أو معلمة المعدل لاندا (λ). يجب أن تكون هذه القيمة عدداً موجباً قطيعاً أكبر من الصفر (mean > 0). وفي حال إدخال قيمة مساوية للصفر أو سالبة، سترجع الدالة رمز الخطأ الحسابي #NUM! مباشرة.
• الوسيط الثالث (cumulative): يمثل قيمة منطقية (Logical Value) تحدد الطبيعة الرياضية للمخرجات المطلوبة؛ حيث يقبل هذا الوسيط إحدى القيمتين: إما FALSE أو TRUE (أو القيمتين الرقميتين المكافئتين 0 و 1 على التوالي).

3.3 تحديد الاستخدام الصحيح للمحدد المنطقي Cumulative

يعد الاختيار الصحيح للمحدد المنطقي cumulative داخل دالة POISSON.DIST هو المحرك الأساسي لنوع التحليل الإحصائي والشكل البصري للرسم البياني الناتج. فعند تعيين هذا الوسيط على القيمة FALSE، تُوجه الدالة لحساب دالة الكتلة الاحتمالية المنفصلة (PMF)، والتي تُرجع احتمال أن تقع القيمة x تحديداً. يُعد هذا الخيار هو الأساس المعتمد لإنشاء المخططات العمودية التقليدية لتوزيع بواسون التي توضح قمة التوزيع وتناقص الاحتمالات على الجانبين.

في المقابل، يؤدي تعيين المحدد المنطقي على القيمة TRUE إلى تفعيل دالة التوزيع التراكمي (CDF)، حيث تقوم الدالة بجمع الاحتمالات النقطية لجميع الأعداد الصحيحة من الصفر وحتى القيمة x المحددة. يُستخدم هذا الخيار عندما يكون الهدف التحليلي هو الإجابة عن تساؤلات تتعلق بتجاوز العتبات أو استيفاء الشروط المحددة مسبقاً، مثل حساب احتمالية ألا تتجاوز أخطاء الإنتاج حداً معيناً خلال دورة تشغيلية كاملة.

لتجنب الأخطاء المفاهيمية الشائعة أثناء بناء النماذج، يجب على الباحث أن يحدد بدقة سياق الاستخدام؛ إذ إن الخلط بين TRUE و FALSE يؤدي إلى رسم بياني يمثل ظاهرة إحصائية مختلفة تماماً عن الفرضية البحثية المقصودة، مما يقود إلى استنتاجات خاطئة تماماً حول توزيع الظاهرة وتكرارها المتوقع.

4. إعداد ورقة العمل وجدولة البيانات في إكسيل

4.1 تخصيص خلية المعلمة لـ لاندا (Lambda) وتثبيتها

تبدأ الممارسة الاحترافية في إعداد نماذج المحاكاة والتحليل الإحصائي في إكسيل بتصميم هيكل مرن لورقة العمل يفصل بوضوح بين مدخلات النموذج ومعاملاته الرياضية من جهة، والنتائج الحسابية والجداول المجدولة من جهة أخرى. يُستحسن تخصيص القسم العلوي من ورقة العمل (مثل الخلايا A1 و B1) لوضع وتحديد قيمة المعلمة لاندا (λ)، حيث توضع التسمية التوضيحية “Lambda (λ)” في الخلية A1 وتُدخل القيمة الرقمية للمتوسط في الخلية B1 (لتكن القيمة المبدئية 4 على سبيل المثال).

لضمان استقرار العمليات الحسابية ومنع حدوث أخطاء الإزاحة عند تطبيق الصيغ الرياضية، يجب التعامل مع خلية لاندا كمرجع مطلق (Absolute Reference) عبر استخدام علامة الدولار $B$1، أو الأفضل من ذلك، تسمية الخلية رسمياً باستخدام صندوق الأسماء (Name Box) في إكسيل. يتيح تحديد الخلية B1 وكتابة الاسم Lambda_Val في صندوق الأسماء العلوي إمكانية استدعاء المعلمة باسمها الصريح داخل كافة الصيغ الحسابية، مما يرفع من مقروئية الصيغ ويحد تماماً من احتمالات الخطأ البشري أثناء السحب والتعبئة التلقائية.

4.2 توليد عمود قيم الأحداث الممكنة (k)

يتطلب بناء جدول التوزيع الاحتمالي إنشاء متسلسلة رقمية منتظمة تمثل كافة القيم المحتملة للمتغير العشوائي k، بدءاً من القيمة الحتمية الصفر (0) التي تمثل عدم وقوع الحدث إطلاقاً. يتم كتابة القيمة 0 في الخلية A4، تليها القيمة 1 في الخلية A5، ثم استخدام ميزة التعبئة التلقائية الذكية (AutoFill) في إكسيل عن طريق سحب مقبض التعبئة لأسفل لتوليد الأرقام المتتالية بسرعة ودقة حتى الوصول إلى الحد الأقصى المستهدف.

لتحديد الحد الأقصى المنطقي لقيم k الواجب إدراجها في الجدول، يُنصح بتطبيق القاعدة الإحصائية التجريبية التي تربط بين قيمة لاندا والانحراف المعياري للتوزيع. تنص هذه القاعدة على أن متسلسلة k يجب أن تغطي على الأقل المدى الحسابي: [0 إلى λ + 4√λ]. على سبيل المثال، إذا كانت قيمة لاندا تساوي 4، فإن الانحراف المعياري يكون √4 = 2، وبالتالي فإن الحد الأقصى الموصى به للمتسلسلة هو 4 + (4 × 2) = 12 إلى 15 نقطة، مما يضمن احتواء كامل المساحة الاحتمالية تحت المنحنى وعرض الذيل الأيمن للتوزيع حتى تتلاشى قيمه تماماً وتقترب من الصفر.

4.3 هيكلة الجدول وتنسيق الخلايا تمهيداً للحسابات

يعد التنسيق الهندسي والبصري السليم لجدول البيانات خطوة محورية تمهد لتطبيق الصيغ وتسهل اختيار النطاقات أثناء إنشاء المخطط البياني. يتم تخصيص الخلية A3 لكتابة التسمية الرأسية لعمود الأحداث: “عدد الأحداث (k)”، بينما تُخصص الخلية B3 لكتابة رأس عمود الاحتمالات النقطية: “احتمال الكتلة P(X = k)”، ويمكن إضافة عمود ثالث في الخلية C3 لتسجيل “الاحتمال التراكمي P(X ≤ k)” لتمكين التحليلات المتزامنة.

يجب ضبط تنسيق الأرقام لعمود الاحتمالات عبر تحديد الخلايا والنقر بزر الفأرة الأيمن لاختيار “تنسيق الخلايا” (Format Cells)، ثم تحديد الفئة “رقم” (Number) وضبط المنازل العشرية على 4 أو 5 خانات عشرية (مثل 0.00000). يضمن هذا التنسيق ظهور الاحتمالات الضئيلة في ذيل التوزيع دون اختزالها تلقائياً إلى أصفار مجردة، مما يحافظ على الشفافية الإحصائية للحسابات ويهيئ البيانات لعملية الفحص والمطابقة الرياضية اللاحقة.

5. حساب احتمالات بواسون خطوة بخطوة باستخدام الصيغ

5.1 كتابة وتطبيق صيغة POISSON.DIST الأولى

لبدء العمليات الحسابية الفعلية، يتم الانتقال إلى الخلية الأولى في عمود الاحتمالات النقطية، وهي الخلية B4 المقابلة للقيمة k = 0 الموجودة في الخلية A4. يقوم المستخدم بكتابة الصيغة الرياضية القياسية التي تربط المتغير العشوائي بقيمة المعلمة الثابتة على النحو الآتي:

=POISSON.DIST(A4, $B$1, FALSE)

تقوم هذه الصيغة باستدعاء قيمة k من الخلية A4 كمرجع نسبي يتحرك تلقائياً مع نسخ الصيغة، مع تثبيت المرجع المطلق للخلية $B$1 التي تحتوي على قيمة لاندا لضمان عدم انزياحها. يتم تعيين المحدد الأخير على FALSE لحساب دالة الكتلة الاحتمالية الدقيقة لتلك النقطة. فور الضغط على مفتاح الإدخال (Enter)، سيُظهر إكسيل الناتج الحسابي الدقيق للاحتمال.

يُستحسن في هذه المرحلة إجراء فحص تحقق رياضي سريع؛ فعندما تكون k = 0 و λ = 4، فإن الحساب اليدوي للاحتمال يكافئ e^-4، وهي قيمة تساوي تقريبياً 0.01832. إذا أظهرت الخلية B4 هذا الرقم بدقة، فإن ذلك يؤكد صحة صياغة المعادلة وسلامة الإعدادات الحسابية في المصنف، بما في ذلك التوافق مع إعدادات الفواصل العشرية للنظام (سواء كانت الفاصلة الاعتيادية أو الفاصلة المنقوطة بناءً على اللغة المعتمدة في نظام التشغيل).

5.2 تعميم الصيغة على كامل نطاق البيانات والتحقق الإحصائي

عقب التأكد من صحة الصيغة في الخلية الأولى، يتم تعميم الحسابات على كافة صفوف الجدول من خلال النقر المزدوج على مقبض التعبئة السريعة (AutoFill handle) المتواجد في الزاوية السفلية اليسرى للخلية B4، أو سحبه يدوياً لأسفل حتى آخر خلية في متسلسلة قيم k (مثل الخلية B18). سيقوم إكسيل بحساب احتمالية كل قيمة من قيم k المقابلة على الفور بناءً على دالة بواسون الرياضية.

للتأكد الإحصائي الصارم من اكتمال التوزيع وخلو الحسابات من أي بتر مبكر للاحتمالات، يُنشأ صف إجمالي في أسفل الجدول، وتُكتب في الخلية المقابلة لعمود الاحتمالات دالة الجمع التلقائي:

=SUM(B4:B18)

يجب أن يقترب ناتج الجمع الإجمالي من الواحد الصحيح بدرجة فائقة (مثل 0.9998 أو 1.0000). إذا كان المجموع يقل بشكل ملحوظ عن 0.99 (على سبيل المثال 0.92)، فإن هذا النقص الحسابي يعطي إشارة تحذيرية واضحة للباحث بأن نطاق قيم k المولد في الجدول غير كافٍ لاحتواء التوزيع، مما يقتضي تمديد متسلسلة k وإضافة صفوف جديدة لضمان تغطية كامل الفضاء العيني للظاهرة المدروسة قبل البدء في التمثيل البياني.

5.3 معالجة النتائج وتنسيق عرض القيم الاحتمالية

بعد اكتمال الحسابات الرياضية والتحقق من مجموع التوزيع، يمكن تطبيق بعض التحسينات البصرية على جدول البيانات لتسهيل قراءته وفحصه الميداني. يمكن للباحث استخدام ميزة “التنسيق الشرطي” (Conditional Formatting) لتطبيق تدرج لوني خفيف أو إبراز الخلية التي تحتوي على أعلى قيمة احتمالية في العمود، والتي تمثل القيمة المنوالية (Mode) لتوزيع بواسون.

من الضروري أيضاً التأكد التام من خلو كافة خلايا عمود النتائج من رسائل الخطأ الشائعة مثل #VALUE! أو #NAME? أو #NUM!. تعكس خلو البيانات من هذه الأخطاء جاهزيتها الكاملة لتكون مصدراً نظيفاً للمخططات البيانية. يمكن أيضاً عرض القيم كنسب مئوية بتنسيق 0.00% في عمود إضافي موازٍ إذا كان التقرير النهائي موجهاً لجمهور يفضل قراءة النسب المئوية بدلاً من الكسور العشرية المجردة.

6. إنشاء المخطط البياني الأساسي لتوزيع بواسون في إكسيل

6.1 تحديد نوع المخطط الأنسب إحصائياً للبيانات المنفصلة

يعد الاختيار الصحيح لنوع المخطط البياني داخل إكسيل قراراً منهجياً بالغ الأهمية يعكس الفهم الإحصائي العميق لطبيعة البيانات. نظراً لأن توزيع بواسون هو توزيع احتمالي منفصل تحكمه أعداد صحيحة متمايزة ولا وجود لقيم بينية فيها، فإن النوع الأمثل عالمياً لتمثيل دالة الكتلة الاحتمالية (PMF) هو المخطط العمودي ثنائي الأبعاد (2D Clustered Column Chart).

توفر الأعمدة الرأسية المنفصلة تمثيلاً بصرياً ممتازاً يجسد خاصية الانقطاع، حيث يقف كل عمود ككتلة احتمالية مستقلة فوق قيمة k الصحيحة المقابلة له. على النقيض من ذلك، فإن استخدام المخططات الخطية المستمرة أو المخططات المساحية لتمثيل الاحتمالات النقطية المنفصلة قد يكون مضللاً بصرياً؛ إذ يوحي ضمناً بوجود احتمالات مستمرة بين القيم الصحيحة (مثل وجود احتمالية عند k = 1.5)، وهو ما يناقض الفرضيات الرياضية الأساسية للنموذج. ومع ذلك، يمكن استخدام الخطوط المنحنية الملساء فقط عند تمثيل المقارنات النظرية المتعددة أو للتعبير عن التقارب الطبيعي عند قيم لاندا الكبيرة جداً.

6.2 إدراج المخطط وتعيين نطاقات البيانات الصحيحة

لإنشاء المخطط البياني الأساسي بدقة وتفادي أخطاء الإدراج التلقائي في إكسيل، يُوصى باتباع الخطوات المنهجية التالية:

1. تحديد نطاق القيم الاحتمالية المحسوبة فقط في عمود الاحتمالات (أي النطاق B4:B18) دون تحديد عمود قيم k في هذه المرحلة الأولية لتجنب قيام إكسيل بمعاملة أرقام k كسلسلة بيانية ثانية.
2. التوجه إلى الشريط العلوي للبرنامج واختيار تبويب إدراج (Insert).
3. من مجموعة المخططات (Charts)، النقر على أيقونة “إدراج مخطط عمودي أو شريطي” واختيار عمود مجمع ثنائي الأبعاد (2D Clustered Column).
4. سيظهر المخطط البياني فوراً داخل ورقة العمل، ولكنه سيحمل ترقيماً افتراضياً للمحور الأفقي يبدأ من الرقم (1، 2، 3…) وهو ما يتطلب تصحيحاً فورياً لمطابقة قيم k الحقيقية.

6.3 ضبط وتعيين تسميات المحور الأفقي (Horizontal Axis)

يُعد تصحيح ترقيم المحور الأفقي خطوة حاسمة لا غنى عنها؛ حيث يبدأ توزيع بواسون من القيمة الحتمية 0، بينما يفترض إكسيل تلقائياً أن الفئة الأولى تبدأ بالرقم 1، مما يؤدي إلى إزاحة بصرية خاطئة تشوه التفسير الإحصائي للرسم بأكمله. لتصحيح ذلك، يُتبع الإجراء الآتي:

1. النقر بزر الفأرة الأيمن في أي منطقة فارغة داخل المخطط واختيار تحديد البيانات (Select Data) من القائمة السياقية.
2. في نافذة “تحديد مصدر البيانات” المنبثقة، التوجه إلى الجانب الأيمن المخصص لقسم تسميات المحور الأفقي (الفئات) [Horizontal (Category) Axis Labels] والضغط على زر تحرير (Edit).
3. في مربع “نطاق تسمية المحور”، يتم تحديد نطاق خلايا قيم k الفعلية في ورقة العمل (أي النطاق A4:A18) والتي تبدأ من الصفر.
4. الضغط على زر موافق (OK) مرتين لتطبيق التعديلات وإغلاق النوافذ.

بمجرد إتمام هذه الخطوة، سيتم تحديث المحور الأفقي للمخطط ليعرض الأرقام الصحيحة المتسلسلة (0، 1، 2، 3…) تحت كل عمود بياني بدقة متناهية، مما يضمن التطابق التام بين الكتلة الاحتمالية وقيمتها الرياضية المقابلة.

7. التنسيق الأكاديمي المتقدم للرسم البياني ومعايير APA

7.1 ضبط عرض الفجوة (Gap Width) لتمثيل دقيق للتوزيع

تتميز المخططات الافتراضية في إكسيل بوجود فجوات واسعة تفصل بين الأعمدة البيانية، مما قد يشتت التدفق البصري لشكل التوزيع الاحتمالي ويقلل من قدرة العين على تتبع الالتواء والانحدار في المنحنى. لضبط هذه المسافات وفق المعايير الإحصائية المتقدمة، يتم النقر بزر الفأرة الأيمن على أي عمود داخل الرسم واختيار تنسيق سلسلة البيانات (Format Data Series).

في الجزء الجانبي الخاص بخيارات السلسلة، يتم الانتقال إلى شريط التمرير الخاص بـ عرض الفجوة (Gap Width) وتقليص النسبة المئوية من القيمة الافتراضية (219%) إلى مدى يتراوح بين 10% و 30%. يؤدي تقارب الأعمدة من بعضها البعض دون تلامس تام إلى إبراز الهيكل الشكلي لتوزيع بواسون كدالة كتلة متماسكة، مع الحفاظ في الوقت ذاته على الفواصل الضئيلة التي تؤكد الصفة المنفصلة للمتغير العشوائي، مما يعزز الإدراك البصري لديناميكية التوزيع والتوائه.

7.2 إضافة وتنسيق عناوين المحاور والمخطط بأسلوب علمي

وفقاً للمعايير الصارمة لجمعية علم النفس الأمريكية (APA Publication Manual)، يجب أن تكون كافة مكونات الرسم البياني محددة بدقة واضحة لا تدع مجالاً للبس أو التأويل. يتم النقر على زر “عناصر المخطط” (علامة + الخضراء بجانب المخطط) وتفعيل خياري عنوان المخطط (Chart Title) و عناوين المحاور (Axis Titles).

تتم صياغة العناوين بالدقة الأكاديمية التالية:

• عنوان المخطط الرئيسي: يجب أن يعبر بوضوح عن المتغير والمعلمة المستخدمة، مثل: “توزيع بواسون الاحتمالي لمعدل الحدوث (λ = 4.0)”.
• عنوان المحور الأفقي (X-Axis): يُكتب بالصيغة القياسية: “عدد الأحداث المرصودة (k)” أو “عدد مرات الوقوع”.
• عنوان المحور الرأسي (Y-Axis): يُكتب بالصيغة الرياضية المعتمدة: “الاحتمال P(X = k)” أو “الاحتمال النسبي”.

يجب تنسيق الخطوط المستخدمة في العناوين والتسميات باختيار خطوط أكاديمية رصينة مثل Times New Roman أو Arial أو Calibri، مع ضبط حجم الخط ليكون 12 نقطة مع التغميق (Bold) للعنوان الرئيسي، و10 نقاط للمحاور والتسميات الرقمية، مع التأكد من استخدام اللون الأسود التلقائي وتجنب الرماديات الباهتة التي تقلل من وضوح الطباعة الورقية.

7.3 تخصيص لوحة الألوان وتسميات البيانات (Data Labels)

تقتضي معايير النشر العلمي في الدوريات العالمية تجنب الألوان الصارخة أو الخلفيات ثلاثية الأبعاد المشتتة. يُفضل تنسيق أعمدة المخطط باستخدام لون أحادي متناسق (مثل الأزرق الداكن أو الرمادي الفحمي الرصين)، مع إزالة خطوط الشبكة الخلفية غير الضرورية أو ضبطها لتكون باهتة للغاية (Light Gray) لضمان عدم حجب التفاصيل البصرية للأعمدة.

يمكن إضافة تسميات البيانات (Data Labels) أعلى الأعمدة البيانية لإظهار القيمة الاحتمالية الدقيقة فوق كل عمود، مما يتيح للقارئ استخلاص الأرقام مباشرة دون الحاجة لإسقاط البصر على المحور الرأسي. إذا كانت السلسلة البيانية تحتوي على بيانات وحيدة، يجب حذف وسيلة الإيضاح (Legend) تماماً لتفادي تكرار المعلومات وتوفير مساحة أوسع لعرض التوزيع البياني بوضوح.

8. إنشاء مخططات تفاعلية وديناميكية لتوزيع بواسون في إكسيل

8.1 إدراج شريط التمرير (Scroll Bar) لتغيير قيمة لاندا

يوفر برنامج إكسيل بيئة متقدمة تتيح تحويل المخطط البياني الثابت لتوزيع بواسون إلى لوحة تحكم تفاعلية وديناميكية تسمح للمستخدم بملاحظة التحولات الهندسية في التوزيع لحظياً عند تعديل قيمة المعلمة لاندا. لتحقيق ذلك، يجب أولاً تفعيل تبويب المطور (Developer Tab) في شريط الأدوات عبر الذهاب إلى: ملف > خيارات > تخصيص الشريط > تفعيل خيار “المطور”.

من تبويب “المطور”، يتم النقر على قائمة إدراج (Insert) ضمن مجموعة عناصر التحكم، ثم اختيار شريط التمرير (Scroll Bar – Form Control) من قسم عناصر تحكم النموذج. يتم بعد ذلك رسم شريط التمرير بالفأرة وتثبيته في موضع مناسب بجانب أو أسفل الرسم البياني لتوفير وصول مرئي سهل ومريح للتحكم في معلمات النموذج الاحتمالي.

8.2 تهيئة خصائص عنصر التحكم وربطه بالخلايا الرياضية

بعد رسم شريط التمرير، يتم النقر عليه بزر الفأرة الأيمن واختيار تنسيق عنصر التحكم (Format Control) لضبط المحددات التشغيلية للعنصر عبر نافذة الخصائص كما يلي:

• القيمة الحالية (Current value): يتم ضبطها على 40.
• الحد الأدنى (Minimum value): يتم ضبطه على 1 (ليعبر عن لاندا = 0.1).
• الحد الأقصى (Maximum value): يتم ضبطه على 200 (ليعبر عن لاندا = 20.0).
• التغيير المتزايد (Incremental change): يتم ضبطه على 1 أو 5.
• ارتباط الخلية (Cell link): يتم تحديد خلية وسيطة فارغة، ولتكن الخلية C1.

نظراً لأن أشرطة التمرير في إكسيل تتعامل حصرياً مع الأعداد الصحيحة، يتم تحويل القيمة في الخلية الوسيطة إلى قيمة عشرية للمعلمة لاندا عن طريق كتابة المعادلة التالية في الخلية الأصلية للانapplied (الخلية B1):

=C1 / 10

عند تحريك مؤشر شريط التمرير يميناً أو يساراً، ستتغير القيمة في الخلية C1 تلقائياً، مما يؤدي إلى تحديث قيمة الخلية B1 فورياً بين 0.1 و 20.0، وهو ما يترتب عليه إعادة حساب كامل جدول الاحتمالات وتحديث المخطط البياني في أجزاء من الثانية بشكل بصري مذهل.

8.3 إنشاء عناوين ديناميكية تعكس التغيرات الفورية

لإضفاء الاحترافية الكاملة على النموذج التفاعلي، يمكن جعل عنوان المخطط يتغير تلقائياً ليعكس القيمة الحالية لـ لاندا عند تحريك شريط التمرير. يتم ذلك عبر دمج النصوص بالمعادلات داخل خلية مساعدة في ورقة العمل (ولتكن الخلية D1) باستخدام صيغة الربط النصي التالية:

=”توزيع بواسون الاحتمالي عند المعدل المتوقع (λ = ” & TEXT(B1, “0.0”) & “)”

بعد إعداد الصيغة النصية، يتم النقر على إطار عنوان المخطط في الرسم البياني لتحديده، ثم التوجه مباشرة إلى شريط الصيغ (Formula Bar) العلوي وكتابة علامة التساوي = متبوعة بالنقر على الخلية D1، ثم الضغط على مفتاح Enter. بهذه الخطوة يكتمل الربط البرمجي، وسيتحول العنوان إلى نص تفاعلي يرصد بدقة وسرعة أي تغير يطرأ على المعلمة لاندا، مما يجعله أداة تعليمية وعرضاً تقديمياً استثنائياً في المحاضرات والمؤتمرات العلمية.

9. مقارنة عدة توزيعات بواسون في رسم بياني واحد

9.1 هيكلة جدول متعدد السلاسل لقيم لاندا المختلفة

تعد المقارنة البصرية المتزامنة بين عدة توزيعات تحكمها معلمات لاندا مختلفة من أرقى أساليب التحليل الإحصائي لتوضيح أثر تغير معدل الحدوث على شكل وسلوك الظواهر العشوائية. لبناء هذا النموذج المتعدد، يتم تصميم جدول بيانات موسع في إكسيل يتضمن عموداً ثابتاً لقيم الأحداث k (يمتد من 0 إلى 25 على سبيل المثال)، تليه أعمدة متوازية مخصصة لقيم لاندا المختارة للمقارنة (مثل: λ = 1، λ = 4، λ = 8، λ = 12).

توضع قيم لاندا في رؤوس الأعمدة المقابلة (الصف 3 مثلاً)، وتُكتب صيغة POISSON.DIST في الخلية الأولى تحت كل معلمة، مع مراعاة تثبيت صف رأس العمود لـ لاندا وتثبيت عمود قيم k النسبي. على سبيل المثال، تُكتب الصيغة في الخلية B4 كما يلي:

=POISSON.DIST($A4, B$3, FALSE)

يتم سحب هذه الصيغة وتعميمها أفقياً عبر كافة أعمدة المعلمات، ثم سحبها رأسياً لأسفل لتغطي كافة صفوف قيم k، مما ينتج عنه مصفوفة بيانات احتمالية متكاملة وجاهزة للرسم المقارن.

9.2 رسم التوزيعات المتعددة باستخدام المخططات الخطية أو المجمعة

عند الرغبة في مقارنة ثلاثة توزيعات أو أكثر في رسم بياني واحد، يصبح استخدام المخطط العمودي المجمع مزدحماً بصرياً وصعب القراءة بسبب تداخل وتراكم الأعمدة. في هذه الحالة المحددة، يُفضل علمياً الانتقال إلى المخطط الخطي المزود بعلامات (Line with Markers) أو المخطط المبعثر ذي الخطوط الملساء (Scatter with Smooth Lines and Markers).

تتحدد خطوات إنشاء المخطط المقارن كما يلي:

1. تحديد كامل مصفوفة البيانات الاحتمالية المتعددة بما في ذلك رؤوس الأعمدة.
2. إدراج مخطط خطي بنقاط علامات واضحة.
3. ضبط المحور الأفقي ليرتبط بنطاق قيم k المشترك (العمود A).
4. تخصيص نمط ولون مختلف لكل خط بياني (مثل: خط متصل أزرق لـ λ = 1، خط متقطع برتقالي لـ λ = 4، وخط نقطي أخضر لـ λ = 8) لضمان سهولة التمييز البصري والطباعي بينها.
5. تفعيل وسيلة الإيضاح (Legend) ووضعها في أعلى يمين الرسم لتعريف القارئ بالمعلمة المقابلة لكل خط.

9.3 التحليل البصري لمقارنة التوزيعات وتأثير زيادة المعدل

يكشف الرسم البياني المقارن بوضوح استثنائي عن ثلاثة تحولات هيكلية رئيسية تطرأ على توزيع بواسون مع تزايد قيمة المعلمة لاندا:

• زحف قمة التوزيع (المنوال): تتحرك قمة المنحنى الاحتمالي بصورة مطردة نحو اليمين مع زيادة قيمة لاندا، متطابقة دائماً مع القيمة الصحيحة الأقرب للمتوسط الحسابي.
• انخفاض الارتفاع وتزايد التشتت: ينخفض الارتفاع الأقصى للاحتمال النقطي تدريجياً مع زيادة لاندا، بينما تتسع قاعدة المنحنى أفقياً، وهو ما يعكس رياضياً تزايد التباين الإحصائي الذي يساوي لاندا (Var(X) = λ)، مما يعني انتشار الاحتمالات على نطاق أوسع من الأحداث.
• التحول نحو التماثل الطبيعي: يبرز الرسم التلاشي التدريجي للالتواء الموجب؛ فبينما يظهر المنحنى عند λ = 1 ملتوياً بشدة نحو الصفر، يتحول عند λ = 12 إلى منحنى جرسي متماثل تقريباً يحاكي بدقة متناهية شكل التوزيع الطبيعي المتصل، وهو التطبيق العملي الصريح لمبرهنة النهاية المركزية.

10. تمثيل دالة التوزيع التراكمي (CDF) ومقارنتها بدالة الكتلة (PMF)

10.1 حساب قيم الاحتمال التراكمي في عمود مخصص

لتمثيل دالة التوزيع الاحتمالي التراكمي (Cumulative Distribution Function) بيانياً داخل إكسيل، يتم إضافة عمود جديد في جدول البيانات بجانب عمود الاحتمال المنفصل، ويُعنون باسم “الاحتمال التراكمي P(X ≤ k)”. يُكتب في الخلية الأولى من هذا العمود (ولتكن الخلية C4) الصيغة الرياضية التالية:

=POISSON.DIST(A4, $B$1, TRUE)

يقوم استخدام الوسيط المنطقي TRUE بإرشاد إكسيل لجمع كافة الكتل الاحتمالية بدءاً من الصفر وحتى قيمة k الحالية في الصف. عند سحب الصيغة لأسفل على كامل نطاق البيانات، سيلاحظ الباحث تزايد القيم الرياضية بنمط رتيب وتصاعدي يبدأ من قيمة الاحتمال الأول عند k = 0 (مثل 0.0183 عند λ = 4) ويتصاعد تدريجياً وبثبات حتى يصل إلى 1.0000 في الصفوف الأخيرة، مما يؤكد تغطية كافة الاحتمالات الممكنة بنسبة 100%.

10.2 إنشاء مخطط بياني للدالة التراكمية (الدرجي أو الخطي)

عند تمثيل الدالة التراكمية وحدها في رسم بياني منفصل، يتم إدراج مخطط مبعثر متصل بخطوط مستقيمة وزوايا قائمة (Stepped Line Chart) أو مخطط خطي مزود بعلامات دائرية عند كل نقطة حدث. يعكس هذا النمط الطبيعة المنفصلة للقفزات الاحتمالية التي تحدث حصرياً عند الأعداد الصحيحة لقيم k، وتبقى ثابتة أفقياً بينها.

يتطلب التنسيق السليم لهذا المخطط ضبط حدود المحور الرأسي (Vertical Axis) عبر النقر عليه واختيار تنسيق المحور، ثم تثبيت الحد الأقصى (Maximum Bound) بشكل صارم عند القيمة 1.0، مع ضبط الفواصل الرئيسية عند 0.1 أو 0.2. يمنع هذا التثبيت إكسيل من تمديد المحور تلقائياً إلى 1.2، مما يحافظ على المعنى الاحتمالي الدقيق الذي يشير إلى أن سقف الاحتمالات التراكمية لا يمكن أن يتجاوز الواحد الصحيح إطلاقاً.

10.3 إنشاء رسم بياني مركب (Combo Chart) يدمج PMF و CDF

يعد الرسم البياني المركب (Combo Chart) أحد أقوى الحلول المرئية في إكسيل لعرض الاحتمالات المنفصلة والتراكمية معاً في إطار بصري موحد وذكي يتيح التحليل المقارن الشامل. لإنشاء هذا المخطط المركب، يُتبع المسار الآتي:

1. تحديد كافة أعمدة الجدول معاً: عمود قيم k، عمود الاحتمال المنفصل PMF، وعمود الاحتمال التراكمي CDF.
2. التوجه إلى تبويب إدراج (Insert)، ثم النقر على مجموعة المخططات واختيار إنشاء مخطط مجمع (Create Combo Chart)، ثم النقر على تخصيص مخطط مركب (Custom Combo Chart).
3. في نافذة الإعدادات، يتم تعيين سلسلة دالة الكتلة الاحتمالية PMF كـ عمود مجمع (Clustered Column) وتظل مرتبطة بـ المحور الرئيسي (Primary Axis) الأيسر.
4. يتم تعيين سلسلة الاحتمال التراكمي CDF كـ مخطط خطي مع علامات (Line with Markers) مع تفعيل خانة المحور الثانوي (Secondary Axis) على الجانب الأيمن.
5. الضغط على زر موافق (OK) لإدراج المخطط في ورقة العمل.

يوفر هذا المخطط المدمج قراءة مزدوجة فائقة الوضوح؛ حيث تُقرأ احتمالية النقطة المنفصلة من ارتفاع العمود بالرجوع إلى المحور الرأسي الأيسر، بينما يُقرأ الاحتمال التراكمي الإجمالي للنقطة من موضع الخط المنحني بالرجوع إلى المحور الرأسي الأيمن الذي يتدرج من 0% إلى 100%.

11. تشخيص وتصحيح الأخطاء الشائعة أثناء إنشاء المخطط

11.1 معالجة أخطاء المراجع الحسابية وأنواع البيانات

أثناء كتابة الصيغ وبناء نماذج بواسون في إكسيل، قد يواجه المستخدمون بعض رسائل الخطأ الحسابية الشائعة التي تعيق ظهور الرسم البياني بصورة صحيحة. يوضح الجدول التالي أبرز هذه الأخطاء، أسبابها الجذرية، والحلول الإجرائية لمعالجتها:

رمز الخطأ	السبب الحسابي والتقني	الإجراء التصحيحي الواجب تطبيقه
#VALUE!	وجود قيم نصية أو مسافات فارغة غير مرئية داخل وسائط الدالة (مثل إدخال نص في خلية لاندا أو k).	التأكد من أن كافة الخلايا المرجعية تحتوي على قيم عددية حقيقية وخالية تماماً من الرموز النصية.
#NUM!	إدخال قيم سالبة للأحداث (x < 0) أو إدخال قيمة للمتوسط لاندا تساوي أو تقل عن الصفر (λ ≤ 0).	تصحيح مدخلات المتغيرات بحيث تكون k ≥ 0 وتكون المعلمة لاندا قيمة موجبة قطيعاً (λ > 0).
تشوه القيم عند السحب	نسيان التثبيت المطلق لخلية لاندا، مما يؤدي إلى انزياح المرجع إلى خلايا فارغة أثناء النسخ لأسفل.	تعديل الصيغة واستخدام المرجع المطلق $B$1 أو استخدام التسمية المعرفة Lambda_Val.
أخطاء الفواصل العشرية	استخدام الفاصلة الاعتيادية , بدلاً من الفاصلة المنقوطة ; حسب لغة وإعدادات النظام الإقليمية.	مطابقة نمط الفصل بين وسائط الدالة وفق المحدد المعتمد في إعدادات نظام التشغيل (Windows Regional Settings).

11.2 حل مشكلات ترقيم المحور الأفقي وتكرار التسميات

تتمثل المشكلة الأكثر شيوعاً وإرباكاً للباحثين عند إنشاء مخططات بواسون في إكسيل في ظهور المحور الأفقي ببادئة رقمية خاطئة تبدأ من (1) بدلاً من (0)، أو قيام إكسيل بمعاملة عمود k كسلسلة بيانية إضافية تُرسم بجانب الاحتمالات. تحدث هذه المشكلة الحسابية عندما يقوم المستخدم بتحديد عمودين رقميين متجاورين قبل إدراج المخطط، حيث يعجز إكسيل عن التمييز التلقائي بين الفئات والبيانات.

لحل هذه المعضلة بصورة جذرية، يجب حذف السلسلة الخاطئة من نافذة “تحديد مصدر البيانات” (Select Data)، والتأكد من إبقاء سلسلة واحدة فقط في الجانب الأيمن تمثل الاحتمالات، ثم إعادة تعيين نطاق تسميات المحور الأفقي يدوياً ليشير حصرياً إلى عمود قيم k من الصفر فصاعداً. كما ينبغي التأكد من ضبط نوع المحور على “محور فئات” (Category Axis) وليس “محور تاريخ/وقت” أو “محور رقمي متصل” لتفادي تكرار الأرقام أو حشر فواصل عشرية افتراضية بين قيم الأحداث المنفصلة.

11.3 التعامل مع اقتطاع أطراف التوزيع (Truncated Tail)

يحدث خطأ اقتطاع أطراف التوزيع (Truncated Tail) عندما يتوقف جدول البيانات عند قيمة منخفضة جداً للمتغير k بينما لا تزال الاحتمالات الرياضية ذات وزن معنوي لم يتلاشَ بعد. يؤدي هذا الاقتطاع إلى ظهور الرسم البياني مقطوعاً بشكل مفاجئ من الجانب الأيمن، مما يعطي انطباعاً مضللاً بأن فضاء العينة قد اكتمل، ويؤدي بالتالي إلى انخفاض مجموع الاحتمالات عن الواحد الصحيح.

لتفادي هذا الخلل المنهجي، يجب تطبيق القاعدة الإحصائية المعتمدة لتمديد الجدول ديناميكياً حتى تتلاشى الاحتمالات. على سبيل المثال، عند دراسة توزيع بمعدل λ = 8، فإن التوقف عند k = 10 يعد خطأ فادحاً لأن احتمالية تسجيل أحداث تفوق 10 تزيد عن 18%؛ ويجب في هذه الحالة تمديد المتسلسلة حتى k = 20 على الأقل. يجب أن يظل المعيار الحاكم لإنهاء الجدول هو وصول الاحتمال النقطي المحسوب إلى قيمة ضئيلة للغاية مثل 0.0001 أو أقل، مما يضمن ظهور الذيل الأيمن للمنحنى وهو يلامس خط الصفر بسلاسة هندسية تامة.

12. تطبيقات ودراسات حالة عملية في الأبحاث النفسية والسلوكية

12.1 دراسة حالة: نمذجة تكرار نوبات الهلع لدى عينة إكلينيكية

في إطار دراسة إكلينيكية هدفت إلى تقييم كفاءة برنامج علاجي معرفي سلوكي (CBT) في خفض نوبات الهلع (Panic Attacks) لدى عينة مكونة من 100 مريض باضطراب الهلع، قام الفريق البحثي برصد وتوثيق عدد نوبات الهلع الأسبوعية لكل مريض بدقة على مدار شهرين. أظهرت البيانات الميدانية المجمعة أن المتوسط الحسابي لنوبات الهلع الأسبوعية بلغ 2.4 نوبة لكل مريض (λ = 2.4)، مع تباين عيني متقارب بلغ 2.48، مما وفر مسوغاً إحصائياً متيناً لاستخدام نموذج بواسون.

تم إعداد ورقة عمل في إكسيل بتثبيت المعلمة λ = 2.4 في الخلية B1، وتوليد قيم الأحداث من k = 0 إلى k = 8 نوبات أسبوعياً. تم تطبيق دالة POISSON.DIST لحساب الاحتمالات النظرية المتوقعة، ثم ضُربت هذه الاحتمالات في حجم العينة الكلي (N = 100) للحصول على التكرارات المتوقعة ومقارنتها بالتكرارات الفعلية المرصودة تجريبياً في العينة كما يوضح الجدول التطبيقي الآتي:

عدد النوبات الأسبوعية (k)	الاحتمال النظري P(X = k)	التكرار المتوقع (بواسون)	التكرار الفعلي المرصود
0	0.0907 (9.07%)	9 مرضى	10 مرضى
1	0.2177 (21.77%)	22 مريضاً	21 مريضاً
2	0.2613 (26.13%)	26 مريضاً	27 مريضاً
3	0.2090 (20.90%)	21 مريضاً	20 مريضاً
4	0.1254 (12.54%)	13 مريضاً	12 مريضاً
5 فأكثر	0.0959 (9.59%)	9 مرضى	10 مرضى

تم إنشاء مخطط عمودي مجمع يقارن بين التكرار المتوقع والتكرار الفعلي، مما أظهر تطابقاً بصرياً وإحصائياً شبه تام بين النموذج النظري والبيانات الميدانية (مع قيمة p > 0.05 في اختبار مربع كاي لحسن المطابقة). أتاح هذا التمثيل البياني المتقن في التقرير النفسي النهائي طمأنة المرضى والمعالجين بأن حدوث نوبتين إلى ثلاث نوبات أسبوعياً يمثل النطاق المنوالي الأكثر شيوعاً للمرضى في هذه المرحلة العلاجية، وأن تسجيل أكثر من 4 نوبات يعد حدثاً نادراً يستدعي تدخلاً دوائياً مكثفاً.

12.2 دراسة حالة: تحليل معدلات الاستجابة والأخطاء في تجارب الانتباه

في سياق أبحاث علم النفس العصبي والمعرفي، تم استخدام نموذج بواسون لتحليل وتتبع أخطاء السهو والانتباه (Omission Errors) لدى عينة من الأطفال الخاضعين لاختبار الأداء المتواصل المقنن (Continuous Performance Test – CPT) لتقييم اضطراب فرط الحركة وتشتت الانتباه (ADHD). خلال فترة الاختبار الممتدة لعشرين دقيقة، بلغ المعدل المعياري لارتكاب الأخطاء لدى أفراد العينة الضابطة من الأطفال الأصحاء متوسطاً مقداره خطأ واحد لكل جلسة (λ = 1.0).

تم إنشاء رسم بياني لتوزيع بواسون في إكسيل عند المعلمة λ = 1.0 مع دمج دالة التوزيع التراكمي CDF لتحديد العتبات الإحصائية التشخيصية. كشف المخطط البياني التراكمي أن احتمالية ارتكاب طفل سليم لـ 3 أخطاء أو أقل تبلغ: P(X ≤ 3) = 98.1%. بالاعتماد على هذا المنحنى البياني، تم تحديد العتبة الإكلينيكية الحرجة (Cut-off Score) عند ارتكاب 4 أخطاء أو أكثر؛ حيث تبلغ احتمالية حدوث ذلك عشوائياً لدى طفل سليم 1.9% فقط (P(X ≥ 4) = 0.019).

استُخدم المخطط البياني المستخرج من إكسيل كأداة تشخيصية وبصرية حاسمة في تقارير التقييم العصبي المعرفي، حيث يتم إسقاط أداء الطفل المفحوص مباشرة على الرسم البياني لتحديد مدى انحرافه عن الأداء الطبيعي المعتاد، مما وفر أداة قياس كمية دقيقة دعمت اتخاذ القرارات التشخيصية المسندة بالدليل الاحتمالي القاطع.

12.3 تصدير المخططات البيانية بجودة عالية للنشر العلمي

تفرض المجلات العلمية المحكمة ودليل أسلوب النشر الأكاديمي (APA Style) شروطاً فنية صارمة فيما يخص جودة ودقة الأشكال التوضيحية والرسوم البيانية المضمنة في المخطوطات البحثية. لا تقتصر الجودة على التصميم الإحصائي السليم فحسب، بل تمتد لتشمل الدقة الطباعية الرقمية ووضوح الخطوط والعناصر الرسومية.

لضمان تصدير المخطط البياني من إكسيل بأعلى معايير الجودة، يُوصى باتباع الخطوات المنهجية التالية:

• التصدير المتجهي المباشر (Vector Export): عند تضمين المخطط في مستند برنامج Microsoft Word، يُفضل نسخ المخطط من إكسيل ولصقه في الوورد باستخدام خيار “استخدام نسق الوجهة ودمج المصنف” أو “صورة متجهة متقدمة (Enhanced Metafile – EMF)”. يحافظ هذا التنسيق على الطبيعة المتجهة للخطوط والأعمدة، مما يمنع تشوش الرسم أو فقدان دقته عند تكبير الصفحة للطباعة.
• الحفظ كصورة نقطية عالية الدقة: إذا كانت المجلة تشترط إرسال الصور كملفات منفصلة بتنسيق TIFF أو PNG، يتم حفظ المخطط بدقة لا تقل عن 300 إلى 600 نقطة في البوصة (DPI). يمكن تحقيق ذلك بتكبير الرسم البياني داخل إكسيل لملء كامل الشاشة ثم تصديره عبر برامج معالجة الصور المتخصصة أو طباعة ورقة العمل كملف PDF عالي الجودة واستخراج الصور منه.
• صياغة التعليق التوضيحي (Figure Caption): وفق نمط APA الإصدار السابع، يوضع رقم الشكل بالخط العريض في السطر الأول (مثل: Figure 1)، يليه في السطر الثاني عنوان الشكل بالخط المائل (مثل: Theoretical Poisson Distribution of Panic Attack Frequencies (λ = 2.4))، مع كتابة ملاحظة تفسيرية أسفل الشكل (Note) توضح كافة الرموز والمعلمات المستخدمة وحجم العينة إن وُجد.

خاتمة

يمثل إتقان إنشاء وتفسير الرسوم البيانية لتوزيع بواسون في برنامج مايكروسوفت إكسيل مهارة منهجية بالغة الأهمية لكل باحث ومحلل إحصائي يسعى إلى تحويل البيانات الكمية المنفصلة إلى نماذج بصرية ذات دلالة علمية رصينة. من خلال استيعاب الافتراضات الرياضية الأساسية، وتوظيف دالة POISSON.DIST بمرونة، وتطبيق مبادئ التنسيق الأكاديمي والتفاعلي، يصبح بمقدور الباحثين فحص نماذجهم وتقييم مطابقتها الميدانية بكفاءة متناهية، مما يرتقي بجودة المخرجات البحثية ويضمن توافقها مع أرفع معايير النشر العلمي العالمية.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cameron, A. C., & Trivedi, P. K. (2013). Regression analysis of count data (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781139013567
• Haight, F. A. (1967). Handbook of the Poisson distribution. John Wiley & Sons.
• Microsoft Corporation. (2023). POISSON.DIST function. Microsoft Support. https://support.microsoft.com/en-us/office/poisson-dist-function-8fe148ff-ad39-4be8-8080-7fb3b25ba5fb
• National Institute of Standards and Technology. (2012). Poisson distribution. NIST/SEMATECH e-Handbook of Statistical Methods. https://www.itl.nist.gov/div898/handbook/eda/section3/eda366j.htm
• Ross, S. M. (2014). Introduction to probability models (11th ed.). Academic Press. https://doi.org/10.1016/C2012-0-06287-6
• Walkenbach, J. (2015). Microsoft Excel 2016 Bible. John Wiley & Sons.