الإحصاء الحيوي والبرمجةعلم النفس القياسي والإحصائي

كيفية توليد توزيع طبيعي في R (مع أمثلة)

دليل أكاديمي شامل يشرح كيفية توليد بيانات التوزيع الطبيعي في لغة البرمجة R باستخدام دالة rnorm، مع استعراض التحليلات الإحصائية والتمثيل البياني واختبارات المطابقة.

تاريخ النشر

يمثل التوزيع الطبيعي، أو ما يُعرف في الأدبيات الرياضية بالتوزيع الغاوسي (Gaussian Distribution)، حجر الزاوية في صرح الإحصاء الاستدلالي الكلاسيكي والحديث. وتكمن فرادته في ظهوره التلقائي كنتيجة حتمية للظواهر الطبيعية والبيولوجية والسلوكية التي تتأثر بعدد لا نهائي من العوامل العشوائية المستقلة والمتراكبة. وفي عصر الحوسبة الإحصائية وعلوم البيانات، لم يعد التعامل مع التوزيع الطبيعي مقتصرًا على الجداول الإحصائية الورقية أو الحسابات اليدوية المعقدة، بل أضحى توليد العينات العشوائية الافتراضية أداة منهجية لا غنى عنها للتحقق من النماذج الرياضية، واختبار متانة الفرضيات، وإجراء تجارب المحاكاة المتقدمة مثل محاكاة مونت كارلو (Monte Carlo Simulation).

تُعد بيئة الحوسبة الإحصائية R Project for Statistical Computing المعيار الأكاديمي والبرمجي الأول لدى الباحثين وعلماء البيانات حول العالم، نظرًا لمرونتها الفائقة وثرائها بالدوال الرياضية المصممة للتعامل مع مختلف التوزيعات الاحتمالية. ويأتي توليد الأرقام شبه العشوائية الموزعة توزيعًا طبيعيًا في مقدمة المهارات التحليلية التي يحتاجها الباحث لفهم بنية البيانات وتقدير الأخطاء المعيارية وبناء فترات الثقة. ويتيح فهم آليات التوليد الإحصائي ضبط التشتت والتمركز بما يتوافق مع الخصائص السيكومترية والبيولوجية للظاهرة محل الدراسة.

يقدم هذا الدليل الشامل تفكيكًا منهجيًا وتطبيقيًا عميقًا لآليات توليد التوزيع الطبيعي في لغة R؛ بدءًا من الأسس الرياضية والنظرية لدالة التوليد الأساسية، مرورًا بضبط البذور العشوائية لضمان القابلية للتكرار العلمي، وصولًا إلى الفحص الوصفي، والتمثيل البياني المتقدم، واختبارات الاعتدالية الصارمة، والتوليد متعدد المتغيرات. إن الهدف من هذا المرجع هو تمكين الباحثين والمهتمين بالتحليل الكمي من امتلاك زمام المحاكاة الإحصائية بأعلى درجات الدقة والاحترافية الأكاديمية.

Generate normal distribution in R
Generate normal distribution in R
جدول المحتويات

1. مقدمة إلى التوزيع الطبيعي وأهميته في التحليل الإحصائي بلغة R

1.1 المفهوم الرياضي والخصائص الأساسية للتوزيع الطبيعي

يُعرَّف التوزيع الطبيعي رياضيًا بأنه توزيع احتمالي مستمر لمتغير عشوائي حقيقي، وتتخذ دالة الكثافة الاحتمالية الخاصة به شكل المنحنى الجرسي (Bell Curve) المتماثل تماثلًا تامًا حول نقطة المركز. وتتميز هذه الدالة بكون قيم المتوسط الحسابي (Mean)، والوسيط (Median)، والمنوال (Mode) متطابقة تمامًا وتقع في المركز الهندسي للتوزيع. ويحدد المنحنى دالة رياضية أسية تعتمد على معلمتين أساسيتين: المتوسط الحسابي الذي يُرمز له بالرمز الإغريقي ميو (μ) ويمثل معلمة الموضع أو التمركز المركزي، والانحراف المعياري الذي يُرمز له بالرمز سيغما (σ) ويمثل معلمة التشتت أو مقياس اتساع المنحنى وانتشاره الأفقي.

تتجلى الأهمية الرياضية للتوزيع الطبيعي في الخصائص الهندسية لمنحنى الكثافة، حيث ينحدر المنحنى بشكل متناظر ومستمر باتجاه المحور الأفقي في كلا الاتجاهين الموجب والسالب دون أن يمسهما، مما يعني أن مدى التغير يمتد نظريًا من اللانهاية السالبة إلى اللانهاية الموجبة. وتلعب نقطتا الانقلاب (Inflection Points) دورًا محوريًا في تحديد الشكل العام للمنحنى، وهما النقطتان اللتان يتغير عندهما تقعر المنحنى من التقعر إلى الأسفل إلى التقعر إلى الأعلى، وتقعان رياضيًا عند مسافة انحراف معياري واحد على يمين ويسار المتوسط الحسابي (μ ± σ).

تُعد القاعدة التجريبية الإحصائية (Empirical Rule)، والمعروفة بقاعدة 68-95-99.7، من أهم الأدوات التطبيقية المستنبطة من الخصائص التكاملية لدالة الكثافة الطبيعية. وتنص هذه القاعدة على أن المساحة المحصورة تحت منحنى التوزيع الطبيعي بين المتوسط وانحراف معياري واحد في الاتجاهين (μ ± 1σ) تستوعب ما يقارب 68.27% من إجمالي المشاهدات. وتتسع هذه المساحة لتشمل نحو 95.45% من المشاهدات عند الابتعاد بمسافة انحرافين معياريين (μ ± 2σ)، وتصل إلى 99.73% من إجمالي الحالات عند مسافة ثلاثة انحرافات معيارية (μ ± 3σ). تمثل هذه النسب الأساس النظري لتحديد القيم الشاذة والمتطرفة في التحليلات الإحصائية وتفسير تشتت القياسات المتكررة في شتى الميادين العلمية.

1.2 أهمية محاكاة البيانات وتوليد التوزيعات في لغة R

تشكل محاكاة البيانات ركيزة جوهرية في البحث العلمي الإحصائي المعاصر؛ إذ تمكن الباحثين من بناء بيئات تجريبية افتراضية تخضع لسيطرة تامة على جميع معالمها الرياضية. وتتيح هذه التقنية اختبار متانة وجودة النماذج الإحصائية المعقدة (Robustness Testing) في ظل شروط مثالية معروفة مسبقًا، مما يساعد على رصد أي تحيزات برمجية أو منهجية قبل تطبيق النماذج على بيانات حقيقية مجمعة ميدانيًا. ومن خلال لغة R، يستطيع المحلل التحقق من صحة افتراضات الاختبارات البارامترية، وتأثير انتهاك اعتدالية التوزيع على معدلات الخطأ من النوع الأول (Type I Error) والخطأ من النوع الثاني (Type II Error).

تتجلى أهمية التوليد العشوائي للبيانات الطبيعية في حساب القوة الإحصائية (Statistical Power Analysis) وتقدير الحجم الأمثل للعينة تجريبيًا. ففي كثير من التصاميم البحثية المعقدة، مثل النماذج الخطية الهرمية ونماذج المعادلات البنائية، قد تعجز الصيغ الرياضية المغلقة عن تقديم تقدير دقيق لحجم العينة المطلوب لاكتشاف حجم تأثير معين. وهنا تبرز محاكاة مونت كارلو عبر توليد آلاف العينات العشوائية الافتراضية ذات التوزيع الطبيعي لتقدير القوة الاحتمالية للاختبار بدقة متناهية، مما يسهم في ترشيد الموارد البحثية وضمان الكفاءة المنهجية للدراسات المزمع إجراؤها.

تمتد تطبيقات المحاكاة الإحصائية لتشمل القياس النفسي (Psychometrics) والنمذجة السلوكية، حيث تتطلب معايرة الاختبارات النفسية المقننة مثل مقاييس الذكاء والاختبارات التحصيلية بناء مجتمعات افتراضية تحاكي التوزيع الطبيعي للقدرات الكامنة (Latent Traits). وتتيح بيئة R توليد مصفوفات واسعة من البيانات الاصطناعية لتقييم ثبات المقاييس وصدقها البنائي، وتحليل خصائص فقرات الاختبارات وفق نظرية الاستجابة للمفردة (Item Response Theory)، مما يمنح المطورين والباحثين فهمًا عميقًا لسلوك الأدوات القياسية قبل تطبيقها على العينات البشرية.

2. البنية البرمجية الأساسية لدالة rnorm() والمعاملات المرتبطة بها

2.1 شرح الصيغة العامة لدالة rnorm() والمعاملات

تعتبر دالة rnorm() الأداة البرمجية الأساسية المضمنة في حزمة stats القياسية في لغة R لتوليد أرقام عشوائية تتبع التوزيع الطبيعي. وتأتي الصيغة العامة للدالة على النحو التالي:

rnorm(n, mean = 0, sd = 1)

يتطلب فهم الاستخدام الأمثل لهذه الدالة تفكيك معاملاتها الرياضية والبرمجية الثلاثة بدقة لضمان توليد مخرجات تتطابق تمامًا مع الأهداف التحليلية للباحث دون حدوث أخطاء غير متوقعة في الذاكرة أو الحسابات.

يُمثل المعامل الأول n عدد المشاهدات الفردية المراد توليدها، وهو قيمة عددية صحيحة موجبة تعبر عن حجم العينة المستهدفة. وفي حال تمرير متجه بدلاً من رقم مفرد، تعتمد الدالة على طول المتجه كقيمة لـ n. ومن الضروري التأكد من أن قيمة n تتناسب مع موارد الذاكرة المتاحة عند التعامل مع محاكاة العينات الضخمة جدًا (Big Data Simulation). ويتولى المعامل الثاني mean تحديد القيمة العددية لمتوسط التوزيع المستهدف، وهو المتغير المسؤول عن إزاحة التوزيع أفقيًا على خط الأعداد لتحديد مركز ثقل البيانات المولدة، حيث تبلغ قيمته الافتراضية 0.

أما المعامل الثالث sd، فهو يحدد الانحراف المعياري للمجتمع الافتراضي المراد السحب منه، وهو مقياس موجب حتمًا يعبر عن مقدار تشتت وتفرطح القيم المولدة حول المتوسط الحسابي، وتكون قيمته الافتراضية مساوية للواحد الصحيح (1). وإذا تم تمرير قيمة سالبة للمعامل sd، فإن لغة R توقف التنفيذ البرمجي وتنتج تحذيرًا مع إرجاع قيم غير معرفة من نوع NaN. ويسمح محرك R بتمرير متجهات لمعاملي mean و sd، مما يؤدي إلى تطبيق قاعدة إعادة التدوير (Recycling Rule) لتوليد عينات من توزيعات طبيعية متباينة المعالم ضمن استدعاء برمجي واحد.

2.2 القيم الافتراضية والتوزيع الطبيعي المعياري (Standard Normal Distribution)

عند استدعاء دالة rnorm(n) دون تحديد قيمتي المتوسط والانحراف المعياري، تعمل لغة R تلقائيًا على تطبيق القيم الافتراضية mean = 0 و sd = 1. وتولد هذه الصيغة المبسطة عينة مسحوبة من التوزيع الطبيعي المعياري (Standard Normal Distribution). ويُعرف هذا التوزيع في المراجع الإحصائية بتوزيع Z، حيث تعبر الأرقام الناتجة مباشرة عن الدرجات المعيارية (Z-scores) التي تمثل المسافة بين كل قيمة والمتوسط مقيسة بوحدات الانحراف المعياري.

يكمن الفارق الحسابي بين التوزيع الطبيعي العام والتوزيع المعياري في التحويل الخطي؛ إذ يمكن الانتقال من التوزيع المعياري Z إلى أي توزيع طبيعي عام X يمتلك متوسطًا μ وانحرافًا معياريًا σ عبر تطبيق المعادلة الخطية البسيطة: X = μ + σZ. وبالمثل، يمكن معايرة أي عينة مولدة بطرح المتوسط وقسمة الناتج على الانحراف المعياري. وفي بيئة R البرمجية، تتكفل دالة rnorm() بإجراء هذا التحويل الخطي داخليًا وبكفاءة حسابية فائقة ومكتوبة بلغة C المنخفضة المستوى، مما يضمن سرعة المعالجة ودقة الأرقام ذات الفواصل العشرية الممتدة.

يتيح هذا التكييف البرمجي نمذجة وتوليد مقاييس كمية مخصصة تحاكي المقاييس المعيارية المعتمدة عالميًا. فعلى سبيل المثال، لتوليد عينة تحاكي درجات مقياس وكسلر للذكاء (Wechsler Adult Intelligence Scale) الذي يمتلك متوسطًا نظريًا قدره 100 وانحرافًا معياريًا قدره 15، يكفي كتابة الأمر: rnorm(n = 500, mean = 100, sd = 15). وبالمثل، يمكن توليد درجات مقياس T-Score المستخدم في تقييم الشخصية بمتوسط 50 وانحراف معياري 10 عبر تعديل المعاملات ذاتها، مما يمنح الباحث مرونة كاملة في تصميم سيناريوهات المحاكاة النفسية والتربوية.

3. ضمان قابلية التكرار العلمي باستخدام دالة set.seed()

3.1 آلية عمل مولدات الأرقام شبه العشوائية في R

تعتمد أجهزة الحاسوب على خوارزميات رياضية حتمية لتوليد ما يُعرف بالأرقام شبه العشوائية (Pseudo-Random Numbers)؛ إذ يعجز العتاد المكتبي التقليدي عن إنتاج عشوائية مطلقة دون الارتباط بظواهر فيزيائية محيطة. وتستخدم لغة R افتراضيًا خوارزمية ميرسين تورنادو المتطورة الموثقة في أدبيات CRAN Documentation والمعروفة باسم (Mersenne Twister)، والتي تتميز بدورة رياضية فائقة الطول تبلغ 2^19937 – 1، مما يضمن توزيعًا منتظمًا للغاية للأرقام وتجريدها من أي نمطية متكررة قد تشوه المحاكاة الإحصائية.

تبدأ هذه الخوارزميات الحتمية دائمًا من نقطة انطلاق رقمية محددة تُعرف بالقيمة الابتدائية أو البذرة (Seed). وبمجرد تحديد هذه البذرة، يصبح مسار السلسلة الرقمية المولدة بالكامل محددًا وثابتًا رياضيًا في الذاكرة. وإذا لم يقم المستخدم بتحديد قيمة البذرة يدويًا، فإن بيئة R تلجأ إلى اشتقاق قيمة عشوائية مستندة إلى توقيت الساعة الداخلية للنظام ومُعرّف العملية البرمجية (Process ID)، مما يؤدي إلى الحصول على مخرجات رقمية مختلفة في كل مرة يتم فيها تنفيذ الكود البرمجي ذاته.

تكتسب البذرة العشوائية أهمية منهجية وأخلاقية بالغة في سياق النشر العلمي والبحث المحكم، وتماشيًا مع المعايير الدولية لشفافية البيانات المعتمدة لدى مؤسسات رائدة مثل Nature Portfolio. إذ تشترط المجلات العلمية المرموقة إمكانية إعادة إنتاج النتائج والتحليلات البرمجية بدقة متطابقة (Reproducibility). ومن خلال تثبيت البذرة العشوائية، يضمن الباحث إمكانية مراجعة الأكواد البرمجية من قِبل المحكمين والمجتمع العلمي والوصول إلى ذات الأرقام والجداول والرسوم البيانية دون أي تباين، مما يعزز مصداقية الاستنتاجات الإحصائية المستخلصة من نماذج المحاكاة.

3.2 التطبيق البرمجي لدالة set.seed() للتحقق من تطابق النتائج

تُستخدم دالة set.seed() في R لتهيئة وتثبيت مولد الأرقام شبه العشوائية قبل تنفيذ أي دالة توليد إحصائية. وتقبل هذه الدالة معاملًا رقميًا صحيحًا (Integer) يعبر عن قيمة البذرة المختارة، كما في المثال البرمجي التالي:

set.seed(12345)
sample_data <- rnorm(10)

يضمن تنفيذ الكود البرمجي السابق الحصول على المتجه الرقمي ذاته المكون من عشر قيم طبيعية معيارية في كل مرة يُعاد فيها تشغيل السطور البرمجية، بغض النظر عن نظام التشغيل أو الجهاز المستخدم، شريطة استخدام إصدار متوافق من R وخوارزمية التوليد القياسية ذاتها.

لتوضيح الأثر المنهجي لتفعيل الدالة، يمكن إجراء تجربة مقارنة مباشرة؛ فعند توليد عينة أولى بعد تثبيت البذرة set.seed(42) وعينة ثانية بعد إعادة استدعاء set.seed(42)، يتطابق المتجهان تمامًا عند اختبارهما منطقيًا باستخدام دالة identical()، والتي ستُرجع القيمة المنطقية TRUE. وفي المقابل، يؤدي استدعاء دالة rnorm() مرتين متتاليتين دون إعادة ضبط البذرة بينهما إلى إنتاج سلسلتين مختلفتين تمامًا بفعل انتقال الخوارزمية تلقائيًا إلى الحالة الرقمية التالية في مسار التوليد الشبه عشوائي.

تقتضي أفضل الممارسات البرمجية وضع استدعاء set.seed() في مطلع النصوص البرمجية للتحليل (Scripts) وتوثيق القيمة المستخدمة بشكل صريح في التعليقات البرمجية وفي قسم المنهجية بالأوراق البحثية. كما يُفضل تجنب التغيير المتكرر للبذور العشوائية داخل نفس التحليل الإحصائي لتفادي إدخال تحيزات اختيارية (Seed Fishing)، والاعتماد على بذرة موحدة تغذي جميع مراحل المحاكاة المتسلسلة لضمان الاتساق الداخلي للبيئة التجريبية.

4. تطبيق عملي: توليد عينة بيانات طبيعية واستعراض المشاهدات

4.1 كتابة وتنفيذ الكود البرمجي لتوليد عينة محددة

ننتقل الآن إلى التطبيق العملي لبناء محاكاة إحصائية متكاملة في R. سنقوم بتوليد عينة محددة تتكون من 200 مشاهدة تتبع توزيعًا طبيعيًا بمتوسط حسابي قدره 10 وانحراف معياري قدره 3. وتُنفذ هذه العملية عبر كتابة الأوامر البرمجية التالية:

# ضبط البذرة العشوائية لضمان تكرارية النتائج
set.seed(2026)

# توليد العينة وتخزينها في متجه رقمي
simulated_data <- rnorm(n = 200, mean = 10, sd = 3)

# تحويل المتجه إلى إطار بيانات لتسهيل التحليل المتقدم
df_study <- data.frame(Subject_ID = 1:200, Score = simulated_data)

يؤدي هذا الإجراء البرمجي إلى حجز مساحة تخزينية منظمة في الذاكرة العشوائية لبيئة العمل (Global Environment). وقد قمنا بتخزين القيم في متجه رقمي أولًا (Numeric Vector)، ثم أدرجناه ضمن إطار بيانات (Data Frame) يُعرف باسم df_study، وهو الهيكل الأكثر شيوعًا ومرونة لإجراء التحليلات الإحصائية وتطبيقات تعلم الآلة في لغة R، حيث يربط بين معرّف الحالة وقيمتها المقاسة.

تتميز كائنات R البرمجية بإدارتها الفعالة للذاكرة من خلال نظام المتجهات المعالجة كليًا (Vectorized Operations). وعند التعامل مع عينات تجريبية بالحجم المذكور (200 مشاهدة)، تظل متطلبات الذاكرة مهملة وتُنفذ العمليات الحسابية في أجزاء من الألف من الثانية. ومع ذلك، يُنصح بتسمية الأعمدة والمتغيرات بأسماء وصفية واضحة ومنظمة لتفادي الخلط بين المتغيرات الأصلية والمتغيرات المحولة أثناء المعالجة الإحصائية اللاحقة وتطبيق خوارزميات الاستدلال.

4.2 استعراض وفحص المشاهدات الأولية للعينة

عقب إتمام عملية التوليد والتخزين، يتعين على الباحث التحقق من البنية الهيكلية للبيانات وفحص قيمها الأولية لضمان سلامة الإدخال البرمجي وتطابقه مع التوقعات. وتوفر لغة R مجموعة من الدوال الاستكشافية السريعة لتحقيق هذا الغرض، وفي مقدمتها دالة head() التي تستعرض أول ست مشاهدات مسجلة في الكائن، كما يوضح المثال:

head(df_study)

تُظهر مخرجات هذا الأمر جدولًا يحتوي على معرّفات الحالات من 1 إلى 6 والقيم المولدة المناظرة لها بأرقام حقيقية تحتوي على عدة منازل عشرية، مما يؤكد الطبيعة المستمرة للمتغير العشوائي المولد. كما يمكن استدعاء دالة tail(df_study) لفحص المشاهدات الست الأخيرة والتأكد من وصول التوليد إلى نهاية الحجم المطلوب (المشاهدة رقم 200) دون انقطاع برمجي أو وجود أخطاء نهاية المصفوفة.

وللتحقق من السلامة البنائية ونمط تخزين المتغيرات، تُستخدم دالة str(df_study) التي تعرض البنية الداخلية لإطار البيانات (Structure Inspection). وتكشف المخرجات عن عدد المشاهدات الكلي، وعدد المتغيرات، ونوع البيانات المخزنة (مثل num للأرقام الحقيقية أو int للأرقام الصحيحة). ويتيح هذا الفحص الأولي للباحث الاطمئنان إلى أن البيانات جاهزة لتطبيق الدوال الإحصائية الرياضية دون تعارض مع أنماط البيانات النصية أو الفئوية غير المتوافقة.

5. حساب المقاييس الإحصائية الوصفية للعينة المولدة

5.1 حساب المتوسط الحسابي والانحراف المعياري التجريبي

بعد توليد العينة وفحص بنيتها، تقتضي المنهجية العلمية حساب المقاييس الإحصائية الوصفية للعينة التجريبية المولدة لمقارنتها بالمعلمات النظرية (Theoretical Parameters) المحددة مسبقًا في دالة التوليد. ويُنفذ ذلك في R باستخدام دالتي mean() و sd() على النحو التالي:

sample_mean <- mean(df_study$Score)
sample_sd <- sd(df_study$Score)

print(paste("المتوسط التجريبي:", round(sample_mean, 4)))
print(paste("الانحراف المعياري التجريبي:", round(sample_sd, 4)))

عند تنفيذ هذه الأوامر على العينة المولدة ببذرة set.seed(2026)، سنلاحظ أن المتوسط التجريبي المحسوب يقارب القيمة 10 (مثل 9.9482) وأن الانحراف المعياري التجريبي يقارب القيمة 3 (مثل 2.9815). ويُعزى هذا التباين الطفيف بين المعلمة النظرية للمجتمع والمؤشر الإحصائي للعينة إلى ظاهرة خطأ المعاينة العشوائية (Sampling Error)، وهي خاصية طبيعية وحتمية في النمذجة الإحصائية تعكس التذبذب الاحتمالي المتوقع عند سحب عينة محدودة الحجم من مجتمع لا نهائي.

تخضع هذه الفروق لمحددات نظرية النهاية المركزية (Central Limit Theorem) والخطأ المعياري للمتوسط (Standard Error). وتوفر دالة sd() في R تقديرًا غير متحيز للانحراف المعياري للمجتمع من خلال قسمة مجموع مربعات الانحرافات على درجات الحرية (n – 1) بدلاً من n. ويجب على المحلل أن يتوقع دائمًا هذا التباين العشوائي؛ إذ إن الحصول على متوسط وانحراف معياري متطابقين تمامًا مع المعلمات النظرية في عينة صغيرة يعد مؤشرًا على خطأ منهجي أو افتعال للبيانات.

5.2 التلخيص الشامل للمقاييس الوصفية ومقاييس الشكل

للحصول على صورة بانورامية متكاملة للخصائص الوصفية للبيانات، توفر دالة summary() ملخصًا كميًا يحتوي على أصغر قيمة (Minimum)، والربيع الأول (1st Quartile)، والوسيط (Median)، والمتوسط الحسابي (Mean)، والربيع الثالث (3rd Quartile)، وأكبر قيمة (Maximum). ويُمكّن هذا التلخيص من تقييم التمركز والتشتت الأولي واكتشاف أي مؤشرات لعدم التناظر، كما يتضح من استدعاء الأمر:

summary(df_study$Score)

تتطلب التقييمات الإحصائية المتقدمة قياس معاملات الشكل الهندسي للتوزيع؛ وهي معامل الالتواء (Skewness) الذي يقيس درجة انحراف التوزيع عن التماثل حول المركز، ومعامل التفرطح (Kurtosis) الذي يحدد مدى ثقل وارتفاع ذيول التوزيع مقارنة بالتوزيع الطبيعي القياسي. ويمكن حساب هذه المؤشرات باستخدام حزمة moments المتخصصة عبر الأكواد التالية:

# تثبيت واستدعاء الحزمة
# install.packages("moments")
library(moments)

sample_skewness <- skewness(df_study$Score)
sample_kurtosis <- kurtosis(df_study$Score)

في التوزيع الطبيعي النظري الكامل، تبلغ قيمة معامل الالتواء صفرًا تمامًا، بينما تبلغ قيمة معامل التفرطح التام 3 (أو صفر في حال استخدام التفرطح الزائد Excess Kurtosis). وعند فحص العينة المحاكية، نجد أن الالتواء يقترب بشدة من الصفر والتفرطح يقترب من 3. وتزداد هذه المؤشرات الوصفية اقترابًا من القيم النظرية كلما زاد حجم العينة n؛ حيث يتقلص التباين العشوائي بموجب قانون الأعداد الكبيرة (Law of Large Numbers)، مما يبرز الأثر الحاسم لحجم العينة في ضبط الدقة الإحصائية لبيانات المحاكاة.

6. التمثيل البياني للتوزيع المولد: المدرجات التكرارية

6.1 إنشاء المدرج التكراري الأساسي باستخدام دالة hist()

يعد المدرج التكراري (Histogram) الأداة البصرية الكلاسيكية الأولى لفحص التوزيع التكراري للبيانات المستمرة والتأكد من اتخاذها الشكل الجرسي المتوقع. وتتضمن لغة R دالة مدمجة قوية وسريعة هي hist() تتيح إنشاء مدرجات تكرارية قابلة للتخصيص الكامل عبر معاملات رسومية متعددة، كما يظهر في التطبيق التالي:

hist(df_study$Score,
     breaks = 15,
     col = "lightblue",
     border = "darkblue",
     main = "المدرج التكراري للعينة المولدة",
     xlab = "الدرجات",
     ylab = "التكرار المطلق",
     las = 1)

يسمح المعامل breaks بالتحكم في عدد الفئات أو المجالات التكرارية التي تُقسم إليها البيانات. وتعتمد الدالة افتراضيًا على خوارزمية ستورجس (Sturges’ formula) لتحديد عدد الفئات الأمثل، ولكن يمكن للمستخدم تعديلها لتفادي التشويه البصري؛ إذ يؤدي اختيار عدد قليل جدًا من الفئات إلى حجب معالم التوزيع، في حين يؤدي اختيار عدد مفرط إلى تفتيت البيانات وظهور فجوات تكرارية مضللة.

يكشف الفحص البصري للمدرج التكراري المولد عن تركز التكرارات في الفئات الوسطى المحيطة بالمتوسط الحسابي (10)، وتناقص التكرارات تدريجيًا وبشكل متناظر مع الابتعاد نحو الأطراف الطرفية اليمنى واليسرى. ويشكل هذا الفحص البصري الأولي خطوة تحقق نوعية لا غنى عنها تدعم التحليلات الرقمية الوصفية السابقة، وتسمح بالرصد المباشر لأي شذوذ أو انقطاع غير طبيعي في تسلسل البيانات.

6.2 الرسم البياني المتقدم للمدرج التكراري باستخدام ggplot2

لأغراض النشر العلمي والأوراق المحكمة، تقدم حزمة ggplot2 إمكانات رسومية فائقة تستند إلى نظرية قواعد الرسومات (Grammar of Graphics). وتتيح هذه الحزمة بناء رسومات بيانية متعددة الطبقات ذات جودة طباعية عالية تتماشى مع معايير الجمعية الأمريكية لعلم النفس (APA Style). ويمكن بناء مدرج تكراري احترافي وتنسيقه عبر الكود التالي:

library(ggplot2)

ggplot(df_study, aes(x = Score)) +
  geom_histogram(aes(y = after_stat(density)),
                 bins = 20,
                 fill = "#2C3E50",
                 color = "#FFFFFF",
                 alpha = 0.85) +
  theme_classic() +
  labs(title = "توزيع المشاهدات المولدة وفق مقياس الكثافة",
       subtitle = "محاكاة عينة ذات توزيع طبيعي (N = 200, Mean = 10, SD = 3)",
       x = "الدرجة المقاسة",
       y = "الكثافة الاحتمالية") +
  theme(plot.title = element_text(face = "bold", hjust = 0.5),
        plot.subtitle = element_text(hjust = 0.5))

يقوم الكود البرمجي السابق بتوجيه المحور الرأسي لعرض الكثافة الاحتمالية النسبية (Density) بدلاً من التكرارات المطلقة عبر استخدام الدالة after_stat(density). وتعتبر هذه الخطوة ضرورية لتهيئة الرسم لدمج منحنيات رياضية مستمرة في مراحل لاحقة، حيث تصبح المساحة الإجمالية لأعمدة المدرج مساوية للواحد الصحيح، وهو ما يطابق المفهوم النظري لدوال الاحتمال الرياضية.

توفر حزمة ggplot2 دالة تصدير مخصصة هي ggsave() تمكن الباحث من حفظ المخطط بدقة نقطية مرتفعة (Vector or High-DPI Formats مثل TIFF أو PDF أو PNG بدقة 300 DPI فأعلى)، وهو ما يضمن الحفاظ على حدة النصوص والخطوط الرسومية عند إدراجها في مسودات النشر الأكاديمي والتقارير التقنية الموجهة للجهات البحثية والتمويلية.

7. التمثيل البياني المتقدم: منحنيات الكثافة ومخططات التجزيء الطبيعي (Q-Q Plots)

7.1 إسقاط منحنيات الكثافة الاحتمالية النظرية والتجريبية

يمنح الدمج البصري بين منحنى الكثافة التجريبي والمنحنى النظري الطبيعي الباحث وسيلة دقيقة لتقييم مدى تطابق العينة المحاكية مع التوزيع الغاوسي الخالص. ويتيح نظام الرسوم الأساسي في R إضافة منحنى الكثافة المقدر غير البارامتري باستخدام دالتي lines() و density()، متبوعًا بإسقاط المنحنى الرياضي النظري باستخدام دالة dnorm():

# رسم المدرج التكراري بمقياس الكثافة
hist(df_study$Score, freq = FALSE, col = "#EAECEE",
     main = "مقارنة الكثافة التجريبية بالمنحنى النظري",
     xlab = "الدرجات", ylab = "الكثافة", las = 1)

# إضافة منحنى الكثافة التجريبي الفعلي للعينة
lines(density(df_study$Score), col = "red", lwd = 2)

# إضافة المنحنى الطبيعي النظري المستند لمعلمات المجتمع
curve(dnorm(x, mean = 10, sd = 3), add = TRUE, col = "blue", lwd = 2, lty = 2)

# إضافة وسيلة الإيضاح (Legend)
legend("topright", legend = c("الكثافة التجريبية", "المنحنى النظري"),
       col = c("red", "blue"), lty = c(1, 2), lwd = 2, bty = "n")

يُمثل الخط المتصل الأحمر تقدير الكثافة اللبية (Kernel Density Estimation) للبيانات المولدة، وهو يقدم تمثيلًا تجريبيًا أملس لتوزيع الدرجات دون التقيد بفئات المدرج التكراري. بينما يمثل الخط المتقطع الأزرق المسار الرياضي الصارم لدالة التوزيع الطبيعي بمعلمتيها (10 و 3). ويكشف التطابق المتقارب بين المنحنيين عن سلامة عملية التوليد وغياب التحيزات التركيبية في العينة المحاكية.

تساعد هذه المقارنة البصرية المزدوجة في تشخيص مناطق التباين الموضعي الدقيق؛ مثل وجود قمم ثنائية خفيفة (Bimodality) أو وجود ثقل غير متوقع في أحد الذيول (Tail Heaviness). وتمنح هذه المقاربة التحليلية الباحث ثقة تجريبية قبل المضي قدمًا في استخدام البيانات المولدة في اختبارات إحصائية بارامترية حساسة لتوزيع البيانات كتحليل الانحدار الخطي أو النمذجة متعددة المستويات.

7.2 التقييم البصري للتطابق عبر مخططات Q-Q Plots

يُعد مخطط التجزيء الطبيعي أو مخطط المئينيات الاحتمالية (Quantile-Quantile Plot / Q-Q Plot) المعيار البصري الأكثر موثوقية وحساسية في التحليل الإحصائي لتشخيص اعتدالية التوزيع. وتقوم فلسفة هذا المخطط على رسم مئينيات العينة الفعلية (Empirical Quantiles) على أحد المحاور في مواجهة المئينيات المتوقعة نظريًا من التوزيع الطبيعي القياسي (Theoretical Quantiles) على المحور الآخر. وتوفر بيئة R دوال مدمجة مباشرة لتطبيق هذا التحليل:

qqnorm(df_study$Score,
       main = "مخطط التجزيء الطبيعي (Q-Q Plot)",
       pch = 19, col = "steelblue")
qqline(df_study$Score, col = "darkred", lwd = 2)

عندما تتبع البيانات توزيعًا طبيعيًا سليمًا، تترتب النقاط التجريبية في مسار مستقيم ومنتظم يلتصق تمامًا بالخط المرجعي القطري المرسوم بواسطة دالة qqline(). ويشير أي انحراف منهجي للنقاط عن هذا الخط المستقيم إلى نمط محدد من الخلل في اعتدالية التوزيع. فعلى سبيل المثال، إذا اتخذت النقاط شكل منحنى مقعر أو محدب (S-Shape)، فإن ذلك يعكس وجود التواء، بينما يشير انحراف أطراف النقاط للأعلى والأسفل عند الذيول إلى ظاهرة الذيول الثقيلة (Heavy Tails) أو الذيول الخفيفة.

للحصول على تشخيص إحصائي أكثر دقة وصرامة، توفر حزمة car دالة متقدمة تُدعى qqPlot() تقوم برسم خط مرجعي محكم محاط بحزام ثقة احتمالي بنسبة 95% (Pointwise 95% Confidence Envelope). وتتيح هذه الإضافة للباحث الحكم بموضوعية على المشاهدات؛ فما دامت جميع النقاط تقع داخل حدود حزام الثقة، يظل افتراض الاعتدالية قائمًا ومقبولًا إحصائيًا، بينما تُصنف النقاط التي تخرج عن هذا النطاق كقيم شاذة ذات تأثير محتمل على النماذج الخطية.

8. اختبارات الفرضيات الإحصائية للتحقق من اعتدالية البيانات

8.1 تطبيق اختبار شابيرو-ويلك (Shapiro-Wilk Test)

بجانب الفحوصات البصرية والوصفية، يعتمد الاستدلال الإحصائي على الاختبارات الفرضية الصارمة للتحقق من اعتدالية التوزيع (Normality Hypothesis Testing). ويُعد اختبار شابيرو-ويلك (Shapiro-Wilk Test) أحد أقوى الاختبارات وأكثرها حساسية لكشف الانحرافات عن التوزيع الطبيعي في العينات الصغيرة والمتوسطة. وتوفر لغة R هذا الاختبار عبر الدالة المباشرة shapiro.test() كما هو موضح في الشيفرة التالية:

shapiro_results <- shapiro.test(df_study$Score)
print(shapiro_results)

تعتمد الفرضية الصفرية (H0) في اختبار شابيرو-ويلك على أن البيانات مستمدة من مجتمع يتبع التوزيع الطبيعي، بينما تنص الفرضية البديلة (H1) على أن التوزيع ينحرف بصورة دالة إحصائيًا عن التوزيع الطبيعي. وتنتج الدالة إحصاء الاختبار W بالإضافة إلى القيمة الاحتمالية (p-value). وعند تطبيق الاختبار على عينتنا المولدة، نحصل على قيمة W قريبة جدًا من الواحد الصحيح (مثل W = 0.992) وقيمة احتمالية أكبر بكثير من مستوى الدلالة المعتمد (α = 0.05)، مما يقودنا إلى قبول الفرضية الصفرية (أو عدم رفضها) وتأكيد اعتدالية العينة إحصائيًا.

يجب على الباحث مراعاة المحددات البرمجية والمنهجية لاختبار شابيرو-ويلك في R؛ إذ تشترط الدالة أن يتراوح حجم العينة n بين 3 و 5000 مشاهدة كحد أقصى. وفي حال تجاوز هذا الحجم، ترفض الدالة المعالجة وتظهر رسالة خطأ صريحة. وعلاوة على ذلك، يتسم الاختبار بحساسية مفرطة في العينات الكبيرة جدًا، حيث قد يقود أي انحراف طفيف وغير جوهري إلى قيمة p دالة إحصائيًا، مما يتطلب موازنة القرارات الاستدلالية بالفحوصات البصرية الموازية.

8.2 اختبار كولموجوروف-سميرنوف واختبارات بديلة

يُعد اختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov Test) بديلًا كلاسيكيًا واسع الاستخدام لمقارنة التوزيع التراكمي التجريبي للعينة مع دالة توزيع تراكمية نظرية محددة المعالم بالكامل. وتوفر بيئة R دالة ks.test() لتنفيذ هذا الإجراء الرياضي كما يلي:

ks_results <- ks.test(df_study$Score, "pnorm", mean = 10, sd = 3)
print(ks_results)

يقيس إحصاء الاختبار D أقصى مسافة رأسية مطلقة بين منحنى التوزيع التراكمي التجريبي للعينة والدالة النظرية pnorm. وتجدر الإشارة إلى أن اختبار كولموجوروف-سميرنوف القياسي يشترط معرفة معلمات المجتمع مسبقًا؛ وفي حال تقدير المعلمات من بيانات العينة نفسها، يجب استخدام تعديل ليلفورس (Lilliefors Test) المتاح في حزمة nortest لتفادي خفض القوة الإحصائية للاختبار وتضخيم احتمالية الخطأ.

توفر حزمة nortest مجموعة من الاختبارات المتقدمة البديلة، وفي مقدمتها اختبار أندرسون-دارلنج (Anderson-Darling Test) عبر دالة ad.test(). ويتميز هذا الاختبار بوزن رياضي تفضيلي يمنحه حساسية استثنائية لكشف الانحرافات الواقعة في ذيول التوزيع، متفوقًا في ذلك على اختبار كولموجوروف-سميرنوف. وتتكامل هذه المنظومة من الاختبارات لتمنح المحلل ترسانة استدلالية متكاملة للمفاضلة بين النماذج وضمان سلامة البيانات قبل إخضاعها للتحليلات الإحصائية المتقدمة.

9. مقارنة عائلة دوال التوزيع الطبيعي في R: rnorm مقابل dnorm و pnorm و qnorm

9.1 دالة الكثافة الاحتمالية dnorm() واستخداماتها الرياضية

تنتمي دالة rnorm() إلى منظومة رباعية متكاملة مدمجة في لغة R للتعامل مع التوزيع الطبيعي، حيث تشترك جميع هذه الدوال في مقطع الجذر “norm” وتتمايز بالحرف البادئ الذي يحدد الوظيفة الرياضية للدالة. وتبدأ الدالة الأولى بالحرف d وهي دالة dnorm()، والتي ترمز لدالة الكثافة الاحتمالية (Probability Density Function – PDF). وتُستخدم هذه الدالة لحساب الارتفاع الرأسي لمنحنى التوزيع الطبيعي عند قيمة معينة للمتغير المستمر x، وفق الصيغة:

dnorm(x, mean = 0, sd = 1)

من الأخطاء الشائعة الخلط بين قيمة الكثافة الاحتمالية والاحتمال الفعلي؛ إذ إن احتمالية وقوع قيمة محددة بدقة متناهية لمتغير عشوائي مستمر تساوي صفرًا رياضيًا. وتُعبر القيمة الناتجة عن dnorm() عن الكثافة النسبية أو معدل التركز الاحتمالي حول تلك النقطة. وتُستخدم هذه الدالة برمجياً لرسم المنحنيات الرياضية المتصلة للتوزيعات النظرية، وحساب قيم دالة الإمكان (Likelihood) في خوارزميات التقدير الإحصائي المعقدة كطريقة الإمكان الأعظم (Maximum Likelihood Estimation – MLE).

يوضح المثال التالي كيفية استخدام dnorm() لإنشاء منحنى طبيعي نظري كامل عبر نطاق متصل من القيم:

x_seq <- seq(-4, 4, length.out = 500)
density_values <- dnorm(x_seq, mean = 0, sd = 1)
plot(x_seq, density_values, type = "l", col = "darkgreen", lwd = 2,
     main = "دالة الكثافة الاحتمالية dnorm()", xlab = "الدرجة المعيارية Z", ylab = "الكثافة")

يبرز هذا التطبيق قدرة دالة dnorm() على توليد الإحداثيات الرأسية الدقيقة التي تتيح بناء المخططات النظرية ومقارنتها بالبيانات الواقعية، مما يجعلها أداة تأسيسية في صياغة النماذج الرياضية.

9.2 دالتا الاحتمال التراكمي pnorm() والنسب المئينية qnorm()

تمثل الدالة الثانية في العائلة دالة الاحتمال التراكمي pnorm()، المسبوقة بالحرف p، والتي ترمز لدالة التوزيع التراكمي (Cumulative Distribution Function – CDF). وتقوم هذه الدالة بحساب المساحة التكاملية المحصورة تحت منحنى التوزيع الطبيعي من اللانهاية السالبة حتى نقطة معينة q، مما يعطي الاحتمال التراكمي لوقوع قيمة عشوائية أقل من أو تساوي تلك النقطة: P(X ≤ q). وتعد هذه الدالة الأداة الأساسية لحساب القيم الاحتمالية p-values ومستويات الثقة، كما في المثال:

# حساب الاحتمال التراكمي لدرجة Z أقل من أو تساوي 1.96
prob_cumulative <- pnorm(1.96, mean = 0, sd = 1)
# الناتج يقارب 0.975

أما الدالة الثالثة فهي دالة المئينيات أو النسب المئوية qnorm()، المسبوقة بالحرف q، والتي ترمز لدالة المئينيات (Quantile Function)، وتعمل كمعكوس رياضي دقيق لدالة pnorm(). إذ تقبل الدالة قيمة احتمالية محصورة بين 0 و 1، وتقوم بإرجاع القيمة الحرجة المقابلة لها على المحور الأفقي للتوزيع. وتُستخدم هذه الدالة بكثافة في حساب حدود فترات الثقة وتحديد القيم الحرجة للاختبارات الإحصائية عند مستويات دلالة محددة، كما يوضح الكود:

# إيجاد القيمة الحرجة Z التي تقابل مساحة تراكمية قدرها 0.975
z_critical <- qnorm(0.975, mean = 0, sd = 1)
# الناتج يساوي 1.959964

لتلخيص العلاقات الرياضية والوظيفية بين هذه الدوال الأربع، يمكن الرجوع إلى المقارنة الهيكلية التالية:

  • rnorm(n, mean, sd): توليد عينة عشوائية مكونة من n قيمة تتبع التوزيع الطبيعي (توليد بيانات).
  • dnorm(x, mean, sd): حساب ارتفاع دالة الكثافة الاحتمالية عند النقطة x (حساب الكثافة والإمكان).
  • pnorm(q, mean, sd): حساب الاحتمال التراكمي للمساحة الواقعة يسار النقطة q (حساب الاحتمال التراكمي).
  • qnorm(p, mean, sd): إيجاد القيمة المئينية المقابلة للمساحة الاحتمالية p (حساب القيم الحرجة والمعكوس).

يشكل استيعاب الفروق الدقيقة بين دوال هذه المنظومة الرباعية ركيزة لا غنى عنها لأي محلل بيانات أو باحث يسعى للتعامل باحترافية مع الاحتمالات والتوزيعات في بيئة R.

10. توليد التوزيعات الطبيعية متعددة المتغيرات (Multivariate Normal Distribution)

10.1 مفهوم التوزيع الطبيعي المتعدد واستخدام مصفوفة التغاير

في كثير من التطبيقات السلوكية والبيولوجية والاقتصادية، لا تظهر المتغيرات المدروسة ككيانات معزولة، بل تترابط وتتفاعل ضمن منظومة متعددة الأبعاد تُعرف بالتوزيع الطبيعي متعدد المتغيرات (Multivariate Normal Distribution). ويُعد هذا التوزيع امتدادًا تعميميًا للتوزيع الطبيعي أحادي المتغير ليشمل متجهًا كاملًا من المتغيرات العشوائية المترابطة خطيًا فيما بينها، والتي تتبع مجتمعة شكلاً تماثليًا متعدد الأبعاد في الفضاء الإحصائي.

يتطلب توصيف التوزيع الطبيعي متعدد المتغيرات تحديد معلمين رياضيين أساسيين: متجه المتوسطات الحسابية (μ Vector)، والذي يحدد مركز ثقل كل متغير على حدة، ومصفوفة التباين والتباين المشترك (Variance-Covariance Matrix) والتي يُرمز لها بالرمز الإغريقي سيغما الكبيرة (Σ). وتحتوي العناصر القطرية في هذه المصفوفة على قيم التباين الفردي لكل متغير، بينما تحتوي العناصر غير القطرية على قيم التغاير (Covariance) التي تعبر عن اتجاه وقوة الارتباط الخطي بين كل زوج من المتغيرات في النموذج.

تخضع مصفوفة التغاير لشروط رياضية وجبرية صارمة لضمان صحة المحاكاة؛ إذ يجب أن تكون المصفوفة متماثلة (Symmetric) وموجبة التحديد تمامًا (Positive-Definite). ويعني شرط كونها موجبة التحديد أن جميع القيم الذاتية (Eigenvalues) للمصفوفة موجبة تمامًا وتزيد عن الصفر، مما يضمن رياضيًا أن تكون التباينات المشتركة متسقة ومنطقية ولا تقود إلى احتمالات سالبة مستحيلة عند حساب الكثافات متعددة الأبعاد.

10.2 تطبيق دالة mvrnorm() من حزمة MASS

لتوليد بيانات طبيعية متعددة المتغيرات ومترابطة في لغة R، تُستخدم دالة mvrnorm() المضمنة في حزمة MASS القياسية. ويتطلب التطبيق العملي بناء متجه المتوسطات ومصفوفة التباين والتغاير أولًا، ثم تنفيذ التوليد كما يوضح الكود التالي:

library(MASS)

# ضبط البذرة العشوائية
set.seed(101)

# تحديد متجه المتوسطات لثلاثة متغيرات مترابطة
mu_vector <- c(X1 = 50, X2 = 100, X3 = 15)

# بناء مصفوفة التباين والتغاير (3x3)
sigma_matrix <- matrix(c(
  25.0, 15.0,  5.0,  # تباين X1 وتغايراته مع X2 و X3
  15.0, 64.0, 12.0,  # تغاير X2 مع X1 وتباينه وتغايره مع X3
   5.0, 12.0,  9.0   # تغاير X3 مع X1 و X2 وتباينه
), nrow = 3, byrow = TRUE)

# توليد 300 مشاهدة متعددة المتغيرات
multivariate_data <- mvrnorm(n = 300, mu = mu_vector, Sigma = sigma_matrix)
df_multi <- as.data.frame(multivariate_data)

عقب إتمام التوليد، يمكن فحص جودة المحاكاة عبر حساب مصفوفة الارتباط التجريبية للعينة ومقارنتها بالارتباطات النظرية المشتقة من مصفوفة التغاير الأصلية باستخدام دالة cor():

cor(df_multi)

تُظهر النتائج ارتباطات إيجابية بين المتغيرات الثلاثة تتطابق بشكل وثيق مع البنية المفروضة مسبقًا في مصفوفة Σ. ويمكن تمثيل هذه العلاقات التبادلية بيانياً من خلال رسم مصفوفة الانتشار المزدوجة (Scatterplot Matrix) باستخدام دالة pairs(df_multi, col = "darkblue", pch = 16)، والتي تُظهر سحب الانتشار البيضاوية المتناظرة الدالة على الاعتدالية متعددة الأبعاد بين جميع أزواج المتغيرات المولدة.

11. تطبيقات التوزيع الطبيعي المولد في الأبحاث السلوكية والنفسية

11.1 محاكاة درجات الاختبارات والمقاييس النفسية المقننة

تمثل محاكاة المقاييس النفسية والتربوية أحد أهم التطبيقات العملية لدوال التوليد الطبيعي في لغة R. ففي مجال القياس النفسي، تُصمم معظم الاختبارات العالمية المقننة لتقييم القدرات المعرفية والسمات الشخصية لتتبع توزيعات طبيعية محددة المعالم بدقة. وتتيح لغة R توليد عينات افتراضية تحاكي مجتمعات سريرية أو طلابية بدقة فائقة لاختبار فرضيات القياس، كما يظهر في التطبيق التالي:

# محاكاة درجات مقياس الذكاء (IQ: Mean = 100, SD = 15)
set.seed(777)
iq_scores <- rnorm(n = 1000, mean = 100, sd = 15)

# محاكاة درجات مقياس الاكتئاب السريري (BDI: Mean = 20, SD = 5)
depression_scores <- rnorm(n = 1000, mean = 20, sd = 5)

# تقييد الدرجات ضمن الحدود المنطقية للمقياس وتدويرها
depression_bounded <- pmax(0, pmin(63, round(depression_scores)))

يبرز الكود السابق خطوة منهجية بالغة الأهمية عند محاكاة الاختبارات السيكومترية، وهي تطبيق التحويلات الخطية والتقييد المنطقي للدرجات (Bounding and Rounding). فنظرًا لأن الدرجات الخام للاختبارات النفسية تكون عادة أرقامًا صحيحة ذات مدى محدد (مثل مقياس بيك للاكتئاب الذي يتراوح مداه بين 0 و 63)، يتم استخدام دالتي pmax() و pmin() لضمان عدم خروج القيم المولدة رياضيًا عن الحدود المنطقية للمقياس، مع الحفاظ على البنية التوزيعية العامة للمجتمع الافتراضي.

تسهم هذه المحاكاة في تمكين الباحثين من معايرة درجات القطع التشخيصية (Diagnostic Cut-off Scores) وحساب النسب المئوية للمستجيبين المصنفين ضمن فئات معينة (مثل فئة الموهوبين أو فئة الاضطراب الشديد) بدقة رياضية مسبقة، مما يسهل تخطيط البرامج التدخلية والدراسات المسحية الميدانية.

11.2 تصميم تجارب افتراضية لاختبار الفروق بين المجموعات

يُعد تصميم التجارب العشوائية المحكومة (Randomized Controlled Trials – RCT) افتراضيًا تطبيقًا رائدًا لمحاكاة البيانات في R لتقييم كفاءة التصاميم البحثية وتحليل التباين قبل النزول إلى الميدان. ويمكن بناء بيئة تجريبية مكونة من مجموعتين (مجموعة تجريبية تلقت برنامجًا علاجيًا ومجموعة ضابطة تلقت علاجًا وهميًا) عبر توليد بيانات طبيعية بمتوسطات متباينة تعكس حجم التأثير المتوقع (Effect Size):

set.seed(888)
# حجم العينة في كل مجموعة
n_group <- 50

# المجموعة الضابطة (متوسط القلق = 35، انحراف = 6)
control_group <- rnorm(n_group, mean = 35, sd = 6)

# المجموعة التجريبية (متوسط القلق = 28، انحراف = 6 بفعل التدخل)
treatment_group <- rnorm(n_group, mean = 28, sd = 6)

# دمج البيانات في إطار تجريبي موحد
experiment_df <- data.frame(
  Group = rep(c("Control", "Treatment"), each = n_group),
  Anxiety_Score = c(control_group, treatment_group)
)

يتيح هذا الإطار التجريبي الافتراضي إجراء اختبار ت للعينات المستقلة (Independent Samples t-test) أو تحليل التباين الأحادي (One-Way ANOVA) لاختبار دلالة الفروق:

t_test_res <- t.test(Anxiety_Score ~ Group, data = experiment_df, var.equal = TRUE)
print(t_test_res)

يمكن للمحلل التوسع في هذا النموذج الافتراضي عبر محاكاة مشاكل منهجية واقعية؛ مثل إدخال عدم تجانس التباين (Heteroscedasticity) بتوليد انحرافات معيارية متباينة بين المجموعات، أو تفاوت أحجام العينات (Unbalanced Designs)، لدراسة مدى تأثر القرارات الإحصائية بهذه الانتهاكات ومقارنة كفاءة الحلول البديلة مثل اختبار ويلش (Welch’s t-test) أو التحليلات اللابارامترية.

12. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها أثناء توليد البيانات

12.1 الأخطاء البرمجية الشائعة في إدخال المعاملات

يقع كثير من المبتدئين والمحللين في أخطاء برمجية شائعة عند التعامل مع دالة rnorm() ودوال المحاكاة المرتبطة بها في R. ويأتي في مقدمة هذه المشكلات تمرير قيم سالبة لمعامل الانحراف المعياري sd. ونظرًا لأن التشتت مقياس مسافي موجب حتمًا، فإن لغة R لا تقبل القيم السالبة وتنتج رسالة تحذيرية مع إرجاع قيم غير معرفة (NaNs produced)، مما يؤدي إلى تعطل العمليات الحسابية اللاحقة. ويجب التأكد دائمًا من فحص وتطهير قيم المعاملات قبل تمريرها للدوال.

ومن المشكلات البرمجية الدقيقة غير الملحوظة خطأ التطبيق غير المقصود لقاعدة إعادة التدوير (Recycling Rule). يحدث هذا عندما يقوم المستخدم بتمرير متجهات لمعاملي mean أو sd بأطوال لا تتطابق مع حجم العينة n. في هذه الحالة، لا توقف R التنفيذ، بل تقوم بتكرار قيم المتجه الأقصر دوريًا لتغطية n، مما ينتج عينة هجينة مستمدة من مجتمعات متعددة دون وعي من الباحث، وهو ما يشوه البنية الإحصائية للعينة المحاكية بالكامل.

كما يجب التعامل بحذر مع توليد وحضور القيم المفقودة من نوع NA أو غير المعرفة NaN في مصفوفات المحاكاة المعقدة. ففي حال تغذية دوال التوليد بمعاملات مستخرجة من بيانات واقعية تحتوي على قيم مفقودة دون استخدام معالج التجاهل na.rm = TRUE، فإن دوال التوليد ستنتج متجهات مفقودة بالكامل، مما يفرض بناء مراحل تحقق وتدقيق شرطية (Assertion checks) داخل الشيفرة البرمجية لضمان سلامة التدفق الحسابي.

12.2 المحاذير الإحصائية وتفسير الانحرافات العشوائية

تنبع المحاذير المنهجية الأكثر خطورة من التفسير الخاطئ للانحرافات العشوائية في العينات الصغيرة الحجم (Small Sample Sizes). فعند توليد عينات ذات أحجام محدودة (مثل n = 15 أو n = 20) من توزيع طبيعي تام، فإن المدرجات التكرارية ومخططات Q-Q plots قد تُظهر انحرافات بصرية وتبدو مشوهة أو غير متماثلة بفعل خطأ المعاينة العشوائي البحت. ويقود الجهل بهذه الخاصية بعض الباحثين إلى استنتاج خاطئ بأن خوارزمية التوليد غير دقيقة، في حين أن الخلل يكمن في محدودية حجم العينة التي لا تسمح بتمثيل خصائص المجتمع بدقة كافية.

تتمثل المعضلة المعاكسة في الاعتماد الأعمى على اختبارات الفرضيات الدالة على الاعتدالية (مثل اختبار شابيرو-ويلك) في العينات الضخمة جدًا (Big Data / Large N). فمع تجاوز حجم العينة لآلاف المشاهدات، تكتسب الاختبارات قوة إحصائية مفرطة تجعلها ترفض الفرضية الصفرية للاعتدالية عند حدوث أي انحراف مجهري لا وزن له عمليًا عن التوزيع النظري التام. وهنا تبرز أهمية التمييز المنهجي بين “الدلالة الإحصائية” (Statistical Significance) و”الدلالة العملية” (Practical Significance)، والاعتماد على مقاييس حجم التأثير ومخططات التجزيء البيانية بدلاً من الاقتصار على القيم الاحتمالية p-values.

لضمان أعلى معايير الشفافية والموثوقية العلمية في محاكاة البيانات وتوليد التوزيعات في لغة R، يُوصى باتباع قائمة الإرشادات المنهجية والبرمجية التالية:

  • التوثيق الصريح للبذور العشوائية: تثبيت set.seed() في بداية التحليل وتدوين رقم البذرة بوضوح لضمان إعادة الإنتاج العلمي.
  • التحقق المنهجي المزدوج: الجمع دائمًا بين الفحص العددي الوصفي (المتوسط، الانحراف، الالتواء، التفرطح) والفحص البصري البياني (ggplot2, Q-Q plots).
  • فصل كائنات المحاكاة: عزل البيانات الافتراضية المولدة في أطر بيانات مستقلة ومسماة بوضوح لتفادي تداخلها مع مجموعات البيانات الميدانية الأصلية.
  • إدارة استهلاك الذاكرة: حذف الكائنات المؤقتة الضخمة باستخدام دالة rm() واستدعاء مجمع القمامة البرمجي gc() عند إجراء محاكاة مونت كارلو واسعة النطاق.
  • توثيق بيئة التشغيل: تسجيل إصدار لغة R ونسخ الحزم المستخدمة عبر دالة sessionInfo() لضمان استقرار الخوارزميات عبر الزمن والأنظمة المختلفة.

خاتمة

استعرض هذا الدليل المتكامل الأسس النظرية والتطبيقات البرمجية المتقدمة لتوليد وفحص التوزيع الطبيعي في لغة R. إن إتقان استخدام دالة rnorm() ومنظومة الدوال المرتبطة بها (dnorm, pnorm, qnorm) يمنح الباحثين والمحللين أداة كمية بالغة القوة والفاعلية لتصميم التجارب الافتراضية، وبناء نماذج المحاكاة الإحصائية، وتقييم متانة الفرضيات في شتى مجالات البحث العلمي. ومن خلال الالتزام بقواعد النمذجة المنضبطة، وضبط البذور العشوائية لضمان التكرارية العلمية، والموازنة الحصيفة بين الفحوصات البصرية والاختبارات الاستدلالية، يستطيع المتخصصون الارتقاء بمستوى تحليلاتهم وبحوثهم المنشورة إلى أعلى المستويات الأكاديمية العالمية.

المراجع (References)

اقتباس هذا المقال

looti, M. (2026, أغسطس 27). كيفية توليد توزيع طبيعي في R (مع أمثلة). عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-generate-normal-distribution-in-r-examples/
looti, Mohammed. “كيفية توليد توزيع طبيعي في R (مع أمثلة).” عرب سايكلوجي, 27 أغسطس 2026, https://arabpsychology.com/statistics/how-to-generate-normal-distribution-in-r-examples/.
looti, Mohammed. “كيفية توليد توزيع طبيعي في R (مع أمثلة).” عرب سايكلوجي. أغسطس 27, 2026. https://arabpsychology.com/statistics/how-to-generate-normal-distribution-in-r-examples/.