كيفية إجراء اختبار t لعينتين على آلة حاسبة TI-84

تُعد الاستدلالات الإحصائية المتعلقة بمقارنة متوسطات المجتمعات إحدى الركائز الجوهرية في منهجية البحث العلمي والتحليل الكمي المعاصر. فعندما يواجه الباحث أو المحلل سؤالاً جوهرياً يتمحور حول ما إذا كان هناك فارق حقيقي ذو دلالة إحصائية بين مجموعتين مستقلتين خضعتا لظروف تجريبية متباينة، أو تنتميان إلى فئات سكانية مختلفة، يبرز اختبار t للعينات المستقلة (Independent Samples t-test) كأداة بارامترية قياسية بالغة الدقة والحساسية لتقييم الفروق الإحصائية بين المتوسطات الحسابية وتحديد ما إذا كانت تلك الفروق ناجمة عن تباين حقيقي في معالم المجتمع أم أنها مجرد تباينات عشوائية تعزى إلى خطأ المعاينة الصدفي.

وعلى الرغم من توافر الحزم والبرمجيات الحاسوبية المتقدمة مثل SPSS وR وPython، فإن الآلات الحاسبة البيانية من طراز Texas Instruments TI-84 Plus بجميع إصداراتها تحتفظ بمكانة استثنائية وأهمية عملية بالغة في البيئات الأكاديمية والمختبرات الميدانية وقاعات الامتحانات الدولية المتقدمة مثل اختبارات AP Statistics. تتيح هذه المنصة الحسابية المحمولة للباحثين والطلاب إمكانية تنفيذ الاختبارات الفرضية المعقدة واختبار الفروق بين المتوسطات بدقة رياضية متناهية وبأقل قدر من التعقيد البرمجي، سواء بالاعتماد على البيانات الإحصائية التلخيصية أو عبر معالجة البيانات الخام المباشرة المخزنة في مصفوفات القوائم.

يهدف هذا الدليل الشامل والمفصل إلى تفكيك كافة الجوانب النظرية والتطبيقية لإجراء اختبار t لعينتين مستقلتين باستخدام آلة الحاسبة TI-84. سنستعرض في هذا المقال الأسس الرياضية للاختبار والافتراضات المنهجية الحاكمة له، مروراً بالتنقل خطوة بخطوة داخل واجهات نظام التشغيل للحاسبة، وضبط معلمات الاختبار بدقة (بما في ذلك التباين المجمع وتصحيح ويلش)، وصولاً إلى التفسير الدقيق للمخرجات وكتابة التقارير الإحصائية وفق أحدث المعايير الأكاديمية العالمية.

1. الأسس النظرية لاختبار t لعينتين مستقلتين

1.1 مفهوم اختبار t للعينات المستقلة وأهدافه الإحصائية

يقوم اختبار t للعينات المستقلة (Two-Sample Independent t-test)، والمعروف أيضاً باختبار ستيودنت للعينات غير المترابطة، على فحص الفرضية الإحصائية المتعلقة بالفرق بين متوسطي مجتمعين مستقلين ($\mu_1$ و $\mu_2$). يُستخدم هذا الاختبار عندما تتكون الدراسة من مجموعتين منفصلتين تماماً من العناصر أو الأفراد؛ بحيث لا يؤثر اختيار أو قياس أي فرد في المجموعة الأولى بأي شكل من الأشكال على اختيار أو قياس أفراد المجموعة الثانية. ويختلف هذا الاختبار جذرياً عن اختبار t للعينات المرتبطة (Paired Samples t-test) الذي يُطبق عند قياس نفس العينة قبل تطبيق معالجة معينة وبعدها، أو في حالات المطابقة الفردية بين المشاركين في التصميمات شبه التجريبية.

يكتسب الاختبار أهمية استثنائية في الأبحاث الطبية، السلوكية، النفسية، والتجريبية لمقارنة المجموعة الضابطة (Control Group) بالمجموعة التجريبية (Experimental Group). وتتم صياغة الفرضيات الإحصائية للاختبار بدقة متناهية؛ حيث تفترض فرضية العدم (Null Hypothesis – $H_0$) عدم وجود فرق حقيقي بين متوسطي المجتمعين، وتُكتب رياضياً بالصيغة:
$$H_0: \mu_1 – \mu_2 = 0 \quad \text{أو} \quad H_0: \mu_1 = \mu_2$$
بينما تنص الفرضية البديلة (Alternative Hypothesis – $H_a$ أو $H_1$) على وجود فرق ذي دلالة إحصائية، وتأخذ إما صيغة غير موجهة (ثنائية الطرفين) عندما لا يتنبأ الباحث باتجاه الفارق:
$$H_a: \mu_1 \neq \mu_2$$
أو صيغة موجهة (أحادية الطرف) عندما تقضي النظرية بأن أحد المتوسطين يتفوق على الآخر ($H_a: \mu_1 > \mu_2$ أو $H_a: \mu_1 < \mu_2$).

1.2 المعادلة الرياضية للاختبار ودور درجات الحرية

تعتمد القيمة الإحصائية المحسوبة للاختبار ($t_{\text{calc}}$) على النسبة بين الفرق الملاحظ بين متوسطي العينتين والخطأ المعياري لهذا الفرق. تأخذ المعادلة العامة لاختبار t لعينتين الشكل الرياضي التالي:

$$t = \frac{(\bar{x}_1 – \bar{x}_2) – (\mu_1 – \mu_2)}{SE_{(\bar{x}_1 – \bar{x}_2)}}$$

وحيث إن فرضية العدم تفترض أن الفرق النظري بين المجتمعين يساوي صفراً ($\mu_1 – \mu_2 = 0$)، فإن البسط يقتصر على حساب الفرق المباشر الملاحظ بين متوسط العينة الأولى ($\bar{x}_1$) ومتوسط العينة الثانية ($\bar{x}_2$). أما المقام، فيمثل الخطأ المعياري للفرق بين المتوسطين ($SE_{(\bar{x}_1 – \bar{x}_2)}$)، وهو مقياس للتباين الطبيعي المتوقع حدوثه نتيجة أخطاء المعاينة العشوائية الصدفية.

ترتبط دقة حساب الخطأ المعياري ارتباطاً وثيقاً بتقدير درجات الحرية (Degrees of Freedom – $df$). في حالة افتراض تساوي التباين في المجتمعين الأصليين، تُحسب درجات الحرية عبر دمج حجمي العينتين وفق العلاقة: $df = n_1 + n_2 – 2$. يؤدي كبر حجم العينة إلى زيادة درجات الحرية، مما يُقلص سمك ذيول توزيع t ويجعله يقترب بصورة مطردة من التوزيع الطبيعي المعياري (z-distribution)، مما يعزز بدوره القوة الإحصائية (Statistical Power) للاختبار ويكشف بدقة عن الفروق الحقيقية ذات المعنى بين المجموعات.

2. الافتراضات الإحصائية الواجب توفرها قبل إجراء الاختبار

2.1 افتراض التوزيع الطبيعي واستقلالية المشاهدات

يتطلب التطبيق الصارم لاختبار t للعينات المستقلة استيفاء مجموعة من الافتراضات المنهجية والإحصائية لضمان مصداقية النتائج وصحة القرارات المستندة إليها. يتمثل الافتراض الأول في استقلالية المشاهدات (Independence of Observations)، وهو افتراض تصميمي يقضي بأن قياسات أي وحدة تجريبية داخل إحدى العينات لا ترتبط ولا تؤثر على قياسات الوحدات الأخرى ضمن نفس العينة أو العينة المقابلة. يُعد انتهاك هذا الافتراض من أخطر الانتهاكات المنهجية التي لا يمكن تصحيحها رياضياً وتؤدي إلى تضخيم كبير في معدل الخطأ من النوع الأول (Type I Error).

أما الافتراض الثاني فيتمثل في اعتدالية التوزيع (Normality)، والذي يفترض أن المتغير التابع يتوزع توزيعاً طبيعياً داخل مجتمع كل عينة من العينتين. يمكن فحص هذا الافتراض بيانياً باستخدام مدرجات التكرار (Histograms) ورسوم الصندوق (Boxplots) ومخططات الاحتمال الطبيعي (Q-Q Plots)، أو كمياً عبر اختبارات الاعتدالية مثل اختبار شابيرو-ويلك (Shapiro-Wilk) أو كولموجوروف-سميرنوف (Kolmogorov-Smirnov). ومع ذلك، يتميز اختبار t بالحصانة والمتانة (Robustness) النسبية تجاه الانحرافات الطفيفة والمعتدلة عن التوزيع الطبيعي، بفضل مبرهنة النهاية المركزية (Central Limit Theorem) التي تؤكد أن توزيع متوسطات العينات يقترب من التوزيع الطبيعي مع كبر حجم العينة (عادة $n_1, n_2 ge 30$).

2.2 افتراض تجانس التباين (Homoscedasticity)

ينص افتراض تجانس التباين (Homogeneity of Variances أو Homoscedasticity) على أن تباين المتغير التابع داخل المجتمع الأول يساوي تباينه داخل المجتمع الثاني ($\sigma_1^2 = \sigma_2^2$). يتم التحقق من هذا الافتراض تقليدياً باستخدام اختبار ليفين (Levene’s Test) لتجانس التباينات أو اختبار بارتليت (Bartlett’s Test).

عندما يتحقق هذا الافتراض، يتم استخدام اختبار ستيودنت الكلاسيكي الذي يدمج تباين العينتين في تقدير موحد يُعرف باسم “التباين المجمع” (Pooled Variance). أما في حالة عدم تحقق الافتراض ووجود تفاوت ملموس بين تبايني المجموعتين (خاصة مع عدم تساوي أحجام العينات)، فإن استخدام الاختبار الكلاسيكي يؤدي إلى انحياز شديد في تقدير الخطأ المعياري، مما يقود إما إلى رفض خاطئ لفرضية العدم الحقيقية أو الفشل في كشف الفروق الفعلية. وفي هذه الحالة، يتم اللجوء إلزامياً إلى اختبار ويلش (Welch’s t-test) الذي يعدل درجات الحرية والخطأ المعياري للتعامل مع عدم تجانس التباينات بكفاءة رياضية مطلقة.

3. التعرف على بيئة العمل الإحصائية في حاسبة TI-84

3.1 الوصول إلى قائمة الاختبارات الإحصائية (STAT Tests)

توفر حاسبة TI-84 Plus (بما في ذلك الإصدارات Silver Edition و CE) بيئة استدلالية متطورة تتيح إجراء طيف واسع من الاختبارات البارامترية واللا بارامترية بسرعة وموثوقية. لبدء العمل والوصول إلى المحرك الإحصائي للحاسبة، نضغط على المفتاح المخصص STAT الموجود في الصف العلوي الأوسط للوحة المفاتيح. يؤدي الضغط على هذا المفتاح إلى فتح واجهة تتضمن ثلاثة تبويبات رئيسية:

• EDIT: مخصص لإدخال وتعديل القوائم ومصفوفات البيانات الرقمية الخام ($L_1, L_2, dots, L_6$).
• CALC: يُستخدم للحسابات الإحصائية الوصفية وتحليلات الانحدار والتوزيعات.
• TESTS: التبويب المتخصص في إجراء اختبارات الفروض الإحصائية وفترات الثقة لمختلف المعالم.

للانتقال إلى قائمة الاختبارات، نضغط على مفتاح السهم الأيمن [>] مرتين لتظليل التبويب TESTS. ستظهر قائمة مرقمة تحتوي على الاختبارات المتاحة. نقوم بالتمرير لأسفل باستخدام السهم السفلي [V] حتى نصل إلى الخيار الرابع وهو 4: 2-SampTTest… ثم نضغط على مفتاح ENTER للدخول إلى شاشة تهيئة اختبار t لعينتين مستقلتين. تجدر الإشارة هنا إلى ضرورة التمييز الدقيق بين هذا الاختبار وخيار 2-SampZTest؛ حيث يُستخدم اختبار Z فقط عندما يكون الانحراف المعياري للمجتمع ($\sigma$) معلوماً للباحث بصورة مسبقة، وهو أمر نادر الحدوث في الدراسات الواقعية التي تعتمد كلياً على الانحراف المعياري للعينة ($S$).

3.2 هيكل شاشة إدخال البيانات في 2-SampTTest

عند فتح شاشة 2-SampTTest، تظهر واجهة إدخال منظمة مصممة لاستيعاب كافة المعلمات اللازمة لحساب الاختبار بدقة. يحتوي السطر الأول المعنون بـ Inpt: على خيارين تبادليين لتحديد نمط إدخال البيانات:

• Data: يُحدد هذا الخيار عندما يمتلك الباحث البيانات الخام الأصلية لكل عنصر في المجموعتين مخزنة داخل قوائم الحاسبة.
• Stats: يُحدد هذا الخيار عندما يمتلك الباحث ملخصات إحصائية جاهزة (المتوسطات، الانحرافات المعيارية، وأحجام العينات) مستخرجة مسبقاً من تقارير أو أدبيات بحثية.

يتم التنقل بين مختلف الحقول والأسطر في الشاشة باستخدام مفاتيح الأسهم العلوية والسفلية. وعند الوقوف على أي خيار يتطلب الاختيار بين بدائل (مثل تحديد نمط الإدخال أو اتجاه الفرضية أو خيار التجميع)، يجب الضغط على مفتاح ENTER لتأكيد وتظليل الخيار المطلوب باللون الأسود. ويُنصح دائماً قبل البدء بالتأكد من عدم وجود بيانات قديمة متداخلة تؤثر على المعالجة، والحرص على إدخال القيم الرقمية بعناية ودون أي تداخل بين معلمات المجموعة الأولى ومعلمات المجموعة الثانية.

4. النمط الأول: إجراء الاختبار باستخدام الإحصاءات التلخيصية (Stats)

4.1 تحديد خيار الإدخال Stats وتجهيز المؤشرات المطلوبة

يُعد نمط Stats هو الأسلوب الأكثر شيوعاً عند حل التمارين الأكاديمية والمسائل الإحصائية المعتمدة على ملخصات البيانات في المراجع الدراسية. لتفعيل هذا النمط، نتأكد من وضع المؤشر على كلمة Stats في سطر Inpt: ثم نضغط على ENTER. ستتغير الشاشة فورياً لتعرض الحقول الرقمية الستة التالية المخصصة للعينتين:

• $\bar{x}1$: المتوسط الحسابي للعينة الأولى (Sample 1 Mean).
• $Sx1$: الانحراف المعياري للعينة الأولى (Sample 1 Standard Deviation).
• $n1$: حجم العينة الأولى (Sample 1 Size).
• $\bar{x}2$: المتوسط الحسابي للعينة الثانية (Sample 2 Mean).
• $Sx2$: الانحراف المعياري للعينة الثانية (Sample 2 Standard Deviation).
• $n2$: حجم العينة الثانية (Sample 2 Size).

نقوم بإدخال كل قيمة رقمية في حقلها المناسب، والضغط على ENTER للانتقال تلقائياً إلى الحقل الذي يليه. يجب التأكد من إدخال الأرقام بقيمها الموجبة لأحجام العينات والانحرافات المعيارية، مع مراعاة إمكانية قبول المتوسطات للقيم السالبة تبعاً لطبيعة المقياس المدروس.

4.2 التحقق من صحة المقاييس المدخلة ودقتها العددية

تعتمد دقة المخرجات التي تولدها آلة TI-84 على صحة المدخلات الرقمية في شاشة Stats. من الأخطاء المتكررة الشائعة في هذا السياق الخلط بين الانحراف المعياري للعينة ($S_x$) والانحراف المعياري للمجتمع ($\sigma_x$)، أو إدخال التباين ($S^2$) بدلاً من الانحراف المعياري. وفي حال كانت البيانات المتاحة في المسألة تقدم التباين بدلاً من الانحراف، يجب إدخال الجذر التربيعي للتباين في حقل $Sx$، وتتيح الحاسبة إمكانية كتابة العمليات الحسابية مباشرة داخل حقل الإدخال؛ مثل كتابة $\sqrt{16.5}$ والضغط على ENTER لتقوم الآلة بحساب القيمة تلقائياً.

علاوة على ذلك، ينبغي تجنب التقريب المسبق للأرقام، مثل تقريب المتوسط من 14.8571 إلى 14.9؛ إذ يؤدي هذا التراكم في أخطاء التقريب إلى تشويه قيمة t المحسوبة والتأثير على دقة القيمة الاحتمالية (p-value). كما يجب التحقق الصارم من الترتيب المنهجي للعينات؛ إذ إن تبديل معلمات العينة الأولى مع العينة الثانية سيؤدي إلى انعكاس إشارة قيمة t المحسوبة (من موجبة إلى سالبة أو العكس)، وهو ما قد يربك التفسير إذا كانت الفرضية البديلة مصاغة بصورة موجهة أحادية الطرف.

5. النمط الثاني: إجراء الاختبار باستخدام البيانات الخام (Data)

5.1 إدخال مجموعات البيانات في قوائم الحاسبة (Lists)

عندما تكون البيانات متاحة على شكل مصفوفات رقمية غير مجمعة من درجات المشاركين أو قراءات أجهزة القياس، يتم استخدام نمط Data. تتطلب هذه العملية أولاً تفريغ البيانات الخام وتخزينها داخل القوائم المخصصة في الحاسبة ($L_1$ للمجموعة الأولى و $L_2$ للمجموعة الثانية). للوصول إلى محرر القوائم، نتبع الخطوات التالية بدقة:

1. نضغط على مفتاح STAT، ثم نختار 1: Edit… بالضغط على ENTER.
2. ستظهر شاشة الجداول المقسمة إلى أعمدة تمثل القوائم $L_1, L_2, L_3 dots$.
3. إذا كانت القوائم تحتوي على بيانات سابقة، نتحرك بالمؤشر لأعلى لتظليل اسم القائمة (مثلاً $L_1$)، ثم نضغط على المفتاح CLEAR متبوعاً بـ ENTER (يجب الحذر التام من الضغط على مفتاح DEL أثناء تظليل اسم القائمة لأنه سيؤدي إلى حذف العمود بالكامل من الشاشة).
4. نقوم بإدخال درجات المجموعة الأولى عنصراً تلو الآخر في القائمة $L_1$ مع الضغط على ENTER بعد كل رقم.
5. ننتقل بالسهم الأيمن إلى القائمة $L_2$ وندخل درجات المجموعة الثانية بنفس الطريقة.

5.2 تكوين إعدادات 2-SampTTest للبيانات الخام

بعد الانتهاء من إدخال البيانات والتأكد من مطابقة عدد القيم في كل قائمة للبيانات الأصلية، نعود إلى قائمة الاختبارات بالضغط على STAT ثم الانتقال إلى TESTS واختيار 4: 2-SampTTest. في شاشة الإعدادات، نقوم بتظليل الخيار Data في سطر Inpt: والضغط على ENTER. ستتغير الحقول لتظهر الإعدادات الخاصة بالقوائم:

• List1: تمثل اسم القائمة التي تحتوي على بيانات المجموعة الأولى، وتكون مضبوطة افتراضياً على L1 (يمكن تغييرها عبر الضغط على [2nd] متبوعاً بالمفتاح [1]).
• List2: تمثل اسم القائمة للمجموعة الثانية، وتكون مضبوطة على L2 (عبر [2nd] + [2]).
• Freq1: تكرار مشاهدات العينة الأولى، ويجب أن تظل مضبوطة دائماً على القيمة 1 إلا إذا كانت المشاهدات مدخلة مسبقاً في جدول تكراري يحدد فيه عمود آخر تكرار كل قيمة.
• Freq2: تكرار مشاهدات العينة الثانية، وتُضبط دائماً على القيمة 1.

تضمن هذه الإعدادات أن الحاسبة ستقوم تلقائياً بحساب المتوسطات والانحرافات المعيارية وأحجام العينات من واقع القوائم المدخلة دون الحاجة إلى إجراء أي حسابات وصفية يدوية مسبقة، مما يقلل من احتمالية حدوث الأخطاء البشرية أثناء النقل والتحليل.

6. تحديد اتجاه الفرضية البديلة (Alternative Hypothesis)

6.1 صياغة الاختبار غير الموجه (ذو الطرفين: Two-Tailed)

في سطر الفرضيات على شاشة 2-SampTTest، والمحدد بالعبارة $\mu1:$، يُطلب من المستخدم تحديد طبيعة واتجاه الفرضية البديلة المستهدفة في التحليل. يتيح النظام ثلاثة خيارات رياضية تمثل الاتجاهات الإحصائية الممكنة لمقارنة $\mu_1$ بـ $\mu_2$.

الخيار الأول هو $\neq \mu2$، وهو يمثل الفرضية البديلة للاختبار ثنائي الطرفين (Two-Tailed Test):
$$H_a: \mu_1 \neq \mu_2 \quad \text{أو} \quad H_a: \mu_1 – \mu_2 \neq 0$$
يُستخدم هذا الخيار عندما يسعى الباحث إلى استكشاف وجود فارق جوهري بين المجموعتين دون تبني توقع نظري أو تجريبي مسبق يرجح كفة مجموعة على الأخرى. في هذا النمط، يتوزع مستوى الدلالة المعياري ($\alpha$) بالتساوي على طرفي المنحنى التوزيعي (${\alpha}/2$ في الطرف الأيمن و ${\alpha}/2$ في الطرف الأيسر)، مما يتطلب قيمة حرجة أكبر لرفض فرضية العدم مقارنة بالاختبار أحادي الطرف، مما يجعل هذا الاختبار أكثر صرامة ومحافظة في اتخاذ القرارات الإحصائية.

6.2 صياغة الاختبار الموجه (أحادي الطرف: One-Tailed)

يتيح النظام خيارين للاختبارات الأحادية الموجهة (One-Tailed Tests):

• $< \mu2$: يمثل الفرضية الأحادية السفلية أو اليسرى ($H_a: \mu_1 < \mu_2$)، ويُستخدم عندما تفترض النظرية البحثية المسبقة أن متوسط المجموعة الأولى سيكون أقل من متوسط المجموعة الثانية بصورة واضحة.
• $> \mu2$: يمثل الفرضية الأحادية العلوية أو اليمنى ($H_a: \mu_1 > \mu_2$)، ويُطبق عندما يكون التوقع البحثي الصارم أن أداء أو قياسات المجموعة الأولى ستتجاوز المجموعة الثانية.

في الاختبارات الأحادية، تتركز منطقة الرفض الإحصائية كاملة بمساحة ($\alpha$) في أحد طرفي التوزيع الاحتمالي. يرفع هذا التركيز من القوة الإحصائية للاختبار لرصد الفروق في ذلك الاتجاه المحدد، إلا أنه يتطلب تبريراً نظرياً قوياً ومستقلاً يسبق جمع البيانات وتحليلها؛ إذ إن اختيار الفرضية الأحادية بناءً على رؤية بيانات العينة المجمعة يعد ممارسة غير علمية تشوه معايير الاستدلال الإحصائي.

7. ضبط خيار التباين المجمع (Pooled Option)

7.1 مفهوم التباين المجمع (Pooled Variance) وأسسه الرياضية

يقع سطر Pooled: أسفل سطر الفرضيات البديلة مباشرة، ويخير المستخدم بين خيارين حاسمين هما: No و Yes. يحدد هذا الخيار كيفية تعامل الخوارزمية مع تباينات المجتمعات وتحديد معادلة حساب الخطأ المعياري ودرجات الحرية.

عند اختيار Pooled: Yes، فإننا نفترض تحقق فرضية تجانس التباين ($\sigma_1^2 = \sigma_2^2$). في هذه الحالة، تقوم الحاسبة بدمج تباين العينتين لإنشاء تقدير تباين مشترك موحد ($S_p^2$) وفق المعادلة الرياضية:

$$S_p^2 = \frac{(n_1 – 1)S_1^2 + (n_2 – 1)S_2^2}{n_1 + n_2 – 2}$$

ويتم احتساب الخطأ المعياري بناءً على هذا التقدير المجمع بالشكل التالي:

$$SE_{(\bar{x}_1 – \bar{x}_2)} = \sqrt{S_p^2 \left(\frac{1}{n_1} + \frac{1}{n_2}\right)}$$

وتكون درجات الحرية الناتجة في هذا النمط دائماً عدداً صحيحاً مساوياً لـ $df = n_1 + n_2 – 2$. يمنح هذا الخيار درجات حرية كاملة وقوة إحصائية أعلى، ولكنه غير دقيق إذا كان هناك اختلاف فعلي بين تبايني المجتمعين.

7.2 التباين غير المجمع (Welch-Satterthwaite Correction)

عند اختيار Pooled: No، يتم تطبيق اختبار ويلش (Welch’s t-test)، والذي لا يشترط نهائياً تساوي تباينات المجتمعات ($\sigma_1^2 \neq \sigma_2^2$). في هذا النمط، يُحسب الخطأ المعياري المباشر بصورة منفصلة لكل عينة وفق الصيغة التقليدية:

$$SE_{(\bar{x}_1 – \bar{x}_2)} = \sqrt{\frac{S_1^2}{n_1} + \frac{S_2^2}{n_2}}$$

وتُعالج درجات الحرية عبر تقريب ويلش-ساترثويت (Welch-Satterthwaite Equation) المعقد رياضياً:

$$df = \frac{\left(\frac{S_1^2}{n_1} + \frac{S_2^2}{n_2}\right)^2}{\frac{(S_1^2 / n_1)^2}{n_1 – 1} + \frac{(S_2^2 / n_2)^2}{n_2 – 1}}$$

تؤدي هذه المعادلة في الغالب إلى إنتاج درجات حرية تحتوي على كسور وأرقام عشرية (مثل $df = 21.36$). تؤكد الأدبيات الإحصائية الحديثة وتوصيات خبراء القياس أن اختيار Pooled: No هو الخيار الافتراضي الأكثر أماناً وموثوقية في الأبحاث العلمية والتطبيقية، نظراً لأنه يحافظ على معدل الخطأ من النوع الأول ($\alpha$) عند مستواه الحقيقي دون أي تضخيم، حتى وإن كانت التباينات متساوية فعلياً.

8. تنفيذ الحسابات وعرض المخرجات على شاشة TI-84

8.1 استخدام خيار الحساب الفوري (Calculate)

بعد إدخال وتأكيد كافة المعلمات وتحديد خيار التجميع المطلوب، نصل إلى السطر الأخير في شاشة الإعدادات والذي يتضمن أمرين تنفيذيين: Calculate و Draw. عند وضع المؤشر على Calculate والضغط على مفتاح ENTER، تُجري الحاسبة العمليات المصفوفية وتنتقل مباشرة إلى شاشة المخرجات الرقمية الكاملة.

تتضمن الشاشة الناتجة ملخصاً شاملاً لنتائج الاختبار، مرتبة كما يلي:

• السطر الأول: صياغة الفرضية البديلة المختارة (مثلاً $\mu_1 \neq \mu_2$).
• قيمة t: القيمة الإحصائية المحسوبة للاختبار وتظهر مقربة لعدة منازل عشرية.
• قيمة p: القيمة الاحتمالية الدقيقة المقابلة لقيمة t المحسوبة مع درجات الحرية.
• df: درجات الحرية المحسوبة (تظهر ككسر عشري في حالة اختيار Pooled: No أو كعدد صحيح في حالة Pooled: Yes).
• الأسطر اللاحقة: ملخص الإحصاءات الوصفية للعينتين ($\bar{x}_1, \bar{x}_2, Sx_1, Sx_2, n_1, n_2$)، بالإضافة إلى قيمة الانحراف المجمع $Sxp$ في حال تم اختيار Pooled: Yes.

8.2 استخدام خيار الرسم البياني للتوزيع (Draw)

إذا اخترنا الأمر Draw بدلاً من Calculate وضغطنا على ENTER، ستقوم حاسبة TI-84 بمسح الشاشة ورسم منحنى توزيع t لدرجات الحرية المحددة في المسألة بصورة بيانية مرئية. توضح الحاسبة على الرسم موضع قيمة t المحسوبة بدقة، وتقوم بتظليل المساحة الواقعة في أطراف المنحنى والتي تمثل القيمة الاحتمالية (p-value)، مع كتابة قيمتي $t$ و $p$ في الجزء السفلي من الشاشة.

يساعد هذا العرض البصري الباحث على إدراك موقع العينة بالنسبة لمنطقة الرفض ومنطقة القبول. وتجدر الإشارة إلى أنه في حال ظهور رسالة خطأ مثل ERR:INVALID DIM أو تداخل في الرسوم، فإن ذلك يعود عادة إلى تفعيل إحدى دوال الرسم في محرر المعادلات [Y=] أو وجود مخطط إحصائي مفعل في [STAT PLOT]، مما يتطلب إيقاف تفعيل تلك الرسوم قبل استخدام أمر Draw.

9. تفسير المخرجات الإحصائية واتخاذ القرار العلمي

9.1 مقارنة القيمة الاحتمالية (p-value) بمستوى الدلالة ($\alpha$)

ترتكز عملية اتخاذ القرار الإحصائي على القاعدة المعيارية الصارمة للمقارنة بين القيمة الاحتمالية (p-value) ومستوى الدلالة المحدد مسبقاً في الدراسة ($\alpha$ – والذي يُحدد عادة عند 0.05 أو 0.01 أو 0.001):

• إذا كانت $p le \alpha$: نرفض فرضية العدم ($H_0$) ونقبل الفرضية البديلة ($H_a$). ويُفسر ذلك بوجود فارق ذي دلالة إحصائية بين متوسطي المجموعتين لا يمكن عزوه لعوامل الصدفة وحدها.
• إذا كانت $p > \alpha$: نفشل في رفض فرضية العدم ($H_0$). ويُفسر ذلك بعدم كفاية الأدلة الإحصائية لإثبات وجود فرق حقيقي بين المجموعتين عند مستوى الدلالة المعتمد.

من الضروري جداً الانتباه إلى كيفية عرض الأرقام الصغيرة جداً على شاشة الحاسبة؛ فعندما تكون القيمة الاحتمالية بالغة الصغر، تظهر الحاسبة القيمة باستخدام التدوين العلمي (Scientific Notation)، مثل p = 3.4512E-4، والتي تعني رياضياً $3.4512 times 10^{-4} = 0.00034512$. وقد يقع بعض الباحثين المبتدئين في خطأ قراءة الرقم على أنه 3.45 والاعتقاد خطأً بأنه أكبر من 0.05، في حين أنه أصغر بكثير من مستوى الدلالة ويتطلب رفضاً قاطعاً لفرضية العدم.

9.2 حجم الأثر (Effect Size) والمغزى العملي للفروق

إن الوصول إلى دلالة إحصائية (رفض $H_0$) لا يعني بالضرورة أن الفارق الملاحظ ذو أهمية تطبيقية أو عملية؛ إذ إن أحجام العينات الكبيرة جداً قد تجعل من الفروق التافهة رياضياً فروقاً دالة إحصائياً. ولذلك، تفرض الهيئات العلمية العالمية، مثل الجمعية الأمريكية لعلم النفس (APA)، تدعيم اختبار t بحساب مقياس حجم الأثر (Effect Size)، وأشهره معامل كوهين (Cohen’s d).

يُحسب معامل كوهين d يدوياً بالاعتماد على المخرجات المعروضة على شاشة حاسبة TI-84 باستخدام الصيغة الرياضية التالية:

$$d = \frac{\bar{x}_1 – \bar{x}_2}{S_{\text{pooled}}} \quad \text{أو} \quad d = \frac{\bar{x}_1 – \bar{x}_2}{\sqrt{\frac{S_1^2 + S_2^2}{2}}}$$

وتُفسر قيم معامل كوهين وفق المعايير الإرشادية القياسية التالية:

• أثر صغير ($d \approx 0.2$): يمثل فارقاً محدوداً يصعب ملاحظته بالعين المجردة في الميدان التطبيقي.
• أثر متوسط ($d \approx 0.5$): يمثل فارقاً ملحوظاً ذو أهمية معتبرة في الممارسات التطبيقية.
• أثر كبير ($d ge 0.8$): يمثل فارقاً قوياً وجوهرياً يعكس تأثيراً بالغ الأهمية للمعالجة التجريبية.

10. دراسة حالة تطبيقية مفصلة خطوة بخطوة

10.1 سيناريو التجربة والبيانات العددية المجمعة

لتوضيح التطبيق العملي الكامل والشامل على حاسبة TI-84، نفترض أن فريقاً بحثياً في هندسة المحركات أجرى تجربة لتقييم كفاءة نوع جديد من الإضافات الكيميائية للوقود بهدف تقليل معدل الاستهلاك. تم تقسيم 24 سيارة متطابقة ميكانيكياً بصورة عشوائية تماماً إلى مجموعتين متساويتين ($n_1 = 12, n_2 = 12$):

• المجموعة الأولى (الضابطة – بدون إضافات): حققت متوسط مسافة مقطوعة $\bar{x}_1 = 21.00$ ميلاً/غالون، بانحراف معياري قدره $Sx_1 = 2.73$.
• المجموعة الثانية (التجريبية – مع الإضافة الكيميائية): حققت متوسط مسافة مقطوعة $\bar{x}_2 = 22.75$ ميلاً/غالون، بانحراف معياري قدره $Sx_2 = 3.25$.

المطلوب: فحص ما إذا كان هناك فارق حقيقي ذو دلالة إحصائية بين متوسطي كفاءة الوقود للمجموعتين عند مستوى دلالة $\alpha = 0.05$.

صياغة الفرضيات:

• فرضية العدم: $H_0: \mu_1 – \mu_2 = 0$ (لا يوجد فرق بين كفاءة الوقود العادي والوقود المعالج).
• الفرضية البديلة (ثنائية الطرفين): $H_a: \mu_1 – \mu_2 \neq 0$ (يوجد فرق بين كفاءة المجموعتين).

10.2 التطبيق الإجرائي الكامل على حاسبة TI-84

نقوم بتنفيذ خطوات المعالجة على الآلة الحاسبة بالتسلسل الدقيق التالي:

1. نضغط على المفتاح STAT ثم نتحرك يميناً إلى قائمة TESTS.
2. نختار الخيار الرابع 4: 2-SampTTest ونضغط على ENTER.
3. في سطر Inpt: نحدد الخيار Stats ونضغط على ENTER.
4. نقوم بإدخال معطيات المجموعة الأولى في الحقول المخصصة:
   • $\bar{x}_1 = 21.00$ ثم نضغط ENTER.
   • $Sx_1 = 2.73$ ثم نضغط ENTER.
   • $n_1 = 12$ ثم نضغط ENTER.
5. نقوم بإدخال معطيات المجموعة الثانية:
   • $\bar{x}_2 = 22.75$ ثم نضغط ENTER.
   • $Sx_2 = 3.25$ ثم نضغط ENTER.
   • $n_2 = 12$ ثم نضغط ENTER.
6. في سطر الفرضية البديلة $\mu1:$، نحدد الخيار الأول $\neq \mu2$ ونضغط ENTER.
7. في سطر التجميع Pooled:، نحدد الخيار No لتطبيق اختبار ويلش الأكثر أماناً ونضغط ENTER.
8. ننزل إلى السطر الأخير ونختار Calculate ثم نضغط على ENTER.

ستظهر شاشة المخرجات النتائج الحسابية الدقيقة التالية:

• $\mu1 \neq \mu2$
• $t = -1.4242$
• $p = 0.1689$
• $df = 21.366$
• $\bar{x}_1 = 21, \bar{x}_2 = 22.75, Sx_1 = 2.73, Sx_2 = 3.25, n_1 = 12, n_2 = 12$

10.3 الاستنتاج الإحصائي وصياغة القرار النهائي للدراسة

بمراجعة النتائج الإحصائية المستخرجة من شاشة حاسبة TI-84، نجد أن القيمة الاحتمالية المحسوبة هي $p = 0.1689$. وبمقارنة هذه القيمة بمستوى الدلالة المعتمد في التجربة ($\alpha = 0.05$):

$$p = 0.1689 > 0.05$$

وبناءً على القاعدة الإحصائية، فإننا نفشل في رفض فرضية العدم ($H_0$). ويعني هذا القرار عدم وجود أدلة إحصائية كافية تدعم الادعاء بأن الإضافة الكيميائية للوقود تحدث فارقاً جوهرياً في معدل استهلاك الوقود للمركبات عند مستوى ثقة 95%، وأن الفارق الملاحظ بين المتوسطين (1.75 ميلاً/غالون) يمكن عزوه كلياً إلى التباين العشوائي في عينة الدراسة الصدفية.

11. الأخطاء الشائعة واستكشاف المشكلات وحلها على TI-84

11.1 أخطاء الإدخال والخلط بين الرموز الإحصائية

أثناء التعامل مع اختبارات الفروض على آلة TI-84، قد يواجه المستخدمون مجموعة من الأخطاء التشغيلية الشائعة التي تمنع تنفيذ الحسابات أو تؤدي إلى استخراج نتائج غير دقيقة:

• رسالة الخطأ ERR:DIM MISMATCH: تظهر هذه الرسالة عند استخدام نمط Data مع قوائم تحتوي على أعداد غير متساوية من البيانات في حال كان هناك ارتباط مفترض، أو عند محاولة تنفيذ عمليات مصفوفية غير متطابقة، ويتم حل المشكلة بمراجعة محرر القوائم للتأكد من خلو الخلايا الإضافية من أي أرقام عشوائية متبقية.
• رسالة الخطأ ERR:DATA TYPE: تحدث عندما يُدخل المستخدم نصوصاً أو رموزاً غير مقبولة في الحقول الرقمية المخصصة للقيم والإحصاءات الوصفية.
• الخلط بين مفتاح السالب وعلامة الطرح: تتطلب حاسبة TI-84 استخدام المفتاح المخصص للإشارة السالبة [(-)] الواقع بجوار مفتاح ENTER لإدخال القيم السالبة (مثل المتوسطات أو الفروق السالبة)، وليس مفتاح عملية الطرح الحسابية [-] الذي يؤدي استخدامه إلى إيقاف العملية وظهور خطأ ERR:SYNTAX.
• إدخال التباين بدلاً من الانحراف المعياري: يقع العديد من الطلاب في خطأ إدخال قيمة التباين $S^2$ في حقل $Sx$، مما يضخم التشتت المعياري بصورة هائلة ويقود إلى قيم $t$ شديدة الصغر وقيم احتمالية مضللة.

11.2 مشكلات التفسير وسوء قراءة النتائج

إلى جانب أخطاء الإدخال الرقمي، تبرز مجموعة من الأخطاء التفسيرية التي تشوه الاستنتاجات العلمية المستخلصة من شاشات الحاسبة:

• تجاهل الترميز العلمي للقيمة الاحتمالية: عدم ملاحظة حرف $E$ في نهاية الرقم (مثل قراءة $1.2E-5$ على أنها 1.2)، مما يؤدي إلى اتخاذ قرار معاكس تماماً لحقيقة النتيجة برفض فرضية العدم في حين أنها دالة جداً.
• الاعتماد الحصري على إشارة قيمة t: يعتقد البعض أن القيمة السالبة لـ t تعني رفض الفرضية، في حين أن الإشارة تدل فقط على أن متوسط العينة الأولى كان أقل عددياً من متوسط العينة الثانية ($\bar{x}_1 < \bar{x}_2$) ولا علاقة لها بالدلالة الإحصائية التي تُحدد فقط عبر القيمة المطلقة لـ t ومقارنة p بمستوى $\alpha$.
• افتراض إثبات العدم: الوقوع في المغالطة المنطقية الشائعة بتفسير عدم وجود دلالة إحصائية ($p > 0.05$) على أنه “إثبات قاطع بأن المجموعتين متطابقتان تماماً”، في حين أن المعنى الإحصائي الدقيق هو “عجز البيانات المتاحة عن تقديم دليل كافٍ على وجود الفارق”.

12. أفضل الممارسات وكتابة التقارير الإحصائية المعتمدة

12.1 صياغة وتوثيق نتائج اختبار t وفق أسلوب APA

يتطلب توثيق النتائج الإحصائية في الأبحاث والمجلات العلمية المحكمة الالتزام الدقيق بالدليل الإرشادي لـ رابطة علم النفس الأمريكية (APA Style – الإصدار السابع). يتضمن التقرير القياسي لاختبار t ذكر المتوسطات والانحرافات المعيارية لكل مجموعة، متبوعة بعبارة الاختبار الإحصائي المنسقة والتي تدمج قيمة t، درجات الحرية الفعلية، القيمة الاحتمالية، وحجم الأثر.

قالب التوثيق المعياري:

$$t(df) = t_{\text{value}}, p = p_{\text{value}}, d = d_{\text{value}}$$

نموذج التوثيق لدراسة الحالة السابقة:
“أظهرت نتائج اختبار t للعينات المستقلة (بتطبيق تصحيح ويلش لعدم تجانس التباين) عدم وجود فارق ذي دلالة إحصائية في كفاءة استهلاك الوقود بين المجموعة الضابطة ($M = 21.00, SD = 2.73$) والمجموعة التجريبية المعالجة ($M = 22.75, SD = 3.25$)؛ حيث بلغت قيمة الاختبار $t(21.37) = -1.42$، بقيمة احتمالية $p = .169$، وبحجم أثر متوسط بلغ $d = 0.58$. وتشير هذه النتائج إلى أن الفروق الملاحظة في كفاءة الوقود تعود على الأرجح إلى أخطاء المعاينة الصدفية.”

12.2 إرشادات عامة لضمان النزاهة الإحصائية والدقة البحثية

لضمان أعلى درجات الموثوقية والمصداقية العلمية عند إجراء التحليلات الإحصائية عبر حاسبة TI-84، ينبغي على الباحثين اتباع الإرشادات المنهجية التالية:

• التوثيق المزدوج: يُفضل دائماً توثيق مخرجات الحاسبة ومقارنتها بنتائج برمجيات التحليل الإحصائي القياسية المتقدمة مثل مشروع R الإحصائي أو SPSS للتحقق من تطابق النتائج والاطلاع على فترات الثقة (Confidence Intervals) المرافقة للتحليل.
• تجنب الصيد الإحصائي (p-hacking): يُحظر تماماً التبديل العشوائي بين خيارات التباين المجمع (Pooled: Yes/No) أو التبديل بين الفرضيات الأحادية والثنائية بعد رؤية النتائج بهدف الحصول على قيمة $p < 0.05$، إذ يجب تحديد كل هذه الخيارات المنهجية بصورة مسبقة (A priori) وقبل البدء في جمع البيانات.
• الشفافية الكاملة في التقرير: تقديم تقرير متكامل يشمل وصف العينات، التحقق من الافتراضات الإحصائية، درجات الحرية الدقيقة، وعرض كافة النتائج بشفافية سواء كانت دالة إحصائياً أو غير دالة لدعم التراكم المعرفي الرصين.

الخاتمة

يمثل اختبار t لعينتين مستقلتين على آلة الحاسبة البيانية TI-84 أداة تحليلية قوية تجمع بين الكفاءة الرياضية وسهولة التنفيذ الميداني والأكاديمي. ومن خلال استيعاب الأسس النظرية للاختبار، والتحقق المنهجي من استيفاء افتراضات الاعتدالية وتجانس التباين، والتمكن من ضبط معلمات شاشة 2-SampTTest بدقة (سواء عبر البيانات التلخيصية أو القوائم الخام)، يستطيع الباحثون والطلاب استخراج مؤشرات إحصائية دقيقة تتيح لهم اختبار الفرضيات، وتفسير الظواهر العلمية، واتخاذ القرارات الاستدلالية الموثوقة بكفاءة واقتدار.

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
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Moore, D. S., Notz, W. I., & Fligner, M. A. (2021). The basic practice of statistics (9th ed.). W. H. Freeman and Company.
• Texas Instruments. (2020). TI-84 Plus CE reference guide. Texas Instruments Incorporated. https://education.ti.com/
• Welch, B. L. (1947). The generalization of ‘Student’s’ problem when several different population variances are involved. Biometrika, 34(1/2), 28–35. https://doi.org/10.2307/2332510