كيفية إجراء اختبار ثنائي الحد في إكسيل

تُعد معالجة البيانات الفئوية وتحديداً البيانات الثنائية (Dichotomous Data) من الركائز الأساسية في الإحصاء الاستدلالي التطبيقي، لاسيما في مجالات العلوم النفسية والاجتماعية والسريرية التي تعتمد على تصنيف استجابات الأفراد وسلوكياتهم إلى مخرجات حصرية مزدوجة؛ كالنجاح أو الفشل، والموافقة أو الرفض، ووجود السمة المرضية أو غيابها. وفي سياق هذا التوصيف الإحصائي، يبرز اختبار ثنائي الحد (Binomial Test) كأحد أقدم وأدق الاختبارات اللامعلمية المصممة لاختبار الفرضيات المتعلقة بنسب حدوث هذه الاستجابات ومقارنتها بنسب نظرية محددة سلفاً ناتجة عن الصدفة المحضة أو المعايير القياسية المعمول بها في الأدبيات العلمية.

وعلى الرغم من توافر العديد من الحزم البرمجية الإحصائية المتخصصة والمغلقة، إلا أن بيئة برنامج مايكروسوفت إكسيل (Microsoft Excel) تمنح الباحثين والمحللين مرونة استثنائية، وشفافية حسابية قل نظيرها في تتبع تدفق البيانات الرياضية وتحليلها بصورة تفصيلية. يتيح إكسيل إمكانية الانتقال من مرحلة معالجة البيانات الأولية المجردة إلى حساب الدوال التراكمية والاحتمالية بدقة بالغة، مع القدرة على بناء نماذج ديناميكية مخصصة لاختبار الفرضيات الأحادية والثنائية الذيل دون الاعتماد على التقديرات التقريبية التي قد تشوب بعض الاختبارات البارامترية الأخرى عند صغر حجم العينة.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الجوانب النظرية والرياضية والتطبيقية لاختبار ثنائي الحد، وتوضيح كيفية تنفيذه بدقة متناهية عبر برنامج إكسيل. وسيتناول المقال الأسس الإبستمولوجية للاختبار، وتفصيل دواله الإحصائية المتخصصة، والخطوات الإجرائية لمعالجة البيانات وتفسير القيم الاحتمالية ومقاييس حجم الأثر، مع استعراض دراسات حالة تطبيقية مقتبسة من واقع الأبحاث النفسية والسلوكية، ومقارنة هذا الأسلوب بالاختبارات البديلة، وصولاً إلى أفضل الممارسات لتوثيق النتائج وفق المعايير الدولية لجمعية علم النفس الأمريكية (APA).

1. مقدمة شاملة لاختبار ثنائي الحد وأهميته الإحصائية

1.1 مفهوم اختبار ثنائي الحد وتعريفه الأكاديمي

يُعرَّف اختبار ثنائي الحد في الأدبيات الإحصائية الرصينة بأنه اختبار فرضيات لامعلمي (Non-parametric Test) دقيق (Exact Test) يُستخدم لتحديد ما إذا كانت النسبة الملاحظة للأحداث في عينة أحادية من البيانات الثنائية تتفق مع نسبة متوقعة نظرياً أو مفترضة في المجتمع الأصلي. يعتمد الاختبار بشكل جوهري على التوزيع الاحتمالي لثنائي الحد، حيث يتم حصر فضاء العينة لكل مشاهدة في نتيجتين محتملتين ومتنافيتين يُصطلح على تسميتهما مجازاً بـ “النجاح” (Success) و”الفشل” (Failure)، بغض النظر عن الدلالة اللغوية أو المعنوية لهاتين الكلمتين في السياق البحثي.

تكمن الطبيعة الأكاديمية لهذا الاختبار في قدرته على مقارنة التكرارات الملاحظة (Observed Frequencies) بالتكرارات المتوقعة (Expected Frequencies) الناتجة عن الصدفة؛ ففي اختبار التفضيل الإدراكي على سبيل المثال، إذا طُلب من المفحوص الاختيار بين منبهين بصريين متكافئين، فإن الفرضية الصفرية تفترض أن احتمال اختيار منبه بعينه يساوي 0.50. يعمل الاختبار على حساب الاحتمال الرياضي الدقيق للحصول على عدد النجاحات الملاحظة أو نتيجة أكثر تطرفاً في ظل افتراض صحة هذه الفرضية، مما يوفر أرضية استدلالية متينة لرفض الصدفة أو قبولها.

يختلف هذا الاختبار جذرياً عن الاختبارات البارامترية الموجهة للمتغيرات الكمية المتصلة مثل اختبار ت للعينات المستقلة (Student’s t-test)؛ إذ لا يفترض اختبار ثنائي الحد أن البيانات تتبع التوزيع الطبيعي، ولا يتطلب قياساً على مقياس فئوي أو نسبي، بل يتعامل حصراً مع المتغيرات الاسمية الثنائية (Nominal Dichotomous Variables). هذه الميزة تجعله أداة محورية في الدراسات السلوكية والنفسية التي تختبر القرارات المنفصلة، مثل قياس حدس اتخاذ القرار، أو اختبارات التمييز الحسي، أو تقييم نجاح التدخلات السلوكية الفورية القائمة على الاستجابة أو الامتناع.

1.2 دواعي استخدام اختبار ثنائي الحد بدلاً من الاختبارات الأخرى

تتعدد الدواعي المنهجية التي تفرض على الباحث استخدام اختبار ثنائي الحد كخيار أول بدلاً من البدائل الإحصائية الأخرى. يأتي في مقدمة هذه الدواعي ملاءمته المطلقة للعينات متناهية الصغر (Small Sample Sizes)؛ حيث تعاني الاختبارات التقريبية الشائعة، مثل اختبار النسبة المعياري Z (Z-test for proportions) أو اختبار مربع كاي لجودة التوفيق (Chi-Square Goodness of Fit)، من قصور حاد في الدقة الرياضية إذا كان حجم العينة الكلي صغيراً أو إذا كانت التكرارات المتوقعة في أي خلية تقل عن الحدود الدنيا المعيارية (مثل تكرار متوقع أقل من 5).

يقوم اختبار ثنائي الحد بحساب الاحتمال المباشر الدقيق (Exact Probability) دون اللجوء إلى تقريب التوزيع المنفصل إلى توزيع متصل مستمر كالتوزيع الطبيعي. هذا الاستغناء عن التقريب يلغي التحيزات الناتجة عن خطأ التقريب الرياضي، ويمنح الباحث ثقة تامة في صحة القيمة الاحتمالية الناتجة (P-value). كما تبرز الحاجة الماسة لهذا الاختبار عند دراسة الظواهر النادرة (Rare Events) التي تتميز باحتمال نجاح نظري بالغ الانخفاض (مثل 0.05 أو 0.01)؛ إذ تفشل اختبارات كاي تربيع في التعامل مع هذا التوزيع الملتوي للغاية، بينما يحتفظ التوزيع الثنائي بكامل دقته التحليلية.

علاوة على ذلك، يتميز اختبار ثنائي الحد بالبساطة المنهجية المباشرة في الربط بين منطق السؤال البحثي والمعالجة الرياضية. فبدلاً من حساب درجات حرية وتوزيعات تباين معقدة، يُترجم الاختبار مباشرة الفرضيات إلى أعداد صحيحة من النجاحات من أصل عدد ثابت من المحاولات، مما يقلل من احتمالات ارتكاب أخطاء في النمذجة أو إساءة تفسير المعاملات الإحصائية في الدراسات ذات البنية التجريبية الثنائية الخالصة.

1.3 أهمية تنفيذ التحليل الإحصائي عبر برنامج ميكروسوفت إكسيل

يمثل استخدام برنامج مايكروسوفت إكسيل في إجراء اختبار ثنائي الحد خطوة استراتيجية تجمع بين سهولة الوصول والكفاءة التحليلية العالية. ففي حين تتطلب الحزم الإحصائية المتقدمة مثل SPSS أو SAS أو R تكاليف ترخيص مرتفعة أو معرفة برمجية معمقة بكتابة الأكواد، يتيح إكسيل بيئة عمل تفاعلية مرنة ومتاحة لمعظم الباحثين والمؤسسات الأكاديمية دون أي أعباء مالية إضافية، مع إمكانية مراجعة العمليات الحسابية خطوة بخطوة.

تمنح الجداول الحسابية في إكسيل الباحث قدرة لا تضاهى على التحكم التام في بناء المعادلات الإحصائية؛ حيث يمكن للمحلل فحص مسار الحساب الاحتمالي لكل تكرار بشكل منفرد والجمع بين دوال التوزيع الكتلي والتراكمي دون أن تتحول العملية إلى “صندوق أسود” لا تظهر منه سوى النتيجة النهائية. يعزز هذا الفهم الشفاف للعمليات الرياضية من التفكير النقدي لدى الباحث ويضمن عدم وقوعه في فخ التفسيرات الخاطئة للقيم الاحتمالية المجمعة تلقائياً في بعض البرمجيات الجاهزة.

بالإضافة إلى ذلك، يوفر إكسيل إمكانيات قوية لأتمتة الاختبارات عبر بناء قوالب جاهزة قابلة للتكرار (Reusable Templates). فبمجرد إدخال الصيغ الرياضية وتنسيق الخلايا، يمكن للباحث تحديث حجم العينة والتكرارات الملاحظة وتغيير الفرضيات من أحادية الذيل إلى ثنائية الذيل لتحديث جميع النتائج تلقائياً في أجزاء من الثانية. تتكامل هذه الكفاءة الحسابية مع أدوات التصور البصري المتقدمة في البرنامج، مما يتيح رسم التوزيعات الاحتمالية ومناطق الرفض الإحصائي بصورة بيانية احترافية تدعم إعداد التقارير العلمية والنشر الأكاديمي.

2. الأسس الرياضية والنظرية لاختبار ثنائي الحد

2.1 توزيع ثنائي الحد وتجربة برنولي الرياضية

يرتكز اختبار ثنائي الحد بالكامل على النظرية الاحتمالية لـ تجارب برنولي (Bernoulli Trials)، والتي صاغها عالم الرياضيات السويسري جاكوب برنولي. تُعرَّف تجربة برنولي بأنها تجربة عشوائية منفردة تمتلك نتيجتين متنافيتين وشاملتين تماماً: النتيجة الأولى تُسمى عادة “النجاح” وتأخذ القيمة الاحتمالية النمطية (p)، والنتيجة الثانية تُسمى “الفشل” وتأخذ القيمة الاحتمالية المكملة (q) حيث تنص القاعدة الجبرية على أن q = 1 – p، مما يضمن أن مجموع احتمالات الفضاء الكلي يساوي دائماً 1 صحيح.

عند تكرار تجربة برنولي لعدد ثابت من المرات المستقلة مقداره (n)، يتحول النظام الاحتمالي إلى ما يُعرف بـ التوزيع ثنائي الحد (Binomial Distribution). يشترط هذا التوزيع شرطين جوهريين لا يقبلان التهاون الرياضي: أولهما الاستقلالية التامة بين جميع المحاولات (Independence of Trials)، بحيث لا تؤثر نتيجة أي محاولة سابقة أو لاحقة على احتمالية حدوث المحاولات الأخرى. والشرط الثاني هو الثبات المطلق لاحتمالية النجاح (p) عبر جميع المحاولات التجريبية دون أن يطرأ عليها أي تغيير نتيجة التكرار أو استنفاد عناصر مجتمع الدراسة.

يتم التعبير عن السلوك الاحتمالي لمتغير عشوائي ثنائي منفصل X يتبع توزيع ثنائي الحد بالرمز الرياضي X ~ B(n, p). ولتحديد هذا التوزيع بدقة، تُستخدم دالة كتلة الاحتمال (Probability Mass Function – PMF) لحساب احتمال الحصول على عدد محدد من النجاحات (k)، بينما تُستخدم دالة التوزيع التراكمي (Cumulative Distribution Function – CDF) لحساب الاحتمال التراكمي للحصول على عدد من النجاحات يقل عن أو يساوي قيمة معينة P(X ≤ k)، وهي الركيزة الأساسية لحساب القيمة الاحتمالية في اختبارات الفرضيات.

2.2 المعادلة الرياضية لاختبار ثنائي الحد

تعتمد المعادلة الرياضية الأساسية لحساب الاحتمال النقطي لعدد نجاحات (k) في (n) من المحاولات المستقلة على دمج مبادئ التوافيق الرياضية (Combinations) بقوانين ضرب الاحتمالات المستقلة. تُعطى صيغة دالة كتلة الاحتمال بالشكل الرياضي الآتي:

P(X = k) = C(n, k) * p^k * (1 – p)^{(n – k)}

حيث يمثل الرمز C(n, k) عدد التوافيق الممكنة لاختيار (k) من النجاحات من بين (n) من المحاولات بصرف النظر عن ترتيب حدوثها، ويُحسب التوافيق جبرياً وفق صيغة المضروب (Factorials) كالتالي: C(n, k) = n! / [k! * (n – k)!]. يعبر الشق الثاني من المعادلة p^k عن احتمال وقوع النجاحات في مسار محدد، بينما يعبر الشق الثالث (1 – p)^{(n – k)} عن احتمال وقوع الإخفاقات المتبقية في نفس المسار التجريبي.

تتميز المعالم الإحصائية للتوزيع الثنائي ببنية رياضية واضحة ومحددة بالبارامترين الأساسيين (n و p)؛ حيث تُحسب القيمة المتوقعة أو المتوسط الحسابي للتوزيع عبر المعادلة: μ = E(X) = n * p. أما التباين الإحصائي (Variance) فيُحسب من خلال المعادلة: σ² = Var(X) = n * p * (1 – p)، وبالتالي يكون الانحراف المعياري (Standard Deviation) هو الجذر التربيعي الموجب لحاصل ضرب هذه العوامل الثلاثة: σ = √(n * p * (1 – p)).

يتأثر شكل التوزيع الثنائي بقيمة الاحتمال النظري (p)؛ فإذا كانت p = 0.50، يكون التوزيع متماثلاً تماماً (Symmetrical) حول قيمته المتوقعة، ويأخذ شكلاً جرسياً منفصلاً يشبه التوزيع الطبيعي. أما إذا كانت p ≠ 0.50، فإن التوزيع يصبح ملتوياً (Skewed)؛ حيث يظهر التواء موجب نحو اليمين إذا كانت p < 0.50، بينما يظهر التواء سالب نحو اليسار إذا كانت p > 0.50. وتلعب هذه الخاصية دوراً حاسماً في كيفية حساب القيمة الاحتمالية للاختبارات ثنائية الذيل كما سيتم تفصيله لاحقاً.

2.3 سياقات التطبيق في بحوث العلوم النفسية والسلوكية

يجد اختبار ثنائي الحد تطبيقات بالغة الأهمية في مجالات العلوم النفسية والعلوم السلوكية العصبية، حيث تتطلب العديد من النماذج التجريبية إجبار المفحوص على اتخاذ قرار بين بديلين حصرين (Forced-Choice Tasks). في دراسات الإدراك البصري والحسي، يُستخدم الاختبار لقياس ما إذا كان المفحوص قادراً على كشف منبه تحت عتبة الوعي الحسي (Subliminal Perception) بمعدل يتجاوز نسبة التخمين العشوائي البالغة 50%، مما يدل على وجود معالجة عقلية للمنبه رغم غياب الإدراك الواعي.

وفي علم النفس المعرفي وبحوث اتخاذ القرار تحت المخاطرة وعدم اليقين، يُطبق اختبار ثنائي الحد لتحليل خيارات المستهلكين أو تفضيلات المتداولين المالية بين خيارين استثماريين؛ بهدف إثبات ما إذا كان سلوك التفضيل مدفوعاً بانحياز معرفي ممنهج (Systematic Cognitive Bias) أم مجرد تقلبات سلوكية عشوائية. إن إثبات تفضيل 35 مفحوصاً من أصل 45 لخيار معين يمثل تطبيقاً كلاسيكياً لاختبار ثنائي الحد لتأكيد انحياز الاختيار.

أما في علم النفس السريري وبحوث العلاج السلوكي المعرفي، يُعد الاختبار أداة حاسمة لتقييم الفاعلية الإكلينيكية المباشرة للبرامج العلاجية القصيرة. ففي تجارب التدخل لعلاج الرهاب أو الإقلاع عن الإدمان، يتم تصنيف الحالات عند انتهاء البرنامج التدخلي إلى فئتين: “تعافي كامل” أو “استمرار الأعراض”. ومن ثم يُقارن معدل التعافي الملاحظ بالمعدل التاريخي المسجل للشفاء التلقائي دون علاج؛ لإثبات الأثر الإيجابي المستقل للتقنية العلاجية الجديدة.

3. شروط وافتراضات تطبيق اختبار ثنائي الحد في إكسيل

3.1 طبيعة البيانات والمخرجات الثنائية

يتطلب التطبيق الصحيح لاختبار ثنائي الحد توافقاً صارماً مع طبيعة البيانات المتناسبة مع هذا النموذج الرياضي. يُشترط أن يكون المتغير التابع متغيراً نوعياً اسمياً يتكون من مستويين متنافيين (Mutually Exclusive) وشاملين تماماً (Exhaustive). هذا يعني منطقياً أن كل مشاهدة تجريبية يجب أن تنتمي بصورة قاطعة إلى إحدى الفئتين دون أي تداخل، ولا يمكن لأي مفحوص أو وحدة تجريبية أن تجمع بين النتيجتين في نفس المحاولة أو تسجل نتيجة غير معرفة خارج الفئتين.

في العديد من الدراسات الميدانية، يواجه الباحث بيانات متعددة الفئات (Polytomous Data) أو بيانات قياس ترتيبي (Ordinal Scale). في مثل هذه السيناريوهات، تقتضي المنهجية إعادة ترميز البيانات (Recoding) لتحويلها إلى صيغة ثنائية قبل إدخالها في إكسيل؛ مثل تحويل استجابات مقياس ليكارت الخماسي إلى فئتين: “موافق” (بدمج موافق بشدة وموافق) و”غير موافق” (بدمج غير موافق بشدة، غير موافق، والمحايد). ومع ذلك، يجب توخي الحذر الشديد لضمان ألا يؤدي هذا التحويل الثنائي إلى فقدان معلومات جوهرية في البيانات قد تستدعي استخدام اختبارات أخرى.

داخل أوراق عمل إكسيل، يجب ترميز هذه البيانات بصيغة رقمية قياسية تُسهل استدعاءها عبر الدوال الإحصائية. يُعد التشفير الرقمي باستخدام الأرقام (1 للنجاح) و(0 للفشل) أو استخدام النصوص الموحدة مثل (“نعم” و “لا” / “Yes” و “No”) التنسيق المثالي لتجنب الأخطاء المطبعية التي قد تعطل دوال العد الشرطي أثناء تجهيز المصفوفات الحسابية.

3.2 استقلالية المحاولات والملاحظات

تُعد استقلالية الملاحظات (Independence of Observations) الفرضية الإحصائية الأشد حساسية في اختبار ثنائي الحد. تعني الاستقلالية بالمعنى الرياضي أن الاحتمال الشرطي لنجاح أي محاولة P(A|B) يساوي احتمالها المجرد P(A)، أي أن معرفة نتيجة المحاولة السابقة لا تقدم أي معلومة مفيدة للتنبؤ بنتيجة المحاولة اللاحقة، ولا تؤثر عليها بأي شكل فيزيائي أو سلوكي أو زمني.

في الأبحاث النفسية والتجريبية، يشكل الارتباط الذاتي (Autocorrelation) وتأثيرات الترتيب والتعلم (Order and Learning Effects) تهديداً كبيراً لهذا الافتراض. فإذا تم إخضاع نفس المفحوص لسلسلة طويلة من المحاولات المتتالية، فقد يؤدي الإرهاق الذهني أو اكتساب الخبرة إلى تذبذب احتمالية النجاح من محاولة لأخرى، مما ينتهك افتراض الاستقلالية وثبات الاحتمال. لذلك، يجب عزل المحاولات زمنياً أو استخدام عينات من مفحوصين مستقلين لتأكيد صحة الفرضية.

لضمان الاستقلالية في إكسيل والتحقق من سلامة العينة، يجب أن تتطابق إجراءات المعاينة مع المعاينة العشوائية البسيطة مع الإرجاع (Sampling with Replacement)، أو المعاينة من مجتمع لانهائي أو كبير جداً مقارنة بحجم العينة (بحيث لا يتجاوز حجم العينة 5% إلى 10% من حجم المجتمع الكلي)، لضمان عدم تأثر نسب المجتمع بسحب المفردات كما يحدث في التوزيع فوق الهندسي (Hypergeometric Distribution).

3.3 ثبات احتمالية النجاح وحجم العينة المطلوب

يشترط نموذج ثنائي الحد أن تظل احتمالية وقوع النجاح (p) ثابتة كالصخرة عبر كافة المحاولات التجريبية من المحاولة رقم 1 وحتى المحاولة الأخيرة رقم n. إن أي تغير بيئي في مختبر التجربة، أو تباين في صعوبة البنود الاختبارية، أو تغيير في صياغة الأسئلة الموجهة للمفحوصين يؤدي إلى انتهاك مباشر لهذا الشرط، ويحول النموذج من توزيع ثنائي الحد القياسي إلى توزيع بويسون ذي الحدين (Poisson Binomial Distribution)، وهو نموذج أكثر تعقيداً لا يمكن معالجته بالصيغ الأساسية لاختبار ثنائي الحد في إكسيل.

فيما يتعلق بحجم العينة (Sample Size)، ينفرد اختبار ثنائي الحد بمرونة فائقة تميزه عن غالبية الاختبارات الإحصائية؛ إذ يمكن تطبيقه بنجاح رياضي مطلق على عينات بالغة الصغر (حتى لو كانت n = 5 أو n = 8)، دون اشتراط حجم عينة أدنى كما في الاختبارات البارامترية، نظراً لاعتماده على التوزيع الدقيق. ومع ذلك، يؤثر حجم العينة بشكل مباشر على القوة الإحصائية (Statistical Power) للاختبار، وهي احتمالية رفض الفرضية الصفرية عندما تكون خاطئة بالفعل (1 – β).

تؤدي العينات الصغيرة جداً إلى زيادة خطأ النوع الثاني (Type II Error)؛ مما يعني أن الباحث قد يعجز عن كشف الفروق الحقيقية أو التأثيرات السلوكية الفعلية لضعف قوة العينة. ومع زيادة حجم العينة داخل إكسيل، تتسع منطقة الرفض الإحصائي وتزداد حساسية الاختبار لكشف الانحرافات الطفيفة عن النسبة الصفرية بدقة بالغة وثبات استدلالي عالي.

4. دوال إكسيل الإحصائية الخاصة بالتوزيع الثنائي

4.1 تشريح دالة BINOM.DIST ومعاملاتها الأساسية

تُعتبر دالة BINOM.DIST الدالة الإحصائية المركزية والمعيارية في برنامج إكسيل لحساب احتمالات التوزيع ثنائي الحد. تم تصميم هذه الدالة لتوفير حسابات سريعة وفائقة الدقة لكل من الاحتمال النقطي والاحتمال التراكمي. تأخذ الدالة بناءً تركيبياً ثابتاً يتكون من أربعة معاملات إجبارية تفصل بينها فواصل منقوطة أو فواصل عادية بحسب إعدادات النظام، وصيغتها العامة هي:

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

يتطلب استخدام الدالة فهماً عميقاً لكل معامل من هذه المعاملات الأربعة:

• number_s (عدد النجاحات): وهو عدد المرات التي ظهر فيها الحدث المستهدف في العينة الملاحظة (k)، ويجب أن يكون عدداً صحيحاً موجبياً محصوراً بين 0 و n. إذا تم إدخال عدد عشري، يقوم إكسيل باقتطاعه (Truncate) تلقائياً إلى أقرب عدد صحيح دون تقريب.
• trials (عدد المحاولات): وهو إجمالي حجم العينة أو عدد المحاولات المستقلة الكلي (n)، ويجب أن يكون عدداً صحيحاً أكبر من أو يساوي number_s وأكبر من الصفر.
• probability_s (احتمالية النجاح): ويمثل الاحتمال النظري للنجاح في كل محاولة منفردة (p) وفق الفرضية الصفرية، ويجب أن تكون قيمته محصورة في المجال المغلق بين 0 و 1 (مثال: 0.5 للصدفة المتساوية).
• cumulative (الوسيط المنطقي التراكمي): وهي قيمة منطقية تأخذ إما TRUE لحساب دالة التوزيع التراكمي CDF أي احتمال الحصول على عدد نجاحات يقع بين 0 و number_s، أو تأخذ FALSE لحساب دالة كتلة الاحتمال PMF أي احتمال الحصول على عدد النجاحات number_s تحديداً.

4.2 مقارنة BINOM.DIST مع الدالة القديمة BINOMDIST

في الإصدارات القديمة من برنامج إكسيل (إكسيل 2007 والإصدارات السابقة)، كانت الدالة المعتمدة تُسمى BINOMDIST (بدون النقطة الفاصلة). ومع إطلاق مايكروسوفت لإصدار إكسيل 2010 والنسخ اللاحقة حتى Microsoft 365، تم تحسين الخوارزميات الحسابية الداخلية لبرنامج إكسيل لتعزيز الدقة في معالجة الأعداد الكبيرة والمضروبات الحسابية المعقدة، وأُعيدت تسمية الدالة إلى BINOM.DIST لتتوافق مع معايير التسمية الدولية القياسية (ISO/IEC).

لا تزال الدالة القديمة BINOMDIST متوفرة في الإصدارات الحديثة تحت بند دوال التوافق (Compatibility Functions) لضمان تشغيل ملفات العمل التاريخية دون أخطاء. ومع ذلك، توصي كافة المرجعيات الأكاديمية والتقنية بالاعتماد التام على الصيغة الحديثة BINOM.DIST في الأبحاث الحالية؛ نظراً لأنها تضمن استقراراً حسابياً أعلى وتمنع أخطاء الطفح الرقمي (Numerical Overflow) عند التعامل مع أحجام عينات ضخمة ومحاولات تتجاوز الآلاف.

تتعامل كلتا الدالتين مع الأخطاء المدخلة عبر توليد رسائل خطأ قياسية في خلايا إكسيل؛ فإذا كان أي معامل غير رقمي، يظهر الخطأ #VALUE!، وإذا كانت قيمة number_s < 0 أو number_s > trials، أو كانت قيمة probability_s < 0 أو > 1، يُرجع إكسيل الخطأ الشهير #NUM!. يجب على الباحث فحص هذه المدخلات والتحقق من سلامتها البرمجية لتجنب انقطاع تسلسل المعادلات.

4.3 دوال ثنائية متقدمة في إكسيل: BINOM.INV و BINOM.DIST.RANGE

يوفر إكسيل منظومة متقدمة من الدوال الإحصائية المساندة التي تفتح آفاقاً واسعة للتحليل الاستدلالي المتقدم لثنائي الحد، وعلى رأسها دالة المعكوس الثنائي BINOM.INV. تقوم هذه الدالة بحساب أقل قيمة لعدد النجاحات (k) التي تكون عندها دالة التوزيع التراكمي أكبر من أو تساوي قيمة احتمالية محددة (Criterion Alpha). تُستخدم هذه الدالة بشكل مكثف لحساب القيم الحرجة ومناطق الرفض الإحصائي قبل إجراء التجربة، وبناؤها هو:

=BINOM.INV(trials, probability_s, alpha)

الدالة المتقدمة الأخرى هي دالة BINOM.DIST.RANGE، والتي تُعد إضافة نوعية في النسخ الحديثة؛ حيث تتيح حساب الاحتمال التراكمي المحصور بين حدين أدنى وأعلى لعدد النجاحات مباشرة دون الحاجة لطرح الدوال التراكمية يدوياً. تأخذ الدالة الصيغة الرياضية:

=BINOM.DIST.RANGE(trials, probability_s, number_s, [number_s2])

إذا أدخل الباحث الحد الأدنى (number_s) والحد الأعلى (number_s2)، تحسب الدالة P(number_s ≤ X ≤ number_s2). تساعد هذه الدالة في بناء فترات الثقة وحساب احتمالية فئات استجابة معينة بدقة بالغة وبأقل جهد في تركيب المعادلات داخل جداول البيانات المعقدة.

5. صياغة الفرضيات الإحصائية وتحديد مستوى الدلالة

5.1 تحديد الفرضية الصفرية والفرضية البديلة بدقة

تبدأ أي دراسة إحصائية صارمة تصمم لاستخدام اختبار ثنائي الحد بالصياغة الإبستمولوجية الدقيقة لزوج الفرضيات الإحصائية: فرضية العدم (Null Hypothesis – H₀) والفرضية البديلة (Alternative Hypothesis – H₁). تفترض الفرضية الصفرية دائماً عدم وجود أثر غير عشوائي، وأن نسبة حدوث الحدث في المجتمع مساوية تماماً لنسبة معيارية محددة سلفاً (p₀):

H₀: p = p₀

على النقيض من ذلك، تعكس الفرضية البديلة توقعات الباحث أو الفرضية النظرية المشتقة من مراجعة الأدبيات السابقة. وتتخذ الفرضية البديلة أحد شكلين رئيسيين؛ إما فرضية موجهة لاختبار الطرف الواحد (One-Tailed) إذا كان الباحث يمتلك سنداً نظرياً يتوقع زيادة النسبة أو انخفاضها حصراً:

• H₁: p > p₀ (اختبار الطرف الأيمن – Right-Tailed Test)
• H₁: p < p₀ (اختبار الطرف الأيسر – Left-Tailed Test)

أما إذا كان السؤال البحثي استكشافياً يهدف لمعرفة ما إذا كانت النسبة تختلف عن المعدل المتوقع صدفة بأي اتجاه دون تحديد مسبق لجهة التفوق أو الانخفاض، فتتم صياغة الفرضية البديلة كفرضية غير موجهة لاختبار الطرفين (Two-Tailed Test):

H₁: p ≠ p₀

يجب أن يحرص الباحث في إكسيل على توثيق هذه الفرضيات بوضوح في خلايا مجاورة لجدول الحسابات الإحصائية، لأن طبيعة صياغة H₁ هي التي تحدد بشكل مطلق طبيعة المعادلة التراكمية التي ستُستخدم لحساب القيمة الاحتمالية لاحقاً.

5.2 تحديد مستوى الدلالة الإحصائية (Alpha)

يُمثل مستوى الدلالة الإحصائية، ويرمز له بالحرف الإغريقي ألفا (α)، العتبة الاحتمالية القصوى التي يقبل بها الباحث كاحتمال للوقوع في خطأ النوع الأول (Type I Error)؛ وهو الخطأ المتمثل في رفض الفرضية الصفرية وهي في الواقع صحيحة (إثبات أثر وهمي ناتج عن الصدفة). في العلوم الاجتماعية والسلوكية، يُحدد مستوى ألفا تقليدياً عند القيمة المعيارية 0.05، بينما تتجه الدراسات السريرية الدقيقة أو الأبحاث ذات التبعات الحرجة إلى تشديده إلى 0.01 أو 0.001.

إن تحديد قيمة ألفا يجب أن يتم إجرائياً قبل البدء بجمع البيانات وتحليلها (A Priori Decision)، لمنع الانحياز البحثي وتجنب ما يُعرف في المنهجيات المعاصرة بالقرصنة الاحتمالية (P-hacking). في الاختبارات غير الموجهة ثنائية الذيل، يتم تقسيم قيمة ألفا الإجمالية بالتساوي على طرفي التوزيع الاحتمالي (α/2 في كل ذيل) في التوزيعات المتماثلة؛ مما يجعل الوصول إلى عتبة الدلالة أكثر صعوبة مقارنة باختبارات الذيل الواحد.

ترتبط قيمة ألفا ارتباطاً وثيقاً بـ خطأ النوع الثاني (Type II Error – β)، وهو الفشل في رفض الفرضية الصفرية عندما تكون خاطئة في الواقع. يتطلب التصميم البحثي الرصين الموازنة بين تقليل ألفا لحماية البحث من النتائج الإيجابية الزائفة، وبين الحفاظ على قوة اختبار ملائمة تكشف التأثيرات السلوكية الحقيقية بوضوح.

5.3 اختيار نوع الاختبار: أحادي الذيل مقابل ثنائي الذيل

يفرض الاختيار المنهجي بين الاختبار أحادي الذيل وثنائي الذيل التزاماً بالمعايير الإبستمولوجية للبحث العلمي. يمنح الاختبار أحادي الذيل قوة إحصائية أعلى لكشف الأثر في اتجاه محدد، نظراً لتركيز كامل ثقل منطقة الرفض (α = 0.05) في طرف واحد من التوزيع، مما يقلل من القيمة الحرجة المطلوبة لعدد النجاحات لإثبات الدلالة الإحصائية.

ومع ذلك، ينطوي استخدام الاختبار أحادي الذيل على مخاطر منهجية جسيمة إذا لم يكن مدعوماً بتنبؤ نظري قاطع وغير قابل للشك؛ فإذا حدثت النتيجة في الاتجاه المعاكس للمتوقع (مهما كان حجم هذا الانحراف كبيراً)، فإن الباحث ملزم منهجياً بعدم رفض الفرضية الصفرية واعتبار النتيجة غير ذات دلالة. لذلك، ترفض المجلات العلمية المحكمة ذات التصنيف المتقدم استخدام الاختبارات أحادية الذيل كأداة لتسهيل الوصول إلى الدلالة الإحصائية للقيم الاحتمالية الهامشية.

يظل الاختبار ثنائي الذيل (Two-Tailed Test) هو الخيار الافتراضي والآمن لمعظم التصاميم التجريبية؛ إذ يختبر إمكانية الانحراف الإيجابي والسلبي بنفس الكفاءة، ويضمن عدم تحيز الباحث تجاه فرضية بعينها، مع توزيع منطقة الحرج الإحصائي على طرفي منحنى التوزيع الاحتمالي الثنائي.

6. خطوات إجراء اختبار ثنائي الحد أحادي الذيل في إكسيل

6.1 تنظيم وتجهيز البيانات داخل ورقة العمل

يبدأ التطبيق العملي بتنظيم ورقة العمل في إكسيل بطريقة منهجية وهيكلية واضحة. يوصى بتخصيص العمود (A) لترميز المشاهدات أو المحاولات، والعمود (B) لإدخال الاستجابات الأولية للمفحوصين. لتوضيح ذلك، لنفترض أن لدينا تجربة نفسية سجلت نتائج 25 مفحوصاً في مهمة تعرف حسي بين خيارين مرمزة بـ “نعم” و “لا”.

لحساب المعاملات الأساسية تلقائياً دون أخطاء عد يدوية، نقوم ببناء جدول المعالم في الخلايا المجاورة كالتالي:

• إجمالي عدد المحاولات (n): نستخدم دالة العد الكلي للقيم غير الفارغة في الخلية E1 عبر المعادلة: =COUNTA(B2:B26).
• عدد النجاحات الملاحظة (k): نستخدم دالة العد الشرطي في الخلية E2 لحساب تكرار الاستجابة المستهدفة عبر المعادلة: =COUNTIF(B2:B26; "نعم").
• الاحتمال النظري للفرضية الصفرية (p): يتم إدخاله يدوياً في الخلية E3 بقيمة 0.50 (أو أي نسبة أخرى تفترضها H₀).
• مستوى الدلالة (α): يُسجل في الخلية E4 بالقيمة 0.05.

يضمن هذا التجهيز الهيكلي مرونة كاملة للنموذج؛ فإذا تم تغيير حجم البيانات في العمود B أو تبديل مسمى الاستجابة، سيقوم إكسيل بإعادة حساب كافة المعاملات الإحصائية على الفور دون أي تدخل يدوي إضافي.

6.2 حساب القيمة الاحتمالية لاختبار الذيل الأيمن (Right-Tailed)

في اختبار الذيل الأيمن، يسعى الباحث لاختبار ما إذا كانت نسبة النجاح الملاحظة أكبر بشكل دال إحصائياً من النسبة المتوقعة نظرياً (H₁: p > p₀). رياضياً، تعبر القيمة الاحتمالية في هذا السياق عن احتمال الحصول على عدد نجاحات يساوي (k) أو أكثر، أي P(X ≥ k). وبما أن دالة التوزيع التراكمي في إكسيل تحسب فقط الاحتمالات من النقطة صفر وحتى النقطة المحددة P(X ≤ x)، فإننا نستعين بقاعدة الحدث المكمل (Complementary Event Rule):

P(X ≥ k) = 1 – P(X ≤ k – 1)

تتم كتابة هذه المعادلة بدقة تامة داخل خلية مخصصة في إكسيل (لتكن الخلية E6) بالصيغة التالية:

=1 - BINOM.DIST(E2 - 1; E1; E3; TRUE)

يُعد استخدام (E2 – 1) أي (k – 1) في الوسيط الأول للدالة أمراً بالغ الأهمية الرياضية؛ لأن استخدام k مباشرة سيؤدي إلى طرح احتمال النقطة الملاحظة k مع باقي المساحة السفلية، مما يقصي احتمال الحصول على k نجاح ويولد قيمة احتمالية خاطئة وأصغر من قيمتها الحقيقية، وهو خطأ شائع يقع فيه الكثير من مستخدمي إكسيل.

مثال تطبيقي: إذا خضع 20 متدرباً في برنامج تشخيصي لاختبار نفسي، وتمكن 15 منهم من تشخيص الحالة بدقة (k = 15, n = 20, p = 0.50). تكون الصيغة في إكسيل:

=1 - BINOM.DIST(14; 20; 0.5; TRUE)

تُنتج هذه المعادلة قيمة احتمالية P-value تساوي تقريباً 0.0207. وبمقارنة هذه القيمة بمستوى الدلالة 0.05، يرفض الباحث الفرضية الصفرية ويستنتج أن قدرة المتدربين على التشخيص تفوق مستوى الصدفة بدلالة إحصائية واضحة.

6.3 حساب القيمة الاحتمالية لاختبار الذيل الأيسر (Left-Tailed)

يُستخدم اختبار الذيل الأيسر عندما يكون التنبؤ البحثي موجهاً لإثبات أن نسبة الحدوث الملاحظة تقل بشكل دال إحصائياً عن المعدل المعياري المتوقع (H₁: p < p₀). في هذا السيناريو، تمثل القيمة الاحتمالية احتمال الحصول على عدد نجاحات يساوي k أو أقل، أي P(X ≤ k). تتطابق هذه المساحة الرياضية مباشرة مع التعريف الأساسي لدالة التوزيع التراكمي في إكسيل دون الحاجة لأي عمليات طرح أو استخدام مكملات رياضية.

تُكتب المعادلة في إكسيل لحساب القيمة الاحتمالية لاختبار الذيل الأيسر مباشرة كالتالي:

=BINOM.DIST(E2; E1; E3; TRUE)

نلاحظ هنا أننا نستخدم القيمة k كما هي في الخلية E2 مباشرة دون إنقاص 1، مع الاحتفاظ بالوسيط المنطقي TRUE لتجميع كافة الاحتمالات من 0 نجاح إلى k نجاح ملاحظ.

مثال تطبيقي: لنفترض أن تدخلاً سلوكياً يهدف للحد من تكرار نوبات القلق الحادة لدى المرضى، حيث يفترض المعيار السريري العام أن نسبة حدوث النوبة دون تدخل هي 60% (p = 0.60). طُبق البرنامج على 18 مريضاً، ولم يتعرض سوى 6 مرضى فقط للنوبة (k = 6, n = 18). تتم كتابة المعادلة في إكسيل:

=BINOM.DIST(6; 18; 0.6; TRUE)

تُعطي هذه المعادلة P-value تساوي 0.0163. وبما أن 0.0163 < 0.05، يقرر الباحث رفض الفرضية الصفرية بثقة، مما يؤكد الفاعلية الإحصائية والسريرية للبرنامج التدخلي في خفض معدلات الانتكاس تحت النسبة المعيارية.

7. خطوات إجراء اختبار ثنائي الحد ثنائي الذيل في إكسيل

7.1 المنطق الرياضي لحساب القيمة الاحتمالية ثنائية الذيل

تُمثل الحسابات ثنائية الذيل في اختبار ثنائي الحد إحدى أكثر المسائل الإحصائية إثارة للجدل الرياضي في المراجع التحليلية؛ نظراً لأن التوزيع الاحتمالي لثنائي الحد يكون منفصلاً وغير متصل، وقد يكون غير متماثل عندما تكون قيمة p ≠ 0.50. يُعرف الاحتمال ثنائي الذيل رياضياً بأنه مجموع احتمالات جميع النتائج الممكنة في فضاء العينة التي تمتلك احتمال حدوث مساوياً أو أقل من احتمال النتيجة الملاحظة تحديداً: ∑ P(X = i) لجميع القيم التي تحقق P(X = i) ≤ P(X = k).

في الحالات الخاصة التي يكون فيها التوزيع متماثلاً تماماً (أي عندما تكون p = 0.50)، يتطابق الطرفان الأيمن والأيسر في الشكل والمساحة. وفي هذه الحالة فقط، يصح استخدام الطريقة الكلاسيكية البسيطة لمضاعفة الاحتمال التراكمي للطرف الأصغر الملاحظ (Method of Doubling):

P-value (Two-Tailed) = 2 * Min [ P(X ≤ k), P(X ≥ k) ]

أما في الحالات العامة التي تكون فيها احتمالية النجاح غير متكافئة (p ≠ 0.50)، فإن مضاعفة الطرف الأصغر قد تؤدي إلى نتائج غير منطقية أو قيم احتمالية تتجاوز 1 صحيح أحياناً بسبب التواء التوزيع. لذلك، يقتضي التحليل الصارم بناء جدول لكتلة الاحتمال في إكسيل واستخراج مجموع الاحتمالات المتطرفة في كلا الاتجاهين بدقة متناهية لضمان الامتثال لتعريف الدلالة الإحصائية الدقيقة لنيجمان وبيرسون.

7.2 تنفيذ الحساب للحالات المتماثلة (p = 0.5)

لتطبيق اختبار ثنائي الحد ثنائي الذيل في الحالات المتماثلة الشائعة التي تفترض تكافؤ الفرص الصدفية (p = 0.50) داخل إكسيل، يمكننا دمج دوال التوزيع التراكمي مع الدالة المنطقية MIN في صيغة واحدة قوية وذكية. تضمن هذه الصيغة الحساب الصحيح بصرف النظر عما إذا كان عدد النجاحات الملاحظ (k) يقع في الطرف الأيمن أو الأيسر من التوزيع.

تُكتب الصيغة الرياضية الشاملة في إكسيل كالتالي:

=MIN(1; 2 * MIN(BINOM.DIST(E2; E1; E3; TRUE); 1 - BINOM.DIST(E2 - 1; E1; E3; TRUE)))

تقوم هذه الصيغة المتداخلة بخطوتين تحليليتين متزامنتين:

1. تحسب الدالة الداخلية MIN أصغر احتمال تراكمي بين الطرفين: احتمال الذيل الأيسر P(X ≤ k) واحتمال الذيل الأيمن P(X ≥ k).
2. تضرب هذه القيمة الصغرى في 2 لحساب ثنائي الذيل، وتستخدم الدالة الخارجية MIN(1; ...) كصمام أمان رياضي لمنع تجاوز القيمة الاحتمالية للرقم 1 في الحالات التي تكون فيها النتيجة شديدة القرب من المتوسط الحسابي للتوزيع.

مثال عملي: في تجربة لاختبار توازن عملة معدنية أو انحياز جهاز توليد أرقام عشوائية، أُجريت 30 محاولة وسجل الجهاز 20 نتيجة إيجابية (n = 30, k = 20, p = 0.50). بتطبيق المعادلة المذكورة في إكسيل، ستكون النتيجة P-value = 0.0987. ونظراً لأن هذه القيمة أكبر من مستوى الدلالة 0.05، نفشل في رفض الفرضية الصفرية، ونستنتج عدم وجود دليل إحصائي كافٍ يثبت انحياز الجهاز عند مستوى ثقة 95%.

7.3 تنفيذ الحساب للحالات غير المتماثلة (p ≠ 0.5)

عندما تكون الفرضية الصفرية قائمة على احتمال غير متكافئ (مثل p = 0.20 أو p = 0.75)، يصبح التوزيع ثنائي الحد ملتوياً، ولا تصح مضاعفة الطرف الملاحظ. لتنفيذ الحساب الدقيق وفق التعريف الأكاديمي الصارم في إكسيل، نقوم بإنشاء نموذج التوزيع الكامل عبر الخطوات المنطقية الآتية:

1. في ورقة عمل إكسيل، ننشئ جدولاً جانبياً؛ في العمود (G) نسجل كافة قيم X الممكنة من 0 وحتى n (مثلاً: من الخلية G2 حتى G22 لعينة حجمها 20).
2. في العمود (H)، نحسب دالة كتلة الاحتمال النقطية PMF لكل قيمة عبر كتابة المعادلة في الخلية H2 وسحبها للأسفل: =BINOM.DIST(G2; $E$1; $E$3; FALSE) مع تثبيت مراجع المعلمات.
3. في الخلية المجاورة (لتكن E8)، نحسب احتمال النتيجة الملاحظة تحديداً P(X = k) باستخدام: =BINOM.DIST(E2; E1; E3; FALSE).
4. في الخلية المخصصة للقيمة الاحتمالية النهائية، نستخدم دالة الجمع الشرطي SUMIF لجمع كافة الاحتمالات النقطية في العمود H التي تقل عن أو تساوي احتمال النقطة الملاحظة:

=SUMIF(H2:H22; "<=" & E8; H2:H22)

يقوم هذا النموذج بحساب القيمة الاحتمالية ثنائية الذيل الدقيقة (Exact Two-Tailed P-value) المتوافقة مع معايير برمجيات التحليل الإحصائي المتقدمة مثل R و SAS، متجاوزاً أي تشوهات ناتجة عن التواء المنحنى الاحتمالي، وموفراً أعلى درجات الموثوقية للبحوث المنشورة.

8. تفسير النتائج الإحصائية والقيمة الاحتمالية واتخاذ القرار

8.1 قواعد اتخاذ القرار الإحصائي بناءً على P-value

يقوم القرار الإحصائي في اختبار ثنائي الحد على المقارنة المباشرة والصارمة بين القيمة الاحتمالية المحسوبة (P-value) ومستوى الدلالة الإحصائية المحدد سلفاً (α). تنص القاعدة المعيارية في الاستدلال الإحصائي على ما يلي:

• إذا كانت P-value ≤ α: يتم رفض الفرضية الصفرية (Reject H₀) وقبول الفرضية البديلة (H₁)، ويُعتبر التأثير أو الفرق ذا دلالة إحصائية (Statistically Significant).
• إذا كانت P-value > α: نفشل في رفض الفرضية الصفرية (Fail to Reject H₀)، وتُعتبر النتيجة غير دالة إحصائياً، مما يعني أن البيانات الملاحظة متوافقة مع التباين العشوائي المتوقع بموجب الصدفة.

من الأهمية بمكان التأكيد على الدقة الاصطلاحية في التقرير العلمي؛ فالنتيجة غير الدالة لا تعني إطلاقاً “قبول الفرضية الصفرية” أو “إثبات صحتها قطعياً”؛ بل تعني فقط غياب الدليل الكافي لرفضها في ضوء حجم العينة والبيانات المتاحة. يجب على الباحث تجنب المغالطة الشائعة بالاعتقاد بأن القيمة الاحتمالية تقيس “احتمال صحة الفرضية الصفرية”؛ فالقيمة الاحتمالية هي في الواقع P(Data | H₀)، أي احتمال ملاحظة بيانات بتطرف العينة الحالية أو أشد في ظل افتراض أن الفرضية الصفرية صحيحة بالفعل.

8.2 حساب وتفسير حجم الأثر (Effect Size) للاختبار الثنائي

لا يكفي في البحوث السلوكية والنفسية الحديثة التقرير عن الدلالة الإحصائية والقيمة الاحتمالية فقط؛ إذ تتطلب معايير جمعية علم النفس الأمريكية (APA) حساب وتفسير حجم الأثر (Effect Size) لقياس المقدار العملي والتطبيقي للأثر المكتشف بمعزل عن تأثير حجم العينة. يُعد معامل أثر جين كوهين (Cohen’s g) المعيار الأبرز والأنسب لاختبار ثنائي الحد، ويُحسب من خلال المعادلة البسيطة التالية:

g = P_observed – 0.50 = (k / n) – 0.50

حيث يمثل P_observed النسبة الملاحظة في العينة، ويطرح منها 0.50 (في اختبارات التساوي). تُفسر القيمة المطلقة لمعامل Cohen’s g وفق المحكات الإرشادية التي وضعها جاكوب كوهين:

• أثر صغير (Small Effect): |g| ≈ 0.05 (النسبة الملاحظة تتراوح حول 0.55 أو 0.45).
• أثر متوسط (Medium Effect): |g| ≈ 0.15 (النسبة الملاحظة تتراوح حول 0.65 أو 0.35).
• أثر كبير (Large Effect): |g| ≥ 0.25 (النسبة الملاحظة تتجاوز 0.75 أو تقل عن 0.25).

يمكن أيضاً حساب نسبة الأرجحية (Odds Ratio – OR) أو معامل فاي (Phi Coefficient) في إكسيل لدعم تفسير حجم الأثر، مما يمنح القارئ فهماً شاملاً لمدى الأهمية التطبيقية (Clinical or Practical Significance) للنتائج إلى جانب دلالتها الرقمية المجردة.

8.3 حساب فترات الثقة (Confidence Intervals) للنسبة في إكسيل

يُعد تقديم فترة الثقة (Confidence Interval – CI) للنسبة الملاحظة إجراءً مكملاً لا غنى عنه في اختبار ثنائي الحد؛ حيث توفر فترة الثقة نطاقاً من القيم المعقولة التي يُتوقع أن تقع ضمنها النسبة الحقيقية في المجتمع بدرجة ثقة معينة (مثل 95% CI). وتُعتبر طريقة كلوبر-بيرسون الدقيقة (Clopper-Pearson Exact CI) المعيار الذهبي المفضل للبيانات الثنائية لأنها تضمن تغطية احتمالية لا تقل أبداً عن المستوى الاسمي المحدد، وتعتمد على دالة بيتا العكسية.

لحساب الحد الأدنى لفترة الثقة 95% الدقيقة (Lower Limit) في إكسيل، نستخدم دالة BETA.INV بالصيغة:

=IF(k=0; 0; BETA.INV(0.025; k; n - k + 1))

ولحساب الحد الأعلى لفترة الثقة 95% الدقيقة (Upper Limit) في إكسيل، نستخدم الصيغة:

=IF(k=n; 1; BETA.INV(0.975; k + 1; n - k))

إذا كانت فترة الثقة المحسوبة للنسبة (مثلاً [0.55, 0.85]) لا تحتوي بداخلها على القيمة المفترضة في الفرضية الصفرية (p₀ = 0.50)، فإن هذا يمثل تأكيداً رياضياً وبصرياً مستقلاً على رفض الفرضية الصفرية عند مستوى دلالة α = 0.05، مما يعزز الثقة في الاستنتاجات العلمية للدراسة.

9. تطبيقات وأمثلة عملية واقعية في البحوث النفسية

9.1 دراسة حالة 1: اختبار انحياز الاستجابة في الإدراك البصري

توصيف التجربة: في مختبر علم النفس التجريبي، صمم باحث دراسة لفحص وجود انحياز مكاني غير واعٍ (Spatial Attentional Bias) لدى الأفراد تجاه النصف الأيمن من المجال البصري. تم عرض منبهين متطابقين بصرياً بشكل متزامن على شاشة الحاسوب لـ 30 مشاركاً مستقلاً، وطُلب من كل مشارك اختيار منبه واحد بسرعة فائقة. تم تسجيل عدد المشاركين الذين اختاروا المنبه الواقع في الجانب الأيمن.

البيانات والمحددات:

• حجم العينة الكلي (Trials): n = 30.
• عدد النجاحات الملاحظة (اختيار اليمين): k = 21.
• النسبة المتوقعة بموجب الصدفة المحضة (H₀): p = 0.50.
• طبيعة الفرضية: غير موجهة ثنائية الذيل (H₁: p ≠ 0.50) عند α = 0.05.

المعادلة والتنفيذ في إكسيل:

نقوم بتطبيق صيغة ثنائي الذيل المتماثل في إكسيل:

=2 * (1 - BINOM.DIST(20; 30; 0.5; TRUE))

تُسفر العملية الحسابية عن قيمة احتمالية P-value = 0.0428.

حجم الأثر وفترة الثقة:

• النسبة الملاحظة: P_obs = 21 / 30 = 0.70 (70%).
• معامل كوهين: g = 0.70 – 0.50 = 0.20 (أثر متوسط إلى كبير).
• فترة الثقة 95% (كلوبر-بيرسون): [0.506 , 0.853].

الاستنتاج العلمي: نظراً لأن P-value (0.0428) أقل من مستوى الدلالة 0.05، ولأن فترة الثقة 95% لا تشمل القيمة 0.50، يتم رفض الفرضية الصفرية. توفر هذه النتائج دليلاً إحصائياً دالاً على وجود انحياز إدراكي بصري منظم نحو الجانب الأيمن لدى المفحوصين، بحجم أثر متوسط وملموس عملياً.

9.2 دراسة حالة 2: تقييم فاعلية برنامج علاجي لاضطراب الخوف (الفوبيا)

توصيف التجربة: قام فريق من المعالجين النفسيين بتطوير بروتوكول علاجي مختصر قائم على تقنيات الواقع الافتراضي التفاعلي لعلاج رهاب المرتفعات (Acrophobia). تشير السجلات والبيانات الإكلينيكية المعيارية في المجتمع الاستشفائي إلى أن معدل التحسن التلقائي بدون علاج لا يتجاوز 50% (p₀ = 0.50). خضع 20 مريضاً للبروتوكول العلاجي الجديد، وفي نهاية البرنامج تم تقييم الحالات وتوثيق شفاء 16 مريضاً وتحررهم من الأعراض المرضية.

البيانات والمحددات:

• حجم العينة الإجمالي: n = 20.
• عدد حالات الشفاء الملاحظة: k = 16.
• الفرضية الإحصائية: اختبار أحادي الذيل أيمن موجه نحو التحسن (H₁: p > 0.50).
• مستوى الدلالة الصارم: α = 0.01.

المعادلة والتنفيذ في إكسيل:

=1 - BINOM.DIST(15; 20; 0.5; TRUE)

تُظهر نتائج إكسيل قيمة احتمالية بالغة الصغر: P-value = 0.0059.

التفسير الإكلينيكي والمنهجي: بما أن القيمة الاحتمالية الناتجة (0.0059) أقل من مستوى الدلالة المشدد 0.01، يرفض الباحثون فرضية العدم بثقة تامة. يُظهر البرنامج العلاجي تفوقاً إحصائياً بارزاً بنسبة نجاح بلغت 80% (معامل كوهين g = 0.30 وهو حجم أثر كبير جداً)، مما يبرر التوصية بتوسيع استخدام هذا التدخل في العيادات والمراكز النفسية المتخصصة.

9.3 دراسة حالة 3: التحقق من دقة تشخيص نفسي ثنائي المخرج

توصيف التجربة: تم تطوير أداة تقييم سريعة تعتمد على الذكاء الاصطناعي لتشخيص اضطراب كرب ما بعد الصدمة (PTSD) عبر تحليل نبرات الصوت. لتكون الأداة مقبولة في الممارسة الميدانية، يُشترط أن تتجاوز دقتها نسبة الدقة القياسية للأدوات الورقية التقليدية الحالية البالغة 70% (p₀ = 0.70). تم تطبيق الأداة على 25 مريضاً تم تأكيد تشخيصهم مسبقاً عبر المقابلات الإكلينيكية المعيارية (Gold Standard)، ونجحت الأداة في تشخيص 22 حالة بصورة مطابقة وصحيحة.

البيانات والمحددات:

• حجم العينة: n = 25.
• التشخيصات الصحيحة الملاحظة: k = 22.
• الاحتمال النظري الأساسي غير المتكافئ: p₀ = 0.70.
• نوع الفرضية: اختبار أحادي الذيل أيمن (H₁: p > 0.70) عند α = 0.05.

المعادلة في إكسيل:

=1 - BINOM.DIST(21; 25; 0.7; TRUE)

تُنتج هذه الصيغة قيمة احتمالية تساوي: P-value = 0.0442.

الاستنتاج والتوصيات: تؤكد القيمة الاحتمالية (0.0442 < 0.05) أن دقة الأداة الجديدة (التي بلغت 88% ملاحظة) تفوق معيار الـ 70% التقليدي بفارق ذي دلالة إحصائية. يُمكّن هذا النموذج في إكسيل الباحثين من إعادة تقييم دفعات جديدة من المرضى باستمرار، مع الحفاظ على مرونة التعديل لمعلمة الاحتمال النظري p بحسب السياق التشخيصي المتغير.

10. مقارنة اختبار ثنائي الحد باختبارات إحصائية بديلة في إكسيل

10.1 المقارنة مع اختبار مربع كاي لجودة التوفيق (Chi-Square Goodness of Fit)

يشترك اختبار ثنائي الحد مع اختبار مربع كاي لجودة التوفيق في قدرة كليهما على فحص الفروق بين التكرارات الملاحظة والتكرارات المتوقعة للمتغيرات الفئوية. ومع ذلك، تتجلى فروق جوهرية بين الأسلوبين تنعكس على الدقة التحليلية؛ فاختبار كاي تربيع هو اختبار تقريبي مستمر يعتمد على توزيع كاي تربيع الحسابي، بينما اختبار ثنائي الحد هو اختبار دقيق ينطلق من التوزيع المنفصل الفعلي للبيانات.

في العينات الصغيرة (حيث n < 30) أو عندما يقل التكرار المتوقع في إحدى الفئات عن 5، تنهار الافتراضات الرياضية لاختبار مربع كاي ويولد نتائج مضللة ومبالغة في الدلالة الإحصائية، في حين يحافظ اختبار ثنائي الحد على دقته المطلقة دون أي قيود على حجم التكرار المتوقع. يمكن تطبيق دالة CHISQ.TEST في إكسيل لمقارنة المصفوفتين، ولكن يظل اختبار ثنائي الحد هو الخيار الأكاديمي المتفوق حتماً في حالات المتغيرات الثنائية البسيطة والعينات المحدودة.

وجه المقارنة	اختبار ثنائي الحد (Binomial Test)	اختبار مربع كاي (Chi-Square Test)
طبيعة الحساب	دقيق (Exact) دون تقريب رياضي	تقريبي (Asymptotic Approximation)
التعامل مع العينات الصغيرة	ممتاز وفائق الدقة (حتى مع n < 10)	غير دقيق إذا كان التكرار المتوقع < 5
عدد الفئات	فئتان فقط (ثنائي المخرج)	فئتان أو أكثر (متعدد الفئات)
اختبارات الطرف الواحد	مباشرة وسهلة التطبيق رياضياً	غير متوفرة مباشرة (دائماً ثنائي)

10.2 المقارنة مع اختبار النسبة المعياري (One-Sample Z-Test for Proportions)

يُعد اختبار النسبة المعياري Z البديل البارامتري الكلاسيكي لاختبار ثنائي الحد عند التعامل مع العينات الكبيرة. يستند هذا الاختبار إلى نظرية النهاية المركزية (Central Limit Theorem)، والتي تنص على أن التوزيع الثنائي يقترب تدريجياً من التوزيع الطبيعي عندما يتحقق شرط الكفاية الحجمية المزدوج: n * p ≥ 5 و n * (1 – p) ≥ 5 (أو 10 في مراجع أخرى).

يتم حساب القيمة المعيارية Z في إكسيل عبر المعادلة: Z = (P_obs - p) / SQRT(p * (1 - p) / n)، ثم تُحسب القيمة الاحتمالية باستخدام دالة NORM.S.DIST. ولتقليل الفجوة الرياضية بين التوزيع المنفصل والتوزيع المتصل، يلجأ الإحصائيون إلى تطبيق تصحيح الاستمرارية لـ ييتس (Yates’ Continuity Correction) بإضافة أو طرح 0.5/(2n) من البسط.

ومع ذلك، ومع القوة الحوسبية الفائقة لإكسيل المعاصر القادرة على حساب دالة BINOM.DIST لعينات تبلغ عشرات الآلاف في أجزاء من الألف من الثانية، تتلاشى الحاجة العملية للجوء إلى تقريب Z؛ إذ يوفر الاختبار الثنائي الدقيق النتيجة المباشرة والصحيحة دون الحاجة إلى القلق بشأن تحقق شروط التقريب الطبيعي أو تصحيحات الاستمرارية المعقدة.

10.3 المقارنة مع اختبار الإشارة اللامعلمي (Sign Test)

يرتبط اختبار الإشارة اللامعلمي (Sign Test) برباط عضوي وثيق باختبار ثنائي الحد؛ حيث يُعتبر اختبار الإشارة في جوهره تطبيقاً خاصاً ومباشراً لاختبار ثنائي الحد لتحليل الفروق بين القياسات القبلية والبعدية للأزواج المرتبطة (Paired Samples). في هذا التصميم، يقوم الباحث بطرح درجة القياس القبلي من القياس البعدي لكل مفحوص، ثم يتجاهل القيم العددية للفروق ويركز حصراً على اتجاه التغير مشفراً إياه كإشارة موجبة (+) للتحسن، أو إشارة سالبة (-) للتراجع.

في ظل الفرضية الصفرية التي تنص على عدم وجود أثر للتدخل، يُفترض أن يكون احتمال الحصول على إشارة موجبة مساوياً لاحتمال الإشارة السالبة (p = 0.50). يتم استبعاد الحالات التي أظهرت فروقاً صفرية (التعادلات)، ثم يُحسب عدد الإشارات الإيجابية (k) من إجمالي عدد الأزواج المتبقية (n) وتُطبق دالة BINOM.DIST في إكسيل تماماً كما في الاختبار الثنائي القياسي.

يمتاز هذا الأسلوب بقدرته على التعامل مع البيانات الترتيبية والبيانات الملوثة بالقيم المتطرفة الشديدة التي تنتهك افتراضات اختبار ت للعينات المزدوجة (Paired t-test)، مما يجعله أداة تحليلية لامعلمية واسعة الاستخدام في أبحاث التقييم النفسي والتربوي.

11. الأخطاء الشائعة عند إجراء اختبار ثنائي الحد في إكسيل وكيفية تجنبها

11.1 الخلط بين الاحتمال التراكمي والاحتمال النقطي

يُمثل الخلط بين مفهومي الاحتمال التراكمي والاحتمال النقطي الخطأ الإحصائي الأكثر انتشاراً بين الباحثين وطلاب الدراسات العليا عند كتابة صيغ إكسيل. يكمن منشأ هذا الخطأ في سوء استخدام المعامل المنطقي الرابع للدالة (cumulative)؛ حيث يضع بعض المحللين القيمة FALSE ظناً منهم أنها تحسب الدلالة الإحصائية للنتيجة، بينما هي في الواقع تحسب فقط احتمال الحصول على تلك النقطة المعزولة تحديداً P(X = k).

إن اختبار الفرضيات الإحصائية يعتمد بنيوياً على حساب احتمالية النتيجة الملاحظة بالإضافة إلى كافة النتائج الأكثر تطرفاً منها، وهو ما يتطلب حتماً استخدام المعامل التراكمي TRUE لبناء فضاء الرفض الإحصائي. يؤدي استخدام FALSE بدلاً من TRUE إلى تقليص القيمة الاحتمالية بصورة زائفة، مما يرفع خطر ارتكاب خطأ النوع الأول وتوهم وجود دلالة إحصائية وهمية لا وجود لها رياضياً.

لتجنب هذا الانزلاق المنهجي، يجب وضع قاعدة استرشادية صارمة: لا يُستخدم الوسيط FALSE في اختبارات الفرضيات إلا لغرض بناء الجداول التوزيعية التفصيلية لحساب ثنائي الذيل للحالات غير المتماثلة عبر دالة SUMIF، بينما تتطلب كافة اختبارات الفرضيات المباشرة تفعيل الوسيط التراكمي TRUE بالصيغ المكملة الصحيحة.

11.2 أخطاء طرح القيمة التراكمية في اختبارات الذيل الأيمن

يقع مستخدمو إكسيل في خطأ حسابي فادح عند محاولة حساب احتمالات الطرف الأيمن P(X ≥ k)؛ حيث يقوم البعض بكتابة المعادلة بالشكل الخاطئ التالي:

=1 - BINOM.DIST(k; n; p; TRUE) [صيغة خاطئة]

إن هذا الخطأ الجسيم يعود إلى عدم إدراك المنطق التجميعي للدوال المنفصلة؛ فالدالة BINOM.DIST(k; ...; TRUE) تجمع الاحتمالات من النقطة 0 وحتى النقطة k (بما في ذلك k ذاتها). وبالتالي، فإن طرح هذه القيمة من الرقم 1 يؤدي عملياً إلى حساب المساحة الاحتمالية لـ P(X ≥ k + 1)، مما يعني إسقاط واحتمال النتيجة k نفسها من الحساب، وتوليد قيمة احتمالية P-value أصغر من الحقيقة، وهو ما يفسد الاستدلال الإحصائي بالكامل.

الصيغة الرياضية الصحيحة التي لا تقبل الجدل لحساب اختبار الذيل الأيمن هي دائماً استخدام (k – 1) كمعامل أول داخل الدالة:

=1 - BINOM.DIST(k - 1; n; p; TRUE) [صيغة صحيحة تماماً]

11.3 تجاهل الشروط الأساسية والتعامل غير السليم مع البيانات المفقودة

تتعرض التحليلات الإحصائية في إكسيل للتشوه عندما يتم إدخال بيانات تتضمن خلايا فارغة (Blank Cells) أو نصوصاً مجهولة أو قيماً غير متوافقة دون تنظيف مسبق. فإذا استخدم الباحث دالة COUNTA لحساب حجم العينة الإجمالي وكان العمود يحتوي على فراغات أو ملاحظات جانبية نصية، فإن ذلك سيؤدي إلى تضخيم قيمة (n) خطأً، مما يغير المعالم الاحتمالية للاختبار ويقود إلى استنتاجات مضللة.

علاوة على ذلك، يتجاهل بعض الباحثين التحقق من استقلالية المشاهدات، ويقومون بإدخال قياسات مكررة لنفس الأفراد دون مراعاة لظاهرة التجمع الإحصائي، مما يؤدي إلى انتهاك مباشر لافتراض تجارب برنولي. لتفادي هذه الإشكالات، يوصى بالاعتماد على أدوات التحقق من صحة البيانات (Data Validation) في إكسيل لتقييد الإدخال في نطاق قيم محددة (مثل 0 و 1 فقط)، واستخدام دوال العد النقي مثل COUNT و COUNTIFS للسيطرة التامة على محددات العينة.

12. أفضل الممارسات لتوثيق وعرض نتائج الاختبار وفق معايير APA

12.1 قواعد الصياغة والتوثيق الأكاديمي للنتائج في التقارير

تضع جمعية علم النفس الأمريكية في دليلها الأحدث (APA 7th Edition) معايير محددة ودقيقة لتوثيق نتائج الاختبارات اللامعلمية واختبار ثنائي الحد في المتن الأكاديمي للأبحاث والتقارير العلمية. تقتضي هذه المعايير تقديم وصف شامل للنسب الملاحظة، وأعداد التكرارات، والاتجاه الاختباري، والقيمة الاحتمالية الدقيقة، وحجم الأثر وفترات الثقة المرافقة، مع تجنب الاكتفاء بذكر عبارات عامة مثل “كانت النتيجة دالة إحصائياً”.

يجب كتابة الرموز الإحصائية بحروف مائلة (Italicized)؛ مثل p للدلالة على القيمة الاحتمالية، و N لإجمالي حجم العينة، و k لعدد النجاحات، و g لمعامل حجم الأثر لكوهين. كما تفرض المعايير كتابة القيم الاحتمالية بدقة حتى ثلاثة أرقام عشرية دون وضع صفر قبل الفاصلة للقيم التي لا تتجاوز 1 صحيح (مثل: p = .023 بدلاً من 0.023)، مع استخدام التعبير (p < .001) إذا كانت القيمة متناهية الصغر.

نماذج لصياغة التقارير الأكاديمية:

نموذج لاختبار ثنائي الذيل الدال:
“أظهرت نتائج اختبار ثنائي الحد الدقيق أن نسبة المشاركين الذين فضلوا المنبه البصري الأيمن (70%، k = 21 من أصل N = 30) كانت أعلى بدلالة إحصائية من النسبة المتوقعة بموجب الصدفة المحضة (50%)، p = .043 (ثنائي الذيل)، مع حجم أثر متوسط، g = .20، وفترة ثقة 95% دقيقة للنسبة تراوحت بين [.506, .853].”

نموذج لاختبار أحادي الذيل الدال:
“أكد اختبار ثنائي الحد أحادي الذيل كفاءة البرنامج العلاجي الجديد؛ حيث تعافى 16 من أصل 20 مريضاً (80%)، وهي نسبة تتجاوز بموثوقية إحصائية معدل الشفاء التلقائي التاريخي البالغ 50%، p = .006، بحجم أثر كبير (g = .30).”

12.2 إنشاء مخططات ورسوم بيانية احترافية للتوزيع الثنائي في إكسيل

يُعزز التمثيل البصري الجيد من استيعاب القراء والمحكمين للنتائج الإحصائية؛ ويتيح إكسيل إمكانية بناء مخططات بيانية عمودية (Column Charts) تمثل التوزيع الاحتمالي النظري وتبرز بوضوح موقع القيمة الملاحظة ومناطق الرفض الحرج. لبناء هذا المخطط الاحترافي:

1. نستخدم جدول التوزيع الاحتمالي الكامل لجميع قيم X من 0 إلى n الذي تم إنشاؤه عبر الدالة BINOM.DIST(x; n; p; FALSE).
2. نحدد عمود الاحتمالات وننشئ “مخططاً عمودياً مجمعاً” (Clustered Column Chart).
3. نقوم بتلوين الأعمدة الواقعة ضمن منطقة الرفض الإحصائي (القيم الحرجة) بلون مميز (مثل الأحمر الداكن)، والأعمدة الواقعة في منطقة القبول بلون رمادي هادئ.
4. نحدد العمود الذي يمثل القيمة الملاحظة في العينة الفعلية (k) ونميزه بلون لافت (مثل الأزرق الداكن) مع إضافة تسمية بيانات رقمية (Data Label) توضح احتماليته الدقيقة.
5. نضيف خطوط الخطأ (Error Bars) المعبرة عن فترات الثقة 95% المحسوبة للنسب الملاحظة في الرسوم البيانية التلخيصية، مع إزالة الخطوط الشبكية غير الضرورية وتنسيق المحاور وفق الإرشادات الجمالية الرصينة للمجلات العلمية.

12.3 بناء قالب إكسيل متكامل وقابل لإعادة الاستخدام في الأبحاث المستقبلية

لتحقيق أقصى درجات الكفاءة وتوفير الوقت في المشاريع البحثية المستقبلية، يُنصح بتصميم قالب عمل متكامل وديناميكي في إكسيل (Dynamic Automated Template). يقوم هذا النموذج على فصل واجهة الإدخال عن العمليات الحسابية المحمية، بحيث يقتصر دور الباحث على تغذية ثلاثة خلايا أساسية فقط:

• الخلية (B1): إجمالي حجم العينة (n).
• الخلية (B2): عدد النجاحات الملاحظة (k).
• الخلية (B3): الاحتمال النظري للفرضية الصفرية (p).

تتم برمجة خلايا المخرجات باستخدام صيغ شرطية متقدمة تُظهر في الوقت الفعلي:

1. النسبة الملاحظة المحسوبة (k / n).
2. القيمة الاحتمالية لاختبار الذيل الأيمن.
3. القيمة الاحتمالية لاختبار الذيل الأيسر.
4. القيمة الاحتمالية لاختبار ثنائي الذيل الدقيق.
5. معامل حجم الأثر Cohen’s g وتفسيره النصي التلقائي باستخدام دالة IFS.
6. الحدود الدنيا والعليا لفترة الثقة 95% الدقيقة.
7. القرار الإحصائي التلقائي (“دال إحصائياً” أو “غير دال”) بالاعتماد على التنسيق الشرطي (Conditional Formatting) الذي يلون الخلية بالأخضر الفاتح في حالة الرفض لتنبيه الباحث فورياً.

لحماية هذا القالب من التلف أو العبث بالمعادلات المعقدة، يتم قفل الخلايا الحسابية وتفعيل حماية الورقة (Protect Sheet)، وترك خلايا الإدخال فقط مفتوحة، مما يوفر أداة بحثية مؤتمتة وموثوقة بنسبة 100% للباحثين والفرق المعملية.

خاتمة

يظل اختبار ثنائي الحد (Binomial Test) أحد أكثر الأدوات الاستدلالية رصانة وأصالة في الإحصاء التطبيقي الحديث، موفراً للباحثين في مجالات العلوم النفسية والاجتماعية والطبية وسيلة رياضية قطعية لاختبار الفرضيات المتعلقة بالبيانات الثنائية دون الاعتماد على افتراضات التوزيع المعقدة أو التقديرات التقريبية التي قد تتأثر بصغر أحجام العينات.

وقد أثبت برنامج مايكروسوفت إكسيل من خلال دواله المتخصصة مثل BINOM.DIST و BINOM.INV و BETA.INV قدرة استثنائية على مضاهاة أعتى الحزم الإحصائية التخصصية في تقديم نتائج احتمالية وفترات ثقة دقيقة كلوبر-بيرسون، مع ميزة الشفافية التحليلية الكاملة التي تتيح للباحث رؤية التوزيع الاحتمالي وهيكلته ومراقبة تدفق العمليات الرياضية من التوافيق إلى فضاءات الرفض الإحصائي.

إن إتقان الباحث للأسس النظرية للاختبار، وتجنبه للأخطاء الرياضية الشائعة مثل سوء استخدام المعاملات التراكمية أو إغفال تصحيحات الذيل الأيمن، والتزامه بتوثيق النتائج وفق المعايير المنهجية لـ APA مدعمة بحجوم الأثر وفترات الثقة، يمثل الضمانة الأساسية للوصول إلى استنتاجات علمية دقيقة وقابلة للتكرار تسهم في تعزيز موثوقية المعرفة البحثية وتطبيقاتها الميدانية.

References

• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com/en-us/Categorical+Data+Analysis%2C+3rd+Edition-p-9780470463635
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Clopper, C. J., & Pearson, E. S. (1934). The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika, 26(4), 404–413. https://doi.org/10.1093/biomet/26.4.404
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e
• Microsoft Corporation. (2024). BINOM.DIST function – Microsoft Support. Microsoft. https://support.microsoft.com/en-us/office/binom-dist-function-c5ae37b6-f39c-4e89-8703-978663773c8d
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Sheskin, D. J. (2020). Handbook of parametric and nonparametric statistical procedures (5th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429186196