كيفية استخدام التوزيع ذي الحدين في بايثون

تعد النمذجة الاحتمالية حجر الزاوية في الإحصاء الاستدلالي وتحليل البيانات الحديث؛ إذ تتيح للباحثين والمحللين تحويل الملاحظات التجريبية المعقدة إلى هياكل رياضية قابلة للقياس والاختبار. في صميم هذه النمذجة، يبرز التوزيع ذو الحدين (Binomial Distribution) كواحد من أهم التوزيعات الاحتمالية المنفصلة التي تحكم الظواهر القائمة على الثنائية، حيث تنقسم النتائج الممكنة لكل حدث إلى فئتين متنافستين تماماً، مثل النجاح والفشل، أو الاستجابة واللااستجابة، أو القبول والرفض. تمتد تطبيقات هذا التوزيع التأسيسي من تصميم التجارب السريرية وتقييم الاختبارات النفسية في العلوم السلوكية، إلى تقييم موثوقية الأنظمة الهندسية ومخاطر الائتمان في النظم المالية المعاصرة.

مع تنامي الاعتماد على لغة بايثون (Python) كبيئة معيارية للحوسبة العلمية وتحليل البيانات المتقدمة، أصبح تطبيق النماذج الاحتمالية أكثر كفاءة ومرونة بفضل المنظومات البرمجية القوية مثل NumPy وSciPy وStatsmodels وMatplotlib. لا تقتصر الحوسبة الإحصائية للبيانات ذات الحدين في بايثون على توليد الأرقام العشوائية وحساب الاحتمالات النقطية والتراكمية فحسب، بل تمتد لتشمل اختبار الفرضيات الدقيقة، وتقدير فترات الثقة المعيارية، وبناء النماذج الخطية المعممة (GLM)، ومحاكاة التجارب السلوكية والفيزيائية واسعة النطاق بدقة عددية فائقة.

يهدف هذا الدليل الأكاديمي الشامل إلى تقديم مرجع تأصيلي وتطبيقي متكامل لاستخدام التوزيع ذي الحدين في بيئة بايثون. يستعرض الدليل الأسس الرياضية والنظرية للتوزيع، ويوضح كيفية إعداد البيئة البرمجية، وتوليد العينات العشوائية، وحساب الدوال الاحتمالية بدقة رياضية، بالإضافة إلى التمثيل البصري الاحترافي، واختبار الفرضيات، والتقريب الرياضي، وتطبيق النماذج المتقدمة في القياس النفسي والمعرفي، مع التركيز على أفضل الممارسات البرمجية وتجنب المزالق الحسابية الشائعة.

1. مقدمة تأصيلية: مفهوم التوزيع ذي الحدين وأسسه الرياضية

1.1 التعريف النظري وشروط تجارب برنولي المتكررة

يُعرَّف التوزيع ذو الحدين بأنه التوزيع الاحتمالي المنفصل لعدد النجاحات في تسلسل مكون من n من المحاولات المستقلة، حيث تنتهي كل محاولة بواحدة من نتيجتين متنافستين تُصنفان اصطلاحاً كـ “نجاح” (Success) أو “فشل” (Failure). تستند هذه البنية الرياضية إلى مفهوم تجربة برنولي (Bernoulli Trial)، وهي تجربة عشوائية أولية تتضمن فضاء عينة ثنائي النتائج فقط.

لكي تخضع ظاهرة إحصائية معينة لنموذج التوزيع ذي الحدين الرياضي، يجب أن تستوفي أربعة شروط بنيوية أساسية بشكل صارم:

• ثنائية النتيجة: يجب أن تنتهي كل محاولة تجريبية بنتيجة حصرية تقع ضمن إحدى فئتين، مع ترميز النجاح بالقيمة 1 والفشل بالقيمة 0.
• ثبات عدد المحاولات (n): يتم تحديد العدد الإجمالي للمحاولات مسبقاً قبل بدء جمع البيانات أو إجراء التجربة.
• استقلالية المحاولات (Independence): لا تؤثر نتيجة أي محاولة على نتائج المحاولات اللاحقة أو السابقة، مما يضمن انعدام الارتباط الذاتي بين الأحداث.
• ثبات احتمالية النجاح (p): يظل احتمال النجاح ثابتاً تماماً في كل محاولة منفردة، ويُرمز له بالرمز p، في حين يُمثل احتمال الفشل بالمقدار q = 1 – p.

تُصاغ دالة كتلة الاحتمال (Probability Mass Function – PMF) رياضياً لحساب احتمالية الحصول على عدد دقيق k من النجاحات ضمن n من المحاولات بالمعادلة الآتية:

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

حيث يمثل الرمز $\binom{n}{k}$ المعامل الثنائي (Binomial Coefficient) الذي يحدد عدد التوافيق الممكنة لاختيار k من النجاحات من بين n محاولة، في حين يمثل $k!$ مضروب العدد الصحيح، مع الأخذ في الاعتبار النطاق الرياضي $k in {0, 1, 2, dots, n}$.

1.2 المعالم الإحصائية الأساسية للتوزيع ذي الحدين

تتحدد الهوية الرياضية والخصائص التوزيعية للتوزيع ذي الحدين من خلال معلمتين أساسيتين هما: حجم العينة أو عدد المحاولات n، واحتمال النجاح في كل محاولة p. من خلال هاتين المعلمتين، يمكن اشتقاق العزوم الرياضية الأساسية (Statistical Moments) التي تصف التمركز، التشتت، والشكل العام للتوزيع.

تُعرف القيمة المتوقعة (Expected Value) أو المتوسط الحسابي للتوزيع ذي الحدين بالعزم الأول حول نقطة الأصل، وتُشتق رياضياً بالصيغة:

$$\mu = E[X] = \sum_{k=0}^{n} k \cdot P(X = k) = n \cdot p$$

أما التباين (Variance)، وهو العزم المركزي الثاني الذي يقيس مقدار تشتت المتغير العشوائي حول متوسطه الحسابي، فيُحسب بالعلاقة:

$$\sigma^2 = \text{Var}(X) = n \cdot p \cdot (1 – p) = n \cdot p \cdot q$$

وبناءً عليه، يكون الانحراف المعياري (Standard Deviation) هو الجذر التربيعي للتباين:

$$\sigma = \sqrt{n \cdot p \cdot (1 – p)}$$

تتأثر معالم الشكل الإحصائي، وتحديداً معامل الالتواء (Skewness) ومعامل التفرطح (Kurtosis)، بقيمتي المعلمتين n و p. يُحسب معامل الالتواء المعياري عبر العزم المركزي الثالث كالتالي:

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

يتضح من هذه المعادلة أن التوزيع يكون متماثلاً تماماً ($\gamma_1 = 0$) عندما تكون $p = 0.5$ بغض النظر عن قيمة n. في المقابل، يظهر التوزيع التواءً موجباً (نحو اليمين) عندما تكون $p 0.5$. كلما زادت قيمة n، يقترب معامل الالتواء تدريجياً من الصفر، مما يمهد للتقارب الطبيعي.

أما معامل التفرطح الإضافي (Excess Kurtosis)، فيُحسب بالعزم المركزي الرابع وفق الصيغة:

$$\gamma_2 = \frac{1 – 6p(1 – p)}{n \cdot p \cdot (1 – p)}$$

ومع زيادة n نحو اللانهاية، يقترب التفرطح الإضافي من الصفر، مما يعني اقتراب قمة التوزيع وشكل ذيوله من خصائص التوزيع الطبيعي المعياري.

1.3 أهمية التوزيع في النمذجة الإحصائية والبحوث التجريبية

يمثل التوزيع ذو الحدين الركيزة الأساسية للعديد من التطبيقات التحليلية في البحوث الكمية، ولا سيما في العلوم السلوكية، وعلم النفس المعرفي، والقياس التربوي، وعلم الأوبئة. فعند دراسة استجابات الأفراد في مواقف الاختيار القسري ثنائي البدائل (Two-Alternative Forced Choice)، يُستخدم هذا التوزيع لنمذجة معدلات النجاح وتحديد ما إذا كان الأداء الفردي يتجاوز مستوى التخمين العشوائي بمستوى دلالة إحصائية موثوق.

في سياق اختبار الفرضيات الإحصائية، يتيح التوزيع ذو الحدين صياغة الاختبار الثنائي الدقيق (Exact Binomial Test) لاختبار الفرضية الصفرية ($H_0: p = p_0$) مقابل الفرضيات البديلة الموجهة أو غير الموجهة، وذلك دون الحاجة إلى الاعتماد على افتراضات التوزيع الطبيعي أو تقريبات العينات الكبيرة التي قد تفشل في العينات الصغيرة.

علاوة على ذلك، يشكل التوزيع ذو الحدين الأساس النظري لنماذج النماذج الخطية المعممة (Generalized Linear Models – GLM)، وتحديداً نموذج الانحدار اللوجستي (Logistic Regression)، حيث يتم التعامل مع المتغير التابع كاستجابة ثنائية أو نسب ذات حدين ترتبط خطياً بالمتغيرات المستقلة عبر دالة الرابط اللوجستي (Logit Link Function). يسمح هذا التأصيل بربط التحليلات الاحتمالية الصرفة بالنماذج التنبؤية المتقدمة في بيئة تعلم الآلة والإحصاء التطبيقي.

2. إعداد البيئة البرمجية والمكتبات الأساسية في بايثون

2.1 تثبيت وضبط بيئة العمل الإحصائية

تتطلب الحوسبة الإحصائية الدقيقة بيئة بايثون مهيأة بشكل احترافي تضمن استقرار الحزم وتوافق إصدارات المكتبات الرياضية المتقدمة. يوصى باستخدام بيئات العمل المعزولة مثل Anaconda أو بيئات Python الافتراضية (venv) لضمان إمكانية تكرار النتائج ومنع تضارب الاعتماديات البرمجية بين المشاريع المختلفة.

يمكن تثبيت منظومة التحليل الإحصائي الأساسية باستخدام مدير الحزم pip أو عبر قنوات conda المخصصة للعلوم والبيانات. تشتمل الحزم المعيارية الأساسية على NumPy للعمليات المتجهة وتوليد المصفوفات العشوائية، وSciPy للدوال والتوزيعات الإحصائية الدقيقة، وPandas لإدارة وهيكلة الجداول الإحصائية، وMatplotlib وSeaborn للتمثيل البياني والتجسيد البصري الأكاديمي، بالإضافة إلى Statsmodels لنمذجة الانحدار والنماذج الخطية المعممة.

يعد تنظيم مسارات العمل داخل دفاتر Jupyter Notebooks أو بيئات التطوير المتكاملة مثل VS Code وPyCharm خطوة محورية لدعم إمكانية إعادة الإنتاج العلمي (Scientific Reproducibility). يتيح دمج الأكواد البرمجية مع الشروحات النظرية، والمعادلات بصيغة LaTeX، والمخرجات البصرية التفاعلية في وثيقة واحدة توثيقاً منهجياً شاملاً للتحليلات الإحصائية، مما يتماشى مع المعايير الصارمة للنشر الأكاديمي والمراجعة العلمية المفتوحة.

2.2 نظرة عامة على مكتبات NumPy وSciPy وMatplotlib

يقوم نظام الحوسبة العلمية في بايثون على تكامل وظيفي متقدم بين ثلاث مكتبات رئيسية تؤدي كل منها دوراً محورياً في التعامل مع التوزيع ذي الحدين:

• مكتبة NumPy: تمثل العمود الفقري للحوسبة العددية في بايثون بفضل كائنات المصفوفات متعددة الأبعاد (ndarray). تتيح المكتبة من خلال وحدة numpy.random توليد أعداد عينات عشوائية ضخمة تخضع للتوزيع ذي الحدين بسرعات تنفيذ فائقة تعتمد على المعالجة المتجهة (Vectorized Operations) المكتوبة بلغة C المنخفضة المستوى.
• مكتبة SciPy: تحتوي على الموديول المتخصص scipy.stats، والذي يوفر واجهة كائنية برمجية متكاملة لجميع التوزيعات الاحتمالية المستمرة والمنفصلة. يتيح كائن scipy.stats.binom حساب دوال كتلة الاحتمال (PMF)، ودوال التوزيع التراكمي (CDF)، ودوال البقاء (SF)، ودوال المئينات المعكوسة (PPF)، بالإضافة إلى حساب العزوم الرياضية وفترات الثقة وإجراء الاختبارات الإحصائية الدقيقة.
• مكتبتا Matplotlib وSeaborn: توفران أدوات قوية للتحكم الكامل في الخصائص الجمالية والتقنية للمخططات البيانية. تسمح Matplotlib بضبط مستويات المحاور، والخطوط، والشبكات، والمقاييس الاحتمالية، في حين تقدم Seaborn قوالب بصرية وتصميمات إحصائية متطورة تسهل إخراج الرسوم البيانية بدقة عالية تفي بمتطلبات النشر في الدوريات العلمية المحكمة.

3. توليد البيانات العشوائية للتوزيع ذي الحدين باستخدام NumPy

3.1 استخدام دالة numpy.random.binomial وتحديد معاملاتها

توفر مكتبة NumPy دالة متقدمة وعالية الكفاءة لتوليد متغيرات عشوائية تتبع التوزيع ذي الحدين، وهي دالة numpy.random.binomial(n, p, size=None)، أو عبر استخدام المولد الحديث المستند إلى الفئة numpy.random.default_rng().

تتضمن الدالة ثلاثة معاملات أساسية تضبط عملية المحاكاة العشوائية بدقة:

• المعامل n: عدد المحاولات الفردية المتطابقة والمستقلة في كل تجربة، ويجب أن يكون عدداً صحيحاً موجباً أو مصفوفة من الأعداد الصحيحة.
• المعامل p: احتمالية تحقق النجاح في كل محاولة منفصلة، ويجب أن تكون قيمة عشرية محصورة ضمن الفترة المغلقة $[0, 1]$.
• المعامل size: يحدد الشكل الهندسي وحجم مصفوفة المخرجات الناتجة، حيث يمكن أن يكون عدداً صحيحاً يمثل إجمالي العينات المسحوبة، أو tuple يحدد أبعاد مصفوفة ثنائية أو متعددة الأبعاد.

لضمان استقرار التجارب وقابلية إعادة إنتاجها علمياً، يجب تثبيت البذرة العشوائية (Random Seed) في بداية التحليل. عند استخدام المولد الحديث rng = np.random.default_rng(seed=42)، يتم ضمان الحصول على نفس المتتالية العددية العشوائية في كل مرة يتم فيها تشغيل الكود البرمجي، وهو شرط منهجي جوهري في الأبحاث الكمية والمحاكاة الإحصائية المحكمة.

3.2 محاكاة التجارب السلوكية والنفسية ذات الاستجابة الثنائية

تعد المحاكاة العشوائية أداة قوية في العلوم النفسية والسلوكية لتصميم وتحليل التجارب المعرفية قبل النزول إلى الميدان. على سبيل المثال، في دراسة تقيس أداء المفحوصين في اختبار ذاكرة بصري يتكون من 20 مفردة ثنائية الاستجابة (صواب/خطأ)، يمكن نمذجة أداء مجموعة مكونة من 1000 مفحوص عبر محاكاة التوزيع ذي الحدين.

إذا كان مستوى الأداء الفعلي للمفحوصين يعكس قدرة حقيقية تفوق التخمين، بحيث يبلغ احتمال الإجابة الصحيحة $p = 0.75$ بدلاً من مستوى الصدفة $p = 0.50$، فإن توليد عينة عشوائية بحجم $n = 20$ ومحاولات $size = 1000$ ينتج مصفوفة رقمية تحتوي على الدرجات الإجمالية لكل مفحوص من أصل 20 درجة ممكنة.

يمكن توسيع هذه المحاكاة لإنشاء مصفوفات متعددة الأبعاد تمثل مجموعات تجريبية وضابطة ذات معلمات مختلفة. على سبيل المثال، يمكن توليد مصفوفة ذات بعدين $(2, 500)$ لمقارنة 500 مفحوص في المجموعة التجريبية (مع $p = 0.80$) مقابل 500 مفحوص في المجموعة الضابطة (مع $p = 0.55$). يسمح ذلك بحساب التكرارات التجريبية، وحساب نسب النجاح عبر العينات، وتقدير قوة الاختبار الإحصائي (Statistical Power) تجريبياً عبر المقارنة المباشرة بين التوزيعات الناتجة.

3.3 تحليل كفاءة التوليد العشوائي للعينة الكبيرة

تتميز محاكاة التوزيع ذي الحدين في NumPy بتفوقها الحسابي الهائل مقارنة بالحلقات التكرارية التقليدية في لغات البرمجة العامة. عند محاكاة تجارب تتضمن ملايين المحاولات الإحصائية (Big Data Simulations)، تعتمد NumPy على خوارزميات C المدمجة والمعالجة المتجهة (Vectorization)، مما يتيح توليد عشرات الملايين من القيم في أجزاء من الثانية دون إرهاق مفسر بايثون.

فيما يتعلق باستهلاك الذاكرة الحاسوبية، تُخزن مخرجات np.random.binomial افتراضياً كأعداد صحيحة ذات 64 بت (int64). عند إجراء محاكاة ضخمة تشمل 100 مليون عملية سحب عشوائي، قد يستهلك ذلك ما يقارب 800 ميجابايت من الذاكرة العشوائية (RAM). لتحسين الأداء وتفادي استنزاف موارد النظام، يمكن تقليص حجم الذاكرة إلى الربع عن طريق تحديد نوع بيانات أصغر مثل int16 أو int8 إذا كانت قيمة $n$ لا تتجاوز الحدود القصوى لهذه الأنواع (مثل $n le 127$ في حالة int8).

يوضح التحليل المقارن للأداء أن استخدام الدوال المتجهة في NumPy يقلل زمن التنفيذ بمعامل يصل إلى أكثر من مئة ضعف مقارنة بحلقات for التقليدية في بايثون، مما يجعلها الخيار الأوحد لمحاكاة مونت كارلو (Monte Carlo Simulations) المعقدة وتحليلات إعادة السحب الاحتمالي (Bootstrapping).

4. حساب دالة كتلة الاحتمال (PMF) باستخدام مكتبة SciPy

4.1 مفهوم وتطبيق دالة scipy.stats.binom.pmf

تعد دالة كتلة الاحتمال (PMF) الأداة الرياضية الأساسية المخصصة للمتغيرات العشوائية المنفصلة لتحديد الاحتمال الدقيق لوقوع قيمة معينة. في مكتبة SciPy، يتم توفير هذه الدالة عبر الوحدة المتخصصة كالتالي: scipy.stats.binom.pmf(k, n, p).

يجب التمييز المفاهيمي بين الاحتمال النقطي الذي توفره دالة PMF في المتغيرات المنفصلة، ودالة كثافة الاحتمال (PDF) في المتغيرات المستمرة؛ ففي التوزيع ذي الحدين، يمثل الناتج احتمالاً مطلقاً حقيقياً يقع دائماً في النطاق $[0, 1]$، ويعبر عن احتمالية حدوث $k$ من النجاحات بالضبط.

تتعامل دالة binom.pmf بمرونة مع الحالات الحدية الحرجة. فعلى سبيل المثال، عند حساب احتمالية الحصول على صفر من النجاحات ($k=0$) أو تحقيق النجاح الكامل في جميع المحاولات ($k=n$)، تُطبق الدالة القواعد الرياضية للمضروب وتوافيق الصفر بدقة حسابية عالية دون التسبب في أخطاء القسمة على صفر أو الطفحان الحسابي، معيدةً القيم الصحيحة رياضياً: $P(X=0) = (1-p)^n$ و $P(X=n) = p^n$.

4.2 حساب الاحتمالات المتعددة والمتجهات الاحتمالية

تتيح مكتبة SciPy تمرير مصفوفات أو متجهات عددية كاملة كمدخل للمعامل $k$ في دالة binom.pmf، مما يسمح بحساب جدول التوزيع الاحتمالي الكامل بضربة برمجية واحدة ودون الحاجة لأي تكرار برمجي يدوي. عند تمرير النطاق الكامل للقيم الممكنة $k = 0, 1, 2, dots, n$ عبر np.arange(n + 1)، تُرجع الدالة مصفوفة متكاملة تمثل توزيع الاحتمالات لجميع الحالات الممكنة.

من الشروط الرياضية البديهية لأي توزيع احتمالي منفصل صحيح أن يكون مجموع احتمالات جميع الأحداث البسيطة في فضاء العينة مساوياً تماماً للواحد الصحيح:

$$\sum_{k=0}^{n} P(X = k) = 1.0$$

يمكن التحقق من هذا الشرط برمجياً في بايثون باستخدام دالة np.sum(binom.pmf(k_values, n, p))، أو استخدام الدالة الدقيقة np.isclose() للتعامل مع الفروق الطفيفة الناتجة عن تمثيل الفواصل العشرية في المعالجات الحسابية.

لتوثيق النتائج وجدولتها بطريقة علمية تناسب التقارير الأكاديمية، يمكن دمج مصفوفات $k$ والاحتمالات النقطية المقابلة في إطار بيانات Pandas DataFrame، مع إضافة أعمدة مخصصة تحسب الاحتمالات النسبية المئوية والترددات التراكمية، مما يسهل عمليات الفحص الإحصائي لاحقاً.

4.3 أمثلة تطبيقية وحسابية معمقة

لتوضيح التطبيق العملي لحساب دالة كتلة الاحتمال، نتناول مثال اختبار الاختيار من متعدد المعياري المكون من 10 أسئلة، حيث يحتوي كل سؤال على 4 خيارات بديلة، مما يجعل احتمال الإجابة الصحيحة بالتخمين العشوائي البحت مساوياً $p = 0.25$.

لحساب احتمالية أن ينجح طالب يعتمد كلياً على التخمين في الإجابة عن 6 أسئلة بالضبط بالصدفة، يتم تمرير المعاملات $k = 6$, $n = 10$, $p = 0.25$ إلى دالة binom.pmf. ينتج عن ذلك احتمال إحصائي ضئيل جداً يقارب 0.0162 (أي حوالي 1.62%)، مما يثبت رياضياً صعوبة اجتياز الاختبارات المعيارية عبر التخمين العشوائي المنفرد.

في تطبيق سريري وسلوكي آخر، لنفترض وجود استجابة نفسية نادرة تحدث لدى 2% فقط من الأفراد الطبيعيين ($p = 0.02$). في عينة سريرية مضبوطة تتكون من 50 مفحوصاً ($n = 50$)، يمكن حساب احتمالية ملاحظة هذه الاستجابة لدى مفحوصين اثنين بالضبط ($k = 2$). تُظهر الدالة الاحتمالية أن القيمة المحسوبة تبلغ حوالي 0.1858 (أي 18.58%).

عند مقارنة هذه النتائج النظرية المحسوبة عبر دالة PMF مع التكرارات النسبية الناتجة عن محاكاة تجريبية لعينة عشوائية تتكون من 100,000 تجربة عبر numpy.random.binomial، يُلاحظ تطابق شبه تام بين التوزيع التجريبي والتوزيع النظري، مما يعزز الثقة في النمذجة الاحتمالية البرمجية.

5. حساب دالة التوزيع التراكمي (CDF) ودوال البقاء (Survival Functions)

5.1 تطبيق دالة التوزيع التراكمي scipy.stats.binom.cdf

تعبر دالة التوزيع التراكمي (Cumulative Distribution Function – CDF) عن احتمالية أن يأخذ المتغير العشوائي المنفصل قيمة أقل من أو تساوي قيمة معينة $k$. تُعرف الدالة رياضياً بالصيغة:

$$F(k) = P(X le k) = \sum_{i=0}^{k} P(X = i) = \sum_{i=0}^{k} \binom{n}{i} p^i (1-p)^{n-i}$$

في بايثون، تُنفذ هذه العملية الحسابية التراكمية عبر دالة scipy.stats.binom.cdf(k, n, p). تمثل هذه الدالة أداة لا غنى عنها لتقييم عتبات الأداء في الاختبارات النفسية والتربوية، كأن نرغب في حساب احتمالية رسوب مفحوص بحصوله على 4 درجات أو أقل في اختبار مكون من 10 أسئلة.

من المسائل المفاهيمية الحرجة في المتغيرات المنفصلة التمييز الدقيق بين المتباينات الصارمة وغير الصارمة؛ إذ إن الاحتمال التراكمي $P(X le k)$ يحسب بواسطة binom.cdf(k, n, p)، في حين أن الاحتمال الصارم للحصول على أقل من $k$ نجاحات، أي $P(X < k)$، يكافئ رياضياً وبرمجياً $P(X le k – 1)$ ويُحسب بالتالي عبر binom.cdf(k - 1, n, p).

5.2 حساب احتمالات الذيل الأيمن باستخدام دالة البقاء sf

عند اختبار الفرضيات وحساب المستويات الحرجة والقيم الاحتمالية (p-values)، غالباً ما يكون التركيز منصباً على حساب احتمالات الذيل الأيمن للتوزيع، أي احتمالية الحصول على عدد من النجاحات أكبر قطيعة من $k$، والتي تُعرف بـ $P(X > k)$.

رياضياً، يمكن التعبير عن هذا الاحتمال بالمكملة: $P(X > k) = 1 – P(X le k) = 1 – \text{CDF}(k)$. وعلى الرغم من إمكانية كتابة 1 - binom.cdf(k, n, p) في بايثون، إلا أن هذه الطريقة قد تعاني من أخطاء الفقد الحسابي وفقدان الدقة العشرية (Loss of Precision) عندما تكون الاحتمالات التراكمية قريبة جداً من الواحد الصحيح وتكون احتمالات الذيل الأيمن متناهية في الصغر.

للتغلب على هذا التحدي العددي، توفر SciPy دالة البقاء المتخصصة (Survival Function) عبر scipy.stats.binom.sf(k, n, p)، والتي تحسب احتمال الذيل الأيمن $P(X > k)$ مباشرة باستخدام خوارزميات عددية مخصصة تضمن الدقة الرياضية الكاملة وتتجنب أخطاء التقريب البرمجي في المقادير الصغرى.

أما إذا كان المطلوب هو حساب احتمالية الحصول على $k$ نجاحات على الأقل، أي المتباينة غير الصارمة $P(X ge k)$، فإنها تكافئ دالة البقاء محسوبة عند النقطة السابقة: binom.sf(k - 1, n, p)، وهو تمييز رياضي بالغ الأهمية يجب مراعاته بدقة عند إعداد برمجيات التحليل الإحصائي.

5.3 دالة نقطة النسبة المئوية (Percent Point Function – PPF)

تمثل دالة نقطة النسبة المئوية (PPF) المعكوس الرياضي لدالة التوزيع التراكمي (Inverse CDF أو Quantile Function)، ويتم استدعاؤها في بايثون عبر scipy.stats.binom.ppf(q, n, p)، حيث يمثل $q$ احتمالاً تراكمياً معيناً يقع ضمن النطاق $[0, 1]$.

تُرجع الدالة أصغر عدد صحيح $k$ يحقق أن يكون الاحتمال التراكمي عنده مساوياً أو متجاوزاً للقيمة الاحتمالية المحددة $q$، أي:

$$\text{PPF}(q) = \min { k in \mathbb{Z} : P(X le k) ge q }$$

تستخدم دالة binom.ppf بشكل مكثف في القياس والتقويم النفسي وتصنيف الدرجات المعيارية؛ إذ تتيح تحديد العتبات الفاصلة ومستويات الأداء المقابلة للمئينات المختلفة. على سبيل المثال، يمكن تحديد عدد الإجابات الصحيحة التي تضع المفحوص ضمن أعلى 5% من أقرانه من خلال حساب المئين الخامس والتسعين عبر binom.ppf(0.95, n, p)، مما يوفر معياراً كمياً دقيقاً لاتخاذ القرارات التشخيصية والتصنيفية في الاختبارات النفسية والتربوية.

6. التمثيل البصري للتوزيع ذي الحدين باستخدام Matplotlib وSeaborn

6.1 رسم دالة كتلة الاحتمال كأعمدة بيانية منفصلة

يتطلب التمثيل البصري للمتغيرات العشوائية المنفصلة اختيار أشكال هندسية تعكس الطبيعة غير المستمرة للبيانات. يمثل المخطط الشريطي أو الأعمدة البيانية المنفصلة (Bar Plot / Stem Plot) الأسلوب الأكاديمي الأمثل لتجسيد دالة كتلة الاحتمال للتوزيع ذي الحدين، حيث يمثل المحور الأفقي قيم النجاح المنفصلة $k$ ويمثل المحور الرأسي قيمة الاحتمال $P(X = k)$.

باستخدام مكتبتي Matplotlib وSeaborn، يمكن إنشاء رسومات إحصائية عالية الجودة. يُفضل ضبط عرض الأعمدة البيانية بحيث يترك مسافة فاصلة بين عمود وآخر لتأكيد انفصال المتغير، وتلوين الأعمدة بدرجات لونية متناسقة مع المعايير الأكاديمية (مثل تدرجات الأزرق الداكن أو الرمادي العلمي)، مع تضمين خطوط عمودية متقطعة تشير بدقة إلى موقع المتوسط الحسابي $\mu = n \cdot p$ ومجال الانحراف المعياري $\mu \pm \sigma$.

يساعد إدراج علامات المحاور، وشبكات الخلفية الخفيفة، وعناوين الأشكال التوضيحية المنسقة بنمط LaTeX في إنتاج أشكال بيانية جاهزة للنشر الفوري في المجلات الأكاديمية والتقارير العلمية الرصينة.

6.2 رسم منحنى التوزيع التراكمي ومقارنته بالقيم النظرية

نظراً لأن دالة التوزيع التراكمي للمتغيرات المنفصلة هي دالة دَرَجية وثابة (Stepwise Function)، فإن رسمها بيانيا يستوجب استخدام المخطط الدرجي (Step Plot) المتاح عبر الدالة plt.step() في Matplotlib، بدلاً من توصيل النقاط بخطوط مائلة مستمرة قد توحي خطأً بوجود قيم كسرية مستمرة بين الأعداد الصحيحة.

يتيح المخطط التراكمي إبراز طبيعة القفزات الاحتمالية عند كل قيمة صحيحة لـ $k$، حيث يتطابق مقدار القفزة الرأسية عند النقطة $k$ تماماً مع قيمة دالة كتلة الاحتمال $P(X = k)$ عند تلك النقطة. يمكن تراكب منحنى CDF النظري مع التوزيع التراكمي التجريبي الناتج عن عينة مولدة عشوائياً، مما يوفر أداة بصرية فورية للتحقق من جودة مطابقة النموذج الاحتمالي للبيانات الملاحظة.

علاوة على ذلك، يمكن تظليل مساحات الذيل الاحتمالي وفترات الرفض الإحصائي (Rejection Regions) بلون شفاف مميز لتوضيح مفاهيم القيمة الاحتمالية (p-value) ومستوى الدلالة $\alpha$ بشكل بصري تفاعلي يسهل استيعاب المفاهيم الاستدلالية المعقدة.

6.3 مقارنة أشكال التوزيع تحت تأثير تغير المعلمات (n و p)

يتغير الشكل الهندسي للتوزيع ذي الحدين تغيراً جذرياً مع تعديل قيم المعلمتين $n$ و $p$. لدراسة هذا السلوك الرياضي بيانياً، يمكن استخدام شبكة من المخططات الفرعية (Subplots Grid) لتتبع تحولات التوزيع عبر نطاقات مختلفة من المعلمات.

عند تثبيت $n$ (مثلاً $n = 30$) وتغيير قيمة $p$ عبر القيم $0.1, 0.5, 0.9$، يظهر بوضوح كيف ينتقل التوزيع من الالتواء الموجب الشديد نحو اليمين عند $p = 0.1$، إلى التماثل التام والجرسية عند $p = 0.5$، ثم إلى الالتواء السالب نحو اليسار عند $p = 0.9$. يبرز هذا الرسم كيف تعكس القمم الاحتمالية القيمة المتوقعة $\mu = n \cdot p$ في كل حالة.

من ناحية أخرى، عند تثبيت الاحتمال المنحاز (مثلاً $p = 0.2$) وزيادة عدد المحاولات تدريجياً من $n = 10$ إلى $n = 50$ ثم $n = 200$، يوضح التمثيل البصري ظاهرة مبرهنة النهاية المركزية (Central Limit Theorem)، حيث يقل الالتواء تدريجياً وتتباعد الذيول لتتشكل ملامح المنحنى الطبيعي المتصل، مما يوضح بصرياً شروط ومسوغات التقريب الرياضي الطبيعي للتوزيع ذي الحدين.

7. استخراج المعالم الإحصائية وحساب العزوم الرياضية

7.1 استخدام موديول scipy.stats.binom.stats لاستخراج العزوم

توفر مكتبة SciPy وسيلة برمجية مباشرة لحساب العزوم الإحصائية الأربعة الأولى للتوزيع ذي الحدين من خلال استدعاء دالة scipy.stats.binom.stats(n, p, moments='mvsk')، حيث يشير الحرف ‘m’ إلى المتوسط (Mean)، و’v’ إلى التباين (Variance)، و’s’ إلى الالتواء (Skewness)، و’k’ إلى التفرطح الإضافي (Excess Kurtosis).

تُرجع هذه الدالة القيم العددية الدقيقة للعزوم بناءً على المعادلات الرياضية النظرية، مما يسمح للباحث بالتحقق الفوري من خصائص التوزيع دون الحاجة لكتابة المعادلات اليدوية أو استخراج العزوم من عينات المحاكاة. يمثل هذا التوافق البرمجي ركيزة أساسية للتحقق من صحة الكود الرياضي وضمان سلامة النمذجة.

تعد دراسة قيمتي الالتواء والتفرطح أمراً جوهرياً في تقييم جودة البيانات التجريبية؛ فالالتواء القريب من الصفر يشير إلى توازن متكافئ بين نتائج النجاح والفشل حول القيمة المتوقعة، في حين يعكس التفرطح الإضافي مدى ثقل ذيول التوزيع وتركيز البيانات مقارنة بالتوزيع الطبيعي، مما يوفر مؤشرات حاسمة لتحديد مدى ملاءمة الاختبارات المعلمية أو اللامعلمية.

7.2 حساب فترات الثقة لمعلمة الاحتمال (Confidence Intervals)

في الإحصاء الاستدلالي، لا يقتصر التحليل على تقدير النقطة لاحتمال النجاح $\hat{p} = k / n$، بل يتطلب بناء فترات ثقة (Confidence Intervals) تعكس نطاق عدم اليقين المحيط بهذا التقدير بمستوى ثقة محدد (مثل 95%).

توجد عدة منهجيات رياضية لحساب فترات الثقة لنسبة التوزيع ذي الحدين في بايثون:

• فترة ثقة كلوبر-بيرسون الدقيقة (Clopper-Pearson Exact Interval): تُعد المنهجية المعيارية الدقيقة المشتقة مباشرة من التوزيع ذي الحدين دون أي تقريب طبيعي، وتعتمد على توزيع بيتا (Beta Distribution). يتم حسابها في SciPy عبر الدالة scipy.stats.beta أو مباشرة من كائن المخرجات في دالة scipy.stats.binomtest. تضمن هذه الطريقة أن معدل التغطية الفعلي لا يقل أبداً عن المستوى الاسمي المحدد ($1 – \alpha$).
• فترة ثقة ويلسون التوافقية (Wilson Score Interval): تعتبر من أفضل الطرق التقريبية وأكثرها دقة واستقراراً، خاصة في حالات العينات الصغيرة أو عندما تكون قيمة $p$ قريبة جداً من 0 أو 1، حيث تتجنب مشكلات الحدود الصفرية التي تعاني منها فترات والدر (Wald Interval) التقليدية. يمكن حسابها برمجياً عبر مكتبة Statsmodels باستخدام الدالة statsmodels.stats.proportion.proportion_confint(k, n, method='wilson').
• فترة أجرستي-كول (Agresti-Coull Interval): طريقة تقريبية بديلة تضيف نجاحين وفشلين وهميين إلى البيانات قبل حساب فترة والدر التقليدية، وتوفر تغطية إحصائية ممتازة ومتاحة أيضاً في Statsmodels بتحديد method='agresti_coull'.

8. اختبار الفرضيات الإحصائية: الاختبار الثنائي (Binomial Test) في بايثون

8.1 تنفيذ اختبار ذي الحدين باستخدام scipy.stats.binomtest

يُستخدم الاختبار ذو الحدين (Binomial Test) كاختبار دقيق غير معلمي لاختبار الفرضيات المتعلقة بنسبة النجاح في مجتمع ثنائي الاستجابة. تتم صياغة الفرضية الصفرية عادةً على أنها تنص على أن احتمال النجاح الحقيقي يساوي قيمة مرجعية محددة ($H_0: p = p_0$)، في حين تنص الفرضية البديلة على عدم المساواة ($H_1: p ne p_0$ للاختبار ثنائي الطرفين) أو أكبر/أصغر للاختبارات أحادية الطرف.

في الإصدارات الحديثة من SciPy، يُنفذ هذا الاختبار باستخدام الدالة المعيارية المتطورة scipy.stats.binomtest(k, n, p=0.5, alternative='two-sided'). يقبل المعامل alternative ثلاثة خيارات صريحة: 'two-sided' للاختبار ثنائي الجانب، و 'greater' لاختبار ما إذا كان احتمال النجاح أكبر من القيمة المفترضة، و 'less' لاختبار ما إذا كان الاحتمال أقل.

تُرجع الدالة كائناً إحصائياً غنياً بالمعلومات من نوع BinomialTestResult، يتضمن القيمة الاحتمالية الدقيقة (p-value)، والنسبة المقدرة في العينة، بالإضافة إلى دالة مدمجة result.proportion_ci(confidence_level=0.95) لحساب فترة الثقة الدقيقة المقابلة تلقائياً، مما يوفر حلاً برمجياً متكاملاً لإعداد التقارير الإحصائية المعتمدة.

8.2 التحول من دالة binom_test القديمة إلى binomtest الحديثة

شهدت مكتبة SciPy تطويراً بنيوياً مهماً في التعامل مع الاختبارات ذات الحدين؛ حيث تم إيقاف الدالة التاريخية القديمة scipy.stats.binom_test واستبدالها رسمياً بالدالة الحديثة scipy.stats.binomtest بدءاً من إصدار SciPy 1.7.0، قبل أن تُحذف الدالة القديمة نهائياً في الإصدارات الأحدث.

يرجع هذا التحول المنهجي إلى عدة أسباب تقنية وإحصائية؛ فالإصدار القديم كان يعيد قيمة عددية مفردة تمثل الـ p-value فقط دون إرفاق فترات الثقة أو تفاصيل الاختبار، كما كان يعتمد على منطق حسابي أحادي في معالجة الحالات ثنائية الطرف. في المقابل، يوفر كائن BinomialTestResult الحديث واجهة موحدة ومنظمة تتيح الوصول إلى مختلف الخصائص الإحصائية مثل statistic و pvalue و proportion_ci() بأسلوب برمجي كائني واضح ومتسق مع باقي اختبارات SciPy المعاصرة.

لضمان استقرار المشاريع البرمجية وتفادي أخطاء الإيقاف (Deprecation Warnings)، يتعين على الباحثين والمطورين تحديث جميع الشيفرات القديمة للاعتماد حصرياً على الدالة الجديدة.

8.3 دراسة حالة نفسية تجريبية: اختبار دلالة تفضيل سلوكي

لتطبيق الاختبار الثنائي على سيناريو بحثي واقعي، نفترض تجربة في علم النفس التجريبي تدرس التفضيل البصري الفطري لدى الرضع. عُرض على عينة مكونة من 35 رضيعاً ($n = 35$) محفزان بصريان: أحدهما يمثل وجهاً بشرياً منظماً والآخر يمثل شكلاً هندسياً مجرداً متطابقاً في الإضاءة والألوان، وسُجلت استجابة التحديق الأطول كاختيار تفضيلي ثنائي.

أظهرت النتائج التجريبية أن 26 رضيعاً من أصل 35 فضلوا التحديق في الوجه البشري ($k = 26$). نهدف إلى اختبار ما إذا كان هذا التفضيل يعكس انحيازاً بصرياً ذا دلالة إحصائية حقيقية، أم أنه مجرد تباين عشوائي ناتج عن الصدفة بمستوى احتمالية متكافئ ($H_0: p = 0.5$).

بتنفيذ الاختبار في بايثون عبر الكود الآتي:

# تنفيذ الاختبار الثنائي في بايثون
from scipy.stats import binomtest
result = binomtest(k=26, n=35, p=0.5, alternative='two-sided')
ci = result.proportion_ci(confidence_level=0.95)

تسفر المخرجات عن نسبة نجاح تجريبية قدرها $\hat{p} = 0.743$ (74.3%)، وقيمة احتمالية دقيقة تبلغ $p\text{-value} = 0.0059$، مع فترة ثقة 95% لكلوبر-بيرسون تمتد بين $[0.567, 0.875]$.

وفقاً لمعايير التوثيق المعتمدة لدى جمعية علم النفس الأمريكية (APA Style 7th Edition)، تُكتب نتيجة التحليل الإحصائي في متن البحث كالتالي: “أظهرت نتائج الاختبار الثنائي الدقيق وجود تفضيل بصري دال إحصائياً للوجوه البشرية لدى الرضع ($k = 26, n = 35, p = .743, p = .006, 95% \text{ CI } [.567, .875]$)، مما يشير إلى رفض الفرضية الصفرية لصالح فرضية الانحياز البصري الفطري.”

9. تطبيقات التوزيع ذي الحدين في القياس النفسي والعلوم المعرفية

9.1 نمذجة اختبارات الاستجابة للمفردة (Item Response Theory Context)

في مجال القياس النفسي (Psychometrics) ونظرية الاستجابة للمفردة الاختبارية (IRT)، يشكل التوزيع ذو الحدين الأداة الرياضية الأساسية لنمذجة سلوك المفحوصين على المفردات ثنائية التدريج (Dichotomous Items) التي تُصحح كـ (صواب/خطأ).

يُستخدم التوزيع لتقدير مستوى الصعوبة الكلاسيكي للمفردة (Item Difficulty Index)، والمعرف بالرمز $P = R / N$ (حيث $R$ هو عدد الإجابات الصحيحة و $N$ إجمالي المفحوصين)، وتحديد حدود الثقة العشوائية لهذا المؤشر. كما يلعب دوراً جوهرياً في تصحيح الدرجات ضد التخمين العشوائي (Correction for Guessing) في الاختبارات الموضوعية، حيث يتم تعديل الدرجة الملاحظة لتقدير المعرفة الحقيقية للمفحوص بالمعادلة:

$$S_{\text{corrected}} = R – \frac{W}{C – 1}$$

حيث يمثل $W$ عدد الإجابات الخاطئة و $C$ عدد البدائل المتاحة لكل سؤال. يتيح التوزيع ذو الحدين في بايثون محاكاة توزيعات الدرجات المتوقعة تحت فرضية التخمين الكامل ومقارنتها بالدرجات الفعلية للتحقق من اتساق أداء المفحوصين وكشف حالات الغش أو الاستجابات العشوائية الشاذة.

9.2 تجارب زمن الرجع واكتشاف الإشارة (Signal Detection Theory)

في أبحاث السيكوفيزيقا (Psychophysics) والعلوم المعرفية، توفر نظرية اكتشاف الإشارة (SDT) إطاراً رياضياً لفصل حساسية المفحوص الإدراكية ($d’$) عن انحيازه في الاستجابة (Criterion / Bias). تنقسم نتائج التجارب ثنائية الخيارات في هذه النماذج إلى أربع فئات أساسية تشكل نسباً ذات حدين:

• الإصابات (Hits): الاستجابة بوجود الإشارة عند وجودها فعلياً، وتخضع لتوزيع ذي حدين بمعلمة نجاح $p_H$.
• الإنذارات الكاذبة (False Alarms): الاستجابة بوجود الإشارة في حين وجود ضوضاء فقط، وتتبع توزيعاً ذا حدين بمعلمة $p_{FA}$.
• الإخفاقات (Misses): عدم اكتشاف الإشارة عند وجودها ($1 – p_H$).
• الرفض الصحيح (Correct Rejections): تقرير عدم وجود الإشارة عند غيابها ($1 – p_{FA}$).

تتيح لغة بايثون نمذجة هذه الترددات كمتغيرات ذات حدين مستقلة لحساب حدود الثقة الاحتمالية لمعدلات الإصابة والإنذار الكاذب. يسمح هذا التحليل بتقدير مؤشرات الحساسية بدقة عالية، وتحديد التغيرات في كفاءة المعالجة الحسية لدى المفحوصين تحت ظروف التشتت، والإرهاق، وتغير مستويات التحفيز الحسي.

10. التقريب الرياضي: مقارنة التوزيع ذي الحدين بالتوزيعات الطبيعية وبواسون

10.1 التقريب إلى التوزيع الطبيعي (Normal Approximation)

عندما يزداد عدد المحاولات $n$ زيادة كبيرة، تصبح الحسابات المباشرة للتوافيق والمضاريب في التوزيع ذي الحدين مكلفة حسابياً أو معرضة للطفحان في الأنظمة القديمة. استناداً إلى مبرهنة دي موافر-لابلاس (De Moivre–Laplace Theorem)، يتقارب التوزيع ذو الحدين نحو التوزيع الطبيعي بالمعالم $\mu = n \cdot p$ و $\sigma = \sqrt{n \cdot p \cdot (1 – p)}$.

تتطلب القاعدة المعيارية لجواز تطبيق هذا التقريب تحقق شرط المتباينتين المشتركتين:

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

(وتشترط بعض المراجع الأكثر صرامة أن تكون القيمة $ge 10$).

نظراً لأننا نقرب متغيراً عشوائياً منفصلاً باستخدام توزيع احتمالي متصل، يجب تطبيق ما يُعرف بـ معامل تصحيح الاستمرارية (Continuity Correction) لتعويض الفجوة المكانية بين الأعداد الصحيحة المنفصلة والمساحات المستمرة. يتمثل هذا التصحيح في توسيع حدود الفترة بمقدار $\pm 0.5$ عند حساب الاحتمالات:

$$P(X le k) \approx P\left(Z le \frac{k + 0.5 – n \cdot p}{\sqrt{n \cdot p \cdot (1 – p)}}\right)$$

$$P(X ge k) \approx P\left(Z ge \frac{k – 0.5 – n \cdot p}{\sqrt{n \cdot p \cdot (1 – p)}}\right)$$

في بايثون، يمكن إجراء مقارنة دقيقة بين القيم الاحتمالية المستخرجة من دالة scipy.stats.binom.cdf والقيم التقريبية المستخرجة من دالة scipy.stats.norm.cdf، مما يوضح انحسار الخطأ النسبي إلى مستويات مهملة مع تنامي حجم العينة.

10.2 التقريب إلى توزيع بواسون للبيانات النادرة (Poisson Approximation)

في المقابل، إذا كان حجم العينة $n$ كبيراً جداً ولكن احتمال النجاح $p$ متناهياً في الصغر (أحداث نادرة الوقوع)، بحيث يظل حاصل الضرب $\lambda = n \cdot p$ قيمة ثابتة ومعتدلة، فإن التوزيع ذي الحدين يتقارب نحو توزيع بواسون (Poisson Distribution) بالمعلمة $lambda$. يُعرف هذا المبدأ الرياضي بـ “قانون الأحداث النادرة” (Law of Rare Events).

يُشترط لتطبيق تقريب بواسون عادة أن تكون $n ge 100$ و $p le 0.05$ مع بقاء $n \cdot p < 10$. تُحسب دالة كتلة الاحتمال التقريبية حينئذ بالصيغة:

$$P(X = k) \approx \frac{\lambda^k e^{-\lambda}}{k!}$$

يمتلك تقريب بواسون تطبيقات واسعة في دراسة الظواهر النادرة، مثل نمذجة الأخطاء المهنية الحرجة في المنشآت الطبية، أو رصد الطفرات الجينية النادرة في العينات البيولوجية الكبيرة، أو نمذجة العيوب المصنعية في خطوط الإنتاج الضخمة. يمكن التحقق برمجياً في بايثون من تطابق مخرجات scipy.stats.binom.pmf(k, n, p) مع scipy.stats.poisson.pmf(k, mu=n*p) في ظل هذه الشروط بدقة عددية مذهلة.

10.3 مقارنة بصرية وحسابية شاملة عبر بايثون

لتقييم كفاءة التقريبات الرياضية منهجياً، يمكن بناء لوحة بصرية متكاملة في بايثون تعرض دالة التوزيع ذي الحدين الأصلية متراكبة مع منحنى التقريب الطبيعي ومنحنى تقريب بواسون على نفس المقياس الهندسي.

من الناحية الكمية، لا نكتفي بالفحص البصري بل نستخدم مقياس تباعد كولباك-ليبلر (Kullback-Leibler Divergence – KL Divergence) أو المسافة الإحصائية لقياس مقدار الفقد في المعلومات عند استخدام النموذج التقريبي بدلاً من التوزيع ذي الحدين الدقيق:

$$D_{KL}(P parallel Q) = \sum_{k} P(k) \log\left(\frac{P(k)}{Q(k)}\right)$$

باستخدام دالة scipy.special.rel_entr، يمكن حساب قيمة التباعد بدقة؛ حيث تشير القيمة القريبة من الصفر إلى تطابق تام بين التوزيعين. تقدم هذه الحسابات إرشادات واضحة لاختيار التوزيع الأنسب: استخدام التوزيع الطبيعي عندما تكون $n$ كبيرة و $p$ معتدلة، واستخدام توزيع بواسون عندما تكون $n$ ضخمة و $p$ ضئيلة جداً، والاعتماد التام على التوزيع ذي الحدين الدقيق في العينات الصغيرة والمتوسطة لتفادي أي تحيز إحصائي.

11. النماذج الخطية المعممة (GLM) والانحدار اللوجستي للبيانات ذات الحدين

11.1 بناء نماذج الانحدار اللوجستي باستخدام Statsmodels

عندما تكون المتغيرات التابعة في الأبحاث السلوكية والطبية عبارة عن نسب نجاح ذات حدين أو استجابات ثنائية ترتبط بعدة متغيرات تفسيرية مستقلة، تنتقل المعالجة الإحصائية من التوزيعات الاحتمالية البسيطة إلى النماذج الخطية المعممة (GLM).

توفر حزمة Statsmodels دعماً شاملاً لنمذجة هذه البيانات عبر الموديول statsmodels.formula.api.glm أو sm.GLM، بتحديد عائلة التوزيع كـ family=sm.families.Binomial() والتي تستخدم دالة الرابط اللوجستي (Logit Link) افتراضياً:

$$\text{logit}(p) = \ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + dots + \beta_k X_k$$

يتيح تدريب النموذج استخراج تقديرات المعاملات الخطية ($\beta$)، وحساب الأخطاء المعيارية، والقيم الاحتمالية المرتبطة بكل متغير مستقل. ولتسهيل التفسير الميداني، يتم تحويل المعاملات الخطية إلى نسب الأرجحية (Odds Ratios – OR) عبر أخذ القيمة الأسية للمعاملات ($e^{\beta}$)، مع حساب فترات الثقة المقابلة لها، مما يوضح مقدار التغير في أرجحية حدوث النجاح عند زيادة المتغير المستقل بمقدار وحدة واحدة.

11.2 تشخيص جودة النموذج وملاءمة التوزيع ذي الحدين

تتطلب النمذجة المتقدمة للبيانات ذات الحدين فحصاً تشخيصياً دقيقاً لضمان عدم انتهاك الافتراضات الرياضية للنموذج. من أبرز هذه التحديات ظاهرة فرط التشتت (Overdispersion)، والتي تحدث عندما يكون التباين الملاحظ في البيانات الفعلية أكبر بكثير من التباين النظري المفترض للنموذج ذي الحدين ($\sigma^2 > n \cdot p \cdot (1-p)$)، وغالباً ما تنجم عن ارتباط داخلي بين المحاولات أو وجود متغيرات كامنة مفقودة.

يمكن فحص فرط التشتت في بايثون بحساب نسبة مقياس الانحراف لبيرسون (Pearson Chi-Square Dispersion Statistic) مقسوماً على درجات الحرية المتبقية (Residual Degrees of Freedom). إذا كانت النسبة تتجاوز الواحد الصحيح بشكل ملحوظ (مثلاً > 1.5)، يجب معالجة النموذج إحصائياً إما باستخدام نموذج شبه الحدين (Quasi-Binomial Model) أو الانتقال إلى نموذج بيتا ذي الحدين (Beta-Binomial Model) الذي يسمح بمرونة التباين.

علاوة على ذلك، يتم تقييم جودة مطابقة النموذج العام عبر فحص بواقي الانحراف (Deviance Residuals) والمفاضلة بين النماذج المتنافسة باستخدام معايير المعلومات المعيارية مثل معيار أكايكي للمعلومات (Akaike Information Criterion – AIC) ومعيار المعلومات البايزي (Bayesian Information Criterion – BIC)، لضمان الوصول إلى نموذج تنبؤي متوازن يجمع بين القوة التفسيرية والبساطة الإحصائية.

12. الأخطاء الشائعة، التحديات الحسابية، وأفضل الممارسات البرمجية

12.1 تجنب الأخطاء الحسابية والمفاهيمية في بايثون

يقع العديد من المحللين والمطورين في أخطاء منهجية وحسابية عند التعامل مع التوزيع ذي الحدين في بايثون، ومن أبرز هذه المزالق:

• الخلط بين الاحتمال المنفصل والمتصل: استخدام دوال خاطئة أو معاملة مخرجات دالة PMF ككثافة مستمرة، أو إغفال تطبيق تصحيح الاستمرارية عند التقريب الطبيعي.
• مشكلات الطفحان الحسابي (Floating Point Underflow/Overflow): محاولة حساب المعامل الثنائي والمضاريب يدوياً عبر $n!$ باستخدام دوال أساسية عند قيم $n$ الكبيرة جداً ($n > 1000$)، مما يؤدي إلى انهيار البرنامج. يجب دائماً الاعتماد على دوال SciPy المحسنة مثل scipy.special.comb(..., exact=False) أو العمل على مقياس اللوغاريتم الاحتمالي (Log-Scale) باستخدام binom.logpmf() لتفادي هذه المشكلة تماماً.
• انتهاك شرط استقلالية المحاولات: تطبيق التوزيع ذي الحدين على عينات مسحوبة من مجتمع محدود دون إرجاع (Sampling without Replacement). في هذه الحالة، يتغير احتمال النجاح $p$ مع كل سحب، ويصبح النموذج الصحيح رياضياً هو التوزيع فوق الهندسي (Hypergeometric Distribution) المتاح عبر scipy.stats.hypergeom، وليس التوزيع ذي الحدين.

12.2 أفضل الممارسات لكتابة كود إحصائي قابل للتوسع وإعادة الإنتاج

لبناء برمجيات إحصائية قوية وموثوقة تدعم المعايير الأكاديمية الصارمة، يُوصى باتباع مجموعة من الممارسات البرمجية الفضلى في بايثون:

• التحقق الصارم من المدخلات (Input Validation): تضمين جمل التحقق والشروط الاستباقية (Assertions) داخل الدوال البرمجية للتأكد من أن $n$ عدد صحيح موجب ($n ge 1$)، وأن $p$ تقع داخل المجال الاحتمالي الصحيح ($0 le p le 1$)، وأن $k$ لا تتجاوز $n$.
• البرمجة الكائنية للتحليلات (Object-Oriented Architecture): تغليف تجارب المحاكاة والتحليلات الإحصائية داخل فئات برمجية (Classes) مخصصة، مما يتيح إعادة استخدام الكود، وتوحيد واجهات المعالجة، وتسهيل إجراء اختبارات الوحدة البرمجية (Unit Testing).
• تصدير المخرجات بجودة نشر عالية: حفظ الرسوم البيانية الإحصائية بصيغ متجهة فائقة الدقة (مثل PDF أو SVG أو PNG بدقة لا تقل عن 300 DPI) عبر plt.savefig('figure.png', dpi=300, bbox_inches='tight')، وتصدير الجداول الإحصائية المنسقة مباشرة بصيغة LaTeX أو Markdown لدمجها بسلاسة في الأوراق العلمية والتقارير التنفيذية.

خاتمة

استعرض هذا الدليل المتكامل كيفية استخدام التوزيع ذي الحدين في بيئة بايثون، انطلاقاً من الأسس الرياضية والنظرية لتجارب برنولي ومعالم التوزيع الأساسية، وصولاً إلى أحدث التقنيات البرمجية للتوليد العشوائي، وحساب دوال كتلة الاحتمال والتوزيع التراكمي، والتمثيل البصري عالي الدقة. كما غطى الدليل جوانب متقدمة شملت اختبار الفرضيات الدقيق، والتطبيقات القياسية في العلوم السلوكية والمعرفية، والتقريبات الرياضية المتطورة، والنماذج الخطية المعممة، مع التأكيد على أفضل الممارسات لتفادي الأخطاء العددية الشائعة.

إن إتقان توظيف المكتبات العلمية الرائدة مثل NumPy وSciPy وStatsmodels وMatplotlib يمكّن الباحثين ومحللي البيانات من الانتقال من الاستيعاب المفاهيمي المجرد للنظرية الاحتمالية إلى التطبيق البرمجي العملي الرصين، مما يرفع من جودة ودقة وموثوقية الأبحاث الكمية في مختلف المجالات العلمية والتطبيقية المعاصرة.

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
• Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury Press.
• Feller, W. (1968). An Introduction to Probability Theory and Its Applications (Vol. 1, 3rd ed.). John Wiley & Sons.
• Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., … & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362. https://doi.org/10.1038/s41586-020-2649-2
• Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90-95. https://doi.org/10.1109/MCSE.2007.55
• Seabold, S., & Perktold, J. (2010). statsmodels: Econometric and statistical modeling with python. In Proceedings of the 9th Python in Science Conference (Vol. 57, pp. 61-66). https://doi.org/10.25080/Majora-92bf1921-011
• Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., … & SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261-272. https://doi.org/10.1038/s41592-019-0686-2
• Wackerly, D. D., Mendenhall, W., & Scheaffer, R. L. (2014). Mathematical Statistics with Applications (7th ed.). Cengage Learning.