الافتراضات الثلاثة لتوزيع ثنائي الحدين

تُعد النمذجة الاحتمالية حجر الزاوية الذي ترتكز عليه منهجيات الاستدلال الإحصائي في العلوم السلوكية والقياس النفسي الحديث؛ إذ إن القدرة على تحويل الظواهر الإنسانية المعقدة والملاحظات العيادية والتجريبية إلى أطر رياضية دقيقة هي ما يمنح البحث العلمي رصانته وقابليته للتعميم والتكرار. وفي قلب هذا البناء الرياضي، يبرز توزيع ثنائي الحدين (Binomial Distribution) كواحد من أقدم التوزيعات الاحتمالية المتقطعة وأكثرها استخداماً وأعمقها تأثيراً في صياغة النظريات السلوكية، وتفسير البيانات القاطعة المتولدة عن التجارب النفسية والمعرفية.

ومع ذلك، فإن هذا التوزيع الأنيق ليس قالباً مطلقاً يصلح للتطبيق دون شروط مسبقة، بل هو نظام استدلالي محكوم بمجموعة صارمة من الفرضيات الرياضية والمنهجية التي تمثل “العقد الإحصائي” بين الباحث والنموذج الرياضي. إن أي خلل في استيفاء هذه الشروط لا يقتصر أثره على تشويه النتائج الرياضية المحسوبة فحسب، بل يمتد ليعصف بالصدق الداخلي والخارجي للبحث بأكمله، مما يقود إلى استنتاجات سيكولوجية مضللة وقرارات تشخيصية خاطئة قد تترتب عليها عواقب بالغة الحساسية في التطبيقات الإكلينيكية والتربوية والصناعية.

يتناول هذا المقال التخصصي تحليلاً نظرياً وتطبيقياً موسعاً لـ الافتراضات الثلاثة لتوزيع ثنائي الحدين، مسلطاً الضوء على البنية الرياضية العميقة لكل افتراض، وجذوره الإبستمولوجية في القياس النفسي، والتحديات الميدانية التي تواجه الباحثين عند محاولة تلبية هذه الشروط في السياقات السلوكية الواقعية. كما نستعرض التداعيات الإحصائية المترتبة على خرق هذه الفرضيات، ونقدم دليلاً شاملاً لطرائق الكشف والتشخيص الإحصائي، تليها أحدث البدائل النمذجية المتقدمة التي توفر حلولاً رصينة عندما تعجز النماذج الكلاسيكية عن استيعاب ديناميكية السلوك البشري وتعقيداته.

1. مدخل نظري إلى التوزيع ذي الحدين في القياس النفسي والإحصاء السلوكي

1.1 التعريف الرياضي والإحصائي للتوزيع ثنائي الحدين

يُمثل التوزيع ثنائي الحدين النموذج الرياضي الأساسي الذي يصف عدد مرات حدوث حدث معين ضمن سلسلة محددة وثابتة من المحاولات العشوائية المستقلة. يرجع التأصيل التاريخي والرياضي لهذا النموذج إلى أعمال الرياضي السويسري ياكوب برنولي (Jacob Bernoulli) في أواخر القرن السابع عشر، حيث وضع اللبنة الأولى لما يُعرف اليوم بـ “محاكمة برنولي” (Bernoulli Trial)، وهي التجربة العشوائية الأبسط التي لا تحتمل سوى مخرجين محتملين متنافيين، يُصطلح على تسميتهما تقليدياً بـ “النجاح” (Success) و”الفشل” (Failure).

عند تكرار تجربة برنولي لعدد n من المرات المتطابقة والمستقلة، فإن المتغير العشوائي المتقطع X، والذي يُعرّف بأنه إجمالي عدد مرات “النجاح” المحققة عبر هذه المحاولات، يتبع توزيعاً ثنائي الحدين بمَعلمتين أساسيتين هما: عدد المحاولات الكلي n (حيث n ينتمي إلى الأعداد الصحيحة الموجبة)، واحتمال النجاح في كل محاولة مفردة p (حيث 0 ≤ p ≤ 1). وتُعطى دالة الكتلة الاحتمالية (Probability Mass Function – PMF) لحساب احتمال الحصول على k من النجاحات تحديداً بالصيغة الرياضية الدقيقة التالية:

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

حيث يمثل C(n, k) التوافيق الرياضية التي تحدد عدد الطرق المختلفة لترتيب k من النجاحات بين n من المحاولات، وتُحسب وفق العلاقة: C(n, k) = n! / [k! × (n – k)!]. ويُرمز لمتمم احتمال النجاح بالرمز q، حيث q = 1 – p يمثل احتمال الفشل الحصري.

ومن هذه البنية الجبرية، تُشتق الخصائص الإحصائية الأساسية للتوزيع؛ إذ تُحسب القيمة المتوقعة (Expected Value) أو المتوسط الحسابي للمتوزيع بالعلاقة الخطية: E(X) = μ = n × p، في حين يُعطى التباين الرياضي (Variance) بالصيغة: Var(X) = σ² = n × p × (1 – p). أما الانحراف المعياري، فهو الجذر التربيعي الموجب لحاصل ضرب هذه العوامل الثلاثة: σ = √[n × p × (1 – p)]. تبرز هذه العلاقات أن التباين في التوزيع ثنائي الحدين ليس مستقلاً عن المتوسط، بل يرتبط به ارتباطاً بنيوياً وثيقاً، ويصل التباين إلى أقصى قيمة ممكنة له عندما يكون احتمال النجاح متساوياً تماماً مع احتمال الفشل (أي عندما p = 0.5).

1.2 الأهمية المنهجية للتوزيع ذي الحدين في البحوث السلوكية والنفسية

تكتسب النمذجة ثنائية الحدين أهمية استثنائية في حقل العلوم النفسية والسلوكية نظراً للطبيعة القاطعة (Categorical Nature) للعديد من الظواهر السلوكية والمؤشرات الإدراكية. فعلى عكس العلوم الفيزيائية التي غالباً ما تتعامل مع قياسات مستمرة ذات دقة متناهية، يجد الباحث النفسي نفسه في كثير من الأحيان أمام استجابات سلوكية تتخذ صيغة ثنائية صارمة: إما استجابة للمنبه أو إحجام، تذكّر المادة المعرفية أو نسيانها، حل المشكلة بنجاح أو العجز عن حلها، وتأكيد وجود العَرَض النفسي أو نفيه.

يمثل التوزيع ثنائي الحدين الأساس الرياضي الذي تقوم عليه نظريات كشف الإشارات (Signal Detection Theory) ونماذج اتخاذ القرار الإدراكي؛ حيث يُطلب من المفحوص التمييز بين وجود الإشارة الحسية وخلفية الضجيج، وتُصنف استجاباته إلى فئات ثنائية متقابلة. إضافة إلى ذلك، يعتمد بناء وتقنين المقاييس النفسية والاختبارات التحصيلية في إطار النظرية الكلاسيكية للاختبارات (Classical Test Theory – CTT) على هذا التوزيع لتحليل معاملات صعوبة الفقرات، وحساب احتمالات الإجابة الصحيحة بالصدفة، وتقدير درجات القطع التشخيصية للاضطرابات النفسية والسلوكية.

كما يلعب التوزيع دوراً حيوياً في اختبار الفرضيات الإحصائية المتعلقة بنسب وتكرارات السلوك؛ مثل مقارنة معدلات الامتثال للعلاج النفسي بين مجموعتين تجريبية وضابطة، أو تقييم مدى فعالية تدخل تربوي في زيادة معدلات النجاح لدى عينة من ذوي صعوبات التعلم. إن هذا النموذج الرياضي يوفر الأساس المعياري لمقارنة النسب الملاحظة تجريبياً بالنسب المتوقعة تحت فرضية العدم (Null Hypothesis)، مما يتيح استدلالاً إحصائياً رصيناً خالياً من التقديرات الذاتية.

1.3 الحدود الفاصلة بين التوزيع ثنائي الحدين والتوزيعات الاحتمالية الأخرى

لتحديد النطاق التطبيقي الدقيق للتوزيع ثنائي الحدين، يجب استيعاب الحدود النظرية والرياضية الفاصلة بينه وبين التوزيعات الاحتمالية المتقاربة معه. يظهر التمايز الأول عند مقارنته بـ توزيع بواسون (Poisson Distribution)؛ فبينما يهتم التوزيع ثنائي الحدين بحساب عدد النجاحات في عدد محدد ومعلوم مسبقاً من المحاولات المنفصلة n، يُعنى توزيع بواسون بنمذجة عدد مرات وقوع حدث نادر عبر متصل مستمر من الزمان أو المكان، دون وجود حد أقصى نظري للمحاولات. ويتقارب التوزيع ثنائي الحدين نحو توزيع بواسون كحالة حدية خاصة عندما يؤول عدد المحاولات نحو اللانهاية (n → ∞) في حين يؤول احتمال النجاح نحو الصفر (p → 0) مع بقاء حاصل ضربهما (λ = np) ثابتاً.

أما التمايز الجوهري الثاني، فيبرز عند مقارنة التوزيع ثنائي الحدين بـ التوزيع فوق الهندسي (Hypergeometric Distribution). ينشأ هذا التوزيع الأخير عند سحب عينات من مجتمعات إحصائية محدودة دون إرجاع (Sampling without Replacement). في هذه الحالة، يتغير احتمال النجاح p من محاولة إلى أخرى تبعاً لمخرجات المحاولات السابقة، مما يخرق أحد أركان ثنائي الحدين. وبالتالي، يمثل التوزيع ثنائي الحدين حالة المعاينة مع الإرجاع، أو المعاينة من مجتمعات غير محدودة، بينما يمثل التوزيع فوق الهندسي المعاينة دون إرجاع من مجتمعات مغلقة ومحدودة الحجم.

علاوة على ذلك، يرتبط التوزيع ثنائي الحدين بـ التوزيع الطبيعي (Normal Distribution) عبر مبرهنة دي موافر-لابلاس (De Moivre-Laplace Theorem)، وهي حالة خاصة من نظرية النهاية المركزية. وفقاً لهذه المبرهنة، يتقارب التوزيع المتقطع لثنائي الحدين تقارباً سلساً نحو التوزيع الطبيعي المستمر N(np, np(1-p)) كلما كبُر حجم العينة n، ويُعتبر التقريب الطبيعي صالحاً إحصائياً عندما يتحقق الشرطان المتزامنان: np ≥ 5 و n(1-p) ≥ 5 (أو 10 في معايير أكثر صرامة). وأخيراً، عندما يتجاوز الموقف التجريبي ثنائية المخرجات ليشمل ثلاثة تصنيفات متنافية أو أكثر، يتحول النموذج رياضياً من التوزيع ثنائي الحدين إلى التوزيع متعدد الحدود (Multinomial Distribution).

2. نظرة شاملة على بنية افتراضات التوزيع ذي الحدين وأهميتها المنهجية

2.1 طبيعة الافتراضات الإحصائية وحتميتها الاستدلالية

في الفلسفة الإحصائية والمنهجية العلمية، لا تُعد الافتراضات مجرد متطلبات شكلية أو قيود اختيارية يضعها الرياضيون لتعقيد الحسابات، بل هي الشروط الوجودية والأسس المنطقية التي تُبنى عليها الصلاحية الرياضية للنماذج الاستدلالية. إن النماذج الإحصائية هي تمثيلات رياضية مبسطة ومجردة للواقع المعقد؛ ولكي يكون هذا التجريد صالحاً لتوليد استنتاجات سيكولوجية قابلة للثقة، يجب أن تتطابق الخصائص التوليدية للبيانات المجمعة في المختبر أو الميدان مع الهيكل الافتراضي للنموذج المطبق.

تكمن حتمية استيفاء الافتراضات في كونها الضامن المباشر للصدق الداخلي للاستدلالات الإحصائية. فعندما تُبنى اختبارات الدلالة الإحصائية، مثل اختبار ثنائي الحدين المضبوط (Exact Binomial Test) أو فترات الثقة لنسب النجاح، فإن القيم الاحتمالية (p-values) المحسوبة تُشتق رياضياً بافتراض أن البيانات قد تولدت تحت شروط بنيوية محددة. وإذا كانت هذه الشروط منتهكة في الواقع التجريبي، فإن القيمة الاحتمالية الناتجة تصبح مضللة وفاقدة لمعناها الحقيقي.

إن خرق هذه الافتراضات يقود مباشرة إلى تضخم كارثي في معدلات الخطأ من النوع الأول (Type I Error)؛ حيث يميل النموذج إلى رفض فرضية العدم الحقيقية وتأكيد وجود تأثير تجريبي أو نفسي وهمي لا وجود له في الواقع. وفي المقابل، قد يتسبب انتهاك الشروط في زيادة معدل الخطأ من النوع الثاني (Type II Error)، مما يقلص القوة الإحصائية (Statistical Power) للدراسة ويحجب تأثيرات نفسية وعلاجية حقيقية كان ينبغي رصدها. ومن ثمّ، فإن التحقق الصارم من الافتراضات هو خط الدفاع الأول لحماية البحث السلوكي من الاستنتاجات الزائفة.

2.2 استعراض الافتراضات الثلاثة كمنظومة متكاملة

لكي يُصنف أي متغير عشوائي X على أنه متغير خاضع للتوزيع ثنائي الحدين، يجب أن تنبثق البيانات المولدة له من سياق تجريبي يستوفي ثلاثة افتراضات بنيوية كبرى تتكامل فيما بينها لتشكل منظومة متماسكة لا تقبل التجزئة:

• الافتراض الأول: ثنائية المخرجات الممكنة لكل محاولة تجريبية (Dichotomous Outcomes): يفرض هذا الشرط أن كل محاولة مفردة ضمن التجربة يجب أن تسفر عن مخرج واحد فقط من بين مخرجين متنافيين تماماً وشاملين لجميع الاحتمالات الممكنة (نجاح / فشل).
• الافتراض الثاني: ثبات احتمالية النجاح عبر جميع المحاولات المتكررة (Constant Probability of Success): يتطلب هذا الشرط بقاء احتمال وقوع المخرج المستهدف p ثابتاً ومستقراً بصورة مطلقة من المحاولة الأولى وحتى المحاولة رقم n، دون أن يتأثر بمرور الزمن أو تغير الشروط التجريبية.
• الافتراض الثالث: الاستقلالية التامة والمطلقة بين المحاولات التجريبية (Independence of Trials): يقتضي هذا الشرط الحاسم ألا تؤثر نتيجة أي محاولة تجريبية، سواء كانت نجاحاً أو فشلاً، تأثيراً مباشراً أو غير مباشر على احتمالية النجاح أو الفشل في أي محاولة سابقة أو لاحقة ضمن السلسلة.

تتفاعل هذه الافتراضات الثلاثة وتتشابك عضوياً داخل دالة الكتلة الاحتمالية؛ فالتوافيق C(n, k) تفترض ثنائية المخرجات لفرز التباديل الممكنة، والأسس p^k و (1-p)^n-k تفترض الثبات المطلق للمعلمة p، في حين أن عملية الضرب الجبري للاحتمالات عبر المحاولات تستند رياضياً وبشكل حصري إلى قاعدة ضرب الاحتمالات المستقلة. إن سقوط أي ركن من هذه الأركان الثلاثة يفكك البنية الرياضية لنموذج ثنائي الحدين بأكمله، مما يفرض على الباحث التخلي عنه واللجوء إلى نماذج بديلة تستوعب هذا الخرق المنهجي.

3. الافتراض الأول: ثنائية المخرجات الممكنة لكل محاولة تجريبية

3.1 التأصيل النظري لخاصية المخرج المزدوج (Dichotomous Outcomes)

يستند الافتراض الأول للتوزيع ثنائي الحدين إلى مبدأ فلسفي ورياضي صارم يُعرف بـ “الثنائية القاطعة” (Dichotomy). من المنظور الصوري لنظرية المجموعات والاحتمالات، يُعرّف فضاء العينة (Sample Space – Ω) لأي محاولة برنولية بأنه فضاء مركب من عنصرين اثنين فقط لا غير: Ω = {Success, Failure}. ويشترط في هذين العنصرين أن يكونا متنافيين حصرياً (Mutually Exclusive)، بحيث يستحيل منطقياً وفيزيائياً وقوعهما معاً في نفس اللحظة التجريبية (Success ∩ Failure = ∅)، وأن يكونا شاملين كلياً (Collectively Exhaustive)، بحيث يستوعب اتحادهما كامل فضاء العينة الممكن (P(Success ∪ Failure) = 1).

من الناحية المنهجية، يُجرّد الإحصاء الرياضي مصطلحي “النجاح” و”الفشل” من أي حمولة قيمية أو أخلاقية أو عاطفية؛ فالنجاح في السياق الإحصائي لا يعني بالضرورة حدثاً مرغوباً أو إيجابياً، بل يشير فقط إلى “ظهور الخاصية أو الحدث محل الاهتمام والدراسة”. ففي الدراسات السيكولوجية والطبية، قد يُعرّف “النجاح” إحصائياً بأنه تشخيص المريض بالإصابة بالاكتئاب الحاد، أو ارتكاب المفحوص لخطأ إدراكي معين، أو استجابة المفحوص بعدوانية لمثير محدد. وكل ما يخالف هذا المخرج المستهدف يُصنف تلقائياً وتجريدياً على أنه “فشل”.

جبرياً، يتم التعبير عن هذا المخرج المزدوج عبر متغير مؤشر عشوائي (Indicator Random Variable) يُعرف بمتغير برنولي Y_i للمحاولة i، حيث يأخذ القيمة الرياضية 1 عند تحقق حدث النجاح باحتمال p، ويأخذ القيمة 0 عند تحقق الفشل باحتمال 1 – p. إن هذا التمثيل الرقمي الثنائي هو الذي يسمح بإجراء العمليات الحسابية والتجميعية لتوليد المتغير ثنائي الحدين الإجمالي X = ∑ Y_i.

3.2 تحويل المتغيرات المستمرة والمتعددة إلى متغيرات ثنائية

في بحوث القياس النفسي، نادراً ما تظهر الظواهر السلوكية بصورة ثنائية نقية وطبيعية؛ فالقلق، والذكاء، والأداء المعرفي، وسمات الشخصية هي في أصلها متغيرات كامنة مستمرة (Latent Continuous Variables) تتوزع على متصل غير منقطع من الدرجات. ولمعالجة هذه البيانات باستخدام النماذج ثنائية الحدين، يلجأ الباحثون في كثير من الأحيان إلى عملية “الثنائية المصطنعة” (Artificial Dichotomization) من خلال تطبيق ما يُعرف بـ نقاط القطع (Cut-off Points) أو العتبات التشخيصية.

تتم هذه العملية عبر تحويل الدرجة المستمرة Z إلى متغير ثنائي Y؛ بحيث إذا كانت Z ≥ c (حيث c هي نقطة القطع المحددة)، يُصنف المفحوص على أنه “ناجح” أو “مستوفٍ للمعيار” (Y = 1)، وإذا كانت Z < c يُصنف على أنه “فاشل” أو “غير مستوفٍ” (Y = 0). تنطبق هذه التقنية أيضاً على استجابات مقاييس ليكرت المتعددة (Likert Scales)؛ حيث تُدمج الخيارات المتدرجة (مثل: أوافق بشدة، أوافق) في فئة ثنائية موحدة تمثل القبول، وتُدمج الخيارات الأخرى في فئة تمثل الرفض.

على الرغم من الفائدة العملية لهذه التقنية في التبسيط والتشخيص السريري، إلا أنها تنطوي على مخاطر منهجية جسيمة حذر منها علماء القياس النفسي؛ إذ تؤدي الثنائية المصطنعة إلى فقدان هائل في تباين البيانات وتشتتها الطبيعي (Loss of Variance)، مما يتسبب في انخفاض القوة الإحصائية للاختبارات بمعدلات قد تصل إلى 35% أو أكثر، وربما يؤدي إلى خلق علاقات زائفة أو إخفاء ارتباطات خطية حقيقية بين المتغيرات. ولتقليل هذه المخاطر، يجب فحص دقة التصنيف الثنائي باستخدام أساليب متقدمة مثل التحليل العاملي التوكيدي (CFA) ونماذج العتبات الكامنة للتأكد من أن نقطة القطع تعكس بالفعل تمايزاً هيكلياً في الظاهرة المقاسة.

4. تطبيقات الافتراض الأول في القياس السلوكي والاختبارات النفسية

4.1 نمذجة أسئلة الصواب والخطأ في الاختبارات المعرفية

تمثل اختبارات التحصيل الدراسي والمقاييس المعرفية المعتمدة على فقرات “الصواب والخطأ” (True/False Items) أو أسئلة الاختيار من متعدد ذات الإجابة الصحيحة الواحدة، التطبيق الكلاسيكي الأوضح للافتراض الأول. في هذه السياقات، يُنظر إلى كل مفردة اختبارية على أنها محاولة برنولية مستقلة، تُعطى فيها الاستجابة الصحيحة رمز النجاح (1) والاستجابة الخاطئة رمز الفشل (0). وتُبنى الدرجة الكلية للاختبار كمتغير ثنائي الحدين يمثل مجموع الإجابات الصحيحة.

في إطار النظرية الكلاسيكية للاختبارات (CTT)، يُستخدم هذا النموذج لتحديد معامل صعوبة المفردة (Item Difficulty Index – p-value)، والذي يُعرف بالصيغة التجريبية: نسبة الأفراد الذين أجابوا عن المفردة بشكل صحيح من إجمالي المختبرين. كما يُشتق معامل التمييز من خلال مقارنة نسب الاستجابة الصحيحة بين الفئات المرتفعة والمنخفضة في القدرة المعرفية العامة.

ومع ذلك، تواجه نقاء الثنائية في الاختبارات المعرفية تحديات تطبيقية حقيقية؛ أبرزها وجود خيارات مثل “لا أعلم” أو ترك المفحوص للفقرة دون إجابة (Omitted Responses). إن إجبار الباحث على تصنيف “لا أعلم” كإجابة خاطئة يدمج بين الجهل المعرفي وعدم التأكد السيكولوجي، مما يلوث الفئة الثنائية. بالإضافة إلى ذلك، فإن ظاهرة التخمين العشوائي (Random Guessing) في أسئلة الاختيار من متعدد تُدخل تشويشاً على الثنائية؛ حيث إن النجاح الناتج عن التخمين لا يعكس نفس البنية المعرفية للنجاح الناتج عن المعرفة الحقيقية، مما يتطلب تصحيحاً رياضياً لأثر التخمين للحفاظ على الصدق البنيوي للافتراض.

4.2 التشخيص الإكلينيكي وتصنيف الاضطرابات النفسية

في علم النفس الإكلينيكي والطب النفسي، تتخذ القرارات التشخيصية طابعاً ثنائياً حتمياً: إما أن المريض يعاني من اضطراب نفسي محدد ويستوفي معاييره التشخيصية، أو أنه لا يعاني منه. يستند هذا التصنيف إلى الأدلة التشخيصية المعيارية مثل الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5)؛ حيث تُقيّم مجموعة من الأعراض المنفصلة، ويُحكم على كل عَرَض بوجوده (1) أو غيابه (0).

تُطبق النماذج ثنائية الحدين في دراسة معدلات انتشار الأعراض النفسية داخل المجتمع السريري؛ حيث يُفترض أن كل مفحوص في العينة يمثل محاولة برنولية مستقلة تسفر عن تصنيف إيجابي أو سلبي للمرض. ومن خلال هذا التأطير، تُحسب المؤشرات الإحصائية الحاسمة للاختبارات التشخيصية، مثل الحساسية (Sensitivity – قدرة الاختبار على تحديد المرضى الفعليين بدقة) والنوعية (Specificity – قدرة الاختبار على تحديد الأصحاء بدقة).

يظهر التوافق الهيكلي بين التوزيع ثنائي الحدين ومعايير DSM-5 عندما يُشترط وجود عدد معين k من أصل n من الأعراض لتأكيد التشخيص (مثل استيفاء 5 أعراض من أصل 9 لتشخيص نوبة الاكتئاب الجسيم). إن نمذجة هذه الأعراض كمتغيرات ثنائية تتيح للباحثين حساب احتمالات الوصول إلى العتبة التشخيصية وتوزيعها الاحتمالي عبر فئات المجتمع المختلفة، شريطة التحقق من تمايز الأعراض وعدم تداخلها السريري.

4.3 تجارب زمن الرجع وكشف المنبهات الإدراكية

في مختبرات علم النفس التجريبي والمعرفي، تمثل تجارب الإدراك الحسي وزمن الرجع (Reaction Time) بيئة خصبة لتطبيق النماذج ثنائية الحدين وفق نظرية كشف الإشارات (SDT). في هذه التجارب، يتعرض المفحوص لسلسلة طويلة من المحاولات المتتابعة التي يُعرض فيها منبه بصري أو سمعي خافت، وتُصنف استجابته السلوكية إلى مخرجات ثنائية حاسمة تصف الأداء الإدراكي بدقة متناهية.

تتضمن هذه المخرجات الثنائية فئتين رئيسيتين من النجاح والفشل حسب الشروط التجريبية:

• الرصد الصحيح (Hit): استجابة المفحوص بوجود المنبه عند ظهوره الفعلي (نجاح إدراكي).
• الإخفاق (Miss): عدم استجابة المفحوص عند ظهور المنبه الفعلي (فشل إدراكي).
• الإنذار الكاذب (False Alarm): استجابة المفحوص بوجود المنبه في حين أنه لم يُعرض أصلاً.
• الرفض الصحيح (Correct Rejection): إحجام المفحوص عن الاستجابة عند غياب المنبه.

تُطبق هذه الثنائية أيضاً في مهام اتخاذ القرار المعجمي (Lexical Decision Tasks)؛ حيث يُعرض على المفحوص تتابع من الحروف ويكون عليه اتخاذ قرار ثنائي فوري: هل الكلمة حقيقية وذات معنى أم أنها كلمة زائفة (Pseudoword). تُحلل نسب النجاح المحققة عبر مئات المحاولات لتقدير عتبات الإدراك الحسي، وسرعة المعالجة الدماغية، ومستوى الحذر الإدراكي (Response Bias) لدى الأفراد تحت ضغوط زمنية وظروف تجريبية متباينة.

5. الافتراض الثاني: ثبات احتمالية النجاح عبر المحاولات المتكررة

5.1 المفهوم الرياضي لثبات المعلمة p عبر سلسلة الاختبار

يقضي الافتراض الثاني في البناء الرياضي للتوزيع ثنائي الحدين بضرورة ثبات المعلمة p؛ أي أن احتمالية حدوث النجاح في المحاولة رقم 1 يجب أن تكون متطابقة رياضياً وبشكل تام مع احتمالية النجاح في المحاولة رقم 2، والمحاولة رقم 100، وهكذا حتى المحاولة الأخيرة n. يُعرف هذا الشرط في الأدبيات الإحصائية بـ “تجانس الاحتمالية” (Homogeneity of Success Probability).

من الناحية الرياضية، إذا رمزنا لاحتمال النجاح في المحاولة رقم i بالرمز p_i، فإن التوزيع ثنائي الحدين يشترط أن:

p₁ = p₂ = p₃ = … = p_n = p

يتطلب هذا التجانس الاحتمالي استقراراً مطلقاً في جميع الظروف الفيزيائية، والبيئية، والأداتية، والسيكولوجية المحيطة بعملية القياس. فإذا تغيرت أي من هذه الظروف بصورة ترفع أو تخفض من فرص تحقق النجاح بين محاولة وأخرى، فإن المعلمة p تتحول من ثابت رياضي إلى متغير ديناميكي p_i، مما يؤدي إلى انهيار الصيغة الكلاسيكية للتوزيع.

إن الأثر المباشر لتغير المعلمة p عبر المحاولات يظهر جلياً في دالة التباين. فعندما تختلف p_i من محاولة لأخرى مع بقاء متوسطها العام ثابتاً عند p̄، فإن التوزيع الناتج لم يعد توزيعاً ثنائي الحدين بسيطاً، بل يتحول إلى ما يُعرف بـ “توزيع بواسون ثنائي الحدين” (Poisson’s Binomial Distribution). وفي هذه الحالة، يكون التباين الفعلي للمتغير أقل من التباين النظري المفترض لثنائي الحدين، ويُعطى التباين الفعلي بالصيغة:

Var(X) = ∑ p_i(1 – p_i) = n p̄ (1 – p̄) – ∑ (p_i – p̄)²

يُظهر هذا الاشتقاق الرياضي أن أي تشتت أو تباين في قيم p_i حول متوسطها يؤدي حتماً إلى تقليص التباين الكلي بمقدار مجموع المربعات المحسوم، وهو ما يُعرف في الإحصاء بظاهرة التشتت الناقص (Underdispersion) الناتجة عن عدم تجانس الاحتمالات.

5.2 النمذجة الرياضية لثبات الاحتمال في القياس النفسي

في التطبيقات السيكومترية، يفرض افتراض ثبات الاحتمال تحدياً كبيراً؛ فإذا طُبق التوزيع ثنائي الحدين البسيط لنمذجة إجمالي درجات اختبار نفسي مكون من n من الفقرات لمفحوص معين، فإن هذا يفترض ضمناً أن جميع مفردات الاختبار متساوية تماماً في مستوى الصعوبة (Equal Item Difficulties)؛ أي أن المفحوص لديه نفس احتمالية الإجابة الصحيحة p على كل سؤال، وهو افتراض نادراً ما يتحقق في المقاييس النفسية المصممة عمداً لتتدرج من السهولة إلى الصعوبة.

لتجاوز هذا القيد، تطورت نظرية استجابة المفردة (Item Response Theory – IRT)، والتي تقدم نموذجاً رياضياً أكثر مرونة يسمح بتغير احتمالية النجاح p_i كدالة تربط بين قدرة المفحوص أو سمته الكامنة (Latent Trait – θ) وخصائص المفردة ذاتها (مثل صعوبتها b_i وتمييزها a_i). ففي نموذج راش الأحادي المعلمة (Rasch Model)، تُصاغ احتمالية النجاح بالعلاقة اللوجستية:

P(Y_i = 1 | θ) = exp(θ – b_i) / [1 + exp(θ – b_i)]

وعليه، لا يمكن تطبيق التوزيع ثنائي الحدين الكلاسيكي على درجات الاختبارات النفسية إلا إذا كانت الفقرات متكافئة الصعوبة تماماً (Parallel Items)، أو إذا كان التحليل يُجرى عبر أفراد متعددين متطابقين تماماً في السمة الكامنة θ لكل مفردة على حدة. كما يتطلب استقرار الاحتمالية التحقق من خلو البنود من الأداء التبايني للمفردة (Differential Item Functioning – DIF)؛ لضمان أن احتمالية النجاح لا تتغير بتغير الانتماء الفئوي أو الثقافي للمفحوصين عند تساوي مستويات قدرتهم الفعلية.

6. تحديات الافتراض الثاني في سياق التعلم والتعب النفسي

6.1 أثر منحنيات التعلم والتدريب على ديناميكية الاحتمالية

يُمثل السلوك الإنساني منظومة ديناميكية شديدة التكيف والتعلم؛ مما يجعل الحفاظ على ثبات المعلمة p عبر سلسلة طويلة من المحاولات التجريبية أمراً بالغ الصعوبة من الناحية العملية. في التجارب المعرفية والسلوكية التي تتضمن محاولات متكررة لنفس المهمة أو لمهام متشابهة، يُظهر المفحوصون ظاهرة “منحنى التعلم” (Learning Curve)؛ حيث ترتفع احتمالية الاستجابة الصحيحة تدريجياً مع تقدم المحاولات وتراكم الخبرة والممارسة.

يتجلى هذا الخرق بوضوح عندما يتلقى المفحوص تغذية راجعة فورية (Immediate Feedback) بعد كل محاولة (مثل إعلامه بصواب أو خطأ إجابته)؛ إذ تؤدي هذه التغذية الراجعة إلى تعديل استراتيجيات المعالجة المعرفية، مما يجعل احتمالية النجاح في المحاولة i + 1 أعلى بصورة دالة من احتمالية النجاح في المحاولة i (أي أن p_i+1 > p_i). ولنمذجة هذه الديناميكية، يضطر الباحثون إلى الاستغناء عن ثنائي الحدين واستخدام مصفوفات الاحتمالات الانتقالية في سلاسل ماركوف (Markov Chains) أو نماذج التعلم الرياضي السلوكي.

وللحد من هذا التهديد في التصاميم التجريبية التي تصر على استخدام التحليل ثنائي الحدين، يلجأ الباحثون إلى تطبيق مراحل تدريبية مكثفة وغير مسجلة (Familiarization / Practice Blocks) قبل بدء التجربة الفعلية، حتى يصل أداء المفحوص إلى مرحلة الاستقرار أو الهضبة (Performance Plateau)، حيث تصبح التغيرات في p مهملة إحصائياً عبر المحاولات التجريبية اللاحقة.

6.2 تأثير التعب والملل وتشتت الانتباه على ثبات الأداء

في الاتجاه المعاكس لتأثيرات التعلم، يبرز عامل “التعب النفسي والفسيولوجي” (Cognitive Fatigue) كمهدد رئيسي آخر لثبات احتمالية النجاح. فعندما تمتد الجلسة الاختبارية لفترات زمنية طويلة وتتطلب تركيزاً ذهنياً متواصلاً، يبدأ الأداء المعرفي للمفحوص في التدهور التدريجي نتيجة استنزاف الموارد المعرفية وتراجع طاقة المعالجة في الذاكرة العاملة.

يؤدي هذا الإجهاد والملل المرتبط بتكرار المهمة إلى انخفاض تدريجي ومستمر في احتمالية النجاح (p_i+1 < p_i)، وتذبذب حاد في زمن الاستجابة ودقتها. كما يتسبب ارتفاع الحمل المعرفي (Cognitive Load) في انهيار آليات الرقابة التنفيذية (Executive Control)، مما يزيد من معدلات الاستجابات الاندفاعية والعشوائية في النصف الثاني من التجربة مقارنة بالنصف الأول.

للحفاظ على تجانس المعلمة p ومقاومة تأثيرات التعب، تفرض البروتوكولات المنهجية الصارمة تقسيم الجلسات التجريبية الطويلة إلى كتل اختبارية قصيرة (Experimental Blocks) تتخللها فترات راحة إجبارية منتظمة ومضبوطة زمنياً. تسمح هذه الاستراحات للمفحوص باستعادة موارده الانتباهية، مما يضمن بقاء مستوى الأداء الدافعي والإدراكي متذبذباً ضمن هوامش عشوائية ضيقة حول القيمة الثابتة p دون الانجراف في مسار تنازلي مستمر.

6.3 العوامل البيئية والتحفيزية وتغيرات الدافعية الداخلية

لا يقتصر تغير احتمالية النجاح على العوامل البيولوجية والمعرفية الذاتية فحسب، بل يمتد ليتأثر بالمتغيرات البيئية والسياقية المحيطة بالمفحوص أثناء جلسة الاختبار. إن أي تذبذب طارئ في البيئة الفيزيائية للمختبر—مثل التغيرات المفاجئة في شدة الإضاءة، أو تسرب الضوضاء الصوتية، أو التغير في درجات الحرارة، أو حتى الإيماءات ولغة الجسد الصادرة عن الفاحص—يمكن أن يُحدث تقلبات فورية في احتمالية استجابة المفحوص الصحيحة.

بالإضافة إلى ذلك، تلعب البنية التحفيزية للتجربة دوراً حاسماً في استقرار p؛ فإذا كانت التجربة تعتمد على نظام مكافآت متغيرة أو تعزيزات نقدية/رمزية متفاوتة عبر المحاولات، فإن مستوى الجهد المعرفي المبذول سيتغير تلقائياً تبعاً للقيمة المدركة للمكافأة في كل محاولة، مما يؤدي إلى تذبذب احتمالية النجاح تذبذباً منهجياً. كما أن ارتفاع مستوى قلق الاختبار (Test Anxiety) لدى المفحوص وشعوره بضغط التقييم قد يؤدي إلى شلل إدراكي مؤقت في بعض المحاولات، مما يخرق تجانس الاحتمالية.

يتطلب ضبط هذه العوامل توحيداً معيارياً صارماً (Standardization) للبيئة المختبرية من خلال استخدام غرف عزل صوتي وكهرومغناطيسي، وبرمجة بروتوكولات تجريبية محوسبة بالكامل لتقليل التدخل البشري للفاحص، مع تثبيت البنية التحفيزية ونظام التعليمات لضمان استقرار الدافعية الداخلية للمفحوص طوال مدة القياس.

7. الافتراض الثالث: استقلالية المحاولات التجريبية وعدم التأثير المتبادل

7.1 التعريف الصارم للاستقلالية الإحصائية ونظرية الاحتمالات

يُعد افتراض استقلالية المحاولات (Independence of Trials) الركيزة الأكثر حساسية وأهمية في البناء الرياضي لنماذج الاحتمال المتقطعة. في نظرية الاحتمالات الصارمة، يُقال إن حدثين A و B مستقلان إحصائياً إذا وفقط إذا كان احتمال حدوثهما المشترك يساوي حاصل ضرب احتماليهما الهامشيين المنفصلين:

P(A ∩ B) = P(A) × P(B)

وبصيغة الاحتمال الشرطي (Conditional Probability)، تعني الاستقلالية أن وقوع الحدث B أو عدم وقوعه لا يقدم أي معلومة إضافية تُغير من احتمال وقوع الحدث A؛ أي أن: P(A | B) = P(A)، وكذلك P(A | B^c) = P(A). وعند تعميم هذا المفهوم على سلسلة من n من المحاولات البرنولية، يشترط التوزيع ثنائي الحدين أن تكون مخرجات جميع المحاولات مستقلة تبادلياً وجمعياً (Mutually Independent).

يرتبط مفهوم الاستقلالية ارتباطاً وثيقاً بخاصية “انعدام الذاكرة” (Memoryless Property) في العمليات العشوائية؛ حيث يفترض النموذج أن النظام التجريبي لا يحتفظ بأي أثر أو “ذاكرة” للنتائج التي تحققت في المحاولات السابقة. إن رمي قطعة نقدية متزنة يمثل هذا المفهوم بدقة؛ فظهور “الصورة” في عشر رميات متتالية لا يغير إطلاقاً من حقيقة أن احتمال ظهور “الصورة” في الرمية الحادية عشرة يظل 0.5 بالضبط دون أدنى تأثر بالماضي.

من الضروري التمييز الإحصائي الدقيق بين الاستقلالية وغياب الارتباط الخطي (Zero Correlation)؛ فالاستقلالية هي مفهوم غير خطي شامل وأقوى بكثير، حيث إن استقلالية المتغيرات تعني بالضرورة انعدام ارتباطها الخطي، لكن انعدام الارتباط الخطي لا يضمن بالضرورة استقلاليتها الإحصائية، إذ قد توجد علاقات تبعية لاخطية معقدة بين المحاولات تنتهك شروط ثنائي الحدين بشكل صامت.

7.2 المعاينة مع الإحلال وبدون إحلال في القياس السلوكي

ينبثق التهديد الرياضي الكلاسيكي لافتراض الاستقلالية من آلية أخذ العينات من المجتمعات الإحصائية المحدودة. عندما تُجرى المعاينة مع الإحلال أو الإرجاع (Sampling with Replacement)، فإن سحب أي فرد من المجتمع وقياس استجابته، ثم إعادته إلى المجتمع قبل السحب التالي، يضمن بقاء حجم المجتمع وتركيبته الاحتمالية ثابتين تماماً، مما يحافظ على الاستقلالية التامة بين السحوبات المتتالية.

في المقابل، عندما تُجرى المعاينة بدون إرجاع (Sampling without Replacement)—وهو الإجراء المتبع حتماً في معظم البحوث النفسية والسلوكية، حيث لا يمكن “إعادة” المفحوص الذي تم اختباره ليتم اختباره مرة أخرى كحالة جديدة—فإن كل سحب يؤدي إلى تغيير طفيف في بنية المجتمع المتبقي، مما يولد ارتباطاً شرطياً بين مخرجات العينات ويخرق الاستقلالية الإحصائية المطلقة.

ومع ذلك، يقدم الإحصاء الرياضي تبريراً براغماتياً يُعرف بـ “قاعدة النسبة العشرية” أو “قاعدة 5%”؛ والتي تنص على أنه إذا كان حجم العينة المسحوبة n صغيراً جداً مقارنة بالحجم الكلي للمجتمع المستهدف N (أي أن: n / N < 0.05 أو n / N < 0.10)، فإن التغير في الاحتمالات الشرطية يكون متناهياً في الصغر ويكاد لا يُذكر عملياً. في هذه الحالة فقط، يُعد استخدام التوزيع ثنائي الحدين تقريباً رياضياً ممتازاً ومقبولاً إحصائياً للتوزيع فوق الهندسي، أما إذا كانت العينة تمثل نسبة كبيرة من مجتمع محدود، فإن الاستقلالية تنهار ويصبح ثنائي الحدين نموذجاً غير صالح.

8. التهديدات المنهجية لاستقلالية المحاولات في التجارب النفسية

8.1 التحيزات المعرفية وتأثير مغالطة المقامر (Gambler’s Fallacy)

على النقيض من الآلات والأنظمة الفيزيائية الجامدة، يمتلك العقل البشري نزعة فطرية للبحث عن الأنماط والتسلسلات حتى في قلب العشوائية المطلقة. يولد هذا الميل تحيزات معرفية ممنهجة تعصف بافتراض استقلالية القرارات في التجارب السلوكية، وعلى رأسها مغالطة المقامر (Gambler’s Fallacy).

تتمثل هذه المغالطة في الاعتقاد الوهمي لدى المفحوص بأن الأحداث العشوائية المستقلة تقوم “بتصحيح ذاتي” لمسارها على المدى القصير؛ فإذا طُلب من المفحوص تخمين سلسلة من المخرجات الثنائية العشوائية (مثل توليد سلسلة عشوائية من الأرقام 0 و 1)، ولاحظ توالي ظهور المخرج “1” لعدة محاولات متتالية، فإنه يميل وبشكل واعي أو لاواعي إلى اختيار المخرج “0” في المحاولة التالية، ظناً منه أن دوره قد حان لاستعادة التوازن الاحتمالي. يولد هذا السلوك ارتباطاً سلبياً زائفاً بين المحاولات المتتالية (Negative Autocorrelation).

في المقابل، يقع بعض المفحوصين تحت تأثير تحيز معرفي معاكس يُعرف بـ “مغالطة اليد الساخنة” (Hot Hand Fallacy)؛ حيث يعتقد المفحوص أن تحقيق سلسلة من النجاحات المتتالية يعكس حالة مؤقتة من التفوق أو “الحظ المرتفع”، مما يدفعه إلى توقع استمرار النجاح وتبني استراتيجيات استجابة تعتمد اعتماداً كلياً على مخرجات المحاولات السابقة مباشرة. إن هذه الاستراتيجيات التكيفية التلقائية تحول المحاولات المستقلة إلى عملية ذاتية الاعتماد (Self-Regulated Process)، مما ينسف افتراض الاستقلالية من أساسه السيكولوجي.

8.2 الارتباط التسلسلي والتأثير اللاحق للاستجابة (Sequential Effects)

حتى في غياب التحيزات المعرفية الواعية، تُظهر البيانات السلوكية الناتجة عن المحاولات المتتابعة ما يُعرف بـ “التأثيرات المتسلسلة” (Sequential Effects) أو الارتباط التسلسلي الذاتي (Serial Autocorrelation). تنشأ هذه التأثيرات من الديناميكية العصبية والمعرفية التلقائية للجهاز العصبي البشري أثناء معالجة المعلومات المتتابعة.

من أبرز هذه الظواهر التأهب المعرفي والحسي (Priming Effects)؛ حيث يؤدي التعرض لمنبه معين في المحاولة i إلى تسهيل أو تثبيط معالجة منبه مشابه أو متناقض في المحاولة i + 1، مما يجعل احتمالية الاستجابة الصحيحة مرتبطة بخصائص المحاولة السابقة مباشرة. وتتجلى ظاهرة أخرى تُعرف بـ “المداومة على الاستجابة” (Response Perseveration)، وهي الميل العصبي التلقائي لتكرار نفس المفتاح الحركي أو نفس الخيار الذي تم اتخاذه في المحاولة السابقة بغض النظر عن المنبه الحالي.

علاوة على ذلك، تُعد ظاهرة “التباطؤ بعد ارتكاب الخطأ” (Post-Error Slowing – PES) من أكثر التأثيرات التسلسلية توثيقاً في علم النفس المعرفي؛ فعندما يرتكب المفحوص خطأً في المحاولة i، يُطلق الدماغ استجابة رقابية تؤدي إلى زيادة الحذر والتباطؤ في المحاولة i + 1، مما يغير من دقة واحتمالية نجاح المحاولة اللاحقة تغييراً جذرياً. للكشف عن هذه التبعيات، يتعين على الباحثين استخدام النماذج الانحدارية الذاتية (Autoregressive Models – AR(1)) لتحليل بنية البواقي والتأكد من خلو البيانات من الارتباط التسلسلي.

8.3 التأثيرات الاجتماعية والسياقية والتغذية الراجعة التراكمية

يمتد خرق استقلالية المحاولات ليشمل الأبعاد الاجتماعية والتفاعلية في تصاميم البحوث السلوكية؛ ففي التجارب التي تُجرى في بيئات جماعية متزامنة (مثل قاعات الاختبار المجمعة أو مختبرات السلوك الجماعي)، غالباً ما تتعرض استجابات الأفراد لتأثيرات الامتثال والضغط الاجتماعي (Social Conformity Pressure)، كما في تجارب آش الشهيرة (Asch Conformity Experiments).

في هذه السياقات، لا تكون محاولة كل مفحوص مستقلة عن محاولات أقرانه الجالسين في نفس الغرفة؛ إذ يمكن لحركة المفحوصين الآخرين، أو سرعة نقرهم على لوحة المفاتيح، أو تنهداتهم وتلميحاتهم غير اللفظية أن توفر إشارات سياقية توجه استجابة الفرد وتؤثر في قراراته، مما يخلق تداخلاً متبادلاً (Clustering / Intraclass Correlation) يخرق الاستقلالية الفردية للمحاولات.

كما تؤدي التغذية الراجعة التراكمية (Cumulative Feedback) وتوفير لوحات النتائج المباشرة (Leaderboards) في التجارب المحفزة إلى دفع المفحوصين لتبني استراتيجيات جديدة مبنية على تقييمهم لموقعهم التنافسي التراكمي، بدلاً من التعامل مع كل محاولة كحدث منفصل. يتطلب تحييد هذه التأثيرات عزل المفحوصين في كبائن اختبار فردية معتمة ومعزولة صوتياً، ومنع التغذية الراجعة التراكمية، واستخدام ترتيبات عشوائية تمنع المزامنة السلوكية بين المختبرين.

9. التفاعل والترابط بين الافتراضات الثلاثة وتداعيات انتهاكها المشترك

9.1 التداخل المنهجي بين خرق الاستقلالية وتغير احتمالية النجاح

على الرغم من أن الأدبيات الإحصائية تفصل نظرياً بين الافتراض الثاني (ثبات الاحتمالية p) والافتراض الثالث (استقلالية المحاولات)، إلا أنهما في الممارسة السلوكية التجريبية يمثلان وجهين لعملة واحدة ويتداخلان تداخلاً منهجياً وثيقاً؛ إذ إن انتهاك أحد هذين الافتراضين يقود تلقائياً وشبه حتمي إلى انتهاك الآخر.

تتضح هذه العلاقة من خلال مفهوم الاحتمال الشرطي؛ فعندما ينهار افتراض الاستقلالية وتصبح النتيجة في المحاولة الحالية i معتمدة على مخرج المحاولة السابقة i – 1 (مثلاً: حدوث نجاح يرفع من احتمال النجاح اللاحق بفعل التعلم، أو حدوث فشل يخفض احتمال النجاح اللاحق بفعل الإحباط)، فإن الاحتمال الشرطي P(Y_i = 1 | Y_i-1) لم يعد مساوياً للاحتمال الهامشي الثابت p. وبتعبير رياضي، فإن عدم الاستقلالية يعني أن المعلمة p أصبحت متغيرة زمنياً وشرطياً (p_i = f(History))، وهو ما يمثل خرقاً صريحاً للافتراض الثاني بتجانس الاحتمال.

من الناحية التحليلية، يصبح من المستحيل عملياً في كثير من التجارب السلوكية الفصل الدقيق بين “ديناميكية التعلم العامة” (تغير p كدالة في الزمن الكلي) و”الارتباط التسلسلي اللحظي” (تبعية المحاولة i للمحاولة i – 1). إن هذا التداخل المزدوج يضاعف من تشويه دالة التوزيع الاحتمالي للبيانات، مما يجعل النماذج ثنائية الحدين القياسية عاجزة تماماً عن توصيف البنية التوليدية الحقيقية للبيانات المجمعة.

9.2 ظاهرة التشتت المفرط (Overdispersion) والتشتت الناقص (Underdispersion)

تُعد ظاهرة تباين التشتت (Dispersion Anomalies) النتيجة الرياضية والإحصائية الحتمية والأكثر خطورة لخرق افتراضي الثبات والاستقلالية في البيانات ثنائية الحدين. في التوزيع ثنائي الحدين النظري، يرتبط التباين بالمتوسط ارتباطاً صارماً ومحدداً بالمعادلة Var(X) = np(1-p)، ولا توجد مَعلمة تشتت حرة إضافية (Free Dispersion Parameter) يمكن للنموذج تعديلها لاستيعاب التباين الزائد أو الناقص.

تنشأ ظاهرة التشتت المفرط (Overdispersion) عندما يتجاوز التباين التجريبي الفعلي المرصود في البيانات التباين النظري المفترض للنموذج (أي: Var_observed > np(1-p)). يحدث هذا التشتت الزائد في العلوم السلوكية لسببين رئيسيين:

• الارتباط الإيجابي بين المحاولات: عندما يؤدي النجاح إلى تسهيل نجاح لاحق (Cluster of Successes) أو يؤدي الفشل إلى فشل متتابع، مما يوسع من مدى تباعد الدرجات الكلية.
• تغاير القدرات الفردية (Subject Heterogeneity): عندما تتكون العينة من أفراد يمتلكون مستويات متباينة جداً من السمة أو القدرة، مما يجعل p تختلف من فرد إلى آخر داخل نفس العينة، وهو ما يضخم التباين الإجمالي.

في المقابل، تحدث ظاهرة التشتت الناقص (Underdispersion) عندما يكون التباين الفعلي أقل من التباين النظري (Var_observed < np(1-p))، وهو ما ينشأ عادة من الارتباط السلبي القوي والتنافر السلوكي بين المحاولات المتتالية (كما في مغالطة المقامر والتصحيح الذاتي المتكرر). تكمن الكارثة المنهجية في أن تجاهل التشتت المفرط يقود إلى تصغير اصطناعي وخاطئ للأخطاء المعيارية للمقدرات (Underestimated Standard Errors)، مما يؤدي إلى تضخيم إحصاءات الاختبار (مثل Z-score أو Wald statistic)، والحصول على قيم احتمالية p-values بالغة الصغر تعطي انطباعاً زائفاً بوجود دلالة إحصائية قاطعة لتأثيرات وهمية لا أساس لها.

9.3 تأثير خرق الافتراضات على الدقة التنبؤية وفترات الثقة

يمتد التدمير الإحصائي الناتج عن خرق الافتراضات البنيوية لثنائي الحدين ليمس مباشرة حسابات فترات الثقة (Confidence Intervals) ودقة التنبؤ المستقبلي بالظواهر السلوكية. فعندما تنتهك البيانات افتراضي الاستقلالية وتجانس الاحتمال، فإن فترات الثقة المحسوبة لنسبة النجاح (سواء باستخدام صيغة والد Wald التقليدية أو صيغة ويلسون Wilson الأكثر دقة) تصبح ضيقة بصورة زائفة وغير حقيقية (Artificially Narrow Intervals).

إن هذا التضييق الزائف يعطي الباحث والممارس العيادي ثقة وهمية مفرطة في دقة التقديرات المحسوبة؛ حيث ينخفض معدل التغطية الفعلي (Actual Coverage Probability) لفترة الثقة ذات المستوى الاسمي 95% ليصل في بعض حالات التشتت المفرط الحاد إلى أقل من 75% أو 80%. هذا يعني أن 20% إلى 25% من فترات الثقة المنشورة ستفشل تماماً في احتواء المعلمة الحقيقية للمجتمع.

ينعكس هذا الخلل مباشرة على قدرة النموذج على التنبؤ بسلوك الأفراد في مواقف جديدة؛ إذ يفشل النموذج ثنائي الحدين الموصوف بشكل خاطئ في تعميم نتائجه خارج العينة التجريبية المحددة. وقد ربط العديد من علماء المنهجية بين هذا الإهمال الإحصائي البنيوي و”أزمة قابلية التكرار” (Replication Crisis) التي تعصف بالعلوم النفسية والطبية؛ حيث يعجز الباحثون المستقلون عن إعادة إنتاج النتائج المنشورة بسبب بنائها الأصلي على نماذج ثنائية حدين منتهكة الافتراضات أفرزت دلالات إحصائية زائفة.

10. طرائق الكشف الإحصائي واختبار صحة الافتراضات الثلاثة تجريبياً

10.1 اختبارات الاستقلالية والتسلسل الزمني في البيانات النفسية

للتحقق الصارم من استيفاء افتراض استقلالية المحاولات وخلو البيانات من الارتباطات التسلسلية، يجب على الباحث تطبيق ترسانة من الاختبارات الإحصائية اللابارامترية والبارامترية المصممة لكشف التبعيات الزمنية. يأتي في مقدمة هذه الأدوات اختبار فالد-فولفويتز للدورات والتتالي (Wald-Wolfowitz Runs Test).

يعتمد اختبار الدورات على فحص تتابع سلاسل النجاحات والفشل المتتالية (Runs) ضمن التسلسل الزمني للاستجابات؛ حيث تُعرّف “الدورة” بأنها سلسلة غير منقطعة من نفس المخرج الثنائي مسبوقة ومتبوعة بالمخرج المعاكس. يقارن الاختبار العدد الإجمالي للدورات الملاحظة بالعدد المتوقع تحت فرضية الاستقلالية العشوائية التامة. فإذا كان عدد الدورات قليلاً جداً مقارنة بالمتوقع، دل ذلك على وجود تكتل إيجابي وارتباط متسلسل طردي، أما إذا كان عدد الدورات كبيراً جداً، دل ذلك على تذبذب مفرط وارتباط سلبي ناجم عن التصحيح الذاتي المصطنع.

إضافة إلى ذلك، يُستخدم فحص دالة الارتباط الذاتي (Autocorrelation Function – ACF) لحساب معاملات الارتباط الخطي بين الاستجابة عند المحاولة t والاستجابة عند المحاولات السابقة المتأخرة زمنياً t – k (حيث k يمثل الإزاحة الزمنية Lag). وفي سياق النماذج الانحدارية للبيانات الثنائية، يُطبق اختبار ديربن-واتسون (Durbin-Watson Test) أو اختبار بروش-جودفري (Breusch-Godfrey Test) على البواقي للتأكد من انعدام الارتباط الذاتي من الرتبة الأولى والرتب العليا، مما يضمن استقلالية الأخطاء العشوائية.

10.2 اختبارات تجانس الاحتمالية وملاءمة حسن المطابقة

لتقييم الافتراض الثاني الخاص بثبات وتجانس احتمالية النجاح p وملاءمة النموذج ثنائي الحدين ككل، تُستخدم مجموعة من اختبارات جودة التوفيق الإحصائي. يُعد اختبار كاي تربيع لحسن المطابقة (Chi-Square Goodness-of-Fit Test) الأداة الكلاسيكية لمقارنة التكرارات الملاحظة لدرجات النجاح بالتكرارات المتوقعة نظرياً وفق دالة الكتلة الاحتمالية لثنائي الحدين، وفق الصيغة:

χ² = ∑ [(O_k – E_k)² / E_k]

حيث تمثل O_k التكرار الملاحظ للحصول على k من النجاحات، وتمثل E_k التكرار المتوقع ثنائي الحدين. تشير القيمة الدالة إحصائياً للاختبار إلى فشل النموذج في مطابقة البيانات وخرق الافتراضات البنيوية.

وللكشف المباشر عن التشتت المفرط الناتج عن عدم تجانس p، يُطبق “اختبار تشتت ذي الحدين” (Binomial Dispersion Test)، والذي يعتمد على إحصاء كاي تربيع التشتتي المحسوب بالمعادلة:

D = ∑ [(X_i – n_i p̂)² / (n_i p̂ (1 – p̂))]

حيث يُقارن الإحصاء D بتوزيع كاي تربيع بدرجات حرية N – 1. فإذا تجاوزت القيمة المحسوبة القيمة الحرجة بصورة دالة، يُعد ذلك دليلاً قاطعاً على وجود تشتت مفرط وخرق لتجانس الاحتمال. كما تُستخدم اختبارات التغير الهيكلي مثل اختبار تشاو (Chow Test) وتحليل نقاط الانكسار (Breakpoint Analysis) لرصد أي تحولات مفاجئة في قيمة المعلمة p عبر الزمن التجريبي.

10.3 المعاينة البصرية والمخططات البيانية التشخيصية

لا تكتمل المعاينة الإحصائية الصارمة دون الفحص البصري التوضيحي للبيانات؛ إذ توفر المخططات البيانية التشخيصية رؤى نوعية عميقة قد تعجز الاختبارات الرقمية الصماء عن كشفها بمفردها. في هذا الإطار، تمثل مخططات الاحتمال الطبيعي (Q-Q Plots) للبواقي المنحرفة (Deviance Residuals) أداة قوية لتقييم مدى ابتعاد توزيع الأخطاء عن البنية النظرية المفترضة.

وتُعد الرسوم البيانية للتحركات المتسلسلة (Sequence Plots / Time-Series Line Plots) بالغة الأهمية؛ حيث يُرسم فيها متوسط الأداء المتدحرج أو معدل النجاح عبر المحاولات المتتالية على المحور الصادي مقابل الزمن أو رقم المحاولة على المحور السيني. يسمح هذا الرسم برصد اتجاهات التعلم الصاعدة أو مسارات التعب الهابطة بوضوح بصري قاطع، مما يكشف خرق الافتراض الثاني فورياً.

كما يُستخدم “مخطط التشتت المتأخر” (Lag Plot)، وفيه تُعوض الاستجابة في المحاولة Y_t مقابل الاستجابة في المحاولة السابقة Y_t-1 ضمن مصفوفة انتشارية متقاطعة. وفي حالة الاستقلالية التامة، تتوزع النقاط بشكل متوازن وعشوائي تماماً بين الخانات الأربع الممكنة، بينما يشير تركز البيانات في القطر الرئيسي أو القطر العكسي إلى وجود تبعيات وارتباطات تسلسلية تنتهك الافتراض الثالث بشكل صريح.

11. البدائل الإحصائية والنمذجة الرياضية عند خرق افتراضات التوزيع ذي الحدين

11.1 توزيع بيتا ثنائي الحدين (Beta-Binomial Distribution)

عندما تكشف الاختبارات التشخيصية عن وجود تشتت مفرط (Overdispersion) ناتج عن تباين قدرات الأفراد واختلاف احتمال النجاح p عبر أفراد العينة، فإن البديل الرياضي البارامتري الأقوى والأكثر أناقة للتوزيع الكلاسيكي هو توزيع بيتا ثنائي الحدين (Beta-Binomial Distribution).

يعتمد هذا النموذج الهجين على صياغة احتمالية بايزية مركبة؛ حيث يُفترض أن احتمال النجاح p ليس ثابتاً مصمتاً، بل هو متغير عشوائي مستمر يتبع توزيع بيتا (Beta Distribution) ذي المعلمتين الموجبتين α و β على المدى [0, 1]. وتُعطى دالة الكتلة الاحتمالية لتوزيع بيتا ثنائي الحدين لحساب احتمال الحصول على k من النجاحات من خلال تكامل ضرب التوزيعين، وتُصاغ بالمعادلة المغلقة التالية:

P(X = k | n, α, β) = C(n, k) × [B(k + α, n – k + β) / B(α, β)]

حيث تمثل B(α, β) دالة بيتا الرياضية الخاصة (Beta Function). يتميز هذا التوزيع باحتوائه على معلمة تشتت داخلية تُصاغ بالعلاقة ρ = 1 / (α + β + 1)، والتي تمثل معامل الارتباط الداخلي بين المحاولات. وبفضل هذه البنية المرنة، يتسع تباين النموذج ليصبح:

Var(X) = n μ (1 – μ) × [1 + (n – 1) ρ]

حيث μ = α / (α + β). يوضح هذا التباين كيف يستوعب النموذج التشتت الإضافي بدقة عبر العامل [1 + (n – 1) ρ]، مما يجعله الحل الأمثل لبيانات القياس النفسي التي تتسم بوجود فروق فردية واسعة في القدرات والسمات المقاسة دون فقدان الصدق الاستدلالي.

11.2 النماذج الخطية المعممة المختلطة (GLMM) ونماذج المعادلات التقديرية المعممة (GEE)

في تصاميم القياسات المتكررة (Repeated Measures) والدراسات الطولية السلوكية التي يُختبر فيها نفس الأفراد عبر جلسات متعددة، تنتهك البيانات كلاً من الاستقلالية وثبات الاحتمال. في هذه السياقات المعقدة، تمثل النماذج الخطية المعممة المختلطة (GLMM) و المعادلات التقديرية المعممة (GEE) الإطار المنهجي القياسي المعتمد في الإحصاء الحديث.

تتعامل نماذج GLMM مع المشكلة من خلال إدخال تأثيرات عشوائية خاصة بالأفراد (Subject-specific Random Effects – u_0j) إلى جانب التأثيرات الثابتة للمتغيرات المستقلة (Fixed Effects – β) ضمن نموذج الانحدار اللوجستي الهرمي:

logit(P(Y_ij = 1 | u_0j)) = β₀ + β₁ X_ij + u_0j

حيث يُفترض أن التأثير العشوائي يتبع توزيعاً طبيعياً u_0j ~ N(0, σ²_u). تتيح هذه الصياغة عزل التباين بين الأفراد وضبط الارتباط الداخلي للاستجابات الصادرة عن نفس المفحوص ضبطاً رياضياً محكماً باستخدام طرق تقدير الأرجحية العظمى المقيدة أو تقريب لابلاس.

من ناحية أخرى، تقدم نماذج GEE منهجاً سكانياً شبه بارامتري (Population-averaged Approach) يركز على نمذجة الاستجابة المتوسطة للمجتمع مع نمذجة مصفوفة الارتباط الداخلي للأخطاء (Working Correlation Matrix) بصورة مباشرة (مثل الارتباط المتناظر القابل للتبديل، أو الارتباط الذاتي AR(1)). تتميز نماذج GEE بالمتانة الفائقة (Robustness)؛ حيث توفر أخطاء معيارية متسقة ومصححة (Sandwich Standard Errors) حتى لو تم تحديد بنية مصفوفة الارتباط الداخلي بشكل غير دقيق.

11.3 سلاسل ماركوف ونماذج الانتقال الزمني لتحليل الارتباط المتسلسل

عندما يكون خرق الاستقلالية ناتجاً عن اعتماد زمني ديناميكي صريح بين المحاولات المتتالية—كما في مهام التعلم المعرفي واتخاذ القرار المتتابع—تصبح نماذج السلاسل الزمنية القاطعة ونماذج الانتقال الماركوفية البديل الرياضي الأكثر ملائمة وتطابقاً مع الواقع السلوكي.

تعتمد نماذج ماركوف من الرتبة الأولى على استبدال الاحتمال الثابت p بـ “مصفوفة احتمالات انتقالية” (Transition Probability Matrix – P)، حيث تُعرّف عناصرها بالاحتمالات الشرطية التالية:

P_jk = P(Y_t = k | Y_t-1 = j)   حيث j, k ∈ {0, 1}

تسمح هذه المصفوفة بنمذجة ديناميكية الأداء؛ حيث يكون احتمال النجاح بعد النجاح P₁₁ مختلفاً تماماً عن احتمال النجاح بعد الفشل P₀₁، مما يستوعب تأثيرات التأهب، والتعلم، والتباطؤ بعد الخطأ استيعاباً كاملاً.

وفي الحالات الأكثر تعقيداً التي تتقلب فيها الحالة الذهنية أو الانتباهية للمفحوص بين “حالة التركيز العالي” و”حالة التشتت الذهني” دون أن تكون هذه الحالات مرئية للباحث، تُطبق نماذج ماركوف المخفية (Hidden Markov Models – HMMs). في هذا الإطار، يُفترض وجود حالات كامنة غير ملاحظة تنتقل عبر الزمن وفق سلسلة ماركوف، وتولد الاستجابات الثنائية الملاحظة باحتمالات شرطية تختلف باختلاف الحالة الذهنية اللحظية، مما يوفر فهماً ميكانيكياً فائق الدقة للسلوك البشري المتغير.

12. إرشادات عملية وتوصيات منهجية للباحثين في العلوم النفسية والسلوكية

12.1 بروتوكولات التصميم التجريبي للحد من خرق الافتراضات

إن أفضل وسيلة للتعامل مع انتهاك الافتراضات الإحصائية هي منع حدوثها منذ البداية من خلال التخطيط المنهجي الصارم وبناء التصاميم التجريبية المحكمة. يجب على الباحث السلوكي ألا ينتظر مرحلة تحليل البيانات ليكتشف انهيار فروضه، بل يتعين عليه تضمين إجراءات الضبط الوقائي في صلب بروتوكوله التجريبي.

تشمل أهم الإجراءات المنهجية الوقائية ما يلي:

• الموازنة والتعشية الصارمة (Randomization & Counterbalancing): تعشية ترتيب تقديم المنبهات والفقرات لكل مفحوص بشكل مستقل تماماً لمنع تراكم التأثيرات التسلسلية والتأهب المعرفي في اتجاه منهجي موحد.
• إدراج الفواصل الزمنية المتغيرة (Jittered Inter-Trial Intervals – ITI): استخدام فترات راحة قصيرة وعشوائية الطول (مثلاً بين 1000 إلى 2500 مللي ثانية) بين المحاولات المتتالية لكسر الإيقاع الحركي التلقائي وتقليل احتمالات الارتباط الذاتي والمداومة على الاستجابة.
• تقنين فترات الراحة الإجبارية (Mandatory Rest Blocks): تجزئة الجلسات الطويلة وإلزام المفحوصين باستراحات دورية كل 5 إلى 10 دقائق للحفاظ على استقرار اليقظة الانتباهية وتثبيت المعلمة p ضد التدهور بفعل التعب.
• التجارب الاستطلاعية المعايرة (Pilot Studies): إجراء دراسات استطلاعية مسبقة على عينات صغيرة لفحص سلوك المحاولات والتحقق من تجانس صعوبة الفقرات وخلو الاستجابات من التأثيرات التسلسلية قبل إطلاق التجربة الرئيسية الواسعة.

12.2 معايير التقرير والشفافية الأكاديمية وفق متطلبات الجمعية الأمريكية لعلم النفس (APA)

تماشياً مع معايير إعداد التقارير البحثية الكمية الصادرة عن الجمعية الأمريكية لعلم النفس (APA JARS – Journal Article Reporting Standards)، تقع على عاتق الباحث مسؤولية أخلاقية وأكاديمية كاملة لتوثيق مدى استيفاء الافتراضات الإحصائية بشفافية متناهية في قسم المنهجية والنتائج.

يجب أن يتضمن التقرير العلمي إفصاحاً صريحاً عن الإجراءات التشخيصية التي تم تطبيقها للتحقق من ثنائية المخرجات، وتجانس الاحتمالات، واستقلالية المحاولات. ويتعين على الباحث ذكر القيم الإحصائية الدقيقة لاختبارات حسن المطابقة، ومؤشرات التشتت المفرط (Dispersion Estimates)، ونتائج اختبارات الارتباط الذاتي، بدلاً من الاكتفاء بعبارات عامة مبهمة مثل “تم التأكد من استيفاء جميع الافتراضات”.

وفي حال ثبوت انتهاك أي من الافتراضات، يجب على الباحث تقديم تبرير نظري ومنهجي واضح لاختيار النموذج الإحصائي البديل (مثل تبرير الانتقال إلى نماذج Beta-Binomial أو GLMM). كما يُوصى بشدة بنشر البيانات الأولية المفتوحة (Open Data) والشيفرات البرمجية الكاملة للتحليلات (Open Code) على مستودعات علمية موثوقة (مثل OSF أو GitHub) لتعزيز الموثوقية العلمية وإتاحة التحقق المستقل من صحة النماذج المطبقة وقابليتها للتكرار.

12.3 خارطة طريق لاتخاذ القرار الإحصائي في تحليل البيانات الثنائية

لتوجيه الممارسين والباحثين في الميدان السلوكي، تلخص خارطة الطريق المنهجية التالية التسلسل المنطقي والخطوات الإجرائية الواجب اتباعها للتعامل مع البيانات الثنائية من مرحلة الصياغة حتى التحليل النهائي:

المرحلة 1: فحص البنية التصنيفية للبيانات
هل المتغير يمثل مخرجاً ثنائياً حقيقياً وطبيعياً؟
– إذا نعم: انتقل للمرحلة 2.
– إذا كانت البيانات تدرجية أو مستمرة وتمت ثنائيتها اصطناعياً: أعد النظر في القرار وفضل استخدام النماذج الخطية أو اللوجستية الترتيبية (Ordinal Logistic Regression) لتجنب فقدان التباين.

المرحلة 2: تقييم استقلالية وتجانس المحاولات
طبّق اختبارات الارتباط الذاتي (ACF / Runs Test) واختبار تشتت ذي الحدين (Dispersion Test).
– إذا كانت المحاولات مستقلة، وقيمة التشتت متطابقة مع التباين النظري (D ≈ 1)، ولا توجد قياسات متكررة لنفس الأفراد: استخدم التوزيع ثنائي الحدين الكلاسيكي (Classic Binomial Model) واختباراته الدقيقة.

المرحلة 3: التعامل مع انتهاك الافتراضات (في حال وجود خلل)
– حالة التشتت المفرط الناتج عن تباين الأفراد المستقلين: استخدم توزيع بيتا ثنائي الحدين (Beta-Binomial Distribution) أو نماذج شبه الأرجحية (Quasi-Binomial).
– حالة القياسات المتكررة والتصميمات الطولية المتداخلة: استخدم النماذج الخطية المعممة المختلطة (GLMM) أو المعادلات التقديرية المعممة (GEE).
– حالة الارتباط التسلسلي والديناميكية الانتقالية المباشرة: استخدم نماذج سلاسل ماركوف (Markov Switching Models) أو نماذج الانحدار الذاتي اللوجستي.

من الناحية البرمجية، يمكن تطبيق هذه المنظومة بكفاءة عالية في لغة R عبر حزم متخصصة مثل lme4 لنماذج GLMM، و VGAM لنماذج بيتا ثنائي الحدين، و geepack لنماذج GEE، أو في بيئة Python باستخدام مكتبات statsmodels و PyMC للنمذجة البايزية المتقدمة.

خاتمة واستنتاجات ختامية

يظل التوزيع ثنائي الحدين صرحاً رياضياً بارزاً وأداة لا غنى عنها في ترسانة الباحث السلوكي وأخصائي القياس النفسي، لما يوفره من إطار احتمالي أنيق لتحليل القرارات والتصنيفات والنسب السلوكية. ومع ذلك، فإن القوة الاستدلالية لهذا النموذج تظل مشروطة تماماً بمدى أمانة الباحث في احترام حدوده البنيوية واستيفاء افتراضاته الثلاثة الكبرى: ثنائية المخرجات، وثبات احتمالية النجاح، واستقلالية المحاولات التجريبية.

إن انتهاك هذه الافتراضات ليس مجرد خلل فني بسيط يمكن التغاضي عنه، بل هو تشويه منهجي يمس جوهر الصدق العلمي، ويولد أخطاءً استدلالية وتشتتاً غير مضبوط يهدد رصانة القرارات التشخيصية والبحثية. ومع التطور الهائل في البرمجيات الإحصائية المعاصرة، لم يعد لدى الباحث أي مبرر للتمسك الأعمى بالنماذج الكلاسيكية المبسطة عند خرق شروطها، في ظل توافر بدائل نمذجية متقدمة وقوية قادرة على استيعاب التعقيد الحقيقي للسلوك البشري.

إن الوعي الإبستمولوجي والصرامة المنهجية في فحص الافتراضات وتطبيق النماذج الملائمة هما السبيل الحقيقي للارتقاء بجودة البحوث النفسية والسلوكية، وضمان مساهمتها الفعالة في بناء معرفة علمية رصينة، قابلة للتكرار، وقادرة على تقديم حلول حقيقية لمشكلات الإنسان وسلوكه المعقد.

References

• Agresti, A. (2013). Categorical Data Analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/0471249688
• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Bernoulli, J. (1713). Ars Conjectandi, Opus Posthumum. Impensis Thurnisiorum, Fratrum.
• Crocker, L., & Algina, J. (2008). Introduction to Classical and Modern Test Theory. Cengage Learning.
• Embretson, S. E., & Reise, S. P. (2000). Item Response Theory for Psychologists. Lawrence Erlbaum Associates Publishers. https://doi.org/10.4324/9781410605269
• Green, D. M., & Swets, J. A. (1966). Signal Detection Theory and Psychophysics. John Wiley & Sons.
• MacCallum, R. C., Zhang, S., Preacher, K. J., & Rucker, D. D. (2002). On the practice of dichotomization of quantitative variables. Psychological Methods, 7(1), 19–40. https://doi.org/10.1037/1082-989X.7.1.19
• McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models (2nd ed.). Chapman & Hall/CRC. https://doi.org/10.1007/978-1-4899-3242-6
• Rabin, M. (2002). Inference by believers in the law of small numbers. Quarterly Journal of Economics, 117(3), 775–816. https://doi.org/10.1162/003355302760193896
• Rasch, G. (1960). Probabilistic Models for Some Intelligence and Attainment Tests. Danmarks Paedagogiske Institut.
• Skrondal, A., & Rabe-Hesketh, S. (2004). Generalized Latent Variable Modeling: Multilevel, Longitudinal, and Structural Equation Models. Chapman & Hall/CRC. https://doi.org/10.1201/9780203489437
• Wald, A., & Wolfowitz, J. (1940). On a test whether two samples are from the same population. The Annals of Mathematical Statistics, 11(2), 147–162. https://doi.org/10.1214/aoms/1177731909