عرب سايكلوجي

العزم الرابع: كيف تكشف ذيول التوزيع خفايا السلوك؟

المحتويات:

العزم الرابع

Primary Disciplinary Field(s): نظرية الاحتمالات، الإحصاء، الاقتصاد القياسي

1. التعريف الأساسي

يمثل العزم الرابع، سواء كان مركزيًا أو غير مركزي، مقياسًا إحصائيًا رئيسيًا يستخدم لوصف شكل أو توزيع مجموعة بيانات أو متغير عشوائي. في سياق الإحصاء، توفر العزوم (Moments) معلومات متدرجة ومفيدة حول خصائص التوزيع بخلاف مقاييس النزعة المركزية والتشتت المعتادة. فبينما يصف العزم الأول (المتوسط) موقع التوزيع، ويصف العزم الثاني (التباين) انتشاره، يوفر العزم الثالث معلومات عن التواء التوزيع (Skewness)، ويقدم العزم الرابع معلومات حاسمة حول ظاهرة التفرطح (Kurtosis). يمكن تعريف العزم الرابع غير المركزي (حول الصفر) لمتغير عشوائي $X$ بأنه القيمة المتوقعة لـ $X^4$. أما العزم الرابع الأكثر استخدامًا والأهم في التطبيقات الإحصائية، فهو العزم الرابع المركزي، والذي يُحسب حول المتوسط ($mu$) للتوزيع.

يُعد فهم العزم الرابع أمرًا حيويًا لأنه يركز بشكل مكثف على سلوك ذيول التوزيع (Tails) وقمته (Peak). بعبارة أخرى، يحدد العزم الرابع مدى ثقل ذيول التوزيع مقارنةً بالتوزيع الطبيعي (Gaussian distribution)، ومدى تمركز كتلة الاحتمال حول المتوسط. تشير القيمة المرتفعة للعزم الرابع إلى أن التوزيع يحتوي على ذيول سميكة (مما يعني أن القيم المتطرفة أو النادرة لديها احتمالية أعلى للحدوث مما هو متوقع) وقمة حادة، بينما تشير القيمة المنخفضة إلى ذيول خفيفة وقمة مسطحة نسبيًا. هذا التوصيف لشكل التوزيع ضروري في مجالات تتطلب تقييم المخاطر بدقة، مثل الهندسة المالية وإدارة الجودة، حيث تكون الأحداث المتطرفة هي محط الاهتمام الأكبر لتأثيرها المادي المحتمل.

في نظرية الاحتمالات، تعتبر العزوم، ومن ضمنها العزم الرابع، وظائف رياضية تحدد بشكل فريد توزيع الاحتمال، شريطة أن تكون هذه العزوم موجودة ومحدودة. لكي يكون العزم الرابع موجودًا، يجب أن تكون القيمة المتوقعة لـ $X^4$ موجودة ومحدودة. يُستخدم العزم الرابع المركزي بشكل أساسي لتحديد مقياس التفرطح المقياسي، والذي غالبًا ما يتم تعديله ليصبح التفرطح الزائد (Excess Kurtosis)، وهو العزم الرابع المركزي المُقسّم على مربع التباين، مطروحًا منه 3. يتم هذا الطرح لأن العدد 3 يمثل القيمة الثابتة للعزم الرابع المقياسي للتوزيع الطبيعي، مما يجعل التوزيع الطبيعي مرجعًا ذا قيمة تفرطح زائد تساوي الصفر.

2. السياق الرياضي والأهمية

تُعرّف العزوم في نظرية الاحتمالات كقيمة متوقعة لقوى المتغير العشوائي. رياضياً، يُرمز للعزم الرابع المركزي بالرمز $mu_4$. للعزم الرابع دور أساسي في تحديد مدى ابتعاد التوزيع عن النموذج المثالي للتوزيع الطبيعي، خاصة فيما يتعلق بوجود القيم المتطرفة (Outliers) وتواترها. على النقيض من الانحراف المعياري (الذي يعتمد على العزم الثاني ويقيس الانتشار العام)، فإن حساب العزم الرابع يشدد على الانحرافات الكبيرة عن المتوسط، وذلك بسبب رفع الفروقات إلى القوة الرابعة، مما يعطي وزنًا كبيرًا غير متناسب للبيانات البعيدة عن المركز. هذا التركيز على القيم المتطرفة يجعل العزم الرابع مقياسًا حساسًا لـ “المخاطر الذيلية”.

تكمن أهمية العزم الرابع في كونه ضروريًا لبناء سلسلة تايلور لدالة مميزة التوزيع (Characteristic Function) حول الصفر. هذه السلسلة، التي تتضمن العزوم بترتيب تصاعدي، توفر طريقة لتقريب دالة التوزيع الاحتمالي بالكامل، مما يؤكد أن العزوم الأربعة الأولى مجتمعة (المتوسط، التباين، الالتواء، والتفرطح) توفر وصفًا شاملاً ومفصلاً لشكل التوزيع. في العديد من النماذج الإحصائية المتقدمة، لا يكفي الاكتفاء بالعزمين الأول والثاني فقط (مثلما يحدث في افتراض التوزيع الطبيعي)، بل يجب أخذ العزمين الثالث والرابع في الاعتبار للتعامل مع البيانات الواقعية التي غالبًا ما تظهر التواءً وتفرطحًا غير صفريين، خاصة في تحليل السلاسل الزمنية غير الخطية.

في مجال الإحصاء التطبيقي واختبارات الفرضيات، يؤثر العزم الرابع بشكل مباشر على موثوقية هذه الاختبارات. على سبيل المثال، العديد من الاختبارات البارامترية تعتمد على افتراض أن البيانات تتبع التوزيع الطبيعي (أي تفرطح زائد يساوي صفر). إذا كان التفرطح الفعلي للبيانات مرتفعاً (مما يدل على ذيول سميكة)، فإن استخدام النماذج التي تتجاهل هذه الخاصية قد يؤدي إلى استنتاجات خاطئة أو تقديرات متحيزة لمعايير التباين، مما يترتب عليه رفض فرضيات صحيحة أو قبول فرضيات خاطئة. لذلك، فإن تحليل العزم الرابع يوجه المحللين نحو استخدام أساليب إحصائية أكثر قوة (Robust Statistics) أو نماذج توزيع بديلة، مثل توزيع تي للطلاب (Student’s t-distribution) التي يمكن أن تستوعب التفرطح العالي بشكل فعال.

3. الارتباط بالتفرطح (Kurtosis)

العزم الرابع هو المكون الأساسي لمقياس التفرطح، ويُعرف التفرطح بأنه مقياس لـ “ذروة” التوزيع و “ثقل ذيوله”. التفرطح القياسي ($gamma_2$) يُعرّف بأنه العزم الرابع المركزي المقياسي، والذي يتم حسابه بقسمة العزم الرابع المركزي ($mu_4$) على مربع التباين ($sigma^4$). رياضياً، التفرطح القياسي $ = frac{mu_4}{sigma^4}$. هذا المقياس خالي من الوحدات ولا يتأثر بوحدات القياس أو مقياس التوزيع، مما يسمح بالمقارنة المباشرة بين أشكال التوزيعات المختلفة.

عادةً ما يتم التركيز في التطبيقات العملية على التفرطح الزائد (Excess Kurtosis)، والذي يُعرّف على النحو التالي: التفرطح الزائد = $frac{mu_4}{sigma^4} – 3$. السبب الجذري وراء طرح العدد 3 هو أن التوزيع الطبيعي، وهو التوزيع المرجعي القياسي في الكثير من الإحصاءات الكلاسيكية، يمتلك قيمة تفرطح قياسي تساوي 3. وبالتالي، فإن التفرطح الزائد يتيح تصنيف التوزيعات إلى ثلاث فئات رئيسية تحدد شكل ذيولها وقممها مقارنةً بالتوزيع الطبيعي:

  • توزيع متوسط التفرطح (Mesokurtic): يحدث عندما يكون التفرطح الزائد يساوي الصفر (مثل التوزيع الطبيعي). هذا يعني أن ثقل الذيل وطول القمة متقاربان من التوزيع الطبيعي القياسي.
  • توزيع عالي التفرطح (Leptokurtic): يحدث عندما يكون التفرطح الزائد موجباً (أكبر من صفر). يشير هذا إلى وجود ذيول “أثقل” وقمة “أكثر حدة” من التوزيع الطبيعي. في التطبيقات المالية والاقتصادية، يرتبط التفرطح العالي بزيادة مخاطر وقوع الأحداث المتطرفة أو “البجعات السوداء”.
  • توزيع منخفض التفرطح (Platykurtic): يحدث عندما يكون التفرطح الزائد سالباً (أقل من صفر). يشير هذا إلى وجود ذيول “أخف” وقمة “أكثر تسطحًا” من التوزيع الطبيعي، مما يدل على أن القيم المتطرفة أقل احتمالية.

من الضروري التأكيد على أن التفسير الحديث للعزم الرابع يركز بشكل أساسي على ثقل الذيل (Tail Weight) بدلاً من ذروة القمة. فالتوزيعات التي تحتوي على تفرطح عالٍ (Leptokurtic) هي تلك التي تظهر احتمالية أعلى بكثير للقيم التي تبعد مسافات كبيرة عن المتوسط مقارنةً بالتوزيع الطبيعي. هذا التفسير له أهمية قصوى في بناء نماذج المخاطر التي يجب أن تستوعب الاحتمالات العالية للحركات السوقية الكبيرة.

4. الخصائص والمعادلة

يُحسب العزم الرابع المركزي ($mu_4$) لمتغير عشوائي $X$ له دالة كثافة احتمال $f(x)$ ومتوسط $mu$ (إذا كان $X$ متصلاً) أو دالة كتلة احتمال $P(x_i)$ (إذا كان $X$ متقطعاً) وفقاً للتعريف الرياضي للقيمة المتوقعة:

  1. للمتغيرات العشوائية المتصلة:

    $mu_4 = E[(X – mu)^4] = int_{-infty}^{infty} (x – mu)^4 f(x) dx$

  2. للمتغيرات العشوائية المتقطعة:

    $mu_4 = E[(X – mu)^4] = sum_i (x_i – mu)^4 P(x_i)$

يتميز العزم الرابع بأنه دائمًا قيمة غير سالبة (أي $mu_4 ge 0$) لأنه يتضمن رفع القوس $(x – mu)$ إلى قوة زوجية (القوة الرابعة). هذه الخاصية تضمن أن القياس يمثل نوعاً من متوسط المسافات المرفوعة للقوة الرابعة، بغض النظر عن اتجاه الانحراف عن المتوسط. ومن الخصائص الهامة الأخرى أن العزم الرابع يتأثر بشدة بالتحويلات الخطية التي تتضمن تغيير المقياس. إذا كان لدينا متغير $Y = aX + b$، فإن العزم الرابع المركزي لـ $Y$ يُحسب كالتالي: $mu_{4, Y} = a^4 mu_{4, X}$. هذا التأثير المضاعف للقوة الرابعة يؤكد حساسية العزم الرابع لتغيرات المقياس، ولهذا السبب يتم استخدام الشكل المقياسي (التفرطح) عند إجراء مقارنات بين التوزيعات ذات المقاييس المختلفة.

بالإضافة إلى العزم الرابع المركزي، قد نحتاج أحيانًا إلى العزم الرابع غير المركزي (حول الصفر)، والمُشار إليه بالرمز $mu’_4$. هناك علاقة رياضية معروفة تربط العزوم المركزية بالعزوم غير المركزية، وهي علاقة كافية لتحديد العزم المركزي إذا كانت العزوم غير المركزية الأربعة الأولى معروفة. تُستخدم هذه العلاقات بشكل خاص في الحسابات المتعلقة بنظرية العزوم المشتركة (Cumulants) وفي إثبات الخصائص النظرية للتوزيعات المعقدة، حيث تعتبر العزوم المشتركة وسيلة بديلة وأكثر بساطة لوصف التوزيعات الناتجة عن مجموع متغيرات عشوائية مستقلة.

5. التطبيقات في المجالات المختلفة

للعزم الرابع تطبيقات واسعة وذات أهمية قصوى في العديد من المجالات التي تتعامل مع عدم اليقين والمخاطر. ربما يكون المجال الأبرز هو التمويل والاقتصاد القياسي. في التمويل، تُعرف عائدات الأصول المالية (مثل الأسهم والسندات) بأنها غالبًا ما تظهر تفرطحاً عالياً (Leptokurtic) بشكل ملحوظ مقارنة بالتوزيع الطبيعي. هذا يعني أن انهيارات السوق المفاجئة أو الارتفاعات الحادة (التي تمثل القيم المتطرفة) تحدث بتواتر أكبر مما يتوقعه نموذج التوزيع الطبيعي، وهذا ما يسمى بـ “الذيول السميكة” (Fat Tails).

يُستخدم العزم الرابع لتقدير قيمة التعرض للخطر (Value at Risk – VaR)، وحساب مقياس الخسارة المتوقعة المشروطة (Expected Shortfall)، ونمذجة المخاطر في تسعير المشتقات المعقدة. إذا تجاهل نموذج المخاطر التفرطح العالي، فإنه سيقلل بشكل منهجي من احتمال حدوث خسائر كبيرة، مما يؤدي إلى تخصيص رأس مال غير كافٍ لمواجهة الأزمات المالية. لذلك، فإن دمج العزم الرابع في نماذج التوزيعات أمر ضروري لإدارة المخاطر الفعالة وتطوير استراتيجيات التحوط التي تحمي من الخسائر الكبيرة غير المتوقعة.

في هندسة الإشارة ومعالجة الصور، يُستخدم العزم الرابع (كجزء من الإحصائيات ذات الرتب الأعلى) في خوارزميات تحليل المكونات المستقلة (Independent Component Analysis – ICA). تعتمد هذه التقنيات على العزوم الأعلى من الدرجة الثانية (مثل العزم الرابع) لفصل الإشارات المختلطة، حيث يوفر العزم الرابع مقياساً لعدم طبيعية الإشارة. الإشارات التي تمتلك تفرطحاً عالياً تكون “غير طبيعية” بشكل واضح، مما يسمح لخوارزميات ICA باستغلال هذه الخاصية لفك تشابك الإشارات المصدرية. كما يُستخدم العزم الرابع في اختبارات العشوائية وتحليل الضوضاء في النظم الفيزيائية والاتصالات، حيث يمكن أن يشير التغير في العزم الرابع إلى وجود خلل أو تغيير في طبيعة العملية المولدة للبيانات.

6. القيود والانتقادات

على الرغم من أهمية العزم الرابع، إلا أن استخدامه يواجه بعض القيود والانتقادات، خاصة عند تطبيقه على العينات المأخوذة من التوزيع السكاني الكامل. أحد الانتقادات الرئيسية هو أن تقدير العزم الرابع من عينة صغيرة أو متوسطة الحجم يكون غير مستقر وذو تباين عالٍ. بما أن العزم الرابع يعتمد على رفع الفروقات عن المتوسط إلى القوة الرابعة، فإن قيمة واحدة متطرفة في العينة يمكن أن تؤدي إلى تضخيم كبير وغير ممثل للتفرطح المقدر، مما يجعل المقدر غير موثوق به في ظل وجود بيانات شاذة.

كما أن هناك جدلاً مستمراً حول التفسير الدقيق للعزم الرابع ومقياس التفرطح الناتج عنه. في حين أن التفسير الشائع يربطه بثقل الذيل، فقد أشار بعض الإحصائيين، مثل ويستفول (Westfall)، إلى أن التفرطح هو في الواقع مزيج معقد من ثقل الذيل وخفة الأكتاف (الجزء المتوسط من التوزيع). هذا يعني أن توزيعين قد يكون لهما نفس التفرطح ولكن أشكال ذيول مختلفة تماماً. لذلك، يوصي بعض الخبراء باستخدام مقاييس بديلة أو مكملة لوصف شكل التوزيع، مثل مقاييس الذيل القائمة على العزوم الخطية (L-moments) التي تكون أكثر قوة (Robust) في مواجهة القيم المتطرفة وتوفر معلومات أوضح حول شكل التوزيع دون الاعتماد حصرياً على القوة الرابعة.

أخيراً، يواجه العزم الرابع تحديات رياضية في بعض التوزيعات ذات الذيل الثقيل جداً، حيث قد لا يكون العزم الرابع موجوداً أو معرفاً. على سبيل المثال، التوزيعات التي لا تمتلك عزومًا من الدرجة الثانية أو الرابعة، مثل توزيع كوشي (Cauchy distribution)، لا يمكن تطبيق مفهوم التفرطح القائم على العزم الرابع عليها. في هذه الحالات، يتعين على المحللين الاعتماد على مقاييس أخرى لوصف الانتشار وشكل التوزيع، والتي لا تعتمد على تكامل القوى العالية للمتغير العشوائي.

7. قراءات إضافية