Interval Spacing

في دراسة البيانات، غالبًا ما ينظر العلماء إلى كيفية ترتيب النقاط على طول خط ما. تخيل صفًا من العدائين الذين ينهون سباقًا؛ حيث إن الوقت بين المركز الأول والثاني هو مقياس بسيط للمسافة. في الإحصاء، تعد هذه الفجوة بين النقاط المتتالية أداة أساسية لفهم شكل مجموعة البيانات. ومع ذلك، في بعض الأحيان لا يكون النظر فقط إلى الجيران المباشرين كافيًا. قد يرغب الباحثون في معرفة المسافة بين عداء والآخر الذي يليه بعشر مراكز، متجاوزين من بينهما. هذا المنظور الأوسع، المعروف باسم "تباعد الفترات" (interval spacing)، يسمح للعلماء برؤية الأنماط التي تظل مخفية عند النظر فقط إلى الخطوات الصغيرة. إنها وسيلة لتنعيم ضجيج النقاط الفردية للكشف عن البنية الأساسية للبيانات، سواء كانت هذه البيانات تمثل أعماق الزلازل، أو أوقات وصول الجسيمات، أو توزيع أطوال السكان.

لقد سعى غريغ كريدر، الذي يعمل في شركة "Primordial Machine Vision Systems"، إلى فهم كيفية سلوك هذه الفجوات الأوسع رياضيًا بدقة. وبينما يُفهم سلوك الفجوات البسيطة ذات الخطوة الواحدة جيدًا، فإن سلوك الفجوات التي تشمل نقاطًا متعددة لم يتم رسم مساره بالكامل لجميع أنواع البيانات. ركز كريدر على ثلاث طرق شائعة لتوزيع البيانات: التوزيع الموحد (uniform distribution)، حيث تنتشر النقاط بالتساوي مثل الرمال على الشاطئ؛ والتوزيع الأسي (exponential distribution)، حيث تتجمع العديد من النقاط عند طرف واحد وتتلاشى مثل ذيل طويل؛ والتوزيع اللوجستي (logistic distribution)، الذي يشبه منحنى الجرس ولكن بذيول أكثر ثقلًا قليلاً. كان الهدف هو تحديد متوسط حجم هذه الفجوات، ومدى تباينها، وشكل احتمالية حدوثها عندما تشمل الفجوة عدة نقاط بدلاً من نقطة واحدة فقط.

كشفت الأبحاث أن حساب حجم هذه الفجوات الأوسع ليس ببساه مجرد جمع الفجوات الأصغر بين النقاط الموجودة في المنتصف. بدلاً من ذلك، تعمل العملية كمرشح (فلتر). فعندما تقيس المسافة عبر فاصل زمني واسع، فإنك تقوم فعليًا بتشغيل مرشح مستطيل فوق البيانات. وهذا يعني أن النتيجة هي مجموع كل الخطوات الصغيرة داخل ذلك النطاق. ولأن هذه الخطوات تُجمع معًا دون أن يتم حساب متوسطها، فإن الفترات الأوسع تضخم الاختلافات في البيانات. وهذا تمييز حاسم: فالفجوة الواسعة ليست مجرد فجوة صغيرة مضروبة في رقم؛ بل هي تحمل الوزن المشترك لكل خطوة داخلها. هذا التأثير المرشح يعني أنه إذا كانت البيانات تحتوي على تغيرات حادة أو قفزات مفاجئة، فإن الفترة الواسعة ستعمل على تنعيمها، لكنها ستعمل أيضًا على الحفاظ على الشكل العام لتلك التغييرات، ولكن في صورة أوسع.

اشتق كريدر صيغًا محددة للتنبؤ بمتوسط حجم هذه الفجوات وتباينها لكل نوع من أنواع التوزيع. بالنسبة للبيانات المنتشرة بالتساوي، فإن الرياضيات مباشرة: إذ ينمو متوسط حجم الفجوة خطيًا مع عرض الفترة. وبالنسبة للبيانات التي تتلاشى أسيًا، تصبح الحسابات أكثر تعقيدًا، وتتضمن مجموعًا للعديد من الحدود، لكن الورقة البحثية توفر مسارًا واضحًا للإجابة. أما بالنسبة للتوزيع اللوجستي، الشائع في العديد من الظواه الطبيعية، فإن الرياضيات أكثر تعقيدًا، وتتطلب تقنيات متقدمة لحلها. وجد المؤلف أنه بينما يمكن تبسيط الصيغ الخاصة بمتوسط حجم هذه الفجوات من خلال التفكير فيها كمجموع لخطوات أصغر، فإن الصيغ الخاصة بكيفية تباينها أصعب في التحديد. توفر الورقة المعادلات اللازمة، مشيرة إلى أن حسابها يتطلب أدوات عالية الدقة لأن الأرقام المعنية يمكن أن تكون كبيرة جدًا وتلغي بعضها البعض بطرق دقيقة.

لاختبار هذه الأفكار، تنظر الورقة في بيانات من العالم الحقيقي من أعماق الزلازل التي سُجلت قبل ثوران جبل سانت هيلين في عام 1980. تمثل البيانات عمق القشرة الأرضية، مقاسًا بالكيلومترات تحت السطح. وعندما نظر الباحثون في الفجوات بين هذه الأعماق، وجدوا تجمعات متميزة وقفزات كبيرة. ومن خلال تطبيق طريقة تباعد الفترات بعروض مختلفة، استطاعوا رؤية كيف يتم تنعيم البيانات. مع العرض الضيق، أظهر الرسم البياني العديد من النتوءات الصغيرة والقمم الحادة التي تتوافق مع تجمعات معينة. ومع زيادة عرض الفترة، بدأت هذه النتوءات في الاندماج. فالقمة الحادة التي برزت بوضوح عند العرض الضيق تحولت إلى تلة أوسع وأكثر تسطحًا مع اتساع الفترة. وفي النهاية، عندما أصبح التباعد واسعًا جدًا، استوى الرسم البياني ليصبح بمستوى ثابت تقريبًا، مما أظهر أن التفاصيل المحددة للزلازل الفردية قد تم تنعيمها، تاركة وراءها الاتجاه العام فقط.

استكشفت الدراسة أيضًا ما يحدث عندما تتداخل هذه الفترات. إذا قمت بقياس فجوة تبدأ من النقطة (أ) وفجوة أخرى تبدأ من النقطة (ب)، حيث (ب) هي خطوة واحدة بعد (أ)، فإن القياسين يتشاركان معظم بياناتهما. وتوضح الورقة أن هذه القياسات المتداخلة ليست مستقلة؛ بل هي مترابطة. ويتبع درجة هذا الارتباط نمطًا يمكن التنبؤ به، حيث ينخفض في خط مستقيم مع تناقص التداخل بين الفترتين. هذا الاكتشاف مهم لأي شخص يستخدم هذه الأساليب لتحليل البيانات، لأنه يعني أن النتائج من الفترات المتداخلة لا يمكن معاملتها كحقائق منفصلة وغير مرتبطة؛ فهي مرتبطة بالنقاط المشتركة التي تحتوي عليها.

في النهاية، يوفر هذا العمل مجموعة أدوات رياضية كاملة لفهم كيفية سلوك البيانات عند النظر إليها من خلال عدسة أوسع. إنه يؤكد أنه بينما يمكن فهم متوسط حجم الفجوة الواسعة كمجموع لخطوات أصغر، فإن الطريقة التي تتباين بها البيانات والطريقة التي ترتبط بها الفجوات المتداخلة تتطلب نهجًا أكثر تطورًا. تقدم الورقة المعادلات الدقيقة اللازمة لحساب هذه القيم للبيانات الموحدة والأسية واللوجستية، مما يسمح للعلماء بتطبيق هذه الرؤى في مجالات تتراوح من علم الزلازل إلى الرؤية الآلية. ومن خلال معاملة تباعد الفترات كمرشح، توضح الأبحاث كيف يتم تنعيم البيانات وكيف تبرز الأنماط عندما نبتعد عن النقاط الفردية للنظر إلى الصورة الأكبر.