On Functional Deviations About Functionals
تُطوّر هذه الورقة إطاراً عاماً لقياس التشتت عبر تطبيق الدوال الوظيفية الإحصائية على الانحرافات المطلقة عن قيمة مرجعية، وتضع متباينات رئيسية تقارن بين هذه المقاييس، وتوضح سلوكها عبر توزيعات مختلفة من خلال المحاكاة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم البيانات، لا يكفي غالباً معرفة القيمة المتوسطة لمجموعة ما. فإذا أخبرك إحصائي أن متوسط الدخل في بلدة ما هو خمسون ألف دولار، فأنت لا تزال لا تعرف ما إذا كان الجميع يتقاضون مبالغ قريبة من هذا القدر، أم أن عدداً قليلاً من المليارديرات يرفعون الرقم بينما يكافح معظم الناس لتأمين قوت يومهم. لفهم الطبيعة الحقيقية لمجموعة ما، يجب عليك أيضاً قياس مدى تشتت القيم. هذا التشتت يسمى "الانتشار". ولأكثر من قرن، استخدم العلماء بعض الأدوات القياسية لقياس هذا الانتشار، مثل متوسط المسافة لجميع الأرقام من المركز، أو الجذر التربيعي لمتوسط المسافات المربعة. تعمل هذه الأدوات بشكل جيد للمجموعات البسيطة والمتوازنة من الأرقام، ولكنها قد تصبح مضللة عندما تكون البيانات غير متماثلة، أو تحتوي على قيم متطرفة، أو تأتي من مزيج معقد من مصادر مختلفة. وتظل مسألة كيفية الوصف الأمثل لهذا الانتشار، وما هي الأدوات الرياضية التي يجب استخدامها عندما تكون البيانات "فوضوية"، جزءاً حيوياً من علم الإحصاء.
لقد اقترح باحث في جامعة "براين وير" (Brainware) في الهند مؤخراً طريقة جديدة للتفكير في هذه القياسات. فبدلاً من معاملة حساب الانتشار كعملية ثابتة وموحدة، يقترح الباحث النظر إليه كعملية مكونة من خطوتين، حيث تهم الخيارات المتخذة في كل خطوة بشكل مستقل. الخطوة الأولى هي اختيار نقطة مرجعية، أو "مركز"، نقيس من خلاله مسافة كل رقم في المجموعة. يمكن أن يكون هذا المركز هو المتوسط، أو القيمة الوسطى، أو حتى القيمة الأكثر تكراراً. والخطوة الثانية هي تقرير كيفية تلخيص تلك المسافات؛ إذ يمكنك أخذ متوسط جميع المسافات، أو إيجاد المسافة الوسطى، أو النظر في المسافة التي تغطي تسعين بالمائة من المجموعة. ومن خلال فصل هذين الخيارين، ابتكر الباحث إطاراً مرناً يمكنه توليد طرق عديدة لقياس الانتشار، بما في ذلك الطرق المألوفة وبعض الطرق التي لم تتم مقارنتها رسمياً من قبل.
بدأت الدراسة بوضع مجموعة من القواعد الرياضية التي تحكم كيفية ارتباط هذه القياسات المختلفة ببعضها البعض. فقد أثبت الباحث أنه إذا كنت ترغب في تقليل متوسط المسافة لجميع الأرقام من مركز ما، فإن القيمة الوسطى للمجموعة ستكون دائماً خياراً أفضل من المتوسط. بعبارة أخرى، لن يكون متوسط المسافة للأرقام من القيمة الوسطى أكبر أبداً من متوسط المسافة للأرقام من المتوسط نفسه. وهذا ينطبق على أي مجموعة من الأرقام، بشرط ألا تكون الأرقام لانهائية. كما أظهر الباحث أن هذا المتوسط للمسافة يكون دائماً أصغر من مقياس الانتشار التقليدي المستخدم في معظم الكتب المدرسية، والذي يعتمد على تربيع المسافات. توفر هذه القواعد أساساً متيناً، مما يوضح أنه بالنسبة لأنواع معينة من البيانات، هناك ضمان رياضي بأن إحدى الطرق أكثر كفاءة من الأخرى.
ولرؤية كيف تترجم هذه الأفكار في العالم الحي، أجرى الباحث محاكاة حاسوبية ضخمة؛ حيث قام بتوليد ثلاثمائة ألف رقم عشوائي لستة أنواع مختلفة من التوزيعات، والتي تمثل كل شيء بدءاً من المجموعات المتوازنة تماماً وصولاً إلى المجموعات شديدة الانحراف ذات الذيول الطويلة من القيم المتطرفة. ثم قام بحساب مختلف مقاييس الانتشار لكل مجموعة. وأكدت النتائج القواعد الرياضية: فبالنسبة للمجموعات المتوازنة، مثل منحنى الجرس الطبيعي أو التوزيع المنتظم، كان متوسط المسافة من القيمة الوسطى ومتوسط المسافة من المتوسط متطابقين تقريباً. ومع ذلك، بالنسبة للمجموعات المنحرفة، مثل التوزيع الأسي أو التوزيع اللوغاريتمي الطبيعي، أصبح الفرق جوهرياً. في هذه الحالات، كان متوسط المسافة المحسوب من القيمة الوسطى أصغر بشكل ملحوظ من المتوسط المحسوب من المتوسط، وأحياناً بنسبة تزيد عن عشرة بالمائة. وقد أكد هذا أن البيانات عندما تكون غير متماثلة، فإن اختيار المركز يغير القصة التي ترويها عن الانتشار.
كما استكشفت المحاكاة ما يحدث عندما ننظر إلى أطراف الانتشار بدلاً من مجرد المتوسط. فمن خلال حساب نقاط محددة في توزيع المسافات، مثل النقطة التي تقع تحتها تسعون بالمائة من المسافات، وجد الباحث أن مقاييس "الكميات" (quantiles) هذه كشفت عن تفاصيل أغفلها المتوسط. فبالنسبة للمجموعات ذات الذيول الثقيلة أو القيم المتطرفة، كان الطرف العلوي للانتشار أكبر بكثير مما أوحى به المتوسط. وهذا يعني أن الاعتماد على رقم واحد لوصف الانتشار يمكن أن يخفي حقيقة أن جزءاً صغيراً من البيانات يتصرف بشكل مختلف تماماً عن البقية. وأظهرت الدراسة أن استخدام مزيج من هذه المقاييس المختلفة يعطي صورة أغنى وأكثر دقة للبيانات مما يمكن لأي أداة واحدة أن توفره.
تضمن الجزء الأكثر تعقيداً من الدراسة دراسة "المنوال" (mode)، وهو القيمة الأكثر تكراراً في المجموعة. وخلافاً للمتوسط أو القيمة الوسطى، لا يتم تعريف المنوال عبر عملية حسابية بسيطة، بل من خلال إيجاد ذروة منحنى يمثل البيانات. ووجد الباحث أن هذه الطريقة أكثر حساسية لكيفية "تنعيم" البيانات أثناء الحساب. فالتحولات الصغيرة في الطريقة المستخدمة لتقدير الذروة يمكن أن تؤدي إلى نتائج مختلفة، مما يجعل مقياس الانتشار القائم على المنوال أقل استقراراً من غيره. ويشير هذا إلى أنه بينما يمكن أن يكون المنوال مفيداً لتحديد القيمة الأكثر شيوعاً، فإن استخدامه كمركز لقياس الانتشار يتطلب معالجة دقيقة ولا يمكن التعامل معه بنفس اليقين الرياضي الذي يتمتع به المتوسط أو القيمة الوسطى.
يخلص العمل إلى أنه لا توجد طريقة واحدة "مثلى" لقياس مدى انتشار البيانات. فالخيار الأفضل يعتمد كلياً على شكل البيانات والسؤال الذي تحاول الإجابة عليه. فإذا كانت البيانات متوازنة، فإن الطرق التقليدية تعمل بشكل جيد. وإذا كانت البيانات منحرفة أو تحتوي على قيم متطرفة، فإن استخدام القيمة الوسطى كمركز والنظر في نقاط مختلفة من توزيع المسافات يوفر رؤية أوضح. إن إطار الباحث لا يستبدل الأدوات القديمة، بل ينظمها في نظام متماسك، موضحاً بالضبط متى ولماذا يجب تفضيل أداة على أخرى. ومن خلال فصل اختيار المركز عن طريقة تلخيص المسافات، تقدم الدراسة لغة أكثر دقة لوصف التباين الموجود في كل شيء، من الأسواق المالية إلى القياسات البيولوجية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.