احصل على شهادة — 34.29 دولارًا12 دولارًا
الإحصاء واختبارات A/B لمحللي البيانات
صِف البيانات، وابنِ فترات الثقة واقرأها، وأجرِ اختبارات الفرضيات دون إساءة استخدام القيمة p، وصمّم اختبارات A/B بحجم عينة مناسب، وأبلغ بالنتائج بأمانة.
ماذا ستتعلّم
- تلخيص مجموعة بيانات بمقاييس النزعة المركزية والتشتت المناسبة، وكشف الالتواء والقيم الشاذة قبل أي اختبار.
- شرح تباين المعاينة والخطأ المعياري وأهم مصادر انحياز العينة.
- حساب فترات الثقة لمتوسط ونسبة وفرق وتفسيرها.
- اختيار اختبار فرضيات وتنفيذه وتفسير القيمة p والأخطاء والقدرة الإحصائية تفسيرًا صحيحًا.
- التمييز بين الارتباط والسببية وقراءة انحدار بسيط مع حدوده.
- تصميم اختبار A/B: وحدة التجربة والمؤشرات والتوزيع العشوائي وحجم العينة والمدة وفحوصات مثل اختلال نسبة التوزيع.
- عرض نتائج التجربة بأمانة: حجم الأثر والفترة والمقارنات المتعددة والتحقق المبكر وقرار واضح.
وحدات
- وصف البيانات قبل اختبارها
- العينات والتوزيعات والخطأ المعياري
- فترات الثقة
- اختبارات الفرضيات والقيمة p
- الارتباط والسببية والانحدار البسيط
- تصميم اختبار A/B
- قراءة النتائج وعرضها بأمانة
بطاقة الدورة
- مدة الدراسة التقديرية
- نحو 60 دقيقة
- التقييم النهائي
- 42 سؤالاً · درجة النجاح 80%
- متاحة بـ
- English, Français, العربية
- السعر
- مجانية. شهادة قابلة للتحقق اختيارية: 12 دولارًا
- آخر تحديث
- الناشر
- AMAADOR ACADEMY
لمن هذه الدورة
محللو البيانات المبتدئون والعاملون، ومحللو ذكاء الأعمال والمنتجات، والمسوّقون، ومحللو العمليات والموارد البشرية، وكل من يحتاج إلى الحكم على كون فرق في الأرقام حقيقيًا. تكفي مهارات جداول البيانات الأساسية؛ تستخدم أمثلة الشيفرة Python وR، لكن كل فكرة تصلح أيضًا في Excel.
المتطلبات المسبقة
حساب ونسب مئوية بمستوى المرحلة الثانوية. تفيد خبرة سابقة بجداول البيانات أو بأداة بيانات. لا تلزم البرمجة.
محتوى الدورة
1. وصف البيانات قبل اختبارها
يبدأ كل قرار إحصائي بتحديد نوع المتغير. المتغيرات الفئوية هي تسميات (البلد، الباقة، الجهاز). والمتغيرات الرقمية هي كميات (قيمة الطلب، زمن التحميل). والنتيجة بنعم/لا مثل «تم التحويل» فئوية، ومتوسطها نسبة. الخلط بين الأنواع هو أكثر أسباب اختيار اختبار غير مناسب لاحقًا.
لوصف مركز متغير رقمي لديك ثلاث أدوات. المتوسط يجمع كل القيم ويقسم على عددها. والوسيط هو القيمة الوسطى بعد ترتيب البيانات. والمنوال هو القيمة الأكثر تكرارًا.
خذ خمسة أزمنة تحميل بالثواني: 12 و13 و14 و15 و90. المتوسط = 144 ÷ 5 = 28.8. الوسيط = 14. جلسة بطيئة واحدة سحبت المتوسط إلى قيمة لا تصف أحدًا، بينما يبقى الوسيط صادقًا في وصف الزيارة النموذجية.
| السؤال | الأداة |
|---|---|
| قيمة نموذجية والبيانات متماثلة تقريبًا | المتوسط |
| قيمة نموذجية والبيانات ملتوية (الدخل، الأزمنة، قيمة السلة) | الوسيط |
| الفئة أو القيمة الأكثر شيوعًا | المنوال |
| الأثر الإجمالي (الإيراد، الساعات) | المتوسط × العدد |
اذكر دائمًا الوحدة والمجتمع: «الوسيط لزمن تحميل جلسات الجوال في مارس 14 ثانية» نتيجة صالحة؛ أما «متوسط السرعة 28.8» ففخ.
تذكّر: المتوسط تسحبه القيم المتطرفة والوسيط لا. وعندما يختلفان كثيرًا تكون البيانات ملتوية ويجب أن تذكر ذلك.
2. العينات والتوزيعات والخطأ المعياري
نادرًا ما ترى المجتمع كله. ترى عينة، وعينة أخرى كانت ستعطي جوابًا مختلفًا قليلًا. هذا التذبذب هو تباين المعاينة، والاستدلال الإحصائي كله يدور حول قياسه.
الخطأ المعياري (SE) هو الحجم النموذجي لهذا التذبذب في إحصاءة مثل المتوسط أو النسبة. لا تخلطه بالانحراف المعياري الذي يصف التشتت بين الأفراد.
| الإحصاءة | الخطأ المعياري | مثال |
|---|---|---|
| المتوسط | الانحراف المعياري ÷ جذر n | انحراف 20 وn = 100 يعطي 2 |
| النسبة | جذر p(1 - p) ÷ n | p = 0.5 وn = 400 يعطي 0.025 |
نتيجتان تهمّان كل أسبوع. الأولى أن الخطأ المعياري يتناقص مع الجذر التربيعي لـ n: لتقسم عدم اليقين على اثنين تحتاج إلى أربعة أضعاف البيانات. والثانية أن عينة صغيرة قد تُظهر فرقًا كبيرًا بالصدفة وحدها.
تفسّر نظرية النهاية المركزية سبب نجاح هذه الأدوات: مع عدد كافٍ من المشاهدات يقترب توزيع متوسطات العينات من المنحنى الطبيعي (الجرس) حتى لو كانت البيانات الخام ملتوية. نحو 95% من متوسطات العينات تقع ضمن خطأين معياريين تقريبًا من المتوسط الحقيقي. وفي المؤشرات شديدة الالتواء كإيراد المستخدم قد يعني «الكافي» آلاف المستخدمين، فتحقق بإعادة المعاينة (bootstrap) عند الشك.
3. فترات الثقة
رقم منفرد مثل «تحويل 13%» يخفي درجة تيقنك. تضيف فترة الثقة مدى: القيم الحقيقية التي تتوافق بدرجة معقولة مع بياناتك. الوصفة العامة هي التقدير ± القيمة الحرجة × الخطأ المعياري، والقيمة الحرجة نحو 1.96 لفترة 95% مبنية على المنحنى الطبيعي.
النسبة. سجّل 52 زائرًا من 400، إذن p = 0.13. الخطأ المعياري = جذر (0.13 × 0.87 ÷ 400) = 0.0168. الهامش = 1.96 × 0.0168 = 0.033. فترة الثقة 95% من 9.7% إلى 16.3%. البيانات نفسها وجواب أمين: «بين 10% و16% تقريبًا».
المتوسط. 25 مكالمة دعم متوسط مدتها 42.0 دقيقة وانحرافها المعياري 10. الخطأ المعياري = 10 ÷ 5 = 2. وبـ24 درجة حرية تكون القيمة الحرجة لتوزيع t هي 2.064، فيكون الهامش 4.1 دقائق وفترة الثقة من 37.9 إلى 46.1 دقيقة. في العينات الصغيرة استخدم توزيع t لا 1.96.
قل
- «نحن واثقون بنسبة 95% أن المعدل الحقيقي بين 9.7% و16.3%.»
- «لو كررنا الدراسة مرات كثيرة لاحتوت نحو 95% من هذه الفترات على القيمة الحقيقية.»
لا تقل
- «احتمال وجود القيمة الحقيقية في هذه الفترة 95%.»
- «95% من المستخدمين ضمن هذا المدى.»
4. اختبارات الفرضيات والقيمة p
يطرح اختبار الفرضيات سؤالًا ضيقًا واحدًا: لو لم يكن هناك فرق حقيقي، فما مدى غرابة بياناتي؟ افتراض عدم وجود فرق هو الفرضية الصفرية (H0)، والادعاء الذي تأمل دعمه هو الفرضية البديلة (H1).
القيمة p هي احتمال الحصول على نتيجة متطرفة مثل نتيجتك أو أكثر لو كانت H0 صحيحة. خذ A عند 5.0% (200 من 4000) وB عند 6.0% (240 من 4000). المعدل المجمّع 5.5% والخطأ المعياري تحت H0 هو 0.51 نقطة، فيكون z = 1.0 ÷ 0.51 = 1.96 وتكون القيمة p ثنائية الطرف نحو 0.0498. تُسمّى النتيجة ذات p أقل من مستوى الدلالة ألفا المختار (عادةً 0.05) دالة إحصائيًا.
خطآن ممكنان:
| H0 صحيحة (لا أثر) | H0 خاطئة (أثر حقيقي) | |
|---|---|---|
| ترفض H0 | خطأ من النوع الأول، إيجابي كاذب، احتماله ألفا | كشف صحيح |
| تُبقي H0 | صحيح | خطأ من النوع الثاني، تفويت الأثر، احتماله بيتا |
القدرة الإحصائية = 1 - بيتا، وهي فرصة كشف أثر حقيقي بحجم معيّن. والهدف المعتاد 80%. مع 4000 مستخدم في كل مجموعة وزيادة حقيقية بنقطة واحدة تبلغ القدرة نحو 50% فقط: أي أشبه برمي عملة: قد ترى الأثر وقد لا تراه. ستعالج هذا بحجم العينة في الوحدة 6.
5. الارتباط والسببية والانحدار البسيط
يتراوح معامل الارتباط r من -1 إلى +1 ويقيس مدى تحرك متغيرين رقميين على خط مستقيم. القريب من 0 يعني غياب علاقة خطية، والقريب من +1 أو -1 يعني علاقة قوية. يفترض r لبيرسون (scipy.stats.pearsonr أو cor() في R أو CORREL في Excel) علاقة شبه خطية ويتأثر بالقيم الشاذة؛ أما ارتباط الرتب لسبيرمان (scipy.stats.spearmanr) فيتعامل أفضل مع الالتواء والمنحنيات.
عندما يرتبط A وB توجد أربعة تفسيرات: A يسبب B، أو B يسبب A، أو عامل ثالث C (عامل مُربِك) يحرّكهما معًا، أو الصدفة. ترتفع مبيعات المثلجات وحالات الغرق معًا في الصيف بسبب الطقس لا لأن المثلجات خطرة.
أربعة تفسيرات لارتباط واحد. نادرًا ما تحدد البيانات وحدها أيها الصحيح.
حالة: في خريف 1973 قبلت جامعة كاليفورنيا في بيركلي نحو 44% من 8442 متقدمًا ذكرًا ونحو 35% من 4321 متقدمة، فبدا ذلك تحيزًا ضد النساء. قسّم بيكل وهامل وأوكونيل (Science، 1975) البيانات حسب القسم: كانت النساء قد تقدمن أكثر إلى أقسام تقبل أعدادًا قليلة، وداخل الأقسام كان الفرق صغيرًا أو معكوسًا. انقلب النمط الكلي بفعل متغير تجميع خفي. هذه هي مفارقة سيمبسون.
6. تصميم اختبار A/B
يقسّم اختبار A/B (تجربة مضبوطة عشوائية) المستخدمين عشوائيًا إلى شاهد (A) ونسخة بديلة (B)، ويعرض لكل مجموعة تجربة مختلفة ويقارن نتيجة ما. ولأن الصدفة هي من يقرر من يرى ماذا، تتشابه المجموعتان في كل شيء عدا التغيير، فيمكن قراءة الفرق على أنه أثر التغيير. وهذه هي الأداة اليومية الوحيدة التي تمنحك السببية.
- اكتب الفرضية — «عرض تكلفة التوصيل مبكرًا يرفع إتمام الشراء لدى الزوار الجدد».
- اختر وحدة التوزيع العشوائي — عادةً المستخدم لا مشاهدة الصفحة، كي لا يرى الشخص النسختين معًا. وأبقِها ثابتة عبر الزيارات.
- حدّد المؤشر الأساسي — رقم واحد يحسم الاختبار، مثل معدل إتمام الشراء.
- أضف مؤشرات الحماية — ما يجب ألا يسوء: سرعة الصفحة ومعدل الاسترداد ومعدل الأخطاء والإيراد لكل مستخدم.
- اختر ألفا والقدرة وأصغر أثر يستحق الكشف ودوّن كل ذلك قبل الإطلاق.
| نوع المؤشر | الدور | مثال |
|---|---|---|
| أساسي | يحسم الإطلاق من عدمه | معدل إتمام الشراء |
| ثانوي | يفسر السبب | معدل الإضافة إلى السلة |
| حماية | يقي من الضرر | تذاكر الدعم وزمن التحميل |
استخدم توزيعًا عشوائيًا بتجزئة (hash) معرّف المستخدم لا «المعرّفات الزوجية تأخذ B» ولا «زوار الصباح يأخذون A» فهذه قد ترتبط بالسلوك. حلّل فقط المستخدمين الذين قد يتأثرون فعلًا (من وصلوا إلى الشاشة المتغيرة)، واحسب كل واحد منهم في المجموعة التي وُزّع عليها أيًّا كانت النسخة التي رآها في النهاية.
7. قراءة النتائج وعرضها بأمانة
كل اختبار عند ألفا = 0.05 له فرصة 5% لإنذار كاذب حين لا يحدث شيء. وبتكرار الاختبارات تتراكم الإنذارات. مع 20 مؤشرًا مستقلًا ولا أثر حقيقي، فاحتمال ظهور نتيجة «دالة» واحدة على الأقل هو 1 - 0.95^20 أي نحو 64%. قسّم التجربة نفسها حسب البلد والجهاز والباقة وستجد غالبًا «فائزًا».
حالة نموذجية: اختبار صفحة رئيسية جديدة لا يُظهر زيادة إجمالية. يفحص المحلل بعدها 12 شريحة ويعلن أن «الزوار العائدين على أندرويد في إسبانيا» تحسّنوا بقيمة p = 0.03. مع 12 فحصًا يُتوقع ظهور نتيجة أو اثنتين كهذه بالصدفة. والتوصيف الأمين هو «فرضية استكشافية تُعاد اختبارها».
العلاج بسيط.
- سجّل مؤشرًا أساسيًا واحدًا مسبقًا. وكل ما عداه ثانوي أو استكشافي وتصرّح بذلك.
- صحّح للاختبارات المتعددة عند الضرورة. يقسم بونفيروني ألفا على عدد الاختبارات (0.05 ÷ 20 = 0.0025)؛ وهو بسيط وصارم. وطريقة هولم أقوى منه دائمًا. وتضبط طريقة بنجاميني-هوشبرغ معدل الاكتشافات الكاذبة وتناسب الفحوص الكبيرة. في Python: statsmodels.stats.multitest.multipletests أو scipy.stats.false_discovery_control؛ وفي R: p.adjust().
- أعد إنتاج أي اكتشاف مفاجئ في شريحة باختبار جديد.
التحقق المبكر هو المشكلة نفسها عبر الزمن. إذا فحصت اختبارًا ثابت الأفق كل يوم وأوقفته عندما تقل p عن 0.05 فإن معدل الإيجابيات الكاذبة الحقيقي يرتفع كثيرًا فوق 5%. إما أن تلتزم بحجم العينة المخطط وتقرأ النتيجة مرة واحدة، أو تستخدم طريقة مصممة للمراقبة المستمرة (اختبارات تسلسلية مجمّعة أو صالحة دائمًا) تدعمها منصتك. لا توقف أبدًا مبكرًا لأن النتيجة تبدو جيدة.
يتواصل الدرس كاملاً في الدورة التفاعلية على هذه الصفحة.
المصادر والمراجع
- ASA Statement on Statistical Significance and P-Values (Wasserstein and Lazar, 2016)
- e-Handbook of Statistical Methods
- scipy.stats: statistical functions
- statsmodels: statistics and tests, power and proportions
- R stats package index (t.test, prop.test, power.prop.test, lm)
- Excel T.TEST function
- Estimating the reproducibility of psychological science (Science, 2015)
- Trustworthy Online Controlled Experiments (2020), companion site
دورة تعليمية في الممارسة الإحصائية. ليست نصيحة مهنية للأعمال الخاضعة للتنظيم كالتجارب السريرية ونماذج المخاطر المالية والأدلة القانونية، وهي تتطلب إحصائيًا مؤهلًا والقواعد المعمول بها. تُوصف الأدوات والدوال كما توثقها الجهات الناشرة في 2026؛ راجع التوثيق الحالي لإصدارك. الأمثلة العددية مقرّبة وتوضيحية.