لماذا لا يكون التوزيع "الطبيعي" طبيعياً: 4 حقائق مدهشة
مقدمة: المنحنى الذي نعرفه جميعاً، لكننا لا نفهمه
يُعدّ "المنحنى الجرس"، أو التوزيع الغاوسي، أحد أكثر المفاهيم شيوعًا في الإحصاء، ويظهر في مجالاتٍ تتراوح من الطب إلى التمويل. لكن اسمه الشائع - "التوزيع الطبيعي" - غالبًا ما يؤدي إلى سوء فهمٍ جوهري لما يُمثله حقًا.
وقد جسّد جي. ليبمان هذا التوتر بين استخدامه الواسع النطاق وطبيعته الدقيقة بشكل مثالي:
يؤمن الجميع بالتقريب الطبيعي، المجربون لأنهم يعتقدون أنه نظرية رياضية، والرياضيون لأنهم يعتقدون أنه حقيقة تجريبية.
ستتناول هذه المقالة أربعًا من أكثر الحقائق إثارة للدهشة وأهمية حول التوزيع الغاوسي لمساعدتك على فهم ماهيته، ومن أين يأتي، وكيفية تفسيره بشكل صحيح.
الخلاصة الأولى: "الطبيعي" لا يعني بالضرورة طبيعياً
1. كلمة "طبيعي" لا تعني ما تعتقد أنه تعنيه
على الرغم من أن التوزيع الغاوسي يُطلق عليه عادةً اسم "التوزيع الطبيعي"، إلا أن هذه حالةٌ أعطت فيها الإحصاءات كلمةً عاديةً معنىً تقنياً خاصاً. ولا ينبغي الخلط بينه وبين المعنى العادي لكلمة "طبيعي" كما في "شائع الملاحظة" أو "عادي" أو "لا يدل على مرض".
من التطبيقات الشائعة، وإن كانت معيبة من الناحية المفاهيمية، استخدام التوزيع لتحديد "نطاق طبيعي" لقيمة سريرية. على سبيل المثال، قد يفترض المرء أن درجات حرارة الجسم تتبع التوزيع الطبيعي (غاوسي) ويُعرّف أعلى وأدنى 2.5% من السكان على أنها "غير طبيعية". وهذا من شأنه أن يحدد النطاق الطبيعي على أنه تعني زائد أو ناقص 1.96 انحراف معياري.
توجد عدة مشاكل في هذا النهج الإحصائي البحت:
- السياق السريري ضروري. إن تحديد ما هو "غير طبيعي" يتطلب معرفة سريرية حول ما يشير إلى المرض؛ ولا يمكن تحديده من خلال حساب إحصائي فقط.
- يعتمد مفهوم "الطبيعي" على عوامل أخرى. قد تكون القيمة الطبيعية لشخص يبلغ من العمر 80 عامًا غير طبيعية لشخص يبلغ من العمر 25 عامًا. يجب مراعاة عوامل مثل العمر والجنس.
- نادراً ما تكون الحدود حادة. في الطب، توجد غالباً قيم "حدودية". وغالباً ما يكون وضع حد إحصائي واضح بين الطبيعي وغير الطبيعي أمراً غير واقعي.
- نادراً ما تكون البيانات الواقعية مثالية. قد تكون البيانات ما يقرب من التوزيع الغاوسي، ولكن من المرجح أن تحدث الانحرافات في القيم المتطرفة (الذيول)، وهو بالضبط المكان الذي توجد فيه القيم "غير الطبيعية".
- لا تتساوى أهمية القيم المرتفعة والمنخفضة. يفترض هذا النهج الإحصائي أن القيمة المرتفعة جدًا تُثير القلق تمامًا كالقيمة المنخفضة جدًا. فبالنسبة لدرجة حرارة الجسم، لا تُعدّ القيمة المنخفضة عادةً مدعاةً للقلق الطبي، بينما قد تكون القيمة المرتفعة علامةً على وجود عدوى.
الخلاصة الثانية: إنها تنبع من المتوسطات، وليس دائمًا من البيانات
2. تستمد قوتها من نظرية النهاية المركزية
لا يكمن الدور المركزي للتوزيع الغاوسي في الإحصاء في أن معظم البيانات الخام تتبع منحنى الجرس المثالي، ولكن بسبب علاقة رياضية قوية تُعرف باسم نظرية النهاية المركزية.
يمكنك فهم الفكرة الأساسية للنظرية من خلال تجربة تخيلية بسيطة:
- ابدأ بمجموعة سكانية يكون توزيع بياناتها ليس التوزيع الغاوسي.
- اسحب عشوائياً العديد من العينات المختلفة من نفس الحجم من تلك المجموعة السكانية.
- احسب المتوسط لكل عينة من تلك العينات الفردية.
- أنشئ مخطط توزيع التردد لجميع متوسطات العينات هذه.
تنص نظرية النهاية المركزية على أن توزيع متوسطات العينة سيقارب التوزيع الغاوسي، حتى لو لم يكن المجتمع الأصلي غاوسيًا.
لهذا السبب، تُعدّ العديد من الاختبارات الإحصائية الشائعة، مثل اختبار تي وتحليل التباين، فعّالة للغاية. ولأن هذه الاختبارات تُعنى فقط بالفروق بين المتوسطات، فإن نظرية النهاية المركزية تُشير إلى أن المتوسطات نفسها تميل إلى اتباع نمط غاوسي يمكن التنبؤ به، مما يجعل هذه الاختبارات قوية.
الخلاصة الثالثة: إنه مصنوع من العديد من القطع الصغيرة المتراكمة.
3. لها قصة أصل بسيطة: العشوائية تلغي نفسها
السبب البديهي لظهور التوزيع الغاوسي بكثرة هو أنه نتيجة طبيعية لعوامل عشوائية مستقلة عديدة تُحدث تباينًا. بعض هذه العوامل ترفع القيمة، بينما يخفضها البعض الآخر.
في أغلب الأحيان، تتلاشى هذه التأثيرات العشوائية جزئيًا، ولذلك تتجمع معظم القيم بالقرب من المتوسط. ونادرًا ما تدفع معظم العوامل العشوائية في نفس الاتجاه، مما يُنتج قيمة بعيدة عن المتوسط. وتؤدي هذه العملية إلى ظهور منحنى متماثل مميز على شكل جرس، حيث تكثر القيم القريبة من المتوسط، بينما تندر القيم المتطرفة.
الشرط الأساسي لحدوث ذلك هو أن تكون مصادر التباين المختلفة مستقلة وتراكمية، ولا يهيمن أي مصدر تباين على المصادر الأخرى.
الخلاصة الرابعة: يمكنك تصور البيانات باستخدام رقمين فقط
4. المتوسط والانحراف المعياري يشكلان ثنائيًا وصفيًا قويًا
إذا كان بإمكانك أن تفترض بشكل معقول أن بياناتك تتبع توزيعًا غاوسيًا تقريبًا، فيمكنك إعادة إنشاء صورة ذهنية لمجموعة البيانات بأكملها بمجرد معرفة رقمين: المتوسط والانحراف المعياري (SD).
هذا ممكن بفضل قاعدتين أساسيتين موثوقتين:
- حوالي ثلثي (68.3٪) جميع القيم تقع ضمن انحراف معياري واحد عن المتوسط.
- تقع حوالي 95% من جميع القيم ضمن انحرافين معياريين عن المتوسط (بشكل أدق، 1.96 انحراف معياري).
على سبيل المثال، إذا قيل لك فقط أن متوسط درجة حرارة الجسم في دراسة ما هو 36.82 درجة مئوية بانحراف معياري قدره 0.41 درجة مئوية، فيمكنك استنتاج أن حوالي 95% من القيم تقع بين 36.0 درجة مئوية و37.6 درجة مئوية. يوفر هذا الحساب البسيط ملخصًا دقيقًا إلى حد كبير لمدى تباين البيانات.
الخلاصة: ما وراء الجرس
يُعد التوزيع الغاوسي أداة أساسية وقوية. ومع ذلك، تكمن قوته في فهم تفاصيله الدقيقة. إنه نموذج لسلوك المتوسطات ونتيجة التأثيرات العشوائية التراكمية - وليس وصفًا عالميًا لجميع البيانات أو تعريفًا صارمًا لـ "التوزيع الطبيعي".
في المرة القادمة التي ترى فيها بيانات توصف بأنها "طبيعية"، ما هي الأسئلة الأعمق التي ستطرحها حول شكلها ومعناها الحقيقي؟
