امتى نستخدم التوزيع البينومي ضد توزيع بيتا؟
وإيه فايدة توزيعات الاحتمالات أصلاً؟
تخيل معايا: لاعب كورة مشهور (خلينا نقول محمد صلاح مثلاً) معروف إنه بيسجل 70% من ضربات الجزاء اللي بيشوطها.
السؤال: في الموسم الجاي، هايشوط 10 بلنتيات - كام واحدة منهم هيسجلها؟
"سهلة! هيسجل 7 من الـ 10 - واضحة!"
استنى شوية! 10 ركلات جزاء رقم صغير جداً صعب نستنتج منه إجابة أكيدة!
اللي ممكن يحصل:
- ✅ مع شوية حظ: يسجل 8 أو حتى 9 ركلات
- ❌ يوم وحش: يضيع كام ركلة غير متوقعة ويسجل 5 بس
- 🤷 الـ 7 المتوقعة: واحدة من احتمالات كتير!
يعني إيه؟ مع عدد صغير زي ده، مفيش إجابة واحدة "أكيدة" - لازم نعبر عن توقعنا في شكل توزيع احتمالي!
وفي الحالة دي: محتاجين التوزيع البينومي (Binomial Distribution)!
الرسم البياني ده بيقول إيه بالضبط؟
تخيل التجربة دي:
التجربة
- صلاح يشوط 10 بلنتيات → نكتب كام واحدة سجّلها
- بيشوط 10 تانيين → نقيدهم كمان
- نكرر ده 1,000 مرة (يعني 1,000 مجموعة × 10 ركلات)
- نرسم هستوجرام (رسم بياني) لعدد الأهداف في كل مجموعة
النتيجة: الرسم البياني اللي فوق!
ملاحظة مهمة
صلاح مش ممكن يسجل:
- ❌ 7.5 ركلة جزاء
- ❌ 3.8 ركلة جزاء
- ✅ أرقام صحيحة بس: 0، 1، 2، ..., 10
عشان كده:
- التوزيع البينومي = توزيع منفصل (Discrete Distribution)
- الرسم البياني = دالة كتلة احتمالية (Probability Mass Function)
إزاي نستخدم التوزيع البينومي؟
بدل المصطلحات المعقدة (تجربة، حدث، نجاح، فشل...)، خلينا نستخدم مثال صلاح!
المعطيات اللي عندنا
- p = 0.7: احتمال تسجيل بلنتي واحد (70%)
- k = 10: عدد البلنتيات اللي هيشوطها
اللي عايزين نعرفه
x: احتمال إنه يسجل x ركلة من الـ 10 ركلات
مثلاً:
- احتمال يسجل 7 ركلات = حوالي 27% (أعلى احتمال)
- احتمال يسجل 5 ركلات فقط = حوالي 10%
- احتمال يسجل 10 من 10 = حوالي 3% (صعب بس مش مستحيل!)
الخلاصة: لما العدد صغير (10 ركلات)، مش ممكن نكون واثقين من النتيجة!
طب لو العدد كبير؟ الصورة بتتغير!
تخيل صلاح هيشوط:
- 🟢 100 بلنتي في الموسم
- 🔵 1,000 بلنتي في مسيرته
- 🟣 10,000 بلنتي (افتراضي طبعاً!)
لاحظ الفرق:
مع 10 ركلات (عدد صغير)
- الاحتمالات متوزعة على نطاق واسع
- ممكن يسجل من 4 لـ 10 ركلات
- مش متأكدين من النتيجة
مع 10,000 ركلة (عدد كبير)
- الاحتمالات متركزة جداً حوالين 7,000
- شبه مستحيل يسجل 5,000 بس (50%)
- متأكدين تقريباً إنه هيسجل حوالي 7,000 ركلة (±100)
إيه فايدة الإحصاء أصلاً؟
السؤال المهم: لو العدد كبير والنتيجة واضحة - ليه نتعلم إحصاء؟!
الإجابة: الإحصاء بيفيد لما البيانات قليلة!
مثال من الواقع
شركة ناشئة (Startup) عايزة تختبر منتج جديد:
- عندها ميزانية تختبر على 100 عميل بس
- مش 10,000 عميل - مكلف جداً!
السؤال: نسبة الشراء (conversion rate) كام؟
- لو 70 عميل اشتروا من 100 → هل الـ conversion rate بتاعتنا 70% فعلاً؟
- الإحصاء بيقولك: ممكن تكون 65%-75% مع هامش خطأ!
يعني: الإحصاء أداة للتعامل مع عدم اليقين لما البيانات قليلة!
التوزيع التاني: توزيع بيتا (Beta Distribution)
دلوقتي السؤال معكوس!
السيناريو الجديد
المعطيات:
- صلاح شاط 10 بلنتيات
- سجّل 7 منهم
السؤال: إيه نسبة دقته الحقيقية؟
"سهلة! دقته 70% - واضحة!"
تعالى بقى! مش لسه متفقين إن 10 رقم صغير جداً؟! مش المفروض ما نقفزش للاستنتاجات؟!
الحل: محتاجين توزيع يعبر عن اعتقادنا في دقة صلاح الحقيقية!
التوزيع المناسب: توزيع بيتا (Beta Distribution)!
معاملات توزيع بيتا
التوزيع ده بياخد معاملين:
- a = 7: عدد النجاحات (الأهداف المسجلة)
- b = 3: عدد الفشل (البلنتيات الضايعة)
الفرق الكبير: مستمر مش منفصل!
في التوزيع البينومي:
- المحور الأفقي = أرقام صحيحة بس: 0، 1، 2، ..., 10
- منفصل (Discrete)
- دالة كتلة احتمالية (Probability Mass Function)
في توزيع بيتا:
- المحور الأفقي = أي رقم بين 0 و 1
- مثلاً: 0.65، 0.7، 0.723، 0.8
- مستمر (Continuous)
- دالة كثافة احتمالية (Probability Density Function)
ليه؟ لأن الاحتمال (نسبة الدقة) ممكن يكون أي رقم بين 0% و 100%!
الخلاصة: امتى نستخدم مين؟
التوزيعان دول زي وجهين لعملة واحدة!
استخدم التوزيع البينومي (Binomial) لما:
المعطيات:
- ✅ عارف نسبة النجاح (p)
- ✅ عارف عدد المحاولات (k)
السؤال:
- ❓ كام مرة هينجح من الـ k محاولة؟
أمثلة من الحياة:
- لاعب كورة دقته 70% - هيسجل كام هدف من 10 بلنتيات؟
- موقع conversion rate بتاعه 5% - كام عميل هيشتري من 100 زائر؟
- دواء فعاليته 80% - كام مريض هيتعافى من 50 مريض؟
استخدم توزيع بيتا (Beta) لما:
المعطيات:
- ✅ عارف عدد النجاحات (a)
- ✅ عارف عدد الفشل (b)
السؤال:
- ❓ إيه نسبة النجاح الحقيقية؟
أمثلة من الحياة:
- لاعب سجّل 7 من 10 بلنتيات - إيه دقته الحقيقية؟
- 5 عملاء اشتروا من 100 زائر - إيه الـ conversion rate الحقيقي؟
- 40 مريض اتعافوا من 50 - إيه فعالية الدواء الحقيقية؟
العلاقة بينهم: تكاملية!
في الإحصاء البايزي (Bayesian Inference):
- توزيع بيتا بيستخدم كـ prior (توقع مبدئي)
- التوزيع البينومي بيستخدم كـ likelihood (احتمالية البيانات)
- النتيجة = posterior (توقع محدّث)
يعني: الاتنين بيشتغلوا مع بعض - هنشرح ده بالتفصيل في مقال مستقبلي!
الدرس المستفاد
الإحصاء مش أرقام معقدة - ده لغة للتعبير عن عدم اليقين!
لما البيانات قليلة:
- ❌ لا تقفز للاستنتاجات - "واضح" مش دايماً صح
- ✅ استخدم توزيعات احتمالية - عبّر عن عدم اليقين
- ✅ اختار التوزيع المناسب - بينومي ولا بيتا؟
الخلاصة: الإحصاء أداة لاتخاذ قرارات ذكية في ظل بيانات محدودة!
طارق عمرو، 2 فبراير 2023