# 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)!

![التوزيع البينومي لـ 10 ركلات جزاء مع p=0.7](/static/img/binomial-beta-1.png)

## الرسم البياني ده بيقول إيه بالضبط؟

**تخيل التجربة دي**:

### التجربة
1. صلاح يشوط **10 بلنتيات** → نكتب كام واحدة سجّلها
2. بيشوط **10 تانيين** → نقيدهم كمان
3. نكرر ده **1,000 مرة** (يعني 1,000 مجموعة × 10 ركلات)
4. 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

1. **p = 0.7**: احتمال تسجيل بلنتي واحد (70%)
2. **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!)

![التوزيعات البينومية لأعداد مختلفة من الركلات](/static/img/binomial-beta-2.png)

**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)

![توزيع بيتا يوضح احتمالية دقة اللاعب](/static/img/binomial-beta-3.png)

### 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