أنواع البيانات | STAT-101

ليه أنواع البيانات مهمة

مش كل البيانات زي بعض. نوع البيانات اللي بتجمعها بيحدد الطرق الإحصائية اللي تقدر تستخدمها، والرسومات اللي ليها معنى، والاستنتاجات اللي تقدر تطلع بيها. إنك تختار طريقة غلط لنوع بياناتك دي من أشهر الغلطات في الإحصاء — وممكن توصّلك لنتايج غلط خالص.

أنواع البيانات بتعمل تسلسل هرمي، من أبسط الفئات لأغنى القياسات. إنك تفهم التسلسل ده هو أول خطوة أساسية في أي تحليل إحصائي. قبل ما تحسب رقم واحد أو ترسم chart واحد، لازم تسأل: أنا شغّال على بيانات من أنهي نوع؟

القاعدة الدهبية

نوع البيانات هو اللي بيحدد التحليل. مينفعش تحسب متوسط ليه معنى لفصايل الدم. ومينفعش تقارن درجات الحرارة بالسلسيوس كنسب. كل أداة إحصائية ليها افتراضات عن نوع البيانات — ولو كسرتها هتطلعلك نتايج مالهاش معنى.

نوع البيانات ← العمليات المسموحة ← التحليل الصح

الـ qualitative قصاد الـ quantitative

أوسع تقسيم في البيانات هو بين البيانات الـ qualitative (النوعية) (categorical أو فئوية) والبيانات الـ quantitative (الكمية) (numerical أو عددية). البيانات الـ qualitative بتوصف صفات أو فئات — حاجات زي الألوان والأسامي والتصنيفات. والبيانات الـ quantitative بتمثّل كميات — حاجات تقدر تعدّها أو تقيسها بالأرقام.

البيانات الـ qualitative بتجاوب على أنهي نوع؟ أو أنهي فئة؟ والـ quantitative بتجاوب على قد إيه؟ أو كام واحد؟ التفرقة دي أساسية لأن صندوق أدوات التحليل الإحصائي كله بيتفرّع على أساسها. البيانات الفئوية بتلخّصها بالتكرارات والنسب؛ والعددية بتلخّصها بالـ mean (المتوسط) والـ standard deviation (الانحراف المعياري).

البيانات الـ nominal

البيانات الـ nominal (الاسمية) هي أبسط نوع. بتتكوّن من فئات مالهاش ترتيب أصلًا. كلمة «nominal» جاية من الكلمة اللاتيني nomen ومعناها «اسم» — وده بالظبط اللي البيانات الـ nominal بتعمله: بتسمّي الحاجات أو بتصنّفها.

من الأمثلة فصايل الدم (A، B، AB، O)، ولون العين (بني، أزرق، أخضر)، والنوع، والجنسية، والحالة الاجتماعية. تقدر تعد كام عنصر في كل فئة وتحسب النسب، لكن مينفعش ترتّب الفئات دي أو تحسب متوسط ليه معنى. إنك تقول «متوسط فصيلة الدم هو B+» كلام مالوش معنى.

نسبة البيانات الـ nominal

\hat{p}_k = \frac{n_k}{N}

نسبة المشاهدات في الفئة k — الملخص العددي الوحيد اللي ليه معنى للبيانات الـ nominal

البيانات الـ ordinal

البيانات الـ ordinal (الترتيبية) ليها فئات بترتيب طبيعي ليه معنى، بس المسافات بين الفئات مش لازم تبقى متساوية. فكّر في تقييمات رضا العملاء: «مش راضي خالص»، «مش راضي»، «محايد»، «راضي»، «راضي جدًا». فيه ترتيب واضح، لكن المسافة بين «محايد» و«راضي» ممكن متبقاش زي المسافة بين «راضي» و«راضي جدًا».

أمثلة تانية: المستوى التعليمي (ثانوي، بكالوريوس، ماجستير، دكتوراه)، والرتب العسكرية، ومقاييس الألم (1–10)، والمستوى الاقتصادي الاجتماعي (منخفض، متوسط، عالي). تقدر تقول إن فئة «أعلى» أو «أحسن» من التانية، بس مش هتقدر تقول بقد إيه. الـ median (الوسيط) والـ percentiles (المئينات) مناسبين؛ أما الـ mean فعليه خلاف.

البيانات الـ interval

البيانات الـ interval (الفترية) المسافات بين قيمها متساوية، بس مالهاش صفر حقيقي. المثال المشهور هو درجة الحرارة بالسلسيوس أو الفهرنهايت. الفرق بين 20 و30 درجة هو نفس الفرق بين 30 و40 درجة — الاتنين 10 درجات. لكن 0 درجة سلسيوس مش معناها «مفيش حرارة». دي نقطة مرجعية اختاروها بمزاجهم (درجة تجمّد المية).

وبما إن مفيش صفر حقيقي، النسب مالهاش معنى في البيانات الـ interval. مينفعش تقول إن 40 درجة «أسخن مرتين» من 20 درجة. أمثلة تانية: التواريخ في النتيجة (سنة صفر اختيار اعتباطي)، ودرجات الـ IQ، ودرجات الامتحانات المعيارية. تقدر تحسب الـ mean والـ standard deviation، لكن ضرب القيم وقسمتها مالوش تفسير.

البيانات الـ ratio

البيانات الـ ratio (النسبية) هي أغنى مقياس. مسافاتها متساوية و ليها صفر حقيقي معناه إن الكمية مش موجودة خالص. من الأمثلة الوزن (0 كجم يعني مفيش وزن)، والطول، والمسافة، والدخل، والسن، والمدة.

مع البيانات الـ ratio، كل العمليات الرياضية مسموحة. تقدر تقول إن اللي بيكسب 80,000 دولار بيكسب الضعف عن اللي بيكسب 40,000 دولار — النسبة دي ليها معنى لأن 0 دولار معناها فعلًا «مفيش دخل». ودرجة الحرارة بالكلفن (اللي فيها 0 كلفن هو الصفر المطلق) بيانات ratio، مع إن السلسيوس والفهرنهايت لأ.

خاصية النسبة

\frac{x_a}{x_b} \text{ is meaningful} \iff \text{true zero exists}

النسب ليها معنى بس لما يكون فيه صفر حقيقي — ودي اللي بتفرّق البيانات الـ ratio عن الـ interval

ملخص مقاييس القياس

المقياس	ترتيب	مسافات متساوية	صفر حقيقي	مثال
nominal	لأ	لأ	لأ	فصيلة الدم، لون العين
ordinal	آه	لأ	لأ	تقييم الرضا
interval	آه	آه	لأ	الحرارة (°م)
ratio	آه	آه	آه	الوزن، الدخل

الـ discrete قصاد الـ continuous

جوه البيانات الـ quantitative، فيه تفرقة مهمة تانية: discrete (المنفصلة) قصاد continuous (المتصلة). البيانات الـ discrete بتاخد قيم معيّنة تقدر تعدّها بس — عدد الطلبة في الفصل (ممكن 25 أو 26، لكن مش 25.7)، أو عدد القطع البايظة في دفعة، أو عدد الزيارات للموقع.

البيانات الـ continuous ممكن تاخد أي قيمة جوه مدى، بما فيها الكسور والعلامات العشرية. الطول والوزن والوقت والحرارة كلها continuous — ممكن حد طوله 170.3 سم، أو تفاعل ياخد 3.847 ثانية. التفرقة دي مهمة لأن الـ discrete والـ continuous محتاجين probability distributions (توزيعات احتمالية) مختلفة وطرق عرض مختلفة.

الـ structured قصاد الـ unstructured

في عالم البيانات الحديث، بنفرّق كمان بين البيانات الـ structured (المهيكلة) والـ unstructured (غير المهيكلة). البيانات الـ structured بتتحط بنظام في جداول بصفوف وأعمدة — الـ spreadsheets وقواعد البيانات وملفات CSV. كل عمود ليه نوع بيانات محدد، وكل صف ماشي بنفس الشكل.

البيانات الـ unstructured مالهاش شكل محدد من الأول. بتشمل المستندات النصية، والصور، والتسجيلات الصوتية، والفيديو، وبوستات السوشيال ميديا، وقراءات الـ sensors. التقديرات بتقول إن 80–90% من بيانات العالم unstructured. ومعالجتها محتاجة تقنيات متخصصة زي الـ NLP (معالجة اللغة الطبيعية) والـ computer vision (الرؤية الحاسوبية) قبل ما نقدر نطبّق عليها الطرق الإحصائية التقليدية.

طرق جمع البيانات

إزاي بتجمع البيانات مهم زي نوعها بالظبط. أهم 3 طرق هما الاستطلاعات والتجارب والدراسات الـ observational (الرصدية).

الاستطلاعات بتجمع بيانات الناس بيقولوها عن نفسهم من خلال استبيانات أو مقابلات. شغّالة كويس لما تجمع كمية بيانات كبيرة، بس معرّضة لـ response bias (تحيز الاستجابة) — الناس ممكن متجاوبش بصراحة أو تفهم الأسئلة بشكل مختلف.

التجارب هي المعيار الدهبي عشان تثبت causation (السببية). الباحث بيغيّر بإيده variable (متغير) واحد (الـ treatment أو المعالجة) ويقيس تأثيره على variable تاني، وهو مثبّت كل حاجة تانية. والـ randomized controlled trials (التجارب المعشاة المضبوطة) في الطب هي المثال الكلاسيكي.

الدراسات الـ observational بتجمع البيانات من غير ما تتدخّل. الباحث بيتفرّج ويسجّل اللي بيحصل طبيعي. ممكن تكشف ارتباطات وعلاقات بس مش هتقدر تثبت causation — ودي من أهم المبادئ في الإحصاء.

الـ correlation قصاد الـ causation

r_{xy} = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i - \bar{x})^2 \cdot \sum_{i=1}^{n}(y_i - \bar{y})^2}}

الـ correlation (الارتباط) بيقيس العلاقة الخطية بين variable والتاني — بس الـ correlation مش معناه causation

إزاي تختار الطريقة المناسبة

نوع البيانات اللي معاك بيحدد على طول الطرق الإحصائية المناسبة. للبيانات الـ nominal، استخدم جداول التكرار والـ bar charts (المخططات الشريطية) واختبارات الـ chi-squared (كاي تربيع). للبيانات الـ ordinal، استخدم الـ median والـ percentiles والاختبارات الـ non-parametric (اللامعلمية) زي اختبار Mann-Whitney. وللبيانات الـ interval والـ ratio، الترسانة كلها تحت إيدك: الـ mean والـ standard deviation واختبارات t والـ ANOVA (تحليل التباين) والـ regression (الانحدار) والـ correlation.

لما نوع البيانات ميناسبش الطريقة بتطلع نتايج مالهاش معنى. إنك تحسب متوسط الأكواد البريدية، أو تعمل اختبار t على تقييمات الرضا، أو تعامل الأعداد الـ discrete كأنها قياسات continuous — دي كلها غلطات جاية من إنك مش فاهم نوع بياناتك. صنّف بياناتك الأول، وبعدين اختار أدواتك.

في الدرس الجاي، هنشوف إزاي نرسم البيانات بشكل فعّال — نختار الـ charts والرسومات المناسبة لكل نوع بيانات، ونتعلّم نلقط الأنماط والـ outliers (القيم الشاذة) والـ distributions من أول نظرة.

أهم النقط

البيانات بتتقسم لفئتين كبار: qualitative (فئوية) وquantitative (عددية) — وكل واحدة محتاجة طريقة تحليل مختلفة.
مقاييس القياس الأربعة — الـ nominal والـ ordinal والـ interval والـ ratio — بتعمل تسلسل هرمي، وكل ما تطلع فيه بتكسب قوة رياضية أكتر.
البيانات الـ discrete بتاخد قيم تتعد؛ والـ continuous ممكن تاخد أي قيمة جوه مدى — وده بيأثر على الـ distributions والاختبارات اللي تستخدمها.
طريقة جمع البيانات (استطلاع، تجربة، دراسة observational) بتحدد الاستنتاجات اللي تقدر تطلع بيها — التجارب بس هي اللي تقدر تثبت الـ causation.
حدّد نوع بياناتك دايمًا قبل ما تختار الطريقة الإحصائية — لو مش متناسبين، النتايج هتطلع غلط.