التفرقة الأساسية
في قلب علم الإحصاء فيه فكرة بسيطة بس قوية: نادرًا لما بندرس كل حاجة. بدل كده، بندرس جزء ونستخدمه عشان نعرف أكتر عن الكل. ودي التفرقة بين الـ population (المجتمع) والـ sample (العينة) — وهي الأساس اللي الـ statistical inference (الاستدلال الإحصائي) كله مبني عليه.
التفرقة دي مهمة لأن كل معادلة إحصائية، وكل confidence interval (فترة ثقة)، وكل hypothesis test (اختبار فرضية) مبني على العلاقة بين اللي نقدر نشوفه (الـ sample) واللي عايزين نعرفه (الـ population). لو غلطت هنا، كل استنتاج بعد كده هيبقى مشكوك فيه.
الـ population هو المجموعة كلها اللي عايز تدرسها. والـ sample هي الجزء اللي إنت فعلًا بتشوفه. الإحصاء بيستخدم الـ samples عشان يطلع باستنتاجات عن الـ populations — وده الهدف الأساسي للمجال كله.
الـ population (مش معروف) ← استدلال ← الـ sample (بنشوفها)يعني إيه population؟
الـ population هو المجموعة الكاملة من كل الأفراد أو الحاجات أو المشاهدات اللي تهمّك. لو عايز تعرف متوسط دخل كل الكبار في بلد، يبقى الـ population هو كل واحد كبير في البلد دي — مش بس اللي سهل توصلهم.
الـ populations ممكن تبقى محدودة (كل الـ 50,000 طالب في جامعة) أو مالهاش نهاية من ناحية الفكرة (كل الرميات الممكنة لزهرة طاولة، كل المرضى اللي ممكن ياخدوا علاج في المستقبل). المهم إن الـ population بيتحدد بسؤال البحث بتاعك. بيشمل كل حاجة بتنطبق عليها شروطك — من غير استثناء.
يعني إيه sample؟
الـ sample هي جزء من الـ population — المجموعة اللي إنت فعلًا بتجمع منها البيانات. بدل ما تقيس دخل كل واحد كبير في البلد، بتعمل استطلاع لكام ألف. بدل ما تفحص كل منتج على خط الإنتاج، بتفحص دفعة منهم. الـ sample هي الشباك اللي بتبص منه على الـ population.
جودة استنتاجاتك معتمدة بالكامل على الـ sample ممثّلة للـ population قد إيه. الـ sample المختارة كويس بتشتغل كنسخة صغيرة من المجموعة كلها، وبتمسك أهم خصايصها بنفس النسب. أما الـ sample المختارة وحش ممكن ترسملك صورة مضلِّلة خالص.
ليه بناخد samples
لو دراسة الـ population كله هتدّينا إجابات مثالية، ليه نكتفي بـ sample؟ فيه 3 أسباب عملية بتخلّي الـ sampling (أخذ العينات) مش بس مفيد، لأ ده ضروري.
التكلفة. إنك تعمل استطلاع لكل واحد في البلد، أو تفحص كل منتج في المخزن، أو تقيس كل خلية في مريض، هيكلّف فلوس كتير جدًا. الـ sampling بيخلّينا نوصل لإجابات نعتمد عليها بجزء صغير من التكلفة.
الوقت. التعداد القومي بياخد سنين عشان يتخطّط ويتنفّذ ويتحلّل. ولحد ما النتايج تتنشر، ممكن الـ population يكون اتغيّر كتير. الـ samples بتدّيك المعلومة في وقتها.
الاستحالة. فيه populations مالهاش نهاية أو مش هتقدر توصلها. مينفعش تختبر كل لمبة المصنع هينتجها. وفيه قياسات بتبوّظ الحاجة — لو عملت crash test لكل عربية مش هيفضل حاجة تتباع. في الحالات دي، الـ sampling هو الاختيار الوحيد.
الـ random sampling
المعيار الدهبي هو الـ simple random sampling (أخذ العينات العشوائية البسيطة)، واللي فيه كل فرد في الـ population ليه نفس الـ probability إنه يتختار. تخيّل إنك كتبت اسم كل واحد على ورقة صغيرة، وحطيتهم كلهم في وعا كبير، وسحبت وإنت مغمّض. كل واحد ليه نفس الفرصة إنه يطلع.
الـ random sampling قوي لأنه بيقلّل الـ bias (التحيز) المنهجي. في المتوسط، الـ random samples هتعكس خصايص الـ population — نسبه وتباينه وأنماطه. وده اللي بيخلّينا نقول كلام احتمالي عن الـ population بناءً على اللي شايفينه في الـ sample. من غير العشوائية، الأساس الرياضي للاستدلال بيقع.
طرق sampling تانية
الـ simple random sampling مش دايمًا عملي. فيه بدايل كتير بتوازن بين التكلفة والدقة وإمكانية التنفيذ.
الـ stratified sampling (أخذ العينات الطبقية) بيقسّم الـ population لمجموعات فرعية (strata أو طبقات) على أساس صفة مشتركة — السن أو المنطقة أو مستوى الدخل — وبعدين ياخد random samples من كل طبقة. وده بيضمن إن كل مجموعة فرعية متمثّلة، وغالبًا بيطلّع تقديرات أدق من الـ simple random sampling.
الـ cluster sampling (أخذ العينات العنقودية) بيقسّم الـ population لـ clusters أو عناقيد (غالبًا جغرافية)، ويختار شوية منهم عشوائيًا، ويدرس كل فرد جوه العناقيد اللي اتختارت. وده بيوفّر فلوس لما الـ populations تبقى منتشرة على مساحات واسعة.
الـ systematic sampling (أخذ العينات المنتظمة) بيختار كل فرد رقم k من ليستة (مثلًا، كل عاشر اسم في سجل). سهل تنفّذه بس ممكن يدخّل bias لو فيه نمط مستخبّي في الليستة.
| الطريقة | بتشتغل إزاي | أنسب لـ | المخاطر |
|---|---|---|---|
| عشوائية بسيطة | كل فرد ليه نفس الفرصة | الاستخدام العام، المعيار الدهبي | ممكن تبقى مكلّفة مع الـ populations الكبيرة |
| طبقية | sample من كل مجموعة فرعية | الـ populations المتنوعة اللي مجموعاتها معروفة | محتاجة تبقى عارف الطبقات |
| عنقودية | sample من عناقيد كاملة | الـ populations المنتشرة جغرافيًا | أقل دقة لو العناقيد مختلفة عن بعض |
| منتظمة | كل فرد رقم k | الليستات المرتّبة، والتنفيذ السريع | bias لو الليستة فيها أنماط بتتكرر |
الـ sampling bias
الـ sampling bias (تحيز أخذ العينات) بيحصل لما الـ sample بتاعتك تبقى مختلفة بشكل منهجي عن الـ population، وده بيخلّي استنتاجاتك مش موثوقة. ودي من أشهر وأخطر المطبّات في الإحصاء.
الـ convenience sample (عينة الملاءمة) — إنك تسأل بس الناس اللي سهل توصلهم — بتميل إنها تمثّل المجموعات السهلة أكتر من حجمها وتفوّت المجموعات التانية خالص. والـ voluntary response bias (تحيز الاستجابة الطوعية) بيحصل لما اللي يشاركوا يبقوا بس الناس اللي عندهم آراء قوية، زي الريفيوهات على النت. أما الـ survivorship bias (تحيز البقاء) فمعناه إنك بتشوف النجاحات بس، مش الفشل اللي وقع في السكة.
أشهر مثال على ده استطلاع مجلة Literary Digest سنة 1936 اللي توقّع إن ألف لاندون هيكسب فرانكلين روزفلت بفرق كبير. الـ sample بتاعتهم كانت 2.4 مليون واحد، متاخدة من دليل التليفونات وسجلات العربيات — مصادر كانت بتستبعد بشكل منهجي الناخبين اللي دخلهم قليل، واللي كانوا مع روزفلت بأغلبية ساحقة. ورغم حجمها الضخم، الـ sample المتحيزة طلّعت توقّع غلط بشكل مذهل.
الـ sample size
الـ sample بتاعتك المفروض تبقى قد إيه؟ الـ samples الأكبر بتدّي تقديرات أدق بـ margin of error (هامش خطأ) أصغر — بس بتكلّف أكتر. والعلاقة مش خطية: الـ margin of error بيصغر مع الجذر التربيعي للـ sample size (حجم العينة). لو كبّرت الـ sample أربع مرات، الـ margin of error بيقل للنص بس.
في أغراض عملية كتير، random sample متصممة كويس فيها حوالي 1,000 واحد تقدر تقدّر نسبة في الـ population بـ margin of error حوالي ±3 نقط مئوية — مهما كان الـ population 100,000 أو 100 مليون. جودة الـ sample أهم بكتير من النسبة اللي بتاخدها من الـ population.
الـ parameter قصاد الـ statistic
التفرقة دي في المصطلحات مهمة جدًا. الـ parameter (المعلمة) هو رقم بيوصف الـ population — الـ mean بتاع الـ population μ، والـ standard deviation (الانحراف المعياري) بتاع الـ population σ، ونسبة الـ population p. الـ parameters ثابتة بس غالبًا مش معروفة، لأننا نادرًا لما نقدر نوصل للـ population كله.
الـ statistic (الإحصائية) هو رقم بيتحسب من الـ sample — الـ mean بتاع الـ sample x̄، والـ standard deviation بتاع الـ sample s، ونسبة الـ sample p̂. الـ statistics معروفة (لأننا حسبناها) بس بتتغيّر من sample للتانية. والهدف كله من الـ inferential statistics إننا نستخدم الـ statistics عشان نقدّر الـ parameters — نستخدم اللي نقدر نقيسه عشان نعرف اللي مش قادرين.
الـ standard error
لو أخدت random samples كتير مختلفة من نفس الـ population، كل sample هتطلّع mean مختلف شوية. الـ standard error (الخطأ المعياري) بيقيس الـ means دي بتتغيّر قد إيه — يعني بيقيس بالأرقام الـ mean بتاع الـ sample دقيق قد إيه كتقدير للـ mean بتاع الـ population.
خد بالك من الجذر التربيعي اللي في المقام. لو ضاعفت الـ sample size، الدقة مش بتتضاعف — بتتحسّن بمعامل √2 ≈ 1.41 بس. ومبدأ العائد اللي بيقل ده بيفسّر ليه الـ samples الكبيرة أوي نادرًا لما تستاهل التكلفة الزيادة.
- الـ population هو المجموعة كلها اللي تهمّنا؛ والـ sample هي الجزء اللي فعلًا بنشوفه وندرسه.
- بناخد samples لأن دراسة الـ populations كلها غالبًا بتبقى مكلّفة جدًا، أو بطيئة جدًا، أو مستحيلة ببساطة.
- الـ random sampling بيضمن إن كل فرد ليه نفس الفرصة إنه يتختار، وهو أساس الاستدلال الإحصائي اللي من غير bias.
- الـ sampling bias — سواء من الملاءمة أو الاستجابة الطوعية أو تحيز البقاء — ممكن يخلّي حتى الـ samples الكبيرة مالهاش قيمة.
- الـ parameters (μ, σ) بتوصف الـ populations وغالبًا بتبقى مش معروفة؛ والـ statistics (x̄, s) بتوصف الـ samples وبنستخدمها عشان نقدّر الـ parameters.
- الـ standard error (σ/√n) بيقيس بالأرقام الـ means بتاعة الـ samples بتتغيّر قد إيه — الـ samples الأكبر بتدّي تقديرات أدق.