توزيع البيانات والاعتدالية
يصف توزيع المتغير كيفية انتشار قيمه عبر نطاق الاحتمالات، وتعتمد العديد من الأساليب الوصفية والاستدلالية على شكل هذا التوزيع. الاعتدالية — ما إذا كانت البيانات تتبع التوزيع الطبيعي المتماثل على شكل جرس — هي الافتراض التوزيعي الأكثر فحصًا في الأبحاث الصحية، لأنها تحكم الاختيار بين الملخصات والاختبارات البارامترية وغير البارامترية.
Definition
يصف التوزيع الإحصائي التكرار النسبي أو احتمالية القيم الممكنة للمتغير؛ تشير الاعتدالية إلى التوافق مع التوزيع الغاوسي (الطبيعي)، وهو شكل متماثل على شكل جرس يتم تقييمه رسوميًا وباستخدام اختبارات رسمية لتحديد ما إذا كانت الأساليب البارامترية مناسبة.
Scope
يغطي هذا المدخل شكل التوزيع (التماثل، الالتواء، التفرطح)، والتوزيع الطبيعي وأهميته، وكيفية تقييم الاعتدالية من خلال الفحص الرسومي والاختبارات الرسمية. إنه مرجع منهجي ولا يقدم إرشادات سريرية.
Core questions
- ما هو شكل توزيع المتغير، وهل هو متماثل أم منحرف؟
- هل افتراض الاعتدالية معقول لهذا المتغير؟
- ما هي الأدوات الرسومية والرسمية الأفضل لتقييم الاعتدالية، وكيف تتصرف مع العينات الصغيرة أو الكبيرة؟
Key concepts
- التوزيع الطبيعي (الغاوسي)
- الالتواء والتفرطح
- التقييم الرسومي (المدرج التكراري، مخطط Q-Q)
- اختبار شابيرو-ويلك
- اختبار كولموغوروف-سميرنوف
- الاختيار البارامتري مقابل غير البارامتري
- حساسية اختبارات الاعتدالية لحجم العينة
Key theories
- نظرية النهاية المركزية
- تنص نظرية النهاية المركزية على أنه بالنسبة لعينة كبيرة بما فيه الكفاية، فإن توزيع المعاينة للمتوسط يقترب من التوزيع الطبيعي بغض النظر عن شكل المتغير الأساسي. وهذا هو السبب في أن أساليب النظرية الطبيعية غالبًا ما تظل صالحة للمتوسطات حتى عندما لا تكون البيانات الخام طبيعية.
Mechanisms
يتم تقييم الاعتدالية بطريقتين متكاملتين. تُظهر الطرق الرسومية — المدرج التكراري ومخطط الكمي-الكمي (Q-Q) — الانحرافات مثل الالتواء، أو الذيول الثقيلة، أو الازدواجية مباشرة. تُرجع الاختبارات الرسمية، التي يُعد اختبار شابيرو-ويلك من بين الأكثر استخدامًا، احتمالية ملاحظة البيانات في ظل نموذج طبيعي. نظرًا لأن هذه الاختبارات تكتسب قوة مع حجم العينة، فإنها تميل إلى الإشارة إلى انحرافات تافهة في العينات الكبيرة وتفوت الانحرافات الهامة في العينات الصغيرة، لذلك يتم وزن الفحص الرسومي والعواقب العملية لعدم الاعتدالية جنبًا إلى جنب مع أي نتيجة اختبار. عندما تكون الكمية محل الاهتمام هي المتوسط، فإن نظرية النهاية المركزية غالبًا ما تبرر أساليب النظرية الطبيعية حتى للبيانات الخام غير الطبيعية.
Clinical relevance
يحدد ما إذا كان المؤشر الحيوي أو مدة الإقامة أو النتيجة تُعامل على أنها طبيعية كيفية تلخيصها وتحليلها في الأدبيات السريرية، لذا فإن الحكم على الاعتدالية هو جزء من تقييم منهجيات الدراسة. يصف هذا المدخل تقييم الافتراضات التوزيعية وليس أساسًا لقرارات التشخيص أو العلاج الفردية.
Epidemiology
العديد من القياسات البيولوجية والسريرية منحرفة نحو اليمين (على سبيل المثال، مستويات الهرمونات، التكاليف، وأوقات الانتظار)، لذلك لا يمكن افتراض الاعتدالية ويتم فحصها بشكل روتيني. يحدد القرار ما إذا كانت النتائج تُبلغ بمتوسطات وانحرافات معيارية أو بمتوسطات ونطاقات، وما إذا كانت تُستخدم اختبارات بارامترية أو غير بارامترية.
History
تطور التوزيع الطبيعي في القرنين الثامن عشر والتاسع عشر في أعمال دي موافر، لابلاس، وغوس، وأصبح محوريًا في الإحصاء من خلال نظرية الأخطاء ونظرية النهاية المركزية. تبعت الأدوات الرسمية للتحقق من الافتراض في القرن العشرين، حيث أصبح اختبار شابيرو وويلك لعام 1965 لتحليل التباين للاعتدالية إجراءً قياسيًا في العمل التطبيقي.
Debates
- هل يجب الحكم على الاعتدالية بالاختبارات الرسمية أم بالفحص الرسومي؟
- تكون اختبارات الاعتدالية الرسمية حساسة لحجم العينة — حيث ترفض الانحرافات التافهة في العينات الكبيرة وتفشل في اكتشاف الانحرافات الهامة في العينات الصغيرة — لذلك يوصي العديد من المنهجيين بأن يوجه التقييم الرسومي والمتانة العملية للتحليل المخطط القرار بدلاً من قيمة p للاختبار وحدها.
Key figures
- Samuel S. Shapiro
- Martin B. Wilk
- Carl Friedrich Gauss
Related topics
Seminal works
- shapiro-wilk-1965
- kwak-2017
- ghasemi-2012
Frequently asked questions
- لماذا تهم الاعتدالية؟
- تفترض العديد من الملخصات الشائعة (المتوسط، الانحراف المعياري) والاختبارات (اختبار t، ANOVA) بيانات طبيعية تقريبًا؛ عندما يفشل هذا الافتراض، يمكن أن تكون هذه المقاييس مضللة وقد تكون البدائل غير البارامترية أو المحولة أكثر ملاءمة.
- هل نتيجة اختبار شابيرو-ويلك الهامة سبب كافٍ للتخلي عن طريقة بارامترية؟
- ليس بحد ذاته. يصبح الاختبار حساسًا جدًا في العينات الكبيرة وضعيف القوة في العينات الصغيرة، لذلك يجب مراعاة حجم الانحراف، والشكل الذي يظهر على مخطط Q-Q، ومتانة التحليل المخطط.