تحليل إحصائي

# مهارة التحليل الإحصائي

الإحصاء الوصفي وتحليل الاتجاهات والكشف عن القيم الشاذة واختبار الفرضيات والإرشادات حول متى يكون التحفظ بشأن الادعاءات الإحصائية ضروريًا.

## منهجية الإحصاء الوصفي

### مقاييس النزعة المركزية

اختر المقياس المناسب للمركز بناءً على البيانات:

| الحالة | استخدم | السبب | |---|---|---| | التوزيع متماثل، لا توجد قيم شاذة | المتوسط الحسابي | أكثر مقدّر فعالية | | التوزيع ملتوي | الوسيط | قوي ضد القيم الشاذة | | البيانات الفئوية أو الترتيبية | المنوال | الخيار الوحيد للبيانات غير الرقمية | | ملتوي جدًا مع قيم شاذة (مثل الإيرادات لكل مستخدم) | الوسيط + المتوسط الحسابي | أبلِغ عن كليهما؛ الفجوة تظهر الالتواء |

**أبلغ دائمًا عن المتوسط الحسابي والوسيط معًا للمقاييس الخاصة بالأعمال.** إذا اختلفا بشكل كبير، فالبيانات ملتوية والمتوسط الحسابي وحده مضلل.

### الانتشار والتباين

- **الانحراف المعياري**: مدى بعد القيم عادةً عن المتوسط الحسابي. استخدمه مع البيانات الموزعة توزيعًا طبيعيًا. - **المدى الربيعي (IQR)**: المسافة من الرُّبيع الأول إلى الرُّبيع الثالث. قوي ضد القيم الشاذة. استخدمه مع البيانات الملتوية. - **معامل الاختلاف (CV)**: الانحراف المعياري ÷ المتوسط الحسابي. استخدمه لمقارنة التباين عبر المقاييس بمقاييس مختلفة. - **المدى**: القيمة العليا ناقص القيمة الدنيا. حساس للقيم الشاذة لكنه يعطي إحساسًا سريعًا بامتداد البيانات.

### الربيعيات والنسب المئوية للسياق التجاري

أبلِغ عن الربيعيات والنسب المئوية الرئيسية لسرد قصة أغنى من المتوسط وحده:

``` p1: أقل 1% (الحد الأدنى / أقل قيمة نموذجية) p5: الطرف المنخفض للنطاق الطبيعي p25: الربيع الأول p50: الوسيط (المستخدم النموذجي) p75: الربيع الثالث p90: أفضل 10% / المستخدمون النشيطون p95: الطرف العالي للنطاق الطبيعي p99: أفضل 1% / المستخدمون المتطرفون ```

**مثال سردي**: "مدة الجلسة الوسيطة 4.2 دقيقة، لكن أفضل 10% من المستخدمين يقضون أكثر من 22 دقيقة لكل جلسة، مما يرفع المتوسط الحسابي إلى 7.8 دقائق."

### وصف التوزيعات

ميّز كل توزيع رقمي تحلّله:

- **الشكل**: طبيعي، ملتوٍ لليمين، ملتوٍ لليسار، ثنائي النمط، موحد، ذو ذيل ثقيل - **المركز**: المتوسط الحسابي والوسيط (والفجوة بينهما) - **الانتشار**: الانحراف المعياري أو المدى الربيعي - **القيم الشاذة**: كم عددها وكم درجة تطرفها - **الحدود**: هل هناك حد أدنى طبيعي (صفر) أو حد أقصى (100%)?

## تحليل الاتجاهات والتنبؤ

### التعرف على الاتجاهات

**المتوسطات المتحركة** لتنعيم الضوضاء: ```python # متوسط متحرك لـ 7 أيام (جيد للبيانات اليومية ذات الموسمية الأسبوعية) df['ma_7d'] = df['metric'].rolling(window=7, min_periods=1).mean()

# متوسط متحرك لـ 28 يومًا (ينعّم الأنماط الأسبوعية والشهرية) df['ma_28d'] = df['metric'].rolling(window=28, min_periods=1).mean() ```

**مقارنة فترة مقابل فترة**: - أسبوع مقابل أسبوع (WoW): قارن مع نفس اليوم من الأسبوع الماضي - شهر مقابل شهر (MoM): قارن مع نفس الشهر من السنة السابقة - سنة مقابل سنة (YoY): المعيار الذهبي للأنشطة التجارية الموسمية - نفس اليوم من السنة الماضية: قارن يوم التقويم المحدد

**معدلات النمو**: ``` النمو البسيط: (الحالي - السابق) / السابق معدل النمو السنوي المركب (CAGR): (النهاية / البداية) ^ (1 / السنوات) - 1 النمو اللوغاريتمي: ln(الحالي / السابق) -- أفضل للسلاسل المتقلبة ```

### كشف الموسمية

تحقق من الأنماط الدورية: 1. ارسم السلسلة الزمنية الخام -- الفحص البصري أولاً 2. احسب متوسطات اليوم من الأسبوع: هل هناك نمط أسبوعي واضح؟ 3. احسب متوسطات الشهر من السنة: هل هناك دورة سنوية؟ 4. عند مقارنة الفترات، استخدم دائمًا مقارنات سنة مقابل سنة أو مقارنات الفترات المماثلة لتجنب خلط الاتجاه مع الموسمية

### التنبؤ (الطرق البسيطة)

لمحللي الأعمال (وليس علماء البيانات)، استخدم الطرق المباشرة:

- **التنبؤ الساذج**: الغد = اليوم. استخدمه كمعيار أساسي. - **الساذج الموسمي**: الغد = نفس اليوم من الأسبوع/السنة الماضية. - **الاتجاه الخطي**: أنسِب خطًا للبيانات التاريخية. فقط للاتجاهات الخطية الواضحة. - **تنبؤ المتوسط المتحرك**: استخدم المتوسط المتحرك الزائل كالتنبؤ.

**دائمًا وصّل عدم اليقين.** قدّم نطاقًا وليس تقديرًا نقطيًا: - "نتوقع 10000-12000 تسجيل جديد الشهر القادم بناءً على اتجاه الثلاثة أشهر" - وليس "سنحصل على بالضبط 11234 تسجيل جديد الشهر القادم"

**متى يتم التحويل إلى عالم بيانات**: الاتجاهات غير الخطية، الموسميات المتعددة، العوامل الخارجية (نفقات التسويق والعطلات)، أو عندما تكون دقة التنبؤ مهمة لتخصيص الموارد.

## كشف القيم الشاذة والشذوذ

### الطرق الإحصائية

**طريقة Z-score** (للبيانات الموزعة توزيعًا طبيعيًا): ```python z_scores = (df['value'] - df['value'].mean()) / df['value'].std() outliers = df[abs(z_scores) > 3] # أكثر من 3 انحرافات معيارية ```

**طريقة المدى الربيعي (IQR)** (قوية ضد التوزيعات غير الطبيعية): ```python Q1 = df['value'].quantile(0.25) Q3 = df['value'].quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR outliers = df[(df['value'] < lower_bound) | (df['value'] > upper_bound)] ```

**طريقة الربيعيات والنسب المئوية** (الأبسط): ```python outliers = df[(df['value'] < df['value'].quantile(0.01)) | (df['value'] > df['value'].quantile(0.99))] ```

### التعامل مع القيم الشاذة

لا تحذف القيم الشاذة تلقائيًا. بدلاً من ذلك:

1. **تحقق**: هل هذا خطأ في البيانات أم قيمة حقيقية متطرفة أم مجموعة سكانية مختلفة؟ 2. **أخطاء البيانات**: صحّح أو احذف (مثل الأعمار السالبة، الطوابع الزمنية في سنة 1970)