صيغة التوزيع الطبيعي في الإحصاء

صيغة التوزيع الطبيعي في الإحصاء

يُعدّ التوزيع الطبيعي، المعروف أيضاً بالتوزيع الغاوسي أو منحنى الجرس، أحد أهم المفاهيم الأساسية في الإحصاء. ويُعتبر وجوده أساساً للعديد من التحليلات الإحصائية والاحتمالية. ولا يقتصر استخدام هذا التوزيع على الجانب النظري فحسب، بل يمتدّ ليشمل تطبيقات عملية متنوعة، مثل إدارة المخاطر المالية، والعلوم الاجتماعية، والطب، وغيرها.

## تعريف التوزيع الطبيعي

التوزيع الطبيعي هو توزيع احتمالي متصل متناظر حول متوسطه. بعبارة أخرى، يُمثل هذا التوزيع بيانيًا منحنى الجرس الذي يتسع عند المتوسط ​​ويضيق عند الأطراف. يحتوي هذا التوزيع على مُعاملين رئيسيين: المتوسط ​​(μ) والانحراف المعياري (σ).

يُحدد المتوسط ​​موقع مركز التوزيع، بينما يقيس الانحراف المعياري مدى تشتت البيانات حول المتوسط. كلما زاد الانحراف المعياري، اتسع منحنى التوزيع وقصر طوله؛ وكلما قل الانحراف المعياري، ضاق المنحنى وازداد انحداره.

## دالة كثافة الاحتمال

تأخذ دالة كثافة الاحتمال (pdf) للتوزيع الطبيعي الشكل الرياضي التالي:

\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]

هنا:
- \( x \) هو متغير عشوائي.
- \( \mu \) هو متوسط ​​التوزيع.
- \( \sigma \) هو الانحراف المعياري للتوزيع.
- \( e \) هو أساس اللوغاريتم الطبيعي، وهو ما يقارب 2.71828.

تُنشئ الدالة المذكورة أعلاه منحنى جرس متناظرًا. ويُعطي تكامل هذه الدالة بين نقطتين احتمال أن يقع المتغير العشوائي بين هاتين القيمتين.

# التوزيع الطبيعي القياسي

التوزيع الطبيعي القياسي هو توزيع طبيعي بمتوسط ​​\( \mu = 0 \) وانحراف معياري \( \sigma = 1 \). دالة كثافة الاحتمال للتوزيع الطبيعي القياسي هي:

\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]

هنا:
- \( z \) هو متغير عشوائي يتبع التوزيع الطبيعي القياسي.

يُستخدم التوزيع الطبيعي القياسي غالبًا لأنه يسمح لنا بتوحيد التوزيعات الطبيعية الأخرى من خلال عملية تسمى "التوحيد القياسي". يتضمن التوحيد القياسي تحويل قيم (x) للتوزيع الطبيعي (N(μ, σ)) إلى قيم (z) للتوزيع الطبيعي القياسي (N(0, 1))، باستخدام الصيغة التالية:

\[ ض = \frac{x – \mu}{\sigma} \]

تسهل هذه العملية مقارنة القيم من التوزيعات الطبيعية المختلفة عن طريق ربطها بمقياس واحد.

# التطبيق والأهمية

### 1. نظرية النهاية المركزية

يُعدّ التوزيع الطبيعي ذا أهمية خاصة في سياق نظرية النهاية المركزية. تنص هذه النظرية على أن عددًا كافيًا من المتغيرات العشوائية المستقلة سيتبع توزيعًا طبيعيًا تقريبًا، بغض النظر عن شكل التوزيع الأصلي. وهذا يعني أنه يمكن استخدام التوزيع الطبيعي لتقريب توزيع متوسط ​​العينة، طالما كانت العينة كبيرة بما يكفي.

### 2. الاستدلال الإحصائي

يُتيح التوزيع الطبيعي تطبيق اختبارات الفرضيات، مثل اختبار z واختبار t. يستخدم كلا الاختبارين التوزيع الطبيعي القياسي لتحديد الدلالة الإحصائية للنتائج المرصودة. يُستخدم اختبار z عادةً عندما يكون حجم العينة كبيرًا أو يكون الانحراف المعياري للمجتمع معروفًا، بينما يُستخدم اختبار t عندما يكون حجم العينة صغيرًا أو يكون الانحراف المعياري للمجتمع غير معروف.

### 3. تحليل الانحدار

في تحليل الانحدار الخطي، يُعدّ افتراض أن بيانات الخطأ موزعة توزيعًا طبيعيًا أمرًا بالغ الأهمية. يسمح هذا الافتراض بحساب فترات الثقة واختبار دلالة معلمات نموذج الانحدار. وبالمثل، غالبًا ما يتم الكشف عن أخطاء البيانات أو القيم الشاذة من خلال فحص توزيع البواقي بحثًا عن انحرافات كبيرة عن التوزيع الطبيعي.

الثاني## 4. الطب وعلم الأحياء

في الطب، يُستخدم التوزيع الطبيعي لوصف توزيع الظواهر البيولوجية المختلفة. على سبيل المثال، غالبًا ما يتبع الطول وضغط الدم ونتائج بعض الفحوصات المخبرية التوزيع الطبيعي. وهذا يُسهّل تحديد القيم الحدية للتشخيصات الطبية.

### 5. المالية والاقتصاد

في مجال التمويل، يُستخدم التوزيع الطبيعي لنمذجة العديد من الظواهر، مثل عوائد الأسهم وأسعار الفائدة وغيرها. ورغم أن الأسهم في الواقع العملي غالباً ما تُظهر انحرافاً وتفرطحاً أكبر، إلا أن افتراض التوزيع الطبيعي لا يزال يُوفر أساساً تحليلياً متيناً.

# التنفيذ والحساب

## استخدام بايثون

توفر لغة بايثون، بمكتباتها مثل NumPy وSciPy، عدة طرق للتعامل مع التوزيع الطبيعي. إليك مثال على كيفية تعميم ورسم التوزيع الطبيعي باستخدام هذه المكتبات:

"الثعبان
استيراد numpy كـ np
استيراد matplotlib.pyplot كـ PLT
من scipy.stats استيراد القاعدة

معلمات التوزيع الطبيعي
mu = 0 المتوسط
سيجما = 1 # الانحراف المعياري

بيانات للتوزيع الطبيعي
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)

مخطط التوزيع الطبيعي
بلت.بلوت (س، ص)
plt.xlabel('x')
plt.ylabel('الكثافة')
plt.title('التوزيع الطبيعي N(0, 1)')
plt.show ()
"`

في المثال أعلاه، قمنا بإنشاء بيانات التوزيع الطبيعي بمتوسط ​​0 وانحراف معياري 1، ثم رسمنا دالة كثافة الاحتمال الخاصة بها.

## خاتمة

يلعب التوزيع الطبيعي دورًا محوريًا في الإحصاء والاحتمالات. فاستخدامه الواسع، بدءًا من نظرية النهاية المركزية وصولًا إلى تطبيقات عملية متنوعة كتحليل الانحدار واختبار الفرضيات، يجعله أحد أكثر التوزيعات الاحتمالية شيوعًا وأهمية. ويُعدّ فهم صيغة التوزيع الطبيعي وكيفية استخدامها بفعالية مهارة أساسية لكل من يعمل في علوم البيانات، أو البحث العلمي، أو الاقتصاد، أو غيرها من المجالات.

بفضل هذه المعرفة، يمكننا التعامل مع أنواع مختلفة من المشكلات التحليلية وحلها بشكل أكثر فعالية، مما يُمكّننا من اتخاذ قرارات أفضل بناءً على البيانات والاحتمالات المتاحة.