ماذا وكيف ولماذا [+ 5 Learning Resources]

اختبار الفرضيات هو طريقة يستخدمها العديد من المحللين في القطاعين الخاص والحكومي لعمل بيانات أو افتراضات محتملة حول البيانات السكانية.

إذا كنت تتعامل مع بيانات سكانية أو تدرسها ، فيجب أن تكون قد صادفت هذه الأداة الحيوية لاختبار الفرضيات.

يمكن استخدام العديد من الطرق لعمل افتراضات ، ولكن لا توفر جميعها دقة أعلى.

وإذا لم تكن متأكدًا من بياناتك ولكنك لا تزال ترغب في استخدامها ، فقد يكون ذلك محفوفًا بالمخاطر لمؤسستك.

يعد اختبار الفرضيات استراتيجية جيدة لتحقيق مستوى أعلى من الدقة. لقد كان مفيدًا في تحليل السكان.

في هذه المقالة ، سأناقش ماهية اختبار الفرضيات ، وكيف يعمل ، وفوائده ، وحالات استخدامه.

لذلك ، دون مزيد من اللغط ، لنبدأ!

ما هو اختبار الفرضيات؟

اختبار الفرضية هو طريقة استدلال إحصائي يستخدمها المحللون لاختبار ما إذا كانت البيانات السكانية المتاحة تدعم فرضية معينة بشكل كافٍ ووضع افتراضات منها.

من خلال هذه الطريقة ، يمكن للمحللين بسهولة تقييم الفرضية وتحديد مدى دقة الافتراض بناءً على البيانات المتوفرة.

بكلمات بسيطة ، إنها عملية اختبار تستند إلى الإحصائيات الاستدلالية التي تسمح لك بالتوصل إلى حكم حول بيانات السكان بناءً على بيانات العينة التي تم جمعها.

بشكل عام ، يكاد يكون من المستحيل على المحللين العثور على خصائص أو أي معلمة معينة للمجتمع بأكمله. ولكن من خلال اختبار الفرضيات ، يمكنك إجراء تنبؤ وقرار مستنير بناءً على بيانات العينة ودقتها.

أنواع اختبار الفرضيات

الأنواع المختلفة لاختبار الفرضيات هي:

• فرضية لاغية: تشير الإحصائيات إلى أن بيانات العينة مفاجئة ، ولا يوجد ارتباط بين المتغيرين في بيانات العينة المحددة.
• الفرضية البديلة: توضح الفرضية الأولية وتعارض الفرضية الصفرية. إنها القوة الدافعة الرئيسية في عملية الاختبار لأنها تظهر ارتباطًا بين متغيرين في بيانات العينة.
• الفرضية غير الاتجاهية: يعمل هذا النوع من اختبار الفرضيات كفرضية ثنائية الذيل. يصور أنه لا يوجد اتجاه بين متغيرين في بيانات العينة وأن القيمة الحقيقية ليست هي نفس القيمة المتوقعة.
• فرضية الاتجاه: الفرضية الاتجاهية تصور بعض العلاقة بين متغيرين. هنا ، يمكن لمتغير واحد في عينة البيانات أن يؤثر على المتغيرات الأخرى.
• الفرضية الإحصائية: تساعد المحللين على تقييم ما إذا كانت البيانات والقيمة تلبي فرضية معينة. إنه مفيد للغاية في الإدلاء ببيانات وافتراضات فيما يتعلق بنتيجة معلمة عينة من السكان.

بعد ذلك ، دعنا نناقش طرق اختبار الفرضيات.

طرق اختبار الفرضيات

من أجل تقييم ما إذا كانت فرضية معينة صحيحة أم لا ، كمحلل ، ستحتاج إلى الكثير من الأدلة المعقولة لاستنتاجها. في عملية الاختبار هذه ، يتم إعداد فرضية لاغية وبديلة قبل بدء التقييم.

لا يشتمل اختبار الفرضية على طريقة واحدة فحسب ، بل يتضمن العديد منها لتقييم ما إذا كانت بيانات العينة مواتية أم لا. كمحلل ، عليك أن تفكر في البيانات وحجم العينة واختيار طريقة اختبار الفرضية التي تناسبك.

اختبار الحالة الطبيعية

إنها طريقة اختبار فرضية قياسية لتحليل التوزيع المنتظم في بيانات العينة. أثناء عملية الاختبار ، يتم فحص ما إذا كانت نقاط البيانات المجمعة حول المتوسط ​​أسفل أو أعلى من المتوسط.

في هذا الاختبار الإحصائي ، من المرجح بنفس القدر أن تكون النقاط أعلى أو أقل من المتوسط. يتكون منحنى الجرس ، ويتم توزيعه بالتساوي على جانبي المتوسط.

اختبار Z- اختبار

إنه نوع آخر من اختبار الفرضيات يتم استخدامه عندما يتم توزيع بيانات السكان بشكل طبيعي. إنها تختبر أن متوسط ​​معلمتين منفصلتين للمحتوى مختلفان عندما يكون تباين البيانات معروفًا لك.

أثناء تحليل بيانات السكان ، من المحتمل جدًا أنك ستستخدم هذا النوع عندما يكون حجم عينة البيانات أكثر من ثلاثين. علاوة على ذلك ، فإن نظرية الحد المركزي هي سبب آخر يجعل اختبار Z مناسبًا ، حيث تنص النظرية عند زيادة أحجام العينة ، يتم توزيع العينات بشكل طبيعي.

اختبار T- اختبار

سيتم استخدام اختبار فرضية T-Test بواسطتك عندما يكون حجم العينة محدودًا ويتم توزيعه عادةً. بشكل عام ، عندما يكون حجم العينة أقل من 30 ، ويكون الانحراف المعياري للمعامل غير معروف لك ، يتم تطبيقه بشكل أساسي.

عند إجراء اختبار T ، فإنك تقوم بذلك لحساب فترات الثقة لبيانات سكانية معينة.

اختبار كاي سكوير

يعد اختبار chi-square عملية شائعة لاختبار الفرضيات تُستخدم غالبًا لتقييم ملاءمة توزيع البيانات وسلامته.

المصدر: wikipedia.org

ومع ذلك ، فإن السبب الرئيسي لاستخدام هذا النوع من الفرضية هو عندما تريد اختبار تباين المجتمع مقابل تباين المحتوى لقيمة مفترضة أو معروفة. يتم إجراء اختبارات Chi-Square المختلفة ، ولكن النوع الأكثر شيوعًا هو اختبار Chi-Square للتباين والاستقلالية.

اختبار ANOVA

تُختصر باسم تحليل التباين ، وهي طريقة اختبار إحصائي تساعد في مقارنة مجموعات البيانات المكونة من عينتين. ومع ذلك ، فإنه يسمح لك بمقارنة أكثر من وسيلتين في وقت واحد.

كما يشرح المتغير التابع والمتغير المستقل لبيانات العينة. استخدام ANOVA مشابه تمامًا لاستخدام Z-Test و T-Test ، لكن الأخيرين يقتصران على وسيلتين فقط.

كيف يعمل اختبار الفرضيات؟

يستخدم كل محلل يستخدم اختبار الفرضيات بيانات عينة عشوائية للتحليل والقياس. أثناء الاختبار ، يتم استخدام بيانات العينة العشوائية لاختبار الفرضية الصفرية والفرضية البديلة.

كما ناقشنا سابقًا ، فإن الفرضية الصفرية والفرضية البديلة متعارضان تمامًا ، وأثناء نتيجة الاختبار ، يمكن أن يكون أحدهما صحيحًا.

ومع ذلك ، هناك بعض الحالات التي يتم فيها رفض فرضية العدم ؛ الفرضية البديلة ليست صحيحة دائمًا.

المصدر: Analytics Steps

قيمة p: أثناء بدء عملية الاختبار ، يتم تضمين القيمة الاحتمالية أو القيمة الاحتمالية ، وتوضح ما إذا كانت النتيجة مهمة أم لا. ليس ذلك فحسب ، بل تُظهر القيمة p أيضًا احتمال حدوث خطأ في رفض أو عدم رفض فرضية فارغة أثناء الاختبار. تكون القيمة الاحتمالية الناتجة إما 0 أو 1 ، ثم تتم مقارنتها بمستوى الأهمية أو مستوى ألفا.

يحدد مستوى الأهمية هنا المخاطر المقبولة أثناء رفض فرضية العدم أثناء الاختبار. من المهم أن تتذكر أن نتيجة اختبار الفرضية يمكن أن تؤدي إلى نوعين من الأخطاء:

• يحدث الخطأ من النوع 1 عندما ترفض نتيجة الاختبار الفرضية الصفرية على الرغم من صحتها.
• يظهر الخطأ من النوع 2 عندما يتم قبول الفرضية الصفرية من خلال نتيجة العينة على الرغم من كونها خاطئة.

يتم تخزين جميع القيم التي تسبب رفض الفرضية الصفرية في المنطقة الحرجة. وهي القيمة الحرجة التي تفصل المناطق الحرجة عن المناطق الأخرى.

خطوات إجراء اختبار الفرضية

المصدر: متوسط

يتضمن اختبار الفرضية بشكل رئيسي أربع خطوات:

• تحديد الفرضيات: في الخطوة الأولى ، وظيفتك كمحلل هي تحديد الفرضيتين بحيث يمكن أن يكون أحدهما صحيحًا. ستشير الفرضية الصفرية إلى عدم وجود فرق في متوسط ​​مؤشر كتلة الجسم ، بينما ستشير الفرضية البديلة إلى وجود فرق كبير في متوسط ​​مؤشر كتلة الجسم.
• التخطيط: في الخطوة التالية ، ستحتاج إلى تصميم خطة تحليل حول كيفية تحليل بيانات العينة. من الضروري أن تقوم بأخذ عينات وجمع بيانات العينة للتأكد من أنها مصممة لاختبار فرضيتك.
• تحليل بيانات العينة: بعد تحديد كيفية تقييم البيانات ، حان الوقت لبدء العملية. سيتعين عليك تحليل بيانات العينة فعليًا حتى لا يكون هناك تكرار. أثناء تحليل البيانات ، يجب عليك التحقق من أن العينات مستقلة عن بعضها البعض وأن كلا حجم العينة كبير بما يكفي.
• حساب إحصائيات الاختبار: في هذه المرحلة ، سيكون عليك حساب إحصائيات الاختبار والعثور على قيمة p. سيتم تحديد القيمة p بافتراض أن الفرضية الصفرية صحيحة.
• تقييم النتيجة: في الخطوة الأخيرة ، ستحتاج إلى تقييم نتيجة اختبار الفرضية. هنا ، ستقرر ما إذا كنت سترفض فرضية العدم أو تعلن مدى معقوليةها بناءً على بيانات العينة.

الآن ، سوف نستكشف فوائد اختبار الفرضيات.

فوائد اختبار الفرضيات

فوائد اختبار الفرضيات هي:

• يساعدك على تحليل قوة مطالبتك بشأن قرار البيانات.
• كمحلل ، فإنه يسمح لك بإنشاء بيئة موثوقة لاتخاذ قرار بشأن عينة البيانات.
• يتيح لك تحديد ما إذا كانت بيانات العينة المتضمنة في اختبار الفرضية ذات دلالة إحصائية.
• إنه مفيد لتقييم موثوقية وصحة نتائج الاختبار في أي عملية اختبار منهجية.

يساعدك في استقراء البيانات من مرحلة العينة إلى عدد أكبر من السكان اعتمادًا على المتطلبات.

حالات استخدام اختبار الفرضيات

يستخدم اختبار الفرضيات في مختلف القطاعات لتخمين دقة بيانات العينة بشكل مناسب. بعض الأمثلة الواقعية لاختبار الفرضيات هي:

# 1. التجارب السريرية

يستخدم اختبار الفرضيات على نطاق واسع أثناء التجارب السريرية لأنه يساعد المهنيين الطبيين على تحديد ما إذا كان دواء أو علاج أو إجراء جديد سيكون فعالًا أم لا بناءً على بيانات العينة.

قد يعتقد الطبيب أن العلاج قد يخفف من مستويات البوتاسيوم لدى بعض المرضى. قد يقوم الطبيب بقياس مستوى البوتاسيوم لمجموعة من المرضى قبل إجراء العلاج وفحص المستوى مرة أخرى.

بعد ذلك ، يقوم الطبيب بإجراء اختبار الفرضية حيث H0: Uafter = Ubefore ، ويشير إلى أن مستوى البوتاسيوم هو نفسه كما كان من قبل بعد تطبيق العلاج. تشير فرضية أخرى إلى Ha: Uafter

لذلك إذا كانت قيمة p أقل من مستوى الأهمية ، فيمكن للطبيب أن يستنتج أن العلاج يمكن أن يخفض مستوى البوتاسيوم.

# 2. تصنيع

يستخدم اختبار الفرضية في مصانع التصنيع لمساعدة المشرفين على تحديد ما إذا كانت الطريقة أو التقنية الجديدة فعالة أم لا.

على سبيل المثال ، قد تستخدم بعض وحدات التصنيع اختبار الفرضية لمعرفة ما إذا كانت الطريقة الجديدة تساعدهم في تقليل عدد المنتجات المعيبة لكل دفعة. افترض أن عدد المنتجات المعيبة هو 300 لكل دفعة.

يجب على الشركة المصنعة تحديد متوسط ​​العدد الإجمالي للمنتجات المعيبة التي تم إنتاجها قبل وبعد استخدام الطريقة. يمكنهم إجراء اختبار الفرضيات واستخدام الفرضيات H0: Uafter = Ubefore ، حيث يكون متوسط ​​المنتجات المعيبة التي تم إنتاجها بعد تطبيق طريقة جديدة هو نفسه كما كان من قبل.

تظهر فرضية أخرى أن HA: Uafter لا تساوي Ubefore ، مما يعني أن العدد الإجمالي للمنتجات المعيبة التي تم إنتاجها بعد تطبيق الطريقة الجديدة ليس هو نفسه.

بعد الاختبار ، عندما تكون قيمة p أقل من مستوى الأهمية ، يمكن لوحدة التصنيع أن تستنتج أن عدد المنتجات المعيبة المنتجة قد تغير.

# 3. زراعة

غالبًا ما يستخدم اختبار الفرضيات لمعرفة ما إذا كانت الأسمدة أو مبيدات الآفات تسبب النمو والمناعة في النباتات. قد يستخدم علماء الأحياء الاختبار لإثبات أن نباتًا معينًا قد ينمو أكثر من 15 بوصة بعد تطبيق السماد الجديد.

قد يستخدم عالم الأحياء السماد لمدة شهر واحد لجمع عينة من البيانات. عندما يقوم عالم الأحياء بإجراء اختبار ، فإن إحدى الفرضيات هي H0 U = 15 بوصة ، مما يشير إلى أن السماد لا يسبب أي تحسين لمتوسط ​​نمو النبات.

تظهر فرضية أخرى HA: U> 15 بوصة ، مما يعني أن الأسمدة تؤدي إلى تعزيز متوسط ​​نمو النبات. بعد الاختبار عندما تكون القيمة الاحتمالية أقل من مستوى الأهمية ، يستطيع عالم الأحياء الآن إثبات أن الأسمدة تسبب نموًا أكثر من ذي قبل.

مصادر التعلم

# 1. الإحصائيات: مقدمة خطوة بخطوة من قبل Udemy

تقدم Udemy دورة تدريبية حول الإحصائيات حيث ستتعلم مقدمة خطوة بخطوة للإحصاءات ، تغطي اختبار الفرضيات. تحتوي هذه الدورة التدريبية على أمثلة ودروس من عالم بيانات سابق في Google لمساعدتك في إتقان فترات الثقة واختبارات الفرضيات والمزيد.

# 2. إحصائيات أساسية لتحليل البيانات بواسطة Udemy

ستساعدك دورة Udemy هذه حول الإحصائيات الأساسية لتحليل البيانات على تعلم الإحصائيات بمشاريع العالم الحقيقي والأنشطة الممتعة واختبارات الفرضيات وتوزيعات الاحتمالات وتحليل الانحدار والمزيد.

# 3. الإحصاء لعلوم البيانات وتحليل الأعمال

تقدم Udemy هذه الدورة التدريبية حول الإحصاء لعلوم البيانات وتحليل الأعمال والتي ستساعدك على تعلم اختبار الفرضيات. ويغطي موضوعات إحصائية مختلفة ، مما يمكّن علماء البيانات ومحللي الأعمال من تعلمها وإتقانها. ويغطي الإحصاء الاستنتاجي والوصفي إلى جانب تحليل الانحدار.

# 4. اختبار الفرضية بواسطة جيم فروست

هذا الكتاب متاح على موقع أمازون وهو دليل بديهي لمساعدة المحللين على اتخاذ قرارات تعتمد على البيانات.

ويغطي عمل اختبارات الفرضيات ، ولماذا تحتاج إليها ، وكيفية الاستخدام الفعال لفترات الثقة ، والقيم p ، ومستويات الأهمية ، والعديد من الموضوعات الأخرى.

# 5. اختبار الفرضية بواسطة سكوت هارتشورن

هذا الكتاب فريد من نوعه بأمثلة بصرية وهو الأفضل للمبتدئين الذين يبحثون عن دليل سريع لاختبار الفرضيات.

سيقدم لك أهمية الإحصائيات وأنواعها وعملها. لا يحتاج إلى أن يكون لديك معرفة سابقة متعمقة بالإحصاءات ولكنه يشرح كل شيء بشكل حدسي.

كلمة أخيرة

يساعد اختبار الفرضية في التحقق من الافتراض ثم تطوير البيانات الإحصائية بناءً على التقييم. يتم استخدامه في العديد من القطاعات ، من التصنيع والزراعة إلى التجارب السريرية وتكنولوجيا المعلومات. هذه الطريقة ليست دقيقة فقط ولكنها تساعدك أيضًا على اتخاذ قرارات تعتمد على البيانات لمؤسستك.

بعد ذلك ، تحقق من موارد التعلم لتصبح محلل أعمال.