القيمة الاحتمالية

 

القيمة الاحتمالية (P-value) والانحراف المعياري (Standard Deviation - SD)

يُعد هذا الإنفوجرافيك من الأدوات التعليمية المهمة لفهم أحد أكثر المفاهيم استخدامًا في الإحصاء الاستدلالي، وهو القيمة الاحتمالية (P-value)، كما يربطها بمفهوم الانحراف المعياري (SD)، وحجم التأثير (Effect Size)، وفترة الثقة (Confidence Interval) حتى يتمكن الباحث من تفسير النتائج بطريقة علمية صحيحة.

الفكرة الأساسية التي يؤكد عليها الإنفوجرافيك هي أن الباحث لا ينبغي أن يعتمد على قيمة P وحدها، بل يجب تفسيرها مع الانحراف المعياري، وحجم التأثير، وفترة الثقة، والسياق العلمي للدراسة.

أولاً: ما هي القيمة الاحتمالية (P-value)؟

القيمة الاحتمالية هي احتمال الحصول على النتائج التي توصل إليها الباحث (أو نتائج أكثر تطرفًا) إذا كان فرض العدم (H₀) صحيحًا.

بمعنى آخر، فإن قيمة P لا تخبرنا إن كانت الفرضية صحيحة أو خاطئة، وإنما تخبرنا:

ما مدى غرابة النتائج إذا لم يكن هناك تأثير حقيقي؟

كلما كانت قيمة P أصغر، زادت قوة الأدلة ضد فرض العدم.

مثال من الطب

يريد باحث معرفة ما إذا كان دواء جديد يخفض ضغط الدم.

فرض العدم:

لا يوجد فرق بين الدواء الجديد والدواء التقليدي.

بعد تحليل البيانات كانت

P = 0.002

التفسير

احتمال ظهور هذا الفرق بالصدفة هو 0.2% فقط إذا لم يكن الدواء فعالًا، ولذلك توجد أدلة قوية على فعالية الدواء.

مثال من التربية

تم تطبيق استراتيجية التعلم بالمشروعات على مجموعة من الطلاب.

بعد التحليل

P = 0.018

التفسير

يوجد دليل إحصائي على أن الاستراتيجية ساعدت في تحسين التحصيل الدراسي.

ثانياً: كيف نفكر في القيمة الاحتمالية؟

يوضح الإنفوجرافيك ثلاث خطوات لفهم P-value.

الخطوة الأولى: افترض عدم وجود تأثير (فرض العدم)

يبدأ الباحث دائمًا بفرضية تقول:

لا يوجد فرق.

أو

لا يوجد تأثير.

أو

لا توجد علاقة.

ثم يحاول اختبار هذا الافتراض.

مثال من الهندسة

يريد مصنع معرفة هل الآلة الجديدة تقلل نسبة العيوب؟

فرض العدم

الآلة الجديدة لا تقلل العيوب.

مثال من الاقتصاد

هل برنامج التوعية المالية يزيد الادخار؟

فرض العدم

لا توجد زيادة في الادخار.

الخطوة الثانية: تخيل تكرار الدراسة آلاف المرات

إذا لم يكن هناك تأثير حقيقي، فإن النتائج ستختلف قليلًا بسبب العشوائية.

هذه الاختلافات تكون عادة حول المتوسط.

كلما ابتعدت النتيجة عن المتوسط أصبحت أقل احتمالًا.

مثال من الزراعة

اختبار سماد جديد.

لو لم يكن للسماد تأثير حقيقي،

فسوف تختلف كمية الإنتاج قليلًا بين المزارعين بسبب:

الطقس.
التربة.
الري.

لكن إذا ظهرت زيادة كبيرة جدًا، فغالبًا ليست بسبب الصدفة.

مثال من علم النفس

برنامج علاجي للقلق.

إذا لم يكن البرنامج فعالًا،

فإن الاختلاف بين المرضى سيكون بسيطًا.

أما إذا انخفض القلق بدرجة كبيرة، فقد يكون البرنامج فعالًا.

الخطوة الثالثة: انظر إلى مكان النتيجة

كل نتيجة تقع داخل توزيع طبيعي.

إذا كانت النتيجة بعيدة جدًا عن المتوسط،

فإن قيمة P تصبح صغيرة.

مثال من علوم الحاسب

تم تطوير خوارزمية جديدة.

ارتفعت الدقة من

92%

إلى

98%

وكانت

P < 0.001

التفسير

من غير المحتمل أن تكون هذه الزيادة نتيجة الصدفة.

ثالثاً: تفسير القيمة الاحتمالية

قيمة Pالتفسير

أقل من 0.001

دليل قوي جدًا ضد فرض العدم

أقل من 0.01

دليل قوي

أقل من 0.05

توجد دلالة إحصائية

أكبر من 0.05

لا توجد أدلة كافية لرفض فرض العدم

مثال من إدارة الأعمال

أرادت شركة معرفة تأثير التدريب على الإنتاجية.

النتيجة

P = 0.004

التفسير

زاد الإنتاج بعد التدريب بصورة ذات دلالة إحصائية.

مثال من العلوم الاجتماعية

دراسة العلاقة بين المشاركة المجتمعية والسعادة.

P = 0.08

التفسير

لم تجد الدراسة أدلة كافية لإثبات وجود علاقة، وقد تحتاج إلى عينة أكبر أو تصميم مختلف.

رابعاً: الانحراف المعياري (Standard Deviation)

يعد الانحراف المعياري (SD) أحد أهم مقاييس التشتت، ويبين مدى ابتعاد البيانات عن المتوسط الحسابي.

انحراف معياري صغير يعني أن القيم متقاربة ومتجانسة.
انحراف معياري كبير يعني أن القيم متباعدة ومتشتتة.

مثال من التربية

الصف الأول

درجات الطلاب

78، 79، 80، 81، 82

المتوسط = 80

SD ≈ 1.6

يدل ذلك على أن معظم الطلاب متقاربون في الأداء.

الصف الثاني

الدرجات

50، 60، 80، 95، 115

المتوسط = 80

SD ≈ 25

رغم أن المتوسط نفسه، إلا أن أداء الطلاب متباين جدًا.

مثال من الطب

متوسط ضغط الدم

120 مم زئبق

إذا كان

SD = 4

فإن معظم المرضى قريبون من 120.

أما إذا كان

SD = 20

فإن ضغط المرضى يختلف بدرجة كبيرة، مما يشير إلى تباين واضح في الاستجابة.

قاعدة 68–95–99.7

في التوزيع الطبيعي:

حوالي 68% من القيم تقع ضمن ±1 SD من المتوسط.
حوالي 95% من القيم تقع ضمن ±2 SD.
حوالي 99.7% من القيم تقع ضمن ±3 SD.

مثال

إذا كان متوسط الطول = 170 سم والانحراف المعياري = 5 سم:

68% من الأشخاص يتراوح طولهم بين 165 و175 سم.
95% يتراوح طولهم بين 160 و180 سم.
99.7% يتراوح طولهم بين 155 و185 سم.

خامساً: لماذا لا تكفي قيمة P وحدها؟

يشدد الإنفوجرافيك على أن قيمة P لا تعني:

حجم التأثير.
أهمية النتيجة عمليًا.
أن فرض العدم صحيح أو خاطئ.

ولهذا يجب تفسيرها مع مؤشرات أخرى.

سادساً: حجم التأثير (Effect Size)

يقيس حجم التأثير مقدار الفرق أو قوة العلاقة، وليس مجرد وجودها.

قد تكون قيمة P صغيرة لأن حجم العينة كبير، بينما يكون الفرق الحقيقي ضئيلاً.

مثال من الطب

انخفض ضغط الدم بمقدار 1 مم زئبق.

P < 0.001

النتيجة دالة إحصائيًا، لكن التأثير السريري محدود.

مثال من التربية

ارتفع متوسط درجات الطلاب من 70 إلى 85.

P = 0.02

وحجم التأثير كبير، مما يدل على أن البرنامج التعليمي كان فعالًا عمليًا.

سابعاً: فترة الثقة (Confidence Interval)

تبين مدى دقة تقدير النتيجة.

كلما كانت فترة الثقة أضيق، كانت النتائج أكثر دقة.

مثال

متوسط الفرق = 6 درجات

95% CI = [4، 8]

هذا يعني أن الباحث يثق بنسبة 95% أن الفرق الحقيقي يقع بين 4 و8 درجات.

ثامناً: أمثلة تطبيقية من تخصصات مختلفة

الطب

السؤال: هل يقلل دواء جديد مستوى السكر في الدم؟

المتوسط قبل العلاج: 190 ملغم/دل.
المتوسط بعد العلاج: 150 ملغم/دل.
SD = 12.
P = 0.001.

التفسير: انخفض مستوى السكر بدرجة ذات دلالة إحصائية، وكان تشتت القراءات منخفضًا نسبيًا، مما يشير إلى استجابة متقاربة بين المرضى.

التمريض

السؤال: هل يحسن برنامج تدريبي التزام الممرضين بإجراءات السلامة؟

P = 0.018.
SD = 3.

التفسير: أدى البرنامج إلى تحسن واضح ومتجانس في الالتزام بين المشاركين.

الهندسة

السؤال: هل يقلل تعديل في خط الإنتاج نسبة العيوب؟

P < 0.001.
SD منخفض.

التفسير: انخفضت نسبة العيوب بشكل دال إحصائيًا، وكانت جودة الإنتاج مستقرة.

علوم الحاسب

السؤال: هل تحسن خوارزمية جديدة دقة التصنيف؟

Accuracy = 97%.
SD = 0.8%.
P = 0.004.

التفسير: حققت الخوارزمية أداءً مرتفعًا مع استقرار في النتائج بين التجارب المختلفة.

الزراعة

السؤال: هل يزيد السماد العضوي إنتاج القمح؟

متوسط الإنتاج: 4.8 طن/هكتار.
SD = 0.3 طن.
P = 0.012.

التفسير: زادت الإنتاجية بصورة ذات دلالة إحصائية، وكان التباين بين الحقول محدودًا.

العلوم البيئية

السؤال: هل يقلل برنامج التشجير من تركيز الجسيمات الدقيقة في الهواء؟

P = 0.021.
SD منخفض.

التفسير: انخفضت مستويات التلوث بشكل دال، وكانت القياسات متقاربة بين مواقع الرصد.

إدارة الأعمال

السؤال: هل يزيد التدريب إنتاجية الموظفين؟

P = 0.005.
SD = 2.

التفسير: تحسنت الإنتاجية بصورة دالة إحصائيًا مع تباين محدود بين الموظفين.

الخلاصة

عند تفسير النتائج الإحصائية، ينبغي للباحث ألا يكتفي بالنظر إلى القيمة الاحتمالية (P-value) فقط، بل يجب أن يدمج بين عدة مؤشرات تشمل الانحراف المعياري (SD) لفهم تشتت البيانات، وحجم التأثير (Effect Size) لتقدير أهمية الفرق أو العلاقة، وفترة الثقة (Confidence Interval) لتقييم دقة التقدير. كما ينبغي ربط النتائج بالسياق العلمي والتطبيقي للتخصص. إن هذا التكامل بين المؤشرات يوفر تفسيرًا أكثر دقة وموضوعية، ويساعد في الوصول إلى استنتاجات علمية موثوقة وقابلة للتطبيق في الطب، والتمريض، والتربية، والهندسة، والزراعة، والاقتصاد، وعلوم الحاسب، والعلوم البيئية، وغيرها من مجالات المعرفة.

تشير القيمة الاحتمالية الصغيرة (P-value) إلى وجود دليل أقوى ضد فرض العدم.
لا تُستخدم القيمة الاحتمالية لقياس حجم التأثير أو أهميته العملية.
يجب على الباحث الإبلاغ عن القيمة الاحتمالية إلى جانب حجم التأثير، وفترات الثقة، والأهمية العملية أو السريرية.
لا ينبغي تفسير الدلالة الإحصائية بمعزل عن جودة تصميم الدراسة، وحجم العينة، وجودة البيانات، والسياق العلمي للتخصص، لأن الاستنتاج العلمي السليم يعتمد على تكامل جميع هذه العناصر، وليس على قيمة P-value وحدها.

اعداد شرف الدين البهلول الشريف

تابعونا علي مجموعة https://www.facebook.com/groups/1269078868155163

المراجع

Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage.
American Statistical Association. (2016). ASA Statement on Statistical Significance and P-Values. The American Statistician, 70(2), 129–133.
Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019). Moving to a World Beyond "p < 0.05". The American Statistician, 73(sup1), 1–19.
Triola, M. F. (2022). Elementary Statistics (14th ed.). Pearson.