أنواع الرسوم البيانية الإحصائية وكيفية استخدامها

تعد الرسوم البيانية لغة بصرية تختصر صفحات من الأرقام في صورة واحدة يمكن للعقل أن يلتقط معناها بسرعة، وفي البحث العلمي والتحليل الإحصائي تحديدًا تشكل أنواع الرسوم البيانية الإحصائية الفارق بين استنتاج صحيح واستنتاج مضلل؛ وذلك من خلال ضبط محاوره وعناوينه ووحداته، ثم قراءته وتحليله بعين ناقدة، وفي هذا المقال نقدم دليل عملي مفصل عن أنواع الرسوم البيانية ، ومتى نستخدم كل نوع، وما هي مكونات الرسم الجيد، وكيف يقرر الباحث الأنسب لبياناته.

 

يعرف الرسم البياني Chart/ Graph بأنه تمثيل مرئي للبيانات على هيئة أشكال( أعمدة، خطوط، نقاط، مساحات)؛ بحيث يوضح العلاقات أو الأنماط أو الفروق بين القيم بطريقة أسهل من الجداول النصية، ويعرف Tableau الرسم أو المخطط بأنه تمثيل للبيانات في شمل رسم أو مخطط أو خريطة أو جدول، هدفه دعم الفهم وإبراز التحليل بصريًا.

 

 

لأننا نعيش اليوم في عصر فيض البيانات Data Deluge وكثرة أنواع الرسوم البيانية الإحصائية، أصبح الرسم البياني جزءًا من مهارات القراءة والكتابة الحديثة؛ فمن غير المبالغة القول إن كثيرًا من قراراتنا اليومية تبني على رسوم نراها في الأخبار، أو في تقارير الشركات، أو حتى في منصات التواصل: منحني يوضح زيادة أسعار، أو عمود يقارن أداء مدارس، أو خريطة حرارية تبين انتشار ظاهرة ، وتتمثل أهم فوائد الرسوم البيانية الإحصائية للباحثين والطلاب والمحللين في ما يلي :

♦ تلخيص كمية كبيرة من البيانات

بدلًا من مئات القيم، يمكن رؤية الاتجاه العام أو التوزيع في ثانية.

 

♦ كشف الأنماط Patterns

 مثل: الاتجاهات عبر الزمن، التذبذبات الموسمية، العلاقات الخطية وغير الخطية.

 

♦ اكتشفا الشذوذ والأخطاء

مثل: القيم المتطرفة، أو بيانات مدخلة بشكل خاطئ، أو تغير مفاجئ غير منطقي.

 

♦ المقارنة بين مجموعات

ذكور وإناث، مناطق و محافظات، تجارب ومعالجات.

 

♦ تحسين التواصل العلمي

النتائج المرئية عادة أقوى في الإقناع والتفسير من الأرقام وحدها.

 

♦ دعم اتخاذ القرار

في المؤسسات، الرسوم تختصر الوقت وتقلل سوء الفهم.

 

اكتشف: أنواع الرسم البياني في الإحصاء وأسس تحليلها

 

بالرغم من اختلاف أنواع الرسوم البيانية الإحصائية يتكون الرسم البياني من :

♦ عنوان واضح

يجيب عن ما الذي أراه؟ ويفضل أن يذكر المتغيرات والسياق من حيث الزمن والمكان والعينة.

 

♦ المحور السيني X والمحور الصادي Y

مع تحديد نوع المقياس سواء خطي أو لوغاريتمي، ووحدة المقياس.

 

♦ تدرج Scale مناسب

مسافات متساوية، وحدود منطقية، وتجنب قص المحاور دون سبب؟

 

♦ وسيلة الترميزEncoding

طول الأعمدة، ارتفاع النقاط، لون الفئات، حجم الفقاعة.

 

♦ وسيلة إيضاح Legend عند الحاجة

خاصةً عند وجود أكثر من سلسلة أو مجموعة.

 

♦ التسميات Labels

أسماء الفئات، قيم النقاط المهمة، أو تسميات مختصرة في المواضع الحساسة.

 

♦ مصدر البيانات والتعليقات

خصوصًا في التقارير العامة.

 

♦ ملاحظات وتعليقات Annotations

 لتفسير حدث مخم أو قيمة متطرفة.

 

في البحث العلمي تحديدًا، يتعامل الباحث عادةَ مع ثلاثة أسئلة متكررة:

1-ماذا يوجد في البيانات؟ وهو ما يخدمه تحليل التوزيعات، مثل: Box Plot, Histogram.

2-كيف تختلف المجموعات عن بعضها؟ وهو ما تخدمه أعمدة المقارنة والمخططات النقطية.

3-هل هناك علاقة أو نمط يتكرر؟ وهو ما تخدمه مخططات التشتت والخطوط والخريطة الحرارية.

وفي الإحصاء التطبيقي ومع كثرة أنواع الرسوم البيانية الإحصائية تتكرر مجموعة أساسية يعتمد عليها أغلب الباحثين، يمكن تصنيف الأنواع حسب الهدف التحليلي إلى:

♦ رسوم المقارنة Comparison

التي تهدف إلى مقارنة قيم بين فئات أو مجموعات.

1-مخطط الأعمدة/ الشرائط Chart Bar؛ حيث يستخدم عندما تريد مقارنة قيم متغير كمي بين فئات نوعية ( أقسام، سنوات، منفصلة، مناطق)، ويتميز بأنه واضح وسهل قراءته، ولكن من أخطاءه: ازدحام الفئات، والترتيب غير المنطقي.

2-المخطط النمطي للمقارنة Dot Plot؛ حيث يستخدم عندما يكون لديك فئات كثيرة وتريد مقارنة أنظف من الأعمدة، ويتميز بأنه يقلل ضوضاء الحبر، ويزيد دقة المقارنة.

3-المخطط المركب Clustered Bar/ Grouped: والذي يستخدم عن مقارنة فئات مع مجموعة فرعية، مثل المناطق حسب نوع الجنس.

 

♦ رسوم الاتجاه عبر الزمن Trends Time

التي تهدف إلى قياس تغير متغير مع الزمن.

1-المخطط الخطي Line Chart: والذي يستخدم عند وجود بيانات زمنية (ساعات/ أيام/ شهور/سنوات) وتريد اتجاهًا.

2-المخطط المساحي Area Chart، وهو مناسب لإظهار الحجم/ التراكم عبر الزمن.

 

♦ رسوم التوزيع Distribution

التي تهدف لفهم كيف تتوزع قيم متغير كمي، هل هي طبيعية؟، منحرفة؟، متعددة القمم؟.

1-المدرج التكراري Histogram: الذي يستخدم عندما تريد توزيع متغير كمي، مثل: العمر، و الدخل، و الدرجات.

2-مخطط الكثافةDensity KDE: وهو نسخة أكثر نعومة من المدرج التكراري، ولكنها مفيدة عند عينات كبيرة.

3-مخطط الصندوق والشارب Box Plot: ويستخدم عند تلخيص التوزيع بسرعة ( وسيط، ربيعات، مدى) ومقارنة مجموعات.

 

♦ رسوم العلاقة بين متغيرين أو أكثرRelationship

حيث تهدف لمعرفة هل هناك ارتباط، أو اتجاه، أو تجمعات، أو علاقات خطية / أو غير خطية.

1-مخطط التشتت Scatter Plot: الذي يستخدم عند وجود متغيران كميان X,Y ونريد رؤية العلاقة، ويتميز بكشف التجمعات Clusters والقيم الشاذة.

2-مخطط الفقاعة Bubble Chart، مثل التشتت، ولكن يضيف بعدًا ثالثًا بالحجم.

3-خريطة حرارية Heatmap، والتي تستخدم عمد عرض مصفوفة قيم، مثل: معاملات الارتباط، أو شبكة زمن* فئة.

 

 

♦ رسوم التركيب/ النسبComposition

 التي تهدف إلى معرفة كيف يتكون الكل من الأجزاء.

1-المخطط الدائري Pie Chart: والذي يستخدم عندما يكون عدد الأجزاء قليل جدًا . 

2-المخطط الشريطي المتكدس Stacked Bar: وهو جيد لتوضيح التركيب عبر فئات.

3-مخطط باريتو Pareto Chart: وهو عبارة عن أعمدة مرتبة تنازليًا خط تراكمي، وهو مفيد في قاعدة 20/80 وتحديد الأولويات.

 

دلليك لـ: أساسيات التحليل الإحصائي| 3 أساسيات مهمة

 

إن اختيار الرسم ليس ذوقًا فقط، بل قرار منهجي يعتمد على نوع البيانات ورسالة التحليل والجمهور خاصةً مع اختلاف أنواع الرسوم البيانية الإحصائية، ويتحدد نوع الرسم وفقًا لما يلي:

♦ حدد نوع المتغيرات

سواء كانت نوعية أو كمية أو زمنية أو جغرافية، فإذا كن نوهي / تصنيفي Categorical، وإذا كمي / رقمي Numerical، زمني Temporal،جغرافي Geospatial مواقع وخرائط.

 

♦ حدد رسالة الرسم Message

سواء مقارنة (أعمدة) أو اتجاه عبر الزمن (خطي) أو توزيع Histogram أو علاقة بين متغيرينScatter أو تركيب أجزاء من الكل Stacked.

 

♦ اسأل هل تحتاج الدقة أم لمحة عامة؟

فالدقة غالبًا أفضل مع الموقع والطول( أعمدة، نقاط)، اما المساحة والزوايا Pie/ Bubble أقل دقة إدراكيًا.

 

♦ حجم البيانات وعدد الفئات

الفئات كثيرة يبقي Plot Dot أو Bar أفقي مرتب، أما البيانات الكثيرة Scatter نستخدم شفافية، تجميع أو Heatmap/KDE ثنائي الأبعاد.

 

♦ طبيعة الجمهور ووسيلة العرض

تقرير علمي حيث يلزم الدقة والوضوح، عرض تقديمي سريع يلزم تبسيط أكبر وتعليقات توضيحية.

 

المقصود بـ إتمام الرسم البياني هو تنفيذ جميع الخطوات التي تجعل الرسم صحيحًا ، واضحًا، وقابلًا للاستخدام، وذلك بعد أن تطرقنا إلى أنواع الرسوم البيانية الإحصائية ، ويمكن أن نوضح الخطوات كما يلي:

1-تنظيف البيانات قبل الرسم: من خلال معالجة القيم المفقودة، و التحقق من الوحدات، و اكتشاف القيم المتطرفة.

2-اختيار لرسم المناسب حسب الهدف.

3-تحديد المحاور والمقاييس.

4-كتابة عنوان ومحاور واضحة: العنوان (ماذا أين/متى (إن أمكن)، بينما المحور (اسم التغير الوحدة)

5-إضافة وسيلة إيضاح وتسميات مختصرة عند الحاجة.

6-اختيار ألوان مناسبة وسهلة الوصول.

7-مراجعة أخطاء شائعة قبل النشر، مثل: ازدحام بال ترتيب، استخدام Pie مع أجزاء كبيرة، 3D يزيد التشوه البصري، محاور بلا وحدة أو عنوان.

 

يمكنك الحصول على: التحليل الإحصائي PDF| جاهز للتحميل الآن

 

إن تحليل الرسوم البيانية يعني تحويل ما نراه إلى استنتاجات قابلة للدفاع علميًا، ومن أهم أساسياته:

1-تحديد المتغيرات والسياق: ما الذي يمثله كل محور أو لون أو رمز؟ ما وحدة القياس؟ ما الفترة الزمنية؟

2-المقارنة الصحيحة: قارن بين عناصر لها نفس خط الأساس والمقياس.

3-التمييز بين الارتباط والسببية: ظهور علاقة في Scatter لا يعني أن X يسبب Y.

4-الانتباه للتحيز البصري.

5-اكتشاف القيم الشاذة والتعامل معها: هل هي خطأ، أم فئة خاصة، أم ظاهرة مهمة؟

6-التحقق من الاتساق: هل يتوافق الرسم مع الجداول، أو الإحصاءات الوصفية.

 

 يعد أن عرفنا أنواع الرسوم البيانية الإحصائية يمكننا قراءة الرسوم البيانية من خلال خمس خطوات هي:

1-اقرأ العنوان أولًا: ما المتغير/ السؤال؟

2-افهم المحاور والوحدات: ما نطاق القيم؟ هل المقياس خطي أم لوغاريتمي؟

3-افهم الترميز: ماذا يعني اللون؟ ماذا يعني حجم النقطة؟ ماذا يعني نمط الخط؟

4-استخرج 2-3 ملاحظات رئيسية:

►أعلي / أقل قيمة.

►اتجاه عام ( صعود أم هبوط)

►فجوات/ قفزات.

5-اسأل: ما الذي يقوله الرسم؟

►حجم العينة؟

►هامش الخطأ؟

►هل هناك متغير ثالث قد يفسر العلاقة.

 

هذا السؤال يكثر في الرياضيات والإحصاء مع الرسوم التي تمثل علاقة وظيفية بين X,Y، والفكرة هنا أننا نحاول استنتاج قانون يصف شكل المنحني، وذلك فيما يلي :

♦ هل الرسم يمثل دالة فعلاً؟

نستخدم اختبار الخط الرأسي Line Vertical Test إذا كان أي خط رأسي يقطع الرسم في أكثر من نقطة؛ فالعلاقة ليست دالة ؛ لأن قيمة X الواحدة تعطي أكثر من Y.

 

♦ إذا كان الرسم خطًا مستقيمًا (دالة خطية)

شكل الدالة Y =mx b، نختار نقطتين واضحة على الخط x₁,y₁))، ثم نحسب الميل M = y₂-y₁/x₂-x₁، ثم نحسب الثابت b بإعادة التعويض في المعادلة b= y₁-mx₁ .

 

♦ غالبًا يكون الشكل

 Y= ax₂ bx c ستحتاج 3 نقاط على الأقل لحل المعاملات، مفيد أيضًا تحديد رأس القطع Vertex ومحور التماثل.

1-إذا كان الرسم أسيًا أو لوغاريتميًا.

2-إذا كان الهدف تقريب الدالة من بيانات، نستخدم انحدار خطي / متعدد، أو نماذج غير خطية، أو تقنيات أكثر مرونة، مثل: Splines.

 

احصل على: دورة التحليل الإحصائي| من سندك

 

تُعد الرسوم البيانية أداة أساسية في البحث العلمي؛ لعرض البيانات بشكل بصري يسهل فهمه وتحليله، وتساعد الرسوم على توضيح العلاقات بين المتغيرات وإبراز الأنماط والاتجاهات المهمة، وكما تُسهم في تبسيط النتائج وتقديمها للقارئ بطريقة منظمة وواضحة.

♦ ما الفرق بين Chart , Graph؟

يكون استخدامهما كثيرًا بمعني واحد، ولكن في السياق التعليمي قد يقال إن Graph يركز على العلاقات على محاور إحداثية، بينما Chart أوسع؛ حيث يشمل ( جداول وخرائط).

 

♦ هل المخطط الدائري Pie خاطئ دائمًا؟

ليس دائماً، لكنه يصبح خيارًا ضعيفًا عندما تزداد الأجزاء، أو كون الفروق صغيرة.

 

♦ ما أفضل رسم لعرض توزيع البيانات؟

ابدأ بـ Histogram، ثم استخدم Plot Box؛ للمقارنة بي ن مجموعات، ويمكن إضافة Density/KDE عند عينات كبيرة.

 

♦ كيف أتعامل مع القيم المتطرفة؟

حدد هل هي خطأ إدخال أم ظاهرة حقيقية، قم استخدم Plot Box أو Scatter لاكتشافها.

 

♦ هل من المقبول قص محور Y؟

نعم في بعض الرسوم (خاصة الخطية) إذا كان الهدف إبراز تغير صغير، لكن يجب التصريح بوضوح، وتجنب ذلك في أعمدة المقارنة ؛ لأنه قد يبالغ في الفروق.

 

♦ ما سبب اختلاف شكل Histogram عند تغيير عدد الـ Bins؟

لأن كل Bin يمثل تجميعًا، زيادة الـ Bins قد نظهر تفاصيل أكثر، وقد تظهر ضوضاء أيضًا، ولا يوجد رقم واحد صحيح.

 

♦ كيف أختار ألوان مناسبة لضعف تمييز الألوان؟

استخدم لوحات ألوان، Colorblind-friendlyوتجنب الأحمر/ الأخضر وحدهما كتمييز وحيد، وأضف رموز /أنماط.

 

يعد أن تطرقنا إلى أنواع الرسوم البيانية الإحصائية؛ فعند اختيار نوع الرسم الصحيح، قد تحدث بعض الأخطاء، ومما يلي أبرز ما يقع فيه الباحثون:

1-تبدو الأخطاء السابقة تفاصيل شكلية، لكنها في الواقع تغير الاستنتاج الإحصائي نفسه، فمثلاً: مع تعدد أنواع الرسوم البيانية الإحصائية وازدحام الفئات لا يجعل الرسم فبيحًا فقط، بل يمنع المقارنة ويجعل القارئ عتمد على التخمين بدل القياس البصري، والحل غالبًا يكون بترتيب الفئات تنازليًا، أو دمج الفئات النادرة في فئة أخرى، أو استخدام مخطط نفطي يوفر مساحة أكبر للمقارنة.

2- إهمال هوامش الخطأ يجعل القارئ يظن أن فرقًا بسيطًا بين متوسطين هو فرق حقيقي، بينما قد تكون أشرطة الخطأ متداخلة بما يعني أن الفرق فير واضح أو غير دال إحصائيًا؛ لذلك عند عرض متوسطات مجموعات، من الأفضل إضافة فاصل ثقة أو توضيح حجن العينة (n)؛ لأن المتوسط بدون سياق قد يكون مضللًا.

3- محورانY في رسم واحد Dual- axis؛ فمشكلته أنه يسمح بتغيير القصة بصمت: يمكن جعل منحنيين يبدوان متطابقين أو متعاكستين فقط بتعديل نطاق كل محور، وإن اضطررت لاستخدامه، فلا بد من توضيح المحورين بألوان مختلفة، وذكر نطاق كل محور بوضوح، ويفضل التفكير في بدائل مثل فصل الرسم إلى شكلين صغيرين Small Multiples.

4-الألوان ليست مجرد تزيين ، لون قوي قد يواجه الانتباه لفئة واحدة ويضعف قراءة باقي الفئات، والأخطر هو استخدام تدرج لوني لا يعكس الترتيب الحقيقي للبيانات، أو لا يناسب ضعاف تمييز الألوان، فمن الضروري أن يخدم اللون المعني .

5-التركيز على المتوسط فقط من دون توزيع Distribution قد يخفي مشكلة متوسطين متساويين بتوزيعين مختلفين، فقط تكون مجموعة مستقرة وأخرى شديدة التشتت؛ لذلك من الأفضل دائمًا دعم المتوسط بتباين/ انحراف معياري، أو Box Plot أو Histogram عند الحاجة.

 

 

وللمزيد عن أنواع الرسوم البيانية الإحصائية من خلال PDF عبر الرابط التالي.

 

أن الرسوم البيانية هي أداة تفكير بقدر ما هي أداة عرض؛ فاختيار النوع المناسب، وإكماله بعناوين دقيقة ومحاور صحيحة، ثم قراءته وتحليله بعين نقدية، كل ذلك يرفع جودة البحث ويقلل فرص سوء الفهم أو الاستنتاجات المتسرعة، وللحصول على دعم أكاديمي بشكل احترافي في التحليل الاحصائي ومعرفة أنواع الرسوم البيانية الإحصائية تواصل مع شركة سندك للاستشارات الأكاديمية والترجمة؛ حيث تقدم للباحثين في جميع الدول العربية إرشادًا علميًا شاملًا في كل خطوة من خطوات التحليل الاحصائي والبياني، ويمكنك التواصل واتساب.