PyDA Course
📖 درس 2 مبتدئ ⏱ 18 دقيقة ⚡ +10 XP ColabKagglenbviewerBinderDeepnoteGitHub المتغيرات · مقاييس-القياس · اسمي · ترتيبي · السياق

المتغيرات ومقاييسها

فئوي أم رقمي، وعلى أي من مقاييس القياس الأربعة: التصنيف الذي يحدد أي المقاييس مسموح أصلًا.

🎯 ماذا ستتعلم:
  • تصنيف متغير على أنه فئوي أو رقمي
  • تسمية مقاييس القياس الأربعة ووضع متغير على أحدها
  • بيان أي مقاييس المركز والتشتت صالحة لكل مقياس
  • كشف رمز رقمي هو في الحقيقة فئة

ماذا يعني

المتغير (variable) خاصية يمكن أن تأخذ قيمًا مختلفة عبر الحالات. قبل أن تلخصه، تحتاج إلى معرفة نوعه، لأن النوع يحدد أي حساب له معنى.

الفصل الأول هو فئوي مقابل رقمي:

  • القيم الفئوية تسمّي مجموعة: اللون، والقسم، ونعم/لا، ونوع الجهاز. تستطيع عدّها وإيجاد الأكثر شيوعًا، لكن “متوسط اللون” عديم المعنى.
  • القيم الرقمية أعداد يكون الحساب عليها ذا معنى: الزمن، والسعر، والعدد، ودرجة الحرارة.

تنقسم المتغيرات الرقمية مرة أخرى حسب المقياس (scale)، الذي يسجل مقدار البنية التي تحملها الأعداد.

المقياسالبنيةأمثلةالملخصات الصالحة
اسمي (nominal)أسماء فقط، بلا ترتيباللون، المدينة، نعم/لاالمنوال، والتعدادات، والنسب
ترتيبي (ordinal)أسماء بترتيب ذي معنىصغير/متوسط/كبير، رضا من 1 إلى 5، مقياس الألمالوسيط، والمنوال، والمدى الربيعي
فتري (interval)مرتب، بفواصل متساوية، بلا صفر حقيقيدرجة الحرارة بالمئوية، السنة، درجة IQالمتوسط، والوسيط، والانحراف المعياري
نسبي (ratio)مرتب، بفواصل متساوية، بصفر حقيقيالزمن، والسعر، والوزن، والعددكل شيء، بما في ذلك النسب

القاعدة العملية: المقياس يحدد أي المقاييس مسموح. متوسط متغير اسمي خطأ. ونسبة قيمتين فتريتين (“اليوم أحر مرتين من الأمس”) هراء، لأن 0°مئوية ليس غيابًا لدرجة الحرارة.

لماذا يضيف شيئًا

تكاد كل قصة “الإحصاءات خاطئة” في الصحافة ترجع إلى متغير استُخدم على المقياس الخطأ. ومتوسط تقييمات النجوم مدافَع عنه فقط إذا قبلت معاملة مقياس ترتيبي كفتري. واقتباس “ارتفعت الحرارة 50%” عديم المعنى دون ذكر الوحدات. وترميز الأقسام بـ1 و2 و3 ثم حساب متوسط الرموز ينتج رقمًا لا يعني شيئًا على الإطلاق.

معرفة المقياس تخبرك أي سؤال يُسمح لك بطرحه أصلًا.

مثال محسوب

مجموعة بيانات تذاكر دعم:

العمودالقيمالنوعالمقياس
ticket_idT-1001, T-1002فئوياسمي
prioritylow, medium, highفئويترتيبي
response_minutes3, 45, 1200رقمينسبي
satisfaction1, 2, 3, 4, 5رقميترتيبي
agent_id12, 47, 3يشبه الرقمياسمي
opened_at2026-03-01تاريخفتري

قراءة الجدول.

  • ticket_id تسمية تصادف أنها تحتوي أرقامًا. وترتيبها لا يعني شيئًا.
  • لـpriority ترتيب، فالوسيط ذو معنى، لكن الفجوات بين المنخفض والمتوسط لا تساوي الفجوات بين المتوسط والمرتفع، فالمتوسط مجازفة.
  • لـresponse_minutes صفر حقيقي (استجابة فورية) ووحدات متساوية، فكل مقياس وكل نسبة صالحان. و”أبطأ مرتين” عبارة حقيقية.
  • satisfaction هو الفخ الكلاسيكي: الأعداد من 1 إلى 5 تسميات مرتبة لا قياسات. وكثير من الفرق يحسب متوسطها، وهو اصطلاح لا حقيقة — ويستحق أن يُفعل بوعي.
  • agent_id هو الفخ الأشد. إنه مخزّن كعدد، فتحسب البرمجية متوسطه بارتياح، والإجابة عديمة المعنى.
  • opened_at فتري: الفرق بين تاريخين ذو معنى، لكن “2026 ضعف 1013” ليس كذلك.
🧩 تحدٍّ، فكّر أولًا ثم أظهر

تسجل مجموعة بيانات مقاس القميص كـ1، 2، 3، 4. هل ذلك رقمي؟ ماذا تستطيع حساب، وماذا يجب ألا تحسب؟

💡 الجواب: إنه ترميز رقمي لمتغير فئوي ترتيبي. الوسيط والمنوال ذوا معنى؛ والمتوسط (2.3 مثلًا) لا تفسير له لأن خطوات المقاسات غير متساوية. وعدد الأشخاص في كل مقاس هو الملخص الأنفع.

كيف يغيّر المقياس التحليل

السؤال نفسه — “هل الرضا أعلى لدى الفريق أ؟” — له إجابات مختلفة حسب المقياس:

  • على متغير اسمي، تقارن النسب (“نسبة أكبر من عملاء أ اختارت ‘راضٍ جدًا’”)؛
  • على متغير ترتيبي، تقارن الوسيطات أو التوزيعات، أو تستخدم اختبار رتب؛
  • على متغير فتري أو نسبي، يكون فرق المتوسط واختبار t مناسبين.

اختيار المقياس الخطأ لا يغيّر الرقم فحسب؛ بل قد يقلب الاستنتاج. ولهذا يأتي درس المفردات قبل الحساب.

الشيء نفسه في بايثون

python
import pandas as pd

df = pd.DataFrame({
    'priority': pd.Categorical(['low', 'high', 'medium'], categories=['low', 'medium', 'high'], ordered=True),
    'response': [3, 45, 1200],
    'agent_id': [12, 47, 3],
})

print(df['priority'].cat.ordered)      # True — an ordered categorical
print(df['response'].mean())           # legal: ratio scale
print(df['agent_id'].mean())           # runs, but meaningless — nominal

ستحسب pandas متوسطًا لـagent_id دون تحذير. لا يحميك نظام الأنواع هنا؛ يحميك المقياس، وبشرط أن تفحصه.

متى تستخدمه

قبل أي ملخص في أي تحليل. وسم نوع كل عمود ومقياسه يستغرق دقيقة ويمنع معظم أخطاء ما تبقى من المقرر.

القيود

  • الحدود حكم تقديري أحيانًا. هل تقييم الرضا من 1 إلى 10 ترتيبي أم فتري؟ يصح اعتباره ترتيبيًا، ويُعامل عادةً كفتري. أعلن اختيارك.
  • قد يتغير المقياس مع السؤال. العمر بالسنوات نسبي؛ وفئة العمر ترتيبية.
  • البيانات الحقيقية تخلط الأنواع في عمود واحد غالبًا — عمود رقمي فيه "n/a" رقمي ومفقود معًا.
  • التصنيف لا يخبرك بجودة البيانات، بل بما هو حساب مشروع.

أخطاء شائعة

  • حساب متوسط الرموز. رموز البريد وأرقام الأقسام ومعرّفات الموظفين اسمية.
  • معاملة مقياس ترتيبي كفتري دون إعلان ذلك.
  • حساب النسب على بيانات فترية. “ضعف IQ” و”ضعف درجة الحرارة” بلا معنى.
  • تسمية متغير رقميًا لأنه مخزّن كرقم. افحص معنى القيم لا نوع تخزينها.

🧩 تحديات

🧩 تحدٍّ، فكّر أولًا ثم أظهر

صنّف كلًا من: (أ) عدد الأبناء، (ب) ترتيب الولادة (الأول، الثاني، الثالث)، (ج) الطول بالسنتيمتر، (د) فصيلة الدم، (هـ) تقدير الاختبار من A إلى F، (و) السنة الميلادية.

💡 الجواب: (أ) نسبي — صفر حقيقي وخطوات متساوية. (ب) ترتيبي — الترتيب يهم، والفجوة بين الأول والثاني لا تساوي الفجوة بين الثاني والثالث. (ج) نسبي. (د) اسمي. (هـ) ترتيبي. (و) فتري — الفروق ذات معنى، والنسب لا.

🤔 أسئلة سقراطية

  • لماذا يمكن أخذ وسيط متغير ترتيبي لا متوسطه؟
  • لماذا لا تكون 0°مئوية “لا حرارة” بينما 0 كغ “لا كتلة”؟
  • ماذا يختل إذا حسبت متوسط تقييم رضا من 1 إلى 5، وهل يستحق فعله رغم ذلك؟
  • هل يمكن أن يكون متغير فئويًا ورقميًا في الوقت نفسه؟

✅ فحص سريع

1. أي مقياس له ترتيب ذو معنى لكن فجوات غير متساوية؟

2. لماذا يكون متوسط درجة حرارة بالمئوية مشكلًا كعبارة نسبة ("أحر مرتين")؟

المتغيراتمقاييس-القياساسميترتيبيالسياق