PyDA Course
📖 درس 9 متوسط ⏱ 25 دقيقة ⚡ +10 XP ColabKagglenbviewerBinderDeepnoteGitHub الارتباط · بيرسون · سبيرمان · مخطط-الانتشار · السببية

الارتباط

معامل بيرسون r ومعامل سبيرمان rho: كيف يتحرك متغيران معًا، وكيف تحسبه يدويًا، والطرق الأربع التي يضللك بها.

🎯 ماذا ستتعلم:
  • قراءة اتجاه مخطط الانتشار ومدى إحكامه قبل أي حساب
  • حساب ارتباط بيرسون يدويًا بالصيغة المعيارية
  • تفسير r كعدد بين −1 و1، من حيث الإشارة والحجم
  • حساب ارتباط سبيرمان الرتبي وبيان متى يتفوق على بيرسون
  • شرح سبب وصف r² للتباين المفسَّر دون أن يفعل r ذلك

ماذا يعني

يكون متغيران مرتبطين (correlated) عندما يميلان إلى التحرك معًا. يضغط معامل الارتباط ذلك الميل في رقم واحد بين −1-1 و+1+1.

ارتباط بيرسون (Pearson correlation) يقيس مدى قرب النقاط من خط مستقيم:

r=1n−1∑i=1n(xi−xˉsx)(yi−yˉsy)r = \frac{1}{n-1}\sum_{i=1}^{n} \left(\frac{x_i - \bar{x}}{s_x}\right) \left(\frac{y_i - \bar{y}}{s_y}\right)

تتحول كل قيمة إلى درجة معيارية — أي عدد الانحرافات المعيارية التي تفصلها عن متوسطها — والصيغة هي متوسط حاصل ضرب الدرجتين المعياريتين. عندما تكون xx فوق متوسطها في الوقت نفسه الذي تكون فيه yy فوق متوسطها، يكون ذلك الحاصل موجبًا؛ وعندما يختلفان، يكون سالبًا. ومتوسط تلك الحواصل هو rr.

ارتباط سبيرمان (Spearman correlation) هو الصيغة نفسها محسوبة على الرتب بدلًا من القيم. هذا يجعله مقاومًا للقيم الشاذة وقادرًا على التقاط أي علاقة تستمر في اتجاه واحد، لا الخطية فقط.

لماذا يضيف شيئًا

وصف متغير واحد نصف المهمة. كل ادعاء مثير تقريبًا علاقي: علاج مرتبط بنتائج أفضل، وسعر مرتبط بالطلب، ودرجة حرارة مرتبطة بالمبيعات. الارتباط هو أرخص إجابة كمية، ومعرفة حدوده تحميك من أشيع استدلال خاطئ في العمل على البيانات — قراءة سبب في مصادفة.

وهو يغذي أيضًا كل ما يأتي لاحقًا تقريبًا: الانحدار، واختيار الميزات، وفحوص الموثوقية التي تسبق تركيب أي نموذج.

مثال محسوب يدويًا

خمسة طلاب، ساعات المذاكرة xx والدرجة yy:

x=1,2,3,4,5y=50,55,65,70,80x = 1,2,3,4,5 \qquad y = 50,55,65,70,80

الخطوة 1 — المتوسطان. xˉ=3\bar{x} = 3، yˉ=64\bar{y} = 64.

الخطوة 2 — الانحرافات عن كل متوسط.

xxyyx−xˉx - \bar{x}y−yˉy - \bar{y}
150−2−14
255−1−9
3650+1
470+1+6
580+2+16

الخطوة 3 — الانحرافان المعياريان. ∑(x−xˉ)2=10\sum (x-\bar{x})^2 = 10، إذن sx=10/4≈1.581s_x = \sqrt{10/4} \approx 1.581. و∑(y−yˉ)2=196+81+1+36+256=570\sum (y-\bar{y})^2 = 196 + 81 + 1 + 36 + 256 = 570، إذن sy=570/4≈11.94s_y = \sqrt{570/4} \approx 11.94.

الخطوة 4 — عيّر واضرب، صفًا بصف. للصف الأول، (−2/1.581)(−14/11.94)≈1.265×1.173≈1.484(-2/1.581)(-14/11.94) \approx 1.265 \times 1.173 \approx 1.484. نفّذ ذلك للصفوف الخمسة واجمع:

∑(x−xˉsx)(y−yˉsy)≈4.949\sum \left(\frac{x-\bar{x}}{s_x}\right)\left(\frac{y-\bar{y}}{s_y}\right) \approx 4.949

الخطوة 5 — اقسم على n−1n-1.

r=4.9494≈0.987r = \frac{4.949}{4} \approx 0.987

قريب من 1. ساعات المذاكرة والدرجة ترتفعان معًا بشكل شبه تام في هذه العينة.

الخطوة 6 — ربّع. r2≈0.975r^2 \approx 0.975: 97.5% من تباين الدرجات يسير مع الاتجاه الخطي في ساعات المذاكرة. لاحظ أن r2r^2 هو الرقم الذي تذكره عندما تريد القول “كم منه مفسَّر”؛ أما rr نفسه فيبالغ في ذلك.

قراءة الإشارة والحجم

rrالقراءة
+1+1زيادة خطية تامة
+0.7+0.7اتجاه صاعد قوي، مع تشتت ظاهر
+0.2+0.2اتجاه صاعد ضعيف، يكاد يضيع في الضجيج
00لا اتجاه خطي (قد يكون ثمة منحنى)
−0.6-0.6اتجاه هابط معتدل

تقول الإشارة الاتجاه، ويقول الحجم مدى إحكام التلاؤم الخطي، ولا شيء أكثر. r=0r = 0 ليس “لا علاقة”؛ إنه “لا علاقة خطية” — علاقة على شكل U مقلوب تام لها r≈0r \approx 0.

عندما يضللك بيرسون: استخدم سبيرمان

اعتبر هذه النقاط الخمس: x=1,2,3,4,5x = 1,2,3,4,5 وy=1,4,9,16,25y = 1,4,9,16,25. العلاقة تامة وصاعدة، لكنها منحنية. rr لبيرسون نحو 0.980.98 — مرتفع لكن ليس 1، لأن المنحنى غير مستقيم. ارتباط سبيرمان الرتبي على البيانات نفسها هو 1 بالضبط: كل رتبة في xx تطابق رتبة في yy.

القاعدة العملية:

  • استخدم بيرسون عندما يكون المتغيران رقميين ومتصلين تقريبًا، ويبدو مخطط الانتشار خطًا أو بيضاويًا؛
  • استخدم سبيرمان عندما تكون العلاقة رتيبة لكن منحنية، أو حين توجد قيم شاذة، أو عندما يكون أحد المتغيرين ترتيبيًا (تقييم رضا من 1 إلى 5، أو مركز في مسابقة).

الشيء نفسه في بايثون

python
x = [1, 2, 3, 4, 5]
y = [50, 55, 65, 70, 80]

import statistics as st
mx, my = st.mean(x), st.mean(y)
sx, sy = st.stdev(x), st.stdev(y)

zx = [(v - mx) / sx for v in x]
zy = [(v - my) / sy for v in y]
r = sum(a * b for a, b in zip(zx, zy)) / (len(x) - 1)
print(round(r, 3))        # 0.987
print(round(r ** 2, 3))   # 0.975

تفعل NumPy وpandas الشيء نفسه في استدعاء واحد، وcorr(method='spearman') يبدّل إلى النسخة الرتبية:

python
import numpy as np
print(np.corrcoef(x, y)[0, 1])

import pandas as pd
df = pd.DataFrame({'hours': x, 'score': y})
print(df.corr(method='pearson'))
print(df.corr(method='spearman'))

رؤيته هندسيًا

على مخطط الانتشار، يصف rr لبيرسون مدى ضيق السحابة حول خط مستقيم. أدِر السحابة فيتغير rr؛ واثنِها إلى U فيهبط rr إلى الصفر بينما تقوى العلاقة. يتيح لك مستكشف الارتباط من GeoGebra سحب النقاط ومراقبة رد rr، بما في ذلك اللحظة التي تسحب فيها نقطة واحدة خطًا كان محكمًا إلى خط ضعيف.

متى تستخدمه

  • فحص العلاقات قبل تحديد ما ستنمذجه.
  • التحقق من أن ميزة ما تحمل معلومات عن هدف.
  • الإبلاغ عن الترابط بصدق، إلى جانب مخطط انتشار يراه القارئ بنفسه فيفهم ما يلخصه الرقم.

القيود

  • الارتباط ليس السببية. ترتبط مبيعات الآيس كريم بحالات الغرق؛ وكلاهما يتبع الطقس.
  • يقيس الخطوط المستقيمة فقط. العلاقات المنحنية القوية قد تُظهر rr قريبًا من الصفر.
  • حساس للقيم الشاذة. نقطة واحدة بعيدة قد ترفع rr من 0.2 إلى 0.8، أو تدمر ارتباطًا حقيقيًا.
  • المديات المقيدة تصغّره. الارتباط داخل أعلى 10% من القيم قد يخفي علاقة قوية في المجمل.
  • دمج المجموعات قد يختلق ارتباطًا (مفارقة سيمبسون): عنقودان بلا اتجاه يمكن أن يظهرا اتجاهًا قويًا عند دمجهما.

أخطاء شائعة

  • قراءة r2r^2 كنسبة مئوية ثم ذكر rr كأنه نسبة مئوية كذلك. r=0.5r = 0.5 يعني 25% من التباين، لا 50%.
  • مقارنة ارتباطات عبر مجتمعات مختلفة دون التحقق من أن المديات قابلة للمقارنة.
  • تجاهل مخطط الانتشار. لا يستطيع الرقم إخبارك عن الانحناء أو العناقيد أو القيم الشاذة؛ الصورة تستطيع.

🧩 تحديات

🧩 تحدٍّ، فكّر أولًا ثم أظهر

اشرح لماذا هذا القول خاطئ: “ارتباط مبيعات الآيس كريم بحالات الغرق 0.9، إذن الآيس كريم يجعل الناس يسبحون بسوء.”

💡 الجواب: يقيس الارتباط الحركة المشتركة لا الميكانيزم. المتغيران يتبعان متغيرًا ثالثًا — الطقس الحار — الذي يرفع الاستهلاك والسباحة معًا. القراءة الصحيحة لـ$r = 0.9$ هي "هذان يتحركان معًا"؛ ونسبة اتجاه للسببية تتطلب تجربة أو حجة أقوى بكثير من معامل.

🧩 تحدٍّ، فكّر أولًا ثم أظهر

تحسب rr لبيرسون على 12 نقطة فتحصل على 0.1، لكن مخطط الانتشار يُظهر حرف U واضحًا. ماذا تبلغ، وماذا سيعطي سبيرمان؟

💡 الجواب: أبلغ بأن ثمة علاقة غير خطية قوية بلا مكوّن خطي؛ $r \approx 0$ صحيح تقنيًا لكنه مضلل كملخص. سيكون سبيرمان قريبًا من الصفر أيضًا هنا، لأن الرتب لا تزداد رتيبًا (تصعد ثم تهبط). الخطوة التالية الصحيحة هي نمذجة الانحناء — ركّب $y$ مقابل $x$ و$x^2$، أو ارسم منحنى مُنعّمًا — بدلًا من اقتباس أي من المعاملين كنتيجة.

🤔 أسئلة سقراطية

  • لماذا يبقى rr كما هو إذا أضفت 10 إلى كل قيمة xx، أو ضربت كل yy في 3؟
  • هل يمكن أن يكون rr مساويًا 0.9 بينما تكاد كل نقطة تبعد عن خط التلاؤم الأفضل؟ متى؟
  • إذا كان متغيران مستقلين، فهل يجب أن يكون ارتباطهما صفرًا؟ وإذا كان ارتباطهما صفرًا، فهل يجب أن يكونا مستقلين؟
  • ماذا يعني أن يكون ارتباط “دالًا إحصائيًا” حين يكون r=0.05r = 0.05 وnn هو 100,000؟

✅ فحص سريع

1. $r$ لبيرسون يساوي 0.8. ما نسبة التباين في y المرتبطة بالاتجاه الخطي في x؟

2. متى تفضّل سبيرمان على بيرسون؟

3. ارتباط مقداره 0.95 بين متغيرين يثبت ماذا؟

الارتباطبيرسونسبيرمانمخطط-الانتشارالسببية