إحصاء

الاحتمال الجانبي

التعامل مع المعاملات المزعجة عن طريق تعظيم الاحتمالية عليها عند كل قيمة من قيم المعامل محل الاهتمام.
16 مقالات ذات صلة

الوصف

في الاستدلال الإحصائي، غالبًا ما تهتم بمعامل واحد (مثل كتلة جسيم) ولكن يجب أيضًا أن تأخذ في الاعتبار معاملات أخرى "مزعجة" (مثل معايرة الكاشف) لا تهتم بها ولكنها تؤثر على بياناتك. الاحتمالية المظهرية (Profile Likelihood) هي طريقة للتركيز على المعامل محل الاهتمام: لكل قيمة محتملة لذلك المعامل، تجد أفضل قيم ملائمة لجميع المعاملات المزعجة عن طريق تعظيم الاحتمالية، ثم تسجل فقط قيمة الاحتمالية القصوى. ينتج عن هذا "مظهر" للاحتمالية كدالة في المعامل محل الاهتمام، والذي يمكنك استخدامه لبناء فترات ثقة أو اختبار فرضيات.

التاريخ

قدّم هذا المفهوم إحصائيون في منتصف القرن العشرين، ولا سيما جيرزي نيمان، وتمت صياغته لاحقًا من قبل آخرين؛ أصبح مصطلح 'الاحتمالية المظهرية' معيارًا في سبعينيات القرن العشرين.

كيف يعمل

تخيل دالة احتمالية تعتمد على كل من المعامل محل الاهتمام θ والمعاملات المزعجة ν. بالنسبة لقيمة ثابتة من θ، تقوم بتعظيم الاحتمالية على ν، لتحصل على L_profile(θ) = max_ν L(θ, ν). بتكرار ذلك لقيم عديدة من θ، تحصل على منحنى أحادي البعد. نسبة هذا المظهر إلى قيمته القصوى تتبع توزيع مربع كاي تقريبيًا (مبرهنة ويلكس) تحت شروط انتظام معينة، مما يسمح باشتقاق فترات الثقة. هذا فعال حسابيًا لأنك لا تحتاج إلى التكامل على المعاملات المزعجة، فقط التحسين.

في التطبيق

يُستخدم على نطاق واسع في فيزياء الجسيمات (مثل قياسات كتلة بوزون هيغز وقوة الإشارة) وفي علم الكونيات لتقدير المعاملات من بيانات إشعاع الخلفية الكونية الميكروي.

حقيقة طريفة

يمكن أن تعطي الاحتمالية المظهرية فترات ثقة ضيقة بشكل مضلل عندما تكون المعاملات المزعجة مقيدة بشكل ضعيف، وهي ظاهرة تُعرف باسم 'مشكلة الاحتمالية المظهرية'.

Concept graph →

مقالات ذات صلة · 14

كيف يتعلم مهندسو البروتينات من الأخطاء
مهندس البروتينات يشبه طاهياً يحاول أن يجعل الطبق لذيذاً ومفيداً ورخيصاً في نفس الوقت. بتغيير مكوّن واحد، يخاطر بإفساد مكوّن آخر. في السابق، كانت المساعدات الحاسوبية تقيّم خصائص البروتينات بشكل منفصل فقط، دون رؤية كيفية ارتباطها ببعضها البعض.
الكون أكثر تعقيدًا مما كنا نظن
الجاذبية ليست مجرد قوة تُبقينا على الأرض. على نطاق الكون، هي التي تقود المجرات، وتُحدّب أشعة الضوء، وتحدد مصير كل شيء. قبل مئة عام، وصفها ألبرت أينشتاين بأنها انحناء في المكان والزمان. ولكن ماذا لو كانت هذه الصورة تحتاج إلى لمسة إضافية — تأثير المادة نفسها؟ هذا هو الاحتمال الذي اختبره فريق من الباحثين.
موجات الراديو ترسم صورًا للعوائق: كيف يكشف الحيود والحدود الأساسية الأجسام الخفية
عندما تصادف موجة راديو مبنى في طريقها، فإنها لا تنعكس أو تُمتص فحسب — بل تلتف حوله، تمامًا كما تلتف أمواج البحر حول صخرة تاركةً خلفها ماءً هادئًا. في فيزياء الراديو، تُنشئ هذه الظاهرة ظلًا راديويًا — نمطًا معقدًا من مناطق تقوية الإشارة وتوهينها، يسميه العلماء صورة راديوية. في هذا النمط، كما في لوحة انطباعية، تُشفَّر معلومات عن شكل العائق وحجمه ومسافته.
طهي بلا تأخير: كيف تكتسب الشبكات موثوقية فائقة
تخيّل طاهيًا محترفًا في ساعة الذروة: فجأة يتعطل الموقد أو ينفد مكوّن رئيسي. بدلًا من الذعر، يعيد فورًا ترتيب الوصفات — يسرّع طهي بعض الأطباق، ويبطئ أخرى، معيدًا توزيع الموارد أثناء العمل. هذا المبدأ في التكيف الديناميكي هو أساس الجيل الجديد من الشبكات فائقة الموثوقية. تُقسَّم البيانات فيها إلى كتل قصيرة وتُوجَّه عبر مسارات مثلى، وتصبح العملة الرئيسية هي زمن الإرسال — التأخير (latency).
وصفة للرقاقة العصبية: كيف نصلح التشويش؟
تعمل الرقائق العصبية بشكل مختلف عن الحواسيب التقليدية، المبنية وفق مخططات فون نيومان بذاكرة ومعالج منفصلين. تعتمد الرقائق على شبكة من خلايا بسيطة تشبه العصبونات، ومثل الماء الذي يملأ أي وعاء بانتظام، تجد الحل بسهولة دون خطوات زائدة. والرقاقة نفسها، مثل دماغنا، تقوم على الكربون – الأساس الكيميائي للحياة.
بصريات2026-07-021 دarXiv:2607.02352سريع
مصيدة ضوئية للجسيمات النانوية
الضوء يتدفق كالنهر الخفي. إذا وضعت عائقاً في مجرى التيار، تلتف المياه في دوامات. وهكذا تُنشئ الأسطح الخاصة 'دوامات' ضوئية تلتقط الجسيمات النانوية كرقائق الخشب. ماكسويل استنبط معادلات ضغط الضوء في القرن التاسع عشر، واليوم تُصمّم الخوارزميات المبنية عليها تضاريس من أدق التفاصيل، تشبه مجرى ذلك النهر.
غربلة الذهب: تحسين خطوط أنابيب الذكاء الاصطناعي بأساليب قواعد البيانات
الذهب لا يستلقي على السطح — إنه مختبئ بين أطنان من الصخور الخاوية. كي يستخرج المنقبون غرامًا واحدًا من المعدن النفيس، يغربلون أمتارًا مكعبة من التربة. على هذا المنوال تقريبًا تُدرَّب نماذج اللغة الكبيرة المعاصرة: تمرر آلاف الإجابات المرشحة عبر نموذج تقييم مكلف (الأوراكل — نموذج يعطي تقييمات دقيقة)، لاختيار إجابة واحدة هي الأفضل.
سكويلر: حين يصرخ النموذج متشككًا في صحة بياناتك
النماذج الإحصائية هي محاولة لمد شبكة رياضية مثالية على تضاريس البيانات غير المنتظمة. عندما يقاوم النموذج، يصدر توترًا، لكننا اعتدنا تجاهله. يقضي الباحثون ساعات محدقين في رسوم البواقي محاولين تخمين حيث يبدأ النموذج في "التفكك". سكويلر يحوّل هذه المقاومة إلى صوت. لم تعد تنظر إلى منحنًى — بل تسمع صريره عندما يُجبر على الانصياع لنقاط بعينها.
المجتمعات بالحجم: عندما تُجمع الشبكات كأحجية الصور المقطوعة
الشبكة الاجتماعية تشبه المدينة: فيها أحياء عملاقة وأزقة صغيرة. عندما يبحث خوارزمي عن مجموعات متماسكة فيها، غالبًا ما يميز زوجًا من المجموعات الضخمة والكثير من الشظايا الصغيرة. لكن العميل — مثل البلدية — يحتاج إلى أحياء متقاربة الحجم لتوزيع العيادات أو المدارس بالتساوي. الحيلة المعتادة هي تدوير مقبض "السماح" الذي يجعل جميع المجتمعات في المتوسط أكبر أو أصغر.
أوركسترا الجاذبية تفقد إيقاعها
متزلج فني يدور على الجليد، يقترب تدريجيًا من المركز. مساره ليس حلزونيًا مثاليًا: أحيانًا يلتقط إيقاع الموسيقى ويقوم بدورة إضافية، فيغير سرعته قليلًا. هذا تقريبًا ما يفعله ثقب أسود صغير عندما يسقط على ثقب أسود فائق الضخامة. تُسمى هذه العملية بنسبة الكتل المتطرفة، وتنتج موجات ثقالية — تموجات في نسيج الزمكان تلتقطها كواشف مثل LISA.
آلة لا تعيق نفسها بنفسها
أوركسترا يعزف كل عازف فيها دوره، لكنه لا يسمع إلا جاره. ما إن يخطئ أحدهم حتى تتدحرج موجة الأخطاء عبر القاعة كلها. هكذا تعمل آلات إيزينج — أجهزة خاصة لحل المسائل التي تتطلب إيجاد الخيار الأفضل من بين العديد. عناصرها، أو «السبينات»، مترابطة، وإذا حُدِّثت في آن واحد، تبدأ بالتداخل مع بعضها مثل موسيقيين دخلوا في غير موعدهم. عادةً تُحدَّث السبينات تباعًا، لكن هذا بطيء.
كيف تنقل جسيمًا نشطًا بأقل تكلفة ممكنة؟
الملقط الضوئي (optical tweezer) هو شعاع ضوئي يمسك بالأجسام متناهية الصغر مثل البكتيريا أو حبيبات الغبار ويحركها. إذا أردنا نقل جسيم من النقطة أ إلى النقطة ب، يمكننا ببساطة سحبه مباشرة. لكن هذا سيستهلك طاقة أكبر من اتباع مسار التفافي ذكي. الجسيم النشط هو جسم مجهري يدفع نفسه بنفسه إلى الأمام، مثل سباح صغير.
كيف تجد البروتينات حدّها الأدنى
لتمييز بروتين عن آخر، لا بد من وصف شكله وتركيبه. وهناك عشرات من هذه الأوصاف: طول الجزيء، الشحنة، الذوبانية. لكن ليست جميعها مفيدة بنفس القدر. تستطيع طريقة تُدعى Differentiable Information Imbalance (DII) اختيار الخصائص الأكثر إفادة والتخلص من الزائد منها. قدّم مؤلفو الدراسة الخصائص المختارة كإحداثيات لنظام فيزيائي افتراضي.
نحات المعلوماتية: كيف تصنع عينة تحكي عن المادة بنفسها
مختبر الاختبارات الميكانيكية يشبه مطبخًا حيث يتذوق الطاهي الطبق ليخمن الوصفة. بالنسبة لمادة متباينة الخواص، أي تلك التي تكون أصلب على طول الألياف منها عبر العرض، فإن تذوقة واحدة لا تكفي. نحتاج إلى ثلاثة اختبارات منفصلة أو أكثر، كل منها بعينة خاصة. لسنوات، صقل المهندسون أشكال هذه العينات يدويًا، معتمدين على الحدس والخبرة. الآن ظهرت أداة تقوم بذلك تلقائيًا وبشكل أفضل.