مفهوم

حجم العينة

عدد المشاركين أو العينات في الدراسة، والذي يحدد قدرتها على اكتشاف التأثيرات الحقيقية.
20 مقالات ذات صلة · 3 صيغ

الوصف

حجم العينة هو عدد الملاحظات الفردية أو المشاركين أو نقاط البيانات المضمنة في الدراسة. وهو معامل أساسي في الإحصاء لأنه يؤثر مباشرة على دقة التقديرات وقوة اختبارات الفرضيات. فحجم العينة الأكبر يقلل عادةً من خطأ المعاينة، مما يجعل النتائج أكثر موثوقية وأكثر احتمالاً لتعكس التأثير الحقيقي للسكان، بينما يزيد حجم العينة الأصغر من خطر تفويت التأثيرات الحقيقية أو إنتاج تأثيرات زائفة.

التاريخ

تطور المفهوم الرسمي لحجم العينة ودوره في الاستدلال الإحصائي في أوائل القرن العشرين، ولا سيما من خلال أعمال رونالد فيشر في عشرينيات وثلاثينيات القرن الماضي، الذي أسس الإطار لتصميم التجارب واختبار الفرضيات.

كيف يعمل

يعتمد الاستدلال الإحصائي على فكرة أن العينة تقارب المجتمع الذي سُحبت منه. يقل الخطأ المعياري للتقدير مع زيادة الجذر التربيعي لحجم العينة، لذا فإن مضاعفة حجم العينة تقلل هامش الخطأ إلى النصف تقريباً. ويحدد تحليل القوة، الذي يحدد الحد الأدنى لحجم العينة اللازم لاكتشاف تأثير بحجم معين، التوازن بين مستوى الدلالة المطلوب وحجم التأثير والقوة الإحصائية.

في التطبيق

حسابات حجم العينة روتينية في التجارب السريرية واستطلاعات العلوم الاجتماعية ومراقبة الجودة لضمان أن الدراسات ليست ضعيفة القوة ولا كبيرة بشكل مفرط.

حقيقة طريفة

في بعض المجالات، تستغل مشكلة 'الانتقاء الإحصائي'—حيث يجمع الباحثون البيانات حتى تصبح النتائج ذات دلالة—حقيقة أن زيادة حجم العينة يمكن أن تحول نتيجة غير دالة إلى نتيجة دالة، حتى عندما يكون التأثير الحقيقي صفراً.

Concept graph →

صيغ

$$B = \prod_{k=1}^N \frac{P(D_k|H_1)}{P(D_k|H_0)}$$
Bayes factor accumulates evidence for hypotheses.
ما في الصيغة
BمتغيرBayes factor — عامل بايز
D_kمتغيرk-th data point — بيانات
H_1متغيرalternative hypothesis — فرضية
H_0متغيرnull hypothesis — فرضية
Nمتغيرnumber of data points — حجم العينة
∏مؤثرmultiplication of terms for k=1 to N — مشغل الضرب
$$\text{MAE} = \frac{1}{n}\sum_{i=1}^n |y_i - \hat{y}_i|$$
Average absolute difference between predicted and true values.
ما في الصيغة
MAEمتغيرMean absolute error — mean absolute error same as dependent variable
nمتغيرNumber of observations — حجم العينة
y_iمتغيرTrue value for observation i — true value same as dependent variable
\hat{y}_iمتغيرPredicted value for observation i — predicted value same as dependent variable
\sum_{i=1}^nمؤثرSum over all observations from 1 to n — جمع
|\cdot|مؤثرTakes the absolute value of the difference — قيمة مطلقة
$$\text{MSE} = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y}_i)^2$$
Measures the average squared difference between predicted and actual values.
ما في الصيغة
MSEمتغيرMean squared error — mean squared error
nمتغيرNumber of observations — حجم العينة
y_iمتغيرActual value for observation i — actual value
\hat{y}_iمتغيرPredicted value for observation i — predicted value
\sum_{i=1}^{n}مؤثرSum over all observations from 1 to n — جمع

مقالات ذات صلة · 19

ثمن الدقة التشريحية: لماذا لا يبوح الحُصين بأسراره
أوركسترا من ستة وثلاثين آلة تعزف شبه إجماع. يحاول قائد الأوركسترا أن يتبيّن أي صوت يقود اللحن، لكن الأصوات تندمج، وكل مازورة تالية لا تزيده إلا شكًا. وهكذا يحاول الباحثون الذين يدرسون الحُصين أن يفهموا أي من مناطقه مسؤول عن الذاكرة أو التفكير، لكن المناطق المجاورة تتشابه إلى حد يجعل فصل إسهام كل منها شبه مستحيل.
هدوء الجار كإشارة أمان: كيف يفلتر السرب الإنذارات الكاذبة
سمكة منعزلة تلاحظ ظلًا فوق رأسها. تهرب؟ إذا كانت مجرد ورقة شجر، فإنها ستهدر طاقتها وتكشف نفسها لمفترس. إذا كانت مالك الحزين، فإن التردد قاتل. هذا هو التنازل الأبدي للفرد: رد الفعل السريع يعني الكثير من الإنذارات الكاذبة، والحذر يعني خطر الافتراس. في السرب، الأمور مختلفة. الجار الذي يواصل بهدوء قضم الطحالب هو دليل حي على عدم وجود خطر.
الطقس مقابل المناخ: كيف نميز الضجيج عن الإشارة
في الشتاء، تتساقط في أحد أحياء المدينة ثلاثة أضعاف كمية الثلوج التي تتساقط في الحي المجاور. سنة حارة، وأخرى باردة. هذه نزوات الطقس — تقلبات قصيرة الأجل وفوضوية في الغلاف الجوي. ولكن على مدى عقود، نرى تحولًا آخر بطيئًا: فصول الشتاء تصبح أكثر اعتدالًا في المتوسط. التمييز بين الاثنين هو المهمة الرئيسية لعلماء المناخ.
كيف تتطور العطور: من الفخامة إلى البساطة
قارورة العطر ليست مجرد زجاجة بها سائل. إنها بصمة الزمن، لحن متجمد من النوتات العطرية. من عام 1900 إلى عام 2024، تراكمت عشرات الآلاف من هذه "الألحان"، والآن يمكن دراستها ككائن حي واحد. جمع العلماء أكبر مجموعة بيانات عن العطور وقاسوا أمرين: التعقيد - عدد النوتات المختلفة في القارورة الواحدة - والجدة - مدى غرابة اختيار هذه النوتات.
تعقيد الجموع: لماذا لا يكفي المتوسط
عادةً ما يُقيَّم تعقيد الأنظمة - من حركة الأقمار الصناعية إلى إيقاعات القلب - باستخدام الإنتروبيا المتوسطة (مقياس عدم القدرة على التنبؤ، كما فهمها بولتزمان). لكن هذا يشبه تقييم المحيط بناءً على ارتفاع الأمواج فقط: فالرقم المتوسط يخفي كل ثراء التيارات تحت الماء. تغوص طريقة CWMMSE أعمق.
لماذا لا يؤدي كل اتصال إلى المرض: دور الجرعة و"عمر العدوى"
غالبًا ما تبسّط النماذج الوبائية الكلاسيكية الواقع، إذ تصوّر العدوى على أنها تدفق ماء منتظم يغمر كل من يخالط المصاب بنفس القوة. في الواقع، ينبعث من المصاب تدفق ديناميكي متغير بمرور الوقت من الجزيئات الفيروسية: بعد الإصابة مباشرة، يكون التدفق بالكاد يقطر، ثم يتصاعد بسرعة ليصبح مطرًا غزيرًا عند الذروة، وأخيرًا يهدأ.
كيف تشكل العشوائية مسار التطور
يتدفق التطور كالماء. ففي النهر الواسع تكون التغيرات سلسة وبطيئة، بينما يهدر الجدول الجبلي عند كل حجر. حجم الجماعة وتواتر الطفرات يحددان المجرى: واسعًا وهادئًا أم ضيقًا ومليئًا بالمنحدرات.
حركة الرواد: عندما يحافظ بُعد الفضاء على التفاوت إلى الأبد
تخيل سوقًا كبيرًا غير مألوف: يبدأ باحثان من زاويتين مختلفتين. حركاتهما ليست رقصة متناغمة، بل ارتجال فوضوي بحثًا عن كنوز نادرة. على عكس الحدس، لن تحدد الوتيرة النتيجة، بل هندسة الأرضية.
معايرة مدينة افتراضية: تجربة SIVE
مئة وعشرون ساكنًا في مونتيلاغو ليسوا بشرًا، بل شخصيات رقمية. لكل منهم، بالإضافة إلى الاسم والسيرة الذاتية، ثلاثة إحداثيات مخفية: الثقة في السلطات البلدية، تقييم مصداقية المصدر، مدى ملاءمة المعلومات المدركة. هذه الأرقام معروفة للمبدعين، ولكن ليس للنظام نفسه.
كم عدد الفئران اللازمة لفهم الميكروبيوم؟
عند الشروع في تجديد المنزل، لا يُشترى الطلاء بالتخمين، بل وفقًا لمساحة الجدران. وفي العلم، حساب عدد العينات هو تقدير مماثل، لكن الرهان أعظم. فإذا قلّت العينات، تتحول الدراسة إلى يانصيب: قد تفوتك تأثيرات حقيقية، وقد تخطئ وتظن أن الضوضاء اكتشاف. أما إذا كثرت، فستضيع أنابيب اختبار إضافية وشهور من الوقت، وفي التجارب على الحيوانات، أرواح تُزهق هباءً. وفي الميكروبيوم، هذه المسألة أكثر تعقيدًا.
لغة مشتركة بين الدماغ والشبكات العصبية
تحكي لصديقك قصة، فيبدو دماغه وكأنه يضبط على موجتك — تنشط نفس المناطق في إيقاع كلماتك. سجّل العلماء هذا "التزامن العصبي" باستخدام تخطيط الدماغ المغناطيسي (جهاز يلتقط المجالات المغناطيسية للدماغ) وقرروا اختبار ما إذا كان نموذج اللغة الحاسوبي قادرًا على تكرار هذه الرقصة من المعاني.
الضغط الكمومي: قياس الإشارة دون محاولات زائدة
في عام 1948، وضع المهندس كلود شانون أسس نظرية المعلومات. قدمت نظرية نيكويست-شانون الإجابة الأولى: لعدم فقدان الإشارة، يجب أن يكون عدد القياسات ضعف عدد أسرع تفاصيلها. في عام 2006، خففت طريقة الاستشعار المضغوط (compressed sensing) هذا المطلب. إذا كانت الإشارة تتكون من عدد قليل من الترددات المهمة، يمكن تقليل عدد القياسات.
عندما يلد الفوضى النظام
لنفترض أننا نضع حفنة من العملات المعدنية على الطاولة. كل عملة تمثل نتيجة محتملة: صورة، كتابة، أو شيء آخر. إذا عرفنا مدى فوضوية هذه المجموعة (إنتروبياها)، فما التوليفات الاحتمالية التي ستظهر أكثر؟ اتضح أن الإجابة تعتمد على مقدار الفوضى التي سمحنا بها. الإنتروبيا هنا ليست مجرد مقياس للاضطراب، بل طريقة لقول كم عدد الخيارات المختلفة التي لا يزال من الممكن تحقيقها.
القياس يغيّر قواعد اللعبة
المغناطيسات الصغيرة على الشبيكة — نموذج إيزينغ الكلاسيكي — تصف عادةً كيف يؤثر الجيران على بعضهم البعض. ولكن ماذا يحدث عندما تتم مراقبة النظام عن كثب؟ كل قياس لطاقة الارتباط يشبه نظرة تجعل المغناطيسات "تحدد" حالتها. مع القياس الضعيف، لا يكاد النظام يلاحظ المراقب، ولكن بمجرد زيادة الدقة، يتغير المشهد فجأة.
لماذا تبدو اللمسة الثانية مختلفة
تستلقي اليد على الطاولة، وتصل إلى المعصم اهتزازتان قصيرتان — واحدة تلو الأخرى. المطلوب تحديد أيهما أقوى. تبدو المهمة بسيطة، لكن الإجابة تعتمد على أي الاهتزازين كان أولًا. إذا كانت الأولى ضعيفة والثانية قوية، يبدو الفرق أكبر مما لو عُكس الترتيب. هذا ليس نزوة انتباه، بل عمل آلية مستمرة: الدماغ لا ينتظر معلومات كاملة، بل يبني تخمينًا ويصححه أثناء الحركة.
الإيقاع كرقصة بين النظام والفوضى
تقوم الموسيقى على التكرار: نتوقع أن يعود الإيقاع كما يعود اللازمة. لكن إذا تكرر الشيء نفسه لفترة طويلة، يصبح مملًا. يبدو الملحن وكأنه يمشي على حبل مشدود بين المألوف وغير المتوقع. ترجم العلماء هذا التوازن إلى لغة الفيزياء. مثلوا الإيقاع كنظام حيث كل نغمة هي جسيم «يريد» أن يشبه جيرانه (النظام)، ولكنه أيضًا «يريد» أن يختلف (التنوع).
التحليل الطيفي المجهري: كيف ترى غير المرئي عبر 4% من القياسات
الخريطة الكيميائية للعينة تشبه الفسيفساء: كل نقطة لها لونها الخاص، وتركيبها الكيميائي الخاص. لجمع هذه الفسيفساء، يمسح المجهر الطيفي العينة نقطة بنقطة، مسجلاً في كل نقطة التحليل الطيفي — "بصمة" لكيفية امتصاص المادة للضوء أو إصدارها له. لكن المسح الكامل لجميع النقاط يستغرق ساعات، والإشعاع بالأشعة السينية أو الإلكترونات يدمر العينة تدريجيًا.
بوصلة جزيئية للبحث عن الأدوية
الكيميائي الذي يبحث عن دواء جديد يشبه طباخًا بلا وصفة: لديه قائمة بالخصائص المطلوبة، لكن أمامه ملايين المكونات الممكنة. كل تجربة مكلفة وتستغرق وقتًا، لذا يجب التجريب بحكمة. البرنامج الجديد SEISMO يعمل مثل طباخ يتذوق الطبق بعد كل خطوة ويقرر فورًا ما الذي سيضيفه بعد ذلك. إنه لا ينتظر تراكم دفعة كاملة من المحاولات، بل يعدل الجزيء بعد كل قياس.
كيف تميّز العطل التقني عن المرض الحقيقي
التشخيص الجيني يشبه مقارنة صورتين التقطتهما كاميرتان مختلفتان. إذا أزاحت إحدى الكاميرات الألوان قليلاً، ستظهر في الصورة «عيوب» غير موجودة في الواقع. وكذلك في تحليل الحمض النووي: تُقارن عينة المريض بمرجع، وإذا عولج المرجع بكواشف من دفعة أخرى أو في مختبر آخر، يعطي المقارنة إشارات خاطئة — تارة طفرات زائدة، وتارة طفرات حقيقية مفقودة.