📊 معامل ارتباط بيرسون: كيف تفهم العلاقة بين المتغيرات بطريقة احترافية؟
إذا كنت تتعامل مع البيانات سواء في المحاسبة أو التحليل المالي أو حتى في الدراسة، فأنت بالتأكيد تسأل: هل هناك علاقة بين هذه الأرقام؟
هنا يظهر واحد من أهم أدوات الإحصاء: معامل ارتباط بيرسون (Pearson Correlation)
📌 ما هو معامل بيرسون؟
هو مقياس إحصائي يُستخدم لقياس:
- قوة العلاقة بين متغيرين
- اتجاه العلاقة (موجب أو سالب)
وتتراوح قيمته بين:
- +1 → علاقة قوية جدًا موجبة
- 0 → لا توجد علاقة
- -1 → علاقة قوية جدًا سالبة
📊 قانون معامل بيرسون
r = ( n∑XY - ∑X∑Y ) ÷ √[( n∑X² - (∑X)² ) ( n∑Y² - (∑Y)² )]
🎯 مثال عملي بالتفصيل
نفترض أننا نريد معرفة العلاقة بين:
- X = عدد الإعلانات
- Y = المبيعات
| X | Y | XY | X² | Y² |
|---|---|---|---|---|
| 2 | 3 | 6 | 4 | 9 |
| 3 | 4 | 12 | 9 | 16 |
| 4 | 4 | 16 | 16 | 16 |
| 8 | 6 | 48 | 64 | 36 |
| 6 | 5 | 30 | 36 | 25 |
📌 الخطوة 1: حساب المجاميع بالتفصيل
نقوم بجمع كل عمود:
- ∑X = 2 + 3 + 4 + 8 + 6 = 23
- ∑Y = 3 + 4 + 4 + 6 + 5 = 22
- ∑XY = 6 + 12 + 16 + 48 + 30 = 112
- ∑X² = 4 + 9 + 16 + 64 + 36 = 129
- ∑Y² = 9 + 16 + 16 + 36 + 25 = 102
📌 الخطوة 2: التعويض
n = 5
n∑XY = 5 × 112 = 560
∑X∑Y = 23 × 22 = 506
البسط = 560 - 506 = 54
n∑X² = 5 × 129 = 645
(∑X)² = 529
→ 645 - 529 = 116
n∑Y² = 5 × 102 = 510
(∑Y)² = 484
→ 510 - 484 = 26
√(116 × 26) = √3016 ≈ 54.92
📌 النتيجة النهائية
r ≈ 0.98
🔥 تفسير النتيجة
- ✔ العلاقة موجبة
- ✔ العلاقة قوية جدًا
- ✔ كلما زادت الإعلانات → زادت المبيعات
⚠️ الارتباط لا يعني السببية
📈 استخدامات عملية
- تحليل المبيعات والإعلانات
- تحليل الأداء المالي
- دراسة سلوك العملاء
🎯 الخلاصة
معامل بيرسون من أقوى أدوات تحليل البيانات، لكنه يحتاج فهم صحيح وليس مجرد حساب.
🔥 عايز تتعلم الإحصاء بشكل عملي وبسيط؟
تواصل واتساب
تواصل واتساب