Statistic
al Data
Analyst

𝕏 rrr_iiicv
@ rghdalrwy876@gmail.com

POWER BI

لوحات التحليل

لوحتان صمّمتهما في Power BI.

التنس

تحليل نتائج البطولات: عدد الفائزين حسب الشهر، وتكرار الفوز بالبطولات.

العلاجات والأورام

مقارنة معدلات الإصابة حسب النوع والفترة الزمنية والجنس.

PROJECT 01 · PYTHON · NLP

تحليل مشاعر عناوين الأخبار المالية

تحليل استكشافي لنبرة عناوين الأخبار المالية الإنجليزية عن Apple وNVIDIA وTesla باستخدام الكشط الآلي ونموذج VADER. وهو يقيس صياغة العناوين فقط، لا مشاعر المستثمرين ولا عوائد الأسهم.

ما السؤال التحليلي؟
كيف تتوزع نبرة العناوين الإخبارية عن الشركات الثلاث، وهل تختلف الشركات في نبرتها؟ وإلى أي حد يقيس VADER النبرة بدقة؟
ما المنهج الإحصائي المستخدم؟
درجات VADER المركّبة مع قاموس مالي موسّع بـ 24 مصطلحًا، وإحصاءات وصفية، وفترات ثقة بالإعادة العشوائية (Bootstrap، 5,000 إعادة)، واختبار كروسكال-واليس، وست سيناريوهات حساسية، وتقييم يدوي بالدقة وF1 ومصفوفات الالتباس.
ما أهم النتائج؟
حذف أسماء الناشرين غيّر 26 درجة من 296 لأن VADER كان يقرأها كنص. ونسبة 38–47% من العناوين درجتها صفر. ولم يكشف أي اختبار فرقًا موثوقًا بين الشركات (p بين 0.062 و0.266). ووافق VADER التصنيف اليدوي في 44 عنوانًا فقط من 101 (43.6%)، وهذا أقل من خط الأساس «دائمًا إيجابي» (54.5%).
ما القرار الذي تدعمه النتائج؟
لا تصلح هذه الدرجات أساسًا لقرار استثماري. والقرار الذي تدعمه هو تحسين أداة القياس أولًا: تصنيف يدوي أكبر بأكثر من مُصنِّف، وتجربة نموذج مالي مثل FinBERT، وجمع بيانات أطول من مصادر أكثر.

الأدوات والأساليب: Python: جمع البيانات (requests وBeautifulSoup)، وتنظيفها وتحليلها (Pandas وNumPy)، وEDA، وتحليل المشاعر (NLTK VADER)، والإحصاء (SciPy وscikit-learn)، والرسوم (Matplotlib وSeaborn).

المشروع على GitHub
وصف البيانات ومصدرها

المصدر: بحث Google News RSS لكل سهم. الفترة: من 1 سبتمبر إلى 27 أكتوبر 2026. جُمع 302 عنوانًا، وبقي 296 بعد حذف 6 عناوين مكررة (AAPL: 99، NVDA: 98، TSLA: 99). كل عملية جمع تعطي عناوين مختلفة، فكل الأرقام هنا من ملف البيانات المحفوظ في المستودع. الحقول الرئيسية: الرمز، والتاريخ، والعنوان، والعنوان المنظَّف، والدرجة، والتصنيف (إيجابي ≥ 0.05، سلبي ≤ −0.05، وغير ذلك محايد)، وعدد الكلمات.

خطوات تحليل البيانات الاستكشافي (EDA)

1) الجمع بـ requests وBeautifulSoup. 2) التنظيف: تحويل التواريخ، وحذف المكرر، وعدّ الكلمات، وحذف اسم الناشر من آخر العنوان. 3) التسجيل بـ VADER ومقارنة القاموس الافتراضي بالموسّع. 4) الاستكشاف: التوزيعات، ومخططات الصندوق، والعدد اليومي، وتكرار الكلمات، والإحصاءات لكل شركة. 5) المقارنة الحذرة: Bootstrap وكروسكال-واليس وسيناريوهات الحساسية. 6) المقارنة بتصنيف يدوي على عينة عشوائية.

التوزيعات الإحصائية
AAPLNVDATSLA
المتوسط0.0460.1140.126
الوسيط000
الانحراف المعياري0.3290.2980.288
% الدرجة صفر38.441.847.5

الوسيط صفر للشركات الثلاث، فالمتوسطات تأتي من العناوين غير الصفرية. والصفر لا يعني دائمًا الحياد، فقد يعني أن النموذج لم يلتقط النبرة. والتغطية الزمنية غير متوازنة: 60% من العناوين في يومي 26 و27 أكتوبر.

نتائج تحليل المشاعر

في النافذة المشتركة (من 6 أكتوبر، 276 عنوانًا) كانت فترات الثقة 95% للمتوسط: AAPL [−0.036، 0.103]، NVDA [0.056، 0.174]، TSLA [0.067، 0.187]، واختبار كروسكال-واليس p = 0.173. وهذا لا يثبت تساوي الشركات، لكنه يعني أن العينة لا تعطي دليلًا قويًا على فرق. وفي التقييم اليدوي (101 عنوانًا) بلغت دقة VADER مع القاموس المالي 0.436 وMacro-F1 0.431، وأخطأ غالبًا بتسجيل عناوين إيجابية على أنها محايدة (26 من 55). وأضاف القاموس المالي عنوانين صحيحين فقط، وهذا ضمن الضجيج.

حدود المنهجية

نافذة زمنية قصيرة وغير متوازنة. العناوين غير مستقلة (نصوص وأحداث مشتركة)، فقد تكون فترات الثقة وقيم p متفائلة. التصنيف اليدوي من شخص واحد على 101 عنوانًا فقط، فمقاييس كل فئة غير مستقرة. القاموس المالي صغير ولم يُتحقق منه على بيانات مستقلة. مصدر واحد ونموذج عام الغرض. والنتائج استكشافية وليست نصيحة مالية.

PROJECTS

المشاريع

مشروعا Excel مفتوحان للعرض عبر الروابط، ومشاريع البرمجة على GitHub.

داش بورد الموارد البشرية HR

785 موظفًا في 6 أقسام و7 مواقع. 561 على رأس العمل و224 تركوا العمل.

ما السؤال التحليلي؟
أين يغادر الموظفون، وهل ترتبط المغادرة بالقسم أو الجنس أو الموقع أو الأداء أو الراتب أو التدريب؟
ما المنهج الإحصائي المستخدم؟
نسب المغادرة لكل فئة، واختبار مربع كاي للمتغيرات الفئوية، واختبار مان-ويتني للمتغيرات الكمية (الراتب، ساعات التدريب، العمر).
ما أهم النتائج؟
نسبة الدوران 28.5%. ولم تظهر فروق ذات دلالة حسب الجنس (p = 0.65) أو الموقع (0.47) أو تقييم الأداء (0.99) أو الراتب (0.40) أو ساعات التدريب (0.35).
ما القرار الذي تدعمه النتائج؟
تركيز جهود الاحتفاظ بالموظفين على المبيعات أولًا ثم التسويق والعمليات، وعدم افتراض أن الراتب أو الأداء هو السبب قبل بحث أعمق.

الاستنتاج التحليلي: يختلف معدل الدوران بين الأقسام (مربع كاي p = 0.0001): المبيعات 40.3% والتسويق 31.4% والعمليات 29.3% مقابل المالية 18.4% والموارد البشرية 13.5%. أي أن دوران المبيعات نحو ثلاثة أضعاف الموارد البشرية. وهي علاقة ملاحظة لا تثبت السببية.

الأدوات والأساليب: Excel: جداول محورية (Pivot Tables)، ومقسّمات (Slicers)، وجدول Excel، وصيغ لحساب مدة الخدمة (YEAR وTODAY). التحقق الإحصائي: مربع كاي ومان-ويتني (Python وSciPy).

افتح المشروع

داش بورد المبيعات

5,780 عملية بيع بين 2017 و2019 في 7 ولايات و5 علامات تجارية.

ما السؤال التحليلي؟
ما المنتجات التي تقود الإيراد، وهل يرتبط الإرجاع برضا العملاء أو بأداء التوصيل؟
ما المنهج الإحصائي المستخدم؟
إحصاء وصفي (المتوسط والوسيط والانحراف المعياري والالتواء ومعامل التباين)، وتحليل التباين ANOVA لمقارنة المنتجات والولايات، واختبار مربع كاي لعلاقة الرضا وأداء التوصيل بالإرجاع.
ما أهم النتائج؟
الإيراد 9.59 مليون. Nokia وAcer معًا 61% منه، وDell الأقل (0.60 مليون). والفروق بين المنتجات معنوية وسببها السعر (99–499) لا الكمية، أما بين الولايات فلا فرق معنوي (p = 0.76). والإيراد السنوي تراجع من 3.44 إلى 3.22 ثم 2.93 مليون (نحو −15% بين 2017 و2019). و32.7% من التوصيلات متأخرة.
ما القرار الذي تدعمه النتائج؟
مراجعة التسعير والمزيج المنتجي لمعالجة تراجع الإيراد، ومعالجة التأخر في التوصيل كمسألة تشغيلية. وأسباب الإرجاع تحتاج بيانات أخرى غير متوفرة هنا.

الاستنتاج التحليلي: نسبة الإرجاع نحو 10% في كل مستويات الرضا (من 9.4% إلى 11.1%، مربع كاي p = 0.82)، وهي 11.1% مع التوصيل المتأخر مقابل 10.0% مع التوصيل في الموعد (p = 0.21). فرضا العملاء وأداء التوصيل لا يفسّران الإرجاع في هذه البيانات.

الأدوات والأساليب: Excel: Power Query (استعلامان للتحليل الإحصائي)، وجداول محورية (Pivot Tables)، ومقسّمات ومخططات للوحة، وورقة تحليل إحصائي (ANOVA، الالتواء، معامل التباين). التحقق من علاقات التوصيل والرضا والإرجاع: مربع كاي (Python وSciPy).

افتح المشروع

مقدمة في نمذجة المعادلات البنائية (SEM)

التوتر والدعم والإنهاك والأداء، ببيانات محاكاة للتعلّم.

الأدوات والأساليب: R: حزمة lavaan، ونمذجة المعادلات البنائية.

المشروع على GitHub

حسابي في GitHub

كل مشاريع البرمجة وملفاتها وتوثيقها.

github.com/rahagd

CALCULATOR

حاسبة إحصائية

أدخل أرقامك مفصولة بمسافة أو فاصلة. أضف قائمة ثانية بنفس الطول لحساب معامل الارتباط.

R. A. FISHER · 1890–1962

منهج رونالد أيلمر فيشر

الاستعانة بالإحصائي بعد انتهاء التجربة غالباً ما تكون مجرد طلب لتشريح الجثة، وأقصى ما يستطيعه أن يخبرنا بما ماتت منه التجربة.رونالد فيشر

إحصائي ووراثي إنجليزي، عمل في محطة روثامستد الزراعية بين 1919 و1933، وواجه بيانات تجارب ميدانية صغيرة العدد كثيرة الضجيج، فطوّر أدوات للتصميم والاستدلال قبل أدوات الحساب. جوهر فكرته أن الاستدلال يبدأ من التصميم لا من الحساب: إذا لم تُوزَّع الوحدات عشوائياً، فأي حساب لاحق يبقى مشوباً بتحيّز لا تصلحه المعادلات.

مبادئ التصميم الثلاثة

العشوائية، والتكرار، والحجب. وهي أساس كل تجربة يمكن الوثوق بنتائجها.

مساهماته

تقدير الإمكان الأقصى وخواصه المقاربة، والمعلومة الإحصائية وحدود الكفاءة، وتحليل التباين وتوزيع F، واختبار فيشر الدقيق لجداول 2×2، وأسس الوراثة الكمية والانتخاب الطبيعي.

مؤلفاته

1922: الأسس الرياضية للإحصاء النظري
1925: طرق إحصائية لباحثي العمل
1930: النظرية الوراثية للانتخاب الطبيعي
1935: تصميم التجارب
1956: الطرق الإحصائية والاستدلال العلمي

تحليل التباين ANOVA

الفكرة أن يُفكّك تباين الملاحظات إلى مكوّن بين المجموعات ومكوّن داخلها. إذا كان أثر المعالجة صفراً فلا يُتوقّع أن يزيد التباين بين متوسطات المجموعات على ضجيج التباين داخل المجموعات.

المصدرSSdfMSF
بين المجموعات84.60242.307.05
داخل المجموعات72.00126.00–
الكلي156.6014––

مثال: ثلاث معالجات على 15 وحدة تجريبية، ودرجات الحرية 2 و12. القيمة المحسوبة 7.05 تتجاوز القيمة الحرجة 3.89 عند مستوى 0.05، فتُرفض الفرضية الصفرية (p ≈ 0.009): ثمة فرق بين المعالجات أعلى من الضجيج الداخلي.

ANOVA · F STATISTICF = MS_between / MS_within = ( SSB / (k - 1) ) / ( SSW / (N - k) ) SST = SSB + SSW
FISHER EXACT TEST · 2×2p = (a+b)! (c+d)! (a+c)! (b+d)! --------------------------------- N! · a! · b! · c! · d!
CORRELATION · Z TRANSFORMz = ½ · ln( (1 + r) / (1 - r) ) SE(z) ≈ 1 / √(n - 3)

CORE IDEAS

مفاهيم أساسية

نظرية الأعداد الكبيرة

كلما زاد حجم العينة اقترب متوسط العينة من متوسط المجتمع، بشرط أن تكون المشاهدات مستقلة وللمجتمع متوسط محدود. رمي العملة 10 مرات قد يعطي 7 صور، أما 10,000 مرة فتقترب نسبة الصور من النصف.

نظرية الحد المركزي

توزيع المعاينة لمتوسط العينة يقترب من التوزيع الطبيعي كلما كبر حجم العينة، بشرط أن تكون المشاهدات مستقلة ومتماثلة التوزيع وذات تباين محدود. وكلما كان توزيع الأصل أشد التواءً احتجنا عينة أكبر. الخطأ المعياري للمتوسط σ/√n.

القاعدة التجريبية

في التوزيع الطبيعي تقع نحو 68% من القيم ضمن انحراف معياري واحد، ونحو 95% ضمن انحرافين، ونحو 99.7% ضمن ثلاثة.

الارتباط ليس سببية

ترتفع مبيعات المثلجات ومعها حوادث الغرق، والسبب الحقيقي حرارة الصيف. وقد يكون العامل الثالث الخفي هو التفسير الحقيقي، والتجارب العشوائية تعزل أثره.

ARTICLES

مقالات إحصائية

الإحصاء الطبي: متى يكون الفرق مهماً؟

قيمة p الصغيرة تعني أن هذه النتيجة نادرة الحدوث لو لم يكن هناك فرق حقيقي، لكنها لا تقول إن الفرق كبير أو مفيد للمريض، ولا تعطي احتمال صحة الفرضية. لذلك نقرأ حجم الأثر وفترة الثقة مع الدلالة الإحصائية، ونسأل عن الأهمية السريرية، وعن الحساسية والنوعية في الفحوص التشخيصية.

التباين والانحياز

خطأ أي مقدّر يتكوّن من جزأين: الانحياز، وهو ابتعاد المتوسط عن الحقيقة، والتباين، وهو تذبذب التقدير من عينة لأخرى. العلاقة MSE = Bias² + Variance. تقليل أحدهما غالباً يرفع الآخر، وهذا جوهر المفاضلة بين بساطة النموذج وتعقيده.

فخاخ العينة

أشهر الفخاخ: انحياز الاختيار حين لا تمثّل العينة المجتمع، وانحياز البقاء حين ننظر إلى الناجين فقط، وعينة الملاءمة التي نأخذها لأنها الأسهل، وعدم الاستجابة حين يختلف من لم يردّ عمّن ردّ، والعينة الصغيرة التي تُنتج نتائج لافتة وغير مستقرة. الحل يبدأ من التصميم قبل جمع البيانات.

PIONEERS

علماء صنعوا الإحصاء

رونالد فيشر

1890–1962

تحليل التباين، وتصميم التجارب، والإمكان الأقصى.

ويليام غوسيت

1876–1937

اختبار t للعينات الصغيرة، ونشره باسم «Student».

كارل بيرسون

1857–1936

معامل الارتباط واختبار كاي تربيع.

كارل فريدريش غاوس

1777–1855

ساهم في التوزيع الطبيعي وطريقة المربعات الصغرى.

توماس بايز

1701–1761

صاحب مبرهنة بايز في تحديث الاحتمالات بالأدلة.

فرانسيس غالتون

1822–1911

الانحدار نحو المتوسط، ومن أوائل من درسوا الارتباط.

REFERENCES

كتب إحصائية مهمة

الإحصاءFreedman, Pisani, Purves · 2007 · Norton
الاستدلال الإحصائيCasella, Berger · 2002 · Duxbury
مدخل إلى نظرية الاحتمالاتSheldon Ross · 2018 · Pearson
الإحصاء الرياضي وتحليل البياناتJohn A. Rice · 2006 · Duxbury
كل الإحصاءLarry Wasserman · 2004 · Springer
الميكانيكا الإحصائيةKerson Huang · Wiley
الميكانيكا الإحصائيةPathria, Beale · Academic Press
الإحصاء الحيوي: أساس للتحليل في علوم الصحةDaniel, Cross · Wiley
الإحصاء الطبيCampbell, Machin, Walters · Wiley-Blackwell
تصميم التجاربR. A. Fisher · Oliver & Boyd