صفحة 167 - كتاب علم البيانات - الصف 11 - الفصل 1 - المملكة العربية السعودية

📚 إعدادات التوقع الإضافية

المفاهيم الأساسية

الانحدار الخطي (Linear Regression): نموذج إحصائي لكشف العلاقة بين متغيرين مستمرين، حيث يتم التنبؤ بقيم متغير تابع بناءً على قيم متغير مستقل.

فاصل الثقة (Confidence interval): يحدد دقة التنبؤ (يستخدم مايكروسوفت إكسل هذا المصطلح بدلاً من "نطاق الثقة").

خريطة المفاهيم

```markmap

4. نمذجة البيانات التنبؤية والتوقع

التوقع (Forecasting)

خطوات عملية التوقع

#### خطوة 4: إنشاء التوقعات.

##### مخرجات إنشاء ورقة عمل التنبؤ في إكسل

• جدول يحتوي على:

- القيم المتوقعة (العمود C)

- حالة عدم اليقين (العمودان D و E)

- الحد الأعلى للثقة (Upper Confidence Bound)

- الحد الأدنى للثقة (Lower Confidence Bound)

• مخطط لتمثيل البيانات

#### خطوة 5: تمثيل البيانات رسومياً.

##### التمثيل الرسومي للتوقع

• مخطط خطي يوضح:

- المسار الأصلي للبيانات

- القيم المتوقعة

- حدود الثقة (منطقة عدم اليقين)

#### إعدادات التوقع الإضافية

##### إنشاء ورقة عمل التنبؤ

• الوصول إلى الإعدادات المتقدمة عبر خيارات (Options)

##### إعدادات رئيسية

• فاصل الثقة (Confidence interval): لتحديد دقة التنبؤ (مثال: 95%)
• الموسمية (Seasonality): يمكن تعيينها تلقائياً (مثال: 12) عبر خيار "الكشف تلقائياً (Detect Automatically)"

##### حدود الانحدار الخطي

• قد لا يتعامل بشكل جيد مع البيانات النوعية (مثل تفضيلات السائحين)
• يمكن أن يجعل التوقعات بعيدة عن الواقع إذا تجاهل تأثير البيانات النوعية

```

نقاط مهمة

• يستخدم النموذج الانحدار الخطي في برنامج إكسل للتنبؤ بالقيم المستقبلية بناءً على البيانات السابقة.
• من خلال إعدادات التوقع الإضافية، يمكن التحكم في فاصل الثقة واكتشاف الموسمية تلقائياً.
• الانحدار الخطي هو الأكثر شيوعاً وموثوقية للتنبؤ، لكن له حدود في التعامل مع البيانات النوعية.

إعدادات التوقع الإضافية Additional Forecast Settings

يستخدم النموذج برنامج إكسل لتوقع القيم المستقبلية للبيانات بناءً على القيم الموجودة (البيانات السابقة) باستخدام الانحدار الخطي (Linear Regression) وهو نموذج إحصائي لكشف العلاقة بين متغيرين مستمرين، حيث يتم التنبؤ من خلاله بقيم متغير تابع بناءً على قيم متغير مستقل (في المثال السابق المتعلق بالسياحة يمثل عدد الرحلات السياحية المتغير التابع، بينما يكون المتغير المستقل هو الوقت ممثلاً بالشهور). ويُعد الانحدار الخطي نوعًا أساسيًا وشائع الاستخدام في التحليل التنبؤي والذي يتيح فهم ودراسة العلاقة الكمية بين متغيرين مستمرين.

إنشاء ورقة عمل التنبؤ

إذا قمت بالضغط على خيارات (Options)، فستظهر قائمة منسدلة تمكنك من تغيير الإعدادات المتقدمة الخاصة بالتنبؤ.

شكل 4.12: إعدادات التوقع الإضافية

يحدد فاصل الثقة (Confidence interval) دقة التنبؤ.

من خلال اختيار الكشف تلقائياً (Detect Automatically)، يُمكن لبرنامج إكسل تعيين قيمة الموسمية (Seasonality) تلقائياً إلى 12.

على الرغم من أن الانحدار الخطي هو الأكثر شيوعًا وموثوقية للتنبؤ في النموذج، إلا أنه قد لا يقتصر إلى إمكانية التعامل مع البيانات النوعية. فعلى سبيل المثال، قد تتمثل بعض البيانات النوعية في المثال المتعلق بالسياحة في تفضيلات السائحين بخصوص توقيت حصولهم على العطلة أو الإجازة، وتعد هذه البيانات ذات تأثير في مسألة اختيار زمان ومكان قضاء العطلة. قد تعمل دالة التوقع القائمة على الانحدار الخطي في بعض الأحيان، ولكن عدم تعامل الانحدار الخطي مع البيانات النوعية يجعل الكثير من التوقعات بعيدة عن الواقع بشكل كبير، مما يؤثر سلبًا على التنبؤات بشكل عام.

يستخدم مايكروسوفت إكسل مصطلح مختلف لنطاق الثقة (Confidence interval) وهو فاصل الثقة.

وزارة التعليم Ministry of Education 2025 - 1447

إعدادات التوقع الإضافية Additional Forecast Settings يستخدم النموذج برنامج إكسل لتوقع القيم المستقبلية للبيانات بناءً على القيم الموجودة (البيانات السابقة) باستخدام الانحدار الخطي (Linear Regression) وهو نموذج إحصائي لكشف العلاقة بين متغيرين مستمرين، حيث يتم التنبؤ من خلاله بقيم متغير تابع بناءً على قيم متغير مستقل (في المثال السابق المتعلق بالسياحة يمثل عدد الرحلات السياحية المتغير التابع، بينما يكون المتغير المستقل هو الوقت ممثلاً بالشهور). ويُعد الانحدار الخطي نوعًا أساسيًا وشائع الاستخدام في التحليل التنبؤي والذي يتيح فهم ودراسة العلاقة الكمية بين متغيرين مستمرين. إنشاء ورقة عمل التنبؤ إذا قمت بالضغط على خيارات (Options)، فستظهر قائمة منسدلة تمكنك من تغيير الإعدادات المتقدمة الخاصة بالتنبؤ. شكل 4.12: إعدادات التوقع الإضافية يحدد فاصل الثقة (Confidence interval) دقة التنبؤ. من خلال اختيار الكشف تلقائياً (Detect Automatically)، يُمكن لبرنامج إكسل تعيين قيمة الموسمية (Seasonality) تلقائياً إلى 12. على الرغم من أن الانحدار الخطي هو الأكثر شيوعًا وموثوقية للتنبؤ في النموذج، إلا أنه قد لا يقتصر إلى إمكانية التعامل مع البيانات النوعية. فعلى سبيل المثال، قد تتمثل بعض البيانات النوعية في المثال المتعلق بالسياحة في تفضيلات السائحين بخصوص توقيت حصولهم على العطلة أو الإجازة، وتعد هذه البيانات ذات تأثير في مسألة اختيار زمان ومكان قضاء العطلة. قد تعمل دالة التوقع القائمة على الانحدار الخطي في بعض الأحيان، ولكن عدم تعامل الانحدار الخطي مع البيانات النوعية يجعل الكثير من التوقعات بعيدة عن الواقع بشكل كبير، مما يؤثر سلبًا على التنبؤات بشكل عام. يستخدم مايكروسوفت إكسل مصطلح مختلف لنطاق الثقة (Confidence interval) وهو فاصل الثقة. وزارة التعليم Ministry of Education 2025 - 1447 --- VISUAL CONTEXT --- **GRAPH**: Untitled Description: The graph displays historical data and a future forecast for 'Tourist Trips' over 24 months. The blue line represents historical data from month 1 to 12, showing significant fluctuations. The orange line represents the forecast from month 12 to 24, showing a gradual decrease. Two lighter orange lines represent the upper and lower bounds of the 95% confidence interval for the forecast. X-axis: الوقت (الشهور) Y-axis: القيم (الرحلات السياحية) Data: The historical data (blue line) shows values ranging from approximately 600 to 2000. The forecast data (orange line) starts at 1800 and decreases to 700. The confidence interval widens slightly over time, indicating increasing uncertainty in the forecast. Context: This graph illustrates a time series forecast, showing historical data, a predicted future trend, and the associated confidence interval. It is used to demonstrate the output of the 'Additional Forecast Settings' feature in a software like Excel. **DIAGRAM**: إعدادات التوقع الإضافية Description: A diagram representing a user interface window for 'Additional Forecast Settings'. It contains various input fields, checkboxes, and radio buttons to configure a forecast. Key sections include 'Forecast End', 'Forecast Start', 'Confidence Interval', 'Seasonality', 'Include Forecast Statistics', 'Timeline Range', 'Values Range', 'Fill Missing Points Using', and 'Aggregate Duplicates Using'. Data: The diagram shows the following settings: 'Forecast End' is set to 24. 'Forecast Start' is set to 12. 'Confidence Interval' is checked and set to 95%. 'Seasonality' is set to 'Detect Automatically'. 'Include Forecast Statistics' is unchecked. 'Timeline Range' is set to '2019!$A$1:$A$13'. 'Values Range' is set to '2019!$C$1:$C$13'. 'Fill Missing Points Using' is set to 'Infer'. 'Aggregate Duplicates Using' is set to 'Average'. Key Values: Forecast End: 24, Forecast Start: 12, Confidence Interval: 95%, Seasonality: Detect Automatically, Timeline Range: 2019!$A$1:$A$13, Values Range: 2019!$C$1:$C$13, Fill Missing Points Using: Infer, Aggregate Duplicates Using: Average Context: This diagram visually represents the configuration options available in a software application (likely Microsoft Excel) for generating forecasts, as described in the accompanying text. It demonstrates how users can customize parameters such as forecast range, confidence level, seasonality detection, and handling of missing or duplicate data points.