الأساليب الإحصائية الوصفية والاستنتاجية
تُعد الأساليب الإحصائية الوصفية مدخلًا أساسيًا لفهم البيانات في البحث العلمي، لأنها توفر للباحث أدوات أولية لتلخيص النتائج وتنظيمها، قبل الانتقال إلى الأساليب الاستنتاجية التي تهدف إلى تفسير العلاقات واختبار الفرضيات. ويكتسب هذا الموضوع أهمية خاصة داخل الجامعات السعودية في ظل ازدياد الاعتماد على التحليل الكمي في الدراسات العليا، والحاجة إلى بناء معرفة دقيقة مبنية على البيانات. ويستعرض هذا المقال مفهوم الأساليب الوصفية والاستنتاجية، وطرق استخدامها، وأهميتها، والأخطاء الشائعة عند تطبيقها، ودورها في دعم البحث العلمي.
ما هي الأساليب الإحصائية الوصفية؟ وكيف تساعد الباحث في تحليل البيانات؟
تشير الأساليب الإحصائية الوصفية إلى مجموعة من الأدوات التي تهدف إلى وصف البيانات وتقديم صورة أولية عنها، من خلال تنظيمها في جداول ورسوم بيانية وحساب مقاييس مثل المتوسط والوسيط والانحراف المعياري.
تكمن أهميتها في أنها:
- تساعد الباحث على فهم توزيع البيانات.
- تكشف عن اتجاهات عامة داخل العينة.
- تهيّئ البيانات للتحليل الاستنتاجي اللاحق.
وتُستخدم الأساليب الوصفية في المرحلة الأولى من أي دراسة كمية لأنها توفر قاعدة معلومات تُسهّل اتخاذ القرار بشأن الاختبارات الإحصائية المناسبة.
ما هي الأساليب الإحصائية الاستنتاجية؟ ولماذا تُعد مكملة للوصفية؟
تهدف الأساليب الاستنتاجية إلى تعميم النتائج من العينة إلى المجتمع، واختبار الفرضيات، وتحليل العلاقات بين المتغيرات. وتعتمد على مقاييس احتمالية تساعد الباحث على فهم دلالة النتائج.
وتتضمن أهم الأساليب الاستنتاجية:
- اختبارات الفروق مثل T-test و
- اختبارات العلاقات مثل الارتباط والانحدار.
- اختبارات الاستقلال مثل Chi-square.
- تقدير فواصل الثقة لقياس دقة النموذج.
ولا يمكن لهذه الأساليب أن تُستخدم بشكل صحيح دون مرحلة وصفية قوية، ولذلك وُصفت بأنّها مكملة لها في كل دراسة كمية.
لماذا يهتم الباحث بفهم الأساليب الإحصائية الوصفية؟
الأساليب الإحصائية الوصفية تمثّل نقطة الانطلاق التي يبدأ منها الباحث لفهم طبيعة بياناته، فهي تتيح له تكوين رؤية أولية واضحة قبل الانتقال إلى التحليل المتقدم أو الاستنتاجي، مما يجعل إدراكها شرطًا للقيام بتحليل دقيق وموثوق، كالتالي:
- يسعى الباحث إلى فهم بنية البيانات الأساسية لتحديد مدى جاهزيتها للتحليل المتقدم.
- ويهتم بـ تمييز نوع المتغيرات لتجنب استخدام اختبارات لا تتناسب مع طبيعة البيانات.
- كما يحرص على تحديد التوزيع الإحصائي للبيانات لأن ذلك يؤثر على اختيار الأسلوب التحليلي اللاحق.
- ويركز على قياس الاتجاهات المركزية والتشتت لتكوين صورة أولية عن خصائص العينة.
- ويحتاج إلى كشف القيم المتطرفة والمفقودة لأنها قد تشوّه نتائج التحليل الاستدلالي لاحقًا.
- ويستخدم الأساليب الوصفية في تلخيص البيانات بشكل يسهل عرضه في الجداول والرسوم البيانية.
- كما يعتمد عليها في تقييم جودة أدوات القياس من خلال تحليل تكرارات البيانات ودرجات التشتت.
- ويستفيد منها في تحديد الأسلوب الإحصائي الأنسب للمرحلة التالية من التحليل.
- وتساعده في تفسير العلاقات الأولية بين المتغيرات قبل اختبارها استدلاليًا.
- وتُمكّنه من تقديم مقدمة تحليلية قوية في دراسته تعكس فهمًا علميًا للبيانات قبل الخوض في الاختبارات المتقدمة.
وبناءً على ما سبق، يتضح أن استيعاب الأساليب الإحصائية الوصفية ليس مجرد مرحلة تمهيدية، بل هو عنصر جوهري يوجّه الباحث نحو اختيار الاختبارات المناسبة وتحقيق تحليل متكامل؛ وهذا يمهّد لفهم الفروق العلمية بين الأساليب الوصفية والاستنتاجية داخل الدراسات الأكاديمية.
الفرق بين الأساليب الإحصائية الوصفية والاستنتاجية
الأساليب الإحصائية الوصفية تُعد المرحلة الأولى في تحليل البيانات، إذ تمنح الباحث صورة أولية واضحة عن خصائص العينة قبل الانتقال إلى الاستنتاج، بينما تُستخدم الأساليب الاستنتاجية لتعميم النتائج واختبار الفرضيات، مما يجعل العلاقة بينهما تكاملية في أي دراسة علمية، كما يلي:
1- الهدف الأساسي للتحليل
الأساليب الإحصائية الوصفية: تهدف إلى تلخيص البيانات وفهم خصائصها الأولية.
الأساليب الإحصائية الاستنتاجية: تهدف إلى اختبار الفرضيات والوصول إلى تعميمات على مجتمع الدراسة.
2- طبيعة المخرجات
الأساليب الإحصائية الوصفية: تقدم متوسطات وتكرارات وانحرافات معيارية.
الأساليب الإحصائية الاستنتاجية: تقدم قيمًا اختبارية ومستويات دلالة تُستخدم للحكم على الفروض.
3- نطاق التطبيق
الأساليب الإحصائية الوصفية: تُستخدم داخل حدود العينة فقط.
الأساليب الإحصائية الاستنتاجية: تتجاوز العينة لتقدير خصائص المجتمع الأكبر.
4- دور البيانات المبدئية
الأساليب الإحصائية الوصفية: تكشف عن شكل البيانات وتوزيعها قبل أي اختبار.
الأساليب الإحصائية الاستنتاجية: تعتمد على نتائج الوصفية لتحديد الاختبار الأنسب.
5- التعامل مع العلاقات
الأساليب الإحصائية الوصفية: تعطي مؤشرات أولية عن الارتباطات.
الأساليب الإحصائية الاستنتاجية: تختبر قوة العلاقة ودلالتها باستخدام نماذج متقدمة.
6- مستوى التعقيد
الأساليب الإحصائية الوصفية: بسيطة ومباشرة في التطبيق.
الأساليب الإحصائية الاستنتاجية: أكثر تعقيدًا وتتطلب شروطًا وفرضيات يجب تحققها.
7- دورها في بناء القرارات البحثية
الأساليب الإحصائية الوصفية: تساعد في اختيار الطريقة المناسبة للتحليل التالي.
الأساليب الإحصائية الاستنتاجية: تؤكد أو تنفي صحة الفروض وتوجّه الاستنتاجات النهائية.
8- علاقتها بأدوات القياس
الأساليب الإحصائية الوصفية: تكشف عن جودة البيانات ووجود قيم متطرفة.
الأساليب الإحصائية الاستنتاجية: تحتاج إلى بيانات سليمة لضمان صحة النتائج والتعميم.
9- تأثيرها على عرض النتائج
الأساليب الإحصائية الوصفية: تظهر غالبًا في الجداول والرسوم البيانية الأولى.
الأساليب الإحصائية الاستنتاجية: تظهر في الجداول التحليلية التي تحدد الدلالة وأثر المتغيرات.
10- تكامل الدورين داخل البحث العلمي
الأساليب الإحصائية الوصفية: تمهّد الطريق لأي تحليل لاحق.
الأساليب الإحصائية الاستنتاجية: تبني على نتائج الوصفية للوصول إلى أحكام علمية دقيقة.
وبناءً على ذلك، يتضح أن الوصفية والاستنتاجية ليستا منهجين منفصلين، بل مرحلتين متكاملتين؛ تبدأ الأولى بفهم طبيعة البيانات وتحديد خصائصها، بينما تستكمل الثانية العملية باختبار العلاقات وتفسيرها علميًا، مما يعكس أهميتهما المشتركة في بناء تحليل متكامل وموثوق.
أهمية الأساليب الإحصائية الوصفية والاستنتاجية في البحث العلمي
الأساليب الإحصائية الوصفية تمثّل الأساس الذي يقوم عليه فهم البيانات في أي دراسة كمية، فهي تمهّد للتحليل الاستنتاجي وتدعم بناء قرارات علمية دقيقة، مما يجعلها عنصرًا محوريًا في جودة البحث وموثوقيته داخل الجامعات السعودية، كالاتي:
- تساعد الأساليب الوصفية والاستنتاجية على تعزيز القدرة على تفسير البيانات بشكل منظم يكشف خصائص العينة قبل الانتقال للاختبارات المتقدمة.
- وتُسهم في تحسين جودة القرارات البحثية عبر توفير أدلة كمية تدعم اختيار الأساليب المناسبة للتحليل.
- وتُعد ركيزة رئيسية في رفع دقة الدراسات المنشورة من خلال ضبط مراحل التلخيص ثم التعميم.
- وتُساعد في بناء فهم أعمق للعلاقات بين المتغيرات سواء كانت ارتباطية أو سببية، مما يقوي الاستنتاجات العلمية.
- كما توفر أساسًا موضوعيًا للحكم على الفرضيات بدل الاعتماد على التقديرات الذاتية أو التفسيرات الحدسية.
- وتُسهم في تبسيط عرض النتائج عبر جداول ورسوم وصفية، ثم تدعيمها باختبارات استنتاجية دقيقة.
- وتساعد في الكشف المبكر عن المشكلات في البيانات مثل القيم المتطرفة والتشتت العالي.
- وتُبرز اتجاهات البيانات الأولى التي تُسهّل اختيار الاختبار الاستنتاجي الأكثر ملاءمة.
- وتُستخدم في تحديد قوة التأثير والدلالة العلمية مما يدعم القرارات المنهجية داخل الرسائل الجامعية.
- وتُعزّز موثوقية البحث وملاءمته للنشر العلمي من خلال ربط المخرجات الوصفية بالاستنتاجات الدقيقة.
وبذلك يتضح أن الأساليب الإحصائية الوصفية والاستنتاجية تشكّل منظومة مترابطة تبدأ بفهم طبيعة البيانات وتنتهي باختبار الفرضيات والتعميم، مما يجعلها عنصرًا لا يمكن الاستغناء عنه في الدراسات الأكاديمية ذات الجودة العالية، ويمهّد لتقديم أمثلة تطبيقية توضّح كيفية استخدامها في البحوث المختلفة.
أمثلة تطبيقية على استخدام الأساليب الإحصائية الوصفية والاستنتاجية
الأساليب الإحصائية الوصفية تُعد مدخلًا أساسيًا لفهم البيانات قبل الانتقال إلى التحليل الاستنتاجي، ولذلك تُستخدم في مجالات متعددة لدراسة الظواهر وتفسيرها بدقة، مما يجعل تطبيقها جزءًا جوهريًا في البحوث العلمية، تشمل:
1- تحليل استبيانات طلاب الجامعات
تُستخدم الأساليب الوصفية في تلخيص إجابات الطلاب عبر المتوسطات والتكرارات، بينما تُستخدم الأساليب الاستنتاجية لاختبار الفروق بين المجموعات أو قياس أثر برنامج تدريبي محدد. ويسهم ذلك في تقييم جودة البرامج التعليمية وتحسينها بناءً على أدلة كمية.
2- الدراسات الصحية
تعتمد الأبحاث الصحية على وصف خصائص العينة مثل العمر والجنس ومعدلات الإصابة، ثم تنتقل إلى التحليل الاستنتاجي لفحص العلاقة بين عوامل الخطر والنتائج الصحية باستخدام اختبارات مثل الانحدار اللوجستي. ويتيح ذلك بناء سياسات صحية مبنية على البيانات.
3- البحوث التربوية والاجتماعية
تبدأ هذه الدراسات بتحليل وصفي يحدد الاتجاهات السلوكية أو التعلمية، ثم تستخدم التحليل الاستنتاجي لقياس تأثير متغيرات مثل الدافعية أو البيئة الصفية. ويساعد هذا الدمج في تقديم توصيات تربوية مستندة إلى نتائج علمية واضحة.
4- الدراسات الاقتصادية
تستخدم الأساليب الوصفية لعرض مؤشرات مثل معدلات البطالة أو التضخم، ثم تُطبق أساليب استنتاجية لبناء نماذج تنبؤية تعتمد على البيانات التاريخية، مما يمكّن صانعي القرار من توقع التغيرات المستقبلية واتخاذ قرارات استراتيجية.
5- تحليل البيانات الضخمة Big Data
يبدأ التحليل بوصف السمات الأساسية للبيانات، ثم تُدار نماذج استنتاجية متقدمة للكشف عن الأنماط المعقدة، خاصة في قطاع التكنولوجيا والتمويل. ويسهم ذلك في تعزيز دقة التوقعات وتحسين كفاءة الأنظمة الذكية.
6- الدراسات المتعلقة بتطوير البرامج والخدمات
تستخدم الهيئات الحكومية والشركات الأساليب الوصفية لقياس الرضا العام، ثم تعتمد على الأساليب الاستنتاجية لاختبار فعالية التعديلات المقترحة على الخدمات. ويساعد ذلك في تصميم خطط تطوير تعتمد على أدلة واضحة.
وبناءً على ما سبق، يتضح أن الأساليب الإحصائية الوصفية والاستنتاجية ليست مجرد أدوات تحليل، بل هي إطار متكامل يساعد الباحثين والمؤسسات على تفسير البيانات واتخاذ قرارات مبنية على الأدلة؛ ومع ذلك، فإن سوء تطبيق هذه الأساليب قد يؤدي إلى استنتاجات خاطئة، مما يستدعي التوقف عند أبرز الأخطاء الشائعة.
أخطاء شائعة في تطبيق الأساليب الإحصائية الوصفية والاستنتاجية
الأساليب الإحصائية الوصفية تمثّل حجر الأساس لأي تحليل لاحق، إلا أن سوء استخدامها أو إساءة تطبيق الأساليب الاستنتاجية يمكن أن يؤدي إلى نتائج غير دقيقة، الأمر الذي يجعل الوعي بالأخطاء الشائعة خطوة ضرورية لضمان جودة الدراسات العلمية، أبرزها:
- الوقوع في خطأ استخدام المتوسط في بيانات غير متماثلة مما يؤدي إلى تفسير مضلل للاتجاه المركزي.
- استخدام مقاييس غير مناسبة للتشتت في بيانات تحتوي على قيم متطرفة، وهو ما يُضعف دلالة التحليل الوصفي.
- تجاهل شروط الاختبارات الإحصائية مثل شرط التوزيع الطبيعي أو تجانس التباين، مما يجعل النتائج الاستنتاجية غير صالحة.
- سوء فهم الدلالات الإحصائية وخاصة p-value التي تتطلب تفسيرًا علميًا دقيقًا بعيدًا عن الفهم الشائع الخاطئ.
- الاعتماد المفرط على البرامج الإحصائية دون إدراك الأساس المنهجي الذي تقوم عليه، مما يُسقط الباحث في قراءات سطحية.
- استخدام عينات صغيرة لا تسمح بالتحليل الاستنتاجي أو تعميم النتائج، مما يضعف قوة البحث.
- تطبيق اختبارات غير مناسبة لطبيعة المتغيرات مثل استخدام اختبارات بارامترية مع بيانات ترتيبية.
- إغفال معالجة البيانات المفقودة والمتطرفة مما يؤدي إلى انحراف واضح في النتائج النهائية للدراسة.
- الخلط بين قوة الارتباط وسببية العلاقة وهو خطأ شائع في الدراسات الاجتماعية والتربوية.
- عدم التحقق من صدق وثبات أدوات القياس قبل تطبيق التحليل، مما يجعل النتائج المستخلصة غير موثوقة.
وبناءً على ما سبق، يتضح أن الأخطاء التحليلية قد تؤثر في مصداقية النتائج، حتى لو كانت البيانات جيدة في أصلها، مما يجعل اختيار الأسلوب الإحصائي المناسب خطوة مركزية لضمان جودة الدراسة ودقة تفسيرها؛ وهو ما يستدعي فهمًا منهجيًا واضحًا لكيفية اختيار الأسلوب الأمثل.
كيفية اختيار الأسلوب الإحصائي الأنسب للدراسة؟
الأساليب الإحصائية الوصفية تمثّل نقطة البداية التي يُبنى عليها القرار التحليلي، ولذلك فإن اختيار الأسلوب الإحصائي الأنسب يتطلب فهمًا دقيقًا لطبيعة البيانات والفرضيات وشروط التطبيق، مما يجعل هذه الخطوة أساسًا لبلوغ نتائج دقيقة وموثوقة، فيما يلي:
1- تحديد نوع المتغيرات
يبدأ الباحث بتحديد ما إذا كانت المتغيرات كمية، وصفية، ترتيبية أو ثنائية، لأن طبيعة المتغير تحدد بشكل مباشر الاختبار الإحصائي المسموح استخدامه. ويساعد هذا التمييز في تجنب الاختبارات غير المناسبة التي قد تشوه النتائج.
2- فهم طبيعة الفرضيات
تختلف الأساليب الإحصائية باختلاف نوع السؤال البحثي؛ فبعض الدراسات تتطلب مقارنة مجموعات، وأخرى تحتاج لقياس علاقة أو توقع متغير. ويساعد وضوح الفرضية في اختيار التحليل الذي يخدم الهدف العلمي بفاعلية.
3- تقييم حجم العينة
يمثل حجم العينة عنصرًا حاسمًا في اختيار الأساليب الاستنتاجية، إذ تؤدي العينة الصغيرة إلى ضعف القدرة على اكتشاف الفروق أو العلاقات. وتحدد بعض الاختبارات حدًا أدنى لحجم العينة لضمان صحة النتائج.
4- التحقق من الافتراضات الإحصائية
تعتمد الاختبارات البارامترية على شروط مثل التوزيع الطبيعي وتجانس التباين، بينما لا تتطلب الاختبارات اللابارامترية هذه الشروط. ويؤثر تجاهل هذه الافتراضات بشكل مباشر على دقة التحليل.
5- الرجوع إلى معايير الجامعة أو الجهة الأكاديمية
تفرض الجامعات خصوصًا السعودية معايير واضحة لتحديد الأساليب المقبولة في الرسائل العلمية. ويساعد الالتزام بهذه المعايير على ضمان جودة العمل وإمكانية قبوله للنشر أو المناقشة.
6- فهم مستوى القياس المستخدم
يؤثر مستوى القياس (اسمي، رتبي، فئوي، نسبي) في اختيار الأسلوب الإحصائي، حيث ترتبط بعض الاختبارات بمستويات معينة فقط. ويضمن ذلك سلامة التطبيق وموثوقية النتائج.
7- تحديد طبيعة الدراسة (وصفية أم تجريبية)
تتطلب الدراسات التجريبية غالبًا أساليب استنتاجية مثل ANOVA والانحدار، بينما تعتمد الدراسات الوصفية على التلخيص والتحليل الأولي. ويساعد تحديد نوع الدراسة في توجيه الباحث نحو الأسلوب الأمثل.
8- مراجعة الأدبيات العلمية السابقة
يساعد الرجوع للدراسات السابقة في نفس المجال على تحديد الأساليب التحليلية المعتمدة، مما يقلل من الأخطاء ويوجه الباحث نحو الممارسات الأكثر قبولًا في التخصص.
وبناءً على هذه المعايير، يتضح أن اختيار الأسلوب المناسب ليس خطوة عشوائية، بل عملية منهجية تتطلب فهمًا لطبيعة البيانات وشروط الاختبارات ومعايير المؤسسات الأكاديمية؛ وهو ما يمهّد للتعرف على الدور الحيوي الذي تلعبه البرمجيات الإحصائية في تطبيق هذه الأساليب بدقة وكفاءة.
دور البرمجيات الإحصائية في تطبيق الأساليب الوصفية والاستنتاجية
الأساليب الإحصائية الوصفية تعتمد على أدوات رقمية تساعد الباحث في تحليل البيانات بدقة وكفاءة، إذ توفر البرمجيات قدرات واسعة لتنفيذ التحليل الوصفي والاستنتاجي دون تعقيد، مما يجعلها جزءًا محوريًا في البحوث الكمية، أبرزها:
1- دور SPSS في تلخيص البيانات
يساعد SPSS الباحث على إنتاج جداول تلخص المتوسطات والانحرافات والتكرارات بسرعة، مما يوفر فهمًا أوليًا لطبيعة البيانات. ويتيح أدوات تسمح بالتعرف على الأنماط الأساسية قبل الانتقال إلى التحليل المتقدم.
2- تسهيل الاختبارات الاستنتاجية عبر SPSS
يمكّن SPSS من تطبيق اختبارات الفروق والارتباط والانحدار بسهولة، بما يدعم الحكم على الفرضيات بطريقة منهجية. ويوفر مخرجات قابلة للتفسير تساعد في بناء استنتاجات دقيقة.
3- استخدام AMOS في النمذجة الهيكلية
يتيح AMOS للباحث تحليل العلاقات المعقدة بين المتغيرات عبر نماذج SEM، مما يسهم في اختبار النظريات وبناء نماذج تفسيرية. وتساعد واجهته البصرية على فهم شكل العلاقات بوضوح.
4- دور AMOS في تحليل العوامل
يوفر البرنامج أدوات قوية لاستخراج العوامل الكامنة وتحديد بنية المتغيرات، وهو أمر حاسم في الدراسات التي تتطلب التحقق من الصدق البنائي. ويساعد في اتخاذ قرارات دقيقة حول صلاحية أدوات القياس.
5- استخدام SmartPLS في النماذج التنبؤية
يُستخدم SmartPLS في تحليل النماذج التي تهتم بالتفسير والتنبؤ، خاصة عندما تكون البيانات غير طبيعية أو العينة صغيرة. ويعتمد عليه الباحثون في الدراسات الاستكشافية واسعة الانتشار.
6- قوة R في التحليل المتقدم
يوفر R إمكانيات تحليلية كبيرة عبر آلاف المكتبات التي تغطي الوصفي والاستنتاجي، مما يمنح الباحث مرونة عالية. ويُستخدم على نطاق واسع في الإحصاء التطبيقي والبيانات الضخمة.
7- مساهمة البرمجيات في تقليل الأخطاء
توفر البرمجيات عمليات حسابية دقيقة تقلل من احتمالات الخطأ البشري، وتضمن تكرار النتائج بسهولة. ويساعد ذلك على زيادة موثوقية التحليل الإحصائي.
8- دعم البرمجيات لعرض النتائج بصريًا
تتيح هذه الأدوات إنشاء رسوم بيانية احترافية تساعد الباحث على توصيل النتائج بوضوح، مما يحسّن جودة العرض في الرسائل العلمية والتقارير. وتعد الرسوم جزءًا مهمًا من التحليل الوصفي.
9- تسريع تنفيذ النماذج المعقدة
تُساعد البرمجيات في تنفيذ نماذج قد تكون معقدة حسابيًا إذا أجريت يدويًا، مثل الانحدار المتعدد أو العوامل. ويسهم ذلك في رفع كفاءة الباحث وتقليل الوقت المستغرق في التحليل.
10- دعم اتخاذ القرارات التحليلية
تقدم هذه البرامج خيارات متعددة للأساليب الإحصائية، مما يساعد الباحث على تحديد التحليل الأنسب بناءً على طبيعة البيانات. وتلعب دورًا مهمًا في تعزيز دقة النتائج وموثوقيتها.
الخاتمة
تُمثّل الأساليب الإحصائية الوصفية والاستنتاجية حجر الأساس في منهجية البحث الكمي، لأنها تمكّن الباحث من فهم البيانات، وتحليل العلاقات، والوصول إلى نتائج دقيقة وموثوقة. وكلما زادت معرفة الباحث بهذه الأساليب، ارتفع مستوى دراسته وجودتها، وازدادت قدرتها على دعم القرارات الأكاديمية والعلمية داخل الجامعات السعودية.
دور منصة إحصائي في دعم الباحثين في التحليل الوصفي والاستنتاجي
تسهم منصة إحصائي في مساعدة الباحثين عبر:
- تنفيذ التحليل الوصفي والاستنتاجي بجميع اختباراتهما.
- بناء نماذج الارتباط والانحدار والمعادلات الهيكلية.
- تفسير النتائج وكتابتها وفق متطلبات الدراسات العليا.
- مساعدة الباحث على اختيار الأسلوب الأنسب لطبيعة بياناته.
المراجع
Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical data. Annals of cardiac anaesthesia, 22(1), 67-72.
