سحب حدث عشوائي أم مستخدم عشوائي اختيار يؤثر في من يصل إلى مجموعة البيانات. إذا كان لكل حدث الفرصة نفسها، فقد تزيد فرصة ظهور مستخدم لديه أحداث أكثر. أما اختيار معرف من قائمة مستخدمين فله مقام مختلف. وصف السحب بأنه عشوائي لا يغني عن تحديد الشيء الذي نسحب منه.
الخلاصة السريعة
تساوي فرص الأحداث لا يساوي تساوي فرص المستخدمين؛ اجمع فرص أحداث كل معرف إذا أردت حساب فرصة ظهور صاحبه.
- في مثالنا عشرة أحداث صحيحة مختلفة المعرفات، موزعة على ثلاثة مستخدمين بأعداد 1 و 3 و 6. اختيار حدث واحد بالتساوي يعطي فرص مستخدميه 10% و 30% و 60%.
- اختيار معرف واحد بالتساوي من قائمة المعرفات الثلاثة يعطي كل معرف فرصة 1/3 ، بصرف النظر عن عدد أحداثه.
- نجمع فرص أحداث المستخدم لأنها بدائل منفصلة في سحبة واحدة؛ قاعدة جمع الأحداث المتنافية تدعم الحساب. [1] زيادة عدد الأحداث الصحيحة ليست تكرار صف خاطئا بذاتها.
- المستخدم بلا حدث لا يظهر في إطار الأحداث. إذا شملته قائمة المستخدمين، تغير نطاق السحب؛ وثق الفترة والمعرفات والهدف ولا تعمم وصف أحداث المستخدم النشط على جميع المستخدمين.
ما الشيء الذي يحصل على الفرصة المتساوية؟
نؤلف سجلا كاملا لعشرة أحداث في فترة محددة. للمستخدم أ حدث واحد، وللمستخدم ب ثلاثة، وللمستخدم ج ستة. لكل حدث معرف مختلف، ونعرف صاحب كل حدث. جميعها أحداث صحيحة في المثال؛ لا نفترض أن نشاط ج نسخ خاطئة من صف واحد.
إذا اخترنا حدثا واحدا من العشرة بفرص متساوية، ففرصة كل معرف حدث 1/10. لكن سؤال «من صاحب الحدث المختار؟» يجمع أحداثا متعددة عند بعض الأشخاص. لكل حدث وحدة اختيار، ولصاحبه وحدة أخرى في النتيجة التي نريد وصفها.
يمكن أن يكون هدفنا وصف الحدث نفسه، فيناسبه نطاق الأحداث الذي حددناه. وإذا أردنا أن يحصل كل مستخدم على فرصة متساوية، فهذه قاعدة أخرى يجب أن نكتبها قبل الاختيار. لم نحدد أيهما أفضل لكل مشروع.
كيف نحسب فرصة صاحب الحدث؟
إذا اختير حدث أ الوحيد، ظهر أ؛ لذلك فرصته 1/10. لب ثلاثة بدائل، لكل منها 1/10 ، فيصبح المجموع 3/10. ولج ستة بدائل، فيصبح 6/10. مجموع فرص أصحاب الحدث الثلاثة يساوي 1.
في سحبة حدث واحد لا يمكن أن يقع الاختيار على حدثين مختلفين معا. لهذا نجمع فرص البدائل المتنافية؛ تشرح OpenStax قاعدة الجمع عند انعدام التقاطع. [1] هذا وصف لاحتمال وفق قاعدة السحب، وليس نسبة مشاركين قسناها بعد تنفيذ تجربة.
زيادة فرصة ج هنا ناتجة عن عدد أحداثه المشمولة في الإطار. لا نستنتج أنه أهم أو أن بياناته أصح أو أنه أنسب هدفا للتدريب من أ؛ تلك أسئلة أخرى لا تجيب عنها آلية السحب.
| معرف المستخدم | أحداثه من 10 | فرصته عبر حدث واحد متساوي السحب | فرصته عبر معرف واحد من 3 |
|---|---|---|---|
| أ | 1 | 1/10 = 10% | 1/3 |
| ب | 3 | 3/10 = 30% | 1/3 |
| ج | 6 | 6/10 = 60% | 1/3 |
ماذا يحدث إذا سحبنا المعرفات أولا؟
ننشئ بدلا من ذلك قائمة واحدة لكل معرف: أ وب وج، ثم نختار معرفا واحدا بالتساوي. لكل مستخدم فرصة 1/3. لا يغير كون ج يملك ستة أحداث هذه الفرصة، لأن اسمه يظهر مرة واحدة في قائمة الاختيار.
يبقى سؤال لاحق: ماذا نجمع بعد اختيار المعرف؟ قد نختار حدثا من أحداثه أو نضمها كلها وفق هدف معلوم. لا نخلط فرصة اختيار المستخدم مع عدد الصفوف التي قد تنتج بعد اختياره. هذا المقال يقارن نقطة الاختيار الأولى فقط.
ولا يفعل ترتيب الأحداث عشوائيا ثم أخذ أول حدث ما تفعله قائمة معرفات متساوية الفرصة، إذا كان الترتيب المفترض موزعا بالتساوي على الأحداث. سيظل المستخدم ذو الأحداث الستة صاحب ستة بدائل من عشرة.
أين يذهب المستخدم الذي لم يسجل حدثا؟
لنفترض أن هدفا أوسع يشمل مستخدما رابعا د لم يسجل حدثا خلال الفترة. لا توجد له وحدة في قائمة الأحداث العشرة، ففرصة ظهوره عبرها صفر. أما في قائمة أ وب وج ود، إذا اخترنا معرفا بالتساوي، ففرصة كل واحد 1/4. هذه قائمة ونطاق مختلفان عن مقارنة الثلاثة السابقة.
احفظ فترة السجل وتعريف الحدث والمعرف الذي يربطه بالمستخدم، واذكر إن كانت القائمة تشمل جميع المؤهلين أم أصحاب الأحداث فقط. حساب نسبة المستخدمين بلا أحداث يحتاج قائمة مناسبة؛ غياب الاسم من سجل النشاط وحده لا يحصيهم.
عند إعداد بيانات نموذج، اكتب ما تريد أن تمثله العينة وما كان متاحا في إطارها. المثال لا يثبت أداء أو انحيازا كميا لنموذج؛ يوضح اختلاف احتمال الوصول إلى البيانات عندما نغير وحدة الاختيار.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.