# فصل ۰۵ — آیا این اختلاف واقعی است؟

<div dir="rtl">

# فصل ۰۵ — آیا این اختلاف واقعی است؟

## در این فصل چه یاد می‌گیری

دو کتابدار در یک شعبه: یکی ۷۰ درصد از امانت‌هایش سرِ وقت برگشته و دیگری ۵۰ درصد. بیست واحد اختلاف. و دو شعبه: نسیم ۷۲٫۰ درصد و مرکزی ۶۲٫۳ درصد — که روی سطرهای خام ۹٫۶۵ واحد اختلاف می‌شود.

جوابِ این فصل وارونهٔ چیزی است که عددها نشان می‌دهند: **اختلافِ بیست‌واحدیِ دو کتابدار اصلاً اختلاف نیست، و اختلافِ ۹٫۶۵ واحدیِ دو شعبه هست.** تفاوتشان در بزرگیِ عدد نیست، در تعدادِ سطرهایی است که عدد از آن‌ها ساخته شده.

چهار بار تا اینجا در آوند به این پرسش رسیدیم — آخرِ پروژهٔ ترمِ ۱، آخرِ پروژهٔ ترمِ ۲، آخرِ پروژهٔ ترمِ ۳، و آخرِ پروژهٔ ترمِ ۵ — و هر بار نوشتیم «با ابزارهای این ترم جواب ندارد». **این فصل آن ابزار است، و یک قاعدهٔ کوچک از آن درمی‌آید: اختلافی که داخلِ باند بیفتد، اختلاف نیست.**

![خط‌کشی با ابری از نشانه‌های تکراری، دو خط عمودی که لبه‌های ابر را می‌بندند، و دو پیکان که یکی داخل ابر و دیگری بیرون آن نشسته است](/lesson-assets/t6-s05-is-this-difference-real/prompt/01-image-band-and-two-marks.png)

آخر این فصل می‌توانی:

- برچسبِ گروه را با `SEED` ثابت برهم بزنی و همان سنجه را چند صد بار دوباره حساب کنی
- به‌جای یک عدد، یک **باند** تحویل بدهی و بگویی اختلافت داخلش افتاده یا بیرونش
- نشان بدهی چرا همان اختلاف روی ۲۰ سطر و روی ۳٬۰۰۰ سطر دو چیزِ کاملاً متفاوت‌اند
- بگویی این باند دربارهٔ چه چیزهایی **حرف نمی‌زند**

## قبل از شروع

**از فصلِ ۴:** نرخِ خام و نرخِ تعدیل‌شده، گروهِ مرجع، و پنجرهٔ برابر — که در بخشِ ۶ هر سه دوباره لازم می‌شوند. **از ترمِ ۱:** پارامترِ `?`.

**تعریفِ سنجه و پنجره، همان فصلِ ۴:** «بازگشتِ به‌موقع» یعنی `returned_at <= due_at`، یک سطر یک امانتِ **برگشته** است، و فقط امانت‌هایی می‌آیند که پیش از `2025-04-01` گرفته شده‌اند. **بخشِ ۶ یک استثنا دارد و همان‌جا اعلامش می‌کند.**

**و یک یادداشتِ کوتاه برای کسی که ترمِ ۵ را خوانده:** آنجا برای زمانِ اجرا «پهنای نوسان» ساختیم و قاعده‌اش این بود که تفاوتی کوچک‌تر از نوسان تفاوت نیست. این فصل دقیقاً همان کار را برای **شمارش** می‌کند. **اگر ترمِ ۵ را نخوانده‌ای هیچ‌چیزی از دست نداده‌ای؛ این فصل از صفر ساخته می‌شود.**

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-6-number-to-decision/session-05-is-this-difference-real.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `titles` | ۱٬۲۰۰ | آنی |
| `loans` | ۱۶٬۸۳۴ | کمتر از دو ثانیه |
| `branches` | ۶ | آنی |
| `tiny_shifts` (همین فصل می‌سازدش) | ۲۰ | آنی |

<div dir="rtl">

## ۱. بیست امانت که با انگشت شمردنی است

دو کتابدارِ یک شعبه، هرکدام ده امانتِ برگشته را پیگیری کرده‌اند. کلِ داده بیست سطر است و می‌شود همه‌اش را شمرد.

</div>

```python
con.execute("DROP TABLE IF EXISTS tiny_shifts")
con.execute("""
    CREATE TABLE tiny_shifts (
        worker  TEXT    NOT NULL,
        loan_id INTEGER NOT NULL,
        on_time INTEGER NOT NULL
    )
""")
con.executemany("INSERT INTO tiny_shifts VALUES (?, ?, ?)",
                [("الف", i, 1) for i in range(1, 8)] +
                [("الف", i, 0) for i in range(8, 11)] +
                [("ب", i, 1) for i in range(11, 16)] +
                [("ب", i, 0) for i in range(16, 21)])
con.commit()

print(q("""
    SELECT worker,
           COUNT(*)     AS loans,
           SUM(on_time) AS on_time,
           ROUND(100.0 * SUM(on_time) / COUNT(*), 1) AS pct
    FROM tiny_shifts
    GROUP BY worker
    ORDER BY pct DESC
"""))
```

```text
  worker  loans  on_time   pct
0    الف     10        7  70.0
1      ب     10        5  50.0
```

<div dir="rtl">

**هفت از ده در برابرِ پنج از ده.** جدول درست است، دانه‌بندی‌اش اعلام شده، و شمارشِ کنترلی هم کنارش هست. اگر همین را تحویل بدهی، کسی که می‌خواندش نتیجه می‌گیرد الف بهتر کار می‌کند.

ولی یک سؤالِ ساده هنوز جواب ندارد: **اگر این بیست امانت را کاملاً تصادفی بینِ دو کتابدار پخش می‌کردی، چقدر اختلاف درمی‌آمد؟** اگر جوابْ «تقریباً همین‌قدر» باشد، آن بیست واحد چیزی دربارهٔ کتابدارها نمی‌گوید.

## ۲. اگر برچسب هیچ معنایی نداشت

روشِ جواب دادن به آن سؤال، خودِ سؤال است: **برچسبِ کتابدار را از سطرها بکَن و دوباره تصادفی بچسبان، و همان سنجه را دوباره حساب کن.** نتیجه‌ها را نگه می‌داریم، ولی سطرها را عوض نمی‌کنیم — همان بیست امانت با همان بیست نتیجه سرِ جایشان‌اند و فقط برچسب جابه‌جا می‌شود.

</div>

```python
tiny = q("SELECT worker, on_time FROM tiny_shifts ORDER BY loan_id")
labels = list(tiny["worker"])
outcomes = [int(value) for value in tiny["on_time"]]


def gap(labels, outcomes, a, b):
    """اختلافِ نرخِ دو گروه، برحسبِ واحدِ درصد."""
    rows = {a: 0, b: 0}
    hits = {a: 0, b: 0}
    for label, outcome in zip(labels, outcomes):
        rows[label] += 1
        hits[label] += outcome
    return 100.0 * hits[a] / rows[a] - 100.0 * hits[b] / rows[b]


print("اختلاف واقعی:", round(gap(labels, outcomes, "الف", "ب"), 2), "واحد")
print()
shuffler = random.Random(SEED)
pool = list(labels)
for run in range(1, 6):
    shuffler.shuffle(pool)
    print("برهم‌زدن", run, "→", round(gap(pool, outcomes, "الف", "ب"), 2), "واحد")
```

```text
اختلاف واقعی: 20.0 واحد

برهم‌زدن 1 → -20.0 واحد
برهم‌زدن 2 → 20.0 واحد
برهم‌زدن 3 → 40.0 واحد
برهم‌زدن 4 → 0.0 واحد
برهم‌زدن 5 → 0.0 واحد
```

<div dir="rtl">

**پنج برهم‌زدنِ کاملاً بی‌معنی، و یکی‌شان همان بیست واحد را ساخت و یکی چهل واحد.** برچسبِ این پنج نتیجه دیگر هیچ ربطی به کتابدارها ندارد؛ قرعه است و بس.

نامِ این کار **بازنمونه‌گیری** است، و `SEED` ثابتِ سلولِ راه‌اندازی کاری می‌کند که این پنج عدد روی ماشینِ تو هم دقیقاً همین پنج عدد باشند. **یک آزمایشِ تصادفیِ بازتولیدناپذیر در این دوره شاهد نیست.**

## ۳. پانصد بار به‌جای یک بار: باند

پنج بار کافی نیست. پانصد بار برهم می‌زنیم، پانصد اختلاف جمع می‌کنیم، و دو لبه‌اش را برمی‌داریم: عددی که ۲٫۵ درصدِ نتیجه‌ها از آن کمترند و عددی که ۲٫۵ درصد از آن بیشترند. **بینِ آن دو لبه، «باند» است — دامنه‌ای که قرعهٔ خالص به‌راحتی می‌سازدش.**

</div>

```python
REPEAT = 500


def band(labels, outcomes, a, b, repeat=REPEAT):
    """همان سنجه، چند صد بار با برچسبِ برهم‌زده — و دو لبهٔ نتیجه."""
    real = gap(labels, outcomes, a, b)
    shuffler = random.Random(SEED)
    pool = list(labels)
    draws = []
    for _ in range(repeat):
        shuffler.shuffle(pool)
        draws.append(gap(pool, outcomes, a, b))
    as_big = sum(1 for value in draws if abs(value) >= abs(real))
    draws.sort()
    return (round(real, 2),
            round(draws[int(0.025 * (repeat - 1))], 2),
            round(draws[int(0.975 * (repeat - 1))], 2),
            as_big)


def verdict(title, n_rows, real, low, high, as_big):
    """چهار خط: عنوان، تعدادِ سطر و اختلافِ واقعی، باندِ قرعه، و حکم."""
    print(title)
    print("  سطرها:", n_rows, "| اختلاف واقعی:", real, "واحد")
    print("  باند قرعه:", low, "تا", high, "|", as_big, "بار از", REPEAT, "به این بزرگی")
    print("  حکم:", "داخل باند — اختلاف نیست" if low <= real <= high
          else "بیرون باند — اختلاف واقعی است")


verdict("دو کتابدار، ۲۰ امانت", len(labels),
        *band(labels, outcomes, "الف", "ب"))
```

```text
دو کتابدار، ۲۰ امانت
  سطرها: 20 | اختلاف واقعی: 20.0 واحد
  باند قرعه: -40.0 تا 40.0 | 308 بار از 500 به این بزرگی
  حکم: داخل باند — اختلاف نیست
```

<div dir="rtl">

**۳۰۸ بار از ۵۰۰ بار، قرعهٔ خالص اختلافی به‌این‌بزرگی یا بزرگ‌تر ساخت.**

این عدد خودش کلِ جواب است. آن بیست واحد رویدادِ نادری نیست؛ **بیشترِ اوقاتی که سکه بیندازی همین‌قدر یا بیشتر درمی‌آید.** و باند از منفیِ چهل تا مثبتِ چهل کشیده شده، یعنی روی ده امانت به‌ازای هر کتابدار، حتی یک اختلافِ چهل‌واحدی هم هنوز خبر نیست.

> 💡 **نکته:** `REPEAT` را از پانصد بیشتر کن و لبه‌ها کمی جابه‌جا می‌شوند و بعد آرام می‌گیرند — چون خودِ باند هم از یک نمونه ساخته شده. **پانصد برای این جدول‌ها بس است و در چند ثانیه تمام می‌شود؛ اگر لبه‌ها با هزار بار به‌طورِ جدی عوض شدند، همان را گزارش کن.**

## ۴. همان ابزار روی ۶٬۰۹۴ سطر

حالا همان دو شعبهٔ فصلِ ۴، با همان تعریف و همان پنجره:

</div>

```python
WINDOW_END = "2025-04-01"
print(q("""
    SELECT b.name AS branch,
           COUNT(*) AS returned_loans,
           ROUND(100.0 * SUM(l.returned_at <= l.due_at) / COUNT(*), 1) AS on_time_pct
    FROM loans AS l
    JOIN branches AS b ON b.id = l.branch_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at < ? AND b.name IN (?, ?)
    GROUP BY b.id, b.name
    ORDER BY on_time_pct DESC
""", (WINDOW_END, "نسیم", "مرکزی")))
```

```text
  branch  returned_loans  on_time_pct
0   نسیم            2796         72.0
1  مرکزی            3298         62.3
```

<div dir="rtl">

دو سطرِ اول و آخرِ همان جدولِ فصلِ ۴، بدونِ حتی یک رقم تفاوت.

> 🔧 **اگر کار نکرد:** برای دو شعبه باید **دو** علامتِ `?` بگذاری. با یکی، پیام صریح است:

</div>

```python
try:
    q("SELECT COUNT(*) AS n FROM loans WHERE branch_id IN (?)", (1, 2))
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
```

```text
pandas.errors.DatabaseError
Execution failed on sql 'SELECT COUNT(*) AS n FROM loans WHERE branch_id IN (?)': Incorrect number of bindings supplied. The current statement uses 1, and there are 2 supplied.
```

<div dir="rtl">

**تعدادِ علامت‌ها باید با تعدادِ مقدارها بخواند** — و همان‌طور که ترمِ ۱ فصلِ ۷ گفت، راهِ حل چسباندنِ خودِ عددها به متنِ پرسش نیست. حالا باندِ همان اختلاف:

</div>

```python
returns = q("""
    SELECT b.name AS branch,
           (l.returned_at <= l.due_at) AS on_time
    FROM loans AS l
    JOIN branches AS b ON b.id = l.branch_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at < ? AND b.name IN (?, ?)
    ORDER BY l.id
""", (WINDOW_END, "نسیم", "مرکزی"))
branch_labels = list(returns["branch"])
branch_outcomes = [int(value) for value in returns["on_time"]]

verdict("نسیم در برابر مرکزی", len(branch_labels),
        *band(branch_labels, branch_outcomes, "نسیم", "مرکزی"))
```

```text
نسیم در برابر مرکزی
  سطرها: 6094 | اختلاف واقعی: 9.65 واحد
  باند قرعه: -2.24 تا 2.45 | 0 بار از 500 به این بزرگی
  حکم: بیرون باند — اختلاف واقعی است
```

<div dir="rtl">

**۹٫۶۵ واحد، و باندی که از منفیِ ۲٫۲۴ تا مثبتِ ۲٫۴۵ بیشتر نمی‌رود. صفر بار از پانصد بار.**

پس اختلافِ کوچک‌ترِ این دو شعبه واقعی است و اختلافِ بزرگ‌ترِ دو کتابدار نیست. **همین یک جمله را که بتوانی با عدد بگویی، از خیلی از گزارش‌های واقعی جلوتری.**

> 🌱 **ریشه‌اش کجاست:** آن پانصد عددی که ساختی خودشان یک **توزیع**اند — بیشترشان دورِ صفر جمع شده‌اند و هرچه دورتر می‌روی کم‌تعدادترند — و باند فقط دو لبهٔ همان شکل است. اگر می‌خواهی ببینی این «تپه» از کجا می‌آید و هیستوگرامش را چطور بخوانی، [ریشه ترمِ ۶ فصل ۷](/courses/risheh/lessons/term-6-probability-statistics/session-07-distributions) از اول بازش می‌کند.

## ۵. اندازهٔ گروه است که پهنای باند را می‌سازد

اگر تا اینجا فکر می‌کنی مرزْ «بیست واحد» یا «ده واحد» است، این آزمایش نظرت را عوض می‌کند. **همان بیست واحدِ بخشِ ۱ را برمی‌داریم و فقط تعدادِ سطرها را بزرگ می‌کنیم:** به‌جای ۷ از ۱۰ و ۵ از ۱۰، می‌نویسیم ۱٬۰۵۰ از ۱٬۵۰۰ و ۷۵۰ از ۱٬۵۰۰. نرخ‌ها همان ۷۰ و ۵۰ درصدند.

</div>

```python
big_labels = ["الف"] * 1500 + ["ب"] * 1500
big_outcomes = [1] * 1050 + [0] * 450 + [1] * 750 + [0] * 750

verdict("۳٬۰۰۰ سطر، همان ۲۰ واحد", len(big_labels),
        *band(big_labels, big_outcomes, "الف", "ب"))
```

```text
۳٬۰۰۰ سطر، همان ۲۰ واحد
  سطرها: 3000 | اختلاف واقعی: 20.0 واحد
  باند قرعه: -3.47 تا 3.2 | 0 بار از 500 به این بزرگی
  حکم: بیرون باند — اختلاف واقعی است
```

<div dir="rtl">

**دقیقاً همان بیست واحد، دو حکمِ وارونه.** روی ۲۰ سطر باند تا چهل واحد باز بود و قرعه ۳۰۸ بار از ۵۰۰ بار آن اختلاف را ساخت؛ روی ۳٬۰۰۰ سطر باند به کمتر از سه‌ونیم واحد جمع شد و قرعه صفر بار.

**پس «بزرگ» و «کوچک» صفتِ عدد نیستند، نسبتِ عدد به باندِ خودشند.** و باند را تعدادِ سطرها می‌سازد. این دقیقاً همان چیزی است که ستونِ `COUNT(*)` کنارِ هر نرخ برای آن وجود دارد: **بدونِ آن ستون، خواننده نمی‌تواند بداند اختلافِ کنارش را باید جدی بگیرد یا نه.**

## ۶. دو اختلافی که فصل‌های بعد رویشان حساب می‌کنند

اول اختلافی که فصلِ بعد می‌خواهد ردش کند: کتابِ کم‌برگ ۳۱٫۸ درصد دیر برمی‌گردد و کتابِ پرِبرگ ۳۰٫۱ درصد.

**دانه‌بندیِ این یکی همان است ولی پنجره‌اش فرق دارد، و این عمدی است:** اینجا هیچ فیلترِ تاریخی نیست و همهٔ امانت‌های برگشته می‌آیند، چون جدولی که فصلِ بعد رویش حساب می‌کند دقیقاً همین است. **باند باید همان جدولی را بسنجد که کسی رویش تصمیم می‌گیرد، نه یک جدولِ شبیهِ آن.**

</div>

```python
pages = q("""
    SELECT CASE WHEN t.pages < 300 THEN 'کم‌برگ' ELSE 'پرِبرگ' END AS bucket,
           (l.returned_at > l.due_at) AS late
    FROM loans AS l
    JOIN titles AS t ON t.id = l.title_id
    WHERE l.returned_at IS NOT NULL AND (t.pages < 300 OR t.pages >= 600)
    ORDER BY l.id
""")
page_labels = list(pages["bucket"])
page_outcomes = [int(value) for value in pages["late"]]

verdict("کم‌برگ در برابر پرِبرگ", len(page_labels),
        *band(page_labels, page_outcomes, "کم‌برگ", "پرِبرگ"))
```

```text
کم‌برگ در برابر پرِبرگ
  سطرها: 9505 | اختلاف واقعی: 1.69 واحد
  باند قرعه: -1.84 تا 2.04 | 42 بار از 500 به این بزرگی
  حکم: داخل باند — اختلاف نیست
```

<div dir="rtl">

**۱٫۶۹ واحد روی ۹٬۵۰۵ سطر، و همچنان داخلِ باند.** توجه کن که این جدول بیش از سه برابرِ جدولِ ساختگیِ بخشِ ۵ سطر دارد و باز هم جواب «نه» است — چون خودِ اختلاف حدودِ دوازده برابر کوچک‌تر است.

حالا اختلافی که پروژهٔ نهایی رویش سوار می‌شود: **فاصلهٔ نرخِ تعدیل‌شدهٔ مرکزی و پویا.** این یکی با برهم‌زدنِ سادهٔ برچسب سنجیده نمی‌شود، چون تعدیل کلاً برای این وجود دارد که ترکیبِ دسته‌ها را ثابت نگه دارد. پس **برچسب را داخلِ هر دسته برهم می‌زنیم**: سهمِ هر شعبه از هر دسته دست‌نخورده می‌ماند و فقط این عوض می‌شود که کدام امانت مالِ کدام شعبه است.

</div>

```python
adjusted_rows = q("""
    SELECT b.name AS branch,
           t.category,
           (l.returned_at <= l.due_at) AS on_time
    FROM loans AS l
    JOIN titles AS t ON t.id = l.title_id
    JOIN branches AS b ON b.id = l.branch_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at < ? AND b.name IN (?, ?)
    ORDER BY l.id
""", (WINDOW_END, "مرکزی", "پویا"))
weight = {row.category: int(row.n) for row in q("""
    SELECT t.category, COUNT(*) AS n
    FROM loans AS l
    JOIN titles AS t ON t.id = l.title_id
    WHERE l.returned_at IS NOT NULL AND l.borrowed_at < ?
    GROUP BY t.category
""", (WINDOW_END,)).itertuples()}
TOTAL = sum(weight.values())

cells = {}
for row in adjusted_rows.itertuples():
    cells.setdefault(row.category, {"مرکزی": [], "پویا": []})[row.branch].append(int(row.on_time))
pooled = {name: cells[name]["مرکزی"] + cells[name]["پویا"] for name in cells}
head = {name: len(cells[name]["مرکزی"]) for name in cells}


def adjusted_rates(pooled, head):
    """دو نرخِ تعدیل‌شده، با همان وزن‌های فصلِ ۴."""
    first = second = 0.0
    for name, group in pooled.items():
        k = head[name]
        first += weight[name] * 100.0 * sum(group[:k]) / k
        second += weight[name] * 100.0 * sum(group[k:]) / (len(group) - k)
    return first / TOTAL, second / TOTAL


markazi, pooya = adjusted_rates(pooled, head)
print("سطرهای دو شعبه:", len(adjusted_rows), "| جمع وزن‌ها:", TOTAL)
print("نرخ تعدیل‌شده مرکزی:", round(markazi, 1), "| پویا:", round(pooya, 1))
print("اختلاف تعدیل‌شده  :", round(markazi - pooya, 2), "واحد")
```

```text
سطرهای دو شعبه: 5024 | جمع وزن‌ها: 13818
نرخ تعدیل‌شده مرکزی: 71.8 | پویا: 60.1
اختلاف تعدیل‌شده  : 11.67 واحد
```

<div dir="rtl">

> ✅ **چک کن:** آن دو نرخ باید عیناً ۷۱٫۸ و ۶۰٫۱ باشند — همان دو عددی که فصلِ ۴ با یک پرسشِ `SQL` کاملاً متفاوت چاپ کرد. اگر نشدند، وزن‌ها را از هر شش شعبه برنداشته‌ای و داری با خط‌کشِ دیگری می‌سنجی. و `5024` باید برابرِ ۳٬۲۹۸ + ۱٬۷۲۶ باشد، یعنی همان دو ستونِ `returned_loans` فصلِ ۴.

</div>

```python
real_gap = markazi - pooya
shuffler = random.Random(SEED)
draws = []
for _ in range(REPEAT):
    for group in pooled.values():
        shuffler.shuffle(group)
    first, second = adjusted_rates(pooled, head)
    draws.append(first - second)
as_big = sum(1 for value in draws if abs(value) >= abs(real_gap))
draws.sort()

verdict("مرکزی در برابر پویا، تعدیل‌شده", len(adjusted_rows),
        round(real_gap, 2),
        round(draws[int(0.025 * (REPEAT - 1))], 2),
        round(draws[int(0.975 * (REPEAT - 1))], 2),
        as_big)
```

```text
مرکزی در برابر پویا، تعدیل‌شده
  سطرها: 5024 | اختلاف واقعی: 11.67 واحد
  باند قرعه: -2.94 تا 2.9 | 0 بار از 500 به این بزرگی
  حکم: بیرون باند — اختلاف واقعی است
```

<div dir="rtl">

**آن ۱۱٫۶۷ واحد از باند بیرون است، و با فاصله.** باند تا حدودِ سه واحد باز است و اختلاف تقریباً چهار برابرِ آن. پس پروژهٔ نهایی که کلِ توصیه‌اش را روی همین فاصله بنا می‌کند، روی زمینِ سفتی ایستاده — **و این را حالا با عدد می‌دانیم، نه با حدس.**

## ۷. چهار چیزی که این باند نمی‌گوید

باند ابزارِ خوبی است، و مثلِ هر ابزارِ خوبِ دیگری بیشتر از توانش از آن کار می‌کشند.

1. **دربارهٔ علت هیچ نمی‌گوید.** «بیرونِ باند» یعنی برچسبِ گروه بی‌ربط نیست، نه اینکه گروه علتِ نتیجه است. فصلِ ۴ نشان داد نرخِ خامِ همین دو شعبه به‌خاطرِ ترکیبِ کتاب‌هایشان وارونه می‌شود؛ باند این را نمی‌بیند و نمی‌تواند ببیند.
2. **فقط دربارهٔ همین یک مقایسه حرف می‌زند.** شش شعبه پانزده جفت می‌سازند، و باندی که ۵ درصدِ قرعه‌ها را بیرون می‌گذارد به‌طورِ متوسط از هر بیست مقایسه یکی را بی‌دلیل «واقعی» اعلام می‌کند. **مقایسه‌ات را قبل از دیدنِ داده انتخاب کن، نه بعدش.**
3. **دربارهٔ بزرگیِ اثر هیچ نمی‌گوید.** روی دادهٔ به‌قدرِ کافی بزرگ، حتی نیم واحد هم از باند بیرون می‌افتد — و همچنان ممکن است هیچ تصمیمی را عوض نکند. این دقیقاً پرسشِ فصلِ بعد است.
4. **فقط دربارهٔ سطرهایی حرف می‌زند که در جدول‌اند.** برهم‌زدنِ برچسب هیچ امانتِ برنگشته‌ای را برنمی‌گرداند. **باندِ تنگ روی دادهٔ سوگیر، فقط یک اشتباهِ دقیق است.**

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** در `tiny_shifts` یک سطر یک امانتِ برگشته است که یک کتابدار پیگیری‌اش کرده؛ در بخشِ ۴ و در نیمهٔ دومِ بخشِ ۶ یک سطر یک امانتِ برگشته در پنجرهٔ تا `2025-04-01`؛ در نیمهٔ اولِ بخشِ ۶ همان امانتِ برگشته ولی **بدونِ پنجره**؛ و در بخشِ ۵ یک سطرِ ساختگی که فقط برای دیدنِ اثرِ اندازه ساخته شد. **با کدام شمارشِ دوم سنجیدی؟** با سه‌تا: جدولِ بخشِ ۴ که باید عیناً دو سطرِ جدولِ فصلِ ۴ باشد، دو نرخِ تعدیل‌شدهٔ بخشِ ۶ که از یک راهِ کاملاً متفاوت همان ۷۱٫۸ و ۶۰٫۱ درآمدند، و ۵٬۰۲۴ سطری که جمعِ دو ستونِ `returned_loans` همان فصل است. **چه کسی از قلم افتاد؟** همهٔ امانت‌های برنگشته و همهٔ امانت‌های بعد از پنجره — و مهم‌تر، هیچ برهم‌زدنی آن‌ها را برنمی‌گرداند، پس باند دربارهٔ آن‌ها ساکت است.

> 🤖 **از دستیارت بپرس:** «آزمونِ جایگشتی چیست و چرا برای مقایسهٔ نرخِ دو گروه به کار می‌رود؟» بعد این را بپرس: **«اگر اختلافِ دو گروه از باند بیرون بیفتد، یعنی گروه علتِ آن اختلاف است؟»** — جوابِ درست «نه» است و باید عاملِ مخدوش‌کننده را نام ببرد. اگر جواب گفت «بله، ثابت شد»، همین حالا با جدولِ فصلِ ۴ ردش کن.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| resampling | ری‌سمپلینگ | بازنمونه‌گیری؛ ساختنِ دوبارهٔ همان محاسبه روی داده‌ای که برچسبش برهم خورده |
| permutation test | پرمیوتیشن تست | آزمونِ جایگشتی؛ برهم‌زدنِ برچسبِ گروه و مقایسهٔ نتیجهٔ واقعی با نتیجه‌های قرعه |
| null hypothesis | نال هایپاتسیس | فرضِ «برچسب هیچ فرقی نمی‌کند»، که برهم‌زدن دقیقاً همان را می‌سازد |
| band | باند | دامنه‌ای که قرعهٔ خالص می‌سازدش؛ اختلافِ داخلش اختلاف نیست |
| sampling variability | سمپلینگ ورایبیلیتی | نوسانِ نمونه؛ اینکه یک قرعهٔ دیگر عددِ دیگری می‌داد |
| effect size | افکت سایز | بزرگیِ اثر؛ اینکه اختلاف چقدر است، نه اینکه هست یا نیست |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا اختلافِ ۲۰ واحدیِ دو کتابدار رد شد و اختلافِ ۹٫۶۵ واحدیِ دو شعبه قبول؟

**تمرینِ اجباری:** باندِ همان نرخِ بازگشتِ به‌موقع را برای جفتِ **دانش و کوشا** بساز — دو شعبه‌ای که در جدولِ فصلِ ۴ فقط دو دهم واحد با هم فاصله دارند. **هر چهار عدد را چاپ کن:** تعدادِ سطرها، اختلافِ واقعی، دو لبهٔ باند، و اینکه چند بار از ۵۰۰ بار قرعه به آن بزرگی رسید. بعد جوابِ سؤالِ اصلی را بنویس: **این دو شعبه در جدولِ فصلِ ۴ پشتِ سرِ هم نشسته‌اند؛ آیا این ترتیب معنایی دارد؟**

**تمرینِ ستاره‌دار ⭐:** `band` را طوری عوض کن که به‌جای نرخ، **میانگین** دو گروه را مقایسه کند، و با آن بسنج که آیا میانگینِ صفحاتِ کتاب‌های نسیم واقعاً از مرکزی بیشتر است. حالا سؤالِ سخت: **جدولِ کاملِ شش شعبه را با همین ابزار بساز؛ چند جفت از پانزده جفت بیرونِ باند می‌افتند، و بندِ ۲ بخشِ ۷ دربارهٔ همان عدد چه می‌گوید؟** جوابت باید بگوید با چند مقایسهٔ هم‌زمان چه باید کرد، نه فقط چند تا بیرون افتادند.

## در فصل بعد

حالا می‌دانی کدام اختلاف ارزشِ حرف زدن دارد. فصلِ بعد سؤالِ بعدی را می‌پرسد، که سخت‌تر است: **که چه؟**

و با یک محاسبهٔ سربه‌سر جواب می‌دهد که سه بازه می‌سازد: اگر یادآوریِ سررسید کمتر از **۱۴٫۶ درصد** از تأخیرها را جلو بگیرد، هیچ کاری نکن؛ بینِ آن و **۲۸٫۲ درصد**، فقط برای دسته‌های پرخطر یادآور بفرست؛ بالاتر از آن، برای همه.

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t6/s05-is-this-difference-real (یادستان, Yaadestan)
