متغیر پیوسته و گسسته: متغیری که می‌تواند هر مقدار در یک بازه را بگیرد و بین مقادیر آن فاصلهٔ واقعی وجود ندارد و متغیری که فقط مقادیر جدا از هم و شمارشی می‌گیرد.

آشنایی با دو دسته اصلی متغیرها در آمار و ریاضیات، تفاوت‌ها و مثال‌های روزمره

در این مقاله با دو مفهوم بنیادی در آمار و ریاضیات آشنا می‌شویم: متغیر پیوسته که می‌تواند هر مقداری در یک بازه مشخص را اختیار کند و متغیر گسسته که فقط مقادیری مجزا و قابل شمارش دارد. با مثال‌های ملموس و زبان ساده، تفاوت این دو نوع متغیر را بررسی کرده و کاربرد آن‌ها را در زندگی روزمره و علوم مختلف مرور می‌کنیم.

به زبان ساده، به هر ویژگی یا کمیتی که می‌تواند مقادیر مختلفی به خود بگیرد، متغیر گفته می‌شود. برای مثال، قد دانش‌آموزان یک متغیر است، زیرا قد هر دانش‌آموز با دیگری متفاوت است. یا تعداد اعضای خانواده نیز یک متغیر محسوب می‌شود. حالا این متغیرها بر اساس نوع مقادیری که می‌پذیرند، به دو دسته اصلی پیوسته و گسسته تقسیم می‌شوند. تفاوت کلیدی آن‌ها در این است که آیا بین مقادیر ممکن، فاصله وجود دارد یا خیر.

متغیر گسسته¹ به متغیری گفته می‌شود که فقط می‌تواند مقادیری مشخص، مجزا و معمولاً شمارشی (شمارش پذیر) را اختیار کند. بین این مقادیر، فاصله وجود دارد و متغیر نمی‌تواند مقداری بین آن‌ها را بگیرد. ساده‌ترین راه برای تشخیص این متغیرها، شمارش است. اگر بتوانید چیزی را بشمارید، به احتمال زیاد با یک متغیر گسسته روبرو هستید.

مثال‌های روزمره:

• تعداد فرزندان یک خانواده: یک خانواده می‌تواند 0، 1، 2 یا 3 فرزند داشته باشد، اما نمی‌تواند 2.5 فرزند داشته باشد.
• تعداد خودروهای عبوری از یک خیابان در یک ساعت: این تعداد همیشه یک عدد صحیح است (10، 25، 100).
• نمره یک درس (به شیوه‌ای خاص): اگر نمرات فقط به صورت اعداد صحیح 15، 16، 17 باشند، گسسته هستند. اما اگر نمرات با اعشار مثل 15.75 هم داده شوند، به پیوسته نزدیک‌تر می‌شوند.
• نتیجه پرتاب یک تاس: فقط اعداد 1، 2، 3، 4، 5 یا 6 می‌تواند ظاهر شود.

در مقابل، متغیر پیوسته² متغیری است که می‌تواند هر مقداری را در یک بازه مشخص (یا چند بازه) اختیار کند. به عبارت دیگر، بین هر دو مقدار دلخواه از این متغیر، بی‌نهایت مقدار دیگر وجود دارد و هیچ فاصله یا شکافی بین مقادیر نیست. این متغیرها معمولاً با اندازه‌گیری سروکار دارند، نه با شمارش.

مثال‌های روزمره:

• قد افراد: قد یک فرد می‌تواند 170.5 سانتی‌متر، 171.234 سانتی‌متر یا هر مقدار دیگری در بازه ممکن باشد. دقت اندازه‌گیری ماست که آن را محدود می‌کند.
• وزن یک محصول: وزن یک بسته کیک می‌تواند 250.3 گرم یا 249.87 گرم باشد.
• دمای هوا: دما می‌تواند 25.2 درجه سانتی‌گراد، 25.21 درجه یا هر مقدار دیگری باشد.
• زمان رسیدن به مدرسه: مدت زمان رسیدن به مدرسه می‌تواند دقیقاً 15 دقیقه و 23 ثانیه باشد یا 15.384 دقیقه.

فرض کنید در یک آزمایش علمی، تأثیر یک کود جدید را بر رشد گیاهی بررسی می‌کنیم. در اینجا با دو نوع متغیر روبرو هستیم:

• متغیر گسسته: تعداد برگ‌های جدیدی که پس از یک ماه روی گیاه رشد کرده است. این تعداد می‌تواند 3، 4 یا 5 برگ باشد، اما نمی‌تواند 3.7 برگ باشد.
• متغیر پیوسته: ارتفاع گیاه. ارتفاع را با خط‌کش اندازه می‌گیریم و به عددی مثل 12.4 سانتی‌متر می‌رسیم. اگر خط‌کش دقیق‌تری داشتیم، شاید ارتفاع 12.43 سانتی‌متر را اندازه می‌گرفتیم. این نشان می‌دهد که ارتفاع یک متغیر پیوسته است و می‌تواند هر مقداری در یک بازه باشد.

ویژگی	متغیر گسسته	متغیر پیوسته
نوع مقادیر	مجزا، قابل شمارش (معمولاً اعداد صحیح)	هر مقداری در یک بازه (شامل اعشار)
وجود فاصله بین مقادیر	بله، فاصله وجود دارد	خیر، فاصله وجود ندارد
روش کسب داده	شمارش	اندازه‌گیری
نمایش ریاضی	مجموعه‌ای از نقاط مجزا (x ∈ {0,1,2,…})	یک بازه ($a \le x \le b$)
مثال	تعداد دانش‌آموزان کلاس	وزن دانش‌آموزان

❓ چالش اول: فرض کنید می‌خواهیم متغیر «نمرهٔ نهایی دانش‌آموزان در یک درس» را بررسی کنیم. نمرات به صورت اعداد 0 تا 20 با یک رقم اعشار (مثلاً 15.5) داده می‌شود. آیا این متغیر پیوسته است یا گسسته؟
✅ پاسخ: این یک مورد مرزی است! ذات نمره‌دهی گسسته است (چون فقط مضارب 0.1 مجاز است و بین 15.5 و 15.6 نمره‌ای وجود ندارد). اما بسیاری از آماردانان به دلیل تنوع بالای مقادیر ممکن (200 حالت مختلف)، آن را در تحلیل‌ها تقریباً پیوسته در نظر می‌گیرند. این نشان می‌دهد که مرز بین این دو مفهوم گاهی می‌تواند در عمل کمرنگ شود.

❓ چالش دوم: چرا در محاسبه احتمال برای متغیرهای پیوسته، احتمال یک نقطه خاص (مثلاً قد دقیقاً 170.000... سانتی‌متر) صفر است؟
✅ پاسخ: زیرا متغیر پیوسته بی‌نهایت مقدار ممکن دارد. برای محاسبه احتمال، باید بازه‌ای از مقادیر را در نظر بگیریم. احتمال اینکه قد یک نفر دقیقاً یک عدد خاص با دقت بی‌نهایت باشد، عملاً صفر است. ما همیشه می‌گوییم احتمال اینکه قد در بازه مثلاً 170 تا 171 سانتی‌متر باشد چقدر است. این مفهوم در ریاضیات با انتگرال³ توضیح داده می‌شود.

❓ چالش سوم: آیا یک متغیر می‌تواند هم خاصیت پیوسته و هم گسسته داشته باشد؟
✅ پاسخ: بله، به این نوع متغیرها، متغیر آمیخته می‌گویند. برای مثال، «مقدار بارش باران در یک روز» را در نظر بگیرید. این متغیر می‌تواند 0 میلی‌متر باشد (یعنی اصلاً باران نیامده باشد) که یک مقدار گسسته است، یا اگر باران بیاید، می‌تواند هر مقدار پیوسته‌ای مثل 5.2 میلی‌متر باشد. این ترکیبی از یک مقدار خاص (صفر) و یک بازه پیوسته (اعداد مثبت) است.

در ریاضیات و آمار، رفتار این متغیرها با ابزارهای متفاوتی مدل‌سازی می‌شود:

• برای متغیر گسسته از توزیع احتمال گسسته استفاده می‌کنیم. مثلاً توزیع دوجمله‌ای⁴. احتمال یک مقدار خاص را می‌توان با $P(X=k)$ نشان داد.
• برای متغیر پیوسته از توزیع احتمال پیوسته و تابع چگالی احتمال⁵ استفاده می‌کنیم. احتمال وقوع یک رویداد در بازه $[a, b]$ برابر است با انتگرال تابع چگالی روی آن بازه: $P(a \le X \le b) = \int_{a}^{b} f(x) \, dx$.

جمع‌بندی: شناخت تفاوت متغیرهای پیوسته و گسسته، پایه و اساس بسیاری از تحلیل‌های آماری و مدل‌سازی‌های ریاضی است. متغیرهای گسسته حاصل شمارش هستند و مقادیری مجزا و جدا از هم دارند، در حالی که متغیرهای پیوسته حاصل اندازه‌گیری بوده و می‌توانند هر مقداری در یک بازه را به خود اختصاص دهند. درک این تمایز به ما کمک می‌کند تا روش تحلیلی مناسبی را برای مسائل مختلف انتخاب کنیم، چه در یک آزمایش علمی ساده و چه در تحقیقات پیچیده دانشگاهی.

¹ متغیر گسسته (Discrete Variable): متغیری که مجموعه مقادیر قابل قبول آن، مجموعه‌ای شمارا (مانند اعداد صحیح) باشد.

² متغیر پیوسته (Continuous Variable): متغیری که بتواند هر مقداری را در یک بازه (حتی یک بازه بسیار کوچک) از اعداد حقیقی اختیار کند.

³ انتگرال (Integral): یک مفهوم ریاضی برای محاسبه مساحت زیر منحنی یا مجموع مقادیر پیوسته.

⁴ توزیع دوجمله‌ای (Binomial Distribution): یک توزیع احتمال گسسته برای تعداد موفقیت‌ها در یک سری آزمایش‌های مستقل با دو نتیجه.

⁵ تابع چگالی احتمال (Probability Density Function - PDF): تابعی که برای متغیرهای تصادفی پیوسته تعریف می‌شود و احتمال قرار گرفتن متغیر در یک بازه را نشان می‌دهد.