‫الجوهىرٌة العرثٍة السىرٌة‬

‫جبهعة الجعث‬
‫كلٍة الطت الجٍطري‬

‫اإلحصبء الحٍىي‬
‫القسن الٌظري‬

‫الذكتىر‬
‫ٌـبسـر العـوـر‬

‫مديرية الكتب و المطبوعات‬ ‫لطالب السنة األولى‬

‫‪2007-2006‬‬

‫‪1‬‬
 ‫املقدمة‬
‫مع أف عمـ اإلحصاء ضركرم لكثير مف العمكـ فإنو كسيمة أساسية لعمكـ‬

‫صحة الحيكاف كالعمكـ البيطرية ‪ .‬كال سيما تقاريرىا كدراساتيا المتعمقة بإنتاج الحيكاف‬

‫كجائحات األمراض كدراسة عكامؿ خطكرة المرض كلتقييـ استراتيجيات إنتاجية‬

‫الحيكاف ككذا استراتيجيات التحكـ كاستئصاؿ األمراض المعدية ‪.‬‬

‫كلذلؾ يحتاج الباحثكف في عمـ الحيكاف كالطب البيطرم إلى مثؿ ىذا النمط‬

‫مف العمكـ لتنظيـ كتكثيؽ كاعتماد نتائج تتعمؽ بالمسكحات الكبائية‪.‬‬

‫كمع كثرة المؤلفات في عمـ اإلحصاء اإلجتماعي كالطبي يندر كجكد كتب‬

‫عربية أك أجنبية تختص بدراسة اإلحصاء في صحة الحيكاف كالعمكـ البيطرية ‪ .‬كلذلؾ‬

‫ال يرل طالب الطب البيطرم كعمـ الحيكاف ارتباطان بيف المقرر المدركس كالمشكبلت‬

‫التي يتناكليا الطبيب البيطرم كالميتمكف بدراسة عمـ الحيكاف كصحتو‪ ،‬مما يؤثر عمى‬

‫الطالب كيبدم لو انفصاؿ المقرر المدركس عف المشاكؿ التي يتناكليا الطبيب‬

‫البيطرم كالميتمكف بدراسة عمـ الحيكاف كصحتو ‪.‬‬

‫كلذلؾ كضعنا ىذا الكتاب دليبلن لئلحصاء المتعمؽ بصحة الحيكاف كأمراضو‬

‫كاننا نقدـ كتابنا ىذا " اإلحصاء الحيكم " إلى إخكتنا الطمبة في الكطف العربي كالى‬

‫‪2‬‬
‫زمبلئنا األساتذة المحترميف كالى األطباء البيطرييف ليككف مرجعنا في العمكـ الطبية‬

‫البيطرية التي تتناكؿ التقييـ العاـ لمثركة الحيكانية كتفعيؿ االستراتيجيات الخاصة‬

‫بطرؽ الكقاية كالتحكـ بالمرض ‪.‬‬

‫كأخي انر نتمنى أف يككف ىذا الجيد المتكاضع خطكة متقدمة في دراسة اإلحصاء‬

‫الذ يتناكؿ تقييـ إنتاجية الحيكاف كصحتو كخطكة أخرل في البحث عف الحقائؽ‬

‫السميمة لدراسة صحة الحيكاف كانتاجيتو لنضع المعالـ األكلى في سبيؿ تطكير‬

‫الخدمات البيطرية بمعرفتنا بكاقعنا كمف ثـ كضع النظـ الجديدة في سبيؿ تطكير مينة‬

‫الطب البيطرم‪ .‬ك اهلل مف كراء القصد ‪.‬‬

‫المؤلفاف‬

‫‪3‬‬
 ‫‪‬‬
‫الصفحة‬ ‫الموضوع‬
‫ّ‬ ‫المقدمة‬

‫ٓ‬ ‫فيرس المحتكيات‬

‫ُُ‬ ‫الفصؿ األكؿ ‪ :‬مفيكـ عمـ اإلحصاء‬
‫ُْ‬ ‫دكر اإلحصاء في تسمسؿ خطكات البحث العممي‬
‫ُٕ‬ ‫طريقة البحث اإلحصائي كمراحمو‬
‫ُٖ‬ ‫أنكاع المتغيرات‬
‫ِّ‬ ‫االختبلفات في القياسات‬
‫ِٖ‬ ‫الفصؿ الثاني ‪ :‬تعاريؼ ك مفاىيـ إحصائية‬
‫ِٖ‬ ‫االختبلؼ الحيكم‬
‫ِٖ‬ ‫العبارات المرتبطة بنكعية القياس‬
‫ُّ‬ ‫المجتمعات الحيكانية ك العينات‬

‫ِّ‬ ‫أنماط المجتمع الحيكاني اإلحصائي‬

‫ّْ‬ ‫المعاينة العشكائية‬

‫ّٔ‬ ‫أنكاع الطرؽ اإلحصائية‬

‫ّٗ‬ ‫الفصؿ الثالث ‪ :‬اإلحصاء الكصفي (ُ)‬

‫ّٗ‬ ‫جمع البيانات اإلحصائية ك تبكيبيا ك عرضيا‬

‫ُْ‬ ‫االستمارة االحصائية‬

‫ِْ‬ ‫تمخيص البيانات‬

‫ّْ‬ ‫تكزيع التك اررات التجريبية‬

‫‪4‬‬
‫ّْ‬ ‫ما ىك التكزيع التكرارم‬

‫ْٔ‬ ‫التكزيع التكرارم النسبي (المرتبط)‬

‫ْٖ‬ ‫الجداكؿ‬

‫َٓ‬ ‫األشكاؿ أك الرسكـ البيانية‬

‫ُٓ‬ ‫طرؽ الرسـ أك العرض البياني‬

‫ُٓ‬ ‫الرسـ باألعمدة‬

‫ِٓ‬ ‫المكحة الدائرية‬

‫ّٓ‬ ‫الخط البياني‬

‫ٓٓ‬ ‫الفصػؿ الرابع ‪ :‬المقاييس الرقمية‬

‫ٔٓ‬ ‫المقاييس المكضعية‬

‫ٕٔ‬ ‫مقاييس التشتت‬

‫ْٕ‬ ‫تماريف‬

‫ٖٕ‬ ‫الفصؿ الخامس ‪ :‬االحتمالية كالتكزيعات االحتمالية‬

‫ٖٕ‬ ‫العبلقة الكثيقة لبلحتمالية بعمـ اإلحصاء‬

‫ٕٗ‬ ‫مدخؿ عف االحتمالية‬

‫َٖ‬ ‫التعريؼ التقميدم لئلحتماؿ‬

‫ُٖ‬ ‫التعريؼ اإلحصائي لبلحتمالية‬

‫ِٖ‬ ‫خصائص االحتمالية‬

‫ّٖ‬ ‫قكانيف االحتمالية‬

‫ْٖ‬ ‫التكزيعات االحتمالية‬

‫ْٖ‬ ‫المتغيرات العشكائية‬

‫‪5‬‬
‫ٖٔ‬ ‫التكزيع اإلحتمالي‬

‫ٖٔ‬ ‫التكزيعات االحتمالية المنفصمة‬

‫ٖٗ‬ ‫التكزيع ثنائي الحديف‬

‫ُٗ‬ ‫تكزيع بكاسكف‬

‫ِٗ‬ ‫التكزيعات االحتمالية المستمرة‬

‫ٔٗ‬ ‫التكزيع الطبيعي أك تكزيع غازياف‬

‫َُِ‬ ‫التكزيع الطبيعي المعيارم‬

‫َُْ‬ ‫التكزيعات االحتمالية المستمرة األخرل‬

‫َُٖ‬ ‫العبلقات بيف التكزيعات‬

‫التقريبات الطبيعية لتكزيعي بكاسكف كالتكزيع ثنائي الحديف‬
‫َُٖ‬
‫االسمي‬
‫َُُ‬ ‫تماريف‬

‫ُُِ‬ ‫الفصؿ السادس ‪ :‬المعاينة ك تكزيع العينات‬

‫ُُِ‬ ‫التمييز بيف مصطمح العينة ك المجتمع الحيكاني‬

‫ُُّ‬ ‫االستنتاج اإلحصائي‬

‫ُُْ‬ ‫تقدير حدكد المجتمع االحصائي باستخداـ المعاينة اإلحصائية‬

‫ُُٓ‬ ‫خطأ المعاينة‬

‫ُُٔ‬ ‫التفريؽ بيف االنحراؼ المعيارم ك الخطأ المعيارم لمكسط‬

‫ُُٕ‬ ‫حد الثقة لمكسط الحسابي‬

‫ُُٕ‬ ‫مفيكـ حدكد الثقة‬

‫ُُٗ‬ ‫حساب حد الثقة بالنسبة لمكسط الحسابي‬

‫‪6‬‬
‫ُُِ‬ ‫تكزيع المعاينة لمنسبة‬

‫ُِِ‬ ‫حد الثقة لمنسبة المئكية‬

‫ُِْ‬ ‫الفصؿ السابع ‪ :‬التصميـ التجريبي ك التجارب السريرية‬

‫ُِْ‬ ‫أنماط الدراسة‬

‫التمييز بيف الدراسات المعتمدة عمى المشاىدات السريرية‬
‫ُِٔ‬
‫كالدراسات التجريبية‬
‫ُِٔ‬ ‫الدراسة المعتمدة عمى المشاىدات السريرية‬

‫َُِٖ‬ ‫الدراسة التجريبية‬

‫ُِٖ‬ ‫مدخؿ لمتجارب السريرية‬

‫ُِٗ‬ ‫أىمية تصميـ التجربة السريرية‬

‫ُُّ‬ ‫الفصؿ الثامف ‪ :‬مدخؿ إلى اختبار الفرضيات‬

‫ُِّ‬ ‫المفاىيـ األساسية الختبار الفرضية‬

‫ُّّ‬ ‫نظرية العدـ أك فرضية العدـ‬

‫ُّٓ‬ ‫االختبار اإلحصائي ك قيمتو‬

‫ُّٓ‬ ‫اتخاذ القرار باستخداـ قيمة ‪p‬‬

‫ُّٖ‬ ‫اشتقاؽ قيمة ‪p‬‬

‫ُّٗ‬ ‫درجات الحرية لبلختبار اإلحصائي‬

‫ُُْ‬ ‫الخطأ نمط ‪ I‬ك الخطأ نمط ‪II‬‬

‫الفصؿ التاسع ‪ :‬اختبارات الفرضية‪ -ُ-‬اختبار ‪ t‬مقارنة متكسط‬
‫‪142‬‬
‫كحيد أك متكسطيف‬
‫‪142‬‬ ‫متطمبات اختبار الفرضية لمقارنة المتكسطات‬

‫‪7‬‬
‫‪142‬‬ ‫طبيعة البيانات‬

‫‪143‬‬ ‫تطبيقات حجـ العينة‬

‫‪144‬‬ ‫تصميـ الدراسة‬

‫ُْٓ‬ ‫اختبار ‪ t‬لعينة كاحدة‬

‫ُٖٓ‬ ‫اختبار ‪ t‬الزكجي‬

‫ُُٔ‬ ‫تماريف‬
‫الفصؿ العاشر‪ :‬اختبار الفرضية ِ – اختبار ‪ F‬لمقارنة‬
‫ُِٔ‬
‫متكسطيف أك أكثر‬
‫ُِٔ‬ ‫مدخؿ‬

‫ُّٔ‬ ‫اختبار ‪ F‬لتباينيف متساكييف‬

‫ُٔٔ‬ ‫اختبار ليفيز لتساكم فرقيف أك أكثر‬

‫ُٕٔ‬ ‫تحميؿ التبايف لممتكسطات المتساكية‬

‫ُٗٔ‬ ‫أنماط تحميؿ التبايف‬

‫ُٗٔ‬ ‫تحميؿ التبايف كحيد اإلتجاه‬

‫ُٗٔ‬ ‫تحميؿ التبايف كحيد اإلتجاه لقياسات متكررة‬

‫َُٕ‬ ‫تحميؿ التبايف باتجاىيف‬

‫ُِٕ‬ ‫تحميؿ التبايف كحيد اإلتجاه‬

‫َُٖ‬ ‫تماريف‬
‫الفصؿ الحادم عشر‪ :‬اختبارات الفرضية ّ – اختبار مربع‬
‫ُُٖ‬
‫كام‪ -‬مقارنة النسب المئكية‬
‫ُُٖ‬ ‫مدخؿ‬

‫‪8‬‬
‫ُِٖ‬ ‫اختبار الفرضية لنسب مئكية مفردة‬

‫ُٖٔ‬ ‫مقارنة نسبتيف مئكيتيف ‪ -‬مجمكعات مستقمة‬

‫ُّٗ‬ ‫اختبار الترافؽ في جدكؿ االحتمالية ‪r x c‬‬

‫ُٕٗ‬ ‫مقارنة نسبتيف مئكيتيف لزكجيف مف المشاىدات‬

‫َِّ‬ ‫اختبار التكافؽ بكاسطة مربع كام‬

‫َِٖ‬ ‫الفصؿ الثاني عشر‪ :‬االرتباط كاالنحدار الخطي‬

‫َِٖ‬ ‫مدخؿ عمى االرتباط كاالنحدار الخطي‬

‫َِٗ‬ ‫االرتباط الخطي‬

‫َُِ‬ ‫معامؿ االرتباط‬

‫ُِّ‬ ‫اختبار الفرضية عندما تككف قيمة معامؿ االرتباط صفر‬

‫ُِٔ‬ ‫االنحدار الخطي البسيط‬

‫ِِٗ‬ ‫تحميؿ اإلنحدار الخطي المكغارتيمي‬

‫َِّ‬ ‫نظرية االنحدار المكغارتيمي‬

‫ِّْ‬ ‫الفصؿ الثالث عشر‪ :‬االختبارات االحصائية غير المعممية‬

‫‪238‬‬ ‫المراجع العربية‬

‫‪239‬‬ ‫المراجع األجنبية‬

‫ِ‪41‬‬ ‫البرامج االحصائية المشار الييا خبلؿ سرد التقنيات االحصائية‬

‫ِِْ‬ ‫الممحقات االحصائية‬

‫‪9‬‬
 ‫الفصل األول‬
‫‪CHAPTER ONE‬‬
‫الوذخل ‪ :‬هفهىم علن اإلحصبء‬
‫‪INTRODUCTION : WHAT IS STATISTICS‬‬
‫مفيوـ عمـ اإلحصاء ‪What is statistics‬‬

‫يعرؼ اإلحصاء بأنو عمـ مف العمكـ الرياضية ألف أسسو كقكانينو مستمدة مف‬

‫القكانيف الرياضية البحتة إال أنو يتميز بككنو عممان تطبيقيان يتناكؿ بالدراسة الناحية‬

‫الكمية لمختمؼ العمكـ التطبيقية كمنيا العمكـ الطبية البيطرية ‪.‬‬

‫كمف ىنا يمكننا أف نعرؼ عمـ اإلحصاء بأنو عمـ يشمؿ مجمكعة الطرائؽ‬

‫كاألدكات العممية التي تتبع في الحصكؿ عمى المعمكمات الكمية كالنكعية كتبكيبيا‬

‫كعرضيا كتحميميا كتمخيصيا كلما كانت المعمكمات تتحكؿ بالمعنى الرياضي إلى‬

‫أرقاـ كمية تتمثؿ بالبيانات يعرؼ عمـ اإلحصاء بأنو دراسة جمع البيانات كتصنيفيا‬

‫كتبكيبيا كتمخيصيا كعرضيا كتحميميا الستنباط االستنتاجات العممية الشاممة مف ىذه‬

‫البيانات الجزئية ‪.‬‬

‫إف األعداد اليائمة لمنصكص األكلية في مكضكع اإلحصاء المدرسي تشير‬

‫كم ٍف يقكمكف في مجاؿ‬

‫إلى أىمية مكاضيع اإلحصاء المدرسي لمعمكـ الحيكية طبلب ى‬

‫البحكث العممية‪.‬‬

‫‪10‬‬
‫كفي الحقيقة فإف ىناؾ كثير مف النصكص تتطمب منا أف نكتشؼ الطريقة‬

‫الذكية لتمثيؿ البيانات المطمكبة ‪.‬‬

‫إف المشكمة التي تكاجينا في اإلحصاء الحيكم ىي كما يأتي ‪:‬‬

‫عندما نقكـ بترتيب كتنسيؽ المشاىدات المعبرة عنيا رقميان في عمكـ األحياء‬

‫فإنؾ ستجد القيـ المحصكؿ عمييا عمى شكؿ بيانات مشتتة التكزيع ‪ ( .‬كىذا يحتـ‬

‫عمينا معرفة ) ما إذا كانت ناجمة االختبلفات في ىذا التكزيع ناجمة عف أسباب‬

‫متعمقة بمكضكع الدراسة أك أنيا تككف نتيجة لفرؽ طبيعي متعمؽ بخمفيات غاية‬

‫مكاضيع الدراسة كعبلقة ذلؾ بالعكامؿ األخرل ممكننا ‪ .‬كما أننا نحتاج إلى أف نقيـ‬

‫ط الحسابي الرقمي فعميان كالى أف نمثؿ ىذه األرقاـ في طريقة تجعؿ ارتباط‬
‫الكس ى‬

‫تفسيرىا بالعكامؿ األخرل ممكنان ‪.‬‬

‫كاذا ما أخذنا كممة اإلحصاء بمعناىا الحرفي فإننا نجد أف ليا مرادفات عدة‬

‫فقد كرد ذكرىا في القرآف الكريـ بمعنى الحصر كالعد ( كأحصى كؿ شيء‬

‫عددنا )‪ .‬ككثي نار ما نصادؼ العديد مف البيانات اإلحصائية التي تصدر عف ك ازرة‬

‫الزراعة كالتي تعبر عف أعداد المكاليد كالنفكؽ كاإلصابة باألمراض المرتبطة بالثركة‬

‫الحيكانية كغيرىا ‪ ...‬كمف ىنا كاف لفظ اإلحصاء داالن عمى الطرائؽ اإلحصائية‬

‫المختمفة التي تستخدـ في تحميؿ كتفسير البيانات الكمية أك العددية ‪ .‬كيعتمد‬

‫‪11‬‬
‫اإلحصاء عمى كثير مف النظريات اإلحصائية كالرياضية كالمعادالت المختمفة التي‬

‫يضعيا المتخصصكف في العمكـ اإلحصائية الرياضية‪.‬‬

‫إف عمـ اإلحصاء يركز عمى دراسة النقاط اآلتية ‪:‬‬

‫ُ‪ -‬تصميـ الدراسة تصميمان تتضح بو المعمكمات كالبيانات المجمكعة اتضاحان فعاالن‪.‬‬

‫ِ‪ -‬جمع البيانات ‪.‬‬

‫ّ‪ -‬تحميؿ البيانات ‪.‬‬

‫ْ‪ -‬تمثيؿ المعمكمات كتمخيصيا تمخيصان مناسبان كذلؾ باستخداـ األشكاؿ أما الجداكؿ‬

‫المناسبة ‪.‬‬

‫ٓ‪ -‬تفسير التحميؿ لمنتائج بطريقة تربط بيف مكجكدات الدراسة بدقة ‪.‬‬

‫إف عرض النقاط السابقة كدراستيا في عمـ األحياء ييعبر عنو بالقياس الحيكم‬

‫) ‪ ( biometry‬لكننا نؤثر استخداـ تعبير أشيع كىك ما يدعى بعبارة اإلحصاء‬

‫‪ Statistics‬لنغطي كافة نقاط الدراسة ‪.‬‬

‫كبيذا يتبيف أف اإلحصاء قد أصبح إحدل الكسائؿ األساسية في عمكـ األحياء‬

‫الحديثة ‪.‬‬

‫‪12‬‬
 ‫دور اإلحصاء في تسمسؿ خطوات البحث العممي‬

‫‪The Role of Statistics in the Steps of Scientific‬‬

‫‪Research‬‬
‫مػػف التسػػاؤالت األساسػػية الشػػائعة ل ػدل كػػؿ مػػف طمبػػة الطػػب البيطػػرم كعمػػكـ‬

‫الحيكاف ىك ‪ً :‬ل ىـ أحتاج إلى أف أدرس اإلحصاء ؟‬

‫إف األساس الرياضي البحث لئلجابة عمى ذلػؾ كتعطػي تفسػيرات غيػر مؤكػدة‬

‫غالبنا ‪ .‬كفي الحياة المينية عمى العمكـ كثير مف األمثمة التي تكضح أىمية اإلحصػاء‬

‫في العمكـ الحيكية كغيرىا مف العمكـ‪:‬‬

‫ُ‪ -‬المنشكرات العممية المطبكعػة ‪ The Published – Scientific Literature‬إف‬

‫مثػؿ ىػػذه المنشػكرات مميئػػة بػالطرائؽ اإلحصػػائية المسػتخدمة كالتػػي تظيػر بكضػػكح‬

‫اسػ ػػتخداـ تعبيػ ػػر (الكسػ ػػط الحسػ ػػابي ‪ ‬الكسػ ػػط الحسػ ػػابي لمخطػ ػػأ لممعيػ ػػارم) أم‬

‫])‪ [mean  Standard error of mean (SEM‬لمحصػكؿ عمػى المعنكيػة‬

‫اإلحص ػ ػ ػػائية بكاس ػ ػ ػػطة ق ػ ػ ػػيـ االحتمالي ػ ػ ػػة )‪ (P‬أك باس ػ ػ ػػتخداـ اختب ػ ػ ػػارات ‪ t‬س ػ ػ ػػتدنت‬

‫)‪ (student t‬أك تحميؿ مربع كػام (‪ )2‬أك اسػتخداـ طػرؽ تحميػؿ التبػايف ‪ .‬كنجػد‬

‫أف المعمكم ػػات الممثم ػػة فيي ػػا مختصػ ػرة كمبكب ػػة ‪ .‬كب ػػدكف إلم ػػاـ الد ارس ػػة بالتحمي ػػؿ‬

‫‪13‬‬
‫اإلحصائي ال نقبؿ استنتاجات عمػؿ ىػذا الباحػث مطمقػنا ‪ ،‬ألننػا نكػكف عندئ وػذ غيػر‬

‫قادريف عمى فحص قكة الدعـ كالػربط لمبيانػات مػع الكاقػع ‪ .‬بػاختراع الحاسػب الػذم‬

‫يقكـ بتنسيؽ كتنظيـ البيانات كالكثيػر مػف حسػابات حػكؿ المشػاىدات التػي حصػمنا‬

‫عمييا كيقػكـ أيضػان بتمخيصػيا كتبكيبيػا كتبيػاف أىميتيػا كحتػى نقػكـ بكػؿ مػا ذكرنػاه‬

‫فػػي جيػػاز الحاسػػب ل ييحقػػؽ الفائػػدة المرجػػكة مػػف ىػػذه المعمكمػػات فإننػػا نحتػػاج حتمػان‬

‫إلى نظرة شاممة بدراستيا إحصائينا ‪.‬‬

‫ِ‪ -‬كفي عمكـ صحة الحيكاف تت ازيد أعداد الخػدمات التشخيصػية المسػتقمة كالتػي تحمػؿ‬

‫العينات مف أجؿ تحقيؽ الفائدة في رصد صػحة الحيػكاف ‪Health monitoring‬‬

‫كالمحافظ ػػة عميي ػػا جي ػػدان ‪ .‬ى ػػذا العم ػػؿ يج ػػرل بكاس ػػطة الخ ػػدمات المخبري ػػة كالت ػػي‬

‫تكجػػب التركي ػز دائم ػان عمػػى نكعيػػة الػػتحكـ كالدقػػة فػػي القياسػػات المتبعػػة لؤلغ ػراض‬

‫كككننػا قػادريف عمػى تقػديـ دالالت كاضػحة لتفسػير النتػائج المحصػكؿ‬

‫التشخيصػية ى‬

‫عمييا في المخابر ‪.‬‬

‫‪Pharmaceutical‬‬ ‫‪and‬‬ ‫ّ‪ -‬الصػ ػ ػػناعات الدكائيػ ػ ػػة كالكيميائيػ ػ ػػة الزراعيػ ػ ػػة‬

‫‪ : Agrichemical Industries‬كىػػي تتطمػػب إثبػات كػػؿ مػػف أمػػاف منتجاتيػػا‬

‫كفعاليتيا بطريقة ال تقبؿ الجدؿ ‪ .‬مثؿ ىذه البيانات آللية ىػذه الصػناعات تتطمػب‬

‫طرائؽ إحصائية لتقييـ كتكضيح أساس كؿ مف ىاتيف النقطتيف المدركستيف ‪ .‬ففي‬

‫حالة الصػناعات الدكائيػة نجػد أف تطكيرىػا يحتػاج إلػى فيػـ أىميػة تصػميـ الد ارسػة‬

‫‪14‬‬
‫لمتأكػػد بمػػا يكف ػي مػػف أعػػداد الحيكانػػات المسػػتخدمة فػػي المجمكعػػات المعالجػػة كػػي‬

‫تج ػػرل تج ػػارب مث ػػؿ ى ػػذه الص ػػناعات بم ػػا ى ػػك ج ػػدير بالثق ػػة ‪ .‬إف لجن ػػة ت ػػرخيص‬

‫المنتجػػات البيطريػػة كيطم ػػب منيػػا فيػػـ عم ػػـ اإلحصػػاء لتقيػػيـ م ػػدل فعاليػػة المػ ػكاد‬

‫العبلجية المصنعة كتأثيرىا عمى الحيكاف المريض ‪.‬‬

‫ْ‪ -‬كيػ ػزداد التركي ػػز حاليػ ػان عم ػػى أنظم ػػة األمان ػػة كنكعي ػػة الطع ػػاـ الخ ػػاص باالس ػػتيبلؾ‬

‫البشػػرم ‪ .‬ألف المنتجػػات مػػف أصػػؿ حي ػكاني ذات أىميػػة فػػي ىػػذا المجػػاؿ كتحديػػد‬

‫مدل أمانيا يقع عمى عاتؽ الطبيب البيطػرم فعمػى سػبيؿ المثػاؿ ‪ :‬المنػتج الػدكائي‬

‫المتعمػػؽ بسػػحب زمنػػي معػػيف قبػػؿ الػػذبح يعتمػػد عمػػى التػػداخؿ الػػدكائي كديناميكيػػة‬

‫الػػدكاء الخاصػػة بػػالمنتج كىػػذا يتعمػػؽ عمػػى سػػبيؿ المثػػاؿ بمنػػتج الحميػػب بعػػد عمميػػة‬

‫معالجػػة الحي ػكاف ككػػذا بالنسػػبة لمثمػػاالت النسػػيجية الناجمػػة عػػف المبيػػدات العشػػبية‬

‫كالمبي ػ ػ ػػدات الحشػ ػ ػ ػرية كامكاني ػ ػ ػػة تم ػ ػ ػػكث ال ػ ػ ػػذبائح بالص ػ ػ ػػادات الحيكي ػ ػ ػػة المقاكم ػ ػ ػػة‬

‫لمجػ ػراثيـ ‪ .‬كعم ػػى أي ػػة ح ػػاؿ ف ػػإف التكص ػػيات كالمقترح ػػات كك ػػذا القػ ػكانيف الناظم ػػة‬

‫المناسػػبة تيق ػ ٌػيـ بالد ارسػػات التجريبي ػػة كك ػػذا التقيػػيـ اإلحص ػػائي ‪ .‬كىػػذا يتطم ػػب م ػػف‬

‫الخبػراء أف يكػكف لػػدييـ خبػرة بػالطرائؽ اإلحصػػائية المناسػبة كػي يػؤدكا عمميػـ فػػي‬

‫سف القكانيف المناسبة كالصحيحة اعتمادان عمى ىذه الطرائؽ ‪.‬‬

‫كيمك ػػف أف ن ػػكجز فكائ ػػد عم ػػـ اإلحص ػػاء األساس ػػية ف ػػي ثبلث ػػة مج ػػاالت متعمق ػػة‬

‫بالطب البيطرم كعمـ الحيكاف ‪:‬‬

‫‪15‬‬
‫ُ‪ -‬م ػػا ل ػػـ تك ػػف ىن ػػاؾ بيان ػػات إحص ػػائية لقط ػػاع اإلنت ػػاج الحيػ ػكاني كالث ػػركة الحيكاني ػػة‬

‫كبصػػكرة مسػػتمرة كعمػػى نحػػك سػػميـ فػػإف عمميػػة التخطػػيط االقتصػػادم تكػػكف فاشػػمة‬

‫لتطكير الثركة الحيكانيػة كمنتجاتيػا ‪ .‬ناىيػؾ عػف الخسػائر الجسػيمة التػي قػد تمحػؽ‬

‫باالقتصاد الكطني ‪.‬‬

‫الطرئ ػؽ اإلحصػػائية كاسػػتعماليا فػػي التجػػارب الحيكيػػة كالمشػػاىدات‬

‫ا‬ ‫ِ‪ -‬تعتبػػر د ارسػػة‬

‫التجريبية أداة ميمة في جمع كتبكيب كتحميؿ البيانات كتفسير النتائج الحيكية ‪.‬‬

‫ّ‪ -‬إف دراسة العمكـ اإلحصػائية كنظرياتيػا المختمفػة تسػيؿ كتسػاعد عمػى فيػـ الباحػث‬

‫في الحصكؿ عمى الحقائؽ كفؽ أفضؿ النتػائج كأدىػا كمطابقتيػا فيزيكلكجيػا لكقػائع‬

‫األحداث المدركسة ‪.‬‬

‫طريقة البحث اإلحصائي ومراحمو‬

‫‪Method of Statistical Approach and its Steps‬‬

‫تشػػمؿ طريقػػة البحػػث اإلحصػػائي م ارحػػؿ مختمفػػة تختمػػؼ تبع ػان إلطػػار الد ارسػػة‬

‫كاليدؼ المطمكب إنجازه إال أنيا عمكمنا تشمؿ المراحؿ اآلتية ‪:‬‬

‫ُ‪ -‬جم ػػع البيان ػػات اإلحص ػػائية ب ػػالطرائؽ المناس ػػبة كالت ػػي س ػػنتطرؽ إليي ػػا ف ػػي فص ػػكؿ‬

‫الحقة ‪.‬‬

‫ِ‪ -‬تصنيؼ كتبكيب البيانات ‪.‬‬

‫ّ‪ -‬عرض البيانات بطريقة أك أكثر مف طرائؽ العرض المناسبة ‪.‬‬

‫‪16‬‬
‫ْ‪ -‬دراسة البيانػات المجمكعػة كتحميميػا بػالطرائؽ اإلحصػائية الكصػفية أك التحميميػة أك‬

‫بكمتييما معان ‪.‬‬

‫ٓ‪ -‬استخبلص النتائج المحصكؿ عمييا مف تحميؿ بيانات الدراسة ‪.‬‬

‫إال أنو يجب أف ننكه ىنا بأف كؿ مرحمة مػف م ارحػؿ ىػذه الد ارسػة ميمػة كيجػب‬

‫إتماميا بدكف أخطػاء مػع اعتبػار ىػذه الم ارحػؿ مرتبطػان بعضػيا بػبعض كأف كػؿ مرحمػة‬

‫تبدأ مف نياية المرحمة السابقة كتعتمد عمييا كعمى دقة نتائجيا‪.‬‬

‫أنواع المتغيرات ‪Types of Variables‬‬

‫المتغير ىك عبارة عف قيمة خاصة تتعمؽ بيا صفة أك عضك قابؿ لمتغير في‬

‫النكع أك الكػـ مػف حيػكاف إلػى آخػر فػي نفػس المجتمػع الحيػكاني المػدركس ‪ ،‬كقػد تكػكف‬

‫الصفة المتغيرة كصفية أم ال يمكف قياسيا مباشرة كالمكف أك الحالة الصحية لحيكانات‬

‫الدراسة كقد تككف الصفة المتغيػرة صػفة كميػة كالصػفات كالخػكاص التػي يمكػف قياسػيا‬

‫مباشرة مثؿ األطكاؿ كاألكزاف ‪ ...‬الخ ‪.‬‬

‫كىنا يجب أف نتحدث عف القيمة اإلحصائية ‪ Variate‬كالتػي تعبػر عػف قيمػة‬

‫إحدل صفات حيكانات الدراسة المتغيرة كالتي يمكف أف تأخذ قيمػنا تختمػؼ فػي حػدكدىا‬

‫مف القيـ الفرديػة فػي أحػد الحيكانػات إلػى قػيـ فرديػة أخػرل أك مػف قػيـ شػاممة لمجمكعػة‬

‫مػػف الحيكانػػات إلػػى مجمكعػػة أخػػرل ‪ .‬فعمػػى سػػبيؿ المثػػاؿ صػػفة الطػػكؿ كالػػكزف كحجػػـ‬

‫‪17‬‬
‫الحظيػ ػرة كتع ػػداد ال ػػدـ كفعالي ػػة األنزيم ػػات كل ػػكف غط ػػاء الجم ػػد كالنس ػػب المئكي ػػة لمنع ػػاج‬

‫الحامم ػػة ف ػػي القطي ػػع ‪ ..‬إل ػػخ كيرم ػػز لمقيم ػػة اإلحص ػػائية ب ػػالرمز )‪ (X‬ف ػػإذا ك ػػاف ل ػػدينا‬

‫بل كيرمػز لػو‬

‫ال فرديػنا أكؿ مػث ن‬
‫مجمكعة أطكاؿ لمجمكعة مف الخيكؿ فيأخذ كؿ حيكاف طك ن‬

‫بػ ‪ X1‬كالثاني بػ ‪ X2‬كالثالث بػ ‪ .. X3‬كىكذا حتػى الطػكؿ األخيػر ‪ Xn‬كيكػكف مجمػكع‬

‫القيـ اإلحصائية ىك ‪:‬‬

‫‪n‬‬

‫‪X  X‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ X 2  X 3  ....  n‬‬

‫حيث يعبر ‪ ‬عف المجمكع المشتؽ مف الحرؼ اإلغريقي ‪ Sigma‬كمػا يعبػر‬

‫عف المجمكع بالرمز )‪ (S‬كالمشتؽ مػف الكممػة اإلنكميزيػة ‪ Sum‬أك ‪ Summation‬إال‬

‫أف ذلؾ غير مرغكب فيو منعان لمخمط بيف ىذا الرمز كنفس الرمز )‪ (S‬الذم يعبر عنو‬

‫أحياننا بػاالنحراؼ القياسػي كأحػد مقػاييس التشػتت كالتػي سػترد فػي فصػؿ الحػؽ ‪ .‬كمػف‬

‫المبلحظ أنػو كضػع تحػت الرمػز ‪ ‬الػرقـ كفكقػو الحػرؼ ‪ n‬كذلػؾ لمتعبيػر عػف أف ىػذا‬

‫المجمػػكع ىػػك عبػػارة عػػف مجمػػكع األف ػراد فػػي حيكانػػات الد ارسػػة كالتػػي تأخػػذ القػػيـ مػػف‬

‫الحيكاف األكؿ (ُ) حتى الرقـ األخير )‪ (n‬كعمى نحك كاضح فإف بعض ىذه المميزات‬

‫المذككرة الخكاص يككف أكثر قابمية لتقػديرىا كميػان مػف األخريػات ‪ ( .‬كمػف أجػؿ بعػض‬

‫المتغيػرات يمكننػػا أف نحػػكؿ الػرقـ العػددم إلػى فئػػة رقميػػة كبػذلؾ يمكننػػا إنشػػاء نػػكع مػػف‬

‫‪18‬‬
‫المستكل العددم إال أف بعض القيـ األخػرل يمكػف أف تكػكف عمػى شػكؿ مسػتكل رقمػي‬

‫حقيقي تمتد عندىا قيمة المتغير ) ‪.‬‬

‫كما أف البيانات الرقمية تأخذ أشكاالن مختمفة بما أف الفيـ الطبيعي لمبيانات‬

‫كتصنيؼ المتغيرات ىك الخطة اليامة األكلى في اختيار الطريقة اإلحصائية المناسبة‬

‫‪.‬‬

‫يظير الممحؽ ‪ C‬مخططات الخكارزمية ( ‪ ) Flow chart‬كالتي تكضح آلية‬

‫ىذه الفكرة كتقكـ عمى الجمع مابيف االختيار المناسب لمطريقة اإلحصائية كتحميؿ‬

‫بيانات معينة ‪.‬‬

‫كيمكف أف ييميز األنماط الرئيسية لممتغير بطريقة نظامية كذلؾ بتحديد إمكانية‬

‫أخػذ المتغيػػر لقيمػة مػػف قيمتػيف مميػزتيف ‪ ،‬أك قيمػػة كاحػدة مػػف عػدة قػيـ مميػزة ‪ ،‬أك أم‬

‫قيمة ضمف المجاؿ المعطى ليذا المتغير ‪ .‬كعممياي نً يمكف أف يأخذ أحد األنػكاع اآلتيػة‬

‫‪:‬‬

‫أ‪ -‬متغير نوعي‪/‬أو فئوي ‪: Qualitative/ Categorical variable‬‬

‫كىػك عبػارة عػف عػػدد ينتمػي إلػى فئػػة كاحػدة مػف مجمػػكع فئتػيف اثنتػيف أك أكثػػر‬

‫مف الفئػات المميػزة ليػذا المتغيػر فػالمتغير مػف نػكع ثنػائي‪/‬بيزم )‪ (a binary v.‬أك مػا‬

‫يػػدعى ‪ dichotomous‬كىػػك نػػكع خػػاص مػػف المتغيػرات مػػف أنمػػاط المتغيػرات الفئكيػػة‬

‫االسمية كالتي تعرؼ فقط في حاؿ كجكد فئتيف ‪ ،‬كأف نقكؿ مثبلن ‪ :‬بقرة حامػؿ أك غيػر‬

‫‪19‬‬
‫حامؿ أك أف نقكؿ ىذا الحيكاف ذكر أك أنثى ‪ .‬كتتراكح قيـ ىذا المستكل مف المتغيػرات‬

‫ما بيف القيمة الصفر إلى القيمة كاحد (َ‪. )ُ-‬‬

‫كيمكف أف تمخص المستكيات الخاصة بالمتغير الفئكم بما يأتي ‪:‬‬

‫ُ‪ -‬مسػػتكل ‪ /‬قياسػػي ‪ /‬اسػػمي ‪ : Nominal Scale‬كىػػي عبػػارة عػػف فئػػات ممي ػزة‬

‫تعرؼ المتغير بأنيا ذات قيـ غير مرتبة ‪ Unordered‬ككػؿ منيػا يمكػف أف يشػار‬

‫إليو باسـ كأف نقكؿ لكف غطاء الجمد (بني – رمادم) ‪.‬‬

‫‪ : Ordinal‬كى ػػك يض ػػـ فئ ػػات متغي ػػر تتمي ػػز ب ػػبعض‬ ‫ِ‪ -‬مس ػػتكل ترتيب ػػي ‪Scale‬‬

‫الترتيبات الداخمية لكف ىػذا الترتيػب ال يتضػمف أم معنػى بالنسػبة لممتغيػر كتعػرؼ‬

‫الفكاصػػؿ بػػيف الفئػػات المختمفػػة حسػػب المتغيػػر ‪ :‬عمػػى سػػبيؿ المثػػاؿ قيػػاس حالػػة‬

‫الجسػـ فػي مصػطمح األمػراض الباطنيػة ‪ Body Condition Score‬ككػذا كثافػة‬

‫الكمضاف الفمكراسيني لمخبليا عند اسػتخداـ المجيػر الكمضػاني الفمك ارسػيني كدرجػة‬

‫حركيػػة الحيكانػػات المنكيػػة فػػي العينػػة ‪ .‬ىػػذه المسػػتكيات تعط ػي غالب ػان قيم ػان عدديػػة‬

‫تتراكح بيف ُ إلى ‪. n‬‬

‫ب‪ -‬المتغير الكمي ‪Quantitative variable‬‬

‫كىػ ػػك يتضػ ػػمف قيم ػ ػنا عدديػ ػػة معرفػ ػػة جيػ ػػدنا بمسػ ػػتكاىا كىنػ ػػا نميػ ػػز نػ ػػكعيف مػ ػػف‬

‫المستكيات أك المتغيرات الكمية ‪:‬‬

‫‪20‬‬
 ‫‪ -1‬المستوى غير المستمر (متغيرات منقطعة) ‪:‬‬

‫‪A discrete (Discontinuous) Scale‬‬

‫نقػكؿ عػػف المتغيػػر اإلحصػػائي ‪ X‬إنػػو متغيػر منقطػػع إذا كػػاف ]‪X [a , b‬‬

‫ككان ػػت ىن ػػاؾ قيم ػػة كاح ػػدة عم ػػى األق ػػؿ تق ػػع ض ػػمف المج ػػاؿ كيس ػػتحيؿ لممتغي ػػر ‪ X‬أف‬

‫يأخػػذىا‪ .‬كمثػػاؿ ىػػذا المسػػتكل ‪ ،‬البيانػػات التػػي يمكػػف أف تأخػػذ قيمػان خاصػػة ذات تعػػداد‬

‫نمػػكذجي مثػػؿ حجػػـ الحظي ػرة ككػػذا أعػػداد األفػراخ النافقػػة فػػي حضػػانة البػػيض كالمكسػػـ‬

‫اإلدرارم (أك ع ػػدد مػ ػرات الحم ػػؿ) ‪ .‬لنأخ ػػذ م ػػثبلن ع ػػدد الحيكان ػػات المعالج ػػة يكميػ ػان ف ػػي‬

‫المشػػفى البيطػػرم فػػي كميتنػػا كلنفػػرض أف ىػػذا العػػدد ال يقػػؿ عػػف ِ كال يزيػػد عػػف َُ ‪،‬‬

‫أم ]‪ X [2 , 10‬كىنا نقكؿ إننا أماـ متغير إحصائي منقطع ‪،‬أمػا بالنسػبة لمعػدد ِ‬

‫‪ ّ ،‬مثبلن فبل يمكف أف يأخذ المتغير ‪ X‬ىذه القيمة ‪.‬‬

‫‪ -2‬المستوى المستمر أو المتغيرات اإلحصائية المستمرة‬

‫‪Variable a Continuous Scale or a Continuous‬‬

‫كتككف ىنا جميػع القػيـ مقبكلػة نظريػان فػي ىػذا المسػتكل كربمػا تكػكف القػيـ ذات‬

‫حد أعمى كحد أدنى ‪ .‬كبالتالي فإف المتغير ‪ X‬ىنا يأخذ أية قيمة مف مجمكعة األعداد‬

‫الحقيقية التي تمثؿ بمستقيـ األعداد الحقيقية ‪. (real numbers) R‬‬

‫فإذا كاف المتغير ‪ X‬متغي انر إحصػائيان مسػتم انر ككػاف ]‪ X [a,b‬فػإف ‪ X‬يمكػف‬

‫أف يأخػػذ أيػػة قيمػػة مػػف ‪ a‬إلػػى ‪ b‬بمػػا فييػػا األعػػداد الصػػحيحة كالنسػػبية كالعش ػرية غيػػر‬

‫‪21‬‬
‫النسبية مثػؿ ‪ ‬كالقيمػة ‪ . e‬كمثػاؿ ذلػؾ صػفات الطػكؿ كالػكزف كالسػرعة كتركيػز مكػكف‬

‫كيميائي في الدـ أك البكؿ ‪ .‬كتككف قيـ مستكل ىذا المتغير ذات مدل غير محدكد أم‬

‫يمكػػف أف يصػػؿ بقيمتػػو إلػػى البلنيايػػة ‪ .‬كالمثػػاؿ الرقمػػي ليػػذا المتغيػػر أف نأخػػذ إنتػػاج‬

‫الحمي ػػب إلح ػػدل مػ ػزارع األبق ػػار الحم ػػكب الحككمي ػػة ف ػػإذا ك ػػاف إنت ػػاج الحمي ػػب الي ػػكمي‬

‫األعظمي إلحػدل األبقػار فػي ىػذه المزرعػة ِٓ كػ كأدنػى إنتػاج حميػب يػكمي إلحػدل‬

‫األبقػػار فػػي ىػػذه المزرعػػة ىػػك َُ ك ػ فػػإف ‪ X‬يضػػـ المجػػاؿ ]‪ X[10.25‬فػػإذا مػػا‬

‫اخترنػػا أم حي ػكاف فػػي ىػػذه المزرعػػة فػػإف إنتاجػػو يمكػػف أف يكػػكف كاقع ػان ضػػمف المجػػاؿ‬

‫المذككر أعبله ميما كانت دقتو كإنتاج الحميب الكزني اليكمي ِ‪ ُِ.‬ك أك ٓ‪ ُٓ.‬أك‬

‫ٕ‪ ُٕ.‬ك عمى سبيؿ المثاؿ ‪.‬‬

‫االختالفات في القياسات ‪Variations in Measurements‬‬

‫مف المعركؼ أنو عندما تتكرر المشاىدة كنريد تقػدير ظػاىرة حيكيػة خاصػة ال‬

‫تتطابؽ القياسات إال ناد نار ‪ .‬جزء مف ىذا االختبلؼ يككف بسػبب اخػتبلؼ طبيعػي فػي‬

‫المادة الحيكية المقيسة ‪ .‬فعمى سبيؿ المثاؿ ‪ :‬نقكؿ إف جميع األبقار تأكؿ نفس الكمية‬

‫مف األعشاب كؿ يكـ كاف كاف ىناؾ اختبلؼ في كؿ مف كزف الجسـ كمككنات العمؼ‬

‫مػػف الميػػاه مػػع أخػػذىا بعػػيف االعتبػػار ‪ .‬كسنسػػتخدـ عبػػارة الفػػرؽ أك االخػػتبلؼ الحيػػكم‬

‫‪ Biological Variation‬لمتعبي ػػر ع ػػف ى ػػذه الظ ػػاىرة م ػػع أف بع ػػض األخص ػػائييف‬

‫‪22‬‬
‫يس ػػتخدمكف عب ػػارة الخط ػػأ الحي ػػكم ‪ ( Biological Error‬كالح ػػؽ أف عب ػػارة الخط ػػأ‬

‫الحيػػكم تقكدنػػا خط ػنأ إلػػى تعبيػػر مشػػكه عمػػى حػػيف أف ىػػذا االخػػتبلؼ ال ي ػرتبط بنتيجػػة‬

‫خطػػأ متعمػػؽ بألػػة أك بإنسػػاف كانمػػا خطػػأ طبيعػػي كي ػرتبط بػػاالختبلؼ الحيػػكم لمحي ػكاف‬

‫المدركس) ‪.‬‬

‫كلكػػف إذا قمنػػا باختيػػار الحيكانػػات فردي ػان حسػػب مكاصػػفات خاصػػة قبػػؿ البػػدء‬

‫بجمػػع البيانػػات فإننػػا سػػنككف قػػادريف عمػػى خفػػض مػػدل االخػػتبلؼ الحيػػكم إال أنػػو ال‬

‫يمكننا تحديده ‪ .‬كيعتمد ىذا االختيار غالبان عمى خػكاص ذلػؾ الحيػكاف أك مكاصػفات (‬

‫عمى سبيؿ المثاؿ األنكاع الحيكانية أك النكع الحيكاني كالذرية الجرثكمية كعمػر الحيػكاف‬

‫كج ػنس الحي ػكاف كدرجػػة النضػػج ككزف الجسػػـ كقطعػػاف متخصصػػة بإنتػػاج الحميػػب أك‬

‫المحػػـ كغيرىػػا ‪ .) ...‬كلػػذلؾ يعتمػػد ىػػذا االختيػػار عمػػى عكامػػؿ خاصػػة ضػػمف شػػركط‬

‫التقصي المستخدـ في الدراسة‪ .‬يكضح الشكؿ رقـ (ُ) أنماط المتغيرات ‪.‬‬

‫االختالفات نوعاف ‪:‬‬

‫ُ‪ -‬االخػػتبلؼ الحيػػكم ‪ : biological‬كىػػك عائػػد إلػػى اخػػتبلؼ طبيعػػة المػػادة الحيكيػػة‬

‫المقيسة بذاؾ ‪.‬‬

‫ِ‪ -‬االختبلؼ الفني ‪ : technical‬كىك عائد إلى فركؽ حيكية في القياسات‬

‫‪23‬‬
 ‫الشكؿ رقـ (‪ )1‬أنماط البيانات ‪ /‬المتغيرات في عمـ اإلحصاء‬

‫أنكاع البيانات ‪ /‬أك المتغيرات‬

‫فئكية‬ ‫كمية‬

‫متغيرات منقطعة‬
‫إسمية‬ ‫ترتيبية‬ ‫متغيرات مستمرة‬
‫(غير مستمرة)‬

‫مصفكفة‬ ‫مرتبة‬
‫أك رتب‬ ‫فئكيان‬

‫مثاؿ أل نماط المتغيرات اإلحصائية ‪:‬‬

‫تحتكم مزرعة عمى ‪ 100‬بقرة منيا ‪ 29‬عجبلن ك ‪ 71‬بقرة بالغػة كػاف مػف بػيف‬

‫ى ػ ػاتيف المجمػ ػػكعتيف عشػ ػػر عجػ ػػبلت ( بًكػ ػػار ) ك (‪ )55‬بق ػ ػرة بالغػ ػػة فػ ػػي حالػ ػػة حمػ ػػؿ‬

‫بالتش ػػخيص الػ ػكالدم ‪ .‬كم ػػف نف ػػس المجم ػػكعتيف الم ػػذككرتيف ف ػػي البداي ػػة كان ػػت ل ػػدينا‬

‫المكاصفات اآلتية ‪:‬‬

‫بل ‪.‬‬
‫‪ 58‬بقرة في حالة صحية جيد كمنيا ‪ 48‬بقرة حام ن‬

‫‪24‬‬
 ‫‪ 8‬بقرات في حالة جسمية متكسطة كمنيا ‪ 5‬بقرات حكامؿ ‪.‬‬

‫‪ 5‬أبقار في حالة صحية سيئة كمنيا بقرتاف حامبلف ‪.‬‬

‫كبما أف عدد العجبلت ( بًكار ) الحكامؿ كانت تسعة كعشريف (ِٗ) فقد كاف‬

‫ليػػا بعػػض المكاصػػفات فػ ػ ُٗ فػػي حالػػة صػػحية جيػػدة منيػػا ٖ عجػػبلت حكامػػؿ كتسػػع‬

‫عجػػبلت فػػي حالػػة صػػحية متكسػػطة منيػػا عجمتػػاف حػػامبلف كعجمػػة كاحػػدة فػػي حال ػػة‬

‫صحية سيئة ‪ .‬كيؼ يمكف أف نمثؿ ىذه المعمكمات في شكؿ بيانات رقمية ؟ ‪.‬‬

‫الحؿ ‪:‬‬
‫حالة الجسـ الصحي في كؿ مف العجالت مف األبقار في المزرعة المذكورة أعاله ‪.‬‬

‫األبقار‬ ‫العجالت‬
‫عدد‬ ‫عدد‬
‫‪%‬‬ ‫‪%‬‬ ‫حالة الجسـ‬
‫المشاىدات‬ ‫المشاىدات‬
‫ٕ‪ُٖ.‬‬ ‫ٖٓ‬ ‫ٓ‪ٔٔ.‬‬ ‫ُٗ‬ ‫جيدة‬
‫ّ‪ُُ.‬‬ ‫ٖ‬ ‫َ‪ُّ.‬‬ ‫ٗ‬ ‫متوسطة‬
‫َ‪ٕ.‬‬ ‫ٓ‬ ‫ْ‪ّ.‬‬ ‫ُ‬ ‫سيئة‬
‫َ‪ََُ.‬‬ ‫ُٕ‬ ‫َ‪ََُ.‬‬ ‫ِٗ‬ ‫اإلجمالي‪/‬المجموع‬

‫كل ػػذلؾ ف ػػإف الد ارس ػػات المطبق ػػة عم ػػى س ػػبيؿ المث ػػاؿ عم ػػى قطع ػػاف أبق ػػار المح ػػـ‬

‫يفترض أف ال تستخدـ في قطعاف أبقار الحميب كالمخصصة إلنتاج الحميب ‪.‬‬

‫كاضافة إلى االختبلؼ الحيكم ىناؾ غالبنا فركؽ حيكية في القياسػات المتكػررة‬

‫لنفس المكضكع ‪ :‬ىذه االختبلفات أك األخطػاء الفنيػة ‪ Technical variation‬تكػكف‬

‫نتيجة أسباب متعمقة باآللة أك ناجمة عف أخطاء متعمقة باإلنساف المستخدـ لآللة مثػؿ‬

‫‪25‬‬
‫ىػػذه االختبلفػػات يجػػب أف نأخػػذىا بعػػيف االعتبػػار عنػػد إج ػراء أم د ارسػػة كػػي ال تكػػكف‬

‫القيمة التي حصمنا عمييا ىي قيمة حقيقية مطمقة ‪.‬‬

‫‪26‬‬
 ‫الفصل الثبًً‬
‫‪CHAPTER TWO‬‬
‫تعبرٌف وهفبهٍن إحصبئٍة‬
‫‪STATISTICAL DEFINITIONS AND CONCEPTS‬‬

‫االختالؼ الحيوي ‪Biological Variations‬‬

‫العبارات المرتبطة بنوعية القياس‬

‫‪Terms Relating to Measurement Quality‬‬

‫ىناؾ عبارتاف ىامتاف أساسان في فيػـ المبػادئ األساسػية لمقيػاس الحيػكم كىمػا‬

‫مصطمح الدقة ‪ Precision‬كالتػدقيؽ ‪ Accuracy‬ككػذلؾ يعتبػر فيميمػا أساسػينا عنػد‬

‫بدء الدراسة لؤلخذ بعيف االعتبار طبيعة قياس البيانات ‪.‬‬

‫فالدقة ‪ :‬مصطمح يشير إلى كيفية تكرار المشاىدات متكافقة جيدان مع البيانات األخرل‬

‫عند المقارنة ‪.‬‬

‫التػػدقيؽ ‪ :‬كىػػك مصػػطمح يشػػير إلػػى كيفيػػة تكافػػؽ القيمػػة المشػػاىدة مػػع القيمػػة الحقيقيػػة‬

‫تكافقنا جيدنا ‪.‬‬

‫كلنحػػاكؿ فيػػـ ىػػاتيف العبػػارتيف بالشػػكؿ رقػػـ (ِ) كالػػذم يشػػير إلػػى نقػػاط التصػػكيب فػػي‬

‫حدقة العيف نسػبينا كالتػي تختمػؼ بقربيػا مػف القيمػة الحقيقيػة ‪ ،‬ففػي ىػذا الشػكؿ نجػد أف‬

‫‪27‬‬
‫اء في التدقيؽ كالدقة الخاصة في التصكيب ك كذا يكجد تدقيؽ سيئ كدقة جيدة‬
‫ثمة سك ن‬

‫‪ .‬إضافة إلى أنو ثمة دقة كتدقيؽ جيد مف حيث التصكيب ‪.‬‬

‫التكرارية ‪: Repeatability‬‬

‫ى ػػذا المص ػػطمح يرك ػػز عم ػػى تق ػػدير التش ػػابو لمتكػ ػ اررات كالت ػػي غالبػ ػان م ػػا تك ػػكف‬

‫مزدكجة كما أف قياسات تقنية معينة بكاسطة جياز معيف أك شخص ما أك القائـ عمػى‬

‫القيػػاس تكػػكف فػػي شػػركط معينػػة ‪ ،‬عمػػى سػػبيؿ المثػػاؿ القياسػػات التػػي يجرييػػا الشػػخص‬

‫القائـ عمى القياس في نفس المخبر تتـ بتقييـ األخطاء الفنية التي يمكف أف تحدث فيو‬

‫‪.‬‬

‫‪28‬‬
 ‫الشكؿ رقـ ‪ : 1‬تقييـ الدقة و التدقيؽ‬

‫طريقة التوافؽ ‪: Method Of Agreement‬‬

‫يركز ىذا المصطمح عمى تحديد كيؼ يمكف لطريقة قياس كاحدة أك اثنتيف أك‬

‫أكثر أف تتكافؽ في نفس تقديرىا مع طريقة أخػرل ‪ .‬عمػى سػبيؿ المثػاؿ القياسػات التػي‬

‫يجرييا عدد مف األشخاص القائميف عمى التشغيؿ المختمفيف كالذيف يعممكف في مخابر‬

‫مختمفة كيمكف أف يستخدمكا طرقنا مختمفة لمحصكؿ عمى نفس قيمة القياس ‪.‬‬

‫‪29‬‬
 ‫الثباتية ‪: Stability‬‬

‫يرك ػػز ى ػػذا المص ػػطمح عم ػػى القي ػػاس المتك ػػرر لفتػ ػرة طكيم ػػة ‪ .‬إذ إف المخ ػػابر‬

‫التشخيصػػية ييحػػتفظ فييػػا ع ػادة بمػػادة مرجعيػػة لفحػػص الثباتيػػة فػػي القيػػاس مػػع مػػركر‬

‫الزمف ‪.‬‬

‫الصالحية ‪: Validity‬‬

‫كىك مصطمح قيػاس يركػز عمػى تحديػد مػا إذا كػاف القيػاس فعميػنا كعمػى تحديػد‬

‫النقاط المراد دراستيا كالتي يجب إجراء قياس ليا ‪ .‬ككذا الفترة التي أيجرم القياس فييػا‬

‫أىػ ػػي بعيػ ػػدة أك قريبػ ػػة ‪ .‬ففػ ػػي المفيػ ػػكـ الس ػ ػريرم ييقػ ػػارف القيػ ػػاس مػ ػػع المعيػ ػػار الػ ػػذىبي‬

‫‪ Golden Standard‬األمثؿ كالذم سيذكر كيشرح الحقان ‪.‬‬

‫المجتمعات الحيوانية والعينات ‪Populations and Samples‬‬

‫إف مفيكـ المجتمع الحيكاني يشمؿ القياسات التي تجرل عمى العينة المػأخكذة‬

‫منػػو اعتمػػادنا عمػػى أسػػس معينػػة ‪ .‬يتضػػمف المجتمػػع الحيػكاني جميػػع ممػػثبلت مجمكعػػة‬

‫محددة كتمثؿ العينة مجمكعة صغيرة مف مجمكعة كبيرة مأخكذة مف المجتمع الحيكاني‬

‫ػار عينػػة كبيػرة كبػ نار كافيػنا بيػػذه الطريقػػة كالتػػي تمثػػؿ‬
‫المػراد د ارسػػتو كنحػػف نريػػد ىنػػا اختيػ ى‬

‫المجتم ػػع الحيػ ػكاني كال ب ػػد لن ػػا م ػػف تعري ػػؼ أمػ ػريف أساس ػػييف قب ػػؿ تيع ػ ٌػرؼ عم ػػى أنم ػػاط‬

‫المجتمع الحيكاني ‪.‬‬

‫‪30‬‬
 ‫تعريؼ الواحدة اإلحصائية ‪:‬‬

‫تعرؼ الكاحدة (الكحػدة) اإلحصػائية بكػؿ كػائف أك ظػاىرة أك أم شػيء يشػترؾ‬

‫في صػفة أك أكثػر كتػدكر الد ارسػة حكليػا ‪ .‬كمػا أف المجتمػع اإلحصػائي يعػرؼ بجميػع‬

‫كحداتو ‪.‬‬

‫أنماط المجتمع الحيواني اإلحصائي ‪Types of Population‬‬

‫يعػػرؼ المجتمػػع الحيػكاني اإلحصػػائي بأنػػو جممػػة العناصػػر التػػي نريػػد د ارسػػتيا‬

‫بل أف نبحػػث فػػي مػػدل‬

‫كتيعػ ٌػرؼ إلػػى صػػفاتيا كالتػػي ىػػي مكضػػكع الد ارسػػة فػػإذا أردنػػا مػػث ن‬

‫تطبيػػؽ التقنيػػات الحديثػػة المسػػتخدمة فػػي مختمػػؼ العيػػادات البيطريػػة أك م اركػػز الصػػحة‬

‫الحيكانية في إحدل المحافظات فسيتحدد المجتمع اإلحصائي بجممة العيادات البيطرية‬

‫أك م اركػ ػػز الصػ ػػحة الحيكانيػ ػػة المنتش ػ ػرة فػ ػػي تمػ ػػؾ المحافظػ ػػة أمػ ػػا إذا أردنػ ػػا أف نػ ػػدرس‬

‫األم ػراض فػػي م ػزارع األبقػػار الحمػػكب فسػػيتألؼ المجتمػػع اإلحصػػائي ىنػػا مػػف مجمػػكع‬

‫مزارع األبقار الحمكب في سكريا ‪.‬‬

‫كسػػكؼ نسػػتخدـ فيمػػا يػػأتي كممػػة ‪ /‬حي ػكاف ‪ /‬عمػػى العمػػكـ لنقتػػرح مػػا يسػػمى‬

‫بكحػدة التقصػي ‪ Unit of Investigation‬لكننػا أيضػنا سػكؼ نسػتخدـ عبػارات أخػرل‬

‫ككممػػة فػػرد حي ػكاني ‪ / Individual /‬أك كممػػة حالػػة ‪ / Case /‬ألننػػا نريػػد أف نعتػػاد‬

‫استعماؿ مصطمحات مختمفة ضمف منيجنا الجامعي ىذا ‪.‬‬

‫‪31‬‬
 ‫إف مجتمع الحيكانات يمكف أف يمثؿ بما يأتي ‪:‬‬

‫‪ -‬أفراد الحيكانات ‪The Individuals‬‬

‫مثاؿ ذلؾ كافة أبقار القطيع ‪ ،‬كافة أبقػار المحػـ فػي المزرعػة ‪ ،‬كافػة حيكانػات‬

‫القطيع (بما فييا عجبلت ‪ ،‬ثيراف ‪ ،‬أبقار) ‪.‬‬

‫‪The Measurements of a Particular‬‬ ‫‪ -‬قياسات متغير خاص‬

‫‪Variable‬‬
‫عمػى سػبيؿ المثػاؿ قيػاس أكزاف الكبػد كأطػكاؿ العظػـ كقيػاس ىرمكنػات الػػدـ أك‬

‫مستكيات األنزيـ في عضك مف أعضاء الجسـ ‪.‬‬

‫‪ -‬أعداد عناصر معينة ‪: Numbers of Items‬‬

‫بل لمنطقػػة معينػػة أك حجػػـ معػػيف لشػػيء مػػا أك زمػػف معػػيف) ‪ .‬كمثػػاؿ ذلػػؾ‬
‫فمػػث ن‬

‫التعداد الخمكم لمدـ أك تعداد بيكض البراز باستخداـ طرؽ اإلشعاعات الجزئية المنبعثة‬

‫مف أجيزة إشعاع معيف ‪.‬‬

‫كالمجتمع بمفيكمػو الفمسػفي العػاـ إمػا أف يكػكف مجمكعػة حقيقيػة ( كىنػا يكػكف محػدكدان‬

‫‪ ) finite‬أك مجمكعة نظرية ( كىنا يككف غير محدكد ‪. ) infinite‬‬

‫مثاؿ ‪:‬‬

‫إذا م ػػا كن ػػا ميتم ػػيف بد ارس ػػة مع ػػدؿ النم ػػك عن ػػد الخن ػػازير ف ػػي منطق ػػة م ػػا ف ػػإف‬

‫المجتمع ىنا جميع خنازير المنطقة ‪ .‬كىذا مجتمع حقيقي محدكد ‪ .‬أما إذا أردنا معرفة‬

‫‪32‬‬
‫تأثير عمفة تجريبية عمى ىذه الخنازير فإننا سنجرب تعميؼ حيكانات ىػذه الكجبػة كىػذه‬

‫الحيكانات تمثؿ عينة ‪ ،‬كالتي يجب أف تككف حيكانات ىذه العينة ممثمػة لحيكانػات ىػذا‬

‫المجتمع نظرينا ‪ .‬كنظرينا عمى األقػؿ يمكننػا أف نقػيس فعميػنا حػاالت محػددة ضػمف ىػذه‬

‫العينػػة المػػأخكذة مػػف ىػػذا المجتمػػع الحي ػكاني إال أف ىػػذه العينػػة تمثػػؿ مجتمعػػات غيػػر‬

‫محدكدة (ال نياية ليا) كالتي تمثميا ىذه المجتمعات فقػط عمػى شػكؿ مػا يػدعى العينػة‬

‫‪. Sample‬‬

‫‪ :‬تعريؼ العينة اإلحصائية ‪ :‬تعرؼ العينة اإلحصػائية بأنيػا مجمكعػة جزئيػة‬ ‫نتيجة‬

‫مف المجتمع اإلحصائي المدركس تسحب عناصرىا مف الكحدات اإلحصائية لممجتمػع‬

‫اإلحصػائي الكمػػي ‪ .‬بعػػد سػحب العينػػة نقػػكـ بالد ارسػة اإلحصػػائية عمييػػا ثػـ نعمػػـ نتػػائج‬

‫دراستيا عمى المجتمع الذم تنتمي إليػو كالمرغػكب د ارسػتو كذلػؾ بحػدكد معينػة كمقبكلػة‬

‫مف حيث درجة الثقة ‪.‬‬

‫المعاينة العشوائية ‪Random Sampling‬‬

‫إننا نقكـ بتفحص مفيكـ العينة ‪ Sample‬مع مراجعة العبارات المشكمة‬

‫لمصطمح المجتمع الحيكاني ‪ .‬إف العينة يجب أف تككف ممثمة لممجتمع الحيكاني‬

‫المأخكذة منو لنحصؿ عمى نتائج تفيد في التطبيؽ عمى المجتمع الحيكاني ذم األعداد‬

‫ال كبيرة ‪ .‬كلكي نحصؿ عمى عينة ممثمة لممجتمع الحيكاني نختار األفراد الحيكانية‬

‫‪33‬‬
‫اختيا نار عشكائينا (اعتمادنا عمى طريقة المصادفة ‪ By chance‬أك االحتمالية‬

‫‪ )Probability‬مف كافة األفراد المشكمة لممجتمع الحيكاني‪ .‬ىذا المفيكـ لبلختيار‬

‫العشكائي ‪ Random Selection‬يعتمد أساسان عمى طرؽ معينة كمتعمقة بعممية‬

‫االختيار (كىذا ما سنتحدث عنو الحقان) ‪.‬‬

‫أساسان يجب أف نستخدـ طريقة مكضكعية لتحقيؽ عينة نحصؿ عمييا‬

‫عشكائينا كالتي تعتمد أساسان عمى سمسمة األرقاـ العشكائية طريق نة لبلختيار ‪.‬‬

‫كيمكف أف نحصؿ عمى سمسمة األرقاـ ىذه مػف جػداكؿ األرقػاـ العشػكائية ‪ .‬أك‬

‫يمكػػف أف نحصػػؿ عمييػػا مػػف األرقػػاـ العش ػكائية فػػي الحاسػػب الشخصػػي كالتػػي يمكػػف‬

‫إنشاؤىا بطريقة سيمة ‪ .‬ككذا يمكف الحصكؿ عمييا باستخداـ اآللة الحاسبة اإللكتركنية‬

‫العممية ‪.‬‬

‫نتيجة ‪:‬‬

‫الحظ مف أجؿ تكزيع أفراد الحيكانات الداخمة في المجمكعات المعالجة إف‬

‫المبادئ األساسية لمتكزيع العشكائي (الطريقة العشكائية) يجب أف تكظؼ باالستفادة‬

‫مف التكزيع العشكائي لنتجنب التأثير المكضعي لدراسة معينة كلنتأكد مف أف‬

‫المجمكعات ىي في شكؿ يمكف مقارنتو ‪.‬‬

‫‪34‬‬
‫كمرة ثانية تككف سمسمة األرقاـ العشكائية مطمكبةن لتقدـ لنا تكزيعنا ىدفو األفراد‬

‫الحيكانية أك الحيكانات المعالجة كلذلؾ فإف أسباب كجكد أم فركقات متكررة في أثناء‬

‫إنجاز التحميؿ بيف المجمكعات يمكف أف تعرؼ كتحدد تحديدنا مناسبنا ‪.‬‬

‫أنواع الطرؽ اإلحصائية ‪Types of Statistical Procedures‬‬

‫يمكف أف تقسـ الطرؽ اإلحصائية إلى نمطيف اثنيف ‪ :‬إحصاء كصفي‬

‫‪ Descriptive Statistics‬كاحصاء استنتاجي ‪. Inferential Statistics‬‬

‫‪Descriptive Statistics‬‬ ‫‪ -1‬اإلحصاء الوصفي‬

‫نسػػتخدـ ىػػذه التقنيػػات إلنقػػاص حجػػـ البيانػػات المجمكعػػة كتمخػػيص اتجاىػػات‬

‫البيانػػات كميكليػػا ضػػمف اإلدارة المدركسػػة اإلضػػاف نة إلػػى أىميتيػػا فػػي تمثيميػػا النتػػائج‬

‫تمثيبلن كاضػحان ‪ .‬مػف ىػذه الطػرؽ يمكننػا أف نرسػـ األشػكاؿ كالمخططػات كالجػداكؿ مػع‬

‫بيانات كصفية رقمية ‪ .‬كيشمؿ الكصؼ الرقمي قياسات كحساب المجاؿ الذم تتػأرجح‬

‫‪ /Arithmetic‬أك المن ػ ػكاؿ‬ ‫فيػ ػػو مركزيػ ػػة البيانػ ػػات مثػ ػػؿ الكسػ ػػط الحسػ ػػابي ‪mean/‬‬

‫‪ /mode/‬كقياسػػات التشػػتت لمبيانػػات ‪ Dispersion measures‬كػػالفرؽ ‪variance‬‬

‫بل الحقنا ‪.‬‬

‫أك المدل ‪ range‬كستشرح ىذه القياسات شرحنا مفص ن‬

‫‪35‬‬
 ‫تعريؼ اإلحصاء الوصفي ‪: Descriptive Statistics‬‬

‫ىك كما تدؿ تسميتو اإلحصاء الذم يصؼ الكاقع حقيقة ككأنما نصكر صػكرة‬

‫فكتكغرافية لممجتمع اإلحصائي بكاممو ‪ .‬فالمجكء إلى اإلحصاء الكصفي يتطمب د ارسػة‬

‫لممجتمع اإلحصائي بكافة كحداتو ‪ .‬فيك يعني عرض حقيقة الظاىرة المدركسة عرضان‬

‫ممخصػ ػان باألس ػػاليب اإلحص ػػائية المتبع ػػة ف ػػي جم ػػع كتبكي ػػب كع ػػرض البيان ػػات كك ػػذلؾ‬

‫تحميميا بإجراء جميع الحسابات البلزمة كالتكصؿ لمعالـ كخػكاص المجتمػع اإلحصػائي‬

‫التي يجب أف تظير في الصكرة ‪.‬‬

‫‪ -2‬االحصاء االستنتاجي (أو االستداللي )‪Inferential Statistics‬‬

‫كىك يتضمف الطػرؽ اإلحصػائية االسػتنتاجية كتقػدير حػدكد المجتمػع الحيػكاني‬

‫مستخدميف بيانات العينة ‪ .‬يشػمؿ الحػد ‪  parameter‬قياسػات مثػؿ المعػدؿ ‪mean‬‬

‫أك النس ػػب ‪ proportion‬كيص ػػؼ ى ػػذا اإلحص ػػاء جكان ػػب معين ػػة لتكزي ػػع المتغيػ ػرات ‪.‬‬

‫كيتبػػع ىػػذا التقػػدير عمكمػان اسػػتخداـ النظريػػة اإلحصػػائية (كالتػػي سػػنتناكليا تفصػػيبلن فػػي‬

‫الفص ػػكؿ القادم ػػة) ‪ .‬كف ػػي الفص ػػكؿ القادم ػػة ش ػػرح مفص ػػؿ لي ػػذا الن ػػكع م ػػف اإلحص ػػاء‬

‫السػػتخداـ النظريػػة اإلحصػػائية ككػػذا مخط ػػط الخكارزميػػة ‪ flow chart‬المثبػػت ف ػػي‬

‫الممحؽ كالذم يقدـ دليبلن سريعان لبلختيار المناسب ‪.‬‬

‫نتيجة ‪:‬‬

‫‪36‬‬
‫يعػػرؼ اإلحصػػاء االسػػتنتاجي أك االسػػتداللي بأنػػو ذلػػؾ اإلحصػػاء الػػذم ىدف ػو‬

‫التكص ػػؿ إل ػػى ص ػػكرة لممجتم ػػع اإلحص ػػائي كذل ػػؾ ع ػػف طري ػػؽ د ارس ػػة ذل ػػؾ الج ػػزء م ػػف‬

‫المجتم ػػع اإلحص ػػائي كالمس ػػمى بالعين ػػة ‪ .‬فاالس ػػتدالؿ ى ػػك التكص ػػؿ م ػػف الخ ػػاص إل ػػى‬

‫العػػاـ ‪ ،‬أم مػػف الجػػزء (العينػػة) إلػػى العػػاـ (المجتمػػع الكمػػي) كيمكػػف تعريػػؼ اإلحصػػاء‬

‫االسػػتداللي بمجمكعػػة الطػػرؽ المسػػتخدمة فػػي التكصػػؿ لنتػػائج المجتمػػع باالعتمػػاد عمػػى‬

‫بيانات العينة المسحكبة مف ذلؾ المجتمع ‪.‬‬

‫استنتاج ‪: Conclusion‬‬

‫ػار كالط ارئػػؽ التػػي سػػتعرض فػػي الفصػػكؿ‬

‫قمنػػا فػػي ىػػذا الفصػػؿ بتكضػػيح األفكػ ى‬

‫البلحقػػة كمػػا قػػدمنا شػػرحنا كجيػ ناز لممفػػاىيـ اإلحصػػائية التػػي سػػنتناكليا الحقػنا إذ أنػػو مػػف‬

‫الميـ أف تكػكف لػدينا فكػرة أكليػة عػف الط ارئػؽ كالمػكاد اإلحصػائية التػي سػتعرض الحقػان‬

‫قبؿ الدخكؿ فييا عمى نحك مفصؿ كمسيب ‪.‬‬

‫كق ػػد ى ػػدؼ ى ػػذا الفص ػػؿ إل ػػى أف اكتس ػػاب معرف ػػة ع ػػف معن ػػى البيان ػػات الت ػػي‬

‫أنشأناىا كيجب أف نتذكر أف البيانات المنظمة تنظيمان سػيئان ال نحفػز تحميميػا إحصػائيان‬

‫سنككف فكرة عف تمخيص البيانات كتفسير‬

‫ٌ‬ ‫جيدنا ‪ .‬فباإلسناد إلى عمـ اإلحصاء الحيكم‬

‫النتائج المترتبة عمييا ‪ .‬كيعطينا دالئؿ لشرح كتفسير ما حكلنا ‪ .‬كسنركر فػي الفصػكؿ‬

‫القادمة عمى تطكير فيـ لمطرائؽ اإلحصائية كتحديدىا لممساعدة في تفسير النتائج ‪.‬‬

‫‪37‬‬
 ‫الفصل الثبلث‬
‫‪CHAPTER THREE‬‬
‫اإلحصبء الىصفً (‪)1‬‬
‫)‪DESCRIPTIVE STATISTICS (1‬‬
‫جمع البيانات اإلحصائية وتبويبيا وعرضيا‬

‫‪Collected Data , Handling and Presenting‬‬

‫تعتبر عممية جمع البيانات كتنظيميػا كعرضػيا خطػكة أساسػية قبػؿ البػدء بػأم‬

‫د ارسػػة إحصػػائية ألف العمػػؿ اإلحصػػائي يتركػػز عممي ػان فػػي خط ػكات الحقػػة لتحميػػؿ ىػػذه‬

‫ط البيانػات اإلحصػائية كىػي جػزء أساسػي‬

‫البيانات ‪ .‬كقد تعرفنػا فػي الفصػؿ األكؿ أنمػا ى‬

‫لمبدء بعممية التبكيب كالعرض ‪.‬‬

‫قد ال يككف مجاؿ في ىػذا الفصػؿ لشػرح تفاصػيؿ السػؤاليف المػذيف قػد يتبػادراف‬

‫الدرسػة المطمكبػة ؟ كمػف‬

‫إلى الذىف كىما ‪ :‬ما البيانات التي يجب أف تجمػع مػف أجػؿ ا‬

‫أيف يمكف جمعيا ؟‬

‫ذلػػؾ أف مكضػػكع الد ارسػػة نفسػػو يحػػدد نػػكع البيانػػات المطمكبػػة كيحػػدد عمكم ػان‬

‫مصػػدر ىػػذه البيانػػات ‪ ،‬فعمػػى سػػبيؿ المثػػاؿ إذا أردنػػا معرفػػة الكسػػط الحسػػابي ألكزاف‬

‫المكاليػػد الحديثػػة ال ػكالدة فػػي مبق ػرة حمػػص الحككميػػة فيػػذا يتطمػػب منػػا جمػػع البيانػػات‬

‫المتعمق ػػة ب ػػأكزاف المكالي ػػد الحديث ػػة الػ ػكالدة ‪ ،‬كىن ػػا نج ػػد أف مص ػػدر البيان ػػات ل ػػف يك ػػكف‬

‫بالعممية الصعبة حيث أف إدارة المبقرة أك المحطة فييا كافة البيانات التي نريدىا كمف‬

‫‪38‬‬
‫الغير الممكف أف يخطر بذىننا الذىاب إلى المديرية العامة لمؤسسة المباقر لجمع ىذه‬

‫البيانات ‪.‬‬

‫كعمكمػ ػنا ف ػػي حال ػػة ع ػػدـ ت ػػكفر المص ػػدر ال ػػذم يمك ػػف أف نحص ػػؿ من ػػو عم ػػى‬

‫البيان ػػات البلزم ػػة لن ػػا نظػ ػ انر لخصكص ػػيتيا فإنن ػػا سنض ػػطر إل ػػى جم ػػع البيان ػػات بأنفس ػػنا‬

‫ميدانيان ‪.‬‬

‫كال بػػد لنػػا مػػف تحديػػد كسػػائؿ االتصػػاؿ الفعالػػة المتعمقػػة بالكحػػدات اإلحصػػائية‬

‫كىػػي قػػد تكػػكف عػػف طريػػؽ االتصػػاالت الياتفيػػة أك المقػػاببلت الشخصػػية أك الم ارسػػمة‬

‫بالبريد ىذا إذا كانت الكحدات اإلحصػائية مكضػكع الد ارسػة يمكػف الحصػكؿ عمييػا مػف‬

‫خبلؿ ذلؾ ‪.‬‬

‫لكف إذا كاف عممنػا تجريبيػان أم مكضػكع الد ارسػة مكضػكع تجريبػي كػأف نرغػب‬

‫فػػي الحصػػكؿ عمػػى البيانػػات اإلحصػػائية المتعمقػػة بأعػػداد فئ ػراف الحقػػؿ المكجػػكدة فػػي‬

‫إحدل المناطؽ فينا ال بد مف المجكء إلػى طريقػة القيػاس المباشػر ‪ .‬كال بػد مػف اإلشػارة‬

‫إلػػى أف كسػػيمة االتصػػاؿ األفضػػؿ لجمػػع البيانػػات تتكقػػؼ عمػػى أمػػكر عػػدة منيػػا التكمفػػة‬

‫المادية كسرعة جمع البيانات كدقة ىذه البيانات ‪.‬‬

‫كبعػػد تحديػػد الكسػػيمة لعمميػػة جمػػع البيانػػات فػػبل بػػد لنػػا مػػف إعػػداد مػػا يسػػمى‬

‫باالستمارة أك (االستبياف) كالتي يجب ممؤىا بالمعمكمػات كالبيانػات المطمكبػة كذلػؾ مػف‬

‫‪39‬‬
‫أجؿ إجراء الدراسة اإلحصائية عمييا الحقنا فما ىي االستمارة اإلحصائية أك االسػتبياف‬

‫الشخصي ؟ ‪.‬‬

‫االستمارة اإلحصائية ‪Statistics Questionnaire‬‬

‫تت ػ ػػألؼ االس ػ ػػتمارة أك االس ػ ػػتبانة أك ( البي ػ ػػاف ) م ػ ػػف ص ػ ػػفحة كاح ػ ػػدة أك ع ػ ػػدة‬

‫صفحات كتحتكم عمى األسئمة التي يريػد الباحػث إجابػة عنيػا كيتػرؾ فػراغ بجانػب كػؿ‬

‫سؤاؿ لتسجيؿ اإلجابة عميو ‪.‬‬

‫كيجػػب أف نعمػػـ أف تصػػميـ االسػػتبانة أك ( البيػػاف ) يختمػػؼ مػػف باحػػث آلخػػر‬

‫كحسب الغرض كاليػدؼ مػف مكضػكع الد ارسػة إال أف ىنػاؾ بعػض الشػركط التػي يجػب‬

‫مراعاتيا عند تصميـ االستبانة أك ( البياف ) كأىـ ىذه الشركط ‪:‬‬

‫ُ‪ -‬أف تككف األسئمة مكجزة ‪.‬‬

‫ِ‪ -‬أف تككف مرتبة منطقيان ‪.‬‬

‫ّ‪ -‬أف تككف كاضحة كال تحتاج إلى تفسير ‪.‬‬

‫ْ‪ -‬أف يككف عددىا أقؿ ما يمكف بشرط عدـ تأثير ذلػؾ عمػى كميػة المعمكمػات المػراد‬

‫الحصكؿ عمييا ‪.‬‬

‫ٓ‪ -‬يفضؿ عمكمان األسئمة ذات اإلجابة بنعـ أك ال ‪ ،‬أك ذات اإلجابات المختصرة ‪.‬‬

‫ٔ‪ -‬يفضؿ عمكمان أف تككف إجابات األسئمة قابمة إلى تحكيميا إلى شكؿ رقمي ‪.‬‬

‫‪40‬‬
 ‫تمخيص البيانات ‪Summarizing Data‬‬

‫نجم ػػع البيان ػػات ع ػػادة م ػػع احتس ػػاب المعمكم ػػات الت ػػي يمك ػػف أف نحكلي ػػا إل ػػى‬

‫بيانػػات مككنػػة مػػف عػػدة أج ػزاء ‪ .‬ممػػا يػػؤدم إلػػى إشػػكاؿ بسػػيط يعػػرض عنػػدما نحمػػؿ‬

‫و‬
‫ػاىدات قميمػ نة لعػدد قميػؿ مػف الحيكانػات ‪ .‬كعمػى أيػة حػاؿ فػإف‬ ‫و‬
‫بيانات متضمن نة عمػى مش‬

‫كمية البيانات التي نحصؿ عمييا بإزدياد يكمان بعد يكـ سكؼ تصعب عمينػا تص ٌػكر مػا‬

‫يحدث في ىذه المشكمة المدركسة أك تمؾ كلذلؾ فإف المرحمة األكلى لمعمؿ عمى إيجاد‬

‫تصػػكر ليػػذه البيانػػات ىػػي تنظػػيـ ىػػذه البيانػػات لتقيػػيـ االخػػتبلؼ فػػي القػػيـ عمكم ػنا ‪.‬‬

‫كعندئذ فإف الطريقة التي تعطينا تصك انر ليذه البيانات ىي إنقاص كميتيػا كادارتيػا ممػا‬

‫يؤدم إلى الحصكؿ عمى تصكر معيف لممساعدة في فيػـ كتفسػير مثػؿ ىػذه البيانػات ‪،‬‬

‫مثؿ ىذا التصكر المبدع يمكف إنجازه بػً ‪:‬‬

‫‪ -1‬العرض الجدولي ‪ :‬كذلؾ بعرض المبلمح العامة لمبيانات المجمكعة كىذه ستناقش‬

‫الحقنا في ىذا الفصؿ ‪.‬‬

‫‪ -2‬العرض بالرسوـ ‪ :‬كذلؾ باستخداـ األشكاؿ كالمخططات التي تكضح لنا أنماطان‬

‫‪ -3‬القياسات الرقمية ‪ :‬التي تمخص البيانات المجمكعة ( جميع ىذه الطرؽ ستعرض‬

‫بالتفصيؿ الحقان في ىذا الفصؿ ) ‪.‬‬

‫ستعرض بالتفصيؿ الحقان في ىذا الفصؿ ) ‪.‬‬

‫‪41‬‬
 ‫توزيعات التكرار التجريبية‬

‫‪Empirical Frequency Distributions‬‬

‫ما ىو التوزيع التكراري‪:‬‬

‫‪What is a Frequency Distribution‬‬

‫يظيػػر التكزيػػع التكػرارم تكػ اررات حػػدكث المشػػاىدات فػػي قاعػػدة البيانػػات ‪ ،‬أم‬

‫تكزيػ ػػع المشػ ػػاىدات المكجػ ػػكدة عمػ ػػى عػ ػػدد مناسػ ػػب مػ ػػف الفئػ ػػات كمػ ػػف ثػ ػػـ إيجػ ػػاد عػ ػػدد‬

‫المش ػػاىدات المكزع ػػة عم ػػى ك ػػؿ فئ ػػة ‪ .‬كغالبػ ػان م ػػا ي ػػدعى تكزي ػػع البيان ػػات لممش ػػاىدات‬

‫بالتكزيع التكرارم التجريبي بالمقارنة مع التكزيع االحتمالي النظرم ‪.‬‬

‫كالذم يظير بكاسطة نمكذج رياضي معيف ‪.‬‬

‫كمف األىمية الحيكية بمكاف أف نفيـ بكضكح أف نميز بػيف المتغيػرات النكعيػة‬

‫كالكميػػة قبػػؿ أف نحػاكؿ اسػػتخداـ التكزيػػع التكػرارم بمػػا أف نػػكع المتغيػػر سػػكؼ يقػػدـ لنػػا‬

‫‪Qualitative‬‬ ‫الشػػكؿ األمثػػؿ تناسػػبان لتكزيػػع البيانػػات فعنػػدما يكػػكف المتغيػػر نكعي ػان‬

‫‪. variable‬‬

‫فإف التكزيع التكرارم لممشاىدات يتضمف عندئذ تكػرار حػدكث المشػاىدات فػي‬

‫كػػؿ فئػػة مػػف ىػػذا المتغيػػر كىنػػا يمكػػف أف نػػنظـ ىػػذه البيانػػات فػػي جػػدكؿ يمثػػؿ كػػؿ فئػػة‬

‫منيا أك يمكف أف نمثميا في مخطط بياني كمخطط مضمعات أك مخطط دائرم ‪.‬‬

‫‪42‬‬
‫فعمى سبيؿ المثاؿ إذا كػاف المتغيػر يمثػؿ ط ارئػؽ مختمفػة لممعالجػات لمكقايػة مػف نقػص‬

‫المغنزيػػكـ فػػي الػػدـ ‪ Hypomagnesaemia‬فػػي األبقػػار الحمػػكب فػػإف أعػػداد المػزارع‬

‫المشػػاىدة باسػػتخداـ كػػؿ طريقػػة سػػكؼ يشػػمؿ مػػا يسػػمى بػػالتكزيع التكػرارم ليػػذه المػزارع‬

‫عػف ىػذه الحالػػة كىنػا فػإف البيانػػات يمكػف أف تكضػػح فػي شػكؿ مخطػػط دائػرم كالشػػكؿ‬

‫رقـ (ّ) ‪.‬‬

‫فيػػو مخطػػط دائ ػري يظيػػر النسػػب المئويػػة لمقطعػػاف المطبػػؽ عمييػػا طػػرؽ‬

‫الػػتحكـ النوعيػػة مػػف نقػػص المغنزيػػوـ والتػػي يسػػتخدميا مزارعػػو األبقػػار الحمػػوب فػػي‬

‫‪ 278‬قطيع حموب (المصدر دراسة ‪. )Mc Coyetal 1996‬‬

‫الشكؿ رقـ ‪ :3‬النسب المئوية لمقطعاف المطبؽ عمييا طرؽ التحكـ النوعية‬
‫مف نقص المغنزيوـ عمى شكؿ مخطط دائري‬

‫مكعبا ممحية‬

‫الخ‬ ‫لخيا‬

‫م عي‬

‫لعم لمحب‬

‫عم م ك‬

‫‪43‬‬
‫‪quantitative‬‬ ‫كعنػػدما يكػػكف مكضػػكع الد ارسػػة متعمق ػنا بػػالمتغيرات الكميػػة‬

‫‪ variables‬سكاء كانت عمى شكؿ بيانات غيػر مسػتمرة ‪ /‬متقطعػة أك بيانػات مسػتمرة‬

‫بل لي ػػا ‪ .‬كم ػػف‬

‫يس ػػييؿ في ػػـ البيان ػػات كاس ػػتيعابيا بإنش ػػاء م ػػا بػ ػيف ‪ 5‬إل ػػى ‪ 15‬ح ػػدنا فاصػ ػ ن‬

‫المفضؿ أف تككف ىذه الفكاصؿ غير متداخمة أك عمى شكؿ فئات كأف تشمؿ مدل مف‬

‫القيـ يتػراكح فيػو المتغيػر المػدركس كبيػذه الحالػة نحػدد أعػداد المشػاىدات المنتميػة إلػى‬

‫كؿ فئة ( تكرار الفئات ) كإلكماؿ بيانات تك اررات الفئػات نأخػذ عندئػذ التكزيػع التكػرارم‬

‫‪.‬‬

‫بل التكزيػ ػع التكػ ػرارم ألع ػػداد الػ ػكالدات لؤلبق ػػار الحم ػػكب اإلن ػػاث ف ػػي‬
‫لنأخ ػػذ م ػػث ن‬

‫المزرعة ذات االسـ ‪ X‬في الجدكؿ رقـ (ُ) ‪.‬‬

‫جدوؿ رقـ (‪ : )1‬التوزيع التكراري ألعداد الوالدات لألبقار الحموب اإلناث‬

‫في المزرعة ذات االسـ ‪X‬‬

‫ُ‬ ‫َ‬ ‫َ‬ ‫ّ‬ ‫ُ‬ ‫ٓ‬ ‫ُ‬ ‫ِ‬ ‫ِ‬ ‫َ‬
‫ُ‬ ‫َ‬ ‫ٓ‬ ‫ِ‬ ‫ُ‬ ‫َ‬ ‫ُ‬ ‫َ‬ ‫ْ‬ ‫ُ‬
‫َ‬ ‫ُ‬ ‫ُ‬ ‫ّ‬ ‫َ‬ ‫ُ‬ ‫ُ‬ ‫ُ‬ ‫ّ‬ ‫ُ‬
‫َ‬ ‫ُ‬ ‫ْ‬ ‫ِ‬ ‫َ‬ ‫ّ‬ ‫ُ‬ ‫ٕ‬ ‫ِ‬ ‫ّ‬
‫َ‬ ‫ِ‬ ‫ُ‬ ‫ّ‬ ‫َ‬ ‫َ‬ ‫َ‬ ‫َ‬ ‫ٔ‬ ‫ُ‬
‫ُ‬ ‫ِ‬ ‫ُ‬ ‫َ‬ ‫ُ‬ ‫َ‬ ‫ّ‬ ‫ُ‬ ‫ّ‬ ‫ُ‬
‫َ‬ ‫ٓ‬ ‫ِ‬ ‫ُ‬ ‫َ‬ ‫ِ‬ ‫ْ‬ ‫َ‬ ‫ُ‬ ‫ُ‬
‫ّ‬ ‫َ‬ ‫ُ‬ ‫ِ‬ ‫ُ‬ ‫ُ‬ ‫ُ‬ ‫ِ‬ ‫ِ‬ ‫َ‬
‫َ‬ ‫ّ‬ ‫َ‬ ‫ُ‬ ‫َ‬ ‫ُ‬ ‫َ‬ ‫َ‬ ‫َ‬ ‫ٓ‬

‫‪44‬‬
 ‫َ‬ ‫ْ‬ ‫ُ‬ ‫ِ‬ ‫ِ‬ ‫ٕ‬ ‫ُ‬ ‫ُ‬

‫ك سيتـ حؿ ىذا المثاؿ بعد أف نتعرؼ باقي أنكاع التكزيعات التك اررية ‪.‬‬

‫التوزيع التكراري النسبي (المرتبط)‬

‫‪Relative Frequency Distribution‬‬

‫مع أف التكزيع التكرارم ىػك طريقػة مفيػدة لكصػؼ المشػاىدات المبلحظػة فمػف‬

‫الصػػعب أف نقػػارف بػػيف اثنػػيف أك أكثػػر مػػف التكزيعػػات التك ارريػػة إذا كػػاف إجمػػالي عػػدد‬

‫المشػػاىدات فػػي كػػؿ تكزيػػع مختمف ػنا ‪ .‬كالطريقػػة الكحيػػدة لحػػؿ ىػػذه المشػػكمة أف تحسػػب‬

‫النسػػب المئكيػػة لممشػػاىدات فػػي كػػؿ صػػؼ أك فئػػة كىػػذا مػػا يػػدعى بػػالتك اررات النسػػبية‬

‫‪/‬المرتبطة‪ /‬كيحصؿ عمى كؿ منيػا بتقسػيـ التكػرار المطمػؽ لكػؿ فئػة عمػى العػدد الكمػي‬

‫لعػدد المشػاىدات أك التكػ اررات ‪ .‬كىكػذا فػػإف مجمػكع التكػ اررات النسػبية لكػػؿ الفئػات ىػػك‬

‫رقـ مكحد أك ما يدعى بالرقـ (ََُ ‪. )%‬‬

‫نتيجة ‪:‬‬
‫التكرار المطمؽ‬
‫التكرار النسبي = ػ ػ ػ ػ ػ ػ‬
‫العدد الكمي لمتك اررات‬

‫كغالب ػان مػػا تؤخػػذ األج ػزاء المئكيػػة ليػػذا االختيػػار كالتػػي تشػػكؿ ِٓ‪ %‬كٕٓ‪%‬‬

‫بعػػيف االعتبػػار (كتػػدعى ىػػذه بػػالربع المػػنخفض كالربػػع المرتفػػع أك األعمػػى نسػػبيان) ‪ .‬فػ ػ‬

‫ِٓ‪ %‬مف المشاىدات تمتد دكف الربع المنخفض كٕٓ ‪ %‬مف المشاىدات تمتػد عمكيػنا‬

‫‪45‬‬
‫مف الربع المرتفع ‪ .‬كيػدعى المجػاؿ الػذم بػيف الػربعيف بالمػدل داخػؿ األربػاع ‪(Inter-‬‬

‫‪ quartile‬كاف القيمػ ػػة ٓ ‪ %‬كٓٗ ‪ %‬تش ػ ػػمؿ القيمػ ػػة المركزي ػ ػػة َٗ م ػ ػػف‬ ‫)‪range‬‬

‫المشاىدات كيمكف أف يظير كيفية تقيػيـ ىػذه النسػب المئكيػة بإسػتخداـ مضػمع التكزيػع‬

‫التكرارم التجميعي‪.‬‬

‫‪46‬‬
‫الجػػػػػػػػػػػدوؿ رقػػػػػػػػػػػـ ‪ : 2‬حػػػػػػػػػػػػؿ مثػػػػػػػػػػػاؿ الجػػػػػػػػػػػد وؿ التكػػػػػػػػػػػػراري ألعػػػػػػػػػػػداد الػػػػػػػػػػػػوالدات‬

‫في إناث األبقار الحموب في المزرعة ‪X‬‬

‫التكرار التجميعي‬ ‫التكرار‬ ‫التكرار‬ ‫التكرار‬

‫عدد الكالدات‬
‫النسبي‪%‬‬ ‫التجميعي‬ ‫النسبي‪%‬‬ ‫المطمؽ‬
‫ٔ‪ِٗ.‬‬ ‫ِٗ‬ ‫ٔ‪ِٗ.‬‬ ‫ِٗ‬ ‫َ‬
‫ّ‪ْٔ.‬‬ ‫ّٔ‬ ‫ٕ‪ّْ.‬‬ ‫ّْ‬ ‫ُ‬
‫ٔ‪ٕٖ.‬‬ ‫ٕٕ‬ ‫ّ‪ُْ.‬‬ ‫ُْ‬ ‫ِ‬
‫ٖ‪ٖٖ.‬‬ ‫ٕٖ‬ ‫ِ‪َُ.‬‬ ‫َُ‬ ‫ّ‬
‫ٗ‪ِٗ.‬‬ ‫ُٗ‬ ‫ُ‪ْ.‬‬ ‫ْ‬ ‫ْ‬
‫ٗ‪ٗٔ.‬‬ ‫ٓٗ‬ ‫ُ‪ْ.‬‬ ‫ْ‬ ‫ٓ‬
‫َ‪ٖٗ.‬‬ ‫ٔٗ‬ ‫َ‪ُ.‬‬ ‫ُ‬ ‫ٔ‬
‫َ‪ََُ.‬‬ ‫ٖٗ‬ ‫َ‪ِ.‬‬ ‫ِ‬ ‫ٕ‬

‫الجداوؿ ‪Tables‬‬
‫الجدكؿ ىك ترتيب شقي لمبيانات التي تشمؿ عادة أعدادان أك كممات ممثمة في‬

‫صػػفكؼ كأعمػػدة كتفػػرض جممػػة مػػف الحقػػائؽ لتمييػػز كفيػػـ البيانػػات كيعػػرض تخطػػيط‬

‫الجدكؿ بكاسطة شكؿ البيانات كاعتمادنا عمى ذلؾ تختمؼ نماذج أنماط الجداكؿ حسب‬

‫اختبلؼ البيانات ‪ .‬كىي طريقة مفيدة كجيدة لتمثيؿ البيانات ‪.‬‬

‫كعمكمنا يجب أف نتذكر أف المبدأ األكثر أىميػة فػي إدارة كانشػاء الجػداكؿ ىػك‬

‫أف تكػػكف كاضػػحة جيػػدان ‪ .‬كفيمػػا يػػأتي القكاعػػد المسػػتخدمة لبنػػاء جػػداكؿ كاضػػحة كجيػػدة‬

‫التقييـ ‪:‬‬

‫‪47‬‬
‫ُ‪ -‬يتض ػػمف الج ػػدكؿ معمكم ػػات كاض ػػحة م ػػع كج ػػكد عنػ ػكاف رئيس ػػي كعنػػػاكيف فرعي ػػة‬

‫كاضحة لمجداكؿ كمصممة تصميمان متناسقان ‪.‬‬

‫ِ‪ -‬أف تتضمف عناكيف مختصرة لكؿ صؼ كعمكد ‪.‬‬

‫ّ‪ -‬أف تتضمف كحدات القياس ‪.‬‬

‫ْ‪ -‬عندما يككف الغػرض مػف تشػكيؿ الجػدكؿ ىػك إعطػاء ممخػص إحصػائي ( كد ارسػة‬

‫الكس ػ ػ ػػط الحس ػ ػ ػػابي ) يج ػ ػ ػػب أف يتض ػ ػ ػػمف إل ػ ػ ػػى جانب ػ ػ ػػو م ػ ػ ػػا ي ػ ػ ػػدعى بح ػ ػ ػػد الثق ػ ػ ػػة‬

‫)‪. (Confidence Interval‬‬

‫ٓ‪ -‬أف يتضػػمف إشػػارة فقػػط إلػػى درجػػة الدقػػة عنػػد لزكميػػا كالدرجػػة المعنكيػػة أك غيرىػػا‬

‫كدليؿ لمقارئ ‪.‬‬

‫ٔ‪ -‬أف ال يتضمف معمكمات كثيرة ‪.‬‬

‫ٕ‪ -‬تػػذكر أف يتضػػمف معمكمػػات يمكػػف إحصػػاؤىا بسػػيكلة بإسػػتخداـ األعمػػدة منػػو مػػف‬

‫استخداـ معمكمات متقاطعة في صفكؼ ‪.‬‬

‫رؾ ف ارغ ػنا أك تضػػع‬

‫ٖ‪ -‬إذا كانػػت إحػػدل القػػيـ صػػف نار فيجػػب أف تى ٍكتى ػب صػػف نار ال أف تىتٍ ػ ى‬

‫شحطة بدالن مف الصفر ‪.‬‬

‫ال مف الخطكط األفقية‬

‫ٗ‪ -‬يفضؿ تجنب الخطكط األفقية كاألفضؿ ترؾ فراغات بد ن‬

‫‪48‬‬
 ‫األشكاؿ أو الرسوـ البيانية ‪Diagrams‬‬

‫إف الغػػرض مػػف العػػرض البيػػاني لمبيانػػات ىػػك إعط ػاء صػػكرة جميمػػة لمبيانػػات‬

‫بطريقػة سػػيمة كمرتبػػة تجػػذب القػػارئ كتػػؤثر عميػو ‪ .‬كلمػػا كػػاف جميػػع القػراء يميمػػكف إلػػى‬

‫ػرؽ العػػرض‬
‫رؤيػػة األشػػكاؿ أكثػػر مػػف مشػػاىدة األرقػػاـ الجافػػة فػػي الجػػداكؿ شػػاعت طػ ي‬

‫البياني كثيػ انر كال سػيما بعػد اسػتخداـ بػرامج الحاسػكب الخاصػة بإنشػاء األشػكاؿ البيانيػة‬

‫بصكرة جميمة كجذابة ‪ .‬كفيما يأتي القكاعد األساسية لمرسكمات البيانية ‪:‬‬

‫ُ‪ -‬يجب أف يفسر الرسـ البياني نفسو بنفسو ‪.‬‬

‫ِ‪ -‬يجب أف يككف بسيطان كال يتضمف معمكمات غير ضركرية ‪.‬‬
‫ّ‪ -‬يجب أف يعرض كحدات القياس المدركسة ‪.‬‬
‫ْ‪ -‬يجب أف يظير التنقيط بكضكح في المخططات النقطية ‪.‬‬
‫ٓ‪ -‬يفضؿ أف يككف عنكاف الرسـ البياني باألسفؿ حتى ال يتداخؿ مع الرسـ ‪.‬‬
‫ٔ‪ -‬كعندما يعرض المخطط البياني أكثر مف متغير كاحد يجب التمييز بينيا بعبلمات‬
‫خاصة ‪.‬‬
‫ٕ‪ -‬كيفضؿ عدـ الكتابة عمى الرسـ البياني ‪.‬‬
‫ٖ‪ -‬عمينػػا أف ننػػكه ب ػأف الرسػػـ أك المخطػػط البيػػاني يجػػب أف ال يحتػػكم عمػػى متغي ػرات‬
‫كثيرة ‪.‬‬
‫ٗ‪ -‬يجػ ػػب التأكػ ػػد مػ ػػف أف طريقػ ػػة عػ ػػرض البيانػ ػػات تمثػ ػػؿ كافػ ػػة المعمكمػ ػػات المناسػ ػػبة‬
‫كالضركرية‪.‬‬

‫‪49‬‬
 ‫طرؽ الرسـ أو العرض البياني‬
‫‪Methods of Presenting of Diagrams‬‬
‫‪: Histogram Chart‬‬ ‫الرسـ باألعمدة‬
‫كىنػػا يمثػػؿ طػػكؿ العمػػكد القيمػػة الرقميػػة لممتغيػػر الػػذم يمثمػػو كبمقارنػػة أط ػكاؿ‬

‫األعم ػػدة المكج ػػكدة ف ػػي الرس ػػـ البي ػػاني نك ػػكف عم ػػى فكػ ػرة ع ػػف االخ ػػتبلؼ ف ػػي المتغي ػػر‬

‫المدركس ‪ .‬كيجب مراعاة القكاعد العامة عند الرسـ باألعمدة ‪.‬‬

‫ُ‪ -‬عرض قاعدة األعمدة يجب أف تككف متساكية ‪.‬‬

‫ِ‪ -‬ارتفاع العمكد يمثؿ القيمة الرقمية لممتغير ‪.‬‬

‫ّ‪ -‬المسػػافة بػػيف األعمػػدة يجػػب أف تكػػكف متسػػاكية كيجػػب م ارعػػاة التناسػػؽ لممسػػافات‬

‫بيف األعمدة كعرض الكرقة ‪.‬‬

‫ْ‪ -‬تمثؿ األعمدة غالبان بصكرة عمكدية كيمكف أف تمثؿ بصكرة أفقية كال سيما إذا كاف‬

‫ير ‪.‬‬
‫عدد األعمدة كث ان‬
‫ٓ‪ -‬يفضؿ ترتيب األعمدة تنازليان أك تصاعديان ‪.‬‬

‫ٔ‪ -‬كاذا كاف ىناؾ أكثر مف متغير سيمثؿ بطريقة األعمػدة فيجػب التمييػز بػيف أعمػدة‬

‫المتغيرات باستخداـ األلكاف المختمفة أك التظميؿ أك التخطيط ‪.‬‬

‫ٕ‪ -‬يجب أف تككف تسمية العمكد في أسفمو ال فكقو ‪.‬‬

‫‪50‬‬
‫الشكؿ (‪ ) 4‬طػرؽ الػتحكـ النوعيػة لػنقص المغنزيػوـ فػي بعػض القطعػاف باسػتخداـ المػربيف‬
‫ِلطرؽ نوعية (مركزات – حبوب – مرعى – مكعبات مغنزيوـ وطرؽ أخرى)‪.‬‬

‫‪Pie Chart‬‬ ‫الموحة الدائرية‬

‫تستعمؿ ىػذه الطريقػة لتكضػيح النسػب الجزئيػة لمظػاىرة المدركسػة كيفضػؿ أف‬

‫يك ػػكف خ ػػط البداي ػػة عن ػػد الس ػػاعة (ُِ) كلع ػػدىا ت ػػكزع األجػ ػزاء األخ ػػرل باتج ػػاه عق ػػرب‬

‫الساعة كتبدأ مف الجزء األكبر إلى الجزء األصغر ‪.‬‬

‫كلتحكي ػػؿ النس ػػب المئكي ػػة إل ػػى درج ػػات الزكاي ػػا نض ػػرب النس ػػبة المئكي ػػة ب ػػالرقـ‬

‫(ٔ‪ )ّ.‬ألف مجمكع درجات الدائرة تساكم (َّٔ) إذ إف َّٔ ÷ ََُ = ٔ‪ّ.‬‬

‫كاذا كانػػت النس ػػب المئكي ػػة غي ػػر معط ػػاة فإنن ػػا نقس ػػـ قيم ػػة ك ػػؿ مش ػػاىدة عم ػػى‬

‫مجمكعيا كنضرب بالرقـ َّٔ فتعطينا قيمة الزاكية حسب القانكف التالي ‪:‬‬

‫درجة الزاكية = ػ ػ ػ ػ ػ العدد × َّٔ‬

‫المجمكع الكمي‬

‫‪51‬‬
‫كيمك ػػف حس ػػابيا بطريق ػػة أخ ػػرل كذل ػػؾ بتقس ػػيـ الزاكي ػػة المركزي ػػة (َّٔ) عم ػػى‬

‫مجمكع قيـ الظاىرة كالناتج يضرب بكؿ قيمة فنحصؿ عمى انقطاع الزاكم المطمكب ‪.‬‬

‫ال لػػذلؾ تكزيػػع الػػذرارم المرضػػية كغيػػر المرضػػية لممػػرض الحمػػكم فػػي‬
‫كلنػػذكر مثػػا ن‬
‫الجدكؿ رقـ( ِ )‪.‬‬

‫الجدكؿ رقـ ِ‪ :‬مثاؿ عف تمثيؿ مرض اإلسياؿ الحموي عند األبقار‬

‫نكع المسبب‬
‫درجة الزاكية‬ ‫النسب المئكية‬ ‫العدد‬
‫المرضي‬
‫َُٖ‬ ‫َّ‬ ‫َٔ‬ ‫ذرية ممرضة‬
‫ُْْ‬ ‫َْ‬ ‫َٖ‬ ‫ذرية غير ممرضة‬

‫الشكؿ رقـ (ٓ) ‪ :‬نمكذج لمكحة الدائرية‬

‫الخط البياني ‪: Diagram‬‬
‫يرسـ الخط البياني عمى محكريف تعاقديان المحكر األكؿ يدعى بالمحكر األفقي‬

‫كىك ما يرمز لو رياضيان بالمحكر السيني (س أك ‪ X‬بالمغة اإلنكميزية) كالمحػكر الثػاني‬

‫كى ػػك المح ػػكر العم ػػكدم كى ػػك م ػػا يرم ػػز ل ػػو رياض ػػينا ب ػػالمحكر العين ػػي (ع أك ‪ Y‬بالمغ ػػة‬

‫‪52‬‬
‫ػتقؿ كػػالعمر ككميػػة اإلنتػػاج‬
‫اإلنكميزيػػة) كعػػادة مػػا يمثػػؿ المحػػكر الس ػيني المتغيػ ىػر المسػ ى‬

‫كالقػػيـ الدمكيػػة كغيرىػػا مػػف المتغيػرات المسػػتقمة فػػي حػيف يمثػػؿ المحػػكر العينػػي المتغيػػر‬

‫غير المستقؿ (التابع) كعدد الحيكانات المريضة أك مستكل حدكث المرض ‪.‬‬

‫كعند الرسـ البياني يجدر بنا األخذ بعيف االعتبار ما يأتي ‪:‬‬

‫ُ‪ -‬تحديد مسطرة القياس لممحكريف ‪ X‬ك ‪. Y‬‬

‫ِ‪ -‬يفضػػؿ أف ال يزيػػد عػػدد الخطػػكط البيانيػػة عمػػى ثبلثػػة خطػػكط ليسػػيؿ عم ػى القػػارئ‬

‫فيـ لمرسـ البياني ‪.‬‬

‫ّ‪ -‬يحسػ ػػب المحػ ػػكر السػ ػػيني ‪ X‬بالمقيػ ػػاس الحسػ ػػابي بينمػ ػػا يحسػ ػػب المحػ ػػكر العينػ ػػي‬

‫بالمقي ػ ػ ػػاس المكغ ػ ػ ػػاريتمي أك الحس ػ ػ ػػابي كاذا حس ػ ػ ػػب المح ػ ػ ػػكر العين ػ ػ ػػي بالمقي ػ ػ ػػاس‬

‫المكغػػاريتمي فيسػػمى بالرسػػـ البيػػاني نصػػؼ المكغػػاريتمي كيسػػتخدـ ىػػذا الػػنمط مػػف‬

‫الرسكمات البيانية عندما يككف اىتمامنا بتبياف نسب التغيير كلػيس القيمػة المطمقػة‬

‫لممتغيػػر ‪ ،‬فعمػػى سػػبيؿ المثػػاؿ إلظيػػار اتجػػاه مػػرض السػػارز أك بعػػض السػػرطانات‬

‫نيتـ بنسب التغيير في حدكث المرض أكثر مف الفركقات المطمقة ‪.‬‬

‫الفصل الراثع‬
‫‪CHAPTER FOUR‬‬
‫الوقبٌٍس الرقوٍة‬

‫‪53‬‬
 ‫‪NUMERICAL MEASURES‬‬

‫تشمؿ قياسات اإلحصاء الكصفي جمػع البيانػات كتبكيبيػا كتمخيصػيا كمػف ثػـ‬

‫عرضػػيا ‪ .‬كىػػذا يعنػػي أف ىػػذا النػػكع مػػف اإلحصػػاء ييػػتـ بكصػػؼ البيانػػات اإلحصػػائية‬

‫بدكف الدخكؿ في عممية التحميؿ اإلحصائي لمكصكؿ إلى االستنتاجات العمميػة كتعتبػر‬

‫ػاييس الميػكؿ أك النزعػة المركزيػة ‪Measures‬‬

‫أى ىػـ كسػائؿ اإلحصػاء الكصػفي ىػي مق ي‬

‫‪ of Central Tendency‬كمقػاييس التشػتت ‪ Measures of Dispersion‬فعنػدما‬

‫ننظر في تكزع قيـ بيانات إحصائية كإنتػاج كميػة الحميػب اليكميػة لكػؿ بقػرة فػي إحػدل‬

‫مزارع منطقة مف المناطؽ سكؼ نجد أف ىذه القيـ تتكزع حكؿ قيمة متكسطة ‪/‬مركزية‪/‬‬

‫إذ يكثػػر عػػددىا حػػكؿ ىػػذه القيمػػة المتكسػػطة كيقػػؿ تػػدريجينا مػػع االبتعػػاد عنيػػا ‪ .‬تسػػمى‬

‫ػاييس النزع ػػة المركزي ػػة ‪ .‬إال أف‬

‫المق ػػاييس التػ ػي تق ػػيس مث ػػؿ تم ػػؾ القيم ػػة المتكس ػػطة مق ػ ى‬

‫د ارسػة قػػيـ النزعػػة أك الميػػكؿ المركزيػػة كالتػػي تمقػػى الضػػكء عمػػى بعػػض الجكانػػب اليامػػة‬

‫قدر و‬
‫كبير مف األىمية ‪.‬‬ ‫مف الظاىرة تبقي في الخفاء جكانب أخرل عمى و‬

‫إذ إننا غالبان ما نحتاج إلى دراسة مػدل تبعثػر أك بعػد أك انحػراؼ قػيـ الظػاىرة‬

‫عػػف تمػػؾ القيمػػة المتكسػػطة ‪ .‬تسػػمى المقػػاييس التػػي تقػػيس انح ػراؼ القػػيـ عػػف القيمػػة‬

‫ػاييس التشػػتت ‪ .‬كتعتبػػر المرحمػػة األكلػػى فػػي أم د ارسػػة ىػػي حسػػاب تمػػؾ‬
‫المتكسػػطة مقػ ى‬

‫‪54‬‬
‫المقػػاييس كالػػذم يعتبػػر بدايػػة أكليػػة فػػي العمػػؿ اإلحصػػائي مػػف حيػػث تحميػػؿ البيانػػات‬

‫اإلحصائية بعد عمميات جمع البيانات كتصنيفيا كعرضيا بالطرؽ المناسبة ‪.‬‬

‫المقاييس الموضعية ‪Measures of Location‬‬

‫أك ما يسمى بمقاييس الميكؿ أك النزعة المركزية ‪Measures of central‬‬

‫‪ Tendency‬أك ما يدعى بالمعدؿ ‪ Average‬إف عبارة المعدؿ تشير إلى قياس مف‬

‫القياسات العديدة لمميكؿ المركزية لمبيانات ‪ .‬فعندما نذكر في مثالنا السابؽ أف معدؿ‬

‫ليتر‬
‫إنتاج الحميب لمبقرة الكاحدة باليكـ الكاحد في إحدل محطات تربية األبقار ىك َِ ان‬

‫ليتر كبعضيا تنتج أقؿ مف ىذه الكمية‬

‫فمع عممنا أف بعض األبقار تنتج أكثر مف َِ نا‬

‫يمكننا كضع استنتاج أف حجـ إنتاج الحميب في ىذه المحطة يتمركز حكؿ القيمة َِ‬

‫ليت نار ‪ .‬كىناؾ العديد مف ىذه المقاييس إال أف أىميا ىي ‪ :‬الكسط الحسابي كالكسط‬

‫اليندسي كالكسيط كالمنكاؿ ‪.‬‬

‫كىناؾ مقياس غير مركزم يسمى بالمئيف كيعبر حقيقة مقياس مكضعي يمثؿ‬

‫الكسيط في إحدل حاالتو اليامة ‪.‬‬

‫‪ -1‬الوسط الحسابي ‪The Arithmetic Mean‬‬

‫كىذا المقياس أكثر شيكعنا لدل عمكـ الناس يحسػب ىػذا المقيػاس يجمػع كافػة‬

‫قػػيـ المشػػاىدات المكجػػكدة فػػي البيانػػات كتقسػػيميا عمػػى عػػدد ىػػذه المشػػاىدات فػػي ىػػذه‬

‫البيانات ‪.‬‬

‫‪55‬‬
‫فإذا رمزنا لممتغير المستمر بالرمز (‪ )X‬ككاف ىناؾ عدد مف المشاىدات (‪)n‬‬

‫في العينة فعندئذ يككف الكسط الحسابي في العينة )‪ (X‬كما يأتي ‪:‬‬

‫‪‬‬
‫‪X ‬‬
‫‪n‬‬

‫كفػػي جػػداكؿ التكزيػػع التك ارريػػة غيػػر المجمعػػة يؤخػػذ التكػرار بالحسػػباف فتصػػبح‬

‫الصيغة كما يأتي ‪:‬‬

‫‪fx‬‬
‫‪X ‬‬
‫‪f  n‬‬
‫مثػاؿ ‪ :‬لػػتكف لػدينا قػػيـ البكتاسػيكـ فػػي الببلسػما الدمكيػػة ككحػدة قيػػاس )‪(mmol / L‬‬
‫مكؿ ‪ /‬ليتر ألربعة عشر كمبنا كما يأتي ‪:‬‬
‫كْٓ‪ ْ.‬ك ٖٔ‪ ْ.‬ك ِٗ‪ ّ.‬ك ّٓ‪ ْ.‬ك ٕٖ‪ ْ.‬ك ّٕ‪ ْ.‬ك ّٖ‪ ْ.‬ك ّٕ‪ ْ.‬ك َْ‪ْ.‬‬
‫ك ٔٔ‪ ْ.‬ك ٗٓ‪ ْ.‬ك ٕٓ‪ ْ.‬ك ِْ‪ ٓ.‬ك ُِ‪. ْ.‬‬
‫فإف الكسط الحسابي ىك ‪:‬‬
‫‪‬‬
‫‪X ‬‬
‫‪n‬‬
‫‪63.96‬‬
‫‪X ‬‬ ‫‪ 4.57(mmol / L‬‬
‫‪14‬‬
‫مثاؿ ‪ :‬لنأخذ بيانات ناتجة مف در ً‬
‫اسة تركيز النطاؼ في السائؿ المنكم لكاحد كأربعػيف‬
‫ثك نار‪.‬‬
‫ٕٓ – َُُ ‪ُِٓ – َُُ – َٗ - ُِْ - ُِْ – ٖٔ -َُُ - ُّٗ - ُِّ -‬‬
‫– ُِْ – ُُّ – ُِٔ – ُِْ ‪– ُُٖ – ٕٗ – ُّْ – ُِٕ - ُُٕ – ٗٓ -‬‬
‫ُِٖ – ُّْ – ٕٗ – َُِ – ُِٗ – ُْٖ – َُِ – ُُِ – ُّّ – ُٗٓ –‬
‫َُْ – ُِِ – ُّٖ – َُْ – ُِِ – ُّٖ – َُٓ – ُِّ ‪. ُّٗ -‬‬
‫الحؿ‪:‬‬

‫‪56‬‬
‫الكس ػ ػ ػ ػػط الحس ػ ػ ػ ػػابي = مجم ػ ػ ػ ػػكع المش ػ ػ ػ ػػاىدات ‪ /‬ع ػ ػ ػ ػػدد المش ػ ػ ػ ػػاىدات =ُّْٖ‪= ُْ/‬‬

‫َّٗ‪ُُٕ.‬‬

‫‪ -2‬الوسيط ‪The Median‬‬

‫كى ػػك عبػ ػػارة عػ ػػف أحػ ػػد المقػ ػػاييس األخ ػػرل لمميػ ػػكؿ المركزيػ ػػة الشػ ػػائعة التك ػ ػرار‬

‫باس ػ ػػتخداميا ‪ .‬كيع ػ ػػرؼ الكس ػ ػػيط بأن ػ ػػو القيم ػ ػػة المركزي ػ ػػة (الكس ػ ػػيطة) لمجمكع ػ ػػة م ػ ػػف‬

‫المشاىدات )‪ (n‬في عينة ما كالتي تككف مرتبة ‪ ،‬فعمى سبيؿ المثاؿ ترتب المشػاىدات‬

‫تصاعديان أك تنازليان بمعنى آخر ىك القيمة التي تفصػؿ مجمكعػة بيانػات إحصػائية إلػى‬

‫بل يجعؿ قيـ أحدىما أقؿ مف قيمة الكسيط بينما تكػكف قػيـ الجػزء‬
‫جزئيف متساكييف فص ن‬

‫الثاني أكبر منيا ‪ .‬كبيذا يكػكف الكسػيط ىػك القيمػة المنصػفة لػذلؾ الترتيػب التصػاعدم‬

‫كالتنازلي ليذه المشاىدات ‪.‬‬

‫نرمز لمكسيط بالرمز )‪ (Me‬كيحسب الكسيط عمى النحك اآلتي ‪:‬‬

‫ُ‪ -‬إذا كاف عدد المشاىدات )‪ (n‬كىي فردية فإف الكسيط يساكم ‪:‬‬

‫‪n 1‬‬
‫‪Me ‬‬
‫‪2‬‬
‫إذ إف ‪:‬‬
‫‪ : n‬تمثؿ عدد الحدكد‬
‫كبيذا تككف قيمة الحد ذم الترتيب المقدر ىي قيمة الكسيط ‪.‬‬

‫‪57‬‬
‫ِ‪ -‬إذا كان ػػت المش ػػاىدات )‪ (n‬زكجي ػػة ف ػػإف الكس ػػيط يق ػػع ف ػػي الق ػػيـ المنص ػػفة لقس ػػمي‬

‫المشاىدات‪.‬‬

‫مثػػاؿ ‪ :‬إف األكزاف بػػالغراـ لمجمكعػػة مػػف ذكػػكر خنػػازير غينيػػا المككنػػة مػػف ُٗ حيكان ػنا‬

‫ىي اآلتي ‪:‬‬

‫َّٓ ك ْٗٗ ك ُِْ ك ٔٓٓ ك ٖٕٗ ك ُٗٗ ك ُّْ ك ِْٔ ك ّٖٖ ك َُٓ‬

‫كٖٗٓ ك ِٕٗ ك ْٓٓ ك ّٖٔ ك ّٔٓ ك ٖٓٔ ك ُِْ ك ّّّ ك ْْٕ‬

‫المطمكب ‪ :‬أكجد قيمة الكسيط لممجمكعة المذككرة أعبله ‪.‬‬

‫ال كليكف تصاعدينا فنحصؿ عمى ‪:‬‬

‫الحؿ ‪ :‬لحساب قيمة الكسيط نرتب القيـ أك ن‬

‫ِٕٗ كُّْ ك ّّّ ك َّٓ ك ّٖٖ ك ُِْ ك ُِْ ك ْٓٓ ك ْْٕ ك ْٗٗ‬

‫كَُٓ ك ّٔٓ ك ٔٓٓ ك ٖٗٓ ك ِْٔ ك ٖٓٔ ك ٖٕٗ ك ّٖٔ ك ُٗٗ ‪.‬‬

‫فالمبلحظ أف عدد المشاىدات ىك فردم (ُٗ) قيمة كلذلؾ نحسب ترتيب الكسيط ‪:‬‬

‫‪n  1 19  1‬‬
‫‪‬‬ ‫‪ 10‬‬
‫‪2‬‬ ‫‪2‬‬
‫كلذلؾ فإف الكسيط ىك القيمة المعممة بصندكؽ كىي القيمػة العاشػرة أم تكػكف‬

‫قيمػة الكسػيط ممثمػة بالحػد العاشػر كتكتػب ‪ Me = 499‬كىػذه القيمػة تتكسػط مجمكعػة‬

‫بيانػػات المثػػاؿ فتقسػػميا إلػػى جػزئيف متسػػاكييف ىع ٍش ػر عػػف يسػػارىا أصػػغر منيػػا بالقيمػػة‬

‫كتسعة قيـ عف يمينيا أكبر منيا ‪.‬‬

‫‪58‬‬
‫كفي الحالة التي يككف فييا جدكؿ ‪ n‬أم عدد قيميا زكجينا فإف ترتيب الكسيط‬

‫‪ ( n + 1 ) / 2‬سػيعتبر عػددان كسػريان كسػيقع الكسػيط عنػدىا بػيف قيمتػيف فػي التكزيػع‬

‫كيككف الكسيط في ىذه الحالة عبارة عف الكسط الحسابي لياتيف القيمتيف ‪.‬‬

‫مثاؿ ‪ :‬أكجد قيمة الكسيط لممشاىدات اآلتية ‪:‬‬

‫ُ‪ْ ،ّ ، ،ِ ،‬‬

‫الحؿ ‪:‬‬
‫بما أف ىذه القيـ مرتبة تصاعديان نحسب ترتيب الكسيط مباشرة ‪:‬‬
‫‪n 1 4 1‬‬
‫‪‬‬ ‫‪ 2.5‬‬
‫‪2‬‬ ‫‪2‬‬
‫كمػػف المشػػاىدات المػػذككرة أعػػبله نجػػد أف الحػػد ‪ 2.5‬غيػػر مكجػػكد كيقػػع بػػيف‬

‫الت ػرتيبيف الثػػاني كالثالػػث المقػػابميف لمقيمتػػيف ِ ك ّ فإننػػا نعتبػػر أف قيمػػة الكسػػيط ى ػي‬

‫قيمة الكسط الحسابي لياتيف القيمتيف ‪:‬‬

‫‪23‬‬
‫= ‪Me‬‬ ‫‪ 2.5‬‬
‫‪2‬‬
‫بل أف قيمػػة الكسػػيط ‪ 2.5‬تقسػػـ البيانػػات األربعػػة المعطػػاة إلػػى جػزئيف‬
‫كنجػػد فعػ ن‬
‫متساكييف ‪.‬‬
‫‪ -3‬المتوسط اليندسي ‪: The Geometric Mean‬‬
‫إذا أخػػذ لغػػاريتـ كػػؿ قيمػػة فػػي البيانػػات ( إمػػا ل ػؤلس ‪ y‬أك لػػؤلس ‪ ) e‬كالتػػي‬

‫تكػػكف فييػػا تك ارراتيػػا مكزعػػة بكث ػرة إل ػى الناحيػػة اليمنػػى مػػف المحػػكر السػػيني فػػإف ىػػذه‬

‫البيانػػات تتحػػكؿ بتناسػػؽ نظػػامي إلػػى شػػقي محػػكر السػػينات (اليمينػػي كاليسػػارم) إذا مػػا‬

‫‪59‬‬
‫أخ ػػذنا الق ػػيـ بش ػػكميا المغ ػػاريتمي ‪ .‬ك يمث ػػؿ الش ػػكبلف رق ػػـ ٔ ك ٕ الف ػػرؽ بػ ػيف التكػ ػرار‬

‫التػػكزيعي لقػػيـ الخبليػػا الجسػػمية فػػي الحميػػب ك التكػرار التػػكزيعي لمقػػيـ المغاريتميػػة فػػي‬

‫إحدل مناطؽ تربية األبقار الحمكب‪.‬‬

‫الشكؿ ( ‪ ) 6‬التكرار التوزيعي لقيـ الخاليا الجسمية في الحميب‬

‫في إحدى مناطؽ تربية األبقار الحموب‬

‫الشكؿ( ‪ : ) 7‬التكرار التوزيعي لمقيـ المغاريتمية لمخاليا الجسمية‬

‫في الحميب في إحدى مناطؽ تربية أبقار الحموب‬

‫‪60‬‬
‫كفي ىذه الحالة فإف الكسط الحسابي لمقيـ المحكلة لغاريتميػان ىػك أحػد مقػاييس‬

‫الميػػكؿ المركزيػػة المفيػػدة ‪ .‬إال أف مسػػاكئ ىػػذا المقي ػػاس ىػػك أننػػا نتعامػػؿ مػػع مقي ػػاس‬

‫لغػػاريتمي كلػػذلؾ نحػػكؿ البيانػػات إلػػى قياسػػيا األصػػمي بحسػػاب الػرقـ الصػػحيح المضػػاد‬

‫ط اليندسػػي ‪ .‬كفػػي الد ارسػػات‬

‫لمقػػيـ المغاريتميػػة ‪ anti logarithm‬كىػػذا مػػا يػػدعى الكس ػ ى‬

‫الحيكية عندما تككف البيانات مكزعة إلى اليميف أك اليسار مػف إحػدل المحػاكر البيانيػة‬

‫نحسب المتكسط اليندسي لنحصؿ عمى معدؿ القيـ المراد قياسيا كتصػبح أكثػر تناسػقان‬

‫يميننا كيسا نار ‪.‬‬

‫ييحسب المتكسط اليندسي رياضيان كما يمي‪:‬‬

‫=‪G‬‬ ‫‪n‬‬ ‫‪ 1 x  2 x  3 ...... Xn‬‬

‫‪61‬‬
 ‫إذ إف ‪:‬‬
‫‪ :ُ ..... n‬قيـ المشاىدات ) ‪( > 0‬‬

‫‪ : n‬عدد قيـ المشاىدات كىك الجذر النكني لجداءات مجمكعة مف القيـ‬

‫كىكذا ييستخدـ الكسط اليندسي كسطان لممعدالت كالنسب في كثير مف‬

‫الحاالت ( كليس في جميعيا ) كحالة معدؿ حدكث المرض كىك يمثؿ الكسط‬

‫الحسابي في تفسيرىا ‪ .‬إذ إف الكسط الحسابي ال يجكز استخدامو في حاالت‬

‫المعدالت كالنسب ( إال في حاالت خاصة لف نتعرض ليا ىنا ) ‪.‬‬

‫مثاؿ ‪ :‬احسب معدؿ حدكث مرض داء السكرم في عدد مف البمداف ألربع سنكات‬

‫حسب األرقاـ المدرجة أدناه (الحظ أننا عندما نقكؿ معدؿ حدكث مرض في العمكـ‬

‫الطبية ال تعني المتكسط الحسابي ك أنما قيمة عدد الحاالت الجديدة لممرض مقسكما‬

‫عمى المتكسط الحسابي لمحيكانات الكاقعة تحت خطر اإلصابة خبلؿ فترة زمنية‬

‫محددة)‪.‬‬

‫‪0.030 , 0.053 , 0.025 , 0.061‬‬

‫الحؿ ‪ :‬المتكسط اليندسي ليذه المعدالت المرضية‪:‬‬

‫‪G  5 0.030  0.053  0.025  0.06  0.25‬‬

‫أم معدؿ حدكث مرض داء السكرم لمفترة الزمنية المعتبرة ىك ‪ 0.25‬سنكينا ‪.‬‬

‫‪ -4‬المنواؿ ‪: The Mode‬‬

‫‪62‬‬
‫يرمػ ػػز لممن ػ ػكاؿ بػ ػػالرمز ‪ Mo‬كىػ ػػك مقيػ ػػاس معػ ػػركؼ إال أف ىػ ػػذا المقيػ ػػاس ال‬

‫يس ػػتخدـ دائمػ ػان مقيػ ػا نس لممي ػػكؿ المركزي ػػة كيع ػػرؼ بأن ػػو ى ػػك القيم ػػة األكبػ ػر تكػ ػ ار انر ف ػػي‬

‫مشاىدات العينة‪.‬‬

‫كتختمؼ قيمة المنكاؿ عف قيمة كؿ مف الكسط الحسابي كالكسيط كعادة يكػكف‬

‫كبير كلكف يمكف أف يككف منكاالف في مجمكعة‬

‫ىناؾ منكاؿ كاحد إذا كاف حجـ العينة ان‬

‫ق ػػيـ عين ػػة كاح ػػدة إذا تس ػػاكل تك ػػرار القيمت ػػيف األكبػ ػر تكػ ػ ار نار كعندئ ػػذ يق ػػاؿ ع ػػف تكزي ػػع‬

‫مشاىدات العينة بأنو ثنائي المنكاؿ ‪. Bimodal‬‬

‫ف مسكغ اعتبار المنػكاؿ مػف مقػاييس النزعػة المركزيػة يرتكػز إلػى حقيقػة ككنػو‬

‫التكػ ػرار األكث ػػر إلح ػػدل الق ػػيـ ‪ ،‬كل ػػتكف درجت ػػو ‪ 50.000‬خمي ػػة ‪ /‬مميمت ػػر مكع ػػب لق ػػيـ‬

‫الخبليػا الجسػػمية فػػي الحميػػب فػػي إحػػدل المػزارع يعنػػي أف قػػيـ ىػػذه الخبليػػا تػػدكر حػػكؿ‬

‫ى ػػذه القيم ػػة ف ػػي القط ػػع الم ػػأخكذة من ػػو العين ػػة فمتحدي ػػد المنػ ػكاؿ ف ػػي مجمكع ػػة بيان ػػات‬

‫محصكؿ عمييا نبحث عف القيمة األكثر تك ار انر فييا كتككف ىي المنكاؿ ‪.‬‬

‫مثاؿ ‪ :‬لنأخذ قيـ كمية اإلنتاج لمكاسـ اإلدرار لخمسػيف بقػرة فػي إحػدل مػزارع محافظػة‬

‫حماة ‪ /‬القيـ مقدرة بالمتر ‪ . /‬أكجد قيمة المنكاؿ لكمية الحميب في المكسـ اإلدرارم مف‬

‫القيـ المدرجة أدناه في الجدكؿ رقـ (‪.)3‬‬

‫‪63‬‬
 ‫جدكؿ رقـ (‪ :)3‬كمية انتاج الحميب في المكسـ االدرارم (ليتر)‬

‫‪2551‬‬ ‫‪2605‬‬ ‫‪2681‬‬ ‫‪2695‬‬ ‫‪2731‬‬

‫‪2749‬‬ ‫‪2780‬‬ ‫‪2792‬‬ ‫‪2799‬‬ ‫‪2806‬‬
‫‪2808‬‬ ‫‪2821‬‬ ‫‪2839‬‬ ‫‪2860‬‬ ‫‪2865‬‬
‫‪2873‬‬ ‫‪2879‬‬ ‫‪2887‬‬ ‫‪2891‬‬ ‫‪2909‬‬
‫‪2954‬‬ ‫‪2915‬‬ ‫‪2929‬‬ ‫‪2935‬‬ ‫‪2941‬‬
‫‪2933‬‬ ‫‪2964‬‬ ‫‪2964‬‬ ‫‪2985‬‬ ‫‪2986‬‬
‫‪3024‬‬ ‫‪3011‬‬ ‫‪3012‬‬ ‫‪3018‬‬ ‫‪3024‬‬
‫‪3088‬‬ ‫‪3032‬‬ ‫‪3057‬‬ ‫‪3058‬‬ ‫‪3062‬‬
‫‪3170‬‬ ‫‪3113‬‬ ‫‪3129‬‬ ‫‪3144‬‬ ‫‪3166‬‬
‫‪3231‬‬ ‫‪3240‬‬ ‫‪3381‬‬ ‫‪3303‬‬

‫الحؿ ‪:‬‬
‫مف القيـ المدرجة أعبله نجد أف قيمة ‪ 2964‬ىي القيمة األكثر تك ار انر في ىذه‬
‫البيانات كلذلؾ فيي قيمة المنكاؿ ‪.‬‬
‫كيجػ ػػب أف نػ ػػذكر أف اإلحصػ ػػائييف ال يفضػ ػػمكف اسػ ػػتخداـ المن ػ ػكاؿ لتخمػ ػػيص البيانػ ػػات‬
‫لؤلسباب التالية ‪:‬‬
‫ُ‪ -‬تعتمد قيمة المنكاؿ عمى دقة قيـ البيانات المقيسة ‪.‬‬
‫ِ‪ -‬بعض التكزيعات ليس فييا قيمة منكاؿ بينما يككف لبعض تكزيعػات البيانػات أكثػر‬
‫مف منكاؿ ‪.‬‬
‫مثاؿ ‪ :‬أكجد قيمة المنكاؿ مف مجمكعة البيانات اآلتية ؟‬
‫‪612 , 8 , 11 , 6 , 8 , 10 , 9 , 7‬‬
‫الحػؿ ‪ :‬نجػد أف لػدينا منػكاليف ‪ Mo2 = 6 , Mo1 = 8‬ألف ليمػا نفػس التكػرار كىػك‬
‫التكرار األكثر في التكزيع ‪.‬‬
‫كفي بعض البيانات ال نجد منكاالن مثؿ ‪6 , 1 , 2 , 8 , 11 , 10 , 9‬‬

‫‪64‬‬
‫الشكؿ (‪ : )8‬أوزاف خنازير غينيا المستخدمة في التجربة مع مقارنة األوزاف‬
‫المستخدمة في التجربة باستخداـ القياسات الموغاريتمية‬

‫‪65‬‬
 ‫مقاييس التشتت ( االنتشار )‬
‫‪Spread Measures:Measures of Dispersion Spread‬‬
‫كلؤلسباب التي ذكرت في مستيؿ ىذا الفصؿ كاف مف الجدير بنا البحث عػف مقػاييس‬

‫أخػػرل إلػػى جانػػب مقػػاييس النزعػػة المركزيػػة التػػي تقػػيس لنػػا تشػػتت قػػيـ الظػػاىرة عػػف‬

‫متكسطاتيا كذلؾ مف أجؿ فيـ تفسير ظاىرة الدراسة فيمنا جيدنا ‪.‬‬

‫ىنػػاؾ العديػػد مػػف مقػػاييس انتشػػار البيانػػات ككػػؿ منيػػا لػػو مفيػػكـ يختمػػؼ عػف اآلخػػر ‪.‬‬

‫كلما كاف التشتت لمجمكعة مف المشاىدات تعني االختبلؼ في قيميا ‪ .‬كانت مقاييس‬

‫التشتت تعطينا فكرة عف درجة االخػتبلؼ كالتباعػد فػي قػيـ مجمكعػة مػف المشػاىدات ‪.‬‬

‫كأىـ مقاييس التشتت ىي ‪:‬‬

‫‪ -1‬المدى ‪: The Range‬‬

‫يعػ ػػرؼ المػ ػػدل بأنػ ػػو الفػ ػػرؽ بػ ػػيف أعمػ ػػى قيمػ ػػة كأصػ ػػغر قيمػ ػػة فػ ػػي مجمكع ػ ػػة‬

‫المشاىدات ‪.‬‬

‫كطريق ػػة حس ػػاب الم ػػدل كم ػػا ى ػػك كاض ػػح س ػػيمة ‪ .‬لك ػػف ى ػػذا المقي ػػاس يعتب ػػر‬

‫ضػعيفنا لقيػاس درجػة التشػتت إذ إنػو ال يؤخػذ بالحسػباف سػكل قيمتػيف مػف قػيـ مجمكعػة‬

‫المشاىدات ‪.‬‬

‫مثػاؿ ‪ :‬فػػي المثػػاؿ السػػابؽ الخػػاص بقػػيـ إنتػػاج الحميػػب المكسػػمي نجػػد أف أصػػغر قيمػػة‬

‫كانت ‪ 2551‬لتر كىك يمثؿ القيمة أك الحد األدنى مف المدل بينما نجد أف أكبػر قيمػة‬

‫‪66‬‬
‫إنت ػػاج حمي ػػب مكس ػػمي كان ػػت ‪ 3303‬لت ػػر كى ػػك يمث ػػؿ القيم ػػة أك الح ػػد األعظم ػػي م ػػف‬

‫المدل ‪.‬‬

‫كبيذا نجد أف المدل في مجمكعة المشاىدات فػي المثػاؿ السػابؽ تتػراكح بػيف ‪–2551‬‬

‫إلى ‪. 3303‬‬

‫‪ -2‬التبايف ‪The Variance‬‬

‫يحػػدد الفػػرؽ بحسػػاب انحػراؼ أك تباعػػد كػػؿ قيمػػة مػػف المشػػاىدات عػػف الكسػػط‬

‫الحسابي ‪ .‬ككمما كانت قيمة المشاىدات قريبة مف الكسط الحسابي كانت قيمػة التبػايف‬

‫أك الفرؽ صغيرة ‪.‬‬

‫فػػإذا رمػػز لعػػدد المشػػاىدات ب ػ ‪ n‬كلكػػؿ قيمػػة مػػف المشػػاىدات ب ػ × كلمكسػػط الحسػػابي ب ػ‬
‫‪ X‬كلمفرؽ بػ ‪ S2‬فإف التبايف أك الفرؽ يحسب كما يأتي ‪:‬‬
‫مجمكع مربع انحراؼ القيـ عف الكسط الحسابي‬
‫التبايف = ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ‬
‫عدد المشاىدات – ‪1‬‬
‫‪(    ) 2‬‬
‫‪S2 ‬‬
‫‪n 1‬‬

‫مثاؿ ‪ :‬لنعد إلى مثاؿ قيـ البكتاسػيكـ فػي ببلسػما الػدـ كمػا يػأتي ( مقػدرة بػالمكؿ ‪/‬لتػر)‬
‫ألربعة عشر كمبان ‪.‬‬
‫‪4.37 , 4.87 , 4.35 , 3.92 , 4.68 , 4.54 , 5.24 , 4.27 , 4.59 , 4.86 ,‬‬
‫‪4.40 , 4.73 , 4.83 , 4.21‬‬
‫‪63.96‬‬
‫‪ ‬‬ ‫‪ 4.57mmol / L‬‬
‫‪14‬‬
‫‪(4.37  4.57) 2  ........  (4.21  4.57) 2‬‬
‫‪S2 ‬‬
‫‪14  1‬‬

‫‪67‬‬
 ‫‪1.32297‬‬
‫‪S2 ‬‬ ‫‪ 0.10177(mmol / L) 2‬‬
‫‪13‬‬
‫‪ -3‬االنحراؼ المعياري ‪: The Standard Deviation‬‬

‫يرمػز لبلنحػراؼ المعيػارم بػالرمز ‪ ( Stanndard deviation ) SD‬كيرمػز‬

‫لو غالبان بالرمز ‪ ( ‬سيغما ) كىك الحرؼ اإلغريقي الصغير لحرؼ ( سيغما ) الكبير‬

‫‪ Σ‬كىك ببساطة عبارة عف الجذر التربيعية المربعػة لمتبػايف حيػث نأخػذ جػذره التربيعػي‬

‫ليعطينا االنحراؼ المعيارم ‪.‬‬

‫ال النح ارفػػات قػػيـ المشػػاىدات عػػف الكسػػط‬

‫كيمكػػف أف تعتبػػر االنح ػراؼ المعيػػارم معػػد ن‬

‫الحسػابي ‪ .‬كيرمػز عمكمػان بػالرمز ) ‪ ( S‬فػي العينػة كالرمػز ‪ ‬لبلنحػراؼ المعيػارم فػي‬

‫كامؿ المجتمع الحيكاني أك البشرم ‪.‬‬

‫كىكذا يحسب االنحراؼ المعيارم رياضينا كما يأتي ‪:‬‬

‫التجبٌي ‪S ‬‬ ‫‪= S2‬‬

‫‪2‬‬
‫) ‪(i   ‬‬
‫‪S‬‬
‫‪n‬‬
‫كالجػػدير بالػػذكر أف االنح ػراؼ المعيػػارم ال يعطػػي صػػكرة لمتكسػػط انح ارفػػات‬

‫القػػيـ عػػف الكسػػط الحسػػابي بػػؿ يجػػذر متكسػػط مربػػع االنح ارفػػات عػػف الكسػػط الحسػػابي‬

‫كيعتبػر االنحػراؼ المعيػػارم مػػف أىػػـ مقػػاييس التشػتت لككنػػو يػػدخؿ فػػي معظػػـ عمميػػات‬

‫التحميؿ اإلحصائي ‪.‬‬

‫‪68‬‬
‫كيمكػػف أف نحسػػب االنح ػراؼ المعيػػارم بسػػيكلة باسػػتخداـ اآلالت الحاسػػبة ‪.‬‬

‫كيجب أف نميز أف ىناؾ مفتاحيف في بعض اآلالت الحاسبة كاحدان يرمز لو بالرمز ‪S‬‬

‫كىك لحساب االنحراؼ المعيارم ضػمف العينػة كمفتاحػنا آخػر يرمػز لػو بػالرمز ‪ ‬كىػك‬

‫لحساب االنحراؼ المعيارم ضمف المجتمع المدركس كامبلن ‪.‬‬

‫كفي بعض اآلالت الحاسبة نجد أنو يرمز بػالرمز ‪ n‬لحسػاب االنحػراؼ المعيػارم فػي‬
‫عينة ما‪.‬‬
‫مثاؿ ‪:‬‬
‫في مثاؿ بيانات مكجكدات البكتاسيكـ في ببلزما الػدـ ألربعػة عشػر كمبػان الػذم‬

‫ذكرناه سابقنا كقدرنا فيو قيمة الكسػط الحسػابي كقيمػة التبػايف أك الفػرؽ يمكننػا أيضػنا أف‬

‫نحسب قيمة االنحراؼ المعيارم ‪.‬‬

‫‪S  0.010177  0.319mmal / L‬‬

‫كيمكننا القكؿ إف االنحراؼ المعيارم ىك أفضؿ مقياس لدراسة تشتت البيانات‬

‫ألف االنحػ ػراؼ المعي ػػارم تس ػػتخدـ في ػػو كاف ػػة ق ػػيـ المش ػػاىدات المدركس ػػة كى ػػك يس ػػتخدـ‬

‫لدراسة حد الثقة( كالذم سػكؼ ندرسػو فػي الفصػكؿ البلحقػة ) لمعرفػة دقػة النتػائج التػي‬

‫حصمنا عمييا في اختباراتنا المعممية ‪ .‬فعمى سبيؿ المثاؿ لحساب مستكل الثقة ٓٗ ‪%‬‬

‫لقيـ المشاىدات ( عمى سبيؿ المثاؿ ‪ :‬البكتاسيكـ في ببلسما الدـ ) نجرم اآلتي ‪:‬‬

‫الكسط الحسابي ‪ ‬االنحراؼ المعيارم ‪.‬‬

‫‪69‬‬
 ‫‪‬‬
‫‪CI %95  X  2SD‬‬
‫حيث أف‪:‬‬
‫‪ =CI‬ىك حد الثقة ( مستكل الثقة ) ‪.‬‬
‫‪ = X‬الكسط الحسابي ‪.‬‬
‫‪ = S‬االنحراؼ المعيارم ‪.‬‬
‫‪ -4‬معامؿ االختالؼ ‪: Coefficient of Variation‬‬
‫يعبر عف االنحراؼ المعيارم في بعض األحياف بنسبة مئكية لمكسط الحسابي‬

‫كل ػػذلؾ يطم ػػؽ ىػ ػػذا االس ػػـ عمػ ػػى االنحػ ػراؼ المعيػ ػػارم النس ػػبي كيسػ ػػتعمؿ ف ػػي التحميػ ػػؿ‬

‫اإلحصائي لممقارنة بيف تشتت تكزيعػات مختمفػة ‪ .‬كىػك ذك أىميػة خاصػة لمقارنػة شػدة‬

‫اإلصابة عند استخداـ اختبار االليػ از ( اختبػار المقايسػة المناعيػة اإلنظيميػة )‪ .‬كيػدعى‬

‫ىػػذا القيػػاس بمعامػػؿ االخػػتبلؼ كيرمػػز لػػو بػػالرمز ‪ . CV‬كيعتبػػر االنح ػراؼ المعيػػارم‬

‫مقياس ػان جيػػدان لمتشػػتت لمجمكعػػة مػػف المشػػاىدات كلكننػػا ال نسػػتطيع مقارنػػة االنح ػراؼ‬

‫المعي ػ ػ ػ ػ ػ ػ ػػارم لمجم ػ ػ ػ ػ ػ ػ ػػكعتيف أك أكث ػ ػ ػ ػ ػ ػ ػػر م ػ ػ ػ ػ ػ ػ ػػف المش ػ ػ ػ ػ ػ ػ ػػاىدات لس ػ ػ ػ ػ ػ ػ ػػببيف رئيس ػ ػ ػ ػ ػ ػ ػػييف‬

‫ىما ‪:‬‬

‫‪ -1‬االختبلؼ في كحدة القياس ‪.‬‬

‫‪ -2‬االختبلؼ في قيمة الكسط الحسابي ‪.‬‬
‫كلذلؾ كلمقارنة درجة التشتت في مجمكعتيف مػف المشػاىدات ال بػد مػف إيجػاد‬
‫مقيػػاس يعتمػػد عمػػى نسػػبة التشػػتت بػػدالن مػػف القيمػػة المطمقػػة لمتشػػتت كىػػذا المقيػػاس كمػػا‬
‫ذكػػر فػػي بدايػػة حػػديثنا عػػف معامػػؿ االخػػتبلؼ الػػذم يمثػػؿ النسػػبة المئكيػػة لبلنح ػراؼ‬
‫المعيارم مف الكسط الحسابي كيحسب رياضينا كما يأتي ‪:‬‬

‫االنحراؼ المعيارم × ‪100‬‬

‫‪70‬‬
‫الكسط الحسابي‬
 ‫معامؿ االختبلؼ = ػ ػ ػ ػ ػ ػ ػ‬

‫‪SD‬‬
‫‪CV ‬‬ ‫‪100‬‬
‫‪X‬‬
‫‪‬‬
‫‪CV   100‬‬
‫‪X‬‬
‫مع أف ‪:‬‬
‫‪ = CV‬معامؿ االختبلؼ ‪.‬‬
‫‪ SD‬أك ‪ = ‬االنحراؼ المعيارم ‪.‬‬
‫‪ : X‬الكسط الحسابي ‪.‬‬
‫‪ -5‬المدى المرجعي ‪: The Reference Range‬‬

‫ييػػتـ فػػي بعػػض األحيػػاف بكصػػؼ قػػيـ المػػدل الخاصػػة المتغيػػر كالتػػي تعػػرؼ‬

‫صػحة الحيكانػات المدركسػة كىػذا مػا يػدعى بالمػدل المرجعػي ‪ reference range‬أك‬

‫مػػا يػػدعى بالفاصػػؿ أك الحػػد المرجعػػي ‪ reference interval‬كيسػػتخدـ ىػػذا المػػدل‬

‫لتحديد ما إذا كانت الحيكانػات الفرديػة يمكػف كصػفيا بأنيػا تنتمػي إلػى حيكانػات سػميمة‬

‫ص ػػحينا أك إل ػػى حيكان ػػات مريض ػػة كي ػػدعى الم ػػدل المرجع ػػي أحيانػ ػنا بالم ػػدل الطبيع ػػي‬

‫‪ normal range‬كمف األفضؿ أف نتجنب استخداـ العبػارة السػابقة ألنيػا سػكؼ تخمػؽ‬

‫تشكيشان لمقارئ فبينمػا تشػير كممػة طبيعػي إلػى الحيكانػات السػميمة تصػؼ كممػة طبيعػي‬

‫فػػي التعبيػػر اإلحصػػائي تكزيع ػان معين ػان لمبيانػػات ( كالػػذم سيشػػرح الحق ػان ) ‪ .‬كفػػي ىػػذا‬

‫الكتػػاب سػػكؼ نميػػز ىػػاتيف العبػػارتيف باسػػتخداـ أحػػرؼ أبجديػػة إنكميزيػػة صػػغيرة لمحالػػة‬

‫الصحية كأخرل أبجدية كبيرة بالنسبة لمتكزيع اإلحصائي ‪.‬‬

‫‪71‬‬
‫عمػ ػػى كػ ػػؿ إف المػ ػػدل المرجعػ ػػي يمكػ ػػف أف يحسػ ػػب لحػ ػػدكد الثقػ ػػة ‪ % 90‬ك ‪ % 95‬ك‬

‫‪ ( % 99‬ستشرح الحقان ) إال أننا غالبان مػا نسػتخدـ حػد الثقػة ‪ % 95‬كىنػا يكػكف مػدل‬

‫الخطأ ‪ 1.96‬كبالتالي يحسب المدل المرجعي يحسب كما يأتي ‪:‬‬

‫‪RR = X  1.96 SD‬‬

‫مع أف ‪:‬‬

‫‪ : X‬الكسط الحسػابي ‪ : SD ،‬االنحػراؼ المعيػارم كيسػتخدـ ىنػا عنػدما يكػكف تكزيػع‬

‫البيانات طبيعينا ‪ Normal Distribution‬كعمى كؿ عندما يككف تكزيع البيانات غير‬

‫طبيعي يمكف أف نحسػب المػدل المرجعػي بفاصػؿ (‪ )2.5‬بػدالن مػف ‪ 1.96‬ك ‪% 97.5‬‬

‫بدالن مف ‪ % 95‬كنسب مئكية مف التكزيع التجريبي لقيـ المشاىدات ‪.‬‬

‫‪72‬‬
 ‫تمػػػػػػاريف‬

‫ُ‪ -‬أجب بكممة صح أك خطأ لمعبارة المدرجة أدناه؟‬

‫أ‪ -‬إف الشكؿ المناسب لرسـ متغير ذم تكزيع تكرارم مستمر‪:‬‬
‫ُ‪ -‬برسـ المستطيبلت‬
‫ِ‪ -‬المكحة الدائرية‬
‫ّ‪ -‬بككس ك يسكر‬
‫ب‪ -‬االنحراؼ المعيارم ىك عبارة عف‪:‬‬
‫ُ‪ -‬ىك قياس االنتشار‬
‫ِ‪ -‬ىك الفرؽ بيف النسب المئكية ‪ 5‬ك ‪95‬‬
‫ّ‪ -‬ىك أكبر مف مدل المشاىدات‬
‫ْ‪ -‬مقاييس معدؿ انحراؼ المشاىدات عف الكسط الحسابي‬
‫ٓ‪ -‬ىك مربع قيمة الفرؽ‬
‫ت‪ -‬المدل المرجعي (يتضمف مشاىدات ‪ )% 95‬لمتغير معيف‪:‬‬
‫ُ‪ -‬يمكػػف أف يسػػتخدـ لتحديػػد مػػا إذا كانػػت الحيكانػػات محتممػػة اإلصػػابة بػػالمرض‬
‫عندما تككف قيمتيا ممثمة لمتغير معركؼ‬
‫ِ‪ -‬ىػك يسػاكم الكسػط الحسػابي ‪ ±‬االنحػراؼ المعيػارم إذا كانػت البيانػات مكزعػة‬
‫طبيعيان ‪.‬‬
‫ّ‪ -‬ىػ ػػك يسػ ػػاكم الفػ ػػرؽ بػ ػػيف القػ ػػيـ العظمػ ػػى ك الصػ ػػغرل لممشػ ػػاىدات فػ ػػي قاعػ ػػدة‬
‫البيانات‬
‫سِ‪ -‬احسب ما يأتي‪:‬‬
‫‪ -‬المدل ك الفرؽ ك االنحراؼ المعيارم لعينة البيانات المدرجة أدناه ‪:‬‬
‫‪ -‬تركيز فيتػاميف ‪( E‬ميكركمػكؿ ‪/‬ليتػر) فػي مصػؿ الػدـ مػأخكذا مػف ‪ 12‬عجمػة ييظيػر‬
‫أعراضنا سريري نة لممتبلزمة العضمية غير االعتيادية (الشاذة)‬
‫ِ‪،ٓ.ْ ، ْ.ٗ ، ِ.ٗ ، ّ.ٓ .، ٖ.ٔ ، ِ.ٓ ، ّ.ْ ، ٓ.ُ ، ٕ.َ ، ّ.ّ ،ْ.‬‬

‫‪73‬‬
‫سّ‪ -‬احسب الكسط الحسابي ك الكسيط لقاعدة البيانات اآلتية ألكزاف فئراف تجارب‪:‬‬
‫ُ‪، ِٓ.ُ ، ٓٔ.ُ ، ْٓ.ْ ، ِٓ.ٔ ، ّْ.َ ، ْْ.ُ ، ْٔ.َ ، ْٗ.ٖ ، ْٓ.‬‬
‫ٗ‪. ٖٓ.ٓ ، ِّ.ٕ ، ٖٓ.َ ، ْٓ.َ ، ُٓ.‬‬
‫سْ‪ -‬احسب الكسط الحسابي ك الكسيط لكؿ مف بيانات إنتػاج الحميػب اليػكمي خػبلؿ‬
‫شير كامؿ إلحدل مزارع إنتاج الحميب في سكريا في البيانات المدرجة أدناه‬

‫إنتاج الحميب اليومي (كغ)‬ ‫رقـ المزرعة‬

‫َِ‬ ‫ُ‬
‫ُّ‬ ‫ِ‬
‫ُْ‬ ‫ّ‬
‫ُٓ‬ ‫ْ‬
‫ُٔ‬ ‫ٓ‬
‫ُٕ‬ ‫ٔ‬
‫ُٖ‬ ‫ٕ‬
‫ُٗ‬ ‫ٖ‬
‫َِ‬ ‫ٗ‬
‫ُِ‬ ‫َُ‬
‫ُِ‬ ‫ُُ‬
‫ُْ‬ ‫ُِ‬
‫ُْ‬ ‫ُّ‬
‫ُٓ‬ ‫ُْ‬
‫ُٔ‬ ‫ُٓ‬
‫ُٕ‬ ‫ُٔ‬
‫َِ‬ ‫ُٕ‬

‫‪74‬‬
 ‫ُِ‬ ‫ُٖ‬
‫ِٓ‬ ‫ُٗ‬
‫ِّ‬ ‫َِ‬
‫َُ‬ ‫ُِ‬
‫ُُ‬ ‫ِِ‬
‫َِ‬ ‫ِّ‬
‫َِ‬ ‫ِْ‬
‫َِ‬ ‫ِٓ‬
‫ُِ‬ ‫ِٔ‬
‫ِّ‬ ‫ِٕ‬
‫ِْ‬ ‫ِٖ‬
‫ِٕ‬ ‫ِٗ‬
‫ِْ‬ ‫َّ‬
‫ُِ‬ ‫ُّ‬
‫س‪ -5‬احسػػػب المػػػدى المرجعػػػي لكػػػؿ مػػػف قػػػيـ معػػػايير األضػػػداد لمػػػرض اإلسػػػياؿ‬
‫الفيروسي في إحدى الدراسات الوبائية في البيانات المرجة أدناه‪.‬‬
‫ْٕٓٓ‬ ‫ّّّْ‬
‫ٖٖٗ‬ ‫ٓٓٓ‬
‫ٖٕٗٔ‬ ‫ٖٕٔٓ‬
‫ٖٖٗ‬ ‫ّْٔٓ‬
‫ٕٔٓ‬ ‫ٕٕٕ‬
‫ٔٔٓ‬ ‫َٖٗ‬
‫ٕٔٔٓ‬ ‫ََٗ‬

‫‪75‬‬
ْٓٔٔ َََُ
ٕٕٖٔ َََِ
ٕٓٔ َََّ
ْٓٔٔ ََِٓ
ٕٖٔ َََْ
ٕٓٔ َََٔ
ٕٓٔ ٕٖٓٔ
ٖٗٗ ٕٖٗٔ
ٕٓٔ ٕٖٓٔ
ٕٕٓٔ ٕٖٔٗ
ٕٕٓٔ ٕٖٔٗ
ٕٖٗٗ ْْٓٔ
ٕٓٔ ٔٔٔٓ
ّْٓ ٕٖٓٔ
ٕٖٔ ٕٖٓٔ
ٕٖٔ َََُ
ٕٓٔ ُِِّ
ََٓ ُِّْٓ
َٖٗ ٕٖٔ
ٕٖٔ ٕٖٗ
ٕٖٗ ٕٖٔ
ٕٓٔ ٕٓٔ
ٖٔٗ ٕٖٔٗ

76
 ‫الفصل الخبهس‬
‫‪CHAPTER FIVE‬‬
‫االحتوبلٍة والتىزٌعبت االحتوبلٍة‬

‫‪77‬‬
 ‫‪PROBABILITY AND PROBABILITY‬‬
‫‪DISTRIBUTIONS‬‬

‫العالقة الوثيقة لالحتمالية بعمـ اإلحصاء‬

‫‪The Relevance of Probability to Statistics‬‬
‫بعد أف ناقشنا في الفصكؿ السابقة العمميات التي يرجع إلييا تمخيص البيانات‬

‫كعرض النتائج المحصكؿ عمييا مف مجمكعات مف الحيكانات ‪ ،‬كىذه الطرائؽ معركفة‬

‫كمػػا ذكرن ػػا باإلحصػػاء الكص ػػفي ‪ Descriptive Statistics‬كتعتبػػر خط ػػكة ميم ػػة‬

‫كتعطى األكلكية في أم تحميؿ ‪ ،‬كعادة ما يراد الحصكؿ عمى النتػائج مػف عينػة ممثمػة‬

‫لقطع ػػاف م ػػف حيكان ػػات كبيػ ػرة الع ػػدد ‪ ،‬كىن ػػا يػ ػراد الحص ػػكؿ عم ػػى اس ػػتنتاجات م ػػف ى ػػذه‬

‫القطعاف باستخداـ بيانات العينة ‪.‬‬

‫لنفتػػرض عمػػى سػػبيؿ المثػػاؿ أف الكسػػط الحسػػابي كاالنح ػراؼ المعيػػارم لتركيػػز‬

‫و‬
‫مككف مف ‪ 59‬رأسان كاف‬ ‫الحديد في مصؿ الدـ في عينة عشكائية في قطيع مف األبقار‬

‫عمى التػكالي ‪ 27.64‬ميكركمػكؿ‪ /‬لتػر‪ .‬ك‪ 6.36‬ميكركمػكؿ‪/‬لتر ) ‪ ( M mol /L‬نسػبيان‬

‫فمػػف غيػػر المحتمػػؿ أف تكػػكف ىػػذه النتػػائج المحصػػكؿ عمييػػا فػػي ىػػذه العينػػة ىػػي نتػػائج‬

‫تعريفيػ ػػة لجميػ ػػع المشػ ػػاىدات فػ ػػي ىػ ػػذا القطيػ ػػع ‪ .‬كعمكم ػ ػان ي ػ ػراد غالب ػ ػان اسػ ػػتخداـ ىػ ػػذه‬

‫المعمكمػػات لمحصػ ػكؿ عم ػػى اس ػػتنتاج لش ػػيء م ػػا ف ػػي ى ػػذا القطي ػػع ‪ .‬إف ىن ػػاؾ ش ػػكان م ػػا‬

‫كمجػػاؿ البػػت فيػػو مصػػاحب ليػػذه االسػػتنتاجات المنكطػػة بيػػذا القطيػػع ‪ ،‬ىػػذا الشػػؾ فػػي‬

‫الحسػاب يمكػػف تقػديره بكاسػػطة مػػا يػدعى باالحتماليػػة ‪ Probability‬كالتػي ىػػي أسػػاس‬

‫‪78‬‬
‫االسػػتنتاج اإلحصػػائي ‪ Fundamental statistical inference‬كالػػذم يقػػدـ ربطػنا‬

‫بيف نتائج العينة كالمجتمع الحيكاني المأخكذة منو ‪.‬‬

‫كسنناقش مفاىيـ اإلحصاء االستنتاجي ‪ Inferential statistic‬في الفصػكؿ‬

‫البلحقػػة عنػػدما نعػػرض طػػرؽ أخػػذ العينػػات كتكزيعػػات العينػػات أمػػا ىنػػا فسػػيعرض ىػػذا‬

‫الفصؿ كيناقش مفاىيـ االحتمالية بشيء مف التفصيؿ ‪.‬‬

‫مدخؿ عف االحتمالية ‪Introduction on Probability‬‬

‫تعني كممة االحتماؿ لغكينا إمكانية حدكث حادث معػيف ‪ ،‬كىنػاؾ أمثمػة عديػدة‬

‫لفيػػـ معنػػى االحتماليػػة ‪ ،‬عمػػى سػػبيؿ المثػػاؿ إذا رمينػػا قطعػػة مػػف النقػػكد مرصػػعان عمػػى‬

‫إحدل حكافيا ذيؿ حصاف كعمى الجانب اآلخر صكرة لممكة ما تاريخينا فيقاؿ إف ىناؾ‬

‫احتماليػػة أك فرصػػة لظيػػكر صػػكرة الممكػػة ىػػي ½ أك ‪ 0.5‬أم ‪ . % 50‬أك يق ػاؿ مػػثبلن‬

‫ىنػػاؾ احتمػػاؿ لحػػدكث فيضػػاف إذا كػػاف مطػ هػر غزيػ هػر ‪ .‬إال أف مثػػؿ ىػػذا التعبيػػر بمعنػػاه‬

‫المغ ػػكم ال يعطين ػػا فكػ ػرة ع ػػف م ػػدل إمكاني ػػة ح ػػدكث ى ػػذا االحتم ػػاؿ كى ػػذا يش ػػكؿ أح ػػد‬

‫االختبلفات الجكىريػة بػيف المفيػكـ المغػكم لبلحتمػاؿ كالمفيػكـ الرياضػي أك اإلحصػائي‬

‫لو ‪ .‬فاالحتماؿ في عمـ اإلحصاء يمثؿ قيمة رقميػة تعبػر عػف إمكانيػة حػدكث الحػادث‬

‫كتقيس شدة إمكانية ىذا الحدث ‪.‬‬

‫‪79‬‬
‫ال لتفسير االحتماليػة فػي االسػتنتاج اإلحصػائي ىػك أف‬
‫إف العرض األكثر شمك ن‬

‫تنسب االحتمالية إلى نسب مئكية لعدد مرات حدكث حػدث مػا خػبلؿ تكػرار ىػذا العػدد‬

‫مرات عديدة في أثناء تجربة أك تجارب عديدة أنجزت بنفس الظركؼ ‪.‬‬

‫إف نتيجػػة أم مػػف ى ػػذه التجػػارب أك المحػػاكالت يج ػػب أف تكػػكف مسػػتقمة ع ػػف‬

‫التجربػػة أك المحػػاكالت األخػػرل ‪ .‬عمػػى سػػبيؿ المثػػاؿ إذا كػػاف االىتمػػاـ بتقػػدير احتماليػػة‬

‫أعػػداد حيكانػػات فػػي أكثػػر مػػف ثػػبلث حظػػائر تحتػػكم عمػػى قطعػػاف مػػف األغنػػاـ فمػػف‬

‫المنطق ػػي أف ي ػػتـ تع ػػداد لمحيكانػ ػات ف ػػي ى ػػذه الحظ ػػائر خ ػػبلؿ فتػ ػرة طكيم ػػة م ػػف ال ػػزمف‬

‫بل كمف ثـ تقسػـ ىػذه األعػداد عمػى العػدد اإلجمػالي ليػذه الحظػائر‪.‬‬
‫كلنفترض عامنا كام ن‬

‫كىذا ما يدعى بالتعريؼ التكرارم لبلحتمالية ألنو يعنى بعد تك اررات حادثة ما في عدد‬

‫كبيػػر مػػف ىػػذه التك ػ اررات لتجػػارب مشػػابية كبيػػذا تعػػرؼ االحتماليػػة بأنيػػا تك ػرار نسػػبي‬

‫لحدث ما في تجارب مكررة كضمف ظركؼ أك شركط متشابية ‪.‬‬

‫التعريؼ التقميدي لالحتماؿ‬

‫‪The Traditional Definition of Probability‬‬

‫نظريان ‪ ،‬يمكف أف تعػرؼ االحتماليػة ) ‪ P ( A‬بعػدد الحػاالت النسػبي المبلئمػة‬

‫في التجربة إلى عدد الحاالت الممكنة كما يأتي ‪:‬‬

‫‪m‬‬
‫‪P( A) ‬‬
‫‪n‬‬

‫‪80‬‬
 ‫بإعتبار ‪:‬‬

‫) ‪ : P ( A‬االحتمالية لتحقيؽ حدث ما ‪.‬‬

‫‪ : m‬عدد الحاالت المبلئمة المراد مشاىدتيا ‪.‬‬

‫‪ : n‬عدد الحاالت الممكنة الحدكث كالتي يرمز ليا عادة بالرمز ‪. Ω‬‬
‫مثاؿ ‪:‬‬

‫إذا القي حجر نرد متجانس ىك ‪ A‬بإعتبار أف ‪ A‬تمثؿ أم عدد فػردم كىكػذا‬

‫عمػى سػبيؿ المثػاؿ ‪ m = 4‬أربػع حػاالت مبلئمػة ‪ n = 8 , A = ] 1 , 4 , 7‬ثمػاني‬

‫حاالت ممكنة الحدكث ىي ( ُ ك ِ ك ّ ك ْ ك ٓ ك ٔ ك ٕ ك ٖ ) = ‪ Ω‬كبالتػالي‬

‫احتمالية ‪ A‬ىي ‪:‬‬

‫‪m 4‬‬
‫‪P( A) ‬‬ ‫‪  0.5‬‬
‫‪n 8‬‬

‫التعريؼ اإلحصائي لالحتمالية‬

‫‪The Statistical Definition of Probability‬‬

‫فينػػا يميػػؿ اإلحصػػائيكف إلػػى االعتمػػاد عمػػى المفيػػكـ التطبيقػػي لمتكػرار النسػػبي‬

‫فػػإذا رمينػػا قطعػػة نقػػكد ال نيػػتـ ىنػػا بكػػكف القطعػػة متجانسػػة أك غيػػر متجانسػػة تكػػرر‬

‫ظيكر الممكة في قطعة النقكد ‪ 65‬مرة = ‪ m‬مف أصؿ ‪ 500 = n‬رمية فيككف التكرار‬

‫كىكػػذا يعػػرؼ االحتمػػاؿ إحصػػائيان لتحقيػػؽ‬ ‫أم‬ ‫النسػػبي لظيػػكر الصػػكرة ىػػك‬
‫‪65‬‬ ‫‪m‬‬
‫‪500‬‬ ‫‪n‬‬

‫حدث ‪ A‬بقيمة نياية التكرار النسبي عندما ينتيي عدد المحاكالت ‪ n‬إلى البلنياية ‪.‬‬

‫‪81‬‬
 ‫‪m‬‬
‫‪Lim‬‬
‫‪P( A) ‬‬ ‫‪n‬‬
‫‪n‬‬
‫خصائص االحتمالية ‪Properties of a Probability‬‬

‫مػػف الكاضػػح أف االحتماليػػة تعػػرؼ بأنيػػا تكػػرار نسػػبي أك نسػػبة مئكيػػة معينػػة‬

‫لتكػ ػرار كبالت ػػالي ف ػػإف قيمتي ػػا الرقمي ػػة يج ػػب أف تتػ ػراكح م ػػا ب ػػيف الص ػػفر ( ‪ ) 0‬كالكاح ػػد‬

‫(‪ )1‬بإعتبػار أف قيمػػة االحتماليػة (‪ )0‬تعنػػي أف الحػدث ال يمكػػف أف يحػدث بينمػػا قيمػػة‬

‫االحتمالية (‪ )1‬تعني أف الحدث يمكف حدكثو كغالبان ما تحكؿ قيـ االحتمالية إلى نسبة‬

‫مئكيػ ػ ػ ػ ػػة ( كتت ػ ػ ػ ػ ػراكح مػ ػ ػ ػ ػػا بػ ػ ػ ػ ػػيف الصػ ػ ػ ػ ػػفر ك ‪ ) % 100‬أك يعبػ ػ ػ ػ ػػر عنيػ ػ ػ ػ ػػا بتناسػ ػ ػ ػ ػػب‬

‫( مثبلن يحدث الحدث مرة كاحدة كؿ ثبلث مرات مف تكرار المشاىدات ) ‪.‬‬

‫فػػي بعػػض األحيػػاف ال نعيػػر االىتمػػاـ لحػػدكث حػػدث مػػا إال أننػػا نركػػز عمػػى‬

‫الحػػدث الػػذم ال يحػػدث عػػادة ‪ .‬كىػػذا يتبػػع خصػػائص االحتماليػػة التػػي يعبػػر عنيػػا بػػأف‬

‫احتماليػة حػدث ال يحػدث عػادة ىػي ( ‪ – 1‬احتماليػة حػدكث الحػدث ) كلػذلؾ احتماليػػة‬

‫إصابة ىرة ( قطة صغيرة ) بالتياب الحنجرة كالقصبات الفيركسي بعد التحصػيف بفتػرة‬

‫مػػف (‪ )9‬إلػػى (‪ )13‬أسػػبكعان مػػف العمػػر ىػػك ‪( 0.04‬فػػي مكػػاف محػػدد كزمػػف مػػا) فتكػػكف‬

‫االحتمالية لتحقيؽ الحماية الكافية مف ىذا المرض ىي ‪. 0.96 = 0.04 – 1‬‬

‫‪82‬‬
 ‫قوانيف االحتمالية ‪Rules of Probability‬‬

‫ىناؾ قانكناف أساسياف يحكماف كيسيطراف عمى االحتماالت كىما ‪:‬‬

‫‪ -1‬قانوف جمع اإلحتماالت ‪Additional rule‬‬

‫عندما يككف ىناؾ حدثاف متبػادال التػأثير اسػتثنائينا يكػكف حػدكث كػبل الحػدثيف‬

‫مر غيػر منطقػي كال يمكػف حدكثػو ‪ ،‬كعندئػذ تكػكف االحتماليػة لحػدكث‬
‫في نفس الكقت أ ان‬

‫كاحد مف الحدثيف ىي حاصؿ مجمكع االحتماالت لكؿ حدث ‪.‬‬

‫مثاؿ ‪:‬‬

‫لنفتػػرض أنػػو يكجػػد فػػي صػػندكؽ كرتػػكني عػػدد متسػػاك مػػف كػػبلب ذات أل ػكاف‬

‫كأشكاؿ مائمة إلى المكف األسكد ( ‪ 5‬أشكاؿ مختمفة ) فإف احتمالية أخذ أشكاؿ مرصعة‬

‫بػػالمكف الفػػاتح أك متباينػػة الشػػكؿ مػػف الصػػندكؽ الكرتػػكني ىػػك حاصػػؿ مجمػػكع احتماليػػة‬

‫الكػػبلب المرصػػعة بػػالمكف الفػػاتح (‪ )5/1‬كاحتماليػػة األشػػكاؿ المتباينػػة المػػكف (‪ )5/1‬كىػػذا‬

‫يعني ‪:‬‬

‫= ‪1/5 + 1/5‬‬
‫‪2‬‬
‫‪ 0.4‬‬
‫‪5‬‬
‫احتمالية أخذ أحد الشكميف ‪.‬‬
‫‪ -2‬قانوف ضرب اإلحتماالت ‪Multiplication rule‬‬

‫عنػدما يكػكف ىنػاؾ حػػدثاف مسػتقبلف فػي حػػدكثيما ‪ ،‬تكػكف االحتماليػة لحػػدكث‬

‫كبل الحدثيف ىي حاصؿ حدكث االحتماالت الفردية في كؿ منيما ‪.‬‬

‫‪83‬‬
 ‫مثاؿ ‪:‬‬

‫إذا تـ التمقيح االصطناعي لبقرة مف سبللة الفريزياف ىك لشتايف في يكـ محدد‬

‫أيكد كجكد تشخيص إيجابي لمحمؿ فإف احتمالية ىذه البقرة لتمد خػبلؿ ‪ 278‬يػكـ الحػؽ‬

‫( كىػػك الكسػػط الحسػػابي لفت ػرة الحمػػؿ ) ىػػك ‪ ) % 50 ( 0.5‬فػػإذا لقح ػت بقرتػػاف مػػف‬

‫سبللة الفريزياف اصطناعيان في نفس اليكـ ( كأيثبت الحمؿ اإليجػابي فػي كمتييمػا ) فػإف‬

‫االحتمالية لكالدة كمتييما خبلؿ فترة ‪ 278‬يكـ الحؽ ىي ‪:‬‬

‫ِٓ‪ َ.ٓ × َ.ٓ = َ.‬أم جداء احتماؿ حدكثيما ‪.‬‬

‫التوزيعات االحتمالية ‪Probability Distribution‬‬

‫المتغيرات العشوائية ‪: Random Variables‬‬
‫يع ػػرؼ المتغي ػػر العشػ ػكائي بأن ػػو المتغي ػػر ال ػػذم يمكن ػػو أف يأخ ػػذ أي ػػة قيم ػػة م ػػف‬

‫مجمكعة مقادير أك قيـ مف نتائج تجربة ال يمكف أف تعرؼ نتيجتيا قبؿ إجرائيا كحيث‬

‫يرتبط تحقؽ تمؾ القيـ باحتماالت معينة ‪.‬‬

‫كبي ػذا نج ػػد أف العش ػكائية ف ػػي مفي ػػكـ االحتمػػاالت تع ػػرؼ بأنيػػا ع ػػدـ المعرف ػػة‬

‫المسػػبقة لنتيجػػة المحاكلػػة أك التجربػػة المج ػراة كذلػػؾ مػػع أف الحصػػكؿ عمػػى أيػػة نتيجػػة‬

‫لمتجربة يرتبط ارتباطان ما باحتماؿ معيف ‪ .‬كمف أمثمػة العشػكائية كمػا ذكرنػا سػابقان رمػي‬

‫حجر النرد كنتيجة الرقـ الذم سيظير عقب التجربػة (رمػي الحجػر)‪ ،‬لػف تيعػرؼ مسػبقنا‬

‫‪ ،‬فنقكؿ عندئذ إف المتغيػر ىنػا ىػك متغيػر عشػكائي ‪ ،‬كتمثػؿ مجمكعػة قيمػة مػف خػبلؿ‬

‫‪84‬‬
‫جمػ ػ ػ ػ ػػع النتػ ػ ػ ػ ػػائج التػ ػ ػ ػ ػػي نحصػ ػ ػ ػ ػػؿ عمييػ ػ ػ ػ ػػا مػ ػ ػ ػ ػػف جػ ػ ػ ػ ػ ٌػراء محاكلػ ػ ػ ػ ػػة رمػ ػ ػ ػ ػػي الحجػ ػ ػ ػ ػػر‬

‫( األرقاـ مف ‪. ) 6-1‬‬

‫كبيذا يتككف التكزيع االحتمالي مف كافػة القػيـ التػي يأخػذىا المتغيػر العشػكائي‬

‫مع إمكانية كافة االحتماالت المرافقة لو ‪ .‬كىناؾ أعداد كبيرة مف التكزيعات االحتمالية‬

‫يمكف أف نميزىا بكاسطة ما يسمى بالمتغير العشكائي ىذا كىناؾ نكعاف مف المتغيػرات‬

‫العشكائية كىما ‪:‬‬

‫‪ -1‬المتغيرات العشوائية المنقطعة أو المجزاة أو المقسمة ( المنفصمة ) ‪:‬‬

‫‪Discreet random variables‬‬
‫كالتي تأخذ قيمنا محػددة فػي قاعػدة البيانػات أك مجػاميع قابمػة لمعػد ففػي المثػاؿ‬

‫المػذككر أعػبله فػي رمػي حجػر نجػد أنػو فػي حػاؿ تغيػر المتغيػر العشػكائي ىػك األعػػداد‬

‫الطبيعية الصحيحة المكجبة مف ‪ 1‬إلى ‪ ، 6‬نجد أف ىذا المتغير منقطع ألنػو ال يمكػف‬

‫أف يأخذ جميع القيـ الحقيقية المحصكرة ضمف حدم المجػاؿ مثػؿ القػيـ ‪ 0.25‬أك ‪2.5‬‬

‫أك ‪ 4.2‬كغيرىا ‪.‬‬

‫‪ -2‬المتغيرات العشوائية المستمرة ( القيـ المتصمة) ‪Continuous variables :‬‬

‫كىي التػي تأخػذ قيمػان غيػر محػدكدة ضػمف قاعػدة البيانػات فػي مػدل القػيـ كمػا‬

‫فصمنا ذلؾ في الفصؿ األكؿ ‪ .‬إف المتغير العشػكائي ذا القػيـ المسػتمرة يمكػف أف يأخػذ‬

‫أية قيمة منتمية إلى مجاؿ تغير المتحكؿ العشػكائي ‪ .‬كمػا ىػك الحػاؿ فػي قيػاس معػدؿ‬

‫‪85‬‬
‫إنتاج حميب في مزرعػة أبقػار الحمػكب اليػكمي مػف ُٖ – ُِ كػ فػالمتغير ىنػا يمكػف‬

‫أف يأخذ أم قيمة بيف القيمتيف ُٖ ‪ /‬ك ‪ ُِ /‬كالقيمة ٓ‪. /ُُٗ.ِ / ُٔ.‬‬

‫التوزيع االحتمالي ‪Probability Distribution‬‬

‫التوزيعات االحتمالية المنفصمة ‪ /‬غير المستمرة‬
‫‪Discrete Probability Distributions‬‬
‫يعرؼ التكزيع االحتمالي المنفصؿ بأنو يربط االحتمالية لكؿ متغيػر لػو عبلقػة‬

‫تبادليػ ػػة مػ ػػع كػ ػػؿ متغيػ ػػر يعػ ػػرؼ كمتغي ػ ػػر عش ػ ػكائي منفصػ ػػؿ عمم ػ ػنا أف مجمػ ػػكع ى ػ ػػذه‬

‫االحتماالت ىك الرقـ كاحد ككحدة كاممة ‪.‬‬

‫كمثػػاؿ المتغيػػر العشػكائي المنفصػػؿ ببسػػاطة نجػػده فػػي نظريػػة مانػػدليف الكراثيػػة‬

‫‪ Mendelion inheritance‬حيث لدينا شفعاف مف المكرثات يتمثؿ بالمكرث ‪ T‬كىك‬

‫المػكرث المسػيطر كالمػكرث ‪ t‬كىػك المػكرث المتمقػػي ‪ .‬ففػي القطػط مػف السػبللة العديمػػة‬

‫الذيؿ ) ‪ ( Manx‬تعطي المكرثات المتمقية مكاليد تختمؼ عف األبكيف كىك المكرث ذك‬

‫الرم ػز ‪ t‬كىػػك يت ارفػػؽ مػػع حالػػة انعػػداـ الػػذيؿ لكػػف اجتمػػاع مػػكرثيف متمقيػػيف متجانسػػيف‬

‫يعط ػػي مكالي ػػد م ػػف المحتم ػػؿ أف تنف ػػؽ الحقػ ػان كل ػػف يك ػػكف لي ػػذه األجن ػػة فرص ػػة التط ػػكر‬

‫كلنرمز ليذيف المكرثيف بالرمز)‪ . (t t‬بينما ينتج عف كجػكد مػكرثيف مختمفػيف مػف النػكع‬

‫‪ T t‬كالدةي قطػط مػف سػبللة منعدمػة الػذيؿ كيعطػي اجتمػاع المػكرثيف ‪ T T‬المتجانسػيف‬

‫مكاليد قطط طبيعية مع كجكد ذيؿ ليا ‪.‬‬

‫‪86‬‬
‫عنػػدما ن ػزاكج أبػػكيف مػػف القطػػط مػػف سػػبللة منعدمػػة الػػذيؿ يكػػكف لػػدينا أربعػػة‬
‫احتماالت كراثية ‪ T T :‬ك ‪ T t‬ك ‪ t T‬ك ‪ t t‬كما ىك مكضح في الجدكؿ رقـ (‪. )4‬‬
‫الجدوؿ رقـ (‪ )4‬المميزات الوراثية لمقطط مف أبويف عديمي الذيؿ ( ‪. ) Tt‬‬

‫األـ‬
‫‪t‬‬ ‫‪T‬‬
‫‪ T t‬سبللة منعدمة الذيؿ‬ ‫‪ T T‬سبللة طبيعية‬

‫‪T‬‬
‫األب‬
‫‪ t t‬السبللة المميتة‬ ‫‪ t T‬السبللة المنعدمة الذيؿ‬

‫‪T‬‬
‫كلنمثؿ ىػذه الحالػة فػي المخطػط البيػاني فيكجػد ىنػاؾ ثبلثػة احتمػاالت مترافقػة مػع‬

‫ىذه الظاىرة فنجد في محكر السينات نتائج ثبلث احتمػاالت ( ‪ ) T T , T t , tt‬كىػي‬

‫تمثؿ الحاالت الطبيعية كالسبللة المنعدمة الذيؿ كالسبللة المميتة كىذا يعػرؼ بػالمتغير‬

‫العشكائي ككؿ احتمالية تمثؿ برسـ مستطيؿ كاف مجمػكع االحتمػاالت الثبلثػة المرتبطػة‬

‫بالنتائج تمثؿ كحدة كاممة أم تساكم الكاحد كىي عمى الشكؿ اآلتي‪:‬‬

‫ُ= ِٓ‪َ.ِٓ + َ.َٓ + َ.‬‬

‫كىذا يكضح في الشكؿ رقـ (ٗ) ‪.‬‬
‫الشكؿ رقـ (‪ :)9‬احتماالت الحاالت الطبيعية والساللة المنعدمة الذيؿ‬
‫والساللة المميتة‬

‫‪87‬‬
‫ىناؾ العديد مف أنماط التكزيعات االحتمالية المنفصمة كالمختمفػة عػف بعضػيا‬

‫تسػػتخدـ عمػػى نحػػك خػػاص كتتناسػػب باسػػتخداميا مػػع العمػػكـ الحيكيػػة كىػػي التكزيعػػات‬

‫االس ػػمية الثنائي ػػة الح ػػديف ‪ The Binomial Distribution‬كتكزيع ػػات بكيس ػػكف‬

‫‪ Poisson Distribution‬ككمػػا أش ػرنا سػػابقان فػػي ىػػذا الفصػػؿ تكػػكف ىػػذه التكزيعػػات‬

‫المنفصمة عمكمان مقربةن لمتكزيعات المستمرة ‪.‬‬

‫التوزيع ثنائي الحديف ‪The Binomial Distribution :‬‬

‫إف التكزيع ثنائي الحديف يرتبط في ىذه الحالة بنػكع مػف المتغيػرات ذات النػكع‬

‫الثنائي التقسيـ لبلستجابة الحيكية كىك ما يدعى بالمتغير الثنائي الحػديف أك مػا يػدعى‬

‫‪88‬‬
‫بمتغيػػر بينػػرم ‪ . Binary‬حيػػث تكجػػد نتيجت ػاف ممكنت ػاف سنسػػمييا عبػػارة تجريبيػػة (‬

‫) ‪ . trial‬عمػػى سػػبيؿ المثػػاؿ ‪ ،‬نقػػكؿ حي ػكاف حامػػؿ أك حي ػكاف غيػػر حامػػؿ كفػػي حالػػة‬

‫بل إف ىػػذا الحي ػكاف تظيػػر عميػػو األع ػراض الس ػريرية لمػػرض معػ وػد أك ال‬
‫أخػػرل نقػػكؿ مػػث ن‬

‫تظير عميو ىذه األعراض ‪.‬‬

‫كم ػػف ىن ػػا يمكنن ػػا أف نع ػػرؼ التكزي ػػع االس ػػمي الثن ػػائي الح ػػديف بأن ػػو المتغي ػػر‬

‫العشػ ػكائي كال ػػذم يمث ػػؿ ع ػػدد النجاح ػػات ( نرم ػػز فػ ػي اإلحص ػػاء الحي ػػكم بكمم ػػة نج ػػاح‬

‫لمتجربػػة الممثمػػة لحالػػة صػػحية لمحيكانػػات كػػالمرض ككػػذا فػػي حالػػة حػػدكث ح ػدث مػػا‬

‫لحيػكاف معػيف كالحمػؿ ) فػي سمسػمة مػف المشػاىدات عػددىا ) ‪ ( n‬فػي تجػارب مسػتقمة‬

‫عػػف بعضػػيا كفػػي كػػؿ تجربػػة يمكػػف أف تػػنجح ( مػػع احتماليػػة ‪ ) π‬أك تفشػػؿ ( كعبػػارة‬

‫الفشؿ ترمز في عمـ اإلحصاء الحيكم ليرمز لحالة الصحة أم عػدـ كجػكد المػرض أك‬

‫عػػدـ حػػدكث حػػدث مػػا لحيػكاف معػػيف كعػػدـ كجػػكد الحمػػؿ ) ( مػػع احتماليػػة ‪. ) 1 – π‬‬

‫( مػ ػػف النتػ ػػائج فػ ػػي ىػ ػػذه‬ ‫‪n‬‬ ‫كنظري ػ ػان ىن ػ ػاؾ سمسػ ػػمة مػ ػػف المشػ ػػاىدات عػ ػػددىا )‬

‫الحالة ‪.‬‬

‫لما كانت ىناؾ إمكانية لتشاىد نجاحان كاحدان أك اثنػيف أك ثبلثػة أك حتػى عػددان‬

‫مف النجاحات ‪ n‬في تجارب عددىا ‪ . n‬فيرتبط التكزيع االسمي الثنائي الحد باحتمالية‬

‫كػػؿ نتيجػػة ‪ .‬كىػػذا يعنػػي أف الفػػرؽ أك التبػػايف ‪ ( n π‬فػػي حالػػة النجػػاح ) ( أم حػػدكث‬

‫‪89‬‬
‫ح ػػدث ك ػػالمرض أك الحم ػػؿ ) كاالحتمالي ػػة (‪ ( n π ) 1 – π‬حال ػػة الفش ػػؿ‪ :‬أم ع ػػدـ‬

‫حدكث الحدث كالصحة (أم عدـ كجكد المرض كانعداـ الحمؿ) نسبيان ‪.‬‬

‫كيعتبر التكزيع الثنائي الحد ىامنا كثي نار في اإلحصاء الحيكم ألنػو يػؤثر يمعػب دك نار فػي‬

‫تحميؿ النسب المئكية لؤلحداث الحادثة ‪ .‬كمثا يؿ ذلؾ د ارسػة مقارنػة مسػتكيات األضػداد‬

‫لمحيكانات المصابة بداء الدكراف ‪ Leptospira‬كالمجيضة كالمشخصة مخبريػان إيجابيػان‬

‫ليذا المرض كمستكيات األضداد في الحيكانات الطبيعية كغيػر المصػابة بيػذا المػرض‬

‫فنج ػػد م ػػثبلن مس ػػتكل األض ػػداد ف ػػي تم ػػؾ الحيكانػ ػات المجيض ػػة أعم ػػى معنكيػ ػان م ػػف تم ػػؾ‬

‫الحيكانات الطبيعية ‪.‬‬

‫توزيع بواسوف ‪The Poisson Distribution‬‬

‫كىك تكزيع احتمالي منفصؿ آخر يسػتخدـ فػي عمػكـ الحيػكاف كالطػب ك الطػب‬

‫البيط ػػرم كيع ػػرؼ تكزي ػػع بكاس ػػكف بأن ػػو يتض ػػمف متغيػ ػرات عشػ ػكائية يتمي ػػز فيي ػػا تكزي ػػع‬

‫بكاسػػكف بتمثم ػو عمػػى شػػكؿ حسػػاب مجم ػكع أعػػداد م ػف الح ػكادث الحادثػػة عش ػكائينا عمػػى‬

‫نحك مستقؿ في الزماف كالمكاف كبمعدؿ ثابت كيككف الكسط الحسابي كالتبايف فػي ىػذا‬

‫التكزيع مساكيان معدالن ثابتان ‪.‬‬

‫كعم ػػى س ػػبيؿ المث ػػاؿ نس ػػتخدـ تكزي ػػع بكاس ػػكف لػ ػربط احتم ػػاالت لمجم ػػكع م ػػف‬

‫األعداد المرمزة لحكادث معينة ( كاألمراض مثبلكغيرىا مف األعداد الكمية) كأف نقػكؿ‬

‫بل َٓٓٓ مف الحكادث الصػغيرة كالمػأخكذة عينػ نة مػف حػكادث اإلصػابات اإلشػعاعية‬
‫مث ن‬

‫‪90‬‬
‫كالمعبػػر عنيػػا حسػػابينا بتعػػداد اإلصػػابات اإلشػػعاعية فػػي زمػػف معػػيف أك قػػد يكػػكف ىػػذا‬

‫المجمكع الحسابي أعدادان فنقكؿ (ّٓ) مف الخبليا الدمكية لحجػـ محمػكؿ فػي العينػة أك‬

‫أعػػداد البيػػكض الطفيميػػة أك أعػػداد النباتػػات السػػامة أك أعػػداد الحػػاالت المرضػػية لكػػؿ‬

‫ػداد حػػاالت التيػػاب‬

‫حيػكاف لمػػرض مػػا فػػي زمػػف معػػيف كلنأخػػذ مثػػاالن لتكزيػػع بكاسػػكف أعػ ى‬

‫الضرع خبلؿ ستة أشير ك الممثمة في الجدكؿ رقـ (ٓ) ‪.‬‬

‫جدوؿ رقـ (‪ :)5‬حاالت التياب الضرع‬

‫أرقاـ الحيكانات‬ ‫عدد حاالت التياب الضرع‬

‫(ُ)‬ ‫ِ‬
‫(ِ)‬ ‫ُ‬
‫(ّ)‬ ‫ٓ‬
‫(ْ)‬ ‫ِ‬
‫(ٓ)‬ ‫ّ‬
‫(ٔ)‬ ‫ِ‬
‫(ٕ)‬ ‫ّ‬
‫(ٖ)‬ ‫ْ‬
‫(ٗ)‬ ‫ٓ‬
‫(َُ)‬ ‫ٔ‬

‫‪91‬‬
 ‫التوزيعات االحتمالية المستمرة (التوزيعات الطبيعية )‬

‫‪Continuous Probability Distributions‬‬

‫)‪(Normal Distributions‬‬
‫العالقة بيف التوزيعات االحتمالية المنفصمة والمستمرة ‪:‬‬

‫‪Relationship between Discrete and Continuous‬‬

‫‪Probability Distributions‬‬
‫لكي نفيـ ىذه العبلقة بػيف التكزيعػات االحتماليػة المسػتمرة كالمنفصػمة نسػتعيف‬

‫بيذه األشكاؿ المكضحة ‪:‬‬

‫يشار إلى الشكؿ ‪ 10 - a‬كمثاؿ لمتكزيعات االحتمالية المنفصمة ‪.‬‬

‫حيث يأخذ في ىػذا الشػكؿ ‪ : 10 - a‬المتغيػر العشػوائي المنفصػؿ يأخػذ ثػالث قػيـ‬

‫(‪ 0.25‬و ‪ 0.25‬و ‪)0.50‬‬

‫الشكؿ رقـ (‪ :)a 10‬المتغير العشوائي غير المستمر يأخذ ثالث قيـ‬

‫‪92‬‬
‫كببسػػاطة شػػديدة إف كافػػة الح ػكادث الممكنػػة تمثػػؿ أفقي ػنا عمػػى المحػػكر الس ػيني‬

‫بينمػػا تتكضػػع عمػػى المحػػكر العمػػكدم العينػػي االحتماليػػة لكػػؿ حػػدث كمػػا أف مجمػػكع‬

‫األطػكاؿ لمجمػػكع االحتمػػاالت عمػػى ىػػذا المحػػكر يجػػب أف تسػػاكم الكاحػػد أيضػنا كيشػػير‬

‫الشكؿ ‪ 10 . b‬إلى تكضيح لمتكزيعات االحتمالية المنفصمة لمجمكعة كبيرة مف البيانات‬

‫لكػػف أعػػدادىا محػػدكدة كىنػػا أيض ػان يمثػػؿ قيم ػان غيػػر مسػػتمرة ألعػػداد الح ػكادث الممكنػػة‬

‫لممتغيرات العشكائية ‪.‬‬

‫‪93‬‬
 ‫شكؿ ‪ 10.b‬المتغير العشوائي المنفصؿ يأخذ عدة قيـ‬

‫بينم ػػا يش ػػير الش ػػكؿ ‪ 10.C‬إل ػػى تمثي ػػؿ التكزي ػػع االحتم ػػالي لمتغي ػ وػر عشػ ػكائي‬

‫مستمر ‪ .‬كبمقارنة ذلؾ بالتكزيع االحتمالي المنفصػؿ فػإف المتغيػر ىنػا يأخػذ قػيـ أعػداد‬

‫غي ػػر مح ػػدكدة ( ال نيائي ػػة ) كل ػػذلؾ فم ػػف المس ػػتحيؿ أف تمث ػػؿ بخط ػػكط منفص ػػمة ع ػػف‬

‫بعضيا كتمثؿ المنطقة المظممة ىنػا إجمػالي مجمػكع االحتماليػة لمكحػدة الممثمػة كيػدعى‬

‫المنحى الذم يحدد كيعرؼ المنطقة بقانكف الكثافة االحتمالية ‪probability density‬‬

‫‪ Function‬كالتي تكصؼ مف خبلؿ ىذا القانكف الذم سيرد ذكره بعد قميؿ‪.‬‬

‫‪94‬‬
 ‫الشكؿ ‪ : 10.C‬قانوف الكثافة االحتمالية لمتغير عشوائي مستمر‬

‫كاف مجم ػكع إجمػػالي المنطقػػة المظممػػة ( الشػػكؿ ‪ ) 10.C‬تحػػت قػػانكف الكثافػػة‬

‫و‬
‫مساك القيمة كاحد ‪ .‬كاف احتماليػة المتغيػر العشػكائي المسػتمر تمتػد بػيف‬ ‫االحتمالية ىك‬

‫نقاط محددة معينػة كتسػاكم تمػؾ المنطقػة الكاقعػة تحػت تػأثير قػانكف الكثافػة االحتماليػة‬

‫بيف ىػذه الحػدكد كتحسػب احتمػاالت ىػذه التكزيعػات بكاسػطة قػكانيف الكثافػة االحتماليػة‬

‫كالتي ستشرح الحقػان باسػتخداـ قػانكف مربػع كػام (‪ )2‬كاختبػار ‪ t‬سػتدنت كتكزيعػات ‪F‬‬

‫مف خبلؿ قكانيف محددة ليذه االختبارات‬

‫‪95‬‬
 ‫التوزيع الطبيعي أو توزيع غازياف‬

‫‪The Normal ( or Gassian ) Distribution‬‬

‫إف التكزيػع الطبيعػي أك مػا يػدعى بتكزيػع غازيػاف ىػك نسػبة لمباحػث ‪C . F .‬‬

‫‪ Gauss‬كىك باحث ألماني في القرف الثامف عشر كىك باحػث رياضػي يعتبػر مػف أىػـ‬

‫األشػػخاص الػػذيف كضػػعكا أسسػان لمتكزيػػع المسػػتمر كىػػك قانكنػػو فػػي نظريػػة أخػػذ العينػػات‬

‫كالتي سكؼ تشرح في فصكؿ الحقة‬

‫إف عبارة طبيعي ( ‪ ) Normal‬ال تعني أف نطبػؽ التكزيػع االحتمػالي لمتغيػر‬

‫عشػ ػكائي نمكذجيػ ػنا كم ػػع ذل ػػؾ في ػػك يعتب ػػر تقريبػ ػ نا جي ػػدنا لي ػػذا التكزي ػػع ف ػػي العدي ػػد م ػػف‬

‫المتغي ػرات الحادثػػة طبيعي ػان أك تمػػؾ التػػي تمثػػؿ مجمكعػػات حيكانيػػة فرديػػة غي ػر مريضػػة‬

‫ػر ) ‪( N‬‬
‫كلنميػز التكزيػع الطبيعػي مػف التفسػيرات الطبيعيػة األخػرل سنسػتخدـ حرفػان كبي ان‬

‫لئلشارة إلى التكزيع الطبيعي في ىذا الكتاب ‪.‬‬

‫توضح األشكاؿ ‪ 11.C . 11.b , 11.a‬العالقة بيف المنطقة تحت قانوف الكثافة االحتمالية ‪.‬‬
‫احتمالية ) ‪. A = ( X o < X <X1‬‬

‫احتمالية ) ‪B = ( X < X 0‬‬

‫احتمالية ) ‪C = (X > X 1‬‬

‫يعتبػر التكزيػع الطبيعػي مػف أىػػـ التكزيعػات االحتماليػة المسػتمرة التػي تسػػتخدـ‬

‫فػػي معظػػـ المجػػاالت التطبيقيػػة كمختمػػؼ فػػركع الطػػب كالعمػػكـ االقتصػػادية كالزراعيػػة‬

‫‪96‬‬
‫كاالجتماعية ‪ .‬كتتساكل في ىذا التكزيع قيـ الكسط الحسابي كالكسيط كالمنكاؿ كبالتالي‬

‫فػػإف مسػػقط قمػػة التكزيػػع عمػػى المحػػكر الس ػيني يقسػػـ السػػطح المحصػػكر بػػيف منحن ػي‬

‫التكزيػػع كالمحػػكر السػػيني إلػػى قسػػميف متسػػاكييف تمام ػنا كيعتبػػر التكزيػػع متنػػاظ نار حػػكؿ‬

‫مسقط قمتو أم متناظ انر حكؿ الكسط الحسابي لمتكزيع‬

‫إف التكزيػػع الطبيعػػي ىػػك تكزيػػع نظػػرم حيػػث فػػي الغالػػب نجػػد أف المشػػاىدات‬

‫التي نشاىدىا مف خبلؿ متغير ما فػي مجمكعػة مػف األفػ ارد ليػا تكزيػع تكػرارم تجريبػي‬

‫كتشابو التكزيع الطبيعي ) ‪ ( N‬كعندئذ نضع افتراضان ىػك أف التكزيػع ليػذا المتغيػر فػي‬

‫ال فإنو يمكننػا‬

‫ىذه المجتمعات الحيكانية ىك تكزيع طبيعي ‪ .‬كاذا كاف ىذا افتراضنا معقك ن‬

‫أف نسػتخدـ خصػػائص التكزيػػع الطبيعػي لتقيػػيـ االحتمػػاالت المطمكبػة ‪ .‬كيتميػػز التكزيػػع‬

‫الطبيعي بالخصائص التالية ‪:‬‬

‫ُ‪ -‬يكصؼ التكزيع الطبيعي كامبلن مف خبلؿ حديف اثنيف كىما الكسط الحسابي‬

‫كاالنحراؼ المعيارم ‪ .‬ييرمز ليذيف الحديف بالحرفيف اليكنانييف ‪‬‬

‫( لمكسط الحسابي ) ك ‪ ( ‬االنحراؼ المعيارم ) كالقانكف الرياضي لقانكف‬

‫الكثافة االحتمالية قد أىمؿ ىنا فقط لتبسيط ىذا الكصؼ ‪.‬‬

‫ِ‪ -‬يشكؿ التكزيع الطبيعي كحدة نمكذج كاممة‬

‫ّ‪ -‬التكزيع الطبيعي متناسؽ بنظاـ حكؿ الكسط الحسابي كىذا يطبؽ في المنحني‬

‫التكزيعي حيث إف الكسط الحسابي في الجزء اليميني مف التكزيع ىك خياؿ مرآة‬

‫‪97‬‬
‫لممنحني في الجزء اليسارم منو كىك يصؼ ىذا التكزيع بشكؿ الجرس – ‪Bell‬‬

‫‪. Shaped‬‬

‫ْ‪ -‬كىذا يعني أنو في التكزيع الطبيعي يتساكل الكسط الحسابي كالكسيط كالمنكاؿ‬

‫ٓ‪ -‬إذا بق ػػي االنحػ ػراؼ المعي ػػارم ب ػػدكف أف يتغي ػػر ف ػػإف ىن ػػاؾ زي ػػادة ف ػػي قيمػ ػة الكس ػػط‬

‫الحسػػابي تػػؤثر عمػػى المنحنػي التػػكزيعي أفقيػان مػػف جيػػة اليمػػيف ‪ .‬كبالمقابػػؿ إف أم‬

‫انخفاض فػي قيمػة الكسػط الحسػابي تػؤثر عمػى المنحنػي أفقيػنا مػف الناحيػة اليسػرل‬

‫لمتكزيع كما ىك مكضح في الشكؿ ‪. 12.a‬‬

‫‪98‬‬
‫الشكؿ ‪12.a‬‬

‫‪99‬‬
‫ٔ‪ -‬كم ػػا أف انخف ػػاض قيم ػػة االنحػ ػراؼ المعي ػػارم لممنحنػ ػي تجع ػػؿ المنحنػ ػي أكث ػػر‬

‫تضػػيقان ( ترقيق ػان) أم يصػػبح ذا قمػػة طكيمػػة كأكثػػر ارتفاع ػان كبالمقابػػؿ إف زيػػادة‬

‫االنحراؼ المعيارم تجعؿ المنحني أكثر انفتاحان ( انفراجان ) أم ثخانػة كأقصػر‬

‫كأكثر انبساطان كما ىك مكضح في الشكؿ (‪. )13‬‬

‫‪100‬‬
 ‫الشكؿ (‪ 13‬و ‪ ) 14‬التأثير عمى التوزيع الطبيعي مع تغير في الوسط الحسابي‬

‫واالنحراؼ المعياري‬

‫ٕ‪ -‬إف الحػػدكد مػػا بػػيف (‪ ) M- ό‬ك (‪ ) M + ό‬تشػػمؿ ٖٔ ‪ %‬مػػف التكزيػػع كمػػا ىػػك‬

‫مكضح في الشكؿ (ُْ) ‪.‬‬

‫‪101‬‬
‫ٖ‪ -‬كتتضػ ػ ػػمف الحػ ػ ػػدكد مػ ػ ػػا بػ ػ ػػيف (‪ ) M - 1.96 ό‬ك (‪ % ٗٓ ) M + 1.96 ό‬مػ ػ ػػف‬

‫التكزيع كما ىك مكضح في الشكؿ (ُّ ك ُْ) كىذه الحقيقػة غالبػان مػا تسػتخدـ فػي‬

‫حساب المدل المرجعي كما كضحنا في الفصكؿ السابقة ‪.‬‬

‫ٗ‪ -‬كمػا أف الحػدكد مػا بػيف ( ‪ ( M – 2.58 ό‬ك ( ‪ ( M + 2.58 ό‬تشػمؿ ٗٗ ‪ %‬مػف‬

‫التكزيع ( كما ىك مكضح في الشكؿ ‪ 13‬ك ُْ ) ‪.‬‬

‫كىكذا إذا أردنا معرفة عدد أك نسبة القيـ المحصكرة بيف قيمتيف ‪ X1‬ك ‪ X2‬مف‬

‫قيـ التكزيع يمكنػؾ أف تبحػث عػف نسػبة السػطح المحصػكر بػيف ‪ X1‬ك ‪ X2‬مػف السػطح‬

‫لكػػف صػعكبة ىػػذا‬ ‫اإلجمػالي كذلػؾ بػإجراء تكامػؿ تػػابع لمكثافػة االحتمػالي ‪f ( x)dx‬‬
‫‪x2‬‬
‫‪‬‬‫‪x1‬‬

‫الحساب تقكدنا إلى البحث عف طريقة أخرل لحساب السػطح المحصػكر بػيف ‪ X1‬ك‪X2‬‬

‫كلذلؾ نستعيف بتكزيع آخر يسيؿ التعامؿ معو يسمى التكزيع الطبيعي المعيارم ‪.‬‬

‫التوزيع الطبيعي المعياري‬

‫‪Standardized of Normal Distribution‬‬

‫ػر عش ػكائينا يخضػػع لمتكزيػػع الطبيعػػي المعيػػارم فيكػػكف الكسػػط‬
‫إذا كػػاف ‪ Z‬متغيػ نا‬

‫الحسابي ليذا التكزيع صػف انر ‪ Z = 0‬كعندئػذ فػإف االنحػراؼ المعيػارم ليػذا يعػادؿ القيمػة‬

‫ُ‪ ) ό = 1 ( +‬كحيػػث إف الكسػػط الحسػػابي كاالنحػراؼ المعيػػارم ال يتغيػراف فػػإف ىػػذا‬

‫التكزيػػع يكػػكف ثابتػنا ‪ .‬كمػػا أف ىػػذا التكزيػػع طبيعػػي كمػػا نكىنػػا بػػو فػػي التكزيػػع الطبيعػػي‬

‫‪102‬‬
‫بحيث يحصر مف السطح تحت المنحنػى قيمػة مػف السػطح الكمػي لمجمػكع قػيـ التكزيػع‬

‫كيعطي تابع الكثافة االحتمالي ليذا التكزيع عمى الصكرة ‪.‬‬

‫‪1‬‬
‫‪ (Z ) ‬‬ ‫‪2‬‬
‫‪eZ 2 / 2‬‬

‫كػػؿ قيمػػة لممتغيػػر العشػكائي ‪ Z‬قيمػػة السػػطح لمػػا قبػػؿ القيمػػة ‪ Z‬المحصػػكر مػػا‬
‫بيف منحنى التكزيع كالمحكر األفقي ‪.‬‬
‫‪Z‬‬
‫‪Z‬‬ ‫‪1‬‬
‫‪ F (Z )dz  ‬‬ ‫‪e Z‬‬
‫‪2/2‬‬
‫‪dz‬‬
‫‪‬‬
‫‪‬‬
‫‪2‬‬
‫كيرفؽ في ممحػؽ ىػذا الكتػاب جػدكؿ لمتكزيػع الطبيعػي المعيػارم كالػذم يعطػي‬

‫القػػيـ لمسػػطح مػػا بػػيف ‪ Z‬المكجػػب كالصػػفر ‪ .‬يتػػألؼ ىػػذا الجػػدكؿ مػػف عػػدد مػػف األعمػػدة‬

‫كالص ػػفكؼ خص ػػص العم ػػكد األكؿ فيي ػػا لمق ػػيـ ‪ Z‬كالتػ ػي تحت ػػكم الػ ػرقـ الص ػػحيح كرقمػ ػان‬

‫عشػ ػ ػريان كاح ػ ػػدان بع ػ ػػد الفاص ػ ػػمة بينم ػ ػػا يخص ػ ػػص الص ػ ػػؼ األكؿ لمػ ػ ػرقـ العش ػ ػػرم الث ػ ػػاني‬

‫( أجزاء المئػة ) مػف قيمػة ‪ Z‬كالتػي تتػراكح قيمتيػا فػي الجػدكؿ مػف ‪ ّ.َٗ-‬إلػى َٗ‪ّ.‬‬

‫كالتي تحصر عمميان كافة قيـ التكزيع ( جميع أجػزاء السطح ) ‪.‬‬

‫بل إذا أردنا معرفة قيمة السطح لما قبؿ ‪ Z=1064‬فسنجد في المعادلة التالية‪:‬‬
‫مث ن‬

‫َ‪Z < 1.64 = 0.949‬‬

‫كع ػػادة م ػػا نق ػػكـ بتحكي ػػؿ ق ػػيـ التكزي ػػع الطبيع ػػي إل ػػى تكزي ػػع طبيع ػػي معي ػػارم باس ػػتخداـ‬
‫القانكف ‪:‬‬
‫‪x1  M‬‬
‫‪X1  Z1 ‬‬
‫‪‬‬
‫‪ = X1‬متغير عشكائي ( حيث كؿ قيمة ‪ X1‬في التكزيع الطبيعي تقابميا قيمة ‪Z1‬‬
‫‪ =‬الكسط الحسابي ‪.‬‬

‫‪103‬‬
 ‫التوزيعات االحتمالية المستمرة األخرى‬
‫يكج ػػد العدي ػػد م ػػف التكزيع ػػات االحتمالي ػػة المس ػػتمرة تعتب ػػر ج ػػزءان م ػػف التكزي ػػع‬

‫الطبيعػػي‪ .‬حيػػث إف ىنػػاؾ ثبلثػػة مػػف ىػػذه التكزيعػػات معركفػػة جػػدنا كتعتبػػر مفيػػدة فػػي‬

‫الد ارسػػات اإلحصػػائية حسػػب نمػػط الد ارسػػة كىػػي تكزيػػع ‪ t‬سػػتكدنت ( تكزيػػع ‪ ) t‬كتكزيػػع‬

‫مربع كام (‪ )2‬كتكزيع ‪ F‬ىذه التكزيعات سكؼ تيناقش كتيدرس اختبارات ‪ t‬ك ‪ X2‬ك ‪F‬‬

‫في الفصكؿ القادمة إال أننا سنتعرض لمخصائص العامة لكؿ مف ىذه التكزيعات ‪.‬‬

‫خصائص توزيع ‪ t‬ستودنت ‪:‬‬

‫يعتبر تكزيع ‪ t‬مف التكزيعات االحتمالية المستمرة كمف أىـ استخداماتو اختبار‬

‫الفرضػػيات كقضػػايا التقػػدير عنػػدما يتعمػػؽ مكضػػكع الد ارسػػة بعينػػات صػػغيرة أك عنػػدما‬

‫تكػػكف قيمػػة ‪( 2‬الفػػرؽ) فػػي منطقػػة الد ارسػػة مجيكلػػة فعندئػػذ نحػػؿ محمػػو تبػػايف العينػػة (‬

‫فرؽ العينة ) الذم يعطى بالقانكف التالي ‪:‬‬

‫‪xM‬‬
‫‪t‬‬
‫‪s/ n‬‬
‫بإعتبار أف ‪:‬‬
‫‪= n‬حجـ عينة مأخكذة مف مجتمع حيكاني ما ‪.‬‬
‫‪ :M‬الكسط الحسابي لمجتمع حيكاني ما غير معركؼ انحرافو المعيارم ‪.‬‬
‫‪ = x‬الكسط الحسابي لمعينة ‪.‬‬
‫‪ = S‬االنحراؼ المعيارم لمعينة ‪.‬‬
‫‪ = t‬المتغير العشكائي لستكدنت ‪.‬‬
‫وفيما يأتي نورد أىـ خصائص ىذا التوزيع ‪:‬‬

‫‪104‬‬
‫ُ‪ -‬إف تكزيػػع ‪ t‬ىػػك تكزيػػع متناسػؽ كمتنػػاظر حػػكؿ الكسػػط الحسػػابي كلػػذلؾ فيػػك يأخػػذ‬

‫شكؿ جرس الناقكس حيث لو قمة كحيدة ‪.‬‬

‫ِ‪ -‬يتميز خاصة بما يدعى بدرجات الحرية ‪ )df( degrees of freedom‬كمعرفتنا‬

‫بػػدرجات الحريػػة ىػػذه تسػػمح بحسػػاب االحتماليػػة لتكزيػػع ‪ ( t‬سػػيدرس فػػي الفصػػكؿ‬

‫القادمة بالتفصيؿ ) ‪.‬‬

‫ّ‪ -‬إف تكزيع ‪ t‬ىك تكزيع ال يميز عف التكزيع الطبيعي المعيارم عندما تككف درجػات‬

‫الحري ػػة كبيػ ػرة كلك ػػف كمم ػػا انخفض ػػت درج ػػات الحري ػػة أص ػػبح تكزي ػػع ‪ t‬أكث ػػر ف ػػأكثر‬

‫انتشا نار أك انبساطنا بمنحاه مقارنة بالتكزيع الطبيعي المعيارم ‪.‬‬

‫ْ‪ -‬فيك تكزيع متناظر حكؿ المستقيـ العمكدم ‪. t = 0‬‬

‫ٓ‪ -‬عنػدما يكػكف حجػـ العينػة ‪ n‬يكػكف عػدد درجػات الحريػة ‪ n-1‬إال أف ىنػاؾ حػػاالت‬

‫تكػػكف فييػػا عمميػػة الحسػػاب مختمفػػة بالنسػػبة إلػػى درجػػات الحريػػة كسنشػػير إلػػى ذلػػؾ‬

‫في حينو ‪.‬‬

‫‪105‬‬
 ‫الشكؿ (‪ : )15‬شكؿ توزيع ‪ t‬مقارنة بالتوزيع الطبيعي‬

‫كلحسػ ػػاب المسػ ػػاحات تحػ ػػت المنحنػ ػػي ‪ t‬ىنػ ػػاؾ جػ ػػدكؿ صػ ػػممو اإلحصػ ػػائيكف‬

‫خصيصان لحساب المساحات تحت منحني ‪ t‬ستكدنت كقد كضع في ممحؽ ىذا الكتاب‬

‫‪106‬‬
‫‪ .‬إذ يػػتـ بإسػػتخدامو إيجػػاد مسػػاحات ‪ ‬بعػػد معرفػػة قيمػػة درجػػات الحريػػة (‪ )df‬حيػػث‬

‫يتضمف جدكؿ ‪ t‬قيـ درجات الحرية كقيـ المساحات ‪ ‬المرتبة في الصؼ األكؿ بينما‬

‫يشمؿ الجزء الباقي مف الصفكؼ كاألعمدة في الجػدكؿ المػذككر قػيـ المتغيػر العشػكائي‬

‫‪.t‬‬

‫يرمز لقيـ ‪ t‬داخؿ الجدكؿ بالرمز (‪. t). df‬‬

‫كبمعرفػػة قيمػػة ‪ t‬كدرجػػات الحريػػة ‪ df‬تظيػػر مسػػاحة ‪ ‬المطمكبػػة فػػي أعمػػى‬

‫العمكد الذم تظير فيو قيمة ‪ t‬كنكتب ])‪ = p[t < ( , df‬‬

‫خصائص توزيع مربع كاي (‪)2‬‬

‫‪ -‬يمكف أف يأخذ تكزيع مربع كام فقط القيـ اإليجابية ‪.‬‬

‫‪ -‬يتميز أيضان ىذا التكزيع بما يسمى بدرجات الحرية كلذلؾ تسمح معرفتنا ليا بتحديػد‬

‫االحتماالت المناسبة تحت المنحني ‪.‬‬

‫‪ -‬كمما زادت درجة الحرية أصبح التكزيع أكثر فأكثر تناظ انر مف الجيتيف كبالحقيقة‬

‫يتميز بالطبيعية ‪.‬‬

‫خصائص توزيع ‪F‬‬

‫‪ -‬إف تكزيع ‪ F‬ىك تكزيع تناسبي ( مئكم ) ‪.‬‬

‫‪ -‬يتميز أيضان بدرجات حرية منفصمة ذات جزئيف كىذا يرتبط بصكرة ( بسط )‬

‫كمخرج (مقاـ) التناسب المحدد ‪.‬‬

‫‪107‬‬
‫مع أف ىذا التناسب يمكف أف يأخذ قيمة أكبر أك أصغر مف القيمػة كاحػد فػإف‬

‫االحتمػػاالت المجدكلػػة لتكزيػػع ‪ F‬ت ػرتبط بالتناسػػب الػػذم يكػػكف غالب ػان أكبػػر مػػف القيمػػة‬

‫( ُ) ‪ .‬فعمػػى سػػبيؿ المثػػاؿ يمكػػف أف يكػػكف البسػػط ( الصػػكرة ) فػػي التناسػػب أكبػػر مػػف‬

‫المقاـ ( المخرج ) ‪ .‬كىكذا فإف القيـ المجدكلة تشير فقط إلى الجزء العمكم المرتفع مف‬

‫التكزيع ( اختبار ‪ F‬سكؼ يدرس تفصيبلن في الفصكؿ القادمة )‬

‫العالقات بيف التوزيعات‬

‫‪Relationships between Distributions‬‬
‫التقريبات الطبيعية لتوزيعي بواسوف والتوزيع ثنائي الحديف االسمي‬
‫‪Normal approximations of the Binomial and‬‬
‫‪Poisson Distributions‬‬
‫إف التكزي ػػع ثن ػػائي الح ػػديف االس ػػمي كتكزيع ػػات بكاس ػػف تك ػػكف منحرف ػػة باتج ػػاه‬

‫الناحيػػة اليمنػػى مػػف المنحنػػى عنػػدما تكػػكف أحجػػاـ العينػػة صػػغيرة مػػع أنيػػا تصػػبح أكثػػر‬

‫تن ػػاظ انر كمم ػػا ازدادت أحج ػػاـ العين ػػات ‪ .‬كالح ػػؽ أف ك ػػؿ تكزي ػػع بطريقت ػػو يمث ػػؿ التكزي ػػع‬

‫الطبيعي بالنسبة ألحجاـ العينات الكبيرة بما يكفي عندما يككف المنحنػي الخطػي يمثػؿ‬

‫قيم ػان احتماليػػة لقػػيـ االحتماليػػة لمتغي ػرات منفصػػمة لنأخػػذ بعػػيف االعتبػػار حالػػة التكزيػػع‬

‫االسػػمي ثنػػائي الحػػديف عنػػدما نشػػاىد نسػػبة مئكيػػة (‪ )P‬عنػػد حػػدكث حمػػؿ فػػي تجػػارب‬

‫عددىا (‪ ، )n‬فمف المعقكؿ أف نستخدـ التقريب الطبيعي لمتكزيع االسمي ثنائي الحديف‬

‫إذا كان ػػت ك ػػؿ م ػػف قيم ػػة ‪ n × p‬كالقيم ػػة )‪ n×(1-p‬ى ػػي أكب ػػر م ػػف القيم ػػة ٓ‪ َ.‬كاف‬

‫الكسػ ػ ػػط الحسػ ػ ػػابي كالفػ ػ ػػرؽ ليػ ػ ػػذا التكزيػ ػ ػػع الطبيعػ ػ ػػي يقػ ػ ػػدر بالقيمػ ػ ػػة (‪ )n×p‬كالقيمػ ػ ػػة‬

‫‪108‬‬
‫( ‪ n×p )1-p‬نس ػػبينا ‪ .‬ى ػػذا التقري ػػب يعتب ػػر مفي ػػدنا خاصػ ػة ف ػػي االس ػػتنتاج اإلحص ػػائي‬

‫الختبار فرضية العدـ عند حساب حدكد الثقة لمنسب المئكيػة ( كمػا سػنرل فػي الفصػؿ‬

‫التاسع ) ‪.‬‬

‫مثاؿ ‪ :‬لنفترض أنو في يػكـ مػا عػدد مػف القطػط (ُٖ = ‪ )n‬أخػذ إلػى العيػادة البيطريػة‬

‫لتشػخيص إصػابتيا بالبراغيػث ‪ flees‬كقػد كانػػت النسػبة المئكيػة لمقطػط المخمكجػة ىػػي‬

‫‪ 0.33  6 / 18‬كعندئذ تككف القيمة ‪np = 18  0.33 = 6 :‬‬

‫كما أف قيمة ‪n(1-p) = 18  (1-0.33) = 18  0.67 = 12 :‬‬

‫كىكذا فإف التقريب الطبيعي لمتكزيع ىك مماثػؿ كمناسػب لكػؿ جػزء مػف المنحنػى كعميػو‬

‫فإف الكسط الحسابي كالفرؽ ليذا التكزيع الطبيعي يقدر بالقيمة ‪:‬‬

‫‪np = 18  0.33 = 6‬‬

‫‪np (1-p) = 18  0.33 X 0.67 = 3.98‬‬
‫كىكػػذا إذا أردنػػا أف نقػػيـ احتماليػػة أف عشػػر قطػػط أك أكثػػر يتكقػػع بػػأف تصػػاب بعػػدكل‬

‫البراغيث فإننا نحدد القيمة ‪:‬‬

‫‪Z1  (10  6) 3.98  2.01‬‬

‫كيشار إلى ىذه القيمة في الجدكؿ ‪ A1‬كما ىك مدرج في الممحؽ ‪.‬‬

‫كبتقسػػيـ االحتماليػػة المجدكلػػة بػػالرقـ ‪ 2‬ألننػػا ميتمػػكف بد ارسػػة فقػػط الجػػزء العمػػكم مػػف‬

‫المنحني مف ىذا التكزيع نجد أف االحتمالية المطمكبة تقدر بالقيمة ‪ ( 0.02‬ىذه القيمة‬

‫تعتبر مقربة إلى فاصمتيف عشريتيف ‪. ) 0.0222‬‬

‫‪109‬‬
 ‫توــــــــــبرٌي‬
‫سُ‪ -‬بيف ما إذا كانت البيانات في أ ك ب مكزعة طبيعيا ك استنتج إذا كاف باإلمكاف‬

‫إجراء تحكيؿ لغارتيمي لمبيانات لتحكيميا إلى تكزيع طبيعي تقريبي؟‬

‫أ‪ -‬بيانات مأخكذة مف قياس مستكل التتراسيكميف مف عينات مأخكذة مف العضبلت‬

‫لسمؾ السممكف (نمط سالمك سممكر) حيث الصادات الحيكية أضيفت لممياه كلفترة‬

‫عشرة أياـ ألغراض عبلجية‪ :‬القياسات أخذت التراكيز المكجكدة في مناطؽ‬

‫العضبلت (مم ‪/‬غ) مف النسيج العضمي ك بعد ثمانية عشر يكمان مف إضافة‬

‫الصاد الحيكم لفحص مستكل الفعالية لمجرعة (الجدكؿ رقـ ٔ)‬

‫جدوؿ رقـ ‪ : 6‬تراكيز الصادات الحيوية الموجودة في مناطؽ العضالت (ممغ‪/‬غ)‬

‫مف النسيج العضمي و بعد ثمانية عشر يوماً مف إضافة الصاد الحيوي لفحص مستوى‬

‫الفعالية لمجرعة‬

‫ّ‪ُ.‬‬ ‫ٔ‪ُ.‬‬ ‫ٓ‪ُ.‬‬ ‫ٓ‪َ.‬‬ ‫ٖ‪ُ.‬‬

‫ٗ‪ُ.‬‬ ‫ٓ‪ِ.‬‬ ‫ْ‪ُ.‬‬ ‫َ‪َ.‬‬ ‫ُ‪ِ.‬‬
‫ِ‪ِ.‬‬ ‫ْ‪َ.‬‬ ‫ّ‪َ.‬‬ ‫ٕ‪َ.‬‬ ‫ٖ‪َ.‬‬
‫ِ‪ُ.‬‬ ‫ُ‪َ.‬‬ ‫ِ‪ُ.‬‬ ‫ٖ‪َ.‬‬ ‫ٗ‪ُ.‬‬
‫ٔ‪َ.‬‬ ‫ٕ‪ُ.‬‬ ‫ٓ‪ِ.‬‬ ‫ٓ‪ِ.‬‬ ‫ْ‪ِ.‬‬
‫ب‪ -‬البيانات اآلتية في الجدكؿ رقـ (ٕ) مأخكذة مف مستكيات الفكسفات القاعدم في‬

‫مصؿ دـ لػ ُِ كمبنا بالغنا ك بحالة طبيعية (كحدات دكلية بالميتر)‬

‫‪110‬‬
‫جدوؿ رقـ ‪ : 7‬مستويات الفوسفات القاعدي في مصؿ دـ لػ ‪ 12‬كمباً بالغاً‬

‫وبحالة طبيعية (وحدات دولية بالميتر)‬

‫ٖ‪ُٔ.‬‬ ‫ٗ‪ّٓ.‬‬ ‫ٓ‪ُٕ.‬‬ ‫ّ‪َِ.‬‬ ‫ّ‪ٕ.‬‬ ‫ْ‪ٓ.‬‬

‫ّ‪ِْ.‬‬ ‫ٕ‪ُُ.‬‬ ‫َ‪ُْ.‬‬ ‫َ‪َُ.‬‬ ‫ّ‪ْٓ.‬‬ ‫ٔ‪ِٖ.‬‬

‫‪111‬‬
 ‫الفصل السبدس‬
‫‪CHAPTER SIX‬‬
‫الوعبٌٌة وتىزٌع العٌٍبت‬
‫‪SAMPLING AND SAMPLES‬‬
‫‪DISTRIBUTION‬‬
‫التميز بيف مصطمح العينة والمجتمع الحيواني‬
‫‪The Distinction between the Sample and the‬‬
‫‪Population‬‬
‫عنػػدما نرغػػب بجمػػع معمكمػػات مػػف مجتمػػع مػػا ال يمكػػف ‪ -‬إال مػػا نػػدر ‪ -‬أف‬

‫ال مػف ذلػػؾ يمكػػف أف‬

‫نفحػػص كػػؿ عضػػك فػػي المجتمػػع عنػػد إجػراء تقيػػيـ إحصػػائي كبػػد ن‬

‫نأخ ػػذ مجمكع ػػة ص ػػغيرة عينػ ػةن مخت ػػارة م ػػف المجتم ػػع كم ػػف ث ػػـ نفح ػػص أعض ػػاء ى ػػذه‬

‫المجمكعة ‪ .‬كتستخدـ النتائج لتقدير بعض مميزات ىذا المجتمع ‪.‬‬

‫كىكذا فإف األىداؼ الرئيسة ألخذ العينات ىي عبارة عف الحصكؿ عمى البيانػات التػي‬

‫تسمح لنا بإجراء االستنتاجات المتعمقة بدراسة أعداد كبيرة مف الحيكانات اعتمػادان عمػى‬

‫فحص العينة كدراسة عبلقتيا عمى سبيؿ المثاؿ بكجكد أك عدـ كجكد المرض الحيكاني‬

‫‪ .‬كربما تتعمؽ استنتاجات إلثبات أف المرض غير مكجكد في ىذه المنطقة ‪ ،‬كبالعكس‬

‫يمكف أف تيػدؼ إلثبػات كجػكد المػرض أك تقيػيـ مسػتكل حػدكث المػرض ‪ .‬إف اليػدؼ‬

‫يمكػػف أف يصػػؼ أيض ػنا إنتػػاج الحميػػب فػػي قطعػػاف األبقػػار الحمػػكب كاألكثػػر مػػف ذلػػؾ‬

‫‪112‬‬
‫بل كصػػفينا لنظػػاـ اإلنتػػاج الحي ػكاني عمػػى سػػبيؿ المث ػاؿ فػػي بمػػد مػػف‬
‫يمكػػف أف يقػػدـ تحمػػي ن‬

‫البمداف اإلفريقية ‪.‬‬

‫االستنتاج اإلحصائي ‪Statistical Inference‬‬

‫يػػتـ الحصػػكؿ عمػػى االسػػتنتاج اإلحصػائي مػػف المجتمػػع الحيػكاني بأخػػذ العينػػة‬

‫كىػػذا االسػػتنتاج يم ٌكننػػا م ػف أف نرسػػـ االسػػتنتاجات حػػكؿ جكانػػب معينػػة مػػف المجتمػػع‬

‫الحيػكاني عنػػدما تكػػكف لينػػاؾ مجػػاميع كبيػرة مقسػػمة إلػػى مجػػاميع أخػػرل أصػػغر عندئػػذ‬

‫تككف فإف العينة ضركرية لمتقصي عف حالة معينة فمف الميـ جػدنا أف نعػي أف التميػز‬

‫بيف العينة كالمجتمع الحيكاني المأخكذ منو العينات كمككف أساسي لمنظرية اإلحصائية‬

‫يتمثؿ باالستنتاج اإلحصائي ىناؾ نقطتاف أساسيتاف فػي االسػتنتاج اإلحصػائي تػؤثراف‬

‫جػػدان فػػي التحميػػؿ اإلحصػػائي ‪ :‬كىمػػا طريقػػة التقػػدير ‪ estimation‬كاختبػػار النظريػػة‬

‫‪ hypothesis testing‬كسػػنناقش فػي ىػػذا الفصػؿ طريقػػة التقػدير بينمػػا يركػز اختبػػار‬

‫النظرية في ق اررنا في اعتماد النتػائج التػي حصػمنا عمييػا بكاسػطة العينػات المػأخكذة أك‬

‫أف النتائج المحصكؿ عمييا ال يمكف اعتمادىا نظ انر لكجكد بعػض العكامػؿ أك األسػباب‬

‫المتداخمة مع المسبب المدركس كىذا ما سنناقشو في الفصؿ السادس ‪.‬‬

‫تقدير حدود المجتمع اإلحصائي باستخداـ المعاينة اإلحصائية‬

‫‪Estimation of Population Parameters Using the‬‬

‫‪Statistical Sampling‬‬
‫‪113‬‬
‫إف الغرض مف أخذ العينة ىك التعرؼ عمى جكانب عػدة لممجتمػع اإلحصػائي‬

‫‪population‬‬ ‫المػػدركس كىػػذه الجكانػػب تػػتمخص بعبػػارة حػػدكد المجتمػػع اإلحصػػائي‬

‫‪ parameters‬كىػي التػي تميػز تكزيػع المجتمػع اإلحصػائي المػدركس كيمكػف كصػؼ‬

‫تكزيع بيانات المجتمع اإلحصائي إذا ما عرفنا طبيعة القيـ التي حصمنا عمييا في ىذه‬

‫البيانػػات كالتػػي ناقشػػناىا فػػي الفصػػكؿ السػػابقة ‪ .‬كمػػف غيػػر الممكػػف أف نحػػدد الكس ػط‬

‫الحسابي لممجتمع اإلحصائي تمامنا عندما نختار فقط العينة مف المشاىدات المبلحظة‬

‫في مجتمع حيػكاني مػا ‪ .‬فعمػى سػبيؿ المثػاؿ ال يمكننػا أف نعػرؼ القيمػة الدقيقػة لمعػدؿ‬

‫أعداد األفراس المشاركة في سباؽ الخيػكؿ عنػدما تكػكف فػي حالػة جريػاف السػباؽ كانمػا‬

‫نعرؼ فقط النتائج المحصكؿ عمييا مف العينة المختارة كالشيء األمثؿ الػذم يمكػف أف‬

‫نقكـ بو ىك تقدير ىذه القيمة مف المعاينة ‪ .‬فمثبلن نحسب العينة اإلحصػائية كالتػي ليػا‬

‫قيمػػة قريبػػة م ػف القيمػػة الحقيقيػػة مػػا أمكػػف لحػػد المجتمػػع الحي ػكاني إال أف تقػػدير كسػػط‬

‫العينة ىك أفضؿ مف طريقة تقػدير كسػط المجتمػع الحيػكاني ففػي حػيف أف كسػط العينػة‬

‫ىػ ػػك عبػ ػػارة عػ ػػف مجمػ ػػكع أعػ ػػداد كافػ ػػة المشػ ػػاىدات فػ ػػي العينػ ػػة مقسػ ػػكمنا عمػ ػػى أعػ ػػداد‬

‫المشاىدات في العينة يككف كسط المجتمػع الحيػكاني ىػك مجمػكع كافػة المشػاىدات فػي‬

‫المجتمع الحيكاني مقسكمان عمى أعداد المشاىدات في ىذه الحيكانات ‪.‬‬

‫‪114‬‬
 ‫خطأ المعاينة ‪: Sampling Error‬‬
‫لػػيس مػػف اإلمكانيػػة بمكػػاف أف تكػػكف قيمػػة العينػػة اإلحصػػائية مسػػاكية تمام ػان‬

‫لقيمػػة حػػد المجتمػػع الحي ػكاني التػػي ق ػدرناىا ‪ .‬فيجػػب عمينػػا أف نكصػػي أف ىنػػاؾ دائم ػنا‬

‫احتمالية بكجكد خطأ في التقدير ألننػا أخػذنا العينػات مػف حيكانػات القطيػع دكف النظػر‬

‫إلييػا جميعيػا كىػذا مػا نػدعكه بخطػأ المعاينػة ‪ Sampling error‬كنحتػاج إلػى تقيػيـ‬

‫الدق ػػة لمعين ػػة اإلحص ػػائية كتق ػػدير لح ػػدكد حيكان ػػات القطي ػػع ‪ ،‬كم ػػف أج ػػؿ ى ػػذا الغ ػػرض‬

‫نحسب ما يدعى الخطأ المعيارم لمتقدير ‪ Standard error of the estimate‬سكاء‬

‫كاف ىذا التقدير المحسكب كسط نا كمعػدؿ إنتػاج الحميػب فػي أبقػار الفريزيػاف ىكلشػتايف‬

‫أك نسبة كنسبة األبقار المعرضة لداء البريميات سكاء كانت تمؾ األبقار لدييا أك لػيس‬

‫لدييا معيار إيجابي لمبريميات ( كىنا يككف شكؿ المتغير بيزم أم أف نقكؿ إيجابي أك‬

‫سمبي ) كيمكننا حساب الخطأ المعيارم لمكسط ( كالذم يرمز لو بػ ‪. )SEM‬‬

‫بالقانكف ‪:‬‬
‫‪s‬‬
‫‪SEM ‬‬
‫‪n‬‬
‫‪(x  x) 2‬‬
‫‪s‬‬ ‫بإعتبار أف القيمة ‪ s‬تحسب بػ ‪:‬‬
‫‪n 1‬‬
‫بإعتبار أف ‪ : s :‬االنحراؼ المعيارم ‪ : n ،‬عدد المشاىدات‬
‫‪ :x‬قيمة المشاىدة ‪ : X ،‬متكسط قيمة المشاىدة ‪.‬‬

‫مثػػاؿ ‪ :‬إف المكاسػػـ اإلد ارريػػة األخي ػرة القياسػػية ( بفت ػرة ‪ 305‬يػػكـ ) لعينػػة عش ػكائية مػػف‬

‫األبقػػار عػػددىا ‪ 256‬بق ػرة مػػف سػػبللة الفريزيػػاف ىكلشػػتايف ألعػػداد مختمفػػة مػػف مكاسػػـ‬

‫‪115‬‬
‫اإلدرار قػػد أعطػػت تقري ػ نار لمعػػدؿ إنتػػاج حميػػب قيمتػػو ‪ 6414‬ك ػ مػػع تقػػدير النح ػراؼ‬

‫معيارم قيمتو ‪ 2352‬ك كلػذلؾ حسػب القػانكف المػدرج أعػبله يحسػب الخطػأ المعيػارم‬

‫لمكسط كما يأتي ‪:‬‬

‫‪2352‬‬
‫‪ 147 Kg‬‬
‫‪256‬‬

‫التفريؽ بيف االنحراؼ المعياري والخطأ المعياري لموسط‬

‫‪The Distinction between the Standard Deviation‬‬

‫‪and the Standard Error of the Mean‬‬
‫لق ػػد ناقش ػػنا ف ػػي الفص ػػؿ الث ػػاني االنحػ ػراؼ المعي ػػارم ‪ SD‬كسػ ػنتناكؿ ف ػػي ى ػػذا‬

‫الفص ػػؿ الخط ػػأ المعي ػػارم لمكس ػػط ‪ . SEM‬كىم ػػا قياس ػػاف ليم ػػا تطبيق ػػات مختمف ػػة ع ػػف‬

‫ػر كم ػػف المي ػػـ ىن ػػا أف يك ػػكف ل ػػدينا في ػػـ كاض ػػح لمتميي ػػز ب ػػيف االنحػ ػراؼ‬
‫بعض ػػيما كثي ػ ان‬

‫المعي ػػارم لممش ػػاىدات كالخط ػػأ المعي ػػارم لمكس ػػط كى ػػذا التفري ػػؽ يجنبن ػػا س ػػكء التفس ػػير‬

‫لمبيانات المدركسة ‪:‬‬

‫ػر إلػى‬
‫إف االنحراؼ المعيارم ىك قياس لتشتت المشاىدات ‪ .‬كىك يعطي مؤش نا‬

‫م ػ ػ ػػدل تق ػ ػ ػػارب المش ػ ػ ػػاىدات لمع ػ ػ ػػدالتيا كيمك ػ ػ ػػف أف يس ػ ػ ػػتخدـ إلنش ػ ػ ػػاء ح ػ ػ ػػد مرجع ػ ػ ػػي‬

‫‪ Reference Interval‬كالذم يعرؼ بمدل التشتت لمبيانات لقطعاف مف الحيكانات‪.‬‬

‫‪116‬‬
‫بينم ػػا الخط ػػأ المعي ػػارم لمكس ػػط ىػ ػك قي ػػاس دق ػػة كس ػػط العين ػػة كتق ػػدير لكس ػػط‬

‫المجتمع الحيكاني‪ .‬كىك يقػيـ خطػأ العينػة بإعطػاء مؤشػر إلػى مػدل التقػارب بػيف كسػط‬

‫العينة ككسط حيكانات القطيع المأخكذة منو العينات كيستخدـ الخطػأ المعيػارم المعػدؿ‬

‫إلنشاء ما يدعى بحد الثقة ‪ Confidence Interval‬كالذم يسمح لنا بأف نحكـ عمػى‬

‫دقة تقديرنا لمعدؿ حيكانات القطيع المدركس ‪.‬‬

‫حد الثقة لموسط الحسابي‬

‫‪The Confidence Interval for a Mean‬‬

‫مفيوـ حدود الثقة ‪Understanding Confidence Intervals‬‬

‫لقػػد ركزنػػا دائم ػنا عمػػى أف تكزيػػع العينػػات بالنسػػبة لمكسػػط ىػػك تكزيػػع افت ارضػػي‬

‫‪ . Hypothetical Distribution‬كفي ممارستنا العممية ال نأخذ عينات متكررة مف‬

‫الحيكانػػات المدركسػػة كانمػػا نأخػػذ عػػادة عينػػة كاحػػدة فقػػط كتسػػتخدـ ىػػذه العينػػة كتقػػدير‬

‫لكسط القيـ المأخكذة مف الحيكانات المدركسػة ‪ .‬كىػذا يعطينػا تصػكي نار لدرجػة الدقػة فػي‬

‫تقديراتنا ليذه الحيكانات أك القطعاف المدركسة ‪ .‬يجػب أف ينػكه ىنػا بػأف اسػتخداـ عينػة‬

‫كاحدة مف كؿ حيكاف فردم عند التحميؿ تجنبنا مشكمة أساسػية فػي التحميػؿ اإلحصػائي‬

‫كالتػي تسػمى بمشػكمة القياسػات المتكػررة ‪ Repeated Measures‬كىػذا يعطػي نتػائج‬

‫الد ارسػػة دقػػة أكثػػر كىنػػاؾ العديػػد مػػف الب ػرامج اإلحصػػائية الحاسػػكبية التػػي تجنبنػػا ىػػذه‬

‫‪117‬‬
‫المشػ ػػكمة مباشػ ػػرة كبرنػ ػػامج ‪ ، SAS،‬كغي ػ ػره مػ ػػف الب ػ ػرامج اإلحصػ ػػائية كاذا كػ ػػاف لػ ػػدينا‬

‫قياسات متكررة فيجب أخذ معدؿ النتائج لدراسة مشكمة ما في ىذا القطيع أك ذاؾ ‪.‬‬

‫كاف أفضػػؿ طريقػػة لتقيػػيـ مػػا إذا كػػاف تقػػديرنا جيػػدنا ىػػك أف تعػػرؼ مػػدل القػػيـ‬

‫ضػمف معػدؿ القػيـ الحقيقيػة لمحيكانػات المدركسػػة كالتػي تحػدد ضػمف احتماليػة معينػػة ‪،‬‬

‫ى ػػذا الم ػػدل لمق ػػيـ يع ػػرؼ بالح ػػدكد العمي ػػا كال ػػدنيا ‪upper and lower limits‬‬

‫‪Confidence‬‬ ‫( كىػػك مػػا يسػػمى بحػػدكد الثقػػة ) كيػػدعى حػػد الثقػػة بالنسػػبة لمكسػػط‬

‫‪Interval for the mean‬‬

‫ػدير غيػػر دقيػػؽ بالنسػػبة‬
‫ُ‪ -‬إذا كػػاف حػػد الثقػػة كبي ػ انر فػػإف كسػػط العينػػة يكػػكف عنػػدىا تقػ ان‬

‫لمعدؿ القطيع المدركس أك الحيكانات المدركسة ‪.‬‬

‫ػدير جيػػدنا‬
‫ػغير أك ضػػيؽ المػػدل فيكػػكف عندئػػذ كسػػط العينػػة تقػ نا‬
‫ِ‪ -‬إذا كػػاف حػػد الثقػػة صػ نا‬

‫فيك بشكؿ آخر ذك تقدير دقيؽ بالنسبة لمعدؿ الحيكانات المدركسة ‪.‬‬

‫إف الثقػػة ‪ %95‬تمثػػؿ أف معػػدؿ القػػيـ فػػي الحيكانػػات المدركسػػة تشػػمؿ مػػا يػػدعى‬

‫بحد الثقة ‪ %95‬بالنسبة لمكسط كنحسب نمكذجيان حد الثقة ‪ %95‬ألم حد مػف الحػدكد‬

‫الم ػراد معرفػػة دقػػة الحسػػاب فييػػا ‪ .‬لكننػػا يمكػػف أف نجػػد أحيان ػان حػػدم الثقػػة ‪% 95‬أك‬

‫ال‬
‫‪ %99‬مستخدمة في بعض الدراسات ‪ .‬إذ إف حد الثقة ‪ %99‬ىك بالتأكيػد أكثػر شػمك ن‬

‫كدقة مف حد الثقة ‪ %95‬ألنيا أكثر ثقة لمحد الػذم يشػممو ذاؾ أك ىػذا الحػد ‪ .‬كيعتمػد‬

‫مدل اتساع حد الثقة عمى ‪:‬‬

‫‪118‬‬
 ‫ُ‪ -‬درجة الثقة المطمكبة ‪.‬‬

‫ِ‪ -‬حجػػـ العين ػػة ( ف ػػالحجـ الكبيػػر لمعين ػػة يتطم ػػب تقػػدي انر أكث ػػر دق ػػة كبالتػػالي ح ػػد ثق ػػة‬

‫بمجاؿ ضيؽ ) ‪.‬‬

‫ّ‪ -‬تػػكفر الخاصػػية المتعمقػػة بالتقصػػي عػػف الحالػػة ( فكجػػكد متغي ػرات أكثػػر لع ػدد مػػف‬

‫المشاىدات المدركسة يتطمب تقدير أقؿ دقة كبالتالي حد ثقة بمجاؿ أكسع )‬

‫حساب حد الثقة بالنسبة لموسط الحسابي‬

‫‪Calculating the Confidence Interval for the Mean‬‬

‫إف القانكف العاـ لحد الثقة بالنسبة لمكسط يحسب كما يمي ‪:‬‬

‫‪CI 95% : X  1.96  SEM‬‬

‫بإعتبار أف ‪:‬‬
‫‪ : X‬الكسط ‪.‬‬
‫‪ = 1.96‬ثابت ‪.‬‬
‫‪ :SEM‬الخطأ المعيارم لمكسط كبإعتبار أف ‪:‬‬
‫‪Q‬‬
‫‪SEM ‬‬
‫‪n‬‬
‫بإعتبار أف ‪ :‬االنحراؼ المعيارم ‪.‬‬
‫‪ :n‬عدد المشاىدات ‪.‬‬
‫فيصبح القانوف ‪:‬‬
‫‪Q‬‬
‫‪X  1.96 ‬‬
‫‪n‬‬
‫‪‬‬ ‫‪Q‬‬ ‫‪Q ‬‬
‫‪ X  1.96 ‬‬ ‫‪, X  1.96 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫كيتػ ػراكح م ػػدل ح ػػد الثق ػػة األعم ػػى كاألدنػ ػػى م ػػف خ ػػبلؿ الحص ػػكؿ عم ػػى القػ ػػيـ‬

‫المحسكبة في القانكف مف القكسية المذككرة أعبله ‪. P‬‬

‫‪119‬‬
 ‫إف الثابت بالنسبة لحد الثقة ‪ %95‬ىك ‪ ( 1.96‬يقرب غالبنا إلى القيمة ‪) 2‬‬

‫بينما الثابت بالنسبة لحد الثقة ‪ %99‬ىك ‪2.58‬‬

‫كالثابت بالنسبة لحد الثقة ‪ %90‬ىك ‪68‬‬

‫كعندما تككف قيمة االنحراؼ المعيارم ‪( ‬االنحراؼ المعيارم لقطيع الدراسة)‬

‫مجيكلػػة نسػػتعيض عنػػو بػػاالنحراؼ المعيػػارم الخػػاص بالعينػػة كالػػذم يحسػػب بالقػػانكف‬

‫اآلتي ‪:‬‬

‫‪S‬‬
‫) ‪ (X  X‬‬ ‫‪2‬‬

‫‪n 1‬‬
‫إف ىنػػاؾ قػكانيف أخػػرل لحسػػاب حػػد الثقػػة كال سػػيما بالنسػػبة لتكزيػػع ‪ t‬سػػتكدنت‬

‫كال مجاؿ لتفصيميا كشرحيا ىنا ألف القانكف العاـ المذككر أعبله يمكػف تطبيقػو عنػدما‬

‫يككف تكزيع القيـ لممشاىدات تكزيعان طبيعيان ‪.‬‬

‫توزيع المعاينة لمنسبة ‪:‬‬

‫‪The Sampling Distribution of the Proportion‬‬
‫إف مفي ػػكـ تكزي ػػع المعاين ػػة لمنس ػػبة ى ػػك نف ػػس ذل ػػؾ التكزي ػػع المتعم ػػؽ بمع ػػدالت‬

‫العينات المدركسة فيك تكزيػع افت ارضػي لخصػائص مشػاىدات تكػكف فييػا الفكائػد مقػدرة‬

‫عندما نريد أف نحصػؿ عمػى اسػتنتاج إحصػائي لمنسػب المئكيػة لقطيػع مػف القطعػاف أك‬

‫مزرعة مف المزارع أك مجمكعات مف حيكانات نريد دراستيا ‪.‬‬

‫كيمتاز تكزيع المعاينة لمنسبة بالخصائص اآلتية ‪:‬‬

‫‪120‬‬
‫ُ‪ -‬يعتبػػر ىػػذا التكزيػػع قريب ػنا مػػف التكزي ػع الطبيعػػي إذا كػػاف حجػػـ العينػػة كبي ػ نار‪ .‬كفػػي‬

‫الكاقع إف تكزيع النسب المئكية ىك في الحقيقة تكزيع اسمي لكف ىذا التكزيع كمػا‬

‫شرحنا أقرب إلى التكزيع الطبيعي لعينة كبيرة عدد مشاىداتيا ‪.n‬‬

‫ِ‪ -‬إف معدؿ قيـ تكزيع المعاينة النسبي ىك معدؿ النسػبة لجميػع الحيكانػات المدركسػة‬

‫كتقدر بالقيمة ‪ π‬كىكذا فػإف النسػب المئكيػة لمعينػة ‪ p‬تحػدد بعينػة كحيػدة مسػتفردة‬

‫ىك تقدير غير منحرؼ بالنسبة لمنسبة المئكية لجميع الحيكانات المدركسة‬

‫ّ‪ -‬إف الخطػ ػ ػ ػػأ المعيػ ػ ػ ػػارم لتكزيػ ػ ػ ػػع العينػ ػ ػ ػػات ىػ ػ ػ ػػك النسػ ػ ػ ػػبة المئكيػ ػ ػ ػػة التػ ػ ػ ػػي تحسػ ػ ػ ػػب‬

‫بالقانكف ‪:‬‬

‫‪(1  n) / n‬‬
‫كىك ما يدعى بالخطأ المعيارم لمنسبة المئكية كعبارة عف قياس دقة ‪ p‬كتقدير لقيمة ‪π‬‬

‫كىذا الخطأ المعيارم يحسب بقيـ مشاىدات العينة كما يأتي ‪:‬‬

‫)‪P(1  P‬‬
‫‪SE ( P) ‬‬
‫‪n‬‬
‫بإعتبار أف قيمة ‪ P‬تحسب كما يأتي ‪P  :‬‬
‫‪r‬‬
‫‪n‬‬

‫‪ = r‬عدد المشاىدات في العينة ‪.‬‬ ‫‪ :n‬حجـ العينة ‪.‬‬

‫كمػع أنػػو يمكننػا تقػػدير قيمػة ‪ π‬بحسػػاب قيمػة ‪ p‬فػػإف تكزيػع العينػػة المئكيػة تبقػػى تكزيعػان‬

‫قريبان مف التكزيع الطبيعي لعينة كبيرة الحجـ عدد مشاىداتيا ‪. n‬‬

‫كيجػب أف نبلحػػظ أننػػا إذا اسػػتبدلنا تقػػدير قيمػػة ‪ p‬بنسػػبة مئكيػػة ‪ p%‬فػػإف تقػػدير الخطػػأ‬

‫المعيارم يحسب كنسبة مئكية بالقانكف ‪:‬‬

‫‪121‬‬
 ‫)‪P%(100  P%‬‬
‫‪S E ( P%) ‬‬
‫‪n‬‬
‫حد الثقة لمنسبة المئوية‬

‫‪The Confidence Interval for a Proportion‬‬

‫إف حد الثقة لنسػبة حيكانػات الد ارسػة ‪ π‬يحسػب بإضػافة كطػرح النسػبة المئكيػة‬

‫لمعينة (‪ )p‬مضركبنا بالخطأ المعيارم ( انظر الممحؽ ‪ )A2‬كىكذا فإف حد الثقة ‪%95‬‬

‫لنسبة حيكانات الدراسة يمكف أف يقدر بالقانكف اآلتي ‪:‬‬

‫‪P  1.96  SE (P) ‬‬

‫‪‬‬ ‫)‪P(1  P‬‬ ‫‪P(1  P) ‬‬
‫‪P  1.96‬‬ ‫‪, P  1.96‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n ‬‬

‫كيجػب أف نبلحػػظ أيضػان أننػا يمكػػف أف نعػػدؿ القػانكف المػػذككر أعػػبله إذا أردنػػا‬

‫أف تكػػكف القيمػػة المدركسػػة عمػػى شػػكؿ نسػػب مئكيػػة كذلػػؾ باسػػتبداؿ كػػؿ نسػػبة مئكيػػة‬

‫بالقيمة المئكية كاستبداؿ القيمة (‪ )1‬داخؿ كؿ جذر تربيعي بالقيمة ‪. 100‬‬

‫مثاؿ ‪ :‬اختيرت عينة عشكائية مككنة مف ‪ 115‬بقرة مف قطيع في مزرعة ما في إحدل‬

‫المنػػاطؽ ‪ .‬اختبػػرت عينػػات الػػدـ المحصػػكؿ عمييػػا مػػف أبقػػار ىػػذه العينػػة لمبحػػث عػػف‬

‫كجكد أضداد داء الدكراف ‪ Leptospira‬كحسب معايير األضداد المحصكؿ عمييا فقػد‬

‫صػػنفت إلػػى أضػػداد إيجابيػػة كأخػػرل سػػمبية ‪ .‬ففػػي ىػػذه العينػػة كجػػد أف ىنػػاؾ ‪ 36‬بق ػرة‬

‫تحمؿ معايير أضداد إيجابية ليذا المرض ‪ .‬إف تقدير النسبة المئكية لؤلبقار المعرضة‬

‫لداء الدكراف يمكف أف تحسب كما يأتي‪36115 = 0.31 :‬‬

‫‪122‬‬
 ‫كىكذا يمكف أف يقدر الخطأ المعيارم في ىذه النسبة كما يأتي ‪:‬‬

‫)‪P(1  P‬‬ ‫)‪0.313(1  0.313‬‬

‫‪SE( P ) ‬‬ ‫‪‬‬ ‫‪ 0.043‬‬
‫‪n‬‬ ‫‪115‬‬
‫كبالتالي يمكف أف نحسػب حػد الثقػة لنسػبة الحيكانػات المعرضػة لئلصػابة بػداء‬
‫الدكراف كما يأتي ‪:‬‬

‫)‪CI95% = P  1.96 SE(P‬‬

‫)‪= (0.313 – 1.96  0.043 , 0.313 + 1.96  0.043‬‬
‫)‪= (0.228 , 0.398‬‬
‫كىكػ ػػذا فػ ػػإف ثقتنػ ػػا ‪ %95‬لمنسػ ػػبة الحقيقيػ ػػة لؤلبقػ ػػار المعرضػ ػػة لئلصػ ػػابة بػ ػػداء‬
‫الدكراف تتراكح ما بيف ‪ 0.23‬إلى ‪. 0.40‬‬

‫الفصل السبثع‬
‫‪CHAPTER SEVEN‬‬
‫التصوٍن التجرٌجً والتجبرة السرٌرٌة‬
‫‪EXPERIMENTAL DESIGN AND‬‬
‫‪CLINICAL TRIALS‬‬
‫أنماط الدراسة ‪: Types of Study‬‬

‫إف د ارسػػة اإلحصػػاء فػػي الطػػب البيطػػرم كعمػػـ الحيػكاف مػرتبط بعمػػـ الكبانيػػات‬

‫الذم يقكـ بدراسة أنماط المرض كمحدداتيا المرضية في حيكانات المزرعة ‪ .‬كفي ىػذا‬

‫ػض المفػػاىيـ فػي عمػػـ الكبائيػػات كلمعرفػة المزيػػد عػف ىػػذه المفػػاىيـ‬
‫الفصػؿ سػػنتعرؼ بع ى‬

‫يمكننا مراجعة مادة الكبائيات التي سكؼ تدرس في السنكات البلحقة ‪.‬‬

‫‪123‬‬
‫ثمػ ػػة نػ ػػدرة فػ ػػي ت ػ ػكافر الحػ ػػاالت المرضػ ػػية المتعمق ػ ػة بالد ارسػ ػػات الس ػ ػريرية فػ ػػي‬

‫حيكانات المزرعة كيمكف أف يعكد السبب إلػى أف مثػؿ ىػذه الحػاالت قػد تكػكف نػادرة أك‬

‫أف تكمفة الحيكانات التي سكؼ تسػتخدـ فػي التجربػة باىظػة الػثمف أك أف عامػؿ الكقػت‬

‫يتدخؿ أحيانان أيضان في تطبيؽ الممارسػة الحقميػة البيطريػة الدائمػة فػي د ارسػة مثػؿ ىػذه‬

‫الحاالت إذ إف الجميع اليػكـ منشػغؿ بتطػكير صػناعة الحيػكاف ( تربيػة الحيػكاف ) أكثػر‬

‫مف انشغالو بالحفاظ عمى صحة ىذا الحيكاف ‪.‬‬

‫كلكػػي نػػتمكف مػػف تػػأميف الم ػكاد ب ػكفرة كػػاف مػػف الضػػركرم أف نصػػمـ الد ارسػػة‬

‫بطريقة تخدـ إنتاجية الحيكاف كالمزرعة ككؿ عمكمنا ‪ .‬حيث تتكفر ىناؾ طرائؽ مختمفة‬

‫كعديدة لدراسة مثؿ ىذه الحاالت ‪.‬‬

‫في المرحمة التخطيطية مف الدراسة سنكاجو بعض الخيارات التي يككف أحدىا‬

‫بل ىػػؿ أف الباحػػث يريػػد أف يجػػرم اختبػػارات‬

‫مناسػػبنا لد ارسػػة ىػػذه المشػػكمة أك تمػػؾ ‪ .‬فمػػث ن‬

‫معينػػة أك ببسػػاطة سػػيقكـ بزيػػارات فقػػط لممزرعػػة كمشػػاىدة الحػػاالت المرضػػية ىنػػاؾ أك‬

‫ىػػؿ نريػػد أف نػػدرس الحػػاالت بمفردىػػا فػػي كقػػت محػػدد مػػف الػػزمف أك أننػػا نرغػػب فػػي‬

‫متابعة ىذه الحاالت المرضػية خػبلؿ فتػرة زمنيػة معينػة بإسػتمرار كبػبل تحديػد ‪ .‬أك ىػؿ‬

‫بدرسػػة الحيكانػػات السػػميمة مػػف المػػرض كالتأكػػد بالمبلحظػػة ممػػا إذا كػػاف‬
‫نريػػد أف نبػػدأ ا‬

‫ىنػػاؾ مػػرض أك ال أك أننػػا فػػي الحقيقػة نريػػد أف نبػػدأ بد ارسػػة الحيكانػػات المريضػػة فعميػنا‬

‫كدراسة األسباب المتكقعة لحدكث مثؿ ىذه الحاالت المرضية ؟‬

‫‪124‬‬
 ‫التمييز بيف الدراسات المعتمدة عمى المشاىدات السريرية والدراسات‬

‫التجريبية‬

‫‪The Distinction between Clinical Observational and‬‬

‫‪Experimental Studies‬‬
‫الدراسة المعتمدة عمى المشاىدات السريرية‬

‫فػػي مثػػؿ ىػػذه الد ارسػػة نكتفػػي بمشػػاىدة الحيكانػػات المشػػمكلة بالد ارسػػة كمػػف ثػػـ‬

‫نسجؿ قيـ القياسات المناسبة حسب الكاقػع كبػذلؾ ال تتطمػب الد ارسػة إجػراء أم اختبػار‬

‫‪ ،‬عمى سبيؿ المثاؿ د ارسػة المعالجػة المثمػى ليػذه الحيكانػات أك د ارسػة عكامػؿ الخطػكرة‬

‫المتعمقة بيذا المرض كالتي يمكػف أف تػؤثر عمػى سػير المػرض مباشػرة أك غيػر مباشػرة‬

‫كمف الكاضح في ىذه الدراسة أننا ال نستطيع أف نحدد عشكائيان الحيكانات كنقسميا إلى‬

‫مجمكعات لتقييـ المعالجة الدكائية مثبلن كانما ندرس ىذه المشاىدات جماعيػان لمحصػكؿ‬

‫عمى قيـ خاصة بحدكد كعكامؿ مختمفة متعمقػة بد ارسػة حيكانػات الد ارسػة كيمكػف إنجػاز‬

‫ىذه الطريقة مف الدراسة بإتباع إحدل الطريقتيف اآلتيتيف ‪:‬‬

‫ُ‪ -‬إجراء مسح لجميع حيكانات المزرعة أك المنطقػة المػراد د ارسػتيا ‪Apopulation‬‬

‫‪ survey‬كيشػمؿ خصػائص حيكانػات الد ارسػػة المشػمكلة فػي الد ارسػة كمػا ىػػك‬

‫الح ػػاؿ ف ػػي الد ارس ػػات اإلحص ػػائية الش ػػاممة أم أف ن ػػدرس ك ػػؿ حيػ ػكاف م ػػف ى ػػذه‬

‫الحيكانات إحصائينا ‪.‬‬

‫‪125‬‬
‫ِ‪ -‬إجراء مسح يعتمد عمى أخذ عينات ‪ A Sample Survey‬كيشػمؿ فحػص عينػة‬

‫ػاء‬
‫مف الحيكانات ممثمة لمحيكانات المدركسة كمنيا يمكف أف نػدكف اسػتنتاجاتنا بن ن‬

‫عمى نتائج ىذه العينة عمى جميع حيكانات الدراسة ‪.‬‬

‫إف العديػػد م ػػف المس ػػكحات المعتمػػدة عم ػػى العين ػػات تمثػػؿ د ارس ػػة كص ػػفية ف ػػي‬

‫محاكلػػة لمكصػػكؿ إلػػى أف تقػػدـ تقػػديرات لحػػدكد حيكانػػات الد ارسػػة ىػػذه الحػػدكد يمكػػف أف‬

‫تشمؿ إنتاج الحميػب – العمػر الجػنس – النػكع الحيػكاني – المنطقػة الك ارثػة ‪ ...‬كغيرىػا‬

‫كثيػػر ) كربػػط ىػػذه الحػػدكد بمػػا يحػػدث ليػػذه الحيكانػػات مػػف مشػػاىدات س ػريرية‪ .‬إال أف‬

‫بعػػض ىػػذه الد ارسػػات قػػد يكػػكف مػػف النمػػكذج التحميمػػي بسػػبب أنيػػا تكػػكف معتمػػدة عمػػى‬

‫دراسة العكامؿ المترافقة مع حدكث أك عدـ حدكث حالة مرضية ما ‪.‬‬

‫إف الدراسة الكبائية ىي نكع خاص مػف مسػكحات العينػة التحميميػة تعتمػد عمػى‬

‫دراسة مسبب المرض بكاسطة تحديد ما إذا كانت عكامؿ الخطكرة المختمفة مترافقة مع‬

‫حػ ػػدكث كتكزيػ ػػع حػ ػػدكث الحػ ػػاالت المرض ػ ػية أك ال ‪ ،‬فعمػ ػػى سػ ػػبيؿ المثػ ػػاؿ إف انتشػ ػػار‬

‫متبلزم ػػة ككش ػػين ‪( Cushings Syndrome‬ف ػػرط إفػ ػراز ف ػػي ىرمكن ػػات الكظ ػػر) عن ػػد‬

‫الكػػبلب ىػػي أكثػػر شػػيكعان عنػػد الكػػبلب الصػػغيرة ( الحديثػػة السػػف ) منيػػا عنػػد الكػػبلب‬

‫األخرل في الحقيقة بالدراسات الكبائيػة يػتـ تقيػيـ كمقارنػة الحػاالت المرضػية بنػاء عمػى‬

‫الفركؽ كغيرىا مف االعتبارات األخرل ‪.‬‬

‫الدراسة التجريبية ‪Experimental Study‬‬

‫‪126‬‬
‫ففي الدراسة التجريبية نقكـ بالتداخؿ مع سػير الد ارسػة عمػى سػبيؿ المثػاؿ كػأف‬

‫نطبػؽ قسػريان إجػراءان كقائيػان لمػرض مػػا كالمعالجػػة أك خفػض تعػػرض الحيػكاف لعامػػؿ مػػا‬

‫كدرجػػة الح ػ اررة أك غي ػره مػػف العكامػػؿ ‪ .‬كعندئػػذ نشػػاىد تػػأثير ىػػذا اإلج ػراء الكقػػائي أك‬

‫العبلجي كاستجابة حيكانات الدراسة لو مع األخذ بكجية نظرنا حكؿ تقييـ ما إذا حدث‬

‫تغيػر فػي اسػتجابة حيكانػات الد ارسػة كالتػػي يمكػف أف تكػكف مباشػرة عمػى إجرائنػا كىنػػاؾ‬

‫نكعاف مف الدراسات التجريبية نػكع يػدعى بالتجػارب المخبريػة كاآلخػر يػدعى بالتجػارب‬

‫السريرية ‪.‬‬

‫مدخؿ لمتجارب السريرية ‪Introducing to Clinical Trials‬‬

‫إننا نستخدـ عبارة تجربػة سػريرية لكصػؼ أيػة تجربػة مخطػط ليػا كالتػي تشػمؿ‬

‫د ارسػػات متعمقػػة باإلنسػػاف أك الحي ػكاف كىػػي تصػػمـ لتقي ػيـ فعاليػػة كاحػػدة أك أكثػػر مػػف‬

‫المعالجػػات أك اإلج ػراءات الكقائيػػة ألحػػد األم ػراض كإسػػتخداـ أحػػد المقاحػػات مػػثبلن كلقػػد‬

‫تكسػػع مفيػػكـ ىػػذه العبػػارة مػػف مفيػػكـ الطػػب الس ػريرم البشػػرم ليشػػمؿ تمػػؾ الد ارسػػات‬

‫المتعمقػة بالطػػب السػريرم البيطػػرم كعمػػكـ صػػحة الحيػكاف ‪ ،‬فعمػػى سػػبيؿ المثػػاؿ اختبػػار‬

‫الفعالي ػػة لمعكام ػػؿ الدكائي ػػة الجدي ػػدة لم ػػتحكـ بالطفيمي ػػات الخارجي ػػة ف ػػي الك ػػبلب كالقط ػػط‬

‫كيجػػب أف نميػػز التجربػػة الس ػريرية ‪ clinical trial‬م ػف التجربػػة الس ػريرية الحقميػػة‬

‫‪ .Clinical field trial‬فعمى حيف أف التجربة السريرية تيجرل ضمف ظركؼ نظامية‬

‫‪127‬‬
‫جدنا فإف التجربة الحقمية بشكؿ كامػؿ أك تطبيػؽ جػزء مػف ىػذه التجػارب حقميػنا المطبقػة‬

‫تحت الظركؼ الطبيعية سكاء ضمف الظركؼ‪.‬‬

‫أىمية تصميـ التجربة السريرية‬

‫‪The Importance of Design in the Clinical Trial‬‬
‫إننا نقكـ عادة بالتجربة السريرية حتى نقيـ الفائدة التػي يمكػف الحصػكؿ عمييػا‬

‫مػػف إدخػػاؿ نػػكع جديػػد مػػف المعالجػػة أك أم تطبيػػؽ إج ارئػػي ضػػمف الظػػركؼ المتخػػذة‬

‫ضػػمف ىػػذه التجربػػة إذ إف أحػػد أىػػـ اىتماماتنػػا فػػي التجربػػة ىػػك النتػػائج التػػي نحصػػؿ‬

‫عمييػػا مػػف عينػػة مػػأخكذة مػػف مجمكعػػات مػػف الحيكانػػات تربػػى ضػػمف نفػػس الظػػركؼ‬

‫كتطبيػػؽ إج ػراء عبلجػػي عمػػى عػػدد مػػف حيكانػػات ىػػذه العينػػة كمقارنتيػػا مػػع غيرىػػا مػػف‬

‫المجمكعػػات التػػي لػػـ يطبػػؽ عمييػػا مثػػؿ ىػػذا اإلج ػراء العبلجػػي ‪ .‬كلكػػي نتأكػػد مػػف أف‬

‫المجمكعػػة التػػي تمقػػت مثػػؿ ىػػذا العػػبلج ىػػي أفضػػؿ مجمكعػػة تحقيػػؽ الفائػػدة العبلجيػػة‬

‫كمثؿ ىذه التجربة يجب أف تككف خالية مف أم انحراؼ في النتائج ‪ Bios‬كحتػى نقػكـ‬

‫بمثؿ ىذه التجربة يجب أف نحدد أمريف اثنيف ‪:‬‬

‫ُ‪ -‬تحديد الحيكانات التجريبية ضمف المجمكعات المعالجة ‪.‬‬

‫ِ‪ -‬تقييـ استجابة ىذه الحيكانات التجريبية لممعالجة ‪.‬‬

‫كيجب أف يبلحظ أف التجربة المحققة لفرضيا يجب أف تشمؿ ثباتية كؿ مف ‪:‬‬

‫‪128‬‬
‫‪ -‬المقارن ػػة ‪ Comparative :‬مقارن ػػة أكث ػػر م ػػف مجمكع ػػة عبلجي ػػة ‪ .‬فنك ػػكف عندئ ػػذ‬

‫قػ ػػادريف عمػ ػػى أف نجعػ ػػؿ تقييمنػ ػػا حػ ػػكؿ االسػ ػػتجابة إلحػ ػػدل المعالجػ ػػات أك اإلج ػ ػراءات‬

‫المرتبطػػة باالسػػتجابة التػػي لػػـ تحصػػؿ عمييػػا فػػي غيػػاب المعالجػػة أك مقارنػػة المعالجػػة‬

‫القياسية ‪.‬‬

‫‪129‬‬
 ‫الفصل الثبهي‬
‫‪CHAPTER EIGHT‬‬
‫هذخل إلى اختجبر الفرضٍبت‬
‫‪AN INTRODUCTION TO‬‬
‫‪HYPOTHESIS TESTING‬‬
‫مقدمة‪Introduction :‬‬

‫يمكف أف نقسـ عموماً الفرضية أو النظرية اإلحصائية إلى جزئييف ‪:‬‬

‫ُ‪ -‬ىناؾ ما يسمى باإلحصاء الكصفي ‪ descriptive statistics‬حيث تستخدـ فيػو‬

‫أدكات العرض المناسبة كالجداكؿ النمكذجية كاألشكاؿ كالقياسات الرقميػة لكصػؼ‬

‫قاعدة البيانات كتقديـ عرض مختصر لتكزيعيا ‪.‬‬

‫ِ‪ -‬إضػ ػ ػػافة إلػ ػ ػػى ذلػ ػ ػػؾ ىنػ ػ ػػاؾ مػ ػ ػػا يػ ػ ػػدعى باإلحصػ ػ ػػاء االسػ ػ ػػتنتاجي أك االسػ ػ ػػتداللي‬

‫‪ inferential statistics‬الػػذم يركػػز عمػػى إعطػػاء االسػػتنتاجات لمجتمػػع مػػا‬

‫مسػ ػػتخدمان النتػ ػػائج التػ ػػي حصػ ػػمنا عمييػ ػػا مػ ػػف العينػ ػػة الممثمػ ػػة لممجتمػ ػػع المػ ػػدركس‬

‫كالمأخكذة مف ىذا األخير ‪.‬‬

‫‪ -a‬كاف إح ػػدل النق ػػاط ف ػػي االس ػػتدالؿ اإلحص ػػائي ى ػػي قض ػػايا التق ػػدير ‪estimation‬‬

‫لح ػػدكد المجتم ػػع الم ػػدركس باس ػػتخداـ العين ػػة اإلحص ػػائية المناس ػػبة ( عم ػػى س ػػبيؿ‬

‫المثػػاؿ ‪ ،‬كسػػط المجتمػػع المػػدركس يمثػػؿ بكسػػط العينػػة المػػأخكذة منػػو ) ‪ .‬كمػػا أف‬

‫‪130‬‬
‫قضػػايا التقػػدير تكتمػػؿ فقػػط عنػػدما تكػػكف ىنػػاؾ دقػػة فػػي عمميػػة التقػػدير التػػي تحػػدد‬

‫بالخطأ المعيارم أك يعطى مؤشر ليذه العممية حد الثقة المدركس ‪.‬‬

‫‪Hypothesis‬‬ ‫‪ -b‬النقطػػة الثانيػػة فػػي االسػػتدالؿ اإلحصػػائي ىػػي اختبػػار الفرضػػية‬

‫‪ . testing‬كفػػي ى ػػذه الحال ػػة نفح ػػص الفرض ػػية ض ػػمف عب ػػارة كاح ػػد أك أكث ػػر م ػػف‬

‫المجتمعات المدركسػة ‪ .‬كمػا أننػا نريػد أف نعػرؼ مػا إذا كانػت الفرضػية حػكؿ ىػذا‬

‫المجتمع أك المجتمعات األخرل يمكف أف تدعـ أك تمثؿ ببيانات العينة ‪.‬‬

‫إف قضايا التقدير لمقيـ تركز عمى عممية كصؼ القيـ بينما يركػز اختبػار الفرضػية بػبل‬

‫تحديد عمى اتخاذ القرار المناسب ‪.‬‬

‫المفاىيـ األساسية الختبار الفرضية ‪:‬‬

‫‪The Main Concept of the Hypothesis Test‬‬

‫إف اختب ػػار الفرض ػػية عممي ػػة ترك ػػز عم ػػى إجػ ػراء االس ػػتنتاجات ح ػػكؿ المجتم ػػع‬

‫المػػدركس مسػػتخدميف المعمكمػػات المحصػػكؿ عمييػػا مػػف العينػػة المػػأخكذة ‪ .‬كيجػػب أف‬

‫نعي أنو مف المستحيؿ أف نككف قادريف عمى التأكيػد المطمػؽ لصػحة اسػتنتاجاتنا حػكؿ‬

‫المجتمػع ‪ .‬إذ أف عينػة كاحػدة مختػػارة مػف المجتمػع مػف غيػػر المحتمػؿ أف تعطػي نفػػس‬

‫النتائج تمامان كما ىي في العينة الثانية ‪.‬‬

‫‪131‬‬
‫كلػ ػػذلؾ يجػ ػػب أف نحػ ػػدد نتائجنػ ػػا حػ ػػكؿ المجتمػ ػػع المػ ػػدركس باسػ ػػتخداـ مفيػ ػػكـ‬

‫االحتمالي ػػة كى ػػذا يعط ػػي مؤشػ ػ انر لفرص ػػة الحص ػػكؿ عم ػػى النت ػػائج المش ػػاىدة إذا كان ػػت‬

‫الفرضية حقيقية ‪.‬‬

‫كىنػ ػ ػ ػػا ال بػ ػ ػ ػػد مػ ػ ػ ػػف اسػ ػ ػ ػػتبداؿ عبػ ػ ػ ػػارة الحالػ ػ ػ ػػة المطمقػ ػ ػ ػػة بعبػ ػ ػ ػػارة االحتماليػ ػ ػ ػػة‬

‫‪ Probabilistic‬كىػػذه األشػػكاؿ ىػػي المضػػمكف أك المفيػػكـ الختبػػار الفرضػػية كىكػػذا‬

‫يمكػػف أف يػػتمخص مفيػػكـ الفرضػػية اإلحصػػائية بد ارسػػة صػػحة ادعػػاء معػػيف عػػف قيمػػة‬

‫معينة ما لممجتمع اإلحصائي كالكسط الحسابي أك النسبة أك التبايف ‪ .‬كأف نقػكؿ مػثبلن‬

‫إف ىػ ػػذا الػ ػػدكاء نػ ػػاجع بنج ػ ػاح بنسػ ػػبة ‪ %95‬لعػ ػػبلج التيابػ ػػات الكبػ ػػد إلػ ػػى غيرىػ ػػا مػ ػػف‬

‫االفتراضات التي نكد التأكد مف صحتيا‪.‬‬

‫نظرية العدـ أو فرضية العدـ‬

‫‪The Null Hypothesis H0‬‬

‫ترتكػػز الد ارسػػات لمتقصػػي عػػف فرضػػية معينػػة أك نظريػػة عمميػػة حػػكؿ المجتمػػع‬

‫المدركس عادة عمى عمميػة مقارنػة بالحالػة الطبيعيػة مشػمكلة بػبعض التػأثيرات الرقميػة‬

‫لمكضكع الدراسة كغالبان ما تككف ىػذه المقارنػة لمعالجػات مختمفػة كقيػاس اسػتجابة ىػذه‬

‫المعالجة يدعى بالتأثير العبلجي ‪ .‬عمى سبيؿ المثاؿ الفركقات بيف مختمؼ العبلجات‬

‫مف حيث الكسط الحسابي ‪.‬‬

‫‪132‬‬
‫لنفتػػرض أننػػا نريػػد التقصػػي عػػف نقػػص مغنزيػػكـ الػػدـ عنػػد أبقػػار ترعػػى عمػػى أعشػػاب‬

‫الربيع الجديدة كأبقار مرباة تربية مكثفة تجاريان فعندئذ نريد أف نفحص قيـ معدؿ ببلزما‬

‫الدـ ‪ .‬كىذا يقترح أف ىناؾ خطكرة في ككف األعشاب تحتػكم قػد نار كافيػنا أك غيػر ك و‬
‫ػاؼ‬

‫مػػف االحتياجػػات الطبيعيػػة لممنغنزيػػكـ ‪ .‬كبيػػذه الحالػػة يتشػػكؿ مػػا يػػدعى بنظريػػة العػػدـ‬

‫حػ ػػكؿ معػ ػػدؿ القػ ػػيـ الحقيقيػ ػػة لمنغنزيػ ػػكـ الببلزمػ ػػا كالتػ ػػي يفتػ ػػرض أف ال تختمػ ػػؼ بػ ػػيف‬

‫المجمكعتيف ‪.‬‬

‫ىذا ما يدعى بنظرية العػدـ ‪ null hypothesis‬كيرمػز ليػا بػالرمز ‪ Ho‬كقػد‬

‫تككف فرضية أك نظرية العػدـ غيػر حقيقيػة كعندئػذ تػدعى بالفرضػية أك النظريػة البديمػة‬

‫‪ alternative hypothesis‬كيرمز ليا بالرمز ‪. H1‬‬

‫نتيجة ‪:‬‬

‫ىنػػاؾ عػػادة فرضػػيتاف فػػي د ارسػػة أم اختبػػار ‪ ،‬األكلػػى منيػػا تػػدعى بنظريػػة أك‬

‫فرضػػية العػػدـ كىػػي الفرضػػية األكليػػة كالتػػي غالب ػان مػػا تؤيػػد صػػحة االدعػػاء كيرمػػز ليػػا‬

‫بػػالرمز ‪ Ho‬كالثانيػػة ىػػي الفرضػػية البديمػػة كالتػػي ى ػي أساس ػنا ال تؤيػػد صػػحة االدعػػاء‬

‫كيرمز ليا بالرمز ‪. H‬‬

‫عادة تذكر الفرضية البديمة أنو يكجد اختبلؼ بػيف قػيـ الحػد لكػف االتجػاه ليػذا‬

‫االخػػتبلؼ غيػػر معػػركؼ ‪ .‬كىػػذا يقكدنػػا إلػػى فرضػػية ذات جػػانبيف أك اختبػػار الػػذيميف‬

‫( ‪ . ) two- sided or a two tailed test‬ففػػي مثالنػػا السػابؽ عمػػى أف تنػػاكؿ‬

‫‪133‬‬
‫أعشاب حديثة النمك يخفض مػف تركيػز مغنزيػكـ الببلزمػا ‪ ،‬فػإف الفرضػية البديمػة نقػكؿ‬

‫أنو يكجد معنييف مختمفيف ليذا التأثير حيث أنو ال يكجد لسبب لنقكؿ مثبلن أف المعالجة‬

‫لمحيكانات المرباة ضمف حظائر مغمقة ىي أفضؿ طريقة مػف طريقػة اسػتعماؿ أعشػاب‬

‫الربيع لتأميف االحتياجات مف ىذا العنصر المعدني النادر ‪.‬‬

‫‪ -‬االختبار اإلحصائي وقيمة ‪p‬‬

‫‪The Test Statistic and the p-Value‬‬

‫م ػػف البيان ػػات الت ػػي حس ػػبنا مني ػػا قيم ػػة االختب ػػار اإلحص ػػائي ‪ ( -‬كى ػػك تعبي ػػر‬

‫جبرم معيف لمفرضية التي نختبرىػا ) ‪ ،‬كعػادة يسػتخدـ الحاسػكب لعمميػة الحسػاب ىػذه‬

‫كأحيان ػان تحسػػب يػػدكيان ‪ -‬كيرفػػؽ بكػػؿ قيمػػة االختبػػار اإلحصػػائي مػػا يػػدعى باالحتماليػػة‬

‫‪ Probability‬كىػػك مػػا يػػدعى بالقيمػػة ‪ . )p-value ( –p‬كىػػي كىػػذه القيمػػة تصػػنؼ‬

‫فرضية الحصكؿ عمى تأثير القيـ المشاىدة ( كبعبارة أخرل أكثر تكضػيحنا ) إذا كانػت‬

‫فرضية العدـ حقيقية ‪.‬‬

‫اتخاذ القرار باستخداـ قيمة ‪p‬‬

‫‪Making a Decision Using the p-Value‬‬

‫ُ‪ -‬إذا كانػػت النتػػائج المشػػاىدة غيػػر مطابقػػة لمػػا نتكقػػع كعنػػدما تكػػكف نظريػػة العػػدـ‬

‫حقيقيػػة ‪ ،‬فإننػػا نسػػتنتج أنػػو يكجػػد داللػػة كافيػػة ل ػرفض ‪ reject‬نظريػػة أك فرضػػية‬

‫‪134‬‬
‫‪Statistically‬‬ ‫العػ ػػدـ ‪ .‬كنقػ ػػكؿ أف نتيجػ ػػة االختبػ ػػار إحصػ ػػائينا ىػ ػػي معنكيػ ػػة‬

‫‪. significant‬‬

‫ِ‪ -‬كاذا كانت النتائج المشاىدة ثابتة مع ما نتكقع إذا كانت نظريػة العػدـ غيػر حقيقيػة‬

‫كنستنتج أنو ال يكجد داللة كافية لتككف حقيقية كعندىا ال نػرفض فرضػية (نظريػة)‬

‫العدـ ‪ .‬كنقكؿ أف نتيجة االختبار غير معنكية ‪ . non – significant‬كتسمح لنا‬

‫بل كافيػنا لػرفض فرضػية العػدـ بالمقارنػة‬

‫قيمة ( ‪ )p‬بأف نحدد فيما إذا كنػا نممػؾ دلػي ن‬

‫مع الفرضية البديمة ‪.‬‬

‫‪ -‬إذا كانػػت قيمػػة (‪ )p‬صػػغيرة جػػدنا فعندئػ وػذ مػػف غيػػر المحتمػػؿ أف نسػػتطيع الحصػػكؿ‬

‫عمػػى النتػػائج المشػػاىدة إذا كانػػت فرضػػية العػػدـ حقيقيػػة كلػػذلؾ تػرفض فرضػػية العػػدـ‬

‫‪. Ho‬‬

‫‪ -‬أمػػا إذا كانػػت قيمػػة ‪ p‬كبي ػرة جػػدنا فعندئػػذ ثمػػة فرصػػة كبي ػرة لمحصػػكؿ عمػػى النتػػائج‬

‫المشػاىدة إذا كانػػت فرضػػية العػدـ حقيقيػػة كعندئػػذ تػرفض فرضػػية العػػدـ ال تػرفض ‪.‬‬

‫كبكضػػكح إف التمييػػز بػػيف قػػيـ (‪ )P‬الصػػغيرة كالكبي ػرة ىػػك مكضػػكع متػػركؾ التخػػاذ‬

‫القرار المناسب ‪ .‬فيجب أف نحدد قبؿ البدء بعممية جمػع البيانػات المككنػة لقػيـ (‪)p‬‬

‫س ػكاء بقيمػػة صػػغيرة أـ كبي ػرة كىنػػا ال بػػد مػػف اسػػتخداـ مصػػطمح مسػػتكل المعنكيػػة‬

‫‪ Significance level‬لبلختبػار ‪ .‬كمػا أف اختبػار مسػتكل المعنكيػة يعتمػد عمػى‬

‫طبيعػػة البيانػػات كالظػػركؼ المتعمقػػة بالتقصػػي عػػف الحالػػة إذ ىنػػاؾ إمكانيػػة تجعمنػػا‬

‫‪135‬‬
‫بل نختػػار قيمػػة منخفضػػة جػػدنا لمسػػتكل المعنكيػػة كػػأف نقػػكؿ المسػػتكل ‪ ، 0.01‬إذا‬
‫مػػث ن‬

‫كنا نريد أف ننظر إلى الجانب السببي لرفض نظرية العدـ كىذا يعني أنو فػي مثالنػا‬

‫نحصػؿ عمػى قيمػػة (‪ )p‬كالتػي ىػي أقػػؿ مػف ‪ 0.01‬فإننػا نػرفض نظريػة العػدـ كنقػػكؿ‬

‫إف النتيجة معنكية عند المستكل ‪. %1‬‬

‫عمػػى سػػبيؿ المثػػاؿ نريػػد التقصػي عمػػا إذا كانػػت المعالجػػة بالصػػادات الحيكيػػة‬

‫مكمفػػة فإننػػا نريػػد أف نكػػكف كاثقػػيف جػػدنا مػػف فكائػػدىا خػػبلؿ فت ػرة المعالجػػة ككػػذا تكمفتيػػا‬

‫الماديػػة ‪ .‬كىنػػا يمكػػف أف نختػػار القيمػػة األكثػػر ارتفاعػان فنقػػكؿ ‪ 010‬فػػي بدايػػة االختبػػار‬

‫لفعالية المقاح الكامف الجديد كبديؿ لمشفاء أك الكقاية مف المرض المعدم كالذم يسبب‬

‫خسػػائر فادحػػة كىػػذا يؤكػػد أف الفكائػػد المحصػػكؿ عمييػػا غيػػر مؤكػػدة كتحتػػاج إلػػى قيػػاس‬

‫‪ 0.05 Cut‬ىػك غالبػان اختيػار‬ ‫معنكيتيػا ‪ .‬إف اختيػار الفاصػػؿ القػاطع ‪off point‬‬

‫بل إذا كانت قيمة ‪ p‬أصغر مف ‪ 0.05‬فعندئذ تػرفض نظريػة العػدـ‬

‫لمستكل المعنكية مث ن‬

‫‪ ،‬أمػػا إذا كانػػت قيمػػة ‪ p‬أكبػػر أك تسػػاكم ‪ 0.05‬فعنػػدىا نقبػػؿ فرضػػية العػػدـ ‪ .‬كىنػػاؾ‬

‫تمييزات إضافية تستخدـ أحياننا بكاسطة اإلشارة النجمية ‪:‬‬

‫(***) تمثؿ ‪ )p< 0.0001 ( p‬كىي معنكية كاضحة جدنا ‪.‬‬

‫(**) تمثؿ قيمة (‪ )P<0.001‬كىي معنكية كاضحة ‪.‬‬
‫(*) تمثػػؿ قيمػػة (‪ )0.01 <p<0.05‬كىػػي معنكيػػة كعنػػدما ال تكجػػد معنكيػػة يرمػػز ليػػا بػػالرمز‬
‫(‪ )NS‬كعندىا تككف قيمة ‪ p‬أكبر مف ‪. 0.05‬‬
‫كبشكؿ آخر المعنكية الكاضحة جدنا تككف ضمف المجاؿ ‪] 0.0001-0.0000‬‬

‫‪136‬‬
 ‫المعنكية الكاضحة تككف ضمف المجاؿ ‪] 0.001-0.0001‬‬

‫معنكية فقط ‪] 0.01-0.001‬‬

‫كنػػذكر كممػػا صػػغرت قيمػػة (‪ )p‬كػػاف ىنػػاؾ دليػػؿ أكضػػح كمؤكػػد ضػػد نظريػػة‬

‫العدـ ‪ .‬كمف الميـ اإلشارة ىنا إلى أف قرار األخذ بصحة الفرضية أك رفضيا ال يعنػي‬

‫القطيعػػة فػػي الحكػػـ ألننػػا نقبػػؿ بالفرضػػية أك نرفضػػيا باحتمػػاؿ ثقػػة معػػيف يفتػػرض أف‬

‫يكػػكف كبيػ نار كمقنعػنا ممػػا يعنػػي أننػػا قػػد نػرفض فرضػػية كىػػي صػػحيحة أك نقبػػؿ بفرضػػية‬

‫كىػ ػ ػ ػػي خاطئػ ػ ػ ػػة إال أف احتمػ ػ ػ ػػاؿ كقكعنػ ػ ػ ػػا بالخطػ ػ ػ ػػأ سيصػ ػ ػ ػػغر مػ ػ ػ ػػع ارتفػ ػ ػ ػػاع احتمػ ػ ػ ػػاؿ‬

‫الثقة ‪.‬‬

‫اشتقاؽ قيمة) ‪Deriving the p-Value :(p‬‬

‫نمكذجيػان نحصػػؿ عمػػى قيمػػة ‪ p‬مػػف التكزيعػػات المعركفػػة لبلختبػػار اإلحصػػائي‬

‫كىي التكزيعات الطبيعية ‪ ،‬كتكزيع ‪ ( α ، F ، t‬كالتي سكؼ تدرس فػي فصػكؿ الحقػة‬

‫) ‪ .‬كاذا أنج ػػز التحمي ػػؿ بالحاس ػػكب ف ػػإف قيم ػػة ‪ p‬الت ػػي نطمبي ػػا نحص ػػؿ عميي ػػا مباش ػػرة‬

‫بكاس ػػطة نت ػػائج الحاس ػػكب كاذا ك ػػاف م ػػف الض ػػركرم يمك ػػف أف نحص ػػؿ عم ػػى قيم ػػة ‪p‬‬

‫باإلشارة إلى االختبار اإلحصائي مف الجدكؿ المدرج بالتكزيعات المذككرة أعبله ‪.‬‬

‫‪137‬‬
 ‫درجات الحرية لالختبار اإلحصائي‬

‫‪The Degrees of Freedom of the Test Statistic‬‬

‫سكؼ نجد ف عبارة درجات الحرية ) ‪ degrees of freedom (df‬مستخدمة‬

‫بإستمرار في التحميؿ اإلحصػائي ‪ .‬فػإذا مػا قمنػا باسػتخداـ جػداكؿ لػربط قيمػة االختبػار‬

‫اإلحصػػائي إلػػى قيمػػة ‪ p‬فإننػػا عػػادة يجػػب أف نعػػرؼ درجػػات الحريػػة لمتكزيػػع المناسػػب‬

‫الختبارنػػا اإلحصػػائي المسػػتخدـ ‪ .‬إف درجػػات الحريػػة لبلختبػػار اإلحصػػائي ىػػي عبػػارة‬

‫عػػف عػػدد المشػػاىدات المس ػػتقمة المسػػاىمة بتشػػكيؿ االختب ػػار اإلحصػػائي فعمػػى س ػػبيؿ‬

‫المثػاؿ أعػػداد المشػػاىدات لتقيػػيـ االختبػػار اإلحصػائي نػػاقص عػػدد المشػػاىدات المحػػددة‬

‫بقيميػ ػػا بحػ ػػدكد معينػ ػػة ‪ .‬إذ إف أسػ ػػيؿ طريقػ ػػة لحسػ ػػاب درجػ ػػات الحريػ ػػة ألم اختبػ ػػار‬

‫إحصػػائي ىػػك أف نأخػػذىا مػػف حسػػاب الف ػػرؽ بػػيف عػػدد المشػػاىدات فػػي العينػػة كع ػػدد‬

‫الحدكد التي يجب أف نقدرىا لكي نقيـ ىذه المشاىدات إحصائينا ‪.‬‬

‫كلذلؾ لنفرض مػثبلن أف تقػديرنا لفػرؽ المجتمػع بكاممػو ‪ 2‬لمتغيػر ‪ x‬فػي حجػـ‬

‫‪( S‬الفػػرؽ)‬ ‫‪2‬‬

‫‪‬‬
‫) ‪ (X  X‬‬ ‫‪2‬‬

‫عينػػة ‪ n‬بكاسػػطة عينػػة إحصػػائية ‪ S2‬يعطػػى بالقػػانكف ‪:‬‬

‫)‪(n  1‬‬

‫يج ػػب أف نق ػػدر المعػ ػدؿ لك ػػي نق ػػيـ قيم ػػة الص ػػكرة كل ػػذلؾ تك ػػكف درج ػػات الحري ػػة لي ػػذا‬

‫الفرؽ‪ S2‬ىي (‪ )n-1‬بإعتبار أف ‪ n‬ىي عدد قيـ المشاىدات ‪.‬‬

‫‪138‬‬
 ‫ممخص إلجراء اختبار الفرضية ‪ /‬النظرية ‪: /‬‬

‫إف إجراء اختبار الفرضية ‪:‬يتمخص في ست مراحؿ ‪:‬‬

‫ُ‪ -‬حدد فرضية العدـ ‪ Ho‬أك الفرضية البديمة المطمكبة في االختبار ‪.‬‬

‫ِ‪ -‬اجمػػع البيانػػات كانظػػر نظػرة شػػاممة إذا كػػاف ىنػػاؾ إمكانيػػة لمتقصػػي عػػف تكزيعػػات‬

‫ى ػػذه البيان ػػات فين ػػاؾ العدي ػػد م ػػف االختب ػػارات تح ػػدد االفت ارض ػػات التكزيعي ػػة ح ػػكؿ‬

‫البيانات ‪ :‬افحص التكزيعات المحددة ليذا االختبار ‪.‬‬

‫ّ‪ -‬عمى الحاسب ‪ ،‬اختر االختبار المناسب ‪ ،‬أك باستخداـ الحسػاب اليػدكم المناسػب‬

‫الختيار االختبار اإلحصائي المناسب مستخدميف بيانات العينة ‪.‬‬

‫ْ‪ -‬اربط القيمة المحسكبة باالختبار اإلحصائي بقيمة ‪. p‬‬

‫ٓ‪ -‬اعتبر قيمة ‪ p‬لمحاكمات أك تحكيـ فيما إذا كانت البيانات قابمة لمتحكيـ باستخداـ‬

‫فرضية العدـ كمف ثـ قرر ما إذا كانت البيانات ترفض أك تقبؿ فرضية العدـ ‪.‬‬

‫ٔ‪ -‬إال أنو مف األجدل كاألنسب أف نحسب حد الثقة لتأثير مكضكع الدراسة ‪.‬‬

‫حيػػث أف نحػػدد المعنكيػػة لنتيجػػة الد ارسػػة فػػي ضػػكء اإلج ػراء السػػابؽ كلػػذلؾ يػػدعى ىػػذا‬

‫أحياننا باختبار المعنكية ‪. Significance test‬‬

‫كاف اختبار االختبار ‪ -‬كما سنرل الحقان ‪ -‬ليس سيبلن دائمان بؿ إنو يعتمد عمى طبيعة‬

‫البيانات ‪.‬‬

‫‪139‬‬
 ‫الخطأ نمط ‪ I‬والخطأ نمط ‪Type I and Type II Errors II‬‬

‫عندما نجد نتيجة االختبار معنكية نػرفض فرضػية العػدـ فػي مسػتكل المعنكيػة‬

‫المدرجػػة ‪ .‬فػػإذا كػػاف االسػػتنتاج غيػػر صػػحيح ك حقيقػػة المعػػدليف المدركسػػيف متسػػاكية‬

‫فعندئػػذ ن ػرفض فرضػػية العػػدـ كعنػػدما ال ت ػرفض ( عنػػدما تكػػكف حقيقيػػة ‪ ) ..‬نكػػكف قػػد‬

‫حددنا نمط الخطأ ‪. I‬‬

‫كبشػػكؿ آخػػر أك بػػديؿ ‪ ،‬عنػػدما نجػػد نتيجػػة االختبػػار غيػػر معنكيػػة ال ت ػرفض‬

‫فرضية العدـ عند مستكل المعنكية المدرج ‪ ،‬كلذلؾ ال يمكػف أف نسػتدؿ إحصػائينا عمػى‬

‫معدالت مجتمعيف مختمفيف ‪.‬‬

‫كىنا تككف الحالة غير صػحيحة كالحقيقػة لمعػدليف مختمفػيف كعندئػذ ال تػرفض‬

‫فرضػػية العػػدـ كعنػػدما تػرفض الفرضػػية ( عنػػدما تكػػكف خاطئػػة ) نحػػدد نمػػط الخطػػأ ‪II‬‬

‫كما ىك مكضح في الجدكؿ ٖ ‪.‬‬

‫جدوؿ رقـ ‪ : 8‬األخطاء في فرضية العدـ‬

‫رفض فرضية العدـ‬ ‫ال ترفض فرضية العدـ‬
‫الكصؼ‬
‫‪Ho‬‬ ‫‪Ho‬‬
‫فرضية العدـ حقيقية ‪Ho‬‬ ‫نمط الخطأ ‪I‬‬ ‫القرار صحيح‬
‫فرضية العدـ خاطئة ‪Ho‬‬ ‫القرار صحيح‬ ‫نمط الخطأ ‪II‬‬

‫الفصل التبسع‬
‫‪140‬‬
 ‫‪CHAPTER NINE‬‬
‫اختجبرات الفرضٍة ‪ -1-‬اختجبر ‪t‬‬
‫هقبرًة هتىسط وحٍذ أو هتىسطٍي‬
‫‪HYPOTHESIS TESTS 1 – THE T TEST‬‬
‫‪COMPARING ONE OR TWO MEANS‬‬

‫متطمبات اختبارات الفرضية لمقارنة المتوسطات‬

‫‪Requirements for Hypothesis for Comparing Means‬‬

‫‪ -1‬طبيعة البيانات ‪The . Nature of the Data‬‬

‫الكسط الحسابي ىػك أحػد مقػاييس الميػكؿ المركزيػة لمتغيػرات كميػة كمػا ذكرنػا‬

‫سػػابقنا ‪ .‬لنفتػػرض ىنػػا أننػػا نريػػد د ارسػػة قيػػاس تػػأثير اإلجيػػاد عمػػى األبقػػار أثنػػاء السػػفر‬

‫كحيػػث إف الكػػكرتيزكف يحػػرر مػػف غػػدة االدرينػػاليف اسػػتجابةن لحػػاالت اإلجيػػاد الشػػديدة‬

‫كفي ىذه الحالة نرغب بتحديد ما إذا كاف قياس معدؿ الككرتيزكف في ببلسما الػدـ فػي‬

‫أثناء فترة النقؿ عند األبقار الحمكب يختمؼ عف تمؾ األبقار التي ىي في حالة راحة ‪،‬‬

‫كلقياس ىذه الفركقات باسػتعماؿ الطػرؽ التػي سػنتطرؽ إلييػا فػي ىػذا الفصػؿ يجػب أف‬

‫نأخذ بعيف االعتبار طبيعة البيانات‬

‫أ‪ -‬ىنػاؾ متغيػػر كحيػػد مػراد د ارسػػتو (عمػػى سػػبيؿ المثػاؿ فػػي حالتنػػا ىػػذه ىػػك عبػػارة عػػف‬

‫ككرتيزكؿ الببلسما ) ‪.‬‬

‫‪141‬‬
‫ب‪ -‬يجػػب أف تكػػكف البيانػػات المقيسػػة ذات طبيعػػة قيػػاس كمػػي (رقمػػي) عمػػى سػػبيؿ‬

‫المثاؿ قياسات الككرتيزكف تقاس بكحدة ‪. ng / ml‬‬

‫ج‪ -‬الجانب الياـ افتػراض فػي مثػؿ ىػذه الد ارسػة ىػك أف يكػكف المتغيػر المػراد التقصػي‬

‫عنو ذا تكزيع طبيعي إال أف ىذا يككف غير منطقي في المقاييس الحيكية كما ىك‬

‫الحاؿ في ككرتيزكف الببلسما ‪ .‬لكف عندما تبلحظ أف حجـ العينة المدركسة كبير‬

‫فيقرب معدؿ العينة تقديرينا أنو مكزع تكزيعنا طبيعينا‪.‬‬

‫‪ -2‬تطبيقات حجـ العينة ‪The Implication of Sample Size‬‬

‫إذا كاف حجـ العينة يشير إلى إجمالي أعػداد المشػاىدات فػإف التقصػي عندئػذ‬

‫يرتكز عمى‪:‬‬

‫ُ‪ -‬تكزيع المتغير يككف صعبنا لتقييـ عينات صػغيرة جػدنا لمقارنػات تشػمؿ عمػى سػبيؿ‬

‫المثػػاؿ ‪ 5‬أك ‪ 6‬مشػػاىدات ‪ .‬كأيضػان فػػإف العينػػة الصػػغيرة الحجػػـ ال تمثػػؿ المجتمػػع‬

‫الحيكاني المدركس ‪.‬‬

‫ِ‪ -‬كاذا كػػاف حجػػـ العينػػة صػػغي انر (لنقػػؿ عػػدد المشػػاىدات أقػػؿ مػػف َّ) فػػإف االختبػػار‬

‫اإلحصػائي يتبػع تكزيػع ‪ Students t Distribution (t‬كيعتمػد فيػو عمػى تكزيػع‬

‫طبيعي تقريبي (الفركقات تككف متساكية لمقارنة عينتيف) ‪.‬‬

‫ّ‪ -‬إذا كاف حجـ العينة كبي انر فإف تكزيع االختبار اإلحصائي مقرب طبيعي لعينة ذات‬

‫مشػػاىدات أكثػػر مػػف (َّ) إذا كانػػت البيانػػات مكزعػػة طبيعي ػان ‪ .‬كبالمقابػػؿ يمكػػف‬

‫‪142‬‬
‫لمعينػػة الكبي ػرة يمكػػف أف تزيػػد ع ػف ََْ مشػػاىدة إذا كانػػت البيانػػات غيػػر مكزعػػة‬

‫طبيعيان ‪ .‬إال أف كجكد االنحراؼ عف الطبيعي سكؼ يػؤثر عمػى تعريػؼ مصػطمح‬

‫‪/‬عينة كبيرة‪. /‬‬

‫كىكػػذا مػػف الصػػعكبة بمكػػاف أف نكضػػح الفركقػػات بػػيف العينػػات الكبي ػرة كالصػػغيرة‬

‫ضمف إطار مفيكـ اختبار ‪ . t‬كربما نجد العديد مف النصػكص اإلحصػائية التػي تميػز‬

‫بػػيف مصػػطمحات العينػػة الكبي ػرة كالصػػغيرة بربطيػػا إلػػى االختبػػار اإلحصػػائي كمػػا ىػػك‬

‫الحاؿ في تكزيع ‪( t‬بالنسبة لمعينات الصغيرة ‪ ،‬الفركقات متساكية عند مقارنػة عينتػيف)‬

‫أك إلى تكزيع طبيعي (بالنسبة لمعينات الكبيرة ‪ ،‬فركقات متساكية أك غير متساكية) ‪.‬‬

‫‪ -3‬تصميـ الدراسة ‪Study Design‬‬

‫إف النقطة األكثر أىمية في تصميـ الدراسة ىي عممية جمع البيانات يسػتخدـ‬

‫االختب ػػار لمقارن ػػة متكس ػػطات لمجمكع ػػات فردي ػػة أك مجم ػػكعتيف م ػػف المش ػػاىدات ى ػػذه‬

‫المجػػاميع المقارنػػة إمػػا أف تكػػكف مسػػتقمة عػػف بعضػػيا أك تكػػكف عمػػى شػػكؿ مشػػاىدات‬

‫شفعية إال أننا نرغب أحيانان بأف تقارف المشاىدات ألكثر مف مجمػكعتيف ‪ ،‬فػإف الخيػار‬

‫عندئذ لتحميؿ مثؿ ىذه البيانات ىك تحميؿ التبايف ‪. Analysis of Variance‬‬

‫‪143‬‬
 ‫‪: One Sample t - Tests‬‬ ‫اختبارات ‪ t‬لعينة واحدة‬

‫أحياننا قد نيػتـ بد ارسػة معػدؿ المشػاىدات لمجمكعػة مفػردة تأخػذ قيمػة معينػة ‪.‬‬

‫فعم ػػى س ػػبيؿ المث ػػاؿ مجمكع ػػة م ػػف الخػ ػراؼ ف ػػي إح ػػدل الحظ ػػائر كف ػػي إح ػػدل المػ ػزارع‬

‫أظي ػػرت انخفاضػ ػنا فػ ػي الكس ػػب ال ػػكزني الي ػػكمي مقارن ػػة بمع ػػدؿ النم ػػك الطبيع ػػي لي ػػذه‬

‫المزرعة ‪ .‬كما نريد إنجازه ىنا أف نختبر مػا إذا كػاف معػدؿ الكسػب الػكزني الحػي ليػذه‬

‫الخ ػراؼ فػػي ىػػذه الحظي ػرة يػػدعـ الفرضػػية أف تؤيػػد أف نمػػك ىػػذه الخ ػراؼ فػػي المعػػدؿ‬

‫المتكقع لمنمك ضمف ىذه المزرعة ‪.‬‬

‫‪ -‬االفتراضات ‪Assumptions‬‬
‫يفترض اختبار ‪ t‬ستكدنت لعينة كاحدة أف بيانات العينة ىػي مجمكعػة مختػارة‬

‫عشكائيان مف قيـ لحيكانات ذات تكزيع طبيعي ‪.‬‬

‫بل عػػف‬
‫كأحيان ػنا قػػد تكػػكف البيانػػات مكزعػػة تكزيع ػنا غيػػر طبيعػػي أك منحرفػػة قمػػي ن‬

‫التكزيعػػات الطبيعيػػة بالنسػػبة لمنػػاظر ‪ .‬فعندئػػذ نقربيػػا إلػػى الشػػكؿ الطبيعػػي بػػإجراء مػػا‬

‫يسمى بالتحكيؿ المناسب ‪. appropriate transformation‬‬

‫نمكذجيان يككف التحكيؿ المغاريتمي ىك اإلجراء األمثػؿ ليػذه الحالػة إحصػائيان ‪.‬‬

‫أك إننا يمكننا أف نمجأ إلى إحدل االختبارات البل معممية المناسبة ‪.‬‬

‫‪144‬‬
‫‪ . appropriate non – parametric test‬كاختبار اإلشارة ‪ Sign test‬أك اختبار‬

‫كالمكغاركؼ ‪ .‬سمير نكؼ ‪ Kalmogorav – Smir nov‬أك اختبار األدكار ‪Runs‬‬

‫‪. test‬‬

‫الطريقة ‪The Approach‬‬

‫سػ ػػنعرض ىػ ػػذه الطريقػ ػػة عرض ػ ػنا عام ػ ػنا ب ػ ػدكف الػ ػػدخكؿ فػ ػػي تفاصػ ػػيؿ معقػ ػػدة‬

‫كسنكضح ذلؾ بمثاؿ الخراؼ في المقطع السابع ‪.‬‬

‫ُ‪ -‬نحػدد نظريػة أك فرضػية العػدـ ‪ null hypothesis‬فػإف معػدؿ الخػراؼ المدركسػة‬

‫و‬
‫مساك لقيمة محػددة ‪ . Mo‬بينمػا الفرضػية أك‬ ‫لممتغير المراد دراستو (معدؿ النمك)‬

‫الطريقة البديمة ‪ alternative hypothesis .‬فػإف المعػدؿ ىػك غيػر مس و‬

‫ػاك لقيمػة‬

‫محػػددة كىػػذا يقكدنػػا إلػػى اختبػػار الفرضػػية البديمػػة ذات الػػذيميف مثػػؿ حالػػة الكسػػط‬

‫الحسابي ‪H1 : M ≠ M0‬‬

‫كػػأف نقصػػد ىنػػا بالفرضػػية البديمػػة أف معػػدؿ النمػػك عنػػد الخ ػراؼ ازئػػد أك نػػاقص عػػف‬

‫الطبيعي مف القيـ الطبيعية المتكقعة ‪.‬‬

‫ِ‪ -‬نجم ػػع البيان ػػات كنعرض ػػيا عم ػػى ش ػػكؿ خ ػػط نقط ػػي ‪ ، plot line‬أكعم ػػى ش ػػكؿ‬

‫مسػػتطيبلت بسػػيطة ‪ Simple Histogram‬أك أم نمػػط مػػف أنمػػاط التكزيعػػات‬

‫الشػكمية البسػطية مثػؿ بػككس ككيسػكر ‪ Box and Whisker bar‬كغيرىػا ‪...‬‬

‫‪145‬‬
‫كباالسػػتعانة بالشػػكؿ المبلحػػظ نفحػػص افتػراض أف البيانػػات مكزعػػة تكزيعػنا تقريبيػنا‬

‫طبيعيان ‪.‬‬

‫ّ‪ -‬احسب االختبػار اإلحصػائي ‪ statistic test‬كػالفرؽ بػيف متكسػط العينػة ) ‪– ( X‬‬

‫كالقيمػػة المحػػددة لمتكس ػػط القطيػػع ) ‪ ( X‬أك حيكان ػػات المزرعػػة ف ػػي مثالنػػا الح ػػالي‬

‫كضػمف شػركط فرضػػية العػدـ ‪ ، H0 , M = M0‬مقسػكمان عمػػى متكسػط الخطػػأ‬

‫المعيارم ‪.‬‬

‫ككما ىك معركؼ لدينا سابقان متكسط الخطأ المعيارم ‪Standard error of the‬‬
‫‪, mean‬‬
‫‪. SEM ‬‬ ‫يحسب كما يمي ‪:‬‬
‫‪S‬‬
‫‪n‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : S‬ىي االنحراؼ المعيارم المحسكب ‪.‬‬
‫‪ : n‬حجـ العينة ‪ /‬عدد المشاىدات ‪. /‬‬
‫كبيذه الحالة فإف اختبار العينة كاحدة ‪.‬‬
‫‪X  Mo‬‬
‫‪. Test1 ‬‬
‫‪S/ n‬‬
‫مع األخذ بعيف االعتبار أف درجة الحرية ىي ‪. n – 1‬‬

‫ْ‪ -‬نحصؿ عمى قيمة )‪ (P‬بحساب قيمة االختبار اإلحصائي كالنظر إلػى تكزيػع قػيـ ‪t‬‬

‫حسب المحصكؿ عمييا في االختبار كما ىك مدرج في الممحؽ )‪.(A3‬‬

‫‪146‬‬
‫ٓ‪ -‬بحسػػب قيمػػة ‪ P‬يمكػػف أف نحكػػـ مػػا إذا كانػػت البيانػػات متكافقػػة مػػع نظريػػة العػػدـ ‪.‬‬

‫كعندئػػذ نقػػرر قبػػكؿ أك رفػػض فرضػػية العػػدـ كعػػادة ن ػرفض نظريػػة العػػدـ إذا كانػػت‬

‫قيمة ‪. P < 0.05‬‬

‫ٔ‪ -‬ال بػػد أف ىنػػاؾ حػػد حسػػاب حػػد الثقػػة ‪ Corfidence Interval‬الخػػاص بالمتكسػػط‬

‫يسػمح لنػػا بػالحكـ عمػػى أىميػة النتػػائج المدركسػة السػػيما درجػة الثقػػة ٓٗ ‪ %‬كالتػػي‬

‫تحسب كما يأتي ‪:‬‬

‫القيمة‬ ‫‪S‬‬
‫‪t‬‬ ‫حيث ‪:‬‬ ‫إلى‬ ‫‪X  t 0.05‬‬
‫المحسكبة‬ ‫‪n‬‬
‫‪S‬‬
‫َٓ‪َ.‬‬ ‫المجاؿ‬ ‫‪X  t 0.05‬‬
‫‪n‬‬
‫بإعتبار ‪:‬‬
‫قيمة ‪ t‬المحسكبة ‪ t 0.05‬بالجدكؿ ‪.‬‬
‫بإعتبار أف ‪ t 0.05‬ىي قيمة حرجة ‪ Critical value‬يحصؿ عمييا مف جدكؿ تكزيع ‪t‬‬

‫سػتكدنت (الممحػؽ ‪ )A3‬مػع درجػة حريػة ‪ n – 1‬كىػي تعطػي إجمػالي المنطقػة الذيميػة‬

‫لمتكزيع باحتمالية َٓ‪. َ.‬‬

‫مثاؿ ‪:‬‬

‫يظي ػػر الج ػػدكؿ رق ػػـ ٗ مع ػػدؿ الكس ػػب ال ػػكزني الي ػػكمي لعين ػػة عشػ ػكائية ل ػ ػ ّٔ‬

‫خركفػان خاصػان بالتربيػة فػػي إحػػدل كحػدات التربيػػة ‪ .‬يتكقػع معػػدؿ نمػػك فػي كحػػدة التربيػػة‬

‫ىذه َٕٔ غ بػاليكـ لػوُق المرحمػة مػف النمػك اعتمػادنا عمػى المؤشػرات العمميػة المنجػزة‬

‫‪147‬‬
‫حالينا عند ىذه الخراؼ ‪ .‬ىؿ ىذه متكافقة مع معدؿ الكسب الكزني المتراكحة في الكزف‬

‫َٕٔ غ باليكـ ‪.‬‬

‫الجدوؿ رقـ ‪ : 9‬معدؿ الكسب الوزني اليومي لخراؼ (األوزاف بالغراـ)‬

‫ُٖٔ‬ ‫ْٖٓ‬ ‫ََٔ‬ ‫ُِٔ‬ ‫ٔٗٓ‬ ‫ٕٕٓ‬

‫َٕٔ‬ ‫ُٔٓ‬ ‫ٗٓٓ‬ ‫َٔٔ‬ ‫ٖٖٓ‬ ‫ِٕٔ‬
‫ِّٔ‬ ‫ُِٔ‬ ‫ٖٔٓ‬ ‫ٓٔٓ‬ ‫ُٗٓ‬ ‫َٖٔ‬
‫َّٔ‬ ‫ٓٗٓ‬ ‫َٕٓ‬ ‫ُّٔ‬ ‫َِٔ‬ ‫ٖٗٓ‬
‫ٔٗٓ‬ ‫ََٔ‬ ‫ٖٕٓ‬ ‫ْٕٓ‬ ‫ُٔٔ‬ ‫َٓٔ‬
‫ُٖٓ‬ ‫َُٔ‬ ‫ْٗٓ‬ ‫ٖٗٓ‬ ‫ّٔٔ‬ ‫ُٗٔ‬
‫الكسط الحسابي ‪ٓٗٗ.َْٗ = X‬‬
‫االنحراؼ المعيارم ‪ُٖ.ٔٓٔ = S‬‬
‫الخطأ المعيارم‬
‫‪S‬‬
‫‪18.656 / 36 ‬‬
‫‪n‬‬
‫ُ‪ -‬بالنسبة لفرضػية العػدـ ‪ ،‬ىػؿ ىنػاؾ فػرؽ جػكىرم مػع المتكسػط المتكقػع ‪ MO‬حيػث‬

‫المتكسط الحقيقي لمكسب الكزني ىػك َٕٔ غ يكميػنا ‪ .‬ىػؿ الفرضػية البديمػة يمكػف‬

‫أف تستخدـ ىنا ؟‬

‫ِ‪ -‬برسـ مخطط باستخداـ المستطيبلت البسطية أك بككس ككيسكر نجد أف مثؿ ىذه‬

‫البيانات مكزعة طبيعيان تقريبان ‪.‬‬

‫ّ‪ -‬إف الكسط الحسابي لمعينة ىك َْٗ‪ ٓٗٗ.‬غ يكميان مع تقػدير لبلنحػراؼ المعيػارم‬

‫بالقيمة ٔٓٔ‪ ُٖ.‬غ يكمينا ‪ .‬إف اختبار ‪ t‬اإلحصائي ىك كما يأتي ‪:‬‬

‫‪148‬‬
 ‫‪M‬‬ ‫‪599.94  607‬‬ ‫‪599.94  607‬‬
‫‪Test1 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 205‬‬
‫‪S/ n‬‬ ‫‪18.656 / 36‬‬ ‫‪3.109‬‬
‫مع درجة تقدر بػ ‪. n = 36‬‬
‫درجة حرية ‪. n – 1 = degree of freedom‬‬
‫‪. Df = 36 – 1 = 35‬‬
‫ْ‪ -‬كمػا نبلحػظ فػي الجػدكؿ ‪ A3‬أف قيمػة ‪ 0.01 > P < 0.02‬كاذا حسػبنا ىػذه القيمػة‬

‫بالحاسػكب فسػكؼ نحصػؿ عمػى قيمػة ‪ 0.017 = p‬كلػذلؾ لػدينا فرصػة أقػؿ مػف ِ‬

‫‪ %‬لمحصػػكؿ عمػػى متكسػػط كسػػب كزنػػي حػػي أقػػؿ مػػف ِ‪ ٓٗٗ.‬غ يكميػان إذا كانػػت‬

‫فرضية العدـ حقيقية ‪.‬‬

‫ٓ‪ -‬كلػػذلؾ مػػف غيػػر المحتمػػؿ أف تكػػكف فرضػػية العػػدـ حقيقيػػة ‪ .‬فإننػػا ن ػرفض فرضػػية‬

‫العػػدـ ‪ Ho‬كنسػػتنتج أف قػػيـ البيانػػات ىػػي غيػػر متكافقػػة ‪ inconsistent‬مػػع معػػدؿ‬

‫يكمي لمكسب الكزني َٕٔ غ يكمينا ‪.‬‬

‫ٔ‪ -‬إف حد الثقة ) ‪ ( CI : 95 %‬لمعدؿ حقيقي لمكسب الكزني الحي ىك ‪:‬‬

‫‪S‬‬
‫‪X  t 0.05‬‬
‫‪n‬‬
‫أك ‪X SEM‬‬
‫قيمة ‪X  t‬‬
‫عندىا ‪. 0.05 = P‬‬
‫كبإعتبار ‪( X‬الكسط الحسابي) ‪. ٓٗٗ.ُْٗ .‬‬

‫‪( t0.05‬حسبت بالجدكؿ الخاص بتكزيع ‪. ِ.َّ # ِ.َْٓ = )t‬‬

‫‪. 2.03(3.109) = (592.88 , 605.51)  CI : 95 % = 599.194‬‬

‫‪149‬‬
 ‫طريقة التباينات المتساوية‬

‫‪The Approach – Equal Variances‬‬

‫حػػدد فرض ػػية الع ػػدـ الت ػػي تعتمػػد عم ػػى أف مع ػػدالت المجم ػػكعتيف المدركس ػػتيف‬

‫متسػػاكية كعمكم ػان تفتػػرض الفرضػػية البديمػػة أف ىػػذه المعػػدالت غيػػر متسػػاكية كىػػك مػػا‬

‫يعتمد عميو اختبار الفرضية ذات الذيميف ‪. Two Tailed Test‬‬

‫اجمع البيانات كاعرضيا في مخطػط تخطيطػي كاذا كػاف حجػـ العينػة فػي كػؿ‬

‫صغير فػأنجز مخططػان نقطيػان ‪ ،‬كاذا كػاف حجػـ العينػة كبيػ انر فػي كػؿ مجمكعػة‬
‫ان‬ ‫مجمكعة‬

‫فعندئذ مػف السػيكلة بمكػاف رسػـ كتكضػيح أمكنػة تكضػع الكسػيط الحسػابي كقػيـ المػدل‬

‫لمعينػ ػػة المدركسػ ػػة ‪ .‬أك يمكننػ ػػا فحػ ػػص التكزيػ ػػع الطبيعػ ػػي التقريبػ ػػي بكاسػ ػػطة مخطػ ػػط‬

‫مستطيبلت بسيط ‪ .‬كما نفحص التباينات المتساكية باستخداـ اختبار ‪( F‬سيكضح في‬

‫الفصػػؿ القػػادـ) عمم ػنا أف قيمػػة ‪ F‬دائم ػنا سػػكؼ تظيػػر عنػػد إنجػػاز االختبػػار باسػػتخداـ‬

‫الحاسكب ‪.‬‬

‫االختبػػار اإلحصػػائي ينجػػز بكاسػػطة تقسػػيـ الفركقػػات فػػي معػػدالت العينػػة بػػيف‬

‫المجم ػػكعتيف عم ػػى األخط ػػاء المعياري ػػة لك ػػؿ مجمكع ػػة ‪ .‬البرن ػػامج الحاس ػػكبي س ػػينجز‬

‫الحساب ‪ .‬لكف مف الميـ أف نتعمـ ىذا الحساب يدكم كحسابي ‪ ،‬كعندئذ فإف االختبػار‬

‫اإلحصائي لتكزيع )‪ (t‬سيجرم كما يأتي ‪:‬‬

‫‪150‬‬
 ‫‪X1  X 2‬‬
‫‪Test 2 ‬‬
‫‪1‬‬ ‫‪1‬‬
‫) ‪5x 2 ( ‬‬
‫‪n1 n2‬‬
‫كتحسب درجة الحرية ىنا كما يأتي ‪:‬‬
‫‪. n1+ n2 – 2‬‬
‫كبإعتبار أف ‪:‬‬
‫‪ = ni‬عدد المشاىدات ‪.‬‬
‫‪ = Xi‬متكسط العينة ‪.‬‬
‫‪ : Si‬االنحراؼ المعيارم المقدر كالمحسكب كما يأتي ‪:‬‬
‫‪(n  1) S1  (n2  1) S 2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪S  1‬‬
‫‪2‬‬

‫‪n1 n2 2‬‬
‫عادة نحصؿ عمى قيمة ‪ P‬مف النتائج في الحاسكب كلكف يمكف حسػاب قيمػة‬

‫االختبػػار اإلحصػػائي يػػدكينا كنحصػػؿ عمػػى ىػػذه القيمػػة ب باإلشػػارة إلػػى جػػدكؿ تكزيػػع ‪t‬‬

‫(الجدكؿ الممحؽ ‪. ) A3‬‬

‫كعندئػػذ يمكػػف أف تسػػتخدـ قيمػػة ‪ P‬لمحكػػـ عمػػى معنكيػػة كثقػػة البيانػػات بػػالنظر‬

‫إلى فرضػية العػدـ كمػا إذا كػاف مػف الممكػف أف نقبػؿ أك نػرفض فرضػية العػدـ ‪ .‬كعػادة‬

‫نرفض الفرضية إذا كانت قيمة ‪ P‬أقؿ مف َٓ‪. ( P < 0.05 ) َ.‬‬

‫‪ -‬احسػ ػػب درجػ ػػة الثقػ ػػة المناسػ ػػبة (عمػ ػػى سػ ػػبيؿ المثػ ػػاؿ االختبلفػ ػػات كالفركقػ ػػات بػ ػػيف‬

‫متكسطات المجمكعتيف) كاذا لػـ نحصػؿ عمػى درجػة الثقػة ٓٗ ‪ %‬باسػتخداـ الحاسػكب‬

‫يمكننا حسابيا كاآلتي ‪:‬‬

‫)‪CI 45%  ( X1  X 2)  t 0.05 SE( X1  X 2‬‬

‫وبإعتبار أف ‪:‬‬

‫‪151‬‬
 ‫‪S‬‬
‫‪SE ‬‬
‫‪n‬‬
‫) ‪. CI 95%  ( X 1  X 2)  0.05  S (1 / n1  1 / n2‬‬
‫‪t‬‬ ‫‪2‬‬

‫‪ :‬نحصؿ عمييا مف جدكؿ تكزيع ‪. t‬‬ ‫‪t‬‬

‫‪0.05‬‬ ‫كبإعتبار أف قيمة‬
‫درجة الحرية ‪n1 + n2 – 2 :‬‬
‫‪ : S2‬الفرؽ المقدر (عمى افتراض أف الفركقات بيف العينتيف متسػاكيتاف تقريبػان فػي ىػذا‬
‫االختبار)‬
‫كاف احتمالي ػػة ذات ال ػػذيميف لتكزي ػػع )‪ (t‬تك ػػكف قريب ػػة أك مس ػػاكية لقيم ػػة ٔٗ‪ُ.‬‬

‫بل‬
‫(كىػػي تقػػرب عػػادة إلػػى القيمػػة ِ) عنػػدما تكػػكف درجػػات الحريػػة كبيػرة جػػدنا ‪ ،‬لنقػػؿ مػػث ن‬

‫أكبر مف ََِ ‪.‬‬

‫لنق ػؿ إننػػا نريػػد مقارن ػة متكسػػط كزف الجسػػـ فػػي أكقػػات السػػفاد لمجمكعػػة مػػف‬

‫النعاج المستكردة (مع كضع تغذية جيدة ليا خبلؿ عدة أسابيع قبؿ السفاد) كالمجمكعة‬

‫األخرل تكضع شاىدان (نعاج محمية) ‪.‬‬

‫‪ -‬فرضية العدـ ‪:‬‬

‫ُ‪ -‬متكسط كزف الجسـ في النعاج المدركسة في كمتا المجمكعتيف متساكية ‪.‬‬

‫ِ‪ -‬الفرضية البديمة ‪ :‬ىذا المتكسط مختمؼ في كمتا المجكعتيف ‪.‬‬

‫البيانات التي حصمنا عمييا في كمتا المجموعتيف كما ىو في الجدوؿ رقـ ‪.10‬‬

‫‪152‬‬
‫إف حجػػـ العينتػػيف المسػػتكردة كالشػػاىد كانػػت ْٓ عينػػة جمعػػت عش ػكائينا كمػػا‬

‫ظيػػر مػػف الجػػدكؿ السػػابؽ ألكزاف الجسػػـ فػػي كمتػػا العينتػػيف (ِْ عينػػة مسػػتكردة كَّ‬

‫عينة شاىدنا) ‪.‬‬

‫مف خبلؿ تكزيع بكتس ككيسكر في الشكؿ التالي نجد أف تكزيع البيانات ذات‬

‫تكزيع طبيعي تقريبان (الشكؿ ُٔ) ‪.‬‬

‫الجدكؿ رقـ َُ‪ :‬متكسط كزف الجسـ في النعاج المدركسة‬

‫أكزاف مجمكعة النعاج المستكردة‬ ‫أكزاف مجمكعة النعاج الشاىد‬
‫‪7.07‬‬ ‫‪7101‬‬ ‫‪5.06‬‬
‫‪7107‬‬ ‫‪570.‬‬ ‫‪5507‬‬
‫‪5.06‬‬ ‫‪5706‬‬ ‫‪5606‬‬
‫‪570.‬‬ ‫‪5706‬‬ ‫‪5.01‬‬
‫‪560.‬‬ ‫‪5.05‬‬ ‫‪560.‬‬
‫‪5.0.‬‬ ‫‪5.07‬‬ ‫‪5605‬‬
‫‪5506‬‬ ‫‪570.‬‬ ‫‪550.‬‬
‫‪560.‬‬ ‫‪550.‬‬ ‫‪5501‬‬
‫‪5707‬‬ ‫‪560.‬‬ ‫‪5705‬‬
‫‪5507‬‬ ‫‪5.05‬‬ ‫‪5.06‬‬
‫‪570.‬‬ ‫‪5101‬‬ ‫‪5.06‬‬
‫‪5701‬‬ ‫‪5107‬‬ ‫‪5607‬‬
‫‪5705‬‬ ‫‪5605‬‬ ‫‪570.‬‬
‫‪5501‬‬ ‫‪560.‬‬
‫‪5.07‬‬ ‫‪5.06‬‬
‫‪5.05‬‬ ‫‪5601‬‬

‫‪153‬‬
 ‫‪5606‬‬
‫‪5701‬‬
‫‪550.‬‬
‫‪560.‬‬
‫‪5607‬‬
‫‪5706‬‬
‫‪550.‬‬
‫‪5.0.‬‬
‫الشكؿ رقـ (ُٔ) ‪ :‬تكزيع بككس ككيسكر (عينات الشاىد ‪ )Control‬ك العينات المستكردة‬
‫(‪)Flushed‬‬

‫يمك ػػف إجػ ػراء ى ػػذا االختب ػػار بكاس ػػطة أم برن ػػامج إحص ػػائي ف ػػي الحاس ػػكب أك‬

‫يمكف حساب قيمة تكزيع )‪ (t‬اإلحصائي لعينتيف كما يأتي ‪:‬‬

‫‪Variance of means‬‬
‫‪Test 2 ‬‬
‫)‪SE (Variance of means‬‬

‫‪154‬‬
‫حي ػػث ‪ :‬الص ػػكرة تمث ػػؿ التب ػػايف ف ػػي المع ػػدالت كالمخ ػػرج يمث ػػؿ حاص ػػؿ ض ػػرب الخط ػػأ‬

‫المعيارم بتبايف المعدالت ‪:‬‬

‫‪1.5433‬‬
‫‪‬‬ ‫‪ 2.43‬‬
‫‪0.655‬‬

‫درجة الحرية ‪df = 24 + 30 – 2 = 52 :‬‬

‫كنحسب قيمة المخرج كالتي ىي‪( SE :‬تبايف المتكسطات ) كما يمي‪:‬‬

‫‪23(2.52) 2  29(2.447) 2 1‬‬ ‫‪1‬‬

‫‪(  )4‬‬
‫‪24  30  2‬‬ ‫‪24 30‬‬

‫إف قيمة ‪ P‬التي يمكف أف تظير لدينا (لممعنكية ذات الذيميف) كالتػي يمكػف أف‬

‫تحسػػب أكتكماتيكي ػان بكاسػػطة الحاسػػكب ىػػي ‪ P = 0.018‬كىػػي مؤشػػر عمػػى أف ىنػػاؾ‬

‫فرصة لمحصكؿ عمى فرؽ بيف المعدالت كيقدر بػ ٗٓ‪. ُ.‬‬

‫كاذا حسػػبنا ىػػذه القيمػػة يػػدكيان فػػإف قيمػػة تكزيػػع )‪ (t‬يشػػار إلييػػا بالقيمػػة (‪)2.43‬‬

‫فػػي الجػػدكؿ ) ‪ ( A3‬الممحػػؽ ‪ .‬مػػع درجػػة حريػػة ‪ 52‬كنجػػد أف قيمػػة ) ‪ ( P‬تقػػع بػػيف‬

‫المجاليف ‪. 0.01 < P < 0.02‬‬

‫كبالنظر إلى فرضية العدـ ‪ ،‬نجد أنو ال تكجد فػركؽ فػي متكسػط أكزاف الجسػـ‬

‫في كمتا المجمكعتيف ‪ ،‬فمف غير المحتمؿ أف تككف ىذه الفػركؽ حقيقيػة كلػذلؾ تػرفض‬

‫فرضية العدـ كبالمقابؿ بالنظر إلى الفرضية البديمة ) ‪ ( H1‬نجد أنو ىناؾ فركقػات فػي‬

‫متكسط أكزاف الجسـ ‪ .‬كىكذا فإف متكسط أكزاف الجسػـ معنكيػة الفركقػات بالمقارنػة مػع‬

‫‪155‬‬
‫متكس ػػط أكزاف الجس ػػـ ف ػػي النع ػػاج المس ػػتكردة كبمع ػػدؿ ‪ 1.59‬كػ ػ أكث ػػر قيم ػػة م ػػف تم ػػؾ‬

‫األكزاف عند نعاج الشاىد المحمية ‪.‬‬

‫‪ -‬درجة الثقة ‪ % 95‬تحسب كما يأتي ‪:‬‬

‫‪CI : 95 % = 1.59 ± 2.007‬‬

‫) ‪= ( 0.28 – 2.41‬‬

‫كنحصؿ عمى القيمة ‪ 2.007‬مف جدكؿ تكزيع ‪( t‬الممحؽ ‪)A3‬‬

‫اختبار )‪ (t‬المعدؿ – التباينات غير المتساوية‪:‬‬

‫‪Modified t – Test – Unequal Variances‬‬

‫إذا كانت الفركقات فػي كمتػا المجمػكعتيف غيػر متسػاكية فػإف الفػرؽ المقػدر ‪S2‬‬

‫عندئػ ػػذ ‪ ،‬يس ػ ػػتخدـ ف ػ ػػي مخ ػ ػػرج ‪/‬مق ػ ػػاـ‪ /‬القػ ػػانكف الخ ػ ػػاص باالختب ػ ػػار اإلحص ػ ػػائي ف ػ ػػي‬

‫المجمػكعتيف ‪ . Test 2‬كعنػدما يمكػػف حسػػاب اختبػػار ‪ t‬المعػدؿ عندئػػذ تكػػكف التباينػػات‬

‫غير متساكية كما يأتي ‪:‬‬

‫‪X1  X 2‬‬
‫‪Test3 ‬‬
‫‪S12 S 2‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫كعمى أية حػاؿ فػإف ىػذا االختبػار ال يتبػع تكزيػع ‪ t‬كلػذلؾ ال يعتبػر تقيػيـ قيمػة‬

‫‪ P‬طريقة مباشرة ‪ .‬إال أنو في العينات الكبيرة الحجـ (أكثر مدة مف ‪ 50‬عينة) ال يتبػع‬

‫‪Approximately‬‬ ‫‪Normal‬‬ ‫اختبػ ػ ػػار ‪ Test3‬تكزيػ ػ ػػع الطبيعػ ػ ػػي التقريبػ ػ ػػي‬

‫‪ . Distribution‬كيمكف عندئذ أف نحصؿ عمى قيمػة ‪ P‬المناسػبة مػف جػدكؿ التكزيػع‬

‫‪156‬‬
‫الطبيعػػي المعيػػارم (فػػي الممحػػؽ ‪ . )A.1‬كاذا كػػاف حجػػـ العينػػة صػػغي نار فإنػػو يجػػب إمػػا‬

‫أف نقكـ بعممية تحكيؿ لمبيانػات إلنجػاز طريقػة الفػركؽ المتسػاكية أك تطبيػؽ اإلخبػارات‬

‫البلمعمميػة المناسػبة ‪ Appropriate non Parametric‬مثػؿ اختبػار مجمػكع ترتيػب‬

‫كيمككسػػكف ‪ Wilcoxon Rank Sum Test‬كالػػذم سيشػػرح فػػي الفص ػكؿ القادم ػة‬

‫كالخاص باختبار ‪ t‬لعينتيف ‪. Tow Sample t Test‬‬

‫اختبار ‪ t‬الزوجي ‪The Paired t – Test‬‬

‫يسػػتخدـ اختبػػار ‪ t‬الشػػفعي عنػػدما يكػػكف لػػدينا عينتػػاف ممثمتػاف كمختارتػػاف مػػف‬

‫الحيكانات المدركسة لمقارنة مشاىدات غيػر مسػتقمة أك زكجيػة (شػفعية) ف عمػى سػبيؿ‬

‫المثػػاؿ عنػػدما تقػػارف مسػػتكيات الغمككػػكز فػػي المصػػؿ عنػػد الكػػبلب بػػالربط مػػع كميػػة‬

‫األنس ػػكليف كمتغي ػػر غي ػػر مس ػػتقؿ عن ػػد اإلص ػػابة ب ػػداء الس ػػكرم م ػػف خ ػػبلؿ تغذي ػػة ى ػػذه‬

‫الكبلب بكجبات فييا ألياؼ قميمة أك كبيرة بأخذ عينة عشكائية في أثناء مراحؿ التجربػة‬

‫‪.‬‬

‫‪Assumptions‬‬ ‫االفتراضات ‪:‬‬

‫إف صبلحية اختبار ‪ t‬الشفعي يعتمد عمى االفتراضات اآلتية ‪:‬‬

‫ُ‪ -‬يكجد اختبار عشكائي ‪ Random Selection‬لمعينة ‪.‬‬

‫ِ‪ -‬مكاف التجربة أيضنا مختار عشكائينا ‪.‬‬

‫‪157‬‬
‫ّ‪ -‬االختبلف ػ ػػات بػ ػ ػػيف أزكاج (أشػ ػ ػػفاع) المشػ ػ ػػاىدات مكزعػ ػ ػػة تكزيع ػ ػ ػنا طبيعي ػ ػ ػنا تقريبي ػ ػ ػنا‬

‫‪ Approximately Normally Distribution‬مػع أف المشػاىدات األكليػة فػي‬

‫كؿ مجمكعة يمكف أف ال تككف مكزعة طبيعينا ‪.‬‬

‫الطريقة ‪The Approach :‬‬

‫بػػنفس الطريقػػة التػػي اسػػتخدمت فػػي اختبػػار العينػػة الكاحػػدة تطبػػؽ ىنػػا ضػػمف‬

‫االفتراضات المنكه بيا سابقنا ‪.‬‬

‫باستخداـ الحاسػكب يمكػف الحصػكؿ عمػى النتػائج لتكزيػع ‪ t‬الشػفعي مباشػرة أك‬

‫يمكػػف تطبيػػؽ االختبػػار اإلحصػػائي بطريقػػة مشػػابية لػػذاؾ المسػػتخدـ فػػي اختبػػار العينػػة‬

‫الكاحدة ‪ .‬كىك يتبع تكزيع )‪ (t‬كىك يعطى كما يأتي ‪:‬‬

‫‪d‬‬
‫‪Test 4 ‬‬
‫‪d‬‬
‫‪SE (d ) ‬‬
‫‪SJ / n‬‬
‫إذ تحسب درجة الحرية كما يأتي ‪:‬‬
‫‪df = n – 1‬‬
‫بإعتبار ‪:‬‬
‫‪ : n‬ىػػك عػػدد األشػػفاع فػػي العينػػة (األزكاج فػػي العينػػة إذ يختػػار كػػؿ حيػكاف نبػػيف عمػػى‬

‫شكؿ زكجيف مع بعض في كؿ عممية (اختبار لكؿ مجمكعة) ) ‪.‬‬

‫‪ : J‬متكسط الفركقات في العينة ‪.‬‬

‫‪ : SE d‬الخطأ المعيارم المقدر لمتبايف ‪/‬الفركقات‪. /‬‬

‫‪158‬‬
 ‫‪ : Sd‬االنحراؼ المعيارم المقدر لمتبايف بيف أزكاج أك أشفاع العينة ‪.‬‬

‫نحصؿ عمػى قيمػة )‪ (P‬إمػا مػف الحاسػكب مباشػرة باسػتخداـ اختبػار ‪ t‬الشػفعي‬

‫أك نحصؿ عمييا باستخداـ قيمة تكزيع )‪ (t‬في الممحؽ )‪ (A.3‬لنقرر إما رفض أك قبكؿ‬

‫فرضية العدـ كعادة نرفض فرضية العدـ إذا كانت قيمة ‪. 0.05 > P‬‬

‫كتحسب درجة الثقة ْٓ ‪ %‬لمعدؿ االختبلؼ الحقيقي كما يأتي ‪:‬‬

‫)‪d  t 0.05 SE (d )  d  t 0.05 (Sd n‬‬

‫حيػػث نحص ػػؿ قيم ػػة ‪ t0.05‬بكاسػػطة ج ػػدكؿ تكزي ػػع )‪ (t‬ف ػػي الممحػػؽ م ػػع حس ػػاب درج ػػة‬

‫الحرية = (‪ ) n – 1‬بالمطابقة إلى االحتمالية ذات الػذيميف مػع مسػتكل بيتػا ‪)َ.َٓ( ‬‬

‫لبلحتمالية ‪.‬‬

‫‪159‬‬
 ‫توــــــــــبرٌي‬
‫اختبارات ‪: t‬‬
‫تػػـ قيػػاس حمػػض البكلػػة كالكريػػاتنيف فػػي ببلزمػػا الػػدـ ركتينيػان لتقيػػيـ كظػػائؼ الكميػػة فػػي‬

‫قطط مريضة ك سميمة ظاىرينا فحصمنا عمى النتائج اآلتية مف المخبر المختص ‪:‬‬

‫حمض البكلة ‪ ، )mmol( 7.5‬كفي عينة عشكائية أخرل شممت ‪140‬قطػة‬

‫سميمة ظاىريا‪ ،‬فػإف متكسػط قيمػة حمػض البكلػة المقيسػة كانػت ‪ ، )mmol( 9.7‬مػع‬

‫خطأ معيارم ‪. )mmol( 0.22‬‬

‫ى ػػؿ يكج ػػد دلي ػػؿ أك مؤش ػػر عم ػػى التغي ػػر ف ػػي اختبلف ػػات النتػ ػائج ب ػػيف المخب ػػر‬

‫كالعينة العشكائية‬

‫‪160‬‬
 ‫الفصل العبشر‬
‫‪CHAPTER TEN‬‬
‫اختجبر الفرضٍة رقن ‪ -2‬اختجبر ‪ F‬لوقبرًة‬
‫هتىسطٍي أو أكثر‬
‫‪HYPO THESIS TEST 2 – THE F TEST‬‬
‫‪COMPARING TWO MEANS OR‬‬
‫‪MORE THAN TWO MEANS‬‬

‫مدخؿ ‪: Introduction‬‬
‫أخذنا بالحسباف اختبارات الفرضية في الفصؿ التاسع اعتمادان عمػى تكزيػع )‪(t‬‬

‫كالتػػي اسػػتخدمت لمقارنػػة المتكسػػطات ‪ .‬فعمػػى سػػبيؿ المثػػاؿ أنجزنػػا اختبػػار ‪ t‬سػػتكدنت‬

‫لعينتيف لمقارنة متكسط أكزاف الجسـ لمنعاج المستكردة كالشاىد المحمية ‪ .‬ىذا االختبػار‬

‫يككف صالحان فقط ليذا إال أننا نريد أف نتأكد أف كمتا المجمكعتيف ليما نفس التبايف أك‬

‫متشابية بتبايناتيا ‪.‬‬

‫ف ػػي ى ػػذا الفص ػػؿ س ػػنقكـ بمراجع ػػة بع ػػض االختب ػػارات الت ػػي تتب ػػع باختباراتي ػػا‬

‫إحصائينا تكزيع )‪ (F‬كالتػي تقػارف الفركقػات بػيف مجػاميع الد ارسػة ‪ .‬كيمكػف أف تسػتخدـ‬

‫اختبارات ‪ F‬استخدامان كاسعان ضمف ىذا المفيكـ كنكع مف الفركؽ لمقارنة متكسطيف أك‬

‫أكثر ليست ىي غير شائعة كحالة مف حاالت دراسات عمـ الحيكاف كالطب البيطرم ‪.‬‬

‫اختبار ‪ F‬لتباينيف متساوييف‬

‫‪161‬‬
‫‪The F – Test for the Equality of two Variances‬‬
‫يدعى اختبار ‪ (F-test) F-‬غالبنا باختبار تناسب التبايف ‪Variance Ratio‬‬

‫كيمكػػف أف يسػػتخدـ لمتقصػػي عػػف نمطػػيف مػػف البيانػػات المتجانسػػة ذات القػػيـ المسػػتمرة‬

‫بينمػػا يسػػتخدـ اختبػػار ليفػػانس ‪ Levenes test‬لتحميػػؿ ف ػرقيف أك أكثػػر فػػي مجػػاميع‬

‫الدراسة ‪.‬‬

‫االفتراضات في توزيع ‪: Assumptions of F- Distribution : F-‬‬

‫اختبار الفرضية ىذا يعتمد عمى افتراضات أف العينػات مسػتقمة بتركيبيػا كىػي‬

‫مختارة عشكائيان مف حيكانات ذات بيانات مكزعة طبيعيان ‪.‬‬

‫الطريقة ‪The a Approach :‬‬

‫ُ‪ -‬حػػدد فرضػػية العػػدـ – بػػأف نقػػكؿ إف ف ػرقيف مػػف حيكانػػات الد ارسػػة ذات انح ارفػػات‬

‫معياريػػة متسػػاكية ‪  2 2 ,  21‬ثػػـ حػػدد الفرضػػية البديمػػة التػػي ترتكػػز عػػادة عمػػى أف‬

‫التباينات بيف حيكانات الدراسة متساكية ‪.‬‬

‫ِ‪ -‬جم ػػع كفح ػػص البيان ػػات كم ػػف ث ػػـ تمخيص ػػيا برس ػػكـ خطي ػػة نقطي ػػة أك عم ػػى ش ػػكؿ‬

‫مستطيبلت بسيطة أك باستخداـ بككس ككيسكر كباستخداـ ىذه الرسكمات نفحص‬

‫التكزيع الطبيعي لمبيانات حسب افتراضات تكزيع ‪. F-‬‬

‫ّ‪ -‬نختار االختبار المناسب بالحاسكب أك نحسب يدكيان االختبار اإلحصائي ‪.‬‬

‫‪162‬‬
‫كىنا نشتؽ الفركقات المقدرة بيف حيكانػات الد ارسػة بكاسػطة تناسػب االنحػراؼ المعيػارم‬

‫في العينة ذات القيمة األكبر ) ‪ ( S12‬عمػى االنحػراؼ المعيػارم فػي العينػة ذات القيمػة‬

‫األصغر ىذا التناسب يتبع تكزيع ‪ F-‬كيعطى بالتناسب اآلتي ‪:‬‬

‫‪2‬‬
‫‪S1‬‬
‫‪Test5 ‬‬ ‫‪2‬‬
‫‪S2‬‬
‫مع قيمة درجة حرية ‪. n 2 – 1 , n1 – 1‬‬

‫بإعتبار أف درجة الحرية ‪ n1 – 1‬تمثػؿ درجػة الحريػة لبلنحػراؼ المعيػارم ذم‬

‫القيمػػة األكبػػر فػػي ‪/‬مقػػاـ‪ /‬التناسػػب بينمػػا درجػػة الحريػػة ‪ n2 – 1‬تمثػػؿ درجػػة الحريػػة‬

‫لبلنحراؼ المعيارم ذم القيمة األصغر في ‪/‬مخرج بسط‪ /‬التناسب ‪.‬‬

‫كبإعتبار أف ‪ n1‬ك ‪ n2‬تمثبلف حجمي عينتيف ‪.‬‬

‫ْ‪ -‬حدد قيمة ‪ P‬االحتمالية ‪ :‬يمكف أف نحصؿ عمى ىذه القيمة مباشرة مػف الحاسػكب‬

‫أك يمكػػف الحصػػكؿ عمييػػا بػػالمجكء إلػػى جػػدكؿ ‪( F-‬الممحػػؽ ‪ ، A.5‬جػػدكؿ) ‪ .‬ففػي‬

‫ىػػذا الجػػدكؿ تكجػػد عػػدة صػػفكؼ أك أعمػػدة تتطػػابؽ مػػع درجػػات الحريػػة لمص ػػكرة‬

‫‪/‬المقػػاـ‪/ /‬كالمخرج‪/‬البسػػط‪ . /‬كىػػك مػػا يمثػػؿ تناسػػب ‪ (F ratio) F-‬أك قيمػػة ‪F‬‬

‫بالمعنى اإلحصائي كبالنتيجة نحصؿ عمى نفس الجدكؿ عمى قيمة ‪. P‬‬

‫ٓ‪ -‬ثػػـ نسػػتخدـ قيمػػة ‪ P‬لمحكػػـ مػػا إذا كانػػت البيانػػات المدركسػػة متكافق ػة مػػع فرضػػية‬

‫العدـ‪ .‬كمف ثـ نقرر ما إذا كنا نرفض أك نقبؿ فرضية العدـ كعادة ترفض فرضية‬

‫العدـ إذا كانت قيمة أقؿ مف (َٓ‪. ( P < 0.05 ) )َ.‬‬

‫‪163‬‬
‫كعػػادة ننجػػز ىػػذا االختبػػار لتقيػػيـ التسػػاكم فػػي الفركقػػات لتصػػؿ إلػػى نتيجػػة حػػكؿ‬

‫تطابؽ االفتراض في االختبارات األخرل مثؿ اختبػارات )‪ (t‬لعينتػيف ‪ .‬كلػذلؾ مػف غيػر‬

‫المحبػػب كالممكػػف أننػػا سػػنحتاج إلػػى تطبيػػؽ درجػػة الثقػػة لتناسػػب فػػرقيف ‪ .‬إذ أف درجػػة‬

‫الثقة لتناسب الفرؽ تعتمد عمى تكزيع ‪. F-‬‬

‫مثاؿ ‪:‬‬
‫قارنػػا فػػي مثالنػػا السػػابؽ باختبػػار )‪ (t‬لعينتػػيف متكسػػط معػػدؿ أكزاف عينتػػيف مختػػارتيف‬

‫عشكائيان لكؿ مف األغناـ المستكردة كاألغناـ المحمية قبؿ فترة التزاكج ‪.‬‬

‫ُ‪ -‬مف الرسـ البياني باستخداـ بككس ككيسكر كجد أف كمتا العينتاف مكزعتػاف طبيعيػنا‬

‫‪.‬‬

‫ِ‪ -‬نريد أف نفحص فرضية التباينات المتساكية بحسػاب تناسػب كػبل الفػرقيف المقػدريف‬

‫كبإعتب ػ ػػار أف االنحػ ػ ػراؼ المعي ػ ػػارم لمكس ػ ػػب ال ػ ػػكزني لك ػ ػػبل الن ػ ػػكعيف م ػ ػػف األغن ػ ػػاـ‬

‫المستكردة كالشاىدة المحمية ىي كما يأتي ‪:‬‬

‫ِِٓ‪ ِ.‬كػ ػ ك ْٕٗ‪ ِ.‬كػ ػ كك ػػذا ك ػػاف الفرق ػػاف المق ػػد ارف لك ػػبل الن ػػكعيف م ػػف األغن ػػاـ‬

‫ىما ‪:‬‬

‫كل ػػذلؾ ف ػػإف تناس ػػب التب ػػايف األكب ػػر عم ػػى التب ػػايف‬ ‫ِ(َِٕ‪ )ٓ.‬كػ ػ ك ِ(ِّٓ‪ )ٔ.‬كػ ػ‬

‫األصغر كما يأتي ‪:‬‬

‫‪6.235‬‬
‫‪ 1.23‬‬
‫‪5.072‬‬

‫‪164‬‬
 ‫كبإعتبار أف عدد األغناـ المحمية الشاىد = َّ فإف درجة الحرية‬

‫‪29 = 30 – 1 = n -1‬‬
‫ككذا أمر األغناـ المستكردة = ِْ رأسان كلذا تككف درجة الحرية‬

‫‪23 = 24 – 1 = n - 1‬‬
‫كىك ػػذا بمعرف ػػة قيم ػػة ‪ ُ.ِِّ F‬ف ػػي الج ػػدكؿ الممح ػػؽ ))‪ (A.5(b‬م ػػع درج ػػة‬

‫حرية ِٗ ك ِّ نبلحظ أنو ال يكجد عمكد لدرجة الحريػة ِٗ فػي البسػط (الصػكرة) أك‬

‫صؼ لدرجة الحرية ِّ فػي المقػاـ (المخػرج) فإننػا نجػد أف قيمػة ‪ ُ.ِّ = F‬أقػؿ مػف‬

‫القيمة المجدكلة (َٗ‪ )ِ.‬لدرجة حرية غير محدكدة (‪ )‬فػي البسػط كَِ درجػة حريػة‬

‫في المخرج لقيمة ‪ P / 2 = 0.025‬كىكذا فإف قيمة ‪ P‬أقؿ مف َٓ‪َ.‬‬

‫اختبار ليفيز لتساوي فرقيف أو أكثر‬

‫‪Levene's Test for the Equality of Two or more Variances‬‬

‫ػار بػػديبلن لمفركقػػات المتجانسػػة‬
‫عنػػدما نسػػتخدـ الحاسػػكب يمكػػف أف نجػػد اختبػ ان‬

‫يدعى اختبار ليفيف ‪ . Levenes test‬كيستخدـ لمقارنة فرقيف ‪ .‬إنو مفيػد بيػذه الحالػة‬

‫ف ػػي مف ػػاىيـ تحمي ػػؿ الف ػػرؽ م ػػف اختب ػػار اإلحص ػػائي المحس ػػكب الختب ػػار ليفيػ ػز يمك ػػف‬

‫الحصكؿ عمى تكزيع ‪. F-‬‬

‫كنبلحػػظ مػػف البيانػػات المػػذككرة فػػي مثػػاؿ الكسػػب الػػكزني لؤلغنػػاـ كباسػػتخداـ‬

‫البرنػػامج اإلحصػػائي ‪ SPSS‬أنػػو يكجػػد فػػي نتػػائج اختبػػار )‪ (t‬لعينتػػيف تضػػميف اختبػػار‬

‫‪165‬‬
‫ليفػػيف لمفػػرؽ المتسػػاكم ‪ .‬كىػػذا يعطػػي قيمػػة ‪ P = 0.617‬كىػػي متكافقػػة مػػع النتيجػػة‬

‫المحصكؿ عمييا حساب تناسب التباينات ‪.‬‬

‫تحميؿ التبايف لممتوسطات المتساوية‬

‫‪The Analysis of Variance (ANOVA) for‬‬

‫‪the Equality of Means‬‬
‫بعػد تحميػؿ التبػايف ‪ (ANOVA) The analysis of variance‬ليسػتخدـ‬

‫لكصؼ تقنيػات إحصػائية لمقارنػة معػدالت مجمػكعتيف أك أكثػر بالبحػث كالتقصػي عػف‬

‫التباين ػات المناسػػبة فيمػػا بينيػػا ‪ .‬إف تحميػػؿ التبػػايف يعتمػػد عمػػى اختبػػار تناسػػب التبػػايف‬

‫كاختبار ‪ F-‬الذم يقارف بيف فرقيف بفحص تناسبيما كربطيما بتكزيع ‪. F -‬‬

‫كمع أف المفاىيـ األساسػية لتحميػؿ التبػايف يمكػف أف نعبػر عنيػا بعبػارات بسػيطة نسػبيان‬

‫فػ ػػإف التفاصػ ػػيؿ الرياضػ ػػية ليػ ػػذا الحسػ ػػاب يمك ػ ػف أف نجػ ػػدىا فػ ػػي العديػ ػػد مػ ػػف الكتػ ػػب‬

‫اإلحصائية لممستكيات المتقدمة في عمػـ اإلحصػاء التػي تكضػح جميعيػا نظريػة تحميػؿ‬

‫التبايف تحميبلن رياضػيان مسػيبان ‪ .‬إال أننػا مػف الميػـ فػي أيامنػا ىػذه أف نكػكف عمػى د اريػة‬

‫بفيػػـ النتػػائج التػػي نحصػػؿ عمييػػا مػػف الحاسػػكب كالتػػي تعطينػػا نتػػائج تحاليػػؿ الفػػركؽ‬

‫مباشرة ‪.‬‬

‫فمف التحميؿ أم مف البرامج اإلحصائية ستيعرض لدينا المعمكمات اآلتية ‪:‬‬

‫‪166‬‬
‫‪ -‬جػػدكؿ تحميػػؿ التبػػايف ‪ Analysis of Variance Table‬الػػذم يكضػػح مصػػادر‬

‫االختبلفات في المتغيرات أك العكامؿ المدركسة لمجاميع أك مجمكعة محددة ‪.‬‬

‫‪ -‬كمػػا ىػػك مبػػيف فػػي الجػػدكؿ رقػػـ (ُُ) الػػذم يكضػػح مقارنػػة االخػػتبلؼ فػػي تركيػػب‬

‫نمطيف مف الخمطات العمفية بالمقارنة بالشاىد ‪.‬‬

‫الجػػػػػػػػػػػػػػػدوؿ رقػػػػػػػػػػػػػػػـ ‪ : 11‬مقارنػػػػػػػػػػػػػػػة االخػػػػػػػػػػػػػػػتالؼ فػػػػػػػػػػػػػػػي تركيػػػػػػػػػػػػػػػب نمطػػػػػػػػػػػػػػػيف‬

‫مف الخمطات العمفية بالمقارنة بالشاىد‬

‫المجمكعة المدركسة‬
‫شاىد‬ ‫خمطة عمفية رقـ (ُ)‬ ‫خمطة عمفية رقـ (ِ)‬
‫×‬ ‫×‬ ‫×‬
‫×‬ ‫×‬ ‫×‬
‫×‬ ‫×‬ ‫×‬
‫×‬ ‫×‬ ‫×‬
‫×‬ ‫×‬ ‫×‬
‫×‬ ‫×‬
‫×‬
‫×‬

‫كمف تحميؿ ىذه البيانات مثبلن سكؼ نحصؿ عمى القيـ اآلتية ‪:‬‬

‫‪Sum of Squares‬‬ ‫‪ -‬مجمكع المربعات‬

‫‪Degress of Freedon‬‬ ‫‪ -‬درجات الحرية‬

‫‪167‬‬
‫كمػػف ثػػـ فػػإف مجمػػكع المربعػػات ىػػذه تقسػػـ عمػػى درجػػات الحريػػة لنحػػدد قيمػػة‬

‫متكسط المربعات ‪ meam square‬الذم يقدـ إلينػا قيمػة متكسػط التباينػات المناسػبة ‪،‬‬

‫كم ػػف ث ػػـ ف ػػإف متكس ػػط المربع ػػات المحص ػػكؿ عميي ػػا تق ػػارف باس ػػتخداـ اختب ػػار ‪ F-‬كم ػػا‬

‫سنشرحو مفصبلن في ىػذا الفصػؿ الحقػان ‪ .‬كمػف أجػؿ كػؿ عامػؿ مػدركس تحػدد فرضػيةي‬

‫الع ػػدـ مع ػ ً‬
‫ػدالت الحيكان ػػات المدركس ػػة لممج ػػاميع المعرف ػػة عم ػػى افتػ ػراض أني ػػا متس ػػاكية‬

‫بمستكيات محددة لذاؾ العامؿ المدركس ‪.‬‬

‫أنماط تحميؿ التبايف ‪Particular Forms of AOV‬‬

‫ىناؾ عدة أنماط لتحميؿ الفرؽ ‪:‬‬

‫‪ -1‬تحميؿ التبايف وحيد اإلتجاه ‪: One – Way Analysis of Variance‬‬

‫كىػػك أبسػػط شػػكؿ مػػف أنمػػاط تحميػػؿ التبػػايف لعامػػؿ كاحػػد ‪ ،‬كمػػا ىػػك الحػػاؿ فػػي‬

‫اختبار )‪ (t‬لعينتيف عندما يطمب منا تحميؿ مقارنة معدالت أكثر مف مجمكعتيف‪.‬‬

‫‪ -2‬تحميؿ التبايف وحيد اإلتجاه لقياسات متكررة ‪:‬‬

‫‪One – Way Repeated Measures‬‬

‫كىػػك مػػا يشػػابو اختبػػارات )‪ (t‬الزكجيػػة أك الشػػفعية ‪ ،‬مػػثبلن لمقارنػػة ثبلثػة أنمػػاط‬

‫أك أكث ػػر م ػػف أنم ػػاط م ػػف المعالج ػػات الدكائي ػػة ‪ .‬فعندئ ػػذ م ػػثبلن نق ػػكؿ إف ىن ػػاؾ قياس ػػات‬

‫متكػررة لكػػؿ مسػػتكل مػػف الجرعػػات المتكػػررة كلػنفس العامػػؿ المػػدركس كمػػا ىػػك مكضػػح‬

‫فػػي الجػػدكؿ اآلتػػي الػػذم يبػػيف تحميػػؿ التبػػايف الكحيػػد اإلتجػػاه لقياسػػات متكػػررة لمجػػاميع‬

‫‪168‬‬
‫م ػ ػ ػ ػ ػ ػ ػ ػػف الحيكانػ ػ ػ ػ ػ ػ ػ ػ ػػات المعالج ػ ػ ػ ػ ػ ػ ػ ػػة بجرعػ ػ ػ ػ ػ ػ ػ ػ ػػات مختمف ػ ػ ػ ػ ػ ػ ػ ػػة بالمقارنػ ػ ػ ػ ػ ػ ػ ػ ػػة بالشػ ػ ػ ػ ػ ػ ػ ػ ػػاىد‬

‫(الجدكؿ رقـ ُِ) ‪.‬‬

‫جدوؿ رقـ (‪ : )12‬مقارنة بيف المجموعات المعالجة‬

‫مجمكعات المعالجة‬
‫أرقاـ الحيكانات‬ ‫الجرعة رقـ‬ ‫الجرعة رقـ‬
‫جرعة الشاىد‬
‫المعالجة‬ ‫(ِ)‬ ‫(ُ)‬
‫ُ‬ ‫×‬ ‫×‬ ‫×‬
‫ِ‬ ‫×‬ ‫×‬ ‫×‬
‫ّ‬ ‫×‬ ‫×‬ ‫×‬
‫ْ‬
‫ٓ‬

‫‪K‬‬

‫‪ -3‬تحميؿ التبايف باتجاىبف ‪Two – Way Analysis of Variance‬‬

‫كىي تقكـ بفحص تػأثير عػامميف تحػت اسػتجابة معينػة عنػدما يكػكف لػدل ىػذه‬

‫العكامػػؿ مسػػتكياف أك أكثػػر مػػف التػػأثير ‪ .‬فعندئػػذ نقػػكـ بإنشػػاء جػػدكؿ الطريقػػة الثنائيػػة‬

‫حيث يمثؿ في كؿ صؼ كعمكد مستكيات لكؿ مف العامميف المدركسيف ‪.‬‬

‫‪169‬‬
‫كعندما يكػكف ىنػاؾ تػداخؿ بػيف أحػد المسػتكيات مػع أحػد العػامميف نقػكـ بعمميػة ضػرب‬

‫تػػداخمي لكػػبل المسػػتكييف كىػك مػػا يػػدعى بالفعػػؿ المتبػػادؿ (التػػدافع ) ‪ interaction‬بػػيف‬

‫العكامؿ المدركسة كىذا يككف فقط عندما تككف االختبلفات في مستكيات أحد العامميف‬

‫متشابية مع المستكيات المختمفة لمعامؿ اآلخر ‪.‬‬

‫لنفترض عمى سبيؿ المثاؿ أف ىناؾ نمطيف مف الخمطات العمفية المخصصػة‬

‫لتحقيؽ أفضؿ نمك لمحيكانات المدركسة كىي ما يراد مقارنتو ‪.‬‬

‫بإعتبار أف عدد الحيكانػات التػي أجريػت عمييػا ىػذه الد ارسػة (ِْ) حيكانػان كتػـ‬

‫تقديـ كؿ خمطة مػف ىػاتيف الخمطػات كبكميػات مختمفػة فػي اليػكـ الكاحػد بثبلثػة مقػادير‬

‫مختمفة عف بعضػيا كبالتػالي فػإف لػدينا سػت مجػاميع لمد ارسػة كػؿ مجمكعػة مككنػة مػف‬

‫سػػبعة حيكانػػات كمػػف ثػػـ نقػػكـ بمراقبػػة الكسػػب الػػكزني ليػػذه المجػػاميع خػػبلؿ فتػرة ثػػبلث‬

‫بل باسػػتخداـ طػػرؽ تحميػػؿ التبػػايف فػػإف مػػف الممكػػف أف نقػػارف ‪ -‬مػػا إذا كػػاف‬
‫أشػػير مػػث ن‬

‫ىناؾ اختبلؼ في المقادير الثبلث ىذه مف خبلؿ الكسب الكزني لمحيكانات ‪ -‬بيف كؿ‬

‫مف نمطي الخمطات العمفية المدركسة ‪.‬‬

‫ى ػػذا المث ػػاؿ يمك ػػف أف يكض ػػح بالج ػػدكؿ رق ػػـ (ُّ) الممث ػػؿ بالبيان ػػات المتعمق ػػة بأنم ػػاط‬

‫التغذية في مجاميع الدراسة كبمقادير مختمفة ‪.‬‬

‫‪170‬‬
 ‫تحميؿ التبايف وحيدة اإلتجاه ‪:One – Way AOV‬‬

‫تقػػكـ ىػػذه الطريقػػة فك ػرة التركيػػز عمػػى تحميػػؿ مسػػتكيات عديػػدة لعامػػؿ كحيػػد ‪.‬‬

‫كفػػي كػػؿ مسػػتكل تعػػرؼ مجمكعػػة مػػف المشػػاىدات فعمػػى سػػبيؿ المثػػاؿ يمكػػف أف تمثػػؿ‬

‫و‬
‫معالجات مختمفة كما ذكرنا في مثالنا السابؽ ‪.‬‬ ‫المستكيات‬

‫إف االفتػراض فػػي تحميػػؿ التبػػايف كحيػػد اإلتجػػاه أنيػػا تقػػكؿ إف العينػػات الممثمػػة‬

‫‪Randomly and‬‬ ‫لمجػػاميع الد ارسػػة ىػػي مختػػارة عش ػكائيان كمسػػتقمة عػػف بعضػػيا‬

‫‪ Independently‬كذات بيانػػات مكزعػػة طبيعيػنا ‪ Normally Distributed‬إال أنػػو‬

‫يمكػػف تحميػػؿ بيانػػات ذات تكزيػػع طبيعػػي تقريبػػي مػػع أنػػو يتكقػػع أف يكػػكف ىنػػاؾ تػػأثير‬

‫بسيط في النتائج المحممة ‪.‬‬

‫جدكؿ رقـ (ُّ) ‪ :‬البيانات المتعمقة بأنماط التغذية في مجاميع الدراسة وبمقادير مختمفة‬

‫الخمطات العمفية اليومية المقدمة‬

‫كمية العمؼ‬
‫كمية العمؼ (‪ )1‬كغ‬ ‫كمية العمؼ (‪ )2‬كغ‬
‫(‪ )3‬كغ‬
‫الخمطة العمفية‬ ‫×××‬ ‫×××‬ ‫×××‬
‫رقـ (‪)1‬‬ ‫××××‬ ‫××××‬ ‫××××‬
‫الخمطة العمفية‬ ‫×××‬ ‫×××‬ ‫×××‬
‫رقـ (‪)2‬‬ ‫××××‬ ‫××××‬ ‫××××‬

‫‪171‬‬
‫كاذا مػػا قمنػػا بػػااللتزاـ بتطبيػػؽ فرضػػية االختبػػار فيجػػب أف نقػػكـ بػػإجراء عمميػػة‬

‫تحكيػػؿ لمبيانػػات إل ػى المسػػتكيات المطمكبػػة ‪ Appropriate Transformation‬أك‬

‫استخداـ الطريقة البديمة لمطريقة البلمعمميةلتحميؿ التبايف كحيد اإلتجاه – ‪( Kruskal‬‬

‫)‪ Wallis‬أك الطريقة الثنائية لفريدماف )‪(Friedman two way) . (Friedman‬‬

‫طريقة تحميؿ التبايف وحيد اإلتجاه ‪: The Approach to one – Way AOV‬‬

‫‪ -‬حدد فرضية االختبار (فرضية العدـ أك الفرضية البديمة) المختارة ‪.‬‬

‫اجم ػػع البيان ػػات كاعرض ػػيا بػ ػػنفس الطريق ػػة المس ػػتخدمة باختب ػػار )‪ (t‬لعينتػ ػػيف‬

‫باسػػتثناء أنػػو لػػدينا أكثػػر مػػف مجمػػكعتيف ‪ .‬كمػػف ثػػـ اختب ػر فرضػػية االختبػػار (التكزيػػع‬

‫الطبيعي كالتجانس في الفركؽ) ‪.‬‬

‫استخدـ الحاسكب لحساب االختبار اإلحصائي الذم نجػده فػي جػدكؿ ‪AOV‬‬

‫كىك عبارة عف التناسب بيف المجمكعتيف إلى مجاميع متكسط المربعػات (أك مػا يػدعى‬

‫بتناسب ‪ . (F-ratio) )F‬بإعتبار أف تناسب ‪ F‬يتبع تكزيع ‪ F‬مع درجة حرية )‪(K-1‬‬

‫ك )‪ . (n-K‬بإعتب ػ ػ ػػار أف ‪ : K‬ى ػ ػ ػػك ع ػ ػ ػػدد المجمكع ػ ػ ػػات ك‪ : N‬ى ػ ػ ػػك إجم ػ ػ ػػالي ع ػ ػ ػػدد‬

‫المشاىدات في العينة ‪.‬‬

‫انظػػر بعدئػػذ بقيمػػة )‪ : (P‬كعػػادة تعطػػى قيمػػة ‪ P‬فػػي جػػدكؿ ‪ AOV‬باسػػتخداـ‬

‫التحميؿ فػي الحاسػكب ‪ ،‬أك يمكػف أف تسػتخدـ جػدكؿ تكزيػع ‪ F‬فػي الممحػؽ ))‪(A.5(a‬‬

‫إذ نحػػدد فػػي البدايػػة درجػػة الحريػػة فػػي جػػدكؿ ‪ F‬ثػػـ احسػػب قيمػػة )‪ (K-1‬فػػي الصػػكرة‬

‫‪172‬‬
‫(البسػػط) (بػػيف المجمكعػػات) ثػػـ اسػػتخدـ القيمػػة ‪ n – K‬لحسػػاب المخػػرج (المقػػاـ)‬

‫(درجػػات حري ػػة ضػػمف المجمكع ػػات) كى ػػي مػػا تس ػػمى درج ػػات الحريػػة لمخط ػػأ الممك ػػف‬

‫حدكثو )‪. (Residual‬‬

‫استخدـ قيمة ‪ P‬لمحاكاة البيانات برفض أك قبكؿ فرضػية العػدـ كمػف ثػـ اتخػذ‬

‫الق ػرار بنػػاء عمػػى قيمػػة )‪ (P‬إذ ن ػرفض فرضػػية العػػدـ ‪ Ho‬إذا كانػػت قيمػػة ‪ P‬أقػػؿ مػػف‬

‫َٓ‪ َ.‬فإذا رفضنا فرضػية العػدـ فػيمكف أف نحتػاج إلػى أف ننشػئ القكاعػد عمػى التبػايف‬

‫بيف متكسطات مجاميع الدراسة ‪.‬‬

‫‪ -‬احسػػب درجػػة الشػػفعة لمفركقػػات بػػيف متكسػػطات المجػػاميع بػػنفس الطريقػػة كمػػا ىػػك‬

‫الحاؿ في اختبار )‪ (t‬لعينتيف ‪.‬‬

‫مثاؿ رقمػي لطريقػة تحميػؿ التبػايف الوحيػد اإلتجػاه ‪Example of One – Way‬‬
‫‪AOV‬‬
‫غذيت مجمكعة مف الكػبلب بكجبػات مجففػة كمغطػاة بعكامػؿ يعتقػد أنيػا تػؤثر‬

‫عمػػى تشػػكؿ حصػػيات كترسػػبات فػػي األسػػناف ‪ .‬كتقػػاس عػػادة ىػػذه الترسػػبات فػػي ىػػذه‬

‫الد ارس ػػة بمعػ ػػايير تقػ ػػدر النس ػػبة المئكيػ ػػة لؤلسػ ػػناف المغط ػػاة بالترسػ ػػبات كسػ ػػماكة ىػ ػػذه‬

‫الترسػ ػػبات ‪ .‬فقػ ػػد كجػ ػػد أف (ِٔ) كمب ػ ػان تػ ػػـ اختيػ ػػارىـ عش ػ ػكائيان كاسػ ػػتخدمت فػ ػػي ثػ ػػبلث‬

‫معالجات كىي كاآلتي ‪:‬‬

‫‪173‬‬
‫المجمكعػ ػ ػػة الشػ ػ ػػاىد كمجمكعػ ػ ػػة عكلجػ ػ ػػت باسػ ػ ػػتخداـ بيركفكسػ ػ ػػفات )‪(P2O7‬‬

‫كالمجمكعة الثالثة عكلجت باستخداـ ىيكساميتافكسفات )‪. (HMP‬‬

‫كمػػف ثػػـ قيػػاس سػػماكة ىػػذه الترسػػبات لكػػؿ كمػػب تحػػت ظػػركؼ التجربػػة كبعػػد‬

‫أربعة أسابيع بعد تمقيو المعالجة كما ىك مكضح في الجدكؿ رقـ ُْ‪.‬‬

‫درجػ ػػة الثقػ ػػة ٓٗ ‪ %‬قػ ػػد حسػ ػػبت لكػ ػػؿ معػ ػػدؿ (الخػ ػػاص بالترسػ ػػبات النسػ ػػبية‬

‫مسػتعمميف معػدؿ المربعػات المتبقػي ‪ ّّٓ = residual mean square‬مػف جػدكؿ‬

‫‪ AOV‬كالمحسكب بتقدير التبايف) كما ىك مكضح في الشكؿ رقـ (ُٕ) ‪.‬‬

‫الحؿ ‪:‬‬

‫ُ‪ -‬بالنسػبة لنظريػػة العػدـ ‪ ،‬ىػػؿ أف المعػدؿ الحقيقػػي لمترسػبات فػػي المعالجػات الػػثبلث‬

‫متساكية كفي الفرضية البديمة ىذه الترسبات ليست متساكية عند جميعيا ‪.‬‬

‫ِ‪ -‬مف الشكؿ السابؽ نجد أف البيانات مكزعة طبيعيان تقريبان ‪.‬‬

‫ّ‪ -‬تناسب ‪ F‬في جدكؿ )‪ (AOV‬كالذم سيعرض فيما يأتي نجػد أف قيمػة ‪P = 0.005‬‬

‫‪.‬‬

‫‪174‬‬
‫ْ‪ -‬كلذلؾ فمف غير المحتمؿ أف يككف معدؿ كامػؿ ىػذه المجمكعػات الػثبلث متسػاكينا‬

‫كلذلؾ نرفض فرضية العدـ ‪.‬‬

‫ٓ‪ -‬المعدالت كدرجات الثقة المترافقة ستستعرض في جدكؿ الحؽ ‪.‬‬

‫حيث نجد أف الترسبات كانت بشكؿ عند مجمكعة كبلب الشػاىد كيمعنكيػة كبيػرة = ‪P‬‬

‫‪( 0.004‬مع معدؿ ثقة لمترسبات َٗ‪ ُ.‬مع درجػة ثقػة ٓٗ ‪ %‬تراكحػت بػيف (ُْ‪– ُ.‬‬

‫ٕٔ‪ )َ.‬منػػو مػػف مجمكعػػة الكػػبلب كالمعالجػػة ب ػ ‪ HMP‬بمعػػدؿ ثقػػة لمترسػػبات ْْ‪، َ.‬‬

‫درجة ثقة ٓٗ ‪ %‬تراكحت بيف (ُٗ‪ . )َ.ٖٔ – َ.‬قدرنا التبايف بيف ىذه المتكسطات‬

‫فكػ ػػاف ٓٔ‪ َ.‬كمػ ػػع درجػ ػػة ثقػ ػػة ٓٗ ‪ %‬لمفػ ػػركؽ الحقيقيػ ػػة لممعػ ػػدالت فكػ ػػاف (ُٗ‪– َ.‬‬

‫ُُ‪ )ُ.‬المقارنتاف األخيرتاف لممتكسطات لـ تكف معنكية (قيمة ‪( )0.05 <P‬أم ما بيف‬

‫المعالج ػػة ب ػ ػ ‪ P2O7‬ككمت ػػا المجم ػػكعتيف األخيػ ػرتيف أك ب ػػيف ‪ HMP‬ككمت ػػا المجم ػػكعتيف‬

‫األخيرتيف كما ىك مكضح في الجداكؿ ُْ ذات أرقػاـ ك ُٓ ك ُٔ ك ُٕ ك ُٖ‬

‫ك الشكؿ رقـ ُٕ‪.‬‬

‫‪175‬‬
 ‫الجدكؿ رقـ ( ُْ )‪ :‬تمثيؿ التجربة لتغذية الكبلب بالبيانات التالية‬
‫رقـ الكمب في‬ ‫رقـ الكمب في‬
‫رقـ كمب‬ ‫السماكة‬ ‫السماكة في‬ ‫السماكة في‬
‫المجموعة‬ ‫المجموعة‬
‫التجربة‬ ‫عند كالب‬ ‫مجموعة‬ ‫مجموعة‬
‫الثانية‬ ‫الثالثة‬
‫(الشاىد)‬ ‫التجربة‬ ‫‪P2O7‬‬ ‫‪HMP‬‬
‫)‪(P2O7‬‬ ‫)‪(P2O7‬‬
‫ُ‬ ‫ْٗ‪َ.‬‬ ‫َُ‬ ‫ّْ‪َ.‬‬ ‫ُٗ‬ ‫ّْ‪َ.‬‬

‫ِ‬ ‫َٓ‪ُ.‬‬ ‫ُُ‬ ‫ٕٔ‪َ.‬‬ ‫َِ‬ ‫َٓ‪َ.‬‬

‫ّ‬ ‫ٕٗ‪َ.‬‬ ‫ُِ‬ ‫ْٓ‪َ.‬‬ ‫ُِ‬ ‫ّٓ‪َ.‬‬

‫ْ‬ ‫ّٓ‪ُ.‬‬ ‫ُّ‬ ‫ٗٔ‪َ.‬‬ ‫ِِ‬ ‫ُٗ‪َ.‬‬

‫ٓ‬ ‫ٓٓ‪َ.‬‬ ‫ُْ‬ ‫ٕٖ‪َ.‬‬ ‫ِّ‬ ‫ِٖ‪َ.‬‬

‫ٔ‬ ‫ّٔ‪ُ.‬‬ ‫ُٓ‬ ‫ْٗ‪َ.‬‬ ‫ِْ‬ ‫ْٓ‪َ.‬‬

‫ٕ‬ ‫ٓٓ‪ُ.‬‬ ‫ُٔ‬ ‫ِِ‪َ.‬‬ ‫ِٓ‬ ‫ُٕ‪َ.‬‬

‫ٖ‬ ‫ٔٔ‪ُ.‬‬ ‫ُٕ‬ ‫َٕ‪ُ.‬‬ ‫ِٔ‬ ‫ٓٗ‪َ.‬‬

‫ٗ‬ ‫ُ‬ ‫ُٖ‬ ‫ّٖ‪ُ.‬‬

‫المجمكعة الشاىد‬ ‫مجمكعة ‪P2O7‬‬ ‫مجمكعة ‪HMP‬‬
‫حجـ العينة‬ ‫ٗ‬ ‫ٗ‬ ‫ٗ‬
‫(المتكسط الحسابي)‬ ‫َٗ‪ُ.‬‬ ‫ٕٓ‪َ.‬‬ ‫ْْ‪َ.‬‬
‫‪( SD‬االنحراؼ‬
‫ِْ‪َ.‬‬ ‫ّٕ‪َ.‬‬ ‫ِٗ‪َ.‬‬
‫المعيارم)‬
‫متكسط الخطأ‬
‫ُْ‪َ.‬‬ ‫ُِ‪َ.‬‬ ‫َُ‪َ.‬‬
‫المعيارم ‪SEM‬‬
‫درجة الثقة ‪CI :‬‬ ‫(ّٕ‪– ُ.‬‬
‫(َّ‪)َ.ْٔ – ُ.‬‬ ‫(ْٕ‪)َ.ُّ – َ.‬‬
‫ٓٗ ‪* %‬‬ ‫ُٖ‪)َ.‬‬

‫‪176‬‬
 ‫الشكؿ رقـ (ُٕ)‪ :‬تكزيع بككس ككيسكر لمجمكعات التجربة في الكبلب‬

‫جدوؿ رقـ (‪ : )15‬النتائج المحصوؿ عمييا مف الحاسوب لتحميؿ التبايف‬

‫لبيانات الكالب المعالجة ضد الترسبات السنية لثالث مجموعات‬

‫معدؿ‬ ‫االنحراؼ‬ ‫الخطأ‬ ‫درجة الثقة ٓٗ ‪%‬‬

‫‪N‬‬
‫العدد‬ ‫الترسبات‬ ‫المعيارم‬ ‫المعيارم ‪(Std‬‬ ‫الحد‬
‫الحد األدنى‬
‫السنية‬ ‫‪SD‬‬ ‫)‪. Error‬‬ ‫األعمى‬
‫َٖٖ‪ُ.‬‬
‫شاىد‬ ‫ٗ‬ ‫ِِْٓ‪َ.‬‬ ‫َُْٖ‪َ.‬‬ ‫ُّْٕ‪ُ.‬‬ ‫ُْٕٔ‪َ.‬‬
‫ٗ‬
‫ْٕٔ‪َ.‬‬
‫‪P2O7‬‬ ‫ٗ‬ ‫ّْٓٔ‪َ.‬‬ ‫ُِِّ‪َ.‬‬ ‫ََّٕ‪ُ.‬‬ ‫ِْٔٔ‪َ.‬‬
‫ٕ‬
‫المعالجة‬

‫ّْٕ‪َ.‬‬
‫‪HMP‬‬ ‫ٖ‬ ‫َِٕٗ‪َ.‬‬ ‫َُِٖ‪َ.‬‬ ‫َٖٓٔ‪َ.‬‬ ‫ُْٓٗ‪َ.‬‬
‫ٓ‬
‫َٕٕ‪َ.‬‬
‫اإلجمالي‬ ‫ِٔ‬ ‫ّْْٓ‪َ.‬‬ ‫‪ٖ.ٕٔٗE-20‬‬ ‫ُْٗٗ‪َ.‬‬ ‫َٗٗٓ‬
‫َ‬

‫‪2‬‬
‫الحظ أف ‪ E – 20‬تعني أف القيمة مضركبة ‪10‬‬

‫‪177‬‬
 ‫جدوؿ رقـ (‪ : ) 16‬اختبار التجانس لمفروقات‬

‫اختبار ليفيف‬ ‫‪df 1‬‬ ‫‪df 2‬‬ ‫المعنكية ‪Sig‬‬

‫‪Levene statistic‬‬
‫الترسبات السنية‬ ‫‪0.855‬‬ ‫‪2‬‬ ‫‪23‬‬ ‫‪0.438‬‬

‫جدوؿ رقـ (‪ : )17‬تحميؿ الفرؽ )‪. (AOV‬‬

‫مجمكع‬ ‫درجة‬ ‫متكسط‬ ‫المعنكية‬

‫قيمة ‪F‬‬
‫المربعات‬ ‫الحرية‬ ‫المربعات‬ ‫‪Sig‬‬
‫الترسبات السنية بيف‬
‫َٖٓ‪ُ.‬‬ ‫ِ‬ ‫َِٗ‪َ.‬‬ ‫ٖٔٔ‪ٔ.‬‬ ‫ََٓ‪َ.‬‬
‫المجمكعات‬
‫الترسبات السنية‬
‫ُِِ‪ّ.‬‬ ‫ِّ‬ ‫ُّٓ‪َ.‬‬
‫ضمف المجمكعات‬
‫اإلجمالي‬ ‫ُٕٗ‪ْ.‬‬ ‫ِٓ‬

‫جدوؿ رقـ (‪ : )18‬المقارنات المتعددة‬

‫درجة الثقة ٓٗ‪%‬‬

‫المجمكعة‬ ‫معدؿ الفرؽ‬ ‫الخطأ‬ ‫المعنكية‬
‫‪،I‬المجمكعة ‪J‬‬ ‫(‪(J-I‬‬ ‫المعيارم‬ ‫‪*‬‬ ‫الحد‬ ‫الحد‬
‫األدنى‬ ‫األعمى‬
‫شاىد ‪P2O7‬‬ ‫ِِّْ‪َ.‬‬ ‫ُٕٗ‪َ.‬‬ ‫ُِٖ‪َ.‬‬ ‫َُٓٓ‪َ.‬‬ ‫ٖٕٗٗ‪َ.‬‬

‫‪HMP‬‬ ‫* ُْٓٔ‪َ.‬‬ ‫ُٕٗ‪َ.‬‬ ‫ََْ‪َ.‬‬ ‫ُٖٗٗ‪َ.‬‬ ‫ُُِٗ‪ُ.‬‬

‫شاىد ‪P2O7‬‬ ‫ِِّْ‪َ.‬‬ ‫ُّٕ‪َ.‬‬ ‫ُِٖ‪َ.‬‬ ‫ٖٕٗٗ‪َ.‬‬ ‫َُٓٓ‪َ.‬‬

‫‪HMP‬‬ ‫َِّٗ‪َ.‬‬ ‫ُٕٗ‪َ.‬‬ ‫ُِٗ‪َ.‬‬ ‫ُِّٓ‪َ.‬‬ ‫َٕٕٕ‪َ.‬‬

‫شاىد ‪P2O7‬‬ ‫* ُِٓٔ‪َ.‬‬ ‫ُٕٗ‪َ.‬‬ ‫ََْ‪َ.‬‬ ‫ُُِٗ‪ُ.‬‬ ‫ُٖٗٗ‪َ.‬‬

‫‪HMP‬‬ ‫َِّٗ‪َ.‬‬ ‫ُٕٗ‪َ.‬‬ ‫ُِٗ‪َ.‬‬ ‫َٕٕٕ‪َ.‬‬ ‫ُِّٓ‪َ.‬‬

‫* = تعني معدؿ االختبلؼ في المعنكية عند مستكل المعنكية َٓ‪ = َ.‬‬

‫‪178‬‬
 ‫توـــــــــــبرٌي‬

‫تظير البيانات التالية أكزاف الكبد (ك ) مأخكذة لعينة عشكائية مف األبقػار‬

‫فػػي مػػزرعتيف جنػػكب غػػرب بريطانيػػة خػػبلؿ فت ػرة جائحػػات المتكرقػػات الكبديػػة عنػػد‬

‫األبقار‪.‬‬

‫ُ‪ -‬أكجػػد أكجػػو التشػػابو فػػي األكزاف فػػي كػػبل المػػزرعتيف باسػػتخداـ اختبػػار الفرضػػية‬

‫المناسب‬

‫ِ‪ -‬ىؿ التغير في كبل المشاىدات عند كبل المزرعتيف متشابييف‬

‫المجمكعة األكلى‪:‬‬

‫ُٖ‪ُٕ.ّ – ُٖ.ِ – ُٔ.ٖ – ُٓ.ٗ – ُٕ.ٗ – ُٖ.ِ – ُٖ.ٗ – ُٖ.ٓ -‬‬

‫– ٓ‪ُٔ.ّ – ُٕ – ُٕ.ُ – ُٕ.ٖ – ُٕ.ٕ – ُٕ.‬‬

‫المجمكعة الثانية‪:‬‬

‫ّ‪ُٓ.ٓ – ُٕ.ّ – ُٖ.ٔ- ُٔ – ُٔ.ْ – ُْ.ٗ – ُٕ.ّ – ُّ.ِ – ُْ.‬‬

‫– ٖ‪ُٓ.ِ – ُٖ – ُٓ.ٕ – ُٔ.‬‬

‫‪179‬‬
 ‫الفصل الحبدي عشر‬
‫‪ELEVEN CHAPTER‬‬
‫اختجبرات الفرضٍة ‪ -3-‬اختجبر هرثع كبي –‬
‫هقبرًة الٌست الوئىٌة‬
‫‪HYPOTHESIS TESTS 3-‬‬
‫– ‪THE CHI – SQUARE TEST‬‬
‫‪COMPANING PROPORTIONS‬‬

‫مدخؿ ‪: Introduction‬‬

‫ناقشنا في الفصميف السػابقيف اختبػارات الفرضػية لمكسػط الحسػابي مػع مقػاييس‬

‫الميػػكؿ المركزيػػة كالتشػػتت لممتغيػػر الكمػػي ‪ .‬أمػػا فػػي ىػػذا الفصػػؿ فإننػػا سػػنقكـ بكصػػؼ‬

‫بعض اختبارات الفرضية المتعمقة بالنسب المئكية كذاؾ الحد الذم يمخص المشػاىدات‬

‫لممتغير الثنائي الحد (بينػرم) ‪ Binary variable‬باإلضػافة إلػى ذلػؾ إلػى أننػا سػنقكـ‬

‫بشرح كيؼ نقكـ بتحميؿ بيانات عندما يككف المتغير الذم لو أكثر مف فئتيف ‪.‬‬

‫كسػػنعيد تسػػمية أف المتغيػػر الثنػػائي الحػػد (بينػػرم) ىػػك متغيػػر نػػكعي (فئػػكم)‬

‫عندما تككف ىناؾ فئتيف فقط السػتجابة متغيػر مػا ‪ ،‬كىػاتيف الفئتػيف إمػا أف تنسػب إلػى‬

‫حالة نجاح (الحالة) ‪ Success‬كالثانية ىي حالة (فشؿ) ‪. Failure‬‬

‫عم ػ ػػى س ػ ػػبيؿ المث ػ ػػاؿ نري ػ ػػد التقص ػ ػػي ع ػ ػػف داء البريمي ػ ػػات المس ػ ػػبب بجػ ػ ػراثيـ‬

‫االبريميػػات ‪ Leptospira‬لحػػدكث اإلجيػػاض عنػػد األبقػػار ‪ .‬إف االختبػػار المسػػتخدـ‬

‫‪180‬‬
‫لمتقصػػي عػػف كجػػكد أضػػداد جػراثيـ البريميػػة يمخػػص عمػػى شػػكؿ اسػػتجابة متغيػػر ثنػػائي‬

‫الح ػػد ‪ ،‬فإم ػػا أف تك ػػكف ىن ػػاؾ ح ػػاالت إيجابي ػػة أم حال ػػة (نج ػػاح) أك أف تك ػػكف نتيج ػػة‬

‫االختبار سمبية أم حالة (فشؿ) ‪.‬‬

‫ككػػذلؾ مقارنػػة النسػػب المئكيػػة لؤلبقػػار اإليجابيػػة بػػداء البريميػػات ك المكجػػكدة‬

‫ضمف مجمكعتيف‪ ،‬المجمكعة األكلى أجيضت كالمجمكعة الثانية كلدت عجكالن طبيعيػة‬

‫‪.‬‬

‫اختبار الفرضية لنسب مئوية مفردة‬

‫‪Testing A Hypothesis about A Single Proportion‬‬
‫‪ -1‬الطريقة ‪The Approach‬‬

‫مف خصائص تكزيع العينة التي تككف عمى شكؿ نسػبة مئكيػة نعػرؼ أف مثػؿ‬

‫ىذا التكزيع طبيعي تقريبي ‪ .‬فإذا كػاف حجػـ العينػة )‪ (n‬كبيػ انر فػإف النسػبة المئكيػة )‪(P‬‬

‫ىػػي عبػػارة عػػف تقػػدير غيػػر متحيػػز ‪/‬منحػػرؼ‪ unbiased /‬لنسػػبة الحيكانػػات المدركسػػة‬

‫(‪ )‬كالخطػ ػ ػ ػ ػ ػ ػ ػػأ المعيػ ػ ػ ػ ػ ػ ػ ػػارم لمنس ػ ػ ػ ػ ػ ػ ػ ػبة المئكيػ ػ ػ ػ ػ ػ ػ ػػة فػ ػ ػ ػ ػ ػ ػ ػػي العينػ ػ ػ ػ ػ ػ ػ ػػة يقػ ػ ػ ػ ػ ػ ػ ػػدر كمػ ػ ػ ػ ػ ػ ػ ػػا‬

‫يأتي ‪:‬‬

‫‪P(1  P) / n‬‬

‫مف ىػذه المعمكمػات نختبػر فرضػية النس ً‬

‫ػبة المئكيػة لمنجاحػات فػي مجمكعػة أك‬

‫مزرعة أك قطيع مفرد مف الحيكانات مستعمميف الطريقة اآلتية ‪:‬‬

‫‪181‬‬
‫ُ‪ -‬حػػدكد فرضػػية العػػدـ لمنسػػبة المئكيػػة لعػػدد النجاحػػات فػػي الحيكانػػات المدركسػػة أنيػػا‬

‫مساكية لقيمة محدكدة (‪ . ) 1‬حدد الفرضية البديمة غير مساكية لمقيمة (‪. ) 1‬‬

‫ِ‪ -‬اجمػػع البيانػػات باختبػػار عينػػة عش ػكائية مػػف حيكانػػات الد ارسػػة كصػػنؼ كػػؿ قيمػػة‬

‫مفردة مف حاالت النجاح أك الفشؿ ‪.‬‬

‫ّ‪ -‬احسب االختبار اإلحصائي ‪ test statistic‬مع افتراض كجكد تكزيع طبيعي‬

‫تقريبي‬

‫‪1‬‬
‫‪p  1 ‬‬
‫‪Test6 ‬‬ ‫‪2n‬‬
‫) ‪ 1 (1   1‬‬
‫‪n‬‬

‫بإعتبار أف ‪:‬‬

‫‪ : P‬ىي النسبة المئكية المشاىدة لعدد حاالت النجاح في التجربة ‪.‬‬

‫‪ : n‬ىي عدد أفراد الدراسة في العينة المأخكذة ‪.‬‬

‫) لك ػػبل الج ػػانبيف لبلخ ػػتبلؼ ف ػػي النس ػػب المئكي ػػة تش ػػير إل ػػى‬ ‫الخط ػػكط العمكدي ػػة (‬

‫تجاىؿ عبلقة االختبلؼ ‪.‬‬

‫طرحنػا القيمػة )‪ – 1/(2n‬كتػدعى عامػؿ التصػحيح الثابػت )‪(Continuity Correction‬‬

‫– مف ىذا الفرؽ لنضع االفتراض بيف أيدينا أننا نتعامؿ مع بيانات ذات تكزيع طبيعي‬

‫‪182‬‬
‫كلنقرب البيانات االسمية التكزيع ‪ ،‬كىذا التأثير لعامػؿ التصػحيح ييتجاىػؿ عنػدما يكػكف‬
‫ٍ‬

‫حجـ العينة كبي انر ‪.‬‬

‫ْ‪ -‬حػدد قيمػة )‪ (P‬باسػتعماؿ جػدكؿ التكزيػع الطبيعػي المعيػارم ‪Stondard Normal‬‬

‫‪( Distribution‬الجدكؿ ‪. )A1‬‬

‫ٓ‪ -‬اجعؿ القرار اعتمادان عمى رفض أك قبكؿ فرضية العدـ حسب قيمة )‪. (P‬‬

‫ٔ‪ -‬احسب درجة أك حد الثقة لمنسب المئكية لحاالت النجاح ‪.‬‬

‫حد الثقة ٓٗ ‪ %‬لقيمة ‪ ‬تحسب بالعبلقة‬

‫‪P  1.96 P(1  P) / n‬‬

‫‪: Example‬‬ ‫مثاؿ‬

‫لنفترض أننا نريد التقصػي عػف تناسػب الجػنس فػي األ ارنػب البريػة فػي الفصػؿ‬

‫بل ‪ ،‬أشػرنا إلػى أف تناسػب الجػنس لمػكالدات الحيػة محسػكب بنػاء عمػى تعػداد‬
‫الحالي مث ن‬

‫اإلنػػاث ‪ .‬سػػجبلتنا تظيػػر بكاسػػطة عينػػة عش ػكائية لػ ػ ِٕٗ كالدة منيػػا ‪ ُٕٔ ‬أنثػػى ‪،‬‬

‫الس ػؤاؿ ىنػػا ىػػؿ ىنػػاؾ دليػػؿ ل ػبعض العكامػػؿ (كالعكامػػؿ الكراثيػػة كىػػي عكامػػؿ خطػػكرة‬

‫الرتفاع نسبة نفكؽ األجنة الذككر) تؤثر عمى تناسب الجنس ؟‬

‫ُ‪ -‬فرضػػية العػػدـ ‪ :‬النسػػب المئكيػػة لم ػكالدات الحيػػة لئلنػػاث كالػػذككر فػػي ىػػذه األ ارنػػب‬

‫البرية معرفة بأنيا مساكية لمقيمة ٓ‪ َ.‬بالنسبة لمفرضية البديمة تتقصى عف الحالة‬

‫‪183‬‬
‫العكسية أم أف الكالدات الحية مف الذككر كاإلنػاث فػي ىػذه األ ارنػب البريػة معرفػة‬

‫بأنيا غير مساكية لمقيمة ٓ‪. َ.‬‬

‫ِ‪ -‬النسبة المئكية لئلناث المػأخكذة مػف العينػة العشػكائية اإلجماليػة (ِٕٗ) كالدة حيػة‬

‫ىي ‪:‬‬

‫‪167‬‬
‫‪ 0.562‬‬
‫‪297‬‬

‫االختبار اإلحصائي في ىذه الحالة يحسب كما يأتي ‪:‬‬

‫)‪0.562  0.5  1(594‬‬

‫‪Test 6 ‬‬ ‫‪ 2.08‬‬
‫)‪0.5(1  05) /( 297‬‬

‫مػػف القيمػػة المدرجػػة أعػػبله فػػي العبلقػػة المنػػكه بيػػا َٖ‪ ِ = ِ.‬كباإلشػػارة إلػػى الجػػدكؿ‬

‫)‪ (A.1‬نجد أف قيمة ‪( P = 0.0375‬كيمكف تقريبيا إلى فاصمتيف عشػريتيف فتكػكف قيمػة‬

‫‪ P‬المقربة )‪. (P = 0.04‬‬

‫ٓ‪ -‬حد الثقة ٓٗ ‪ %‬لمنسبة المئكية الحقيقية لكالدات اإلناث الحية ىي ‪:‬‬

‫‪ 0.562  1.9  SE‬‬

‫)‪ 0.562  1.96  0.562(1  0.562) /( 297‬‬
‫‪ 0.51‬‬
‫أو‬
‫‪ 0.62‬‬

‫أم أف حد الثقة ٓٗ ‪ %‬يتراكح مف (ُٓ‪ َ.‬إلى ِٔ‪. )َ.‬‬

‫‪184‬‬
‫مػع أف قيمػة ‪ 0.04 = P‬تعطينػا نتيجػة بػرفض فرضػية العػدـ ‪ ،‬فػإف الحػد األدنػى لدرجػة‬

‫الثقػػة ال يزي ػػد ع ػػف َٓ‪ َ.‬كىػػك مس ػ و‬

‫ػاك لنس ػػبة ال ػػذككر كاإلنػػاث ‪ ،‬كىن ػػا يج ػػب أف نك ػػكف‬

‫ػر عمػػى اسػػتنتاج أف ىنػػاؾ بعػػض العكامػػؿ تػػؤثر عمػػى تناسػػب‬

‫حػػذريف فػػي تركيزنػػا كثيػ نا‬

‫الجػػنس ‪ .‬ىػػذا المثػػاؿ يعطينػػا أيضػان تصػػكر كػػـ يجػػب أف نتػػكخى الحػػذر كالدقػػة بالنسػػبة‬

‫لتعقيدات كتفسيرات القيمة االحتمالية لقيمة )‪. (P‬‬

‫مقارنة نسبتيف مئويتيف – مجموعات مستقمة‬

‫‪Comparing Two Proportions – Independent Groups‬‬
‫نريد عمى سػبيؿ المثػاؿ أف نجػرم تقصػيان عػف اإلجياضػات عنػد األغنػاـ كعػف‬

‫تأثيرىا عمى انتشار البركسيمة الغنمية عند األغناـ ‪.‬‬

‫بيذه الحالة اختيرت عينة عشكائية مػف األغنػاـ المجيضػة سػكاء تمػؾ المجيضػة حػديثان‬

‫(غير المعالجة) أك تمؾ المعالجة بالصادات الحيكية ‪.‬‬

‫كىنػا يػراد إجػراء مقارنػة بػيف ىػػاتيف المجمػكعتيف المعالجػة كغيػر معالجػة كبعػػد‬

‫فتػ ػرة زمني ػػة معين ػػة بالنس ػػبة لتم ػػؾ الحيكان ػػات المش ػػخص ل ػػدييا كج ػػكد ح ػػاالت إيجابي ػػة‬

‫باالختب ػػارات المص ػػمية لؤلغن ػػاـ المدركس ػػة (ح ػػاالت النج ػػاح أك الح ػػاالت اإليجابيػ ػة أك‬

‫الحاالت المخمكجة) في ىاتيف المجمكعتيف المستقمتيف مف حيث المشاىدات ‪.‬‬

‫لتحميؿ ىذا النكع مف الدراسات نعتبر أف حيكانات الدراسة مف مجاميع حيكانيػة مسػتقمة‬

‫عف بعضيا كنستخدـ النسب المئكية لمعينة ‪ P1‬ك ‪ P2‬كنقػدر النسػب المئكيػة لحيكانػات‬

‫‪185‬‬
‫الد ارسػ ػػة ‪ 1‬ك ‪ . 2‬كعندئػ ػػذ نختب ػ ػر فرضػ ػػية أف النسػ ػػب المئكيػ ػػة لحيكانػ ػػات الد ارسػ ػػة‬

‫متشابية بطريقة كاحدة أك بطريقتيف ‪.‬‬

‫ُ‪ -‬يمكننا استخداـ اختبار مربع كام (‪ )2‬الذم سنكرد شرحو بعد قميػؿ كالػذم يعتمػد‬

‫عمى تكزيع مربع كام ‪.‬‬

‫ِ‪ -‬الطريقػػة الثاني ػػة أف نق ػػكـ باس ػػتخداـ التقري ػػب الطبيعػػي إل ػػى التكزي ػػع ثن ػػائي الح ػػديف‬

‫‪ Binomial Distribution‬كنشتؽ االختبار اإلحصائي مع تقريب لمتكزيع الطبيعي ‪.‬‬

‫‪ -‬كباس ػػتخداـ ج ػػدكؿ ‪ 2 × 2‬االحتم ػػالي يمك ػػف أف نمخ ػػص النت ػػائج ف ػػي مثالن ػػا الس ػػابؽ‬

‫بكاسػػطة عػػرض التكػ اررات بمػػا يػػدعى بطريقػػة التكػرار ذم اإلتجػػاىيف ‪Two – Way‬‬

‫‪ frequency‬أك ما يدعى بجدكؿ ‪. 2 × 2‬‬

‫مقارنة نسبتيف مئويتيف في جدوؿ ‪ 2 × 2‬وباستخداـ‬

‫اختبار مربع كاي‬
‫‪Comparing Two Proportions in a 2 × 2 Table Using‬‬
‫‪the Chi – Square Test‬‬
‫إذا لـ يكف ىناؾ تكافؽ بيف االستنتاج كالمجمكعة المدركسة ‪ ،‬نتكقع نسػبان مػف‬

‫حاالت النجاح بأف تككف متشابية في المجمكعة المدركسة الثانية ‪.‬‬

‫كىك ػذا يمكننػػا أف نقػػارف بػػيف النسػػبتيف بالتقصػػي لمتكافػػؽ بػػيف العػػامميف كالمػػذاف يعرفػػاف‬

‫جدكؿ االحتمالية (‪. )2 × 2‬‬

‫‪186‬‬
‫كممػة عامػؿ )‪ (a Factor‬فػي ىػذا المفيػكـ ىػك ذاؾ المتغيػر مػع كاحػد أك أكثػر‬

‫مف الفئات ضمف األفراد المصنفة ‪ .‬كفرضية العدـ في ىػذه الحالػة تحػدد فيمػا إذا كػاف‬

‫ال يكج ػ ػػد تكاف ػ ػػؽ ب ػ ػػيف الع ػ ػػامميف (النتيج ػ ػػة كالمجمكع ػ ػػة) كاثب ػ ػػات أف التش ػ ػػابو لنس ػ ػػبتي‬

‫المجمكعتيف ىي متساكية ‪.‬‬

‫كلك ػػي نحس ػػب االختب ػػار اإلحص ػػائي باس ػػتخداـ ى ػػذه الطريق ػػة يج ػػب أف نق ػػارف‬

‫تك ػرار مػػا نشػػاىده فػػي كػػؿ خميػػة لجػػدكؿ االحتماليػػة (‪ )2 × 2‬لمتك ػرار ‪ .‬كتمػػؾ الخميػػة‬

‫كاثبات مف خبلؿ لفرضية العدـ أف نسب النجاحات في كمتا المجمكعتيف متساكية فإذا‬

‫كانت فرضية العدـ حقيقية فإننا نتكقع نسبة إجمالية مف عدد النجاحات كىي )‪(a + b‬‬

‫‪ / n‬كتطبؽ عمى كمتا المجمكعتيف )‪ (2 , 1‬إف النجاحات المتكقعة تحت شركط فرضػية‬

‫العدـ ىي ‪:‬‬

‫المجمكعة (ُ) ‪(a + c ) × (a + b) / n :‬‬

‫المجمكعة (ِ) ‪(b + d) × (a + b) / n :‬‬

‫األعػػداد المتبقيػػة فػػي كػػؿ مجمكعػػة يتكقػػع أف تحسػػب مػػف عػػدد حػػاالت الفشػػؿ‬

‫ات المتكقعػػة فػػي كػػؿ خميػػة فيػػو مطابقػػة لكػػؿ‬

‫كممػػا سػػبؽ يمكننػػا أف ننشػػئ جػػدكالن التكػ ارر ي‬

‫تكرار مشاىد كما ىك مكضح في الجدكؿ ُٗ ك َِ‪.‬‬

‫فػػإذا كجػػدنا الفػػركؽ بػػيف التك ػ اررات المشػػاىدة كالمتكقع ػة كبي ػرة ن ػرفض فرضػػية‬

‫العدـ ‪.‬‬

‫‪187‬‬
‫نقرر فيما إذا كانت الفركؽ كبيرة بحساب االختبار اإلحصائي المناسب الػذم‬

‫يقرب بكاسطة تكزيع مربع كام ‪.‬‬

‫كأشرنا باالختبار اإلحصائي ىنا إلى الجدكؿ )‪ (A.4‬لتحديد قيمة )‪. (P‬‬
‫الجدوؿ رقـ (‪ : )19‬التك اررات المشاىدة‪.‬‬
‫المجموعات‬ ‫الصؼ‬
‫ُ‬ ‫‪2‬‬ ‫المجموع اإلجمالي‬
‫النتيجة‬

‫نجاح‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪a+b‬‬

‫فشؿ‬ ‫‪c‬‬ ‫‪d‬‬ ‫‪c+d‬‬
‫المجمكع الكمي‬ ‫األعمدة‬
‫‪a+c‬‬ ‫‪b+d‬‬ ‫المجمكع اإلجمالي‬
‫‪n=a+b+c+d‬‬
‫‪b‬‬ ‫‪a‬‬
‫‪ P 2 ‬نسب النجاحات المشاىدة‬ ‫‪P1 ‬‬
‫‪bd‬‬ ‫‪ac‬‬

‫الجدوؿ رقـ (‪ : )20‬التك اررات المتوقعة في الخاليا األربعة مف الجدوؿ‬

‫النتائج‬ ‫المجموعة رقـ (‪)1‬‬ ‫المجموعة رقـ (‪)2‬‬

‫)‪(a  c)(a  b‬‬ ‫)‪(b  d )(a  b‬‬
‫النجاحات‬
‫‪n‬‬ ‫‪n‬‬
‫) ‪(a  c)(c  d‬‬ ‫) ‪(b  d )(c  d‬‬
‫الفشؿ‬
‫‪n‬‬ ‫‪n‬‬

‫‪188‬‬
 ‫االفتراضات ‪: Assumptions‬‬
‫نفت ػػرض ف ػػي اختب ػػار مرب ػػع ك ػػام لمتكاف ػػؽ ف ػػي ج ػػدكؿ االحتمالي ػػة مػ ػع ص ػػفيف‬

‫كعمكديف أف األفراد مختارة عشكائينا مف المجتمع الحيكاني المدركس ‪.‬‬

‫‪ -‬مف اختبػار مربػع كػام (‪ )2‬لمتكافػؽ فػي جػدكؿ (‪ )2 × 2‬ىػك غيػر صػالح إذا كانػت‬

‫التك ػ اررات المتكقعػػة فػػي أم كاحػػدة مػػف الخبليػػا األربع ػة أقػػؿ مػػف ٓ تك ػ اررات كفػػي ىػػذه‬

‫الحالػػة نطب ػؽ اختبػػار فيشػػر ‪ Fishers Exact Test‬كىػػذا يتضػػمف حسػػاب االحتماليػػة‬

‫الدقيقة لجدكلنا المنكه بو ‪.‬‬

‫كفي ىذه الحالة يفضؿ استخداـ الحاسكب لمحصكؿ عمى نتيجة سريعة ‪.‬‬

‫الطريقة ‪: The Approach‬‬

‫‪ -‬حػػدد فرضػػية العػػدـ أف كمتػػا النسػػبتيف لمجمػػكعتي الد ارسػػة متسػػاكية أك معادلػػة بػػأف‬

‫تقكؿ ال يكجد ىناؾ تكافؽ بيف كبل العامميف المدركسيف ‪.‬‬

‫كتحدد الفرضية البديمة عمكمان بأف تقكؿ إف كمتا النسبتيف غير متساكية أك يكجد تكافؽ‬

‫بيف عاممي الدراسة ‪.‬‬

‫‪ -‬اجمع البيانات كاعرض التك اررات المشاىدة في جدكؿ االحتمالية‬

‫(‪.)2 × 2‬‬

‫‪ -‬استخدـ الطريقة المناسػبة الختبػار مػرب مربػع كػام (‪Chi – Squared test )2‬‬

‫في الحاسكب ‪.‬‬

‫‪189‬‬
‫إذا أردنا الحساب يدكينا فعندئذ نحسب التك اررات المتكقعة في كؿ خميػة فػي الجػدكؿ إذا‬

‫كانت فرضية العدـ حقيقية كىنا تحسب قيمة االختبار اإلحصائي لمربع كام كما يأتي‬

‫‪:‬‬

‫‪OE‬‬
‫‪Test7 ‬‬ ‫‪ 0.5‬‬
‫‪E‬‬
‫مع درجة حرية كاحدة ‪.‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : O‬التكرار المشاىد ‪.‬‬
‫‪ : E‬التكرار المتكقع ‪.‬‬
‫القيمػػة المطمقػػة المكجػػكدة بػػيف التك ػرار المشػػاىدة كالمتكقعػػة لنتجاىػػؿ اإلشػػارة المكضػػكع‬

‫لمفرؽ بينيما ‪.‬‬

‫تحسب العبلقة المدرجة أعبله لكؿ خمية في الجدكؿ ‪.‬‬

‫أمػا القيمػة (‪ )0.5‬فيػي تعػرؼ بمػا يسػمى عامػؿ تصػحيح يػاتس ‪Yates correction‬‬

‫كىػػك عامػػؿ يضػػاؼ لتجنػػب االنحػ ارؼ قيمػػة الحسػػاب ‪ .‬ىػػذا االنحػػراؼ يمكػػف أف يظيػػر‬

‫ألننا نقرب تكزيع ِ‪ ‬إلى تكزيع طبيعي مع كجكد بعض التكزيعات المشكمة عمى فئات‬

‫أك ترتيبات ‪.‬‬

‫‪ -‬إف العبلق ػػة المدرج ػػة أع ػػبله لحس ػػاب االختب ػػار اإلحص ػػائي كال ػػذم يع ػػرؼ باالختب ػػار‬

‫‪ (Test 7) 7‬عنػدما يكػكف جػدكؿ االحتماليػة (‪ )2 × 2‬يتضػمف صػفيف كعمػكديف لكػف‬

‫لتقييـ الشكؿ أسرع يحسب ىذا ‪.‬‬

‫‪190‬‬
 ‫‪n (/ ad  bc /  0.5n) 2‬‬
‫‪Test7 ‬‬
‫) ‪(a  b) (c  d ) (a  c)(b  d‬‬

‫‪ -‬احصػػؿ عمػػى قيمػػة )‪ ، (P‬عمػػى العمػػكـ تحسػػب بكاسػػطة الحاسػػكب لكػػف يمكػػف أف‬

‫تشػػتؽ مػػف اإلشػػارة إلػػى القيمػػة المحسػػكبة باالختبػػار اإلحصػػائي فػػي جػػدكؿ تكزيػػع مربػػع‬

‫كام (‪( ، )2‬في الجدكؿ ‪. )A.4‬‬

‫كاالختبار اإلحصائي ىذا يشمؿ درجة حرية كاحدة كىي تعادؿ عدد الصفكؼ مطركحنا‬

‫منيا الرقـ ُ (مثبلن ِ – ُ = ُ) ككذا عدد األعمدة مطػركح منيػا الػرقـ (ُ) (مػثبلن ِ‬

‫– ُ = ُ) ‪.‬‬

‫ار برفض أك قبكؿ فرضية العدـ ‪.‬‬

‫‪ -‬اتخذ قر ان‬

‫عادة كما تعرفنػا سػابقان تػرفض فرضػية العػدـ عنػدما ال يكجػد ىنػاؾ تكافػؽ عنػدما تكػكف‬

‫قيمة ‪ P‬أقؿ مف َٓ‪. َ.‬‬

‫‪ -‬احسب درجة الثقة لبلختبلؼ في النسب المئكية ‪ .‬كاذا لـ تتمكف مف الحصكؿ عمى‬

‫درجة الثقة المشار إلييا بالحاسكب يمكننا حساب درجة الثقة ٓٗ ‪ %‬كما يأتي‪:‬‬

‫) ‪( P1  P2 )  1.96Se ( P1  P2‬‬
‫) ‪P1 (1  P1 ) P2 (1  P2‬‬
‫‪( P1  P2 )  1.96 x‬‬
‫‪n 1‬‬

‫‪191‬‬
 ‫اختبار الترافؽ في جدوؿ االحتمالية ‪R X C‬‬
‫‪Testing Associations in an RXC‬‬
‫‪Contingency Table‬‬
‫يمكننػا أف نتكسػع فػػي اختبػار مربػػع كػام (‪ )2‬لمتكافػؽ فػػي جػدكؿ ‪ 2 × 2‬فػػي‬

‫جػػدكؿ االحتماليػػة كالػػذم يتصػػؼ بكجػػكد صػػفكؼ )‪ (ґ‬كأعمػػدة عػػددىا ‪ c‬كنفتػػرض أنػػو‬

‫يكجػػد سػكا ‪ .‬فػػي الصػػفكؼ )‪ (ґ‬أك)‪ (c‬أك كمييمػػا قػػيـ أكبػػر مػػف القيمػػة )‪ . (2‬كفػػي ىػػذه‬

‫الحالة يتركز االىتمػاـ فػي تحديػد مػا إذا كانػت القػيـ فػي الصػفكؼ أك األعمػدة مرتبطػة‬

‫ببعضيا بطريقة أك بأخرل ‪ .‬كنختبر في ىذه الحالة فرضية العدـ لعدـ التكافؽ بحساب‬

‫مربع كام كاختبار إحصائي ليذه الحالة‪.‬‬

‫‪Assumption‬‬ ‫االفتراضات ‪:‬‬

‫نفترض أف كبل المتغيريف ىػك عمػى شػكؿ فئػات كنعتبػر أف البيانػات المكجػكدة‬

‫في جدكؿ االحتمالية ىذا عبارة عف قيـ لتك اررات معينة ‪ .‬كنفترض أف البيانات مستقمة‬

‫بمعنى أف أم قيمة ألم حيكاف فردم غير مكررة ألكثر مف مرة كاحدة ‪.‬‬

‫الطريقة العامة ‪The General Approach :‬‬

‫الطريقػػة الختبػػار فرضػػية العػػدـ أنػػو ال يكجػػد تكافػػؽ فػػي حيكانػػات الد ارسػػة ب ػيف‬

‫المتغيريف الفئكييف المدركسيف المعرفيف فػي جػدكؿ االحتماليػة ‪ RXC‬المطػابؽ لجػدكؿ‬

‫‪.2 × 2‬‬

‫ُ‪ -‬حدد فرضية العدـ كالفرضية البديمة ‪.‬‬

‫‪192‬‬
 ‫ِ‪ -‬اجمع البيانات كمثميا في جدكؿ االحتمالية ‪.‬‬

‫ّ‪ -‬اختػر أيقػكف اختبػار مربػع كػام ‪ Chi – Squared test‬فػي الحاسػكب أك حسػابان‬

‫ي ػػدكينا بحس ػػاب االختب ػػار اإلحص ػػائي ال ػػذم يق ػػدر تكزي ػػع مرب ػػع ك ػػام كال ػػذم يمث ػػؿ‬

‫بالعبلقة اآلتية ‪.‬‬

‫‪(O  E ) 2‬‬
‫‪Test8  ‬‬
‫‪E‬‬

‫تحسب درجات حرية كما يأتي ‪. (ґ-1) (C-1) :‬‬

‫بإعتبار أف ‪:‬‬

‫‪ : O‬تمثؿ التك اررات المشاىدة ‪.‬‬

‫‪ : E‬تمثؿ التك اررات المتكقعة ‪.‬‬

‫ْ‪ -‬حدد قيمة )‪ (P‬إما بالحاسكب أك بجدكؿ مربع كام ‪. 2 = 169‬‬

‫ٓ‪ -‬قرر قبػكؿ أك رفػض فرضػية العػدـ مػع اعتبػار أف قيمػة )‪ (P‬تػرفض فرضػية العػدـ‬

‫إذا كانت قيمة )‪ (P‬أقؿ مف َٓ‪ َ.‬كالحظ ىنا أننا طالما لػـ نقػدر تػأثير المتغيػرات‬

‫بعضيا عمى بعض ال نستطيع أف نحسب درجة الثقة الخاصة بيا ‪.‬‬

‫‪193‬‬
 ‫مثاؿ ‪:‬‬

‫التػػدريب اآلت ػي فػػي تقنيػػات التمقػػيح عنػػد األبقػػار ‪ .‬بإعتبػػار أف مركػػز التمقػػيح‬

‫االصطناعي قارف ثبلث طرؽ لمتدريب حققت معػدالت نجػاح أدرجػت فػي الجػدكؿ رقػـ‬

‫(ُِ) ‪.‬‬

‫جدكؿ رقـ (ُِ) ‪ :‬مقارنة ثبلث طرؽ لمتدريب في تقنيات التمقيح اإلصطناعي‬

‫الطريقة‬ ‫الطريقة‬ ‫الطريقة‬

‫المجمكع‬
‫األكلى‬ ‫الثانية‬ ‫الثالثة‬
‫ِٕٓ‬ ‫ُِٗ‬ ‫ُِٔ‬
‫حامؿ‬ ‫ِٖٕ‬
‫(ٖٖ‪)ِٓ.‬‬ ‫(ٕ‪)ُٖٕ.‬‬ ‫(ٓ‪)ُِٖ.‬‬
‫ُِّ‬
‫غير حامؿ‬ ‫ٖٕ (ِ‪)ْٗ.‬‬ ‫ْٔ (ّ‪)ٖٔ.‬‬ ‫ِٓٔ‬
‫(ٓ‪)َُِ.‬‬
‫المجمكع‬ ‫ّّٓ‬ ‫ِٔٓ‬ ‫ّْٖ‬ ‫ّٗٗ‬
‫النسب المئكية‬
‫ٖٕ‪َ.‬‬ ‫ٕٓ‪َ.‬‬ ‫ٖٔ‪َ.‬‬ ‫ّٕ‪َ.‬‬
‫لمحامؿ‬
‫‪CI: 95%‬‬
‫ّٕ‪ َ.‬إلى‬ ‫ٗٔ‪ َ.‬إلى‬ ‫ّٔ‪َ.‬‬
‫النسب المئكية‬
‫ِٖ‪َ.‬‬ ‫َٖ‪َ.‬‬ ‫إلىّٕ‪َ.‬‬
‫الحقيقية‬

‫السػؤاؿ ىنػا ىػك ىػؿ يكجػد أم دليػؿ لبلعتقػاد أف طػرؽ التػدريب الثبلثػة تظيػر معػػدالت‬

‫مختمفة مف النجاح ؟‬

‫ُ‪ -‬فرضػػية العػػدـ تكػػكف حقيقيػػة بالنسػػبة لمعػػدالت الحمػػؿ كتكػػكف متشػػابية فػػي طػػرؽ‬

‫الت ػػدريب ال ػػثبلث ‪ .‬كأم طريق ػػة أخ ػػرل لمتعبي ػػر ع ػػف فرض ػػية الع ػػدـ ى ػػذه تب ػػيف أن ػػو‬

‫‪194‬‬
‫اليكجػػد تكافػػؽ بػػيف طػػرؽ التػػدريب الػػثبلث ككػػذا األمػػر بالنسػػبة لحالػػة الحمػػؿ عن ػد‬

‫األبقار ‪ .‬الفرضية البديمة ىي في ىذه الحالة أف معدالت الحمؿ غير متساكية في‬

‫الطرؽ الثبلث ‪.‬‬

‫ِ‪ -‬اجمع البيانات (كىي معركضة في الجدكؿ السابؽ) ‪.‬‬

‫ّ‪ -‬التك ػ ػ اررات المتكقعػ ػػة كالمطمكبػ ػػة ‪ :‬إذا أنج ػ ػػز االختبػ ػػار يػ ػػدكيان (مكضػ ػػحة باألرق ػ ػػاـ‬

‫المكضػػكعة بػػيف قكسػػيف فػػي الجػػدكؿ السػػابؽ) ‪ .‬ف ػالقيـ المتكقعػػة لؤلبقػػار الحكامػػؿ‬

‫لمطريقة األكلى ىي ‪:‬‬

‫‪(353× 728) / (993) = 25880‬‬

‫كىكذا بالنسبة لطرؽ التدريب األخرل ‪.‬‬

‫ينجز ىذا االختبار اإلحصائي كما يأتي ‪:‬‬

‫‪Test8 ‬‬
‫‪C 275  258.802  78  94.202  192  187.682‬‬
‫‪258.80‬‬ ‫‪94.20‬‬ ‫‪187.86‬‬
‫)‪(64  68.32‬‬ ‫‪2‬‬
‫)‪(261  281.52‬‬ ‫‪2‬‬
‫‪(123  102.48) 2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪68.32‬‬ ‫‪281.52‬‬ ‫‪102.48‬‬

‫‪= 1.015 + 2.787+0.099 + 0.273 + 1.496 + 4.110 = 7.8‬‬

‫ْ‪ -‬القيمة المشار إلييا ىذه ىي قيمة تكزيع مربع كام (‪ )2‬كالتي نجدىا في الجدكؿ‬

‫)‪ .(A.4‬كىذه تتكافؽ مع درجات حرية ِ = ( ُ – ِ ) ( ُ – ّ ) فإننا نحصؿ‬

‫عمى قيمة ‪ P‬محصكرة بيف المجاليف ‪ 0.001 > P < 0.01‬كبالتحميؿ اإلحصائي‬

‫باستخداـ الحاسكب نحصؿ عمى قيمة ) ‪. ( 0.008 = P‬‬

‫‪195‬‬
‫بل لرفض فرضية العدـ ألف معدالت النجاح ىي متشابية في‬
‫ٓ‪ -‬كىكذا فإننا نممؾ دلي ن‬

‫طرؽ التدريب الثبلث ‪.‬‬

‫مقارنة نسبتيف مئويتيف لزوجيف مف المشاىدات‬

‫‪Comparing Two Propositions‬‬

‫‪Paired Observations‬‬
‫يتركػػز اىتمامنػػا أحيانػان فػػي مقارنػػة نسػػبتيف مئػكيتيف عنػػدما يكػػكف لػػدينا زكجػػاف‬

‫مػػف النتػػائج عمػػى شػػكؿ متغي ػرات مػػف النػػكع البينيػػرم (ثنائيػػة الحػػد) لنفتػػرض أننػػا نريػػد‬

‫د ارسػػة عينػػة عشػكائية عػػددىا )‪ (m‬مػػف الحيكانػػات كتيقيصػػي فػػي كػػؿ حيػكاف بطػريقتيف ‪.‬‬

‫نبلحظ استجابة كؿ عضك مف النتػائج الشػفعية فػي حالػة نجاحيػا أك فشػميا إذ تسػتخدـ‬

‫كمتا الحالتيف عمى شكؿ متغيرات مف نكع بينيرم ‪.‬‬

‫فعمى سبيؿ المثػاؿ إذا أردنػا مقارنػة فعاليػة التشػخيص لكمتػا الطػريقتيف لمكشػؼ‬

‫عف تريككمكناس الجنينية في الثيراف فإف العينة المأخكذة مف كؿ ثكر تصنؼ بكؿ مف‬

‫الطريقتيف نتيجةن إيجابية (حالة نجاح) أك نتيجةن سمبية (حالة فشؿ) ‪.‬‬

‫تيحديػػد أعػػداد األزكاج فػػي كمتػػا الط ػريقتيف ‪ .‬كفيمػػا ي ػأتي نبػػيف التك ػ اررات المشػػاىدة فػػي‬

‫نماط النتائج المحصكؿ عمييا مف تحميؿ كمتا العينتيف ‪.‬‬

‫‪196‬‬
 ‫التك اررات المشاىدة (‪)A‬‬

‫النتائج باستخداـ كمتا الطريقتيف‬

‫لمتكرار‬ ‫نمط الحالة‬
‫ِ‬ ‫ُ‬
‫‪E‬‬ ‫نجاح‬ ‫نجاح‬ ‫ُ‬
‫‪F‬‬ ‫فشؿ‬ ‫نجاح‬ ‫ِ‬
‫‪G‬‬ ‫نجاح‬ ‫فشؿ‬ ‫ّ‬
‫‪H‬‬ ‫فشؿ‬ ‫فشؿ‬ ‫ْ‬
‫المجمكع‬ ‫‪m‬‬

‫جدوؿ االحتمالية لكمتا الطريقتيف لمتك اررات المشاىدة)‪(B‬‬

‫مجمكع أعداد‬ ‫الطريقة (ِ)‬

‫األزكاج‬ ‫فشؿ‬ ‫نجاح‬

‫‪e+f‬‬ ‫‪f‬‬ ‫‪e‬‬ ‫نجاح‬ ‫الطريقة (ُ)‬

‫‪g+h‬‬ ‫‪h‬‬ ‫‪g‬‬ ‫فشؿ‬

‫‪m=e+f+g+h‬‬

‫اسػػتخدمنا اختبػػار م ػاؾ نيمػػارس ‪ McNemars‬الختبػػار فرضػػية العػػدـ التػػي‬

‫تعتم ػػد عم ػػى أف النس ػػب المئكي ػػة الحقيقي ػػة لع ػػدد النجاح ػػات باس ػػتخداـ كمت ػػا الطػ ػريقتيف‬

‫متساكية ‪ .‬كىذا مف العبلقة‬

‫‪197‬‬
 ‫‪( P1 = (e + f) / m‬في الطريقة األكلى)‬

‫‪( P2 = (e + g) / m‬في الطريقة الثانية)‬

‫كيككف فرؽ التقدير في كمتا الطريقتيف عمى الشكؿ اآلتي ‪:‬‬

‫‪P1 – P2 = (f – g) /m‬‬
‫كىنػػا ييركػز فقػػط عمػػى األزكاج (األشػػفاع) المختمفػػة (أم ليسػػت مػػف نػػكع نتيجػػة‬

‫كاحدة أم إمػا إيجػابي سػمبي أك سػمبي إيجػابي) بينمػا تيتجنػب النتػائج مػف نػكع كاحػد أم‬

‫إيجػػابي مػػع إيجػػابي (نجػػاح – نجػػاح) أك سػػمبي (فشػػؿ مػػع فشػػؿ) كمػػا ىػػك المبػػدأ فػػي‬

‫االختبار اإلحصائي مؾ نيمارس ‪.‬‬

‫يعتمػد اختبػار مػاؾ نيمػارس ‪ Mc Nemars‬عمػى التكػ اررات المشػاىدة ‪ f‬ك ‪g‬‬

‫كتطابقيا مع التك اررات المتكقعة تحسب تحت شركط فرضية العدـ ‪.‬‬

‫‪Assumptions‬‬ ‫االفتراضات ‪:‬‬

‫يفت ػػرض أف يك ػػكف ك ػػبل المتغيػ ػريف (حال ػػة النج ػػاح كالفش ػػؿ) ت ػػابعيف لمتغي ػػرم‬

‫الدراسة كيشاىد كؿ متغير عند كؿ حيكاف مختار عشكائينا عمى شكؿ شفعي ‪.‬‬

‫الطريقة ‪The Approach :‬‬

‫ُ‪ -‬حػػدد فرضػػية العػػدـ التػػي تعتمػػد عمػػى أف النسػػب المئكيػػة لحػػاالت النجػػاح فػػي كػػؿ‬

‫حيكانػػات الد ارسػػة متسػػاكية ‪ .‬حػػدد الفرضػػية البديمػػة كىػػي تعتمػػد عمكم ػان عمػػى أف‬

‫ىناؾ نسبتيف مئكيتيف غير متساكيتيف ‪.‬‬

‫ِ‪ -‬اجمع البيانات كاعرضيا في جدكؿ تكرارم ‪.‬‬

‫‪198‬‬
‫ّ‪ -‬اختػػر أيق ػػكف اختب ػػار مػ ػؾ نيم ػػارس ‪ Mc Nemars‬عن ػػد اس ػػتخداـ الحاس ػػكب أك‬

‫تحسب يدكينا باستخداـ االختبار اإلحصائي الذم يقرب تكزيع مربع كام كىك كما‬

‫يأتي ‪:‬‬

‫)‪( f  g  1‬‬
‫‪2‬‬

‫‪( Test(9) ‬اختبار رقـ ٗ)‬

‫‪f g‬‬
‫مع درجة حرية كاحدة ‪.‬‬

‫يمكػػف أف تجػػد أحيان ػنا أف بعض ػيـ يسػػتخدـ م ػؾ نيمػػارس ‪Mc Nemars‬‬

‫باالختبار اإلحصائي ‪ Test9‬الذم يقرب إلى التكزيع الطبيعي المعيارم‬

‫كما أف القيمة (ُ) في الصكرة (البسط) في اختبار رقـ (ٗ) ىك عامؿ ثابت يطرح مف‬

‫القيمة المطمقة لمفرؽ المقدر (دكف النظر إلػى اإلشػارة) بػيف القيمػة ‪ f‬ك ‪ g‬كيقػرب إلػى‬

‫التكزيع ثنائي الحد باستخداـ تكزيع مربع كام المستمر ‪.‬‬

‫ْ‪ -‬أحص ػ ػػؿ عم ػ ػػى قيم ػ ػػة )‪ (P‬إم ػ ػػا باس ػ ػػتخداـ الحاس ػ ػػكب أك باإلش ػ ػػارة إل ػ ػػى االختب ػ ػػار‬

‫اإلحصػػائي فػػي جػػدكؿ تكزيػػع مربػػع كػػام (‪( ، )2‬الجػػدكؿ ‪ )A.4‬مػػع درجػػة حريػػة‬

‫كاحدة ‪.‬‬

‫ٓ‪ -‬قػػرر قبػػكؿ أك رفػػض فرضػػية العػػدـ مػػع األخػػذ باالعتبػػار قيمػػة )‪ (P‬عػػادة ن ػرفض‬

‫فرضية العدـ إذا كانت قيمة أقؿ مف َٓ‪. َ.‬‬

‫ٔ‪ -‬احسػػب درجػػة الثقػػة لبلخػػتبلؼ (لمتباينػػات) فػػي النسػػب المئكيػػة لمنجاحػػات المقػػدرة‬

‫بالعبلقة ‪.‬‬

‫‪( P1 = ( e + F ) / m‬العينة األكلى) ‪.‬‬

‫‪199‬‬
 ‫ككذلؾ العبلقة‬

‫‪( P2 = ( e + g ) / m‬في العينة الثانية) ‪.‬‬

‫حد الثقة التقريبي ٓٗ ‪ %‬لبلختبلفات الحقيقية في النسب المئكية يعطى بالعبلقة ‪.‬‬

‫‪Fg‬‬ ‫‪1‬‬ ‫‪(F  g ) 2‬‬

‫‪ 1.96‬‬ ‫‪Fg‬‬
‫‪m‬‬ ‫‪m‬‬ ‫‪m‬‬
‫مثاؿ ‪:‬‬

‫مؤشر دليبلن لكجكد التيػاب فػي‬

‫ان‬ ‫يعتبر ارتفاع عدد الخبليا الجسمية في الحميب‬

‫غدة الضرع حددت إحدل الدراسات أف قيمة عدد الخبليا الجسمية ‪( Somatic cell‬‬

‫بل إيجابينا لبللتياب فػي‬

‫مؤشر دلي ن‬
‫نا‬ ‫) ‪ Counts‬عندما تزيد عمى ََّ خمية ‪ /‬مؿ تعتبر‬

‫ػر دلػيبلن سػمبيان لكجػكد التيػاب الضػرع‬

‫غدة الضرع كما ينقص عف ىذا العدد يعتبػر مؤش ان‬

‫ثـ مقارنة النتائج المدرجة أعبله باستخداـ اختبار كاليفكرنيا الخاص بالتياب الضرع (‬

‫) ‪ California Mastitis test‬كاختبػار الفكسػميتؾ اإللكتركنػي ) ‪( Fosmatic test‬‬

‫ث ػػـ الحصػ ػكؿ عم ػػى نت ػػائج إيجابي ػػة ف ػػي (ُٔ) عين ػػة م ػػف أص ػػؿ (ّٖ) عين ػػة باس ػػتخداـ‬

‫اختبػػار كاليفكرنيػػا عمػػى (ّٕ) حالػػة إيجابيػػة مػػف أصػػؿ (ّٖ) عينػػة باسػػتخداـ اختبػػار‬

‫الفكسميتؾ ‪.‬‬

‫ُ‪ -‬اختبػ ػػار الفرضػ ػػية العػ ػػدـ ‪ :‬النسػ ػػب المئكيػ ػػة الحقيقيػ ػػة لكشػ ػػؼ الحػ ػػاالت اإليجابيػ ػػة‬

‫متشابية في كؿ مف اختبار كاليفكرنيا كاختبار الفكسميتؾ ‪.‬‬

‫‪200‬‬
‫اختبػػار الفرضػػية البديمػػة ‪ :‬النسػػب المئكيػػة لمحػػاالت اإليجابيػػة مختمفػػة باسػػتخداـ كمتػػا‬

‫الطريقتيف‪.‬‬

‫ِ‪ -‬بيانات ىذه الدراسة يمكف تمثيميا في الجدكؿ رقـ (ِِ) ‪:‬‬

‫اسػػتنتاجاتنا تشػػير إلػػى أف طريقػػة الفكسػػمتيؾ ليػػا قػػدرة عمػػى كشػػؼ الحػػاالت‬

‫اإليجابية كشفان أفضؿ مف طريقة كاليفكرنيا كنسبة مئكية لحاالت التيابات الضرع ‪.‬‬

‫ٔ‪ -‬تقػ ػػدر النسػ ػػب المئكيػ ػػة لمحػ ػػاالت اإليجابيػ ػػة لبللتيػ ػػاب بالضػ ػػرع باسػ ػػتخداـ اختبػ ػػار‬

‫كاليفكرنيا كاختبار الفكسمتيؾ كما يأتي ‪:‬‬

‫(كاليفكرنيا) ‪ 0.735‬‬
‫‪61‬‬
‫‪83‬‬

‫(اختبار الفكسميتؾ) ‪ 0.880‬‬

‫‪73‬‬
‫‪83‬‬

‫الجدكؿ رقـ (ِِ)‪ :‬نتائج قيـ الخبليا الجسمية في الحميب‬

‫)‪SCC(-‬‬ ‫)‪SCC(+‬‬
‫المجمكع‬
‫(َََُ×ََّ< >)‬ ‫(َََُ×ََّ>)‬
‫اختبار‬
‫ّّ‬ ‫ُْ‬ ‫ٗ‬
‫كاليفكرنيا‬
‫اختبار‬
‫َُ‬ ‫ٖ‬ ‫ِ‬
‫الفكسميتؾ‬
‫ّٖ‬ ‫ِِ‬ ‫ُٔ‬ ‫المجمكع‬

‫‪201‬‬
‫حد الثقة المقدر لبلختبلؼ الحقيقي في النسب المئكية لكشؼ حاالت التيابات الضػرع‬

‫باستخداـ كمتا الطريقتيف آخذيف باالعتبار الشفعي (زكجي المقارنة) كما يأتي ‪:‬‬

‫‪14  2‬‬ ‫‪1‬‬ ‫‪(14  2) 2‬‬

‫‪ 1.96‬‬ ‫‪14  2 ‬‬ ‫‪ 0.1446  0.0892  0.055  0.234‬‬
‫‪83‬‬ ‫‪83‬‬ ‫‪83‬‬

‫بمعن ػػى آخ ػػر ‪ ،‬م ػػع أف اختب ػػار كاليفكرني ػػا ق ػػد ح ػػدد نس ػػبة ح ػػاالت إيجابي ػػة ْٕ‪ %‬م ػػف‬

‫العينات المدركسة حدد اختبػار الفكسػمتيؾ نسػبة حػاالت إيجابيػة ٖٖ ‪ ، %‬فػإف النسػبة‬

‫المئكية لمفرؽ بيف ىاتيف النسبتيف كانت (ُْ ‪ . )ْٕ – ٖٖ = %‬ىذا الفرؽ قد يككف‬

‫في حده األدنى (ٔ‪ )%‬كفػي حػده األعمػى (ِّ‪ . )%‬كىنػا يجػب أف نحكػـ عمػى ىػاتيف‬

‫الطػ ػريقتيف كض ػػمف ش ػػركط معين ػػة م ػػا إذا كان ػػت النس ػػبة ٔ ‪ %‬تؤخ ػػذ بع ػػيف االعتب ػػار‬

‫كاختبلؼ ميـ ‪ ،‬في ىذه الدراسة‬

‫اختبار التوافؽ بواسطة مربع كاي (‪)2‬‬

‫( ‪The Chi – Squared Goodness of Fit – Test (2‬‬
‫إف التكررات المشاىدة فػي كػؿ فئػة لكػؿ اسػتجابة (عمػى سػبيؿ المثػاؿ الصػنؼ‬

‫الجيني أك حد فاصؿ لمتغير مستمر) يمكف أف تقارف بالعدد المتكقع فػي تمػؾ الفئػة إذا‬

‫اتبعت في تكزيع البيانات بالتكزيع النظرم ‪.‬‬

‫كىػػذا يعطػػي اإلمكانيػػة الختبارىػػا إحصػػائيان بترتيػػب تكزيػػع مربػػع كػػام (‪.)2‬‬

‫الحػػظ أنػػو فػػي ىػػذا الػػنص ال نفػػرض أسػػئمة عمػػى التكزيعػػات االسػػمية الثنائيػػة الحػػد أك‬

‫تكزيع بكاسكف مف األعداد المتكقعة كالتي يمكف استثناؤىا ‪.‬‬

‫‪202‬‬
 ‫االفتراضات ‪Assumptions :‬‬

‫فػػي مفيػػكـ اختبػػار التكافػػؽ نفتػػرض أف العينػػة مختػػارة عش ػكائيان مػػف حيكانػػات‬

‫الدراسة كاالستجابات المدركسة مستقمة عف بعضيا كتصنؼ الفئات إلى صفكؼ مميزة‬

‫أك حدكد فكاصؿ محػدكدة ‪ .‬تقريػب تكزيػع مربػع كػام (‪ )2‬ىػك شػكؿ ضػعيؼ إذا كػاف‬

‫التكرار المتكقع أقؿ مف (ٓ) في أكثر مف َِ ‪ %‬مف الفئات المدركسة ‪.‬‬

‫الطريقة ‪The Approach :‬‬

‫‪ -‬فرضية العدـ ‪ :‬تكزيع المتغير في حيكانات الدراسة يتبع تكزيعان نظريان معينان ‪.‬‬

‫‪ -‬الفرضية البديمة ‪ :‬تكزيع المتغير في حيكانات الدراسة ال يتبع تكزيعنا نظرينا معيننا ‪.‬‬

‫ِ‪ -‬اجمع البيانات كاعرضيا في جدكؿ التكرار ‪.‬‬

‫ّ‪ -‬احسب التكرار المتكقع في كؿ فئة كجدد االختبار اإلحصائي إمػا باسػتخداـ أيقػكف‬

‫( ‪ ) α‬في الحاسكب أك يدكيان باستخداـ قانكف ( ‪ ) α‬كما يأتي ‪:‬‬

‫‪(O  E ) 2‬‬
‫‪Test8  ‬‬
‫‪E‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : O‬تمثؿ التكرارت المشاىدة ‪.‬‬
‫‪ : E‬تمثؿ التك اررات المتكقعة ‪.‬‬
‫∑ ‪ :‬مجمكع كامؿ الفئات ‪.‬‬
‫ىذا االختبػار اإلحصػائي يسػمؾ تقريػب مربػع كػام (‪ )2‬مػع درجػات حريػة تقػدر كمػا‬
‫يأتي ‪.‬‬
‫(بمجمكع الفئات) – (عدد الحدكد التي يجب أف تقدر لكي نحسب القيـ المتكقعة) ‪ُ-‬‬

‫‪203‬‬
‫عمػػى سػػبيؿ المثػػاؿ ‪ ،‬الكسػػط الحسػػابي ىػػك حػػد يجػػب أف يقػػدر فقػػط باسػػتخداـ تكزيػػع‬

‫بكاسكف ‪.‬‬

‫ْ‪ -‬احصؿ عمى قيمة )‪ (P‬إما مف الحاسكب أك بالنظر إلى جدكؿ )‪.(A.4‬‬

‫ٓ‪ -‬اتخذ القػرار بقبػكؿ أك رفػض فرضػية العػدـ ‪ .‬كعػادة ال تكجػد ىنػاؾ ضػركرة لػرفض‬

‫فرضػػية العػػدـ إذا كانػػت قيمػػة )‪ (P‬أقػػؿ مػػف (َٓ‪ . )َ.‬كبمػػا أف فرضػػية العػػدـ ال‬

‫ترتبط بتأثير العنصر المدركس ‪ ،‬كالذم نقكـ بتقديره مػف بيانػات العينػة فػبل داعػي‬

‫ألف تحسب درجة أك حد الثقة ‪.‬‬

‫مثاؿ نمكذجي باستعماؿ اختبار مربع كام (‪: )2‬‬

‫فػ ػػي تطبيػ ػػؽ مكػ ػػكف مػ ػػف (ّٓٓ) رأس بقػ ػػرم – كجػ ػػد أف ىنػ ػػاؾ (ُٓ) حالػ ػػة‬

‫إجي ػػاض ناجم ػػة ع ػػف داء البريمي ػػات نم ػػط ‪ – Hardjo‬كذل ػػؾ بػ ػإجراء اختب ػػار االليػ ػ از‬

‫النكعي كقد أدرجت ىذه النتائج في الجدكؿ رقـ (ِّ) ‪.‬‬

‫جدكؿ رقـ ِّ‪ :‬مثاؿ عف نتائج اختبار االلي از‬

‫نتائج االختبار‬ ‫نتائج االختبار‬

‫المجمكع‬
‫المصمي السمبي‬ ‫المصمي اإليجابي‬
‫ُٓ‬ ‫ٗ‬ ‫ٔ‬ ‫اإلجياض‬

‫‪204‬‬
 ‫َِٓ‬ ‫ِْْ‬ ‫ٖٕ‬ ‫حمؿ طبيعي‬

‫ّٓٓ‬ ‫ُْٓ‬ ‫ْٖ‬ ‫المجمكع‬

‫السؤاؿ ‪ :‬ما احتماليةي التكافؽ المشاىدة لحالة اإلجياض مع حمؿ طبيعي ؟‬

‫المنظكرة المتكقعة لحاالت اإلجياض اإليجابية‬

‫َِّٖٔ‪ُٓ/ّٓٓ = َ.‬‬

‫ّٓٓ‪َ.ََِّٖ × ْٖ = َ.‬‬

‫مصؿ إيجابي مع حالة إجياض‬ ‫ّ‪= ِ.‬‬

‫(مصؿ إيجابي مع عدـ كجكد إجياض)‬ ‫ْٔ‪ْٖ -ِ.ّٔ = ُٖ.‬‬
‫ْٔ‪ ُْٓ -ْٖٖ.ّٔ = ُِ.‬احتمالية إجياض مع كجكد مصؿ سمبي‬
‫يمكف تمخيص القيـ المتكقعة في الجدكؿ رقـ ( ِْ ) كما يأتي ‪:‬‬

‫جدكؿ رقـ ِْ‪ :‬القيـ المتكقعة الختبار االلي از‬

‫المجمكع‬ ‫نتائج االختبار‬ ‫نتائج االختبار‬
‫المصمي السمبي‬ ‫المصمي اإليجابي‬
‫ُٓ (ٖ‪)% ِ.‬‬ ‫ْٔ‪ُِ.‬‬ ‫ّٔ‪ِ.‬‬ ‫حالة اإلجياض‬

‫‪205‬‬
 ‫َِٓ (ِ‪ٕٗ.‬‬
‫ْٔ‪ُٖ.‬‬ ‫ّٔ‪ّْٖ.‬‬ ‫حمؿ طبيعي‬
‫‪)%‬‬
‫ّّٓ (ََُ ‪)%‬‬ ‫ْٖ‬ ‫ُْٓ‬ ‫المجمكع‬

‫كبتطبيؽ عبلقة مربع كام (‪)2‬‬

‫‪(O  E ) 2‬‬
‫‪X ‬‬‫‪2‬‬

‫‪E‬‬
‫ثابت ياتس لجداكؿ االحتمالية ‪2 × 2‬‬
‫‪(1O  E1  0.5) 2‬‬
‫‪X2 ‬‬
‫‪E‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : O‬ىي القيمة المشاىدة في كؿ خمية في الجدكؿ ‪.‬‬
‫‪ : E‬القيـ المتكقعة في كؿ خمية ‪.‬‬
‫)‪(6  2.36‬‬ ‫‪2‬‬
‫‪(9  12.64) 2‬‬
‫‪X ‬‬‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2.36‬‬ ‫‪12.64‬‬
‫‪(78  81.64) 2 (442  438.36) 2‬‬
‫‪‬‬
‫‪81.64‬‬ ‫‪438.36‬‬
‫‪3.64‬‬ ‫‪2‬‬
‫‪ 3.64 2  3.64 2‬‬
‫‪X2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2.36‬‬ ‫‪12.64‬‬ ‫‪81.64‬‬
‫‪2‬‬
‫‪3.64‬‬
‫‪‬‬
‫‪438.63‬‬
‫‪X 2  5.61  1.05  0.16  0.03‬‬
‫‪X 2  6.85‬‬
‫واآلف ماذا بعد ‪:‬‬
‫ننظر اآلف إلى قيمة مربع كام (‪ )2‬في جدكؿ تكزيع ‪. X2‬‬
‫الحد األدنى لقيـ ( ‪ ) α‬العمكدية في المستكل المشار إليو كما ىػك ممثػؿ فػي الجػدكؿ‬
‫رقـ (ِٓ)‪.‬‬
‫جدكؿ رقـ ِٓ‪ :‬مستكل المعنكية ك درجة الحرية الختبار االلي از‬

‫‪206‬‬
‫درجة الحرية‬ ‫مستكل المعنكية (قيمة ‪)P‬‬
‫َٓ‪َ.‬‬ ‫َُ‪َ.‬‬ ‫ََُ‪َ.‬‬
‫ُ‬ ‫ْٖ‪ّ.‬‬ ‫ّ‪ٔٔ.‬‬ ‫ّٖ‪َُ.‬‬
‫ِ‬ ‫ٗٗ‪ٓ.‬‬ ‫ُِ‪ٗ.‬‬ ‫ِٖ‪ُّ.‬‬
‫ّ‬ ‫ُٖ‪ٕ.‬‬ ‫ّْ‪ُُ.‬‬ ‫ِٕ‪ُٔ.‬‬
‫ْ‬ ‫ْٗ‪ٗ.‬‬ ‫ِٖ‪ُّ.‬‬ ‫ْٕ‪ُٖ.‬‬
‫ٔ‬ ‫ٗٓ‪ُِ.‬‬ ‫ُٖ‪ُٔ.‬‬ ‫ْٔ‪ِِ.‬‬
‫َُ‬ ‫ُّ‪ُٖ.‬‬ ‫ُِ‪ِّ.‬‬ ‫ٗٓ‪ِٗ.‬‬

‫كلنحسب درجة الحرية نتبع العبلقة المذككرة سابقنا في ىذا الفصؿ كىي‬
‫)‪Df = (R-1) × (C-1‬‬
‫‪ : R‬عدد الصفكؼ (باستثناء الصفكؼ المحتكية عمى مجمكع العمكد) ‪.‬‬
‫‪ : C‬عدد األعمدة (باستثناء األعمدة المحتكية عمى مجمكع الصؼ) ‪.‬‬
‫كفي مثاؿ فإف درجة الحرية بتطبيؽ العبلقة السابقة ‪.‬‬
‫‪df = (2-1) × (2-1) = 1‬‬
‫كلذلؾ تنحصر قيمة )‪ (P‬بيف القيمة َُ‪ َ.‬كالقيمة ََُ‪َ.‬‬
‫‪0.01 > P > 0.001‬‬
‫كلذلؾ ترفض فرضية العدـ كالنتائج المحصكؿ عمييا حقيقية ‪.‬‬

‫‪207‬‬
 ‫الفصل الثبًً عشر‬
‫‪CHAPTER TWELVE‬‬
‫االرتجبط واالًحذار الخطً‬
‫‪LINEAR CORRELATION‬‬
‫‪AND REGRESSION‬‬

‫مدخؿ لفيـ االرتباط واالنحدار الخطي‬

‫‪Introducing Linear Correlation and Regression‬‬
‫شرحنا في الفصؿ السابؽ العبلقػة بػيف المتغيػ ارت الفئكيػة مػع األخػذ بالحسػباف‬

‫أف اختبار مربع كام (‪ )2‬يعتمد عمى مبػدأ فػي فرضػية العػدـ أنػو ال يكجػد تكافػؽ بػيف‬

‫متغيريف ‪.‬‬

‫في ىذا الفصؿ سنصؼ التقنيات اإلحصػائية التػي تسػتخدـ فػي د ارسػة التكافػؽ‬

‫بيف متغيريف مستمريف ‪.‬‬

‫عمػػى سػػبيؿ المثػػاؿ نريػػد د ارسػػة العبلقػػة بػػيف الػػكزف الحػػي كنمػػط التغذيػػة عنػػد‬

‫األغناـ في د ارسػة مثػؿ ىػذه العبلقػة مػثبلن سػيككف لكػؿ مػف االرتبػاط كاالنحػدار الخطػي‬

‫تعريفو الخاص‪.‬‬

‫كمثاؿ آخر ‪ :‬دراسة العبلقة بيف الكزف الحي عند األبقار أك الػدكاجف مػع إضػافة كميػة‬

‫معينة مف عنصر غذائي معطى في عبلئؽ األعبلؼ إلى آخر ما ىنالؾ مف تساؤالت‬

‫ال نرغب في اإلجابة عنيا ‪.‬‬

‫‪208‬‬
‫كم ػػع ميكلن ػػا ف ػػي كثي ػػر م ػػف األحي ػػاف لبلعتق ػػاد بكجػ ػكد عبلق ػػة ارتباطي ػػة ب ػػيف‬

‫ظاىرتيف كدراسة العبلقة بػيف مككنػات قػيـ الػدـ (خبليػا بيضػاء كخبليػا حمػراء كغيرىػا)‬

‫البرىػػاف عممي ػنا عمػػى صػػحة ىػػذا األمػػر بد ارسػػة االرتبػػاط يعطػػي البرىػػاف عممي ػنا يجعمنػػا‬

‫نؤمف بكجكد تمؾ العبلقة بدالن مف الميؿ إلى االعتقاد بكجكده ‪.‬‬

‫االرتباط الخطي ‪: Linear Correlation‬‬

‫يذكر االرتبػاط الخطػي لتحديػد مػا إذا كانػت ىنػاؾ عبلقػة خطيػة بػيف متغيػريف‬

‫مػػف النػػكع المسػػتمر كقيػػاس درجػػة تمػػؾ العبلقػػة ‪ .‬كىنػػا نريػػد أف نتعػػرؼ كيػػؼ يمكػػف أف‬

‫نصؼ التكافؽ الخطي بيف نمطيف مف المتغيرات ‪ .‬كمف أجؿ ذلؾ نشتؽ مقياسنا يدعى‬

‫بمعامػؿ االرتبػاط ‪ Correlation Coefficient‬كالػذم يعكػس كجػكد النقػاط المنحرفػة‬

‫عف الخط المستقيـ لرسـ العبلقة الخطية ‪.‬‬

‫كىكذا فإف الميمة األساسػية لفرضػية االرتبػاط ىػي التركيػز عمػى كجػكد عبلقػة‬

‫أك عدـ كجكد ىذه العبلقة بيف متغيريف )‪ (X‬ك )‪ (Y‬لظاىرتيف معينتيف ‪.‬‬

‫فإذا كجدت ىذه العبلقة فإف فرضية االرتباط تقيس عندئذ شدة التكافػؽ ليػذا االرتبػاط ‪.‬‬

‫إذ إنو في كثير مف األحيػاف ال يكفػي أف نقػكؿ إف ىنػاؾ عبلقػة بػيف ظػاىرتيف مػا دكف‬

‫إعطاء أية تقييمات أخرل لشدة ىذه العبلقة ‪.‬‬

‫‪209‬‬
 ‫معامؿ االرتباط ‪: The Correlation Coefficient‬‬

‫إذا كنا نعتقد كجكد عبلقة خطية بيف متغيريف كمييف مع تغيػر فػي إحػدل قػيـ‬

‫المتغيػ ػريف كالمترافق ػػة م ػػع تغي ػػر ق ػػيـ المتغي ػػر اآلخ ػػر ‪ ،‬فإنن ػػا ني ػػتـ بتحدي ػػد ق ػػكة العبلق ػػة‬

‫المدركسة ‪ ،‬إذ إننػا ال نقػكـ فعميػنا برسػـ خػط مسػتقيـ فػي تحميػؿ فرضػية االرتبػاط (كىػذا‬

‫جػػزء مػػف تحميػػؿ االنحػػدار) ‪ ،‬لكننػػا يمكػػف أف نتخيػػؿ خط ػان عمػػى نحػػك تقػػديرم تقريبػػي‬

‫لمبيانات المدركسة ‪.‬‬

‫بمعنى آخر ىؿ تمؾ النقاط الممثمة لكؿ قيمة لكؿ مف المتغيريف في مخطط يمثؿ قيمة‬

‫‪ ( )(X) ,‬قريبة مف ىذا الخط أك أنيا بعيدة عنو ‪.‬‬

‫كىكذا فالعبلقة الخطية بيف كػبل المتغيػريف فالنقػاط القريبػة مػف الخػط تمثػؿ أقػكل تكافػؽ‬

‫خطي بيف المتغيريف ‪.‬‬

‫نقػػيس درجػػة أك شػػدة ىػػذا التكافػػؽ بحسػػاب مػػا يػػدعى بمعامػػؿ ارتبػػاط بيرسػػكف‬

‫‪ Correlation Coefficient‬كىك يأخذ القيـ ضمف المجاؿ بيف ‪ ُ-‬كالقيمة ‪]ُ+‬‬

‫نقػػكؿ إف ىنػػاؾ ارتباطػان تامػان ‪ Perfect Correlation‬إذا كانػػت كافػػة النقػػاط مندرجػػة‬

‫عمى الخط ‪ .‬في ىذه الحالة تككف قيمة معامػؿ االرتبػاط ىػي العظمػى (ُ) إمػا مكجبػة‬

‫أك سالبة (‪ )ُ+‬أك (‪. )ُ-‬‬

‫‪210‬‬
 ‫الشكؿ رقـ (‪ )18‬االرتباط الخطي‬

‫نقكؿ إف ىناؾ ارتباطػان إيجابيػان إذا كانػت ىنػاؾ إشػارة مكجبػة لمعامػؿ االرتبػاط‬

‫كعندئذ تكجد عبلقة مباشػرة بػيف كػبل المتغيػريف كلػذلؾ تػزداد قيمػة أحػد المتغيػريف بينمػا‬

‫تنخفض قيمة اآلخر ‪.‬‬

‫‪211‬‬
‫نق ػػكؿ ع ػػف االرتب ػػاط إن ػػو الس ػػمبي عن ػػدما تك ػػكف إش ػػارة معام ػػؿ االرتب ػػاط س ػػمبية‬

‫كعندئذ تكجد ىناؾ عبلقة عكسية بيف كبل المتغيػريف كلػذلؾ تػزداد قيمػة أحػد المتغيػريف‬

‫كتنخفض قيمة المتغير اآلخر ‪.‬‬

‫نقكؿ إنو ال يكجد تكافؽ خطي (عمى سبيؿ المثاؿ كأف يككف ىناؾ عدـ كجكد‬

‫ارتباط) إذا كاف معامؿ االرتباط بقيمة الصفر كعندئذ يشير المخطط النقطي إلػى عػدـ‬

‫كجػػكد عبلقػػة خطيػػة بػػيف المتغي ػرات (الشػػكؿ ُٖ )‪ .)(e‬كيجػػب أف تبلحػػظ أف العبلقػػة‬

‫غير خطية بيف المتغيرات يمكف أف تعطي أيضان معامؿ ارتباط بقيمة الصفر‬

‫كىكػػذا ف ػإف القيمػػة األقػػرب لمخػػط المسػػتقيـ ألف معامػػؿ االرتبػػاط يكػػكف بقيمتػػو‬

‫العظم ػػى كتش ػػير إل ػػى عبلق ػػة أق ػػكل ب ػػيف المتغيػ ػرات كتفس ػػر إل ػػى ق ػػيـ أق ػػرب إل ػػى الخ ػػط‬

‫المستقيـ لممثؿ لمعبلقة المدركسة ‪.‬‬

‫كيكجػػد ىنػػا عبلقػػة لحسػػاب معامػػؿ االرتبػػاط أك أننػػا نحصػػؿ عمػػى ىػػذه القيمػػة‬

‫باستخداـ الحاسكب أك اآللة الحاسبة ‪.‬‬

‫ف ػ ػ ػػإذا أخ ػ ػ ػػذنا عين ػ ػ ػػة عشػ ػ ػ ػكائية مس ػ ػ ػػتقمة اإلشػ ػ ػ ػفاع ‪ ،‬أع ػ ػ ػػدادىا )‪ (n‬لق ػ ػ ػػيـ المش ػ ػ ػػاىدات‬

‫)‪ (X3 , Y3) (Xn , Yn‬ك )‪ (X2 , Y2‬ك )‪ . (X1 , Y1‬لنمطػيف مػف المتغيػرات المسػتمرة‬

‫)‪ (X‬ك )‪ (Y‬كعندئػػذ فػػإف تقػػدر قيمػػة معامػػؿ االرتبػػاط ‪( P‬كىػػك الحػػرؼ اليكنػػاني كىػػك‬

‫‪ )rho‬في قطيع مف الحيكانات لعينة ما معامؿ االرتباط الذم يعطى بالعبلقة اآلتية ‪:‬‬

‫‪212‬‬
 ‫) ‪( X  X )(Y  Y‬‬
‫‪‬‬
‫‪( X  X ) 2 (Y  Y ) 2‬‬
‫وىنا نالحظ ما يأتي ‪:‬‬
‫ُ‪ -‬معامؿ االرتباط مستقؿ بالنسبة لكحدات القياس لمتغيريف ‪.‬‬
‫ِ‪ -‬يمكنن ػػا إجػ ػراء تب ػػادؿ داخم ػػي بػ ػػيف )‪ (X‬ك )‪ (Y‬ب ػػدكف الت ػػأثير عم ػػى قيم ػػة معامػ ػػؿ‬
‫االرتباط ‪.‬‬
‫ّ‪ -‬معامؿ االرتباط تبقى صبلحيتو فقط ضمف حدكد معينة لمبيانات المدركسة ‪.‬‬
‫اختبار الفرضية عندما تكوف قيمة معامؿ االرتباط الصفر‬
‫‪Testing a Hypothesis That The Correlation‬‬
‫‪Coefficient is Zero‬‬
‫يعرض معامؿ االرتباط قياسان لقكة التكافػؽ بػيف كػبل المتغيػريف المدركسػيف كاذا‬

‫لػػـ تكػػف ىنػػاؾ عبلقػػة تكافػػؽ خط ػي بػػيف المتغي ػريف فػػإف قيمػػة معامػػؿ االرتبػػاط تسػػاكم‬

‫الصػػفر كلػػذلؾ فػػإف اختبػػار الفرضػػية )‪ (P = O‬كىػػذا يفسػػر أنػػو ال يكجػػد دليػػؿ إلثبػػات‬

‫عبلقة سببية بيف المتغيريف كمف المستحيؿ أف يشير ذلؾ إلػى كجػكد اخػتبلؼ بػيف كػؿ‬

‫منيما ‪.‬‬

‫االفتراضات ‪: Assumption‬‬

‫‪ -‬قيست التغيرات اعتمادنا عمى عينة عشكائية لمحيكانات الفردية ‪.‬‬

‫‪ -‬إف كبل المتغيريف )‪ (X‬ك )‪ (Y‬مف النكع الكمي ‪.‬‬

‫‪ -‬يككف اختيار الفرضية حقيقينا بالنسبة لمعامػؿ االرتبػاط عنػدما يسػاكم القيمػة الصػفر‬

‫كىذا يتطمب كجكد متغير كاحد عمى األقؿ مف كبل المتغيريف قيمة مكزعة طبيعيان ‪.‬‬

‫‪213‬‬
 ‫الطريقة ‪: The Approach‬‬
‫‪ -‬حػدد فرضػػية العػدـ التػػي تعتمػػد عمػى معامػػؿ االرتبػػاط لحيكانػات الد ارسػػة )‪ (P‬يسػػاكم‬

‫القيمػػة (ُ) ‪ .‬كتتبنػػى الفرضػػية البديمػػة عمكم ػنا أف معامػػؿ االرتبػػاط ال يسػػاكم القيمػػة‬

‫الصفر ‪.‬‬

‫‪ -‬اجمع البيانات كاعرضػيا فػي مخطػط نقطػي يمثػؿ مػا إذا كانػت ىنػاؾ عبلقػة خطيػة‬

‫بػػيف المتغي ػريف كتأكػػد أف االفت ػراض محقػػؽ فػػي ىػػذه العبلقػػة أنػػو يكجػػد عمػػى األقػػؿ‬

‫متغير كاحد مف المتغيريف المدركسيف مكزع طبيعيان ‪.‬‬

‫‪ -‬احس ػػب معام ػػؿ ارتب ػػاط العين ػػة ‪ ،‬كم ػػف المفض ػػؿ أف تحس ػػب باس ػػتخداـ الحاس ػػكب ‪.‬‬

‫كيمكػ ػػف أف تجػ ػػد أف الحاسػ ػػكب يحسػ ػػب االختبػ ػػار اإلحصػ ػػائي الػ ػػذم يعتمػ ػػد عمػ ػػى‬

‫(تكزيع ‪ )t‬مع درجات حرية )‪ (n -2‬كيحسػب االختبػار اإلحصػائي بالعبلقػة المدرجػة‬

‫أعبله ‪:‬‬

‫)‪(n  2‬‬
‫‪Test10  ‬‬
‫)‪(1   2‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : r‬تمثؿ معامؿ ارتباط العينة ‪.‬‬
‫‪ : n‬عدد أشفاع المشاىدات في العينة ‪.‬‬
‫لػػيس صػػعبنا أف نحسػػب االختبػػار اإلحصػػائي رقػػـ (َُ) ‪ Test‬يػػدكينا لكػػف ىػػذا‬
‫يتطمب كجكد جدكؿ (جدكؿ ‪ )A.6‬يربط قيـ )‪ (r‬مباشرة بقيـ )‪. (P‬‬
‫‪ -‬احص ػػؿ عم ػػى قيم ػػة )‪ ، (P‬عمكمػ ػان تحس ػػب بس ػػيكلة باس ػػتخداـ الحاس ػػكب ‪ .‬كيمك ػػف‬

‫الحصكؿ عمى قيمة )‪ (r‬مباشرة باستخداـ الجدكؿ اإلحصائي )‪ (A.6‬عمى نحك بػديؿ‬

‫‪214‬‬
‫يمكف استخداـ االختبار اإلحصائي )‪ (Test 10‬مف الجدكؿ اإلحصائي اعتمادنا عمى‬

‫تكزيع )‪ ، (t‬الجدكؿ )‪ (A.3‬مع درجات الحرية )‪. (n – 2‬‬

‫‪ -‬قرر ما إذا كنت ترفض أك تقبؿ فرضية العدـ اعتمادنا عمى قيمة )‪ (P‬كعمكمنا فإننػا‬

‫نرفض فرضػية العػدـ إذا كانػت قيمػة )‪ (P‬أقػؿ مػف َٓ‪ َ.‬نحسػب درجػة الثقػة عنػدما‬

‫يكػػكف معامػػؿ االرتبػػاط حقيقي ػان ‪ .‬مػػع أف تكزيػػع العينػػة لقيمػػة )‪ (r‬لػػيس طبيعي ػان فػػإف‬

‫التكزيع المتغير يحكؿ إلى القيمة ‪.‬‬

‫‪Z  0.5Loge(1  r )(1  r )‬‬

‫يتبع التكزيع الطبيعي كنستخدـ ىذه المعمكمات لنتمكف مف حساب درجة الثقة‬

‫لمعامؿ االرتباط )‪. (P‬‬

‫إف حدكد الثقة ٓٗ ‪ %‬التقريبية لمقيمة ‪ Z‬تحسب كما يأتي ‪:‬‬

‫‪Z1  Z  1.96 n  3‬‬

‫‪Z 2  Z  1.96 n  3‬‬

‫كعندئػػذ نحػػكؿ البيانػػات بحسػػاب المغػػاريتـ الطبيعػػي لنحصػػؿ عمػػى درجػػة الثقػػة‬

‫لمعامؿ االرتباط )‪ (P‬كىكذا فإف ‪ Z1‬درجة الثقػة ٗٓ ‪ %‬لمعامػؿ االرتبػاط )‪ (P‬كتقريبيػنا‬

‫تحسب كما يأتي ‪:‬‬

‫‪e 2Z1  1‬‬

‫مف‬
‫‪e 2Z 2  1‬‬
‫‪e 2Z 2  1‬‬
‫إلى‬
‫‪e 2Z 2  1‬‬

‫‪215‬‬
 ‫االنحدار الخطي البسيط ‪Simple Linear Regression‬‬
‫سنصػػؼ عنػػد د ارسػػتنا لتحميػػؿ االنحػػدار الخطػػي البسػػيط العبلقػ ىة بػػيف متغي ػريف‬

‫كميػػيف ‪ X‬ك ‪ Y‬بكاسػػطة تحديػػد كرسػػـ الخػػط المسػػتقيـ الػػذم يقػػدر البيانػػات النقطيػػة فػػي‬

‫المخطط النقطي بما يقرب أحدىما مف اآلخر ‪ .‬فإننا نربط المتغير ‪ X‬ككاحد مف القػيـ‬

‫التي يمكف أف تقاس بدكف خطأ أك أف المجرب يحددىا مسبقنا كلذلؾ عمى سبيؿ المثاؿ‬

‫‪ ،‬يمكف أف تمثؿ الجرع الدكائية أك األعمار أك األكزاف أك المركزات بقيـ مسبقة ‪.‬‬

‫كمػػف جيػػة أخػػرل فػػإف المتغيػػر )‪ (Y‬ىػػك متغيػػر عش ػكائي مكضػػكع لبلخػػتبلؼ‬

‫التجريبي كضغط الدـ النظامي كتركيز الييمكغمكبيف أك الكثافة المكنيػة ‪ ،‬فإننػا نفتػرض‬

‫أف المتغير ‪ Y‬ىك متغير غير مستقؿ كمقاـ عمى المتغير ‪ X‬كلذلؾ إذا غيرنا مف قيمة‬

‫)‪ (X‬فيذا سكؼ يقكدنا إلى التغيير في قيمة )‪ (Y‬كلكف ىذا التغير لف يككف متناظ نار ‪.‬‬

‫ن ػػدعك المتغي ػػر )‪ (Y‬ب ػػالمتغير غي ػػر المس ػػتقؿ أك المس ػػتجيب أك الن ػػاتج كنمثم ػػو‬

‫بمحكر عمكدم في المخطط النقطي ‪.‬‬

‫‪ -‬نػػدعك المتغيػػر )‪ (X‬بػػالمتغير المسػػتقؿ أك المتغيػػر المفسػػر أك المتغيػػر االنحػػدارم أك‬

‫متغير الشرح كنمثمو بمحكر أفقي ‪.‬‬

‫كيمكف أف ترسـ عيانينا ماذا يمكف أف نعتقد عف أفضؿ تطابؽ لمخط المستقيـ لكف ىذا‬

‫سيككف طريقة مكضكعية كلف يككف مرضيان عمى نحك كامؿ ‪ .‬كبديبلن عف ذلؾ نستخدـ‬

‫‪216‬‬
‫قانكننا (معادلة رياضية) ليصؼ العبلقة لمخػط المسػتقيـ بػيف المتغيػريف )‪ (X‬ك)‪ (Y‬فػإف‬

‫المعادلة الرياضية تعطى بػً ‪:‬‬

‫‪POP     ‬‬
‫بإعتبار أف ‪:‬‬
‫‪ : YPOP‬ىي القيمة المفسرة أك معدؿ )‪ (Y‬لقيـ معطاة عند المحكر )‪. (X‬‬
‫‪( : α‬القيمػػة ألفػػا) ‪ :‬كىػػي تمثػػؿ قيمػػة الثابػػت كالتػػي ىػػي عبػػارة عػػف تقػػاطع المحػػكريف‬
‫)‪ (inter Cept‬أم ىي قيمة )‪ (Y‬عندما تككف قيمة )‪ (X‬تساكم الصفر ‪.‬‬
‫‪( : β‬بيتػػا) ‪ :‬كىػػي قيمػػة االنحػػدار )‪ (Slope‬الخطػػي كالتػػي تمثػػؿ معػػدؿ تغيػػر فػػي قيمػػة‬
‫)‪ (Y‬لكحػػدة التغيػػر فػػي )‪ (X‬فعمػػى سػػبيؿ المثػػاؿ إف قيمػػة ‪ β‬تصػػؼ كػػـ تتغيػػر قػػيـ )‪(Y‬‬
‫بمتكسطاتيا عندما تزداد قيمة )‪ (X‬بكحدة كاحدة ‪.‬‬
‫إف كػبلن مػف ألفػػا كبيتػا عبػػارة عػف حػػدكد تعػرؼ الخػػط المسػتقيـ كىػػي مػا يػدعى‬

‫بمعامؿ االنحدار )‪. (Regression Coefficient‬‬

‫كيج ػػب أف نقػ ػػدر كػ ػػبل الحػ ػػديف ‪ α‬ك ‪ β‬بالترتي ػػب بكاسػ ػػطة عينتػ ػػيف عش ػ ػكائيتي‬

‫األزكاج مف المشاىدات عددىا )‪. (n‬‬

‫‪( X , Y ), ( X‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪, Y2 ), ( X 3 , Y3) ,....( xn , Yn )‬‬

‫بطريقة تطابؽ فييا الخط الكىمي المرسكـ بالنسبة لمنقاط المدرجػة كعمػى نحػك‬

‫قريب مف ىذا الخط ما أمكف ‪.‬‬

‫‪217‬‬
‫كىكػػذا مػػف خػػبلؿ مبلحظػػة الثنائيػػات المدرجػػة أعػػبله تحقػػؽ معادلػػة المسػػتقيـ‬

‫المعطى كبالتالي فيي تقع عميو أك بتعبير آخر يمػر المسػتقيـ منيػا كلػف نخػرج أبػان مػف‬

‫ىذه الثنائيات عف المستقيـ ‪.‬‬

‫في المكاقع لدراسة العبلقة االرتباطية )‪ Y= f (X‬التي تدؿ عمى االتجاه العاـ‬

‫يمزـ التمييز بيف المتغير المستقؿ الذم جرت العادة عمى تسميتو )‪ (X‬كالمتغيػر التػابع‬

‫كالػ ػػذم برمػ ػػز لػ ػػو عػ ػػادة بػ ػػالرمز )‪ (Y‬حيػ ػػث تكػ ػػكف الظػ ػػاىرة أك الخاصػ ػػية )‪ (X‬كالتػ ػػي‬

‫يخصص ليا المحكر السيني األفقي ىػي الظػاىرة أك الخاصػية المػؤثرة كتكػكف الظػاىرة‬

‫)‪ (Y‬كالتي يخصص ليا المحكر الصادم العمكدم ىي الظاىرة المتأثرة ‪.‬‬

‫كىكذا فػإف أفضػؿ تطػابؽ لمخػط المسػتقيـ ألنػو سػيحدد قػيـ االنح ارفػات الفعميػة مػف تمػؾ‬

‫القيـ المتكقعة بكاسطة معادلة المستقيـ ‪.‬‬

‫بل‬
‫كلكػػف نتجنػػب االنح ارفػػات اإليجابيػػة كالسػػمبية عػػف الخػػط المسػػتقيـ نتجاىػػؿ كػ ن‬

‫منيا ‪ .‬كنقكـ بتربيػع ىػذه القػيـ قبػؿ عمميػة جمعيػا كنختػار أفضػؿ تطػابؽ خطػي كالػذم‬

‫يحػد مػف مجمػػكع مربعػات االنح ارفػات لمقػػيـ المشػاىدة لممحػكر الصػػادم )‪ (Y‬عػف القػػيـ‬

‫المتكقعة ‪ .‬كىذا ما يعرؼ بالمبدأ األساسي لطريقة المربعات الصغرل ‪Principle of‬‬

‫‪. Least Squares‬‬

‫كىذا ما يعبر عنو رياضينا بالمعادلة اآلتية ‪:‬‬

‫‪218‬‬
 ‫‪n‬‬
‫‪SSE   (Yobserved  Y pridicted ) 2‬‬
‫‪i 1‬‬

‫بإعتبار أف ‪:‬‬
‫‪ : SSE‬تمثػؿ مجمػكع مربعػات االنح ارفػات أك مػا يػدعى بمجمػكع مربعػات لمخطػأ ‪(Sum of‬‬
‫)‪. Squares of error‬‬
‫إف القيـ الرقمية أللفا )‪ (α‬كبيتا )‪ (β‬التي تحد مػف قػيـ ‪ SSE‬يمكػف الحصػكؿ‬
‫عمييا المعادلة اآلتية ‪:‬‬
‫‪SPXY‬‬
‫‪‬‬
‫‪SS X‬‬
‫‪ Y X‬‬
‫بإعتبار أف ‪:‬‬
‫‪n‬‬
‫) ‪SPXY   ( Xi  X )(Yi  Y‬‬
‫‪i 1‬‬
‫‪n‬‬
‫‪SS X   ( X 1  X ) 2‬‬
‫‪i 1‬‬

‫عمماً أف القيـ ‪:‬‬

‫‪ = SPXY‬تمثػػؿ مجم ػػكع قػػيـ االنح ارف ػػات لمثنائيػػات ‪ X‬ك ‪ Y‬ع ػػف معػػدالتيا المح ػػددة‬

‫)‪. (Sum of the Products‬‬

‫‪(Sum‬‬ ‫‪ = SSX‬تمث ػػؿ مجم ػػكع مربع ػػات االنح ارف ػػات لق ػػيـ ‪ X‬ع ػػف مع ػػدؿ ق ػػيـ ‪X‬‬

‫)‪Squared‬‬
‫كعنػػدما تحسػػب قيمػػة ألفػػا ‪ ‬كبيتػػا ‪ β‬يمكػػف إيجػػاد معادلػػة المسػػتقيـ الخطػػي‬

‫لنحصؿ عمى المعادلة المتكقعة لممربعات الصغرل ‪(Least Squares Prediction‬‬

‫)‪ Equation‬أك ما يدعى باالنحدار الخطي )‪. (Regression Line‬‬

‫‪219‬‬
‫لنمثػػؿ ذلػػؾ بمثػػاؿ رقمػػي فػػي الجػػدكؿ رقػػـ (ِٔ) ‪ .‬لنفتػػرض أننػػا ن ػزكد متممػػات عمفيػػة‬

‫لمجمكعػة مككنػة مػف خمسػة حيكانػات خػبلؿ فتػرة عػدة أشػير كقػد اسػتيبلؾ كػؿ حيػكاف‬

‫الكميات اآلتية ‪:‬‬

‫الجػػػػػػػػػػػػدوؿ رقػػػػػػػػػػػػـ ‪ : 26‬اسػػػػػػػػػػػػتيالؾ المتممػػػػػػػػػػػػات العمفيػػػػػػػػػػػػة لمجموعػػػػػػػػػػػػة مكونػػػػػػػػػػػػة‬

‫مف خمسة حيوانات خالؿ فترة عدة أشير‬

‫رقـ الحيكاف‬ ‫كمية المتممات العمفية المقدمة (كغ)‬

‫ُ‬ ‫ٕ‬
‫ِ‬ ‫ٗ‬
‫ّ‬ ‫ُُ‬
‫ْ‬ ‫ُُ‬
‫ٓ‬ ‫ُِ‬

‫كخػػبلؿ نفػػس الفت ػرة يكػػكف الكسػػب الػػكزني المحصػػكؿ عميػػو لحيكانػػات الد ارسػػة‬
‫الخمسة مسجبلن كما في الجدكؿ رقـ (ِٕ) كما يأتي ‪:‬‬

‫الجدوؿ رقـ ‪ :27‬الكسب الوزني لكؿ حيواف مف مجموعة التجربة لممتممات العمفية‬

‫رقـ الحيواف‬ ‫الكسب الوزني لكؿ حيواف (كغ)‬

‫ُ‬ ‫ُٕ‬
‫ِ‬ ‫ٕٗ‬

‫‪220‬‬
 ‫ّ‬ ‫ٔٗ‬
‫ْ‬ ‫َُّ‬
‫ٓ‬ ‫ُُٔ‬
‫يحتػػكم الجػػدكؿ اآلتػػي (رقػػـ ِٖ) البيانػػات كالكميػػات التػػي نحتاجيػػا فػػي عمميػػة‬

‫الحساب الكمية لنحصؿ عمى معادلة االنحػدار الخطػي الػذم يسػمح لنػا بتقػدير الكسػب‬

‫الكزني المتكقع باالرتباط بكمية المتممات المستيمكة ‪.‬‬

‫جدوؿ رقـ (‪ :)28‬البيانات والكميات المطموبة لمحصوؿ عمى معادلة االنحدار الخطي‬

‫الكسب‬ ‫العمؼ‬
‫رقـ‬
‫الوزني‬
‫‪XI-X‬‬ ‫‪2‬‬
‫‪YI-Ỹ‬‬ ‫‪XI-X‬‬ ‫‪XI-X‬‬ ‫المستيمؾ‬
‫‪YI-Ỹ‬‬ ‫الحيواف‬
‫(‪)y‬‬ ‫)‪(x‬‬

‫‪20-‬‬ ‫‪9‬‬ ‫‪3-‬‬ ‫‪71‬‬ ‫‪7‬‬ ‫‪1‬‬

‫‪12-‬‬ ‫‪8‬‬ ‫‪1-‬‬ ‫‪79‬‬ ‫‪9‬‬ ‫‪2‬‬

‫‪5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪96‬‬ ‫‪11‬‬ ‫‪3‬‬

‫‪12‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪103‬‬ ‫‪11‬‬ ‫‪4‬‬

‫‪15‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪106‬‬ ‫‪12‬‬ ‫‪5‬‬

‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪455‬‬ ‫‪50‬‬ ‫المجموع‬

‫الوسط‬
‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪91‬‬ ‫‪10‬‬
‫الحسابي‬

‫كىك ػػذا يمكنن ػػا أف نحس ػػب قيم ػػة بيت ػػا ُ‪ β‬الت ػػي تمث ػػؿ االنح ػػدار ك ى ػػي بعب ػػارة‬

‫أخرل تمثؿ معامؿ االنحدار كما يأتي ‪:‬‬

‫‪β1 = SPx y / SSx‬‬

‫‪221‬‬
 ‫‪β1 = 119/ 16‬‬
‫‪β1 = 7.4375‬‬

‫بينم ػ ػػا قيم ػ ػػة تق ػ ػػاطع المح ػ ػػكريف (‪ )β0‬ك ى ػ ػػي أيض ػ ػػا تمث ػ ػػؿ ثاب ػ ػػت االنح ػ ػػدار‬

‫( ‪ )regression constant‬كيحسب كما يأتي ‪:‬‬

‫‪Β0= y - β1 x‬‬
‫‪Β0 = 91 – 7.4374‬‬
‫‪Β0 = 16.625‬‬

‫كىكػػذا فػػإف معادلػػة االنحػػدار الخطػػي الصػػغرل كالتػػي سػػكؼ نسػػتخدميا لتقػػدير‬

‫الكسب الكزني مع االرتباط بالكمية المقدمة التي يستيمكيا الحيكاف ‪:‬‬

‫‪Y = B 0 + B1 x‬‬
‫‪Y = 16.625 + 7.4375x‬‬

‫كمف ذلؾ يمكف اآلف أف نتكقع الكزف المكتسب لمحيكاف كالذم استيمؾ كمية ٖ ك مف‬

‫العمؼ المقدـ كمتممات عمفية ‪ .‬كبضػرب القيمػة (ٖ) لممتغيػر (‪ )x‬فػي المعادلػة يمكننػا‬

‫الحصكؿ عمى ‪:‬‬

‫)‪Y = 16.625 + 7.4375 (8‬‬

‫‪Y = 16.625 + 59.5‬‬
‫‪Y = 76.125‬‬

‫كىكػػذا فإننػػا نتكقػػع أف يحقػػؽ الحي ػكاف الػػذم اسػػتيمؾ بعمفػػو ٖ ك ػ مػػف المػػتمـ‬

‫العمفػػي كسػػبان كزني ػان ُِٓ‪ ٕٔ.‬خػػبلؿ فت ػرة تجربتنػػا ‪ .‬كعمػػى أيػػة حػػاؿ يجػػب أف نعػػي أف‬

‫الحيػكاف مػػا مػػف ىػػذه المجكعػػة مػػف غيػػر المحتمػػؿ أف يحقػػؽ كسػػبنا كزنيػنا ُِٓ‪ ٕٔ.‬كػ‬

‫‪222‬‬
‫ػدؿ‬
‫بسػػبب االختبلفػػات المتنكعػػة بػػيف الحيكانػػات‪ .‬كيجػػب أف ييعتبػػر كزف ُِٓ‪ ٕٔ.‬معػ ى‬

‫كسب كزني لمحيكانات المستيمكة ٖ ك مف المتمـ العمفي بينمػا يتػراكح الكسػب الػكزني‬

‫لمحيكانات الفردية حكؿ المعدؿ ‪ .‬كفػي بياناتنػا المدرجػة فػي مثالنػا ‪ .‬فػإف الحيػكانيف رقػـ‬

‫ّ ك ْ يستيمكاف قرابة ُُ ك مػف المػتمـ العمفػي كعمػى أيػة حػاؿ فػإف الكسػب الػكزني‬

‫ليمػػا لػػـ يكػػف متسػػاكيا بينمػػا الكسػػب الػػكزني لمحي ػكاف رقػػـ ‪ 3‬ىػػك ق اربػػة ٔٗ ك ػ بينمػػا‬

‫الحيػ ػكاف رق ػػـ ْ يكس ػػب َُّ كػ ػ كباس ػػتخداـ معادل ػػة االنح ػػدار ف ػػإف الكس ػػب ال ػػكزني‬

‫المتكقع الستيبلؾ الحيكاف ُُ ك مف المتمـ العمفي خػبلؿ تجربتنػا كىػك سػكؼ يحقػؽ‬

‫ّْٕ‪ ٖٗ.‬ك ‪ .‬كىكذا فإف كبل القيـ المشاىدة فعميا تختمػؼ فعميػا عػف القيمػة المتكقعػة‬

‫‪ ،‬كعمى أية حاؿ فإف معدؿ كبل القيمتيف يمكف أف يحسب كما يأتي ‪:‬‬

‫‪103  96‬‬
‫‪99.5 ‬‬
‫‪2‬‬
‫كىذه القيمة المذككرة أعبله قريبة مف القيمة المتكقعة ‪.‬‬

‫رأينا مما ذكػر سػابقنا أف مجمػكع مربعػات االنح ارفػات لمقػيـ المشػاىدة مػف القػيـ‬

‫المتكقعة تدعى بمجمكع مربعات الخطأ (‪ . )SSE‬كفي حالتنا ىذه فإف مجمكع مربعات‬

‫الخطأ (‪ )SSE‬قد أخذ القيمة ّٖٗ‪ ِٓ.‬كما ىك مشاىد في الجدكؿ رقـ (ِٗ) التالي ‪.‬‬

‫الجدوؿ رقـ ‪ : 29‬حساب القيـ المتوقعة لمكسب الوزني‬

‫(قيمة ‪ Y‬المشاىدة‬ ‫قيمة ‪Y‬‬ ‫الكسب‬ ‫العمؼ‬
‫قيمة‬ ‫رقـ‬
‫– قيمة ‪Y‬‬ ‫المشاىدة – قيمة‬ ‫الوزني‬ ‫المستيمؾ‬
‫‪Y‬المتوقعة‬ ‫الحيواف‬
‫المتوقعة)‬ ‫‪ Y‬المتوقعة‬ ‫(‪)y‬‬ ‫)‪(x‬‬

‫‪223‬‬
 ‫‪5.3477‬‬ ‫‪2.3125‬‬ ‫‪68.68‬‬ ‫‪71‬‬ ‫‪7‬‬ ‫‪1‬‬

‫‪20.8164‬‬ ‫‪4.5625-‬‬ ‫‪83.56‬‬ ‫‪79‬‬ ‫‪9‬‬ ‫‪2‬‬

‫‪5.9414‬‬ ‫‪2.4375-‬‬ ‫‪98.437‬‬ ‫‪96‬‬ ‫‪11‬‬ ‫‪3‬‬

‫‪20.8164‬‬ ‫‪4.5625‬‬ ‫‪98.437‬‬ ‫‪103‬‬ ‫‪11‬‬ ‫‪4‬‬

‫‪0.0169‬‬ ‫‪0.13‬‬ ‫‪105.875‬‬ ‫‪106‬‬ ‫‪12‬‬ ‫‪5‬‬

‫‪52.9388‬‬ ‫‪455‬‬ ‫‪50‬‬ ‫المجموع‬

‫الوسط‬
‫‪91‬‬ ‫‪10‬‬
‫الحسابي‬

‫كاف القيمػػة الصػػغرل لقيمػػة ‪ SSE‬مرتبطػػة بإجمػػالي مجمػػكع المربعػػات (‪)TSS‬‬

‫كالتي ىي عبارة عف مجمػكع المربعػات لبلنح ارفػات لمقػيـ المشػاىدة مػف المعػدؿ العػاـ ‪.‬‬

‫‪ TSS‬يمكػػف‬ ‫إذ إف االخػػتبلؼ األكثػػر يفسػػر بكاسػػطة نمػػكذج االنحػػدار ‪ .‬كاف قيمػػة‬

‫الحصكؿ عمييا بالقانكف ‪:‬‬

‫‪TSS = SUM (Yi – Y )2‬‬

‫كمػف مثالنػا نحسػب حسػابان مسػبقان قيمػة () ‪ )(Yi – average Y‬لكػي نحصػؿ‬

‫عمى معامؿ االنحدار كىكذا فإف قيمة ‪ TSS‬تحسب كما يأتي ‪:‬‬

‫‪TSS = (-20)2 + (-12)2 + 52 + 122‬‬

‫إف االخ ػػتبلؼ ب ػػيف قيم ػػة ‪ TSS‬كقيم ػػة ‪ SSE‬تمث ػػؿ ق ػػيـ مج ػػاميع المربع ػػات لبلنح ػػدار‬

‫(‪ )SSR‬كىكذا فإف قيمة ‪ TSS‬تساكم عندئذ ‪:‬‬

‫‪TSS = SSR + SSE‬‬

‫‪224‬‬
 ‫بإعتبار أف ‪:‬‬

‫‪SSR = SUM (Y Predicated – Average Y )2‬‬

‫بإعتبار أف ‪:‬‬
‫‪ : Y‬ىي القيمة المتكقعة لممتغير ‪Y‬‬
‫‪ :average Y‬ىي معدؿ المتغير ‪Y‬‬
‫كمػػف الجػػدكؿ الثػػاني يمكػػف أف نحسػػب التباينػػات بػػيف الكسػػب الػػكزني المتكقػػع‬

‫لكؿ حيكاف كمعدؿ الكسب الكزني الكمي لػً ُٗ كػ ‪ .‬فػإذا قمنػا بعمميػة تربيػع ىػذه القػيـ‬

‫مع مجمكع القيـ المربعة فإننا نحصؿ عمى ‪:‬‬

‫‪SSR = (68.6875 – 91 )2 + (83.5625 – 91) 2 + (98.4375 – 91) 2 +‬‬

‫‪(98.4375 –91 ) 2 + (105.875 – 91) 2‬‬
‫‪SSR = 497.84766 + 55.3164 + 221.26563‬‬
‫‪SSR = 885.625‬‬
‫)‪938 (TSS) = 885.0625 (SSR) + 52.9388 (SSE‬‬
‫تقسيـ إجمالي مجمكع مربعات المتغير ‪Y‬‬
‫‪Partitioning the Total Sum of Squares of Y‬‬
‫‪Total SS = SSR + SSE‬‬
‫كتحسب درجة الحرية لكؿ حد مف الحدكد السابقة كما يأتي ‪:‬‬
‫‪Df. for SS = n-1‬‬
‫عدد المتغيرات المستقمة = ‪Df. for SSR‬‬
‫‪Df. for SSE = n-1 – regression Df.‬‬
‫بإعتبار أف ‪ = SSR‬مجمكع مربعات االنحدار‬

‫كالتػػي ىػػي عبػػارة عػػف الكميػػة الكميػػة لبلخػػتبلؼ المفسػػر بػػالمتغير المسػػتقؿ (‪ )x‬كمػػا أف‬

‫قيمػ ػػة ‪ SSE‬تسػ ػػاكم مجمػ ػػكع مربعػ ػػات الخطػ ػػأ كالتػ ػػي ىػ ػػي عب ػ ػارة عػ ػػف الكميػ ػػة الكميػ ػػة‬

‫لبلختبلؼ غير المفسر بالمتغير (‪)x‬‬

‫‪225‬‬
‫إف تقسػػيـ قيمػػة ‪ SS‬إلػػى ‪ SSR‬ك ‪ SSE‬يػػدعى بتحميػػؿ الفػػرؽ ‪ .‬كمػػا أف النسػػبة‬

‫المئكيػة إلجمػالي التباينػات لمقيمػة ‪ TSS‬كالمحسػكبة بكاسػطة نمػكذج االنحػدار (‪)SSR‬‬

‫تشير إلى ما يدعى بمعامؿ التحديد كيرمز لو بالرمز ( ‪.)R2‬‬

‫كتحسب قيمتو كما يأتي ‪:‬‬

‫‪R2 = SSR/ TSS‬‬

‫كفي مثالنا السابؽ فإف ‪:‬‬

‫‪R2 = 885.0625/ 938 = 0.9436‬‬

‫إف النسبة المئكية ْٗ لمفرؽ في الكسب الكزني في خمسة حيكانات يمكف أف‬

‫تحسب فقط بكاسطة كمية المتممات العمفية المستيمكة ‪.‬‬

‫كفي الحقيقة ىذه النسبة كبيرة جدا فإنو لـ يكػف لػدينا أدنػى شػؾ فػي أنػو ىنػاؾ‬

‫عبلقة حقيقية بيف كمية المتمـ العمفي المستيمؾ كالكسب الكزني ‪ .‬كلمتأكد مف دقة ىذه‬

‫النتػػائج البػػد لنػػا مػػف حسػػاب درجػػة المعنكيػػة اإلحصػػائية ‪ .‬ككمػػا ىػػك الحػػاؿ فػػي جميػػع‬

‫االختبػػارات اإلحصػػائية تقػػاس المعنكيػػة اإلحصػػائية باسػػتخداـ نظريػػة العػػدـ التػػي تثبػػت‬

‫كج ػػكد عبلق ػػة حقيقي ػػة ب ػػيف المتغي ػػر (‪ )y‬كالمتغي ػػر (‪ )x‬كاف كمي ػػة االخ ػػتبلؼ المفسػ ػػر‬

‫بكاسػػطة ‪ SSR‬ىػػي عبػػارة عػػف مجػػرد نتيجػػة احتماليػػة ‪ .‬كىػػذا يمكػػف أف يظيػػر فيمػػا إذا‬

‫كانت نظرية العدـ حقيقية فإف القيـ عندئذ كاآلتي ‪:‬‬

‫‪SSR/df Regression = SSE/df error‬‬

‫حيث أف‪:‬‬

‫‪226‬‬
 ‫‪ :df regression‬درجة الحرية الخاصة باالنحدار‬

‫‪ :df error‬درجة الحرية لمخطأ‬

‫ىذه التقديرات الكمية تدعى بالكسط الحسابي لممربعات ك تحسب كما يأتي ‪:‬‬

‫‪MSR = SSR / df. Regression‬‬

‫‪MSE = SSE / df. Regression Error‬‬

‫بإعتبار أف ‪:‬‬
‫‪ : MSR‬كيدعى بالكسط الحسابي لمربع االنحدار‬
‫‪ : MSE‬كيدعى بالكسط لمربع الخطأ‬
‫‪ : df. Regression‬كىي تساكم عدد المتغيرات المستقمة الداخمة بالقانكف‬
‫‪ : df. Error‬كىػػي تسػػاكم ‪ )n-1( – df. Regression‬بإعتبػػار أف ‪ n‬ىػػي عبػػارة عػػف‬
‫عدد المشاىدات الممحكظة ‪.‬‬
‫ككمم ػػا كب ػػرت قيم ػػة ‪ MSR‬باالرتب ػػاط بقيم ػػة ‪ MSE‬ك ػػاف ىن ػػاؾ احتمالي ػػة أق ػػؿ‬
‫لتككف نظرية العدـ حقيقية ‪ .‬كاف االختبار اإلحصائي المسػتخدـ لتقيػيـ ىػذه االحتماليػة‬
‫ىك اختبار ‪ F‬اإلحصائي كالذم يحسب بالتناسب اآلتي ‪:‬‬
‫‪F = MSR/MSE = 885.06/17.69= 50.16‬‬
‫ىذه العممية تسػمى بتكزيػع ‪ F‬كاف درجػة الحريػة لمصػكرة فػي ىػذا التناسػب ىػي‬
‫عب ػػارة ع ػػف درج ػػة الحري ػػة الخاص ػػة باالنح ػػدار ‪ df. Regression‬بينم ػػا درج ػػة الحري ػػة‬
‫لممخرج في ىذا التناسب ىي عبارة عف قيمة درجة الحرية لمخطأ ‪df. Error‬‬
‫كفي مثالنا المذككر أعبله لدينا متغير مستقؿ كحيد كىك عبارة عف كمية المتمـ العمفي‬
‫المستيمؾ ‪:‬‬
‫(‪ )ُ = df. Regression‬ك لذلؾ فإف ‪:‬‬
‫‪MSR = SSR /1 =885.0625‬‬
‫ك إف درجة الحرية لمخطأ في مثالنا ىي‪:‬‬
‫‪DF = (5-1) –1 =3‬‬

‫‪227‬‬
‫ك ىكذا فإف قيمة ‪:‬‬
‫‪MSE = 52.9388/3 = 17.6463‬‬
‫‪F= 885.0625/17.6463 = 50.16‬‬
‫ك إذا نظرنػػا إلػػى االحتماليػػة المحصػػكؿ عمييػػا مػػف قيمػػة ‪ ، F‬فكممػػا كانػػت ىػػذه القيمػػة‬

‫كبي ػرة كانػػت نظريػػة العػػدـ حقيقيػػة ‪ .‬كاذا نظرنػػا إلػػى جػػدكؿ تكزيػػع ‪ F‬مػػع قيمػػة درجػػات‬

‫الحرية ُ ك ّ فإننػا نجػد أف ىنػاؾ احتماليػة أقػؿ مػف َُ‪ َ.‬كىػذا يعنػي أنػو ىنػاؾ أقػؿ‬

‫مف ُ‪ %‬فرصة لمحصكؿ عمى قيمة ‪ F‬بقيمتيػا المتكقػع أف تكػكف كبيػرة كالتػي قػدرت ب ػ‬

‫ُٔ‪ َٓ.‬إذا لـ يكف ىناؾ عبلقة بيف كمية المػتمـ العمفػي المسػتيمؾ كالكسػب الػكزني ‪.‬‬

‫كلذلؾ يمكننا الحصكؿ عمى درجة ثقة ٗٗ‪ %‬أف نظرية العدـ خاطئة كأنو يكجد عبلقة‬

‫بيف كبل المتغيريف ‪.‬‬

‫تحميؿ االنحدار الموغاريتمي‬

‫‪LOGISTIC REGRESSION ANALYSIS‬‬

‫فػػي كثيػػر مػػف الد ارسػػات فػػإف المتغيػػر غيػػر المسػػتقؿ لمكضػػكع الد ارسػػة يمثػػؿ‬

‫كجػػكد أك عػػدـ كجػػكد لحػػاالت معينػػة كىػػذا المتغيػػر يمثػػؿ نكع ػان مػػف المتغي ػرات الفئكيػػة‬

‫‪ Outcome Variable is Categorical‬كلػػذلؾ ال نسػػتطيع اسػػتخداـ االنحػػدار‬

‫‪228‬‬
‫المتع ػػدد الع ػػادم لي ػػذا الن ػػكع م ػػف البيان ػػات لك ػػف ىن ػػاؾ إمكاني ػػة إلع ػػادة ف ػػرز مث ػػؿ ىػ ػذه‬

‫البيانات بتقنيات أكثر تناسبان مف حيث نمط تحميميا ‪.‬‬

‫كتعتبر تقنية مانتػؿ ىنسػنزؿ )‪ . Mantel – Hanszel (MH‬مناسػبة لتحميػؿ العبلقػة‬

‫بػػيف المتغي ػرات الفئكيػػة فػػي بيانػػات يكػػكف فييػػا تعػػداد صػػفكؼ العامػػؿ المػػدركس (عمػػى‬

‫ش ػػكؿ فئ ػػة) مح ػػددان ‪ .‬تحس ػػب تقني ػػة مانت ػػؿ ىنس ػػنزؿ تناس ػػبات األفض ػػمية كفئ ػػة معين ػػة‬

‫‪ Stratum – Specific Odds ratios‬لكػؿ نمػط مػف مسػتكيات المتغيػر المتػداخؿ‬

‫كعندئ ػػذ نحس ػػب تناس ػػب األفض ػػمية الع ػػاـ كزنيػ ػان ‪ .‬كاف اس ػػتخداـ تقني ػػة )‪ (MH‬ليص ػػبح‬

‫محدكد االستعماؿ أيضنا عندما تككف أعداد جػداكؿ ‪ 2 × 2‬المطمػكب تحميميػا كبيػرة أك‬

‫عبلكة عمى ذلؾ فإف مف غير الممكف تنسيؽ كالتعامؿ مع متغيرات مستمرة ‪.‬‬

‫إف الطريقػ ػ ػػة المناسػ ػ ػػبة كالبديمػ ػ ػػة ىػ ػ ػػي تحميػ ػ ػػؿ االنحػ ػ ػػدار باسػ ػ ػػتخداـ العمميػ ػ ػػة‬

‫المكغاريتمية ‪. Regression Analysis Using The Logistic Function‬‬

‫إف المبدأ األساسي لتقنية االنحدار المكغاريتمي مشابو جدان لمربعػات االنحػدار‬

‫الصػغرل ‪ Least Squares Regression‬كمػف المسػاكئ ليػذه الطريقػة أننػا نحصػؿ‬

‫بالحسػػاب عمػػى تناسػػب األفضػػمية بينمػػا فػػي بعػػض الد ارسػػات يكػػكف حسػػاب الخطػػكرة‬

‫النسػػبية ‪ Relative Risk‬كالػػذم يمكػػف أف يكػػكف أكثػػر تناسػػبان مػػف اسػػتخداـ تناسػػب‬

‫األفضػػمية إال أنػػو ال يسػػتخدـ فػػي بعػػض الد ارسػػات الكبائيػػة العمميػػة كخاصػػة فػي د ارسػػة‬

‫حالػػة الػػتحكـ مػػع حػػاالت تجريبيػػة أخػػرل ‪ .‬إال أف تناسػػب األفضػػمية يسػػتخدـ فػػي كافػػة‬

‫‪229‬‬
‫الدراسات الكبائية سكاء كانت مسكحات كبائية أك دراسات كبائيػة تطبيقيػة تجريبيػة كمػا‬

‫ستدركسكف ذلؾ في مقرر الكبائيات البيطرية ‪.‬‬

‫نظرية االنحدار الموغاريتمي ‪: The Theory of Logistic‬‬

‫إف االختبلؼ األساسي بيف مربعات االنحدار الصغرل كاالنحدار المكغاريتمي‬

‫ىػك فػػي طبيعػة المتغيػػر غيػر المسػػتقؿ ‪ .‬ففػي انحػػدار مربعػات الصػػغرل يكػكف المتغيػػر‬

‫غيػػر المسػػتقؿ مػػف نمػػط مسػػتمر (عمػػى سػػبيؿ المثػػاؿ كزف الجسػػـ) بينمػػا فػػي االنحػػدار‬

‫المكغاريتمي يككف المتغير غيػر المسػتقؿ ىػك مػف نمػط بينػرم (ثنػائي ‪( )Binary‬عمػى‬

‫سبيؿ المثاؿ متغير فئكم مع كجكد فئتيف فقط) ‪ .‬فعمى سػبيؿ المثػاؿ المصػؿ اإليجػابي‬

‫مع المصؿ السمبي ‪ ،‬أك نقػكؿ بقػرة مصػابة ‪ .‬كبقػرة غيػر مصػابة ) فػإذا أعطػي لمفئتػيف‬

‫قيـ رقمية صفر )‪ (0‬ككاحد )‪ (1‬فإنو عادة ما نمثؿ القيمة ال (بالنتيجة السمبية) كالقيمة‬

‫نعػ ػػـ (بالنتيجػ ػػة اإليجابيػ ػػة) نسػ ػػبيان ‪ .‬كعندئػ ػػذ يعطػ ػػي معػ ػػدؿ ىػ ػػذه القػ ػػيـ فػ ػػي عينػ ػػة مػ ػػف‬

‫ػس نسػػبة نمػػكذج االنحػػدار المناسػػب سػػكؼ يتنبػػأ نسػػبة األف ػراد الحيكانيػػة‬
‫الحيكانػػات نفػ ى‬

‫الممي ػزة بمكضػػكع الد ارسػػة أك يع ػػادؿ احتماليػػة األف ػراد الحيكاني ػػة الممي ػزة ألم مػػف ى ػػذه‬

‫المج ػػاميع ف ػػي النم ػػكذج ‪ .‬كم ػػف الناحي ػػة التدريبي ػػة اإلحص ػػائية م ػػف المفض ػػؿ الطريق ػػة‬

‫باسػػتخداـ تحكيػػؿ ىػػذه النسػػبة المئكيػػة كلسػػبب كحيػػد فقػػط ىػػك أف النمػػكذج اإلحصػػائي‬

‫‪230‬‬
‫يمكػ ػ ػ ػ ػ ػ ػػف أف يتنبػ ػ ػ ػ ػ ػ ػػأ قيم ػ ػ ػ ػ ػ ػ ػنا احتماليػ ػ ػ ػ ػ ػ ػػة خػ ػ ػ ػ ػ ػ ػػارج المػ ػ ػ ػ ػ ػ ػػدل صػ ػ ػ ػ ػ ػ ػػفر )‪ (0‬كالقيمػ ػ ػ ػ ػ ػ ػػة‬

‫)‪. (1‬‬

‫كاأليقػػكف المسػػتخدـ عمكم ػنا فػػي عمميػػة التحكيػػؿ يػػدعى بالتحكيػػؿ المكغػػاريتمي‬

‫‪ Logit Trans formation‬كيكتػػب )‪ Logit (P‬كالػػذم يعطػػي قيمػػة المكغػػاريتـ‬

‫الطبيعػػي لمتناسػػب لفػػرد مػػف الحيكانػػات فػػي حالػػة معينػػة ‪ .‬بينمػػا القيمػػة )‪ (P‬ىػػي نسػػبة‬

‫األفراد المميزة بخصائص معينة متعمقة بمكضكع الدراسة ‪.‬‬

‫فعمػػى س ػػبيؿ المثػػاؿ إذا كان ػػت قيمػػة )‪ (P‬تمث ػػؿ االحتماليػػة لحيكان ػػات إيجابي ػػة‬

‫مصػػمينا لمبركسػػيمة المجيضػػة ‪ Brucella Aborts‬فعندئػػذ تمثػػؿ القيمػػة )‪(Y – P‬‬

‫احتمالية أف يصبح الحيكاف إيجابيان لئلصابة بالبركسػيمة المجيضػة ‪ .‬كيجػب أف نتػذكر‬

‫أف التناسػػب )‪ P / (Y – P‬يػػدعى بتناسػػب األفضػػمية أك التراجميػػة ‪ Odds‬كعندئػػذ‬

‫تعطى القيمة المكغاريتمية لقيمة )‪ (P‬كما يأتي ‪:‬‬

‫‪P‬‬
‫( ‪Logit ( P)  Log‬‬ ‫)‬
‫‪Y P‬‬
‫= كىي تمثؿ عمكمان المغاريتـ التراجمي ‪ Log odds‬كبالمقارنة بقيمة )‪ (P‬كالتي يجب‬

‫أف تأخذ القيمة بيف )‪ (0‬ك )‪ (1‬فإف القيمة المغاريتميػة ل ػ )‪ Logit (P) : (P‬يمكػف أف‬

‫تأخذ أم قيمة بيف المدل )‪. ( + , -‬‬

‫إف االختبلؼ بيف االنحدار الخطي كاالنحدار المغاريتمي ىك أف طرؽ التشابو‬

‫العظمػى )‪ Maximum Likelihood (ML‬تسػػتعمؿ بػػدالن مػف المربعػػات الصػػغرل‬

‫‪231‬‬
‫التقميدية لتقدير الحد ‪ .‬كمف ضمف محاسف طرؽ التشابو األعظمي ليس مف الضركرم‬

‫أف يككف المتغير غير المستقؿ مف نمط التكزيػع الطبيعػي ممػا يعنػي أف ىنػاؾ إمكانيػة‬

‫لتقدير المعادالت الخطية المعقدة ككذا النماذج غير الخطية أيضنا ‪.‬‬

‫كعمػػى نحػػك مشػػابو لبلنحػػدار العػػادم يقػػدـ االنحػػدار المغػػاريتمي يقػػدـ كصػػفان نمكذجي ػان‬

‫المجاميع الخطية لممتغيرات المستقمة مع المتغيرات غير المستقمة ‪.‬‬

‫‪P‬‬ ‫‪Odds‬‬
‫‪Odds ‬‬ ‫‪:P‬‬
‫‪1 P‬‬ ‫‪1  Odds‬‬
‫كاذا كانت قيمة ‪:‬‬
‫×‪Log odds = β0 + β1‬‬
‫كلذلؾ االحتمالية لقيمة )‪ (P‬تساكم ‪:‬‬

‫‪:P (y 1 /x ) = e β0 + β1 x / 1 + e β0 + β1 x‬‬

‫ال حساب قيمة ‪( L1‬ك ىػي تسػاكم القيمػة‬

‫كىكذا فإف طريقة االنحدار تمثؿ أك ن‬

‫التالي ػػة)()‪ (Logit (p1‬لممجمكع ػػة األكل ػػى ) ك ‪( L2‬كى ػػي تس ػػاكم )‪(Logit (p2‬‬

‫لممجمكعة األخرل) كعندئذ يككف حساب االختبلؼ في االحتماليػة لمحيكانػات المصػابة‬

‫بل بالبركسيمة المجيضة كما يأتي ‪:‬‬

‫مث ن‬

‫‪ P ‬‬ ‫‪ p2‬‬ ‫‪‬‬

‫‪l1  l 2  Log  1   Log ‬‬ ‫‪‬‬
‫‪ 1  P1 ‬‬ ‫‪ L  P2‬‬ ‫‪‬‬
‫‪ P (1  p 2 ) ‬‬
‫‪ Log  1‬‬ ‫‪‬‬
‫‪ p 2 (1  P1 ) ‬‬
‫كالتي تساكم تمثيؿ لغاريتـ تناسب األفضمية ‪ Odds Ratio‬كبمعنى آخر ‪:‬‬

‫‪232‬‬
‫القيمة ‪ : β1‬تمثؿ المغاريتـ المقدر لتناسػب األفضػمية (التراجحيػة) مػع األخػذ باالعتبػار‬

‫التعرض لمعامؿ ‪0 (OR = e β1)1‬‬

‫القيم ػػة ‪ : β0‬كى ػػي تق ػػدر لغ ػػاريتـ األفض ػػمية لمم ػػرض ف ػػي ح ػػاؿ ع ػػدـ التع ػػرض لعكام ػػؿ‬

‫الخطكرة‬

‫كمف البرامج اإلحصائية المستخدمة لطرؽ االنحدار المغاريتمي ‪:‬‬

‫‪. SPPSS , STATISTIX , SAS , GLIM , EGRET , BMDP, S -Plus‬‬

‫الفصل الثبلث عشر‬

‫‪CHAPTER THIRTEEN‬‬
‫االختجبرات اإلحصبئٍة الالهعلوٍة‬
‫‪NON-PARAMETRIC‬‬
‫‪STATISTICAL TESTS‬‬

‫مقدمة ‪Introduction‬‬
‫درسػػنا االختبػػارات المعمميػػة فػػي الفصػػكؿ السػػابقة‪ ،‬ك التػػي تتضػػمف افت ارضػػات‬

‫معينػػة ًلتكزيػػع المشػػاىدات ‪ ،‬فعمػػى سػػبيؿ المثػػاؿ عنػػد اسػػتخداـ اختبػػارات سػػتكدنت ذم‬

‫‪233‬‬
‫العينيتػػيف افترضػػنا أف البيانػػات مكزعػػة طبيعي ػنا كالتباينػػات فػػي العينػػات المشػػاىدة ف ػػي‬

‫المجمػػكعتيف متشػػابيتاف ‪ .‬إال أنػػو فػػي بحػػكث الحيػكاف تكػػكف نتػػائج البيانػػات أقػػؿ درجػػة‬

‫مف حيث الشمكلية كالدقة في أعداد المشاىدات أك تكزيع البيانات ‪ .‬كلذلؾ مف الممكف‬

‫حس ػػب االفت ارض ػػات المطبق ػػة ف ػػي ى ػػذه االختب ػػارات أف تك ػػكف نت ػػائج ى ػػذه االختب ػػارات‬

‫البلمعممي ػػة كالت ػػي ل ػػيس فيي ػػا أم افت ارض ػػات لتكزي ػػع البيان ػػات ‪ .‬كلي ػػذا الس ػػبب ن ػػدعكىا‬

‫باالختبارات الخالية مف التكزيع (‪. )Distribution –Free Tests‬‬

‫إف عمميػ ػػات التحميػ ػػؿ فػ ػػي االختبػ ػػارات البلمعمميػ ػػة عػ ػػادة تعتمػ ػػد عمػ ػػى ترتيػ ػػب‬

‫البيانػػات فمػػثبل عػػدد النجاحػػات ‪ /‬األخمػػاج‪ /‬فػػي البيانػػات المشػػاىدة ترتػػب تصػػاعديا أك‬

‫تنازليان منو مف تحمييا كبيانات خاـ غير مجرل عمييا أية طريقػة ‪ .‬كببسػاطة يمكػف أف‬

‫نضع بعض المقارنات بيف االختبارات المعممية كنظيراتيا في االختبارات البلمعممية‪.‬‬

‫لػػف نػػتمكف مػػف د ارسػػة كامػػؿ االختبػػارات البلمعمميػػة نظػ نار لضػػيؽ الفتػرة الزمنيػػة لمػػنيج‬

‫االحصاء المقرر لمسنة االكلى كنعطػي فكػرة عػف أىػـ اختبػار مػف االختبػارات المعمميػة‬

‫كىػػك اختبػػار اإلشػػارة ‪ .‬بقيػػة االختبػػارات يػػتـ د ارسػػتيا فػػي منػػاىج اإلحصػػاء لمد ارسػػات‬

‫العميػػا حسػػب المنػػاىج اإلحصػػائية فػػي العمػػكـ الطبيػػة النيػػا تسػػنخدـ غالبػػا عنػػدما تكػػكف‬

‫لدينا عينات صغيرة الحجـ‪.‬‬

‫‪234‬‬
 ‫الجدوؿ رقـ ‪ :30‬مقارنة االختبارات الحدية مع االختبارات الالمعممية‬

‫االختبارات الالمعممية‬ ‫االختبارات المعممية‬

‫اختبار اإلشارة‬ ‫اختبارات لعينة كاحدة‬

‫‪Sign test‬‬ ‫‪One sample t test‬‬

‫اختبار اإلشارة‪ ،‬اختبار رتب كيمكسكف‬ ‫اختبار‪-‬ت‪ -‬الشفعي‬

‫‪Sign test , Wilcoxon Signed‬‬
‫‪Paired t test‬‬
‫‪rank Test‬‬
‫اختبار رتب كيمكسكف‬ ‫اختبارات ذي العينيتيف‬

‫‪Wilcoxon rank test‬‬ ‫‪Two sample t test‬‬

‫كرسكاؿ‪ -‬كاليز الكحيدة االتجاه‬ ‫تحميؿ التبايف وحيد اإلتجاه‬

‫‪Kruskal –Wallis One way‬‬ ‫‪One way -ANOVA‬‬
‫‪ANOVA‬‬
‫طريقة فريدماف الثنائية‬ ‫تحميؿ التبايف باتجاىيف‬

‫‪Fridman Two –way ANOVA‬‬ ‫‪Two way ANOVA‬‬

‫معامؿ ارتباط رتب سبيرماف‬ ‫معامؿ ارتباط بيرسوف‬

‫‪Spearman rank correlation‬‬ ‫‪Pearson correlation‬‬
‫‪coefficient‬‬ ‫‪coefficient‬‬

‫‪235‬‬
 ‫اختبار اإلشارة ‪The Sign Test‬‬

‫كيتمثؿ االختبار اإلحصائي ‪:‬‬

‫)‪Test12  p  0.5  1 /( 2n‬‬

‫‪0.5 2 / n‬‬
‫ثإعتجبر أى ‪:‬‬
‫‪ : n‬عػدد التباينػػات غيػػر مشػػتممة عمػػى القيمػة صػػفر‪ -‬كافػػة األزكاج المرتبطػػة ببعضػػيا‬

‫تستثنى مف التحميؿ ‪.‬‬

‫‪ : P = k/n‬كىػػي نسػػبة المشػػاىدات اإليجابيػػة (أك السػػمبية) لػػؤلزكاج أك األشػػفاع لقػػيـ‬

‫أزكاج ‪ n‬المكحدة ‪.‬‬

‫)‪ : 1/(2n‬كىك عبارة عػف معامػؿ تصػحيح مسػتمر يسػمح لنػا باسػتخداـ تكزيػع طبيعػي‬

‫مستمر لتقريب التكزيع الثنائي االسمي المتقطع أك غير المستمر ‪.‬‬

‫تعتبػػر بقيػػة االختبػػارات لمرحمػػة د ارسػػية تخصصػػية فػػي اإلحصػػاء كالتػػي أيشػػير‬

‫إلييا في الجدكؿ السابؽ ‪.‬‬

‫‪236‬‬
 ‫الوـراجع العـرثٍة‬

‫ُ‪ -‬دركزنم ػػي‪ ،‬محم ػػد س ػػمير (َََِ)‪ ،‬اإلحص ػػاء الحي ػػكم‪ ،‬منش ػػكرات جامع ػػة حم ػػب‪.‬‬
‫سكريا‬
‫ِ‪ -‬كنجك‪ ،‬أنيس اسماعيؿ (ُّٗٗ)‪ .‬اإلحصػاء ك االحتمػاؿ‪ .‬منشػكرات جامعػة الممػؾ‬
‫سعكد‪ ،‬المممكة العربية السعكدية‪.‬‬

‫‪237‬‬
 ‫الوراجــع األجـٌجٍة‬
REFERENCES
1- Altman, D. G. (1992). How large a sample. In: Stastics in
Practice. (ed. SM. Gore & D. G. Altman). British Medical
Association.
2- Armitage, P. & Berry, G. (1994). Statistical Methods in
Medical Research, 3rd edn. Blackwell Scientific Publication,
Oxford.
3- Bland, J. M. & Kerry, S. M. (1997). Sample Size in Cluster
Randomisation . British Medical Journal, Vol. 315, No. 600.
4- Burton, S. A., Lemke, K. A., Ihle, S. L., & MackKenzie,
A.L.(1997). Effects of Medetomiddine on Serum Insulin and
Plasma Glucose Concentrations in Clinically Normal Dogs.
American
5- Cochran, W. G. (1977). Sampling techniques, 3rd edn. Wiley,
New York.
6- Cox, D., R. & Oakes, D. (1984). Analysis of Survival Data.
Chapman and Hall, London.
7- Donner, A. (1987). Statistical Methodology for Paired Cluster
Design. American Journal of Epidemiology, 126, 972-9.
8- Everitt, B. S. (1995). The analysis of Repeated Measures: A
practical Review with Examples. The Statistician, 44, 113.
9- Gardner, M. J. & Altman, D. G. (eds)(1989). Statistics with
Confidence: Confidence Intervals and Statistical Guidelines.
British Medical Journal, London.
10- Haber, M., Logini, I. M., & Halloran, M. E.
(1991).International Journal of Epidemiology, 20 300-10.
11- Hseih, F. Y. (1988). Sample Size Formulae for Intervention
Studiers with the Cluster as Unit of Randomisation. Statistics
in Medicne, 8, 1195-201.
12- Jekel, J. F., Elmore, J. G. & Katz, D. L. (1996).
Epidemiology, Biostatistics and Preventive Medicine.
Saunders, Philadelphia.

238
13 - Kendall, M. G. (1980). Multivariate Analysis, 2d edn.
Griffin, London.
14- Littele, T. W. A ., Richards, M. S., Hussaini, S. N. & Jones,
T. D. (1980). The Significance of Leptospiral
15- Antibodies in Calving and Aborting Cattle in South West
England. Veterinary Record, 106, 221-4
16- Manly, B. F. J. (1986). Multivariate Statistical Methods, A
primer, Chapman and Hall , London.
17- McCoy, M. A., Goodall, E. A. & Kennedy, D. G. (1996).
Incidence of Bovine Hypomagnesaemia in Northern Ireland
and Methods of Magnesium Supplementation. Veterinary
Record, 138, 41-3.
18- Nada, A. S., Dodson, H. & Ward, W. R. (1990). Relationship
between an increase in Plasma Cortisol during Transport-
Induced Stress and Failure of Oestradiol to induce a
Luteinising Hormone Surge in Dairy Cows. Research
Vterinary Science, 49, 25-8.
19- Nicholas, F. W. (1987). Veterinary Genetics. Oxford
University Press, Oxford.
20- Pearson, R. A. & Ouassat, M. (1996). Estimation of the live
weight and body condition of Working Donkeys in Morocco.
Veterinary Record, 138. 229-33.
21- Schroeder, L. D., Sjoquist, D. L. & Stephan, P. E. (1986).
Understanding Regression Analysis: An Introductory Guide.
Sage University Paper Series on Quantitative Applications in
the Social Science, Series No. 07-057. Sage University Press,
Beverly Hills, California.
22- Siegel, S. & Castellan, N. J. (1988). Non-parametric
Statistics for the Behavioral Science, 2nd edn. McGraw-Hill,
New York.
23- Yates, F. (1981). Sampling Methods for Cenuses and
Surveys, 4th edn. Griffin, London.

239
 ‫البرامج اإلحصائية المشار إلييا خالؿ سرد التقنيات‬
‫اإلحصائية‬
Computer Packages Mentioned
Borenstein, M., Rothstein, H. & Cohen, J. (1997). Sample
Power 10.0. SPSS., Chicago, USA.
N-Query Advisor 2.0. Statistical Solutions Ltd. SPSS,
version 10.0. SPSS Inc. Chicago, USA.
STATISTIX, (1998). Analytical Software, Manual Guide,
Version 2.0, New York, USA.
S-Plus, (1998). User’ Manual. MathSoft, Version 4.0.
StatSci. Division, MathSoft, Inc. Seattle, Washington, USA.

‫تن ثعىى هللا‬

240
‫الولحقبت اإلحصبئٍة‬

‫‪241‬‬
 ‫الجداوؿ اإلحصائية‬
‫إف القيمػػة المجدكلػػة ىػػي عبػػارة عػػف قيمػػة (‪ )P‬ذات القيمػػة المعب ػرة عػػف ذات‬

‫الذيميف لمتكزيعات الطبيعية المطابقة لقيمة محددة لئلنحراؼ الطبيعي المعيارم ‪.‬‬

‫‪Z=X-M/Q‬‬
‫بإعتبػػار أف قيمػػة (‪ )X‬ىػػي عبػػارة عػػف المتغيػػر ذم التكزيػػع الطبيعػػي ‪ ،‬مػػع متكسػػط =‬

‫(‪ )M‬كانحراؼ معيارم (‪. )Q‬‬

‫عمػى سػػبيؿ المثػػاؿ إذا كانػػت قيمػػة (‪ ُ.ٗٔ = )Z‬فعندئػػذ تكػػكف قيمػػة (‪ )P‬ذات الػػذيميف‬

‫= َٓ‪ )P= 0.025( َ.‬فػػي كػػؿ جانػب أك مػػا يسػمى بالمصػػطمح اإلحصػائي فػػي كػػؿ‬

‫ذيؿ كما ىك مبيف أدناه ‪:‬‬

‫‪242‬‬
 ‫ التوزيع الطبيعي المعياري‬: A1 ‫ممحؽ‬
The Standard Normal Distribution
(Two-tailed P-Values from Values of z, the SND)
Z P Z P Z P Z P Z P Z P
0.00 1.0000 0.53 0.5961 1.04 0.2983 1.56 0.1188 2.08 0.0375 2.59 0.0096
0.01 0.9920 0.54 0.5892 1.05 0.2937 1.57 0.1164 2.09 0.0366 2.60 0.0093
0.02 0.9840 0.55 0.5823 1.06 0.2891 1.58 0.1141 2.10 0.0357 2.61 0.0091
0.03 0.9761 0.56 0.5755 1.07 0.2846 1.59 0.1118 2.11 0.0349 2.62 0.0088
0.04 0.9681 0.57 0.5687 1.08 0.2801 1.60 0.1096 2.12 0.0340 2.63 0.0085
0.05 0.9601 0.58 0.5619 1.09 0.2757 1.61 0.1074 2.13 0.0332 2.64 0.0083
0.06 0.9522 0.59 0.5552 1.10 0.2713 1.62 0.1052 2.14 0.0324 2.65 0.0080
0.07 0.9442 0.60 0.5485 1.11 0.2670 1.63 0.1031 2.15 0.0316 2.66 0.0078
0.08 0.9362 0.61 0.5419 1.12 0.2627 1.64 0.1010 2.16 0.0308 2.67 0.0076
0.09 0.9283 0.62 0.5353 1.13 0.2585 1.65 0.0989 2.17 0.0300 2.68 0.0074
0.10 0.9203 0.63 0.5287 1.14 0.2543 1.66 0.0969 2.18 0.0293 2.69 0.0071
0.11 0.9124 0.64 0.5222 1.15 0.2501 1.67 0.0949 2.19 0.0285 2.70 0.0069
0.12 0.9045 0.65 0.5157 1.16 0.2460 1.68 0.0930 2.20 0.0278 2.71 0.0067
0.13 0.8966 0.66 0.5093 1.17 0.2420 1.69 0.0910 2.21 0.0271 2.72 0.0065
0.14 0.8887 0.67 0.5029 1.18 0.2380 1.70 0.0891 2.22 0.0264 2.73 0.0063
0.15 0.8808 0.68 0.4965 1.19 0.2340 1.71 0.0873 2.23 0.0257 2.74 0.0061
0.16 0.8729 0.69 0.4902 1.20 0.2301 1.72 0.0854 2.24 0.0251 2.75 0.0060
0.17 0.8650 0.70 0.4839 1.21 0.2263 1.73 0.0836 2.25 0.0244 2.76 0.0058
0.18 0.8572 0.71 0.4777 1.22 0.2225 1.74 0.0819 2.26 0.0238 2.77 0.0056
0.19 0.8493 0.72 0.4715 1.23 0.2187 1.75 0.0801 2.27 0.0232 2.78 0.0054
0.20 0.8415 0.73 0.4654 1.24 0.2150 1.76 0.0784 2.28 0.0226 2.79 0.0053
0.21 0.8337 0.74 0.4593 1.25 0.2113 1.77 0.0767 2.29 0.0220 2.80 0.0051
0.22 0.8259 0.75 0.4533 1.26 0.2077 1.78 0.0751 2.30 0.0214 2.81 0.0050
0.23 0.8181 0.76 0.4473 1.27 0.2041 1.79 0.0735 2.31 0.0209 2.82 0.0048
0.24 0.8103 0.77 0.4413 1.28 0.2005 1.80 0.0719 2.32 0.0203 2.83 0.0047
0.25 0.8026 0.78 0.4354 1.29 0.1971 1.81 0.0703 2.33 0.0198 2.84 0.0045
0.26 0.7949 0.79 0.4295 1.30 0.1936 1.82 0.0688 2.34 0.0193 2.85 0.0044
0.27 0.7872 0.80 0.4237 1.31 0.1902 1.83 0.0672 2.35 0.0188 2.86 0.0042
0.28 0.7795 0.81 0.4179 1.32 0.1868 1.84 0.0658 2.36 0.0183 2.87 0.0041
0.29 0.7718 0.82 0.4122 1.33 0.1835 1.85 0.0643 2.37 0.0178 2.88 0.0040
0.30 0.7642 0.83 0.4065 1.34 0.1802 1.86 0.0629 2.38 0.0173 2.89 0.0039
0.31 0.7566 0.84 0.4009 1.35 0.1770 1.87 0.0615 2.39 0.0168 2.90 0.0037
0.32 0.7490 0.85 0.3953 1.36 0.1738 1.88 0.0601 2.40 0.0164 2.91 0.0036
0.33 0.7414 0.86 0.3898 1.37 0.1707 1.89 0.0588 2.41 0.0160 2.92 0.0035
0.34 0.7339 0.87 0.3843 1.38 0.1676 1.90 0.0574 2.42 0.0155 2.93 0.0034
0.35 0.7263 0.88 0.3789 0.39 0.1645 1.91 0.0561 2.43 1.0151 2.94 0.0033
0.36 0.7188 0.89 0.3735 0.40 0.1615 1.92 0.0549 2.44 0.0147 2.95 0.0032
0.37 0.7114 0.90 0.3681 1.41 0.1585 1.93 0.0536 2.45 0.0143 2.96 0.0031
0.38 0.7039 0.91 0.3628 1.42 0.1556 1.94 0.0524 2.46 0.0139 2.97 0.0030
0.39 0.6965 0.92 0.3576 1.43 0.1527 1.95 0.0512 2.47 0.0135 2.98 0.0029
0.40 0.6892 0.93 0.3524 1.44 0.1499 1.96 0.0500 2.48 0.0131 2.99 0.0028
0.41 0.6818 0.94 0.3472 1.45 0.1471 1.97 0.0488 2.49 0.0128 3.00 0.0027
0.42 0.6745 0.95 0.3421 1.46 0.1443 1.98 0.0477 2.50 0.0124 3.10 0.00194
0.43 0.6672 0.96 0.3371 1.47 0.1416 1.99 0.0466 2.51 0.0121 3.20 0.00137
0.44 0.6599 0.97 0.3320 1.48 0.1389 2.00 0.0455 2.52 0.0117 3.30 0.00097
0.45 0.6527 0.98 0.3271 1.49 0.1362 2.01 0.0444 2.53 0.0114 3.40 0.00067
0.46 0.6455 0.99 0.3222 1.50 0.1336 2.02 0.0434 2.54 0.0111 3.50 0.00047
0.47 0.6384 1.00 0.3173 1.51 0.1310 2.03 0.0424 2.55 0.0108 3.60 0.00032
0.48 0.6312 1.01 0.3125 1.52 0.1285 2.04 0.0414 2.56 0.0105 3.70 0.00022
0.49 0.6241 1.02 0.3077 1.53 0.1260 2.05 0.0404 2.57 0.0102 3.80 0.00014
0.50 0.6171 1.03 0.3030 1.54 0.1236 2.06 0.0394 2.58 0.0099 3.90 0.00010
0.51 0.6101 1.55 0.1211 2.07 0.0385 4.00 0.00006
0.52 0.6031

243
 ) P ‫ مف قيـ‬SND , Z ‫ التوزيع الطبيعي المعياري ( قيـ‬: A2 ‫الممحؽ‬
The Standard Normal Distribution
(Values of z, the SND, from P- Value)
Two-tailed
SND-z One-tailed probability
probanility
1.00 0.00 0.50
0.90 0.13 0.45
0.50 0.67 0.25
0.25 1.15 0.125
0.20 1.28 0.10
0.15 1.44 0.075
0.10 1.64 0.50
0.05 1.96 0.025
0.02 2.33 0.01
0.01 2.58 0.005
0.005 2.81 0.0025
0.001 3.29 0.0005

244
 ‫الممحؽ ‪ : A3‬النقاط المئوية لتوزيع ت ستودنت ‪Percentage of the t- Distribution‬‬
‫‪df‬‬ ‫‪0.9‬‬ ‫‪0.8‬‬ ‫‪0.7‬‬ ‫‪0.6‬‬ ‫‪0.5‬‬ ‫‪0.4‬‬ ‫‪0.3‬‬ ‫‪0.2‬‬ ‫‪0.1‬‬ ‫‪0.05‬‬ ‫‪0.02‬‬ ‫‪0.01‬‬ ‫‪0.001‬‬
‫‪1‬‬ ‫‪0.158‬‬ ‫‪0.325‬‬ ‫‪0.510‬‬ ‫‪0.727‬‬ ‫‪1.000‬‬ ‫‪1.376‬‬ ‫‪1963‬‬ ‫‪3.078‬‬ ‫‪6.314‬‬ ‫‪12.206‬‬ ‫‪31.821‬‬ ‫‪63.667‬‬ ‫‪636619‬‬
‫‪2‬‬ ‫‪0.142‬‬ ‫‪0.289‬‬ ‫‪0.445‬‬ ‫‪0.617‬‬ ‫‪0.816‬‬ ‫‪1.061‬‬ ‫‪1386‬‬ ‫‪1.886‬‬ ‫‪2.920‬‬ ‫‪4.303‬‬ ‫‪6.965‬‬ ‫‪9.925‬‬ ‫‪31593‬‬
‫‪3‬‬ ‫‪0.137‬‬ ‫‪0.277‬‬ ‫‪0.424‬‬ ‫‪0.584‬‬ ‫‪0.765‬‬ ‫‪0.978‬‬ ‫‪1290‬‬ ‫‪1.638‬‬ ‫‪2.353‬‬ ‫‪3.182‬‬ ‫‪4.541‬‬ ‫‪5.841‬‬ ‫‪12924‬‬
‫‪4‬‬ ‫‪0.134‬‬ ‫‪0.271‬‬ ‫‪0.414‬‬ ‫‪0.569‬‬ ‫‪0.741‬‬ ‫‪0.941‬‬ ‫‪1490‬‬ ‫‪1.533‬‬ ‫‪2.132‬‬ ‫‪2.776‬‬ ‫‪3.747‬‬ ‫‪4.604‬‬ ‫‪8610‬‬
‫‪5‬‬ ‫‪0.132‬‬ ‫‪0.267‬‬ ‫‪0.408‬‬ ‫‪0.559‬‬ ‫‪0.727‬‬ ‫‪0.920‬‬ ‫‪1456‬‬ ‫‪1.476‬‬ ‫‪2.015‬‬ ‫‪2.571‬‬ ‫‪3.366‬‬ ‫‪4.032‬‬ ‫‪6869‬‬

‫‪6‬‬ ‫‪0.131‬‬ ‫‪0.265‬‬ ‫‪0.404‬‬ ‫‪0.553‬‬ ‫‪0.718‬‬ ‫‪0.906‬‬ ‫‪1.134‬‬ ‫‪1.449‬‬ ‫‪1.943‬‬ ‫‪2.447‬‬ ‫‪3.143‬‬ ‫‪3.707‬‬ ‫‪5.959‬‬
‫‪7‬‬ ‫‪0.130‬‬ ‫‪0.265‬‬ ‫‪0.402‬‬ ‫‪0.549‬‬ ‫‪0.711‬‬ ‫‪0.896‬‬ ‫‪1.119‬‬ ‫‪1.415‬‬ ‫‪1.825‬‬ ‫‪2.365‬‬ ‫‪2.995‬‬ ‫‪3.499‬‬ ‫‪5.408‬‬
‫‪8‬‬ ‫‪0.130‬‬ ‫‪0.262‬‬ ‫‪0.393‬‬ ‫‪0.546‬‬ ‫‪0.706‬‬ ‫‪0.889‬‬ ‫‪1.108‬‬ ‫‪0.397‬‬ ‫‪1.86‬‬ ‫‪2.366‬‬ ‫‪2.896‬‬ ‫‪3.355‬‬ ‫‪5.011‬‬
‫‪9‬‬ ‫‪0.129‬‬ ‫‪0.261‬‬ ‫‪0.398‬‬ ‫‪0.543‬‬ ‫‪0.703‬‬ ‫‪0.883‬‬ ‫‪1.100‬‬ ‫‪1.383‬‬ ‫‪1.833‬‬ ‫‪2.262‬‬ ‫‪2.821‬‬ ‫‪3.250‬‬ ‫‪4.381‬‬
‫‪10‬‬ ‫‪0.129‬‬ ‫‪0.260‬‬ ‫‪0.397‬‬ ‫‪0.542‬‬ ‫‪0.700‬‬ ‫‪0.879‬‬ ‫‪1.093‬‬ ‫‪1.372‬‬ ‫‪1.812‬‬ ‫‪2.228‬‬ ‫‪2.764‬‬ ‫‪3.169‬‬ ‫‪4.587‬‬

‫‪11‬‬ ‫‪0.129‬‬ ‫‪0.260‬‬ ‫‪0.396‬‬ ‫‪0.540‬‬ ‫‪0.697‬‬ ‫‪0.876‬‬ ‫‪1.088‬‬ ‫‪1.363‬‬ ‫‪1.796‬‬ ‫‪2.201‬‬ ‫‪2.718‬‬ ‫‪3.106‬‬ ‫‪4.437‬‬
‫‪12‬‬ ‫‪0.128‬‬ ‫‪0.259‬‬ ‫‪0.395‬‬ ‫‪0.539‬‬ ‫‪0.695‬‬ ‫‪0.873‬‬ ‫‪1.083‬‬ ‫‪1.396‬‬ ‫‪1.782‬‬ ‫‪2.179‬‬ ‫‪2.381‬‬ ‫‪3.055‬‬ ‫‪4.318‬‬
‫‪13‬‬ ‫‪0.128‬‬ ‫‪0.259‬‬ ‫‪0.394‬‬ ‫‪0.538‬‬ ‫‪0.694‬‬ ‫‪0.870‬‬ ‫‪1.079‬‬ ‫‪1.350‬‬ ‫‪1.771‬‬ ‫‪2.160‬‬ ‫‪2.650‬‬ ‫‪3.012‬‬ ‫‪4.221‬‬
‫‪14‬‬ ‫‪0.128‬‬ ‫‪0.258‬‬ ‫‪0.393‬‬ ‫‪0.537‬‬ ‫‪0.692‬‬ ‫‪0.868‬‬ ‫‪1.076‬‬ ‫‪1.345‬‬ ‫‪1.761‬‬ ‫‪2.145‬‬ ‫‪2.624‬‬ ‫‪2.977‬‬ ‫‪4.140‬‬
‫‪15‬‬ ‫‪0.128‬‬ ‫‪0.258‬‬ ‫‪0.393‬‬ ‫‪0.536‬‬ ‫‪0.691‬‬ ‫‪0.866‬‬ ‫‪1.074‬‬ ‫‪1.341‬‬ ‫‪1.753‬‬ ‫‪2.131‬‬ ‫‪2.602‬‬ ‫‪2.947‬‬ ‫‪4.073‬‬

‫‪16‬‬ ‫‪0.128‬‬ ‫‪0.258‬‬ ‫‪0.392‬‬ ‫‪0.535‬‬ ‫‪0.690‬‬ ‫‪0.865‬‬ ‫‪1.071‬‬ ‫‪1.337‬‬ ‫‪1.746‬‬ ‫‪2.120‬‬ ‫‪2.583‬‬ ‫‪2.921‬‬ ‫‪4.015‬‬
‫‪17‬‬ ‫‪0.128‬‬ ‫‪0.258‬‬ ‫‪0.392‬‬ ‫‪0.534‬‬ ‫‪0.689‬‬ ‫‪0.863‬‬ ‫‪1.069‬‬ ‫‪1.333‬‬ ‫‪1.741‬‬ ‫‪2.110‬‬ ‫‪2.567‬‬ ‫‪2.898‬‬ ‫‪3.965‬‬
‫‪18‬‬ ‫‪0.127‬‬ ‫‪0.257‬‬ ‫‪0.392‬‬ ‫‪0.534‬‬ ‫‪0.688‬‬ ‫‪0.862‬‬ ‫‪1.067‬‬ ‫‪1.330‬‬ ‫‪1.734‬‬ ‫‪2.101‬‬ ‫‪2.552‬‬ ‫‪2.878‬‬ ‫‪3.922‬‬
‫‪19‬‬ ‫‪0.127‬‬ ‫‪0.257‬‬ ‫‪0.391‬‬ ‫‪0.533‬‬ ‫‪0.688‬‬ ‫‪0.861‬‬ ‫‪1.066‬‬ ‫‪1.328‬‬ ‫‪1.729‬‬ ‫‪2.093‬‬ ‫‪2.539‬‬ ‫‪2.861‬‬ ‫‪3.883‬‬
‫‪20‬‬ ‫‪0.127‬‬ ‫‪0.257‬‬ ‫‪0.391‬‬ ‫‪0.533‬‬ ‫‪0.687‬‬ ‫‪0.860‬‬ ‫‪1.064‬‬ ‫‪1.325‬‬ ‫‪1.725‬‬ ‫‪2.056‬‬ ‫‪2.528‬‬ ‫‪2.845‬‬ ‫‪3.850‬‬

‫‪21‬‬ ‫‪0.127 0.257 0.391 0.532 0.696 0.859 1.063 1.323 1.721 2.090‬‬ ‫‪2.518‬‬ ‫‪2.831‬‬ ‫‪3.819‬‬

‫‪245‬‬
22 0.127 0.256 0.390 0.532 0.696 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.792
23 0.127 0.256 0.390 0.532 0.685 0.858 1.060 1.319 1.214 2.069 2.900 2.817 3.767
24 0.127 0.256 0.390 0.531 0.685 0.857 1.059 1.318 1.311 2.064 2.492 2.397 3.745
25 0.127 0.256 0.390 0.531 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.725

26 0.127 0.256 0.390 0.531 0.681 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.707
27 0.127 0.256 0.389 0.531 0.681 0.855 1.067 1.314 1.303 2.062 2.473 2.771 3.690
28 0.127 0.256 0.389 0.530 0.681 0.855 1.056 1.313 1.301 2.048 2.457 2.763 3.674
29 0.127 0.256 0.389 0.530 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.699
30 0.127 0.256 0.389 0.530 0.683 0.854 1.055 1.319 1.697 2.042 2.457 2.790 3.646

40 0.126 0.255 0.388 0.529 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 3.551

90 0.126 0.255 0.388 0.528 0.679 0.849 1.047 1.299 1.676 2.009 2.403 2.678 3.497

100 0.126 0.254 0.386 0.526 0.677 0.845 1.042 1.291 1.661 1.984 2.364 2.626 3.391

200 0.126 0.254 0.386 0.525 0.676 0.843 1.039 1.286 1.653 1.972 2.345 2.601 3.340

∞ 0.126 0.253 0.385 0.524 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291

246
 ‫ توزيع مربع كاي‬: A4 ‫الممحؽ‬
The Chi Squared (α) Distribution

Two-taited P-value
df 0.500 0.250 0.100 0.050 0.025 0.010 0.001
1 0.45 1.32 2.71 3.84 5.02 6.63 10.83
2 1.39 2.77 4.61 5.99 7.38 9.21 13.82
3 2.37 4.11 6.25 7.81 9.35 11.34 16.27
4 3.36 5.39 7.78 9.49 11.14 13.28 18.47
5 4.35 6.63 9.24 11.07 12.83 15.09 20.52
6 5.35 7.84 10.64 12.59 14.45 16.81 22.46
7 6.35 9.04 12.02 14.07 16.01 18.48 24.32
8 7.37 10.22 13.36 15.51 17.53 20.09 26.12
9 8.34 11.39 14.68 16.92 19.02 21.67 27.88
10 9.34 12.55 15.99 18.31 20.48 23.21 29.59
11 10.34 13.70 17.28 19.68 21.92 24.72 31.26
12 11.34 14.85 18.55 21.03 23.34 26.22 32.91
13 12.34 15.98 19.81 22.36 24.74 27.69 34.53
14 13.34 17.12 21.06 23.68 26.12 29.14 36.12
15 14.34 18.25 22.31 25.00 27.49 3058 37.70
16 15.34 19.37 23.54 26.30 28.85 32.00 39.25
17 16.34 20.49 24.77 27.59 30.19 33.41 40.79
18 17.34 21.60 25.99 28.87 31.53 34.81 42.31
19 18.34 22.72 27.20 30.14 32.85 36.19 43.82
20 19.34 23.83 28.41 31.41 34.17 37.57 45.32
21 20.34 24.93 29.62 32.67 35.48 38.93 46.80
22 21.34 26.04 30.81 33.92 36.78 40.29 48.27
23 22.34 27.14 32.01 35.17 38.08 41.64 49.73
24 23.34 28.24 33.20 36.42 39.36 42.98 51.18
25 24.34 29.34 34.38 37.65 40.65 44.31 32.62
26 25.34 30.43 35.56 38.89 41.92 45.64 54.05
27 26.34 31.53 36.74 40.11 43.19 46.96 55.48
28 27.34 32.62 37.92 41.34 44.46 48.28 56.89
29 28.34 33.71 39.09 42.56 45.72 49.59 58.30
30 29.34 34.80 40.26 43.77 46.98 50.89 59.70
40 39.34 45.62 51.80 55.76 59.34 63.69 73.40
50 49.33 56.33 63.17 67.50 71.42 76.15 86.66
60 59.33 66.96 74.40 79.08 83.30 88.38 99.61
70 69.33 77.58 85.53 90.53 95.02 100.42 112.32
80 79.33 88.13 96.58 101.88 106.63 112.33 124.84
90 89.33 98.64 107.56 113.14 118.14 124.12 137.21
100 99.33 109.14 118.50 124.34 129.56 135.81 149.45

247
 ) P=0.05 , P=0.01 ( F ‫ النقاط المئوية لتوزيع‬: A5a ‫الممحؽ‬
Percentage Points of the F – Distribution ( P=0.05 , P=0.01 )
df numerator. V1
df
denominator P 1 2 3 4 5 6 7 8 12 24
v2
1 0.05 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 243.9 249.1
0.01 4052 5000 5403 5625 5764 5859 5928 5981 6106 6235
2 0.05 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.41 19.45
0.01 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.42 99.46

3 0.05 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.74 8.64
0.01 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.05 26.60
4 0.05 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 5.91 5.77
0.01 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.37 13.93

5 0.05 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.68 4.53
0.01 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 9.89 9.47
6 0.05 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.00 3.84
0.01 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.72 7.31

7 0.05 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.57 3.41
0.01 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.47 6.07
8 0.05 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.28 3.12
0.01 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.67 5.28

248
9 0.05 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.07 2.90
0.01 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.11 4.73
10 0.05 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 2.91 2.74
0.01 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.71 4.33

12 0.05 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.69 2.51
0.01 9.33 6.93 5.95 5.411 5.06 4.82 4.64 4.50 4.16 3.78
14 0.05 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.53 2.35
0.01 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 3.80 3.43

16 0.05 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.42 2.24
0.01 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.55 3.18
18 0.05 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.34 2.15
0.01 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.37 3.00

20 0.05 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.28 2.08
0.01 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.23 2.86
30 0.05 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.09 1.89
0.01 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 2.84 2.47

40 0.05 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.00 1.79
0.01 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.66 2.29
60 0.05 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 1.92 1.70
0.01 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.50 2.12

120 0.05 3.92 3.07 2.68 2.45 2.29 2.17 2.09 2.2 1.83 1.61
0.01 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.34 1.95

249
 ) P=0.05 , P=0.01 ( F ‫ النقاط المئوية لتوزيع‬: A5b ‫الممحؽ‬
Percentage Points of the F – Distribution ( P=0.05 , P=0.01 )

Df P 1 2 3 4 5 6 7 8 12 24 ∞
denominator
V2
1 0.025 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 976.7 997.2 1018
0.005 16211 20000 21615 22500 23056 23437 23715 23925 24426 24940 25465
2 0.025 38.51 .39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.41 39.46 39.50
0.005 198.5 199.0 199.2 199.2 199.3 199.3 199.4 199.4 199.4 199.5 199.5

3 0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.34 14.12 13.90
0.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.39 42.62 41.83
4 0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.75 8.51 8.26
0.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 20.70 20.03 19.32

5 0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.52 6.28 6.02
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.38 12.78 12.14
6 0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.37 5.22 4.85
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.03 9.47 8.88

7 0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.67 4.42 4.14
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.18 7.65 7.08
8 0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.20 3.95 3.67
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.01 6.50 5.95

9 0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 3.87 3.61 3.33
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.23 5.73 5.19

250
10 0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.62 3.37 3.08
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.66 5.17 4.64

12 0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.28 3.02 2.72
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 4.91 4.43 3.90
14 0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.05 2.79 2.49
0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.43 3.96 3.44

16 0.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 2.89 2.63 2.32
0.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.10 3.64 3.11
18 0.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.77 2.50 2.19
0.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 3.86 3.40 2.87

20 0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.68 2.41 2.09
0.005 9.94 6.99 5.82 5.7 4.76 4.47 4.26 4.09 3.68 3.22 2.69
30 0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.41 2.14 1.79
0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.18 2.73 2.18

40 0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.29 2.01 1.64
0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 2.95 2.50 1.93
60 0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.17 1.88 1.48
0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 2.74 2.29 1.69

120 0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.05 1.76 1.31
0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.54 2.09 1.43
∞ 0.025 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 1.94 1.64 1.00
0.005 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.36 1.90 1.00

251
 ‫ القيـ المحددة لعامؿ ارتباط بيرسوف‬: A6 ‫الممحؽ‬
Critical Values of Prearson's Correlation Coefficient (r)
Two-tailed P-value Two-tailed P-value
Sample 0.05 0.01 0.001 Sample 0.05 0.01 0.001
size size
3 0.9969 0.9999 1.0000 23 0.4132 0.5256 0.6402
4 0.9500 0.9900 0.9990 24 0.4044 0.5151 0.6287
5 0.8783 0.9587 0.9911 25 0.3961 0.5152 0.6177
6 0.8114 0.9172 0.9741 26 0.3882 0.4958 0.6073
7 0.7545 0.8745 0.9509 27 0.3809 0.4869 0.5974
8 0.7067 0.8343 0.9249 28 0.3739 0.4785 0.5880
9 0.6664 0.7977 0.8983 29 0.3673 0.4705 0.5790
10 0.6319 0.7646 0.8721 30 0.3610 0.4629 0.5703
11 0.6021 0.7348 0.8471 35 0.3338 0.4296 0.5322
12 0.5760 0.7079 0.8233 40 0.3120 0.4026 0.5007
13 0.5529 0.6835 0.8010 45 0.2940 0.3801 0.4742
14 0.5324 0.6614 0.7800 50 0.2787 0.3610 0.4514
15 0.5139 0.6411 0.7604 55 0.2656 0.3445 0.4317
16 0.4973 0.6226 0.7419 60 0.2542 0.3301 0.4143
17 0.4821 0.6055 0.7247 70 0.2352 0.3060 0.3850
18 0.4683 0.5897 0.7084 80 0.2199 0.2864 0.3611
19 0.4555 0.5751 0.6932 90 0.2072 0.2702 0.3412
20 0.4438 0.5614 0.6788 100 0.2172 0.2830 0.3569
21 0.4329 0.5487 0.6652 150 0.1603 0.2097 0.2660
22 0.4227 0.5368 0.6524

252
 ‫ معامؿ ارتباط رتب سبيرماف‬: A7 ‫الممحؽ‬
Spearman's Rank Correlation Coefficient (rs)

Sample size 0.1 0.05 0.02 0.01 0.002

4 0.8000 - - - -
5 0.8000 0.9000 0.9000 - -
6 0.7714 0.8286 0.8857 0.9429 -
7 0.6789 0.7450 0.8571 0.8929 0.9643
8 0.6190 0.7143 0.8095 0.8571 0.9286
9 0.5833 0.6833 0.7667 0.8167 0.9000
10 0.5515 0.6364 0.7333 0.7818 0.8667
11 0.5273 0.6091 0.7000 0.7455 0.8364
12 0.4965 0.5804 0.6713 0.7273 0.8182
13 0.4780 0.5549 0.6429 0.6978 0.7912
14 0.4593 0.5341 0.6220 0.6747 0.7670
15 0.4429 0.5179 0.6000 0.6536 0.7464

253
 ‫الممحؽ ‪ : A8‬قيـ ‪ P‬ذات الذيميف الختبار اإلشارة‬
‫‪Two tailed P – values‬‬
‫‪K‬‬
‫‪N‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬
‫‪4‬‬ ‫‪0.125‬‬ ‫‪0.624‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪5‬‬ ‫‪0.062‬‬ ‫‪0.376‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪6‬‬ ‫‪0.032‬‬ ‫‪0.218‬‬ ‫‪0.688‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪7‬‬ ‫‪0.016‬‬ ‫‪0.124‬‬ ‫‪0.454‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪8‬‬ ‫‪0.008‬‬ ‫‪0.070‬‬ ‫‪0.290‬‬ ‫‪0.726‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪9‬‬ ‫‪0.004‬‬ ‫‪0.040‬‬ ‫‪0.180‬‬ ‫‪0.508‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪10‬‬ ‫‪0.002‬‬ ‫‪0.022‬‬ ‫‪0.110‬‬ ‫‪0.344‬‬ ‫‪0.754‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪11‬‬ ‫‪0.001‬‬ ‫‪0.012‬‬ ‫‪0.066‬‬ ‫‪0.226‬‬ ‫‪0.548‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪12‬‬ ‫‪-‬‬ ‫‪0.006‬‬ ‫‪0.038‬‬ ‫‪0.146‬‬ ‫‪0.388‬‬ ‫‪0.774‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪13‬‬ ‫‪-‬‬ ‫‪0.004‬‬ ‫‪0.022‬‬ ‫‪0.092‬‬ ‫‪0.266‬‬ ‫‪0.582‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪14‬‬ ‫‪-‬‬ ‫‪0.002‬‬ ‫‪0.012‬‬ ‫‪0.058‬‬ ‫‪0.180‬‬ ‫‪0.424‬‬ ‫‪0.790‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪15‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.008‬‬ ‫‪0.036‬‬ ‫‪0.118‬‬ ‫‪0.302‬‬ ‫‪0.608‬‬ ‫‪1.00‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪16‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.004‬‬ ‫‪0.022‬‬ ‫‪0.076‬‬ ‫‪0.210‬‬ ‫‪0.554‬‬ ‫‪0.804‬‬ ‫‪1.00‬‬ ‫‪-‬‬
‫‪17‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.002‬‬ ‫‪0.012‬‬ ‫‪0.050‬‬ ‫‪0.144‬‬ ‫‪0.332‬‬ ‫‪0.630‬‬ ‫‪1.00‬‬ ‫‪-‬‬
‫‪18‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.002‬‬ ‫‪0.004‬‬ ‫‪0.030‬‬ ‫‪0.096‬‬ ‫‪0.238‬‬ ‫‪0.480‬‬ ‫‪0.814‬‬ ‫‪1.00‬‬
‫‪19‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.004‬‬ ‫‪0.020‬‬ ‫‪0.064‬‬ ‫‪0.168‬‬ ‫‪0.360‬‬ ‫‪0.648‬‬ ‫‪1.00‬‬
‫‪20‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪0.002‬‬ ‫‪0.012‬‬ ‫‪0.042‬‬ ‫‪0.116‬‬ ‫‪0.264‬‬ ‫‪0.504‬‬ ‫‪0.824‬‬

‫‪254‬‬
 ‫ اختبار رتب وليكوكسوف سايند‬: A9 ‫الممحؽ‬
The Wilcoxon Signed Rank Test
Two-tailed P-value
N 0.1 0.05 0.02 0.01 0.001
4 - - - - -
5 0-15 - - - -
6 2-19 0-21 - - -
7 3-25 2-26 0-28 - -
8 5-31 3-33 1-35 0-36 -
9 8-37 5-40 3-42 1-44 -
10 10-45 8-47 5-50 3-52 -
11 13-53 10-56 7-59 5-61 0-66
12 17-61 13-65 9-69 7-71 1-77
13 21-70 17-74 12-79 9-82 2-89
14 25-80 21-84 15-90 12-93 4-101
15 30-90 25-95 19-101 15-105 6-114
16 35-101 29-107 23-113 19-117 9-127
17 41-112 34-119 28-125 23-130 11-142
18 47-124 40-131 32-139 27-144 14-157
19 53-137 46-144 37-153 32-158 18-172
20 60-150 52-158 43-167 37-173 21-189
21 67-164 58-173 49-182 42-189 26-205
22 75-178 66-187 55-198 48-205 30-223
23 83-196 73-203 62-214 54-222 35-241
24 91-209 81-219 69-231 61-239 40-260
25 100-225 89-236 76-249 68-257 45-280

255
 ‫الممحؽ ‪ : A10b‬القيـ المحددة الختبار مجموع رتب وليكوكسوف ‪.‬‬
‫قيمة اإلحتمالية ذات الذيميف = ‪0.05‬‬
‫‪Critical Values for the Wilcoxon Rank Sum Test. Twotailed P=0.05‬‬
‫‪n1‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬
‫‪n2‬‬
‫‪4‬‬ ‫‪10-26‬‬ ‫‪16-34‬‬ ‫‪23-43‬‬ ‫‪31-53‬‬ ‫‪40-64‬‬ ‫‪49-77‬‬ ‫‪60-90‬‬ ‫‪72-104‬‬ ‫‪85-119‬‬ ‫‪99-135‬‬ ‫‪114-‬‬ ‫‪130-‬‬
‫‪5‬‬ ‫‪11-29‬‬ ‫‪17-38‬‬ ‫‪24-48‬‬ ‫‪33-58‬‬ ‫‪42-70‬‬ ‫‪52-83‬‬ ‫‪63-97‬‬ ‫‪75-112‬‬ ‫‪89-127‬‬ ‫‪103-‬‬ ‫‪152‬‬ ‫‪170‬‬
‫‪144‬‬ ‫‪118-‬‬ ‫‪134-‬‬
‫‪6‬‬ ‫‪12-32‬‬ ‫‪18-42‬‬ ‫‪26-52‬‬ ‫‪34-64‬‬ ‫‪44-76‬‬ ‫‪55-89‬‬ ‫‪66-104‬‬ ‫‪79-119‬‬ ‫‪92-136‬‬ ‫‪162‬‬ ‫‪181‬‬
‫‪7‬‬ ‫‪13-35‬‬ ‫‪20-45‬‬ ‫‪27-57‬‬ ‫‪36-69‬‬ ‫‪46-82‬‬ ‫‪57-96‬‬ ‫‪69-111‬‬ ‫‪82-127‬‬ ‫‪96-144‬‬ ‫‪107-‬‬
‫‪8‬‬ ‫‪14-38‬‬ ‫‪21-49‬‬ ‫‪29-61‬‬ ‫‪38-74‬‬ ‫‪49-87‬‬ ‫‪60-102‬‬ ‫‪72-118‬‬ ‫‪85-135‬‬ ‫‪100-‬‬ ‫‪153‬‬ ‫‪122-‬‬ ‫‪139-‬‬
‫‪9‬‬ ‫‪14-42‬‬ ‫‪22-53‬‬ ‫‪31-65‬‬ ‫‪40-79‬‬ ‫‪51-93‬‬ ‫‪62-109‬‬ ‫‪75-125‬‬ ‫‪89-142‬‬ ‫‪152‬‬ ‫‪111-‬‬ ‫‪172‬‬ ‫‪191‬‬
‫‪10‬‬ ‫‪15-45‬‬ ‫‪23-57‬‬ ‫‪32-70‬‬ ‫‪42-84‬‬ ‫‪53-99‬‬ ‫‪65-115‬‬ ‫‪78-132‬‬ ‫‪92-150‬‬ ‫‪104-‬‬ ‫‪162‬‬ ‫‪127-‬‬ ‫‪144-‬‬
‫‪160‬‬ ‫‪115-‬‬ ‫‪181‬‬ ‫‪201‬‬
‫‪11‬‬ ‫‪16-48‬‬ ‫‪24-61‬‬ ‫‪34-74‬‬ ‫‪44-89‬‬ ‫‪55-105‬‬ ‫‪68-121‬‬ ‫‪81-139‬‬ ‫‪96-157‬‬ ‫‪107-‬‬ ‫‪171‬‬ ‫‪131-‬‬ ‫‪149-‬‬
‫‪12‬‬ ‫‪17-51‬‬ ‫‪26-64‬‬ ‫‪35-79‬‬ ‫‪46-94‬‬ ‫‪35-110‬‬ ‫‪71-127‬‬ ‫‪84-146‬‬ ‫‪99-165‬‬ ‫‪169‬‬ ‫‪119-‬‬ ‫‪191‬‬ ‫‪211‬‬
‫‪13‬‬ ‫‪18-54‬‬ ‫‪27-68‬‬ ‫‪37-83‬‬ ‫‪48-99‬‬ ‫‪60-116‬‬ ‫‪73-134‬‬ ‫‪88-152‬‬ ‫‪103-‬‬ ‫‪180‬‬ ‫‪136-‬‬ ‫‪154-‬‬
‫‪14‬‬ ‫‪19-57‬‬ ‫‪28-72‬‬ ‫‪38-88‬‬ ‫‪50-104‬‬ ‫‪62-122‬‬ ‫‪76-140‬‬ ‫‪91-159‬‬ ‫‪172‬‬ ‫‪111-‬‬ ‫‪124-‬‬ ‫‪200‬‬ ‫‪221‬‬
‫‪15‬‬ ‫‪20-60‬‬ ‫‪29-76‬‬ ‫‪40-92‬‬ ‫‪52-109‬‬ ‫‪65-127‬‬ ‫‪79-146‬‬ ‫‪94-166‬‬ ‫‪106-‬‬ ‫‪177‬‬ ‫‪188‬‬ ‫‪141-‬‬ ‫‪159-‬‬
‫‪180‬‬ ‫‪115-‬‬ ‫‪209‬‬ ‫‪231‬‬
‫‪16‬‬ ‫‪21-63‬‬ ‫‪30-80‬‬ ‫‪42-96‬‬ ‫‪54-114‬‬ ‫‪67-133‬‬ ‫‪82-152‬‬ ‫‪97-173‬‬ ‫‪110-‬‬ ‫‪185‬‬ ‫‪128-‬‬
‫‪17‬‬ ‫‪21-67‬‬ ‫‪32-83‬‬ ‫‪43-101‬‬ ‫‪56-119‬‬ ‫‪70-138‬‬ ‫‪84-159‬‬ ‫‪100-‬‬ ‫‪187‬‬ ‫‪119-‬‬ ‫‪197‬‬ ‫‪145-‬‬ ‫‪164-‬‬
‫‪18‬‬ ‫‪22-70‬‬ ‫‪33-87‬‬ ‫‪45-105‬‬ ‫‪58-124‬‬ ‫‪72-144‬‬ ‫‪87-165‬‬ ‫‪180‬‬ ‫‪193‬‬ ‫‪132-‬‬ ‫‪219‬‬ ‫‪241‬‬
‫‪19‬‬ ‫‪23-73‬‬ ‫‪34-91‬‬ ‫‪46-110‬‬ ‫‪60-129‬‬ ‫‪74-150‬‬ ‫‪90-171‬‬ ‫‪103-‬‬ ‫‪113-‬‬ ‫‪123-‬‬ ‫‪206‬‬ ‫‪150-‬‬ ‫‪169-‬‬
‫‪20‬‬ ‫‪24-76‬‬ ‫‪35-95‬‬ ‫‪48-114‬‬ ‫‪62-134‬‬ ‫‪77-155‬‬ ‫‪93-177‬‬ ‫‪187‬‬ ‫‪195‬‬ ‫‪201‬‬ ‫‪136-‬‬ ‫‪228‬‬ ‫‪251‬‬
‫‪107-‬‬ ‫‪117-‬‬ ‫‪127-‬‬ ‫‪215‬‬ ‫‪155-‬‬ ‫‪174-‬‬
‫‪193‬‬ ‫‪202‬‬ ‫‪209‬‬ ‫‪141-‬‬ ‫‪237‬‬ ‫‪261‬‬
‫‪110-‬‬ ‫‪121-‬‬ ‫‪223‬‬ ‫‪160-‬‬ ‫‪179-‬‬

‫‪256‬‬
 200 209 131- 145- 246 271
124- 217 232 164- 184-
217 135- 256 281
128- 225 150-
224 139- 240 169- 190-
233 154- 265 290
143- 249 174- 195-
241 159- 274 300
147- 257 179- 200-
249 163- 283 310
266 184- 205-
167- 292 320
275 188- 211-
302 329

257
 ‫الممحؽ ‪ : A10a‬القيـ المحددة الختبار مجموع رتب وليكوكسوف ‪.‬‬
‫قيمة اإلحتمالية ذات الذيميف = ‪0.05‬‬
‫‪Critical Values for the Wilcoxon Rank Sum Test. Twotailed P=0.05‬‬
‫‪n1‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬
‫‪n2‬‬
‫‪4‬‬ ‫_‬ ‫_‬ ‫‪21-45‬‬ ‫‪28-56‬‬ ‫‪36-67‬‬ ‫‪46-80‬‬ ‫‪57-93‬‬ ‫‪68-108‬‬ ‫‪81-123‬‬ ‫‪94-140‬‬ ‫‪109-‬‬ ‫‪125-‬‬
‫‪5‬‬ ‫_‬ ‫‪15-40‬‬ ‫‪22-50‬‬ ‫‪29-62‬‬ ‫‪38-74‬‬ ‫‪48-87‬‬ ‫‪59-‬‬ ‫‪71-116‬‬ ‫‪84-132‬‬ ‫‪98-149‬‬ ‫‪157‬‬ ‫‪175‬‬
‫‪101‬‬ ‫‪112-‬‬ ‫‪128-‬‬
‫‪6‬‬ ‫‪10-‬‬ ‫‪16-44‬‬ ‫‪23-55‬‬ ‫‪31-67‬‬ ‫‪40-80‬‬ ‫‪50-94‬‬ ‫‪73-125‬‬ ‫‪87-141‬‬ ‫‪101-‬‬ ‫‪168‬‬ ‫‪187‬‬
‫‪7‬‬ ‫‪34‬‬ ‫‪16-49‬‬ ‫‪24-60‬‬ ‫‪32-73‬‬ ‫‪42-86‬‬ ‫‪52-‬‬ ‫‪61-‬‬ ‫‪76-133‬‬ ‫‪90-150‬‬ ‫‪159‬‬
‫‪8‬‬ ‫‪10-‬‬ ‫‪17-53‬‬ ‫‪25-65‬‬ ‫‪34-78‬‬ ‫‪43-93‬‬ ‫‪101‬‬ ‫‪109‬‬ ‫‪79-141‬‬ ‫‪93-159‬‬ ‫‪104-‬‬ ‫‪116-‬‬ ‫‪132-‬‬
‫‪9‬‬ ‫‪38‬‬ ‫‪18-57‬‬ ‫‪26-70‬‬ ‫‪35-84‬‬ ‫‪45-99‬‬ ‫‪54-‬‬ ‫‪64-‬‬ ‫‪82-149‬‬ ‫‪96-168‬‬ ‫‪169‬‬ ‫‪178‬‬ ‫‪198‬‬
‫‪10‬‬ ‫‪11-‬‬ ‫‪19-61‬‬ ‫‪27-75‬‬ ‫‪37-89‬‬ ‫‪47-‬‬ ‫‪108‬‬ ‫‪116‬‬ ‫‪84-158‬‬ ‫‪99-177‬‬ ‫‪108-‬‬ ‫‪120-‬‬ ‫‪136-‬‬
‫‪41‬‬ ‫‪105‬‬ ‫‪56-‬‬ ‫‪66-‬‬ ‫‪178‬‬ ‫‪188‬‬ ‫‪209‬‬
‫‪11‬‬ ‫‪11-‬‬ ‫‪20-65‬‬ ‫‪28-80‬‬ ‫‪38-95‬‬ ‫‪115‬‬ ‫‪124‬‬ ‫‪87-166‬‬ ‫‪102-‬‬ ‫‪111-‬‬ ‫‪123-‬‬ ‫‪140-‬‬
‫‪12‬‬ ‫‪45‬‬ ‫‪21-69‬‬ ‫‪30-84‬‬ ‫‪40-‬‬ ‫‪49-‬‬ ‫‪58-‬‬ ‫‪68-‬‬ ‫‪90-174‬‬ ‫‪186‬‬ ‫‪188‬‬ ‫‪199‬‬ ‫‪220‬‬
‫‪13‬‬ ‫‪12-‬‬ ‫‪22-73‬‬ ‫‪31-89‬‬ ‫‪100‬‬ ‫‪111‬‬ ‫‪122‬‬ ‫‪132‬‬ ‫‪93-182‬‬ ‫‪105-‬‬ ‫‪115-‬‬ ‫‪127-‬‬ ‫‪144-‬‬
‫‪14‬‬ ‫‪48‬‬ ‫‪22-78‬‬ ‫‪32-94‬‬ ‫‪41-‬‬ ‫‪51-‬‬ ‫‪71-‬‬ ‫‪96-190‬‬ ‫‪195‬‬ ‫‪197‬‬ ‫‪209‬‬ ‫‪231‬‬
‫‪15‬‬ ‫‪23-82‬‬ ‫‪33-99‬‬ ‫‪106‬‬ ‫‪117‬‬ ‫‪61-‬‬ ‫‪139‬‬ ‫‪99-198‬‬ ‫‪109-‬‬ ‫‪131-‬‬ ‫‪149-‬‬
‫‪12-‬‬ ‫‪43-‬‬ ‫‪53-‬‬ ‫‪128‬‬ ‫‪203‬‬ ‫‪118-‬‬ ‫‪219‬‬ ‫‪241‬‬
‫‪16‬‬ ‫‪52‬‬ ‫‪24-86‬‬ ‫‪34-‬‬ ‫‪111‬‬ ‫‪123‬‬ ‫‪63-‬‬ ‫‪73-‬‬ ‫‪102-‬‬ ‫‪112-‬‬ ‫‪207‬‬
‫‪17‬‬ ‫‪13-‬‬ ‫‪25-90‬‬ ‫‪104‬‬ ‫‪44-‬‬ ‫‪54-‬‬ ‫‪135‬‬ ‫‪147‬‬ ‫‪206‬‬ ‫‪212‬‬ ‫‪122-‬‬ ‫‪135-‬‬ ‫‪153-‬‬
‫‪18‬‬ ‫‪55‬‬ ‫‪26-94‬‬ ‫‪36-‬‬ ‫‪117‬‬ ‫‪130‬‬ ‫‪65-‬‬ ‫‪76-‬‬ ‫‪105-‬‬ ‫‪115-‬‬ ‫‪216‬‬ ‫‪229‬‬ ‫‪252‬‬
‫‪19‬‬ ‫‪13-‬‬ ‫‪27-98‬‬ ‫‪108‬‬ ‫‪56-‬‬ ‫‪142‬‬ ‫‪154‬‬ ‫‪214‬‬ ‫‪221‬‬ ‫‪125-‬‬ ‫‪139-‬‬ ‫‪157-‬‬
‫‪20‬‬ ‫‪59‬‬ ‫‪28-‬‬ ‫‪37-‬‬ ‫‪46-‬‬ ‫‪136‬‬ ‫‪67-‬‬ ‫‪79-‬‬ ‫‪108-‬‬ ‫‪226‬‬ ‫‪239‬‬ ‫‪263‬‬
‫‪14-‬‬ ‫‪102‬‬ ‫‪113‬‬ ‫‪122‬‬ ‫‪149‬‬ ‫‪161‬‬ ‫‪222‬‬ ‫‪119-‬‬ ‫‪129-‬‬ ‫‪143-‬‬ ‫‪162-‬‬

‫‪258‬‬
62 38- 47- 58- 69- 81- 111- 229 235 249 273
15- 118 128 142 156 169 230 122- 133- 147- 166-
65 39- 49- 60- 84- 114- 238 244 259 284
123 133 148 72- 176 238 125- 151- 171-
15- 50- 62- 162 247 136- 269 294
69 139 154 74- 86- 129- 254
16- 52- 64- 169 184 255 140- 155- 175-
72 144 160 76- 89- 132- 263 279 305
16- 66- 176 191 264 144- 160- 180-
76 166 78- 92- 272 288 315
17- 183 198 148- 164- 184-
79 81- 94- 281 298 326
18- 189 206 152- 168- 189-
82 97- 290 308 336
213 172- 193-
318 347

259
 ‫الممحؽ ‪ : A11‬جدوؿ األرقاـ العشوائية‬
‫‪Table of Random Numbers‬‬
‫‪77267‬‬ ‫‪67258‬‬ ‫‪38499‬‬ ‫‪94709‬‬ ‫‪46989‬‬ ‫‪44360‬‬ ‫‪46788‬‬ ‫‪62666‬‬ ‫‪67551‬‬ ‫‪79212‬‬
‫‪72309‬‬ ‫‪70484‬‬ ‫‪25843‬‬ ‫‪72251‬‬ ‫‪82013‬‬ ‫‪70561‬‬ ‫‪14058‬‬ ‫‪38073‬‬ ‫‪53571‬‬ ‫‪91594‬‬
‫‪54395‬‬ ‫‪89438‬‬ ‫‪92622‬‬ ‫‪45780‬‬ ‫‪29108‬‬ ‫‪53340‬‬ ‫‪85537‬‬ ‫‪50232‬‬ ‫‪28477‬‬ ‫‪93512‬‬
‫‪98270‬‬ ‫‪62867‬‬ ‫‪44084‬‬ ‫‪98370‬‬ ‫‪59635‬‬ ‫‪25367‬‬ ‫‪30528‬‬ ‫‪58516‬‬ ‫‪78666‬‬ ‫‪83753‬‬
‫‪66032‬‬ ‫‪31218‬‬ ‫‪29309‬‬ ‫‪26890‬‬ ‫‪34700‬‬ ‫‪43168‬‬ ‫‪09914‬‬ ‫‪47240‬‬ ‫‪51526‬‬ ‫‪51115‬‬

‫‪57577‬‬ ‫‪70054‬‬ ‫‪60345‬‬ ‫‪84988‬‬ ‫‪24257‬‬ ‫‪19358‬‬ ‫‪39083‬‬ ‫‪63075‬‬ ‫‪67491‬‬ ‫‪55733‬‬
‫‪85981‬‬ ‫‪87059‬‬ ‫‪50122‬‬ ‫‪80180‬‬ ‫‪98114‬‬ ‫‪64749‬‬ ‫‪75696‬‬ ‫‪59666‬‬ ‫‪43806‬‬ ‫‪52538‬‬
‫‪75254‬‬ ‫‪50278‬‬ ‫‪61364‬‬ ‫‪84524‬‬ ‫‪18067‬‬ ‫‪94064‬‬ ‫‪42011‬‬ ‫‪21085‬‬ ‫‪79258‬‬ ‫‪44419‬‬
‫‪71820‬‬ ‫‪17948‬‬ ‫‪38074‬‬ ‫‪48411‬‬ ‫‪63605‬‬ ‫‪34244‬‬ ‫‪96320‬‬ ‫‪36384‬‬ ‫‪80985‬‬ ‫‪79176‬‬
‫‪55759‬‬ ‫‪77728‬‬ ‫‪41765‬‬ ‫‪61731‬‬ ‫‪27045‬‬ ‫‪81464‬‬ ‫‪44584‬‬ ‫‪11390‬‬ ‫‪85593‬‬ ‫‪69342‬‬

‫‪92725‬‬ ‫‪91260‬‬ ‫‪25468‬‬ ‫‪94632‬‬ ‫‪44972‬‬ ‫‪96413‬‬ ‫‪93134‬‬ ‫‪29630‬‬ ‫‪70497‬‬ ‫‪71787‬‬
‫‪18169‬‬ ‫‪44658‬‬ ‫‪95643‬‬ ‫‪71214‬‬ ‫‪61018‬‬ ‫‪90640‬‬ ‫‪59106‬‬ ‫‪76377‬‬ ‫‪90625‬‬ ‫‪15455‬‬
‫‪55710‬‬ ‫‪88227‬‬ ‫‪84684‬‬ ‫‪33948‬‬ ‫‪29576‬‬ ‫‪57306‬‬ ‫‪96961‬‬ ‫‪90832‬‬ ‫‪52720‬‬ ‫‪38631‬‬
‫‪49556‬‬ ‫‪24412‬‬ ‫‪93967‬‬ ‫‪63006‬‬ ‫‪69252‬‬ ‫‪52089‬‬ ‫‪29551‬‬ ‫‪62555‬‬ ‫‪54033‬‬ ‫‪39961‬‬
‫‪87891‬‬ ‫‪87778‬‬ ‫‪61646‬‬ ‫‪24558‬‬ ‫‪16210‬‬ ‫‪81147‬‬ ‫‪16734‬‬ ‫‪24214‬‬ ‫‪45062‬‬ ‫‪64957‬‬

‫‪18699‬‬ ‫‪87766‬‬ ‫‪21808‬‬ ‫‪40788‬‬ ‫‪77612‬‬ ‫‪97617‬‬ ‫‪34199‬‬ ‫‪86693‬‬ ‫‪51631‬‬ ‫‪17475‬‬
‫‪96353‬‬ ‫‪24916‬‬ ‫‪71714‬‬ ‫‪97492‬‬ ‫‪42680‬‬ ‫‪14894‬‬ ‫‪87091‬‬ ‫‪51667‬‬ ‫‪10183‬‬ ‫‪28272‬‬
‫‪58932‬‬ ‫‪54779‬‬ ‫‪81765‬‬ ‫‪17127‬‬ ‫‪76773‬‬ ‫‪52970‬‬ ‫‪52430‬‬ ‫‪56064‬‬ ‫‪62116‬‬ ‫‪48515‬‬
‫‪60376‬‬ ‫‪97508‬‬ ‫‪91787‬‬ ‫‪84684‬‬ ‫‪39870‬‬ ‫‪12608‬‬ ‫‪11299‬‬ ‫‪30277‬‬ ‫‪87317‬‬ ‫‪61131‬‬
‫‪71521‬‬ ‫‪34632‬‬ ‫‪82603‬‬ ‫‪56428‬‬ ‫‪71537‬‬ ‫‪10548‬‬ ‫‪10765‬‬ ‫‪51679‬‬ ‫‪45875‬‬ ‫‪12404‬‬

‫‪17760‬‬ ‫‪37556‬‬ ‫‪52225‬‬ ‫‪68445‬‬ ‫‪18626‬‬ ‫‪67414‬‬ ‫‪62242‬‬ ‫‪51329‬‬ ‫‪80427‬‬ ‫‪11747‬‬
‫‪36901‬‬ ‫‪23375‬‬ ‫‪21348‬‬ ‫‪32148‬‬ ‫‪47612‬‬ ‫‪60511‬‬ ‫‪24558‬‬ ‫‪91901‬‬ ‫‪50626‬‬ ‫‪65405‬‬
‫‪17488‬‬ ‫‪34113‬‬ ‫‪69144‬‬ ‫‪24953‬‬ ‫‪13842‬‬ ‫‪90301‬‬ ‫‪38518‬‬ ‫‪59852‬‬ ‫‪96747‬‬ ‫‪96478‬‬
‫‪16435‬‬ ‫‪63514‬‬ ‫‪78929‬‬ ‫‪62326‬‬ ‫‪89294‬‬ ‫‪48853‬‬ ‫‪35503‬‬ ‫‪43729‬‬ ‫‪89186‬‬ ‫‪36601‬‬
‫‪79145‬‬ ‫‪37322‬‬ ‫‪17054‬‬ ‫‪61899‬‬ ‫‪74394‬‬ ‫‪58695‬‬ ‫‪77454‬‬ ‫‪81735‬‬ ‫‪98688‬‬ ‫‪91397‬‬

‫‪96388‬‬ ‫‪61117‬‬ ‫‪31714‬‬ ‫‪58107‬‬ ‫‪85666‬‬ ‫‪47675‬‬ ‫‪33123‬‬ ‫‪08943‬‬ ‫‪75625‬‬ ‫‪06598‬‬
‫‪38147‬‬ ‫‪23339‬‬ ‫‪32981‬‬ ‫‪80989‬‬ ‫‪96940‬‬ ‫‪44860‬‬ ‫‪39707‬‬ ‫‪84883‬‬ ‫‪26243‬‬ ‫‪59861‬‬
‫‪95893‬‬ ‫‪06491‬‬ ‫‪95520‬‬ ‫‪91538‬‬ ‫‪35285‬‬ ‫‪17192‬‬ ‫‪80784‬‬ ‫‪32664‬‬ ‫‪49226‬‬ ‫‪25919‬‬
‫‪53544‬‬ ‫‪31391‬‬ ‫‪23798‬‬ ‫‪36857‬‬ ‫‪16786‬‬ ‫‪19639‬‬ ‫‪93659‬‬ ‫‪66776‬‬ ‫‪34108‬‬ ‫‪74268‬‬
‫‪03513‬‬ ‫‪34015‬‬ ‫‪78337‬‬ ‫‪46158‬‬ ‫‪92198‬‬ ‫‪99481‬‬ ‫‪70804‬‬ ‫‪73939‬‬ ‫‪39152‬‬ ‫‪44116‬‬

‫‪92737‬‬ ‫‪89927‬‬ ‫‪81721‬‬ ‫‪33548‬‬ ‫‪78029‬‬ ‫‪62464‬‬ ‫‪53482‬‬ ‫‪54191‬‬ ‫‪95898‬‬ ‫‪66099‬‬
‫‪10688‬‬ ‫‪61502‬‬ ‫‪73817‬‬ ‫‪63841‬‬ ‫‪87058‬‬ ‫‪23377‬‬ ‫‪24045‬‬ ‫‪99470‬‬ ‫‪17509‬‬ ‫‪26636‬‬
‫‪51658‬‬ ‫‪59565‬‬ ‫‪61280‬‬ ‫‪48120‬‬ ‫‪38438‬‬ ‫‪57832‬‬ ‫‪25639‬‬ ‫‪84632‬‬ ‫‪38523‬‬ ‫‪89459‬‬
‫‪53916‬‬ ‫‪57066‬‬ ‫‪46906‬‬ ‫‪18657‬‬ ‫‪79932‬‬ ‫‪93039‬‬ ‫‪62470‬‬ ‫‪22405‬‬ ‫‪78427‬‬ ‫‪92145‬‬
‫‪40912‬‬ ‫‪63211‬‬ ‫‪63856‬‬ ‫‪61644‬‬ ‫‪18635‬‬ ‫‪02946‬‬ ‫‪30842‬‬ ‫‪24031‬‬ ‫‪36992‬‬ ‫‪37917‬‬

‫‪75159‬‬ ‫‪14888‬‬ ‫‪59932‬‬ ‫‪74222‬‬ ‫‪39075‬‬ ‫‪33201‬‬ ‫‪33747‬‬ ‫‪53800‬‬ ‫‪79883‬‬ ‫‪26609‬‬
‫‪25224‬‬ ‫‪72513‬‬ ‫‪58746‬‬ ‫‪52366‬‬ ‫‪73436‬‬ ‫‪74699‬‬ ‫‪80799‬‬ ‫‪36699‬‬ ‫‪16557‬‬ ‫‪58671‬‬
‫‪82703‬‬ ‫‪53196‬‬ ‫‪34797‬‬ ‫‪28093‬‬ ‫‪97105‬‬ ‫‪56797‬‬ ‫‪39992‬‬ ‫‪67944‬‬ ‫‪00310‬‬ ‫‪49311‬‬
‫‪51627‬‬ ‫‪41127‬‬ ‫‪86363‬‬ ‫‪48078‬‬ ‫‪27726‬‬ ‫‪37269‬‬ ‫‪21629‬‬ ‫‪21785‬‬ ‫‪25822‬‬ ‫‪95264‬‬
‫‪02574‬‬ ‫‪68647‬‬ ‫‪82762‬‬ ‫‪80442‬‬ ‫‪70966‬‬ ‫‪95743‬‬ ‫‪56140‬‬ ‫‪58213‬‬ ‫‪78202‬‬ ‫‪90038‬‬

‫‪260‬‬
 ‫جذول الوصطلحبت العلوٍة‬
A
Absolute value ‫القيمة المطمقة‬
Analysis of variance ‫تحميؿ التبايف‬
Approximation ‫تقريب‬
Arithmetic mean ‫الكسط الحسابي‬
Ascending order ‫ترتيب تصاعدم‬
B
Binomial distribution ‫تكزيع ثنائي‬
C
Chi – square ‫مربع كام‬
Coding ‫ترميز‬
Coefficient ‫معامؿ‬
Coefficient variability )C.V( ‫معامؿ االختبلؼ‬
Coefficient of determination )R2( ‫معامؿ التحديد‬
Confidence interval ‫حد الثقة‬
Continuous random variable ‫متغير عشكائي مستمر‬
Correlation ‫ارتباط‬
Correlation Coefficient ‫معامؿ االرتباط‬
Cumulative frequency ‫تكرار تكزيعي‬
D
Data ‫البيانات‬
Design ‫التصميـ‬
Degree of freedom ‫درجة الحرية‬
Descriptive of data ‫كصؼ البيانات‬

261
Descriptive statistics ‫االحصاء الكصفي‬
Deviation ‫إتحراؼ‬
Deviation mean ‫متكسط االنحراؼ‬
Distribution ‫تكزيع‬
Discrete ‫منفصؿ‬
Discrete probability
‫تكزيع احتمالي منفصؿ‬
distribution
Discrete random distribution ‫تكزيع عشكائي منفصؿ‬
E
Effect ‫تأثير‬
Equations ‫معادالت‬
Error ‫خطأ‬
Error (Experimental, ‫ قياسػػي‬، ‫ عش ػكائي‬، ‫خطػػأ (تجريبػػي‬
Random, Standard,
Systematic) )‫ نظامي‬،
Estimate ‫تقدير‬
Event ‫حادثة‬
Expect ‫المتكقع أك النظرم‬
Experiment ‫تجربة‬
F
Factor ‫عامؿ‬
Frequency (distribution, ،‫ منحن ػ ػػى التكػ ػ ػرار‬، ‫تكػ ػ ػرار (تكزي ػ ػػع‬
curve, table) )‫جدكؿ التكرار‬
F- test ‫اختبار ؼ‬
F distribution ‫تكزيع ؼ‬
G
Graphic ‫بياني‬

262
Graphic presentation ‫عرض بياني‬
H
Histogram ‫مخطط مستطيبلت‬
Hypothesis ‫الفرضية‬
Hypothesis testing ‫اختبار الفرضية‬
I
Independent ‫االستقبلؿ‬
Independent events ‫حكادث مستقمة‬
Independent trails ‫تجارب مستقمة‬
Inspection ‫كشؼ‬
Inter-quartile range ‫مدل الربيع‬
Interval estimation )‫تقدير بفترة (تقدير مجالي‬
Introduction ‫مقدمة‬
K
Kurtosis ‫تفرطح‬
L
Level of significance ‫مستكل المعنكية‬
Least significant difference ‫اختبار أقؿ معنكية‬
Least significant rang ‫اختبار أقؿ مدل معنكم‬
Linear ‫خطي‬
Linear correlation ‫االرتباط الخطي‬
Linear regression ‫االنحدار الخطي‬
Line graph ‫خط بياني‬
Lower confidence bound ‫حد الثقة األدنى‬
Lower quartile ‫الربيع األدنى‬
M

263
Mathematical expectation ‫التكقع الرياضي‬
Mean )‫متكسط (كسط‬
(Arithmetic, Geometric) )‫ كسط ىندسي‬، ‫(كسط حسابي‬
Mean absolute ‫متكسط االنحراؼ المطمؽ‬
Mean of squares (MS) )‫متكسط المربعات (التبايف‬
Measure )‫قياس (مقياس‬
Measures of central tendency ‫مقاييس الميكؿ المركزية‬
Measures of dispersion ‫مقاييس التشتت‬
‫اختب ػ ػػارات درج ػ ػػة اإلعتمادي ػ ػػة عم ػ ػػى‬
Measures of reliability
‫النتائج‬
Median ‫الكسيط‬
Methods of data
‫طرؽ ترتيب البيانات‬
classification
Methods of data presentation ‫طرؽ عرض البيانات‬
Missing values ‫القيـ المفقكدة‬
Mode ‫المنكاؿ‬
Model (Linear,
)‫ رياضي‬، ‫نمكذج (خطي‬
Mathematical)
N
Nature order ‫ترتيب طبيعي‬
Nominal data )‫بيانات كصفية (اسمية‬
Normal approximation to
‫تقريب طبيعي إلى تكزيع ثنائي‬
binomial
Normal curve ‫منحنى طبيعي‬
Normal distribution ‫تكزيع طبيعي‬
Null hypothesis ‫فرضية العدـ‬

264
 O
Observations ‫مشاىدات‬
Observed frequencies ‫تك اررات مشاىدة‬
One sided test ‫اختبارات مف جية كاحدة‬
Ordinal data ‫بيانات ترتيبية‬
Outcome ‫نتيجة‬
p
Parameters )‫حد (معممة‬
Partial ‫جزئي‬
Partition ‫تجزئة‬
Percentage ‫نسبة مئكية‬
Point estimation ‫التقدير النقطي‬
Population ‫المجتمع‬
Population mean ‫الكسط الحسابي لممجتمع‬
Population parameters ‫حدكد (معالـ )المجتمع‬
Population size ‫حجـ المجتمع‬
Population standard
‫االنحراؼ المعيارم لممجتمع‬
deviation
Population variance ‫تبايف المجتمع‬
Poisson distribution ‫تكزيع بكاسكف‬
Probability ‫احتماؿ‬
Probability distribution ‫التكزيع االحتمالي‬
Properties ‫خكاص‬
Proportion ‫نسبة‬

265
 Q
Quartiles ‫الربيعات‬
R
Random ‫عشكائي‬
Random numbers ‫أرقاـ عشكائية‬
Random samples ‫عينات عشكائية‬
Random variables ‫متغيرات عشكائية‬
Range ‫مدل‬
Rank correlation ‫ارتباط الرتب‬
Ratio ‫تناسب‬
Raw data ‫البيانات الخاـ‬
Real ‫حقيقي‬
Real numbers ‫أرقاـ حقيقية‬
Regression ‫انحدار‬
Regression coefficient ‫معامؿ االنحدار‬
Regression equation ‫معادلة االنحدار‬
Regression line ‫مستقيـ االنحدار‬
Rejection region ‫منطقة الرفض‬
Relative frequency ‫التكرار النسبي‬
Rule ‫قاعدة‬
Rules of probability ‫قكاعد االحتماؿ‬
S
Sample ‫عينة‬
Sample mean ‫الكسط الحسابي لمعينة‬
Sample size ‫حجـ العينة‬

266
Sample theory ‫نظرية العينة‬
Sampling ‫معاينة‬
Sampling distribution ‫تكزيع المعاينة‬
Scatter diagram ‫مخطط االنتثار‬
Significance level ‫مستكل المعنكية‬
Simple regression ‫االنحدار البسيط‬
Spearman 's coefficient of
‫معامؿ ارتباط سبيرماف‬
correlation
Standard deviation ‫االنحراؼ المعيارم‬
Standard error ‫الخطأ المعيارم‬
Statistical hypothesis ‫الفرض (النظرية ) اإلحصائية‬
Statistical inference ‫االستدالؿ اإلحصائي‬
Stratified sampling ‫معاينة طبقية‬
Student's distribution ‫تكزيع ستكدنت‬
Subset ‫مجمكعة جزئية‬
Sum of squares ‫مجمكع المربعات‬
T
Test of hypothesis ‫اختبار الفرضيات‬
Test statistic ‫إحصائية االختبار‬
Test one sided ‫اختبار الجية الكاحدة‬
Test two sided ‫اختبار مف جيتيف‬
U
Union ‫اتحاد‬
Universal set ‫مجمكعة شاممة‬
Upper limit ‫الحد األعمى‬

267
Uniform distribution ‫تكزيع متناظر‬
V
Variable ‫متغير‬
Variance ‫تبايف‬
Venn -diagram ‫مخطط فف‬
Vital statistics ‫اإلحصاء الحيكم‬
W
Weighted mean ‫المتكسط المرجح‬
Weights ‫أكزاف‬

268