‫وزارة التعليم العالي والبحث العلمي‬

‫جامعة جيجل‬
‫كلية العلوم االقتصادية والتجارية وعلوم التسيير‬

‫العنوان‬
‫محاضرات في اإلحصاء التطبيقي‬
‫(اإلحصاء ‪)30‬‬
‫مطبوعة مقدمة لطلبة السنة الثانية ميدان العلوم االقتصادية والتجارية وعلوم التسيير‬

‫من إعداد ‪ :‬د‪ /‬الطاهر جليط‬

‫السنة الدراسية ‪7102 / 7102‬‬

 ‫المقدمة‬
‫‪10‬‬

‫المحور األول‪ :‬مفاهيم األساسية حول اإلحصاء واالحتماالت‬

‫‪12‬‬

‫‪12‬‬
‫البيانات وتبويبها‬ ‫‪-1‬‬
‫‪-1‬‬
‫‪12‬‬
‫‪ -1-1‬بيانات وصفية‬
‫‪12‬‬
‫‪ -2-1‬بيانات كمية‬
‫‪13‬‬
‫‪ -2‬المجتمع والعينة‬
‫‪-2‬‬
‫‪13‬‬
‫‪ -1-2‬المجتمع‪.‬‬
‫‪13‬‬
‫‪ -1-2-2‬المجتمعات المحدودة والمجتمعات غير المحدودة‬
‫‪13‬‬
‫‪ -2-2-2‬المجتمعات تبعا لمحجم‪ ،‬فهناك مجتمعات كبيرة ومجتمعات صغيرة‪.‬‬
‫‪13‬‬
‫‪ -2-2‬العينة‬
‫‪13‬‬
‫‪ -1-2-2‬أنواع العينات‬
‫‪15‬‬
‫‪ -2‬مقاييس إحصائية‬
‫‪15‬‬
‫‪ -1-3‬مقاييس النزعة المركزية‬
‫‪16‬‬
‫‪ -1-1-3‬المتوسط الحسابي‬
‫‪01‬‬
‫‪ -2-3‬مقاييس التشتت‬
‫‪02‬‬
‫‪ -1-2- 3‬التباين‬
‫‪06‬‬
‫‪ -2-3-3‬االنحراف المعياري‬
‫‪11‬‬
‫‪ -3‬التوزيعات االحتمالية األكثر استخداما‬
‫‪11‬‬
‫‪ -1-4‬التوزيع الطبيعي‬
‫‪12‬‬
‫‪ - 2-4‬توزيع ك‪2‬‬
‫‪12‬‬
‫‪ - 3-4‬توزيع ستيودنت‬
‫‪13‬‬
‫‪ -4-4‬توزيع فيشر (‪)F‬‬
 ‫المحورالثاني‪ :‬نظرية توزيع المعاينة‬
‫‪14‬‬

‫‪14‬‬
‫‪ -1‬تعريف توزيع المعاينة وعدد العينات المسحوبة‬
‫‪-2‬‬
‫‪14‬‬
‫‪ -0-0‬تعريف توزيع المعاينة‬
‫‪15‬‬
‫‪ -1-0‬عدد العينات المسحوبة من المجتمع‬
‫‪15‬‬
‫‪ -1‬توزيع المعاينة لممتوسطات‬
‫‪15‬‬
‫‪ -0-1‬متوسط توزيع المعاينة لممتوسطات‬
‫‪16‬‬
‫‪ -1-1‬تباين توزيع المعاينة لممتوسطات‬
‫‪21‬‬
‫‪ -2-1‬طبيعة توزيع المتوسط‬
‫‪22‬‬
‫‪ -2‬توزيع المعاينة لمنسبة‬
‫‪24‬‬
‫‪ -3‬توزيع المعاينة لمفروق والمجاميع‬
‫‪-4‬‬
‫‪27‬‬
‫‪ -4‬توزيع المعاينة لمتباين وتوزيع المعاينة لنسبة تبايني عينتين‬
‫‪27‬‬
‫‪ -1-5‬توزيع المعاينة لمتباين‬
‫‪28‬‬
‫‪ -2-5‬توزيع المعاينة لنسبة تباينين‬
‫‪31‬‬
‫‪ -5‬تمارين محمولة‬
‫‪36‬‬ ‫المحور الثالث‪ :‬نظرية التقدير‬

‫مفاهيم أساسية‬
‫‪37‬‬
‫‪-0‬‬
‫‪37‬‬ ‫‪ -0-0‬بعض خصائص المقدر‬
‫‪37‬‬
‫المقدر غير المتحيز‬ ‫‪-0-0-0‬‬
‫‪37‬‬
‫الكفاءة‬ ‫‪-1-0-0‬‬
‫‪38‬‬
‫التقارب‬ ‫‪-2-0-0‬‬
‫‪38‬‬ ‫التقدير النقطي والتقدير بمجال‬ ‫‪-1-0‬‬
 ‫‪38‬‬
‫‪ -2-0‬درجة التأكد‬
‫‪41‬‬
‫‪ -4-1‬تعيين حدود مجال الثقة‬

‫‪ -1‬التقدير بمجال‬
‫‪41‬‬

‫‪41‬‬
‫‪ -0-1‬مجال الثقة لممتوسط‬
‫‪41‬‬
‫‪-1-2-2‬تقدير ‪ µ‬باستخدام التوزيع الطبيعي‬
‫‪43‬‬
‫‪ -1-1-1‬تقدير متوسط المجتمع ‪ µ‬باستخدام التوزيع ‪t‬‬
‫‪44‬‬
‫‪ -0-2-1‬درجات الحرية‬
‫‪46‬‬
‫‪ -1-1‬مجال الثقة لمنسبة وحجم العينة المناسب لمتقدير‬
‫‪46‬‬
‫‪ -0-1-1‬مجال الثقة لمنسبة‬
‫‪48‬‬
‫‪ -1-1-1‬تحديد حجم العينة المناسب لتقدير النسبة‬
‫‪51‬‬
‫‪ -2-1‬مجال الثقة لمتباين ونسبة تباينين‬
‫‪51‬‬
‫‪ -0-2-1‬مجال الثقة لمتباين‬
‫‪50‬‬
‫‪ -1-2-1‬مجاالت الثقة لنسبة تباينين‬
‫‪51‬‬
‫‪ 4-2‬مجاالت الثقة لمفروق والمجاميع‬
‫‪52‬‬
‫‪ -2‬طريقة المعقولية العظمى في التقدير(طريقة االحتمال األكبر)‪:‬‬
‫‪54‬‬
‫‪ -3‬طريقة العزوم‬
‫‪54‬‬
‫‪ -‬تمارين محمولة‬ ‫‪-3‬‬
‫‪4‬‬

‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪58‬‬

‫‪58‬‬
‫‪ -0‬اختبار الفرضيات وتطبيقاتها العممية‬
‫‪61‬‬
‫‪ -0-0‬الفرضية الصفرية والفرضية البديمة‬
‫‪61‬‬
‫‪ -1-0‬اخطاء اختبار الفرضيات وانواعها‬
‫‪63‬‬
‫‪ -1‬اختبار فروض عن الوسط في المجتمع‬
‫‪63‬‬
‫‪ - 1-2‬اختبار ثنائي االتجاه لممتوسط‪.‬‬ ‫‪-2‬‬
‫‪66‬‬
‫‪ -2-2‬اختبار أحادي االتجاه لممتوسط‪.‬‬
‫‪66‬‬
‫‪ -1-2-2‬اختبار أحادي االتجاه من اليمين‪.‬‬
‫‪67‬‬
‫اختبار أحادي االتجاه من اليسار‬ ‫‪-2-2-2‬‬
‫‪67‬‬
‫‪ -3-2-2‬استخدام ‪ S‬كمقدر لـ ‪ σ‬في اختبار المتوسط‪.‬‬
‫‪67‬‬
‫‪ -4-2-2‬استخدام التوزيع ‪ t‬في اختبار المتوسط‪.‬‬
‫‪71‬‬
‫‪ -5-2-2‬استخدام ‪ S‬كمقدر لـ ‪ σ‬في اختبار المتوسط‪.‬‬
‫‪71‬‬
‫استخدام التوزيع ‪ t‬في اختبار المتوسط‪.‬‬ ‫‪-6-2-2‬‬
‫‪70‬‬
‫اختبار فروض عن النسبة في المجتمع‬ ‫‪-2‬‬
‫‪72‬‬
‫اختبار الفرق بين وسطين حسابيين‬ ‫‪--44‬‬
‫‪72‬‬
‫‪ -0-3‬اختبار تساوي متوسطي مجتمعين‬
‫‪72‬‬
‫‪ -0-0-3‬تباينا المجتمعين معمومين‬
‫‪72‬‬
‫‪ -2-1-4‬تباينا المجتمعين مجهولين‬
‫‪74‬‬
‫اختبار الفرق بين نسبتين‬ ‫‪-4‬‬
‫‪75‬‬
‫اختبار التباين وتساوي تبايني مجتمعين‬ ‫‪-5‬‬
‫‪75‬‬
‫‪ 0-5‬اختبار التباين‪.‬‬
‫‪-0-5‬‬
‫‪76‬‬
‫‪ -1-5‬اختبار تساوي تبايني مجتمعين‬
‫‪77‬‬
‫اختبار جدول تحميل التباين (‪) ANOVA‬‬ ‫‪-6‬‬
‫‪80‬‬
‫اختبار كاى – تربيع لجودة التوفيق واالستقالل‬ ‫‪-7‬‬
‫‪81‬‬
‫تمارين محمولة‬ ‫‪-8‬‬
‫‪012‬‬
‫قائمة المراجع‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫المقدمة‪:‬‬
‫اإلحصاء عمـ ييتـ بالمعمومات والبيانات – وييدؼ إلى تجميعيا وتبوبييا وتنظمييا وتحميميا واستخالص‬
‫النتائج منيا بؿ وتعميـ نتائجيا – واستخداميا في اتخاذ الق اررات ‪ ،‬وأدى التقدـ المذىؿ في تكنولوجيا المعمومات‬
‫واستخداـ الحاسبات اآللية إلى مساعدة الدارسيف والباحثيف ومتخذي الق اررات في الوصوؿ إلى درجات عالية‬
‫ومستويات متقدمة مف التحميؿ ووصؼ الواقع ومتابعتو ثـ إلى التنبؤ بالمستقبؿ ‪.‬‬

‫ولـ تعد البحوث االقتصادية و االجتماعية و اإلدارية و غيرىا في وقتنا المعاصر ‪ ،‬و في ظؿ التقدـ‬
‫التكنولوجي اليائؿ في كافة مياديف حياتنا اليومية ‪ ،‬تكتفي بمجرد عرض المشاكؿ و دراسة الظواىر و تحديد األسباب‬
‫و استخالص النتائج و اتخاذ الق اررات بطريقة سطحية مجردة عف أسموب اإلقناع و التقدير والقياس ‪.‬‬

‫ولقد أصبح االتجاه العاـ في مثؿ ىذه البحوث و الدراسات ىو استخداـ طرؽ القياس الكمية ووسائؿ اإلقناع‬
‫اإلحصائية و ذلؾ لتحديد الخصائص وابراز االتجاىات العامة في الظواىر االجتماعية واإلدارية ‪ ،‬و تحميؿ العالقات‬
‫المتشابكة و المتبادلة بيف الظواىر عمي أساس موضوع غير متميز ‪.‬‬

‫يتـ االستفادة مف عمـ اإلحصاء في مجاالت متنوعة تشمؿ مياديف عديدة كالصناعة والزراعة والطب والبحوث‬
‫وغيرىا مف مجاالت اإلدارة واألعماؿ والعمـ بشكؿ عاـ‪ .‬ويتـ تطبيؽ األساليب اإلحصائية في الجوانب المختمفة‬
‫لمصناعة كمراقبة جودة المنتجات وتسويقيا والتخزيف وتشغيؿ خطوط اإلنتاج‪ .‬كما يتـ استخداـ عمـ اإلحصاء في‬
‫المجاؿ الطبي لدراسة األمراض المختمفة والبحث في مسبباتيا وطرؽ عالجيا‪ .‬وفي مجاؿ الزراعة يتـ بحث إحصاءات‬
‫الثروة الحيوانية والنباتية ودراسة العالقة بيف أنواع األسمدة واألساليب الزراعية المختمفة وزيادة اإلنتاج‪ .‬كما يتـ دراسة‬
‫السكاف والمساكف مف خالؿ اإلحصاء الديموجرافي‪ ،‬حيث يتـ التركيز عمى القوى العاممة وخصائصيا واألجور والدخؿ‬
‫واإلنفاؽ‪ .‬أما في مجاؿ األعماؿ والتجارة فاف اإلحصاء يمعب دو اًر حيوياً يتمثؿ في دراسة السوؽ واتجاىات‬
‫المستيمكيف ودراسات األسعار وكميات إلنتاج‪.‬‬

‫يختمؼ مفيوـ كممة إحصاء عند العامة‪ ،‬فيي تعني البيانات عند البعض بينما يتـ استخداميا عند البعض‬
‫اآلخر لمداللة عمى عممية جمع البيانات وعممية حفظيا‪ .‬ويتجو البعض إلى فيـ اإلحصاء بصفتو العمـ الذي يقوـ‬
‫بجمع ووصؼ البي انات بيدؼ إعادة تشكيميا بأسموب يسيؿ معو قراءتيا ومف ثـ يتـ تييئتيا لممساندة في اتخاذ القرار‬
‫أو الحصوؿ عمى المعمومة ذات العالقة بالمشكمة محؿ الدراسة‪ .‬وحقيقةً يمثؿ عمـ اإلحصاء األداة العممية التي يتـ‬
‫مف خالليا جمع البيانات ومف ثـ وصفيا باستخداـ الجداوؿ والرسوـ البيانية وذلؾ بيدؼ إبراز المعمومة المحتواة في‬
‫البيانات والتي يصعب قراءتيا مف خالؿ البيانات مباشرة‪ .‬وبالطبع ال يتوقؼ األمر عند حد وصؼ البيانات بؿ‬
‫يتجاوزه ليدخؿ مرحمة ميمة تعتمد عمى تقنية الحاسب الحديثة حيث يتـ تحميؿ البيانات بطرؽ عممية متطورة يمكف‬
‫مف خال ليا قراءة المعمومات الموجودة في البيانات بدقة ومصداقية عالية‪ .‬ويمكف القوؿ باف عمـ اإلحصاء الحديث‬

‫‪1‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫يتكوف مف قسميف ىما قسـ اإلحصاء الوصفي (‪ )Descriptive Statistics‬وقسـ اإلحصاء التطبيقي اواالستداللي‬
‫(‪،)Inferential Statistic‬‬
‫حيث يتـ في القسـ األوؿ إبراز البيانات اإلحصائية مف خالؿ أشكاؿ بيانية سيمة القراءة‪ ،‬بينما يتـ في القسـ‬
‫الثاني الغوص داخؿ أعماؽ البيانات والقراءة بيف السطور فييا لموصوؿ إلى معمومات يصعب الحصوؿ عمييا بدوف‬
‫عمـ اإلحصاء الحديث‪ .‬وىو يشكؿ فرع مستقال يعد وينظـ المفاىيـ والنتائج والطرؽ والنماذج الرياضية الموجية إلى‬
‫تضيـ عممية جمع المعطيات وضبطيا وتنظيميا ومعالجتيا بواسطة الحاسوب حتى يمكف تمثيمو بشكؿ مريح لمغاية‬
‫وتفسيرىا واستنباط النتائج العممية منيا والتطبيقية‪.‬‬
‫وبناءاً عمى ما تقدـ‪ ،‬فسوؼ نحاوؿ في ىذه المطبوعة في تقديـ ىذه المادة العممية بأسموب مبسط وواضح ‪،‬‬
‫مما يعطي لمطالب في مجاؿ تخصصو مف أسموب عمؿ إحصائي في الدارسات الميدانية ووسائؿ وطرؽ قياس كمية‬
‫لمختمؼ الظواىر االقتصادية‪ ،‬مقترنة بأمثمة وتطبيقات ذات صمة بالحياة العممية‪ ،‬اليدؼ منيا إكساب الطالب‬
‫الميارات الالزمة التي تمكنو مف استخداـ المؤشرات واألساليب اإلحصائية ( طرؽ اختيار العينة‪ ،‬اختبار الفرضيات‪،‬‬
‫في تحميؿ البيانات الخاصة كي تساعده في عرض نتائج البحوث‬ ‫جدوؿ تحميؿ التبايف‪ ،‬والطرؽ الالمعممية)‬
‫االقتصادية الكيفية بصورة كمية محدده وواضحة ومختصره ودقيقة‪.‬‬
‫وتحتوي ىذه المطبوعة عمى خمسة محاور أساسية و ىي عبارة عف محاضرات في اإلحصاء التطبيقي حسب‬
‫البرنامج الوزاري لمقياس "اإلحصاء ‪ "30‬لطمبة السنة الثانية جدع مشترؾ وىي كاألتي‪:‬‬
‫‪ ‬المحور األول‪:‬المفاىيـ األساسية حوؿ اإلحصاء واالحتماالت‪.‬‬
‫‪ ‬المحور الثاني‪ :‬نظرية توزيع المعاينة‬
‫‪ ‬المحور الثالث‪ :‬نظرية التقدير‪.‬‬
‫‪ ‬المحور الرابع‪ :‬اختبارات الفروض‬

‫‪2‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫المحور األول‪ :‬المفاىيم االساسية حول اإلحصاء واالحتماالت‬

‫قبؿ الخوض في طرؽ اإلحصاء االستداللي لبد مف التذكير مف بعض المفاىيـ األساسية الخاصة باإلحصاء و‬
‫االحتماالت وسوؼ نركز عمى المجتمع والعينة الوسط الحسابي ‪ ،‬التبايف واالنحراؼ المعياري‪ ،‬وبعض التوزيعات‬
‫االحتمالية والتي ليا عالقة وطيدة بمقياس بيذا المقياس ( اإلحصاء ‪ )30‬مع اإلشارة إلى أف اليدؼ مف المحور‬
‫الحالي ىو إعطاء الطالب مقدمة أساسية ومعمومة سريعة أساسية ومطموبة لفيـ المحاور القادمة في ىذه المطبوعة‬
‫الف الطمبة سبؽ ليـ واف تطرقوا ليده المفاىيـ في مقياس اإلحصاء الوصفي ( اإلحصاء ‪ )30‬واإلحصاء الرياضي (‬
‫اإلحصاء ‪ )30‬في السنة األولى‪.‬‬
‫البيانات وتبويبيا‬ ‫‪-1‬‬
‫تمثؿ البيانات اإلحصائية مؤشرات حوؿ ناتج كمي أو وصفي لحالة أو تساؤؿ محدد‪ .‬وتنقسـ البيانات اإلحصائية‬
‫إلى أنواع يمكف وصفيا بشكؿ عاـ مف خالؿ نوعيف أساسييف ىما بيانات وصفية و بيانات كمية‪ .‬تنقسـ البيانات‬
‫الوصفية بدورىا إلى قسميف رئيسييف ىما‪:‬‬
‫‪ 1-1‬بيانات وصفية ‪ :‬تنقسـ البيانات الوصفية بدورىا إلى قسميف رئيسييف ىما بيانات وصفية اسمية وبيانات وصفية‬
‫ترتيبية‪ ،‬حيث يتركز الفرؽ بيف النوعيف في كوف البيانات الوصفية االسمية تشير في الواقع إلى حقوؿ مختمفة ال تمثؿ‬
‫ترتيباً محدداً‪ ،‬بينما يكوف لمترتيب معناً محدداً في البيانات الوصفية الترتيبية‪ .‬فالحالة االجتماعية يمكف تصنيفيا إلى‬
‫أعزب ومتزوج ومطمؽ و أرمؿ دوف أف يكوف ىنالؾ حاجة إلى ترتيبيا بشكؿ محدد‪ ،‬مما يشير إلى أف بياف الحالة‬
‫االجتماعية يمثؿ ىنا بياناً وصفياً اسمياً‪ .‬في الجية األخرى نجد أف البيانات الوصفية النوعية تمثؿ حقوؿ تشير إلى‬
‫ترتيب محدد ال يمكف تجاىمو‪ .‬فالمستوى التعميمي يعكس ترتيباً محدداً حيث يتـ ذكر مثال حقؿ "غير متعمـ" يميو "‬
‫اقؿ مف ثانوي" ثـ "اقؿ مف جامعي" يميو "جامعي فأعمى"‪.‬‬
‫‪ -2-1‬بيانات كمية‪ :‬يمثؿ النوع اآلخر لمبيانات اإلحصائية بيانات تأخذ أرقاماً ويطمؽ عمييا بيانات كمية‪ .‬تمثؿ‬
‫البيانات الكمية عصب الحياة لمعممية اإلحصائية‪ .‬فمعظـ العمميات اإلحصائية تتـ مف خالؿ التعامؿ مع أرقاماً أكثر‬
‫مف التعامؿ مع كممات أو صفات‪ .‬وحتى في عممية التعامؿ مع الصفات فاف اليدؼ الرئيسي يكوف غالباً في دراسة‬
‫التك اررات أو عدد مرات ظيور الصفة المحددة والتي يمكف تسجيميا كمياً‪.‬‬
‫تختمؼ البيانات الكمية تبعاً الختالؼ القراءات لمبياف‪ ،‬فالبيانات التي تأخذ أرقاماً محددة تمثؿ بيانات كمية‬
‫متقطعة بينما البيانات الكمية التي تأخذ قيماً محصورة في فترة محددة تمثؿ بيانات كمية متصمة‪ .‬فمثالً‪ ،‬يمثؿ عدد‬
‫األطفاؿ في البيت بياناً كمياً متقطعاً بحكـ أف عدد األطفاؿ ال بد واف يكوف عدداً صحيحاً‪ .‬كذلؾ يمثؿ عدد الحوادث‬
‫المرورية بياناً كمياً متقطعاً يأخذ قيماً بصيغ أعداد صحيحة ال تقبؿ أف تكوف كسور‪ ،‬فعندما يقاؿ أف عدد الحوادث‬
‫أربعة فانو يقصد فعال أنيا أربعة بالتحديد دوف تقريب حسابي‪ .‬في الجية األخرى يمثؿ وزف الطفؿ أو التكاليؼ‬
‫المادية لمحوادث بياناً كمياً متصالً‪ ،‬غالبا ما يتـ فيو التقريب لدرجة معينة لمحصوؿ عمى قيمة يمكف التعامؿ معيا‪.‬‬
‫ونظريا يمثؿ عدد القيـ التي يمكف أف يأخذىا المتغير الكمي المتصؿ عدداً ال نيائياً بحكـ أف القيـ التي تكوف في أي‬
‫فترة بغض النظر عف طوليا تكوف أيضا غير محدودة‪.‬‬

‫‪3‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫المجتمع والعينة‬ ‫‪-2‬‬

‫‪ 1-2‬المجتمع‪:‬‬
‫تختمؼ وتتنوع أساليب جمع المعمومات والبيانات وذلؾ تبعاً لتنوع أىداؼ الدراسات اإلحصائية المطبقة في‬
‫المجاالت المختمفة‪ .‬وبحكـ كوف اإلحصاء عمـ ييتـ في األساس بدراسة ظواىر ومعمومات تتعمؽ بمجتمعات‪ ،‬لذا فاف‬
‫التركيز يكوف عمى المجتمعات شاممة جميع مفرداتو‪ .‬تتحدد المجتمعات تبعاً لصفة وحدة الدراسة الممثمة لممصدر‬
‫األساسي لممعمومة المطموبة‪ .‬فمثال‪ ،‬الدراسة التي تيتـ بصفات المؤسسات التجارية في مدينة الرياض يتـ تحديد‬
‫المجتمع ليا مف خالؿ حصر جميع المؤسسات التجارية في مدينة الرياض دوف استثناء‪ ،‬والدراسة التي تيتـ بحوادث‬
‫السيارات في منطقة جغرافية محددة يتـ تحديد مجتمعيا بجميع الحوادث التي وقعت في المنطقة‪ .‬تختمؼ المجتمعات‬
‫بصفاتيا مف عدة محاور‪ .‬فيناؾ‪:‬‬
‫‪ -1-1-2‬المجتمعات المحدودة والمجتمعات غير المحدودة‪ :‬حيث يعتبر المجتمع محدودا إذا كاف باإلمكاف‬
‫حصر جميع وحدات الدراسة فيو‪ .‬فمجتمع طالب المدارس الثانوية في المممكة العربية السعودية يعتبر مجتمع‬
‫محدود‪ ،‬في حيف أف مجتمع نوع معيف مف األسماؾ يمثؿ مجتمع غير محدود ال يمكف بحاؿ مف األحوؿ حصر‬
‫جميع وحداتو‪.‬‬
‫‪ -2-1-2‬المجتمعات تبعا لمحجم‪ ،‬فيناك مجتمعات كبيرة ومجتمعات صغيرة‪ .‬فالمجتمعات الكبيرة تحتوى عدد‬
‫كبير مف الوحدات التي تتطمب جيدا بدنيا ىائال لحصرىا كما تتطمب وقتاً طويالً لدراستيا باإلضافة إلى ارتفاع‬
‫تكاليؼ حصرىا ودراستيا‪ .‬في حيف أف المجتمعات الصغيرة تضـ عدداً قميالً مف الوحدات مقارنة بالمجتمعات الكبيرة‪،‬‬
‫ومف ثـ يرافقيا تكاليؼ ووقت وجيد اقؿ نسبيا‪.‬‬
‫‪ -2-2‬العينة‪:‬‬
‫عندما تكوف المجتمعات غير محدودة فاف أسموب دراسة جميع وحدات المجتمع والذي يطمؽ عميو أسموب الحصر‬
‫الشامؿ يصبح مستحيال‪ .‬كذلؾ الحاؿ في بعض المجتمعات المحدودة والتي ال يقبؿ المنطؽ تطبيؽ أسموب الحصر‬
‫الشامؿ‪ ،‬مثؿ فحص دـ شخص‪ ،‬حيث ال يمكف سحب جميع دمو‪ ،‬أو اختبار قوة تحمؿ مصابيح كيربائية لجيد‬
‫كيربائي‪ ،‬حيث ال يمكف إحراؽ جميع المصابيح الكيربائية المتوفرة لمعرفة الجيد األعمى المطموب الحتراقيا‪ .‬لذا فاف‬
‫األسموب األمثؿ ىنا يكمف في تبني أسموب المعاينة حيث يتـ االعتماد عمى عينة يتـ سحبيا مف المجتمع المستيدؼ‬
‫بشرط أف تكوف ممثمة لو‪ .‬وفي حالة إجراء دراسة إحصائية ال ترقى إلى مستوى تحمؿ تكاليؼ تغطية المجتمع‪ ،‬أو‬
‫في حالة عدـ توفر الجيد الكافي أو اإلنفاؽ المادي الالزـ لتغطية المجتمع فاف الحؿ يكوف في إجراء دراسة عمى‬
‫عينة مف المجتمع تتناسب واإلمكانيات المتاحة‪.‬‬
‫‪ -1-2-2‬أنواع العينات‬
‫تختمؼ أنواع العينات باختالؼ الطرؽ التي تتبع في اختيارىا واف كانت جميعيا تيدؼ إلى تمثيؿ جميع مميزات‬
‫وخواص المجتمع األصمي‪،‬واف تعدد الطرؽ في اختيار العينة يوجب عمى الباحث المفاضمة‪.‬وفي الواقع ىناؾ نوعاف‬
‫مف العينات األولى احتمالية األكثر استخداما و الثانية غير احتمالية بسبب طبيعة الموضوع وما يأتي مف عينات‬
‫فرعية تكوف في جميع األحواؿ منتمية لمعينات العشوائية أو القصدية‪.‬‬

‫‪4‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫العينة العشوائية البسيطة‪ :‬ىي عينة قائمة عمى الصدفة‪،‬وىي أبسط أنواع العينات رغـ أنيا تتبع خطوات‬ ‫‪-‬‬
‫معروفة المتمثمة في أف تمثؿ مفردات المجتمع بأوراؽ يكتب عمييا حرؼ أو رقـ يمثؿ فردا معينا مف المجتمع حيث‬
‫ال يمثؿ إال مرة واحدة‪،‬ثـ توضع ىذه األوراؽ في كيس وتخمط جيدا‪،‬ثـ نختار منيا عددا بطريقة عشوائية بما يساوي‬
‫عدد العينة المرغوبة‪،‬بعدىا يق أر الباحث األرقاـ عشوائيا حسب الترتيب أي في اتجاه أفقي‪،‬وحينما يق أر رقما يوافؽ‬
‫الرقـ المكتوب عمى الورقة سيكوف ىذا الرقـ مفردة مف مفردات العينة المختارة‪.‬‬
‫العينة العشوائية المنتظمة‪:‬وفيو نختار العينة عف طريؽ اختيار المفردات مف مسافات متساوية عمى القائمة‬ ‫‪-‬‬
‫بعد إعدادىا إطار المجتمع األصمي‪،‬ونبدأ باختيار رقـ مف(‪ )11-1‬بطريقة عشوائية ولنفرض بأنو رقـ (‪ )4‬فيكوف‬
‫االسـ في الترتيب الرابع ىو الفرد األوؿ في العينة‪ .‬ثـ نضيؼ بعد ذلؾ ‪ 03‬حتى نحصؿ عمى الرقـ ‪ 01‬وتسير‬
‫بنفس التسمسؿ إلى نياية األرقاـ ولمتمثيؿ عمى ذلؾ نتصور مجتمع مف ‪ 233‬فرد نريد أخذ عينة منو عددىا ‪033‬‬
‫فإذا بدأنا بالرقـ ‪4‬يميو ‪ 11-9‬و ىكذا أو إذا بدأنا بالرقـ ‪ 5‬فالذي يميو سيكوف ‪ 03/02/03‬وىكذا وقد يكوف اختيار‬
‫العينة المنتظمة حسب المكاف فنختار األماكف التي تبعد ميال واحدا عف بعضيما مع اختيار أوؿ مكاف عشوائيا وأف‬
‫مف أىـ مميزات العينة المنتظمة ىو بساطتيا وسيولة إجرائيا وقمة األخطاء الناجمة عف االختيار‪.‬‬
‫العينة الطبقية‪ :‬في الغالب يصادؼ الباحث في ىذه العينة إلى أف تكوف العينة ممثمة لمختمؼ الفئات المتجانسة‬
‫في المجتمع في ىذه الحالة ينقسـ المجتمع األصمي إلى اآلتي‪:‬‬
‫‪ -‬فئات أو طبقات وفؽ خواص و مزايا معينة مثؿ‪:‬السف‪،‬المينة‪،‬الجنس‪.‬‬
‫‪ -‬يقسـ المجتمع األصمي حسب الفئات المطموبة‪،‬وتأخذ كؿ فئة عمى حدا عشوائيا فمثال يقسـ أفراد المجتمع إلى‬
‫عماؿ‪،‬طمبة‪،‬منتجيف‪.‬‬
‫نختار شريحة واحدة مف شرائح المجتمع‪،‬ولتكف العماؿ مثال‪،‬ثـ نختار العدد المطموب منيا‪ ،‬حيث يكوف ربع العدد‬
‫األصمي‪،‬فمو فرضنا أف حجـ العينة ىو( ‪ 033‬شخص)موزعيف عمى (‪ 1‬فئات)‪،‬فيكوف العدد المقسـ ىو(‪)23‬لكؿ‬
‫فئة‪.‬وبعد ذلؾ يبدأ الباحث بإجراء الدراسة وجميع المعمومات وفؽ ىذا العدد وىذا التقسيـ‪.‬‬
‫العينة الغير احتمالية‪ :‬وىي التي يكوف انتقاء العينة فييا نتيجة الصدفة المحمولة‪،‬ذلؾ أف احتماؿ اختيار عنصرىا‬
‫يكوف مف ضمف العينة ىو غير معروؼ وغير محدد مسبقا بكؿ عنصر لو الحظ في أف يختار إال أف ىذه اإلمكانية‬
‫تبقى مجيولة ألف عدـ االنطالؽ مف قاعدة مجتمع البحث ال يسمح باختيار عنصرىا لذلؾ فدرجة خطأ العينة و‬
‫تمثيميا غير معروفة‪،‬وتكوف عمى أنواع‪:‬‬
‫العينة الفرضية‪:‬وتتـ عندما ال يكوف أماـ الباحث أي اختيار ال في إحصاء مجتمع البحث وال في اختيار العناصر‬
‫بطريقة عشوائية‪،‬وتعتمد ىذه الطريقة في انتقاء العينة عندما ال يكوف في إمكاف الباحث أف يفعؿ أفضؿ‪.‬‬
‫العينة النمطية‪:‬وتتـ عف طريؽ البحث عف عناصر تكوف بمثابة صور نمطية لنفس مجتمع البحث الذي استخرجت‬
‫منو‪،‬فإذا أردنا مثال معرفة درجة االىتماـ باألدب عند الطمبة بالجامعة‪،‬يكوف طمبة األدب مركز االىتماـ لالعتقاد أف‬
‫ىؤالء ىـ أكثر اىتماما باألدب مف غيرىـ‪،‬فنحف إذف نوجو اختيارنا نحو عناصر ليا خصائص تسمح لنا أف نقوؿ‬
‫عنيا أنيا نموذج‪.‬‬
‫العينة الحصصية‪ :‬وتتـ بواسطة سحب عينة مف مجتمع البحث بانتقاء نسبة معينة لكؿ فئة‪ ،‬وعنى ذلؾ أف ىناؾ‬

‫‪5‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حصصا يجب احتراميا و نسبة مئوية معينة‪،‬أوىي تشبو العينة الطبقية‪ ،‬ولكنيا ال تكوف في حاجة إلى سحب عف‬
‫طريؽ القرعة‪.‬ومف ثمة يستحيؿ قياس درجة تمثيميا‪ .‬وىي تستخدـ عادة مف قبؿ بعض الييئات والمنظمات الحكومية‬
‫لسبر اآلراء‪.‬‬
‫العينة العددية ‪:‬يعتمد الباحث في بعض األحياف عمى خبرتو في تحديد اختيار نمط المجتمع الذي يريد أف يبحثو فقد‬
‫يختار الباحث مناطؽ محددة تتميز بخصائص معينة واالختيار ليذا النوع مف العينة يعتمد عمى الباحث وعمى معرفتو‬
‫لكؿ المعمومات اإلحصائية‪،‬وتقترب ىذه العينة مف العينة الطبقية‪.‬‬
‫يقوـ الباحث باختيار ىذه العينة اختيا ار حدا عمى أساس أنيا تحقؽ أغراض الدراسة التي يقوـ بيا‪،‬فإذا أراد باحث‬
‫أف يدرس تاريخ التربية في األردف‪،‬فإنو يختار عددا مف المربيف كبار السف كعينة قصدية تحقؽ أغراض دراستو أنو‬
‫يريد معمومات عف التربية القديمة في األردف‪.‬وىؤالء األشخاص يحققوف لو الغرض‪،‬فمماذا ال يأخذىـ كعينة؟ إذ ليس‬
‫مف الضروري أف تكوف العينة ممثمة ألحد‪.‬فالباحث في ىذه الحالة يقدر حاجتو إلى المعمومات ويختار عينتو مما‬
‫يحقؽ لو غرضو‪.‬‬
‫عينة الصدفة‪:‬وىي أف يتجو الباحث إلى عدد مف األفراد الذيف يمتقي بيـ مصادفة‪،‬ورغـ استخداـ ىذه الطريقة في‬
‫دراسات الرأي العاـ والتحقيقات التي يقوـ بيا التمفزيوف ويستطمع أراء الجميور حوؿ قضية معينة‪،‬إال أف ىذه الطريقة‬
‫في اختيار العينة ال يمكف الوثوؽ بنتائج بحثيا‪،‬حيث يعتقد البعض أنيا تمثؿ المجتمع تمثيال صادقا ‪.‬‬
‫‪ -3‬مقاييس إحصائية‬
‫تعتبر المقاييس الكمية عمى اختالؼ أنواعيا مؤشرات ميمة جدا حيث تمعب دو ار حيويا في معظـ مراحؿ العممية‬
‫اإلحصائية االستداللية‪ .‬وتتنوع تمؾ المقاييس مع توحد اليدؼ مف وجودىا‪ ،‬لتعطي الباحث إمكانية التعامؿ مع جميع‬
‫أنواع البيانات الكمية ومف ثـ الوصوؿ إلى وصؼ كمي دقيؽ ليا‪ .‬التطرؽ إلى كؿ مف أىـ مقاييس النزعة المركزية‬
‫واىـ مقاييس التشتت‪.‬‬

‫‪ -1-3‬مقاييس النزعة المركزية‪:‬‬

‫تيتـ مقاييس النزعة المركزية بتوفير مؤشرات كمية تمثؿ التوجو العاـ لقيـ المتغير الكمي المدروس‪ ،‬حيث يتـ‬
‫الحصوؿ عمى مؤشر يفيد عف توجو القيـ‪ ،‬دوف الحاجة إلى التعامؿ مع جميع القيـ المختمفة لممتغير الكمي‪ .‬لذا فاف‬
‫مقاييس النزعة المركزية تنتج في النياية أرقاـ محدودة تمثؿ التقديرات لتمؾ المقاييس وذلؾ بغض النظر عف عدد القيـ‬
‫األصمي‪ ،‬سواء كاف صغي اًر أـ كبي اًر‪ .‬كما أف االستعاضة عف القيـ كميا برقـ واحد يفقدنا كثير مف المعمومات حوؿ‬
‫البيانات‪ ،‬إال أنو ال يمكف حجب األىمية الكبيرة والدور الياـ لمقاييس النزعة المركزية في مجاؿ االستدالؿ‬
‫اإلحصائي‪ ،‬حيث تعتبر ىذه المقاييس حجر األساس ونقطة البداية ألي دراسة تحميمية إحصائية‪ ،‬وسوؼ نركز في‬
‫درستنا ىذه عمى المتوسط الحسابي‪.‬‬

‫‪ -1-1-3‬المتوسط الحسابي ‪:‬‬

‫‪6‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫يمثؿ الوسط الحسابي أو المتوسط مقياس النزعة المركزية األكثر شيرة واألكثر أىمية في المقاييس المختمفة‪.‬‬
‫وتمثؿ قيمة الوسط الحسابي القيمة التي تتمركز حوليا جميع القيـ المختمفة لممتغير الكمي‪ .‬يمكف الحصوؿ عمى‬
‫القيمة الحقيقية لمتوسط متغير عشوائي في مجتمع محدود إذا تـ التعامؿ مع كافة القيـ في المجتمع‪ .‬في ىذه الحالة‬
‫والتي تمثؿ معممة المجتمع‪ .‬وبافتراض التعامؿ مع متغير عشوائي‬ ‫‪‬‬ ‫يرمز لقيمة الوسط الحسابي المحصؿ بالرمز‬
‫فانو يمكف حساب قيمة الوسط الحسابي مف خالؿ الدالة التالية (لبيانات خاـ أو غير‬ ‫‪N‬‬ ‫لمجتمع محدود حجمو‬ ‫‪X‬‬

‫مبوبة)‪،‬‬
‫‪N‬‬

‫‪X‬‬ ‫‪i‬‬
‫‪X ‬‬ ‫‪i 1‬‬
‫‪N‬‬
‫قراءة‪ ،‬فاف معادلة تقدير قيمة الوسط‬ ‫‪n‬‬ ‫أما في حاؿ التعامؿ مع عينة عشوائية ممثمة لمجتمع الدراسة حجميا‬
‫الحسابي يتـ مف خالؿ الدالة‪،‬‬
‫‪n‬‬

‫‪X‬‬ ‫‪i‬‬
‫‪X ‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫أوال ‪ -‬الوسط الحسابي لمبيانات غير المبوبة‬
‫يعرؼ الوسط الحس ابي بشكؿ عاـ عمى أنو مجموع القيـ مقسوما عمى عددىا ‪ .‬فإذا كاف لدينا ‪n‬‬
‫مف القيـ ‪ ،‬ويرمز ليا بالرمز ‪. x1 , x2 ,..., xn :‬‬
‫فإف الوسط الحسابي ليذه القيـ ‪ ،‬ونرمز لو بالرمز ‪ x‬يحسب بالمعادلة التالية ‪:‬‬

‫حيث يدؿ الرمز ‪ ‬عمى المجموع ‪.‬‬

‫مثـال ‪11‬‬
‫فيما يم ي درجات ‪ 8‬طالب في مقرر ‪ 233‬إحصاء تطبيقي ‪.‬‬
‫‪34‬‬ ‫‪32 42 37 35 40 36 40‬‬
‫والمطموب إيجاد الوسط الحسابي لدرجة الطالب ف ي االمتحاف ‪.‬‬
‫الحـل‬
‫إليجاد الوسط الحساب ي لمدرجات تطبؽ المعادلة السابقة كما يمي‪:‬‬
‫‪x1  x2  ...  x‬‬
‫‪x‬‬ ‫‪n‬‬
‫‪n‬‬
‫‪34  32  42  37  35  40  36  40 296‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 37‬‬
‫‪8‬‬ ‫‪8‬‬
‫أي أف الوسط الحسابي لدرجة الطالب في اختبار مقرر ‪ 233‬إحصاء يساوي ‪ 37‬درجة‬
‫ثانيا ‪ -‬الوسط الحسابي لمبيانات المبوبة ‪ :‬مف المعموـ أف القيـ األصمية ‪ ،‬ال يمكف معرفتيا مف جدوؿ‬

‫‪7‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫التوزيع التكراري ‪ ،‬حيث أف ىذه القيـ موضوعة في شكؿ فئات ‪ ،‬ولذا يتـ التعبير عف كؿ قيمة مف القيـ‬
‫التي تقع داخؿ حدود الفئة بمركز ىذه الفئة ‪ ،‬ومف ثـ يؤخذ ف ي االعتبار أف مركز الفئة ىو القيمة‬
‫التقديرية لكؿ مفردة تقع في ىذه الفئة‪.‬‬
‫ىي م راكز ىذه الفئات‪ f1 , f 2 ,..., f k ،‬ى ي‬ ‫فإذا كانت ‪ k‬ىي عدد الفئات ‪ ،‬وكانت ‪x1 , x2 ,..., xk‬‬
‫التك اررات ‪ ،‬فإف الوسط الحسابي يحسب بالمعادلة التالية‪:‬‬

‫مثـال ‪: 12‬‬
‫الجدوؿ التال ي يعرض توزيع ‪ 40‬تمميذ حسب أوزانيـ ‪.‬‬
‫‪ 32-34 34-36 36-38 38-40 40-42 42-44‬فئات الوزف‬
‫عدد‬
‫‪4‬‬ ‫‪7‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪1‬‬
‫التالميذ‬
‫والمطموب إيجاد الوسط الحسابي‪.‬‬
‫الحــ ل‬
‫لحساب الوسط الحسابي باستخداـ المعادلة رقـ ( ‪ ) 3- 4‬يتـ إتباع الخطوات التالية ‪:‬‬
‫‪ - 3‬حساب مراكز الفئات ‪. x‬‬ ‫‪.‬‬ ‫‪f‬‬ ‫‪ - 2‬إيجاد مجموع التك اررات‬
‫‪ - 4‬ضرب مركز الفئة في التكرار المناظر لو ) ‪ ، ( x f‬وحساب المجموع ‪ xf‬‬
‫‪ - 5‬حساب الوسط الحسابي بتطبيؽ المعادلة رقـ ( ‪. ) 3- 4‬‬

‫فئات الوزف‬ ‫التك اررات‬ ‫م راكز الفئات‬

‫‪x f‬‬
‫) ‪(C‬‬ ‫‪f‬‬ ‫‪x‬‬
‫‪32-34‬‬ ‫‪4‬‬ ‫‪(32+34)  2=33‬‬ ‫‪4  33=132‬‬
‫‪34-36‬‬ ‫‪7‬‬ ‫‪35‬‬ ‫‪7  35=245‬‬
‫‪36-38‬‬ ‫‪13‬‬ ‫‪37‬‬ ‫‪13  37=481‬‬
‫‪38-40‬‬ ‫‪10‬‬ ‫‪39‬‬ ‫‪10  39=390‬‬
‫‪40-42‬‬ ‫‪5‬‬ ‫‪41‬‬ ‫‪5  41=205‬‬
‫‪42-44‬‬ ‫‪1‬‬ ‫‪43‬‬ ‫‪1  43=43‬‬
‫المجموع‬ ‫‪40‬‬ ‫‪1496‬‬
‫‪6‬‬
‫‪ xi f i‬‬ ‫‪1496‬‬
‫‪x‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫إذا الوسط الحساب ي لوزف التمميذ ىو ‪ 37.4 k.g :‬‬
‫‪6‬‬
‫‪40‬‬
‫‪ fi‬‬
‫‪i 1‬‬

‫أي أف متوسط وزف التمميذ يساوي ‪37.4 k.g‬‬

‫‪8‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫ثالثا ‪ -‬خصائص الوسط الحسابي‪ :‬يتصؼ الوسط الحساب ي بعدد مف الخصائص ‪ ،‬ومف ىذه الخصائص ما‬
‫يمي‪:‬‬
‫‪ ‬الوسط الحسابي لممقدار الثابت يساوى الثابت نفسو ‪ ،‬أي أنو إذا كانت قيـ ‪ x‬ىي ‪:‬‬
‫‪ ،‬فإف ا لوسط الحساب ي ىو‪:‬‬ ‫‪x : a, a,...,a‬‬

‫ومثاؿ عمى ذلؾ ‪ ،‬لو اخترنا مجموعة مف ‪ 5‬طالب ‪ ،‬ووجدنا أف كؿ طالب وزنو ‪ 63‬كيموجراـ ‪ ،‬فإف‬
‫متوسط وزف الطالب ف ي ىذه‬
‫المجموعة ىو ‪:‬‬
‫‪x  63  63  63  63  63  315  63 k.g‬‬
‫‪5‬‬ ‫‪5‬‬

‫‪ ‬مجموع انحرافات القيـ عف وسطيا الحسابي يساوى صف ار ‪ ،‬ويعبر عف ىذه الخاصية بالمعادلة ‪.‬‬

‫ويمكف التحقؽ مف ىذه الخاصية باستخداـ بيانات مثاؿ ‪ ، 12‬نجد أف درجات الطالب ىي ‪34, :‬‬
‫‪ ، 32, 42, 37, 35, 40, 36, 40‬والوسط الحسابي لمدرجة ىو ‪ ، x  37‬إذا ‪:‬‬

‫‪x‬‬ ‫‪34‬‬ ‫‪32‬‬ ‫‪42‬‬ ‫‪37‬‬ ‫‪35‬‬ ‫‪40‬‬ ‫‪36‬‬ ‫‪40‬‬ ‫‪296‬‬
‫)‪(x  x‬‬
‫‪34-‬‬ ‫‪32-‬‬ ‫‪42-‬‬ ‫‪37-‬‬ ‫‪35-‬‬ ‫‪40-‬‬ ‫‪36-‬‬ ‫‪40-‬‬
‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪0‬‬
‫)‪( x  37‬‬ ‫‪-3‬‬ ‫‪-5‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪-2‬‬ ‫‪3‬‬ ‫‪-1‬‬ ‫‪3‬‬
‫‪ (x  37)  0‬‬ ‫أي أف ‪:‬‬

‫‪ -‬إذا أضيؼ مقدار ثابت إلى كؿ قيمة مف القيـ ‪ ،‬فإف الوسط الحسابي لمقيـ المعدلة (بعد اإلضافة) يساوى‬
‫الوسط الحسابي لمقيـ األصمية (قبؿ اإلضافة ) مضافا إلييا ىذا المقدار الثابت ‪ .‬فإذا كانت القيـ ىي ‪:‬‬
‫‪ ، x1 , x2 ,..., xn‬وتـ إضافة مقدار ثابت )‪ (a‬إلى كؿ قيمة مف القيـ ‪ ،‬ونرمز لمقيـ الجديدة بالرمز ‪ ، y‬أي‬
‫‪ ، y  x  a‬فإف ‪ :‬الوسط الحسابي لقيـ ‪( y‬القيـ بعد اإلضافة) ىو ‪:‬‬ ‫أف‬

‫حيث أف ‪ y‬ىو الوسط الحسابي لمقيـ الجديدة ‪ ،‬ويمكف التحقؽ مف ىذه الخاصية باستخداـ بيانات‬
‫مثال رقم ‪. 13‬‬

‫‪9‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫إذا قرر المصحح إضافة ‪ 5‬درجات لكؿ طالب ‪ ،‬فإف الوسط الحسابي لمدرجات المعدلة يصبح قيمتو‬
‫}‪ ، {(37+5)=42‬والجدوؿ التالي يبيف ذلؾ ‪.‬‬

‫‪x‬‬ ‫‪34‬‬ ‫‪32‬‬ ‫‪42‬‬ ‫‪37‬‬ ‫‪35‬‬ ‫‪40‬‬ ‫‪36‬‬ ‫‪40‬‬ ‫‪296‬‬
‫)‪y  ( x  5‬‬ ‫‪34+5 32+5 42+5 37+5 35+5 40+5 36+5 40+5‬‬
‫‪336‬‬
‫‪39‬‬ ‫‪37‬‬ ‫‪47‬‬ ‫‪42‬‬ ‫‪40‬‬ ‫‪45‬‬ ‫‪41‬‬ ‫‪45‬‬

‫‪ ،‬ومف ثـ يكوف الوسط الحسابي لمقيـ الجديدة ىو ‪:‬‬ ‫‪ y  336‬‬ ‫نجد أف مجموع القيـ الجديدة ىو ‪:‬‬

‫‪y‬‬ ‫)‪ y  336  42  ( x  5  37  5  42‬‬

‫‪n‬‬
‫‪8‬‬
‫‪ -‬إذا ضرب مقدار ثابت )‪ (a‬في كؿ قيمة مف القيـ ‪ ،‬فإف الوسط الحسابي لمقيـ المعدلة (القيـ الناتجة بعد‬
‫الضرب) يساوى الوسط الحسابي لمقيـ األصمية (القيـ بعد التعديؿ) مضروبا في ىذا المقدار الثابت ‪ .‬أى أنو‬
‫إذا كاف ‪ ، y  a x :‬ويكوف الوسط الحسابي لمقيـ الجديدة ‪ y‬ىو ‪:‬‬

‫ويمكف لمطالب أف يتحقؽ مف ىذه الخاصية باستخداـ نفس بيانات المثاؿ السابؽ ‪ .‬ف إذا كاف تصحيح‬
‫الدرجة مف ‪ ، 50‬وقرر المصحح أف يجعؿ التصحيح مف ‪ 100‬درجة ‪ ،‬بمعنى أنو سوؼ يضرب كؿ‬
‫درجة ف ي قيمة ثابتة )‪ ، (a=2‬ويصبح الوسط الحسابي الجديد ىو ‪y  a x  2(37)  74 :‬‬
‫‪ ‬مجموع مربعات انحرافات القيـ عف وسطيا الحسابي أقؿ ما يمكف ‪ ،‬أي أف‪:‬‬

‫‪a  37‬‬ ‫لجميع قيـ‬ ‫)‪ ( x  37‬‬ ‫‪2‬‬

‫وفي المثاؿ السابؽ فإف ‪  ( x  a) 2 :‬‬
‫رابعا ‪ -‬الوسط الحسابي المرجح‪:‬في بعض األحياف يكوف لكؿ قيمة مف قيـ المتغير أىمية نسبية تسمى‬
‫أوزف ‪ ،‬أو ترجيحات ‪ ،‬وعدـ أخذ ىذه األوزاف ف ي االعتبار عند حساب الوسط الحسابي ‪ ،‬تكوف القيمة‬
‫المعب رة عف الوسط الحسابي غير دقيقة ‪ ،‬فمثال لو أخذنا خمسة طالب ‪ ،‬وسجمنا درجات ىؤالء الطالب في‬
‫مقرر اإلحصاء التطبيقي ‪ ،‬وعدد ساعات االستذكار في األسبوع ‪.‬‬
‫سمسمة‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫مج‬
‫‪ ( x‬الدرجة)‬ ‫‪23‬‬ ‫‪40‬‬ ‫‪36‬‬ ‫‪28‬‬ ‫‪46‬‬ ‫‪173‬‬
‫‪ ( w‬عدد ساعات االستذكار )‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪00‬‬

‫نجد أف الوسط الحساب ي غير المرجح لمدرجة الحاصؿ عمييا الطالب ىي ‪:‬‬

‫‪10‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪x‬‬ ‫‪23  40  36  28  46 173‬‬

‫‪x‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 34.6‬‬
‫‪5‬‬ ‫‪5‬‬

‫المرجحة بعدد ساعات االستذكار ‪ ، w‬يتـ تطبيؽ‬ ‫‪x‬‬ ‫وا ذا أردنا أف نحسب الوسط الحسابي لمدرجات‬
‫المعادلة التالية ‪:‬‬

‫‪w    w  23  1  40  3  36  3  28  2  46  4‬‬
‫‪xw‬‬
‫‪1 3  3  2  4‬‬
‫‪23  120  108  56  184 491‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 37.769‬‬
‫‪13‬‬ ‫‪13‬‬

‫وىذا الوسط المرجح أكثر دقة مف الوسط الحسابي غير المرجح ‪.‬‬

‫إذا الوسط الحسابي المرجح ‪ w ‬يحسب بتطبيؽ المعادلة التالية ‪:‬‬

‫م زايا وعيوب الوسط الحسابي‪ :‬يتميز الوسط الحسابي بالمزايا التالية ‪:‬‬ ‫‪-3‬‬
‫‪ ‬أنو سيؿ الحساب ‪.‬‬
‫‪ ‬يأخذ في االعتبار كؿ القيـ ‪.‬‬
‫‪ ‬أنو أكثر المقاييس استخداما وفيما ‪.‬‬
‫ومف عيوبو ‪.‬‬

‫‪ ‬أنو يتأثر بالقيـ الشاذة والمتطرفة ‪.‬‬

‫‪ ‬يصعب حسابو ف ي حالة البيانات الوصفية ‪.‬‬
‫‪ ‬يصعب حسابو ف ي حالة الجداوؿ التكرارية المفتوحة ‪.‬‬
‫خامسا ‪ -‬التوقع الرياضي لممتغي رات العش وائية‪ :‬يعرؼ التوقع الرياضي لمتغيرة عشوائية متقطعة كما يمي‪:‬‬

‫‪E ( X )  i 1 xi P( X  xi ) ‬‬ ‫‪‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪i 1‬‬
‫) ‪xi f ( x i‬‬

‫و يعرؼ التوقع الرياضي لمتغيرة عشوائية مستمرة كما يمي‪:‬‬

‫‪‬‬
‫‪E ( X )   xf ( x)dx‬‬
‫‪‬‬

‫‪.μx‬‬ ‫نرمز لمتوقع أحيانا ب ‪ μ‬أو‬

‫مثال‪ : 14‬نمقي قطعة نقدية ‪ 5‬مرات‪ .‬أحسب العدد المتوقع مف المرات التي نحصؿ فييا عمى وجو‪.‬‬

‫‪11‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪X‬عدد مرات وجو‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫المجموع‬

‫= ‪16/16‬‬
‫)‪P(X‬‬ ‫‪(1/2)4‬‬ ‫‪4 (1/2)4‬‬ ‫‪6 (1/2)4‬‬ ‫‪4 (1/2)4‬‬ ‫‪(1/2)4‬‬
‫‪1‬‬

‫‪12‬‬ ‫‪12‬‬ ‫= ‪32/16‬‬

‫)‪XP(X‬‬ ‫‪0‬‬ ‫‪4 (1/2)4‬‬ ‫‪4 (1/2)4‬‬
‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪2‬‬

‫‪E ( X )  i 1 xi P( X  xi )  32 / 16  2‬‬
‫‪n‬‬

‫العدد المتوقع ىو مرتيف مف بيف ‪ 1‬رميات‬

‫مثاؿ ‪ :13‬أوجد التوقع الرياضي لممتغيرة ذات دالة الكثافة التالية‪:‬‬

‫‪1‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬

‫‪E ( x)   xf ( x)dx   x.0.dx   x( x)dx   x.0.dx‬‬
‫‪ x‬‬ ‫‪0 x2‬‬
‫‪f ( x)   2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪‬‬
‫‪0‬‬ ‫‪sinon‬‬

‫‪2‬‬
‫‪1  x3 ‬‬ ‫‪4‬‬
‫‪E ( x)  0     0 ‬‬
‫‪2  3 0‬‬ ‫‪3‬‬

‫‪ - 2- 3‬مقاييس التشتت‬
‫تمثؿ مقاييس التشتت الجانب اآلخر مف المقاييس اإلحصائية األساسية بجانب مقاييس النزعة المركزية‪ ،‬حيث‬
‫تستخدـ تمؾ المقاييس في وصؼ البيانات والتعرؼ عمى خصائصيا‪ .‬كما تعمؿ مقاييس التشتت كجزئية مكممة‬
‫وميمة جدا بجانب مقاييس النزعة المركزية في عمميات االستدالؿ اإلحصائي المبنية عمى عممية التعامؿ مع‬
‫البيانات‪ .‬وينصب االىتماـ عند التعامؿ مع مقاييس التشتت حوؿ قياس درجة االختالؼ بيف القيـ المختمفة لممتغير‬
‫الكمي المدروس‪ ،‬ويتـ ذلؾ مف خالؿ عدة مقاييس مختمفة ييتـ كؿ واحد منيا بقياس درجة االختالؼ مف زاوية‬
‫مختمفة‪ .‬يمثؿ التبايف واالنحراؼ المعياري واالنحراؼ المتوسط واالنحراؼ الربيعي باإلضافة إلى المدى مقاييس‬
‫مختمفة لقياس تشتت المتغيرات الكمية‪ .‬وفي ىذه المطبوعة سوؼ نركز فقط عمى التبايف واالنحراؼ المعياري‪.‬‬

‫‪ -1-2-3‬التباين‬

‫ىػػو أحػػد مقػػاييس التشػػتت ‪ ،‬وأكثرىػػا اسػػتخداما فػػي الن ػواحي التطبيقيػػة ‪ ،‬ويعبػػر ع ػ ف متوسػػط مربعػػات انح ارفػػات‬
‫القيـ عف وسطيا الحسابي‪.‬‬

‫‪12‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫)‬ ‫أوال‪ :‬التباين في المجتمع ( ‪ 2‬‬

‫إذا توافر لدينا قراءات عف كؿ مفردات المجتمع ‪ ،‬ولتكف‪ ، x1, x2 ,..., xN :‬فإف التبػايف فػي المجتمػع‬
‫يحسب باستخداـ المعادلة التالية ‪:‬‬ ‫‪ ،‬ويرمز لو بالرمز ‪ 2‬‬

‫‪.‬‬ ‫حيث أف ‪ ‬ىو الوسط الحسابي في المجتمع ‪ ،‬أى أف ‪   x N :‬‬

‫مثـــال‪ :15‬مصػػنع لتعبئػػة المػواد الغذائيػػة ‪ ،‬يعمػػؿ بػػو ‪ 15‬عامػػؿ ‪ ،‬وكانػػت عػػدد سػػنوات الخبػرة ليػؤالء العمػػاؿ‬
‫كما يمي ‪:‬‬

‫‪5 13 7 14 12 9 6 8 10 13 14 6 11 12 10‬‬
‫بفرض أف ىذه البيانات تـ جمعيا عف كؿ مفردات المجتمع ‪ ،‬فأوجد التبايف لعدد سنوات الخبرة ‪.‬‬

‫الحـل‬

‫لحساب تبايف سنوات الخبرة في المجتمع ‪ ،‬يتـ استخداـ المعادلة (‪.)7- 5‬‬

‫‪ ‬الوسط الحسابي في المجتمع ‪‬‬

‫‪1‬‬
‫‪‬‬ ‫‪x‬‬
‫‪N‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪(5  13  7  ...  12  10) ‬‬ ‫‪(150)  10‬‬
‫‪15‬‬ ‫‪15‬‬

‫‪ ‬حساب مربعات االنحرافات ‪ ( x   ) 2‬‬

‫‪ ( x   ) 2  130‬‬ ‫بما أف‪:‬‬

‫إذا تبايف سنوات الخبرة لمعماؿ في المصنع ىو ‪:‬‬

‫‪ ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪u‬‬ ‫‪‬‬‫‪2 130‬‬
‫‪‬‬ ‫‪ 8.67‬‬
‫‪N‬‬ ‫‪15‬‬

‫سنوات الخبرة‬
‫)‪(x  ‬‬ ‫‪(x  )2‬‬
‫‪x‬‬
‫‪5‬‬ ‫‪5-10 = -5‬‬ ‫‪25‬‬

‫‪13‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪13‬‬ ‫‪3‬‬ ‫‪9‬‬

‫‪7‬‬ ‫‪-3‬‬ ‫‪9‬‬
‫‪14‬‬ ‫‪4‬‬ ‫‪16‬‬
‫‪12‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪9‬‬ ‫‪-1‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪8‬‬ ‫‪-2‬‬ ‫‪4‬‬
‫‪10‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪13‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪14‬‬ ‫‪4‬‬ ‫‪16‬‬
‫‪6‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪11‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪12‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪10‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪150‬‬ ‫‪0‬‬ ‫‪130‬‬
‫ويمكف تبسيط المعادلة (‪ ) 7- 5‬في صورة أخرى كما يمي ‪:‬‬
‫يمكف فؾ المجموع ‪  ( x   ) 2‬كالتالي‬

‫ويمكف تبسيط المعادلة (‪ )7- 5‬في صورة أخرى كما يمي ‪:‬‬
‫يمكف فؾ المجموع ‪  ( x   ) 2‬كالتالي ‪:‬‬
‫‪ 2‬‬ ‫‪2‬‬
‫‪ ( x   ) 2    x  2 x   ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  x 2  2  x    2‬‬
‫‪  x 2  2 N 2  N 2‬‬
‫‪  x 2  N 2‬‬
‫ومف ثـ يكتب تبايف المجتمع عمى الصورة التالية ‪:‬‬

‫‪‬‬ ‫‪x 2  N 2 1‬‬

‫‪ ‬‬
‫‪2‬‬ ‫‪  x2   2‬‬
‫‪N‬‬ ‫‪N‬‬
‫إذا التبايف في المجتمع يمكف صياغتو كالتالي ‪.‬‬

‫ثانيا ‪ -‬التباين في العينة ( ‪) s 2‬‬

‫غي ػػر معم ػػوـ‪ ،‬وعندئ ػػذ ي ػػتـ س ػػحب عين ػػة م ػػف ى ػػذا‬ ‫ف ػػي كثي ػػر م ػػف الح ػػاالت يك ػػوف تب ػػايف المجتم ػػع ‪ 2‬‬
‫المجتمػػع ‪ ،‬ويحسػػب التبػػايف مػػف بيانػػات العينػػة كتقػػدير لتبػػايف المجتمػػع ‪ ،‬فػػإذا كانػػت ق ػراءات عينػػة عش ػوائية‬

‫‪14‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ ،‬فإف تبايف العينة ويرمز لو بالرمز‪ s2‬ىو‪:‬‬ ‫حجميا ‪ n‬ىي ‪x1 , x2 ,..., xn ،‬‬

‫‪ ،‬وتبػػايف العينػػة المبػػيف‬ ‫حيػػث أف ‪ x‬ىػػو الوسػػط الحسػػابي لق ػراءات العينػػة ‪ ،‬أي أف ‪x   x n :‬‬
‫بالمعادلة ىو التقدير غير المتحيز لتبايف المجتمع ‪.‬‬

‫مثـال ‪16‬‬

‫فػػي المثػػاؿ السػػابؽ ‪ ،‬إذا تػػـ سػػحب عينػػة مػػف عمػػاؿ المصػػنع حجميػػا ‪ 5‬عمػػاؿ ‪ ،‬وسػػجؿ عػػدد سػػنوات‬
‫الخبرة ‪ ،‬وكانت كالتالي ‪.‬‬

‫‪8‬‬ ‫‪13 10‬‬ ‫‪5‬‬ ‫‪9‬‬

‫احسب تبايف سنوات الخبرة في العينة ‪.‬‬

‫الحــل ‪ :‬لحساب التبايف في العينة يتـ تطبيؽ المعادلة (‪ ،) 9- 5‬ويتبع اآلتي ‪:‬‬

‫‪ ‬الوسط الحسابي في العينة ‪:‬‬

‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪x   x  (8  13  10  5  9)  (45)  9‬‬
‫‪n‬‬ ‫‪5‬‬ ‫‪5‬‬

‫‪ x  x ‬‬ ‫‪ ‬حساب مربعات االنحرافات‬

‫‪2‬‬

‫سنوات الخبرة‬
‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪9‬‬ ‫‪45‬‬
‫‪x‬‬
‫‪x  x ‬‬ ‫‪-1‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪-4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪ x  x 2‬‬ ‫‪1‬‬ ‫‪16‬‬ ‫‪1‬‬ ‫‪16‬‬ ‫‪0‬‬ ‫‪34‬‬
‫أي أف ‪،  x  x 2  34 :‬‬
‫‪ ‬إذا تبايف سنوات الخبرة في العينة قيمتو ىي ‪:‬‬

‫‪s ‬‬ ‫‪‬‬‫‪2‬‬‫‪‬‬ ‫‪x  x 2‬‬

‫‪‬‬
‫‪34‬‬
‫‪‬‬
‫‪34‬‬
‫‪ 8.5‬‬
‫‪n 1‬‬ ‫)‪(5  1‬‬ ‫‪4‬‬
‫‪ ‬في ىذه الحالة يمكف القوؿ بأف تبايف العينة ‪ ، 8.5‬وىو في نفس الوقت تقدير غير متحيز لتبايف المجتمع ‪.‬‬
‫يمكف تبسيط الصيغة الرياضية لتبايف العينة الموضحة بالمعادلة (‪ ) 9- 5‬إلػى صػيغة سػيمة يمكػف التعامػؿ‬
‫معيا‪ ،‬وخاصة إذا كانت البيانات تحتوي عمى قيـ كسرية‪ ،‬والستنتاج ىذه الصيغة يتـ إتباع اآلتي‪.‬‬
‫يمكف فؾ المجموع ‪  ( x  x ) 2‬كالتالي‪:‬‬

‫‪15‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ 2‬‬ ‫‪2‬‬

‫‪ ( x  x ) 2    x  2 xx  x ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  x 2  2x  x   x 2‬‬
‫‪  x 2  2nx 2  nx 2‬‬
‫‪  x 2  nx 2‬‬
‫ويكتب تبايف العينة عمى الصورة التالية ‪:‬‬

‫‪1  2‬‬ ‫‪2‬‬

‫‪s2 ‬‬ ‫‪  x  nx ‬‬
‫‪n 1 ‬‬ ‫‪‬‬

‫إذا التبايف في العينة يمكف صياغتو كالتالي ‪.‬‬

‫كما يمكف إثبات أف المعادلة (‪ ) :- 5‬تأخذ الشكؿ التالي‪:‬‬

‫وبالتطبيؽ عمى بيانات المثاؿ السابؽ ‪ ،‬نجد أف ‪:‬‬

‫سنوات الخبر ‪x‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪9‬‬ ‫‪45‬‬

‫‪x2‬‬ ‫‪64‬‬ ‫‪169‬‬ ‫‪100‬‬ ‫‪25‬‬ ‫‪81‬‬ ‫‪439‬‬
‫‪ ‬تبايف العينة ىو ‪:‬‬
‫‪1 ‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪s2 ‬‬ ‫‪  x  nx ‬‬
‫‪n 1 ‬‬ ‫‪‬‬
‫‪1 ‬‬ ‫‪2 1‬‬
‫‪‬‬ ‫‪ 439  5(9)   34  8.5‬‬
‫‪5 1 ‬‬ ‫‪‬‬ ‫‪4‬‬

‫وباستخداـ المعادلة نجد أف‪:‬‬

‫التباين لممتغيرات العشوائية‪ :‬يعرؼ التبايف لمتغيرة عشوائية كما يمي‪:‬‬
‫‪ X ²  Var ( X )  E X   ² ‬‬

‫‪16‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪.σ = √V(X) = √σ²‬‬ ‫‪ ‬و االنحراؼ المعياري ىو جذر التبايف‪.‬‬

‫)‪V ( X )  x x   ² f ( x‬‬
‫‪ ‬في حالة المتغيرة العشوائية المتقطعة ‪:‬‬
‫‪‬‬
‫‪V (X )  ‬‬ ‫‪x   ² f ( x)dx‬‬
‫‪‬‬ ‫‪ ‬في حالة المتغيرة العشوائية مستمرة ‪:‬‬

‫مثاؿ ‪ :‬لتكف ‪ X‬ـ ع ذات دالة الكثافة التالية؛ أحسب تبايف ‪.X‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x2‬‬
‫‪f ( x)   2‬‬
‫‪‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫‪‬‬
‫‪²  ‬‬
‫‪‬‬
‫‪x   ² f ( x)dx.‬‬ ‫‪  4/3‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪0‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4 x‬‬ ‫‪ ‬‬ ‫‪4‬‬ ‫‪1 ‬‬ ‫‪8 x 16 ‬‬
‫‪ ²    x   * 0dx    x   dx    x   0dx  0  x x 2     0‬‬
‫‪‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪3 2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪2 ‬‬ ‫‪3‬‬ ‫‪9 0‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪8 x ² 16 x ‬‬ ‫‪1‬‬ ‫‪32 32  4‬‬
‫‪ ²   x3 ‬‬ ‫‪‬‬ ‫‪  8 ‬‬ ‫‪ ‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪9 0 2 ‬‬ ‫‪3‬‬ ‫‪9  9‬‬

‫‪ -2-2-0‬االنحراف المعياري‪:‬‬
‫يعتبر االنحراؼ المعياري والتبايف مف أىـ مقاييس التشتت اإلحصائية‪ .‬ويرتبط المقياسيف بعالقة رياضية قوية‪،‬‬
‫في حاؿ‬ ‫‪2‬‬ ‫حيث يمكف دوما الحصوؿ عمى المقياس اآلخر في حاؿ معرفة قيمة احدىما‪ .‬يرمز لمتبايف بالرمز‬
‫لمداللة عمى مقدر التبايف‬ ‫‪S2‬‬ ‫الحصوؿ عمى قيمتو مف خالؿ تغطية مجتمع الدراسة‪ ،‬بينما يتـ استخداـ الرمز‬
‫المحصؿ مف خالؿ بيانات عينة عشوائية مسحوبة مف مجتمع الدراسة‪ .‬وبأخذ الجذر التربيعي لمتبايف يتـ الحصوؿ‬
‫عمى قيمة االنحراؼ المعياري وذلؾ في الحالتيف‪ ،‬حالة المجتمع وحالة العينة‪،‬‬

‫‪  2‬‬ ‫‪or‬‬ ‫‪S  S2‬‬

‫وبحكـ العالقة الرياضية القوية بيف كؿ مف التبايف واالنحراؼ المعياري فإنو يمكف اعتبارىما وجييف لعممة واحدة ليما‬
‫نفس األىمية‪.‬‬
‫ووسطيا الحسابي‪ ،‬وفي حاؿ‬ ‫‪X‬‬ ‫يعتمد االنحراؼ المعياري والتبايف عمى فكرة تربيع الفروؽ بيف قيـ المتغير الكمي‬
‫يتـ الحصوؿ عمى االنحراؼ المعياري مف خالؿ الدالة التالية‪،‬‬ ‫‪N‬‬ ‫التعامؿ مع مجتمع بحجـ‬

‫‪17‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪N‬‬

‫‪X‬‬ ‫‪ X‬‬ ‫‪‬‬

‫‪2‬‬
‫‪i‬‬
‫‪X ‬‬ ‫‪i 1‬‬
‫‪N‬‬

‫حيث يمكف تبسيطيا رياضيا لتصبح‪،‬‬

‫‪N‬‬

‫‪X‬‬ ‫‪i‬‬
‫‪2‬‬

‫‪X ‬‬ ‫‪i 1‬‬

‫‪  X2‬‬
‫‪N‬‬

‫مس ػ ػػحوبة م ػ ػػف مجتم ػ ػػع الد ارس ػ ػػة وممثم ػ ػػة ل ػ ػػو‪ ،‬ف ػ ػػاف ص ػ ػػيغة‬ ‫‪n‬‬ ‫أم ػ ػػا ف ػ ػػي حال ػ ػػة التعام ػ ػػؿ م ػ ػػع عين ػ ػػة عشػ ػ ػوائية بحج ػ ػػـ‬
‫حساب االنحراؼ المعياري ىي‪،‬‬
‫‪n‬‬

‫‪X‬‬ ‫‪‬‬
‫‪2‬‬
‫‪i‬‬ ‫‪X‬‬
‫‪SX ‬‬ ‫‪i 1‬‬
‫‪n 1‬‬

‫وبالتبسيط الرياضي تصبح‪،‬‬

‫‪n‬‬

‫‪X‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪ nX‬‬ ‫‪2‬‬

‫‪SX ‬‬ ‫‪i 1‬‬

‫‪n 1‬‬

‫أوال‪ -‬االنحراف المعياري في حالة البيانات المبوبة‬

‫إذا كانت بيانات الظاىرة ‪ ،‬مبوبة في جدوؿ توزيع تكراري ‪ ،‬فإف االنح راؼ المعياري يحسب بتطبيؽ‬
‫المعادلة التالية ‪.‬‬

‫ى ػػو الوس ػػط الحس ػػابي ‪ n ،  xf n‬ى ػػي‬ ‫‪x‬‬ ‫ى ػػو مرك ػػز الفئ ػػة ‪،‬‬ ‫‪x‬‬ ‫حي ػػث أف ‪ f‬ى ػػو تكػ ػرار الفئ ػػة ‪،‬‬

‫‪. (s‬‬
‫‪2‬‬
‫مجموع التك اررات ‪ ، n   f ‬والمقدار الذي تحت الجذر يعبر عف التبايف )‬

‫مثـال‪ : 17‬يبيف الجدوؿ التكراري التالي توزيع ‪ 40‬أسرة حسب اإلنفاؽ الشيري باأللؼ الدينار‪.‬‬

‫‪18‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫اإلنفاؽ‬ ‫‪2-5‬‬ ‫‪5-8‬‬ ‫‪8 - 11‬‬ ‫‪11 – 14‬‬ ‫‪14 – 17‬‬

‫عدد األسرة‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪8‬‬
‫احسب االنحراؼ المعياري لإلنفاؽ الشيري لألس رة ‪ ،‬ثـ قارف ب يف االنحراؼ المتوسط ‪ ،‬واالنح راف المعياري‬
‫لإلنفاؽ الشيري لألسرة‬
‫الحـــــل ‪:‬لحساب االنح راؼ المعياري لإلنفاؽ الشيري ‪ ،‬تستخدـ المعادلة رقػـ ( ‪ ، ) 23- 5‬وسوؼ نطبؽ الصيغة‬
‫‪.‬‬ ‫‪ xf ,  x 2 f :‬‬ ‫الثانية ‪ ،‬ولذا نكوف جدوؿ لحساب المجموعيف‬
‫عدد‬ ‫مركز‬
‫اإلنفاق‬ ‫األسر‬ ‫الفئة‬ ‫‪xf‬‬ ‫‪x2 f‬‬
‫‪f‬‬ ‫‪x‬‬ ‫‪n   f  40‬‬
‫‪2-5‬‬ ‫‪1‬‬ ‫‪3.5‬‬ ‫‪3.5‬‬ ‫‪12.25‬‬ ‫‪ xf  428‬‬
‫‪5-8‬‬ ‫‪8‬‬ ‫‪6.5‬‬ ‫‪52‬‬ ‫‪338‬‬ ‫‪ x 2 f  5008‬‬
‫‪8-11‬‬ ‫‪13‬‬ ‫‪9.5‬‬ ‫‪123.5 1173.25‬‬
‫‪11-‬‬
‫‪10‬‬ ‫‪12.5‬‬ ‫‪125‬‬ ‫‪1562.5‬‬
‫‪14‬‬
‫‪14-‬‬
‫‪8‬‬ ‫‪15.5‬‬ ‫‪124‬‬ ‫‪1922‬‬
‫‪17‬‬
‫‪sum‬‬ ‫‪40‬‬ ‫‪428‬‬ ‫‪5008‬‬
‫وبتطبيؽ المعادلة ‪ ،‬نجد أف االنح راؼ المعياري قيمتو ىي ‪:‬‬

‫‪x f ‬‬
‫‪2‬‬ ‫‪‬‬‫‪‬‬ ‫‪xf 2‬‬
‫‪s‬‬ ‫‪n‬‬
‫‪n 1‬‬
‫‪( 428) 2‬‬
‫‪5008 ‬‬
‫‪5008  4579.6‬‬
‫‪‬‬ ‫‪40‬‬ ‫‪‬‬
‫‪40  1‬‬ ‫‪39‬‬
‫‪‬‬ ‫‪10 .984615  3.314‬‬

‫تمرين تطبيقي ‪:11‬‬

‫‪19‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ ) a‬لػتكف لػدينا المجموعػة التاليػة مػػف القػراءات والتػي تمثػؿ أطػواؿ عينػة مػف ‪ 48‬سػمكة مقػػدرة بػالممـ أجريػت فػي أحػػد‬
‫المختبرات ‪:‬‬

‫‪231‬‬ ‫‪234‬‬ ‫‪214‬‬ ‫‪216‬‬ ‫‪210‬‬ ‫‪221‬‬ ‫‪223‬‬ ‫‪215‬‬

‫‪210‬‬ ‫‪209‬‬ ‫‪207‬‬ ‫‪206‬‬ ‫‪204‬‬ ‫‪205‬‬ ‫‪203‬‬ ‫‪216‬‬

‫‪218‬‬ ‫‪219‬‬ ‫‪217‬‬ ‫‪212‬‬ ‫‪216‬‬ ‫‪221‬‬ ‫‪226‬‬ ‫‪222‬‬

‫‪210‬‬ ‫‪206‬‬ ‫‪203‬‬ ‫‪209‬‬ ‫‪230‬‬ ‫‪225‬‬ ‫‪215‬‬ ‫‪235‬‬

‫‪230‬‬ ‫‪240‬‬ ‫‪190‬‬ ‫‪208‬‬ ‫‪195‬‬ ‫‪201‬‬ ‫‪211‬‬ ‫‪313‬‬

‫‪213‬‬ ‫‪210‬‬ ‫‪205‬‬ ‫‪190‬‬ ‫‪270‬‬ ‫‪220‬‬ ‫‪250‬‬ ‫‪210‬‬

‫‪ -1‬رتب ىذه البيانات في جدوؿ توزيع تكراري‪.‬‬

‫‪ -2‬احسب متوسط طوؿ السمكة الواحدة ثـ احسب التشتت واالنحراؼ المعياري ‪.‬‬
‫تمرين تطبقي ‪ :12‬البيانات التالية تمثؿ الزمف بالدقيقة الذي يقضيو ‪ 13‬طالباً بانتظار حافمة الجامعة‬
‫‪10, 15 , 10 , 2 , 17 , 6 , 8 , 3 , 10 , 2 , 9 , 13 , 1‬‬
‫‪ -‬أوجد الوسط الحسابي والوسيط و الربيعي األدنى و الربيعي األعمى‪.‬‬
‫‪ -‬أوجد التبايف ليذه البيانات ثـ أستنتج اإلنحراؼ المعياري ‪.‬‬
‫المتوسط وأستنتج أف ‪ ( xi  x)  0‬‬ ‫‪ -‬احسب مجموع إنحرافات ليذه البيانات عف‬
‫‪ -4‬التوزيعات االحتمالية األكثر استخداما‬
‫التوزيع الطبيعي‪ :‬يعتبر التوزيع الطبيعى مف أىـ التوزيعات المتصمة حيث يمعب دو اًر أساسياً فى عممية‬ ‫‪-1-4‬‬
‫المعاينة ‪ ،‬كما يستخدـ لوصؼ األنماط التك اررية لمعديد مف الظواىر اإلحصائية مثؿ التغيرات الطبيعية التى تحدث‬
‫لإلنساف والحيواف والعوامؿ البيئية بشكؿ عاـ ‪ .‬والتوزيع الطبيعى يدرس سموؾ المتغيرات العشوائية المتصمة مثؿ‬
‫درجة الح اررة والطوؿ والوزف والدخؿ واألخطاء العشوائية الناتجة عند تحميؿ االنحدار ‪ .‬ويمكف توضيح ذلؾ بالشكؿ‬
‫العاـ لتوزيع الطبيعي‬
‫)‪f(x‬‬

‫تكتب دالة الكثافة لمنحنى لمتوزيع الطبيعي كما يمي‪:‬‬

‫‪x   ‬‬
‫‪2‬‬
‫‪‬‬
‫‪ ‬‬
‫‪ 1/ 2‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬

‫‪f ( x) ‬‬
‫‪1‬‬
‫‪e‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪  x  ‬‬
‫‪ 2‬‬

‫‪x‬‬
‫‪μ‬‬
‫نهتوزيع انطبيعي‬ ‫انشكم انعاو‬

‫ونكتب )‪X ~ N(µ, σ‬‬ ‫حيث ‪ µ‬و‪ σ‬ىما عمى التوالي التوقع واالنحراؼ المعياري‪.‬‬

‫‪20‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫دالة التوزيع (الدالة التجميعية) لمتوزيع الطبيعي تكتب كما يمي‪:‬‬

‫‪2‬‬
‫‪ v ‬‬
‫‪1 / 2‬‬
‫‪x‬‬ ‫‪‬‬
‫‪‬‬
‫‪1‬‬
‫‪F ( x)  P ( X  x) ‬‬ ‫‪e‬‬ ‫‪  ‬‬ ‫‪dv‬‬
‫‪ 2‬‬ ‫‪‬‬

‫أوال‪ -‬المتغيرة المركزية أو المعيارية ‪ :‬تستخدـ المتغيرة المعيارية ‪ Z = (X-µ)/σ‬لتكويف الجداوؿ اإلحصائية‬
‫لالحتماالت‪:‬‬
‫)‪ P(1 ≤ Z ≤ z‬أو )‪،F(z) = P(Z ≤ z‬‬
‫حيث تسمح بكتابة الدالة ‪ f‬و‪ F‬بداللة مجيوؿ واحد ‪ Z‬بدال مف ‪ 4‬مجاىيؿ ‪ x‬و‪ µ‬و ‪ σ‬وذلؾ كما يمي‪:‬‬
‫‪1‬‬ ‫‪z² / 2‬‬
‫‪f ( z) ‬‬ ‫‪e‬‬ ‫‪  z  ‬‬
‫‪2‬‬
‫‪z‬‬ ‫‪u ²‬‬

‫‪‬‬
‫‪1‬‬
‫‪F ( z )  P( Z  z ) ‬‬ ‫‪e‬‬ ‫‪2 du‬‬
‫‪2‬‬ ‫‪‬‬

‫بالنظر إلى العالقة الخطية بيف المتغيرتيف ‪ X‬و ‪ ،Z‬فإف ‪ Z‬تتبع نفس توزيع ‪ X‬أي التوزيع الطبيعي‪ .‬ونعمـ أف‪:‬‬
‫‪V(Z) = 1‬‬ ‫‪E(Z) = 0‬‬
‫مثـــال‪ : 18‬إذا كاف العمر االفتراضي لمشغؿ األقراص المرنة والمنتج بمعرفة إحدى شركات الكمبيوتر يتبع التوزيع‬
‫الطبيعي بمتوسط ‪ 1000‬ساعة وانحراؼ معياري ‪ 100‬ساعة ‪ .‬فإذا تـ اختيار وحدة مشغؿ مف إنتاج ىذه الشركة‬
‫بطريقة عشوائية ‪ ،‬فأوجد احتماؿ أف يكوف عمرىا االفتراضي ‪:‬‬
‫‪ .1‬بيف ‪ 1150 ، 1000‬ساعة ‪.‬‬
‫‪ .2‬أقؿ مف ‪ 930‬ساعة ‪.‬‬
‫‪ .3‬أكبر مف ‪ 780‬ساعة ‪.‬‬
‫‪ .4‬بيف ‪ 1200 ، 700‬ساعة ‪.‬‬
‫‪ .5‬بيف ‪ 850 ، 750‬ساعة ‪.‬‬
‫الحــل ‪:‬‬

‫نفرض أف المتغير العشوائي ‪ ‬يعبر عف العمر االفتراضي لمشغؿ األقراص المرنة ‪ ،‬أي أف ‪:‬‬
‫المتوسط ‪ 1000 = ‬ساعة‬
‫االنحراؼ المعياري ‪ 100 = ‬ساعة‬

‫‪ -‬احتماؿ أف يكوف العمر االفتراضي لمشغؿ األقراص المرنة بيف ‪ 1150 ، 1000‬ساعة‬

‫‪ 1000  1000 X   1150  1000 ‬‬

‫‪P(1000  X  1150)  P‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪100‬‬ ‫‪‬‬ ‫‪100‬‬ ‫‪‬‬
‫‪ P(0  Z  1.5)  0.4332‬‬

‫احتماؿ أف يكوف العمر االفتراضي لمشغؿ األقراص المرنة أقؿ مف ‪ 930‬ساعة‬ ‫‪-‬‬

‫‪21‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ X   930  1000 ‬‬ ‫‪‬‬ ‫‪ 70 ‬‬

‫‪P(X  930)  P‬‬ ‫‪‬‬ ‫‪  p Z ‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪100‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪100 ‬‬
‫‪ p(Z  0.7)  0.5  0.2580  0.2420‬‬
‫‪ -‬احتماؿ أف يكوف العمر االفتراضي لمشغؿ األقراص المرنة أكبر مف ‪ 780‬ساعة‬

‫‪ X   780  1000 ‬‬ ‫‪‬‬ ‫‪ 220 ‬‬

‫‪P(X  780)  P‬‬ ‫‪‬‬ ‫‪  P Z ‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪100‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪100 ‬‬
‫)‪ P(Z  2.2)  0.5  P(2.2  Z  0‬‬
‫)‪ 0.5  P(0  Z  2.2‬‬
‫‪ 0.5  0.4861  0.9861‬‬
‫‪ -‬احتماؿ أف يكوف العمر االفتراضي لمشغؿ األقراص المرنة بيف ‪ 1200 ، 700‬ساعة‬

‫‪ 700  1000 X   1200  1000 ‬‬

‫‪p(700  X  1200)  P‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 100‬‬ ‫‪‬‬ ‫‪100‬‬ ‫‪‬‬
‫‪  300‬‬ ‫‪200 ‬‬
‫‪ P‬‬ ‫‪Z‬‬ ‫)‪  P(3  Z  2‬‬
‫‪ 100‬‬ ‫‪100 ‬‬
‫)‪ P(3  Z  0)  P(0  Z  2‬‬
‫)‪ P(0  Z  3)  P(0  Z  2‬‬
‫‪ 0.4987  0.4772  0.9759‬‬
‫‪ -‬احتماؿ أف يكوف العمر االفتراضي لمشغؿ األقراص المرنة بيف ‪ 850 ، 750‬ساعة‬

‫‪ 750  1000 X   850  1000 ‬‬

‫‪P(750  X  850)  P‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪100‬‬ ‫‪‬‬ ‫‪100‬‬ ‫‪‬‬
‫‪  250‬‬ ‫‪ 150 ‬‬
‫‪ P‬‬ ‫‪Z‬‬ ‫‪‬‬
‫‪ 100‬‬ ‫‪100 ‬‬
‫)‪ P(2.50  Z  1.50‬‬
‫)‪ P(2.50  Z  0)  P(1.50  Z  0‬‬
‫)‪ P(0  Z  2.50)  P(0  Z  1.50‬‬
‫‪ 0.4938  0.4332  0.0606‬‬

‫‪ -4-2‬توزيع كاي مربع ‪:‬‬

‫توزيع ك‪ 2‬ىو من أكثر التوزيعات استخداما في مجال اختبار الفروض بأنواعيا‪ ،‬ويمكن تعريفو كما يمي‪:‬‬

‫‪22‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫لتكف ‪ ، X1, X2, . . . Xν‬متغيرات عشوائية مستقمة كؿ منيا تتبع التوزيع الطبيعي المعياري (‪ .)µ = 0, σ =1‬المتغيرة‬

‫‪X = X1² + X2² + . . . + Xν²‬‬

‫)‪f(x‬‬
‫‪ν=1‬‬

‫‪0.25‬‬ ‫‪ν=2‬‬
‫ليا دالة الكثافة التالية‪:‬‬
‫‪ν=3‬‬

‫‪ν=6‬‬ ‫‪ x  / 2 1e  x / 2‬‬

‫‪‬‬ ‫‪x0‬‬
‫‪ν = 10‬‬ ‫‪f ( x)   2 / 2  / 2‬‬
‫‪ν = 15‬‬
‫‪‬‬ ‫‪x0‬‬
‫‪‬‬ ‫‪0‬‬
‫‪x‬‬
‫‪0‬‬ ‫‪6‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪24‬‬

‫تدرج ينحنى ك‪ 2‬حسب درجة انحرية‬

‫قاما‪:‬‬ ‫الدالة‬ ‫ىي‬ ‫)‪Γ(α‬‬ ‫حيث‬
‫‪‬‬
‫‪   t  1e t dt‬‬
‫‪‬‬ ‫‪ 0‬‬
‫‪0‬‬

‫‪. X ~ χ²‬‬ ‫و نقوؿ أف ‪ X‬تتبع التوزيع ؾ‪ 3‬ب ‪ ν‬درجة حرية ونكتب‬

‫‪ν‬‬

‫الدالة التجميعية )‪ F( χ²‬تكتب كما يمي‪:‬‬

‫‪‬‬ ‫‪1‬‬ ‫‪x‬‬

‫‪  /2‬‬
‫)‪P( ²  x)   2 ( / 2‬‬ ‫‪‬‬‫‪0‬‬
‫‪u ( / 2 )1e u / 2 du‬‬ ‫‪x0‬‬
‫‪‬‬ ‫‪x0‬‬
‫‪‬‬ ‫‪0‬‬

‫‪ -0-4‬توزيع ستيودنت‬
‫‪Y‬‬
‫تتبع توزيع‬ ‫‪T‬‬ ‫لتكف المتغيرتاف العشوائيتاف المستقمتاف ‪ Y‬و‪ Z‬حيث )‪ Y~ N(0, 1‬و ‪ Z ~ χν²‬؛ المتغيرة‬
‫‪Z /‬‬
‫ليا دالة الكثافة التالية‬

‫‪  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2   t²   2 ‬‬
‫‪f (t ) ‬‬ ‫‪1  ‬‬ ‫‪ t  ‬‬
‫‪    ‬‬
‫‪  ‬‬
‫‪2‬‬

‫‪‬‬
‫‪   t  1e t dt‬‬
‫‪‬‬ ‫‪ 0‬‬
‫‪0‬‬

‫‪T ~ tν‬‬ ‫و نقوؿ أف المتغيرة ‪ X‬تتبع توزيع ستيودنت ب ‪ν‬درجة حرية ونكتب‪:‬‬

‫‪23‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -4-4‬توزيع فيشر (‪)F‬‬

‫)‪f(x‬‬ ‫) ? ‪(10,‬‬
‫‪1.0‬‬

‫)‪(10, 50‬‬

‫‪0,5‬‬
‫)‪(10, 10‬‬

‫)‪(10, 4‬‬

‫‪x‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪4‬‬

‫تدرج منحنى فيشر حسب درجة الحرية‬

‫‪X 1 / 1‬‬
‫‪ X ‬ليا دالة‬ ‫و ‪ . X2 ~ χν2²‬المتغيرة ‪:‬‬ ‫ليكف لدينا المتغيرتاف العشوائيتاف المستقمتاف ‪X1 ~ χν1²‬‬
‫‪X 2 / 2‬‬

‫الكثافة‪:‬‬

‫‪  1  2 ‬‬
‫‪  2 ‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  21  22‬‬ ‫(‬ ‫‪) 1‬‬
‫‪ 2   1 x ‬‬
‫‪ 1  2‬‬
‫‪x0‬‬
‫‪‬‬ ‫‪x‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪f ( x)     1    2  1‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪  2   2 ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪x0‬‬

‫و نقوؿ أف المتغيرة ‪ X‬تتبع توزيع فيشر ب ‪ ν2‬و‪ ν3‬درجة حرية ونكتب‪X ~ Fν2, ν3 :‬‬

‫المحور الثاني‪ :‬نظرية توزيع المعاينة‬

‫‪24‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫يعتبر أسموب المعاينة مف أىـ األساليب اإلحصائية التي نستخدميا لدراسة مجموعة كبيرة مف المفردات (تسمى‬
‫مجتمع) بقصد التعرؼ عمى خواصيا عف طريؽ دراسة مجموعة صغيرة مف ىذه المفردات (تسمى عينة)‪ ،‬حيث نقوـ‬
‫بدراسة ىذه العينة بدقة لمتعرؼ عمى خواصيا ومعرفة معالميا مثؿ الوسط الحسابي وغير ذلؾ مف المقاييس‬
‫اإلحصائية ثـ نقوـ بتعميـ النتائج التي نحصؿ عمييا عمى المجتمع األصمي لمتعرؼ عمى خواصو ومعالمو وىذا ىو‬
‫اليدؼ األساسي مف الدراسة‪ .‬وبالطبع ال يكوف ىذا التعميـ مف العينة إلى المجتمع لو معنى أو قيمة عممية إال إذا تـ‬
‫اختيار المفردات بطريقة نضمف بيا أف تكوف العينة ممثمة لممجتمع تمثيال صادقا‪.‬‬
‫‪ -1‬تعريف توزيع المعاينة وعدد العينات المسحوبة‪:‬‬
‫االستدالؿ اإلحصائي واحد مف أكثر جوانب عممية اتخاذ الق اررات أىمية وحيوية في االقتصاد واألعماؿ‬
‫والعموـ ‪ .‬ويتعمؽ االستدالؿ اإلحصائي بالتقدير واختبار الفروض (الفصؿ الخامس) ‪ .‬والتقـدير ىو عممية استنتاج أو‬
‫تقدير أحد معالـ المجتمع (مثؿ الوسط الحسابي أو االنحراؼ المعياري) مف اإلحصاء المناظر والخاص بعينة‬
‫مسحوبة مف المجتمع ‪ .‬و لكي يكوف التقدير (واختبار الفروض) سميما ‪،‬ينبغي أف يبنى عمى عينة ممثمة لممجتمع ‪.‬‬
‫ويمكف تحقيؽ ذلؾ بالمعاينة العشوائية حيث يكوف لكؿ مفردة في المجتمع فرصة متكافئة لمدخوؿ في العينة ‪.‬‬

‫مثال ‪ -1‬يمكف الحصوؿ عمى عينة عشوائية مف‪ 5‬مف بيف ‪ 80‬عامال في مصنع بتسجيؿ اسـ كؿ منيـ عمى‬
‫قصاصة مف الورؽ ‪،‬وخمط القصاصات جيداً ‪،‬والتقاط خمس منيا عشوائياً وكطريقة أقؿ تعقيداً يمكف استخداـ جدوؿ‬
‫األرقاـ العشوائية (ممحؽ ‪ . )5‬والستخداـ ىذه الطريقة ‪،‬نعيف أوال رقماً مف ‪ 1‬إلى ‪ 80‬لكؿ عامؿ ‪ .‬ثـ نبدأ عند نقطة‬
‫عشوائية (وليكف ‪ ،‬مف العمود الثالث والصؼ الحادي عشر) في ممحؽ ‪ ، 5‬ونق أر ‪ 5‬أرقاـ (كؿ رقميف معاً) أما أفقياً‬
‫واما رأسياً (مع حذؼ كؿ األعداد التي تزيد عف ‪ )80‬عمى سبيؿ المثاؿ ‪ ،‬بالقراءة رأسياً نحصؿ عمى ‪19 ، 54، 13‬‬
‫‪.71 ، 59 ،‬‬

‫‪ -1-1‬تعريف توزيع المعاينة‪ :‬نفرض أف لدينا مجتمعا مف المفردات يتبع توزيعا احتماليا معينا وأننا بصدد‬
‫سحب عينة حجميا ‪ n‬مف ىذا المجتمع‪ ،‬بالطبع ليس معنى ىذا أف ىناؾ عينة واحدة يمكف سحبيا ولكف يكوف‬
‫أمامنا عدد كبير مف العينات التي يمكف سحبيا مف ىذا المجتمع والتي حجـ كؿ منيا ىو ‪ n‬مف المفردات‪.‬‬
‫واآلف نفرض أننا سحبنا عينة حجميا ‪ n‬مف ىذا المجتمع وحسبنا مف ىذه العينة مقياسا معينا (وليكف الوسط‬
‫الحسابي) ثـ سحبنا عينة ثانية ليا نفس الحجـ ‪ n‬وحسبنا منيا نفس المقياس ثـ سحبنا عينة ثالثة وحسبنا منيا نفس‬
‫المقياس وىكذا بالنسبة لجميع العينات التي يمكف سحبيا مف ىذا المجتمع‪ ،‬سنجد أمامنا عددا كبي ار مف القيـ لنفس‬
‫المقياس وال نتوقع أف تكوف جميع القيـ التي حصمنا عمييا مف العينات ليذا المقياس متساوية وانما ستكوف مختمفة‬
‫عف بعضيا وتكوف مجتمعا أخر‪ ،‬عدد مفرداتو أكبر بكثير مف عدد مفردات المجتمع األصمي‪.‬‬
‫وعمى ذلؾ يمكف النظر إلى ىذا المقياس عمى أنو متغير عشوائي يأخذ قيما مختمفة (ىي التي حصمنا عمييا مف ىذه‬
‫العينات) ويتبع توزيعا معينا ربما يختمؼ أو ال يختمؼ عف توزيع المجتمع األصمي يسمى بتوزيع المعاينة ليذا‬
‫المقياس سواء كاف ىذا المقياس ىو الوسط الحسابي أو نسبة المفردات التي ليا صفة معينة أو االنحراؼ المعياري أو‬
‫غيره مف المقاييس اإلحصائية‪.‬‬

‫‪25‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫عدد العينات المسحوبة من المجتمع‪:‬‬ ‫‪-2-1‬‬

‫إليجاد عدد العينات الممكنة والمسحوبة مف المجتمع حجمو ‪ N‬ىناؾ حالتيف في حالة السحب باإلرجاع وفي حالة‬
‫السحب بدوف إرجاع‪:‬‬
‫‪ ‬في حالة السحب باإلرجاع فاف عدد العينات الممكنة يساوي ‪. N n‬‬
‫‪ ‬في حالة السحب بدوف إرجاع تنقسـ إلى قسميف‪:‬‬
‫‪ -‬حالة السحب بدوف إرجاع والترتيب غير ميـ‪:‬‬
‫!‪N‬‬
‫‪C Nn ‬‬
‫‪N  n!n!‬‬
‫‪.‬‬ ‫‪ -‬حالة السحب بدوف إرجاع والترتيب ميـ‪:‬‬
‫!‪N‬‬
‫!‪N  n ‬‬
‫مالحظة‪ :‬في حالة السحب بدوف إرجاع ولـ يتـ ذكر نوعية الترتيب‪ ،‬فإننا نعتبر الترتيب غير ميـ‪.‬‬

‫‪ -2‬توزيع المعاينة لممتوسطات‪:‬‬

‫نفرض أف لدينا مجتمعا ولتكف مفرداتو ىي‪ . X1, X 2 , X 3......... :‬ونفرض أننا سحبنا مف ىذا المجتمع عينة حجميا‬
‫‪ n‬وحسبنا وسطيا الحسابي فوجدناه ‪ x1‬ثـ سحبنا عينة أخرى ليا نفس الحجـ وحسبنا وسطيا الحسابي فوجدناه ‪x 2‬‬
‫‪ ،‬ثـ عينة ثالثة ليا نفس الحجـ ووجدنا أف وسطيا الحسابي ‪ x 3‬وىكذا بالنسبة لكؿ العينات التي حجميا ‪ n‬والتي‬
‫يمكف سحبيا مف ىذا المجتمع‪ .‬سنجد في النياية أننا سنحصؿ عمى مجموعة جديدة مف المفردات ىي المتوسطات‬
‫الحسابية ليذه العينات وىي تكوف مجتمعا جديدا يسمى مجتمع المتوسطات الحسابية لمعينات التي حجميا ‪ n‬والتي‬
‫يمكف سحبيا مف المجتمع األصمي ويمكف كتابة مفردات المجتمع الجديد عمى النحو التالي‪x1 , x 2 , x3 , x 4 ,............ :‬‬
‫‪.‬‬
‫وىذه المتوسطات تختمؼ عف بعضيا كما أنيا تكوف مجتمعا جديدا لو توزيع احتمالي ييمنا معرفتو ودراستو‪ ،‬ومجتمع‬
‫المتوسطات الحسابية ‪ X‬كأي مجتمع أخر لو توزيع احتمالي يتمتع بجميع صفات وخواص التوزيعات االحتمالية‬
‫وبالطبع لو متوسط وانحراؼ معياري‪.‬‬
‫‪ -1-2‬متوسط توزيع المعاينة لممتوسطات‪:‬‬
‫إذا كانت متغير عشوائي تمثؿ مجتمع ما و ̅ متغيرة ع تمثؿ متوسط عينة مسحوبة مف ذات المجتمع‪ ،‬فإف القيمة‬
‫يمي‪:‬‬ ‫تكتب كما‬ ‫‪ ‬‬
‫المتوقعة لمتوسط العينة ‪E X‬‬

‫‪‬‬
‫‪E X  x  ‬‬

‫البرىان ‪ :‬لنرمز ب ‪ Xi‬لقيـ المتغيرة األصمية ‪. X‬‬

‫‪1‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪E ( X )  E  i Xi   i E ( Xi)  i   n   .‬‬
‫‪n‬‬ ‫‪ n‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪26‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫مثال ‪ : 12‬ليكف المجتمع ‪ .8 ،6 ،5 ،3 ،1‬ما ىي القيمة المتوقعة لمتوسط عينة ̅ مسحوبة باإلرجاع مكونة‬
‫مف مفردتيف ؟ أحسب متوسط المجتمع ‪ .µ‬قارف بيف ̅ و‪ .µ‬مف أجؿ تحديد ذلؾ أحسب جميع الحاالت الممكنة‬
‫̅ حسب كؿ عينة‪ .‬ا‬ ‫لممتوسط‬
‫عينات الممكنة العينات الممكنة ذات الحجـ ‪ n = 2‬مف مجتمع حجمو ‪ 6‬عددىا‪36= 6*6 :‬‬
‫العينات الممكف سحبيا باإلرجاع‬
‫)‪(1, 1‬‬ ‫)‪(3, 1‬‬ ‫)‪(5, 1‬‬ ‫)‪(6, 1‬‬ ‫)‪(8, 1‬‬
‫)‪(1, 3‬‬ ‫)‪(3, 3‬‬ ‫)‪(5, 3‬‬ ‫)‪(6, 3‬‬ ‫)‪(8, 3‬‬
‫)‪(1, 5‬‬ ‫)‪(3, 5‬‬ ‫)‪(5, 5‬‬ ‫)‪(6, 5‬‬ ‫)‪(8, 5‬‬
‫)‪(1, 6‬‬ ‫)‪(3, 6‬‬ ‫)‪(5, 6‬‬ ‫)‪(6, 6‬‬ ‫)‪(8, 6‬‬
‫)‪(1, 8‬‬ ‫)‪(3, 8‬‬ ‫)‪(5, 8‬‬ ‫)‪(6, 8‬‬ ‫)‪(8, 8‬‬

‫حساب متوسطات العينة ( ̅ )‬

‫̅‬ ‫المتوسطات الممكنة لمعينة‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬
‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪x‬‬
‫‪ ‬‬ ‫ىي متوسط قيميا وىي‪:‬‬ ‫‪ ‬‬
‫القيمة المتوقعة لمتوسط العينة ‪E X‬‬
‫‪i‬‬
‫‪E X  x ‬‬ ‫‪i‬‬ ‫‪ 4.6‬‬
‫‪25‬‬
‫‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6‬‬ ‫حساب متوسط المجتمع ‪: µ‬‬

‫‪‬‬
‫ومنو لدينا ‪E X   x   :‬‬

‫مثال‪ :3‬باستعماؿ معطيات المثاؿ األوؿ اوجد ‪ .‬العينات الممكنة سحبيا في حالة السحب بدوف إرجاع‬
‫الحل‪ :‬العينات المكف سحبيا عددىا‪C25 = 10 :‬‬

‫العينات الممكنة بدون إرجاع‬

‫)‪(1, 3‬‬
‫)‪(1, 5) (3, 5‬‬
‫)‪(1, 6) (3, 6) (5, 6‬‬
‫)‪(1, 8) (3, 5) (5, 8‬‬ ‫)‪(6, 8‬‬

‫‪27‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حساب متوسطات العينة ( ̅‬

‫̅‬ ‫المتوسطات الممكنة لمعينة‬

‫‪2‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬
‫‪x‬‬
‫‪ ‬‬ ‫ىي متوسط قيميا وىي‪:‬‬ ‫‪ ‬‬
‫القيمة المتوقعة لمتوسط العينة ‪E X‬‬
‫‪i‬‬
‫‪E X  x ‬‬ ‫‪i‬‬ ‫‪ 4.6‬‬
‫‪10‬‬
‫‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6‬‬ ‫حساب متوسط المجتمع ‪: µ‬‬

‫‪‬‬
‫ومنو لدينا ‪E X   x   :‬‬

‫‪-2-2‬تباين توزيع المعاينة لممتوسطات‪:‬‬

‫متغيػ ػرة عشػ ػوائية تمث ػػؿ متوس ػػط عين ػػة‬ ‫‪ N‬و ‪xi‬‬ ‫متغيػ ػرة عشػ ػوائية تمث ػػؿ مجتم ػػع م ػػا حجم ػػو‬ ‫‪X‬‬ ‫إذا كان ػػت‬
‫مسحوبة مف ذات المجتمع‪ ،‬فإف تبايف توزيع المعاينة لممتوسطات يكتب كما يمي‪:‬‬ ‫‪n‬‬ ‫حجميا‬

‫اوال‪ :‬حالة السحب باإلرجاع‪.:‬‬

‫‪1‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪²‬‬

‫‪V ( X )  V  i Xi   i V ( Xi)  i  ²  n ² ‬‬ ‫‪.‬‬
‫‪n‬‬ ‫‪ n²‬‬ ‫‪n²‬‬ ‫‪n²‬‬ ‫‪n‬‬

‫ثانيا‪ :‬حالة السحب بدوف إرجاع‪:‬‬

‫‪2  N n‬‬ ‫‪‬‬ ‫‪N n‬‬

‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  x ‬‬
‫‪x‬‬
‫‪n  N 1 ‬‬ ‫‪n‬‬ ‫‪N 1‬‬

‫‪N n‬‬
‫معامؿ اإلرجاع‪.‬‬ ‫تسمى النسبة‬ ‫‪‬‬
‫‪N 1‬‬

‫وىذا يعني أف االنحراؼ المعياري ىو االنحراؼ المعياري لممجتمع األصمي مضروبا في عامؿ معيف‪ ،‬وىذه‬
‫المعمومات صحيحة ميما اختمؼ التوزيع االحتمالي لمجتمع المتوسطات عف التوزيع االحتمالي لممجتمع األصمي‪.‬‬

‫واذا نظرنا إلى االنحراؼ المعياري لمجتمع المتوسطات نالحظ أف مجتمع المتوسطات أكثر تجانسا مف المجتمع‬
‫األصمي‪ ،‬أي أف مفرداتو متجانسة وغير متشتتة اذا قورنت بمفردات المجتمع األصمي وىذا مف أىـ األسباب التي‬
‫تجعمنا نعتمد عمى مجتمع المتوسطات في االستدالؿ حوؿ معالـ المجتمع األصمي‬

‫‪28‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫مثال‪ :14‬أحسب تبايف المجتمع في المسألة ‪ ،1‬أحسب التبايف (واالنحراؼ المعياري) لتوزيع المعاينة لممتوسطات‬
‫عمما أف العينة مسحوبة باإلرجاع ‪ ،‬قارف بيف تبايف المجتمع وتبايف متوسطات العينات الممكنة (توزيع المعاينة‬ ‫̅‬

‫لممتوسطات)‪.‬‬

‫الحل‪:‬‬

‫̅‬ ‫المتوسطات الممكنة لمعينة‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬
‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬ ‫‪8‬‬

‫‪ x‬‬ ‫‪‬‬ ‫‪2‬‬

‫‪i‬‬ ‫‪ x‬‬
‫‪ x2 ‬‬ ‫‪i‬‬
‫‪ 2.92‬‬
‫‪25‬‬

‫‪2‬‬
‫‪  2.92 ‬‬
‫‪2‬‬
‫‪x‬‬
‫‪‬‬
‫‪5.84‬‬
‫‪ 1.33‬‬ ‫نجد أف‪:‬‬ ‫بيف ‪  x2‬و ‪ 2‬‬ ‫إذا ما قارننا‬
‫‪n‬‬ ‫‪2‬‬

‫مثال‪ : 15‬أحسب تبايف المجتمع في المسألة ‪ ،1‬أحسب التبايف (واالنحراؼ المعياري) لتوزيع المعاينة لممتوسطات‬
‫عمما أف العينة مسحوبة بدوف ارجاع باإلرجاع ‪ ،‬قارف بيف تبايف المجتمع وتبايف متوسطات العينات الممكنة‬ ‫̅‬

‫(توزيع المعاينة لممتوسطات)‪.‬‬

‫الحل‪:‬‬

‫̅‬ ‫المتوسطات الممكنة لمعينة‬

‫‪2‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬
‫‪ x‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪i‬‬ ‫‪ x‬‬
‫‪ x2 ‬‬ ‫‪i‬‬
‫‪ 2.19‬‬
‫‪10‬‬

‫‪σ² = E(X²) – E(X)²‬‬

‫‪= (1 + 9 + 25 + 36 + 64) / 5 - 4.6² = 5.84‬‬

‫‪29‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪5.84  5  2 ‬‬
‫‪2.19 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2  5 1 ‬‬

‫‪n  0.05‬‬ ‫مالحظة‪ :‬حيث تستخدـ معادلة (‪3-5‬ب) لممجتمعات المحدودة ذات الحجـ ‪ N‬عندما تكوف‬

‫مثال ‪:16‬‬

‫افترض أف المجتمع يتكوف مف ‪ 900‬عنصػر بوسط حسابي ‪ 20‬وحدة وانحراؼ معياري ‪ 12‬وحدة ‪ .‬الوسط الحسابي‬
‫واالنحراؼ المعياري لتوزيع المعاينة لوسط عينة حجميا ‪ 36‬ىما ‪.‬‬

‫‪ X    20 units‬‬
‫‪‬‬ ‫‪12‬‬
‫‪X ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪n‬‬ ‫‪36‬‬

‫لو كانت ‪ n‬تساوى ‪ 64‬بدال مف ‪( 36‬بحيث ‪ ، (n>0.05 N‬فإف‬

‫‪‬‬ ‫‪N n‬‬ ‫‪12 900  64 12 836‬‬

‫‪X ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ (1.5)(0.96)  1.44‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪64 900  1‬‬ ‫‪8 899‬‬

‫بدال مف ‪ X  1.5‬بدوف معامؿ التصحيح لممجتمعات المحدودة‪.‬‬

‫‪ -3-2‬طبيعة توزيع المتوسط‪:‬‬

‫حت ػػى اآلف ل ػػـ نتع ػػرض لتوزي ػػع مجتم ػػع المتوس ػػطات الحس ػػابية‪ ،‬ك ػػؿ م ػػا تعرض ػػنا ل ػػو الوس ػػط الحس ػػابي واالنحػ ػراؼ‬
‫المعياري ليذا التوزيع ولكف شكؿ ونوع التوزيع االحتمالي نفسو يعتمد عمى توزيع المجتمع األصمي المسحوب منو‬
‫العينات‪ .‬وفيما يمي النظرية اإلحصائية التي تعطي التوزيع االحتمالي لمجتمع المتوسطات الحسػابية نػذكرىا بػدوف‬
‫إثبات وذلؾ ألننا سوؼ نستخدميا كثي ار في االستدالؿ حوؿ معالـ المجتمع األصمي‪.‬‬

‫نظريــة‪ .‬إذا كػػاف المجتمػػع مػػوزع طبيعيػػا بمتوسػػط ‪ ‬وتبػػايف ‪  2‬فػػإف متوسػػط العينػػة المسػػحوبة منػػو يتبػػع أيضػػا‬
‫‪2‬‬
‫‪ ،‬ونكتب‪:‬‬ ‫التوزيع الطبيعي بمتوسط ‪ ‬وتبايف‬
‫‪n‬‬

‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪ , n‬‬
‫‪x  N‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫‪30‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫مع تزايد حجـ العينات (أى عندما ‪ ) n  ‬فإف توزيع المعاينة لممتوسط يقترب مف التوزيع الطبيعي بصرؼ النظر‬
‫عف شكؿ المجتمع األصمي ‪ .‬ويعتبر التقريب جيداّ عندما تكوف ‪ . n  30‬ىذه ىي نظرية النياية المركزية ويمكف‬
‫إيجاد احتماؿ أف يكوف الوسط ‪ x‬لعينة عشوائية داخؿ فترة معينة ‪ ،‬بحساب قيـ ‪ z‬لمفترة ‪ ،‬حيث‬

‫‪X  X‬‬
‫‪z‬‬
‫‪X‬‬

‫مثال ‪ :17‬يمكف حساب احتماؿ أف يقع وسط عينة عشوائية ‪ X‬حجميا ‪B 36‬ال مأخوذة مف مجتمع بوسط حسابي‬
‫‪ 20‬وحدة وانحراؼ معياري ‪ 12‬وحدة بيف ‪ 24,18‬كما يمى‬

‫‪X1   X‬‬ ‫‪18  20‬‬ ‫‪X2  X‬‬ ‫‪24  20‬‬

‫‪z1 ‬‬ ‫‪‬‬ ‫‪ 1‬‬ ‫‪or‬‬ ‫‪z2 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪X‬‬ ‫‪2‬‬ ‫‪X‬‬ ‫‪2‬‬

‫فى ممحؽ ‪ ، 4‬نحصؿ عمى ‪:‬‬ ‫‪Z‬‬ ‫‪2‬‬

‫و‬ ‫‪Z‬‬ ‫‪1‬‬
‫بالبحث مقابؿ‬

‫‪P(18  X  24)  0.3413  0.4772  0.8185, or 81.85%‬‬

‫أنظر الشكل‬

‫مثال ‪ :18‬أوجد احتماؿ أف يكوف وسط عينة عشوائية مف ‪25‬عنص اًر مأخوذة مف مجتمع طبيعي بمتوسط ‪90‬‬
‫وانحراؼ معياري ‪60‬أكبر مف ‪. 100‬‬
‫حيث أف المجتمع األصمي موزع طبيعياً ‪ ،‬فإف توزيع المعاينة النظري لموسط تكوف أيضاً طبيعياً ويكوف‬
‫‪ σx  ‬ألف ‪ ، n<0.05 N‬عندما ‪، x  100‬‬ ‫‪n‬‬

‫‪X  X‬‬ ‫‪X   100  90 10‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  0.83‬‬
‫‪X‬‬ ‫‪ / n 60 / 25 12‬‬

‫‪31‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫بالكشؼ عف ىذه القيمة فى ممحؽ ‪ ، 4‬نحصؿ عمى‬

‫‪‬‬ ‫‪‬‬
‫‪P X  100  1  0.5000  0.2967  1  0.7967  0.2033, or 20.33%‬‬
‫انظر الشكل‬

‫مثال‪ :8‬مجتمع حجمو ‪ 1200‬بمتوسط ‪   40‬و ‪ .   15‬نستخرج كؿ العينات الممكنة‪.‬‬

‫‪ -‬المطموب‪ :‬أحسب المتوسط واالنحراؼ المعياري لتوزيع المعاينة لممتوسطات في حالة‪:‬‬

‫‪ -‬حجـ العينة ‪. n  81‬‬ ‫‪ -‬حجـ العينة ‪، n  49‬‬

‫الحل‪:‬‬

‫‪n‬‬ ‫‪49‬‬ ‫‪‬‬ ‫‪15‬‬

‫‪1  n  49 :‬‬ ‫‪‬‬ ‫‪ 0.04  0.05   x ‬‬ ‫‪‬‬ ‫‪ 2.14‬‬
‫‪N 1200‬‬ ‫‪n‬‬ ‫‪49‬‬
‫‪ ‬‬
‫‪E X    20‬‬
‫‪n‬‬ ‫‪81‬‬ ‫‪‬‬ ‫‪N n‬‬
‫‪2  n  81 :‬‬ ‫‪‬‬ ‫‪ 0.0675  0.05   x ‬‬
‫‪N 1200‬‬ ‫‪n‬‬ ‫‪N 1‬‬
‫‪15‬‬ ‫‪1200  81‬‬
‫‪‬‬ ‫‪ 1.61‬‬
‫‪81 1200  1‬‬
‫‪ ‬‬
‫‪E X    20‬‬

‫وفي األخير يمكف تمخيص أىـ خصائص توزيع المعاينة لممتوسط الحسابي في الجدوؿ التالي‬

‫‪32‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫أىم خصائص توزيع المعاينة لممتوسطات‪.‬‬

‫الخاصية‬ ‫المعاينة‬ ‫المجتمع‬

‫‪E(M) = µm = µ‬‬ ‫سحب باإلرجاع أو بدون إرجاع‬ ‫جمتمع ما‬

‫‪²‬‬
‫‪ m2 ‬‬ ‫سحب باإلرجاع‬ ‫جمتمع ما‬
‫‪n‬‬

‫‪² N n‬‬
‫‪ m2 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫سحب بدون إرجاع‬ ‫‪N‬‬ ‫جمتمع ما حجمو‬
‫‪n  N 1 ‬‬

‫‪µ‬‬ ‫جمتمع موزع طبيعيا مبتوسط‬

‫)‪m ≈ N(µ, σ²/n‬‬ ‫سحب باإلرجاع أو بدون إرجاع‬
‫وتباين ‪σ²‬‬

‫‪m‬‬ ‫جمتمع مبتوسط ‪ µ‬وتباين ‪ σ²‬لكن‬

‫‪z‬‬ ‫)‪≈ N(0, 1‬‬
‫‪/ n‬‬ ‫‪ n‬كبريا )‪(n ≥ 30‬‬ ‫عندما يكون‬
‫ليس بالضرورة طبيعيا‬

‫‪ -3‬توزيع المعاينة لمنسبة‪:‬‬

‫عندما تكممنا عف توزيعات المعاينة ذكرنا أنيا توزيعات احتمالية لممقاييس اإلحصائية التي نحسبيا مف العينات‬
‫كما ذكرنا أف الوسط الحسابي ‪ X‬واالنحراؼ المعياري لمعينة‪ ،‬ونسبة المفردات في العينة التي ليا صفة معينة ىي‬
‫بعض ىذه المقاييس‪ ،‬ولقد حصمنا فيما سبؽ عمى التوزيع االحتمالي لمجتمع المتوسطات الحسابية واآلف نتعرؼ عمى‬
‫التوزيع االحتمالي لمجتمع النسب وسوؼ نتبع نفس األسموب الذي اتبعناه في تقديـ التوزيع االحتمالي لمجتمع‬
‫المتوسطات الحسابية‪.‬‬

‫نظرية‪ :‬لتكف ‪ X‬متغيرة عشوائية تمثؿ مجتمع ما غير محدود وموزع طبيعيا حيث ‪ p‬نسبة المفردات في المجتمع‬
‫ذات صفة معينة‪ ،‬ولتكف ‪ p /‬متغيرة عشوائية تمثؿ نسبة المفردات ذات الصفة المذكورة في العينة المسحوبة مف ذات‬
‫المجتمع‪ ،‬نحصؿ عمى توزيع لإلحصائية ‪ p /‬حيث معالمو ‪ E  p / ‬و ‪ ،  p2‬ىذه المعالـ تساوي‪:‬‬
‫‪/‬‬

‫‪ p2 ‬‬
‫‪/‬‬
‫‪pq‬‬
‫‪n‬‬
‫‪/‬‬
‫‪ ‬‬
‫‪ E p   p/  p‬و‬

‫‪33‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬
‫‪p /  N p,  p2/‬‬ ‫‪‬‬ ‫عند ‪: n  30‬‬

‫عندما يكوف المجتمع محدودا والمعاينة بدوف إرجاع نضرب في معامؿ اإلرجاع عند حساب االنحراؼ المعياري‪.‬‬

‫مثال‪ .19‬الحظت إدارة الجامعة أنو في مجتمع الطمبة ىناؾ نسبة ‪ p  0.4‬تحصموا عمى الشيادة مف بيف الطمبة‪،‬‬
‫فقامت الجامعة بسحب عينة حجميا ‪ . n  100‬تريد اإلدارة معرفة توزيع لإلحصائية ‪ p /‬والتي تمثؿ نسبة الطمبة‬
‫المحصميف عمى الشيادة في العينة‪.‬‬

‫الحل‪ :‬نحصؿ عمى توزيع لإلحصائية ‪ p /‬حيث معالمو ‪ E  p / ‬و ‪ ،  p2‬ىذه المعالـ تساوي‪:‬‬
‫‪/‬‬

‫‪ ‬‬
‫‪  p2  pq‬و ‪E p /   p /  p‬‬ ‫‪/‬‬
‫‪n‬‬

‫ومنو بالتعويض نجد‪:‬‬

‫‪ ‬‬
‫‪E p /   p /  p  0.4‬‬

‫‪ p2 ‬‬
‫‪pq‬‬
‫‪‬‬
‫‪0.40.6  0.0024‬‬
‫‪/‬‬
‫‪n‬‬ ‫‪100‬‬

‫ومنو فاف توزيع المعاينة لإلحصائية ‪ p /‬يكتب كما يمي‪:‬‬

‫‪p /  N p,  p2/‬‬ ‫‪‬‬ ‫‪‬‬

‫‪p /  N 0.4 ; 0.0024 ‬‬

‫مثال ‪:11‬‬

‫الحظت إدارة الجامعة أنو في عينة مف ‪ 111‬طالب‪ 41 ،‬حصموا أخي ار عمى شيادة‪ .‬تريد اإلدارة تقدير نسبة الطمبة‬
‫الذيف يحصموف عمى الشيادة داخؿ مجاؿ يكوف احتمالو ‪ 91‬بالمائة‪.‬‬

‫‪P(p1< p’< p2) = 0.9 ; n ≥ 30‬‬

‫نفترض أف ‪ N‬كبير بحيث ‪n/N < 0.05 :‬‬

‫‪34‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫)‪p(1  p‬‬ ‫)‪0.4(0.6‬‬

‫‪ p' ~ N (p,  p'   p' ‬‬ ‫‪‬‬ ‫‪ 0.05‬‬
‫‪n‬‬ ‫‪100‬‬
‫‪P p1  p'  p  P z    z 2  z   z 2 ‬‬
‫)‪ p - p‬‬
‫‪‬‬ ‫‪ p  p'  z ( p' ‬‬
‫'‪ p‬‬
‫‪ P( p‬‬

‫وفي االخير نقوـ بعرض اىـ خصائص توزيع المعاينة لنسبة في الجدوؿ التالي‬

‫اىم خصائص توزيع المعاينة لمنسبة‪.‬‬

‫الخاصية‬ ‫المعاينة‬ ‫المجتمع‬

‫‪E ( p' )   p '  p‬‬ ‫;‬ ‫‪ ² p' ‬‬

‫‪pq‬‬ ‫مجتمع موزع طبيعيا‬
‫‪n‬‬

‫غير محدود‬
‫)'‪p’ ≈ N (p, σp‬‬ ‫‪n ≥ 41‬‬

‫لحساب '‪ σp‬نضرب في معامؿ اإلرجاع‪.‬‬ ‫مجتمع طبيعي‬

‫المعاينة باالرجاع‬
‫محدود‬

‫‪ -4‬توزيع المعاينة لمفروق والمجاميع‬

‫ليكف لدينا مجتمعيف نسػحب مػف كػؿ منيمػا عينػة عشػوائية‪ ،‬نحسػب فػي كػؿ عينػة محسػوبة مػف المجتمػع‬
‫األوؿ اإلحص ػػائية ‪ S1‬ونحس ػػب نف ػػس اإلحصػ ػػائية (المتوس ػػط م ػػثال أو التب ػػايف ‪ )...‬فػ ػػي ك ػػؿ عين ػػة مػ ػػف‬
‫المجتمػع الثػاني ونسػمييا ‪ .S2‬إف الفػرؽ ‪ S1 – S2‬يشػكؿ بػدوره متغيػرة عشػوائية ليػا المتوسػط والتبػػايف‬
‫التالييف‪:‬‬

‫‪σ²S1 – S2 = σ²S1 + σ²S2‬‬ ‫‪µS – S2 = µS1 – µS2‬‬

‫مثال‪ .11‬إذا كانت اإلحصائية ىي المتوسط‪ ،‬وكاف لدينا مجتمعيف كبيريف مف المفردات‪ ،‬وكاف متوسط‬
‫مفردة‬ ‫‪n1‬‬ ‫األوؿ ‪ 1‬وتباينو ‪ 12‬ومتوسط الثاني ‪ 2‬وتباينو ‪  22‬فإذا سحبنا عينة مف األوؿ حجميا‬
‫فإف‪:‬‬ ‫‪n2‬‬ ‫وسحبنا عينة مف المجتمع الثاني حجميا‬

‫‪35‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ x  x   x   x  1   2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬‬ ‫‪ 22‬‬

‫‪ x2  x   x2   x2 ‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫مثال‪ .12‬إذا كانت اإلحصائية ىي النسبة فإف‪:‬‬

‫‪p‬‬ ‫‪1‬‬ ‫‪p2‬‬ ‫‪  p1   p2  p1  p2‬‬

‫‪p1q1‬‬ ‫‪p q‬‬

‫‪ p2‬‬ ‫‪ p2‬‬ ‫‪  p21   p22 ‬‬ ‫‪ 2 2‬‬
‫‪1‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ -‬إذا كاف االىتماـ ىو عمى مجموع اإلحصائيتيف بدال مف الفرؽ بينيما فإف‪:‬‬

‫‪σ²S1 + S2 = σ²S1 + σ²S2‬‬ ‫‪µS1 + S2 = µS1 + µS2‬‬

‫مثال‪ : 13‬ليكف المجتمع ‪ .8 ،7 ،3 : U1‬والمجتمع ‪ .4 ،2 : U2‬تحقؽ مف أف ‪:‬‬

‫; ‪µU1 – U2 = µU1 – µU2‬‬ ‫‪σ²U1 – U2 = σ²U1 + σ²U2 .‬‬

‫‪U1‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪3‬‬ ‫‪U1 – U2‬‬

‫‪6‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪U2‬‬

‫‪4‬‬ ‫‪3‬‬ ‫‪-1‬‬ ‫‪4‬‬

‫>= ‪µU1 = (3 + 7 + 8)/3 = 6 ; µU2 = (2 + 4)/2 = 3‬‬

‫‪µU1 – µU2 = 6 – 3 = 3‬‬

‫‪µU1 – U2 = (1 + 5 + 6 – 1 + 3 + 4)/6 = 3‬‬

‫; ‪σ²U1 = (3² + 7² + 8²)/3 - 6² = 14/3‬‬

‫‪σ²U2 = (2² + 4²)/2 - 3² =1 => σ²U1 + σ²U2 = 17/3‬‬

‫= ‪σ²U1 – U2 = (1² + 5² + 6² + 1² + 3² + 4²) / 6 - 3²‬‬

‫‪36‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪(1 + 25 + 36 + 1 + 9 + 16) / 6 - 9 = 17/3‬‬

‫و ‪X 2  N 20;;16‬‬ ‫وسحبت مف مجتمعو عينة حجميا ‪ 41‬مشاىدة‬ ‫‪X1  N 30; ;25‬‬ ‫مثال‪ :14‬اذا كاف‬
‫وسحبت مف مجتمعو عينة حجميا ‪ 46‬مشاىدة‪ ،‬أوجد توزيع الفرؽ بيف متوسطي العينتيف؟‪.‬‬

‫الحل‪:‬‬

‫بالتطبيؽ المباشر لمعالقتيف التاليتيف‪:‬‬

‫‪ x  x   x   x  1   2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬‬ ‫‪ 22‬‬

‫‪‬‬ ‫‪2‬‬
‫‪x1  x 2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪x1‬‬
‫‪‬‬ ‫‪2‬‬
‫‪x2‬‬
‫‪‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫نجد‪:‬‬

‫‪ x  x   x   x  1   2  30  20  10‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬‬ ‫‪ 22‬‬ ‫‪25 16‬‬

‫‪ x2  x   x2   x2 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1,29‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪30 35‬‬

‫ويمكف تمخيص توزيع المعاينة لمفرؽ بيف إحصائيتيف في الجدوؿ التالي‬

‫جدول توزيع المعاينة لمفرق بين إحصائيتن‬

‫الخاصية‬ ‫المعاينة‬ ‫المجتمع‬ ‫إحصائية العينة‬

‫‪µS – S2 = µS1 – µS2‬‬

‫‪µS1 + S2 = µS1 + µS2‬‬

‫سحب باإلرجاع‬ ‫الفرؽ بيف‬
‫‪σ²S1 – S2 = σ²S1 + σ²S2‬‬
‫مجتمع ما‬ ‫إحصائيتيف‬
‫‪σ²S1 + S2 = σ²S1 + σ²S2‬‬ ‫ما‪.‬‬

‫) ‪µm1 - m2 ≈ N(0, 1‬‬ ‫‪ n1 ≥ 30‬و‪n2‬‬

‫‪37‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -5‬توزيع المعاينة لمتباين وتوزيع المعاينة لنسبة تبايني عينتين‬

‫‪ -1-5-‬توزيع المعاينة لمتباين‪ :‬إذا كانت متغيرة عشوائية تمثؿ مجتمع ما و‪ S²‬متغيرة عشوائية تمثؿ تبايف عينة‬
‫مسحوبة مف ذات المجتمع‪ ،‬فإف القيمة المتوقعة لتبايف العينة تكتب كما يمي‪:‬‬
‫‪ n 1‬‬
‫‪ ‬‬
‫‪E s 2  s 2   2 ‬‬ ‫‪ -‬في حالة السحب باإلرجاع‪ :‬‬
‫‪ n ‬‬
‫‪ n  1  N ‬‬
‫‪ ‬‬
‫‪E s 2  s 2   2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ -‬في حالة السحب بدوف إرجاع‪ n  N  1  :‬‬

‫عندما يكوف ‪ N‬كبير جدا )‪ N/ (N-1‬تؤوؿ إلى ‪)2‬‬

‫مثال‪ :15‬مف خالؿ المثاؿ ‪.25‬‬
‫‪ -‬أحسب القيمة المتوقعة لتبايف العينة المسحوبة مف المجتمع مف خالؿ متوسط تباينات العينات الممكنة وذلؾ في‬
‫حالة السحب باإلرجاع و في حالة السحب بدوف إرجاع؟‬
‫‪ -‬ما ذا تالحظ؟‪.‬‬
‫الحل‪:‬‬

‫‪ -‬حساب القيمة المتوقعة لتبايف العينة المسحوبة مف المجتمع مف خالؿ متوسط تباينات العينات الممكنة‪:‬‬

‫أ‪ -‬حالة السحب باإلرجاع‪:‬‬

‫التباينات الممكنة ‪S²i‬‬

‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪0‬‬

‫‪S‬‬ ‫‪2‬‬

‫‪ ‬‬
‫‪i‬‬
‫‪i‬‬ ‫‪ 12‬‬ ‫‪ 1.33  E S 2  1.33‬‬
‫‪9‬‬ ‫‪9‬‬

‫‪ n 1‬‬ ‫‪ 2 1‬‬

‫‪ ‬‬
‫‪E s 2   s 2  1.33   2 ‬‬ ‫‪  2.66‬‬ ‫‪  1.33‬‬
‫‪ n ‬‬ ‫‪ 2 ‬‬

‫حالة السحب بدون إرجاع‪:‬‬ ‫ب‪-‬‬

‫التباينات الممكنة ‪S²i‬‬

‫‪1‬‬
‫‪4‬‬ ‫‪1‬‬

‫‪38‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪S‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪ 2‬‬

‫‪i‬‬
‫‪i‬‬ ‫‪ 6‬‬ ‫‪ 2  E S2‬‬
‫‪3‬‬ ‫‪3‬‬

‫‪ n  1  N ‬‬ ‫‪ 2  1  3 ‬‬

‫‪ ‬‬
‫‪E s 2  s 2  2   2 ‬‬ ‫‪‬‬ ‫‪  2.66‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ n  N  1 ‬‬ ‫‪ 2  3  1 ‬‬

‫‪‬‬ ‫‪2‬‬
‫‪ E  S ² n    ²‬ونقوؿ عف ‪ S ² n‬أنو مقدر "غير منحرؼ" لػ ‪ σ²‬ويرمز لو ب ‪S‬‬ ‫مالحظة‪ :‬لدينا‪:‬‬
‫‪n 1‬‬ ‫‪‬‬ ‫‪n 1‬‬

‫حيث‪:‬‬

‫‪ˆ²  S²‬‬ ‫‪n‬‬

‫‪S‬‬
‫‪n 1‬‬

‫‪ -‬إذا أخذنا عينات عشوائية حجميا ‪ n‬مف مجتمع طبيعي‪ ،‬فإف ‪:‬‬

‫‪nS ² (n  1) Sˆ ²‬‬
‫‪‬‬ ‫‪~  n21‬‬
‫‪²‬‬ ‫‪²‬‬

‫مثـال‪ : 16‬لػيكف مجتمػع طبيعػي حجمػو ‪ 100‬نسػحب منػو عينػة حجميػا ‪ . n = 16‬مػا ىػو احتمػاؿ أف يكػوف تبػايف‬
‫العينة ‪ S²‬أقؿ مف أو يساوي ‪ 21‬عمما أف تبايف المجتمع ‪.91‬‬

‫‪16‬‬ ‫‪nS ²‬‬

‫‪P( S ²  10)  P(  ²15  2)  P( S ²‬‬ ‫‪ X ~ N (  ,  )) ‬‬ ‫‪~  ² n 1‬‬
‫‪80‬‬ ‫‪²‬‬

‫‪‬‬
‫‪p 15‬‬
‫‪2‬‬
‫‪ 2  0.005‬‬ ‫‪‬‬ ‫مف الجدوؿ‬

‫‪ -2-5‬توزيع المعاينة لنسبة تباينين‪:‬‬

‫يعتبر ىذا التوزيع مف التوزيعات اليامة التي تبحث في تجانس المجتمعات ونمجأ لحساب النسب بيف التباينات وليس‬
‫الفرؽ بينيما لسيولة دراسة النسب وتفسيرىا‪.‬‬

‫‪X1‬‬
‫و‬ ‫في حالة المتغيرتاف العشوائيتاف مستقمتاف و ‪X1  ‬‬
‫‪2‬‬
‫‪v1‬‬ ‫‪X ‬‬
‫‪v1‬‬
‫‪ Fv1 ; v 2‬‬ ‫لدينا‪:‬‬
‫‪X2‬‬
‫‪v2‬‬

‫‪ X 2   v2‬ومنو نستنتج ما يمي‪:‬‬

‫‪2‬‬

‫‪39‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -‬ليكف لدينا مجتمعاف طبيعياف تبايناىما ‪ ، σ²1 , σ²2‬نسحب مف المجتمعيف عينتيف عشوائيتيف حجميما عمى‬
‫التوالي ‪: n1 , n2‬‬

‫‪ S 12 n1  1‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n1  1   12‬‬ ‫‪Sˆ12 /  12‬‬
‫‪F ‬‬ ‫‪‬‬ ‫;‪ Fn1 1‬‬ ‫‪n2 1‬‬
‫‪ S 22 n 2  1‬‬ ‫‪Sˆ 22 /  22‬‬
‫‪‬‬ ‫‪‬‬
‫‪ n2  1  2‬‬
‫‪2‬‬

‫‪ -‬وفي حالة تساوي تبايني المجتمعيف فاف‪:‬‬

‫‪‬‬
‫‪S12‬‬
‫‪F   2  Fn1 1, n2 1‬‬
‫‪S2‬‬

‫مثال‪ .17‬عينتيف حجميما ‪ 9‬و‪ 21‬مسحوبتيف مف مجتمعيف طبيعييف تبايناىما عمى التوالي ‪ 31‬و‪ .47‬ما احتماؿ أف‬
‫يكوف تبايف األولى أكبر مف ضعؼ تبايف الثانية؟‬

‫الحل‪:‬‬

‫‪ 2  n1  1‬‬ ‫‪ n1  1 ‬‬ ‫‪ 2  n1  1‬‬ ‫‪ 8  1 ‬‬

‫‪ S1 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ S1 ‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪  n1  1   1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n1  1   1 ‬‬ ‫‪‬‬
‫‪  n1  1   1‬‬ ‫‪‬‬
‫‪7 20 ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪S12‬‬ ‫‪‬‬
‫‪P ( S 1  2 S 2 )  P ( 2  2)  P ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪  P‬‬ ‫‪2   ‬‬
‫‪S2‬‬ ‫‪ S 2  n 2  1‬‬ ‫‪ n2  1 ‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪ S 2  n 2  1‬‬ ‫‪ 10  1 ‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ 9  36 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪2 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪2‬‬

‫‪PF7; 9  3.703. De la table : 0.05  P(F7,9,  3.7)  0.01. Exactement : P(F7,9,  3.7)  0.036‬‬
‫‪ pF7;9  3.7   0.036‬‬

‫مثال‪: 18‬‬

‫سحب عينة حجميا ‪ 24‬مف مجتمع طبيعي تباينو ‪ ،:‬وسحبت عينة أخرى حجميا ‪ 32‬مف مجتمع طبيعي تباينػو ‪36‬‬

‫مستقؿ عف المجتمع األوؿ‪ .‬أوجد احتماؿ النسبة بيف تبايني العينتيف المعدؿ أقؿ مف ‪1.9‬؟‪.‬‬

‫‪40‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫الحل‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪S12‬‬ ‫‪S12‬‬
‫‪‬‬ ‫‪2‬‬
‫‪F  2‬‬ ‫‪1‬‬
‫‪ Fn1 1, n2 1‬‬ ‫‪ F   2 9  F12, 20‬‬
‫‪S2‬‬ ‫‪S2‬‬
‫‪ 22‬‬ ‫‪25‬‬

‫‪‬‬
‫‪2‬‬ ‫‪ S12‬‬ ‫‪‬‬
‫‪ S1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪25‬‬ ‫‪‬‬ ‫‪‬‬
‫‪p‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪9  0.8‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪  S 22‬اذف‪:‬‬
‫‪‬‬ ‫‪0‬‬‫‪.‬‬‫‪8‬‬ ‫‪‬‬ ‫‪p‬‬ ‫‪‬‬
‫‪ 9 ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ S2‬‬
‫‪‬‬ ‫‪25‬‬ ‫‪‬‬
‫‪ p F  2.22   1  p F  2.22   0.95‬‬

‫وأخي ار يمكف تمخيص توزيع المعاينة لتبايف في الجدوؿ التالي‪:‬‬

‫الخاصية‬ ‫المعاينة‬ ‫المجتمع‬ ‫إحصائية العينة‬

‫) ‪µm1 - m2 ≈ N(1, 2‬‬ ‫‪ n1 ≥ 41‬و‪n2‬‬

‫سحب باإلرجاع (أو‬

‫بدوف إرجاع مف مجتمع‬
‫‪ n 1‬‬
‫‪E (S ²)   S ²‬‬ ‫‪  ²‬‬ ‫‪‬‬
‫غير محدود)‬ ‫مجتمػ ػ ػػع م ػ ػ ػػا وتب ػ ػ ػػايف‬
‫‪ n ‬‬
‫‪S²‬‬ ‫عينة‬
‫حجميا ‪n‬‬

‫‪n ≥ 41‬‬
‫التبايف‬
‫‪E(S²) ≈ σ²‬‬

‫‪nS ² (n  1) Sˆ ²‬‬
‫‪‬‬ ‫‪~  n21‬‬ ‫حجميا ‪n‬‬ ‫مجتمع طبيعي‬
‫‪²‬‬ ‫‪²‬‬

‫‪ n  1  N ‬‬ ‫مجتمع ما محدود و‪S²‬‬

‫‪E ( S ²)   S ²   ²‬‬ ‫‪‬‬ ‫‪‬‬ ‫عينة نفادية‬
‫‪ n  N  1 ‬‬ ‫تمثؿ تبايف العينة‬

‫)‪ N/ (N-1‬تؤول إىل ‪2‬‬ ‫‪ N‬كبير جدا‬

‫‪ S12 n1  1‬‬ ‫مجتمعاف طبيعياف‬

‫‪‬‬ ‫‪‬‬ ‫عينتيف عشوائيتيف‬
‫‪n1  1  2‬‬ ‫‪Sˆ 2 /  2‬‬
‫‪F   2  1  12 12  Fn1 1; n2 1‬‬ ‫حجميما عمى التوالي ‪n1‬‬
‫تبايناىما ‪σ²2 , σ²3‬‬ ‫نسبة تباينيف‬
‫‪ S 2 n2  1‬‬ ‫‪Sˆ 2 /  2‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪ n2  1  2‬‬
‫‪, n2‬‬

‫‪41‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ - 6‬تمارين محمولة‪:‬‬

‫التمرين‪:30‬‬

‫مف مجتمع مكوف مف األعداد الخمسة اآلتية ‪ ،7 ،5 ،3 ،1 :‬و ‪ . 9‬أوجد ‪ ‬و ‪σ‬‬

‫حل التمرين االول‬

‫‪‬‬ ‫‪X‬‬ ‫‪‬‬

‫‪1  3  5  7  9 25‬‬
‫‪‬‬ ‫‪5‬‬
‫‪N‬‬ ‫‪5‬‬ ‫‪5‬‬
‫‪X   ‬‬ ‫‪1  52  3  52  5  52  7  52  9  52‬‬
‫‪2‬‬

‫‪ ‬‬ ‫‪‬‬

‫‪N‬‬ ‫‪5‬‬
‫‪16  4  0  4  16‬‬ ‫‪40‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 8  2.83‬‬
‫‪5‬‬ ‫‪5‬‬

‫التمرين ‪12‬‬

‫‪ -‬مجتمع إحصائي يخضع لمتوزيع الطبيعي‪ ،‬يتكوف مف المفردات التالية‪ ، 4; ;3; ;2 :‬نسحب بإرجاع عينة مف ىذا‬
‫المجتمع ذات حجـ ‪. n  2‬‬

‫‪ -0‬أحسب الوسط والتبايف لممجتمع؟‬

‫‪ -0‬أحسب عدد العينات الممكنة؟‬

‫‪  2 ‬‬
‫‪ -0‬أحسب معالـ العينة ‪ X  X , ,  X‬بطريقة الجداوؿ؟‬

‫حل التمرين ‪:22‬‬

‫‪ -0‬حساب الوسط والتبايف لممجتمع‪:‬‬

‫‪‬‬ ‫‪X‬‬ ‫‪23 4‬‬

‫‪i‬‬
‫‪‬‬ ‫‪3‬‬
‫‪N‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪ X i   2‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪ 0.67‬‬
‫‪N‬‬

‫‪ -0‬حساب عدد العينات الممكنة‪:‬‬

‫العينات الممكنة ذات الحجـ ‪ n  2‬مف مجتمع حجمو ‪ 3‬عددىا‪. N n  32  9 :‬‬

‫‪42‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪  2 ‬‬
‫‪ -4‬أحسب معالـ العينة ‪ X  X , ,  X‬بطريقة الجداوؿ‪:‬‬

‫المتوسطات الممكنة لمعينة‬

‫العينات الممكنة‬ ‫(معاينة باإلرجاع)‬
‫‪xi‬‬

‫)‪(2, 2‬‬ ‫)‪(2,3‬‬ ‫)‪(2,4‬‬ ‫‪2‬‬ ‫‪2,5‬‬ ‫‪3‬‬

‫)‪(3,2‬‬ ‫)‪(3, 3‬‬ ‫)‪(3,4‬‬ ‫‪2,5‬‬ ‫‪3‬‬ ‫‪3,5‬‬

‫)‪(4,2‬‬ ‫)‪(4,3‬‬ ‫)‪(4,4‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4‬‬

‫‪x‬‬
‫‪ ‬‬ ‫ىي متوسط قيميا وىي‪:‬‬ ‫‪ -‬القيمة المتوقعة لمتوسط العينة ‪ ‬‬
‫‪i‬‬
‫‪E X  x ‬‬ ‫‪i‬‬ ‫‪3‬‬ ‫‪EX‬‬
‫‪9‬‬

‫‪ -‬تبايف المتوسطات الممكنة لمعينة ‪:  x2‬‬

‫‪ x   ‬‬
‫‪2‬‬
‫‪i‬‬ ‫‪x‬‬
‫‪ x2 ‬‬ ‫‪i‬‬
‫‪ 0.33‬‬
‫‪9‬‬

‫تمرين ‪14‬‬

‫ما المقصود بالمعاينة العشوائية ؟ ما أىميتيا ؟‬

‫حل التمرين ‪13‬‬
‫المعاينة العشوائية ىي أسموب معاينة يجعؿ لكؿ مفردة في المجتمع فرصة متكافئة في العينة ‪ .‬وتضمف المعاينة‬
‫العشوائية أف تكوف العينة ممثمة ‪ .‬وىناؾ عدة أنواع لممعاينة العشوائية ‪ .‬في المعاينة العشوائية البسيطة ‪ ،‬ال يكوف‬
‫فقط لكؿ مفردة ولكف أيضاً لكؿ عينة نفس الفرصة أف تختار ‪ .‬في المعاينة المنتظمة تسحب المفردات مف المجتمع‬
‫عمى فترات متساوية ‪ ،‬زمنا ‪ ،‬أو ترتيباً أو مكاناً ‪( .‬مثؿ اختبار اسـ بعد كؿ مائة اسـ في دليؿ التميفوف) ‪ .‬ويمكف أف‬
‫تتحيز المعػاينة المنتػظمة بسيولة ‪،‬إذا قيست كمية فضالت المنازؿ كؿ يوـ اثنيف (حيث تشمؿ فضالت نياية‬
‫األسبوع) ‪ .‬وفى المعاينة الطبقية والعنقودية ‪ ،‬يقسـ المجتمع إلى طبقات (مثال طبقاً لمسف) والى مجموعات (مثؿ‬
‫طوابؽ السكنية في المدينة) ثـ تسحب نسب متساوية مف كؿ طبقة أو مجموعة ‪ .‬وتستخدـ المعاينة الطبقية عندما‬
‫يكوف االختالؼ داخؿ كؿ طبقة صغي ار بالنسبة لالختالؼ بيف المجموعات ‪ .‬وتستخدـ المعاينة العنقودية فى حالة‬
‫العكسية ز وسوؼ نفترض ‪ ،‬فيما يمي ‪ ،‬استخداـ المعاينة العشوائية البسيطة ‪ .‬ويمكف أف تكوف المعاينة مف مجتمع‬
‫محدود (أو سح ب ورقة مف مجموعة أوراؽ لعب بدوف إحالؿ) أو مف مجتمع غير محدود (كالتقاط أجزاء منتجة مف‬
‫خالؿ عممية مستمرة أو سحب أوراؽ مف مجموعة أوراؽ لعب مع اإلحالؿ) ‪.‬‬

‫‪43‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫تمرين ‪ :14:‬مجتمع مكوف مف ‪ 12.000‬عنصر بوسط ‪ 100‬وانحراؼ معيارى ‪. 60‬‬

‫‪ -2‬أوجد الوسط والخطأ المعيارى لتوزيع المعاينة لممتوسط عندما يكوف‬

‫‪ -‬حجـ العينة ‪.900 ،100‬‬

‫‪ -‬حجـ العينة ‪،:11‬‬

‫‪ -‬ما شكؿ توزيع المعاينة النظري لموسط إذا كاف المجتمع األصمي طبيعياً ؟ إذا كاف المجتمع األصمي غير طبيعي‬
‫؟‬

‫حل التمرين ‪14‬‬

‫في حالة حجـ العينة ‪211‬‬

‫‪ X    100‬‬
‫‪‬‬ ‫‪60‬‬
‫‪X ‬‬ ‫‪‬‬ ‫‪6‬‬
‫‪n‬‬ ‫‪100‬‬

‫في حالة حجـ العينة ‪:11‬‬

‫‪ X    100‬‬

‫وحيث أف حجـ العينة ‪ 900‬أكبر مف ‪ 5%‬حجـ المجتمع ‪ ،‬فإف معامؿ التصحيح يجب أف يستخدـ فى معادلة الخطأ‬
‫المعيارى ‪:‬‬

‫‪‬‬ ‫‪N n‬‬ ‫‪60 12000  900 60 11100‬‬

‫‪X ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 2 0.925  2(0.962)  1.92‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪900 12000  1‬‬ ‫‪30 11999‬‬

‫وبدوف معامؿ التصحيح ‪ ،‬فإف ‪  x‬تكوف مساوية ‪ 2‬بدال مف ‪1.92‬‬

‫‪ -‬ما شكؿ توزيع المعاينة النظرى لموسط إذا كاف المجتمع األصمى طبيعياً ؟ إذا كاف المجتمع األصمى غير‬
‫طبيعى ؟‬

‫إذا كاف توزيع المجتمع األصمي طبيعياً ‪ ،‬فإف توزيعات المعينة النظرية لموسط تكوف أيضاً طبيعية ‪،‬بصرؼ النظر‬
‫عف حجـ العينة ‪ .‬وطبقاً لنظرية النياية المركزية ‪ ،‬حتى إذا لـ يكف المجتمع األصمي طبيعياً ‪ ،‬فإف توزيعات‬
‫المعاينة النظرية لمتوسط العينة يقترب مف التوزيع الطبيعي مع تزايد حجـ العينة (أي ‪ ،‬عندما ‪ . ) n  ‬ويكوف‬
‫التقريب جيداً لمعينات عند حجـ ‪ 30‬عمى األقؿ ‪.‬‬

‫‪44‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫التمرين‪:30‬‬

‫‪ -0‬إذا كاف ضغط الدـ لمجموعة مف األفراد يتبع التوزيع الطبيعي بمتوسط يساوي ‪ 03‬وانحراؼ معياري يساوي ‪،0‬‬
‫سحبنا عينة حجميا ‪ 03‬فردا مف ىذه المجموعة‪.‬‬

‫ما ىو احتماؿ أف يكوف متوسط ضغط الدـ في العينة أكبر مف ‪ 63‬؟‪.‬‬

‫‪ -0‬إذا عمـ أف نسبة البيض التالؼ الذي ينتجو أحد مراكز إنتاج الدواجف ىي ‪ 3030‬وليا توزيع طبيعي‪ ،‬اشترى‬
‫شخص ‪ 133‬بيضة مف إنتاج ىذا المركز‪.‬‬

‫‪ -‬ما ىو احتماؿ أف يجد مف بينيا ‪ 03‬بيضة عمى األقؿ تالفة؟‬

‫حل التمرين‪:20‬‬

‫‪ -0‬ايجاد احتماؿ أف يكوف متوسط ضغط الدـ في العينة أكبر مف ‪:63‬‬

‫لدينا‪  90;; n  36;;  9 :‬‬

‫‪ x    90‬‬
‫‪‬‬ ‫‪9‬‬
‫‪x ‬‬ ‫‪‬‬ ‫‪ 1.5‬‬
‫‪n‬‬ ‫‪36‬‬

‫‪x‬‬ ‫‪86  90 ‬‬

‫‪‬‬
‫‪p x  86  p‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪x‬‬
‫‪‬‬
‫‪1.5 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪x‬‬ ‫‪‬‬
‫‪ p  z  2.67   1  p  z  2.67 ‬‬
‫‪ 1    2.67    2.67   0.9962‬‬

‫‪ -0‬ايجاد احتماؿ أف يجد ‪ 03‬بيضة عمى األقؿ تالفة‪:‬‬

‫لدينا‪p  0.03; ; n  400 :‬‬

‫‪p‬‬ ‫‪/‬‬ ‫‪ p  0.03‬‬

‫‪ p2 ‬‬
‫‪pq‬‬
‫‪‬‬
‫‪0.030.97 ‬‬
‫‪/‬‬
‫‪n‬‬ ‫‪400‬‬

‫‪p‬‬ ‫‪‬‬
‫‪0.030.97   0.0085‬‬
‫‪/‬‬
‫‪400‬‬

‫‪45‬‬
 )30 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء‬


p  x  20   p p / 
20 
  p p  0.05
/
 
 400 
 0.05  0.03 
 p z    p  z  2.35
 0.0085 
 1  p  z  2.35  1  0.9906  0.0094

‫ ما احتماؿ‬.33‫ و‬21 ‫ مسحوبتيف مف مجتمعيف طبيعييف تبايناىما عمى التوالي‬11‫ و‬8 ‫ عينتيف حجميما‬.16 ‫تمرين‬
‫أف يكوف تبايف األولى أكبر مف ضعؼ تبايف الثانية؟‬

:60 ‫حل التمريم‬

 2  n1  1  n1  1   2  n1  1  8  1 
 S1       S1    
 
  n1  1   1  
n1  1   1   
  n1  1   1 7 20 
2 2 2
S12 
P ( S 1  2 S 2 )  P ( 2  2)  P 
2 2
2   P 2   
S2  S 2  n 2  1  n2  1 
  2  2  n2

 1

 10  1 
 
 2  n 1  2     S2  n 1  2  9  36 
  2  2  n 2 1  2    2  2

P F7; 9  3.703. De la table : 0.05  P(F7,9,  3.7)  0.01. Exactement : P(F7,9,  3.7)  0.036
= P(F7, 9 > 3.7)

P(F7, 9 > 3.7) = 0.036 ‫ و في الحقيقة‬0.05 > P(F7, 9 > 3.7) > 0.01 ‫مف الجدوؿ فيشر نجد‬

46
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫المحور الثالث ‪ :‬نظرية التقدير‬

‫كثي اًر ما يتـ تقدير معامؿ المجتمع باستخداـ إحصائيات العينة بسبب عوالـ التكمفة والوقت واإلمكانية ‪.‬‬
‫وتسمى إحصائية العينة المستخدمة فى تقدير معممة المجتمع المقدر ‪ ،‬وتسمى القيمة المعينة المشاىدة تقدير ‪.‬‬
‫وعندما نعبر عف تقدير معممة المجتمع بعدد واحد فإنو يسمى تقدير بنقطة فمثال ‪ ،‬متوسط العينة ‪، X‬ىو مقدار‬
‫لوسط المجتمع ‪ ، ‬وقيمة مفردة لممتوسط ‪ X‬ىو تقدير بنقطة لوسط المجتمع ‪ . ‬وبالمثؿ فإنو يمكف استخداـ‬
‫االنحراؼ المعياري لمعينة ‪ s‬كػمقدار لالنحراؼ المعياري لممجتمع ‪ ، ‬والقيمة المفردة لالنحراؼ المعياري ‪s‬‬
‫كتقدير بنقطة لالنحراؼ المعياري لممجتمع ‪ . ‬كذلؾ يمكف استخداـ النسبة فى العينة ‪ ، p‬كمقدر لمنسبة ‪، p‬‬
‫في المجتمع ‪ ،‬والقيمة المفردة لمنسبة ‪ p‬يمكف استخداميا كتقدير لمنسبة ‪.p‬‬

‫والمقصود بالتقدير ىو تقدير معالـ المجتمع اإلحصائي (أو التوزيع االحتمالي) والتي غالباً ما تكوف مجيولة‬
‫ويكوف المطموب ىو الحصوؿ عمى تقديرات ليا ‪-‬عادة– مف بيانات العينة فقد يكوف المطموب تقدير متوسط دخؿ‬
‫الدولة‪ ،‬أو تقدير متوسط عمر الناخب‪ ...‬وغيرىا‪.‬‬

‫وىناؾ نوعاف (أو أسموباف) لمتقدير يسمى األوؿ تقدير النقطة (أو القيمة الواحدة)‪ ،‬ويسمى الثاني التقدير بمجاؿ (أو‬
‫فترة التقدير)‪.‬‬

‫ففي حالة تقدير النقطة نحصؿ عمى قيمة واحدة فقط‪ ،‬يأخذىا الثابت اإلحصائي المقدر بداللة التابع اإلحصائي‬
‫المقابؿ والمحسوب مف تمؾ العينة المسحوبة مف المجتمع اإلحصائي‪ ،‬والمراد تقدير أحد ثوابتو اإلحصائي أي تقدير‬
‫الثابت بقيمة واحدة مثال ‪ :‬يكوف أفضؿ تقدير لموسط الحسابي لممجتمع اإلحصائي ىو الوسط الحسابي المحسوب‬
‫مف عينة عشوائية سحبت مف ذلؾ المجتمع عمى اعتبار أف ىناؾ احتماال كبي ار ليكوف الوسط الحسابي لمعينة قريبا‬
‫جدا مف الوسط الحسابي لممجتمع غير المعموـ‪ ،‬وما ينطبؽ عمى الوسط الحسابي ينطبؽ عمى الثوابت اإلحصائي‬
‫األخرى‬

‫أما في التقدير بمجاؿ أو فترة التقدير فنحصؿ عمى مدى ‪ Range‬أو فترة تتحدد بحديف (حد أدنى وحد أعمى) ‪-‬‬
‫نحصؿ عمييما مف العينة‪ .‬ونالحظ ىنا أف التقدير بمجاؿ (أو تقدير الفترة) تحتوي عمى أكثر مف قيمة بؿ قد يكوف‬
‫عدد القيـ غير محدود أو ال نيائياً في كثير مف الحاالت‪ .‬فمثالً ‪ :‬إذا قدرنا أف الوسط الحسابي ألعمار الناخبيف‬
‫‪ 31‬سنة كحد أدنى و ‪ 71‬سنة كحد أعمى نكوف قد حصمنا عمى تقدير مجاؿ لموسط الحسابي ألعمار‬ ‫يتراوح بيف‪:‬‬
‫الناخبيف في المجتمع ‪ -‬ونالحظ أف ىذا المجاؿ (‪ )31،71‬يحتوي عمى عدد ال نيائي مف األعمار‪ ،‬بمعنى أف العدد‬

‫‪47‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫ال يقتصر فقط عمى األعداد الصحيحة والتي تشمؿ السنوات‪ ،‬ولكنيا تشمؿ أيضا كسور السنوات‪ ،‬واألياـ والشيور‪،‬‬
‫والساعات‪ ...‬الخ وسوؼ نرى كيؼ نحدد التقدير بمجاؿ في بعض الحاالت‪.‬‬

‫وتتميػز التقػديرات بمجػاؿ باإلضػافة إلػى أنيػػا تحتػوي عمػى عػدد كبيػر جػداً مػػف القػيـ‪ ،‬بأنػو يمكػف حسػاب احتمػػاؿ أف‬
‫يكػوف التقػػدير صػحيحاً‪ ،‬وبالتػػالي فإنػػو يمكػف معرفػػة مػػدى دقػػة التقػػديرات‪ .‬لػػذا فػإف التقػػدير بمجػػاؿ يسػػمى أيضػاً " مجػػاؿ‬
‫الثقػػة " ألف ىػػذه الفتػرات تعتمػػد فػػي تكوينيػػا اإلحصػػائي عمػػى درجػػات أو مسػػتويات ثقػػة معينػػة مثػػؿ ‪ 95%‬أو ‪99 %‬‬
‫وغيرىا‪ ،‬بمعنى أف احتماؿ أف تكوف فترة التقدير صحيحة ىو ‪ 0.95‬أو ‪ 0.99‬وىكذا‪...‬‬

‫فإذا كاف متوسط أعمار الناخبيف يتراوح ما بيف ‪ 31‬و‪ 71‬سنة‪ ،‬ودرجة الثقة ىي ‪ 95 %‬فإف ىذا معناه أنو لو‬
‫تكررت التجربة مائة مرة‪ ،‬فإف التقدير سيكوف محصو اًر بيف ىذيف الرقميف في ‪ 95‬مف الحاالت (أي احتماؿ أف‬
‫يكوف صحيحاً ىو ‪.)%:6‬‬

‫‪ -2‬مفاىيم أساسية‬

‫‪ -0-0‬بعض خصائص المقدر‬

‫لتقدير معممة مف معالـ مجتمع محؿ دراسة‪ ،‬نحتاج إلى اختيار اإلحصائية المناسبة في العينة لتقدير ىذه المعممة‪.‬‬
‫غالبا ما تكوف المعممة المناظرة في العينة ىي أحسف مقدر‪ ،‬كأف نقدر متوسط المجتمع ‪ µ‬مف خالؿ متوسط‬
‫العينة ‪ .µm‬تسمى اإلحصائية المستخدمة في التقدير المقدر‪.‬‬

‫المقدر غير المتحيز‬ ‫‪-0-0-0‬‬

‫نقوؿ عػف إحصػائية مػا بأنيػا مقػدر غيػر متحيػز ‪ sans biais‬لمعممػة المجتمػع إذا كػاف متوسػطيا أو توقعيػا الرياضػي‬
‫مساويا لمعممة المجتمع‪.‬‬

‫مثال‪ : 11‬نقوؿ عف متوسط العينة ̅ أنو مقدر غير متحيز لمتوسط المجتمع ‪ µ‬ألف ‪ . E( ̅ ) = µ‬في المقابؿ نسمي‬
‫اإلحصائية ‪ S²‬في معاينة باإلرجاع أنيا مقدر متحيز ؿ ‪ σ²‬ألف ‪ ، E(S²) = σ² (n-1)/n ≠ σ²‬بينما تعتبر‬
‫اإلحصائية )‪ S’² = S²n/(n-1‬مقد ار غير متحيز في معاينة باإلرجاع‪.‬‬

‫‪ -2-0-0‬الكفاءة‬
‫تتعمؽ كفاءة )‪ (efficacité‬مقدر ما بمقدار التبايف لتوزيع المعاينة لإلحصائية‪ ،‬فإذا كاف لمقدريف (إحصائيتيف) نفس‬
‫المتوسط نقوؿ عف المقدر ذو توزيع المعاينة األقؿ تباينا أنو األكثر كفاءة‪.‬‬

‫‪48‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫مثال‪ : 12‬لكؿ مف توزيعي المعاينة لممتوسط والوسيط نفس المتوسط ىو متوسط المجتمع ‪ ، µ‬لكف يعتبر المتوسط ̅‬

‫مقد ار أكثر كفاءة لمتوسط المجتمع ‪ µ‬مف الوسيط ألف تبايف توزيع المعاينة لممتوسطات ‪ V( ̅ ) = σ²/n‬أقؿ مف تبايف‬
‫توزيع المعاينة لموسيط ‪:‬‬

‫)‪0V(méd) = σ²π/2n = (σ²/n) (3.14159/2‬‬ ‫>‬ ‫‪σ²/n‬‬

‫مف البدييي أف استخداـ مقدرات فعالة وغير متحيزة ىو األفضؿ‪ ،‬إال أنو قد يمجأ لمقدرات أخرى لسيولة الحصوؿ‬
‫عمييا‪.‬‬

‫‪ -3-1-1‬التقارب ‪convergeance‬‬

‫نقوؿ عف مقدر أنو متقارب إذا كاف يؤوؿ إلػى قيمػة المعممػة المقػدرة عنػدما يػؤوؿ حجػـ العينػة إلػى مػا ال‬
‫نياية‪.‬‬

‫مثال‪ :3‬يعتبر متوسط العينة مقد ار متقاربا لمتوسط المجتمع ألف‪:‬‬

‫‪ ‬‬ ‫‪، V x    x2  ‬‬

‫‪2‬‬
‫‪E X ‬‬ ‫‪n‬‬
‫‪ 0‬‬
‫‪‬‬
‫‪n‬‬

‫التقدير النقطي والتقدير بمجال‬ ‫‪-2-0‬‬

‫قد نحتاج إلى تقدير لمعممة مجتمع بقيمة واحدة ونقوؿ عف ىذا التقدير أنو تقدير نقطي‪ ،‬و أحيانا أخرى نحتاج إلى‬
‫تقدير معممة المجتمع بنقطتيف يحدداف مجاؿ لقيمة المعممة ونقوؿ عف ىذا النوع مف التقدير أنو تقدير بمجال‪.‬‬

‫مثال‪ : 14‬إذا قدرنا دخؿ األسرة في منطقة ما ب ‪ 29111‬دج‪ ،‬نكوف قد قدرنا دخؿ األسرة تقدي ار نقطيا‪ .‬يكوف تقديرنا‬
‫بمجاؿ إذا قمنا مثال أف الدخؿ يساوي ‪ 3111 ± 29111‬أي أنو يتراوح بيف ‪ 27111‬و‪31111‬دج‪.‬‬

‫‪ -0-0‬درجة التأكد‬
‫لكي يكوف التقدير عمميا ينبغي تقييـ احتماؿ أف تكوف المعممة تنتمي فعال إلى المجاؿ المحدد‪ ،‬لذلؾ نمحؽ بالمجاؿ ما‬
‫يسػمى بدرجػة أو مسػتوى الثقػة‪ ،‬ويرمػز لػو ب ‪ .p‬االحتمػاؿ المعػاكس يسػمى احتمػاؿ الخطػأ ويرمػز لػو ب ‪ ، α‬ويسػمى‬
‫أيضا ""مستوى المعنوية"‪.‬‬

‫مثال‪ : 14‬دخؿ األسرة في المنطقة (أ) ينتمي إلى المجاؿ [‪ ]31111 ،27111‬بمستوى معنوية ‪ % 6‬أي بمستوى ثقة‬
‫‪ . % :6‬وتسمي الحدود ‪ 27111‬و‪ 31111‬حدود الثقة‪.‬‬

‫‪49‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -4-0‬تعيين حدود مجال الثقة‬

‫تحدد حدود الثقػة مػف خػالؿ معػامالت الثقػة التػي بػدورىا تحػدد مػف خػالؿ مسػتوى المعنويػة (مسػتوى الثقػة)‪ .‬ففػي حالػة‬
‫اسػػتخداـ التوزيػػع الطبيعػػي لمتقػػدير تكػػوف القيمتػػيف ‪ 2.:7 ±‬معػػامالت الثقػػة مػػف أجػػؿ مسػػتوى ثقػػة ‪ %:6‬بينمػػا القيمتػػيف‬
‫‪ ±2.58‬تمثالف معامالت الثقة مف أجؿ مستوى ثقة ‪. % ::‬‬

‫)‪f(z‬‬

‫جمال الثقة‬
‫‪1-α‬‬
‫‪z‬‬

‫‪-z1-α/3‬‬ ‫‪0‬‬ ‫‪z1-α/3‬‬

‫يجال انثقة نهتوزيع انطبيعي‬ ‫رسى ‪1‬‬

‫مثــال‪ :15‬لػػيكف ‪ µs‬و‪ σs‬متوسػػط وانح ػراؼ معيػػاري توزيػػع المعاينػػة إلحصػػائية مػػا ‪ s‬حيػػث ‪ . µs = µ‬إذا كػػاف توزيػػع‬
‫المعاينة ؿ ‪ s‬توزيعا طبيعيا (كما ىو الحاؿ بالنسبة ألغمب اإلحصػائيات عنػدما )‪ ) (n ≥ 41‬فإننػا نقػدر مػثال وبػالنظر‬
‫إلى توزيع ‪ s‬أف‪:‬‬

‫القيمتيف ‪ µs ± 2.:7σs‬تمثالف حدود الثقة ب ‪ ،% :6‬و ‪ µs ± 3.69σs‬حدود الثقة ب ‪.% ::‬‬

‫في حالة التوزيع الطبيعي يرمز لحدود الثقة ب ‪ Zc‬أو ‪Z1-α/3‬‬

‫‪ -2‬التقدير بمجال‬

‫‪ -1-2‬مجال الثقة لممتوسط‬

‫يقدر متوسط المجتمع ‪ µ‬مف خالؿ اإلحصائية ‪. x‬‬

‫‪ -1-1-2‬تقدير ‪ µ‬باستخدام التوزيع الطبيعي‬

‫إذا كاف المجتمع المسحوب منو العينة ذا توزيعاً طبيعياً وتباينو معروفاً أو كانت العينة كبيرة (أي حجميا ثالثوف‬
‫مفردة أو أكثر) فإف توزيع المعاينة لموسط الحسابي يكوف توزيعاً طبيعياً‪ ،‬وطالما نحف نتكمـ عف تقدير متوسط‬
‫المجتمع فإف أوؿ ما نفكر فيو ىو الوسط الحسابي لمعينة‪ .‬ومجاؿ الثقة لموسط الحسابي لممجتمع يأخذ الشكؿ التالي‬

‫‪50‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫الخطأ المعياري لموسط وبالرموز فإف‪:‬‬ ‫‪‬‬ ‫تقدير متوسط المجتمع = الوسط الحسابي لمعينة‬
‫‪IC  x  1 x‬‬ ‫‪‬‬ ‫‪‬‬
‫حيث ‪ x‬ىو الوسط الحسابي لمعينة‪  x ،‬ىو الخطأ المعياري لموسط‪ + ،‬تشير لمجمع فنحصؿ عمى الحد األعمى لفترة‬
‫التقدير‪ - ،‬تشير لمطرح فنحصؿ عمى الحد األدنى‪ ،‬ولكف احتماؿ أف يكوف ىذا الكالـ صحيحا ىو ‪ 68.26 %‬فقط‪،‬‬
‫أي أف درجة الثقة ىنا ال تتعدى ‪ 68.26 %‬فإذا أضفنا وطرحنا ضعؼ الخطأ المعياري يرتفع االحتماؿ إلى‬
‫‪ 95.44%‬أي ترتفع درجة الثقة إلى ‪ 95.44 %‬وفي ىذه الحالة يأخذ مجاؿ الثقة الشكؿ التالي ‪:‬‬

‫‪‬‬
‫‪IC  x  2 x‬‬ ‫‪‬‬
‫واذا أضفنا وطرحنا ثالثة أمثاؿ الخطأ المعياري يصبح االحتماؿ ‪ 99.72 %‬أي ترتفع درجة الثقة إلى ‪99.72%‬‬
‫‪‬‬
‫‪IC  x  3 x‬‬ ‫وتأخذ فترة الثقة الشكؿ التالي ‪ :‬‬
‫أي أنو بزيادة درجة الثقة يزيد طوؿ الفترة‪ .‬ومما سبؽ نالحظ ما يمي‪:‬‬

‫أف ىناؾ عالقة وثيقة بيف درجة الثقة والرقـ أو " المعامؿ المضروب في الخطأ المعياري فيو إما ‪ 1‬أو ‪ 2‬أو‬ ‫‪-‬‬
‫‪ 3‬عمى حسب درجة الثقة ‪ 68.26%‬أو ‪ 95.44%‬أو ‪ % 99.72‬ولذلؾ فإف ىذا المعامؿ ىو الذي يسمى " معامؿ‬
‫الثقة "‪ .‬فبناء عمى درجة الثقة المطموبة يتحدد معامؿ الثقة‪.‬‬
‫‪ -‬أف درجات ومعامالت الثقة التي ذكرناىا تخص التوزيع الطبيعي‪ ،‬وأف المعامالت ‪ 1‬أو ‪ 2‬أو ‪ 3‬ما ىي إال‬
‫الدرجة المعيارية (‪ )Z‬والتي نحصؿ عمييا مف جدوؿ التوزيع الطبيعي المعياري وذلؾ بقسمة درجة الثقة (أو االحتماؿ)‬
‫عمى ‪( 2‬حيث أف المساحة موزعة بالتساوي عمى يميف ويسار الوسط) ثـ بالكشؼ في المساحات تحت المنحنى‬
‫الطبيعي المعياري عف خارج القسمة (أو أقرب رقـ لو) فنحصؿ عمى ‪ Z‬المقابمة وىذا يرجع إلى أف توزيع المعاينة‬
‫لموسط ىو التوزيع الطبيعي‪.‬‬
‫‪ -‬يمكف الحصوؿ عمى مجاؿ الثقة بأي درجة ثقة أخرى كما يمي‪:‬‬

‫‪x‬‬
‫‪ N 0,1‬‬
‫‪ ،‬ومنو نعرؼ مجاؿ الثقة لػ‬ ‫‪‬‬
‫‪‬‬
‫‪ x  N   ,‬وكذلؾ‬
‫‪2 ‬‬
‫‪‬‬
‫‪ X  N  ,  2‬فاف ‪‬‬
‫‪n ‬‬
‫‪‬‬ ‫لدينا لما‪:‬‬
‫‪‬‬
‫‪n‬‬
‫‪ 1   ‬أو نقوؿ مجاؿ الثقة عند مستوى معنوية ‪ ‬بأنو المجاؿ الذي يحقؽ ما يمي‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪x‬‬ ‫‪‬‬ ‫‪‬‬
‫‪p  Z  ‬‬ ‫‪ Z   1  ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬

‫‪51‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫وبتبسيط العبارة نحصؿ عمى ما يمي‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪x  Z‬‬ ‫‪   x  Z‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫مالحظة‪ :‬نالحظ أف المجاؿ مركزه ‪ x‬وحيث ‪ x‬متغير عشوائي سيتغير مركز المجاؿ بتغير العينة وبالتالي سيتغير‬
‫مجاؿ الثقة‪ ،‬ولكف كؿ المجاالت تشترؾ في أف وسط العينة ‪ ‬يقع داخؿ كؿ مجاؿ بنسبة ‪. 1   ‬‬

‫خالصة‪ :‬أف مجاؿ الثقة لموسط الحسابي لممجتمع في حالة ‪ ‬معموـ يأخذ الشكؿ التالي‪:‬‬

‫‪‬‬
‫‪IC  x  zc x‬‬ ‫‪‬‬
‫‪‬‬
‫‪x ‬‬ ‫حيث‪:‬‬
‫‪n‬‬

‫ومنو يصبح مجاؿ الثقة كما يمي‪:‬‬

‫‪‬‬ ‫‪ ‬‬

‫‪IC    x  z c‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬

‫ويمكف تمخيص خطوات تقدير الوسط الحسابي لممجتمع فيما يمي‪:‬‬

‫– حساب الوسط الحسابي لمعينة ‪. x‬‬

‫‪‬‬
‫‪ -‬حساب الخطأ المعياري لموسط ‪  x‬والذي يساوي‬
‫‪n‬‬

‫‪ -‬ضرب الخطأ المعياري لموسط في معامؿ الثقة المناسب (أو الدرجة المعيارية) حسب درجة الثقة المطموبة أي‬
‫‪‬‬
‫‪.Z‬‬ ‫أحسب‬
‫‪n‬‬

‫‪ -‬طرح حاصؿ الضرب السابؽ مف الوسط الحسابي لمعينة فنحصؿ عمى الحد األدنى لفترة التقدير‪ ،‬واجمع حاصؿ‬
‫الضرب مرة أخرى عمى الوسط الحسابي لمعينة فتحصؿ عمى الحد األعمى لفترة التقدير‪.‬‬

‫‪52‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -‬إذا كاف االنحراؼ المعياري لممجتمع ‪ ‬غير معروؼ (مجيوؿ)‪ -‬وىو غالبا ما يحدث في الواقع فيمكف استخداـ‬
‫‪‬‬
‫االنحراؼ المعياري لمعينة ‪ S‬أو االنحراؼ المعياري المعدؿ لمعينة ‪ S‬بدال منو طالما كاف حجـ العينة كبي ار بدرجة‬
‫كافية )‪ (n ≥ 41‬ويصبح مجاؿ الثقة لموسط الحسابي لممجتمع كما يمي ‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪S‬‬ ‫‪‬‬
‫‪IC ‬‬ ‫‪‬‬
‫‪ x  zc‬‬
‫‪S‬‬ ‫أو ‪‬‬ ‫‪IC    x  z c‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪n 1 ‬‬
‫‪‬‬ ‫‪‬‬

‫مالحظة‪ :‬جميع الصيغ السابقة تستعمؿ في حالة المعاينة باإلرجاع‪ ،‬أما في حالة المعاينة بدوف إرجاع تصبح‬
‫الصيغة كاآلتي‪:‬‬

‫‪‬‬ ‫‪‬‬ ‫‪N n‬‬

‫‪IC    x  z c‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪N 1 ‬‬

‫‪‬‬
‫وفي حالة ما يكوف االنحراؼ المعياري لممجتمع ‪ ‬مجيوال‪ ،‬نعوض ‪ ‬في الصيغة السابقة بالمقدر ‪ S‬أو ‪. S‬‬

‫‪ -‬يمكف كتابة أشير وأىػـ درجػات ومعػامالت الثقػة‪( zc‬لمتوزيػع الطبيعػي) فػي الجػدوؿ التػالي (مػع مالحظػة أف ‪،:6%‬‬
‫‪ ::%‬ىي أشيرىا عمى اإلطالؽ)‬

‫‪0.5‬‬ ‫‪0.8‬‬ ‫‪0.90‬‬ ‫‪0.95‬‬ ‫‪0.98‬‬ ‫‪0.99‬‬ ‫مستوى الثقة ‪1-α‬‬

‫‪0.5‬‬ ‫‪0.2‬‬ ‫‪0.10‬‬ ‫‪0.05‬‬ ‫‪0.02‬‬ ‫‪0.01‬‬ ‫‪ α‬مستوى المعنوية‬
‫‪0.75‬‬ ‫‪0.9‬‬ ‫‪0.95‬‬ ‫‪0.975‬‬ ‫‪0.99‬‬ ‫‪0.995‬‬ ‫‪1- α/3‬‬
‫‪0.674‬‬ ‫‪1.282‬‬ ‫‪1.645‬‬ ‫‪1.96‬‬ ‫‪2.326‬‬ ‫‪2.58‬‬ ‫‪Z1-α/3‬‬
‫مثاؿ ‪:17‬‬

‫أخذت عينة عشوائية مف ‪ 36‬طالباً مف بيف ‪ 500‬طالب بمدرسة ثانوية ‪ ،‬متقدميف المتحاف القبوؿ بالجامعة ‪.‬ووجد‬
‫أف متوسط درجات العينة ىو ‪ ، 380‬واالنحراؼ المعيار لممجتمع كمو المكوف مف ‪ 500‬طالب ىو ‪ . 40‬أوجد فترة‬
‫الثقة ‪ 95%‬لموسط غير المعموـ لمدرجات فى المجتمع كمو ‪.‬‬

‫حيث أف ‪ n>30‬فإف توزيع المعاينة النظرى لممتوسط يكوف طبيعياً تقريباً ‪ .‬وحيث أف ‪ n>0.05 N‬فإف‬

‫‪53‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬ ‫‪N n‬‬ ‫‪40‬‬ ‫‪500  36 40‬‬

‫‪X ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪(0.96)  6.4‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪36‬‬ ‫‪500  1‬‬ ‫‪6‬‬
‫‪  X  z X  380  1.96(6.4)  380  12.54‬‬

‫أى أف ‪ ‬تقع بيف ‪ 367.46‬و‪ 392.54‬بمستوى ثقة قدره ‪.95%‬‬

‫مثال ‪17‬‬

‫يرغب باحث في تقدير متوسط األجر األسبوعي لعدة آالؼ مف العامميف بأحد المصانع في حدود زائد وناقص ‪$20‬‬
‫وبدرجة ثقة ‪ . 99%‬ويعرؼ الباحث مف خبرتو الماضية أف توزيع األجر األسبوعي لمعامميف يتبع التوزيع الطبيعي‬
‫بانحراؼ معياري قدره ‪ . $40‬ما ىو الحد األدنى لمعينة المطموب ؟‬

‫‪X ‬‬
‫‪z‬‬
‫‪X‬‬
‫‪z X  X  ‬‬
‫‪‬‬
‫‪z‬‬ ‫‪ X ‬‬ ‫)‪on a que n  0.05N‬‬
‫‪n‬‬
‫‪40‬‬
‫‪2.58‬‬ ‫‪ 20‬‬
‫‪n‬‬
‫‪40‬‬
‫‪2.58‬‬ ‫‪ n‬‬
‫‪20‬‬
‫‪n  5.16 2  26.63, or 27‬‬

‫‪ -2-1-2‬تقدير متوسط المجتمع ‪ µ‬باستخدام التوزيع ‪: t‬‬

‫تناولنا فيما سبؽ التقدير اإلحصائي لموسط الحسابي لممجتمع في الحاالت التي يكوف فييا االنحراؼ‬
‫معموماً‪ ،‬و (أو) أف العينة كبيرة بدرجة كافية )‪ .(n ≥ 41‬ولكف إذا كانت العينة‬ ‫‪‬‬ ‫المعياري لممجتمع‬
‫صغيرة بمعنى أف حجميا أقؿ مف (‪ )30‬مفردة‪ ،‬واالنحراؼ المعياري لممجتمع الطبيعي غير معموـ‬
‫(مجيوؿ)‪ ،‬فإف التوزيع اإلحصائي المتبع في مثؿ ىذه الحاالت ىو ما يطمؽ عميو توزيع ستيودنت أي‬
‫" توزيع ‪ " t‬فعند تقدير متوسط عمر الناخب في مدينة ما عف طريؽ سحب عينة صغيرة (حجميا أقؿ‬
‫مف ‪ 30‬ناخب ) التوزيع الطبيعي يكوف في مثؿ ىذه الحاالت غير مناسب لصغر حجـ العينة أوالً‪ ،‬ثـ‬
‫عدـ معرفة االنحراؼ المعياري لعمر الناخب ثانياً‪ .‬لذا فإف األسموب اإلحصائي المتبع في حاالت‬
‫كيذه ىو استخداـ " توزيع ‪ " t‬والذي يسميو البعض "توزيع العينات الصغيرة"‪.‬‬

‫‪54‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫ولعؿ االختالؼ األساسي بيف توزيع ‪ t‬والتوزيع الطبيعي ىو أف االنحراؼ المعياري لمعينة ىو‬
‫المستخدـ في األوؿ بدال مف االنحراؼ المعياري لممجتمع في الثاني‪ ،‬وفيما عدا ذلؾ فالتوزيعاف‬
‫متماثالف وكمما زادت قيمة ‪ n‬كمما اقترب توزيع ‪ t‬مف توزيع ‪ z‬ويعتمد توزيع ‪ t‬عمى ما يعرؼ بدرجات‬
‫الحرية‪.‬‬

‫‪ -3-1-2‬درجات الحرية ‪:‬‬

‫تعرؼ درجات الحرية بأنيا عدد المشاىدات المستقمة في العينة والتي تساوي حجـ العينة مطروحاً منو عدد القيود أو‬
‫معالـ المجتمع التي يتـ تقديرىا مف بيانات العينة‪ ،‬وبصفة عامة إذا كاف عدد القيود ‪ k‬فإف درجات الحرية تساوي ‪n -‬‬
‫‪.k‬‬

‫ويمكف تحديد الشروط الثالثة الستخداـ توزيع ‪ t‬كما يمي‪:‬‬

‫‪ -‬أف يكوف المجتمع المسحوبة منو العينة لو توزيع طبيعي‪.‬‬

‫‪ -‬واالنحراؼ المعياري لممجتمع ‪ ‬غير معروؼ (أو مجيوؿ)‪.‬‬

‫‪ -‬والعينة صغيرة (حجميا أقؿ مف ‪ 30‬مفردة)‪.‬‬

‫خالصة‪ :‬إف مجاؿ الثقة لموسط الحسابي لممجتمع في حالة ‪ ‬مجيولة وحجـ العينة أقؿ مف ‪ 41‬يأخذ الشكؿ التالي‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪S ‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪ IC    x  t ‬أو ‪‬‬
‫‪IC ‬‬ ‫‪ x  t‬‬ ‫‪‬‬
‫‪‬‬ ‫‪, n 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪, n 1‬‬ ‫‪n 1 ‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪2‬‬

‫ولعؿ مف أىـ المالحظات عمى المعادلة اإلحصائية السابقة احتواؤىا عمى مفيوميف ميميف ىما ‪:‬‬

‫‪ -‬مستوى المعنوية أو الداللة والذي رمزنا لو بالرمز الالتيني ألفا ‪ ‬والذي يعني أنو المكمؿ لدرجة الثقة أي نسبة‬
‫الخطأ‪ .‬وبالتالي فإذا كانت درجة الثقة ‪ 99 %‬أي احتماؿ أف يكوف التقدير صحيحاً بنسبة ‪ ،99 %‬فإف مستوى‬
‫المعنوية‪ ،‬والذي يعني ىنا درجة احتماؿ الخطأ يساوي ‪ .1%‬وعند الكشؼ في جدوؿ(‪ ،)t‬وألنو توزيع متماثؿ‪ ،‬فإنو يتـ‬
‫قسمة مستوى المعنوية عمى ‪.2‬‬

‫‪55‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -‬درجات الحرية‪ ،‬وىو ما سبؽ شرحو ويساوي في ىذه الحالة ‪ .n - 1‬حيث ‪ n‬ىو حجـ العينة وطرحنا منو ‪ 2‬ألنو تـ‬
‫تقدير االنحراؼ المعياري لممجتمع المجيوؿ باستخداـ االنحراؼ المعياري لمعينة ‪ S‬أو االنحراؼ المعياري المعدؿ‬
‫‪‬‬
‫لمعينة ‪. S‬‬

‫مثال ‪18‬‬

‫سحبت عينة عشوائية مكونة مف ‪ n=9‬مصابيح كيربائية بمتوسط عمر‪ 300‬ساعة وانحراؼ معياري ‪ s‬قيمتو ‪45‬‬
‫ساعة مف شحنة كبيرة مف المصابيح الكيربائية معروؼ أف عمر تشغيميا يتبع التوزيع الطبيعي ‪.‬‬

‫‪ -2‬أوجد فترة الثقة ‪ 90%‬لوسط عمر التشغيؿ غير المعموـ لمشحنة كميا ‪.‬‬
‫‪ -3‬وضح بالرسـ النتائج الخاصة بالسؤاؿ األوؿ‪.‬‬

‫الحل‪:‬‬

‫‪ -‬لوسط عمر التشغيؿ غير المعموـ لمشحنة كميا‪90%‬فترة الثقة‬

‫‪t 0.05  1.860et 8 df‬‬

‫‪s‬‬ ‫‪45‬‬
‫‪  Xt‬‬ ‫‪ 300  1.860‬‬ ‫‪ 300  27.9‬‬
‫‪n‬‬ ‫‪9‬‬
‫)‪  ( 272 et 328‬‬

‫‪ -‬رسـ النتائج الخاصة بالسؤاؿ األوؿ‬

‫وأخريا ميكن عرض توزيع ادلعاينة للمتوسطات حسب طبيعة توزيع اجملتمع‪ ،‬معلومية التباين و حجم العينة‪.‬‬

‫‪56‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫جدول توزيع ادلعاينة للمتوسطات حسب طبيعة توزيع اجملتمع‪ ،‬معلومية التباين و حجم العينة‪.‬‬

‫تباين المجتمع‬ ‫قانون‬

‫قانون ‪x‬‬ ‫‪x‬‬ ‫‪n‬‬
‫(‪)σ²‬‬ ‫المجتمع‬

‫)‪N(µ ; σ/√n‬‬ ‫‪σ/√n‬‬ ‫‪ n < 30‬أو ‪n ≥ 30‬‬ ‫معلوم‬

‫)‪N(µ ; S’/√n‬‬ ‫‪S’/√n‬‬ ‫‪n ≥ 30‬‬ ‫طبيعي‬

‫غري معلوم‬
‫‪tα; n-1‬‬ ‫‪S’/√n‬‬ ‫‪n < 30‬‬

‫)‪N(µ ; σ/√n‬‬ ‫‪σ/√n‬‬ ‫‪n ≥ 30‬‬ ‫معلوم‬

‫غري معلوم‬
‫)‪N(µ ; S’/√n‬‬ ‫‪S’/√n‬‬ ‫‪n ≥ 100‬‬ ‫غري معلوم‬

‫‪ - -2-2‬مجال الثقة لمنسبة وحجم العينة المناسب لمتقدير‪.‬‬

‫‪ -1-2-2‬مجال الثقة لمنسبة‪.‬‬
‫إف تقدير النسبة في المجتمع تعتبر مف الحاالت الميمة لقياس الظواىر االقتصادية‪ ،‬وبالذات التحميمية منيا كتحميؿ‬
‫اتجاىات النمو االقتصادي‪ ،‬وقياس نسبة مواليد العاـ‪ ،‬ونسبة الدوؿ التي لـ توفي بالتزاماتيا في المنظمات الدولية أو‬
‫اإلقميمية‪ ...‬وغيرىا ونظ اًر ألنو مف الصعوبة بمكاف في كثير مف األحياف حساب ىذه النسبة مباشرة مف المجتمع‪،‬‬
‫فإننا غالبا ما نمجأ لتقدير ىذه النسبة مف عينة عشوائية مسحوبة مف ىذا المجتمع‪.‬‬

‫فمو افترضنا أف نسبة المؤيديف لمسياسة االقتصادية التي تنتيجيا دولة ما ىي ‪ p‬وأف العينة العشوائية كبيرة بدرجة‬
‫كافية ‪ n  30‬و المعاينة باإلرجاع وأف نسبة مؤيدي ىذه السياسة في العينة ىي ‪ p /‬فإف مجاؿ الثقة لمنسبة في‬
‫المجتمع يكتب كما يمي‪:‬‬

‫‪‬‬
‫‪IC p  p /  zc p /‬‬ ‫‪‬‬
‫‪‬‬ ‫‪pq ‬‬
‫‪ ،  p / ‬ومنو يصبح مجاؿ الثقة كما يمي‪ :‬‬ ‫ولدينا‪:‬‬
‫‪pq‬‬
‫‪IC p   p /  z c‬‬
‫‪‬‬ ‫‪n ‬‬ ‫‪n‬‬

‫وبما أف ‪ p‬مجيولة ونريد إيجاد مجاؿ الثقة ليا ومنو لحساب ‪  p‬نستبدؿ ‪ p‬بداللة ‪ p /‬النسبة في العينة وبذلؾ‬
‫‪/‬‬

‫يصبح مجاؿ الثقة يكتب كما يمي‪:‬‬

‫‪‬‬ ‫‪p/q/‬‬ ‫‪‬‬

‫‪IC p   p /  z c‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬

‫‪57‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫أما في حالة كوف المجتمع محدودا ذا حجـ ‪ N‬والمعاينة بدوف إرجاع‪ ،‬فإننا نضرب في معامؿ اإلرجاع‪ ،‬ومنو‬
‫يصبح يكتب مجاؿ الثقة لمنسبة في المجتمع مف الشكؿ التالي‪:‬‬

‫‪‬‬ ‫‪p/q/‬‬ ‫‪N n‬‬

‫‪IC p‬‬ ‫‪  p /  zc‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪N 1 ‬‬
‫‪‬‬

‫مثال‪ :9‬عينة عشوائية حجميا ‪ 144‬ناخباً سحبت مف إحدى المدف فوجد أف عدد المؤيديف في العينة لمرشح معيف‬
‫ىو ‪ 60‬ناخباً‪ ،‬أوجد مجاؿ الثقة لنسبة المؤيديف ليذا المرشح في المدينة كميا بمستوى ثقة ‪95 %‬؟‪.‬‬

‫الحؿ ‪:‬‬

‫‪ -‬نحسب أوالً نسبة المؤيديف لممرشح في العينة ‪ p /‬التي نحصؿ عمييا بقسمة عدد المؤيديف لو عمى العدد الكمي‬
‫لمعينة (حجـ العينة) أي أف‪:‬‬

‫‪60‬‬
‫‪p/ ‬‬ ‫‪ 0.42‬‬
‫‪144‬‬

‫ولدينا مستوى الثقة المطموبة يساوي ‪ ،95 %‬ومنو معامؿ الثقة المناسب ىو‪ zc  1.96 :‬ومجاؿ الثقة لنسبة المؤيديف‬
‫ليذا المرشح في المدينة تأخذ الشكؿ التالي ‪:‬‬

‫‪‬‬ ‫‪p/q/‬‬ ‫‪‬‬

‫‪IC p   p /  z c‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬

‫وبالتعويض بحجـ العينة واالنحراؼ المعياري لمعينة والنسبة في العينة نجد مجاؿ الثقة كما يمي‪:‬‬
‫‪‬‬
‫‪IC  p /  z‬‬
‫‪p/q/ ‬‬ ‫‪‬‬
‫‪ 0.42  1.96‬‬
‫‪0.42 0.58 ‬‬
‫‪p‬‬ ‫‪‬‬ ‫‪c‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪144‬‬ ‫‪‬‬
‫‪ 0.42  0.08 ‬‬ ‫‪0.34, 0.50 ‬‬

‫أي أف نسبة المؤيديف لممرشح في المدينة تتراوح بيف ‪ 0.50 , 0.34‬وذلؾ بدرجة ثقة‪ 95 %‬بمعنى آخر أف نسبة‬
‫مؤيدي ىذا المرشح في ىذه المدينة ال تتجاوز ‪ 50 %‬كحد أعمى‪ ،‬وبالتالي ففرصتو في الفوز كمرشح قد ال تكوف‬
‫كبيرة وذلؾ بدرجة ثقة ‪ 95 %‬بمعنى أف ىذا الحكـ ال تتجاوز نسبة الخطأ فيو ‪.5 %‬‬

‫‪58‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -2-2-2‬تحديد حجم العينة المناسب لتقدير النسبة‬

‫وبالطريقة نفسيا يم كف تحديد حجـ العينة الالزمة لمحصوؿ عمى درجة ثقة معينة عند تقدير النسبة في المجتمع‬
‫بافتراض أف أقصى خطأ في التقدير مسموح بو ىو ‪ e‬تبعاً حيث يكتب حجـ العينة كما يمي‪:‬‬

‫‪z 2 . p1  p ‬‬

‫‪n‬‬
‫‪e2‬‬

‫أي أف حجـ العينة المناسب في ىذه الحالة يساوي حاصؿ ضرب مربع ‪ z‬في النسبة‪ ،‬ثـ في النسبة المكممة مقسوماً‬
‫عمى مربع الخطأ المسموح بو‪.‬‬

‫مثال‪:11‬‬

‫يدعي أحد مراكز استطالعات الرأي العاـ أنو عند دراستو التجاىات آراء الناخبيف الثنيف مف المتنافسيف عمى أحد‬
‫مقاعد السمطة التشريعية بأف نتائج دراستو ىي مف الدقة بحيث ال يتعدى نسبة الخطأ في التقدير ‪ ،2%‬فما ىو حجـ‬
‫العينة المناسب التي نستطيع مف خالليا الحكـ عمى مدى صحة إدعاء ىذا المركز بافتراض أف نسبة المؤيديف‬
‫لممرشح ىي ‪ 50 %‬وذلؾ بدرجة ثقة ‪95 %‬؟‪.‬‬

‫الحل ‪:‬‬

‫بما أف درجة الثقة ‪ 95 %‬فإف‪ z  1.96 :‬بافتراض أف نسبة المؤيديف لممرشح ىي‪p  0.5 :‬‬

‫وبالتالي فإف النسبة المكممة ‪ 1  p  q‬ىي ‪q  1  p  1  0.5  0.5 :‬‬

‫‪e  0.02‬‬ ‫ولدينا أقصى خطأ مسموح بو ىو‪:‬‬

‫ومنو فاف حجـ العينة الالزـ ىو‪:‬‬

‫‪z 2 . p 1  p ‬‬ ‫‪1.96  0.50.5‬‬

‫‪2‬‬
‫‪n‬‬ ‫‪‬‬
‫‪e‬‬ ‫‪2‬‬
‫‪0.02 2‬‬
‫‪0.9604‬‬
‫‪‬‬ ‫‪ 2401‬‬
‫‪0.0004‬‬

‫أي أف حجـ العينة المناسب الذي يعطي درجة الدقة المطموبة ىو ‪ 2401‬ناخب‪ .‬بمعنى آخر فإف عمى ىذا المركز‬
‫أف يستطمع حجـ عينة ال يقؿ عددىا عف ىذا العدد‪.‬‬

‫‪59‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫ويمكف تمخيص ما سبؽ في الجدوؿ التالي‪:‬‬

‫جدول تحديد مجال الثقة للنسبة‪ ،‬للتباين وللنسبة بين تباينين‬

‫مجال الثقة‬ ‫التوزيع االحتمالي لإلحصائية‬ ‫المجتمع‬

‫جمتمع غري حمدود أو‬
‫) ‪p(1  p‬‬
‫‪p'  z c ‬‬
‫‪n‬‬ ‫التوزيع الطبيعي‬ ‫معاينة بدون إرجاع و‬
‫عينة ممتدة )‪(n ≥ 30‬‬

‫) ‪p(1  p‬‬ ‫‪N n‬‬ ‫جمتمع حمدود ذا حجم‬

‫‪p'  z c ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫التوزيع الطبيعي‬
‫‪ N‬وادلعاينة باإلرجاع‬

‫‪- -3-2‬مجال الثقة لمتباين ونسبة تباينين‪.‬‬

‫‪ -1-3-2‬مجال الثقة لمتباين‪.‬‬

‫لتقدير التبايف واالنحراؼ المعياري لمجتمع بمجاؿ ثقة نستعمؿ الخاصية ‪:‬‬

‫‪nS ² ( n  1) Sˆ ²‬‬
‫‪‬‬ ‫‪~  ² n1 .‬‬
‫‪²‬‬ ‫‪²‬‬
‫‪‬‬ ‫‪‬‬
‫‪nS 2‬‬
‫‪‬‬
‫‪n  1S 2‬‬ ‫‪ ‬‬ ‫‪2‬‬ ‫‪nS 2‬‬
‫‪‬‬
‫‪n  1S 2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ , n 1 ‬‬ ‫‪ , n 1 ‬‬ ‫‪ 1 , n 1 ‬‬ ‫‪ 1 , n 1 ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪‬‬

‫مثال‪ :11‬مجاؿ الثقة ب‪ % :6‬يحدد كما يمي‪:‬‬

‫‪nS ² ( n  1) Sˆ ²‬‬
‫‪ ² 0.025 ‬‬ ‫‪‬‬ ‫‪  ² 0. 975‬‬
‫‪²‬‬ ‫‪²‬‬

‫ومنو نستنتج مجاؿ الثقة ؿ ‪ σ‬كما يمي‪:‬‬

‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬

‫‪ ‬‬ ‫‪‬‬ ‫‪ou‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 0 .975‬‬ ‫‪ 0 .025‬‬ ‫‪ 0 .975‬‬ ‫‪ 0 .025‬‬

‫‪60‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬
‫مثال‪ :12‬أوجد مجاؿ الثقة لتبايف مجتمع سحبت منو عينة حجميا ‪ 7‬وتباينيا المعدؿ ‪ S 2  11.8‬بمستوى معنوية‬
‫‪   0.05‬؟‪.‬‬

‫الحل‪:‬‬

‫لدينا مف جدوؿ توزيع كاي تربيع ‪  2‬أف‪:‬‬

‫‪20.025,5  12.833;;; 20.975,5  0.831‬‬

‫فيكوف مجاؿ الثقة كما يمي‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪n  1S 2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪n  1S 2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪, n 1 ‬‬ ‫‪ 1‬‬ ‫‪, n 1 ‬‬
‫‪ 2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪511.8‬‬ ‫‪‬‬ ‫‪2‬‬

‫‪‬‬
‫‪511.8‬‬
‫‪12.833‬‬ ‫‪0.831‬‬
‫‪4.6   2  71‬‬
‫‪IC 2 ‬‬ ‫‪4.6 ; 71‬‬

‫‪ -2-3-2‬مجاالت الثقة لنسبة تباينين‬

‫رأينا سابقا أنو إذا كاف لدينا مجتمعاف طبيعياف تبايناىما ‪ σ²1 , σ²2‬وسحبنا منيما عينتيف عشوائيتيف حجميما عمى‬
‫التوالي ‪ n1 , n2‬فإف ‪:‬‬

‫‪ S12 n1  1‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n1  1  12‬‬ ‫‪Sˆ12 /  12‬‬
‫‪F ‬‬ ‫‪ 2‬‬ ‫;‪ Fn1 1‬‬ ‫‪n2 1‬‬
‫‪ S 22 n 2  1‬‬ ‫‪Sˆ 2 /  22‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪ n2  1  2‬‬

‫ومنو مجاؿ الثقة يكتب كما يمي‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪S12‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪S2‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪ 12  12‬‬
‫‪S 22 F ‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪S 2 F‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ , n1 1, n 2 1 ‬‬ ‫‪ 1 , n1 1, n 2 1 ‬‬
‫‪ 2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫إذا يمكف تكويف تقدير بمجاؿ ؿ ‪ F‬عند مستوى ثقة ‪ 1.:9‬كما يمي‪:‬‬

‫‪61‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪Sˆ12 /  12‬‬
‫‪F0.01‬‬ ‫‪ 2‬‬ ‫‪ F0.99‬‬
‫‪Sˆ 2 /  22‬‬

‫و مف ثـ يمكف تقدير النسبة بيف تبايني المجتمعيف كما يمي‪:‬‬

‫‪1‬‬ ‫‪ˆ2‬‬
‫‪S‬‬ ‫‪ 12‬‬ ‫‪1‬‬ ‫‪ˆ2‬‬
‫‪S‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪ˆ2‬‬
‫‪F0.99 S‬‬ ‫‪2‬‬
‫‪ 22‬‬ ‫‪ˆ2‬‬
‫‪F0.01 S‬‬ ‫‪2‬‬

‫‪ -‬وتكمف أىمية إيجاد مجاؿ الثقة في بحث وجود تجانس بيف المجتمعيف‪ ،‬فكمما كانت النسبة قريبة مف ‪ 2‬كاف‬
‫المجتمعاف أكثر تجانسا أي ليما نفس التبايف تقريبا‪.‬‬

‫ويمكف تمخيص ما سبؽ في الجدوؿ التالي‪:‬‬

‫جدوؿ‪ :‬مجاؿ الثقة لمتبايف ونسبة تباينيف‬

‫مجال الثقة‬ ‫التوزيع االحتمالي لإلحصائية‬ ‫المجتمع‬

‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬
‫‪  ‬‬ ‫‪ou‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 0.975‬‬ ‫‪ 0.025‬‬ ‫‪ 0 .975‬‬ ‫‪ 0 .025‬‬
‫أو‬ ‫‪nS ² ( n  1) Sˆ ²‬‬
‫‪‬‬ ‫‪~  ² n1‬‬ ‫غير معموـ‬
‫‪²‬‬ ‫‪²‬‬
‫‪nS‬‬ ‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬
‫‪ou‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 0.025‬‬ ‫‪ 0 .975‬‬ ‫‪ 0 .025‬‬

‫مثال عند مستوى ثقة ‪:1.:9‬‬

‫‪ S12 n1  1‬‬
‫‪nS ² ( n  1) Sˆ ²‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫مجتمعيف طبيعييف‪ ،‬أو‬
‫‪ ² 0.025‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  ² 0. 975‬‬ ‫‪‬‬ ‫‪‬‬ ‫ˆ‬ ‫‪2‬‬
‫‪‬‬ ‫‪2‬‬
‫عينتيف مسحوبتيف مف ‪F   2  1  12 12  Fn1 1; n2 1‬‬
‫‪n‬‬ ‫‪1‬‬ ‫‪S‬‬ ‫‪/‬‬
‫‪²‬‬ ‫‪²‬‬ ‫‪1‬‬

‫‪ S 2 n2  1‬‬ ‫‪Sˆ 2 /  2‬‬

‫‪Sˆ12‬‬ ‫‪ 12‬‬ ‫‪Sˆ12‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫مجتمع طبيعي واحد‪.‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪ n2  1  2‬‬
‫‪F0.99‬‬ ‫‪Sˆ 22‬‬ ‫‪ 22‬‬ ‫‪F0.01‬‬ ‫‪Sˆ 2‬‬
‫‪2‬‬

‫‪ -4-2‬مجاالت الثقة لمفروق والمجاميع‬

‫إذا كانت ‪ s1‬و‪ s2‬إحصائيتا معاينة ليا توزيع يقترب مف التوزيع الطبيعي‪ ،‬والعينتاف مستقمتاف‪ ،‬تكتب حدود الثقة‬
‫لمفروؽ بيف المعالـ التي تمثميا اإلحصائيتيف كما يمي‪:‬‬

‫‪S1  S 2  z c   S 1  S 2  S1  S 2  z c   ² S1   ² S 2‬‬

‫في حالة المجموع ‪:‬‬

‫‪62‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪S1  S 2  z c   S 1  S 2  S1  S 2  z c   ² S 1   ² S 2‬‬

‫مثال‪ : 13‬إذا كانت اإلحصائيتاف ىما متوسطا عينتيف مستقمتيف‪ ،‬مسحوبتيف مف مجتمعيف غير محدوديف وتباينيما ‪12‬‬
‫و ‪  22‬معمومتيف‪ ،‬نحدد مجاؿ الثقة لمفرؽ (و لممجموع) بيف متوسطي المجتمعيف ‪ 1  2‬كما يمي ‪:‬‬

‫‪ 12‬‬ ‫‪ 22‬‬

‫‪x1  x 2  z c  x1  x 2  x1  x 2  z c‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ -‬أما في حالة تباينا المجتمعيف متساوييف ومجيوليف ‪ ، 12   22 ‬فنحسب التبايف المشترؾ ‪ S p2‬أوال حيث يساوي‪:‬‬

‫‪S p2 ‬‬
‫‪n1  1S12  n2  1S22‬‬
‫‪n1  n2  2‬‬

‫ومنو يصبح مجاؿ الثقة لمفرؽ (و لممجموع) بيف متوسطي المجتمعيف ‪ 1  2‬كما يمي‪:‬‬

‫‪x1  x 2  t‬‬
‫;‪n1  n 2  2‬‬
‫‪‬‬ ‫‪S ‬‬
‫‪p‬‬
‫‪1‬‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫مثال‪ :14‬إذا كانت اإلحصائيتاف ىما نسبتاف في عينتيف مستقمتيف‪ ،‬مسحوبتاف مف مجتمعيف غير محدوديف ‪:‬‬

‫‪pq1‬‬ ‫‪pq‬‬
‫‪p '1  p '2  z c   p ' 1  p ' 2  p '1  p '2  z c ‬‬ ‫‪ 2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ -3‬طريقة المعقولية العظمى في التقدير(طريقة االحتمال األكبر)‪:‬‬

‫نريد تقدير معممة ‪ ‬لممجتمع‪ ،‬ولدينا عينة غير نفادية (المتغيرات التي تمثؿ قيـ المحصؿ عمييا في العينة مستقمة)‬
‫ليا نفس التوزيع لممجتمع‪ ،‬إف احتماؿ تحقؽ عينة بذاتيا مرتبط بػقيمة المعممة المجيولة‪ ،‬ىناؾ قيمة لػ ‪ ‬تعظـ‬
‫احتماؿ الحصوؿ عمى العينة المحصؿ عمييا‪ ،‬ونفترض أف تمؾ القيمة ىي الصحيحة بما أف العينة حصمت بالفعؿ‪،‬‬
‫تتمثؿ طريقة المعقولية العظمى في البحث عف ىذه القيمة‪ ،‬أي البحث عف ‪ ‬التي تعظـ ‪. Lx, ‬‬

‫حيث ‪ Lx, ‬ترمز لمعقولية العينة لتوزيع االحتماؿ لمشعاع العشوائي ‪. x1, x2 , x3 ,............xn ‬‬

‫مالحظة‪:‬‬

‫نستطيع كتابة العبارة ‪ Lx, ‬عمى الشكؿ التالي‪. Lx1, x2 , x3 ,............xn ,  :‬‬ ‫‪-‬‬
‫مقدر المعقولية العظمى ليس بالضرورة غير متحيز وكذلؾ ليس بالضرورة وحيد‪.‬‬ ‫‪-‬‬

‫‪63‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫إف طريقة المعقولية العظمى تيدؼ إلى اختيار مقدر لػ ‪ ‬وىو ‪ ‬وىي القيمة األكثر معقولية‪ ،‬إف التقدير‬
‫المتحصؿ عميو ىو القيمة األكبر احتماال مف أجؿ القيـ المالحظة لمعينة‪ .‬والتقدير بطريقة المعقولية العظمى يعطى‬
‫بتعظيـ دالة المعقولية حيث‪:‬‬

‫‪Lx1 , x 2 , x3 ,............x n ,    Lx,     f xi ,  ‬‬

‫‪n‬‬

‫‪i 1‬‬

‫حيث‪ f x,  :‬تمثؿ توزيع المجتمع‪.‬‬

‫‪ -‬ولكي يكوف ‪ ‬مقدر بطريقة المعقولية العظمى يجب أف يكوف حؿ لممعادلة اآلتية‪:‬‬

‫‪ d ln Lx1 , x2 , x3 ,............xn , ‬‬ ‫‪ dLx1 , x2 , x3 ,............xn , ‬‬

‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪0‬‬
‫‪d‬‬ ‫‪d‬‬
‫‪ 2‬‬ ‫‪ 2‬‬
‫‪ d ln Lx1 , x2 , x3 ,............xn ,   0‬‬ ‫‪ d Lx1 , x2 , x3 ,............xn ,   0‬‬
‫‪‬‬ ‫‪d 2‬‬ ‫‪‬‬ ‫‪d 2‬‬

‫مثال‪ :15‬ليكف ‪ x‬متغير عشوائي يتبع التوزيع ذات دالة الكثافة التالية‪:‬‬

‫‪f x,   e x‬‬

‫‪ -‬أعطي مقدر ‪ ‬لػ ‪ ‬باستعماؿ طريقة المعقولية العظمى؟‬

‫الحل‪:‬‬

‫لدينا لكي يكوف ‪ ‬مقدر بطريقة المعقولية العظمى يجب أف يكوف حؿ لممعادلة اآلتية‪:‬‬

‫‪ d ln L x1 , x2 , x3 ,............xn ,  ‬‬

‫‪‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪d‬‬
‫‪ 2‬‬
‫‪ d ln L x1 , x2 , x3 ,............xn ,    0‬‬
‫‪‬‬
‫‪‬‬ ‫‪d 2‬‬

‫لدينا دالة المعقولية العظمى تكتب كما يمي‪:‬‬

‫‪64‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪L x1 , x 2 , x3 ,............x n ,    L x,     f  xi ,     e xi‬‬

‫‪n‬‬ ‫‪n‬‬

‫‪i 1‬‬ ‫‪i 1‬‬

‫‪n‬‬
‫‪‬‬ ‫‪ xi‬‬
‫‪ e‬‬ ‫‪n‬‬ ‫‪i 1‬‬

‫‪n‬‬
‫‪ln L x,    n ln     xi‬‬
‫‪1‬‬

‫‪d ln L x,   n‬‬ ‫‪n‬‬

‫‪‬‬ ‫‪‬‬ ‫‪  xi‬‬
‫‪d‬‬ ‫‪‬‬ ‫‪1‬‬

‫‪d ln L x,  ‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪ 0     xi  0‬‬
‫‪d‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪n‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪     xi    n‬ولدينا‪:‬‬ ‫‪‬‬
‫‪‬‬ ‫‪1‬‬
‫‪ xi‬‬ ‫‪x‬‬
‫‪1‬‬

‫‪d‬‬ ‫‪2‬‬
‫‪ln L x,  ‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪0‬‬
‫‪d‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪‬‬
‫وبما أف الشرطيف محققيف فإننا نستنتج أف ‪  ‬ىو مقدر لػ ‪. ‬‬
‫‪1‬‬
‫‪x‬‬

‫‪ -4‬طريقة العزوم‬

‫ليكف المطموب تقدير عدد ‪ K‬مف معالـ المجتمع ‪ .θ1, θ2, . . , θk :‬نكوف جممة معادالت عددىا ‪ .K‬تتضمف‬
‫كؿ معادلة مساواة العزـ المرتبط باألصؿ مف الدرجة ‪ k‬لمتغيرة المجتمع ‪ ،µ’k = E(Xk) : X‬بنظيره لمتغيرة‬
‫المعاينة ‪: x‬‬

‫‪m’k = (1/n)∑ixik‬‬ ‫‪k = 1, 2, , K‬‬

‫مثال‪ :16‬ليكف )‪ . X ~ B(20; p‬تقدير ‪ p‬بطريقة العزوـ انطالقا مف عينة يتـ كما يمي‪:‬‬

‫لدينا عدد المعالـ المراد تقديرىا ‪ K = 1‬إذا نحتاج إلى معادلة واحدة ‪. µ = 20p :‬ومنو ‪ ،p = 20/µ‬نأخذ إذا‬
‫كمقدر ؿ‪ p‬القيمة‪ p’ :‬ونحسبيا كما يمي ‪.p’ = m/20 :‬‬

‫‪µ = m , µ’2 = m’2‬‬ ‫في حالة تقدير معممتيف لممجتمع نحتاج أف نستعمؿ جممة المعادلتيف‪:‬‬

‫‪ -5‬تمارين محمولة‪:‬‬

‫تمرين ‪::11‬‬

‫‪65‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ .‬افترض‬ ‫أخذت عينة عشوائية عدد مفرداتيا ‪ n=25‬بمتوسط ‪ x=80‬مف مجتمع ‪1,000‬انحرافو المعياري ‪  30‬‬
‫أننا نعرؼ أف المجتمع الذي أخذت منو العينة ال يتبع التوزيع الطبيعي ‪( .‬أ) أوجد فترة الثقة ‪ 95%‬لوسط المجتمع‬
‫غير المعموـ‬

‫حل التمرين ‪:11‬‬

‫حيث أننا نعرؼ أف المجتمع الذي أخذت منو العينة ال يتبع التوزيع الطبيعي و أف ‪ ، n<30‬فإننا ال نستػطيع استخػداـ‬
‫التػوزيع الطبيعي أو توزع ‪ . t‬ولكف يمكػننا استخػداـ نظرية تشبتشيؼ ‪ ،‬والتي تنص عمى أنو بصرؼ النظر عف شكؿ‬
‫التوزيع ‪ ،‬فإف نسبة المشاىدات (أو الساحة) التي ال تبعد عف الوسط بأكثر مف ‪ K‬انحراؼ معياري) ىي عمى األقػػؿ‬

‫‪ .‬بوضع ‪ ، 1  (1 / k )  0.95‬نحصؿ عمى‬ ‫) ‪ 1  (1 / k‬حيث ‪k  1‬‬

‫‪2‬‬ ‫‪2‬‬

‫‪1‬‬
‫‪ 1  0.95‬‬
‫‪K2‬‬
‫‪1  0.05K 2‬‬
‫‪K 2  20‬‬
‫‪K  4.47‬‬
‫‪‬‬ ‫‪30‬‬
‫‪  XK‬‬ ‫‪ 80  4.47‬‬ ‫‪ 80  26.82‬‬
‫‪n‬‬ ‫‪25‬‬
‫‪.‬‬

‫إذا لـ نكف نعرؼ أف نسبة المصوتيف لممرشح كانت ‪ 0.03‬فيمكف تقدير أكبر قيمة لحجـ العينة ‪ n‬لمحفاظ عمى درجة‬
‫الدقة المطموبة ميما كانت القيمة الفعمية لمنسبة ‪ . p‬ويكوف ىذا بوضػع ‪( p=0.5‬فتكوف ‪ 1-p=0.5‬أيضاً) وحيث أف‬
‫)‪ p(1-p‬تظير فى بسط معادلة ‪( n‬أنظر أ) فإف المحصمة تكوف أكبر ما يكوف عندما ‪ 1-p,p‬كالىما تساوى ‪، 0.5‬‬
‫وتكوف ‪ n‬أكبر ما يمكف ‪ ،‬وعميو‬

‫)‪z 2 (1  p‬‬ ‫‪1.642 0.50.5 2.68690.25‬‬

‫‪n‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 186.8, or187‬‬
‫‪p  p‬‬ ‫‪2‬‬
‫‪0.062‬‬ ‫‪0.0036‬‬

‫(بدال مف ‪ n=157‬عندما عممنا أف ‪ .) p=0.30‬وفى ىذه الحالة والحاالت المشابية ‪ ،‬فإف محاولة الحصوؿ عمى‬
‫تقدير فعمى لمنسبة ‪ p‬ال يخفض حجـ العينة المطموب كثي اًر ‪ .‬وعندما نفترض ‪ p‬تساوى ‪ ، 0.5‬فإف معادلة ‪ n‬يمكف‬
‫تبسيطيا إلى‬

‫‪66‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪2‬‬
‫‪ z ‬‬
‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪2 p  p ‬‬ ‫‪‬‬
‫‪t‬‬
‫‪2‬‬
‫‪ 1.64 ‬‬
‫‪2‬‬
‫‪ 1.64 ‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  186.8, or 187‬‬
‫‪ 20.06‬‬ ‫‪ 0.12 ‬‬

‫التمرين‪ :12‬ضمف خطتيا إلصالح حركة المرور في المدينة قامت والية جيجؿ بإجراء مسح ميداني لتحديد حجـ‬
‫الحركة عبر تقاطع رئيسي في المدينة خالؿ فترات الصباح‪ ،‬باختيار يوـ السبت لثمانية أسابيع متوالية تـ عد‬
‫المركبات التي تمر عبر التقاطع بيف الساعة السابعة والساعة التاسعة صباحا ووجد أف متوسط عدد المركبات لمعينة‬
‫يساوي ‪ 2611‬واالنحراؼ المعياري لمعينة يساوي ‪.411‬‬

‫المطموب‪ :‬أوجد مجاؿ الثقة لمتوسط عدد المركبات في مجتمع الحركة عبر التقاطع باعتبار أف توزيع المجتمع‬
‫طبيعي؟ (مع العمـ أف مستوى الثقة يساوي ‪)٪::‬‬

‫حل التمرين‪:12‬‬

‫‪ -‬إيجاد مجاؿ الثقة لمتوسط عدد المركبات في مجتمع الحركة عبر التقاطع باعتبار أف توزيع المجتمع طبيعي‪:‬‬

‫لدينا عموما‪:‬‬

‫‪‬‬
‫‪IC  x  zc x‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪IC    x  z c‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬
‫‪ -‬بما أف حجـ العينة صغيرة ‪ n  30‬وعدـ معرفة االنحراؼ المعياري لممجتمع نستخدـ التوزيع ستيودنت ‪ t‬إليجاد‬
‫مجاؿ الثقة‪ ،‬ومنو يصبح مجاؿ الثقة كما يمي‪:‬‬

‫‪‬‬ ‫‪S ‬‬

‫‪IC    x  t ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪, n 1‬‬ ‫‪n 1 ‬‬

‫‪ -‬ولدينا‪ x  1500;; t0.005,7  3.499;; S  300;; n  8 :‬بالتعويض نجد‪:‬‬

‫‪67‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬ ‫‪ ‬‬ ‫‪ 300 ‬‬ ‫‪ 300 ‬‬

‫‪ 1500  3.499 ‬‬ ‫‪;1500  3.499 ‬‬
‫‪S‬‬
‫‪IC    x  t ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪, n 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪7‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪7‬‬ ‫‪‬‬
‫‪IC   1103.25; 1896.75‬‬

‫التمرين‪ :13‬إذا كاف لدينا متغيراف عشوائياف ‪ x1‬و‪ x2‬يتبعاف التوزيع الطبيعي بتبايف متساوي ومتوسطات مختمفة‪ ،‬تـ‬
‫سحب عينتاف عشوائيتاف مستقمتاف مف المجتمعيف محؿ الدراسة وكانت لدينا البيانات التالية‪:‬‬

‫المجتمع‪13‬‬ ‫المجتمع‪12‬‬
‫‪n2  10‬‬ ‫‪n1  15‬‬ ‫حجـ العينة‬
‫‪x2  30‬‬ ‫‪x1  40‬‬ ‫متوسط العينة‬

‫‪s22  16‬‬ ‫‪s12  18‬‬ ‫تبايف العينة‬

‫أوجد مجاؿ الثقة لمفرؽ بيف متوسطي المجتمعيف ‪ 1   2‬مع العمـ أف مستوى الثقة ىو ‪%:6‬؟‪.‬‬ ‫‪-‬‬
‫حل التمرين‪:13‬‬
‫‪ -‬لدينا مجاؿ الثقة لمفرؽ بيف متوسطي المجتمعيف ‪ ، 1  2‬وفي حالة تباينا المجتمعيف متساوييف ومجيوليف‬
‫‪، 12   22 ‬يكتب كما يمي‪:‬‬
‫‪‬‬ ‫‪1 ‬‬
‫‪IC 1  2   x1  x 2  t‬‬
‫;‪n1  n2  2‬‬
‫‪‬‬ ‫‪‬‬‫‪S‬‬ ‫‪p‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪n1 n2 ‬‬
‫‪ -‬إذف سوؼ نحسب التبايف المشترؾ ‪ S p2‬أوال حيث يساوي‪:‬‬
‫‪n1  1S12‬‬ ‫‪ n 2  1S 22‬‬ ‫‪1418  916  17.22‬‬
‫‪S p2 ‬‬ ‫‪‬‬
‫‪n1  n 2  2‬‬ ‫‪23‬‬
‫‪t 23;0.025  2.069‬‬
‫ومنو مجاؿ الثقة ىو‪:‬‬
‫‪‬‬ ‫‪1 ‬‬
‫‪ S p ‬‬
‫‪1‬‬
‫‪IC 1   2   x 1  x 2  t‬‬ ‫‪‬‬ ‫‪‬‬
‫;‪n1  n2  2‬‬ ‫‪n1‬‬ ‫‪n2 ‬‬
‫‪‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪1 ‬‬

‫‪ 40  30   2.069 4.15‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪15‬‬ ‫‪10 ‬‬
‫‪ 10  3.5; 10  3.5  6.5; 13.5‬‬
‫تمرين ‪14‬‬
‫فى عينة عشوائية حجميا ‪100‬عامؿ مف مصنع بو ‪ 1,200‬عامؿ ‪ ،‬وجد أف ‪ 70‬يفضموف االشتراؾ فى نظاـ‬
‫لممعاشات كأفراد بدال مف االشتراؾ فى مشروع معاشات خاص بالشركة ‪ .‬أوجد فترة الثقة ‪95%‬لنسبة العامميف الذيف‬
‫يفضموف مشروعات معاش فردية‬
‫حؿ التمريف‪14‬‬

‫‪68‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪70‬‬
‫‪p‬‬ ‫‪ 0.7‬‬
‫‪100‬‬
‫‪p  p  z p‬‬ ‫‪np  5 et n(1 - p)  5‬‬

‫)‪p ( p  1‬‬ ‫‪N n‬‬

‫‪ pz‬‬ ‫‪since n  0.05N‬‬
‫‪n‬‬ ‫‪N 1‬‬

‫‪ 0.7  1.96‬‬

‫‪0.7 0.3‬‬ ‫‪1200  100‬‬
‫‪100‬‬ ‫‪1200  1‬‬
‫)‪ 0.7  1.96(0.05)(0.96‬‬
‫‪ 0.7  0.09‬‬

‫وعمية فإف ‪( p‬نسبة العامميف فى المصنع الذيف يفضموف مشروعات معاشات فردية) تقع بيف ‪ 0.61‬و ‪ 0.79‬بدرجة‬
‫ثقة ‪.95%‬‬

‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪ -1‬اختبار الفرضيات وتطبيقاتيا العممية‬

‫تـ التطرؽ في األبواب السابقة إلى وسائؿ دراسة معالـ المجتمع المجيولة وذلؾ مف خالؿ إنشاء فترات ثقة ليذه‬
‫المعالـ واستخداميا كمعمومة مساندة التخاذ الق اررات‪ ،‬حيث يتـ استخداـ بيانات عينة عشوائية مسحوبة مف المجتمع‬
‫المراد تقدير معالمو إلنشاء فترة الثقة المطموبة عند مستوى ثقة ‪ . 1   ‬وعميو فاف النتيجة المحصمة مف خالؿ فترات‬
‫الثقة يمكف غالبا صياغتيا نصيا بالشكؿ التالي‪:‬‬

‫باحتماؿ ‪ 1   ‬نحف متأكدوف باف فترة الثقة المنشأة سوؼ تحتوي عمى القيمة الحقيقية المجيولة لمعممة المجتمع‪.‬‬

‫يالحظ ىنا أف فترة الثقة يتـ إنشاؤىا باالعتماد عمى بيانات عينة عشوائية‪ ،‬ليتـ استخداـ تمؾ الفترة في عمميات‬
‫الستدالؿ اإلحصائي حوؿ القيمة الحقيقية لمعممة المجتمع‪ .‬ولكف في الواقع العممي غالبا ما يكوف ىنالؾ ادعاء مسبؽ‬
‫حوؿ قيمة المعممة المجيولة‪ .‬وليس بالضرورة أف يكوف االدعاء مرتبط بقيمة محددة حيث يمكف أف يكوف االدعاء ذا‬
‫صيغة رياضية‪ ،‬كاف ينص مثال عمى أف قيمة المعممة ال تزيد عف قيمة محددة أو أف تكوف اكبر مف قيمة محددة‪.‬‬

‫‪69‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫في ىذه الحالة يكوف اليدؼ مف االستدالؿ اإلحصائي أكثر تحديدا منو في عممية إنشاء فترة ثقة‪ ،‬حيث يكوف منصباً‬
‫حوؿ البحث في مصداقية االدعاء المطروح وبالتالي الوصوؿ إلى قرار بقبوؿ أو رفض االدعاء‪.‬‬

‫يطمؽ عمى عممية التعامؿ مع االفتراضات والحكـ عمى مصداقيتيا بعممية اختبار الفرضيات‪ .‬وتوجد عالقة بيف كؿ‬
‫مف إنشاء فترة ثقة واختبار الفرضيات‪ ،‬حيث يمكف القوؿ باف اختبار الفرضيات تعطي معمومة أكثر استخداماً في‬
‫اتخاذ الق اررات مف المعمومة المحصمة مف إنشاء فترات الثقة‪ .‬بيد انو يمكف االعتماد عمى فترات الثقة في بعض‬
‫الحاالت لموصوؿ إلى نتائج حوؿ صحة فرضية مف عدميا‪.‬‬

‫في عمميات اختبار الفرضيات يكوف ىنالؾ ادعاء أو افتراض يراد اختباره‪ ،‬ويتـ في البداية افتراض عدـ صحة‬
‫االدعاء ومف ثـ استخداـ بيانات الدراسة إلثبات العكس‪ ،‬أي إثبات صحة االدعاء‪ .‬وتمؾ اآللية تعطي اختبار‬
‫الفرضيات قوة نابعة مف تالفي التحيز وعدـ الدقة‪ ،‬حيث أف الضعؼ في أداء الدراسة وجمع البيانات يصب في‬
‫مصمحة عكس االدعاء ومف ثـ ال يمكف قبوؿ ادعاء إال إذا كاف ىنالؾ مؤشر إحصائي قوي عمى ذلؾ‪ .‬وتحاكي تمؾ‬
‫السياسة في التعامؿ مع الفرضيات آلية التحقيؽ في القضايا الجنائية‪ ،‬حيث تقوـ عمى قاعدة أساسية فحواىا أف‬
‫المتيـ بريئا حتى تثبت إدانتو‪ .‬وعميو فاف االدعاء باف المتيـ مذنب يوضع جانبا ويتـ تبني العكس‪ .‬وتتمثؿ قوة تمؾ‬
‫اآللية في انو ال يمكف قبوؿ الفرض باف المتيـ مذنب إال في حاؿ كاف ىنالؾ أدلة قوية تشير إلى ذلؾ‪ ،‬أما في حاؿ‬
‫كوف األدلة ضعيفة أو أف يكوف المتيـ بريئا فانو ال يتـ قبوؿ االدعاء أو باألحرى ال يتـ رفض االفتراض باف المتيـ‬
‫بريء في األصؿ‪ .‬تحتوى تمؾ اآللية أيضا ىدؼ جوىري يتمثؿ في تفضيؿ عدـ رفض افتراض باف متيـ بريء وىو‬
‫مذنب عمى أف يتـ رفض االفتراض بأنو بريء ومف ثـ أدانتو وىو بريء في األصؿ‪.‬‬

‫في عممية اختبار الفرضيات تمثؿ العينة العشوائية والبيانات المستخمصة منيا دور األدلة المستخدمة إلثبات إدانة‬
‫المتيـ في ال قضايا الجنائية‪ .‬لذا فانو يمكف استخداـ بيانات عينة عشوائية وبياناتيا إلثبات صحة ادعاء مف عدمو‪.‬‬
‫وبالطبع يتـ قبوؿ االدعاء في حاؿ كوف األدلة المتمثمة في العينة العشوائية وبياناتيا تشير بقوة إلى صحة االدعاء‪،‬‬
‫أما إذا كانت البيانات ال تدعـ االدعاء بقوة أو أف يكوف االدعاء غير صحيح في األصؿ فإننا ال نرفض االفتراض‬
‫باف االدعاء غير صحيح‪.‬‬

‫‪ -1-1‬الفرضية الصفرية والفرضية البديمة‬

‫في عمميات االستدالؿ اإلحصائي يتـ وضع رموز تمثؿ االدعاء وعكس االدعاء‪ .‬فبالنسبة لمفرض الذي ينص عمى‬
‫ويطمؽ عمييا فرضية العدـ داللة عمى عدـ‬ ‫‪Ho‬‬ ‫عدـ وجود ظاىرة ومف ثـ عدـ صحة االدعاء يتـ استخداـ الرمز‬
‫لمداللة عمى الفرض المغاير لمفرض‬ ‫‪H1‬‬ ‫وجود أدلة قوية تساند االدعاء المطروح‪ .‬يتـ في المقابؿ استخداـ الرمز‬
‫العد مي‪ .‬وبالطبع عند إجراء اختبار لفرضية باستخداـ الطرؽ المطموبة فاف االدعاء يقع دوما في الفرضية البديمة‪.‬‬

‫‪70‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫وبمعنى آخر يمكف القوؿ باف االدعاء الجيد والقابؿ لالختبار إحصائيا يجب أف يكوف في الفرضية البديمة ال في‬
‫فرضية العدـ‪ ،‬وذلؾ تجنبا لمتحيز وتجنبا لنتائج قد يكوف سببيا غياب المعمومة وضعؼ العينة المسحوبة إلجراء‬
‫االختبار‪.‬‬

‫تتطمب عممية اختبار الفرضيات أف يكوف االدعاء المرغوب في اختباره عبارة عف جممة كاممة تحتمؿ‬
‫الصواب والخطأ‪ .‬كذلؾ يفترض أف يكوف االدعاء متعمؽ بقيمة معممة محددة كمتوسط متغير مستمر أو نسبة حدوث‬
‫حدث معيف‪ .‬وبيدؼ الحصوؿ عمى ادعاء جيد يتطمب األمر أف يكوف االدعاء متعمؽ بإحدى حاالت ثالث ىي‪:‬‬

‫‪ ‬أف تكوف قيمة معممة المجتمع اقؿ مف قيمة محددة‬

‫‪ ‬أف تكوف قيمة معممة المجتمع أكثر مف قيمة محددة‬
‫‪ ‬أف تكوف قيمة معممة المجتمع مختمفة عف قيمة محددة وبالطبع يتـ صياغة الفرضية المقابمة لالدعاء‬
‫بالصياغة المغايرة لجممة االدعاء لتقع في فرضية العدـ‪ ،‬حيث ال تخرج عف إحدى ثالث صياغات تقابؿ‬
‫الصياغات السابقة عمى التوالي‪،‬‬
‫‪ ‬قيمة معممة المجتمع ال تقؿ مف قيمة محددة‬
‫‪ ‬أف تكوف قيمة معممة المجتمع ال تزيد عف قيمة محددة‬
‫‪ ‬أف تكوف قيمة معممة المجتمع ال تختمؼ عف قيمة محددة‬
‫و ‪ ، ‬واف تمؾ االختبارات‬ ‫‪‬‬ ‫و‬ ‫‪‬‬ ‫مثال ‪ :30‬افترض انو يرغب في إجراء اختبارات لثالث معالـ مجيولة القيـ ىي‬
‫مرتبطة بادعاءات مستقمة ىي‬
‫اقؿ مف ‪65‬‬ ‫‪‬‬ ‫‪ ‬االدعاء األوؿ‪ :‬قيمة معممة المجتمع المجيولة‬
‫أكثر مف ‪88‬‬ ‫‪‬‬ ‫‪ ‬االدعاء الثاني‪ :‬قيمة معممة المجتمع المجيولة‬
‫ال تساوى ‪0.25‬‬ ‫‪‬‬ ‫‪ ‬االدعاء الثالث‪ :‬قيمة معممة المجتمع المجيولة‬
‫حيث يمكف صياغة االدعاءات الثالث السابقة رياضيا كالتالي‪:‬‬
‫‪  65‬‬ ‫‪ ‬االدعاء األوؿ‪:‬‬
‫الثاني‪  88 :‬‬ ‫‪ ‬االدعاء‬
‫‪  0.25‬‬ ‫‪ ‬االدعاء الثالث‪:‬‬
‫وبما أف االدعاءات الثالثة السابقة ال تحتوي في مضمونيا عمى افتراض قيـ مساوية لقيمة المعممة فانو يمكف‬
‫اعتبارىا ادعاءات جيدة‪ .‬وعميو فاف عكس تمؾ االدعاءات يمثؿ فرضيات العدـ لالختبارات ليا‪ .‬وبحكـ أسموب اختبار‬
‫الفرضيات يتـ كتابة فرضية العدـ أوال‪ ،‬ثـ يمييا كتابة الفرضية البديمة‪ .‬وبتطبيؽ تمؾ السياسة فاف فرضيات العدـ‬
‫والفرضية البديمة يتـ كتابتيا بالشكؿ الرياضي لالدعاءات الثالث كالتالي‪:‬‬

‫االدعاء األوؿ‪:‬‬

‫‪71‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪H o :   65‬‬
‫‪H 1 :   65‬‬

‫االدعاء الثاني‪:‬‬
‫‪H o :   88‬‬
‫‪H 1 :   88‬‬

‫االدعاء الثالث‪:‬‬
‫‪H o :   65‬‬
‫‪H 1 :   65‬‬

‫الحظ ىنا أف فرضية العدـ قد احتوت دوما عمى إشارة التساوي (=)‪ ،‬وذلؾ في الواقع شرط جوىري يجب توفره‬
‫لتصبح عممية اختبار الفرضيات ممكنة‪ .‬يطمؽ أيضا عمى الفرضيات السابقة بأنيا فرضيات مركبة‪ ،‬حيث ال تحتوي‬
‫الفرضية البديمة عمى قيمة واحدة فقط بؿ تقع دوما في فترة أو مجموعات فترات‪ .‬في المقابؿ عندما يكوف االىتماـ‬
‫منصباً عمى مقارنة قيمتيف لمعممة المجتمع تحت االختبار فاف فرضية العدـ والفرضية البديمة تأخذ الشكؿ التالي‪:‬‬

‫‪H o :  a‬‬
‫‪H1 :  b‬‬

‫والتي تمثؿ فرضيات بسيطة وليست مركبو‪ .‬وبالطبع يمثؿ الرمزاف ‪ a‬و ‪ b‬قيـ محددة مسبقاً بواسطة متخذ‬
‫القرار‪ .‬بيد أف عممية اختبار الفرضيات المركبة تتميز عمى اختبار الفرضيات البسيطة بأنيا تقدـ معمومة أفضؿ‬
‫واشمؿ باإلضافة إلى أنيا أكثر عممية في الواقع الحقيقي‪ .‬لذلؾ فاف األسموب المستخدـ في جزئيات اختبار الفرضيات‬
‫في ىذا الكتاب سيعتمد عمى فرضيات مركبة وليست بسيطة‪.‬‬
‫‪ -2-1‬اخطاء اختبار الفرضيات وانواعيا‬
‫يرتبط االستدالؿ اإلحصائي بالتعامؿ مع المجاىيؿ‪ ،‬ومف ثـ ال يمكف الجزـ أبدا باف النتائج المحصمة صحيحة تماما‪.‬‬
‫عندما توجد فرضية قائمة عمى ادعاء فاف القرار النيائي يكوف أما قبوؿ الفرضية أو رفضيا‪ .‬وبحكـ احتواء عممية‬
‫اختبار الفرضيات عمى فرضيتاف شاممتاف ومتضادتاف (فرضية العدـ والفرضية البديمة) لذا فاف القرار المتعمؽ بإحداىا‬
‫يمثؿ القرار المعاكس لمفرضية األخرى‪ .‬فقبوؿ فرضية العدـ يعني رفض الفرضية البديمة‪ ،‬والعكس صحيح‪.‬‬
‫يوجد نوعاف مف األخطاء التي يحتمؿ حدوثيا في عممية اختبار الفرضيات‪ .‬لتوضيح ىذيف النوعيف نفترض أننا عمى‬
‫عمـ بالوضع الحقيقي أو القيمة الحقيقية لمعممة المجتمع الواقع عمييا االختبار‪ ،‬وأننا نرغب في إجراء االختبار دوف‬
‫استخداـ تمؾ المعمومة‪ ،‬أي عمى افتراض أننا نجيؿ قيمة المعممة الحقيقية‪ .‬في ىذه الحالة نصبح أماـ إحدى خياريف‬
‫إما أف نفشؿ في رفض فرضية العدـ (لكوف اختبار الفرضيات قائـ في األصؿ عمى تبني فرضية العدـ ومحاولة‬
‫أثبات عدـ صحتيا) أو أف ننجح في رفضيا ومف ثـ إثبات صحة االدعاء الموجود في الفرضية البديمة‪.‬‬

‫الجدول رقم‪:‬الق اررات الخاطئة والصائبة في عممية اختبار الفرضيات‬

‫الوضع الحقيقي‬
‫االدعاء صحيح‬ ‫االدعاء غير صحيح‬ ‫نتيجة االختبار‬

‫‪72‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫رفض ‪ H o‬واقرار ‪H 1‬‬ ‫‪ H o‬صحيحة‬

‫قرار خاطئ‬
‫قرار صائب‬ ‫عدـ رفض ‪H o‬‬
‫خطاء مف النوع الثاني‬
‫قرار خاطئ‬
‫قرار صائب‬ ‫رفض ‪ H o‬وقبوؿ ‪H 1‬‬
‫خطاء مف النوع األوؿ‬
‫عندما نفشؿ في رفض فرضية العدـ وتكوف في األصؿ صحيحة فاف ىذا القرار يعتبر قرار صائب وليس‬
‫خاطئ‪ ،‬كذلؾ الوضع عند رفض فرضية عدـ خاطئة‪ .‬بينما عندما نقبؿ فرضية عدـ خاطئة أو نرفض فرضية عدـ‬
‫صحيحة فاف القرار ىنا يصبح خاطئ‪ .‬يطمؽ عمى خطاء رفض فرضية عدـ صحيحة بالخطأ مف النوع األوؿ ويرمز‬
‫الحتماؿ حدوثو بالرمز ‪ ، ‬كما يطمؽ عمى خطاء قبوؿ فرضية عدـ خاطئة بالخطأ مف النوع الثاني ويرمز الحتماؿ‬
‫حدوثو بالرمز ‪. ‬‬

‫جدوؿ رموز احتماالت األخطاء في اختبار الفرضيات‬

‫الوضع الحقيقي‬
‫االدعاء غير صحيح االدعاء صحيح‬
‫‪H1‬‬ ‫واقرار‬ ‫‪Ho‬‬ ‫رفض‬ ‫صحيحة‬ ‫‪Ho‬‬ ‫نتيجة االختبار‬

‫‪‬‬ ‫‪1   ‬‬ ‫‪Ho‬‬ ‫عدـ رفض‬

‫‪1   ‬‬ ‫‪‬‬ ‫‪H1‬‬ ‫وقبوؿ‬ ‫‪Ho‬‬ ‫رفض‬

‫‪1‬‬ ‫‪1‬‬ ‫المجموع‬

‫وتبعا لسياسة اختبار الفرضيات يعتبر الخطأ مف النوع األوؿ أكثر خطورة وضر ار مف الخطأ مف النوع الثاني‪ .‬فإدانة‬

‫بريء أكثر ضر اًر وخطورتياً مف تبرئة مذنب‪ .‬كما أف االدعاء محؿ االىتماـ في عممية اختبار الفرضيات يقع دوماً‬
‫في الفرضية البديمة‪ ،‬وبالتالي يفضؿ في المقاـ األوؿ تقميؿ احتماؿ قبوؿ ادعاء خاطئ‪ .‬وعميو فاف قيمة احتماؿ الخطأ‬
‫تصبح محدودة بسقؼ يضعو متخذ القرار إشارة إلى أف احتماؿ رفض فرضية عدـ صحيحة ومف‬ ‫‪‬‬ ‫مف النوع األوؿ‬
‫ثـ قبوؿ ادعاء خاطئ يجب أف ال يتجاوز حد معيف‪ .‬يطمؽ إحصائيا عمى ذلؾ الحد بمستوى المعنوية لالختبار‪.‬‬

‫(احتماؿ الوقوع في الخطأ مف النوع الثاني) مف خالؿ عدة عوامؿ مف أىميا مستوى المعنوية‬ ‫‪‬‬ ‫تتحدد قيمة‬
‫لالختبار ( ‪ ) ‬وحجـ العينة (‪ )n‬والقيمة الحقيقية لمعممة المجتمع‪ .‬وبتقدير احتماؿ الوقوع في الخطأ مف النوع الثاني‬
‫يتـ الحصوؿ عمى قوة االختبار حيث تمثؿ المكمؿ الحتماؿ الوقوع في الخطأ مف النوع الثاني ‪ . 1   ‬تمثؿ قوة‬

‫‪73‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫االختبار احتماؿ قبوؿ الفرضية البديمة (االدعاء) عندما تكوف صحيحة فعال‪ .‬وبالطبع ال يمكف حسابيا إال تحت‬
‫افتراض أف القيمة الحقيقية لمعممة المجتمع تحت االختبار معمومة‪ ،‬كاختبار أف متوسط مجتمع يساوي قيمة مختمفة‬
‫عف القيمة الموجودة في فرضية العدـ والتي تمثؿ الفرضيات البسيطة‪ .‬وبحكـ أف جزئيات اختبار الفرضيات في ىذا‬
‫الكتاب مرتبطة فقط بالتعامؿ مع فرضيات مركبة‪ ،‬فإننا نكتفي فقط باإلشارة السابقة إلى قوة االختبار دوف الدخوؿ في‬
‫آلية حسابيا‪.‬‬

‫ويمكف تمخيص ما سبؽ فيما يمي‪:‬‬

‫ويطمؽ عمية‬ ‫‪‬‬ ‫‪ ‬الخطأ مف النوع األوؿ ىو رفض فرضية عدـ صحيحة ويرمز الحتماؿ وقوعو بالرمز‬
‫مصطمح مستوى المعنوية‪.‬‬
‫‪ ‬الخطأ مف النوع الثاني ىو قبوؿ فرضية عدـ خاطئة ويرمز الحتماؿ وقوعو بالرمز ‪. ‬‬
‫‪ ‬مستوى الثقة ‪ 1   ‬ىو احتماؿ قبوؿ فرضية عدـ صحيحة‪.‬‬
‫‪ ‬قوة االختبار ‪ 1   ‬ىو احتماؿ رفض فرضية عدـ خاطئة‪.‬‬
‫ويمكننا ضبط أو تحديد احتماؿ ارتكاب خطأ مف النوع األوؿ‪ . ،‬ولكف إذا خفضنا ‪ ،‬فسوؼ نضطر إلى‬
‫قبوؿ احتماؿ أكبر الرتكاب خطأ مف النوع الثاني ‪ ،‬الميـ إال إذا رفعنا حجـ العينة‪ .‬وتمسى ‪ ‬مستوى المعنوية‪ ،‬و‬
‫‪ ‬مستوى الثقة لالختبار‪.‬‬
‫مثال ‪:32‬‬
‫افترض أف شركة تنتج مصابيح كيربائية ترغب في معرفة ما إذا كاف يمكنيا االدعاء بأف مصابيحيا الكيربائية‬

‫تستمر لمدة ‪ 1000‬ساعة احتراؽ‪ . ،‬لمعرفة ذلؾ‪ ،‬يمكف لمشركة أف تأخذ عينة عشوائية مف ‪ 100‬مصباح مثالً‬
‫وايجاد متوسط عمرىا ‪ .X‬وكمما صغر الفرؽ بيف ‪ X‬و ‪ ،‬كمما زادت فرصة قبوؿ الفرض بأف ‪  = 1000‬ساعة‬
‫احتراؽ عند مستوى المعنوية المحددة‪ . ،‬يوضع ‪ ‬تساوي ‪ 5%‬فإف الشركة تقبؿ المخاطرة المحسوبة برفض فرض‬
‫صحيح في ‪ 5%‬مف الحاالت‪ .‬بوضع ‪ ‬عند ‪ ،1%‬فأف الشركة تواجو باحتماؿ أكبر لقبوؿ فرض خاطئ‪.  ،‬‬

‫‪ -2‬اختبار فروض عن الوسط والنسبة في المجتمع‬

‫الخطوات الرسمية الختبار فروض عف وسط المجتمع (أو النسبة) ىي كاآلتي ‪:‬‬

‫‪ -2‬افترض أف ‪ ‬تساوي قيمة افتراضية ‪ .0‬يمكف تمثيؿ ذلؾ بالعبارة ‪ H0 :  = 0‬ويسمى الفرض العدمي‪.‬‬
‫وتكوف الفروض البديمة ىي إذف ‪ ( H1  0‬وتق أر " ‪ ‬ال تساوي ‪ H1 :  > 0 ، ) " 0‬أو ‪، H1:  < 0‬‬
‫وفقاً لممسألة ‪.‬‬
‫حدد مستوى معنوي لالختبار (عدا ‪ %5%‬ولكف أحياناً ‪ ) 1%‬وعرؼ منطقة القبوؿ ومنطقة الرفض‪.‬‬ ‫‪-3‬‬
‫لالختبار الستخداـ التوزيع المالئـ ‪.‬‬

‫‪74‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ - 4‬خذ عينة عشوائية مف المجتمع واحسب ‪ . X‬فإذا وقعت ‪ ( X‬مقيسة وحدات االنحراؼ المعياري ) داخؿ منطقة‬
‫القبوؿ‪ ،‬أقبؿ ‪ ،H0‬واال فارفض ‪ H0‬لصالح ‪. H1‬‬

‫اختبار ثنائي االتجاه لممتوسط‪.‬‬ ‫‪-0-2‬‬

‫نحتػػاج إلػػى الخط ػوات التاليػػة‪ :‬تحديػػد الفرضػػيات‪ ،‬تحديػػد قاعػػدة الق ػرار‪ ،‬حسػػاب القيمػػة الجدوليػػة لممتغي ػرة‪ ،‬حسػػاب القيمػػة‬
‫الفعمية لممتغيرة‪ ،‬اتخاذ القرار‪.‬‬

‫تحديد الفرضيات (الصفرية والبديمة)‪:‬‬

‫‪H0 : µ = µ0 ↔ H1 : µ ≠ µ0‬‬

‫الفرضية ‪ H0‬الفرضية الصفرية أو فرضية العدـ‪ ،‬ويؤدي االختبار إما إلى رفضيا ونكتب ‪ RH 0‬وفي ىذه الحالة نقبؿ‬
‫الفرضية البديمة أو المعاكسة أو عدـ رفضيا ونكتب ‪. RH 0‬‬

‫‪ µ0‬ىي القيمة االفتراضية لػ ‪ µ‬عادة ما تكوف ‪ µ0‬محددة بناءا عمى بيانات عينة عشوائية بسيطة‪ ،‬وفي ىذه الحالة‬
‫‪‬‬ ‫‪2 ‬‬
‫‪ ، x  N   ,‬إلجراء االختبار‪.‬‬ ‫يمكف استخداـ الخاصية ‪‬‬
‫‪‬‬ ‫‪n ‬‬
‫‪‬‬

‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪x  N  0 ,‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫حيث أنو تحت ‪ H0‬فإف ‪:‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬

‫‪‬‬ ‫‪x  0‬‬ ‫‪‬‬

‫‪p  z  ‬‬ ‫‪z ‬‬ ‫وبصفة عامة نكتب‪  1   :‬‬
‫‪ 1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪2‬‬ ‫‪‬‬

‫حيث‪:‬‬
‫‪x  0‬‬
‫‪( :‬متغيرة القرار) ىي المتغيرة المعيارية ؿ ‪ x‬ونرمز ليا ب ‪. zc‬‬ ‫‪‬‬
‫‪x‬‬

‫‪‬‬ ‫‪N n‬‬ ‫‪‬‬

‫‪  x ‬في الحالة المعاينة بدوف‬ ‫‪  x ‬في حالة المعاينة باإلرجاع و‬ ‫‪  x‬تحدد كما يمي‪:‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪n‬‬
‫إرجاع‪.‬‬
‫‪‬‬
‫‪ : 1 ‬المساحة عمى يسار ‪. z‬‬ ‫‪‬‬
‫‪2‬‬

‫‪ : n ‬حجـ العينة‪.‬‬

‫يمكف إذا كاف ‪ x‬خارج المجاؿ ‪ ،1-α‬أف نرفض الفرضية الصفرية التي حدد عمى أساسيا ىذا المجاؿ ونقبؿ بالتالي‬
‫الفرضية البديمة‪.‬‬

‫‪75‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫تسمى ىذه (الخطة) قاعدة القرار‪.‬‬

‫تحديد قاعدة القرار‬

‫تكتب قاعدة القرار‪ ،‬وىي قاعدة اختبار ثنائي االتجاه‪ ،‬كما يمي‪:‬‬

‫‪‬‬ ‫‪X  0‬‬ ‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1 / 2 .‬‬ ‫‪ RH 0 si z c ‬‬ ‫‪  z1 / 2 ; z1 / 2  .‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪ ‬أو‬ ‫‪X‬‬
‫‪‬‬ ‫‪ R H sinon.‬‬
‫‪ R H 0 sinon.‬‬ ‫‪‬‬ ‫‪0‬‬

‫‪RH0‬‬ ‫‪RH 0‬‬ ‫‪RH0‬‬

‫‪1-α‬‬ ‫‪z‬‬

‫‪-z1-α/3‬‬ ‫‪0‬‬ ‫‪z1-α/3‬‬

‫) ‪µ0-z1-α/3(  x‬‬ ‫‪µ0‬‬ ‫) ‪µ0+z1-α/3(  x‬‬

‫الشكؿ‪ :‬منطقتي القبول و الرفض في حالة قاعد القرار الثنائية‬

‫حساب ‪ z‬الجدولية‪:‬‬

‫ويرمز ليا ب ‪ zt‬حيث‪ ،‬وىي المشار إلييا في قاعدة القرار‪.‬‬

‫حساب ‪ z‬الفعمية‪:‬‬

‫‪X  0‬‬
‫‪zc ‬‬ ‫ويرمز ليا ب ‪ zc‬وىي المتغير المعيارية ؿ ‪( x‬أنظر قاعدة القرار) ‪:‬‬
‫‪x‬‬

‫القرار‪:‬‬
‫نقرر قبوؿ أو رفض ‪ H0‬حسب قاعدة القرار‬

‫مثال ‪:13‬‬

‫‪76‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫أفترض أف الشركة في مثاؿ (‪ )2‬ترغب في اختبار ما إذا كاف يمكنيا االدعاء بأف متوسط عمر المصباح مف إنتاجيا‬
‫ىو ‪ 1000‬ساعة احتراؽ‪ .‬وأنيا قامت بأخذ عينة عشوائية حجميا ‪ n = 100‬مف إنتاجيا فوجدت أف متوسط العينة ‪X‬‬
‫‪ = 980‬ساعة واالنحراؼ المعياري لمعينة ‪ s = 80‬ساعة‪ .‬فإذا أرادت الشركة القياـ باالختبار عند مستوى معنوية‬
‫‪ ،5%‬فعمييما أف تمضي كاآلتي‪ .‬حيث أف ‪ ‬يمكف أف تساوي‪ ،‬تزيد عف‪ ،‬أو تقؿ عف ‪ ،1,000‬فاف الشركة يجب أف‬
‫تضع الفرض المدى والفرض البديؿ كاآلتي‪:‬‬

‫‪H1 :   1,000‬‬ ‫‪H0 :  = 1,000‬‬

‫وحيث أف ‪ ، n > 30‬فأف توزيع المعاينة لموسط يكوف تقريباً طبيعياً ( ويمكف استخداـ ‪ s‬كتقدير بدالً مف ‪) ‬‬
‫‪ .‬وتكوف منطقة القبوؿ لالختبار عند مستوى المعنوية ‪ 5%‬بيف ‪ 1.96‬تحت التوزيع الطبيعي القياسي وتكوف منطؽ‬
‫الربط خارجيا ( أنظر شكؿ السابؽ)‪ .‬وحيث أف منطقة الربط تقع عند زيؿ التوزيع‪ ،‬فأف االختبار يسمى اختبار ثنائي‬
‫االتجاه‪ .‬وتكوف الخطوة الثالثة إيجاد قيمة المناظرة لقيمة ‪: X‬‬

‫‪X  0‬‬ ‫‪X  0‬‬ ‫‪X  0‬‬ ‫‪ 20‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 2.5‬‬
‫‪X‬‬ ‫‪/ n‬‬ ‫‪80 / 100‬‬ ‫‪8‬‬

‫الشكؿ رقـ االختبار البياني‬

‫‪ -2-2‬اختبار أحادي االتجاه لممتوسط‪.‬‬

‫يتميز االختبار الثنائي عن األحادي يف الفرضية البديلة اليت ىي عدم مساواة يف االختبار الثنائي وأكرب متاما أو أصغر متاما (حسب احلالة) يف‬
‫االختبار األحادي‪ ،‬وىذا يرتتب عليو تغيري يف قاعدة القرار‪.‬‬

‫‪ -0-2-2‬اختبار أحادي االتجاه من اليمين‪.‬‬

‫‪H0 : µ = µ0 ↔ H1 : µ > µ0‬‬ ‫‪ -‬الفرضيات ‪:‬‬

‫‪77‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1 .‬‬
‫‪‬‬ ‫‪X‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬
‫‪ -‬قاعدة القرار‪:‬‬

‫الشكل‪ :‬منطقتي القبول و الرفض في حالة قاعد القرار اختبار أحادي االتجاه من اليمين‬

‫‪ -2-2-2‬اختبار أحادي االتجاه من اليسار‬

‫‪H0 : µ = µ0 ↔ H1 : µ < µ0‬‬ ‫‪ -‬الفرضيات ‪:‬‬

‫‪ -‬قاعدة القرار‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪  z 1 .‬‬
‫‪‬‬ ‫‪X‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫الشكل‪ :‬منطقتي القبوؿ و الرفض في حالة قاعد القرار اختبار أحادي االتجاه مف اليسار‪.‬‬

‫‪ -0-2-2‬استخدام ‪ S‬كمقدر لـ ‪ σ‬في اختبار المتوسط‪.‬‬

‫فيما سبؽ افترضنا أف ‪ σ‬معموـ وحجـ العينة ‪ ، n  30‬في الواقع غالبا ما يكوف االنحراؼ المعياري مجيوال ونحتاج‬
‫بالتالي إلى استخداـ االنحراؼ المعياري لمعينة (‪ )S‬عند حساب‬

‫‪ ،  x‬حيث نعوض في عبارة متغيرة القرار أو قاعدة القرار‪:‬‬

‫‪78‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬
‫‪‬‬
‫‪  x ‬أو‬ ‫‪  x ‬بػ‬
‫‪S‬‬ ‫‪S‬‬
‫‪x ‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n‬‬

‫‪ -4-2-2‬استخدام التوزيع ‪ t‬في اختبار المتوسط‪.‬‬

‫في حالة ‪ n< 30‬و‪( σ‬االنحراؼ المعياري لممجتمع) مجيوال‪ ،‬ال يمكف استخداـ التوزيع الطبيعي‪ ،‬ولكف لدينا ‪:‬‬
‫‪X  0‬‬ ‫‪X ‬‬
‫و تحت ‪~ t n 1 : ) µ = µ ( H‬‬ ‫‪~ t n 1‬‬
‫‪S / n 1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪S / n 1‬‬

‫يمكف إذا استخداـ التوزيع ستيودنت (بشرط أف يكوف توزيع المجتمع طبيعيا) ‪ .‬و تتغير قاعدة القرار تبعا ليذا التغيير‬
‫فتكتب في حالة االختبار الثنائي كما يمي‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ t n 1; 1 / 2 .‬‬
‫‪‬‬ ‫‪S / n 1‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬
‫في حالة اختبار مف اليميف‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ t n 1, 1‬‬
‫‪‬‬ ‫‪S / n 1‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫في حالة اختبار مف اليسار‬

‫‪‬‬ ‫‪X  0‬‬

‫‪‬‬ ‫‪RH‬‬ ‫‪0‬‬ ‫‪si‬‬ ‫‪  t n 1; 1‬‬
‫‪‬‬ ‫‪S / n 1‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫مثال‪:14‬‬

‫ترغب شركة أف تعرؼ بدرجة ثقة ‪ 95%‬ما إذا كاف يمكنيا االدعاء بأف صناديؽ الصابوف المسحوؽ الذي تبيع‬
‫تحتوي عمى اكثر مف ‪ 500‬جراـ (حوالي ‪ 1.1‬رطؿ) مف الصابوف‪ .‬وتعرؼ الشركة مف الخبرة الماضية أف أوزاف‬
‫الصابوف بالصناديؽ تتبع التوزيع الطبيعي‪ .‬وقد أخذت الشركة عينة عشوائية حجميا ‪ n = 25‬ووجدت أف ‪X = 520‬‬
‫جراـ و ‪ s = 75‬جراـ‪ .‬وحيث أف الشركة ترغب في اختبار ما إذا كانت ‪ ،  > 500‬فإف ‪:‬‬

‫‪79‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪H1 :  > 500‬‬ ‫‪H0 :  = 500‬‬

‫وحيث أف التوزيع طبيعي ‪ ، n < 30 ،‬وكذلؾ ‪ ‬غير معمومة‪ ،‬فعمينا أف نستخدـ توزيع ‪( t‬بدرجة ح اررية‬
‫‪ ) n – 1 = 24‬لتحديد المنطقة الحرجة‪ ،‬أي منطقة الرفض‪ ،‬لالختبار بمستوى معنوية ‪ .5%‬ونجد ذلؾ في جدوؿ‬
‫ستودنت ويعرضيا شكؿ (‪ .)3-6‬ويسمى ىذا اختبار مف اتجاه واحد‪ ، .‬حيث أف‬

‫‪X   520  500 20‬‬

‫‪t‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.33‬‬
‫‪s/ n‬‬ ‫‪75 / 25 15‬‬

‫وىي تقع داخؿ منطقة القبوؿ‪ ،‬وتقبؿ ‪ H0‬أى ‪ ،  = 500‬عند مستوى معنوية ‪ ( 5%‬أو بدرجة ثقة ‪. ) 95%‬‬

‫الشكؿ رقـ االختبار البياني‬

‫الشكل‪ :‬منطقتي القبوؿ و الرفض في حالة قاعد القرار اختبار أحادي االتجاه مف اليسار‪.‬‬

‫‪ -0-2-2‬استخدام ‪ S‬كمقدر لـ ‪ σ‬في اختبار المتوسط‪.‬‬

‫فيما سبؽ افترضنا أف ‪ σ‬معموـ وحجـ العينة ‪ ، n  30‬في الواقع غالبا ما يكوف االنحراؼ المعياري مجيوال ونحتاج‬
‫بالتالي إلى استخداـ االنحراؼ المعياري لمعينة (‪ )S‬عند حساب‬

‫‪ ،  x‬حيث نعوض في عبارة متغيرة القرار أو قاعدة القرار‪:‬‬

‫‪‬‬
‫‪‬‬
‫‪  x ‬بػ‬ ‫‪  x ‬أو‬
‫‪S‬‬ ‫‪S‬‬
‫‪x ‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n‬‬

‫‪80‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -6-2-2‬استخدام التوزيع ‪ t‬في اختبار المتوسط‪.‬‬

‫في حالة ‪ n< 30‬و‪( σ‬االنحراؼ المعياري لممجتمع) مجيوال‪ ،‬ال يمكف استخداـ التوزيع الطبيعي‪ ،‬ولكف لدينا ‪:‬‬
‫‪X  0‬‬ ‫‪X ‬‬
‫و تحت ‪~ t n 1 : ) µ = µ ( H‬‬ ‫‪~ t n 1‬‬
‫‪S / n 1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪S / n 1‬‬

‫يمكف إذا استخداـ التوزيع ستيودنت (بشرط أف يكوف توزيع المجتمع طبيعيا) ‪ .‬و تتغير قاعدة القرار تبعا ليذا التغيير‬
‫فتكتب في حالة االختبار الثنائي كما يمي‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ t n 1; 1 / 2 .‬‬
‫‪‬‬ ‫‪S / n 1‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫في حالة اختبار مف اليميف‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪ t n 1, 1‬‬
‫‪‬‬ ‫‪S / n 1‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫في حالة اختبار مف اليسار‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ RH 0 si‬‬ ‫‪  t n 1; 1‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪/‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫‪ -0‬اختبار فروض عن النسبة في المجتمع‬

‫يتعمؽ ىذا االختبار بنسبة مفردات المجتمع التي تتصؼ بخاصية ما (‪ ،)p‬حيث يؤكد االختبار أو ينفي صحة فرضية‬
‫‪H0 : p = p0‬‬ ‫معينة بخصوص قيمة ‪ . p‬يرمز لمقيمة االفتراضية ب ‪ p0‬وتكتب الفرضية كما يمي‪:‬‬

‫لمقياـ باالختبار نستخدـ خصائص ’‪ p‬النسبة في العينة‪:‬‬

‫‪81‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪pq‬‬
‫‪E ( p' )   p '  p‬‬ ‫;‬ ‫‪ ² p' ‬‬
‫‪n‬‬

‫‪p /  N p,  p2/‬‬‫‪‬‬ ‫عند ‪ : n ≥ 41‬‬

‫استنادا إلى ىذه الخصائص وتحت ‪: H0‬‬
‫‪‬‬ ‫‪p q ‬‬
‫‪p  N  p0 , 0 0 ‬‬
‫‪/‬‬

‫‪‬‬ ‫‪n ‬‬

‫و مف ثـ يمكف تحديد قاعدة القرار بحسب طبيعة االختبار كما يمي‪:‬‬

‫في حالة االختبار الثنائي‪:‬‬

‫‪‬‬ ‫‪p ' p 0‬‬

‫‪‬‬
‫‪ RH 0 si‬‬ ‫‪ z 1 / 2 .‬‬
‫‪‬‬ ‫‪p0 q0 / n‬‬
‫‪‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫في حالة اختبار مف اليميف‪:‬‬

‫‪‬‬ ‫‪p ' p 0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1‬‬
‫‪‬‬ ‫‪p‬‬ ‫‪q‬‬
‫‪0 0‬‬ ‫‪/‬‬ ‫‪n‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫في حالة اختبار مف اليسار‪:‬‬

‫‪‬‬ ‫‪p ' p 0‬‬

‫‪‬‬ ‫‪RH‬‬ ‫‪0‬‬ ‫‪si‬‬ ‫‪  z 1‬‬
‫‪‬‬ ‫‪p‬‬ ‫‪q‬‬
‫‪0 0‬‬ ‫‪/‬‬ ‫‪n‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫مثال ‪15‬‬

‫يريد مستشفى أن خترب أن ‪ 90%‬من جرعات عقار يشرتيو حيتوي على ‪ (1/1000g) 100mg‬مف العقار‪ .‬لعمؿ ىذا‪ ،‬يأخذ‬
‫المستشفى عينة مف ‪ n = 100‬جرعة‪ ،‬ويجد أف ‪ 95%‬منيا فقط يحتوي عمى الكمية المناسبة‪ .‬كيؼ يمكف لممستشفى‬
‫أف يختبر ىذا عند‪  = 1% :‬؟‬

‫الحل المثال‬

‫‪82‬‬
‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫تتعمؽ ىذه المشكمة بتوزيع ذي الحديف ‪ .‬ولكف ‪ ،‬طالما أف ‪ n > 30‬و ‪ np‬وكذلؾ )‪ n (1 – p‬أكبر مف ‪ ، 5‬فيمكف‬
‫استخداـ التوزيع الطبيعي مع ‪ . p = 0.90‬بالنسبة لمعينة‬

‫‪85‬‬ ‫)‪p(1  p‬‬ ‫)‪(0.9)(0.1‬‬

‫‪p‬‬ ‫‪ 0.85‬‬ ‫‪et‬‬ ‫‪p ‬‬ ‫‪‬‬ ‫‪ 0.03‬‬
‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬

‫و ‪ H1 : p  90‬وتقع‬ ‫وحيث أننا نرغب في إيجاد ما إذا كانت ‪ ، p => 0.09‬فإف ‪H0 : p = 0.90‬‬
‫منطقة القبوؿ لمفرض ‪ H0‬عند مستوى معنوية ‪ 1%‬في حدود ‪  2.85‬انحراؼ معياري (انظر ممحؽ ‪. )4‬‬
‫<‬

‫‪p p‬‬ ‫‪0.85  0.90‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪ 1.67‬‬
‫‪p‬‬ ‫‪0.03‬‬

‫فإف عمى المستشفى أف يقبؿ ‪ ، H0‬أي ‪ p = 0.90‬عند مستوى المعنوية ‪. 1%‬‬

‫‪ -4‬اختبار الفرق بين وسطين حسابيين ‪:‬‬

‫‪ - 0-4‬اختبار تساوي متوسطي مجتمعين‬

‫الغرض مف االختبار ىو تأكيد أو نفي تساوي متوسطي مجتمعيف مف خالؿ عينتيف عشوائيتيف بسيطتيف مستقمتيف‪.‬‬
‫‪H0 : µ1 = µ2 ↔ H1 : µ1 ≠ µ2‬‬ ‫تكتب الفرضيات (في حالة االختبار الثنائي)كما يمي‪:‬‬

‫لتحديد متغيرة القرار نعتمد في االختبار عمى متغيرة القرار ‪ T‬أو ’‪ T‬بحسب الحالة (نترؾ لمطالب استنتاج قاعدة‬
‫القرار)‪ ،‬حيث نميز بيف حالة كوف تباينا المجتمعيف معموميف وحالة كوف تباينا المجتمعيف مجيوليف‪.‬‬

‫‪ -0-0-4‬تباينا المجتمعين معمومين‬

‫الحالة االولى ‪:‬المجتمعيف طبيعييف‪:‬‬
‫‪X1  X 2‬‬
‫‪T ‬‬ ‫)‪~ N (0.1‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫الحالة الثانية‪ :‬مجتمعيف ما (‪:)n1 , n2 ≥ 30‬‬

‫‪X1  X 2‬‬
‫‪T ‬‬ ‫)‪ N (0,1‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪83‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -2-0-4‬تباينا المجتمعين مجيولين‬

‫‪ -0‬المجتمعاف طبيعياف‪:‬‬

‫إذا كاف تباينا المجتمعيف متساوييف‬

‫‪X1  X 2‬‬
‫‪T'‬‬ ‫‪~ t n1  n2 2‬‬
‫‪n S  n2 S‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1 1‬‬
‫‪1 1‬‬ ‫‪2‬‬
‫‪  ‬‬
‫‪n1  n2  2‬‬ ‫‪ n1 n2 ‬‬

‫مجتمعيف ما (‪:)n1 , n2 ≥ 30‬‬

‫‪X1  X 2‬‬
‫‪T ‬‬ ‫)‪ N (0,1‬‬
‫‪S12‬‬ ‫‪S 22‬‬
‫‪‬‬
‫‪n1  1 n2  1‬‬

‫مثال ‪:16‬‬

‫ويرغب مشتر كبير لممصابيح الكيربائية أف يقرر‪ ،‬عند مستوى معنوية ‪ ،5%‬أي صنؼ يشترى مف بيف صنفيف‬
‫ليما نفس السعر‪ .‬لعمؿ ىذا‪ ،‬فأنو يأخذ عينة عشوائية مف ‪ 100‬مصباح مف كؿ صنؼ فيجد أف الصنؼ األوؿ‬
‫̅ ساعة‪ ،‬مع انحراؼ معياري‪ s1 ،‬قدره ‪ 80‬سعة وبالنسبة لمصنؼ الثاني‬ ‫يعيش في المتوسط‬

‫̅ ساعة و ‪ s2 = 120‬ساعة‪ .‬أي الصنفيف يجب شراءه إذا كاف المشتري يرغب في أف يصؿ إلى قرار‬
‫عند مستوى معنوية ‪. 5‬‬
‫الحل‪:‬‬

‫لدينا‬

‫‪H 0 : 1   2‬‬ ‫‪or‬‬ ‫‪H 0 : 1   2  0‬‬

‫‪H 1 : 1   2‬‬ ‫‪or‬‬ ‫‪H1 : 1   2  0‬‬
‫‪X 1  980h‬‬ ‫‪s1  80h‬‬ ‫‪n 1  100‬‬
‫‪X 2  1010h‬‬ ‫‪s 2  120h‬‬ ‫‪n 2  100‬‬

‫ىذا اختبار ذو ذيميف وتقع منطقة القبوؿ في حدود ‪ 1.96‬تحت المنحنى الطبيعي القياسي ( انظر الشكؿ رقـ‪)......‬‬

‫‪84‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ 12‬‬ ‫‪ 22‬‬ ‫‪s12 s 22‬‬ ‫‪80 2 120 2‬‬

‫‪X‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 64  144  14.42‬‬
‫‪1 X 2‬‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫‪n1 n 2‬‬ ‫‪100 100‬‬

‫‪z‬‬
‫‪X 1  X 2   1   2   X 1  X 2   0  980  1010   30  2.08‬‬
‫‪X‬‬ ‫‪X‬‬ ‫‪14.42‬‬ ‫‪14.42‬‬
‫‪1 X 2‬‬ ‫‪1 X 2‬‬

‫وحيث أف قيمة ‪ z‬المحسوبة تقع داخؿ منطؽ الرفض لمفرض ‪ ، H0‬فعمى المشتري أف يقبؿ ‪ ، H1‬أي ‪1 ‬‬
‫‪ ، 2‬عند مستوى معنوية ‪( 5%‬ويفترض أنو سوؼ يقرر شراء النصؼ الثاني)‪.‬‬
‫الشكؿ رقمؾ االختبار البياني‬

‫‪ -5‬اختبار الفرق بين نسبتين ‪:‬‬

‫ربما نرغب في اختبار ما إذا كانت نسبة المؤيديف لمرشح ما في االنتخابات التشريعية تساوي نسبة المؤيديف لمرشح‬
‫آخر في االنتخابات نفسيا‪ ،‬في مثؿ ىذه الحاالت فإف المطموب ىو اختبار ما إذا كانت النسبة في المجتمع األوؿ‬
‫تساوي النسبة في المجتمع الثاني‪ ،‬ويسمى االختبار ‪ :‬اختبار الفرؽ بيف نسبتيف وتكوف خطوات ىذا االختبار ما يمي‬
‫‪:‬‬

‫‪ -‬الفرضية الصفرية‪ :‬أف النسبة في المجتمعيف متساوية أي‪H 0 : p1  p2 :‬‬

‫‪ -‬الفرضية البديمة‪ :‬أف النسبتيف في المجتمعيف غير متساوية‪H 0 : p1  p2 :‬‬

‫(ويمكف اختيار شكؿ آخر لمفرض البديؿ مثؿ‪ :‬أكبر مف أو أقؿ إذا دعت الحاجة لذلؾ)‪.‬‬

‫‪ -‬اإلحصائية (متغيرة القرار)‪ :‬بافتراض أف العينتيف كبيرتاف بدرجة كافية تكوف اإلحصائية كما يمي‪:‬‬

‫‪p1/  p 2/‬‬
‫‪Z p/  p/ ‬‬ ‫‪ N 0,1‬‬
‫‪ 1‬‬ ‫‪1 ‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪p / q / ‬‬ ‫‪‬‬ ‫‪‬‬

‫‪ 1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪2 ‬‬

‫‪85‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حيث‪:‬‬

‫‪n1 p1/  n2 p2/‬‬

‫‪p ‬‬ ‫‪/‬‬

‫‪n1  n2‬‬
‫‪q/  1  p/‬‬

‫أي يتـ أوالً حساب ‪( p /‬والتي تمثؿ متوسط مرجح مف نسبتي العينتيف) قبؿ التعويض في اإلحصائية والتي ليا توزيع‬
‫طبيعي معياري‪ .‬وحدود منطقتي القبوؿ والرفض ونحصؿ عمييا مف جدوؿ التوزيع الطبيعي‪ ،‬واالختبار ىنا ىو‬
‫بناء عمى مستوى المعنوية المطموب‪.‬‬
‫اختبار الطرفيف (ألف الفرض البديؿ ال يساوي) وتحدد المنطقتيف ً‬

‫مثال ‪17‬‬

‫يريد مستشفى أف تخبر أف ‪ 90%‬مف جرعات عقار يشتريو يحتوي عمى ‪ (1/1000g) 100mg‬مف العقار‪ .‬لعمؿ‬
‫ىذا‪ ،‬يأخذ المستشفى عينة مف ‪ n = 100‬جرعة‪ ،‬ويجد أف ‪ 95%‬منيا فقط يحتوي عمى الكمية المناسبة‪ .‬كيؼ‬
‫يمكف لممستشفى أف يختبر ىذا عند‪  = 1% :‬؟‬

‫الحل‬

‫تتعمؽ ىذه المشكمة بتوزيع ذي الحديف ‪ .‬ولكف ‪ ،‬طالما أف ‪ n > 30‬و ‪ np‬وكذلؾ )‪ n (1 – p‬أكبر مف ‪ ، 5‬فيمكف‬
‫استخداـ التوزيع الطبيعي مع ‪ . p = 0.90‬بالنسبة لمعينة‬

‫‪85‬‬ ‫)‪p(1  p‬‬ ‫)‪(0.9)(0.1‬‬

‫‪p‬‬ ‫‪ 0.85‬‬ ‫‪et‬‬ ‫‪p ‬‬ ‫‪‬‬ ‫‪ 0.03‬‬
‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬
‫>‬
‫و ‪ H1 : p  90‬وتقع‬ ‫وحيث أننا نرغب في إيجاد ما إذا كانت ‪ ، p = 0.09‬فإف ‪H0 : p = 0.90‬‬
‫<‬
‫منطقة القبوؿ لمفرض ‪ H0‬عند مستوى معنوية ‪ 1%‬في حدود ‪  2.85‬انحراؼ معياري ‪.‬‬

‫‪p p‬‬ ‫‪0.85  0.90‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪ 1.67‬‬
‫‪p‬‬ ‫‪0.03‬‬

‫فإف عمى المستشفى أف يقبؿ ‪ ، H0‬أي ‪ p = 0.90‬عند مستوى المعنوية ‪. 1%‬‬

‫‪ -6‬اختبار التباين وتساوي تبايني مجتمعين‪.‬‬

‫‪ 1-6‬اختبار التباين‪.‬‬

‫الختبار صدقية فرضية بخصوص قيمة تبايف مجتمع ما‪،‬‬

‫‪86‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪H0 : σ² =σ0² ↔ H1 : σ² = σ0²‬‬

‫‪ . Sˆ ² ‬حيث في حالة العينة الكبيرة (‪ n ≥ 50‬في أحسف األحواؿ)‪،‬‬

‫‪ (X‬‬ ‫‪i‬‬ ‫‪i‬‬ ‫‪ X )²‬‬
‫نستعمؿ المقدر غير المنحاز‬
‫‪n 1‬‬

‫‪Sˆ ²   02‬‬
‫‪T‬‬ ‫‪ N (0.1).‬‬ ‫وتحت ‪ H0‬فإف ‪ 4  E ( X   ) 4‬‬
‫‪(  4   04 ) / n‬‬

‫حيث ‪ µ4‬ىو العزـ المركزي مف الدرجة الرابعة‪ .‬وبيذا الشكؿ تكتب قاعدة القرار لالختبار الثنائي كما يمي‪:‬‬

‫‪‬‬ ‫‪Sˆ ²   02‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1 / 2‬‬
‫‪‬‬ ‫‪( 4   0 ) / n‬‬
‫‪4‬‬

‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫وفي حالة ‪ µ4‬مجيوؿ يمكف استخداـ كمقدر‪:‬‬

‫‪x 4  E xi  x‬‬‫‪‬‬ ‫‪‬‬

‫‪4‬‬

‫واذا كاف المجتمع طبيعيا‪ ،‬حيث ‪ ، µ4 = 3σ4‬فإف متغيرة القرار يمكف أف تكتب كما يمي‪:‬‬

‫‪Sˆ ²   02‬‬
‫‪T‬‬ ‫‪ N (0.1).‬‬
‫‪ 02 2 / n‬‬

‫‪ -2-6‬اختبار تساوي تبايني مجتمعين‬

‫الغرض مف االختبار ىو تأكيد أو نفي تساوي تباينا مجتمعيف مف خالؿ عينتيف عشوائيتيف بسيطتيف مستقمتيف‪.‬‬

‫تكتب الفرضيات (في حالة االختبار الثنائي)كما يمي‪:‬‬

‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬
‫نعتمد في االختبار عمى متغيرة القرار ‪ T‬أو ’‪ T‬بحسب الحالة‪ ،‬حيث نميز بيف حالة كوف المجتمعيف طبيعييف أـ‬
‫غير ذلؾ‪.‬‬

‫اوال‪ :‬مجتمعين طبيعيين‪.‬‬

‫‪ -‬الحالة العامة‪:‬‬

‫‪Sˆ12‬‬
‫‪T '  2 ~ Fn1 1; n2 1‬‬
‫ˆ‪S‬‬ ‫‪2‬‬

‫‪ -‬في حالة ‪n1 , n2 ≥ 30‬‬

‫‪87‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪1  Sˆ12‬‬ ‫‪ 1 1‬‬

‫‪/‬‬ ‫‪1 ‬‬
‫‪T ‬‬ ‫‪ln‬‬ ‫‪‬‬ ‫‪‬‬ ‫)‪  N (0;1‬‬
‫‪2  Sˆ 22‬‬ ‫‪ 2 n 1 n 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪‬‬

‫ثانيا في حالة مجتمعين ما )‪(n1, n2 ≥ 50‬‬

‫)‪ µ4 (1) ; µ4 (2‬معروفيف ‪:‬‬ ‫‪-‬‬

‫‪4(1)  Sˆ14‬‬ ‫‪4( 2 )  Sˆ24‬‬

‫‪T  ( Sˆ12  Sˆ22 ) /‬‬ ‫‪‬‬ ‫)‪ N (0;1‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ -‬في حالة )‪ µ4 (1) ; µ4 (2‬غير معروفيف ‪ :‬نعوض ‪ µ4‬بػ ‪. x 4‬‬

‫مثال‪ :8‬نسحب مف مجتمعيف طبيعييف عينتيف حجـ األولى ‪ 06‬وحجـ الثانية ‪ .00‬وجدنا النتائج التالية‪:‬‬
‫;‪S12  9; S22  8‬‬
‫‪ -‬كيؼ يمكف إجراء اختبار تأكيد أو نفي تساوي تباينا مجتمعيف بمستوى معنوية ‪ % 2‬؟‬

‫الحل‪:‬‬
‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬
‫‪ -‬متغيرة القرار في ىذه الحالة ىي‪:‬‬

‫‪Sˆ12‬‬
‫‪T '  2 ~ Fn1 1; n2 1‬‬
‫ˆ‪S‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪n1‬‬ ‫‪18‬‬

‫‪S12  S12‬‬ ‫‪9‬‬ ‫‪ 9.53‬‬
‫‪n1  1‬‬ ‫‪17‬‬
‫‪‬‬ ‫‪n2‬‬ ‫‪21‬‬
‫‪S 2/  S 22‬‬ ‫‪8‬‬ ‫‪ 8.4‬‬
‫‪n2  1‬‬ ‫‪20‬‬
‫‪‬‬
‫‪S12‬‬ ‫‪9.53‬‬
‫‪T‬‬ ‫‪/‬‬
‫‪ / ‬‬ ‫‪ 1.135‬‬
‫‪S2‬‬ ‫‪8.4‬‬
‫‪F0.0 5;1 7; 2 0  2.17‬‬
‫‪T /  1.135  F0.0 5;1 7; 2 0  2.17‬‬
‫‪ RH 0‬‬

‫‪ -7‬اختبار جدول تحميل التباين‬

‫يستخدـ تحميؿ التبايف الختبار فرض أف متوسطات أكثر مف مجتمعيف متساوية أو مختمفة عندما يكوف المجتمعات‬
‫موزعة توزيعاً طبيعياً مع تساوي التبايف‪ .‬الخطوات كاآلتي‪:‬‬

‫خطوة (‪ :)1‬قدر تبايف المجتمع مف التبايف بيف متوسطات العينات‬

‫‪88‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫خطوة (‪ :)2‬قدر تبايف المجتمع مف التبايف داخؿ العينات‬

‫خطوة (‪ :)3‬احسب النسبة ‪) MSA / MSE ( F‬‬

‫التبايف بيف متوسط العينات‬

‫ػػػػػػػػػ = ‪F‬‬
‫التبايف داخؿ العينات‬
‫خطوة (‪ :)4‬إذا كانت ‪ F‬المحسوبة أكبر مف قيمة ‪ F‬الجدولية عند مستوى المعنوية ودرجات الحرية المعينة (مف‬
‫ممحؽ ‪ )8‬فإف الفرض العدمي ‪ H0‬عف تساوي متوسطات المجتمعات‪ ،‬يرفض لصالح الفرض البديؿ‪ .H1 ،‬الخطوات‬
‫السابقة موضحة بجدوؿ رقـ‬

‫جدول رقم جدول تحميل التباين‬

‫درجات‬
‫مصدر التغير‬ ‫مجموع المربعات‬ ‫متوسط المربعات‬ ‫النسبة ‪F‬‬
‫الحرية‬

‫بيف األوساط‬
‫‪SSA‬‬ ‫‪MSA‬‬
‫‪SSA  r  ( X J  X ) 2‬‬ ‫‪c–1‬‬ ‫‪MSA ‬‬
‫(يفسره العامؿ ‪)A‬‬ ‫‪c 1‬‬ ‫‪MSE‬‬

‫داخؿ العينات‬
‫‪SSE‬‬
‫(الخطأ أو غير‬ ‫‪SSE   ( X iJ  X J ) 2‬‬ ‫‪(r – 1)C MSE ‬‬ ‫––‬
‫‪(r  1)c‬‬
‫المفسر)‬

‫‪ SST   ( X iJ  X ) 2  SSA  SSE‬اإلجم ػ ػالي‬ ‫‪rc – 1‬‬ ‫––‬ ‫––‬

‫حيث‬
‫متوسط العينة ‪ J‬المكونة مف ‪ r‬مشاىدة = ‪(i XiJ) / r‬‬ ‫=‬ ‫‪XJ‬‬ ‫‪-‬‬
‫المتوسط الكبير لكؿ العينات ‪(i J XiJ ) rc‬‬ ‫=‬ ‫‪X‬‬ ‫‪-‬‬
‫مجموع المربعات التي يفسرىا العامؿ ‪A = r (XJ – X )2‬‬ ‫=‬ ‫‪SSA -‬‬
‫‪ =SSE -‬مجموع مربعات الخطأ والتي ال يفسرىا العامؿ ‪A =  (XiJ – XJ )2‬‬
‫مجموع المربعات اإلجمالي = ‪ (XiJ – X )2 = SSA + SSE‬‬ ‫=‬ ‫‪SST -‬‬
‫ويعطي جدوؿ فيشر قيـ ‪ F‬عندما ‪ (  – 0.05‬الرقـ األعمى ) وعندما ‪ (  = 0.01‬الرقـ األسفؿ ) لكؿ زوج مف‬
‫درجات الحرية ‪:‬‬
‫=‪c–1‬‬ ‫درجات حرية البسط‬ ‫‪-‬‬

‫‪89‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ = c -‬عدد العينات‬
‫= ‪(r – 1) c‬‬ ‫درجات حرية المقاـ‬ ‫‪-‬‬
‫‪ = r‬عدد المشاىدات في كؿ عينة ‪.‬‬ ‫‪-‬‬
‫مثال ‪:19‬‬
‫المبيعات‬ ‫تبيع شركة نفس الصابوف في ثالثة أغمفة مختمفة وبنفس السعر‪ .‬يبيف جدوؿ (‪ )6-6‬مبيعات ‪ 5‬شيور‪.‬‬
‫موزعة توزيعاً طبيعياً وليا تبايف متساو‪.‬‬

‫جدول (‪ )0-0‬مبيعات خمسة شيور من الصابون في األغمفة ‪0 ، 2 ، 0‬‬

‫غالف (‪)0‬‬ ‫غالف (‪)0‬‬ ‫غالف (‪)0‬‬

‫‪87‬‬ ‫‪78‬‬ ‫‪90‬‬

‫‪83‬‬ ‫‪81‬‬ ‫‪91‬‬

‫‪79‬‬ ‫‪79‬‬ ‫‪84‬‬

‫‪81‬‬ ‫‪82‬‬ ‫‪82‬‬

‫‪80‬‬ ‫‪80‬‬ ‫‪88‬‬

‫___‬ ‫___‬ ‫___‬

‫‪410‬‬ ‫‪400‬‬ ‫‪435‬‬

‫الحل‬

‫الختبار ما إذا كاف متوسط المبيعات لكؿ غالؼ متساوياً أـ ال عند مستوى معنوية ‪5%‬‬

‫‪ H1 : 1 , 2 , 3‬ليست متساوية ‪ ،‬تمضي الشركة كاآلتي‬ ‫مقابؿ‬ ‫أى ‪H0: 1 = 2 = 3‬‬

‫‪410‬‬ ‫‪400‬‬ ‫‪435‬‬

‫‪X1 ‬‬ ‫‪ 82‬‬ ‫‪X2 ‬‬ ‫‪ 80‬‬ ‫‪X3 ‬‬ ‫‪ 87‬‬
‫‪5‬‬ ‫‪5‬‬ ‫‪5‬‬

‫‪410  400  435‬‬

‫‪X ‬‬ ‫‪ 83‬‬
‫)‪(5)(3‬‬

‫‪SSA = 5[(82 – 83)2 + (80 – 83)2 + (87 – 83)2] = 130‬‬

‫‪90‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪SSE = (87 – 82)2 + (83 – 82)2 + (79 – 82)2 + (81 – 82)2 + (80 – 82)2 + (78 – 80)2‬‬
‫‪+ (81 – 80)2 + (79 – 80)2 + (82 – 80)2 + (80 – 80)2 + (90 – 87)2 + (91 – 87)2‬‬
‫‪+ (84 – 87)2 + (82 – 87)2 + (88 – 87)2‬‬
‫‪= 110‬‬
‫‪SST = (87 – 83)2 + (83 – 83)2 + . . . + (88 – 83)2 = SSA + SSE = 240‬‬

‫وتستخدـ البيانات السابقة لتكويف جدوؿ لتحميؿ التبايف ‪ANOVA‬‬

‫جدول رقم جدول ‪ ANOVA‬ألغمفة الصابون‬

‫مصدر التغير‬ ‫مجموع المربعات‬ ‫درجات الحرية‬ ‫متوسط المربعات‬ ‫النسبة ‪F‬‬
‫تفسره األغلفة‬ ‫‪MSA = 130/2 = 65‬‬
‫(بني األعمدة)‬ ‫‪SSA = 003‬‬ ‫‪c–1=2‬‬

‫اخلطأ أو غري ادلفسر‬ ‫= ‪MSA/MSE‬‬

‫‪(r – 1)c = 12‬‬ ‫‪65/9.17‬‬
‫(داخل األعمدة‬ ‫‪SSE = 110‬‬ ‫‪MSE = 110/12 = 9.17‬‬ ‫‪=7.09‬‬

‫اإلمجايل‬ ‫‪SST = 240‬‬ ‫––‬

‫‪Rc – 1 = 14‬‬

‫وحيث أف القيمة المحسوبة ‪ F = 7.09‬مف جدوؿ تتجاوز القيمة الجدولية ‪ F = 3.88‬عند ‪ = 0.05‬‬
‫ودرجات حرية ‪ 2‬و ‪ 12‬فإننا نرفض ‪ ، H0‬أي الفرض القائؿ بأف متوسط المبيعات لألغمفة المختمفة يساوي ‪ ،‬وتقبؿ‬
‫‪ ، H1‬بأنيا تختمؼ ‪ .‬ويشار إلى اإلجراء السابؽ بأنو تحميؿ التبايف في اتجاه واحد أو لعامؿ واحد‪ .‬بالنسبة لتحميؿ‬
‫التبايف في اتجاىيف انظر إلي التماريف المحمولة في آخر المحور‪.‬‬

‫‪-8‬اختبار كاى – تربيع لجودة التوفيق واالستقالل‬

‫يستخدـ توزيع كاي – تربيع ‪ x2‬الختبار إذا كانت التك اررات المشاىدة تختمؼ (( معنوياً )) عف التك اررات‬
‫المتوقعة عندما يكوف عدد النواتج الممكنة أكثر مف أثنيف‪ ،‬إذا كاف التوزيع الذي آخذت منو العينة ذا الحديف‪ ،‬أو‬
‫الطبيعي‪ ،‬أو أي توزيع أخر‪ ،‬إذا كاف متغيراف مستقميف أـ ال‪.‬واحصائية ‪ x2‬المحسوبة مف بيانات العينة معطاة‬
‫بالصيغة السابقة معادلة‪:‬‬

‫‪( f0  fe )2‬‬
‫‪x ‬‬
‫‪2‬‬
‫‪fe‬‬

‫‪91‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حيث‬
‫‪ = f0‬التك اررات المشاىدة‬
‫‪ = fe‬التك اررات المتوقعة‬
‫فإذا كانت ‪ x2‬المحسوبة أكبر مف القيمة الجدولية ‪ x2‬عند مستوى المعنوية ودرجات الحرية المحدودة ‪ ،‬يرفض الفرض‬
‫العدمي ‪ H0‬لصالح الفرض البديؿ ‪. H1‬‬
‫درجات الحرية الختبار جودة التوفيؽ معطاة بالصيغة‬
‫‪df = c - m - 1‬‬
‫حيث‬
‫‪ = c‬عدد الفئات‬
‫‪ = m‬عدد معالـ المجتمع التي يجري تقديرىا مف إحصائيات العينة‪.‬‬
‫درجات الحرية الختبارات االستقالؿ أو اختبارات جداوؿ االقتراف معطاة بالصيغة‬
‫)‪df = (r - 1)(c - 1‬‬
‫‪ = r‬عدد الصفوؼ في جدوؿ االقتراف‬ ‫حيث‬
‫‪ = n‬عدد األعمدة‪.‬‬
‫ويكوف التكرار المتوقع فى كؿ خمية مف جدوؿ االقتراف‬

‫‪fe ‬‬
‫‪ r c‬‬
‫‪n‬‬
‫حيث ‪ = n :‬حجـ العينة اإلجمالي‪.‬‬

‫مثال ‪ : 11‬وجد محؿ تجاري مف خبرتو الماضية أف ‪ 30%‬مف التميفزيونات المباعة مف الحجـ الصغير؛ ‪ 40%‬مف‬
‫الحجـ المتوسط؛ ‪ 30%‬مف الحجـ الكبير‪ .‬لتحديد جـ المخزوف الواجب االحتفاظ بو مف كؿ نوع‪ ،‬أخذ المدير عينة‬
‫عشوائية مف ‪ 100‬مف المبيعات الحديثة لمتميفزيوف فوجد أف منيا ‪ 20‬مف النوع الصغير؛ ‪ 40‬مف النوع المتوسط؛ ‪40‬‬
‫مف النوع الكبير‪ .‬باستخداـ مستوى معنوية ‪ ،5%‬يختبر المدير الفرض أف نمط المبيعات الماضي الزاؿ سائداً‪،‬‬
‫ويمضي كاآلتي انظر جدوؿ‬

‫‪( f 0  f e ) 2 (20  30) 2 (40  40) 2 (40  30) 2  10 2 0 2 10 2 100 100‬‬

‫‪x ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 5.83‬‬
‫‪fe‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪30‬‬ ‫‪30‬‬ ‫‪40 40‬‬ ‫‪30 40‬‬
‫‪df = c – m – 1 = 3 – 0 – 1 = 2‬‬

‫وحيث أنو لـ يتـ حساب أي مف معالـ المجتمع مف البيانات فإف ‪ df = 2 . m = 0‬تعني أننا إذا عممنا فئتيف‬
‫مف الثالث والمجموع‪ ،‬فإف الفئة الثالثة ال تكوف (حرة) التغير‪ .‬وحيث أف القيمة المحسوبة ‪ x2 = 5.83‬أصغر مف‬
‫القيمة الجدولية ‪ x2 = 5.99‬بمستوى معنوية ‪  = 0.05‬ودرجات حرية ‪ 2‬مف جدوؿ كآي مربع فإننا ال نستطيع أف‬
‫نرفض ‪ ، H0‬بأف نمط المبيعات في الماضي مازاؿ سائداً‪.‬‬

‫‪92‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -9‬تمارين محمولة‬
‫تمرين‪ : 11‬اجب عمى االسئمة التالية‬

‫( أ ) ماذا يقصد باختبار الفروض؟ ما ىو اإلجراء العاـ؟‬

‫ماذا يقصد بالخطأ مف النوع األوؿ والخطأ مف النوع الثاني؟‬ ‫(ب)‬

‫ماذا يقصد بمستوى المعنوية؟ بمستوى الثقة؟‬ ‫(ج)‬

‫الحل‪:‬‬

‫يشير اختبار الفروض إلى قبوؿ أو رفض ما عف خصية غير معمومة لممجتمع مثؿ أحد المعالـ أو شكؿ‬ ‫(أ)‬
‫توزيع المجتمع والخطوة األولى في اختبار الفروض ىي وضع فرض ما عف خصية المجتمع غير المعمومة‪ .‬ثـ تأخذ‬
‫عينة عشوائية مف المجتمع‪ ،‬وعمى أساس مف خصية العينة المناظرة‪ ،‬نقبؿ أو نرفض الفرض بدرجة معينة مف الثقة‪.‬‬

‫يشير الخطأ مف النوع األوؿ إلى رفض فرض صحيح‪ .‬ويشير الخطأ مف النوع الثاني إلى قبوؿ فرض‬ ‫(ب)‬
‫خاطئ‪ .‬وفي التحميؿ اإلحصائي‪ ،‬يمكننا ضبط أو تحديد احتماؿ الخطأ مف النوع األوؿ أو النوع الثاني‪ .‬وعادة نعبر‬
‫عف احتماؿ الخطأ مف النوع األ وؿ أو النوع الثاني‪ .‬وعادة نعبر عف احتماؿ الخطأ مف النوع األوؿ بالحرؼ اليوناني‬
‫آلفا )‪ ،(‬بينما نعبر عف احتماؿ الخطأ مف النوع الثاني بحرؼ بيتا بػ )‪ .(‬وتصغير الخطأ مف النوع األوؿ يترتب‬
‫عميو زيادة الخطأ مف النوع الثاني والطريقة الوحيدة لتخفيض كؿ مف ‪ ‬و ‪ ‬ىو زيادة حجـ العينة‪.‬‬

‫يشير مستوى المعنوية‪ :‬إلى احتماؿ رفض فرض صحيح أي ارتكاب خطا مف النوع األوؿ )‪ . (‬ويشير‬ ‫(ج)‬
‫مستوى الثقة )‪ (1 – ‬إلى احتماؿ قبوؿ فرض صحيح‪ .‬وفي اعمؿ اإلحصائي‪ ،‬فإف مستوى المعنوية ‪ ، ‬يحدد عادة‬
‫عند ‪ 5%‬فيكوف مستوى الثقة ‪ 1 –  ،‬عند ‪ . 95%‬أحياناً تكوف ‪ (  = 1%‬فتكوف ‪. )1 –  = 99%‬‬

‫التمرين ‪12‬‬

‫يرغب منتج كبالت مف الصمب اختبار ما إذا كانت الكبالت التي ينتجيا لدييا قوة مقاومة لمكسر قدرىا ‪.5,000 lb‬‬

‫فقوة مقاومة لمكسر أقؿ مف ‪ 5,000 lb‬لف تكوف مالئمة‪ ،‬وقوة مقاومة لمكسر أكبر مف ‪ 5,000 lb‬ترفع التكاليؼ‬
‫بدوف مبرر‪ .‬يأخذ المنتج عينة عشوائية مف ‪ 64‬قطعة ويجد أف متوسط قوة المقاومة لمكسر ىو ‪ 5,100 lb‬واالنحراؼ‬
‫المعياري ىو ‪ . 480 lb‬ىؿ يجب أف يقبؿ المنتج الفرض أف الكبالت الصمب ليا قوة مقاومة لمكسر ‪ 5,000 lb‬عند‬
‫مستوى معنوية ‪ 5%‬؟‬

‫الحل‪:‬‬

‫‪93‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حيث أف ‪ ‬مف الممكف أف تساوي‪ ،‬تزيد عف‪ ،‬أو تقؿ عف ‪ 5,000 lb‬فإننا نضع الفرض الصفري والفرض‬
‫البديؿ كاآلتي ‪:‬‬

‫‪H1 :   5,000 lb H0 :  = 5,000 lb‬‬

‫وحيث أف ‪ ،n > 30‬فإف توزيع المعاينة لموسط طبيعي تقريباً ( ويمكف استخداـ ‪ s‬كتقدير بدال مف ‪ .) ‬وتكوف منطقة‬
‫القبوؿ لالختبار عند مستوى معنوية ‪ 5%‬بيف ‪ 1.96‬تحت المنحنى الطبيعي القياسي ومنطقة الرفض أو المنطقة‬
‫الحرجة تكوف خارج ىذه الحدود أنظر شكؿ‪ .‬وحيث أف منطقة الرفض تقع عند الذيميف فأننا بصدد اختبار لو ذيميف‪.‬‬
‫وتكوف الخطوة الثالثة إيجاد قيمة ‪ z‬المناظرة لقيمة ‪: X‬‬

‫‪X  0‬‬ ‫‪X  0‬‬ ‫‪X  0‬‬ ‫‪5,100  5,000 100‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.67‬‬
‫‪X‬‬ ‫‪/ n‬‬ ‫‪s/ n‬‬ ‫‪480 / 64‬‬ ‫‪60‬‬

‫وحيث أف القيمة المحسوبة ‪ z‬تقع داخؿ منطقة القبوؿ‪ ،‬فيجب أف يقبؿ المنتج الفرض العدمي ‪ ، H0‬ويرفض‬
‫‪ H1‬عند مستوى معنوية ‪ ( 5%‬مستوى ثقة ‪ 5,000 lb . ) 95%‬ولكنو "يبرىف" فقط عمى أنو ال يوجد شاىد‬

‫التمرين ‪13‬‬

‫يدعى متحدث حكومي لمكافحة التموث أف أكثر مف ‪ 80%‬مف المصانع في المنطقة تستوفى معايير مكافحة‬
‫التموث‪ .‬ولكف واحدة مف أنصار مكافحة التموث ال تصدؽ ادعاء الحكومة‪ .‬فيي تأخذ عينة عشوائية مف البيانات‬
‫المنشورة عف مكافحة التموث في ‪ 64‬مصنعاً في منطقة وتجد أف منيا ‪ 56‬مصنعاً مستوفى معايير المكافحة‪.‬‬

‫ىؿ تؤيد بيانات العينة ادعاء الحكومة عند مستوى معنوية ‪5%‬؟‬ ‫(أ)‬

‫ىؿ يتغير القرار إذا كاف حجـ العينة ‪ 124‬مع بقاء نسبة المصانع التي تستوفى المعايير كما كانت مف قبؿ؟‬ ‫(ب)‬

‫الحل‬

‫‪94‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫( أ ) ىنا ‪ H0 : p = 0.80‬و ‪ .H1 : p > 0.80‬وتقع منطقة رفض ‪ H0‬إلى اليميف مف ‪ 1.64‬انحرافاً معيارياً‬
‫عند ‪ .  = 5%‬بالنسبة لمعينة ‪.‬‬

‫‪56‬‬ ‫)‪p(1  p‬‬ ‫)‪(0.8)(0.2‬‬

‫‪p‬‬ ‫‪ 0.88 et‬‬ ‫‪p ‬‬ ‫‪‬‬ ‫‪ 0.05‬‬
‫‪64‬‬ ‫‪n‬‬ ‫‪64‬‬

‫وحيث أف ‪:‬‬

‫‪p p‬‬ ‫‪0.88  0.80‬‬

‫‪z‬‬ ‫‪‬‬ ‫‪ 1.6‬‬
‫‪p‬‬ ‫‪0.05‬‬

‫فإنيا تقع داخؿ منطقة القبوؿ لمفرض ‪ . H0‬وىذا يعني أنو ليس ىناؾ سند إحصائي الدعاء الحكومة أف ‪p > 0.8‬‬
‫عند مستو المعنوية ‪. 5%‬‬

‫لو كاف حجـ العينة ‪ 124‬بدالً مف ‪ ، 64‬ولكف بقية ‪ ، p = 0.88‬فإف‬ ‫(ب)‬

‫)‪(0.8)(0.2‬‬ ‫‪0.88  0.80‬‬
‫‪p ‬‬ ‫‪ 0.04‬‬ ‫‪et‬‬ ‫‪z‬‬ ‫‪2‬‬
‫‪124‬‬ ‫‪0.04‬‬

‫وتقع ىذه القيمة ‪ z‬داخؿ منطقة رفض ‪ ( H0‬وال يكوف ىناؾ دليؿ ضد ادعاء الحكومة أف ‪ . ) p > 0.8‬الحظ أف‬
‫زيادة ‪( n‬مع ثبات األشياء األخرى عمى حاليا) وقد رفع مف احتماؿ قبوؿ ادعاء الحكومة‪.‬‬

‫تمرين ‪14‬‬

‫لعاـ ‪ 2:92‬لعدد ‪ 64‬طالباً متقدميف لمماجستير ىو‬ ‫متوسط الدرجات في امتحاف القبوؿ لمدراسات العميا ‪GRE‬‬
‫‪ 640‬درجة بانحراؼ معياري ‪ 20‬درجة‪ .‬وفي عاـ ‪ 2:93‬تقدـ ‪ 81‬طالباً لاللتحاؽ بالماجستير فكاف متوسط‬
‫درجاتيـ في امتحاف القبوؿ ‪ 650‬درجة بانحراؼ معياري ‪.40‬‬

‫ىؿ مستوى المتقدميف عاـ ‪ 2:92‬أقؿ مف مستوى المتقدميف عاـ ‪ 2:93‬عند مستوى معنوية ‪1%‬؟‬ ‫(أ)‬

‫ما ىي منطقة القبوؿ بداللة درجات امتحاف ‪GRE‬؟‬ ‫(ب)‬

‫الحل‬

‫(أ)‬
‫‪H 0 : 1   2‬‬ ‫‪et‬‬ ‫‪H 1 : 1   2‬‬
‫‪X 1  640‬‬ ‫‪s1  20‬‬ ‫‪n 1  64‬‬
‫‪X 2  650‬‬ ‫‪s 2  40‬‬ ‫‪n 2  81‬‬

‫‪95‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫وىذا اختبار الذيؿ األيسر حيث تقع منطقة القبوؿ لمفرض ‪ H0‬إلى اليميف مف ‪ - 2.33‬تحت المنحنى الطبيعي‬
‫القياسي‪ ،‬وعميو‪.‬‬

‫‪s12 s 22‬‬ ‫‪20 2 40 2‬‬

‫‪X‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 6.25  91.75  26  2.10‬‬
‫‪1 X 2‬‬ ‫‪n1 n 2‬‬ ‫‪64‬‬ ‫‪81‬‬

‫‪z‬‬
‫‪X 1  X 2   640  650   10  1.96‬‬
‫‪X‬‬ ‫‪5.10‬‬ ‫‪5.10‬‬
‫‪1 X 2‬‬

‫وحيث أف قيمة ‪ z‬المحسوبة تقع داخؿ منطقة القبوؿ‪ ،‬تقبؿ ‪ .H0‬وىذا يعني أنو ال يوجد دليؿ إحصائي عند مستوى‬
‫معنوية ‪ 1%‬يشير إلى أف مستوى المتقدميف يختمؼ بيف العاميف‪.‬‬

‫حيث أف الفرؽ المفترض بيف متوسطي المجتمعيف في الفرض ‪ H0‬ىو ‪ ،0‬فيمكننا إيجاد منطقة القبوؿ‬ ‫(ب)‬
‫لالختبار معب اًر عنيا بدرجات ‪ GRE‬كاآلتي ‪:‬‬
‫‪1   2 0  z X1  X 2‬‬ ‫‪ 0  (2.33)(5.10)  11.88‬‬

‫وحيث أف ‪ ، X1 = X2 = 10‬فإنيا تقع داخؿ منطقة القبوؿ لمفرض ‪ ( H0‬أنظر الشكؿ‬

‫التمرين ‪15‬‬

‫اشترت شركة خمسة منتجات مف مورد يقوؿ أف متوسط عمر المنتج ىو ‪2161‬ساعة‪ ،‬ولما قامت‬
‫الشركة باستعماؿ عينة المنتجات عاشت عدد ‪974 ،936 ،2247 ،2193 ،:75‬ساعة‪ ،‬ولـ تكف ىذه‬
‫النتائج مرضية بالنسبة لمشركة‪ ،‬المطموب إرساؿ شكوى لممورد تحمؿ النتائج وتقدـ التوصيات‪.‬‬

‫‪ -‬ىؿ يمكف القوؿ بصحة زعـ المورد بمستوى معنوية ‪1.16‬؟‬

‫حل التمرين‪:15‬‬

‫‪96‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪ -‬نالحظ بأف االختبار ىنا ىو اختبار المتوسط‪ ،‬وبما أف النتائج لـ تكف مرضية بالنسبة لمشركة فيذا‬
‫يعني أف االختبار ىو اختبار أحادي االتجاه مف اليسار ومنو الفرضيات تكتب مف الشكؿ التالي‪:‬‬

‫‪ H 0 :   1050‬‬
‫‪‬‬
‫‪ H1 :   1050‬‬

‫ومنو قاعدة القرار تكتب مف الشكؿ التالي‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ 0‬‬
‫‪RH‬‬ ‫‪si‬‬ ‫‪  z 1 .‬‬
‫‪‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪ R H sinon.‬‬
‫‪ 0‬‬

‫االنحراؼ المعياري لممجتمع مجيوؿ‪ ،‬إذف نحتاج إلى‬ ‫‪‬‬ ‫بما أف عدد المشاىدات لمعينة ىو ‪ ،6‬ولدينا‬
‫عند حساب ‪ .  x‬ونستخدـ كذلؾ توزيع ستيودنت ‪ t‬ومنو تصبح قاعدة‬ ‫‪S‬‬ ‫االنحراؼ المعياري لمعينة‬
‫القرار تكتب كما يمي‪:‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪ 0‬‬
‫‪RH‬‬ ‫‪si‬‬ ‫‪  t n 1; 1‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪/‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪R H sinon.‬‬
‫‪ 0‬‬

‫‪n  5; ; X ‬‬
‫‪x‬‬ ‫‪i‬‬
‫‪ 974; ; ; S  134.66‬‬ ‫‪ -‬لدينا‪:‬‬
‫‪n‬‬

‫نجد‪:‬‬ ‫‪tc‬‬ ‫ومنو بالتعويض في متغيرة القرار‬

‫‪974  1050‬‬
‫‪tc ‬‬ ‫‪ 1.13‬‬
‫‪134.66‬‬
‫‪4‬‬
‫‪ tt  t 4 ,1  2.132‬‬

‫‪ -‬القرار‪ :‬بما أف ‪ tc  1.13  tt  2.132‬فإننا نقبؿ الفرضية الصفرية ‪ ، H 0‬بمعنى أننا يمكف‬
‫أف نجزـ بصحة ادعاء المورد‪ ،‬وبالتالي ال يمكف رفع شكوى حوؿ عدـ صحة ادعائو‪.‬‬

‫تمرين ‪16‬‬

‫‪97‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫يرغب االتحاد األمريكي لطب األسناف في اختبار أي معجوف مف بيف معجوني أسناف أفضؿ في محاربة لتسوس‪.‬‬
‫أخذت عينة عشوائية مف ‪ 21‬شخصاً مف مستعمؿ كؿ مف المعجونيف موضع االختبار‪ .‬ووجد أف متوسط عدد‬
‫الفجوات لممجموعة األولى عمى مدى ‪ 10‬سنوات ىو ‪ 25‬بانحراؼ معياري ‪ 5‬وبالنسبة لممجموعة الثانية‪ ،‬متوسط‬
‫الفجوات ‪ 23‬بانحراؼ معياري ‪ 5‬بافتراض أف توزيع الفجوات طبيعي لمستعمؿ المعجوف األوؿ والمعجوف الثاني‪،‬‬
‫وأف ‪ ، 21 = 22‬حدد إذا كانت ‪ 1 = 2‬عند مستوى معنوية ‪5%‬‬
‫‪H 0 : 1   2‬‬ ‫‪et‬‬ ‫‪H 1 : 1   2‬‬
‫‪X 1  25‬‬ ‫‪s1  5‬‬ ‫‪n 1  21‬‬
‫‪X 2  23‬‬ ‫‪s2  4‬‬ ‫‪n 2  21‬‬

‫الحل‬

‫وحيث أف المجتمعيف يتبعاف التوزيع الطبيعي ولكف كؿ مف ‪ n1‬و ‪ n2‬أقؿ مف ‪ 30‬ومف المفترض أف ‪21 = 22‬‬
‫(لكنيما غير معموميف)‪ ،‬فأف توزيع المعاينة لمفرؽ بيف متوسط يتبع توزيع ‪ t‬بدرجات حرية ‪ . n1 + n2 – 2‬وحيث‬
‫أنو مف المفترض أف ‪( 21 = 22‬فيمكننا استخداـ ‪ s21‬كتقدير ‪ 21‬و ‪ s22‬كتقدير ‪ ، ) 22‬فإف‬

‫‪s2 s2‬‬
‫‪X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1 X 2‬‬ ‫‪n1 n2‬‬

‫‪n1  1s12  n2  1s22‬‬

‫‪s ‬‬
‫‪2‬‬
‫‪n1  n2  2‬‬

‫حيث‬

‫‪ s2‬متوسط مرجح القيـ ‪ s21‬و ‪ . s22‬األوزاف ىي ‪ n1 – 1‬و ‪ ، n2 – 1‬كما في معادلة (‪ 9-3‬ب) المقابمة لكؿ مف‬
‫‪ s21‬و ‪ s22‬لمحصوؿ عمى تقرير "غير متحير" لكؿ مف ‪ 21‬و ‪( 22‬انظر مسألة ‪ .)27-3‬وىذا اختبار ذو ذيميف‬
‫وتقع منطقة القبوؿ لمفرض ‪ H0‬داخؿ ‪ 2.021‬تحت توزيع ‪ t‬مع ‪  = 5%‬و = ‪n1 + n2 – 2 = 12 + 12 – 2‬‬
‫‪40 df‬‬
‫‪20(5) 2  20(4) 2 500  320‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ 20.5‬‬
‫‪40‬‬ ‫‪40‬‬
‫‪20.5 20.5‬‬ ‫‪42‬‬
‫‪ X X ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 2  1.41‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪21‬‬ ‫‪21‬‬ ‫‪21‬‬
‫‪X1  X 2‬‬ ‫‪25  23‬‬
‫‪z‬‬ ‫‪‬‬ ‫‪ 1.42‬‬
‫‪X‬‬ ‫‪1.41‬‬
‫‪1 X 2‬‬

‫‪98‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫أنظر‬ ‫وحيث أف قيمة ‪ t‬المحسوبة تقع داخؿ منطقة القبوؿ‪ ،‬فأننا ال نستطيع أف نرفض ‪ ، H0‬القائؿ بأف ‪1 = 2‬‬
‫شكؿ‪.‬‬

‫تمرين ‪17‬‬

‫ترغب شركة أف تحدد عند مستوى معنوية ‪ 1%‬ما إذا كانت نسبة المقبوؿ مف المكونات اإللكترونية لمورد أجنبي ‪،‬‬
‫‪ p1‬تزيد عنيا لمورد محمي‪ .p2 ،‬وقد أخذت الشركة عينة عشوائية مف شحنة كؿ مورد ووجدت أف ‪ p1 = 0.9‬و = ‪p2‬‬
‫‪ 0.7‬مف عينات مف حجـ ‪ n2 = 100‬و ‪ n1 = 80‬وقد وضعت الشركة الفروض التالية ‪:‬‬

‫‪H1 : p1 > p2‬‬ ‫‪H0 : p1 = p2‬‬

‫الحل‬
‫ىذا اختبار مف جية اليميف وتقع منطقة الرفض لممرض ‪ H0‬إلى اليميف مف ‪ 2.33‬تحت المنحنى الطبيعي القياسي‬

‫‪n1 p1  n2 p 2 (100)(0.9)  (80)(0.7) 146‬‬

‫‪p‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.8‬‬
‫‪n1  n2‬‬ ‫‪180‬‬ ‫‪180‬‬
‫) ‪p (1  p ) p(1  p‬‬ ‫)‪(0.8)(0.2) (0.8)(0.2‬‬
‫‪ p1  p2 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.0016  0.002  0.0036  0.06‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪100‬‬ ‫‪80‬‬
‫حيث‬

‫) ‪( p1  p2 )  ( p1  p2‬‬ ‫‪0.2‬‬
‫‪z‬‬ ‫‪‬‬ ‫‪ 3.33‬‬
‫‪ p1  p 2‬‬ ‫‪0.06‬‬
‫نرفض ‪ H0‬ونقبؿ الفرض أف ‪ p1 > p2‬عند مستوى معنوي ‪. 1%‬‬

‫التمرين‪:8‬‬

‫لدينا اختبار لقياس قدرة الطفؿ عمى تعمـ كممات جديدة‪ ،‬والمطموب معرفة ما إذا كاف متوسط درجات ىذا االختبار‬
‫ألطفاؿ إحدى المجتمعات يختمؼ عنو ألطفاؿ مجتمع أخر‪ ،‬افترض أف درجات أطفاؿ ىاتيف المجتمعيف تتبع التوزيع‬

‫‪99‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫الطبيعي بحيث ليما نفس التبايف‪ ،‬أعطى االختبار لمجموعتيف عشوائيتيف مستقمتيف مف األطفاؿ بعمر ‪ 5‬سنوات‬
‫البيانات التالية‪:‬‬

‫المجموعة الثانية‬ ‫المجموعة األولى‬

‫‪n2  8‬‬ ‫‪n1  10‬‬

‫‪X 2  97‬‬ ‫‪X 1  95‬‬

‫‪S22  36‬‬ ‫‪S12  40‬‬

‫‪ -‬اختبر الفرض القائؿ بتساوي قدرات أطفاؿ المجموعتيف عمى تعمـ كممات جديدة‪ ،‬بمستوى معنوية ‪   0.05‬؟‪.‬‬

‫حل التمرين‪:8‬‬

‫لدينا االختبار ىو اختبار الفرؽ بيف متوسطيف ومنو فاف الفرضيتيف تكتب مف الشكؿ التالي‪:‬‬

‫‪ H 0 : 1  2‬‬
‫‪‬‬
‫‪ H1 : 1  2‬‬

‫وبما أف العينات صغيرة فإف اإلحصائية في ىذه الحاالت بافتراض أف المجتمعيف طبيعياف‪ ،‬وأف تبايف المجتمع األوؿ‬
‫يساوي تبايف المجتمع الثاني ولكنو مجيوؿ (بمعنى أف ‪  12   22‬ولكف قيمة ىذا التبايف غير معروفة) وأف العينتيف‬
‫مستقمتاف فإف إحصائية االختبار تأخذ الشكؿ التالي والتي ليا توزيع ‪ t‬بدرجة حرية تساوي ‪:n1 + n2 – 2‬‬

‫‪X1 X 2‬‬
‫‪T/ ‬‬ ‫‪ t n1  n2  2‬‬
‫‪n1  1S12  n 2  1S 22‬‬ ‫‪ 1‬‬
‫‪‬‬
‫‪1‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪n1  n 2  2‬‬ ‫‪ n1 n 2‬‬ ‫‪‬‬

‫والقرار يكتب مف الشكؿ التالي‪:‬‬

‫‪‬‬
‫‪ RH 0 ..Si...T  tn1  n2  2‬‬
‫‪/‬‬

‫‪‬‬
‫‪‬‬
‫‪ RH 0 ..Sinon‬‬

‫‪ -‬بالتعويض بالقيـ في متغيرة القرار نجد‪:‬‬

‫‪100‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪X‬‬ ‫‪X‬‬
‫‪‬‬
‫‪/‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪T‬‬
‫‪n1‬‬ ‫‪ 1S 12  n 2  1S 22‬‬ ‫‪ 1‬‬
‫‪‬‬
‫‪1‬‬ ‫‪‬‬
‫‪‬‬
‫‪n1  n 2  2‬‬ ‫‪n  n‬‬ ‫‪‬‬
‫‪ 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪95  97‬‬
‫‪‬‬ ‫‪ 0.68‬‬
‫‪940   7 36 ‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪ ‬‬
‫‪‬‬
‫‪16‬‬ ‫‪ 10‬‬ ‫‪8‬‬
‫‪t n1  n 2  2  t 1 6; 0.0 2 5‬‬ ‫‪ 2.12‬‬

‫‪ T  0.68  tt  2.12‬فإننا نقبؿ فرضية العدـ ونستنتج أف الفرض القائؿ بتساوي قدرات‬ ‫‪ -‬القرار‪ :‬بما أف‬
‫‪/‬‬

‫أطفاؿ المجموعتيف عمى تعمـ كممات جديدة صحيح‪.‬‬

‫التمرين‪:9‬‬

‫ومستقمتيف‪ ،‬وجدنا‬ ‫‪n2  67‬‬ ‫وحجـ الثانية‬ ‫‪n1  51‬‬ ‫سحبنا مف مجتمعيف طبيعييف عينتيف حجـ األولى‬
‫النتائج التالية‪:‬‬

‫‪. S12  13; ; S22  11; ; X 1  101; ; X 2  96‬‬

‫‪ -‬كيؼ يمكف إجراء اختبار تساوي تبايني المجتمعيف بمستوى معنوية ‪1.16‬؟‪.‬‬

‫حل التمرين‪:9‬‬

‫الغرض مف االختبار ىو تأكيد أو نفي تساوي تباينا مجتمعيف مف خالؿ عينتيف عشوائيتيف بسيطتيف مستقمتيف‪.‬‬

‫تكتب الفرضيات في حالة االختبار الثنائي كما يمي‪:‬‬

‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬

‫بما أف المجتمعيف طبيعييف وحجـ العينتيف كبير يعني أكبر مف ‪ ،41‬فإننا نعتمد في االختبار عمى متغيرة القرار ‪T‬‬
‫والتي تساوي‪:‬‬

‫‪1‬‬ ‫‪‬‬ ‫‪Sˆ12 ‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬

‫‪T ‬‬ ‫‪ln‬‬ ‫‪/‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫)‪  N (0;1‬‬
‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪Sˆ 22 ‬‬
‫‪‬‬ ‫‪2  n1  1‬‬ ‫‪n2  1 ‬‬
‫‪‬‬

‫‪101‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫‪‬‬ ‫‪n1‬‬ ‫‪51‬‬

‫‪S12  S12‬‬ ‫‪ 13‬‬ ‫‪ 13.26‬‬
‫‪n1  1‬‬ ‫‪50‬‬
‫‪‬‬ ‫‪n2‬‬ ‫‪67‬‬
‫‪S 22  S 22‬‬ ‫‪ 11‬‬ ‫‪ 11.17‬‬
‫‪n2  1‬‬ ‫‪66‬‬
‫‪1  13.26 ‬‬ ‫‪1  1   1 ‬‬
‫‪T ‬‬ ‫‪ln ‬‬ ‫‪/‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  0.65‬‬
‫‪2  11.17 ‬‬ ‫‪2‬‬‫‪‬‬‫‪‬‬ ‫‪50‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪66‬‬ ‫‪‬‬
‫‪  0.05  zt  1.96‬‬

‫‪ -‬القرار‪ :‬بما أف ‪ T  0.65  Zt  1.96‬فإننا نقبؿ الفرضية الصفرية‪ ،‬أي نقبؿ بتساوي التباينيف‪.‬‬

‫تمرين ‪ : 11‬يتقدـ إلى انتخابات معينة ‪ 4‬مرشحيف‪ :‬أ‪ ،‬ب وج‪ .‬نريد اختبار فرضية بمستوى معنوية ‪6‬‬
‫‪%‬حوؿ شعبيتيـ كما يمي‪:‬‬

‫‪H0 : p1 = 0.4, p2 = 0.35, p3 = 0,25‬‬

‫أجري استجواب ؿ ‪ 511‬ناخب فكاف توزع فئات المسانديف عمى التوالي‪. :6 ،246 ،281 :‬‬

‫حل التمرين ‪11‬‬

‫لدينا ‪،n = 511 ≥ 41‬األعداد االفتراضية ‪،npi0 = 271, 251, 211 ≥ 2‬وأكثر مف ‪ % 91‬مف ‪npi0 ≥ 6‬‬

‫‪(ni  npi 0 )² (170  160)² (135  140)² (95  100)²‬‬

‫‪T  i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.05‬‬
‫‪npi 0‬‬ ‫‪160‬‬ ‫‪140‬‬ ‫‪100‬‬

‫‪ 22;0.95  5.99  1.05  RH 0‬‬

‫تمرين ‪: 11‬‬

‫جمع تاجر سيارات البيانات الموضحة في جدوؿ (‪ )3-6‬عف عدد السيارات األجنبية والمحمية التي يشترييما عمالء‬
‫أعمارىـ تحت سف ‪ 30‬سنة‪ ،‬والتي يشترييا عمالء أعمارىـ سف ‪ 30‬سنة فأكثر‪ .‬الختبار ما إذا كاف نوع السيارة‬
‫المشتراة (أجنبية أو محمية) مستقبالً عف سف المشتري عند معنوية ‪ ،1%‬ننشئ جدوؿ التك اررات المتوقعة كما يبيف‬
‫الجدوؿ ادناه القيمة في الخمية األولى صؼ ‪ 1‬وعمود ‪،1‬‬

‫السن‬ ‫نوع السيارة‬ ‫اإلمجايل‬

‫‪102‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫حملية‬ ‫أجنبية‬

‫اقل من ‪41‬‬ ‫‪21‬‬ ‫‪40‬‬ ‫‪70‬‬

‫أكثر من ‪41‬‬ ‫‪29‬‬ ‫‪80‬‬ ‫‪100‬‬

‫حل التمرين ‪:11‬‬

‫‪fe ‬‬
‫‪ r  c  (70)(50)  21‬‬
‫‪n‬‬ ‫‪170‬‬
‫ويمكف الحصوؿ عمى التك اررات المتوقعة الثالثة الباقية بالطرح مف مجموع الصفوؼ ومجموع األعمدة‪ .‬أي‬

‫‪df = (r – 1)(c – 1) = (2 – 1) (2 – 1) = 1‬‬

‫‪( f 0  f e ) 2 (30  21) 2 (40  49) 2 (20  29) 2 (80  71) 2‬‬
‫‪x ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 9.44‬‬
‫‪fe‬‬ ‫‪21‬‬ ‫‪49‬‬ ‫‪29‬‬ ‫‪71‬‬

‫وحيث أف قيمة ‪ x2‬المحسوبة تتجاوز قيمة ‪ x2‬عند ‪  = 0.01‬و ‪ ( df = 1‬أنظر جدوؿ كاي مربع ‪ ،‬نرفض ‪ H0‬القائؿ‬
‫بأف السف ليس عامالً في تحديد نوع السيارة المشتراة‬

‫‪103‬‬
 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء ‪)30‬‬

‫المراجع‬
‫‪ -2‬السعدي رجاؿ‪ ،‬نظرية االحتماالت‪،‬الجزء الثاني ‪ ،‬ديواف المطبوعات الجامعية‪ ،‬الجزائر‪2::6،‬‬
‫‪ -3‬بوعبد اهلل صالح‪ ،‬محاضرات في االحصاء الرياضي‪-3116،‬‬
‫‪ -4‬بودغدغ احمد ‪ ،‬محاضرات في االحصاء ‪14‬‬
‫‪ -5‬جالؿ الصياد‪ ،‬عبد الحميد محمد ‪ -‬ربيع‪ ،‬مبادئ الطرؽ اإلحصائية‪ ،‬الطبعة األولى‪ ،‬دار الناشر تيامة‪ ،‬جدة‪ -‬المممكة‬
‫العربية السعودية ‪.2:94‬‬
‫‪ -6‬بشراير عمراف‪،‬دروس في ترتيب وتسمسؿ زمني‪،‬جامعة التكويف المتواصؿ‪ ،‬الجزائر‬
‫‪ -7‬حممي فضؿ كتانة‪ ،‬اإلحصاء التطبيقي الحديث واالحتماالت‪ ،‬المطبعة االىمية‪ ،‬الدوحة ‪ ،‬قطر‪2::: ،‬‬
‫‪ -8‬جالؿ الصياد‪ ،‬عبد الحميد محمد ربيع‪ ،‬مبادئ الطرؽ اإلحصائية‪ ،‬الطبعة األولى‪ ،‬دار الناشر تيامة‪ ،‬جدة‪ -‬المممكة‬
‫العربية السعودية ‪.2:94‬‬
‫‪ -9‬الطاىر جميط‪ ،‬محاضرات في االقتصاد القياس ‪،3127‬‬
‫‪ -:‬عبدالحميد عبد الحميد البمداوي ‪،‬اإلحصاء لمعموـ اإلدارية و التطبيقية ‪ ،‬دار الشروؽ ‪ ،‬عماف ‪ ،‬الطبعة األولى‪7991.‬‬
‫‪ -21‬عدس‪ ،‬عبد الرحمف وآخروف‪ )2::3(.‬البحث العممي‪ :‬مفيومو‪.‬أدواتو‪.‬أساليبو‪ .‬دار مجدالوي لمنشر والتوزيع‪.‬عماف‬
‫ص ‪21:‬‬
‫‪ -22‬عودة‪ ،‬احمد سميماف‪ ،‬الخميمي‪ ،‬خميؿ يوسؼ‪3111(،‬ـ)‪.‬اإلحصاء لمباحث في التربية والعموـ اإلنسانية‪ .‬دار األمؿ‬
‫‪ 21‬عدناف عباس حميداف‪ ،‬مطانيوس مخوؿ‪ ،‬فريد جاعوني‪ ،‬عمار ناصر آغا‪ ،‬اإلحصاء التطبيقي‪ ،‬منشورات جامعة‪،‬‬
‫دمشؽ ‪.3117‬‬
‫‪ 22‬نصيب رجـ‪،‬االحصاء التطبيقي‪،‬دار العموـ لمنشر والتوزيع‪3115 ،‬‬
‫‪ 23‬محمد غنيـ واخروف‪ ،‬مقدمة في اإلحصاء الوصفي والتطبيقي‪ ،‬مكتبة االنجمو المصرية‪ ،‬القاىرة ‪3112 ،‬‬
‫المراجع بالمغة االجنبية‬

‫‪104‬‬
)30 ‫محاضرات في اإلحصاء التطبيقي (اإلحصاء‬

1- Bruce W. Tuckman. (1994)Conducting Educational Research Fourth Edition.Harcourt

Brace & company
2- Gérald .Baillargeon ; " Probabilités statistique et techniques des régression" ; SMG
Gabrielle vangrevelinghe,Econometrie,Herman ,paris,1973
3- Dagnelie P. (2006b) Statistique théorique et appliquée. 2. Inférence statistique à une et à deux
dimensions. 3ème édition. De Boeck.
4- Charles pupion Pierre, statistique pour la gestion, 3éme édition, Duno, Paris, 2012.
5- Khaled khaldi, Methode statistique et probabilite,edition casbah,Alger,2000
6- Freund, J (2001) Modern Elementary Statistics 10th Edition, Printice Hall.
7- Hamburg, Morris (1989) Statistical Analysis for Decision Making, Harcoort Brace
Jovanwich, USA.
8- Dagnelie P. (2006a) Statistique théorique et appliquée. 1. Statistique descriptive et base de
l’inférencestatistique. 4ème édition. De Boeck.
9- Keller, G and Waracck, B (2001): Statistics for Management and Economics 6th Edition
Duxbury.
10- Lejeune Michel, Statistique : La théorie et ses applications , Deuxième édition, Springer Verlag,
Paris, 2010.
11- Mills, Frederick (1955), Statistical Methods, Holt, Rinehart and Winston, New York, USA.
12- Millot G. (3119) Comprendre et réaliser les tests statistiques à l’aide de R. 3ème édition. De Boeck
13- Neeter, J, Waserman, Whitmare, (1993): Applied Statistics. 4th Edition, Louise Richardson.
14- Wonnacott, Thomas and Wonnacott, Ronald (1990) Introductory Statistics for Business and
Economics, John wiley & soon, New York, USA
15- Dagnelie P. (3114) Principes d’expérimentation : planification des expériences et analyse de
leursrésultats. Les presses agronomiques de Gembloux
16- Uma Sekaran.(1992)Research Methods For Business : A Skill - Building Approach, John
Wiley and Sons , InC.
17- Pierre Boulay Jean, Staistique mathématique ellipses, paris 2010
18- Miller,Irwin.(1985) Probability and statistics for engineers.Third Edition.Prentice-Hall, Inc.
19- Stephan Morgenthaler , Introduction à la statistique ,press polytechnique et universitaires
romandes , Lausanne , 2007.
20- Saporta Gilbert, probabilité, Analyse des données et statistique, 2 édition, technique , Paris
2006
LES LIENS
- www.edu-women.uokufa.edu.iq/t/safa.t/2.
- Bates D. (2010) lme4 :Mixed-effects modeling with R. [http://lme4.r-forge.r-project.org]
- Poinsot D. (2005) R pour les statophobes. [http://perso.univ-rennes1.fr/denis.poinsot]
- www.ssnpstudents.com/wp/wp-content/uploads/..c
- www.edu-women.uokufa.edu.iq/t/safa.t/2.doc
- Genolini C. (2002) R, bonnes pratiques. [http://cran.r-project.org, rubrique Contributed]
- www.onefd.edu.dz/3ass/fichiersPDF/322/.../
- www.kenanaonline.com

105