‫ﺗﻮﺯﻳﻌﺎﺕ ﺍﻟﻌﻴﻨﺔ‬

‫د‪ .‬ﻣﺼﻄﻔﻰ ﺑﺎﺑﻜﺮ‬

 ‫ﺗﻮزﻳﻌﺎت اﻟﻌﻴﻨﺔ واﻻﺣﺘﻤﺎﻻت‬

‫ﺗﻮزﻳﻌﺎت اﻟﻌﻴﻨﺔ واﻻﺣﺘﻤﺎﻻت )‪(Sampling Distributions‬‬

‫• ﻳﻘﺼﺪ ﺑﺘﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﺗﻮﺯﻳﻊ ﺍﻟﻜﻤﻴﺎﺕ ﺍﶈﺴﻮﺑﺔ ﻣﻦ ﺍﻟﻌﻴﻨﺔ ﻭﺫﻟﻚ ﻟﻜﻞ‬

‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﳌﻤﻜﻦ ﺳﺤﺒﻬﺎ ﻣﻦ ﺍ‪‬ﺘﻤﻊ ﺍﻹﺣﺼﺎﺋﻲ‪ .‬ﻭﺍﻟﻐﺮﺽ ﺍﻟﻨﻈﺮﻱ ﻣﻦ‬
‫ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻫﻮ ﲢﺪﻳﺪ ﺍﻟﻌﻼﻗﺔ ﺑﲔ ﺍﻟﻜﻤﻴﺎﺕ ﺍﶈﺴﻮﺑﺔ ﻣﻦ ﺍﻟﻌﻴﻨﺔ ﻭﻣﺎ‬
‫ﻳﻘﺎﺑﻠﻬﺎ ﻣﻦ ﻣﻌﺎﱂ ﰲ ﺍ‪‬ﺘﻤﻊ ﺍﻹﺣﺼﺎﺋﻲ ﻭﲟﺜﻞ ﻫﺬﺍ ﺍﻟﺮﺑﻂ ﻳﺴﻬﻞ‬
‫ﺍﻻﺳﺘﺪﻻﻝ ﻋﻠﻰ ﻣﻌﺎﱂ ﺍ‪‬ﺘﻤﻊ ﺍﻹﺣﺼﺎﺋﻲ‪.‬‬
‫• ﺗﻌﺮﻑ ﺍﻟﻜﻤﻴﺎﺕ ﺍﶈﺴﻮﺑﺔ ﻣﻦ ﺍﻟﻌﻴﻨﺔ ﺑﺎﳌﻘﺪﺭﺍﺕ )‪ (Estimates‬ﻭﻣﺎ‬
‫ﻳﻘﺎﺑﻠﻬﺎ ﰲ ﺍ‪‬ﺘﻤﻊ ﺑﺎﳌﻌﺎﱂ )‪.(Parameters‬‬
‫• ﺗﺘﻤﺜﻞ ﺃﻫﻢ ﺧﺼﺎﺋﺺ ﺍ‪‬ﺘﻤﻊ ﺍﻹﺣﺼﺎﺋﻲ ﰲ ﺍﳌﺴﺘﻮﻯ ﻭﻳﻌﱪ ﻋﻨﻪ ﲟﻌﺎﱂ‬
‫ﺍﻟﻨﺰﻋﺔ ﺍﳌﺮﻛﺰﻳﺔ ﻭﺍﻟﺸﻜﻞ ﻭﻳﻌﱪ ﻋﻨﻪ ﲟﻌﺎﱂ ﺍﻟﺘﺸﺘﺖ‪ .‬ﻭﻳﻌﺘﱪ ﺃﺷﻬﺮ‬
‫ﻣﻌﻠﻤﺔ ﻟﻠﻨﺰﻋﺔ ﺍﳌﺮﻛﺰﻳﺔ ﻫﻲ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ) ‪ (µ‬ﻟﻠﺒﻴﺎ�ﺎﺕ ﺍﻟﻜﻤﻴﺔ‬
‫ﻭﺍﻟﻨﺴﺒﺔ )‪ (P‬ﻟﻠﺒﻴﺎ�ﺎﺕ ﺍﻟﻨﻮﻋﻴﺔ ﻭﺃﺷﻬﺮ ﻣﻌﻠﻤﺔ ﻟﻠﺘﺸﺘﺖ ﻫﻲ ﺍﻻﳓﺮﺍﻑ‬
‫ﺍﳌﻌﻴﺎﺭﻱ ) ‪ . (σ‬ﻭﺑﺎﳌﻘﺎﺑﻞ ﻓﺈﻥ ﺃﺷﻬﺮ ﺍﳌﻘﺪﺭﺍﺕ ﻫﻲ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ‬
‫ﻟﻠﻌﻴﻨﺔ ) ‪ (x‬ﻭﺍﻟﻨﺴﺒﺔ )‪ (P‬ﻭﺍﻻﳓﺮﺍﻑ ﺍﳌﻌﻴﺎﺭﻱ ﻟﻠﻌﻴﻨﺔ ) ‪. (s‬‬
‫• ﻫﻨﺎﻟﻚ ق‪ n‬ﻃﺮﻳﻘﺔ ﻻﺧﺘﻴﺎﺭ ﻋﻴﻨﺔ ﻣﻜﻮ�ﺔ ﻣﻦ ‪ n‬ﻣﻔﺮﺩﺓ ﻣﻦ ﳎﺘﻤﻊ‬
‫‪N‬‬

‫ﻣﻜﻮﻥ ﻣﻦ‪ N‬ﻣﻔﺮﺩﺓ‪ .‬ﺃﻱ ﺃﻥ ﻫﻨﺎﻟﻚ ‪ N‬ق‪ n‬ﻗﻴﻢ ﻟﻠﻤﻘﺪﺭ ﺍﻟﻮﺍﺣﺪ ﳝﻜﻦ‬
‫ﺣﺴﺎﲠﺎ ﻣﻦ ﻫﺬﻩ ﺍﻟﻌﻴﻨﺎﺕ‪ .‬ﻋﻠﻴﻪ ﻓﻴﻌﺘﱪ ﺍﳌﻘﺪﺭ ﻣﺘﻐﲑ ﳝﻜﻦ‬
‫ﺣﺴﺎﺏ ﺍﻟﻔﺮﺹ ﻟﻠﻘﻴﻢ ﺍﻟﱵ ﻳﺄﺧﺬﻫﺎ ﺑﺎﺳﺘﺨﺪﺍﻡ �ﻈﺮﻳﺔ ﺍﻻﺣﺘﻤﺎﻻﺕ‬
‫ﻭﻳﻌﺮﻑ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻻﺣﺘﻤﺎﱄ ﻟﻘﻴﻢ ﺍﳌﻘﺪﺭ ﺑﺘﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻤﻘﺪﺭ‪.‬‬
‫• ﻳﺘﺤﺪﺩ ﺷﻜﻞ ﻭﻣﻀﻤﻮﻥ ﺍﻟﺘﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﲏ ﺍﳌﻘﺪﺭ ﲟﻌﺮﻓﺔ ﺍﻟﻌﺰﻭﻡ‬
‫)‪ (Moment‬ﺍﻷﺭﺑﻌﺔ ﺍﻷﻭﱃ ﻟﻠﺘﻮﺯﻳﻊ‪ :‬ﺍﻟﻌﺰﻡ ﺍﻷﻭﻝ ﻭﳝﺜﻠﻪ ﺍﻟﻮﺳﻂ‬
‫ﺍﳊﺴﺎﺑﻲ ﺃﻭ ﺍﻟﻘﻴﻤﺔ ﺍﳌﺘﻮﻗﻌﺔ ﻟﻠﻤﻘﺪﺭ‪ ،‬ﺍﻟﻌﺰﻡ ﺍﻟﺜﺎ�ﻲ ﻭﳝﺜﻠﻪ ﺍﻹﳓﺮﺍﻑ‬
‫ﺍﳌﻌﻴﺎﺭﻱ‪ ،‬ﺍﻟﻌﺰﻡ ﺍﻟﺜﺎﻟﺚ ﻭﻳﻌﻜﺲ ﺍﻹﻟﺘﻮﺍﺀ )‪ (Skewness‬ﻭﺍﻟﻌﺰﻡ‬
‫ﺍﻟﺮﺍﺑﻊ ﻭﻳﻌﻜﺲ ﺍﻟﺘﻔﺮﻃﺢ ﺃﻭ ﲰﺎﻛﺔ ﺍﻟﺬﻳﻞ )‪.(Kurtosis‬‬
‫ﻭﲢﺴﺐ ﺍﻟﻌﺰﻭﻡ ﻣﻦ ﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﻤﻘﺪﺭ‪.‬‬
‫• ﺇﺫﺍ ﺭﻣﺰ�ﺎ ﻟﻠﻤﻘﺪﺭ ﺑــ ˆ‪ θ‬ﻭﻟﻘﻴﻤﺔ ﺍﳌﻌﻠﻤﺔ ﺍﻟﱵ ﻳﻘﺪﺭﻫﺎ ﺑــ ‪ θ‬ﻓﺈﻥ‬
‫ﺍﻻﳓﺮﺍﻑ ‪ D = θˆ − θ‬ﻳﻌﺮﻑ ﲞﻄﺄ ﺍﳌﻌﺎﻳﻨﺔ ) ‪Sampling‬‬
‫‪ (Error‬ﺃﻭ ﺧﻄﺄ ﺍﻟﺘﻘﺪﻳﺮ )‪ .(Estimation Error‬ﻭﻳﺴﺘﺨﺪﻡ‬
‫ﻫﺬﺍ ﺍﳋﻄﺄ ﰲ ﻗﻴﺎﺱ ﺩﺭﺟﺔ ﺍﻟﺘﺤﻴﺰ ﻟﻠﻤﻘﺪﺭ ﻭﰲ ﻗﻴﺎﺱ ﻛﻔﺎﺀﺓ‬
‫ﺍﳌﻘﺪﺭ‪ .‬ﻭﻟﺘﺤﺪﻳﺪ ﲢﻴﺰ ﺍﳌﻘﺪﺭ ﺃﻭ ﻛﻔﺎﺀﺗﻪ ﳓﺘﺎﺝ ﺃﻥ �ﺴﺘﻌﺮﺽ‬
‫�ﻈﺮﻳﺔ ﺍﻻﺣﺘﻤﺎﻻﺕ ﻭﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ‪.‬‬
 ‫ﺍﻻﺣﺘﻤﺎﻻﺕ‬

‫د‪ .‬ﻣﺼﻄﻔﻰ ﺑﺎﺑﻜﺮ‬

 ‫اﻻﺣﺘﻤﺎﻻت )‪(Probabilities‬‬

‫• ﻳﻌﺘﱪ ﻋﻠﻢ ﺍﻻﺣﺘﻤﺎﻻﺕ ﻣﻦ ﺃﻫﻢ ﻋﻠﻮﻡ ﺍﻹﺣﺼﺎﺀ ﻭﺫﻟﻚ ﻷﻥ ﻣﻌﻈﻢ‬

‫ﺍﻟﻨﻈﺮﻳﺎﺕ ﻭﺍﻟﻄﺮﻕ ﺍﻹﺣﺼﺎﺋﻴﺔ ﺑﻨﻴﺖ ﻣﻦ ﺍﻷﺳﺎﺱ ﻋﻠﻴﻪ‪ .‬ﻟﻴﺲ ﺫﻟﻚ‬
‫ﻓﺤﺴﺐ ﺑﻞ ﻟﻌﻠﻢ ﺍﻻﺣﺘﻤﺎﻻﺕ ﺃﺛﺮ ﻛﺒﲑ ﻋﻠﻰ ﺣﻴﺎﺗﻨﺎ ﺍﻟﻴﻮﻣﻴﺔ ﻭﺫﻟﻚ ﻷﻥ‬
‫ﻛﺜﲑ ﻣﻦ ﺍﻟﻘﺮﺍﺭﺍﺕ ﺍﻟﻔﺮﺩﻳﺔ ﻭﺍﳉﻤﺎﻋﻴﺔ ﺍﻟﱵ ﺗﺘﺨﺬ ﻳﻮﻣﻴﺎً ﺗﺒﻨﻰ ﻋﻠﻰ‬
‫ﺗﻮﻗﻌﺎﺕ ﳐﺘﻠﻔﺔ ﳊﺪﻭﺙ ﺑﻌﺾ ﺍﻷﺷﻴﺎﺀ ﺃﻭ ﻋﺪﻡ ﺣﺪﻭﺛﻬﺎ‪.‬‬
‫• ﺍﻻﺣﺘﻤﺎﻝ ﻫﻮ ﻣﻘﻴﺎﺱ ﳊﺎﻟﺔ ﻋﺪﻡ ﺍﻟﻴﻘﲔ ﻭﻳﻌﺮﻑ ﻋﻠﻰ ﺃ�ﻪ ﻗﻴﻤﺔ ﺭﻗﻤﻴﺔ ﺑﲔ‬
‫ﺍﻟﺼﻔﺮ ﻭﺍﻟﻮﺍﺣﺪ ﺍﻟﺼﺤﻴﺢ ﻟﺘﻮﻗﻌﺎﺕ ﺣﺪﻭﺙ ﺣﺪﺙ ﻣﻌﲔ ﺣﻴﺚ ﺍﻟﺼﻔﺮ‬
‫ﻳﻌﲏ ﺍﺳﺘﺤﺎﻟﺔ ﺣﺪﻭﺙ ﺍﳊﺪﺙ ﻭﺍﻟﻮﺍﺣﺪ ﻳﻌﲏ ﺍﻟﺘﻴﻘﻦ ﻣﻦ ﺣﺪﻭﺛﻪ‪.‬‬
‫ﻭﻳﺮﺗﺒﻂ ﺣﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻻﺕ ﲟﺎ ﻳﻌﺮﻑ ﰲ ﻋﻠﻢ ﺍﻹﺣﺼﺎﺀ ﺑﺎﻟﺘﺠﺎﺭﺏ‬
‫ﺍﻟﻌﺸﻮﺍﺋﻴﺔ )‪ (Random Experiments‬ﻭﺍﳌﺘﻐﲑﺍﺕ ﺍﻟﻌﺸﻮﺍﺋﻴﺔ‬
‫)‪ (Random Variables‬ﺣﻴﺚ ﻋﺸﻮﺍﺋﻴﺔ ﺗﻌﲏ ﻛﻤﺎ ﺃﺳﻠﻔﻨﺎ‬
‫ﺗﺴﺎﻭﻱ ﻓﺮﺹ ﺍﳊﺪﻭﺙ ﻟﻘﻴﻢ ﺍﳌﺘﻐﲑ ﺃﻭ ﺍﻟﺘﺠﺮﺑﺔ‪.‬‬
 ‫• ﻳﻌﺮﻑ ﺍﻻﺣﺘﻤﺎﻝ ﻛﻼﺳﻴﻜﻴﺎً ﺑﺄ�ﻪ �ﺴﺒﺔ ﺣﺪﻭﺙ ﺍﳊﺪﺙ ﺍﳌﻌﲔ ﺇﺫﺍ ﻣﺎ‬
‫ﰎ ﺇﺟﺮﺍﺀ ﺍﻟﺘﺠﺮﺑﺔ ﺍﻟﻌﺸﻮﺍﺋﻴﺔ ﻟﻌﺪﺩ ﻛﺒﲑ ﻣﻦ ﺍﳌﺮﺍﺕ‪ .‬ﺃﻱ‪:‬‬

‫ﻋﺪﺩ ﻣﺮﺍﺕ ﺣﺪﻭﺙ ‪A‬‬

‫= )‪P ( A‬‬
‫ﻋﺪﺩ ﺍﳌﺮﺍﺕ ﺍﻟﱵ ﺃﻋﻴﺪﺕ ﻓﻴﻬﺎ ﺍﻟﺘﺠﺮﺑﺔ‬

‫‪3‬‬ ‫ﻭﻣﺜﺎﻝ ﻟﺬﻟﻚ ﺍﺣﺘﻤﺎﻝ ﻇﻬﻮﺭ ﺭﻗﻢ ﻓﺮﺩﻱ ﻋﻨﺪ ﺭﻣﻲ ﺯﻫﺮﺓ ﻳﺴﺎﻭﻱ‬
‫‪6‬‬
‫ﺃﻭ ‪ 2‬ﺣﻴﺚ ﲤﺜﻞ ‪ 3‬ﻋﺪﺩ ﻣﺮﺍﺕ ﻇﻬﻮﺭ ﺭﻗﻢ ﻓﺮﺩﻱ ﻭ ‪ 6‬ﲤﺜﻞ ﻋﺪﺩ‬
‫‪1‬‬

‫ﺍﻷﺭﻗﺎﻡ ﺍﳌﻤﻜﻦ ﺣﺪﻭﺛﻬﺎ ﻋﻨﺪ ﺇﺟﺮﺍﺀ ﲡﺮﺑﺔ ﺭﻣﻲ ﺍﻟﺰﻫﺮﺓ‪.‬‬

‫• ﻫﻨﺎﻟﻚ ﻗﺎ�ﻮ�ﲔ ﻣﻬﻤﲔ ﰲ ﺣﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻻﺕ ﳘﺎ ﻗﺎ�ﻮﻥ ﺍﳉﻤﻊ ﻭﻗﺎ�ﻮﻥ‬
‫ﺍﻟﻀﺮﺏ ﺃﻭ ﺍﳌﻀﺎﻋﻔﺔ‪.‬‬

‫• ﺗﺒﻌﺎً ﻟﻘﺎ�ﻮﻥ ﺍﳉﻤﻊ ﻓﺈﻥ ﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ﺃﺣﺪ ﺍﳊﺪﺛﲔ ‪ A‬ﺃﻭ ‪ B‬ﰲ‬
‫ﲡﺮﺑﺔ ﻣﺎ ﻫﻮ ﳎﻤﻮﻉ ﺍﺣﺘﻤﺎﱄ ﺣﺪﻭﺛﻬﻤﺎ ﻣﻨﻔﺮﺩﻳﻦ �ﺎﻗﺼﺎً ﺍﺣﺘﻤﺎﻝ‬
‫ﺣﺪﻭﺛﻬﻤﺎ ﳎﺘﻤﻌﲔ‪ ،‬ﺃﻱ‪:‬‬

‫) ‪P ( A or B ) = P ( A ) + P ( B ) − P ( A , B‬‬
‫ﻭﻳﺴﻤﻰ ﺍﳊﺪﺛﺎﻥ ‪ A‬ﻭ ‪ B‬ﺃﺣﺪﺍﺙ ﻣﺴﺘﺒﻌﺪﺓ ) ‪Mutually‬‬
‫‪ (Exclusive‬ﺇﺫﺍ ﻛﺎﻥ ﺣﺪﻭﺛﻬﻤﺎ ﻣﻌﺎً ﻏﲑ ﳑﻜﻦ )‪(P(A,B)=0‬‬
‫ﻭﰲ ﻫﺬﻩ ﺍﳊﺎﻟﺔ ﻳﻜﻮﻥ ﻗﺎ�ﻮﻥ ﺍﳉﻤﻊ‪:‬‬

‫) ‪P ( A or B ) = P ( A ) + P ( B‬‬

‫ﻭﻳﺴﺮﻱ ﻫﺬﺍ ﺍﻟﻘﺎ�ﻮﻥ ﺃﻳﻀﺎً ﰲ ﺣﺎﻟﺔ ﺣﺪﻭﺙ ‪ 3‬ﺃﺣﺪﺍﺙ )ﻣﺘﻐﲑﺍﺕ(‬

‫ﺃﻭ ﺃﻛﺜﺮ‪.‬‬
‫• ﻳﺴﺘﺨﺪﻡ ﻗﺎ�ﻮﻥ ﺍﻟﻀﺮﺏ ﺃﻭ ﺍﳌﻀﺎﻋﻔﺔ ﰲ ﺣﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﰲ ﺣﺎﻟﺔ‬
‫ﺍﻷﺣﺪﺍﺙ ﻏﲑ ﺍﳌﺴﺘﺒﻌﺪﺓ ﺃﻱ ﺃﻥ ﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺛﻬﺎ ﳎﺘﻤﻌﺔ ﺃﻛﱪ ﻣﻦ‬
‫ﺍﻟﺼﻔﺮ‪.‬‬
‫• ﺗﺒﻌﺎً ﻟﻘﺎ�ﻮﻥ ﺍﻟﻀﺮﺏ ﺃﻭ ﺍﳌﻀﺎﻋﻔﺔ ﻓﺈﻥ ﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ﺍﳊﺪﺛﲔ ‪ A‬ﻭ‬
‫‪ B‬ﻣﻌﺎً ﰲ ﲡﺮﺑﺔ ﻣﺎ ﻫﻮ ﺣﺎﺻﻞ ﺿﺮﺏ ﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ﺃﻭﳍﻤﺎ‬
‫ﻭﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ﺛﺎ�ﻴﻬﻤﺎ ﻋﻠﻤﺎً ﲝﺪﻭﺙ ﺍﻷﻭﻝ‪ ،‬ﺃﻱ‪:‬‬

‫)‪P( A, B) = P( A) × P(B A‬‬

‫ﺣﻴﺚ )‪ P(B/A‬ﻳﻌﺮﻑ ﺑﺎﻻﺣﺘﻤﺎﻝ ﺍﳌﺸﺮﻭﻁ ) ‪Conditional‬‬
‫‪ (Probability‬ﻭﻳﻘﺮﺃ "ﺍﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ‪ B‬ﻋﻠﻤﺎً ﲝﺪﻭﺙ ‪ "A‬ﺃﻱ‬
‫ﺃﻥ ﺍﻟﺸﺮﻁ ﻫﻮ ﺣﺪﻭﺙ ﻗﺒﻞ ﺣﺪﻭﺙ ‪.‬‬

‫ﺃﻣﺎ ﺇﺫﺍ ﻛﺎﻥ ﺣﺪﻭﺙ ﺃﺣﺪ ﺍﳊﺪﺛﲔ ﻻ ﻳﺆﺛﺮ ﻋﻠﻰ ﺣﺪﻭﺙ ﺍﻵﺧﺮ ﻓﻴﺴﻤﻰ‬
‫ﺍﳊﺪﺛﲔ ﺑﺎﳊﺪﺛﲔ ﺍﳌﺴﺘﻘﻠﲔ ﻭﰲ ﻫﺬﻩ ﺍﳊﺎﻟﺔ ﻓﺈﻥ‪:‬‬

‫) ‪P ( A, B ) = P ( A ) × P ( B‬‬
‫ﻭﻛﻤﺜﺎﻝ ﻟﻘﺎ�ﻮ�ﻲ ﺍﳉﻤﻊ ﻭﺍﻟﻀﺮﺏ ﻣﻌﺎً ﺍﻓﱰﺽ ﺃﻥ ﻫﻨﺎﻟﻚ ﺻﻨﺪﻭﻗﺎﻥ ﺑﺎﻷﻭﻝ ‪5‬‬
‫ﻛﺮﺍﺕ ﲪﺮﺍﺀ‪ 5 ،‬ﺳﻮﺩﺍﺀ ﻭﺑﺎﻟﺜﺎ�ﻲ ‪ 4‬ﲪﺮﺍﺀ‪ 6 ،‬ﺻﻔﺮﺍﺀ ﻭﺍﻓﱰﺽ ﺃﻥ ﺍﻟﺘﺠﺮﺑﺔ‬
‫ﲢﺘﻮﻱ ﻋﻠﻰ ﺳﺤﺐ ﻛﺮﺓ ﻣﻦ ﻛﻞ ﺻﻨﺪﻭﻕ ﻓﺈﻥ ﺍﺣﺘﻤﺎﻝ ﺃﻥ ﺗﻜﻮﻥ ﺇﺣﺪﻯ‬
‫ﺍﻟﻜﺮﺗﲔ ﲪﺮﺍﺀ ﻳﺴﺎﻭﻱ‪ :‬ﺍﺣﺘﻤﺎﻝ ﺳﺤﺐ ﻛﺮﺓ ﲪﺮﺍﺀ ﻣﻦ ﺍﻟﺼﻨﺪﻭﻕ ﺍﻷﻭﻝ ‪+‬‬
‫ﺍﺣﺘﻤﺎﻝ ﺳﺤﺐ ﻛﺮﺓ ﲪﺮﺍﺀ ﻣﻦ ﺍﻟﺼﻨﺪﻭﻕ ﺍﻟﺜﺎ�ﻲ ‪ -‬ﺍﺣﺘﻤﺎﻝ ﺳﺤﺐ ﻛﺮﺓ‬
‫ﲪﺮﺍﺀ ﻣﻦ ﺍﻟﺼﻨﺪﻭﻕ ﺍﻷﻭﻝ ﻭﻛﺮﺓ ﲪﺮﺍﺀ ﻣﻦ ﺍﻟﺼﻨﺪﻭﻕ ﺍﻟﺜﺎ�ﻲ‪ ،‬ﺃﻱ‪:‬‬
 ‫ﺑﺘﻄﺒﻴﻖ ﻗﺎ�ﻮﻥ ﺍﳉﻤﻊ‪:‬‬
‫)‪P ( R1 or R 2) = P ( R1) + P ( R 2) − P ( R1, R 2‬‬

‫ﺣﻴﺚ ‪ R‬ﺗﻌﲏ ﺃﻥ ﻟﻮﻥ ﺍﻟﻜﺮﺓ ﺍﳌﺴﺤﻮﺑﺔ ﺃﲪﺮ ﻭﺍﻟﺮﻗﻤﲔ ‪ 1‬ﻭ ‪ 2‬ﻳﻌﻨﻴﺎﻥ ﺍﻟﺼﻨﺪﻭﻕ‬
‫ﺍﻷﻭﻝ ﻭﺍﻟﺼﻨﺪﻭﻕ ﺍﻟﺜﺎ�ﻲ‪.‬‬

‫ﻭﺑﺘﻄﺒﻴﻖ ﻗﺎ�ﻮﻥ ﺍﻟﻀﺮﺏ ﻭﺍﺳﺘﻘﻼﻟﻴﺔ ﺍﳊﺪﺛﲔ‪:‬‬

‫)‪P ( R1 or R 2) = P ( R1) + P ( R 2) − P ( R1) × P ( R 2‬‬
‫ﻭﺑﺘﻄﺒﻴﻖ ﺍﻟﺘﻌﺮﻳﻒ ﺍﻟﻜﻼﺳﻴﻜﻲ ﻟﻼﺣﺘﻤﺎﻝ‪:‬‬
‫‪5 4 5 4‬‬
‫‪P ( R1 or R 2) = + − × = 0.7‬‬
‫‪10 10 10 10‬‬
‫• ﳑﺎ ﺳﺒﻖ �ﺮﻯ ﺃﻥ ﺣﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﻳﻌﺘﻤﺪ ﻋﻠﻰ ﺣﺴﺎﺏ ﻋﺪﺩ‬
‫ﺍﻷﺣﺪﺍﺙ ﺍﳌﺘﻮﻗﻌﺔ ﻭﰲ ﺍﳊﺎﻻﺕ ﺍﻟﺒﺴﻴﻄﺔ ﳝﻜﻦ ﺣﺼﺮ ﻫﺬﻩ ﺍﻷﻋﺪﺍﺩ‬
‫ﺑﺴﻬﻮﻟﺔ ﻭﻟﻜﻨﻪ ﻋﻨﺪ ﺯﻳﺎﺩﺓ ﻋﺪﺩ ﺍﻷﺣﺪﺍﺙ ﺃﻭ ﻋﻨﺪﻣﺎ ﺗﺮﺗﺒﻂ‬
‫ﺍﻷﺣﺪﺍﺙ ﲟﺘﻐﲑﺍﺕ ﻣﺴﺘﻤﺮﺓ )‪ (Continuous Variables‬ﻓﺈ�ﻪ‬
‫ﻣﻦ ﺍﻟﺼﻌﺐ ﺣﺼﺮﻫﺎ ﻭﻟﺬﻟﻚ �ﻠﺠﺄ ﻻﺳﺘﺨﺪﺍﻡ ﺍﻟﺪﻭﺍﻝ ﺍﻟﺮﻳﺎﺿﻴﺔ ﰲ‬
‫ﺗﻌﺮﻳﻒ ﻭﺣﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﻭﺑﺎﻟﺘﺎﱄ ﻟﻔﻜﺮﺓ ﺍﻟﺘﻮﺯﻳﻌـــﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴــﺔ‬
‫)‪.(Probability Distributions‬‬
‫• ﻋﺎﺩﺓ‪ ‬ﻣﺎ ﳝﻴﺰ ﺑﲔ �ﻮﻋﲔ ﻣﻦ ﺍﻟﺪﻭﺍﻝ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ‪ :‬ﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ‬
‫ﺍﻻﺣﺘﻤﺎﻟﻴﺔ )‪ (Pdf‬ﻭﲤﺜﻞ ﺍﻟﻘﻴﻢ ﺍﳌﺒﺎﺷﺮﺓ ﻻﺣﺘﻤﺎﻝ ﺣﺪﻭﺙ ﺍﳊﺪﺙ‬
‫ﻋﻨﺪ �ﻘﻄﺔ ﺃﻭ ﻣﺪﻯ ﻣﻌﲔ ﻭﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﺍﻟﱰﺍﻛﻤﻴﺔ‬
‫)‪ (cdf‬ﻭﲤﺜﻞ ﳎﻤﻮﻉ ﺍﻟﻘﻴﻢ ﺍﻟﱰﺍﻛﻤﻴﺔ ﰲ ﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ‬
‫ﳊﲔ ﺣﺪﻭﺙ ﺍﳊﺪﺙ ﻋﻨﺪ ﺍﻟﻨﻘﻄﺔ ﺍﳌﻌﻴﻨﺔ‪.‬‬
‫• ﺃﺷﻬﺮ ﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﺍﳌﺴﺘﺨﺪﻣﺔ ﰲ ﻭﺻﻒ ﺗﻮﺯﻳﻌﺎﺕ ﺍﳌﻌﺎﻳﻨﺔ‬
‫ﻭﰲ ﺍﻹﺣﺼﺎﺀ ﺍﻻﺳﺘﺪﻻﱄ )ﺃﻭ ﺍﻻﺳﺘﻨﺘﺎﺟﻲ( ﻫﻲ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ‪،‬‬
‫ﺗﻮﺯﻳﻊ ﺗﻲ ﻭﺗﻮﺯﻳﻊ ﻛﺎﻱ‪ -‬ﺗﺮﺑﻴﻊ‪.‬‬
 ‫اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ )‪(Normal Distribution‬‬

‫• ﻳﻌﺘﱪ ﺃﻛﺜﺮ ﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﺍﺳﺘﺨﺪﺍﻣﺎً ﻭﺧﺎﺻﺔ ﰲ ﳎﺎﻝ‬

‫ﺍﻹﺣﺼﺎﺀ ﺍﻟﺘﻄﺒﻴﻘﻲ ﻭﺫﻟﻚ ﻷﻥ ﻣﻌﻈﻢ ﺍﻟﻈﻮﺍﻫﺮ ﺍﻟﻄﺒﻴﻌﻴﺔ ﳍﺎ ﻫﺬﺍ‬
‫ﺍﻟﺘﻮﺯﻳﻊ‪ .‬ﻭﺃﻫﻢ ﺻﻔﺎﺕ ﻫﺬﺍ ﺍﻟﺘﻮﺯﻳﻊ‪:‬‬
‫ﺃ‪ .‬ﺷﻜﻞ ﺍﳌﻨﺤﻨﻰ ﺍﻟﺘﻜﺮﺍﺭﻱ �ﺎﻗﻮﺳﻲ )ﺃﻱ ﺃ�ﻪ ﻣﺘﻤﺎﺛﻞ ﺣﻮﻝ ﺍﻟﻮﺳﻂ‬
‫)‪.(Bell Shaped‬‬
‫ﺏ‪ .‬ﻳﺘﺤﺪﺩ ﺍﻟﺘﻮﺯﻳﻊ ﲢﺪﻳﺪﺍً ﻛﺎﻣﻼ‪ ‬ﲟﻌﺮﻓﺔ ﻭﺳﻄﻪ ﺍﳊﺴﺎﺑﻲ ﻭﺍﳓﺮﺍﻓﻪ‬
‫ﺍﳌﻌﻴﺎﺭﻱ ﻓﻘﻂ‪.‬‬
‫ﺝ‪ .‬ﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﳍﺬﺍ ﺍﻟﺘﻮﺯﻳﻊ ﻫﻲ‪:‬‬
‫‪( x −µ )2‬‬
‫‪1‬‬ ‫‪− 12‬‬
‫= )‪f ( x‬‬ ‫‪e‬‬ ‫‪σ2‬‬
‫‪2πσ‬‬
‫ﺍﻻﳓﺮﺍﻑ‬
‫ﺣﻴﺚ ‪ µ‬ﻫﻲ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ ﻭ ‪ σ‬ﻫﻲ ‪x‬‬
‫ﺍﳌﻌﻴﺎﺭﻱ‪ .‬ﻭﻳﻌﱪ ﻋﻦ ﻫﺬﻩ ﺍﻟﻌﻼﻗﺔ ﺑـــ ) ‪ x ~ N (µ ,σ‬ﺃﻱ ﺃﻥ ﳍﺎ‬
‫ﺗﻮﺯﻳﻊ ﻃﺒﻴﻌﻲ ﺫﻭ ﻭﺳﻂ ﺣﺴﺎﺑﻲ ‪ µ‬ﻭﺍﳓﺮﺍﻑ ﻣﻌﻴﺎﺭﻱ ‪. σ‬‬
‫• ﳊﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﻳﺴﺘﺨﺪﻡ ﺟﺪﺍﻭﻝ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﻭﻫﻲ ﺗﻌﻄﻲ ﺍﺣﺘﻤﺎﻝ‬
‫ﻭﻗﻮﻉ ﺍﳌﺘﻐﲑ ﺍﳌﻌﻴﺎﺭﻱ ‪ Ζ‬ﺑﲔ ﺻﻔﺮ ﻭﺃﻱ ﻗﻴﻤﺔ ﺃﺧﺮﻯ‪ ،‬ﺣﻴﺚ‪:‬‬

‫‪x −µ‬‬
‫=‪Ζ‬‬
‫‪σ‬‬

‫‪σ‬‬
‫ﻭﻳﻌﺮﻑ‬ ‫‪Ζ‬ﺑـــ )‪Ζ ~ N ( 0,1‬‬
‫ﻭﻳﻌﱪ ﻋﻦ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻻﺣﺘﻤﺎﱄ ﻟﻠﻤﺘﻐﲑ ﺍﳌﻌﻴﺎﺭﻱ‬
‫‪(Standard‬‬ ‫‪Normal‬‬ ‫ﺑﺎﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﺍﳌﻌﻴﺎﺭﻱ‬
‫ﻳﻌﺘﻤﺪ ﻋﻠﻰ ﺃﻭ ‪.‬‬ ‫ﺣﻴﺚ ﻻ ‪σ‬‬ ‫)‪µ Distribution‬‬
‫ﻓﻤﺜﻼ‪ ‬ﳊﺴﺎﺏ ﺍﺣﺘﻤﺎﻝ ﺃﻥ ﻳﻘﻊ ﺍﳌﺘﻐﲑ ‪x‬ﺑﲔ ﻗﻴﻤﺘﲔ ‪x1‬ﻭ ‪ x2‬ﻓﺈ�ﻨﺎ‬
‫ﳓﺴﺐ ﺍﻟﻘﻴﻢ ﺍﳌﻌﻴﺎﺭﻳﺔ ﻟﻜﻞ ﻣﻦ ﻫﺎﺗﲔ ﺍﻟﻘﻴﻤﺘﲔ ﺛﻢ ﺍﺳﺘﺨﺪﺍﻡ ﺟﺪﺍﻭﻝ‬
‫ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﺑﻌﺪ ﺫﻟﻚ ﻟﻠﺤﺼﻮﻝ ﻋﻠﻰ ﺍﻻﺣﺘﻤﺎﻝ ﺍﳌﻄﻠﻮﺏ ﺃﻱ ﺃ�ﻨﺎ‬
‫‪x1 − µ‬‬ ‫‪x2 −µ‬‬
‫= ‪ Ζ1‬ﺛﻢ ﺑﻌﺪ ﺫﻟﻚ ﻳﺼﲑ‬ ‫= ‪ Ζ2‬ﻭ‬ ‫ﳓﺴﺐ‬
‫‪σ‬‬
‫ﺗﻌﺒﲑ ﺍﻻﺣﺘﻤﺎﻝ‪:‬‬
‫‪σ‬‬

‫) ‪P ( x1 ≤ x ≤ x2 ) = P (Ζ1 ≤ Ζ ≤ Ζ 2‬‬
 ‫• ﻛﻤﺎ ﻳﺘﻤﻴﺰ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﺑﺎﳋﺼﺎﺋﺺ‪:‬‬

‫‪P(Z < ∞) = 0‬‬

‫‪P(Z < 0) = 0.5‬‬
‫)‪1− P(Z < Z1) = P(Z > Z1‬‬
 ‫ﺗﻮزﻳﻊ ﺗﻲ )‪(t-Distribution‬‬
‫• ﻳﺸﺒﻪ ﺍﻟﺘﻮﺯﻳﻊ ﺗﻲ ﳊﺪ ﻛﺒﲑ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﻭﻳﺴﺘﺨﺪﻡ ﺑﺪﻻً ﻋﻦ ﺍﻟﺘﻮﺯﻳﻊ‬
‫ﺍﻟﻄﺒﻴﻌﻲ ﰲ ﺣﺎﻟﺔ ﻋﺪﻡ ﻣﻌﺮﻓﺔ ﺍﻻﳓﺮﺍﻑ ﺍﳌﻌﻴﺎﺭﻱ ﻟﻠﻤﺠﺘﻤﻊ ) ‪ (σ‬ﺃﻭ‬
‫ﺣﲔ ﻳﻘﻞ ﺣﺠﻢ ﺍﻟﻌﻴﻨﺔ ﻋﻦ ‪.30‬‬
‫• ﻣﻦ ﺧﺼﺎﺋﺺ ﻫﺬﺍ ﺍﻟﺘﻮﺯﻳﻊ ﺃ�ﻪ ﻣﺜﻞ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﻟﻪ ﻣﻨﺤﻨﻰ ﺗﻜﺮﺍﺭﻱ‬
‫ﻣﺘﻤﺎﺛﻞ ﺣﻮﻝ ﺍﻟﻮﺳﻂ ﻭﻟﻜﻨﻪ ﺃﻛﺜﺮ ﺳ‪‬ﻤﻜﺎً ﻋﻨﺪ ﺍﻷﻃﺮﺍﻑ ﻣﻦ ﺍﳌﻨﺤﻨﻰ‬
‫ﺍﻟﻄﺒﻴﻌﻲ‪ .‬ﻫﻨﺎﻟﻚ ﻣﻌﺎﻣﻞ ﻭﺍﺣﺪ ﳛﺪﺩ ﺷﻜﻞ ﺍﻟﺘﻮﺯﻳﻊ ﻭﻫﻲ ﻣﺎ ﻳﺴﻤﻰ‬
‫ﺑﺪﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ‪.‬‬
‫• ﺗﻌﺮﻑ ﺩﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ ﻋﻠﻰ ﺃﳖﺎ ﻋﺪﺩ ﺍﳌﺸﺎﻫﺪﺍﺕ ﺍﳌﺴﺘﻘﻠﺔ ﺍﻟﱵ‬
‫ﺗﺴﺘﺨﺪﻡ ﰲ ﺗﻌﺮﻳﻒ ﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﺘﻮﺯﻳﻊ ﺃﻭ ﰲ ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ‬
‫ﺍﻟﺘﻮﺯﻳﻊ‪.‬‬
 ‫ﺗﻮزﻳﻊ ﺗﻲ )‪(t-Distribution‬‬

‫• ﳊﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﻳﺴﺘﺨﺪﻡ ﺟﺪﺍﻭﻝ ﺍﻟﺘﻮﺯﻳﻊ ﺗﻲ ﻭﺍﳌﺘﻐﲑ ﺍﳌﻌﻴﺎﺭﻱ‪:‬‬

‫‪x −µ‬‬
‫=‪t‬‬
‫‪s‬‬
‫ﺣﻴﺚ ‪ s‬ﻫﻲ ﺍﻻﳓﺮﺍﻑ ﺍﳌﻌﻴﺎﺭﻱ ﻟﻠﻌﻴﻨﺔ‪ .‬ﻭﳍﺬﺍ ﺍﻟﺘﻮﺯﻳﻊ ‪ t‬ﻋﺪﺩ ﻣﻦ‬
‫‪ n-1‬ﺩﺭﺟﺎﺕ ﺣﺮﻳﺔ‪.‬‬

‫• ﺗﻨﺒﻊ ﺃﳘﻴﺔ ﺗﻮﺯﻳﻊ ﺗﻲ ﻣﻦ ﺇﻣﻜﺎ�ﻴﺔ ﺍﺳﺘﻌﻤﺎﻟﻪ ﰲ ﺣﺎﻻﺕ ﺍﻟﻌﻴﻨﺎﺕ ﺻﻐﲑﺓ‬

‫ﺍﳊﺠﻢ ﻭﻫﻲ ﻭﺿﻊ ﻭﺍﻗﻌﻲ ﻛﺜﲑ ﺍﳊﺪﻭﺙ ﺣﻴﺚ ﺇﻥ ﺍﶈﺪﺩﺍﺕ ﺍﻟﻌﻤﻠﻴﺔ‬
‫ﻣﻦ ﺿﻴﻖ ﻟﻺﻣﻜﺎ�ﻴﺎﺕ ﻭﻋﺪﻡ ﺗﻮﻓﺮ ﺍﳌﻌﺪﺍﺕ ﺍﳌﻄﻠﻮﺑﺔ ﻷﺧﺬ ﺍﻟﻌﻴﻨﺎﺕ‬
‫ﲡﻌﻞ ﺗﺼﻐﲑ ﺣﺠﻢ ﺍﻟﻌﻴﻨﺔ ﺃﻣﺮﺍً ﺿﺮﻭﺭﻳﺎً‪.‬‬
 ‫ﺗﻮزﻳﻊ آﺎي ﺗﺮﺑﻴﻊ )‪(Chi-square X2 Distribution‬‬

‫• ﳜﺘﻠﻒ ﺗﻮﺯﻳﻊ ‪ χ 2‬ﻋﻦ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﻭﺗﻮﺯﻳﻊ ﺗﻲ ﺑﺄ�ﻪ ﺗﻮﺯﻳﻊ ﻏﲑ ﻣﺘﻤﺎﺛﻞ‬

‫ﺃﻭ ﻣﻠﺘﻮﻱ )‪ (Skewed‬ﻭﺗﻌﺘﻤﺪ ﺩﺭﺟﺔ ﺍﻟﺘﻮﺍﺋﻪ ﻭﺑﺎﻟﺘﺎﱄ ﺷﻜﻠﻪ ﻋﻠﻰ‬
‫ﻋﺪﺩ ﺩﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ‪ .‬ﺣﻴﺚ ﻛﻠﻤﺎ ﺯﺍﺩﺕ ﺩﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ ﻛﻠﻤﺎ ﻗﻠﺖ‬
‫ﺩﺭﺟﺔ ﺍﻟﺘﻮﺍﺋﻪ ﻭﰲ ﺍﻟﻌﻴﻨﺎﺕ ﻛﺒﲑﺓ ﺍﳊﺠﻢ �ﺴﺒﻴﺎً ﻳﻘﺎﺭﺏ ﺷﻜﻠﻪ ﺍﳌﻨﺤﻨﻰ‬
‫ﺍﻟﻄﺒﻴﻌﻲ‪.‬‬
‫• ﻳﺴﺘﺨﺪﻡ ﺗﻮﺯﻳﻊ ‪ χ 2‬ﻛﺜﲑﺍً ﰲ ﲢﻠﻴﻞ ﺍﻟﺒﻴﺎ�ﺎﺕ ﺍﻟﻨﻮﻋﻴﺔ‪ ،‬ﺍﺧﺘﺒﺎﺭﺍﺕ ﺣﺴﻦ‬
‫ﺍﳌﻮﺍﻓﻘﺔ )‪ ، (Goodness of Fit‬ﻭﲢﻠﻴﻞ ﺍﻟﺘﺒﺎﻳﻦ‪.‬‬
‫• ﻟﻠﺒﻴﺎ�ﺎﺕ ﺍﻟﻨﻮﻋﻴﺔ ﰲ ﺷﻜﻞ ﺍﳌﺼﻔﻮﻓﺔ ﲢﺴﺐ ﺩﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ ﻟﺘﻮﺯﻳﻊ‬
‫ﻛﺎﻱ ﺗﺮﺑﻴﻊ ﺑﻀﺮﺏ )ﻋﺪﺩ ﺍﻟﺼﻔﻮﻑ‪) x(1-‬ﻋﺪﺩ ﺍﻷﻋﻤﺪﺓ‪.(1-‬‬
 ‫• ﳊﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻝ ﻳﺴﺘﺨﺪﻡ ﺟﺪﺍﻭﻝ ﺍﻟﺘﻮﺯﻳﻊ ‪ χ 2‬ﻭﺍﳌﺘﻐﲑ ﺍﳌﻌﻴﺎﺭﻱ‪:‬‬

‫‪χ‬‬ ‫‪2‬‬
‫∑ = ‪= ∑ Ζ i2‬‬
‫‪( xi − µ )2‬‬ ‫)‪~ χ 2 (n‬‬
‫‪i‬‬ ‫‪σ2‬‬
‫ﺣﻴﺚ ‪ n‬ﻫﻲ ﺩﺭﺟﺎﺕ ﺍﳊﺮﻳﺔ ﻭﺫﻟﻚ ﰲ ﺣﺎﻟﺔ ﺍﻟﺒﻴﺎ�ﺎﺕ ﺍﳌﺴﺘﻤﺮﺓ‪.‬‬

‫ﺃﻭ ﺍﳌﺘﻐﲑ ﺍﳌﻌﻴﺎﺭﻱ‪:‬‬

‫∑= ‪χ‬‬
‫‪2‬‬ ‫) ‪(Oi − Ei‬‬‫‪2‬‬
‫)‪~ χ 2 (n‬‬
‫‪i‬‬ ‫‪Ei‬‬

‫ﺣﻴﺚ ‪ Oi‬ﺍﻟﺘﻜﺮﺍﺭ ﺍﳌﺸﺎﻫﺪ ﻟﻠﻈﺎﻫﺮﺓ ﰲ ﺍﻟﻌﻴﻨﺔ ﻭ ‪ Ei‬ﺍﻟﺘﻜﺮﺍﺭ ﺍﳌﺘﻮﻗﻊ‬

‫ﻟﻠﻈﺎﻫﺮﺓ ﰲ ﺍ‪‬ﺘﻤﻊ‪.‬‬
‫• ﺑﻌﺪ ﺍﺳﺘﻌﺮﺍﺽ ﺍﻻﺣﺘﻤﺎﻝ ﻭﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ �ﻌﻮﺩ ﻟﺘﻮﺯﻳﻌﺎﺕ‬
‫ﺍﳌﻌﺎﻳﻨﺔ ﻭﺍﺳﺘﺨﺪﺍﻡ ﺍﻟﺘﻮﺯﻳﻌﺎﺕ ﺍﻻﺣﺘﻤﺎﻟﻴﺔ ﰲ ﻗﻴﺎﺱ ﺩﺭﺟﺔ ﲢﻴﺰ‬
‫ﺍﳌﻘﺪﺭ ﻭﻛﻔﺎﺀﺗﻪ‪.‬‬
‫• ﻟﻮﺻﻒ ﲢﻴﺰ ﻭﻛﻔﺎﺀﺓ ﺍﳌﻘﺪﺭ ﻳﺴﺘﻌﺎﻥ ﺑﺎﻟﻌﺰﻡ ﺍﻷﻭﻝ ﻭﺍﻟﺜﺎ�ﻲ ﻟﺘﻮﺯﻳﻊ‬
‫ﺍﳌﻘﺪﺭ‪ ،‬ﺣﻴﺚ ﳝﺜﻞ ﺍﻟﻌﺰﻡ ﺍﻷﻭﻝ )ˆ‪ E (θ‬ﺍﻟﻘﻴﻤﺔ ﺍﳌﺘﻮﻗﻌﺔ ﻟﻠﻤﻘﺪﺭ ﺃﻭ‬
‫ﻭﺳﻄﻪ ﺍﳊﺴﺎﺑﻲ ﻭﺍﳉﺬﺭ ﺍﻟﱰﺑﻴﻌﻲ ﻟﻠﻌﺰﻡ ﺍﻟﺜﺎ�ﻲ ﺣﻮﻝ ﺍﻟﻮﺳﻂ‬
‫ﺍﳊﺴﺎﺑﻲ ﳝﺜﻞ ﺍﻹﻏﻼﻕ ﺍﳌﻌﻴﺎﺭﻱ ‪. E ⎛⎜⎜θˆ − θ ⎞⎟⎟ 2‬‬
‫⎝‬ ‫⎠‬
 ‫• ﻳﻌﺮﻑ ﺍﻟﺘﺤﻴﺰ ﻟﻠﻤﻘﺪﺭ ˆ‪ θ‬ﺑـــــ‬

‫‪Bias (θˆ) = E (θˆ) − θ‬‬

‫ﺣﻴﺚ ) ˆ‪ E (θ‬ﻫﻲ ﺍﻟﻘﻴﻤﺔ ﺍﳌﺘﻮﻗﻌﺔ ﻟﻠﻤﻘﺪﺭ ﻭﲢﺴﺐ ﺑﺎﺳﺘﺨﺪﺍﻡ‬

‫ﺍﻟﺘﻮﺯﻳﻊ ﺍﻻﺣﺘﻤﺎﱄ ﻟـــــــ ˆ‪ θ‬ﺑﺎﻟﻘﺎ�ﻮﻥ‪:‬‬

‫ˆ‪E (θˆ ) = ∫ θˆ f (θˆ )d θ‬‬

 ‫ﺇﺫﺍ ﻛﺎﻥ ﺍﳌﻘﺪﺭ ﻣﺘﻐﲑ ﻣﺴﺘﻤﺮ ﻭﺑﺎﻟﻘﺎ�ﻮﻥ‪:‬‬

‫= ) ˆ‪E (θ‬‬ ‫) ˆ‪∑ θˆ f (θ‬‬

‫ﺇﺫﺍ ﻛﺎﻥ ﺍﳌﻘﺪﺭ ﻣﺘﻐﲑ �ﻮﻋﻲ ﻭﺣﻴﺚ ) ˆ‪ f (θ‬ﻫﻲ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻻﺣﺘﻤﺎﱄ‬
‫ﻟﻠﻤﻘﺪﺭ‪ .‬ﻭﻳﺴﻤﻰ ˆ‪ θ‬ﻣﻘﺪﺭ ﻏﲑ ﻣﺘﺤﻴﺰ )‪ (Unbiased‬ﰲ ﺣﺎﻟﺔ‬
‫‪ . E (θˆ ) = θ‬ﺃﻱ ﺃﻥ ﺍﳌﻘﺪﺭ ﻏﲑ ﻣﺘﺤﻴﺰ ﺇﺫﺍ ﺗﺴﺎﻭﻯ ﺍﻟﻮﺳﻂ‬
‫ﺍﳊﺴﺎﺑﻲ ﻟﻘﻴﻢ ﺍﳌﻘﺪﺭ ˆ‪θ‬ﻣﻦ ﻛﻞ ﺍﻟﻌﻴﻨﺎﺕ ﺫﺍﺕ ﺍﳊﺠﻢ ‪ n‬ﺍﳌﺴﺤﻮﺑﺔ ﻣﻦ‬
‫ﺍ‪‬ﺘﻤﻊ ﺍﳌﻌﲏ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ ) ˆ‪.(θ‬‬
‫• ﰲ ﺣﺎﻟﺔ ﻣﻘﺎﺭ�ﺔ ﻣﻘﺪﺭﻳﻦ ﻏﲑ ﻣﺘﺤﻴﺰﻳﻦ ﻓﺈﻥ ﺍﳌﻘﺪﺭ ﺍﻷﻛﻔﺄ ﻫﻮ ﺍﻷﻗﻞ‬
‫ﺗﺒﺎﻳﻨﺎً‪ .‬ﺃﻱ ﺃﻥ ﺍﻟﻜﻔﺎﺀﺓ ﺍﻟﻨﺴﺒﻴﺔ ﻟﻠﻤﻘﺪﺭﺍﺕ ﺗﻘﺎﺱ ﲟﻌﺪﻻﺕ ﺍﻟﺘﺒﺎﻳﻦ‬
‫ﺍﻟﻨﺴﱯ ﻭﻋﻠﻴﻪ ﺗﻌﺮﻑ ﺍﻟﻜﻔﺎﺀﺓ ﺍﻟﻨﺴﺒﻴﺔ ﻟﻠﻤﻘـــﺪﺭ ‪ θˆ1‬ﺑﺎﳌﻘﺎﺭ�ــــﺔ ﻣﻊ‬
‫ﺣﻴﺚ ‪ Var‬ﺗﻌﲏ ﺍﻟﺘﺒﺎﻳﻦ )‪(Variance‬‬ ‫ﻟﺘﻌﺒﲑ‬ ‫ﺎ‬ ‫ﺑ‬ ‫ﺍﳌﻘــﺪﺭ ‪ˆ2‬‬
‫) ˆ‪Var (θ‬‬
‫‪2‬‬
‫ˆ‬
‫) ‪Var (θ‬‬
‫‪θ‬‬
‫ﻭﳛﺴﺐ ﺗﺒﺎﻳﻦ ﺍﳌﻘﺪﺭ ﺑﺎﺳﺘﺨﺪﺍﻡ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻻﺣﺘﻤﺎﱄ ﻟﻠﻤﻘﺪﺭ ﺗﺒﻌﺎً ﻟﻠﻘﺎ�ﻮﻥ‪:‬‬
‫‪1‬‬

‫ˆ‬ ‫ˆ‬
‫) ‪Var (θ ) = E (θ − θ‬‬ ‫‪2‬‬

‫• ﳝﻜﻦ ﺍﺳﺘﺨﺪﺍﻡ ﻣﻘﺪﺍﺭ ﺍﳋﻄﺄ ﺍﳌﻌﺎﻳﲏ ﺍﳌﺘﻮﻗﻊ ﻣﺴﺒﻘﺎً ﰲ ﲢﺪﻳﺪ ﺍﳊﺠﻢ‬

‫ﺍﻷﻣﺜﻞ ﻟﻠﻌﻴﻨﺔ ﻭﺫﻟﻚ ﻣﻦ ﺧﻼﻝ ﺍﻟﻌﻼﻗﺔ ﺍﻟﻌﻜﺴﻴﺔ ﺑﲔ ﺍﳋﻄﺎ ﺍﳌﻌﻴﺎﺭﻱ‬
‫ﻟﻠﻤﻘﺪﺭ ﻭﺣﺠﻢ ﺍﻟﻌﻴﻨﺔ‪.‬‬
 ‫ﻓﻴﻤﺎ ﻳﻠﻲ ﳔﺘﻢ ﺳﺮﺩ�ﺎ ﳋﺼﺎﺋﺺ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻤﻘﺪﺭﺍﺕ ﺑﺎﻟﱰﻛﻴﺰ‬
‫ﻋﻠﻰ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﺔ ) ‪ (x‬ﻭﺍﻟﻨﺴﺒﺔ )‪: (P‬‬
‫• ﻳﺘﻤﻴﺰ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ) ‪ (x‬ﺑﺎﳋﺼﺎﺋﺺ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬
‫ﺃ‪ E ( x ) = µ .‬ﺃﻱ ﺃﻥ ﺍﻟﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﺔ ﻣﻘﺪﺭ ﻏﲑ ﻣﺘﺤﻴﺰ‪.‬‬
‫ﻭﻳﻌﺮﻑ ﺍﳓﺮﺍﻓﻪ ﺍﳌﻌﻴﺎﺭﻱ ) ﻭﻳﺴﻤﻰ ﺃﻳﻀﺎً ﺑﺎﳋﻄﺄ‬ ‫ﺏ‪.‬‬
‫‪σ2‬‬
‫= ) ‪Var ( x‬‬
‫‪n‬‬
‫= ) ‪ Se( x‬ﺣﻴﺚ ‪ σ‬ﻫﻲ‬ ‫ﺍﳌﻌﻴﺎﺭﻱ “‪ (”Standard Error‬ﺑـــ‬
‫‪σ‬‬
‫‪n‬‬
‫ﺍﻻﳓﺮﺍﻑ ﺍﳌﻌﻴﺎﺭﻱ ﻟﻠﻤﺠﺘﻤﻊ‪.‬‬
‫ﺃﻱ ﺃﻥ ﻟﻠﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﺔ ﺗﻮﺯﻳﻊ ﻃﺒﻴﻌﻲ ﻭﻋﻠﻴﻪ‬ ‫⎞‪⎛ σ2‬‬
‫⎟⎟ ‪x ~ N ⎜⎜µ ,‬‬ ‫ﺝ‪.‬‬
‫ﳝﻜﻦ ﺍﺳﺘﺨﺪﺍﻡ ﺟﺪﺍﻭﻝ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﳊﺴﺎﺑﺎﺕ ﺍﻻﺣﺘﻤﺎﻻﺕ ﺍﳌﺘﻌﻠﻘﺔ ﺑــــ‬
‫⎠ ‪⎝ n‬‬

‫‪ . x‬ﻭﻳﺴﺘﺨﺪﻡ ﺗﻮﺯﻳﻊ ﺗﻲ ﰲ ﺣﺎﻟﺔ ‪ n < 30‬ﺃﻭ ‪ σ‬ﻏﲑ ﻣﻌﺮﻭﻓﺔ‪.‬‬

‫• ﻳﺘﻤﻴﺰ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻔﺮﻕ ﰲ ﺍﻷﻭﺳﺎﻁ ﺍﳊﺎﺳﺒﻴﺔ ﻟﻌﻴﻨﺘﲔ ﺑﺎﳋﺼﺎﺋﺺ‬
‫ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬
‫ﺃﻱ ﺃﻥ ﺍﻟﻔﺮﻕ ﺑﲔ ﺍﳌﻘﺪﺭﻳﻦ ﻏﲑ‬ ‫ﺃ‪E ( x1 − x 2 ) = µ 1 − µ 2 .‬‬
‫ﻣﺘﺤﻴﺰ ﻟﻠﻔﺮﻕ ﺑﲔ ﺍﳌﻌﻠﻤﺘﲔ‪.‬‬
‫ﻭﺍﳋﻄﺄ ﺍﳌﻌﻴﺎﺭﻱ‬ ‫= ) ‪Var ( x 1 − x 2‬‬
‫‪σ 12 σ 22‬‬
‫‪+‬‬ ‫ﺏ‪.‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫ﺣﺠﻤﻲ‬ ‫‪2‬ﻭ‪n‬‬ ‫ﻟﻠﻔﺮﻕ ‪ Se(x1 − x2 ) = n + n‬ﺣﻴﺚ‪n1‬‬
‫‪σ1 σ 2‬‬

‫ﺍﻟﻌﻴﻨﺘﲔ ﻭ ‪ σ 1‬ﻭ ‪ σ 2‬ﺍﻻﳓﺮﺍﻑ ﺍﳌﻌﻴﺎﺭﻱ ‪‬ﺘﻤﻌﻲ ﺍﻟﻌﻴﻨﺘﲔ‪.‬‬

‫‪1‬‬ ‫‪2‬‬

‫ﻭﻳﺴﺘﺨﺪﻡ ﺗﻮﺯﻳﻊ ﺗﻲ ﰲ ﺣﺎﻟﺔ‬ ‫⎛‬ ‫⎞ ‪σ 12 σ 22‬‬

‫⎟⎟ ‪( x1 − x2 ) ~ N ⎜⎜µ 1 −µ 2 , +‬‬
‫⎠ ‪n1 n2‬‬
‫ﺝ‪.‬‬
‫⎝‬
‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﲑﺓ ﺃﻭ ﻋﺪﻡ ﻣﻌﺮﻓﺔ ‪ σ 1‬ﻭ ‪. σ 2‬‬
 ‫• ﻳﺘﻤﻴﺰ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻨﺴﺒﺔ ﰲ ﺍﻟﻌﻴﻨﺔ ﺑﺎﳋﺼﺎﺋﺺ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬

‫ﺣﻴﺚ‬ ‫ﺃ‪ E ( Pˆ ) = P .‬ﺣﻴﺚ ̂‪ P‬ﻫﻲ ﺍﻟﻨﺴﺒﺔ ﰲ ﺍﻟﻌﻴﻨﺔ ﻭﺗﻌﻄﻰ ﺑـ‬

‫‪x‬‬
‫‪n‬‬
‫ﻼ ﻋﺪﺩ‬
‫‪ x‬ﻫﻲ ﻋﺪﺩ ﻣﺮﺍﺕ ﺣﺪﻭﺙ ﺍﻟﻈﺎﻫﺮﺓ ﺍﳌﻌﻴﻨﺔ ﰲ ﺍﻟﻌﻴﻨﺔ ﻣﺜ ‪‬‬
‫ﺍﻷﻓﺮﺍﺩ ﺫﻭﻱ ﺍﻟﺪﺧﻞ ﺍﶈﺪﻭﺩ‪ .‬ﻭﲤﺜﻞ ‪� P‬ﺴﺒﺔ ﺍﻟﻈﺎﻫﺮﺓ ﰲ ﺍ‪‬ﺘﻤﻊ‪.‬‬
‫ﻭﻳﺸﲑ ﺍﻟﺘﻌﺒﲑ ﺇﱃ ﻋﺪﻡ ﲢﻴﺰ ﻣﻘﺪﺭ ﺍﻟﻨﺴﺒﺔ‪.‬‬
‫‪.‬‬ ‫= ) ˆ‪Se ( P‬‬
‫‪Pq‬‬
‫ﻭﺍﳋﻄﺄ ﺍﳌﻌﻴﺎﺭﻱ‬ ‫ﺣﻴﺚ ‪q = 1 − P‬‬ ‫‪Var‬‬‫(‬ ‫ˆ‬
‫‪P‬‬ ‫)‬ ‫=‬
‫‪Pq‬‬
‫ﺏ‪.‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﺝ‪ .‬ﺇﺫﺍ ﻛﺎﻥ ﺣﺠﻢ ﺍﻟﻌﻴﻨﺔ ﻛﺒﲑ �ﺴﺒﻴﺎً ﻓﺈﻥ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻨﺴﺒﺔ ﻳﻘﺎﺭﺏ ﺍﻟﺘﻮﺯﻳﻊ‬
‫ﺍﻟﻄﺒﻴﻌﻲ‪ ،‬ﺃﻱ‪:‬‬

‫ˆ‬ ‫⎞ ‪⎛ Pq‬‬
‫‪P ≈ N ⎜ P,‬‬ ‫⎟‬
‫⎝‬ ‫⎠ ‪n‬‬

‫ﻭﻋﻠﻴﻪ ﳝﻜﻦ ﺍﺳﺘﺨﺪﺍﻡ ﺟﺪﺍﻭﻝ ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ﳊﺴﺎﺏ ﺍﻻﺣﺘﻤﺎﻻﺕ‬

‫ﺍﳌﺘﻌﻠﻘﺔ ﺑـــــ ̂‪ P‬ﰲ ﻫﺬﻩ ﺍﳊﺎﻟﺔ‪ .‬ﺃﻣﺎ ﰲ ﺣﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺻﻐﲑﺓ ﺍﳊﺠﻢ‬
‫ﻓﻴﻤﻜﻦ ﺍﺳﺘﺨﺪﺍﻡ ﺍﻟﺘﻮﺯﻳﻊ ‪. χ 2‬‬
 ‫• ﻳﺘﻤﻴﺰ ﺗﻮﺯﻳﻊ ﺍﳌﻌﺎﻳﻨﺔ ﻟﻠﻔﺮﻕ ﰲ ﺍﻟﻨﺴﺐ ﺑﲔ ﻋﻴﻨﺘﲔ ﺑﺎﳋﺼﺎﺋﺺ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬

‫ﺃﻱ ﻣﻘﺪﺍﺭ ﺍﻟﻔﺮﻕ ﻏﲑ ﻣﺘﺤﻴﺰ‪.‬‬ ‫ﺃ‪E ( Pˆ1 − Pˆ2 ) = P1 − P2 .‬‬

‫= ) ˆ‪.Se(Pˆ − P‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪P1q1‬‬
‫‪n1‬‬
‫‪Pq‬‬
‫‪+ 2 2‬‬
‫‪n2‬‬
‫ﻭﺍﳋﻄﺄ ﺍﳌﻌﻴﺎﺭﻱ‬ ‫ˆ‬ ‫ˆ‬
‫= ) ‪Var(P1 − P2‬‬
‫ﺏ‪P1q1 P2q2 .‬‬
‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫ﺝ‪ .‬ﺇﺫﺍ ﻛﺎﻥ ﺣﺠﻢ ﺍﻟﻌﻴﻨﺘﲔ ﻛﺒﲑ �ﺴﺒﻴﺎً ﻓﺈﻥ ﺗﻮﺯﻳﻊ ﻟﻠﻔﺮﻕ ﺑﲔ ﺍﻟﻨﺴﺒﺘﲔ ﻳﻘﺎﺭﺏ‬
‫ﺍﻟﺘﻮﺯﻳﻊ ﺍﻟﻄﺒﻴﻌﻲ ‪ ،‬ﺃﻱ‪:‬‬
‫ˆ‬ ‫ˆ‬ ‫⎛‬ ‫⎞ ‪P1q1 P2q2‬‬
‫‪(P1 − P2 ) ≈ N⎜⎜ P1 − P2 ,‬‬ ‫‪+‬‬ ‫⎟⎟‬
‫⎝‬ ‫‪n1‬‬ ‫⎠ ‪n2‬‬