‫‪!"#$%$&!'%()*+,-!.

#/%01‬‬

‫وﺣﺪة اﻟﻤﻌﺎﻳﻨﻪ ‪Sampling Unit :‬‬

‫اﻟﻤﺠﺘﻤﻊ اﻻﺣﺼﺎﺋﻲ ‪Statistical pop. :‬‬
‫اﻟﻌﻴﻨﻪ واﻟﻤﻌﺎﻳﻨﻪ ‪Sample & sampling :‬‬
‫ﺣﺠﻢ اﻟﻤﺠﺘﻤﻊ وﺣﺠﻢ اﻟﻌﻴﻨﻪ‬
‫آﺴﺮ اﻟﻤﻌﺎﻳﻨﻪ‬
‫اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ‪Random variable :‬‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪Arithmetic mean :‬‬
‫اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ‪Variance & Standard Deviation :‬‬
‫ااﻟﺘﻐﺎﻳﺮ واﻻرﺗﺒﺎط ‪Covariance & Correlation‬‬
‫ﻣﻌﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ ‪pop. parameter :‬‬
‫اﺣﺼﺎﺋﻴﺔ اﻟﻌﻴﻨﻪ ‪Asample Statistic :‬‬
‫اﻻﺣﺘﻤﺎل ‪Probability :‬‬
‫اﻟﺘﻮﻗﻊ ‪Expectation :‬‬
‫أهﻢ اﻟﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ‬
‫ﺗﻮزﻳﻊ ذي اﻟﺤﺪﻳﻦ ‪Binomial distribution :‬‬
‫اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ‪Normal Distribution :‬‬
‫ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ‪Student Dist :‬‬
‫ﺗﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ‪Estimation of pop. Parameters :‬‬
‫اﻟﺘﻘﺪﻳﺮ واﻟﻤﻘﺪر ‪Estimate & Estimator :‬‬
‫اﻟﻤﻘﺪر اﻟﺠﻴﺪ ‪Best Estimator :‬‬
‫ﻋﺪم اﻟﺘﺤﻴﺰ‬
‫اﻻﺗﺴﺎق‬
‫اﻟﻜﻔﺎءة‬
‫اﻟﻜﻔﺎﻳﺔ‬
‫اﻟﺘﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ واﻟﺘﻘﺪﻳﺮ ﺑﻔﺘﺮة ‪Point & Interval estimate :‬‬
 ‫وﺣﺪة اﻟﻤﻌﺎﻳﻨﻪ ‪Sampling Unit :‬‬

‫وﺣ]ﺪة اﻟﻤﻌﺎﻳ]ﻨﻪ ه]ﻲ " اﻟﺠ]ﺰء أو اﻟﻜﻴ]ﺎن اﻟﺼ]ﻐﻴﺮ اﻟ]ﺬي ﻧﺠﻤ]ﻊ ﻣ]ﻨﻪ اﻟ]ﺒﻴﺎﻧﺎت " ‪ .‬ان آ]ﻞ وﺣ]ﺪة ﻣ]ﻦ اﻟﻮﺣﺪات اﻟﻤﻜﻮﻧﻪ ﻟﻠﻤﺠﺘﻤﻊ هﻲ وﺣﺪة‬
‫ﻣﻌﺎﻳ]ﻨﻪ أي أن ﻋﺪد وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ هﻲ ﻋﺪد وﺣﺪات اﻟﻤﺠﺘﻤﻊ ‪ .‬ان وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ ﻗﺪ ﺗﻜﻮن وﺣﺪات ﻃﺒﻴﻌﻴﺔ ﺗﺘﻌﻠﻖ ﺑﺎﻟﺠﻨﺲ اﻟﺒﺸﺮي وآﺎﻟﻤﻮﻇﻒ‬
‫واﻟﻄ]ﺎﻟﺐ ‪ ،‬واﻟﻔ]ﺮد واﻷﺳ]ﺮة ( أو وﺣﺪات ﻣﺼﻄﻨﻌﺔ )آﺎﻟﻤﺆﺳﺴﺔ ‪ ،‬أو اﻟﻮزارة أو اﻟﻤﺴﻜﻦ أو اﻟﻤﺼﻨﻊ( ‪ .‬آﻤﺎ أن وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ ﻗﺪ ﺗﻜﻮن ﻣﺘﺸﺎﺑﻪ‬
‫ﻣ]ﻦ ﺣﻴﺚ اﻟﺤﺠﻢ أو ﻣﺨﺘﻠﻔﺔ ‪ .‬وﻋﻨﺪ ﺗﻨﻔﻴﺬ اﻟﺒﺤﻮث اﻟﻤﻴﺪاﻧﻴﺔ ‪ ،‬ﻳﺠﺐ ﺗﺤﺪﻳﺪ وﺗﻌﺮﻳﻒ وﺣﺪة اﻟﻤﻌﺎﻳﻨﻪ ﺗﻌﺮﻳﻔًﺎ واﺿﺤًﺎ ﻟﺠﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻣﻦ اﻟﻮﺣﺪات اﻟﺘﻲ‬
‫ﻳﺸ]ﻤﻠﻬﺎ اﻟ]ﺒﺤﺚ وﻋ]ﺪم ﺗﺪاﺧ]ﻞ ه]ﺬﻩ اﻟﻮﺣ]ﺪات ﻣ]ﻊ ﺗ]ﻠﻚ اﻟ]ﺘﻲ ﻻﻳﺸ]ﻤﻠﻬﺎ اﻟ]ﺒﺤﺚ ‪ .‬آﺬﻟ]ﻚ ﻳﺠﺐ اﻟﺘﻤﻴﻴﺰ ﺑﻴﻦ وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ ووﺣﺪات اﻟﻤﺸﺎهﺪة )وﺣﺪة‬
‫ﻼ ﻗ]ﺪ ﺗﻜ]ﻮن وﺣ]ﺪة اﻟﻤﻌﺎﻳﻨﻪ اﻟﻤﺼﻨﻊ ووﺣﺪة‬
‫ﻻ ﺗ]ﺘﻄﺎﺑﻘﺎن )ﻣ]ﺜ ً‬
‫اﻟﻤﺸ]ﺎهﺪة ه]ﻲ اﻟﻮﺣ]ﺪة اﻟ]ﺘﻲ ﻳﺠ]ﺮي ﻋ]ﻠﻴﻬﺎ اﻟﻘﻴ]ﺎس أو اﻟﺘﺼ]ﻨﻴﻒ( اﻟﻠ]ﺘﻴﻦ ﻗ]ﺪ ﺗ]ﺘﻄﺎﺑﻘﺎ أو ً‬
‫اﻟﻘﻴﺎس اﻟﻤﺪﻳﺮ أو اﻟﻌﺎﻣﻞ( ‪.‬‬

‫اﻟﻤﺠﺘﻤﻊ اﻻﺣﺼﺎﺋﻲ ‪Statistical pop. :‬‬

‫اﻟﻤﺠ]ﺘﻤﻊ اﻻﺣﺼ]ﺎﺋﻲ ه]ﻮ ﻋ]ﺒﺎرة ﻋﻦ " ﺟﻤﻴﻊ وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ اﻟﺘﻲ ﻧﻘﻮم ﺑﺪراﺳﺘﻬﺎ " أي هﻮ ﺟﻤﻴﻊ وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ اﻟﺘﻲ ﻧﺮﻳﺪ اﻻﺳﺘﺪﻻل‬
‫ﻋ]ﻠﻰ ﺧﻮاﺻ]ﻪ ﻋ]ﻦ ﻃ]ﺮﻳﻖ اﻟﻌﻴ]ﻨﻪ ‪ .‬وﻳﻤﻜﻨ]ﻨﺎ ﺗﻘﺴ]ﻴﻢ اﻟﻤﺠ]ﺘﻤﻌﺎت إﻟﻰ ﻣﺠ]ﺘﻤﻌﺎت ﺛﺎﺑ]ﺘﻪ ﻻ ﺗﺨﻀ]ﻊ ﻟ]ﺘﻐﻴﺮات ﺧ]ﻼل ﻓﺘﺮة )ﻗﺼﻴﺮة( ﻣﻦ اﻟﺰﻣﻦ آﺎﻟﻤﺪن‬
‫واﻟﺸ]ﻮارع وﻣﺠ]ﺘﻤﻌﺎت ﻏﻴ]ﺮ ﺛﺎﺑ]ﺘﺔ )ﺣﺮآﻴﺔ( ﺗﺘﻐﻴﺮ ﺑﺸﻜﻞ ﺳﺮﻳﻊ ﻣﻦ ﻓﺘﺮة ﻷﺧﺮى ﻣﺜﻞ ﻋﺪد اﻟﺴﻜﺎن وﻋﺪد اﻟﺴﻴﺎرات اﻟﺘﻲ ﺗﻤﺮ ﻓﻲ ﺷﺎرع ﻣﺎ وﻳﺠﺐ‬
‫ﺗﺤﺪﻳ]ﺪ اﻟﻤﺠ]ﺘﻤﻊ اﻟﺬي ﺳﻴﺸﻤﻠﻪ اﻟﺒﺤﺚ ﺗﺤﺪﻳﺪًا واﺿﺤُﺎ ودﻗﻴﻘًﺎ ﻟﺘﻘﻴﻴﻢ ﻧﺘﺎﺋﺞ اﻟﻌﻴﻨﻪ ﺑﺸﻜﻞ دﻗﻴﻖ ‪ ،‬ﺧﺎﺻﺔ ﻓﻴﻤﺎ ﻳﺘﻌﻠﻖ ﺑﻌﺪد وﺣﺪات اﻟﻤﺠﺘﻤﻊ ﺣﻴﺚ ﻳﻤﻜﻨﻨﺎ‬
‫اﻟ]ﺘﻤﻴﻴﺰ ﺑﻴ]ﻦ اﻟﻤﺠ]ﺘﻤﻊ اﻟﻤﺤ]ﺪد ‪ Finite pop.‬ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن ﻋ]ﺪد اﻟﻘﻴ]ﻢ ﻣﺤ]ﺪودًا واﻟﻤﺠﺘﻤﻊ ﻏﻴﺮ اﻟﻤﺤﺪد ‪ Infinite pop.‬ﻋﻨﺪﻣﺎ ﻳﺘﻀﻤﻦ اﻟﻤﺠﺘﻤﻊ‬
‫ﻋﺪدًا ﻻ ﻧﻬﺎﺋﻴًﺎ ﻣﻦ اﻟﻘﻴﻢ ‪.‬‬

‫اﻟﻌﻴﻨﻪ واﻟﻤﻌﺎﻳﻨﻪ ‪Sample & sampling :‬‬

‫ﻧﺴ]ﺘﺨﺪم آ]ﻠﻤﺔ اﻟﻌﻴ]ﻨﻪ آ]ﺜﻴﺮًا ﻓ]ﻲ ﺣﻴﺎﺗ]ﻨﺎ اﻟﻴﻮﻣﻴ]ﺔ ‪ ،‬إذ ﻋ]ﻨﺪﻣﺎ ﻳﻤ]ﺮض اﻟﺸﺨﺺ ﻳﻄﻠﺐ اﻟﻄﺒﻴﺐ ﻓﺤﺺ ﻋﻴﻨﻪ ﻣﻦ دﻣﻪ أي ﺑﺠﺰء ﻣﻨﻪ ‪ .‬آﺬﻟﻚ‬
‫ﻋ]ﻨﺪﻣﺎ ﻧ]ﺮﻳﺪ ﺷ]ﺮاء ﺳ]ﻠﻌﻪ ﻣﻌﻴ]ﻨﻪ آﺎﻟﺤ]ﺒﻮب )اﻟﻘﻤ]ﺢ‪ ،‬اﻷرز ‪ (...‬ﻧﺨ]ﺘﺎر ﺟ]ﺰءًا ﻣ]ﻦ ه]ﺬﻩ اﻟﺴ]ﻠﻌﺔ ﻟﻠ]ﺘﺄآﺪ ﻣﻦ ﺟﻮدﺗﻬﺎ ‪ ،‬وﻻﺗﺨﺎذ ﻗﺮار ﺑﺸﺮاﺋﻬﺎ أو ﻋﺪم‬
‫ﺷﺮاﺋﻬﺎ ‪ .‬إن ﻋﻤﻠﻴﺔ اﻻﺧﺘﻴﺎر ﻗﺪ ﺗﻜﻮن ﺟﻴﺪة وﻣﻨﺎﺳﺒﺔ ﺑﺤﻴﺚ ﺗﻤﻜﻨﻨﺎ ﻣﻦ اﻟﻮﺻﻮل إﻟﻰ اﻟﻘﺮار اﻟﺴﻠﻴﻢ ‪ ،‬وﻗﺪ ﺗﻜﻮن ﺧﺎﻃﺌﺔ ﺗﻌﻄﻲ ﻧﺘﺎﺋﺞ ﻣﻀﻠﻠﻪ‪.‬‬

‫وﺗﻌ]ﺮف اﻟﻌﻴ]ﻨﻪ ﺑﺄﻧﻬ]ﺎ " ﺟ]ﺰء ﻣ]ﻦ اﻟﻤﺠ]ﺘﻤﻊ ﻳ]ﺘﻢ اﺧ]ﺘﻴﺎرﻩ ﻟﺘﻤ]ﺜﻴﻞ اﻟﻤﺠ]ﺘﻤﻊ " أﻣ]ﺎ اﻟﻤﻌﺎﻳﻨﻪ ﻓﺘﻌﺮف ﺑﺄﻧﻬﺎ " ﻋﻤﻠﻴﺔ اﺧﺘﻴﺎر ﺟﺰء ﻣﻦ اﻟﻤﺠﺘﻤﻊ‬
‫اﻻﺣﺼﺎﺋﻲ ﻟﻼﺳﺘﺪﻻل ﻋﻠﻰ ﺧﻮاص اﻟﻤﺠﺘﻤﻊ ﺑﺄآﻤﻠﻪ ﻋﻦ ﻃﺮﻳﻖ ﺗﻌﻤﻴﻢ ﻧﺘﺎﺋﺞ اﻟﻌﻴﻨﻪ " ‪.‬‬

‫وﻟﺘﻮﺿﻴﺢ هﺬﻳﻦ اﻟﻤﻔﻬﻮﻣﻴﻦ ‪ ،‬ﻧﻮرد اﻟﻤﺜﺎل اﻟﺘﺎﻟﻲ ‪:‬‬

‫ﻧﻔ]ﺮض أﻧ]ﻨﺎ ﻧ]ﺮﻳﺪ دراﺳ]ﺔ ﻣﺴ]ﺘﻮى اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ ﻟﻤﻮﻇﻔﻲ اﺣﺪى اﻟﺠﻬﺎت ‪ ،‬وﻧﻈﺮًا ﻟﻀﺨﺎﻣﺔ ﻋﺪد ﻣﻮﻇﻔﻲ هﺬﻩ اﻟﺠﻬﺔ ﻓﻘﺪ ﺗﻘﺮر اﺧﺘﻴﺎر‬
‫ﻋ]ﺪد ﻣ]ﻦ اﻟﻤﻮﻇﻔﻴ]ﻦ ﻳﻤﺜﻠﻮن اﻟﻤﺠﺘﻤﻊ ‪ .‬ان اﻟﻤﻮﻇﻔﻴﻦ اﻟﺬﻳﻦ ﺗﻢ اﺧﺘﻴﺎرهﻢ هﻢ اﻟﻌﻴﻨﺔ ‪ ،‬اذ ﻳﺸﻜﻠﻮن ﺟﺰءًا ﻣﻦ اﻟﻤﺠﺘﻤﻊ ﻳﺘﻀﻤﻦ ﺧﺼﺎﺋﺼﻪ ‪ .‬أﻣﺎ ﻋﻤﻠﻴﺔ‬
‫اﺧﺘﻴﺎر هﺬﻩ اﻟﻌﻴﻨﻪ وﺗﻌﻤﻴﻢ اﻟﻨﺘﺎﺋﺞ ﻟﻼﺳﺘﺪﻻل ﻋﻠﻰ ﺧﺼﺎﺋﺺ اﻟﻤﺠﺘﻤﻊ ﻓﺘﺴﻤﻰ " ﻣﻌﺎﻳﻨﻪ " ‪.‬‬

‫ﺣﺠﻢ اﻟﻤﺠﺘﻤﻊ وﺣﺠﻢ اﻟﻌﻴﻨﻪ‬

‫ﻳﻘﺼ]ﺪ ﺑﺤﺠ]ﻢ اﻟﻤﺠ]ﺘﻤﻊ ﻋ]ﺪد ﺟﻤﻴ]ﻊ وﺣ]ﺪات اﻟﻤﻌﺎﻳ]ﻨﻪ اﻟ]ﺘﻲ ﻳ]ﺘﻜﻮن ﻣ]ﻨﻬﺎ اﻟﻤﺠ]ﺘﻤﻊ وﻳﺮﻣ]ﺰ ﻟﻪ ﻋﺎدة ﺑﺎﻟﺮﻣﺰ ‪ N‬أﻣﺎ ﺣﺠﻢ اﻟﻌﻴﻨﻪ ﻓﻬﻮ ﻋﺪد‬
‫وﺣﺪات اﻟﻤﻌﺎﻳﻨﻪ اﻟﺘﻲ ﺗــــﻢ اﺧﺘﻴﺎرهﺎ وﻳﺮﻣﺰ ﻟﻪ ﻋﺎدة ﺑﺎﻟﺮﻣﺰ ‪ . n‬وﻳﻌﺘﺒﺮ ﺣﺠﻢ اﻟﻌﻴﻨﻪ ﺻﻐﻴﺮًا اذا آﺎن أﻗﻞ ﻣﻦ ‪ 30‬أي اذا آﺎﻧﺖ ‪n < 30‬‬
‫‪.‬‬
 ‫آﺴﺮ اﻟﻤﻌﺎﻳﻨﻪ‬

‫ﻳﻤ]ﺜﻞ آﺴ]ﺮ اﻟﻤﻌﺎﻳ]ﻨﻪ اﻟﻮاﺣ]ﺪات اﻟﻤﺨ]ﺘﺎرة ﻓ]ﻲ اﻟﻌﻴ]ﻨﻪ إﻟﻰ ﻋ]ﺪد وﺣ]ﺪات اﻟﻤﻌﺎﻳ]ﻨﻪ ﻓ]ﻲ اﻟﻤﺠ]ﺘﻤﻊ ‪ ،‬أي ﻳﺴ]ﺎوي ﻧﺴ]ﺒﺔ ﺣﺠ]ﻢ اﻟﻌﻴ]ﻨﻪ إﻟﻰ ﺣﺠﻢ‬
‫‪n‬‬
‫=‪ f‬وﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن ﻟﺪﻳ]ﻨﺎ ﻋﻴﻨﺎت ﺟﺰﺋﻴﺔ )ﻳﺸﻜﻞ ﻣﺠﻤﻮﻋﻬﺎ اﻟﻌﻴﻨﻪ( أي ‪n = n 1 + n 2 +...+ n L‬‬ ‫اﻟﻤﺠ]ﺘﻤﻊ وﻳﺮﻣ]ﺰ ﻟﻪ ﻋ]ﺎدة ﺑﺎﻟﺮﻣ]ﺰ ‪ f‬ﺣﻴ]ﺚ‬
‫‪N‬‬
‫‪ni‬‬
‫= ‪ f i‬ﺣﻴﺚ‬ ‫ﺣﻴ]ﺚ ‪ L‬ﻋ]ﺪد اﻷﻗﺴ]ﺎم )آﻤ]ﺎ ه]ﻮ اﻟﺤ]ﺎل ﻓ]ﻲ اﻟﻤﻌﺎﻳ]ﻨﻪ اﻟﻄ]ﺒﻘﻴﺔ اﻟﺘﻲ ﺳﻨﺪرﺳﻬﺎ ﻓﻴﻤﺎ ﺑﻌﺪ( ﻧﺠﺪ أن آﺴﺮ اﻟﻤﻌﺎﻳﻨﻪ ﻟﻠﻄﺒﻘﺔ ‪ i‬ﻳﺴﺎوي‬
‫‪Ni‬‬
‫‪ N i‬ﺣﺠﻢ اﻟﻤﺠﺘﻤﻊ ﻓﻲ اﻟﻄﺒﻘﺔ ‪ i‬و ‪ n i‬ﺣﺠﻢ اﻟﻌﻴﻨﻪ ﻓﻲ اﻟﻄﺒﻘﺔ ‪ i‬وﻳﻜﻮن ﻟﺪﻳﻨﺎ ﻋﺪة آﺴﻮر ﻟﻠﻤﻌﺎﻳﻨﻪ )‪ L‬آﺴﺮًا( ‪:‬‬
‫‪n1‬‬ ‫‪n‬‬ ‫‪n‬‬
‫= ‪f1‬‬ ‫‪,f2 = 2 ,...fL = L‬‬
‫‪N1‬‬ ‫‪N2‬‬ ‫‪NL‬‬

‫اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ‪Random variable :‬‬

‫ﻋ]ﻨﺪﻣﺎ ﻧﻘﻴ]ﺲ وزن أو ﻃ]ﻮل أو ﻋﻤ]ﺮ ﺷ]ﺨﺺ ﻣ]ﺎ ‪ ،‬ﻓﺎﻧ]ﻨﺎ ﻧﺸ]ﻴﺮ إﻟﻰ اﻟﻨ]ﺘﺎﺋﺞ اﻟ]ﺘﻲ ﻧﺤﺼﻞ ﻋﻠﻴﻬﺎ ﺑﻘﻴﻢ ﻣﻌﻴﻨﻪ ﻳﻌﺒﺮ ﻋﻨﻬﺎ ﺑﻤﺘﻐﻴﺮ ‪ .‬ﻟﺬا ﻳﻤﻜﻨﻨﺎ‬
‫ﻼ‬
‫ﺗﻌ]ﺮﻳﻒ اﻟﻤ]ﺘﻐﻴﺮ ﺑﺄﻧﻪ " رﻣﺰ ﻳﻤﻜﻦ أن ﻳﺄﺧﺬ أﻳﺔ ﻗﻴﻤﺔ ﺳﺒﻖ ﺗﺤﺪﻳﺪهﺎ ﺗﺴﻤﻰ ﻣﺠﺎل هﺬا اﻟﻤﺘﻐﻴﺮ " وﻳﺮﻣﺰ ﻋﺎدة ﻟﻠﻤﺘﻐﻴﺮات ﺑﺮﻣﻮز )‪ (x,y,z,...‬ﻣﺜ ً‬
‫ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن ﻟﺪﻳﻨﺎ ‪ N‬ﻗﻴﻤﺔ ﺗﻤﺜﻞ أﻋﻤﺎر اﻷﻃﻔﺎل ﻳﻤﻜﻨﻨﺎ اﻟﺘﻌﺒﻴﺮ ﻋﻦ هﺬﻩ اﻟﻘﻴﻢ ﺑﺎﻟﻤﺘﻐﻴﺮ ‪ X‬ﺣﻴﺚ ‪ X :X 1,X 2,X 3,...,X N‬ﺣﻴﺚ ﻳﺸﻴﺮ اﻟﺪﻟﻴﻞ‬
‫إﻟﻰ رﻗﻢ اﻟﻘﻴﻤﺔ أي رﻗﻢ اﻟﻮﺣﺪة اﻻﺣﺼﺎﺋﻴﺔ وﻋﻨﺪﻣﺎ ﻧﺤﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ )اﻟﻘﻴﻢ( ﻧﺘﻴﺠﺔ اﻟﻌﻮاﻣﻞ اﻟﻌﺸﻮاﺋﻴﺔ )ﻋﻮاﻣﻞ اﻟﺤﻆ أو اﻟﺼﺪﻓﺔ( ﻳﺴﻤﻰ اﻟﻤﺘﻐﻴﺮ‬
‫ﻣ]ﺘﻐﻴﺮ ﻋﺸ]ﻮاﺋﻲ آﻤ]ﺎ ﺗﺴ]ﻤﻰ اﻟﻨ]ﺘﺎﺋﺞ اﻟ]ﺘﻲ ﻧﺤﺼ]ﻞ ﻋﻠﻴﻬﺎ ﺑﺎﻟﻤﺸﺎهﺪات أو اﻟﻤﻔﺮدات ‪ observations‬وﻳﻤﻜﻨﻨﺎ ﺗﻌﺮﻳﻒ اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ﺑﺄﻧﻪ داﻟﺔ‬
‫ذات ﻗﻴﻢ ﻋﺪدﻳﺔ ﺣﻘﻴﻘﻴﺔ ﻣﻌﺮﻓﺔ ﻋﻠﻰ ﻓﻀﺎء اﻟﻌﻴﻨﺔ ‪.‬‬

‫وﻧﺴﺘﻄﻴﻊ اﻟﺘﻤﻴﻴﺰ ﺑﻴﻨﻮ ﻧﻮﻋﻴﻦ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻌﺸﻮاﺋﻴﺔ ‪:‬‬

‫ﻣﺘﻐﻴﺮ ﻋﺸﻮاﺋﻲ ﻣﺘﻘﻄﻊ ‪Discrete Random variable‬‬ ‫)أ(‬

‫وه]ﻮ اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ اﻟﺬي ﻧﺤﺼﻞ ﻋﻠﻴﻪ ﻋﻨﺪﻣﺎ ﻳﻜﻮن هﻨﺎك ﺗﻘﻄﻌﺎت أو ﻗﻔﺰات ﺑﻴﻦ اﻟﻘﻴﻢ وﻋﻨﺪ ﻋﺪم وﺟﻮد ﻗﻴﻢ ﺑﻴﻦ آﻞ ﻗﻴﻤﺘﻴﻦ ﻣﻦ اﻟﻘﻴﻢ‬
‫ﻼ ﻋﺪد أﻓﺮاد اﻷﺳﺮة ﻟﻠﻤﻮﻇﻔﻴﻦ ﻓﻲ اﺣﺪى اﻟﺠﻬﺎت هﻮ ﻣﺘﻐﻴﺮ ﻋﺸﻮاﺋﻲ ﻣﺘﻘﻄﻊ ﻳﺄﺧﺬ اﻟﻘﻴﻢ‬
‫وﻳﺄﺧﺬ ﻋﺪدًا ﻣﺤﺪدًا ﻣﻦ اﻟﻘﻴﻢ ﻣﺜ ً‬
‫‪X: 0,1,2,3,4,...,10‬‬

‫ﻣﺘﻐﻴﺮ ﻋﺸﻮاﺋﻲ ﻣﺘﺼﻞ ‪Continuous Random Variable‬‬ ‫)ب(‬

‫اﻟﻤ]]ﺘﻐﻴﺮ اﻟﻌﺸ]]ﻮاﺋﻲ اﻟﻤﺘﺼ]]ﻞ ه]]ﻮ اﻟﻤ]]ﺘﻐﻴﺮ اﻟﻌﺸ]]ﻮاﺋﻲ اﻟ]]ﺬي ﻻﻳﺘﻀ]]ﻤﻦ ﻓﺠ]]ﻮات أو ﺗﻘﻄﻌ]]ﺎت آﻤ]]ﺎ ه]]ﻮ اﻟﺤ]]ﺎل ﻓ]]ﻲ اﻟﻤ]]ﺘﻐﻴﺮ اﻟﻤ]]ﺘﻘﻄﻊ‪ .‬أي أن‬
‫ﻼ درﺟﺎت ﺣﺮارة اﻟﻤﺮﺿﻰ ‪y‬‬ ‫اﻟﻤ]ﺘﻐﻴﺮ اﻟﻌﺸ]ﻮاﺋﻲ اﻟﻤﺘﺼ]ﻞ ه]ﻮ اﻟﻤ]ﺘﻐﻴﺮ اﻟ]ﺬي ﻳﻤﻜﻦ أن ﻳﺄﺧﺬ أﻳﺔ ﻗﻴﻤﺔ ﺿﻤﻦ ﻣﺠﺎل اﻟﻘﻴﻢ ﻟﻠﻤﺘﻐﻴﺮ اﻟﺬي ﻧﺪرﺳﻪ ‪ .‬ﻣﺜ ً‬
‫ﻳﻤﻜﻦ أن ﺗﺄﺧﺬ ﻋﺪة ﻗﻴﻢ ﺗﺘﺮاوح ﺑﻴﻦ ‪ 36‬و ‪ 41‬أي ‪. Y:37,37.5,39.1,38,38.2‬‬

‫ان اﻟ]ﺒﻴﺎﻧﺎت اﻟ]ﺘﻲ ﻳﻤﻜ]ﻦ اﻟﺘﻌ]ﺒﻴﺮ ﻋ]ﻨﻬﺎ ﺑﻤ]ﺘﻐﻴﺮات ﻣ]ﺘﻘﻄﻌﺔ ﺗﺴ]ﻤﻰ ﺑﻴﺎﻧ]ﺎت ﻣ]ﺘﻘﻄﻌﺔ واﻟ]ﺒﻴﺎﻧﺎت اﻟ]ﺘﻲ ﻳﻤﻜ]ﻦ اﻟﺘﻌ]ﺒﻴﺮ ﻋﻨﻬﺎ ﺑﻤﺘﻐﻴﺮات ﻣﺘﺼﻠﺔ‬
‫ﺗﺴﻤﻰ ﺑﻴﺎﻧﺎت ﻣﺘﺼﻠﺔ وﻋﻨﺪﻣﺎ ﻳﺄﺧﺬ اﻟﻤﺘﻐﻴﺮ ﻗﻴﻤﺔ وﺣﻴﺪة ﻓﻘﻂ ﻳﺴﻤﻰ‪" :‬ﺛﺎﺑﺖ"‪.‬‬

‫وآﺬﻟ]ﻚ ﻳﻤﻜﻨ]ﻨﺎ اﻟ]ﺘﻤﻴﻴﺰ ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻜﻤﻴﺔ اﻟﺘﻲ ﻳﻤﻜﻦ ﻗﻴﺎﺳﻬﺎ آﺎﻷﻃﻮال واﻷوزان وﻏﻴﺮهﺎ واﻟﻤﺘﻐﻴﺮات اﻟﻨﻮﻋﻴﺔ أو اﻻﺳﻤﻴﺔ اﻟﺘﻲ ﺗﻌﺒﺮ‬
‫ﻼ ﻧﻌﺒﺮ ﻋﻦ ﻣﺘﻐﻴﺮ اﻟﺠﻨﺲ ﻟﻠﻤﺮﺿﻰ‬ ‫ﻋﻦ اﻟﻈﻮاهﺮ اﻟﺘﻲ ﻻﻳﻤﻜﻦ ﻗﻴﺎﺳﻬﺎ آﺎﻟﺠﻨﺲ أو اﻟﻠﻮن ﻣﺜ ً‬
‫‪X=1,2,1,1,2‬‬
 ‫ﺣﻴﺚ ﻳﺸﻴﺮ اﻟﻌﺪد ‪ 1‬إﻟﻰ اﻟﻤﺮﻳﺾ اﻟﺬآﺮ واﻟﻌﺪد ‪ 2‬ﻳﺸﻴﺮ اذا آﺎن أﻧﺜﻰ واﻟﺠﻨﺲ هﻮ ﻣﺘﻐﻴﺮ اﺳﻤﻰ ‪.‬‬

‫اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪Arithmetic mean :‬‬

‫ﻳﻌ]ﺪ اﻟﻮﺳ]ﻂ اﻟﺤﺴ]ﺎﺑﻲ أﺣ]ﺪ وأه]ﻢ ﻣﻘ]ﺎﻳﻴﺲ اﻟ]ﻨﺰﻋﺔ اﻟﻤﺮآﺰﻳﺔ ‪ ،‬وﻳﻌﺮف اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﺑﺄﻧﻪ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﻧﺤﺼﻞ ﻋﻠﻴﻬﺎ اذا ﻗﺴﻤﻨﺎ ﻣﺠﻤﻮع‬
‫اﻟﻘﻴﻢ ﻋﻠﻰ ﻋﺪدهﺎ ‪ .‬اذا رﻣﺰﻧﺎ ﻟﻘﻴﻢ اﻟﻤﺠﺘﻤﻊ ﺑﺎﻟﻤﺘﻐﻴﺮ ‪ X‬ﺣﻴﺚ ﻟﺪﻳﻨﺎ ‪ N‬ﻗﻴﻤﺔ أو ﻣﻔﺮدة ﻳﻜﻮن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ وﻧﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ ‪. µ‬‬
‫‪N‬‬

‫‪∑X‬‬ ‫‪i‬‬
‫)‪(1‬‬ ‫=‪µ‬‬ ‫‪i= 1‬‬
‫‪N‬‬
‫‪N‬‬
‫ﻳﺸﻴﺮ إﻟﻰ ﻣﺠﻤﻮع ﻗﻴﻢ اﻟﻤﺠﺘﻤﻊ اﻟﺘﻲ ﻋﺪدهﺎ ‪ N‬ﻗﻴﻤﺔ ‪ .‬واذا رﻣﺰﻧﺎ إﻟﻰ ﻗﻴﻤﺔ اﻟﻌﻴﻨﺔ ﻓﻲ اﻟﺴﺤﺐ ‪ i‬ﺑــ ‪ x i‬ﺣﻴﺚ ﻟﺪﻳﻨﺎ = ‪i‬‬ ‫‪∑X‬‬
‫‪i= 1‬‬
‫‪i‬‬ ‫ﺣﻴﺚ‬

‫‪ 1,2,...,n‬ﻓﺎن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ وﻧﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ ‪ x‬وﺗﻘﺮأ ‪x‬‬

‫ﻳﺴﺎوي ‪:‬‬
‫‪n‬‬

‫‪∑x‬‬ ‫‪i‬‬
‫)‪(2‬‬ ‫=‪x‬‬ ‫‪i =1‬‬

‫‪n‬‬

‫وﻳﻌ]ﺪ ﻣﺘﻮﺳ]ﻂ اﻟﻌﻴ]ﻨﻪ ﻣ]ﻦ أﻓﻀ]ﻞ اﻟﻤﻘ]ﺪرات ﻟﻤﺘﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ اﻟﺬي ﻳﻜﻮن ﻏﺎﻟﺒًﺎ ﻏﻴﺮ ﻣﻌﻠﻮم ‪ ،‬ﻷن ﻗﻴﻢ اﻟﻤﺠﺘﻤﻊ ﻏﻴﺮ ﻣﻌﻠﻮﻣﻪ ﻓﻲ ﻣﻌﻈﻢ‬
‫اﻟﺤﺎﻻت ‪ .‬وآﺜﻴﺮًا ﻣﺎ ﺗﺴﺘﺨﺪم آﻠﻤﺔ اﻟﻤﺘﻮﺳﻂ ‪ Mean‬ﻟﻠﺪﻻﻟﺔ ﻋﻠﻰ اﻟﻤﺘﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪.‬‬

‫اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ‪Variance & Standard Deviation :‬‬

‫ﻳﻌ]ﺪ اﻟﺘ]ﺒﺎﻳﻦ واﻻﻧﺤ]ﺮاف اﻟﻤﻌﻴ]ﺎري ﻣ]ﻦ أه]ﻢ ﻣﻘ]ﺎﻳﻴﺲ اﻻﻧﺘﺸ]ﺎر واﻟﺘﺸ]ﺘﺖ ‪ Measure of Dispersion‬اﻟ]ﺘﻲ ﺗﻘﻴﺲ ﻣﺪى اﻧﺘﺸﺎر اﻟﻘﻴﻢ‬
‫ﻋ]ﻦ ﺑﻌﻀ]ﻬﺎ أو ﻋﻦ ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ ‪ .‬وﻳﻌﺪ اﻟﺘﺒﺎﻳﻦ أﺣﺪ اﻟﻤﻘﺎﻳﻴﺲ اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﻟﻘﻴﺎس ﻣﺪى اﺑﺘﻌﺎد اﻟﻘﻴﻢ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪ ،‬إذ آﻠﻤﺎ آﺎﻧﺖ اﻟﻘﻴﻢ ﺑﻌﻴﺪة‬
‫ﻋ]ﻨﻪ آ]ﺎن اﻟﺘ]ﺒﺎﻳﻦ أآ]ﺒﺮ‪ ،‬واﻟﺘﺒﺎﻳﻦ هﻮ ﻋﺒﺎرة ﻋﻦ ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄﻬﺎ اﻟﺤﺴﺎﺑﻲ ﻣﻘﺴﻮﻣًﺎ ﻋﻠﻰ ﻋﺪدهﺎ ‪ .‬وﻳﻤﻜﻨﻨﺎ اﻟﺘﻤﻴﻴﺰ ﺑﻴﻦ‬
‫ﺗﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ‪ σ 2‬وﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﻪ ‪. s‬‬
‫‪2‬‬

‫• ﺗﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ﻳﺴﺎوي ‪:‬‬

‫‪N‬‬
‫‪(x i − µ )2‬‬
‫)‪(3‬‬ ‫∑‬
‫‪i= 1‬‬ ‫‪N‬‬
‫ﺣﻴﺚ ‪ µ‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ و ‪ N‬ﺣﺠﻢ اﻟﻤﺠﺘﻤﻊ ‪.‬‬

‫• ﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﻪ ﻳﺴﺎوي‬

‫‪( xi − x ) 2‬‬
‫‪n‬‬
‫)‪(4‬‬ ‫∑= ‪S‬‬
‫‪2‬‬

‫‪i =1‬‬ ‫‪n −1‬‬

‫ﺣﻴ]ﺚ ‪ x‬ه]ﻮ اﻟﻮﺳ]ﻂ اﻟﺤﺴ]ﺎﺑﻲ ﻟﻠﻌﻴ]ﻨﻪ و ‪ n‬ﺣﺠ]ﻢ اﻟﻌﻴ]ﻨﻪ وﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﻪ ‪ n ≥ 30‬ﻧﻀﻊ ﻓﻲ اﻟﻤﻘﺎم ‪ n‬ﻋﻮﺿًﺎ ﻋﻦ ‪ . n-1‬أﻣﺎ‬
‫اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻓﻬﻮ ﻋﺒﺎرة ﻋﻦ اﻟﺠﺬر اﻟﺘﺮﺑﻴﻌﻲ ﻟﻠﺘﺒﺎﻳﻦ وﻳﻜﻮن ﻟﺪﻳﻨﺎ ‪:‬‬
‫• اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ ‪ σ‬ﻳﺴﺎوي ‪:‬‬
‫‪N‬‬

‫‪∑ (X‬‬ ‫‪i‬‬ ‫‪− u )2‬‬

‫)‪(5‬‬ ‫=‪σ‬‬ ‫‪i= 1‬‬
‫‪N‬‬

‫• واﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻌﻴﻨﻪ ‪ s‬ﻳﺴﺎوي ‪:‬‬

‫‪n‬‬

‫‪∑ (x‬‬ ‫‪i‬‬ ‫‪− x) 2‬‬

‫)‪(6‬‬ ‫=‪S‬‬ ‫‪i =1‬‬
‫‪n −1‬‬

‫وآﺜﻴﺮًا ﻣﺎ ﻧﺴﺘﺨﺪم اﻟﺼﻴﻐﺔ اﻟﺘﺎﻟﻴﺔ ﻟﺤﺴﺎب اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻴﻌﻨﻪ‬

‫‪n‬‬
‫‪1‬‬
‫) ‪( ∑ xi2 − nx‬‬
‫‪2‬‬
‫)‪(7‬‬ ‫=‪S‬‬
‫‪n − 1 i =1‬‬

‫آﻤﺎ ﻳﺮﻣﺰ أﺣﻴﺎﻧًﺎ ﻟﺘﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ﺑﺎﻟﺮﻣﺰ )‪ V(X‬أو )‪ Var(X‬وﻟﺘﺒﺎﻳﻦ اﻟﻌﻴﻨﻪ )‪ v(x‬أو )‪ var (x‬ﻓﻴﻜﻮن اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻌﻴﻨﻪ‪:‬‬
‫) ‪s = vas( x‬‬

‫اﻟﺘﻐﺎﻳﺮ واﻻرﺗﺒﺎط ‪Covariance & Correlation‬‬

‫ﻧﻔ]]ﺘﺮض أﻧ]]ﻨﺎ ﻧ]]ﺮﻏﺐ ﻓ]]ﻲ دراﺳ]]ﺔ اﻟﻌﻼﻗ]]ﺔ ﺑﻴ]]ﻦ ﻣ]]ﺘﻐﻴﺮﻳﻦ ﻋﺸ]]ﻮاﺋﻴﻴﻦ ‪ x‬و ‪ y‬ﻟﻌﻴ]]ﻨﻪ ﺣﺠﻤﻬ]]ﺎ ‪ n‬وﺣ]]ﺪة ‪ ،‬ﻓﻴﻜ]]ﻮن ﻟﺪﻳ]]ﻨﺎ ‪ n‬زوج ﻣ]]ﻦ اﻟﻘﻴ]]ﻢ‬
‫) ‪ ( x1 , y1 ), ( x2 , y2 ),..., ( xn , yn‬ان ﻣﺘﻮﺳ]ﻂ ﻣﺠﻤﻮع ﺣﺎﺻﻞ ﺿﺮب اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﻴﺮﻳﻦ هﻮ اﻟﺘﻐﺎﻳﺮ أي أن اﻟﺘﻐﺎﻳﺮ‬
‫وﻟﻨﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ )‪ Cov (x,y‬ﻳﺴﺎوي‪:‬‬
‫‪n‬‬
‫) ‪( x − x )( y − y‬‬
‫)‪(8‬‬ ‫∑ = ) ‪Cov ( x, y‬‬
‫‪i =1‬‬ ‫‪n −1‬‬

‫وﻧﻀﻊ ‪ n‬ﻋﻮﺿًﺎ ﻋﻦ ‪ n-1‬اذا آﺎن ﺣﺠﻢ اﻟﻌﻴﻨﻪ آﺒﻴﺮًا ‪. n ≥ 30‬‬

‫وﻳﺴ]ﺘﺨﺪم اﻟ]ﺘﻐﺎﻳﺮ آﻤﻘﻴ]ﺎس ﻧﻮﻋ]ﻲ ﻟﻤ]ﺪى وﺟ]ﻮد ﻋﻼﻗ]ﺔ ﺑﻴ]ﻦ اﻟﻤ]ﺘﻐﻴﺮﻳﻦ ‪ x‬و ‪ . y‬ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن اﻟ]ﺘﻐﺎﻳﺮ ﻣﺴ]ﺎوﻳًﺎ ﻟﻠﺼ]ﻔﺮ ﻳﻌ]ﻨﻲ ﻋﺪم وﺟﻮد‬
‫ﻋﻼﻗﺔ ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮﻳﻦ ‪.‬‬

‫وﻣ]ﻦ اﻟﺼ]ﻌﺐ اﺳ]ﺘﺨﺪام اﻟ]ﺘﻐﺎﻳﺮ آﻤﻘﻴ]ﺎس ﻟﺪرﺟ]ﺔ ﻗ]ﻮة اﻟﻌﻼﻗ]ﺔ ﺑﻴ]ﻦ اﻟﻤ]ﺘﻐﻴﺮﻳﻦ ﻷن ﻗﻴﻤ]ﺘﻪ ﺗﻌ]ﺘﻤﺪ ﻋ]ﻠﻰ ﻧ]ﻮع اﻟﻤﻘﻴ]ﺎس اﻟﻤﺴ]ﺘﺨﺪم ‪ ،‬ﻟ]ﺬا ﻣﻦ‬
‫اﻟﺼ]ﻌﺐ ﺗﺤﺪﻳ]ﺪ ﻣ]ﺎ اذا آ]ﺎن اﻟ]ﺘﻐﺎﻳﺮ آ]ﺒﻴﺮًا ﻣ]ﻦ ﻧﻈ]ﺮة ﺳ]ﺮﻳﻌﺔ ‪ ،‬ﻟ]ﺬا ﻳﺴ]ﺘﺨﺪم ﻣﻌ]ﺎﻣﻞ اﻻرﺗ]ﺒﺎط آﻤﻘﻴ]ﺎس درﺟ]ﺔ ﻗﻮة اﻟﻌﻼﻗﺔ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻳﻦ وآﺜﻴﺮًا ﻣﺎ‬
‫ﺗﺴﺘﺨﺪم اﻟﺼﻴﻐﺔ اﻟﺘﺎﻟﻴﺔ ﻻﺳﺘﺨﺮاج اﻟﺘﻐﺎﻳﺮ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻳﻦ ‪:‬‬

‫)‪(9‬‬ ‫= ) ‪cov( x , y‬‬

‫‪∑x y‬‬ ‫‪i i‬‬ ‫‪− nx y‬‬
‫‪n −1‬‬
 ‫وﻧﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻟﻘﻴﺎس درﺟﺔ ﻗﻮة اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﺑﻴﻦ ﻣﺘﻐﻴﺮﻳﻦ وﻟﻨﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ ‪ γ‬وﻳﺴﺎوي ‪:‬‬
‫) ‪cov( x, y‬‬
‫)‪(10‬‬ ‫=‪r‬‬
‫‪SxSy‬‬

‫ﺣﻴ]]]ﺚ ‪ S y , S x‬هﻤ]]]ﺎ اﻻﻧﺤ]]]ﺮاف اﻟﻤﻌﻴ]]]ﺎري ﻟﻠﻤ]]]ﺘﻐﻴﺮﻳﻦ ‪ X‬و ‪ y‬ﻋ]]]ﻠﻰ اﻟ]]]ﺘﻮاﻟﻲ ‪ :‬وﺗ]]]ﺘﺮاوح ﻗﻴﻤ]]]ﺔ ﻣﻌ]]]ﺎﻣﻞ اﻻرﺗ]]]ﺒﺎط ﺑﻴ]]]ﻦ ‪ 1-‬و ‪ 1‬أي‬
‫‪ − 1 ≤ r ≤ 1‬ﺣﻴ]ﺚ ﻳﺴ]ﺎوي ‪ -1‬ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن اﻻرﺗ]ﺒﺎط ﺑﻴ]ﻦ اﻟﻤ]ﺘﻐﻴﺮﻳﻦ ‪ y,x‬ﺗﺎﻣ]ًﺎ وﻟﻜ]ﻦ ﺳ]ﺎﻟﺒًﺎ وﻳﺴ]ﺎوي ‪ +1‬ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن اﻻرﺗ]ﺒﺎط ﺗﺎﻣ]ًﺎ وﻟﻜﻦ‬
‫ﻣﻮﺟ]ﺒًﺎ وﻳﺴ]ﺎوي اﻟﺼ]ﻔﺮ ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن اﻻرﺗ]ﺒﺎط اﻟﺨﻄ]ﻲ ﻣﻌﺪوﻣ]ًﺎ ‪ .‬أي ﻻﻳﻮﺟﺪ ارﺗﺒﺎط ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮﻳﻦ ‪ .‬وﻳﻤﻜﻨﻨﺎ اﺳﺘﺨﺪام اﺣﺪى اﻟﺼﻴﻐﺘﻴﻦ اﻟﺘﺎﻟﻴﺘﻴﻦ‬
‫ﻟﺤﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪:‬‬
‫‪n‬‬
‫) ‪( xi − x )( yi − y‬‬
‫)‪(11‬‬ ‫∑=‪r‬‬
‫‪i =1‬‬ ‫‪( n − 1) S x S y‬‬
‫‪n‬‬
‫‪xi yi − nx y‬‬
‫)‪(12‬‬ ‫∑=‪r‬‬
‫‪i =1‬‬ ‫‪( n − 1) S x S y‬‬

‫‪2‬‬
‫‪x 2 − nx‬‬
‫‪n‬‬
‫‪Sx = ∑ i‬‬
‫‪i =1‬‬ ‫‪n −1‬‬
‫ﺣﻴﺚ‬
‫‪n‬‬
‫‪yi2 − n y‬‬
‫= ‪Sy‬‬ ‫∑‬
‫‪i =1‬‬ ‫‪n −1‬‬

‫ان اﻟﺼﻴﻎ اﻟﺴﺎﺑﻘﺔ ﻻﺳﺘﺨﺮاج ﻣﻌﺎﻣﻞ اﻟﺘﻐﺎﻳﺮ وﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﻦ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﻪ هﻲ ﻣﻘﺪرات ﻟﻠﻤﻌﺎﻟﻢ اﻟﻤﻘﺎﺑﻠﺔ ﻟﻬﺎ ﻓﻲ اﻟﻤﺠﺘﻤﻊ‪.‬‬

‫ﻣﻌﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ ‪pop. parameter :‬‬

‫ﻋ]ﻨﺪ دراﺳ]ﺔ ﻣ]ﺘﻐﻴﺮ ﻋﺸ]ﻮاﺋﻲ ‪ X‬ﻓ]ﺎن داﻟ]ﺔ آ]ﺜﺎﻓﺔ اﺣ]ﺘﻤﺎﻟﻪ ﺗﻌ]ﺘﻤﺪ ﻋ]ﻠﻰ ﻣﻘﻴﺎس أو ﻋﺪة ﻣﻘﺎﻳﻴﺲ )ﺛﻮاﺑﺖ( آﺎﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﺘﺒﺎﻳﻦ ‪ .‬وإن‬
‫ﻣﻌ]ﺮﻓﺔ هﺬﻩ اﻟﻤﻘﺎﻳﻴﺲ ﺗﺤﺪد اﻟﺨﺼﺎﺋﺺ اﻷﺳﺎﺳﻴﺔ ﻟﻠﻤﺘﻐﻴﺮ ﻣﻮﺿﻮع اﻟﺪراﺳﺔ وﺗﺴﻤﻰ اﻟﺜﻮاﺑﺖ اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋﻠﻴﻬﺎ داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل ﺑﻤﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ‬
‫‪.‬‬

‫ان ﻣﻌ]ﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ ﺗﻌﺒﻴﺮ ﻋﺪدي ﻳﻠﺨﺺ ﺧﺼﺎﺋﺺ ﺟﻤﻴﻊ ﻗﻴﻢ اﻟﻤﺠﺘﻤﻊ اذا آﺎﻧﺖ ﻏﻴﺮ ﺧﺎﺿﻌﺔ ﻟﻸﺧﻄﺎء‪ .‬وﻳﺘﻢ ﺣﺴﺎب ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ﻋﻨﺪ‬
‫اﺳ]]ﺘﺨﺪام أﺳ]]ﻠﻮب اﻟﺤﺼ]]ﺮ اﻟﺸ]]ﺎﻣﻞ ﺑﺸ]]ﻜﻞ ﺗ]]ﺎم دﻗﻴ]]ﻖ أي ﻋ]]ﻨﺪﻣﺎ ﻻ ﺗﻘ]]ﻊ أﺧﻄ]]ﺎء ‪ .‬وﻳﻌ]]ﺪ اﻟﻮﺳ]]ﻂ اﻟﺤﺴ]]ﺎﺑﻲ ﻟﻠﻤﺠ]]ﺘﻤﻊ ‪ µ‬وﺗﺒﺎﻳ]]ﻨﻪ ‪ σ 2‬ﻣ]]ﻦ أه]]ﻢ ﻣﻌ]]ﺎﻟﻢ‬
‫اﻟﻤﺠﺘﻤﻊ ﺣﻴﺚ ‪:‬‬
‫‪1‬‬ ‫‪N‬‬
‫‪1‬‬ ‫‪N‬‬
‫=‪µ‬‬
‫‪N‬‬
‫‪∑ Xi,‬‬
‫‪i =1‬‬
‫= ‪σ2‬‬
‫‪N‬‬
‫‪∑ (X‬‬
‫‪i =1‬‬
‫‪i‬‬
‫‪− µ) 2‬‬

‫ااﺣﺼﺎﺋﻴﺔ اﻟﻌﻴﻨﻪ ‪Asample Statistic :‬‬

‫ﻏﺎﻟ]ﺒًﺎ ﻣ]ﺎ ﺗﻜ]ﻮن ﻣﻌ]ﺎﻟﻢ اﻟﻤﺠ]ﺘﻤﻊ ﻣﺠﻬﻮﻟ]ﺔ ﺣﻴ]ﺚ ﻧﻘ]ﻮم ﺑ]ﺘﻘﺪﻳﺮهﺎ ﻣ]ﻦ ﺑﻴﺎﻧ]ﺎت ﻋﻴﻨﻪ ﺗﻤﺜﻞ اﻟﻤﺠﺘﻤﻊ ‪ .‬ان اﺣﺼﺎﺋﻴﺔ اﻟﻌﻴﻨﻪ هﻲ ﻣﻘﺪر ﻟﻤﻌﻠﻤﻪ اﻟﻤﺠﺘﻤﻊ ﻳﺘﻢ‬
‫ﺣﺴﺎﺑﻬﺎ ﻣﻦ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﻪ اﻟﺘﻲ ﺗﻤﺜﻞ هﺬا اﻟﻤﺠﺘﻤﻊ ‪ .‬وﻳﻌﺪ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ ‪ x‬وﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﻪ ‪ S 2‬ﻣﻦ اﺣﺼﺎﺋﻴﺎت اﻟﻌﻴﻨﻪ ﺣﻴﺚ ‪:‬‬
 ‫‪1 n‬‬
‫=‪x‬‬ ‫‪∑ xi‬‬
‫‪n i =1‬‬
‫‪1 n‬‬
‫= ‪S2‬‬ ‫‪∑ ( xi − x) 2‬‬
‫‪n − 1 i =1‬‬

‫اﻻﺣﺘﻤﺎل ‪Probability :‬‬

‫آﺜﻴﺮًا ﻣﺎ ﻧﺴﺘﺨﺪم ﻣﻔﻬﻮم اﻻﺣﺘﻤﺎل ﻓـــــﻲ ﺣﻴﺎﺗﻨﺎ اﻟﻴﻮﻣﻴﺔ آـــﺄن ﻧﻘﻮل ان اﺣﺘﻤﺎل ﻧﺠﺎح اﻟﻄﺎﻟﺐ ﻓﻲ ﻣﺎدة اﻟﺮﻳﺎﺿﻴﺎت ‪ %50‬أو ‪70‬‬
‫‪ %‬وﻳ]ﺘﺮاوح اﻻﺣ]ﺘﻤﺎل ﺑﻴ]ﻦ اﻟﺼ]ﻔﺮ واﻟﻮاﺣ]ﺪ ‪ .‬إذ آ]ﻠﻤﺎ آ]ﺎن اﻟﺤ]ﺪث أآﺜﺮ وﻗﻮﻋًﺎ آﺎن اﻻﺣﺘﻤﺎل أﻗﺮب إﻟﻰ اﻟﻮاﺣﺪ ‪ ،‬وآﻠﻤﺎ آﺎن اﻟﺤﺪث أﻗﻞ وﻗﻮﻋًﺎ‬
‫آ]ﺎن اﻻﺣ]ﺘﻤﺎل أﻗ]ﺮب إﻟﻰ اﻟﺼ]ﻔﺮ ‪ .‬إن اﺣ]ﺘﻤﺎل وﻗ]ﻮع اﻟﺤ]ﺪث اﻻآﻴ]ﺪ ﻳﺴ]ﺎوي اﻟﻮاﺣ]ﺪ واﺣ]ﺘﻤﺎل ﻋ]ﺪم وﻗﻮﻋ]ﻪ ﻳﺴ]ﺎوي اﻟﺼﻔﺮ ‪ .‬ﻟﻨﺮﻣﺰ إﻟﻰ اﺣﺘﻤﺎل‬
‫ﺣ]ﺪوث اﻟﺤ]ﺪث ‪ E‬ﺑﺎﻟﺮﻣ]ﺰ )‪ P(E‬واﺣ]ﺘﻤﺎل ﻋﺪم ﺣﺪوﺛﻪ ﺑﺎﻟﺮﻣﺰ )‪ q(E‬ﺣﻴﺚ ‪ q(E)=1-P(E) :‬وﺗﺴﺘﺨﺪم آﻠﻤﺔ ﻧﺠﺎح ﻟﻼﺷﺎرة إﻟﻰ وﻗﻮع اﻟﺤﺪث‬
‫وآ]]ﻠﻤﺔ ﻓﺸ]]ﻞ ﻟﻌ]]ﺪم وﻗﻮﻋ]]ﻪ ‪ .‬وﻟﻠﻮﺻ]]ﻮل إﻟﻰ ﺗﻌ]]ﺮﻳﻒ دﻗﻴ]]ﻖ ﻟﻼﺣ]]ﺘﻤﺎل ‪ ،‬ﻻ ﺑ]]ﺪ ﻣ]]ﻦ ﻣ]]ﻦ ﺗﻌ]]ﺮﻳﻒ اﻟ]]ﺘﺠﺮﺑﺔ واﻟﺤ]]ﺪث ‪ .‬وﺗﻌ]]ﺮف اﻟ]]ﺘﺠﺮﺑﺔ ‪An‬‬
‫‪ Experiment‬ﺑﺄﻧﻬ]]ﺎ " ﻋﻤ]]ﻠﻴﺔ ﺗﺠ]]ﺮى ﺗﺤ]]ﺖ ﻇ]]ﺮوف ﻣﻌﻴ]]ﻨﻪ وﻻ ﻳﻤﻜ]]ﻦ اﻟﺘﻨ]]ﺒﺆ ﺑﻨﺘﻴﺠ]]ﺘﻬﺎ ﺑﺸ]]ﻜﻞ أآﻴ]]ﺪ " وﻟﻠ]]ﺘﺠﺮﺑﺔ ﻧ]]ﺘﺎﺋﺞ ﻣﺤﺘﻤ]]ﻠﺔ ‪Possible‬‬
‫‪ outcome‬أﻣﺎ اﻟﺤﺪث ‪ An event‬ﻓﻬﻮ ﻣﺠﻤﻮﻋﺔ اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﻟﻬﺎ ﺧﺼﺎﺋﺺ ﻣﺤﺪدة ﻓﻲ اﻟﻤﺠﻤﻮﻋﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﺘﺎﺋﺞ ‪. Ω‬‬

‫إذا رﻣ]ﺰﻧﺎ إﻟﻰ ﻋ]ﺪد اﻟﻨ]ﺘﺎﺋﺞ اﻟﻤﺤﺘﻤ]ﻠﺔ ﺑـ]ــ ) ‪ N (Ω‬وﻋ]ﺪد اﻟﻨ]ﺘﺎﺋﺞ )اﻟﺤ]ﺎﻻت( اﻟﻤﻮاﺗﻴ]ﻪ )اﻟﺘﻲ ﻧﺤﺼﻞ ﻋﻠﻴﻬﺎ ﻧﺘﻴﺠﺔ اﻟﺤﺪث ‪ (E‬ﺑــ )‪n(E‬‬
‫ﻳﻜ]ﻮن اﺣ]ﺘﻤﺎل ﺣ]ﺪوث اﻟﺤ]ﺪث ‪ E‬وﻟ]ﻨﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ )‪ P(E‬ﻣﺴﺎوﻳًﺎ ﻟﻌﺪد اﻟﺤﺎﻻت اﻟﻤﻮاﺗﻴﻪ ﻣﻘﺴﻮﻣًﺎ ﻋﻠﻰ ﻋﺪد اﻟﺤﺎﻻت اﻟﻤﻤﻜﻨﻪ وذﻟﻚ ﻋﻨﺪﻣﺎ ﻳﻜﻮن‬
‫ﺟﻤﻴﻊ اﻟﻨﺘﺎﺋﺞ اﻟﻤﻤﻜﻨﻪ ﻓﻲ ‪ Ω‬اﻟﻔﺮﺻﺔ ﻧﻔﺴﻬﺎ ﻓﻲ اﻟﺤﺪوث أي أن ‪:‬‬
‫‪n( E ) n‬‬
‫=) ‪P( E‬‬ ‫=‬
‫‪N (Ω ) N‬‬

‫وﻟﺘﻮﺿ]ﻴﺢ اﻟﻤﻔ]ﺎهﻴﻢ اﻟﺴ]ﺎﺑﻘﺔ ‪ ،‬ﻧ]ﻮرد اﻟﻤ]ﺜﺎل اﻵﺗ]ﻲ ‪ .‬اذا أردﻧ]ﺎ اﺳﺘﺨﺮاج اﺣﺘﻤﺎل اﺧﺘﻴﺎر ﻣﻮﻇﻒ ﻟﺪﻳﻪ ﺷﻬﺎدة ﻣﺎﺟﺴﺘﻴﺮ ﻣﻦ ﻣﻮﻇﻔﻲ اﺣﺪى‬
‫اﻟﺠﻬ]ﺎت اﻟ]ﺒﺎﻟﻎ ﻋﺪده]ﻢ ‪ 200‬ﻣﻮﻇ]ﻒ اذا آ]ﺎن ﻋ]ﺪد اﻟﺬﻳ]ﻦ ﻟﺪﻳﻬ]ﻢ ﻣﺎﺟﺴﺘﻴﺮ ﻓﻲ هﺬﻩ اﻟﺠﻬﺔ هﻮ ‪ 10‬ﻣﻮﻇﻔﻴﻦ ‪ ،‬ﻓﻨﺠﺪ ﻣﻦ هﺬا اﻟﻤﺜﺎل أن اﻟﺘﺠﺮﺑﺔ هﻲ‬
‫اﺧ]ﺘﻴﺎر اﻟﻤﻮﻇ]ﻒ ﻟﻠ]ﺘﻌﺮف ﻋ]ﻠﻰ ﻣﺆهﻠ]ﻪ ‪ ،‬وﻟﺪﻳ]ﻨﺎ ﻋ]ﺪة ﺣﻮادث ‪ E 1,E 2,...‬ﺣﺴﺐ ﻣﺆهﻼت اﻟﻤﻮﻇﻔﻴﻦ ﺣﻴﺚ ‪ E 1‬ﺗﺮﻣﺰ ﻟﻠﺤﺪث اذا آﺎن اﻟﻤﺆهﻞ‬
‫ه]ﻮ اﻟﻤﺎﺟﺴ]ﺘﻴﺮ و ‪ E 2‬اذا آ]ﺎن ﻣﺆهﻠ]ﻪ ﺑﻜﺎﻟ]ﺮﻳﻮس وهﻜ]ﺬا وﻳﻜﻮن ﻋﺪد اﻟﺤﺎﻻت اﻟﻤﻤﻜﻨﻪ ‪ N=200‬وﻋﺪد اﻟﺤﺎﻻت اﻟﻤﻮاﺗﻴﻪ ‪ n=10‬وﺑﺎﻟﺘﺎﻟﻲ ﻳﻜﻮن‬
‫اﺣﺘﻤﺎل اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﻮﻇﻒ أﺧﺘﻴﺮ ﻋﺸﻮاﺋﻴًﺎ وﻣﺆهﻠﻪ ﻣﺎﺟﺴﺘﻴﺮ ) ‪ P( E 1‬ﻳﺴﺎوي ‪:‬‬
‫‪n( E 1 ) n‬‬ ‫‪10‬‬
‫=) ‪P( E 1‬‬ ‫= =‬ ‫‪=.05‬‬
‫‪N (Ω ) N 200‬‬
‫أي ‪ . %5‬أﻣﺎ اﺣﺘﻤﺎل اﺧﺘﻴﺎر ﻣﻮﻇﻒ ﻣﺆهﻠﻪ ﻟﻴﺲ ﺑﺸﻬﺎدة ﻣﺎﺟﺴﺘﻴﺮ ﻓﻴﺴﺎوي‬
‫‪q ( E1 ) = 1 − P ( E1 ) = 1 − .05 = .95‬‬
‫أي ﻳﺴﺎوي ‪%95‬‬

‫اﻟﺘﻮﻗﻊ ‪Expectation :‬‬

‫اذا آ]ﺎن ﻟﺪﻳ]ﻨﺎ ﻣ]ﺘﻐﻴﺮ ﻋﺸ]ﻮاﺋﻲ ‪ X‬ﻳﻤ]ﺜﻞ ﻋ]ﺪد أﻓ]ﺮاد اﻷﺳ]ﺮة ﻟﻤﻮﻇﻔ]ﻲ إﺣ]ﺪى اﻻدارات ﺣﻴ]ﺚ ‪ X : x1 , x2 ,..., xn‬وآ]ﺎﻧﺖ داﻟﺔ اﺣﺘﻤﺎل أن‬
‫ﻳﻜﻮن ﻋﺪد أﻓﺮاد اﻷﺳﺮة ‪ xi‬هﻮ ) ‪ f( xi‬ﻓﺎن اﻟﺘﻮﻗﻊ )وﻳﺴﻤﻰ أﺣﻴﺎﻧًﺎ اﻟﺘﻮﻗﻊ اﻟﺮﻳﺎﺿﻲ أو اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ( وﻟﻨﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ )‪ E(X‬ﻳﺴﺎوي ‪:‬‬
‫‪n‬‬
‫)‪(14‬‬ ‫‪E ( X ) = ∑ f ( xi ) xi‬‬
‫‪i =1‬‬
 ‫ﻼ ﺑﺎﺳﺘﺨﺪام اﻟﺘﻜﺎﻣﻞ ‪:‬‬
‫وﺗﻮﺟﺪ ﺻﻴﻐﺔ أﺧﺮى ﻟﻠﺘﻮﻗﻊ اذا آﺎن اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ﻣﺘﺼ ً‬
‫∞‬

‫)‪(15‬‬ ‫= ) ‪E( X‬‬ ‫‪∫ x f ( x )dx‬‬

‫∞‪−‬‬
‫‪i‬‬ ‫‪i‬‬

‫ﺣﻴ]ﺚ )‪ f(x‬ه]ﻲ داﻟ]ﺔ آ]ﺜﺎﻓﺔ اﻻﺣ]ﺘﻤﺎل ﻟﻠﻤ]ﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ‪ . X‬ان اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ هﻲ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ ‪ µ‬ﻷﻧﻨﺎ اذا اﺳﺘﺒﺪﻟﻨﺎ ﻓﻲ‬

‫‪∑fx‬‬ ‫ﺣﻴﺚ ‪ n = ∑ fi‬ﻓﺎن اﻟﺘﻮﻗﻊ ﻳﺼﺒﺢ ‪/ n‬‬

‫‪fi‬‬
‫أي اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ اﻟﺘﻲ ﺣﺠﻤﻬﺎ ‪. n‬‬ ‫‪i i‬‬ ‫ﺻ]ﻴﻐﺔ اﻟ]ﺘﻮﻗﻊ ) ‪ f( xi‬ﺑﺎﻟ]ﺘﻜﺮارات اﻟﻨﺴ]ﺒﻴﺔ‬
‫‪n‬‬
‫ان اﻟ]ﺘﻜﺮارات اﻟﻨﺴ]ﺒﻴﺔ ‪ fi /n‬ﺗﻘ]ﺘﺮب ﻣ]ﻦ اﻻﺣ]ﺘﻤﺎﻻت ) ‪ f( xi‬آ]ﻠﻤﺎ زادت ﻗﻴﻤ]ﺔ ‪ n‬وﻳ]ﺆدي ذﻟ]ﻚ إﻟﻰ ﺗﻔﺴ]ﻴﺮ )‪ E(X‬آﻘﻴﻤ]ﺔ ﺗﻤﺜﻞ ﻣﺘﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ‬
‫اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﻪ ‪.‬‬

‫ﻣﺜﺎل ‪:‬‬
‫ﻓﻴﻤﺎ ﻳﺄﺗﻲ ﺗﻮزﻳﻊ ﻣﻮﻇﻔﻲ اﺣﺪى اﻟﺠﻬﺎت ﺣﺴﺐ ﻋﺪد أﻓﺮاد أﺳﺮهﻢ واﻻﺣﺘﻤﺎﻻت اﻟﻤﻘﺎﺑﻠﺔ ﻟﺤﺠﻢ اﻷﺳﺮة ﻟﻠﻤﻮﻇﻒ‪:‬‬
‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫ﺻﻔﺮ ‪1‬‬ ‫ﻋﺪد أﻓﺮاد اﻷﺳﺮة ‪X‬‬
‫‪.05‬‬ ‫‪30.‬‬ ‫‪35.‬‬ ‫‪2.‬‬ ‫‪05.‬‬ ‫‪05.‬‬ ‫اﻻﺣﺘﻤﺎل ) ‪f (x i‬‬
‫ﻣﺎ هﻮ ﻣﺘﻮﺳﻂ أﻓﺮاد اﻷﺳﺮة ﻟﻠﻤﻮﻇﻔﻴﻦ )أي اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ( ؟‬

‫اﻟﺤﻞ ‪:‬‬
‫‪n‬‬
‫) ‪E ( X ) = ∑ xi f ( xi‬‬
‫‪i =1‬‬

‫‪= 0x.05+1x.05+2x.2+3x.35+4x.3+5x.05‬‬
‫‪= 2.95 = 3‬‬
‫أي ﻣﺘﻮﺳﻂ ﻋﺪد أﻓﺮاد اﻷﺳﺮة ﻟﻤﺠﺘﻤﻊ اﻟﻤﻮﻇﻔﻴﻦ ﺗﻘﺮﻳﺒًﺎ ﻳﺴﺎوي ﺛﻼﺛﺔ ‪.‬‬

‫أهﻢ اﻟﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ‬

‫ﻋﻨﺪ دراﺳﺘﻨﺎ ﻟﻠﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ ‪ ،‬ﻧﻤﻴﺰ ﺑﻴﻦ ﻧﻮﻋﻴﻦ ﻣﻦ هﺬﻩ اﻟﺘﻮزﻳﻌﺎت ‪:‬‬
‫• اﻟﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﻤﺘﻐﻴﺮات اﻟﻤﺘﻘﻄﻌﺔ ‪.‬‬
‫• اﻟﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﻤﺘﻐﻴﺮات اﻟﻤﺘﺼﻠﺔ ‪.‬‬

‫وﻳﻌــــ]ـﺪ ﺗﻮزﻳ]ﻊ ذي اﻟﺤﺪﻳﻦ ﻣـــﻦ أهﻢ اﻟﺘﻮزﻳﻌﺎت اﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﻤﺘﻐﻴﺮات اﻟﻤﺘﻘﻄﻌﺔ ‪ ،‬آﻤﺎ ﻳﻌﺘﺒﺮ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ وﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ )‪t‬‬
‫( ﻣ]ﻦ أه]ﻢ اﻟ]ﺘﻮزﻳﻌﺎت اﻻﺣ]ﺘﻤﺎﻟﻴﺔ اﻟﻤﺘﺼ]ﻠﺔ وﻟﻬ]ﺬﻩ اﻟ]ﺘﻮزﻳﻌﺎت أهﻤﻴ]ﺔ ﺧﺎﺻ]ﺔ ﻋ]ﻨﺪ دراﺳ]ﺔ اﻟﻌﻴ]ﻨﺎت ﻻﺳ]ﺘﺨﺪاﻣﻬﺎ ﻋ]ﻨﺪ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ وﺳﻨﻘﻮم‬
‫ﺑﺪراﺳﺔ هﺬﻩ اﻟﺘﻮزﻳﻌﺎت ﺑﺎﺧﺘﺼﺎر ‪.‬‬

‫ﺗﻮزﻳﻊ ذي اﻟﺤﺪﻳﻦ ‪Binomial distribution :‬‬

‫ﻋ]ﻨﺪﻣﺎ ﻧﺠ]ﺮي ﺗﺠ]ﺮﺑﺔ ﻣ]ﺎ ‪ ،‬ﻓﺎﻧ]ﻪ ﻳﻘ]ﻊ اﻟﺤ]ﺪث ‪ ،‬ﻧﺴ]ﺘﺨﺪم آ]ﻠﻤﺔ ﻧﺠ]ﺎح )آ]ﻠﻤﺔ ﻧﺠ]ﺎح ﺗﺴ]ﺘﺨﺪم ﻟﻼﺷ]ﺎرة إﻟﻰ وﻗ]ﻮع اﻟﺤ]ﺪث(‪ ،‬وﻋ]ﻨﺪﻣﺎ ﻻ ﻳﻘﻊ‬
‫اﻟﺤ]ﺪث ﻧﺴ]ﺘﺨﺪم آ]ﻠﻤﺔ ﻓﺸ]ﻞ ‪ .‬وﻋ]ﻨﺪﻣﺎ ﻧﺠ]ﺮي اﻟ]ﺘﺠﺮﺑﺔ ‪ n‬ﻣﺮة ﻧﺴﺘﺨﺪم ﻣﺘﻐﻴﺮًا ﻋﺸﻮاﺋﻴًﺎ ‪ X‬ﻳﻤﺜﻞ اﻟﻌﺪد اﻟﻜﻠﻲ ﻟﻤﺮات اﻟﻨﺠﺎح اﻟﺘﻲ ﺣﺼﻠﻨﺎ ﻋﻠﻴﻬﺎ أي‬
‫ﻋﺪد ﻣﺮات وﻗﻮع اﻟﺤﺪث )اﻟﻨﺠﺎح( ﻋﻨﺪ ﺗﻜﺮار اﻟﺘﺠﺮﺑﺔ ‪ n‬ﻣﺮة ‪ .‬وﻳﺴﻤﻰ اﻟﻤﺘﻐﻴﺮ ﻣﻦ هﺬا اﻟﻨﻮع ﻣﺘﻐﻴﺮ ﺑﺤﺪﻳﻦ ‪.‬‬
‫وﻋ]ﻨﺪﻣﺎ ﻧﻘ]ﻮم ﺑ]ﺎﻋﺪاد ﺟ]ﺪول ﻳﺤ]ﺘﻮي ﻋ]ﻠﻰ اﻟﻤ]ﺘﻐﻴﺮ اﻟﻌﺸ]ﻮاﺋﻲ ‪ X‬واﻻﺣ]ﺘﻤﺎﻻت اﻟﻤﻘﺎﺑ]ﻠﺔ ﻟﻜ]ﻞ ﻗﻴﻤ]ﺔ ) ) ‪ f( f (x i‬ﻧﺤﺼ]ﻞ ﻋ]ﻠﻰ ﻣ]ﺎ ﻳﺴﻤﻰ‬
‫ﺟﺪول ﺗﻮزﻳﻊ اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ‪.‬‬

‫ان اﻟﺼﻴﻐﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﺤﺴﺎب اﻻﺣﺘﻤﺎﻻت ﻟﻠﻘﻴﻢ اﻟﻤﻤﻜﻨﻪ ﻟﻠﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ ‪ ،‬واﻟﺘﻲ ﺗﺴﻤﻰ داﻟﺔ اﻻﺣﺘﻤﺎل ﻟﺘﻮزﻳﻊ ذي اﻟﺤﺪﻳﻦ وﻟﻨﺮﻣﺰ ﻟﻪ‬
‫ﺑﺎﻟﺮﻣﺰ )‪ f(x‬وذﻟﻚ ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻧﺘﺎﺋﺞ اﻟﺘﺠﺮﺑﺔ ﻓﻲ اﻟﻤﺤﺎوﻻت اﻟﻤﺨﺘﻠﻔﺔ ﻣﺴﺘﻘﻠﺔ ﻋﻦ ﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ وﻧﺠﺪ أن ‪:‬‬
‫!‪n‬‬
‫)‪(16‬‬ ‫= )‪f ( x‬‬ ‫‪p x q n− x‬‬
‫!) ‪x! (n − x‬‬
‫ﺣﻴﺚ ‪:‬‬
‫‪ P‬اﺣﺘﻤﺎل ﺣﺪوث اﻟﺤﺪث ﻓﻲ اﻟﻤﺤﺎوﻟﺔ اﻟﻮاﺣﺪة ﻟﻠﺘﺠﺮﺑﺔ ‪.‬‬
‫‪ q‬اﺣﺘﻤﺎل ﻋﺪم ﺣﺪوﺛﻪ ﺣﻴﺚ ‪p+q=1‬‬
‫‪ n‬ﻋﺪد ﻣﺮات ﺗﻜﺮار اﻟﺘﺠﺮﺑﺔ ‪.‬‬
‫‪ x‬ﻋﺪد ﻣﺮات اﻟﻨﺠﺎح اﻟﺘﻲ ﺳﻨﺤﺼﻞ ﻋﻠﻴﻬﺎ‬
‫ﻼ !‪ 4‬ﺗﺴﺎوي ‪ 4×3×2×1‬آﻤﺎ ان‬
‫!‪ n‬ﺗﻘ]ﺮأ ﻣﻀ]ﺮوب ‪ n‬وه]ﻲ ﻋ]ﺒﺎرة ﻋ]ﻦ ﺣﺎﺻ]ﻞ ﺿ]ﺮب آ]ﻞ اﻻﻋ]ﺪاد اﻟﺼﺤﻴﺤﺔ ﻣﻦ ‪ 1‬إﻟﻰ ‪ ، n‬ﻣﺜ ً‬
‫ﻣﻀﺮوب اﻟﺼﻔﺮ !‪ O‬ﻳﺴﺎوي واﺣﺪ ‪.‬‬

‫وﻋﻨﺪ اﺳﺘﺨﺪام ﺗﻮزﻳﻊ ذي اﻟﺤﺪﻳﻦ ‪ ،‬ﻓﺎن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺘﻐﻴﺮ ذي اﻟﺤﺪﻳﻦ ﻳﺴﺎوي ‪:‬‬
‫)‪(17‬‬ ‫‪µ = np‬‬
‫وﺗﺒﺎﻳﻨﻪ ﻳﺴﺎوي ‪:‬‬
‫)‪(18‬‬ ‫‪σ 2 = npq‬‬

‫اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ‪Normal Distribution :‬‬

‫ﻳﻌ]ﺪ اﻟ]]ﺘﻮزﻳﻊ اﻟﻄ]ﺒﻴﻌﻲ )أو اﻟﻤﻌ]]ﺘﺎد( أﺣ]]ﺪ اﻷﻣﺜ]ﻠﺔ اﻟﻤﻬﻤ]]ﺔ ﻟﻠ]]ﺘﻮزﻳﻊ اﻻﺣ]ﺘﻤﺎﻟﻲ ﻟﻠﻤ]]ﺘﻐﻴﺮ اﻟﻤﺘﺼ]]ﻞ وﻳﺴ]ﺘﺨﺪم ه]]ﺬا اﻟ]]ﺘﻮزﻳﻊ آ]ﺜﻴﺮًا ﻓ]]ﻲ ﻣﺠ]]ﺎل‬
‫اﻟﻌﻴﻨﺎت ‪ .‬وﻳﺘﺼﻒ هﺬا اﻟﺘﻮزﻳﻊ ﺑﻌﺪة ﺧﺼﺎﺋﺺ ‪:‬‬
‫• اﻟﻤﺘﻴﻐﺮ اﻟﻌﺸﻮاﺋﻲ اﻟﻤﺘﺼﻞ ‪ x‬ﻳﺄﺧﺬ ﻗﻴﻤًﺎ ﻣﻦ ∞‪ −‬إﻟﻰ ∞‪. +‬‬
‫• ان ﺷﻜﻞ ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﻳﺸﺒﻪ اﻟﺠﺮس ‪.‬‬
‫• ان ﻗﻤﺔ اﻟﻤﻨﺤﻨﻰ ﺗﻘﻊ ﻋﻨﺪ ﻣﺘﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ ‪ µ‬واﻟﻤﻨﺤﻨﻰ ﻣﺘﻤﺎﺛﻞ ﺣﻮل ‪ µ‬اذ آﻞ ﻃﺮف هﻮ ﺻﻮرة ﻣﻄﺎﺑﻘﺔ ﻟﻠﻄﺮف اﻵﺧﺮ ‪.‬‬
‫• ﻳﻌ]]ﺘﻤﺪ اﻟ]]ﺘﻮزﻳﻊ اﻟﻄ]]ﺒﻴﻌﻲ ﻋ]]ﻠﻰ ﻣﻌﻠﻤ]]ﺘﻴﻦ هﻤ]]ﺎ ﻣﺘﻮﺳ]]ﻂ اﻟﻤﺠ]]ﺘﻤﻊ ‪ µ‬وﺗ]]ﺒﺎﻳﻦ اﻟﻤﺠ]]ﺘﻤﻊ ‪ σ 2‬ﻟ]]ﺬا ﻳﺸ]]ﺎر إﻟﻰ ه]]ﺬا اﻟ]]ﺘﻮزﻳﻊ ﺑﺎﻟﺮﻣ]]ﺰ‬
‫) ‪ N(µ,σ 2‬ﺣﻴﺚ ﺗﺸﻴﺮ ‪ N‬إﻟﻰ ‪. Normal‬‬
‫• ان ﻣﺮآﺰ اﻟﺘﻮزﻳﻊ ﻳﻌﺘﻤﺪ ﻋﻠﻰ ‪ µ‬وﺷﻜﻠﻪ ﻳﻌﺘﻤﺪ ﻋﻠﻰ اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ‪. σ‬‬
‫ان داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ هﻲ ‪:‬‬
‫‪1‬‬ ‫‪−1‬‬
‫)‪(19‬‬ ‫= )‪f ( x‬‬ ‫‪e (x − µ)2 / σ 2‬‬
‫‪2‬‬

‫‪σ 2π‬‬
‫ﺣﻴﺚ ∞〈 ‪−∞〈 X‬‬
‫‪ µ‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﺘﻤﻊ‬
‫‪ σ‬اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ‬
‫‪ e‬ﻗﻴﻤﺔ ﺛﺎﺑﺘﺔ ﺗﺴﺎوي ﺗﻘﺮﻳﺒًﺎ ‪2.71828‬‬
‫∏ ﻗﻴﻤﺔ ﺛﺎﺑﺘﺔ ﺗﺴﺎوي ﺗﻘﺮﻳﺒًﺎ ‪3.14159‬‬
 ‫)‪ f(x‬داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل‬

‫وه]ﻨﺎك ﻣ]ﺎ ﻳﺴ]ﻤﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﻟﻤﻌﻴﺎري ‪ Standard Normal distribution‬وهﻮ ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ ﻣﺘﻮﺳﻄﻪ ‪ µ = 0‬وﺗﺒﺎﻳﻨﻪ‬
‫‪ 1‬وﻳﺮﻣ]ﺰ ﻟﻬ]ﺬا اﻟ]ﺘﻮزﻳﻊ )‪ N(0,1‬وﻳﺴ]ﺘﺨﺪم اﻟﺮﻣ]ﺰ ‪ Z‬ﻟﻼﺷﺎرة إﻟﻰ اﻟﻤﺘﻐﻴﺮ اﻟﻌﺸﻮاﺋﻲ اﻟﺬي ﻟﻪ ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ وﻳﺘﻢ ﺣﺴﺎب اﺣﺘﻤﺎﻻت أي ﻣﺘﻐﻴﺮ ﻟﻪ‬
‫ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ ﻣﻦ اﺣﺘﻤﺎﻻت ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﻟﻤﻌﻴﺎري وﻓﻘًﺎ ﻟﻠﻌﻴﻨﻪ ‪:‬‬
‫‪1‬‬ ‫‪−1 z2‬‬
‫)‪(20‬‬ ‫= )‪f ( x‬‬ ‫‪e‬‬ ‫‪2‬‬

‫‪σ 2π‬‬
‫‪x−µ‬‬
‫=‪Z‬‬ ‫ﺣﻴﺚ‬
‫‪σ‬‬

‫واﻟﺸ]ﻜﻞ أدﻧ]ﺎﻩ ﻳﻮﺿ]ﺢ اﻟﻤﻨﺤ]ﻨﻰ اﻟﻄﺒﻴﻌﻲ اﻟﻤﻌﻴﺎري ‪ ،‬ﺣﻴﺚ ﻧﻼﺣﻆ أن اﻟﻤﺴﺎﺣﺔ اﻟﻮاﻗﻌﺔ ﺑﻴﻦ ‪ %68.27 Z = ±1‬وﺑﻴﻦ ‪ Z = ±2‬هﻲ‬
‫‪ %95.45‬وﺑﻴ]ﻦ ‪ Z = ±3‬ه]ﻲ ‪ %99.73‬وذﻟ]ﻚ ﻣﻦ اﻟﻤﺴﺎﺣﺔ اﻟﻜﻠﻴﺔ اﻟﺘﻲ ﺗﺴﺎوي واﺣﺪ وهﻨﺎك ﺟﺪاول ﺗﻮﺿﺢ اﻟﻤﺴﺎﺣﺔ ﺗﺤﺖ اﻟﻤﻨﺤﻨﻰ اﻟﻄﺒﻴﻌﻲ‬
‫اﻟﻤﺤﺼ]ﻮرة ﺑﻴ]ﻦ اﻻﺣﺪاﺛ]ﻲ ‪ Z=0‬وأﻳ]ﺔ ﻗﻴﻤ]ﺔ ﻣﻮﺟ]ﺒﺔ ﻟ]ــ ‪ Z‬وﻣ]ﻦ هﺬا اﻟﺠﺪول ﻓﺎن اﻟﻤﺴﺎﺣﺔ ﺑﻴﻦ أﻳﺔ ﻧﻘﻄﺘﻴﻦ ﻳﻤﻜﻦ ﺣﺴﺎﺑﻬﺎ ﺑﺎﺳﺘﺨﺪام ﺗﻤﺎﺛﻞ اﻟﻤﻨﺤﻨﻰ‬
‫ﺣﻮل ‪. Z=0‬‬

‫ﺷﻜﻞ رﻗﻢ )‪(1‬‬

‫ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ‬

‫ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ‪Student Dist :‬‬

‫ﻳﺴ]ﺘﺨﺪم اﻟ]ﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﻟﻼﺳﺘﺪﻻل ﻋﻠﻰ ﻣﺘﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺗﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ‪ σ 2‬ﻏﻴﺮ ﻣﻌﻠﻮﻣًﺎ ‪ ،‬أو ﺗﻜﻮن اﻟﻌﻴﻨﻪ آﺒﻴﺮة ﺑﺸﻜﻞ‬
‫آ]ﺎف ‪ ،‬ﻟﻨ]ﺘﻤﻜﻦ ﻣ]ﻦ اﻻﺳﺘﻌﺎﺿ]ﺔ ﻋ]ﻦ ه]ﺬا اﻟﺘ]ﺒﺎﻳﻦ ﺑ]ﺘﻘﺪﻳﺮﻩ ﻣ]ﻦ اﻟﻌﻴ]ﻨﻪ ‪ . S 2‬وﻟﻜ]ﻦ ﻋ]ﻨﺪﻣﺎ ﻳﻜ]ﻮن ﺗ]ﺒﺎﻳﻦ اﻟﻤﺠ]ﺘﻤﻊ ﻏﻴﺮ ﻣﻌﻠﻮم وﺣﺠﻢ اﻟﻌﻴﻨﻪ ﺻﻐﻴﺮًا‬
‫)ﺗﻜ]ﻮن اﻟﻌﻴﻨﻪ ﺻﻐﻴﺮة اذا آﺎن ﺣﺠﻤﻬﺎ أﻗﻞ ﻣﻦ ‪ 30‬أي ﻋﻨﺪﻣﺎ ﻳﻜﻮن ‪ ( n<30‬ﻧﺴﺘﺨﺪم ﻣﺘﻐﻴﺮًا ﺟﺪﻳﺪ ﻳﺴﻤﻰ ﻣﺘﻐﻴﺮ ﺗﻮزﻳﻊ ‪ t‬أو ﺳﺘﻴﻮدﻧﺖ ‪ t‬وﺻﻴﻐﺘﻪ‬
‫‪:‬‬
‫‪x−µ‬‬
‫)‪(21‬‬ ‫=‪t‬‬
‫‪s/ n‬‬

‫وﻳﺸ]ﺒﻪ ه]ﺬا اﻟﻤ]ﺘﻐﻴﺮ اﻟﻄ]ﺒﻴﻌﻲ اﻟﻤﻌﻴ]ﺎري ‪ Z‬ﺑﺎﺳﺘﺜﻨﺎء اﻟﻘﻴﻢ اﻟﺼﻐﻴﺮة ﺟﺪًا ﻟﻠﻌﺪد ‪ n‬وﺗﺨﺘﻠﻒ ﻋﻨﻪ ﻓﻲ اﺳﺘﺨﺪاﻣﻨﺎ اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﻌﻴﻨﻪ‬
‫‪ s‬وهﺬﻩ ﻣﻴﺰة ﺗﺴﺎﻋﺪﻧﺎ ﻋﻠﻰ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ﺧﺎﺻﺔ اذا آﺎن ﺣﺠﻢ اﻟﻌﻴﻨﻪ ﺻﻐﻴﺮًا ‪.‬‬
‫وﻋ]ﻨﺪ اﺧ]ﺘﻴﺎر ﻋﺪد آﺒﻴﺮ ﻣﻦ اﻟﻌﻴﻨﺎت ‪ ،‬ﺣﺠﻢ آﻞ ﻣﻨﻬﺎ ‪ n‬وﺣﺪة ﻣﺠﺘﻤﻊ ﻃﺒﻴﻌﻲ ‪ ،‬ﻧﺤﺼﻞ ﻋﻠﻰ ﻋﺪد آﺒﻴﺮ ﻣﻦ ﻗﻴﻢ ‪ t‬وﻳﻤﻜﻨﻨﺎ اﻟﺤﺼﻮل ﻋﻠﻰ‬
‫اﻟﺘﻮزﻳﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻟـــ‪ t‬واﻟﺬي داﻟﺔ آﺜﺎﻓﺘﻪ اﻻﺣﺘﻤﺎﻟﻴﺔ ‪:‬‬
‫‪Y0‬‬
‫)‪(22‬‬ ‫= )‪f ( x‬‬
‫‪t n2‬‬
‫‪(1 +‬‬ ‫)‬
‫‪n −1‬‬

‫ﺣﻴ]ﺚ ‪ Y 0‬ﻣﻘ]ﺪار ﺛ]ﺎﺑﺖ ﻳﺠﻌ]ﻞ اﻟﻤﺴ]ﺎﺣﺔ ﺗﺤﺖ اﻟﻤﻨﺤﻨﻰ ﻣﺴﺎوﻳﻪ ﻟﻠﻮاﺣﺪ و ‪ n-1‬هﻮ ﻋﺪد درﺟﺎت اﻟﺤﺮﻳﺔ ‪ .‬ان اﻟﻤﺘﻐﻴﺮ ‪ t‬ﻳﺘﺒﻊ ﺗﻮزﻳﻊ ‪ t‬اذا‬
‫آ]ﺎن ﺗﻮزﻳ]ﻊ اﻟﻤﺠ]ﺘﻤﻊ ﻃ]ﺒﻴﻌﻴًﺎ ‪ .‬آﺬﻟ]ﻚ ﻧﺠ]ﺪ أن ه]ﺬا اﻟ]ﺘﻮزﻳﻊ ﻳﻜ]ﻮن ﻗﺮﻳ]ﺒًﺎ ﺟ]ﺪًا ﻣﻦ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﻪ آﺒﻴﺮًا‪ .‬وهﻨﺎك ﺟﺪاول‬
‫ﻟ]ﺘﻮزﻳﻊ ‪ t‬ﺗﻮﺿ]ﺢ اﻻﺣ]ﺘﻤﺎﻻت ﻟﻘﻴﻤ]ﺔ ‪ . t‬ﺑﻤﺴ]ﺘﻮﻳﺎت ﻣ]ﺘﻌﺪدة ودرﺟ]ﺎت ﺣ]ﺮﻳﺔ ‪ n-1‬ﻣ]ﺘﻌﺪدة أﻳﻀ]ًﺎ وﻳﻮﺿ]ﺢ اﻟﺸ]ﻜﻞ أدﻧﺎﻩ ﻣﻨﺤﻨﻰ ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ‬
‫ﻟﺪرﺟﺎت ﺣﺮﻳﺔ ‪ 5‬و ‪ 15‬ﺣﻴﺚ ﻳﻼﺣﻆ اﻗﺘﺮاﺑﻪ ﻣﻦ ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﺑﺎزدﻳﺎد ﺣﺠﻢ اﻟﻌﻴﻨﻪ ‪. n‬‬

‫ﺷﻜﻞ رﻗﻢ )‪(2‬‬

‫اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ وﻣﻨﺤﻨﻰ ﺗﻮزﻳﻊ ‪t‬‬

‫ﺗﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ‪Estimation of pop. Parameters :‬‬

‫ﻋ]ﻨﺪﻣﺎ ﻧﻘ]ﻮم ﺑﺪارﺳ]ﺔ ﻇﺎه]ﺮة ﻣﻌﻴ]ﻨﻪ ﻣﻦ ﺑﻴﺎﺗﺎت اﻟﻤﺠﺘﻤﻊ ﻧﺤﺼﻞ ﻋﻠﻰ ﻣﻌﻠﻤﺘﻲ اﻟﻤﺠﺘﻤﻊ ‪ ، σ 2,µ‬وﻟﻜﻦ ﻓﻲ آﺜﻴﺮ ﻣﻦ اﻟﺤﺎﻻت ‪ ،‬ﻧﺠﺪ أن‬
‫ﻼ ﺣﻘﻴﻘﻴًﺎ ‪ .‬وﺳﻨﻘﻮم‬
‫ه]ﺎﺗﻴﻦ اﻟﻤﻌﻠﻤ]ﺘﻴﻦ ﻏﺎﻟ]ﺒًﺎ ﻣ]ﺎ ﺗﻜﻮﻧ]ﺎن ﻣﺠﻬﻮﻟ]ﺘﻴﻦ ‪ ،‬ﻓ]ﻨﻘﻮم ﺑ]ﺘﻘﺪﻳﺮهﻤﺎ ﻣ]ﻦ ﺑﻴﺎﺗ]ﺎت ﻋﻴ]ﻨﻪ ﻳ]ﺘﻢ اﺧ]ﺘﻴﺎرهﺎ ﻋﺸﻮاﺋﻴًﺎ ﻟﺘﻤﺜﻴﻞ اﻟﻤﺠﺘﻤﻊ ﺗﻤﺜﻴ ً‬
‫ﺑﺪراﺳﺔ أهﻢ اﻟﻤﻮﺿﻮﻋﺎت اﻟﻤﺘﻌﻠﻘﺔ ﺑﺘﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ﻟﻠﺘﻤﻴﻴﺰ ﺑﻴﻦ ﻣﻔﻬﻮﻣﻲ اﻟﺘﻘﺪﻳﺮ واﻟﻤﻘﺪر وﺧﻮاص اﻟﻤﻘﺪر وأﻧﻮاع اﻟﺘﻘﺪﻳﺮ ‪.‬‬

‫اﻟﺘﻘﺪﻳﺮ واﻟﻤﻘﺪر ‪Estimate & Estimator :‬‬

‫ﻋ]ﻨﺪﻣﺎ ﻧﺴ]ﺤﺐ ﻋﻴ]ﻨﻪ ﻣ]ﺎ ﻣﻔ]ﺮداﺗﻬﺎ ‪ x1 , x2 ,..., xn‬وﻧﻘ]ﻮم ﺑ]ﺘﻘﺪﻳﺮ ﺛﻮاﺑﺖ داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل ﺑﺎﺳﺘﺨﺪام هﺬﻩ اﻟﻤﻔﺮدات ﻓﺎن اﻟﻘﻴﻤﺔ اﻟﻤﻘﺪرة‬
‫ﻟﻜ]]ﻞ ﺛ]]ﺎﺑﺖ ﺗﺴ]]ﻤﻰ ﺗﻘﺪﻳ]]ﺮًا ‪ .‬أﻣ]]ﺎ اﻟﺼ]]ﻴﻐﺔ )اﻟﻤﻌﺎدﻟ]]ﺔ( اﻟ]]ﺘﻲ ﺗﺴ]]ﺘﺨﺪم ﻟﻠﻮﺻ]]ﻮل إﻟﻰ اﻟ]]ﺘﻘﺪﻳﺮ ﻓﺘﺴ]]ﻤﻰ ﻣﻘ]]ﺪرًا وه]]ﻮ ﻋ]]ﺒﺎرة ﻋ]]ﻦ اﻟﺪاﻟ]]ﺔ اﻟ]]ﺘﻲ ﺗﻌ]]ﺘﻤﺪ ﻋ]]ﻠﻰ‬
‫اﻟﻤﻔﺮدات ‪ ،‬ﺑﻴﻨﻤﺎ اﻟﺘﻘﺪﻳﺮ ﻋﺒﺎرة ﻗﻴﻤﺔ اﻟﺪاﻟﺔ ﻋﻨﺪ وﺿﻊ ﻗﻴﻢ اﻟﻤﺸﺎهﺪات ﻓﻴﻬﺎ ‪.‬‬

‫)‬
‫إن ﻗﻴﻤ]ﺔ ﻣﺘﻮﺳ]ﻂ اﻟﻌﻴ]ﻨﻪ ‪ x‬ه]ﻮ ﺗﻘﺪﻳ]ﺮ اﻟﻤﺘﻮﺳ]ﻂ ﻟﻠﻤﺠ]ﺘﻤﻊ )ﻣﻌﻠﻤﻪ اﻟﻤﺠﺘﻤﻊ( أي أن ) ‪ . ( µ = x‬أﻣﺎ اﻟﺪاﻟﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﺘﻘﺪﻳﺮ اﻟﻤﺘﻮﺳﻂ‬
‫ﻓﻬﻲ ﻋﺒﺎرة ﻋﻦ اﻟﻤﻘﺪر ‪ Estimator‬أي ﻳﺴﺎوي ‪:‬‬
‫)‬
‫) ‪x = µ = f ( x 1 , x 2 ,..., x n‬‬
‫وﺑﺼﻴﻐﺔ أﺧﺮى ﻧﺠﺪ أن اﻟﻤﻘﺪر ﻳﺴﺎوي‬
‫)‬ ‫‪n‬‬
‫=‪µ=x‬‬ ‫‪1‬‬
‫‪n‬‬ ‫‪∑x‬‬
‫‪i =1‬‬
‫‪i‬‬
 ‫اﻟﻤﻘﺪر اﻟﺠﻴﺪ ‪Best Estimator :‬‬

‫ان اﻟﻤﻘ]ﺪر ﻻ ﻳﺨﺘ]ﻠﻒ ﻣ]ﻦ ﻋﻴ]ﻨﻪ إﻟﻰ أﺧ]ﺮى إﻻ اذا ﺗﻐﻴ]ﺮت ﺻ]ﻴﻐﺔ ه]ﺬا اﻟﻤﻘ]ﺪر ‪ ،‬ﺑﻴ]ﻨﻤﺎ ﻳﺨﺘ]ﻠﻒ اﻟ]ﺘﻘﺪﻳﺮ ﻣ]ﻦ ﻋﻴ]ﻨﻪ ﻷﺧ]ﺮى ﻋﻨﺪ اﺳﺘﺨﺪام‬
‫اﻟﻤﻘ]ﺪر ﻧﻔﺴ]ﻪ ﻻﺧ]ﺘﻼف ﻗﻴ]ﻢ اﻟﻤﻔ]ﺮدات )اﻟﻤﺸ]ﺎهﺪات( ﻣ]ﻦ ﻋﻴﻨﻪ ﻷﺧﺮى ‪ .‬وﻗﺪ ﺗﻜﻮن اﻟﻘﻴﻤﺔ اﻟﻤﻘﺪرة ﻗﺮﻳﺒﺔ ﺟﺪًا ﻣﻦ اﻟﻘﻴﻤﺔ اﻟﺤﻘﻴﻘﻴﺔ ﻟﻠﻤﺠﺘﻤﻊ أو ﺑﻌﻴﺪة‬
‫ﻋ]ﻨﻬﺎ وﻳﻌ]ﺪ اﻟﻤﻘ]ﺪر ﺟﻴ]ﺪًا اذا آ]ﺎن ﻓ]ﻲ اﻟﻤﺘﻮﺳ]ﻂ ﻟﻌ]ﺪد آ]ﺒﻴﺮ ﻣ]ﻦ اﻟﻌﻴ]ﻨﺎت ﻳﻌﻄ]ﻲ ﻗﻴﻤ]ًﺎ ﻗﺮﻳ]ﺒﺔ ﺟﺪًا ﻣﻦ اﻟﻘﻴﻢ اﻟﺤﻘﻴﻘﻴﺔ ﻟﻠﻤﺠﺘﻤﻊ ‪ .‬واﻟﻤﻘﺪر اﻷﻗﺮب إﻟﻰ‬
‫ﻣﻌﻠﻤﻪ اﻟﻤﺠﺘﻤﻊ هﻮ اﻟﻤﻘﺪر اﻷﻓﻀﻞ ‪ . Best‬ﺗﻮﺟﺪ ﻋﺪة ﺧﻮاص ﻟﻠﻤﻘﺪر اﻟﺠﻴﺪ ﺗﺴﺎﻋﺪﻧﺎ ﻋﻠﻰ اﺳﺘﺨﺪاﻣﻪ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻣﺠﻬﻮﻟﺔ‬
‫‪.‬‬
‫ﺧﻮاص اﻟﻤﻘﺪر اﻟﺠﻴﺪ‬

‫ﻟﻠﻤﻘﺎرﻧﺔ ﺑﻴﻦ اﻟﻤﻘﺪرات اﻟﻤﺨﺘﻠﻔﺔ ‪ ،‬ﺗﻮﺟﺪ ﺧﻮاص ﻣﻌﻴﻨﻪ ﻋﻨﺪﻣﺎ ﺗﺘﺤﻘﻖ ﻓﻲ اﻟﻤﻘﺪر ﻳﻌﺪ ﻣﺤﻘﻘًﺎ ﻟﺼﻔﺎت اﻟﺠﻮدة ‪ ،‬وهﺬﻩ اﻟﺨﻮاص هﻲ ‪:‬‬
‫• ﻋﺪم اﻟﺘﺤﻴﺰ ‪Unbiasedness‬‬
‫‪Consistency‬‬ ‫• اﻻﺗﺴﺎق‬
‫‪Efficiency‬‬ ‫• اﻟﻜﻔﺎءة‬
‫‪Sufficiency‬‬ ‫• اﻟﻜﻔﺎﻳﻪ‬

‫ﻋﺪم اﻟﺘﺤﻴﺰ‬

‫)‬
‫ﻳﺴﻤﻰ اﻟﻤﻘﺪر ‪ θ‬ﻣﻘﺪرًا ﻏﻴﺮ ﻣﺘﺤﻴﺰ ﻟﻠﻤﻌﻠﻤﻪ ‪ θ‬اذا آﺎن ﺗﻮﻗﻌﻪ ﻳﺴﺎوي هﺬﻩ اﻟﻤﻌﻠﻤﻪ أي ﻋﻨﺪﻣﺎ ‪:‬‬
‫)‬
‫)‪(23‬‬ ‫‪E (θ ) = σ‬‬
‫وذﻟﻚ ﻟﺠﻤﻴﻊ ﻗﻴﻢ ‪ θ‬ﻓﻲ ‪ Ωθ‬ﺣﻴﺚ ﺗﺘﻀﻤﻦ ‪ Ωθ‬ﺟﻤﻴﻊ ‪. θ‬‬

‫ﺗﻄﺒﻴﻖ ‪:‬‬
‫• اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻌﻴﻨﻪ ﻋﺸﻮاﺋﻴﺔ ﺳﺤﺒﺖ ﻣﻦ ﻣﺠﺘﻤﻊ ﻣﺘﻐﻴﺮﻩ اﻟﻌﺸﻮاﺋﻲ ‪ x‬وﺗﻮﻗﻌﻪ ‪ u‬ﻳﺴﺎوي ‪:‬‬
‫)‬ ‫‪n‬‬
‫=‪µ=x‬‬ ‫‪1‬‬
‫‪n‬‬ ‫‪∑x‬‬
‫‪i =1‬‬
‫‪i‬‬

‫هﻮ ﻣﻘﺪر ﻏﻴﺮ ﻣﺘﺤﻴﺰ ﻟــ ‪ µ‬وذﻟﻚ ﻷن ‪:‬‬

‫• ﺗﺒﺎﻳﻦ ﻋﻴﻨﻪ ﻋﺸﻮاﺋﻴﺔ ﻣﺴﺤﻮﺑﺔ ﻣﻦ ﻣﺠﺘﻤﻊ اﺣﺼﺎﺋﻲ ﻣﺘﻴﻐﺮة اﻟﻌﺸﻮاﺋﻲ ‪ x‬وﺗﺒﺎﻳﻨﻪ ‪ σ 2‬ﻳﺴﺎوي ‪:‬‬
‫‪1 n‬‬
‫= ‪s2‬‬ ‫∑‬ ‫‪( xi − x )2‬‬
‫‪n − 1 i =1‬‬

‫ﻳﻌﺪ ﻣﻘﺪرًا ﻏﻴﺮ ﻣﺘﺤﻴﺰ ﻟﺘﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ‪ S 2‬وذﻟﻚ ﻷن ‪:‬‬

‫) (‬
‫‪E s2 = σ 2‬‬
‫‪N‬‬
‫‪N −1‬‬
‫‪= S2‬‬
 ‫اﻻﺗﺴﺎق‬

‫)‬ ‫)‬
‫اذا آ]ﺎن ‪ θ‬ﻣﻘ]ﺪرًا ﻟﻠﻤﻌ]ﻠﻤﻪ ‪ θ‬ﻣﺤﺴ]ﻮﺑًﺎ ﻣﻦ ﻣﻔﺮدات ﻋﻴﻨﻪ ﺣﺠﻤﻬﺎ ‪ n‬ﻓﺎن ﻣﻌﻨﻰ اﻻﺗﺴﺎق أن ﻳﺆول اﻟﻤﻘﺪر ‪ θ‬اﺣﺘﻤﺎﻟﻴًﺎ إﻟﻰ اﻟﻘﻴﻤﺔ اﻟﺤﻘﻴﻘﻴﺔ‬
‫ﻟﻠﻤﻌﻠﻤﻪ ‪ θ‬ﻋﻨﺪﻣﺎ ﻳﺰداد ﺣﺠﻢ اﻟﻌﻴﻨﻪ وﻳﺼﺒﺢ ﻗﺮﻳﺒًﺎ ﻣﻦ اﻟﻼﻧﻬﺎﻳﻪ أي أن‪:‬‬
‫)‪(24‬‬ ‫(‬
‫‪lim p θˆ − θ > ε = 0‬‬
‫∞‪n −‬‬
‫)‬
‫ﻋﻨﺪﻣﺎ ‪ε > 0‬‬
‫وﻳﺘﻢ ذﻟﻚ ﻋﻨﺪﻣﺎ ﻳﺘﺤﻘﻖ اﻟﺸﺮﻃﺎن اﻵﺗﻴﺎن ‪:‬‬
‫)(‬
‫‪lim E θˆ → θ‬‬
‫∞‪n −‬‬
‫)(‬
‫‪lim V θˆ → 0‬‬
‫∞‪n −‬‬

‫ﺗﻄﺒﻴﻖ ‪:‬‬
‫ﺳ]ﺤﺒﺖ ﻋﻴ]ﻨﻪ ﻋﺸﻮاﺋﻴﺔ ﻋﺪد ﻣﻔﺮداﺗﻬﺎ ‪ n‬ﻣﻦ ﻣﺠﺘﻤﻊ ﻣﺘﻮﺳﻄﻪ ‪ µ‬وﺗﺒﺎﻳﻨﻪ ‪ ، σ‬ان ﻣﺘﻮﺳﻂ اﻟﻌﻴﻨﻪ ‪ x‬ﻣﻘﺪر ﻣﺘﺴﻖ ﻟﻠﻤﻌﻠﻤﻪ ‪ . µ‬ﻻﺛﺒﺎت‬
‫‪2‬‬

‫ذﻟﻚ ﻧﻌﻠﻢ أن ‪:‬‬

‫‪lim x → µ‬‬
‫∞→ ‪n‬‬
‫‪lim V (x ) = lim (σ 2 / n ) → 0‬‬
‫∞→ ‪n‬‬ ‫∞→ ‪n‬‬

‫أي ﺗﺤﻘﻖ اﻟﺸﺮﻃﺎن اﻟﻼزﻣﺎن ﻻﻋﺘﺒﺎر ‪ x‬ﻣﻘﺪرًا ﻣﺘﺴﻘًﺎ ‪.‬‬

‫اﻟﻜﻔﺎءة‬

‫اذا آﺎن ﻟﺪﻳﻨﺎ ﻣﻘﺪران ﻏﻴﺮ ﻣﺘﺤﻴﺰﻳﻦ ﻟﻠﻤﻌﻠﻤﻪ ‪ θ‬هﻤﺎ ‪ θ 2,θ 1‬وآﺎن ﺗﺒﺎﻳﻦ اﻟﻤﻘﺪر اﻷول أﺻﻐﺮ ﻣﻦ ﺗﺒﺎﻳﻦ اﻟﻤﻘﺪر اﻟﺜﺎﻧﻲ أي‬
‫) ‪V (θ 1 ) < V (θ 2‬‬
‫ﻳﻌﺪ اﻟﻤﻘﺪر اﻷول ‪ θ 1‬أآﻔﺄ ﻣﻦ اﻟﻤﻘﺪر اﻟﺜﺎﻧﻲ ‪. θ 2‬‬

‫ﺗﻄﺒﻴﻖ ‪:‬‬
‫ﻟﻤﻘﺎرﻧ]ﺔ ﻣ]ﺪى ﺗﻤﺮآ]ﺰ اﻟﻮﺳ]ﻂ اﻟﺤﺴ]ﺎﺑﻲ ‪ x‬ﻣ]ﻊ ﻣ]ﺪى ﺗﻤﺮآ]ﺰ اﻟﻮﺳ]ﻴﻂ ‪) ME‬اﻟﻤﻘ]ﺪران ﻏﻴ]ﺮ ﻣﺘﺤﻴﺰﻳﻦ( ﻧﻠﺠﺄ إﻟﻰ ﻣﻘﺎرﻧﺔ ﺗﺒﺎﻳﻦ اﻟﻤﻘﺪرﻳﻦ‬
‫وﻧﺨﺘﺎر اﻟﻤﻘﺪر ذا اﻟﺘﺒﺎﻳﻦ اﻷﺻﻐﺮ ‪.‬‬
‫ان ﺗﺒﺎﻳﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﻴﻂ ﻟﻠﻌﻴﻨﺎت اﻟﻜﺒﻴﺮة هﻤﺎ‬
‫‪σ2‬‬
‫= ) ‪V (x‬‬
‫‪n‬‬
‫‪πσ 2‬‬
‫= ) ‪V ( ME‬‬
‫‪2n‬‬
‫‪π = 31416‬‬
‫‪.‬‬ ‫ﺣﻴﺚ‪:‬‬
 ‫اذا آﺎن ﺣﺠﻢ اﻟﻌﻴﻨﻪ ﻣﺤﺪدًا ﻓﺎن‬
‫) ‪V (x‬‬ ‫‪2‬‬
‫‪= = .636‬‬
‫‪V (ME ) π‬‬
‫وهﺬا ﻳﻌﻨﻲ ﺗﺒﺎﻳﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ أﺻﻐﺮ ﻣﻦ ﺗﺒﺎﻳﻦ اﻟﻮﺳﻴﻂ وﺑﺎﻟﺘﺎﻟﻲ ﻳﻜﻮن اﻟﻤﻘﺪر ‪ x‬أآﻔﺄ ﻣﻦ اﻟﻤﻘﺪر ‪. ME‬‬

‫اﻟﻜﻔﺎﻳﺔ‬

‫)‬ ‫)‬
‫ﻳﺴ]ﻤﻰ اﻟﻤﻘﺪر ‪ θ‬ﻣﻘﺪرًا آﺎﻓﻴًﺎ ﻟﻠﻤﻌﻠﻤﻪ ‪ θ‬اذا آﺎن اﻟﻤﻘﺪر ‪θ‬ﻗﺪ اﻣﺘﺺ ﺟﻤﻴﻊ اﻟﻤﻌﻠﻮﻣﺎت اﻟﻤﺘﻮاﻓﺮة ﻋﻦ اﻟﻤﻌﻠﻤﻪ ‪ θ‬ﻣﺠﻬﻮﻟﺔ اﻟﻘﻴﻤﺔ‪ ،‬ﺑﺤﻴﺚ‬
‫)‬ ‫)‬
‫‪ θ‬ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻲ ‪.‬‬ ‫ﺑﻌﺪ ﻣﻌﺮﻓﺔ ‪ θ‬ﻧﺠﺪ أن اﻟﻤﻌﻠﻮﻣﺎت اﻟﻤﺘﺒﻘﻴﺔ ﻻ ﺗﻔﻴﺪ ﻓﻲ ﻣﻌﺮﻓﺔ ‪ θ‬وﻳﻤﻜﻨﻨﺎ اﺛﺒﺎت آﻔﺎﻳﺔ اﻟﻤﻘﺪر‬

‫واذا ﺳ]ﺤﺒﻨﺎ ﻋﻴ]ﻨﻪ ﻋﺸ]ﻮاﺋﻴﺔ ﺣﺠﻤﻬ]ﺎ ‪ n‬ﻣﻔ]ﺮدة ‪ x1 , x2 ,..., xn‬وآ]ﺎﻧﺖ داﻟ]ﺔ آ]ﺜﺎﻓﺔ اﺣﺘﻤﺎل آﻞ ﻣﻦ هﺬﻩ اﻟﻤﻔﺮدات ﻣﺘﺸﺎﺑﻬﺔ ) ‪ f(x, θ‬ﻓﺎن‬
‫داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل اﻟﻤﺸﺘﺮآﺔ ﻟﻬﺬﻩ اﻟﻘﻴﻢ اﻟﻌﺸﻮاﺋﻴﺔ ﺗﺴﺎوي ‪:‬‬
‫) ‪g ( x1 , x2 ,..., xn ; θ ) = f ( x1 ,θ ), f ( x2 , θ )... f ( xn , θ‬‬

‫ﻓﺎذا اﺳﺘﻄﻌﻨﺎ ﺻﻴﺎﻏﺔ هﺬﻩ اﻟﺪاﻟﺔ ﺑﺎﻟﺸﻜﻞ‬

‫) (‬
‫) ‪g (x1 , x2 ,..., xn ; θ ) = h θˆ, θ = k (x1 , x2 ,..., xn‬‬
‫ﺣﻴﺚ‪ k ( x1 , x2 ,..., xn ) :‬داﻟﺔ ﻻ ﺗﺤﺘﻮي ﻋﻠﻰ اﻟﻤﻌﻠﻤﺔ ‪ θ‬ﻓﺈﻧﻨﺎ ﻧﺴﻤﻰ ˆ‪ θ‬ﺑﺄﻧﻪ ﻣﻘﺪر آﺎف ﻟﻠﻤﻌﻠﻤﻪ ‪. θ‬‬

‫ﺗﻄﺒﻴﻖ ‪:‬‬
‫اذا آﺎن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ ‪ x‬هﻮ ﻣﻘﺪر ﻟﺘﻮﻗﻊ اﻟﻤﺠﺘﻤﻊ ‪ a‬ﻓﻴﻤﻜﻦ اﺛﺒﺎت ان هﺬا اﻟﻤﻘﺪر آﺎف ﻟﺘﻮﻗﻊ اﻟﻤﺠﺘﻤﻊ اﻟﻄﺒﻴﻌﻲ ‪. µ‬‬
‫ﻧﻌﻠﻢ ان اﺣﺘﻤﺎل اﻟﺤﺼﻮل ﻋﻠﻰ هﺬﻩ اﻟﻌﻴﻨﻪ )داﻟﺔ آﺜﺎﻓﺔ اﻻﺣﺘﻤﺎل اﻟﻤﺸﺘﺮآﺔ ( ﺗﺴﺎوي‬
‫‪n‬‬ ‫‪−1‬‬ ‫‪2‬‬
‫‪ 1 ‬‬ ‫) ‪∑ ( xi − a‬‬
‫‪g ( x1 , x2 ,..., xn ; µ ) = ‬‬
‫‪2σ 2‬‬
‫‪ e‬‬
‫‪ σ 2π ‬‬

‫وﺑﺎﺿﺎﻓﺔ وﻃﺮح ‪ x‬ﻧﺠﺪ أن اﻟﻄﺮف اﻷﻳﻤﻦ ﻳﺴﺎوي ‪:‬‬

‫‪n‬‬
‫‪ 1 ‬‬ ‫‪1 n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪ e‬‬ ‫∑‬ ‫(‬ ‫‪x‬‬ ‫‪−‬‬ ‫‪x‬‬ ‫)‬ ‫‪-‬‬ ‫(‬ ‫‪x‬‬ ‫‪−‬‬ ‫‪a‬‬ ‫)‬‫‪2‬‬

‫‪ σ 2π  2σ i =1‬‬ ‫‪2σ 2‬‬

‫‪2‬‬

‫) ‪= k (x1 , x 2 ,..., x )h(x , a‬‬

‫أي أن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪ x‬هﻮ ﻣﻘﺪر آﺎف ﻟﺘﻮﻗﻊ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ‪.‬‬

‫اﻟﺘﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ واﻟﺘﻘﺪﻳﺮ ﺑﻔﺘﺮة ‪Point & Interval estimate :‬‬

‫آﻤ]ﺎ ذآ]ﺮﻧﺎ ﺳ]ﺎﺑﻘًﺎ ان أه]ﻢ اﻷه]ﺪاف اﻟ]ﺘﻲ ﻳﻬ]ﺘﻢ ﺑﻬ]ﺎ اﻟﺒﺎﺣﺚ هﻲ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ آﺎﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻣﻦ ﺑﻴﺎﻧﺎت‬
‫ﻋﻴﻨﻪ ﻋﺸﻮاﺋﻴﺔ وﻳﻤﻜﻨﻨﺎ اﻟﺘﻤﻴﻴﺰ ﺑﻴﻦ ﻧﻮﻋﻴﻦ ﻣﻦ اﻟﺘﻘﺪﻳﺮ ‪:‬‬
‫‪ -‬اﻟﺘﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ ‪Point estimate‬‬
‫ﻳﻌ]ﺪ اﻟ]ﺘﻘﺪﻳﺮ ﺑ]ﻨﻘﻄﺔ اﻟ]ﻨﻮع اﻷآ]ﺜﺮ ﺷ]ﻴﻮﻋًﺎ ﻣ]ﻦ أﻧ]ﻮاع اﻟ]ﺘﻘﺪﻳﺮ ‪ ،‬ﺧﺎﺻﺔ ﻟﺪى ﻏﻴﺮ اﻻﺣﺼﺎﺋﻴﻴﻦ ‪ .‬واﻟﺘﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ هﻮ ﺗﻘﺪﻳﺮ ﻣﻌﻠﻤﻪ اﻟﻤﺠﺘﻤﻊ‬
‫ﻼ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ ‪ x‬هﻮ ﺗﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ ﻟﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ ‪ . µ‬آﺬﻟﻚ ﺗﻘﺪﻳﺮ ﻧﺴﺒﺔ اﻟﻤﺠﺘﻤﻊ ﻣﻦ ﺑﻴﺎﻧﺎت ﻋﻴﻨﻪ ‪p‬‬
‫ﺑ]ﺮﻗﻢ واﺣ]ﺪ )أو ﻗﻴﻤﺔ وﺣﻴﺪة( ‪ ،‬ﻣﺜ ً‬
‫هﻮ ﺗﻘﺪﻳﺮ ﺑﻨﻘﻄﺔ ﻟﻨﺴﺒﺔ اﻟﻤﺠﺘﻤﻊ ‪. P‬‬

‫‪ -‬اﻟﺘﻘﺪﻳﺮ ﺑﻔﺘﺮة ﺛﻘﺔ ‪Confidence Interval estimate‬‬

‫ﻳﺴ]ﻤﻰ اﻟﻤ]ﺪى اﻟ]ﺬي ﺗﻘ]ﻊ ﻓﻴ]ﻪ اﻟﻘﻴﻤ]ﺔ اﻟﺤﻘﻴﻘﻴ]ﺔ ﻟﻤﻌ]ﻠﻤﻪ ﻣﺠ]ﺘﻤﻊ ﻣ]ﺎ ﺑﺪرﺟ]ﺔ ﺛﻘ]ﺔ ﻣﻌﻴ]ﻨﻪ ﺑﻔﺘﺮة اﻟﺜﻘﺔ ‪ .‬واﻟﺤﺪ اﻷﻋﻠﻰ واﻟﺤﺪ اﻷدﻧﻰ ﻟﻬﺬﻩ اﻟﻔﺘﺮة‬
‫ﺗﺴ]ﻤﻰ ﺣ]ﺪود اﻟ]ﺜﻘﺔ ‪ . Confidence limits‬وﻧﺴﺘﻄﻴﻊ ﺣﺴﺎب اﻻﺣﺘﻤﺎﻻت ﻟﻔﺘﺮة اﻟﺜﻘﺔ اﻟﺘﻲ ﺗﺤﺘﻮي ﻋﻠﻰ اﻟﻘﻴﻤﺔ اﻟﺤﻘﻴﻘﻴﺔ وﺗﻜﻮن هﺬﻩ اﻻﺣﺘﻤﺎﻻت‬
‫ﺻ]ﺤﻴﺤﺔ ﻓ]ﻲ ﺣ]ﺎل اﺳﺘﺨﺪام اﻟﻤﻌﺎﻳﻨﻪ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ ‪ .‬آﻤﺎ أﻧﻪ ﻻ ﻳﻤﻜﻦ ﺣﺴﺎب ﺣﺪود اﻟﺜﻘﺔ ﺑﺎﺣﺘﻤﺎﻻت ﺻﺤﻴﺤﺔ ﻣﻦ ﺑﻴﺎﻧﺎت ﻋﻴﻨﺎت ﻣﺴﺤﻮﺑﺔ ﻣﻦ‬
‫ﻣﺠ]ﺘﻤﻌﺎت ﻣﺠﻬﻮﻟ‪h‬ﺔ اﻟ‪h‬ﺘﻮزﻳﻊ ‪ .‬ﻓﺎذا آﺎن ﻟﻠﺘﻘﺪﻳﺮ ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ وآﺎن اﻟﺨﻄﺄ اﻟﻤﻌﻴﺎري ﻟﻠﺘﻘﺪﻳﺮ ﻣﻌﺮوﻓًﺎ ﻓﺎﻧﻨﺎ ﻧﺴﺘﻄﻴﻊ ﻣﻌﺮﻓﺔ اﺣﺘﻤﺎل وﻗﻮع ﺧﻄﺄ ﻓﻲ‬
‫اﻟ]ﺘﻘﺪﻳﺮ أآ]ﺒﺮ ﻣ]ﻦ أي ﻗﻴﻤ]ﺔ أﺧ]ﺮى ‪ .‬ﻟﻜ]ﻦ اﻟ]ﺘﻘﺪﻳﺮ ﻗ]ﺪ ﻻ ﻳﺘﻮزع ﺑﺼﻮرة ﻃﺒﻴﻌﻴﺔ ﻣﻤﺎ ﻳﺠﻌﻞ هﺬﻩ اﻻﺣﺘﻤﺎﻻت ﻏﻴﺮ دﻗﻴﻘﺔ ‪ .‬وﻟﻜﻦ اذا آﺎن ﺣﺠﻢ اﻟﻌﻴﻨﻪ‬
‫آ]ﺒﻴﺮًا وآ]ﺎن اﻟ]ﺘﻘﺪﻳﺮ ﻏﻴ]ﺮ ﻣ]ﺘﺤﻴﺰ ﻓﺎﻧ]ﻨﺎ ﻧﺴ]ﺘﻄﻴﻊ ﺑﻤﺴ]ﺎﻋﺪة ﺟ‪h‬ﺪاول اﻟ‪h‬ﺘﻮزﻳﻊ اﻟﻄ]ﺒﻴﻌﻲ وﻣﻌ‪h‬ﺮﻓﺔ اﻟﺨﻄ‪h‬ﺄ اﻟﻤﻌﻴ‪h‬ﺎري ﻟﻠ]ﺘﻘﺪﻳﺮ ‪ ،‬ﺣﺴﺎب ﻓﺘﺮة اﻟﺜﻘﺔ ﻟﻠﻘﻴﻤﺔ‬
‫اﻟﺤﻘﻴﻘﻴﺔ ﻟﻤﻌﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ ‪ .‬اذا آﺎن ‪ x‬ﻣﺘﻐﻴﺮًا ﻋﺸﻮاﺋﻴًﺎ ﻣﻮزﻋًﺎ ﻃﺒﻴﻌﻴًﺎ ﺑﻤﺘﻮﺳﻂ ‪ µ‬واﻧﺤﺮاف ﻣﻌﻴﺎري ‪ σ‬ﻓﺎن اﻟﻘﻴﻤﺔ اﻟﻤﻌﻴﺎرﻳﺔ ‪:‬‬
‫‪x−µ‬‬
‫)‪(25‬‬ ‫=‪Z‬‬
‫‪σ/ n‬‬

‫ﺗﻜ]ﻮن ﻣﻮزﻋﺔ ﺗﻮزﻳﻌًﺎ ﻃﺒﻴﻌﻴًﺎ ﻟﻤﺘﻮﺳﻂ ﺻﻔﺮ واﻧﺤﺮاف ﻣﻌﻴﺎر واﺣﺪ ‪ .‬ان ﻟﻠﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﻴﻨﻪ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ ‪ x‬اﻟﻤﻘﺪر ﻣﻦ ﻋﻴﻨﻪ‬
‫ﺣﺠﻤﻬﺎ ‪ n‬وﺣﺪة )ﻣﺴﺤﻮﺑﺔ ﻣﻦ ﻣﺠﺘﻤﻊ ﻟﻪ ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ وﻟﻪ ﻣﺘﻮﺳﻂ ‪ µ‬وﺗﺒﺎﻳﻨﻪ ‪ σ 2 n‬ﻟﺬا ﻧﺠﺪ أن ﻟﻠﻘﻴﻤﺔ اﻟﻤﻌﻴﺎرﻳﺔ ‪ Z‬ﺗﻮزﻳﻌًﺎ ﻃﺒﻴﻌﻴًﺎ ﻣﻌﻴﺎرﻳًﺎ ‪.‬‬
‫ﺷﻜﻞ رﻗﻢ )‪(3‬‬
‫ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ وﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﻟﻤﻌﻴﺎري‬

‫وﻳﻤﻜﻦ اﻟﻘﻮل آﻤﺎ ﻳﺘﻀﺢ ﻣﻦ اﻟﺸﻜﻞ أﻋﻼﻩ أن ‪:‬‬

‫‪‬‬ ‫‪x−µ‬‬ ‫‪‬‬
‫≤ ‪p z α 2‬‬ ‫‪≤ z 1−α / 2  = 1 − α‬‬
‫‪‬‬ ‫‪σ/ n‬‬ ‫‪‬‬

‫‪ Z 1−α‬هﻲ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﺴﺒﻘﻬﺎ ﻣﺴﺎﺣﺔ ‪ 1 − α 2‬ﺗﺤﺖ‬ ‫‪2‬‬ ‫ﺣﻴ]ﺚ أن ‪ Z α 2‬ه]ﻲ اﻟﻘﻴﻤ]ﺔ اﻟ]ﺘﻲ ﺗﺴ]ﺒﻘﻬﺎ ﻣﺴ]ﺎﺣﺔ ‪ α 2‬ﺗﺤ]ﺖ اﻟﻤﻨﺤ]ﻨﻰ ‪ ،‬أﻣﺎ‬
‫اﻟﻤﻨﺤ]ﻨﻰ ‪ ،‬أﻣ]ﺎ ‪ α‬ﻓﻬ]ﻲ اﻟﻤﺴ]ﺎﺣﺔ اﻟﻤﻈﻠ]ﻠﺔ ﺗﺤ]ﺖ اﻟﻤﻨﺤ]ﻨﻰ ﺧ]ﺎرج ﻓﺘﺮة اﻟﺜﻘﺔ ‪ ،‬و ‪ 1− α‬هﻲ درﺟﺔ أو ﻣﻌﺎﻣﻞ اﻟﺜﻘﺔ ‪ ،‬وﻳﻤﻜﻦ اﻟﻘﻮل أن ﻓﺘﺮة اﻟﺜﻘﺔ‬
‫ﻟﻠﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪:‬‬
‫‪σ‬‬ ‫‪σ‬‬
‫)‪(26‬‬ ‫‪x + zα 2‬‬ ‫‪≤ µ ≤ x + z1−α 2‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﻼ ﻣﺴﺘﻮى ﺛﻘﺔ ‪ %95‬ﻧﺠﺪ أن ﻗﻴﻤﺔ‬
‫‪ Z 1−α‬ﻓﻬ]ﻲ ﻣﻮﺟﺒﺔ ﻣﺜ ً‬ ‫‪2‬‬ ‫)ﻗﻴﻤ]ﺔ ‪ Z α 2‬ﺳ]ﺎﻟﺒﻪ وﺗﺴ]ﺘﺨﺮج ﻣ]ﻦ ﺟ]ﺪاول اﻟ]ﺘﻮزﻳﻊ اﻟﻄ]ﺒﻴﻌﻲ ‪ ،‬أﻣ]ﺎ ﻗﻴﻤ]ﺔ‬
‫‪ Z 1−α‬ﺗﺴﺎوي ‪ 1.96‬أﻣﺎ ‪ Z α 2‬ﺗﺴﺎوي ‪. (-1.96‬‬ ‫‪2‬‬

‫ان ﺗ]]ﺒﺎﻳﻦ اﻟﻤﺠ]]ﺘﻤﻊ ﻏﻴ]]ﺮ ﻣﻌ]]ﻠﻮم ﻓ]]ﻲ آ]]ﺜﻴﺮ ﻣ]]ﻦ اﻟﺤ]]ﺎﻻت ‪ ،‬ﻟ]]ﺬا ﻧﺴ]]ﺘﺨﺪم ﺗﻮزﻳ]]ﻊ ‪) t‬ﺳ]]ﺘﻴﻮدﻧﺖ( وﻳﻜ]]ﻮن اﻟﺨﻄ]]ﺄ اﻟﻤﻌﻴ]]ﺎري ﻟﻠﻤﺘﻮﺳ]]ﻂ ه]]ﻮ‬
‫)‬
‫= ‪ σ x‬وﺗﻜﻮن اﻟﻘﻴﻤﺔ اﻟﻤﻌﻴﺎرﻳﺔ هﻲ ‪:‬‬ ‫‪s‬‬
‫‪n‬‬

‫‪x−µ‬‬
‫=‪t‬‬
‫) ‪σˆ (x‬‬
‫ﻣﻮزﻋﺔ ﺣﺴﺐ ﺗﻮزﻳﻊ ‪ t‬ﺑﺪرﺟﺎت ﺣﺮﻳﺔ ‪ n-1‬وﺗﻜﻮن ﻓﺘﺮة اﻟﺜﻘﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺴﺤﺐ ﻣﻊ اﻻﻋﺎدة ‪:‬‬
‫‪s‬‬ ‫‪s‬‬
‫)‪(27‬‬ ‫)‪x + t(α / 2 , n −1‬‬ ‫)‪≤ µ ≤ x + t(1−α / 2 , n −1‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﺣﻴﺚ‪:‬‬
‫‪n‬‬
‫‪1‬‬
‫= ‪s2‬‬ ‫∑‬ ‫‪( xi − x )2‬‬
‫‪n − 1 i =1‬‬

‫وﺗﺄﺧﺬ ﻗﻴﻢ ‪ t‬ﻣﻦ ﺟﺪول ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ )‪ (t‬ﺑﻤﺴﺘﻮى ﺛﻘﺔ ﻣﻌﻴﻦ ‪ ( 1− α )%‬درﺟﺎت ﺣﺮﻳﻪ ‪n-1‬‬

‫‪N−n‬‬
‫‪:‬‬ ‫أﻣﺎ ﻓﻲ ﺣﺎﻟﺔ اﻟﺴﺤﺐ ﻣﻊ ﻋﺪم اﻻﻋﺎدة ‪ ،‬ﺗﺼﺒﺢ ﻓﺘﺮة اﻟﺜﻘﺔ ﺑﻌﺪ ادﺧﺎل ﻣﻌﺎﻣﻞ ﺗﺼﺤﻴﺢ اﻟﻤﺠﺘﻤﻊ اﻟﻤﺤﺪود‬
‫‪N −1‬‬
‫‪s‬‬ ‫‪s‬‬
‫)‪x + t(α / 2 ,n −1‬‬ ‫)‪1 − f ≤ u ≤ x + t(1−α / 2 ,n −1‬‬ ‫‪1− f‬‬
‫‪n‬‬ ‫‪n‬‬

‫‪s‬‬
‫= ‪ σ x‬ﺑﻌﺪ ﺿﺮﺑﻬﺎ ﻓﻲ ﻣﻌﺎﻣﻞ ﺗﺼﺤﻴﺢ اﻟﻤﺠﺘﻤﻊ‬ ‫‪σ2‬‬
‫‪2‬‬
‫‪n‬‬ ‫ﺣﻴﺚ ﺗﻢ اﻟﺤﺼﻮل ﻋﻠﻰ هﺬا اﻟﻤﻘﺪار ﻣﻦ‬ ‫)ﻳﻼﺣ]ﻆ أﻧﻨﺎ اﺳﺘﺨﺪﻣﻨﺎ ‪1− f‬‬
‫‪n‬‬
‫اﻟﻤﺤﺪود ‪:‬‬
‫‪σ 2 N − n s2  N − n ‬‬
‫= ‪σ‬‬ ‫‪2‬‬
‫‪= ‬‬ ‫‪‬‬
‫‪n N −1 n  N ‬‬
‫‪x‬‬

‫ﻻ ‪ ،‬ﻟ]]]ﺬا وﺿ]]]ﻌﻨﺎ اﻻﻧﺤ]]]ﺮاف اﻟﻤﻌﻴ]]]ﺎري ﻟﻠﻌﻴ]]]ﻨﻪ ‪ s‬ﻓ]]]ﻲ‬

‫‪ s2‬ه]]]ﻮ ﻣﻘ]]]ﺪر ﻏﻴ]]]ﺮ ﻣ]]]ﺘﺤﻴﺰ ﻟـ]]]ــ ‪ S 2‬ﻋ]]]ﻨﺪﻣﺎ ﻳﻜ]]]ﻮن ﺗ]]]ﺒﺎﻳﻦ اﻟﻤﺠ]]]ﺘﻤﻊ ﻣﺠﻬ]]]ﻮ ً‬
‫)‬
‫ﺻ]]ﻴﻐﺔ ﻓ]]ﺘﺮة اﻟ]]ﺜﻘﺔ ‪ .‬وهﻜ]]ﺬا ﻧﻼﺣ]]ﻆ أﻧ]]ﻪ ﻻﺳ]]ﺘﺨﺮاج ﻓ]]ﺘﺮة اﻟ]]ﺜﻘﺔ ﻻ ﺑ]]ﺪ ﻣ]]ﻦ ﺗﻘﺪﻳ]]ﺮ اﻟﺨﻄ]]ﺄ اﻟﻤﻌﻴ]]ﺎري ‪ σx‬أو ﺗ]]ﺒﺎﻳﻦ اﻟﻌﻴ]]ﻨﻪ ‪ s2‬ﻓ]]ﻲ ﺣﺎﻟ]]ﺔ ﻋ]]ﺪم‬
‫ﻣﻌﺮﻓﺔ ﺗﺒﺎﻳﻦ اﻟﻤﺠﺘﻤﻊ ‪ σ 2‬أو اﻟﺘﺒﺎﻳﻦ اﻟﻤﻌﺪل ﻟﻠﻤﺠﺘﻤﻊ ‪. s2‬‬

‫وﻳﻤﻜﻨ]]]ﻨﺎ اﻟﻘ]]]ﻮل ﻟﺘﻮﺿ]]]ﻴﺢ ﻣﻔﻬ]]]ﻮم ﺣ]]]ﺪود اﻟ]]]ﺜﻘﺔ ‪ ،‬ﻟ]]]ﻮ ﺳ]]]ﺤﺒﻨﺎ ﻋ]]]ﺪدًا آ]]]ﺒﻴﺮًا ﻣ]]]ﻦ اﻟﻌﻴ]]]ﻨﺎت ذات اﻟﺤﺠ]]]ﻢ ‪ n‬ﻣﻔ]]]ﺮدة ﻣ]]]ﻦ اﻟﻤﺠ]]]ﺘﻤﻊ ﻧﻔﺴ]]]ﻪ‬
‫وﺣﺴﺒﻨﺎ ﺣﺪود اﻟﺜﻘﺔ ﻟﻜﻞ ﻋﻴﻨﺔ ﻓﺎن ‪) %95‬اذا آﺎﻧﺖ ‪ ( α =.05‬ﻣﻦ هﺬﻩ اﻟﺤﺪود ﻻ ﺑﺪ وان ﺗﺤﺘﻮي ﻋﻠﻰ ﻣﺘﻮﺳﻂ اﻟﻤﺠﺘﻤﻊ ‪. µ‬‬