‫‪Syrian Arab Republic‬‬ ‫اﻟجمﻬور�ﺔ اﻟﻌر�یﺔ اﻟسور�ﺔ‬

‫‪Ministry of Higher Education‬‬ ‫وزارة اﻟتﻌﻠیم اﻟﻌﺎﻟﻲ‬

‫‪Virtual University‬‬ ‫اﻟجﺎﻤﻌﺔ اﻻﻓت ارﻀیﺔ اﻟسور�ﺔ‬
‫‪Master in Quality Management‬‬ ‫ﻤﺎﺠستیر إدارة ﺠودة‬

‫اﺸرح �ﺎﻟتﻔصیﻞ طرق اﻹﺤصﺎء اﻟوﺼﻔﻲ )‪(Descriptive Statistics‬‬

‫ﺒنوﻋیﻬﺎ اﻟتحﻠیﻠیﺔ ”‪ “Analytical‬واﻟبیﺎﻨیﺔ ”‪ , “Graphical‬و�ین أھمیتﻬﺎ‪ ،‬واﺴتخداﻤﺎﺘﻬﺎ‪ ،‬واﻟبراﻤﺞ‬

‫اﻟحﺎﺴو�یﺔ اﻟتﻲ �مكن اﻻﺴتﻌﺎﻨﺔ ﺒﻬﺎ ﻟﻬذﻩ اﻟﻐﺎ�ﺔ داﻋمﺎً ﺸرﺤك �ﺎﻷﻤثﻠﺔ اﻟتﻲ ﺘراھﺎ ﻤنﺎﺴبﺔ‪.‬‬

‫اﻟطﺎﻟب‪ :‬أﺸرف ﻏسﺎن ﻋﻠﻲ‬

‫‪Ashraf_76177‬‬

‫‪C2‬‬

‫اﻟمﺎدة‪SCO :‬‬

‫اﻟمشرف اﻟﻌﻠمﻲ‪ :‬د‪ .‬ﻤﻌن اﻟحوراﻨﻲ‬

‫اﻟﻔصﻞ اﻟدراﺴﻲ ‪S16‬‬

‫‪22/12/2016‬‬
 ‫اﻟخﻼﺼﺔ‬

‫ان ﻤﺎ�میز أﻨظمﺔ ادارة اﻟجودة اﻟحدﯿثﺔ اﻋتمﺎدﻫﺎ ﻋﻠﻰ ﻤنﻬجیﺎت ﺘحﻠیﻞ ﺜور�ﺔ �منﻬجیﺔ اﻟست ﺴیﻐمﺎ "‪ "SIX SIGMA‬وﻤنﻬجیﺔ‬
‫ﺘحﻠیﻞ ﻨمط اﻟﻌطﻞ واﺜﺎرﻩ "‪, "FMEA‬ﻫذﻩ اﻟمنﻬجیﺎت وﻏیرﻫﺎ ﺘﻌتمد ﻓﻲ اﻷﺴﺎس ﻋﻠﻰ اﻟتحﻠیﻞ اﻟر�ﺎﻀﻲ ﻟﻠﻌمﻠیﺎت ﻋن طر�ق‬
‫وﺴﺎﺌﻞ اﻟضبط اﻻﺤصﺎﺌﻲ ﻟﻠﻌینﺎت اﻟتﻲ ﺘتمتﻊ �ﺎﻟوﻀوح واﻟدﻗﺔ واﺴﻘﺎط ﻫذﻩ اﻟنتﺎﺌﺞ اﻟر�ﺎﻀیﺔ �تﻔسیرات ﻤنطﻘیﺔ ﻟتسﻠسﻞ اﻟﻌمﻠیﺎت‬
‫اﻻﻨتﺎﺠیﺔ وﺘﻔﺎﻋﻼﺘﻬﺎ داﺨﻞ ﻨظﺎم ادراة اﻟجودة ﻀمن اﻟمنظمﺔ ‪,‬ﻓمن اﻟضروري واﻟﻼزم اﻟتﻌرف ﻋﻠﻰ ﻤبﺎدئ اﻟضبط اﻻﺤصﺎﺌﻲ‬
‫ﻟﻠﻌمﻠیﺎت ﻓﻲ ﻫذا اﻟبحث �خطوة أوﻟﻰ ﻓﻲ ﻤجﺎل ادارة أﻨظمﺔ اﻟجودة اﻟحدﯿثﺔ ‪.‬‬

‫‪1‬‬
 ‫ﻗﺎﺌمﺔ اﻟمحتو�ﺎت‬

‫اﻟصﻔحﺔ‬ ‫اﻟموﻀوع‬
‫‪1‬‬ ‫اﻟخﻼﺼﺔ‬
‫‪2‬‬ ‫ﻗﺎﺌمﺔ اﻟمحتو�ﺎت‬
‫‪3‬‬ ‫ﻤﻘدﻤﺔ‬
‫‪4‬‬ ‫ﺠدول اﻟمصطﻠحﺎت‬
‫‪5‬‬ ‫‪ -1‬ﻤﻔﻬوم اﻻﺤصﺎء اﻟوﺼﻔﻲ‬
‫‪5‬‬ ‫‪-2‬طرق اﻻﺤصﺎء اﻟوﺼﻔﻲ اﻟتحﻠیﻠیﺔ‬
‫‪5‬‬ ‫‪ 1-2‬ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ‬
‫‪8‬‬ ‫‪ 2-2‬ﻤﻘﺎﯿیس اﻟتشتت‬
‫‪9‬‬ ‫‪ 3-2‬ﻤﻘﺎﯿیس اﻟموﻀﻊ‬
‫‪11‬‬ ‫‪ 4-2‬ﻤﻘﺎﯿیس اﻟشكﻞ‬
‫‪12‬‬ ‫‪-3‬طرق اﻻﺤصﺎء اﻟوﺼﻔﻲ اﻟبیﺎﻨیﺔ‬
‫‪12‬‬ ‫‪ 1-3‬اﻟمدرج اﻟتكراري‬
‫‪14‬‬ ‫‪ 2-3‬ﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ‬
‫‪14‬‬ ‫‪ 3-3‬ﻤخطط اﻟﻔطیرة‬
‫‪15‬‬ ‫‪-4‬ﺒرﻨﺎﻤﺞ ‪MINITAB‬‬
‫‪20‬‬ ‫اﻟخﺎﺘمﺔ‬
‫‪20‬‬ ‫ﻗﺎﺌمﺔ اﻟمراﺠﻊ‬

‫‪2‬‬
 ‫اﻟمصطﻠحﺎت اﻷﺠنبیﺔ‬
‫‪Arithmetic mean‬‬ ‫اﻟمتوﺴط اﻟحسﺎﺒﻲ‬
‫‪Bar Chart‬‬ ‫ﻤخطط اﻷﻋمدة‬
‫‪Descriptive statistics‬‬ ‫اﻹﺤصﺎء اﻟوﺼﻔﻲ‬
‫‪Histogram‬‬ ‫اﻟمدرج اﻟتكراري‬
‫‪Kurtosis‬‬ ‫ﻤﻌﺎﻤﻞ اﻟتسطﺢ‬
‫‪Measures of Central Tendency‬‬ ‫ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ‬
‫‪Median‬‬ ‫اﻟوﺴیط‬
‫‪Mode‬‬ ‫اﻟمنوال‬
‫‪Measures of Dispersion‬‬ ‫ﻤﻘﺎﯿیس اﻟتشتت‬
‫‪Measures of Position‬‬ ‫ﻤﻘﺎﯿیس اﻟتوﻀﻊ‬
‫‪Measures of Shape‬‬ ‫ﻤﻘﺎﯿیس اﻟشكﻞ‬
‫‪Normal Probability Plotting‬‬ ‫ﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ‬
‫‪Outliers‬‬ ‫اﻟﻘیم اﻟمتطرﻓﺔ‬
‫‪Percentile‬‬ ‫اﻟﻘیم اﻟمئو�ﺔ‬
‫‪Pie Chart‬‬ ‫ﻤخطط اﻟﻔطیرة‬
‫‪Quartiles‬‬ ‫اﻟﻘیم اﻟر�ﻌیﺔ‬
‫‪Range‬‬ ‫اﻟمدى‬
‫‪Standard Deviation‬‬ ‫اﻻﻨحراف اﻟمﻌیﺎري‬
‫‪Skewness‬‬ ‫ﻤﻌﺎﻤﻞ اﻻﻨحراف‬
‫‪Variance‬‬ ‫اﻟتبﺎﯿن‬
‫‪Z-Score‬‬ ‫اﻟﻘیمﺔ اﻟﻌیﺎر�ﺔ‬

‫‪3‬‬
 ‫ﻤﻘدﻤﺔ‬
‫ﻤﻌظم اﻟشر�ﺎت ﻟم ﺘﻌد ﻗﺎدرة ﻋﻠﻰ اﺘخﺎذ ﻗ اررات ﻤبنیﺔ ﻋﻠﻰ ﻤﻌطیﺎت وأرﻗﺎم ﺨﺎﻤﺔ أو ﻤبنیﺔ ﻋﻠﻰ ﻤﻌدﻻت ﻫذﻩ اﻷرﻗﺎم ‪ ,‬ﺒﻞ ﺘتم‬
‫دراﺴﺔ ﻤتﻐیرات اﻟﻌمﻠیﺔ وﻤسببﺎﺘﻬﺎ واﻟﻌمﻞ ﻋﻠﻰ ازاﻟتﻬﺎ و�تم ذﻟك �ﺎﻻﺴﺎس ﻋن طر�ق ﺘﻠخیص ﻫذﻩ اﻟبیﺎﻨﺎت اﻟخﺎم وﺘحﻠیﻠﻬﺎ‬
‫وﺘﻘد�مﻬﺎ �طر�ﻘﺔ ﻓﻌﺎﻟﺔ ﻋن طر�ق اﺴتخدام طراﺌق اﻻﺤصﺎء اﻟر�ﺎﻀﻲ اﻟتﻲ ﺘحدد �شكﻞ دﻗیق ﻓیمﺎ اذا �ﺎﻨت اﻟﻌمﻠیﺎت ﺘسیر‬
‫�حسب اﻟمتطﻠبﺎت اﻟمحددة ﻟﻬﺎ وﺘحدد ﻓیمﺎ اذا �ﺎﻨت اﻟﻌمﻠیﺔ ﻤستﻘرة ﻤﻊ اﻟزﻤن ‪.‬‬
‫و�شتمﻞ اﻻﺤصﺎء اﻟوﺼﻔﻲ ﻋﻠﻰ ﺘﻘنیتین ﻓﻲ ﻋرض اﻟبیﺎﻨﺎت وﻫمﺎ اﻟتحﻠیﻠیﺔ واﻟبیﺎﻨیﺔ‪.‬‬
‫وﺴوف ﻨتﻌرف ﻋﻠﻰ أﻫم اﻟبراﻤﺞ اﻟحﺎﺴو�یﺔ ﻓﻲ ﻋﺎﻟم اﻻﺤصﺎء اﻟوﺼﻔﻲ وﻫو ‪� MINITAB‬ﻌد أن ﻨكون ﻗد �وﻨﺎ ﻓكرة ﻋﺎﻤﺔ‬
‫ﻋن ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ واﻟتشتت واﻟموﻀﻊ واﻟشكﻞ ﻀمن ﻓصﻞ طرق اﻻﺤصﺎء اﻟوﺼﻔﻲ اﻟتحﻠیﻠیﺔ ‪,‬و�ﻞ ﻤن اﻟمدرج‬
‫اﻟتكراري وﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ ﻀمن ﻓصﻞ طرق اﻻﺤصﺎء اﻟوﺼﻔﻲ اﻟبیﺎﻨیﺔ ‪.‬‬

‫‪4‬‬
 ‫‪ .1‬ﻤﻔﻬوم اﻹﺤصﺎء اﻟوﺼﻔﻲ )‪(Descriptive statistics concept‬‬
‫ﺘﻠخیص وﻋرض اﻟبیﺎﻨﺎت اﻟكمیﺔ �طر�ﻘﺔ ﺘظﻬر اﻟخواص اﻟممیزة ﻟتوز�ﻊ ﻫذﻩ اﻟبیﺎﻨﺎت ﻤن ﺨﻼل ﻤجموﻋﺔ ﻤن اﻟﻘواﻨین اﻟر�ﺎﻀیﺔ‬
‫اﻟمنطﻘیﺔ �حیث ﺘجمﻊ ﻟﻐﺔ اﻷرﻗﺎم ﻤﻊ اﻟتﻔسیرات اﻟمنطﻘیﺔ ﻟتسﻠسﻞ اﻟﻌمﻠیﺎت اﻻﻨتﺎﺠیﺔ‬
‫وﺘكمن إﺠراءات اﻟتحﻠیﻞ اﻟوﺼﻔﻲ �طر�ﻘتین طرق ﺘحﻠیﻠیﺔ وطرق ﺒیﺎﻨیﺔ ﺘستخدم ﻓﻲ ﺘجمیﻊ ﻫذﻩ اﻟبیﺎﻨﺎت وﺘﻘد�مﻬﺎ �صورة ﺘسﻬﻞ‬
‫ﻓﻬم ﺴیر اﻟﻌمﻞ ﻀمن اﻟمؤﺴسﺔ وﺘسﺎﻋد ﻓﻲ اﺘخﺎذ اﻟتداﺒیر اﻟﻼزﻤﺔ ﻟتﻼﻓﻲ اﻷﺨطﺎء اﻟمرﺘكبﺔ ﻀمن ﻋمﻞ ﻫذﻩ اﻟمؤﺴسﺔ‪.‬‬

‫‪ .2‬طرق اﻻﺤصﺎء اﻟوﺼﻔﻲ اﻟتحﻠیﻠیﺔ ‪.‬‬

‫ﺘحﻠیﻞ اﻟبیﺎﻨﺎت وﺘﻔسیرﻫﺎ �ﺎﺴتخدام طرق إﺤصﺎﺌیﺔ ﺠبر�ﺔ‪ ,‬ﺘجمﻊ ﻓیﻬﺎ اﻟبیﺎﻨﺎت ﻋﻠﻰ ﺸكﻞ ﺠداول و�تم ﺘطبیق ﻗواﻨین اﻹﺤصﺎء‬
‫اﻟر�ﺎﻀﻲ ﻋﻠیﻬﺎ‪ ,‬و أول ﻫذﻩ اﻟطرق ﺴوف ﻨدرس اﻟنزﻋﺔ اﻟمر�ز�ﺔ ﻟﻠبیﺎﻨﺎت ﺜم ﻤﻘﺎﯿیس اﻟتشتت واﻟموﻀﻊ واﻟشكﻞ ‪.‬‬

‫‪ .1-2‬ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ )‪:(Measures of Central Tendency‬‬

‫ﻋندﻤﺎ ﺘﻌطﻰ ﻤجموﻋﺔ ﻤن اﻟمﻌطیﺎت اﻟخﺎم ﻓﺎن واﺤدة ﻤن أﻫم اﻟطرق اﻟمﻔیدة ﻟتﻠخیص ﻫذﻩ اﻟمﻌطیﺎت ﻫﻲ اﻟمتوﺴط ‪ .‬واﻟمتوﺴط‬
‫ﻫو ﺤسﺎب ﻤر�ز ﻤجموﻋﺔ اﻟمﻌطیﺎت ﻫذﻩ ‪ ,‬ﯿوﺠد ﺜﻼث طرق اﻷﻛثر ﺸیوﻋﺎ ﺘصﻒ ﻤر�ز ﻤجموﻋﺔ اﻷﻋداد وﻫﻲ " اﻟمتوﺴط‬
‫اﻟحسﺎﺒﻲ ‪,‬اﻟمنوال ‪ ,‬اﻟوﺴیط "‬
‫‪ .1-1-2‬اﻟمتوﺴط اﻟحسﺎﺒﻲ ‪,‬اﻟوﺴیط ‪,‬اﻟمنوال )‪:(The Mean, Median and Mode‬‬
‫أ‪ -‬اﻟمتوﺴط اﻟحسﺎﺒﻲ”‪� :”THE MEAN‬سﺎوي ﻤجموع ﻗیم اﻟمجموﻋﺔ ﻋﻠﻰ ﻋددﻫﺎ‪.‬‬

‫𝑖𝑖𝑋𝑋 ‪∑𝑛𝑛𝑖𝑖=1‬‬
‫= �𝑋𝑋‬
‫𝑛𝑛‬
‫‪ : X i‬اﻟﻘیمﺔ ذات اﻟترﺘیب ‪ i‬داﺨﻞ اﻟمجموﻋﺔ ‪.‬‬
‫‪ : n‬ﻋدد اﻟﻘیم داﺨﻞ اﻟمجموﻋﺔ ‪.‬‬
‫ب‪ -‬اﻟوﺴیط”‪ : ”THE MEDIAN‬ﻫو اﻟﻘیمﺔ اﻟتﻲ ﻓﻲ ﻤنتصﻒ ﻤجموﻋﺔ اﻟﻌینﺎت )اذا �ﺎن ﻋدد اﻟبیﺎﻨﺎت ﻓرد�ﺎ( �ﻌد ﺘرﺘیب‬
‫اﻟبیﺎﻨﺎت ﺘصﺎﻋد�ﺎ أو ﺘنﺎزﻟیﺎ أو اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠﻘیمتین اﻟﻠتین �ﺎﻟمنتصﻒ )اذا �ﺎن ﻋدد اﻟبیﺎﻨﺎت زوﺠیﺎ( �ﻌد ﺘرﺘیب‬
‫اﻟبیﺎﻨﺎت ﺘصﺎﻋد�ﺎ أو ﺘنﺎزﻟیﺎ‪.‬‬
‫ت‪ -‬اﻟمنوال”‪ : ”MODE‬ﻫو اﻟﻘیمﺔ اﻷﻛثر ﺘك ار ار ﺒین اﻟﻌینﺎت وﻟذﻟك ﻗد ﯿوﺠد أﻛثر ﻤن ﻤنوال ‪ ,‬وأﺤیﺎﻨﺎ ﻻ ﯿوﺠد ﻤنوال‬
‫ﻟﻠبیﺎﻨﺎت‪.‬‬

‫‪ . 2-1-2‬ﻤثﺎل ﺘطبیﻘﻲ ﻋن اﺴتخداﻤﺎت ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ وﻓواﺌدﻫﺎ وﺴﻠبیﺎﺘﻬﺎ ‪:‬‬

‫ﺼﻒ ﻤن اﻟطﻼب ﻋددﻫم ﻋشر�ن طﺎﻟب �مﻠكون ﻤن اﻟحیواﻨﺎت اﻷﻟیﻔﺔ �مجموع ‪ 17‬ﺤیوان أﻟیﻒ‬

‫‪5‬‬
 ‫ﻓﺄي ﻤﻘیﺎس ﻟﻠنزﻋﺔ اﻟمر�ز�ﺔ �جب اﺴتخداﻤﻪ ﻫنﺎ ‪.‬‬
‫اﻟﻌدد‬ ‫ﻨوع اﻟحیوان اﻷﻟیﻒ‬
‫‪5‬‬ ‫ﻗطﺔ‬
‫‪4‬‬ ‫ﻛﻠب‬
‫‪3‬‬ ‫ﺴمكﺔ ذﻫبیﺔ‬
‫‪1‬‬ ‫أرﻨب‬
‫‪4‬‬ ‫طیر‬
‫اذا �ﺎن اﻟتر�یز ﻓﻲ ﻫذﻩ اﻟمجموﻋﺔ ﻤن اﻟبیﺎﻨﺎت ﻋﻠﻰ ﻨوع اﻟحیوان اﻷﻟیﻒ اﻟممﻠوك ﺴوف ﻨستخدم اﻟمنوال وﺴوف ﺘكون اﻟﻘطﺔ ﻫﻲ‬
‫أﻛثر ﻨوع ﻤن اﻟحیواﻨﺎت ﻤستخدم ﻤن ﻗبﻞ اﻟطﻼب ‪� ,‬ﺎﻟمﻘﺎﺒﻞ اذا �ﺎن اﻟتر�یز ﻋﻠﻰ اﻟﻌدد اﻟوﺴطﻲ ﻟﻠحیواﻨﺎت اﻟممﻠو�ﺔ ﻤن اﻟطﻼب‬
‫ﻓﺎﻨﻪ ﺴوف ﻨستخدم اﻟمتوﺴط اﻟحسﺎﺒﻲ وﺴینتﺞ ‪. 1.8‬‬
‫وﻤن ﺠﻬﺔ اﺨرى اذا �ﺎن اﻻﻫتمﺎم ب اﻟﻌدد اﻟوﺴطﻲ ﻟﻠحیواﻨﺎت اﻟممﻠو�ﺔ ﻤن ﻗبﻞ �ﻞ طﺎﻟب ﻋﻠﻰ ﺤدى ﻓﺎﻨﻪ ﺴوف ﺘختﻠﻒ ﻤﻌطیﺎت‬
‫اﻟمجموﻋﺔ ﺘمﺎﻤﺎ �مﺎ ﻫو ﻤوﻀﺢ �ﺎﻟجدول اﻟتﺎﻟﻲ ‪:‬‬

‫اﻟتردد‬ ‫اﻟتكرار‬ ‫ﻋدد اﻟحیواﻨﺎت‬

‫‪11‬‬ ‫‪0‬‬

‫‪4‬‬ ‫‪1‬‬

‫‪3‬‬ ‫‪2‬‬

‫‪3‬‬ ‫‪3‬‬

‫‪4‬‬ ‫‪4‬‬

‫ﻫنﺎ ﻨﻘوم �حسﺎب ﻤﻘﺎﯿیس اﻟنزﻋﺔ اﻟمر�ز�ﺔ و�تنﺞ‬

‫اﻟمتوﺴط اﻟحسﺎﺒﻲ = ‪0.85‬‬

‫‪6‬‬
 ‫اﻟوﺴیط = اﻟمنوال = ‪0‬‬
‫ﻫنﺎ ﻨستنتﺞ ﻨرى أن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻪ �ﻌض اﻷﻓضﻠیﺎت ﻋﻠﻰ اﻟوﺴیط �مﻘیﺎس ﻟﻠنزﻋﺔ اﻟمر�ز�ﺔ ﻓﻲ ﺤﺎﻟﺔ اﻟمتﻐیرات اﻟكمیﺔ ‪.‬‬
‫اﺤدى ﻫذﻩ اﻻﻓضﻠیﺎت ﻫﻲ أن ﺠمیﻊ ﻗیم اﻟمجموﻋﺔ ﺘدﺨﻞ ﻓﻲ اﻟحسﺎب ﺒینمﺎ ﺘدﺨﻞ اﻟﻘیمﺔ اﻟوﺴطﻰ وﺤیدة �ﻌد ﺘرﺘیب اﻟﻘیم أو‬
‫ﻤتوﺴط اﻟﻘیمتین اﻟواﻗﻌﺎت ﻓﻲ ﻤنتصﻒ اﻟمجموﻋﺔ �ﻌد ﺘرﺘیبﻬﺎ ﻓﻲ ﺤسﺎب اﻟوﺴیط ‪,‬‬
‫أﻓضﻠیﺔ اﺨرى ﻟﻠمتوﺴط اﻟحسﺎﺒﻲ أﻨﻪ ﻤستﻘر ﺒین �ﻞ ﻋینﺔ واﻻﺨرى وﻫذا �ﻌنﻲ أﻨﻪ ﻓﻲ ﺤﺎل ﻤجموﻋﺔ �بیرة ﻤن اﻟﻌینﺎت ﻟنﻔس‬
‫اﻟمسﺢ ﺴیكون ﻤتوﺴطﻬﺎ اﻟحسﺎﺒﻲ أﻗﻞ ﻋرﻀﺔ ﻟﻠتﻐیر ﻤنﻪ ﻓﻲ اﻟوﺴیط ‪.‬‬
‫وﻟكن ﻤن ﺠﻬﺔ ﻤﻌﺎﻛسﺔ ﻓﺎن اﻟوﺴیط �ستخدم ﻓﻲ ﺤﺎل وﺠود ﻋدة ﻗیم ﻤتطرﻓﺔ ﺒین اﻟﻌینﺎت واﻟمتوﺴط اﻟحسﺎﺒﻲ ﺤسﺎس ﺠدا ﻟﻠﻘیم‬
‫اﻟمتطرﻓﺔ وﻟیس ﻤن اﻟمنﺎﺴب اﺴتخداﻤﻪ �تﺎ�ﻊ ﻟﻘیﺎس اﻟنزﻋﺔ اﻟمر�ز�ﺔ ‪.‬‬
‫و�مثﺎل ﻋﻠﻰ ﻫذا اﻟشرح ﺴوف ﻨكمﻞ ﺒنﻔس اﻟمثﺎل اﻟسﺎﺒق و�ﺎﻓتراض أن أﺤد اﻟطﻼب �متﻠك ‪ 18‬ﺴمكﺔ ذﻫبیﺔ اي اﻨﻪ دﺨﻠت ﻗیمﺔ‬
‫ﻤتطرﻓﺔ ﻟﻠمجموﻋﺔ و�ﺎﻟتﺎﻟﻲ ‪:‬‬
‫اﻟتردد‬ ‫اﻟتكرار‬ ‫ﻋدد اﻟحیواﻨﺎت‬

‫‪11‬‬ ‫‪0‬‬

‫‪4‬‬ ‫‪1‬‬

‫‪3‬‬ ‫‪2‬‬

‫‪3‬‬ ‫‪3‬‬

‫‪4‬‬ ‫‪4‬‬

‫‪1‬‬ ‫‪18‬‬

‫ﻓﺎن اﻟمتوﺴط اﻟحسﺎﺒﻲ �سﺎوي ‪ 1.8‬ﺒینمﺎ �ﻞ ﻤن اﻟوﺴیط واﻟمنوال ﻟم ﯿتﻐیرو ﻋن اﻟصﻔر ‪ ,‬وﻫذا ﯿبین ﺘﺄﺜیر اﻟﻘیمﺔ اﻟمتطرﻓﺔ ﻋﻠﻰ‬
‫اﻟمتوﺴط اﻟحسﺎﺒﻲ �ﺎﻟز�ﺎدة وﻫنﺎ اﻟوﺴیط �كون ﻫو اﻟمﻘیﺎس اﻷﻛثر دﻗﺔ �مﻘیﺎس ﻟﻠنزﻋﺔ اﻟمر�ز�ﺔ ‪.‬‬

‫‪7‬‬
 ‫‪ . 2-2‬ﻤﻘﺎﯿیس اﻟتشتت )‪(Measures of Dispersion‬‬
‫ﺘﻌبر ﻤﻘﺎﯿیس اﻟتشتت ﻋن اﻟتوزع اﻟﻌشواﺌﻲ ﻟﻠبیﺎﻨﺎت داﺨﻞ اﻟمجموﻋﺔ وﺘطبق ﻟوﻀﻊ �ﺎرﻤترات ﻟﻬذا اﻟتوزع �ﻐیﺔ ﻓﻬمﻪ �صورة أوﻀﺢ‬
‫وﺴوف ﻨدرس ﻤنﻬﺎ �ﻞ ﻤن اﻟمجﺎل واﻟتبﺎﯿن واﻻﻨحراف اﻟمﻌیﺎري ‪.‬‬
‫‪ . 1-2-2‬اﻟمجﺎل )‪(The Range‬‬
‫ﻤجﺎل ﻤجموﻋﺔ ﻤن اﻟﻌینﺎت ﻫو اﻟﻔرق ﺒین أﻛبر ﻗیمﺔ و أﺼﻐر ﻗیمﺔ ﻓﻲ ﻫذﻩ اﻟبیﺎﻨﺎت ﻟكنﻪ ﻏیر دﻗیق ﻋندﻤﺎ ﺘدﺨﻞ ﻗیم ﻤتطرﻓﺔ‬
‫ﻓﻲ اﻟمجموﻋﺔ ‪.‬‬
‫ﻤثﺎل ﻋﻼﻤﺎت اﻟطﻼب ﻟصﻔین‬
‫أ)‪ (70-45‬ﻓﺎﻟمجﺎل ﻟﻪ �سﺎوي ‪25‬‬
‫ب)‪ (65-45‬ﻓﺎﻟمجﺎل ﻟﻪ �سﺎوي ‪20‬‬
‫وﻫنﺎ واﻀﺢ ان ﻋﻼﻤﺎت اﻟصﻒ أ ﻫﻲ اﻛثر اﻨتشﺎ ار وﺘوزﻋﺎ ﻤن ﻋﻼﻤﺎت اﻟصﻒ ب وﻫنﺎ اﻟمجﺎل �ﻌبر ﻋن ﻗراءة دﻗیﻘﺔ ‪.‬وﻟكن‬
‫ﻛمﻘیﺎس ﻟﻠتشتت �ﻌتبر اﻟمجﺎل ﺘﺎ�ﻊ ﻤحدود �ﺎﻋتبﺎر اﻨﻪ �ﻌتمد ﻋﻠﻰ اﻟﻘیمﺔ اﻟﻌﻠیﺎ واﻟدﻨیﺎ ﻓﻲ اﻟمجموﻋﺔ ﻤمﺎ �ﻌنﻲ أﻨﻪ ﻓﻲ ﺤﺎل �ﺎﻨت‬
‫ﻫذﻩ اﻟﻘیمتین ﻗیم ﻤتطرﻓﺔ ﻓﺎﻨﻪ ﺴوف ﺘكون اﻟنتیجﺔ ﺨﺎطئﺔ وﻻﺘﻌبر ﻋن اﻟتشتت اﻟحﻘیﻘﻲ ﻟﻠمجموﻋﺔ وﻫذﻩ ﺴﻠبیﺔ ﻓﻲ اﺴتخدام اﻟمجﺎل‬
‫ﻛمﻘیﺎس ‪.‬‬
‫‪ .2-2-2‬اﻻﻨحراف اﻟمﻌیﺎري )‪:(Standard Deviation‬‬
‫�ﻌرف اﻻﻨحراف اﻟمﻌیﺎري ﺤسﺎﺒیﺎ �ﺎﻨﻪ اﻟجذر اﻟتر�یﻌﻲ ﻟمجموع ﻤر�ﻌﺎت اﻻﻨحراﻓﺎت ﻋن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠمجموﻋﺔ ﻤﻘسوﻤﺔ‬
‫ﻋﻠﻰ اﻟﻌدد اﻟكﻠﻲ ﻟﻠمجموﻋﺔ ‪.‬‬
‫ﻛمﺎ �ﻌرف �ﺎﻨﻪ ﻨوع ﻤن ﻤتوﺴط اﻨحراﻓﺎت اﻷﻋداد داﺨﻞ اﻟمجموﻋﺔ ﻋن ﻤتوﺴطﻬﺎ اﻟحسﺎﺒﻲ‬

‫‪∑𝑛𝑛𝑖𝑖=1(𝑋𝑋𝑖𝑖 − 𝑋𝑋�)2‬‬
‫� = 𝑆𝑆‬
‫‪𝑛𝑛 − 1‬‬

‫اﻟﻌدد �ﺎﻟترﺘیب ‪ =n , i‬ﻋدد اﻟﻌینﺎت‬ ‫�𝑋𝑋 = اﻟمتوﺴط اﻟحسﺎﺒﻲ‪=X i ,‬‬

‫‪ .3-2-2‬اﻟتبﺎﯿن )‪:(Variance‬‬
‫ﻤجموع ﻤر�ﻌﺎت اﻻﻨحراﻓﺎت ﻋن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠمجموﻋﺔ ﻤﻘسوﻤﺔ ﻋﻠﻰ اﻟﻌدد اﻟكﻠﻲ ﻟﻠمجموﻋﺔ أي ﻫو ﻤر�ﻊ اﻻﻨحراف اﻟمﻌیﺎري‬
‫‪.‬‬

‫‪∑𝑛𝑛𝑖𝑖=1(𝑋𝑋𝑖𝑖 − 𝑋𝑋�)2‬‬
‫= ‪𝑆𝑆 2‬‬
‫‪𝑛𝑛 − 1‬‬

‫‪8‬‬
 ‫‪ . 3-2‬ﻤﻘﺎﯿیس اﻟتوﻀﻊ )‪. (Measures of Position‬‬

‫ﻤﻘﺎﯿیس اﻟتوﻀﻊ أو ﻤﻘﺎﯿیس اﻟشراﺌﺢ اﻟر�ﻌیﺔ طر�ﻘﺔ أﺨرى ﻤن طرق ﻗیﺎس اﻟتشتت وﺘستخدم ﻋندﻤﺎ ﯿتستخدم اﻟوﺴیط �وﺴیﻠﺔ ﻟحسﺎب‬
‫اﻟنزﻋﺔ اﻟمر�ز�ﺔ‬
‫ﺘﻌبر ﻋن ﻤكﺎن وﻗوع ﻗیمﺔ ﻤﻌینﺔ وﻟتكن ‪ X‬ﻀمن ﻤجموﻋﺔ ﻤن اﻟبیﺎﻨﺎت‪.‬‬

‫‪.1-3-2‬اﻟﻘیم اﻟمئو�ﺔ )‪:(Percentile‬‬

‫ﺘﻔید ﻓﻲ ﺘمثیﻞ ﺘﻘﺎﺒﻞ اﻷﻋداد ﻀمن اﻟمجموﻋﺔ �نسب ﻤئو�ﺔ وذﻟك ﻟﻠحصول ﻋﻠﻰ ﻨتیجﺔ ﻤحددة داﺨﻞ ﻤجموﻋﺔ اﻟﻌینﺎت ‪ .‬ﺤیث‬
‫ﺘرﺘب اﻻﻋداد ﺘصﺎﻋد�ﺎ و�تم ﺤسﺎب اﻟﻘیمﺔ �ضرب اﻟنسبﺔ اﻟمئو�ﺔ اﻟمحددة �ﺎﻟﻌدد اﻟكﻠﻲ ﻟﻠمجموﻋﺔ ﺤسب اﻟﻘﺎﻨون ‪c=n.p‬‬
‫ﻤثﺎل ‪:‬ﻟیكن ﻟدﯿنﺎ ﻤجموﻋﺔ اﻷﻋداد )‪(1,4,3,7,11,17,9,15,19,10,8,13‬‬
‫ﻨﻘوم ﺒترﺘیبﻬﺎ ﺘصﺎﻋد�ﺎ )‪ .(1,3,4,7,8,9,11,10,13,15,17,19‬واﻟمطﻠوب اﻟﻘیمﺔ اﻟمﻘﺎﺒﻠﺔ ﻟﻠنسبﺔ ‪.%30‬‬
‫اﻟحﻞ ‪ , 𝑥𝑥0.3 =12 * 0.3 =3.6~4 :‬اﻟنﺎﺘﺞ ﻋدد ﻋشري ﻨﻘر�ﻪ ﻟﻠرﻗم اﻻﻛبر ﺤیث ﯿدل ﻋﻠﻰ ﺘرﺘیب اﻟﻘیمﺔ ﻓﻲ اﻟمجموﻋﺔ ‪.‬‬
‫أﻤﺎ اذا �ﺎﻨت ﻗیمﺔ ‪ C‬ﻋدد ﺼحیﺢ ﻓﺈﻨنﺎ ﻨﺄﺨذ اﻟﻘیمﺔ اﻟتﻲ ﺘﻘﺎﺒﻠﻬﺎ واﻟﻘیمﺔ اﻟتﻲ ﺘﻠیﻬﺎ وﻨﺄﺨذ ﻤتوﺴطﻬﺎ ﻓتكون ﻫﻲ اﻟنسبﺔ اﻟمئو�ﺔ‬
‫اﻟمﻘﺎﺒﻠﺔ اﻟمطﻠو�ﺔ‬
‫ﻓﻲ اﻟمثﺎل اﻟسﺎﺒق اذا أردﻨﺎ أن ﻨوﺠد ‪. 𝑋𝑋0.5 .‬‬
‫‪R‬‬

‫‪𝑋𝑋0.5= 12 * 0.5 =6‬‬

‫ﻫنﺎ ﻨﺄﺨذ اﻟﻘیمﺔ اﻟمﻘﺎﺒﻠﺔ ﻟﻠرﻗم ‪ 6‬واﻟﻘیمﺔ اﻟمﻘﺎﺒﻠﺔ ﻟﻠرﻗم ‪ 7‬وﻨﺄﺨذ ﻤتوﺴطﻬﺎ و�نتﺞ اﻟﻌدﯿد ‪. 10‬‬
‫‪ .2-3-2‬اﻟﻘیم اﻟر�ﻌیﺔ )‪:(Quartiles‬‬
‫ﻟنتﻔرض ﻟدﯿنﺎ ﻤجموﻋﺔ �بیرة ﻤن اﻷﻋداد ﻤمثﻠﺔ �ﺎﻟشكﻞ اﻟبیﺎﻨﻲ اﻟتﺎﻟﻲ ‪,‬‬
‫وﺘﻘسم اﻟبیﺎﻨﺎت ﻟثﻼث ﻤجموﻋﺎت ب اﻟﻘیم اﻟر�ﻌیﺔ اﻟثﻼث ‪.‬‬
‫اﻟﻘیمﺔ اﻟر�یﻌﺔ اﻻوﻟﻰ ‪ Q1‬ﺘمثﻞ اﻟنﻘطﺔ ﻤن اﻟمنحنﻲ اﻟتﻲ ﺘﻌطﻲ ‪ %25‬ﻤن اﻟمسﺎﺤﺔ ﻋﻠﻰ �سﺎرﻫﺎ و ‪ %75‬ﻋﻠﻰ �مینﻬﺎ‬ ‫•‬
‫‪.‬وﻫذا �ﻌنﻲ أن ﻗیمﺔ ‪ %25‬ﻤن اﻟمسﺢ �سﺎوي أو أﻗﻞ ﻤن اﻟﻘیمﺔ اﻟر�ﻌیﺔ اﻻوﻟﻰ ‪.‬‬

‫ﺗﻣﺛل ‪ %25‬ﻣن اﻟﻣﺳﺎﺣﺔ‬ ‫ﺗﻣﺛل ‪ %75‬ﻣن اﻟﻣﺳﺎﺣﺔ‬

‫اﻟﻘیمﺔ اﻟر�یﻌﺔ اﻷوﻟﻰ‬ ‫اﻟﻘیمﺔ اﻟر�یﻌﺔ اﻟثﺎﻟثﺔ‬

‫‪9‬‬
‫اﻟﻘیمﺔ اﻟر�یﻌﺔ اﻟثﺎﻟثﺔ ‪ Q3‬ﺘمثﻞ اﻟنﻘطﺔ ﻤن اﻟمنحنﻲ اﻟتﻲ ﺘﻌطﻲ ‪ %75‬ﻤن اﻟمسﺎﺤﺔ ﻋﻠﻰ �سﺎرﻫﺎ و ‪ %25‬ﻋﻠﻰ �مینﻬﺎ‬ ‫•‬
‫‪.‬وﻫذا �ﻌنﻲ أن ﻗیمﺔ ‪ %75‬ﻤن اﻟمسﺢ �سﺎوي أو أﻗﻞ ﻤن اﻟﻘیمﺔ اﻟر�ﻌیﺔ اﻟثﺎﻟثﺔ ‪.‬‬
‫اﻟﻘیمﺔ اﻟر�ﻌیﺔ اﻟثﺎﻨیﺔ ‪ Q2‬ﺘمثﻞ اﻟنﻘطﺔ ﻤن اﻟمنحنﻲ اﻟتﻲ ﺘﻌطﻲ ‪ %50‬ﻤن اﻟمسﺎﺤﺔ ﻋﻠﻰ �مینﻬﺎ و�سﺎرﻫﺎ وﻫﻲ ﻨﻔسﻬﺎ‬ ‫•‬
‫ﺘسمﻰ اﻟوﺴیط ‪.‬‬
‫ﻫذﻩ اﻟﻘیم اﻟثﻼث ﺘﻘسم اﻟبیﺎﻨﺎت اﻟﻰ ار�ﻊ ﻤجموﻋﺎت ﻤتسﺎو�ﺔ �مﺎ ﺴنرى ﻓﻲ اﻟمثﺎل اﻟتﺎﻟﻲ ‪:‬‬ ‫•‬
‫ﻟیكن ﻟدﯿنﺎ ﻤجموﻋﺔ اﻷﻋداد اﻟتﺎﻟیﺔ ) ‪(15 18 19 20 20 20 21 23 23 24 24 25‬‬
‫‪Q2=(20+21)/2=20.5‬‬
‫‪ Q1=C=n.p=12*0.25=3‬و�ﺎﻟتﺎﻟﻲ ﻨﺎﺨذ اﻟﻘیمﺔ اﻟمﻘﺎﺒﻠﺔ ل ‪ 3‬و ‪ 4‬وﻨﺄﺨذ ﻤتوﺴطﻬمﺎ ﻓتكون ‪19.5‬‬
‫‪ Q3=C=np=12*0.75=9‬و�ﺎﻟتﺎﻟﻲ ﻨﺎﺨذ اﻟﻘیمﺔ اﻟمﻘﺎﺒﻠﺔ ل ‪ 9‬و ‪ 10‬وﻨﺄﺨذ ﻤتوﺴطﻬمﺎ ﻓتكون ‪23.5‬‬
‫وﺴوف ﻨستخدم اﻟﻘیم اﻟر�ﻌیﺔ ﻓﻲ ﺤسﺎب ﻤﻘیﺎس أﺨر ﻤن ﻤﻘﺎﯿیس اﻟموﻀﻊ وﻫو اﻟمدى اﻟر�ﻌﻲ‪.‬‬
‫وﻫو اﻟﻔرق ﺒین اﻟﻘیمﺔ اﻟر�ﻌیﺔ اﻟثﺎﻟثﺔ واﻟﻘیمﺔ اﻟر�ﻌیﺔ اﻷوﻟﻰ ‪ .‬ان اﻟمدى اﻟر�ﻌﻲ ﻤﻔید ﻟوﺼﻒ ﻤجموﻋﺔ ﻤن اأﻋداد ﻋندﻤﺎ ﺘتضمن‬
‫�ﻌض اﻟﻘیم اﻟمتطرﻓﺔ ﻓﻬو ﻟیس ﺤسﺎس ﺘجﺎﻩ اﻟﻘیم اﻟمتطرﻓﺔ �ون أﻨﻪ �ﻌتمد ﻋﻠﻰ اﻨتشﺎر ‪ %50‬ﻤن اﻟمجموﻋﺔ واﻟخﻼﺼﺔ اﻨﻪ ﻓﻲ‬
‫ﺤﺎل �ﺎن �ﺎﻟمجموﻋﺔ �ﻌض اﻟﻘیم اﻟمتطرﻓﺔ ﻓﺎﻨﻪ ﻤن اﻷﻓضﻞ اﺴتخدام اﻟوﺴیط �مﻘیﺎس ﻟﻠنزﻋﺔ اﻟمر�ز�ﺔ واﻟمدى اﻟر�ﻌﻲ �مﻘیﺎس‬
‫ﻟﻠتشتت ‪.‬وﺤسب اﻟمثﺎل اﻟسﺎﺒق ﻓﺎن اﻟمدى اﻟر�ﻌﻲ �سﺎوي ‪.‬‬
‫‪IQR= Q 3 - Q 1 =23.5-19.5=4‬‬
‫ﻛمﺎ �ﻔید ﻓﻲ ﺤسﺎب اﻟﻘیم اﻟمتطرﻓﺔ ‪.‬‬
‫‪ . 3-3-2‬اﻟﻘیم اﻟمتطرﻓﺔ )‪(OUTLIERS‬‬
‫وﻫﻲ اﻟﻘیم اﻟتﻲ ﺘكون إﻤﺎ أﺼﻐر �كثیر أو أﻛبر �كثیر ﻤن اﻟﻘیم اﻟواﻗﻌﺔ داﺨﻞ ﺤدود اﻟمجموﻋﺔ‪.‬‬
‫اﻟﻘیمﺔ اﻟمتطرﻓﺔ اﻟصﻐرى ﻟﻠﻘیم ﺘﻌطﻰ �ﺎﻟﻌﻼﻗﺔ )‪X<Q 1 - 1.5(IQR‬‬
‫اﻟﻘیمﺔ اﻟمتطرﻓﺔ اﻟكبرى ﻟﻠﻘیم ﺘﻌطﻰ �ﺎﻟﻌﻼﻗﺔ )‪X>Q 3 + 1.5(IQR‬‬
‫‪.d‬اﻟمتﻐیر اﻟطبیﻌﻲ اﻟﻌیﺎري أو اﻟﻘیمﺔ اﻟﻌیﺎر�ﺔ )‪:(Z-Score‬‬
‫ﻋدد وﺤدات اﻻﻨحراف اﻟمﻌیﺎري �بﻌد ﻋن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠمجموﻋﺔ ز�ﺎدة أو ﻨﻘصﺎﻨﺎ‪.‬‬
‫و�حسب �طرح اﻟﻘیمﺔ ﻤن اﻟمتوﺴط اﻟحسﺎﺒﻲ وﺘﻘسیم اﻟنﺎﺘﺞ ﻋﻠﻰ اﻻﻨحراف اﻟمﻌیﺎري ‪.‬‬
‫�𝑋𝑋 ‪𝑋𝑋 −‬‬
‫=‪Z‬‬
‫𝑆𝑆‬
‫ﻤثﺎل‪ :‬أوﺠد اﻟﻘیمﺔ اﻟﻌیﺎر�ﺔ ﻟﻠﻘیمﺔ ‪ 65‬اذا ﻋﻠمت أن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠمجموﻋﺔ اﻟتﻲ ﺘنتمﻲ ﻟﻬﺎ اﻟﻘیمﺔ ﻫو ‪ 81‬واﻻﻨحراف‬
‫اﻟمﻌیﺎري �سﺎوي ‪: 6.3‬‬

‫اﻟحﻞ ‪ , 65-81/6.3= -2.54 :‬اي ان اﻟﻘیمﺔ ﺘبﻌد ﻋن اﻟمتوﺴط اﻟحسﺎﺒﻲ ‪ 2.54‬ﻤن اﻻﻨحراف اﻟمﻌیﺎري ﻋﻠﻰ �سﺎر اﻟمتوﺴط‬
‫اﻟحسﺎﺒﻲ ‪.‬‬

‫‪10‬‬
 ‫�ستخدم اﻟمتﻐیر اﻟطبیﻌﻲ اﻟﻌیﺎري ﻓﻲ ﺤسﺎب اﺤتمﺎﻟیﺔ وﻗوع اﻟحدث داﺨﻞ اﻟمنحنیﺎت ذات اﻟتوزع اﻟطبیﻌﻲ ‪.‬‬

‫‪ . 4-2‬ﻤﻘﺎﯿیس اﻟشكﻞ )‪:(Measures of Shape‬‬

‫ﻫﻲ اﻟمﻘﺎﯿیس اﻟتﻲ ﻤن ﺨﻼل ﺸكﻞ اﻟمنحنﻲ ﻨستطیﻊ اﻟوﺼول اﻟﻰ اﺴتنتﺎﺠﺎت ﺤول ﺘوزع اﻟبیﺎﻨﺎت ‪.‬‬
‫‪ . 1-4-2‬ﻤﻌﺎﻤﻞ اﻻﻨحراف )‪:(Skewness‬‬
‫ﻤﻘیﺎس �مثﻞ ﻋدم اﻟتنﺎظر أو اﻟتمﺎﺜﻞ ﻋن اﻟمتوﺴط اﻟحسﺎﺒﻲ ﻟﻠبیﺎﻨﺎت و�ﻌطﻲ دﻻﻟﺔ ﻋن اﺘجﺎﻩ ﻫذا اﻻﻨحراف ﺤسب ﻗیمتﻪ ﻓﺎذا‬
‫ﻛﺎن �سﺎوي ﺴﺎﻟبﺎ ﻓیكون اﻻﻨحراف ﻨحو اﻟیسﺎر واذا �ﺎن ﻤوﺠبﺎ �كون اﻻﻨحراف ﻨحو اﻟیمین ‪.‬‬
‫و�وﻀﺢ اﻟشكﻞ أﺸكﺎل اﻟمنحنﻲ ﺤسب ﻗیم ﻤﻌﺎﻤﻞ اﻻﻨحراف ‪ K‬اﻟذي �حسب �ﺎﻟﻘﺎﻨون ‪:‬‬
‫‪∑𝑛𝑛𝑖𝑖=1 𝑋𝑋𝑖𝑖3‬‬ ‫𝑛𝑛‬ ‫‪2‬‬
‫‪� ∑𝑖𝑖=1 𝑋𝑋𝑖𝑖 + 2𝑋𝑋� 3‬‬
‫‪−‬‬ ‫𝑋𝑋‪3‬‬
‫= 𝐾𝐾‬ ‫𝑛𝑛‬ ‫𝑛𝑛‬
‫‪𝑆𝑆 3‬‬

‫‪k=+1‬‬ ‫‪k=0‬‬ ‫‪k=-1‬‬

‫‪ .2-4-2‬ﻤﻌﺎﻤﻞ اﻟتسطﺢ )‪:(Kurtosis‬‬

‫ﻤﻘیﺎس ﯿوﻀﺢ ﻓبمﺎ اذا �ﺎﻨت اﻟبیﺎﻨﺎت ذات ﺘسطﺢ ﻗﺎس أو ﺨﻔیﻒ واﻟمﻘصود �ﺎﻟتسطﺢ اي ﻤدى �ﻌد اﻨبسﺎط ﻤنحنﻲ اﻟتوزع أو ﻤدى‬
‫ﻗر�ﻪ ﻤن ﺸكﻞ اﻟجرس اﻟمثﺎﻟﻲ‪.‬‬
‫ﺘسطﺢ ﻗﺎس أو ﻤدﺒب ﻋندﻤﺎ ﺘتر�ز ﻤﻌظم اﻟبیﺎﻨﺎت �ﺎﻟﻘرب ﻤن ﻤنتصﻒ اﻟمنحنﻲ ‪.‬‬
‫ﺘسطﺢ ﺨﻔیﻒ أو ﻤسطﺢ ﻋندﻤﺎ ﺘتر�ز ﻤﻌظم اﻟبیﺎﻨﺎت ﻋﻠﻰ طرﻓﻲ اﻟمنحنﻲ وﻋدد أﻗﻞ ﻓﻲ اﻟمنتصﻒ ‪.‬‬

‫‪11‬‬
 ‫‪∑𝑛𝑛𝑖𝑖=1 𝑥𝑥𝑖𝑖4‬‬ ‫𝑛𝑛‬ ‫‪3‬‬ ‫𝑛𝑛‬ ‫‪2‬‬
‫‪� ∑𝑖𝑖=1 𝑥𝑥𝑖𝑖 + 6𝑋𝑋� 2 ∑𝑖𝑖=1 𝑥𝑥𝑖𝑖 − 3𝑋𝑋� 4‬‬
‫‪−‬‬ ‫𝑋𝑋‪4‬‬
‫= ‪𝛽𝛽2‬‬ ‫𝑛𝑛‬ ‫𝑛𝑛‬ ‫𝑛𝑛‬ ‫‪−3‬‬
‫‪𝑆𝑆 4‬‬

‫ﺴوف ﻨورد أﻤثﻠﺔ ﻋن اﻟسﺎﺒق ﻋندﻤﺎ ﻨدرس اﻟمدرج اﻟتكراري ‪.‬‬

‫‪ .3‬طرق اﻹﺤصﺎء اﻟوﺼﻔﻲ اﻟبیﺎﻨیﺔ‪:‬‬

‫ﻫﻲ إﺤدى اﻟطرق اﻟتﻲ �مكن اﺴتخداﻤﻬﺎ ﻓﻲ وﺼﻒ اﻟبیﺎﻨﺎت وﺘحدﯿد ﺸكﻞ ﺘوز�ﻌﻬﺎ وﻤدى ﺘمر�ز اﻟبیﺎﻨﺎت‪ ،‬وﻤﻌظم اﻟحﺎﻻت اﻟدراﺴیﺔ‬
‫ﺘستخدم اﻟﻌرض اﻟبیﺎﻨﻲ ﻟوﺼﻒ اﻟبیﺎﻨﺎت ﻨظ ار ﻟسﻬوﻟﺔ اﻟﻌرض وﺸموﻟیتﻪ ﻤن ﺤیث اﻟﻘدرة ﻋﻠﻰ اﻀﺎﻓﺔ اﻟتوا�ﻊ اﻟتحﻠیﻠیﺔ داﺨﻞ اﻟرﺴم‬
‫اﻟبیﺎﻨﻲ ‪،‬وﻫنﺎك اﻟﻌدﯿد ﻤن ﻫذﻩ اﻟطرق ﺴوف ﻨدرس ﻤنﻬﺎ �ﻞ ﻤن اﻟمدرج اﻟتكراري وﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ وﻤخطط‬
‫اﻟﻔطیرة واﻟحزام‪.‬‬

‫‪ .1-3‬اﻟمدرج اﻟتكراري )‪:(Histogram‬‬

‫ﻓﻲ اﻻﺤصﺎء ﻋﺎدة ﻤﺎﺘﻘدم اﻟبیﺎﻨﺎت ﻋﻠﻰ ﺸكﻞ ﻤدرج ﺘكراري اﻟذي ﻫو ﻋبﺎرة ﻋن ﺒنﺎء ﺘﻘسم ﻓیﻪ اﻷﻋداد ﻋﻠﻰ ﺸكﻞ ﺼﻔوف و�ﻞ‬
‫رﻗم ﻓﻲ اﻟصﻒ او اﻟتكرار �ﻘدم ﻋﻠﻰ ﺸكﻞ ﻤستطیﻞ ﻋﺎﻤودي وﺘكون ﻤسﺎﺤﺔ ﻫذا اﻟمستطیﻞ ﻤسﺎو�ﺔ ﻟتكرار �ﻞ ﺼﻒ ‪.‬‬
‫وﺘمثﻞ اﻟﻘیم ﻋﻠﻰ اﻟمحور اﻷﻓﻘﻲ وﺘك ارراﺘﻬﺎ ﻋﻠﻰ اﻟمحور اﻟﻌﺎﻤودي‪� .‬ستخدم اﻟمدرج اﻟتكراري �وﺴیﻠﺔ ﻋرض ﻟﻠبیﺎﻨﺎت ﺴﻬﻠﺔ وواﻀحﺔ‬
‫ﺤیث �ﻌطﻲ ﻓكرة ﺸﺎﻤﻠﺔ ﻋن ﺘوزع اﻟبیﺎﻨﺎت وﺘحدﯿد اﻟﻘیم اﻟمتطرﻓﺔ ﻓیﻬﺎ ‪.‬و�ﻌتبر طر�ﻘﺔ ﺠیدة ﻟﻌرض �ﻞ ﻤن ﺘسطﺢ واﻨحراف‬
‫اﻟمنحنﻲ اﻟبیﺎﻨﻲ ‪.‬‬
‫ﻛمﺎ ﯿبین ﻓیمﺎ اذا �ﺎﻨت اﻟبیﺎﻨﺎت ﺘتبﻊ اﻟتوزع اﻟطبیﻌﻲ أم ﻻ ‪ ,‬و�ستخدم أﺜنﺎء ﺘحﻠیﻞ ﻤﻘدرة اﻟﻌمﻠیﺔ ‪.‬‬
‫ﻤثﺎل‪ :‬ﻟیكن ﻟدﯿنﺎ ﻋﻼﻤﺎت ‪ 80‬طﺎﻟب وطﺎﻟبﺔ ﻓﻲ أﺤد اﻟصﻔوف وﺴوف ﻨﻘوم ﺒرﺴم اﻟمدرج اﻟتكراري ﻟﻠمجموﻋﺔ‪.‬‬

‫ﻟتكن ﻋﻼﻤﺎت اﻟطﻼب ﻤوزﻋﺔ ﻓﻲ اﻟجدول اﻟتﺎﻟﻲ ‪:‬‬

‫وﺴوف ﻨرﺴم اﻟمدرج اﻟتكراري ﻟﻪ ‪.‬‬

‫‪12‬‬
‫اﻟﻘیم‬ ‫اﻟتكرار‬
‫‪7‬‬ ‫‪1‬‬
‫‪15‬‬ ‫‪1‬‬
‫‪19‬‬ ‫‪1‬‬
‫‪23‬‬ ‫‪1‬‬
‫‪27‬‬ ‫‪1‬‬
‫‪29‬‬ ‫‪1‬‬
‫‪31‬‬ ‫‪1‬‬
‫‪32‬‬ ‫‪1‬‬
‫‪33‬‬ ‫‪1‬‬
‫‪35‬‬ ‫‪1‬‬
‫‪37‬‬ ‫‪1‬‬
‫‪39‬‬ ‫‪1‬‬
‫‪41‬‬ ‫‪1‬‬
‫‪43‬‬ ‫‪2‬‬
‫‪48‬‬ ‫‪3‬‬
‫‪50‬‬ ‫‪2‬‬
‫‪51‬‬ ‫‪1‬‬
‫‪54‬‬ ‫‪2‬‬
‫‪57‬‬ ‫‪2‬‬
‫‪59‬‬ ‫‪1‬‬
‫‪61‬‬ ‫‪1‬‬
‫‪62‬‬ ‫‪5‬‬
‫‪63‬‬ ‫‪3‬‬
‫‪64‬‬ ‫‪1‬‬
‫‪65‬‬ ‫‪2‬‬
‫‪68‬‬ ‫‪5‬‬
‫‪70‬‬ ‫‪5‬‬
‫‪72‬‬ ‫‪12‬‬
‫‪75‬‬ ‫‪5‬‬
‫‪79‬‬ ‫‪5‬‬
‫‪81‬‬ ‫‪1‬‬
‫‪85‬‬ ‫‪2‬‬
‫‪89‬‬ ‫‪3‬‬
‫‪95‬‬ ‫‪2‬‬
‫‪98‬‬ ‫‪1‬‬
‫‪100‬‬ ‫‪1‬‬

‫‪13‬‬
 ‫‪Histogram of marks‬‬
‫‪25‬‬

‫‪20‬‬

‫‪15‬‬
‫‪Frequency‬‬

‫‪10‬‬

‫‪5‬‬

‫‪0‬‬
‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪80‬‬ ‫‪100‬‬
‫‪marks‬‬

‫‪ .2-3‬ﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ )‪:(Normal Probability Plotting‬‬

‫�ستخدم ﻟتحدﯿد ﻤﺎ إذا �ﺎﻨت اﻟبیﺎﻨﺎت ﺘتبﻊ ﻤنحنﻲ اﻟتوز�ﻊ اﻟطبیﻌﻲ أم ﻻ وطبیﻌﺔ اﻟتشتت ﻟﻠبیﺎﻨﺎت ﻓﻲ ﺤﺎﻟﺔ �ﺎﻨت ﻻ ﺘتبﻊ ﻤنحنﻲ‬
‫اﻟتوزع اﻟطبیﻌﻲ و�ﻌتبر أدق ﻤن اﻟمدرج اﻟتكراري ﻓﻲ ﺤﺎﻟﺔ �ﺎن ﺤجم اﻟﻌینﺎت ﺼﻐی ار ‪.‬‬
‫و�تم رﺴم اﻟﻌینﺎت ﻤﻘﺎﺒﻠﺔ ﻟﻠتوزع اﻟطبیﻌﻲ اﻟنظري وﻋندﻫﺎ ﯿنبﻐﻲ أن ﺘشكﻞ اﻟنﻘﺎط ﺨط ﻤستﻘیم ﺘﻘر�بﻲ و�مثﻞ اﻟخروج ﻋن ﻫذا اﻟخط‬
‫اﻻﺒتﻌﺎد ﻋن اﻟتوزع اﻟطبیﻌﻲ ‪.‬‬
‫ﻨرﺘب اﻟﻘیم ﻓﻲ اﻟمجموﻋﺔ �ﺎﻟترﺘیب اﻟتصﺎﻋدي وﺘمثﻞ اﻟمحور ‪ X‬ﻟﻠرﺴم ﺜم ﻨحسب ﻗیمﺔ اﻻﺤتمﺎل اﻟتراﻛمﻲ ﻟكﻞ ﻗیمﺔ ﻤن ﺨﻼل‬
‫‪𝑖𝑖−0.5‬‬
‫= 𝑃𝑃‪.‬‬ ‫𝑛𝑛‬
‫اﻟﻘﺎﻨون اﻟتﺎﻟﻲ‬
‫وﺘحسب ﻗیمﺔ اﻟمتﻐیر اﻟطبیﻌﻲ ﻟكﻞ ‪ p‬ﻤن ﺨﻼل ﺠداول اﺤصﺎﺌیﺔ ﻤﻌیﺎر�ﺔ ‪ ,‬وﺘكون ﻗیم ‪ z‬ﻫﻲ اﻟمحور اﻟشﺎﻗوﻟﻲ ﻟﻠمخطط ‪.‬‬
‫‪.3-3‬ﻤخطط اﻟﻔطیرة )‪:(Pie Chart‬‬
‫ﯿتم ﺘﻘسیم اﻟبیﺎﻨﺎت ﻓیﻪ ﻋﻠﻰ ‪ 0360‬وﺘوز�ﻌﻬﺎ ﻓﻲ ﺸكﻞ داﺌرة‪ ,‬ﺤیث ﯿتم ﺘوز�ﻊ ال‪ 3600‬ﺤسب اﻟتكرار اﻟنسبﻲ ﻟﻠﻘیم داﺨﻞ اﻟمجموﻋﺔ‪,‬‬
‫ﺤیث ﺘحدد ﻤﻘدار اﻟزاو�ﺔ اﻟخﺎﺼﺔ �ﺎﻟمجموﻋﺔ ﺒتطبیق اﻟمﻌﺎدﻟﺔ‪:‬‬
‫اﻟتكرار اﻟنسبﻲ ﻟﻠﻘیم ‪ = 3600 x‬ﻗیمﺔ اﻟزاو�ﺔ‪.‬‬

‫‪14‬‬
 ‫ﺒرﻨﺎﻤﺞ ‪: Minitab‬‬
‫ان ﺒرﻨﺎﻤﺞ ‪ MINITAB‬ﻤن أﻫم اﻟبراﻤﺞ اﻟحﺎﺴو�یﺔ اﻟمتخصصﺔ ﻟیس ﻓﻘط ﻓﻲ اﻟحسﺎ�ﺎت اﻟوﺼﻔیﺔ واﻨمﺎ ﻤضمن ﺒداﺨﻠﻪ أدوات‬
‫اﻟجودة ‪ ,‬ﺴوف ﻨﻌرض أﻤثﻠﺔ ﻋن طر�ﻘﺔ اﻟﻌمﻞ و�ﻞ ﻤﺎﻋﻠینﺎ ﻓﻌﻠﻪ ﻓﻬم اﻟتواب اﻟر�ﺎﻀیﺔ ﻟﻼﺤصﺎء اﻟوﺼﻔﻲ وادﺨﺎل اﻟﻌینﺎت اﻟﻰ‬
‫واﺠﻬﺔ اﻟبرﻨﺎﻤﺞ واﺨتیﺎر أي ﺘﺎ�ﻊ ﻨر�د ﻤن ﺒین ﻤجموﻋﺔ �بیرة ﻤن اﻷدوات اﻟتﻲ ﯿتمتﻊ ﺒﻬﺎ ﻫذا اﻟبرﻨﺎﻤﺞ ‪.‬‬
‫ﻋند ﻓتﺢ اﻟبرﻨﺎﻤﺞ ﺘظﻬر اﻟواﺠﻬﺔ اﻟتﺎﻟیﺔ وﺘظﻬر ﻓیﻬﺎ ﺘﻘر�ر اﻟجﻠسﺔ وﺘﺎر�خﻬﺎ �مﺎ ﺘظﻬر ﻓیﻬﺎ ﻤسﺎﺤﺔ اﻟﻌمﻞ ﯿتم ﻤن ﺨﻼﻟﻬﺎ ادﺨﺎل‬
‫اﻟﻌینﺎت ﻟﻠمجموﻋﺔ اﻟمراد دراﺴتﻬﺎ ‪.‬‬

‫ﻋﻧدھﺎ ﻧدﺧل اﻟﺑﯾﺎﻧﺎت ﻋﻼﻣﺎت اﻟطﻼب ﻓﻲ اﻟﻌﺎﻣود اﻻول وﻧﺳﻣﯾﮫ ‪.MARKS‬‬

‫وﻧﺿﻐط ﻋﻠﻰ اﯾﻘوﻧﺔ ‪ STAT‬وﻧﺧﺗﺎر ‪ BASIC STATICS‬ﻛﺎﻟﺗﺎﻟﻲ ‪:‬‬

‫‪15‬‬
‫ﻧﺧﺗﺎر اﻟﻘﯾم اﻟﻣﺗﻐﯾرة ﻓﻲ اﻟﺻﻧدوق اﻷول ‪ ,‬وﻧﺿﻐط ﻋﻠﻰ ‪ STATISTICS‬وﺗظﮭر ﺟﻣﯾﻊ ﺗواﺑﻊ اﻻﺣﺻﺎء ﻓﻲ اﻟﺑرﻧﺎﻣﺞ‪.‬وﻧﺧﺗﺎر ﻣن ﺑﯾﻧﮭﺎ ﻣن‬
‫ﺳﯾظﮭر ﻓﻲ اﻟﺣﺳﺎﺑﺎت ﻛﺎﻟﺗﺎﻟﻲ ‪:‬‬

‫وﺑﻧﻔس اﻟوﻗت ﻓﻲ ﻧﻔس ﻣرﺑﻊ اﻟﺣوار ﻧﺿﻐط ﻋﻠﻰ ﺧﯾﺎر ‪ GRAPHS‬وﺗظﮭر ﺧﯾﺎرات اﻟﻣﺧططﺎت ﻛﺎﻟﻣدرج اﻟﺗﻛراري وﻣﺧطط اﻟرﺳم‬
‫اﻻﺣﺗﻣﺎﻟﻲ اﻟطﺑﯾﻌﻲ ‪.‬‬

‫‪16‬‬
 . ‫اﻟﻣدرج اﻟﺗﻛرار اﻟﻧﺎﺗﺞ‬

Histogram of marks
25

20

15
Frequency

10

0
20 40 60 80 100
marks

17
 Histogram (with Normal Curve) of marks
25 Mean 62.67
StDev 19.60
N 80

20

15
Frequency

10

0
20 40 60 80 100
marks

18
 . ‫ﻤخطط اﻟرﺴم اﻻﺤتمﺎﻟﻲ اﻟطبیﻌﻲ ﻟﻠمجموﻋﺔ اﻟمدروﺴﺔ‬

Probability Plot of marks

Normal
99.9
Mean 62.67
StDev 19.60
99
N 80
AD 1.606
95 P-Value <0.005
90
80
70
Percent

60
50
40
30
20
10
5

0.1
0 20 40 60 80 100 120 140
marks

19
 ‫اﻟخﺎﺘمﺔ‪:‬‬
‫أن ﻤﺎﺘﻘدم ﻋن اﻟطرق اﻻﺤصﺎﺌیﺔ ﻟیس ﻟﻠمﻬتمین �ﺎﻻﺤصﺎء واﻟتحﻠیﻞ اﻟر�ﺎﻀﻲ واﻨمﺎ ﻫو اﻷﺴﺎس اﻟصحیﺢ ﻟﻠمﻬتمین �ﺎدارة أﻨظمﺔ‬
‫اﻟجودة ورأﯿنﺎ �یﻒ أن ﻫذﻩ اﻟطرق ﺘﻘدم ﺘﻔسیرات ﻤنطﻘیﺔ ﻋن اﻟمشﺎﻛﻞ اﻻﺤصﺎﺌیﺔ ‪ ,‬و�یﻔیﺔ ﺘطبیﻘﻬﺎ ﯿدو�ﺎ وﻋن طر�ق ﺒرﻨﺎﻤﺞ‬
‫‪ , minitab‬ﻤﻊ اﻟﻌﻠم أن ﻟم ﯿتم دراﺴﺔ ﺠمیﻊ اﻟتوا�ﻊ اﻟمضمنﺔ داﺨﻞ اﻟبرﻨﺎﻤﺞ واﻨمﺎ ﺘﻌتبر ﺒدا�ﺔ �خطوة أوﻟﻰ ﻓﻲ ﻋﺎﻟم اﻻﺤصﺎء‬
‫ااﻟوﺼﻔﻲ ‪.‬‬

‫اﻟمراﺠﻊ اﻟﻌﻠمیﺔ‬

‫اﻟكتب اﻟﻌﻠمیﺔ ‪:‬‬

‫د‪.‬ﻤﺄﻤون اﻟســﻠطﻲ ‪ ,‬ﻤحﺎﻀ ـرات ﻨظر�ﺔ‪,‬ﻤﻘرر ﻤﺎدة اﻟضــبط اﻻﺤصــﺎﺌﻲ ﻟﻠﻌمﻠیﺎت‪,‬اﻟجﺎﻤﻌﺔ اﻻﻓت ارﻀــیﺔ اﻟســور�ﺔ‪,‬ﻤﺎﺠســتیر‬ ‫•‬
‫ادارة اﻟجودة‪.2009‬‬
‫‪Introduction to Descriptive Statistics ,Mathematics Learning Centre, University of Sydney,‬‬ ‫•‬
‫‪NSW 2006, Jackie Nicholas‬‬
‫‪MINITAB, 6WaysFinalEN MINITAB‬‬ ‫•‬

‫ﻤواﻗﻊ اﻻﻨترﻨیت ‪:‬‬

‫‪WWW. APB Consultant.com‬‬ ‫•‬

‫‪Measures of Central Tendency - APB Consultant‬‬

‫‪20‬‬