‫حماضرات اإلحصاء الرياضي‬

‫لطلبة كلية العلوم االقتصادية‬

‫بوعبد اهلل صاحل‬

‫‪2005-2006‬‬
 ‫فهرس المحتويات‬

‫فهرس المحتويات‪- 1 -...........................................................................................................................‬‬

‫مقدمة‪- 1 -....................................................................................‬‬
‫نبذة تاريخية عن تطور علم االحصاء‪- 2 -...................................................................................................‬‬
‫تعريف علم اإلحصاء‪- 4 -.......................................................................................................................‬‬
‫تذكري باملفاهيم األساسية لالحتماالت‪- 1 -......................................‬‬ ‫الفصل ‪.I‬‬
‫مفاهيم أساسية‪- 1 -............................................................................................................‬‬ ‫المبحث ‪.1‬‬
‫مفهوم التجربة‪ ،‬الحدث واالحتمال ‪- - 1.........................Epreuve, événement, probabilité‬‬ ‫‪1‬‬
‫خصائص اإلحتمال‪- 2 -...............................................................................................‬‬ ‫‪2‬‬
‫األركان الخمسة في حساب االحتماالت‪- 2 -.......................................................................‬‬ ‫‪3‬‬
‫القاعدة السادسة أو حساب االحتمال حسب تعريف باسكال لالحتمال‪- 2 -.....................................‬‬ ‫‪4‬‬
‫خالصة‪- 3 -.............................................................................................................‬‬ ‫‪5‬‬
‫الترميز أو التعبير الرياضي عن االحتماالت‪- 4 -.......................................................................‬‬ ‫المبحث ‪.2‬‬
‫استخدام نظرية المجموعات للتعبير عن األحداث العشوائية‪- 4 -...............................................‬‬ ‫‪1‬‬
‫التعبير الرياضي عن قواعد حساب االحتماالت‪- 5 -.............................................................‬‬ ‫‪2‬‬
‫نظرية االحتمال السببي أو نظرية بايز ‪- - 8......................Théorème ou règle de BAYES‬‬ ‫‪3‬‬
‫خالصة‪- 9 -.............................................................................................................‬‬ ‫‪4‬‬
‫ملحق‪- 9 -................................................................................................................‬‬ ‫‪5‬‬
‫املتغرية العشوائية‪- 1 -.......................................................‬‬ ‫الفصل ‪.II‬‬
‫مفهوم المتغيرة العشوائية المتقطعة وتوزيعها االحتمالي‪- 1 -.........................................................‬‬ ‫املبحث ‪.1‬‬
‫مفهوم المتغيرة العشوائية‪- 1 -........................................................................................‬‬ ‫‪1‬‬
‫المتغيرة العشوائية المتقطعة‪- 2 -.....................................................................................‬‬ ‫‪2‬‬
‫التوزيع االحتمالي للمتغيرة المتقطعة ‪- 2 -..........................................................................‬‬ ‫‪3‬‬
‫شروط دالة الكثافة للمتغيرة المتقطعة‪- 2 -..........................................................................‬‬ ‫‪4‬‬
‫التمثيل البياني لدالة الكثافة االحتمالية ل م ع المتقطعة ‪- 2 -.....................................................‬‬ ‫‪5‬‬
‫دالة التوزيع )‪ F(x‬للمتغيرة العشوائية المتقطعة ‪- 3 -.............................................................‬‬ ‫‪6‬‬
‫مفهوم المتغيرة العشوائية المستمرة وتوزيعها االحتمالي‪- 4 -.........................................................‬‬ ‫المبحث ‪.2‬‬
‫تعريف المتغيرة العشوائية المستمرة‪- 4 -...........................................................................‬‬ ‫‪1‬‬
‫التوزيع االحتمالي المستمر‪- 4 -......................................................................................‬‬ ‫‪2‬‬
‫خصائص دالة الكثافة االحتمالية للمتغيرة العشوائية المستمرة‪- 4 -.............................................‬‬ ‫‪3‬‬
‫دالة التوزيع )‪ F(x‬للمتغيرة العشوائية المستمرة‪- 5 -.............................................................‬‬ ‫‪4‬‬
‫قاعدة اليبنيز‪- - 6.....................................................................Règle de LEIBNITZ z‬‬ ‫‪5‬‬
‫خالصة المبحث األول و الثاني‪- 6 -.................................................................................‬‬ ‫‪6‬‬
‫التوقع الرياضي والتباين‪- 1 -.................................................‬‬ ‫الفصل ‪.III‬‬
‫التوقع الرياضي ‪- - 1................................................................Espérance mathématique‬‬ ‫المبحث ‪.1‬‬
‫تعريف التوقع‪- 1 -......................................................................................................‬‬ ‫‪1‬‬
‫توقع دالة‪- 2 -............................................................................................................‬‬ ‫‪2‬‬
‫خصائص التوقع الرياضي ‪- 3 -......................................................................................‬‬ ‫‪3‬‬
‫التباين واالنحراف المعياري ‪- - 3......................................................Variance et écart type‬‬ ‫المبحث ‪.2‬‬
‫تعريف التباين ‪- 3 -.....................................................................................................‬‬ ‫‪1‬‬
‫خصائص التباين ‪- 4 -..................................................................................................‬‬ ‫‪2‬‬
‫المتغيرة المعيارية ‪- - 4.........................................................Variable centrée réduite‬‬ ‫‪3‬‬
‫خالصة‪- 5 -.............................................................................................................‬‬ ‫‪4‬‬
‫العزوم و الدالة المتجددة للعزوم‪- 6 -......................................................................................‬‬ ‫المبحث ‪.3‬‬

‫‪1‬‬
‫العزوم ‪- - 6........................................................................................Les moments‬‬ ‫‪1‬‬
‫الدالة المتجددة للعزوم )‪- - 7......................La fonction génératrice des moments Mx(t‬‬ ‫‪2‬‬
‫خالصة‪- 8 -.............................................................................................................‬‬ ‫‪3‬‬
‫نظرية شيبيشيف ونظرية األعداد الكبيرة ‪- 8 -...........................................................................‬‬ ‫المبحث ‪.4‬‬
‫متراجحة شيبيشيف ‪- - 8.................................Inégalité de Bienaymé CHEBYCHEV‬‬ ‫‪1‬‬
‫نظرية األعداد الكبيرة ‪- - 10........................................Théorème des grands nombres‬‬ ‫‪2‬‬
‫خالصة‪- 10 -...........................................................................................................‬‬ ‫‪3‬‬
‫التوزيعات االحتمالية األكثر استخداما‪- 1 -...................................‬‬ ‫الفصل ‪.IV‬‬
‫التوزيعات الحتمالية المتقطعة األكثر استخداما‪- 1 -....................................................................‬‬ ‫المبحث ‪.1‬‬
‫التوزيع الهندسي الزائد‪- - 1.......................................Distribution hyper géométrique:‬‬ ‫‪1‬‬
‫التوزيع الهندسي الزائد المتعدد‪- - 2.....................Distribution Multi-hypergéométriquez:‬‬ ‫‪2‬‬
‫توزيع برنولي ‪- - 2...........................................................Distribution de Bernoulli‬‬ ‫‪3‬‬
‫التوزيع الثنائي ‪- - 3...............................................................Distribution binomiale‬‬ ‫‪4‬‬
‫التوزيع الثنائي السالب (باسكال) ‪- - 4...........................Distribution binomiale négative‬‬ ‫‪5‬‬
‫التوزيع الهندسي ‪- - 5........................................................Distribution géométrique‬‬ ‫‪6‬‬
‫التوزيع المتعدد‪- - 6.........................................................Distribution multinomiale z‬‬ ‫‪7‬‬
‫توزيع بواسون ‪- - 7..............................................................Distribution de Poisson‬‬ ‫‪8‬‬
‫خالصة‪- 10 -...........................................................................................................‬‬ ‫‪9‬‬
‫التوزيعات االحتمالية الشائعة المستمرة ‪- 12 -...........................................................................‬‬ ‫المبحث ‪.2‬‬
‫التوزيع الطبيعي أو توزيع البالس قوس ‪..............D. Normale ou D. de Laplace -Gausse‬‬ ‫‪1‬‬
‫‪- - 12‬‬
‫التوزيع األسي ‪- - 15.......................................................Distribution exponentielle‬‬ ‫‪2‬‬
‫توزيع قاما ‪- - 17......................................................................Distribution gamma‬‬ ‫‪3‬‬
‫توزيع بيتا ‪- - 18............................................................................Distribution bêta‬‬ ‫‪4‬‬
‫خالصة‪- 20 -...........................................................................................................‬‬ ‫‪5‬‬
‫املتغريات العشوائية متعددة األبعاد ‪- 1 -.......................................‬‬ ‫الفصل ‪.V‬‬
‫المتغيرة الثنائية‪- 1 -..........................................................................................................‬‬ ‫المبحث ‪.1‬‬
‫التوزيعات المشتركة المتقطعة والدالة الهامشية (الحدية) ‪- - 1.................Fonction marginale‬‬ ‫‪1‬‬
‫التوزيعات المشتركة المتصلة‪- 3 -...................................................................................‬‬ ‫‪2‬‬
‫التوزيع الشرطي ‪- - 4......................................................Distribution conditionnelle‬‬ ‫‪3‬‬
‫خالصة‪- 5 -.............................................................................................................‬‬ ‫‪4‬‬
‫االستقالل التباين واالرتباط‪- 5 -............................................................................................‬‬ ‫المبحث ‪.2‬‬
‫تعريف استقالل متغيرتين‪- 5 -........................................................................................‬‬ ‫‪1‬‬
‫توقع وتباين المتغيرة العشوائية متعددة األبعاد ‪- 6 -...............................................................‬‬ ‫‪2‬‬
‫التباين المشترك ‪- - 7................................................................................Covariance‬‬ ‫‪3‬‬
‫معامل االرتباط‪- 8 -....................................................................................................‬‬ ‫‪4‬‬
‫خالصة‪- 8 -.............................................................................................................‬‬ ‫‪5‬‬
‫دوال املتغريات العشوائية والتقارب‪- 1 -......................................‬‬ ‫الفصل ‪.VI‬‬
‫الدوال غير الخطية‪ :‬ك ‪ ، 2‬فيشر وستيودنت‪- 1 -.......................................................................‬‬ ‫المبحث ‪.1‬‬
‫توزيع ك‪- - 1......................................Distribution en Khi-carré (ou Khi-deux) 2‬‬ ‫‪1‬‬
‫توزيع ستيودنت‪- - 2..............................................................Distribution de Student‬‬ ‫‪2‬‬
‫توزيع فيشر (‪- - 4...........................................Distribution F de Fisher-Snédecor )F‬‬ ‫‪3‬‬
‫خالصة‪- 5 -.............................................................................................................‬‬ ‫‪4‬‬
‫السلوك التقاربي لبعض التوزيعات االحتمالية‪- 5 -......................................................................‬‬ ‫المبحث ‪.2‬‬
‫التقارب بين التوزيع الثنائي والتوزيع الطبيعي‪- 6 -...............................................................‬‬ ‫‪1‬‬
‫االنتقال من متغيرة متقطعة إلى متغيرة متصلة‪- 7 -..............................................................‬‬ ‫‪2‬‬
‫التقارب بين التوزيع الثنائي وتوزيع بواسون‪- 8 -.................................................................‬‬ ‫‪3‬‬

‫‪2‬‬
‫نظرية النهاية المركزية‪- 8 -..........................................................................................‬‬ ‫‪4‬‬
‫خالصة‪- 9 -.............................................................................................................‬‬ ‫‪5‬‬
‫نظرية توزيع املعاينة‪- 1 -..................................................‬‬ ‫الفصل ‪.VII‬‬
‫مفاهيم إحصائية ‪- 1 -.........................................................................................................‬‬ ‫المبحث ‪.1‬‬
‫المجتمع والعينة ‪- - 1..........................................................Population et échantillon‬‬ ‫‪1‬‬
‫العينة النفادية والعينة غير النفادية ‪- - 2...............Echantillon exhaustif et non exhaustif‬‬ ‫‪2‬‬
‫العينة العشوائية ‪- - 2.................................................................Echantillon aléatoire‬‬ ‫‪3‬‬
‫معالم المجتمع ‪- - 2........................................................Paramètre d’une population‬‬ ‫‪4‬‬
‫إحصائية المعاينة ‪- - 2..............................................Statistique de l’échantillonnage‬‬ ‫‪5‬‬
‫توزيع المعابنة للمتوسطات‪- 2 -............................................................................................‬‬ ‫المبحث ‪.2‬‬
‫متوسط توزيع المعاينة للمتوسطات‪- 2 -............................................................................‬‬ ‫‪1‬‬
‫تباين توزيع المعاينة للمتوسطات‪- 3 -...............................................................................‬‬ ‫‪2‬‬
‫طبيعة توزيع ‪- - 5...................................................................................................m‬‬ ‫‪3‬‬
‫خالصة‪- 5 -.............................................................................................................‬‬ ‫‪4‬‬
‫توزيع المعاينة للنسبة‪- 6 -...................................................................................................‬‬ ‫المبحث ‪.3‬‬
‫توزيع المعاينة للفروق والمجاميع‪- 7 -....................................................................................‬‬ ‫المبحث ‪.4‬‬
‫المتوسط والتباين‪- 7 -..................................................................................................‬‬ ‫‪1‬‬
‫طبيعة توزيع المعاينة للفرق بين متوسطين‪- 7 -...................................................................‬‬ ‫‪2‬‬
‫توزيع المعاينة للتباين وتوزيع المعاينة لنسبة تبايني عينتين ‪- 8 -.....................................................‬‬ ‫المبحث ‪.5‬‬
‫توزيع المعاينة للتباين ‪- 8 -............................................................................................‬‬ ‫‪1‬‬
‫توزيع المعاينة لنسبة تباينين‪- 9 -.....................................................................................‬‬ ‫‪2‬‬
‫ملحق‪- 10 -..............................................................................................................‬‬ ‫‪3‬‬
‫خالصة‪- 10 -...........................................................................................................‬‬ ‫‪4‬‬
‫نظرية التقدير ‪- 1 -.......................................................‬‬ ‫الفصل ‪.VIII‬‬
‫مفاهيم أساسية‪- 1 -............................................................................................................‬‬ ‫المبحث ‪.1‬‬
‫بعض خصائص المقدر‪- 1 -..........................................................................................‬‬ ‫‪1‬‬
‫التقدير النقطي والتقدير بمجال‪- 2 -..................................................................................‬‬ ‫‪2‬‬
‫التقدير بمجال‪- 3 -............................................................................................................‬‬ ‫المبحث ‪.2‬‬
‫مجال الثقة للمتوسط ‪- 3 -..............................................................................................‬‬ ‫‪1‬‬
‫مجال الثقة للنسبة‪- 4 -..................................................................................................‬‬ ‫‪2‬‬
‫مجال الثقة للتباين‪- 4 -.................................................................................................‬‬ ‫‪3‬‬
‫مجاالت الثقة لنسبة تباينين‪- 5 -.......................................................................................‬‬ ‫‪4‬‬
‫خالصة‪- 6 -.............................................................................................................‬‬ ‫‪5‬‬
‫ملحق‪ .‬مجاالت الثقة للفروق والمجاميع‪- 7 -.......................................................................‬‬ ‫‪6‬‬
‫طرق تأسيس المقدر‪- 7 -....................................................................................................‬‬ ‫املبحث ‪.3‬‬
‫طريقة العزوم‪- 7 -......................................................................................................‬‬ ‫‪1‬‬
‫طريقة المعقولية العظمى (طريقة االحتمال األكبر)‪- 8 -.........................................................‬‬ ‫‪2‬‬
‫مفاهيم اختبارات الفروض وتطبيقاهتا‪- 1 -....................................‬‬ ‫الفصل ‪.IX‬‬
‫اختبار المتوسط‪- 1 -..........................................................................................................‬‬ ‫المبحث ‪.1‬‬
‫اختبار ثنائي االتجاه للمتوسط‪- 1 -...................................................................................‬‬ ‫‪1‬‬
‫االختبار أحادي االتجاه للمتوسط‪- 4 -...............................................................................‬‬ ‫‪2‬‬
‫استخدام ‪ S‬كمقدر ل ‪ σ‬في اختبار المتوسط‪- 5 -...................................................................‬‬ ‫‪3‬‬
‫استخدام التوزيع ‪ t‬في اختبار المتوسط‪- 5 -....................................................................... .‬‬ ‫‪4‬‬
‫خالصة‪- 6 -.............................................................................................................‬‬ ‫‪5‬‬
‫اختبار النسبة واختبار التباين‪- 6 -..........................................................................................‬‬ ‫المبحث ‪.2‬‬
‫اختبار النسبة‪- 6 -.......................................................................................................‬‬ ‫‪1‬‬
‫اختبار التباين ‪- 7 -......................................................................................................‬‬ ‫‪2‬‬
‫اختبار المقارنة بين مجتمعين ‪- 9 -.........................................................................................‬‬ ‫المبحث ‪.3‬‬

‫‪3‬‬
‫اختبار تساوي متوسطي مجتمعين‪- 9 -..............................................................................‬‬ ‫‪1‬‬
‫اختبار تساوي تبايني مجتمعين‪- 10 -................................................................................‬‬ ‫‪2‬‬
‫اختبار االستقالل والتجانس‪- 11 -..........................................................................................‬‬ ‫المبحث ‪.4‬‬
‫اختبار التجانس‪- 11 -..................................................................................................‬‬ ‫‪1‬‬
‫اختبار التعديل ‪- 11 -...................................................................................................‬‬ ‫‪2‬‬

‫‪4‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مقدمة‬
‫هذه المطبوعة‬
‫ه‪NN N‬ذه املطبوعة هي عب‪NN N‬ارة عن حماض‪NN N‬رات اإلحص‪NN N‬اء حسب الربن‪NN N‬امج ال ‪NN‬وزاري ملقي ‪NN‬اس "إحص ‪NN‬اء ‪ "2‬للس‪NN N‬نة الثانية عل‪NN N‬وم‬
‫التس ‪NN‬يري‪ .‬ب ‪NN‬رمج ه ‪NN‬ذا املقي ‪NN‬اس لطلبة الس ‪NN‬نة الثاني ‪NN‬ة‪ ،‬لكي يس ‪NN‬تفيد الطلبة من القاع ‪NN‬دة اليت اكتس ‪NN‬بوها عند دراسة اإلحص ‪NN‬اء‬
‫الوص‪NN N‬في يف الس‪NN N‬نة األوىل‪ ،‬لكن هدفه األساسي هو التمهيد لدراسة اإلحص‪NN N‬اء التط‪NN N‬بيقي يف الس‪NN N‬نة الثالث‪NN N‬ة‪ .‬ه‪NN N‬دف ه‪NN N‬ذا‬
‫املقياس هو تقدمي علم اإلحصاء الرياضي‪ ،‬أي األساس الرياضي لإلحصاء التطبيقي‪.‬‬
‫باعتبارها فرعا من الرياضيات‪ ،‬تدرس مادة هذا املقياس يف كليات العلوم و اهلندسة‪ ،‬لكن تقدمي هذه املادة لطلبة العل‪NN‬وم‬
‫اإلنس‪NN N N‬انية يتض‪NN N N‬من ص‪NN N N‬عوبة خاص‪NN N N‬ة‪ .‬ه‪NN N N‬ذه املطبوعة هي مثرة جتربة س ‪NN N‬نوات عدية يف ت ‪NN N‬دريس اإلحص ‪NN N‬اء بكلية العل‪NN N N‬وم‪N‬‬
‫االقتص‪NN‬ادية جلامعة املس‪NN‬يلة‪ ،‬ولقد‪ N‬حاولنا أن نس‪NN‬تفيد من ه‪NN‬ذه التجربة لص‪NN‬ياغة حمت‪NN‬وى املقي‪NN‬اس بطريقة تالئم مس‪NN‬توى طلبة‬
‫ه‪NN N N N‬ذه الكلية و طبيعة التخص‪NN N N N‬ص‪ .‬لتحقيق ه‪NN N N N‬ذا الغ‪NN N N N‬رض حرص‪NN N N N‬نا على ربط املف‪NN N N‬اهيم والقواعد النظرية باس‪NN N N N‬تخداماهتا‬
‫التطبيقي ‪NN‬ة؛ فعملنا على إعط ‪NN‬اء أمثلة حملولة عن كل مفه ‪NN‬وم‪ N‬جدي ‪NN‬د‪ .‬و ألن فهم القواعد الرياض ‪NN‬ية يك ‪NN‬ون أس ‪NN‬هل إذا ك ‪NN‬ان‬
‫للمتلقي خلفية عن املش‪NN‬كلة اليت حيت‪NN‬اج حلها إىل اس‪NN‬تخدام ه‪NN‬ذه القواع‪NN‬د‪ ،‬عملنا يف كثري من األحي‪NN‬ان إىل التق‪NN‬دمي لبعض‬
‫ال ‪NN‬دروس أو النظري ‪NN‬ات مبس ‪NN‬ألة تك ‪NN‬ون مبثابة التمهي ‪NN‬د‪ ،‬وأحيانا مبثابة مش ‪NN‬كلة‪ N‬ننطلق منها لنتوصل إىل النظري ‪NN‬ة‪ .‬ه ‪NN‬ذا وننبه‬
‫طلبتنا األع ‪NN‬زاء إىل أنه يف ‪NN‬رتض هبم عند دراسة اإلحص‪NN N‬اء الرياضي أن يكون ‪NN‬وا ق ‪NN‬ادرين على اس ‪NN‬تيعاب املف‪NN N‬اهيم الرياض‪NN N‬ية‬
‫بعموميتها و ال يبق ‪NN‬وا خي ‪NN‬اهلم ح ‪NN‬بيس األمثلة واملس ‪NN‬ائل املعط ‪NN‬اة‪ ،‬فاإلحص ‪NN‬اء الرياضي غري اإلحص ‪NN‬اء التط ‪NN‬بيقي ال ‪NN‬ذي يعىن‬
‫بتطبيقات هذه املفاهيم فيما بعد‪.‬‬
‫يتض‪NN N‬من الربن‪NN N‬امج املق‪NN N‬رر على مثانية فص‪NN N‬ول‪ ،‬أطوهلا الفصل الث‪NN N‬اين املعن‪NN N‬ون "املتغ‪NN N‬ريات العش‪NN N‬وائية"‪ .‬من أجل املوازنة بني‬
‫الفصول رأينا أن نعيد جتزئة حمتويات الربنامج‪ .‬فأعدنا تقسيم حمتوي‪N‬ات الفصل الث‪N‬اين إىل ‪ 3‬فص‪N‬ول نظ‪N‬را حلجم‪N‬ه‪ ،‬ومجعنا‬
‫حمتوي ‪NN‬ات الفصل الس ‪NN‬ابع و الث ‪NN‬امن يف فصل واحد لتعلقهما مبوض ‪NN‬وع واح ‪NN‬د‪ .‬ولقد قس ‪NN‬منا الفص ‪NN‬ول إىل مب ‪NN‬احث‪ ،‬حبيث‬
‫يوافق املبحث حماضرة واحدة يف أغلب األحي‪N‬ان‪ ،‬و التزمنا يف الغ‪NN‬الب األعم ب‪N‬املنهج املق‪NN‬رر‪ ،‬لكن س‪NN‬وف جيد الق‪NN‬ارئ أننا‬
‫توس ‪NN N N‬عنا يف بعض اجلوانب من خالل امللحق ‪NN N N‬ات‪ ،‬فله أن يلم هبذه االس ‪NN N‬تطرادات إن رأى أنه قد متكن من فهم النق ‪NN N N‬اط‬
‫الرئيسية املقررة‪ ،‬و إال فإننا ننصحه بأن مير عليها م‪NN‬رور الك‪NN‬رام‪ .‬و غين عن ال‪NN‬ذكر أن حمت‪NN‬وى ه‪NN‬ذه املطبوعة من نظري‪N‬ات‬
‫وقواعد ليس من إب‪NN N‬داع مؤلفه‪NN N‬ا‪ N،‬و إمنا هي قواعد مبس‪NN N‬وطة يف املراجع مجعناها وعرض‪NN N‬ناها بأس‪NN N‬لوب رأينا أنه األنسب‬
‫ملس‪NN‬توى ط‪NN‬الب كلية العل‪NN‬وم‪ N‬االقتص‪NN‬ادية‪ .‬وإذ نق‪NN‬دم لطلبتنا و زمالئنا ه‪NN‬ذا العمل املتواض‪NN‬ع‪ ،‬هنيب هبم أن ال يبخل‪NN‬وا علينا‬
‫مبالحظاهتم وتعليقاهتم حىت نستفيد منها لطبعات مقبلة حبول اهلل‪.‬‬
‫متطلبات المقياس‬
‫فيما يتعلق مبا حتتاجه متابعة وفهم ه ‪NN N‬ذا املقي ‪NN N‬اس‪ ،‬من املهم التمي ‪NN N‬يز بني الفصل األول وبقية الفص‪NN N‬ول األخ ‪NN N‬رى‪ .‬فالفصل‬
‫األول ال‪NN‬ذي يتض‪NN‬من املف‪NN‬اهيم األساس‪NN‬ية لعلم‪ N‬االحتم‪NN‬االت ال حيت‪NN‬اج اس‪NN‬تيعابه إىل مس‪NN‬توى ع‪NN‬ايل يف الرياض‪NN‬يات‪ ،‬أما ب‪NN‬اقي‬
‫الفصول فيتطلب فهمها أن يقوم الطالب مبراجعة عدد من املفاهيم الرياضية أغلبها متضمنة يف برنامج الرياض‪NN‬يات للس‪NN‬نة‬
‫األوىل‪ .‬تتمثل ه‪NN N‬ذه املف‪NN N‬اهيم أساسا يف ال‪NN N‬دوال‪ ،‬االش‪NN N‬تقاق‪ ،‬التكامل (خاصة التكامل بالتجزئ ‪NN‬ة) وال ‪NN‬دوال األس‪NN N‬ية‪ .‬كما‬
‫حيتاج الطالب إىل قاعدة بسيطة يف مفاهيم اللوغاريتم‪ ،‬التكامل الثنائي والسالسل الشهرية‪.‬‬

‫‪1‬‬
 ‫كلمة إلى الطلبة‬
‫كث‪NN N N‬ريا ما نالحظ أن الطلبة يس‪NN N N‬تخدمون‪ N‬التم‪NN N N‬ارين املقدمة‪ N‬يف السالسل كنم‪NN N‬اذج أو ش‪NN N‬به ق‪NN N‬وانني يف حد ذاهتا حياولون‬
‫حفظها بينما هي يف احلقيقة جمرد وس ‪NN‬يلة لفهم‪ N‬ال ‪NN‬درس‪ .‬ه ‪NN‬ذا التش ‪NN‬بث بالش ‪NN‬كل دون املض ‪NN‬مون‪ N‬يف حماولة يائسة ملواجهة‬
‫االمتحان دون فهم حقيق ملضمون‪ N‬املادة هو نتيجة حتمية بالنسبة ملن ال يتابع احملاضرات والتطبيق‪NN‬ات باملراجعة املس‪NN‬تمرة‬
‫و الفوري ‪NN‬ة‪ .‬وحسب رأينا ف ‪NN‬إن الص ‪NN‬عوبة اليت يواجهها الطلبة يف ه ‪NN‬ذا املقي ‪NN‬اس س ‪NN‬ببها أنه مقي ‪NN‬اس يعتمد أساسا على الفهم‬
‫أك‪NN‬ثر مما يعتمد على الت‪NN‬ذكر‪ .‬وه‪NN‬ذا الفهم ال يت‪NN‬أتى عن طريق التلقي من األس‪NN‬تاذ‪ ،‬مهما ب‪NN‬ذل ه‪NN‬ذا األخري ومهما ك‪NN‬انت‬
‫مهارته‪ ،‬وإمنا حيتاج إىل جهد مستقل يبذله الطالب مبفرده مع ق‪N‬در من الرتك‪N‬يز و املث‪N‬ابرة‪" .‬الوص‪N‬فة الس‪N‬حرية" لفهم ه‪N‬ذه‬
‫املادة‪ ،‬هي املراجعة جبرع‪NN N N N N‬ات منتظمة و فورية (بعد كل حماض‪NN N N N N‬رة قبل الن ‪NN N N‬وم‪ )!1‬مع ش ‪NN N N‬يء من الرتك‪NN N N N‬يز على القواعد‬
‫واملف ‪NN‬اهيم حىت يتم فهمها فهما جي ‪NN‬دا‪ .‬وليعمل الط ‪NN‬الب على تعميق فهمه من خالل متارين السالسل و لكن ال يتخ ‪NN‬ذها‬
‫"مناذج" جام‪NN N‬دة أو قواعد إض‪NN N‬افية‪ .‬إن ه‪NN N‬دف األس‪NN N‬تاذ واجلامعة ككل هو إع‪NN N‬داد الط‪NN N‬الب ملواجهة املش‪NN N‬كالت املعق‪NN N‬دة‬
‫للتسيري‪ ،‬وهذا اهلدف ال يتحقق إال بتنمية ال‪NN‬ذكاء وال‪NN‬تزود بع‪NN‬دد من التقني‪NN‬ات املس‪NN‬اعدة‪ .‬إن اجلائزة احلقيقية اليت جيب أن‬
‫يتوقعها الط ‪NN N‬الب من دراسة باجلامعة هي تك ‪NN N‬وين ق ‪NN N‬درة على التعلم ال‪NN N‬ذايت أك‪NN N‬ثر من جتميع كم من املع ‪NN N‬ارف اليت قد ال‬
‫حيتاجها أبدا‪ ،‬و هي من جهة أخرى‪ ،‬تكوين ذهنية مس‪NN‬تقلة ق‪NN‬ادرة على حتليل املش‪NN‬كالت والوض‪N‬عيات املعق‪N‬دة‪ N‬وص‪N‬ياغتها‬
‫يف ش‪NN‬كل واضح ودقيق ومن مث إب‪NN‬داع حل‪NN‬ول هلا من خالل تفك‪NN‬ريه اخلاص‪ .‬ه‪N‬ذه الق‪NN‬درة ال تت‪N‬أتى إذا ع‪N‬ود الط‪NN‬الب نفسه‬
‫على إعمال فكره مطوال يف املسائل اليت تطرحها التمارين مما يعطي الطالب الق‪NN‬درة‪ N‬على التحليل وال‪NN‬رتكيب واالس‪NN‬تنباط‬
‫واالس‪NN N N‬تدالل كأسس التفكري املنتج واملب‪NN N N‬دع‪ .‬إن الوص‪NN N N‬ول إىل ه‪NN N N‬ذه الق ‪NN N‬درة‪ N‬على مواجهة مش ‪NN N‬كالت وحلها هي غاية‬
‫أساسية للتعليم‪ N‬اجلامعي وهي أحسن رأمسال جيمعه الطالب ليستثمره حياته العامة واخلاصة معا‪.‬‬
‫‪2‬‬
‫نبذة تاريخية عن تطور علم االحصاء‬

‫"وهكذا فإن البحث يتقدم عرب مراحل منفصلة و مستمرة من احلدس‪ ،‬التعص‪N‬ب‪ ،‬اإلث‪N‬ارة و احلمى‪ .‬و ذات‬
‫‪3‬‬
‫يوم تتحقق أخريا الفرحة و يتذوق طعمها من عاش تلك اللحظات الفريدة‪ ]…[ .‬ألربت أينشتاين‬

‫قبل الش‪NN N N‬روع يف دراسة الطرائق املختلفة لإلحص‪NN N N‬اء الرياضي يستحسن أن حييط الط ‪NN N‬الب بنظ ‪NN N‬رة عن التط‪NN N N‬ور الت‪NN N N‬ارخيي‬
‫لإلحصاء كممارسة وكعلم‪ ،‬وأن يطلع على جمموعة من أبرز من كتبوا يف هذا العلم‪.‬‬
‫الفترة ما قبل الميالد إلى غاية القرن ‪ :18‬تدل احلفريات اليت وج‪NN‬دت يف أم‪N‬اكن متع‪N‬ددة على اس‪NN‬تخدام اإلحص‪NN‬اء من‬
‫قبل ع ‪NN‬دد من احلض ‪NN‬ارات القدمية عرب املعم ‪NN‬ورة‪ N.‬منذ الق ‪NN‬دم اس ‪NN‬تخدم احلك ‪NN‬ام واألم ‪NN‬راء اإلحص ‪NN‬اء كوس ‪NN‬يلة للرقابة‪ ،‬و أداة‬
‫إلدارة اململكة أو املدينة أو املقاطعة‪ ،N‬واس ‪NN‬تخدموا يف ذلك تع ‪NN‬داد الس ‪NN‬كان وج ‪NN‬رد الس ‪NN‬لع واملوارد املختلف ‪NN‬ة‪ .‬يف احلض ‪NN‬ارة‬
‫الس ‪NN‬ومرية‪ ،‬اليت س ‪NN‬ادت يف بالد ما بني النه ‪NN‬رين ‪ 5‬آالف إىل ألفي س ‪NN‬نة قبل امليالد‪ ،‬واليت ازده ‪NN‬رت فيها التج ‪NN‬ارة بش ‪NN‬كل‬
‫كب‪NN N‬ري‪ ،‬ك‪NN N‬انت ق‪NN N‬وائم من الس‪NN N‬لع واألش‪NN N‬خاص ت‪NN N‬دون على أل‪NN N‬واح من الصلص ‪NN‬ال‪ ،‬وقد وج ‪NN‬دت حفري ‪NN‬ات مش‪NN N‬اهبة تثبت‬
‫استخدام اجلرد يف عهد احلضارة املصرية اليت سادت ‪ 3‬آالف سنة قبل امليالد‪ .‬احلض‪NN‬ارة املص‪NN‬رية اليت ق‪NN‬امت على التس‪NN‬يري‬

‫يعلمنا علم نفس الرتبية أن أكثر من ‪ 60‬باملئة من املعلومات اليت نتعلمها ننساها يف التسع ساعات األوىل‪ .‬فأنقذ معلوماتك يف الساعات األوىل قبل أن تتبخر!‬ ‫‪1‬‬

‫أخذت معظم املعلومات التارخيية عن‪ :‬جون جاك دروزبيك‪ ،‬أساسيات يف اإلحصاء‪ ،‬سلسلة (‪ ،)SMA‬دار (‪ ،1996 ،)Ellips‬ص ‪.2‬‬ ‫‪2‬‬

‫‪ 3‬من كتابه‪ :‬كيف أرى العامل‪ .‬ترمجه إىل الفرنسية رجيي هونريو‪ ،‬باريس‪ ،‬فالماريون‪ .1979 ،‬عن‪:‬‬
‫‪.Microsoft ® Encarta ® 2006. © 1993-2005 Microsoft Corporation‬‬

‫‪2‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫والتقسيم الدقيق ملي‪NN‬اه النيل اتس‪NN‬مت إدارهتا باملركزية الش‪NN‬ديدة وه‪NN‬ذا ال‪NN‬ذي أعطى األمهية للتدوين كوس‪NN‬يلة للمراقبة‪ ،‬فقد‬
‫ك‪NN‬ان للمص‪NN‬ريني الق‪NN‬دامى م‪NN‬دارس يتعلم فيها املوظف‪NN‬ون‪ N‬الق‪NN‬راءة والكتابة والق‪NN‬وانني املعم‪NN‬ول هبا‪ ،‬وك‪NN‬ان مما يتعلمه املوظف‬
‫أن ال اعتب ‪NN‬ار ألمر أو عقد ما مل يكن مكتوب ‪NN‬ا‪ .‬واس ‪NN‬تخدم اجلرد ل ‪NN‬دى مجيع احلض ‪NN‬ارات القدمية تقريبا كاحلض ‪NN‬ارة الص ‪NN‬ينية‬
‫واهلندية واليابانية واليونانية والروماني‪NN‬ة‪ ،‬وك‪NN‬ذا حض‪NN‬ارة اإلنكا يف الس‪NN‬احل الغ‪NN‬ريب لأمريكا اجلنوبية (ابت‪NN‬داءا من الق‪NN‬رن ‪12‬‬
‫إىل غاية ‪ . N)1572‬يف ه‪NN‬ذا العهد ك‪NN‬ان اإلحص‪NN‬اء عب‪NN‬ارة عن ج‪NN‬رد املواد واألف‪NN‬راد وأحيانا جند نظاما لتص‪NN‬نيف املعلوم‪NN‬ات‬
‫لكن مل يوجد دليل على عمليات معاجلة هلذه املعطيات‪.‬‬
‫يف العهد اإلس ‪NN N‬المي ك ‪NN N‬ان اخلليفة عثم ‪NN N‬ان (ر) أول من أمر بالت ‪NN N‬دوين إلحص‪NN N‬اء املس‪NN N‬تفيدين من عطايا بيت املال‪ ،‬أما يف‬
‫أوربا فنجد أن أول اآلث‪NN N N N‬ار عن عملي‪NN N N N‬ات التع‪NN N N N‬داد ترجع إىل ‪ 1086‬فقط وبالتحديد يف بريطاني‪NN N N‬ا‪ .‬أما يف فرنسا ف‪NN N N N‬إن‬
‫عملي ‪NN‬ات التع ‪NN‬داد ترجع إىل الق ‪NN‬رن ‪ 14‬ال ‪NN‬ذي ش ‪NN‬هد ميالد أول تس ‪NN‬جيالت عق ‪NN‬ود احلالة املدنية وإجبارية تس ‪NN‬جيل عق ‪NN‬ود‬
‫االزدي‪NN N N N‬اد يف عهد فرنس‪NN N N N‬وا األول‪ .‬يف فرنسا دائما جتدر اإلش‪NN N N N‬ارة إىل أنه يف الق‪NN N N‬رن‪ 17‬حني أراد ‪″‬كولب‪NN N N N‬ريت‪ - ″‬أب‬
‫اإلدارة الفرنس ‪NN N‬ية – أن ي ‪NN N‬دفع ببالده إىل املس ‪NN N‬توى الص ‪NN N‬ناعي ال ‪NN N‬ذي بلغته بريطانيا يف ذلك ال‪NN N‬وقت‪ ،‬أسس إدارة مركزية‬
‫قوية‪ ...‬وكان من منجزاته أن شهدت وزارته (‪ )1660-1630‬عددا من عمليات التحقيق الكربى‪ .‬وش‪NN‬هدت أملانيا‬
‫وبريطانيا تط ‪NN N‬ورا مش ‪NN N‬اهبا باإلض ‪NN N‬افة إىل دول أخ ‪NN N‬رى‪ .‬وقد ك ‪NN N‬ان "ق‪NN N‬رانت" (‪ ): GRANT 1674 N N -1620‬أول من‬
‫اس‪NN‬تعمل يف ‪ 1662‬مص‪NN‬طلحات علم الس‪NN‬كان مثل اخلص‪NN‬وبة وط‪NN‬ول م‪NN‬دة احلي‪NN‬اة؛ كما ق‪NN‬ارن بني مع‪NN‬دالت والدة اإلن‪NN‬اث‬
‫وال ‪NN‬ذكور‪ .‬وقد ط ‪NN‬ور ه ‪NN‬ذا الع ‪NN‬امل مع ع‪NN‬امل آخر هو بييت (‪ )PETTY‬طريقة لتع ‪NN‬داد الس ‪NN‬كان من خالل املعطي ‪NN‬ات الثانوية‬
‫(عن ع ‪NN‬دد املس ‪NN‬اكن‪ ،‬ع ‪NN‬دد الوفي ‪NN‬ات‪ )...‬ت ‪NN‬دعى "طريقة املض ‪NN‬اعف" (‪ N N)Multiplicateur‬ع ‪NN‬رفت بعد ذلك حتس ‪NN‬ينات‬
‫متتالية على أيدي علماء آخرين منهم خاصة "البالس" (‪ )LAPLACE‬يف ‪.1785‬‬
‫ظهور نظرية االحتماالت في قرن‪ 17‬و‪ :18‬تارخييا ارتبط ظهور‪ N‬نظرية االحتماالت بألعاب احلظ اليت كانت س‪N‬ائدة‬
‫بك‪NN‬ثرة يف أوربا يف الق‪NN‬رن الس‪NN‬ابع عشر وتنظمها البن‪NN‬وك بش‪NN‬كل خ‪NN‬اص‪ .‬لكن قلة انتش‪NN‬ار طباعة الكتب واألج‪NN‬واء الدينية‬
‫الس‪NN N‬ائدة اليت ال تب‪NN N‬ارك ه‪NN N‬ذه األلع‪NN N‬اب منعت انتش‪NN N‬ار الكتاب‪NN N‬ات يف ه ‪NN‬ذا الش ‪NN‬أن‪ .‬وينسب البعض أول الكتاب‪NN N‬ات يف علم‬
‫االحتم‪NN‬االت إىل الع‪NN‬امل "باس‪NN‬كال" (‪  PASCAL( 1662- 1623‬ال‪NN‬ذي كتب عما أمساه آن‪NN‬ذاك "هندسة احلظ" (‪La‬‬
‫‪ .)géométrie du hasard‬وكان ذلك من خالل رسائل له مع زميله املعروف هو اآلخر "فرمات" (‪1665 – 1601‬‬
‫‪ . ): FERMAT‬وتذكر يف هذا الصدد بشكل خاص املسألة اليت طرحها على باسكال أحد ه‪NN‬واة األلع‪NN‬اب "كم ينبغي‬
‫من رمية ملكعيب ن‪NN‬رد حىت ميكن املراهنة بتف ‪NN‬اؤل على احلص ‪NN‬ول على جمم ‪NN‬وع ‪12‬؟ "‪ .‬مث ج‪NN‬اء علم ‪NN‬اء آخ ‪NN‬رون ك‪NN‬انت هلم‬
‫إض‪NN N N N‬افات ب‪NN N N N‬ارزة‪ N‬يف ه‪NN N N N‬ذه الف‪NN N N N‬رتة مثل هاجيان (‪ ،)HUYGEN : 1629 – 1695‬ج‪NN N N‬اك برن‪NN N N‬ويل (‪JACQUES‬‬
‫‪ ، )BERNOULLI‬م‪NN‬وافر (‪  )MOIVRE‬وك‪NN‬ذا اليبني‪NN‬تز (‪ .): LEIBNIZ 1716 N – 1646‬كما س‪NN‬اهم يف ه‪NN‬ذه‬
‫الفرتة اليت سبقت القرن ‪ 19‬علماء كبار أمث‪N‬ال (‪,LAPLACE   (GAUSSE,  BAYES‬ع‪N‬رفت نظرية االحتم‪N‬االت‬
‫على أيديهم إجنازات كبرية‪.‬‬
‫الق‪44‬رن ‪ :19‬يف ه ‪NN‬ذا الق ‪NN‬رن ب ‪NN‬رزت إح ‪NN‬دى أهم عناصر نظرية االحتم ‪NN‬االت وهي "التوزيع الط ‪NN‬بيعي" وذلك لقي ‪NN‬اس نس ‪NN‬بة‬
‫اخلطأ يف جمال احلس ‪NN‬ابات الفلكي ‪NN‬ة‪ .‬ك ‪NN‬ان ه ‪NN‬ذا من مثرة عمل الع ‪NN‬املني البالس وق ‪NN‬وس ‪ )GAUSSE‬و(‪ .LAPLACE‬يف‬
‫ه ‪NN N‬ذا الق ‪NN N‬رن أيضا ظه ‪NN N‬رت حس ‪NN N‬ابات االرتب ‪NN N‬اط لق ‪NN N‬التو (‪ N N )GALTOU‬كما ب ‪NN N‬رزت أمساء مثل كتلت (‪)QUETLET‬‬
‫وآخرون‪. ‬‬

‫‪3‬‬
‫الق‪44 4‬رن العشرون‪ :‬نظرية االحتم ‪NN N‬االت كما نراها اآلن‪ ،‬أي بص ‪NN N‬ياغة رياض‪NN N‬ية ناض‪NN N‬جة يف ش‪NN N‬كل ق‪NN N‬وانني م ‪NN N‬ربهن عليها‬
‫رياض‪NN N‬يا‪ ،‬إمنا تبل‪NN N‬ورت يف الق‪NN N‬رن العش‪NN N‬رين وبالض‪NN N‬بط يف بدايت‪NN N‬ه‪ .‬ومن األمساء اليت ب‪NN N‬رزت يف الف‪NN N‬رتة األوىل (‪– 1980‬‬
‫‪ )1920‬من ه ‪NN‬ذا الق ‪NN‬رن جند من بريطانيا بريس‪NN‬ون (‪ )KARLE PEARSON‬ومن روس‪NN‬يا م‪NN‬اركوف (‪)MARKOV‬‬
‫ومن فرنسا بوريل (‪ .)BOREL‬يف الف ‪NN N‬رتة الثانية (‪ )1932 N N – 1921‬درست مس ‪NN N‬ائل التوق ‪NN N‬ع‪ ،‬حيث ك ‪NN N‬ان لفيشر(‬
‫‪ )FISHER‬دورا بارزا‪.‬‬
‫يف الف ‪NN N‬رتة املمت ‪NN N‬دة من ‪ 1933‬إىل هناية احلرب العاملية الثانية ب ‪NN N‬رزت اختب‪NN N‬ارات الف‪NN N‬روض على يد ناميان(‪)NEYMAN‬‬
‫وإيق‪NN N‬ون بريس‪NN N‬ون (‪ )EGON PEARSON‬وبداية النظرية احلديثة للمعاينة لناميان (‪ )NEYMAN‬باإلض ‪NN‬افة إىل خطط‬
‫التج‪NN N N‬ارب لفيش‪NN N N‬ر‪ .‬بداية من اخلمس‪NN N N‬ينات تك‪NN N N‬اثرت الكتاب‪NN N N‬ات يف جمال اإلحص‪NN N‬اء حيث ع‪NN N‬رفت نظرية التق‪NN N N‬دير وحتليل‬
‫البيانات‪ .‬وبالتدريج انتشر استخدام اإلحصاء يف امليادين املختلفة والعلوم التجريبية واإلنسانية‪.‬‬
‫ملخص‪ :‬تارخييا إذا ك‪NN N‬انت أوىل اس‪NN N‬تعماالت اإلحص‪NN N‬اء ارتبطت حباجة الدولة لتنظيم اجلباية والتجنيد ودراسة الس‪NN N‬كان‬
‫ف‪NN N‬إن أوىل الدراس‪NN N‬ات يف حس‪NN N‬اب االحتم‪NN N‬االت (أصل اإلحص‪NN N‬اء الرياض ‪NN‬ي) ارتبطت أول األمر مبس ‪NN‬ائل ألع‪NN N‬اب الص‪NN N‬دفة‬
‫واحلظ كمج‪NN N‬ال جديد أث‪NN N‬ار فض‪NN N‬ول ع‪NN N‬دد من العلم‪NN N‬اء ال‪NN N‬ذين أسس‪NN N‬وا ه‪NN N‬ذا العلم يف الق‪NN N‬رن ‪ .17‬التط‪NN N‬ور الس‪NN N‬ريع لعلم‪N‬‬
‫االحتماالت كفرع من الرياضيات ك‪N‬ان يف بدابة الق‪N‬رن ‪ 20‬لكن أهم عناصر اإلحص‪N‬اء الرياضي كما هو مع‪N‬روف اآلن‬
‫تبلورت يف النصف األخري منه‪.‬‬

‫تعريف علم اإلحصاء‬

‫تعريف مصطفى الخواجة ‪" : 1‬يقصد بعلم اإلحصاء‪ ،‬الطريقة اإلحصائية‪ ،‬وهي تلك الطريقة اليت متكن من‪:‬‬
‫مجع احلقائق عن الظواهر املختلفة يف شكل قياسي‪،‬‬ ‫‪‬‬
‫تسجيل بيانات تلك احلقائق يف جداول تلخيصية‪،‬‬ ‫‪‬‬
‫ع‪NN N‬رض بيان‪NN N‬ات تلك اجلداول بيانيا وحتليلها هبدف معرفة اجتاه‪NN N‬ات ه‪NN N‬ذه الظ‪NN N‬واهر والعالق ‪NN N‬ات فيما‬ ‫‪‬‬
‫بينها‪.‬‬
‫أي أن علم اإلحص‪NN‬اء خيتص بالطريقة العملية جلمع وتنظيم وتلخيص وع‪NN‬رض وحتليل البيان‪NN‬ات هبدف الوص‪NN‬ول إىل نت‪NN‬ائج‬
‫مقبولة‪ N‬وق‪NN‬رارات على ض‪NN‬وء ه‪NN‬ذا التحلي‪NN‬ل‪ .‬أي ميكن الق‪NN‬ول بإجياز ش‪NN‬ديد أن‪NN‬ه" علم اس‪NN‬تنباط احلق‪NN‬ائق من األرق‪NN‬ام بأس‪NN‬لوب‬
‫علمي وبطريقة علمية‪".‬‬
‫‪" ...‬وميكن تقسيم علم اإلحصاء إىل قسمني ومها اإلحصاء الوصفي واإلحصاء التحليلي‪ ,‬وفرع اإلحصاء الذي يهدف‬
‫فقط إىل وصف وحتليل جمموعة معينة دون الوص ‪NN‬ول إىل نت ‪NN‬ائج أو اس ‪NN‬تدالل خ ‪NN‬اص باجملموع ‪NN‬ات األكرب أو األخ ‪NN‬رى فإنه‬
‫يسمى باإلحص‪N‬اء الوص‪N‬في‪ ،‬أما اإلحص‪N‬اء التحليلي فيهتم بعملي‪N‬ات التنبؤ والتق‪N‬دير عن طريق اس‪N‬تخدام ج‪N‬زء من اجملموعة‬
‫للوص‪NN N N N N‬ول إىل ق‪NN N N N N‬رار أو حكم ع‪NN N N N N‬ام ميكن تطبيقه على اجملموعة كله ‪NN N N‬ا‪ ،‬ول ‪NN N N‬ذلك يعتمد يف ج ‪NN N N‬زء كبري منه على نظرية‬
‫االحتماالت‪".‬‬
‫تعريف جالطو جياللي‪" : 2‬اإلحص‪NN N‬اء هو علم مجع وت‪NN N‬رتيب معلوم ‪NN‬ات خاصة بظ ‪NN‬اهرة معينة وقي ‪NN‬اس الوق‪NN N‬ائع كأس‪NN N‬اس‬
‫لالستقراء "‪.‬‬

‫مصطفى اخلواجة‪ :‬مقدمة يف اإلحصاء‪ ،‬الدار اجلامعية‪ ،‬اإلسكندرية‪ ،2002 ،‬ص ‪.2‬‬ ‫‪1‬‬

‫جالطو جياليل‪ ،‬اإلحصاء مع متارين ومسائل حملولة‪ ،2002 ،‬ديوان املطبوعات اجلامعية‪ ،‬ص ‪.3‬‬ ‫‪2‬‬

‫‪4‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫تعريف جون جاك دراوزبيك‪ : 1‬يعرف ه‪NN‬ذا الع‪NN‬امل اإلحص‪NN‬اء بأنه ذلك العلم ال‪NN‬ذي يش‪NN‬مل " جمموعة الط‪NN‬رق اليت هتدف‬
‫إىل معاجلة املعطي ‪NN‬ات ‪ "...‬ويق ‪NN‬ول عن موض ‪NN‬وع علم اإلحص ‪NN‬اء‪" :‬يتعلق األمر مبعرفة كيفية احلص ‪NN‬ول على تلك البيان ‪NN‬ات‪،‬‬
‫معـرفة من أين يتم جتميعها وبأي شكل يكون ذلك التجميع‪".‬‬
‫تعريف دومنيك س‪444‬لفاتور‪ " : 2‬اإلحص‪NN N‬اء هو جمم‪NN N‬وع الط‪NN N‬رق الرياض‪NN N‬ية املتعلقة جبم‪NN N‬ع‪ ،‬وع‪NN N‬رض‪ ،‬وحتلي‪NN N‬ل‪ ،‬واس‪NN N‬تخدام‬
‫املعطي‪NN‬ات الرقمي‪NN‬ة‪ .‬ه‪NN‬ذه العملي‪NN‬ات متكن من اس‪NN‬تخالص اس‪NN‬تنتاجات واختاذ ق‪NN‬رارات إزاء حالة ع‪NN‬دم التأكد اليت نواجهها‬
‫يف جمال االقتصاد وجمال األعمال أو يف علوم اجتماعية وفيزيائية أخرى‪".‬‬
‫ويواصل الك‪NN N N‬اتب « منيز بني اإلحص‪NN N N‬اء الوص‪NN N N‬في واإلحص‪NN N N‬اء االس‪NN N N‬تداليل (‪ )Statistique Inductive‬األول يلخص‪،‬‬
‫حيوصل وحيلل كما من من املعطي‪NN‬ات‪ ،‬أما الث‪NN‬اين فيس‪NN‬قط على الكل من خالل دراسة اجلزء‪ ،‬الكل يس‪NN‬مى يف ه‪NN‬ذه احلالة‬
‫اجملتمع (أو الع‪NN‬امل‪ ) Univers‬واجلزء يس‪NN‬مى العين‪NN‬ة‪ .‬ص‪NN‬حة اإلس‪NN‬قاط تتطلب إذا أن تك‪NN‬ون العينة ممثلة وأن تك‪NN‬ون احتم‪NN‬ال‬
‫اخلطأ حمسوبا‪".‬‬
‫فيما خيصنا‪ ،‬يهتم هذا املقياس بدراسة الفرع الثاين من اإلحصاء املتمثل يف اإلحصاء االستداليل‪ ،‬وهناك من يس‪NN‬مي ه‪NN‬ذا‬
‫الفرع من اإلحصاء "الإحصاء التطبيقي"‪ .‬من املهم ذكر هذه التسميات حىت يعلم الط‪NN‬الب أن بإمكامنه البحث عن م‪NN‬ادة‬
‫املقي‪N‬اس يف مراجع حتت ه‪N‬ذه العن‪N‬اوين وغريها مثل االقتص‪N‬اد القياس‪N‬ي‪ ،‬اإلحص‪N‬اء االقتص‪N‬ادي‪ ،‬االحتم‪N‬االت‪ ،‬االحتم‪N‬االت‬
‫واملتغريات العشوائية أو ببساطة اإلحصاء‪.‬‬
‫االحصاء التطبيقي‬
‫تعريف "رجيينالد الف ‪NN N N‬وا"‪" : 3‬املس ‪NN N N‬ألة األساس ‪NN N N‬ية لإلحص ‪NN N N‬اء التط ‪NN N‬بيقي تتمثل نظريا كما يلي‪ :‬نريد دراسة ع ‪NN N N‬دد من‬
‫اخلصائص (كالعمر‪ ،‬الوزن‪ ،‬التوجه السياسي‪ )...‬جملتمع ما‪ ،‬لكن ألسباب خمتلفة ال ميكن أن نشمل بالدراسة كل أف‪NN‬راد‬
‫اجملتم‪NN‬ع‪ .‬هلذا نلجأ إىل دراسة ج‪NN‬زء من اجملتمع (عين‪NN‬ة) لدراسة ه‪NN‬ذه اخلص‪NN‬ائص‪ ،‬وعند إمتام دراسة العينة نعمل على تعميم‬
‫على اجملتمع ككل احلقائق املشاهدة مع التقييم‪ ،‬لفرض عدم اخلطأ يف هذا التعميم"‪.‬‬
‫حوص‪44 4‬لة‪ 4:‬بص‪NN N‬فة عامة ومن خالل مجيع التعريف‪NN N‬ات الس‪NN N‬ابقة ميكن الق‪NN N‬ول أن علم اإلحص‪NN N‬اء يهتم بكيفية مجع وت‪NN N‬رتيب‬
‫وعرض البيانات وكذا كيفية حتليلها للخروج خبالصة مفهومة‪N.‬‬

‫‪ 1‬دروزبيك‪ ،‬مرجع سابق‪.‬‬

‫‪ 2‬دومينيك سالفاتور‪ ،‬االقتصاد القياسي واإلحصاء التطبيقي‪ ،‬سلسلة شوم‪ ،‬دار ماك قراو هيل‪ ،1985 ،‬ص ‪.1‬‬
‫‪ 3‬رجيينالد الفوا‪ ،‬اإلحصاء التطبيقي‪ ،‬الكيبيك‪ ،1981 ،‬ص ‪1.1‬‬

‫‪5‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫تذكير بالمفاهيم األساسية لالحتماالت‬

‫الترميز‬ ‫مفاهيم أساسية‬

‫من بني علوم الرياضيات العليا يعترب البعض االحتماالت على أهنا األكثر تعقيدا و "األكثر علوا" !!‪ ،‬واحلقيقة غري‬
‫ذلك‪ .‬إهنا ال تعدو أن تكون بالنسبة ملن يريد حقا فهما لعبة مسلية تتلخص يف بضعة قواعد بديهية‪ .‬وال يضاهي‬
‫بساطة االحتماالت إال تعدد استخداماهتا وتواجدها يف مجيع امليادين‪ ،‬ما يفسر حتمية دراستها على مجيع الشعب‬
‫تقريبا‪ .‬بالنسبة لعامل االقتصاد والتسيري فإن فهم حساب االحتماالت هو أداة يومية ملعاجلة املشاكل املطروحة واختاذ‬
‫القرار‪ .‬فقرارات املسري‪ ،‬بل وحىت رب البيت‪ ،‬تبىن يف ‪ % 99‬من احلاالت على معلومات غري مؤكدة‪.‬‬

‫مفاهيم أساسية‬ ‫المبحث ‪.1‬‬

‫مفهـوم التجربة‪ ،‬الحدث واالحتمال‬
‫خصائص االحتمال‬
‫القواعد األساسية في حساب االحتمال‬
‫تعريف باسكال لالحتمال‬

‫مفهوم‪ 4‬التجربة‪ ،‬الحدث واالحتمال ‪Epreuve, événement, probabilité‬‬ ‫‪1‬‬

‫(‪ )1‬االحتمال و الحدث ‪Evénement et probabilité‬‬

‫كثريا ما خيلط الطلبة بني هذين املفهومني الرتباطهما ببعض‪ .‬فاحلدث العشوائي هو واقعة أو نتيجة ما‪ ،‬أما االحتمال‬
‫فهو عدد بني الصفر والواحد يعرب عن حظوظ وقوع احلدث (ليس شرطا أن يكون زمن وقوع احلدث هو املستقبل‪،‬‬
‫فقد يكون املاضي أو احلاضر)‪ .‬سئل الرئيس العراقي السابق ‪ -‬قبل حرب اخلليج األوىل‪ -‬ما هو احتمال اهنزامكم يف‬
‫هذه احلرب ؟ فأجاب‪" :‬واحد إىل مليون"‪ .‬عندما نرغب يف التعبري بشكل دقيق على مدى إمكانية وقوع حدث معني‬
‫فإننا عادة نستعمل عبارات مثل‪ %100 :‬للحدث املؤكد أو ‪ %50‬للحدث احملتمل و‪ ‰1‬مثال للحدث املستبعد‪،‬‬
‫إذن حنن نستخدم الكسور يف سلم تصاعدي من ‪ 0‬إىل‪ ،1‬حبيث يرمز ‪ 0‬لالستحالة و‪ 1‬للتأكد‪.‬‬
‫مثال‪ .‬احتمال احلصول على صورة عند رمي قطعة نقدية هو ‪ ،1/2‬و احتمال احلصول على الوجه "‪ "6‬عند رمي‬
‫حجر نرد هو ‪. 1/6‬‬
‫ميكن مجع األعداد أو طرحها و ميكن أن ختضع للجداء و القسمة أما عمليات التقاطع و االحتاد‪ .. ،‬فهي عمليات على‬
‫اجملموعات و ليست على األعداد‪ .‬من أجل ذلك ال يصح أن نكتب احتمال تقاطع (أو احتاد) احتمال‪ .‬متثل هذه‬
‫القاعدة الذهبية األوىل يف االحتماالت ويف هذا املقياس ككل‪.‬‬
‫وجيب التمييز بني االحتمال واإلمكانية (اإلمكانية هي حدث)‪ .‬فاالحتمال يف مفهوم العلم هو عدد يقيس حظوظ‬
‫وقوع شيء ما نسميه نتيجة أو حدث أو إمكانية‪ .‬أما اإلمكانية فهي حدث أو نتيجة ما من بني أحداث أو نتائج‬

‫‪1I‬‬
‫المفاهيم األساسية لالحتمال‬ ‫الفصل األول‬

‫أخرى‪ .‬خيتلف عن هذا املفهوم العلمي تعريف الناس لالحتمال‪ .‬فكثريا ما تطلق كلمة االحتمال و يقصد هبا إمكانية‪،‬‬
‫فيقال مثال "إن هذا احتمال ممكن" و الصحيح إن هذه إمكانية واردة" أو يقال "إذا رمينا حجر نرد هناك ‪6‬‬
‫إحتماالت" و الصحيح " هناك ‪ 6‬إمكانيات أو ‪ 6‬نتائج حمتملة"‪... ،‬‬

‫(‪ )2‬التجربة ‪Epreuve‬‬

‫لشرح املفهوم اجملرد للتجربة و متييزها عن احلدث ميكن القول أن التجربة هي أم احلدث أو أم النتيجة‪ .‬ألن التجربة‬
‫تتفرع بالضرورة إىل أحداث‪ .‬ففي املقولة السابقة‪ ،‬التجربة هي احلرب بينما اهلزمية هي نتيجة ممكنة للحرب‪.‬و التجربة‬
‫قد تقبل نتيجتني أو أكثر‪.‬‬
‫ومفهوم التجربة يف علم االحتماالت مفهوم‪ N‬عام و مرن‪ ،‬فإذا كنا ندرس احتمال احلصول على الوجه ‪ 6‬عند رمي‬
‫قطعة نرد تكون التجربة هي الرمي‪ ،‬و إذا كنا ندرس احتمال عدد معني من الوحدات التالفة آللة ما ميكن اعتبار كل‬
‫وحدة منتجة كتجربة‪ ،‬وإذا كنا ندرس احتمال عدد معني من الطلبة الراسبني يف مقياس ما نعترب كل طالب‬
‫كتجربة‪ ...‬نقول احتمال حدث أو احتمال نتيجة وال نقول إحتمال جتربة‪.‬‬

‫خصائص اإلحتمال‬ ‫‪2‬‬

‫عادة ما نعرب عن هذه اخلصائص بالطريقة التالية‪:‬‬

‫‪ ‬االحتمال هو عدد موجب متاما أو معدوم‪( N‬ال يكون سالبا)‪.‬‬
‫‪ ‬جمموع احتماالت أحداث جتربة ما يساوي الواحد‪.‬‬
‫وميكن إضافة خاصية ثالثة تستنتج بديهيا من اخلاصيتني السالفتني وهي أن االحتمال يكون حمصورا بني‬
‫‪ 0‬و‪ .1‬أي أنه ال ميكن أن يكون سالبا وال أن يكون أكرب من الواحد‪.‬‬

‫األركان الخمسة في حساب االحتماالت‬ ‫‪3‬‬

‫هناك مخس قواعد أساسية يف حساب االحتمال نذكرها اآلن باقتضاب إلبراز أمهيتها ونعود لشرحها فما بعد‬
‫وسنحتاج إىل استخدام هذه القواعد يف مجيع فصول املقياس‪.‬‬
‫‪ .1‬احتم ‪NN‬ال وق ‪NN‬وع ح ‪NN‬دث يس ‪NN‬اوي ‪1‬مطروحا منه احتم ‪NN‬ال احلدث املع ‪NN‬اكس‪ .‬جمم ‪NN‬وع احتم ‪NN‬ال احلدث واحتم ‪NN‬ال‬
‫احلدث املعاكس يساوي ‪.1‬‬
‫‪ .2‬احتم‪NN‬ال وق‪NN‬وع ح‪NN‬دثان "أ" و "ب" يس‪NN‬اوي احتم‪NN‬ال وق‪NN‬وع األول مض‪NN‬روبا يف احتم‪NN‬ال وق‪NN‬وع الث‪NN‬اين ملا يك‪NN‬ون‬
‫األول قد وقع فعال‪.‬‬
‫‪ .3‬احتم ‪NN‬ال وق ‪NN‬وع ح ‪NN‬دثان مس ‪NN‬تقالن يس ‪NN‬اوي ج ‪NN‬داء االحتم ‪NN‬الني أي احتم ‪NN‬ال احلدث األول مض ‪NN‬روبا يف احتم ‪NN‬ال‬
‫احلدث الثاين‪.‬‬
‫‪ .4‬احتمال وقوع احلدث وعكسه يساوي الصفر‪ ،‬ونقول أن احلدثان متنافيان‪.‬‬
‫‪ .5‬احتمال وقوع حدث "ا" أو "ب" يساوي مجع احتمايل احلدثني مطروحا منه احتمال حتققهما معا‪.‬‬

‫القاعدة السادسة أو حساب االحتمال حسب تعريف باسكال لالحتمال‬ ‫‪4‬‬

‫عرف بليز باسكال (‪ )Blaise Pascal : 1623‬االحتمال بالشكل التايل‪:‬‬

‫‪2‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫"احتم‪NN‬ال ح‪NN‬دث هو ع‪NN‬دد احلاالت املالئمة لوق‪NN‬وع احلدث مقس‪NN‬وما على ع‪NN‬دد احلاالت املمكن‪NN‬ة‪،‬‬
‫‪1‬‬
‫إذا اقرتضنا أن كل احلاالت هلا نفس االحتمال يف الوقوع‪".‬‬
‫مثال‪ :‬ما هو احتمال احلصول على عدد زوجي عند رمي قطعة ن‪NN‬رد ؟ بني كل من التجرب‪NN‬ة‪ ،‬احلدث واالحتم‪NN‬ال يف ه‪NN‬ذا‬
‫املثال‪.‬‬
‫اجلواب‪ :‬هن‪NN‬اك ثالث ح‪NN‬االت مالئمة للحص‪NN‬ول‪ N‬على ع‪NN‬دد زوجي (‪ 4 ،2‬و‪ .)6‬أما الع‪NN‬دد الكلي للح‪NN‬االت املمكنة فهو‬
‫‪ N .)6 ،5 ،4 ،3 ،2 ،1( N:6‬وب‪44‬افتراض أن كل الح‪44‬االت الممكنة لها نفس االحتم‪44‬ال ف‪NN‬إن احتم‪NN‬ال احلص‪NN‬ول على‬
‫‪1 3‬‬
‫= ‪.‬‬ ‫عدد زوجي هو‬
‫‪2 6‬‬
‫تنبيه‪ :‬ال ميكن استخدام هذه العالقة إذا مل تكن احتماالت احلاالت متساوية‪.،‬‬
‫مثال‪ .2‬ص‪NN‬ندوق به ‪ 7‬كري‪NN‬ات منها ‪ 5‬محراء‪ .‬نس‪NN‬حب ‪ 3‬كري‪NN‬ات مع‪NN‬ا‪ .‬ما هو احتم‪NN‬ال أن تك‪NN‬ون كلها محراء؟ بني كل‬
‫من التجربة واحلدث يف هذا املثال‪.‬‬
‫‪C 53 01‬‬
‫‪ . 3 ‬التجربة هي الس ‪NN‬حب من‬ ‫‪ C.‬إذا االحتم ‪NN‬ال هو‬ ‫‪3‬‬
‫‪7‬‬ ‫‪C‬وع ‪NN‬دد احلاالت املمكن ‪NN‬ة‪:‬‬ ‫‪3‬‬
‫‪5‬‬ ‫ع ‪NN‬دد احلاالت املالئمة‬
‫‪C 7 53‬‬
‫الصندوق‪ ،‬احلدث أو النتيجة هي احلصول على ‪...‬‬
‫مثال‪ .3‬فوج مكون‪ N‬من ‪ 10‬طلب‪N‬ة‪ .‬نس‪NN‬حب بالقرعة اسم من العش‪N‬رة‪ .‬ما هو احتم‪N‬ال أن يك‪NN‬ون الط‪N‬الب أمحد؟ بني كل‬
‫من التجربة واحلدث‪.‬‬
‫نسحب (بدون إعادة) عينة من ‪ 3‬أمساء من العشرة‪ .‬ما هو احتمال أن يكون منهم الطالب أمحد؟‬
‫‪1‬‬
‫‪،‬‬ ‫اجلواب‪ )1 :‬احتمال احلدث األول أو النتيجة األوىل هي‬
‫‪01‬‬
‫‪ )2‬عدد الطرق املمكنة للعينة‪C، 013 :‬عدد احلاالت املالئمة لكي يكون أمحد يف العينة‪:‬‬
‫!‪n‬‬
‫‪C01311  C‬‬ ‫‪2‬‬
‫‪9‬‬ ‫‪C nx ‬‬ ‫‪ C 92 63‬‬
‫! ‪(n  x!) x‬‬
‫‪C 92‬‬ ‫‪63‬‬ ‫‪63‬‬ ‫‪3‬‬
‫‪3‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫االحتمال هو إذا‪:‬‬
‫‪C 01 01 (9() 8 ) /3 042‬‬ ‫‪02‬‬
‫التجربة هي السحب‪ ،‬النتيجة أو احلدث هي أن يكون الطالب أمحد‪... ،‬‬
‫مثال ‪ .4‬يتنافس أمحد مع ‪ 3‬زمالئه على أعلى نقطة يف كل من االمتحانات الستة للسداسي‪ .‬إذا كانت حظ‪NN‬وظ الطلبة‬
‫األربعة متس ‪NN‬اوية‪ ،‬ما هو احتم ‪NN‬ال‪ :‬أن يف ‪NN‬وز أمحد ب ‪NN‬أعلى نقطة يف كل من االمتحان ‪NN‬ات الس ‪NN‬تة؟ أن يف ‪NN‬وز أحد الطلبة (أيا‬
‫كان) بأعلى نقطة يف االمتحانات الستة؟‬
‫اجلواب‪:‬‬
‫‪ )1‬هناك ‪ 4096 = 6‬حالة ممكنة لنتائج املنافسة‪ ،‬منها حالة فوز أمحد جبميع املقاييس؛ إذا االحتمال هو ‪.1/4096‬‬ ‫‪4‬‬

‫‪ )2‬هناك ‪ 4‬طلبة إذا هناك ‪ 4‬حاالت لفوز أحد الطلبة جبميع املقاييس‪ ،‬إذا االحتمال هو ‪. 4/4096‬‬

‫خالصة‪4‬‬ ‫‪5‬‬

‫االحتمال هو عدد ال يزيد عن ‪ 1‬و ال يقل عن ‪.0‬‬

‫رجيينالد الفوا ‪ ،1981‬ص ‪ 2‬و‪.3‬‬ ‫‪1‬‬

‫‪3I‬‬
‫المفاهيم األساسية لالحتمال‬ ‫الفصل األول‬

‫التجربة واحلدث واالحتم ‪NN‬ال هي مف ‪NN‬اهيم ال جيب اخللط بينه‪NN‬ا‪ .‬التجربة يتولد عنها أح ‪NN‬داث (نت ‪NN‬ائج أو ح‪NN‬االت) خمتلف ‪NN‬ة‪.‬‬
‫التجربة مفه‪NN N‬وم م‪NN N‬رن يتطلب أحيانا نظ‪NN N‬رة ذكية وخي‪NN N‬ال‪ .‬من املهم اكتس‪NN N‬اب ه‪NN N‬ذه امله‪NN N‬ارة يف حتديد ما هي التجربة أو‬
‫التجارب يف مسألة ما ألن ذلك هو املفتاح لفهم‪ N‬و حل املسألة‪.‬‬
‫هناك مخس قواعد يف حساب االحتمال هي األركان األساسية لعلم االحتماالت‪ .‬هذه القواعد متعلقة ب‪:‬‬
‫‪ ‬احتمال احلدث املعاكس‪،‬‬
‫‪ ‬باحتمال حتقق حدثني معا‪،‬‬
‫‪ ‬باحتمال حتقق حدثني معا إذا كانا مستقالن‪،‬‬
‫‪ ‬باحتمال حتقق أحد حدثني‪،‬‬
‫‪ ‬و متعلقة‪ N‬باحتمال حتقق احلدث و عكسه معا‪.‬‬

‫الترميز أو التعبير الرياضي عن االحتماالت‬ ‫المبحث ‪.2‬‬

‫"الطبيعة هي كتاب لغته الرياضيات" جاليلي (‪)1642-1564‬‬

‫استخدام نضرية المجموعات‬
‫التعبير الرياضي عن قواعد جمع وضرب االحتماالت‬
‫نظرية بايز‬
‫نستخدم الرتميز من أجل التوصل إىل تعبري دقيق و واضح لقواعد احلساب االحتمايل وهي ذاهتا القواعد األربعة‬
‫املذكورة يف اجلزء األول‪.‬‬
‫نعرب عن احتمال حدث ما بطريقة رياضية فنكتب )‪P(A‬‬
‫ونعرب عن احتمال وقوع احلدث ‪ X = x :‬كما يلي‪ P(X = x) :‬أو )‪. P(x‬‬
‫مث‪NN‬ال‪ :‬احتم‪NN‬ال احلدث‪" :‬احلص‪NN‬ول على الوجه ‪ "5‬عند إلق‪NN‬اء حجر ن‪NN‬رد يكتب‪ ، P(X = 5) N= 1/6 :‬أو باختص‪NN‬ار‪:‬‬
‫‪P(5( = 1/6‬‬
‫و أحيانا خنتصر أكثر فنكتب‪.P = 1/6 :‬‬

‫استخدام نظرية المجموعات للتعبير عن األحداث العشوائية‬ ‫‪6‬‬

‫من خالل البنود التالية تستخدم نظرية اجملموعات للتعبري عن األحداث العشوائية‪:‬‬
‫‪ .1‬نعرب عن النتائج املمكنة لتجربة ما ب ‪ ،Ω‬وتسمى اجملموعة الكلية أو فضاء العينة‪.‬‬
‫‪ .2‬نعرب عن احلدث مبجوعة جزئية ‪ A‬من فضاء العينة‪ ،‬حيث ‪ A‬هي جمموعة من النتائج املمكنة للتجربة‪.‬‬
‫‪ .3‬إذا انتهت التجربة بنتيجة متثل عنصرا من ‪ A‬نقول أن احلدث ‪ A‬قد حتقق‪.‬‬
‫‪ .4‬احلدث الذي حيتوي على نقطة أو عنصر واحد من‪ Ω‬يسمى عادة حدث بسيط‪.‬‬

‫مثال‪ .‬لتكن جلينا جتربة هي إلقاء مكعب نرد‪ .‬أكتب جمموعة فضاء العينة مث عرب عمليا عن األحداث التالية‪:‬‬
‫{‪A= { 1, 2, 3, 4, 5, 6} = Ω , }6‬‬ ‫احلدث ‪ :A‬احلصول على العدد ‪( 6‬حدث بسيط)‬
‫{‪B= }6 ,4 ,2‬‬ ‫احلدث ‪ :B‬احلصول على عدد زوجي‬

‫‪4‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫{‪C = }5 ,3 ,2‬‬ ‫احلدث ‪ :C‬احلصول على عدد أويل‬

‫{‪D = }5 ,3 ,1‬‬ ‫احلدث ‪ :D‬احلصول على عدد فردي‬
‫مثال ‪ :2‬لتكن لدينا جتربة هي رمي قطعتني نقديتني على التوايل‪ :‬أكتب جمموعة فضاء العينة مث عرب عن‪:‬‬
‫{‪A = { PP, PF, FP, FF}= Ω ,} PP‬‬ ‫احلدث ‪ : A‬احلصول على مرتني كتابة (حدث بسيط)‬
‫{‪= B } FP, PF‬‬ ‫احلدث ‪ : B‬احلصول على كتابة مرة واحدة‬
‫{‪C =} PF, PP‬‬ ‫احلدث‪ : C‬احلصول على كتابة يف الرمية األوىل‬

‫من بني األحداث املمكنة يف جتربة ما أيا كانت‪ ،‬احلدث ‪ Φ‬ميثل احلدث املستحيل ألنه ال ميكن أن يتحقق‬ ‫‪.5‬‬
‫عنصر منها‪.P(Φ) = 0 .‬‬
‫من بني األحداث املمكنة يف جتربة ما أيا كانت‪ ،‬حدث اجملموعة األساسية ‪ Ω‬نفسها‪ ،‬وهو احلدث األكيد‬ ‫‪.6‬‬
‫ألنه البد أن يتحقق أحد عناصرها على األقل‪P(Ω) = 1 .‬‬
‫بتطبيق عمليات مثل اإلحتاد والتقاطع‪ ،‬الطرح‪ ،‬اجلمع ‪ ....‬على اجملموعات حنصل على جمموعات جديدة‬ ‫‪.7‬‬
‫جزئية من ‪ Ω‬ومن مث أحداث جديدة يف ‪ .Ω‬من ذلك ‪:‬‬
‫‪ AUB‬هو احلدث‪ :‬إما‪ A‬أو ‪ B‬أو كالمها‪.‬‬
‫‪ A∩B‬هو احلدث‪ A :‬و‪ B‬يف وقت معا‪.‬‬
‫‪ CA‬هو احلدث املعاكس ل ‪.A‬‬
‫‪B – A‬هو احلدث‪ A :‬لكن ليس ‪.B‬‬
‫إذا كان ‪ Φ = A∩B‬نقول أن‪ A‬و‪ B‬متنافيان (أو غري متالئمان) أي ال ميكن وقوعهما معا (‬ ‫‪.8‬‬
‫‪.)mutuellement exclusifs‬‬
‫مثال‪ :‬نرمي قطعة نقدية مرتني‪ :‬إذ كان ‪ A‬هو احلدث "مرتني كتابة" و ‪" B‬صورة على األقل"‪.‬‬
‫}‪A = {PP}. B = {PF, FP, FF‬‬ ‫‪A∩B = Φ‬‬

‫التعبير الرياضي عن قواعد حساب االحتماالت‬ ‫‪7‬‬

‫(‪ )1‬الحدث المعاكس أو التعبير الرياضي عن القاعدة رقم ‪Evénement contraire .1‬‬

‫نعرب عن احلدث املعاكس ل ‪ A‬ب ‪ Ā‬أو ‪ 'A‬واحتماله هو احتمال عدم حتقق احلدث ‪ ،A‬ونكتب ‪:‬‬
‫)‪P(Ā) + P(A) = 1 <=> P(Ā) = 1– P(A‬‬

‫‪A‬‬ ‫‪Ā‬‬
‫‪Ω‬‬

‫مثال‪ :‬نرمي قطعة نقدية ونرمز ب ‪ P‬للكتابة و‪ F‬للصورة (الوجه)‪ .‬نالحظ أن‪:‬‬
‫‪P(P) = P(F') = 1– P(F) <=> P(P) + P(F) = 1‬‬
‫مثال ‪ :2‬عند رمي حجر نرد فإن احتمال احلصول على العدد ‪ 5‬هو‪ ، P(5) = 1/6 :‬فما هو احلدث املعاكس يف هذه‬
‫احلالة وما احتماله؟‬
‫احلدث املعاكس هو احلصول على عدد غري ‪ ،5‬واحتماله هو‪.P(5') = 1 – P(5) = 1 – (1/6) = 5/6 :‬‬

‫‪5I‬‬
‫المفاهيم األساسية لالحتمال‬ ‫الفصل األول‬

‫مثال ‪ :3‬نرمي حجر نرد‪ ،‬ما هو احتمال احلصول على عدد زوجي‪ ،‬ماهو احلدث املعاكس وما هو احتماله؟‬
‫‪P(nombre pair) = P(2 ou 4 ou 6) = 3/6‬‬
‫احلدث املعاكس هو احلصول على عدد غري زوجي‪ ،‬و احتماله‪:‬‬
‫‪.P(impair) = 1– P(pair) = 1– (3/6) = 3/6‬‬

‫(‪ )2‬احتمال وقوع الحدث "‪ "A‬و "‪ "B‬أيا كانت (قاعدة رقم ‪.)2‬‬
‫)‪P(A∩B) = P(A)* P(B/A‬‬

‫))‪P(A∩B∩C) = P(A)* P(B/A)* P(C/(A∩B‬‬

‫(‪ P)A/B‬يسمى االحتمال الشرطي ل‪ B‬علما أن ‪A‬‬ ‫‪ A, B, C‬أحداث ما (مستقلة أو ال‪ ،‬متنافية أو ال) ‪،‬‬
‫حمقق‪.‬‬
‫ومن املعادلة األوىل حنصل على‪:‬‬
‫‪P‬‬ ‫لما ‪(A)P / (A∩B)P = (A/B)P )A( < 0‬‬

‫الحدث ‪ B/A‬غير الحدث ‪B\A‬‬ ‫رسم ‪1‬‬

‫حيث ‪ A‬تصبح فضاء املعاينة مبا أن ‪A‬حمقق‪.‬‬

‫‪A‬‬ ‫‪B‬‬
‫‪A\B‬‬ ‫‪A∩B‬‬ ‫‪B\A‬‬

‫‪Ω‬‬

‫مثال‪ )1 :‬أحسب عند إلقاء حجر نرد احتمال احلصول على قيم أقل من ‪( 4‬حدث‪.)B‬‬
‫‪ )2‬أحسب احتمال احلصول على نتيجة أقل من ‪ 4‬إذا علمت أن الوجه احملصل ملكعب النرد عدد فردي )حدث(‪.A‬‬
‫‪ )3‬أحسب احتمال احلصول على قيمة أكرب أو يساوي ‪ 4‬إذا علمت أن النتيجة عدد فردي‪.‬‬
‫‪P(B) = P(1ou 2 ou 3) = P(1) + P(2) + P(3) = 3/6‬‬
‫)‪P(B/A) = P(B∩A)/P(A‬‬
‫‪P(B∩A) = P (impaire et ≤ 4) = P(1 ou 3) = P(1) + P(3) = 1/6 + 1/6 = 2/6‬‬
‫‪P(B/A) = P(B∩A)/P(A) = 2/6 / 3/6 = 2/3‬‬

‫(‪ )3‬احتمال وقوع الحدث "‪ "A‬و "‪ "B‬لما "‪ "A‬و "‪ "B‬مستقالن (قاعدة رقم ‪.)3‬‬
‫)‪P(A∩B) = P(A) * P(B‬‬ ‫))‪(P(B/A) = P(B‬‬

‫وهو تعريف استقالل حدثني‪ ،‬أي أن وقوع ‪ B‬ال يتأثر بوقوع ‪ A‬أو عدم وقوعه نقول أن ‪ A‬و‪ B‬مستقالن‪،‬‬
‫)‪P(A∩B∩C) = P(A) * P(B) * P(C‬‬ ‫)‪P(C/(A∩B)) = P(C‬‬

‫‪6‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مثال‪ :‬نرمي حجر نرد وقطعة نقدية معا‪ .‬ما هو احتمال احلصول على الصورة والعدد ‪ 6‬؟ (نتيجة مكعب النرد‬
‫مستقلة‪ N‬عن نتيجة القطعة النقدية)‪.‬‬
‫‪.P(A∩B) = P(A).P(B) = 0.5 * 1/6 = 1/12‬‬
‫مثال ‪ .2‬نلقي قطعة نقدية مرتني‪ .‬أحسب احتمال احلصول على صورة يف الرمية األوىل ويف الرمية الثانية‪.‬‬
‫‪P(FF) = P(A∩B) = P(A) P(B) = 0.5 * 0.5 = 0.25‬‬
‫مثال ‪ .3‬صندوق به ‪ 5‬كريات ‪ 2‬محراء و‪ 3‬بيضاء‪ .‬نسحب كرية نسجل لوهنا مث نعيدها للصندوق ونكرر العملية ‪3‬‬
‫مرات‪.‬‬
‫‪ o‬أحسب احتمال احلصول على ‪ 2‬كريات محراء‪ 3 ،‬كريات محراء (أحداث مستقلة)‪.‬‬
‫‪ o‬كيف يكون االحتمال يف حالة كون السحب بدون إرجاع الكرية (أحداث غري مستقلة)؟‬
‫‪P(RR) = P(R1 ∩ R2) = P(R1) P(R2) = 2/5 * 2/5 = 8/25‬‬
‫‪P(RRR) = P(R1 ∩ R2 ∩ R3) = P(R1) P(R2) P(R3) = 2/5 * 2/5 * 2/5 = 8/125‬‬
‫‪P(RR) = P(R1 ∩ R2) = P(R1) P(R2/R1) = 2/5 * 1/4 = 2/20‬‬
‫‪P(RRR) = P(R1 ∩ R2 ∩ R3) = P(R1) P(R2/R1) P(R3/(R1∩R2)) = 2/5 * 1/4 * 0 = 0‬‬

‫(‪ )4‬احتمال وقوع حدث "‪ "A‬أو "‪( "B‬القاعدة رقم ‪.)4‬‬
‫)‪P(AUB) = P(A) + P(B) – P(A∩B‬‬

‫‪A‬‬ ‫‪B‬‬
‫‪A∩B‬‬ ‫‪Ω‬‬

‫(‪ )5‬احتمال وقوع حدث "أ" أو "ب" لما "أ" و "ب" متنافيان (القاعدة رقم ‪.)5‬‬
‫لتكن األحداث المتنافية ‪A, B‬‬

‫)‪P(AUB) = P(A) + P(B‬‬ ‫)‪(P(A∩B) = 0‬‬

‫)‪P(AUBUC) = P(A) + P(B) + P(C‬‬ ‫)‪(P(A∩B∩C) = 0‬‬

‫‪A‬‬ ‫‪Ā‬‬ ‫‪Ω‬‬

‫(‪ )6‬قواعد إضافية مهمة‪4‬‬

‫و )‪P(A2 – A1) = P(A2) – P(A1‬‬ ‫)‪P(A1) ≤ P(A2‬‬ ‫من أجل‪ A1 ⊂ A2‬فإن‪:‬‬ ‫‪‬‬

‫‪A2‬‬
‫‪A1‬‬

‫‪Ω‬‬
‫)‪P(A∩B) + P(A∩B’) = P(A‬‬ ‫من أجل ‪ A‬و‪ B‬أحداث أيا كانت‪:‬‬ ‫‪‬‬

‫‪A‬‬ ‫‪B‬‬
‫’‪A∩B‬‬ ‫‪A∩B‬‬ ‫’‪B∩B‬‬

‫‪7I‬‬ ‫‪Ω‬‬
 ‫المفاهيم األساسية لالحتمال‬ ‫الفصل األول‬

‫إذا كان ‪ A‬هو نتيجة أحد أو بعض األحداث املتنافية‪  A1, A2 , A3 , A4 ,  …… An :‬‬ ‫‪‬‬

‫) ‪P(A) = P(A∩ A1) + P(A∩A2 ) + P(A∩A3 ) + ……. + P(A∩An‬‬

‫‪A‬‬
‫‪Ω‬‬
‫‪A1‬‬ ‫‪A2‬‬ ‫‪Ak . . .‬‬ ‫‪An‬‬
‫‪Théorème ou règle de BAYES‬‬ ‫نظرية االحتمال السببي أو نظرية بايز‬ ‫‪8‬‬

‫لتكن ‪ 1A، 2A، 3A، . . . Ak، . . .، An‬أحداث متنافية فيما بينها حيث احتادها يشكل اجملموعة الكلية (األساسية)‬
‫‪ ،Ω‬و‪ A‬حدث ما يتحقق عن طريق واحد أو أكثر من األحداث ‪ ،Ak‬إذا علمنا أن ‪ A‬حتقق‪ ،‬حنسب احتمال حتققه‬
‫عن طريق احلدث ‪ Ak‬كما يلي‪:‬‬
‫) ‪P (A k )P (A /A k‬‬ ‫) ‪P (A A k‬‬
‫‪P (A k /A ) ‬‬ ‫‪‬‬
‫‪‬‬
‫‪n‬‬
‫) ‪P (A k )P (A /A k‬‬ ‫) ‪P (A‬‬
‫‪k 1‬‬
‫‪A‬‬
‫تسمى هذه النظرية نظرية االحتمال السبيب ألهنا متكن من حساب احتمال أن‬
‫‪A1 A2‬‬ ‫‪Ak . . .‬‬ ‫‪An‬‬
‫‪Ω‬‬ ‫يكون حدث ما (‪ )Ak‬هو املسبب لوقوع حدث آخر (‪.)A‬‬
‫رسم ‪ 2‬رسم يوضح نظرية بايز‬

‫مثال‪ :‬وظفت أمينة مكتب (‪ )A1‬مبكتب للمحاسبة حيث تولت طبع ‪ % 20‬من الفواتري‪.‬‬
‫يشغل املكتب عاملتني أخريني إحدامها (‪ )A2‬تطبع ‪ %30‬من الفواتري واألخرى (‪ .50% )A3‬ترتكب املوظفة‬
‫اجلديدة أخطاء يف ‪ %5‬من الفواتري‪ ،‬بينما نسبة اخلطأ لدى الثانية (‪ 2% )A2‬ولدى الثالثة (‪.1% )A3‬‬
‫أخذت فاتورة بشكل عشوائي فتبني أن هبا أخطاء‪ .‬استبعدت األوىل أن تكون هي من أجنزت الفاتورة حبجة أهنا ال‬
‫تنجز إال ‪ %20‬من الفواتري‪ ،‬وردت عليها العامالت األخريات بأن نسبة األخطاء لديها هي األكرب(‪.)%5‬‬
‫‪ .1‬أحسب احتمال أن تكون املوظفة‪ N‬اجلديدة (‪ )A1‬هي اليت حررت الفاتورة وقارن مع احتمال أن يكون‬
‫مصدر‪ N‬اخلطأ هو ‪ A2‬أو ‪.A3‬‬
‫‪ .2‬أحسب جمموع االحتماالت الثالث‪.‬‬
‫‪ .3‬أحسب احتمال أن تكون فاتورة خمتارة عشوائبا من جمموع املراسالت‪ ،‬أن تكون هبا أخطاء‪.‬‬
‫) ‪P (A 1 )P (A /A 1‬‬ ‫‪0 2. * 050.‬‬
‫‪P (A 1 /A ) ‬‬ ‫‪‬‬ ‫‪ 832‬‬
‫‪0.‬‬
‫‪‬‬
‫‪3‬‬
‫) ‪P (A k )P (A /A k‬‬ ‫‪0 2. * 050.  0 3. * 020.  0 5. * 010. ‬‬
‫‪k1‬‬

‫) ‪P (A 2 )P (A /A 2‬‬ ‫‪0 3. * 020.‬‬

‫‪P (A 2 /A ) ‬‬ ‫‪‬‬ ‫‪7582‬‬
‫‪0.‬‬
‫‪‬‬
‫‪3‬‬
‫‪k1‬‬
‫) ‪P (A k )P (A /A k‬‬ ‫‪ 2. * 050.  0 3. * 020.  0 5. * 010. ‬‬
‫‪0‬‬
‫) ‪P (A 3 )P (A /A 3‬‬ ‫‪0 5. * 010.‬‬
‫‪P (A 3 /A ) ‬‬ ‫‪‬‬ ‫‪674‬‬
‫‪0.‬‬
‫‪‬‬
‫‪3‬‬
‫) ‪P (A k )P (A /A k‬‬ ‫‪0 2. * 050.  0 3. * 020.  0 5. * 010.‬‬ ‫‪‬‬
‫‪k 1‬‬

‫يظهر من احلساب أن االحتمال األكرب هو أن تكون ‪ A3‬هي اليت حررت الفاتورة‪.‬‬

‫‪ .2‬جمموع االحتماالت ‪ P(A1/A) + P(A2/A) + P(A3/A) = 1‬ألهنا متثل احتماالت األحداث املتنافية‬
‫الثالث‪.‬‬
‫‪ .3‬احتمال وجود خطأ يف مراسلة ما‪:‬‬

‫‪8‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪P (A )  P (A k )P (A /A k )  0 2. *500‬‬
‫‪0.‬‬ ‫‪ 0 3. * 020.  0 5. * 010. 210‬‬
‫‪0.‬‬

‫خالصة‪4‬‬ ‫‪9‬‬

‫باستخدام نظرية اجملموعات كأساس للرتميز يف جمال االحتماالت ميكن احلصول على صياغة أكثر دقة للمفاهيم‬
‫املختلفة‪ .‬هبذه الطريقة نستخدم‪:‬‬
‫رمز التقاطع ∩ بدال عن عبارة "و" (‪ )et‬مثال‪ :‬احتمال "الوجه ‪ 2‬و ‪ "5‬يف رمييت نرد‪P(2) * P(5) = ("5" :‬‬
‫‪"∩ P("2‬‬
‫رمز اإلحتاد ‪ U‬بدال عن عبارة" أو" "‪ "ou‬مثال‪ :‬احتمال الوجه ‪ 2‬أو ‪ 5‬يف رمية نرد ‪P("5"U"2") = P(5) +‬‬
‫)‪P(2‬‬
‫رمز املتمم ‪ CA‬أو ‪ Ā‬بدال عن عبارة "عكس ‪" A‬؛ )‪P(Ā) = 1 – P(A‬‬
‫من خالل هذا الرتميز ميكن أن نعرب بسهولة عن القواعد اخلمسة األساسية حلساب االحتماالت‪.‬‬
‫‪P(A∩B) = P(A)* P(B/A) -‬‬
‫(‪P‬‬ ‫)بشرط ‪(A)P / (A∩B)P = (A/B)=> P )A( <0‬‬
‫)‪P(A∩B) = P(A)* P(B‬‬ ‫عندما يكون احلدثان مستقالن‪-‬‬

‫)‪P(AUB) = P(A) + P(B) – P(A∩B‬‬ ‫‪-‬‬

‫)‪P(AUB) = P(A) + P(B‬‬ ‫)‪(P(A∩B) = 0‬‬ ‫عندما يكون احلدثان متنافيان أي ‪-:‬‬

‫مسألة‪ .‬نرمي قطعة نقدية مرتني‪ ،‬نسمي ‪"A‬مرتني كتابة" و‪" B‬كتابة يف املرة األوىل"‪ ،‬عرب عن احلدث‪:‬‬
‫‪A ، B، Ā، A∩B، AUB، B– A ، B – A‬‬
‫}‪,A = {PP}, B = {PP, FP}, Ā = {PF, FP, FF‬‬
‫‪A∩B = {PP}, AUB = {PP, FP}, A – B = Φ,‬‬ ‫}‪B – A= {FP‬‬

‫ملحق‬ ‫‪10‬‬

‫(‪ )1‬التعبير الهندسي عن االحتماالت‬

‫قبل الش‪NN N‬روع يف حل مس‪NN N‬ألة مركبة لالحتم‪NN N‬االت يستحسن حتليلها باس‪NN N‬تعمال أش‪NN N‬كال هندس‪NN N‬ية توضح عناصر املس‪NN N‬ألة‬
‫(األحداث) والعالقات بينها‪ .‬يستخدم هلذا الغرض ش‪N‬جرة االحتم‪N‬ال (أنظر امللح‪N‬ق) وخمطط فني‪ .‬ت‪N‬بني ش‪N‬جرة االحتم‪N‬ال‬
‫األح ‪NN‬داث املتنافية اليت تنتج عن التجربة الواح ‪NN‬دة أو املك ‪NN‬ررة وذلك من خالل أغص ‪NN‬ان تتف ‪NN‬رع من أص ‪NN‬ل‪ ،‬أما خمطط فني‬
‫فيستخدم لتمثيل األحداث الفرعية دوائر داخل مستطيل ميثل التجربة‪.‬‬

‫‪A‬‬
‫رسم ‪ 1‬مخطط فين‬
‫يساوي‬ ‫تفريعة‬ ‫يراعى يف رسم الشجرة أن يكون جمموع احتماالت كل‬
‫متنافية‪ ،‬لكوهنا متثل‬ ‫الواحد‪ .‬التفريعة هي مبثابة شجرة فرعية حتتوي أحداث‬
‫النتائج احملتملة لتجربة جزئية‪.‬‬

‫‪9I‬‬
‫المفاهيم األساسية لالحتمال‬ ‫الفصل األول‬

‫مثال‪ .‬نرمي قطعة نقدية مرتني‪ .‬أحسب احتمال احلصول على مرتني صورة‪.‬‬

‫‪.P(face ∩ face) = P(face) * P(face/face) = 0.5 * 0.5 = 0.25‬‬

‫صورة‬
‫‪P(face/face) = 0.5‬‬ ‫)‪P(FF) = P(F) P(F/F‬‬
‫صورة‬ ‫(‪ )2‬في مفهوم الحدث العشوائي‬
‫‪P(face) = 0.5‬‬ ‫كتابة‬
‫)‪ P(pile/face‬ق‪NN‬انون‪ ،‬بل املقص‪NN‬ود أننا نتح‪NN‬دث عن ح‪NN‬دث‬
‫احلدث ال خيضع ألي‬
‫جيب املالحظة أن كلمة ح‪NN‬دث عش‪NN‬وائي ال تعين أن‪= 0.5‬‬
‫)‪P(FP) = P(F) P(P/F‬‬
‫ال نعلم مس ‪NN‬بقا ما إذا ك ‪NN‬ان س ‪NN‬يقع أو ال يق ‪NN‬ع‪ .‬اهلزمية اليت وقعت يف احلرب وأي هزمية ك ‪NN‬انت هلا أس ‪NN‬باهبا وليست حمض‬
‫صورة‬
‫)‪ P(face/pile‬لكلمة‪ N‬مصادفة إال أننا مل نقصد وقوع الش‪NN‬يء‪.‬‬
‫باملصادفة‪ .‬فال معىن‬ ‫مصادفة عمياء‪ .‬واحلقيقة أن ال شيء يف الطبيعة يقع‬
‫‪= 0.5‬‬
‫)‪P(PF) = P(P) P(F/p‬‬
‫فعندما أقول التقيت بفالن صدفة‪ ،‬فهذا يعين أنين مل أقصد ومل أخطط ملقابلت‪N‬ه‪ .‬لكن هن‪N‬اك أس‪N‬باب أدت إىل ه‪N‬ذه املالق‪N‬اة‬
‫كتابة‬
‫)‪P(pile‬واحدة‬
‫نحصل=على مرة‬
‫منها أنين سلكت طريقا معينا ‪ ...‬كذلك إذا رمينا مكعب نرد ‪ 6‬مرات فإننا ال نعلم إذا كنا س ‪0.5‬‬
‫كتابة‬
‫هي قيمة نظرية‪ ،‬لكن إذا رمينا مكعب‪ N‬ع ‪NN N‬دد كبري ج‪NN N N‬دا من‬ ‫)‪)P)5( =1/6 P(PP‬‬ ‫)‪( P(X‬مثال‬
‫)‪= P(P‬‬‫)‪P(P/P‬قيمة‬
‫الوجه (‪ .)5‬ل‪NN N N‬ذلك‬
‫‪P(pile/pile) = 0.5‬‬
‫املرات (‪ 1000‬م ‪NN‬رة مثال) فنتوقع أن ع ‪NN‬دد م ‪NN‬رات احلص ‪NN‬ول على الوجه (‪ )5‬س ‪NN‬يكون قريبا ج ‪NN‬دا من الع ‪NN‬دد ‪.1000/6‬‬
‫موضوع علم االحتماالت هو البحث يف قوانني األحداث العشوائية‪ ،‬ولذلك أطلق عليه اسم "هندسة احلظ"‪.‬‬

‫(‪ )3‬في حساب عدد الحاالت الممكنة أو المالئمة‬

‫باإلض‪NN N N N‬افة إىل التوفيق‪NN N N N‬ات والرتتيب‪NN N N N‬ات واألس‪ ،‬حنت‪NN N N N‬اج أحيانا حلس‪NN N N N‬اب ع‪NN N N‬دد الط‪NN N N‬رق املمكنة أو املالئمة إىل مفه‪NN N N N‬وم‬
‫‪.surjection‬‬
‫)‪,surj (n, k) = k [surj (n-1, k) + surj (n-1, k-1)] , (n, k > 0‬‬
‫‪Surj (n, 1) = 1 , Surj (1, 1) = 1, surj (1, k >1) = 0‬‬
‫مثال‪ :‬يف املثال (‪ )4‬أحسب احتمال أن يفوز كل طالب على األقل مبقياس واحد‪:‬‬
‫عدد احلاالت املالئمة هو ‪:‬‬
‫])‪Surj (6, 4) = 4[surj (5, 4) + surj (5, 3‬‬
‫حلساب ذلك حنتاج إىل حساب سلسلة من القيم‪:‬‬
‫])‪, Surj (5, 3) = 3[surj (4, 4) + surj (4, 2)], mais: Surj (4, 2) = 2[surj (3, 2) + surj (3, 1‬‬
‫])‪,mais: Surj (3, 2) = 2[surj (2, 2) + surj (2, 1‬‬
‫‪mais : Surj (2, 2) = 2[surj (1, 2) + surj (1, 1)] = 2(0+1) = 2‬‬
‫=> ‪… ,Surj (3, 2) = 2(2+1) = 6‬‬

‫‪10‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪n‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬

‫‪k‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪14‬‬ ‫‪36‬‬ ‫‪24‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪5‬‬ ‫‪30‬‬ ‫‪150‬‬ ‫‪240‬‬ ‫‪120‬‬ ‫‪0‬‬
‫‪6‬‬ ‫‪62‬‬ ‫‪540‬‬ ‫‪1560 1800‬‬ ‫‪720‬‬
‫االحتمال هو إذا ‪. 1560/4096‬‬

‫‪11I‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫المتغيرة العشوائية‬

‫مفهوم المتغيرة العشوائية المتقطعة‬

‫مفهوم المتغيرة العشوائية المستمرة و توزيعها االحتمالي‬

‫‪1‬‬
‫مفهوم المتغيرة العشوائية‪ X‬المتقطعة وتوزيعها االحتمالي‬ ‫املبحث ‪.3‬‬

‫مفهوم المتغيرة العشوائية‬

‫مفهوم المتغيرة العشوائية المتقطعة‬
‫التوزيع االحتمالي للمتغيرة العشوائية المتقطعة‬
‫شروط دالة الكثافة للمتغيرة العشوائية المتقطعة‬
‫التمثيل البياني لدالة الكثافة للمتغيرة العشوائية المتقطعة‬
‫دالة التوزيع للمتغيرة العشوائية المتقطعة‬

‫مسألة‪ :‬أجريت دراسة على ‪ 1000‬طفل أصيب خالل السنوات الثالث األوىل من عمره مبرض‬
‫ما‪ .‬بينت الدراسة أن احتمال اإلصابة مرتبط بالزمن (‪ :X‬السنة) من خالل دالة الكثافة التالية‪:‬‬
‫‪xc ,²‬‬ ‫‪0 x 3‬‬
‫‪f (x )  ‬‬
‫‪0 nonis‬‬
‫‪ ‬أحسب احتمال أن تكون إصابة طفل خمتار عشوائيا من العينة املدروسة يف السنة األوىل‪.‬‬
‫يعاجل املرض ملدة شهر‪ ،‬شهر ونصف‪ ،‬أو ‪ 3‬أشهر حسب اجلدول التايل‪:‬‬
‫‪3‬‬ ‫‪1.5‬‬ ‫‪1‬‬ ‫‪ X‬األشهر‬
‫‪0.2‬‬ ‫‪0.3‬‬ ‫‪0.5‬‬ ‫االحتمال‬
‫‪ ‬أحسب احتمال أن تكون مدة عالج طفل من العينة شهر ونصف على األكثر‪.‬‬

‫مفهوم‪ 4‬المتغيرة العشوائية‬ ‫‪11‬‬

‫هي قيمة متغرية يلحق بقيمها احتماالت حتقق كل قيمة‪ .‬يرمز للمتغرية ع حبرف التيين كبري‪ .‬ومنيز بني م ع املتقطعة‬
‫وم العشوائبة املتصلة أو املستمرة‪.‬‬
‫مثال ‪ :‬يف جتربة إلقاء مكعب نرد ميكن أن نسمي الوجه الذي يستقر عليه الكعب متغرية عشوائية ‪ .X‬القيم املمكنة‬
‫ل‪ X‬هي‪ .6 ،5 ،4 ،3 ،2 ،1 :‬بكل قيمة ميكن أن نلحق احتمال حتققها‪ ،‬وهو هنا ‪ .1/6‬ونكتب مثال ‪:‬‬
‫‪P(X = 1) = f(1) = 1/6, P(X = 2) = f(2) = 1/6 …,‬‬
‫الحظ أن القيم املمكنة ل ) ‪ X (1، 2، 3، 4، 5، 6‬هي متنافية‪ ،‬ولذلك فإن جمموع احتماالهتا يساوي ‪.1‬‬
‫‪‬‬
‫‪6‬‬
‫‪x1‬‬
‫‪P (X  x )  1‬‬

‫‪ 1‬يف الربنامج األصلي‪ -1 :‬مفهوم املتغرية العشوائية‪ .‬اخرتنا هذا التقسيم لكي يتناسب كل جزء مع الزمن املخصص للمحاضرة‪.‬‬

‫‪1 II‬‬
 ‫المتغيرة العشوائية‬ ‫الفصل الثاني‬

‫مثال ‪ .2‬يف جتربة إلقاء قطعة نقدية مرتني ميكن أن نعني املتغرية العشوائية ‪ X‬اليت متثل عدد مرات احلصول على‬
‫كتابة‪ .‬يف هذه احلالة القيم املمكنة ل ‪ X‬هي ‪ .2 ،1 ،0‬ال حظ أنه ميكن تعيني متغريات عشوائية أخرى انطالقا منن‬
‫نفس التجربة‪ ،‬مثال ‪ Y‬عدد مرات احلصول على صورة‪ ،‬وهي متغرية تأخد القيم ‪ ،2 ،1 ،0‬مث املتغرية ‪ Z‬حبث = ‪Z‬‬
‫‪... X - Y‬‬
‫القيم املمكنة ل ‪ X‬هي ‪ .2- ،2 ،0‬االحتماالت امللحقة بقيمها ميكن حساهبا كما يلي‪:‬‬
‫)‪>= P(Z = 0) = P(X – Y = 0) = P(X = 0 et Y = 0 ou X = 1 et Y = 1 ou X = 2 et Y = 2‬‬

‫‪P(Z = 0) = 0 + P(X = 1 et Y = 1) + 0 = 2 * 0.5² = 0.5‬‬

‫المتغيرة العشوائية المتقطعة‪4‬‬ ‫‪12‬‬

‫و تسمى أيضا م ع منفصلة‪ N،‬وهي اليت تأخذ عددا منتهيا من القيم املمكنة يف جمال مغلق‪.‬‬
‫مثال‪ :‬داخل اجملال املغلق [‪ ]5 ,2‬املتغرية ‪ X‬املعرفة يف املثال األول تأخذ ‪ 4‬قيم ممكنة‪.‬‬

‫التوزيع االحتمالي للمتغيرة المتقطعة‪4‬‬ ‫‪13‬‬

‫هي جمموعة القيم املمكنة مع االحتماالت املرتبطة بقيم املتغرية‪ .‬نرمز للمتغرية حبرف كبري وللقيم‪ N‬اليت تأخذها املتغرية‬
‫حبرف صغري‪ .‬نعرب عن احتمال قيمة معينة كما يلي )‪ P(X = x‬ونكتب أيضا ‪ . f(x) :‬وتسمى الدالة )‪ f(x‬دالة‬
‫الكثافة االحتمالية‪.‬‬
‫مثال‪ :‬التوزيع االحتمايل مل ع للمثال األول (إلقاء مكعب‪ N‬نرد) يكتب كما يلي‪:‬‬
‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫)‪P(X = x‬‬ ‫‪1/6 1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1‬‬
‫مثال ‪ .2‬التوزيع االحتمايل ل ‪ ،X‬عدد مرات الصورة يف رميتني لقطعة نقدية‪:‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪1/‬‬
‫)‪P(X = x‬‬ ‫‪1/4‬‬ ‫‪2/4‬‬ ‫‪1‬‬
‫‪4‬‬

‫شروط دالة الكثافة للمتغيرة المتقطعة‪4‬‬ ‫‪14‬‬

‫نعرب عن احتمال قيمة معينة كما يلي )‪ P(X = x‬ونكتب أيضا ‪ f(x) :‬وتسمى الدالة )‪ f(x‬دالة الكثافة االحتمالية‪.‬‬
‫لكي ميكن اعتبار دالة ما‪ ،‬أيا كانت‪ ،‬دالة كثافة احتمالية جيب أن يتحقق شرطان اثنان‪:‬‬
‫)‪1‬‬ ‫‪f (x ) 0‬‬
‫)‪2‬‬ ‫‪‬‬ ‫‪x‬‬
‫‪f (x )  1‬‬

‫مثال‪ :‬نأخذ دالة الكثافة ل ‪ X‬نتيجة إللقاء حجر نرد‪, f(1) = f(2) = f(3) = … f(6) = 1/6 ≥ 0 :‬‬
‫الشرط األول حمقق‪ ،‬والشرط الثاين أيضا ألن‪Σf(x) = 1/6 + 1/6 + … + 1/6 = 6(1/6) = 1 :‬‬

‫‪2II‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التمثيل البياني لدالة الكثافة االحتمالية ل م ع المتقطعة‪4‬‬ ‫‪15‬‬

‫تمثل املتغرية العشوائية املتقطعة ليس من خالل منحىن ولكن من خالل أعمدة متوازية على حمور ‪.X‬‬
‫مثال‪ :‬منثل بيانيا منحنيات دوال الكثافة ل ‪ X‬و‪ Z‬املعرفة على إلقاء قطعة نقدية مرتني‪.‬‬

‫)‪f(x‬‬
‫)‪f(z‬‬
‫‪1‬‬
‫‪1‬‬

‫‪1/2‬‬
‫‪1/2‬‬

‫‪1/4‬‬
‫‪1/4‬‬

‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪z‬‬

‫التمثيل البياين لدالة الكثافة للمتغرية العشوائية املتقطعة‬ ‫رسم ‪3‬‬

‫دالة التوزيع )‪ F(x‬للمتغيرة العشوائية المتقطعة‪4‬‬ ‫‪16‬‬

‫تعرف دالة التوزيع ‪ -‬وتسمى أيضا "الدالة التجميعية" – كما يلي‪:‬‬

‫)‪F(x) = P(X ≤ x‬‬
‫وميكن استنتاج دالة التوزيع من دالة الكثافة االحتمالية )‪ f(x‬كما يلي‪:‬‬
‫‪F (x )  P (X  x ) ‬‬ ‫) ‪f (u‬‬
‫‪u x‬‬

‫إذا كانت ‪ X‬تأخذ عددا منتهيا من القيم فإن )‪ F(x‬ميكن تعريفها كما يلي‪:‬‬
‫‪0‬‬ ‫‪,‬‬ ‫‪  x  x1‬‬
‫) ‪ f (x‬‬ ‫‪,‬‬ ‫‪x1  x  x 2‬‬
‫‪‬‬ ‫‪1‬‬

‫) ‪F ( x)   f ( x1 )  f ( x 2‬‬ ‫‪,‬‬ ‫‪x 2  x  x3‬‬

‫‪  ‬‬
‫‪‬‬ ‫مثال‪ :‬أوجد قيم )‪ F(x‬و)‪ F(z‬لألمثلة‬
‫‪ f ( x1 )  f ( x 2 )  ...  f ( x n ),‬‬ ‫‪x n  x  ‬‬ ‫السابقة ومثلهما بيانيا‪.‬‬
‫)‪F(x‬‬ ‫)‪F(z‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪1‬‬
‫)‪f(x‬‬ ‫‪1/‬‬ ‫‪1/‬‬ ‫‪1/‬‬
‫‪1‬‬

‫‪3/4‬‬
‫‪3/4‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪1/2‬‬
‫‪1/2‬‬ ‫)‪F(x)=P(X≤x‬‬ ‫‪1/‬‬ ‫‪3/‬‬ ‫‪1‬‬
‫‪1/4‬‬
‫‪1/4‬‬
‫‪4‬‬ ‫‪4‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪z‬‬
‫‪Z‬‬ ‫‪2-‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪1/‬‬ ‫‪1/‬‬ ‫‪1/‬‬
‫)‪f(x‬‬
‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬
‫)‪F(x)=P(X≤x‬‬ ‫‪1/‬‬ ‫‪3/‬‬ ‫‪1‬‬

‫‪3 II‬‬
‫المتغيرة العشوائية‬ ‫الفصل الثاني‬

‫‪4‬‬ ‫‪4‬‬

‫التمثيل البياني لدالة التوزيع للمتغيرة العشوائية المتقطعة‬ ‫رسم ‪4‬‬

‫مالحظة‪ 4.‬تأخذ دالة التوزيع للم ع املتقطعة شكال سلميا‪ ،‬وهي ال تكون متناقصة يف أي جمال‪ ،‬وأكرب قيمة ممكنة هلا‬
‫هي ‪.1‬‬

‫‪4II‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مفهوم المتغيرة العشوائية‪ X‬المستمرة وتوزيعها االحتمالي‬ ‫المبحث ‪.4‬‬

‫تعريف المتغيرة العشوائية المستمرة‬
‫التوزيع االحتمالي للمتغيرة العشوائية المستمرة‬
‫خصائص دالة الكثافة االحتمالية للمتغيرة العشوائية المستمرة‬
‫دالة التوزيع للمتغيرة العشوائية المستمرة‬
‫قاعدة اليبنيتز‬

‫تعريف المتغيرة العشوائية المستمرة‬ ‫‪17‬‬

‫هي متغرية ع تأخذ عددا ال متناهيا من القيم يف جمال حمدود‪ ،‬أو هي تأخذ أي قيمة داخل هذا اجملال‪ .‬من أجل هذا‬
‫فأن وحدات قياس املتغرية امليتمرة تكون مستمرة مثل الزمن‪ ،‬الوزن‪ ،‬املسافة‪ ،‬احلجم‪... ،‬‬

‫التوزيع االحتمالي المستمر‬ ‫‪18‬‬

‫هو جمموعة القيم اليت ميكن أن تأخذها املتغرية ع املستمرة واالحتماالت امللحقة هبا‪ .‬نسمي توزيعا كهذا دالة الكثافة‬
‫االحتمالية أو دالة االحتمال‪ ،‬وهي ممثلة مبنحىن متصل‪.‬‬
‫الحظ أنه مبا أن ‪ X‬تأخذ عددا ال متناهيا من القيم داخل أي جمال‪ ،‬فإن احتمال قيمة بعينها هو احتمال يؤول إىل‬
‫الصفر‪ P(X=x) 0.‬لذلك فإن دالة الكثافة تستعمل حلساب احتمال جمال‪.‬‬
‫)‪f(x‬‬ ‫ويكون ذلك حبساب املساحة حتت منحىن )‪ f(x‬بني حدود اجملال‪.‬‬
‫‪b‬‬
‫‪1‬‬ ‫‪P(a  x  b)   f ( x) dx‬‬
‫‪a‬‬

‫الحظ أن إشارة التكامل هنا تقابل إشارة اجملموع يف‬

‫حالة املتغرية ع املتقطعة‪.‬‬
‫رسم ‪ 5‬التمثيل البياني لدالة الكثافة للمتغيرة‬
‫‪a‬‬ ‫العشوائية المستمرة ‪b‬‬ ‫‪x‬‬

‫خصائص دالة الكثافة االحتمالية للمتغيرة العشوائية المستمرة‬ ‫‪19‬‬

‫‪1) f ( x)  0‬‬ ‫باستبدال إشارة التكامل بإشارة اجملموع جند أن شروط دالة‬
‫‪‬‬
‫‪2)  f ( x)dx  1‬‬ ‫الكثافة االحتمالية للم ع املستمرة تكتب كما يلي ‪:‬‬
‫‪‬‬

‫من البديهي إذا أن منحىن دالة الكثافة ال ميكن أن ينزل أسفل حمور امل ع‪ ،‬كما أن املساحة اإلمجالية بني املنحىن واحملور‬
‫األفقي تساوي الواحد‪.‬‬
‫هذه اخلصائص تفيدنا يف حساب احتماالت بعض اجملاالت من خالل احتماالت جماالت أخرى‪.‬‬
‫مثال‪ :‬أوجد قيمة الثابت ‪ C‬اليت حتقق الشرطني األول والثاين لدالة الكثافة االحتمالية يف الدالة التالية‪:‬‬
‫‪ ‬أحسب احتمال أن تكون ‪ X‬تنتمي للمجال من ‪ 1‬إىل ‪.2‬‬
‫‪ ‬أحسب احتمال أن تكون ‪ X‬ال تنتمي للمجال من ‪ 1‬إىل ‪.2‬‬
‫‪xc ²‬‬ ‫‪0 x 3‬‬
‫‪f (x )  ‬‬
‫‪0 nonis‬‬

‫‪5 II‬‬
 ‫المتغيرة العشوائية‬ ‫الفصل الثاني‬

‫‪3‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪x 3 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪)  1‬‬
‫‪f (xxd‬‬ ‫‪‬‬
‫‪‬‬
‫‪0xd  xC xd‬‬
‫‪² ‬‬
‫‪0‬‬ ‫‪‬‬‫‪3‬‬
‫‪0xd  1 C    9C  1 C  1 /9‬‬
‫‪3 0‬‬
‫لكي تكون ‪ x‬دالة كثافة جيب أن يكون ‪. C = 1/9‬‬
‫‪2‬‬
‫‪x 3 ‬‬ ‫‪1 8  1  7‬‬
‫‪1‬‬
‫‪1 /9 xxd‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪P (1  x  2 )   f (xxd‬‬
‫‪) ‬‬ ‫‪   ‬‬ ‫‪² ‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪ 3  1 9  3  72‬‬ ‫‪9‬‬
‫‪7 02‬‬
‫‪P (1  x  2 )  1  P (1  x  2 )  1 ‬‬ ‫‪‬‬
‫‪72 72‬‬

‫دالة التوزيع )‪ F(x‬للمتغيرة العشوائية المستمرة‬ ‫‪20‬‬

‫‪F ( x)  P ( X  x )   f (u )du‬‬
‫‪x‬‬
‫تعرف دالة التوزيع للمتغرية املستمرة كما يلي‪:‬‬
‫‪‬‬
‫أننا‬ ‫لدالة التوزيع أمهية أكرب بالنسبة للمتغرية املستمرة‪ .‬السبب يف ذلك‬
‫هنتم‪ ،‬يف حالة املتغرية املستمرة‪ ،‬باحتمال جمال وليس باحتمال نقطة‪ ،‬وحلساب احتمال جمال من األيسر التعويض يف‬
‫دالة التوزيع بدال من حساب التكامل يف كل مرة‪ .‬يتضح ذلك من القاعدة التالية‪ :‬بفرض ‪ a, b‬نقطتان من جمال‬
‫تعريف ‪ ،X‬حبيث ‪ . b > a‬حلساب احتمال أن تكون ‪ X‬تنتمي إىل اجملال ]‪: ]a, b‬‬

‫)‪P(a  x  bf(x‬‬
‫) ‪)  P ( X  b )  P ( X  a )  F (b )  F ( a‬‬
‫مثال‪:‬‬
‫‪1‬‬
‫أوجد دالة التوزيع للمتغرية املذكورة يف املثال السابق‪.‬‬
‫استخدم دالة التوزيع حلساب االحتمال‪.P(1< x <2) :‬‬

‫‪a‬‬ ‫‪b‬‬ ‫‪x‬‬

‫حساب االحتمال من خالل دالة التوزيع‬ ‫رسم ‪6‬‬
‫‪x‬‬ ‫‪0‬‬
‫‪* x 0 :‬‬ ‫‪F (x ) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪) ‬‬
‫‪f (uud‬‬ ‫‪ 0ud‬‬
‫‪‬‬
‫‪0‬‬
‫‪x‬‬
‫‪x‬‬ ‫‪1‬‬ ‫‪1 u 3  x 3‬‬
‫‪0‬‬ ‫‪x‬‬
‫‪*0  x 3 :‬‬ ‫‪F (x )‬‬ ‫‪‬‬‫‪‬‬
‫‪)   ud‬‬
‫‪f (uud‬‬ ‫‪0   uud‬‬
‫‪‬‬ ‫‪09‬‬
‫‪²    ‬‬
‫‪9  3  0 72‬‬
‫‪3‬‬
‫‪x‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪x‬‬ ‫‪1‬‬ ‫‪u 3 ‬‬ ‫‪72‬‬
‫‪* x 3 :‬‬ ‫‪F (x ) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪)   0ud   uud‬‬
‫‪f (uud‬‬
‫‪‬‬ ‫‪09‬‬
‫‪² ‬‬ ‫‪3 0ud  0  9‬‬ ‫‪  0‬‬
‫‪3 0‬‬ ‫‪72‬‬
‫‪1‬‬

‫‪0‬‬ ‫‪x 0‬‬

‫‪‬‬ ‫‪2 3 13‬‬ ‫‪7‬‬
‫‪F (x )   x 372‬‬
‫‪/‬‬ ‫‪0 x 3‬‬ ‫‪P (1  x  2)  F ( 2)  F (1) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪27 27 27‬‬
‫‪‬‬ ‫‪x 3‬‬

‫قاعدة اليبنيز ‪Règle de LEIBNITZ‬‬ ‫‪21‬‬

‫تفيد هذه القاعدة الرياضية العامة يف استنتاج أن مشتقة دالة التوزيع هي دالة الكثافة‪:‬‬
‫‪x‬‬
‫‪d‬‬ ‫‪f (uud‬‬
‫)‬ ‫) ‪Fd (x‬‬
‫‪‬‬
‫‪ f (x ‬‬
‫)‬ ‫) ‪ f (x‬‬
‫‪xd‬‬ ‫‪xd‬‬

‫‪6II‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مثال‪ :‬أوجد دالة الكثافة للمتغرية ‪ X‬إذا كانت دالة التوزيع كما يلي‪:‬‬
‫‪1  e 2 x‬‬ ‫‪x 0‬‬
‫‪F (x )  ‬‬
‫‪0‬‬ ‫‪nonis‬‬

‫‪* x  0 : f ( x)  F ' ( x )  (0)'  0‬‬ ‫‪2 e 2 x‬‬ ‫‪x 0‬‬

‫‪f (x )  ‬‬
‫‪‬‬
‫‪* x  0 : F ( x)  1  e  2 x  f ( x)  1  e  2 x   2e  2 x‬‬ ‫‪0‬‬ ‫‪nonis‬‬

‫خالصة‪ 4‬المبحث األول و الثاني‬ ‫‪22‬‬

‫يتم تعريف التوزيع االحتمايل (أو القانون االحتمايل) ملتغرية عشوائية من خالل حتديد القيم املمكنة للمتغرية و‬
‫االحتماالت املقابلة هلا‪.‬‬
‫يتم هذا التحديد إما من خالل جدول ) جدول التوزيع االحتمايل) أو دالة‪ ،‬تسمى دالة كثافة االحتمالية‪.‬‬
‫لكي نقول عن دالة ما أهنا دالة كثافة احتمالية جيب أن تكون موجبة دوما و أن يكون جمموع االحتماالت مساويا‬
‫للواحد‪.‬‬
‫الدالة التجميعية (أو دالة التوزيع) متثل احتمال جمال من أصغر قيمة للمتغرية إىل نقطة ما‪:‬‬
‫) ‪F (x )  P (X  x ) u x f (u‬يف حالة م متقطعة و‬
‫‪x‬‬
‫‪F (x )  P (X  x ) ‬يف حالة م‬ ‫‪‬‬‫‪‬‬
‫‪f (uud‬‬
‫)‬
‫مستمرة‪.‬‬
‫نظرا لتعريفها تأخذ دالة التوزيع مسارا متزايدا (أو ثابتا على أجزاء من اجملال)‪ .‬تربز أمهية الدالة التجميعية أكثر عندما‬
‫تكون املتغرية مستمرة ألننا هنتم حينها باحتماالت جماالت‪ .‬ميكن استنتاج دالة الكثافة من خالل اشتقاق دالة التوزيع‪.‬‬

‫‪7 II‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التوقع الرياضي والتباين‬

‫التوقع الرياضي‬
‫التباين واالنحراف المعياري‬
‫العزوم‬
‫الدالة المتجددة للعزوم‬
‫نظرية شيبيشيف‪ ،‬نظرية األعداد الكبيرة‬

‫مسألة‪ :‬أرسلت مؤسسة عروضا إىل ‪ 4‬عمالء‪ .‬احتمال تلقي طلبية من العميل األول هي ‪ ،0.2‬من‬
‫العميل الثاين ‪ ،0.3‬من العميل الثالث ‪ 0.35‬و‪ 0.4‬من العميل الرابع‪ .‬يف انتظار ردود العمالء ما هو‬
‫العدد املتوقع من الطلبيات؟‬
‫يف العديد من احلاالت ال يكفي حساب احتمال حتقق حدث أو أحداث معينة بل حنتاج للخروج بتوقع معني يلخص‬
‫الوضعية املطروحة أمامنا‪ .‬من جهة أخرى قد يصعب املفاضلة بني خيارات متاحة مقيمة مببالغ معينة بسبب ارتباط كل‬
‫مبلغ مبخاطرة خمتلفة؛ من املعروف أن االستثمارات األكثر مردودية هي تلك اليت تتضمن أكرب خماطرة‪ ،‬فكيف ميكن‬
‫أخذ يف احلسبان املخاطرة واملبلغ املتوقع وبطريقة دقيقة وموضوعية؛ إن طريقة التوقع وبقية املفاهيم األخرى الواردة‬
‫أعاله ميكن أن تساعدنا يف ذلك‪.‬‬

‫التوقع الرياضي ‪Espérance mathématique‬‬ ‫المبحث ‪.5‬‬

‫تعريف التوقع‬
‫توقع دالة‬

‫تعريف التوقع‬ ‫‪23‬‬

‫يعرف التوقع الرياضي ملتغرية عشوائية متقطعة كما يلي‪:‬‬

‫‪E (X ) ‬‬ ‫‪x Pi (X  x i) ‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪i1‬‬ ‫‪i1‬‬
‫)‪x i f (x i‬‬
‫و يعرف التوقع الرياضي ملتغرية عشوائية مستمرة كما يلي‪:‬‬
‫‪‬‬
‫‪E (X ) ‬‬ ‫‪‬‬‫‪‬‬
‫‪fx (xxd‬‬
‫)‬
‫نرمز للتوقع‪ N‬أحيانا ب ‪ μ‬أو ‪.μx‬‬
‫مثال‪ :‬نلقي قطعة نقدية ‪ 4‬م رات‪ .‬أحسب العدد املتوقع من املرات اليت حنصل فيها على وجه‪.‬‬

‫‪1III‬‬
 ‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫‪ X‬عدد مرات وجه‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫اجملموع‬

‫‪= 16/16‬‬
‫)‪P(X‬‬
‫‪4‬‬
‫(‪)1/2‬‬ ‫‪4‬‬
‫‪)1/2( 4‬‬ ‫‪4‬‬
‫‪)1/2( 6‬‬ ‫‪4‬‬
‫‪)1/2( 4‬‬ ‫‪4‬‬
‫(‪)1/2‬‬
‫‪1‬‬
‫‪= 32/16‬‬
‫)‪XP(X‬‬ ‫‪0‬‬ ‫‪4‬‬
‫‪)1/2( 4‬‬ ‫‪4‬‬
‫‪)1/2( 12‬‬ ‫‪4‬‬
‫‪)1/2( 12‬‬ ‫‪4‬‬
‫‪)1/2( 4‬‬
‫‪2‬‬
‫‪E (X ) ‬‬
‫‪n‬‬
‫‪i1‬‬
‫‪x Pi (X  x i) 23 61‬‬
‫‪/ 2‬‬
‫العدد املتوقع هو مرتني من بني ‪ 4‬رميات‪.‬‬
‫مثال ‪ .2‬نلقي قطعة نقدية مرة واحدة‪ .‬يربح الالعب ‪ 20‬دج إذا حصل على الرقم ‪ ،2‬ويربح ‪ 40‬دج إذا حصل على‬
‫الرقم ‪ ،4‬و‪ 60‬دج إذا حصل على الرقم ‪ ،6‬وخيسر ‪ 10‬دج إذا حصل على الرقم ‪ 30 ،1‬دج إذا حصل على الرقم‬
‫‪ ،3‬و‪ 50‬دج إذا حصل على الرقم ‪ .5‬حتقق مما إذا كانت العبة متوازنة (هل توقع الربح يساوي توقع اخلسارة)‪.‬‬
‫اجلواب هو أن اللعبة غري متوازنة ألن توقع الربح أكرب من توقع اخلسارة ‪E(x) = 30/6 = 5 > 0‬‬
‫نتيجة الرمي‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫اجملموع‬
‫نتيجة المراهنة‬ ‫‪10-‬‬ ‫‪20‬‬ ‫‪30-‬‬ ‫‪40‬‬ ‫‪50-‬‬ ‫‪60‬‬ ‫‪-‬‬
‫‪X‬‬
‫)‪P(X=x‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪6/6‬‬
‫)‪X*P(X=x‬‬ ‫‪-‬‬ ‫(‪>6/)120-90‬‬
‫‪20/6 30/6- 40/6 50/6- 60/6‬‬
‫‪10/6‬‬ ‫‪0‬‬
‫مثال‪ .3‬أوجد التوقع الرياضي للمتغرية ذات دالة الكثافة التالية‪:‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ x‬‬
‫‪f ( x)   2‬‬
‫‪0 x2‬‬ ‫‪E (x ) ‬‬ ‫‪‬‬
‫‪‬‬
‫‪) ‬‬
‫‪fx (xxd‬‬ ‫‪‬‬
‫‪‬‬
‫‪.xd. ‬‬
‫‪x0‬‬ ‫‪0 x (2 xxd) ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪x0‬‬
‫‪.xd.‬‬
‫‪0‬‬ ‫‪sinon‬‬ ‫‪1‬‬ ‫‪x 3 ‬‬
‫‪2‬‬
‫‪4‬‬
‫‪E (x )  0 ‬‬ ‫‪  0‬‬
‫‪2‬‬ ‫‪3 0‬‬ ‫‪3‬‬

‫توقع دالة‬ ‫‪24‬‬

‫يستخدم توقع دالة عند حساب عدد من املقاييس مثل التباين‪ ،‬العزوم املركزية والعزوم املرتبطة باألصل‪.‬‬
‫لتكن ‪ X‬م ع هلا دالة كثافة )‪ ،f(x‬و)‪ y = g(x‬م ع تابعة هلا‪.‬‬
‫‪E (Y )  E (g (x)) ‬‬ ‫) ‪g (x ) f (x‬‬
‫‪x‬‬
‫‪‬‬
‫‪E (Y )  E (g (x)) ‬‬ ‫‪‬‬
‫‪‬‬
‫‪g (x ) f (xxd‬‬
‫)‬
‫يف حالة ‪ X‬م متصلة‪:‬‬

‫مثال‪ .1‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬و‪ .Y=X²‬أحسب )‪ E(X‬و)‪. E(Y‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫المجموع‬
‫)‪P(X = x‬‬ ‫‪1/4‬‬ ‫‪1/2‬‬ ‫‪1/4‬‬ ‫‪1‬‬
‫)‪X*P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1/2‬‬ ‫‪E(X) =1‬‬

‫‪2III‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪X²‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬

‫)‪X²*P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1‬‬ ‫‪E(X²) = 3/2‬‬
‫مثال‪ :2‬لتكن ‪ X‬م ع ذات دالة الكثافة التالية‪ ،‬و‪ .Y = g(x) = 3x² - 2x‬أحسب )‪.E(Y‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x 2‬‬
‫‪f (x )   2‬‬
‫‪0 nonis‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E (Y )  E (g (x)) ‬‬ ‫‪‬‬‫‪‬‬
‫‪) ‬‬
‫‪g (x ) f (xxd‬‬ ‫‪‬‬ ‫‪‬‬
‫‪)   (3 x ² 2 x() x /2xd‬‬
‫‪(3 x ² 2 x() 0xd‬‬
‫‪‬‬
‫‪)   (3 x ² 2 x() 0xd‬‬
‫‪‬‬
‫)‬
‫‪2‬‬
‫‪2‬‬ ‫‪1 3 x‬‬ ‫‪2x ‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪1  61  02 01‬‬
‫‪E (Y )  0 ‬‬ ‫‪‬‬‫‪0‬‬
‫‪(3 x ² 2 x() x /2xd‬‬
‫‪) 0‬‬ ‫‪‬‬
‫‪2 4‬‬
‫‪‬‬ ‫‪  21‬‬
‫‪3  0 2 ‬‬
‫‪ ‬‬
‫‪3  6‬‬
‫‪‬‬
‫‪3‬‬

‫خصائص التوقع الرياضي‬ ‫‪25‬‬

‫‪E (C) = C‬‬
‫)‪E(CX) = CE(X‬‬
‫)‪E(X+Y) = E(X) + E(Y‬‬
‫إذا كانت املتغريتان مستقلتان‪E(XY) = E(X)E(Y) N.‬‬
‫مثال‪ :‬تتوقع مؤسسة أن تتلقى كل شهر ‪ 3‬طلبيات من العميل ‪ A‬و‪ 4‬من ‪. B‬‬
‫‪ ‬أحسب العدد املتوقع من الطلبيات املتلقاة من ‪ A‬يف السنة‪.‬‬
‫‪ ‬أحسب العدد اإلمجايل املتوقع من الطلبيات املتلقاة يف شهر‪.‬‬
‫يعني كل عميل من طرفه مندوبا عن كل طلبية ملتابعة إمتامها‪ .‬كم تتوقع أن يلزم من مقابلة لتعريف مندويب العميل ‪A‬‬
‫مبندويب ‪.B‬‬
‫‪E(12A) = 12E(A) = 12(3) = 36‬‬
‫‪.E(A*B) = E(A)*E(B) = 4*3 = 12‬‬
‫‪E(A + B) = E(A) + E(B) = 3 + 4 = 7‬‬

‫التباين واالنحراف المعياري ‪Variance et écart type‬‬ ‫المبحث ‪.6‬‬

‫تعريف التباين‬
‫خصائص التباين‬
‫المتغيرة المعيارية‬

‫تعريف التباين‬ ‫‪26‬‬

‫يعرف التباين ملتغرية عشوائية كما يلي‪:‬‬

‫‪ X ²  Var ( X )  E  X    ² ‬‬
‫‪.σ = √V(X) = √σ²‬‬ ‫و االحنراف املعياري هو جذر التباين‪.‬‬
‫‪V (X ) ‬‬ ‫) ‪x   ² f (x‬‬
‫‪x‬‬ ‫يف حالة املتغرية العشوائية املتقطعة ‪:‬‬
‫‪‬‬
‫‪V (X ) ‬‬ ‫)‪ x   ² f (xxd‬‬
‫‪‬‬ ‫يف حالة املتغرية العشوائية مستمرة ‪:‬‬

‫‪3III‬‬
 ‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫مثال‪ .‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬أحسب )‪. V(X‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫المجموع‬

‫‪1/‬‬ ‫‪1/‬‬ ‫‪1/‬‬

‫)‪P(X = x‬‬ ‫‪1‬‬
‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪1/‬‬ ‫‪1/‬‬
‫)‪X*P(X‬‬ ‫‪0‬‬ ‫‪E(X) = μ =1‬‬
‫‪2‬‬ ‫‪2‬‬
‫(‪²)X-μ‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪1/‬‬ ‫‪1/‬‬
‫(‪² * P(X))X-μ‬‬ ‫‪0‬‬ ‫)‪½ = V(X‬‬
‫‪4‬‬ ‫‪4‬‬
‫مثال ‪ .2‬لتكن ‪ X‬م ع ذات دالة الكثافة التالية؛ أحسب تباين ‪.X‬‬
‫‪1‬‬ ‫‪‬‬
‫‪ x‬‬
‫‪f ( x)   2‬‬
‫‪0 x2‬‬ ‫‪ ²‬‬ ‫)‪ x   ² f (xxd‬‬
‫‪‬‬
‫‪.‬‬ ‫‪  4 /3‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪0‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪4 x‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪1  2 8 x 61 ‬‬
‫‪ ²‬‬ ‫‪  x  3  * 0xd ‬‬ ‫‪0  x  3  2xd ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ x   0xd  0  x  x ‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪2 ‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪ 0‬‬
‫‪9 0‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪8 x ² 61 x ‬‬ ‫‪1  23 23  4‬‬
‫‪ ²  x 3 ‬‬ ‫‪‬‬ ‫‪  8 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪9 0 2 ‬‬ ‫‪3‬‬ ‫‪9  9‬‬

‫خصائص التباين‬ ‫‪27‬‬

‫‪V(X) = E(X²) - E(X)²‬‬
‫‪V(CX) = C²V(X) , V (C) = 0‬‬
‫يف حالة استقالل املتغريتان عن بعضهما‬
‫)‪V(X - Y) = V(X) + V(Y‬‬ ‫‪,‬‬ ‫)‪V(X + Y) = V(X) + V(Y‬‬
‫مثال‪ :‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬أحسب )‪ V(X‬باستخدام الصيغة‬
‫‪. V(X) = E(X²) - E(X)²‬‬
‫لتكن املتغرية ‪ .Y = 2X‬أحسب )‪ ، V(Y‬نلقي حجر نرد ونسمي ‪ Z‬النتيجة احملصل عيها‪ .‬أحسب تباين املتغرية ‪W‬‬
‫حيث‪W = Z - Y :‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫المجموع‬
‫)‪P(X = x‬‬ ‫‪1/4‬‬ ‫‪1/2‬‬ ‫‪1/4‬‬ ‫‪1‬‬
‫)‪X P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1/2‬‬ ‫‪E(X) = μ =1‬‬

‫(‪²)X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬

‫(‪² * P(X))X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1‬‬ ‫‪E(X)² = 3/2‬‬

‫‪V(X) = E(X²) - E(X)² = (3/2) - 1 = 1/2‬‬

‫‪4III‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪.V(Y) = V(2X) = 2²V(X) = 4 (1/2) = 2‬‬

‫)‪.V(W) = V(Z-2X) = V(Z) +V(2X) = V(Z) + 2²V(X‬‬
‫‪V(Z) = E(Z²) – E(Z)² = (1/6)[1²+2²+3²+4²+5²+6²]-(1/6)[1+2+3+4+5+6] = 70/6‬‬
‫‪V(W) = (70/6) + 4 (1/2) = 82/6 = 13.67‬‬

‫المتغيرة المعيارية ‪Variable centrée réduite‬‬ ‫‪28‬‬

‫ميكن أن نلحق بأي متغرية عشوائية ‪ X‬متغرية معيارية (تسمى أيضا املتغرية املركزية) ويرمز هلا ‪ . *X‬تلحق املتغرية‬
‫املعيارية باملتغرية احلقيقية من أجل املقارنة ألن املتغرية املعيارية ليس هلا وحدة كاملرت أو الساعة ‪ ...‬وإمنا هي تعرب عن‬
‫كل قيمة ‪ x‬ل ‪ X‬من خالل املسافة بني ‪ x‬والتوقع ‪ μ‬حمسوبة لس بالوحدة األصلية وإمنا باالحنرافات املعيارية‪.‬‬
‫‪X ‬‬
‫‪X *‬‬
‫‪‬‬
‫من خالل خصائص التوقع والتباين نستخرج التوقع والتباين للمتغرية املعيارية‪.‬‬
‫‪X    1‬‬ ‫‪1‬‬
‫‪E (X)*  E ‬‬ ‫‪  E (X   )  E‬‬ ‫‪ (X ) E ( )  0‬‬
‫‪   ‬‬ ‫‪‬‬
‫‪ * E (X)* ²  E X * 0 ²  E (X *)²  E  X   ²   1 E X   ²  ²  1‬‬
‫‪V (X)*  E  X‬‬
‫‪  ²   ²‬‬ ‫‪ ²‬‬
‫مثال‪ :‬أحسب ‪*X‬من أجل متوسط ‪ ،70‬احنراف معياري ‪ ،5‬و‪ X‬يساوي‪.70 ،80 ،75 ،50 ،60 ،55 :‬‬
‫اجلواب‪ :‬القيم هي‪.0 ،2 ،1 ،4- ،2- ،3- :‬‬
‫مثال ‪ .2‬يتدرب عامالن أمحد وعلي من أجل املشاركة يف ماراتون عيد العمال ‪ 1‬ماي‪ .‬يشرتط يوم املسابقة أن يكون‬
‫وزن املرتشح ال يتجاوز اجملال ‪. μ ± 1.5σ‬‬
‫إذا كان الوزن املتوسط بالكغ هو‪ μ = 70‬واالحنراف املعياري هو ‪ 5‬كغ‪ .‬هل سيقبل العامالن أمحد وعلي إذا كان‬
‫وزهنما‪ 77 :‬كغ‪ ،‬و‪ 80‬كغ؟‬
‫اجلواب‪ :‬جمال القبول هو من ‪ 62.5‬كغ إىل ‪ 77.5‬كغ‪ ،‬لذلك فسريفض علي ويقبل أمحد‪.‬‬

‫خالصة‪4‬‬ ‫‪29‬‬

‫التوقع الرياضي و التباين هي أهم املؤشرات املعربة عن خصائص املتغرية و حيسبان كما يلي‪ ،‬حسب كون املتغرية‬
‫متقطعة أو مستمرة‪:‬‬
‫‪E (X ) ‬‬ ‫‪x Pi (X  x i) ‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪i1‬‬ ‫‪i1‬‬
‫)‪x i f (x i‬‬
‫‪‬‬
‫‪E (X ) ‬‬ ‫‪‬‬‫‪‬‬
‫‪fx (xxd‬‬
‫)‬
‫لكل من التوقع و التباين ‪ 4‬خصائص أساسية تتمثل فيما يلي‪:‬‬
‫‪E (C) = C‬‬ ‫توقع عدد ثابت‬ ‫‪V(C) = 0‬‬
‫)‪E(CX) = CE(X‬‬ ‫)‪V(CX) = C²V(X‬‬
‫يف حالة استقالل املتغريتان عن بعضهما‬
‫)‪E(X+Y) = E(X) + E(Y‬‬ ‫)‪V(X + Y) = V(X) + V(Y‬‬
‫‪V(X - Y) = V(X) + V(Y) ,‬‬
‫يف حالة استقالل املتغريتان عن بعضهما‪E(XY) = E(X)E(Y) .‬‬ ‫‪V(X) = E(X²) - E(X)²‬‬

‫‪5III‬‬
 ‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫من أجل املقارنة بني املتغريات تستخدم املتغرية املعيارية اليت تسمح بالتعبري عن قيمة ‪ x‬ليس من خالل وحداهتا األصلية‬
‫(كغ‪ ،‬مرت‪ ،‬زمن‪ )... ،‬وإمنا بعدد االحنرافات املعيارية اليت تفصل بني القيمة ‪ x‬والتوقع الرياضي‪.‬‬
‫‪X ‬‬
‫‪X * ‬مها على التوايل ‪ 0‬و ‪.1‬‬ ‫التوقع الرياضي والتباين للمتغرية املعيارية‬
‫‪‬‬

‫حلساب التوقع الرياضي لدالة ما يف ‪( X‬مثال التباين‪ ،‬أو ‪ )X²‬نضرب قيم الدالة يف االحتماالت املقابلة ل‪:X‬‬
‫‪E (Y )  E (g (x)) ‬‬ ‫) ‪g (x ) f (x‬‬
‫‪x‬‬
‫‪‬‬
‫‪E (Y )  E (g (x)) ‬‬ ‫‪‬‬
‫‪‬‬
‫‪g (x ) f (xxd‬‬
‫)‬

‫‪6III‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫العزوم و الدالة المتجددة للعزوم‬ ‫المبحث ‪.7‬‬

‫العزوم‬
‫الدالة المتجددة للعزوم‬

‫العزوم ‪Les moments‬‬ ‫‪30‬‬

‫كما التباين يعترب العزم من تطبيقات توقع دالة‪ .‬منيز بني نوعني من العزوم‪ :‬العزم املركزي والعزم املرتبط باألصل‪.‬‬
‫تستخدم العزوم يف حساب عدد من املقاييس مثل معامل التماثل (‪ α3 )coefficient d'asymétrie‬ومعامل‪N‬‬
‫التفلطح (‪.α4 )Kurtosis ou coefficient d'aplatissement‬‬

‫(‪ )1‬العزم المركزي ‪.μr Le moment central‬‬

‫يعرف العزم املركزي من الدرجة ‪ r‬للم‪ N‬ع ‪ X‬كما يلي‪:‬‬

‫‪ ‬‬
‫‪ r E X‬‬ ‫‪‬‬ ‫‪ r ,‬‬ ‫‪r  0 ,1 , 2 , . . .‬‬

‫‪ ‬‬
‫‪ 0 E X‬‬ ‫‪‬‬ ‫‪  E (1 )  1‬‬
‫‪0‬‬
‫‪ 0 1‬‬
‫‪1‬‬ ‫‪ E X‬‬‫‪     E (X ) E ( )  0‬‬ ‫‪ 1 0‬‬
‫‪1‬‬

‫‪‬‬ ‫‪ E X‬‬ ‫) ‪     V (X‬‬ ‫‪ 2 ²‬‬

‫‪2‬‬
‫‪2‬‬

‫حيسب العزم املركزي حسب طبيعة املتغرية متقطعة أو مستمرة كما يلي‪:‬‬
‫‪‬‬
‫‪ r ‬‬ ‫) ‪x i   r f (x‬‬ ‫‪ r‬‬ ‫‪ x   ‬‬
‫‪r‬‬
‫‪f (xxd‬‬
‫)‬
‫‪i‬‬ ‫‪‬‬

‫مثال ‪ .‬أحسب العزوم املركزية من الدرجة ‪ 2 ،1 ،0‬و‪ 3‬للمتغرية‪ N‬ع ذات دالة الكثافة‪:‬‬
‫‪ x /2‬‬ ‫‪,‬‬ ‫‪0 x 2‬‬
‫‪f (x )  ‬‬
‫‪0 nonis‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0‬‬ ‫‪ x    f (xxd)   1 f (xxd) 1‬‬
‫‪0‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪  x    f (xxd‬‬
‫‪)   fx (xxd‬‬
‫‪)  ‬‬ ‫‪)    (1 )  0‬‬
‫‪f (xxd‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪4‬‬
‫‪ 2‬‬ ‫‪ x   ‬‬ ‫‪)  ² ‬‬
‫‪2‬‬
‫‪f (xxd‬‬
‫‪‬‬ ‫‪9‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪ 4‬‬ ‫‪ 4 x‬‬ ‫‪‬‬ ‫‪ 4‬‬ ‫‪61 76‬‬
‫) (‬
‫‪ x   ‬‬
‫‪0‬‬ ‫‪2‬‬
‫‪ 3‬‬ ‫‪)    x   (0xd‬‬ ‫‪0  x  3  2xd ‬‬ ‫‪‬‬
‫‪3‬‬
‫‪f (xxd‬‬ ‫‪) ‬‬ ‫‪ x   (0xd‬‬
‫‪) ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 3‬‬ ‫‪2‬‬
‫‪ 3‬‬ ‫) ‪72 (5‬‬
‫مثال‪ :‬أحسب العزوم املركزية من الدرجة ‪ 2 ،1 ،0‬و‪ 3‬للمتغرية ع املتقطعة اليت متثل عدد مرات احلصول على صورة‬
‫يف رميتني لقطعة‪ N‬نقدية‪.‬‬

‫(‪ )2‬العزم المرتبط باألصل ‪Moment autour de la moyenne μ'r‬‬

‫)‪ r' E (X ,‬‬

‫‪r‬‬
‫‪r  0 1, ,2 , ...‬‬ ‫يعرف العزم املرتبط باألصل كما يلي‪:‬‬

‫‪7III‬‬
 ‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫‪ 0'  E (X 0 ) E (1 ) 1‬‬ ‫‪ 0'  1‬‬

‫‪ 1' E (X 1 )  E (X ) ‬‬ ‫‪ 1' ‬‬
‫‪ 2'   ²  ²  ² ‬‬ ‫‪2‬‬ ‫‪ 2'   ² ‬‬ ‫‪2‬‬

‫مثال‪ :‬أحسب العزوم املرتبطة باألصل من الدرجة ‪ 3 ،2 ،1 ،0‬و‪ 4‬للمتغرية‪ N‬ع املتصلة ذات دالة الكثافة‪:‬‬

‫‪1‬‬
‫‪ x‬‬ ‫‪0 x2‬‬
‫‪f ( x)   2‬‬
‫‪0‬‬ ‫‪sinon‬‬

‫‪2‬‬
‫‪ 4  4 21‬‬
‫‪ '0 1 ,‬‬ ‫‪ '1   4 /3 ,‬‬ ‫‪ '2  ²  2     ‬‬ ‫‪,‬‬
‫‪3  9 9‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬‫‪x‬‬ ‫‪1  x 5  61‬‬ ‫‪2‬‬‫‪x‬‬ ‫‪1  x 6  61‬‬
‫‪ '3  x ( xd‬‬
‫‪)    ‬‬
‫‪3‬‬
‫‪,‬‬ ‫‪ '4  x ( xd‬‬
‫‪)    ‬‬
‫‪4‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪2 5 0 5‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2 6 0 3‬‬
‫مثال‪ .2‬أحسب العزوم املرتبطة باألصل من الدرجة ‪ 3 ،2 ،1 ،0‬و‪ 4‬للمتغرية‪ N‬ع املتقطعة اليت متثل عدد مرات‬
‫احلصول على صورة يف رميتني لقطعة نقدية‪.‬‬

‫(‪ )3‬العالقة بين العزم المركزي والعزم المرتبط باألصل‬

‫‪ r   'rC 1r  'r1 1  ... ( 1 ) Ci ri  'r i i ... ( 1 ) r  '0 ‬‬ ‫‪r‬‬

‫ميكن أيضا احلصول على العزوم املرتبطة باألصل من الدرجة ‪ r‬من خالل اشتقاق الدالة املتجددة للعزوم ‪ r‬مرة‪.‬‬

‫الدالة المتجددة للعزوم )‪La fonction génératrice des moments Mx(t‬‬ ‫‪31‬‬

‫الدالة املتجددة للعزوم‪ N‬هي دالة مرتبطة مبتغرية (معلمة) ‪ t‬باإلضافة إىل ارتباطها ب ‪ ،X‬ود م ع كما يلي‪:‬‬
‫‪M‬‬ ‫‪x‬‬ ‫) ‪( t)  E (e xt‬‬
‫يف حالة م ع متقطعة‪ x ( t)  e xt f (x ) :‬و‪M‬يف حالة م ع مستمرة‪:‬‬
‫‪x‬‬

‫‪‬‬
‫‪M‬‬ ‫‪x‬‬ ‫‪( t) ‬‬ ‫‪‬‬‫‪‬‬
‫‪e xt f (xxd‬‬
‫)‬

‫مثال‪ :‬أكتب الدالة املتجددة للعزرم من أجل ‪t ≠ 0‬للم ع املعرفة يف كما يلي‪:‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x 2‬‬
‫‪f (x )   2‬‬
‫‪0 nonis‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪1 2 xt‬‬
‫‪M x ( t)   e xt (0xd‬‬
‫‪)   e xt f (xxd‬‬ ‫‪)   e xt (0xd‬‬ ‫‪)  0   ex xd‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2 0‬‬
‫‪1 2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪e xt‬‬
‫‪2 0‬‬ ‫‪0  . U  xUd xd Vd‬‬
‫‪M x ( t)  VdU‬‬ ‫‪ VU‬‬ ‫‪[ ] 0 UdV‬‬
‫‪2‬‬
‫‪,‬‬ ‫‪ e xd  V ‬‬
‫‪xt‬‬

‫‪2 ‬‬ ‫‪t‬‬

‫‪1   e xt ‬‬ ‫‪ 1   e 2 t  1 e 2 t   e 2 t e 2 t‬‬
‫‪2‬‬
‫‪xt‬‬
‫‪2e‬‬
‫‪M x ( t)   x    xd    2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2  t  0 0 t‬‬ ‫‪ 2   t  t  t  ‬‬ ‫‪t 2 t²‬‬
‫‪‬‬ ‫‪‬‬
‫تستخدم الدالة املتجددة للعزوم‪ N‬حلساب العزم املركزي من درجة ‪:r‬‬

‫‪8III‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪r‬‬
‫‪dM‬‬ ‫)‪( t‬‬
‫‪ r ‬‬ ‫‪x‬‬
‫‪r‬‬
‫‪ceva‬‬ ‫‪t 0‬‬
‫‪td‬‬

‫كما تستخدم الد م ع إلثبات تساوي توزيعني احتماليني‪ ،‬مثال عند حتقق شروط معينة‪ ،‬وحنتاج ذلك خاصة عند‬
‫دراسة التقارب بني التوزيعات االحتمالية‪ .‬النظرية اليت نستعملها يف ذلك هي كاآليت‪:‬‬
‫لتكن م ع ‪ X‬و‪ Y‬هلما الد م ع )‪ Mx(t‬و)‪ My(t‬؛ نقول أن م ع ‪ X‬و‪ Y‬هلما نفس التوزيع االحتمايل إذاا‪:‬‬

‫)‪Mx(t) = My(t‬‬

‫كما تستخدم الد م ع إلثبات إستقالل توزيعني احتماليني‪ .‬النظرية اليت نستعملها يف ذلك هي كاآليت‪:‬‬
‫)‪Mx+y(t) = Mx(t) . My(t‬‬ ‫إذا ‪ X‬و‪ Y‬م ع مستقلتان‪ ،‬هلما الد م ع )‪ Mx(t‬و)‪ My(t‬؛ فإن‪:‬‬

‫خالصة‬ ‫‪32‬‬
‫العزم و الدالة املتجدد للعزوم‪ N‬هي عبارة عن توقعات دوال (أنظر املبحث السابق)‪ .‬يدخل العزم يف حساب بعض‬
‫املؤشرات مثل التباين و التوقع الرياضي‪ ،‬معامل التفلطح و معامل التماثل‪.‬‬
‫‪‬‬
‫‪ ‬‬
‫‪ r E X‬‬ ‫‪ r ,‬‬ ‫يعرف العزم املركزي من الدرجة ‪ r‬للم‪ N‬ع ‪ X‬كما يلي‪r  0 ,1 , 2 , . . . :‬‬

‫يعرف العزم املرتبط باألصل كما يلي‪ r  E (X r,) r  0 ,1 , 2 , . . . :‬‬

‫‪M‬‬ ‫‪x‬‬ ‫) ‪( t)  E (e xt‬‬ ‫تعرف الدالة املتجددة للعزوم كما يلي‪:‬‬

‫تستخدم الدالة املتجددة للعزوم‪ N‬إلثبات التقارب بني توزيعات احتمالية و ذلك من خالل نظريتني أساسيتني‪.‬‬

‫)‪Mx(t) = My(t‬‬ ‫نقول أن م ع ‪ X‬و‪ Y‬هلما نفس التوزيع االحتمايل إذاا‪:‬‬ ‫‪‬‬
‫)‪Mx + y (t) = Mx(t) . My(t‬‬ ‫إذا ‪ X‬و‪ Y‬م ع مستقلتان فإن‪:‬‬ ‫‪‬‬

‫نظرية شيبيشيف ونظرية األعداد الكبيرة‬ ‫المبحث ‪.8‬‬

‫متراجحة شيبيشيف‬
‫نظرية األعداد الكبيرة‬

‫متراجحة‪ 4‬شيبيشيف ‪Inégalité de Bienaymé CHEBYCHEV‬‬ ‫‪33‬‬

‫هي نظرية ختص م ع املتقطعة واملستمرة على السواء‪ ،‬اليت يكون هلا متوسط وتباين حمدود‪ .‬تستخدم هذه النظرية يف‬
‫قياس التشتت حول التوقع ‪ ،μ‬وذلك عن طريق احتمال (أو نسبة) املفردات اليت املسافة (الفرق) بينها وبني ‪ μ‬تزيد‬
‫عن مقدار ما‪ P(-ε ≥ (x - μ) ≥ ε) :‬أو بعبارة أكثر اختصارا‪ .P(|x - μ| ≥ ε) :‬حسب نظرية شيبيشيف فإن‬
‫هذه النسبة ال تزيد عن ‪ ،σ²/ε²‬وذلك مهما كانت طبيعة التوزيع‪ .‬ونعرب عن هذه النظرية كما يلي‪:‬‬
‫إذا كانت ‪ X‬م ع متصلة‪ N‬أو متقطعة‪ ،‬هلا متوسط ‪ μ‬وتباين حمدود ‪ ،σ²‬فإنه مهما يكن ‪ ε‬عدد موجب متاما‪:‬‬
‫‪ ²‬‬
‫‪P ( x     )‬‬
‫‪²‬‬

‫‪9III‬‬
 ‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫‪1‬‬
‫‪P ( x    k )‬‬ ‫‪ ε = k σ‬فنجد ‪:‬‬ ‫و من أجل صياغة أكثر داللة‪ ،‬نضع‪:‬‬
‫‪k²‬‬
‫الحظ أنه‪ ،‬انطالقا من نفس النتيجة‪ ،‬لدينا أيضا‪:‬‬
‫‪ ²‬‬
‫‪P (   x     )  P  x      1 ‬‬
‫‪²‬‬
‫سؤال‪ :‬هل هذه العبارة صحيحة‪ :‬إذا كان أقل من ‪ % 10‬من الفائزين يف امتحان الباكالوريا حيصلون على‬
‫تقدير أكثر من حسن‪ ،‬فهذا يعين أن أكثر من ‪ %90‬من الفائزين يف الباكالوريا حيصلون على تقدير أقل من‬
‫حسن‪ .‬اجلواب نعم‪.‬‬
‫مثال‪ :‬لتكن ‪ X‬م ع تتبع توزيعا أيا كان؛ هلا متوسط ‪ μ‬وتباين حمدود ‪ ،σ²‬و‪ ε‬عدد موجب متاما؛‬
‫‪ .1‬أحسب احلد األقصى لالحتمال )‪ P(-ε ≥ (x - μ) ≥ ε‬من أجل ‪.ε = 2 σ، ε = 3 σ، ε = 4 σ‬‬
‫‪ .2‬أحسب احلد األدىن لالحتمال )‪ P(-ε < (x - μ) < ε‬من أجل ‪.ε = 2 σ، ε = 3 σ، ε = 4 σ‬‬
‫‪ ²‬‬
‫‪P (   x     )  P  x     ‬‬
‫‪²‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪  2 P (   x     )  P x    2 ‬‬ ‫‪,‬‬ ‫‪  3 P  x    3 ‬‬ ‫‪,‬‬
‫‪4‬‬ ‫‪9‬‬
‫‪  4 P (   x     )  P x    4 ‬‬
‫‪1‬‬
‫‪,‬‬
‫‪61‬‬
‫‪ ²‬‬
‫‪P (   x     )  P x      1 ‬‬
‫‪²‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪  2 P (   x     )  P x    2  1 ‬‬ ‫‪ 3 /4 ,‬‬ ‫‪  3 P x    3  1   8 /9 ,‬‬
‫‪4‬‬ ‫‪9‬‬
‫‪1‬‬
‫‪  4 P (   x     )  P x    4  1  51 61‬‬ ‫‪/ ,‬‬
‫‪61‬‬
‫مثال ‪ .2‬يتم أخذ أوزان عمال مركب احلجار من أجل ترشيحهم للمشاركة يف ماراتون عيد العمال ‪ 1‬ماي‪.‬‬
‫‪ .1‬كيف ميكن حتديد جمال القبول حبيث يتم ترشيح على األقل ‪ %75‬من العمال‪ ،‬رفض ترشيح أقل من ‪%25‬‬
‫من العمال؟‬
‫‪ .2‬حدد قيم اجملال إذا كان الوزن املتوسط االفرتاضي هو ‪ 70‬كغ‪ ،‬واالحنراف املعياري ‪5‬كغ‪.‬‬
‫‪ ²‬‬
‫‪P (   x     )  P x      1 ‬‬
‫‪²‬‬
‫‪(   x     )  P  x    2  1 ‬‬
‫‪1‬‬
‫‪euqsroL‬‬ ‫‪  2suon‬‬
‫‪ .snovas‬‬ ‫‪àjédPeuq‬‬ ‫‪57 %‬‬
‫‪4‬‬
‫‪ ²‬‬
‫‪P (  x     )  P  x     ‬‬
‫‪²‬‬
‫‪1‬‬
‫‪euqsroL‬‬ ‫‪  2suon‬‬
‫‪ .snovas‬‬ ‫‪àjéd euq P  x    2 ‬‬ ‫‪52 %‬‬
‫‪4‬‬
‫‪ .1‬إن أكثر من ‪ % 75‬العمال هلم أوزان ال تبتعد بأكثر من ‪ σ 2‬عن املتوسط‪ ،‬وهذا ميكن التعبري عنه بطريقة‬
‫أخرى بالقول‪ :‬إن أقل أو يساوي من ‪ 25‬باملئة من العمال هلم أوزان أبعد من الوزن املتوسط بأكثر من ‪σ‬‬
‫‪ .2‬إذا ميكن اختاذ جمال قبول ‪ μ±2σ‬لتحقيق اهلدف املسطر‪.‬‬
‫‪ .2‬اجملال الذي حيقق اهلدف حسب القيم املعطاة للمتوسط واالحنراف املعياري هو من ‪ 60‬إىل ‪ 80‬كغ‪.‬‬

‫‪10III‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مثال ‪ .3‬متوسط مدة التمدرس‪ N‬يف جمتمع معني هي ‪ 8‬سنوات‪ ،‬واالحنراف املعياري ‪. σ = 1‬‬
‫أحسب أدىن احتمال ملدة متدرس بني ‪ 6‬و‪ 10‬سنوات لفرد خمتار عشوائيا من‬ ‫‪.1‬‬
‫هذا اجملتمع‪.‬‬
‫أحسب أقصى احتمال ملدة متدرس ال تزيد عن ‪ 6‬سنوات أو ال تقل عن ‪10‬‬ ‫‪.2‬‬
‫سنوات‪.‬‬
‫‪1‬‬
‫‪P ( x    k )  1 ‬‬ ‫‪.‬‬ ‫‪  8‬‬
‫‪,  1 01    2 , 6    2ruoP‬‬
‫‪ .‬‬ ‫‪k 2 :‬‬
‫‪k²‬‬
‫‪1‬‬
‫‪(  x  6 )  P ( x    2 )  1 ‬‬
‫‪P01‬‬ ‫‪ 3 /4‬‬
‫‪2²‬‬
‫أدىن احتمال ملدة متدرس بني ‪ 6‬و‪ 10‬سنوات لفرد خمتار عشوائيا من هذا اجملتمع هي ‪.0.75‬‬
‫‪1‬‬
‫‪P ( x   k )‬‬ ‫‪.‬‬ ‫‪6    2tios‬‬
‫‪.‬‬ ‫‪k 2 :‬‬
‫‪k²‬‬
‫‪1‬‬
‫‪P ( x   2 )  1 /4‬‬
‫‪2²‬‬
‫أدىن احتمال ملدة متدرس ال تزيد عن ‪ 6‬سنوات أو ال تقل عن ‪ 10‬هو ‪.0.25‬‬

‫نظرية األعداد الكبيرة ‪Théorème des grands nombres‬‬ ‫‪34‬‬

‫تعترب نظرية األع‪NN N‬داد الكب‪NN N‬رية من نت‪NN N‬ائج نظرية شيبيش‪NN N‬يف ويس‪NN N‬تفاد منها بش ‪NN‬كل خ ‪NN‬اص يف نظرية املعاين ‪NN‬ة‪ .‬تص‪NN N‬اغ ه‪NN N‬ذه‬
‫النظرية بالش‪NN‬كل اآليت‪ :‬لتكن املتغ‪NN‬ريات ‪ . . . . ،X1، X2‬متغ‪NN‬ريات عش‪NN‬وائية مس‪NN‬تقلة‪ N‬هلا نفس التوزيع االحتم‪NN‬ايل ولكل‬
‫منها نفس املتوسط ‪ μ‬والتباين ‪ σ²‬إذا كانت‬
‫‪,Sn = X1 + X2 + . . . +Xn‬‬ ‫)‪(n = 1, 2, . . .‬‬

‫‪S‬‬ ‫‪‬‬
‫‪mil‬‬ ‫‪n ‬‬
‫‪P  n       0‬‬
‫‪ n‬‬ ‫‪‬‬

‫مبا أن ‪ E(Sn/n) = µ‬فإن مضمون هذه النظرية هو أن احتمال أن تبتعد املتغرية ‪ Sn/n‬عن قيمتها املتوقعة بأكثر من ‪ε‬‬
‫هو ‪ 0‬عن‪N‬دما ‪ .∞→ n‬تس‪N‬مى ه‪N‬ذه الص‪N‬ياغة أيضا بق‪N‬انون األع‪N‬داد الكب‪N‬رية الض‪N‬عيف‪ .‬حيث أن ق‪N‬انون األع‪N‬داد الكب‪N‬رية‬
‫القوي هو‪:‬‬
‫‪∞→Sn/n‬‬ ‫‪= µ] = 1 P[lim n‬‬

‫خالصة‪4‬‬ ‫‪35‬‬

‫نظرية شيبيشاف ونظرية األعداد الكبرية من النظريات اليت تقيس تشتت املتغرية و هي من تطبيقات توقع دالة‪:‬‬
‫‪ ‬إذا كانت ‪ X‬م ع متصلة‪ N‬أو متقطعة‪ ،‬هلا متوسط ‪ μ‬وتباين حمدود ‪ ،σ²‬فإنه مهما يكن ‪ ε‬عدد‬
‫موجب متاما‪:‬‬
‫‪ ²‬‬
‫‪P ( x     )‬‬
‫‪²‬‬

‫‪11III‬‬
‫التوقع الرياضي و التباين‬ ‫الفصل الثالث‬

‫‪ ‬لتكن املتغريات ‪ . . . . ،X1، X2‬متغريات عشوائية مستقلة‪ N‬هلا نفس التوزيع االحتمايل ولكل‬
‫منها نفس املتوسط ‪ μ‬والتباين ‪ σ²‬إذا كانت‬
‫‪,Sn = X1 + X2 + . . . +Xn‬‬ ‫)‪(n = 1, 2, . . .‬‬

‫‪S‬‬ ‫‪‬‬
‫‪mil‬‬ ‫‪n ‬‬
‫‪P  n       0‬‬
‫‪ n‬‬ ‫‪‬‬

‫‪12III‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التوزيعات االحتمالية األكثر استخداما‬

‫التوزيعات االحتمالية المتقطعة‬

‫التوزيعات االحتمالية المستمرة‬

‫التوزيعات الحتمالية المتقطعة األكثر استخداما‬ ‫المبحث ‪.9‬‬

‫التوزيع الهندسي الزائد‪ ،‬التوزيع الهندسي الزائد المتعدد‪ z،‬توزيع برنولي‪ ،‬التوزيع الثنائي‪ ،‬التوزيع الثنائي السالب‬
‫(باسكال)‪ ،‬التوزيع الهندسي‪ ،‬التوزيع المتعدد‪ ،‬توزيع بواسون‪.‬‬

‫بعد أن عرفنا مفهوم‪ N‬املتغرية العشوائية والتوزيع االحتمايل ميكننا اآلن أن ندرس عدد من التوزيعات االحتمالية الشهرية‪.‬‬
‫تستخدم هذه التوزيعات يف حل العديد من املسائل يف جمال التسيري الصناعي والتجاري ويف اإلدارة‪ .‬ومن أكثر هذه‬
‫التوزيعات شيوعا‪ :‬التوزيع الثنائي وتوزيع بواسون‪ .‬يف هناية احملاضرة يفرتض أن يكون الطالب قادرا على استذكار‬
‫القوانني املدروسة وخصائصها األساسية‪ ،‬ومن خالل التطبيقات يفرتض أن يتمكن من معرفة مىت وكيف ميكن‬
‫استخدام كل قانون‪.‬‬

‫التوزيع الهندسي الزائد‪Distribution hyper géométrique:‬‬ ‫‪36‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الهندسي الزائد‪:‬‬

‫مثال ‪ .1‬صندوق به ‪ 6‬كريات منها ‪ 4‬بيضاء و‪ 2‬محراء‪ .‬نسحب بدون إرجاع ‪3‬كريات‪ .‬احسب احتمال احلصول‬
‫على كرتني بيضاوين‪3 ،‬كريات بيضاء‪ ،‬كرية واحدة بيضاء‪ ،‬وال كرية بيضاء‪.‬‬
‫نفرتض أننا نسحب من صندوق كريات بدون إرجاع عددها ‪ ،n‬إذا كان الصندوق حيتوي على ‪ N‬كرية منها ‪b‬‬
‫بيضاء و‪ r‬محراء (‪ )N = b + r‬فإن احتمال احلصول على عدد معني ‪ x ≤ b‬من الكريات البيضاء ميكن أن حنصل‬
‫عليه من خالل القانون الكالسيكي لالحتماالت (ع احلاالت املالئمة ‪/‬ع احلاالت املمكنة) وذلك باستخدام‬
‫التوفيقات‪:‬‬
‫‪C‬‬ ‫‪ rn x‬‬
‫‪x‬‬
‫‪C‬‬
‫‪P (X  x ) ‬‬ ‫‪b‬‬

‫‪C Nn‬‬
‫‪ ,b, p) X ~ H(N‬حيث‪:‬‬ ‫تسمى هذه الصيغة‪ :‬قانون التوزيع اهلندسي الزائد ونكتب‬
‫‪ p = b/N‬و =‪p q = r/N-1‬‬
‫ميكن اآلن اإلجابة على أسئلة املثال كما يلي‪:‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪P(X=2) = C4 . C2 / C 6 = 12/20‬‬ ‫… ‪, P(x = 3) = C4 . C2 / C6 = 1/5 ,‬‬

‫‪1IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫(‪ )2‬خصائص التوزيع الهندسي الزائد‬

‫‪N  n ‬‬
‫‪ pn ,‬‬ ‫‪ ²qpn‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N  1 ‬‬
‫مالحظة‪ :‬للتوزيع‪ N‬اهلندسي الزائد عالقة بالتوزيع‪ N‬الثنائي سنذكرها عندما نتطرق هلذا األخري‪.‬‬

‫التوزيع الهندسي الزائد المتعدد‪Distribution Multi-hypergéométrique:‬‬ ‫‪37‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الهندسي الزائد المتعدد‬

‫ميكن بسهولة تعميم القانون السابق على حالة وجود أكثر من صنفني (‪ k‬صنف)‪ ،‬حيث من كل صنف لدينا ‪Ni‬‬
‫كرية‪،‬‬
‫(‪ ، )ΣNi = N‬وحلساب احتمال نتيجة معينة؛ مثال ‪ 2‬كريات بيضاء (‪5 ، )X1 = 2‬محراء‪ 1 ،‬زرقاء‪ . . . ،‬ميكن‬
‫حساب عدد احلاالت املالئمة واملمكنة من خالل التوفيقات كما يلي‪:‬‬
‫‪x‬‬ ‫‪x2‬‬ ‫‪xk‬‬
‫‪C N1C‬‬ ‫‪..C‬‬
‫‪.‬‬
‫‪‬‬ ‫‪N i N ‬‬
‫‪N2‬‬ ‫‪Nk‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪P (X 1  x 1 ,X 2  x 2., ..X k  x k ) ‬‬ ‫‪1‬‬
‫‪n‬‬ ‫‪1‬‬
‫‪,‬‬ ‫‪1‬‬
‫‪x i n‬‬
‫‪C‬‬ ‫‪N‬‬

‫(‪ )2‬خصائص التوزيع الهندسي الزائد المتعدد‬

‫‪N i‬‬
‫‪E (X i)  n‬‬ ‫‪pn‬‬ ‫‪i‬‬
‫‪N‬‬
‫مالحظة‪ : 4‬للتوزيع‪ N‬اهلندسي الزائد عالقة بالتوزيع‪ N‬الثنائي سنذكرها عندما نتطرق هلذا األخري‪.‬‬

‫توزيع برنولي‪Distribution de Bernoulli 1‬‬ ‫‪38‬‬

‫(‪ )1‬استنتاج صيغة قانون برنولي‬

‫نقول عن جتربة أهنا "برنولية" إذا كانت حتتمل نتيجتني (حدثني) متنافيتني ‪ A‬و‪ .’A‬نسمي ‪ A‬جناح و‪ ’A‬فشل‪.‬‬
‫نعترب املتغرية ع ‪ X‬اليت متثل عدد مرات النجاح‪ ،‬تأخذ ‪X‬القيمة ‪ 1‬عند حتقق احلدث ‪ A‬و‪ 0‬يف احلالة املعاكسة‪.‬‬
‫نرمز عادة ب ‪" p‬احتمال النجاح" الحتمال حتقق احلدث ‪ A‬و‪ q = 1 - p‬احتمال احلدث املعاكس (الفشل)‪ .‬يعني‬
‫توزيع برنويل كما يلي ‪:‬‬
‫‪P (X  1 )  p ,‬‬ ‫‪P (X  0 )  q ,‬‬ ‫‪X  0 ,1 .‬‬
‫ونكتب )‪X ~ B(1, p‬‬

‫(‪ )2‬خصائص توزيع برنولي‬

‫>= ‪p + 0.q = p‬‬ ‫‪E(X) = p.‬‬ ‫= ‪E(X) = Σxipi.1‬‬
‫>= ‪.V(X) = E(X²) – E(X)² = (1².p + 0².q) – p² = p – p² = p(1- p) = pq‬‬ ‫‪V(X) = qp‬‬
‫>= ‪.M(t) = E(ext) = e0tq + e1t p‬‬ ‫الدالة المتجددة للعزوم ‪M(t) = q + pet‬‬

‫)‪ 3    x    p( x) (0  p ) 3 q  (1  p) 3 p  pq 3  qp 3  qp(q ²  p ²‬‬

‫‪3‬‬

‫بإسم ‪ Jacques Bernoulli‬الذي درس هذا التوزيع يف أواخر القرن ‪.17‬‬ ‫‪1‬‬

‫‪2IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫معامل التماثل‬
‫‪ 3 pq (q ² p)²‬‬ ‫‪q ² p ²‬‬
‫‪ 3‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 3 pq pq‬‬ ‫‪pq‬‬

‫التوزيع الثنائي ‪Distribution binomiale‬‬ ‫‪39‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الثنائي‪:‬‬

‫‪X = 0, 1, 2, 3, . . . n‬‬ ‫إذا كررنا جتربة برنويل ‪ n‬مرة فإن ‪( X‬عدد مرات النجاح) تأخذ القيم‪:‬‬
‫لنفرتض التجربة الربنولية رمي قطعة نقدية مكررة عدد ‪ n‬من املرات‪ ،‬و‪ X‬عدد مرات احلصول على صورة (‪:)F‬‬
‫‪.X = 0, 1, 2‬‬ ‫حالة ‪n = 2  :‬‬
‫‪P(X = 0) = q*q = q², P(X=1) = P(FP) + P(PF) = p*q + q*p = 2p1q1‬‬
‫‪.X = 0, 1, 2, 3‬‬ ‫‪n = 3 ‬‬ ‫حالة ‪:‬‬
‫‪P(X=3) = P(FFF) = p*p*p = p3, P(X=2) = P(FFP ou PFF ou FPF) = 3p2q1‬‬
‫‪.X = 0, 1, 2, 3, 4‬‬ ‫حالة ‪4n = :‬‬
‫‪P(X=3) = P(FFFP ou PFFF ou FPFF ou FFPF) = 4 p3q1‬‬
‫يف النتيجة األخرية نالحظ العدد ‪ 3‬هو ‪ ، x‬العدد ‪ 1‬هو ‪ ، n-x‬والعدد ‪ 4‬هو عدد الطرق املالئمة للحصول على‬
‫ثالث جناحات من بني (‪ )n=4‬جتارب‪ ،‬وميكن حسابه كما يلي‪:‬‬
‫!‪n‬‬
‫‪C nx ‬‬
‫)!‪x !(n  x‬‬
‫وبالتايل فاحتمال عدد ما ‪ x‬من النجاحات من بني‪ n‬جتربة برنولية حيسب كما يلي‪:‬‬

‫‪n x‬‬
‫‪P (X  x )  C nxp xq‬‬ ‫‪,‬‬ ‫‪x  0 ,1 ,2 ,3 , . . . ,n‬‬ ‫‪,‬‬ ‫‪n  1 ,2 ,3 , . . .‬‬
‫حيث ‪ x‬عدد مرات النجاح‪ p ،‬احتمال النجاح يف التجربة الواحدة (يبقى ثابت عند تكرار التجربة)‪q = 1-p ،‬‬
‫احتمال الفشل و‪ n‬عدد التجارب‪ .‬و هو تعريف " قانون التوزيع الثنائي" ويكتب قانون التوزيع االحتمايل أيضا كما‬
‫يلي‪:‬‬
‫‪P (X  x )  C nxp x (1  p ) n x‬‬
‫أو )‪.X ~ B(n, p‬‬

‫(‪ )2‬شروط استخدام التوزيع الثنائي‬

‫‪ o‬جتربة برنولية مكررة عدد حمدد من املرات‬
‫‪ o‬احتمال النجاح يف التجربة ثابت (التجارب مستقلة)‬
‫مثال ‪ :‬أحسب عند رمي قطعة نقدية متوازنة ‪ 4‬مرات احتمال احلصول على‪:‬‬
‫وال مرة صورة‪ ،‬مرة واحدة‪ ،‬مرتني‪ 3 ،‬مرات‪ 4 ،‬مرات‪.‬‬
‫‪P(X = x) = Cxn px qn-x => P(X = 0) = C04 0.50 0.54 = 1/16‬‬
‫‪P(X = 1) = C14 0.51 0.53‬‬ ‫‪P(X = 2) = C24 0.52 0.52‬‬
‫مثال ‪ :2‬نسحب باإلرجاع ‪ 3‬كريات من صندوق حيتوي ‪ 5‬كريات منها ‪ 3‬محراء‪.‬‬

‫‪3IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫أحسب احتمال احلصول على كريتني محراء‪.‬‬

‫‪1‬‬
‫)‪P(X=2) = C23 (3/5)2 (2/5‬‬

‫(‪ )3‬خصائص التوزيع الثنائي‬

‫التوقع والتباين‪ :‬ميكن اعتبار ‪ X‬جمموع متغريات مستقلة برنولية ‪ X = X1 + X2 + … X i+ … + Xn‬هلا نفس‬
‫املعلم ‪ p‬وبالتايل نفس التوقع (‪ )E(Xi) = p‬أيضا‪ .‬إذا باستخدام خصائص التوقع والتباين جند‪:‬‬
‫‪E(X) = E(X1 + X2 + … Xi + … + Xn) = ΣE(Xi) = Σpi = n p => E(X) = np‬‬
‫)‪,V(X) = V(X1 + X2 + … Xi + … + Xn‬‬
‫‪V(X) = ΣV(Xi) = Σpq =>V(X) = npq‬‬ ‫‪ Xi‬مستقلة إذن‬
‫مثال‪ :‬أحسب التوقع والتباين للمثال السابق ‪:‬‬

‫الدالة املتجددة للعزوم‪ :‬باعتبار ‪ X‬جمموع متغريات برنولية مستقلة ‪ X = X1 + X2 + …Xi + … + Xn‬هلا نفس‬
‫املعلم ‪ p‬ونفس الدالة املتجددة للعزوم‪MX(t) = [q + pet] :‬وباستخدام النظرية السابقة خبصوص الدالة م للعزوم‪:‬‬
‫"من أجل‪ X 1‬و‪ X2‬م ع مستقلة‪ N‬هلا الدالة م للعزوم‪ Mx1(t) N‬و)‪ Mx2(t‬فإن‪ "Mx1 + x2 (t) = Mx1(t). Mx2(t) :‬؛‬
‫نستنتج‪:‬‬
‫)‪MX(t) = Mx=x1+x2+…xn(t) = Mx1(t) . Mx2(t) … Mxn(t‬‬
‫>= )‪MX(t)= E(ex1t) . E(ex2t) … E(exnt‬‬ ‫‪MX(t) = [q + pet]n‬‬
‫معامل‪ 4‬التماثل‬
‫‪3‬‬
‫‪ 3‬‬ ‫‪.‬‬ ‫‪ 3 ‬‬ ‫‪x   3 p (x ) x pn 3 p (x ) . . .qpn‬‬
‫‪‬‬ ‫) ‪(q  p‬‬
‫‪ 3‬‬
‫‪q p‬‬ ‫‪qpn (1  p ) p  1  2 p‬‬
‫‪erocne‬‬
‫‪uo‬‬ ‫‪: ‬‬ ‫‪  ‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪3‬‬
‫‪qpn‬‬ ‫‪qpn qpn‬‬ ‫‪‬‬
‫يكون منحىن التوزيع الثنائي متماثال عندما ‪½ = α3 = 0 => 2 p = 1 => p‬‬
‫‪1  6 pq‬‬ ‫معامل‪ 4‬التفلطح‬
‫‪4  3 ‬‬
‫‪npq‬‬
‫يكون منحىن التوزيع معتدال عندما ‪α4 = 3 => qp = 1/6‬‬

‫(‪ )4‬قاعدة تقارب‪ :‬العالقة بين التوزيع الهندسي الزائد والتوزيع الثنائي‬
‫يف حالة ‪ N‬كبري جدا (يؤول إىل ∞) فإن (‪ )N-1( / )N-n‬تؤول إىل ‪ n( 1‬حمدود)‪ .‬ومن جهة أخرى يعطي‬
‫التوزيع الثنائي نتائج قريبة من التوزيع اهلندسي الزائد ويصبح السحب بدون إرجاع مطابقا تقريبا للسحب‪ N‬باإلرجاع‪.‬‬

‫‪4IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التوزيع الثنائي السالب (باسكال) ‪Distribution binomiale négative‬‬ ‫‪40‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الثنائي السالب‪:‬‬

‫مثال‪ :‬نرمي قطعة نقود إىل غاية احلصول على ‪ 3‬مرات صورة (متتالية أو ال)‪ .‬أحسب احتمال أن حنصل على ذلك‬
‫بعد ‪ 5‬رميات‪ 4 ،‬رميات‪ 3 ،‬رميات‪ ،‬توقع عدد الرميات الالزمة وأحسب التباين‪.‬‬
‫من جديد ليكن لدينا جتربة برنولية (نتيجتني جناح وفشل) مكررة‪ ،‬لكن هذه املرة إلى غاية الحصول على عدد معين‬
‫(‪ )r‬من النجاحات‪ X.‬يف هذه احلالة هي عدد مرات تكرار التجربة إىل غاية احلصول على ‪ r‬جناح‪.‬‬
‫كيف حيسب االحتمال ؟ نعلم أن حتقق النجاح ‪ r‬مرة احتماله ‪ pr‬واحتمال الفشل ‪ x-r‬مرة يساوي ‪ . qx-r‬إذا‬
‫االحتمال املطلوب يتضمن جداء هذين االحتمالني ‪ . pr qx-r‬لكن هناك عددا من الطرق املالئمة لتحقيق ‪ r‬جناح من‬
‫بني ‪ X‬جتربة مع العلم أن آخر جتربة هي جناح‪ .‬هذا العدد يساوي إذا عدد الطرق املالئمة الختيار ‪ r-1‬جناح من بني‬
‫‪ x-1‬جتربة ‪( Cr-1x-1‬التجربة األخرية معلومة‪ N‬النتيجة)‪.‬‬
‫‪r1‬‬ ‫‪x r‬‬
‫‪P (X  x )  C‬‬ ‫‪p rq‬‬
‫‪x1‬‬ ‫‪,‬‬ ‫‪X  r ,r  1 ,r  2 ...‬‬
‫‪,  ,‬‬ ‫‪r  1 ,2 ,3 , ..., ‬‬
‫يسمى هذا التوزيع توزيع باسكال أو الثنائي السالب ونكتب‪X~B (N, r, p) :‬‬
‫ميكن إذا اإلجابة على أسئلة املثال السابق مبا يلي‪:‬‬
‫‪P (X = 5) = C3-15-1 p3 q5-3 = C24 (½)3 (½)2 = 6 (1/8) (1/4) = 9/32‬‬
‫‪µ = r/p = 3/(1/2) = 6 , σ² = rq/p² = 3 (1/2) / (1/2)² = 12/2 = 6‬‬

‫(‪ )2‬خصائص التوزيع الثنائي السالب‬

‫‪t‬‬
‫‪r‬‬ ‫‪qr‬‬ ‫‪e‬‬
‫‪‬‬ ‫‪,‬‬ ‫‪ ²‬‬ ‫‪,‬‬ ‫‪M ( t)  p‬‬
‫‪p‬‬ ‫‪p²‬‬ ‫‪‬‬
‫‪1 eq‬‬ ‫‪‬‬
‫‪t r‬‬

‫‪q1‬‬ ‫‪(q  2²)  3qn‬‬

‫)‪(  1‬‬
‫‪ 3‬‬ ‫‪,  4 3‬‬
‫‪q‬‬ ‫‪qn‬‬

‫التوزيع الهندسي ‪Distribution géométrique‬‬ ‫‪41‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الهندسي‬

‫نرمي قطعة نقدية إىل أن حنصل على صورة‪ .‬احتمال أن يتطلب ذلك ‪ 4‬رميات هو‪P(X= 4) = P(PPPF) :‬‬
‫نعود من جديد إىل التجربة الربنولية وهذه املرة نكرر التجربة إىل غاية احلصول على النتيجة أو احلدث املطلوب (جناح‬
‫مرة واحدة)‪ .‬املتغرية العشوائية ‪ X‬اليت متثل عدد مرات تكرار التجربة (مبا فيها املرة اليت حصل فيها النجاح) تتبع‬
‫التوزيع اهلندسي‪.‬‬
‫إذا رمزنا الحتمال النجاح ب ‪ p‬والحتمال الفشل ب ‪ q‬فإن االحتمال ميكن كتابته كما يلي‪P(X= 4) = q3p :‬‬
‫وبصفة عامة فإن احتمال أي قيمة ل‪ X‬يعرب عنه كما يلي ‪:‬‬
‫‪x1‬‬
‫‪P (X  x )  q‬‬ ‫‪p‬‬ ‫‪,‬‬ ‫‪X  1 ,2 ,3 , ...‬‬

‫‪5IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫خصائص التوزيع الهندسي‬ ‫(‪)2‬‬

‫‪q1‬‬ ‫‪p²‬‬ ‫‪1‬‬ ‫‪q‬‬ ‫‪et‬‬
‫‪ 3‬‬ ‫‪,‬‬ ‫‪ 4 21 ‬‬ ‫‪ ,‬‬ ‫‪ ²‬‬ ‫‪,‬‬ ‫‪M ( t)  p‬‬
‫‪q‬‬ ‫‪q‬‬ ‫‪p‬‬ ‫‪p²‬‬ ‫‪1 eq‬‬ ‫‪t‬‬
‫‪‬‬
‫مالحظة‪ :‬التوزيع اهلندسي ما هو إال حالة خاصة من توزيع باسكال حيث ‪r = 1‬‬

‫التوزيع المتعدد ‪Distribution multinomiale‬‬ ‫‪42‬‬

‫(‪ )1‬استنتاج صيغة قانون التوزيع الثنائي المتعدد‬

‫مثال‪ .‬نرمي قطعة نرد ‪ 4‬مرات‪ .‬أوجد احتمال احلصول على مرتني الرقم ‪ 6‬ومرتني الرقم ‪.1‬‬
‫التوزيع املتعدد هو تعميم للتوزيع الثنائي‪ ،‬فبينما األول يستعمل يف حالة جتربة تقبل نتيجتني فقط‪ ،‬يستعمل التوزيع‬
‫املتعدد للحالة العامة حيث يكون للتجربة عدد ‪ k‬من النتائج املمكنة‪ .‬مع استقاللية التجارب عن بعضها‪ .‬نرمز هلذه‬
‫النتائج ب ‪ A1, A2, . . . Ak‬والحتماالهتا ب ‪ . p1, p2, p3, . . . pk‬مبا إن األحداث (النتائج) ‪Ai‬متنافية فإن‪:‬‬
‫= ‪p1+ p2 + p3 + . . . + pk 1‬‬
‫إذا كررنا هذه التجربة متعددة النتائج عدد ‪ n‬من املرات فسيكون لدينا لكل حدث (نتيجة) متغرية عشوائية متثل عدد‬
‫مرات وقوعه‪ .‬نرمز هلذه املتغريات ب ‪ X1, X2, . . . Xk‬حيث ‪. X1 + X2 + . . . + Xk = n‬‬
‫حيسب احتمال احلدث املركب‪ X1 = x1, X2 = x2, . . ., Xk = xk :‬كما يلي ‪:‬‬
‫!‪n‬‬ ‫‪x‬‬ ‫‪x‬‬ ‫‪xk‬‬
‫‪P (X 1  x 1 ,X 2  x 2 , ... ,X k  x k ) ‬‬ ‫‪p 1 1p 2 2 . . .p‬‬ ‫‪k‬‬
‫! ‪x 1!x 2 ! . . .x k‬‬

‫(‪ )2‬خصائص التوزيع المتعدد‬

‫‪E(X1) = np1, E(X2) = np2, . . . ,‬‬ ‫‪E(Xk) = npk‬‬
‫‪V(X1) = np1q1, V(X2) = np2q2, . . .‬‬ ‫‪V(Xk) = npkqk‬‬

‫(‪ )3‬العالقة مع التوزيع الهندسي الزائد المتعدد‬

‫يف التوزيع اهلندسي الزائد املتعدد‪ ،‬عندما ‪ N∞, Ni∞, Ni/N pi‬؛ يستخدم التوزيع املتعدد حلساب‬
‫االحتماالت‪.‬‬
‫مثال‪ :‬إذا رمينا قطعة نرد ‪ 42‬مرة‪ ،‬أحسب احتمال أن يظهر كل رقم عدد من املرات يتناسب مع الرقم ذاته (الرقم ‪1‬‬
‫يظهر مرتني‪ ،‬الرقم ‪ 2‬يظهر ‪ 4‬مرات‪ ،‬الرقم ‪ 3‬يظهر ‪ 6‬مرات وهكذا)‪.‬‬
‫! ‪24‬‬
‫‪P (X 1  2 , X 2  4 , ...X 6 21 ) ‬‬ ‫‪1 /6 (² 1 /6 ) 4 ...(1 /6 )21‬‬
‫‪2 ! 4 ! 6 ! ..21‬‬
‫! ‪.‬‬
‫مثال‪ .3‬نسحب من صندوق به ‪ 5‬كريات مرقمة من ‪ 1‬إىل ‪ 5‬سبع مرات على التوايل كرية مث نرجعها إىل‬
‫الصندوق‪ .‬أوجد احتمال‪ 3 :‬كريات ذات رقم ‪ ،1‬كريتني ذات رقم ‪ 2‬وكريتني ذات رقم ‪.4‬‬

‫‪6IV‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫توزيع بواسون‪Distribution de Poisson 1‬‬ ‫‪43‬‬

‫(‪ )1‬استنتاج صيغة قانون توزيع بواسن‬

‫لتكن لدينا جتربة برنولية مكررة عدد كبري جدا أو الهنائي من املرات‪ .‬مبدئيا املتغرية ‪ X‬اليت متثل عدد النجاحات تتبع‬
‫التوزيع الثنائي‪ ،‬لكن قد يصعب حساب االحتمال باستعمال صيغة هذا التوزيع عندما تكون ‪ n‬كبرية‪ .‬مثال إحتمال‬
‫‪( )  C00102 100‬‬
‫‪0 .‬‬ ‫‪0 .‬‬ ‫‪ 20‬جناح إذا كانت ‪ n = 100‬هو‪:‬‬
‫‪02‬‬ ‫‪08‬‬
‫‪P. 02‬‬ ‫‪999‬‬
‫عندما تتكرر التجربة باستمرار؛ يصبح عدد مرات تكرار التجربة مقاسا بالزمن‪ ،‬ويكون احتمال حتقق احلدث يف حلظة‬
‫زمن صغريا جدا‪ .‬حنتاج يف هذه احلالة إىل إجياد صيغة عامة تعادل صيغة التوزيع الثنائي عندما ‪ n‬يؤول إىل ∞ ‪.‬‬
‫نضع ‪ λ‬ثابت حبيث ‪: p = λ/n‬‬
‫‪x‬‬ ‫‪n x‬‬
‫‪n x‬‬ ‫!‪n‬‬ ‫‪    ‬‬
‫‪p (x )  C‬‬ ‫‪x‬‬
‫‪ p q‬‬
‫‪x‬‬
‫‪‬‬ ‫‪  1  ‬‬
‫‪n‬‬
‫‪n  x !x !  n   n ‬‬
‫)‪n (n  1() n (.....‬‬
‫‪2‬‬ ‫‪n  x  1) ‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪n x‬‬
‫‪p (x ) ‬‬ ‫) (‬ ‫‪(1 ‬‬ ‫)‬
‫!‪x‬‬ ‫‪n‬‬ ‫‪n‬‬
‫) ‪n (n  1 ) (n  2‬‬ ‫) ‪(n  x  1‬‬
‫‪.....‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪n x‬‬
‫‪p (x )  n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪(1 ‬‬ ‫)‬
‫!‪x‬‬ ‫‪n‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪x1‬‬
‫‪1 (1 ‬‬ ‫)‪() 1 (.....‬‬ ‫‪1‬‬ ‫)‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪n x‬‬
‫‪‬‬ ‫‪‬‬ ‫‪(1 ‬‬ ‫)‬
‫!‪x‬‬ ‫‪n‬‬
‫‪n x‬‬
‫‪x‬‬ ‫‪‬‬
‫‪‬‬ ‫‪(1 ‬‬ ‫)‬
‫‪p (x ) ‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪=> ‬‬ ‫‪‬‬ ‫‪0 , . . . ,‬‬ ‫‪‬‬‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪n‬‬
‫!‪x‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪1 2‬‬ ‫‪1‬‬ ‫‪‬‬ ‫نأخذ ‪ x (1  n) n  (1 n ) x  (1  n ) :‬‬ ‫‪n x‬‬ ‫‪n‬‬ ‫‪x‬‬

‫‪n ‬‬ ‫‪  ... 0 p (x )   x (1  ) n  x ‬‬ ‫) ‪(1  ) (1 ‬‬

‫‪n n‬‬ ‫‪mil‬‬
‫‪x(1!  )  e n . => mil‬‬‫‪x ! (1n )  e =n> mil (1 1 )  e‬‬
‫‪x‬‬
‫‪‬‬
‫‪n‬‬
‫‪‬‬
‫‪n‬‬

‫‪x‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪ ‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬‫‪ ‬‬ ‫‪n‬‬
‫‪ ‬‬

‫‪ mil n  1     1  0  x  1‬فإن‪:‬‬ ‫لكن ‪ mil n  1     e  :‬ومبا أن‬

‫‪ n‬‬ ‫‪ n‬‬
‫‪ xe  ‬‬
‫‪p (x ) ‬‬ ‫‪x  0 ,1 ,2 , ...‬‬
‫!‪x‬‬
‫و هو احتمال ‪ x‬جناح يف وحدة زمن واحدة حسب توزيع بواسون حيث ‪ .λ > 0‬ونكتب )‪X~P(λ‬‬
‫‪n‬‬
‫‪ 1‬‬ ‫مالحظة‪:‬‬
‫‪mil‬‬ ‫‪n  1 ‬‬ ‫‪  e82817‬‬
‫‪2.‬‬ ‫‪...‬‬
‫‪ n‬‬

‫(‪ )2‬خصائص توزيع بواسون‬

‫‪E (X )  V (X )  ‬‬ ‫‪,‬‬ ‫‪‬‬

‫‪M ( t)pxe‬‬ ‫‪‬‬
‫‪ (e t 1 ) ,‬‬ ‫‪‬‬ ‫‪ 3‬‬
‫‪1‬‬
‫‪,‬‬ ‫‪ 4 3‬‬
‫‪1‬‬
‫‪‬‬
‫‪‬‬

‫‪ 1‬باسم س‪NN‬يميون دون‪NN‬يز بواس‪NN‬ون )‪ Siméon-Denis Poisson (1781-1840‬الفيزي‪NN‬ائي و الرياضي الفرنسي ال‪NN‬ذي اس‪NN‬تخدم ه‪NN‬ذا لق‪NN‬انون س‪NN‬نة ‪ 1837‬يف‬
‫كتابه حبث يف احتم‪NN N N N‬ال األحك‪NN N N N‬ام يف جمال اجلرمية و يف اجملال املدين ( ‪Recherche sur la probabilité des jugements en matière‬‬
‫‪ N )criminelle et en matière civile‬حيث أدخل كنهاية لق‪NN‬انون باس‪NN‬كال والق‪NN‬انون الثن‪NN‬ائي‪ .‬إال أن أول اس‪NN‬تعمال له للق‪NN‬انون ال‪NN‬ذي حيمل امسه يع‪NN‬ود إىل‬
‫‪ .1830‬جتدر اإلشارة إىل أن بواسون صاحب الفضل يف نظرية مهمة أخرى هي نظرية األعداد الكبرية اليت تنسب لشيبيشيف‪ .‬أنظر ج ج دراوزبيك [‪.]1997‬‬

‫‪7IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫(‪ )3‬حساب احتمال عدد من األحداث في ‪ t‬وحدة زمن‪.‬‬

‫من أجل عدد أو مقدار ‪ t‬من وحدات الزمن نعوض ‪ λ‬ب ‪ λt‬فنجد‪:‬‬
‫‪ t  e   t‬‬
‫‪x‬‬
‫‪P t(X  x ) ‬‬ ‫‪,‬‬ ‫‪X  0 ,1 , 2 ,3 , . . .‬‬
‫!‪x‬‬
‫مثال‪ .‬بفرض أن عدد املكاملات اهلاتفية اليت تصل إىل مركز هاتفي معني تتبع توزيع بواسون مبعدل ‪ λ=5‬يف‬
‫الثانية‪ .‬أحسب احتمال وصول ‪ 7‬مكاملات يف ثانية ونصف‪.‬‬

‫‪1 5‬‬
‫) ‪. (5 )  e  1 5. (7‬‬
‫‪7‬‬

‫‪t  1 5‬‬
‫) ‪. (5‬‬ ‫‪P (X  7 ) ‬‬
‫!‪7‬‬

‫(‪ )4‬حساب احتمال عدد من األحداث من فئة معينة‪.‬‬

‫إذا كان ‪ X‬يتبع توزيع بواسون مبعدل ‪ ،λ‬فإن ‪ Y= aX‬هو اآلخر يتبع توزيع بواسون مبعدل ‪.aλ‬‬

‫مثال‪ .‬بفرض أن عدد املكاملات اهلاتفية اليت تصل إىل مركز هاتفي معني تتبع توزيع بواسون مبعدل ‪ λ=5‬يف‬
‫ثانية‪ ،‬وأن ‪ %6‬من هذه املكاملات هي مكاملات دولية‪ .‬أحسب احتمال أن تصل ‪ 9‬مكاملات دولية يف ثانية‪.‬‬
‫‪(050. (5)) 9e 050.‬‬ ‫) ‪(5‬‬
‫‪P (X  9 ) ‬‬
‫!‪9‬‬

‫(‪ )5‬التمثيل البياني لتوزيع بواسون‬

‫دالة توزيع بواسون هي دالة متناقصة لكون‪ N‬قوة ‪ e‬سالبة (وهي أقوى من قوة ‪ ،) λ‬لكونه توزيعا متقطعا‪ ،‬يرسم توزيع‬
‫بواسون من خالل مدرج أعمدة (‪ .)Diagramme en bâtons‬هذا قد يصعب مالحظة سلوك التوزيع إال‬
‫باستخدام عدة أمثلة مبعامل متصاعدة بالتدريج‪ ،‬حيث يظهر أن التوزيع يقرتب شيئا فشيئا من التوزيع الطبيعي ملا ‪λ‬‬
‫كبري مبا فيه الكفاية‪ .‬الرسوم البيانية التالية تبني ذلك‪.‬‬

‫سلوك توزيع بواسون عند زيادة املعلمة من ‪ 1‬إىل ‪ 2‬إىل ‪( 5‬من اليسار إىل اليمني)‬ ‫رسم ‪7‬‬

‫(‪ )6‬استخدام توزيع بواسون بدال من التوزيع الثنائي‪.‬‬

‫عندما ‪ ∞n‬واملتوسط ثابت يؤول التوزيع الثنائي إىل التوزيع بواسون‪ .‬عمليا يعطي توزيع بواسون نتائج قريبة من‬
‫التوزيع الثنائي ملا‪:‬‬
‫أو ‪nq < 5‬‬ ‫و ‪np < 5‬‬ ‫‪n ≥ 30‬‬

‫‪8IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫ويستخدم بعض من اإلحصائيني أيضا كشرط الستعمال قانون بواسون بدال من القانون الثنائي القاعدة التالية‪:1‬‬
‫و ‪p ≤ 0,1‬‬ ‫‪n ≥ 25‬‬
‫مثال ‪ :‬نأخذ عشوائيا ‪ 10‬وحدات من انتاج آلة نسبة إنتاجها التالف ‪ . % 10‬أحسب احتمال أن يكون هناك‬
‫وحدتان تالفتان‪.‬‬
‫‪P(X = 2) = C210 (0,1²) (0.98) = 0.1937‬‬
‫حنسب أوال قيمة املعلمة ‪( λ‬معلمة‪ N‬قانون بواسون)‪:‬‬ ‫ط‪ .2‬باستعمال توزيع بواسون‪:‬‬
‫‪λ = µ = np = 10 * 0,1 = 1‬‬
‫‪P(2) = λx * e-λ/x! = (12 * e -1) / 2 ! = 1/(2e) = 1,1839‬‬

‫(‪ )7‬االستخدام العملي لتوزيع بواسون‬

‫ظل توزيع بواسون لفرتة طويلة يستعمل فقط لتمثيل األحداث النادرة‪ ،‬لكنه اليوم يستعمل يف جماالت متعددة‪ .‬فمن‬
‫الدراسة الشهرية ل(‪ )Ladislaus Bortkiewics‬عن حوادث إصابات اجلنود بصكات اجلياد يف اجليوش أصبح اليوم‬
‫توزيع بواسون يستعمل يف شىت اجملاالت؛ منها مراقبة اجلودة إحصائيا‪ ،‬تسيري ظواهر االنتظار‪ ،‬االتصاالت (عدد‬
‫املكاملات يف وحدة زمن)‪ ،‬كما يستخدم يف الفيزياء النووية لدراسة عدد اجلزيئات املنبعثة من مادة مشعة ويف‬
‫البيولوجيا الدقيقة (‪ )microbiologie‬ملراقبة تكاثر البكترييا يف حقل جتارب‪ ،‬كما يستخدم يف البيولوجيا وحىت يف‬
‫علم األحوال اجلوي‪.‬‬
‫يف جمال التسيري‪ ،‬يستخدم توزيع بواسون بشكل خاص عند دراسة مسائل متعلقة‪" N‬بظواهر االنتظار"؛ ففي هذا النوع‬
‫من املسائل‪ ،‬كثريا ما يفرتض أن وصول الزبائن إىل مكان اخلدمة يتبع توزيع بواسون‪ .‬من أمثلة ذلك‪ :‬عدد الطائرات‬
‫اليت تصل إىل املطار يف وحدة زمن‪ ،‬عدد البواخر اليت تصل إىل ميناء يف وحدة زمن‪ ،‬عدد الزبائن الذين يصلون‪ N‬إىل‬
‫مكتب بريدي يف وحدة زمن‪ ،‬عدد املكاملات اهلاتفية اليت تصل إىل مركز هاتفي‪ ،‬عدد احلاالت االستعجالية اليت تصل‬
‫إىل مستشفى‪ ... ،‬تسمى هذه الظواهر يف نظرية صفوف االنتظار "بظواهر الوصول"‪.‬‬
‫مثال‪ .1‬بينت دراسة أن عدد حوادث العمل يف معمل معني يتبع توزيع بواسون مبعدل حادثتني يوميا‪.‬‬
‫أوجد احتمال أن ال يسجل أي حادث يف يوم معني‪ .‬أوجد احتمال حادث على األقل يف يوم‪:‬‬

‫‪P(X = 0) = λx * e-λ/x! = λ0 * e-λ/0! => P(X = 0) = e-λ = e-2‬‬

‫‪P(X ≥ 1) = 1- P(0) = 1– [λ0 * e-λ/0!] => P(X ≥ 1) = 1 - e-λ = 1 – e-2‬‬

‫مثال‪ .2‬بينت دراسة إحصائية سابقة أن عدد السيارات اليت تصل إىل حمطة بنزين معينة بني الساعة ‪ 12:00‬و‬
‫‪ 12:05‬هو يف املتوسط ‪ 3‬سيارات‪ ،‬كما بينت الدراسة أن عدد السيارات اليت تصل إىل احملطة يتبع توزيع بواسون‪.‬‬
‫أوجد احتمال أن تصل ‪ 4‬سيارات بني ‪ 12:00‬و‪.12:05‬‬
‫متوسط عدد السيارات يف الساعة = ‪ 6 = 3 * 2‬ومنه‪:‬‬
‫‪! e-6/24 = 54 *  e-6‬‬ ‫= ‪P(X=4) = 64 * e-6/4 * 1296‬‬

‫أنظر دروزبيك ‪ ،1997‬ص ‪.262‬‬ ‫‪1‬‬

‫‪9IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫يف األخري‪ ،‬ينبغي اإلشارة إىل أن لتوزيع بواسون وأيضا للتوزيع الثنائي خصائص مهمة ال يتسع املقام لذكرها يف إطار‬
‫هذا الدرس‪ ،‬ولكن سنتعرض لبعضها يف التطبيقات‪ ،‬لذلك حنيل الطالب إىل مطالعتها يف املراجع املتخصصة؛ كما‬
‫توجد توزيعات أخرى مهمة نظرا لتعدد استخداماهتا مثل التوزيع املتماثل (‪ ،)distribution uniforme‬مل نتطرق‬
‫هلا يف هذا الدرس‪ ،‬ندعو الطالب الستكماهلا من خالل حبثه اخلاص‪.‬‬

‫خالصة‪4‬‬ ‫‪44‬‬

‫اجلدول امللحق يلخص أهم النقاط حول التوزيعات املتقطعة الشهرية‪.‬‬

‫‪10IV‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التوقع والتباين‬ ‫االحتمال‬ ‫القيم الممكنة للمتغيرة‬ ‫متى يستخدم‬ ‫التوزيع‬

‫‪N  n ‬‬
‫‪ pn ,  ²qpn  ‬‬
‫‪N  1 ‬‬
‫‪N  n ‬‬
‫‪ pn ,‬‬ ‫‪ ²qpn‬‬
‫‪  ‬‬ ‫}‪X ={0,1,2,…,b‬‬
‫‪N  1 ‬‬
‫‪,‬‬ ‫سحب بدون إرجاع‪.‬‬
‫‪ p = b/N‬و‪q = r/N‬‬ ‫‪C‬‬ ‫‪ rn x‬‬
‫‪x‬‬
‫‪C‬‬ ‫الهندسي الزائد‬
‫‪P (X  x ) ‬‬ ‫‪b‬‬
‫كريات من صنفني‪.‬‬ ‫‪,b,p) X~ H(N‬‬
‫‪ n‬عدد الكريات املسحوبة‬ ‫‪C Nn‬‬ ‫‪b≤ b+r=N‬‬
‫‪ N‬العدد الكلي للكريات‬
‫‪ b‬عدد الكريات البيضاء‬
‫‪ r‬ع الكريات احلمراء‬
‫‪Xi ={0,1,2,‬‬
‫}‪=P(X1=x1,X2=x2,…Xk=xk) , …,Ni‬‬ ‫نفس شروط ت‬
‫= )‪E[Xi] = n (Ni/N‬‬ ‫اهلندسي الزائد مع‬ ‫الهندسي الزائد‬
‫‪npi‬‬ ‫‪C C C C‬‬
‫‪x1 x2 x3‬‬ ‫‪kx‬‬
‫‪C C C C‬‬
‫‪x1 x2 x3‬‬ ‫‪kx‬‬
‫= ‪Σxi = n, ΣNi‬‬ ‫وجود أكثر من صنفني‬ ‫المتعدد‬
‫‪N 1 N 2 N 3 kN‬‬
‫‪x1 x2...kx‬‬
‫‪‬‬ ‫‪N1 N 2 N 3‬‬
‫‪n‬‬
‫‪kN‬‬
‫‪N‬‬ ‫من الكريات‪.‬‬
‫‪C‬‬ ‫‪N 1N 2...kN‬‬ ‫‪N‬‬‫‪C‬‬
‫‪,P(X = 1) = p‬‬ ‫جتربة واحدة (غري‬ ‫برنولي‬
‫‪μ = p,‬‬ ‫‪σ²= pq‬‬ ‫}‪X = {0, 1‬‬
‫‪P(X = 0) = 1 - p = q‬‬ ‫مكررة) تقبل نتيجتني‪N.‬‬ ‫)‪X~B(1, p‬‬
‫‪P(X = x) = Cxn px qn-x‬‬ ‫جتارب ثنائية النتيجة‪،‬‬
‫الثنائي‬
‫‪μ= np,nσ²‬‬
‫‪! = npq‬‬ ‫}‪X = {0,1,2…,n‬‬ ‫مكررة ومستقلة ( ‪p‬‬
‫‪C nx ‬‬ ‫)‪X~B(n, p‬‬
‫!)‪x!(n  x‬‬ ‫ثابت)‪.‬‬
‫‪ X‬هي عدد التجارب‬
‫‪, μ = r/p‬‬ ‫الالزمة للحصول على‬
‫‪X = {r, r +1, r‬‬ ‫باسكال (الثنائي‬
‫‪P(X = x) = Cr-1x-1 pr qx-r‬‬ ‫عدد ‪ r‬من النجاحات‬
‫}∞‪+2, …, +‬‬ ‫السالب)‬
‫‪σ² = rq/p²‬‬ ‫يف جتارب برنولية‬
‫مكررة‪.‬‬
‫‪ X‬هي عدد التجارب‬
‫‪,μ = 1/p‬‬ ‫الالزمة للحصول على‬
‫‪P(X = x) = qx-1p‬‬ ‫}∞‪X = {1,2,…,+‬‬ ‫الهندسي‬
‫النجاح األول يف‬
‫‪σ² = q/p²‬‬
‫جتارب برنولية مكررة‪.‬‬
‫‪P (X 1 x 1 ,X 2  x 2 ,...,X k  x k )‬‬ ‫‪ i ,0  ix iN ,‬‬
‫‪E(Xk) = npk‬‬ ‫هو تعميم‪ N‬للتوزيع‬
‫!‪n‬‬ ‫‪x‬‬ ‫‪x‬‬ ‫‪x‬‬
‫‪p 1 1p 2 2 . . .p k k‬‬ ‫‪‬‬ ‫‪k‬‬
‫‪ix  n ,‬‬
‫‪i1‬‬ ‫الثنائي على جتربة‬ ‫التوزيع المتعدد‬
‫! ‪x 1!x 2! . . .x k‬‬
‫‪V(Xk) = npkqk‬‬
‫‪‬‬ ‫‪k‬‬
‫‪iN  N‬‬
‫‪i1‬‬
‫مكررة متعددة النتائج‪.‬‬
‫‪ X‬عدد النجاحات‬
‫يف عدد كبري جدا من‬
‫‪ xe  ‬‬ ‫التجارب الربنولية‪N‬‬ ‫بواسون (‪X~P‬‬
‫‪P (X  x ) ‬‬
‫!‪x‬‬ ‫‪X = {0,1,2,…,‬‬ ‫(عدد الوحدات التالفة‬ ‫)‪λ‬‬
‫‪E(x) = V(x) = λ‬‬
‫‪P(X = 0) = e‬‬‫‪-λ‬‬ ‫}∞‪+‬‬ ‫‪λ>0‬‬
‫يف شحنة)‪ N.‬أو أيضا‬
‫‪P(X ≥ 1) = 1 - e-λ‬‬
‫عدد من األحداث يف‬
‫فرتة زمن‪.‬‬

‫‪11IV‬‬
 ‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫التوزيعات االحتمالية الشائعة المستمرة‬ ‫المبحث ‪.10‬‬

‫التوزيع الطبيعي‬
‫التوزيع األسي‬
‫توزيع قاما‬
‫توزيع بيتا‬

‫التوزيع الطبيعي أو توزيع البالس قوس‪D. Normale ou D. de Laplace -Gausse 1‬‬ ‫‪45‬‬

‫يعد التوزيع الطبيعي من أهم التوزيعات االحتمالية شائعة االستخدام ملا له من خصائص تنطبق على نسبة كبرية من‬
‫الظواهر الطبيعية واالجتماعية واالقتصادية‪ .‬فلو اخرتنا بالصدفة مئة أو ألفا من املارين يف شار ع ما وقسنا أطواهلم‬
‫لوجدنا نسبة كبرية منها قريبة من متوسط ما‪ ،‬ونسبة قليلة من طوال القامة ونسبة مقاربة هلا من قصار القامة‪ .‬ومثل‬
‫هذا بالنسبة لألوزان‪ .‬ولو مثلنا هذه البيانات يف معلم‪ N‬متعامد متجانس لكان املنحىن الذي ميثل النسبة‪ ،‬أو ما ميكن أن‬
‫نسميه االحتمال‪ ،‬ذا شكل جرسي متماثل حول املتوسط وهي صفات التوزيع الطبيعي (الشكل‪: )9‬‬

‫(‪ )1‬صيغة القانون‬

‫تكتب دالة الكثافة ملنحىن للتوزيع الطبيعي كما يلي‪:‬‬
‫)‪f(x‬‬

‫رسم ‪ 8‬الشكل العام للتوزيع الطبيعي‬

‫‪x‬‬
‫‪μ‬‬

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

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

‫ونكتب )‪X ~ N(µ, σ‬‬ ‫حيث ‪ µ‬و‪ σ‬مها على التوايل التوقع واالحنراف املعياري‪.‬‬

‫دالة التوزيع (الدالة التجميعية) للتوزيع الطبيعي تكتب كما يلي‪:‬‬

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

‫المتغيرة المركزية أو المعيارية ‪ :‬تستخدم املتغرية املعيارية ‪ Z = (X-µ)/σ‬لتكوين اجلداول اإلحصائية لالحتماالت‪:‬‬
‫‪ 1‬باسم العاملان الرياضيان الفيزيائيان و الفلكيان الفرنسي )‪Pière Simon de Laplace (1749-1827‬واألملاين ‪- Carl Freidrich Gauss‬‬
‫الصورة هلذا األخري‪)1855-1777( ،-‬الذين كانا من أوائل من اكتشف هذا القانون‪ .‬أما من أعطاه تسمية التوزيع الطبيعي فهو ‪ Pearson‬يف ‪ .1893‬أنظر‬
‫(‪ ، J. J. Droesbeke )1997‬ص ‪.329‬‬

‫‪12IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫)‪P(0 ≤ Z ≤ z‬أو )‪،F(z) = P(Z ≤ z‬‬

‫حيث تسمح بكتابة الدالة ‪ f‬و‪ F‬بداللة مجهول واحد ‪ Z‬بدال من ‪ 3‬مجاهيل ‪ x‬و‪ µ‬و ‪ σ‬وذلك كما يلي‪:‬‬
‫‪1‬‬ ‫‪ z ² /2‬‬
‫‪f (z ) ‬‬ ‫‪e‬‬ ‫‪  z  ‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪z u ²‬‬
‫‪F (z )  P (Z  z )‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪e 2ud‬‬

‫بالنظر إىل العالقة اخلطية بني املتغريتني‪ X ‬و ‪ ،Z‬فإن ‪ Z‬تتبع نفس توزيع ‪ X‬أي التوزيع الطبيعي‪ .‬ونعلم أن‪:‬‬
‫‪V(Z) = 1‬‬ ‫‪E(Z) = 0‬‬

‫(‪ )2‬خصائص التوزيع الطبيعي‬

‫‪‬‬
‫‪M x (t )  exp t ‬‬
‫‪t ² ² ‬‬ ‫الدالة المتجددة للعزوم ‪:‬‬
‫‪‬‬
‫‪‬‬ ‫‪2 ‬‬
‫وال مفلطحا‪ ،‬حيث‬ ‫من خصائص التوزيع الطبيعي أنه يعترب معتدال ال مدببا‬
‫العتدال املنحنيات‪.‬‬ ‫‪‬‬ ‫يعترب معامل التفلطح = ‪ 34α‬للتوزيع‪ N‬الط‪NN N N N‬بيعي معي‪NN N N N‬ارا‬
‫‪3  3  0‬‬
‫القيمة املتوقعة‬ ‫من خص ‪NN N N N N N N N N‬ائص التوزيع الط ‪NN N N N N N N N N‬بيعي أيضا أنه متماثل ح ‪NN N N N N N N N N‬ول ‪ 3‬‬

‫تماثل منحنى ‪ X‬حول املتوسط (أنظر الشكل ‪ )3‬يعين متاثل ملنحىن ‪ Z‬حول ‪ ،0‬مما يعين أنه من أجل أي قيمة للمتغرية‬
‫املعيارية‬
‫‪:z>0‬‬
‫‪P(0 ≤ Z ≤ z) = P(-z ≤ Z ≤ 0) = P(-z ≤ Z ≤ z) / 2‬‬
‫)‪P(Z ≤ -z) = 1- P(Z ≤ z) = P(Z ≥ z‬‬

‫)‪P(-z ≤ Z ≤ z‬‬
‫)‪P(Z ≤ -z‬‬ ‫)‪P(Z ≥ z‬‬

‫استخدام تماثل الوزيع‬ ‫رسم ‪9‬‬ ‫‪Z‬‬

‫الطبيعي في حساب االحتماالت‬
‫لقد مت باستخدام املتغرية املعيارية ‪ Z‬حساب االحتماالت‬ ‫‪-z‬‬ ‫‪0‬‬ ‫‪z‬‬ ‫و‬
‫(املساحات) حتت املنحىن ومنها خاصة‪:‬‬ ‫‪µ‬‬ ‫‪X‬‬
‫‪P(-σ ≤ X ≤ σ) = P(-σ ≤ Z ≤ σ) = 0.6837,‬‬
‫‪P(-2 σ ≤ X ≤ 2 σ) = P(-2 ≤ Z ≤ 2) = 0.9544,‬‬
‫‪P(-3 σ ≤ X ≤ 3 σ) = P(-3 ≤ Z ≤ 3) = 0.9973.‬‬

‫‪13IV‬‬
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫هذه القيم وغريها متوفرة يف اجلداول اإلحصائية اليت جندها يف الكثري من املراجع‪ ،‬كما ميكن حساهبا باستخدام‬
‫احلاسوب‪.‬‬

‫‪μ - 6σ‬‬ ‫‪μ - 5σ‬‬ ‫‪μ - 4σ‬‬ ‫‪μ - 3σ‬‬ ‫‪μ - 2σ‬‬ ‫‪μ -1σ‬‬ ‫‪μ‬‬ ‫‪μ +1σ‬‬ ‫‪μ + 2σ‬‬ ‫‪μ + 3σ‬‬ ‫‪μ + 4σ‬‬ ‫‪μ + 5σ‬‬ ‫‪μ + 6σ‬‬
‫‪2σ = 68.26%‬‬

‫‪4σ = 95.44%‬‬

‫‪6σ = 99.73%‬‬

‫‪8σ = 99.9937%‬‬

‫‪10σ = 99.999943%‬‬

‫‪12σ = 99.9999998%‬‬

‫رسم ‪ 10‬المساحات األساسية تحت منحنى التوزيع الطبيعي‬

‫مثال‪ :‬باستعمال اجلداول االحصائية ‪ )1‬أحسب ‪ P(0 ≤ Z ≤ z) :‬حيث ‪z =1, 2, 3‬‬

‫‪ )2‬أحسب )‪ P(-z ≤ Z ≤ z‬من أجل نفس القيم ل ‪.z‬‬
‫‪0.49865 ، 0.47725 ، 0.3413 )1‬‬
‫‪0.9973‬‬ ‫‪،0.9545‬‬ ‫‪،0.6827 )2‬‬

‫(‪ )3‬العالقة بين التوزيع الطبيعي والتوزيع الثنائي‬

‫يف حالة‪ n‬كب‪NN‬رية و‪ p‬غري ق‪NN‬ريب من ‪ 0‬ميكن اعتب‪NN‬ار التوزيع الثن‪NN‬ائي كتق‪NN‬ريب جيد للتوزيع‪ N‬الط‪NN‬بيعي‪ .‬ويعطي التوزيع‪NN‬ان‬
‫نتائج أكثر تقاربا كلما كانت ‪ n‬كبرية أكثر‪ .‬ونكتب‪:‬‬
‫‪1‬‬ ‫‪b‬‬ ‫‪x pn‬‬
‫‪e‬‬
‫‪ z ² /2‬‬
‫‪mil‬‬ ‫‪n ‬‬ ‫‪P (a  z  b ) ‬‬ ‫‪zd ,‬‬ ‫‪z‬‬
‫‪2‬‬ ‫‪a‬‬
‫‪qpn‬‬

‫ويسرع تقارب التوزيع الثنائي من التوزيع الطبيعي كون ‪ p‬قريب من ‪.0.5‬‬

‫قاعدة التقريب‪:‬‬
‫عموما‪ 4‬نعت‪4‬بر التق‪4‬ريب إلى التوزيع الثن‪4‬ائي مالئما عن‪4‬دما ‪ np‬و‪ nq‬كالهما أك‪4‬بر من‬ ‫‪‬‬
‫‪.5‬‬
‫عدد من االحصائيني‪ 1‬يعتمد قاعدة أخرى هي أن يكون أحد الشرطني التاليني متوفرين‪:‬‬ ‫‪‬‬
‫‪qpn‬‬ ‫‪9‬‬ ‫‪uo‬‬ ‫‪n 02 pn‬‬
‫‪, 01 qn‬‬
‫‪, 01‬‬

‫أنظر دراوزبيك ‪ .1997‬ص ‪.262‬‬ ‫‪1‬‬

‫‪14IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫(‪ )4‬العالقة بين التوزيع الطبيعي وتوزيع بواسون‬

‫عندما ‪ ∞ →λ‬فإن التوزيعني الطبيعي وبواسون يعطيان نتائج متطابقة ‪ .‬ونكتب‪:‬‬
‫‪z²‬‬
‫‪‬‬ ‫‪x ‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪b‬‬
‫‪mil‬‬ ‫‪ ‬‬
‫‪P a ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ b  ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪a‬‬
‫‪e 2zd‬‬

‫سلوك توزيع بواسون عند زيادة املعلمة من ‪ 1‬إىل ‪ 2‬إىل ‪( 5‬من اليسار إىل اليمني)‬ ‫‪11‬‬ ‫رسم‬
‫قاعدة التقريب‪:‬‬
‫‪ o‬عموما‪ 4‬نعتبر أن التقريب مالئم من التوزيع بواسون إلى التوزيع الطبيعي عندما ‪λ ≥10‬‬
‫‪ o‬فيما يعتمد عدد من اإلحصائيين‪ 1‬كشرط للتقريب ‪λ≥15‬‬
‫وميكن أن تتق ‪NN N‬ارب نت‪NN N‬ائج التوزيع ‪NN N‬ات الثالث مع ‪NN N‬ا‪ :‬الثن ‪NN N‬ائي‪ ،‬بواس ‪NN N‬ون والط‪NN N‬بيعي حسب الش‪NN N‬روط املذكورة )أنظر حل‬
‫التطبيق أدناه‪).‬‬

‫‪Distribution exponentielle‬‬ ‫التوزيع األسي‬ ‫‪46‬‬

‫عادة ما يستخدم التوزيع األسي يف مسائل متعلقة بقي‪N‬اس ال‪N‬زمن‪ .‬من ذلك م‪N‬دة خدمة ش‪N‬باك الربي‪N‬د‪ ،‬م‪N‬دة مكاملة هاتفي‪N‬ة‪،‬‬
‫م‪NN‬دة تفريغ ب‪NN‬اخرة ش‪NN‬حن‪ ،‬م‪NN‬دة تص‪NN‬ليح آل‪NN‬ة‪ ،‬م‪NN‬دة انتظ‪NN‬ار زب‪NN‬ون قبل احلص‪NN‬ول على اخلدم‪NN‬ة‪...‬يف العل‪NN‬وم الدقيقة يس‪NN‬تخدم‬
‫التوزيع األسي لتمثيل م‪NN‬دة حي‪NN‬اة ال‪NN‬ذرات املش‪NN‬عة (‪ )atomes radioactives‬قبل أن تتفك‪NN‬ك‪ ،‬حيث يعرب الوس‪NN‬يط عن‬
‫اللحظة اليت يبقى فيها نصف اجملتمع األصلي‪.2‬‬
‫من الض‪NN‬روري فهم اآليت‪ :‬كقاع‪NN‬دة عامة يس‪NN‬تخدم التوزيع األسي لتمثيل م‪NN‬دة حي‪NN‬اة ظ‪NN‬اهرة ما إذا ك‪NN‬ان هلا متوسط ث‪NN‬ابت‬
‫‪ λ/1‬وك‪NN‬انت ه‪NN‬ذه الظ‪NN‬اهرة ال ختضع للتق‪NN‬ادم‪ N)vieillissement( N‬أي أن م‪NN‬دة حي‪NN‬اة الظ‪NN‬اهرة بعد حلظة ما ‪ T‬ال تتبع‬
‫اللحظة ‪T‬؛ أي ال تت‪NN‬أثر باملدة اليت دامتها الظ‪NN‬اهرة من قب‪NN‬ل‪ .‬مثال قد نس‪NN‬تبعد اس‪NN‬تخدام التوزيع األسي لتمثيل م‪NN‬دة حي‪NN‬اة‬
‫آلة عاملة قبل تعطلها ألن احتم‪NN N N N‬ال تعطلها يف حلظة ليس مس‪NN N N N‬تقال عن املدة اليت عملتها اآللة من قب ‪NN N N‬ل‪ ،‬ك‪NN N N N‬ذلك األمر‬
‫بالنسبة ملدة حياة اإلنسان‪.‬‬
‫عملي‪NN N‬ا‪ ،‬نتحقق من دقة متثيل التوزيع األسي _أو أي توزيع آخ‪NN N‬ر_ لظ ‪NN‬اهرة ما من خالل تقني ‪NN‬ات اختب ‪NN‬ارات الف‪NN N‬روض‪،‬‬
‫وبالتحديد اختبار التجانس و التعديل‪.‬‬
‫نشري أخ‪N‬ريا إىل أن للتوزيع‪ N‬األسي عالقة ب‪N‬التوزيع‪ N‬بواس‪N‬ون‪ ،‬ف‪N‬إذا ك‪N‬ان وق‪N‬وع أح‪N‬داث ما يتبع ه‪N‬ذا التوزي‪N‬ع‪ ،‬ف‪N‬إن املدة بني‬
‫وقوع حدثني تتبع التوزيع األسي؛ كمثال على ذلك‪ ،‬إذا ك‪NN‬ان وص‪NN‬ول الزب‪NN‬ائن إىل مركز خدمة ما يتبع التوزيع بواس‪NN‬ون‬

‫املرجع نفسه‪.‬‬ ‫‪1‬‬

‫راجع موقع موسوعة ‪. Wikipédia‬‬ ‫‪2‬‬

‫‪15IV‬‬
 ‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫فإن املدة الزمنية بني وصول زبون "أ" والزبون املوايل تتبع التوزيع األسي‪ .‬تتبني هذه العالقة عند اس‪NN‬تنتاج ص‪N‬يغة الق‪NN‬انون‬
‫األسي‪.‬‬

‫(‪ )1‬صيغة القانون األسي أو دالة الكثافة و الدالة التجميعية للتوزيع‪.‬‬

‫بينت دراسة أن عدد حوادث العمل يف معمل معني تتبع توزيع بواسون مبعدل ‪ λ‬حادث يوميا‪.‬‬
‫أوجد احتمال أن يسجل حادث على األقل (حادث أو أكثر) يف مدة ‪ t‬يوم‪.‬‬
‫‪-λt‬‬
‫‪P(X ≥ 1) = 1-e‬‬ ‫]!‪P(X ≥ 1) =1- P(0) =1-[λ0t * e-λt/0‬‬
‫=>‬
‫لنرمز ب ‪ T‬للزمن (باليوم) بني حادثني إذن س‪N‬يكون ل‪N‬دينا )‪ f(t‬دالة الكثافة لل‪N‬زمن بني ح‪N‬ادثني‪ ،‬و)‪F(t) = P(T ≤ t‬‬
‫دالة التوزيع ل ‪.T‬‬
‫لنحسب احتمال ‪ P‬أن يكون الزمن بني حادثني يوم أو أقل‪:‬‬
‫لدينا )‪ P = P(T ≤ t = 1‬إذن‪:‬‬
‫(‪P = F(t = 1) ............ )1‬‬
‫الحظ من ناحية أخرى أن ‪ P‬هو معادل الحتمال أن يسجل على األقل حادث يف يوم معني‪:‬‬
‫(‪P = P(X ≥ 1) = 1-e-λt ..........)2‬‬
‫من (‪ )1‬و(‪ )2‬نستنتج أن )‪F(t) = 1 - e-λt ............(3‬‬
‫)‪’f(t) = F(t)’ = (1 - e-λt‬‬ ‫و منه‬
‫‪= λ e-λt‬‬ ‫إذن)‪f(t‬‬
‫قاعدة‪ :‬إذا كان حدث عشوائي ما يتكرر يف الزمن وفق توزيع بواسون‪:‬‬

‫‪) xe‬‬
‫‪‬‬
‫‪‬‬
‫(‬
‫‪p  x‬‬ ‫‪‬‬ ‫‪‬‬
‫!‪x‬‬
‫فإن الزمن ‪ T‬بني حادثني يتبع التوزيع التايل‪:‬‬
‫‪ e ‬‬ ‫‪,‬‬ ‫‪0‬‬
‫‪f ( )  ‬‬
‫‪0‬‬ ‫‪,‬‬ ‫‪0‬‬
‫حيث ‪ λ‬عدد حقيقي موجب‪.‬‬
‫و يسمى هذا التوزيع التوزيع األسي ويسمى أيضا التوزيع األسي السالب لعالقته بتوزيع بواسون‪.‬‬

‫‪16IV‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫(‪ )2‬التمثيل البياني للتوزيع األسي‬

‫رسم ‪ 12‬دالة الكثافة للتوزيع‪ X‬األسي‬

‫(‪ )3‬خصائص التوزيع األسي‬

‫‪‬‬
‫‪  1/ ‬‬ ‫‪,‬‬ ‫‪ ²  1/  ²‬‬ ‫‪,‬‬ ‫‪Med   ln(2)  ‬‬ ‫‪,‬‬ ‫‪M x (t ) ‬‬
‫‪ t‬‬

‫توزيع قاما ‪Distribution gamma‬‬ ‫‪47‬‬

‫توزيعي قاما و بيتا ميثالن جمموعة واسعة من التوزيعات ذات معلمتني تتميز مبرونة وقدرة على توليد توزيعات متعددة‬
‫حسب قيم املعلمتني‪ .‬ندرس هذين التوزيعني أيضا لعالقتهما بالتوزيعات ‪ ،F، t‬و ك‪ .2‬يستخدم توزيع قاما لتمثيل‬
‫بعض الظواهر مثل توزيع الدخل واالدخار حتت شروط معينة‪.1‬‬

‫(‪ )1‬صيغة القانون‪.‬‬

‫نقول عن متغرية عشوائية أهنا تتبع توزيع قاما إذا كانت دالة كثافتها كما يلي‪:‬‬
‫‪ x  1e  x /‬‬
‫‪‬‬ ‫‪,‬‬ ‫‪x 0‬‬
‫‪f (x )     ‬‬ ‫) (‬ ‫‪,  0 ,  0‬‬
‫‪0‬‬ ‫‪,‬‬ ‫‪x 0‬‬
‫‪‬‬
‫‪‬‬
‫‪   t  1 e t dt‬‬ ‫حيث )‪ Γ(α‬هي الدالة قاما‪:‬‬
‫‪‬‬‫‪0‬‬
‫‪ 0‬‬

‫ونكتب ‪~ Γ(α, β) X‬‬

‫(‪ )2‬خصائص توزيع قاما‬

‫‪µ = α β , σ² = α β², M(t) = (1 - βt)-α‬‬

‫)‪Pour α>1: Γ(α) = (α-1)Γ(α-1‬‬ ‫‪et si α  N : Γ(α) = (α-1) ! , Γ(1/2) = √π‬‬
‫‪ 1‬أنظر‪ :‬آيفازيان و آخرون‪ ،‬مبادئ النمذجة و املعاجلة األولية للبيانات‪ ،‬سلسلة ‪ ،Mathématiques، Editions Mir :‬موسكو‪ ،1983 ،‬ترمجه من‬
‫الروسية إىل الفرنسية جياليل مبارك‪ .1986 ،‬ص‪.158‬‬

‫‪17IV‬‬
 ‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫من خصائص توزيع قاما عالقته بالتوزيع‪ N‬األسي كما سنرى يف السلسلة‪.‬‬
‫مثال‪ .‬أحسب ما يلي‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪e x‬‬
‫‪‬‬ ‫‪t 4e tdt ,‬‬ ‫‪‬‬ ‫‪x 6e xd‬‬
‫‪x‬‬
‫‪,‬‬ ‫‪‬‬ ‫‪xd ,‬‬ ‫‪ ,  4 5. ,‬‬
‫‪ 7‬‬ ‫‪ 2 5. .‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪x 1 /2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪e x‬‬ ‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪t 4e tdt   (5 )  4 !42 , x 6e xd‬‬
‫‪x‬‬
‫‪  7  6 027‬‬
‫‪!‬‬ ‫‪1‬‬ ‫‪/‬‬
‫‪xd‬‬
‫‪2‬‬
‫‪,‬‬
‫‪  x 1 /2e xd‬‬
‫‪x‬‬
‫‪  1 /2  ‬‬
‫‪0‬‬ ‫‪0 x‬‬ ‫‪0‬‬

‫‪ 4 .5   3 5‬‬
‫‪.  1  3 .5 3 .5  3 5‬‬ ‫‪. ) 2 .5  3 5‬‬
‫‪. (2 5‬‬ ‫‪. (2 5‬‬
‫‪. () 1 5‬‬ ‫‪ 5.  3 5. (2 5.() 1 5.() 0 5. ) ‬‬
‫‪. ) 0‬‬
‫‪. () 0 5‬‬
‫‪ 7  6 027‬‬
‫‪!‬‬ ‫‪,‬‬ ‫‪ (2 5‬‬
‫‪. ) 1 5‬‬
‫‪.  (0 5‬‬ ‫‪. ‬‬
‫‪. ) 1 5‬‬
‫مثال‪ .2‬أحسب املتوسط والتباين للمتغريات العشوائية ‪ X‬و ‪ Y‬و ‪ Z‬املعرفة كما يلي‪:‬‬
‫‪ x 4e  x /2‬‬ ‫‪ y 3e  y /4‬‬
‫‪ z 2e  z‬‬
‫‪‬‬ ‫‪,‬‬ ‫‪x 0‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪,‬‬
‫‪,‬‬ ‫‪z 0‬‬‫‪y 0‬‬
‫‪f (x )   2 5 5 ‬‬ ‫‪,‬‬ ‫) ‪f (y )   4 4 (6‬‬
‫‪, f (z )   6‬‬
‫‪0‬‬ ‫‪x 0‬‬
‫‪,‬‬ ‫‪y 0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫‪z 0‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ x   5 (2 ) 01 ‬‬
‫‪, ² x  ² 5 (2)² 02 , y  4 (4 )61 ‬‬
‫‪, ² y  4 (4)² 46 , z  3 (1 )  3 ‬‬
‫‪, ² z 3‬‬

‫توزيع بيتا ‪Distribution bêta‬‬ ‫‪48‬‬

‫يتميز توزيع بيتا مبرونته الكبرية تبعا لقيم معلمتيه (أنظر الرسم ‪ )14‬حيث يستخدم حلساب توزيع ‪ ،t²، F‬التوزيع‬
‫الثنائي‪ ،‬الثنائي السالب وغريها‪ ،1‬وتستخدم لتمثيل بعض املتغريات اليت ترتاوح بني ‪ 0‬و ‪ ،1‬مثل نسبة ما كنسبة التالف‬
‫أو املبيعات‪ ،‬إخل‪.‬‬

‫(‪ )1‬صيغة القانون‪.‬‬

‫نقول عن متغرية عشوائية أهنا تتبع توزيع بيتا إذا كانت دالة كثافتها كما يلي‪:‬‬
‫‪ x  1 1  x‬‬ ‫‪  1‬‬
‫‪‬‬ ‫‪0 x1‬‬
‫‪f (x )     ,‬‬ ‫‪‬‬ ‫‪‬‬
‫) ‪( ,  0‬‬
‫‪0‬‬ ‫‪sruellia‬‬
‫‪‬‬

‫‪1‬‬
‫‪u‬‬ ‫حيث )‪ B(α, β‬هي الدالة بيتا‪:‬‬
‫‪ 1‬‬
‫‪B‬‬
‫‪( , ) ‬‬ ‫‪(1  u )  ud‬‬
‫‪1‬‬
‫‪,‬‬ ‫‪ ,  0‬‬
‫‪0‬‬

‫و نكتب ‪~ B(α, β) X‬‬

‫‪ = 4,  = 2‬‬

‫املرجع السابق‪.‬‬ ‫‪1‬‬

‫‪18IV‬‬
 ‫ ص‬.‫ب‬ ‫محاضرات اإلحصاء الرياضي‬

f(x)  = 2,  = 4  = 4,  = 2

 = 1/2,  = 1/2

0 0,5 1,0 x

‫التمثيل البياين لدالة الكثافة للتوزيع بيتا من أجل قيم خمتلفة للمعامل‬ 13 ‫رسم‬

‫) خصائص توزيع بيتا‬2(

 
  ,  ²
     ²    1 

:‫) العالقة بين الدالتين قاما وبيتا‬3(


( ) ( )
B
( , ) 
(  )
:‫ أحسب ما يلي‬.‫مثال‬
B (3 ,4,) B (1 /2 ,1 /2,) B (n ,2,) B (1 ,n,) B (n ,1 ) (n N )
B (3 ,4 ) 
(3  1!) (4  1!)

2

1
, B (1 /2 ,1 /2 ) 
      ,
(7  1!) 021 06 (1 /2 ) (1 /2 )
(n  1!)1! (n  1!) 1 (n  1!) 1
B (n ,2 )   n (n  1,) B (1 ,n )   , , )
B (n 1 
(n  1!)1! (n  1!)
1 1 (n  1!) (n  1!) n 1
n ! (n  1!)1 n1
n !
B (n , 2 )   , B (1 ,n )    , B (n ,1 )  
(2  1!) n (n  1!) n! n (n  1!) n n! n
1 1
B (3 ,2 ) , x
4
(1  x )xd
3
,  x (1  xxd) :‫ أحسب ما يلي‬.2‫مثال‬
0 0
B (3 ,2 )  1[/ n (n  1])  1[/ 3 (4])  121
/
1  5  (4 ) 4 !3 ! 1 1 1!1!
0 x (1  x )xd  B (5 ,4 )   (5  4 )  8 ! 082   x (1  xxd)  B (2 ,2 )   1 /6
4 3
,
0 3!


( ) ( )
:‫ بيتا تكتب أيضا‬N‫جند أن دالة الكثافة للتوزيع‬B 
( , )  ‫وباستعمال العالقة‬
(  )
       1
x 1  x  ,
 1
 0 x 1
f (x )   
( ) ( )
0 ,sruellia


19IV
‫التوزيعات االحتمالية األكثر استخداما‬ ‫الفصل الرابع‬

‫للت ‪NN‬وزيعني قاما وبيتا عالقة بع ‪NN‬دد من التوزيع ‪NN‬ات املهمة ك ‪NN‬التوزيع األسي وتوزيع ك ‪NN‬اي تربي ‪NN‬ع‪ ،‬من ذلك مثال أن التوزيع‬
‫األسي هو حالة خاصة من توزيع قاما عندما ‪. α = 1 , β = 1/λ‬‬
‫مثال‪ .3‬أحسب النسبة املتوقعة لإلنتاج التالف والتباين‪ ،‬إذا كانت نسبة اإلنتاج التالف تتبع التوزيع التايل‪:‬‬
‫‪6 (1  x ) 5 ,‬‬ ‫‪0 x 1‬‬
‫‪f (x )  ‬‬
‫‪0‬‬ ‫‪, nonis‬‬
‫من املثال السابق لدينا‪B (1 ,n )  1 /n 6  1 /B (1 ,6.) :‬‬
‫بوضع‪ ‬و ‪ ‬يساويان ‪ 1‬و ‪ 6‬على التوايل‪ ،‬جند أن ‪~ B(1, 6) X‬‬
‫‪‬‬ ‫‪‬‬ ‫‪4‬‬
‫‪‬‬ ‫‪ 1 /2 ,‬‬ ‫‪ ²‬‬ ‫‪‬‬ ‫ومنه‪/ . :‬‬
‫‪ 102‬‬
‫‪ ‬‬ ‫) ‪   (²     1 ) 61 (5‬‬

‫مث‪NN‬ال‪ .4‬نس‪NN‬بة اإلنت‪NN‬اج املب‪NN‬اع يف مؤسسة تتبع التوزيع الت‪NN‬ايل‪ .‬أحسب النس‪NN‬بة املتوقع‪NN‬ة‪ ،‬واحتم‪NN‬ال أن تبلغ النس‪NN‬بة أك‪NN‬ثر من‬
‫‪. %35‬‬
‫)‪ x(² 1  x,‬‬
‫‪21‬‬ ‫‪0 x1‬‬
‫‪f (x )  ‬‬
‫‪0‬‬ ‫‪nonis‬‬
‫‪,‬‬
‫‪‬‬ ‫‪3‬‬
‫‪21  3 * 4 21  1 /B (3 ,2 ‬‬ ‫‪) ‬‬
‫‪) X ~ B (3 ,2 ‬‬ ‫‪‬‬ ‫‪ 3 /5 06 %‬‬
‫‪   3 2‬‬
‫‪1‬‬
‫‪P (X  053. ) ‬‬ ‫‪ 21‬‬
‫‪053‬‬
‫‪,‬‬
‫‪x(² 1  xxd‬‬
‫‪) .‬‬

‫‪‬‬ ‫‪x 3‬‬

‫‪1‬‬
‫‪‬‬
‫‪‬‬ ‫‪1‬‬
‫‪²  5213‬‬
‫‪tios‬‬ ‫‪:v  xxd‬‬
‫‪² te u  1  x P (X  053. ) 21  (1  x )  ‬‬
‫‪‬‬ ‫‪3  053,‬‬ ‫‪‬‬ ‫‪053‬‬
‫‪,‬‬
‫‪xxd‬‬
‫‪‬‬
‫‪0.‬‬
‫‪‬‬ ‫‪‬‬

‫خالصة‪4‬‬ ‫‪49‬‬

‫اجلدول التايل يلخص خصائص التوزيعات االحتمالية املستمرة األكثر استخداما‪.‬‬

‫‪20IV‬‬
 ‫ ص‬.‫ب‬ ‫محاضرات اإلحصاء الرياضي‬

‫خصائص التوزيع‬ ‫ التوقع والتباين‬، ‫دالة الكثافة‬ ‫التوزيع‬

= P(Z ≤ -z) = 1- P(Z ≤ z)
P(Z ≥ z)
P(-σ ≤ X ≤ σ) =
1  z ² /2 ‫التوزيع الطبيعي‬
P(-1 ≤ Z ≤ 1) = 0.6837, f (z )  e   z  
2 ‫المعياري‬
P(-2 σ ≤ X ≤ 2 σ) = X~N(0, 1)
P(-2 ≤ Z ≤ 2) = 0.9544, E(Z) = 0, V(Z) = 1
P(-3 σ ≤ X ≤ 3 σ) =
P(-3 ≤ Z ≤ 3) = 0.9973.
, = 1/λ  e  , 0
σ² = 1/ λ² f ( )  
P(X ≤ ) = 0.63 0 , 0 ‫التوزيع األسي‬
F(x) = 1- e-
λx

 ‫توزيع قاما‬
   t  1 e t dt
  0  x  1e  x /
0
 , x 0
f (x )      ( ) ,  0 ,  0
,µ = α β 
0 , x 0
σ² = α β²  X~Γ(α,β)

 x  1 1  x  1
 0 x1
f (x )     , 
1
B ( , )  u  1 (1  u )  ud
1
,  ,  0 
( ,  0 )
‫توزيع بيتا‬
0
0 sruellia

( ) ( )  ~B(α, β) X
B
( , ) 
(  )  
  ,  ²
     ²    1 

21IV
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫المتغيرات العشوائية متعددة األبعاد‬

‫االستقالل التباين واالرتباط‬ ‫المتغيرة الثنائية‬

‫درس‪NN N‬نا يف الفصل األول املف‪NN N‬اهيم والقواعد األساس‪NN N‬ية يف نظرية االحتم‪NN N‬االت كاالحتم‪NN N‬ال البس‪NN N‬يط واالحتم‪NN N‬ال املتع‪NN N‬دد‬
‫وقاع ‪NN‬دة مجع وض ‪NN‬رب االحتم ‪NN‬االت‪ .‬تس ‪NN‬اعد ه ‪NN‬ذه املف ‪NN‬اهيم املسري على التق ‪NN‬دير وعلى اختاذ الق ‪NN‬رار املناسب جتاه مس ‪NN‬ائل‬
‫متش‪NN N N‬عبة وغري مؤك‪NN N N‬دة النت‪NN N N‬ائج‪ .‬يف الفصل الث‪NN N N‬اين درس‪NN N N‬نا مفه‪NN N N‬وم‪ N‬املتغ‪NN N‬رية العش‪NN N‬وائية والتوزيع االحتم‪NN N‬ايل (أو الق‪NN N N‬انون‬
‫االحتمايل) وتطرقنا إىل ع‪N‬دد من التوزيع‪N‬ات االحتمالية الش‪NN‬هرية‪ .‬تس‪NN‬تخدم املتغ‪NN‬رية العش‪NN‬وائية لتمثيل الظ‪N‬واهر املختلفة من‬
‫أجل دراستها والتوقع بشأهنا‪ .‬يف ه‪NN‬ذا الفصل س‪NN‬نتناول نوعا من املتغ‪NN‬ريات العش‪NN‬وائية وتوزيعاهتا وهي املتغريات العش‪NN‬وائية‬
‫ذات أك‪NN N‬ثر من بعد‪ ،‬باإلض‪NN N‬افة إىل مف‪NN N‬اهيم أخ‪NN N‬رى مهمة متعلقة باالرتب ‪NN‬اط بني املتغ ‪NN‬ريات‪ .‬ذلك أن العديد من الظ‪NN N‬واهر‬
‫واملس‪NN‬ائل اليت تط‪NN‬رح أم‪NN‬ام املسري تتض‪NN‬من أك‪NN‬ثر من متغ‪NN‬رية واح‪NN‬دة‪ ،‬فنتيجة نش‪NN‬اط مؤسسة هي حمص‪NN‬لة العائد والتك‪NN‬اليف‪،‬‬
‫وحمص‪NN‬ول موسم زراعي يت‪NN‬أثر مبتغ‪NN‬ريات ع‪NN‬دة مثل كمية األمط‪NN‬ار واألمسدة واملس‪NN‬احة املزروع‪NN‬ة‪ .‬س‪NN‬وف نقتصر يف دراس‪NN‬تنا‬
‫على املتغرية ذات بعدين اثنني وهو ما يطلق عليه املتغرية الثنائية‪.‬‬

‫المتغيرة الثنائية‬ ‫المبحث ‪.11‬‬

‫التوزيعات المشتركة المتقطعة والدوال الحدية (الهامشية)‬
‫التوزيعات المشتركة المتصلة‬
‫التوزيع الشرطي‬

‫التوزيعات المشتركة المتقطعة‪ 4‬والدالة الهامشية (الحدية) ‪Fonction marginale‬‬ ‫‪50‬‬

‫(‪ )1‬تعريف‬
‫املتغرية الثنائية هي متغرية تتوقف ليس على قيمة واحدة هي قيمة ‪ X‬مثال و إمنا تتوقف على قيمة متغريتني اثنتني‪ .‬مثال‬
‫ذلك‪ ،‬معدل الطالب يتوقف على نقطة الرقابة املستمرة و نقطة التطبيق أو نقطة السداسي األول ونقطة السداسي‬
‫الثاين‪ .‬كذلك نتيجة السنة املالية تتوقف على متغرييت التكاليف و اإليرادات‪ ،‬وهكذا‪ .‬التعريف الدقيق للمتغرية الثنائية‬
‫يتأتى باستخدام الرتميز كما يلي‪:‬‬
‫لتكن لدينا متغريتان عشوائيتان متقطعتان ‪  X‬و‪ ،Y‬لنرمز لالحتمال‪ P(X = x,Y = y) :‬ب )‪: f(x,y‬‬
‫)‪f(x,y) = P(X = x,Y = y‬‬
‫‪f(x,y) ≥ 0‬‬

‫‪x‬‬‫∑‪∑y f(x,y) = 1‬‬

‫تسمى الثنائية (‪ )X,Y‬متغيرة ذات بعدين و)‪ f(x,y‬دالة الكثافة االحتمالية لها ونقول أيضا دالة الكثافة المش‪44‬تركة‬
‫للمتغيرتين ‪ X‬و‪ Y‬ويمكن التعبير عنها عن طريق جدول لالحتماالت المشتركة (جدول التوزيع المشترك)‪.‬‬

‫‪1V‬‬
‫المتغيرة العشوائية ثنائية البعد‬ ‫الفصل الخامس‪z‬‬

‫‪Y‬‬
‫‪X‬‬ ‫‪y1‬‬ ‫‪y2‬‬ ‫‪...‬‬ ‫‪ym‬‬ ‫)‪f1(x‬‬

‫‪x1‬‬ ‫)‪f(x1,y1‬‬ ‫)‪f(x1,y2‬‬ ‫‪...‬‬ ‫)‪f(x1,ym‬‬ ‫)‪f1(x1‬‬

‫‪x2‬‬ ‫)‪f(x2,y1‬‬ ‫)‪f(x2,y2‬‬ ‫‪...‬‬ ‫)‪f(x2,ym‬‬ ‫)‪f1(x2‬‬

‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬
‫‪xn‬‬ ‫)‪f(xn,y1‬‬ ‫)‪f(xn,y2‬‬ ‫‪...‬‬ ‫)‪f(xn,ym‬‬ ‫)‪f1(xn‬‬
‫)‪f2(y‬‬ ‫)‪f2(y1‬‬ ‫)‪f2(y2‬‬ ‫‪...‬‬ ‫)‪f2(yn‬‬ ‫‪1‬‬
‫احتمال ‪ X = x‬حيسب ويكتب كما يلي )‪P (X = x) = f1(x) = ∑k=1m f(x,yk‬‬

‫احتمال ‪ Y = y‬حيسب و يكتب كما يلي )‪P (Y = y) = f2(y) = ∑i=1n f(xi,y‬‬

‫الدالتني)‪ f1(x‬و)‪ f2(y‬تسميان الدالتان اهلامشيتان (احلديتان) حيث ‪ f1(x) = 1 ∑ :‬و∑ ‪f2(y) =1‬‬

‫(‪ )2‬الدالة التجميعية‬

‫الدالة التجميعية للمتغرية الثنائية (‪ )X,Y‬تكتب كما يلي‪:‬‬
‫)‪F (x, y) = P (X ≤ x, Y ≤ y) = ∑ u≤x ∑ v≤yf (u, v‬‬
‫مثال‪ :‬نرمي قطعة نقدية وحجر نرد‪ ،‬نرمز ب‪ X‬لعدد مرات ظهور‪ N‬الصورة‪ ،‬و‪ Y‬للرقم‪ N‬الذي يظهر من مكعب النرد‪.‬‬
‫‪ o‬أكتب التوزيع االحتمايل املشرتك للمتغريتني‪،‬‬
‫‪ o‬أحسب احتماالت األحداث التالية‪ :‬احلصول على ص‪NN‬ورة مع ال‪NN‬رقم ‪ ،6‬احلص‪NN‬ول على الص‪NN‬ورة‪ ،‬احلص‪NN‬ول على‬
‫الرقم ‪.6‬‬
‫‪ o‬أحسب االحتمال )‪.P(X ≤ 1, Y ≤ 3) ، P(X ≤ 2, Y ≤ 6‬‬
‫‪X\Y‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫)‪f1(x‬‬
‫‪0‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪2/‬‬
‫‪1‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫‪1/12‬‬ ‫½‬
‫)‪f2(y‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1/6‬‬ ‫‪1‬‬
‫احتمال احلصول على صورة مع الرقم ‪P (X = 1 et Y = 6) = f(1, 6) = 1/12 : 6‬‬

‫احتمال احلصول على الصورة= ‪P (X = 1) = f1(1) = ∑k=1n f(1, yk) 1/2 = . . . + 1/12 + 1/12‬‬

‫= )‪P (Y = 6) = f2(6) = ∑i=1m f(xi,6‬‬ ‫احتمال احلصول على الرقم ‪1/6 = 1/12 + 1/12 6‬‬

‫‪P(X ≤ 1, Y ≤ 3) = F(1, 3) = ∑ u≤1 ∑ v≤3 f(u,v) = 6(1/12) = 1/2 , P(X ≤ 2, Y ≤ 6) = 1‬‬

‫سؤال‪ .‬من بني التوزيعات االحتمالية الشهرية اليت رأينا يف الفصل الثاين أيها يعترب توزيعا مشرتكا؟ (اجلواب‪ :‬التوزيع‬
‫املتعدد‪).‬‬

‫‪2VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫التوزيعات المشتركة المتصلة‬ ‫‪51‬‬

‫(‪ )1‬تعريف‬
‫لتكن لدينا ‪  X‬و‪Y‬متغريتان ع متصلتان‪ ،‬نعرف دالة الكثافة االحتمالية املشرتكة هلما‪ 1‬كما يلي‪:‬‬

‫)‪P(X = x, Y = y) = f(x, y‬‬

‫‪f(x, y) ≥ 0‬‬
‫∫‪f(x, y) dx dy = 1∞+∞-∫∞+∞-‬‬

‫(‪ )2‬الدالة التجميعية‬

‫نكتب دالة التوزيع (الدالة التجميعية) كما يلي‪:‬‬

‫‪F(x, y) = P(X ≤ x, Y ≤ y) = ∫ u=-∞x∫ v=-∞yf(u, v) du dv‬‬

‫و ميكن استنتاج دالة الكثافة املشرتكة من الدالة الرتاكمية باالشتقاق كما يلي‪f(x, y) = ∂²F / (∂x ∂y) :‬‬

‫‪= u=-∞x∫v=-∞∞f(u, v) du dv‬‬ ‫من جهة أخرى ∫)‪F1(x) = P(X ≤ x‬‬

‫‪= u=-∞∞∫v=-∞yf(u, v) du dv‬‬ ‫∫)‪F2(y) = P(Y ≤ y‬‬

‫ونسمي الدالتان )‪ F1(x‬و)‪ F2(y‬الدالتان الرتاكميتان (التجميعيتان) اهلامشيتان (احلديتان)‪.‬‬

‫ولتحديد احتمال ‪ X‬و‪ Y‬حمصورتان يف جمالني ما نكتب‪:‬‬

‫‪P(a ≤ x ≤ b, c ≤ y ≤ d) = ∫x=ab∫y=cdf(x, y) dx dy‬‬

‫(‪ )3‬الدوال الهامشية‬

‫الدالتان اهلامشيتان (احلديتان) للكثافة االحتمالية للثنائية (‪ )X, Y‬فيعرب عنها كما يلي‪:‬‬

‫‪f1(x) = ∫v=-∞+∞f(x, v) dv ,‬‬ ‫‪f2(y) = ∫u=-∞+∞f(u, y) du‬‬

‫مثال‪ :‬لدينا دالة الكثافة االحتمالية املشرتكة للمتغريتني ‪ X‬و‪ Y‬املعرفة كما يلي‪:‬‬
‫‪yx‬‬
‫‪‬‬ ‫‪,‬‬ ‫‪0  x  4 , 1 y  5‬‬
‫‪f (x ,y )  69‬‬
‫‪0‬‬ ‫‪nonis‬‬

‫أكتب دالة التوزيع اهلامشية لكل من املتغريتني أحسب احتمال ‪ ، x < 2 < 0‬أحسب احتمال ‪.y < 3 < 1‬‬
‫‪F1(x) = P(X ≤ x) = ∫u=-∞x∫v=-∞∞f(u, v) du dv‬‬
‫* ‪,x < 0 : F1(x) = 0‬‬

‫ونقول أيضا دالة الكثافة االحتمالية للثنائية (‪. )X,Y‬‬ ‫‪1‬‬

‫‪3V‬‬
‫المتغيرة العشوائية ثنائية البعد‬ ‫الفصل الخامس‪z‬‬

‫* ‪: x < 4 ≤ 0‬‬

‫‪F1(x) = ∫u=-∞x∫v=-∞∞ uv/96 du dv = 0 + ∫u=0x∫v=15uv/96 du dv‬‬

‫=‪.u=0x[ ∫v=15uv dv] du = 1/96∫u=0x[12u] du = x²/2 (12/96) = x²/16∫ 1/96‬‬

‫* ‪x ≥ 4: F1(x) = 1‬‬

‫‪0‬‬ ‫‪x 0‬‬

‫‪‬‬
‫‪F 1 (x )   x ²61‬‬
‫‪/‬‬ ‫‪0 x 4‬‬
‫‪1‬‬ ‫‪x 4‬‬
‫‪‬‬
‫‪F2(y) = P(Y ≤ y) = ∫u=-∞∞∫v=-∞yf(u, v) du dv‬‬
‫‪,Pour y < 1 : F2(y) = 0‬‬

‫* ‪: y < 5 ≤ 1‬‬

‫‪F2(y) = 0 + ∫u=04∫v=1y uv/96 dudv = 1/96 ∫u=04[ ∫v=1yuv dv] du = 1/96 ∫u=04[u (y² - 1) / 2] du‬‬

‫‪0‬‬
‫‪4‬‬
‫= (‪= (1/(2*96)) (y² - 1) (16/2) = (y² - 1) / 24)u²/2( )y² - 1( )1/96 * 1/2‬‬

‫* ‪y ≥ 5 : F2(y) = 1‬‬

‫‪0‬‬ ‫‪y1‬‬
‫‪‬‬
‫‪F 2 (y )   (y ² 1 )42‬‬
‫‪/‬‬ ‫‪1 y  5‬‬
‫‪1‬‬ ‫‪y 5‬‬
‫‪‬‬

‫‪, ¼ = P(0 < x < 2) = F1(2) – F1(0) = 4/16‬‬

‫‪P(1 < y < 3) = 8 / 24 = 1/3‬‬

‫التوزيع الشرطي ‪Distribution conditionnelle‬‬ ‫‪52‬‬

‫يف حالة‪X ، Y‬متغريتان عشوائيتان متقطعتان‪ N،‬فإن دالة الكثافة االحتمالية الشرطية ل (‪ )X|Y = y‬تكتب كما يلي‬
‫) ‪f (x , y ) P (X  x ,Y  y‬‬
‫‪f (x / y ) ‬‬ ‫‪‬‬ ‫)‪ f(x/y‬وحتسب كما يلي‪:‬‬
‫) ‪f1 (x‬‬ ‫) ‪P (X  x‬‬
‫) ‪P (A B‬‬
‫‪P (B /A ) ‬‬ ‫الشرطية‪:‬‬ ‫و هذا استنادا إىل القانون التقليدي للاحتماالت‬
‫) ‪P (A‬‬
‫التوزيع االحتمايل ل ‪ X‬حيث= ‪ y Y‬هو جمموعة قيم املتغرية ‪ X‬عند تثبيت ‪ Y‬واالحتماالت )‪ f(x/y‬املقابلة هلا‪.‬‬
‫مثال‪ .‬لتكن ‪ X‬عدد مرات احلصول على صورة عند رمي قطعة نقدية مرتني و‪ Y‬الفرق بالقيمة املطلقة بني عدد م‪NN‬رات‬
‫الصورة‪ N‬وعدد مرات الكتابة‪.‬‬
‫أكتب التوزيع االحتمايل ل‪ ،Y|X = 1‬أكتب التوزيعان االحتماليان ل ‪ X|Y = 0‬و‪.X|Y = 2‬‬

‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪Y‬‬ ‫‪1‬‬ ‫‪0‬‬

‫‪P(X/Y=0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪P(y/x=1) 0‬‬ ‫‪1‬‬
‫)‬ ‫‪4VI‬‬
‫‪P(X/Y=2‬‬ ‫‪1/2‬‬ ‫‪0‬‬ ‫‪1/2‬‬
‫)‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫يف حالة‪  X‬و‪Y‬متغريتان ع متصلتان نكتب‪P(c ≤ Y ≤ d / x ≤ X ≤ x + dx) = ∫cdf(y/x) dy :‬‬

‫خالصة‪4‬‬ ‫‪53‬‬

‫احتمال ثنائية عشوائية و حيسب كما يلي‪f(x,y) = P(X = x,Y = y) :‬‬

‫للتعبري عن احتمال قيمة ما إلحدى املتغريتني نكتب‪ P (X = x) = f1(x) :‬و تسمى دالة الكثافة اهلامشية‪.‬‬
‫االحتمال التجميعي ملتغريتني فيعرب عنه من خالل دالة التوزيع املشرتكة‪F (x, y) = P (X ≤ x, Y ≤ y) :‬‬
‫تنطبق هذه التعاريف على كل من املتغريات املتقطعة و املستمرة‪.‬‬
‫للتعبري عن التوزيع االحتمايل إلحدى املتغريتني بشرط أن تأخذ املتغرية الثانية قيمة ما (‪ ،0‬مثال) فنكتب‪:‬‬

‫)‪P(X/Y = 0‬‬
‫) ‪f (x , y ) P (X  x ,Y  y‬‬
‫‪P (X /Y  y ) ‬‬ ‫‪‬‬ ‫حلساب االحتماالت الشرطية ل ‪ X‬تستخدم القاعدة‪:‬‬
‫) ‪f1 (x‬‬ ‫) ‪P (X  x‬‬

‫االستقالل التباين واالرتباط‬ ‫المبحث ‪.12‬‬

‫تعريف استقالل متغيرتين‬
‫توقع وتباين المتغيرة العشوائية متعددة األبعاد‬
‫التباين المشترك‬
‫معامل االرتباط‬

‫تعريف استقالل متغيرتين‬ ‫‪54‬‬

‫رأينا يف الفصل األول أن حدثني عشوائيني ‪ A‬و ‪ B‬يكونان مستقالن إذا كان‪:‬‬
‫)‪P(A et B) = P(A) P(B‬‬
‫انطالقا من هذه القاعدة‪ ،‬تكون املتغريتان العشوائيتان املتقطعتان ‪  X‬و ‪ Y‬مستقلتان إذا‪  ‬وفقط إذا كان‪:‬‬
‫)‪P(X = x, Y = y) = P(X = x) P(Y = y‬‬
‫)‪f(x, y) = f1(x) f2(y‬‬
‫يف حالة كون املتغريتني متصلتني نكتب‪P(X ≤ x, Y ≤ y) = P(X ≤ x) P(Y ≤ y) :‬‬

‫)‪F(x, y) = F1 (x) F2 (y‬‬

‫أي أن املتغريت‪NN‬ان املس‪NN‬تقلتان‪ N‬مها اللت‪NN‬ان ميكن كتابة دالة التوزيع املش‪NN‬رتكة هلما (أو دالة الكثافة املش‪NN‬رتكة) يف ش‪NN‬كل ج‪NN‬داء‬
‫دالتني هامشيتني تراكميتني (أو دالتني هامشيتني للكثافة)‪.‬‬
‫مثال‪ .‬ليكن ‪ X‬و‪ Y‬م ع مستمرين حيث دالة الكثافة املشرتكة هلما معرفة كما يلي‪:‬‬
‫‪‬‬
‫‪yxc‬‬ ‫‪,‬‬ ‫‪0  x  4 , 1 y  5‬‬
‫‪f (x ,y )  ‬‬
‫‪0‬‬ ‫‪nonis‬‬
‫بني أن املتغريتني ‪ X‬و‪ Y‬مستقلتني‪N.‬‬

‫‪5V‬‬
‫المتغيرة العشوائية ثنائية البعد‬ ‫الفصل الخامس‪z‬‬

‫)‪Soit c = c1*c2 => f(x, y) = c1 c2 xy = c1x * c2y => f(x, y) = f1(x) * f2(y‬‬ ‫‪cqfd‬‬
‫مثال‪ 4.2‬ليكن ‪ X‬و ‪Y‬و ‪ Z‬م ع متقطعة‪ .‬متثل ‪ X‬عدد مرات احلصول على صورة يف رمية لقطعة‪ N‬نقدية و ‪ Y‬ع‪NN‬دد م‪NN‬رات‬
‫احلص ‪NN‬ول على ص ‪NN‬ورة يف رمي ‪NN‬ة موالي ‪NN‬ة‪ .‬و ‪ Z‬الف ‪NN‬رق بالقيم ‪NN‬ة املطلق ‪NN‬ة بني ‪ ’X‬و ‪ ’Y‬الل ‪NN‬ذان ميثالن على الت ‪NN‬وايل ع ‪NN‬دد م ‪NN‬رات‬
‫احلصول على الصورة‪/‬الكتابة يف جمموع رميتني لقطعة نقدية‪.‬‬
‫‪X‬‬ ‫‪Z‬‬ ‫‪X‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫’‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪Z‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪Y‬‬ ‫’‪X‬‬
‫‪0‬‬ ‫¼ ¼‬ ‫‪0‬‬ ‫‪0 1 0‬‬ ‫¼ ½ ¼ ‪px‬‬ ‫½ ½ ‪pz‬‬
‫‪1‬‬ ‫½ ½‬ ‫‪2‬‬ ‫½ ‪½ 0‬‬
‫من الواضح أن ‪ X‬و‪ Y‬مستقلتان‪ N‬ألن )‪ P(X = x,Y = y) = P(X = x) P(Y = y‬عند كل قيم ‪ X‬و‪.Y‬‬
‫على العكس من ذلك‪ ،‬جند أن ‪ Z‬ليست مستقلة‪ N‬عن ‪ ’X‬فمثال‪:‬‬
‫‪P(X’ = 0) P(Z = 2) = (1/4 . 1/2) = 1/8‬‬ ‫≠‬ ‫‪P(X’= 0, Z = 2) = 1/2‬‬

‫توقع وتباين المتغيرة العشوائية متعددة األبعاد‬ ‫‪55‬‬

‫ينطبق كل من تعريف التوقع الرياضي والتب‪NN N N‬اين ال‪NN N N‬ذين تناولنامها فيما س ‪NN N‬بق على املتغ ‪NN N‬رية العش‪NN N N‬وائية متع‪NN N N‬ددة‬
‫األبعاد‪ .‬لتكن ‪  X‬و ‪Y‬متغريتان عشوائيتان متقطعتان‪ ،‬و )‪ f(x, y‬دالة كثافة مشرتكة هلما‪.‬‬
‫)‪µx = E(X) = ∑x∑y x f(x, y‬‬ ‫)‪, µy = E(Y) = ∑x∑yy f(x, y‬‬

‫)‪σ²x = E[(x – µx)²] = ∑x∑y (x – µx)² f(x, y) , σ²y = E[(y – µy)²] = ∑x∑y (y – µy)² f(x, y‬‬

‫يف حالة ‪ X‬و‪ Y‬متغريتان مستمرتان‪:‬‬

‫‪. µx = E(X) = ∫-∞+∞∫-∞+∞x f(x, y) dx dy , µy = ∫-∞+∞∫-∞+∞y f(x,y) dx dy‬‬

‫‪, σ²x = E[(x – µx)²] = ∫-∞+∞∫-∞+∞(x – µx)² f(x, y) dx dy‬‬

‫‪σ²y = E[(y – µy)²] = ∫-∞+∞∫-∞+∞(y – µy)² f(x, y) dx dy‬‬

‫مثال‪ .‬ليكن لدينا التوزيع املشرتك املعرف كما يلي‪:‬‬

‫‪y‬‬ ‫‪4-‬‬ ‫‪2-‬‬ ‫‪7‬‬ ‫املطلوب حساب‪:‬‬
‫‪X‬‬
‫‪E(y), E(x) ،σ²x, σ²y‬‬
‫‪1/‬‬ ‫‪1/‬‬
‫‪1‬‬ ‫‪1/8‬‬
‫‪4‬‬ ‫‪8‬‬
‫‪1/‬‬ ‫‪1/‬‬ ‫‪E(x) = ∑x∑y x f(x, y) = 1(1/8 + ¼ + 1/8) – 5(1/4 + 1/8 +‬‬
‫‪5-‬‬ ‫‪1/4‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪1/8) = 1/2 – 5/2 = -4/2 = -2‬‬
‫‪E(Y) = ∑x∑y y f(x, y) = -4 (1/8 + ¼) – 2 (1/4 + 1/8) + 7‬‬
‫‪(1/8 + 1/8) = -1/2‬‬
‫)‪σ²x = E[(x – µx)²] = ∑x∑y (x - µx)² f(x, y‬‬

‫‪6VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫= ( ‪( 9 + )1/2 ( 9 = )1/8 + 1/8 + 1/4 ( ² )2 + 5 -( + )1/8 + ¼ + 1/8 ( ² )2 + 1‬‬

‫‪9 = )1/2‬‬
‫)‪σ²y = E[(y – µy)²] = ∑x∑y (y - µy)² f (x, y‬‬

‫= (‪+ 1/8 ( ² )1/2 + 7 ( + )1/8 + 1/4 ( ² )1/2 + 2 -( + )1/4 + 1/8 ( ² )1/2 + 4 -‬‬

‫‪)1/8‬‬

‫= ‪20,34 = 32 / 651 = )2/8 ( ² )15/2 ( + )3/8 ( 9/2 + )3/8 ( 49/4‬‬

‫كما ميكن حساب كل من القيم السابقة باستخدام الدوال اهلاشية )‪ f1(x‬و )‪.f2(y‬‬
‫‪E(x) = ∑x x f1(x) = 1(4/8) – 5(4/8) = -2‬‬ ‫‪Y‬‬ ‫‪4-‬‬ ‫‪2-‬‬ ‫‪7‬‬ ‫)‪f1(x‬‬
‫)‪V(x) = E(x²) – E²(x‬‬ ‫‪X‬‬
‫‪1/‬‬ ‫‪1/‬‬ ‫‪4/8‬‬
‫= [ ‪9 = ² )2 –( – ])4/8 (² )5 –( + )4/8 (1²‬‬ ‫‪1‬‬ ‫‪1/8‬‬
‫‪4‬‬ ‫‪8‬‬
‫‪1/‬‬ ‫‪1/‬‬ ‫‪4/8‬‬
‫التباين المشترك ‪Covariance‬‬ ‫‪5-‬‬ ‫‪1/4‬‬ ‫‪56‬‬
‫‪8‬‬ ‫‪8‬‬
‫يعرف التباين املشرتك كمايلي‪:‬‬ ‫‪3/‬‬ ‫‪2/‬‬ ‫‪1‬‬
‫])‪Cov (X, Y) = σxy = E[(X – µx)(Y – µy‬‬ ‫)‪f2(y‬‬ ‫‪3/8‬‬
‫‪8‬‬ ‫‪8‬‬
‫يف حالة ‪  X‬و‪ Y‬متغريتان متقطعتان‪:‬‬
‫)‪σxy = ∑x∑y(x – µx)(y – µy)f(x, y‬‬
‫يف حالة ‪  X‬و‪ Y‬متغريتان مستمرتان‪:‬‬
‫‪σxy= ∫-∞+∞∫-∞+∞(x – µx) (y – µy) f(x, y) dx dy‬‬

‫(‪ )1‬خصائص التباين المشترك‬

‫‪ .1‬من تعريف التباين ميكن أن نستنتج‪:‬‬
‫])‪Cov(X, Y) = E[(X – µx)(Y – µy‬‬

‫= ]‪E[XY – Xµy – µxY + µxµy‬‬

‫= ‪E(XY) – E(X)E(Y) – E(X)E(Y) + µxµy‬‬

‫= )‪E(XY) – E(X) E(Y‬‬

‫)‪Cov(X, Y) = E(XY) – E(X) E(Y‬‬

‫‪7V‬‬
‫المتغيرة العشوائية ثنائية البعد‬ ‫الفصل الخامس‪z‬‬

‫‪ .2‬يف حالة ‪  X‬و‪ Y‬متغريت‪N‬ان مس‪N‬تقلتان‪ 1N‬نعلم من خص‪N‬ائص التوقع الرياضي أن )‪E(XY) = E(X‬‬
‫)‪ E(Y‬ومنه‪:‬‬
‫)‪Cov(X, Y) = E(XY) – E(X) E(Y) = E(XY) – E(XY‬‬
‫‪Cov (X, Y) = 0‬‬

‫‪ .3‬يف حالة ‪  X‬و‪ Y‬متغريتان مستقلتان‪ N‬أو غري مستقلتني‪:‬‬

‫‪Cov (X, Y) ± Var (X ± Y) = V(X) + V(Y) 2‬‬

‫|‪σxy| ≤ σxσy‬‬
‫‪ .4‬القيمة املطلقة للتباين املشرك ال تكون أكرب من جداء االحنرافني املعياريني‪:‬‬
‫‪ .5‬يف حالة ‪  X‬و‪ Y‬متغريت‪N‬ان مرتبطت‪N‬ان متاما مثال ‪ Y = X‬ف‪N‬إن‪Cov(X, Y) = V(X) V(Y) :‬‬

‫معامل االرتباط‬ ‫‪57‬‬

‫‪ yx‬‬
‫يس‪NN‬اوي ‪ 0‬يف حالة ‪  X‬و ‪ Y‬مس‪NN‬تقلتان‪ N‬و من اخلاص‪NN‬ية (‪ )5‬نس‪NN‬تنتج أنه يف‬ ‫من اخلاصية (‪ N )2‬نس‪NN‬تنتج أن الكسر‬
‫‪ ‬‬
‫‪x‬‬ ‫‪y‬‬

‫حالة ‪  X‬و ‪ Y‬متغريتان مرتبطتان متاما فإن الكسر يساوي ‪.1‬‬

‫‪ yx‬‬
‫‪ . 1 ‬من أجل هذا‬ ‫من جهة أخرى من اخلاصية ‪ 4‬نستنتج أن النسبة ترتاوح قيمته بني (‪ )1-‬و(‪ 1 :)1‬‬
‫‪ ‬‬
‫‪x‬‬ ‫‪y‬‬

‫‪ yx‬‬
‫‪ r ‬لقياس االرتباط بني املتغريتني‪ ،‬وتسمى معامل االرتباط‪.‬‬ ‫تستعمل النسبة‪:‬‬
‫‪ ‬‬
‫‪x‬‬ ‫‪y‬‬

‫يف حالة ‪ r‬معدوم‪ N‬نقول أن المتغيرتان غير مرتبطتين‪ ،‬من غري أن جنزم أهنما مستقلتان‪.‬‬
‫مثال‪ .‬أوجد التباين املشرتك واالرتباط للتوزيع املشرتك املذكور يف املثال السابق‪.‬‬
‫)‪Cov(X, Y) = E(XY) – E(X) E(Y‬‬
‫)‪E(XY) = 1(-4)(1/8) + (1)(-2)(2/8) + (1)(7)(1/8) + (-5)(-4)(2/8) + (-5)(-2)(1/8) + (-5)(7‬‬
‫‪(1/8) = 1.75‬‬
‫‪.E(X) = 1(4/8) + (-5)(4/8) = -2, E(Y) = -4(3/8) – 2(3/8) + 7(2/8) = -1/2‬‬
‫‪Cov(X, Y) = 1.75 – (-2)(-1/2) = 0.74‬‬
‫‪,V(X) = E(X²) – E²(X) = 1(4/8) + (-5)²(4/8) – (-2)² = 9 => σx = 3‬‬

‫‪ yx‬‬ ‫‪057‬‬‫‪.‬‬

‫‪.V(Y) = E(Y²) – E²(Y) = 20.34 => σy = 4.5‬‬ ‫‪r‬‬ ‫‪‬‬ ‫‪ 050‬‬
‫‪.‬‬
‫‪ ‬‬
‫‪x‬‬ ‫‪y‬‬ ‫‪3 (4 5‬‬‫)‪.‬‬

‫‪ 1‬العكس ليس بالضرورة دوما صحيح‪ ،‬فقد يكون التباين املشرتك مساويا للصفر من غري أن يكون املتغريت‪N‬ان مس‪N‬تقلتان فعال‪ .‬املعادلة هي يف احلقيقة متثل ش‪NN‬رطا ولكنه‬
‫ليس ش‪NN N‬رطا كافي‪NN N‬ا‪ .‬باملقابل ميكن اس‪NN N‬تعمال نتيجة معدومية التب‪NN N‬اين املش‪NN N‬رتك للداللة على ض‪NN N‬عف االرتب‪NN N‬اط‪ ،‬إذا ك‪NN N‬ان موج‪NN N‬ودا‪ ،‬بين املتغ‪NN N‬ريتني‪ .‬الش‪NN N‬رط االزم والك‪NN N‬ايف‬
‫الستقالل متغريتني هو املذكور سابقا يف تعريف االستقالل‪.‬‬

‫‪8VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫خالصة‪4‬‬ ‫‪58‬‬

‫نقول عن متغريتان أهنما مستقلتان إذا أمكن كتابة دالة التوزيع املشرتكة هلما (أو دالة الكثافة املشرتكة) يف شكل جداء‬
‫دالتني هامشيتني تراكميتني (أو دالتني هامشيتني للكثافة)‪ f(x, y) = f1(x) f2(y) :‬أي أن‪:‬‬
‫)‪P(X = x, Y = y) = P(X = x) P(Y = y‬‬
‫من جهة أخرى نقيس االرتباط بني متغريتني من خالل معامل االرتباط‪،‬‬
‫ويف هذه احلالة يكون التباين املشرتك )‪Cov(X, Y) = E(XY) – E(X) E(Y‬‬
‫معدوما‪ N‬ألنه تبعا خلصائص التوقع الرياضي يف حالة االستقالل فإن )‪E(XY) = E(X) E(Y‬‬
‫لكن العكس ليس بالضرورة صحيح‪.‬‬

‫‪ yx‬‬
‫‪r ‬كمؤشر على االرتباط بني املتغريتني‪ ،‬لكن اإلحصائي جيب أن يكون متنبها إىل‬ ‫يستخدم معامل االرتباط‬
‫‪ ‬‬
‫‪x‬‬ ‫‪y‬‬

‫حمدودية هذا املؤشر‪.‬‬

‫‪9V‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫دوال المتغيرات العشوائية والتقارب‬

‫الدوال غير الخطية ‪ :‬ك ‪ ،2‬فيشر وستيودنت‬

‫التقارب والسلوك التقاربي‪ ،‬نظرية النهاية المركزية‬

‫نتناول يف املبحث األول من هذا الفصل عدد من التوزيعات ذات االستخدام الواسع يف اإلحصاء االستداليل والتط‪NN‬بيقي‬
‫خاصة يف جمايل "التقدير" و"اختبار الفروض"‪ ،‬حيث يستخدم اإلحصائي هذه التوزيعات يف عمله من أجل الوصول إىل‬
‫"ق‪NN N‬رار" بش‪NN N‬أن "اجملتمع" املدروس انطالقا من بيان‪NN N‬ات يتحصل عليها من عينة‪ .‬يف املبحث الث ‪NN‬اين س ‪NN‬نتطرق للتق‪NN N‬ارب بني‬
‫التوزيعات االحتمالية املختلفة اليت درسناها من قبل‪.‬‬

‫الدوال غير الخطية‪ :‬ك ‪ ، 2‬فيشر وستيودنت‬ ‫المبحث ‪.13‬‬

‫توزيع فيشر‬ ‫توزيع ستيودنت‬ ‫توزيع ك‪2‬‬

‫)‪Distribution en Khi-carré (ou Khi-deux‬‬ ‫‪1‬‬

‫توزيع ك‪2‬‬ ‫‪59‬‬

‫توزيع ك‪ 2‬هو من أكثر التوزيعات استخداما يف جمال اختبار الفروض بأنواعها‪ ،‬وميكن تعريفه كما يلي‪:‬‬
‫لتكن ‪ ، X1, X2, . . . Xν‬متغريات عشوائية مستقلة كل منها تتبع التوزيع الطبيعي املعياري (‪ .)µ = 0, σ =1‬املتغرية‬
‫‪X = X1² + X2² + . . . + Xν²‬‬
‫هلا دالة الكثافة التالية‪:‬‬

‫‪ x  /2  1e  x /2‬‬
‫‪‬‬ ‫‪x 0‬‬
‫‪f (x )   2  /2  /2 ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪x 0‬‬
‫‪‬‬
‫حيث )‪ Γ(α‬هي الدالة قاما‪:‬‬
‫‪‬‬
‫‪  ‬‬ ‫‪t‬‬ ‫‪ 1e td‬‬
‫‪t‬‬ ‫‪ 0‬‬
‫‪0‬‬
‫)‪f(x‬‬
‫‪ν=1‬‬

‫‪0.25‬‬ ‫‪ν=2‬‬

‫‪ν=3‬‬

‫‪ν=6‬‬

‫‪ν = 10‬‬ ‫و نقول أن ‪ X‬تتبع التوزيع ك‪ 2‬ب ‪ ν‬درجة حرية ونكتب‬

‫‪ν = 15‬‬

‫‪x‬‬ ‫‪.X ~ χ²‬‬

‫‪ν‬‬
‫‪0‬‬ ‫‪6‬‬ ‫‪12‬‬ ‫‪18‬‬ ‫‪24‬‬

‫الدالة التجميعية ‪ (χ²) F‬تكتب كما يلي‪:‬‬

‫تدرج منحنى ك‪ 2‬حسب درجة الحرية‬ ‫رسم ‪14‬‬
‫يرجع الفضل يف اكتشاف هذا التوزيع إىل ف هلمرت (‪ )F. Helmert, 1876‬و كارل بريسون (‪. )Karl Pearson, 1900‬‬ ‫‪1‬‬

‫‪1VI‬‬
‫دوال المتغيرة العشوائية و التقارب‬ ‫الفصل السادس‪z‬‬

‫‪‬‬ ‫‪1‬‬ ‫‪x‬‬

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

‫‪‬‬ ‫‪0‬‬ ‫‪x 0‬‬

‫‪‬‬

‫(‪ )1‬خصائص توزيع ك ‪2‬‬

‫‪E(X) = ν,‬‬ ‫‪V(X) = 2ν,‬‬ ‫‪M(t) = (1-2t)-ν/2‬‬
‫دالة التوزيع ك‪ 2‬هي هي حالة خاصة من توزيع قاما بوضع ‪. α = ν/2, β = 2‬‬
‫ويأخذ منحىن )‪ f(x‬ش‪NN N‬كله حسب قيمة الث‪NN N‬ابت ‪ ν‬ونالحظ من الرسم أن املنحىن يبتعد ش ‪NN‬يئا فش‪NN N‬يئا عن احملور‬
‫العم‪NN‬ودي ويأخذ ش‪NN‬كال جرس‪NN‬يا كلما زادت قيمة ‪ .ν‬ون‪NN‬ربهن أنه عند ‪ ν‬كبري (‪ )ν ≥ 30‬ف‪NN‬إن ‪2 ²  2  1‬‬
‫تتبع التوزيع الطبيعي املعياري‪.‬‬
‫‪ ‬يف اجلداول االحص‪NN N N N N‬ائية‪ ،‬تعني نقطة (قيمة املتغ‪NN N N N N‬رية) ك‪ 2‬على احملور األفقي (أنظر الرسم املقاب‪NN N N N N‬ل) من خالل‬
‫‪ν‬باإلض‪NN N‬افة إىل املس‪NN N‬احة ‪ p‬على يس‪NN N‬ار ك‪ 2‬حتت املنحىن ()‪ .p = P(X ≤ χ²ν;p‬وأحيانا حتدد النقطة ك‪ 2‬بداللة‬
‫املساحة على ميينها (‪ )α = 1- p‬لذلك جند يف كتب االحصاء كل من الكتابتني‪ χ²p,ν :‬و‪χ²α,ν‬‬

‫)‪f(x‬‬

‫‪p=1- α‬‬
‫‪α‬‬ ‫‪x‬‬
‫‪0‬‬
‫‪χ²p,ν‬‬

‫تعيني نقطة ك‪ 2‬على احملور من خالل قيمة ‪p‬‬ ‫رسم ‪14‬‬

‫هذه‬ ‫جمموع‬ ‫‪X1 ~ χ²ν1 , . . . , Xn ~ χ²νn‬‬ ‫نظرية‪ :‬لتكن م ع مستقلة عددها ‪ n‬حيث‬ ‫‪‬‬
‫املتغريات‬
‫‪n‬‬
‫‪X T  X‬‬ ‫‪i‬‬ ‫~ ‪χ²νT‬‬
‫‪i1‬‬

‫‪νT = ∑νi‬‬

‫‪2VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫توزيع ستيودنت‪Distribution de Student1‬‬ ‫‪60‬‬

‫‪Y‬‬
‫‪ T ‬تتبع‬ ‫لتكن املتغريت‪NN‬ان العش‪NN‬وائيتان املس‪NN‬تقلتان‪ Y N‬و‪ Z‬حيث )‪ Y~ N(0, 1‬و ‪ ~ χν² Z‬؛ املتغ‪NN‬رية‬
‫‪Z /‬‬
‫توزيع هلا دالة الكثافة التالية‬
‫‪  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ 1‬‬ ‫‪t‬‬ ‫‪²‬‬ ‫‪‬‬ ‫‪ 2 ‬‬
‫‪f ( t) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  t  ‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪    ‬‬
‫‪2 ‬‬
‫‪‬‬
‫‪  ‬‬ ‫‪t‬‬ ‫‪ 1e td‬‬
‫‪t‬‬ ‫‪ 0‬‬
‫‪0‬‬

‫‪T ~ tν‬‬ ‫و نقول أن املتغرية ‪ X‬تتبع توزيع ستيودنت ب ‪ν‬درجة حرية ونكتب‪:‬‬

‫(‪ )1‬خصائص توزيع ستيودنت‬

‫‪E(T) = 0,‬‬ ‫)‪V(T) = ν/(ν-2) si (ν > 2‬‬

‫)‪f(t‬‬

‫طبيعي‬
‫‪0.4‬‬

‫‪ν=4‬‬
‫‪ν=1‬‬

‫‪t‬‬
‫‪-4‬‬ ‫‪-3‬‬ ‫‪-2‬‬ ‫‪-1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬

‫‪ 15‬تدرج منحىن ستيودنت حسب درجة احلرية‬ ‫رسم‬

‫‪ 1‬يرجع الفضل يف إجياد هذا القانون إىل ويليام سيلي قوسي (‪ )1876-1937( )William Sealy Gosset‬الذي نشر مقاالته كلها باسم ستيودنت‪ ،‬ونشر‬
‫مقالته حول هذا القانون عام ‪ 1908‬بعنوان «‪ » The probable error of a mean ‬أنظر ‪ :‬دراوزبيك ‪ ،1997‬ص ‪.262‬‬

‫‪3VI‬‬
‫دوال المتغيرة العشوائية و التقارب‬ ‫الفصل السادس‪z‬‬

‫نالحظ أن منحىن ‪t‬متماثل ح ‪NN N N N‬ول املتوسط ‪ 0‬مما يعين أن لكل نقطة موجبة ‪ t‬نقطة من ‪NN N N‬اظرة هلا س ‪NN N N N‬البة‬ ‫‪‬‬

‫حيث املساحة حتت املنحىن على ميني ‪ t‬تساوي املساحة حتت املنحىن علي يسار (–‪ ،)t‬ونكتب ‪t1-p = -‬‬
‫‪. tp‬‬

‫باإلض‪NN‬افة إىل ذلك ف‪NN‬إن منحىن )‪ f(t‬يق‪NN‬رتب من املنحىن الط‪NN‬بيعي املعي‪NN‬اري كلما زادت قيمة ‪ . ν‬وعموم‪NN‬ا‪،‬‬ ‫‪‬‬

‫يعترب اإلحصائيون أن املنحنيان يتطابقان تقريبا عند ‪.ν ≥30‬‬

‫يف اجلداول االحص ‪NN‬ائية‪ ،‬تعني نقطة (قيمة املتغ ‪NN‬رية) ‪ t‬من خالل ‪ν‬واملس ‪NN‬احة ‪ p‬على يس ‪NN‬ار ‪ t‬حتت املنحىن‬ ‫‪‬‬

‫) ()‪ .p = P(T ≤ tν;p‬وأحيانا حتدد النقطة ‪ t‬بداللة املساحة على ميينها (‪ )α = 1 - p‬ونكتب ‪tp,ν :‬‬
‫‪. tα,ν‬‬ ‫أو‬

‫توزيع فيشر (‪Distribution F de Fisher-Snédecor 1)F‬‬ ‫‪61‬‬

‫‪)x(f‬‬ ‫(‪) ? ,01‬‬
‫‪0.1‬‬

‫(‪)05 ,01‬‬

‫‪5,0‬‬
‫(‪)01 ,01‬‬

‫(‪)4 ,01‬‬

‫‪x‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪4‬‬

‫تدرج منحىن فيشر حسب درجة احلرية‬ ‫رسم ‪16‬‬

‫‪X 1 / 1‬‬
‫‪ X  X /‬هلا دالة‬ ‫ليكن ل ‪NN‬دينا املتغريت ‪NN‬ان العش ‪NN‬وائيتان املس ‪NN‬تقلتان‪ X1 ~ χν1² N‬و ‪ . ~ χν2² X2‬املتغ ‪NN‬رية ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

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

‫‪  2   2 ‬‬

‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪x 0‬‬
‫‪X ~ Fν1, ν2‬‬ ‫و نقول أن املتغرية ‪ X‬تتبع توزيع فيشر ب ‪ 1ν‬و‪ 2ν‬درجة حرية ونكتب‪:‬‬

‫(‪ )1‬خصائص توزيع فيشر‪:‬‬

‫‪‬‬ ‫) ‪2 22 ( 1  2  2‬‬
‫‪‬‬ ‫‪2‬‬
‫) ‪( 2  2‬‬ ‫‪,‬‬ ‫‪ ²‬‬ ‫) ‪( 2  4‬‬
‫‪ 2 2‬‬ ‫‪ 1 2  4  2  2‬‬ ‫‪2‬‬

‫‪ 1‬رونالد آيلمر فيشر (‪( )1890-1962( )Ronald Aylmer Fisher‬إجنلرتا) يعترب مؤسس نظرية التقدير و جورج وادل سنيديكور (‪George‬‬
‫‪( )1881-1974( )Waddel Snédecor‬أمريكي) أنظر املرجع السابق‪ ،‬ص ‪.258‬‬

‫‪4VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫ويظهر من املعادلة تبعية منحىن )‪ f(x‬باإلضافة ل ‪ x‬إىل كل من ‪ ν1‬و‪ ν2‬ولذلك حتدد أي نقطة ‪ F‬من خالل ثالثة‬
‫معامل‪ ν1 :‬و‪ ν2‬و ‪( p‬املساحة حتت املنحىن على يسار النقطة ‪ ، )F‬ونكتب ‪Fp, ν1 , ν2‬‬
‫ويف الغالب تعطي اجلداول اإلحصائية قيم ‪ F‬عند ‪ p = 0.95‬و‪. p = 0.99‬‬

‫)‪f(x‬‬

‫‪p=1- α‬‬
‫‪α‬‬ ‫‪x‬‬
‫‪0‬‬
‫‪Fp,ν1, ,ν2‬‬

‫رسم ‪ 17‬تعيين قيمة ‪ F‬يتم في الجدول يتم من خالل ‪ ν1, ,ν2‬و ‪P‬‬

‫نظرية ‪.1‬‬
‫‪F 1 p , 1 , 2 1 /F‬‬ ‫‪p‬‬
‫‪, 2‬‬
‫‪, 1‬‬

‫نظرية ‪.2‬‬
‫‪F 1 p ,1 ,  t12 (p /2,) ‬‬
‫نظرية ‪.3‬‬
‫‪‬‬ ‫‪2‬‬
‫‪p ,‬‬
‫‪F‬‬ ‫‪, , ‬‬
‫‪p‬‬
‫‪‬‬

‫خالصة‪4‬‬ ‫‪62‬‬

‫ميكن تلخيص أهم ما تضمنه هذا املبحث يف اجلدول التايل‪:‬‬

‫‪5VI‬‬
 ‫دوال المتغيرة العشوائية و التقارب‬ ‫الفصل السادس‪z‬‬

‫أهم ما يجب معرفته‪ 4‬عن دالة الكثافة‬ ‫المتغيرة العشوائية‬ ‫التوزيع‬

‫إذا ك‪NN N‬انت ‪ Xi‬متغ‪NN N‬ريات عش‪NN N‬وائية مس‪NN N‬تقلة‬
‫‪f(x) = 0 si x ≤ 0‬‬ ‫كل منها تتبع التوزيع الطبيعي املعياري‪ ،‬و‬ ‫توزيع ك‪2‬‬
‫‪E(X) = ν,‬‬ ‫‪V(X) = 2ν‬‬ ‫‪X = X1² + X2² + . . . + Xν²‬‬ ‫‪X ~ χ²ν‬‬
‫إذن‪X ~ χ²ν :‬‬
‫لتكن املتغريتان العشوائيتان املستقلتان ‪ Y‬و‪Z‬‬
‫‪,E(T) = 0‬‬ ‫توزيع‬
‫حيث )‪ Y~ N(0, 1‬و ‪ ~ χν² Z‬؛ إذن‪:‬‬
‫)‪V(T) = ν/(ν-2) si (ν > 2‬‬ ‫ستيودنت‬
‫‪Y‬‬
‫‪T‬‬ ‫~ ‪tν‬‬ ‫‪T ~ tν‬‬
‫‪Z /‬‬
‫‪f(x) = 0 si x ≤ 0‬‬ ‫إذا كانت لدينا متغريتان عشوائيتان‬
‫‪‬‬ ‫‪2‬‬
‫توزيع فيشر‬
‫‪F,‬‬ ‫‪p , ,‬‬ ‫‪‬‬
‫‪p‬‬‫‪,‬‬
‫مستقلتان‪ N‬حيث‪:‬‬
‫‪‬‬
‫‪F; 1 p ,1 ,  t12 (p /2,) ‬‬ ‫‪ X1 ~ χν1²‬و ‪، ~ χν2² X2‬‬
‫‪X 1 / 1‬‬ ‫‪X ~ Fν1, ν2‬‬
‫‪F 1 p , 1 , 2 1 /F‬‬
‫‪X ‬‬ ‫فإن ~ ‪Fν1, ν2‬‬
‫‪p‬‬
‫‪, 2‬‬
‫‪, 1‬‬ ‫‪X 2 / 2‬‬

‫السلوك التقاربي لبعض التوزيعات االحتمالية‬ ‫المبحث ‪.14‬‬

‫التقارب بين التوزيع الثنائي والتوزيع الطبيعي‬

‫االنتقال من متغيرة متقطعة إلى متغيرة مستمرة‬
‫التقارب بين التوزيع الثنائي وتوزيع بواسون‬
‫نظرية النهاية المركزية‬

‫نتناول يف هذا املبحث بعض حاالت التقارب الذي حيصل بني عدد من التوزيعات االحتمالية الشهرية‪ .‬ونقصد‬
‫بالتقارب بني توزيعني (الثنائي وبواسون مثال) أن يعطي التوزيعان نتائج متقاربة خبصوص احتمال معني‪ ،‬مما يعين‬
‫إمكانية استخدام توزيعني احتماليني (وأحيانا أكثر) حلساب احتمال معني‪ .‬علما أننا قد تطرقنا من قبل بإجياز إىل هذا‬
‫املفهوم عند دراستنا هلذه التوزيعات‪.‬‬

‫التقارب بين التوزيع الثنائي والتوزيع الطبيعي‬ ‫‪63‬‬

‫لندرس‪ N‬السلوك التقاريب ملتغرية التوزيع الثنائي )‪ X~B(n,p‬عندما تؤول ‪ n‬إلىأعداد كبرية جدا‪.‬‬
‫ليكن ‪ X‬ميثل عدد مرات احلصول على صورة عند رمي قطعة نقدية ‪ :‬مرتني‪ 4 ،‬مرات‪ 8 ،‬مرات‪ 16 ،‬مرات‪.‬‬

‫‪Xi‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪Pi‬‬ ‫‪0,00 0,03 0,10 0,21 0,27 0,21 0,10 0,03 0,00‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪4‬‬

‫‪6VI‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫برسم منحنيات ‪ Pi‬للحاالت ‪ n = 2 ، n = 4 ، n = 8 ، n =16‬يظهر السلوك التقاريب للمتغرية ‪. X‬‬

‫‪6, 0‬‬
‫‪2=n‬‬ ‫‪4,0‬‬ ‫‪4=n‬‬
‫‪5, 0‬‬
‫‪4, 0‬‬ ‫‪3,0‬‬

‫‪3, 0‬‬ ‫‪2,0‬‬

‫‪) x( p‬‬

‫‪)x(P‬‬
‫‪2, 0‬‬
‫‪1,0‬‬
‫‪1, 0‬‬
‫‪0‬‬ ‫‪X‬‬ ‫‪0‬‬ ‫‪X‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬

‫‪03,0‬‬ ‫‪52,0‬‬
‫‪52,0‬‬ ‫‪8=n‬‬ ‫‪61 = n‬‬
‫‪02,0‬‬
‫‪02,0‬‬
‫‪51,0‬‬
‫‪51,0‬‬
‫‪01,0‬‬
‫‪)x(P‬‬

‫‪)x(P‬‬
‫‪01,0‬‬
‫‪50,0‬‬ ‫‪50,0‬‬
‫‪00,0‬‬ ‫‪X‬‬ ‫‪X‬‬
‫‪00,0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪01‬‬
‫‪0‬‬ ‫‪5‬‬ ‫‪01‬‬ ‫‪51‬‬ ‫‪02‬‬

‫السلوك التقاريب للتوزيع الثنائي ملا ‪p = 0.5‬‬ ‫رسم ‪18‬‬

‫يظهر من مقارنة املنحني ‪NN‬ات األربعة أن زي ‪NN‬ادة قيمة ‪ n‬ت ‪NN‬ؤدي إىل احلص ‪NN‬ول على منحىن ذا ش ‪NN‬كل جرسي ومتماثل ح ‪NN‬ول‬
‫التوقع ‪. µ‬‬
‫هذه املالحظة تصدق أيضا يف حالة ‪ p ≠ 0.5‬لكن التحول يكون أكثر بطأ‪.‬‬
‫من أجل التعميم نعترب املتغ ‪NN‬رية املعيارية ‪ z = (x - µ)/σ‬امللحقة ب ‪NN‬ذات املتغ ‪NN‬رية ذات التوزيع الثن ‪NN‬ائي ‪ . X‬إن الس ‪NN‬لوك‬
‫التقاريب ل‪ Z‬املالجظ يف الشكل أسفله هو ما تثبته النظرية التالية‪:‬‬
‫‪X pn‬‬
‫‪tios‬‬ ‫‪X ~B (n ,p ) :‬‬ ‫‪Y‬‬ ‫‪n‬‬‫)‪ N (0 ,1.‬‬
‫‪ ‬‬
‫‪qpn‬‬
‫ونكتب‪.≈ N(0,1) Y‬‬

‫‪7VI‬‬
‫دوال المتغيرة العشوائية و التقارب‬ ‫الفصل السادس‪z‬‬

‫‪2=n Pi‬‬ ‫‪4=n‬‬

‫‪Pi‬‬

‫‪4, 0‬‬ ‫‪4, 0‬‬

‫‪0‬‬ ‫‪0‬‬
‫‪4-‬‬ ‫‪2-‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪4-‬‬ ‫‪2-‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪z‬‬ ‫‪z‬‬

‫‪8=n Pi‬‬ ‫‪61=n‬‬

‫‪4, 0‬‬ ‫‪Pi‬‬
‫‪3, 0‬‬

‫‪2, 0‬‬
‫‪2, 0‬‬
‫‪1, 0‬‬

‫‪0‬‬
‫‪0‬‬
‫‪4-‬‬ ‫‪2-‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪4-‬‬ ‫‪2-‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪z‬‬
‫‪z‬‬

‫السلوك التقاريب للتوزيع‪ N‬الثنائي من خالل املتغرية املعيارية املعيارية‬ ‫رسم ‪19‬‬
‫قاعدة‪:‬‬
‫يف حالة‪ n‬كب‪N‬رية و ‪ p‬غري ق‪NN‬ريب من ‪ 0‬ميكن اعتب‪N‬ار التوزيع الثن‪N‬ائي كتق‪NN‬ريب جيد للتوزيع‪ N‬الط‪N‬بيعي‪ .‬ويعطي التوزيع‪NN‬ان‬
‫نتائج أكثر تقاربا كلما كانت ‪ n‬كبرية أكثر‪ .‬ونكتب‪:‬‬
‫‪x pn‬‬ ‫‪1‬‬ ‫‪b‬‬ ‫‪u ²‬‬
‫‪mil‬‬ ‫‪n ‬‬
‫‪P (a ‬‬
‫‪qpn‬‬
‫‪ b )‬‬
‫‪2‬‬ ‫‪a e 2ud‬‬
‫و مما يسرع تقارب التوزيع الثنائي من التوزيع الطبيعي كون ‪ p‬قريب من ‪ 0.5‬وكقاعدة ‪:‬‬
‫عموما‪ 4‬نعتبر أن التقريب مالئم عندما ‪ np‬و‪ nq‬كالهما أكبر من ‪.5‬‬ ‫‪‬‬
‫عدد من االحصائيني‪ 1‬يعتمد قاعدة أخرى هي أن يكون أحد الشرطني التاليني متوفرين‪:‬‬ ‫‪‬‬
‫‪npq ≥ 9‬‬ ‫‪o‬‬

‫‪n ≥ 20 , np ≥ 10, nq ≥ 10‬‬ ‫‪o‬‬

‫يف حالة ‪ ، p = 0.5‬الشرط (‪ )1‬يتحقق عند ‪ n = 36‬والثاين عند ‪.n = 20‬‬

‫يف حالة ‪ ، p = 0.10‬الشرطني يتحققان عند ‪. n = 100‬‬

‫االنتقال من متغيرة متقطعة إلى متغيرة متصلة‪.‬‬ ‫‪64‬‬

‫لاس‪NN N N‬تخدام التوزيع الط ‪NN N‬بيعي بدال من التوزيع الثن‪NN N N‬ائي يعين حس‪NN N N‬اب االحتم ‪NN N‬ال عن طريق توزيع مس ‪NN N‬تمر بينما املتغ ‪NN N‬رية‬
‫متقطعة‪ .‬من أجل ذلك يتم اعتبار كل قيمة يف املتغرية األصلية جماال‪.‬‬
‫مثال‪ .‬احتمال ‪ 4‬جناحات خالل ‪ n‬جتربة يصاغ كما يلي‪. P(3.5 ≤ X ≤ 4.5) :‬‬

‫املرجع السابق‪ ،‬ص ‪.262‬‬ ‫‪1‬‬

‫‪8VI‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مثال‪ :2‬ن‪NN‬رمي قطعة نقدية ‪ 20‬م‪NN‬رة‪ .‬ليكن ‪ X‬ع‪NN‬دد م‪NN‬رات احلص‪NN‬ول على ص‪NN‬ورة‪ .‬أحسب )‪ P(X = 8‬مث أدرس إمكانية‬
‫استخدام نظرية موافر‪ -‬البالس حلساب نفس االحتمال‪.‬‬
‫‪.X ~ B(20, 0.5) , P(X = 8) = F(8) – F(7) = 0.2517 – 0.1316 = 0.1201‬‬
‫ل‪NN‬دينا ‪ np = 10 >5‬وك‪NN‬ذلك ‪ ، nq = 10 >5‬وإذا ش‪NN‬ئنا اس‪NN‬تخدام القاع‪NN‬دة الثانية فإننا جند أيضا أن ‪n =10، np :‬‬
‫‪ ،=10، nq=10‬ميكن إذا اعتب ‪NN‬ار )‪ . Y = (X-10)/√5 ~ N(0 ,1‬نس ‪NN‬تخدم املتغ ‪NN‬رية املس ‪NN‬تمرة ‪ *X‬ب ‪NN‬دال من ‪X‬‬
‫حلساب احتمال اجملال املعرب عن القيمة ‪ 8‬وهو [‪]8.5 ,7.5‬‬
‫‪ 7 5. 01‬‬ ‫‪8 5. 01 ‬‬
‫‪P (7 5.  X *  8 5. )  P ‬‬ ‫‪Z‬‬ ‫‪  P ( 121.  Z   676. )  021.‬‬
‫‪ 242.‬‬ ‫‪242.‬‬ ‫‪‬‬

‫التقارب بين التوزيع الثنائي وتوزيع بواسون‬ ‫‪65‬‬

‫أو ‪nq < 5‬‬ ‫و‪np < 5‬‬ ‫يعطي توزيع بواسون نتائج قريبة من التوزيع الثنائي ملا ‪n ≥ 30‬‬
‫و يستخدم بعض اإلحصائيني كشرط الستعمال قانون بواسون بدال من القانون الثنائي القاعدة التالية‪:1‬‬
‫‪ n ≥ 25‬و ‪p ≤ 0,1‬‬
‫مثال ‪% 10 :‬من إنتاج آلة ما يعد تالفا‪ ،‬نأخذ ‪ 30‬وحدة من انتاج هذه اآللة عشوائيا‪.‬‬
‫أحسب احتمال أن يكون هناك وحدتان تالفتان‪.‬‬
‫‪P(X = 2) = C230 (0,1²) (0.928) = 0.22‬‬
‫لدينا ‪ :n ≥ 25، p ≤ 0.1‬الستعمال توزيع بواسون حنسب أوال قيمة املعلمة (معلمة‪ N‬قانون بواسون)‬
‫‪λ = µ = np =30 * 0,1 = 3‬‬
‫‪P(2) = λx * e - λ/x! = (32 * e -3) / 2! = 0.22‬‬

‫نظرية النهاية المركزية‬ ‫‪66‬‬

‫لتكن املتغ‪NN‬ريات ‪ . . . . ،X1، X2‬متغ‪NN‬ريات عش‪NN‬وائية مس‪NN‬تقلة‪ N‬هلا نفس التوزيع االحتم‪NN‬ايل بتب‪NN‬اين ومتوسط حمددين‪ .‬إذا‬

‫كانت‬

‫‪,Sn = X1 + X2 + . . . + Xn‬‬ ‫)‪(n = 1, 2, . . .‬‬

‫فإن ‪ Sn‬تتبع التوزيع الطبيعي عندما ‪ . ∞→ n‬ومبا أن ‪ E(Sn) = nµ‬و ‪ σSn = σ√n‬فإننا تكتب ‪:‬‬
‫‪ z²‬‬
‫‪‬‬ ‫‪S  n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪b‬‬
‫‪mil‬‬ ‫‪n ‬‬
‫‪P a  n‬‬
‫‪‬‬ ‫‪ n‬‬
‫‪ b  ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪a‬‬
‫‪e 2zd‬‬

‫يف احلقيقة ف‪NN N N N‬إن النظرية حمققة عن‪NN N N N‬دما تك‪NN N N N‬ون املتغ‪NN N N N‬ريات املس‪NN N N N‬تقلة ‪ Xi‬هلا نفس املتوسط والتب‪NN N N‬اين حىت ولو مل يكن هلا‬
‫بالض ‪NN N‬رورة‪ N‬نفس التوزي ‪NN N‬ع‪ ،‬مع العلم أنه توجد ص ‪NN N‬يغ أخ ‪NN N‬رى هلذه النظرية حيث ال يش‪NN N‬رتط أن يك‪NN N‬ون للمتغ ‪NN N‬ريات نفس‬
‫التوزيع االحتمايل وال حىت أن تكون مستقلة‪N.‬‬
‫جتدر اإلشارة إىل أن نظرية م‪NN‬وافر‪ -‬البالس اليت تطرقنا إليها س‪NN‬ابقا هي حالة خاصة من نظرية النهاية املركزي‪NN‬ة‪ ،‬ذلك أن‬
‫متغرية تتبع القانون )‪ B(n, p‬ميكن اعتبارها جمموعا لعدد من املتغريات املستقلة ذات التوزيع الربنويل )‪.B(1, p‬‬

‫املرجع السابق‬ ‫‪1‬‬

‫‪9VI‬‬
‫دوال المتغيرة العشوائية و التقارب‬ ‫الفصل السادس‪z‬‬

‫خالصة‪4‬‬ ‫‪67‬‬

‫لاس‪NN N N‬تخدام التوزيع الط ‪NN N‬بيعي بدال من التوزيع الثن‪NN N N‬ائي يعين حس‪NN N N‬اب االحتم ‪NN N‬ال عن طريق توزيع مس ‪NN N‬تمر بينما املتغ ‪NN N‬رية‬
‫متقطعة‪ .‬من أجل ذلك يتم اعتبار كل قيمة يف املتغرية األصلية جماال‪.‬‬
‫نظرية النهاية املركزية تنص على أن ‪( Sn‬متغ‪NN‬ريات عش‪NN‬وائية مس‪NN‬تقلة هلا نفس التوزيع االحتم‪NN‬ايل بتب‪NN‬اين ومتوسط حمددين‬
‫) تتبع التوزيع الطبيعي عندما ‪ ∞→ n‬مبتوسط ‪ E(Sn) = nµ‬و ‪ σSn = σ√n‬ونكتب‪:‬‬
‫‪ z²‬‬
‫‪‬‬ ‫‪S  n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪b‬‬
‫‪mil‬‬ ‫‪n ‬‬
‫‪P a  n‬‬
‫‪‬‬ ‫‪ n‬‬
‫‪ b  ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪a‬‬
‫‪e 2zd‬‬

‫الرسم البي‪NN N‬اين الت ‪NN N‬ايل ي ‪NN N‬بني القواعد املس ‪NN N‬تخدمة كش ‪NN N‬روط للتق ‪NN N‬ريب‪ N‬بني التوزيع‪NN N‬ات االحتمالية املذكورة آنفا يف املبحث‬
‫باإلضافة إىل التوزيعات األخرى اليت درست يف الفصول السابقة (الرمز‪ cr‬يعين متغرية معيارية)‪.‬‬

‫)‪B (n, p‬‬ ‫‪n ≥ 25 ; p ≤ 0,10‬‬ ‫)‪P (λ‬‬

‫‪n < N/10‬‬
‫)‪H(N, n, p‬‬
‫)‪Bcr(n, p‬‬ ‫‪np = λ‬‬ ‫)‪Pcr(λ‬‬
‫‪n ≥ 20‬‬
‫‪np ≥10‬‬ ‫‪λ≥15‬‬
‫‪nq ≥10‬‬
‫∞ →‪ν‬‬
‫‪tν‬‬ ‫)‪N(0, 1‬‬

‫∞ →‪ν‬‬
‫‪tν²‬‬ ‫‪[N(0, 1)]²‬‬

‫‪ν1 = 1‬‬ ‫‪ν1 = 1‬‬ ‫‪ν=1‬‬

‫‪ν2 = ν‬‬ ‫∞ →‪ν2‬‬
‫‪ν1= ν‬‬
‫‪Fν1, ν2‬‬ ‫∞ →‪ν2‬‬ ‫‪Χν2 / ν‬‬

‫رسم يبين قواعد التقريب بين القوانين االحتمالية األكثر‬

‫استخدامااالحتمالية‬

‫‪10VI‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫نظرية توزيع المعاينة‬

‫مفاهيم إحصائية‬
‫توزيعات المعاينة للمتوسطات‬
‫توزيع المعينة للنسبة‬
‫توزيع المعاينة للفروق و المجاميع‬
‫توزيع المعاينة للتباين و توزيع المعاينة لنسبة تباينين‬

‫تنتشر يف جمتمعاتنا املعاصرة عمليات االستقصاء‪ ،‬ففي عامل األعمال تقوم املؤسسات عن طريق مصاحل التسويق‬
‫ومصاحل البحوث والتطوير بإجراء استقصاءات لإلطالع على توجهات املستهلكني‪ ،‬ويف وسائل اإلعالم ال مير يوم‬
‫دون أن يعلن عن نتائج استقصاء أجرته جملة أو جامعة حول مواضيع سياسية أو اجتماعية متعددة‪ ،‬منها‬
‫االستقصاءات املثرية للجدل حول األراء السياسية للمواطنني أثناء احلمالت االنتخابية‪ .‬فما هي األسس النظرية‬
‫الرياضية اليت تستند عليها االستقصاءات املختلفة ؟ أو كيف ميكن االستدالل من خالل بيانات عينة على خصائص‬
‫اجملتمع الذي أخذت منه؟ اإلجابة على هذه األسئلة و غريها تتطلب فهم العالقات الرياضية بني اخلصائص املختلفة‬
‫للمجتمع مثل املتوسط‪ ،‬التباين وغريها‪ ،‬واخلصائص املناظرة هلا يف العينة وهو ما سنتناوله يف هذا الفصل‪ .‬يف الفصول‬
‫املقبلة سندرس عددا من التطبيقات هلذه العالقات الرياضية‪.‬‬

‫مفاهيم إحصائية‬ ‫المبحث ‪.15‬‬

‫المجتمع والعينة‬
‫العينة النفادية والعينة غير النفادية‬
‫العينة العشوائية‬
‫معالم مجتمع‬
‫إحصائية المعاينة‬

‫المجتمع والعينة ‪Population et échantillon‬‬ ‫‪68‬‬

‫نشرح هذين املصطلحني من خالل األمثلة التالية‪:‬‬

‫‪ ‬قد ت‪NN‬رغب اإلدارة العس‪NN‬كرية يف تق‪NN‬دير ال‪NN‬وزن املتوسط للجن‪NN‬دي‪ ،‬فتق‪NN‬وم أخذ أوزان عينة من ‪ 100‬جن‪NN‬دي من‬
‫بني جمموع اجلنود (اجملتمع)‪.‬‬
‫‪ ‬ترغب هيأة معينة بالبحوث السياس‪N‬ية يف تق‪N‬دير نس‪N‬بة الن‪N‬اخبني املس‪N‬اندين ملرشح معني يف ‪ 10‬الوالي‪N‬ات‪ ،‬فتق‪N‬وم‬
‫باس‪NN‬تجواب ‪ 100‬ن‪NN‬اخب من كل والي‪NN‬ة‪ .‬الن‪NN‬اخبون يف الوالي‪NN‬ات العشر ميثل‪NN‬ون اجملتمع بينما ال ‪ 1000‬ن‪NN‬اخب‬
‫املستجوبون‪ N‬ميثلون العينة‪.‬‬
‫‪ ‬من أجل معرفة م‪NN N N‬دى دقة ص‪NN N N‬نع قطعة نقدية ت‪NN N N‬رمى القطعة ‪ 100‬م ‪NN N‬رة وحنسب ع ‪NN N‬دد م ‪NN N‬رات احلص‪NN N N‬ول على‬
‫الصورة والكتابة‪ ،‬حجم العينة هنا هو ‪.100‬‬
‫‪ ‬لتقدير نس‪N‬بة الك‪N‬رات داخل ص‪N‬ندوق‪ ،‬اليت من ل‪N‬ون معني‪ ،‬نق‪N‬وم ع‪N‬دد من املرات بس‪N‬حب ك‪N‬رة نس‪N‬جل لوهنا مث‬
‫نعيدها‪ .‬عدد الكرات املسحوبة ميثل حجم العينة‪.‬‬

‫‪1VII‬‬
‫نظرية توزيع المعاينة‬ ‫الفصل السابع‬

‫نالحظ أن مص ‪NN‬طلح اجملتمع يقصد به القياس ‪NN‬ات أو القيم وليس األف ‪NN‬راد أو األش ‪NN‬ياء اليت مت قياس ‪NN‬ها (جمتمع األوزان‪،‬‬
‫جمتمع آراء الن‪NN N‬اخبني‪ ،)..‬كما أن اجملتمع قد يك‪NN N‬ون حمدودا أو غري حمدود (نت ‪NN‬ائج رمي‪NN N‬ات قطعة النق ‪NN‬د)‪ ،‬أما العينة فهي‬
‫عادة تكون حمدودة‪ ،‬ونرمز عادة حلجم اجملتمع ب ‪ ،N‬وحلجم العينة ب ‪.n‬‬

‫‪Echantillon exhaustif et non exhaustif‬‬ ‫العينة النفادية‪ 4‬والعينة غير النفادية‪4‬‬ ‫‪69‬‬
‫عندما يكون السحب باإلرجاع حيث ميكن أن تظهر املفردة أكثر من مرة يف العينة‪ ،‬نسمي هذه املعاينة غري نفادية ألن تكرار العملية‪ N‬ال‬
‫يؤدي إىل تقليص عدد املفردات يف اجملتمع‪ N،‬والعكس نسمي املعاينة بدون إرجاع معاينة نفادية‪ .‬هناك فرضيتان تتكرران يف عدد من‬
‫العالقات الرياضية اليت سنراها الحقا‪ ،‬مها فرضية أن قيم مفردات العينة مستقلة واجملتمع الهنائي‪ .‬يتحقق شرط االستقالل إذا كانت املعاينة‬
‫غري نفادية‪ ،‬وإذا كانت كذلك‪ N،‬ميكن اعتبار اجملتمع جمتمعا غري حمدود‪.‬‬

‫العينة العشوائية ‪Echantillon aléatoire‬‬ ‫‪70‬‬

‫من أجل أن تكون العينة ممثلة للمجتمع‪ ،‬أحد الطرق املستخدمة هي العينة العشوائية‪ .‬نظريا (قد يصعب حتقيق ذلك يف الواقع)‪ ،‬نقول عن‬
‫عينة أهنا عشوائية إذا كان لكل مفردة يف اجملتمع نفس االحتمال ألن تكون يف العينة‪ .‬تسمى هذه العينة بالعينة العشوائية البسيطة‪ N.‬إلجناز‬
‫ذلك إما أن نسحب املفردات بطريقة عشوائية أو نرقم مفردات اجملتمع مث حندد العينة من خالل جمموعة من األعداد تؤخذ من اجلداول‬
‫اإلحصائية لألعداد العشوائية‪.1‬‬

‫معالم المجتمع ‪Paramètre d’une population‬‬ ‫‪71‬‬

‫نقصد مبعامل اجملتمع جمموعة‪ N‬من خصائصه مثل املتوسط‪ ،‬التباين‪ ،‬معامل التماثل‪ ... ،‬من خصائص اجملتمع أيضا طبيعة توزيعه االحتمايل‬
‫)‪ f(x‬كأن يكون طبيعيا أو غريه‪.‬‬

‫إحصائية المعاينة ‪Statistique de l’échantillonnage‬‬ ‫‪72‬‬

‫لتقدير معامل اجملتمع (متوسط اجملتمع ‪ ،µ‬تباين اجملتمع ‪ σ²‬النسبة ‪ N)...p‬ننطلق من بيانات العينة‪ N،‬حيث حنتاج إىل حساب معامل مثل‬
‫متوسط العينة ‪ ، m‬تباين العينة‪ ، S²‬النسبة يف العينة‪ . ’p‬بصفة عامة‪ ،‬نسمي كل قيمة حتسب انطالقا من بيانات العينة من أجل تقدير‬
‫قيمة معامل اجملتمع إحصائية املعاينة‪ N.‬نظريا (رياضيا) إحصائية املعاينة هي كل دالة يف املتغريات العشوائية اليت متثل القيم احملصل عليها يف‬
‫العينة‪N.‬‬

‫توزيع المعابنة للمتوسطات‬ ‫المبحث ‪.16‬‬

‫متوسط توزيع المعاينة للمتوسطات‬
‫تباين توزيع المعاينة للمتوسطات‬
‫طبيعة توزيع المعاينة للمتوسطات‬

‫متوسط توزيع المعاينة للمتوسطات‬ ‫‪73‬‬

‫مسألة‪ :‬ليكن اجملتمع ‪ .8 ،6 ،5 ،3 ،1‬ما هي القيمة املتوقعة ملتوسط عينة مسحوبة باإلرجاع مكونة من مفردتني (‬
‫‪)m‬؟ أحسب متوسط اجملتمع ‪ .µ‬قارن بني ‪ m‬و‪ .µ‬من أجل حتديد ذلك أحسب مجيع احلاالت املمكنة للمتوسط‬
‫‪ mi‬حسب كل عينة‪.‬‬
‫العينات املمكنة العينات املمكنة ذات احلجم ‪ n = 2‬من جمتمع حجمه ‪ 5‬عددها‪25= 5*5 :‬‬

‫أنظر جدول األعدلد العشوائية‪.‬‬ ‫‪1‬‬

‫‪2VII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫املتوسطات املمكنة للعينة (معاينة‬

‫العينات املمكنة‬
‫‪mi‬‬ ‫غ نفادية)‬
‫(‪)1 ,1‬‬ ‫(‪)1 ,3‬‬ ‫(‪)1 ,5( )1 ,6( )1 ,8‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3 3,5 4,5‬‬
‫(‪)3 ,1‬‬ ‫(‪)3 ,3‬‬ ‫(‪)3 ,5( )3 ,6( )3 ,8‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4 4,5 5,5‬‬
‫(‪)5 ,1‬‬ ‫(‪)5 ,3‬‬ ‫(‪)5 ,5( )5 ,6( )5 ,8‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5 5,5 6,5‬‬
‫(‪)6 ,1‬‬ ‫(‪)6 ,3‬‬ ‫(‪)6 ,5( )6 ,6( )6 ,8‬‬ ‫‪3,5 4,5 5,5 6‬‬ ‫‪7‬‬
‫(‪)8 ,1‬‬ ‫(‪)8 ,3‬‬ ‫(‪)8 ,5( )8 ,6( )8 ,8‬‬ ‫‪4,5 5,5 6,5 7‬‬ ‫‪8‬‬
‫القيمة املتوقعة ‪ m‬ل ‪ mi‬هي متوسط قيمها وهي ‪. m = (∑i mi) / 25 = 4,6‬‬
‫حساب متوسط اجملتمع‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6 :‬‬
‫مثال‪ .2‬أوجد نفس مطالب املثال ‪ .1‬يف حالة السحب بدون إرجاع‪ .‬العينات املمكنة عددها‪C25 = 10 :‬‬

‫املتوسطات املمكنة للعينة أو‬

‫العينات املمكنة بدون إرجاع‬
‫توزيع المعاينة للمتوسطات (معاينة‪ 4‬نفادية)‬
‫‪mi‬‬
‫)‪(1, 3‬‬ ‫‪2‬‬
‫)‪(1, 5‬‬ ‫)‪(3, 5‬‬ ‫‪3‬‬ ‫‪4‬‬
‫)‪(1, 6‬‬ ‫)‪(3, 6‬‬ ‫)‪(5, 6‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫)‪(1, 8‬‬ ‫)‪(3, 5‬‬ ‫)‪(5, 8‬‬ ‫)‪(6, 8‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬
‫القيمة املتوقعة ‪ m‬ل ‪ mi‬هي متوسط قيمها وهي‪:‬‬
‫‪E(m) = µm = (∑i mi) / 10 = 4,6‬‬

‫متوسط اجملتمع ‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6 :‬‬

‫نظرية ‪ .1‬إذا كانت م ع متثل جمتمع ما و‪ m‬متغرية ع متثل متوسط عينة مسحوبة من ذات اجملتمع‪ ،‬فإن القيمة‬
‫املتوقعة ملتوسط العينة )‪ E(M‬تكتب كما يلي‪E(M) = µm = µ :‬‬

‫الربهان ‪ :‬لنرمز ب ‪ Xi‬لقيم املتغرية األصلية ‪. X‬‬

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

‫تباين توزيع المعاينة للمتوسطات‬ ‫‪74‬‬

‫حالة المعاينة باإلرجاع‬ ‫(‪)1‬‬

‫مثال‪ .‬أحسب تباين اجملتمع يف املسألة ‪ ،1‬أحسب التباين (واالحنراف املعي‪N‬اري) لتوزيع املعاينة للمتوس‪N‬طات ‪ σ²m‬علما‬
‫أن العينة مس ‪NN‬حوبة باإلرج ‪NN‬اع (غ نفادي ‪NN‬ة)‪ ،‬ق ‪NN‬ارن بني تب ‪NN‬اين اجملتمع وتب ‪NN‬اين متوس ‪NN‬طات العين ‪NN‬ات املمكنة (توزيع املعاينة‬
‫للمتوسطات)‪.‬‬ ‫‪mi‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫‪3VII‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬
‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬ ‫‪8‬‬
‫نظرية توزيع المعاينة‬ ‫الفصل السابع‬

‫‪;σ²m = [∑i (mi – m)² ]/25 = 2.92‬‬

‫‪σ² = [∑i (xi – µ)² ]/5 = 5.84‬‬
‫‪2 / 5.84 = 2.92‬‬

‫هذا املثال ميهد للنظرية التالية‪:‬‬

‫نظرية ‪ .2‬إذا ك‪N‬انت م ع متثل جمتمع ما و‪ mi‬متغ‪N‬رية ع متثل متوسط عينة مس‪N‬حوبة من ذات اجملتمع باإلرج‪N‬اع‪ ،‬ف‪N‬إن‬
‫‪ ²‬‬
‫حيث ‪ n‬حجم العينة‪.‬‬ ‫‪‬‬ ‫‪m‬‬
‫‪2‬‬
‫‪‬‬ ‫تباين ‪( mi‬تباين توزيع املعاينة للمتوسطات) يكتب كما يلي‪:‬‬
‫‪n‬‬
‫الربهان‪ :‬لنرمز ب ‪ Xi‬لقيم املتغرية األصلية ‪. X‬‬
‫‪1‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪ ²‬‬
‫‪V (X )  V   iX‬‬ ‫‪   Vi iX‬‬
‫‪( )  ‬‬ ‫‪²  n ² ‬‬ ‫‪.‬‬
‫‪n‬‬ ‫‪i‬‬
‫‪ n²‬‬ ‫‪n²‬‬ ‫‪i‬‬
‫‪n²‬‬ ‫‪n‬‬

‫(‪ )2‬حالة المعاينة بدون إرجاع‪.‬‬

‫مسألة‪ :‬يف املس ‪NN‬ألة ‪ 1‬أحسب تب ‪NN‬اين املتوس ‪NN‬طات املمكنة للعينة ‪σ²m‬يف حالة املعاينة ب ‪NN‬دون إرج ‪NN‬اع‪ ،‬ق ‪NN‬ارن بني تب ‪NN‬اين‬
‫اجملتمع وتباين املتوسطات املمكنة للعينة‪.‬‬

‫املتوسطات املمكنة للعينة أو‬

‫تباين املتوسطات املمكنة للعينة‪:‬‬
‫توزيع املعاينة للمتوسطات (معاينة نفادية)‬
‫‪σ²m = [∑i (mi – m)² ]/10 = 2.19‬‬
‫‪σ² = [∑i (xi – µ)² ]/5 = 5.84‬‬ ‫تباين اجملتمع‪:‬‬ ‫‪mi‬‬
‫‪2‬‬
‫( أو بطريقة ثانية‪:‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪σ² = E(X²) – E(X)²‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫= (‪= 4.6² - 5 / )64 + 36 + 25 + 9 + 1‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬

‫‪)5.84‬‬
‫املقارنة بني تباين متوسط العينة و تباين اجملتمع‪:‬‬

‫‪548.  5  2 ‬‬
‫‪291. ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2 51 ‬‬

‫هذا ميهد للنظرية التالية‪:‬‬

‫نظرية ‪ .3‬إذا كانت ‪ X‬م ع متثل جمتمع ما حجمه ‪ N‬و‪ mi‬متغرية ع متثل متوسط عينة حجمها ‪ n‬مسحوبة من‬
‫ذات اجملتمع بدون إرجاع‪ ،‬فإن تباين ‪( mi‬تباين توزيع املعاينة للمتوسطات) يكتب كما يلي‪:‬‬
‫‪ ² N  n ‬‬
‫‪ m2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n N  1 ‬‬
‫‪N n‬‬
‫معامل اإلرجاع‪.‬‬ ‫وتسمى النسبة‬
‫‪N 1‬‬

‫‪4VII‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫طبيعة توزيع ‪m‬‬ ‫‪75‬‬

‫ندرس طبيعة توزيع متوسط توزيع املعاينة للمتوسطات من خالل النظريات التالية‪:‬‬
‫نظرية ‪ .4‬إذا كان اجملتمع موزع طبيعيا مبتوسط ‪ µ‬وتباين ‪ σ²‬فإن متوسط العينة املسحوبة منه يتبع أيضا التوزيع‬

‫الطبيعي مبتوسط ‪ µ‬وتباين ‪ ،σ²/n‬ونكتب )‪m ≈ N(µ, σ²/n‬‬

‫نظرية ‪( X.5‬نظرية النهاية المركزي‪44‬ة)‪ :‬إذا ك‪NN‬ان اجملتمع ال‪NN‬ذي تس‪NN‬حب منه العينة ذو متوسط ‪ µ‬وتب‪NN‬اين ‪ σ²‬لكن ليس‬
‫‪m ‬‬
‫‪ z ‬ت ‪NN‬ؤول إىل التوزيع الط‪NN‬بيعي املعي ‪NN‬اري عن ‪NN‬دما يك ‪NN‬ون ‪n‬‬ ‫بالض‪NN‬رورة طبيعيا ف‪NN‬إن املتغ ‪NN‬رية املعيارية ل ‪ m‬أي‬
‫‪ / n‬‬
‫كبريا (‪ )n ≥ 30‬ونكتب‪:‬‬
‫)‪.z ≈ N(0, 1‬‬
‫‪ N n‬‬
‫‪m‬‬
‫‪n N 1‬‬ ‫يف حالة اجملتمع حمدود واملعاينة نفادية نستبدل العبارة ‪ σ/√n‬ب‬
‫عمليا يستخدم اإلحصائيني هذه الصيغة املعدلة‪ N‬مبعامل اإلرجاع لالحنراف املعياري عندما ‪n/N ≥ 0.05‬‬

‫مث‪XXX‬ال‪ :‬جمتمع حجمه ‪ 900‬مبتوسط ‪ µ XXX=20‬و‪ . σ =12‬نس‪NN N N‬تخرج كل العين‪NN N N‬ات املمكن‪NN N N‬ة‪ .‬أحسب املتوسط‬
‫واالحنراف املعياري لتوزيع املعاينة للمتوسطات يف حالة‪ )1( :‬حجم العينة ‪. n = 36، (2) n = 64‬‬
‫(‪n = 36 : n/N = 36/900 = 0.04 < 0.05 => σm = σ/√n = 12/√36 = 2 )1‬‬
‫‪n 46‬‬
‫‪(2 ) n 46 :N 009‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 170‬‬
‫‪0.‬‬ ‫‪ 050.‬‬
‫‪N 009‬‬
‫‪21 009 46‬‬
‫‪ ‬‬ ‫‪m‬‬ ‫‪‬‬ ‫‪ 129.‬‬
‫‪46 009  1‬‬
‫‪E(m) = µ = 20‬‬
‫مثال‪ .2‬باستخدام معطيات املثال السابق (‪ )n = 36‬أحسب احتمال أن يكون ‪ m‬حمصورا بني ‪ 18‬و‪.22‬‬

‫أحسب نفس االحتمال يف حالة ‪.n = 64‬‬

‫‪m‬‬ ‫‪-µ 81 02‬‬
‫‪-‬‬
‫‪Z 1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪ -1 , Z 2  1‬‬
‫‪81(P‬‬ ‫‪m ‬‬ ‫‪‬‬
‫‪)22 Z(P‬‬ ‫‪1‬‬ ‫‪Z Z 7286.0‬‬
‫‪2 )‬‬
‫‪ / n /21 63‬‬
‫‪m‬‬ ‫‪-µ N  n  81 02‬‬ ‫‪-‬‬
‫‪Z 1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪-‬‬
‫‪40.1‬‬ ‫‪2‬‬
‫‪, Z 40.1‬‬ ‫‪‬‬
‫‪81(P‬‬ ‫‪m ‬‬
‫‪)22‬‬ ‫‪‬‬
‫‪40.1-(P‬‬ ‫‪Z  140. 07.0‬‬
‫‪)‬‬
‫‪ / n  N  1  29.1‬‬

‫خالصة‬ ‫‪76‬‬
‫اجلدول التايل يبني أهم خصائص توزيع املعينة للمتوسطات‪.‬‬

‫‪5VII‬‬
 ‫نظرية توزيع المعاينة‬ ‫الفصل السابع‬

‫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 ‫جمتمع ما حجمه ‪N‬‬
‫‪n N  1 ‬‬
‫جمتمع موزع طبيعيا مبتوسط ‪µ‬‬
‫)‪m ≈ N(µ, σ²/n‬‬ ‫سحب باإلرجاع أو بدون إرجاع‬
‫وتباين ‪σ²‬‬
‫‪m ‬‬ ‫جمتمع مبتوسط ‪ µ‬وتباين ‪ σ²‬لكن‬
‫‪N(0, 1) ≈z ‬‬ ‫عندما يكون ‪ n‬كبريا (‪)n ≥ 30‬‬
‫‪ / n‬‬ ‫ليس بالضرورة‪ N‬طبيعيا‬

‫توزيع المعاينة للنسبة‬ ‫المبحث ‪.17‬‬

‫النظرية التالية تبني املتوسط‪ ،‬التباين‪ ،‬و طبيعة التوزيع اإلحصائية ‪ : 'p‬نسبة خاصية ما يف العينة‪.‬‬
‫نظري‪XX‬ة ‪ : 6‬لتكن ‪ X‬م ع متثل جمتمع ما غري حمدود وم‪NN N‬وزع طبيعيا حيث ‪ p‬نس ‪NN‬بة املف ‪NN‬ردات يف اجملتمع ذات ص‪NN N‬فة‬
‫معين‪NN N‬ة‪ ،‬ولتكن ‪ ’p‬م ع متثل نس‪NN N‬بة املف‪NN N‬ردات ذات الص‪NN N‬فة املذكورة يف العينة املس‪NN N‬حوبة من ذات اجملتم‪NN N‬ع‪ ،‬حنصل على‬
‫ه‪NN N N N N N N N N N N N N N N N N‬ذه املع‪NN N N N N N N N N N N N N N N N N‬امل تس ‪NN N N N N N N N N N N N N N N N N N N N N N N N‬اوي ‪:‬‬ ‫توزيع لإلحص‪NN N N N N N N N N N N N N N N N N N N N N N N N N‬ائية ’‪ p‬حيث معامله )'‪ E(p‬و'‪،σp‬‬
‫‪qp‬‬
‫‪E (p ')   p ' p‬‬ ‫;‬ ‫‪ ² p '‬‬
‫‪n‬‬
‫‪n ≥ 30 :‬‬ ‫عند ‪(p, σp') p’ ≈ N‬‬
‫عندما يكون اجملتمع حمدودا واملعاينة نفاديه نضرب يف معامل اإلرجاع عند حساب االحنراف املعياري‪.‬‬

‫مثال‪ .1‬الحظت إدارة اجلامعة أنه يف عينة من ‪ 100‬ط ‪NN‬الب‪ 40 ،‬حص ‪NN‬لوا أخ ‪NN‬ريا على ش ‪NN‬هادة‪ .‬تريد اإلدارة تق ‪NN‬دير‬
‫نسبة الطلبة الذين حيصلون على الشهادة داخل جمال يكون احتماله ‪ 90‬باملائة‪.‬‬
‫‪,P(p1< p’< p2) = 0.9 ; n ≥ 30‬‬
‫نفرتض أن ‪ N‬كبري حبيث ‪n/N < 0.05 :‬‬

‫) ‪p (1  p‬‬ ‫) ‪0 4. (0 6.‬‬
‫‪ 'p ~ N,p(  'p   'p  ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪50.0‬‬
‫‪n‬‬ ‫‪001‬‬
‫‪P p 1  p ' p  ‬‬
‫‪‬‬
‫‪   P‬‬
‫‪  z     z 2‬‬
‫‪  z ‬‬
‫‪  ‬‬ ‫‪ z‬‬
‫‪2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪p -)p‬‬
‫‪      p  'p  z ( 'p‬‬
‫‪‬‬
‫‪‬‬
‫‪   ‬‬ ‫‪‬‬
‫‪‬‬
‫‪  ‬‬
‫‪ ‬‬ ‫‪‬‬
‫'‪ p‬‬
‫‪‬‬
‫(‪P‬‬ ‫‪‬‬
‫‪p  ‬‬ ‫‪‬‬
‫‪ ‬‬

‫م سبياجال ‪ 1985‬ص ‪.82‬‬ ‫‪1‬‬

‫‪6VII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫توزيع المعاينة للفروق والمجاميع‬ ‫المبحث ‪.18‬‬

‫متوسط و تباين توزيع المعاينة للفروق و المجاميع‬
‫طبيعة توزيع المعاينة للفروق و المجاميع‬

‫المتوسط والتباين‬ ‫‪77‬‬

‫ليكن لدينا جمتمعني نسحب من كل منهما عينة عشوائية‪ ،‬حنسب يف كل عينة حمسوبة من اجملتمع األول اإلحصائية ‪S1‬‬
‫وحنسب نفس االحصائية (املتوسط مثال أو التباين ‪ )...‬يف كل عينة من اجملتمع الثاين ونسميها ‪ .S2‬إن الفرق – ‪S2‬‬
‫‪ S1‬يشكل بدوره متغرية عشوائية هلا املتوسط والتباين التاليني‪:‬‬
‫‪σ²S1 – S2 = σ²S1 + σ²S2‬‬ ‫‪µS – S2 = µS1 – µS2‬‬

‫مثال ‪ .1‬إذا كانت االحصائية هي المتوسط فإن‪:‬‬

‫‪σ²m1 – m2 = σ²m1 + σ²m2 = σ²/n1 + σ²/n2‬‬ ‫‪µm1 – m2 = µm1 – µm2 = µ1 – µ2‬‬

‫مثال ‪ .2‬إذا كانت االحصائية هي النسبة فإن‪:‬‬

‫‪σ²p1 – p2 = σ²p1 + σ²p2 = p1q1/n1 + p2q2 / n2‬‬ ‫‪µp1 – p2 = µp1 – µp2 = p1 – p2‬‬

‫إذا كان االهتمام هو على جمموع االحصائيتني بدال من الفرق بينهما فإن‪:‬‬
‫‪σ²S1 + S2 = σ²S1 + σ²S2‬‬ ‫‪µS1 + S2 = µS1 + µS2‬‬

‫طبيعة توزيع المعاينة للفرق بين متوسطين‬ ‫‪78‬‬

‫نظرية ‪ : 7‬يف حالة≥ ‪ n1 30‬و‪ ، n2‬يقرتب توزيع املتغرية املعيارية للفرق بني متوسطني من التوزيع الطبيعي‬

‫) ‪µm1 - m2 ≈ N(0, 1‬‬ ‫املعياري‪ .‬ونكتب‪:‬‬

‫مثال‪ : 1‬ليكن اجملتمع ‪ .U1 : 3، 7، 8‬واجملتمع ‪ .U2 : 2، 4‬حتقق من أن ‪:‬‬

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

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

‫‪µU1 – µU2 = 6 – 3 = 3‬‬
‫‪U1‬‬ ‫‪µU1 – U2 = (1 + 5 + 6 – 1 + 3 + 4)/6 = 3‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪3‬‬ ‫‪U1 – U2‬‬ ‫‪; σ²U1 = (3² + 7² + 8²)/3 - 6² = 14/3‬‬
‫‪6‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪U2‬‬
‫‪σ²U2 = (2² + 4²)/2 - 3² =1 => σ²U1 + σ²U2 = 17/3‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪1-‬‬ ‫‪4‬‬
‫‪= σ²U1 – U2 = (1² + 5² + 6² + 1² + 3² + 4²) / 6 - 3²‬‬
‫(‪17/3 = 9 - 6 / )16 + 9 + 1 + 36 + 25 + 1‬‬

‫م سبياجال ‪ 1985‬ص ‪180‬‬ ‫‪1‬‬

‫‪7VII‬‬
 ‫نظرية توزيع المعاينة‬ ‫الفصل السابع‬

‫توزيع المعاينة للتباين وتوزيع المعاينة لنسبة تبايني عينتين‬ ‫المبحث ‪.19‬‬
‫توزيع المعاينة للتباين‬
‫توزيع المعاينة لنسبة تباينين‪z‬‬

‫توزيع المعاينة للتباين‬ ‫‪79‬‬

‫(‪ )1‬حالة المعاينة باإلرجاع‬

‫مسألة‪ :‬أحسب تباين اجملتمع يف املسألة ‪ ،1‬أحسب القيمة املتوقعة لتباين العينة املس‪N‬حوبة باإلرج‪N‬اع من خالل متوسط‬
‫تباين‪NN‬ات العين‪NN‬ات املمكن‪NN‬ة‪ ،‬ق‪NN‬ارن بني تب‪NN‬اين اجملتمع والقيمة املتوقعة‬
‫لتباين العينة‪.‬‬ ‫التباينات املمكنة ‪S²i‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪6,25 12,3‬‬
‫(∑‪25 = 73/25 = 2.92 =>E(S²) = 2.92/)i S²i‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2,25 6,25‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0,25 2,25‬‬
‫‪2,2‬‬
‫‪6,25‬‬ ‫‪0,25‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪5‬‬
‫‪σ² = E(X²) – E(X)²‬‬ ‫‪6,2‬‬
‫‪12,3‬‬ ‫‪2,25‬‬ ‫‪1‬‬ ‫‪0‬‬
‫= [(‪21 - )135/5( = 4.6² - ]5/)64 + 36 + 25 + 9 + 1‬‬ ‫‪5‬‬
‫= ‪5.84‬‬
‫)‪σ² (1/n‬‬ ‫‪= E(S²) = 2.92 = 5.84/2‬‬

‫نظرية ‪ : 8‬إذا كانت م ع متثل جمتمع ما و‪ S²‬متغرية ع متثل تباين عينة مسحوبة باإلرجاع (أو بدون إرجاع من‬
‫‪n  1 ‬‬
‫‪E (S)²  ‬‬ ‫‪S²‬‬‫‪  ²‬‬ ‫جمتمع غري حمدود) حجمها ‪ ،n‬فإن ‪ :‬‬
‫‪ n ‬‬
‫(عند ‪) n ≥ 30 : E(S²) ≈ σ²‬‬
‫الربهان‪:‬‬
‫‪1‬‬
‫‪E (S)²  E  ‬‬ ‫‪i‬‬
‫‪x i x ²  E 1‬‬ ‫‪i‬‬
‫‪ 1‬‬
‫‪x i ² x ²  ‬‬ ‫‪E (x )²i  E (x)²‬‬
‫‪i‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪ n‬‬
‫‪1‬‬ ‫‪ ²‬‬ ‫‪1‬‬ ‫‪n  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫)‪ (X )  ²  V[ (x ) E (]²‬‬
‫‪V‬‬ ‫‪x   ²  ²‬‬ ‫‪  ²   (² 1  )  ‬‬ ‫‪²‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪i‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪ n ‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪n ‬‬
‫‪S ²‬أنه مقدر‪" N‬غري منحرف" ل ‪ σ²‬ويرمز‬ ‫‪ E S ²‬ونقول عن‬ ‫النظرية جند أن‪   ² :‬‬ ‫مالحظة‪ :‬من‬
‫‪n1‬‬ ‫‪ n1 ‬‬
‫له ب ‘‪ S²‬حيث‪:‬‬
‫‪n‬‬
‫‪Sˆ ² S ²‬‬
‫‪n1‬‬

‫‪Sn ² (n  1 )Sˆ ²‬‬ ‫‪:‬‬

‫‪‬‬ ‫‪~‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫نظرية ‪ 9‬إذا أخذنا عينات عشوائية حجمها ‪ n‬من جمتمع طبيعي‪ ،‬فإن ‪:‬‬
‫‪ ²‬‬ ‫‪ ²‬‬

‫‪8VII‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مثال ‪ :‬ليكن جمتمع طبيعي حجمه ‪ 100‬نسحب منه عينة حجمها ‪ . n = 16‬ما هو احتمال أن يكون تباين العينة ‪ S²‬أقل من أو‬
‫يساوي ‪ 10‬علما أن تباين اجملتمع ‪.80‬‬
‫‪61‬‬ ‫‪Sn ²‬‬
‫‪P (S ²01 )  P ( ²51  2 )  P (S ²  X ~ N ( ‬‬
‫‪, ))‬‬ ‫‪~  ² n1‬‬
‫‪08‬‬ ‫‪ ²‬‬
‫من اجلدول ‪P(X²15 ≤ 2) < 0.005‬‬

‫(‪ )2‬حالة المعاينة بدون إرجاع‬

‫مس‪NN N‬ألة‪ :‬يف املس‪NN N‬ألة ‪ 1‬أحسب تب‪NN N‬اين املتوس‪NN N‬طات املمكنة للعينة ‪σ²m‬يف حالة املعاينة ب ‪NN‬دون إرج ‪NN‬اع‪ ،‬ق‪NN N‬ارن بني تب‪NN N‬اين‬
‫اجملتمع وتباين املتوسطات املمكنة للعينة‪.‬‬
‫التباينات املمكنة ‪S²i‬‬
‫‪(∑i S²i) = 36.5 ; (∑i S²i)/10 = 3.65 => E(S²) = 3.65‬‬ ‫‪1‬‬
‫‪σ² = E(X²) – E(X)²‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪2,2 0,2‬‬
‫‪= [(1 + 9 + 25 + 36 + 64)/5] - 4.6² = 5.84‬‬ ‫‪6,25‬‬
‫‪5‬‬ ‫‪5‬‬
‫)‪E(S²) = 3.65 = 5.84*(5/4) (1/2‬‬ ‫‪6,2 2,2‬‬
‫‪12,3‬‬ ‫‪1‬‬
‫‪= σ² * [(n-1)/ n] [N/‬‬ ‫‪5‬‬ ‫‪5‬‬
‫])‪(N-1‬‬

‫نظرية ‪ : 10‬إذا كانت م ع متثل جمتمع ما حمدود و‪ S²‬متغرية ع متثل تباين عينة نفادية مسحوبة من ذات اجملتمع‪،‬‬
‫‪ n  1  N ‬‬
‫‪E (S)²  ‬‬ ‫‪  ²‬‬
‫‪S²‬‬ ‫‪‬‬ ‫فإن القيمة املتوقعة لتباين العينة تكتب‪ :‬‬
‫‪ n N  1 ‬‬
‫(عندما يكون ‪ N‬كبري جدا )‪  N/ (N-1‬تؤول إىل ‪)1‬‬

‫توزيع المعاينة لنسبة تباينين‬ ‫‪80‬‬

‫‪X 1 /‬‬
‫‪X ‬يف حالة املتغريت‪NN N N N N N N N‬ان العش‪NN N N N N N N N‬وائيتان مس‪NN N N N N N N N N N N‬تقلتان‬ ‫‪1‬‬
‫‪Fν1,‬‬ ‫‪ν2‬‬ ‫رأينا يف الفصل الس‪NN N N N N N N N N N N‬ابق أن‪~ :‬‬
‫‪X 2 /‬‬ ‫‪2‬‬

‫من النظرية ‪ 9‬نستنتج ما يلي‪:‬‬ ‫و ‪ X1 ~ χν1²‬و ‪. ~ χν2² X2‬‬

‫نظرية ‪ : 12‬ليكن لدينا جمتمعان طبيعي‪N‬ان تباينامها ‪ . σ²1 , σ²2‬نس‪N‬حب من اجملتمعني عين‪N‬تني عش‪N‬وائيتني حجمهما‬
‫على التوايل ‪: n1 , n2‬‬
‫‪ S 12n 1  1‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪n 1 1  1‬‬ ‫‪Sˆ12 / 12‬‬
‫‪F ‬‬ ‫‪‬‬ ‫‪ F‬‬ ‫‪n 11 ; n 21‬‬
‫‪ S 22n 2  1‬‬ ‫‪Sˆ 22 / 22‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪n 2  1  2‬‬

‫‪9VII‬‬
 ‫نظرية توزيع المعاينة‬ ‫الفصل السابع‬

‫مثال‪ . 1‬عينتني حجمهما ‪ 8‬و‪ 10‬مس‪N‬حوبتني من جمتمعني طبيع‪N‬يني تباينامها على الت‪N‬وايل ‪ 20‬و‪ .36‬ما احتم‪N‬ال أن يك‪N‬ون‬
‫تباين األوىل أكرب من ضعف تباين الثانية؟‬
‫‪ 2 n 1  1‬‬ ‫‪ n1  1 ‬‬ ‫‪ 2 n 1  1‬‬ ‫‪8  1‬‬ ‫‪‬‬
‫‪S 1 ‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪ 2 ‬‬ ‫‪S 1‬‬ ‫‪‬‬
‫‪S‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ n  1  2‬‬ ‫‪ ‬‬
‫‪‬‬
‫( ‪P (S 1  2 S 2 )  P‬‬ ‫‪ 2 ) P ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2  ‬‬
‫‪7 02‬‬
‫‪ P ‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪ S 2  n 2  1‬‬ ‫‪ n2  1 ‬‬ ‫‪ S 2  n 2  1‬‬ ‫‪ 1‬‬

‫‪2‬‬
‫‪S‬‬ ‫‪01‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪ ‬‬
‫‪ 2  n  1  2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ n 2  1  2 ‬‬ ‫‪  n 2  1  2‬‬ ‫‪ 9 63‬‬
‫‪‬‬
‫‪2‬‬
‫‪  2‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪PF‬‬ ‫‪ 7 ;9  307‬‬
‫‪3 . eD‬‬ ‫‪. elbat‬‬
‫‪al‬‬ ‫‪. ‬‬
‫‪:050‬‬
‫‪,9,7F(P‬‬ ‫‪ tnemetcaxE‬‬
‫‪)7.3‬‬ ‫‪‬‬
‫‪.10.0‬‬ ‫‪,9,7F(P‬‬
‫‪:‬‬ ‫‪ 630.0‬‬
‫‪)7.3‬‬ ‫‪‬‬
‫= )‪P(F7, 9 > 3.7‬‬
‫و يف احلقيقة ‪P(F7, 9 > 3.7) = 0.036‬‬ ‫من اجلدول جند ‪P(F7, 9 > 3.7) > 0.01 > 0.05‬‬

‫ملحق‬ ‫‪81‬‬

‫(‪ )1‬االنحراف المعياري لتوزيع المعاينة للتباين‬

‫نظرية ‪ : 11‬إذا كانت ‪ X‬م ع متثل جمتمع ما و‪ S²‬متغرية ع متثل تباين عينة مسحوبة من ذات اجملتمع‪ ،‬فإن‪:‬‬

‫‪ ² 2 /n is X ~ N‬‬
‫‪‬‬
‫‪ S ²   4   4‬‬
‫‪‬‬ ‫‪nonis‬‬
‫‪‬‬ ‫‪n‬‬

‫من أجل ‪ ، n ≥ 100‬توزيع ‪ S²‬يقرتب كثريا من التوزيع الطبيعي‪.‬‬

‫(‪ )2‬االنحراف المعياري لتوزيع المعاينة لالنحراف المعياري‬

‫‪ ‬‬
‫‪ 2 /n is X ~ N uo‬‬ ‫‪X N‬‬
‫‪‬‬
‫‪ S ‬‬
‫‪    nonis‬‬
‫‪4‬‬ ‫‪4‬‬

‫‪ 4n ²‬‬

‫من أجل ‪ ، n ≥ 100‬توزيع ‪ S‬يقرتب كثريا من التوزيع الطبيعي و ‪µs ≈ S‬‬

‫خالصة‪4‬‬ ‫‪82‬‬

‫اجلدول التايل يلخص ما ورد يف النظريات السابقة من ‪ 6‬إىل ‪. 10‬‬

‫‪ 1‬م سبيجال ‪ 1985‬ص ‪.186‬‬

‫‪10VII‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫الخاصية‬ ‫المعاينة‬ ‫المجتمع‬ ‫إحصائية العينة‬

‫‪qp‬‬
‫‪E (p ')   p ' p‬‬ ‫;‬ ‫‪ ² p '‬‬ ‫جمتمع موزع طبيعيا‬
‫‪n‬‬
‫غري حمدود‬
‫(‪p’ ≈ N )'p, σp‬‬ ‫‪n ≥ 30‬‬ ‫النسبة‬
‫حلساب ‪ 'σp‬نضرب يف معامل اإلرجاع‪.‬‬ ‫جمتمع طبيعي‬
‫املعاينة نفاديه‬
‫حمدود‬
‫‪µS – S2 = µS1 – µS2‬‬
‫‪µS1 + S2 = µS1 + µS2‬‬
‫سحب باإلرجاع‬ ‫الفرق بني‬
‫‪σ²S1 – S2 = σ²S1 + σ²S2‬‬ ‫جمتمع ما‬
‫‪σ²S1 + S2 = σ²S1 + σ²S2‬‬ ‫إحصائيتني ما‪.‬‬
‫) ‪µm1 - m2 ≈ N(0, 1‬‬ ‫≥ ‪ n1 30‬و‪n2‬‬
‫سحب باإلرجاع (أو‬
‫‪n  1 ‬‬ ‫بدون إرجاع من جمتمع‬
‫‪E (S)²  ‬‬ ‫‪S²‬‬ ‫‪  ²‬‬ ‫‪‬‬
‫‪ n ‬‬ ‫غري حمدود)‬ ‫جمتمع ما وتباين عينة ‪S²‬‬
‫حجمها ‪n‬‬
‫‪E(S²) ≈ σ²‬‬ ‫‪n ≥ 30‬‬ ‫التباين‬
‫‪Sn ² (n  1 )Sˆ ²‬‬ ‫حجمها ‪n‬‬ ‫جمتمع‪ N‬طبيعي‬
‫‪‬‬ ‫‪~  n21‬‬
‫‪ ²‬‬ ‫‪ ²‬‬
‫‪ n  1  N ‬‬ ‫جمتمع ما حمدود و‪ S²‬متثل‬
‫‪E (S)²   S ²   ²‬‬ ‫‪‬‬ ‫‪‬‬ ‫عينة نفادية‬
‫‪ n N  1 ‬‬ ‫تباين العينة‬
‫)‪  N/ (N-1‬تؤول إىل ‪1‬‬ ‫‪ N‬كبري جدا‬
‫‪ S 12n 1  1‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫عينتني عشوائيتني‬ ‫جمتمعان طبيعيان تباينامها‬
‫‪n 1 1  1‬‬ ‫‪Sˆ12 / 12‬‬
‫‪F ‬‬ ‫‪ 2‬‬ ‫‪ F‬‬ ‫‪n 11 ; n 21‬‬ ‫حجمهما على التوايل ‪n1‬‬ ‫‪σ²1 , σ²2‬‬ ‫نسبة تباينني‬
‫‪ S 22n 2  1‬‬ ‫‪Sˆ 2 / 22‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪, n2‬‬
‫‪n 2  1  2‬‬

‫‪11VII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫نظرية التقدير‬

‫طرق تأسيس المقدر‬ ‫طرق التقدير بمجال‬ ‫مفاهيم أساسية‬

‫يف الفصل السابق درسنا من خالل جمموعة من النظريات العالقة الرياض‪NN‬ية بني مع‪NN‬امل العينة واملع‪NN‬امل املن‪NN‬اظرة هلا يف اجملتمع‬
‫مثل املتوس ‪NN‬ط‪ ،‬التب ‪NN‬اين‪ ،‬النس ‪NN‬بة‪...‬كما درس ‪NN‬نا العالقة بني ش ‪NN‬كل توزيع اجملتمع وش ‪NN‬كل التوزيع االحتم ‪NN‬ايل ملع ‪NN‬امل العين ‪NN‬ة‪.‬‬
‫تظهر ه ‪NN‬ذه العالق ‪NN‬ات كتوص ‪NN‬يف خلص ‪NN‬ائص العينة ومعاملها ولكنها تس ‪NN‬تخدم أك ‪NN‬ثر لتق ‪NN‬دير خص ‪NN‬ائص ومع ‪NN‬امل اجملتمع حمل‬
‫الدراسة‪ ،‬وهذا ما سنتعرف عليه يف هذا الفصل‪.‬‬

‫مفاهيم أساسية‬ ‫المبحث ‪.20‬‬

‫بعض خصائص المقدر‬
‫التقدير النقطي‪ ،‬التقدير بمجال‬

‫‪1‬‬
‫بعض خصائص المقدر‬ ‫‪83‬‬

‫لتق‪NN‬دير معلمة‪ N‬من مع‪NN‬امل جمتمع حمل دراسة‪ ،‬حنت‪NN‬اج إىل اختي‪NN‬ار اإلحص‪NN‬ائية املناس‪NN‬بة يف العينة لتق‪NN‬دير ه‪NN‬ذه املعلم‪NN‬ة‪ .‬غالبا ما‬
‫تك ‪NN‬ون املعلمة‪ N‬املن ‪NN‬اظرة يف العينة هي أحسن مق ‪NN‬در‪ ،‬ك ‪NN‬أن نق ‪NN‬در متوسط اجملتمع ‪ µ‬من خالل متوسط العينة‪ . µm‬تس ‪NN‬مى‬
‫اإلحصائية املستخدمة يف التقدير املقدر‪.‬‬

‫(‪ )1‬المقدر غير المتحيز‬

‫نقول عن إحصائية ما بأهنا مقدر غري متحيز ‪ sans biais‬ملعلمة‪ N‬اجملتمع إذا كان متوسطها أو توقعها الرياضي مساويا‬
‫ملعلمة اجملتمع‪.‬‬
‫مث ‪444‬ال‪ :‬نق ‪NN N‬ول عن متوسط العينة ‪ m‬أنه مق ‪NN N‬در‪ N‬غري متح ‪NN N‬يز ملتوسط اجملتمع ‪ µ‬ألن ‪ . E(m) = µ‬يف املقابل نس ‪NN N‬مي‬
‫اإلحص‪NN N N‬ائية ‪ S²‬يف معاينة باإلرج‪NN N N‬اع أهنا مق‪NN N N‬در متح‪NN N N‬يز ل ‪ σ²‬ألن ‪ ، E(S²) = σ² (n-1)/n ≠ σ²‬بينما تعترب‬
‫االحصائية= ‪ S²n/(n-1) S’²‬مقدرا غري متحيز يف معاينة باإلرجاع‪.‬‬

‫(‪ )2‬الكفاءة‬
‫تتعلق كفاءة (‪ )efficacité‬مقدر ما مبقدار التباين لتوزيع املعاينة لإلحصائية‪ ،‬فإذا كان ملقدرين (إحصائيتني) نفس‬
‫املتوسط نقول عن املقدر ذو توزيع املعاينة األقل تباينا أنه األكثر كفاءة‪.‬‬
‫مثال‪ :‬لكل من توزيعي املعاينة للمتوسط والوسيط نفس املتوسط هو متوسط اجملتمع‪ ، µ‬لكن يعترب املتوسط ‪ m‬مقدرا‬
‫أك‪NN‬ثر كف‪NN‬اءة ملتوسط اجملتمع‪ µ‬من الوس‪NN‬يط ألن تب‪NN‬اين توزيع املعاينة للمتوس‪NN‬طات ‪ V(m) = σ²/n‬أقل من تب‪NN‬اين توزيع‬
‫املعاينة للوسيط ‪:‬‬
‫‪. V(méd) = σ²π/2n = (σ²/n) (3.14159/2) > σ²/n‬‬

‫سبياجال ‪ ،1985‬ص ‪.204‬‬ ‫‪1‬‬

‫‪1VIII‬‬
‫نظرية التقدير‬ ‫الفصل الثامن‬

‫من الب‪NN‬ديهي أن اس‪NN‬تخدام مق‪NN‬درات فعالة وغري متح‪NN‬يزة هو األفض‪NN‬ل‪ ،‬إال أنه قد يلجأ ملق‪NN‬درات أخ‪NN‬رى لس‪NN‬هولة احلص‪NN‬ول‬
‫عليها‪.‬‬

‫(‪ )3‬التقارب ‪convergeance‬‬

‫نقول عن مقدر‪ N‬أنه متقارب إذا كان يؤول إىل قيمة املعلمة املقدرة عندما يؤول حجم العينة إىل ما ال هناية‪.‬‬
‫مثال‪ :‬يعترب متوسط العينة مقدرا متقاربا ملتوسط اجملتمع ألن‪:‬‬
‫‪ ²‬‬
‫‪( ) ‬‬
‫‪Em‬‬ ‫‪,‬‬ ‫‪( )‬‬
‫‪V m‬‬ ‫‪n‬‬‫‪ 0 .‬‬
‫‪ ‬‬
‫‪n‬‬

‫التقدير النقطي والتقدير بمجال‪.1‬‬ ‫‪84‬‬

‫قد حنت ‪NN‬اج إىل تق ‪NN‬دير ملعلمة جمتمع بقيمة واح ‪NN‬دة ونق ‪NN‬ول عن ه ‪NN‬ذا التق ‪NN‬دير أنه تق‪44‬دير نقطي‪ ،‬و أحيانا أخ ‪NN‬رى حنت ‪NN‬اج إىل‬
‫تقدير معلمة‪ N‬اجملتمع بنقطتني حيددان جمال لقيمة املعلمة‪ N‬ونقول عن هذا النوع من التقدير أنه تقدير بمجال‪.‬‬
‫مث‪44 4‬ال ‪ :‬إذا ق‪NN N‬درنا دخل األس‪NN N‬رة يف منطقة ما ب ‪ 18000‬دج‪ ،‬نك‪NN N‬ون قد ق‪NN N‬درنا دخل األس‪NN N‬رة تق‪NN N‬ديرا نقطي‪NN N‬ا‪ .‬يك‪NN N‬ون‬
‫تقديرنا مبجال إذا قلنا مثال أن الدخل يساوي ‪ 2000 ± 18000‬أي أنه يرتاوح بني ‪ 16000‬و‪20000‬دج‪.‬‬

‫(‪ )1‬درجة التأكد‬

‫لكي يكون التقدير علميا ينبغي تقييم احتمال أن تكون املعلمة تنتمي فعال إىل اجملال احملدد‪ ،‬لذلك نلحق باجملال ما يسمى بدرجة أو‬
‫مستوى الثقة‪ ،‬ويرمز له ب ‪ .p‬االحتمال املعاكس يسمى احتمال اخلطأ ويرمز له ب ‪ ،α‬ويسمى أيضا ""مستوى املعنوية"‪.‬‬
‫مثال‪ :‬دخل األس‪NN‬رة يف املنطقة (أ) ينتمي إىل اجملال [‪ N]20000 ،16000‬مبس‪NN‬توى معنوية ‪ N%5‬أي مبس‪NN‬توى ثقة ‪%95‬‬
‫‪ .‬وتسمي احلدود ‪ 16000‬و‪ 20000‬حدود الثقة‪.‬‬

‫(‪ )2‬تعيين حدود مجال الثقة‬

‫حتدد حدود الثقة من خالل معامالت الثقة اليت بدورها حتدد من خالل مستوى املعنوية (مستوى الثقة)‪ .‬ففي حالة‬
‫استخدام التوزيع الطبيعي للتقدير تكون القيمتني ‪ 1.96 ±‬معامالت الثقة من أجل مستوى ثقة ‪ %95‬بينما القيمتني‬
‫متثالن معامالت الثقة من أجل مستوى‬ ‫‪2.58±‬‬
‫)‪f(z‬‬
‫‪.‬‬ ‫ثقة ‪% 99‬‬
‫جمال الثقة‬
‫‪1-α‬‬
‫‪z‬‬

‫‪-z1-α/2‬‬ ‫‪0‬‬ ‫‪z1-α/2‬‬

‫مجال الثقة للتوزيع الطبيعي‬ ‫رسم ‪20‬‬

‫مثال‪ :‬ليكن ‪ µs‬و‪ σs‬متوسط واحنراف معياري توزيع املعاينة إلحصائية ما ‪ s‬حيث ‪ . µs = µ‬إذا كان توزيع املعاينة ل‬
‫‪ s‬توزيعا طبيعيا (كما هو احلال بالنسبة ألغلب اإلحصائيات عندما (‪ ) )n ≥ 30‬فإننا نقدر مثال وبالنظر إىل توزيع ‪s‬‬
‫أن‪:‬‬
‫املرجع السابق‬ ‫‪1‬‬

‫‪2VIII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫القيمتني ‪ µs ± 1.96σs‬متثالن حدود الثقة ب ‪ ،% 95‬و ‪ µs ± 2.58σs‬حدود الثقة ب ‪. %99‬‬

‫يف حالة التوزيع الطبيعي يرمز حلدود الثقة ب ‪ Zc‬أو ‪( Z1-α/2‬أنظر الرسم)‪.‬‬

‫التقدير بمجال‬ ‫المبحث ‪.21‬‬

‫كيفية تعيين‪ z‬مجال الثقة للمتوسط‬
‫كيفية تعيين‪ z‬مجال الثقة للنسبة‬
‫كيفية تعيين‪ z‬مجال الثقة للتباين‬
‫كيفية تعيين‪ z‬مجال الثقة لنسبة تباينين‪z‬‬

‫مجال الثقة للمتوسط‬ ‫‪85‬‬

‫يقدر متوسط اجملتمع ‪ µ‬من خالل اإلحصائية ‪.m‬‬

‫(‪ )1‬تقدير ‪ µ‬باستخدام التوزيع الطبيعي‬

‫نستخدم التوزيع الطبيعي لتحديد جمال الثقة إذا علمنا أن اجملتمع الذي سحبت منه العينة يتبع التوزيع الطبيعي‪.‬‬
‫ويف حالة العينة املمت‪NN N N‬دة (‪ 4 4 4)n ≥ 30‬ميكن ك‪NN N N‬ذلك االس‪NN N N‬تفادة من نظرية النهاية املركزية‪ 1‬أن ‪ m‬تتبع التوزيع‬
‫الطبيعي‪.‬‬
‫تكتب حدود جمال الثقة كما يلي‪:‬‬
‫‪S‬‬
‫‪m  zc ‬‬ ‫' ‪ m  z c S‬أو‬
‫‪n1‬‬ ‫‪n‬‬
‫‪‬‬
‫‪m  zc ‬‬ ‫ويف حالة ‪ σ‬جمهول‪:‬‬
‫‪n‬‬
‫و نستخدم هذه الصيغة إال إذا كان اجملتمع حمدود (ذا حجم ‪ )N‬واملعاينة نفادية حيث تصبح الصيغة كاآليت‪:‬‬
‫‪‬‬ ‫‪N n‬‬
‫‪m ‬‬ ‫‪zc ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬
‫إال أنه غالبا ما يك‪NN‬ون االحنراف املعي‪NN‬اري للمجتمع‪ σ N‬جمه‪NN‬وال‪ ،‬ول‪NN‬ذلك نع‪NN‬وض ‪ σ‬يف الص‪NN‬يغ الس‪NN‬ابقة باملق‪NN‬در ‪ ’S‬أو‬
‫‪.S‬‬
‫اجلدول اآليت يبني قيم ‪ zc‬اليت متثل حدود جمال الثقة حبسب مستوى الثقة ‪:‬‬
‫‪0.5‬‬ ‫‪0.8‬‬ ‫‪0.90‬‬ ‫‪0.95‬‬ ‫‪0.98‬‬ ‫مستوى الثقة ‪0.99 α-1‬‬
‫‪0.5‬‬ ‫‪0.2‬‬ ‫‪0.10‬‬ ‫‪0.05‬‬ ‫‪0.02‬‬ ‫‪0.01‬‬ ‫‪ α‬مستوى املعنوية‬
‫‪0.99‬‬ ‫‪α/2 -1‬‬
‫‪0.75‬‬ ‫‪0.9‬‬ ‫‪0.95‬‬ ‫‪0.975‬‬ ‫‪0.99‬‬
‫‪5‬‬
‫‪0.674‬‬ ‫‪1.282‬‬ ‫‪1.645‬‬ ‫‪1.96‬‬ ‫‪2.326‬‬ ‫‪82.5‬‬ ‫‪Z1-α/2‬‬

‫مثال ‪ :‬نقدر أن ‪ µ‬يوجد داخل اجملال ‪ m ± 1.96σm‬مبس‪N‬توى ثقة ‪ )0.95( %95‬أي مبس‪NN‬توى معنوية ‪% 5‬‬
‫(‪ ،)0.05‬وداخل اجملال ‪ m ± 2.58σm‬مبستوى ثقة ‪ %99‬أي مبستوى معنوية ‪...0.01‬‬

‫اليت ختص يف احلقيقة توزيع جمموع قيم العينة ‪-‬يف حالة كون العينة كبرية مبا فيه الكفاية‪ -‬وليس املتوسط‪.‬‬ ‫‪1‬‬

‫‪3VIII‬‬
‫نظرية التقدير‬ ‫الفصل الثامن‬

‫(‪ )2‬تقدير ‪ µ‬باستخدام التوزيع ‪: t‬‬

‫يف حالة العينة الصغرية (‪)n < 30‬و‪ σ‬جمهول نستخدم توزيع ستيودنت لتحديد جماالت الثقة ل ‪ .µ‬مثال القيم‪t0.-‬‬
‫‪  975‬؛ ‪ t0.975‬حتد ‪ %95‬من املس‪NN‬احة حتت املنحىن ونق‪NN‬ول أن ‪ t0.975 ; t0.975-‬متثل القيم احلرجة أو مع‪NN‬امالت‬
‫الثقة عند مستوى ثقة ‪ %95‬ونكتب‪:‬‬
‫‪m ‬‬
‫‪ t579‬‬
‫‪0. ‬‬ ‫‪ t579‬‬
‫‪Sˆ / n‬‬
‫‪0.‬‬

‫ومنه نستخلص جمال الثقة ل ‪ µ‬كما يلي‪:‬‬

‫ˆ‪S‬‬ ‫ˆ‪S‬‬
‫‪m ‬‬ ‫‪t579‬‬
‫‪0.‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ m ‬‬ ‫‪t579‬‬
‫‪0.‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬

‫مجال الثقة للنسبة‬ ‫‪86‬‬

‫(‪ )1‬حالة المجتمع غير محدود أو المعاينة غير نفادية و العينة الممتدة (‪: )n ≥ 30‬‬
‫لتكن ‪ s‬إحصائية متثل نسبة "جناحات" يف عينة ذات حجم ‪ n ≥ 30‬مستخرجة من جمتمع ثنائي حيث ‪ p‬هي نسبة‬
‫النجاح‪NN N‬ات‪ .‬تس‪NN N‬تعمل التوزيع الط‪NN N‬بيعي لتق‪NN N‬دير ‪ p‬فنعني ح‪NN N‬دود الثقة ل ‪ p‬كما يلي‪ p’ ± zcσp :‬أين‪ ’p‬نس‪NN N‬بة‬
‫النجاحات يف العينة‪،‬‬
‫ومنه حيدد جمال الثقة ل كما يلي‪:‬‬ ‫‪qp‬‬ ‫نعلم من الفصل السابق أن‬
‫‪p‬‬ ‫‪ p‬‬
‫‪n‬‬

‫) ‪p (1  p‬‬
‫‪p‬‬
‫‪' zc ‬‬
‫‪n‬‬

‫(‪ )2‬في حالة كون المجتمع محدود ذا حجم ‪N‬والمعاينة نفادية‪:‬‬

‫‪p (1  p ) N  n‬‬
‫‪p ' z c ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬

‫مجال الثقة للتباين‬ ‫‪87‬‬

‫‪Sn ² (n  1 )Sˆ ²‬‬

‫‪. ‬‬ ‫لتقدير التباين واالحنراف املعياري جملتمع مبجال ثقة نستعمل اخلاصية ‪~  ² n1 :‬‬
‫‪ ²‬‬ ‫‪ ²‬‬
‫مثال‪ :‬جمال الثقة ب‪ %95‬حيدد كما يلي‪:‬‬
‫‪Sn ² (n  1 )Sˆ ²‬‬
‫‪ ²520‬‬
‫‪0. ‬‬ ‫‪‬‬ ‫‪  ²579‬‬
‫‪0.‬‬
‫‪ ²‬‬ ‫‪ ²‬‬
‫ومنه نستنتج جمال الثقة ل ‪ σ‬كما يلي‪:‬‬
‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬
‫‪  ‬‬ ‫‪uo‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 579‬‬
‫‪0.‬‬ ‫‪ 520‬‬
‫‪0.‬‬ ‫‪ 579‬‬
‫‪0.‬‬ ‫‪ 520‬‬
‫‪0.‬‬

‫نظ ‪NN‬را ألن توزيع ك‪ 2‬غري متماثل ف ‪NN‬إن اجملال أعاله ليس األمث ‪NN‬ل‪ ،‬إذ توجد طريقة لتض ‪NN‬ييق جمال الثقة أك ‪NN‬ثر إذا مل نشأ أن‬
‫تكون أطراف املنحىن متساوية‪ ،‬وهذا خبالف التوزيعات املتماثلة كالطبيعي وستيودنت‪.‬‬

‫‪4VIII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مجاالت‪ 4‬الثقة لنسبة تباينين‬ ‫‪88‬‬

‫رأينا س‪NN‬ابقا (نظرية ‪ 11‬من الفصل ‪ )5‬أنه إذا ك‪NN‬ان ل‪NN‬دينا جمتمع‪NN‬ان طبيعي‪NN‬ان تباينامها ‪ σ²1 , σ²2‬وس‪NN‬حبنا منهما عين‪NN‬تني‬
‫‪ S 12n 1  1‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪Sˆ12 / 12‬‬
‫‪n 1 1  1‬‬
‫‪F ‬‬ ‫‪ 2‬‬ ‫‪ F‬‬ ‫‪n 11 ; n 21‬‬ ‫عشوائيتني حجمهما على التوايل ‪ n1 , n2‬فإن ‪:‬‬
‫‪ S 22n 2  1‬‬ ‫‪Sˆ 2 / 22‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪n 2  1  2‬‬
‫إذا ميكن تكوين تقدير بمجال ل‪ F‬عند مستوى ثقة ‪ 0.98‬كما يلي‪:‬‬
‫‪Sˆ12 /‬‬ ‫‪2‬‬
‫‪F 010. ‬‬ ‫‪1‬‬
‫‪ F 099.‬‬
‫‪Sˆ 22 /‬‬ ‫‪2‬‬
‫‪2‬‬

‫و من مث ميكن تقدير النسبة بني تبايين اجملتمعني كما يلي‪:‬‬

‫‪1 Sˆ 12‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪1 Sˆ12‬‬
‫‪‬‬ ‫‪1‬‬
‫‪‬‬
‫‪F 099. Sˆ 2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪F 010. Sˆ 2‬‬
‫‪2‬‬

‫‪5VIII‬‬
 ‫نظرية التقدير‬ ‫الفصل الثامن‬

‫خالصة‪4‬‬ ‫‪89‬‬

‫لتقدير إحصائية جمتمع نستخدم نظريات توزيع املعاينة‪ .‬هذه النظريات تتناول خصائص إحصائيات العينة من متوسط‬
‫العينة‪ ،‬النسبة يف العينة‪ ... ،‬و عالقتها باإلحصائيات املناظرة هلا يف اجملتمع‪.‬‬
‫جدول ‪ 1‬توزيع املعاينة للمتوسطات حسب طبيعة توزيع اجملتمع‪ ،‬معلومية التباين و حجم العينة‪.‬‬
‫(‬ ‫تباين المجتمع‬ ‫قانون‬
‫‪x‬‬ ‫قانون‬ ‫‪‬‬ ‫‪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

‫جدول ‪ 2‬حتديد جمال الثقة للنسبة‪ ،‬للتباين وللنسبة بني تباينني‬

‫مجال الثقة‬ ‫التوزيع االحتمالي لإلحصائية‬ ‫المجتمع‬

‫جمتمع غري حمدود أو‬
‫) ‪p (1  p‬‬
‫‪p‬‬
‫‪' zc ‬‬ ‫معاينة غري نفادية و عينة‬
‫‪n‬‬ ‫التوزيع الطبيعي‬
‫ممتدة (‪)n ≥ 30‬‬

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

‫‪p ' z c ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫التوزيع الطبيعي‬ ‫‪ N‬واملعاينة نفادية‬

‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬

‫‪  ‬‬ ‫‪uo‬‬ ‫‪  ‬‬
‫‪  579‬أو‬
‫‪0.‬‬ ‫‪ 520‬‬
‫‪0.‬‬ ‫‪ 579‬‬
‫‪Sn ² (n  1 )Sˆ ²‬‬
‫‪0.‬‬ ‫‪ 520‬‬
‫‪0.‬‬

‫‪‬‬ ‫‪~  ² n 1‬‬ ‫غري معلوم‪N‬‬

‫‪ ²‬‬ ‫‪ ²‬‬
‫ˆ‪n  1S‬‬ ‫ˆ‪n  1S‬‬
‫‪o‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 579‬‬
‫‪0.‬‬ ‫‪ 520‬‬
‫‪0.‬‬

‫مثال عند مس ‪NN N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N N‬توى ثقة ‪:0.98‬‬

‫‪ S 12n 1  1‬‬
‫‪Sn ² (n  1 )Sˆ ²‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫جمتمعني طبيعيني‪ ،‬أو‬
‫‪ ²520‬‬
‫‪0. ‬‬ ‫‪‬‬ ‫‪  ²579‬‬ ‫‪Sˆ12 / 12‬‬ ‫‪n 1 1  1‬‬
‫‪ ²‬‬ ‫‪ ²‬‬
‫‪0.‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ˆ 2 / 2‬‬
‫‪ F n 11 ; n 21‬‬ ‫عينتني مسحوبتني من‬
‫‪‬‬ ‫‪S‬‬ ‫‪2‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪S‬‬
‫‪1 Sˆ12‬‬ ‫‪ 12‬‬ ‫‪1 Sˆ 12‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪n 2  1  22‬‬
‫جمتمع طبيعي واحد‪.‬‬
‫‪‬‬
‫‪F 099. Sˆ 2‬‬
‫‪2‬‬
‫‪ 2‬‬‫‪2‬‬
‫‪F 010. Sˆ 2‬‬
‫‪2‬‬

‫‪6VIII‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫ملحق‪ .‬مجاالت الثقة للفروق والمجاميع‬ ‫‪90‬‬

‫إذا ك ‪NN N‬انت ‪ s1‬و‪ s2‬إحص ‪NN N‬ائيتا معاينة هلا توزيع يق ‪NN N‬رتب من التوزيع الط ‪NN N‬بيعي‪ ،‬والعينت ‪NN N‬ان مس ‪NN N‬تقلتان‪ ،‬تكتب ح ‪NN N‬دود الثقة‬
‫للفروق بني املعامل اليت متثلها اإلحصائيتني كما يلي‪:‬‬
‫‪S 1 S‬‬ ‫‪2‬‬ ‫‪ zc ‬‬
‫‪‬‬ ‫‪S 1 S 2‬‬ ‫‪ S 1 S 2  z c   ² S 1   ² S 2‬‬
‫يف حالة اجملموع ‪:‬‬
‫‪S 1 S 2  z c ‬‬
‫‪‬‬ ‫‪S 1 S 2‬‬ ‫‪ S 1 S 2  z c   ² S 1   ² S 2‬‬
‫مث ‪44‬ال‪ :‬إذا ك ‪NN‬انت اإلحص ‪NN‬ائيتان مها متوس ‪NN‬طا عين ‪NN‬تني مس ‪NN‬تقلتني‪ ،‬مس ‪NN‬حوبتني من جمتمعني غري حمدودين‪ ،‬حندد جمال الثقة‬
‫للفرق (و للمجموع) بني متوسطي اجملتمعني ‪ µ1 - µ2‬كما يلي ‪:‬‬
‫‪ 12  22‬‬
‫‪m 1 m‬‬ ‫‪2‬‬ ‫‪ zc ‬‬
‫‪‬‬ ‫‪m 1m‬‬ ‫‪ m 1 m‬‬ ‫‪2‬‬ ‫‪ zc ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪n1 n2‬‬
‫مثال ‪ :2‬إذا كانت اإلحصائيتان مها نسبتان يف عينتني مستقلتني‪ ،‬مسحوبتان من جمتمعني غري حمدودين ‪:‬‬
‫‪qp 1 qp 2‬‬
‫‪p '1 p '2  z c ‬‬ ‫‪p '1 p '2‬‬ ‫‪ p '1 p '2  z c ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪1‬‬
‫طرق تأسيس المقدر‬ ‫املبحث ‪.22‬‬

‫طريقة العزوم‬
‫طريقة المعقولية العظمى (االحتمال األكبر)‬

‫أحد الط‪NN N N‬رق الختي ‪NN N‬ار مق‪NN N N‬در معلمة‪ N‬ما للمجتمع أن نأخذ مباش‪NN N N‬رة نظريهتا يف العين ‪NN N‬ة‪ ،‬وإذا ك ‪NN N‬ان ه ‪NN N‬ذا املق‪NN N N‬در ال يتصف‬
‫باخلص ‪NN N‬ائص املطلوبة جنري عليه تع ‪NN N‬ديال (اس ‪NN N‬تخدام‪ S’²‬ب ‪NN N‬دال من ‪ S²‬لتق‪NN N‬دير ‪ .)σ²‬توجد ط‪NN N‬رق أخ‪NN N‬رى لتحديد املق ‪NN N‬در‪N‬‬
‫األنسب منها طريقة املعقولية‪ N‬العظمى واليت ت‪NN‬دعى أيضا طريقة االحتم‪NN‬ال األكرب واليت تنسب إىل الع‪NN‬امل فيشر وك‪NN‬ذا طريقة‬
‫العزوم‪.‬‬

‫طريقة العزوم‬ ‫‪91‬‬

‫ليكن املطلوب تقدير عدد ‪ K‬من معامل اجملتمع ‪ .θ1, θ2, . . , θk :‬نكون مجلة معادالت عددها ‪ .K‬تتضمن كل‬
‫معادلة مساواة العزم املرتبط باألصل من الدرجة ‪ k‬ملتغرية اجملتمع )‪ ، X :µ’k = E(Xk‬بنظريه ملتغرية املعاينة ‪: x‬‬
‫‪m’k = (1/n)∑ixik‬‬ ‫‪k = 1, 2,‬‬ ‫‪,K‬‬

‫مثال‪ :‬ليكن )‪ . X ~ B(20; p‬تقدير ‪ p‬بطريقة العزوم انطالقا من عينة يتم كما يلي‪:‬‬
‫ل‪NN‬دينا ع‪NN‬دد املع‪NN‬امل املراد تق‪NN‬ديرها ‪ K = 1‬إذا حنت‪NN‬اج إىل معادلة واح‪NN‬دة ‪. µ = 20p :‬ومنه ‪ ،p = 20/µ‬نأخذ إذا‬
‫كمقدر ل‪ p‬القيمة‪ ’p :‬وحنسبها كما يلي ‪. p’ = m/20 :‬‬
‫يف حالة تقدير معلمتني للمجتمع‪ N‬حنتاج أن نستعمل مجلة املعادلتني‪µ = m , µ’2 = m’2 :‬‬

‫‪ 1‬دراوزبيك ‪1997‬ص‪.308 .‬‬

‫‪7VIII‬‬
 ‫نظرية التقدير‬ ‫الفصل الثامن‬

‫مثال‪ : 2‬لتكن )‪ .X ~ N(µ; σ²‬نسحب عينة ذات متوسط ‪ ،m‬وتباين ‪ .S²‬لتقدير ‪ µ‬و‪ σ²‬حنتاج إىل حل مجلة‬
‫‪ '2 m '2‬‬ ‫‪ '2  ²  ²‬‬ ‫‪ˆ  m‬‬
‫‪‬‬ ‫‪ro‬‬ ‫‪‬‬ ‫‪noitulos‬‬
‫‪al‬‬ ‫‪tse‬‬ ‫‪‬‬
‫‪  m‬‬ ‫‪m '2 m ² S ²‬‬ ‫‪ˆ ²  S ²‬‬‫املعادلتني‪:‬‬
‫هذه الطريقة قد تعطي مقدرات متحيزة كما يف هذه احلالة‪.‬‬

‫طريقة المعقولية العظمى (طريقة االحتمال األكبر)‬ ‫‪92‬‬

‫حالة كون متغرية اجملتمع متقطعة ‪ :‬نريد تقدير معلمة‪ θ N‬واحدة للمجتمع‪ N،‬ولدينا عينة غري نفادية (املتغريا ت اليت متثل‬
‫قيم احملصل عليها يف العينة مستقلة)‪ N‬هلا نفس التوزيع للمجتمع‪ N.‬من البديهي أن احتمال حتقق عينة بذاهتا مرتبط ب‬
‫قيمة املعلمة اجملهولة ‪ .P(x1, x2, …,xn) = L(θ) :‬هناك قيمة ل ‪ θ‬تعظم احتمال احلصول على العينة احملصل‬
‫عليها‪ ،‬ونفرتض أن تلك القيمة هي الصحيحة مبا أن العينة حصلت بالفعل‪ N.‬تتمثل طريقة املعقولية‪ N‬العظمى يف البحث‬
‫عن هذه القيمة‪ .‬أي البحث عن ‪ θ‬اليت تعظم )‪ ، L(θ‬حيث ‪:‬‬
‫)‪. L(θ) = f(x1, . . . , xn ; θ) = f(x1) . f(x2) . . . f(xn‬‬
‫تعتمد طريقة املعقولية العظمى على تعظيم دالة االحتمال املشرتكة )‪. L(θ‬‬
‫مثال‪ :‬ليكن )‪ ،X ~ B(p‬حيث النجاح هو وجود اخلاصية " أ " لدى فرد مسحوب عشوائيا من اجملتمع‪ .‬نرد تقدير ‪p‬‬
‫من خالل عينة حجمها ‪ .2‬ما هي القيمة ‪ ’p‬ل ‪ p‬اليت جتعل النتيجة ‪ 0 ،1‬هي األكثر احتماال؟ أي ما هي ‪ ’p‬اليت‬
‫جتعل ‪ p(0.1) = pq‬أكرب ما ميكن؟‬
‫)‪P(0.1‬‬ ‫من الواضح أن أكرب قيمة ل )‪ p(0.1‬هي ¼‬
‫والقيمة اليت حتققها هي ‪ ، p’ = 1/2‬وهبذا‬
‫جنيب على التساؤل‪.‬‬
‫‪1/4‬‬

‫‪0‬‬ ‫‪1/2‬‬ ‫‪p‬‬

‫أقصى قيمة ل )‪P(0,1‬‬ ‫رسم ‪20‬‬

‫‪8VIII‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫مفاهيم اختبارات الفروض وتطبيقاتها‬

‫اختبار المتوسط‬
‫اختبار النسبة واختبار التباين‬
‫اختبارات المقارنة بين مجتمعين‪z‬‬
‫اختبار التجانس و اختبار التعديل‪z‬‬
‫يف الفصل الس‪NN N‬ابق تناولنا كيفية تق‪NN N‬دير مع‪NN N‬امل اجملتمع من خالل بيان‪NN N‬ات العينة وبعض خص‪NN N‬ائص املق‪NN N‬در اجلي‪NN N‬د‪ .‬يف ه‪NN N‬ذا‬
‫الفصل س‪NN‬نتناول كيفية اختب‪NN‬ار فرض‪NN‬يات موض‪NN‬وعة ح‪NN‬ول مع‪NN‬امل جمتمع أو أك‪NN‬ثر‪ .‬حيت‪NN‬اج ال‪NN‬دارس أحيانا يف مرحلة ما من‬ ‫‪1‬‬

‫حبثه إىل اختب ‪NN‬ار فرض ‪NN‬ية أو أك ‪NN‬ثر خبص ‪NN‬وص اجملتمع املدروس‪ .‬من أمثلة ذل ‪NN‬ك‪ :‬اختب ‪NN‬ار فرض ‪NN‬ية خبص ‪NN‬وص مع ‪NN‬دل ال ‪NN‬دخل يف‬
‫منطقة معين‪NN‬ة‪ ،‬اختب‪NN‬ار فرض‪NN‬ية نس‪NN‬بة ش‪NN‬فاء ل‪NN‬دواء معني‪ ... ،‬يتم ذلك بص‪NN‬ياغة فرض‪NN‬ية عن اجملتمع املدروس (أو اجملتمع‪NN‬ات‬
‫املدروس ‪NN‬ة) ومن مث حماولة احلص ‪NN‬ول على دليل إحص ‪NN‬ائي ينفي أو يثبت ه ‪NN‬ذه الفرض ‪NN‬ية وذلك من خالل بيان ‪NN‬ات عينة (أو‬
‫أكثر) عشوائية بسيطة‪ .‬ختص الفرضية أحد معامل اجملتمع كاملتوسط‪ ،‬النسبة أو التب‪NN‬اين‪ ،‬ونعتمد يف إثباهتا أو رفض‪NN‬ها على‬
‫خص‪NN‬ائص إحص‪NN‬ائية معاينة خمت‪NN‬ارة‪ .‬من أجل ذلك يعتمد ه‪NN‬ذا ال‪NN‬درس‪ ،‬كما هو احلال بالنس‪NN‬بة ل‪NN‬درس التق‪NN‬دير‪ ،‬على درس‬
‫املعاينة‪.‬‬

‫اختبار المتوسط‬ ‫المبحث ‪.23‬‬

‫الاختبار ثنائي االتجاه للمتوسط‬
‫الاختبار أحادي االتجاه للمتوسط‬
‫استخدام ‪ S‬كمقدر لتباين المجتمع في اختبار المتزسط‬
‫اختبار المتزسط باستخدام توزيع ‪t‬‬

‫يتناول هذا االختبار متوسط اجملتمع (‪ ،)µ‬مثل متوسط الدخل‪ ،‬متوسط وزن منتج معني‪ .. ،‬ويؤكد اختبار املتوسط‬
‫فرضية مساواته لقيمة ما ‪ .µ0‬و للقيام باالختبار نستخرج عينة عشوائية حنسب فيها املتوسط ‪ m‬مث نستخدم التوزيع‬
‫االحتمايل ل ‪ m‬لقياس قرب أو بعد هذه القيمة من ‪.µ0‬‬

‫اختبار ثنائي االتجاه للمتوسط‪.‬‬ ‫‪93‬‬

‫لنتناول هذا املثال‪ :‬نريد اختبار فرضية حول متوسط دخل الطالب يف السنة األوىل من خترجه‪ ،‬ولتكن القيمة االفرتاض‪NN‬ية‬
‫هي ‪15000‬دج كمتوسط لل ‪NN N‬دخل الش ‪NN N‬هري‪ .‬حنت ‪NN N‬اج إىل اخلط ‪NN N‬وات التالي ‪NN N‬ة‪ :‬حتديد الفرض ‪NN N‬يات‪ ،‬حتديد قاع ‪NN N‬دة الق ‪NN N‬رار‪،‬‬
‫حساب القيمة اجلدولية للمتغرية‪ ،‬حساب القيمة الفعلية للمتغرية‪ ،‬اختاذ القرار‪.‬‬

‫‪ 1‬تضمن الربنامج فصلني حول موضوع اختبار الفروض‪ ،‬األول مفاهيم أساسية والثاين تطبيقات اختبار الفروض؛ غري أننا نرى أن الفصل بني هذين اجلزئني سوف‬
‫يؤدي إىل تكرار التطرق للمفاهيم األساسية‪ .‬من جهة أخرى‪ ،‬يصعب شرح املفاهيم األساسية مبعزل عن التطبيقات أي مبعزل عن بنود املبحث الثاين‪ .‬لذلك فسوف‬
‫خنوض مباشرة يف املبحث الثاين‪ ،‬أي جزء التطبيقات‪ ،‬ويف أثنائه سنتطرق إىل املفاهيم املذكورة يف املبحث األول‪.‬‬

‫‪1IX‬‬
‫مفاهيم اختبارات الفروض و تطبيقاتها‬ ‫الفصل التاسع‬

‫(‪ )1‬تحديد الفرضيات (الصفرية والبديلة)‪:‬‬

‫‪H1 : µ ≠ µ0‬‬ ‫↔ ‪H0 : µ = µ0‬‬

‫تسمى الفرضية ‪ H0‬الفرضية الصفرية أو فرض‪NN‬ية الع‪NN‬دم‪ ،‬وي‪NN‬ؤدي االختب‪NN‬ار إما إىل رفض‪NN‬ها ونكتب ‪ RHo‬ويف ه‪NN‬ذه احلالة‬
‫نقبل الفرض‪44‬ية البديلة أو املعاكسة أو ع‪NN‬دم رفض‪NN‬ها ونكتب ‪ R’H0. µ0‬هي القيمة االفرتاض‪NN‬ية ل ‪ µ‬وهي يف ه‪NN‬ذه احلالة‬
‫‪ 15000‬لذلك نكتب الفرضيات كما يلي‪:‬‬
‫‪H1 : µ ≠ 15000‬‬ ‫↔ ‪H0 : µ = 15000‬‬

‫ع‪NN‬ادة ما تك‪NN‬ون ‪ µ0‬حمددة بن‪NN‬اءا على بيان‪NN‬ات عينة عش‪NN‬وائية بس‪NN‬يطة (‪ ،)µ0 = m‬ويف ه‪NN‬ذه احلالة ميكن اس‪NN‬تخدام اخلاص‪NN‬ية‬
‫)‪m ~ N(µ0 , σ²/n‬‬ ‫)‪ m ~ N(µ, σ²/n‬الجراء االختبار‪ ،‬حيث أنه حتت ‪ H0‬فإن ‪:‬‬
‫مما يعين معلومية‪ N‬احتمال أن يكون ‪ m‬قريب إىل درجة ما من ‪ µ0‬فمثال ‪:‬‬
‫‪P(µ0 – 1.64(σm) ≤ m ≤ µ0 + 1.64(σm)) = 0.90‬‬
‫‪P(µ0 – 1.96(σm) ≤ m ≤ µ0 + 1.96(σm)) = 0.95‬‬
‫‪P(µ0 – 2.58(σm) ≤ m ≤ µ0 + 2.58(σm)) = 0.99‬‬
‫وبصفة عامة نكتب‪:‬‬
‫‪P[µ0 – z1-α/2(σm) ≤ m ≤ µ0 + z1-α/2 (σm)] = 1-α‬‬
‫أو حسب الكتابة األكثر شيوعا‪:‬‬
‫‪m  0‬‬
‫‪P ( z 1 /2 ‬‬ ‫‪ z 1 /2 )  1  ‬‬
‫‪m‬‬

‫حيث‪:‬‬
‫‪( : σm/)m - µ0( ‬متغيرة القرار) هي املتغرية املعيارية ل ‪ m‬ونرمز هلا ب ‪ ،zc‬حيث )‪. z ~ N(0, 1‬‬
‫‪)n‬و‬ ‫≤‬ ‫=‪σm‬يف حالة املعاينة باإلرج‪NN N N N N N N N N N N‬اع (أو ‪0.05N‬‬ ‫‪ σm‬حتدد كما يلي‪σ/√n :‬‬ ‫‪‬‬

‫‪ m  ‬يف احلالة املعاكسة‪.‬‬ ‫‪N n‬‬

‫‪n N 1‬‬
‫‪ : α/2 - 1 ‬املساحة على يسار ‪. z‬‬
‫‪ : n ‬حجم العينة‪.‬‬
‫ميكن إذا ك ‪NN‬ان ‪ m‬خ ‪NN‬ارج اجملال ‪ ،α-1‬أن ن ‪NN‬رفض الفرض ‪NN‬ية الص ‪NN‬فرية اليت ح ‪NN‬دد على أساس ‪NN‬ها ه ‪NN‬ذا اجملال ونقبل بالت ‪NN‬ايل‬
‫الفرضية البديلة‪.‬‬
‫تسمى هذه (اخلطة) قاعدة القرار‪.‬‬

‫‪2IX‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫(‪ )2‬تحديد قاعدة القرار‬

‫تكتب قاعدة القرار يف املث‪NN‬ال ال‪NN‬ذي بني أي‪NN‬دينا‪ ،‬وهي قاع‪NN‬دة اختبار ثنائي االتجاه (أنظر الش‪NN‬كل ‪ ، )1‬كما‬
‫يلي‪:‬‬
‫‪‬‬ ‫‪X  0‬‬ ‫‪‬‬ ‫‪X  0‬‬
‫‪‬‬
‫‪HR‬‬ ‫‪0 is‬‬ ‫‪ z 1‬‬ ‫‪/2‬‬ ‫‪.‬‬ ‫‪HR‬‬‫‪‬‬ ‫‪0 is z c ‬‬ ‫‪  z 1 /2 ; z 1‬‬ ‫‪‬‬ ‫‪.‬‬
‫‪‬‬ ‫‪ X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪/2‬‬

‫‪‬‬
‫أو‬ ‫‪X‬‬
‫‪RH‬‬
‫‪RH‬‬‫‪nonis‬‬
‫‪0‬‬ ‫‪.‬‬ ‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪R’H0‬‬
‫‪RH0‬‬ ‫‪RH0‬‬

‫‪1-α‬‬ ‫‪z‬‬

‫‪-z1-α/2‬‬ ‫‪0‬‬ ‫‪z1-α/2‬‬

‫)‪µ0-z1-α/2(σm‬‬ ‫‪µ0‬‬ ‫)‪µ0+z1-α/2(σm‬‬

‫منطقيت القبول و الرفض يف حالة قاعد القرار الثنائية‬ ‫رسم ‪21‬‬

‫تتضمن هذه اخلطة خماطرة تتمثل يف الوصول إىل قرار خاطىء‪ :‬فقد تكون الفرضية ‪ H0‬صحيحة بينما تقودنا قيمة ‪m‬‬
‫‪،P(RH0 /‬‬
‫منحنى القوة ‪Figure 22‬‬ ‫احملصلة إىل رفضها‪ ،‬ويسمى هذا الخطأ من النوع األول‪ ،‬واحتماله ‪ ،α‬ويكتب ‪H0) = α :‬‬

‫و قد تقودنا قيمة ‪ m‬إىل قبول‪ H0‬فيما هي خاطئة‪ ،‬ويسمى هذا الخطأ من النوع الثاني واحتماله ‪ α -1‬ويكتب ‪:‬‬
‫‪P(R’H0 / H1 ) = 1-α‬‬

‫‪3IX‬‬
 ‫مفاهيم اختبارات الفروض و تطبيقاتها‬ ‫الفصل التاسع‬

‫و ميكن تقليص احتم‪NN‬ال أحد اخلط‪NN‬أين على حس‪NN‬اب الث‪NN‬اين‪ ،‬ولكن ال ميكن تقليص احتم‪NN‬ال كال اخلط‪NN‬أين معا إال بزي‪NN‬ادة‬
‫حجم العينة‪.‬‬
‫و يقيس احتمال رفض الفرضية الصفرية )‪ P(RH0‬قوة االختبار (أنظر الشكل ‪ )2‬فيما يقيس احتم‪NN‬ال قبوهلا ‪P(R’H0‬‬
‫) فعالية االختبار (أنظر الشكل ‪ .)2‬ويتوقف كال االحتمالني على القيمة احلقيقية ل ‪. µ‬‬

‫)‪P(RH0‬‬ ‫)‪P(R’H0‬‬

‫‪1‬‬ ‫‪1‬‬
‫‪1-α‬‬

‫‪α‬‬
‫‪µ‬منحنى القوة )‪(2‬‬ ‫‪µ0‬‬
‫‪0‬‬
‫‪µ‬‬ ‫‪µ‬‬
‫رسم ‪ )1( 24‬منحنى الفعالية‬

‫(‪ )3‬حساب ‪ z‬الجدولية‪:‬‬

‫ويرمز هلا ب ‪ zt‬حيث‪ ،‬وهي املشار إليها يف قاعدة القرار (الشكل الثاين)‪ ،‬ويف حالتنا (اختبار ثنائي مبستوى معنوية‬
‫‪: )%5‬‬
‫‪zt = z1-α/2 = z1-0.05/2 = z1-0.025 = z0.975‬‬
‫ومن اجلدول جند أن ‪. z0.975 = 1.96‬‬

‫(‪ )4‬حساب ‪ z‬الفعلية‪4:‬‬

‫ويرمز هلا ب ‪ zc‬وهي املتغري املعيارية ل ‪( m‬أنظر قاعدة القرار الشكل األول) ‪:‬‬
‫‪X  00851‬‬ ‫‪‬‬
‫‪0051‬‬
‫‪z c‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪ 533‬‬
‫‪.‬‬
‫‪ X 0051‬‬ ‫‪001‬‬
‫‪/‬‬

‫(‪ )5‬القرار‪:‬‬
‫نق ‪NN‬رر قب‪NN‬ول أو رفض ‪ H0‬حسب قاع‪NN‬دة الق‪NN‬رار‪ .‬ويف حالتنا ن‪NN‬رفض ‪ H0‬ألن ‪ zc > zt‬ونقبل ‪ H1‬أي أن متوسط دخل‬
‫اخلريج حديث التوظيف ليس ‪15000‬دج‪.‬‬

‫‪4IX‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫االختبار أحادي االتجاه للمتوسط‪.‬‬ ‫‪94‬‬

‫يتم‪NN‬يز االختب‪NN‬ار الثن‪NN‬ائي عن األح‪NN‬ادي يف الفرض‪NN‬ية البديلة اليت هي ع‪NN‬دم مس‪NN‬اواة يف االختب‪NN‬ار الثن‪NN‬ائي وأكرب متاما أو أص‪NN‬غر‬
‫متاما (حسب احلالة) يف االختبار األحادي‪ ،‬وهذا يرتتب عليه تغيري يف قاعدة القرار‪.‬‬

‫(‪ )1‬االختبار أحادي االتجاه من اليمين‪.‬‬

‫لنرجع إىل املثال السابق مع تغيري حمدد هو أننا نريد اختبار ما إذا كان متوسط الدخل للخريج ‪15000‬دج أم أكثر‬
‫(اختبار من اليمني)‪.‬‬
‫‪H1 : µ > µ0‬‬ ‫↔ ‪H0 : µ = µ0‬‬ ‫أ‪ -‬الفرضيات ‪:‬‬
‫‪H1 : µ > 15000‬‬ ‫↔ ‪H0 : µ = 15000‬‬ ‫يف هذه احلالة ‪ µ0 = 15000‬لذلك نكتب ‪:‬‬
‫‪‬‬ ‫‪X  0‬‬
‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪ z 1 .‬‬
‫‪‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬
‫ب‪ -‬قاعدة القرار‪:‬‬
‫= ‪zt = z1-α = z1-0.05‬‬ ‫ج‪ -‬حساب ‪ z‬الجدولية‪( :‬اختبار على اليمني مبستوى معنوية ‪: )%5‬‬
‫‪z0.95‬‬
‫‪z0.95 = 1.645‬‬ ‫ومن اجلدول جند أن‬
‫‪X   0 X  00851‬‬ ‫‪‬‬
‫‪0051‬‬
‫‪z c‬‬ ‫‪‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪ 533‬‬
‫‪.‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪:4‬‬
‫‪ X‬‬ ‫‪ / n 0051‬‬ ‫‪001‬‬
‫‪/‬‬

‫ه‪ -‬القرار‪ :‬نرفض ‪ H0‬ألن ‪ zc > zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج حديث التوظيف ليس ‪15000‬دج وإمنا‬
‫هو أكرب‪.‬‬

‫(‪ )2‬االختبار أحادي االتجاه من اليسار‬

‫نعود إىل مثالنا ونفرتض أن متوسط العينة كان ‪14200‬دج ونريد أن خنترب ما إذا كان متوسط الدخل مساوي أم أقل‬
‫من ‪15000‬دج‪.‬‬
‫‪H1 : µ < 15000‬‬ ‫↔ ‪H0 : µ = 15000‬‬ ‫أ‪ -‬الفرضيات‪: 4‬‬
‫ب‪ -‬قاعدة القرار‪:‬‬
‫‪‬‬ ‫‪X  0‬‬
‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪  z 1 .‬‬
‫‪‬‬ ‫‪ X‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫ج‪ -‬حساب ‪ z‬الجدولية‪( :‬اختبار على اليسار مبستوى معنوية ‪: )% 5‬‬

‫= ‪zt = - z1-α = - z1-0.05 = - z0.95 1.645-‬‬

‫‪5IX‬‬
‫مفاهيم اختبارات الفروض و تطبيقاتها‬ ‫الفصل التاسع‬

‫‪X   0 X  00241‬‬ ‫‪‬‬

‫‪0051‬‬
‫‪z c‬‬ ‫‪‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪  533‬‬
‫‪.‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪4:‬‬
‫‪ X‬‬ ‫‪ / n 0051‬‬ ‫‪001‬‬
‫‪/‬‬

‫ه‪ -‬القرار‪ :‬نرفض ‪ H0‬ألن ‪ zc < zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج حديث التوظيف أقل من ‪15000‬دج ‪.‬‬

‫استخدام ‪ S‬كمقدر ل ‪ σ‬في اختبار المتوسط‪.‬‬ ‫‪95‬‬

‫يف األمثلة السابقة افرتضنا أن ‪ σ‬معل‪N‬وم‪ ،‬يف الواقع غالبا ما يك‪N‬ون االحنراف املعي‪N‬اري جمه‪N‬وال وحنت‪N‬اج بالت‪N‬ايل إىل اس‪N‬تخدام‬
‫االحنراف املعياري للعينة (‪ )S‬عند حساب ‪( σm‬أنظر درس التقدير)‪ ،‬حيث نعوض العبارة‬
‫' ‪S‬‬ ‫‪S‬‬
‫‪m‬‬ ‫‪  m ‬أو‬ ‫ب‬ ‫‪σm = σ/√n‬‬
‫‪n‬‬ ‫‪n1‬‬

‫مثال‪ :‬يف املثال السابق نفرتض أن االحنراف املعياري للدخل الشهري للط‪NN‬الب جمه‪NN‬ول‪ ،‬لكن االحنراف املعي‪NN‬اري للعينة ‪S‬‬
‫‪ . = 1600‬كيف ميكن اختبار ما إذا كان الدخل الشهري أقل من ‪15000‬دج؟‬
‫اخلطوات أ‪ ،‬ب ‪ ،‬ج تبقى بدون تغيري‪.‬‬
‫‪X  0‬‬ ‫‪X   00241‬‬ ‫‪‬‬
‫‪0051‬‬
‫‪z c‬‬ ‫‪‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪  479‬‬
‫‪.‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪:4‬‬
‫‪ X‬‬ ‫‪S / n  1 0061‬‬ ‫‪/ 99‬‬

‫ه‪ -‬القرار‪ :‬ن‪NN‬رفض ‪ H0‬ألن ‪ zc < zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج ح‪NN‬ديث التوظيف ليس ‪15000‬دج وإمنا‬
‫هو أقل‪.‬‬

‫استخدام التوزيع ‪ t‬في اختبار المتوسط‪.‬‬ ‫‪96‬‬

‫يف حالة ‪ n< 30‬و‪( σ‬االحنراف املعياري للمجتمع) جمهوال‪ ،‬ال ميكن استخدام التوزيع الطبيعي‪ ،‬ولكن لدينا ‪:‬‬
‫‪X ‬‬ ‫‪X ‬‬
‫‪0‬‬
‫و حتت ) ‪~ t n1 : H (µ = µ‬‬ ‫‪~ t n1‬‬
‫‪S / n1‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪S / n1‬‬

‫ميكن إذا استخدام التوزيع ستيودنت (بشرط أن يكون توزيع اجملتمع طبيعيا أو على األقل جرسي الشكل) ‪.‬‬
‫و تتغري قاعدة القرار تبعا هلذا التغيري فتكتب يف حالة االختبار الثنائي كما يلي‪:‬‬
‫‪‬‬ ‫‪X  0‬‬
‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪ t n1 ;1‬‬ ‫‪/2‬‬ ‫‪.‬‬
‫‪‬‬ ‫‪S / n1‬‬
‫‪‬‬
‫‪RH‬‬‫‪nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪‬‬ ‫‪X  0‬‬

‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪ t n1 ,1‬‬
‫‪‬‬ ‫‪S / n1‬‬ ‫يف حالة اختبار من اليمني‪:‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪6IX‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪‬‬ ‫‪X  0‬‬

‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪  t n1 ;1‬‬
‫‪‬‬ ‫‪S / n1‬‬ ‫يف حالة اختبار من اليسار‪:‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫خالصة‪4‬‬ ‫‪97‬‬

‫يتم اختبار الفرضيات من خالل ‪ 5‬خطوات متتالية وهي‪:‬‬

‫‪ ‬حتديد الفرضيات (الصفرية والبديلة)‬
‫‪ ‬حتديد قاعدة القرار‬
‫‪ ‬حساب القيمة اجلدولية للمتغرية‬
‫‪ ‬حساب القيمة الفعلية للمتغرية‬
‫‪ ‬اختاذ القرار‪.‬‬
‫تتحدد كيفية إمتام كل خطوة حسب طبيعة االختبار (ثنائي أو أحادي االجتاه)‪ ،‬حسب طبيعة اجملتمع و طبيعة و حجم‬
‫العينة‪ ... ،‬و تسخدم يف ذلك نظريات توزيع املعاينة‪.‬‬

‫اختبار النسبة واختبار التباين‬ ‫المبحث ‪.24‬‬

‫اختبار النسبة‬
‫اختبار التباين‬

‫اختبار النسبة‬ ‫‪98‬‬

‫يتعلق هذا االختبار بنسبة مفردات اجملتمع اليت تتصف خباصية ما (‪ ،)p‬حيث يؤكد االختبار أو ينفي صحة فرضية‬
‫‪H0 : p = p0‬‬ ‫معينة خبصوص قيمة ‪ . p‬يرمز للقيمة االفرتاضية ب ‪ p0‬وتكتب الفرضية كما يلي‪:‬‬
‫للقيام‪ N‬باالختبار نستخدم خصائص ‪ ’p‬النسبة يف العينة (أنظر توزيع املعاينة للنسبة ‪ :‬نظرية ‪.)6‬‬
‫‪qp‬‬
‫‪E (p ')   p ' p‬‬ ‫;‬ ‫‪ ² p '‬‬
‫‪n‬‬
‫عند ‪( n ≥ 30 : (p, σp') p’ ≈ N‬نظرية موافر‪ -‬البالس)‬
‫‪‬‬ ‫‪p 0q 0‬‬ ‫‪ :‬‬
‫; ‪p ' N  p 0‬‬ ‫استنادا إىل هذه اخلصائص وحتت ‪ H0‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫و من مث ميكن حتديد قاعدة القرار حبسب طبيعة االختباركما يلي‪:‬‬

‫‪‬‬ ‫‪p ' p 0‬‬
‫‪‬‬
‫‪HR‬‬ ‫‪0 is‬‬ ‫‪ z 1‬‬ ‫‪/2‬‬ ‫‪.‬‬
‫‪‬‬ ‫‪p 0q 0 /n‬‬
‫‪‬‬ ‫يف حالة االختبار الثنائي‪:‬‬
‫‪RH‬‬
‫‪nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪7IX‬‬
‫مفاهيم اختبارات الفروض و تطبيقاتها‬ ‫الفصل التاسع‬

‫‪‬‬ ‫‪p ' p 0‬‬

‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪ z 1‬‬
‫‪‬‬ ‫‪p 0q 0 /n‬‬
‫يف حالة اختبار من اليمني‪:‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪‬‬ ‫‪p ' p 0‬‬

‫‪HR‬‬
‫‪‬‬ ‫‪0 is‬‬ ‫‪  z 1‬‬
‫‪‬‬ ‫‪p 0q 0 /n‬‬
‫يف حالة اختبار من اليسار‪:‬‬
‫‪RH‬‬
‫‪ nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫مث‪44‬ال‪ :‬تق‪NN‬در ال‪NN‬دوائر الرمسية نس‪NN‬بة املتخ‪NN‬رجني اجلامعيني ال‪NN‬ذين حيص‪NN‬لون على عمل يف الس‪NN‬نة األوىل اليت تلي خترجهم ب‬
‫‪ . N N% 70‬وج ‪NN‬دت دراسة أج ‪NN‬ريت على عينة من ‪ 900‬ط ‪NN‬الب أن نس ‪NN‬بة احلص ‪NN‬ول على عمل ‪ . % 67‬كيف ميكن‬
‫اختبار ما إذا كانت النسبة الرمسية صحيحة أم مبالغ فيها‪ ،‬مبستوى معنوية ‪.% 5‬‬
‫‪H0 : p = 0.70 ↔ H1 : p < 0.70‬‬
‫‪p ' p 0‬‬ ‫‪. 07‬‬
‫‪076‬‬ ‫‪.‬‬
‫‪‬‬ ‫‪691‬‬
‫‪ 43‬‬
‫‪.   z 1 050.   146‬‬
‫‪.‬‬
‫‪p 0q 0 /n‬‬ ‫‪07‬‬
‫‪. (0 3‬‬
‫‪. 009‬‬
‫‪)/‬‬

‫ومنه نرفض الفرضية ‪. H0‬‬

‫اختبار التباين‬ ‫‪99‬‬

‫الختبار صدقية فرضية خبصوص قيمة تباين جمتمع ما‪،‬‬

‫‪H0 : σ² =σ0² ↔ H1 : σ² = σ0²‬‬
‫يف أحسن األحوال) ‪،‬‬ ‫‪ .‬حيث يف حالة العينة الكبرية (‬ ‫‪‬‬ ‫نستعمل املقدر غري املنحاز )‪(X i X ²‬‬
‫‪n ≥ 50‬‬ ‫‪Sˆ ²‬‬ ‫‪i‬‬

‫‪n1‬‬
‫‪Sˆ ² ‬‬ ‫‪2‬‬
‫‪T‬‬ ‫‪0‬‬
‫)‪ N (0 1..‬‬ ‫وحتت ‪ H‬فإن ‪ 4  E (X   ) 4‬‬
‫‪( 4   ) /n‬‬
‫‪4‬‬
‫‪0‬‬
‫‪0‬‬

‫حيث ‪ µ4‬هو العزم املركزي من الدرجة الرابعة‪ .‬وهبذا الشكل تكتب قاعدة القرار لالختبار الثنائي كما يلي‪:‬‬
‫‪‬‬ ‫‪Sˆ ² ‬‬ ‫‪2‬‬
‫‪‬‬
‫‪HR‬‬ ‫‪0 is‬‬
‫‪0‬‬
‫‪ z 1‬‬ ‫‪/2‬‬
‫‪‬‬ ‫‪( 4   04 ) /n‬‬
‫‪‬‬
‫‪RH‬‬
‫‪nonis‬‬
‫‪0‬‬ ‫‪.‬‬

‫‪.‬‬ ‫جمهول ميكن استخدام كمقدر ‪:‬‬ ‫ويف حالة‬

‫)‪m = E(xi – m‬‬ ‫‪µ‬‬
‫‪4‬‬
‫‪4‬‬ ‫‪4‬‬

‫وإذا كان اجملتمع طبيعيا‪ ،‬حيث ‪ ، µ4 = 3σ4‬فإن متغيرة القرار ميكن أن تكتب كما يلي‪:‬‬
‫‪Sˆ ² ‬‬ ‫‪2‬‬
‫‪T‬‬ ‫‪0‬‬
‫‪ N (0 1‬‬
‫)‪. .‬‬
‫‪‬‬ ‫‪2‬‬
‫‪0‬‬ ‫‪2 /n‬‬

‫‪8IX‬‬
‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫اختبار المقارنة بين مجتمعين‬ ‫المبحث ‪.25‬‬

‫اختبار تساوي متوسطي مجتمعين‬
‫اختبار تساوي تبايني مجتمعين‬

‫يتناول هذا االختبار مقارنة بني جمتمعني من خالل المتوسط أو التباين لكل منهما ‪ ...‬وسنركز هنا على متغرية القرار‪،‬‬
‫إذ من السهل على الطالب استنتاج كيفية إمتام اخلطوات األخرى على ضوء ما سبق‪.‬‬

‫اختبار تساوي متوسطي مجتمعين‬ ‫‪100‬‬

‫الغ‪NN N‬رض من االختب‪NN N‬ار هو تأكيد أو نفي تس‪NN N‬اوي متوس‪NN N‬طي جمتمعني من خالل عين ‪NN‬تني عش ‪NN‬وائيتني بس ‪NN‬يطتني مس‪NN N‬تقلتني‪.‬‬
‫‪H0 : µ1 = µ2 ↔ H1 : µ1 ≠ µ2‬‬ ‫تكتب الفرضيات (يف حالة االختبار الثنائي)كما يلي‪:‬‬
‫لتحديد متغ ‪NN‬رية الق ‪NN‬رار نعتمد يف االختب ‪NN‬ار على متغ ‪NN‬رية الق ‪NN‬رار ‪ T‬أو ‪ ’T‬حبسب احلالة (ن‪N N‬رتك للط ‪NN‬الب اس ‪NN‬تنتاج قاع ‪NN‬دة‬
‫القرار)‪ ،‬حيث منيز بني حالة كون تباينا اجملتمعني معلومني وحالة كون تباينا اجملتمعني جمهولني‪.‬‬

‫(‪ )1‬تباينا المجتمعين معلومين‬

‫‪ -1‬اجملتمعني طبيعيني‪:‬‬
‫‪X 1 X‬‬
‫‪T‬‬ ‫‪2‬‬
‫) ‪~ N (0 1.‬‬
‫‪‬‬ ‫‪2‬‬
‫‪ 2‬‬
‫‪ 2‬‬
‫‪1‬‬

‫‪n1 n 2‬‬

‫‪ -2‬جمتمعني ما (‪:)n1 , n2 ≥ 30‬‬

‫‪X 1 X‬‬
‫‪T‬‬ ‫‪2‬‬
‫) ‪ N (0 ,1‬‬
‫‪‬‬ ‫‪2‬‬
‫‪ 2‬‬
‫‪ 2‬‬
‫‪1‬‬

‫‪n1 n 2‬‬

‫(‪ )2‬تباينا المجتمعين مجهولين‬

‫‪ -1‬اجملتمعان طبيعيان‪:‬‬
‫‪X 1 X‬‬
‫'‪T ‬‬ ‫‪2‬‬
‫‪~ t n 1 n 2 2‬‬
‫‪n S  n 2S‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪1 ‬‬ ‫إذا كان تباينا اجملتمعني متساويني‬
‫‪1 1‬‬ ‫‪2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪n 1 n 2  2‬‬ ‫‪n 1 n 2 ‬‬

‫‪X 1 X‬‬
‫‪T‬‬ ‫‪2‬‬
‫) ‪ N (0 ,1‬‬
‫‪S‬‬ ‫‪2‬‬
‫‪S 22‬‬ ‫‪ -2‬جمتمعني ما (‪:)n1 , n2 ≥ 30‬‬
‫‪‬‬
‫‪1‬‬

‫‪n 1 1 n 2  1‬‬

‫‪9IX‬‬
‫مفاهيم اختبارات الفروض و تطبيقاتها‬ ‫الفصل التاسع‬

‫مث‪44‬ال‪ :‬نس‪NN‬حب من جمتمعني طبيع‪NN‬يني متس‪NN‬اويي التب‪NN‬اين عين‪NN‬تني حجم األوىل ‪ 18‬وحجم الثانية ‪ .21‬وج‪NN‬دنا النت‪NN‬ائج‬
‫التالية‪:‬‬
‫‪ .m1 = 81, m2 = 76, S²1 = 9, S²2 = 8‬كيف ميكن اج‪NN‬راء اختب‪NN‬ار تس‪NN‬اوي متوس‪NN‬طي اجملتمعني مبس‪NN‬توى‬
‫معنوية ‪. % 5‬‬
‫‪H0 : µ1 = µ2 ↔ H1 : µ1 ≠ µ2‬‬
‫‪X 1 X‬‬ ‫‪18 67‬‬
‫'‪T ‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ 534.‬‬
‫‪n S  n 2S‬‬
‫‪2‬‬
‫‪1‬‬‫‪2‬‬
‫‪1 ‬‬ ‫‪81 (9 )12 (8 )  1‬‬ ‫‪1 ‬‬
‫‪1 1‬‬
‫‪ ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n 1 n 2  2‬‬ ‫‪n‬‬
‫‪ 1‬‬ ‫‪n‬‬ ‫‪2‬‬
‫‪81 12  2 81‬‬ ‫‪‬‬ ‫‪12 ‬‬
‫‪t579‬‬
‫‪0.‬‬ ‫‪73‬‬
‫;‬ ‫‪ 633‬‬
‫‪2.‬‬ ‫‪ 534.‬‬ ‫‪HR‬‬ ‫‪0‬‬

‫اختبار تساوي تبايني مجتمعين‬ ‫‪101‬‬

‫الغرض من االختبار هو تأكيد أو نفي تساوي تباينا جمتمعني من خالل عينتني عشوائيتني بسيطتني مستقلتني‪.‬‬
‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬ ‫تكتب الفرضيات (يف حالة االختبار الثنائي)كما يلي‪:‬‬
‫نعتمد يف االختبار على متغرية القرار ‪ T‬أو ‪ ’T‬حبسب احلالة‪ ،‬حيث منيز بني حالة كون اجملتمعني طبيعيني أم غري ذلك‪.‬‬

‫(‪ )1‬مجتمعين طبيعيين‬

‫‪ -1‬احلالة العامة‪:‬‬
‫‪Sˆ12‬‬
‫'‪T ‬‬ ‫‪~ F n 11 ; n 21‬‬
‫‪Sˆ 2‬‬ ‫‪2‬‬

‫‪ -2‬يف حالة ‪n1 , n2 ≥ 30‬‬

‫‪1‬‬ ‫‪ Sˆ12  1  1‬‬ ‫‪1 ‬‬

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

‫(‪ )2‬مجتمعين ما (‪)n1, n2 ≥ 50‬‬

‫‪ µ4 (1) ; µ4 (2) -1‬معروفني ‪:‬‬

‫‪‬‬ ‫‪ Sˆ14  4(2 ) Sˆ 24‬‬

‫) ‪(1‬‬
‫‪T  (Sˆ12  Sˆ 22 ) /‬‬ ‫‪4‬‬
‫‪‬‬ ‫) ‪ N (0 ;1‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫يف حالة )‪ µ4 (1) ; µ4 (2‬غري معروفني ‪ :‬نعوض ‪ µ4‬ب ‪. m4‬‬ ‫‪-2‬‬

‫مثال ‪ :‬نسحب من جمتمعني طبيعيني عينتني حجم األوىل ‪ 18‬وحجم الثانية ‪ .21‬وجدنا النتائج التالية‪:‬‬
‫‪ .m1 = 81, m2 = 76, S²1 = 9, S²2 = 8‬كيف ميكن اج‪NN‬راء اختب‪NN‬ار تس‪NN‬اوي متوس‪NN‬طي اجملتمعني مبس‪NN‬توى‬
‫معنوية ‪ % 5‬؟‬
‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬

‫‪10IX‬‬
 ‫ب‪ .‬ص‬ ‫محاضرات اإلحصاء الرياضي‬

‫‪S’²1 = S²1 * n1 / (n1-1) = 9 (18)/17 ≈ 9.53 ; S’²2 = S²2 * n2 / (n2-1) = 8 (21)/20 = 8.4‬‬
‫‪S’²1 / S’²2 ≈ 1.135 ; F0.05 ;17 ;20 ≈ 2.17 ‬‬

‫‪T < Fα ; n1-1 ;n2-1 => R’H0‬‬

‫اختبار االستقالل والتجانس‬ ‫المبحث ‪.26‬‬

‫اختبار التجانس‬
‫اختبار التعديل‬

‫اختبار التجانس‬ ‫‪102‬‬

‫لنعد إىل اختبار النسبة‪ ،‬ونفرتض أن لدينا ع‪NN‬ددا ‪ k‬من اخلص‪NN‬ائص املتنافية‪ ،‬نس‪NN‬بة حتقق كل منها يف اجملتمع ‪ pi‬حيث ∑‬
‫‪ .pi = 1‬نريد اختبار فرضية تساوي هذه النسب‪:‬‬
‫‪: pi ≠ pi0 H0 : pi = pi0 (i = 1, 2, . . . k ) ↔ H1‬‬
‫(الفرضية البديلة هي أن إحدى النسب النظرية ‪ pi0‬على األقل غري مساوية للقيمة احلقيقية‪).‬‬
‫متغيرة القرار ‪ :‬إلجناز االختبار نستخرج عينة حنسب فيها عدد مرات حتقق اخلصائص (‪ . )ni‬إذا حتققت الشروط‬
‫نربهن أن ‪:‬‬ ‫وعلى األقل يف ‪ % 80‬من احلاالت ‪npi0 ≥ 5‬‬ ‫‪، pi0 ≥ 1 n ≥ 30‬‬
‫)‪(n ipn i0²‬‬
‫‪T ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪k 1‬‬
‫‪i‬‬
‫‪pn i0‬‬

‫اختبار التعديل‬ ‫‪103‬‬

‫تستخدم هذه الطريقة أيضا الختبار تعديل توزيع معني بتوزيع آخر‪ ،‬ويف هذه احلالة نقارن بني تكرارات العينة‬
‫(التكرارات احلقيقية) ‪ ni‬وتكرارات افرتاضية ‪ ، ni0‬حيث تصاغ الفرضيات كما يلي ‪:‬‬
‫على األقل إحدى التكرارات النظرية ‪ ni0‬غري مساوية للتكرار احلقيقي ‪:ni H0: ni = ni0 (i = 1, 2, … k) ↔ H1‬‬
‫)‪(n i n i0²‬‬
‫‪T ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪km 1‬‬
‫‪i‬‬
‫‪n i0‬‬
‫‪ m‬عدد من معامل من اجملتمع املقدرة انطالقا من بيانات العينة لتحديد التكرارات النظرية‪.‬‬
‫مث‪44‬ال‪ :‬يتق‪NN‬دم إىل انتخاب‪NN‬ات معينة ‪ 3‬مرش‪NN‬حني‪ :‬أ‪ ،‬ب وج‪ .‬نريد اختب‪NN‬ار فرض‪NN‬ية مبس‪NN‬توى معنوية ‪ N % 5‬ح‪NN‬ول ش‪NN‬عبيتهم‬
‫كما يلي‪:‬‬
‫‪H0 : p1 = 0.4, p2 = 0.35, p3 = 25‬‬
‫أجري استجواب ل ‪ 400‬ناخب فكان توزع فئات املساندين على التوايل ‪. 95 ،135 ،170 :‬‬
‫لدينا ‪ ،n = 400 ≥ 30‬األعداد االفرتاضية ‪ ، npi0 = 160, 140, 100 ≥ 1‬وأكثر من ‪ % 80‬من ‪. npi0 ≥ 5‬‬
‫‪(n ipn i0²) 071‬‬ ‫‪‬‬
‫‪( 061‬‬ ‫‪²) 531‬‬ ‫‪‬‬
‫‪( 041‬‬ ‫‪²) 59‬‬ ‫‪‬‬
‫‪( 001‬‬ ‫)‪²‬‬
‫‪T ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 150‬‬
‫‪.‬‬
‫‪i‬‬
‫‪pn i0‬‬ ‫‪061‬‬ ‫‪041‬‬ ‫‪001‬‬
‫‪. Χ²2 ; 0.95 = 5.99 > 1.05 => R’H0‬‬

‫‪11IX‬‬