‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..

‬‬

‫اﻟﻔصﻞ اﻷول‬
‫ﻋﻠم اﻹﺤصﺎء‪:‬‬

‫اﺌ�ﺎ أو ﻤن ﻓراغ‪ ،‬وﻟكن ﻨشﺄ ﻨت�جﺔ ﺤﺎﺠﺔ اﻟدول إﻟﻲ ﻤﻌرﻓﺔ ﻋدد أﻓ اردﻫﺎ‬
‫ظﻬور ﻋشو ً‬
‫ًا‬ ‫ﻟم �ﻌد ظﻬور ﻋﻠم اﻹﺤصﺎء‬
‫و�ﻋداد ﺠیوﺸﻬﺎ ﻟﻠدﻓﺎع ﻋن ﻤمتﻠكﺎﺘﻬﺎ وﺜرواﺘﻬﺎ‪ ،‬ﻟ�س ﻓﻘط ﺒﻞ واﻟتﻌرف ﻋﻠﻲ اﻟتﻌداد اﻟسكﺎﻨﻲ ﻷﻓرادﻫﺎ وﺘحدﯿد‬
‫إﻟﺦ ﻋﻠﻲ‬ ‫ﻨسب اﻟمواﻟید واﻟوف�ﺎت وذﻟك ﻟتوﻓیر اﺤت�ﺎﺠﺎت اﻟدول و�ذﻟك ﻓرض اﻟضراﺌب واﻷﻤوال ‪....‬‬
‫ﺸﻌو�ﻬﺎ‪ُ ،‬وطﻠق ﻋﻠ�ﻪ " ﻋﻠم اﻟدوﻟﺔ ﺜم ﻋﻠم اﻟمﻠوك ﺜم ﻋﻠم اﻹﺤصﺎء"‬

‫ﻤرﺠﻌﺎ ﻟﻬﺎ ﻻﺘخﺎذ اﻟﻘ اررات اﻟصﺎﺌ�ﺔ ﺘجﺎﻩ ﻤشﺎﻛﻠﻬﺎ‬

‫ً‬ ‫ﻛمﺎ أن ﺤﺎﺠﺎﺘﻬﺎ ﻟجمﻊ اﻟمﻌﻠوﻤﺎت واﻟب�ﺎﻨﺎت وذﻟك ﻟتكون‬
‫واﻟﻌمﻞ ﻋﻠﻲ ﺤﻠﻬﺎ �طر�ﻘﻪ ﻋﻠم�ﺔ وأﻛثر دﻗﺔ‪.‬‬

‫و�ﻠمﺔ ‪ statistics‬ﻫﻲ �ﻠمﺔ ﻻﺘین�ﺔ وﻤشتﻘﺔ ﻤن ‪ state‬وﺘﻌنﻲ اﻟدوﻟﺔ‪ ،‬ﺤیث �ﺎن اﻻﻋتﻘﺎد ﻓﻲ اﻟبدا�ﺔ أن‬
‫ﻗﺎﺼر ﻋﻠﻲ اﻟطرق اﻟﻌﻠم�ﺔ اﻟتﻲ ﯿتم ﻤن ﺨﻼﻟﻬﺎ ﺠمﻊ اﻟب�ﺎﻨﺎت واﻟمﻌﻠوﻤﺎت وﻋرﻀﻬﺎ ﻓﻲ ﺼورة‬
‫ًا‬ ‫ﻋﻠم اﻹﺤصﺎء‬
‫ﺒ�ﺎﻨ�ﺔ أو ﺠدوﻟ�ﺔ ‪ ،‬ﻏیر أن ﺘطور اﻻﺤتمﺎﻻت ﻓﻲ اﻟﻘرن اﻟسﺎ�ﻊ ﻋشر واﻟثﺎﻤن ﻋشر اﻟمیﻼدﯿین ازداد اﺴتخدام‬
‫ﻤﻘتصر ﻋﻠﻲ ﺠمﻊ اﻟمﻌﻠوﻤﺎت‬
‫ًا‬ ‫اﻹﺤصﺎء ﻟﻠوﺼول إﻟﻲ ﻨتﺎﺌﺞ وﺤﻘﺎﺌق وﺘﻔسیرﻫﺎ ﻻﺘخﺎذ اﻟﻘ اررات ﻓﻬو ﻟم �ص�ﺢ‬
‫ﻓﻘط‪.‬‬

‫ﻋﻠمﺎ ﻟﻪ ﻗواﻋدﻩ وأﺼوﻟﻪ‬

‫ﻤستﻘﻼ وأﺼ�ﺢ ً‬
‫ً‬ ‫ﻋﻠمﺎ‬
‫ﻛذﻟك أن اﺤت�ﺎج �ﺎﻓﺔ اﻟمجﺎﻻت واﻟﻌﻠوم ﻟﻌﻠم اﻹﺤصﺎء ﺠﻌﻠﻪ ً‬
‫�ﻌدﻤﺎ �ﺎن ﻓرًﻋﺎ ﻤن ﻓروع ﻋﻠم اﻟر�ﺎﻀ�ﺎت‪� ،‬مﺎ ﯿبرز دورﻩ ﻓﻲ أﻨﻪ أﺤد أدوات اﻟ�حث اﻟﻌﻠمﻲ ﺤیث أﻨﻪ‬
‫�ستخدم ﻟمﻌﺎﻟجﺔ اﻟب�ﺎﻨﺎت ﻓﻲ ﻤﻌظم اﻟدراﺴﺎت اﻟﻌﻠم�ﺔ اﻟحدﯿثﺔ واﻟتﻲ ﺘحتﺎج ﻟتﻠخ�ص اﻟب�ﺎﻨﺎت وﺘنظ�مﻬﺎ‬
‫وﺘحﻠیﻠﻬﺎ ﻟﻠوﺼول إﻟﻲ اﻟﻘ اررات‪.‬‬

‫ﺘﻌر�ﻔﺎت ﻟﻌﻠم اﻹﺤصﺎء‪:‬‬

‫�كمن ﻤﻔﻬوم ﻋﻠم اﻹﺤصﺎء ﻋند ﻤﻌظم اﻷﻓراد ﻓﻲ أﻨﻪ اﻟﻌﻠم اﻟمسئول ﻋن ﺤصر ﻨسب اﻟمواﻟید أو‬
‫ﻗﺎﺼر وﻤحدود ﻟﻠﻐﺎ�ﺔ ﺤول اﻹﺤصﺎء‪ ,‬ﻟذا ﺴنﻌرض ﻋدد ﻤن‬
‫ًا‬ ‫اﻟوف�ﺎت‪...‬إﻟﺦ وﻤثﻞ ﻫذا اﻟتﻌر�ف اﻟشﺎﺌﻊ ﻓﻬو‬
‫اﻟتﻌﺎر�ف اﻟتﻲ ﺘبین ﻤﻔﻬوم ﻋﻠم اﻹﺤصﺎء‪:‬‬

‫ﻫو اﻟﻌﻠم اﻟذي �ختص �جمﻊ اﻟب�ﺎﻨﺎت وﺘصن�ﻔﻬﺎ وﺘحﻠیﻞ اﻟوﻗﺎﺌﻊ أو اﻟمﻌط�ﺎت اﻟرﻗم�ﺔ واﻟﻌدد�ﺔ‪.‬‬ ‫‪-‬‬
‫ﻫو ﻤنﻬﺞ ﯿتﻌﺎﻤﻞ �ﺎﻟدرﺠﺔ اﻷوﻟﻲ ﻤﻊ اﻟظواﻫر اﻟرﻗم�ﺔ واﻟﻌدد�ﺔ اﻟمﻌینﺔ ﺜم �ﻘوم ﺒتصن�ﻔﻬﺎ وﺘحو�ﻠﻬﺎ‬ ‫‪-‬‬
‫ﻟنسب ﺨﺎﺼﺔ ﻤﻊ ﺘﻘد�م ﺘصور ﻋﻠمﻲ ﻟﻠﻌﻠﻞ واﻷﺴ�ﺎب اﻟتﻲ وﻟدت أو أدت ﻟحدوث اﻟظﺎﻫرة اﻟمدروﺴﺔ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪1‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫اﻹﺤصﺎء‪ :‬ﻫو اﻟﻌﻠم اﻟذي ﯿ�حث ﻓﻲ اﻟطرق واﻷﺴﺎﻟیب اﻟﻌﻠم�ﺔ اﻟتﻲ ﺘجمﻊ اﻟب�ﺎﻨﺎت وﺘنظ�مﻬﺎ‬ ‫‪-‬‬
‫وﺘحﻠیﻠﻬﺎ وﺘﻔسیرﻫﺎ ﻟﻠوﺼول إﻟﻲ اﻟنتﺎﺌﺞ ﻻﺘخﺎذ اﻟﻘ اررات اﻟتﻲ �مكن ﺘﻌم�مﻬﺎ‪.‬‬
‫ﯿتضﺢ ﻤن ﺨﻼل اﻟتﻌر�ﻔﺎت اﻟسﺎ�ﻘﺔ ﻨجد أن اﻹﺤصﺎء �ﻘوم �جمﻊ وﺘنظ�م وﺘحﻠیﻞ وﺘﻔسیر اﻟب�ﺎﻨﺎت‬ ‫‪-‬‬
‫واﺘخﺎذ اﻟﻘ اررات اﻟمنﺎﺴ�ﺔ ﻟحﻞ اﻟمشكﻠﺔ اﻟ�حث�ﺔ‪ ،‬ﻓﺎﻟخطوات اﻟمنﻬج�ﺔ ﻟﻺﺤصﺎء ﻫﻲ " ﺠمﻊ‪ ،‬ﺘنظ�م‬
‫وﻋرض اﻟب�ﺎﻨﺎت‪ ،‬ﺘﻠخ�ص‪ ،‬ﺘحﻠیﻞ وﺘﻔسیر ﻻﺘخﺎذ اﻟﻘرار‪.‬‬
‫ﻫﻲ ﻟﻐﺔ اﻟكم أو اﻷرﻗﺎم‪.‬‬ ‫‪-‬‬
‫أﻨواع ﻋﻠم اﻹﺤصﺎء‪:‬‬
‫ﯿنﻘسم ﻋﻠم اﻹﺤصﺎء إﻟﻲ ﻗسمین‪:‬‬
‫أوﻻ‪ :‬اﻹﺤصﺎء اﻟوﺼﻔﻲ‪Descriptive Statistics :‬‬
‫ً‬
‫وﻫو اﻟذي �ختص �جمﻊ اﻟب�ﺎﻨﺎت وﺘﻠخ�صﻬﺎ ﻓﻲ ﺼورة ﻤؤﺸرات رﻗم�ﺔ وﺘنظ�مﻬﺎ وﻋرﻀﻬﺎ ﻓﻲ ﺠداول‪،‬‬
‫وﺘحو�ﻠﻬﺎ_ اﻟب�ﺎﻨﺎت_ ﻤن ﻤجرد �م �بیر ﻫﺎﺌﻞ إﻟﻲ ﺼورة أﺨرى �سﻬﻞ ﻓﻬمﻬﺎ واﺴت�ﻌﺎﺒﻬﺎ واﻟتﻌﺎﻤﻞ ﻤﻌﻬﺎ‪.‬‬
‫وﻤن أﻤثﻠتﻬﺎ‪ :‬ﻤﻘﺎﯿ�س اﻟنزﻋﺔ اﻟمر�ز�ﺔ‪ ،‬ﻤﻘﺎﯿ�س اﻟتشتت‪ ،‬اﻻﻨحراﻓﺎت‪ ،‬اﻻرﺘ�ﺎط‪.‬‬
‫ﺜﺎﻨ�ﺎ‪ :‬اﻹﺤصﺎء اﻻﺴتدﻻﻟﻲ‪Inferential Statistics :‬‬
‫ً‬
‫�طﻠق ﻋﻠﻰ ﻫذا اﻟنوع ﻤن اﻹﺤصﺎء اﻟنظر�ﺎت اﻹﺤصﺎﺌ�ﺔ وﻫو اﻷﺴﺎﻟیب اﻹﺤصﺎﺌ�ﺔ اﻟتﻲ ﺘختص ﺒتحﻠیﻞ‬
‫وﺘﻔسیر اﻟب�ﺎﻨﺎت ﻟﻠوﺼول ﻟنتﺎﺌﺞ ﯿتم ﺘﻌم�مﻬﺎ‪.‬‬
‫وﻤن أﻤثﻠتﻬﺎ‪ :‬اﻻﺤتمﺎﻻت ‪ ،‬اﻟﻔروض ‪ ,‬واﻟﻌینﺎت‪.‬‬
‫ﻠﻺﺡط ﺒ‪:‬‬
‫ﺘﻘس�م اﻹﺤصﺎء ﻟنوﻋین ﻻ �ﻌنﻲ أن �ﻼ ﻤنﻬمﺎ ﻤستﻘﻞ ﻋن اﻷﺨر‪ ،‬وﻟكن اﻟتﻘس�م ﻟﻐرض اﻟدراﺴﺔ‪� ،‬مﺎ أن‬
‫اﻟﻌینﺎت ﺘمثﻞ ﻨﻘطﺔ اﻻﻟتﻘﺎء ﺒین ﻨوﻋﻲ اﻹﺤصﺎء ﻓمن ﺨﻼﻟﻬﺎ �حصﻞ اﻟ�ﺎﺤث ﻋﻠﻲ اﻟب�ﺎﻨﺎت اﻟتﻲ ﯿتم ﺘﻠخ�صﻬﺎ‬
‫وﺘنظ�مﻬﺎ وﺘحﻠیﻠﻬﺎ وﺘﻔسیرﻫﺎ ﺨطوات اﻹﺤصﺎء ﻻﺘخﺎذ اﻟﻘرات اﻟصﺎﺌ�ﺔ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪2‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻤﻔﺎه�م ﻤرﺘ�طﺔ �ﻌﻠم اﻹﺤصﺎء‪:‬‬

‫ﻋﺎدة ﻤﺎ �جد ﻤستخدﻤﻲ ﻋﻠم اﻹﺤصﺎء ﻤن اﻟ�ﺎﺤثین أو اﻟدارﺴین أو ﻏیرﻫم اﻟﻌدﯿد ﻤن اﻟمﻔﺎه�م اﻹﺤصﺎﺌ�ﺔ‬
‫ً‬
‫واﻟتﻲ ﺘرﺘ�ط �ﺎﻹﺤصﺎء وﻟذا ﻻﺒد ﻤن ﻋرض ﻫذﻩ اﻟمﻔﺎه�م واﻟمصطﻠحﺎت ﻟﻔﻬمﻬﺎ واﻟتﻌﺎﻤﻞ ﻤﻌﻬﺎ زﻤن ﺘﻠك‬
‫اﻟمﻔﺎه�م اﻵﺘﻲ‪:‬‬
‫‪ ‬اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ‬
‫‪ ‬اﻟﻌینﺔ‬
‫‪ ‬اﻟوﺤدة اﻹﺤصﺎﺌ�ﺔ‬
‫‪ ‬اﻟب�ﺎﻨﺎت‬
‫‪ ‬اﻟمتﻐیر‬
‫‪ ‬اﻟمﻘﺎﯿ�س اﻹﺤصﺎﺌ�ﺔ‪.‬‬
‫وف�مﺎ ﯿﻠﻲ ﺴنرد ﺸرح ﺘﻠك اﻟمﻔﺎه�م‬
‫اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ‪:‬‬ ‫‪‬‬
‫ﻫو ﻤجموﻋﺔ اﻷﻓراد أو اﻟمشﺎﻫدات أو اﻟوﺤدات اﻟتﻲ ﯿنصب ﻋﻠیﻬم ﻤوﻀوع دراﺴﺔ ﻤﻌینﻪ أو اﻟمراد د ارﺴتﻬﺎ‬
‫واﻟتﻲ ﻟﻬﺎ ﺨصﺎﺌص ﻤشتر�ﺔ‪.‬‬
‫أو ﻫو اﻟمجموﻋﺔ اﻟكﻠ�ﺔ ﻟمﻔردات اﻟدراﺴﺔ ﺴواء �ﺎﻨت أﻓراد أو أﺸ�ﺎء‪.‬‬
‫ﻤثﻞ‪ :‬ﻤجتمﻊ طﻠ�ﺔ اﻟجﺎﻤﻌﺎت ‪ ،‬ﻤجتمﻊ اﻷﺴر‪ ،‬ﻤجموﻋﻪ اﻟمؤﺴسﺎت‪.‬‬
‫و�نﻘسم اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ إﻟﻲ‪:‬‬
‫ﻤجتمﻊ اﻟﻬدف‪ :‬ﻫو اﻷﺸخﺎص أو اﻷﺸ�ﺎء ﻤحﻞ اﻟدراﺴﺔ واﻟتﻲ ﻨر�د ﺘﻌم�م اﻟنتﺎﺌﺞ ﻋﻠیﻬم‬ ‫‪-‬‬
‫ﻤثﺎل‪ :‬طﻼب طﻠ�ﺔ اﻟجﺎﻤﻌﺎت‪ ،‬ﻤجتمﻊ ﻤوظﻔﻲ اﻟﻘطﺎع اﻟﻌﺎم‪...‬إﻟﺦ‪.‬‬
‫ﻤجتمﻊ اﻟدراﺴﺔ‪ :‬وﻫم اﻷﺸخﺎص أو اﻷﻓراد أو اﻷﺸ�ﺎء اﻟذﯿن أﺘ�ﺢ ﻟنﺎ اﻟحصول ﻤنﻬم ﻋﻠﻲ‬ ‫‪-‬‬
‫طبق ﻋﻠیﻬم ﻤوﻀوع‬
‫اﻟمﻌﻠوﻤﺎت واﻟب�ﺎﻨﺎت ﺤول ﻤوﻀوع دراﺴتنﺎ �مﻌنﻲ اﻷﻓراد أو اﻷأﺸ�ﺎء اﻟتﻲ ُ‬
‫دراﺴتنﺎ‪.‬‬
‫و�ﻟ�ك‪/‬ي رﺴم ﺘوﻀ�حﻲ اﻟﻔرق ﺒین ﻤجتمﻊ اﻟﻬدف وﻤجتمﻊ اﻟدراﺴﺔ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪3‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻣﺟﺗﻣﻊ اﻟﺟﺎﻣﻌﺎت" ﻣﺟﺗﻣﻊ‬

‫اﻟﮭدف"‬

‫ﺟﺎﻣﻌﺔ اﻟﻣﻧﯾﺎ‬
‫" ﻣﺟﺗﻣﻊ اﻟدراﺳﺔ"‬

‫�بیرا‪ ،‬وﻟذا �صﻌب ﻋﻠﻲ اﻟ�ﺎﺤثین اﻟوﺼول ﻟكﻞ ﻤﻔردة ﻤن‬‫وﻨظر ﻻﺤتمﺎﻻت �ون اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ ً‬ ‫ًا‬
‫ﻤﻔرداﺘﻪ‪ ،‬وذﻟك ﻷﻨﻪ ﯿتطﻠب ﻤنﻬم وﻗت وﺠﻬد وﻤﺎل‪� ،‬مﺎ أﻨﻪ ﻗد ﯿتﻌرض أﻓرادﻩ ﻟضرر أدي ذﻟك إﻟﻲ ظﻬور ﻤﺎ‬
‫�سمﻲ " اﻟﻌینﺔ"‪.‬‬

‫‪ ‬اﻟﻌینﺔ‪:‬‬

‫ﻫﻲ اﻟمجموﻋﺔ اﻟجزﺌ�ﺔ ﻤن ﻤﻔردات اﻟمجتمﻊ ﻤحﻞ اﻟدراﺴﺔ و�تم اﺨت�ﺎرﻫﺎ �حیث ﺘمثﻞ ﻫذا اﻟمجتمﻊ ﺘمثی ًﻼ‬
‫دق�ًﻘﺎ‪ ،‬وﺘحمﻞ ﻨﻔس ﺨصﺎﺌصﻪ‪ .‬و�تم ﺴحبﻬﺎ �ﻌدة طرق ﺴنتﻌرف ﻋﻠیﻬﺎ ﻓﻲ اﻟﻔصول اﻟﻘﺎدﻤﺔ‪.‬‬

‫ﻤثﺎل‪ :‬طﻼب �ﻠ�ﺔ اﻟتر��ﺔ اﻟنوع�ﺔ �مثﻠون ﻋینﺔ ﻤن طﻼب ﺠﺎﻤﻌﻪ اﻟمن�ﺎ " ﻤحﻞ اﻟدراﺴﺔ"‪.‬‬

‫رﺴم ﺘوﻀ�حﻲ‪:‬‬

‫طﻼب ﺟﺎﻣﻌﮫ اﻟﻣﻧﯾﺎ‬

‫طﻼب ﺗرﺑﯾﺔ‬
‫ﻛﻠﯾﺔ ﻧوﻋﯾﺔ‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪4‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫‪ ‬اﻟوﺤدة اﻹﺤصﺎﺌ�ﺔ‪:‬‬

‫�ﻘصد �ﺎﻟوﺤدة اﻹﺤصﺎﺌ�ﺔ ﻫو �ﻞ ﻓرد داﺨﻞ اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ أو اﻟﻌینﺔ ﻤحﻞ اﻟدراﺴﺔ‪ ،‬و�طﻠق‬
‫إﻨسﺎﻨﺎ‪ ،‬أو ﺤیو ًاﻨﺎ‪ ،‬أو ﺸیئﺎ ﻤثﺎل‪:‬‬
‫ً‬ ‫ﻋﻠ�ﻪ ﻤﻔردة‪ ،‬أي اﻟكﺎﺌن اﻟواﺤد أو اﻟخﻠ�ﺔ اﻟتﻲ ﺘدور ﺤوﻟﻪ اﻟدراﺴﺔ ﺴواء �ﺎن‬
‫ﺸخص‪� ،‬ﻘرة‪ ،‬ﺴ�ﺎرة‪...‬إﻟﺦ‪.‬‬

‫‪ ‬اﻟب�ﺎﻨﺎت‪:‬‬

‫و�ﻘصد ﺒﻬﺎ ﻫﻲ اﻷرﻗﺎم أو اﻟمشﺎﻫدات أو اﻟمﻌﻠوﻤﺎت ‪ ،‬اﻟمﻼﺤظﺎت اﻟتﻲ �حصﻞ ﻋﻠیﻬﺎ اﻟ�ﺎﺤث ﻤن‬
‫ﻤﻔردات اﻟمجتمﻊ أو اﻟﻌینﺔ ﻤحﻞ اﻟدراﺴﺔ وﻗد ﺘكون �م�ﺔ أو ﻨوع�ﺔ‪/‬ﻛ�ف�ﺔ‪.‬‬

‫ﻤثﺎل‪ :‬اﻟرواﺘب اﻟشﻬر�ﺔ‪ ،‬اﻟمستوي اﻻﻗتصﺎدي‪ ،‬اﻟنوع ﻟﻸﻓراد‪ ،‬اﻟطول‬

‫وﺘنﻘسم اﻟب�ﺎﻨﺎت إﻟﻲ‪:‬‬

‫أوﻻ‪ :‬اﻟب�ﺎﻨﺎت اﻟكم�ﺔ‪ /‬اﻟرﻗم�ﺔ‪:‬‬

‫ً‬
‫وﻫﻲ ﺘﻠك اﻟب�ﺎﻨﺎت اﻟتﻲ ﺘكون ﻓﻲ ﺼورة أرﻗﺎم أو أﻋداد أو ق�ﺎﺴﺎت و�مكن ﺘرﺘیبﻬﺎ‪.‬‬

‫ﻤثﺎل‪ :‬اﻟطول‪ ،‬اﻟوزن‪ ،‬ﻋدد اﻷﻓراد‪ ،‬اﻟراﺘب اﻟشﻬري أو اﻟیوﻤﻲ‪ ،‬درﺠﺎت اﻟح اررة‪.....‬إﻟﺦ‪.‬‬

‫وﺘنﻘسم اﻟب�ﺎﻨﺎت اﻟكم�ﺔ إﻟﻲ ﻨوﻋین‪:‬‬

‫‪-١‬اﻟب�ﺎﻨﺎت اﻟكم�ﺔ اﻟمتصﻠﺔ‪:‬‬

‫وﻫﻲ اﻟتﻲ ﺘﺄﺨذ أي ق�مﺔ ﺴواء �ﺎﻨت ﺼح�حﻪ أو �سر�ﺔ‪ ،‬وﻫذﻩ اﻟب�ﺎﻨﺎت ﻻﯿتم ﻋدﻫﺎ ﻓﻬﻲ ﺘمثﻞ اﻷرﻗﺎم‬
‫اﻟصح�حﺔ و�سورﻫﺎ‪.‬‬

‫وﻤن أﻤثﻠتﻬﺎ‪ :‬اﻟراﺘب اﻟشﻬري‪ ،‬أوزان اﻟطﻼب‪ ،‬درﺠﺎت اﻟطﻼب‪.‬‬

‫‪-٢‬اﻟب�ﺎﻨﺎت اﻟكم�ﺔ اﻟمنﻔصﻠﺔ‪:‬‬

‫أرﻗﺎﻤﺎ ﺼح�حﺔ ﻓﻘط و�مكن ﻋدﻫﺎ‪.‬‬

‫ق�مﺎ‪ً /‬‬
‫وﻫﻲ اﻟتﻲ ﺘﺄﺨذ ً‬
‫وﻤن أﻤثﻠتﻬﺎ‪ :‬ﻋدد اﻟطﻼب‪ ،‬ﻋدد اﻟﻘﺎﻋﺎت‪ ،‬ﻋدد اﻟطﺎﺌرات‪ ،‬ﻋدد اﻟمحﺎﻀرات‪ ،‬درﺠﺎت اﻟح اررة‪.‬إﻟﺦ‬

‫ﺜﺎﻨ�ﺎ‪ :‬اﻟب�ﺎﻨﺎت اﻟك�ف�ﺔ‪ /‬اﻟنوع�ﺔ‪/‬اﻟوﺼف�ﺔ‪/‬اﻹﺴم�ﺔ‪:‬‬

‫ً‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪5‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫وﻫﻲ ﺘﻠك اﻟمشﺎﻫدات اﻟتﻲ �حصﻞ ﻋﻠیﻬﺎ اﻟ�ﺎﺤث وﺘكون ﻋﻠﻲ ﻫیئﺔ او ﻓﻲ ﺼورة أﻟﻔﺎظ وﻻ �مكن إﺠراء أي‬
‫ﻋمﻠ�ﺔ ر�ﺎﻀ�ﺔ ﻋﻠیﻬﺎ �ﺎﻟجمﻊ واﻟطرح‪.‬‬

‫وﻤن أﻤثﻠتﻬﺎ‪ :‬اﻟنوع‪ ،‬اﻷﻟوان‪ ،‬اﻟدﺨﻞ اﻻﻗتصﺎدي‪ ،‬اﻟحﺎﻟﺔ اﻻﺠتمﺎع�ﺔ‪.‬‬

‫وﺘنﻘسم ﻫذﻩ اﻟب�ﺎﻨﺎت إﻟﻲ ﻗسمین‪:‬‬

‫‪-١‬اﻟب�ﺎﻨﺎت اﻹﺴم�ﺔ‪:‬‬

‫وﻫﻲ ﺘﻌبر ﻋن اﻟوﺼﻒ وﻻ �مكن ﺘرﺘیبﻬﺎ ﺘصﺎﻋد�ﺎ أو ﺘنﺎزﻟ�ﺎ‪.‬‬

‫ﻤثﺎل‪ :‬اﻟنوع‪ ،‬اﻟحﺎﻟﺔ اﻻﺠتمﺎع�ﺔ‪ ،‬أرﻗﺎم اﻟﻬواﺘﻒ‪ ،‬أرﻗﺎم اﻟ�طﺎﻗﺎت‪ ،‬ﻓصیﻠﺔ اﻟدم‪.‬‬

‫‪-٢‬اﻟب�ﺎﻨﺎت اﻟترﺘیب�ﺔ‪:‬‬

‫وﻫﻲ اﻟتﻲ �ﻌبر ﻋنﻬﺎ �ﺎﻷﻟﻔﺎظ أ�ضﺎ وﻟكن �مكن ﺘرﺘیبﻬﺎ‪.‬‬

‫ﻤثﺎل‪ :‬ﻤستوي اﻟدﺨﻞ اﻻﻗتصﺎدي‪ ،‬ﺘﻘدﯿرات اﻟطﻼب‪ ،‬اﻟرﺘب اﻟﻌسكر�ﺔ‪ ،‬اﻟمستوي اﻟتﻌﻠ�مﻲ>‬

‫ﻤﻼﺤظﺔ‪ :‬ذ�رﻨﺎ ﻓﻲ ﺘﻌر�ف اﻹﺤصﺎء �ﺄﻨﻬﺎ ﻟﻐﺔ اﻷرﻗﺎم ﻓك�ف ﺘتﻌﺎﻤﻞ اﻹﺤصﺎء ﻤﻊ اﻟب�ﺎﻨﺎت اﻟﻠﻔظ�ﺔ ‪/‬‬
‫اﻟنوع�ﺔ‪ /‬اﻹﺴم�ﺔ؟؟‬

‫ج‪ :‬ﺘتﻌﺎﻤﻞ اﻹﺤصﺎء ﻤﻊ اﻟب�ﺎﻨﺎت اﻟوﺼف�ﺔ ﻋن طر�ق ﻤﺎ �سمﻲ �ﺎﻟتكو�د أو اﻟترﻤیز وﻫذا ﻤﺎ ﺴنتﻌرف ﻋﻠ�ﻪ‬
‫ﻓﻲ اﻟﻔصﻞ اﻟﻘﺎدم‪.‬‬

‫اﻟﺳؤال ھﻧﺎ ؟؟؟‬

‫ﯿتم ﺘحو�ﻞ اﻟب�ﺎﻨﺎت اﻟك�ف�ﺔ إﻟﻲ �م�ﺔ ﻋن طر�ق اﻟترﻤیز أو اﻟتكو�د‪ ،‬ﻫﻞ �مكن ﺘحو�ﻞ اﻟب�ﺎﻨﺎت اﻟكم�ﺔ إﻟﻲ‬
‫ﻛ�ف�ﺔ؟ و��ف؟ وﻤتﻲ ﯿتم ﺘحو�ﻞ اﻟكم�ﺔ إﻟﻰ ��ف�ﺔ واﻟﻌكس؟‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪6‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫‪ ‬اﻟمتﻐیرات اﻹﺤصﺎﺌ�ﺔ‪:‬‬

‫ﻫو اﻟخﺎﺼ�ﺔ أو اﻟخصﺎﺌص أو اﻟسمﺎت اﻟمشتر�ﺔ ﺒین ﻤﻔردات اﻟمجتمﻊ اﻹﺤصﺎﺌﻲ أو اﻟﻌینﺔ ﻤحﻞ‬
‫اﻟدراﺴﺔ وﻟكن ﺘختﻠﻒ ﻤن ﻤﻔردة ﻷﺨرى‪.‬‬

‫ﻤثﺎل‪ :‬اﻟجنس�ﺔ‪ ،‬اﻟمستوي اﻟﻌﻠمﻲ‪ ،‬ﻋدد اﻷطﻔﺎل ﻓﻲ اﻷﺴر‪ ,‬اﻟسن أو اﻟﻌمر‪...‬إﻟﺦ‪.‬‬

‫وﺘصنﻒ اﻟمتﻐیرات اﻹﺤصﺎﺌ�ﺔ ﺒنﻔس اﻟصورة اﻟتﻲ وزﻋت ﻋﻠیﻬﺎ اﻟب�ﺎﻨﺎت ﺴﺎ�ﻘﺎ ﻋﻠﻲ اﻟنحو اﻟتﺎﻟﻲ‪:‬‬

‫‪-١‬ﻤتﻐیرات ��ف�ﻪ‪ :‬وﻫﻲ اﻟتﻲ ﻻ �مكن ق�ﺎﺴﻬﺎ وﺘنﻘسم إﻟﻲ‪:‬‬

‫‪�� -‬ف�ﺔ ﻗﺎﺒﻠﻪ ﻟﻠترﺘیب ﻤثﻞ اﻟمستوي اﻻﻗتصﺎدي‪.‬‬

‫‪ -‬وﻏیر ﻗﺎﺒﻠﻪ ﻟﻠترﺘیب ﻤثﻞ اﻟﻠون‪.‬‬

‫‪-٢‬ﻤتﻐیرات �م�ﺔ ‪ :‬وﻫﻲ اﻟتﻲ �مكن ق�ﺎﺴﻬﺎ وأﻛثر اﻟمتﻐیرات اﻟتﻲ ﺘتﻌﺎﻤﻞ ﻤﻌﻬﺎ اﻹﺤصﺎء ﻷن اﻹﺤصﺎء ﻟﻐﺔ‬
‫اﻷرﻗﺎم وﺘنﻘسم ﻫذﻩ اﻟمتﻐیرات إﻟﻲ‪:‬‬

‫‪� -‬م�ﺔ ﻤتصﻠﺔ أو ﻤستمرة وﻫﻲ ﺘﺄﺨذ �ﻞ اﻟق�م اﻟممكنﺔ ﻓﻲ ﻤجﺎل اﻟدراﺴﺔ ﻤثﻞ اﻷﺠر اﻟیوﻤﻲ‪.‬‬

‫‪ -‬و�م�ﺔ ﻤنﻔصﻠﺔ أو ﻤتﻘطﻌﺔ وﻫﻲ اﻟتﻲ ﺘﺄﺨذ ق�مﺎ ﺼح�حﻪ ﻓﻔﻘط ﻤثﻞ ﻋدد ﻗطﻊ اﻟغ�ﺎرات‪ .‬إﻟﺦ‪.‬‬

‫وﻫنﺎك ﺘصن�ف اﻟمتﻐیرات �صﻔﺔ ﻋﺎﻤﻪ ﻓﻲ اﻟ�حوث إﻟﻲ‪:‬‬

‫‪-١‬ﻤتﻐیر ﻤستﻘﻞ‪ :‬وﻫو اﻟمتﻐیر اﻟذي ﯿر�د اﻟ�ﺎﺤث ﻤﻌرﻓﺔ درﺠﺔ ﺘﺎُﺜیرﻩ " اﻟمؤﺜر" ﻋﻠﻲ ﻤتﻐیر آﺨر‪.‬‬

‫‪-٢‬ﻤتﻐیر ﺘﺎ�ﻊ‪ :‬ﻫو اﻟمتﻐیر اﻟمراد ﺘﻔسیر أﺴ�ﺎب ﺤدوﺜﻬﺎ أي اﻟذي ﯿتﺄﺜر ﻨت�جﺔ ﻤتﻐیر أﺨر‪.‬‬

‫‪-٣‬ﻤتﻐیر اﻟوﺴ�ط أو اﻟدﺨیﻞ‪ :‬وﻫو اﻟذي �حدث أﺜنﺎء ﺘطبیق اﻟ�ﺎﺤث ﻟموﻀوع �حثﻪ وﻫذا اﻟمتﻐیر �كون‬
‫ﺘﺄﺜیر ﻓﻲ اﻟمتﻐیر اﻟتﺎ�ﻊ‪.‬‬
‫ﺨﺎرج ﻋن إرادة اﻟ�ﺎﺤث و�ؤﺜر ﻋﻠﻲ ﻨت�جﻪ اﻟ�حث ﻷﻨﻪ ُ�حدث ًا‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪7‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻤثﺎل‪:‬‬

‫أﺜر اﺴتراﺘ�ج�ﺔ ﺘﻌتمد ﻋﻠﻲ اﻟﻌصﻒ اﻟذﻫنﻲ ﻋﻠﻲ اﻟتحصیﻞ اﻟدراﺴﻲ ﻟطﻼب اﻟمرﺤﻠﺔ اﻻﺒتداﺌ�ﺔ‪.‬‬

‫اﻟمتﻐیر‬
‫اﻟﻌینﺔ‬ ‫اﻟمتﻐیر اﻟتﺎ�ﻊ‬ ‫اﻟمتﻐیر اﻟمستﻘﻞ‬
‫اﻟدﺨیﻞ‪/‬اﻟوﺴ�ط‬

‫اﻟذ�ﺎء‪/‬اﻟحﺎﻟﺔ اﻟنﻔس�ﺔ‬ ‫اﺴتراﺘ�ج�ﺔ اﻟﻌصﻒ‬

‫طﻼب اﻟمرﺤﻠﺔ اﻻﺒتداﺌ�ﺔ‬ ‫اﻟتحصیﻞ اﻟدراﺴﻲ‬
‫ﻟﻠطﻼب‪...‬إﻟﺦ‬ ‫اﻟذﻫنﻲ‬

‫‪ ‬اﻟمﻘﺎﯿ�س اﻹﺤصﺎﺌ�ﺔ‪:‬‬

‫ق�مﺎ رﻗم�ﺔ ﻟﻠخصﺎﺌص أو اﻟسمﺎت وﻓق ﻗواﻋد أو ﻗواﻨین‬ ‫�ﻘصد �ﺎﻟق�ﺎس‪“ :‬ﻋمﻠ�ﺔ ﻤنظمﻪ ﻨﻌین ﻤن ﺨﻼﻟﻬﺎ ً‬
‫اﻟمﻘﺎﺴﺔ‪.‬‬
‫ﻤﻌینﺔ‪ ,‬ﻓمن ﺨﻼل اﻟق�ﺎس ﻨستط�ﻊ ﺘحدﯿد ﻤﻘدار ﻤﺎ �متﻠكﻪ اﻟﻔرد ﻤن اﻟسمﺔ أو اﻟخﺎﺼ�ﺔ ُ‬
‫ﻤثﺎل‪ :‬طول ﺸخص ﻤﺎ �سﺎوي)‪ ١٥٠‬ﺴم( أي ﻤﻘدار ﻤﺎ �مﻠكﻪ اﻟﻔرد ﻤن ﺴمﻪ اﻟطول ﻫو )‪١٥٠‬ﺴم(‪.‬‬

‫ﻤﻼﺤظﺔ‪:‬‬

‫ﺒنﺎءا ﻋﻠﻲ ﻨوع اﻟب�ﺎﻨﺎت واﻟﻬدف اﻟمراد ﺘحق�ﻘﻪ ﻤن اﻟدراﺴﺔ أو اﻟ�حث‪.‬‬

‫ُ�حدد ﻨوع اﻟمق�ﺎس ً‬
‫ر�ﺎﻀ�ﺎ‪.‬‬
‫ً‬ ‫وﺘنصﻒ اﻟمﻘﺎﯿ�س ﻷر�ﻌﺔ أﻨواع وﺘختﻠﻒ ف�مﺎ ﺒینﻬﺎ وﻓق ��ف�ﺔ اﻟتﻌﺎﻤﻞ ﻤﻌﻬﺎ‬

‫‪-١‬اﻟمق�ﺎس اﻹﺴمﻲ‪:‬‬

‫�ﻌتبر اﻟمق�ﺎس اﻹﺴمﻲ أدﻨﻲ أﻨواع اﻟمﻘﺎﯿ�س واﻟذي �ستخدم ﻟﻠتمیز ﺒین اﻟﻌنﺎﺼر أو اﻟصﻔﺎت واﻷرﻗﺎم ف�ﻪ ﻻ‬
‫ﺘدل ﻋﻠﻲ ﻤﻌنﻲ أي أﻨﻬﺎ ﺘستخدم ﻟﻠتمیز واﻟتصن�ف ﻓﻘط وﻻ �مكن إﺠراء ﻋﻠیﻬﺎ‬

‫أي ﻋمﻠ�ﺔ ﺤسﺎﺒ�ﺔ‪ ،‬وﺘﻌتبر اﻟمتﻐیرات اﻟك�ف�ﺔ‪ /‬اﻷﺴم�ﺔ أﻓضﻞ اﻷﻤثﻠﺔ ﻋﻠﻲ اﻟمق�ﺎس اﻹﺴمﻲ‪.‬‬

‫وﻤن اﻷﻤثﻠﺔ ﻋﻠﻲ اﻟمق�ﺎس اﻹﺴمﻲ‪ :‬أرﻗﺎم ﻷﻋبﻲ اﻟكرة‪ ،‬ﻓنجد اﻟﻼﻋب ٍ) س ( ﯿرﺘدي اﻟﻘم�ص رﻗم ‪ ٥‬واﻟﻼب‬
‫)ص( ﯿرﺘدي ﻗم�ص رﻗم ‪ ١٠‬ﻓﻬنﺎ اﻷرﻗﺎم وﻀﻌت ﻟﻠتﻔرﻗﺔ واﻟتمییز ﺒین أﺴمﺎء اﻟﻼﻋبین واﻟرﻗم‬

‫ﻫنﺎ ﻻ �ﻌنﻲ أن اﻟﻼﻋب رﻗم ‪ ١٠‬أﻗوي ﻤن اﻟﻼﻋب رﻗم ‪ ٥‬ﻤرﺘین‪ ,‬ﻷﻨﻪ وﻀﻊ ﻟﻠتصن�ف وﻻ �مكن إﺠراء ﻋﻠ�ﻪ‬
‫أي ﻋمﻠ�ﺔ ﺤسﺎﺒ�ﺔ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪8‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫‪-٢‬اﻟمق�ﺎس اﻟرﺘبﻲ أو اﻟترﺘیبﻲ‪:‬‬

‫وﻫذا اﻟمق�ﺎس �صنﻒ اﻟب�ﺎﻨﺎت �مﺎ ﻫو اﻟحﺎل ﻓﻲ اﻟمق�ﺎس اﻟسﺎﺒق‪ ،‬وﻟكن �ض�ف إﻟ�ﻪ ﺨﺎﺼ�ﺔ اﻟترﺘیب وﻫذا‬
‫اﻟتصن�ف ﯿوﻀﺢ اﻟﻔروق أوﻓﻲ اﻟحجم ﺒین اﻟق�م وﻤن أﻤثﻠتﻪ ﻤق�ﺎس ﻻ�كرت‪ ،‬اﻟترﺘیب ﻋﻠﻲ اﻟدﻓﻌﺔ‬

‫ﻤثﺎل‪ :‬ﻗد ﯿﻠجﺄ اﻟ�ﺎﺤث ﻟﻺﺠﺎ�ﺔ ﻋﻠﻲ اﺨت�ﺎرات ﺴؤال ﻤﺎ ﻟﻠبداﺌﻞ اﻟتﺎﻟ�ﺔ‪:‬‬

‫ﻤواﻓق‬

‫ﻤحﺎﯿد‬

‫ﻻ أواﻓق‬

‫ﻤثﺎل‪:٢‬‬

‫اﻷول‬

‫اﻟثﺎﻨﻲ‬

‫اﻟثﺎﻟث‬

‫وﻤن اﻟﻌیوب اﻟتﻲ وﺠﻬت ﻟﻬذا اﻟمق�ﺎس ﻫو أﻨﻪ ﻻ ﺘوﺠد ﻓروق أو ﻤﻘدار أو ﻤسﺎﻓﻪ ﺜﺎﺒتﺔ ﺒین اﻟق�م و�ﻌضﻬﺎ‪،‬‬
‫�مﻌنﻲ ﻓﻲ اﻟمثﺎل اﻟثﺎﻨﻲ ﻟ�س ﺸرط أن �كون اﻟمﻘدار ﺒین اﻷول واﻟثﺎﻨﻲ ﻫو ﻨﻔس اﻟمﻘدار ﺒین اﻟثﺎﻨﻲ واﻟثﺎﻟث‪.‬‬

‫‪-٣‬اﻟمق�ﺎس اﻟﻔئوي‪/‬اﻟﻔتري‪:‬‬

‫�ﻌﺎﻟﺞ ﻫذا اﻟمق�ﺎس ﺨطﺄ اﻟسﺎﺒق ﺤیث أﻨﻪ �ﻌطﻲ ق�مﺎ أو ﻤﻘدار ﺜﺎﺒت ﺒین ﻤﻔرداﺘﻪ �ﺎﻹﻀﺎﻓﺔ إﻟﻲ أﻨﻪ‬
‫أ�ضﺎ‪.‬‬
‫�صنﻒ اﻟب�ﺎﻨﺎت و�رﺘبﻬﺎ ً‬
‫ﻓﻌﻠﻲ ﺴبیﻞ اﻟمثﺎل‪ :‬اﻟمﻘدار ﺒین اﻟطﺎﻟب اﻟذي ﺤصﻞ ﻋﻠﻲ ‪ ٢٥‬واﻟطﺎﻟب اﻟحﺎﺼﻞ ﻋﻠﻲ درﺠﻪ ‪ ٢٦‬ﻫو ﻨﻔس‬
‫اﻟمﻘدار اﻟذي ﺒین اﻟطﺎﻟب اﻟحﺎﺼﻞ ﻋﻠﻲ ‪ ٢٨‬واﻟطﺎﻟب اﻟحﺎﺼﻞ ﻋﻠﻲ ‪.٢٩‬‬

‫وﻟكن ُ�ﻌﺎب ﻋﻠ�ﻪ أن ﺒ�ﺎﻨﺎت ﻫذا اﻟمتﻐیر ﺘكون �م�ﺔ ﻤثﻠﻪ ﻤثﻞ اﻟمق�ﺎس اﻟنسبﻲ وﻋﺎدة ﻤﺎ ﺘوﺠد‬
‫ﻟﻠب�ﺎﻨﺎت اﻟق�مﺔ ) ﺼﻔر( ﻓﻔﻲ اﻟمق�ﺎس اﻟﻔتري ﻻ ﺘوﺠد ق�مﺔ ﺤق�ﻘﺔ ﻟﻠصﻔر ﻓﻲ اﻟب�ﺎﻨﺎت وﻫﻲ اﻟتﻲ ﺘﻌنﻲ ﻻ‬
‫ﺸﻲء ﻓمثﻼ‪ :‬درﺠﻪ اﻟح اررة ﺘﻌد ﻤثﺎﻻ ﻋﻠﻲ اﻟمتﻐیر اﻟﻔتري وﻟ�س ﻨسبﻲ ﻋﻠﻲ اﻟرﻏم ﻤن أﻨﻬﺎ ﺘمثﻞ ﻤتﻐیر �مﻲ‬
‫وﺘوﺠد ﺒین ق�مﻪ اﻟق�مﺔ )ﺼﻔر( وﻟكن اﻟصﻔر ﻫنﺎ ﻻ �حمﻞ ﻤﻌنﺎﻩ اﻟحق�ﻘﻲ وﻫو ﻻ ﺸﻲء وﻟكن ﻟﻪ ﻤﻌنﻲ أﺨر‬
‫وﻟذا �سمﻲ اﻟصﻔر ﻓﻲ ﻤتﻐیرات اﻟمق�ﺎس اﻟﻔئوي �ﺎﻟصﻔر اﻟنسبﻲ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪9‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻤثﺎل‪ :‬درﺠﺎت اﻟح اررة ﻓﺈﻨﻪ إذا �ﺎﻨت درﺠﻪ ﺤ اررة دوﻟﺔ ﻤﺎ ﺼﻔر درﺠﻪ ﻤئو�ﺔ ﻓﻬنﺎ ﻻ �ﻌنﻲ أﻨﻪ ﻻ ﺘوﺠد ﺤ اررﻩ‬
‫وﻟكن ﺘوﺠد أي أﻨﻪ اﻟجو �ﺎرد ﻓﻬنﺎ ﻟم �حﻘق اﻟصﻔر ﺼﻔتﻪ اﻷﺴﺎﺴ�ﺔ وﻫﻲ اﻟﻼﺸﺊ أي ﻟم ﯿنﻔﻲ وﺠود اﻟصﻔﺔ‪.‬‬

‫أﻤثﻠﺔ أﺨري‪ :‬اﻟذ�ﺎء‪ ،‬اﻻﺘجﺎﻫﺎت‪ ،‬اﻟتحصیﻞ‪.‬‬

‫‪-٤‬اﻟمق�ﺎس اﻟنسبﻲ أو اﻟنس�ﺔ‪:‬‬

‫ﯿتمتﻊ ﻫذا اﻟمق�ﺎس �كﻞ ﻤزا�ﺎ اﻟمﻘﺎﯿ�س اﻟسﺎ�ﻘﺔ �مﺎ أﻨﻪ ﺘتحﻘق ف�ﻪ اﻟق�مﺔ اﻟحق�ﻘﺔ ﻟﻠصﻔر وﻟذا ﻓﺎﻟصﻔر ﻫنﺎ ﻓﻲ‬
‫اﻟمق�ﺎس اﻟنسبﻲ �سمﻲ ﺼﻔر ﻤطﻠق ﻷﻨﻪ ﻨﻔﻰ وﺠود اﻟسمﻪ أو اﻟخﺎﺼ�ﺔ‪.‬‬

‫وﻤن أﻤثﻠتﻪ‪ :‬رﺼیدك ﻓﻲ اﻟبنك‪ ،‬ﻋدد أﻓراد اﻟطﻼب ﻓﻲ اﻟﻘﺎﻋﺔ‪ ,‬اﻟوﻗت‪ ،‬اﻟدرﺠﺎت ﻓﻲ اﻻﺨت�ﺎر‪.‬‬

‫طرق ﺠمﻊ اﻟب�ﺎﻨﺎت اﻹﺤصﺎﺌ�ﺔ‪:‬‬ ‫•‬

‫�ﻌدﻤﺎ �حدد اﻟ�ﺎﺤث ﻤشكﻠﺔ دراﺴتﻪ و�نتﻘﻞ ﻟمرﺤﻠﺔ ﺠمﻊ اﻟب�ﺎﻨﺎت ﺤول اﻟظﺎﻫرة ﻤحﻞ دراﺴتﻪ ﻤن‬
‫ﻤصﺎدرﻩ ﺴواء اﻷوﻟ�ﺔ أو اﻟثﺎﻨو�ﺔ ﯿﻠجﺄ أوًﻻ إﻟﻲ ﻋدة طرق ﻤنﻬﺎ‪:‬‬
‫‪-١‬اﻟطر�ﻘﺔ اﻟم�ﺎﺸرة‪:‬‬
‫وﻫﻲ اﻟتﻲ ﯿﻠجﺄ ﻓیﻬﺎ اﻟ�ﺎﺤث إﻟﻲ اﻟمصﺎدر اﻷوﻟ�ﺔ أي ﯿتﻌﺎﻤﻞ ﻤﻊ اﻟمﻔردات ﻤحﻞ اﻟدراﺴﺔ ﻤ�ﺎﺸرة دون‬
‫وﺴ�ط‪.‬‬
‫‪-٢‬اﻟطر�ﻘﺔ ﻏیر اﻟم�ﺎﺸرة‪:‬‬
‫وﻫﻲ اﻟتﻲ �جمﻊ ﻤن ﺨﻼﻟﻬﺎ اﻟب�ﺎﻨﺎت �طر�ﻘﻪ ﻏیر ﻤ�ﺎﺸرة ﻓیﻠجﺄ ﻟﻠوﺜﺎﺌق ﻤثﻼ أو اﻟﻬیئﺎت أو اﻟمنشورات‬
‫أو اﻟمطبوﻋﺎت اﻟتﻲ ﺘكﻠمت ﺤول ﻤوﻀوع دراﺴتﻪ وﻟذا ﺘسمﻲ ﻫذﻩ اﻟمصﺎدر �ﺎﻟثﺎﻨو�ﺔ‪.‬‬

‫‪ -٣‬طر�ﻘﺔ اﻟحصر اﻟشﺎﻤﻞ‪:‬‬

‫وﺘمثﻞ اﺴﻠو�ﺎ ﯿت�ﻌﻪ اﻟ�ﺎﺤث ﻟﻠحصول ﻋﻠﻲ اﻟمﻌﻠوﻤﺎت وﻫنﺎ �ﻘوم اﻟ�ﺎﺤث �ﺎﻟحصول ﻋﻠﻲ اﻟمﻌﻠوﻤﺎت‬
‫ﻤن �ﻞ ﻤﻔردﻩ ﻤن ﻤﻔردات اﻟمجتمﻊ زﻤن ﻤزا�ﺎ ﻫذا اﻷﺴﻠوب أن ﻨتﺎﺌجﻪ ﺘتمتﻊ �ﺎﻟدﻗﺔ واﻟمصداق�ﺔ وﻟكن‬
‫ُ�ﻌﺎب ﻋﻠ�ﻪ أﻨﻪ ﯿتطﻠب ﻓر�ق ﻋمﻞ‪� ،‬ﺎﻹﻀﺎﻓﺔ إﻟﻲ وﻗت وﺠﻬد وﻤﺎل‪ ،‬أ�ضﺎ ﻗد �حدث ﻀرر ﻋﻠﻲ‬
‫اﻟم�حوﺜین ﻓمثﻼ‪ :‬ﻟمﻌرﻓﺔ ﻓصیﻠﺔ دم ﻟشخص ﻤﺎ‪ :‬ﻓﺈن اﻟحصر اﻟشﺎﻤﻞ ﯿتطﻠب ﺴحب اﻟدم اﻟموﺠود ﻓﻲ‬
‫وﻨظر ﻟذﻟك ظﻬرت طر�ﻘﺔ اﻟﻌینﺔ‪.‬‬
‫ًا‬ ‫ﺠسم اﻟشخص �ﻠﻪ وﻓﻲ ﻫذﻩ اﻟحﺎﻟﺔ ﯿتوﻓﻰ اﻟﻔرد‪,‬‬
‫‪ -1‬طر�ﻘﺔ اﻟﻌینﺔ‪:‬‬
‫وﻫذا اﻷﺴﻠوب ظﻬر ﻟﻠتخﻠص ﻤن ﻋیوب اﻟحصر اﻟشﺎﻤﻞ‪� ،‬مﺎ إﻨﻪ ﯿتم ف�ﻪ ﺠمﻊ اﻟب�ﺎﻨﺎت ﻤن ﻤجموﻋﻪ‬
‫ﻤن اﻟمجتمﻊ وﻟ�س اﻟمجتمﻊ �ﻠﻪ وﻟكن ﺸرط أن ﺘحمﻞ ﻨﻔس ﺨصﺎﺌص اﻟمجتمﻊ وﺘمثﻠﻪ‪.‬‬
‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪10‬‬
 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫وﺑﻌد دراﺳﺔ ﻧﺑذة ﻣﺧﺗﺻرة ﺣول ﻋﻠم اﻹﺣﺻﺎء‪ ،‬أﺗرﻛك ﻋزﯾزي اﻟطﺎﻟب ﻟﻘراءة ھذا اﻟﻣﻘﺎل ﺑﻌﻧوان " ﻟﻣﺎذا‬
‫أﻋﻠن ﻧﺎدي أرﺳﻧﺎل أﻧﮫ ﯾﺑﺣث ﻋن ﺗوظﯾف ﻋﺎ ِﻟم ﺑﯾﺎﻧﺎت؟" ﻟﺗﺗﻌرف ﻛﯾف ﺗﻔرض اھﻣﯾﺔ اﻻﺣﺻﺎء ﻧﻔﺳﮭﺎ ﻓﻲ‬
‫ﻛﺎف اﻟﻣﺟﺎﻻت‪!..‬‬
‫ﻟمﺎذا أﻋﻠن ﻨﺎدي أرﺴنﺎل أﻨﻪ ﯿ�حث ﻋن ﺘوظ�ف ِ‬
‫ﻋﺎﻟم ﺒ�ﺎﻨﺎت؟‬

‫اﻟمدر�ون �ﺎﻟضرورة ﻤتخصصین‬ ‫ّ‬ ‫"أﻨﺎ ﻤﻘتنﻊ أﻨﻪ ﻓﻲ اﻟﻌشر ﺴنوات اﻟﻘﺎدﻤﺔ‪ ،‬ﻟن �كون‬
‫ﻤستﻘبﻼ ﺴ�كون ﻟد�ﻪ اﻟكثیر ﻤن اﻟﻌﻠمﺎء ﺤوﻟﻪ‪ .‬اﻟتدر�ب‬
‫ً‬ ‫اﻟمدرب‬
‫ّ‬ ‫ﻓﻲ �رة اﻟﻘدم‪،‬‬
‫ﺴ�كون ّ‬
‫ﻤر� ًاز ﻋﻠﻰ إدارة اﻟﻼﻋبین أﻛثر ﻤن اﻟتخصص ﻓﻲ �رة اﻟﻘدم؛ ﻷن اﻟﻘ ار ارت‬
‫اﻟر�ﺎﻀ�ﺔ ﺴ�ص�ﺢ ﻤصدرﻫﺎ اﻟتكنوﻟوﺠ�ﺎ"‪.‬‬
‫آرﺴین ﻓینجر‬
‫اﻟب�ﺎﻨ�ﺔ ﻓﻲ‬
‫ّ‬ ‫ﺤﺎد ﺤول اﺴتخدام اﻹﺤصﺎء واﻟتحﻠیﻼت‬ ‫ﻋموﻤﺎ‪ ،‬ﻫنﺎﻟك ﻨﻘﺎش ّ‬ ‫ً‬ ‫ﻓﻲ ﻤجﺎل �رة اﻟﻘدم واﻟر�ﺎﻀﺔ‬
‫اﻹﺤصﺎﺌ�ﺎت واﻷرﻗﺎم أﻛثر ﻤن ﺤجمﻬﺎ‪ ،‬وأﻨﻬﺎ‬
‫ّ‬ ‫ﺼنﺎﻋﺔ اﻟﻘ اررات اﻟر�ﺎﻀ�ﺔ‪ ،‬ﺒین ﻤن ﯿرى ّأﻨنﺎ ﻻ ﯿن�ﻐﻲ أن ﻨﻌطﻲ‬
‫اﻟحق�ق�ﺔ ﻟﻼﻋب أو اﻟنﺎدي‪� ،‬ﺎﻋتﻘﺎد أن دراﺴﺔ ُ�رة اﻟﻘدم �ﺎﻵﻟﺔ اﻟحﺎﺴ�ﺔ �ﻘتﻞ روح اﻟﻠع�ﺔ؛ ﻓﻲ‬
‫ّ‬ ‫�ﺎﻟﻘصﺔ‬
‫ّ‬ ‫ﻻ ﺘخبرﻨﺎ‬
‫إن اﻻﻋتمﺎد ﻋﻠﻰ‬
‫ﺘمﺎﻤﺎ ﻤﻊ ﻫذا اﻟرأي‪ ،‬إذ ّ‬
‫ً‬ ‫وﻤدر�ﻲ اﻟنوادي اﻟﻌﺎﻟم�ﺔ �ختﻠﻔون‬
‫ّ‬ ‫أن ﻋﻠمﺎء اﻟب�ﺎﻨﺎت‬
‫ﺤین ّ‬
‫أي وﻗت ﻤضﻰ‪.‬‬‫اﻗﻌﺎ ﻓﻲ �رة اﻟﻘدم أﻛثر ﻤن ّ‬
‫اﻟتكنوﻟوﺠ�ﺎ واﻷ�حﺎث اﻟﻌﻠم�ﺔ أﺼ�ﺢ و ً‬
‫ﻓﻲ ﻓبراﯿر )ﺸ�ﺎط( اﻟمﺎﻀﻲ أﻋﻠن ﻨﺎدي أرﺴنﺎل اﻹﻨجﻠیزي ّأﻨﻪ ﯿ�حث ﻋن ِ‬
‫ﻋﺎﻟم ﺒ�ﺎﻨﺎت ‪Data Scientist‬‬
‫ﻟﻼﻨضمﺎم إﻟﻰ ﻓر�ق اﻟﻌمﻞ‪ .‬ﻗد ﯿبدو ﻟﻠوﻫﻠﺔ اﻷوﻟﻰ ﻤن اﻟﻐر�ب أن ﯿ�حث ٍ‬
‫ﻨﺎد ﻟكرة اﻟﻘدم ﻋن ِ‬
‫ﻋﺎﻟم ﺒ�ﺎﻨﺎت‪� ،‬ون‬
‫أن اﻟمجﺎﻟین ظﺎﻫر��ﺎ �ﻌیدان �ﻌضﻬمﺎ ﻋن �ﻌض‪ ،‬ﻟكن اﻟواﻗﻊ أن اﻻﻋتمﺎد ﻋﻠﻰ ﻋﻠمﺎء اﻟب�ﺎﻨﺎت ﻓﻲ اﻟر�ﺎﻀﺎت‬
‫ّ‬
‫اﻟمدرب اﻟسﺎﺒق ﻷرﺴنﺎل آرﺴین‬
‫ّ‬ ‫ﺠدﯿدا ﻋﻠﻰ‬
‫ﻤستمر‪� .‬ﺎﻹﻀﺎﻓﺔ إﻟﻰ ذﻟك‪ ،‬ﻓﺈﻨﻪ ﻟ�س ً‬
‫ّ‬ ‫�شكﻞ ﻋﺎم أﺼ�ﺢ ﻓﻲ ﺘزاﯿد‬
‫اﻟتكنوﻟوﺠ�ﺔ‪ ،‬ودﻤجﻬمﺎ ﻓﻲ‬
‫ّ‬ ‫اﻟﻌﻠم�ﺔ‪ ،‬واﻟوﺴﺎﺌﻞ‬
‫ّ‬ ‫ﻤؤﺨ ًرا‪َ ،‬ﻫ َوﺴﻪ اﻟشدﯿد �ﺎﺴتﻐﻼل أﺤدث اﻷ�حﺎث‬
‫ﻓینجر اﻟذي رﺤﻞ ّ‬
‫ﻤیدان �رة اﻟﻘدم ﻤن أﺠﻞ اﻟوﺼول �ﺄداء اﻟﻼﻋبین إﻟﻰ أﻋﻠﻰ ﻤستوى ﻤمكن‪.‬‬

‫آرﺴین ﻓینجر‪ّ ..‬أول ﻤن أدﺨﻞ اﻟتكنوﻟوﺠ�ﺎ إﻟﻰ »اﻟبر�میرﻟ�ﺞ«‬

‫ﻟمدرب ﻨﺎدي أرﺴنﺎل اﻹﻨجﻠیزي اﻟسﺎﺒق آرﺴین ﻓینجر ﻤن‬

‫ﻫنﺎﻟك اﻟكثیر ﻤن اﻻﻨتﻘﺎدات اﻟتﻲ �مكن ﺘوﺠیﻬﻬﺎ ّ‬
‫أي ﻤتت�ﻊ ﻟﻠكرة‬
‫ﺨصوﺼﺎ ﻓﻲ ﺴنواﺘﻪ اﻷﺨیرة ﻤﻊ اﻟنﺎدي‪ ،‬ﻟكن ﻤﺎ ﻻ �مكن أن �جﺎدل ف�ﻪ ّ‬
‫ً‬ ‫ﻨﺎﺤ�ﺔ اﻟنتﺎﺌﺞ‪،‬‬
‫اﻟﻌﻠم�ﺔ ﻟم �كن‬
‫ّ‬ ‫اﻻﻨجﻠیز�ﺔ ﻫو اﻟثورة اﻟﻌﻠم�ﺔ اﻟتﻲ أﺤدﺜﻬﺎ ﻓینجر ﻓﻲ اﻟدوري؛ ﻓﺎﻻﻋتمﺎد ﻋﻠﻰ أﺤدث اﻟتﻘن�ﺎت‬
‫اﻟمدرب اﻟمﻠّﻘب ﺒـ»اﻟبروف�سور«‪ ،‬واﻟذي ﯿبدو �بروف�سور �ﺎﻟﻔﻌﻞ؛ إذ إن ﻤجیئﻪ إﻟﻰ‬
‫ّ‬ ‫أﻤر ﻤستحدﺜًﺎ �ﺎﻟنس�ﺔ إﻟﻰ‬
‫ًا‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪11‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫اﻟدوري اﻹﻨجﻠیزي ﻓﻲ ﺘسﻌینﺎت اﻟﻘرن اﻟمﺎﻀﻲ أﺤدث ﺜورة ﻓﻲ اﻟدوري ﻤن ﺨﻼل إدﺨﺎل اﻟحم�ﺔ اﻟﻐذاﺌ�ﺔ‬
‫اﻟﻌﻠم�ﺔ ﻓﻲ اﻟتمﺎر�ن واﻟتدر��ﺎت‪.‬‬
‫ّ‬ ‫اﻟمتوازﻨﺔ ﻟﻼﻋبین‪ ،‬وﻓﻲ ﺘﻘن�ﺎت اﻻﺴترﺠﺎع‪ ،‬و�دﺨﺎل اﻷ�حﺎث‬
‫ﺤد �بیر ﻓﻲ اﺴتخدام‬
‫طر�ﻘﺔ ﻓینجر اﻟﻐر��ﺔ وﻗتﻬﺎ ﻋﻠﻰ اﻟسﺎﺤﺔ اﻟكرو�ﺔ اﻹﻨجﻠیز�ﺔ‪ ،‬واﻟمستﻬجنﺔ إﻟﻰ ّ‬
‫اﻹﺤصﺎﺌ�ﺎت واﻟتكنوﻟوﺠ�ﺎ واﻻﻋتمﺎد ﻋﻠﻰ ُﻤخرﺠﺎﺘﻬﺎ ﻓﻲ ﺼنﺎﻋﺔ ﻗ اررﻩ‪ ،‬ﻟم ﺘنﻞ اﻹﻋجﺎب ﻓﻲ إﻨجﻠت ار ﻓﻘط‪ ،‬ﺒﻞ‬
‫ّ‬
‫اﻟﻌﺎﻟم�ﺔ ﺤین أﺜنﻰ ﻋﻠ�ﻪ أﺤد أﺴﺎطیر ﻟع�ﺔ ُ�رة اﻟﻘﺎﻋدة )‪ ،(baseball‬واﻟذي �شﺎر�ﻪ ﻓﻲ وﻟﻌﻪ‬
‫ّ‬ ‫وﺼﻠت إﻟﻰ‬
‫اﻟمﺎﻟ�ﺔ ﻓﻲ ﺴوق اﻟتحو�ﻼت‪ ،‬ﺒیﻠﻲ ﺒین‪ ،‬اﻟمدﯿر اﻟتنﻔیذي ﻟنﺎدي أو�ﻼﻨد‬
‫ّ‬ ‫أﻗﻞ ﻤﺎ �مكن ﻤن اﻟموارد‬
‫�ﺈﻨﻔﺎق ّ‬
‫ﻤب�ﻌﺎ »‪ «Moneyball‬واﻟذي‬ ‫�كﻲ‪ ،‬واﻟذي أﻟﻬمت أﺴﺎﻟی�ﻪ ﻓﻲ إدارة اﻟنﺎدي أﺤد أﻛثر اﻟكتب ً‬‫أﺜﻠیت�كس اﻷﻤر‬
‫ّ‬
‫ﺘحول إﻟﻰ ﻓیﻠم ﻫوﻟیوودي ﺸﻬیر �ﺎﻟﻌنوان ﻨﻔسﻪ ﺴنﺔ ‪ ٢٠١١‬ﻤن �طوﻟﺔ اﻟممّثﻞ اﻟشﻬیر ﺒ ارد ﺒیت‪ .‬وﻗد ﺼ ّرح‬
‫ّ‬
‫�ﺄﻨﻪ ﯿرى آرﺴین ﻓینجر )ﻗدوﺘﻪ(‪.‬‬
‫ﺒیﻠﻲ ﺒین ﻻﺤًﻘﺎ ّ‬
‫ﻛتﺎب »‪ «Moneyball‬اﻟﻘﺎﺌم ﻋﻠﻰ ﺘجر�ﺔ ﺒیﻠﻲ ﺒین ﻓﻲ ﻓر�ق أو�ﻼﻨد أﺜﻠیت�كس‪ ،‬اﻟذي أﻋﺎدﻩ إﻟﻰ ﻤﻘﺎرﻋﺔ اﻟك�ﺎر‬
‫ﺤق�ق�ﺔ ﻓﻲ اﺴتخدام ﺘحﻠیﻞ اﻟب�ﺎﻨﺎت ﻓﻲ ﻋﺎﻟم اﻟر�ﺎﻀﺔ‬
‫ّ‬ ‫ﻌد ﻨﻘطﺔ اﻨدﻻع ﺜورة‬
‫�ك�ﺔ‪ّ �ُ ،‬‬
‫ﻓﻲ �طوﻟﺔ �رة اﻟﻘﺎﻋدة اﻷﻤر ّ‬
‫�شكﻞ ﻋﺎم‪ ،‬وﺴرﻋﺎن ﻤﺎ اﻨتﻘﻠت اﻟﻌدوى �ﺎﻟنﺎر ﻓﻲ اﻟﻬش�م إﻟﻰ اﻟﻌدﯿد ﻤن اﻟر�ﺎﻀﺎت اﻷﺨرى‪ ،‬و�رة اﻟﻘدم ﻟم‬
‫ﺘطور ﻫذا اﻻﻋتمﺎد ﻋﻠﻰ اﻟتكنوﻟوﺠ�ﺎ ﻓﻲ اﻟر�ﺎﻀﺔ وﻓﻲ �رة اﻟﻘدم �شكﻞ ﺨﺎص‪� ،‬ﻌد اﻟتﻘدم‬
‫اﺴتثنﺎء‪ .‬وﻗد ّ‬
‫ً‬ ‫ﺘكن‬
‫وﻋدة ﻨوادي �برى ﺘﻠجﺄ إﻟ�ﻪ‪،‬‬
‫اﻟمﻠحوظ اﻟذي ﺤّﻘﻘﻪ ﻋﻠم اﻟب�ﺎﻨﺎت )‪ (Data science‬ﻤمﺎ ﺠﻌﻞ ﻨﺎدي أرﺴنﺎل ّ‬
‫ﺨﺎﺼﺔ ﻓﻲ ﻤراﻛزﻫﺎ ﻤن ﺨﻼل اﺴتﻘدام ﻋﻠمﺎء اﻟب�ﺎﻨﺎت ﻟﻠﻌمﻞ ﻋندﻫﺎ‪.‬‬
‫وﺘﻔتﺢ وﺤدات ّ‬
‫ﻋدة ﻤجﺎﻻت‪� ،‬ﺎﻹﺤصﺎء واﻟبرﻤجﺔ‪ ،‬ﻤن أﺠﻞ دراﺴﺔ اﻟب�ﺎﻨﺎت واﺴتخداﻤﻬﺎ‬ ‫ﺘخصص ﯿدﻤﺞ ّ‬ ‫وﻋﻠم اﻟب�ﺎﻨﺎت ﻫو ّ‬
‫ﻓﺈن‬
‫ﻤﻌینﺔ‪� .‬مثﺎل ﻻﺴتخدام اﻟشر�ﺎت ﻫذا اﻟمجﺎل‪ّ ،‬‬
‫ﺘجنب ﻤشﺎﻛﻞ ّ‬‫ﻟحﻞ ﻤشكﻠﺔ أو ّ‬
‫ﻤﻌینﺔ ّ‬
‫ﻟﻺﺠﺎ�ﺔ ﻋن أﺴئﻠﺔ ّ‬
‫اﻟمتخصصﺔ ﻓﻲ ﺘوز�ﻊ اﻷﻓﻼم واﻟمسﻠسﻼت ﺘستخدم ﻋﻠم اﻟب�ﺎﻨﺎت ﻻﻛتشﺎف اﻷﻨمﺎط اﻟتﻲ‬
‫ّ‬ ‫ﺸر�ﺔ »ﻨتﻔﻠ�كس«‬

‫ﯿتّ�ﻌﻬﺎ اﻟمشﺎﻫدون ﻟبراﻤجﻬﺎ‪ ،‬وﻤن ﺨﻼل ذﻟك ﺘستط�ﻊ أن ّ‬

‫ﺘﻘرر ﻤﺎ اﻟمسﻠسﻞ أو اﻟﻔیﻠم اﻟﻘﺎدم اﻟذي ﺴتﻌرﻀﻪ ﻓﻲ‬
‫ﺨدﻤتﻬﺎ‪.‬‬
‫ﻨظرة آرﺴین ﻓینجر ﻻﺴتخدام ﻋﻠم اﻟب�ﺎﻨﺎت ﻓﻲ اﻟر�ﺎﻀﺔ �مكن ﺘﻠخ�صﻬﺎ ﻓﻲ ﻤﻘوﻟتﻪ« ‪:‬إﻨنﺎ اﻨتﻘﻠنﺎ ﻤن ﻤجتمﻊ‬
‫اﻟمدرب( ﻟم �ﻌد اﻟمسؤول اﻷﻋﻠﻰ اﻟذي ُ�ﻌطﻲ ﺘﻌﻠ�مﺎﺘﻪ‬
‫ّ‬ ‫ﻋمودي إﻟﻰ ﻤجتمﻊ أﻓﻘﻲ«؛ و�ﺎﻟتﺎﻟﻲ ﻓﺈن اﻟﻘﺎﺌد )أو‬
‫ّ‬
‫ﯿتوﺴط ﻤجموﻋﺔ �بیرة ﻤن اﻟخبراء ﻓﻲ ﻤجﺎﻻﺘﻬم‪� ،‬ﻐمروﻨﻪ ﺒتوﺼ�ﺎﺘﻬم‬
‫ﻟمن ﻫم دوﻨﻪ‪ ،‬ﺒﻞ ﻫو – �حسب ﻓینجر‪ّ -‬‬
‫اﻟق�مﺔ اﻟتﻲ ﯿن�ﻐﻲ اﺴتﻐﻼﻟﻬﺎ‪ ،‬و�ین اﻟضج�ﺞ‬
‫ﻤﻬمتﻪ ﻓﻲ اﻟتﻔر�ق ﺒین اﻟمﻌﻠوﻤﺎت ّ‬
‫ﺘتﻠخص ّ‬
‫وﻨصﺎﺌحﻬم‪ ،‬ﻓﻲ ﺤین ّ‬
‫اﻟذي ﯿن�ﻐﻲ ﺘجﺎﻫﻠﻪ‪.‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪12‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻨﺎد ﻟكرة اﻟﻘدم ُﻤبرﻤﺞ ﻟع�ﺔ »ﻛﺎﻨدي �راش«؟‬

‫ﻟمﺎذا اﺴتﻘدم ٍ‬

‫اﻟمتخصصﺔ ﻓﻲ ﺘحﻠیﻞ اﻟب�ﺎﻨﺎت اﻟر�ﺎﻀ�ﺔ‪،‬‬

‫ّ‬ ‫ﻓﻲ ﺴنﺔ ‪ ٢٠١١‬ﺘﻌﺎﻗد ﻨﺎدي أرﺴنﺎل ﻤﻊ ﺸر�ﺔ »‪،«DNAstat‬‬

‫�صﻔﻘﺔ ق�متﻬﺎ ر�ﻊ ﻤﻠیون دوﻻر‪ ،‬ﻤﻘﺎﺒﻞ أﻻّ ﺘﻌمﻞ اﻟشر�ﺔ ﻤﻊ ّ‬

‫أي ﻤن ﻤنﺎﻓسﻲ أرﺴنﺎل ﻓﻲ اﻟدوري اﻻﻨجﻠیز ّي‪.‬‬
‫اﻟكرو�ﺔ اﻟكبیرة �ﻌﻠم اﻟب�ﺎﻨﺎت؛ اﻗترح ﻏﺎز�د�س‪ ،‬اﻟمدﯿر‬
‫ّ‬ ‫�ﻌدﻫﺎ �سنﺔ واﺤدة‪ ،‬وﻤﻊ ز�ﺎدة اﻫتمﺎم ﺠم�ﻊ اﻟنوادي‬
‫اﻟمدرب ﻓینجر اﻻﺴتحواذ ﻋﻠﻰ اﻟشر�ﺔ �ّﻠﻬﺎ ﻟﻼﺴتﻔﺎدة ﻤن ﻫذﻩ اﻟتكنوﻟوﺠ�ﺎ‪ ،‬اﻟتﻲ ﺘثبت‬
‫ّ‬ ‫اﻟتنﻔیذي ﻷرﺴنﺎل ﻋﻠﻰ‬
‫ﯿوﻤﺎ �ﻌد ﯿوم‪ ،‬و�زداد اﻻﻫتمﺎم ﺒدورﻫﺎ ﻓﻲ ﻤجﺎل اﻟر�ﺎﻀﺔ‪ ،‬و�ﻌد اﻟﻌدﯿد ﻤن اﻟمنﺎﻗشﺎت‪ ،‬أﻗرت اﻟصﻔﻘﺔ‬‫ﻓﻌﺎﻟیتﻬﺎ ً‬
‫ّ‬
‫اﻟتﻲ ﺒﻠﻐت ‪ ٤‬ﻤﻼﯿین دوﻻر أﻤر�كﻲ‪.‬‬
‫اﻹﺤصﺎﺌ�ﺎت اﻟمتﻌّﻠﻘﺔ �طر�ﻘﺔ ﻟﻌبﻬم‪،‬‬
‫ّ‬ ‫وﺘﻌمﻞ اﻟشر�ﺔ ﻋﻠﻰ ﺘحﻠیﻞ ﺒ�ﺎﻨﺎت اﻟﻼﻋبین اﻟش�ﺎب ﻤن ﺨﻼل ﺠمﻊ‬
‫وﺴرﻋتﻬم‪ ،‬واﻷﺨطﺎء اﻟتﻲ ﯿرﺘكبوﻨﻬﺎ‪ ،‬ﺜم ﻤﻌﺎﻟجتﻬﺎ ﻤن ﺨﻼل اﻟكمبیوﺘر‪ ،‬و�ﻋطﺎء اﻗتراﺤﺎت ﺤول اﻟﻼﻋبین اﻟذﯿن‬
‫�ستحّﻘون اﻟتوق�ﻊ ﻤﻌﻬم‪� .‬ﺎﻹﻀﺎﻓﺔ إﻟﻰ اﻛتشﺎف اﻟمواﻫب‪ ،‬وﺘﻌمﻞ اﻟشر�ﺔ ﻋﻠﻰ ّ‬
‫ﺘجنب اﻹﺼﺎ�ﺎت واﻟتحذﯿر ﻤن‬
‫أ�ضﺎ‬
‫أرﻀ�ﺔ اﻟمﻠﻌب؛ وﺘﻌمﻞ ً‬
‫ّ‬ ‫�ﻞ ﻻﻋب ﻗدﻤﻪ ﻓﻲ‬ ‫اﻟمدة اﻟتﻲ �ﻐرس ﻓیﻬﺎ ّ‬
‫اﺤتمﺎﻟ�ﺔ وﻗوﻋﻬﺎ‪ ،‬ﻤن ﺨﻼل اﺤتسﺎب ّ‬
‫ّ‬
‫ﻓﻌﺎﻟیتﻬم ﻋندﻤﺎ ﯿﻠﻌبون ﺴو��ﺎ‪.‬‬
‫ﻤﻌینین وﻤدى ّ‬‫ﻓﻌﺎﻟ�ﺔ ﺘوﻟ�ﻔﺔ ﻻﻋبین ّ‬
‫ﻋﻠﻰ ق�ﺎس ّ‬
‫اﻟنﺎدي اﻟﻠندﻨﻲ أﺠرى اﻟكثیر ﻤن اﻟتطو�رات ﻓﻲ ﻤرﺤﻠﺔ ﻤﺎ �ﻌد ﻓینجر اﻟذي ﻏﺎدر ﻓﻲ ﻤﺎﯿو )أ�ﺎر( اﻟمﺎﻀﻲ‪ ،‬ﻤن‬
‫ﺒین ﻫذﻩ اﻟتطو�رات‪ ،‬ﻤواﺼﻠﺔ اﻟمسیرة اﻟتﻲ ﺒدأﻫﺎ ﻓینجر ﻓﻲ اﻻﻋتمﺎد ﻋﻠﻰ ﻋﻠم اﻟب�ﺎﻨﺎت أﻛثر‪ ،‬إذ اﺴتﻘدﻤت‬
‫ﻬمﺔ‬
‫ﻤ�خﺎﺌیﻞ ز�ﻠكین اﻟخبیر اﻟروﺴﻲ ﻓﻲ ﻋﻠم اﻟب�ﺎﻨﺎت‪ ،‬وأﺤد أﻋضﺎء ﻓر�ق ﻟع�ﺔ »ﻛﺎﻨدي �راش« اﻟشﻬیرة‪ .‬ﻤ ّ‬
‫ز�ﻠكین اﻟرﺌ�س�ﺔ ﺴتكون ﺘوظ�ف ﺨبراﺘﻪ ﻓﻲ ﻋﻠم اﻟب�ﺎﻨﺎت ﻤن أﺠﻞ ﺘحﻠیﻞ إﺼﺎ�ﺎت اﻟﻼﻋبین‪ ،‬و��ﺎﻨﺎﺘﻬم‬
‫�ثیر ﻤﺎ ﻋﺎﻨﻰ ﻤن‬
‫ﺒدﻻ ﻤن اﻛتشﺎف اﻟمواﻫب اﻟصﺎﻋدة‪ ،‬أو ﺘحﻠیﻞ أداء اﻟﻼﻋبین‪ ،‬ذﻟك أن اﻟنﺎدي ًا‬‫اﻟجسد�ﺔ‪ً ،‬‬
‫ﺴﻠ�ﺎ ﻋﻠﻰ ﻨتﺎﺌجﻪ ﻓﻲ اﻟدوري‪.‬‬
‫ﻤمﺎ أﺜر ً‬
‫إﺼﺎ�ﺔ ﻻﻋب�ﻪ اﻟرﺌ�سیین ﻓﻲ اﻟسنوات اﻷﺨیرة؛ ّ‬
‫اﻷﻤر ﻻ �ﻘتصر ﻋﻠﻰ ﻨﺎدي أرﺴنﺎل‪ ،‬ﻓﺎﻟكثیر ﻤن اﻟنوادي ﺘتّجﻪ أﻛثر ﻓﺄﻛثر ﻻﺴتﻐﻼل ﻋﻠم اﻟب�ﺎﻨﺎت داﺨﻞ‬
‫اﻟمتخرج ﻤن ﺠﺎﻤﻌﺔ أو�سﻔورد ﺼﺎرت ﺨدﻤﺎﺘﻪ ﻤطﻠو�ﺔ ﻓﻲ ﻋ ّدة‬
‫ّ‬ ‫ﻤ�ﺎدﯿن اﻟكرة‪ .‬روري �ﺎﻤبﻞ‪ ،‬ﻤحﻠﻞ اﻟب�ﺎﻨﺎت‬
‫أي وﻗت ﻤضﻰ‪ ،‬ﻤن ﺒینﻬم وﺴت ﻫﺎم وﻟ�ﻔر�ول اﻟذي اﻋتمد ﻋﻠﻰ ﺨبراﺘﻪ ﻤن أﺠﻞ‬ ‫أﻨد�ﺔ إﻨجﻠیز�ﺔ أﻛثر ﻤن ّ‬
‫اﺘخﺎذ ﻗرار اﺴتﻘدام ﻤحمد ﺼﻼح‪ ،‬وﺴﺎدﯿو ﻤﺎﻨﻲ‪ ،‬ورو�رﺘو ﻓیرﻤینو‪ ،‬وﻨﺎﺒﻲ �یتﺎ‪.‬‬
‫ظﻔین‬
‫ﺘضم ﻤجموﻋﺔ ﻤن اﻟمو ّ‬
‫ّ‬ ‫و�ﻌیدا ﻋن اﻟﻌشب اﻷﺨضر‪ ،‬ﻫنﺎﻟك ﻗﺎﻋﺔ واﺴﻌﺔ‬‫ً‬ ‫وﻓﻲ ﻨﺎدي ﺴﺎوﺜﻬﺎﻤبتون‪،‬‬
‫رﻤج�ﺎت‪ ،‬ﻟكن‬
‫�ﺄﻨك ﻗد دﺨﻠت إﻟﻰ ﺸر�ﺔ ﺒ ّ‬
‫اﻟش�ﺎب اﻟجﺎﻟسین أﻤﺎم ‪ ١٥‬ﺸﺎﺸﺔ �مبیوﺘر‪ ،‬اﻷﻤر اﻟذي ﻗد ﯿوﺤﻲ ﻟك ّ‬
‫�ﻞ‬
‫إﺤصﺎﺌ�ﺎﺘﻪ �ﻌد ّ‬
‫ّ‬ ‫ﺠم�ﻌﺎ ﻋﻠﻰ ﺘحﻠیﻞ ﺒ�ﺎﻨﺎت اﻟﻔر�ق‪ ،‬ودراﺴﺔ‬
‫ً‬ ‫أن ﻫذا اﻟﻔر�ق ﻤن اﻟمحّﻠﻠین �ﻌمﻠون‬
‫اﻟحق�ﻘﺔ ﻫﻲ ّ‬
‫ﻓﺈﻨﻪ‬
‫�ﻞ ﻤرة‪ .‬ورﻏم اﻻﻨتشﺎر اﻟواﺴﻊ ﻟﻬذا ﻟﻌﻠم اﻟب�ﺎﻨﺎت ﻓﻲ اﻟمجﺎل اﻟر�ﺎﻀﻲ‪ّ ،‬‬
‫ﻤ�ﺎراة ﻤن أﺠﻞ ﺘحسین أداﺌﻪ ﻓﻲ ّ‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪13‬‬

 ‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫اﻟﻔﺻل اﻷول‪..‬‬

‫ﻤﺎ ﯿزال ﯿﻠﻘﻰ �ﻌض اﻟمﻘﺎوﻤﺔ‪ ،‬ﺒوﺼﻔﻪ ﻨظر��ﺎ أﻛثر ﻤن اﻟﻼزم‪ ،‬وأن اﻟمﻌﻠوﻤﺎت اﻟتﻲ ﻗد ﺘكون ﺼح�حﺔ ً‬
‫ﺘمﺎﻤﺎ ﻤن‬
‫سﺎﻋدا ﻋﻠﻰ اﺘخﺎذ‬
‫ﻋﺎﻤﻼ ُﻤ ً‬
‫ً‬ ‫�ﻘدﻤﻪ ﯿن�ﻐﻲ أن ﯿنظر إﻟ�ﻪ‬ ‫ﻤنطﻠق ر�ﺎﻀﻲ ﻗد ﻻ ﺘحّﻘق؛ �مﺎ ﯿرى �ﺎﻤبﻞ ّ‬
‫أن ﻤﺎ ّ‬
‫ﻤحد ًدا‪.‬‬
‫ﻋﺎﻤﻼ ّ‬
‫ً‬ ‫اﻟﻘرار‪ ،‬وﻟ�س‬

‫»اﻟتكنوﻟوﺠ�ﺎ اﻟمﻠبوﺴﺔ« ﻟق�ﺎس أداء اﻟﻼﻋبین‬

‫اﻟبزات اﻟسوداء اﻟتﻲ ﯿرﺘدﯿﻬﺎ اﻟﻼﻋبون ﻓوق ﻤﻼ�س اﻟتدر�ب؟ إﻨﻬﺎ ﻓﻲ اﻟحق�ﻘﺔ‬
‫ﯿوﻤﺎ ﻋن ﺴ ّر ّ‬ ‫ﻫﻞ ﺘسﺎءﻟت ً‬
‫ﻤخصصﺔ ﻟتوﻀﻊ ﺒداﺨﻠﻬﺎ ﺘكنوﻟوﺠ�ﺎ ﺘق�س ﻤختﻠﻒ اﻟب�ﺎﻨﺎت اﻟمتﻌّﻠﻘﺔ �جسد اﻟﻼﻋب ﺨﻼل ﺘدر��ﺎت ﻟتكون ف�مﺎ‬
‫ّ‬
‫�ﻌد ﻤحﻞ دراﺴﺔ اﻟمحﻠﻠین‪.‬‬
‫ﻤن اﻻﻋت�ﺎدي أن ﺘجد اﻟﻼﻋبین اﻟیوم �ضﻌون اﻟكثیر ﻤن أﺠﻬزة »اﻟتكنوﻟوﺠ�ﺎ اﻟمﻠبوﺴﺔ )‪» (wearbles‬ﻋﻠﻰ‬
‫ﺘتضمن أﺠﻬزة ﺘﻌّﻘب )‪ ،(GPS‬وأﺠﻬزة ﻟق�ﺎس دّﻗﺎت اﻟﻘﻠب وﺤ اررة اﻟجسم‪� ،‬مﺎ أن‬
‫ّ‬ ‫ﻏﺎﻟ�ﺎ ﻤﺎ‬
‫أﺠسﺎدﻫم‪ ،‬واﻟتﻲ ً‬
‫اﻟمﻬمﺔ‪ ،‬ﻤثﻞ‪ :‬اﻟمسﺎﻓﺔ اﻟتﻲ ﻗطﻌﻬﺎ اﻟﻼﻋب‪،‬‬
‫ّ‬ ‫ﺘسجﻞ �ﻞ اﻟب�ﺎﻨﺎت‬
‫ُﻛرات اﻟتمر�ن ﺒﻬﺎ اﻟكثیر ﻤن اﻟﻠواﻗط اﻟتﻲ ّ‬
‫اﻹﺤصﺎﺌ�ﺎت ﻟدراﺴتﻬﺎ‪.‬‬
‫ّ‬ ‫وﻋدد ﻟمسﺎﺘﻪ ﻟﻠكرة‪ ،‬وﺴرﻋتﻪ اﻟمتوﺴطﺔ وﻏیرﻫﺎ‪ ،‬ﻤن أﺠﻞ اﻟحصول ﻋﻠﻰ اﻟمﻌﻠوﻤﺎت و‬
‫ﻤرة ارﺘداء اﻟﻼع�ﺎت أﺠﻬزة ﺘﻌّﻘب ﻤن ﺸﺄﻨﻬﺎ‬
‫ﻷول ّ‬
‫وﻗد ﺸﻬد ﻨﻬﺎﺌﻲ �ﺄس اﻟﻌﺎﻟم ﻟكرة اﻟﻘدم اﻟنسو�ﺔ ﺴنﺔ ‪ّ ٢٠١٥‬‬
‫ﺠمﻊ اﻟمﻌﻠوﻤﺎت اﻟضرور�ﺔ ﻋن أداء اﻟﻼﻋبین ﻓﻲ اﻟوﻗت اﻟﻔوري‪ ،‬أﺠﻬزة ﺸبیﻬﺔ �جﻬﺎز أ�ﻔون اﻟذي �حسب‬
‫ﺘطوًار وﻤﻼءﻤﺔ ﻟكرة اﻟﻘدم‪ ،‬و�ﻌتﻘد �ﺄن ﻫذﻩ اﻷﺠﻬزة‬
‫ﺨطواﺘك‪ ،‬وﺴﻌراﺘك اﻟح اررّ�ﺔ اﻟتﻲ أﺤرﻗتﻬﺎ‪ ،‬ﻟكنﻬﺎ أﻛثر ّ‬
‫ﺴتجد طر�ﻘﻬﺎ ﻟﻠدور�ﺎت اﻟﻌﺎﻟم�ﺔ اﻟكبرى ﻻ ﻤحﺎﻟﺔ ﻓﻲ أﻗرب وﻗت‪.‬‬
‫أﻫم�ﺔ ﻫذﻩ اﻷﺠﻬزة ﻓﻲ �وﻨﻬﺎ وﺴیﻠﺔ ﺠدﯿدة ﻟﻠحصول ﻋﻠﻰ ﺒ�ﺎﻨﺎت اﻟﻼﻋبین‪ ،‬ﺴواء ﻤن ﻨﺎﺤ�ﺔ دّﻗتﻬﺎ أو‬
‫ﺘكمن ّ‬
‫ﺴرﻋتﻬﺎ‪ ،‬ﻓﻔﻲ اﻟسﺎﺒق �ﺎن ُ�ﻌتمد ﻋﻠﻰ ﺘحﻠیﻞ ﻓیدﯿوﻫﺎت اﻟم�ﺎر�ﺎت �ﻌد اﻨتﻬﺎﺌﻬﺎ‪ ،‬وﻤراق�ﺔ أداء اﻟﻼﻋبین ﻤن‬
‫طﺎﻫﺎ داﺨﻞ‬
‫ﺨﻼل أدوات ﺘكنوﻟوﺠ�ﺔ ﺘدرس أداء �ﻞ ﻻﻋب ﻓﻲ ﻓیدﯿو اﻟم�ﺎراة‪� ،‬مﺎ ﯿتضمن‪ :‬اﻟمسﺎﻓﺔ اﻟتﻲ ﻏ ّ‬
‫اﻟمﻠﻌب‪ ،‬وﺴرﻋتﻪ‪ ،‬وﻏیرﻫﺎ ﻤن اﻟمﻌﻠوﻤﺎت‪.‬‬
‫ﻟكن �ﺎﺴتخدام ﻫذﻩ اﻷﺠﻬزة اﻟمﻠبوﺴﺔ أﺜنﺎء اﻟم�ﺎراة؛ ﻓﺈن اﻟمدر�ین ﺴ�حصﻠون ﻋﻠﻰ ﻤﻌﻠوﻤﺎت دق�ﻘﺔ ﺤول ﻤﺎ‬
‫ﺘﻌرﻀﻪ ﻟﻺﺼﺎ�ﺔ‪ ،‬و�ﺎﻟتﺎﻟﻲ ﺴ�ستط�ﻌون‬ ‫ﻻﻋب واﺤتمﺎﻟ�ﺔ ّ‬ ‫�جري داﺨﻞ اﻟمﻠﻌب ﻓﻲ اﻟوﻗت اﻟﻔور ّي‪ ،‬وﺤﺎﻟﺔ ّ‬
‫�ﻞ‬
‫�ﻐیر ﻨتﺎﺌﺞ اﻟم�ﺎر�ﺎت‪ ،‬و�ﺎﻟتﺎﻟﻲ ﻓﺈن ﻤ�ﺎر�ﺎت‬
‫ﻤمﺎ ﻗد ّ‬
‫ﻓور ّ‬
‫ًا‬ ‫اﻟتكت�ك�ﺔ‬
‫ّ‬ ‫طﺔ‬
‫إﺠراء ﺘبدﯿﻼت ﻟﻼﻋبین‪ ،‬أو ﺘﻐییر اﻟخ ّ‬
‫أ�ضﺎ‬
‫ﺴتﻠﻌب ً‬
‫ﻤستﻘبﻼ ﻟن ُﺘﻠﻌب ﻓﻘط ﻤن ﺨﻼل اﻟﻼﻋبین اﻟموﺠودﯿن داﺨﻞ اﻟمستطیﻞ اﻷﺨضر‪ ،‬ﺒﻞ ُ‬
‫ً‬ ‫ﻛرة اﻟﻘدم‬
‫اﻟﻌﻠمﺎء واﻟمحّﻠﻠین ﻋﻠﻰ أﺠﻬزة ﺤواﺴیبﻬم‪.‬‬
‫ﺒین ﻓر�ق ُ‬
‫ﻤرﺠﻊ‪:‬‬
‫‪https://www.sasapost.com/why-did-fc-arsenal-hire-a-data-scientist/‬‬

‫ﻣﻔﺎھﯾم أﺳﺎﺳﯾﺔ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء‬ ‫‪14‬‬