‫ﻋﻠﻢ ﺍﻹﺣﺼﺎء‪:‬‬

‫ﺗﻌﺎﺭﻳﻒ ﻭﻣﺼﻄﻠﺤﺎﺕ‪:‬‬

‫‪ -1‬ﻋﻠﻢ ﺍﻹﺣﺼﺎء‪:‬‬

‫وﻫو أﺤد أﻫم ﻓروع اﻝرﻴﺎﻀﻴﺎت وﻫو ﻤن أﻫم اﻝﻔروع وﻫو ﻴﺴﺘﺨدم ﻓﻲ ﻜل ﻤﺠﺎﻻت اﻝﺤﻴﺎة‬
‫ﻜﻤﺎ وﻴدﺨل ﻋﻠم اﻹﺤﺼﺎء ﻓﻲ ﻜل اﻝﻌﻠوم اﻷﺨرى وﻜل اﻝﻌﻠوم ﻤﻬﻤﺎ ﻜﺎﻨت ﺘﺤﺘﺎج إﻝﻰ ﻋﻠم‬
‫اﻹﺤﺼﺎء ﻓﻤﺜﻼً‪):‬اﻝﻌﻠوم اﻝﻌﻠﻤﻴﺔ – اﻝﻌﻠوم اﻹﻨﺴﺎﻨﻴﺔ واﻷدﺒﻴﺔ – اﻝﻌﻠوم اﻝرﻴﺎﻀﻴﺔ – اﻝﻔﻨون –‬
‫اﻝﻌﻠوم اﻝﻌﺴﻜرﻴﺔ – اﻝﻌﻠوم اﻻﺠﺘﻤﺎﻋﻴﺔ( ﻝذﻝك ﻴﻌﺘﺒر ﻋﻠم اﻹﺤﺼﺎء ﻫو اﻷﺴﺎس ﻓﻲ ﻜل‬
‫اﻝﻌﻠوم‪.‬‬

‫• ﻤﺎ ﻫﻲ وظﻴﻔﺔ ﻋﻠم اﻹﺤﺼﺎء) ﺒﻤﺎذا ﻴﻬﺘم ﻋﻠم اﻹﺤﺼﺎء(‪:‬‬

‫ﻴﻬﺘم ﻋﻠم اﻹﺤﺼﺎء ﺒﺸﻜل أﺴﺎﺴﻲ ﻓﻲ ﺠﻤﻊ وﺘﻨظﻴم وﺘﻠﺨﻴص وﻋرض وﺘﺤﻠﻴل وﺘﻔﺴﻴر وﻨﺸر‬
‫اﻝﺒﻴﺎﻨﺎت اﻹﺤﺼﺎﺌﻴﺔ‪.‬‬

‫‪ -2‬ﺍﻟﺒﻴﺎﻧﺎﺕ ‪:Data‬‬

‫ﻫﻲ ﺠزء ﻤن اﻝﻤﻌﻠوﻤﺎت اﻝﻤوﺜوق واﻝﻤدﻋم ﺒﺎﻷرﻗﺎم أو ﻤﻌﻠوﻤﺎت ﺘﻜون ﻤرﺘﺒﺔ وﻤﻨظﻤﺔ‬
‫وﻤﺨزﻨﺔ ﺒطرﻴﻘﺔ ﺴﻬﻠﺔ اﻝﺘداول و اﻝﻔﻬم واﻝﺘﻔﺴﻴر وﻤدﻋﻤﺔ ﺒﺎﻷرﻗﺎم وﻴﻤﻜن ﺘﺤﻠﻴﻠﻬﺎ وﺘﻔﺴﻴرﻫﺎ‬
‫وﻝﻴﺴت ﻜل اﻝﻤﻌﻠوﻤﺎت ﺒﻴﺎﻨﺎت‪.‬‬

‫ﻝﻤﺎذا ﻴﻌﺘﺒر ﻋﻠم اﻹﺤﺼﺎء ﻀروري ﻝﻜل اﻝﻌﻠوم؟‪:‬‬

‫ﻜل ﻋﻠم ﻤن اﻝﻌﻠوم ﻓﻴﻪ ﺒﻴﺎﻨﺎت وﻴﺘﻌﺎﻤل ﻤﻊ اﻝﺒﻴﺎﻨﺎت وﺒﺎﻝﺘﺎﻝﻲ ﻨﺤﺘﺎج إﻝﻰ اﻹﺤﺼﺎء ﻝﻴﻘوم‬
‫ﺒﻤﻌﺎﻝﺠﺔ وﺘﺤﻠﻴل وﺘﻘﻴﻴم وﺘﻔﺴﻴر اﻝﺒﻴﺎﻨﺎت ‪.‬‬
‫أو ﺒﺘﻌﺒﻴر أﺨر ﻜل اﻝﻌﻠوم أﺴﺎﺴﻬﺎ اﻝﺒﻴﺎﻨﺎت وﻫﻲ ﺘﺤﺘﺎج إﻝﻰ دراﺴﺎت وأﺒﺤﺎث ﺘطﺒﻴﻘﻴﺔ‬
‫واﺨﺘﺒﺎرات وﻜل ﺒﺤث أو اﺨﺘﺒﺎر أو ﺘﺠرﺒﺔ ﻴﺤﺘﺎج إﻝﻰ ﻋﻠم اﻹﺤﺼﺎء‪.‬‬

‫ﻤن أﻴن ﻨﺤﺼل ﻋﻠﻰ اﻝﺒﻴﺎﻨﺎت‪:‬؟‬

‫‪ -1‬ﺘﺄﺘﻲ اﻝﺒﻴﺎﻨﺎت ﺒﺸﻜل أﺴﺎﺴﻲ ﻤن ﻤراﻗﺒﺔ اﻝظواﻫر وﻤﺸﺎﻫدة اﻝظواﻫر اﻝﻤوﺠودة ﺒﺎﻝطﺒﻴﻌﺔ‪.‬‬

‫‪ -2‬ﻤن ﺨﻼل إﺠراء اﻝﺘﺠﺎرب واﻻﺨﺘﺒﺎرات‪.‬‬

‫‪-3‬ﻤن ﺨﻼل اﻷﺒﺤﺎث واﻝدراﺴﺎت واﻝﻤﻘﺎﺒﻼت‪.‬‬

‫ء‪:‬‬ ‫ما‬ ‫وا د‬

‫‪-1‬ﻴﻤﻜن ﺘﺤﻠﻴل وﻤﻌﺎﻝﺠﺔ اﻝﺒﻴﺎﻨﺎت‪.‬‬

‫‪-2‬ﺘﻔﺴﻴر اﻝﻨﺘﺎﺌﺞ ﻝﻸﺒﺤﺎث واﻝﺘﺠﺎرب واﻻﺨﺘﺒﺎرات‪.‬‬

‫‪ -3‬اﻝﻜﺸف ﻋن ﺼﻼﺤﻴﺔ وﺠودة اﻝﺒﻴﺎﻨﺎت ﻷي ﺒﺤث وﻷي ﻤﻨﺘﺞ وﻷي ﺘﺠرﺒﺔ ﺠدﻴدة‪.‬‬

‫‪-4‬ﺘﻘﻴﻴم أو ﺘﻘوﻴم اﻷﺒﺤﺎث واﻝدراﺴﺎت‪.‬‬

‫‪ -3‬ﺍ ﺘﻤﻊ ‪:Populatıon‬‬

‫ﻋدد ﻻﻨﻬﺎﺌﻲ ﻤن اﻹﻓراد أو اﻝﻌﻨﺎﺼر اﻝﺘﻲ ﺘﺘﻌﺎﻴش ﻤﻊ ﺒﻌﻀﻬﺎ اﻝﺒﻌض وﺘﺘﻤﻴز ﺒﺨﺼﺎﺌص‬
‫وﻤواﺼﻔﺎت ﺘﻤﻴزﻫﺎ ﻋن ﺒﻘﻴﺔ اﻝﻤﺠﺘﻤﻌﺎت ﺤﻴث أﻨﻪ ﻝﻜل ﻤﺠﺘﻤﻊ ﺨﺼﺎﺌص وﻤﻤﻴزات ﺘﻤﻴزﻩ‬
‫ﻋن اﻝﻤﺠﺘﻤﻌﺎت اﻷﺨرى‪.‬‬

‫اﻝﻤﺠﺘﻤﻊ اﻝﺒﺸري ﻴﻘﺴم إﻝﻰ ﻤﺠﺘﻤﻌﺎت ﺼﻐﻴرة ) إﺤﺼﺎﺌﻴﺔ ( ﻫذا اﻝﻤﺠﺘﻤﻊ اﻹﺤﺼﺎﺌﻲ‬
‫ﻤﻌروف ﻋددﻩ وﺘﻤﻴزﻩ ﻤﺠﻤوﻋﺔ ﻤن اﻝﺼﻔﺎت اﻝزﻤﺎﻨﻴﺔ و اﻝﻤﻜﺎﻨﻴﺔ وﻫذا اﻝﻨوع ﻫو اﻝذي‬
‫ﻴﺴﺘﺨدم ﻓﻲ دراﺴﺎت اﻷﺒﺤﺎث‪.‬‬

‫أﻫم ﻤﻴزة ﻓﻲ اﻝﻤﺠﺘﻤﻊ اﻹﺤﺼﺎﺌﻲ ﻫو ﻋدد اﻷﻓراد )‪ (n‬واﻝﻤﺘوﺴط )‪.(X‬‬

 ‫‪ -4‬ﺍﻟﻌﻴﻨﺔ ‪:Sample‬‬

‫ﻫﻲ ﺠزء ﻤن اﻝﻤﺠﺘﻤﻊ ﻴﺠب أﻻ ﻴﻘل ﻋدد أﻓرادﻫﺎ ﻋن )‪ ( % 10 – 2‬ﻤن ﻋدد أﻓراد‬

‫ﻭﺗﻮﺟﺪ ﻣﻨﻬﺎ ﺍﻷﻧﻮﺍﻉ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫اﻝﻤﺠﺘﻤﻊ وﻫﻲ ﺘؤﺨذ ﺒطرﻴﻘﺔ ﻋﺸواﺌﻴﺔ‬

‫أ‪ -‬اﻝﻌﻴﻨﺔ اﻝﻌﺸواﺌﻴﺔ اﻝﺒﺴﻴطﺔ‪:‬‬

‫ﻫﻲ أﺼﻐر وأﺒﺴط أﻨواع اﻝﻌﻴﻨﺎت ﺘؤﺨذ ﺒطرﻴﻘﺔ ﻋﺸواﺌﻴﺔ وﻴﺠب أن ﻻ ﻴﻘل ﻋدد أﻓرادﻫﺎ ﻋن‬
‫)‪ (30‬ﻓرد أو ﻋﻨﺼر‪.‬‬

‫ب‪ -‬اﻝﻌﻴﻨﺔ اﻝﻌﺸواﺌﻴﺔ اﻝطﺒﻘﻴﺔ‪:‬‬

‫وﻫﻲ ﺘؤﺨذ ﻤن اﻝﻤﺠﺘﻤﻊ إذا ﻜﺎن ﻋﻠﻰ ﺸﻜل طﺒﻘﺎت أو إذا ﻜﺎن اﻝﻬدف ﻫو دراﺴﺔ طﺒﻘﺎت‬
‫اﻝﻤﺠﺘﻤﻊ‪.‬‬

‫ﻣﺜﺎﻝ‪ :‬اﻝﻤﺠﺘﻤﻊ اﻝﻌرﺒﻲ طﺒﻘﺎت ﻤن ﻨﺎﺤﻴﺔ اﻝﻐﻨﻰ ) طﺒﻘﺔ اﻷﺜرﻴﺎء – طﺒﻘﺔ اﻷﻏﻨﻴﺎء –‬
‫طﺒﻘﺔ اﻝوﺴط – طﺒﻘﺔ اﻝﻔﻘراء – طﺒﻘﺔ اﻝﻤﻌدﻤﻴن (‪.‬‬

‫ﻋﻨد دراﺴﺔ اﻝﻤﺠﺘﻤﻊ ‪ :‬ﻤن ﻜل طﺒﻘﺔ ﻨﺄﺨذ ﻋﻴﻨﺔ ﺤﺴب ﺤﺠم اﻝطﺒﻘﺔ ‪.‬‬

‫ج‪ -‬اﻝﻌﻴﻨﺔ اﻝﻌﺸواﺌﻴﺔ اﻝﻤﻨﺘظﻤﺔ‪:‬‬

‫ﺘؤﺨذ ﺒطرﻴﻘﺔ ﻋﺸواﺌﻴﺔ وﻝﻜن ﻓﻲ ﻓﺘرات ﻤﻨﺘظﻤﺔ أو ﻤن أﻤﺎﻜن ﻤﻨﺘظﻤﺔ‪.‬‬

‫ﻣﺜﺎﻝ‪ :‬إذا أردﻨﺎ أﺨذ ﻋﻴﻨﺎت ﻤن ﻤﺠﺘﻤﻊ ﻤﻌﻴن ﻤﺜﻼً ﺸرﻜﺔ ﺘﻨﺘﺞ ﻤﻌﺠون أﺴﻨﺎن وأردﻨﺎ‬
‫اﺨﺘﺒﺎر اﻝﻤﻨﺘﺠﺎت ﻓﻨﻘوم ﻤﺜﻼ ﺒﺄﺨذ اﻝﻌﻴﻨﺎت ﻜل ﺴﺎﻋﺔ أو ﻜل ﻴوم أو ﻜل أﺴﺒوع ‪.‬‬
 ‫د‪ -‬اﻝﻌﻴﻨﺎت اﻝﻌﺸواﺌﻴﺔ اﻝﻌﻨﻘودﻴﺔ‪:‬‬

‫ﺘؤﺨذ إذا ﻜﺎن اﻝﻤﺠﺘﻤﻊ ﻤرﺘب ﺒطرﻴﻘﺔ ﻋﻨﻘودﻴﺔ أو ﻜﺎن ﻋﻠﻰ ﺸﻜل ﺘﻨظﻴﻤﺎت ﻫرﻤﻴﺔ ‪.‬‬

‫ﻣﺜﺎﻝ‪:‬اﻝﺘﻨظﻴم اﻹداري ﻝﻠﻤﺤﺎﻓظﺎت ﻓﻲ ﺴورﻴﺔ ) ﻤﺤﺎﻓظﺔ– ﻤدﻴﻨﺔ – ﻤﻨطﻘﺔ – ﻨﺎﺤﻴﺔ –‬

‫ﻗرﻴﺔ (‪.‬‬

‫ﻣﺜﺎﻝ‪:‬اﻝﺘﻨظﻴم ﻓﻲ اﻝﺠﺎﻤﻌﺎت ) اﻝﺠﺎﻤﻌﺔ – اﻝﻜﻠﻴﺔ – اﻝﺴﻨوات اﻝدراﺴﻴﺔ –اﻝﺸﻌب‪ -‬اﻝﻔﺌﺎت –‬

‫اﻝﻤﺠﻤوﻋﺎت (‪.‬‬

‫‪ -5‬ﺍﳌﺘﻐﲑﺍﺕ )ﺍﳌﺘﺤﻮﻻﺕ( ‪:V arıable‬‬

‫ﻫﻲ ﺘواﺒﻊ ذات ﻗﻴم ﻤﺘﻐﻴرة ﺘﺘﻌﻠق داﺌﻤﺎً ﺒﺼﻔﺔ ﻤﻌﻴﻨﺔ ﻭﻫﻲ ﻋﻠﻰ ﻧﻮﻋﲔ‪:‬‬

‫– ب‪-‬اﻝﻤﺘﻐﻴرات اﻝﻨوﻋﻴﺔ‪.‬‬ ‫أ‪-‬اﻝﻤﺘﻐﻴرات اﻝﻜﻤﻴﺔ‪.‬‬

‫أ‪ -‬اﻝﻤﺘﻐﻴرات اﻝﻜﻤﻴﺔ‪:‬‬

‫وﻴﻤﻜن‬ ‫ﻫﻲ اﻝﻤﺘﻐﻴرات اﻝﺘﻲ ﻗﻴﺎﺴﻬﺎ ﺒﺎﻝﻘﻴﺎﺴﺎت اﻝﻤﻌروﻓﺔ ﻤﺜل اﻝطول واﻝوزن واﻝﺤﺠم‬
‫اﻝﺘﺤﻜم ﺒﻬﺎ‪.‬‬

‫ب‪ -‬اﻝﻤﺘﻐﻴرات اﻝﻨوﻋﻴﺔ‪:‬‬

‫ﻫﻲ اﻝﻤﺘﻐﻴرات اﻝﺘﻲ ﻻ ﻴﻤﻜن ﻗﻴﺎﺴﻬﺎ ﺒﺎﻝطرق اﻝﻤﻌروﻓﺔ وﻫﻲ ﻋﺒﺎرة ﻋن ﺘدرﻴﺠﺎت أو‬
‫ﻤﺴﺘوﻴﺎت ﻤﺜل اﻝﻠون أو درﺠﺔ اﻝذﻜﺎء‪.‬‬

‫و ن‪:‬‬ ‫لإ‬ ‫ثا‬ ‫رات ن‬ ‫ما‬ ‫ن‬

‫أ‪ -‬اﻝﻤﺘﻐﻴرات اﻝﻌﺸواﺌﻴﺔ‪:‬‬

‫ﻫﻲ اﻝﻤﺘﻐﻴرات اﻝﺘﻲ ﻻ ﻴﻤﻜن اﻝﺘﺤﻜم ﺒﻬﺎ )ﻤﺜل‪ :‬درﺠﺔ اﻝﺤ اررة – ﻨﺴﺒﺔ اﻝرطوﺒﺔ – ﺴرﻋﺔ‬
‫اﻝرﻴﺎح(‪.‬‬
 ‫ب‪ -‬اﻝﻤﺘﻐﻴرات اﻝﻼﻋﺸواﺌﻴﺔ )اﻝﻨظﺎﻤﻴﺔ (‪:‬‬

‫ﻴﻤﻜن اﻝﺘﺤﻜم ﺒﻬﺎ وﺘﺤدﻴدﻫﺎ ﻤﺴﺒﻘﺎً)ﻤﺜل ﻜﻤﻴﺔ اﻝﺴﻤﺎد اﻝﻤﻀﺎﻓﺔ ‪ ،‬ﺠرﻋﺎت ﻤن اﻝدواء‬
‫اﻝﻤﺄﺨوذة‪،‬ﻋدد اﻝرﻴﺎت(‪.‬‬

‫‪ -6‬ﺍﻟﺼﻔﺔ ﺍﳌﺪﺭﻭﺳﺔ ‪:category‬‬

‫ﻫﻲ اﻝﺼﻔﺔ اﻝﺘﻲ ﻴﺨﺘﺎرﻫﺎ اﻝﺒﺎﺤث ﻝﻴدرس ﺘﻐﻴرات ﻫذﻩ اﻝﺼﻔﺔ أﺜﻨﺎء اﻝﺘﺠرﺒﺔ أو اﻻﺨﺘﺒﺎر‪.‬‬

‫ﻣﺜﺎﻝ‪:‬ﻤن اﻝﺼﻔﺎت اﻝﻤدروﺴﺔ ) ﺼﻔﺔ اﻹﻨﺘﺎج أو اﻹﻨﺘﺎﺠﻴﺔ – طول اﻝﻨﺒﺎت – ﻝون اﻝﺜﻤرة –‬
‫ﺤﺠم اﻝﺜﻤرة(‪.‬‬

‫‪ -7‬ﺍﻟﻘﻴﻤﺔ ﺍﻹﺣﺼﺎﺋﻴﺔ ‪:Value‬‬

‫ﻫﻲ اﻝﻘﻴﺎس أو اﻝرﻗم اﻝذي ﻨﺤﺼل ﻋﻠﻴﻪ ﻋﻨد ﻗﻴﺎس اﻝﺼﻔﺔ اﻝﻤدروﺴﺔ وﻤﺠﻤوع اﻝﻘﻴم‬
‫اﻹﺤﺼﺎﺌﻴﺔ ﻨﺴﻤﻴﻬﺎ اﻝﺒﻴﺎﻨﺎت )‪.(Data‬‬

‫‪ -8‬ﺍﻟﺘﻮﺯﻳﻊ ‪:Distribution‬‬

‫ﻫو طرﻴﻘﺔ ﺘوزع اﻝﻘﻴم اﻹﺤﺼﺎﺌﻴﺔ أو طرﻴﻘﺔ ﺘوزع اﻝﺒﻴﺎﻨﺎت ﻝﻠﻤﺠﺘﻤﻊ أو اﻝﻌﻴﻨﺔ واﺤﺘﻤﺎﻻﺘﻬﺎ‪.‬‬

‫• ﻝدﻴﻨﺎ ﺜﻼث أﻨواع ﻤن اﻝﺘوزﻴﻌﺎت‪:‬‬

‫‪ -1‬اﻝﺘوزﻴﻊ اﻝﺜﻨﺎﺌﻲ‪:‬ﻫو اﻝﺘوزﻴﻊ اﻝذي ﻴﻤﺜل ﻗﻴم ﻤن ﻨوﻋﻴن ﻓﻘط أو اﺤﺘﻤﺎﻝﻴن ﻓﻘط ﻤﺜل‬
‫)ﺼﺢ‪،‬ﺨطﺄ(‪.‬‬

‫‪ -2‬اﻝﺘوزﻴﻊ اﻝطﺒﻴﻌﻲ‪:‬ﻫذا اﻝﺘوزﻴﻊ ﻴﻤﺜل ﺘوزﻴﻊ ﻗﻴم اﻝﻤﺠﺘﻤﻌﺎت اﻝطﺒﻴﻌﻴﺔ ﻤﺜل اﻝﻤﺠﺘﻤﻊ‬
‫اﻝﺒﺸري‪.‬‬

‫‪-‬ا ز زل –‬ ‫ا وادث ا درة )ا‬ ‫وز‬ ‫‪ -3‬ﺘوزﻴﻊ ﺒواﺴون‪ :‬ﻴﻤﺜل ﻫذا اﻝﺘوز‬
‫ا را ن(‪.‬‬
 ‫============= ﻧﻬﺎﻳﺔ ﺍﶈﺎﺿﺮﺓ ﺍﻷﻭﱃ==============‬

‫د‪ .‬ﻤرﻫﺞ دﺒﻴﺎت‬

‫ﺍﻟﺘﺤﻠﻴﻞ ﺍﻹﺣﺼﺎﺋﻲ‪Data analysıs‬‬

‫ﺗﻌﺎﺭﻳﻒ ﻭﻣﺼﻄﻠﺤﺎﺕ‪:‬‬

‫اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ‪ :‬ﻴﻌﻨﻲ ﺘﺤﻠﻴل اﻝﺒﻴﺎﻨﺎت وﻫو ﺘرﺘﻴب وﺘﺒوﻴب اﻝﺒﻴﺎﻨﺎت وﻤن ﺜم ﺤﺴﺎب‬
‫اﻝﻤؤﺸرات اﻝوﺼﻔﻴﺔ ﻝﻬﺎ ﺒﺎﻹﻀﺎﻓﺔ إﻝﻰ ﺘطﺒﻴق ﺘﺤﺎﻝﻴل واﺨﺘﺒﺎرات أﺨرى ﻤن أﺠل ﺘﻔﺴﻴر‬
‫وأﺨﻴ ار ﺘﻌﻤﻴﻤﻬﺎ‬ ‫اﻝﻨﺘﺎﺌﺞ وﻋرﻀﻬﺎ ﺒطرﻴﻘﺔ ﻤﻔﻬوﻤﺔ ﺒﺎﻻﺴﺘﻌﺎﻨﺔ ﺒوﺴﺎﺌل اﻝﻌرض اﻝﺒﻴﺎﻨﻲ‬
‫وﻨﺸرﻫﺎ‪.‬‬

‫اﻝﻤراﺤل اﻷﺴﺎﺴﻴﺔ ﻝﻠﺒﺤث )أو اﻝﺘﺠرﺒﺔ( اﻹﺤﺼﺎﺌﻲ‪:‬‬

‫أو ً‪ -‬ر ‪ %‬ا ‪$‬ط ط‪ :‬وﻀﻊ اﻝﺨطﺔ ﻹﺠراء اﻝﺒﺤث‪.‬‬

‫ﻤﺎذا ﺘﺘﻀﻤن ﺨطﺔ اﻝﺒﺤث؟‪:‬‬

‫‪ -1‬ﻋرض اﻝﻤﺸﻜﻼت )ﻤﺸﻜﻼت اﻝﺒﺤث(‪:‬‬

‫وﻓﻴﻬﺎ ﻴﺘم ﺘﻘدﻴم ﻋرض ﻤﺨﺘﺼر وﻤرﻜز ﺤول ﻤﺸﻜﻠﺔ اﻝﺒﺤث ﺒﺤﻴث ﻴﺘم ﺘﺴﻠﻴط اﻝﻀوء ﻋﻠﻰ‬
‫اﻝﻤﺸﻜﻠﺔ اﻝﻌﻠﻤﻴﺔ اﻝﺘﻲ ﻴﺘﻤﺤور ﺤوﻝﻬﺎ اﻝﺒﺤث‪.‬‬

‫‪ -2‬ﺘﺤدﻴد أﻫداف اﻝﺒﺤث‪:‬‬

‫وﻫﻨﺎ ﻴﺘم ﺼﻴﺎﻏﺔ اﻷﻫداف ﺒدﻗﺔ ﻋﻠﻤﻴﺔ إﻝﻰ أﻗﺼﻰ ﺤد ﻤﻤﻜن وﻴﻔﻀل أن ﺘﺘم ﺼﻴﺎﻏﺔ‬
‫اﻷﻫداف ﻋﻠﻰ ﺸﻜل أﺴﺌﻠﺔ واﻀﺤﺔ وﻤﺨﺘﺼرة ودﻗﻴﻘﺔ وﻻ ﻴوﺠد ﻋدد ﻤﺤدد ﻝﻸﻫداف ﻤن‬
‫اﻝﻤﻤﻜن أن ﻴﻜون ﻋدد اﻷﻫداف )‪ (........ - 4 – 3 – 2 – 1‬وذﻝك ﺤﺴب رﻏﺒﺔ‬
‫اﻝﺒﺎﺤث‪.‬‬

‫‪ -3‬ﺘﺤدﻴد اﻝﻤﺎدة اﻝﺘﺠرﻴﺒﻴﺔ ‪:‬‬

‫ﻫﻲ ﻤﺎدة اﻝﺘﺠرﺒﺔ اﻝﺘﻲ ﺘطﺒق ﻋﻠﻴﻬﺎ اﻷﻫداف اﻻﺨﺘﺒﺎرات واﻝﻤﻌﺎﻤﻼت اﻝﻤطﻠوﺒﺔ‪.‬‬

‫‪ -4‬اﻝﻔرﻀﻴﺎت اﻹﺤﺼﺎﺌﻴﺔ‪:‬‬

‫ﻴﺘم ﺘﺤدﻴد اﻝﻔرﻀﻴﺎت اﻹﺤﺼﺎﺌﻴﺔ طﺒﻘﺎً ﻷﻫداف اﻝﺒﺤث وﻫﻲ ﻓﻲ اﻝواﻗﻊ ﻋﺒﺎرة ﻋن ﺘﻌﺒﻴر‬
‫رﻴﺎﻀﻲ أو ﺘﻌﺒﻴر ﺒطرﻴﻘﺔ رﻴﺎﻀﻴﺔ ﻋن اﻷﻫداف وﻴﺘم ﻫﻨﺎ ﺘﺤدﻴد اﻝﻔرﻀﻴﺎت اﻷوﻝﻴﺔ واﻝﺒدﻴﻠﺔ‬
‫ﻝﻬﺎ ﻓﻲ ﺤﺎل ﺘم رﻓﻀﻬﺎ ‪.‬‬

‫‪ -5‬ﺘﺤدﻴد اﻝﻤﺘﻐﻴرات أو اﻝﻌواﻤل اﻝﻤطﻠوب دراﺴﺘﻬﺎ ﻤن اﻝﺒﺤث‪.‬‬

‫ﺘﺤدد اﻝﻌواﻤل ﻓﻲ اﻝﺒﺤث ﻤن ﺨﻼل ﺘﺤدﻴد اﻝﻤؤﺜرات ﻋﻠﻰ اﻝﻤﺎدة اﻝﺘﺠرﻴﺒﻴﺔ وﺘﺤدﻴد‬
‫ﻨوﻋﻬﺎ )ﻫل ﻫﻲ ﻜﻤﻴﺔ أم ﻨوﻋﻴﺔ( وﻫل ﻫﻲ ﻋﺸواﺌﻴﺔ أم ﻻ ﻋﺸواﺌﻴﺔ‪.‬‬

‫‪ -6‬اﻝﻤﻌﺎﻤﻼت‪:‬‬

‫ﻫﻲ ﻋﺒﺎرة ﻋن أﺸﻜﺎل أو ﻜﻤﻴﺎت أو ﺘدرﺠﺎت أو أﻨواع أو رﻤوز ﻝﻠﻌواﻤل واﻝﻤﺘﻐﻴرات ﻓﻲ‬
‫اﻝﺒﺤث‪.‬‬

‫‪ -7‬اﻝﻤﻜررات‪:‬‬

‫ﻫﻲ ﻋﺒﺎرة ﻋن ﻋدد ﻤرات ﺘﻜرار اﻝﻤﻌﺎﻤﻼت ﻓﻲ اﻝﺒﺤث أي ﻜم ﻤرة ﻨﺤﺘﺎج إﻝﻰ إﻋﺎدة‬
‫اﻝﻤﻌﺎﻤﻼت ﻓﻲ اﻝﺘﺠرﺒﺔ‪.‬‬
 ‫‪ -8‬اﻝﺼﻔﺔ اﻝﻤﺨﺘﺎرة )اﻝﺼﻔﺔ اﻝﻤدروﺴﺔ (‪:‬‬

‫وﻫﻲ اﻝﺼﻔﺔ اﻝﺘﻲ ﻴﺨﺘﺎرﻫﺎ اﻝﺒﺎﺤث ﻴراﻗب ﺘﻐﻴرات ﻗﻴم ﻫذﻩ اﻝﺼﻔﺔ ﺨﻼل ﻓﺘرة اﻝﺒﺤث‪.‬وﻫﻲ اﻤﺎ‬
‫أن ﺘﻜون ﺼﻔﺔ ﻜﻤﻴﺔ أو ﻨوﻋﻴﺔ وﻋﺎدة ﻴﺘم ﺘﺤوﻴل اﻝﻨوع اﻝﺜﺎﻨﻲ اﻝﻰ ﻨوع ﻜﻤﻲ ﺤﺘﻰ ﻴﺼﺒﺢ‬

‫اﻝﺘﺤﻠﻴل واﻝﺘﻘوﻴم ﻝﻬﺎ ﻤﻤﻜﻨﺎً‬

‫‪ -9‬اﻝﻤﺠﺎل اﻝﺘﺠرﻴﺒﻲ ‪:‬‬

‫وﻫو اﻝﻤﺠﺎل اﻝذي ﻴﺘم ﺘﺠرﺒﺔ اﻝﻤﻌﺎﻤﻼت ﻀﻤﻨﻪ وﻫذا اﻝﻤﺠﺎل ﻴﻤﻜن أ ن ﻴﻜون ﻜﻤﻲ أو‬
‫ﻨوﻋﻲ ﺒﺤﺴب ﻨوع اﻝﻤﺘﻐﻴرات أو اﻝﻌواﻤل اﻝﻤدروﺴﺔ ﻝﻠﺒﺤث‪.‬‬

‫‪ -10‬ﺤﺠم اﻝﻌﻴﻨﺔ أو اﻝﺘﺠرﺒﺔ‪:‬‬

‫ﻴرﻤز ﻝﻪ ﺒﺎﻝرﻤز )‪ (n‬وﻫو ﻴﺴﺎوي ﺠداء ﻋدد اﻝﻤﻌﺎﻤﻼت )‪(t‬ﻓﻲ ﻋدد اﻝﻤﻜرارت)‪.(r‬‬

‫‪n= r * t‬‬

‫‪ -11‬اﻝدﻗﺔ ‪:‬‬

‫وﻫﻲ اﻝدﻗﺔ اﻝﻤطﻠوﺒﺔ اﻝﺘﻲ ﻴﺠب أن ﺘﺘوﻓر ﺨﻼل اﻝﺒﺤث أو اﻝﺘﺠرﺒﺔ وﻫذﻩ اﻝدﻗﺔ ﺘﺨﺘﻠف‬
‫‪ 1%‬أو ‪ 5%‬وﻝﻜن ﻨﺎد ار ﻤﺎ ﺘﻜون ‪ 10‬أو‬ ‫ﺒﺤﺴب ﻨوع اﻝﺒﺤث أو اﻝﺘﺠرﺒﺔ وﻫﻲ ﻋﺎدة إﻤﺎ‬
‫‪. 25%‬‬

‫‪ -12‬اﻝﺘﺤﺎﻝﻴل واﻻﺨﺘﺒﺎرات اﻹﺤﺼﺎﺌﻴﺔ اﻝﻼزﻤﺔ‪.‬‬

‫ﻴﺘم اﺨﺘﻴﺎر اﻝﺘﺤﺎﻝﻴل واﻻﺨﺘﺒﺎرات اﻹﺤﺼﺎﺌﻴﺔ اﻝﻼزﻤﺔ ﺤﺴب أﻫداف اﻝﺘﺠرﺒﺔ وﻫذﻩ ﺘﺤﺘﺎج‬
‫ﻋﺎدة اﻝﻰ ﺨﺒرة أو ﺒﺎﻻﺴﺘﻌﺎﻨﺔ ﺒﺎﻻﺨﺘﺼﺎﺼﻴﻴن ﻓﻲ اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ‪.‬‬

‫‪ -13‬اﻝﺘﺼﻤﻴم اﻝرﻴﺎﻀﻲ‪:‬‬
‫ﻝﻜل ﺘﺠرﺒﺔ ﺘﺼﻤﻴم وﺴﻴﺘم دراﺴﺔ اﻝﺘﺼﺎﻤﻴم اﻝﺘﺠرﻴﺒﻴﺔ ﻓﻲ ﻤﻘرر ﻜﺎﻤل أﺴﻤﻪ ﺘﺼﻤﻴم‬
‫اﻝﺘﺠﺎرب‪.‬‬

‫‪ -14‬اﻝﻤﻼﺤظﺎت ‪ :Notıce‬وﻴﺘم ﻫﻨﺎ ﻜﺘﺎﺒﺔ أﺴم اﻝﺒﺎﺤث وﻓرﻴق اﻝﻌﻤل ﺒﺎﻹﻀﺎﻓﺔ إﻝﻰ‬
‫ﻤواﻋﻴد ﺘﺘﻌﻠق ﺒﺎﻝﺒﺤث وﻤﻼﺤظﺎت أﺨرى‪.‬‬

‫ً‬
‫ﺛﺎﻧﻴﺎ‪ -‬ﲢﻠﻴﻞ ﺍﻟﺒﻴﺎﻧﺎﺕ ‪:‬‬

‫ﻴوﺠد ﻝﻠﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ ﻨوﻋﺎن‪:‬‬

‫‪:Primary‬‬ ‫ا و‬ ‫ا‬ ‫‪ -1‬ا‬

‫ﻨﺤﺘﺎج داﺌﻤﺎً إﻝﻰ إﺠراء ﺘﺤﻠﻴل إﺤﺼﺎﺌﻲ أوﻝﻲ ﻝﻜل اﻝﺒﻴﺎﻨﺎت اﻝﺘﺠرﻴﺒﻴﺔ أو ﺒﻴﺎﻨﺎت ﺒﺤث ﻤﻌﻴن‪.‬‬

‫ﻤﺎذا ﻴﺸﻤل اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻷوﻝﻲ‪:‬‬

‫‪-1‬وﺼف اﻝﺒﻴﺎﻨﺎت ﺒﺸﻜل ﻨظري‪.‬‬

‫‪ -2‬ﺤﺴﺎب اﻝﻤؤﺸرات اﻹﺤﺼﺎﺌﻴﺔ اﻷﺴﺎﺴﻴﺔ ‪Descriptive Statistics‬‬

‫وﺘﺘﻀﻤن اﻝﻤؤﺸرات اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫• أ‪-‬اﻝﻤﺘوﺴط أو اﻝﻤﻌدل اﻝﺤﺴﺎﺒﻲ ‪ Main‬أو ‪.Average‬‬

‫• ب‪-‬اﻝوﺴﻴط اﻝﺤﺴﺎﺒﻲ ‪.Median‬‬

‫• ج‪-‬اﻝﻤﻨوال أو اﻝﻘﻤﺔ ‪.Mode‬‬

‫• د‪-‬اﻝﺨطﺄ اﻝﻘﻴﺎﺴﻲ ‪.Standard Error‬‬

 ‫• ﻫـ‪-‬اﻝﺘﺒﺎﻴن أو اﻝﺘﺸﺘت ‪.Variation‬‬

‫• و‪-‬ﻤﻌﺎﻤل اﻻﺨﺘﻼف ‪.Coeffıcıent of Varıation‬‬

‫‪ -3‬إﻨﺸﺎء ﺠدول اﻝﺘوزﻴﻊ اﻝﺘﻜراري‪.‬‬

‫‪-4‬اﻝﻌرض اﻝﺒﻴﺎﻨﻲ ﻝﻠﺒﻴﺎﻨﺎت‪.‬‬

‫دم ‪ : Advanced‬و ' ل‪:‬‬ ‫&ا‬ ‫&ا‬ ‫‪ -2‬ا‬

‫أ‪ -‬اﻝﺒﺤث ﻋن اﻝﺘوزﻴﻊ اﻝرﻴﺎﻀﻲ اﻝﻤﻨﺎﺴب ﻝﻠﺒﻴﺎﻨﺎت واﺨﺘﺒﺎر ﻤدى ﺼﻼﺤﻴﺔ اﻝﺒﻴﺎﻨﺎت‬
‫ﺒﺎﺴﺘﺨدام اﻻﺨﺘﺒﺎرات اﻝﻤﻨﺎﺴﺒﺔ وﻤﻌﺎﻝﺠﺔ اﻝﻘﻴم اﻝﺸﺎذة واﻝﻤﻔﻘودة‪.‬‬

‫ب‪-‬ﺘطﺒﻴق اﻝﺘﺤﺎﻝﻴل اﻹﺤﺼﺎﺌﻴﺔ اﻝﻼزﻤﺔ ﻤﺜل‪ ):‬ﺘﺤﻠﻴل اﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك –اﻝﺘﺤﻠﻴل اﻝﻌﻨﻘودي‬
‫– ﺘﺤﻠﻴل اﻝﺼﻔوف (‪.‬‬

‫ج‪-‬اﺴﺘﺨراج أو اﺴﺘﻨﺘﺎج اﻝﻨﻤوذج اﻝرﻴﺎﻀﻲ اﻝﻤﻨﺎﺴب ﻝﻠﺒﻴﺎﻨﺎت‪.‬‬

‫د‪-‬ﺘطﺒﻴق اﻻﺨﺘﺒﺎرات اﻹﺤﺼﺎﺌﻴﺔ اﻝﻼزﻤﺔ ﻤﺜل‪ ):‬اﻻﺨﺘﺒﺎرات اﻝﻤﻌﻨوﻴﺔ – اﺨﺘﺒﺎرات ﻤﻘﺎرﻨﺔ‬

‫اﻝﻤﺘوﺴطﺎت –اﺨﺘﺒﺎرات إﻀﺎﻓﻴﺔ ﻤﺘﻌددة (‪.‬‬

‫ﻫـ‪-‬ﺘﺤﻠﻴل أو دراﺴﺔ اﻝﻌﻼﻗﺎت ﺒﺎﺴﺘﺨدام اﻝﺘﺤﺎﻝﻴل اﻝﻤﻌروﻓﺔ ﻤﺜل‪ ):‬ﺘﺤﻠﻴل اﻻﻨﺤدار‬

‫واﻻرﺘﺒﺎط(‪.‬‬

‫ﻣﻼﺣﻈﺔ‪:‬‬
‫داﺌﻤﺎً ﻴﻠزﻤﻨﺎ إﺠراء اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻷوﻝﻲ أﻤﺎ اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻝﻤﺘﻘدم ﻓﻴﺘم اﺴﺘﺨداﻤﻪ‬
‫ﻋﻨد اﻝﻀرورة إذا ﻜﺎﻨت اﻝﺒﻴﺎﻨﺎت أو أﻫداف اﻝﺒﺤث ﺘﺤﺘﺎج ﻝذﻝك‪.‬‬

‫ﻓﻴﻤﺎ ﻴﻠﻲ ﺴﻴﺘم ﺸرح ﺨطوات اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻷوﻝﻲ ﺒﺎﻝﺘﻔﺼﻴل‪:‬‬

‫ﻴﺸﻤل اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻷوﻝﻲ‪:‬‬

‫‪ .1‬وﺼف اﻝﺒﻴﺎﻨﺎت ﺒﺸﻜل ﻨظري وﻫو ﻴﻌﻨﻲ وﺼف ﻨوع وطرﻴﻘﺔ ﺠﻤﻊ اﻝﺒﻴﺎﻨﺎت‬
‫ﺒﺎﻹﻀﺎﻓﺔ إﻝﻰ اﻷﺴﺎﻝﻴب واﻝطرق اﻝﻤﺴﺘﺨدﻤﺔ ﻓﻲ ﺘرﺘﻴب وﺠﻤﻊ اﻝﺒﻴﺎﻨﺎت ﻜﻤﺎ ﻴﺸﻤل‬
‫آﻝﻴﺎت اﻝوﺼول إﻝﻰ ﻤﺼﺎدر ﻫذﻩ اﻝﺒﻴﺎﻨﺎت إن ﻜﺎﻨت ﺘﻘﻠﻴدﻴﺔ أم أﻨﻬﺎ ﻤﺘطورة‪.‬‬
‫‪ .2‬اﻝﺘوزﻴﻊ اﻝﺘﻜراري ‪ :‬ﻫو ﻋﻤﻠﻴﺔ ﺘرﺘﻴب وﺘﻨظﻴم اﻝﺒﻴﺎﻨﺎت ﻓﻲ ﺠداول ﻨطﻠق ﻋﻠﻴﻬﺎ‬
‫ﺠدول اﻝﺘوزﻴﻊ اﻝﺘﻜراري ﺒﺤﻴث ﻴﻤﻜن إدارة وﻤﻌﺎﻝﺠﺔ اﻝﺒﻴﺎﻨﺎت ﺒطرﻴﻘﺔ ﺴﻬﻠﺔ ودﻗﻴﻘﺔ‬
‫ﺒدون ﻓﻘدان أي ﺘﻔﺎﺼﻴل ﻤﻬﻤﺔ ﻓﻲ اﻝﺒﻴﺎﻨﺎت‪.‬‬
‫‪ .3‬ﺤﺴﺎب اﻝﻤؤﺸرات اﻹﺤﺼﺎﺌﻴﺔ ﻝﻠﻌﻴﻨﺔ أو اﻝﻌﻴﻨﺎت اﻝﻤﺘوﻓرة ﻗﻴد اﻝﺘﺤﻠﻴل وﻤن ﻗم ﺤﺴﺎب‬
‫ﻤؤﺸرات وﺼﻔﻴﺔ ﺘﻘدﻴرﻴﺔ ﻝﻠﻤﺠﺘﻤﻊ اﻝذي أﺨذت ﻤﻨﻪ اﻝﻌﻴﻨﺎت‪.‬‬
‫‪ .4‬إﻨﺸﺎء اﻝﻌروض اﻝﺒﻴﺎﻨﻴﺔ ‪ .‬وﻫﻨﺎ ﻴﻔﻀل اﺴﺘﺨدام اﻝرﺴوم اﻝﺒﻴﺎﻨﻴﺔ اﻝﺘﻲ ﺘوﻀﺢ اﻝﻐﺎﻴﺔ‬
‫ﻤن اﻝﺒﺤث أو اﻝﺘﺠرﺒﺔ ﺒﺸﻜل واﻀﺢ وذﻝك ﺤﺴب اﻝﻤﺠﺎل اﻝذي ﺴﺘﺴﺘﺨدم اﻝﺒﻴﺎﻨﺎت‬
‫ﻓﻴﻪ ﺴواء اﻝﻤﺠﺎل اﻝﻌﻠﻤﻲ أم اﻹرﺸﺎدي أم اﻝدﻋﺎﻴﺔ واﻹﻋﻼن‪.‬‬

‫ﻧﻬﺎﻳﺔ ﺍﶈﺎﺿﺮﺓ ﺍﻟﺜﺎﻧﻴﺔ‬

‫ﺍﳌﺆﺷﺮﺍﺕ ﺍﻹﺣﺼﺎﺋﻴﺔ‬
‫‪ -1‬ﻣﻘﺎﻳﻴﺲ ﺍﻟﻨﺰﻋﺔ ﺍﳌﺮﻛﺰﻳﺔ‪:‬‬
‫اﻝﻨزﻋﺔ اﻝﻤرﻜزﻴﺔ طﺒﻴﻌﺔ ﻋﺎﻤﺔ ﻝﻜل اﻝﻤﺠﺘﻤﻌﺎت أو ﻤﻴزة ﺘﻤﻴز ﻜل اﻝﻤﺠﺘﻤﻌﺎت اﻝطﺒﻴﻌﻴﺔ وﺘﻌﻨﻲ‬
‫اﻝﻨزﻋﺔ اﻝﻤرﻜزﻴﺔ رﻏﺒﺔ أو ﻨزوع اﻷﻓراد ﻓﻲ اﻝﻤﺠﺘﻤﻊ ﺤول اﻝﻤرﻜز أي ﻓﻲ ﻜل ﻤﺠﺘﻤﻊ ﻤن‬
‫اﻝﻤﺠﺘﻤﻌﺎت اﻝطﺒﻴﻌﻴﺔ ﻴﺤﺎول أﻓراد ﻫذا اﻝﻤﺠﺘﻤﻊ اﻝﺘﺠﻤﻊ ﺤول اﻝﻤرﻜز‪.‬‬
‫ﻤﺜﺎل‪:‬‬
‫ﻝوأﺨذﻨﺎ أطوال اﻝﻤﺠﺘﻤﻊ اﻝﺒﺸري ﻓﻲ ﺴورﻴﺎ ﻝو أﺨذاﻨﺎ أطوال ) ‪ ( 500‬ﺸﺨص ﻨﻼﺤظ أن‬
‫اﻷطوال ﺘﺘراوح ﺤول ﻤﺠﺎل ﻤﻌﻴن ) ‪ (180 – 150‬ﺴم ﺒﺸﻜل ﻋﺎم ‪.‬‬
‫اﻝﻤﺘوﺴط ﻝﻬذﻩ اﻷطوال أو اﻝﻤرﻜز ﻫو ) ‪ (165‬ﺴم ‪.‬‬
‫إذا ﻜﺎن ﻝدﻴﻨﺎ ) ‪ ( 500‬ﺸﺨص ﻨﻼﺤظ أن ) ‪ ( 400‬ﺸﺨص طوﻝﻪ ﻗرﻴب ﻤن ) ‪ (165‬ﺴم‬
‫وﻨﻼﺤظ ﻋدد ﻗﻠﻴل طوﻝﻪ ) ‪ ( 180‬ﺴم‪.‬‬
‫ﻤﺜﺎل أﺨر‪:‬‬
‫ﻝو أﺤذﺘﺎ ﻀﻐط اﻝدم ﻤﺜﻼً ﻋﻨد )‪ ( 500‬ﺸﺨص ﻨﻼﺤظ ﺤواﻝﻲ )‪ (400‬ﺸﺨص ﻴﻜون ﻀﻐط‬
‫اﻝدم ﻋﻨدﻫم )‪ (8 / 12‬وﻨﻼﺤظ ﺤواﻝﻲ ) ‪ ( 30‬ﺸﺨص ﻀﻐط اﻝدم ﻋﻨدﻫم ) ‪( 7/10‬‬
‫وﻨﻼﺤظ ﺤواﻝﻲ ) ‪ ( 70‬ﺸﺨص ﻀﻐط اﻝدم ﻋﻨدﻫم ) ‪.(9/14‬‬

‫ﻣﻘﺎﻳﻴﺲ ﺍﻟﻨﺰﻋﺔ ﺍﳌﺮﻛﺰﻳﺔ‪:‬‬

‫ﻴوﺠد ﻤﻘﺎﻴﻴس ﺨﺎﺼﺔ ﻝﻘﻴﺎس اﻝﻨزﻋﺔ اﻝﻤرﻜزﻴﺔ وﻫﻲ‪:‬‬
‫‪ -1‬اﻝﻤﺘوﺴط أو اﻝﻤﻌدل اﻝﺤﺴﺎﺒﻲ ‪ Avarage‬أو‪.Main‬‬
‫‪ -2‬اﻝوﺴﻴط ‪.Medıan‬‬
‫‪ -3‬اﻝﻤﻨوال أو اﻝﻘﻤﺔ ‪.Mode‬‬

‫‪ -1‬ﺍﳌﺘﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ ﺃﻭ ﺍﳌﻌﺪﻝ ﺍﳊﺴﺎﺑﻲ‪:‬‬

‫ﻫو ﻤن أﻫم ﻤﻘﺎﻴﻴس اﻝﻨزﻋﺔ اﻝﻤرﻜزﻴﺔ وزﻫو اﻷﻜﺜر اﺴﺘﺨداﻤﺎً وﻴﺘﻤﺘﻊ ﺒدﻻﻝﺔ ﻗوﻴﺔ أو ﻫو‬
‫ﻤؤﺸر ﻝﻠﻨزﻋﺔ اﻝﻤرﻜزﻴﺔ‪.‬‬

‫ﳑﻴﺰﺍﺕ ﺍﳌﺘﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ‪:‬‬

 ‫أ‪ -‬ﺴﻬل ﺠداً ﻝﻠﺤﺴﺎب ﺤﻴث ﻴﻤﻜن ﺤﺴﺎﺒﻪ ﺒﺴﻬوﻝﺔ ﻜﺒﻴرة ﻓﻬو ﻴﺴﺎوي اﻝﻤﺠﻤوع ‪ /‬اﻝﻌدد‪.‬‬

‫ب‪ -‬ﻴﻌطﻲ دﻻﻝﺔ ﻗوﻴﺔ ﺠداً ﻋن اﻝﻌﻴﻨﺔ اﻝﺘﻲ ﺘم اﻝﺤﺴﺎب ﻤﻨﻬﺎ‪.‬‬

‫ج‪ -‬ﻴﻤﻜن ﺤﺴﺎﺒﻪ ﻤن أي ﻨوع ﻤن اﻝﻌﻴﻨﺎت ﺴواء ﻜﺎﻨت ﻋﻴﻨﺎت ﺒﺴﻴطﺔ أو ﻏﻴر ذﻝك وﻝﻜن ﻻ‬
‫ﻴﻤﻜن ﺤﺴﺎﺒﻪ ﻝﻠﻤﺠﺘﻤﻊ اﻝطﺒﻴﻌﻲ إﻻ إذا ﻋرﻓﻨﺎ اﻝﻌدد اﻝﻜﻠﻲ‪.‬‬

‫ﻋﻴﻮﺏ ﺍﳌﺘﻮﺳﻂ ﺍﳊﺴﺎﺑﻲ‪:‬‬

‫أ‪ -‬ﻴﺘﺄﺜر اﻝﻤﺘوﺴط اﻝﺤﺴﺎﺒﻲ ﺒﺎﻝﻘﻴم اﻝﻤﺘطرﻓﺔ أي أﻨﻪ ﻴﺘﺄﺜر ﺒﻤدى اﻝﺘﺒﺎﻴن أو اﻝﺘﻔﺎوت ﺒﻴن‬
‫اﻝﻘﻴم‪.‬‬
‫ﻤﺜﺎل ‪:‬‬
‫ﻝدﻴﻨﺎ ﻋﻴﻨﺔ ﻤؤﻝﻔﺔ ﻤن )‪.(5 – 4 – 3‬‬
‫وﻝدﻴﻨﺎ ﻋﻴﻨﺔ أﺨرى ) ‪.(9 - 2 – 1‬‬
‫وﻝدﻴﻨﺎ ﻋﻴﻨﺔ ﺜﺎﻝﺜﺔ ﻤؤﻝﻔﺔ ﻤن )‪.(10 – 1 – 1‬‬
‫ﻝو ﻗﻤﻨﺎ اﻵن ﺒﺤﺴﺎب اﻝﻤﺘوﺴط اﻝﺤﺴﺎﺒﻲ ﻝﻬذﻩ اﻝﻌﻴﻨﺎت ﻨﻼﺤظ أن اﻝﻤﺘوﺴط ﻫو ﻨﻔﺴﻪ ﺒﺎﻝرﻏم‬
‫ﻤن اﺨﺘﻼف اﻷرﻗﺎم اﻝﻤﻜوﻨﺔ ﻝﻜل ﻋﻴﻨﺔ ﻤن اﻝﻌﻴﻨﺎت واﻝﻤﺘوﺴط ﻴﻜون ﻝﻠﻌﻴﻨﺎت اﻝﺜﻼث اﻝﺴﺎﺒﻘﺔ‬
‫) ‪.( 4‬‬
‫ﻓﻤﺸﻜﻠﺔ اﻝﻤﺘوﺴط اﻝﺤﺴﺎﺒﻲ ﻴﺘﺄﺜر ﺒﺎﻝﻘﻴم اﻝﻤﺘطرﻓﺔ وﻻﻴﺘﺄﺜر ﺒﻤدى اﺨﺘﻼف أﻓراد اﻝﻌﻴﻨﺔ‪.‬‬

‫‪ -‬ﻤﻘﺎرﻨﺔ ﺒﻴن اﻝﻌﻴﻨﺔ واﻝﻤﺠﺘﻤﻊ‪:‬‬

‫اﻝﻤﺠﺘﻤﻊ‬ ‫اﻝﻌﻴﻨﺔ‬

‫ﻋدد اﻷﻓراد ﻤﻌروف ﻴرﻤز ﻝﻪ ب)‪ (n‬وﺒﺎﻝﺘﺎﻝﻲ ﻋدد اﻷﻓراد ﻏﻴر ﻤﻌروف وﻏﻴر ﻤﺤدد وﻴرﻤز‬
 ‫ﻝﻌدد اﻷﻓراد ﺒﺎﻝرﻤز )‪(N‬‬ ‫ﻤﺘوﺴط اﻝﻌﻴﻨﺔ ﻤﻌروف '‪ x‬وﻴﻤﻜن ﺤﺴﺎﺒﻪ‪.‬‬

‫ﻻ ﻴﻤﻜن ﺤﺴﺎب ﻤﺘوﺴط اﻝﻤﺠﺘﻤﻊ )•( ﻷن‬

‫اﻝﻌدد اﻝﻜﻠﻲ ﻏﻴر ﻤﻌروف‪.‬‬

‫اﻝﻤﺘوﺴط ﻓﻲ اﻝﻤﺠﺘﻤﻊ ﺘﻘدﻴري أي ﻴﺘم ﺘﺨﻤﻴﻨﻪ‬ ‫اﻝﻤﺘوﺴط ﻓﻲ اﻝﻌﻴﻨﺔ ﻫو ﺤﺴﺎﺒﻲ أي ﻴﺘم‬

‫ﻀﻤن ﻤﺠﺎل ﻴﺴﻤﻰ ﻤﺠﺎل اﻝﺜﻘﺔ‪.‬‬ ‫ﺤﺴﺎﺒﻪ‪.‬‬

‫ﻜﻴف ﻴﻤﻜن ﺤﺴﺎب ﻤﺘوﺴط أو اﻝﻤﻌدل اﻝﻌﺎم ﻝﻠﻤﺠﺘﻤﻊ‪:‬‬

‫ﺒﺎﻝﻨﺴﺒﺔ ﻝﻠﻤﺠﺘﻤﻊ ﻴوﺠد ﻝدﻴﻨﺎ ﻤﺘوﺴطﻴن ‪:‬‬
‫)•( ﻤﺘوﺴط اﻝﻤﺠﺘﻤﻊ وﻫو اﻝﻤﺘوﺴط اﻝﺤﻘﻴﻘﻲ‪.‬‬
‫)‪(m‬ﻤﺘوﺴط اﻝﻤﺠﺘﻤﻊ اﻝﺘﻘدﻴري أو اﻝﺘﻘرﻴﺒﻲ واﻝذي ﻴﻤﻜن ﺤﺴﺎﺒﻪ ﺘﻘدﻴ اًر أو ﺘﻘرﻴﺒﺎً وﻻ‬
‫ﻴﻤﻜن ﻤﻌرﻓﺔ اﻝﻤﺘوﺴط اﻝﺤﻘﻴﻘﻲ ﻝﻠﻤﺠﺘﻤﻊ‪.‬‬
‫‪ -‬ﻨﻘوم ﺒﺤﺴﺎب اﻝﻤﺘوﺴط اﻝﺘﻘرﻴﺒﻲ ﺜم ﻨﺤﺴب ﻤﺠﺎل اﻝﻤﺘوﺴط اﻝﺤﻘﻴﻘﻲ‪.‬‬
‫اﻝﻤﺘوﺴط اﻝﺘﻘرﻴﺒﻲ ﻨﻘدرﻩ ﺒﺎﻝطرﻴﻘﺔ اﻝﺘﺎﻝﻴﺔ‪:‬‬
‫‪-1‬ﻨﺄﺨذ أﻜﺒر ﻋدد ﻤﻤﻜن ﻤن اﻝﻌﻴﻨﺎت اﻝﻤﻤﺜﻠﺔ ﻝﻠﻤﺠﺘﻤﻊ‪.‬‬
‫‪ -2‬ﻨﺤﺴب ﻤﺘوﺴط ﻜل ﻋﻴﻨﺔ‪.‬‬
‫‪ -3‬ﻨﺤﺴب ﻤﺘوﺴط ﻤﺘوﺴطﺎت ﻝﻠﻌﻴﻨﺔ‪.‬‬
‫‪ -4‬ﻨﺤﺼل ﺒذﻝك ﻋﻠﻰ اﻝﻤﺘوﺴط اﻝﺤﺴﺎﺒﻲ اﻝﺘﻘرﻴﺒﻲ‪.‬‬

‫ﺩﺭﺟﺎﺕ ﺍﻟﺜﻘﺔ‪:‬‬
‫ﻤﺠﺎل اﻝﺜﻘﺔ ﻋﻨد اﺤﺘﻤﺎل ﺨطﺄ )‪ % 1‬أو ‪ % 5‬أو ‪ % 10‬أو ﻏﻴر ذﻝك(‪.‬‬
‫ﻫﻨﺎك ﻤﻘوﻝﺔ ﻝﻌﺎﻝم إﺤﺼﺎء أﻝﻤﺎﻨﻲ ﻴﻘول ﻓﻴﻬﺎ ‪" :‬إن دراﺴﺔ أي ظﺎﻫرة ﻤن ظواﻫر اﻝطﺒﻴﻌﺔ‬
‫ﻋرﻀﺔ ﻝﻸﺨطﺎء واﺤﺘﻤﺎل ﻜل ﺤدث ﻤرﻫون ﺒﺎﻝﺨطﺄ" ‪.‬‬
‫ﻜذﻝك أﻨﺸﺘﺎﻴن ﻴﻘول ﻜل ﺸﻲ ﻓﻲ اﻝﻜون ﻨﺴﺒﻲ وﻻ ﻴوﺠد ﺸﻲ ﻤطﻠق‪.‬‬
 ‫============ ﻧﻬﺎﻳﺔ ﺍﶈﺎﺿﺮﺓ ﺍﻟﺜﺎﻟﺜﺔ==========‬

‫س ا ' ت وا ‪) $‬ف‬
‫‪MEASURES OF DISPERSION AND VARIATION‬‬

‫د ‪:%‬‬
‫ا ل ا ق ا ز ! ا "ر ز ! وو(د ھذه ا " س "‪" !"#‬ن ث‬ ‫ر‬
‫ر ا ‪ ! +‬ا "درو ! و"دى ز ‪"( ) #‬‬ ‫رة ( دة ووا ! ن‬ ‫أ ‪+ #‬ط‬
‫ر ا‪ ! +‬ر ً‬ ‫‪. !" .‬ر ! "ن ل‬ ‫ول ا " و ط ؛ " و ط ا‬
‫ل وي ‪ !" .‬ا " و ط ‪ +‬ن ر‪2‬م "ن‬ ‫) ‪ 7‬ء ا م ا ‪ 5‬ذة ( ‪ ،‬ن‬
‫ا‪" "# 9 :‬ن ث ‪ .‬م ا ‪ +‬ر ف رق ن ا ‪ +‬ن وا م "ن ث ا ( س‬
‫; !‪.‬‬ ‫و‪ 2‬ره "ن ا "ؤ‪5‬رات ا<‬
‫ل وي ‪!" .‬‬ ‫‪:‬دا"‪#‬‬ ‫"ن ھ ن د "ن و(ود "ؤ‪5‬رات ‪! :‬‬
‫ا " و ط ‪ +‬ن ‪،‬ھذه ا "ؤ‪5‬رات ا? ‪7‬ر أھ" ! وا ‪:‬دا" ً ھ " س ا ‪ 5‬ت‬
‫ل " ا?"‪ !)7‬ا ‪9‬ز"!‪.‬‬ ‫در ‪#‬‬ ‫وا ‪9 :‬ف وھ "و وع ھذا ا ل ا‬
‫)‪ ( 3-1‬ا "دى )‪: ( RANGE‬‬

‫‪+‬ر ف ‪ :‬ا "دى ھو ا رق ن أ ر وأ ‪A‬ر ‪ !" .‬ا ‪ ! +‬ا "درو ! ‪( .‬دول‬

‫ب ا "دى )‪ C‬أ ‪ D‬ا رق ن ا د ا? )‪ !; ) C‬ا?‪ :‬رة‬ ‫ا وز ا راري م‬
‫وا د ا?د ‪ !; ) C‬ا?و ‪، C‬أو ھو ا رق ن "ر ز ا ;! ا?و ‪ C‬و"ر ز ا ;!‬
‫ا?‪ :‬رة‪.‬‬
‫!‪:‬‬ ‫"‪ 7‬ل ‪ :‬د ا ‪ ! +‬ا‬
‫}‪X={33,15,20,25,35‬‬

‫ا ل ‪ 9 :‬ظ أن أ ‪A‬ر ‪ !" .‬أي ‪ MIN (X)= 15‬وأ ر ‪ !" .‬ھ ‪MAX(X)= 35‬‬
‫‪:‬‬ ‫ن ‪ :‬ا "دى ھو ا‬ ‫و‬
‫)‪RANGE=MAX(X)-MIN(X‬‬

‫‪= 35 – 15‬‬

‫‪= 20‬‬

‫راف ا "ط)ق ‪ABSOLUTE DEFIATION MEAN‬‬ ‫)‪ " (3-2‬و ط ا‬

‫ل طرح ل‬ ‫‪+‬ر ف ‪+ :‬رف " و ط ا راف ا "ط)ق ‪ " D H‬و ط "("وع‬
‫ر ا ‪" ! +‬ن " و ط ا ‪ !" ! +‬ا "ط) ! ‪ .‬و " و ط ا راف‬ ‫ر "ن‬
‫ا "ط)ق ‪+‬ط‪ !.9+ C‬ا ! ‪:‬‬

‫‪n‬‬
‫)‪¦ S 2 = (∑ ( X i − X ) 2 ) /( N − 1‬‬
‫‪1‬‬

‫و"ن ا (د ر و ‪ D‬إ ‪ C‬أن " و ط ا راف ا "ط)ق در ا ‪:‬دام "( ل‬

‫) ل ا ت ا (ر ! ‪ :9‬رات وا ( رب ا زرا !‪.‬‬ ‫ءا ط‬ ‫ا<‬
‫راف ا "ط)ق‬ ‫دث ن"و طا‬ ‫‪#‬ذا ا در‬ ‫ذا ا‬
‫ن‪VARIANCE:‬‬ ‫)‪ (3-3‬ا‬

‫‪ +‬ر ا ن ‪ VARIANCE‬أھم " س "ن " س ا ‪ 5‬ت وا " ‪:‬د"! )‪ C‬ط ق‬

‫) ل ا ت ا (ر ! ‪ :9‬رات وا ( رب ا زرا ! وھو‬ ‫وا (داً ‪! :‬‬
‫‪+‬ط‪ !.9+ C‬ا ! ‪:‬‬
‫‪n‬‬
‫)‪S 2 = ( ∑ ( X i − X ) 2 ) /( N − 1‬‬
‫‪1‬‬

‫ا م‬ ‫ن ‪ VARIANC‬طر ! أ‪:‬رى ط)ق ) ‪ #‬طر ! ر‬ ‫با‬ ‫" "ن‬

‫وھ " ) ‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫)‪S 2 = ( ∑ X i2 − ( ∑ X in ) 2 / n ) /(n − 1‬‬
‫‪1‬‬ ‫‪i‬‬

‫‪:‬دم‬ ‫ا م"‬ ‫و"ن ا (د ر و ‪ D‬إ ‪ C‬أن ا طر ! ا ‪ :‬ره أ ‪9‬ه " طر ! ر‬

‫د" ون ‪ .‬م ا ‪ . ! +‬م ر !‪.‬‬
 ‫‪:‬دام‬ ‫!‬ ‫راف ا "‪ +‬ري )‪ ! +‬ا‬ ‫ن وا‬ ‫"‪ 7‬ل )‪: (2‬أو(د ا ‪ 5‬ت أو ا‬
‫ا طر ! ا " ! ‪:‬‬
‫}‪X = {5,6,7,1,3,2‬‬

‫ن ا و ‪ C‬ا? ! ا ذ ر وھ‬ ‫با‬ ‫!‬ ‫‪ !.9+ ! +‬ا ‪:‬‬ ‫ا ــل ‪ " :‬ن ا‬
‫ا !‪:‬‬
‫‪n‬‬
‫)‪S 2 = ( ∑ ( X i − X ) 2 ) /( N − 1‬‬
‫‪1‬‬

‫!‪:‬‬ ‫ن ا ‪ ! 7‬وھ ا‬ ‫با‬ ‫!‬ ‫‪ !.9+ ! +‬ا ‪:‬‬ ‫" " نا‬
‫‪n‬‬ ‫‪n‬‬
‫)‪S 2 = ( ∑ X i2 − ( ∑ X in ) 2 / n ) /(n − 1‬‬
‫‪1‬‬ ‫‪i‬‬

‫‪:‬‬ ‫"ن أ(ل ذ ك ) إ ‪ 5‬ء ا (دول ا " ط ا‬

‫‪X‬‬ ‫`‪X-X‬‬ ‫‪(X-X`)2‬‬ ‫‪X2‬‬

‫‪5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪25‬‬

‫‪6‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪36‬‬

‫‪7‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪49‬‬

‫‪1‬‬ ‫‪-3‬‬ ‫‪9‬‬ ‫‪1‬‬

‫‪3‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪9‬‬

‫‪2‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪4‬‬

‫∑‬ ‫‪24‬‬ ‫‪0‬‬ ‫‪28‬‬ ‫‪124‬‬

‫ن " ) ‪:‬‬ ‫ول )‪ C‬ا‬ ‫ن )‬ ‫ا‪M‬ن " ن ط ق إ دى ا ‪ .9+‬ن ا‬

‫)‪S2 = 28 / (6-1‬‬

‫‪= 5.6‬‬
 ‫ره ا (ذر ا "و(ب ) ن‬ ‫ب‬ ‫أ" ا راف ا "‪ +‬ري )‪# ! +‬و ‪#‬ل ا‬
‫‪،‬إذن ھو وي‪:‬‬

‫‪S = S2‬‬

‫‪S = 5.6‬‬

‫‪= 2.37‬‬

‫ن‬ ‫ط ن ‪ .‬ون‬ ‫‪#‬و ! أن ا رق‬ ‫◄ "ن ا (د ر ذ ر ا ‪ " D‬ن ا "‪ 9‬ظ!‬

‫ا ‪ ! +‬و ‪ .‬ون ن ا "( " ‪.‬‬
‫◄ د وي ا " و ط ت ‪: D‬دم دة ا راف ا "‪ +‬ري ‪ H‬س )" ر !‬
‫ن أو أ ‪7‬ر ‪5‬رط أن ون ا ‪ +‬ت "‪:H‬وذة "ن "( " وا د ‪،‬و‬ ‫ن‬
‫ون أ ‪7‬ر ا رارا "ن ‪ 2‬رھ‬ ‫‪ ! +‬ذات ا راف ا "‪ +‬ري ا?‪.‬ل ھ ا‬
‫رھ أ‪.‬ل ‪7+‬را وأ ‪7‬ر ( ‪.‬‬ ‫و‬
‫ون ا ‪ +‬ت "‪:H‬وذة "ن‬ ‫ق ا ‪5‬رط ا "ذ ور أ أي د"‬ ‫◄ أ" إذا م‬
‫ن أو‬ ‫"( " وا د ن ا راف ا "‪ +‬ري " ن ا ‪ :‬ذه ‪ H‬س )" ر ! ن‬
‫أ ‪7‬ر و ‪:‬دم دة " س آ‪:‬ر ط)ق ) ‪" D‬ل ا ‪9 :‬ف ‪COFFICIENT OF‬‬
‫‪VARIATION‬‬

‫‪ : COFFICIENT OF VARIATION‬ر"ز دة ‪" +‬ل‬ ‫ل ا ‪) $‬ف‬

‫ا ‪9 :‬ف ـ ‪ C.V‬وھو ‪+‬رف ‪ D H‬أ د " س ا ‪ 5‬ت أو ا ن ا ‪ !" #‬وا ذي‬
‫ون ا ‪ +‬ت "‪:H‬وذة "ن‬ ‫ن أو أ ‪7‬ر د"‬ ‫‪:‬دم ‪ 5‬ل م )" ر ! ن‬
‫"( " وا د ل "ن "( "‪ +‬ت "‪ ، ! ) :‬وھو أي "ل ا ‪9 :‬ف ‪+‬ط‪!.9+ C‬‬
‫ا !‪:‬‬
‫‪C.V =( S / X` ) * 100‬‬

‫ث أن ‪:‬‬
‫"ل ا ‪9 :‬ف‬ ‫‪: C.V‬‬

‫راف ا "‪ +‬ري‬ ‫‪:‬ا‬ ‫‪S‬‬

‫‪" :‬و ط ا‪! +‬‬ ‫`‪X‬‬

 ‫"ل ا ‪9 :‬ف ‪ C.V‬أ ‪A‬ر )" دل‬ ‫◄"ن ا (د ر ذ ر ا ‪ ") D‬ت ‪!" .‬‬
‫رھ أ‪.‬ل ‪7+‬را " ر ! ‪ ! +‬ا?‪:‬رى‬ ‫ذ ك )‪ 7 C‬ت ا ‪ ! +‬و ( س أ رادھ و‬
‫ا? ر "! "ل ا ‪9 :‬ف‬
‫ن )" أ ‪" "#‬ن "( "‪ +‬ن "‪ ) :‬ن ‪:‬‬ ‫"‪7‬ــ ل ) ( ‪ . :‬رن ن ا ‪ +‬ن ا‬

‫‪X‬‬ ‫‪3000‬‬ ‫‪4500‬‬ ‫‪4000‬‬ ‫‪4100‬‬

‫‪Y‬‬ ‫‪900‬‬ ‫‪1200‬‬ ‫‪1700‬‬ ‫‪2200‬‬

‫ر أن ا ‪ +‬ت ت "‪:H‬وذة "ن "( " وا د‬ ‫ا ــل ‪ ") :‬ر ! ن ا ‪ +‬ن‬

‫"ل ا ‪9 :‬ف ‪+‬ط‪ !.9+ C‬ا ! ‪:‬‬ ‫ل "ن "( "‪ +‬ت "‪ ، ! ) :‬ن‬
‫‪C.V =( S / X` ) * 100‬‬

‫"ل ا ‪9 :‬ف وھ ‪:‬‬ ‫ل )‪!" . C‬‬ ‫! اذ ر‬ ‫و ط ق ا ‪ !.9+‬ا‬

‫‪C.V (X) = 637.7/3900 * 100‬‬

‫‪= 16 %‬‬

‫‪C.V (Y) =439.7/1500 *100‬‬

‫‪= 29 %‬‬

‫"ل ا ‪9 :‬ف )‪ ! +‬ا و ‪ C‬أ ‪A‬ر "ن "ل ا ‪9 :‬ف‬ ‫و"ن ا وا ‪ P‬أن‬
‫"ن ا ‪ ! +‬ا ‪.! 7‬‬ ‫ن ا ‪ ! +‬ا و ‪ C‬أ ‪7‬ر (‬ ‫)‪ ! +‬ا ‪ ! 7‬و‬
‫◄ "ن ا (د ر ذ ر ا ‪ D‬ر‪2‬م "ن أن ا راف ا "‪ +‬ري )‪ ! +‬ا ‪ ! 7‬أ ‪A‬ر‬
‫در أن م )‪" C‬دى ( س ا ‪ +‬ن‬ ‫"ن ا راف ا "‪ +‬ري )‪ ! +‬ا و ‪Q C‬‬
‫ن ا ‪ +‬ت ت "‪:H‬وذة "ن "( " وا د ل "ن "( "‪ +‬ت "‪ ، ! ) :‬وھذا " ؤ د‬
‫ً‪.‬‬ ‫ل" ذ ر ه‬

‫‪ : STANDARD ERROR‬وھو ‪+‬رف ‪ D H‬أ د " س ا ‪ 5‬ت أو‬ ‫ا ‪:‬ط‪ H‬ا‬

‫ا ن ا ‪ !" #‬وا ذي ‪:‬دم ‪ 5‬ل م "ن أ(ل ا ‪ +‬ر ن "دى ا ط ق " ن‬
‫أ ‪A‬ر‬ ‫" و ط ا ذي أ‪:‬ذت " ‪) D‬ك ا ‪.! +‬وھذا ‪ +‬أ ‪ ") D‬ن ا ‪:‬ط‪ H‬ا‬
 ‫)‪ ") ! +‬ن ا رق أ‪.‬ل " ن " و ط ا ‪ ! +‬و" و ط ا "( " ‪ .‬إن ا ‪:‬ط‪ H‬ا‬
‫‪+‬ط‪ !.9+ C‬ا ! ‪:‬‬
‫‪−‬‬
‫‪S X = S/‬‬ ‫‪N‬‬

‫`‪ : SX‬ا ‪:‬ط‪ H‬ا‬ ‫ث أن ‪:‬‬

‫راف ا "‪ +‬ري‬ ‫ا‬ ‫‪S‬‬

‫ر ا‪! +‬‬ ‫دد‬ ‫‪N‬‬

‫د د ا "( ل ا ذي‬ ‫◄ "ن ا (د ر ذ ر ا ‪ " D‬ن ا ‪:‬دام ا ‪:‬ط‪ H‬ا‬

‫‪ 5‬ل م "ن ا "( ل ‪:‬‬ ‫ث أن " و ط ا "( "‬ ‫" ‪ " D‬و ط ا "( "‬
‫‪−‬‬ ‫‪−‬‬
‫‪X ± S X*t‬‬

‫ء "( ل ا ‪.! 7‬‬ ‫ا<‬ ‫و ط)ق )‪ C‬ھذا ا "( ل " ھو "‪+‬روف‬

‫========== ﻧﻬﺎﻳﺔ ﺍﶈﺎﺿﺮﺓ ﺍﻟﺜﺎﻟﺜﺔ ﺍﻟﺮﺍﺑﻌﺔ =========‬

‫" ت وا وز ‪ +‬ت‬ ‫ظر ! ا‬

‫‪THIORY OF PROBABILITY AND DISTRIBUTIONS‬‬
 ‫" ل ھو ا?داة ا‬ ‫ء وا " ل ار ط و‪، 7‬‬ ‫‪ -1-5‬د ‪ :%‬ر ط ا<‬
‫راءات ول ا "( "‬ ‫! ) م‬ ‫; "ن ا ‪:‬دام ا "‪)+‬و" ت‬ ‫" ن ا<‬
‫ا ذي أ‪:‬ذت " ‪.D‬‬
‫"ن ا(ل درا ! ا " ل ظ ھرة ط ‪ ! +‬أو د‪ ! +" !7‬م "ن ‪9:‬ل "را‪ ! .‬و‪.‬وع‬
‫ب ا " ل ا ظ ھرة "ن‬ ‫ا د‪ !7‬و ( ل رار و‪.‬و ‪9: #‬ل رة " ددة‪7.‬م‬
‫‪9:‬ل رار ا (ر ! أو ا "را‪ ! .‬ددا را "ن ا "رات ‪ ،97"، N‬و ن دد "رات‬
‫و‪.‬وع ا د‪ A !7‬ھو ‪" n‬رة ون ذ ك ا " ل ا د‪ A !7‬ھو " ) ‪:‬‬

‫‪P( A ) = n / N‬‬

‫"وذج "‪ :‬ص ‪ +‬ر ن ‪ !" .‬ا " ل ا د‪( A !7‬ب ا?‪:‬ذ ‪ +‬ن‬ ‫وو‬
‫ر "را ة ا ‪5‬رط ن ا ن ‪:‬‬ ‫ا‬
‫‪0 <= P(A) <= 1‬‬

‫‪Σ P (A ) = 1‬‬

‫‪) :‬ف ا ظواھر وا وادث "ن ث در(! دو‪ #7‬أو و‪.‬و ‪ #‬و"دى رار ذ ك‬
‫‪9:‬ل رات "‪، ! +‬وھذا " ط)ق ) ‪ D‬ا " ل ا ظ ھرة أو ا دث ‪ .‬ء )‪ C‬ذ ك‬
‫ف ا ظواھر وا وادث ‪ 5‬ل م إ ‪ C‬ا "("و ت ا !‪:‬‬ ‫" ن أن‬

‫• وادث "ؤ دة ‪ :‬در(! ا " ‪100 % #‬‬

‫)! ‪ :‬در(! ا " ‪0.0 % #‬‬ ‫• وادث "‬
‫• وادث " ")! أو " و‪ !+.‬در(! ا " ‪ #‬أ ر "ن ‪ 0.0 %‬وأ ‪A‬ر "ن‬
‫‪100 %‬‬
‫ذ ر أن ا (ر ! ھ ل ") ! ؤدي إ ‪ . C‬س أو "‪ 9‬ظ! ‪.‬و ‪+" T‬ظم‬
‫د ‪ C‬ھذا‬ ‫ا ( رب ذات ا?ھ" ! ‪ .‬ت دد ! ‪ A‬ر "ن ! إ ‪ C‬أ‪:‬رى و‬
‫ا س " ول ا ‪5+‬وا; ‪.‬وھذا ود إ ‪ C‬ا رة ا !‪.‬‬
‫م ا " ‪ A‬رات إ ‪ C‬و ن وذ ك‬ ‫‪ -2 -5‬أ واع ا " ‪ A‬رات ‪ " :variables‬ن‬
‫‪:H‬ذھ ا " ‪ A‬ر ‪:‬‬ ‫با ما‬
 ‫‪ A " -‬ر " ‪:QUALITIVE‬ھو ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م " ! أي ‪!) .‬‬
‫) س " و دات ا س "‪7‬ل و دات ا وزن‪،‬ا طول ‪،‬ا (م‬
‫‪...‬إ ‪ C‬آ‪:‬ره‪ .‬و "‪ 7‬ل )‪ C‬ذ ك ا " د ‪،‬ا " د‪،‬ا ‪"+‬ر‪ ! " ،‬ا ‪A‬ذاء‬
‫وھ ذا‪...‬‬
‫‪ A " -‬ر و ‪ :QUANTITIVE‬ھو ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م و ! ‪ 2‬ر‬
‫‪ ) !) .‬س " و دات ا س ا "ذ ورة آ ل س و دات‬
‫در( ت وا در( ت وا " و ت وھ ذا ‪ ...‬إ ‪C‬‬ ‫ا سا و‬
‫آ‪:‬ره‪.‬و "‪ 7‬ل )‪ C‬ذ ك ا )ون ودر(! ا ( ح ودر(! ا " و"! ‪...‬‬
‫م ا " ‪ A‬رات إ ‪ C‬و ن وذ ك‬ ‫• " در ا " ‪ A‬رات ‪ " :variables‬ن‬
‫ب وع ا م أو ا " در إ ‪ C‬و ن ‪:‬‬
‫‪ A " .1‬ر ‪5‬وا; أو ا " ‪ :RANDOM variables‬ھو ا " ‪ A‬ر‬
‫"‪7‬ل‬ ‫ا ذي ‪:H‬ذ ‪ .‬م ‪5‬وا; ! " ")! " ن ا م ‪" #‬‬
‫رارة وا رطو ! و‪ 2‬رھ ‪.‬‬ ‫ا " ‪ A‬رات ا (و !‬
‫‪ :Controlled variable‬ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م‬ ‫‪ A " .2‬ر ‪ 2‬ر ا "‬
‫"‪7‬ل ا " د ‪،‬ا " د‪،‬ا ‪"+‬ر‪ ! " ،‬ا ‪A‬ذاء‬ ‫" ددة " ن ا م ‪" #‬‬
‫وھ ذا‪...‬‬
‫‪" "#‬ن‬ ‫)" و ت ‪:‬ان ا ظواھر ا ط ‪ ! +‬وا‬ ‫‪-3-5‬ا وز ا "‬
‫ا ! ا زرا ! " ن "‪ 7‬ل ‪ (" #" .‬ل " ‪ A‬ر ‪5‬وا; ‪.‬‬
‫ت أو‬ ‫ددي "‪+‬رف )‪ ! C‬ا‬ ‫‪Q‬ن ا " ‪ A‬ر ا ‪5+‬وا; "‪7‬ل‬
‫‪ " D‬ن ا ول أن‬ ‫ا م‪.‬و " أن ل ‪ !" .‬أو ‪ .‬س ا ‪ ! +‬ا " "‪+‬‬
‫دم ا " ل‬ ‫ا وز " ول ‪5‬وا; ھو ‪ !.9‬أو (دول أو ‪:‬ط‬
‫ا "وا ق ل ‪" !" .‬ن ‪ .‬م ا " ول ا ‪5+‬وا; ‪.‬‬
‫‪#‬‬ ‫" ! ا "‪+‬رو ! وا‬ ‫و ‪ P‬أھ" ! درا ! ا وز ‪ +‬ت ا‬ ‫"ن ھ‬
‫ط ت ") ! "( ل ا زرا !‪.‬‬
‫" ! "‬ ‫‪" 9‬و وع ا وز ‪ +‬ت ا‬ ‫"‬ ‫دم ‪5‬ر‬ ‫ل‬ ‫إذن "ن ‪9:‬ل ھذا ا‬
‫) ‪:‬‬
‫! ا "‪+‬رو !‬ ‫‪ -4-5‬ا وز ا ‪ + : ; 7‬ر ا وز ا ‪" ; 7‬ن ا وز ‪ +‬ت ا ر‬
‫وا "‪" !"#‬ن ا ! ا ط ! ‪.‬‬
‫‪+ -1-4-5‬ر ف ‪ :‬ن د ‪( E‬ر ! " و ن ‪ A‬دث "ر ط ‪#‬ذه ا (ر !‬
‫و ر"ز ـ ‪+ n‬دد "رات رار ا (ر ! و ‪ X‬دد "رات ظ‪#‬ور أو و‪.‬وع ا دث‬
‫‪ ، A‬د;ذ ن ا " ل ظ‪#‬ور ا دث ‪ A‬دد "ن ا "رات " و ـ ‪ r‬ھو ا ‪:‬‬
 ‫‪P( x = r ) = ( r n ) * P r * q n −r‬‬

‫ث أن ‪ P :‬ھو ا " ل ظ‪#‬ور أو و‪.‬وع ا دث ‪A‬‬

‫ا " ل دم ظ‪#‬ور أو و‪.‬وع ا دث ‪A‬‬ ‫‪q‬‬

‫ب " ) ‪:‬‬ ‫وا ق ل " ‪ "#‬وھ‬ ‫‪ run‬ھ‬

‫‪n‬‬
‫!‪( r ) = n !/(n-r!)*r‬‬

‫دد "رات رار‬ ‫ث أن ‪n :‬‬

‫دد "رات ا " ل ظ‪#‬ور ا دث ‪A‬‬ ‫‪r‬‬

‫!‪:‬‬ ‫) وز ا ‪" ; 7‬ن ا ‪ !.9+‬ا‬ ‫ب ا و‪ .‬ا ر‬ ‫و‬

‫‪M(x) = n * p‬‬
‫ن‬ ‫با‬ ‫"‬
‫‪σ2 (x) = n * p * q‬‬

‫!‪:‬‬ ‫راف ا "‪ +‬ري ) وز ا ‪" ; 7‬ن ا ‪ !.9+‬ا‬ ‫با‬ ‫"‬

‫‪δ ( x) = n * p * q‬‬
‫ن "‪ !( +‬أ د ا?"راض‬ ‫"‪7‬ــــــ ل )‪ : (1‬م رش ‪(5 100‬رة ر ل أ د ا‬
‫ب" ) ‪:‬‬ ‫)" أن ‪ ! +‬ا " د ا ظر ! ھ ‪. %90‬وا "ط)وب ھو‬

‫!؟‬ ‫‪ .1‬ا‪ :‬ر أ د ا?‪ (5‬ر ‪+‬د ا رش ‪ " ،‬ھو ا " ل أن ون ھذه "‬
‫‪ " .2‬ھو ا " ل أن ون ‪97‬ث أ‪ (5‬ر " !؟‬
‫ون و ‪(5‬رة " !؟‬ ‫‪ " .3‬ھو ا " ل أن‬
‫‪ " .4‬ھو ا " ل أن و(د ‪(5‬رة " ! )‪ C‬ا?‪.‬ل؟‬
‫ن )‪ C‬ا? ‪7‬ر؟‬ ‫‪ " .5‬ھو أن و(د ‪(5‬ر ن "‬
‫ا را ت ا !‪:‬‬ ‫ا ــــــــل ‪ :‬د "‬
 P = 1- q

n = 100
P( x = r ) = ( r n ) * P r * q n −r

n
( r ) = n !/(n-r!)*r!

:‫ر‬A"‫! ل‬ " ‫ ت ا "ذ ورة " "را ة ا م ا‬.9+ ‫ن ط ق ا‬M‫ا‬

:! " ‫(رة‬5 ‫ ا " ل أن ون ھذه ا‬.1

P = 1- q

P = 0.1

q = 0.9

r=1

n = 100

P(x=1) = (1100)*(0.1)1*(0.90)99

P(x=1) = 100*0.1*2.95*10-5

P(x=1) = 0.000295

:! " ‫( ر‬5‫ث أ‬97 ‫ ا " ل أن ون‬.2

P = 1- q

P = 0.1

q = 0.9

r=3

P(x=3) = (3100)*(0.1)3*(0.90)79
 P(x=3) = 161700 *0.001*3.63*10-5

P(x=3) =0.0059

:! " ‫(رة‬5 ‫ون و‬ ‫ ا " ل أن‬.3

P = 1- q

P = 0.1

q = 0.9

r=0

P(x=0) = (0100)*(0.1)0*(0.90)100

P(x=0) = 1*1*2.65*10-5

P(x=0) =0.0000265

:‫ل‬.?‫ ا‬C) ! " ‫(رة‬5 ‫ ا " ل أن و(د‬.4

P(x>=1) = 1- p(x<1) = 1-p(x=0)

P(x>=1) = 1- 0.0000265

P(x>=1) = 0.99997

: ‫ر‬7 ?‫ ا‬C) ‫ن‬ " ‫(ر ن‬5 ‫ أن و(د‬.5

P(x<=2) = p(x=2) + p(x=1) + p(x=0)

P(x=2) = (2100)*(0.1)2*(0.90)89

P(x=2) = 0.001485

P(x=1) = 0.000295

P(x=0) =0.0000265

P(x<=2) = 0.001541

‫د ا رش " ن ان‬+ ! " ‫( ر ا‬5?‫دد ا‬+ ‫ ا ر‬.‫أ" ا و‬

: ) " D
 ‫‪M(x) = n* p = 100 * 0.1 =10‬‬

‫! ‪+‬د ا رش‪.‬‬ ‫ء ‪5‬رة أ‪ (5‬ر "‬ ‫أي "ن ا " و‪.‬‬

‫‪ -5-5‬وز ‪+ ,‬وا ون ‪ :‬ول ن " ول ‪5‬وا; ‪ x‬أن وز ‪D+‬‬
‫‪C) D‬‬ ‫ا وز ا "‬ ‫وز وا ون إذا ن‬ ‫ا "‬
‫‪:‬‬ ‫ا‪ 5‬ل ا‬

‫! ‪p ( x = r ) = (λr * e − λ ) / r‬‬
‫!‪:‬‬ ‫ب "ن ا ‪ !.9+‬ا‬ ‫ث أن ‪ λ :‬ا و ط وھ‬

‫‪λ=n*p‬‬

‫!‪:‬‬ ‫وا ون "ن ا ‪ !.9+‬ا‬ ‫وز‬ ‫ب ا و‪ .‬ا ر‬ ‫و‬

‫‪M(x) = λ‬‬

‫!‪:‬‬ ‫وا ون "ن ا ‪ !.9+‬ا‬ ‫ن وز‬ ‫با‬ ‫"‬

‫‪σ2 (x) = λ‬‬

‫!‪:‬‬ ‫وا ون "ن ا ‪ !.9+‬ا‬ ‫راف ا "‪ +‬ري وز‬ ‫با‬ ‫"‬

‫‪δ‬‬ ‫‪2‬‬
‫=‬ ‫‪λ‬‬

‫وا ون‬ ‫! ا ‪:‬دام وز‬ ‫◄ (در ا<‪ 5‬رة ھ إ ‪ C‬أ ‪( D‬ب أن و ر ا ‪5‬روط ا‬
‫‪:‬‬
‫‪n > 50‬‬ ‫‪ n *p <5‬و‬

‫د ? د ا?"راض )‪ 2000 C‬وان (ر ! "ن‬ ‫"‪7‬ــــــــــ ل ‪ :‬م (ر ب ح "‬

‫! ا رر "ن ا ) ح ھ ‪ 0.2%‬وا "ط)وب ‪:‬‬ ‫وا ت ا?را ب " ا ‪)+‬م أن‬

‫‪+‬دد ا?را ب ا " ! ‪+‬د ا ) ح؟‬ ‫" ھو ا و‪ .‬ا ر‬ ‫‪.1‬‬

‫‪ " ،‬ھو ا " ل أن ون أر ب وا د " رر؟‬ ‫‪.2‬‬
‫ون و أر ب وا د " رر ؟‬ ‫" ھو ا " ل أن‬ ‫‪.3‬‬
‫" ھو ا " ل أن ون ‪97‬ث أرا ب " ررة )‪ C‬ا?‪.‬ل؟‬ ‫‪.4‬‬
 ‫!‪:‬‬ ‫ا ــــــــل ‪ :‬د ا "‪+‬ط ت ا?و ! ا‬
‫)‪n = 2000 (>50‬‬

‫)‪n *p = 4 ( <5‬‬

‫‪:‬دام‬ ‫ا "‪+‬ط ت ا?و ! ‪ 9‬ظ أ ‪ D‬و ر ا ‪5‬روط ا ‪9‬ز"!‬ ‫إذا أ"‪ +‬ا ظر‬
‫وز وا ون ‪.‬‬
‫! ‪+‬د ا ) ح ھو ‪:‬‬ ‫‪+‬دد ا?را ب ا "‬ ‫‪ .1‬ا و‪ .‬ا ر‬

‫‪M(x) = λ = n * p‬‬

‫‪M(x) = 2000 * 0.002‬‬

‫‪M(x) = 4‬‬

‫رر‪:‬‬ ‫‪ .2‬ا " ل أن ون أر ب وا د "‬

‫! ‪p ( x = r ) = (λr * e − λ ) / r‬‬
‫‪λ=n*p=4‬‬

‫‪r=1‬‬

‫‪P(x=1) = 0.07‬‬

‫رر ‪:‬‬ ‫ون و أر ب وا د "‬ ‫‪ .3‬ا " ل أن‬

‫! ‪p ( x = r ) = (λr * e − λ ) / r‬‬
‫‪λ=n*p=4‬‬

‫‪r=0‬‬

‫‪P(x=1) = 0.07‬‬

‫ررة )‪ C‬ا?‪.‬ل‪:‬‬ ‫‪ .4‬ا " ل أن ون ‪97‬ث أرا ب "‬

‫! ‪p ( x = r ) = (λr * e − λ ) / r‬‬
‫‪λ=n*p=4‬‬
 ‫‪r >= 3‬‬

‫)‪P(x>=3) = P(x=3) + P(x=4) +… P(x=n‬‬

‫)‪P(x>=3) = 1- P(x<3‬‬

‫])‪P(x>=3) = 1- [P(x=2) + P(x=2) + P(x=0‬‬

‫)‪P(x>=3) = 1- (0.15+0.07+0.02‬‬

‫‪P(x>=3) = 0.76‬‬

‫‪ -6-5‬ا وز ‪ ,‬ا ط‪: &. +‬‬

‫ا وز‬ ‫"‬ ‫‪+ -1-6-5‬ر ف ‪ :‬ول ن " ول ‪5‬وا; ‪ x‬أن وز ‪ D+‬ا‬

‫‪:‬‬ ‫‪ C) D‬ا ‪ 5‬ل ا‬ ‫ا وز ا "‬ ‫ا ط ‪ +‬إذا ن‬

‫‪f ( x ) = (1 * e − ( x − a ) / 2δ ) / δ * 2π‬‬
‫‪2‬‬

‫!‬ ‫! ا "‪+‬رو ! وا "‪" !"#‬ن ا‬ ‫‪ +‬ر ا وز ا ط ‪" +‬ن ا وز ‪ +‬ت ا ر‬

‫ا ط !‪.‬‬
‫‪D5‬‬ ‫‪ C‬ا وز ا ط ‪. 9 5 +‬و‬ ‫‪ C " -2-6-5‬ا وز ا ط ‪)" : +‬ك "‬
‫‪:‬‬ ‫‪ 5‬ل ا (رس )‪ C‬ا ‪ 5‬ل ا‬
 ‫‪a‬‬

‫و "‪7‬ل ھذا ا ‪ 5‬ل ا )وك ا ط ‪) +‬ظواھر ا ط ‪ . ! +‬ث دأ "ن ط! " ‪! :‬‬

‫‪7‬م زداد ‪ C‬ل إ ‪ C‬ا ذروة ‪7‬م ‪+‬ود و ‪ :‬ض إ ‪ C‬س ا " وى ا ق ‪،‬وھذا‬
‫با ‪ .‬د‬ ‫" ط)ق ) ‪ . D‬ون ‪.‬ص ا ‪ !)A‬ا ‪ .‬د) " ورد‬
‫ا ! ا و ‪.(C‬‬ ‫ا زرا‬
‫!‪:‬‬ ‫) وز ا ط ‪" +‬ن ا ‪ !.9+‬ا‬ ‫ب ا و‪ .‬ا ر‬ ‫و‬
‫‪M(x) = a‬‬

‫!‪:‬‬ ‫ن ) وز ا ط ‪" +‬ن ا ‪ !.9+‬ا‬ ‫با‬ ‫"‬

‫‪σ2 (x) = σ2‬‬

‫!‪:‬‬ ‫راف ا "‪ +‬ري ) وز ا ط ‪" +‬ن ا ‪ !.9+‬ا‬ ‫با‬ ‫"‬

‫‪σ (x) = σ‬‬

‫"‪ 9‬ظ ت ھ "! ‪:‬‬

‫)‪(x‬‬ ‫• ان ا " ! ا " ورة ت " ‪ C‬ا وز ا ط ‪ +‬وا " ور ا?‬

‫وي ا وا د " ھو " ‪ +‬رف ) ‪.D‬‬
‫• ان إ دا‪ 7‬ت ا !‪:‬‬
 ‫) ‪( a , 1 / δ * 2π‬‬

‫ن‬ ‫• ان " ط ا ذروة " ‪ C‬ا وز ا ط ‪ +‬ھ ‪ !" .‬ا " و ط ‪ ،‬و‬
‫ا " و ط م ا " ! ت " ‪ C‬ا وز ا ط ‪ +‬إ ‪ " . C‬ن " " ‪ )7‬ن‪.‬‬
‫راف ا "‪ +‬ري " ‪ C‬ا وز ا ط ‪. +‬‬ ‫• ان ار ع ا ذروة ‪)+‬ق ط‬
‫‪-3-6-5‬ا ‪ !.9+‬ن " ‪ C‬ا وز ا ط ‪ +‬وا " ت‪:‬‬
‫" ت " ) ‪:‬‬ ‫‪ C‬ا وز ا ط ‪ +‬وا‬ ‫ن"‬ ‫دد ا ‪!.9+‬‬

‫)‪(x‬‬ ‫• ان ا " ! ا " ورة ت " ‪ C‬ا وز ا ط ‪ +‬وا " ور ا?‬

‫وي ا وا د " ھو " ‪ +‬رف ) ‪.D‬‬
‫)‪ " C‬ن أو ر ا " و ط أي أ ر " ‪ D‬أو‬ ‫• ان أي ‪" !" .‬ن ا ‪! +‬‬
‫أ ‪A‬ر " ‪. D‬‬
‫)‪ " C‬ن ا " و ط ھو " ن ‪ 0‬و ‪0.5‬‬ ‫• ان ا " ل أي ‪" !" .‬ن ا ‪! +‬‬
‫)‪ C‬ر ا " و ط ھو " ن ‪ 0‬و ‪0.5‬‬ ‫و ا " ل أي ‪" !" .‬ن ا ‪! +‬‬
‫‪.‬‬
‫• ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬
‫‪.‬ص ا راف "‪ +‬ري وا د ھو ‪. p = 0.68‬‬
‫• ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬
‫‪.‬ص ا را ن "‪ +‬ر ن ھو ‪. p = 0.95‬‬
‫• ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬
‫‪.‬ص ‪97‬ث ا را ت "‪ +‬ر ! ھو ‪. p = 0.99‬‬
‫‪ -4-6-5‬ا وز ا ط ‪ +‬ا "‪ +‬ري ‪ :‬ان ا وز ا ط ‪ +‬ا "‪ +‬ري ھو " ‪C‬‬
‫ت " زا ‪ D‬ھ ا ! ‪:‬‬ ‫ثأ‬ ‫"‪+‬دل "ن ا وز ا ط ‪+‬‬
‫ب " و ) ر أي ‪M(z) = 0‬‬ ‫‪ .1‬ا " و ط ا‬
‫‪ .2‬ا راف ا "‪ +‬ري ‪σ (x) = 1‬‬

‫‪ C‬ا وز ا ط ‪+‬‬ ‫ج "‬ ‫ء ار‬ ‫ن <‬ ‫د ‪.‬م ا"‪:‬‬

‫"! ا ! ‪:‬‬ ‫ا "‪ +‬ري "ن ‪9:‬ل ا دال ل ‪x !" .‬‬

‫)‪(x-a / σ‬‬

‫‪ C‬ا وز ا ط ‪ +‬ا "‪ +‬ري وھ‬ ‫"‪7‬ل "‪ +‬د ! "‬ ‫ج ا ‪ !.9+‬ا (د دة ا‬ ‫ا‬
‫!‪:‬‬ ‫ا‬
‫)‪z =(x-a / σ‬‬
 ‫(دول " ‪ C‬ا ‪ ) ! 7‬وز‬ ‫ن أ ً )‪ C‬و‬ ‫و"ن ‪7‬م "ل ھؤ ء ا " ‪:‬‬
‫ا ط ‪ +‬ا "‪ +‬ري " (دول ا " ت ‪ z‬؛ ث أن ‪ " z !" .‬ن أن ( وز‬
‫‪.5‬‬

‫)‪ f(z‬أو )‪. φ(z‬‬ ‫‪ !" .‬ا‬ ‫)‪#‬‬ ‫(داول ‪( z‬د أن ل ‪" z !" .‬‬

‫راف‬ ‫"‪7‬ـــــ ل )‪ : (1‬دى "‪ !) 100 ! +‬ن أن ا "! ا و ط ھ ‪60‬‬

‫"‪ +‬ري ‪.‬دره ‪ ، 10‬م ب )! ‪ 5‬ل ‪5‬وا; ‪ "،‬ھو ا " ل أن ون دد‬
‫‪ #‬ھو ‪! 60‬؟‬

‫ا ـــل ‪ :‬د ن ھ ا "‪+‬ط ت ا?و ! ‪ a= 50 :‬و ‪ ، σ= 10‬إذن ط ق ا ون‬

‫ا ‪9‬زم ‪:‬‬
‫)‪z =(x-a / σ‬‬

‫‪z = (60-50)/10‬‬

‫‪z=1‬‬

‫‪:‬رج أن ‪:‬‬ ‫و‬ ‫‪z‬‬ ‫ا‪M‬ن ‪+‬ود إ ‪( C‬دول وز‬

‫‪φ(z) = φ(1) = 0.34‬‬

‫! ھو ‪. p= 0.34‬‬ ‫‪ #‬ھو ‪60‬‬ ‫أي أن ا " ل أن ون دد‬

‫‪ -5-6-5‬ا ‪ !.9+‬ن ا وز ا ط ‪ +‬وا وز ا ‪ : ; 7‬د" ون دد ا? راد‬

‫‪. p ,q‬ر ن "ن ‪"# +‬‬ ‫ا ‪ n ! +‬را (دا و د" ون ‪" 9‬ن ‪" .‬‬
‫ما !‪:‬‬ ‫ول إ ‪ C‬ا وز ا ط ‪+‬‬ ‫ا ‪+‬ض ن ا وز ا ‪; 7‬‬
‫‪a=n*p‬‬ ‫ا "! ا و ط‬

‫‪δ = n* p*q‬‬ ‫راف ا "‪ +‬ري‬ ‫ا‬

‫)"‬ ‫ن "‪ !( +‬أ د ا?"راض‬ ‫"‪7‬ـــــ ل )‪ : ( 2‬م رش ‪(5 1000‬رة أ د ا‬
‫ب" ) ‪:‬‬ ‫أن ‪ ! +‬ا " د ا ظر ! ھ ‪. %98‬وا "ط)وب ھو‬

‫‪ " .1‬ھو ا " ل أن ون ‪97‬ث أ‪ (5‬ر )‪ C‬ا?‪.‬ل " !؟‬

‫ن )‪ C‬ا? ‪7‬ر؟‬ ‫‪ " .2‬ھو ا " ل أن و(د ‪(5‬ر ن "‬
‫‪ " .3‬ھو ؟‬
‫ا را ت ا !‪:‬‬ ‫ا ــــــــل ‪ :‬د "‬
‫‪P = 1- q‬‬

‫‪n = 1000‬‬
‫‪P( x = r ) = ( r n ) * P r * q n −r‬‬

‫‪n‬‬
‫!‪( r ) = n !/(n-r!)*r‬‬

‫‪a = n * p = 20‬‬

‫‪δ = n* p*q‬‬ ‫‪= 4.43‬‬

‫! ل"‪A‬ر‪:‬‬ ‫ا‪M‬ن ط ق ا ‪ .9+‬ت ا "ذ ورة " "را ة ا م ا "‬

‫‪ .1‬ا " ل أن ون ‪97‬ث أ‪ (5‬ر )‪ C‬ا?‪.‬ل " !‪:‬‬
‫)‪P(x>=3) = 0.5 + p(3<x<20‬‬

‫)‪p(3<x<20) = φ(20-20/4.43)- φ(3-20/4.43‬‬

‫‪p(3<x<20) = 0.4999‬‬

‫‪P(x>=3) = 0.5 +4.999 = 0.9999‬‬

‫ن )‪ C‬ا? ‪7‬ر‪:‬‬ ‫‪ .2‬ا " ل أن و(د ‪(5‬ر ن "‬

‫)‪P(x<=2) = 0.5 – p(2<x<20‬‬

‫)‪p(2<x<20) = φ(20-20/4.43)- φ(2-20/4.43‬‬

‫‪p(2<x<20) = 0.49997‬‬
 ‫‪P(x<=2) = 0.5 - 0.49997= 3*10-6‬‬

‫‪ .3‬ا " ل أن و(د ا‪.‬ل "ن ‪(5 70‬رة " !‪:‬‬

‫)‪P(x<70) = 0.5 + p(20<x<70‬‬

‫)‪p(20<x<70) = φ(70-20/4.43)- φ(0‬‬

‫‪p(20<x<70) = 0.5‬‬

‫‪P(x<70) = 0.5 + 0.5 =1‬‬

‫‪ -6-6-5‬ا ‪ !.9+‬ن ا وز ا ط ‪ +‬وا دار وا ر ط ‪ C)( :‬ا ‪ !.9+‬ن‬

‫ا وز ا ط ‪ +‬وا دار وا ر ط ا ! ا ‪ ! :‬ا ! ‪ :‬د"‬
‫ون ا ‪+‬وا"ل ا " )! ا "درو ! " ! وا دات ‪ .‬س "‪D ! ) :‬‬
‫"ن ا? ل و ل ا " د ر إ ‪ C‬ا وز ا ط ‪ +‬ا "‪ +‬ري ؛وذ ك م‬
‫وم ‪:‬طوات ا ! ‪:‬‬
‫)‪.! +‬‬ ‫• طرح "ن ل ‪" !" .‬ن ا م ا " و ط ا‬
‫• ‪ T‬ا طرح "‪ C) D‬ا راف ا "‪ +‬ري )‪! +‬‬
‫ن ون ‪.‬د و ا " د ر إ ‪ C‬ا وز‬ ‫‪+‬د إ(راء ا ‪:‬طو ن ا‬
‫ت " ز " زات ا وز ا ط ‪ +‬ا "‪ +‬ري وھ ا !‪:‬‬ ‫ا ط ‪ +‬ا "‪ +‬ري وأ‬

‫)‪ ! +‬وي ا ر‬ ‫• ا"و ط ا‬

‫• ا راف ا "‪ +‬ري )‪ ! +‬وي ا وا د‪.‬‬
‫◄ "ن ا (د ر و ‪ D‬ھ إ ‪ C‬أ ‪ D‬د و ل ا " د ر إ ‪ C‬ا وز ا ط ‪+‬‬
‫ن"ط ن ""‪.‬‬ ‫ا "‪ +‬ري ‪Q‬ن ‪" 9‬ن ") ا دار وا ر ط‬

‫*****‬
 ‫‪ % )$‬ا ‪ /‬ل ا ‪ $‬س‬

‫"ن‬ ‫" ل ھو ا?داة ا‬ ‫ء وا " ل ار ط و‪، 7‬‬ ‫ر ط ا<‬ ‫•‬

‫راءات ول ا "( "‬ ‫! ) م‬ ‫; "ن ا ‪:‬دام ا "‪)+‬و" ت‬ ‫ا<‬
‫ا ذي أ‪:‬ذت " ‪.D‬‬
‫ف ا ظواھر وا وادث ‪ 5‬ل م إ ‪ C‬ا "("و ت ا !‪:‬‬ ‫" ن أن‬ ‫•‬
‫‪ .1‬وادث "ؤ دة ‪ :‬در(! ا " ‪100 % #‬‬
‫)! ‪ :‬در(! ا " ‪0.0 % #‬‬ ‫‪ .2‬وادث "‬
‫‪ .3‬وادث " ")! أو " و‪ !+.‬در(! ا " ‪ #‬أ ر "ن ‪ 0.0 %‬وأ ‪A‬ر‬
‫‪100 %‬‬ ‫"ن‬
‫‪" "#‬ن ا !‬ ‫)" و ت ‪:‬ان ا ظواھر ا ط ‪ ! +‬وا‬ ‫ا وز ا "‬ ‫•‬
‫ا زرا ! " ن "‪ 7‬ل ‪ (" #" .‬ل " ‪ A‬ر ‪5‬وا; ‪.‬‬
‫! ا "‪+‬رو !‬ ‫ا وز ا ‪ + : ; 7‬ر ا وز ا ‪" ; 7‬ن ا وز ‪ +‬ت ا ر‬ ‫•‬
‫وا "‪" !"#‬ن ا ! ا ط ! ‪.‬‬
‫وز وا ون ‪ :‬ول ن " ول ‪5‬وا; ‪ x‬أن وز ‪ D+‬ا "‬ ‫•‬
‫‪:‬‬ ‫‪ C) D‬ا ‪ 5‬ل ا‬ ‫ا وز ا "‬ ‫وز وا ون إذا ن‬
‫! ‪p ( x = r ) = (λr * e − λ ) / r‬‬

‫وا ون ‪:‬‬ ‫! ا ‪:‬دام وز‬ ‫• (ب أن و ر ا ‪5‬روط ا‬

‫‪n > 50‬‬ ‫‪ n *p <5‬و‬
‫ا وز ا ط ‪ +‬إذا‬ ‫"‬ ‫‪ x‬أن وز ‪ D+‬ا‬ ‫ول ن " ول ‪5‬وا;‬ ‫•‬
‫‪:‬‬ ‫‪ C) D‬ا ‪ 5‬ل ا‬ ‫ا وز ا "‬ ‫ن‬
‫‪f ( x ) = (1 * e − ( x −a ) / 2δ ) / δ * 2π‬‬
‫‪2‬‬

‫)‪(x‬‬ ‫‪ C‬ا وز ا ط ‪ +‬وا " ور ا?‬ ‫• ان ا " ! ا " ورة ت "‬

‫) ‪.D‬‬
‫ن‬ ‫ا ط ‪ +‬ھ ‪ !" .‬ا " و ط ‪ ،‬و‬
‫‪ C‬ا وز ا ط ‪ +‬إ ‪ " . C‬ن " " ‪ )7‬ن‪.‬‬
‫راف ا "‪ +‬ري " ‪ C‬ا وز ا ط ‪. +‬‬
‫ا ط ‪ +‬وا " ت " ) ‪:‬‬
‫وي ا وا د " ھو " ‪ +‬رف‬
‫• ان " ط ا ذروة " ‪ C‬ا وز‬
‫ا"و ط م ا" ! ت "‬
‫• ان ار ع ا ذروة ‪)+‬ق ط‬
‫دد ا ‪ !.9+‬ن " ‪ C‬ا وز‬

‫)‪(x‬‬ ‫ان ا " ! ا " ورة ت " ‪ C‬ا وز ا ط ‪ +‬وا " ور ا?‬ ‫•‬
‫وي ا وا د " ھو " ‪ +‬رف ) ‪.D‬‬
‫)‪ " C‬ن أو ر ا " و ط أي أ ر " ‪ D‬أو‬ ‫ان أي ‪" !" .‬ن ا ‪! +‬‬ ‫•‬
‫أ ‪A‬ر " ‪. D‬‬
‫)‪ " C‬ن ا " و ط ھو " ن ‪ 0‬و ‪0.5‬‬ ‫ان ا " ل أي ‪" !" .‬ن ا ‪! +‬‬ ‫•‬
‫)‪ C‬ر ا " و ط ھو " ن ‪ 0‬و ‪0.5‬‬ ‫و ا " ل أي ‪" !" .‬ن ا ‪! +‬‬
‫‪.‬‬
‫ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬ ‫•‬
‫‪.‬ص ا راف "‪ +‬ري وا د ھو ‪. p = 0.68‬‬
‫ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬ ‫•‬
‫‪.‬ص ا را ن "‪ +‬ر ن ھو ‪. p = 0.95‬‬
‫ان ا " ل أي ‪" !" .‬ن ا ‪ " ! +‬ورة "ن "( ل ا " و ط زا;د أو‬ ‫•‬
‫‪.‬ص ‪97‬ث ا را ت "‪ +‬ر ! ھو ‪. p = 0.99‬‬
‫ث‬ ‫ان ا وز ا ط ‪ +‬ا "‪ +‬ري ھو " ‪+" C‬دل "ن ا وز ا ط ‪+‬‬ ‫•‬
‫ت " زا ‪ D‬ھ ا ! ‪:‬‬ ‫أ‬
‫ب " و ) ر أي ‪M(z) = 0‬‬ ‫‪ .1‬ا " و ط ا‬
‫‪ .2‬ا راف ا "‪ +‬ري ‪σ (x) = 1‬‬
‫د" ون دد ا? راد ا ‪ n ! +‬را (دا و د" ون ‪" 9‬ن‬ ‫•‬
‫ول إ ‪C‬‬ ‫‪. p ,q‬ر ن "ن ‪ "# +‬ا ‪+‬ض ن ا وز ا ‪; 7‬‬ ‫‪".‬‬
‫ما !‪:‬‬ ‫ا وز ا ط ‪+‬‬
‫‪a=n*p‬‬ ‫ا "! ا و ط‬

‫‪δ = n* p*q‬‬ ‫راف ا "‪ +‬ري‬ ‫ا‬

‫‪D‬‬ ‫• د" ون ا ‪+‬وا"ل ا " )! ا "درو ! " ! وا دات ‪ .‬س "‪! ) :‬‬
‫"ن ا? ل و ل ا " د ر إ ‪ C‬ا وز ا ط ‪ +‬ا "‪ +‬ري‬
‫• د و ل ا " د ر إ ‪ C‬ا وز ا ط ‪ +‬ا "‪ +‬ري ‪Q‬ن ‪" 9‬ن ")‬
‫ن"ط ن ""‪.‬‬ ‫ا دار وا ر ط‬

‫*****‬

‫د ‪%‬‬ ‫ل و ول‬

‫ا وز ‪ ,‬ا ‪BINOMDIST& 0‬‬

‫" ! ا وز ذات ا د ن‪ .‬ا ‪:‬دم ‪BINOMDIST‬‬ ‫إر( ع ا دود ا ( ر ! ا رد !‬

‫رة‬ ‫‪)+‬ق ‪+‬دد ‪ 7‬ت "ن ا ‪ :‬رات أو ا ( رب‪ ،‬و د" ون ;‪ T‬أ ! (ر !‬ ‫ا " ;ل ا‬
 ‫ن ( ح أو ‪5‬ل ط‪ ،‬و د" ون ا ( رب " )!‪ ،‬و د" ون ا " ل ا ( ح ‪ 7‬ت‬
‫ب ا " ! أن ون‬ ‫ل ا "‪ 7‬ل‪ " ،‬ن ـ ‪BINOMDIST‬‬ ‫! "را ل ا (ر !‪)+ .‬‬
‫ط ‪9‬ن "ن ‪ !797‬أط ل م و د ‪ "#‬ذ وراً‪.‬‬

‫رو ‪:‬‬ ‫با‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪BINOMDIST(number_s,trials,probability_s,cumulative‬‬

‫ا ( رب‪.‬‬ ‫دد "رات ا ( ح‬ ‫‪Number_s‬‬

‫)!‪.‬‬ ‫دد ا ( رب ا "‬ ‫‪Trials‬‬

‫ل (ر !‪.‬‬ ‫ا "لا (ح‬ ‫‪Probability_s‬‬

‫دد "وذج ا دا !‪ .‬إذا ت ‪،TRUE cumulative‬‬ ‫‪ Cumulative‬ا "! ا " ط ! ا‬

‫" ل أن ھ ك دد "رات‬ ‫وم ‪Q BINOMDIST‬ر( ع دا ! ا وز ا را " ‪ ،‬وھ‬
‫)‪" (number_s‬ن ا ( ح ا ‪ A‬ب؛ وإذا ت ‪ ، FALSE‬وم ‪Q‬ر( ع دا ! "("وع‬
‫" ل أن ھ ك دد "رات )‪" (number_s‬ن ا ( ح‪.‬‬ ‫ا " ت‪ ،‬وھ‬

‫و‪2‬ت‬

‫!‪.‬‬ ‫م ا‪ .‬ص ‪ Number_s‬و ‪ trials‬إ ‪ C‬أ داد‬ ‫•‬

‫إذا ت ‪ ،number_s‬أو ‪ ،trials‬أو ‪ 2 probability_s‬ر ر‪ ،! ".‬وم‬ ‫•‬
‫‪Q BINOMDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#VALUE! H‬‬
‫إذا ت ‪ 0 > number_s‬أو إذا ت ‪ ،trials < number_s‬وم ‪BINOMDIST‬‬ ‫•‬
‫‪Q‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬
‫إذا ت ‪ 0 > probability_s‬أو إذا ت ‪ ،1 < probability_s‬وم‬ ‫•‬

‫‪Q BINOMDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬

‫)‪.COMBIN(n,x‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬
 ‫او ف‬ ‫‪ +‬ت‬ ‫‪1‬‬

‫ا ( رب‬ ‫دد "رات ا ( ح‬ ‫‪6 2‬‬

‫)!‬ ‫دد ا ( رب ا "‬ ‫‪10 3‬‬

‫ا " ! ( ح ل (ر !‬ ‫‪0.5 4‬‬

‫‪(7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬

‫)‪ =BINOMDIST(A2,A3,A4,FALSE‬ا " ! ( ح ت ( رب "ن ‪5‬ر ( رب‬

‫)‪(0.205078‬‬

‫ا وز ‪ ,‬ا ط‪NORMSDIST &. +‬‬

‫وي ‪ ) 0‬ر(‬ ‫<ر( ع دا ! ا وز ا را " ا "‪ +‬ري ا ‪ +‬دي‪ .‬ون ) وز و ط ً‬

‫ا " ‪ C‬ا "‪ +‬ري‬ ‫"ن وا‬ ‫وا راف "‪ +‬ري وي ‪ .1‬ا ‪:‬دم ھذه ا دا ! (دول‬
‫ا ‪ +‬دي‪.‬‬

‫رو ‪:‬‬ ‫با‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪NORMSDIST(z‬‬

‫ر د وز ‪. #+‬‬ ‫‪ Z‬ھ ا "! ا‬

‫و‪2‬ت‬

‫إذا ت ‪ 2 z‬ر ر‪ ،! ".‬وم ‪Q NORMSDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#VALUE! H‬‬ ‫•‬

‫"‪ +‬د ! دا ! ا ‪ ! 7‬ا "‪ +‬ر ! ا ‪ +‬د ! ھ ‪:‬‬ ‫•‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬
 ‫‪B‬‬ ‫‪A‬‬

‫‪)7‬‬ ‫و ف )ا‬ ‫‪%‬‬

‫‪1‬‬
‫د ‪1.333333‬‬ ‫)‪ =NORMSDIST(1.333333‬دا ! وز ا را " ا ‪ +‬دي‬
‫‪2‬‬
‫)‪(0.908789‬‬

‫ا وز ‪ ,‬ا ط‪ &. +‬ا ‪ .‬ري‪STANDARDIZE‬‬

‫! "ن وز ""‪7‬ل " و ط وا راف "‪ +‬ري‪.‬‬ ‫إر( ع ‪. !" .‬‬

‫رو ‪:‬‬ ‫با‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪STANDARDIZE(x,mean,standard_dev‬‬

‫!‪.‬‬ ‫ر د أن (‪. #)+‬‬ ‫‪ X‬ھ ا "! ا‬

‫) وز ‪.‬‬ ‫‪) Mean‬ا و ط( ھو ا و ط ا‬

‫راف ا "‪ +‬ري ) وز ‪.‬‬ ‫راف ا "‪ +‬ري( ھو ا‬ ‫‪) Standard_dev‬ا‬

‫و‪2‬ت‬

‫إذا ن ‪ُ ،0 ≥ standard_dev‬ر( ‪ STANDARDIZE‬ا "! ا ‪:‬ط‪.#NUM! H‬‬ ‫•‬

‫!ھ ‪:‬‬ ‫"‪ +‬د ! ا "! ا‬ ‫•‬

‫‪0‬ـــــــــــــــــ ل‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬
 ‫و ف‬ ‫‪ +‬ت‬ ‫‪1‬‬

‫!‬ ‫ا "! ا "راد (‪. #)+‬‬ ‫‪42 2‬‬

‫) وز‬ ‫او ط ا‬ ‫‪40 3‬‬

‫راف ا "‪ +‬ري ) وز‬ ‫ا‬ ‫‪1.5 4‬‬

‫ا و ف )ا ‪(7‬‬ ‫‪%‬‬ ‫ا‬

‫ت أ ‪9‬ه‬ ‫! )‪+‬دد )‪) (42‬‬ ‫)‪ =STANDARDIZE(A2,A3,A4‬ا "! ا‬

‫‪(1.333333).‬‬

‫ا‪ + $‬ر ‪Z - TEST‬‬

‫! "! ‪x‬‬ ‫إر( ع ا "! ‪ ! ; 7‬ا طرف ‪ P-value‬ـ ‪ .z-test‬وم ‪ 5 Q z-test‬ء ا در(! ا‬
‫! "("و ! ا ت )ا " و !( وإر( ع ا " ل ‪ ; 7‬ا طرف ) وز ا ‪ +‬دي‪ " .‬ك‬
‫ا ‪:‬دام ھذه ا دا ! د ر ا " ل ا ج "‪ 9‬ظ! "‪" ! +‬ن "("و ! ت "‪.! +‬‬

‫رو ‪:‬‬ ‫با‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪ZTEST(array,x,sigma‬‬

‫م ا‪ :‬ر ‪.D+" x‬‬ ‫ت ا ذي‬ ‫و ! أو ط ق ا‬ ‫و !( "‬ ‫‪") Array‬‬

‫م ا‪ :‬رھ ‪.‬‬ ‫‪ X‬ا "! ا‬

‫د ذ ‪ ، #‬م ا ‪:‬دام‬ ‫ت )"‪+‬ط‪.(C‬‬ ‫‪ ( "( ) Sigma‬ا راف ا "‪ +‬ري "("و ! ا‬

‫ا راف ا "‪ +‬ري )‪.! +‬‬

‫و‪2‬ت‬

‫و ! ‪ ،ً :‬ر( ‪ !" . ZTEST‬ا ‪:‬ط‪.#N/A H‬‬ ‫إذا ن ا "‬ ‫•‬

‫‪0‬ــــــــــــــــ ل‪:‬‬

‫ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪. .1‬م ‪ 5 Q‬ء "‬

‫وف أو ا? "دة‪.‬‬ ‫دد رؤوس ا‬ ‫"و وع ا ‪ " )+‬ت‪.‬‬ ‫‪ .2‬دد ا "‪ 7‬ل‬
 ‫‪ .3‬ا ‪A‬ط ‪CTRL+C‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫‪ ) .5‬د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪A‬‬

‫‪ +‬ت‬

‫‪3‬‬
‫‪1‬‬
‫‪6‬‬
‫‪2‬‬
‫‪7‬‬
‫‪3‬‬
‫‪8‬‬
‫‪4‬‬
‫‪6‬‬
‫‪5‬‬
‫‪5‬‬
‫‪6‬‬
‫‪4‬‬
‫‪7‬‬
‫‪2‬‬
‫‪8‬‬
‫‪1‬‬
‫‪9‬‬
‫‪9‬‬
‫‪10‬‬
‫‪(7‬‬ ‫ا و ف )ا‬ ‫‪%‬‬ ‫ا‬
‫‪11‬‬
‫ت‬ ‫)‪ ! ; 7 P-value !" . =ZTEST(A2:A11,4‬ا طرف ـ ‪"(" z-test‬و ! ا‬
‫ا "و(ودة أ ‪9‬ه‪ ،‬د ا "! ‪)0.090574) 4‬‬

‫وز ‪:POISSON ,‬‬

 ‫<ر( ع وز ‪ + .Poisson‬ر ا ؤ ‪+‬دد ا? داث ‪9:‬ل ز"ن " دد "ن ا ط ت ا ‪!+; 5‬‬
‫! ا ر وم د‪ ! .‬وا دة "‪.ً97‬‬ ‫ل إ‪C‬‬ ‫ؤ ‪+‬دد ا رات ا‬ ‫وز ‪، Poisson‬‬

‫رو ‪:‬‬ ‫با‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪POISSON(x,mean,cumulative‬‬

‫دد ا? داث‪.‬‬ ‫‪X‬‬

‫‪ Mean‬ا "! ا ر‪ ! ".‬ا " و‪.!+.‬‬

‫م إر( ‪ . #‬إذا ن‬ ‫"لا‬ ‫دد ا "وذج وز ا‬ ‫‪ Cumulative‬ا "! ا " ط ! ا‬

‫" ل ‪ Poisson‬ا را " ا ذي ‪D‬‬ ‫‪ cumulative‬وي ‪ ،TRUE‬وم ‪Q POISSON‬ر( ع ا‬
‫ن ‪ ،FALSE‬وم ‪Q‬ر( ع دا !‬ ‫راوح دد ا? داث ا ‪5+‬وا; ! ن ر و " ‪x D‬؛ وإذا‬
‫وي ‪.ً " " x‬‬ ‫‪ #‬دد ا? داث‬ ‫ا " ل ‪ 2 Poisson‬ر ا را " ! ا‬

‫و‪2‬ت‬

‫‪. #‬‬ ‫ً‪ ،‬م ا‪.‬‬ ‫م ن ‪ x‬دداً‬ ‫إذا‬ ‫•‬

‫ت ‪ x‬أو ا " و ط ‪ 2 !" .‬ر ر‪ُ ،! ".‬ر( ‪ !" . POISSON‬ا ‪:‬ط‪.#VALUE! H‬‬ ‫إذا‬ ‫•‬
‫ن ‪ُ ،0 ≥ x‬ر( ‪ POISSON‬ا "! ا ‪:‬ط‪.#NUM! H‬‬ ‫إذا‬ ‫•‬
‫ن ا " و ط ≥ ‪ُ ،0‬ر( ‪ !" . POISSON‬ا ‪:‬ط‪.#NUM! H‬‬ ‫إذا‬ ‫•‬

‫"‪7‬ــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫او ف‬ ‫ت‬ ‫‪+‬‬ ‫‪1‬‬

‫دد ا< داث‬ ‫‪2 2‬‬

‫ا " و ط ا " و‪.‬‬ ‫‪5 3‬‬

 (7 ‫و ف )ا‬ % ‫ا‬

‫ه‬9 ‫! أ‬ ‫روط ا "و‬5 " ‫ ا را‬Poisson ‫= ا " ل‬POISSON(A2,A3,TRUE)

(0.124652)

‫روط‬5 ! " ‫ ر ا را‬2 Poisson ‫= دا ! ا " ل‬POISSON(A2,A3,FALSE)

(0.084224)‫ه‬9 ‫ا "و ! أ‬
 ‫رنا‪ /‬لا‪ $‬س‬

‫ل ا زرا !‬ ‫ن طور ا< ج "ن أ د ا "‬ ‫‪ .1‬د ا ت ا ! ا‬

‫وھو ا ‪ +5‬ر ‪9:‬ل ا رة ‪2001-1998‬‬
‫‪2001‬‬ ‫‪2000‬‬ ‫‪1999‬‬ ‫‪1998‬‬ ‫ا !‬

‫‪875‬‬ ‫‪340‬‬ ‫‪456‬‬ ‫‪222‬‬ ‫ا< ج‬

‫وا "ط)وب ‪:‬‬

‫ب "ن‬ ‫‪:‬دام ا وع ا "‬ ‫!‬ ‫تا‬ ‫)‬ ‫• ار م ا " ‪ C‬ا‬

‫ا ر وم ا !‪.‬‬
‫• ا ب "‪+‬دل ا< ج "ن " ول ا ‪ +5‬ر ‪9:‬ل ا رة ا " ددة‬
‫‪1998‬و ‪. 2001 C‬‬ ‫"ن‬
 ‫‪ C‬ا وز‬ ‫‪:‬دام "‪ +‬د ! "‬ ‫• ا ب ‪ .‬م ا< ج ا " و‪!+.‬‬
‫اط ‪. +‬‬
‫ت ا< ج؟‬ ‫• " ھو ا وز ا " ب‬

‫ا ( "‪:!+‬‬ ‫ن طور دد ا ط‪9‬ب‬ ‫!ا‬ ‫تا‬ ‫‪ .2‬د ا‬

‫‪2001‬‬ ‫‪2000‬‬ ‫‪1999‬‬ ‫‪1998‬‬ ‫ا !‬

‫‪20000‬‬ ‫‪40000‬‬ ‫‪70000 60000‬‬ ‫دد ا ط‪9‬ب‬

‫‪190‬‬ ‫‪220‬‬ ‫‪170‬‬ ‫‪200‬‬ ‫دد‬

‫ا "در ن‬

‫وا "ط)وب‪:‬‬

‫• "‪7‬ل ا ت ا ! ا (دول أ ‪9‬ه طر ! ا ! ا "‬

‫!‪.‬‬
‫• " ھو ا وز ا " ب ) ت ا واردة ا (دول ا ق ؟‬
‫‪:‬دام "‪ +‬د ! " ‪ C‬ا وز ا ط ‪7 ، +‬م‬ ‫• ا ب أ داد ا ط‪9‬ب ا " و‪!+.‬‬
‫‪:‬دام "‪ +‬د ! " ‪ C‬ا وز ا ‪ ; 7‬و‪ .‬رن ا (!‪.‬‬

‫ج‪ -‬ﺒﻌض ﺘوزﻴﻌﺎت اﻻﺤﺘﻤﺎل اﻝﺨﺎﺼﺔ‬

‫ـﻨﻘدم ﻓــﻲ ﻫــذا اﻝﻘﺴـم ﺘــوزﻴﻌﻴن ﻤــن أﻜﺜـر ﺘوزﻴﻌــﺎت اﻻﺤﺘﻤــﺎل ﻓﺎﺌـدة ﻝﺤـ ّل ﻤﺴــﺎﺌل اﻻﺴــﺘدﻻل‬
‫ﺴ ّ‬
‫ﻝﻤﺘﻐﻴــر ﻤﺘّﺼــل ‪،‬‬
‫ّ‬ ‫اﻹﺤﺼــﺎﺌﻲ ‪ ،‬ﻫــذان اﻝﺘوزﻴﻌــﺎن ‪ ،‬أﺤــدﻫﻤﺎ ﺘوزﻴــﻊ ﻝﻤﺘﻐﻴــر ﻤﺘﻘطّــﻊ ‪ ،‬واﻵﺨــر ﺘوزﻴــﻊ‬
‫ك ـ أﻜﺜر ﻤﺎ ﺠرى اﺴﺘﺨداﻤﻪ ﻤن ﺘوزﻴﻌﺎت ﻓﻲ ﻤزاوﻝﺔ اﻹﺤﺼﺎء ‪.‬‬
‫ﻫﻤﺎ ـ ﺒﻼ ﺸ ّ‬

‫‪ -17-7‬اﻝﺘوزﻴﻊ ذو اﻝﺤدﻴن ‪: Binomial Distribution‬‬

‫اﻋﺘﺒر ﺘﺠرﺒﺔ ﻴﻤﻜن ﻓﻴﻬﺎ ﺘﺒوﻴب ﻜل اﻝﻨﺘﺎﺌﺞ اﻝﻤﻤﻜﻨﺔ ﻜﻨﺘﺎﺌﺞ ﻴﻨﺘﺞ ﻋﻨﻬﺎ ﺤدوث ﺤـدث ‪ ،‬ﻓـﺈذا‬
‫ﻨــﺘﺞ ﻋﻨــﻪ ﺤــدوث ‪ A‬اﻋﺘﺒرﻨــﺎﻩ ﻨﺠﺎﺤ ـﺎً ٕواﻻّ ‪ ،‬ﻓﻬــو ﻓﺸــل ‪ .‬واﺴــﺘﺨدام ﻜﻠﻤــﺔ "ﻨﺠــﺎح" ﻫﻨــﺎ ﻤــﺎ ﻫــو إﻻّ‬
‫طرﻴﻘﺔ ﻤﻨﺎﺴﺒﺔ ﻝوﺼف وﻗوع ﺤدث ﻤﺎ ‪ ،‬وﻻ ﻴﻌﻨﻲ ﺒﺎﻝﻀـرورة أن وﻗـوع اﻝﺤـدث ﻤرﻏـوب ﻓﻴـﻪ ‪ .‬ﻨﺘوﻗـﻊ‬
‫ﻤﺘﻐﻴـ اًر ﻋﺸـواﺌﻴﺎً ‪ x‬ﻴﻤﺜّـل اﻝﻌـدد‬
‫أن اﻝﺘﺠرﺒﺔ ﺘﻜررت ﻋدداً ﻤن اﻝﻤـرات ﻨرﻤـز ﻝـﻪ ﺒـﺎﻝﺤرف ‪ ، n‬وﻝﻨـدﺨل ّ‬
‫اﻝﻜﻠــﻲ ﻝﻤ ـرات اﻝﻨﺠــﺎح اﻝﺘــﻲ ﺤﺼــﻠﻨﺎ ﻋﻠﻴﻬــﺎ ‪ ،‬أي ﻋ ــدد ﻤ ـرات وﻗــوع ‪ A‬ﻋﻨ ــد ﺘﻜ ـرار اﻝﺘﺠرﺒــﺔ ‪ n‬ﻤ ــن‬
‫اﻝﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ اﻝذي ﻤن ﻫذا اﻝﻨوع ﻤﺘﻐﻴ اًر ذي ﺤدﻴن ‪.‬‬
‫ّ‬ ‫اﻝﻤرات ‪ .‬ﻴﺴﻤﻰ‬

‫دﻋﻨــﺎ ﻨﻌــدل ﺘﻠــك اﻝﺘﺠرﺒــﺔ ﺒﺤﻴــث ﺘﺼــﺒﺢ ﻋﺒــﺎرة ﻋــن إﻝﻘــﺎء ﻗطﻌــﺔ اﻝﻨﻘــود ﻤـرة واﺤــدة ﺒــدﻻً ﻤــن‬
‫ﺜــﻼث ﻤ ـرات ‪ .‬ﻝﻨﻌــرف اﻝﻨﺠــﺎح ﺒﺄﻨــﻪ اﻝﺤﺼــول ﻋﻠــﻰ رأس ‪ ،‬وﻝﺘﻜ ـرار اﻝﺘﺠرﺒــﺔ ‪ ،‬ﺜــﻼث ﻤ ـرات ‪ :‬إذن‬
‫اﻝﻤﺘﻐﻴـر اﻝﻌﺸـواﺌﻲ ‪ x‬ﻋـدد اﻝـرؤوس اﻝﺘـﻲ ﻨﺤﺼـل ﻋﻠﻴﻬـﺎ ﻓـﻲ ﺜـﻼث‬
‫ّ‬ ‫ﻓﻠـدﻴﻨﺎ ﻫﻨـﺎ ‪ . n= 3‬ﻋﻨدﺌ ٍـذ ﻴﻤﺜّـل‬
‫رﻤﻴــﺎت ﻜﻤ ــﺎ ﻜﺎﻨ ــت اﻝﺤ ــﺎل ﻓ ــﻲ ﺒﻨ ــد ‪ ، 2‬اﻝﻔﻘـ ـرة )ب(‪ٕ .‬واذن ﻓﺴ ــﻴﻌطﻲ اﻝﺸ ــﻜل )‪ (19-7‬اﻝﻔﻘـ ـرة )ب(‪،‬‬
‫اﻝﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ذي اﻝﺤدﻴن ‪ .‬ﻫذا ‪ ،‬وﻗد أﻋدﻨﺎ ﺘﺼوﻴرﻩ ﻓﻲ اﻝﺸﻜل )‪. (21-7‬‬
‫ّ‬ ‫ﺘوزﻴﻊ‬

‫أﻤﺎ ﺘﺠرﺒﺔ دﺤرﺠﺔ زﻫرﺘﻲ طﺎوﻝـﺔ ﻤـﻊ ﺘﻌرﻴـف ‪ x‬ﻜﻤﺠﻤـوع اﻝﻨﻘـﺎط ﻋﻠـﻰ اﻝزﻫـرﺘﻴن ﻓـﻼ ﺘﻌطﻴﻨـﺎ‬

‫ﻤﺘﻐﻴرات ذي اﻝﺤدﻴن ‪ ،‬إذ ﻻ ﻴﻤﻜن ﻝﻠﻤرء اﻋﺘﺒـﺎر ﻜـل دﺤرﺠـﺔ زﻫـرة ﻜﻨـﺎﺘﺞ ﻴﻌطﻴﻨـﺎ ﻨﺠﺎﺤـﺎً‬
‫ﻤﺘﻐﻴ اًر ﻤن ّ‬
‫ّ‬
‫أو ﻓﺸﻼً ﻤﻊ ﺠﻌل ‪ x‬ﺘﻤﺜّل ﻤﺠﻤوع ﻋدد ﻤرات اﻝﻨﺠﺎح ‪ .‬ﻓﻬﻨﺎك ﺴت إﻤﻜﺎﻨﻴـﺎت ﻝﻜـل ﻤـن اﻝزﻫـرﺘﻴن ﻻ‬
‫إﻤﻜﺎﻨﻴﺘﺎن ﻓﻘط ‪ ،‬ﻜﻤـﺎ‬

‫ﺘﺘطﻠّب ﻤﺴﺄﻝﺔ ذي اﻝﺤدﻴن ‪.‬‬

‫وﺘﺠرﺒﺔ ﺴﺤب ﻜرة ﻤن ﺼﻨدوق ﻴﺤﺘوي ﻋﻠﻰ ﺜﻼث ﻜرات ﺤﻤراء ‪ ،‬وﻜرﺘﻴن ﺴـوداوﺘﻴن وﻜـرة‬
‫ﻤﺘﻐﻴـرات ذي اﻝﺤـدﻴن‬
‫ﻤﺘﻐﻴـر ﻤـن ّ‬
‫ﺨﻀراء ‪ ،‬ﻝﻴﺴت ﻫﻲ اﻷﺨرى ﺘﺠرﺒﺔ ﻤن اﻝﺘﺠﺎرب اﻝﺘﻲ ﺘؤدي إﻝﻰ ّ‬
‫ﻓﻲ اﻝﺼورة اﻝﺤﺎﻝﻴﺔ ﻝﻪ ‪ ،‬إذ ﻝدﻴﻨﺎ ﻫﻨﺎ ﺜـﻼث ﻨﺘـﺎﺌﺞ ﻤﻤﻜﻨـﺔ ﺒـدﻻً ﻤـن ﻨﺘﻴﺠﺘـﻴن ‪ .‬وﻤـﻊ ﻫـذا ‪ ،‬ﻓـﺈذا ﻜـﺎن‬
‫اﻫﺘﻤﺎﻤﻨﺎ ﻤﺤﺼو اًر ﻓﻘط ﻓﻲ ﻤﻌرﻓﺔ ﻤﺎ إذا ﻜﻨﺎ ﺴﻨﺤﺼل ﻋﻠﻰ ﻜـرة ﺤﻤـراء ‪ ،‬ﻓﺴﺘﺼـﺒﺢ اﻝﻤﺴـﺄﻝﺔ ﻤﺴـﺄﻝﺔ‬
‫اﻝﻤﺘﻐﻴ ــر ‪ x‬ﻋ ــدد اﻝﻜـ ـرات اﻝﺤﻤـ ـراء اﻝﺘ ــﻲ ﻨﺤﺼ ــل ﻋﻠﻴﻬ ــﺎ ﻋﻨ ــد إﺠـ ـراء‬
‫ّ‬ ‫ﺘوزﻴ ــﻊ ذي اﻝﺤ ــدﻴن ‪ .‬وﺴ ــﻴﻤﺜّل‬
‫اﻝﺘﺠرﺒــﺔ ‪ n‬ﻤــن اﻝﻤ ـرات ‪ .‬ﻫــذا ‪ ،‬وﻓــﻲ ﻤﺴــﺎﺌل ﻤﺘﻐﻴ ـرات ذي اﻝﺤــدﻴن ‪ ،‬ﻴﻔﻬــم داﺌﻤ ـﺎً أﻨــﻪ ‪ ،‬إذا ﻜﺎﻨــت‬
‫اﻝﺘﺠرﺒﺔ ﺘﺘﻀﻤن ﺴﺤب أﺸﻴﺎء ﻤن أوﻋﻴﺔ ‪ ،‬ﻓﺈن إرﺠـﺎع اﻷﺸـﻴﺎء اﻝﻤﺴـﺤوﺒﺔ ﻴـﺘم ﻗﺒـل اﻝﺒـدء ﻓـﻲ إﺠـراء‬
‫اﻝﺘﺠرﺒﺔ اﻵﺘﻴﺔ ‪ ،‬إذ إن ﺘﻜرار اﻝﺘﺠرﺒﺔ ﻴﺠب أن ﻴﻜون ﺘﻜ ار اًر ﻝﻠﺘﺠرﺒﺔ اﻷﺼﻠﻴﺔ ﻤن ﻜﺎﻓﺔ ﺠواﻨﺒﻬﺎ ‪.‬‬
 ‫ﻤﺘﻐﻴر ﻋﺸواﺌﻲ ﻓﻲ ﺘﺠرﺒﺔ رﻤﻲ ﻗطﻌﺔ ﻨﻘود‬
‫اﻝﺸﻜل )‪ :(21–7‬ﺘوزﻴﻊ ّ‬

‫ﻤﺘﻐﻴ ـرات ذي اﻝﺤــدﻴن ‪ ،‬ﻝﻨــر ﻜﻴــف ﻨﺤﺼــل ﻋﻠــﻰ‬

‫ﻝﻤﺘﻐﻴــر ﻤــن ّ‬
‫ّ‬ ‫وﻝﻨﻨظــر اﻵن ﻓــﻲ ﻤﺜــﺎل أﻋﻘــد ﻨوﻋ ـﺎً‬
‫ﺘوزﻴﻌﻪ ‪ .‬ﻝﺘﻜن اﻝﺘﺠرﺒـﺔ اﻷﺴﺎﺴـﻴﺔ ﻫـﻲ دﺤرﺠـﺔ زﻫـرة طﺎوﻝـﺔ ﻤـرة أﺨـرى ‪ ،‬وﻝـﻴﻜن ﺘﻌرﻴـف اﻝﻨﺠـﺎح ﻫـو‬
‫اﻝﺤﺼول ﻋﻠﻰ آس )أي ﻨﻘطﺔ واﺤدة( ‪ .‬ﺴﻨﺠري اﻝﺘﺠرﺒﺔ ﺜﻼث ﻤرات ‪ ،‬أي أن ‪. n = 3‬‬

‫اﻝﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ﻫذا ‪ ،‬ﻴﻤﻜﻨﻨﺎ اﺘّﺒﺎع اﻝطرﻴﻘﺔ ﻨﻔﺴﻬﺎ اﻝﺘـﻲ اﺘّﺒﻌﻨﺎﻫـﺎ ﻓـﻲ‬
‫ّ‬ ‫ﻨﺤﺼل ﻋﻠﻰ ﺘوزﻴﻊ‬
‫ﺘﺠرﺒﺔ رﻤﻲ ﻗطﻌﺔ اﻝﻨﻘـود اﻝﻤﻤﺜﻠـﺔ ﻓـﻲ اﻝﺸـﻜل )‪ . (21-7‬ﻫـذﻩ اﻝطرﻴﻘـﺔ ﺘﺘﻜ ّـون ﻤـن اﻝﻨظـر إﻝـﻰ ﻤﺠـﺎل‬
‫ﻝﻠﻤﺘﻐﻴــر اﻝﻌﺸ ـواﺌﻲ ‪ ، x‬وذﻝــك‬
‫ّ‬ ‫ﻋﻴﻨــﺔ ﺠدﻴــدة‬
‫اﻝﻌﻴﻨــﺔ اﻷﺼــﻠﻲ ﻝﻠﺘﺠرﺒــﺔ اﻝﻜﺎﻤﻠــﺔ ﺜــم اﺨﺘ ازﻝ ـﻪ إﻝــﻰ ﻤﺠــﺎل ّ‬
‫ّ‬
‫اﻝﻌﻴﻨــﺔ اﻷﺼــﻠﻲ ‪ .‬واﻵن ‪ ،‬ﻋﻨــد ﻜــل دﺤرﺠــﺔ ﻝزﻫ ـرة‬
‫ﺒﺘطﺒﻴــق ﺘﻌرﻴــف اﺤﺘﻤــﺎل اﻷﺤــداث ﻋﻠــﻰ ﻤﺠــﺎل ّ‬
‫ـﺠل إذا ﻜــﺎن ﻤــﺎ ﺤــدث ﻫــو ﻨﺠــﺎح أو ﻓﺸــل ‪ ،‬ﺤﻴــث ﻜﻠﻤــﺔ ﻨﺠــﺎح ﺘﻌﻨــﻲ‬
‫طﺎوﻝــﺔ ‪ ،‬ﻤــﺎ ﻋﻠﻴﻨــﺎ إﻻّ أن ﻨﺴـ ّ‬
‫اﻝﺤﺼول ﻋﻠﻰ آس ‪ .‬ﻓﺈذا اﺴﺘﺨدﻤﻨﺎ اﻝﺤرﻓﻴن ‪ S , F‬ﻝﻴﻤﺜّﻼ اﻝﻨﺠﺎح واﻝﻔﺸـل ﻓﺴـﻴﻜون ﻝـدﻴﻨﺎ ﺜﻤـﺎن ﻨﻘـط‬
‫اﻝﻌﻴﻨﺔ ‪ ،‬ﻜﻤﺎ ﻜﺎﻨت اﻝﺤﺎل ﻋﻨد رﻤـﻲ ﻗطﻌـﺔ اﻝﻨﻘـود ﺜـﻼث رﻤﻴـﺎت ‪ ،‬وﻜـﺎن ﻻﺒ ّـد ﻤـن ظﻬـور‬
‫ﻓﻲ ﻤﺠﺎل ّ‬
‫ﻝﻴﺒﻴﻨـﺎ‬
‫‪ H‬أو ‪ T‬ﻋﻨـد ﻜـل رﻤﻴـﺔ ‪ .‬وﻝﻘـد ﻤﺜﻠﻨـﺎ ﻫـذﻩ اﻝﻨﻘـﺎط ﻓـﻲ ﺠـدول )‪ (7-5‬ﺒﺎﺴـﺘﺨدام اﻝﺤـرﻓﻴن ‪ّ S , F‬‬
‫ﻝﻠﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ‪. x‬‬
‫ّ‬ ‫اﻝﻨﺘﺎﺌﺞ اﻝﻤﺨﺘﻠﻔﺔ اﻝﻤﻤﻜﻨﺔ ‪ .‬ﻜﻤﺎ ّﺒﻴّﻨﺎ أﻴﻀﺎً ﻓﻲ ﺠدول )‪ (7-5‬اﻝﻘﻴم اﻝﻤﻨﺎظرة‬

‫ﺠدول )‪(7-5‬‬

‫‪7‬‬ ‫ا‬ ‫‪SSS‬‬ ‫‪SSF‬‬ ‫‪SFS‬‬ ‫‪FSS‬‬ ‫‪SFF‬‬ ‫‪FSF‬‬ ‫‪FFS‬‬ ‫‪FFF‬‬

‫‪4‬م‪x‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬

‫ﺴﻨﻼﺤظ أن ﻫـذا اﻝﺠـدول ﻫـو ﺒﺎﻝﻀـﺒط ﻨﻔـس ﺠـدول ﻤﺴـﺄﻝﺔ رﻤـﻲ ﻗطﻌـﺔ اﻝﻨﻘـود ﺜـﻼث ﻤـرات‬
‫ﻨﻔﺴــﻪ واﻝــذي ﺴــﺒق أن ّﺒﻴّﻨــﺎﻩ ﻓــﻲ اﻝﺸــﻜل )‪ ، (15-7‬اﻝﻔﻘـرة )ب( ‪ .‬ﺒﻴــد أن ﺤﺴــﺎب اﻻﺤﺘﻤــﺎﻻت ﻗــﻴم ‪x‬‬
‫اﻝﻤﺨﺘﻠﻔﺔ ﺘﺨﺘﻠف اﺨﺘﻼﻓﺎً ّﺒﻴﻨﺎً ‪ ،‬ﻓﺎﺤﺘﻤﺎﻻت ﻫذﻩ اﻝﻨﺘﺎﺌﺞ اﻝﺜﻤﺎﻨﻴـﺔ اﻝﻤﻤﻜﻨـﺔ ﻝﻴﺴـت ﻤﺘﺴـﺎوﻴﺔ ﻜﻤـﺎ ﻜﺎﻨـت‬
‫اﻝﺤﺎل ﻓﻲ ﻤﺴـﺄﻝﺔ ﻗطﻌـﺔ اﻝﻨﻘـود ‪ .‬ﻝﻨﺤﺴـب ﻫﻨـﺎ اﻻﺤﺘﻤـﺎﻻت ﺒﺎﺴـﺘﺨدام ﻗﺎﻋـدة اﻝﻀـرب ﻝﻼﺤﺘﻤـﺎﻻت ‪.‬‬
‫ﻓﺤﻴــث أن دﺤرﺠــﺎت اﻝزﻫ ـرات اﻝﺜﻼﺜــﺔ ﻤﺴــﺘﻘﻠﺔ ‪ٕ ،‬وان اﺤﺘﻤــﺎل اﻝﻨﺠــﺎح )أي اﻝﺤﺼــول ﻋﻠــﻰ آس( ﻫــو‬
‫اﻵن ‪ 1/6‬ﻴﻨﺘﺞ ـ ﻋﻠﻰ ﺴﺒﻴل اﻝﻤﺜﺎل ـ أن ‪:‬‬

‫‪2‬‬
‫‪1 5 1 1 5‬‬
‫‪P{SFS } = . . =   . ‬‬
‫‪6 6 6 6 6‬‬

‫وﺒﺤﺴﺎﺒﺎت ﻤﻤﺎﺜﻠﺔ ﻝﻬذﻩ اﻝﺨطوات ﻨﺤﺼل ﻋﻠﻰ اﺤﺘﻤﺎﻻت ﻜل ﻤن اﻝﻨﺘﺎﺌﺞ اﻝﺜﻤﺎن اﻝﻤﻤﻜﻨﺔ ‪ ،‬وﻗد ّﺒﻴﻨﺎ‬
‫ﻨﺘﺎﺌﺞ ﻤﺜل ﻫذﻩ اﻝﺤﺴﺎﺒﺎت ﻓﻲ ﺠدول )‪. (7-6‬‬

‫‪1‬دول )‪(7-6‬‬

‫اﻝﻨﺘﺎﺌﺞ‬ ‫‪SSS‬‬ ‫‪SSF‬‬ ‫‪SFS‬‬ ‫‪FSS‬‬ ‫‪SFF‬‬ ‫‪FSF‬‬ ‫‪FFS‬‬ ‫‪FFF‬‬

‫اﻻﺤﺘﻤﺎل‬
‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪1‬‬ ‫‪1 5 1 5 1 5 15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪5‬‬
‫‪ ‬‬ ‫‪             . ‬‬ ‫‪ . ‬‬ ‫‪ . ‬‬ ‫‪ ‬‬
‫‪6‬‬ ‫‪6 6 6 6 6 6 66‬‬ ‫‪66‬‬ ‫‪66‬‬ ‫‪6‬‬

‫ٕواذن ‪ ،‬ﻨﺴﺘطﻴﻊ أن ﻨﻘﺎرن ﻤﺠـﺎل اﻝﻌﻴﻨـﺔ ذي اﻝﺜﻤـﺎﻨﻲ ﻨﻘـﺎط ﻤـﻊ اﺤﺘﻤﺎﻻﺘﻬـﺎ اﻝﻤﺨﺼﺼـﺔ إﻝـﻰ‬
‫ﻝﻠﻤﺘﻐﻴ ــر اﻝﻌﺸـ ـواﺌﻲ ‪ ، x‬وذﻝ ــك ﺒﺤﺴ ــﺎب اﺤﺘﻤ ــﺎﻻت اﻷﺤ ــداث اﻝﻤرﻜﺒ ــﺔ اﻝﻤﻨ ــﺎظرة ﻝﻠﻘ ــﻴم‬
‫ّ‬ ‫ﻤﺠ ــﺎل اﻝﻌﻴﻨ ــﺔ‬
‫ﻝﻠﻤﺘﻐﻴـر اﻝﻌﺸـواﺌﻲ ‪ .‬وﻝﻘـد أﺠرﻴﻨـﺎ ذﻝـك ﺒﻤﻘﺎرﻨـﺔ اﻝﺠـدوﻝﻴن )‪ . (7-6) , (7-5‬ﻓﻤـﺜﻼً ‪ ،‬ﻴﺘﻜ ّـون‬
‫ّ‬ ‫اﻝﻤﺨﺘﻠﻔﺔ‬
‫ﺤـدث ‪ x = 2‬ﻤـن اﻷﺤـداث اﻝﺒﺴـﻴطﺔ ‪ SSF , SFS , FSS‬وﻋﻠﻴـﻪ ‪ ،‬ﻓﺈﻨﻨـﺎ ﻨﺤﺼـل ﻋﻠـﻰ اﺤﺘﻤـﺎل ﻫـذا‬
‫اﻝﺤدث ﺒﺠﻤﻊ اﻻﺤﺘﻤﺎﻻت اﻝﻤﻘﺘرﻨﺔ ﺒﺘﻠـك اﻝـﺜﻼث ‪ .‬وﻴﺒ ّـﻴن ﺠـدول )‪ (7-7‬ﻤﺜـل ﻫـذﻩ اﻝﺤﺴـﺎﺒﺎت ‪ .‬ﻜﻤـﺎ‬
‫اﻝﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ اﻝﻤطﻠوب ‪ .‬أﻤﺎ ﺸﻜﻠﻪ اﻝﺒﻴـﺎﻨﻲ ﻓﻴﻌطﻴـﻪ اﻝﺸـﻜل )‪(22-7‬‬
‫ّ‬ ‫ﻴﻌطﻴﻨﺎ ﻫذا اﻝﺠدول ﺘوزﻴﻊ‬
‫ﻋﺒرﻨﺎ ﻋن اﺤﺘﻤﺎﻻت ﺒﺼورة ﻋﺸرﻴﺔ ﻝرﻗﻤﻴن ﻋﺸرﻴﻴن ‪.‬‬
‫‪ ،‬وﻓﻴﻪ ّ‬

‫ﺠدول )‪(7-7‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬
‫}‪P{x‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪1 5‬‬ ‫‪1‬‬
‫‪ ‬‬ ‫‪3 . ‬‬ ‫‪3  . ‬‬ ‫‪ ‬‬
‫‪6‬‬ ‫‪66‬‬ ‫‪6 6‬‬ ‫‪6‬‬
‫وﻓﻲ ﻀوء ﻫذﻩ اﻝﻨﺘﺎﺌﺞ ‪ ،‬ﻴﺘّﻀﺢ ﻝﻨﺎ أﻨﻪ ﻻ ﻴﻨﺒﻐﻲ ﻝﻠﻤرء أن ﻴﺘوﻗّﻊ اﻝﺤﺼـول ﻋﻠـﻰ ‪ 3‬آﺴـﺎت‬

‫ﻋﻨد دﺤرﺠﺔ ﺜـﻼث زﻫـور طﺎوﻝـﺔ ‪ .‬ﻓﻤﺜـل ﻫـذﻩ اﻝﻨﺘﻴﺠـﺔ ﺘﺤـدث ـ ﻋﻠـﻰ اﻝﻤـدى اﻝﺒﻌﻴـد ﻤـرة واﺤـدة ﺘﻘرﻴﺒـﺎً‬
‫ﻜـل ‪ 63= 216‬ﻤـرة ﻜﻤـﺎ ﻴﺘّﻀـﺢ ﻝﻨـﺎ أﻨـﻪ ﻻ ﻴﻨﺒﻐـﻲ ﻝﻠﻤـرء أن ﻴﻘﺒـل رﻫﺎﻨـﺎً ـ ﺤﺘـﻰ ﻝـو ﻜـﺎن ﻤﺒﻨﻴـﺎً ﻋﻠـﻰ‬
‫اﻝﻤﺎل ـ أﻨﻪ ﺴﻴﺤﺼل ﻋﻠﻰ اﻷﻗل ﻋﻠﻰ آس واﺤد ﻋﻨد دﺤرﺠـﺔ ﺜﻼﺜـﺔ زﻫـور طﺎوﻝـﺔ ‪ ،‬إذ إن ﻤﺜـل ﻫـذﻩ‬
‫ـود اﻝﻔـوز ﻋﻠـﻰ أﺼـدﻗﺎﺌك اﻝﺒﺴـطﺎء ‪ ،‬ﻓـراﻫﻨﻬم‬
‫اﻝﻨﺘﻴﺠﺔ ﺘﺤـدث ﻓـﻲ ﺤـواﻝﻲ ‪ ، 42%‬وﻋﻠﻴـﻪ ﻓـﺈذا ﻜﻨـت ﺘ ّ‬
‫ﻋﻠﻰ أﻨﻬم ﻝن ﻴﺤﺼﻠوا ﻋﻠﻰ آس واﺤد ﻋﻠﻰ اﻷﻗل ﻋﻨد دﺤرﺠﺔ ﺜﻼﺜﺔ زﻫور طﺎوﻝﺔ ‪.‬‬

‫وﻴﻤﻜــن اﺴــﺘﺨدام اﻝطرﻴﻘــﺔ اﻝﺘــﻲ اﺴــﺘﺨدﻤﻨﺎﻫﺎ ﻓــﻲ اﻝﻤﺜــﺎﻝﻴن اﻝﺘوﻀــﻴﺤﻴﻴن اﻝﺴــﺎﺒﻘﻴن ﻓــﻲ أﻴــﺔ‬
‫ﻤﺴﺄﻝﺔ ﺨﺎﺼﺔ ﻗـد ﺘﻨﺸـﺄ ﻤـن ﻤﺴـﺎﺌل ذي اﻝﺤـدﻴن ‪ .‬ﻓﻤـﺜﻼً إذا ﻜﺎﻨـت ﻫﻨـﺎك ‪ 5‬إﻋـﺎدات ﻝﺘﺠرﺒـﺔ اﻝﻨﺠـﺎح‬
‫أو اﻝﻔﺸـل اﻷﺴﺎﺴـﻴﺔ ‪ ،‬ﻓﺴـﻴﻜون ﻫﻨـﺎك ‪ 25 = 32‬ﻨﻘطـﺔ ﻓـﻲ ﻤﺠـﺎل اﻝﻌﻴﻨـﺔ ‪ .‬ﻋﻨدﺌ ٍـذ ﻨﺤﺴـب اﻻﺤﺘﻤـﺎل‬
‫ﻝﻠﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ‪x‬‬
‫ّ‬ ‫اﻝﻤﻘﺘرن ﺒﻜل ﻨﻘطﺔ ‪ ،‬ﺜم ﻨرﺒط ﺒﻜل ﻨﻘطﺔ ﻤن ﻨﻘط ﻤﺠﺎل اﻝﻌﻴﻨﺔ اﻝﻘﻴﻤﺔ اﻝﻤﻨﺎﺴﺒﺔ‬
‫‪ ،‬ﺜــم ﺒﺠﻤــﻊ اﻻﺤﺘﻤــﺎﻻت اﻝﺨﺎﺼــﺔ ﺒﺘﻠــك اﻝﻨﻘــﺎط اﻝﺘــﻲ ﺘﻨــﺎظر ﻗﻴﻤــﺔ ﻤﻌﻴﻨــﺔ ﻝﻠﻤﺘﻐﻴــر ‪ ، x‬ﻨﺤﺼــل ﻋﻠــﻰ‬
‫ﻝﻤﺘﻐﻴـر‬
‫ّ‬ ‫ﻝﻠﻤﺘﻐﻴر ‪ ، x‬وﻫذﻩ اﻻﺤﺘﻤﺎﻻت ﺘﻌطﻲ ﺘوزﻴﻊ اﻻﺤﺘﻤـﺎل اﻝﻤطﻠـوب‬
‫ّ‬ ‫اﻻﺤﺘﻤﺎﻻت ﻝﻠﻘﻴم اﻝﻤﺨﺘﻠﻔﺔ‬
‫ذي اﻝﺤدﻴن ﻝﻠﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ‪.x‬‬

‫اﻝﺸﻜل )‪ : (22-7‬ﺘوزﻴﻊ ﻋدد ﻤن اﻵﺴﺎت ﻋﻨد دﺤرﺠﺔ زﻫرة طﺎوﻝﺔ ﺜﻼث ﻤرات‬
‫ﻫــذا ‪ ،‬وﺒﺴــﺒب ﺼــﻌوﺒﺔ اﻝﺴــﻴر ﻓــﻲ اﻝﺤﺴــﺎﺒﺎت اﻝﺴ ـﺎﺒﻘﺔ ﻓــﻲ ﻜــل ﻤ ـرة ﺘﻨﺸــﺄ ﻓﻴﻬــﺎ ﻤﺴــﺄﻝﺔ ﻤــن‬
‫ﻤﺴﺎﺌل ذي اﻝﺤـدﻴن ‪ ،‬ﻓﻤـن اﻝﻤﻨﺎﺴـب أن ﺘﻜـون ﻝـدﻴﻨﺎ ﺼـﻴﻐﺔ ﻴﻤﻜـن ﺘطﺒﻴﻘﻬـﺎ ﻓـﻲ ﻜـل ﻤﺴـﺄﻝﺔ ﻤـن ﺘﻠـك‬
‫اﻝﻤﺴﺎﺌل ‪ .‬وﻝﻬذا اﻝﻐرض ‪ ،‬ﻝﻨدرس ﻤﺴﺄﻝﺔ ﻋﺎﻤﺔ ﻤن ﻤﺴﺎﺌل ذي اﻝﺤـدﻴن ‪ ،‬ﻝﻨﺠ ِـر ﺘﺠرﺒـﺔ ﻴﻤﻜﻨﻨـﺎ ﻓﻴﻬـﺎ‬
‫ﻋﻠــﻰ اﻝــدوام ﺘﺒوﻴــب اﻝﻨﺘــﺎﺌﺞ إﻤــﺎ ﻜﻨﺠــﺎح أو ﻜﻔﺸــل ‪ ،‬ﻝﻨﻔــرض أن اﺤﺘﻤــﺎل اﻝﺤﺼــول ﻋﻠــﻰ ﻨﺠــﺎح ﻫــو‬
‫ﻗﻴﻤﺔ ﻤﻌﻠوﻤﺔ ‪ ،‬وﻝﻨرﻤز إﻝﻴﻬﺎ ﺒﺎﻝرﻤز ‪ P‬ﻜذﻝك ‪ ،‬ﻝﻨرﻤز ﻝﻼﺤﺘﻤﺎل اﻝﻤﻨﺎظر ﻝﻠﻔﺸل ﺒﺎﻝرﻤز ‪ . q‬إذن ‪P‬‬
‫‪ + q = 1‬ﻨﺠـري اﻝﺘﺠرﺒـﺔ ‪ n‬ﻤـن اﻝﻤـرات ‪ .‬ﻓـﺈذا رﻤزﻨـﺎ ﻝﻌـدد ﻤـرات اﻝﻨﺠـﺎح اﻝﺘـﻲ ﺴﻨﺤﺼـل ﻋﻠﻴﻬـﺎ ﻓـﻲ‬
‫اﻹﻋــﺎدات اﻝﺘــﻲ ﻋــددﻫﺎ ‪ n‬ﻝﻠﺘﺠرﺒــﺔ ﺒــﺎﻝﺤرف ‪ x‬ﻓــﺈن اﻝﻤﺴــﺄﻝﺔ ﺘﻜــون ﻤﺴــﺄﻝﺔ ﺤﺴــﺎب اﻻﺤﺘﻤــﺎﻻت ﻝﻠﻘــﻴم‬
‫ﻝﻠﻤﺘﻐﻴـر اﻝﻌﺸـواﺌﻲ ‪ . x‬وﻜﻤـﺎ ﺴـﺒق أن ﻗﻠﻨـﺎ‪ ،‬ﻴﻤﻜﻨﻨـﺎ إﺠـراء ﻫـذﻩ اﻝﺤﺴـﺎﺒﺎت ﺒطرﻴﻘـﺔ‬
‫ّ‬ ‫اﻝﻤﺘﻨوﻋـﺔ‬
‫ّ‬ ‫اﻝﻤﻤﻜﻨﺔ‬
‫ﻤﻨظّﻤﺔ ﻓﻲ أﻴﺔ ﻤﺴﺄﻝﺔ ﻤﻌطﺎة ‪ ،‬ﻝن ﻨﻌطـﻲ ﻫﻨـﺎ ﺴـوى ﻨﺘـﺎﺌﺞ ﺘﻠـك اﻝﺤﺴـﺎﺒﺎت وﺴﻨﺴـﺘﺨدم اﻝرﻤـز }‪P{x‬‬
‫اﻝﻤﺘﻐﻴــر اﻝﻌــﺎم ﻤــن ﻤﺘﻐﻴـرات ذي اﻝﺤــدﻴن ‪ .‬ﻫــذﻩ‬
‫ّ‬ ‫ﻝﻴرﻤــز إﻝــﻰ اﻻﺤﺘﻤــﺎل اﻝﺨــﺎص ﺒﻘﻴﻤــﺔ ﻨﻤوذﺠﻴــﺔ ﻝﻬــذا‬
‫اﻻﺤﺘﻤﺎﻻت اﻝﺘﻲ ﺘﻌرف ﺒﺘوزﻴﻊ ذي اﻝﺤدﻴن وﺘﻌطﻰ ﺒﺎﻝﺼﻴﻐﺔ اﻝﻌﺎﻤﺔ اﻵﺘﻴﺔ ‪:‬‬

‫)‪ -(1‬ﺘوزﻴﻊ ذي اﻝﺤدﻴن ‪:‬‬

‫!‪n‬‬
‫)‪(1‬‬ ‫= }‪P{x‬‬ ‫‪.P x .q n− x‬‬
‫!)‪x!(n − x‬‬

‫وﻜﻤ ــﺎ ّﺒﻴﻨ ــﺎ ﺴ ــﺎﺒﻘﺎً ﻨﻘـ ـ أر اﻝرﻤ ــز !‪" n‬ﻤﻀ ــروب ‪ . " n‬أﻨ ــﻪ ﻴرﻤ ــز إﻝ ــﻰ ﺤﺎﺼ ــل ﻀ ــرب ﻜ ــل اﻷﻋ ــداد‬
‫اﻝﺼـﺤﻴﺤﺔ اﻝﻤوﺠﺒـﺔ ﻤـن ‪ 1‬إﻝـﻰ ‪ ، n‬ﻓﻤـﺜﻼً ‪ ،5! = 1 2 . 3 . 4 . 5 :‬وﻜﻤـﺎ ﻻﺤظﻨـﺎ ﻫﻨـﺎك ﺘﻌـرف‬
‫اﻝﻘﻴﻤــﺔ !‪ 0‬ﻋﻠــﻰ أﻨﻬــﺎ ‪. 1‬ﻫــذا وﻝﻘــﻴم ‪ n , x‬اﻝﻜﺒﻴ ـرة ﺘﺼــﺒﺢ اﻝﺤﺴــﺎﺒﺎت اﻝﻤﺘﻀـ ّـﻤﻨﺔ ﻓــﻲ ﻋﻤﻠﻴــﺔ ﺘﻘﻴــﻴم‬
‫اﻝﻜﻤﻴـﺔ !)‪ n! / x! (n-x‬ﺤﺴـﺎﺒﺎت ﺼـﻌﺒﺔ ‪ .‬ﻫـذا اﻝﺠـدول ﻴﺘﻀ ّـﻤن ﻗـﻴم ‪ n‬ﻤـن ‪ 2‬إﻝـﻰ ‪ ، 20‬وﻗـﻴم ‪x‬‬
‫ﻤن ‪ 2‬إﻝﻰ ‪ n/2‬أو أﻜﺒر ‪ .‬ﻓﻠـﻴس ﻤـن اﻝﻀـروري ﺠدوﻝـﺔ ﻜـل ﻗـﻴم ‪ x‬اﻝﺘـﻲ ﺘزﻴـد ﻋـن ﻫـذا ‪ ،‬ورأﻴﻨـﺎ أن‬
‫ﻫــذﻩ اﻝﻔﻜـرة ﻋﻨــد ﻤﻌﺎﻝﺠــﺔ ﻗــﻴم ‪ x‬اﻝﺘــﻲ ﺘﻜﺒــر ‪ ، n/2‬وﺒــﺎﻝرﻏم ﻤــن أن ﻫــذا اﻝﺠــدول ﻴﻤ ّﻜﻨﻨــﺎ ﻤــن اﻝﻜﺘﺎﺒــﺔ‬
‫اﻝﺴـرﻴﻌﺔ ﻻﺤﺘﻤــﺎﻻت ذي اﻝﺤــدﻴن ‪ ،‬ﻓﺈﻨﻨــﺎ ﻝــن ﻨﺴــﺘﺨدﻤﻪ ﻓــﻲ اﻝﻤﺴــﺎﺌل اﻝﺘوﻀــﻴﺤﻴﺔاﻵﺘﻴﺔ ‪ ،‬إذ ﻴﺒــدو أن‬
‫ﻤن اﻝﻤرﻏوب ﻓﻴﻪ ﺒﺎﻝﻨﺴﺒﺔ ﻝﻠطﺎﻝب أن ﻴﺄﻝف اﻝﺼﻴﻐﺔ )‪ ، (1‬وذﻝك ﺒﺈﺠراء اﻝﺤﺴﺎﺒﺎت اﻝﻤطﻠوﺒﺔ ﻋﻨدﻤﺎ‬
‫ﺘﻜون ‪ n‬ﺼﻐﻴرة ﻨوﻋﺎً ‪.‬‬
‫وﻤـن اﻝﻤﻌﺘـﺎد أن ﻨﺘﺤ ّـدث ﻋـن اﻝﺘﺠـﺎرب اﻝﺘـﻲ ﻋـددﻫﺎ ‪ n‬ـ ﻜﻤﺤـﺎوﻻت ﻤﺴـﺘﻘﻠﺔ ـ ﻝﺘﺠرﺒـﺔ ﻤـﺎ ‪،‬‬
‫وﺒﻨﺎء ﻋﻠﻰ ذﻝك ﺘﻜون }‪ P{x‬ﻫﻲ اﺤﺘﻤﺎل اﻝﺤﺼـول‬
‫ً‬ ‫ﻓﻴﻬﺎ ‪ P‬ﻫو اﺤﺘﻤﺎل اﻝﻨﺠﺎح ﻓﻲ ﻤﺤﺎوﻝﺔ واﺤدة ‪.‬‬
‫ﻋﻠــﻰ ‪ x‬ﻤــن ﻤ ـرات اﻝﻨﺠــﺎح ﻓــﻲ ‪ n‬ﻤــن اﻝﻤﺤــﺎوﻻت اﻝﻤﺴــﺘﻘﻠﺔ ﻝﺘﺠرﺒــﺔ ﻤــﺎ ﻓﻴﻬــﺎ ‪ P‬اﺤﺘﻤــﺎل اﻝﻨﺠــﺎح ﻓــﻲ‬
‫ﻤﺤﺎوﻝﺔ واﺤدة ‪.‬‬

‫اﻝﻤﺒﻴﻨــﺎن ﻓــﻲ ﺸــﻜﻠﻲ)‪ (22-7),(21-7‬ﻫﻤــﺎ ﺤﺎﻝﺘــﺎن ﺨﺎﺼــﺘﺎن ﻝﺘوزﻴــﻊ ذي‬

‫واﻝﺘوزﻴﻌــﺎن اﻝﺘﻜ اررﻴــﺎن ّ‬
‫اﻝﺤـدﻴن اﻝﻌـﺎم اﻝﻤﻌطـﻰ ﺒﺎﻝﺼـﻴﻐﺔ )‪ . (1‬ﻓﻔـﻲ ﻤﺴـﺄﻝﺔ رﻤـﻲ ﻗطﻌـﺔ اﻝﻨﻘـود ‪ ،‬ﺘﻜـون ½ = ‪n= 3 P = q‬‬
‫وﻓـﻲ ﻤﺴـﺄﻝﺔ دﺤرﺠـﺔ زﻫـرة اﻝطﺎوﻝـﺔ ﺘﻜـون ‪ ، n = 3 , P = 1/6 , and q = 5/6‬وﻴﻨﺒﻐـﻲ ﻝﻠﻘـﺎرئ أن‬
‫ﻴ ارﺠــﻊ ﻗــﻴم }‪ P{x‬اﻝﻤﻌطــﺎة ﻓــﻲ اﻝﺸــﻜل )‪ ، (21-7‬وﻓــﻲ اﻝﺸــﻜل )‪ ، (22-7‬وذﻝــك ﺒﺎﺴــﺘﺨدام اﻝﺼــﻴﻐﺔ‬
‫)‪ (1‬ﺒﻬ ــدف أن ﻴ ــﺄﻝف اﺴ ــﺘﺨداﻤﻬﺎ ‪ .‬وﻜﻤﺜ ــﺎل ﺘوﻀ ــﻴﺤﻲ ﻝﻤﺜ ــل ﻫ ــذﻩ اﻝﻤراﺠﻌ ــﺔ ‪ ،‬ﻨﻔﺘ ــرض أﻨﻨ ــﺎ ﻨرﻴ ــد‬
‫ﺤﺴﺎب ﻗﻴﻤﺔ }‪ P{3‬ﻓﻲ ﻤﺴﺄﻝﺔ زﻫرة اﻝطﺎوﻝﺔ ‪ .‬إن ﺘﻌوﻴض اﻝﻘﻴم اﻝﻤﻨﺎﺴﺒﺔ ﻓﻲ )‪ (1‬ﻴﻌطﻴﻨﺎ ‪:‬‬

‫‪3‬‬ ‫‪0‬‬
‫‪3!  1   5 ‬‬
‫= }‪P{3‬‬ ‫‪.  . ‬‬
‫‪3!.0!  6   6 ‬‬

‫وﺤﻴث أن ‪ ، 0! = 1‬وأن أي ﻋدد ـ ﻓﻲ اﻝﺠﺒر ـ ﻤرﻓوع ﻝﻠﻘوة اﻝﺼﻔرﻴﺔ ﻴﺴـﺎوي اﻝوﺤـدة ﻓـﺈن ‪:‬‬
‫‪3‬‬
‫‪1‬‬ ‫‪5‬‬
‫‪P{3} =  ‬‬ ‫‪ ( ) 0 = 1‬إذن ‪:‬‬
‫‪6‬‬ ‫‪6‬‬

‫ﻫ ــذا ‪ ،‬وﺒ ــﺎﻝرﻏم ﻤ ــن أن اﻝﻤﺴ ــﺎﺌل اﻝﺘ ــﻲ اﺴ ــﺘﺨدﻤﻨﺎﻫﺎ ﻓ ــﻲ ﺘﻘ ــدﻴم ﺘوزﻴ ــﻊ ذي اﻝﺤ ــدﻴن ﻜﺎﻨ ــت‬
‫ﻤرﺘﺒطــﺔ ﺒﺄﻝﻌــﺎب اﻝﺤــظ ‪ ،‬إﻻّ أن ﺘوزﻴــﻊ ذي اﻝﺤــدﻴن ﻤﻔﻴــد ﻝﻠﻐﺎﻴــﺔ ﻓــﻲ ﺤـ ّل أﻨـواع ﻤﻌﻴﻨــﺔ ﻤــن اﻝﻤﺴــﺎﺌل‬
‫اﻝﻌﻤﻠﻴ ــﺔ ‪ ،‬وﻫﻨ ــﺎ ‪ ،‬ﻓﺴ ــﻨﻨﺎﻗش ﺒﻀ ــﻌﺔ ﻤﺴ ــﺎﺌل ﺒﺴ ــﻴطﺔ ﻻ ﺘﺘطﻠّــب ﺴ ــوى ﺤﺴ ــﺎﺒﺎت ﺴ ــﻬﻠﺔ ﻋ ــن طرﻴ ــق‬
‫اﻝﺼﻴﻐﺔ )‪. (1‬‬

‫ﻤﺜﺎل ‪:‬‬

‫اﺤﺘﻤـﺎل أن ﻴﻜـون ﻝواﻝـدﻴن ـ أﻋﻴﻨﻬﻤـﺎ ﻤـن ﻨـوع ﻤﻌـﻴن ﻤـن اﻝﻌﻴـون اﻝزرﻗـﺎء ـ طﻔـل ذو ﻋﻴﻨـﻴن‬
‫زرﻗــﺎوﻴن ﻫــو ¼ ‪ .‬ﻓــﺈذا ﻜــﺎن ﻓــﻲ اﻷﺴ ـرة ﺴــﺘﺔ أطﻔــﺎل ‪ ،‬ﻓﻤــﺎ اﺤﺘﻤــﺎل أن ﻴﻜــون ﻝﻨﺼــﻔﻬم ﻋﻠــﻰ اﻷﻗــل‬
‫ﻋﻴون زرﻗﺎء ؟‬
‫ﻝﻜـﻲ ﻨﺤـ ّل ﻫـذﻩ اﻝﻤﺴـﺄﻝﺔ ﻨﻌﺎﻤـل اﻷطﻔـﺎل اﻝﺴـﺘﺔ ﻓـﻲ اﻷﺴـرة ﻜﻤﺤـﺎوﻻت ﻤﺴـﺘﻘﻠّﺔ ـ ﻋـددﻫﺎ ‪ 6‬ـ‬
‫‪ n= 6‬وﻤــن‬ ‫ﻝﺘﺠرﺒــﺔ ﻤــﺎ ‪ ،‬اﺤﺘﻤــﺎل اﻝﻨﺠــﺎح ﻓــﻲ ﻤﺤﺎوﻝــﺔ واﺤــدة ¼ ‪ ،‬وﻋﻠــﻰ ﻫــذا ﻝــدﻴﻨﺎ ﻫﻨــﺎ ¼ =‪P‬‬
‫اﻝﻀــروري ﺤﺴــﺎب }‪ P{6‬و }‪ P{3} , P{4} , P{5‬ﺜــم ﺠﻤﻌﻬــﺎ ‪ ،‬إذ إن ﻫــذﻩ اﻻﺤﺘﻤــﺎﻻت ﺘﻨــﺎظر‬
‫اﻝطرق اﻝﺘﻲ درﺴﻨﺎﻫﺎ ‪.‬‬

‫‪3‬‬ ‫‪3‬‬
‫‪6!  1   3 ‬‬ ‫‪540‬‬
‫= }‪P{3‬‬ ‫= ‪.  . ‬‬ ‫‪,‬‬
‫‪3!.3!  4   4 ‬‬ ‫‪4096‬‬
‫‪4‬‬ ‫‪2‬‬
‫‪6!  1   3 ‬‬ ‫‪135‬‬
‫= }‪P{4‬‬ ‫= ‪.  . ‬‬ ‫‪,‬‬
‫‪4!.2!  4   4 ‬‬ ‫‪4096‬‬
‫‪5‬‬ ‫‪1‬‬
‫‪6!  1   3 ‬‬ ‫‪18‬‬
‫= }‪P{5‬‬ ‫= ‪.  . ‬‬ ‫‪,‬‬
‫‪5!.1!  4   4  4096‬‬
‫‪6‬‬ ‫‪0‬‬
‫‪6!  1   3 ‬‬ ‫‪1‬‬
‫= }‪P{6‬‬ ‫= ‪.  . ‬‬
‫‪6!.0!  4   4 ‬‬ ‫‪4096‬‬

‫وﻨﺤﺼل ﻋﻠﻰ اﺤﺘﻤﺎل اﻝﺤﺼول ﻋﻠﻰ ﻋدد ﻤـن ﻤـرات اﻝﻨﺠـﺎح ﻴﺴـﺎوي ﺜﻼﺜـﺔ ﻋﻠـﻰ اﻷﻗـل ﺒﺠﻤـﻊ ﻫـذﻩ‬
‫اﻻﺤﺘﻤﺎﻻت ‪ ،‬وﺒﺎﻝﺘﺎﻝﻲ ‪ ،‬ﻴﺤﺼل اﻝﻤرء ـ ﺒﻜﺘﺎﺒﺔ ‪ x ≥ 3‬ﻝﺘﻤﺜﻴل ﺜﻼث ﻤرات ﻨﺠﺎح ﻋﻠﻰ اﻷﻗل ـ ‪:‬‬

‫‪694‬‬
‫= }‪P{x ≥ 3‬‬ ‫‪= .169.‬‬
‫‪4096‬‬

‫وﺘﺒﻴن ﻫذﻩ اﻝﻨﺘﻴﺠﺔ أن ﻫﻨﺎك ﻓرﺼﺔ ﻀﺌﻴﻠﺔ ﺠداً أن ﻴﻜون ﻷﺴرة ﻤﺜل ﻫذﻩ اﻷﺴرة ﻋدد ﻜﻬذا‬
‫ّ‬
‫ﻤــن اﻷطﻔــﺎل زرق اﻝﻌﻴــون ‪ ،‬ﻓﻔــﻲ ﺤ ـواﻝﻲ ‪ 17‬ﻤــن ﻜــل ‪ 100‬ﻤــن ﻫــذﻩ اﻷﺴــر ‪ ،‬ﻴﻜــون ﻋﻠــﻰ اﻷﻗــل‬
‫ﻨﺼف اﻷطﻔﺎل ذوي ﻋﻴون زرﻗﺎء ‪.‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻴﻀﻤن أﺤد أﺼﺤﺎب ﻤﺼـﺎﻨﻊ ﻗطـﻊ ﻤﻌﻴﻨـﺔ ﻝﻠﺴـﻴﺎرات أﻻّ ﻴﺤﺘـوي أي ﺼـﻨدوق ﻤـن ﺼـﻨﺎدﻴق‬
‫ﻗطﻌﺔ ﻋﻠﻰ أﻜﺜـر ﻤـن ﻗطﻌﺘـﻴن ﻤﻌﻴﺒﺘـﻴن ‪ ،‬ﻓـﺈذا ﻜـﺎن اﻝﺼـﻨدوق ﻴﺤﺘـوي ﻋﻠـﻰ ﻋﺸـرﻴن ﻗطﻌـﺔ ‪ ،‬ودﻝّـت‬
‫اﻝﺘﺠرﺒﺔ ﻋﻠﻰ أن طرﻴﻘﺔ اﻝﺘﺼﻨﻴﻊ اﻝﺘﻲ ﻴﺘّﺒﻌﻬﺎ ﺘﻨﺘﺞ ‪ 2%‬ﻤن اﻝﻘطﻊ اﻝﻤﻌﻴﺒﺔ ‪ ،‬ﻓﻤـﺎ اﺤﺘﻤـﺎل أن ﻴﺤﻘـق‬
‫ﺼﻨدوق ﻤﺎ ﻤن ﺼﻨﺎدﻴق ﻗطﻊ اﻝﻤﺼﻨﻊ اﻝﻀﻤﺎن ‪.‬‬
‫ﻴﻤﻜـن ﻋــد ﻫـذﻩ اﻝﻤﺴــﺄﻝﺔ ﻤﺴــﺄﻝﺔ ﻤـن ﻤﺴــﺎﺌل ﺘوزﻴــﻊ ذي اﻝﺤـدﻴن ‪ ،‬ﻓﻴﻬــﺎ ‪n = 20 , P= .02‬‬
‫وﺴﻴﺤﻘق ﺼﻨدوق ﻤﺎ اﻝﻀﻤﺎن إذا ﻜﺎن ﻋدد اﻝﻘطﻊ اﻝﻤﻌﻴﺒﺔ ﻫو ‪ 0, 1, or 2‬وﺘﻌطﻲ اﺤﺘﻤﺎﻻت ﻫـذﻩ‬
‫اﻷﺤداث اﻝﺜﻼﺜﺔ ـ ﻋن طرﻴق اﻝﺼﻴﻐﺔ )‪ (1‬ـ ﺒﻤﺎ ﻴﺄﺘﻲ ‪:‬‬

‫!‪20‬‬
‫= }‪P{0‬‬ ‫‪.(.02) 0 .(.98) 20 = (.98) 20 = .668,‬‬
‫!‪0!.20‬‬
‫!‪20‬‬
‫= }‪P{1‬‬ ‫‪.(.02)1 (.98)19 = 20.(.02) 2 .(.98)18 = .273,‬‬
‫!‪1!.19‬‬
‫!‪20‬‬
‫= }‪P{2‬‬ ‫‪.(.02) 2 .(.98)18 = 190(.02) 2 .(.98)18 = .053‬‬
‫!‪2!.18‬‬

‫وﺤﻴث أن ﻫذﻩ اﻷﺤـداث ﻤﺘﻨﺎﻓﻴـﺔ ‪ ،‬ﻴﻜـون اﺤﺘﻤـﺎل وﺠـود ﻗطﻌﺘـﻴن ﻤﻌﻴﺒﺘـﻴن ﻋﻠـﻰ اﻷﻜﺜـر أي‬
‫‪ x ≤ 2‬ﻫو ﻤﺠﻤوع ﻫذﻩ اﻻﺤﺘﻤﺎﻻت ‪ٕ ،‬واذن ﻓﺈن اﻝﺠواب اﻝﻤطﻠوب ﻫو ‪:‬‬

‫‪P{x≤ 2} = .994 .‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻜﻤﺜﺎل ﺘوﻀﻴﺤﻲ أﺨﻴر ‪ ،‬ﻨدرس اﻝﻤﺴﺄﻝﺔ اﻵﺘﻴـﺔ اﻝﻤﺘﻌﻠّﻘـﺔ ﺒﺎﺴـﺘﺨدام اﻝﺤـدس ﻓـﻲ اﻻﻤﺘﺤـﺎن ‪،‬‬
‫ﻨﻔﺘــرض أن اﻤﺘﺤﺎﻨـﺎً ﻤــﺎ ﻴﺘﻜـ ّـون ﻤــن ﻋــدد ﻜﺒﻴــر ﻤــن اﻷﺴــﺌﻠﺔ ﻤــن اﻝﻨــوع ذي اﻻﺨﺘﻴــﺎر اﻝﻤﺘﻌــدد ‪ .‬ﻝﻜــل‬
‫ﺴؤال ﺨﻤس إﺠﺎﺒﺎت ﻤﻤﻜﻨﺔ ‪ ،‬واﺤدة ﻤﻨﻬﺎ ﻓﻘط ﻫﻲ اﻹﺠﺎﺒﺔ اﻝﺼـﺤﻴﺤﺔ ‪ ،‬ﻓـﺈذا ﻜـﺎن اﻝطﺎﻝـب ﻴﺤﺼـل‬
‫ﻋﻠﻰ ‪ 3‬ﻨﻘﺎط ﻝﻜل إﺠﺎﺒﺔ ﺼﺤﻴﺤﺔ ‪ ،‬ﻓﻲ ﺤﻴن ﻴﺤﺼل ﻋﻠﻰ )‪ (-1‬ﻨﻘطﺔ ﻝﻜل إﺠﺎﺒـﺔ ﻏﻴـر ﺼـﺤﻴﺤﺔ ‪،‬‬
‫ٕواذا ﻜﺎن اﺤﺘﻤﺎل ﺤدﺴﻪ ﻝﻺﺠﺎﺒﺔ اﻝﺼﺤﻴﺤﺔ ﻓﻲ ﻜل ﺴؤال ﻤن اﻷﺴـﺌﻠﺔ اﻝﻌﺸـرة ﻫـﻲ ‪ 1/3‬ﻓﻘـط ‪ ،‬ﻓﻤـﺎ‬
‫اﺤﺘﻤﺎل ﺤﺼوﻝﻪ ﻋﻠﻰ ﻤﺠﻤوع ﻜﻠﻲ ﻤوﺠب ﻋن ﺘﻠك اﻷﺴﺌﻠﺔ اﻝﻌﺸرة ؟‬

‫ٕواذا ﻜﺎﻨت ‪ x‬ﺘرﻤز إﻝﻰ ﻋدد اﻷﺴﺌﻠﺔ اﻝﺘﻲ أﺠﺎب اﻝطﺎﻝب ﻨﻔﺴﻬﺎ إﺠﺎﺒﺔ ﺼـﺤﻴﺤﺔ ﻓـﺈن ﻤﺠﻤوﻋـﺎً‬
‫ﻜﻠﻴـﺎً ﻤوﺠﺒـﺎً ﻴﻨـﺘﺞ إذا ﻜـﺎن ‪ ، 3x > 10 – x‬ﻓـﺈذا ﻜـﺎن اﻝطـرف اﻷﻴﺴـر ﻝﻬـذﻩ اﻝﻤﺘﺒﺎﻴﻨـﺔ ﻴﻌطـﻲ ﻋـدد‬
‫اﻝﻨﻘﺎط اﻝﻤوﺠﺒﺔ اﻝﺘﻲ ﻴﺤﺼل ﻋﻠﻴﻬﺎ ‪ ،‬ﻓﻲ ﺤﻴن ﻴﻌطﻲ اﻝطرف اﻷﻴﻤن ﻋدد ﻨﻘﺎط اﻝﺨطـﺄ ‪ ،‬وﺴـﺘﺘﺤﻘق‬
‫ﻫذﻩ اﻝﻤﺘﺒﺎﻴﻨﺔ إذا ﻜﺎﻨت ‪ ، x > 10/4‬وﻫـذا ﻴﻌﻨـﻲ أﻨـﻪ ﻤـن اﻝﻀـروري اﻝﺤﺼـول ﻋﻠـﻰ ﺜـﻼث إﺠﺎﺒـﺎت‬
‫ﺼــﺤﻴﺤﺔ ﻋﻠــﻰ اﻷﻗــل ﻝﺘﺤﻘﻴــق ﻤﺠﻤــوع ﻜﻠــﻲ ﻤوﺠــب ‪ ،‬وﻋﻠــﻰ ﻫــذا ﻝﺘﺤﻘﻴــق ﻤﺠﻤــوع ﻜﻠــﻲ ﻤوﺠــب ‪،‬‬
‫ﻴﻌطﻲ اﻻﺤﺘﻤﺎل اﻵﺘﻲ ‪:‬‬
 ‫‪x‬‬ ‫‪10 − x‬‬
‫‪2‬‬
‫!‪10‬‬ ‫‪1‬‬ ‫‪2‬‬
‫∑ ‪P{x ≥ 3} = 1 −‬‬ ‫‪. ‬‬ ‫‪. ‬‬
‫‪x =0 x!.(10 − x )!  3 ‬‬ ‫‪3‬‬
‫‪ 2 10‬‬ ‫‪1 2‬‬
‫‪9‬‬
‫‪1  2 ‬‬
‫‪2‬‬ ‫‪8‬‬

‫‪= 1 −   + 10 .  + 45  .  ‬‬

‫‪ 3 ‬‬ ‫‪3 3‬‬ ‫‪ 3   3  ‬‬
‫‪= .70.‬‬

‫إذن ‪ ،‬ﻝـدى اﻝطﺎﻝــب ﻓرﺼـﺔ ﻤﻤﺘــﺎزة ﻝﻜﺴـب اﻝﻨﻘــﺎط إذا ﻜـﺎن اﺤﺘﻤــﺎل ﺤدﺴـﻪ ﻹﺠﺎﺒــﺔ ﺼــﺤﻴﺤﺔ‬
‫ﻓــﻲ ﻜﺒــر اﻝﻘﻴﻤــﺔ ‪ ، 1/3‬أﻤــﺎ ﻝــو ﻜــﺎن ﻻ ﻴﻌــرف ﺸــﻴﺌﺎً ﻋــن ﻤوﻀــوع اﻻﻤﺘﺤــﺎن ‪ ،‬واﺨﺘــﺎر واﺤــداً ﻤــن‬
‫اﻝﺒداﺌل ﻜﻴﻔﻤﺎ اﺘﻔق ‪ ،‬ﻝﻜﺎن ﺒﺎﻝطﺒﻊ اﺤﺘﻤﺎل اﺨﺘﻴﺎرﻩ ﻝﻺﺠﺎﺒﺔ اﻝﺼﺤﻴﺤﺔ ﻋن ل ﺴؤال ﻫو ‪ 1/5‬ﻓﻘـط ‪،‬‬
‫ﻤﻠم ﺒﻤوﻀوﻋﻪ إﻝﻤﺎﻤﺎً ﻜﺎﻓﻴﺎً ﻴﺠﻌﻠـﻪ ﻴﺴـﺘﺒﻌد اﺜﻨـﻴن ﻤـن اﻝﻤﻤﻜﻨـﺎت‬ ‫ﺒﻴد أﻨﻨﺎ ﻗد اﻓﺘرﻀﻨﺎ ﻫﻨﺎ أن اﻝطﺎﻝب ّ‬
‫اﻝﺨﻤﺴــﺔ ﻤﻌﺘﺒـ اًر إﻴﺎﻫــﺎ إﺠــﺎﺒﺘﻴن ﺒﻌﻴــدﺘﻴن ﻋــن اﻝﺼــﺤﺔ ﺒﻌــداً واﻀــﺤﺎً ‪ ،‬ﻓﻴﺤﺼــر ﺤدﺴــﻪ ﻓــﻲ اﻝﻤﻤﻜﻨــﺎت‬
‫اﻝﺜﻼﺜــﺔ اﻝﺒﺎﻗﻴــﺔ‪ ،‬أﻤــﺎ ﻝــو ﻝــم ﻴﻜــن ﻝــﻪ ﻤﺜــل ﻫــذا اﻹﻝﻤــﺎم ﺒﺎﻝﻤوﻀــوع ‪ ،‬وﺒــذا ﻜــﺎن اﺤﺘﻤﺎﻝــﻪ ‪ ، 1/5‬ﻓــﺈن‬
‫ﺤﺴﺎﺒﺎت ﺸﺒﻴﻬﺔ ﺒﺘﻠك اﻝﺤﺴﺎﺒﺎت اﻝﺴﺎﺒﻘﺔ ﺘرﻴﻨﺎ أن ﻝﻴس ﻫﻨﺎك ﻤن ﺠدوى ﻝﻠﺤدس ‪.‬‬

‫ﻏﺎﻝﺒ ـﺎً ﻤــﺎ ﺘﺼــﻴر ﻋﻤﻠﻴــﺔ ﺤﺴــﺎب اﻻﺤﺘﻤــﺎﻻت ذي اﻝﺤــدﻴن ﻋﻤﻠﻴــﺔ ﺜﻘﻴﻠــﺔ ‪ ،‬ﺤﺘــﻰ ﺒﺎﺴــﺘﺨدام‬
‫ﺠــدول ‪ ، III‬وذﻝــك ﻋﻨــدﻤﺎ ﻴﺘطﻠّــب اﻷﻤــر ﺠﻤــﻊ ﻋــدد ﻤــن ﻫــذﻩ اﻻﺤﺘﻤــﺎﻻت ‪ ،‬ﺸ ـرﻴطﺔ أﻻّ ﺘﻜــون ﻓــﻲ‬
‫ﻤﺘﻨﺎول أﻴدﻴﻨﺎ ﺤﺎﺴﺒﺎت إﻝﻜﺘروﻨﻴﺔ ‪ .‬ﻫذا ‪ ،‬وﺴﻨﺠد أن ﺠدول ‪ III‬ﻓـﻲ اﻝﻤﻠﺤـق ﻤﻔﻴـد ﻓـﻲ ﻫـذﻩ اﻝﺤـﺎﻻت‬
‫‪ ،‬إذا ﻜﺎﻨت ﻗﻴﻤﺔ ‪ n‬ﻻ ﺘﺘﺠﺎوز ‪ ، 10‬ﻓﺈن ذﻝك اﻝﺠدول ﻴﻌطﻲ ﻤﺠﻤوع اﺤﺘﻤﺎﻻت اﻝذﻴل اﻷﻴﻤن ﻋﻠﻰ‬
‫اﻝﺼورة ‪:‬‬

‫‪n‬‬
‫!‪n‬‬
‫= }‪P{x ≥ 10‬‬ ‫∑‬
‫!) ‪x = x 0 x!.(n − x‬‬
‫‪.P x .q n− x‬‬

‫وﺤﻴث أن اﻝﻘﻴم اﻝﺘﻲ ﻝدﻴﻨﺎ ﻝﻼﺤﺘﻤﺎل ‪ P‬ﺘﺒدأ ﺒﺎﻝﻘﻴﻤﺔ ‪ .05‬وﺘزداد إﻝﻰ ‪ .50‬ﻓﻲ ﺨطوات ﻗﻴﻤﺔ‬
‫ﻜل ﻤﻨﻬـﺎ ‪ ، .05‬ﻓﺈﻨـﻪ ﻤـن اﻝواﺠـب إﺠـراء ﻋﻤﻠﻴـﺎت ﺘوﻝﻴـد اﻝﻘـﻴم ‪ P‬اﻷﺨـرى اﻝﺘـﻲ ﺘﻘـ ّل ﻋـن ‪ ، .50‬أﻤـﺎ‬
‫إذا ﻜﺎﻨت ﻗﻴﻤﺔ ‪ P‬ﺘزﻴد ﻋن ‪ ، .5‬ﻓﺈن اﻝﻤرء ﻴﺴﺘﺨدم ﻓﻲ اﻝﺠدول ‪ q= 1 – P‬ﺒدﻻً ﻤن ‪n – xo +1‬‬
‫‪ , P‬ﺒدﻻً ﻤـن ‪ ، xo‬ﺜـم ﻴطـرح اﻝﻨـﺎﺘﺞ ﻤـن اﻝوﺤـدة ﻝﻴﺤﺼـل }‪ ، P{x ≥ xo‬أﻤـﺎ ﻓـﻲ ﺤﺎﻝـﺔ ‪ n > 10‬ﻓﻤـن‬
‫اﻝﻀروري اﻝرﺠوع إﻝﻰ ﺘﻘرﻴب ﺘﻠك اﻻﺤﺘﻤﺎﻻت ‪ ،‬وﺴﻨﻌرض ﻓﻲ ﺒﻨد ‪ 4‬طرﻴﻘﺔ ﻤن طرق إﺠـراء ﻫـذا‬
‫اﻝﺘﻘرﻴب ‪.‬‬

‫وﻝﺘوﻀﻴﺢ اﺴﺘﺨدام ﺠدول ‪ ، III‬ﻨدرس ﺘطﺒﻴﻘﻪ ﻋﻠﻰ آﺨر ﻤﺜـﺎل ﻤـن اﻷﻤﺜﻠـﺔ اﻝﺜﻼﺜـﺔ اﻝﺴـﺎﺒﻘﺔ ‪ .‬إن‬
‫ﻗﻴم ﺠـدول ‪ III‬اﻝﺘـﻲ ﺘﺤﺘـﺎج إﻝﻴﻬـﺎ ‪ n= 10 , P= 1/3 = .33 , xo= 3‬وﺒﺎﺴـﺘﺨدام اﻝﺘوﻝﻴـد ﻝﻠﻘﻴﻤـﺔ =‪P‬‬
‫‪ .33‬ﻨﺤﺼـل ﻋﻠـﻰ ‪ P{x ≥ 3} = .70‬ﺼـﺤﻴﺤﺎً ﻝـرﻗﻤﻴن‪ ،‬وﻫـو اﻝﺠـواب ﻨﻔﺴـﻪ اﻝـذي ﺴـﺒق أن ﺤﺼـﻠﻨﺎ‬
‫ﻋﻠﻴﻪ ‪.‬‬

‫‪ -18-7‬ﺨواص ﺘوزﻴﻊ ذي اﻝﺤدﻴن ‪:Binomial Distribution Properties‬‬

‫ﻤﺘﻐﻴــر ﻋﺸ ـواﺌﻲ‬
‫ﺤﻴــث أن ﻝــدﻴﻨﺎ ﻤــن اﻝﺒــﺎب اﻝ ارﺒــﻊ ﺼــﻴﻐﺘﻴن ﻋــﺎﻤﺘﻴن ﻝﺤﺴــﺎب وﺴــط وﺘﺒــﺎﻴن ّ‬
‫ﻤﺘﻘطّــﻊ ﻓﺈﻨــﻪ ﻤــن اﻝﻤﻤﻜــن اﺴــﺘﺨدام ﻫــﺎﺘﻴن اﻝﺼــﻴﻐﺘﻴن ﻝﻠﺤﺼــول ﻋﻠــﻰ وﺴــط وﺘﺒــﺎﻴن أي ﻤﺘﻐﻴــر ﻤــن‬
‫ﻤﺘﻐﻴـرات ذي اﻝﺤـدﻴن ‪ .‬ﻓﺎﻝﺤﺴـﺎﺒﺎت اﻝﺘـﻲ أﻨﺘﺠـت ﻝﻨـﺎ اﻝﺠـدوﻝﻴن )‪ (7-3) , (7-2‬ﻓـﻲ اﻝﻔﻘـرة )ب( ﻫـل‬
‫ﺘﻠك اﻝﺘﻲ ﻨﺤﺘﺎج إﻝﻴﻬﺎ ﻝﻠﻤﺘﻐﻴر اﻝﺨﺎص ﻤن ﻤﺘﻐﻴرات ذي اﻝﺤدﻴن اﻝذي ﻝﻪ ‪. P = ½ and n = 3‬‬

‫وﻝﻜﻲ ﻨﺄﻝف أﻜﺜر ﻤﺜل ﻫذﻩ اﻝﺤﺴﺎﺒﺎت ‪ ،‬دﻋﻨﺎ ﻨدرس ﻤﺴﺄﻝﺔ ﺤﺴﺎب اﻝوﺴـط واﻝﺘﺒـﺎﻴن ﻝﻤﺘﻐﻴـر‬
‫ﻴﺒﻴن رﺴﻤﻪ اﻝﺒﻴﺎﻨﻲ ﻓﻲ اﻝﺸﻜل )‪. (22-7‬‬
‫ذي اﻝﺤدﻴن اﻝذي ﻴﻌطﻴﻪ ﺠدول )‪ (7-7‬واﻝذي ّ‬

‫ﻫﻨﺎ ‪. P = 1/6 , n = 3 :‬‬

‫ﻝﻠﻤﺘﻐﻴـر ‪ x‬ﻫـﻲ ‪ ، x1= 0 , x2= 1 , x3= 2 , x4= 3‬أﻤـﺎ اﻝﻘـﻴم اﻝﻤﻨـﺎظرة ﻝﻼﺤﺘﻤـﺎﻻت‬
‫ّ‬ ‫واﻝﻘﻴم اﻝﻤﻤﻜﻨـﺔ‬
‫}‪ P{xi‬ﻓﻴﻌطﻴﻬﺎ ﺠدول ‪ ، 3‬وﺤﺴﺎب ﻗﻴﻤﺔ ‪ µ‬اﻝﺘﻲ ﺒﻨﻴت ﻋﻠﻰ ﺘﻠك اﻝﻘﻴم ﻤﺒﻴﻨﺔ ﻓﻲ ﺠدول )‪. (8-7‬‬

‫‪108 1‬‬
‫=‪µ‬‬ ‫ﻤن ﻫذﻩ اﻝﺤﺴﺎﺒﺎت ‪ ،‬ﻴﻨﺘﺞ أن ‪= :‬‬
‫‪216 2‬‬

‫ﺠدول )‪(8-7‬‬

‫‪X‬‬ ‫}‪P{X‬‬ ‫}‪XP{X‬‬

‫‪0‬‬ ‫‪125‬‬ ‫‪0‬‬

‫‪216‬‬

‫‪1‬‬ ‫‪75‬‬ ‫‪75‬‬

‫‪216‬‬ ‫‪216‬‬
 ‫‪2‬‬ ‫‪15‬‬ ‫‪30‬‬
‫‪216‬‬ ‫‪216‬‬

‫‪3‬‬ ‫‪1‬‬ ‫‪3‬‬

‫‪216‬‬ ‫‪216‬‬

‫‪108‬‬
‫‪216‬‬

‫ﻓﻴﺒﻴﻨﻬﺎ ﺠدول )‪. (9-7‬‬

‫أﻤﺎ ﺤﺴﺎﺒﺎت ‪ّ σ‬‬

‫ﺠـدول )‪(9-7‬‬

‫‪x‬‬ ‫}‪P{x‬‬ ‫‪x-µ‬‬ ‫‪(x - µ)2‬‬ ‫}‪(x-µ)2 P{x‬‬

‫‪125‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪125‬‬
‫‪0‬‬ ‫‪216‬‬
‫‪−‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪864‬‬

‫‪75‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪75‬‬

‫‪1‬‬ ‫‪216‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪864‬‬

‫‪15‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪135‬‬

‫‪2‬‬
‫‪216‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪864‬‬

‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪25‬‬ ‫‪25‬‬

‫‪216‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪864‬‬

‫‪360‬‬
‫‪864‬‬

‫وﻤن ﻫذﻩ اﻝﺤﺴﺎﺒﺎت ﻴﻨﺘﺞ ‪ ،‬أن ‪:‬‬

‫‪360‬‬ ‫‪5‬‬
‫=‪σ‬‬ ‫=‬
‫‪864‬‬ ‫‪12‬‬

‫وﻤــن اﻝﻤﻤﻜــن أن ﻨﺴــﺘﺨدم ﺒﻌــض اﻝﺤﻴــل اﻝﺠﺒرﻴــﺔ ﻹﺠ ـراء ﺤﺴــﺎﺒﺎت ﻤﻤﺎﺜﻠــﺔ ﻝﻠﺘوزﻴــﻊ اﻝﻌــﺎم‪،‬‬
‫اﻝﺨــﺎص ﺒــذي اﻝﺤــدﻴن ‪ ،‬اﻝــذي ﺘﻌطﻴــﻪ اﻝﺼــﻴﻐﺔ )‪ . (1‬إن ﻤﺜــل ﻫــذﻩ اﻝﺤﺴــﺎﺒﺎت ﺘﻤـ ّـدﻨﺎ ﺒﺼــﻴﻐﺘﻴن ‪:‬‬
‫واﺤدة ﻝﻠوﺴط واﻷﺨرى ﻝﻼﻨﺤراف اﻝﻤﻌﻴﺎري ‪ ،‬ﻴﻤﻜن اﺴﺘﺨداﻤﻬﺎ ﻓﻲ ﻜل ﻤﺴﺎﺌل ذي اﻝﺤدﻴن ‪ ،‬وﺤﻴث‬
‫ﻨﺠرﺒﻬــﺎ ﻫﻨــﺎ ‪ ،‬ﺒــل ﺴــﻨﻌطﻲ اﻝﺼــﻴﻐﺘﻴن اﻝﻨــﺎﺘﺠﺘﻴن ‪،‬‬
‫أن ﻤﺜــل ﻫــذﻩ اﻝﺤﺴــﺎﺒﺎت ﻤﻌﻘّــدة ﻨوﻋ ـﺎً ﻤــﺎ ‪ ،‬ﻓﻠــن ّ‬
‫وﺴوف ﻨﺴﺘﺨدﻤﻬﺎ ﻓﻲ ﺤل ﻤﺴﺎﺌل ذي اﻝﺤدﻴن ‪ ،‬ﻫﺎﺘﺎن اﻝﺼﻴﻐﺘﺎن وﻫﻤﺎ ﻓﻲ ﻏﺎﻴﺔ اﻝﺒﺴﺎطﺔ ‪ ،‬ﻫﻤﺎ ‪:‬‬

‫)‪(2‬‬ ‫‪µ = nP‬‬

 ‫‪σ = nPq‬‬

‫وﺴﺘﺘﻀ ــﺢ ﻤﻴـ ـزة أن ﻴﻜ ــون ﻝ ــدﻴﻨﺎ ﻤﺜ ــل ﻫ ــﺎﺘﻴن اﻝﺼ ــﻴﻐﺘﻴن اﻝﺒﺴ ــﻴطﺘﻴن ﻋﻨ ــدﻤﺎ ﻨطﺒﻘﻬﻤ ــﺎ ﻓ ــﻲ‬
‫اﻝﻤﺴﺄﻝﺔ اﻝﺤﺴـﺎﺒﻴﺔ اﻝﺘـﻲ أﺘﻤﻤﻨﺎﻫـﺎ آﻨﻔـﺎً ‪ ،‬ﻓﻠﻠﺘوزﻴـﻊ اﻝﺨـﺎص ﺒﺠـدول ‪ ، 3‬ﻝـدﻴﻨﺎ ‪ ، P = 1/6 :‬و ‪n= 3‬‬
‫إذن ‪:‬‬

‫‪1‬‬ ‫‪1‬‬
‫= ‪µ = 3.‬‬
‫‪2‬‬ ‫‪6‬‬
‫‪1 5‬‬ ‫‪5‬‬
‫= ‪σ = 3. .‬‬
‫‪6 6‬‬ ‫‪12‬‬

‫وﻫ ــذا ﺘ ــوﻓﻴر ﻜﺒﻴ ــر ﻓ ــﻲ اﻝوﻗ ــت ﻤﺘ ــﻰ ﻗ ــورن ﺒﺎﻝوﻗ ــت اﻝ ــذي ﻴﺤﺘ ــﺎج إﻝﻴ ــﻪ اﻝﻤ ــرء ﻝﺤﺴ ــﺎب ﻫـ ـﺎﺘﻴن‬
‫اﻝﻜﻤﻴﺘﻴن ﻋن طرﻴق اﻝﺼﻴﻐﺘﻴن اﻝﻌﺎﻤﺘﻴن ‪ ،‬ﻜﻤﺎ ﻓﻲ اﻝﺠدوﻝﻴن )‪. (9-7),(8-7‬‬

‫‪ -19-7‬اﻝﺘوزﻴﻊ اﻝطﺒﻴﻌﻲ أو اﻝﻤﻌﺘدل ‪:Normal Distribution‬‬

‫إن ﺘوزﻴﻊ ذي اﻝﺤدﻴن اﻝذي أوردﻨﺎﻩ ﻓﻲ ﺒﻨد ‪ 1‬ﻫو أﻜﺜر ﺘوزﻴﻌﺎت اﻻﺤﺘﻤﺎل ﻓﺎﺌدة ﻝﻠﻤﺘﻐﻴـرات‬
‫ﻝﻠﻤﺘﻐﻴرات اﻝﻤﺘّﺼﻠﺔ ‪.‬‬
‫ّ‬ ‫اﻝﻤﺘﻘطّﻌﺔ ‪ ،‬أﻤﺎ اﻝﺘوزﻴﻊ اﻝذي ﺴﻨدرﺴﻪ ﻓﻲ ﻫذا اﻝﺒﻨد ﻓﻬو أﻜﺜرﻫﺎ ﻓﺎﺌدةً‬

‫اﻝﻤدرج اﻝﺘﻜراري ﻓﻲ اﻝﺸﻜل ) ‪ ، (21-7‬اﻝﻔﻘرة )ب( ‪ ،‬ﻨﻤوذج ﻝﻜﺜﻴر ﻤن اﻝﺘوزﻴﻌـﺎت اﻝﺘـﻲ‬

‫إن ّ‬
‫ﻨﺠدﻫﺎ ﻓﻲ اﻝطﺒﻴﻌﺔ وﻓﻲ اﻝﺼﻨﺎﻋﺔ ‪ .‬ﻓﻤﺜل ﻫذﻩ اﻝﺘوزﻴﻌـﺎت ﻤﺘﻤﺎﺜﻠـﺔ ‪ ،‬وﺘﺘﻀـﺎءل ﺒﺴـرﻋﺔ ﻋﻨـد اﻝـذﻴﻠﻴن‬
‫‪ ،‬ﻜﻤــﺎ أن ﻝﻬــﺎ ﺸــﻜﻼً ﻴﺸــﺎﺒﻪ ﺸــﻜل اﻝﻘــوس ‪ .‬وﺴــﻨرى ﺤ ـﺎﻻً أن ﻫﻨــﺎك ﺘوزﻴﻌ ـﺎً ﻨظرﻴ ـﺎً ﻴﺴــﻤﻰ اﻝﺘوزﻴــﻊ‬
‫اح أﺨــرى‬
‫اﻝطﺒﻴﻌــﻲ ‪ ،‬ﻗــد ﺜﺒﺘــت ﻓﺎﺌدﺘــﻪ اﻝﻜﺒﻴـرة ‪ ،‬ﻝﻤﺜــل ﻫــذﻩ اﻝﺘوزﻴﻌــﺎت ‪ ،‬ﻜﻤــﺎ أﻨــﻪ ﻤﻬــم ﻝﻠﻐﺎﻴــﺔ ﻤــن ﻨـو ٍ‬
‫واﻝﻤﻨﺤﻨــﻲ اﻝﻤرﺴــوم ﻓــﻲ اﻝﺸــﻜل )‪ (21-7‬اﻝﻔﻘـرة )ب( ‪ ،‬ﻫــو رﺴــم ﺒﻴــﺎﻨﻲ ﻝﺘوزﻴــﻊ طﺒﻴﻌــﻲ ﺨــﺎص ‪ .‬أﻤــﺎ‬
‫اﻝرﺴ ــم اﻝﺒﻴ ــﺎﻨﻲ ﻝﺘوزﻴ ــﻊ طﺒﻴﻌ ــﻲ ﻋ ــﺎم ﻓﻴﻌطﻴ ــﻪ اﻝﺸ ــﻜل )‪ . (24-7‬ﻫ ــذا ‪ ،‬وﺒ ــﺎﻝرﻏم ﻤ ــن ﻜ ــون اﻝﺘوزﻴ ــﻊ‬
‫اﻝطﺒﻴﻌﻲ ﻴﻌرف ﺒﻤﻌﺎدﻝﺔ ﻤﻨﺤﻨﻲ اﻝﺘوزﻴﻊ ‪ ،‬إﻻّ أن ﻫذﻩ اﻝﻤﻌﺎدﻝﺔ ﻝن ﺘﺴـﺘﺨدم ‪ ،‬وﻝـذا ﻓﻠـن ﻨﻜﺘﺒﻬـﺎ ‪ ،‬ﺒـل‬
‫ﺴﻨﻨظر إﻝﻰ اﻝﻤﻨﺤﻨﻲ ﻨﻔﺴﻪ ﻜﺘﻌرﻴف ﻝﻠﺘوزﻴﻊ ‪.‬‬
 ‫‪x‬‬
‫‪µ-3σ µ-2σ µ-σ‬‬ ‫‪µ‬‬ ‫‪µ+σ‬‬ ‫‪µ+2σ‬‬ ‫‪µ+3σ‬‬

‫اﻟﺸﻜﻞ )‪ : (24-7‬ﺗﻮزﻳﻊ ﻃﺒﻴﻌﻲ ﻧﻤﻮذﺟﻲ‬

‫ﻤﻌﻴﻨــﺔ ﻓــﻲ‬
‫ﻝﻌﻠّــك ﻗــد ﺴــﻤﻌت ﻋــن اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ ﻓﻴﻤــﺎ ﻴﺘﻌﻠّــق ﺒﺘوزﻴــﻊ اﻝﺘﻘــدﻴرات ﻝﻤﻨــﺎﻫﺞ ّ‬
‫ﻓﺼ ــول ﻜﺜﻴـ ـرة ‪ ،‬إن ﺘﻘ ــدﻴر أداء اﻝطﻠﺒ ــﺔ ﻋﻠ ــﻰ أﺴ ــﺎس اﻝﻤﻨﺤﻨ ــﻲ اﻝطﺒﻴﻌ ــﻲ ﻴﻔﺘ ــرض أن ﺘوزﻴ ــﻊ اﻝﻨ ــﺎﺘﺞ‬
‫اﻝــذﻫﻨﻲ ﻝﻠطﻠﺒــﺔ ﻴﻨﺒﻐــﻲ أن ﻴﻤﺎﺜــل ﺘوزﻴــﻊ ﻜﺜﻴــر ﻤــن اﻝﺨـواص اﻝﺠﺴــدﻴﺔ ﻝﻬــم ‪ ،‬اﻝﺘــﻲ ﻨــدرك أﻨﻬــﺎ ﺘﺘــوّزع‬
‫طﺒﻴﻌﻴﺎً ﻋﻠﻰ وﺠﻪ اﻝﺘﻘرﻴب ‪ .‬ﻜذﻝك ـ ﻓـﻲ اﻝﻌـﺎدة ـ ﻴﻔﺘـرض اﻝﻤﻌﻠّـم اﻝـذي ﻴﺴـﺘﺨدم ﻤﺜـل ﻫـذا اﻝﻨظـﺎم ﻓـﻲ‬
‫وﻀــﻊ ﺘﻘدﻴ ارﺘــﻪ ﻷداء اﻝطﻠﺒــﺔ أﻨﻬــم ـ وﻗــد ﺤﻀــروا ﻤﻨﻬﺠــﻪ ـ ﻜﺎﻨــت ﻝــدﻴﻬم اﻝﺨﻠﻔﻴــﺎت اﻝﻤﻨﺎﺴــﺒﺔ اﻝﺘــﻲ‬
‫ﻴﺘطﻠّﺒﻬﺎ ﻫذا اﻝﻤﻨﻬﺞ ‪ ،‬وأﻨﻬم ﻗد درﺴوا اﻝﻌدد اﻝﻤﺘوﻗّـﻊ ﻤـن ﺴـﺎﻋﺎت اﻝد ارﺴـﺔ ‪ .‬ﻴـﺎ ﻝـﻪ ﻤـن ﻤﻌﻠّـم ﻤﺘﻔﺎﺌـل‬
‫ﻝﻠﻐﺎﻴــﺔ ! ﺒﻴــد أن إﺤــدى ﺼــﻌوﺒﺎت ﻫــذا اﻝﻨظــﺎم ﻫــﻲ أﻨــﻪ ﻴﺨﺼــص اﻝﺘﻘــدﻴرات ﻋﻠــﻰ أﺴــﺎس ﻨﺴــﺒﻲ ﻻ‬
‫ﻋﻠــﻰ أﺴــﺎس ﻤطﻠــق ‪ .‬ﻓﻤــﺜﻼً ‪ ،‬إذا ﻜــﺎن ﻫﻨــﺎك ﻓﺼــل طﻼﺒــﻲ ﻤوﻫــوب ﺒدرﺠــﺔ ﻏﻴــر ﻋﺎدﻴــﺔ ‪ ،‬طﻠﺒﺘــﻪ‬
‫ﻴﺸﺘﻐﻠون ﺒﺠد ‪ ،‬ﻓﺈﻨﻬم ﺴﻴﻌطون ﻨﻔس ﺘوزﻴـﻊ اﻝﺘﻘـدﻴرات اﻝﺘـﻲ ﺘﻌطـﻰ ﻝﻔﺼـل ﻤـن اﻝﻜﺴـﺎﻝﻰ اﻷﻏﺒﻴـﺎء ‪.‬‬
‫اﻝرد ﻋﻠﻰ ﻫذا اﻝﻨﻘد ‪ ،‬إذ إن اﻝطﻠﺒﺔ ﻻ ﻴﺨﺘﻠﻔون ﻤن ﻋﺎم إﻝﻰ آﺨر ﺴوى ﺒـﺎﺨﺘﻼف‬
‫وﺒﺎﻝطﺒﻊ ‪ ،‬ﻴﻤﻜﻨﻨﺎ ّ‬
‫ﻤﺠدﻴن أذﻜﻴﺎء أو ﻤن‬
‫ﻴﺘﻜون ﻓﺼل ﻜﺒﻴر إﻤﺎ ﻤن طﻠﺒﺔ ّ‬
‫ﻀﺌﻴل ﺠداً ‪ ،‬وﻋﻠﻴﻪ ‪ ،‬ﻓﻠﻴس ﻤن اﻝﻤﺘوﻗّﻊ أن ّ‬
‫طﻠﺒﺔ ﻜﺴﺎﻝﻰ أﻏﺒﻴﺎء ‪ .‬ﻫذا ‪ٕ ،‬واذا ﻜﻨت ﻗد ﻜرﻫـت اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ ﺒﺴـﺒب اﻝﺘﻘـدﻴرات اﻝﺘـﻲ رﺒﻤـﺎ ﻗـد‬
‫أﻋطﻴﺘﻬـﺎ ‪ ،‬ﻓﻌﻠﻴـك أن ﺘـوﻗن أن اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌــﻲ ﻓـﻲ اﻝواﻗـﻊ ﻝـﻴس ﻫــو اﻝﻤﻠـوم ‪ ،‬وأﻨـﻪ ﻴﻨﺒﻐـﻲ ﻝــك أن‬
‫ﺘﺤﻴــز ‪ ،‬ﻓﻬــو ﻤــﻨﺤن ﺒــﺎﻝﻎ اﻝﻨﻔــﻊ ﻓــﻲ‬
‫ﺘﻜــون ﻜرﻴﻤ ـﺎً ﺒﻤــﺎ ﻓﻴــﻪ اﻝﻜﻔﺎﻴــﺔ ﻜــﻲ ﺘﻘﺘــرب ﻤــن د ارﺴــﺘﻪ ﻫﻨــﺎ دون ّ‬
‫ﻤﺠﺎﻻت ﻜﺜﻴرة ﻤن ﻤﺠﺎﻻت اﻝﺘطﺒﻴق ﺒﻌﻴدة ﺘﻤﺎﻤﺎً ﻋن ﻤﺴﺎﺌل اﻝدراﺴﺔ ‪.‬‬
‫ﻝﻌﻠّﻨـﺎ ﻨــذﻜر ﻤــن أن وﺴــط ﺘوزﻴـﻊ ﻤــﺎ ﻴﻤﺜّــل اﻝﻨﻘطــﺔ اﻝواﻗﻌــﺔ ﻋﻠـﻰ ﻤﺤــور ‪ x‬اﻝﺘــﻲ ﻋﻨــدﻫﺎ ﺘﺘّــزن‬
‫ـدرج ﺘﻜـراري اﻝﺘوزﻴــﻊ إذا وﻀــﻌت ﻋﻠــﻰ ﻤرﺘﻜــز‪ .‬ﻫــذﻩ اﻝﺨﺎﺼــﺔ اﻝﻬﻨدﺴــﻴﺔ‬
‫رﻗﻴﻘــﺔ ﻤﻌدﻨﻴــﺔ ﻋﻠــﻰ ﺸــﻜل ﻤـ ّ‬
‫ﻓﻼﺒد أن ﻴﻘﻊ اﻝوﺴـط‬
‫ّ‬ ‫ﻤدرج ﺘﻜراري ﻤﺎ ﻤﺘﻤﺎﺜﻼً ﺤول ﻤﺤور رأﺴﻲ ‪،‬‬
‫ﻝﻠوﺴط ﺘوﻀﺢ ﻝﻨﺎ أﻨﻪ ﻤﺘﻰ ﻜﺎن ّ‬
‫ﻋﻨــد ﻨﻘطــﺔ اﻝﺘﻤﺎﺜــل ﻋﻠــﻰ ﻤﺤــور ‪ .x‬وﻫــذا ﺼــﺤﻴﺢ أﻴﻀـﺎً ﻝﻠﻘﻴﻤــﺔ اﻝﻨﻬﺎﺌﻴــﺔ ﻝﻠوﺴــط ﻋﻨــدﻤﺎ ﺘﺠﻌــل ﺤﺠــم‬
‫اﻝﻌﻴﻨﺔ ﻴﻜﺒر ﻜﺒ اًر‬
‫ﻴﻔﺴر ﻝﻨﺎ ﻜذﻝك ﺴـﺒب وﻀـﻊ اﻝرﻤـز ‪ µ‬ﻋﻨـد‬
‫ﺒﻼ ﺤدود ‪ ،‬وﻨﺠﻌل ﻓﺘرة اﻝﻔﺌﺔ ﺘﺼﻐر ﺒﻼ ﺤدود ‪ .‬وﻫذا ّ‬
‫ﻨﻘطﺔ اﻝﺘﻤﺎﺜل ﻋﻠﻰ ﻤﺤور ‪ x‬ﻓﻲ اﻝﺸﻜل )‪. (24-7‬‬

‫ـدرج اﻝﺘﻜ ـراري اﻝﺨــﺎص ﺒﺘوزﻴــﻊ ﺘﻜـراري ﻤــﺎ ‪ ،‬ﺒــﺎﻝﻤﻔﻬوم‬

‫واﻵن ﻨﻔﺘــرض أن اﻝﺸــﻜل اﻝﻨﻬــﺎﺌﻲ ﻝﻠﻤـ ّ‬
‫ﻨﺒﻴن ﺒطرق اﻝرﻴﺎﻀﻴﺎت اﻝﻤﺘﻘدﻤﺔ أن ‪، σ‬‬
‫اﻝذي ﺴﺒق ﺸرﺤﻪ ‪ ،‬ﻫو ﻤﻨﺤن طﺒﻴﻌﻲ ‪ .‬إذن ‪ ،‬ﻴﻤﻜﻨﻨﺎ أن ّ‬
‫ﻗﻴﻤﺔ ‪ S‬اﻝﻨﻬﺎﺌﻴﺔ ‪ ،‬ﻝﻬﺎ اﻝﺘﻔﺴﻴر اﻝﻬﻨدﺴﻲ اﻵﺘﻲ ﺒﺎﻝﻨﺴﺒﺔ ﻝﻠﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻨﻬﺎﺌﻲ ‪:‬‬

‫)أ(‪ :‬اﻝﻤﺴــﺎﺤﺔ اﻝواﻗﻌــﺔ ﺘﺤــت اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ ﺒــﻴن ‪ µ+σ‬و ‪ µ - σ‬ﻫــﻲ ‪ 68%‬ﻤــن اﻝﻤﺴــﺎﺤﺎت‬
‫اﻝﻜﻠﻴﺔ ﻷﻗرب ‪. 1%‬‬

‫)ب(‪ :‬اﻝﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ ﺘﺤت اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﺒﻴن ‪ µ+ 2σ‬و ‪ µ - 2σ‬ﻫﻲ ‪ 95%‬ﻤن اﻝﻤﺴﺎﺤﺎت‬
‫اﻝﻜﻠﻴﺔ ﻷﻗرب ‪. 1%‬‬

‫)ج(‪ :‬اﻝﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ ﺘﺤت اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﺒﻴن ‪ µ+3σ‬و ‪ µ - 3σ‬ﻫﻲ ‪ 99.7%‬ﻤـن اﻝﻤﺴـﺎﺤﺔ‬
‫اﻝﻜﻠﻴﺔ ﻷﻗرب ‪. 1%‬‬

‫ﻨﻘﺴ ــﻤﻪ إﻝ ــﻰ وﺤ ــدات ﻤ ــن ‪، σ‬‬

‫ﻝﻘ ــد وﻀ ــﻌﻨﺎ ﻋﻼﻤ ــﺎت ﻋﻠ ــﻰ اﻝﻤﺤ ــور ﻓ ــﻲ اﻝﺸ ــﻜل )‪ّ (24-7‬‬
‫ﻤﺒﺘدﺌﻴن ﻤن اﻝوﺴط ‪ ، µ‬وﻴﺘّﻀﺢ ﻤن ﻫذا اﻝﺸﻜل أﻨـﻪ ﻝـﻴس ﻫﻨـﺎك ﺘﻘرﻴﺒـﺎً أﻴـﺔ ﻤﺴـﺎﺤﺔ ﺘﺤـت اﻝﻤﻨﺤﻨـﻲ‬
‫ﻴﻤﺘد ﻓﻌﻼً ﻤن ‪-‬‬
‫ﻓﻴﻤﺎ ﻴﻠﻲ‪ µ:‬ﺒﻤﻘدار ‪ 3σ‬ﻤن اﻝوﺤدات ‪ ،‬ﺒﻴد أن ﻤﻌﺎدﻝﺔ اﻝﻤﻨﺤﻨﻲ ﺘرﻴﻨﺎ أن اﻝﻤﻨﺤﻨﻲ ّ‬
‫∞ ‪. ∞ to +‬‬

‫ﻫــذا ‪ ،‬وﻗــد ﺴــﺒق أن اﺴــﺘﺨدﻤﻨﺎ اﻝﺨﺎﺼــﺘﻴن اﻷوﻝــﻰ واﻝﺜﺎﻨﻴــﺔ ﻤــن اﻝﺨ ـواص اﻝﺴــﺎﺒﻘﺔ ﻝﺘﻔﺴــﻴر‬
‫ﻤﻌﻨﻰ ‪ S‬ﻓﻲ اﻝﺒﺎب اﻝﺜﺎﻨﻲ ‪ .‬وﻝﻘد وﺠـدﻨﺎ ﻫﻨـﺎك أن اﻝﻨﺴـﺒﺘﻴن اﻝﻤﺌـوﻴﺘﻴن ﻫـﺎﺘﻴن ﺼـﺤﻴﺤﺘﺎن ﻋﻠـﻰ وﺠـﻪ‬
‫اﻝﺘﻘرﻴب ﻝﻠﻤدرﺠﺎت اﻝﺘﻜ اررﻴﺔ اﻝﺘﻲ ﻝﻬﺎ ﺸﻜل ﻴﺸﺎﺒﻪ اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪.‬‬
 ‫اﻝﺸﻜل )‪ : (25-7‬ﺘوزﻴﻊ طﺒﻴﻌﻲ ﻓﻴﻪ ‪µ= 0 , σ= 1‬‬

‫اﻝﺸﻜل )‪ : (26-7‬ﺘوزﻴﻊ طﺒﻴﻌﻲ ﻓﻴﻪ ‪µ= 0 , σ= 3‬‬

‫وﺜم ﺨﺎﺼﻴﺔ ﻤﺜﻴرة ﻝﻼﻫﺘﻤﺎم ﻝﻠﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ ‪ ،‬أﻻ وﻫـﻲ أن ﻤوﻗﻌـﻪ وﺸـﻜﻠﻪ ﻴﺘﺤـددان ﻜﻠﻴـﺔً‬
‫ﺒﻘﻴﻤﺘﻲ ‪ µ , σ‬اﻝﺨﺎﺼﺘﻴن ﺒﻪ ‪ .‬ﻓﻘﻴﻤﺔ ‪ µ‬ﺘﻘﻊ طﺒﻌﺎً ﻋﻨد ﻤرﻜز اﻝﻤﻨﺤﻨـﻲ ‪ ،‬ﻓـﻲ ﺤـﻴن ﺘﺤـدد ﻗﻴﻤـﺔ ‪σ‬‬
‫ﻤــدى اﻨﺘﺸــﺎرﻩ‪ ،‬وﺤﻴــث أن ﻜــل اﻝﻤﻨﺤﻨﻴــﺎت اﻝطﺒﻴﻌﻴــﺔ اﻝﺘــﻲ ﺘﻤﺜّــل ﺘوزﻴﻌــﺎت ﺘﻜ اررﻴــﺔ ﻨظرﻴــﺔ ﻝﻬــﺎ ﻤﺴــﺎﺤﺔ‬
‫ﻜﻠﻴــﺔ ﺘﺴــﺎوي اﻝوﺤــدة ‪ ،‬ﻓﻜﻠّﻤــﺎ زادت ‪ σ‬ﻗ ـ ّل ﺒﺎﻝﻀــرورة ارﺘﻔــﺎع اﻝﻤﻨﺤﻨــﻲ وزاد اﻨﺘﺸــﺎرﻩ ‪ .‬وﻝﻘــد أوﻀــﺤﻨﺎ‬
‫ﻫــذا ﻓــﻲ اﻝﺸــﻜل )‪ (25-7‬و )‪ (26-7‬ﺤﻴــث رﺴــﻤﻨﺎ ﻤﻨﺤﻨﻴــﻴن طﺒﻴﻌﻴــﻴن ﻝﻬﻤــﺎ ﻨﻔــس اﻝوﺴــط ‪ ، 0‬ﻝﻜــن‬
‫ﻝﻬﻤــﺎ اﻻﻨﺤ ـراﻓﻴن اﻝﻤﻌﻴــﺎرﻴﻴن ‪ 3‬و ‪ 1‬ﻋﻠــﻰ اﻝﺘرﺘﻴــب ‪ .‬وﺤﻘﻴﻘ ـﺔ ﻜــون ﺸــﻜل اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ ﻴﺘﺤــدد‬
‫ﻜﻠﻴـﺔً ﺒﺎﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري ﺘﻤﻜــن اﻝﻤــرء ﻤــن اﺨﺘـزال اﻝﻤﻨﺤﻨﻴــﺎت اﻝطﺒﻴﻌﻴــﺔ ﺠﻤﻴﻌﻬــﺎ إﻝــﻰ ﻤــﻨﺤن ﻤﻌﻴــﺎري‬
‫واﺤــد ﺒــﺈﺠراء ﺘﻐﻴﻴــر ﺒﺴــﻴط ﻝﻠﻤﺘﻐﻴــر ‪ .‬ﻓﻤــﺜﻼً ‪ ،‬ﻴﻤﻜــن ﺠﻌــل ﻤﻨﺤﻨــﻲ اﻝﺸــﻜل )‪ (25-7‬ﻴﺸــﺎﺒﻪ ﻤﻨﺤﻨــﻲ‬
‫اﻝﺸﻜل )‪ (26-7‬ﺒﺘﻐﻴﻴر ﻤﻘﻴﺎس اﻝرﺴم ﻋﻠﻰ ﻤﺤور ‪ x‬ﺒﺤﻴـث ﺘﻤﺜّـل اﻝوﺤـدة ﻋﻠـﻰ ﻤﺤـور اﻝﺸـﻜل ‪(25-‬‬
‫)‪ 7‬ﺜﻼث وﺤدات ﻋﻠﻰ ﻤﺤور اﻝﺸﻜل )‪ . (26-7‬إن ﻫذا ت ﻋﻠﻰ وﺠﻪ اﻝﺘﻘرﻴب ـ ُﻴﻨﺎظر أﺨذ ﻤﻨﺤﻨﻲ‬
‫ﻓﻨﻤدﻩ ـ ﻤﻊ‬
‫اﻝﺸﻜل )‪ (25-7‬وﻤﻌﺎﻝﺠﺘﻪ ﻫو واﻝﻤﺴﺎﺤﺔ اﻝﺘﻲ ﺘﺤﺘﻪ ﻜﻤﺎ ﻝو ﻜﺎن ﻤﺼﻨوﻋﺎً ﻤن اﻝﻤطﺎط ‪ّ ،‬‬
‫اﻻﺤﺘﻔﺎظ ﺒﻤﺴـﺎﺤﺘﻪ ـ إﻝـﻰ ﻤـﺎ ﻴﺴـﺎوي ﺜـﻼث ﻤـرات طوﻝـﻪ اﻝطﺒﻴﻌـﻲ ‪ .‬وﺒـﺎﻝﻌﻜس ‪ ،‬ﻴﻤﻜـن ﺠﻌـل اﻝﺸـﻜل‬
‫)‪ (26-7‬ﺒﺄﺨـ ــذ اﻝﺸـ ــﻜل )‪ (25-7‬ﺒﻀـ ــﻐط اﻝﺸـ ــﻜل )‪ (26-7‬إﻝ ــﻰ ﺜﻠـ ــث طوﻝـ ــﻪ اﻝطﺒﻴﻌـ ــﻲ ‪ .‬وﻓـ ــﻲ ﻫـ ــذا‬
‫ﻨﻔﺘرض أن اﻝذﻴﻠﻴن اﻝطوﻴﻠﻴن ﻝﻬذﻴن اﻝﻤﻨﺤﻨﻴﻴن ﻗد ﻗطﻌﺎ وﻗد أﻫﻤﻼ ‪ .‬وﻝﻤﺎ ﻜﺎن أﺒﺴط ﻤﻨﺤن طﺒﻴﻌـﻲ‬
‫ﻴﻤﻜﻨﻨــﺎ اﻝﻌﻤــل ﺒــﻪ ﻫــو ذﻝــك اﻝﻤﻨﺤﻨــﻲ اﻝــذي ﻴﻘــﻊ وﺴــطﻪ ﻋﻨــد اﻝﺼــﻔر اﻝــذي ﻴﻜــون اﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري‬
‫اﻝوﺤ ــدة ‪ ،‬ﻓﻘــد ﺠ ــرت اﻝﻌ ــﺎدة ﻋﻠ ــﻰ اﺨﺘـ ـزال اﻝﻤﻨﺤﻨﻴ ــﺎت اﻝطﺒﻴﻌﻴ ــﺔ إﻝ ــﻰ ﻫ ــذا اﻝﻤﻨﺤﻨ ــﻲ اﻝﻤﻌﻴ ــﺎري ﻜﻠّﻤ ــﺎ‬
‫اﺤﺘﺠﻨــﺎ إﻝــﻰ إﺠـراء اﻻﺨﺘـزال ‪ .‬واﻵن ‪ ،‬ﻝﻜــل ﻨﻘطــﺔ ﻋﻠــﻰ ﻤﺤــور ‪ x‬ﻝﻤــﻨﺤن طﺒﻴﻌــﻲ ﻤــﺎ ﻨﻘطــﺔ ﻤﻨــﺎظرة‬
‫ﻋﻠﻰ ﻤﺤور ‪ x‬ﻝﻠﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤﻌﻴﺎري ﻴﻤﻜن ﺘﻌﻴﻴن ﻗﻴﻤﺘﻬﺎ ﺒذﻜر ﻤدى ﺒﻌدﻫﺎ ﻋـن ﻨﻘطـﺔ اﻝوﺴـط‬
‫ﻝﻠﻤﻨﺤﻨﻲ ﺒدﻻﻝﺔ اﻻﻨﺤراﻓﺎت اﻝﻤﻌﻴﺎرﻴﺔ ﻓﻤﺜﻼً ‪ ،‬اﻝﻨﻘطﺔ ‪ x = 6‬ﻓﻲ اﻝﺸﻜل )‪ (26-7‬ﺘﻨﺎظر اﻝﻨﻘطﺔ =‪x‬‬
‫‪ 2‬ﻋﻠﻰ اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤﻌﻴﺎري ﻓﻲ اﻝﺸـﻜل )‪ ،(25-7‬إذن ﻴﻤﻜﻨﻨـﺎ اﻝﺤﺼـول ﻋﻠـﻰ اﻝﻘﻴﻤـﺔ ‪x = 6‬‬
‫ﻤن اﻝﺸﻜل )‪ (25-7‬ﺒﺄن ﻨذﻜر أﻨﻬﺎ ﺘﻘﻊ إﻝﻰ ﻴﻤﻴن اﻝوﺴط ﺼﻔر ﺒﻤﻘدار اﻨﺤراﻓﻴن ﻤﻌﻴﺎرﻴﻴن ‪.‬‬

‫وﺒوﺠ ــﻪ ﻋ ــﺎم ‪ ،‬إذا ﻨ ــﺎظرت ﻨﻘط ــﺔ ‪ x‬ﻋﻠ ــﻰ ﻤﺤ ــور ﻤ ــﻨﺤن طﺒﻴﻌ ــﻲ ﻤ ــﺎ‪ ،‬وﺴ ــطﻪ ‪ µ‬واﻨﺤ ارﻓ ــﻪ‬
‫اﻝﻤﻌﻴــﺎري ‪ ، σ‬ﻨﻘطــﺔ ‪ z‬ﻋﻠــﻰ اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻌﻴــﺎري ‪ ،‬وﻗﻌــت ‪ x‬إﻝــﻰ ﻴﻤــﻴن ‪ µ‬ﺒﻤﻘــدار ‪ z‬ﻤــن‬
‫اﻻﻨﺤراﻓﺎت اﻝﻤﻌﻴﺎرﻴﺔ ‪ .‬وﻋﻠﻰ ﻫذا ‪ ،‬ﺘﻌطﻲ اﻝﻌﻼﻗﺔ ﺒﻴن ﻫﺎﺘﻴن اﻝﻨﻘطﺘﻴن اﻝﻤﺘﻨﺎظرﺘﻴن ﺒﺎﻝﺼﻴﻐﺔ = ‪x‬‬
‫ﻋﺒرﻨﺎ ﻋن ‪ z‬ﺒدﻻﻝﺔ ‪ ، x‬ﻓﺈن ‪:‬‬
‫‪ µ + zσ‬أو إذا ّ‬

‫‪x−µ‬‬
‫)‪(4‬‬ ‫=‪z‬‬
‫‪σ‬‬
‫ﻫـذﻩ اﻝﺼــﻴﻐﺔ ﺘﻤﻜــن اﻝﻤــرء ﻤــن إﻴﺠــﺎد اﻝﻨﻘطــﺔ ‪ z‬ﻋﻠــﻰ اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻌﻴــﺎري اﻝﺘــﻲ ﺘﻨــﺎظر أﻴــﺔ‬
‫ﻨﻘطــﺔ ‪ x‬ﻋﻠــﻰ ﻤــﻨﺤن طﺒﻴﻌــﻲ ﻏﻴــر ﻤﻌﻴــﺎري ‪ .‬ﻓﻤــﺜﻼً ‪ ،‬اﻝﻨﻘطــﺔ ‪ x = 4‬ﻓــﻲ اﻝﺸــﻜل )‪ (26-7‬ﺘﻨــﺎظر‬
‫اﻝﻨﻘطﺔ ‪:‬‬

‫‪x = (4 – 0) / 3 = 11/3‬‬

‫ﻨﻌﺒر ﻋن ﻜل ﻗﻴم ‪ x‬ﻋﻠـﻰ ﻤﻨﺤﻨـﻲ طﺒﻴﻌـﻲ‬

‫ﻓﻲ اﻝﺸﻜل )‪ . (25-7‬وﺒﻬذﻩ اﻝطرﻴﻘﺔ ‪ ،‬اﻝﺘﻲ ﺒﻬﺎ ّ‬
‫ﻤــﺎ ﺒدﻻﻝــﺔ اﻝﻘــﻴم اﻝﻤﻨــﺎظرة ﻋﻠــﻰ اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻌﻴــﺎري ‪ ،‬ﻴﻤﻜﻨﻨــﺎ اﺨﺘ ـزال اﻝﻤﻨﺤﻨﻴــﺎت اﻝطﺒﻴﻌﻴــﺔ‬
‫ﺠﻤﻴﻌﻬﺎ إﻝﻰ ﻤﻨﺤن ﻤﻌﻴﺎري واﺤد ‪.‬‬

‫وﻓﻲ اﻝﻤﻨﺎﻗﺸﺎت اﻝﺴﺎﺒﻘﺔ ﻻﺤظﻨﺎ أن اﻻﻨﺤـراف اﻝﻤﻌﻴـﺎري ‪ s‬ﻻ ﻴﺘـﺄﺜّر ﺒﺈﻀـﺎﻓﺔ ﺜﺎﺒـت إﻝـﻰ ﻗـﻴم‬
‫ﻓﺌﺔ ﻤن اﻝﻘﻴﺎﺴﺎت ‪ ،‬ﻝﻜﻨﻪ ﻴﻀرب ﻓﻲ ‪ c‬إذا ﻀرﺒت ﻜل اﻝﻘﻴﺎﺴـﺎت ﻓـﻲ ‪ c‬ﻫـذﻩ اﻝﺨﺎﺼـﻴﺔ ﻨﻔﺴـﻬﺎ ﺘظـل‬
‫ﻝﻠﻤﺘﻐﻴــر اﻝﻌﺸ ـواﺌﻲ ‪ x‬واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري اﻝﻨظــري ‪ ، σ‬ﺒﻤﻌﻨــﻰ أن اﻝﻤﺘﻐﻴــر ‪ c‬ﻤــن اﻝﻤ ـرات‬
‫ّ‬ ‫ﺼــﺤﻴﺤﺔ‬
‫ﻝﻠﻤﺘﻐﻴــر ‪ ، x‬ﻝﻜــن اﻨﺤـراف ‪ cx‬اﻝﻤﻌﻴــﺎري ﺴــﻴﻜون ‪ c‬ﻤــن‬
‫ّ‬ ‫ﺴــﻴﻜون ﻝــﻪ اﻻﻨﺤـراف اﻝﻤﻌﻴــﺎري ﻨﻔﺴــﻪ اﻝــذي‬
‫اﻝﻤرات ﻗدر اﻨﺤراف ‪ x‬اﻝﻤﻌﻴﺎري ‪.‬‬
‫وﻓـﻲ ﻀـوء ﻫـذﻩ اﻝﺨـواص ﻴﻜـون اﻨﺤـراف ‪ (x - µ) / σ‬اﻝﻤﻌﻴـﺎري ‪1/σ‬ﻤـرة ﻤـن اﻨﺤـراف ‪x - µ‬‬
‫اﻝﻤﻌﻴــﺎري أو ﻤــن اﻨﺤـراف ‪ x‬اﻝﻤﻌﻴــﺎري‪ ،‬وﻋﻠﻴــﻪ‪ ،‬إذا ﻜﺎﻨــت ‪ σ‬ﻫــﻲ اﻻﻨﺤـراف اﻝﻤﻌﻴــﺎري ﻝﻠﻤﺘﻐﻴــر ‪، x‬‬
‫ﻻﺒد أن ﻴﻜون اﻝوﺤدة ‪ .‬وﺤﻴـث أن وﺴـطﻪ ﻫـو ‪µ‬‬
‫ﻓﺈن اﻻﻨﺤراف اﻝﻤﻌﻴﺎري ﻝﻠﻤﺘﻐﻴر ‪ّ z = (x - µ)/ σ‬‬
‫‪ ،‬ﻓﺒطرح ‪ µ‬ﻤن ‪ x‬ﻨﺤﺼل ﻋﻠﻰ ﻤﺘﻐﻴر ‪ x - µ‬وﺴطﻪ ﺼﻔر ‪ .‬وﻋﻠﻰ ﻫذا ﻴﻜون وﺴـط اﻝﻤﺘﻐﻴـر = ‪z‬‬
‫‪ (x - µ)/ σ‬ﻫو أﻴﻀﺎً اﻝﺼﻔر ‪ .‬إذ إن ﻀرب ﻤﺘﻐﻴر ﻤـﺎ ﻓـﻲ ﺜﺎﺒـت ﻴﻀـرب وﺴـطﻪ ﻓـﻲ ذﻝـك اﻝﺜﺎﺒـت‬
‫‪ 1/‬ﻻ ﻴ ـ ـ ـزال ﻴﻌطﻴﻨـ ـ ــﺎ اﻝﺼـ ـ ــﻔر ‪ ،‬وﻋﻠـ ـ ــﻰ ﻫـ ـ ــذا ﺴـ ـ ــﻴﻜون ﻝﻠﻤﺘﻐﻴـ ـ ــر‬ ‫‪ ،‬وﻀـ ـ ــرب اﻝﺼـ ـ ــﻔر ﻓـ ـ ــﻲ ‪σ‬‬
‫‪ z = (x - µ)/ σ‬اﻝوﺴــط ﺼــﻔر ‪ ،‬واﻻﻨﺤـراف اﻝﻤﻌﻴــﺎري اﻝوﺤــدة ‪ .‬وﺒﺘﻐﻴﻴــر اﻝﻤﺘﻐﻴــر اﻝــذي ﺘﻌطﻴــﻪ‬
‫اﻝﺼﻴﻐﺔ )‪ (4‬ﺴﻴﻐﻴر أي ﻤﺘﻐﻴر ‪ x‬إﻝﻰ ﻤﺘﻐﻴر آﺨر وﺴطﻪ ﺼﻔر واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري اﻝوﺤدة وﺴـﻴﻜون‬
‫ﻫذا ﺼﺤﻴﺤﺎً ﺴواء أﻜﺎن اﻝﻤﺘﻐﻴر ‪ x‬ﻤﺘﻐﻴ اًر طﺒﻴﻌﻴﺎً أم ﻝم ﻴﻜن ‪ .‬وﻴﻘﺎل ﻋن ﻤﺘﻐﻴر ﻤﺎ ‪ x‬ﻗد ﺘﻐﻴر إﻝﻰ‬
‫اﻝﻤﺘﻐﻴر ‪ z‬ﻋن طرﻴق اﻝﺼﻴﻐﺔ )‪ . (4‬إﻨﻪ ﻤﻘﻴس ﺒوﺤدات ﻤﻌﻴﺎرﻴﺔ ـ وذﻝك ﺒﻌد إﺘﻤﺎم ﻋﻤﻠﻴﺔ اﻝﺘﻐﻴﻴر ‪.‬‬

‫وﺠــدول ‪ IX‬ﻓــﻲ اﻝﻤﻠﺤــق ﻫــو ﺠــدول ﻹﻴﺠــﺎد اﻝﻤﺴــﺎﺤﺔ اﻝواﻗﻌــﺔ ﺘﺤــت أي ﺠــزء ﻤــن اﻝﻤﻨﺤﻨــﻲ‬
‫اﻝطﺒﻴﻌﻲ ﻝﻠﻤﺘﻐﻴـر ‪ z‬أي ﻝﻠﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ اﻝـذي وﺴـطﻪ اﻝﺼـﻔر واﻨﺤ ارﻓـﻪ اﻝﻤﻌﻴـﺎري اﻝوﺤـدة‪ .‬وﻗـﻴم ‪z‬‬
‫ﻓ ــﻲ ﻫـ ـذا اﻝﺠ ــدول ﻤﻌط ــﺎة ﻝـ ـرﻗﻤﻴن ﻋﺸـ ـرﻴﻴن ‪ ،‬اﻝـ ـرﻗم اﻝﻌﺸ ــري اﻝﺜ ــﺎﻨﻲ ﻤﻨﻬﻤ ــﺎ ﻴﺤ ــدد اﻝﻌﻤ ــود اﻝواﺠ ــب‬
‫اﺴﺘﺨداﻤﻪ ﻓﻤـﺜﻼً ﻨﻔﺘـرض أﻨﻨـﺎ ﻨرﻴـد ﺤﺴـﺎب اﻝﻤﺴـﺎﺤﺔ اﻝواﻗﻌـﺔ ﺘﺤـت اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ اﻝﻤﻌﻴـﺎري ﻫـذا‬
‫ﻤن ‪ z = 0‬إﻝﻰ ‪ –z = 1000‬وﻗد ّﺒﻴﻨﺎ ﻫذﻩ اﻝﻤﺴـﺎﺤﺔ اﻝﻤطﻠوﺒـﺔ ‪ ،‬ﻫﻨدﺴـﻴﺎً ﻓـﻲ اﻝﺸـﻜل )‪ . (27-7‬ﻨﻘـ أر‬
‫ﻓﻲ ﺠدول ‪ IV‬ﻤن أﻋﻠﻰ إﻝﻰ أﺴﻔل ﺤﺘﻰ ﻨﺼل إﻝﻰ اﻝﻘﻴﻤﺔ ‪ 1.0‬ﻝﻠﻤﺘﻐﻴر ‪ ، z‬ﺜم ﻨﻘ أر ﺒﻌرض اﻝﺠدول‬
‫إﻝﻰ اﻝﻜﻤﻴﺔ اﻝﻤدرﺠﺔ ﻓﻲ اﻝﻌﻤود اﻝﻤﻌﻨون ‪ . 00‬ﻓﻨﺠد اﻝﻘﻴﻤﺔ ‪ ، 3413‬ﻓﺘﻜون ﻫﻲ اﻝﻤﺴﺎﺤﺔ اﻝﻤطﻠوﺒﺔ‬
‫‪.‬‬

‫ﻫــذا ‪ ،‬وﻻ ﻴﻌطﻴﻨــﺎ ﺠــدول ‪ IV‬ﺴــوى اﻝﻤﺴــﺎﺤﺎت ﻤــن ‪ z = 0‬إﻝــﻰ أﻴــﺔ ﻗﻴﻤــﺔ ﻤوﺠﺒــﺔ ﻤﻌﻴﻨــﺔ‬
‫ﻝﻠﻤﺘﻐﻴــر ‪ . z‬أﻤــﺎ إذا ﻜﻨــﺎ ﻨرﻴــد ﻤﺴــﺎﺤﺎت واﻗﻌــﺔ إﻝــﻰ ﻴﺴــﺎر ‪ z= 0‬ﻓﻼﺒــد ﻝﻨــﺎ ﻤــن اﺴــﺘﺨدام اﻝﺘﻤﺎﺜــل‬
‫واﻻﺸﺘﻐﺎل ﻋﻠﻰ ﻤﺎ ﻴﻨﺎظر ﺘﻠك اﻝﻤﺴﺎﺤﺎت ﻤن اﻝﻨﺼف اﻷﻴﻤن ﻝﻠﻤﻨﺤﻨﻲ ‪ ،‬ﻓﻤﺜﻼً اﻝﺘﻤﺎﺜـل ‪P{-1 < z‬‬
‫}‪ < 1‬ﻴﻌطﻴﻬﺎ ﻤﺠﻤوع ‪. P{0 < z < 2} , P{0 < z < 1/2} :‬‬

‫واﻵن ‪ ،‬اﻓــرض أﻨﻨ ــﺎ ﻨرﻴ ــد ﺤﺴ ــﺎب اﻝﻤﺴ ــﺎﺤﺔ اﻝواﻗﻌ ــﺔ ﺘﺤ ــت ﺠ ــزء ﻤ ــن ﻤ ــﻨﺤن طﺒﻴﻌ ــﻲ ﻤ ــﺎ ‪،‬‬
‫وﺴطﻪ ‪ µ‬واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري ‪ . σ‬وﻋﻠﻰ ﺴﺒﻴل اﻝﻤﺜﺎل ﻨﻔرض أﻨﻨﺎ ﻨرﻴد إﻴﺠـﺎد اﻝﻤﺴـﺎﺤﺔ ﻤـن ‪x= µ -‬‬
‫‪ σ‬إﻝﻰ ‪ x = µ+σ‬ﻓﻲ اﻝﺸﻜل )‪ . (22-7‬ﻤن اﻝﺘﻤﺎﺜل ‪ ،‬ﻴﻨﺘﺞ أن ﺘﻠك اﻝﻤﺴﺎﺤﺔ ﻫﻲ ﻀﻌف اﻝﻤﺴـﺎﺤﺔ‬
‫ﻤـن ‪ x = µ‬إﻝـﻰ ‪ x = µ+σ‬وﻤـن اﻝﺼـﻴﻐﺔ )‪ ، (4‬ﻨـرى أن اﻝﻘﻴﻤﺘـﻴن ‪ x = µ+σ‬و ‪ x = µ‬ﺘﻨـﺎظران‬
‫اﻝﻘﻴﻤﺘـﻴن ‪ z=1‬و ‪ ، z= 0‬وﻋﻠﻴـﻪ ﻓـﺈن اﻝﻤﺴـﺎﺤﺔ ﻤـن ‪ x = µ‬إﻝـﻰ ‪ x = µ+σ‬ﻝﻬـﺎ اﻝﻘﻴﻤـﺔ ﻨﻔﺴـﻬﺎ اﻝﺘـﻲ‬
‫ﻝﻠﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ ﺘﺤت اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤﻌﻴﺎري ‪ z= 0‬إﻝﻰ ‪. z= 1‬‬

‫اﻝﺸﻜل )‪ : (27-7‬ﺘوزﻴﻊ طﺒﻴﻌﻲ ﻤﻌﻴﺎري‬

‫وﻫذﻩ ﻫﻲ ﻨﻔس ﻗﻴﻤﺔ اﻝﻤﺴﺎﺤﺔ اﻝﻤﻨﺎظرة ﺘﺤت اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ اﻝﻤﻌﻴـﺎري اﻝﻤﺤﺴـوﺒﺔ ﻓـﻲ ﺠـدول ‪IX‬‬
‫واﻝﻤﺒﻴﻨــﺔ ﺒﺎﻝﻤﺴــﺎﺤﺔ اﻝﻤظﻠﻠــﺔ ﻓــﻲ اﻝﺸــﻜل )‪ . (27-7‬وﺤﻴــث أﻨﻨــﺎ ﻗــد وﺠــدﻨﺎ أن ﻫــذﻩ اﻝﻤﺴــﺎﺤﺔ ﺘﺴــﺎوي‬
‫‪ . 3413‬ﻓﺈن اﻝﻤﺴﺎﺤﺔ ﻤن ‪ x = µ+σ‬إﻝﻰ ‪ x = µ - σ‬ﻫﻲ ﻀﻌف ﻫذا اﻝﻌدد ‪ ،‬أي ‪ ، 6826‬وﻫـذا‬
‫اﻝﻌدد اﻝذي ﻨﺸﺄت ﻋﻨﻪ اﻝﺨﺎﺼﻴﺔ )‪ (1‬ﻤن ﺨواص اﻝﺘوزﻴﻊ اﻝطﺒﻴﻌﻲ واﻝواردة ﻓﻲ )‪. (3‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻝﺘوﻀﻴﺢ اﺴﺘﺨدام ﺠدول ‪ ، IX‬ﻨـدرس اﻝﻤﺴـﺄﻝﺔ اﻵﺘﻴـﺔ ‪ :‬ﻨﻔـرض أن طـول اﻝطﻠﺒـﺔ اﻝﺠـﺎﻤﻌﻴﻴن‬
‫اﻝــذﻜور ﻫــو ﻤﺘﻐﻴــر طﺒﻴﻌــﻲ‪ ،‬ﺴــﻨرﻤز ﻝــﻪ ﺒــﺎﻝرﻤز ‪ ، x‬وأن وﺴــطﻪ ‪ 69‬ﺒوﺼــﺔ واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري ‪3‬‬
‫ﺒوﺼﺔ ‪ .‬ﻤﺎ اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ﻤن ﻤﺜل ﻫؤﻻء اﻝطﻠﺒﺔ ﻝﻤن ﻴزﻴد طوﻝﻬم ﻋن ‪ 72‬ﺒوﺼﺔ ؟ ‪.‬‬
‫ﻫذﻩ اﻝﻨﺴﺒﺔ ﻨﺤﺼل ﻋﻠﻴﻬﺎ ﺒﺤﺴﺎب اﻝﻜﻤﻴﺔ }‪ P{x > 72‬ﺨذ اﻝﻘﻴﻤﺔ ‪ . x = 72‬إذن ‪ ،‬ﺤﻴث ‪ σ = 3‬و‬
‫‪ µ = 69‬ﻓﺈن ﻗﻴﻤﺔ ‪ z‬اﻝﻤﻨﺎظرة ﺘﻌطﻴﻬﺎ ‪:‬‬

‫‪72 − 69‬‬
‫=‪z‬‬ ‫‪=1‬‬
‫‪3‬‬

‫وﻨﺠد ﻤن ﺠدول ‪ ، IX‬إن اﻝﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ ﺘﺤت اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤﻌﻴـﺎري ﺒـﻴن ‪ z= 0‬و‬
‫‪ z= 1‬ﻫﻲ ‪ ، 3413‬وﺤﻴث أن اﻝﻤﺴـﺎﺤﺔ اﻝواﻗﻌـﺔ ﺘﺤـت اﻝﻨﺼـف اﻷﻴﻤـن ﻤـن ﻫـذا اﻝﻤﻨﺤﻨـﻲ ﻫـﻲ ‪، 5‬‬
‫ﻓﻴﻨﺘﺞ أن اﻝﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ إﻝﻰ ﻴﻤﻴن ‪ z= 1‬ﺘﺴﺎوي ‪ 5000 – 3413= 1587 :‬وﻋﻠﻴﻪ ﻓﺈن ﻤﺎ ﻴﻘرب‬
‫ﻤن ‪ 16%‬ﻤن اﻝطﻠﺒﺔ ﺴﺘﻜون ﻗﻴﻤﺔ ‪ z‬ﻝﻬم ﺘزﻴد ﻋن اﻝوﺤدة ‪ ،‬وﺒﺎﻝﺘﺎﻝﻲ ﻴﻜون طوﻝﻬم أﻜﺒر ﻤن ‪ 6‬ﻗدم‬
‫‪ 72‬ﺒوﺼﺔ ‪.‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻜﻤﺜﺎل ﺘوﻀﻴﺤﻲ آﺨر ﻻﺴﺘﻌﻤﺎل ﺠدول ‪ ، IX‬ﻨﻔﺘرض أﻨﻨـﺎ ﻨرﻴـد إﻴﺠـﺎد اﻝﻤﺴـﺎﺤﺔ ﺒـﻴن ‪x= 280‬‬
‫‪ x= 220 ،‬ﻝﻠﻤﺘﻐﻴــر ‪ x‬اﻝــذي ﻝــﻪ ﺘوزﻴــﻊ طﺒﻴﻌــﻲ ﻝــﻪ ‪ σ= 20‬و ‪ ، µ= 230‬وﻗــد ّﺒﻴﻨــﺎ اﻝﻤﺴــﺎﺤﺔ‬
‫اﻝﻤطﻠوﺒﺔ ﻓﻲ اﻝﺸﻜل )‪. (28-7‬‬

‫اﻝﺸﻜل )‪ : (28-7‬ﺘوزﻴﻊ طﺒﻴﻌﻲ ﺨﺎص‬

‫أوﻻً‪ ،‬ﻤن اﻝﻀروري أن ﻨﺤﺴب ﻗﻴﻤﺘﻲ ‪ z‬اﻝﻤﻨﺎظرﺘﻴن ‪ ،‬وذﻝك ﻋن طرﻴق )‪ . (4‬ﻫﺎﺘـﺎن اﻝﻘﻴﻤﺘـﺎن ﻫﻤـﺎ‬
‫‪:‬‬
 ‫‪220 − 230‬‬
‫= ‪z1‬‬ ‫‪= −50‬‬
‫‪20‬‬
‫‪280 − 230‬‬
‫= ‪z2‬‬ ‫‪= 2.50‬‬
‫‪20‬‬

‫ﻗﻴﻤﺘ ــﺎ ‪ z‬ﻫﺎﺘ ــﺎن ﻗ ــد ّﺒﻴﻨﺘ ــﺎ ﻓ ــﻲ ﺸ ــﻜل )‪ (27-7‬ﺒواﺴ ــطﺔ ﺴ ــﻬﻤﻴن أرﺴ ــﻴﻴن ‪ .‬واﻵن اﻝﻤﺴ ــﺎﺤﺔ‬
‫اﻝﻤطﻠوﺒﺔ ﻫﻲ اﻝﻤﻌطﺎة ﺒﺎﻝﻤﺴﺎﺤﺔ اﻝواﻗﻌﺔ ﺘﺤت اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ اﻝﻤﻌﻴـﺎري ﻤـن )‪ (-.50‬إﻝـﻰ ‪2.50‬‬
‫وﻨﺠـد ﻤـن ﺠـدول ‪ IX‬أن اﻝﺴـﻤﺎﺤﺔ ﻤـن ‪ z= 0‬إﻝـﻰ ‪ z= 2.50‬ﻫـﻲ ‪ . 4938‬ﻨﺘﻴﺠـﺔ ﻝﻠﺘﻤﺎﺜـل ‪ ،‬ﺘﻜـون‬
‫اﻝﻤﺴـﺎﺤﺔ ﻤـن ‪ z= -.50‬إﻝـﻰ ‪ z= 0‬ﻫـﻲ اﻝﻤﺴـﺎﺤﺔ ﻨﻔﺴـﻬﺎ ﻤـن ‪ z= 0‬إﻝـﻰ ‪ ، z= .50‬وﻫـذﻩ اﻝﻤﺴـﺎﺤﺔ‬
‫اﻷﺨﻴرة ﻨﺠدﻫﺎ ﻤن ﺠـدول ‪ ، IX‬وﻫـﻲ ‪ ، 1915‬وﻋﻠـﻰ ﻫـذا ‪ ،‬ﺘﻜـون اﻝﻤﺴـﺎﺤﺔ اﻝﻤطﻠوﺒـﺔ ﻫـﻲ ﻤﺠﻤـوع‬
‫ﻫــﺎﺘﻴن اﻝﻤﺴــﺎﺤﺘﻴن أي ‪ . 6853‬ﻫــذا ‪ ،‬وﻝــو أن اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ ﻓــﻲ ﺸــﻜﻠﻲ )‪ (27-7‬و )‪(28-7‬‬
‫ﻜﺎن ﺴﻴﺒدو ﻤﺨﺘﻠﻔﺎً ﺘﻤﺎﻤﺎً ﻝو ﻜﻨﺎ اﺴﺘﺨدﻤﻨﺎ ﻤﻘﻴﺎس اﻝرﺴم ﻨﻔﺴﻪ ﻋﻠﻰ ﻜل ﻤن اﻝﻤﺤورﻴن ‪ ،‬إﻻّ أﻨﻨـﺎ ﻗـد‬
‫رﺴﻤﻨﺎﻩ ﺒﺤﻴث ﻴﺒدو ﻤﺘﺸﺎﺒﻬﺎً ﺤﺘﻰ ﻴﺘّﻀﺢ ﺘﻜﺎﻓؤ اﻝﻤﺴﺎﺤﺎت ‪.‬‬

‫‪ -20-7‬ﺘﻘرﻴب طﺒﻴﻌﻲ ﻝذي اﻝﺤدﻴن ‪:Normal Aproximation to Binomial‬‬

‫ﻤـن اﻝﺴـﻬل ﺤـ ّل اﻝﻤﺴـﺎﺌل اﻝﻤﺘﻌﻠﻘـﺔ ﺒﺘوزﻴـﻊ ذي اﻝﺤـدﻴن ‪ ،‬ﺸـرﻴطﺔ أﻻّ ﻴﻜـون ﻋـدد اﻝﻤﺤــﺎوﻻت‬
‫‪ n‬ﻜﺒﻴـ اًر ‪ ،‬أﻤــﺎ إذا ﻜـﺎن اﻝﻌــدد ‪ n‬ﻜﺒﻴـ اًر ‪ ،‬ﻓﺴﻴﺼــﺒﺢ اﻝﺤﺴـﺎﺒﺎت اﻝﺘــﻲ ﻴﺘﻀـﻤﻨﻬﺎ اﺴــﺘﺨدام اﻝﺼــﻴﻐﺔ )‪(1‬‬
‫طوﻴﻠــﺔ ﻝﻠﻐﺎﻴــﺔ ‪ ،‬وﺒﺎﻝﺘــﺎﻝﻲ ‪ ،‬ﺴــﻴﻜون ﻤــن اﻝﻤﻔﻴــد ﺠــداً اﻝﺤﺼــول ﻋﻠــﻰ ﺘﻘرﻴــب ﺒﺴــﻴط طﻴــب ﻝﻠﺘوزﻴــﻊ ‪.‬‬
‫وﻤﺜل ﻫذا اﻝﺘﻘرﻴب ﻤوﺠود ﻓﻌﻼً ﻓﻲ ﺼورة اﻝﺘوزﻴﻊ اﻝطﺒﻴﻌﻲ اﻝﻤﻨﺎﺴب ‪ .‬وﺒﻬدف ﻓﺤص ﻫـذا اﻝﺘﻘرﻴـب‬
‫‪ ،‬ﻝﻨدرس ﺒﻌض اﻷﻤﺜﻠﺔ اﻝﻌددﻴﺔ ‪.‬‬

‫ﻨﻔﺘرض أن ‪ n = 12‬و ‪ P= 1/3‬ﻜون اﻝﺸﻜل اﻝﺒﻴﺎﻨﻲ ﻝﺘوزﻴﻊ ذي اﻝﺤدﻴن اﻝﻤﻨﺎظر ‪ ،‬إن ﻗﻴم‬
‫}‪ P{x‬ﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺔ )‪ ، (1‬ﻤﺤﺴوﺒﺔ ﻝﺜﻼﺜﺔ أرﻗﺎم ﻋﺸرﻴﺔ ‪ ،‬ﻫﻲ ‪:‬‬

‫)‪(5‬‬

‫‪P{8}=.015‬‬ ‫‪P{4}=.238‬‬ ‫‪P{0}=.008‬‬

‫‪P{9}=.003‬‬ ‫‪P{5}=.191‬‬ ‫‪P{1}=.046‬‬

‫‪P{10}=.000‬‬ ‫‪P{6}=.111‬‬ ‫‪P{2}=.127‬‬

 ‫‪P{11}=.000‬‬ ‫‪P{7}=.048‬‬ ‫‪P{3}=.212‬‬

‫‪P{12}=.000‬‬

‫ﻫـذا وﺒــﺎﻝرﻏم ﻤــن أن اﻝﺸـﻜل اﻝﺒﻴــﺎﻨﻲ اﻝﻤﺴــﺘﺨدم ﺴـﺎﺒﻘﺎً ﻝﺘوزﻴــﻊ ذي اﻝﺤــدﻴن ﻜـﺎن ﺸــﻜﻼً ﺨطﻴـﺎً‬
‫ـدرج ﺘﻜ ـراري ﻜــﻲ ﺘﺴــﻬل ﻤﻘﺎرﻨﺘــﻪ‬
‫ﺒﺴــﺒب طﺒﻴﻌــﺔ اﻝﻤﺘﻐﻴــر ‪ x‬اﻝﻤﺘﻘطــﻊ ‪ ،‬ﻓــﺈن ﻫــذا اﻝﺘوزﻴــﻊ ﺴﻴرﺴــم ﻜﻤـ ّ‬
‫ـدرج اﻝﺘﻜـراري اﻝﺨـﺎص ﺒﻬـذا اﻝﺘوزﻴـﻊ‬
‫ﺒﺎﻝﻤدرﺠﺎت اﻝﺘﻜ اررﻴـﺔ اﻝﺨﺎﺼـﺔ ﺒـﺎﻝﺘوزﻴﻊ اﻝطﺒﻴﻌـﻲ ‪ ،‬وﻝﻘـد ّﺒﻴﻨـﺎ اﻝﻤ ّ‬
‫ّ‬
‫ﻓﻲ اﻝﺸﻜل )‪. (29-7‬‬

‫اﻝﺸﻜل )‪ : (29-7‬ﺘوزﻴﻊ ذي اﻝﺤدﻴن ‪ ،‬ﻓﻴﻪ ‪ P= 1/3‬و ‪n= 12‬‬

‫إن ارﺘﻔﺎع أي ﻤﺴﺘطﻴل ﻴﺴﺎوي اﻻﺤﺘﻤﺎل اﻝﻤﻌطﻰ ﻓـﻲ )‪ (5‬ﻝﻌﻼﻤـﺔ اﻝﻔﺌـﺔ اﻝﻤﻨـﺎظرة ‪ ،‬وﺤﻴـث‬
‫أن طـول ﻗﺎﻋـدة أي ﻤﺴـﺘطﻴل ﻫـو اﻝوﺤـدة ‪ ،‬ﻓـﺈن ﻤﺴـﺎﺤﺔ أي ﻤﺴـﺘطﻴل ﺘﺴـﺎوي ـ ﻋـددﻴﺎً ـ ارﺘﻔﺎﻋـﻪ ‪،‬‬
‫وﻋﻠﻰ ذﻝـك ﻓـﺈن ﻫـذﻩ اﻻﺤﺘﻤـﺎﻻت ﺘﻌطﻴﻬـﺎ ﻜـذﻝك ﻤﺴـﺎﺤﺎت اﻝﻤﺴـﺘطﻴﻼت اﻝﻤﻨـﺎظرة ‪ ،‬وﻤـن ﺸـﻜل ﻫـذا‬
‫اﻝﻤدرج اﻝﺘﻜراري ﻴﺒدو أن ﻤن اﻝﻤﻤﻜن ﺘوﻓﻴﻘﻪ ﺒﺎﻝﺘﻘرﻴب ﻤﻊ اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤﻨﺎﺴب ‪.‬‬

‫وﺤﻴــث أن أي ﺘوزﻴـﻊ طﺒﻴﻌــﻲ ﻴﺘﺤــدد ﻜﻠﻴــﺔ ﺒوﺴــطﻪ واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري ‪ ،‬ﻓﻤــن اﻝطﺒﻴﻌــﻲ ﻫﻨــﺎ‬
‫اﺴــﺘﺨدام اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝــذي ﻝــﻪ اﻝوﺴــط ﻨﻔﺴــﻪ و اﻻﻨﺤ ـراف اﻝﻤﻌﻴــﺎري ﻨﻔﺴــﻪ اﻝﺨﺎﺼــﻴﺎن ﺒﺘوزﻴــﻊ‬
‫‪1‬‬ ‫‪1 2‬‬
‫ذي اﻝﺤـ ــدﻴن وﻤـ ــن اﻝﺼـ ــﻴﻐﺘﻴن )‪ ، (2‬ﻴﻨـ ــﺘﺞ أن ‪ µ = 12. = 4 and σ = 12. . = 1.63‬وﻝﻘـ ــد‬
‫‪3‬‬ ‫‪3 3‬‬
‫وﻀــﻌﻨﺎ ﻤﻨﺤﻨﻴ ـﺎً طﺒﻴﻌﻴ ـﺎً ﺒﻬــذا اﻝوﺴــط ‪ ،‬وﺒﻬــذا اﻻﻨﺤ ـراف اﻝﻤﻌﻴــﺎري ﻓــوق ‪ ،‬اﻝﺸــﻜل )‪ (29-7‬ﻝﻴﻌطــﻲ‬
‫ﺸﻜل )‪ ، (30-7‬وﻤﻨﻪ ﻴﺒدو أن اﻝﺘوﻓﻴـق ﻤﻘﺒـول ‪ ،‬ﺒـﺎﻝرﻏم ﻤـن ﻜـون ‪ n= 12‬ﻗﻴﻤـﺔ ﺼـﻐﻴرة ﻝﻠﻌـدد ‪، n‬‬
‫اﻝﻤﺘﻘدﻤﺔ ﺒﺘوﻓﻴق طﻴب ﺴوى ﻝﻠﻘﻴم اﻝﻜﺒﻴرة ﻝﻠﻌدد ‪. n‬‬
‫ّ‬ ‫وﻻ ﺘﻌطﻴﻨﺎ اﻝﻨظرﻴﺎت‬

‫وﻜﺎﺨﺘﺒ ــﺎر ﻝدﻗّ ــﺔ ﺘﻘ ــري اﻝﻤﻨﺤﻨ ــﻲ اﻝطﺒﻴﻌ ــﻲ ‪ ،‬وﻜﺘوﻀ ــﻴﺢ ﻝﻜﻴﻔﻴ ــﺔ اﺴ ــﺘﺨدام ط ــرق اﻝﻤﻨﺤﻨ ــﻲ‬
‫اﻝطﺒﻴﻌﻲ ﻝﺘﻘرﻴب اﺤﺘﻤﺎﻻت ذي اﻝﺤدﻴن ‪ ،‬ﻨدرس ﺒﻀﻌﺔ ﻤﺴﺎﺌل ﻤرﺘﺒطﺔ ﺒﺸﻜل )‪. (30-7‬‬

‫اﻝﺸﻜل )‪ : (30-7‬ﺘوزﻴﻊ ذي اﻝﺤدﻴن ‪ ،‬ﻓﻴﻪ ‪ n= 12‬و ‪ P= 1/3‬ﻤﻊ ﻤﻨﺤﻨﻲ طﺒﻴﻌﻲ ﻤوﻓق‬

‫ﻤﺜﺎل ‪:‬‬

‫إذا ﻜﺎن اﺤﺘﻤﺎل أن ﻴﺼﻴب رﺠﻼً ﻫـدﻓﺎً ﻫـو ‪ ، 1/3‬وأطﻠـق اﻝرﺠـل ‪ 12‬طﻠﻘـﺔ ‪ ،‬ﻓﻤـﺎ اﺤﺘﻤـﺎل‬
‫أن ﻴﺼﻴب اﻝﻬدف ﻋﻠﻰ اﻷﻗل ‪ 6‬ﻤرات ؟‬

‫إن اﻝﺠواب اﻝﻤﻀﺒوط ‪ ،‬ﺼﺤﻴﺢ ﻝﺜﻼﺜﺔ أرﻗﺎم ﻋﺸرﻴﺔ ‪ ،‬ﻴﻤﻜن اﻝﺤﺼول ﻋﻠﻴﻪ ﺒﺠﻤﻊ اﻝﻘﻴم اﻝواردة ﻓـﻲ‬
‫)‪ (5‬ﻤن ‪ x= 6‬إﻝﻰ ‪ ، x=12‬وﻫذا اﻝﻤﺠﻤوع ﻴﻌطﻴﻨﺎ اﻝﺠواب ‪.177‬‬

‫ـدرج اﻝﺘﻜـراري اﻝﻤرﺴــوم ﻓــﻲ اﻝﺸــﻜل )‪(30-7‬‬

‫وﻫــذا اﻝﺠـواب ﻴﻤﺜّــل ﻫﻨدﺴــﻴﺎً ﻤﺴــﺎﺤﺔ ذﻝــك اﻝﺠــزء ﻤــن اﻝﻤـ ّ‬
‫اﻝواﻗﻊ إﻝﻰ ﻴﻤﻴن ‪ ، x= 5.5‬وﻋﻠﻰ ذﻝك ﻓﻠﻜﻲ ﻨﺠد ﺘﻘرﻴﺒﺎً ﻝذﻝك اﻻﺤﺘﻤﺎل ﺒطـرق اﻝﻤﻨﺤﻨـﻲ اﻝطﺒﻴﻌـﻲ ‪،‬‬
‫ﻤــﺎ ﻋﻠﻴﻨــﺎ إﻻّ أن ﻨوﺠــد اﻝﻤﺴــﺎﺤﺔ ﺘﺤــت ذﻝــك اﻝﺠــزء ﻤــن اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝــذي وﻓﻘﻨــﺎﻩ واﻝواﻗــﻊ إﻝــﻰ‬
‫ﻴﻤﻴن ‪ ، x= 5.5‬وﺤﻴث أن اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ اﻝﻤوﻓق ﻝﻪ ‪ σ= 1.63‬و ‪ ، µ= 4‬ﻓﻴﻨﺘﺞ أن ‪:‬‬

‫‪x−µ‬‬ ‫‪5.5 − 4‬‬

‫=‪z‬‬ ‫=‬ ‫‪= 0.92‬‬
‫‪σ‬‬ ‫‪1.63‬‬

‫واﻵن ‪ ،‬ﻤــن ﺠــدول ‪ ، IX‬ﻨﺠــد أن اﻝﻤﺴــﺎﺤﺔ ﺒــﻴن ‪ z= 0.92‬و ‪ z= 0‬ﻫــﻲ ‪ . 321‬إذن‪ ،‬اﻝﻤﺴــﺎﺤﺔ‬
‫اﻝواﻗﻌﺔ إﻝﻰ ﻴﻤﻴن ‪ z= 0.92‬ﻫﻲ ‪ ، 179‬وﻴﻜون ﻫذا ﻫو اﻝﺘﻘرﻴب اﻝﻤطﻠوب ﻻﺤﺘﻤﺎل اﻝﺤﺼول ﻋﻠﻰ‬
‫اﻷﻗل ﻋﻠﻰ ﺴت إﺼﺎﺒﺎت ﻝﻠﻬدف ‪ .‬وﺤﻴث أن اﻝﺠواب اﻝﻤﻀﺒوط ﻗد ﺴﺒق أن ﺤﺴﺒﻨﺎﻩ ووﺠدﻨﺎﻩ ‪177‬‬
‫‪ ،‬ﻓﺈﻨﻨﺎ ﻨﺠد أن ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﻫﻨﺎ ﺘﻘرﻴب ﺠﻴد ﺒﺎﻝﺘﺄﻜﻴد ‪.‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻻﺨﺘﺒﺎر دﻗﺔ طرق اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﻝﻔﺘرات ﻗﺼﻴرة ﻝﻨﺤﺴب اﺤﺘﻤﺎل إﺼـﺎﺒﺔ اﻝرﺠـل ﻝﻠﻬـدف‬
‫‪ 6‬ﻤرات ﺒﺎﻝﻀﺒط ﻓﻲ ‪ 12‬طﻠﻘﺔ ‪.‬‬

‫إن اﻝﺠـواب اﻝﻤﺤﺴـوب ﻋـن طـرق )‪ (5‬ﺼـﺤﻴﺢ إﻝـﻰ ﺜﻼﺜـﺔ أرﻗـﺎم ﻋﺸـرﻴﺔ ﻫـو ‪ ، 111‬وﺤﻴـث أن ﻫــذا‬
‫اﻝﺠـ ـواب ﻴﺴ ــﺎوي ﻤﺴ ــﺎﺤﺔ اﻝﻤﺴ ــﺘطﻴل اﻝ ــذي ﺘﺠ ــري ﻗﺎﻋدﺘ ــﻪ ﻤ ــن ‪ 5.5‬إﻝ ــﻰ ‪ ، 6.5‬ﻓﻠﻜ ــﻲ ﻨﻘ ـ ّـرب ﻫ ــذا‬
‫اﻝﺠـواب ﻋﻠﻴﻨــﺎ ﺤﺴــﺎب اﻝﻤﺴــﺎﺤﺔ ﺘﺤــت اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤوﻓــق ﺒــﻴن ‪ x= 6.5‬و ‪ x= 5.5‬وﻋﻠﻴــﻪ‬
‫ﻓﺒﺤﺴﺎب ﻗﻴﻤﺘﻲ ‪ z‬وﺒﺎﺴﺘﺨدام ﺠدول ‪ IX‬ﻨﺠد أن ‪:‬‬

‫‪6.5 − 4‬‬
‫= ‪z2‬‬ ‫‪= 1.53‬‬ ‫‪, A2 = 4370‬‬
‫‪1.63‬‬
‫‪5.5 − 4‬‬
‫= ‪z1‬‬ ‫‪= 0.92‬‬ ‫‪, A1 = 3212‬‬
‫‪1.63‬‬

‫وﺒط ــرح ﻫ ــﺎﺘﻴن اﻝﻤﺴ ــﺎﺤﺘﻴن ‪ ،‬ﻨﺤﺼ ــل ﻋﻠ ــﻰ ‪ ، 116‬وﻫـ ـو ﺘﻘرﻴ ــب ﺠﻴ ــد أﻴﻀـ ـﺎً ﺒﺎﻝﻤﻘﺎرﻨ ــﺔ ﻤ ــﻊ اﻝﻘﻴﻤ ــﺔ‬
‫اﻝﻤﻀﺒوطﺔ ‪ ، 111‬ﻝﻼﺤﺘﻤﺎل ﻤن ﻫذﻴن اﻝﻤﺜﺎﻝﻴن ﻴﺘّﻀﺢ أن طرق اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﺘﻌطﻲ ﺘﻘرﻴﺒﺎت‬
‫ﺠﻴدة ﺤﺘﻰ ﻓﻲ ﺒﻌض اﻝﺤﺎﻻت ‪ ،‬ﻤﺜل ﺘﻠك اﻝﺘﻲ درﺴﻨﺎﻫﺎ ﻫﻨﺎ‪ ،‬اﻝﺘﻲ ﻻ ﺘﻜون ﻓﻴﻬﺎ ‪ n‬ﻜﺒﻴرة ﺠداً ‪.‬‬

‫ـدرج‬
‫ﻨﻐﻴــر ﻗﻴﻤــﺔ ‪ ، P= 1/3‬ﻝﻜــن ﺴــﻤﺤﻨﺎ ﻝﻠﻌــدد ‪ n‬ﺒﺎﻻزدﻴــﺎد‪ ،‬إن اﻝﻤـ ّ‬
‫واﻵن ﻨﻔﺘــرض أﻨﻨــﺎ ﻝــم ّ‬
‫ـﻴﺘﺤرك إﻝــﻰ اﻝﻴﻤــﻴن ﻤﻨﺘﺸـ اًر ‪ ،‬وﺴــﻴﻘ ّل‬
‫اﻝﺘﻜـراري اﻝﻨــﺎﺘﺞ ‪ ،‬ﻤﺜــل ذﻝــك اﻝﻤرﺴــوم ﻓــﻲ اﻝﺸــﻜل )‪ ، (30-7‬ﺴـ ّ‬
‫اﻝﻤدرج اﻝﺘﻜراري وﻤﻼﺤظﺔ ﻤﺎ إذا ﻜﺎن ﻤـن اﻝﻤﻤﻜـن ﺘوﻓﻴـق‬
‫ارﺘﻔﺎﻋﻪ ‪ .‬وﻤن اﻝﺼﻌب ﻓﺤص ﻤﺜل ﻫذا ّ‬
‫ـدرج اﻝﺘﻜـراري‬
‫ﺘﺠﻨــب ﻫــذﻩ اﻝﺘﻐﻴـرات ﻏﻴــر اﻝﻤرﻏــوب ﻓﻴﻬــﺎ ﻓــﻲ اﻝﻤـ ّ‬
‫ﻤــﻨﺤن طﺒﻴﻌــﻲ ﺒــﻪ ‪ .‬ﺒﻴــد أﻨــﻪ ﻴﻤﻜﻨﻨــﺎ ّ‬
‫ـدرج اﻝﺘﻜـ ـراري‬
‫اﻝﻤﺘﻐﻴــر اﻝﻤﻨ ــﺎظر ﺒﺎﻝوﺤــدات اﻝﻤﻌﻴﺎرﻴ ــﺔ ‪ ،‬ﻫ ــذا ﻴﻌﻨ ــﻲ رﺴ ــم اﻝﻤ ـ ّ‬
‫ّ‬ ‫وذﻝــك ﺒ ــﺄن ﻨﻨﺘﻘ ــل إﻝ ــﻰ‬
‫ﻝﻠﻤﺘﻐﻴر ‪:‬‬

‫‪x−µ‬‬
‫=‪z‬‬
‫‪σ‬‬

‫وذﻝك ﻤن )‪ ، (4‬وﻋﻨد اﺴﺘﺨدام )‪ ، (2‬ﻴﺄﺨذ اﻝﻤﺘﻐﻴر اﻝﻤﻌﻴﺎري ‪ z‬اﻝﺼورة ‪:‬‬

‫‪x − nP‬‬
‫)‪(6‬‬ ‫=‪z‬‬
‫‪nPq‬‬

‫ـدرج ﺘﻜـراري‬
‫اﻝﻤﺘﻐﻴر ‪ z‬ﻝﻪ ﺘوزﻴﻊ وﺴطﻪ اﻝﺼﻔر واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري اﻝوﺤدة ‪ ،‬ﻓـﺈن ﻤﺴـﻠك ﻤ ّ‬
‫ّ‬ ‫وﺤﻴث أن‬
‫‪ z‬ﺴــﻴﻜون ﻤﺴــﻠﻜﺎً ﻤرﻀــﻴﺎً دون ﻤــﺎ ﺘﺠــول ‪ ،‬ودون ﻤــﺎ ﺘﻨﺘﺸــر ‪ ،‬ﺒزﻴــﺎدة ‪ n‬ﻜﻤــﺎ ﻜﺎﻨــت اﻝﺤــﺎل ﺒﺎﻝﻨﺴــﺒﺔ‬
‫ﻝﻤدرج ﺘﻜراري ‪.‬‬
‫ّ‬

‫ﻝﻠﻤﺘﻐﻴــر ‪ z‬ﻋﻨــدﻤﺎ ﺘﻜــون ‪ P= 1/3‬ﻓــﻲ‬

‫ّ‬ ‫ـدرﺠﺎً ﺘﻜ اررﻴـﺎً‬
‫وﻴﺒ ّـﻴن اﻝﺸــﻜﻼن )‪ (31-7‬و )‪ (32-7‬ﻤـ ّ‬
‫اﻝﺤﺎﻝﺘﻴن ‪ n= 48‬و ‪ n= 24‬ﻋﻠﻰ اﻝﺘرﺘﻴب ‪ ،‬وﻤﻨﻬﻤﺎ ﻴﺘّﻀﺢ ﻜﻴف ﻴﻘﺘرب ﺘوزﻴﻊ ‪ z‬ﺒﺴرﻋﺔ ﻤن ﺘوزﻴـﻊ‬
‫ﻤﺘﻐﻴــر طﺒﻴﻌــﻲ ‪ ،‬وﺴــطﻪ اﻝﺼــﻔر واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري اﻝوﺤــدة ‪ .‬وﻴﻤﻜﻨﻨــﺎ ﺒطــرق ﻤﺘﻘدﻤــﺔ إﺜﺒــﺎت أﻨــﻪ إذا‬
‫ّ‬
‫اﺤﺘﻔظﻨـﺎ ﺒﻘﻴﻤـﺔ ‪ P‬ﺜﺎﺒﺘـﺔ وﺴـﻤﺤﻨﺎ ﻝﻠﻌـدد ‪ n‬ﺒﺎﻻزدﻴـﺎد ‪ ،‬ﻓـﺈن ﺘوزﻴـﻊ ‪ z‬ﺴـﻴﻘﺘرب أﻜﺜـر وأﻜﺜـر ﻤـن ﺘوزﻴــﻊ‬
‫ﻤﺘﻐﻴر طﺒﻴﻌﻲ ‪ ،‬وﺴطﻪ اﻝﺼﻔر واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري اﻝوﺤدة ‪ .‬ﻫذا ‪ ،‬وﻤن ﺠﻬﺔ ﻨظر ﻋﻤﻠﻴـﺔ‪ ،‬ﻗـد دﻝّﺘﻨـﺎ‬
‫ّ‬
‫اﻝﺘﺠرﺒـﺔ ‪ ،‬أن اﻝﺘﻘرﻴـب ﻴﻜـون طﻴﺒـﺎً ﻤﺘـﻰ ﻜـﺎن ‪ nP > 5‬ﻓـﻲ ﺤﺎﻝـﺔ ‪ P ≤1/2‬وﻤﺘـﻰ ﻜـﺎن ‪ nq > 5‬ﻓـﻲ‬
‫ﺤﺎﻝﺔ ‪. P > 1/2‬‬

‫اﻝﻤﺘﻐﻴــر‬
‫ّ‬ ‫ﻝﻤﺘﻐﻴــر ذي اﻝﺤــدﻴن ﺘوزﻴــﻊ ﻴﻘﺘــرب ﻤــن ﺘوزﻴــﻊ‬
‫ّ‬ ‫وﺤﻘﻴﻘــﺔ أن ﻴﻜــون ﻝﻠﺸــﻜل اﻝﻤﻌﻴــﺎري‬

‫ـدرج ﺘﻜـراري ﻤــن اﻝﻤﻤﻜــن ﺘوﻓﻴﻘــﻪ ﺘوﻓﻴﻘـﺎً‬

‫اﻝطﺒﻴﻌـﻲ اﻝﻤﻌﻴــﺎري‪ ،‬إﻨﻤــﺎ ﺘﻌﻨــﻲ أن اﻝﻤﺘﻐﻴــر ذي اﻝﺤــدﻴن ‪ x‬ﻤ ّ‬
‫ﺠﻴــداً ﻤــﻊ اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻨﺎﺴــب ﻋﻨــدﻤﺎ ﺘﻜــون ‪ n‬ﻜﺒﻴ ـرة ‪ ،‬واﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻨﺎﺴــب ﻫــو‬
‫ﺒﺎﻝطﺒﻊ ذﻝك اﻝﻤﻨﺤﻨﻲ اﻝذي ﺘﻌطﻲ اﻝﺼﻴﻐﺘﺎن )‪ (2‬وﺴطﻪ واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري ‪.‬‬
 ‫اﻝﺸﻜل )‪ : (31-7‬ﺘوزﻴﻊ ذي اﻝﺤدﻴن ﻝﻠﻤﺘﻐﻴر‬

‫‪ (x – nP) /‬ﻋﻨدﻤﺎ ‪P = 1/3 , n= 24‬‬ ‫‪nPq‬‬

‫اﻝﺸﻜل )‪ : (32-7‬ﺘوزﻴﻊ ي اﻝﺤدﻴن ﻝﻠﻤﺘﻐﻴر‬

‫‪ (x – nP) /‬ﻋﻨدﻤﺎ ‪P = 1/3 , n= 48‬‬ ‫‪nPq‬‬

‫وﻫﻨــﺎك ﺤــﺎﻻت ﻋدﻴــدة ﻴﻜــون ﻓﻴﻬــﺎ ﻤــن اﻝﻤﻨﺎﺴــب أﻜﺜــر اﻻﺸـﺘﻐﺎل ﺒﻨﺴــﺒﺔ ﻤـرات اﻝﻨﺠــﺎح ‪x/n‬‬
‫ﻓﻲ ‪ n‬ﻤن اﻝﻤﺤﺎوﻻت ‪ ،‬ﺒدﻻً ﻤن اﻝﻌﻤـل ﺒﺎﻝﻌـدد اﻝﻔﻌﻠـﻲ ‪ x‬ﻝﻤـرات اﻝﻨﺠـﺎح‪ ،‬ﻓﻘﺴـﻤﺔ اﻝﺒﺴـط واﻝﻤﻘـﺎم ﻓـﻲ‬
‫)‪ (6‬ﻋﻠﻰ ‪ n‬ﻴﺄﺨذ ‪ z‬اﻝﺼورة ‪:‬‬

‫‪Pˆ − P‬‬
‫=‪z‬‬
‫)‪(7‬‬ ‫‪Pq‬‬
‫‪n‬‬

‫ﺤﻴث رﻤزﻨﺎ ﺒـﺎﻝرﻤز ̂‪ P‬إﻝـﻰ ﻨﺴـﺒﺔ ﻤـرات اﻝﻨﺠـﺎح ‪ . x/n‬ﻻﺤـظ أن ﻗﻴﻤـﺔ ‪ z‬ﻝـم ﺘﺘﻐﻴـر‪ ،‬ﻝﻜـن‬
‫اﻝذي ﺘﻐﻴر ﻫو اﻝﺼورة اﻝﺘﻲ ﻜﺘﺒت ﺒﻬـﺎ ‪ . z‬وﺒﺎﻝﺘـﺎﻝﻲ ﻓـﻼ ﻴـزال ﻝﻠﻤﺘﻐﻴـر ‪ ، z‬ﻋﻨـدﻤﺎ ﺘﻜـون ‪ n‬ﻜﺒﻴـرة ‪،‬‬
‫ﺘوزﻴﻊ طﺒﻴﻌـﻲ ﺘﻘرﻴﺒـﻲ ‪ ،‬وﺴـطﻪ اﻝﺼـﻔر واﻨﺤ ارﻓـﻪ اﻝﻤﻌﻴـﺎري اﻝوﺤـدة ‪ .‬ﻫـذا ﻴﻌﻨـﻲ أﻨـﻪ ﻋﻨـدﻤﺎ ﺘﻜـون ‪n‬‬
‫ﻤدرج ﺘﻜـراري ﻴﻤﻜـن ﺘوﻓﻴﻘـﻪ ﺘوﻓﻴﻘـﺎً ﺠﻴـداً ﺒـﺎﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌـﻲ‬
‫ﻜﺒﻴرة ‪ ،‬ﻓﻴﻜون ﻝﻨﺴﺒﺔ ﻤرات اﻝﻨﺠﺎح ̂‪ّ P‬‬
‫اﻝﻤﻨﺎﺴــب ‪ ،‬أﻤــﺎ اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ اﻝﻤﻨﺎﺴــب ﻫﻨــﺎ ﻓﻬــو ذﻝــك اﻝﻤﻨﺤﻨــﻲ اﻝــذي ﻴﻌطــﻲ وﺴــطﻪ واﻨﺤ ارﻓــﻪ‬
‫اﻝﻤﻌﻴﺎري ﺒﺎﻝﺼﻴﻐﺘﻴن ‪:‬‬

‫‪µ Pˆ = P‬‬
‫)‪(8‬‬ ‫‪Pq‬‬
‫= ˆ‪σ P‬‬
‫‪n‬‬

‫ﻤﺜﺎل ‪:‬‬

‫ﻝﺘوﻀﻴﺢ اﺴﺘﺨدام ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ﻝﺘوزﻴﻊ ذي اﻝﺤدﻴن ﻓﻲ اﻝﺼﻴﻐﺔ )‪.(7‬‬

‫ﻝﻨــدرس اﻝﻤﺴــﺄﻝﺔ اﻝﺘﺎﻝﻴــﺔ ‪ ،‬ﻨﻔﺘــرض أن ﺴﻴﺎﺴــﻴﺎً ّادﻋــﻰ أن ﻤﺴــﺤﺎً ﻓــﻲ داﺌرﺘــﻪ ﻗــد ﺒـ ّـﻴن أن ‪ 60%‬ﻤــن‬
‫ﻤرﺸﺤﻴﻪ ﻴواﻓﻘون ﻋﻠﻰ ﺘﺄﻴﻴدﻩ ﻓﻲ ﺘﺸرﻴﻊ ﻤﻬم ‪ .‬ﻓﺈذا ﻓرﻀﻨﺎ وﻗﺘﻴﺎً أن ﻫذﻩ اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴـﺔ ﺼـﺤﻴﺤﺔ ‪،‬‬
‫ٕواذا أﺨذت ﻋﻴﻨﺔ ﻤـن داﺌرﺘـﻪ ﺘﺘﻜـون ﻤـن ‪ 400‬ﻨﺎﺨـب ‪ ،‬ﻓﻤـﺎ اﺤﺘﻤـﺎل أن ﺘﻨـﺘﺞ ﻫـذﻩ اﻝﻌﻴﻨـﺔ ﺘﺄﻴﻴـداً أﻗـل‬
‫ﻤن ‪. 50%‬‬

‫إذا ﻓرﻀﻨﺎ أن أﺨذ ﻋﻴﻨﺔ ﻤن ‪ 400‬ﻨﺎﺨب ﺘﺸﺒﻪ ﻤﻤﺎرﺴﺔ ﻝﻌﺒﺔ ﻤن أﻝﻌﺎب اﻝﺤـظ ‪ 400‬ﻤـرة ‪،‬‬
‫ﻴﻜون اﺤﺘﻤﺎل اﻝﻨﺠﺎح ﻓـﻲ ﻜـل ﻤـرة واﺤـدة ﻤﻨﻬـﺎ ‪ ، 6‬ﻓـﺈن ﻫـذﻩ اﻝﻤﺴـﺄﻝﺔ ﻤﻤﻜـن أن ﺘﻌـﺎﻝﺞ ﻜﻤﺴـﺄﻝﺔ ﻤـن‬
‫ﻤﺴﺎﺌل ﺘوزﻴﻊ ذي اﻝﺤدﻴن ﻓﻴﻪ ‪ n= 400‬و ‪ . P 6‬وﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺔ )‪ ، (7‬ﺘﻜون ‪:‬‬
 ‫‪5−6‬‬
‫=‪z‬‬ ‫‪= −4.08‬‬
‫)‪(6).(4‬‬
‫‪400‬‬

‫واﻵن ﺴﺘﻜون ﻨﺴﺒﺔ اﻝﻌﻴﻨﺔ ‪ x=n‬أﻗل ﻤن ‪ ، 5‬ﺒﺸرط أن ﺘﻜون ‪ x‬أﻗل ﻤن ‪ –4.08‬وﺒﺎﻝﺘﻤﺎﺜل ‪ ،‬ﻴﻜون‬
‫اﺤﺘﻤــﺎل أن ﺘﻜــون ‪ z< -4.08‬ﻤﺴــﺎوﻴﺎً ﻻﺤﺘﻤــﺎل أن ﺘﻜــون ‪ ،z> 4.08‬ﻫــذا اﻻﺤﺘﻤــﺎل ﻴﻌــد ﺼــﻐﻴ اًر‬
‫ﻝدرﺠﺔ أﻨﻪ ﻻ ﻴﺴﺘﺤق إدراﺠﻪ ﻓﻲ ﺠدول ‪ . IX‬وﻋﻠﻰ ذﻝك إذا ﺤدث أن أﻴـد اﻝﺴﻴﺎﺴـﻲ أﻗـل ﻤـن ‪50%‬‬
‫ﻤن اﻝﻌﻴﻨﺔ ‪ ،‬ﻝﻜﺎن ﻝﻨﺎ ﺒﺎﻝﺘﺄﻜﻴد أن ﻨرﻓض ّادﻋﺎءﻩ ﺒﺤﺼوﻝﻪ ﻋﻠﻰ ‪ 60%‬ﻤن اﻝﺘﺄﻴﻴد ‪.‬‬

‫ﻋﻴﻨـﺔ ﻤـن ‪ 400‬ﻨﺎﺨـب‬

‫ﺒﻴد أن ﻫﻨﺎك اﻋﺘراﻀﺎت ـ ﻗد ﺘﻘوم وﺒﺤق ـ ﺘﻌﺎرض ﻓﻲ اﻋﺘﺒﺎر أﺨذ ّ‬
‫ﻤﻜﺎﻓﺌﺎً ﻝﻤﻤﺎرﺴﺔ ﻝﻌﺒﺔ ﻤن أﻝﻌﺎب اﻝﺤظ ‪ 400‬ﻤرة ‪ .‬ﻜﻤﺎ أن ﻫﻨﺎك أﺴـﺌﻠﺔ ﺘﺘﻌﻠّـق ﺒﺎﺴـﺘﻘﻼل اﻝﻤﺤـﺎوﻻت‬
‫وﺜﺒوت اﻻﺤﺘﻤﺎل ﻴﺠب أن ﺘﺠﻴب ﻋﻨﻬﺎ ﻗﺒل أن ﻴﻜون اﻝﻤرء ﺴﻌﻴداً ﺴـﻌﺎدةً ﻜﺎﻤﻠـﺔ ﺒﻨﻤـوذج ﺘوزﻴـﻊ ذي‬
‫اﻝﺤدﻴن ﻝﻬذﻩ اﻝﻤﺴﺄﻝﺔ ‪.‬‬

‫ﻤﺜﺎل ‪:‬‬

‫وﻜﻤﺜ ــﺎل ﺜ ـ ٍ‬
‫ـﺎن ﻻﺴ ــﺘﺨداﻤﻪ اﻝﺼ ــﻴﻐﺔ )‪ ، (7‬ﻨﺤـ ــل اﻝﻤﺴ ــﺄﻝﺔ اﻝﺘﺎﻝﻴ ــﺔ ‪ ،‬دﻝّ ــت اﻝﺘﺠرﺒ ــﺔ اﻝﺴـ ــﺎﺒﻘﺔ‬
‫ﺒﺎﻤﺘﺤــﺎن اﻝﻠﻐــﺔ اﻹﻨﻜﻠﻴزﻴــﺔ ﻝﻠﻤﺴــﺘﺠدﻴن ﻓــﻲ اﻝﺠﺎﻤﻌــﺔ أن ‪ 50%‬ﻓﻘــط ﻤــن اﻝطﻠﺒــﺔ ﻴﻨﺠﺤــون ﻓﻴــﻪ ‪ ،‬ﻓــﺈذا‬
‫ـﺘﺠد ‪ ،‬ﻓﻤــﺎ اﺤﺘﻤـﺎل أن ﻴــﻨﺠﺢ ﻋﻠــﻰ اﻷﻗــل ‪55%‬‬
‫ﺤﻀـر اﻻﻤﺘﺤــﺎن ﻓﺼــل ﺠدﻴــد ﻤﻜ ّـون ﻤــن ‪ 200‬ﻤﺴـ ّ‬
‫ﻤﻨﻬم ‪.‬‬

‫‪55 − 50‬‬
‫=‪z‬‬ ‫‪= 1.41‬‬
‫)‪(5).(5‬‬
‫‪200‬‬

‫ﻝﻜـن ‪ x ≥ 55‬إذا ﻜﺎﻨـت ‪ z≥ 1.41‬وﺒـﺎﻝﻌﻜس‪ ،‬إذن ﻤـن ﺠـدول ‪ IX‬ﻴﻜـون اﺤﺘﻤـﺎل ‪x ≥ 55‬‬
‫ﻫو ‪.08‬‬

‫ﻤﺜﺎل ‪:‬‬
‫وﻜﻤﺜــﺎل أﺨﻴــر ‪ ،‬اﻋﺘﺒــر اﻝﻤﺴــﺄﻝﺔ اﻝﺘﺎﻝﻴــﺔ ـ اﻓــرض أن ‪ 5%‬ﻤــن اﻷﻓـراد اﻝــذي ﻴطﻌﻤــون ﻀـ ّـد‬
‫اﻷﻨﻔﻠــوﻨ از ﻴﻌــﺎﻨون ردود ﻓﻌــل ﻝﻬــذا اﻝﺘطﻌــﻴم ﻏﻴــر ﻤﺴــﺘﺤﺒﺔ وﺨطﻴ ـرة ‪ ،‬ﺒﺎﺴــﺘﺨدام اﻝﺘﻘرﻴــب اﻝطﺒﻴﻌــﻲ ‪،‬‬
‫اﺤﺴب اﺤﺘﻤﺎل أن ﻴﻌﺎﻨﻲ ﻤﺜل ردود ﻓﻌل ﻫذﻩ أﻜﺜر ﻤن ‪ 8%‬ﻤن أﻓراد ﻤطﻌﻤﻴن ﻋددﻫم ‪. 200‬‬

‫إذا طﺒﻘﻨﺎ اﻝﺼﻴﻐﺔ )‪ ، (7‬ﻓﺈﻨﻨﺎ أوﻻً ﻨﺤﺴب ‪:‬‬

‫‪08 − 05‬‬ ‫‪03‬‬ ‫‪03‬‬

‫=‪z‬‬ ‫=‬ ‫=‬ ‫‪= 1.95‬‬
‫)‪(05).(95‬‬ ‫‪00 02 37 0154‬‬
‫‪200‬‬

‫ﺜــم ﻨﺠــد ﻤــن ﺠــدول ‪ IX‬أن ‪ P{z>1.95}=0256‬وﻫــذا ﻫــو اﻻﺤﺘﻤــﺎل اﻝﻤطﻠــوب ﻷن ﻴﻌــﺎﻨﻲ‬
‫أﻜﺜر ﻤن ‪ 8%‬ردود ﻓﻌل ‪.‬‬

‫ﻫذا ‪ ،‬وﻻ ﻴﻨﺒﻐﻲ أن ﻨﻔﺘرض ﻤن اﻷﻤﺜﻠﺔ اﻝﺴﺎﺒﻘﺔ أﻨﻪ ﻤن اﻝﻤﻤﻜـن ﻤﻌﺎﻝﺠـﺔ ﻤﺴـﺎﺌل ﺘوزﻴـﻊ ذي اﻝﺤـدﻴن‬
‫ﺠﻤﻴﻌﻬﺎ ﻤﻌﺎﻝﺠـﺔً ﻤرﻀـﻴﺔ ﻋـن طرﻴـق اﻝﺘﻘرﻴـب اﻝطﺒﻴﻌـﻲ ‪ ،‬ﺤﺘـﻰ ﻝـو ﻜﺎﻨـت ‪ n‬ﻜﺒﻴـرة ﻨوﻋـﺎً ‪ ،‬ﻓﻤـﺜﻼً إذا‬
‫ـﻴﺒﻴﻨﺎن أن اﻝﺘوزﻴـﻊ‬
‫ﻜﺎﻨـت ‪ P= 1/20‬و ‪ ، n = 80‬ﻓـﺈن ﺤﺴـﺎب ﻗـﻴم }‪ P{x‬ورﺴـم ﻫـذﻩ اﻝﻘـﻴم ﺒﻴﺎﻨﻴـﺎً ﺴ ّ‬
‫ﻏﻴر ﻤﺘﻤﺎﺜل ﺒﺎﻝطرﻴﻘﺔ اﻝﺘﻲ ﺘﻜﻔﻲ ﻝﻠﺴﻤﺎح ﺒﺘوﻓﻴق ﺠﻴد ﺒواﺴطﺔ اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪ ،‬ذﻝك ﻷن اﻝوﺴط‬
‫اﻝﻤﺘﻐﻴر ‪ x‬ﻻ ﻴﻤﻜن أن ﻴﺄﺨذ ﻗﻴﻤﺎً ﺴﺎﻝﺒﺔ ‪ ،‬وﺒﺎﻝﺘﺎﻝﻲ ﻴﺘرّﻜز اﻝﻜﺜﻴر ﻤن اﻝﺘوزﻴﻊ ﻗرب اﻝﺼﻔر‬
‫ﻫﻨﺎ ‪ ، 4‬و ّ‬
‫ﻝﻠﺘﻤﺎﺜل ‪ ،‬وﻝﻘد ﻨﺸﺄت ﻤن ﺘﻠك اﻻﻋﺘﺒﺎرات اﻝﻘﺎﻋدة اﻝﺘﺠرﻴﺒﻴﺔ ﻝﻠﺘﻘرﻴب اﻝﺠﻴد ‪ ،‬وﻗد ذﻜرﻨﺎﻫـﺎ ﻓـﻲ اﻝﻔﻘـرة‬
‫اﻝﺘﻲ ﺘﻠﻲ اﻝﺼﻴﻐﺔ )‪. (6‬‬

‫‪ -21-7‬اﺴﺘﻨﺘﺎج ﺘوزﻴﻊ ذي اﻝﺤدﻴن ‪: Binomial Distribution Derivation‬‬

‫ـﺤﺔ اﻝﺼــﻴﻐﺔ )‪ ،(1‬اﻋﺘﺒــر ﺘﺠرﺒـﺔ ﻤــﺎ ﻤــن ‪ n‬ﻤــن اﻝﻤﺤــﺎوﻻت ‪ ،‬وﻤﺘﺘﺎﺒﻌــﺔ‬

‫ـﻨﺒﻴن ﻓﻴﻤــﺎ ﻴﻠــﻲ ﺼـ ّ‬
‫ﺴ ّ‬
‫ﻤﻌﻴﻨﺔ ﻤن اﻝﻨواﺘﺞ اﻝﺘﻲ ﺘﻨﺘﺞ ﺒﺎﻝﻀﺒط ﻋدداً ‪ x‬ﻤن ﻤـرات اﻝﻨﺠـﺎح ‪ ،‬وﻋـدداً ‪ x-n‬ﻤـن ﻤـرات اﻝﻔﺸـل ‪.‬‬
‫إن واﺤدة ﻤن ﻤﺜل ﺘﻠك اﻝﻤﺘﺘﺎﺒﻌﺎت ﻫﻲ اﻝﻤﺘﺘﺎﺒﻌﺔ اﻵﺘﻴﺔ ‪ ،‬وﻓﻴﻬﺎ وﻗﻌت ﻤرات اﻝﻨﺠـﺎح ﺠﻤﻴﻌﻬـﺎ أوﻻً ‪،‬‬
‫ﺜم ﺘﻠﺘﻬﺎ ﻤرات اﻝﻔﺸل ‪.‬‬

‫‪x‬‬ ‫‪n− x‬‬

‫‪6‬‬‫‪47‬‬ ‫‪4‬‬‫‪8 647‬‬ ‫‪48‬‬
‫‪SS .......S FF ........F‬‬
‫وﻓﻴﻤﺎ ﻴﻠﻲ ﻤﺘﺘﺎﺒﻌﺔ أﺨرى ﻓﻴﻬﺎ وﻗﻌت ﻤرة ﻓﺸل أوﻻً ﺘﻼﻫﺎ ‪ x‬ﻤن ﻤرات اﻝﻨﺠﺎح اﻝﻤﺘﺘﺎﻝﻴـﺔ ﺜـم ﺘﻠـﻲ ذﻝـك‬
‫ﻤرات اﻝﻔﺸل اﻝﺒﺎﻗﻴﺔ ‪:‬‬

‫‪x‬‬ ‫‪−x−1‬‬
‫‪647‬‬ ‫‪48 64n7‬‬ ‫‪48‬‬
‫‪FSS........S FF ..........F‬‬

‫وﺒﺴﺒب اﺴﺘﻘﻼل اﻝﻤﺤﺎوﻻت ﻴﻜون اﺤﺘﻤﺎل اﻝﺤﺼول ﻋﻠﻰ أوﻝﻰ ﻫﺎﺘﻴن اﻝﻤﺘﺘﺎﺒﻌﺘﻴن ﻫو‪:‬‬

‫‪x‬‬ ‫‪n− x‬‬

‫‪647‬‬ ‫‪4‬‬‫‪8 647‬‬ ‫‪48‬‬
‫‪P.P....... P . q.q..........q = P x .q n− x‬‬

‫واﺤﺘﻤﺎل اﻝﺤﺼول ﻋﻠﻰ اﻝﻤﺘﺘﺎﺒﻌﺔ اﻝﺜﺎﻨﻴﺔ ﻫو ‪:‬‬

‫‪x‬‬ ‫‪− x −1‬‬

‫‪647‬‬ ‫‪48 64n7‬‬ ‫‪4‬‬ ‫‪8‬‬
‫‪q.P.P........P . q.q.........q = P x .q n− x‬‬

‫وﻋﻠﻰ ﻫذا ‪ ،‬ﻴﻜـون اﺤﺘﻤـﺎل اﻝﺤﺼـول ﻋﻠـﻰ اﻝﻤﺘﺘﺎﺒﻌـﺔ اﻷوﻝـﻰ ﻫـو ﻨﻔﺴـﻪ اﺤﺘﻤـﺎل اﻝﺤﺼـول ﻋﻠـﻰ ﻜـل‬
‫ﻤﺘﺘﺎﺒﻌﺔ ﺘﺤﻘق ﺸرط ﺤدوث ‪ x‬ﻤن ﻤرات اﻝﻨﺠﺎح ‪ n-x ،‬ﻤن ﻤرات اﻝﻔﺸل ‪.‬‬

‫إن ﻋــدد اﻝط ــرق اﻝﺘ ــﻲ ﻴﻤﻜ ــن ﺒﻬ ــﺎ ﺤ ــدوث اﻝﺤ ــدث اﻝﻤرﻏ ــوب ﻓﻴ ــﻪ ﻴﺴ ــﺎوي ﻋ ــدد اﻝﻤﺘﺘﺎﺒﻌ ــﺎت‬
‫اﻝﻤﺨﺘﻠﻔﺔ اﻝﺘﻲ ﻴﻤﻜن ﻜﺘﺎﺒﺘﻬﺎ ﻤن اﻝﻨوع اﻝذي ﻗد ﺸرﺤﻨﺎﻩ ‪ ،‬أي اﻝﻤﺤﺘوﻴﺔ ﻋﻠﻰ ‪ x‬ﻤن ﺤروف ‪ S‬و ‪n-‬‬
‫‪ x‬ﻤــن ﺤــروف ‪ . F‬ﺒﻴــد أن ﻫــذا اﻝﻌــدد ﻴﺴــﺎوي ﻋــدد طــرق اﺨﺘﻴــﺎر ‪ x‬ﻤــن اﻝﻤواﻗــﻊ ﻤــن ﺒــﻴن ‪ n‬ﻤــن‬

‫اﻝﻤواﻗﻊ اﻝﺘﻲ ﻝدﻴﻨﺎ ﻝﻜﻲ ﻨﻀﻊ ﻓﻴﻬﺎ اﻝﺤرف ‪ . S‬أﻤﺎ اﻝﻤواﻗـﻊ اﻝﺒﺎﻗﻴـﺔ وﻋـددﻫﺎ ‪ n-x‬ﻓﺴﺘﺨﺼـص ﺘﻠﻘﺎﺌﻴـﺎً‬
‫ﻝﻠﺤــرف ‪ . F‬وﻤــن اﻝﻤﻤﻜــن ﺘ ـرﻗﻴم اﻝﻤواﻗــﻊ اﻝﺘــﻲ ﻋــددﻫﺎ ‪ n‬وﻤﻌﺎﻝﺠﺘﻬــﺎ ﻜﺒطﺎﻗــﺎت ﻤرﻗﻤــﺔ ﻋــددﻫﺎ ‪ n‬؛‬
‫ﻋﻨدﺌ ـ ٍـذ ﺘﻜ ــون اﻝﻤﺴ ــﺄﻝﺔ ﻤﺴ ــﺄﻝﺔ اﺨﺘﻴ ــﺎر ‪ x‬ﻤ ــن ﺘﻠ ــك اﻝﺒطﺎﻗ ــﺎت ‪ .‬وﺤﻴ ــث أن اﻷرﻗ ــﺎم اﻝﻤﻜﺘوﺒ ــﺔ ﻋﻠ ــﻰ‬
‫ﺘﻬﻤﻨﺎ ﻻ ﺘرﺘﻴب ﺴﺤﺒﻬﺎ ‪ ،‬ﺘﺼﺒﺢ اﻝﻤﺴﺄﻝﺔ ﻤﺴﺄﻝﺔ ﺘواﻓﻴق ‪ .‬وﻤـن اﻻﺴـﺘﻨﺘﺎج اﻝـوارد‬
‫اﻝﺒطﺎﻗﺎت ﻫﻲ اﻝﺘﻲ ّ‬
‫ﻓــﻲ اﻝﻔﻘ ـرة )أ( ‪ ،‬ﻴﻨــﺘﺞ أن ﻋــدد طــرق اﺨﺘﻴــﺎر ‪ x‬ﻤــن اﻝﺒطﺎﻗــﺎت ﻤــن ﺒــﻴن ‪ n‬ﻤــن اﻝﺒطﺎﻗــﺎت اﻝﻤﺘﻤــﺎﻴزة‬
‫ﺘﻌطﻴﻪ ﺼﻴﻐﺔ اﻝﺘواﻓﻴق )‪ (13‬ﻤن اﻝﻔﻘرة )أ(‪ ،‬أي ‪:‬‬

‫‪n‬‬ ‫!‪n‬‬
‫= ‪ ‬‬
‫!)‪ x  x!.(n − x‬‬
 ‫إذن ‪ :‬ﻫذا ﻫو ﻋدد اﻝﻤﺘﺘﺎﺒﻌﺎت اﻝﺘﻲ ﺘﻨﺘﺞ ﺒﺎﻝﻀﺒط ‪ x‬ﻤن ﻤرات اﻝﻨﺠﺎح ‪.‬‬

‫وﺤﻴث أن ﻜل ﻤﺘﺘﺎﺒﻌﺔ ﻤـن ﻫـذﻩ اﻝﻤﺘﺘﺎﺒﻌـﺎت ﺘﻤﺜّـل طرﻴﻘـﺔً ﻤـن اﻝطـرق اﻝﻤﺘﻨﺎﻓﻴـﺔ ﻤﺜﻨـﻰ ـ اﻝﺘـﻲ‬
‫ﻴﻤﻜن أن ﻴﻘـﻊ ﺒﻬـﺎ اﻝﺤـدث اﻝﻤرﻏـوب ﻓﻴـﻪ ‪ ،‬وﺤﻴـث أن ﻜـل ﻤﺘﺘﺎﺒﻌـﺔ ﻤـن ﻫـذﻩ اﻝﻤﺘﺘﺎﺒﻌـﺎت ﻝﻬـﺎ اﺤﺘﻤـﺎل‬
‫اﻝﺤدوث ﻨﻔﺴﻪ‪ ،‬وﻫو ‪ Px.qn-x‬ﻓﻴﻨﺘﺞ أن اﻻﺤﺘﻤﺎل اﻝﻤطﻠوب ﻴﻨﺘﺞ ﻤن ﺠﻤـﻊ ﻫـذا اﻻﺤﺘﻤـﺎل ﻋـدداً ﻤـن‬
‫‪ ،‬إذن ﻨﺤﺼـل‬ ‫‪n‬‬
‫‪ ‬‬ ‫اﻝﻤرات ﺒﻌدد اﻝﻤﺘﺘﺎﺒﻌﺎت اﻝﺘﻲ ﻝدﻴﻨﺎ ‪ ،‬ﻝﻜن ﻋدد ﻤﺜل ﺘﻠـك اﻝﻤﺘﺘﺎﺒﻌـﺎت ﻗـد وﺠـدﻨﺎﻩ‬
‫‪ x‬‬

‫‪ ،‬وﻫذا ﻴﺤﻘق اﻝﺼﻴﻐﺔ )‪. (1‬‬ ‫‪n‬‬

‫‪ ‬‬ ‫ﻋﻠﻰ }‪ P{x‬ﺒﻀرب ‪ Px.qn-x‬ﻓﻲ‬
‫‪ x‬‬

‫• أﻤﺜﻠﺔ ﺘوﻀﻴﺤﻴﺔ إﻀﺎﻓﻴﺔ ‪:‬‬

‫ﻤﺜﺎل )‪: (1‬‬

‫ﻨﻔﺘــرض أن ‪ 60%‬ﻤــن اﻝطﻠﺒــﺔ ﻓــﻲ ﺠﺎﻤﻌــﺔ ﻜﺒﻴ ـرة ﻴﻌﻤﻠــون ﻝــﺒﻌض اﻝوﻗــت ‪ ،‬ﻨﻔﺘــرض أن ‪x‬‬
‫ﺘرﻤز ﻝﻌدد ﻤﺜل ﻫؤﻻء اﻝطﻠﺒﺔ ﻓﻲ ﻋﻴﻨﺔ ﻤن ‪ 8‬طﻠﺒﺔ اﺨﺘﻴروا ﻜﻴﻔﻤﺎ اﺘّﻔق ﻤن ﻤﻠﻔﺎت اﻝﺘﺴﺠﻴل ‪.‬‬

‫ﻓﺒﻔـرض أن ﺤﺠــم اﻝﺠﺎﻤﻌــﺔ ﻜﺒﻴـر ﻜﺒــر ﻴﺴــﻤﺢ ﺒﻔـرض أن ﺘﻜــون ‪ P= 6‬ﺜﺎﺒﺘــﺔ ﻋﻨـدﻤﺎ ﺘؤﺨــذ ﻋﻴﻨــﺔ ﻤــن‬
‫ﺜﻤﺎﻨﻴﺔ طﻠﺒﺔ ﻓﻘط ‪.‬‬

‫)أ(‪ -‬أوﺠد ﺘﻌﺒﻴ اًر ﻝﻼﺤﺘﻤﺎل }‪ P{x‬ﻴﻌطﻲ ﺘوزﻴﻊ ‪) x‬ﺒﻨد ‪. (1‬‬

‫)ب(‪ -‬اﺴﺘﺨدم اﻝﻨﺎﺘﺞ ﻓﻲ )‪ (1‬ﻝﺤﺴﺎب }‪) P{x ≥6‬ﺒﻨد ‪. (2‬‬

‫)ج(‪ -‬اﺴﺘﻌﻤل اﻝﺼﻴﻐﺘﻴن )‪ (2‬ﻝﺤﺴﺎب وﺴط ‪ x‬واﻨﺤراﻓﻬﺎ اﻝﻤﻌﻴﺎري )ﺒﻨد ‪.(3‬‬

‫)د(‪ -‬اﺴﺘﺨدم اﻝﺘﻘرﻴب اﻝطﺒﻴﻌﻲ ﻝﺘﻘرﻴب اﻝﻘﻴﻤﺔ اﻝﺘﻲ ﺤﺼﻠت ﻋﻠﻴﻬـﺎ ﻓـﻲ )ب( )ﺒﻨـد ‪ (4‬وﻫﻨـك‬
‫اﻝﺤﻠول ‪:‬‬

‫)أ(‪ :‬ﻴﻤﻜﻨﻨـﺎ ﻤﻌﺎﻤﻠـﺔ اﻝﻌﻴﻨـﺔ اﻝﻤﻜوﻨـﺔ ﻤـن ‪ 8‬طﻠﺒـﺔ ﻜﻤﺤـﺎوﻻت ﻤﺴـﺘﻘﻠﺔ ﻝﺘﺠرﺒـﺔ ﻤـﺎ ﻓﻴﻬـﺎ ‪ ، P= 6‬وﻋﻠﻴـﻪ‬
‫ﺘﻜون ‪ x‬ﻤﺘﻐﻴ اًر ﻤن ﻤﺘﻐﻴرات ذي اﻝﺤدﻴن ﻴﻌطﻲ ﺘوزﻴﻌﻪ ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬
 ‫!‪8‬‬
‫= }‪P{x‬‬ ‫‪.(.6) x (.4) 8− x‬‬
‫!)‪x! (8 − x‬‬
‫}‪(b) P{x ≥ 6} = P{6} + P{7} + P{8‬‬

‫)ب(‪:‬‬

‫!‪8‬‬ ‫!‪8‬‬ ‫!‪8‬‬

‫=‬ ‫‪.(.6) 6 (.4) 2 +‬‬ ‫‪(.6) 7 (.4)1 +‬‬ ‫‪(.6) 8 .(.4) 0‬‬
‫!‪6!2‬‬ ‫!‪7!1‬‬ ‫!‪8!0‬‬
‫] )‪= (.6) [28(.4) + 8(.6).(.4) + (.6‬‬
‫‪6‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪= 315‬‬

‫)‪(c‬‬ ‫‪µ = 8(6) = 4.8 , σ = 8(.6).(.4) = 1.39‬‬ ‫)ج(‬

‫‪5.5 − 4.8‬‬
‫)‪(d‬‬ ‫=‪x‬‬ ‫‪= .50 , P{x > .50} = .31‬‬ ‫)د(‬
‫‪1.39‬‬

‫ﻤﺜﺎل )‪: (2‬‬

‫ﻴﻤﻜن أن ﻴﺴﻊ أﺤد اﻝﻤطﺎﻋم ‪ 50‬ﻋﻤﻴﻼً ‪ .‬وﻗد دﻝّت اﻝﺘﺠرﺒﺔ ﻋﻠﻰ أن ‪ 10%‬ﻤﻤن ﻴﺤﺠزون‬
‫ﻤواﺌــدﻫم ﻻ ﻴــﺄﺘون ‪ ،‬ﻨﻔﺘــرض أن اﻝﻤطﻌــم ﻗﺒــل ‪ 55‬ﺤﺠ ـ اًز ‪ ،‬ﻨﻔﺘــرض أن ‪ x‬ﺘرﻤــز إﻝــﻰ ﻋــدد اﻝﻌﻤــﻼء‬
‫اﻝذﻴن ﺴﻴﺄﺘون ‪.‬‬

‫ﺒﺎﻝﻤﺘﻐﻴر ‪) x‬ﺒﻨد ‪ (1‬ز‬

‫ّ‬ ‫)أ(‪ -‬أوﺠد ﺘﻌﺒﻴ اًر ﻝﻠﺘوزﻴﻊ }‪ P{x‬اﻝﺨﺎص‬

‫)ب(‪ -‬اﺤﺴب وﺴط ‪ x‬واﻨﺤراﻓﻬﺎ اﻝﻤﻌﻴﺎري ﻋن طرﻴق اﻝﺼﻴﻐﺘﻴن )‪) (2‬ﺒﻨد ‪.(2‬‬

‫)ج(‪ -‬اﺴــﺘﺨدام اﻝﺘﻘرﻴــب اﻝطﺒﻴﻌــﻲ ﻝﺤﺴــﺎب اﺤﺘﻤــﺎل اﺴــﺘطﺎﻋﺔ اﻝﻤطﻌــم أن ﻴﺴــﻊ ﺠﻤﻴــﻊ اﻝﻌﻤــﻼء‬
‫اﻝذﻴن ﻴﺄﺘون ‪) .‬ﺒﻨد ‪. (4‬‬

‫)أ(‪ :‬ﻴﻤﻜن ﻤﻌﺎﻤﻠﺔ ‪ 55‬ﺤﺠ اًز ﻜﺨﻤﺴﺔ وﺨﻤﺴﻴن ﻤﺤﺎوﻝﺔ ﻤﺴﺘﻘﻠﺔ ﻝﺘﺠرﺒﺔ ﻤﺎ ﻓﻴﻬـﺎ ‪ ، P= 9/10‬إذن ‪x‬‬
‫ﻤﺘﻐﻴر ﻤن ﻤﺘﻐﻴرات ذي اﻝﺤدﻴن ﻴﻌطﻲ ﺘوزﻴﻌﻪ ﺒﻤﺎ ﻴﺄﺘﻲ ‪:‬‬

‫!‪55‬‬
‫= }‪P{x‬‬ ‫‪(.9) x .(.1) 55− x‬‬
‫!)‪x! (55 − x‬‬

‫)ب(‪:‬‬
 ‫‪µ = 55(.9) = 49.5 , σ = 55(.9).(.1) = 2.2‬‬

‫)ج(‪ :‬ﻴﻤﻜن أن ﻴﺠد ﻜل اﻝﻌﻤﻼء أﻤﺎﻜن ﻝﻬم إذا ﺤﻀـر ﻋﻠـﻰ اﻷﻜﺜـر ‪ 55‬ﻤـﻨﻬم ‪ ،‬إذن ﻓﺎﻝﻤﺴـﺄﻝﺔ ﻫـﻲ‬
‫أن ﺘﺤﺴــب }‪ ، P{x ≤ 50‬وﻫــذا اﻻﺤﺘﻤــﺎل ﻴﻤﻜــن أن ﻨﺤﺼــل ﻋﻠﻴــﻪ ﺒﺈﻴﺠــﺎد اﻝﻤﺴــﺎﺤﺔ اﻝواﻗﻌــﺔ ﺘﺤــت‬
‫ﻝﻠﻤﺘﻐﻴر ﻫﻲ ‪:‬‬
‫ّ‬ ‫ﻤدرج ﺘﻜراري }‪ P{x‬إﻝﻰ ﻴﺴﺎر ‪ ، 50.5‬إن اﻝﻘﻴﻤﺔ اﻝﻤﻨﺎظرة‬
‫ّ‬

‫‪50.5 − 49.5‬‬
‫=‪z‬‬ ‫‪= .45‬‬
‫‪2.2‬‬

‫‪P{x ≤50} = P{z ≤ .45} = 6.7‬‬ ‫إذن ‪:‬‬

‫ﻤﺜﺎل )‪: (3‬‬

‫ﻨﻔﺘــرض أن ‪ x‬ﺘﻤﺜّــل اﻝــوزن ﺒﺎﻝرطــل ﻝﺴــﻤﻜﺔ ﻤــن ﻨــوع اﻝﺴــﺎﻝﻤون اﻝﻜﺒﻴــر اﻝﺘــﻲ ﺘﺼــطﺎد ﻋﻨــد‬
‫ﻤﺼب ﻨﻬر ﻤﻌﻴن ‪ ،‬وﻨﻔﺘرض أن ﻝﻠﻤﺘﻐﻴر ‪ x‬ﺘوزﻴﻌﺎً طﺒﻴﻌﻴﺎً وﺴطﻪ ‪ 30‬واﻨﺤراﻓﻪ اﻝﻤﻌﻴﺎري ‪. 6‬‬

‫اﺤﺴب اﺤﺘﻤﺎل أﻨﻪ ـ إذا اﺼطﺎد ﺴﻤﻜﺔ ﺴﺎﻝﻤون ـ ﻓﺈن وزﻨﻬﺎ ‪:‬‬

‫)أ(‪ -‬ﺴﻴﻜون ﻋﻠﻰ اﻷﻗل ‪ 41‬رطﻼً )ﺒﻨد ‪. (3‬‬

‫)ب(‪ -‬ﺴﻴﻜون ﺒﻴن ‪ 20 , 40‬رطﻼً ﺒﻤﺎ ﻓﻲ ذﻝك ‪ 20 , 40‬رطﻼً )ﺒﻨد ‪.(3‬‬

‫‪41 − 30‬‬
‫=‪z‬‬ ‫‪= 1.83 , P{x ≥ 41} = P{z ≥ 1.83} = .03‬‬ ‫)أ(‪:‬‬
‫‪6‬‬

‫‪20 − 30‬‬ ‫‪40 − 30‬‬

‫= ‪z1‬‬ ‫= ‪= −1.67 , z 2‬‬ ‫‪= 1.67‬‬ ‫)ب(‪:‬‬
‫‪6‬‬ ‫‪6‬‬

‫‪P{20 ≤ x ≤40} = P{-1.67 ≤ z ≤ 1.67} = 2P {0 ≤ z ≤ 1.67} = .90‬‬

‫ﻤﺜﺎل )‪: (4‬‬

‫ﻀﺒطت آﻝﺔ ﻤﺼﻤﻤﺔ ﻝﺜﻘب اﻝﺼـﻔﺎﺌﺢ اﻝﺤدﻴدﻴـﺔ ﻜـﻲ ﺘﺜﻘـب ﺜﻘوﺒـﺎً ﻗطرﻫـﺎ ‪ 1.02‬ﺒوﺼـﺔ ﺤﺘـﻰ‬
‫ﻨﻀﻤن ﺒذﻝك أﻻّ ﻴﻘل اﻝﺜﻘب ﻋن ‪ 1‬ﺒوﺼﺔ ‪.‬‬
‫)أ(‪ -‬ﻓﺈذا ﻜﺎن اﻻﻨﺤراف اﻝﻤﻌﻴﺎري ﻝﻘطر اﻝﺜﻘوب اﻝﺘﻲ ﺜﻘﺒﺘﻬﺎ ﻫذﻩ اﻵﻝﺔ ﻫو ‪ .01‬ﺒوﺼﺔ ﻓﻤﺎ‬
‫اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ﻝﻠﺜﻘوب اﻝﺘﻲ ﺘﻘل ﻋن ‪ 1‬ﺒوﺼﺔ ؟ )ﺒﻨد ‪. (3‬‬

‫)ب(‪ -‬إذا ﻜﺎﻨـ ــت اﻝﺼـ ــﻔﺎﺌﺢ اﻝﺘـ ــﻲ ﻴزﻴـ ــد ﻗطـ ــر ﺜﻘوﺒﻬـ ــﺎ ﻋـ ــن ‪ 1.05‬ﺒوﺼـ ــﺔ ﻏﻴـ ــر ﺼـ ــﺎﻝﺤﺔ‬
‫ﻝﻼﺴــﺘﻌﻤﺎل ‪ ،‬ﻓﻤــﺎ اﻝﻨﺴــﺒﺔ اﻝﻤﺌوﻴــﺔ ﻝﻠﺼــﻔﺎﺌﺢ اﻝﺘــﻲ ﺘﺤﺘــوي ﺜﻘﺒــﻴن واﻝﺘــﻲ ﺴــﺘرﻓض أو ﺘﺴــﺘﺒﻌد ﻷن أﺤــد‬
‫اﻝﺜﻘﺒﻴن ﻋﻠﻰ اﻷﻗل أﺼﻐر ﻤﻤﺎ ﻴﻨﺒﻐﻲ أو أﻜﺒر ﻤﻤﺎ ﻴﻨﺒﻐﻲ ؟ )ﺒﻨد ‪. (3‬‬

‫)أ(‪ :‬ﻨﻔﺘرض أن اﻷﻗطﺎر ﻝﻬﺎ ﺘوزﻴﻊ طﺒﻴﻌﻲ ‪ ،‬ﺘﺼﺒﺢ اﻝﻤﺴﺄﻝﺔ ﻤﺴﺄﻝﺔ ﺤﺴﺎب }‪ P{x < 1.00‬ﺤﻴث ‪x‬‬
‫اﻝﻤﺘﻐﻴر اﻝطﺒﻴﻌﻲ ‪ ،‬ﻫﻨﺎ ‪:‬‬
‫ّ‬ ‫ﻫو ﻫذا‬

‫‪1.00 − 1.02‬‬
‫=‪z‬‬ ‫‪= −2.00‬‬
‫‪.01‬‬

‫‪P{x < 1.00} = P{x < -2.00} = .023‬‬ ‫إذن ‪:‬‬

‫‪1.05 − 1.02‬‬
‫)‪(b‬‬ ‫=‪z‬‬ ‫‪= 3.00‬‬ ‫)ب(‪:‬‬
‫‪.01‬‬

‫‪P{x > 1.05} = P{z > 3.00} = .001‬‬

‫وﻋﻠﻴــﻪ ‪ ،‬ﻓــﺈن اﺤﺘﻤــﺎل أن ﻴﻜــون ﺜﻘــب ﻤــﺎ ﻏﻴــر ﻤرﻀــﻲ ﻫــو ‪ ، .024‬أﻤــﺎ اﺤﺘﻤــﺎل أن ﻴﻜــون اﻝﺜﻘﺒــﺎن‬
‫ﻜﻼﻫﻤﺎ ﻤرﻀﻴﺎً ﻓﻬو ‪ ، (.976) . (.976) = .95‬إذن ﺴﺘﺴﺘﺒﻌد ‪ 5%‬ﻤن اﻝﺼﻔﺎﺌﺢ ‪.‬‬

‫• ﺘﻤرﻴﻨﺎت ‪:‬‬
‫‪ -1‬ﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺔ )‪ (1‬ﺤﻘق اﻝﻘﻴم اﻝﺘﻲ أﻋطﻴﻨﺎﻫﺎ ﻓﻲ ﺠدول ‪ 3‬ﻤن ﻫذا اﻝﻜﺘﺎب ‪.‬‬

‫‪ -2‬اﺴــﺘﺨدم طرﻴﻘــﺔ ﺤﺼــر اﻝﻨ ـواﺘﺞ اﻝﻤﻤﻜﻨــﺔ ﻤــﻊ اﺤﺘﻤﺎﻻﺘﻬــﺎ اﻝﻤﻨــﺎظرة ﻻﺸــﺘﻘﺎق ﺘوزﻴــﻊ ﻝــذي ﺤــدﻴن‬
‫اﻝﺨ ــﺎص ﺒﻌ ــدد اﻝ ــرؤوس اﻝﺘ ــﻲ ﺘﺤﺼ ــل ﻋﻠﻴﻬ ــﺎ ﻋﻨ ــد رﻤ ــﻲ ﻗطﻌ ــﺔ ﻨﻘ ــود ‪ 4‬ﻤـ ـرات‪ .‬ارﺠ ــﻊ ﻨﺘﺎﺌﺠ ــك‬
‫ﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺔ )‪.(1‬‬

‫‪ -3‬ﺤ ّل اﻝﻤﺴﺄﻝﺔ ‪ 2‬ﺒﺎﻝﻨﺴﺒﺔ ﻝﻌدد اﻵﺴﺎت اﻝﺘﻲ ﺘﺤﺼل ﻋﻠﻴﻬﺎ ﻋﻨد دﺤرﺠﺔ زﻫرة طﺎوﻝﺔ ‪ 4‬ﻤرات ‪.‬‬
‫‪ -4‬رﻤﻴــت ﻗطﻌــﺔ ﻨﻘــود ‪ 5‬ﻤـرات ‪ ،‬اﺴــﺘﺨدم اﻝﺼــﻴﻐﺔ )‪ (1‬ﻝﺘﺤﺼــل ﻋﻠــﻰ ﻗــﻴم }‪ ، P{x‬ﺤﻴــث ‪ x‬ﺘرﻤــز‬
‫إﻝﻰ ﻋدد اﻝرؤوس ‪ ،‬ﺜم ارﺴم }‪ P{x‬ﺒﻴﺎﻨﻴﺎً ﻜﺨطوط ‪.‬‬

‫‪ -5‬إذا ﻜــﺎن اﺤﺘﻤــﺎل أن ﺘﻔــوز ﺒﻴــد ﻝﻠﺒرﻴــدج ¼ ‪ ،‬وﻝﻌﺒــت ‪ 5‬أﻴـ ٍ‬

‫ـﺎد ‪ ،‬اﺤﺴــب ﻗــﻴم }‪ P{x‬ﺤﻴــث ‪ x‬ﺘرﻤــز‬
‫ﻝﻌدد ﻤرات اﻝﻔوز ‪ ،‬وذﻝك ﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺔ )‪. (1‬‬

‫‪ -6‬إذا ﻜـﺎن ‪ 20%‬ﻤـن اﻝﻤﻨﺼـﻬرات ﻤﻌﻴﺒـﺔ ‪ ،‬واﺸــﺘرﻴﻨﺎ ﺼـﻨدوﻗﺎً ﺒـﻪ ‪ 8‬ﻤﻨﺼـﻬرات ‪ ،‬ﻓﻤـﺎ اﺤﺘﻤــﺎل أن‬
‫ﺘﻜون ﻋﻠﻰ اﻷﻗل ‪ 6‬ﻤن ﺘﻠك اﻝﻤﻨﺼﻬرات ﺼﺎﻝﺤﺔ ؟‬

‫‪ -7‬ﻨﻔﺘرض أن ﻨوﻋﻴن ﻤن اﻷﺴﺒرﻴن ‪ B , A‬ﻝﻬﻤﺎ اﻝﻜﻔﺎﻴـﺔ ﻨﻔﺴـﻬﺎ ﻓـﻲ ﺘﺨﻔﻴـف اﻵﻻم ‪ ،‬إذا ﺠ ّـرب ‪10‬‬
‫أﺸــﺨﺎص ﻨــوﻋﻲ اﻷﺴــﺒرﻴن ﻝﺘﺨﻔﻴــف آﻻﻤﻬــم ‪ ،‬ﻓﻤــﺎ ﻫــو اﺤﺘﻤــﺎل أن ﻴﺨﺘــﺎر ‪ 8‬ﻤــﻨﻬم ﻋﻠــﻰ اﻷﻗــل‬
‫اﻝﻨوع ‪. A‬‬

‫‪ -8‬وﻀ ــﻊ ‪ 12‬زوﺠـ ـﺎً ﻤ ــن ﺤﻴواﻨ ــﺎت اﻝﺘﺠ ــﺎرب ﻋﻠ ــﻰ ﻨظ ــﺎﻤﻴن ﻤﺨﺘﻠﻔ ــﻴن ﻤ ــن أﻨظﻤ ــﺔ اﻝﺘﻐذﻴ ــﺔ وﻜ ــﺎن‬
‫ﺘﺨﺼـﻴص ﻨظـﺎم اﻝﺘﻐذﻴـﺔ ﻝﻜـل زوج ﻋﺸـواﺌﻴﺎً ‪ .‬وﺒﻌـد إﺘﻤـﺎم إﺠـراء اﻝﺘﺠرﺒـﺔ ‪ ،‬وﺠـد ﻓـرق ﺒـﻴن زﻴــﺎدة‬
‫وزن اﻝﺤﻴ ـوان اﻝــذي اﺘﺒــﻊ اﻝﻨظــﺎم ‪ A‬وزﻴــﺎدة وزن اﻝﺤﻴ ـوان اﻝــذي اﺘّﺒــﻊ اﻝﻨظــﺎم ‪ ، B‬ﻓــﺈذا ﻜــﺎن ﻫــذا‬
‫اﻝﻔرق ﻤوﺠﺒﺎً ‪ ،‬ﺴﻤﻴﻨﺎ اﻝﻨﺘﻴﺠﺔ ﻨﺠﺎﺤﺎً ﻓﻤﺎ اﺤﺘﻤﺎل أن ﻴﻘﻊ ﻋﻠﻰ اﻷﻗل ‪ 9‬ﻤرات ﻤـن ﻤـرات اﻝﻨﺠـﺎح‬
‫إذا ﻝم ﻴﻜن ﻫﻨﺎك ﻓرق ﺤﻘﻴﻘﻲ ﻓﻲ زﻴﺎدة اﻝوزن ﺒﺎﻝﻨﺴﺒﺔ ﻝﻨظﺎﻤﻲ اﻝﺘﻐذﻴﺔ ؟‬

‫‪ -9‬ﻓﻲ ﻤﺴﺄﻝﺔ ‪ ، 6‬ﻤﺎ ﻋدد اﻝﻤﻨﺼﻬرات اﻝﺘﻲ ﺘﺤﺘﺎج إﻝﻰ ﺸراﺌﻬﺎ ﺤﺘﻰ ﻴﻜون اﺤﺘﻤﺎل ﺤﺼوﻝك ﻋﻠﻰ‬
‫اﻷﻗل ﻋﻠﻰ ‪ 6‬ﻤﻨﺼﻬرات ﺴﻠﻴﻤﺔ ﻋﻠﻰ اﻷﻗل ‪ 9‬؟‬

‫‪ -10‬ﻫــل ﺘﺘوﻗّــﻊ أن ﻴﻜــون ﺘوزﻴــﻊ ذي اﻝﺤــدﻴن ﻗــﺎﺒﻼً ﻝﻠﺘطﺒﻴــق ﻋﻨــد ﺤﺴــﺎب اﺤﺘﻤــﺎل أن ﺘــزداد ﺴــوق‬
‫اﻷوراق اﻝﻤﺎﻝﻴﺔ ﻋﻠﻰ اﻷﻗل ‪ 20‬ﻴوﻤـﺎً ﺨـﻼل اﻝﺸـﻬر اﻝﻘـﺎدم إذا ﻜﺎﻨـت ﻝـدﻴك ﺴـﺠﻼّت ﻋـن اﻷﻋـوام‬
‫اﻝﺨﻤﺴﺔ اﻷﺨﻴرة ﻝﻠﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ اﻝﺘﻲ زادت ﻓﻴﻬﺎ ؟ اﺸرح ‪.‬‬

‫‪ -11‬اﺸرح ﻝﻤﺎذا ﻝن ﻴﻜون ﺼﺤﻴﺤﺎً ﺘﻤﺎﻤﺎً ﺘطﺒﻴق ﺘوزﻴﻊ ذي اﻝﺤدﻴن ﻋﻨد ﺤﺴﺎب اﺤﺘﻤﺎل أن ﺘﻤطر‬
‫ﻋﻠﻰ اﻷﻗل ‪ 10‬أﻴﺎم ﻓﻲ ﺘﺸرﻴن اﻷول إذا ﻋﺎﻤﻠﻨﺎ ﻜل ﻴوم ﻤن أﻴﺎم ﺘﺸـرﻴن اﻷول ﻜﻤﺤﺎوﻝـﺔ ﺤـدث‬
‫وﻜﺎن ﻝدى اﻝﻤرء ﺴﺠل ﻝﻠﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ﻝﻸﻴﺎم اﻝﻤطﻴرة ﻓﻲ ﺸﻬر ﺘﺸرﻴن اﻷول ‪.‬‬
‫‪ -12‬ﻝﻤﺘﻐﻴـر ذي اﻝﺤـدﻴن اﻝــذي ﻝـﻪ ¼ =‪ P‬و ‪ n= 8‬اﺤﺴـب اﻝوﺴـط واﻻﻨﺤـراف اﻝﻤﻌﻴـﺎري ‪ ،‬وﺤﻘــق‬
‫ﻨﺘﺎﺌﺠك ﺒﺎﺴﺘﺨدام اﻝﺼﻴﻐﺘﻴن )‪. (2‬‬

‫‪ -13‬اﺤﺴــب اﻝﻤﺴــﺄﻝﺔ ‪ 5‬وﺴــط اﻝﻤﺘﻐﻴــر ‪ x‬واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري وﺤﻘــق ﻨﺘﺎﺌﺠــك ﺒﺎﺴــﺘﺨدام اﻝﺼــﻴﻐﺘﻴن‬
‫)‪. (2‬‬

‫‪ -14‬اﺴـﺘﻨﺘﺞ اﻝﺼـﻴﻐﺔ ‪ µ= nP‬ﻝﺘوزﻴـﻊ ذي اﻝﺤـدﻴن اﻝﻌـﺎم }‪ P{x‬اﻝـذي ﺘﻌطﻴـﻪ )‪ (1‬ﺒـﺄن ﺘﻜﺘـب ﺤـدود‬
‫ﺤﻴـث )‪Q(x‬‬ ‫ﺜم ﺘﺨرج اﻝﻌﺎﻤل اﻝﻤﺸـﺘرك ‪ ، nP‬وﺒﻌـد ذﻝـك ﻨﺤﺴـب )‪Q( x‬‬
‫‪n−1‬‬
‫∑‬ ‫∑‬
‫‪n‬‬
‫‪x =0‬‬ ‫‪x‬‬
‫}‪= 0 xP{x‬‬

‫ﻫــﻲ ﻨﻔــس }‪ P{x‬ﻝﻌــدد ﻤــن اﻝﻤﺤــﺎوﻻت ﺘﺴــﺎوي اﻝـ ـ ‪ ، n-1‬وأﺨﻴ ـ اًر ﺘﺘﺤﻘــق ﻤــن أن ﻫــذا اﻝﻤﺠﻤــوع‬
‫اﻷﺨﻴر ‪ ،‬اﻝذي ﻗﻴﻤﺘﻪ اﻝوﺤدة ‪ ،‬ﻫو اﻝﻌﺎﻤل اﻵﺨر ﻓﻲ }‪ . ΣxP{x‬إن اﻝﺼﻴﻐﺔ ﺘﺒدو واﻀﺤﺔ ﻝﻜن‬
‫اﺴﺘﺨﻼﺼﻬﺎ ﺠﺒرﻴﺎً ﻝﻴس واﻀﺤﺎً ‪.‬‬

‫‪ -15‬ارﺠــﻊ إﻝــﻰ أﺤــد اﻝﻤ ارﺠــﻊ اﻝﻤﺘﻘدﻤــﺔ ﻓــﻲ اﻹﺤﺼــﺎء ﻝﻤﺸــﺎﻫدة اﻝطرﻴﻘــﺔ اﻝﺠﺒرﻴــﺔ اﻝﻤﺴــﺘﺨدﻤﺔ ﻓــﻲ‬
‫اﺸﺘﻘﺎق اﻝﺼﻴﻐﺔ ‪. σ = nPq‬‬

‫‪ -16‬ﻨﻔﺘرض أن ﻤﺎ ﺤﺼـﻠت ﻋﻠﻴـﻪ ﻓـﻲ اﻤﺘﺤـﺎن ﻤـﺎ ﺒﺎﻝوﺤـدات اﻝﻤﻌﻴﺎرﻴـﺔ )‪ (z‬ﻫـو ‪ . 8‬وأﻨﻨـﺎ ﻨﻔﺘـرض‬
‫ﺘوزﻴﻊ اﻝﺘﻘدﻴرات ﺘوزﻴﻌﺎً طﺒﻴﻌﻴﺎً‪ ،‬ﻤﺎ اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ﻝﻠطﻠﺒﺔ اﻝذﻴن ﺘﺘوﻗﻊ أن ﻴﺤﺼﻠوا ﻋﻠـﻰ درﺠـﺎت‬
‫أﻋﻠﻰ ﻤن درﺠﺎﺘك؟‬

‫ﻤدرس أﻝﻌﺎب اﻝرﻴﺎﻀﺔ ﻓـﻲ ﻤدرﺴـﺔ ﺜﺎﻨوﻴـﺔ أن ﺘﻘدﻴ ارﺘـﻪ ﻝﻸﺤـداث اﻝرﻴﺎﻀـﻴﺔ اﻝﻔردﻴـﺔ ﺘﺘﺒـﻊ‬
‫‪ -17‬أﻋﻠن ّ‬
‫اﻹﻨﺠــﺎزات اﻝﻨﺴــﺒﻴﺔ ﻝﺠﻤﻴــﻊ ﻓﺼــوﻝﻪ ‪ ،‬ﻓــﺈذا ﻜــﺎن ﻴﻌطــﻲ ﺘﻘــدﻴر ‪ A‬ﻝﻌﺸ ـرﻴن ﻓــﻲ اﻝﻤﺎﺌــﺔ ٕواذا دﻝّﺘﻨــﺎ‬
‫اﻝﺨﺒرة ﻋﻠﻰ أﻨﻪ ـ ﺒﺎﻝﻨﺴﺒﺔ ﻝﻠﻘﻔز اﻝﻌﺎﻝﻲ ـ ﻴﻜون اﻝوﺴط ‪ 10‬ﺒوﺼﺔ واﻻﻨﺤراف اﻝﻤﻌﻴﺎري ‪ 4‬ﺒوﺼـﺔ‬
‫‪ ،‬ﻤﺎ اﻝﻌﻠو اﻝذي ﻋﻠﻰ اﻝطﺎﻝب أن ﻴﻘﺼد اﻝﻘﻔز إﻝﻴﻪ إذا ﻜﺎن ﻴﺘوﻗّﻊ اﻝﺤﺼول ﻋﻠﻰ ﺘﻘدﻴر ‪ A‬؟‬

‫‪ -18‬إذا ﻓرﻀﻨﺎ أن ﺘﻘدﻴرات اﺨﺘﺒـﺎر ذﻜـﺎء ﻝطﻠﺒـﺔ إﺤـدى اﻝﻜﻠﻴـﺎت ﻝﻬـﺎ ﺘوزﻴـﻊ طﺒﻴﻌـﻲ ‪ ،‬وﺴـطﻪ ‪115‬‬
‫واﻨﺤ ارﻓــﻪ اﻝﻤﻌﻴــﺎري ‪ ،8‬اﺤﺴــب اﻝﻨﺴــﺒﺔ اﻝﻤﺌوﻴــﺔ ﻝﻠطﻠﺒــﺔ اﻝــذﻴن ﺴﻴﺤﺼــﻠون ﻓــﻲ اﺨﺘﺒــﺎر ذﻜــﺎء )أ(‬
‫ﻋﻠــﻰ أﻜﺜــر ﻤــن ‪) ،130‬ب( ﻋﻠــﻰ أﻗــل ﻤ ــن ‪) ، 100‬ج( ﻤــﺎ ﺒــﻴن ‪ 125‬و ‪ 105‬ﺒﻤــﺎ ﻓــﻲ ذﻝ ــك‬
‫ﻫﺎﺘﻴن اﻝدرﺠﺘﻴن‪.‬‬
‫‪ -19‬دﻝّت اﻝﺘﺠرﺒﺔ ﺒﺎﻝﻨﺴﺒﺔ ﻻﻤﺘﺤﺎن ﻤﺎ ﻝﻠﻐﺔ اﻹﻨﺠﻠﻴزﻴﺔ اﻷﺴﺎﺴﻴﺔ أن ﺘوزﻴﻊ اﻝدرﺠﺎت ﻴﻘﺎرب اﻝﺘوزﻴﻊ‬
‫اﻝطﺒﻴﻌﻲ اﻝذي ﻝﻪ اﻝوﺴط ‪ 130‬واﻻﻨﺤراف اﻝﻤﻌﻴﺎري ‪ 20‬ﻓﺈذا ﻜﺎﻨت درﺠﺔ اﻝﻨﺠﺎح ﻫﻲ ‪ 100‬ﻓﻤﺎ‬
‫اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ﻤن اﻝطﻠﺒﺔ اﻝذﻴن ﺘﺘوﻗّﻊ رﺴوﺒﻬم ﻓﻲ اﻻﻤﺘﺤﺎن ؟‬

‫ﻤﺘوﺴط ﻋﻤر ﻤوﺘور ﻜﻬرﺒﻲ ‪ 6‬ﺴﻨوات ﺒﺎﻨﺤراف ﻤﻌﻴﺎري ﻗدرﻩ ﺴﻨﺘﺎن ‪ ،‬ﻓﺈذا ﻜﺎن ﻝﻨﺎ أن ﻨﻌﺎﻤل‬
‫ّ‬ ‫‪-20‬‬
‫ﻜﻤﺘﻐﻴــر طﺒﻴﻌــﻲ ‪ٕ ،‬واذا ﻜــﺎن ﻫــذا اﻝﻤوﺘــور ﻤﻀــﻤوﻨﺎً ‪ ،‬ﻓﻤــﺎ اﻝﻤــدى‬
‫ّ‬ ‫ﻤــدى ﺤﻴــﺎة ﻤﺜــل ﻫــذا اﻝﻤوﺘــور‬
‫ﻴطﺒــق ﻓﻴــﻪ اﻝﻀــﻤﺎن ﺤﺘــﻰ ﻻ ﻴﺘﻌطّــل ﺴــوى ‪ 15%‬ﻤــن اﻝﻤوﺘــورات ﻋﻠــﻰ اﻷﻜﺜــر ﻗﺒــل‬
‫اﻝواﺠــب أن ّ‬
‫ﻨﻬﺎﻴﺔ ﻤدة اﻝﻀﻤﺎن ؟‬

‫‪ -21‬رﻤﻴت ﻗطﻌـﺔ ﻨﻘـود ‪ 8‬ﻤـرات ‪ ،‬أوﺠـد ﺒﺎﻝﻀـﺒط ‪ ،‬ﻤﺴـﺘﺨدﻤﺎً اﻝﺼـﻴﻐﺔ )‪ (1‬وﺒﺎﻝﺘﻘرﻴـب ﻋـن طرﻴـق‬
‫ﺘﻘرﻴــب اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ ‪ ،‬اﺤﺘﻤــﺎل اﻝﺤﺼــول ﻋﻠــﻰ )أ( ‪ 6‬ﻤـرات ﻋﻠــﻰ وﺠــﻪ اﻝﻌﻤﻠــﺔ ‪) ،‬ب( ‪6‬‬
‫ﻤرات ﻋﻠﻰ اﻷﻗل ﻋﻠﻰ وﺠﻪ اﻝﻌﻤﻠﺔ ‪.‬‬

‫‪ -22‬إذا ﻜﺎن اﺤﺘﻤﺎل ﻓوزك ﻓﻲ ﻝﻌﺒﺔ ﻤﺎ ‪ ، 6‬أوﺠـد ﺒﺎﻝﻀـﺒط ‪ ،‬ﺒﺎﺴـﺘﺨدام اﻝﺼـﻴﻐﺔ )‪ (1‬وﺒﺎﻝﺘﻘرﻴـب ‪،‬‬
‫ﻋن طرﻴق ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪ ،‬اﺤﺘﻤﺎل ﻓوزك ﻓﻲ ‪ 4‬ﻝﻌﺒﺎت أو أﻜﺜر ﻤن ‪ 7‬ﻝﻌﺒﺎت ﺘﻠﻌﺒﻬﺎ‬
‫‪.‬‬

‫‪ -23‬إذا ﻜــﺎن ‪ 30%‬ﻤ ــن اﻝطﻠﺒ ــﺔ أﺒﺼ ــﺎرﻫم ﻏﻴ ــر ﺴــﻠﻴﻤﺔ ‪ ،‬ﻓﻤ ــﺎ اﺤﺘﻤ ــﺎل أن ﻴﻜ ــون أﺒﺼ ــﺎر ﻨﺼ ــف‬
‫اﻝطﻠﺒﺔ ﻋﻠﻰ اﻷﻗل ﻓﻲ ﻓﺼل ﻤن ‪ 18‬طﺎﻝﺒﺎً ﻏﻴر ﺴﻠﻴم ‪ ،‬اﺴﺘﺨدم ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪.‬‬

‫‪ -24‬إذا ﻜﺎن ‪ 10%‬ﻤن ﺼﻤﺎﻤﺎت اﻝﺼورة ﻓﻲ أﺠﻬزة اﻝﺘﻠﻔزﻴون ﺘﺤﺘرق ﻗﺒل ﻨﻬﺎﻴﺔ ﻓﺘرة ﻀـﻤﺎﻨﻬﺎ )أ(‬
‫ﻴﻀطر ﺘﺎﺠر ﻗد ﺒﺎع ‪ 100‬ﻤن ﻤﺜل ﻫذﻩ اﻝﺼﻤﺎﻤﺎت أن ﻴﻌطﻲ ﻋﻠﻰ اﻷﻗـل ‪14‬‬
‫ّ‬ ‫ﻓﻤﺎ اﺤﺘﻤﺎل أن‬
‫ﺼــﻤﺎﻤﺎً ﻤﻨﻬــﺎ ﺒــدﻻً ﻤﻤــﺎ اﺤﺘــرق ؟ )ب( ﻤــﺎ اﺤﺘﻤــﺎل أن ﻴﻌطــﻲ ﻋﻠــﻰ اﻷﻗــل ‪ 5‬ﺼــﻤﺎﻤﺎت وﻋﻠــﻰ‬
‫اﻷﻜﺜر ‪ 14‬ﺼﻤﺎﻤﺎً ؟ اﺴﺘﺨدم ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪.‬‬

‫‪ -25‬إذا ﻜﺎن ‪ 20%‬ﻤن اﻝﺴﺎﺌﻘﻴن ﻓﻲ ﻤدﻴﻨﺔ ﻤﻌﻴﻨﺔ ﻋﻠﻰ اﻷﻗل ﺤﺎدث واﺤد ﺨﻼل ﻗﻴﺎدﺘﻬم ﻓـﻲ ﻋـﺎم‬
‫‪ ،‬ﻤﺎ اﺤﺘﻤﺎل أن ﺘﺘﺠﺎوز اﻝﻨﺴﺒﺔ اﻝﻤﺌوﻴﺔ ‪ 200‬ﻋﻤﻴل ﻤن ﻋﻤﻼء إﺤدى ﺸرﻜﺎت اﻝﺘﺄﻤﻴن ﻓﻲ ﺘﻠـك‬
‫اﻝﻤدﻴﻨﺔ ‪ 25%‬ﺨﻼل اﻝﺴﻨﺔ اﻝﺘﺎﻝﻴﺔ ؟ اﺴﺘﺨدم ﺘﻘرﻴب اﻝﻤﻨﺤﻨﻲ اﻝطﺒﻴﻌﻲ ‪.‬‬
‫اﻝﻤﺼﻨﻌﺔ ﻤﻌﻴﺒﺔ ‪ ،‬ﻓﻤﺎ اﻻﺤﺘﻤﺎل اﻝﺘﻘرﻴﺒﻲ ﻝﺘﺠﺎوز ﻨﺴﺒﺔ اﻝدﺒﺎﺒﻴس‬
‫ّ‬ ‫‪ -26‬إذا ﻜﺎن ‪ 20%‬ﻤن اﻝدﺒﺎﺒﻴس‬
‫اﻝﻤﻌﻴﺒﺔ ﻓﻲ ﺼﻨدوق ﺒﻪ ‪ 200‬دﺒوس ‪ 15%‬؟‬

‫ـدرﺠﺎً ﻝﻜـل ﻤﻨﻬـﺎ أرﺒـﻊ إﺠﺎﺒـﺎت ﻤﻤﻜﻨـﺔ ‪،‬‬

‫‪ -27‬ﻓﻲ أﺤد اﻤﺘﺤﺎﻨﺎت اﻻﺨﺘﺒﺎرات اﻝﻤﺘﻌددة ‪ 20‬ﺴـؤاﻻً ‪ ،‬ﻤ ّ‬
‫واﺤدة ﻤﻨﻬﺎ ﻓﻘط ﻫـﻲ اﻹﺠﺎﺒـﺔ اﻝﺼـﺤﻴﺤﺔ ‪ ،‬ﻓـﺈذا اﺴـﺘﺨدم أﺤـد اﻝطﻠﺒـﺔ ﺤدﺴـﻪ ﻓـﻲ ﻜـل ﺴـؤال ‪ ،‬ﻤـﺎ‬
‫اﺤﺘﻤﺎل ﺤﺼوﻝﻪ ﻋﻠﻰ اﻷﻗل ﻋﻠﻰ ‪ 8‬إﺠﺎﺒﺎت ﺼﺤﻴﺤﺔ ؟‬

‫‪ -28‬ﻨﻔﺘـرض ‪ ، n= 20 , P= 1/10‬اﺤﺴـب }‪ ، P{0‬وﻋﻠـﻰ أﺴـﺎس ﻗﻴﻤﺘﻬـﺎ داﻓـﻊ ﻋـن ﻋـدم ﺘوﻗّـﻊ‬

‫ﺘوﻓﻴق ﻤﻘﺒول ﻝﻤﻨﺤﻨﻲ طﺒﻴﻌﻲ ﻝﻠﺘوزﻴﻊ ﺒﺄﻜﻤﻠﻪ ﻫﻨﺎ ‪.‬‬

‫‪ -29‬اﺤﺴــب ﻝﻤﺴــﺄﻝﺔ ‪ 31‬ﻗﻴﻤــﺔ }‪ P{x= 0‬ﺒوﺴــﺎطﺔ ﺘﻘرﻴــب اﻝﻤﻨﺤﻨــﻲ اﻝطﺒﻴﻌــﻲ وﻗــﺎرن ﻨﺘﻴﺠــﺔ ﻤﺴــﺄﻝﺔ‬
‫‪. 31‬‬

‫‪ -30‬أﻋـ ِ‬
‫ـط ﻤﺜــﺎﻻً ﻝﺘوزﻴــﻊ ﻤــن ﺘوزﻴﻌــﺎت ذي اﻝﺤــدﻴن ﻴﻜــون ﻓﻴــﻪ ‪ n> 100‬وﻗﻴﻤﺘــﻪ ‪ P‬ﻏﻴــر ﺼــﻐﻴرة ‪،‬‬
‫وﻤﻊ ذﻝك ﻓﻠن ﻴﻜون ﻝﻪ ﺘﻘرﻴب ﺠﻴد ‪.‬‬

‫‪ -31‬ﻴﺤﺘوي ﺼﻨدوق ﻋﻠﻰ أوراق اﻝﻠﻌب اﻵﺘﻴﺔ وﻋددﻫﺎ ﺘﺴﻊ ‪:‬‬

‫)ﺜﻼث( ‪) ،‬أرﺒﻊ( ‪) ،‬ﺨﻤس( إﺴﺒﺎﺘﻲ ‪.‬‬

‫)ﺜﻼث( ‪) ،‬أرﺒﻊ( ﺒﺴﺘوﻨﻲ ‪.‬‬

‫)ﺜﻼث( ‪) ،‬أرﺒﻊ( ﻗﻠوب ‪.‬‬

‫)أرﺒﻊ( ‪) ،‬ﺨﻤس( دﻴﻨﺎري ‪.‬‬

‫ﻓــﺈذا ﻜــﺎن ﻝﻨــﺎ أن ﻨﺴــﺤب ورﻗــﺔ ﻝﻌــب ﻤــن اﻝﺼــﻨدوق وﻨﻜــرر اﻝﺘﺠرﺒــﺔ ‪ 10‬ﻤـرات‪ ،‬ﻤــﻊ إرﺠــﺎع‬
‫اﻝورﻗﺔ اﻝﻤﺴﺤوﺒﺔ ﻓﻲ ﻜل ﻤرة ‪ٕ ،‬واذا ﻜﺎﻨت ‪ X‬ﺘرﻤز ﻝﻌدد اﻝورﻗﺎت اﻝﺴوداء اﻝﺘﻲ ﻨﺤﺼل ﻋﻠﻴﻬﺎ ‪.‬‬

‫)أ(‪ -‬أوﺠد ﺘﻌﺒﻴ اًر ﻝﻼﺤﺘﻤﺎل }‪ p{X‬اﻝذي ﻴﻌطﻲ ﺘوزﻴﻊ ‪. X‬‬

‫)ب(‪ -‬اﺴﺘﺨدم ﻨﺘﻴﺠﺔ )‪ (1‬ﻝﺤﺴﺎب ‪.‬‬

 ‫)ج( اﺴﺘﺨدم اﻝﺘﻘرﻴب اﻝطﺒﻴﻌﻲ ﻝﺘﻘرﻴب اﻝﻘﻴﻤﺔ اﻝﺘﻲ ﺤﺼﻠت ﻋﻠﻴﻬﺎ ﻓﻲ )ب( ‪.‬‬

‫)د( اﺤﺴ ــب اﻻﺤﺘﻤ ــﺎل اﻝﺘﻘرﻴﺒ ــﻲ ‪ ،‬ﻤﺴ ــﺘﺨدﻤﺎً اﻝﺘﻘرﻴ ــب اﻝطﺒﻴﻌ ــﻲ ﻜ ــﻲ ﺘﻜ ــون ﻨﺴ ــﺒﺔ اﻝورﻗ ــﺎت‬
‫اﻝﺴوداء ﻓﻲ ﻤﺎﺌﺔ ﻤﺤﺎوﻝﺔ ﻝﻠﺘﺠرﺒﺔ ‪ ،‬أﻗل ﻤن ‪.6‬‬

‫‪ -32‬ﻝﻔ ــﺎت ﻝطﻌ ــﺎم اﻹﻓط ــﺎر ﻜﺘ ــب ﻋﻠﻴﻬ ــﺎ أﻨﻬ ــﺎ ﺘﺤ ــوي ‪ 12‬أوﻗﻴ ــﺔ ﻤ ــن اﻝﺤﺒ ــوب ‪ ،‬ﻝﻜ ــن آﻝ ــﺔ اﻝﺘﻌﺒﺌ ــﺔ‬
‫ﻋرﻀﺔ ﻝﻸﺨطﺎء ‪ ،‬ﺒﺎﻨﺤراف ﻤﻌﻴﺎري ﻗدرﻩ ‪ 1‬أوﻗﻴﺔ ‪.‬‬

‫)أ(‪ -‬ﻓﺈذا ﻀﺒطت اﻵﻝﺔ ﻝﺘﻌﺒﺊ اﻝﻠﻔّﺔ ﺒﻤﺎ ﻴﺴﺎوي ‪ 12.1‬أوﻗﻴﺔ ﻤن اﻝﺤﺒوب ‪ ،‬ﻤﺎ اﻝﻨﺴـﺒﺔ اﻝﻤﺌوﻴـﺔ‬
‫ﻝﻠﻔﺎت اﻝﺘﻲ ﻴﻘل وزﻨﻬﺎ ﻋن اﻝﻤﻘرر ﺒﻤﻘدار ‪ 1‬أوﻗﻴﺔ ﻋﻠﻰ اﻷﻗل ؟‬

‫)ب(‪ -‬إذا رﻏــب اﻝﻤﻨــﺘﺞ أﻻّ ﻴﻜــون ﻫﻨــﺎك أﻜﺜــر ﻤــن ‪ 5%‬ﻤــن ﻝﻔﺎﺘــﻪ وزﻨﻬــﺎ أﻗــل ﺒﻤﻘــدار ‪ 1‬أوﻗﻴــﺔ‬
‫ﻋﻠﻰ اﻷﻗل ‪ ،‬ﻓﻤﺎ ﻫو وﺴط وزن اﻝﺘﻌﺒﺌﺔ اﻝذي ﻴﻨﺒﻐﻲ ﻝﻪ اﺴﺘﺨداﻤﻪ ؟‬

‫‪ -33‬ﻴﻤﻜ ـ ــن إﺤ ـ ــدى اﻝط ـ ــﺎﺌرات أن ﺘﺘّﺴ ـ ــﻊ ‪ 300‬ﻤﺴ ـ ــﺎﻓر ‪ 30 ،‬ﺒﺎﻝدرﺠ ـ ــﺔ اﻷوﻝ ـ ــﻰ ‪ 270 ،‬ﺒﺎﻝدرﺠ ـ ــﺔ‬
‫اﻝﺴــﻴﺎﺤﻴﺔ ‪ ،‬ﻓــﺈذا ﻗﺒﻠــت ﺸــرﻜﺔ اﻝطﻴ ـران ﺤﺠ ـ اًز ﻝﺜﻼﺜــﻴن ﻤــن رﻜــﺎب اﻝدرﺠــﺔ اﻷوﻝــﻰ و ‪ 290‬ﻤــن‬
‫رﻜــﺎب اﻝدرﺠــﺔ اﻝﺴــﻴﺎﺤﻴﺔ ‪ ،‬وﻜــﺎن اﺤﺘﻤــﺎل أﻻّ ﻴﺤﻀــر ﺸــﺨص ﻤﻤــن ﻴﻘوﻤــون ﺒــﺎﻝﺤﺠز ﻫــو ‪، 1‬‬
‫ﻓﻤ ــﺎ اﺤﺘﻤــﺎل أن ﺘﺴ ــﻊ اﻝط ــﺎﺌرة ﻜ ــل اﻝﻤﺴ ــﺎﻓرﻴن إذا ﻜــﺎن ﻤ ــن اﻝﻤﻤﻜ ــن اﺴ ــﺘﺨدام ﻤﻘﺎﻋ ــد اﻝدرﺠ ــﺔ‬
‫اﻷوﻝﻰ ﻝﻤﺴﺎﻓري اﻝدرﺠﺔ اﻝﺴﻴﺎﺤﻴﺔ ؟‬

‫ل ا را‬ ‫ا‬
‫دار‬ ‫ا ر ط وا‬
‫‪CORRELTION AND REGRESSION‬‬

‫" د"! ‪5 :‬ك أن ا ط ‪ !+‬زا‪:‬رة ظواھر ا ط ‪، ! +‬ا "‪+‬رو ! و‪ 2‬ر‬

‫ا "‪+‬رو !‪،‬ا "‪ H‬و ! وا ‪A‬ر !‪،‬و )‪ C‬ا ث أي "( ل ن ‪ .‬ل ل ‪ 5‬ء ؛ان‬
‫‪+‬رف )‪ C‬ا ‪+‬وا"ل ا "ؤ‪7‬رة )‪ C‬ا ظ ھرة ا "درو ! و" ھ طر ! و‪ 5‬ل و‪.‬وة‬
‫ا ‪ 7H‬ر‪.‬ھذا " ط)ق ) ‪ 5 D‬ل م درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات ‪relationship‬‬
‫ا ‪ 7H‬ر ھ‬ ‫‪. between variables‬ان "‪+‬ر ! وع و‪ 5‬ل و‪.‬وة ا ‪ !.9+‬و‬
‫أ س ا ( ح ا ‪+‬رف )‪ C‬ا ظ ھرة ا "درو ! ‪.‬‬
‫! "ن أ(ل‬ ‫; ! ‪ 7‬رة ء )‪ C‬أ س ر‬ ‫و ن ا ظ ا ‪ D‬م طو ر و ;ل إ‬
‫درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات ‪.relationship between variables‬ان "ن أھم‬
‫لھ ا !‪:‬‬ ‫ھذه ا‬
‫‪ ) .1‬ل ا دار ‪REGRESSION ANALYSIS‬‬
‫‪ ) .2‬ل ا ر ط ‪CORRELATION ANALYSIS‬‬
‫‪ ) .3‬ل ا ن ‪VARIANCE ANALYSIS‬‬
‫ل و(ب ا ‪:‬دا"‪" D‬ن أ(ل درا !‬ ‫ا ؤال ا‪M‬ن ا ذي طرح ‪ D‬ھو أي "ن ا‬
‫ا ‪ !.9+‬ن ا " ‪ A‬رات‪،‬أي ا ‪+‬وا"ل ا "ؤ‪7‬رة وا ظ ھرة ا "درو ! ؟‬
‫رور !‬ ‫أن دم ‪+‬ض ا ‪5‬رو ت ا‬ ‫ن ‪ .‬ل ا<( ! )‪ C‬ا ؤال ا "طروح )‬
‫و ‪ P‬ا " ‪.! H‬‬

‫م ا " ‪ A‬رات إ ‪ C‬و ن وذ ك‬ ‫• أ واع ا " ‪ A‬رات ‪ " :variables‬ن‬

‫‪:H‬ذھ ا " ‪ A‬ر ‪:‬‬ ‫با ما‬
‫‪ A " -‬ر " ‪:QUALITIVE‬ھو ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م " ! أي ‪!) .‬‬
‫) س " و دات ا س "‪7‬ل و دات ا وزن‪،‬ا طول ‪،‬ا (م‬
‫‪...‬إ ‪ C‬آ‪:‬ره‪ .‬و "‪ 7‬ل )‪ C‬ذ ك ا " د ‪،‬ا " د‪،‬ا ‪"+‬ر‪ ! " ،‬ا ‪A‬ذاء‬
‫وھ ذا‪...‬‬
‫‪ A " -‬ر و ‪ :QUANTITIVE‬ھو ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م و ! ‪ 2‬ر‬
‫‪ ) !) .‬س " و دات ا س ا "ذ ورة آ ل س و دات‬
‫در( ت وا در( ت وا " و ت وھ ذا ‪ ...‬إ ‪C‬‬ ‫ا سا و‬
‫آ‪:‬ره‪.‬و "‪ 7‬ل )‪ C‬ذ ك ا )ون ودر(! ا ( ح ودر(! ا " و"! ‪...‬‬
‫م ا " ‪ A‬رات إ ‪ C‬و ن وذ ك‬ ‫• " در ا " ‪ A‬رات ‪ " :variables‬ن‬
‫ب وع ا م أو ا " در إ ‪ C‬و ن ‪:‬‬
‫‪ A " .3‬ر ا " ‪ :RANDOM variables‬ھو ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م‬
‫"‪7‬ل ا " ‪ A‬رات ا (و !‬ ‫‪5‬وا; ! " ")! " ن ا م ‪" #‬‬
‫رارة وا رطو ! و‪ 2‬رھ ‪.‬‬
‫‪ :Controlled variable‬ا " ‪ A‬ر ا ذي ‪:H‬ذ ‪ .‬م‬ ‫‪ A " .4‬ر ‪ 2‬ر ا "‬
‫"‪7‬ل ا " د ‪،‬ا " د‪،‬ا ‪"+‬ر‪ ! " ،‬ا ‪A‬ذاء‬ ‫" ددة " ن ا م ‪" #‬‬
‫وھ ذا‪...‬‬
‫; ! ل )‪ C‬دة‪.‬‬ ‫ل درا ! ھذه ا و ;ل ا<‬ ‫‪+‬رض‬ ‫" )‬
 ‫دار ‪: REGRESSION ANALYSIS‬‬ ‫)لا‬ ‫‪- 1-4‬‬

‫‪+‬رف ) ل ا دار ‪D H REGRESSION ANALYSIS‬‬ ‫‪+ 1-1-4‬ر ف ‪:‬‬

‫‪:‬دم ‪ 5‬ل م درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات‬ ‫; ! ا ‪ !" #‬ا‬ ‫ل ا<‬ ‫أ دا‬
‫ل ا ! اذ ر )ل‬ ‫‪7" ) relationship between variables‬ل ا‬
‫ا ر ط ‪CORRELATION ANALYSIS‬‬

‫!‪:‬‬ ‫تا‬ ‫ا‬ ‫‪:‬دم‬ ‫ن ‪ (VARIANCE ANALYSIS‬وھو‬ ‫و )لا‬

‫• د" ون ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر( "ن وع " ‪.‬‬
‫• د" ون ا ‪" +‬ل ا "ؤ‪7‬ر "ن ا وع " ‪ A‬ر ‪ 2‬ر ا "‬
‫‪.Controlled variable‬‬
‫• د" ون ا ‪ 7H‬ر "ن (‪ !#‬وا دة أي أن ا ‪" +‬ل ا "ؤ‪7‬ر )ا " ‪ A‬ر(‬
‫‪.P‬‬ ‫ؤ‪7‬ر )‪ C‬ا ! ا "‪ :‬رة )ظ ھرة ا "درو ! وا ‪ +‬س ‪ 2‬ر‬
‫)‪ " !.9+‬ن‬ ‫• د" ون ا ‪ ! A‬ھ "‪+‬ر ! ا "وذج ا ر‬
‫ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر( و ا ! ا "‪ :‬رة )ظ ھرة ا "درو !‪.‬‬
‫( م‬ ‫)أو ا و‪ .‬ا ر‬ ‫• د" ون ا ‪ ! A‬ھ ا ؤ ا ر‬
‫ا ! ا "‪ :‬رة )ظ ھرة ا "درو !‪.‬‬
‫) ل ا دار ‪REGRESSION ANALYSIS‬‬ ‫◄ (در ا و ‪ D‬إ ‪ C‬أ ‪D‬‬
‫"ن‬
‫ر" ) ‪:‬‬ ‫أن ‪:H‬ذ ‪ +‬ن ا‬

‫• ط)ق )‪ C‬ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر( ا م آ‪:‬ر وھو ا ‪" +‬ل‬
‫ا " ل)‪ " ( X‬ط)ق )‪ C‬ا ! ا "‪ :‬رة )ظ ھرة ا "درو ! ا م‬
‫)‪. (Y‬‬ ‫ا ‪" +‬ل ا‬
‫• " ن ان و(د ا (ر ! ا و ! أ ‪7‬ر "ن "ل "ؤ‪7‬ر )‪X1,X2,…Xn‬‬
‫" ن أن و(د أ ‪7‬ر "ن ! "‪ :‬رة وا دة )ظ ھرة‬ ‫( "‬
‫ا "درو !‪.‬‬
‫ل و(ود أ ‪7‬ر "ن "ل "ؤ‪7‬ر ا (ر ! ا و ! ‪(< D‬راء‬ ‫•‬
‫ق‬ ‫) ل ا دار ‪ REGRESSION ANALYSIS‬د "ن‬
‫) ل ا دار‬ ‫ا ‪5‬روط ا ! ا ذ ر )‪ C‬ل "ل د‪:‬ل‬
‫‪ REGRESSION ANALYSIS‬و ن ھذه ا ! م ا ‪:‬دام‬
‫) ل ا دار ا " ‪+‬دد ‪ MULTI-REGRESSION ANALYSIS‬أ"‬
‫إذا ن ھ ك "ل "ؤ‪7‬ر و د ا (ر ! ا و ! ‪ D‬ھذه‬
 ‫ط ‪LINEAR-‬‬ ‫دار ا‬
‫ا ! م ا ‪:‬دام ) ل ا‬
‫‪REGRESSION ANALYSIS‬‬
‫ل ا دار ا ‪ +‬ط ‪LINEAR-REGRESSION‬‬ ‫‪ -2-1-4‬أو ‪:‬‬
‫‪: ANALYSIS‬‬

‫و ! أو زرا ! "ل "ؤ‪7‬ر وا د )‪( X‬‬ ‫(ر !‬ ‫إذا ن د‬

‫و درس ! "‪ :‬رة )‪ ( Y‬ن "‪ +‬د ! ا دار ا ط ھ "ن ا ‪ 5‬ل‬
‫‪:‬‬ ‫ا‬
‫‪Y = a + b*X‬‬

‫! ا "‪ :‬رة )ظ ھرة ا "درو !‬ ‫ث أن ‪ Y :‬ا "! ا ظر ! )‬

‫‪ a‬ا ‪ 7‬ت ‪ 9‬دار‬

‫دار‬ ‫"ل ا‬ ‫‪b‬‬

‫‪ X‬ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر(‬

‫)‪ C‬ا ‪ 5‬ل‬ ‫دار ‪#‬‬ ‫"ل ا‬ ‫ب ل "ن ‪ a‬ا ‪ 7‬ت ‪ 9‬دار و ‪b‬‬ ‫!‬ ‫أ"‬
‫‪:‬‬ ‫ا‬

‫‪:‬دام‬ ‫دار‬ ‫ب ‪ 7 a‬تا‬ ‫ب ‪ a‬ا ‪ 7‬ت ‪ 9‬دار ‪ " :‬ن‬ ‫•‬

‫! ا !‪:‬‬ ‫ا ‪ !.9+‬ا ر‬
‫‪−‬‬ ‫‪−‬‬
‫‪a = y− b * x‬‬

‫‪:‬دام‬ ‫دار‬ ‫"ل ا‬ ‫ب‪b‬‬ ‫ب ‪" b‬ل ا دار ‪ " : :‬ن‬ ‫•‬
‫! ا !‪:‬‬ ‫ا ‪ !.9+‬ا ر‬

‫‪−‬‬ ‫‪−‬‬ ‫‪−‬‬

‫‪b = ∑ ( x − x ) * ( y − y/ ∑ x − x ) 2‬‬

‫!‬ ‫‪:‬دام ا ‪ !.9+‬ا ر‬ ‫دار‬ ‫"ل ا‬ ‫ب‪b‬‬ ‫" و" ن‬ ‫•‬

‫!‪:‬‬ ‫ا‬
‫‪b = (∑ x * y − ∑ x * ∑ x / n) / ∑ x − (∑ x ) / n‬‬
‫‪2‬‬ ‫‪2‬‬
 ‫ھ‬/Z ‫! " ن " ! ا " د ا " ف‬.9+ ‫ د درا ! ا‬: ( ) ‫ــ ل‬7"
; <‫ل و( ء ن د ا ) ل ا‬ " ‫و ! ا< ج ? د ا‬
: ) " ‫ ن د‬DATA ! ; <‫) ت ا‬

‫ا "د‬ ‫ا< ج‬

X Y

1 5

2 13

3 16

4 23

5 33

6 38

7 40

SUMMARY OUTPUT

!; ‫إ‬ ‫را ت‬5‫"ؤ‬

Regression Statistics

Multiple R 0.989094

R Square 0.978307

Adjusted R
Square 0.973968

Standard Error 2.164651

Observations 7
ANOVA ‫ن‬ ‫)لا‬

Significance
df SS MS F F

Regression 1 1056.571 1056.571 225.4878 2.37E-05

Residual 5 23.42857 4.685714

Total 6 1080

‫دار‬ ‫)لا‬

Standard
Coefficients Error t Stat P-value

Intercept a
‫ ت‬7‫ا‬ 0.57143 1.829464 -0.31235 0.767383

‫دار‬ ‫"ل ا‬ b 6.142857 0.409081 15.01625 2.37E-05

REGRESSION ‫ ) ل ا دار‬T; ‫"ن‬ ‫ق ا ذي‬ ‫"ن ا (دول ا‬

: ‫ ظ أن‬9 ‫دام أ د ا طرق ا ! ا ذ ر‬: ANALYSIS

6.1428 = ‫دار‬ ‫"ل ا‬ b

0.57143 = a ‫ ت‬7‫ا‬

LINEAR-REGRESSION ‫ د ! ا دار ا ط‬+" ‫ون‬ ‫و‬

: ‫ ل ا‬5 ‫ ھ "ن ا‬ANALYSIS
y′ = a + b * x

: ‫ د ! ا "ذ ورة (د أن‬+" ‫ا‬ ‫و ض‬+ ‫د ا‬+ ‫و‬

Y = 6.1428 +0.5714*X

: ‫ ل ا‬5 ‫ ا‬C) ‫و‬# ‫دار ا "ذ ورة‬ ‫ د ! ا‬+" ‫ م ا واردة‬.‫ر أ?ر‬ "‫أ‬
 ‫أو ‪" b‬ل ا دار = ‪ " + 6.1428‬أن ‪" b‬ل ا دار "و(ب‬ ‫•‬
‫إذا زاد ‪ !" .‬ا ‪" +‬ل‬ ‫‪#‬ذا ‪ +‬أن ا دار ا ( وا ‪ !.9+‬طر د ! و‬
‫ت ‪ !" .‬ا ‪" +‬ل ‪ X‬وھو‬ ‫وھو ا< ج وإذا‬ ‫‪ X‬ازدادت ‪ !" .‬ا ‪" +‬ل ا‬
‫‪.P‬‬ ‫وھو ا< ج وا ‪ +‬س‬ ‫ت ‪ !" .‬ا ‪" +‬ل ا‬ ‫ا "د‬
‫وھو ا< ج "‪+‬دل ‪" b !" .‬ل ا دار =‬ ‫زداد ‪ !" .‬ا ‪" +‬ل ا‬ ‫•‬
‫‪) + 6.1428‬طن ‪/‬ھ ( د" زداد ‪ !" .‬ا ‪" +‬ل ‪ X‬وھو ا " د و دة‬
‫وا دة )‪/Z 1‬ھ (‪.‬‬
‫وھو ا< ج وي‬ ‫ا ‪ 7‬ت ‪ + 0.57143 = a‬أن ‪ !" .‬ا ‪" +‬ل ا‬ ‫•‬
‫ا ‪ 7‬ت ‪) 0.57143 = a‬طن ‪/‬ھ ( د" ون ‪ !" .‬ا ‪" +‬ل ‪ X‬وھو‬
‫و(د أي إ ! )‪" +‬ل ‪ X‬وھو ا " د‪.‬‬ ‫ا " د " و ! ) ر أي د"‬
‫ول‬ ‫أ" )‪ C‬ل ا "‪ 7‬ل إذا ت ‪" (b) !" .‬ل ا دار ‪Q ! ) !" .‬‬ ‫•‬
‫إذا زادت ‪ !" .‬ا ‪" +‬ل ا " ل‬ ‫!و‬ ‫أن ا دار ) وا ‪!.9+‬‬
‫ت ‪ !" .‬ا ‪" +‬ل ‪ X‬وھو‬ ‫وھو ا< ج وإذا‬ ‫ت ‪ !" .‬ا ‪" +‬ل ا‬ ‫‪X‬‬
‫‪.P‬‬ ‫وھو ا< ج وا ‪ +‬س‬ ‫ا " د زادت ‪ !" .‬ا ‪" +‬ل ا‬

‫دار ‪: REGRESSION MODEL‬‬ ‫‪( 3-1-4‬ودة "‪ +‬د ! ا‬

‫ان "‪ +‬د ! ا دار ‪ REGRESSION MODEL‬ا " ‪:‬د"! دة ھ "ن‬

‫ت ن ھذا ا ‪ 5‬ل ا ‪:‬ط ا ط ‪.‬د‬ ‫ا ‪ 5‬ل ا ‪:‬ط ا ط ‪ ،‬ن "‪+‬ظم ا‬
‫ف " ن ان ‪+‬رف‬ ‫; ! ‪ DATA‬و‬ ‫"‪ 7‬ل ا ت ا<‬ ‫ون ‪ 2‬ر "‬
‫أي "‪ +‬د ! ا دار ا ط ‪LINEAR-REGRESSION‬‬ ‫ھل ھذا ا "وذج ا ر‬
‫‪ ANALYSIS‬ھل ھو " ب أم ‪.‬‬

‫`( ! )‪ C‬ا ؤال ا "ذ ور (ب ا ‪ H‬د "ن أن ا رق ن ا ت ا (ر ! و‬

‫; ! ‪ DATA‬ا " و ! "ن ا "‪ +‬د ! "‪ +‬د ! ا دار‬ ‫ا ت ا<‬
‫‪REGRESSION MODEL‬‬

‫أ‪.‬ل " " ن ‪:‬‬ ‫ھو أ‪.‬ل " " ن أي ‪ +‬ر أ‪:‬ر (ب أن ون ا " دار ا‬
‫∧‬
‫‪∑( y‬‬ ‫‪i‬‬ ‫‪− y i )2‬‬

‫! أو ا (ر !‬ ‫‪ yi‬ا م ا‬ ‫ث أن ‪:‬‬

‫ط‪.‬‬ ‫دار ا‬ ‫و ! "ن "‪ +‬د ! ا‬ ‫‪ yi‬ا م ا "‬

 ‫!‪:‬‬ ‫ب وا ذي ‪+‬ط ‪ !.9+‬ا‬ ‫" أن ‪:‬ط‪ H‬ا‬

‫∧‬
‫= ‪ERROR‬‬ ‫‪∑(y‬‬ ‫‪I‬‬ ‫)‪− y ) 2 / n − (k + 1‬‬

‫)!‬ ‫دد ا ‪+‬وا"ل ا "‬ ‫ث أن ‪k :‬‬

‫ر ا‪! +‬‬ ‫دد‬ ‫‪n‬‬

‫! أو ا (ر !‬ ‫‪ yi‬ا م ا‬

‫ط‪.‬‬ ‫دار ا‬ ‫و ! "ن "‪ +‬د ! ا‬ ‫‪ yi‬ا م ا "‬

‫ن ا " دار ‪، ERROR‬ا ذي ر"ز ‪ D‬دة ‪ A ،Sd‬را )"‬ ‫"ن ا ط ‪ +‬أ ‪") D‬‬
‫) دا;"‬ ‫دار ‪ REGRESSION MODEL‬أ ر‪.‬ھذا ‪+‬‬ ‫ت (ودة "‪ +‬د ! ا‬
‫دار ‪ REGRESSION MODEL‬ا? ب " ا ‪ D‬و(د‬ ‫ا ث ن "‪ +‬د ! ا‬
‫‪.‬‬ ‫"‪ +‬د ! ا دار ذ ر‬ ‫"‪ +‬ر أ‪:‬رى (ودة‬

‫دار ا ‪.‬دد ‪: MULTI-REGRESSION ANALYSIS‬‬ ‫‪ -4-1-4‬ا‬

‫و ! أو زرا ! أ ‪7‬ر "ن "ل "ؤ‪7‬ر‬ ‫(ر !‬ ‫إذا ن د‬

‫وا د )‪ ( X1,X2,...Xn‬و درس ! "‪ :‬رة )‪ ( Y‬ن "‪ +‬د ! ا دار ا " ‪+‬دد‬
‫‪:‬‬ ‫ھ "ن ا ‪ 5‬ل ا‬
‫‪Y = a + b1*X1+b2*X2 +….bn *Xn‬‬

‫! ا "‪ :‬رة )ظ ھرة ا "درو !‬ ‫ث أن ‪ Y :‬ا "! ا ظر ! )‬

‫‪ a‬ا ‪ 7‬ت ‪ 9‬دار‬

‫دار‬ ‫"ل ا‬ ‫‪b‬‬

 ‫‪ X1‬ا ‪" +‬ل ا "ؤ‪7‬ر ا?ول‬

‫‪ X2‬ا ‪" +‬ل ا "ؤ‪7‬ر ا ‪7‬‬

‫‪ X n‬ا ‪" +‬ل ا "ؤ‪7‬ر ا?‪ :‬ر‬

‫دار ا " ‪+‬دد ‪MULTI-REGRESSION ANALYSIS‬‬ ‫و دة ‪:‬دم "‪ +‬د ! ا‬

‫) ن ا‪ 7‬ن و ‪ +" P‬د ! ا دار ا " ‪+‬دد "ن ا ‪ 5‬ل‬ ‫ل و(ود ") ن "‬
‫‪:‬‬ ‫ا‬
‫‪Y = a + b1*X1+b2*X2‬‬
‫! طر ! إ ( د وا"ل ا دار ا "ذ ورة ا "‪ +‬د ! أ ‪9‬ه ن ذ ك‬ ‫أ"‬
‫ل (")! "‪ +‬د ت‪ ،‬و ن ظرا ‪+‬و !‬ ‫! ا "‪+‬رو !‬ ‫ط)ب ا طر ! ا ر‬
‫ن < ! و ر ا را"‪T‬‬ ‫! )ط‪9‬ب ‪ 2‬ر ا " ‪:‬‬ ‫!‬ ‫ھذه ا طر ! ا ر‬
‫وب ‪ 9 ( SOFTWARE‬و(د أي " رر ‪)+‬م‬ ‫; ! ا " طورة ) را"‪ T‬ا‬ ‫ا<‬
‫! ھذا ا ل‪.‬‬ ‫ھذه ا طرق ا ر‬
‫ن ا ‪ " !.9+‬ن ا " د )‪/Z ( X1‬ھ‬ ‫"‪7‬ـــ ل ) ( ‪ :‬د ا ت ا ! ا‬
‫ل ا زرا ! ث ا(ري‬ ‫وا ري )‪ ( X2‬و ! ا< ج )‪ ( Y‬طن‪/‬ھ "ن أ د ا "‬
‫) ل ا دار ا " ‪+‬دد ‪: ) " MULTI-REGRESSION ANALYSIS‬‬
‫‪X1‬‬ ‫‪X2‬‬ ‫‪Y‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪5‬‬

‫‪2‬‬ ‫‪5‬‬ ‫‪13‬‬

‫‪3‬‬ ‫‪3‬‬ ‫‪16‬‬

‫‪4‬‬ ‫‪8‬‬ ‫‪23‬‬

‫‪5‬‬ ‫‪6‬‬ ‫‪33‬‬

‫‪6‬‬ ‫‪5‬‬ ‫‪38‬‬

‫‪7‬‬ ‫‪9‬‬ ‫‪40‬‬

‫‪SUMMARY OUTPUT‬‬
 !; ‫إ‬ ‫رات‬5‫"ؤ‬

Regression Statistics

Multiple R 0.98962932

R Square 0.97936618

Adjusted R
Square 0.96904927

Standard
Error 2.36032433

Observations 7

‫ن‬ ‫ا‬ ‫)ل‬

ANOVA

Significance
df SS MS F F

Regression 2 1057.715476 528.8577 94.92825 0.000426

Residual 4 22.28452381 5.571131

Total 6 1080

‫دار‬ ‫ا‬ ‫)ل‬

Standard
‫وا"ل‬+ ‫ا‬ Coefficients Error t Stat P-value

Intercept -0.0547619 2.29767487 -0.02383 0.982127

X1 6.36428571 0.661612967 9.619349 0.000653

X2 -0.25833333 0.570072486 -0.45316 0.673928

REGRESSION ‫ ) ل ا دار‬T; ‫"ن‬ ‫ق ا ذي‬ ‫"ن ا (دول ا‬

: ‫ ظ أن‬9 ‫ ( ھزة‬T"‫دام أ د را‬: ANALYSIS
 ‫دار = ‪6.36428571‬‬ ‫"ل ا‬ ‫‪b1‬‬

‫دار =‪-0.25833333‬‬ ‫"ل ا‬ ‫‪b2‬‬

‫= ‪-0.0547619‬‬ ‫ا‪ 7‬ت ‪a‬‬

‫ون "‪ +‬د ! ا دار ا " ‪+‬دد ‪MULTI-REGRESSION‬‬ ‫و‬

‫‪:‬‬ ‫‪ ANALYSIS‬ھ "ن ا ‪ 5‬ل ا‬
‫‪y ′ = a + b1 * x1 + b2 * x2‬‬

‫ا "‪ +‬د ! ا "ذ ورة (د أن ‪:‬‬ ‫و ‪+‬د ا ‪+‬و ض‬

‫‪Y = 6.1428 + 6.36428571 X1- 0.25833333 X2‬‬

‫دار ا )‪$‬ط& ‪: NUNLINEAR-REGRESSION ANALYSIS‬‬ ‫‪ -5-1-4‬ا‬

‫رىء أو " إذا ن و(د ‪ !.9‬أ ‪ 9‬ن‬ ‫دى درا ! ا ‪ 9 !.9+‬د أن‬
‫; ! ‪ DATA‬ا " و رة‬ ‫ا " ‪ A‬رات ) ‪ X‬و ‪ ( Y‬و "‪ C +‬آ‪:‬ر ھل دم ا ت ا<‬
‫)‪ C‬و(ود ‪: !.9‬ط ! ن ا " ‪ A‬رات ‪.‬‬ ‫د ‪9‬‬
‫‪C‬ء ا ول ‪H‬ن ‪b‬‬ ‫ان ا ول ‪H‬ن ا ‪" +‬ل ‪ X‬وا ‪" +‬ل ‪ Y‬ر ط ن ‪: "# +‬ط‬
‫‪ P‬؛أي أن ول إذا أ‪ 7‬ان ‪b‬‬ ‫وي ا ر وا ‪ +‬س‬ ‫"ل ا دار ا ‪:‬ط‬
‫" ز ن ا ر ‪ 5‬ل "‪ +‬وي ‪#‬ذا‬ ‫وي ا ر أو‬ ‫"ل ا دار ا ‪:‬ط‬
‫‪ +‬أن ا ‪ !.9+‬ن ا " ‪ A‬رات ت ‪:‬ط ! أو ا ‪" +‬ل ‪ X‬وا ‪" +‬ل ‪ Y‬ر ط ن‬
‫‪: "# +‬ط ‪.‬‬
‫ر‪2‬ب درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات "‪+‬ر ! ھل ا ‪: !.9+‬ط ! أم‬ ‫إذن إذا‬
‫) أن ‪ :‬ر ا ر ! ا دا; ! ) ‪ " ( H0: b=0‬ل ا ر ! ا د )! ) ≠ ‪H1: b‬‬
‫‪.(0‬‬

‫"ن أ(ل ھذا ا ‪A‬رض ن ا ‪ :‬ر ا " ب ھو ا‪ :‬ر ت ‪ T-TEST‬د " وى‬
‫ا "‪ +‬و ! ‪ 5%‬ودر(! ا ر ! ‪ DF=N-2‬وا ذي ق ‪5‬ر ‪ D‬ا رة ا ! "ن‬
‫ھذا ا ل‪.‬‬
‫"‪7‬ـــ ل ) (‪ :‬دى درا ! ا ‪ !.9+‬ن ا " ‪ A‬ر ن ا " د ‪/Z ) X‬ھ ( وا< ج ‪Y‬‬
‫; ! ‪ DATA‬ا واردة ا (دول ا‬ ‫) )‪ C‬ا ت ا<‬ ‫)طن‪/‬ھ (‬
‫< ! إ ‪ ) C‬ل ا دار و"ن ‪7‬م ط ق ا‪ :‬ر ت ‪: T-TEST‬‬
 ‫ا "د‬ ‫ا< ج‬

X Y

10 5

20 13

30 16

40 4

50 2

SUMMARY OUTPUT

‫دار‬ ‫ا‬ ‫)ل‬

Regression Statistics

Multiple R 0.387298335

R Square 0.15

Adjusted R
Square -0.133333333

Standard Error 6.519202405

Observations 5

ANOVA

df SS MS F

Regression 1 22.5 22.5 0.529412

Residual 3 127.5 42.5

Total 4 150
 ‫‪Coefficients‬‬ ‫‪Standard Error‬‬ ‫‪t Stat‬‬ ‫‪P-value‬‬

‫‪Intercept‬‬ ‫‪a = 12.5‬‬ ‫‪6.837397166‬‬ ‫‪1.828181 0.164969‬‬

‫‪X‬‬ ‫‪b = -0.15‬‬ ‫‪0.206155281‬‬ ‫‪-0.72761 0.519498‬‬

‫‪t Stat = -0.727‬‬ ‫ق أ ‪9‬ه ‪ 9‬ظ ان ‪:‬‬ ‫"ن ا (دول ا‬

‫‪P-value = 0.519‬‬

‫‪" T‬ن ‪ .‬م ا‪ :‬ر ت ‪ T-TEST‬ا "ط ! )‪" C‬ل ا دار ‪+" b‬ر ! ھل‬
‫ا ‪: !.9+‬ط ! أم أي ا‪ :‬ر " ل ا ر ! ا د )! ) ‪( ( H1: b ≠ 0‬د ان‬
‫ل ا ر ! ا د )! ) ‪H1: b‬‬ ‫ا ر ! ا دا; ! ) ‪" ( H0: b=0‬ر و ! و‬
‫‪ ( ≠ 0‬ھذا ؤ د ان "ل ا دار ا ‪:‬ط ‪ 2‬ر "‪ +‬وي و " ز ن ا ر ‪ 5‬ل‬
‫‪:‬‬ ‫"‪ +‬وي ‪،‬ھذا ود ) ول ا ‪ D‬و(د ‪: !.9‬ط ! " دو "ن ا ‪ 5‬ل ا‬

‫ا ‪ AB= ( ) ACD‬ا ‪ ?@+ %4).‬ا >= د وا < ج‬

‫‪18‬‬
‫‪16‬‬ ‫‪Y‬‬
‫‪14‬‬ ‫" ) ‪(Y) .‬‬
‫‪12‬‬
‫‪10‬‬
‫‪8‬‬
‫‪6‬‬
‫‪4‬‬
‫‪2‬‬
‫‪0‬‬
‫‪10‬‬ ‫‪20‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪50‬‬

‫‪ 9‬ظ "ن ا ‪ 5‬ل ا?‪ :‬ر أ ‪ " D‬ن "‪ 7‬ل ا ‪ !.9+‬ا ! ‪:‬ط " م‪ .‬إذن دى‬
‫درا ! ا ‪ !.9+‬ن ا " ‪ A‬ر ن ا " د ‪/Z ) X‬ھ ( وا< ج ‪) Y‬طن‪/‬ھ ( و )‬
‫دار‬ ‫; ! ‪ DATA‬ا واردة ا (دول ا ق ن "‪ +‬د ! ا‬ ‫ت ا<‬ ‫)‪ C‬ا‬
‫‪:‬‬ ‫ا ق ھ "ن ا ‪ 5‬ل ا‬ ‫وا ق ا ‪ 5‬ل ا‬ ‫ا‬ ‫ا ‪:9‬ط‬
‫‪Y = a + b1*X+b2*X2‬‬

‫! ا "‪ :‬رة )ظ ھرة ا "درو !‬ ‫ث أن ‪ Y :‬ا "! ا ظر ! )‬

‫‪ a‬ا ‪ 7‬ت ‪ 9‬دار‬

‫دار ا ‪:‬ط‬ ‫"ل ا‬ ‫‪b1‬‬

‫دار ا ر ‪+‬‬ ‫"ل ا‬ ‫‪b2‬‬

‫دار ا ‪:9‬ط ‪MULTI-REGRESSION ANALYSIS‬‬ ‫و دة ‪:‬دم "‪ +‬د ! ا‬

‫) ن ا‪ 7‬ن و ‪ +" P‬د ! ا دار ا ‪:9‬ط "ن ا ‪ 5‬ل‬ ‫ل و(ود ") ن "‬
‫‪:‬‬ ‫ا‬
‫‪Y = a + b1*X1+b2*X2 +b3*X2+b4*X2+b5*X1*X2‬‬

‫! طر ! إ ( د وا"ل ا دار ا "ذ ورة ا "‪ +‬د ! أ ‪9‬ه ن ذ ك‬ ‫أ"‬

‫ل (")! "‪ +‬د ت‪ ،‬و ن ظرا ‪+‬و !‬ ‫! ا "‪+‬رو !‬ ‫ط)ب ا طر ! ا ر‬
‫ن < ! و ر ا را"‪T‬‬ ‫! )ط‪9‬ب ‪ 2‬ر ا " ‪:‬‬ ‫!‬ ‫ھذه ا طر ! ا ر‬
‫وب ‪ 9 ( SOFTWARE‬و(د أي " رر ‪)+‬م‬ ‫; ! ا " طورة ) را"‪ T‬ا‬ ‫ا<‬
‫! ھذا ا ل‪.‬‬ ‫ھذه ا طرق ا ر‬
‫وھ رز " ‪ ! H‬ھ "! وھ ا‪ :‬ر "‪ +‬د ! ا دار ا ‪:9‬ط ا " ! "ن ن‬
‫! ‪A‬ر‬ ‫"("و ! ا " ذج ا ! ا ذ ر وھذه ‪ 5 ! .‬ل د ر ‪ :‬و‬
‫دم و )! " دة ‪!)#‬‬ ‫ن وھو " ط)ق ) ‪ ، PEST FIT D‬ذا ‪Q‬‬ ‫ا"‪:‬‬
‫‪ :‬ر ا "وذج ا " ب وھ ا ! ‪:‬‬
‫; ن ا‪ 7‬ن ھ" ‪:‬‬ ‫ن أو "ؤ‪5‬ر ن إ‬ ‫د "‬

‫• "ل ا د د ‪R2‬‬
‫‪ 9‬دار ‪STADARD ERROR‬‬ ‫• ا ‪:‬ط‪ H‬ا‬
 ‫; ن ا "ذ ور ن ‪ :‬ر‬ ‫و " ن ) ث أن ‪" +‬د )‪ 9 C‬ا "ؤ‪5‬ر ن ا<‬
‫" د )‪ C‬أ دھ" إذا ن ا‪:M‬ر‬ ‫ا "وذج ا " ب ‪،‬إذا أ" ن ذ ك ‪ ،‬و ن " ن ا‬
‫" و ر أو ‪ 2‬ر ف أ ‪.‬‬
‫! إ ‪ C‬ا "ؤ‪5‬ر ا?ول "ل ا د د ‪# R2‬و رة ن ا ! ا ";و ! )‪" +‬ل‬
‫ا "ؤ‪7‬ر ا ذي أ" ن ‪" D 5‬ن ‪9:‬ل ا "وذج ا " رح و " ن ا ول أن ‪ D " .‬راوح‬
‫"‬ ‫ن ‪ 100% -0%‬و )" ت أ ر )" ن ا "وذج ا " رح أ ‪7‬ر‬
‫; ! ‪. DATA‬‬ ‫ا ت ا<‬

‫‪ 9‬دار " ن ا ول أن ‪ D " .‬س ‪#‬‬ ‫! إ ‪ C‬ا "ؤ‪5‬ر ا ‪ 7‬ا ‪:‬ط‪ H‬ا‬ ‫أ"‬
‫" ا ت‬ ‫ن ا "وذج ا " رح أ ‪7‬ر‬ ‫"( " دودا و )" ت أ ‪A‬ر )"‬
‫ن "وذ( ن أو أ ‪7‬ر " ن ا ‪:‬دام ‪9‬‬ ‫; ! ‪ . DATA‬ذا د ا " ر !‬ ‫ا<‬
‫س ‪ :‬ر ا "وذج ا " ب أو ا? ‪7‬ر‬ ‫; ن أو أ دھ" ‪H‬‬ ‫ا "ؤ‪5‬ر ن ا<‬
‫‪.‬‬
‫ا ذي‬ ‫"‪7‬ـــ ل ) ( ‪ + :‬ن ‪ H‬د ا?"‪ !)7‬ا ! و ن ا "‪ 7‬ل ا‬
‫!‬ ‫وم درا ! ا ‪ " !.9+‬ن " ! ا " د ا " ف ‪/Z‬ھ و‬
‫‪:‬‬ ‫ل )‪ C‬ا ‪ 5‬ل ا‬ ‫ا< ج ? د ا "‬

‫ا "د‬ ‫ا< ج‬

‫‪X2‬‬ ‫‪Y‬‬

‫‪10‬‬ ‫‪5‬‬

‫‪20‬‬ ‫‪13‬‬

‫‪30‬‬ ‫‪16‬‬

‫‪40‬‬ ‫‪7.73‬‬

‫‪50‬‬ ‫‪5.51‬‬

‫‪60‬‬ ‫‪10‬‬
‫دار ھو ا ‪ H‬د‬ ‫‪ 6-1-4‬ا‪ :‬ر "‪ +‬و ! ا دار ‪:‬ان ا " ود "ن ا‪ :‬ر "‪ +‬و ! ا‬
‫ا‪ :‬ر‬ ‫; "ن أن ؛ و ‪ +‬ر آ‪:‬ر ان ا‪ :‬ر "‪ +‬و ! ا دار ھو ر‬ ‫إ‬
‫‪:‬‬ ‫ا ‪ !.9+‬ا‬
‫‪bi ≠ 0‬‬

‫و ق ذ ك ‪ D‬و(ب ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬وھو أ د ا‪ :‬رات‬

‫ا "‪ +‬و ! ا "‪+‬رو ! وذ ك ب ا ‪ !.9+‬ا ! ‪:‬‬
‫‪t = b / sb‬‬

‫دار‬ ‫"ل ا‬ ‫ث أن ‪b :‬‬

‫‪ 9‬دار‬ ‫‪ sib‬ا ‪:‬ط‪ H‬ا‬

‫‪ +‬ن "‪ 7‬ل ا ق و ‪ ! P‬ا‪ :‬ر "‪ +‬و ! ا دار "ن‬ ‫"‪7‬ــــ ل ) ( ‪:‬‬
‫‪:‬دام ا‪ :‬ر ت ) ‪) " ( t-test‬‬ ‫‪9:‬ل إ(راء ا‪ :‬ر "‪ +‬و ! "ل ا دار‬
‫‪:‬‬
‫ا "د‬ ‫ا< ج‬
‫‪X‬‬ ‫‪Y‬‬

‫‪1‬‬ ‫‪5‬‬

‫‪2‬‬ ‫‪13‬‬

‫‪3‬‬ ‫‪16‬‬

‫‪4‬‬ ‫‪23‬‬

‫‪5‬‬ ‫‪33‬‬

‫‪6‬‬ ‫‪38‬‬

‫‪7‬‬ ‫‪40‬‬
 ‫ا (دول أ ‪9‬ه‬ ‫! ا "ذ ورة‬ ‫تا‬ ‫ط ق ا‪ :‬ر ت ) ‪ C) ( t-test‬ا‬

‫" ) ‪:‬‬

‫‪Coefficient‬‬
‫دار‬ ‫"ؤ‪5‬رات ا‬ ‫‪s‬‬ ‫‪Standard Error‬‬ ‫‪t Stat‬‬ ‫‪P-value‬‬

‫‪0.76738‬‬
‫ا ‪ 7‬ت ‪Intercept a‬‬ ‫‪-0.57143‬‬ ‫‪1.829464 -0.31235‬‬ ‫‪3‬‬

‫‪15.0162‬‬
‫دار‬ ‫"ل ا‬ ‫‪b‬‬ ‫‪6.142857‬‬ ‫‪0.409081‬‬ ‫‪5 2.37E-05‬‬

‫"ن ا (دول ا?‪ :‬ر ا وارد أ ‪9‬ه ‪ 9‬ظ ان ‪ !" .‬ا "ؤ‪5‬ر ‪ PARAMETER‬ا (!‬
‫! ‪" +‬ل ا دار ‪ b‬ھ " ) ‪:‬‬ ‫ن ا ‪:‬دام ا‪ :‬ر ت ) ‪( t-test‬‬

‫‪T-STAT = 15.01625‬‬

‫‪P-value = 2.37E-05‬‬

‫ون ا دار ا ‪" +‬ل ا " ل )‪( X‬‬ ‫‪" T‬ن ذ ك أن ا دار "‪ +‬وي و‬
‫ج‬ ‫ا دة ا ! ن‬ ‫ث‬ ‫;‬ ‫)‪ +" ( Y‬وي "ؤ د إ‬ ‫)‪ C‬ا ‪" +‬ل ا‬
‫‪ 9‬ج " إذا ن ا دار "‪ +‬وي أم " ) ‪:‬‬
‫إذا ت ا "! ا " ! ـ ‪ P-value‬ا ر أو وي ‪ 0.05‬ول أن ا دار‬
‫)‪ 2( Y‬ر‬ ‫ون ا دار ا ‪" +‬ل ا " ل )‪ C) ( X‬ا ‪" +‬ل ا‬ ‫‪ 2‬ر "‪ +‬وي و‬
‫; أ" إذا ت ا "! ا " ! ـ ‪ P-value‬أ ‪A‬ر‬ ‫"‪ +‬وي و‪ 2‬ر "ؤ د إ‬
‫ون ا دار ا ‪" +‬ل ا " ل )‪( X‬‬ ‫"ن ‪ 0.05‬ول أن ا دار "‪ +‬وي و‬
‫; و ‪ T‬ن ا د !‪.‬‬ ‫)‪ +" ( Y‬وي "ؤ د إ‬ ‫)‪ C‬ا ‪" +‬ل ا‬

‫" إذا ن‬ ‫ج‬ ‫د ا (! ‪9‬‬ ‫◄ "ن ا (د ر ذ ر أ ‪ D‬و(د طر ! أ‪:‬رى‬

‫" ) ‪:‬‬ ‫ا دار "‪ +‬وي أم‬
‫"‪ C‬أ ‪ ،‬ا ر "ن ‪!" .‬‬ ‫; ! ‪، T-STAT‬ا " و ! "‬ ‫إذا ت ا "! ا<‬
‫ون‬ ‫دار "‪ +‬وي و‬ ‫‪ ، T-TABLE‬ا (دو ! " "‪ C‬أ ‪ ،‬ول أن ا‬
 ‫; أ" إذا‬ ‫)‪ +" ( Y‬وي "ؤ د إ‬ ‫ا دار ا ‪" +‬ل ا " ل )‪ C) ( X‬ا ‪" +‬ل ا‬
‫; ! ‪ T-‬أ ‪A‬ر أو وي ‪ T-TABLE !" .‬ول أن ا دار‬ ‫ت ا "! ا<‬
‫)‪( Y‬‬ ‫ون ا دار ا ‪" +‬ل ا " ل )‪ C) ( X‬ا ‪" +‬ل ا‬ ‫‪ 2‬ر "‪ +‬وي و‬
‫; و ‪ T‬ن ا د !‪.‬‬ ‫"‪ +‬وي ‪ 2‬ر "ؤ د إ‬
‫و " ن )ط ب أو ا رئ "را(‪ !+‬ا ب ا ‪– )"+‬ا درس ا ‪ )"+‬ا را – `ط‪9‬ع‬
‫)‪ ! C‬إ(راء أو ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬و ‪ ! P‬ا‪ :‬ر "‪ +‬و !‬
‫ل وا?"‪ !)7‬ا " !‪.‬‬ ‫ا دار و ر ا ;‪ T‬ث و ر ا "ز د "ن ا‬

‫) ل ا ر ط ‪: CORRELATION ANALYSIS‬‬ ‫‪- 2-4‬‬

‫‪+‬رف ) ل ا ر ط ‪D H CORRELATION ANALYSIS‬‬ ‫‪+ 1-2-4‬ر ف ‪:‬‬

‫‪:‬دم ‪ 5‬ل م درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات‬ ‫; ! ا ‪ !" #‬ا‬ ‫ل ا<‬ ‫أ دا‬
‫ل ا ! اذ ر )ل‬ ‫‪7" ) relationship between variables‬ل ا‬
‫ا دار ‪ REGRESSION ANALYSIS‬و ) ل ا ن ‪VARIANCE ANALYSIS‬‬
‫ن ‪9‬ز" " ‪.‬‬ ‫( وھو ‪9‬زم‬
‫ت‬ ‫ا‬ ‫) ل ا ر ط ‪CORRELATION ANALYSIS‬‬ ‫‪:‬دم‬ ‫‪- 2-2-4‬‬
‫ا !‪:‬‬

‫د" ون ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر( "ن وع " ‪.‬‬ ‫•‬
‫‪Random‬‬ ‫د" ون ا ‪" +‬ل ا "ؤ‪7‬ر "ن ا وع " ‪ A‬ر ا "‬ ‫•‬
‫‪.variable‬‬
‫د" ون ا ‪ 7H‬ر "ن (‪ #‬ن ا‪ 7‬ن أي أن ا ‪" +‬ل ا "ؤ‪7‬ر )ا " ‪ A‬ر(‬ ‫•‬
‫‪، P‬أي‬ ‫ؤ‪7‬ر )‪ C‬ا ! ا "‪ :‬رة )ظ ھرة ا "درو ! وا ‪ +‬س‬
‫و(د " "‪ 7H C‬ر " دل ‪ " INTERACTION‬ن ا ‪" +‬ل ا "ؤ‪7‬ر‬
‫)ا " ‪ A‬ر ( و ا ! ا "‪ :‬رة )ظ ھرة ا "درو !‪.‬‬
‫!‬ ‫د" ون ا ‪" +‬ل ا "ؤ‪7‬ر و ا ‪" +‬ل ا " ‪7H‬ر )ا ( ‪9‬ھ"‬ ‫•‬
‫"درو ! ‪،‬أي د" درس ا ‪ !.9+‬ن ا " ‪ A‬رات ا " !‬
‫ت‬ ‫أ‪)2‬ب ا? ن‬ ‫‪ Random variables‬وا ھ‬
‫"درو ! ‪.‬‬
‫د" ر‪2‬ب "‪+‬ر ! ‪.‬وة ا ‪ " !.9+‬ن ا ‪" +‬ل ا "ؤ‪7‬ر و ا ‪" +‬ل‬ ‫•‬
‫ب "ل ا ر ط‬ ‫ت ا "درو !(‪ ،‬وذ ك "ن ‪9:‬ل‬ ‫ا " ‪7H‬ر )ا‬
‫" رى ‪+‬د ‪ ).‬ل‪.‬‬
 ‫• د" ر‪2‬ب "‪+‬ر ! ! ا ‪ 7H‬ر ا " دل ‪INTERACTION‬‬
‫" ن ا ‪" +‬ل ا "ؤ‪7‬ر )ا " ‪ A‬ر ( و ا ! ا "‪ :‬رة )ظ ھرة‬
‫ب "ل ا د د " رى ‪+‬د ‪ ).‬ل‪.‬‬ ‫ا "درو ! وذ ك "ن ‪9:‬ل‬
‫ن‬ ‫إذن ان ) ل ا ر ط ‪ CORRELATION ANALYSIS‬ھو ‪9‬زم‬
‫ن ث إذا طرأ أي‬ ‫‪9‬ز" أي ار ط " ن ") ن ا " ن أو‬
‫ن ؤدي " ل إ ‪ A C‬ر‬ ‫ن )‪ C‬إ دى ا‬ ‫‪ A‬ر ز دة أو ا‬
‫ن ) ! ا?‪:‬رى‪.‬‬ ‫ز دة أو ا‬
‫‪: ) "T‬‬ ‫ء )‪ C‬ذ ك " ن أن‬
‫! ا?‪:‬رى‬ ‫ا‬ ‫ن إ ‪ C‬ز دة‬ ‫‪ .1‬إذا أدت ا ز دة إ دى ا‬
‫ول أن ا ر ط ا (‬
‫! ا?‪:‬رى‬ ‫ا‬ ‫ن إ‪ C‬ص‬ ‫‪ .2‬إذا أدت ا ز دة إ دى ا‬
‫ول أن ا ر ط ) ‪.‬‬

‫ان (! ) ل ا ر ط ‪ CORRELATION ANALYSIS‬ھ ‪ !" .‬و دة‬

‫تا !‪:‬‬ ‫"ل ا ر ط و ر"ز ‪ D‬ـ )‪ ( r‬وھ " ز ا‬ ‫"‪ !"#‬ا وھ‬

‫"ل ا ر ط )‪ 1 = ( r‬ول ان ا ر ط "ل‬ ‫ان ‪!" .‬‬ ‫•‬

‫وا (‬
‫ان ‪" !" .‬ل ا ر ط )‪ -1 = ( r‬ول ان ا ر ط "ل‬ ‫•‬
‫و )‬
‫"‪+‬دوم‬ ‫•‬
‫ان ‪" !" .‬ل ا ر ط ‪ 1 > ( r) >-1‬و س ا و‪.‬ت ‪!" .‬‬ ‫•‬
‫"ل ا ر ط )‪ 0 <> (r‬ول ان ا ر ط ب ‪D " .‬‬
‫" ) ‪:‬‬
‫‪ .1‬إذا ت ‪" !" .‬ل ا ر ط )‪ ( r‬ن ا " ن ‪0‬‬
‫و ‪ 0.25‬ول ان ا ر ط ‪ +‬ف )"و(ب أو ب‬
‫ب إ‪ 5‬ر ‪(D‬‬
‫‪ .2‬إذا ت ‪" !" .‬ل ا ر ط )‪ ( r‬ن ا " ن‬
‫‪0.5‬و ‪ 0.25‬ول ان ا ر ط " و ط )"و(ب أو‬
‫ب ب إ‪ 5‬ر ‪(D‬‬
‫‪ .3‬إذا ت ‪" !" .‬ل ا ر ط )‪ ( r‬ن ا " ن‬
‫‪0.5‬و ‪ 0.75‬ول ان ا ر ط ‪.‬وي )"و(ب أو‬
‫ب ب إ‪ 5‬ر ‪(D‬‬
‫‪ .4‬إذا ت ‪" !" .‬ل ا ر ط )‪ ( r‬ن ا " ن ‪ 1‬و‬
‫‪ 0.75‬ول ان ا ر ط ‪.‬وي (دا )"و(ب أو ب‬
‫ب إ‪ 5‬ر ‪(D‬‬
‫ت ا ! اذ ر‬ ‫( نا‬ ‫وا?‪ 5‬ل ا ! )‬
‫‪.‬‬ ‫‪5‬ل‬

‫ا ‪ AB= ( ) ACD‬ار ‪ G‬ط ‪E1F‬‬

‫‪6‬‬
‫‪4‬‬
‫‪X1‬‬
‫‪2‬‬
‫‪0‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪9‬‬
‫‪X‬‬

‫‪ E‬م‬ ‫ا ‪ AB= ( ) ACD‬ار ‪ G‬ط‬

‫‪10‬‬
‫‪8‬‬
‫‪6‬‬
‫‪X2‬‬
‫‪4‬‬
‫‪2‬‬
‫‪0‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫! و(د دة أ واع "ن ا ر ط ن‬ ‫‪ -3-2-4‬أ واع ا ر ط ‪ :‬ا‬

‫ا " ‪ A‬رات ا " ! ‪ Random variables‬و ا ! ا "‪ :‬رة )ظ ھرة‬
‫ول درا ! ا?‪ 5‬ل ا ط! " ‪ #‬وھ ا ! ‪:‬‬ ‫ا "درو !‪ ،‬ذا ‪Q‬‬
‫ط ‪: SIMPLE CORRELATION ANALYSIS‬‬ ‫‪ .1‬ا ر ط ا‬
‫; ) ت‬ ‫وھو أ ط أ‪ 5‬ل ا ر ط ا " ‪:‬د"! ا ) ل ا<‬
‫"ل ا ر ط‬ ‫ب‬ ‫; ! ‪ . DATA‬ھذا ا ‪ 5‬ل ا " ط م‬ ‫ا<‬
‫‪:‬دام إ" ا ‪ !.9+‬ا !‪:‬‬ ‫)‪( r‬‬
‫‪n‬‬ ‫‪−‬‬ ‫‪−‬‬ ‫‪n‬‬ ‫‪−‬‬ ‫‪n‬‬ ‫‪−‬‬
‫‪r = ∑ ( xi − x ) * ( y i − y ) /‬‬ ‫‪∑ ( xi − x ) 2 * ∑ ( y i − y ) 2‬‬
‫‪1‬‬ ‫‪i‬‬ ‫‪i‬‬

‫ا م‪:‬‬ ‫دة طر ! ر‬ ‫"‪C‬‬ ‫!ا‬ ‫‪:‬دام ا ‪ !.9+‬ا‬ ‫أو‬

‫‪r = ( ∑ x i * y i − ∑ xi * ∑ y i / n ) /‬‬ ‫‪[∑ x‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪] [∑ y‬‬
‫* ‪− ( ∑ xi ) 2 / n‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪− ( ∑ yi ) 2 / n‬‬ ‫]‬
‫ث أن ‪:‬‬
‫"ل ا ر ط‬ ‫‪r‬‬

‫ر ا‪! +‬‬ ‫دد‬ ‫‪n‬‬

‫! ا و‪C‬‬ ‫! أو ا (ر ! )‪" +‬ل ا?ول أو ا‬ ‫‪ yi‬ا م ا‬

‫! ا‪! 7‬‬ ‫أو ا‬ ‫! أو ا (ر ! )‪" +‬ل ا ‪7‬‬ ‫‪ xi‬ا م ا‬

‫! ا و‪C‬‬ ‫)‪" +‬ل ا?ول أو ا‬ ‫‪ x-‬ا " و ط ا‬

‫! ا‪! 7‬‬ ‫أو ا‬ ‫)‪" +‬ل ا ‪7‬‬ ‫‪ y-‬ا " و ط ا‬

‫"‪7‬ــ ل ) ( ‪ :‬د درا ! ا ‪ " !.9+‬ن ! دد ا وب ا )! ا وا دة‬

‫ا< ج ن د " ) ‪:‬‬ ‫ل وھو ا "‪P‬‬ ‫و ! ا< ج ? د ا "‬

‫دد‬
‫)!‬ ‫ا وب‪/‬ا‬ ‫ا< ج‬
 X Y

9 5

7 13

5 16

3 23

1 33

:! ‫ ا‬T; ‫ ا‬C) ) DATA ! ; <‫ت ا‬ ) ; <‫م أ(ري ا ) ل ا‬7

‫ا ؤ'رات‬:‫ ط‬+ ‫ل ا ر‬
Correlation Statistics

‫"ل ا ر ط‬
r 0.986063603

R Square 0.972321429

Adjusted R
Square 0.963095238

Standard Error 2.033060091

Observations 5

:‫ه (د أن‬9 ‫دو "ن ا (دول ا "ذ ور أ‬ "‫و‬

0.986063603 = r ‫"ل ا ر ط‬
‫! ا ذ ر‪.‬‬ ‫رات ا‬ ‫با‬ ‫‪.‬وي (دا‬ ‫‪ T‬أن ا ر ط ا (‬ ‫وھ " ن ان‬

‫‪ .2‬ار ط ا ر ب ‪: :‬دم ار ط ا ر ب درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات‬

‫ا " ! ‪ Random variables‬د" ون ت ھذه ا ‪+‬وا"ل‬
‫ب‬ ‫ر ب "‪ . ! +‬ھذا ا ‪ 5‬ل م‬ ‫"ر ! أو " ن ر ‪#‬‬
‫‪:‬دام ا ‪ !.9+‬ا !‪:‬‬ ‫"ل ا ر ط )‪( r‬‬
‫)‪r = 6 * ∑ ( xi − yi ) 2 / n( n 2 − 1‬‬

‫ث أن ‪:‬‬
‫! ا و‪C‬‬ ‫‪ yi‬ر ب ا ‪" +‬ل ا?ول أو ا‬

‫! ا‪! 7‬‬ ‫أو ا‬ ‫‪ xi‬ر ب ا ‪" +‬ل ا ‪7‬‬

‫د‪:‬‬ ‫ء وا ‪.‬‬ ‫ا<‬ ‫!‬ ‫! ط‪9‬ب د ‪#‬م ا در( ت ا‬ ‫"‪7‬ـــ ل) ( ‪ :‬د‬

‫ء اط ب‬ ‫ا‬ ‫د‬ ‫ا ‪4‬‬

‫‪1‬‬ ‫‪52‬‬ ‫‪46‬‬

‫‪2‬‬ ‫‪34‬‬ ‫‪57‬‬

‫‪3‬‬ ‫‪64‬‬ ‫‪53‬‬

‫‪4‬‬ ‫‪57‬‬ ‫‪26‬‬

‫‪5‬‬ ‫‪57‬‬ ‫‪43‬‬

‫‪6‬‬ ‫‪36‬‬ ‫‪56‬‬

‫ا ـــل‪:‬‬

‫‪:‬‬ ‫ل )‪ C‬ا (دول ا‬ ‫د‬ ‫ت‬ ‫وم رز ا‬ ‫•‬

 ‫رب‬ ‫رب‬
‫ء‬ ‫ء ا‬ ‫ا‬ ‫ا ‪+‬ر ‪%1‬‬ ‫د‬ ‫ا ‪4‬‬
‫‪6‬‬ ‫‪34‬‬ ‫‪6‬‬ ‫‪26‬‬

‫‪5‬‬ ‫‪36‬‬ ‫‪5‬‬ ‫‪43‬‬

‫‪4‬‬ ‫‪52‬‬ ‫‪4‬‬ ‫‪46‬‬

‫‪2.5‬‬ ‫‪57‬‬ ‫‪3‬‬ ‫‪53‬‬

‫‪2.5‬‬ ‫‪57‬‬ ‫‪2‬‬ ‫‪56‬‬

‫‪1‬‬ ‫‪64‬‬ ‫‪1‬‬ ‫‪57‬‬

‫ء ‪ 9‬ظ أ ‪ # #‬أ )‪ !" . C‬ذ ك أ ط ت ا "ر ! ا و ‪ C‬أ"‬ ‫! " دة ا<‬ ‫◄‬

‫ا و ط ن ا ر ن أي‬ ‫ر ‪#‬‬ ‫ا در(! ‪ " # 57‬ررة "ر ن ذ ك‬
‫! ! ا در( ت ‪.‬‬ ‫‪ (2+3)/2 = 2.5‬وھ ذا "ل ا ر ب‬

‫!ا ت " ) ‪:‬‬ ‫• ا‪M‬ن ‪ +‬د‬

‫رب‬ ‫رب‬
‫اط ب‬ ‫ء‬ ‫ء ا‬ ‫د ا ‪ 4‬د ا‬ ‫ا ‪4‬‬
‫‪1‬‬ ‫‪6‬‬ ‫‪52‬‬ ‫‪6‬‬ ‫‪46‬‬

‫‪2‬‬ ‫‪5‬‬ ‫‪34‬‬ ‫‪5‬‬ ‫‪57‬‬

‫‪3‬‬ ‫‪4‬‬ ‫‪64‬‬ ‫‪4‬‬ ‫‪53‬‬

‫‪4‬‬ ‫‪2.5‬‬ ‫‪57‬‬ ‫‪3‬‬ ‫‪26‬‬

‫‪5‬‬ ‫‪2.5‬‬ ‫‪57‬‬ ‫‪2‬‬ ‫‪43‬‬

‫‪6‬‬ ‫‪1‬‬ ‫‪36‬‬ ‫‪1‬‬ ‫‪56‬‬

‫ل )‪ C‬ا‬ ‫"ل ا ر ط )‪( r‬‬ ‫ب‬ ‫! اذ ر‬ ‫• ط ق ا ‪ !.9+‬ا‬

‫‪:‬‬
‫)‪r = 1- 6* Σ ( xi – yi ) / n(n2 -1‬‬
 ‫)‪= 1 – 6*(56.5) / 6*(36 – 1‬‬

‫)‪= 1 – ( 56.5 / 35‬‬

‫‪= 1- 1.61‬‬

‫‪= - 0.61‬‬

‫‪ 9‬ظ "ن ا (! ا ! أن "ل ا ر ط ‪ r = -0.61‬وھذا ‪ +‬أن‬

‫ء‬ ‫ا ر ط ) و ن ‪.‬وي ‪ + .‬ر آ‪:‬ر ان ر ب ا ط ب " دة ا<‬
‫"‪ +‬س ر ‪ " D‬دة ا ‪ .‬د ‪،‬ھذا ود ) ول أ ‪ D‬إذا ت ‪ !"9‬ا ط ب‬
‫ء "ر ‪ !+‬ن ‪ D "9‬ون " دة ا ‪ .‬د " ‪ ! :‬وا ‪ +‬س‬ ‫" دة ا<‬
‫‪.P‬‬
‫ء‬ ‫◄ (در ا و ‪ D‬ھ إ ‪ C‬أ ‪ " D‬ن )ط ب أو ا رئ ا ‪+‬ودة إ ‪ C‬ب ا<‬
‫و " م ا ( رب – ا م ا ‪" )"+‬ز د "ن ا "‪)+‬و" ت ن طر ! ا ل و"ز د "ن‬
‫ا?"‪ !)7‬ا " ! أ ‪.‬‬

‫‪ .3‬ا ر ط ا (ز; ‪: :‬دم ا ر ط ا (ز; درا ! ا ‪ !.9+‬ن‬

‫ا " ‪ A‬رات ا " ! ‪ Random variables‬د" و(د دة‬
‫ن " دد ن‬ ‫ب ا ر ط ن " ‪ A‬ر ن أو‬ ‫" ‪ A‬رات و ر‪2‬ب‬
‫دة‬ ‫)" أن ا ر ط " ! ا " ‪ A‬رات "‪)+‬و"! ‪Q .‬ذا ن د‬
‫ب ا ر ط ن " ‪ A‬ر ن أو‬ ‫" ‪ A‬رات ‪ X1,X2,….Xn‬ور‪2‬‬
‫ن " دد ن ‪ ") X1 & X2‬أن ا ر ط " !‬
‫ا " ‪ A‬رات‪)+" X3,….Xn‬و"!؛ د;ذ " ا ر ط ا "ر‪2‬وب‬
‫‪:‬دم ا ‪!.9+‬‬ ‫ب ا ر ط ا (ز;‬ ‫"ا ر ط ا (ز; " ‪.‬و‬
‫ا ‪ !" +‬ا !‪:‬‬
‫) ‪r12,3 = r12 − r13 * r23 / (1 − r13 ) * (1 − r23‬‬
‫‪2‬‬ ‫‪2‬‬

‫ن " دد ن ‪X1‬‬ ‫ن " ‪ A‬ر ن أو‬ ‫ث أن ‪ r12,3 :‬ا ر ط ا (ز;‬

‫‪& X2‬‬

‫ن & ‪X1‬‬ ‫ن " ‪ A‬ر ن أو‬ ‫ط‬ ‫"ل ا ر ط ا‬ ‫‪r12‬‬

‫‪X2‬‬
‫ن & ‪X1‬‬ ‫ن " ‪ A‬ر ن أو‬ ‫ط‬ ‫"ل ا ر ط ا‬ ‫‪r13‬‬
‫‪X3‬‬

‫ن & ‪X2‬‬ ‫ن " ‪ A‬ر ن أو‬ ‫ط‬ ‫"ل ا ر ط ا‬ ‫‪r23‬‬

‫‪X3‬‬

‫ب‬ ‫‪ !.9‬ر(‪ ! +‬أي أ ‪D‬‬ ‫◄ (د ر ول ان ‪ !.9‬ا ر ط ا (ز;‬

‫ب وا"ل ا ر ط‬ ‫ا ر ط ا (ز; ‪ )" +‬ن آ‪:‬ر ن "‪)+‬و" ن )ز"‬
‫ا ط ا "ط)و ! ‪.‬‬
‫"‪ 7‬ل ) ( ‪ :‬دى درا ! ا ‪ " !.9+‬ن ! دد ا وب ا )! ا وا دة ‪ ،‬دد‬
‫ا< ج‬ ‫ل وھو ا "‪P‬‬ ‫ا ل ‪/‬ا ت ا وا د و ! ا< ج ? د ا "‬
‫ث د " ) ‪:‬‬
‫دد‬
‫ل‪/‬ا ت‬ ‫دد ا‬ ‫)!‬ ‫ا وب‪/‬ا‬ ‫ا< ج‬
‫‪X2‬‬ ‫‪X1‬‬ ‫‪X3‬‬

‫‪3‬‬ ‫‪9‬‬ ‫‪5‬‬

‫‪2‬‬ ‫‪7‬‬ ‫‪13‬‬

‫‪6‬‬ ‫‪5‬‬ ‫‪16‬‬

‫‪5‬‬ ‫‪3‬‬ ‫‪23‬‬

‫‪4‬‬ ‫‪1‬‬ ‫‪33‬‬

‫ب وا"ل ا ر ط ا (ز; !‬ ‫• ط ق ا ‪ !.9+‬ا ! ا ذ ر‬

‫‪:‬‬ ‫ل )‪ C‬ا‬ ‫)‪( r12,3,r13,2,r23,1‬‬
 ‫‪X2‬‬ ‫‪X1‬‬ ‫‪X3‬‬

‫‪X2‬‬ ‫‪1‬‬

‫‪X1‬‬ ‫‪-0.5‬‬ ‫‪1‬‬

‫‪-‬‬
‫‪X3‬‬ ‫‪0.358568583 0.986063603‬‬ ‫‪1‬‬

‫ق أ ‪9‬ه (د أن ‪:‬‬ ‫"ن ا (دول ا‬

‫ن ا " ‪ A‬ر ن ‪X1 & X2‬‬ ‫= ‪ r12,3‬ا ر ط ا (ز;‬ ‫‪-0.5‬‬

‫ن ا " ‪ A‬ر ن ‪X1 & X3‬‬ ‫‪ r13,2 =-0.986063603‬ا ر ط ا (ز;‬

‫ن ا " ‪ A‬ر ن ‪X3 & X2‬‬ ‫‪ r12,3 = 0.358568583‬ا ر ط ا (ز;‬

‫ان ا ر ط ا (ز; )و ا ر ط ا ط( ن أي‬ ‫◄ (د ر ول ھ أ‬

‫ا (دول ا ق أ ‪9‬ه‪.‬‬ ‫" ‪ A‬ر و ‪ D‬وي ا وا د " ھو وارد‬
‫‪ .4‬ا ر ط ا " ‪+‬دد ‪ :‬ا ر ط ا " ‪+‬دد ‪: :‬دم ا ر ط ا " ‪+‬دد‬
‫درا ! ا ‪ !.9+‬ن ا " ‪ A‬رات ا " ! ‪Random variables‬‬
‫ب ا ر ط ن " ‪ A‬ر أو‬ ‫د" و(د دة " ‪ A‬رات و ر‪2‬ب‬
‫! " ددة ‪ A " ! " X1‬رات ‪Q . X2,X3,….Xn‬ذا ن د‬
‫ب ا ر ط ن " ‪ A‬ر أو‬ ‫دة " ‪ A‬رات ‪ X1,X2,….Xn‬ور‪2‬‬
‫! " ددة ‪ ! " X1‬ا " ‪ A‬رات ‪ X3,….Xn‬؛ د;ذ "‬
‫ب ا ر ط ا " ‪+‬دد‬ ‫ا ر ط ا "ر‪2‬وب "ا ر ط ا " ‪+‬دد" ‪.‬و‬
‫‪:‬دم ا ‪ !.9+‬ا ‪ !" +‬ا !‪:‬‬

‫‪r1, 23 = r12 + r13 − 2 * r12 * r13 * r23 / 1 − r 2 23‬‬

‫‪2‬‬ ‫‪2‬‬

‫"‪7‬ــ ل ) ( ‪ + :‬ن "‪ 7‬ل ا ق وھو درا ! ا ‪ " !.9+‬ن ! دد ا وب‬

‫ل وھو‬ ‫ا )! ا وا دة ‪ ،‬دد ا ل ‪/‬ا ت ا وا د و ! ا< ج ? د ا "‬
‫ا< ج ث د " ) ‪:‬‬ ‫ا "‪P‬‬
 ‫دد‬
‫ا ت‬/‫ل‬ ‫دد ا‬ !) ‫ا‬/‫ا وب‬ ‫ا< ج‬
X2 X1 X3

3 9 5

2 7 13

6 5 16

5 3 23

4 1 33

C) ‫ل‬ ( r1,23) ‫دد‬+ " ‫"ل ا ر ط ا‬ ‫ب‬ ‫! اذ ر‬ ‫! ا‬.9+ ‫ط ق ا‬

: ‫ا (دول ا‬ ‫ ا واردة‬T; ‫ا‬

Correlation Statistics

Multiple R ‫دد‬+ " ‫"ل ا ر ط ا‬ 0.998213

R Square 0.996429

Adjusted R Square 0.992857

Standard Error 0.894427

Observations 5
 ‫ق أ ‪9‬ه (د أن ‪:‬‬ ‫دو "ن ا (دول ا‬ ‫"‬
‫‪ r1,23 = 0.998213‬ا ر ط ا " ‪+‬دد ن ا " ‪ A‬ر ‪ X1‬وا " ‪ A‬ر ن ‪X2،X3‬‬
‫‪.‬وي (دا‪.‬‬ ‫وھذا دل )‪ C‬و(ود ا دار " ‪+‬دد ا (‬
‫; ! ا ‪!" #‬‬ ‫‪" .5‬ل ا د د ‪ + :‬ر "ل ا د د أ د ا "ؤ‪5‬رات ا<‬
‫(دا ث دم ا ! ا ";و ! ‪ 7H‬ر أ د ا ‪+‬وا"ل )" ‪ A‬ر أو !(‬
‫أو دة وا"ل )‪" C‬ل وا د د و(ود ار ط " ‪+‬دد‪.‬و "ل‬
‫"ل ا ر ط أي أن ‪:‬‬ ‫رة ن "ر‬ ‫ا د د ھو ر‬
‫‪2‬‬
‫‪B= r‬‬

‫"ل ا د د‬ ‫‪B‬‬ ‫ث أن ‪:‬‬

‫"ل ا ر ط‬ ‫‪r‬‬

‫"‪ 7‬ل ا ق وھو درا ! ا ‪ " !.9+‬ن !‬ ‫"‪7‬ــ ل ) ( ‪ + :‬ن أ‬

‫دد ا وب ا )! ا وا دة ‪ ،‬دد ا ل ‪/‬ا ت ا وا د و ! ا< ج‬
‫;!‬ ‫ا< ج و ‪+‬د ) ل ا ت ا<‬ ‫ل وھو ا "‪P‬‬ ‫? د ا"‬
‫) )‪ C‬ا ;‪ T‬ا !‪:‬‬

‫‪Correlation Statistics‬‬

‫‪Multiple R‬‬ ‫"ل ا ر ط " ‪+‬دد‬ ‫‪0.998213‬‬

‫‪R Square‬‬ ‫"ل ا د د‬ ‫‪0.996429‬‬

‫‪Standard Error‬‬ ‫‪0.894427‬‬

‫‪Observations‬‬ ‫‪5‬‬

‫" دو "ن ا (دول ا ق أ ‪9‬ه (د أن "ل ا د د ‪ B = 99.64%‬وھذا‬

‫‪ +‬أن ‪" 9‬ن "ل دد ا وب‪/‬ا )! و دد ا ل‪/‬ا ت ؤ‪7‬ران )‪C‬‬
‫! ا ‪ ! .‬وھ ‪" 0.36 %‬ن ا ‪ 7H‬ر ‪+‬ود إ ‪C‬‬ ‫! ‪ 99.64%‬أ" ا‬ ‫ا< ج‬
‫وا"ل أ‪:‬رى ‪ 2‬ر "‪+‬رو !‪.‬‬
 ‫"ل ا ر ط ‪:‬‬ ‫‪ -4-4-4‬ا‪ :‬ر "‪ +‬و !‬

‫ا‪ :‬ر "‪ +‬و ! ا ر ط ‪:‬ان ا " ود "ن ا‪ :‬ر "‪ +‬و ! ا ر ط ھو ا ‪ H‬د‬
‫ا‪ :‬ر‬ ‫; "ن أن ؛ و ‪ +‬ر آ‪:‬ر ان ا‪ :‬ر "‪ +‬و ! ا ر ط ھو ر‬ ‫إ‬
‫‪:‬‬ ‫ا ‪ !.9+‬ا‬
‫‪ri ≠ 0‬‬

‫و ق ذ ك ‪ D‬و(ب ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬وھو أ د ا‪ :‬رات‬

‫ا "‪ +‬و ! ا "‪+‬رو ! وذ ك ب ا ‪ !.9+‬ا ! ‪:‬‬

‫) ‪t = r * n − k /(1 − r 2‬‬

‫ا ‪ :‬ر‬ ‫دد ا ‪+‬وا"ل ا دا‪!):‬‬ ‫‪k‬‬ ‫ث أن ‪:‬‬

‫"ل ا ر ط‬ ‫‪r‬‬

‫ا ‪ :‬ر‬ ‫دد ا "‪ 5‬ھدات‬ ‫‪n‬‬

‫!‬ ‫"‪ 7‬ل ا ق وھو درا ! ا ‪ " !.9+‬ن‬ ‫"‪7‬ـــ ل ) ( ‪+ :‬ود و ‪ +‬ن أ‬
‫دد ا وب ا )! ا وا دة ‪ ،‬دد ا ل ‪/‬ا ت ا وا د و ! ا< ج ? د‬
‫) )‪C‬‬ ‫;!‬ ‫ا< ج و ‪+‬د ) ل ا ت ا<‬ ‫ل وھو ا "‪P‬‬ ‫ا"‬
‫ا ;‪ T‬ا !‪:‬‬

‫‪Correlation Statistics‬‬

‫‪Multiple R‬‬ ‫"ل ا ر ط ا " ‪+‬دد‬ ‫‪0.998213‬‬

‫‪R Square‬‬ ‫"ل ا د د‬ ‫‪0.996429‬‬

‫‪Standard Error‬‬ ‫‪0.894427‬‬

‫‪Observations‬‬ ‫‪5‬‬

‫!‪:‬‬ ‫ل )‪ C‬ا ;‪ T‬ا‬ ‫ق اذ ر‬ ‫ط ق ا‪ :‬ر ت ‪ t-test‬ا‬

‫‪t Stat‬‬ ‫‪P-value‬‬

‫‪Coefficients‬‬ ‫‪Standard‬‬
 ‫"ل ا ر ط‬ ‫‪Error‬‬

‫‪-‬‬
‫‪r2‬‬ ‫‪-1.2 0.326599 3.67423 0.066743‬‬

‫‪-‬‬
‫‪r1‬‬ ‫‪-3.6 0.163299 22.0454 0.002051‬‬

‫"ن ا (دول ا?‪ :‬ر ا وارد أ ‪9‬ه ‪ 9‬ظ ان ‪ !" .‬ا "ؤ‪5‬ر ‪ PARAMETER‬ا (!‬
‫! ‪" +‬ل ا ر ط ‪ r2‬ھ " ) ‪:‬‬ ‫ن ا ‪:‬دام ا‪ :‬ر ت ) ‪( t-test‬‬

‫= ‪T-STAT‬‬ ‫‪-22.0454‬‬

‫‪P-value = 0.066743‬‬

‫ون ار ط ا ‪" +‬ل )‪" ( X1‬‬ ‫‪" T‬ن ذ ك أن ا ر ط ‪ 2‬ر "‪ +‬وي و‬
‫ج‬ ‫ا دة ا ! ن‬ ‫ث‬ ‫;‬ ‫)‪ +" ( Y‬وي ‪ 2‬ر "ؤ د إ‬ ‫ا ‪" +‬ل ا‬
‫" ) ‪:‬‬ ‫‪ 9‬ج " إذا ن ا ر ط "‪ +‬وي أم‬
‫إذا ت ا "! ا " ! ـ ‪ P-value‬أ ‪A‬ر أو وي "ن ‪ 0.05‬ول أن‬
‫ون ار ط ا ‪" +‬ل ا " ل )‪ " ( X‬ا ‪" +‬ل )‪( Y‬‬ ‫ا ر ط "‪ +‬وي و‬
‫; أ" إذا ت ا "! ا " ! ـ ‪ P-value‬أ ر ‪0.05‬‬ ‫"‪ +‬وي "ؤ د إ‬
‫ون ار ط ا ‪" +‬ل ا " ل )‪" ( X‬‬ ‫ول أن ا ر ط ‪ 2‬ر "‪ +‬وي و‬
‫; و ‪ T‬ن ا د !‪.‬‬ ‫ا ‪" +‬ل )‪ 2 ( Y‬ر "‪ +‬وي ‪ 2‬ر "ؤ د إ‬

‫" إذا ن‬ ‫ج‬ ‫د ا (! ‪9‬‬ ‫◄ "ن ا (د ر ذ ر أ ‪ D‬و(د طر ! أ‪:‬رى‬

‫" ) ‪:‬‬ ‫ا ر ط "‪ +‬وي أم‬
‫; ! ‪، T-STAT‬ا " و ! " "‪ C‬أ ‪ ،‬ا ر "ن ‪!" .‬‬ ‫إذا ت ا "! ا<‬
‫‪ ، T-TABLE‬ا (دو ! " "‪ C‬أ ‪ ،‬د در(! ا ر ! ا " ! ول أن‬
‫ون ار ط ا ‪" +‬ل ا " ل )‪ C) ( X‬ا ‪" +‬ل )‪( Y‬‬ ‫ا ر ط "‪ +‬وي و‬
‫; ! ‪ T-‬أ ‪A‬ر أو وي ‪!" .‬‬ ‫; أ" إذا ت ا "! ا<‬ ‫"‪ +‬وي "ؤ د إ‬
‫ون ار ط ا ‪" +‬ل ا " ل )‪X‬‬ ‫‪ T-TABLE‬ول أن ا ر ط ‪ 2‬ر "‪ +‬وي و‬
‫; و ‪ T‬ن ا د !‪.‬‬ ‫( " ا ‪" +‬ل )‪ +" ( Y‬وي ‪ 2‬ر "ؤ د إ‬
‫و " ن )ط ب أو ا رئ "را(‪ !+‬ا ب ا ‪– )"+‬ا درس ا ‪ )"+‬ا را – `ط‪9‬ع‬
‫)‪ ! C‬إ(راء أو ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬و ‪ ! P‬ا‪ :‬ر "‪ +‬و !‬
‫ل وا?"‪ !)7‬ا " !‪.‬‬ ‫ا ر ط و ر ا ;‪ T‬ث و ر ا "ز د "ن ا‬
‫‪+‬ود و ذ ر ‪ " D‬ن )ط ب أو ا رئ "را(‪ !+‬ا ب ا ‪– )"+‬ا درس ا ‪)"+‬‬
‫ا را – `ط‪9‬ع )‪ ! C‬إ(راء أو ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬و ‪P‬‬
‫ل‬ ‫! ا‪ :‬ر "‪ +‬و ! ا ر ط و ر ا ;‪ T‬ث و ر ا "ز د "ن ا‬
‫وا?"‪ !)7‬ا " !‪.‬‬

‫‪-3-4‬ا ‪ 9‬ل ا ز" ! ‪: TIME SERIES‬‬

‫‪ " -1-3-4‬د"!‪" :‬ن ا "‪+‬روف ان ا ‪+‬د د "ن ا ظواھر ‪)+‬ق طورھ‬

‫ن درا ! طور "‪7‬ل ھذه ا ظواھر و"را‪ A ! .‬را ‪ #‬و ( ل‬ ‫ز"ن‪،‬و‬
‫‪:‬دام " "‪ C‬أ )وب ا ‪ 9‬ل ا ز" ! ‪. TIME SERIES‬‬ ‫ا "‪ 5‬ھدات ‪ #‬م‬
‫‪ H‬ف ا ‪ 9‬ل ا ز" ! دة "ن ت )‪ 5 C‬ل (دول "ؤ ف "ن "ود ن أو‬
‫"‪7‬ل ‪ .‬م ا ظ ھرة ا "درو !‪.‬‬ ‫طر ن أ دھ" "‪7‬ل ‪ .‬م ا ز"ن وا ‪7‬‬
‫درات إ دى‬ ‫‪"5‬ل طور‬ ‫!ا‬ ‫ت ا ) )! ا ز" ! ا‬ ‫"‪7‬ــ ل ) ( ‪ :‬د‬
‫ا "‪" +‬ل " درة ‪ b‬ف ا ) رات ا ور ! ‪:‬‬

‫درات ا ‪ +‬م‬ ‫ا‬

‫‪1990‬‬ ‫‪200‬‬

‫‪1991‬‬ ‫‪150‬‬

‫‪1992‬‬ ‫‪350‬‬

‫‪1993‬‬ ‫‪100‬‬

‫‪1994‬‬ ‫‪400‬‬
 ‫"ن ا (د ر و ‪ D‬إ ‪ C‬أ ‪ D‬و(د ‪+‬ض ا ‪5‬روط ا ‪ 9 ) !" +‬ل ا ز" ! ‪TIME‬‬
‫‪ SERIES‬ذ ر " ‪: ) " #‬‬

‫• و دة ا " ن ‪ :‬أي (ب ان (" ا ت ا ‪ !) ) ! :‬ا ز" ! "ن‬

‫‪A‬ر‬ ‫" ن وا د ‪،‬أي ‪ +‬ر آ‪:‬ر (ب أن ون "ل ا " ن ‪ 7‬ت‬
‫‪ A‬ر ا ز" ن‪.‬‬
‫• أي (ب ان (" ا ت ا ‪ !) ) ! :‬ا ز" ! ‪5‬رط أن ون و دة‬
‫‪ .‬س ا ز"ن وا دة و" و !‪ .‬ء )‪ C‬ھذا ن ا ‪ 9‬ل ا ز" ! " ن أن‬
‫م ب دور ! ا "‪ 5‬ھدات إ ‪ C‬ا? واع ا ! ‪:‬‬
‫;!‬ ‫‪ 9 .1‬ل ز" ! و ! ث ون ا "‪+‬ط ت أو ا ت ا<‬
‫‪ DATA‬و ! "‪7‬ل إ ج ا طن ا وي ‪.‬‬
‫;!‬ ‫‪ 9 .2‬ل ز" ! ) ! ث ون ا "‪+‬ط ت أو ا ت ا<‬
‫وي ‪.‬‬ ‫‪7" ! ) DATA‬ل إ ج ا "‪"+‬ل ا ر‬
‫;!‬ ‫‪ 9 .3‬ل ز" ! أ و ! ث ون ا "‪+‬ط ت أو ا ت ا<‬
‫‪#5 DATA‬ر ! "‪7‬ل إ ج ا "‪"+‬ل أ و ‪.‬‬
‫م ا ‪ 9‬ل ا ز" ! ‪ TIME SERIES‬ب ا ‪ !.9+‬ن‬ ‫" أ‪ " D‬ن‬
‫ا "‪ 5‬ھدات إ ‪ C‬ا? واع ا ! ‪:‬‬
‫‪ .1‬ا ‪ 9‬ل ا ز" ! ا " را ط! )‪ 2‬ر " )!( ‪ :‬ھذا ا وع "ن‬
‫ا ‪ 9‬ل ون ل ‪" !" .‬ن ‪ .‬م ا ) ! ا ز" ! "ر ط! " ا "!‬
‫‪. #‬أي ‪ +‬ر آ‪:‬ر ان ل ر‪.‬م "ن أر‪ .‬م ا ) ! ا ز" !‬ ‫ا‬
‫‪ T‬ن إ ! أو طرح " دار "‪ +‬ن "ن ا ر‪.‬م ا ق‪ 7" .‬ل )‪C‬‬
‫ذ ك دد ا " ‪:‬ر( ن "ن ا ط‪9‬ب "‪ #‬د ن ا طر ا ‪+‬ر‬
‫ا وري ث أن دد ا " ‪:‬ر( ن ھذا ا ‪ +‬م ھو رة ن "("وع‬
‫ا " ‪:‬ر( ن "ن ا وات ا " ! " دد ا " ‪:‬ر( ن ھذا ا ‪ +‬م‬
‫وھ ذا‪..‬‬
‫‪ .2‬ا ‪ 9‬ل ا ز" ! ‪ 2‬ر ا " را ط! ) " )!( ‪ :‬ھذا ا وع "ن‬
‫ا ‪ 9‬ل ون ل ‪" !" .‬ن ‪ .‬م ا ) ! ا ز" ! " )! " " ن‬
‫‪. #‬أي ‪ +‬ر آ‪:‬ر ان ل ر‪.‬م "ن أر‪ .‬م ا ) !‬ ‫ا "! ا‬
‫ا ز" ! " ل " " ن أي ر‪.‬م "ن أ?ر‪ .‬م ا !‪ 7" .‬ل )‪C‬‬
‫ذ ك إ ج ا ‪ #‬ر ا وا د "ن ا "‪ P‬ھذا ا ‪ +‬م‪.‬‬
‫) ) )! ا ز" ! ‪) : :‬ف ا " و ط ا‬ ‫‪ -2-3- 4‬ا " و ط ا‬
‫) ) )! ا ز" ! ب وع ا ) )! " ) ‪:‬‬

‫)!(‪ :‬م‬ ‫) ‪ 9‬ل ا ز" ! ا " را ط! )‪ 2‬ر "‬ ‫• ا"و ط ا‬

‫‪:‬دام ا ‪ !.9+‬ا ! ‪:‬‬ ‫ھ‬ ‫ب ا"و ط ا‬
‫‪−‬‬
‫)‪X = ( X 1 / 2 + X 2 + .... X n / 2) /(n − 1‬‬
 ‫!‪:‬‬ ‫ا ) )! ا ز" ! ا‬ ‫"‪7‬ـــ ل ) ( ‪ :‬د‬
‫دد‬
‫ا‪+‬م‬ ‫ا ‪ "+‬ل‬
‫‪1990‬‬ ‫‪300‬‬

‫‪1991‬‬ ‫‪310‬‬

‫‪1992‬‬ ‫‪320‬‬

‫‪1993‬‬ ‫‪350‬‬

‫‪1994‬‬ ‫‪400‬‬
‫‪:‬‬ ‫ب ا"و ط ا‬ ‫وا "ط)وب‬
‫‪ T‬د أن ‪:‬‬ ‫! ا ذ ر أ ‪9‬ه‬ ‫ا ــــــل ‪ :‬ط ق ا ‪ !.9+‬ا‬
‫‪X` = (300/2 + 310 +…..+400/2)/4‬‬

‫‪= 1330/4 = 332.5‬‬

‫) ‪ 9‬ل ا ز" ! ‪ 2‬ر ا " را ط! ) " )!( أ‬ ‫• ا"و ط ا‬

‫‪:‬دام ا ‪ !.9+‬ا ! ‪:‬‬ ‫ھ‬ ‫ب ا"و ط ا‬ ‫م‬
‫‪−‬‬
‫‪X = (∑ X ) / N‬‬

‫! "ن‬ ‫‪#‬ذا ا وع ‪#‬ل (دا و ‪# H‬‬ ‫ب ا"و ط ا‬ ‫وھ (د ان‬

‫ل‬ ‫ب ط ق ا " ‪5‬ر " ‪5‬رح‬ ‫ا?ر‪ .‬م و م ") ! ا‬
‫" س ا ز ! ا "ر ز !‪.‬‬
‫د "ؤ‪5‬رات ا ‪ 9‬ل ا ز" ! )ك‬ ‫‪"-3-3-4‬ؤ‪5‬رات ا ‪ 9‬ل ا ز" !‪:‬‬
‫ط ق )‪ C‬ا ‪ 9‬ل ا ز" ! "ن أ(ل ن‬ ‫!ا‬ ‫ا ‪ )"+‬ت ا‬
‫‪، # ; :‬و م ھذه "ؤ‪5‬رات ا ‪ 9‬ل ا ز" ! إ ‪ C‬ا? واع ا ! ‪:‬‬
‫! ‪ :‬وھ ا "ؤ‪5‬رات ا ! ‪:‬‬ ‫‪" .1‬ؤ‪5‬رات أ‬
‫‪ .i‬ا "و ا "ط)ق ‪ :‬وھ ‪+‬ط‪" C‬ن ‪9:‬ل ‪:‬ر‪.‬م ا " ر ! – ر‪.‬م‬
‫ا? س‬
‫‪ .ii‬و رة ا "و‪ :‬وھ ‪+‬ط‪" C‬ن ‪9:‬ل‪ :‬ر‪.‬م ا " ر !÷ ر‪.‬م‬
‫ا? س ×‪100‬‬
 ‫‪ .iii‬ز دة ا "و ‪ :‬وھ ‪+‬ط‪" C‬ن ‪9:‬ل‪ :‬و رة ا "و ‪100-‬‬
‫ث أن ر‪.‬م ا? س ھو أي ر‪.‬م "ن ا ) )! ا ز" ! و ل أن‬
‫ون ا ر‪.‬م ا?ول‪.‬‬
‫!‪:‬‬ ‫ا ) )! ا ز" ! ا‬ ‫"‪7‬ـــ ل ) ( ‪ : :‬د‬
‫ا "و‬ ‫و رة‬ ‫ز دة‬
‫ا‪+‬م‬ ‫درات‬ ‫ا‬ ‫ا "ط)ق‬ ‫ا "و‬ ‫ا "و‬
‫‪1990‬‬ ‫‪200‬‬ ‫‪-‬‬ ‫‪100‬‬ ‫‪-‬‬

‫‪1991‬‬ ‫‪150‬‬ ‫‪-50‬‬ ‫‪75‬‬ ‫‪-25‬‬

‫‪1992‬‬ ‫‪350‬‬ ‫‪150‬‬ ‫‪175‬‬ ‫‪75‬‬

‫‪1993‬‬ ‫‪100‬‬ ‫‪-100‬‬ ‫‪50‬‬ ‫‪-50‬‬

‫‪1994‬‬ ‫‪400‬‬ ‫‪200‬‬ ‫‪200‬‬ ‫‪100‬‬

‫ث م" ر! ل‬ ‫!‬ ‫‪" .2‬ؤ‪5‬رات " !‪ :‬وھ ا "ؤ‪5‬رات ا‬

‫‪:D‬‬ ‫ر " ا ر‪.‬م ا ذي‬
‫‪ .i‬ا "و ا "ط)ق ‪ :‬وھ ‪+‬ط‪" C‬ن ‪9:‬ل ‪:‬ر‪.‬م ا " ر ! – ا ر‪.‬م‬
‫‪D‬‬ ‫ا ذي‬
‫‪D‬‬ ‫‪ .ii‬و رة ا "و‪ :‬وھ ‪+‬ط‪" C‬ن ‪ :‬ر‪.‬م ا " ر !÷ ا ر‪.‬م ا ذي‬
‫×‪100‬‬
‫‪ .iii‬ز دة ا "و ‪ :‬وھ ‪+‬ط‪" C‬ن ‪9:‬ل‪ :‬و رة ا "و ‪100 -‬‬
‫ب ا "ؤ‪5‬رات‬ ‫"‪7‬ــ ل ) ( ‪ + :‬ن "‪ 7‬ل ا ق و وم ا‪M‬ن‬
‫‪:‬‬ ‫ا (دول ا‬ ‫ا" ! " )‬

‫ا "و‬ ‫و رة‬ ‫ز دة‬

‫ا‪+‬م‬ ‫درات‬ ‫ا‬ ‫ا "ط)ق‬ ‫ا "و‬ ‫ا "و‬
‫‪1990‬‬ ‫‪200‬‬ ‫‪-‬‬ ‫‪100‬‬ ‫‪-‬‬

‫‪1991‬‬ ‫‪150‬‬ ‫‪-50‬‬ ‫‪75‬‬ ‫‪-25‬‬

 ‫‪1992‬‬ ‫‪350‬‬ ‫‪200‬‬ ‫‪231‬‬ ‫‪256‬‬

‫‪1993‬‬ ‫‪100‬‬ ‫‪-250‬‬ ‫‪28‬‬ ‫‪-203‬‬

‫‪1994‬‬ ‫‪400‬‬ ‫‪300‬‬ ‫‪400‬‬ ‫‪372‬‬

‫‪+‬ود و ذ ر ‪ " D‬ن )ط ب أو ا رئ "را(‪ !+‬ا ب ا ‪– )"+‬ا درس ا ‪)"+‬‬

‫ا را – `ط‪9‬ع )‪ ! C‬إ(راء أو ا ‪:‬دام ا‪ :‬ر ت ) ‪ ( t-test‬و ‪P‬‬
‫ب "ؤ‪5‬رات ا ‪ 9‬ل ا ز" ! و ر ا ;‪ T‬ث و ر ا "ز د "ن‬ ‫!‬
‫ل وا?"‪ !)7‬ا " !‪.‬‬ ‫ا‬
‫‪+ -4-3-4‬د ل ا ‪ 9‬ل ا ز" ! ‪ : TIME SERIES‬ظرا ن ا ‪ 9‬ل ا ز" !‬
‫‪+‬رض ‪+‬دد "ن ا "ؤ‪7‬رات ا ‪ :‬ر( ! ذا )زم إ(راء ‪+‬د ل ) ‪ 9‬ل ا ز" ! ‪".‬ن‬
‫ھذه ا ‪+‬د ‪9‬ت ورد " ) ‪:‬‬

‫م ا ) )! إ ‪ C‬دة أ‪ .‬م‬ ‫• ا ‪+‬د ل ا ط ‪ :‬ھذا ا وع "ن ا ‪+‬د ل م‬

‫ل رة و"ن ‪7‬م م درا !‬ ‫أو رات " و ! و ب ا " و ط ا‬
‫طور ا ) )! و د د ا ( ه ا ‪ +‬م ‪. #‬‬
‫"‪7‬ـــ ل ) ( ‪ :‬د ا ) )! ا ز" ! ا ! ‪:‬‬
‫ا " و ط ا "("وع‬
‫‪97‬ث‬ ‫‪97‬ث‬
‫درات ا ‪ +‬م‬ ‫وات ا‬ ‫وات‬
‫‪1985‬‬ ‫‪40‬‬

‫‪1986‬‬ ‫‪45‬‬ ‫‪126‬‬ ‫‪42‬‬

‫‪1987‬‬ ‫‪41‬‬

‫‪1988‬‬ ‫‪50‬‬

‫‪1989‬‬ ‫‪45‬‬ ‫‪150‬‬ ‫‪50‬‬

‫‪1990‬‬ ‫‪55‬‬

‫‪1991‬‬ ‫‪51‬‬
 ‫‪1992‬‬ ‫‪60‬‬ ‫‪179‬‬ ‫‪58.6‬‬

‫‪1993‬‬ ‫‪65‬‬

‫‪1994‬‬ ‫‪70‬‬

‫‪1995‬‬ ‫‪75‬‬ ‫‪219‬‬ ‫‪73‬‬

‫‪1996‬‬ ‫‪74‬‬

‫زا د " ا ز"ن وھذا دل )‪ C‬أن‬ ‫‪ 9‬ظ "ن ا (دول أ ‪9‬ه أن ا " و ط ا‬
‫دي‪.‬‬ ‫ا (ه ا‪+‬م‬

‫م ا ) )!‬ ‫• طر ! ا " و ط ا " ز ق ‪: :‬دم ھذه ا طر ! د" ون‬

‫)(‪ H‬إ ‪ C‬طر !‬ ‫إ ‪ C‬دة أ‪ .‬م أو رات " و ! ‪ 2‬ر "" ن و‬
‫رة "‬ ‫ب ا"و ط ا‬ ‫ا " و ط ا " ز ق وھ م "ن ‪9:‬ل‬
‫و ن )‪ ( 6-3‬وات ‪7‬م ذف ا ‪ +‬ر ا?ول "ن ا م ا?ول أو ا رة‬
‫ر (د د "ن ا ) )! وھ ذا ‪..‬أ‪ :‬را م درا ! طور‬ ‫ا و‪ C‬و ف‬
‫ا ) )! و د د ا ( ه ا ‪ +‬م ‪. #‬‬

‫!‪:‬‬ ‫ا ) )! ا ز" ! ا‬ ‫"‪7‬ـــ ل ) ( ‪ :‬د‬

‫ا " و ط ا "("وع‬
‫‪97‬ث‬ ‫‪97‬ث‬
‫درات ا ‪ +‬م‬ ‫وات ا‬ ‫وات‬
‫‪1988‬‬ ‫‪3500‬‬

‫‪1989‬‬ ‫‪4000‬‬ ‫‪11600‬‬ ‫‪3866.6‬‬

‫‪1990‬‬ ‫‪4100‬‬ ‫‪12300‬‬ ‫‪4100‬‬

‫‪1991‬‬ ‫‪4200‬‬ ‫‪12200‬‬ ‫‪4066.6‬‬

‫‪1992‬‬ ‫‪3900‬‬ ‫‪12400‬‬ ‫‪4133.3‬‬

‫‪1993‬‬ ‫‪4300‬‬ ‫‪12200‬‬ ‫‪4066.6‬‬

 ‫‪1994‬‬ ‫‪4000‬‬ ‫‪12800‬‬ ‫‪4266.6‬‬

‫‪1995‬‬ ‫‪4500‬‬

‫ن " ا ز"ن‬ ‫)ب ن ا ز دة وا‬ ‫• ‪ 9‬ظ "ن ا (دول أ ‪9‬ه أن ا " و ط ا‬

‫و" ذ ذ ‪.‬‬ ‫وھذا دل )‪ C‬أن ا ( ه ا ‪ +‬م ‪:‬ذ ‪" 9 5‬‬
‫• ‪ -5-3-4‬ا ) ل ا ‪ .‬دي ) ‪ 9‬ل ا ز" ! ‪: TIME SERIES‬‬
‫• ‪" +‬د ا ) ل ا ‪ .‬دي ) ‪ 9‬ل ا ز" ! )‪+" C‬ر ! ا وى ا "ؤ‪7‬رة ‪ 9 ، #‬ل‬
‫‪ A‬رات دور ! ‪ " D 5‬ظ"! ‪ +‬س ‪ 7H‬ر وا"ل "‪. ! ) :‬و ف ا وى‬ ‫ا ز" ! ‪:‬‬
‫ا "ؤ‪7‬رة ا ‪ 9‬ل ا ز" ! ‪ 5‬ل م "ن ا ; ت ا !‪:‬‬
‫‪. .1‬وى ا ( ه ا ‪ +‬م‬
‫‪ .2‬ا ‪ A‬رات ا "و " !‬
‫‪ .3‬ا ‪ A‬رات ا دور !‬
‫‪ .4‬ا وى ا ‪5+‬وا; ! أو ا ‪+‬ر !‪.‬‬
‫ل‪.‬‬ ‫‪5‬رح طرق د د ھذه ا وى ‪ 5‬ء "ن ا‬ ‫و " )‬

‫ب "‪9" +‬ت "‪ +‬د !‬ ‫‪ -1‬ا ( ه ا ‪ +‬م ‪ :‬ان ا ‪:‬راج "‪ +‬د ! ا ( ه ا ‪ +‬م " ‪7‬ل‬
‫‪:‬‬ ‫ا دار ا ط "ن ا ‪ 5‬ل ا‬

‫‪Y = a + b*X‬‬

‫! ا "‪ :‬رة )ظ ھرة ا "درو !‬ ‫ث أن ‪ Y :‬ا "! ا ظر ! )‬

‫‪ a‬ا ‪ 7‬ت )"‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‬

‫"ل )"‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‬ ‫‪b‬‬

‫‪ X‬ا ‪" +‬ل ا "ؤ‪7‬ر )إي ا " ‪ A‬ر(‬

‫"ل )"‪ +‬د ! ا ""‪!)7‬‬ ‫ب ل "ن ‪ a‬ا ‪ 7‬ت )"‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" ! و ‪b‬‬ ‫!‬ ‫أ"‬
‫) ) )! ا ز" ! ‪ C) #‬ا ‪ 5‬ل ا ‪:‬‬

‫ب ‪ 7 a‬ت ا "‪ +‬د !‬ ‫ب ‪ a‬ا ‪ 7‬ت "‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" ! ‪ " :‬ن‬ ‫•‬
‫! ا !‪:‬‬ ‫‪:‬دام ا ‪ !.9+‬ا ر‬ ‫ا ""‪ !) ) ) !)7‬ا ز" !‬
‫‪−‬‬ ‫‪−‬‬
‫‪a = y− b * x‬‬

‫"ل‬ ‫ب‪b‬‬ ‫ب ‪" b‬ل "‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" ! ‪ " : :‬ن‬ ‫•‬
‫! ا !‪:‬‬ ‫‪:‬دام ا ‪ !.9+‬ا ر‬ ‫"‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‬

‫‪−‬‬ ‫‪−‬‬ ‫‪−‬‬

‫‪b = ∑ ( x − x ) * ( y − y/ ∑ x − x ) 2‬‬
‫‪:‬دام‬ ‫"ل "‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‬ ‫ب‪b‬‬ ‫" و" ن‬ ‫•‬
‫!‪:‬‬ ‫!ا‬ ‫ا ‪ !.9+‬ا ر‬
‫‪b = (∑ x * y − ∑ x * ∑ x / n) / ∑ x 2 − (∑ x ) 2 / n‬‬

‫ان ا "‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" ! ا " ‪:‬د"! دة ھ "ن ا ‪ 5‬ل ا ‪:‬ط‬
‫ت ن ھذا ا ‪ 5‬ل ا ‪:‬ط ا ط ‪.‬د ون ‪ 2‬ر "‬ ‫ا ط ‪ ،‬ن "‪+‬ظم ا‬
‫ف " ن ان ‪+‬رف‬ ‫; ! ‪ !) ) ) DATA‬ا ز" ! و‬ ‫"‪ 7‬ل ا ت ا<‬
‫) ) )! ا ز" ! ھل ھو " ب أم ‪.‬ان ھذا ا ؤال ‪.‬د‬ ‫ھل ھذا ا "وذج ا ر‬
‫"ت ا<( ! ) ‪ D‬ا رة ا ! )‪ (3-1-4‬وھ د ر (ودة ا "‪ +‬د ! ا ""‪!)7‬‬
‫) ) )! ا ز" ! وھذا ا ‪9‬م ط ق ) )‪ C‬ا "‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‬
‫و " ن ا ‪+‬ودة إ ‪ C‬ا رة ا "ذ ورة ‪9‬ط ع )‪ ! C‬ا‪ :‬ر ا "وذج ا " ب‬
‫)"‪ +‬د ! ا ""‪ !) ) ) !)7‬ا ز" !‪.‬‬

‫د ‪%‬‬ ‫‪.‬و ت‬
 ‫‪ADVANCED INFORMATION‬‬

‫‪ .‬ل ا ر ‪ +‬ط ‪CORREL‬‬

‫دد‬ ‫إر( ع "‪" +‬ل ا ر ط ط ‪ .‬ت ‪ " 9:‬و ! ‪ 1‬و" و ! ‪ .2‬ا ‪:‬دم "‪" +‬ل ا ر ط‬
‫ن‪ C) .‬ل ا "‪ 7‬ل‪ " ،‬ك ص ا ‪ !.9+‬ن " و ط در(! ا رارة‬ ‫ا ‪ !.9+‬ن ‪:‬‬
‫" ن وا ‪:‬دام " ت ا ‪#‬واء‪.‬‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪CORREL(array1,array2‬‬

‫ط ق ‪" 9:‬ن ا م‪.‬‬ ‫و!‪1‬‬ ‫"‬

‫"ن ا م‪.‬‬ ‫ط ق ‪7 9:‬‬ ‫و!‪2‬‬ ‫"‬

‫و‪2‬ت‬

‫وي )‪ C‬أر‪ .‬م‪.‬‬ ‫(ب أن ون ا و ;ط أر‪ .‬م‪ ،‬أو أ " ء‪ ،‬أو " و ت‪ ،‬أو "را(‬ ‫•‬
‫ف أو "ر( )‪ C‬ص‪ ،‬أو ‪ .‬م " ط !‪ ،‬أو ‪ 9:‬ر‪ ،!2‬م‬ ‫إذا ا وت و ط!‬ ‫•‬
‫وي )‪ !" . C‬ا ر‬ ‫( ھل )ك ا م؛ و ر‪2‬م "ن ذ ك‪ ،‬م " ن ا ‪ 9:‬ا‬
‫)‪.(0‬‬
‫إذا ن " و ! ‪ 1‬و" و ! ‪ "# 2‬ر‪ ".‬ن "‪ ) :‬ن "ن ط ا ت‪ ،‬وم ‪CORREL‬‬ ‫•‬
‫‪Q‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#N/A H‬‬
‫إذا ن أي "ن " و ! ‪ 1‬أو " و ! ‪ 2‬ر‪ ،ً 2‬أو إذا ن ق )ا راف ا "‪ +‬ري(‬ ‫•‬
‫"‪ "#‬وي ر‪ ،‬وم ‪Q CORREL‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#DIV/0! H‬‬

‫‪0‬ــــــــــــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬
 ‫ت‪2‬‬ ‫‪+‬‬ ‫ت‪1‬‬ ‫‪+‬‬ ‫‪1‬‬

‫‪9‬‬ ‫‪3 2‬‬

‫‪7‬‬ ‫‪2 3‬‬

‫‪12‬‬ ‫‪4 4‬‬

‫‪15‬‬ ‫‪5 5‬‬

‫‪17‬‬ ‫‪6 6‬‬

‫‪(7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬

‫ت ا "و(ودة‬ ‫ا‬ ‫=‪" +" (CORREL(A2:A6,B2:B6‬ل ا ر ط ا ‪ :‬ص "("و‬

‫أ ‪9‬ه)‪(0.997054‬‬

‫ا ؤ ‪FORECAST‬‬

‫‪:‬دام ‪ .‬م "و(ودة‪ .‬ون ا "! ا " و‪ !+.‬رة ن ‪ !" .‬ل‬ ‫ب أو ا ؤ "! " ) !‬
‫"! س ا "‪+‬ط ة‪ .‬ا م ا "‪+‬ط ة ھ ‪ .‬م س و‪ .‬م ص ا "و(ودة‪ ،‬و‪ .‬م ا ؤ "! ا (د دة‬
‫‪:‬دام ا دار ا ‪:‬ط ‪ " .‬ك ا ‪:‬دام ھذه ا دا ! ) ؤ " ‪ +‬ت‪ ،‬و" ط) ت ا "‪:‬زون‪،‬‬
‫وا ( ھ ت ا وق ا " ) ! ‪.‬‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪FORECAST(known_x's،known_y's،x‬‬

‫"‪.#‬‬ ‫ردا ؤ‬ ‫تا‬ ‫ط! ا‬ ‫‪) X‬س(‬

‫‪.‬‬ ‫تا‬ ‫ف أو ط ق ا‬ ‫‪+") Known_y's‬ط ت ص(‬

‫ل‪.‬‬ ‫ت ا"‬ ‫ف أو ط ق ا‬ ‫‪+")Known_x's‬ط ت س(‬

‫و‪2‬ت‬
 ‫إذا ت ‪ 2 x‬ر ر‪ ،! ".‬وم ‪Q FORECAST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#VALUE! H‬‬ ‫•‬
‫إذا ن ‪ known_y's‬و ‪ known_x's‬ر‪ 2‬ن أو و ن )‪ C‬دد "‪) :‬ف "ن ط‬ ‫•‬
‫ا ت‪ ،‬وم ‪Q FORECAST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#N/A H‬‬
‫إذا ن ن ‪ known_x's‬وي راً‪ ،‬وم ‪Q FORECAST‬ر( ع ‪ !" .‬ا ‪:‬ط‪H‬‬ ‫•‬
‫!‪.# DIV/0‬‬

‫‪0‬ـــــــــــــــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫ا و )ا زا د ا‪ & J‬ا و‪GROWTH (,4‬‬

‫‪:‬دام ا ت ا "و(ودة‪ .‬وم ‪Q GROWTH‬ر( ع ‪ .‬م ص ) ! "ن ‪ .‬م س ا (د دة‬ ‫ب‬

‫‪:‬دام ‪ .‬م س و ‪ .‬م ص ا "و(ودة‪ " .‬ك أ ً ا ‪:‬دام دا ! ور‪ !.‬ا ‪"+‬ل‬ ‫‪# +‬‬ ‫ا‬
‫ب أ د ا " ت ا? ! م س و ‪ .‬م ص ا "و(ودة‪.‬‬ ‫‪GROWTH‬‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪GROWTH(known_y's,known_x's,new_x's,const‬‬

‫ا ‪y !.9+‬‬ ‫‪+‬ل‬ ‫‪+‬ر ‪#‬‬ ‫‪+") Known_y's‬ط ت ص( ھ "("و ! "ن ‪ .‬م ‪) y‬ص( ا‬
‫‪.= b*m^x‬‬

‫ر ل "ود ـ ‪Known_x's‬‬ ‫"ود " رد‪ ،‬م‬‫إذا ن " و ! ‪Known_y's‬‬ ‫•‬

‫" ‪ A‬ر " رد‪.‬‬
‫ف "ن ‪Known_x's‬‬ ‫ر ل‬ ‫ف " رد‪ ،‬م‬ ‫إذا ن " و ! ‪Known_y's‬‬ ‫•‬
‫" ‪ A‬ر " رد‪.‬‬
‫ً‪ ،‬وم ‪GROWTH‬‬ ‫ر( أو‬ ‫إذا ن أي "ن ا? داد ‪ known_y's‬وي ‪) 0‬‬ ‫•‬
‫‪Q‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬

‫ا ‪y = !.9+‬‬ ‫‪+‬ل‬ ‫‪+") Known_x's‬ط ت س( "("و ! ا‪ :‬ر ! "ن ‪ .‬م ‪) x‬س( َ ‪+‬ر ‪#‬‬
‫‪.b*m^x‬‬
 ‫"ن "("و ! أو أ ‪7‬ر "ن ا " ‪ A‬رات‪ .‬إذا م‬ ‫" ن ) ف ‪ known_x's‬أن‬ ‫•‬
‫ا ‪:‬دام " ‪ A‬ر وا د ط‪ " ،‬ن أن ون ‪ known_y's‬و‪ known_x's‬أي ‪ 5‬ل‬
‫"ن أ ‪ +‬د " و !‪ .‬إذا م ا ‪:‬دام أ ‪7‬ر "ن " ‪ A‬ر وا د‪،‬‬ ‫"ن ا ط ‪ .‬ت‪ ،‬ط " ن‬
‫(ب أن ون ‪" ! " known_x's‬و(‪) !#‬أي ط ق ر ع ف وا د أو ‪+‬رض‬
‫"ود وا د(‪.‬‬
‫إذا م ذف ‪ ،known_x's‬رض أن ون " و ! }‪ {...،3,2,1‬ا ذي ون س‬ ‫•‬
‫(م ‪.known_y's‬‬

‫مص‬ ‫ر د "ن ‪ GROWTH‬إر( ‪#‬‬ ‫ھ ‪ .‬م س ا (د دة ا‬ ‫‪ .) New_x's‬م س ا (د دة(‬

‫ا "ط !‪.‬‬

‫"ن ‪" new_x's‬ود ) أو ف( ل " ‪ A‬ر " ل‪7" ً " " ،‬ل‬ ‫(ب أن‬ ‫•‬
‫"ود " رد‪( ،‬ب أن ون دد ا? "دة‬ ‫‪ .known_x's‬إذا ت ‪known_y's‬‬
‫ف " رد‪( ،‬ب‬ ‫‪ known_x's‬و‪ " new_x's‬وي‪ .‬إذا ت ‪known_y's‬‬
‫أن ون دد ا وف ‪ known_x's‬و‪ " new_x's‬وي‪.‬‬
‫إذا م ذف ‪ ،new_x's‬رض أن ون س ‪.known_x's‬‬ ‫•‬
‫رض أن و " و !‬ ‫إذا م ذف ل "ن ‪ known_x's‬و ‪،new_x's‬‬ ‫•‬
‫}‪ {...،1،2،3‬ا ذي ون س (م ‪.known_y's‬‬

‫وي ‪.1‬‬ ‫م رض ا ‪ 7‬ت ‪b‬‬ ‫دد " إذا ن‬ ‫‪ 7) Const‬ت( ‪ " !" .‬ط !‬

‫ب ‪ 5 b‬ل ا "‪ +‬د‪.‬‬ ‫وي ‪ TRUE‬أو " ذو !‪ ،‬م‬ ‫إذا ت ‪const‬‬ ‫•‬
‫ث ‪y‬‬ ‫وي ‪ ،FALSE‬م ‪ +‬ن ‪ b‬وي ‪ 1‬و م ط ا "! ‪m‬‬ ‫إذا ت ‪const‬‬ ‫•‬
‫‪.= m^x‬‬

‫) ظت‬

‫د د دد ا ‪9:‬‬ ‫و ت ‪+‬د‬ ‫‪"Z‬‬ ‫و ت‬ ‫ر( ا "‬ ‫‪Z‬ا‬

‫(ب إد‪ :‬ل ا‬ ‫•‬
‫‪.P‬‬ ‫ا‬
‫لا م‬ ‫ف و ط! "‪7‬ل ‪ ،known_x's‬ا ‪:‬دم وا ل‬ ‫د إد‪ :‬ل ‪ 7‬ت‬ ‫•‬
‫ل ا وف‪.‬‬ ‫س ا ف و وا ل " وط!‬

‫‪0‬ـــــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬
 ‫‪:‬دم ھذا ا "‪ 7‬ل س ا ت ا " ‪:‬د"! "‪ 7‬ل ‪ .LOGEST‬و ‪ P‬ا ‪ !A‬ا?و ‪ C‬ا م‬
‫ا " ظرة ) م ا "‪+‬ط ة‪ .‬وم ا ‪ !A‬ا ‪ ! 7‬و‪ . .‬م ا?‪#5‬ر ا !‪ ،‬إذا ا "ر ا ( ه ا? ‪.‬‬

‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬

‫ظرة)‬ ‫‪) %‬ا و دات ا‬ ‫ا‬ ‫ا و دات‬ ‫ا '‪2‬ر‬

‫)‪=GROWTH(B2:B7,A2:A7‬‬ ‫‪33,100‬‬ ‫‪11‬‬

‫‪1‬‬
‫‪47,300‬‬ ‫‪12‬‬
‫‪2‬‬
‫‪69,000‬‬ ‫‪13‬‬
‫‪3‬‬
‫‪102,000‬‬ ‫‪14‬‬
‫‪4‬‬
‫‪150,000‬‬ ‫‪15‬‬
‫‪5‬‬
‫‪220,000‬‬ ‫‪16‬‬
‫‪6‬‬
‫‪) %‬ا و دات ا و‪(%.4‬‬ ‫ا‬ ‫ا '‪2‬ر‬
‫‪7‬‬
‫)‪=GROWTH(B2:B7,A2:A7, A9:A10‬‬ ‫‪17‬‬

‫‪18‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ C2:C7‬أو ‪ B9:B10‬د; ً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م‬
‫ف‪ ،‬ون ا ;‪T‬‬ ‫‪!A‬‬ ‫ا ‪A‬ط ‪ .CTRL+SHIFT+ENTER‬إذا م م إد‪ :‬ل ا ‪!A‬‬
‫ا و دة ھ ‪ 32618.20377‬و ‪.320196.7184‬‬

‫دار ا ‪$‬ط& ‪LINEST‬‬ ‫لا‬

‫ب ‪:‬ط‬ ‫‪:‬دام طر ! "ا "! ا ‪A‬رى "("وع ا "ر ‪ +‬ت"‬ ‫; ت ‪:‬ط‬ ‫ب ا<‬
‫ف ف ا ‪:‬ط‪ .‬ظراً ?ن ھذه ا دا ! وم‬ ‫ك ‪ 5‬ل ا?"‪ 7‬ل‪ ،‬وإر( ع‬ ‫ب‬ ‫" م‬
‫ف‪.‬‬ ‫‪!A‬‬ ‫ف "ن ا م‪( ،‬ب إد‪# :‬‬ ‫‪Q‬ر( ع‬

‫"‪ +‬د ! ا ‪:‬ط ھ ‪:‬‬

 ‫‪ y = mx + b‬أو‬

‫! و(ود ط ‪ .‬ت " ‪+‬ددة م ‪(x‬‬ ‫‪) y = m1x1 + m2x2 + ... + b‬‬

‫ث ون ‪ .‬م ‪ y‬ا ‪ !+‬ھ دا ! م ‪ x‬ا " )!‪ .‬و ‪+‬د ‪ .‬م ‪9" +ُ" m‬ت "ط ! ل ‪" !" .‬ن‬
‫‪ .‬م ‪ ،x‬و ون ‪ .! 7 !" . b‬ظ أن ‪ y‬و ‪ x‬و ‪ " m‬ن أن ون " ت "و(‪ .!#‬و" و !‬
‫ا ذي وم ‪Q LINEST‬ر( ‪ D‬ھو }‪ " .{mn,mn-1,...,m1,b‬ن أن وم‪ LINEST‬أ ً‬
‫!‪.‬‬ ‫; ت ا دار إ‬ ‫‪Q‬ر( ع إ‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪LINEST(known_y's,known_x's,const,stats‬‬

‫ا ‪y = !.9+‬‬ ‫ً‬ ‫‪+‬ر ‪" #‬‬ ‫‪+") Known_y's‬ط ت ص( "("و ! "ن ‪ .‬م ‪) y‬ص( ا‬
‫‪.mx + b‬‬

‫ر ل "ود ـ ‪Known_x's‬‬ ‫"ود " رد‪ ،‬م‬ ‫إذا ن " و ! ‪Known_y's‬‬ ‫•‬
‫" ‪ A‬ر " رد‪.‬‬
‫ف ـ ‪known_x's‬‬ ‫ر ل‬ ‫ف " رد‪ ،‬م‬ ‫إذا ن " و ! ‪known_y's‬‬ ‫•‬
‫" ‪ A‬ر " ل‪.‬‬

‫ً‬ ‫‪.‬د ‪+‬ر ‪" #‬‬ ‫‪+") Known_x's‬ط ت س( "("و ! ا‪ :‬ر ! "ن ‪ .‬م ‪) x‬س( ا‬
‫ا ‪.y = mx + b !.9+‬‬

‫"ن "("و ! أو أ ‪7‬ر "ن ا " ‪ A‬رات‪ .‬إذا م‬ ‫" ن ) ف ‪ known_x's‬أن‬ ‫•‬
‫ا ‪:‬دام " ‪ A‬ر وا د ط " ن أن ون ‪ known_y's‬و‪ known_x's‬ط ‪ .‬ت "ن أي‬
‫‪ 5‬ل‪ ،‬ط " ت ذات أ ‪ +‬د " و !‪ .‬إذا م ا ‪:‬دام أ ‪7‬ر "ن " ‪ A‬ر وا د‪( ،‬ب أن‬
‫ون ‪" ! " known_x's‬و(‪) !#‬أي ط ق ر ع ف وا د أو ‪+‬رض "ود‬
‫وا د(‪.‬‬
‫إذا م ذف ‪ ،known_x's‬رض أن ون " و ! }‪ {...،1,2,3‬ا ذي ون س‬ ‫•‬
‫(م ‪.known_y's‬‬

‫ر(‪.‬‬ ‫وي ‪) 0‬‬ ‫م رض ا ‪ 7‬ت ‪b‬‬ ‫دد " إذا ن‬ ‫‪ 7) Const‬ت( ‪ " !" .‬ط !‬

‫ب ‪ 5 b‬ل ا "‪ +‬د‪.‬‬ ‫وي ‪ TRUE‬أو " ذو !‪ ،‬م‬ ‫إذا ت ‪const‬‬ ‫•‬
‫وي ‪ ،FALSE‬م ‪ +‬ن ‪ b‬وي ر و م ط ا م ‪;9 m‬م‬ ‫إذا ت ‪const‬‬ ‫•‬
‫‪.y = mx‬‬

‫!‪.‬‬ ‫; ت ا دار إ‬ ‫م إر( ع إ‬ ‫دد " إذا ن‬ ‫; ت( ‪ " !" .‬ط !‬ ‫‪) Stats‬إ‬
‫!‪،‬‬ ‫; ت ا دار ا<‬ ‫إذا ت ‪ stats‬وي ‪ ،TRUE‬وم ‪Q LINEST‬ر( ع إ‬ ‫•‬
‫ث ون " و ! ا ذي م إر( ‪ D‬ھو }‪mn,mn-1,...,m1,b;sen,sen-‬‬
‫‪.{1,...,se1,seb;r2,sey;F,df;ssreg,ssresid‬‬
‫إذا ت ‪ stats‬وي ‪ FALSE‬أو م ذ ‪ ، #‬وم ‪Q LINEST‬ر( ع "‪9" +‬ت ‪m‬‬ ‫•‬
‫وا ‪ 7‬ت ‪ b‬ط‪.‬‬

‫! " ) ‪.‬‬ ‫دار ا<‬ ‫; تا‬ ‫ون إ‬

‫او ف‬ ‫‪%‬‬ ‫ا‬

‫‪ . se1,se2,...,sen‬م ا ‪:‬ط‪ H‬ا "‪ +‬ر ! )"ُ‪9" +‬ت‪m1,m2,...,mn.‬‬

‫وي‬ ‫ون ‪const‬‬ ‫‪ !" .‬ا ‪:‬ط‪ H‬ا "‪ +‬ري )‪ 7‬ت ‪ b (seb = #N/A‬د"‬ ‫‪Seb‬‬
‫‪FALSE).‬‬

‫"ُ‪" +‬ل ا د د‪ .‬وم " ر ! ‪ .‬م ‪ y‬ا " درة و‪ .‬م ‪ y‬ا ‪ ،! )+‬و راوح ‪D " .‬‬ ‫‪r2‬‬
‫"ن ر إ ‪ .1 C‬إذا ت ‪ ،1‬و(د ار ط م ا ‪ - ! +‬و(د رق‬
‫! أ‪:‬رى‪ ،‬إذا ن "‪" +‬ل‬ ‫ن ‪ y !" .‬ا " درة و‪ y !" .‬ا ‪ .! )+‬و"ن‬
‫د "‪ +‬د ! ا دار ا ؤ "! ‪ ) y.‬ول )‪C‬‬ ‫ا د د ر‪،‬‬
‫ً‪.‬‬ ‫ب‪ ، r2‬را( " و ‪ #‬ت" ھذا ا "و وع‬ ‫"‪)+‬و" ت ول !‬

‫ا ‪:‬ط‪ H‬ا "‪ +‬ري ) د ر‪Y.‬‬ ‫‪sey‬‬

‫ء‪ F‬دد"‬ ‫"ت "‪ 9‬ظ ‪ . #‬ا ‪:‬دم إ‬ ‫ء‪ ، F‬أو ‪ F !" .‬ا‬ ‫ا<‬ ‫‪F‬‬
‫"ت "‪ 9‬ظ ‪ #‬ن ا " ‪ A‬رات ا ‪ !+‬وا " ‪ A‬رات‬ ‫ت ا ‪ !.9+‬ا‬ ‫إذا‬
‫)! دث ‪5‬وا; ً‪.‬‬ ‫ا"‬

‫دك ا ‪7+‬ور )‪ . C‬م ‪F‬‬ ‫در( ت ا ر !‪ .‬ا ‪:‬دم در( ت ا ر !‬ ‫‪df‬‬

‫ء‬ ‫ا (دول <‬ ‫(دھ‬ ‫; ‪ . .‬رن ا م ا‬ ‫ا ر(! (دول إ‬
‫‪F‬ا ذي م إر( ‪ D‬وا ط! ‪ LINEST‬د د " وى ا ‪" ) ! 7‬وذج‪.‬‬

‫ا دار "("وع ا "ر ‪ +‬ت‪.‬‬ ‫‪ssreg‬‬

‫‪"(" .‬وع ا "ر ‪ +‬ت‪.‬‬ ‫‪ssresid‬‬

‫و‪2‬ت‬

‫م وا ط! ا " ل و ط ‪:Y‬‬ ‫" ك و ف أي ‪:‬ط "‬ ‫•‬

 ‫ا " ل )‪:(m‬‬
‫< ( د " ل ‪:‬طٍ " ‪ ُ ،‬ب دة ‪: ،m‬ذ ط ن )‪ C‬ا ‪:‬ط‪ (x1,y1) ،‬و)‪(x2,y2‬؛‬
‫ون ا " ل " و ً )‪.(y2 - y1)/(x2 - x1‬‬

‫ط ‪:(b) Y‬‬
‫ط ا ‪:‬ط " " ور ‪.y‬‬ ‫د‬ ‫دة ‪ ،b‬ھو ‪y !" .‬‬ ‫ا ط ‪: y‬طٍ " ‪ ُ ،‬ب‬

‫بأ!‬ ‫"‪ +‬د ! ا ‪:‬ط ا " م ھ ‪(" .y = mx + b‬رد "‪+‬ر ! ‪ .‬م ‪ m‬و‪ " ،b‬ك‬
‫)ك ا "‪ +‬د !‪ " .‬ك أ ً ا ‪:‬دام‬ ‫ط! )‪ C‬ا ‪:‬ط وا ط! " ن ‪ y !" .‬أو ‪x‬‬
‫ا دا ! ‪.TREND‬‬

‫ول )‪ . C‬م ا " ل و ط ‪y‬‬ ‫إذا ن د ك " ‪ A‬ر ‪ " x‬ل وا د ط‪ " ،‬ك ا‬ ‫•‬
‫ن‪:‬‬ ‫‪:‬دام ا ‪ A‬ن ا‬ ‫" ‪5‬ر ًة‬

‫ا " ل‪:‬‬
‫)‪=INDEX(LINEST(known_y's,known_x's),1‬‬

‫ط ‪:Y‬‬
‫)‪=INDEX(LINEST(known_y's,known_x's),2‬‬

‫ك‪") .‬‬ ‫‪" +‬د د‪ !.‬ا ‪:‬ط ا ذي ا " وب وا ط! ‪ C) LINEST‬در(! ا ‪7+‬ر‬ ‫•‬
‫ت ا ت أ ‪7‬ر ‪:‬ط !‪ ،‬زادت د‪" !.‬وذج ‪: .LINEST‬دم ‪ LINEST‬طر ! ا "!‬
‫ا ‪A‬رى "("وع ا "ر ‪ +‬ت د د ا ‪ 5‬ل ا?"‪ 7‬ل ) ت‪.‬‬
‫ب ا ‪:‬ط ا " م أو ا " ‪ C‬ا?‬ ‫" ن )دا ن ‪ LINEST‬و‪ LOGEST‬أن وم‬ ‫•‬
‫ك ‪ 5‬ل أ ل‪ C) .‬أي ل‪( ،‬ب ) ك أن رر أي ا ( ن أ"‪7‬ل‬ ‫ا ذي ‪;9‬م‬
‫ب )‪:) TREND(known_y's,known_x's‬ط ا " م‪ ،‬أو‬ ‫) ت‪ " .‬ك‬
‫)‪ C ") known_x's ،GROWTH (known_y's‬ا? ‪ .‬وم ھذه ا دا ت‪ ،‬دون‬
‫م ‪ C) # #‬ھذا ا ‪:‬ط أو ا " ‪C‬‬ ‫ف ) م‪y‬ا‬ ‫و ط! ‪Q ،new_x's‬ر( ع‬
‫!‪.‬‬ ‫ما‬ ‫ما ؤ ‪#‬‬ ‫!‪ " .‬ك ‪+‬د ذ ك " ر ! ا م ا‬ ‫طا تا‬
‫‪.‬د ر د ‪:‬ط ط‪ " ً +" #‬ر ‪" #‬ر; ً‪.‬‬
‫ب ‪ Microsoft Excel‬ا رق ا ر ‪ +‬ل ط! ن ‪y !" .‬‬ ‫) ل ا دار‪،‬‬ ‫•‬
‫ا " درة ‪#‬ذه ا ط! و‪ y !" .‬ا ‪"(" C" ُ .! )+‬وع ا روق ا ر ‪ ! +‬ھذه ‪"(" .‬وع‬
‫ب ‪"(" Microsoft Excel‬وع رق ا "ر ‪ +‬ت ن ‪ .‬م ‪ y‬ا ‪! )+‬‬ ‫ا "ر ‪ +‬ت‪7 .‬م‬
‫و"‪+‬دل ‪ .‬م ‪ ،Y‬ا ذي ُ "‪ C‬إ(" "("وع ا "ر ‪ +‬ت )ا دار "("وع ا "ر ‪ +‬ت ‪. +‬‬
‫"("وع ا "ر ‪ +‬ت(‪A ") .‬ر "("وع ‪ .‬ا "ر ‪ +‬ت‪ " ،‬ر ً! ‪"(" "(Q‬وع‬
‫ا "ر ‪ +‬ت‪ ،‬رت ‪" +" !" .‬ل ا د د ‪ ،r2‬وھو "ؤ‪5‬ر )‪5 ! C‬رح ا "‪ +‬د ! ا (!‬
‫"ن ) ل ا دار )‪ !.9+‬ن ا " ‪ A‬رات‪.‬‬
‫‪ " Z‬و ت‪.‬‬ ‫وم ‪Q‬ر( ع " و ت‬ ‫(ب إد‪ :‬ل ا ‪ Z‬ا‬ ‫•‬
 ‫لا م‬ ‫ف "‪7‬ل ‪ known_x's‬و ط!‪ ،‬ا ‪:‬دم ا وا ل‬ ‫د إد‪ :‬ل ‪ 7‬ت‬ ‫•‬
‫)! و ً‬ ‫ل ا وف‪. .‬د ‪) :‬ف ا? رف ا‬ ‫س ا ف وا وا ل ا " وط!‬
‫و ‪ %‬ا م‪.‬‬ ‫` دادات ا " ) ! د ك ا دادات ا ‪ % 4‬أو ا ‪ $‬رات ا ‪% 4‬‬
‫! إذا ت‬ ‫ون‬ ‫و‪ # +.‬وا ط! "‪ +‬د ! ا دار ‪.‬د‬ ‫ظ أن ‪ .‬م ‪ y‬ا‬ ‫•‬
‫‪ :‬رج ط ق ‪ .‬م ‪ y‬ا " ‪:‬د"! د د ا "‪ +‬د !‪.‬‬

‫ا ‪ 0‬ل ‪ :1‬ا ل و ط‪Y ,‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫‪.‬ط ت س‬ ‫‪.‬ط ت ص‬

‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪4‬‬ ‫‪9‬‬ ‫‪2‬‬

‫‪2‬‬ ‫‪5‬‬ ‫‪3‬‬

‫‪3‬‬ ‫‪7‬‬ ‫‪4‬‬

‫‪%‬‬ ‫ا‬ ‫‪%‬‬ ‫ا‬ ‫‪5‬‬

‫)‪=LINEST(A2:A5,B2:B5,,FALSE‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ A7:B7‬دءاً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م ا ‪A‬ط )‪C‬‬
‫ف‪ ،‬ون ا (! ا و دة ‪.2‬‬ ‫‪!A‬‬ ‫‪ .CTRL+SHIFT+ENTER‬إذا م م إد‪ :‬ل ا ‪!A‬‬

‫و !‪ ،‬م إر( ع ا " ل )‪ (2‬وا ط ‪.(1) y‬‬ ‫د" م ا<د‪ :‬ل "‬

‫‪ 0‬ل ‪ :2‬ا دار ‪$‬ط& ‪ +‬ط ‪:‬‬

 ‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬
‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫ا ‪.+‬ت‬ ‫ا '‪2‬ر‬

‫‪3100‬‬ ‫‪1 1‬‬

‫‪4500‬‬ ‫‪2 2‬‬

‫‪4400‬‬ ‫‪3 3‬‬

‫‪5400‬‬ ‫‪4 4‬‬

‫‪7500‬‬ ‫‪5 5‬‬

‫‪8100‬‬ ‫‪6 6‬‬

‫‪(7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬ ‫‪7‬‬

‫)‪(11000‬‬ ‫د ر " ‪ +‬ت ا ‪#5‬ر ا‬ ‫)}‪=SUM(LINEST(B2:B7, A2:A7)*{9,1‬‬

‫وي ‪ ،mx+b‬وھ ‪ y !" .‬ا " درة "! ‪ x‬ا "‪+‬ط ة‪.‬‬ ‫‪ 5‬ل م‪SUM({m,b}*{x,1}) ،‬‬
‫و " ك أ ً ا ‪:‬دام ا دا ! ‪.TREND‬‬

‫‪ 0‬ل ‪ :3‬ا دار ‪$‬ط& ‪.‬دد‬

‫‪ A‬رة‬ ‫ا<دار ! ا‬ ‫‪5‬راء "("و ! "ن ا "‬ ‫ر‬ ‫رض أن أ د ا "طور ن ا ( ر ن‬

‫" ط ! ( ر ! " ‪H5‬ة‪.‬‬

‫" ط ! "‪+‬ط ة‬ ‫" ن )"طور ا ‪:‬دام ) ل ا دار ‪:‬ط " ‪+‬دد د ر ‪ C " !" .‬إداري‬
‫ا داً إ ‪ C‬ا " ‪ A‬رات ا !‪.‬‬
 ‫'رإ‬ ‫ر‬ ‫ا‬

‫ا "! ا " درة )" ‪ C‬ا<داري‬ ‫‪y‬‬

‫دم ا "ر‬ ‫! اط ق‬ ‫"‬ ‫‪x1‬‬

‫دد ا " ب‬ ‫‪x2‬‬

‫دد ا "دا‪:‬ل‬ ‫‪x3‬‬

‫وات‬ ‫"ر ا " ‪ C‬ا<داري‬ ‫‪x4‬‬

‫ل )‪ x1‬و‪ x2‬و ‪x3‬و ‪ (x4‬وا " ‪ A‬ر‬ ‫رض ھذا ا "‪ 7‬ل و(ود ‪ ! 7 !.9‬ن ل " ‪ A‬ر "‬
‫ا<دار ! ا " ط !‪.‬‬ ‫)‪ ،(y‬وھ ‪ !" .‬ا "‬ ‫ا‬

‫ل‬ ‫! ‪5‬وا; ! " و ! "ن ‪ C " 11‬إداري "ن ن ‪ C " 1.500‬إداري و‬ ‫‪ :‬ر ا "طور‬
‫!‪"" .‬د‪:‬ل " رد" ‪" +‬د‪:‬ل ‪ 9‬ل ط‪.‬‬ ‫)‪ C‬ا ت ا‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪E‬‬ ‫‪D‬‬ ‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬

‫ا ‪%‬‬ ‫‪1‬‬
‫ب ا دا‪$‬ل ا ‪ .‬ر‬ ‫ا‬
‫ا درة‬ ‫‪ %‬ا ط ‪+‬ق)‪(x1‬‬
‫)‪(x4) (x3‬‬ ‫)‪(x2‬‬
‫)‪(y‬‬ ‫‪2‬‬

‫‪142,000‬‬ ‫‪20‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2310 3‬‬

‫‪144,000‬‬ ‫‪12‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2333 4‬‬

‫‪151,000‬‬ ‫‪33‬‬ ‫‪1.5‬‬ ‫‪3‬‬ ‫‪2356 5‬‬

‫‪150,000‬‬ ‫‪43‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪2379 6‬‬

‫‪139,000‬‬ ‫‪53‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2402 7‬‬

‫‪169,000‬‬ ‫‪23‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪2425 8‬‬

‫‪126,000‬‬ ‫‪99‬‬ ‫‪1.5‬‬ ‫‪2‬‬ ‫‪2448 9‬‬

‫‪142,900‬‬ ‫‪34‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2471 10‬‬

‫‪163,000‬‬ ‫‪23‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2494 11‬‬

‫‪169,000‬‬ ‫‪55‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪2517 12‬‬

‫‪149,000‬‬ ‫‪22‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2540‬‬

‫‪%‬‬

‫)‪=LINEST(E2:E12,A2:D12,TRUE,TRUE‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ A14:E18‬دءاً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م ا ‪A‬ط )‪C‬‬
‫ف‪ ،‬ون ا (! ا و دة ‪-‬‬ ‫‪!A‬‬ ‫‪ .CTRL+SHIFT+ENTER‬إذا م م إد‪ :‬ل ا ‪!A‬‬
‫‪.234.2371645‬‬

‫!‪ .‬ا ‪:‬دم ھذا ا? س ‪+‬ر ف‬ ‫دار ا‬ ‫; تا‬ ‫د ا<د‪ :‬ل " و !‪ ،‬م إر( ع إ‬
‫ر دھ ‪.‬‬ ‫;!ا‬ ‫ا<‬

‫دار ا " ‪+‬دد‪،b+ y=m1*x1 + m2*x3 + m4*x4 ،‬‬ ‫ول ا‪M‬ن )‪ +" C‬د ! ا‬ ‫" نا‬
‫‪:‬دام ا م "ن ا ف ‪:14‬‬

‫‪y = 27.64*x1 + 12,530*x2 + 2,553*x3+ 234.24*x4 + 52,318‬‬

‫‪. 2.500 D‬دم "ر ‪،‬‬ ‫س ا"ط! "‬ ‫" ن )"طور ا‪M‬ن أن وم د ر ‪ C " !" .‬إداري‬
‫!‪:‬‬ ‫‪:‬دام ا "‪ +‬د ! ا‬ ‫و ون "ن ‪ " !797‬ب و"د‪ ):‬ن و "ره ‪،! 25‬‬

‫‪y = 27.64*2500 + 12530*3 + 2553*2 - 234.24*25 + 52318 = $158,261‬‬

 ‫ف ا "‪ 7‬ل‪.‬‬ ‫إ ‪ C‬ا ‪" A21 ! ):‬ن "‬ ‫‪ f‬ا (دول ا‬ ‫أو " ك‬

‫ا‪ .‬ر‬ ‫ا دا‪$‬ل‬ ‫ب‬ ‫ا‬ ‫‪%‬‬

‫‪ %‬ا درة)‪(y‬‬ ‫ا‬
‫)‪(x4‬‬ ‫)‪(x3‬‬ ‫)‪(x2‬‬ ‫ا ط ‪+‬ق)‪(x1‬‬

‫‪=D14*A22 + C14*B22 +‬‬ ‫‪25‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪2500‬‬

‫‪B14*C22 + A14*D22 + E14‬‬

‫ب ھذه ا "!‪.‬‬ ‫ً ا ‪:‬دام دا ! ‪TREND‬‬ ‫" كأ‬

‫ت ‪ F‬و‪R2‬‬ ‫‪ 0‬ل ‪ :4‬ا ‪$‬دام إ‬

‫‪T‬‬ ‫ا "‪ 7‬ل ا ق‪ ،‬ون "‪" +‬ل ا د د‪ ،‬أو ‪ ،r2‬ھو ‪) 0.099675‬ا ظر ا ‪A17 ! ):‬‬
‫‪ ،(LINEST‬ا ذي ‪ 5‬ر إ ‪ C‬و(ود ‪. !.9‬و ! ن ا " ‪ A‬رات ا " )! و ‪+‬ر ا ‪ " .‬ك‬
‫; ! ‪ F‬د د " إذا ت )ك ا ;‪ r2 !" . " ،T‬ا "ر ‪ !+‬ھذه‪. ،‬د د‪7‬ت‬ ‫ا ‪:‬دام إ‬
‫‪5‬وا; ً‪.‬‬

‫ا رض ا‪M‬ن أ ‪ D‬و(د ‪+‬ل ‪ !.9‬ن ا " ‪ A‬رات‪ ،‬ل أ ك ‪.‬د ر "ت "(رد ! درة "ن‬
‫; ‪: ُ .‬دم ا " ط)‪" P‬أ "‬ ‫‪ C " 11‬إداري ؤدي إ ‪ C‬رض ‪. !.9‬و ! ) ) ل ا<‬
‫" ل ‪:‬ط‪ H‬ا ج و(ود ‪.!.9‬‬

‫; ! ‪ F‬ا "‪ 9‬ظ! أ ر "ن ‪ F !" .‬ا ر(!‪ " .‬ن‬ ‫و(د ‪ !.9‬ن ا " ‪ A‬رات إذا ت ا<‬
‫ول )‪ C‬ا "! ا ر(! ‪ F‬ر(وع إ ‪( C‬دول ا م ا ر(! ‪ F‬ا ‪+‬د د "ن ب‬ ‫ا‬
‫!‬ ‫ء‪ .‬راءة ا (دول‪ ،‬ا رض ا‪ :‬ر " رد‪ ،‬ا ‪:‬دم ‪ !" .‬أ ‪.‬درھ ‪ ،0.05‬و‬ ‫ا<‬
‫در( ت ا ر ! )"‪ :‬رة "‪+‬ظم ا (داول ـ ‪ v1‬و‪ ،(v2‬ا ‪:‬دم ‪ v1=k = 4‬و ‪v2 = n - (k‬‬
‫) ل ا دار و‪ n‬ھ دد ط‬ ‫‪ ،+ 1) = 11 - (4 + 1) = 6‬ث ‪ k‬ھ دد ا " ‪ A‬رات‬
‫ا ت‪ .‬ا "! ا ر(! ‪ F‬ھ ‪.4.53‬‬

‫‪ f !" .‬ا "‪ 9‬ظ! ھ ‪) 459.753674‬ا ‪ ،(A18 ! ):‬وھ ‪ ً )+‬أ ر "ن ا "! ا ر(! ‪ F‬ا‬
‫ا<دار !‬ ‫و‪ .‬ا "! ا " درة )"‬ ‫ون ‪.‬درھ ‪ .4.53‬ذ ك‪ ،‬ون "‪ +‬د ! ا دار " دة‬
‫ھذه ا " ط !‪.‬‬

‫ت‪T‬‬ ‫با‬ ‫‪ 0‬ل ‪:5‬‬

‫د د ا "! ا " درة " ‪C‬‬ ‫آ‪:‬ر " إذا ن ل "‪" +‬ل " ل " داً‬ ‫دد ا‪ :‬ر ا را‬
‫; !‪. ،‬م "! ‪-234.24‬‬ ‫إداري ا "‪ 7‬ل ‪ : ،ً97" .3‬ر "‪" +‬ل ا ‪"+‬ر ‪h‬ھ" ! ا<‬
‫ا ‪.(A15 ! ):‬‬ ‫)"‪" +‬ل " ل ا ‪"+‬ر( )‪) 13.268 C‬ا ‪:‬ط‪ H‬ا "‪ +‬ري ا " در "‪9" +‬ت ا ‪"+‬ر‬
‫" ) ھو ‪ !" .‬ا "‪ 9‬ظ!‪:‬‬

‫‪t = m4 ÷ se4 = -234.24 ÷ 13.268 = -17.7‬‬

‫ء‪( ،‬د أن ‪ t !" .‬ا ر(! و دة ا طرف‪6 " ،‬‬ ‫إذا ‪".‬ت "را(‪( !+‬دول د ل إ‬
‫در( ت ) ر ! وأ =‪ 0.05‬ون ‪ .1.94‬و?ن ا "! ا "ط) ! ـ ‪ ،t‬وھ ‪ ،17.7‬أ ر "ن‬
‫‪ P‬ا ‪"+‬ر " ‪ A‬ر "‪#‬م د د ر ا "! ا " درة " ‪ C‬إداري‪ " .‬ن ا‪ :‬ر ل " ‪ A‬ر‬ ‫‪،1.94‬‬
‫; ! طر ! "" ‪ . ) " .!)7‬م ‪ t‬ا ") وظ!‬ ‫"ن ا " ‪ A‬رات ا " )! ا?‪:‬رى ‪h‬ھ" ! ا<‬
‫ل "ن ا " ‪ A‬رات ا " )!‪.‬‬

‫‪ t % 4‬ا ) ظ‪%‬‬ ‫ر‬ ‫ا‬

‫‪5.1‬‬ ‫! اط ق‬ ‫"‬

‫‪31.3‬‬ ‫دد ا " ب‬

‫‪4.8‬‬ ‫دد ا "دا‪:‬ل‬

‫‪17.7‬‬ ‫ا ‪"+‬ر‬

‫وي ! )ك ا م )‪ . C‬م "ط) ! أ ر "ن ‪1.94‬؛ ذ ك ‪Q‬ن ! ا " ‪ A‬رات ا " ‪:‬د"!‬
‫ا<دار ! ھذه ا " ط !‪.‬‬ ‫و‪ .‬ا "! ا " درة )"‬ ‫"‪ +‬د ! ا دار " دة‬

‫دار ا ‪$‬ط& ‪:TREND‬‬ ‫ل ‪$‬ط ا‬

‫إر( ع ‪ .‬م طول ا ( ه ‪:‬ط ‪ .‬و"‪: !";9‬ط " م ) ‪:‬دام طر ! ا "! ا ‪A‬رى "("وع‬
‫ن ‪+") known_y's‬ط ت ص( و‪+") known_x's‬ط ت س(‪ .‬إر( ع ا م‬ ‫ا "ر ‪ +‬ت( )‬
‫ف ‪ new_x‬ا ذي دد ‪.D‬‬ ‫‪ C) y‬طول ھذا ا ‪:‬ط‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪TREND(known_y's,known_x's,new_x's,const‬‬

‫ا ‪!.9+‬‬ ‫ً‬ ‫‪+‬ر ‪" #‬‬ ‫‪+") Known_y's‬ط ت ص( "("و ! "ن ‪ .‬م ‪) y‬ص( ا‬

‫‪y = mx + b‬‬
‫‪Known_x's‬‬ ‫ر ل "ود‬ ‫"ود " رد‪ ،‬م‬ ‫و ! ‪Known_y's‬‬ ‫إذا ن "‬ ‫•‬
‫ل‪.‬‬ ‫"‪A‬ر"‬
‫‪known_x's‬‬ ‫ف‬ ‫ر ل‬ ‫ف " رد‪ ،‬م‬ ‫و ! ‪known_y's‬‬ ‫إذا ن "‬ ‫•‬
‫ل‪.‬‬ ‫"‪A‬ر"‬

‫ً‬ ‫‪.‬د ‪+‬ر ‪" #‬‬ ‫‪+") Known_x's‬ط ت س( "("و ! ا‪ :‬ر ! "ن ‪ .‬م ‪) x‬س( ا‬
‫ا ‪.y = mx + b !.9+‬‬

‫"ن "("و ! أو أ ‪7‬ر "ن ا " ‪ A‬رات‪ .‬إذا م‬ ‫" ن ) ف ‪ known_x's‬أن‬ ‫•‬
‫ا ‪:‬دام " ‪ A‬ر وا د ط " ن أن ون ‪ known_y's‬و‪ known_x's‬ط ‪ .‬ت "ن أي‬
‫‪ 5‬ل‪ ،‬ط " ن د ‪ #‬أ ‪ +‬د " و !‪ .‬إذا م ا ‪:‬دام أ ‪7‬ر "ن " ‪ A‬ر وا د‪( ،‬ب أن‬
‫ون ‪" ! " known_x's‬و(‪) !#‬أي ط ق ر ع ف وا د أو ‪+‬رض "ود‬
‫وا د(‪.‬‬
‫إذا م ذف ‪ ،known_x's‬رض أن ون " و ! }‪ {...،1,2,3‬ا ذي ون س‬ ‫•‬
‫(م ‪.known_y's‬‬

‫أن وم ‪TREND‬‬ ‫ر‪2‬ب‬ ‫‪+") New_x's‬ط ت س ا (د دة( ‪ .‬م ‪) x‬س( ا (د دة ا‬

‫‪Q‬ر( ع ‪ .‬م ‪) y‬ص( ا " ظرة ‪. #‬‬

‫"ن ‪" new_x's‬ود ) أو ف( ل " ‪ A‬ر " ل‪+ ")7" ً " " ،‬ل‬ ‫(ب أن‬ ‫•‬
‫"ود " رد‪( ،‬ب أن ون دد ا? "دة‬ ‫‪ .known_x's‬إذا ت ‪known_y's‬‬
‫ف " رد‪( ،‬ب‬ ‫‪ known_x's‬و‪ " new_x's‬وي‪ .‬إذا ت ‪known_y's‬‬
‫أن ون دد ا وف ‪ known_x's‬و‪ " new_x's‬وي‪.‬‬
‫إذا م ذف ‪ ،new_x's‬رض أن ون "‪7‬ل ‪.known_x's‬‬ ‫•‬
‫إذا م ذف ‪" ً9‬ن ‪ known_x's‬و‪ ،new_x's‬رض أن و " و !‬ ‫•‬
‫}‪ {...،1,2,3‬ا ذي ون ‪ D‬س (م ‪.known_y's‬‬

‫ر(‪.‬‬ ‫وي ‪) 0‬‬ ‫م رض ا ‪ 7‬ت ‪b‬‬ ‫دد " إذا ن‬ ‫‪ 7) Const‬ت( ‪ " !" .‬ط !‬

‫ب ‪ 5 b‬ل ا "‪ +‬د‪.‬‬ ‫وي ‪ TRUE‬أو "‪ ،!)"#‬م‬ ‫ت ‪const‬‬ ‫إذا‬ ‫•‬
‫طا م‪m‬‬ ‫وي ‪ ) 0‬ر(‪ ،‬و م‬ ‫وي ‪ ،FALSE‬م ‪ +‬ن ‪b‬‬ ‫ت ‪const‬‬ ‫إذا‬ ‫•‬
‫ون ‪.y = mx‬‬

‫و‪2‬ت‬

‫ت‪،‬‬ ‫! ‪ .‬م ‪: !";9" Microsoft Excel‬ط‬ ‫) ول )‪)+" C‬و" ت ول‬ ‫•‬

‫ا ظر ‪.LINEST‬‬
‫ب س ا"‪A‬ر‬ ‫" ك ا ‪:‬دام ‪+ " C " !";9" TREND‬دد ا دود ‪ Q‬دة‬ ‫•‬
‫"ر و ً إ ‪. C‬وى أ ! "‪ C) .! ) :‬ل ا "‪ 7‬ل‪ ،‬ا رض أن ا ‪"+‬ود ‪ A‬وي )‪ . C‬م‬
‫‪ y‬وا ‪"+‬ود ‪ B‬وي )‪ . C‬م ‪ " .x‬ك إد‪ :‬ل ‪ x^2‬ا ‪"+‬ود ‪ ،C‬و‪ x^3‬ا ‪"+‬ود‬
‫ب ا ‪"+‬ود ‪9: B‬ل ‪ " D‬ر ‪"+ D‬ود ‪.A‬‬ ‫‪ ،D‬وھ ذا‪7 ،‬م إ دة‬
 ‫‪ " Z‬و ت‪.‬‬ ‫وم ‪Q‬ر( ع " و ت‬ ‫(ب إد‪ :‬ل ا ‪ Z‬ا‬ ‫•‬
‫لا م‬ ‫ف و ط! "‪7‬ل ‪ ،known_x's‬ا ‪:‬دم وا ل‬ ‫د إد‪ :‬ل ‪ 7‬ت‬ ‫•‬
‫ل ا وف‪.‬‬ ‫س ا ف و وا ل " وط!‬

‫‪0‬ل‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪ ،‬إذا‬ ‫م ا ‪#5‬ر ا‬ ‫‪ !A‬ا ‪! 7‬‬ ‫‪+‬رض ا ‪ !A‬ا?و ‪ C‬ا م ا "ط ! ) م ا "‪+‬ط ة‪ .‬و ‪ H‬ا‬
‫ا "ر ا ( ه ا ‪:‬ط ‪.‬‬

‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬

‫‪ %/‬ا ط ‪(% +‬‬ ‫‪) %‬ا‬ ‫ا‬ ‫‪%/‬‬ ‫ا‬ ‫‪ 1‬ا '‪2‬ر‬

‫)‪=TREND(B2:B13, A2:A13‬‬ ‫‪$133,890‬‬ ‫‪1 2‬‬

‫‪$135,000‬‬ ‫‪2 3‬‬

‫‪$135,790‬‬ ‫‪3 4‬‬

‫‪$137,300‬‬ ‫‪4 5‬‬

‫‪$138,130‬‬ ‫‪5 6‬‬

‫‪$139,100‬‬ ‫‪6 7‬‬

‫‪$139,900‬‬ ‫‪7 8‬‬

‫‪$141,120‬‬ ‫‪8 9‬‬

‫‪$141,890‬‬ ‫‪9 10‬‬

 ‫‪$143,230‬‬ ‫‪10 11‬‬

‫‪$144,000‬‬ ‫‪11 12‬‬

‫‪$145,290‬‬ ‫‪12 13‬‬

‫‪ %/‬ا و‪(%.4‬‬ ‫‪) %‬ا‬ ‫ا‬ ‫ا '‪2‬ر‬

‫)‪=TREND(B2:B13, A2:A13,A15:A19‬‬ ‫‪13‬‬

‫‪14‬‬

‫‪15‬‬

‫‪16‬‬

‫‪17‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ C2:C13‬أو ‪ B15:B19‬دءاً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م‬
‫ف‪ ،‬ون ا ;‪T‬‬ ‫‪!A‬‬ ‫ا ‪A‬ط )‪ .CTRL+SHIFT+ENTER C‬إذا م م إد‪ :‬ل ا ‪!A‬‬
‫ا و دة ھ ‪ 133953.3333‬و ‪.146171.5152‬‬

‫ا‪: LOGEST & J‬‬ ‫ا‬

‫ف‪.‬م‬ ‫ك وإر( ع‬ ‫ب أ د ا " ‪ C‬ا? ا ذي ‪;9‬م‬ ‫) ل ا دار‪ ،‬وم‬

‫‪ " !A‬و !‪.‬‬ ‫ف "ن ا م‪( ،‬ب إد‪# :‬‬ ‫ف ا " ‪ .C‬و?ن ھذه ا دا ! وم ‪Q‬ر( ع‬

‫‪C‬ھ ‪:‬‬ ‫ون ا "‪ +‬د ! )"‬

‫‪y = b*m^x‬‬

‫)‪y = (b*(m1^x1)*(m2^x2)*_) (if there are multiple x-values‬‬

‫ث ون ‪) y!" .‬ص( ا ‪ !+‬رة ن دا ! "ن ‪ .‬م ‪) x‬س( ا " )!‪ .‬و ون ‪ .‬م ‪ m‬رة‬
‫ت ظر ل أس "! ‪ .x‬و ون ‪ .! 7 !" . b‬ظ أ ‪ " D‬ن أن ون ‪ x‬و ‪ y‬و ‪m‬‬ ‫نأ‬
‫" ت " (‪ .!#‬و ون " و ! ا ذي وم ‪Q LOGEST‬ر( ‪ D‬ھو }‪.{mn,mn-1,...,m1,b‬‬
 ‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪LOGEST(known_y's,known_x's,const,stats‬‬

‫ا ‪y = !.9+‬‬ ‫‪+‬ل‬ ‫‪+‬ر ‪#‬‬ ‫‪+") Known_y's‬ط ت ص( "("و ! ‪ .‬م ‪) y‬ص( ا‬

‫‪.b*m^x‬‬

‫ر ل "ود ـ ‪Known_x's‬‬ ‫"ود " رد‪ ،‬م‬ ‫إذا ن " و ! ‪Known_y's‬‬ ‫•‬
‫" ‪ A‬ر " رد‪.‬‬
‫ف ـ ‪known_x's‬‬ ‫ر ل‬ ‫ف " رد‪ ،‬م‬ ‫إذا ن " و ! ‪known_y's‬‬ ‫•‬
‫" ‪ A‬ر " ل‪.‬‬

‫ا ‪y = !.9+‬‬ ‫‪+‬ل‬ ‫‪+") Known_x's‬ط ت س( "("و ! ا‪ :‬ر ! "ن ‪ .‬م ‪) x‬س( َ ‪+‬ر ‪#‬‬
‫‪.b*m^x‬‬

‫"ن " و ! ‪"(" known_x's‬و ! أو أ ‪7‬ر "ن ا " ‪ A‬رات‪.‬‬ ‫"ن ا "" ن أن‬ ‫•‬
‫! ا ‪:‬دام " ‪ A‬ر وا د ط‪" ،‬ن ا "" ن أن ون ‪ known_y's‬و‪known_x's‬‬
‫! ا ‪:‬دام أ ‪7‬ر "ن‬ ‫رة ن ط ‪ .‬ت ?ي ‪ 5‬ل ط " أن أ ‪ +‬دھ" " و !‪ .‬و‬
‫" ‪ A‬ر وا د‪( ،‬ب أن ون ‪ known_y's‬ط ‪" ً .‬ن ا ‪ 9:‬ار ‪ D‬ف وا د أو‬
‫ر ‪" D‬ود وا د )وا ذي ‪+‬رف أ ً " ! "و(‪.(!#‬‬
‫إذا م ذف ‪ ،known_x's‬رض أن ون " و ! }‪ {...،1,2,3‬ا ذي ون س‬ ‫•‬
‫(م ‪.known_y's‬‬

‫ر(‪.‬‬ ‫وي ‪) 1‬‬ ‫م رض ا ‪ 7‬ت ‪b‬‬ ‫دد " إذا ن‬ ‫‪ 7) Const‬ت( ‪ " !" .‬ط !‬

‫ب ‪ 5 b‬ل ا "‪ +‬د‪.‬‬ ‫وي ‪ TRUE‬أو "‪ ،!)"#‬م‬ ‫إذا ت ‪const‬‬ ‫•‬
‫وي ‪ ،1‬و ‪9‬ءم ‪ .‬م ‪y = " m‬‬ ‫وي ‪ ،FALSE‬م ‪ +‬ن ‪b‬‬ ‫إذا ت ‪const‬‬ ‫•‬
‫‪.m^x‬‬

‫!‪.‬‬ ‫; ت ا دار إ‬ ‫م إر( ع إ‬ ‫دد " إذا ن‬ ‫; ت( ‪ " !" .‬ط !‬ ‫‪) Stats‬إ‬

‫دار‬
‫; تا‬ ‫إذا ت ‪ stats‬وي ‪ ،TRUE‬وم ‪Q LOGEST‬ر( ع إ‬ ‫•‬
‫!‪ ،‬و ذ ك ون " و ! ا ذي م إر( ‪ D‬ھو }‪mn,mn-‬‬ ‫ا<‬
‫‪.{1,...,m1,b;sen,sen-1,...,se1,seb;r 2,sey; F,df;ssreg,ssresid‬‬
‫إذا ت ‪ stats‬وي ‪ FALSE‬أو " ذو !‪ ،‬وم ‪Q LOGEST‬ر( ع "‪9" +‬ت ‪ m‬ط‬ ‫•‬
‫وا ‪ 7‬ت ‪.b‬‬

‫!‪ ،‬ا ظر ‪.LINEST‬‬ ‫دار ا<‬ ‫; تا‬ ‫ول )‪" C‬ز د "ن ا "‪)+‬و" ت ول إ‬ ‫)‬

‫و‪2‬ت‬
 ‫ك أ ‪7‬ر "‪ C ") ً9 7‬ا? ‪ ") ،‬زادت "‪ !";9‬ا ‪:‬ط‬ ‫)" ن ‪ 5‬ل ر م‬ ‫•‬
‫ف ‪ .‬م ف ا ‪!.9+‬‬ ‫ك‪ .‬و"‪7‬ل ‪ ،LINEST‬وم ‪Q LOGEST‬ر( ع‬ ‫ا " وب‬
‫ك )‪: C‬ط " م؛ " وم ‪LOGEST‬‬ ‫ن ا م‪ ،‬ن وم ‪!";9" LINEST‬‬
‫ك )‪ C " C‬أ ‪" .‬ز د "ن ا "‪)+‬و" ت‪ ،‬ا ظر ‪.LINEST‬‬ ‫"‪!";9‬‬
‫ول )‪ . C‬م ا " ل )‪(m‬‬ ‫د" ون د ك " ‪ A‬ر ‪ " x‬ل وا د ط‪ " ،‬ك ا‬ ‫•‬
‫‪:‬دام ا ‪ Z‬ا !‪:‬‬ ‫وا ط ‪5 " y‬ر ًة " ‪ .‬م ‪b‬‬

‫ا " ل )‪:(m‬‬
‫)‪INDEX(LOGEST(known_y's,known_x's),1‬‬

‫ط ‪: (b) " y‬‬

‫)‪INDEX(LOGEST(known_y's,known_x's),2‬‬

‫" ك ا ‪:‬دام ا "‪ +‬د ! ‪ y = b*m^x‬و‪ .‬ا م ا " ) ! ـ ‪ ،y‬ن و ر‬

‫ً! ك‪" .‬ز د "ن ا "‪)+‬و" ت‪،‬‬ ‫‪ Microsoft Excel‬ا دا ! ‪ ) GROWTH‬م ذ ك‬
‫ا ظر ‪.GROWTH‬‬

‫‪ " Z‬و ت‪.‬‬ ‫وم ‪Q‬ر( ع " و ت‬ ‫(ب إد‪ :‬ل ا ‪ Z‬ا‬ ‫•‬
‫لا م‬ ‫ف "‪7‬ل ‪ known_x's‬و ط!‪ ،‬ا ‪:‬دم ا وا ل‬ ‫د إد‪ :‬ل ‪ 7‬ت‬ ‫•‬
‫)! و ً‬ ‫ل ا وف‪. .‬د ‪) :‬ف ا? رف ا‬ ‫س ا ف وا وا ل ا " وط!‬
‫و ‪ %‬ا م‪.‬‬ ‫` دادات ا " ) ! د ك ا دادات ا ‪ % 4‬أو ا ‪ $‬رات ا ‪% 4‬‬
‫!‬ ‫م و‪ #+.‬وا ط! "‪ +‬د ! ا دار ‪.‬د ون ‪ 2‬ر‬ ‫(ب "‪ 9‬ظ! أن ‪ .‬م ص ا‬ ‫•‬
‫إذا ت ‪ :‬رج ط ق ‪ .‬م ص ا ذي ا ‪:‬د" ‪ D‬د د ا "‪ +‬د !‪.‬‬

‫‪) .‬ت ‪ m‬وا ‪+ 0‬ت ‪b‬‬ ‫‪0‬ل‪1‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫ا و دات‬ ‫ا '‪2‬ر‬ ‫‪1‬‬

‫‪33,100‬‬ ‫‪11 2‬‬

 ‫‪47,300‬‬ ‫‪12 3‬‬

‫‪69,000‬‬ ‫‪13 4‬‬

‫‪102,000‬‬ ‫‪14 5‬‬

‫‪150,000‬‬ ‫‪15 6‬‬

‫‪220,000‬‬ ‫‪16 7‬‬

‫‪%‬‬ ‫ا‬ ‫‪%‬‬

‫)‪=LOGEST(B2:B7,A2:A7, TRUE, FALSE‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ A9:B9‬دءاً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م ا ‪A‬ط )‪C‬‬
‫ف‪ ،‬ون ا (! ا و دة‬ ‫‪!A‬‬ ‫‪ .CTRL+SHIFT+ENTER‬إذا م م إد‪ :‬ل ا ‪!A‬‬
‫‪.1.463275628‬‬

‫و !‪ ،‬م إر( ع "‪9" +‬ت ‪ m‬وا ‪ 7‬ت ‪.b‬‬ ‫د" م ا<د‪ :‬ل "‬

‫و !‪:‬‬ ‫أو ا ‪:‬دام ا م "ن "‬ ‫‪y = b*m1^x1‬‬

‫‪y = 495.3 * 1.4633x‬‬

‫ھذه ا "‪ +‬د !‪ ،‬أو‬ ‫) ! ن طر ق د ل ر‪.‬م ا ‪#5‬ر ـ ‪x‬‬ ‫" ك د ر ا " ‪ +‬ت ‪#5h‬ر ا "‬
‫" ك ا ‪:‬دام ا دا ! ‪.GROWTH‬‬

‫‪%‬‬ ‫ت‬ ‫إ‬ ‫‪0‬ل‪2‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬
 ‫‪B‬‬ ‫‪A‬‬

‫ا و دات‬ ‫ا '‪2‬ر‬

‫‪33,100‬‬ ‫‪11 1‬‬

‫‪47,300‬‬ ‫‪12 2‬‬

‫‪69,000‬‬ ‫‪13 3‬‬

‫‪102,000‬‬ ‫‪14 4‬‬

‫‪150,000‬‬ ‫‪15 5‬‬

‫‪220,000‬‬ ‫‪16‬‬
‫‪6‬‬
‫‪%‬‬
‫‪7‬‬
‫)‪=LOGEST(B2:B7,A2:A7, TRUE, TRUE‬‬

‫ف‪+ .‬د ‪ f‬ا "‪ 7‬ل إ ‪ C‬ور‪" !.‬ل‬ ‫‪!A‬‬ ‫) ظ‪( %‬ب إد‪ :‬ل ا ‪ !A‬ا "‪ 7‬ل‬
‫ر‪ ،!2‬دد ا ط ق ‪ A9:B13‬دءاً ‪ ! ):‬ا ‪ .!A‬ا ‪A‬ط )‪ C‬ا " ح ‪7 ،F2‬م ا ‪A‬ط )‪C‬‬
‫ف‪ ،‬ون ا (! ا و دة‬ ‫‪!A‬‬ ‫‪ .CTRL+SHIFT+ENTER‬إذا م م إد‪ :‬ل ا ‪!A‬‬
‫‪.1.463275628‬‬

‫!‪ .‬ا ‪:‬دم ھذا ا? س ‪+‬ر ف‬ ‫دار ا‬ ‫; تا‬ ‫د ا<د‪ :‬ل " و !‪ ،‬م إر( ع إ‬
‫ر دھ ‪.‬‬ ‫;!ا‬ ‫ا<‬

‫ف ا<‪:‬راج أ ‪9‬ه(‬ ‫! )ا ‪A10:B13 9:‬‬ ‫; ت ا دار ا<‬ ‫" ك ا ‪:‬دام إ‬

‫و‪ .‬ا م ا " ) !‪.‬‬ ‫د د "دى ;دة ا "‪ +‬د !‬

‫‪:‬دام ‪) LOGEST‬ك ا? ب‬ ‫‪:‬د"‪ : #‬ر "‪ +‬د ! "‬ ‫ھ م ‪ D 5‬ا? ب ا‬

‫م إر( ‪#‬‬ ‫!ا‬ ‫; ت ا<‬ ‫د ا<‬ ‫ا " ‪:‬د"! ‪ .LINEST‬و ر‪2‬م "ن ذ ك‪،‬‬
‫وا ط! ‪ LOGEST‬إ ‪ C‬ا "وذج ا ‪:‬ط ا ‪:‬‬

‫‪ln y = x1 ln m1 + ... + xn ln mn + ln b‬‬

‫!‪ !ً : ،‬ا " ن ‪ sei‬و ‪ ،seb‬وا ) ن‬ ‫; ت ا<‬ ‫(ب أن ذ ر ھذا دا;" ً د" ّم ا<‬
‫ول )‪" C‬ز د "ن ا "‪)+‬و" ت‪ ،‬را(‬ ‫(ب " ر ‪ "#‬ـ ‪ ln mi‬و‪ ،ln b‬و س ـ ‪ mi‬و‪) .b‬‬
‫; ت ا " د"!‪.‬‬ ‫د ل ا<‬

‫دار ا ‪:‬ط ‪SLOPE :‬‬ ‫" ل ‪:‬ط ا‬

‫إر( ع " ل ‪:‬ط ا دار ا ‪:‬ط ا " ر ‪9:‬ل ط ا ت ‪+") known_y's‬ط ت ص( و‬

‫‪+") known_x's‬ط ت س(‪ .‬ا " ل ھو ‪ " !" . T‬دار ا " ! ا ‪"+‬ود ! )‪ C‬ا " ! ا? !‬
‫ن أي ط ن )‪ C‬ا ‪:‬ط‪ ،‬وا ذي "‪7‬ل "‪+‬دل ا ‪ A‬ر )‪ C‬ا دار ا ‪:‬ط ‪.‬‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪SLOPE(known_y's,known_x's‬‬

‫ت ر‪! ".‬‬ ‫ط‬ ‫وي )‪C‬‬ ‫ف أو ط ق "ن ا ‪9:‬‬ ‫‪+") Known_y's‬ط ت ص( ھ‪C‬‬
‫‪.!+‬‬

‫)!‪.‬‬ ‫ت ا"‬ ‫طا‬ ‫‪+") Known_x's‬ط ت س( ھ‪"(" C‬و ! "ن‬

‫و‪2‬ت‬

‫وي )‪C‬‬ ‫و ت‪ ،‬أو "را(‬‫(ب أن ون ا و ;ط إ" أر‪ .‬م‪ ،‬أو أ " ء‪ ،‬أو "‬ ‫•‬
‫أر‪ .‬م‪.‬‬
‫ف أو "ر( )‪ C‬ص‪ ،‬أو ‪ .‬م " ط !‪ ،‬أو ‪ 9:‬ر‪ ،!2‬م‬ ‫إذا ا وت و ط!‬ ‫•‬
‫وي )‪ C‬ا "! ر‪.‬‬ ‫( ھل )ك ا م؛ ر‪2‬م ذ ك م " ن ا ‪ 9:‬ا‬
‫إذا ت ‪ known_y's‬و‪ ! : known_x's‬أو ‪ #‬دد "‪) :‬ف ط ا ت‪ُ ،‬ر(‬ ‫•‬
‫‪ !" . SLOPE‬ا ‪:‬ط‪#.N/A H‬‬

‫‪0‬ـــــــــــــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫‪.‬ط ت س‬ ‫‪.‬ط ت ص‬ ‫‪1‬‬

 ‫‪6‬‬ ‫‪2 2‬‬

‫‪5‬‬ ‫‪3 3‬‬

‫‪11‬‬ ‫‪9 4‬‬

‫‪7‬‬ ‫‪1 5‬‬

‫‪5‬‬ ‫‪8 6‬‬

‫‪4‬‬ ‫‪7 7‬‬

‫‪4‬‬ ‫‪5 8‬‬

‫‪(7‬‬ ‫ا و ف )ا‬ ‫‪%‬‬ ‫ا‬

‫ت أ ‪9‬ه‬ ‫طا‬ ‫)‪ " =SLOPE(A2:A8,B2:B8‬ل ‪:‬ط ا دار ا ‪:‬ط ا " ر ‪9:‬ل‬
‫)‪( 0.305556‬‬

‫ا ‪$‬ط‪ O‬ا ‪ .‬ري‪STEYX :‬‬

‫دار‪ .‬ا ‪:‬ط‪ H‬ا "‪ +‬ري ھو‬ ‫‪:‬ط ا‬ ‫إر( ع ا ‪:‬ط‪ H‬ا "‪ +‬ري "! ص ا " و‪ !+.‬ل ‪ !" .‬س‬
‫" س " دار ا ‪:‬ط‪ H‬د و‪ !" . .‬ص "! س ا رد !‪.‬‬

‫ب‪:‬‬ ‫ا‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪STEYX(known_x's،known_y's‬‬

‫ت ا ‪.!+‬‬ ‫طا‬ ‫ف أو ط ق "ن‬ ‫‪+" ) Known_y's‬ط ت ص( ھ‪C‬‬

‫)!‪.‬‬ ‫ت ا"‬ ‫طا‬ ‫ف أو ط ق "ن‬ ‫‪+") Known_x's‬ط ت س( ھ‪C‬‬

‫و‪2‬ت‪:‬‬

‫وي )‪C‬‬ ‫و ت‪ ،‬أو "را(‬ ‫(ب أن ون ا و ;ط إ" أر‪ ً " .‬أو أ " ء‪ ،‬أو "‬ ‫•‬
‫أر‪ .‬م‪.‬‬
 ‫! أو " ط ! أو ‪ 9:‬ر‪ ،!2‬م‬ ‫ف أو "ر( )‪ . C‬م‬ ‫إذا ا وت و ط!‬ ‫•‬
‫وي )‪ C‬ا "! ر‪.‬‬ ‫( ھل )ك ا م؛ ر‪2‬م ذ ك م " ن ا ‪ 9:‬ا‬
‫إذا ت ‪ Known_y's‬و‪ Known_x's‬ر‪ !2‬أو ‪ #‬دد "‪) :‬ف "ن ط ا ت‪،‬‬ ‫•‬
‫وم ‪Q STEYX‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#N/A H‬‬
‫"‪ +‬د ! ا ‪:‬ط‪ H‬ا "‪ +‬ري ) "! ص ا " و‪ !+.‬ھ ‪:‬‬ ‫•‬

‫‪0‬ـــــــــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫‪.‬ط ت س‬ ‫‪.‬ط ت ص‬

‫‪6‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪5‬‬ ‫‪3‬‬
‫‪2‬‬
‫‪11‬‬ ‫‪9‬‬
‫‪3‬‬
‫‪7‬‬ ‫‪1‬‬
‫‪4‬‬
‫‪5‬‬ ‫‪8‬‬
‫‪5‬‬
‫‪4‬‬ ‫‪7‬‬
‫‪6‬‬
‫‪4‬‬ ‫‪5‬‬
‫‪7‬‬
‫‪(7‬‬ ‫ا و ف )ا‬ ‫‪%‬‬ ‫ا‬
‫‪8‬‬
‫‪:‬ط‬ ‫)‪ =STEYX(A2:A8,B2:B8‬ا ‪:‬ط‪ H‬ا "‪ +‬ري "! ص ا " و‪ !+.‬ل ‪ !" .‬س‬
‫ا دار)‪(3.305719‬‬
 ‫و‪%‬‬ ‫رن‪P‬ر‬

‫ل ا زرا !‬ ‫ن طور ا< ج "ن أ د ا "‬ ‫‪ .3‬د ا ت ا ! ا‬

‫وھو ا "‪9: P‬ل ا رة ‪:2001-1998‬‬
‫‪2001‬‬ ‫‪2000‬‬ ‫‪1999‬‬ ‫‪1998‬‬ ‫ا !‬

‫‪680‬‬ ‫‪500‬‬ ‫‪456‬‬ ‫‪400‬‬ ‫ا< ج‬

‫وا "ط)وب ‪:‬‬

‫!‬ ‫‪:‬دام ا ر وم ا‬ ‫!‬ ‫تا‬ ‫)‬ ‫• ار م ا "‬

‫‪C‬ا‬
‫ا ‪:‬ط !‪.‬‬
‫• ا ب "‪+‬دل ا< ج "ن " ول ا ‪ +5‬ر ‪9:‬ل ا رة ا " ددة‬
‫‪1998‬و ‪. 2001 C‬‬ ‫"ن‬
‫ا ل‬ ‫م ‪5‬ر ‪#‬‬ ‫; ! ا ‪9‬ز"! ا‬ ‫• ا ب ا "ؤ‪5‬رات ا<‬
‫ا ق ا ‪ 7‬وا ‪ 7‬ث‪.‬‬
 ‫ق‬ ‫ا (دول ا‬ ‫• ط ق ) ل ا دار )‪ C‬ا ت ا واردة‬
‫ا ‪:‬ط وا‪ :‬ر "‪ +‬و ! "ل ا دار ‪.‬‬
‫ا " ب ) ت ا !‪.‬‬ ‫• ا ‪ T‬ا "وذج ا ر‬
‫• ھل ا ت ا "ذ ورة "‪7‬ل ) )! ز" !‪،‬و" ھ "ؤ‪5‬را ‪ #‬؟‬

‫ا ( "‪ !+‬و دد‬ ‫ن طور دد ا ط‪9‬ب‬ ‫‪ .4‬د ا ت ا ! ا‬

‫ا "در ن ‪9:‬ل ا رة ‪:2001 - 1998‬‬

‫‪2002‬‬ ‫‪2001‬‬ ‫‪2000‬‬ ‫‪1999‬‬ ‫ا !‬

‫‪30000‬‬ ‫‪50000‬‬ ‫‪60000 50000‬‬ ‫دد ا ط‪9‬ب‬

‫‪210‬‬ ‫‪220‬‬ ‫‪270‬‬ ‫‪200‬‬ ‫دد‬

‫ا "در ن‬

‫وا "ط)وب‪:‬‬

‫"‪7‬ل ا ت ا ! ا (دول أ ‪9‬ه طر ! ا ! ا " !‪.‬‬ ‫•‬

‫م ‪5‬ر ‪#‬‬ ‫; ! ا ‪9‬ز"! ‪+‬دد ا ط‪9‬ب ا‬ ‫ا ب ا "ؤ‪5‬رات ا<‬ ‫•‬
‫ا ل ا ق ‪ 9‬ا ‪ +‬ن‪.‬‬
‫ا دار ا " ‪+‬دد )‪ C‬ا ت ا واردة ا (دول ا ق وا‪ :‬ر "‪ +‬و !‬ ‫•‬
‫"ل ا دار ‪.‬‬
‫ط ق ) ل ا ر ط درا ! "دى ا ر ط ن دد ا ط‪9‬ب و دد‬ ‫•‬
‫ا "در ن‬
‫ا ب "ل ا د د و ره‪.‬‬ ‫•‬
‫ا ب ا "ؤ‪5‬رات ا ‪ !) ) ! :‬ا ز" ! ل "ن دد ا ط‪9‬ب و دد‬ ‫•‬
‫ا "در ن‪.‬‬
‫ا(ر ا ‪+‬د ‪9‬ت ا " ! )‪ C‬ا ) )! ا ز" ! ل "ن دد ا ط‪9‬ب و دد‬ ‫•‬
‫ا "در ن " ا ‪5‬رح‪.‬‬
‫‪:‬دام ا ر وم ا ! ا ‪:‬ط !‬ ‫) تا !‬ ‫ار م ا " ‪ C‬ا‬ ‫•‬
‫وا ‪ +" T‬د ! ا دار ا " ! "ن ا ر م‪.‬‬
‫) ت ا ! ل "ن دد‬ ‫ا ‪" T‬ؤ‪5‬رات (ودة ا "وذج ا ر‬ ‫•‬
‫ا ط‪9‬ب و دد ا "در ن ‪.‬‬
 ‫ت ‪Samples‬‬ ‫ا‬

‫‪:‬‬ ‫أو ً ‪:‬‬

‫رس ءاً‬ ‫‪،‬‬ ‫ا‬ ‫رأ' & درا‪ " # $‬ث ا‬
‫ا ‪ +,‬وا ) ء‬ ‫ا ‪ 8‬ھ‪6‬ة أو ا ‪ 8‬ھ‪6‬ة ‪ +,4‬دون أن ‪ +‬و د ‪ 0 12‬أو ا‪. /‬ف‬
‫‪ ،‬و?> = ا< ن ; ' ‪ : 1‬ا ‪ @ 9‬درا‪6 A $‬دات ا ‪ 8‬ھ‪6‬ة ا ا‪ > ? /‬ا ‪@ "9‬‬
‫‪ ) G H ،‬إ ‪ @" E‬ا ت ا > ‪ ّ 2‬أ‪ ً $‬ا<‪ C $‬ا ‪+ "2 >? B6‬‬ ‫‪I‬‬
‫ات ا<‪6 /‬ة ‪ L ّ 2‬ا ‪ "9‬ث ا‪B J K‬‬ ‫‪ 1‬ت ا ‪6I‬ا‪ 9M‬ا‪ ، B J K‬و? > ا‬
‫ّ‬ ‫‪6 94 ً ّ 2‬اً ) ‪ '68 0 912‬ا ت & ‪ E‬ھ‪H‬ه ا ‪ "9‬ث ‪ ،‬وأ‪6? P9Q‬وع‬
‫و‪6 94‬ة ? > & ‪ R‬ا‪ J K‬ء ا ‪6 8‬ي وا ‪ ? ،> 91‬درا‪ $‬ا ‪ & Rّ " ' : I )I‬أن‬
‫ا واء ; ' ‪6 1M + 4 Tّ"A‬ة‬ ‫‪ T"A >A ,‬ء ‪H ? ، U‬ي '‪ '6‬أن ' ‪I4 H /‬‬
‫ا ‪ : I )I‬را‪$‬‬ ‫‪ ، U‬و ‪6 VQ I4 T"A' U ,‬ة ھ‪H‬ا ا واء ‪ ،‬وا‪ 9 /‬ر ء‬
‫‪ ،‬و‪ 2‬ط‪ '6‬ا ‪ ' I‬ا ‪ W‬ا‪B‬‬ ‫' ‪6‬ف ‪ ' I‬وا ) ء ا ‪ I‬ر ' ‪6‬ف‬
‫'‪ = " E & E 9‬ا ‪? J‬‬ ‫أ ‪ ّY‬وأد‪ M‬ط‪ @ ، ' I '6‬أن ا‪ /‬ر أ?‪6‬اد ا‬
‫ا ‪ I‬رة ا ‪ :I )I‬أن ‪: AJ Jّ 2‬‬ ‫‪ ،‬و'‪6 W‬ط ?> ا‬
‫ا ‪Y$‬‬ ‫) ‪6 ' ( X‬ب‬ ‫‪ -1‬أن ‪ ,2‬ن ّ ‪ :‬و' > ذ ‪ G‬أن ا ‪ Y $‬ا " >‬
‫‪.‬‬ ‫ا " > ‪ (M) :I )I‬و' " ‪ 0‬ذ ‪ R) 694 Iّ 4 G‬ا‬

‫>‬ ‫ا ‪ ّ & : I )I‬ة & ّ ت ? ^ن ا ‪ Y $‬ا "‬ ‫‪ -2‬أن ‪ ,2‬ن _ ‪ ّ I 6‬ة ‪^ ? :‬ذا أ‪H /‬‬
‫‪ Y$‬ا " > ‪. (M) :I )I‬‬ ‫<و‪ $‬ط ھ‪H‬ه ا ت '‪ ,‬ن و' ً‬

‫‪:‬‬ ‫• ا! رات ا‬
‫‪ ، "ّ Q‬و' ‪ R‬ذ ‪:` G‬‬ ‫‪ aB R I 2‬ا ‪ C)' @"9‬أن ّ‪4‬‬ ‫‪,ّ I >,‬‬
‫ا ‪ '68‬ا ‪ 9 /; `6A‬ر ى ا;& ‪ I‬د & ‪ E‬ا‪ J K‬ءات ا ‪ ّ I‬رة ا )‪ 6‬أو‬
‫ا ّ ‪ 69 2 Rc‬إ ‪ ً B J‬و ) ھ‪H‬ه ا;‪ 9 /‬رات ‪ +9 2‬ا ‪ '68‬ا ‪ `6A‬أو ‪=?62‬‬
‫‪.‬‬
‫') ‪6‬ي ا‪ 9 /‬ر ا ‪' I‬‬ ‫&‬ ‫و "‪ "ّ Q E & R ,‬ا ‪ '68‬ا ‪`6A‬‬
‫&ّ ت‬ ‫ا ّ ت أو ا ‪. I‬ت ھ> ?‪6‬وق &‪ W‬ا‪B‬‬ ‫‪ ?6‬ھ‪ +‬ا ‪6A‬وق‬ ‫‪ "I‬و‬
‫? ‪6‬وق‬ ‫ا ّ ت أو ا ‪. I‬ت ھ > ? > ا "‬ ‫ا ‪ : I )I‬ا ا ‪ ،‬أم أن ا ‪6 A‬وق‬
 ‫)‪I‬‬ ‫‪ /‬ذة‬ ‫ت‬ ‫‪ 6 c 2 & )2‬ا ‪. I‬ت ا ‪ ، A I‬وأن ‪ G 2‬ا‬ ‫أ‪$ $‬‬
‫‪ ،‬و?> ا " ا<‪6 /‬ة ‪ =?62‬ا ‪ '68‬ا ‪. `6A‬‬ ‫‪A‬‬
‫? ?" ‪ T‬ا ‪ '68‬ا ‪ ، (H1) `6A‬ل إن ھ ‪H‬ه ا ‪ 1/ `6A‬إذا ‪L 4‬‬
‫ى ا ; ا ‪6 AI‬وض ‪ ،‬ل إن ا )‬ ‫أ‪+M‬‬ ‫‪ T"? I M‬ا; ‪ I‬ل ا ‪"I‬‬
‫ىا ;‬ ‫أ‪6 94‬‬ ‫ذات د; إ ‪ ، B J‬أ إذا ‪ I M L 4‬ا; ‪ I‬ل ا ‪"I‬‬
‫‪H L‬ات د; ‪.‬‬ ‫ل ‪ "ّ J‬ا ‪ '68‬ا ‪ ، `6A‬و وإن ا )‬ ‫ا ‪6AI‬وض ?^‬
‫; ‪ %5‬و ‪. %1‬‬ ‫'ن‬ ‫وا ‪ >? :9ّ I‬ا‪ J K‬ء _ ‪ً 9‬‬

‫• ) ( ً ا! ر '&ّ‪ # $‬ي )‪: Chi Square (X2‬‬

‫‪:‬‬ ‫‪ R 2‬ا ‪ 9‬ت ا > '"‪ & +J‬ا ‪ @ 9‬ا ) رب إ ‪I M E‬‬

‫* ت ‪:Measurement Date‬‬ ‫أ‪ -‬ا‬

‫و‪ 6ّ9 2‬ا ‪ $‬ت & ا ‪ 9‬ت ا > '"‪ & +J‬ا ‪ & @ 9‬ط‪ M 0'6‬س أ?‪6‬اد‬
‫‪ 1 4‬ل أو ا زن أو ‪ I4‬ا ‪ J"I‬ل ‪ ،‬و‪& Iّ ,2‬‬ ‫ا ‪ 6 ّ V I‬ا ‪ W‬ا‪A J >B‬‬
‫‪.‬‬ ‫?> ا ‪ JA‬ل ا‬ ‫ط‪ :I '6‬ا ‪ 9‬ت و‪"2 Rc 9' 92 A 4‬‬

‫ادات ‪: Enumeration date‬‬ ‫ب‪ -‬ا‬

‫' ‪ 6ّ9‬ا اد & ا ‪ 9‬ت ا > '"‪ & + J‬ا ‪ & @ 9‬ط‪ & + ) 2 0 '6‬د‬
‫ّ ‪ ،‬وذ ‪> ? I4 G‬‬ ‫ا<?‪6‬اد أو & د ا ‪ $‬ت أو ا ‪6,‬ارات ا > ‪ R M >? : 2‬أو ?‪i‬‬
‫‪ R‬ا ‪ AJ‬ا ‪ I‬رو‪ $‬إ ‪E‬‬ ‫&‪ +I‬اول ا ز'‪ :‬ا ‪6,‬اري ‪ ' @ ،‬م ا ‪@ 9‬‬
‫دا‪ +/‬ى ّ ‪ & 6J Rc ،‬د ا<? ‪6‬اد أو‬ ‫?‪ i‬ت أو أ‪ M‬م أو )‪ & I‬ت ' ‪+4 :‬‬
‫‪ ،‬و‪ $‬ول ? > ھ ‪H‬ا ا ‪ + JA‬ط‪'6‬‬ ‫‪6,2‬ار ا<?‪6‬اد ا ‪H‬ي ' ‪ i? +4 >? :‬أو ‪R M‬‬
‫ا‪ 9 /‬رات ا ‪ 9‬ت ا د' ‪ ،‬و' ا‪ J K‬ء ا ‪ EI I‬ا‪ 9 /‬ر ‪ 4 : 6‬ي " ا ‪1I‬‬
‫أھ ‪ R‬ا ‪6 1‬ق ا > ‪ > ? +I 2‬ر )‪& I‬‬ ‫أو ا‪ 9 /‬ر ا ‪ 0 1‬ا ‪>9‬‬
‫‪ & I)I‬أ‪6 /‬ى ?‪`6‬‬ ‫‪6)2‬‬ ‫ا ‪ aB‬ا ‪ WI‬ھ ة أو ا ‪& + J" I‬‬
‫و` ‪ E & L‬أ‪ $‬س ا ‪ '68‬ا ‪ `6A‬ا > 'ُ‪6‬اد ا‪ 9 /‬رھ ‪ ،‬و‪ I 2‬ھ‪H‬ه ا ‪E & '61‬‬
‫ا ‪ iA‬ت‬ ‫ا<? ‪6‬اد ‪ LI ّ M ،‬إ ‪ & E‬د‬ ‫& د‪N‬‬ ‫ا? ‪6‬اض و د & ّ &‪ W‬ا‪B‬‬
‫? > إ ى ھ ‪H‬ه ا ‪ iA‬ت ‪ R c ،‬ر ا ‪6 ,‬ارات‬ ‫" @ ' ‪6? +4 :‬د ?> ا‬ ‫ا‪WI‬‬
‫ى ا ‪ 91‬ق ا ‪6 ,‬ارات ا ‪ WI‬ھ ة & ‪E‬‬ ‫ا ‪ WI‬ھ ة ‪6,‬ارات ا ‪?6 J '68‬‬
‫‪ G 2‬ا ‪ ، '68‬وذ ‪ I $ G‬ل ا‪ 9 /‬ر ‪ 4 : 6‬ي ‪.‬‬

‫'&‪ # $‬ي ‪:‬‬ ‫& *ط‬ ‫• ا! ر ا‬

‫ا‪ 9‬تا >‬ ‫ا ‪ 1I‬وا ? ‪0‬‬ ‫ً ;‪ 9 /‬ر‬ ‫م ا‪ 9 /‬ر ‪ 4 : 6‬ي أ‬ ‫'‬
‫ت وا ‪ 1I‬ب‬ ‫‪^? ،‬ذا ‪ 4‬ن '‬ ‫" > أو د‬ ‫‪ & J"2‬و‬
‫ب‬ ‫‪6‬و? ?^ ‪,I' U‬‬ ‫د ورا‪c‬‬ ‫ا‪ 9 /‬رھ إذا ‪ L 4‬ھ‪H‬ه ا ‪ 9‬ت ‪: 0Aّ 2‬‬
‫‪ 4 : 6 I M‬ي ا ‪ I‬د ا‪: >2k‬‬
‫‪(O − E ) 2‬‬
‫∑ = ‪v2‬‬
‫‪E‬‬

‫@ ‪ : O :‬ا ‪6,‬ار ا ‪ WI‬ھ أو ا ‪ R‬ا ‪. '68‬‬

‫‪ : E‬ا ‪6,‬ار ا ‪. :ّM I‬‬

‫و‪ 2‬ل ھ‪H‬ه ا ‪ I‬د & ‪ E‬أن ‪ 4 : 6‬ي &‪ 9‬رة & )‪ I‬ع ‪ 6‬ت ا ‪6A‬وق‬
‫ً & ‪ E‬ا ‪6,‬ارات ا ‪. M I‬‬ ‫ا ‪6,‬ارات ا ‪ WI‬ھ ة‬
‫أ ‪: .‬‬
‫' وا ة ‪:‬‬ ‫أ‪ # $&' -‬ي ر‪0‬‬
‫‪ I 2‬ا ‪ I‬ر ھ & ‪ & I) E‬أو ?‪ ، Y ? i‬و ‪ ,2 G H‬ن در ت‬
‫‪ '6‬وا ة ? ‪. Y‬‬ ‫ا "‪ >? '6‬ھ‪H‬ا ا ع ا ‪ I‬ر &‪ 9‬رة & در‬
‫‪.‬ل‪:‬‬
‫‪ M‬م أ ا<‪ m‬ص ‪ 9 /‬ر ‪ M‬رة أ ا ‪ 9I‬ات ا "‪ + M E & '6 W‬ع‬
‫ن ا ‪ U ,I' 9I‬أن ' ‪+‬‬ ‫‪H‬ا ا ‪A2 9I‬‬ ‫ا "‪6 W‬ات‪ ،‬و‪ L 4‬ا ‪ I‬ت ا ‪?6I‬‬
‫‪ & %80‬د ا "‪6W‬ات ر ّ‪ ، U m‬و;‪ 9 /‬ر إذا ‪ L 4‬ھ ‪H‬ه ا ‪ I‬ت ‪0 91 2‬‬
‫رشّ ? ا ‪9I‬‬ ‫& ‪ E‬ا ‪6 8‬وف ا ‪ I‬أو ا ‪ WI‬ھ ة " ‪ ، +‬أ ‪6)2 L '6‬‬
‫ا "‪6 W‬ات ‪6 J R c ،‬ت & د ا "‪6 W‬ات‬ ‫& ‪ E‬ا ‪ 2 9‬ت ا > ‪ "2‬ي & داً ‪6‬و? ً‬
‫& دھ ‪6 W ، 100‬ات‬ ‫ا " وا ‪ L ,? ، I‬ا ‪6 W ، > 4 aB‬ات‬
‫‪ 9I‬؟‬ ‫و& دھ ‪ 6 Wُ2 + ? ، 300‬ھ‪H‬ه ا ‪ aB‬إ ‪ "Q E‬ا ‪ I‬ت ا ‪?6I‬‬

‫‪:‬‬ ‫ا‬
‫‪ :p‬ا ‪ '68‬ا ‪ `6A‬ا > ‪ 2‬ل ‪ " J‬ا ‪ I‬ت ا ‪?6I‬‬ ‫"‪ +‬ھ‪H‬ه ا ‪I‬‬
‫ا "‪6 W‬ات ‪ 2 R c‬م " ب ا ‪6 ,‬ارات ا ‪'68‬‬ ‫‪ ، 9I‬أي أ ‪%80 + ' U‬‬
‫وا ‪: > 4 M I‬‬
‫‪20‬‬
‫‪400.‬‬ ‫‪= 80‬‬ ‫ا‪ I $‬ل ا ‪: 9I‬‬ ‫& د ا "‪6W‬ات ا "‬
‫‪100‬‬
 ‫‪80‬‬
‫‪400.‬‬ ‫‪= 320‬‬ ‫ا‪ I $‬ل ا ‪: 9I‬‬ ‫& د ا "‪6W‬ات ا ‪I‬‬
‫‪100‬‬

‫‪(O − E ) 2‬‬ ‫ا ‪'4‬ارات‬ ‫ا ‪'4‬ارات‬ ‫ا ‪ 3‬ھ ات‬

‫‪E‬‬ ‫ا ‪'6‬‬ ‫ا ‪O 5‬‬
‫‪E‬‬

‫‪5‬‬ ‫‪80‬‬ ‫‪100‬‬ ‫ا ‪'3‬ات ا‬

‫‪1.25‬‬ ‫‪320‬‬ ‫‪300‬‬ ‫ا ‪'77777777777777773‬ات‬

‫ا‬

‫‪6.25‬‬ ‫‪400‬‬ ‫‪400‬‬ ‫ا ‪ 9‬ع‬

‫‪ ) 1 '6‬أن ‪ 2‬وي ‪3.84‬‬ ‫‪ 68‬إ ‪ E‬ول ‪ & K2‬ا ‪ I‬ل ‪ %5‬ودر‬

‫‪ 4 +‬ي ‪ : 6‬أ‪ 694‬ا ) و ‪H ،‬ا ‪ =?6 2‬ا ‪ '68‬ا ‪، `6A‬‬ ‫‪ ،‬و ‪ I‬أن ‪I M‬‬
‫دة ? > ا ‪ I‬ت‬ ‫أي أن ا ‪ 9‬ا ‪ WI‬ھ ة ? > ا " ‪ E & 0 91 2 ; +‬ا ‪ '68‬ا ‪I‬‬
‫ا ‪ : ?6I‬ا ‪. (%80) 9I‬‬

‫‪ .‬ل‪: 2‬‬

‫‪315 – 101 – :‬‬ ‫‪ ) >? @ +J‬ل ورا‪ c‬ا ‪ 2 9‬ت & ‪ E‬ا ‪ 9‬ت ا‬
‫‪ 108 – 32‬وا? ‪6‬ض أ ‪ 9 :9 2‬ا<‪ ,m‬ل ا ‪ 0 Aّ 2 + ? ،9: 3: 3: 1 : '6 8I‬ھ ‪H‬ه‬
‫ا ‪ 9‬ت ‪ :‬ا ‪ '68‬ا ‪ 4HI‬رة ؟‬
‫ع& ‪E‬‬ ‫‪+,‬‬ ‫‪ 9‬ا ‪Q‬‬ ‫‪6 p‬ب ا ‪ I)I‬ع ا ‪ > ? > ,‬ا‬ ‫ا ‪R‬ا‪M I‬‬
‫ا ‪. C 26‬‬

‫‪(O − E ) 2‬‬ ‫‪O-E‬‬ ‫‪E $5‬‬ ‫ا‬ ‫ا ‪3‬ھ ة‪O‬‬

‫‪E‬‬

‫‪0.02‬‬ ‫‪2.2‬‬ ‫‪312.8‬‬ ‫‪315‬‬

‫‪0.10‬‬ ‫‪-3.3‬‬ ‫‪104.3‬‬ ‫‪101‬‬

 ‫‪0.13‬‬ ‫‪3.7‬‬ ‫‪104.3‬‬ ‫‪108‬‬

‫‪0.20‬‬ ‫‪-2.6‬‬ ‫‪34‬‬ ‫‪32‬‬

‫‪0.45‬‬ ‫‪0‬‬ ‫‪556‬‬ ‫‪556‬‬

‫ا "‪. 4 – 1 = 3 '6‬‬ ‫در‬ ‫‪،‬‬ ‫‪-‬‬

‫إذاً ‪0.45 = K2‬‬

‫ا ) ول ) أن & ‪. 7.81 = %5‬‬

‫' ‪ ،‬أي أن‬ ‫أ‪ K2 +M‬ا ) و ‪ ،‬و ‪6 _ > ? G H‬‬ ‫) أن ‪ K2‬ا ‪"I‬‬
‫ھ ‪H‬ه ا ‪ 9‬ت ; ‪ =?6 PI 2‬ا ‪ '68‬ا ‪، `6A‬‬ ‫‪ K2 I M‬ا > ‪& J‬‬
‫و ‪ a‬أن ا ‪ 9‬ت ‪ 2‬ا?‪ : 0‬ا ‪. 9: 3: 3: 1 9‬‬

‫• ا! ر ا =‪: : ;< : & 5‬‬

‫‪ ،‬و‪LAّ Q Q / +4‬‬ ‫‪Q‬‬ ‫إذا ‪6? +4 T"A IM‬د ?> ا ‪:I )I‬‬

‫‪& p‬‬ ‫ّ‬ ‫‪ ?6‬إذا ‪ L 4‬ھ‪H‬ه ا ‪TB J‬‬ ‫إ ‪ & I) E‬ت ?^ ‪>? C_6 M‬‬

‫ا ‪ 2 9‬ت ?> ‪ Y/‬ط '‪ ، +‬و‪ LIّ 2‬درا‪$‬‬ ‫‪ p‬ا‪ ً.qI? ، 6/k‬إذا ‪ 4‬ن ' & د‬

‫ّ ل ا ‪ ,I' ، I‬و`‪ :‬ا ‪ '68‬ا ‪ `6A‬ا ا ّ & ‪ E‬أن‬ ‫@ ن ا<وراق و‬

‫‪:p ُ Rc‬‬ ‫‪ I p‬ا‪ ، 6/k‬و‬ ‫‪.‬ن ‪& I p‬‬ ‫ّل ا ‪I‬‬ ‫ن ا<وراق و‬

‫‪C‬‬ ‫ا ‪.1‬ب و‪ Iّ M‬ھ‬ ‫)‪& I‬‬ ‫ھ‪H‬ه ا ‪ 9 /. '68‬ر ‪ ،‬و ‪ +qI‬إذا ‪ 4‬ن '‬

‫>ا‪6 W‬‬ ‫ن ‪ ،‬و ‪ '6‬أن ‪6‬ف إن ‪ L 4‬ھ ك &‪M.‬‬ ‫نا‪6 W‬و نا‬

‫ا‪ 9 /‬ر ‪ 4 : 6‬ي ‪6 K‬اء‬ ‫'‪ ,I‬ا;‪ A $‬دة‬ ‫ن ‪ >A? ،‬ھ‪H‬ه ا " ;ت ‪I‬‬ ‫وا‬

‫ا;‪ 9 /‬ر ‪.‬‬

‫‪ .‬ل‪:‬‬
‫‪ّ C‬ل ا ‪I‬‬ ‫درات ا ‪ A‬ل ا ‪ 9‬ي‬ ‫ا ) ول ا‪ 2 ّ 9' > 2k‬ز' ‪ 250 :‬درة‬
‫ا ‪. AJ‬‬ ‫و ن ا<وراق ‪ $ ،‬ام ھ‪H‬ه ا ‪ 9‬ت ا‪ 69 /‬إ ‪ ,‬و د &‪M.‬‬
‫ا ‪ 9‬ع‬ ‫@ ?‬ ‫لا‬ ‫نا‪' 3‬‬
‫ل‬ ‫‪0‬‬
‫‪138‬‬ ‫‪4‬‬ ‫‪79‬‬ ‫‪55‬‬ ‫أ‪6p/‬‬

‫‪86‬‬ ‫‪15‬‬ ‫‪60‬‬ ‫‪11‬‬ ‫‪6‬‬ ‫أ‪p/‬‬

‫‪6AJ‬‬

‫‪26‬‬ ‫‪19‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫أ‪6AQ‬‬

‫‪250‬‬ ‫‪38‬‬ ‫‪145‬‬ ‫‪67‬‬ ‫ا ‪ 9‬ع‬

‫ھ> ‪:‬‬ ‫ھ‪H‬ه ا ‪ 9‬ت إذا ‪ L 4‬ا ‪ AJ‬ن‬ ‫وا;‪ "2‬دات ا ‪M I‬‬
‫‪(138 . 167) / 250 = 37 :‬‬ ‫أ‪6p/‬‬

‫أ‪ 9 6p/‬ل‪(138 . 145) / 250 = 80 :‬‬

‫‪(138 . 38) / 250 = 21 :‬‬ ‫أ‪`/ 6p/‬‬

‫‪(86 . 67) /250 = 23 :‬‬ ‫أ‪/6AJ 6p/‬‬

‫أ‪ 9 /6AJ 6p/‬ل‪.(86 . 145) /250 = 49.9 :‬‬

‫‪. (86 . 38) / 250 = 13.1 :‬‬ ‫أ‪`/6AJ 6p/‬‬

‫‪(26 . 67) / 250= 7 :‬‬ ‫أ‪6AQ‬‬

‫أ‪ 9 6AQ‬ل‪(26 . 145) /250 = 15.1 :‬‬

‫‪. (26 . 38) / 250 = 3.9 :‬‬ ‫أ‪` 6AQ‬‬

‫ول ‪:‬‬ ‫‪ :p‬ا ‪ 9‬ت ا‪>? 2k‬‬

 ‫ا ‪ 9‬ع‬ ‫لا‬ ‫ن ا<وراق‬
‫@ ?‬ ‫ل‬ ‫‪0‬‬

‫‪138‬‬ ‫‪21‬‬ ‫‪80‬‬ ‫‪37‬‬ ‫أ‪6p/‬‬

‫‪86‬‬ ‫‪13.1‬‬ ‫‪49.9‬‬ ‫‪23‬‬ ‫أ‪ 6p/‬ـ ‪6AJ‬‬

‫‪26‬‬ ‫‪3.9‬‬ ‫‪15.1‬‬ ‫‪7‬‬ ‫أ‪6AQ‬‬

‫‪250‬‬ ‫‪38‬‬ ‫‪145‬‬ ‫‪67‬‬ ‫ا ‪ 9‬ع‬

‫& د ا ‪ AJ‬ف ?> ا ) ول )‪ ، 3 = (r‬و& د ا<&‪ I‬ة ?> ا ) ول ‪. 3 = C‬‬

‫ودر ت ا "‪. (r-1) (C-1) = 2 . 2 = 4 '6‬‬

‫‪ 4 : 6‬ي ا ‪ "I‬ب ‪:‬‬
‫‪(55 − 37) 2 (79 − 80) 2 (4 − 21) 2 (11 − 23) 2 (60 − 49.9) 2‬‬
‫= ‪K‬‬
‫‪2‬‬
‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬
‫‪37‬‬ ‫‪80‬‬ ‫‪21‬‬ ‫‪23‬‬ ‫‪49.9‬‬
‫‪(15 − 13.1) 2 (1 − 7) 2 (6 − 15.1) 2 (19 − 3.9) 2 (18) 2 (1) 2 (17) 2‬‬
‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬
‫‪13.1‬‬ ‫‪7‬‬ ‫‪15.1‬‬ ‫‪3.9‬‬ ‫‪37‬‬ ‫‪80‬‬ ‫‪21‬‬
‫‪(12) 2 (10.1) 2 (1.9) 2 (6) 2 (9.1) 2 (15.1) 2‬‬
‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪= 100.2‬‬
‫‪23‬‬ ‫‪49.9‬‬ ‫‪13.1‬‬ ‫‪7‬‬ ‫‪15.1‬‬ ‫‪3.9‬‬

‫‪ 4 '6‬و ' ‪ ، %5‬وھ >‬ ‫ا ) ول & در‬ ‫‪6‬ج ‪K2 I M‬‬ ‫‪Rc‬‬
‫‪ K2‬ا ) و ‪ E I? ،‬ذ ‪ =?6 G‬ا ‪'68‬‬ ‫أ‪6 94‬‬ ‫‪ ) ، 9.48‬أن ‪ K2‬ا ‪"I‬‬
‫‪ a‬أن ھ ك &‪M.‬‬ ‫' ‪ ، %5‬أي‬ ‫‪ I‬ى‬ ‫ا ‪ `6A‬ا ‪. $ B‬ل ا‬
‫ا ‪. AJ‬‬

‫‪:‬‬ ‫‪A‬ا‬ ‫• ا ‪ BC‬ات ا * *‬

‫‪ $‬ط ا ّ ت ‪ E & ،‬ا ‪ @ 9‬أن '‪ ,‬ن ّ‪ً I‬‬ ‫& إ ‪6‬اء ا ‪ "9‬ث ا‪B J K‬‬
‫‪ ،‬و‪ A 4‬ا‪ $‬ا ‪ ،‬وا ‪ 1‬ات ا ‪H ّ I‬ة & ‪R IJ2‬‬ ‫ھ‪ I‬ا ‪ 9‬ت ا ‪1I‬‬
‫‪:‬‬ ‫"@ ا‬
‫‪./‬ل ا ‪. @"9‬‬ ‫ً‬ ‫أ‬ ‫ا ‪ ، ,WI‬و`‪ :‬ا<‪ i$‬ا > ')‪ C‬أن )‬ ‫‪'6 2 -1‬‬

‫' ‪ U‬وا ‪6AI‬دات ا ا‪. U ? /‬‬ ‫‪ ' "2 -2‬ا ‪ :I )I‬ا‪ >B J K‬ا ‪6I‬اد‬

‫‪H‬ه ا ‪. ,WI‬‬ ‫‪ aB -3‬ا< " ث ا‬

 ‫‪ ،‬ھ‪ +‬ھ> & ا "‪ 9‬ب ‪ ،‬أو ا< ر ‪ ،‬أو ا<_ م ‪.‬‬ ‫‪ ' "2 -4‬ا ‪ 9‬ت ا ‪1I‬‬

‫‪ : I‬ا ‪ 9‬ت ‪ :‬ا;‪ Jّ2‬ل ا ‪ 6 m 9I‬أو _ ‪ 6‬ا ‪ ، 6 m 9I‬أو ‪ I 4‬أو‬ ‫‪ ' "2 -5‬ط‪'6‬‬
‫ا ‪ '61‬ا ‪ I‬ا ‪ ،‬أو ا )‪ّ.‬ت ا ‪. I$6‬‬
‫‪ ' "2 -6‬و ة ا س ‪ :‬ھ‪ +‬ھ> ا ‪ ,‬ر ‪ ،‬أو ا ‪ A‬ان ‪ ،‬أو ا و ‪ ، R‬وا ‪ ...w,‬إ ‪.v‬‬

‫‪ > ? PI‬ا ‪ 6 1‬ا ‪> 6‬‬ ‫ا ‪ I‬رو&‬ ‫‪ ' "2 ً.q :‬ا ‪I‬‬ ‫‪ ' ,2 -7‬إط ر ا‬
‫‪PI‬‬ ‫ري ا ‪ I‬رو&‬ ‫ھ أرا`> ا ‪ 61‬ا ‪ > 6‬ا‬ ‫ا ري '‪ ,‬ن إط ر ا‬
‫‪. ?4‬‬
‫ن ‪ ،‬أو ا<‪6$‬ة ‪.… ،‬‬ ‫‪ -8‬ا‪ /‬ر و ة ا ‪ : ' I‬ا‪K‬‬

‫ً‪.‬‬ ‫;‬ ‫‪ -9‬ا‪ /‬ر ع ا ّ ‪& Rّ , $ :‬‬

‫‪ 6Q‬ا ‪ '6W9‬وا ‪ I‬د' ‪ 2 +q ،‬ر'‪ C‬ا اد' وا ‪ ، q 9‬و_ ‪ 6‬ذ ‪.G‬‬ ‫‪ i 2-10‬ا‬

‫‪.‬‬ ‫ا ‪ 0 M‬وا ‪6I‬ا‬ ‫‪ aB + "2-11‬ا ‪ 9‬ت وإ&‪.‬ن ا ‪aB‬‬

‫ت ا ‪' 4‬ة ‪:Large Samples‬‬ ‫را& ً ‪ :‬درا* ا‬

‫‪:‬‬ ‫‪AJ‬‬ ‫ا ‪ :I )I‬أن ‪Jّ 2‬‬ ‫رة‬ ‫ً أن '‪6 W‬ط ?> ا ّ ا ‪I‬‬ ‫ذ‪$ 64‬‬

‫) ‪ ' :I‬وي‬ ‫ّ‬ ‫‪ ،‬و_ ‪ ّ " 6‬ة ‪^? .‬ذا ‪ 4‬ن & د ا ‪6ّ V I‬ات ا ‪ / I‬ذة‬ ‫ّ‬

‫' وي ا; "‪6‬اف‬ ‫‪Sx‬‬ ‫ّ‬ ‫‪^? 6ّ V 30‬ن ا; "‪6‬اف ا ‪ I‬ري‬ ‫أو أ‪694‬‬

‫ا ‪ I‬ري ‪ ،σ :I )I‬و‪ EI 2‬ھ‪H‬ه ‪ '68‬ا ّ ت ا ‪6 9,‬ة‪ ،‬أ إذا ‪ 4‬ن & ا ‪6ّ V I‬ات‬

‫ذ ‪ '68 :9ّ G‬ا ّ ت ا ‪6 VJ‬ة‬ ‫‪6ّ V 30‬اً ?‬ ‫ا ‪ I‬رو‪ $‬أ‪+M‬‬ ‫?> ا‬

‫& ‪.σ‬‬ ‫‪2‬‬ ‫‪Sx‬‬ ‫و‪ ,2‬ن ‪I M‬‬

‫ّ ت‪:‬‬ ‫• ‪ F‬ز ‪ $‬ا و* ط ا ‪& D‬‬

‫ا ّ ت‪ &،‬د‬ ‫ّز& ً ط‪ & ً 9‬داً‬ ‫)‪:I‬‬ ‫‪H/‬‬ ‫‪6 A‬ض أ‬
‫‪H‬ه ا ّ ت ھ > ‪:‬‬ ‫‪6ّ V N‬اً )‪^? ، (30 < N‬ن ا<و‪ $‬ط ا "‬ ‫ا ‪6ّ V I‬ات ‪+4‬‬
 ‫و'‬ ‫‪ ،‬وا "‪6‬ا? ‪ 2‬ا ‪ I‬ر' ھ> ‪ ، (S x12 ,......, S x2 , S x1 ) :‬وھ >‬ ‫) ‪( xn ,......., x3 , x2 , x1‬‬
‫وي ‪. S‬‬
‫ٍ‬ ‫و‪2‬‬
‫‪ p‬ا‪ ، 6 /k‬و ‪ّ 2 G H‬زع‬ ‫‪& p‬‬ ‫ّ ت‪2‬‬ ‫ھ ‪H‬ه ا<و‪ $‬ط ا "‬
‫‪ ،‬و ‪H‬ا ا ز' ‪:‬‬ ‫ّ 'ُ‪ U & 0 1‬ا‪ 2 R $‬ز' ‪ :‬ا<و‪ $‬ط ا "‬ ‫إ ‪ ً B J‬و?‪ 8 0‬م‬
‫ري ‪. S x‬‬ ‫> ‪ x n‬وا "‪6‬اف‬ ‫ا‪ >B J K‬و‪Y$‬‬
‫' وي ا ‪Y $‬‬ ‫‪H‬ه ا<و‪ $‬ط ا "‬ ‫>‬ ‫و و أن ‪ I M‬ا ‪ Y $‬ا "‬
‫> ‪ ، :I )I‬أي أن ‪:‬‬ ‫ا"‬

‫‪xm = M‬‬

‫‪σ‬‬
‫= ‪Sx‬‬ ‫‪:‬‬ ‫وأن ا; "‪6‬اف ا ‪ I‬ري‬
‫‪n‬‬

‫‪.‬‬ ‫‪ :‬ا; "‪6‬اف ا ‪ I‬ري‬ ‫‪Sx‬‬ ‫@‪:‬‬

‫‪ : σ‬ا; "‪6‬اف ا ‪ I‬ري ‪. :I )I‬‬

‫ت‪.‬‬ ‫ا‬ ‫‪ & : n‬د أ?‪6‬اد ‪& +4‬‬

‫ت ا ‪ / I‬ذة ھ‪H‬ا ا ‪:I )I‬‬ ‫أي أن ا ‪ Y$‬ا " > ‪#‬و‪ $‬ط ا "‬
‫‪ ' I‬وي ا ‪ Y$‬ا " > ‪ I4 . :I )I‬أن ا; "‪6‬اف ا ‪ I‬ري <و‪ $‬ط‬
‫ا ّ ت ا ‪ / I‬ذة ا ‪ :I )I‬أ‪ 6 q, 6VQ‬ا; "‪6‬اف ا ‪ I‬ري ‪. :I )I‬‬
‫> )‪، (M‬‬ ‫ّز& ‪ 2‬ز' ً ط‪Y $ ً 9‬‬ ‫?^ذا ‪ L 4‬ا ‪6ّ V I‬ات ‪:I )I‬‬
‫‪6 ّ V N‬اً ? ^ن ا<و‪ $‬ط‬ ‫ري ‪ ، σ‬وأ‪H /‬ت & ّ ت &‪ W‬ا‪+ , B‬‬ ‫وا " ‪6‬اف‬
‫> ‪ M‬ره )‪(M‬‬ ‫‪H‬ه ا ّ ت ‪ ,2 x m‬ن ّز& ‪ 2‬ز' ً ط‪Y $ ً 9‬‬ ‫ا"‬
‫ري ‪ M‬ره ‪:‬‬ ‫وا "‪6‬اف‬
‫‪σ‬‬
‫= ‪Sx‬‬
‫‪N‬‬

‫و ‪ TB J/ 0 912 ,I' G H‬ا ‪ > " I‬ا ‪ + ّqI2 @ ، > 91‬ا<و‪ $‬ط‬
‫ّ ت & ‪ E‬ا ‪ "I‬ر ا<? > و‪6,2‬ارا‪ E & 2‬ا ‪ "I‬ر ا ‪ I‬دي ‪ ،‬و >‬ ‫ا"‬
‫‪ Z‬و ب ا; ‪ I‬ل ‪ @ ،‬أن ‪:‬‬ ‫'‪ M ,I‬س ا ‪I‬‬
 ‫‪x−M‬‬
‫=‪Z‬‬
‫‪Sx‬‬

‫‪.‬‬ ‫>‬ ‫‪ :‬ھ ا ‪ Y$‬ا "‬ ‫‪x‬‬ ‫@‪:‬‬

‫> ‪. :I )I‬‬ ‫‪ : M‬ا ‪ Y$‬ا "‬
‫‪.‬‬ ‫‪ : S x‬ا; "‪6‬اف ا ‪ I‬ري‬
‫‪.‬ل‪:‬‬
‫ي ز&‬ ‫د أ ا ‪6, I‬ات ا ‪ & w 9‬دھ‪1000 R‬‬ ‫و أن أط ال‬
‫ري ‪ M‬ره ‪، R $6.07‬‬ ‫> ‪ M‬ره ‪6" R $ 168.2‬اف‬ ‫‪ 2‬ز' ً ط‪Y $ ً 9‬‬
‫‪ R‬أ‪6 q4‬‬ ‫ي‬ ‫ا ‪ C‬ا; ‪ I‬ل <ن '‪ ,‬ن ا ‪ Y $‬ا " > <ط ال ‪100‬‬
‫‪. R$169.9‬‬
‫ا "‪: +‬‬

‫‪x m = M = 168.2‬‬
‫‪σ‬‬ ‫‪6.07‬‬
‫= ‪Sx‬‬ ‫=‬ ‫‪= 0.607‬‬
‫‪N‬‬ ‫‪100‬‬

‫‪Z‬‬ ‫إ ‪I' E‬‬ ‫‪ > " L"2‬ا; ‪ I‬ل ا ‪ > 91‬ا ا‪M‬‬ ‫وا; ‪ I‬ل ا ‪ 1I‬ب ھ ا ‪I‬‬
‫‪:‬‬
‫‪x−M‬‬ ‫‪169.9 − 168.2‬‬
‫=‪Z‬‬ ‫⇒‬ ‫‪= 2.81‬‬
‫‪Sx‬‬ ‫‪0.607‬‬

‫ـ ‪. 0.4975 = Z‬‬ ‫ا‪I‬‬ ‫ول ‪ ) Z‬أن ا ‪I‬‬ ‫و‬

‫‪. 0.5 – 0.4975 = 0.0025‬‬ ‫إذاً ا; ‪ I‬ل ا ‪ 1I‬ب ‪:‬‬

‫ي أن ' ) وز ‪ R $169.9‬ھ‬ ‫‪100‬‬ ‫‪Ay‬‬ ‫>‬ ‫أي أن ا ‪ I‬ل ا ‪ Y$‬ا "‬

‫‪ 0.0025‬أي ‪. %0.25‬‬

‫ت‪:‬‬ ‫• ‪ F‬ز ‪ $‬ا ;'وق‬

‫‪،‬‬ ‫ز' ط‪9‬‬ ‫‪6 A‬ض أ ‪ I ) ' U‬ن ز& ‪6 V2‬ا‪2‬‬
‫‪E & , σ x2‬‬ ‫‪ x m1‬و ‪ x m 2‬وا "‪6‬ا? ‪ I‬ا ‪ I‬ر' ‪σ x1‬‬ ‫? ‪ ,‬ن و‪ 1 $‬ھ‪ I‬ا "‬
‫ا ‪ :I )I‬ا<ول & داً ا ت " @ ‪ "2‬ي ‪E & & + 4‬‬ ‫ا ‪^? ، C 26‬ذا أ‪H/‬‬
‫‪H‬ه ا ت ) ‪ّ 2 @ ( xn ,........., x3 , x2 .x1‬زع‬ ‫‪6 V N1‬اً ‪^? ،‬ن ا<و‪ $‬ط ا "‬
‫ا ‪ : I )I‬ا ‪> q‬‬ ‫ري ‪ ، S x‬وإذا أ‪H /‬‬ ‫> ‪ x m‬وا " ‪6‬اف‬ ‫ط‪Y $ ً 9‬‬
‫‪H‬ه‬ ‫& داً ا ت " @ ‪ "2‬ي ‪6 V N2 E & & +4‬اً ‪^? ،‬ن ا<و‪ $‬ط ا "‬
‫ري‬ ‫> ‪ xM‬وا " ‪6‬اف‬ ‫ا ت ‪ّ 2 x n ,......, x 2 , x1‬زع ط‪ ً 9‬أ'‪Y $ ً p‬‬
‫‪. Sx‬‬

‫ت ‪ x1 x1‬و ‪ … x 2 x 2‬ا ‪،v‬‬ ‫أزواج ا‬ ‫& داً ‪6 94‬اً‬ ‫ا ‪I )I‬‬ ‫? ^ذا أ‪H /‬‬
‫ت ا ‪ / I‬ذة‬ ‫ا‬ ‫‪ + ,‬زوج‬ ‫ا ‪ 1 $‬ا"‬ ‫‪ 9‬ا ‪6 A‬ق‬ ‫و‬
‫> ‪H‬ه‬ ‫) ‪^ ? … ( x 2 − x 2 ), ( x1 − x1‬ن ا ‪6 A‬وق ‪ّ 2‬زع إ ‪) ً B J‬ط‪Y $ (ً 9‬‬
‫ا ‪6A‬وق ‪ M‬ره ‪:‬‬

‫‪m.( x − x) = x m − x m‬‬

‫وا "‪6‬ا?‪ U‬ا ‪ I‬ري ‪:‬‬

‫‪S ( x − x) = S 2 x + S 2 x‬‬

‫و ‪. x m = xm‬‬ ‫‪x m = xm‬‬ ‫@‪:‬‬

‫ا<و ‪. E‬‬ ‫>‬ ‫‪ x : G H4‬ا ‪ Y$‬ا "‬

‫‪.‬‬ ‫ا‪q‬‬ ‫>‬ ‫‪ x‬ا ‪ Y$‬ا "‬

‫‪σ‬‬ ‫‪σ‬‬
‫= ‪Sx‬‬ ‫= ‪Sx‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ I p‬ا‪. 6/k‬‬ ‫‪&I p‬‬ ‫'‪ ,‬ن ا ‪ I )I‬ن ا ‪ I‬رو‪ $‬ن‬ ‫وذ ‪& G‬‬
‫&‪E‬‬ ‫ت )‪ E & ( x − x‬ا ‪ "I‬ر ا<? > و‪6,2‬ارا‪2‬‬ ‫أو‪ Y $‬ا‬ ‫?^ذا ‪ q‬ا ‪6 A‬وق‬
‫ً ‪ ،‬و'‪ ,‬ن ‪:‬‬ ‫ا ‪ "I‬ر ا ‪ I‬دي ' ‪ 2 a‬ز' ً ط‪9‬‬

‫)‪( x − x) − M .( x − x‬‬
‫=‪Z‬‬
‫)‪S .( x − x‬‬

‫‪.‬ل‪:‬‬
P JI ‫ ا " > " ة ا‬Y$ ‫ ّ ر ا‬M (A) B 6 , ‫ ا‬P JI ‫ ا‬: J ‫?> أ‬
6 /‫ آ‬: J > ? I ، & $ 200 ‫ ره‬M ‫ري‬ ‫اف‬6" & $ 1400 U ‫أ‬ ?
‫ري‬ ‫اف‬6" & $ 1200 ‫ ھ‬P JI ‫ ا " > " ة ا‬Y $ ‫( و أن ا‬B)
، ً 9 J 125 " J ‫ & د‬: J + 4 ّ & ‫ت‬6 /‫ وا‬، & $ 100 ‫ ره‬M
160 ‫ـ‬ 694‫ أ‬A : JI ‫ ا‬P J ‫ ن ة ة‬,2 ‫ ل أن‬I ‫ ھ ا‬. ‫ رھ‬9 /‫ ا‬Rّ 2‫و‬
.B : JI ‫ ا‬P J +M<‫ ا‬E & & $

: ‫ا‬

M .( x − x) = x m − x m = 1400 − 1200 = 200 &$

: ( M .x = M , M .x = M ‫ ر أن‬9 & )
σ 200
Sx = =
N1 125
σ 100
Sx = =
N2 125

: ‫ ن‬,' U ‫و‬

S ( x − x) = S 2 x − S 2 x
2 2
 200   100 
S ( x − x) =   +  = 20
 125   125 

: Z I M ‫ ن‬,2 U ‫و‬

x − x − M .( x − x)
Z= =
S ( x − x)
160 − 200
Z= = −2
20

. (Z= -2) I' E ‫إ‬ M‫ا ا‬ I ‫ ب ھ ا‬1I ‫ ل ا‬I ;‫وا‬

، 0.4772 : >‫ھ‬ I ‫ ا‬I ‫ا ) ول ا‬

0.5+04772= 0.9772 : ‫ ب ھ‬1I ‫ ل ا‬I ;‫وا‬

%97.72 ‫ ب‬1I ‫ ل ا‬I ;‫إذاً ا‬

 2 6

: Confidence Limits . ‫ود ا‬ •

E &‫' أ‬ q ‫ة ا‬6 A ‫ أو‬G W ‫) ل ا‬I ‫ وأن‬، q ‫ = ود ا‬9 ‫ ا‬I '‫و‬
: I ‫ ا‬Z I M‫ و‬q ‫) ل ا‬ M. ‫ ا‬9' ‫ و?> ا > ول‬، E ‫وأد‬

: %99.73، %99 ، %98 ، %0.96 ، %95.45 ، %95 ، %80 ، %68 ، %50

.‫لا‬9
Z : 3 – 2.58 – 2.33 – 2.05 – 2 – 1.96 – 1.645 – 1.28 – 1 – 0.6745

‫ أو‬/3/ ‫ ره‬M ‫دي‬ ‫اف‬6" 60 ‫اً ھ‬6 V 64 Ay > " ‫ ا‬Y$ ‫ا‬
. :I )I > " ‫ ا‬Y$ %98 q ‫ود ا‬
σ 3
Sx = = = 0.375
N 64

>9 E & 0.98 / 2 = 0.49 I ‫ة‬6‫ ظ‬I ‫ ا‬Z I M ‫و ا ) ول إن‬

: ‫ د‬I =' ‫ و‬، Z= 2.33 >‫ ھ‬6‫ ا ظ‬Y/

|x−M |
Z=
Sx
| 60 − M |
2.33 =
0.375

m = 6 ± 0.87 :U ‫و‬

.(59.13 – 60.87) :I )I ‫ا ا‬H > " ‫ ا‬Y$ ‫ ا‬: ' 0.98 ‫ ل‬I U ‫أي أ‬

: (H(‫ * د‬$ ‫ ز‬F) ‫ 'ة‬J ‫' ا ت ا‬6( •

Small Sampling Theory, Student's Distribution
‫ ا ) ول‬0 912 ,I' ; U ‫? أ‬6 E ‫ إ‬+ّQ 2‫ ` ع و‬I ‫ا ا‬H‫ ھ‬L ‫ د‬$ ‫درس‬
‫ت‬ ‫ا‬ & + J" > ‫ ت ا‬9 ‫ ا‬+ " Z > 91 ‫ " > ا‬I ‫ ا‬E & > 9I ‫ا‬
‫ق‬6 A ‫ ا‬6 94 Iّ 4 ، ‫اد ? > ا‬6 ?<‫ & د ا‬+ّ M I 4 U < (30 + M‫ة )أ‬6 VJ ‫ا‬
> ? ‫ ع‬M ‫ ا‬Q6? ‫ ز' دة‬U & a ' I ، > " ‫ ع ا‬I)I ‫ ا‬Y $ ‫و‬ ‫ ا‬Y$
. ‫ ;ت‬I ;‫ ل اول ا‬I $‫ ) ا‬aB ‫ ط~ ا‬/ ‫ ج‬$‫ا‬
‫و& & م ‪ ?6‬ا; " ‪6‬اف ا ‪ I‬ري ‪ ,I' (σ) : I )I‬ا‪ 9 $‬ا ‪U‬‬
‫أ‪6 q4‬‬ ‫‪ S x‬وذ ‪ ,' & G‬ن & د ا ‪6 V I‬ات ?> ا‬ ‫; "‪6‬اف ا ‪ I‬ري‬
‫‪ ) ? 30‬إ ‪6' 2 E‬‬ ‫أ‪+ M‬‬ ‫'‪ ,‬ن & د ا ‪6 V I‬ات ‪ > ? N‬ا‬ ‫‪ ، 30‬أ &‬
‫ا‪ I‬د ‪:‬‬ ‫ا; "‪6‬اف ا ‪ I‬ري ‪ :I )I‬ا; "‪6‬اف ا ‪ I‬ري‬

‫‪N‬‬
‫‪σ = S x.‬‬
‫‪N −1‬‬

‫‪6" . 6' 2‬اف ا ‪ I‬ري ‪. :I )I‬‬ ‫@‪:σ:‬أ‬

‫‪.‬‬ ‫‪ :‬ا; "‪6‬اف ا ‪ I‬ري‬ ‫‪Sx‬‬

‫‪.‬‬ ‫‪ & : N‬د ا ‪6 V I‬ات ?> ا‬

‫‪ Y$ I‬ا ‪ :I )I‬ا ‪H‬ي أ‪H/‬ت ‪ >? U‬ھ‪H‬ه ‪ ,2‬ن ‪:‬‬ ‫‪& 1$‬‬ ‫أو;ً ‪ :‬ا ‪ I‬ر‬

‫‪x−M‬‬
‫=‪t‬‬
‫‪Sd ′‬‬
‫‪σ‬‬
‫= ‪Sd ′‬‬
‫‪N −1‬‬

‫‪.‬‬ ‫>‬ ‫‪ :‬ا ‪ Y$ I‬ا "‬ ‫‪x‬‬ ‫@‪:‬‬

‫> ‪. :I )I‬‬ ‫‪ : M‬ا ‪ Y$‬ا "‬

‫‪ : Sd/‬ا ‪ 1‬ا ‪ I‬ري ‪.‬‬

‫&‬ ‫دة ? > ا )‪6‬‬ ‫ا "‪ N-1 '6‬ا ‪I‬‬ ‫ر‬ ‫ول ا ‪I‬‬ ‫‪6 2‬ج ‪t I M‬‬
‫ا ‪ I‬ل ‪ 0.05‬و ‪. 0.01‬‬

‫& ا ‪ I‬ل ‪ %5‬و ‪ %1‬د ّل أن‬ ‫‪t IM‬ا) و‬ ‫أ‪6 94‬‬ ‫إذا ‪ t I M L 4‬ا ‪"I‬‬
‫ا ‪6A‬ق ‪ 4y‬اً ‪.‬‬

‫ى ‪ %5‬وأ‪ %1 & t 6VQ‬د ّل & ‪E‬‬ ‫أ‪& t 694‬‬ ‫أ إذا ‪ t L 4‬ا ‪"I‬‬
‫‪ =?6 2‬ا ‪ '68‬ا ‪`6A‬‬ ‫أن ا ‪6A‬ق ‪ 4y‬و • را ً ‪ ، ? J‬و? > ‪ 4‬ا "‬
‫إذا ‪t I M L 4‬‬ ‫أ‬ ‫ا<?‪6‬اد وا ‪ & I)I‬ت ‪.‬‬ ‫?‪6‬ق‬ ‫ا ‪: B‬أ‪';U‬‬
‫‪ t‬ا ) و & ا ‪ %1 ' I‬و ‪^ ? %5‬ن ذ ‪ ' G‬ل & ‪ E‬أن‬ ‫أ‪6V Q‬‬ ‫ا ‪"I‬‬
‫ا ‪6A‬ق _ ‪ ) 4ّ y 6‬ي( ‪ ،‬و‪ +9 2‬ا ‪ '68‬ا ‪. `6A‬‬
 ‫ا ‪ I‬د '‪ ,I‬أن " د ا " ' ا<& ‪ E‬وا<د ‪: E‬‬
‫‪x − M = ±tS ′d‬‬
‫‪M = x ± tS ′d‬‬

‫ى ‪. %1‬‬ ‫ى ‪ %5‬و& ا ‪I‬‬ ‫‪6‬ج ‪ & t‬ا ‪I‬‬

‫‪ .‬ل‪:‬‬
‫‪6 V 16‬اً ‪،‬‬ ‫‪Ay‬‬ ‫> ‪& 30‬‬ ‫) ‪ : I‬ط‪ > 9‬ذي و‪Y $‬‬ ‫أ‪H /‬‬
‫و أن ا "‪6‬ا? ا ‪ I‬ري ھ ‪ 3‬و‪ 4‬ن ا " ‪6‬اف و‪ & 1 $‬ا ‪ Y $‬ا " >‬
‫‪ :I )I‬ھ ‪ ' + ? 2‬ھ‪H‬ا ا; "‪6‬اف ذا د; ‪:‬‬

‫‪:‬‬ ‫ا‬
‫& ا ‪Y$‬‬ ‫>‬ ‫‪ :` 2‬ا ‪ '68‬ا ‪ `6A‬وھ> أن ا "‪6‬اف ا ‪ Y$‬ا "‬
‫> ‪H • :I )I‬ات د; ‪.‬‬ ‫ا"‬
‫‪x−M‬‬
‫=‪T‬‬
‫‪S ′d‬‬
‫‪σ‬‬ ‫‪3‬‬
‫= ‪S ′d‬‬ ‫=‬ ‫‪= 0.78‬‬
‫‪N −1‬‬ ‫‪16 − 1‬‬
‫‪2‬‬
‫=‪T‬‬ ‫‪= 2.56‬‬
‫‪0.78‬‬

‫‪ 15= N-1 '6‬وا ‪ I‬ي ‪ 0.5‬ھ > ‪ ) 2.131‬أن ‪t‬‬ ‫ا ) ول ‪ t‬ر‬

‫ي ‪ ) ? %5‬ذات د; ‪ ،‬أ ‪t I M‬‬ ‫‪t‬ا) و &‬ ‫أ‪6 94‬‬ ‫ا ‪"I‬‬
‫‪t‬ا) و‬ ‫أ‪6V Q‬‬ ‫ى ‪ %1‬ھ > ‪ ) ، 2.947‬أن ‪ t‬ا ‪"I‬‬ ‫&‬ ‫ا) و‬
‫‪H L‬ات د; ‪. ? J : 6' +‬‬ ‫ى ‪) ? %1‬‬ ‫&‬

‫• * د* ً ‪ :‬ر( أزواج ا ‪'K‬اد ‪:‬‬

‫أزواج ا<?‪6‬اد‬ ‫ا ا`‪ P‬أن ا ‪6A‬وق‬ ‫‪ >? +I 2‬ا " ;ت ا > '‪ ,‬ن ?‬

‫ا<زواج & ‪E‬‬ ‫‪ >1V2 M @ " U A‬ا ‪6A‬وق‬ ‫?‪6‬دي ا وج ا ا‬ ‫أ‪694‬‬

‫?‪6‬دي ا وج ‪.‬‬ ‫ا ‪6A‬وق‬

‫و' ‪ +I‬ھ ‪H‬ا ا ‪ )2 > ? R I J‬رب ا ‪ ? ، 'HV‬أر' ‪& 6 c 2 6)2 ً.q‬‬

‫‪ ، ً.q‬و ّ‪6‬‬ ‫ا ‪6iA‬ان & ‪ 9 E‬ا ھ ?> ا " ‪ C‬أو ّ ل ا ‪ I‬أو ‪ )2‬رب ا ‪I‬‬
‫‪ aB > ? +/‬ا )‪ 6‬ا ‪6 A‬وق ا >‬ ‫و' ?^‬ ‫&> ا ‪HV‬اء & ‪& I) E‬‬
‫@ ا ‪ C 46‬ا را‪ >c‬أو ا ‪ 6 I‬أو‬ ‫أ? ‪6‬اد ا ‪& I)I‬‬ ‫‪ & a 2‬ا;‪ ?. /‬ت‬
‫‪ 6 c 2‬ا ‪ … ، i 9‬ا ‪ +I ' I4 ،v‬ھ ‪H‬ا ا ‪ 6)2 > ? R I J‬ا ‪ 6 M‬ا ‪ 91‬وذ ‪G‬‬
‫‪ 2 +9M A‬ط> ا واء و ه أو ? > أ‪$ M H /‬‬ ‫^&‪ •A B 1‬ا ‪6A‬د & ‪6 ? E‬ات‬
‫‪، A‬و" ‪:t IMC‬‬ ‫‪ E & A‬ا ‪6A‬د ‪6 ? E & U A‬ات‬
‫‪x1 − x2‬‬
‫=‪T‬‬
‫‪S ′d‬‬
‫‪Sd‬‬
‫= ‪S ′d‬‬
‫‪n‬‬

‫= ‪Sd‬‬ ‫)‪∑ ( D − D‬‬ ‫‪2‬‬

‫=‬ ‫‪∑d‬‬ ‫‪2‬‬

‫‪n −1‬‬ ‫‪n −1‬‬

‫@ ‪ : S/d :‬ا ‪ 1‬ا ‪ I‬ري ‪.‬‬

‫‪ : Sd‬ا; "‪6‬اف ا ‪ I‬ري ‪.‬‬

‫‪ .‬ل‪:‬‬
‫& ‪ 8 E‬أ‪ m‬ص ا‪ 462 +I $‬ان و‪ 4‬ن‬ ‫;‪ 9 /‬ر ‪ 6 c 2‬دواء أو ‪+ J‬‬
‫د ‪ +‬ا ‪ 46‬ھ ا ‪ q9‬ر أو ا "‪ 9‬ب ?> ا ) ‪ R‬ودو ‪ L‬ا ‪: >2k 4 aB‬‬

‫‪(D-‬‬ ‫‪d= D-d‬‬ ‫ا ?ـرق‬ ‫‪O‬ـ د ا ‪.‬ـ ر‬ ‫ر‪M5‬‬

‫‪d)2‬‬ ‫ا '‪: P #‬‬ ‫ا ر‪5‬‬
‫‪X1‬‬ ‫‪X2‬‬
‫‪D= x1-x2‬‬

‫‪25‬‬ ‫‪-5‬‬ ‫‪-1‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪1‬‬

‫‪4‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪17‬‬ ‫‪11‬‬ ‫‪2‬‬

‫‪81‬‬ ‫‪9‬‬ ‫‪13‬‬ ‫‪31‬‬ ‫‪18‬‬ ‫‪3‬‬

‫‪0‬‬ ‫‪0‬‬ ‫‪4‬‬ ‫‪18‬‬ ‫‪14‬‬ ‫‪4‬‬

‫‪9‬‬ ‫‪-3‬‬ ‫‪1‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬

‫‪9‬‬ ‫‪-3‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬

 ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪20‬‬ ‫‪17‬‬ ‫‪7‬‬

‫‪1‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪8‬‬

‫‪130‬‬ ‫‪.‬‬ ‫‪32‬‬ ‫‪120‬‬ ‫‪88‬‬ ‫‪.‬‬

‫= ‪x1‬‬ ‫‪∑x‬‬‫‪120‬‬
‫‪= 15‬‬
‫‪1‬‬
‫=‬ ‫= ‪x2‬‬ ‫‪∑x‬‬ ‫‪2‬‬
‫=‬
‫‪88‬‬
‫‪= 11‬‬
‫‪N‬‬ ‫‪8‬‬ ‫‪N‬‬ ‫‪8‬‬

‫= ∑ = ‪D′‬‬
‫‪D 32‬‬
‫‪=4‬‬
‫‪N‬‬ ‫‪8‬‬
‫‪x −x‬‬
‫‪T= 1 2‬‬
‫‪S ′d‬‬

‫= ‪S ′d‬‬
‫‪Sd‬‬
‫= ‪Sd‬‬ ‫) ‪∑ (D − d‬‬ ‫‪2‬‬

‫=‬
‫‪130‬‬
‫‪= 4.31‬‬
‫‪N‬‬ ‫‪n −1‬‬ ‫‪7‬‬
‫‪4.31‬‬
‫= ‪S ′d‬‬ ‫‪= 1.52‬‬
‫‪8‬‬
‫‪15 − 11‬‬
‫=‪T‬‬ ‫‪= 2.64‬‬
‫‪1.52‬‬

‫ى ‪%5= ، %1= 3.499‬‬ ‫‪ N-1 '6‬وھ > ‪ 7‬و‬ ‫ا ) ول & در‬

‫‪. 2.365‬‬

‫‪ t‬ا ) و & ‪%1‬‬ ‫‪ t‬ا ) و & ‪ %5‬وأ‪6V Q‬‬ ‫أ‪6 94‬‬ ‫) أن ‪ t‬ا ‪"I‬‬
‫ا ‪ ' 46‬ذا د; & د' ‪ ،‬أي أن ا ‪ '68‬ا ‪`6A‬‬ ‫‪ a‬أن ھ ك ?‪ً M6‬‬
‫ا ‪ / & ` I‬ط‪ E I ، i‬آ‪ 6/‬أن ا ‪ 46‬ا ‪ > q‬أ?‪ +p‬ا ‪ 46‬ا<ول ‪.‬‬

‫• ا! ر ‪ t‬ر( ا ‪ O 9‬ت ‪:‬‬

‫‪ 4‬ن ‪ O‬د ا ‪'K‬اد ‪ K‬ا ‪ : O 9‬وا اً ‪:‬‬ ‫أ‪O -‬‬
‫إذا ‪ 2‬وى & د ا<? ‪6‬اد ? > ا ‪ & I)I‬ا ‪6 I‬اد ر ‪ I‬أي ‪ 2‬وى & د‬
‫أ?‪6‬اد ا ‪ & I)I‬ا<و ‪ : N1 E‬أ?‪6‬اد ا ‪ & I)I‬ا ‪^? N2 q‬ن ط‪ +q + "2 '6‬ھ ‪H‬ه‬
‫‪:‬‬ ‫ا ) رب ‪ U W2‬ا ‪ '61‬ا‬

‫‪x1 − x2‬‬
‫=‪t‬‬ ‫)‪ (n1+ n2-2‬ر ت ‪'6‬‬
‫‪S ′d‬‬

‫ا<و ‪. E‬‬ ‫>‬ ‫‪ :‬ا ‪ Y$‬ا "‬ ‫‪x1‬‬

 ‫‪.‬‬ ‫ا‪q‬‬ ‫>‬ ‫‪ :‬ا ‪ Y$‬ا "‬ ‫‪x2‬‬

‫‪ : S/d‬ا ‪ 1‬ا ‪ I‬ري ‪.‬‬

‫‪S 2P S 2P‬‬
‫= ‪S ′d‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪:‬‬ ‫ا ‪1$ I‬‬ ‫ا ‪ ' 9‬ا ‪6 WI‬ك ‪6A‬ق‬

‫‪SS1 + SS2‬‬
‫= ‪S 2P‬‬
‫‪n1 + n2 − 2‬‬

‫'‬ ‫& در ت ‪ (n1+n2-2) '6‬وا ‪I‬‬ ‫و‪t‬ا) و‬ ‫‪ t‬ا ‪"I‬‬ ‫‪ Rc‬رن‬

‫‪ %1‬و ‪. %5‬‬

‫‪.‬ل‪:‬‬
‫& ‪ E‬و أ ا< ‪6‬اض ا‪20 6 /‬‬ ‫?> ‪ ?6 I 6)2‬أ‪ 6 c‬ا‪ I $‬ل ‪+ J‬‬
‫‪ W& '61 ً J m‬ا‪62 ، B‬ك &‪6W‬ة أ‪ m‬ص ‪ R‬ون ‪ ، + J‬وأ&‪ > 1‬ا ‪6 W‬ة‬
‫ا ‪ M 9‬ا ‪ ، + JI‬ور‪ L 92‬ا ‪ > ? aB‬ا ) ول ا‪ x1 6 Wُ2 @ ، > 2k‬إ ‪ E‬ا<‪ m‬ص‬
‫? ‪6‬ق‬ ‫ا ‪ 'H‬أ&‪ 1‬ا ا ‪ +JI‬و ‪ x2‬إ ‪ E‬ا<‪ m‬ص ا ‪H / ' R 'H‬وا ا ‪' + ? ، + JI‬‬
‫ا<‪ m‬ص ا ‪ 'H‬أ‪H/‬وا ا ‪ +JI‬وا ‪H/ ' R 'H‬وا ا ‪ +JI‬؟‬ ‫>‬
‫‪:‬‬ ‫ا‬
‫ا<‪ m‬ص‬ ‫>‬ ‫? ‪6‬ق‬ ‫‪ ّT 2‬ا ‪ `6A‬ا ‪ '68‬ا‪ B J K‬أ ‪' ; U‬‬
‫ا ‪ 'H‬أ&‪ 1‬ا ا ‪ +JI‬وا ‪H/ ' R 'H‬وا ا ‪ ~W ? ، +JI‬ا ) ول ا‪: >2k‬‬

‫‪x1‬‬ ‫‪x2‬‬ ‫‪x12‬‬ ‫‪x22‬‬

‫‪5.1‬‬ ‫‪3.1‬‬ ‫‪37.21‬‬ ‫‪9.61‬‬

‫‪5.6‬‬ ‫‪3.8‬‬ ‫‪31.36‬‬ ‫‪14.44‬‬

‫‪6.4‬‬ ‫‪4.3‬‬ ‫‪40.96‬‬ ‫‪18.49‬‬

‫‪5.8‬‬ ‫‪3.9‬‬ ‫‪33.64‬‬ ‫‪15.21‬‬

‫‪6.0‬‬ ‫‪4.0‬‬ ‫‪36.00‬‬ ‫‪16.00‬‬

 5.7 4.0 32.49 16.00

5.9 4.5 34.81 20.25

7.5 4.2 56.25 17.64

7.0 4.3 49.00 18.49

6.0 4.9 36.00 24.01

62.0 41.0 387.72 170.14

62 41
x1 = = 6.2 x2 = = 4.1
10 10
x −x 6.2 − 4.1
T= 1 2 =
S ′d S ′d
S 2P S 2P
S ′d = +
N1 N2
(∑ x1 ) 2 (62) 2
SS1 = ∑ x − 2
1 = 387.72 − = 3.32
N 10
(∑ x2 ) 2 (41) 2
SS2 = ∑ x2 −
2
= 170.14 − = 2.04
N 10

SS1 + SS 2 3.32 + 2.04

S 2P = = = 0.2978
n1 + n2 − 2 18
0.2978 0.2978
S ′d = + = 0.244
10 10
6 .2 − 4 .1
T= = 8.61
0.244

‫ى‬ &‫ و‬، 2.101 %5 ‫ى‬ &‫ و‬18 '6 ‫ا ) ول وأ م در‬

‫ق ذو‬6A ? ، ' I ‫ ا ) و & ا‬t 6 94‫أ‬ "I ‫ ا‬t ‫ ) أن‬، 2.878 %1
+ JI ‫ ا ا‬1&‫' أ‬H ‫ ص ا‬m<‫` أي أن ا‬6A ‫' ا‬68 ‫?= ا‬62‫' & و‬ ;‫د‬
. & ;‫ ا ذوي د‬4

: Q # ‫'اد‬K‫ د أ‬O K : ; C : O 9 (‫ر‬ -‫ب‬

‫ا ) رب أ;ّ '‪ ,‬ن & د ا<? ‪6‬اد ? > ا ‪ & I)I‬ا ‪6 I‬اد‬ ‫'" ث ? > ‪6 q4‬‬
‫ا'‬ ‫و' ً ‪ ,2 ? ،‬ن ا )‪& 6‬‬ ‫ر ‪ I p : I p I‬ا‪6 /k‬‬
‫و' ?> ا د ‪ ،‬و ‪68 ,‬وف ‪ /‬ر & إرادة ا ‪ & T ' @ 9‬د أ? ‪6‬اد إ ى‬
‫ا ‪ >? I4 ، & I)I‬ا ) رب ا > ‪6 )2‬ي & ‪ E‬ا " ا ت ‪ I' ? ،‬ت أ ھ أ‪ c‬ء‬
‫ا )‪ 6‬أو ‪ C J2‬ا‪ ?k‬ت إ ى ا ‪ : 1‬ا ‪ I‬رو& ‪ ،‬وا‪. /‬ف & د ا<? ‪6‬اد ? >‬
‫ا ‪ > ? 6 V' ; & I)I‬ا<‪ • $‬ا‪ B J K‬ا > ‪ & L‬ط ‪6‬ق ا " ‪ ، +‬و ‪,‬‬
‫'" ث ‪ ً.' 2‬ط‪ > ? ً A A‬ط‪ '6‬ا " ب <ن ‪ " ? ، N2≠N1‬ب ا ‪ 1‬ا ‪ I‬ري‬
‫‪x1 − x2‬‬
‫=‪T‬‬
‫‪Sd‬‬

‫‪′‬‬ ‫‪′‬‬
‫‪Sd = S 2 d1 + S 2 d 2‬‬
‫‪SP‬‬ ‫‪SP‬‬
‫= ‪S ′d1‬‬ ‫= ‪S ′d 2‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪S ′d1 S ′d 2‬‬
‫= ‪Sd‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪.‬ل‪:‬‬
‫ا ‪H V‬اء‪ ،‬أ ھ‪9 U I‬‬ ‫?> إ ى ‪ )2‬رب ا ‪6 i? E & 'HV‬ان ‪ ،‬ا‪ & +I $‬ن‬
‫ا ‪6 9‬و‪ ، 2‬و‪ M‬ر وزن ا ‪6 iA‬ان‬ ‫ا ‪6 9‬و‪ ، 2‬وا‪& 9 U 6 /k‬‬ ‫‪pA‬‬
‫و&‪6I‬ھ ‪ ّ M Rc ،ً ' 28‬رت ا ' دة ?> ا زن ‪6I& w I‬ھ ‪ ،ً ' 84‬و‪ 4‬ن & د‬
‫أ?‪6‬اد ا ‪ & I)I‬ا<و ‪ 12 E‬وا ‪ ، 7 q‬و? ‪ > ' I‬ن ا ' دة ?> ا زن ا ‪& )2‬‬
‫ا ‪6iA‬ان ‪ x1‬و ‪ ، x2‬وا ‪ 1I‬ب ‪ aB + "2‬ا )‪. 6‬‬ ‫ھ‪ 'H‬ا &‬

‫‪:‬‬ ‫ا‬
‫ّل‬ ‫?> ا ‪E & 6 c‬‬ ‫ا ‪H V‬ا‪B‬‬ ‫? ‪6‬ق‬ ‫‪ T 2‬ا ‪ '68‬ا ‪ `6A‬أ ‪' ; U‬‬
‫ا ' دة ?> وزن ا ‪6iA‬ان ‪.‬‬

‫ا 'و‪: F‬‬ ‫‪O‬‬ ‫‪R;C‬‬ ‫‪x12‬‬ ‫‪x22‬‬

‫‪x1‬‬ ‫ا 'و‪x2 : F‬‬

‫‪134‬‬ ‫‪70‬‬ ‫‪17956‬‬ ‫‪4900‬‬

‫‪146‬‬ ‫‪118‬‬ ‫‪11316‬‬ ‫‪13924‬‬

 104 101 10816 10201

119 85 14161 7225

124 107 15376 11449

161 132 25921 17424

107 94 11449 8836

83 6889

113 12769

129 16641

97 9409

123 15129

1440 707 177832 73959

x1 = 120 x2 = 101
x1 − x2 120 − 101
T= =
S ′d S ′d
SS1 + SS 2
SP =
n1 + n2 − 2
(∑ x1 ) 2 (1440) 2
SS1 = ∑ x − 2
1 = 177832 − = 5032
N 12

SS2 = ∑ x22 − ∑ 2 = 73959 −

( x )2 (707) 2
= 2552
N 7
5032 + 2552
SP = = 446.11
12 + 7 − 2
446.11 446.11
S ′d1 = S ′d 2 =
12 7
 ‫‪446.11 446.11‬‬
‫= ‪Sd‬‬ ‫‪+‬‬ ‫‪= 10.04‬‬
‫‪12‬‬ ‫‪7‬‬
‫‪120 − 101‬‬
‫=‪T‬‬ ‫‪= 1.89‬‬
‫‪10.04‬‬

‫‪'6‬‬ ‫ا ) ول ‪ t‬ا ) و & ‪ ، 2.11= %5‬و& ‪ 2.898 = %1‬در‬

‫‪ t‬ا ) و ‪ ? ،‬ل • ‪H‬ي د; وا ‪'68‬‬ ‫أ‪6V Q‬‬ ‫)‪ ) (17‬أن ‪ t‬ا ‪"I‬‬
‫‪. 9‬‬ ‫ا ‪`6A‬‬
 ‫ا ‪ +‬ت وا ‪ :‬رات‬
‫‪SAMPLES AND TESTS‬‬

‫; ھو ا‪ :‬ر ر ! ‪)+‬ق إ" "ؤ‪5‬رات‬ ‫‪ " -1-6‬د"!‪ :‬إن ھدف ا ‪ :‬ر ا<‬
‫و ط( أو أ ‪)+ #‬ق وز ا " رض‬ ‫! )أو " "‪ C‬أ‬ ‫;!أ‬ ‫إ‬
‫"( " " ‪.‬‬
‫"( " " ‪ 2‬ر "‪+‬روف ‪9+‬‬ ‫‪ 7‬را "ن ا? ن ط)ب ا?"ر "‪+‬ر ! ‪ .‬ون وز‬
‫أ د ا وز ‪ +‬ت ا "‪+‬رو ! و"ن ‪7‬م‬ ‫د "ن ا راض ن ھذا ا "( "‬ ‫و‬
‫‪ #‬أي ر ‪ #‬أو ‪ .‬و ‪. #‬‬ ‫م ا‪ :‬ر ھذه ا ر ! "‪+‬ر ! "دى‬
‫!‬ ‫; ! أ?‬ ‫ث ط)ب ا?"ر "‪+‬ر ! ا "ؤ‪5‬رات ا<‬ ‫و‪.‬د ون ا ‪ +‬س أ‬
‫أو ا راف ا "‪ +‬ري و" ‪ D 5‬ذ ك‪ ،‬و‬ ‫"( " " "‪7‬ل ا " و ط ا‬
‫; ! و"ن‬ ‫رض ‪ " .‬ا را ! )"ؤ‪5‬رات ا<‬ ‫ا ر تا‬ ‫د "ن و‬
‫‪ #‬أي ر ‪ #‬أو ‪ .‬و ‪. #‬‬ ‫‪7‬م م ا‪ :‬ر ھذه ا ر ت "‪+‬ر ! "دى‬
‫!‪:‬‬ ‫!ا‬ ‫ر ا ر;‬ ‫; ا‪+‬‬ ‫"ن ا ‪ :‬ر ا<‬ ‫; ‪:‬‬ ‫‪ -2-6‬ا ‪ :‬ر ا<‬

‫‪ .1‬ا ر ! ا دا; ! و ر"ز ‪ #‬ـ ‪H0:‬‬

‫‪ " .2‬ط ! ا ر ض وا ول‬
‫‪ .3‬ا ر ! ا د )! و ر"ز ‪ #‬ـ ‪H1:‬‬
‫ءا ‪ :‬ر‬ ‫‪ .4‬ا‬
‫; وأي ‪ A‬ر‬ ‫رور ! ل ا‪ :‬ر إ‬ ‫إن ا ‪ +‬ر ا ر; ! ا?ر ا "ذ ورة ھ‬
‫أ د "ن ھذه ا ‪ +‬ر ا?ر ؤدي إ ‪ C‬ا‪ :‬ر (د د‪.‬‬
‫ل‪:‬‬ ‫‪ 5‬ء "ن ا‬ ‫ر ا?ر‬ ‫درس ‪+‬ض ھذه ا ‪+‬‬ ‫و " )‬
‫(ري ا‪ :‬ر "دى‬ ‫‪ .1‬ا ر ! ا دا; ! )‪ : ( H0:‬وھ ا ر ! ا‬
‫"ن ‪ 5‬ل م ‪ .‬م‬ ‫‪ #‬أي ر ‪ #‬أو ‪ .‬و ‪. #‬وھذه ا ر ! ص‬
‫ا را ! و ط " )"( " أو ا ‪ ! +‬ا "درو !؛"‪7‬ل ا راض ن ھذا‬
‫أ د ا وز ‪ +‬ت ا "‪+‬رو ! أو رض ‪ " .‬ا را ! )"ؤ‪5‬رات‬ ‫ا "( "‬
‫; ! ن رض أن ‪ !" .‬ا " و ط ‪ μ‬وي ‪ !" .‬ا را ! ‪μ0‬‬ ‫ا<‬
‫وھ ذا‪...‬‬
 ‫! ا ر ! ا دا; ! أي ر ‪ #‬أو ‪ .‬و ‪#‬‬ ‫إن ا ‪ :‬ذ ا رار ) ‪ H‬د "ن‬
‫و ‪ #‬ا ‪ ! +‬أو ا ‪ +‬ت ا " و ! طر !‬ ‫)‪ C‬ا "‪)+‬و" ت ا‬ ‫‪" +‬د أ‬
‫‪5‬وا; ! "ن ا "( " ا "دروس‪.‬‬
‫" ن أن‬ ‫‪ " .2‬ط ! ا ر ض وا ول ‪ :‬م "("و ! ل ا م ا "‪:H‬وذة ا‬
‫ء ا ‪ :‬ر إ ‪"(" C‬و ن أو " ط ن د و أ داھ" " ط !‬ ‫‪:H‬ذھ ا‬
‫ا ر ض وا?‪:‬رى " ط ! ا ول‪ .‬وان ا ر ض أو ا ول و‪.‬ف )‪ C‬أ ن‬
‫ء‬ ‫‪:H‬ذھ ا‬ ‫ء ا ‪ :‬ر ‪Q ،‬ذا و‪+.‬ت ا "! ا‬ ‫‪:H‬ذھ ا‬ ‫ا "! ا‬
‫ن أد ‪" ،‬ط! ارض رض‬ ‫ا ‪ :‬ر ‪ "،‬و "ن ا ‪ ! +‬ا‬
‫‪:H‬ذھ‬ ‫ا ر ! ا دا; ! و ل ا ر ! ا د )!‪.‬أ" و‪+.‬ت ا "! ا‬
‫ن أ د ‪ " ،‬ط ! ا ول ل‬ ‫ء ا ‪ :‬ر ‪ "،‬و "ن ا ‪ ! +‬ا‬ ‫ا‬
‫ا ر ! ا دا; ! و ر ض ا ر ! ا د )!‪.‬‬
‫! ا ر ! ا دا; ! ‪ ،‬أي ر ‪ #‬أو‬ ‫ا ‪ :‬ذ ا رار ) ‪ H‬د "ن‬ ‫‪:‬‬
‫‪ .‬و ‪ ، #‬إ ‪ C‬و ن "ن ا ‪:‬ط‪ H‬وھ" ا ن‪:‬‬
‫‪ .1‬ا ‪:‬ط‪" H‬ن ا وع ا?ول ‪ERROR TYPE I‬‬
‫‪ERROR TYPE II‬‬ ‫‪ .2‬ا ‪:‬ط‪" H‬ن ا وع ا ‪7‬‬
‫و ص ا ‪:‬ط‪" H‬ن ا وع ا?ول ‪ ERROR TYPE I‬إ ‪ C‬أ ‪ " D‬ن أن ر ض‬
‫! ‪.‬أ" ا ‪:‬ط‪" H‬ن ا وع ا ‪7‬‬ ‫ا وا‪.‬‬ ‫ا ر ! ا دا; ! " ھ‬
‫ل ا ر ! ا دا; ! " ھ‬ ‫ل د"‬ ‫‪ERROR TYPE II‬‬
‫ا وا‪ : .‬ط;!‪.‬‬
‫!‬ ‫د ا ‪ :‬ذ ا رار ) ‪ H‬د "ن‬ ‫تا !‬ ‫نا‬ ‫وا (دول ا‬
‫‪: #‬‬ ‫دا; ! أو دم‬ ‫ا ر !ا‬
‫ا رار‬ ‫دا; !‬ ‫!ا‬ ‫ا ر‬
‫!‬ ‫‪ :‬ط;!‪.‬‬
‫ارض‬ ‫ا ‪:‬ط‪" H‬ن ا وع ا?ول‬ ‫‪P‬‬ ‫‪.‬رار‬
‫ا ول‬ ‫‪P‬‬ ‫‪.‬رار‬ ‫ا ‪:‬ط‪" H‬ن ا وع ا ‪7‬‬
‫" ا ‪:‬ط‪" H‬ن ا وع ا?ول و‬ ‫;‬ ‫و دة س (ودة ا ‪ :‬ر ا<‬
‫ا ‪:‬ط‪" H‬ن ا وع ا ‪، 7‬و ر"ز ‪ "#‬ـ ‪ α‬و ‪ C) β‬ا ر ب‪.‬و " ن‬
‫ءا ‪ :‬ر "ط!‬ ‫ا‬ ‫ا ‪ +‬ر ن ا " ل ‪ D H α‬أ " أن‬
‫" وى‬ ‫! ‪.‬و د ‪ α C‬أ‬ ‫ا ر ض )" ‪H‬ن ا ر ! ا دا; !‬
‫ا?ھ" ! أو ا "‪ +‬و ! ‪.‬و"ن ا وا ‪ P‬أن ز دة (م " ط ! ا ر ض ز د "ن‬
 ‫س ا و‪.‬ت ‪ D‬ؤدي إ ‪. C‬ص ‪ β !" .‬وذ ك "ن أ(ل (م‬ ‫‪ α !" .‬و‬
‫س‬ ‫‪ 7‬ت )‪. n ! +‬أ" ‪ :‬ض " ط ! ا ر ض ز د "ن ‪ β !" .‬و‬
‫ا و‪.‬ت ‪ D‬ؤدي إ ‪. C‬ص ‪.α !" .‬و د ز دة (م ا ‪" D n ! +‬ن‬
‫ا ط ‪ +‬أن و ر ا ‪ ! +‬ا? ر ‪.‬درا ? ر "ن ا "‪)+‬و" ت ‪:‬ذ )‪C‬‬
‫‪.‬ص ل "ن ‪ α‬و ‪. β‬‬ ‫و;‪. #‬رار وھذه ؤدي إ ‪C‬‬

‫دا; ! إ ‪ C‬و ن ‪:‬‬ ‫!ا‬ ‫ما ر‬ ‫" ن أن‬

‫!‬ ‫• ا ر ! ا دا; ! أ د ! ا ( ب )ا ط!(‪ :‬ول ن ر‬

‫ط! إذا ت ‪ :‬ر ‪ !" .‬وا دة ط دون‬ ‫ا دا; ! أ ‪#‬‬
‫ا " ت أ‪:‬رى ‪ 7" .‬ل )‪ C‬ذ ك ول ‪، H0: a > 50 :‬‬
‫ھذه ا ! و(د وى ‪ !" .‬وا دة ط دون ا " ت أ‪:‬رى‬
‫و ا ر ! ا د )! ص " ) ‪. H1: a< 50 :‬‬
‫• ا ر ! ا دا; ! ‪ ! ; 7‬ا ( ب) ا "ر !(‪ :‬ول ن ر !‬
‫ا دا; ! أ ‪" #‬ر ! إذا ت ‪ :‬ر ‪ !" .‬وا دة ط و ن ‪+‬دة‬
‫ن‬ ‫ا " ت‪ 7" .‬ل )‪ C‬ذ ك ول ‪ H0: a = 50 :‬و‬
‫ھذه ا !‬ ‫ا ر ! ا د )! ص " ) ‪، H1: a ≠50 :‬‬
‫و(د ا " ن وھ" ‪ a>50‬وا " ل ا‪:M‬ر ‪. a< 50‬و " ن‬
‫"ط! ارض " ) ‪:‬‬ ‫أن و‬
‫" ط ! ا ول د ذ ك ول ن‬ ‫إ‪( C‬‬
‫; ‪ ; 7 D H‬ا ( ب " أ‪5‬ر‬ ‫ا ‪ :‬ر ا<‬
‫‪ .‬ل ‪ ).‬ل‪.‬‬
‫إ ‪ ( C‬ب وا د "ن " ط ! ا ول) إ ‪ C‬ا " ن أو‬
‫; ‪DH‬‬ ‫ا ر( د ذ ك ول ن ا ‪ :‬ر ا<‬
‫أ دي ا ( ب " أ‪5‬ر ‪ .‬ل ‪ ).‬ل‪.‬وا?‪ 5‬ل ا !‬
‫ت‪.‬‬ ‫و ‪ P‬ھذه ا‬
 ‫لرض‬ ‫! ا د )! د ل‬ ‫ا ر‬ ‫‪ .3‬ا ر ! ا د )! )‪ :(H1:‬و‬
‫ا ر ! ا دا; ! ‪. H0:‬‬
‫ب دد وا د ‪:H‬ذ‬ ‫ء ا ‪ :‬ر‪ :‬م ا ‪:‬دام ‪ .‬م ا ‪ ! +‬ا "درو !‬ ‫‪ .4‬ا‬
‫ء ا ‪ :‬ر‪.‬‬ ‫ا رار و د ‪ C‬ا‬ ‫دور‬
‫ن وذ ك‬ ‫نأ‬ ‫‪-3-6‬ا ‪ :‬رات ا "‪ +‬و !‪"5 :‬ل ا ‪ :‬رات ا "‪ +‬و ! "("و‬
‫ن‪:‬‬ ‫ب "( ل ا ط ق وھ" ا "("و ن ا‬

‫رة‬ ‫ل ا‪ +‬ت‬ ‫• ا ‪ :‬رات ا ‪ + ! :‬ت رة ا (م ‪:‬‬

‫ء ا ‪ :‬ر ا ذي‬ ‫ا (م ‪:‬دم ا‪ :‬ر ‪ Z‬ا ذي وم )‪ C‬ا‬
‫ا وز ا ط ‪. +‬وھذا ا ‪ :‬ر ‪" +‬د ) ‪ 5 D‬ل ‪ :‬ص "ن‬
‫أ(ل ا " ر ت ا !‪:‬‬
‫• " ر ! " و ط ن "( "‪ +‬ن )" أن ا ‪ 5‬ت ‪)+" "#‬وم‪.‬‬
‫• " ر ! " و ط ن "( "‪ +‬ن )" أن ا ‪ 5‬ت ‪ 2 "#‬ر "‪)+‬وم‪.‬‬
 ‫راف ا "‪ +‬ري )"( "‬ ‫• " ر ! " و ط ا "( " " " و ط ا ‪ ") ! +‬أن ا‬
‫"‪+‬روف‪.‬‬
‫ق وأن‬ ‫‪+‬ط ا‪ :‬ر ‪ Z-test‬ا‬ ‫ھذا ا "( ل أن ذ ر أن ا ‪ !.9+‬ا‬
‫‪5‬ر ت ا ل ا ق " م ‪5‬رح ‪ !.9‬ھذا ا ‪ :‬ر " " ‪ C‬ا وز‬
‫ا ط ‪ . +‬ذ ك ا?"ر " ن "را(‪ !+‬ا ب ا ‪" 7‬ا (زء ا ‪` " )"+‬ط‪9‬ع )‪C‬‬
‫ا "ز د ول ط ت ا‪ :‬ر ‪. Z‬‬

‫ل ا‪ +‬ت‬ ‫• ا ‪ :‬رات ا ‪ + ! :‬ت ‪ A‬رة ا (م ‪:‬‬

‫‪ A‬رة ا (م ‪:‬دم ا ‪ :‬رات ا !‪:‬‬
‫وز‬ ‫ء ا ‪ :‬ر ا ذي‬ ‫أ‪ -‬ا‪ :‬ر ‪ t-test‬ا ذي وم )‪ C‬ا‬
‫ود ت ‪. Student distribution‬وھذا ا ‪ :‬ر ‪" +‬د ) ‪ 5 D‬ل‬
‫‪ :‬ص "ن أ(ل ا " ر ت ا !‪:‬‬
‫• " ر ! " و ط ا "( " " " و ط ا ‪ ") ! +‬أن ا راف ا "‪ +‬ري )"( "‬
‫‪ 2‬ر "‪+‬روف‪.‬‬
‫ن "ن "( " وا د‪.‬‬ ‫• ا‪ :‬ر ا رق ن‬
‫ن "ن "( "‪ +‬ن رض أن ‪7 " " "#‬ل‬ ‫• ا‪ :‬ر ا رق ن‬
‫• ا‪ :‬ر ا رق ن " و ط ن ‪ +‬ن رض أ ‪ " "#‬و ن ‪+‬دد ا ‪ +‬ر‬
‫)ا ‪ +‬ت ‪ 2‬ر ا " )!(‬
‫• ا‪ :‬ر ا رق ن " و ط ن ‪ +‬ن رض أ ‪ 2 "#‬ر " و ن ‪+‬دد‬
‫ا ‪ +‬ر )ا ‪ +‬ت ا " )!(‪.‬‬
‫• ا‪ :‬ر ا م ا ‪ 5‬ذة و ذ ‪#‬‬
‫"( ل ا ( رب‬ ‫)‪ C‬ط‬ ‫‪5‬رح ‪" +‬ن ھذه ا ‪ :‬رات وا‬ ‫و " )‬
‫وا ‪ :‬رات ا زرا ! وا و ! وھ ا !‪:‬‬
‫ن "ن "( " وا د‪: :‬دم "‪7‬ل ھذا‬ ‫‪ .1‬ا‪ :‬رات ا ! ا ";و ! ن‬
‫; ! ‪ DATA‬رة ن !‬ ‫ا ‪ :‬ر د" ون ا ت ا<‬
‫‪:‬‬ ‫ءا ‪ :‬را‬ ‫‪:‬دم ا‬ ‫";و !‪،‬و"ن أ(ل ذ ك ‪Q‬‬
‫‪T = p − p 0 / p 0 * q0 / n‬‬

‫"‪7‬ـــــــــ ل )‪: ( 1‬إذا ت ! ا?‪ (5‬ر ا "‪ +‬دة ` ! "رض ھ‬

‫‪ ، 15%‬م رش ا?‪ (5‬ر ‪ H‬د ا " دات ت ! ا?‪ (5‬ر ا "ر !‬
‫ا " ! ھ ‪# : 9%‬ل ‪ +‬ر ا " د ا " ‪:‬دم ‪ +‬أم ؟‬

‫!‪:‬‬ ‫دا; ! وھ ا‬ ‫!ا‬ ‫ا ر‬ ‫ا ـــــــل ‪:‬‬

‫‪H0: p = p0 = 0.15‬‬
 ‫!‪:‬‬ ‫! ا د )! ھ ا‬ ‫" ل ذ ك ون ا ر‬
‫‪H1: p≠ p0‬‬

‫ءا ‪ :‬ر " ) ‪:‬‬ ‫ب ‪ !" .‬ا‬ ‫! اذ ر‬ ‫ط ق ا ‪ !.9+‬ا‬

‫‪T = 0.09 − 0.15 / 0.15 * 0.85 / 100‬‬

‫‪t = -1.6‬‬

‫د " وى ا "‪ +‬و ! ‪( %10‬د أن ‪:‬‬ ‫‪:‬رج ‪ ttab !" .‬ا (د و !‬

‫‪ttab = 1.65‬‬

‫! أ ‪9‬ه‬ ‫و ! "ن ا ‪ !.9+‬ا‬ ‫رن ‪ tcct !" . " !" .‬ا "‬ ‫ا‪M‬ن‬

‫!‬ ‫لا ر‬ ‫(د أن ‪ ttab‬ا (د و ! أ ر "ن ‪ tcct !" .‬ا " و ! و‬

‫‪ ! # T‬أن ا " د ‪ 2‬ر ‪ +‬ل‪.‬‬ ‫دا; ! أي أن أ‪7‬ر ا " د ‪ 2‬ر "‪ +‬وي و‬ ‫ا‬
‫ن "ن "( "‪ +‬ن ‪ "#‬ن وا د‪: :‬دم‬ ‫‪ .2‬ا‪ :‬رات ا ! ا ";و ! ن‬
‫; ! ‪ DATA‬رة ن !‬ ‫"‪7‬ل ھذا ا ‪ :‬ر د" ون ا ت ا<‬
‫";و ! "ن "( "‪ +‬ن وى ‪ #‬ا راف ا "‪ +‬ري‪،‬و"ن أ(ل ذ ك ‪Q‬‬
‫‪:‬‬ ‫ءا ‪ :‬را‬ ‫‪:‬دم ا‬

‫‪1‬‬ ‫‪1‬‬
‫* ‪T = p − p0 / s‬‬ ‫‪+‬‬
‫‪n1 n2‬‬

‫ث أن ‪:‬‬
‫)‪s = ( n1 * p1 * q1 + n2 * p2 * q2 ) /(n1 + n2 − 2‬‬

‫! ا و‪C‬‬ ‫‪ : P1‬ا‬

‫! ا‪! 7‬‬ ‫‪ : P2‬ا‬

‫! ا و‪C‬‬ ‫‪" " : q1‬م ا‬

‫! ا‪! 7‬‬ ‫‪" " : q2‬م ا‬

 ‫! ا?‪ (5‬ر ا "‪ +‬دة ` ! "رض ھ ‪ ، %20‬م‬ ‫"‪7‬ـــــــــ ل )‪ : ( 2‬ن أن‬
‫رش ا?‪ (5‬ر ‪ H‬د ا " دات ت ! ا?‪ (5‬ر ا "ر ! ا " ! ھ ‪# : % 18‬ل‬
‫ن "‪ ) :‬ن )" أ ‪ D‬م "‪(5 20 ! +‬رة ا "رة ا و ‪ C‬و‪15‬‬ ‫‪ +‬رھ نا‬
‫‪(5‬رة ا "رة ا ‪! 7‬؟‬
‫!‪:‬‬ ‫دا; ! وھ ا‬ ‫!ا‬ ‫ا ر‬ ‫ا ـــــــل ‪:‬‬
‫‪H0: p1 = p2‬‬

‫!‪:‬‬ ‫! ا د )! ھ ا‬ ‫" ل ذ ك ون ا ر‬
‫‪H1: p1 ≠ p2‬‬

‫‪Df : n1 + n2 -2 = 33‬‬

‫ءا ‪ :‬ر " ) ‪:‬‬ ‫ب ‪ !" .‬ا‬ ‫! اذ ر‬ ‫ط ق ا ‪ !.9+‬ا‬

‫‪1‬‬ ‫‪1‬‬
‫* ‪T = 0.20 − 0.18 / s‬‬ ‫‪+‬‬
‫‪20 18‬‬

‫ب "ن ا ‪:!.9+‬‬ ‫ث أن ‪S‬‬

‫)‪s = ( 20 * 0.20 * 0.80 + 15 * 0.18 * 0.82) /(15 + 20 − 2‬‬

‫‪Tcct = 0.14‬‬

‫د " وى ا "‪ +‬و ! ‪ %5‬ودر(! ر ! ‪33‬‬ ‫‪:‬رج ‪ ttab !" .‬ا (د و !‬

‫(د أن ‪:‬‬
‫‪ttab = 2.02‬‬

‫! أ ‪9‬ه‬ ‫و ! "ن ا ‪ !.9+‬ا‬ ‫رن ‪ tcct !" . " !" .‬ا "‬ ‫ا‪M‬ن‬

‫!‬ ‫لا ر‬ ‫(د أن ‪ ttab‬ا (د و ! أ ر "ن ‪ tcct !" .‬ا " و ! و‬

‫‪ T‬أن ا " د م ن ‪. +‬‬ ‫دا; ! أي أن ‪ 7H‬ر ا " د ‪ 2‬ر "‪ +‬وي و‬ ‫ا‬
‫ر‬ ‫‪ .3‬ا‪ :‬ر ا رق ن " و ط ن ‪ +‬ن رض أ ‪ " "#‬و ن ‪+‬دد ا ‪+‬‬
‫د"‬ ‫‪:‬دم "‪7‬ل ھذا ا ‪ :‬ر‬ ‫)ا ‪ +‬ت ‪ 2‬ر ا " )!(‪7" :‬ل ھذه ا !‬
‫ن " و ن ‪+‬دد‬ ‫; ! ‪ DATA‬رة ن‬ ‫ون ا ت ا<‬
‫‪:‬‬ ‫ءا ‪ :‬را‬ ‫‪:‬دم ا‬ ‫ا ‪ +‬ر أي ‪،n1 = n2‬و"ن أ(ل ذ ك ‪Q‬‬
 ‫‪−‬‬ ‫‪−‬‬
‫‪t = x1 − x 2 / s −‬‬
‫‪d‬‬

‫‪s − = sd / n‬‬
‫‪d‬‬

‫‪−‬‬
‫= ‪sd‬‬ ‫) ‪∑ (d − d‬‬ ‫‪2‬‬
‫)‪/(n − 1‬‬

‫ر ا‪ +‬ن‬ ‫راف ا "‪ +‬ري ) روق ن‬ ‫ث أن ‪ sd :‬ا‬

‫‪ " x`1‬و ط ا ‪ ! +‬ا و ‪C‬‬

‫‪ " x`2‬و ط ا ‪ ! +‬ا ‪! 7‬‬

‫ن‪:‬‬ ‫ا‪ +‬ن ا‬ ‫"‪7‬ـــــ ل ) ‪ :( 3‬د‬

‫و ن ‪+‬دد‬ ‫ث أ ‪" "#‬‬ ‫وا "ط)وب ا‪ :‬ر ا رق ن " و ط ن ا ‪ +‬ن‬

‫ا ‪ +‬ر‪:‬‬

‫ا‪ ! +‬ا‪! 7‬‬ ‫ا‪ ! +‬ا و‪C‬‬

‫‪X‬‬ ‫‪Y‬‬

‫‪10‬‬ ‫‪5‬‬

‫‪20‬‬ ‫‪13‬‬

‫‪30‬‬ ‫‪16‬‬

‫‪40‬‬ ‫‪7.73‬‬

‫‪50‬‬ ‫‪5.51‬‬

‫‪60‬‬ ‫‪10‬‬
‫ل‬ t – test ‫ ر‬: ‫ء ا‬ ‫ "! ا‬. ‫ب‬ ‫! ا ! ا ذ ر‬.9+ ‫ط ق ا‬
: ) " T; ‫ ا‬C)

t-Test: Two-Sample Assuming Equal Variances

T; ‫ا‬ X Y

Mean 35 9.54

Variance 350 18.80868

Observations 6 6

Pooled Variance 184.40434

Hypothesized
Mean Difference 0

df 10

t Stat 3.247382587
P(T<=t) one-tail 0.004379611

t Critical one-tail 1.812461505

P(T<=t) two-tail 0.008759222

t Critical two-tail 2.228139238

:! ‫دا; ! وھ ا‬ ‫!ا‬ ‫ا ر‬ ‫ن‬M‫ا‬

H0: x`1 = x`2
:! ‫! ا د )! ھ ا‬ ‫" ل ذ ك ون ا ر‬
H1: x`1 ≠ x`2

10 ! ‫ ودر(! ر‬%5 ! ‫ و‬+" ‫ ا (د و ! د " وى ا‬ttab !" . ‫رج‬:

: ‫" ھو وارد ا (دول ا ق (د أن‬
 ‫‪ttab = 2.22‬‬

‫! " ھو وارد‬ ‫ا‪M‬ن رن ‪ tcct !" . " !" .‬ا " و ! "ن ا ‪ !.9+‬ا‬
‫‪tclt = 3.2473‬‬ ‫ا (دول ا ق أ ‪9‬ه ث أن‬

‫!‬ ‫رضا ر‬ ‫(د أن ‪ tclt‬ا " و ! أ ر "ن ‪ ttab !" .‬ا (د و ! و‬

‫;‬ ‫ا دا; ! أي أن " و ط ا ‪ +‬ن "‪ ) :‬ن وا رق ‪ +" "#‬وي "ؤ د إ‬
‫و س ;دا ) د !‪..‬‬

‫" و ن ‪+‬دد‬ ‫‪ .4‬ا‪ :‬ر ا رق ن " و ط ن ‪ +‬ن رض أ ‪"#‬‬

‫‪:‬دم "‪7‬ل ھذا ا ‪ :‬ر‬ ‫ا ‪ +‬ر )ا ‪ +‬ت ا " )!(‪7" :‬ل ھذه ا !‬
‫ن‪2‬ر" و ن‬ ‫; ! ‪ DATA‬رة ن‬ ‫د" ون ا ت ا<‬
‫ءا ‪ :‬ر‬ ‫‪:‬دم ا‬ ‫‪+‬دد ا ‪ +‬ر أي ‪،n1 ≠ n2‬و"ن أ(ل ذ ك ‪Q‬‬
‫‪:‬‬ ‫ا‬
‫‪−‬‬ ‫‪−‬‬
‫‪t = x1 − x 2 / s −‬‬
‫‪d‬‬

‫‪sp 2 sp 2‬‬
‫= ‪s−‬‬ ‫‪+‬‬
‫‪d‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫)‪sp 2 = s1 + s2 /(n1 + n2 − 2‬‬

‫ن‪:‬‬ ‫"‪7‬ـــ ل )‪ : (4‬د ا ‪ +‬ن ا‬

‫و ن ‪+‬دد‬ ‫ث أ ‪ 2 "#‬ر "‬ ‫وا "ط)وب ا‪ :‬ر ا رق ن " و ط ن ا ‪ +‬ن‬

‫ا ‪ +‬ر‪:‬‬

‫ا‪ ! +‬ا‪! 7‬‬ ‫ا‪ ! +‬ا و‪C‬‬

‫‪X‬‬ ‫‪Y‬‬
 10 5

20 13

30 16

40 10

50

60

‫ل‬ t – test ‫ ر‬: ‫ء ا‬ ‫ "! ا‬. ‫ب‬ ‫! ا ! ا ذ ر‬.9+ ‫ط ق ا‬

: ) " T; ‫ ا‬C)
t-Test: Two-Sample Assuming Unequal Variances

X Y

Mean 35 11

Variance 350 22

Observations 6 4

Hypothesized Mean Difference 0

df 6

t Stat 3.003913896

P(T<=t) one-tail 0.01194363

t Critical one-tail 1.943180905

P(T<=t) two-tail 0.023887261

t Critical two-tail 2.446913641

 ‫!‪:‬‬ ‫دا; ! وھ ا‬ ‫!ا‬ ‫ا ر‬ ‫ا‪M‬ن‬
‫‪H0: x`1 = x`2‬‬

‫!‪:‬‬ ‫! ا د )! ھ ا‬ ‫" ل ذ ك ون ا ر‬
‫‪H1: x`1 ≠ x`2‬‬

‫‪:‬رج ‪ ttab !" .‬ا (د و ! د " وى ا "‪ +‬و ! ‪ %5‬ودر(! ر ! ‪6‬‬

‫" ھو وارد ا (دول ا ق (د أن ‪:‬‬
‫‪ttab =2.446913‬‬

‫! " ھو وارد‬ ‫و ! "ن ا ‪ !.9+‬ا‬ ‫ا‪M‬ن رن ‪ tcct !" . " !" .‬ا "‬
‫‪tclt = 3.00391‬‬ ‫ا (دول ا ق أ ‪9‬ه ث أن‬

‫!‬ ‫رضا ر‬ ‫(د أن ‪ tclt‬ا " و ! أ ر "ن ‪ ttab !" .‬ا (د و ! و‬

‫;‬ ‫ا دا; ! أي أن " و ط ا ‪ +‬ن "‪ ) :‬ن وا رق ‪ +" "#‬وي "ؤ د إ‬
‫و س ;دا ) د ! "‪7‬ل ا (! ا ق‪.‬‬

‫(ر ! " ن ‪ .‬م ا ‪! +‬‬ ‫‪ .5‬ا‪ :‬ر ا م ا ‪ 5‬ذة و ذ ‪ 7 : #‬را " ‪ T‬د‬
‫; و د "ن‬ ‫‪ .‬م ‪ 5‬ذة و" طر ! ؤ‪7‬ر ) )‪ C‬ا ) ل ا<‬
‫إزا ‪. #‬وا "‪#‬م ھ ھو ! ا ‪+‬رف )‪ C‬ا م ا ‪ 5‬ذة وا " طر ! ‪.‬ھذا "‬
‫‪5‬ر ‪: ) " D‬‬
‫ءا ‪ :‬را‬ ‫‪:‬دم ا‬ ‫‪:‬دم ا‪ :‬ر ‪# t-test‬ذه ا ‪ ! A‬ث أ‬
‫‪:‬‬

‫‪t = x0 − x / s‬‬

‫ث أن ‪ x0 :‬ا "! ا "راد ا‪ :‬رھ‬

‫راف ا "‪ +‬ري )‪! +‬‬ ‫‪ s‬ا‬

‫)‪! +‬‬ ‫`‪ x‬ا " و ط ا‬

‫;! " ) ‪:‬‬ ‫ت ا<‬ ‫و ون ا ر‬

 ‫دا; ! ‪:‬‬ ‫!ا‬ ‫ا ر‬
‫`‪H0: x0 = x‬‬

‫! ا د )! ‪:‬‬ ‫ا ر‬
‫`‪H1: x0 ≠ x‬‬

‫!‪:‬‬ ‫ا‪ ! +‬ا‬ ‫"‪7‬ـــــــــ ل )‪ : (5‬د‬

‫}‪X ={ 200, 300,250,400,400,500,550‬‬

‫؟‬ ‫ھل " ن أن ‪ +‬ر ا "! ‪ 5 !" . 550‬ذة أم‬

‫ل )‪C‬‬ ‫ء ا ‪ :‬ر ‪t – test‬‬ ‫ب ‪ !" .‬ا‬ ‫! اذ ر‬ ‫ط ق ا ‪ !.9+‬ا‬

‫ا ;‪: ) " T‬‬
‫‪x` = 122.93‬‬

‫‪t = 550 – 383.75 / 122.93‬‬

‫‪t = 1.35‬‬

‫(د‬ ‫د " وى ا "‪ +‬و ! ‪ %10‬ودر(! ر ! ‪7‬‬ ‫‪:‬رج ‪ ttab !" .‬ا (د و !‬
‫أن ‪:‬‬
‫‪ttab =1.89‬‬

‫! " ھو وارد‬ ‫و ! "ن ا ‪ !.9+‬ا‬ ‫ا‪M‬ن رن ‪ tcct !" . " !" .‬ا "‬
‫‪tclt = 1.35‬‬ ‫ا (دول ا ق أ ‪9‬ه ث أن‬

‫!‬ ‫لا ر‬ ‫(د أن ‪ tclt‬ا " و ! أ ‪A‬ر "ن ‪ ttab !" .‬ا (د و ! و‬
‫‪) :‬ف ن ‪!" .‬‬ ‫ت ‪ 5 !" .‬ذة ? ‪#‬‬ ‫ا دا; ! أي أن ا "! ا "‪550 ! +‬‬
‫; ‪.‬‬ ‫و‪ 2‬ر "ؤ د إ‬ ‫ا " و ط ‪ 5‬ل "‪ +‬وي وا رق ‪ 2‬ر‬
‫د و(ود و ن "ن‬ ‫ي ‪: : χ2‬دم ھذا ا ‪ :‬ر‬ ‫ب‪ -‬ا‪ :‬ر "ر‬
‫ت وھ ا ! ‪:‬‬ ‫ا "ؤ‪5‬رات أو ا‬

‫ل )‪#‬‬ ‫! أو (ر ! ‪observed‬‬ ‫• "ؤ‪5‬رات أو ت‬

‫ا ث "ن ‪9:‬ل (ر ! "‪.! +‬‬
 ‫ل ) ‪ #‬ا ث "ن ‪9:‬ل‬ ‫• "ؤ‪5‬رات أو ت ظر ! ‪:‬‬
‫‪ arithmetical model‬أو‬ ‫ط ق "‪ +‬د ! أو "وذج ر‬
‫! أ" ن أ‪:‬رى وظروف‬ ‫"‪)+‬و" ت "ر(‪" ! +‬ن ‪ :‬رات‬
‫"‪.! ) :‬‬
‫‪2‬‬
‫ي ‪ χ‬س ا رق ن ا "ؤ‪5‬رات أو‬ ‫‪:‬دم ا‪ :‬ر "ر‬ ‫"‪7‬ل ھذه ا !‬
‫! أو ا (ر ! و ن ا "ؤ‪5‬رات أو ا ت ا ظر !‪.‬‬ ‫ا تا‬
‫‪:‬‬ ‫ءا ‪ :‬را‬ ‫‪:‬دم ا‬ ‫أن‬ ‫و ‪#‬ذه ا ‪" ! A‬‬

‫) ‪χ 2 = ∑ ((Oi − Ei )2 / Ei‬‬

‫! أو ا (ر !‬ ‫ث أن ‪ Oi :‬ا "! ا‬

‫‪ Ei‬ا "! ا ظر !‪.‬‬

‫‪+‬د ا‪M‬ن رن ‪ χ2 !" .‬ا (د و ! " ‪ χ2 !" .‬ا " و ! د در(! ر !‬

‫‪ df = k-1‬ث ‪ k‬دد ‪ .‬م أو ا "‪ 5‬ھدات )‪ ! +‬أو ا "("و ت إذا ت ا ‪! +‬‬
‫" "! إ ‪"(" C‬و ت و د " وى ا "‪ +‬و ! ‪+" 5%‬ر ! ھل ا روق ن ا ت‬
‫!‬ ‫! )ا (ر !( و ن ا "ؤ‪5‬رات أو ا ت ا ظر ! ھل ھ "‪ +‬و !‬ ‫ا‬
‫; أم ‪ 2‬ر ذ ك‪.‬‬ ‫"ؤ دة إ‬
‫! أو ا (ر !‬ ‫تا‬ ‫! "ن ا‬ ‫ن ا و‪C‬‬ ‫"‪7‬ــــ ل ) ‪ : (6‬د ا ‪ +‬ن ا‬
‫وأ‪:‬رى "ن ا ت ا ظر !‪:‬‬
‫!‬ ‫تا‬ ‫ا‬ ‫ت ا ظر !‬ ‫ا‬

‫‪x‬‬ ‫‪y‬‬

‫‪10‬‬ ‫‪12‬‬

‫‪20‬‬ ‫‪22‬‬

‫‪30‬‬ ‫‪25‬‬

‫‪40‬‬ ‫‪44‬‬

‫‪50‬‬ ‫‪66‬‬

‫‪60‬‬ ‫‪48‬‬
‫! أو ا (ر ! و ن ا "ؤ‪5‬رات‬ ‫تا‬ ‫وا "ط)وب ا‪ :‬ر ھل ا روق ن ا‬
‫; أم ‪:‬‬ ‫! "ؤ دة إ‬ ‫أو ا ت ا ظر ! ھل ھ "‪ +‬و !‬
‫!‪:‬‬ ‫و ! وھ ا‬ ‫ي ا"‬ ‫ب ‪" !" .‬ر‬ ‫د‬ ‫ط ق ا ‪ !.9+‬ا‬

‫) ‪χ 2 = ∑ ((Oi − Ei )2 / Ei‬‬

‫‪:‬‬ ‫ل )‪ C‬ا (دول ا‬ ‫ق‬ ‫ا ‪ !.9+‬ا‬ ‫‪+‬د د ل ا " ‪ A‬رات‬

‫ت‬ ‫ا‬ ‫ا ت‬ ‫ا (د ‪11.07 = χ2‬‬

‫!‬ ‫ا‬ ‫ا ظر !‬ ‫و !‬
‫‪x‬‬ ‫‪y‬‬ ‫‪(x-y)^2‬‬ ‫‪(x-y)^2/y‬‬

‫‪10‬‬ ‫‪12‬‬ ‫‪4 0.333333‬‬

‫‪20‬‬ ‫‪22‬‬ ‫‪4 0.181818‬‬

‫‪30‬‬ ‫‪25‬‬ ‫‪25‬‬ ‫‪1‬‬

‫‪40‬‬ ‫‪44‬‬ ‫‪16 0.363636‬‬

‫‪50‬‬ ‫‪66‬‬ ‫‪256 3.878788‬‬

‫‪60‬‬ ‫‪48‬‬ ‫‪144‬‬ ‫‪3‬‬

‫‪Total Σ‬‬ ‫‪210‬‬ ‫‪217‬‬ ‫‪449‬‬ ‫‪8.757576‬‬

‫د‬ ‫و!‬ ‫وي " ‪ χ2 !" .‬ا "‬ ‫ا‪M‬ن رن ‪ χ2 !" .‬ا (د و ! ‪ 11.07‬وھ‬
‫در(! ر ! ‪ ) df = k-1= 5‬ث ‪ k‬دد ‪ .‬م أو ا "‪ 5‬ھدات )‪ ! +‬أو‬
‫ا "("و ت إذا ت ا ‪ !" " ! +‬إ ‪"(" C‬و ت( و د " وى ا "‪ +‬و ! ‪5%‬‬
‫وي ‪" 8.757576‬‬ ‫(د أن ‪ χ2‬ا (د و ! أ ر "ن ‪χ2 !" .‬ا " و ! وا‬
‫!‬ ‫‪ T‬أن ا روق ن ا ت ا‬ ‫ھو وارد ا (دول ا ق و‬
‫!‬ ‫ت "‪ +‬و ! و ت‬ ‫)ا (ر !( و ن ا "ؤ‪5‬رات أو ا ت ا ظر ! ھ‬
‫; و ‪+‬ود ) د ! أو ‪+‬وا"ل ‪ :‬ر( ! "(‪#‬و !‪.‬‬ ‫و‪ 2‬ر "ؤ دة إ‬
 ‫ج‪ -‬ا‪ :‬ر ‪+ : f-test‬د ا‪ :‬ر ‪" f-test‬ن ا ‪ :‬رات ا "‪ +‬و ! ا ‪( !" #‬دا‬
‫وز ‪5‬ر ‪ " Fisher distribution ،‬أن ھذا ا ‪ :‬ر ‪)+‬ق ) ل‬ ‫وھو‬
‫ل ا ل ا دم‪.‬‬ ‫ا ن ‪ 5‬ل "ل ذ ك م ‪5‬ر ‪D‬‬
‫‪ (" -4-6‬ل أو دود ا ‪: Confidence interval ! 7‬إن ا " ود "ن "( ل أو‬
‫دود ا ‪ ! 7‬ھو د د ا "( ل )ا د ا?د ‪ C‬وا د ا? )‪ ? ( C‬د ا "ؤ‪5‬رات‬
‫ب ا " ل و‪.‬وع ھذا ا "ؤ‪5‬ر "ن ا "( ل‬ ‫; ! ‪" Parameter‬‬ ‫ا<‬
‫ب‬ ‫‪:‬دم‬ ‫ا " دد‪.‬و دة م ا ‪:‬راج "( ل أو دود ا ‪" ! 7‬ن ا ‪ !.9+‬ا‬
‫ء ا‪ :‬ر ا "‪ +‬و ! ‪#‬ذا ا "ؤ‪5‬ر‪.‬‬ ‫ا‬
‫!‪:‬‬ ‫تا‬ ‫ب "( ل أو دود ا ‪) ! 7‬‬ ‫دة‬ ‫; ون‬ ‫وم ا‬
‫‪ 2 D‬ر "‪+‬روف‬ ‫ب "( ل أو دود ا ‪ " ! 7‬و ط "( " ط ‪+‬‬ ‫‪.1‬‬
‫‪+" D‬روف‬ ‫ب "( ل أو دود ا ‪ " ! 7‬و ط "( " ط ‪+‬‬ ‫‪.2‬‬
‫ب "( ل أو دود ا ‪ " ! 7‬و ط ! رة ا (م ‪.‬‬ ‫‪.3‬‬
‫ب "( ل أو دود ا ‪9" +" ! 7‬ت ا دار‬ ‫‪.4‬‬
‫ب "( ل أو دود ا ‪ ) ! 7‬م ا ‪ +" ! +‬د ! ا دار ‪.‬‬ ‫‪.5‬‬
‫ب "( ل أو دود ا ‪ ) ! 7‬ت ا ‪ ! ":‬ا ! ا ذ ر أ"را‬ ‫‪ +‬ر طر !‬
‫;‬ ‫ن ‪،‬إ أن و ر را"‪ T‬ا ) ل ا<‬ ‫! ‪A‬ر ا"‪:‬‬ ‫‪ +‬و‪! :‬‬
‫ر"( ت ا (داول ا رو ! "‪7‬ل ر "‪ Excel T‬و ر "‪ SPSS T‬و ر "‪T‬‬

‫ت أ"را ‪( 9#‬دا ذ ك‬ ‫‪ LOTUS 123‬و‪ 2‬رھ (‪+‬ل إ ( ز "‪7‬ل ھذه ا‬

‫ب "( ل أو دود ا ‪9" +" ! 7‬ت‬ ‫‪5‬رح "‪ 7‬ل وا د ن ط ق ھذه ا ر"( ت‬
‫ا "‪ 7‬ل ا ‪:‬‬ ‫ا دار ظرا ?ھ" ‪ #‬و ‪" #‬‬
‫"‪7‬ــ ل )‪ : ( 7‬د درا ! ا ‪ " !.9+‬ن " ! ا " د ا " ف ‪/Z‬ھ و ! ا< ج‬
‫; ! ‪ DATA‬ن‬ ‫; ) ت ا<‬ ‫ل و( ء ن د ا ) ل ا<‬ ‫? د ا"‬
‫د " ) ‪:‬‬

‫ا "د‬ ‫ا< ج‬

‫‪X‬‬ ‫‪Y‬‬

‫‪1‬‬ ‫‪5‬‬
 ‫‪2‬‬ ‫‪13‬‬

‫‪3‬‬ ‫‪16‬‬

‫‪4‬‬ ‫‪23‬‬

‫‪5‬‬ ‫‪33‬‬

‫‪6‬‬ ‫‪38‬‬

‫‪7‬‬ ‫‪40‬‬

‫!‪:‬‬ ‫)‪ C‬ا ;‪ T‬ا‬ ‫)‬ ‫‪ 9‬دار و‬ ‫;‬ ‫أ(ري ا ) ل ا<‬

‫ا د ا?د ‪C‬‬
‫ا د ا? )‪C‬‬
‫‪Lower‬‬
‫"‪9" +‬ت‬ ‫‪Upper‬‬
‫ا دار‬ ‫‪Coefficients 95%‬‬ ‫‪95%‬‬

‫‪a‬‬ ‫‪0.57142857 -5.274208 4.131351‬‬

‫‪b‬‬ ‫‪6.14285714 5.0912837 7.194431‬‬

‫"ن "( ل‬ ‫‪ 9‬ظ "ن أ (دول ا ق أن "ل ا دار ‪b = 6.14285714‬‬

‫" ل ‪.‬دره ‪:‬‬ ‫ا (دول ا ق " ن ‪ 5.0912837‬و ‪7.194431‬‬ ‫ا ‪ ! 7‬ا وارد‬
‫) ‪. ( 1-α = 5%‬‬
 ‫*****‬

‫د ‪%‬‬ ‫ل و ول‬

‫ا‪ + $‬ر ر‪ ,+‬ي‪CHITEST‬‬

‫ي ر )‪(γ2‬‬ ‫‪ .! 9‬وم ‪Q CHITEST‬ر( ع ا "! ا (! "ن ا وز‬ ‫إر( ع ا‪ :‬ر ا‬

‫د د " إذا ت‬ ‫ء ا ت ودر( ت ا ر ! ا " !‪ " .‬ك ا ‪:‬دام ا‪ :‬رات ‪γ2‬‬ ‫<‬
‫‪( #‬ر ! " ‪.‬‬ ‫ا ;‪ T‬ا ر !‬

‫ب‪:‬‬ ‫ا‬ ‫ا ر "‪T‬‬ ‫‪:‬دا"‪#‬‬ ‫‪ +‬ءا‪% 1‬‬

‫)‪CHITEST(actual_range,expected_range‬‬

‫وي )‪ C‬ا "‪ 9‬ظ! ا "راد ا‪ :‬رھ‬ ‫ت ا ذي‬ ‫طقا‬ ‫‪) Actual range‬ا ط ق ا ‪( )+‬‬
‫" ر ً! م ا " و‪.!+.‬‬

‫رب‬ ‫ل‬ ‫!‬ ‫وي )‪C‬‬ ‫‪) Expected range‬ا ط ق ا " و‪ ( .‬ط ق ا ت ا ذي‬
‫"( " ا وف و"( " ا? "دة إ ‪ C‬ا "("وع ا ) ‪.‬‬

‫و‪2‬ت‬

‫ت‪،‬‬ ‫طا‬ ‫دد "‪) :‬ف "ن‬ ‫إذا ن ‪ actual range‬و ‪"# expected range‬‬ ‫•‬
‫وم ‪Q CHITEST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#N/A H‬‬
‫; ! ‪7 γ2‬م )‪:‬ص رق ا م ا ‪ ! )+‬ن ا م ا " و‪.!+.‬‬ ‫ب ا‪ :‬ر ‪ γ2‬أو ً إ‬ ‫•‬

‫‪0‬ــــــــــ ل‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬
 ‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬

‫او ف‬ ‫ء ) ‪(& .‬‬ ‫ر‪ 1‬ل ) ‪(& .‬‬

‫"وا !‬ ‫‪35‬‬ ‫‪58‬‬

‫‪1‬‬
‫" د‬ ‫‪25‬‬ ‫‪11‬‬
‫‪2‬‬
‫دم‬ ‫‪23‬‬ ‫‪10‬‬
‫"وا !‬
‫‪3‬‬
‫او ف‬ ‫ء ) و‪(,4‬‬ ‫ر‪ 1‬ل ) و‪(,4‬‬
‫‪4‬‬
‫"وا !‬ ‫‪47.65‬‬ ‫‪45.35‬‬
‫‪5‬‬
‫" د‬ ‫‪18.44‬‬ ‫‪17.56‬‬
‫‪6‬‬
‫دم‬ ‫‪16.91‬‬ ‫‪16.09‬‬
‫‪7‬‬
‫"وا !‬

‫‪8‬‬
‫‪)7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬

‫; ! ‪ ) γ2‬ت أ ‪9‬ه ھ ‪16.16957‬‬ ‫=‪ (CHITEST(A2:B4,A6:B8‬إ‬

‫" در( ن "ن در( ت ا ر !‪.‬‬

‫ت‪CONFIDENCE‬‬ ‫"( ل ا ‪ ! 7‬و ط "("و !‬

‫و ط‬ ‫إر( ع رة ا ‪ ! 7‬و ط "("و ! ت‪ .‬رة ا ‪ ! 7‬ھ ا ط ق ا وا‪ C) .‬أي "ن (‬

‫ل ا "‪ 7‬ل‪ ،‬إذا ط) ت أ د ا " ( ت ر ا ر د‪ " ،‬ك د د‪،‬‬ ‫"("و ! ا ت‪)+ .‬‬
‫" وى "‪ +‬ن "ن ا ‪ ! 7‬أ‪.‬رب آ‪:‬ر "و د و ول ا " ‪.T‬‬

‫‪ +‬ءا‪% 1‬‬

‫)‪CONFIDENCE(alpha,standard_dev,size‬‬
 ‫ب " وى ا ‪ .! 7‬وي " وى ا ‪! 7‬‬ ‫‪) Alpha‬أ ( " وى ا?ھ" ! ا ُ" ‪:‬دم‬
‫‪ - 1)*100‬أ (‪%‬؛ "‪ C +‬أن أ ‪ 5 0.05‬ر إ ‪ " C‬وى ‪. ! 7‬دره ‪.!; " 95‬‬

‫ت‬ ‫راف ا "‪ +‬ري " وى ط ق ا‬ ‫راف ا "‪ +‬ري( ا‬ ‫‪) Standard_dev‬ا‬
‫و" رض أ ‪+" D‬ط‪.C‬‬

‫(م ا ‪.! +‬‬ ‫‪) Size‬ا (م(‬

‫و‪2‬ت‬

‫إذا ت أ ! و ط! ‪ 2‬ر ر‪ُ ،! ".‬ر( ‪ SERIESSUM‬ا "! ا ‪:‬ط‪.#VALUE! H‬‬ ‫•‬

‫إذا ت ‪ 0 ≥ alpha‬أو إذا ت ‪ ،1 ≤ alpha‬وم ‪Q CONFIDENCE‬ر( ع ‪!" .‬‬ ‫•‬
‫ا ‪:‬ط‪.#NUM! H‬‬
‫إذا ت ‪ ،0 ≥ standard_dev‬وم ‪Q CONFIDENCE‬ر( ع ‪ !" .‬ا ‪:‬ط‪H‬‬ ‫•‬
‫!‪.#NUM‬‬
‫‪.D‬‬ ‫ً‪ ،‬م ا‪.‬‬ ‫إذا م ن ‪ size‬دداً‬ ‫•‬
‫إذا ن ‪ ،1 > size‬وم ‪Q CONFIDENCE‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬ ‫•‬
‫ب ا ! ا وا‪ !+.‬ت ا " ‪ C‬ا "‪ +‬ري‬ ‫ج إ‪C‬‬ ‫وي ‪،0.05‬‬ ‫رض أن أ‬ ‫•‬
‫ا ط ‪ +‬ا ذي وي )‪ - 1‬أ (‪ ،‬أو ‪ .!; " 95‬وي ھذه ا "! ‪ .1.96 ±‬و ‪#‬ذا‬
‫ون رة ا ‪:! 7‬‬

‫‪0‬ــــــــــــــــ ل‪:‬‬

‫! ون "ن ‪ 50‬را ً أن " و ط طول ا ر )! إ ‪ C‬ا ‪"+‬ل ھو ‪30‬‬ ‫رض أ ‪.‬د ظ‬

‫! ‪ !; " 95‬أن و ط ا " وى‬ ‫د‪ " ! .‬ا راف "‪ +‬ري )" وى ‪ " .2.5‬ن ا ‪! 7‬‬
‫ل ا ز" ‪:‬‬ ‫ا‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫او ف‬ ‫‪ +‬ت‬ ‫‪1‬‬

‫" وى ا?ھ" !‬ ‫‪0.05 2‬‬

 ‫راف ا "‪ +‬ري )" وى‬ ‫ا‬ ‫‪2.5 3‬‬

‫(م ا ‪! +‬‬ ‫‪50 4‬‬

‫‪(7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬

‫)‪ =CONFIDENCE(A2,A3,A4‬رة ا ‪ ! 7‬و ط "("و ! ا ت ‪ C +" .‬آ‪:‬ر‪ ،‬أن‬

‫" و ط طول ا ر )! إ ‪ C‬ا ‪"+‬ل وي ‪± 30‬‬
‫‪ 0.692951‬د‪ ،! .‬أو "ن ‪ 29.3‬إ ‪ 30.7 C‬د‪! .‬‬
‫‪(0.692951).‬‬

‫‪FDIST‬‬ ‫"ل‪:F‬‬ ‫وز ا‬

‫<ر( ع وز ا " ل ‪ " .F‬ك ا ‪:‬دام ھذه ا دا ! د د " إذا ن ھ ك در( ت ‪9 :9‬ف‬
‫ا ت‪ C) .‬ل ا "‪ 7‬ل‪ " ،‬ك ص ط ا ‪ :‬ر ) ن وا ت‬ ‫ن "("و‬
‫ا " د" ن "در ! ‪ 7‬و ! (د دة و د د إذا ت ا ن ن ا ت "‪) :‬ف ن ذ ك ا "و(ود‬
‫نا ن‪.‬‬

‫‪ +‬ءا‪% 1‬‬

‫)‪FDIST(x,degrees_freedom1,degrees_freedom2‬‬

‫دھ ‪.‬‬ ‫م ا دا !‬ ‫م‬ ‫‪ X‬ا "! ا‬

‫ط در( ت ا ر !‪.‬‬ ‫‪) Degrees_freedom1‬در( ت ا ر ! ‪ (1‬ھ‬

‫ھ " م در( ت ا ر !‪.‬‬ ‫‪) Degrees_freedom2‬در( ت ا ر ! ‪(2‬‬

‫و‪2‬ت‬

‫إذا ت أي و ط! " ‪ 2 #‬ر ر‪ ،! ".‬وم ‪Q FDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#VALUE! H‬‬ ‫•‬
‫إذا ت ‪ ،! x‬وم ‪Q FDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬ ‫•‬
‫إذا م ن )در( ت_ا ر ! ‪ degrees_freedom1 (1‬أو )در( ت_ا ر ! ‪(2‬‬ ‫•‬
‫‪.#‬‬ ‫!‪ ،‬م ا‪.‬‬ ‫‪ degrees_freedom2‬أ داداً‬
‫إذا ت‪ 1 > degrees_freedom1‬أو ‪ ،10^10 ≤ degrees_freedom1‬وم‬ ‫•‬
‫‪Q FDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬
 ‫إذا ت‪ 1 > degrees_freedom2‬أو ‪ ،10^10 ≤ degrees_freedom2‬وم‬ ‫•‬
‫‪Q FDIST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.#NUM! H‬‬
‫ب ‪ FDIST‬ـ ) ‪ ،x>FDIST=P( F‬ث ‪ A " F‬ر ‪5‬وا; ‪ D‬ا وز ‪.F‬‬ ‫م‬ ‫•‬

‫‪0‬ـــــــــــــــــ ل‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫او ف‬ ‫‪ +‬ت‬

‫دھ‬ ‫م ا دا !‬ ‫م‬ ‫ا "! ا‬ ‫‪15.20675 1‬‬

‫ط در( ت ا ر !‬ ‫‪6 2‬‬

‫" م در( ت ا ر !‬ ‫‪4 3‬‬

‫‪(7‬‬ ‫و ف )ا‬ ‫‪%‬‬ ‫ا‬ ‫‪4‬‬

‫! أ ‪9‬ه)‪(0.01‬‬ ‫ب ا ‪5‬روط ا "و‬ ‫‪F‬ا " ! ا وز‬ ‫)‪=FDIST(A2,A3,A4‬‬

‫ا‪ :‬ر_‪FTEST F‬‬

‫<ر( ع ‪ T‬ا‪ :‬ر_‪ .F‬وم ا‪ :‬ر ‪Q F‬ر( ع ا " ل و د ا طرف ا ذي ن ‪Array1 D‬‬
‫ن ‪"#‬‬ ‫و ‪ 5 Array2‬ل ‪ 2‬ر "‪) :‬ف ا‪ ً 9 :‬راً‪ .‬ا ‪:‬دم ھذه ا دا ! د د " إذا ت‬
‫ت "‪ C) .! ) :‬ل ا "‪ 7‬ل‪ ،‬د "‪+‬ر ! در( ت ا‪ :‬رات "ن ا "دارس ا و" !‬
‫وا "دارس ا ‪ " ،! :‬ك ا‪ :‬ر " إذا ت ھذه ا "دارس ‪ " #‬و ت "‪" ! ) :‬ن ن‬
‫در( ت ا ‪ :‬رات‪.‬‬
 ‫‪ +‬ءا‪% 1‬‬

‫)‪FTEST (array2،array1‬‬

‫ت ا?ول‪.‬‬ ‫و ! أو ط ق ا‬ ‫"‬ ‫و ! ‪(1‬‬ ‫‪") Array1‬‬

‫‪.‬‬ ‫ت ا‪7‬‬ ‫و ! أو ط ق ا‬ ‫"‬ ‫و ! ‪(2‬‬ ‫‪") Array2‬‬

‫و‪2‬ت‬

‫وي )‪C‬‬ ‫و ت‪ ،‬أو "را(‬ ‫(ب أن ون ا و ;ط إ" أر‪ ً " .‬أو أ " ء‪ ،‬أو "‬ ‫•‬
‫أر‪ .‬م‪.‬‬
‫إذا ا وت و ط! " و ! أو "ر( )‪ C‬ص‪ ،‬أو ‪ .‬م " ط !‪ ،‬أو ‪ 9:‬ر‪ ،!2‬م‬ ‫•‬
‫وي )‪ !" . C‬ا ر )‪.(0‬‬ ‫( ھل )ك ا م؛ ر‪2‬م ذ ك م " ن ا ‪ 9:‬ا‬
‫إذا ن دد ط ا ت ‪ array1‬أو ‪ array2‬أ‪.‬ل "ن ‪ ،2‬أو إذا ن ن‬ ‫•‬
‫‪ array1‬أو ‪ array2‬راً‪ ،‬وم ‪Q FTEST‬ر( ع ‪ !" .‬ا ‪:‬ط‪.# DIV/0! H‬‬

‫‪0‬ـــــــــــ ل ‪:‬‬

‫‪.‬م ‪ 5 Q‬ء " ف أو ور‪" !.‬ل ر‪.!2‬‬ ‫‪.1‬‬

‫دد رؤوس ا وف أو ا? "دة‪.‬‬ ‫دد ا "‪ 7‬ل "و وع ا ‪ " )+‬ت‪.‬‬ ‫‪.2‬‬
‫ا ‪A‬ط ‪CTRL+C‬‬ ‫‪.3‬‬
‫ور‪ !.‬ا ‪"+‬ل‪ ،‬دد ‪ ،A1 ! ):‬وا ‪A‬ط )‪.CTRL+V C‬‬ ‫‪.4‬‬
‫وم ‪Q‬ر( ‪ ، #‬ا ‪A‬ط `‪ ،CTRL+‬أو‬ ‫) د ل ن رض ا ;‪ T‬و رض ا ‪ Z‬ا‬ ‫‪.5‬‬
‫‪.%‬‬ ‫‪7 ،%‬م ا ر وق و‪ ,5‬د‪ 4‬ق ا‬ ‫ا ;"! أدوات‪ ،‬أ‪5‬ر إ ‪ C‬د‪ 4‬ق ا‬

‫‪B‬‬ ‫‪A‬‬

‫‪ 1‬و ‪ +%‬ت‪2‬‬ ‫‪ 1‬و ‪ +%‬ت‪1‬‬ ‫‪1‬‬

‫‪20‬‬ ‫‪6 2‬‬

‫‪28‬‬ ‫‪7 3‬‬

‫‪31‬‬ ‫‪9 4‬‬

‫‪38‬‬ ‫‪15 5‬‬

‫‪40‬‬ ‫‪21 6‬‬