Professional Documents
Culture Documents
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.
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.
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.
-1ﺘﺄﺘﻲ اﻝﺒﻴﺎﻨﺎت ﺒﺸﻜل أﺴﺎﺴﻲ ﻤن ﻤراﻗﺒﺔ اﻝظواﻫر وﻤﺸﺎﻫدة اﻝظواﻫر اﻝﻤوﺠودة ﺒﺎﻝطﺒﻴﻌﺔ.
-3اﻝﻜﺸف ﻋن ﺼﻼﺤﻴﺔ وﺠودة اﻝﺒﻴﺎﻨﺎت ﻷي ﺒﺤث وﻷي ﻤﻨﺘﺞ وﻷي ﺘﺠرﺒﺔ ﺠدﻴدة.
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.
ﻫﻲ ﺠزء ﻤن اﻝﻤﺠﺘﻤﻊ ﻴﺠب أﻻ ﻴﻘل ﻋدد أﻓرادﻫﺎ ﻋن ) ( % 10 – 2ﻤن ﻋدد أﻓراد
ﻫﻲ أﺼﻐر وأﺒﺴط أﻨواع اﻝﻌﻴﻨﺎت ﺘؤﺨذ ﺒطرﻴﻘﺔ ﻋﺸواﺌﻴﺔ وﻴﺠب أن ﻻ ﻴﻘل ﻋدد أﻓرادﻫﺎ ﻋن
) (30ﻓرد أو ﻋﻨﺼر.
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 .
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 .
ﻫﻲ ﺘواﺒﻊ ذات ﻗﻴم ﻤﺘﻐﻴرة ﺘﺘﻌﻠق داﺌﻤﺎً ﺒﺼﻔﺔ ﻤﻌﻴﻨﺔ ﻭﻫﻲ ﻋﻠﻰ ﻧﻮﻋﲔ:
وﻴﻤﻜن ﻫﻲ اﻝﻤﺘﻐﻴرات اﻝﺘﻲ ﻗﻴﺎﺴﻬﺎ ﺒﺎﻝﻘﻴﺎﺴﺎت اﻝﻤﻌروﻓﺔ ﻤﺜل اﻝطول واﻝوزن واﻝﺤﺠم
اﻝﺘﺤﻜم ﺒﻬﺎ.
ﻫﻲ اﻝﻤﺘﻐﻴرات اﻝﺘﻲ ﻻ ﻴﻤﻜن ﻗﻴﺎﺴﻬﺎ ﺒﺎﻝطرق اﻝﻤﻌروﻓﺔ وﻫﻲ ﻋﺒﺎرة ﻋن ﺘدرﻴﺠﺎت أو
ﻤﺴﺘوﻴﺎت ﻤﺜل اﻝﻠون أو درﺠﺔ اﻝذﻜﺎء.
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(.
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(.
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.
-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==============
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.
وﻓﻴﻬﺎ ﻴﺘم ﺘﻘدﻴم ﻋرض ﻤﺨﺘﺼر وﻤرﻜز ﺤول ﻤﺸﻜﻠﺔ اﻝﺒﺤث ﺒﺤﻴث ﻴﺘم ﺘﺴﻠﻴط اﻝﻀوء ﻋﻠﻰ
اﻝﻤﺸﻜﻠﺔ اﻝﻌﻠﻤﻴﺔ اﻝﺘﻲ ﻴﺘﻤﺤور ﺤوﻝﻬﺎ اﻝﺒﺤث.
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 .
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
وﻫو اﻝﻤﺠﺎل اﻝذي ﻴﺘم ﺘﺠرﺒﺔ اﻝﻤﻌﺎﻤﻼت ﻀﻤﻨﻪ وﻫذا اﻝﻤﺠﺎل ﻴﻤﻜن أ ن ﻴﻜون ﻜﻤﻲ أو
ﻨوﻋﻲ ﺒﺤﺴب ﻨوع اﻝﻤﺘﻐﻴرات أو اﻝﻌواﻤل اﻝﻤدروﺴﺔ ﻝﻠﺒﺤث.
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%
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 :
ﻨﺤﺘﺎج داﺌﻤﺎً إﻝﻰ إﺠراء ﺘﺤﻠﻴل إﺤﺼﺎﺌﻲ أوﻝﻲ ﻝﻜل اﻝﺒﻴﺎﻨﺎت اﻝﺘﺠرﻴﺒﻴﺔ أو ﺒﻴﺎﻨﺎت ﺒﺤث ﻤﻌﻴن.
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 (.
ﻣﻼﺣﻈﺔ:
داﺌﻤﺎً ﻴﻠزﻤﻨﺎ إﺠراء اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻷوﻝﻲ أﻤﺎ اﻝﺘﺤﻠﻴل اﻹﺤﺼﺎﺌﻲ اﻝﻤﺘﻘدم ﻓﻴﺘم اﺴﺘﺨداﻤﻪ
ﻋﻨد اﻝﻀرورة إذا ﻜﺎﻨت اﻝﺒﻴﺎﻨﺎت أو أﻫداف اﻝﺒﺤث ﺘﺤﺘﺎج ﻝذﻝك.
.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.
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
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.
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
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
n
)¦ S 2 = (∑ ( X i − X ) 2 ) /( N − 1
1
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
= 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
ث أن :
"ل ا 9 :ف : C.V
= 16 %
= 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
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
n
!( r ) = n !/(n-r!)*r
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!
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
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
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
P(x>=1) = 1- 0.0000265
P(x>=1) = 0.99997
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
! 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 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
)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) = 4
r=1
P(x=1) = 0.07
r=0
P(x=1) = 0.07
)P(x>=3) = 1- P(x<3
)P(x>=3) = 1- (0.15+0.07+0.02
P(x>=3) = 0.76
f ( x ) = (1 * e − ( x − a ) / 2δ ) / δ * 2π
2
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-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 !" .
z = (60-50)/10
z=1
n = 1000
P( x = r ) = ( r n ) * P r * q n −r
n
!( r ) = n !/(n-r!)*r
a = n * p = 20
p(3<x<20) = 0.4999
p(2<x<20) = 0.49997
P(x<=2) = 0.5 - 0.49997= 3*10-6
p(20<x<70) = 0.5
*****
% )$ا /ل ا $س
)(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
*****
د % ل و ول
)BINOMDIST(number_s,trials,probability_s,cumulative
و2ت
).COMBIN(n,x
B A
او ف +ت 1
)NORMSDIST(z
و2ت
)STANDARDIZE(x,mean,standard_dev
و2ت
0ـــــــــــــــــ ل:
B A
و ف +ت 1
! "! 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 ".! +
)ZTEST(array,x,sigma
و2ت
0ــــــــــــــــ ل:
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
)POISSON(x,mean,cumulative
و2ت
"7ــــــــــــ ل :
B A
وا "ط)وب:
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 ّ
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
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 ّ
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
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
اﻻﺤﺘﻤﺎل
3 2 2 2 2 2 2 3
1 1 5 1 5 1 5 15 15 15 5
. . .
6 6 6 6 6 6 6 66 66 66 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
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 :
!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 .
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 :
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
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 .
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 ّ
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
108
216
ﺠـدول )(9-7
360
864
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 :
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
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
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
)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%
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
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
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
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
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 .
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{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
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
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
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
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 .
ّ
اﻝﻤﺘﻐﻴــر
ّ ﻝﻤﺘﻐﻴــر ذي اﻝﺤــدﻴن ﺘوزﻴــﻊ ﻴﻘﺘــرب ﻤــن ﺘوزﻴــﻊ
ّ وﺤﻘﻴﻘــﺔ أن ﻴﻜــون ﻝﻠﺸــﻜل اﻝﻤﻌﻴــﺎري
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 :
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 .
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
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
x −x−1
647 48 64n7 48
FSS........S FF ..........F
وﺒﺴﺒب اﺴﺘﻘﻼل اﻝﻤﺤﺎوﻻت ﻴﻜون اﺤﺘﻤﺎل اﻝﺤﺼول ﻋﻠﻰ أوﻝﻰ ﻫﺎﺘﻴن اﻝﻤﺘﺘﺎﺒﻌﺘﻴن ﻫو:
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
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 .
)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(:
= 315
5.5 − 4.8
)(d =x = .50 , P{x > .50} = .31 )د(
1.39
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 .
)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
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 :
41 − 30
=z = 1.83 , P{x ≥ 41} = P{z ≥ 1.83} = .03 )أ(:
6
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
1.05 − 1.02
)(b =z = 3.00 )ب(:
.01
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 .
-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%؟
-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 .
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 .
)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" 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
) Cا 5ل دار # "ل ا ب ل "ن aا 7ت 9دار و b ! أ"
: ا
:دام دار "ل ا بb ب " bل ا دار " : :ن •
! ا !: ا !.9+ا ر
ا "د ا< ج
X Y
1 5
2 13
3 16
4 23
5 33
6 38
7 40
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.989094
R Square 0.978307
Adjusted R
Square 0.973968
Observations 7
ANOVA ن )لا
Significance
df SS MS F F
Total 6 1080
دار )لا
Standard
Coefficients Error t Stat P-value
Intercept a
ت7ا 0.57143 1.829464 -0.31235 0.767383
0.57143 = a ت7ا
: 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
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 :
∧
= ERROR ∑(y I )− y ) 2 / n − (k + 1
! أو ا (ر ! 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
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
ANOVA
Significance
df SS MS F F
Total 6 1080
Standard
وا"ل+ ا Coefficients Error t Stat P-value
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
Regression Statistics
Multiple R 0.387298335
R Square 0.15
Adjusted R
Square -0.133333333
Observations 5
ANOVA
df SS MS F
Total 4 150
Coefficients Standard Error t Stat P-value
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
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
• "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
+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
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 ) .
6
4
X1
2
0
1 3 5 7 9
X
10
8
6
X2
4
2
0
1 2 3 4 5
دد
)! ا وب/ا ا< ج
X Y
9 5
7 13
5 16
3 23
1 33
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
Observations 5
ث أن :
! ا وC yiر ب ا " +ل ا?ول أو ا
= 1- 1.61
= - 0.61
X2 1
-
X3 0.358568583 0.986063603 1
3 9 5
2 7 13
6 5 16
5 3 23
4 1 33
Correlation Statistics
R Square 0.996429
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 ر ط r
Correlation Statistics
Observations 5
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
) t = r * n − k /(1 − r 2
"ل ا ر ط r
! " 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
Observations 5
-
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
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 " : ) " #
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
1987 41
1988 50
1990 55
1991 51
1992 60 179 58.6
1993 65
1994 70
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
1995 4500
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
"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" !
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
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.
)CORREL(array1,array2
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 :
B A
ت2 + ت1 + 1
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 " ) ! .
)FORECAST(known_x's،known_y's،x
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 :
)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
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
"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
0ـــــــــــــــ ل :
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
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
! 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
)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.
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 !
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"
و2ت
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 $رات ا % 4
! إذا ت ون و # +.وا ط! " +د ! ا دار .د ظ أن .م yا •
:رج ط ق .م yا " :د"! د د ا " +د !.
B A
.ط ت س .ط ت ص
)=LINEST(A2:A5,B2:B5,,FALSE
ف+ .د fا " 7ل إ Cور" !.ل !A ) ظ( %ب إد :ل ا !Aا " 7ل
ر ،!2دد ا ط ق A7:B7دءاً ! ):ا .!Aا Aط ) Cا " ح 7 ،F2م ا Aط )C
ف ،ون ا (! ا و دة .2 !A .CTRL+SHIFT+ENTERإذا م م إد :ل ا !A
و ! ،م إر( ع ا " ل ) (2وا ط .(1) y د" م ا<د :ل "
B A
ا .+ت ا '2ر
وي ،mx+bوھ y !" .ا " درة "! xا "+ط ة. 5ل مSUM({m,b}*{x,1}) ،
و " ك أ ً ا :دام ا دا ! .TREND
" ط ! "+ط ة " ن )"طور ا :دام ) ل ا دار :ط " +دد د ر C " !" .إداري
ا داً إ Cا " Aرات ا !.
'رإ ر ا
ل ) x1و x2و x3و (x4وا " Aر رض ھذا ا " 7ل و(ود ! 7 !.9ن ل " Aر "
ا<دار ! ا " ط !. ) ،(yوھ !" .ا " ا
ل ! 5وا; ! " و ! "ن C " 11إداري "ن ن C " 1.500إداري و :ر ا "طور
!"" .د:ل " رد" " +د:ل 9ل ط. ) Cا ت ا
ا % 1
ب ا دا$ل ا .ر ا
ا درة %ا ط +ق)(x1
)(x4) (x3 )(x2
)(y 2
%
)=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
. 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
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 !.
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!:
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 " )!.
5.1 ! اط ق "
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
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
)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
"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
0ل
،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 .
%/ا ط (% + ) %ا ا %/ ا 1ا '2ر
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
y = b*m^x
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
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
" 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 !.
B A
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 "
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
ا و دات ا '2ر
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<
)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
.!+
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 :
B A
ت أ 9ه طا ) " =SLOPE(A2:A8,B2:B8ل :ط ا دار ا :ط ا " ر 9:ل
)( 0.305556
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 !.
)STEYX(known_x's،known_y's
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 :
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
وا "ط)وب:
> 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
: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 $ل ا : 9I & د ا "6Wات ا I
100
.ل: 2
315 – 101 – : ) >? @ +Jل ورا cا 2 9ت & Eا 9ت ا
108 – 32وا? 6ض أ 9 :9 2ا< ,mل ا 0 Aّ 2 + ? ،9: 3: 3: 1 : '6 8Iھ Hه
ا 9ت :ا '68ا 4HIرة ؟
ع& E +, 9ا Q 6 pب ا I)Iع ا > ? > ,ا ا RاM I
ا . C 26
' ،أي أن أ K2 +Mا ) و ،و 6 _ > ? G H ) أن K2ا "I
ھ Hه ا 9ت ; =?6 PI 2ا '68ا ، `6A K2 I Mا > & J
و aأن ا 9ت 2ا? : 0ا . 9: 3: 3: 1 9
& p ّ ?6إذا L 4ھHه ا TB J إ & I) Eت ?^ >? C_6 M
ا 2 9ت ?> Y/ط ' ، +و LIّ 2درا$ pا ً.qI? ، 6/kإذا 4ن ' & د
: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
.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/
ھ> : ھHه ا 9ت إذا L 4ا AJن وا; "2دات ا M I
(138 . 167) / 250 = 37 : أ6p/
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
' Uوا 6AIدات ا ا. U ? / ' "2 -2ا :I )Iا >B J Kا 6Iاد
: 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
6Qا '6W9وا Iد' 2 +q ،ر' Cا اد' وا ، q 9و_ 6ذ .G i 2-10ا
) ' :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
xm = M
σ
= Sx : وأن ا; "6اف ا Iري
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
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
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
S ( x − x) = S 2 x + S 2 x
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 = 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
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
|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
N
σ = S x.
N −1
x−M
=t
Sd ′
σ
= Sd ′
N −1
& 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
.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
.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
= 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
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 .
x1 − x2
=t ) (n1+ n2-2ر ت '6
S ′d
S 2P S 2P
= S ′d +
n1 n2
.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
′ ′
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 .
83 6889
113 12769
129 16641
97 9409
123 15129
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
; 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<
t = -1.6
ttab = 1.65
! أ 9ه و ! "ن ا !.9+ا رن tcct !" . " !" .ا " اMن
1 1
* T = p − p0 / s +
n1 n2
ث أن :
)s = ( n1 * p1 * q1 + n2 * p2 * q2 ) /(n1 + n2 − 2
! ا وC : P1ا
!: ! ا د )! ھ ا " ل ذ ك ون ا ر
H1: p1 ≠ p2
Df : n1 + n2 -2 = 33
Tcct = 0.14
! أ 9ه و ! "ن ا !.9+ا رن tcct !" . " !" .ا " اMن
s − = sd / n
d
−
= sd ) ∑ (d − d 2
)/(n − 1
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; ا X Y
Mean 35 9.54
Observations 6 6
Hypothesized
Mean Difference 0
df 10
t Stat 3.247382587
P(T<=t) one-tail 0.004379611
! " ھو وارد اMن رن tcct !" . " !" .ا " و ! "ن ا !.9+ا
tclt = 3.2473 ا (دول ا ق أ 9ه ث أن
sp 2 sp 2
= s− +
d n1 n2
X Y
10 5
20 13
30 16
40 10
50
60
X Y
Mean 35 11
Variance 350 22
Observations 6 4
df 6
t Stat 3.003913896
!: ! ا د )! ھ ا " ل ذ ك ون ا ر
H1: x`1 ≠ x`2
! " ھو وارد و ! "ن ا !.9+ا اMن رن tcct !" . " !" .ا "
tclt = 3.00391 ا (دول ا ق أ 9ه ث أن
(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
! ا د )! : ا ر
`H1: x0 ≠ x
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
) χ 2 = ∑ ((Oi − Ei )2 / Ei
! أو ا (ر ! ث أن Oi :ا "! 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
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
ا "د ا< ج
X Y
1 5
2 13
3 16
4 23
5 33
6 38
7 40
ا د ا?د C
ا د ا? )C
Lower
"9" +ت Upper
ا دار Coefficients 95% 95%
د % ل و ول
)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:
8
)7 و ف )ا % ا
+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
و2ت
0ــــــــــــــــ ل:
B A
<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
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:
B A
او ف +ت
<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
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 :
B A