‫اﻟﺟﻣﻬورﯾﺔ اﻟﺟزاﺋرﯾﺔ اﻟدﯾﻣﻘراطﯾﺔ اﻟﺷﻌﺑﯾﺔ‬

‫وزارة اﻟﺗﻌﻠﯾم اﻟﻌﺎﻟﻲ واﻟﺑﺣث اﻟﻌﻠﻣﻲ‬

‫ﻛﻠﯾﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﯾﺔ‪ ،‬اﻟﺗﺟﺎرﯾﺔ وﻋﻠوم اﻟﺗﺳﯾﯾر‬

‫ﻗﺳم ﻋﻠوم اﻟﺗﺳﯾﯾر‬

‫ﻣطﺑوﻋﺔ ﻓﻲ ﻣﻘﯾﺎس‬

‫اﻹﺣﺼﺎء ‪03‬‬
‫)اﻹﺣﺼﺎء اﻹﺳﺘﻨﺘﺎﺟﻲ أو اﻻﺳﺘﺪﻻﻟﻲ(‬

‫ﻣوﺟﻬﺔ إﻟﻰ طﻠﺑﺔ اﻟﺳﻧﺔ اﻟﺛﺎﻧﯾﺔ ﻟﯾﺳﺎﻧس ﻧظﺎم ل‪.‬م‪.‬د ﻛل اﻟﺗﺧﺻﺻﺎت‬

‫إﻋداد اﻟدﻛﺗور‪ :‬ﻋﺎﺑد ﻋﻠﻲ‬

‫اﻟﺳﻧﺔ اﻟﺟﺎﻣﻌﯾﺔ‪2018/2017 :‬‬

 ‫ﻗﺎﺋﻣﺔ اﻟﻣﺣﺗوﯾﺎت‬
‫‪XV-I‬‬ ‫ﻗﺎﺋﻣﺔ اﻟﻣﺣﺗوﯾﺎت‪......................................................................‬‬
‫أ‬ ‫ﻣﻘدﻣﺔ‪................................................................................‬‬
‫‪01‬‬ ‫اﻟﻣﺣور اﻷول‪ :‬ﺗوزﯾﻌﺎت اﻟﻣﻌﺎﯾﻧﺔ‪………………………..……………………….‬‬
‫‪02‬‬ ‫ﺗﻣﻬﯾد‪…………………………………………………………….‬‬
‫‪07‬‬ ‫‪ -1‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ‪…………………………………………. X‬‬
‫‪07‬‬ ‫‪ 1-1‬ﺗﻌرﯾف ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪…..…………………………. X‬‬
‫‪07‬‬ ‫‪ 2-1‬ﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن……………………………………………………‬
‫‪17‬‬ ‫‪-2‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻣن ﻣﺟﺗﻣﻊ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪……………….‬‬
‫‪17‬‬ ‫ﻣﻌﻠوم‪……………………………………………..‬‬ ‫‪ 1-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن ‪‬‬
‫‪2‬‬

‫‪21‬‬ ‫ﻣﺟﻬول و)‪…………….……………………(n≥30‬‬ ‫‪ 2-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن ‪‬‬

‫‪2‬‬

‫‪22‬‬ ‫ﻣﺟﻬول و )‪.................................... (n<30‬‬ ‫‪ 3-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن ‪‬‬

‫‪2‬‬

‫‪24‬‬ ‫‪ -3‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻣن ﻣﺟﺗﻣﻊ ﻻ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪...............‬‬
‫‪26‬‬ ‫‪-04‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن ‪................  X 1  X 2 ‬‬
‫‪27‬‬ ‫‪ 1-4‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ‪......  X  X ‬‬
‫‪1‬‬ ‫‪2‬‬

‫أوﻻ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‪  X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﻌﻠوﻣﯾن‬

‫‪27‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬و ‪.............................................................................  22‬‬

‫ﺛﺎﻧﯾﺎ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‪  X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن‬
‫‪31‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬و ‪  22‬وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‪........................................................‬‬

‫ﺛﺎﻟﺛﺎ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ‪ X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن‬
‫‪32‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪ 12‬و ‪  22‬وﻛﺎن ﻋﻠﻰ اﻻﻗل ﺣﺟم اﺣد اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾﯾر‪.................................‬‬

‫‪33‬‬ ‫اﻟﺣﺎﻟﺔ اﻻوﻟﻰ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪............  12  22  2 ‬‬

‫‪35‬‬ ‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن و ﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪............  12  22 ‬‬
‫‪36‬‬ ‫‪:2-4‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻋﯾﻧﺗﯾن‪ X  X ‬ﻣرﺗﺑطﺗﯾن‪.....................‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪39‬‬
‫‪‬‬
‫‪-5‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ‪..................................................... P‬‬
‫‪44‬‬ ‫‪‬‬
‫‪-6‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻋﯾﻧﺗﯾن ‪.................................. P1  P2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪48‬‬ ‫‪ -7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﺗﺑﺎﯾن ‪ S2‬واﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪...................................S‬‬

‫‪48‬‬ ‫‪ 1-7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪.................................................. S2‬‬
‫‪54‬‬ ‫‪ 2-7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري اﻟﻌﯾﻧﺔ ‪..................................... S‬‬
‫‪55‬‬ ‫‪ -8‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ﺑﯾن ﺗﺑﺎﯾﻧﻲ ﻋﯾﻧﺗﯾن ‪ S12‬و ‪................................ S22‬‬
‫‪57‬‬ ‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻻول‪..................................................................‬‬
‫‪61‬‬ ‫اﻟﻣﺣور اﻟﺛﺎﻧﻲ‪ :‬ﻧظرﯾﺔ اﻟﺗﻘدﯾر‪.........................................................‬‬
‫‪62‬‬ ‫ﺗﻣﻬﯾد‪.................................................................................‬‬
‫‪62‬‬ ‫‪-1‬اﻟﺗﻘدﯾر اﻟﻧﻘطﻲ )اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة(‪...............................................‬‬
‫‪63‬‬ ‫‪-2‬ﺧﺻﺎﺋص اﻟﻣﻘدر اﻟﺟﯾد)ﻣﻌﯾﺎر ﻓﯾﺷر ﻟﻠﻣﻘدر اﻟﺟﯾد(‪............................‬‬
‫‪69‬‬ ‫‪-3‬اﻟﺗﻘدﯾر ﺑﻔﺗرة)اﻟﺗﻘدﯾر اﻟﻣﺟﺎﻟﻲ(‪.....................................................‬‬
‫‪70‬‬ ‫‪ -4‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪.....................................................   ‬‬
‫‪70‬‬ ‫‪ 1-4‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪   ‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾن ‪ 2‬ﻣﻌﻠوﻣﺎ‪......................‬‬
‫‪73‬‬ ‫‪ 2-4‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪   ‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾن ﻣﺟﻬوﻻ‪.........................‬‬
‫‪76‬‬ ‫‪-3-4‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻟﻠﻧوﻋﯾﺎت ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪...........................‬‬
‫‪79‬‬ ‫‪ -05‬ﻓﺗرة اﻟﺛﻘﺔ ﺑﺈﺳﺗﺧدام ﻧظرﯾﺔ ﺗﺷﯾﺑﯾﺷﯾف )‪....................(Techebecheff‬‬
‫‪80‬‬ ‫‪ -06‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺳﺗﻘﻠﯾن ‪.............  1  2 ‬‬
‫‪80‬‬ ‫‪ 1-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﻌﻠوﻣﻲ اﻟﺗﺑﺎﯾن‪.....................‬‬
‫‪82‬‬ ‫‪ 2-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻟﻲ اﻟﺗﺑﺎﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‪.‬‬
‫‪83‬‬ ‫‪ 3-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻟﻲ اﻟﺗﺑﺎﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر‬
‫‪83‬‬ ‫اﻟﺣﺎﻟﺔ اﻷوﻟﻰ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪............ 12  22  2‬‬
‫‪‬‬ ‫‪‬‬
‫‪85‬‬ ‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪:‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪............... 12  22‬‬
‫‪‬‬ ‫‪‬‬
‫‪86‬‬ ‫‪ -07‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻏﯾر ﻣﺳﺗﻘﻠﯾن ‪........  1  2 ‬‬
‫‪89‬‬ ‫‪-08‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ ‪.......................................................P‬‬
‫‪91‬‬ ‫‪ 1-8‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻟﻠﻧوﻋﯾﺎت اﻟﻣﻧﺎﺳب ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪...................‬‬
‫‪94‬‬ ‫‪ -09‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻣﺟﺗﻣﻌﯾن ‪................................  P1  P2 ‬‬
‫‪96‬‬ ‫‪ -10‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪..................................................... ‬‬
‫‪2‬‬

‫‪99‬‬ ‫‪ -11‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪........................................ ‬‬

‫‪12‬‬
‫‪104‬‬ ‫‪........................................‬‬ ‫‪-12‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﺗﻧﺎﺳب ﻣﺎﺑﯾن ﺗﺑﺎﯾﻧﯾن‬
‫‪22‬‬
‫‪107‬‬ ‫‪-13‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ‪..............................  1  2 ‬‬
‫‪109‬‬ ‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻟﺛﺎﻧﻲ‪.................................................................‬‬
‫‪112‬‬ ‫اﻟﻣﺣور اﻟﺛﺎﻟث‪ :‬إﺧﺗﺑﺎر اﻟﻔروض )إﺧﺗﺑﺎر ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ(‪..............................‬‬
‫ﺗﻣﻬﯾد‪113 .................................................................................‬‬
‫‪114‬‬ ‫‪ -01‬ﻣﻔﺎﻫﯾم أﺳﺎﺳﯾﺔ ﻻﺧﺗﺑﺎر اﻟﻔروض‪.................................................‬‬
‫‪123‬‬ ‫‪-2‬إﺧﺗﺑﺎرت اﻟﻔروض ﺣول اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ )‪..................................... (µ‬‬
‫‪123‬‬ ‫‪1-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻣﻌﻠوﻣﺎ‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ )‪...................(n≥30‬‬

‫‪ 2-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻏﯾﯾر ﻣﻌﻠوم‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ )‪127 ...............(n≥30‬‬
‫‪128‬‬ ‫‪ 3-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻏﯾر ﻣﻌﻠوم وﺣﺟم اﻟﻌﯾﻧﺔ )‪.............(n<30‬‬
‫‪132‬‬ ‫‪-03‬إﺧﺗﺑﺎر اﻟﻔروض ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻣﺟﺗﻣﻌﯾن ‪  1  2 ‬ﻣﺳﺗﻘﻠﯾن‪........‬‬
‫‪132‬‬ ‫‪ 1-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﻌﻠوﻣﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‪....................‬‬
‫‪135‬‬ ‫‪ 2-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﺟﻬوﻟﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‪...................‬‬
‫‪138‬‬ ‫‪ 3-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﺟﻬوﻟﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر‪.................‬‬
‫‪138‬‬ ‫اﻟﺣﺎﻟﺔ اﻷوﻟﻰ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪.............. 12  22  2‬‬
‫‪‬‬ ‫‪‬‬
‫‪141‬‬ ‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن و ﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪............... 12  22‬‬
‫‪‬‬ ‫‪‬‬
‫‪142‬‬ ‫‪-04‬اﺧﺗﺑﺎر اﻟﻔروض ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻣﺟﺗﻣﻌﯾن ‪  1  2 ‬ﻣرﺗﺑطﯾن‪........‬‬
‫‪146‬‬ ‫‪-05‬اﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻟﻧﺳﺑﺔ )‪.................................................(P‬‬
‫‪148‬‬ ‫‪-06‬اﺧﺗﺑﺎر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻣﺟﺗﻣﻌﯾن ‪.....................................  P1  P2 ‬‬
‫‪152‬‬ ‫‪-07‬اﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻟﺗﺑﺎﯾن ‪................................................. 2‬‬
‫‪155‬‬ ‫‪-08‬اﺧﺗﺑﺎر ﺗﺟﺎﻧس ﻋدة ﺗﻘدﯾرات ﻣﺳﺗﻘﻠﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ)اﺧﺗﺑﺎر ﺑﺎرﺗﻠﯾت(‪................‬‬
‫‪158‬‬ ‫‪-09‬اﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪...................................... ‬‬
‫‪12‬‬
‫‪161‬‬ ‫‪.........................................‬‬ ‫‪-10‬إﺧﺗﺑﺎر اﻟﻔروض ﺣول ﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن‬
‫‪22‬‬
‫‪164‬‬ ‫‪-11‬ﺗﺣﻠﯾل اﻻﻧﺣدار وﺗﻘﯾﯾم اﻟﻣﻌﺎﻟم‪.....................................................‬‬
‫‪173‬‬ ‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻟﺛﺎﻟث‪.................................................................‬‬
‫‪177‬‬ ‫ﻗﺎﺋﻣﺔ اﻟﻣراﺟﻊ‪.........................................................................‬‬
‫‪181‬‬ ‫اﻟﻣﻼﺣق‪..............................................................................‬‬
 ‫ﻣﻘدﻣﺔ‬
‫اﻻﺳﺗﻧﺗﺎج اﻹﺣﺻﺎﺋﻲ أو)اﻻﺳﺗدﻻل اﻹﺣﺻﺎﺋﻲ(‪ ،‬ﻫو ﻓرع ﻣن ﻓروع ﻋﻠم اﻹﺣﺻﺎء ﯾﺷﻣل ﻛل اﻷﺳﺎﻟﯾب‬
‫اﻹﺣﺻﺎﺋﯾﺔ واﻟﻧظرﯾﺎت اﻟﻘﺎﺋﻣﺔ ﻋﻠﯾﻬﺎ وﺗطﺑﯾﻘﺎﺗﻬﺎ اﻟﻌﻣﻠﯾﺔ اﻟﻣﺳﺗﺧدﻣﺔ ﻓﻲ ﺗﺣﻠﯾل اﻟﺑﯾﺎﻧﺎت )اﻟﻣﻌﻠوﻣﺎت( اﻟﺗﻲ‬
‫ﻧﺣﺻل ﻋﻠﯾﻬﺎ ﻣن اﻟﻌﯾﻧﺔ‪ ،‬وذﻟك ﻟﻼﺳﺗﻧﺗﺎج أو اﻻﺳﺗدﻻل ﻋﻠﻰ ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ وﺧواص اﻟﻣﺟﺗﻣﻊ اﻟذي‬
‫ﺳﺣﺑت ﻣﻧﻪ اﻟﻌﯾﻧﺔ‪ ،‬وﺗﻛون ﻫذﻩ اﻻﺳﺗﻧﺗﺎﺟﺎت ﻋﻠﻰ ﺷﻛل ﺗﻘدﯾرات أو اﺧﺗﺑﺎرات ﻓروض واﺗﺧﺎذ ﻗ اررات‪.‬‬
‫واﻻﺳﺗدﻻل اﻹﺣﺻﺎﺋﻲ واﺣد ﻣن أﻛﺛر ﺟواﻧب ﻋﻣﻠﯾﺔ اﺗﺧﺎذ اﻟﻘ اررات أﻫﻣﯾﺔ وﺣﯾوﯾﺔ ﻓﻲ اﻻﻗﺗﺻﺎد واﻷﻋﻣﺎل‬
‫واﻟﻌﻠوم‪ ،‬وﯾﺗﻌﻠق اﻻﺳﺗدﻻل اﻹﺣﺻﺎﺋﻲ ﺑﺎﻟﺗﻘدﯾر واﺧﺗﺑﺎر اﻟﻔروض‪ ،‬واﻟﺗﻘدﯾر اﻹﺣﺻﺎﺋﻲ ﻫو ﻋﻣﻠﯾﺔ اﺳﺗﻧﺗﺎج‬
‫أو ﺗﻘدﯾر ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ )اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ‪ ،‬أو اﻟﺗﺑﺎﯾن( ﻣن اﻹﺣﺻﺎء اﻟﻣﻧﺎظر واﻟﺧﺎص ﺑﻌﯾﻧﺔ ﻣﺳﺣوﺑﺔ‬
‫ﻣن اﻟﻣﺟﺗﻣﻊ‪،‬وﻟﻛﻲ ﯾﻛون اﻟﺗﻘدﯾر أو اﺧﺗﺑﺎر اﻟﻔروض ﺳﻠﯾﻣﺎ‪ ،‬ﯾﻧﺑﻐﻲ أن ﯾﺑﻧﻰ ﻋﻠﻰ ﻋﯾﻧﺔ ﻣﻣﺛﻠﺔ ﻟﻠﻣﺟﺗﻣﻊ‪،‬‬
‫وﯾﻣﻛن ﺗﺣﻘﯾق ذاﻟك ﺑﺎﻟﻣﻌﺎﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ ﺣﯾث ﯾﻛون ﻟﻛل ﻣﻔردة ﻓﻲ اﻟﻣﺟﺗﻣﻊ ﻓرﺻﺔ ﻣﺗﻛﺎﻓﺋﺔ ﻟﻠدﺧول ﻓﻲ‬
‫اﻟﻌﯾﻧﺔ‪.‬‬
‫وﻋﻠﯾﻪ ﻓﻘد ﺟﺎءت ﻫذﻩ اﻟﻣطﺑوﻋﺔ ﻓﻲ ﺷﻛل ﻣﺣﺎﺿرات ﻣوﺟﻬﺔ إﻟﻰ طﻠﺑﺔ اﻟﺳﻧﺔ ﺛﺎﻧﯾﺔ ﻋﻠوم اﻟﺗﺳﯾﯾر واﻟﻌﻠوم‬
‫اﻻﻗﺗﺻﺎدﯾﺔ وﻋﻠوم اﻟﻣﺎﻟﯾﺔ واﻟﻣﺣﺎﺳﺑﺔ ﻧظﺎم ل‪.‬م‪.‬د وﻓق اﻟﻣﻘرر ﻟﻬذا اﻟﻣﻘﯾﺎس‪ ،‬وذﻟك ﻣن اﺟل إﻛﻣﺎل‬
‫اﻟﻣﻔﺎﻫﯾم اﻟﻣﺗﻌﻠﻘﺔ ﺑﺎﻹﺣﺻﺎء أﻻﺳﺗﻧﺗﺎﺟﻲ أو اﻻﺳﺗدﻻﻟﻲ ﺑﻌد دراﺳﺗﻬم ﻟﻺﺣﺻﺎء اﻟوﺻﻔﻲ واﻟرﯾﺎﺿﻲ‪.‬‬
‫وﻗد ﺗم ﺗﻘﺳﯾﻣﻬﺎ إﻟﻰ ﺛﻼث ﻣﺣﺎور أﺳﺎﺳﯾﺔ ﻫﻲ‪:‬‬
‫اﻟﻣﺣور اﻷول‪ :‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫اﻟﻣﺣور اﻟﺛﺎﻧﻲ‪ :‬ﺗﻘدﯾر ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ‬
‫اﻟﻣﺣور اﻟﺛﺎﻟث‪:‬اﺧﺗﺑﺎر اﻟﻔروض‬
‫ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬ ‫اﻟﻤﺤﻮر اﻷول‬

‫اﻟﻣﺣور اﻷول‪:‬ﺗوزﯾﻌﺎت اﻟﻣﻌﺎﯾﻧﺔ‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫ﺗﻣﻬﯾد‬
‫ﻗﺑل اﻟﺗطرق إﻟﻰ ﺗوزﯾﻌﺎت اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﻧوﺿﺢ اﻟﻣﺻطﻠﺣﺎت واﻟﻣﻔﺎﻫﯾم اﻹﺣﺻﺎﺋﯾﺔ اﻟﺗﻲ ﻟﻬﺎ ﻋﻼﻗﺔ‬
‫ﻣﺑﺎﺷرة ﺑﻣوﺿوع اﻹﺣﺻﺎء أﻻﺳﺗﻧﺗﺎﺟﻲ أو اﻻﺳﺗدﻻﻟﻲ وﻫذﻩ اﻟﻣﺻطﻠﺣﺎت ﻫﻲ‪ :‬اﻟﻣﺟﺗﻣﻊ‪ ،‬ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ‪،‬‬
‫اﻟﻣﻌﻠﻣﺔ‪ ،‬اﻟﻌﯾﻧﺔ‪ ،‬اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ‪ ،‬ﺗوزﯾﻊ اﻟﻌﯾﻧﺔ‪ ،‬اﻹﺣﺻﺎﺋﯾﺔ‪.‬‬
‫‪-1‬اﻟﻣﺟﺗﻣﻊ)‪:(N‬ﯾﻌرف اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﺑﺄﻧﻪ ﻣﺟﻣوﻋﺔ ﻛل اﻟﻣﻔردات اﻟﻣﻘﺻودة ﺑﺎﻟدراﺳﺔ‪ ،‬واﻟﻣﻘﺻود‬
‫ﻫﻧﺎ ﺿﻣﻧﯾﺎ أن اﻟﻣﺟﺗﻣﻊ ﯾﺗﻛون ﻣن اﻟﻘﯾم اﻟﺗﻲ ﻧﺟﻣﻌﻬﺎ ﻋن اﻟظﺎﻫرة ﻣﺣل اﻟدراﺳﺔ ﻣن ﻛل اﻟﻣﻔردات‬
‫اﻟﻣﻘﺻودة ﺑﺎﻟدراﺳﺔ‪،‬ﻷﻧﻧﺎ ﻧﺣن ﺑﺎﻟطﺑﻊ ﻧﺗﻌﺎﻣل ﻣﻊ اﻟﻘﯾم اﻟﺗﻲ ﻧﺣﺻل ﻋﻠﯾﻬﺎ ﻣن اﻟﻣﻔردات وﻟﯾس ﻣﻊ‬
‫اﻟﻣﻔردات ﻧﻔﺳﻬﺎ ﻓﺎﻟﻣﺟﺗﻣﻊ ﻓﻲ أي دراﺳﺔ إﺣﺻﺎﺋﯾﺔ ﻫو ﻋﺑﺎرة ﻋن ﻗﯾم ﻋددﯾﺔ‪.‬‬
‫واﻟﻣﻔردات ﻓﻲ أي دراﺳﺔ إﺣﺻﺎﺋﯾﺔ ﻗد ﺗﻛون أﺷﺧﺎﺻﺎ أو أﺷﯾﺎء ﺟﺎﻣدة‪ ،‬وﻗد ﯾﻛون اﻟﻣﺟﺗﻣﻊ ﻣﺣدودا‪ ،‬أي‬
‫ﻧﺳﺗطﯾﻊ ﺗﺣدﯾد اﻟﻌد اﻟﻛﻠﻲ ﻟﻘﯾﻣﻪ أي اﻟﻌدد اﻟﻛﻠﻲ ﻟﻣﻔرداﺗﻪ )ﻋدد اﻟﻘﯾم ﻫو ﻧﻔﺳﻪ ﻋدد اﻟﻣﻔردات(‪ ،‬وﻗد ﯾﻛون‬
‫ﻏﯾر ﻣﺣدود )ﻻﻧﻬﺎﺋﻲ( أي أن اﻟﻌدد اﻟﻛﻠﻲ ﻟﻣﻔرداﺗﻪ ﻛﺑﯾ ار ﺟدا ﻻ ﯾﻣﻛن ﺗﺣدﯾدﻩ أو ﺣﺻرﻩ‪.‬‬
‫وﺑﺻﻔﺔ ﻋﺎﻣﺔ ﯾطﻠق ﻋﻠﻰ ﻋدد اﻟﻘﯾم اﻟﺗﻲ ﺗﻛون اﻟﻣﺟﺗﻣﻊ أي اﻟﻌدد اﻟﻛﻠﻲ ﻟﻣﻔردات اﻟﻣﺟﺗﻣﻊ ﻣﺻطﻠﺢ ﺣﺟم‬
‫اﻟﻣﺟﺗﻣﻊ وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز)‪ٕ (N‬واذا رﻣزﻧﺎ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ اﻟذي ﯾﻣﺛل اﻟظﺎﻫرة ﻣﺣل اﻟدراﺳﺔ ﺑﺎﻟرﻣز ‪X‬‬
‫وﻛﺎن اﻟﻣﺟﺗﻣﻊ ﻣﺣدودا ﻓﺳﻧرﻣز ﻟﻘﯾم اﻟﻣﺗﻐﯾر اﻟﺗﻲ ﺗﻛون ﻫذا اﻟﻣﺟﺗﻣﻊ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪x1,x2,x3…………………………………………………xN‬‬
‫‪-2‬ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ‪:‬ﻫو اﻟﺗوزﯾﻊ اﻟﺗﻛراري أو اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﺑﯾﺎﻧﺎت اﻟﻣﺟﺗﻣﻊ‪ ،‬أو اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ‬
‫ﻟﻠﻘﯾم اﻟﻣﺟﻣﻌﺔ ﻋن ﻛل ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫‪-3‬اﻟﻣﻌﻠﻣﺔ‪ :‬اﻟﻣﻌﻠﻣﺔ ﻫﻲ أي ﻣﻘﯾﺎس إﺣﺻﺎﺋﻲ ﺗﺣﺳب ﻗﯾﻣﺗﻪ ﻣن ﺑﯾﺎﻧﺎت اﻟﻣﺟﺗﻣﻊ ﻛﻛل دون اﺳﺗﺛﻧﺎء‪،‬‬
‫وﻧﺳﺗﺧدﻣﻪ ﻟوﺻف اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ وﺗﺣدﯾد ﻣﻌﺎﻟﻣﻪ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﯾطﻠق ﻋﻠﯾﻪ ﻣﻌﻠﻣﺔ ‪ ،‬وﻣن اﻟﻣﻌﺎﻟم أي‬
‫اﻟﻣﻘﺎﯾﯾس اﻟﺗﻲ ﺗﺻف ﻟﻧﺎ اﻟﻣﺟﺗﻣﻊ‪،‬ﻫﻲ ﻣﻘﺎﯾﯾس اﻟﻧزﻋﺔ اﻟﻣرﻛزﯾﺔ)اﻟوﺳط اﻟﺣﺳﺎﺑﻲ‪ ،‬اﻟوﺳﯾط ‪ ،‬اﻟﻣﻧوال‪(..،‬‬
‫أو ﻣﻘﺎﯾﯾس اﻟﺗﺷﺗت )اﻟﺗﺑﺎﯾن‪ ،‬اﻻﻧﺣراف اﻟﻣﻌﯾﺎري‪ (...،‬أو ﻣﻘﺎﯾﯾس اﻻﻟﺗواء و ﻟﺗﻔرطﺢ‪ ،‬أو أﻛﺑر ﻗﯾﻣﺔ‬
‫أو أﺻﻐر ﻗﯾﻣﺔ‪ ،‬أو أي ﻣﻘﺎﯾﯾس إﺣﺻﺎﺋﯾﺔ أﺧرى ﺗﺣﺳب ﻣن اﻟﻣﺟﺗﻣﻊ‪ ،‬واﻟﻣﻌﻠﻣﺔ ﻋﺑﺎرة ﻋن ﻗﯾﻣﺔ ﺛﺎﺑﺗﺔ‬
‫ﻻ ﺗﺗﻐﯾر‪ ،‬ﻷﻧﻬﺎ ﺗﺣﺳب ﻣن اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ‪ ،‬واﻟﻣﺟﺗﻣﻊ ﺛﺎﺑت ﻻ ﯾﺗﻐﯾر أﺛﻧﺎء إﺟراء اﻟدراﺳﺔ وﻟذﻟك‬
‫ﯾطﻠق ﻋﻠﻰ اﻟﻣﻌﺎﻟم أﺣﯾﺎﻧﺎ اﻟﺛواﺑت ﻹﺣﺻﺎﺋﯾﺔ‪ ،‬وﻋﺎدة ﺗﺳﺗﺧدم اﻟﺣروف اﻟﯾوﻧﺎﻧﯾﺔ ﻟﻠﺗﻌﺑﯾر ﻋن اﻟﻣﻌﺎﻟم‪ ،‬ﻓﯾرﻣز‬
‫ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ﺑﺎﻟﺣرف ‪) µ‬ﻣﯾو(‪ ،‬وﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﺑﺎﻟرﻣز ‪) 2‬ﺳﯾﺟﻣﺎ ﺗرﺑﯾﻊ(‪ ،‬وﻟﻼﻧﺣراف‬
‫اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﺑﺎﻟﺣرف ‪.... ‬اﻟﺦ‪ ،‬وﺗﻌطﻰ ﻣﻌﺎدﻟﺔ ‪ µ‬و ‪ ‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬

‫‪n‬‬
‫‪ Xi‬‬
‫)‪  i 1 .....................................(01‬‬
‫‪N‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪2‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ Xi  ‬‬
‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪i1‬‬
‫)‪……………………….. (02‬‬
‫‪N‬‬
‫‪-4‬اﻟﻌﯾﻧﺔ)‪ :(n‬ﻓﻲ أي دراﺳﺔ إﺣﺻﺎﺋﯾﺔ ﯾﺟب أن ﯾﻛون اﻟﻬدف ﻫو دراﺳﺔ اﻟﻣﺟﺗﻣﻊ ﻛﻛل وﻟﯾس دراﺳﺔ‬
‫اﻟﻌﯾﻧﺔ‪ ،‬وﻟﻛن ﻧﺳﺗﺧدم اﻟﻌﯾﻧﺔ ﻷﻧﻧﺎ ﻓﻲ اﻏﻠب اﻟدراﺳﺎت ﻻ ﻧﺳﺗطﯾﻊ أن ﻧﺟﻣﻊ ﺑﯾﺎﻧﺎت ﻋن ﻛل ﻣﻔردات‬
‫اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ وذﻟك ﻟﻸﺳﺑﺎب اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ ‬إذا ﻛﺎن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ ﻛﺑﯾ ار ﺟدا وﻛﺎﻧت إﻣﻛﺎﻧﺎت اﻟﺑﺎﺣث اﻟﻣﺎدﯾﺔ ﻣﺣدودة‪ ،‬وﻻ ﺗﺳﻣﺢ‬
‫ﻟﻪ ﺑﺟﻣﻊ ﺑﯾﺎﻧﺎت ﻋن ﻛل ﻣﻔردة ﻣن ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫‪ ‬إذا ﻛﺎن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻻ ﻧﻬﺎﺋﯾﺎ أي ﻣن اﻟﻣﺳﺗﺣﯾل دراﺳﺗﻪ ﻛﻛل‪.‬‬
‫‪ ‬إذا ﻛﺎﻧت دراﺳﺔ اﻟﻣﺟﺗﻣﻊ ﻛﻛل ﺗؤدي إﻟﻰ ﺗﻠف اﻟﻣﺟﺗﻣﻊ ﺑﺄﻛﻣﻠﻪ وﻣﺛﺎل ﻋﻠﻰ ذﻟك اﻟدراﺳﺔ اﻟﺧﺎﺻﺔ‬
‫ﺑﺻﻼﺣﯾﺔ طﻠﺑﯾﻪ اﻟﺑﯾض‪ ،‬ﻓﺎﻟﻣﺟﺗﻣﻊ ﻓﻲ ﻫذﻩ اﻟدراﺳﺔ ﻫو طﻠﺑﯾﻪ اﻟﺑﯾض واﻟﻣﻔردة ﻫﻲ اﻟﺑﯾﺿﺔ‪ ،‬ودراﺳﺔ‬
‫اﻟﻣﺟﺗﻣﻊ ﻛﻛل ﺗﻌﻧﻲ ﻓﺣص ﻛل ﺑﯾﺿﺔ أي ﻛﺳر اﻟﺑﯾض ﺟﻣﯾﻌﻪ‪ ،‬وﻫذا ﯾؤدي ﻟﻠﻘﺿﺎء ﻋﻠﻰ اﻟطﻠﺑﯾﺔ ﻛﻠﻬﺎ‪ ،‬أي‬
‫ﯾﺗﻠف اﻟﻣﺟﺗﻣﻊ ﺑﺄﻛﻣﻠﻪ‪.‬‬
‫‪ ‬إذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ ﻣﺗﺟﺎﻧﺳﺎ‪ ،‬أي أن ﺟﻣﯾﻊ ﻣﻔرداﺗﻪ ﺗﺗﻣﺗﻊ ﺑﻧﻔس اﻟﺧواص‪.‬‬
‫وﯾﻣﻛن ﺗﻘﺳﯾم اﻟﻌﯾﻧﺎت إﻟﻰ ﻗﺳﻣﯾن رﺋﯾﺳﯾﯾن ﻫﻣﺎ‪:‬‬
‫‪1-4‬ﻋﯾﻧﺎت إﺣﺗﻣﺎﻟﯾﺔ‪ :‬وﻫﻲ اﻟﻌﯾﻧﺎت اﻟﺗﻲ ﯾﺗم ﺳﺣﺑﻬﺎ ﻣن اﻟﻣﺟﺗﻣﻊ ﻋﻠﻰ أﺳﺎس ﻗواﻧﯾن اﻻﺣﺗﻣﺎﻻت‪ ،‬ﺑﺣﯾث‬
‫ﯾﻣﻛن رﺑط ﺳﺣب اﻟﻣﻔردات ﺑﺎﺣﺗﻣﺎﻻت ﻣﻌﯾﻧﺔ‪ ،‬وﻫذا ﯾﻌﻧﻲ أن ﺗﻛون ﻋﻣﻠﯾﺔ اﻟﻣﻌﺎﯾﻧﺔ‪-‬أي ﺳﺣب اﻟﻌﯾﻧﺔ‪-‬‬
‫ﻣرﺗﺑطﺔ ارﺗﺑﺎطﺎ ﻗوﯾﺎ ﺑﺎﻟﻧﻣﺎذج اﻻﺣﺗﻣﺎﻟﯾﺔ‪.‬‬
‫وﻓﻲ ﻫذﻩ اﻟطرﯾﻘﺔ ﻧﺣﺻل ﻋﻠﻰ اﻟﻌﯾﻧﺔ ﺑواﺳطﺔ ﺳﺣب اﻟﻣﻔردات ﺑﺎﻟﺗﺗﺎﺑﻊ‪ ،‬وﻛل ﻣﻧﻬﺎ ﻟﻬﺎ اﺣﺗﻣﺎل ﻣﻌروف ﻓﻲ‬
‫اﻟظﻬور ﻓﻲ اﻟﺳﺣﺑﺔ اﻷوﻟﻰ وﻓﻲ أي ﺳﺣﺑﺔ ﺗﺎﻟﯾﺔ‪ ،‬وﯾﻛون ظﻬور أي ﻣﻔردة ﻣن اﻟﻣﻔردات ﻓﻲ اﻟﺳﺣﺑﺔ اﻟﺗﺎﻟﯾﺔ‬
‫إﻣﺎ ﻣﺳﺗﻘﻼ ﻋن ظﻬور ﻣﻔردة اﻟﺳﺣﺑﺔ اﻷوﻟﻰ أو ﻏﯾر ﻣﺳﺗﻘل ﻋﻧﻪ‪ ،‬ﻓﻌﻣﻠﯾﺎت اﻟﺳﺣب اﻟﻣﺗﺗﺎﻟﯾﺔ ﻓﻲ اﻟﻌﯾﻧﺎت‬
‫اﻻﺣﺗﻣﺎﻟﯾﺔ‪ ،‬ﻗد ﺗﻛون ﺑﺈرﺟﺎع اﻟﻣﻔردة اﻟﻣﺧﺗﺎرة ﻗﺑل ﺳﺣب اﻟﻣﻔردة اﻟﺗﺎﻟﯾﺔ ﻟﻬﺎ‪ ،‬وﺗﺳﻣﻰ ﻫذﻩ اﻟطرﯾﻘﺔ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﻣﻊ اﻹرﺟﺎع‪ ،‬وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﯾﻛون ظﻬور اﻟﻣﻔردات ﻣﺳﺗﻘﻼ‪ ،‬وﻓد ﺗﻛون ﻣﻊ ﻋدم إرﺟﺎع اﻟﻣﻔردة اﻟﻣﺧﺗﺎرة‬
‫ﻗﺑل ﺳﺣب اﻟﺗﻲ ﺗﻠﯾﻬﺎ‪ ،‬وﺗﺳﻣﻰ ﻫذﻩ اﻟطرﯾﻘﺔ اﻟﻣﻌﺎﯾﻧﺔ ﻣﻊ ﻋدم اﻹرﺟﺎع‪ ،‬وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﯾﻛون ظﻬور‬
‫اﻟﻣﻔردات ﻏﯾر ﻣﺳﺗﻘل‪ ،‬وﯾﺟب أن ﺗﺳﺣب اﻟﻌﯾﻧﺎت اﻻﺣﺗﻣﺎﻟﯾﺔ ﺑطرﯾﻘﺔ ﻋﺷواﺋﯾﺔ ﻻ ﯾﺗدﺧل اﻟﻌﺎﻣل اﻟﺑﺷري‬
‫ﻓﯾﻬﺎ‪ ،‬وذﻟك ﺑﺈﺗﺑﺎع طرﯾﻘﺔ اﻟﺳﺣب اﻟﻌﺷواﺋﻲ‪ ،‬وﻣن أﻫم ﻣﻣﯾزات اﻟﻌﯾﻧﺎت اﻻﺣﺗﻣﺎﻟﯾﺔ ﻫو اﻧﻪ ﻋﻧد اﺳﺗﺧداﻣﻬﺎ‬
‫ﻧﺳﺗطﯾﻊ ﺗﺣدﯾد ﺣﺟم اﻷﺧطﺎء اﻟﻧﺎﺟﻣﺔ ﺑﺳﺑب اﻟﻣﻌﺎﯾﻧﺔ أي ﺣﺟم ﺧطﺄ اﻟﺻدﻓﺔ‪ ،‬وﻛذﻟك ﻗﯾﻣﺔ ﺧطﺄ اﻟﺗﺣﯾز‬
‫ﻓﻲ اﻟﺗﻘدﯾر إن وﺟد‪ ،‬وﻣن أﻫم أﻧواع اﻟﻌﯾﻧﺎت اﻻﺣﺗﻣﺎﻟﯾﺔ )اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ)ﻋﯾﻧﺔ ﻏﯾر ﻣﻘﯾدة(‪،‬أﻣﺎ‬
‫ﺑﺎﻗﻲ اﻟﻌﯾﻧﺎت وﻫﻲ اﻟﻌﯾﻧﺔ اﻟﻣﻧﺗظﻣﺔ‪،‬اﻟﻌﯾﻧﺔ اﻟطﺑﻘﯾﺔ‪ ،‬اﻟﻌﯾﻧﺔ اﻟﻌﻧﻘودﯾﺔ‪ ،‬و اﻟﻌﯾﻧﺔ اﻟﻣﺿﺎﻋﻔﺔ ﻓﻬﻲ ﻋﯾﻧﺎت‬
‫ﻣﻘﯾدة‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪3‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪2-4‬ﻋﯾﻧﺎت ﻏﯾر اﺣﺗﻣﺎﻟﯾﺔ‪ :‬وﻫﻲ اﻟﻌﯾﻧﺎت اﻟﺗﻲ ﻻ ﯾﺗم ﺳﺣﺑﻬﺎ وﻓق ﻗواﻧﯾن اﻻﺣﺗﻣﺎﻻت‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ‬
‫ﻻ ﻧﺳﺗطﯾﻊ ﻣﻌرﻓﺔ اﺣﺗﻣﺎل اﺧﺗﯾﺎر أي ﻣﻔردة ﻣن ﻣﻔرداﺗﻬﺎ‪ ،‬وﻟﻬذا ﻻ ﻧﺳﺗطﯾﻊ ﺗطﺑﯾق ﻧظرﯾﺔ اﻻﺣﺗﻣﺎﻻت‪،‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻫذﻩ اﻟﻌﯾﻧﺎت ﻻ ﺗﺳﻣﺢ ﺑﺎﻟﺗﻌﻣﯾم ﻣن اﻟﻌﯾﻧﺔ إﻟﻰ اﻟﻣﺟﺗﻣﻊ‪ ،‬ﻫذا وﻟﯾس ﻫﻧﺎك أي طرﯾﻘﺔ إﺣﺻﺎﺋﯾﺔ‬
‫ﻟﺗﺣدﯾد ﺣﺟم اﻟﺧطﺄ وﻗﯾﺎس دﻗﺔ ﻧﺗﺎﺋﺞ اﻟﻣﻌﺎﯾﻧﺔ ﻏﯾر اﻻﺣﺗﻣﺎﻟﯾﺔ‪ ،‬وﻟﻬذا ﻓﺎﻟﻣﻌﺎﯾﻧﺔ ﻏﯾر اﻻﺣﺗﻣﺎﻟﯾﺔ ﻻ ﺗﻌﺗﺑر‬
‫طرﯾﻘﺔ ﻣن طرق اﻟﻣﻌﺎﯾﻧﺔ اﻟﺟﯾدة‪.‬‬
‫‪-5‬اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ‪ :‬اﻟﻌﯾﻧﺔ ‪ x1 ,x2,x3,…………………..xn‬اﻟﺗﻲ ﺗﺣﺗوي ﻋﻠﻰ ‪ n‬ﻣن‬
‫اﻟﻣﻔردات واﻟﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﻣﺎ‪ ،‬ﺗﻛون ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ إذا ﻛﺎﻧت ﻛل اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم‬
‫‪ n‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻟﻬﺎ ﻧﻔس ﻓرﺻﺔ اﻻﺧﺗﯾﺎر واﻟﻌﯾﻧﺔ ﯾﻣﻛن ﺳﺣﺑﻬﺎ ﻣﻊ اﻹرﺟﺎع أو ﻋدم‬
‫اﻹرﺟﺎع‪.‬‬
‫‪ 1-5‬اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع)ﻣﻌﺎﯾﻧﺔ ﻏﯾر ﻧﻔﺎذﯾﺔ(‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع ﺣﯾث ﯾﻣﻛن أن ﺗظﻬر‬
‫اﻟﻣﻔردة أﻛﺛر ﻣن ﻣرة ﻓﻲ اﻟﻌﯾﻧﺔ ﺗﺳﻣﻰ ﻫذﻩ اﻟﻣﻌﺎﯾﻧﺔ ﻏﯾر ﻧﻔﺎذﯾﺔ ﻻن ﺗﻛرار اﻟﻌﻣﻠﯾﺔ ﻻ ﯾؤدي إﻟﻰ ﺗﻘﻠﯾص‬
‫ﻋدد ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪ ،‬وﯾﻛون ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﯾﺳﺎوي‪ ،Nn‬وﻫﻲ ﺗﺣﻘق اﻟﺷروط اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗرﺗﯾﺑﻪ ﺗﻛرار)ﻗﺎﺋﻣﺔ(‬ ‫‪-‬اﻟﺗرﺗﯾب ﻣﻬم‪.‬‬
‫‪Nn‬‬ ‫‪-‬اﻟﺗﻛرار ﻣﻣﻛن‪.‬‬
‫‪-‬اﻟﺳﺣب ﻋﻠﻰ اﻟﺗواﻟﻲ‪.‬‬
‫ﻓﻣﺛﻼ إذا ﻛﺎن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ‪ N=05‬وﺣﺟم اﻟﻌﯾﻧﺔ‪ n=03‬وﻋﻣﻠﯾﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‪ ،‬ﻓﻌﻧدﺋذ ﻋدد‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﯾﺣدد ﻛﻣﺎ ﯾﻠﻲ‪N n  0503  125 :‬‬
‫‪ 2-5‬اﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع )ﻣﻌﺎﯾﻧﺔ ﻧﻔﺎذﯾﺔ(‪ :‬إذا ﻛﺎن ﺳﺣب اﻟﻌﯾﻧﺎت ﻣن اﻟﻣﺟﺗﻣﻊ ﺗم ﻣﻊ ﻋدم‬
‫اﻹرﺟﺎع‪ ،‬أي ﻋدم إرﺟﺎع اﻟﻣﻔردة اﻟﻣﺳﺣوﺑﺔ ﻗﺑل ﺳﺣب اﻟﻣﻔردة اﻟﺗﻲ ﺗﻠﯾﻬﺎ‪ ،‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺗوﺟد طرﯾﻘﺗﺎن‬
‫ﻟﺗﺣدﯾد ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ وﻫﻣﺎ‪:‬‬
‫‪ ‬اﻟطرﯾﻘﺔ اﻷوﻟﻰ)ﺗرﺗﯾﺑﻪ ﺑدون ﺗﻛرار(‪:‬ﺗﻌطﻲ أﻫﻣﯾﺔ ﻟﺗرﺗﯾب اﻟﻣﻔردات داﺧل اﻟﻌﯾﻧﺔ‪ ،‬واﻟﺗﻲ ﺗﺣﻘق اﻟﺷروط‬
‫اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗرﺗﯾﺑﻪ ﺑدون ﺗﻛرار‬ ‫‪-‬اﻟﺗرﺗﯾب ﻣﻬم‪.‬‬
‫‪P‬‬
‫‪n‬‬
‫‪N‬‬
‫‪-‬اﻟﺗﻛرار ﻏﯾر ﻣﻣﻛن‪.‬‬
‫‪-‬اﻟﺳﺣب ﻋﻠﻰ اﻟﺗواﻟﻲ‪.‬‬
‫!‪N‬‬
‫وﺗﺣﺳب وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪ N( N  1)(N 2)...............(N (n 1)) :‬‬
‫‪n‬‬
‫‪P‬‬ ‫‪N‬‬
‫‪‬‬
‫!‪ N  n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪4‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﻓﻣﺛﻼ ﻋدد اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=03‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻣﺟﺗﻣﻊ ﯾﺣﺗوي ﻋﻠﻰ ‪ 05‬ﻣﻔردات ﻣﻊ ﻋدم‬
‫اﻹرﺟﺎع وﻋدم إﻫﻣﺎل اﻟﺗرﺗﯾب ﻫو‪ 60 :‬‬
‫‪n‬‬ ‫‪3‬‬ ‫!‪5‬‬ ‫! ‪5! 5  4  3  2‬‬
‫‪P N  P5  (5  3)!  2 ! ‬‬ ‫!‪2‬‬
‫‪ ‬اﻟطرﯾﻘﺔ اﻟﺛﺎﻧﯾﺔ )ﺗوﻓﯾﻘﺔ ﺑدون ﺗﻛرار(‪:‬ﻻ ﺗﻌطﻲ أﻫﻣﯾﺔ ﻟﺗرﺗﯾب اﻟﻣﻔردات داﺧل اﻟﻌﯾﻧﺔ وﻫﻲ ﺗﺣﻘق‬
‫اﻟﺷروط اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗوﻓﯾﻘﺔ ﺑدون ﺗﻛرار‬ ‫‪-‬اﻟﺗرﺗﯾب ﻏﯾر ﻣﻬم‪.‬‬
‫‪-‬اﻟﺗﻛرار ﻏﯾر ﻣﻣﻛن‪.‬‬
‫‪n‬‬
‫‪CN‬‬
‫‪-‬اﻟﺳﺣب دﻓﻌﺔ واﺣدة‪.‬‬
‫!‪N‬‬‫‪n‬‬
‫وﺗﺣﺳب وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪C  n !  N  n ! :‬‬
‫‪N‬‬

‫ﻓﻣﺛﻼ ﻋدد اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=03‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻣﺟﺗﻣﻊ ﯾﺣﺗوي ﻋﻠﻰ ‪ 05‬ﻣﻔردات ﻣﻊ ﻋدم‬
‫اﻹرﺟﺎع و إﻫﻣﺎل اﻟﺗرﺗﯾب ﻫو ‪ 10‬‬
‫‪n‬‬ ‫‪3‬‬ ‫!‪5‬‬ ‫!‪5‬‬ ‫!‪5  4  3‬‬
‫‪C N  C5  3!(5  3)!  3! 2! ‬‬ ‫!‪3! 2‬‬
‫‪-6‬ﺗوزﯾﻊ اﻟﻌﯾﻧﺔ‪ :‬ﻧﻔرض أﻧﻧﺎ ﻗﻣﻧﺎ ﺑﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ n‬إﺣﺻﺎﺋﻲ ﻣﺎ‪ ،‬ﻓﺎن ﺗوزﯾﻌﻬﺎ ﯾﺷﺑﻪ ﺗوزﯾﻊ‬
‫ﻣﺟﺗﻣﻌﻬﺎ اﻹﺣﺻﺎﺋﻲ اﻟذي أﺧذت ﻣﻧﻪ ﻷﻧﻬﺎ ﻗد أﺧذت ﻣﻧﻪ ﺑﺷﻛل ﻋﺷواﺋﻲ‪،‬أﻣﺎ اﻟﻣﻘﺎﯾﯾس اﻹﺣﺻﺎﺋﯾﺔ‬
‫اﻟوﺻﻔﯾﺔ اﻟﻣﺣﺳوﺑﺔ ﺑدﻻﻟﺗﻬﺎ ﻛﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟوﺳﯾط واﻟﻣﻧوال واﻻﻧﺣراف اﻟﻣﻌﯾﺎري واﻟﻧﺳﺑﺔ اﻟﻣﺋوﯾﺔ‬
‫ﻟﺗﻛرار اﻟﺻﻔﺔ ﻓﻲ اﻟﻌﯾﻧﺔ واﻟﺗﻲ ﯾطﻠق ﻋﻠﯾﻬﺎ ﺑﺎﻟﺗواﺑﻊ اﻹﺣﺻﺎﺋﯾﺔ )أو اﻟﻣﻘدرات( واﻟﺗﻲ ﺗﺗواﻓق ﺗﻘرﯾﺑﺎ ﻣﻊ‬
‫اﻟﺛواﺑت اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣﻘﺎﺑﻠﺔ ﻟﻬﺎ ﻻن ﺗوزﯾﻊ اﻟﻌﯾﻧﺔ ﯾﺷﺑﻪ ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ اﻟذي ﺳﺣﺑت ﻣﻧﻪ ﻫذﻩ‬
‫اﻟﻌﯾﻧﺔ‪ ،‬ﻟﻛن ﻗد ﺗﺧﺗﻠف اﻟﺗواﺑﻊ اﻹﺣﺻﺎﺋﯾﺔ ﻋن اﻟﺛواﺑت اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣﻘﺎﺑﻠﺔ ﻟﻬﺎ أو ﻋن ﺗواﺑﻊ إﺣﺻﺎﺋﯾﺔ‬
‫أﺧرى‪ ،‬وﻫذا اﻻﺧﺗﻼف ﻗد ﯾﻛون‪:‬‬
‫‪-‬اﺧﺗﻼﻓﺎ ظﺎﻫرﯾﺎ ﻧﺎﺷﺋﺎ ﺑﺳﺑب اﻷﺧطﺎء اﻻﺣﺗﻣﺎﻟﯾﺔ أو أﺧطﺎء اﻟﺣظ واﻟﻣﺻﺎدﻓﺎت‪.‬‬
‫‪-‬إﺧﺗﻼﻓﺎ ﺣﻘﯾﻘﯾﺎ )ﺟوﻫرﯾﺎ( ﯾﻧﺷﺎ ﻋن ﻋدم ﺳﺣب اﻟﻌﯾﻧﺔ ﺑﺷﻛل ﻋﺷواﺋﻲ‪ ،‬أو أﻧﻬﺎ ﻗد ﺳﺣﺑت ﻣن‬
‫ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﯾﺧﺗﻠف ﻋن اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ اﻟﻣرﻏوب ﻓﯾﻪ‪.‬‬
‫‪-7‬اﻹﺣﺻﺎﺋﯾﺔ‪ :‬ﻫﻲ أي ﻣﻘﯾﺎس إﺣﺻﺎﺋﻲ ﺗﺣﺳب ﻗﯾﻣﺗﻪ ﻣن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ‪،‬‬
‫ﻓﻣﺛﻼ اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﻋﺑﺎرة ﻋن إﺣﺻﺎﺋﯾﺔ وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ ، X‬وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻋﺑﺎرة ﻋن إﺣﺻﺎﺋﯾﺔ‬
‫وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ S‬وﻫﻛذا‪ ...‬وﺣﯾث أن ﻗﯾﻣﺔ اﻹﺣﺻﺎﺋﯾﺔ ﺗﻌﺗﻣد ﻋﻠﻰ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ وﺑﻣﺎ أﻧﻧﺎ ﻧﺳﺗطﯾﻊ أن‬
‫‪2‬‬

‫ﻧﺳﺣب أﻛﺛر ﻣن ﻋﯾﻧﺔ ﻣن ﻧﻔس اﻟﻣﺟﺗﻣﻊ ﻓﺳﻧﺟد أن ﻗﯾﻣﺔ اﻹﺣﺻﺎﺋﯾﺔ ﺳﺗﺗﻐﯾر ﻣن ﻋﯾﻧﺔ إﻟﻰ أﺧرى‪،‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻹﺣﺻﺎﺋﯾﺔ ﻋﺑﺎرة ﻋن ﻣﺗﻐﯾر وﻫذا ﻫو اﻟﻔرق اﻟﺟوﻫري ﺑﯾن اﻟﻣﻌﻠﻣﺔ واﻹﺣﺻﺎﺋﯾﺔ‪ ،‬ﻓﺎﻟﻣﻌﻠﻣﺔ‬
‫ﻋﺑﺎرة ﻋن ﻗﯾﻣﺔ ﺛﺎﺑﺗﺔ ﺑﯾﻧﻣﺎ اﻹﺣﺻﺎﺋﯾﺔ ﻋﺑﺎرة ﻋن ﻣﺗﻐﯾر‪.‬‬
‫ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬ ‫‪ X‬و‪S‬‬ ‫وﯾﺗم ﺣﺳﺎب إﺣﺻﺎءة اﻟﻌﯾﻧﺔ ﻟﻛل ﻣن‬
‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪5‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪n‬‬
‫‪‬‬ ‫‪xi‬‬
‫)‪n .......................................(3‬‬
‫‪X‬‬ ‫‪i1‬‬

‫أﻣﺎ ﺣﺳﺎب اﻟﺗﺑﺎﯾن ﻓﻬو ﻣﺗوﻗف ﻋﻠﻰ ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬وﯾﺗم ﺗﺑﺎﯾن ﺣﺳﺎﺑﻪ ﺑﺎﻟﺻﯾﻐﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬
‫‪-‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪n≥30‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ Xi  X ‬‬
‫‪S‬‬
‫‪2‬‬
‫‪‬‬ ‫‪i1‬‬
‫)‪..............................(4‬‬
‫‪n‬‬
‫‪-‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪n<30‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪Xi  X‬‬ ‫‪‬‬
‫‪S‬‬ ‫‪i 1‬‬
‫)‪...............................(5‬‬
‫‪n 1‬‬
‫وﻗد ﺗﻛون إﺣﺻﺎﺋﯾﺔ اﻟﻌﯾﻧﺔ ﻣﺳﺎوﯾﺔ ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ‪ ،‬أو ﻗد ﺗﻛون أﺻﻐر أو أﻛﺑر ﻣﻧﻬﺎ‪ ،‬وﯾﺳﻣﻰ اﻟﻔرق ﺑﯾن‬
‫إﺣﺻﺎﺋﯾﺔ اﻟﻌﯾﻧﺔ وﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﺑﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ‪ sampling error‬أو اﻟﺧطﺄ اﻟﻌﺷواﺋﻲ‪،random error‬‬
‫وﻫذا ﺑﺎﻓﺗراض أن اﻟﻌﯾﻧﺔ ﻋﺷواﺋﯾﺔ واﻧﻪ ﻻ ﯾوﺟد أﺧطﺎء ﻏﯾر ﻋﺷواﺋﯾﺔ‪.‬‬
‫وﯾﻘﺻد ﺑﺎﻷﺧطﺎء ﻏﯾر اﻟﻌﺷواﺋﯾﺔ اﻷﺧطﺎء ﻓﻲ ﺗﺟﻣﯾﻊ اﻟﺑﯾﺎﻧﺎت وﺗدوﯾﻧﻬﺎ وﺗﺑوﯾﺑﻬﺎ‪ ،‬وﺑﻣﺎ أن اﻟﻔرق ﺑﯾن‬
‫إﺣﺻﺎﺋﯾﺔ اﻟﻌﯾﻧﺔ وﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﻗد ﯾﻛون ﺳﺎﻟﺑﺎ أو ﻣوﺟﺑﺎ‪ ،‬ﻟذﻟك ﯾﻣﻛﻧﻧﺎ اﺧذ اﻟﻘﯾﻣﺔ اﻟﻣطﻠﻘﺔ ﻟﻬذا اﻟﻔرق‬
‫ﻟﺣﺳﺎب ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ أي أن‪:‬‬
‫ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ= إﺣﺻﺎﺋﯾﺔ اﻟﻌﯾﻧﺔ‪-‬ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ‬
‫واﻟﺟدول اﻟﺗﺎﻟﻲ ﯾوﺿﺢ ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ وﻣﻘدرات اﻟﻌﯾﻧﺔ)إﺣﺻﺎءة اﻟﻌﯾﻧﺔ(‬
‫اﻟﻣﻘدر )إﺣﺻﺎءة اﻟﻌﯾﻧﺔ(‬ ‫ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ‬ ‫اﻟوﺻف‬
‫‪n‬‬ ‫‪N‬‬ ‫ﻋدد اﻟﻣﺷﺎﻫدات‬

‫‪X‬‬ ‫‪‬‬ ‫اﻟوﺳط اﻟﺣﺳﺎﺑﻲ‬

‫اﻟﺗﺑﺎﯾن‬
‫‪2‬‬
‫‪S‬‬ ‫‪2‬‬
‫‪S‬‬ ‫‪‬‬ ‫اﻻﻧﺣراف اﻟﻣﻌﯾﺎري‬
‫‪‬‬
‫‪P‬‬ ‫‪P‬‬ ‫اﻟﻧﺳﺑﺔ‬

‫‪X X‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪1  2‬‬ ‫اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﺎت ﻣﺟﺗﻣﻌﯾن‬

‫‪P  P‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪P1  P 2‬‬ ‫اﻟﻔرق ﺑﯾن اﻟﻧﺳﺑﺔ ﻓﻲ ﻣﺟﺗﻣﻌﯾن‬
‫‪-8‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‪ :‬ﻧﻔرض ان ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﺎ ﻣن اﻟﻣﻔردات ﯾﺗﺑﻊ ﺗوزﯾﻌﺎ اﺣﺗﻣﺎﻟﯾﺎ ﻣﻌﯾﻧﺎ )ﺳواء ﻛﺎن ﻫذا‬
‫اﻟﻣﺟﺗﻣﻊ ﻛﺑﯾ ار او ﻣﺣدودا( واﻧﻧﺎ ﺑﺻدد ﺳﺣب ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬ﺑﺎﻟطﺑﻊ ﻟﯾس ﻣﻌﻧﻰ ﻫذا‬
‫ان ﻫﻧﺎك ﻋﯾﻧﺔ واﺣدة ﯾﻣﻛن ﺳﺣﺑﻬﺎ وﻟﻛن ﯾﻛون أﻣﺎﻣﻧﺎ ﻋدد ﻛﺑﯾر ﻣن اﻟﻌﯾﻧﺎت اﻟﺗﻲ ﯾﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا‬
‫اﻟﻣﺟﺗﻣﻊ واﻟﺗﻲ ﺣﺟم ﻛل ﻣﻧﻬﺎ ﻫو ‪ n‬ﻣن اﻟﻣﻔردات‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪6‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫وﻟﻧﻔرض اﻧﻧﺎ ﺳﺣﺑﻧﺎ ﻋﯾﻧت ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ وﺣﺳﺑﻧﺎ ﻣن ﻫذﻩ اﻟﻌﯾﻧﺔ ﻣﻘﯾﺎﺳﺎ ﻣﻌﯾﻧﺎ‬
‫)وﻟﯾﻛن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ( ﺛم ﺳﺣﺑﻧﺎ ﻋﯾﻧﺔ ﺛﺎﻧﯾﺔ ﻟﻬﺎ ﻧﻔس اﻟﺣﺟم ‪ n‬وﺣﺳﺑﻧﺎ ﻣﻧﻬﺎ ﻧﻔس اﻟﻣﻘﯾﺎس ﺛم ﺳﺣﺑﻧﺎ‬
‫ﻋﯾﻧﺔ ﺛﺎﻟﺛﺔ وﺣﺳﺑﻧﺎ ﻣﻧﻬﺎ ﻧﻔس اﻟﻣﻘﯾﺎس وﻫﻛذا ﺑﺎﻟﻧﺳﺑﺔ ﻟﺟﻣﯾﻊ اﻟﻌﯾﻧﺎت اﻟﺗﻲ ﯾﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪،‬‬
‫ﺳﻧﺟد أﻣﺎﻣﻧﺎ ﻋددا ﻛﺑﯾ ار ﻣن اﻟﻘﯾم ﻟﻧﻔس اﻟﻣﻘﯾﺎس وﻻ ﻧﺗوﻗﻊ ان ﺗﻛون ﺟﻣﯾﻊ اﻟﻘﯾم اﻟﺗﻲ ﺣﺻﻠﻧﺎ ﻋﻠﯾﻬﺎ ﻣن‬
‫اﻟﻌﯾﻧﺎت ﻟﻬذا اﻟﻣﻘﯾﺎس ﻣﺗﺳﺎوﯾﺔ ٕوا ﻧﻣﺎ ﺳﺗﻛون ﻣﺧﺗﻠﻔﺔ ﻋن ﺑﻌﺿﻬﺎ وﺗﻛون ﻣﺟﺗﻣﻌﺎ آﺧر‪،‬ﻋدد ﻣﻔرداﺗﻪ أﻛﺑر‬
‫ﺑﻛﺛﯾر ﻣن ﻋدد ﻣﻔردات اﻟﻣﺟﺗﻣﻊ اﻻﺻﻠﻲ‪ ،‬وﻋﻠﻰ ذﻟك ﯾﻣﻛن اﻟﻧظر اﻟﻰ ﻫذا اﻟﻣﻘﯾﺎس ﻋﻠﻰ اﻧﻪ ﻣﺗﻐﯾر‬
‫ﻋﺷواﺋﻲ ﯾﺄﺧذ ﻗﯾﻣﺎ ﻣﺧﺗﻠﻔﺔ )ﻫﻲ اﻟﺗﻲ ﺣﺻﻠﻧﺎ ﻋﻠﯾﻬﺎ ﻣن ﻫذﻩ اﻟﻌﯾﻧﺎت( وﯾﺗﺑﻊ ﺗوزﯾﻌﺎ ﻣﻌﯾﻧﺎ رﺑﻣﺎ ﯾﺧﺗﻠف او‬
‫ﻻ ﯾﺧﺗﻠف ﻋن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ اﻻﺻﻠﻲ وﯾﺳﻣﻰ ﺑﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻬذا اﻟﻣﻘﯾﺎس ﺳواء ﻛﺎن ﻫذا اﻟﻣﻘﯾﺎس ﻫو‬
‫اﻟوﺳط اﻟﺣﺳﺎﺑﻲ اواﻟﺗﺑﺎﯾن او اﻻﻧﺣراف اﻟﻣﻌﯾﺎري او ﻧﺳﺑﺔ اﻟﻣﻔردات اﻟﺗﻲ ﻟﻬﺎ ﺻﻔﺔ ﻣﻌﯾﻧﺔ او ﻏﯾرﻩ ﻣن‬
‫اﻟﻣﻘﺎﯾﺳس اﻻﺣﺻﺎﺋﯾﺔ‪.‬‬
‫‪ -1‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪X‬‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﺧﺗﻠﻔﺔ ﻏﺎﻟﺑﺎ ﺗﻛون ﻗﯾم ﻣﺗوﺳطﺎﺗﻬﺎ اﻟﺣﺳﺎﺑﯾﺔ اﻟﻣﺧﺗﻠﻔﺔ‪ ،‬اي ان اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‬
‫ﻛﺄي إﺣﺻﺎﺋﯾﺔ ﯾﺗﻐﯾر ﻣن ﻋﯾﻧﺔ إﻟﻰ أﺧرى‪ ،‬وﻻ ﻧﺳﺗطﯾﻊ ﻣﻌرﻓﺔ اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻷي ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻗﺑل‬
‫ﺳﺣﺑﻬﺎ‪ ،‬أي أن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﻫو ﻣﺗﻐﯾر ﻋﺷواﺋﻲ وﺑﺎﻟﺗﺎﻟﻲ ﻟﻪ ﺗوزﯾﻊ اﺣﺗﻣﺎﻟﻲ‪ ،‬وﯾطﻠق ﻋﻠﻰ‬
‫اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻷي إﺣﺻﺎﺋﯾﺔ ﺑﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ وﺑﺎﻟﺗﺎﻟﻲ ﯾﺳﻣﻰ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫ﻟﻠﻌﯾﻧﺔ ﺑﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ واﻟذي ﯾﻣﻛن ﺗﻌرﯾﻔﻪ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ 1-1‬ﺗﻌرﯾف ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪: X‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﻣﺣدود ﺣﺟﻣﻪ ‪ N‬وﺳطﻪ‬
‫اﻟﺣﺳﺎﺑﻲ ‪ µ‬وﺗﺑﺎﯾﻧﻪ ‪ ،2‬وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ اﻟﻣﻣﻛﻧﺔ واﻟﻣﺗﺳﺎوﯾﺔ ﻓﻲ اﻟﺣﺟم وﻟﯾﻛن‬
‫ﺣﺟﻣﻬﺎ ‪ ،n‬وﺣﺳﺑﻧﺎ اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻟﻛل ﻋﯾﻧﺔ‪ ،‬ﻓﺎﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﯾﺳﻣﻰ ﺗوزﯾﻊ‬
‫اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‪.‬‬
‫‪ 2-1‬ﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن‪ :‬ﺳﯾﺗم اﻟﺗطرق اﻟﻰ ﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن وذﻟك ﻻن اي ﻣﺗﻐﯾر‬
‫ﻋﺷواﺋﻲ ﯾﺗﺣدد ﻣﻌﻠﻣﺎﺗﻪ ﻣن ﺧﻼل اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‪ ،‬وﻛذﻟك اﻟﻰ اﻟﺣﺎﺟﺔ اﻟﯾﻬﻣﺎ ﻓﻲ اﻟﻧﻘﺎط اﻟﺗﻲ‬
‫ﺳوف ﺗذﻛر ﻣن ﺧﻼل ﻫذﻩ اﻟﻣطﺑوﻋﺔ‪.‬‬
‫‪ 1-2-1‬ﺧﺻﺎﺋص اﻟﺗوﻗﻊ‬
‫‪n‬‬
‫‪-1‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺗﻘطﻊ ﻓﺎن ‪E  X    xi P  X  xi ‬‬
‫‪i1‬‬
‫‪‬‬
‫‪E X ‬‬ ‫‪ xf  x  dx  ‬‬ ‫‪ -2‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻓﺎن‬

‫‪-3‬ﻧﻔرض ‪ C‬ﻗﯾﻣﺔ ﺛﺎﺑﺗﺔ ‪E  C   C‬‬

‫‪E  CX   CE  X  -4‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪7‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪E  X  Y   E  X   E  Y  -5‬‬
‫‪E  X  Y   E  X   E  Y  -6‬‬
‫‪E  XY   E  X  E  Y  -7‬‬
‫‪E  X   1 E  X  -8‬‬
‫‪‬‬ ‫‪‬‬
‫‪C‬‬ ‫‪C‬‬
‫‪ -9‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ‪E  X   ‬‬
‫‪ 1-2-1‬ﺧﺻﺎﺋص اﻟﺗﺑﺎﯾن‬
‫‪2‬‬
‫‪V  X‬‬ ‫‪ E X  E‬‬ ‫‪X ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪ E X 2  E 2  X   2‬‬ ‫‪-1‬اﻟﻌﻼﻗﺔ اﻟﻌﺎﻣﺔ ﻟﻠﺗﺑﺎﯾن ﻫﻲ‬
‫‪‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪V X  ‬‬ ‫‪X  E‬‬
‫‪‬‬
‫‪‬‬
‫‪ X P X  x ‬‬
‫‪‬‬
‫‪ -2‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺗﻘطﻊ ﻓﺎن‬
‫‪i 1 ‬‬
‫‪‬‬ ‫‪2‬‬
‫‪V X  ‬‬ ‫‪X  E‬‬
‫‪‬‬
‫‪ X  f  x  dx‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪ -3‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﻓﺎن‬
‫‪‬‬

‫‪ X f  X  dX ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬

‫‪ -4‬ﻧﻔرض ‪ C‬ﻗﯾﻣﺔ ﺛﺎﺑﺗﺔ إذن ‪V  C   0‬‬

‫‪V  CX   C 2V X  -5‬‬
‫‪ ‬‬ ‫‪1 V X -6‬‬
‫‪V  X‬‬
‫‪C‬‬
‫‪‬‬
‫‪2‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪C‬‬
‫‪V  XY   V  X  V  Y  -7‬‬
‫‪-8‬إذا ﻛﺎن ‪ X‬و‪ y‬ﻣﺗﻐﯾرﯾن ﻋﺷواﺋﯾﯾن ﻣﺳﺗﻘﻠﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻓﺎن‬
‫‪V  X  Y  V X   V  Y‬‬
‫‪V  X  Y  V  X  V Y‬‬
‫ﻧظرﯾﺔ‪ :1‬إذا ﻛﺎن ﻟدﯾﻧﺎ ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﻣﺛل ﻣﺟﺗﻣﻊ ﻣﺎ )ﻻ ﻣﺣدود( وﻫو ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫و ‪ X i‬ﻣﺗﻐﯾرة ﻋﺷواﺋﯾﺔ ﺗﻣﺛل ﻣﺗوﺳط ﻋﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن ذات اﻟﻣﺟﺗﻣﻊ ﺑﺎﻻرﺟﺎع او ﺑدون ارﺟﺎع ﻓﺎن اﻟﻘﯾﻣﺔ‬
‫اﻟﻣﺗوﻗﻌﺔ ﻟﻣﺗوﺳط اﻟﻌﯾﻧﺔ ‪ E X‬ﺗﻛﺗب ﻛﺎﻟﺗﺎﻟﻲ‪E  X    x   :‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬
‫‪‬‬ ‫‪Xi‬‬ ‫اﻟﺑرﻫﺎن‪ :‬ﻧﻌﻠم ان اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪X‬‬ ‫‪i1‬‬
‫‪n‬‬ ‫ﺑﺎدﺧﺎل اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻋﻠﻰ طرﻓﻲ اﻟﻣﺳﺎواة ﻧﺟد‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪8‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪ n‬‬ ‫‪‬‬
‫‪  Xi ‬‬
‫‪ X  X 2  X 3  .....................  X n ‬‬
‫‪ ‬‬
‫‪E X  E  i 1   E  1‬‬
‫‪ n ‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬
‫‪‬‬ ‫‪E  X1  X 2  X3  .....................  X n ‬‬
‫‪n‬‬
‫‪1‬‬
‫‪  E  X1   E  X 2   E  X 3   .....................  E  X n  ‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪  1   2  3  ............................   n  ‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ ‬‬‫‪n  ‬‬

‫ﻧظرﯾﺔ ‪ :2‬إذا ﻛﺎن ﻟدﯾﻧﺎ ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﻣﺛل ﻣﺟﺗﻣﻊ ﻣﺎ )ﻣﺣدود او ﻻ ﻣﺣدود( وﻫو ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ و ‪ X i‬ﻣﺗﻐﯾرة ﻋﺷواﺋﯾﺔ ﺗﻣﺛل ﻣﺗوﺳط ﻋﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن ذات اﻟﻣﺟﺗﻣﻊ ﺑﺎﻻرﺟﺎع او ﺑدون ارﺟﺎع‬
‫‪2‬‬

‫ﻓﺎن ﺗﺑﺎﯾن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗوﺳطﺎت ‪ V  X ‬ﯾﻛﺗب ﻛﺎﻟﺗﺎﻟﻲ‪V X   x  ................. n  0.05 :‬‬
‫‪ ‬‬ ‫‪2 ‬‬
‫‪n‬‬ ‫‪N‬‬
‫ﻋدم اﻻرﺟﺎع ﻣن ﻣﺟﺗﻣﻊ ﻣﺣدود‪.‬‬ ‫ﻣﻊ‬ ‫اﻟﺳﺣب‬ ‫ﺣﺎﻟﺔ‬ ‫ﻓﻲ‬ ‫ﻓﻘط‬ ‫ﺣﺳﺎﺑﺔ‬ ‫وﯾﺗم‬ ‫اﻟﻣﻌﺎﯾﻧﺔ‬ ‫ﻛﺳر‬ ‫ﯾﺳﻣﻰ‬ ‫‪:‬‬ ‫‪n‬‬
‫‪n‬‬ ‫‪N‬‬
‫‪‬‬‫‪i1‬‬
‫‪X‬‬ ‫اﻟﺑرﻫﺎن‪ :‬ﻧﻌﻠم ان اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪i :‬‬
‫‪X‬‬
‫‪n‬‬
‫‪ n‬‬ ‫‪‬‬ ‫ﻧﺟد‪:‬‬ ‫ﺑﺎدﺧﺎل اﻟﺗﺑﺎﯾن ﻋﻠﻰ طرﻓﻲ اﻟﻣﺳﺎواة‬
‫‪  Xi‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪V X  V  i 1‬‬ ‫‪  V  X1  X 2  X 3  .....................  X n ‬‬
‫‪ n‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬
‫‪‬‬ ‫‪V  X1  X 2  X 3  .....................  X n ‬‬
‫‪n2‬‬
‫‪1‬‬
‫‪ 2  V  X1   V  X 2   V  X 3   .....................  V  X n  ‬‬
‫‪n‬‬
‫‪1‬‬
‫‪‬‬‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ 2  1   2   3  ............................   n‬‬
‫‪n‬‬
‫‪2‬‬
‫‪‬‬
‫‪2‬‬

‫‪n  ‬‬
‫‪1‬‬
‫‪‬‬
‫‪n n‬‬
‫‪‬‬‫‪2‬‬

‫‪n‬‬
‫‪‬‬
‫ﻧظرﯾﺔ ‪ :3‬إذا ﻛﺎن ﻟدﯾﻧﺎ ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﻣﺛل ﻣﺟﺗﻣﻊ ﻣﺎ )ﻣﺣدود( وﻫو ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﻣﺗﻐﯾرة ﻋﺷواﺋﯾﺔ ﺗﻣﺛل ﻣﺗوﺳط ﻋﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن ذات اﻟﻣﺟﺗﻣﻊ ﻣﻊ ﻋدم اﻻرﺟﺎع ﻓﺎن ﺗﺑﺎﯾن ﺗوزﯾﻊ‬ ‫و ‪X‬‬‫‪i‬‬

‫اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗوﺳطﺎت ‪ V  X ‬ﯾﻛﺗب ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪2‬‬
‫‪N  n ‬‬
‫‪V  X   2x  ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n N 1  .......... n‬‬ ‫‪ 0.05‬‬
‫‪‬‬
‫‪2‬‬ ‫‪N‬‬
‫‪ ‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪2‬‬ ‫‪‬‬
‫‪V  X  ‬‬ ‫‪x‬‬ ‫‪‬‬ ‫ﺑﺣﯾث‪:‬‬
‫‪ ‬‬ ‫‪n‬‬ ‫‪n ‬‬
‫‪ : n‬ﯾﺳﻣﻰ ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ وﯾﺗم ﺣﺳﺎﺑﺔ ﻓﻘط ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع وﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻣﺣدود‪.‬‬
‫‪N‬‬
‫‪N n‬‬ ‫‪N n‬‬
‫ﯾﺳﻣﻰ ﻣﻌﺎﻣل اﻻرﺟﺎع او ﻣﻌﺎﻣل اﻟﺗﺻﺣﯾﺢ وﻫو ﯾﺳﺗﺧدم ﻓﻘط ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ‬ ‫أو‬
‫‪N‬‬ ‫‪N 1‬‬
‫ﻋدم اﻻرﺟﺎع‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪9‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫اﻟﺗﻣرﯾن ‪ :01‬إذا ﻛﺎن اﻟﻌدد اﻟﻛﻠﻲ ﻟﻸﺳﺎﺗذة ﻓﻲ ‪ 05‬ﺗﺧﺻﺻﺎت ﻷﺣد اﻟﺟﺎﻣﻌﺎت ﻓﻲ ﺑﻠد ﻣﺎ ﯾﺧﺿﻊ‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ ،‬واﻟﺑﯾﺎﻧﺎت اﻟﺗﺎﻟﯾﺔ ﺗوﺿﺢ ﻗﯾم اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ X‬اﻟذي ﯾﻣﺛل ﻋدد اﻟﻣدرﺳﯾن ﻓﻲ ﻫذﻩ‬
‫اﻟﺗﺧﺻﺻﺎت‪X5=56، X4=42 ، X3=34 ،X2=22 ، X1=16:‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫وﺗﺑﺎﯾﻧﻪ ‪. 2‬‬ ‫‪-1‬أﺣﺳب اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪‬‬
‫‪-2‬أوﺟد ﻛل اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‪.‬‬
‫‪-3‬أوﺟد ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ﺛم ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‪ ،‬ﺛم اﺣﺳب وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪X‬‬
‫وﺗﺑﺎﯾﻧﻪ ‪ 2‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‪.‬‬
‫‪X‬‬
‫‪-4‬أوﺟد ﻛل اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑدون اﻹرﺟﺎع‪.‬‬
‫‪ -5‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‪ ،‬ﺛم اﺣﺳب وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪X‬وﺗﺑﺎﯾﻧﻪ ‪ 2X‬ﻓﻲ ﺣﺎﻟﺔ‬
‫اﻟﺳﺣب ﺑدون اﻹرﺟﺎع‪.‬‬
‫‪ -6‬ﻗﺎرن ﺑﯾن اﻹﺟﺎﺑﺗﯾن ﻓﻲ اﻟﺳؤال رﻗم ‪ 03‬و‪ 05‬ﺛم اﺷﺗق اﻟﻌﻼﻗﺔ ﺑﯾن ﻛل ﻣن اﻟﺗوزﯾﻊ اﻟﻌﯾﻧﻲ واﻟﻣﺟﺗﻣﻊ‬
‫ﻟﻛل ﻣن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻓﻲ ﺣﺎﻟﺗﻲ اﻟﺳﺣب ﺑﺎﻹرﺟﺎع واﻟﺳﺣب ﺑدون إرﺟﺎع‪.‬‬
‫اﻟﺣل‪:‬‬
‫وﺗﺑﺎﯾﻧﻪ ‪. 2‬‬ ‫‪-1‬ﺣﺳﺎب ﻛل ﻣن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪‬‬
‫‪05‬‬
‫‪ Xi‬‬
‫‪16  22 34  42  56‬‬
‫‪ i  01 ‬‬ ‫‪34‬‬
‫‪N‬‬ ‫‪05‬‬
‫‪05‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪  X i  ‬‬
‫‪i 01‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪16  34    22  34    34  34   42  34   56  34‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪N‬‬
‫‪‬‬
‫‪05‬‬
‫‪ 203.20‬‬

‫‪ -2‬إﯾﺟﺎد ﻛل اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع ﻓﺎن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ‪ N‬ﻻ ﯾﺗﻐﯾر ﻋﻧد ﺳﺣب ﻣﻔردة ﻣن ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪،‬‬
‫وﻫذا ﯾﻌﻧﻲ ان ﺳﺣب اي ﻣﻔردة ﻻ ﯾﺗﺎﺛر ﺑﺳﺣب اﻟﻣﻔردات اﻟﺳﺎﺑﻘﺔ‪ ،‬وﻣن ﺛم ﺗﻛون اﻟﻣﺷﺎﻫدات ﻣﺳﺗﻘﻠﺔ ﻋن‬
‫ﺑﻌﺿﻬﺎ اﻟﺑﻌض وﯾﻣﻛن ﺳﺣب اﻟﻣﻔردة أﻛﺛر ﻣن ﻣرة ﻟﺗﻛوﯾن اﻟﻌﯾﻧﺔ‪ ،‬ﻓﺎذا أﺧذﻧﺎ ﺟﻣﯾﻊ اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫واﻟﻣﻛوﻧﺔ ﻣن ﻣﻔردﺗﯾن واﻟﺗﻲ ﯾﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﺑﺎﻻرﺟﺎع ﻓﺎﻧﻬﺎ ﺳﺗﻛون ﺗرﺗﯾﺑﺔ ﺑﺗﻛرار ﻣﻊ ﺗﺣﻘق‬
‫اﻟﺷروط اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗرﺗﯾﺑﻪ ﺑﺗﻛرار)ﻗﺎﺋﻣﺔ(‬ ‫‪-‬اﻟﺗرﺗﯾب ﻣﻬم‪.‬‬
‫‪Nn‬‬ ‫‪-‬اﻟﺗﻛرار ﻣﻣﻛن‪.‬‬
‫‪-‬اﻟﺳﺣب ﻋﻠﻰ اﻟﺗواﻟﻲ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪10‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪n‬‬
‫‪N  05‬‬
‫‪02‬‬
‫‪ 25‬‬ ‫ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ ﻫو‬
‫واﻟﺟدول رﻗم ‪ 01‬ﯾوﺿﺢ ﻣﺧﺗﻠف اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﺑﺎﻻرﺟﺎع‪.‬‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫)‪(16.16‬‬ ‫)‪(16.22‬‬ ‫)‪(16.34‬‬ ‫)‪(16.42‬‬ ‫)‪(16.56‬‬
‫)‪(22.16‬‬ ‫)‪(22.22‬‬ ‫)‪(22.34‬‬ ‫)‪(22.42‬‬ ‫)‪(22.56‬‬
‫)‪(34.16‬‬ ‫)‪(34.22‬‬ ‫)‪(34.34‬‬ ‫)‪(34.42‬‬ ‫)‪(34.56‬‬
‫)‪(42.16‬‬ ‫)‪(42.22‬‬ ‫)‪(42.34‬‬ ‫)‪(42.42‬‬ ‫)‪(42.56‬‬
‫)‪(56.16‬‬ ‫)‪(56.22‬‬ ‫)‪(56.34‬‬ ‫)‪(56.42‬‬ ‫)‪(56.56‬‬

‫‪-3‬إﯾﺟﺎد ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ﺛم ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‪ ،‬ﺛم اﺣﺳب وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪X‬‬
‫وﺗﺑﺎﯾﻧﻪ ‪ 2X‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‪.‬‬
‫ﻻﯾﺟﺎد ﺧطﺎ اﻟﻣﻌﺎﯾﻧﺔ ﻧﺣﺳب اوﻻ ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ وﻋﻠﻰ ﺳﺑﯾل اﻟﻣﺛﺎل ﻧﺣﺳب ﻣﺗوﺳط اﻟﻌﯾﻧﺔاﻻوﻟﻰ‬
‫وﻫﻛذا ﻟﺟﻣﯾﻊ اﻟﻘﯾم اﻟﻣﺗﺑﻘﯾﺔ واﻟﺟدول رﻗم ‪ 02‬ﯾوﺿﺢ ذﻟك‪.‬‬ ‫‪X‬‬ ‫‪‬‬
‫‪16  16‬‬
‫‪ 16‬‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪1‬‬ ‫‪02‬‬
‫ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫‪16‬‬ ‫‪19‬‬ ‫‪25‬‬ ‫‪29‬‬ ‫‪36‬‬
‫‪19‬‬ ‫‪22‬‬ ‫‪28‬‬ ‫‪32‬‬ ‫‪39‬‬
‫‪25‬‬ ‫‪28‬‬ ‫‪34‬‬ ‫‪38‬‬ ‫‪45‬‬
‫‪29‬‬ ‫‪32‬‬ ‫‪38‬‬ ‫‪42‬‬ ‫‪49‬‬
‫‪36‬‬ ‫‪39‬‬ ‫‪45‬‬ ‫‪49‬‬ ‫‪56‬‬

‫اﻣﺎ ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ﻓﯾﺳم ﺣﺳﺎﺑﺔ وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪ :‬ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ= إﺣﺻﺎﺋﯾﺔ اﻟﻌﯾﻧﺔ‪-‬ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ‬
‫واﻟﺟدول رﻗم ‪ 03‬ﯾوﺿﺢ ﺧطﺎ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ‬
‫‪16-34=-18‬‬ ‫‪19-34=-15‬‬ ‫‪25-34=-09‬‬ ‫‪29-34=-05‬‬ ‫‪36-34=02‬‬
‫‪19-34=-15‬‬ ‫‪22-34=-12‬‬ ‫‪28-34=-06‬‬ ‫‪32-34=-02‬‬ ‫‪39-34=05‬‬
‫‪25-34=-09‬‬ ‫‪28-34=-06‬‬ ‫‪34-34=00‬‬ ‫‪38-34=04‬‬ ‫‪45-34=11‬‬
‫‪29-34=-05‬‬ ‫‪32-34=-02‬‬ ‫‪38-34=04‬‬ ‫‪42-34=08‬‬ ‫‪49-34=15‬‬
‫‪36-34=02‬‬ ‫‪39-34=05‬‬ ‫‪45-34=11‬‬ ‫‪49-34=15‬‬ ‫‪56-34=22‬‬

‫ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﻫو اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻻن اﻟﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪.‬‬
‫‪-‬ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻟﻠﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع‪ :‬ﻣن اﺟل ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫واﻟﺗﺑﺎﯾن ﻧﺷﻛل اﻟﺟدول رﻗم ‪ 04‬اﻧطﻼﻗﺎ ﻣن اﻟﺟدول رﻗم ‪) 02‬ﻣﺗوﺳط اﻟﻌﯾﻧﺎت( ﺑﺣﯾث ﻧوﺿﺢ ﻓﯾﻪ‬
‫اﻟﺗﻛ اررات اﻟﻣﻣﻛﻧﺔ ﻟﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﺧﺗﻠﻔﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪11‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬

‫‪02‬‬ ‫‪36‬‬ ‫‪01‬‬ ‫‪16‬‬

‫‪02‬‬ ‫‪38‬‬ ‫‪02‬‬ ‫‪19‬‬
‫‪02‬‬ ‫‪39‬‬ ‫‪01‬‬ ‫‪22‬‬
‫‪01‬‬ ‫‪42‬‬ ‫‪02‬‬ ‫‪25‬‬
‫‪02‬‬ ‫‪45‬‬ ‫‪02‬‬ ‫‪28‬‬
‫‪02‬‬ ‫‪49‬‬ ‫‪02‬‬ ‫‪29‬‬
‫‪01‬‬ ‫‪56‬‬ ‫‪02‬‬ ‫‪32‬‬
‫‪25‬‬ ‫اﻟﻣﺟﻣوع‬ ‫‪01‬‬ ‫‪34‬‬
‫‪15‬‬
‫‪ n i Xi‬‬
‫‪16011902 .............5601 850‬‬
‫‪i  01‬‬
‫‪X  X‬‬ ‫‪‬‬ ‫‪15‬‬
‫‪‬‬ ‫‪34‬‬
‫‪ ni‬‬ ‫‪25‬‬ ‫‪25‬‬
‫‪25‬‬ ‫‪i  01‬‬
‫‪ Xi 850‬‬
‫‪X  i1‬‬ ‫‪‬‬ ‫‪ 34‬‬ ‫أو ﻧﺣﺳب اﻟﻣﺗوﺳط ﻟﺣﺳﺎﺑﻲ ﻟﻬذﻩ اﻟﻣﺗوﺳطﺎت ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪25‬‬ ‫‪-‬ﺣﺳﺎب اﻟﺗﺑﺎﯾن‬
‫‪15‬‬ ‫‪2‬‬

‫‪ n X  ‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪01 16  34   02  19  34   ...........  01  56  34 ‬‬
‫‪2‬‬

‫‪ ‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪V X‬‬ ‫‪ X ‬‬ ‫‪i  01‬‬
‫‪15‬‬
‫‪‬‬
‫‪25‬‬
‫‪n‬‬
‫‪i  01‬‬
‫‪i‬‬

‫‪2540‬‬
‫‪‬‬ ‫‪ 101.60‬‬
‫‪25‬‬
‫‪-4‬إﯾﺟﺎد ﻛل اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑدون اﻹرﺟﺎع‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑدون إرﺟﺎع ﻓﺎن اي ﻣﻔردة ﻓﻲ اﻟﻣﺟﺗﻣﻊ ﻻ ﯾﻣﻛن ان ﺗﺳﺣب اﻻ ﻣرة واﺣدة ﻟﺗﻛوﯾن اﻟﻌﯾﻧﺔ‬
‫وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺗوﺟد ﻟدﯾﻧﺎ طرﯾﻘﺗﯾن ﻻﯾﺟﺎد ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫اﻟطرﯾﻘﺔ اﻻوﻟﻰ‪ :‬ﺗرﺗﯾﺑﺔ ﺑدون ﺗﻛرار وﺗﺗﺣﻘق ﺑﺗوﻓر اﻟﺷروط اﻟﺗﺎﻟﯾﺔ‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗرﺗﯾﺑﻪ ﺑدون ﺗﻛرار‬ ‫‪-‬اﻟﺗرﺗﯾب ﻣﻬم‪.‬‬
‫‪P‬‬
‫‪n‬‬
‫‪N‬‬
‫‪-‬اﻟﺗﻛرار ﻏﯾر ﻣﻣﻛن‪.‬‬
‫‪-‬اﻟﺳﺣب ﻋﻠﻰ اﻟﺗواﻟﻲ‪.‬‬
‫ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ ﻫو‬
‫‪n‬‬ ‫!‪N‬‬ ‫‪2‬‬ ‫!‪05‬‬ ‫!‪05  04  03‬‬
‫‪P N   N  n  !  P 5   05  02 ! ‬‬ ‫!‪03‬‬
‫‪ 20‬‬

‫واﻟﺟدول رﻗم ‪ 05‬ﯾوﺿﺢ ﻣﺧﺗﻠف اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‬
‫ﺑدون إرﺟﺎع‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪12‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫‪-------‬‬ ‫)‪(16.22‬‬ ‫)‪(16.34‬‬ ‫)‪(16.42‬‬ ‫)‪(16.56‬‬
‫)‪(22.16‬‬ ‫‪-------‬‬ ‫)‪(22.34‬‬ ‫)‪(22.42‬‬ ‫)‪(22.56‬‬
‫)‪(34.16‬‬ ‫)‪(34.22‬‬ ‫‪-------‬‬ ‫)‪(34.42‬‬ ‫)‪(34.56‬‬
‫)‪(42.16‬‬ ‫)‪(42.22‬‬ ‫)‪(42.34‬‬ ‫‪-------‬‬ ‫)‪(42.56‬‬
‫)‪(56.16‬‬ ‫)‪(56.22‬‬ ‫)‪(56.34‬‬ ‫)‪(56.42‬‬ ‫‪-------‬‬
‫‪-5‬ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑدون إرﺟﺎع‬
‫ﻣن اﺟل ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻧﺣﺳب اوﻻ ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ واﻟﻣوﺿﺣﺔ ﻓﻲ اﻟﺟدول‬
‫رﻗم ‪.06‬‬
‫ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫‪-------‬‬ ‫‪19‬‬ ‫‪25‬‬ ‫‪29‬‬ ‫‪36‬‬
‫‪19‬‬ ‫‪-------‬‬ ‫‪28‬‬ ‫‪32‬‬ ‫‪39‬‬
‫‪25‬‬ ‫‪28‬‬ ‫‪-------‬‬ ‫‪38‬‬ ‫‪45‬‬
‫‪29‬‬ ‫‪32‬‬ ‫‪38‬‬ ‫‪-------‬‬ ‫‪49‬‬
‫‪36‬‬ ‫‪39‬‬ ‫‪45‬‬ ‫‪49‬‬ ‫‪-------‬‬

‫ﺑﻌد ﺣﺳﺎب اﻟﻣﺗوﺳطﺎت اﻟﻣﻣﻛﻧﺔ ﻧﺳﺗﺧرج اﻟﺗﻛ اررات اﻟﻣﻘﺎﺑﻠﺔ ﻟﻬذﻩ اﻟﻣﺗوﺳطﺎت وﻧدوﻧﻬﺎ ﻓﻲ اﻟﺟدول رﻗم ‪07‬‬
‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬

‫‪02‬‬ ‫‪38‬‬ ‫‪02‬‬ ‫‪19‬‬

‫‪02‬‬ ‫‪39‬‬ ‫‪02‬‬ ‫‪25‬‬
‫‪02‬‬ ‫‪45‬‬ ‫‪02‬‬ ‫‪28‬‬
‫‪02‬‬ ‫‪49‬‬ ‫‪02‬‬ ‫‪29‬‬
‫‪--------‬‬ ‫‪------‬‬ ‫‪02‬‬ ‫‪32‬‬
‫‪20‬‬ ‫اﻟﻣﺟﻣوع‬ ‫‪02‬‬ ‫‪36‬‬
‫‪10‬‬
‫‪ n iX i‬‬ ‫‪19  02  25  02  ............  49  02 680‬‬
‫‪ X  X  i0110‬‬ ‫‪‬‬
‫‪20‬‬
‫‪‬‬
‫‪20‬‬
‫‪ 34‬‬
‫‪ ni‬‬
‫‪i 01‬‬

‫‪10‬‬
‫‪ X i 680‬‬
‫‪X  i 1‬‬ ‫‪‬‬ ‫‪ 34‬‬ ‫ﻛﻣﺎ ﯾﻣﻛن ﺣﺳﺎﺑﻪ ﺑطرﯾﻘﺔ اﺧرى ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪20‬‬
‫‪-‬ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪13‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪10‬‬ ‫‪2‬‬

‫‪ n X   ‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪02  19  34   02   25  34   ...........  02   49  34 ‬‬
‫‪2‬‬

‫‪ ‬‬ ‫‪2‬‬

‫‪V X   X  i 01‬‬ ‫‪15‬‬
‫‪‬‬
‫‪20‬‬
‫‪n‬‬
‫‪i  01‬‬
‫‪i‬‬

‫‪1524‬‬
‫‪‬‬ ‫‪ 76.20‬‬
‫‪20‬‬
‫اﻟطرﯾﻘﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﺗوﻓﯾﻘﺔ ﺑدون ﺗﻛرار وﺗﺗﺣﻘق ﺑﺗوﻓر اﻟﺷروط اﻟﺗﺎﻟﯾﺔ‬
‫‪-‬ﺳﺣب ﺟزء ﻣن اﻟﻛل‪.‬‬
‫ﺗوﻓﯾﻘﺔ ﺑدون ﺗﻛرار‬ ‫‪-‬اﻟﺗرﺗﯾب ﻏﯾر ﻣﻬم‪.‬‬
‫‪-‬اﻟﺗﻛرار ﻏﯾر ﻣﻣﻛن‪.‬‬
‫‪n‬‬
‫‪CN‬‬
‫‪-‬اﻟﺳﺣب دﻓﻌﺔ واﺣدة‪.‬‬
‫ﻋدد اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ ﻫو‬
‫‪n‬‬ ‫!‪N‬‬ ‫‪02‬‬ ‫! ‪05‬‬ ‫! ‪05  04  03‬‬
‫‪C N  n! N  n‬‬ ‫‪‬‬ ‫‪C 05  02 !  05  02  ! ‬‬ ‫‪ 10‬‬
‫‪‬‬ ‫!‪‬‬ ‫! ‪02 ! 03‬‬

‫واﻟﺟدول رﻗم ‪ 08‬ﯾوﺿﺢ ﻣﺧﺗﻠف اﻟﻌﯾﻧﺎت ذات اﻟﺣﺟم ‪ n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‬
‫ﺑدون إرﺟﺎع‪.‬‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫‪-------‬‬ ‫)‪(16.22‬‬ ‫)‪(16.34‬‬ ‫)‪(16.42‬‬ ‫)‪(16.56‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫)‪(22.34‬‬ ‫)‪(22.42‬‬ ‫)‪(22.56‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫)‪(34.42‬‬ ‫)‪(34.56‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫)‪(42.56‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬
‫‪-‬ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑدون إرﺟﺎع‬
‫ﻣن اﺟل ﺣﺳﺎب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻧﺣﺳب اوﻻ ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ واﻟﻣوﺿﺣﺔ ﻓﻲ اﻟﺟدول‬
‫رﻗم ‪.09‬‬
‫ﻣﺗوﺳط اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ‬
‫‪-------‬‬ ‫‪19‬‬ ‫‪25‬‬ ‫‪29‬‬ ‫‪36‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪28‬‬ ‫‪32‬‬ ‫‪39‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪38‬‬ ‫‪45‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪49‬‬
‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬ ‫‪-------‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪14‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺑﻌد ﺣﺳﺎب اﻟﻣﺗوﺳطﺎت اﻟﻣﻣﻛﻧﺔ ﻧﺳﺗﺧرج اﻟﺗﻛ اررات اﻟﻣﻘﺎﺑﻠﺔ ﻟﻬذﻩ اﻟﻣﺗوﺳطﺎت وﻧدوﻧﻬﺎ ﻓﻲ اﻟﺟدول رﻗم ‪10‬‬
‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪ni‬‬ ‫‪X‬‬ ‫‪i‬‬

‫‪01‬‬ ‫‪38‬‬ ‫‪01‬‬ ‫‪19‬‬

‫‪01‬‬ ‫‪39‬‬ ‫‪01‬‬ ‫‪25‬‬
‫‪01‬‬ ‫‪45‬‬ ‫‪01‬‬ ‫‪28‬‬
‫‪01‬‬ ‫‪49‬‬ ‫‪01‬‬ ‫‪29‬‬
‫‪--------‬‬ ‫‪------‬‬ ‫‪01‬‬ ‫‪32‬‬
‫‪10‬‬ ‫اﻟﻣﺟﻣوع‬ ‫‪01‬‬ ‫‪36‬‬
‫‪10‬‬
‫‪ n iXi‬‬
‫‪‬‬ ‫‪ X  i0110‬‬ ‫‪ 19  01 25 01 ............  49  01  340  34‬‬
‫‪X‬‬ ‫‪20‬‬ ‫‪10‬‬
‫‪ ni‬‬
‫‪i01‬‬

‫‪10‬‬
‫‪ X i 340‬‬
‫‪X  i1 ‬‬ ‫‪ 34‬‬ ‫ﻛﻣﺎ ﯾﻣﻛن ﺣﺳﺎﺑﻪ ﺑطرﯾﻘﺔ اﺧرى ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪10‬‬
‫‪-‬ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪:‬‬
‫‪10‬‬ ‫‪2‬‬

‫‪ n X   ‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪01 19  34   01  25  34   ...........  01  49  34 ‬‬
‫‪2‬‬

‫‪ ‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪V X‬‬ ‫‪ X ‬‬ ‫‪i  01‬‬
‫‪15‬‬
‫‪‬‬
‫‪10‬‬
‫‪n‬‬
‫‪i  01‬‬
‫‪i‬‬

‫‪762‬‬
‫‪‬‬ ‫‪ 76.20‬‬
‫‪10‬‬
‫‪ -6‬إﺷﺗﻘﺎق اﻟﻌﻼﻗﺔ ﺑﯾن ﻛل ﻣن اﻟﺗوزﯾﻊ اﻟﻌﯾﻧﻲ واﻟﻣﺟﺗﻣﻊ ﻟﻛل ﻣن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻓﻲ ﺣﺎﻟﺗﻲ‬
‫اﻟﺳﺣب ﺑﺎﻹرﺟﺎع واﻟﺳﺣب ﺑدون إرﺟﺎع‪.‬‬
‫‪ 1-6‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع‬
‫أ‪-‬ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ‪ :‬وﺟدﻧﺎ ان اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع ﻫو ﻧﻔﺳﻪ‬
‫اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ او ﺑﻌﺑﺎرة أﺧرى ان اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻼوﺳﺎط اﻟﺣﺳﺎﺑﯾﺔ ﻟﻠﻌﯾﻧﺎت ﯾﺳﺎوي اﻟوﺳط‬
‫‪‬‬
‫‪‬‬ ‫‪X  X 34‬‬
‫‪‬‬
‫‪‬‬ ‫اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ اي اﻧﻪ‪:‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ ‬‬
‫‪E X  X 34‬‬
‫ب‪-‬ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗﺑﺎﯾن‪ :‬وﺟدﻧﺎ ﻣﻣﺎ ﺳﺑق ان ﺗﯾﺎﺑن اﻟﻌﯾﻧﺔ ﻻ ﯾﺳﺎوي ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ‬
‫‪2‬‬
‫‪V X   X  ‬‬ ‫اﻻرﺟﺎع وﻟﻛن ﺗوﺟد ﻋﻼﻗﺔ ﺑﯾﻧﻬﻣﺎ اﻻ وﻫﻲ‪:‬‬
‫‪2‬‬ ‫‪203.20‬‬
‫‪‬‬ ‫‪ 101.60‬‬
‫‪n‬‬ ‫‪02‬‬
‫وﺗﻛون ﻫذﻩ‬ ‫وﻗد ﺣﺻﻠﻧﺎ ﻋﻠﻰ ﻫذﻩ اﻟﻘﯾﻣﺔ )‪ (101.60‬ﻋﻧد ﺣﺳﺎب ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻟﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ل ‪X‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪15‬‬
‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﻌﻼﻗﺔ ﺑﯾن ﺗﺑﺎﯾن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ وﺑﯾن ﺗﺑﺎﯾن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ ﺻﺣﯾﺣﺔ اذا ﺗم ﺳﺣب اﻟﻌﯾﻧﺎت ﺑﺎﻻرﺟﺎع ﻣن‬
‫ﻣﺟﺗﻣﻊ ﻣﺣدود اﻟﺣﺟم‪ ،‬ﺣﯾث ﻻ ﯾؤﺛر ﺳﺣب ﻣﻔردة ﻣن اﻟﻣﺟﺗﻣﻊ ﻋﻠﻰ ﺳﺣب ﻣﻔردة أﺧرى وﻣن ﺛم ﯾﻛون‬
‫ﻫذﯾن اﻟﺣدﺛﯾن ﻣﺳﺗﻘﻠﯾن اﺣﺻﺎﺋﯾﺎ وﺗﻛون اﻟﻌﻼﻗﺔ اﻻﺧﯾرة ﺻﺣﯾﺣﺔ اﯾﺿﺎ ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺟﺗﻣﻌﺎت اﻟﻼﻧﻬﺎﺋﯾﺔ‬
‫اﻟﺣﺟم ﺳواء ﻛﺎن اﻟﺳﺣب ﺑﺎﻻرﺟﺎع او ﺑدون ارﺟﺎع ﺣﯾث ﻻ ﯾﺗﺎﺛر ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﺑﺳﺣب ﻣﻔردة ﻣﻧﻪ‪ ،‬وﻣن‬
‫ﺛم ﯾﻛون ﺣدث ﺳﺣب ﻣﻔردة ﻣﺳﺗﻘﻼ ﻋن ﺣدث ﺳﺣب ﻣﻔردة اﺧرى وﯾﺗﺣﻘق ﻫذا اﻻﺳﺗﻘﻼل اﻻﺣﺻﺎﺋﻲ‬
‫‪n‬‬
‫ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻛﺑﯾ ار ﺑﺎﻟﻧﺳﺑﺔ ﻟﺣﺟم اﻟﻌﯾﻧﺔ اي ﻋﻧدﻣﺎ ‪0.05‬‬
‫‪N‬‬
‫‪ 2-6‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع‬
‫أ‪-‬ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ‪ :‬اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﺗوزﯾﻊ اﻟﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻫو اﯾﺿﺎ‬
‫‪‬‬
‫‪‬‬ ‫‪X  X 34‬‬
‫‪‬‬
‫‪‬‬ ‫ﯾﺳﺎوي اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ اي ان‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ ‬‬
‫‪E X  X 34‬‬
‫ب‪-‬ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗﺑﯾﺎﯾن‪ :‬وﺟدﻧﺎ ﻓﯾﻣﺎ ﺳﺑق ان ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻻ ﯾﺳﺎوي ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم‬
‫‪2‬‬
‫‪V X ‬‬ ‫‪ ‬‬ ‫‪2‬‬
‫‪X‬‬
‫‪‬‬ ‫‪Nn‬‬
‫‪‬‬
‫‪n N 1‬‬ ‫اﻻرﺟﺎع وﻻﻛن ﺗوﺟد ﻋﻼﻗﺔ ﺑﯾﻧﻬﻣﺎ وﻫﻲ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪203.20 05  20‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 76.20‬‬
‫‪02‬‬ ‫‪05  01‬‬
‫ﻋﻧدﻣﺎ ﯾﺗم اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻓﺎن ﺳﺣب ﻣﻔردة ﻣن اﻟﻣﺟﺗﻣﻊ ﻟﺗﻛوﯾن اﻟﻌﯾﻧﺔ ﯾؤﺛر ﻋﻠﻰ ﺳﺣب اي‬
‫ﻣﻔردة أﺧرى وﻫﻧﺎ ﯾﻛون اﻟﺣدﺛﯾن ﻏﯾر ﻣﺳﺗﻘﻠﯾن وﯾﺗﺣﻘق ﻋدم اﻻﺳﺗﻘﻼل اﻻﺣﺻﺎﺋﻲ اﯾﺿﺎ ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم‬

‫‪.‬‬
‫‪n‬‬
‫اﻟﻣﺟﺗﻣﻊ ﺻﻐﯾ ار ﻧﺳﺑﯾﺎ ﺑﺎﻟﻧﺳﺑﺔ ﻟﺣﺟم اﻟﻌﯾﻧﺔ اي ﻋﻧدﻣﺎ ﯾﺗﺣﻘق اﻟﺷرط ‪0.05‬‬
‫‪N‬‬
‫اﻟﺧﻼﺻﺔ‪:‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻻرﺟﺎع او ﻋدم اﻻرﺟﺎع ﻓﺎن ﻣﺗوﺳط اﻟﻌﯾﻧﺔ ﯾﺳﺎوي داﺋﻣﺎ ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ اي‬

‫‪ ‬‬
‫‪E X‬‬
‫‪x‬‬
‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫ﻓﺎن‬
‫‪n‬‬
‫‪-‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻻرﺟﺎع او ﻋدم اﻻرﺟﺎع و ‪0.05‬‬
‫‪2‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪n‬‬ ‫‪N‬‬
‫‪2‬‬
‫‪‬‬‫‪ Nn‬‬ ‫ﻓﺎن‬
‫‪n‬‬
‫‪-‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع و ‪0.05‬‬
‫‪2‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪n N 1‬‬ ‫‪N‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪16‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪-2‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻣن ﻣﺟﺗﻣﻊ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﻣﻌﻠوم‬ ‫‪‬‬
‫‪2‬‬
‫‪ 1-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن‬
‫وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل‬ ‫‪‬‬
‫‪2‬‬
‫وﺗﺑﯾﺎﯾن‬ ‫‪‬‬ ‫ﻧظرﯾﺔ‪ :04‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‬
‫اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ ذات اﻟﺣﺟم ‪ ،n‬ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬ﺳﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫‪2‬‬

‫‪ X  N  X,‬وﺳﯾﺗوزع ﻫذا اﻟﻣﺗﻐﯾر‬ ‫‪‬‬ ‫‪‬‬ ‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪  X  ‬وﺗﺑﺎﯾن ﻗدرﻩ ‪   ‬اي‬
‫‪2‬‬ ‫‪2‬‬
‫‪X‬‬
‫‪X‬‬ ‫‪n‬‬

‫‪Z‬‬
‫‪X i  X‬‬
‫‪‬‬
‫‪Xi ‬‬
‫‪ N  0,1‬‬ ‫ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﻣﻌﯾﺎرﯾﺎ ﺗﺑﻌﺎ ﻟﻼﺣﺻﺎءة ‪ Z‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪2‬‬
‫‪X‬‬ ‫‪‬‬
‫‪n‬‬
‫ﻫذﻩ اﻟﻧظرﯾﺔ ﺻﺣﯾﺣﺔ ﺑﻐض اﻟﻧظر ﻋن ﺣﺟم اﻟﻌﯾﻧﺔ ﺳواء ﻛﺎن ﻛﺑﯾ ار ام ﺻﻐﯾ ار‪.‬‬
‫أﻣﺎ اذا ﻛﺎن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ‪ N‬ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪X‬‬
‫‪2‬‬

‫‪‬‬
‫‪2‬‬
‫‪X‬‬
‫‪‬‬ ‫‪‬‬
‫‪Nn‬‬
‫وﺗﺑﺎﯾن ﻗدرﻩ‬ ‫ﺳﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪ X  ‬‬
‫‪n‬‬ ‫‪N 1‬‬
‫اي ‪ X  N  X, 2‬وﺳﯾﺗوزع ﻫذا اﻟﻣﺗﻐﯾر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﻣﻌﯾﺎرﯾﺎ ﺗﺑﻌﺎ ﻟﻼﺣﺻﺎءة ‪ Z‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬ ‫‪‬‬ ‫‪‬‬
‫‪X‬‬
‫‪X X‬‬
‫‪Z‬‬ ‫‪ X‬‬ ‫‪  0,1‬‬
‫‪ ‬‬
‫‪X‬‬ ‫‪2‬‬
‫‪ Nn‬‬
‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬
‫ﺗﻣرﯾن‪ :02‬إذا ﻛﺎن ﻋدد ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻻﺟرة ﻓﻲ ﻣدﯾﻧﺔ ﻣﺎ ﻫو ‪ 1500‬ﺳﺎﺋق‪ ،‬وﻋﻠﻣت ان اﻋﻣﺎرﻫم‬
‫ﺗﺗوزﯾﻊ ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪ 45‬ﺳﻧﺔ‪ ،‬واﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ 07‬ﺳﻧوات‪ ،‬ﻓﺎذا ﺳﺣﺑﻧﺎ ﻣﻊ‬
‫ﻋدم اﻻرﺟﺎع ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﻬﺎ ‪ 16‬ﺳﺎﺋﻘﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اﻋﻣﺎر ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻻﺟرة؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر ﻟﻬذﻩ اﻟﻌﯾﻧﺔ أﻛﺑر ﻣن ‪ 48‬ﺳﻧﺔ؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 45‬ﺳﻧﺔ واﻧﺣراف ﻣﻌﯾﺎري ‪07‬‬
‫ﺳﻧوات وﻫو ﯾﻣﺛل اﻋﻣﺎر ﺳﺎﺋق ﺳﯾﺎرت اﻻﺟرة ‪X  N  45,  07  ‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع‬ ‫‪n =16،N=1500, 45 ,   07‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اﻋﻣﺎر ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻻﺟرة‬
‫ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﯾﺧﺿﻊ ﻫو اﻻﺧر ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬

‫‪‬‬
‫‪X  N  X, 2X‬‬ ‫‪‬‬ ‫ﺣﺳب اﻟﻧظرﯾﺔ رﻗم ‪04‬‬

‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪17‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫‪ ‬‬
‫‪E X   X   45‬‬ ‫اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع )اﻟﺷرطﺎن اﻟﻛﺎﻓﯾﺎن( ﻣﺣﻘﻘﺎن ﻧﻧﺗﻘل اذن‬
‫اﻟﻰ اﻟﺷرط اﻟﻼزم وﻫو ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ‬
‫‪ ،‬إذن ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع ‪.‬‬ ‫ﻧﺣﺳب اوﻻ ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ‪ 0.0106  0.05‬‬
‫‪n‬‬ ‫‪16‬‬
‫‪‬‬
‫‪N 1500‬‬
‫‪2‬‬
‫‪‬‬
‫‪2‬‬
‫‪X‬‬
‫‪‬‬ ‫‪‬‬
‫‪49  03.0625‬‬
‫‪n‬‬ ‫‪16‬‬
‫‪X  N  45,03.0625 ‬‬ ‫إذن‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر ﻟﻬذﻩ اﻟﻌﯾﻧﺔ أﻛﺑر ﻣن ‪ 48‬ﺳﻧﺔ‪ :‬ﺑﻣﺎ ان ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﯾﺧﺿﻊ‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق ﻧﻧﺗﻘل اﻟﻰ اﻟﻘﯾﻣﺔ اﻟﻣﻌﯾﺎرﯾﺔ او اﻻﺣﺻﺎءة ‪Z‬‬
‫‪X i  X‬‬
‫‪Z‬‬ ‫‪ N  0,1‬‬
‫‪X‬‬
‫‪‬‬ ‫‪48  45 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P X  48  P  Z ‬‬
‫‪‬‬ ‫‪03‬‬ ‫‪.‬‬‫‪0625‬‬
‫‪  P  Z  01.71‬‬
‫‪‬‬
‫‪ 1 P  Z  01.71  1  F  01.71‬‬
‫‪ 1 0.95637  0.04363‬‬
‫ﺗﻣرﯾن‪:03‬إذا ﻋﻠﻣت ان ﻣﻌدﻻت ‪ 420‬طﺎﻟب ﻓﻲ اﻣﺗﺣﺎن اﻻﺣﺻﺎء اﻻﺳﺗﻧﺗﺎﺟﻲ ﺗﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ‪ 68‬وﺗﺑﺎﯾن ﻗدرﻩ ‪ ،25‬ﻓﺎذا ﺳﺣﺑﻧﺎ ﻣن ﻫؤﻻء اﻟطﻠﺑﺔ ﻣﻊ ﻋدم اﻻرﺟﺎع ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ‬
‫ﺗﺷﻣل ‪ 100‬طﺎﻟب‪.‬‬
‫اﻟﻣطﻠوب‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﻌدﻻت اﻟطﻠﺑﺔ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﺑﯾن ‪ 67‬و‪69‬؟‬
‫اﻟﺣل‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪ 68‬وﺗﺑﺎﯾن ﻗدرﻩ ‪ 25‬وﻫو ﯾﻣﺛل‬
‫‪X  N  68, 25‬‬ ‫ﻣﻌدﻻت اﻟطﻠﺑﺔ‬
‫اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ‪N  420,   68, 2  25, n  100‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﻌدﻻت اﻟطﻠﺑﺔ‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﻟﻣﻌدﻻت اﻟطﻠﺑﺔ ﻓﻲ اﻟﻌﯾﻧﺔ ﺳﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪‬‬
‫‪X  N  X, 2X‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E X   X   68‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪18‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع )اﻟﺷرطﺎن اﻟﻛﺎﻓﯾﺎن ﻣﺣﻘﻘﺎن( ﻧﻧﺗﻘل اﻟﻰ‬
‫اﻟﺷرط اﻟﻼزم وﻫو ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ‬
‫‪ ،‬إذن اﻟﺷرط ﻣﺣﻘق وﺑﺎﻟﺗﺎﻟﻲ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع‪.‬‬ ‫ﻧﺣﺳب ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ‪ 0.238  0.05‬‬
‫‪n 100‬‬
‫‪‬‬
‫‪N 420‬‬

‫‪‬‬ ‫‪2‬‬
‫‪X‬‬
‫‪2  N  n  25  420 100  0.1909‬‬
‫‪n‬‬ ‫‪N 1 100‬‬ ‫‪420 1‬‬

‫‪X  N 68,0.1909 ‬‬

‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﺑﯾن ‪ 67‬و‪69‬‬
‫ﺑﻣﺎ ان ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق ﻧﻧﺗﻘل اﻟﻰ اﻟﻘﯾﻣﺔ اﻟﻣﻌﯾﺎرﯾﺔ‬
‫‪X i  X‬‬
‫‪Z‬‬ ‫‪ N  0,1‬‬ ‫او اﻻﺣﺻﺎءة ‪Z‬‬
‫‪X‬‬
‫‪‬‬ ‫‪67  68‬‬ ‫‪69  68 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 67  X  69  P ‬‬
‫‪‬‬ ‫‪0.1909‬‬
‫‪ Z‬‬ ‫‪  P  02.29  Z  02.29 ‬‬
‫‪0.1909 ‬‬
‫‪ F  02.29   F  02.29  F  02.29  1 F  02.29 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 02F  02.29  01  02  0.98899 1  0.97798‬‬
‫ﺗﻣرﯾن‪ :04‬ﻣﺻﻧﻊ ﻟﻠﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ ﯾﻔﺗرض ان اﻋﻣﺎر اﻟﻣﺻﺎﺑﯾﺢ ﺗﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط‬
‫ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪800‬ﺳﺎﻋﺔ واﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ 40‬ﺳﺎﻋﺔ‪ ،‬اﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ‪ 36‬ﻣﺻﺑﺎح‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اﻋﻣﺎر اﻟﻣﺻﺎﺑﯾﺢ؟‬
‫‪-2‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﯾﺔ‬
‫‪ 1-2‬ان ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر اﻗل ﻣن ‪ 780‬ﺳﺎﻋﺔ؟‬
‫‪ 2-2‬ان ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر اﻛﺑر ﻣن ‪ 810‬ﺳﺎﻋﺔ؟‬
‫‪ 3-2‬ان ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر ﻣﺣﺻور ﺑﯾن ‪ 790‬ﺳﺎﻋﺔ و‪ 810‬ﺳﺎﻋﺔ؟‬
‫اﻟﺣل‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 800‬واﻧﺣراف ﻣﻌﯾﺎري ‪ 40‬وﻫو‬
‫ﯾﻣﺛل اﻋﻣﺎر اﻟﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ‪.‬‬
‫‪)،‬ﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود(∞=‪N‬‬ ‫‪800 ،   40 ،n=36‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اﻋﻣﺎر اﻟﻣﺻﺎﺑﯾﺢ‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﻓﺎن ﺗوزﯾﻊ‬
‫اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اﻋﻣﺎر اﻟﻣﺻﺎﺑﯾﺢ ﺳﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪19‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫‪‬‬
‫‪X  N  X, 2X‬‬ ‫‪‬‬
‫‪E  X    X  800‬‬
‫‪‬‬ ‫‪‬‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﻣن ﺧﻼل ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻧﻼﺣظ ان اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﺑﺎﻟﺗﺎﻟﻲ ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل‬
‫‪2‬‬ ‫‪2‬‬

‫‪‬‬
‫‪2‬‬
‫‪X‬‬
‫‪   40  44.44‬‬ ‫اﻻرﺟﺎع وﯾﺣﺳب اﻟﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪36‬‬
‫‪X  N 800, 44.44 ‬‬

‫‪-2‬ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‬
‫‪‬‬ ‫‪780  800 ‬‬
‫‪‬‬
‫‪P X  780‬‬ ‫‪‬‬ ‫‪ P  Z ‬‬ ‫‪P‬‬ ‫‪ Z  03  F  03  01 F  03‬‬ ‫‪1 -2‬‬
‫‪‬‬ ‫‪44.44 ‬‬
‫‪ 01 0.99865  0.00135‬‬
‫‪‬‬ ‫‪‬‬
‫‪P X  810  P  Z  810  800   P  Z  01.50   01 P  Z  01.50 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪44.44 ‬‬ ‫‪2-2‬‬
‫‪ 01 F  01.50  01 0.93319  0.06681‬‬
‫‪ 790  800‬‬ ‫‪810  800 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 790  X  810  P ‬‬
‫‪‬‬ ‫‪44.44‬‬
‫‪ Z‬‬
‫‪44.44 ‬‬
‫‪  P  01.50  Z  01.50 ‬‬

‫‪ F  01.50  F  01.50   F  01.50  1  F  01.50‬‬ ‫‪3-2‬‬

‫‪‬‬ ‫‪‬‬
‫‪ 02F  01.50   01  02  0.93319  01  0.86638‬‬
‫ﻣﻼﺣظﺔ ﻫﺎﻣﺔ‪:‬‬
‫‪-‬إذا ﻛﺎن اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع ﻓﻬذا ﯾﻌﻧﻲ ان اﻟﺗوزﯾﻊ ﻫو ﺗوزﯾﻊ ذي اﻟﺣدﯾن ‪X  BEN  np, npq ‬‬
‫‪-‬إذا ﻛﺎن اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻓﻬذا ﯾﻌﻧﻲ ان اﻟﺗوزﯾﻊ ﻫو ﺗوزﯾﻊ ﻣﺎﻓوق اﻟﻬﻧدﺳﻲ‬
‫‪‬‬ ‫‪Nn‬‬
‫‪X  HG  np, npq ‬‬
‫‪‬‬ ‫‪N  1 ‬‬
‫ﻋﻧد ﻛﺑر ﺣﺟم اﻟﻣﺟﺗﻣﻊ وذﻫﺎﺑﻪ اﻟﻰ ﻣﺎ ﻻﻧﻬﺎﯾﺔ‪ ،‬ﯾﻘﺗرب اﻟﺗوزﯾﻊ ﻣﺎﻓوق اﻟﻬﻧدﺳﻲ ﻣن اﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن‬
‫‪،‬اي ﯾﺗﺳﺎوى اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻣﻊ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع وﺑﺎﻟﺗﺎﻟﻲ ﯾﺻﺑﺢ ﻣﻌﺎﻣل اﻻرﺟﺎع ﻣﺳﺎوﯾﺎ‬
‫‪lim N  n  1‬‬ ‫اﻟﻰ اﻟواﺣد اﻟﺻﺣﯾﺢ‬
‫‪N N 1‬‬
‫وﺑﻣﺎ ان ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻓﻲ اﻟﺗﻣرﯾن ﻛﺑﯾر ﺟدا ﻟم ﯾذﻛر ﺧﺎﺻﯾﺔ اﻟﺳﺣب )ﺑﺎﻻرﺟﺎع او ﻋدم اﻻرﺟﺎع(‬
‫ﻻﻧﻬﻣﺎ ﺳوف ﯾﺗﺳﺎوﯾﺎن‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪20‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﻣﺟﻬول و)‪(n≥30‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ 2-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن‬
‫ﻓﻲ ﻛﺛﯾر ﻣن اﻟﺗطﺑﯾﻘﺎت اﻟﻣﺗﻌﻠﻘﺔ ﺑﺎﺳﺗﻌﻣﺎل اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻻ ﯾﻛون اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪‬‬
‫ﻣﻌﻠوﻣﺎ ‪ ،‬وﻟذﻟك اذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﯾﺳﺎوي او اﻛﺛر ﻣن ‪ 30‬ﻓﺎﻧﻧﺎ ﻧﺳﺗﻌﻣل ‪)S‬اﻻﻧﺣراف اﻟﻣﻌﯾﺎري‬
‫ﻟﻠﻌﯾﻧﺔ( ﺑدﻻ ﻣن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪ ، ‬وﯾﻛون اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ X‬ﺧﺎﺿﻌﺎ ﻟﺗوزﯾﻊ ﯾﻣﻛﻧﻧﺎ‬
‫ﺗﻘرﯾﺑﻪ اﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري)‪ (Z‬ﻣﺎداﻣت)‪(n≥30‬‬
‫ﻧظرﯾﺔ‪ :05‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪ x1,x2,x3……xn‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ )‪ (n≥30‬وﻣﺄﺧوذة ﻣن ﻣﺟﺗﻣﻊ‬
‫وﻛﺎﻧت ‪ 2‬ﻣﺟﻬوﻟﺔ‪ ،‬وﻛﺎﻧت ‪ S2‬ﻫﻲ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻓﺎن‬ ‫‪‬‬
‫‪X  N ,  2‬‬ ‫‪‬‬ ‫ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬

‫اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ X‬ﺳﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪  ‬‬
‫‪X‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫وﺗﻌطﻰ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪ ‬او ﺑﺷﻛل ﻣﻛﺎﻓﺊ ‪  n  nS 1‬‬
‫‪2‬‬
‫‪X‬‬
‫‪2‬‬
‫‪X‬‬
‫‪ S‬‬ ‫وﺗﺑﺎﯾن ﻗدرﻩ‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪Z X‬‬ ‫‪X‬‬ ‫‪i‬‬
‫‪X‬‬ ‫‪ N  0,1‬‬
‫‪X‬‬ ‫‪i‬‬
‫‪‬‬
‫‪X‬‬ ‫‪i‬‬ ‫‪X‬‬

‫‪‬‬ ‫‪S‬‬ ‫‪X‬‬‫‪S‬‬

‫‪n‬‬ ‫‪n 1‬‬

‫ﻓﻧﺳﺗﺑدل اﻟﻌﻼﻗﺎت اﻟﺳﺎﺑﻘﺔ‬ ‫‪n‬‬

‫‪ 0.05‬‬ ‫أﻣﺎ اذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ )‪ (N‬ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع و‬
‫‪N‬‬
‫ﺑﺎﺿﺎﻓﺔ ﻣﻌﺎﻣل اﻻرﺟﺎع وﺗﺻﺑﺢ اﻟﻌﻼﻗﺎت ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪S‬‬ ‫‪ Nn‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪n 1 n 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪X ‬‬
‫‪‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪  S Nn‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n 1‬‬
‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﺗﺻﺑﺢ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪X ‬‬
‫‪Z  Xi‬‬ ‫‪X‬‬
‫‪ X i X‬‬ ‫‪‬‬ ‫‪i‬‬
‫‪ N  0,1‬‬
‫‪X‬‬

‫‪‬‬ ‫‪X‬‬
‫‪S‬‬ ‫‪Nn‬‬ ‫‪S ‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬

‫ﺗﻣرﯾن‪ :05‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﻣﺛل أطوال اﻟطﻼب ﻟﺟﺎﻣﻌﺔ اﺑن ﺧﻠدون‪ ،‬وﻛﺎن ﻫذا اﻟﻣﺗﻐﯾر‬
‫ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑوﺳط ﺣﺳﺎﺑﻲ‪160‬ﺳم وﺗﺑﺎﯾن ﻣﺟﻬول‪ ،‬اﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 37‬طﺎﻟب‬
‫وﻛﺎن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻫو‪60‬ﺳم‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط أطوال اﻟطﻠﺑﺔ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون طول اﻟطﻠﺑﺔ ﻓﻲ ﻫذﻩ اﻟﻌﯾﻧﺔ اﻗل ﻣن ‪163‬ﺳم؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪160‬ﺳم وﺗﺑﺎﯾن ﻣﺟﻬول‪ ،‬وﻫو ﯾﻣﺛل اطوال‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪21‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟطﻠﺑﺔ ﻟﺟﺎﻣﻌﺔ اﺑن ﺧﻠدون ﺑﺗﯾﺎرت ‪X  N 160, 2 ‬‬
‫‪2‬‬
‫‪)،‬ﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود(∞=‪N‬‬ ‫‪160 ، 2 ،S =60، n=37‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اطوال اﻟطﻠﺑﺔ‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺗﺑﺎﯾﻧﻪ ﻣﺟﻬول‬
‫وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ اﻛﺑر ﺗﻣﺎﻣﺎ ﻣن ‪ 30‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اطوال اﻟطﻠﺑﺔ ﺳﯾﻛون ﺗوزﯾﻊ ﻗرﯾب‬

‫ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ‪X  N  X, 2X‬‬

‫‪‬‬ ‫‪‬‬
‫‪E  X    X  160‬‬
‫‪‬‬ ‫‪‬‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﻣن ﺧﻼل ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻧﻼﺣظ ان اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﺑﺎﻟﺗﺎﻟﻲ ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل‬
‫‪2‬‬ ‫‪2‬‬

‫‪  n‬‬ ‫‪S‬‬ ‫اﻻرﺟﺎع وﯾﺣﺳب اﻟﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪2‬‬ ‫‪60‬‬
‫‪X‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 01.67‬‬
‫‪n 1 37 1‬‬
‫ﻛﻣﺎ ﻧﻌﻠم ان اﻟﻌﻼﻗﺔ ﺑﯾن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺗﺣﯾز واﻟﻌﯾﻧﺔ ﻏﯾر اﻟﻣﺗﺣﯾز ﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪nS2‬‬ ‫‪  n 1 S  S  nS  37  60  61.67‬‬
‫‪ n 1 37 1‬‬
‫‪2‬‬
‫‪2‬‬
‫‪ S‬‬ ‫إذن‬
‫‪2‬‬ ‫‪61.67‬‬
‫‪‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪37‬‬
‫‪ 01.67‬‬

‫‪X  N160,01.67 ‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬

‫‪ -2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون طول اﻟطﻠﺑﺔ ﻓﻲ ﻫذﻩ اﻟﻌﯾﻧﺔ اﻗل ﻣن ‪163‬ﺳم‬
‫‪‬‬ ‫‪‬‬ ‫‪X    N  0,1‬‬ ‫ﺑﺗطﺑﯾق ﻋﻼﻗﺔ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪‬‬ ‫‪‬‬
‫‪Z X‬‬ ‫‪i‬‬ ‫‪X‬‬
‫‪X‬‬ ‫‪i‬‬
‫‪‬‬
‫‪X‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪X‬‬

‫‪‬‬ ‫‪X‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪n‬‬ ‫‪n 1‬‬

‫‪‬‬ ‫‪‬‬
‫‪P X  163  P  Z  163 160   P  Z  02.32  F  02.32  0.98983‬‬
‫‪‬‬ ‫‪‬‬ ‫‪01.67‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻣﺟﻬول و)‪(n<30‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ 3-2‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﯾﺎﯾن‬
‫ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﻲ ﯾﻛون ﻓﯾﻬﺎ ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬اﻗل ﺗﻣﺎﻣﺎ ﻣن ‪ 30‬ﻓﺎن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻠﻌﯾﻧﺔ ﺗﻛون ذات‬
‫ﺗﻐﯾر ﻛﺑﯾر ﻟدرﺟﺔ ان ‪ S‬ﻻ ﺗﻛون ﺗﻘدﯾ ار ﻣوﺛوﻗﺎ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪ ‬وﺑﺎﻟﺗﺎﻟﻲ ﯾﻛون اﻟﻣﺗﻐﯾر‬
‫اﻟﻌﺷواﺋﻲ ‪ X‬ﺧﺎﺿﻌﺎ ﻟﺗوزﯾﻊ ﻻ ﯾﻣﻛﻧﻧﺎ ﺗﻘرﯾﺑﻪ اﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ ،(Z‬واﻧﻣﺎ ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ‬
‫آﺧر ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ ﺳﺗودﻧت )او ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺎت اﻟﺻﻐﯾرة( ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V=n-1‬وﺑﺎﻟﻣﻌﻠﻣﺗﯾن‬
‫‪X  T V  0, V‬‬ ‫‪‬‬
‫‪‬‬ ‫‪V  2 ‬‬
‫ﻧظرﯾﺔ ‪ :06‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪ x1,x2,x3……xn‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ )‪ (n<30‬وﻣﺄﺧوذة ﻣن‬
‫ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ‪ X  N , 2‬وﻛﺎﻧت ‪ 2‬ﻣﺟﻬوﻟﺔ‪ ،‬وﻛﺎﻧت ‪ S2‬ﻫﻲ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻓﺎن‬ ‫‪‬‬ ‫‪‬‬
‫اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ X‬ﻟن ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري واﻧﻣﺎ ﻟﺗوزﯾﻊ آﺧر ﻫو ﺗوزﯾﻊ ﺳﺗودﻧت)‪ (T‬ﺑدرﺟﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪22‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫وﺗﺑﺎﯾن ﻗدرﻩ‬ ‫ﺣرﯾﺔ )‪ ، (V=n-1‬اﻣﺎ ﻣﻌﻠﻣﺗﻲ ﺗوزﯾﻊ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ل ‪ X‬ﻓﻬﻣﺎ ‪  ‬‬
‫‪X‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫وﺗﻌطﻰ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬ ‫‪‬‬

‫‪2‬‬
‫‪X‬‬
‫‪  S‬‬ ‫‪  X  ‬او ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪2‬‬
‫‪S‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪X ‬‬
‫‪T  Xi‬‬ ‫‪X‬‬
‫‪ Xi ‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪X‬‬

‫‪‬‬ ‫‪X‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪n‬‬ ‫‪n 1‬‬

‫ﻓﻧﺳﺗﺑدل اﻟﻌﻼﻗﺎت اﻟﺳﺎﺑﻘﺔ ﺑﺎﺿﺎﻓﺔ‬ ‫‪n‬‬

‫‪ 0.05‬‬ ‫أﻣﺎ اذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع و‬
‫‪N‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪S‬‬ ‫‪ Nn‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n 1 n 1‬‬
‫‪‬‬
‫‪2‬‬
‫‪‬‬
‫‪X ‬‬ ‫‪2‬‬ ‫ﻣﻌﺎﻣل اﻻرﺟﺎع وﺗﺻﺑﺢ اﻟﻌﻼﻗﺎت ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪  S Nn‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n 1‬‬
‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (T‬ﻓﺗﺻﺑﺢ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪X ‬‬ ‫‪X ‬‬
‫‪T  Xi‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪‬‬
‫‪i‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪X‬‬

‫‪‬‬ ‫‪X‬‬
‫‪S  Nn‬‬ ‫‪S‬‬ ‫‪‬‬
‫‪Nn‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬
‫ﺗﻣرﯾن‪ :6‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﻣﺛل اوزان اﻛﯾﺎس اﻟطﺣﯾن اﻟﺗﻲ ﺗﻧﺗﺟﻬﺎ اﺣدى اﻟﻣؤﺳﺳﺎت‪ ،‬وﻛﺎن ﻫذا‬
‫اﻟﻣﺗﻐﯾر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 50‬ﻛﻎ وﺗﺑﺎﯾن ﻣﺟﻬول‪ ،‬اﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ‬
‫ﺣﺟﻣﻬﺎ ‪ 09‬اﻛﯾﺎس ﻣن اﻧﺗﺎج ﻫذﻩ اﻟﻣؤﺳﺳﺔ ووﺟد ان اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻻوزان ﻫذﻩ اﻻﻛﯾﺎس ﯾﺳﺎوي‬
‫‪01‬ﻛﻎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اوزان اﻻﻛﯾﺎس؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾزﯾد اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﻋن ‪51‬ﻛﻎ؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪50‬ﻛﻎ وﺗﺑﺎﯾن ﻣﺟﻬول‪ ،‬وﻫو ﯾﻣﺛل اوزان‬
‫اﻛﯾﺎس اﻟطﺣﯾن اﻟﺗﻲ ﺗﻧﺗﺟﻬﺎ اﺣدى اﻟﻣؤﺳﺳﺎت‪.‬‬
‫‪2‬‬
‫‪)،‬ﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود(∞=‪N‬‬ ‫‪50 ، 2 ،S =،01 n=09‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط اوزان اﻻﻛﯾﺎس‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺗﺑﺎﯾﻧﻪ ﻣﺟﻬول‬
‫وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ اﻟﻣﺳﺣوﺑﺔ اﻗل ﺗﻣﺎﻣﺎ ﻣن ‪ 30‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ‬

‫ﺳﺗودﻧت )‪ (T‬ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V=09-01=08‬أي ‪X T v  X,2X‬‬

‫‪‬‬ ‫‪‬‬
‫اﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ اي اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪23‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﯾﺳﺎوي ‪E  X    X  50‬‬

‫‪‬‬ ‫‪‬‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﻣن ﺧﻼل ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻧﻼﺣظ ان اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﺑﺎﻟﺗﺎﻟﻲ ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪2‬‬
‫‪X‬‬
‫‪‬‬ ‫‪‬‬ ‫‪S‬‬ ‫‪ 01  0.125‬‬ ‫اﻻرﺟﺎع وﯾﺣﺳب اﻟﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪n 1 09 1‬‬
‫‪X  T08  50,0.125 ‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾزﯾد اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﻋن ‪51‬ﻛﻎ‬
‫‪‬‬ ‫‪X ‬‬ ‫‪X ‬‬
‫‪T  Xi‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪‬‬
‫‪i‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪X‬‬
‫ﺑﺗطﺑﯾق ﻋﻼﻗﺔ ﺗوزﯾﻊ ﺳﺗودﻧت‬
‫‪‬‬ ‫‪X‬‬
‫‪S  Nn‬‬ ‫‪S  Nn‬‬
‫‪n‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬ ‫‪n 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪P X  51  P  T08  51  50   P  T08  02.828  F  02.828  0.988‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪0.125 ‬‬
‫ﺑﺎﻟﻌودة اﻟﻰ ﺟدول ﺳﺗودﻧت واﻟﺑﺣث ﻋن ﻗﯾﻣﺔ اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻠﻘﯾﻣﺔ ‪ 02.32‬ﺑدرﺟﺔ ﺣرﯾﺔ ‪ 08‬ﻻ ﻧﺟد‬
‫ﻫذﻩ اﻟﻘﯾﻣﺔ واﻧﻣﺎ ﺗﻛون ﻣﺣﺻورة ﺑﯾن ﻗﯾﻣﺗﯾن وﻻﯾﺟﺎد ﻗﯾﻣﺔ اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻬﺎ ﻧﺳﺗﺧدم ﻧظرﯾﺔ اﻟﺣﺻر‬
‫ﺑﺎﻟﻧﻘﺻﺎن او اﻟزﯾﺎدة ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪02.306‬‬ ‫‪02.828‬‬ ‫‪02.896‬‬

‫‪0.975‬‬ ‫‪α‬‬ ‫‪0.99‬‬
‫ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﺣﺻر ﺑﺎﻟﻧﻘﺻﺎن‪:‬‬
‫)‪(02.896-02.306‬‬ ‫)‪(0.99-0.975‬‬
‫)‪(02.828-02.306‬‬ ‫)‪(α -0.975‬‬
‫إذن‬
‫)‪(00.59‬‬ ‫)‪(0.015‬‬
‫)‪(0.522‬‬ ‫)‪(α -0.975‬‬
‫إذن ﻗﯾﻣﺔ ‪ α‬ﻫﻲ‪:‬‬
‫‪  0.522  0.015  0.975  0.988‬‬
‫‪0.59‬‬
‫‪ -3‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻣن ﻣﺟﺗﻣﻊ ﻻ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﻗد ﯾﺣدث ﻓﻲ ﻛﺛﯾر ﻣن اﻻﺣﯾﺎن ان ﯾﻛون اﻟﻣﺟﺗﻣﻊ اﻟذي ﺗﺳﺣب ﻣﻧﻪ اﻟﻌﯾﻧﺎت ﻟﯾس ﻣﻌﺗدﻻ‪ ،‬ﻓﻘد ﯾﻛون‬
‫ﻣﻠﺗوﯾﺎ ﻧﺣو اﻟﯾﻣﯾن او ﻧﺣو اﻟﯾﺳﺎر ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻧطﺑق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‪.‬‬
‫إن اول ﻣن ﻋرض ﻫذﻩ اﻟﻧظرﯾﺔ ﻫو ﻻﺑﻼس ﻋﺎم ‪1812‬م وﺑرﻫﻧﻬﺎ ﻟﯾﺑﺎﻧوف ‪1901‬م‪،‬إن اﻫﻣﯾﺔ ﻫذﻩ‬
‫اﻟﻧظرﯾﺔ ﺗﺗﺎﺗﻰ ﻣن ﻛوﻧﻬﺎ إﻋﺗﻣدت ﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ ﻣﺧﺗﻠﻔﺔ‪ ،‬ﺑﺻرف اﻟﻧظر ﻋن طﺑﯾﻌﺔ اﻟﻣﺟﺗﻣﻊ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪24‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻻﺣﺻﺎﺋﻲ اﻟذي ﺟﺎءت ﻣﻧﻪ )طﺑﯾﻌﯾﺎ ﻛﺎن ام ﻏﯾر ذﻟك(إذ ﯾﻛﻔﻲ ان ﯾﻛون ﻟﻬذﻩ اﻟﻣﺗﻐﯾرات اﻟﻌﺷواﺋﯾﺔ ﺗوﻗﻊ‬
‫رﯾﺎﺿﻲ واﻧﺣراف ﻣﻌﯾﺎري اﯾﺎ ﻛﺎن ﺷﻛل ﺗوزﯾﻌﻬﺎ‪.‬‬
‫وﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ﻟﻬﺎ أﻫﻣﯾﺔ ﻛﺑﯾرة ﻓﻲ اﻻﺳﺗﻧﺗﺎج اﻻﺣﺻﺎﺋﻲ‪ ،‬ﻓﺑﺎﺳﺗﺧداﻣﻬﺎ ﻧﻌﺗﺑر ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺳﺗطﯾﻊ اﺳﺗﺧدام اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﻲ‬
‫اﺳﺗﻧﺗﺎﺟﺎت ﺧﺎﺻﺔ ﺑﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ دون اﻟﺣﺎﺟﺔ اﻟﻰ ﻣﻌرﻓﺔ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻬذا اﻟﻣﺟﺗﻣﻊ‪،‬‬
‫ﺑﺷرط ان ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﺑﯾ ار )‪ ،(n≥30‬وﻛﻠﻣﺎ زاد ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﻠﻣﺎ اﻗﺗرب ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط‬
‫اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ أﻛﺛر ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻣﻬﻣﺎ ﻛﺎن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ اﻟذي ﺳﺣﺑﻧﺎ ﻣﻧﻪ اﻟﻌﯾﻧﺎت‪.‬‬
‫ﻧظرﯾﺔ ‪) 06‬ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ(‪:‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺗوزﯾﻌﻪ ﻻ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ )ﻣﺟﻬول(‬
‫وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ واﻟﻣﻣﻛﻧﺔ وذات اﻟﺣﺟم اﻟﻛﺑﯾر‬ ‫‪‬‬
‫‪2‬‬
‫وﺗﺑﯾﺎﯾن‬ ‫‪‬‬ ‫وﺳطﻪ اﻟﺣﺳﺎﺑﻲ‬
‫)‪ (n≥30‬ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬ﺳﯾﺗوزع ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬
‫‪‬‬
‫‪ Z  X i‬ﯾﻘﺗرب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬ ‫‪X‬‬
‫‪  0,1‬‬ ‫ﺑﻌﺑﺎرة أﺧرى ﻓﺈن‬ ‫‪X‬‬
‫‪2‬‬
‫وﺗﺑﺎﯾن ﻗدرﻩ‬ ‫‪X‬‬ ‫ﺣﺳﺎﺑﻲ ﻗدرﻩ‬
‫‪‬‬ ‫‪X‬‬

‫اﻟﻣﻌﯾﺎري ﻛﻠﻣﺎ ﻛﺑرت ‪.n‬‬

‫ﺗﻣرﯾن ‪ :07‬ﻓﻲ اﺣد اﻟﻣﺻﺎﻧﻊ ﻛﺎن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻻﺟور اﻟﻌﻣﺎل ‪ 300‬ون واﻧﺣراف ﻣﻌﯾﺎري ‪ 50‬ون‪،‬‬
‫وﻗد ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 40‬ﻋﺎﻣل ﻣن ﻋﻣﺎل ﻫذا اﻟﻣﺻﻧﻊ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻻﺟور اﻟﻌﻣﺎل؟‬
‫‪-2‬أﺣﺳب اﻻﺣﺗﻣﺎﻻت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪1-2‬إﺣﺗﻣﺎل ان ﯾﻛون اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ اﻗل ﻣن ‪ 275‬ون؟‬
‫‪ 2-2‬إﺣﺗﻣﺎل ان ﯾﻛون اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ أﻛﺑر ﻣن ‪ 320‬ون؟‬
‫‪ 3-2‬إﺣﺗﻣﺎل ان ﯾﻛون اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ﺑﯾن ‪ 280‬ون و‪ 315‬ون؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﻣﺟﻬول ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 300‬ون واﻧﺣراف ﻣﻌﯾﺎري ‪ 50‬ون‪،‬‬
‫وﻫو ﯾﻣﺛل ﻣﺗوﺳط اﺟور اﻟﻌﻣﺎل ﻻﺣد اﻟﻣﺻﺎﻧﻊ ‪X  In 300, 2500 ‬‬
‫‪)،‬ﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود(∞=‪N‬‬ ‫‪300 ،   50 ،n=40‬‬
‫ﻣﺟﺗﻣﻊ اﺟور اﻟﻌﻣﺎل ﻣﺟﻬول‪ ،‬وﻧظ ار ﻻن ﺣﺟم اﻟﻌﯾﻧﺔ‬ ‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‪ :‬ﺑﻣﺎ ان ﺗوزﯾﻊ‬
‫ﻛﺑﯾر ‪ ،  n  40  n  30 ‬إذا ﯾﻣﻛﻧﻧﺎ ﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‪ ،‬وﻣن ﺛم ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ل ‪X‬‬

‫ﺳﯾﻛون ﻣﻌﺗدﻻ ﺗﻘرﯾﺑﺎ اي ‪X  N  X, 2X‬‬

‫‪‬‬ ‫‪‬‬
‫‪E  X    X  300‬‬
‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪25‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﻣن ﺧﻼل ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻧﻼﺣظ ان اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﺑﺎﻟﺗﺎﻟﻲ ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل‬
‫‪2‬‬ ‫‪2‬‬

‫‪‬‬
‫‪2‬‬
‫‪X‬‬
‫‪  50‬‬ ‫‪ 62.50‬‬ ‫اﻻرﺟﺎع وﯾﺣﺳب اﻟﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪40‬‬
‫‪X  N 300,62.50 ‬‬ ‫إذن‬

‫‪-2‬ﺣﺳﺎب اﻻﺣﺗﻣﺎﻻت‬
‫‪1 -2‬‬
‫‪‬‬ ‫‪275  300 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P X  275  P  Z ‬‬
‫‪‬‬ ‫‪62.50 ‬‬
‫‪  P  Z  03.16   F  03.16   01  F  03.16 ‬‬

‫‪ 01  0.99921  0.00079‬‬

‫‪‬‬ ‫‪‬‬ ‫‪2-2‬‬
‫‪P X  320  P  Z  320  300   P  Z  02.53  01 P  Z  02.53‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪62.50 ‬‬
‫‪ 01 F  02.53  01 0.99430  0.00570‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 280  X  315  P  280  300  Z  315  300   P  02.53  Z  01.90‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 62.50‬‬ ‫‪62.50 ‬‬
‫‪ F  01.90  F  02.53  F  01.90  1  F  02.53‬‬ ‫‪3-2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ F  01.90  F  02.53  01‬‬
‫‪ 0.97128  0.99430  01  0.96558‬‬
‫‪-04‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن ‪ X  X ‬‬
‫‪1‬‬ ‫‪2‬‬

‫ﺗﻣﻬﯾد‪ :‬ﻓﻲ ﻛﺛﯾر ﻣن اﻟدراﺳﺎت ﯾرﻏب اﻟﺑﺎﺣث ﻓﻲ ﻣﻘﺎرﻧﺔ ﻣﺟﺗﻣﻌﯾن ﻟﻣﻌرﻓﺔ اﻻﺧﺗﻼف ﺑﯾﻧﻬﻣﺎ‪ ،‬وذﻟك ﺑﻣﻘﺎرﻧﺔ‬
‫ﺗرﻣز ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ‬ ‫ﻣﺗوﺳطﯾﻬﻣﺎ اي ﺑﺣﺳﺎب اﻟﻔرق ﺑﯾن وﺳطﯾﻬﻣﺎ اﻟﺣﺳﺎﺑﯾﯾن ‪    ‬ﺣﯾث ‪‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬

‫ﻟﻠﻣﺟﺗﻣﻊ و ‪  2‬ﺗرﻣز ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬ﻓﻣﺛﻼ ﯾﻘﺎرن اﻟﺑﺎﺣث ﺑﯾن أوزان اﻟوﺣدات اﻟﻣﻧﺗﺟﺔ‬
‫ﺑﺎﻟﻣﺻﻧﻊ "أ" واﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻻوزان اﻟوﺣدات اﻟﻣﻧﺗﺟﺔ ﺑﺎﻟﻣﺻﻧﻊ "ب"‪ ،‬او ﯾﻘﺎرن ﻣﺳﺗوى اﻻﺳﻌﺎر ﻓﻲ‬
‫ﺳوﻗﯾن ﻣﺧﺗﻠﻔﯾن ﺑﺣﺳﺎب اﻟﻔرق ﺑﯾن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻻﺳﻌﺎر اﻟﺳوق اﻻول‪ ،‬واﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻻﺳﻌﺎر‬
‫اﻟﺳوق اﻟﺛﺎﻧﻲ وﻫﻛذا‪.....‬اﻟﺦ‪،‬وﺣﯾث اﻧﻪ ﻓﻲ أﻏﻠب اﻟدراﺳﺎت ﺗﻛون ﺑﯾﺎﻧﺎت اﻟﻣﺟﺗﻣﻌﯾن ﻏﯾر ﻣﺗواﻓرة وﺑﺎﻟﺗﺎﻟﻲ‬
‫ﻣﺟﻬوﻟﯾن‪ ،‬وﻻﺟراء ﻣﺛل ﻫذﻩ اﻟدراﺳﺎت ﻧﺣﺎول اﺳﺗﻧﺗﺎج اﻟﻔرق اﻟﺣﻘﯾﻘﻲ ﺑﯾن ﻣﺗوﺳطﻲ‬ ‫ﯾﻛون ‪ ‬و ‪‬‬
‫‪2‬‬ ‫‪1‬‬

‫‪ ،  X1  X 2‬ﺣﯾث اﻟﻌﯾﻧﺔ اﻻوﻟﻰ‬ ‫اﻟﻣﺟﺗﻣﻌﯾن ‪ ،    ‬ﺑﺎﺳﺗﺧدام اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن ‪‬‬
‫‪1‬‬ ‫‪2‬‬

‫ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول‪ ،‬واﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬وﯾرﻣز ﻟﻠﻣﺟﺗﻣﻊ اﻻول ﺑﺎﻟرﻗم‬
‫‪ 01‬وﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﺑﺎﻟرﻗم‪ ،02‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ‪ X1‬ﯾرﻣز ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻌﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول‪،‬‬
‫و ‪ X 2‬ﯾرﻣز ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻌﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ وﺑﻣﺎ ان اﻻﺣﺻﺎﺋﯾﺗﯾن ‪ X1‬و ‪ X 2‬ﻣﺗﻐﯾران‬
‫ﻋﺷواﺋﯾﯾن‪ ،‬إذن اﻟﻔرق ﺑﯾﻧﻬﻣﺎ ‪  X1  X 2 ‬ﻫﻲ اﻻﺧرى ﻣﺗﻐﯾر ﻋﺷواﺋﻲ وﻻﺟراء اي اﺳﺗﻧﺗﺎﺟﺎت ﺧﺎﺻﺔ‬
‫ﺑﺎﻟﻣﻌﻠﻣﺔ ‪ 1   2 ‬ﺑﺎﺳﺗﺧدام اﻻﺣﺻﺎﺋﯾﺔ ‪  X1  X 2 ‬ﯾﺟب ﻣﻌرﻓﺔ ودراﺳﺔ طﺑﯾﻌﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻬذﻩ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪26‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻻﺣﺻﺎﺋﯾﺔ‪ ،‬واﻟذي ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﯾن ﺣﺳﺎﺑﯾﯾن‪.‬‬
‫‪ 1-4‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ‪ X  X ‬‬
‫‪1‬‬ ‫‪2‬‬

‫إذا ﺗﻣت اﻟﻣﻌﺎﯾﻧﺔ ﻣن ﻣﺟﺗﻣﻌﯾن ﻣﺳﺗﻘﻠﯾن‪ ،‬وﻟﻣﻌرﻓﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ‪ ،‬ﻓﺎن ذﻟك ﯾﺗوﻗف ﻋﻠﻰ طﺑﯾﻌﺔ‬
‫ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻌﯾن)ﺗوزﯾﻊ طﺑﯾﻌﻲ او ﻏﯾر طﺑﯾﻌﻲ( وﻛذﻟك ﻣﻌﻠوﻣﯾﺔ او ﻣﺟﻬوﻟﯾﺔ ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن وﺣﺟم‬
‫اﻟﻌﯾﻧﺗﯾن اﻟﻣﺳﺣوﺑﯾﺗﯾن اﻛﺑر أو ﯾﺳﺎوي ‪ 30‬او اﺻﻐر ﺗﻣﺎﻣﺎ ﻣن ‪ 30‬وﺳوف ﻧﺗطرق اﻟﻰ ﻣﺧﺗﻠف ﻫذﻩ‬
‫اﻟﺣﺎﻻت ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫أوﻻ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ‪  X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﻌﻠوﻣﯾن ‪ ‬و ‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬

‫ﻧظرﯾﺔ‪:08‬إذا ﺳﺣﺑﻧﺎ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n1‬ﻣن ﻣﺟﺗﻣﻊ ﻻﻣﺣدود ﯾﺗوزع ﺗوزﯾﻌﺎ‬
‫وﺗﺑﺎﯾن ‪ ، 12‬وﺳﺣﺑﻧﺎ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n2‬ﻣن‬ ‫طﺑﯾﻌﯾﺎ ﺑوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬

‫وﺗﺑﺎﯾن ‪ ،  2‬وﻛﺎﻧت اﻟﻌﯾﻧﺎت‬‫‪2‬‬

‫ﻣﺟﺗﻣﻊ آﺧر ﻻ ﻣﺣدود ﻫو اﻻﺧر ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪2‬‬

‫اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ﻣﺳﺗﻘﻠﺔ ﻋن اﻟﻌﯾﻧﺎت اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‬
‫‪X‬‬ ‫‪‬‬
‫ﺑﯾن اﻟﻣﺗوﺳطﺎت ‪  X1  X2 ‬ﺳﯾﻛون ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻫو‬
‫‪1‬‬ ‫‪X2‬‬

‫‪X  X  N  X‬‬ ‫‪ ‬اي‬ ‫و ﺗﺑﺎﯾن‬

‫‪X X‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪,‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪X2‬‬ ‫‪1‬‬ ‫‪X X‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫وﻻﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻧﺳﺗﻌﯾن ﺑﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن ‪.‬‬

‫‪E  X1  X 2   E  X1   E  X 2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X 2   V  X1   V  X 2         ‬‬ ‫‪2‬‬

‫‪X1‬‬
‫‪2‬‬
‫‪X2‬‬
‫‪1‬‬ ‫‪2‬‬
‫اﻟﺗﺑﺎﯾن ‪:‬‬
‫‪n n‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ X1  X2   1  2 ‬‬

‫‪Z‬‬ ‫‪  0,1‬‬ ‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﺗﺻﺑﺢ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪12‬‬ ‫‪22‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫أﻣﺎ ذا ﻛﺎن اﺣد اﻟﻣﺟﺗﻣﻌﯾن او ﻛﻠﯾﻬﻣﺎ ﻻ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬ﻓﯾﻛون ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔروق ﻗرﯾﺑﺎ ﻣن‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اذا ﻛﺎﻧت اﻟﻌﯾﻧﺗﺎن ﻛﺑﯾرﺗﯾن‪ ،‬اي )‪ (n2≥30،n1≥30‬ﺣﺴﺐ ﻧﻈﺮﯾﺔ اﻟﻨﮭﺎﯾﺔ اﻟﻤﺮﻛﺰﯾﺔ‪.‬‬
‫ﺗﻣرﯾن ‪:08‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 20‬ﺳﺣﺑت ﻣن ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﻌدل ‪ 50‬وﺗﺑﺎﯾن ‪،09‬‬
‫وﻋﯾﻧﺔ أﺧرى ﺣﺟﻣﻬﺎ‪ 15‬ﺳﺣﺑت ﻣن ﻣﺟﺗﻣﻊ آﺧر ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﻌدل ‪ 40‬وﺗﺑﺎﯾن ‪ ،04‬وﻛﺎﻧت‬
‫اﻟﻌﯾﻧﺗﺎن اﻟﻣﺳﺣوﺑﺗﺎن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪08.20‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪27‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن‬
‫اﻟﻣﺟﺗﻣﻊ اﻻول‬
‫‪:X1‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧض ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 50‬وﺗﺑﺎﯾن ‪ 09‬اي ‪X1  N  50, 09 ‬‬
‫وﻟدﯾﻧﺎ‪1  50, 12  09 ،n1=20 ،N1=∞ :‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫‪ :X2‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧض ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 40‬وﺗﺑﺎﯾن ‪ 04‬اي ‪X2  N  40, 04 ‬‬
‫وﻟدﯾﻧﺎ‪2  40, 22  04 ،n2=15 ،N2=∞ :‬‬
‫ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ اﻻول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻪ ‪ X1‬ﺳوف ﯾﺧﺿﻊ ﻫو اﻻﺧر ﻟﻠﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ‪ ،‬واﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻪ ‪X 2‬ﺳوف ﯾﺧﺿﻊ ﻫو اﻻﺧر‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟﻔرق ‪  X  X ‬ﻫو ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﺟدﯾد ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن‬
‫‪1‬‬ ‫‪2‬‬

‫‪‬‬
‫‪X1 X 2‬‬ ‫‪‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪,‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪X1 X 2‬‬ ‫‪X1 X 2‬‬
‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪ 50  40  10‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X2   V  X1   V  X2     ‬‬ ‫‪ ‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪X1‬‬ ‫‪X2‬‬
‫‪n n‬‬‫‪1‬‬ ‫‪2‬‬

‫‪ 09  04  0.72‬‬
‫‪20 15‬‬
‫‪X1  X2  N 10, 0.72‬‬ ‫إذن‬
‫‪-2‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪08.20‬‬
‫‪ X1  X2   1  2 ‬‬
‫‪Z‬‬ ‫‪  0,1‬‬ ‫ﺑﺗطﺑﯾق اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪12 22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫‪‬‬ ‫‪08.20 10 ‬‬
‫‪P‬‬ ‫‪X  X‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ 08.20  P  Z ‬‬
‫‪‬‬ ‫‪0.72 ‬‬
‫‪  P  Z  02.12   F  02.12   01  F  02.12 ‬‬

‫‪ 01  0.98300  0.0170‬‬

‫‪ ‬وﺗﺑﺎﯾن ‪‬‬ ‫ﻧظرﯾﺔ‪ :09‬ﻟﯾﻛن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ أول ﺣﺟﻣﻪ ‪ N1‬ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‬
‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬

‫وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n1‬ﻣﻊ ﻋدم اﻻرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﺷرط‬
‫‪،‬وﻟﯾﻛن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﻣﺣدود ﺣﺟﻣﻪ‬ ‫‪  N‬وﺣﺳﺑﻧﺎ ﻛل اﻟﻣﺗوﺳطﺎت اﻟﺣﺳﺎﺑﯾﺔ ﻟﻬﺎ وﻟﺗﻛن ‪X‬‬
‫‪1‬‬
‫‪n‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ 0.05 ‬‬
‫‪1‬‬ ‫‪‬‬
‫وﺗﺑﺎﯾن ‪  2‬وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ‬ ‫‪2‬‬
‫‪ N2‬ﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪28‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫‪ ،‬وﺣﺳﺑﻧﺎ ﻛل اﻟﻣﺗوﺳطﺎت ﻟﻬﺎ‬ ‫‪ n2‬‬ ‫‪‬‬

‫‪ N  0.05 ‬‬ ‫اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n2‬ﻣﻊ ﻋدم اﻻرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﺷرط‬
‫‪ 2‬‬ ‫‪‬‬
‫وﻟﺗﻛن ‪ ،X 2‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن اﻟﻣﺗوﺳطﺎت ‪  X  X ‬ﺳﯾﺗوزع ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪1‬‬ ‫‪2‬‬

‫أي‬ ‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ X X‬و ﺗﺑﺎﯾن ‪X X‬‬

‫‪2‬‬
‫‪‬‬
‫‪X1 X 2 N    ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪,‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪X1 X 2‬‬ ‫‪X1 X 2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫وﻻﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻧﺳﺗﻌﯾن ﺑﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن ‪.‬‬

‫‪E  X1  X 2   E  X1   E  X 2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X 2   V  X1   V  X 2   ‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪  N1  n1    N2  n 2‬‬ ‫اﻟﺗﺑﺎﯾن ‪:‬‬

‫‪X1‬‬
‫‪‬‬ ‫‪ n N 1 n N  1‬‬
‫‪‬‬
‫‪X2‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪1‬‬‫‪1‬‬ ‫‪2‬‬‫‪2‬‬

‫‪ X1  X 2   1 2 ‬‬

‫‪Z‬‬ ‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﺗﺻﺑﺢ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪  0,1 :‬‬
‫‪12 N1  n1 22 N 2  n 2‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪n1 N1 1 n 2 N 2  1‬‬
‫ﺗﻣرﯾن‪:09‬ﻣﺟﺗﻣﻌﺎن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ اﻻول ﺣﺟﻣﻪ ‪ 1000‬وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 30‬وﺗﺑﺎﯾﻧﻪ ‪،18‬‬
‫واﻟﺛﺎﻧﻲ ﺣﺟﻣﻪ ‪ 1400‬وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 24‬وﺗﺑﺎﯾﻧﻪ ‪ ،40‬ﻓﺈذا ﺳﺣﺑﻧﺎ ﻣن ﻛل ﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﻊ‬
‫ﻋدم اﻻرﺟﺎع وﻛﺎﻧت اﻟﻌﯾﻧﺗﺎن ﻣﺳﺗﻘﻠﺗﯾن‪ ،‬وﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ اﻻوﻟﻰ ‪ 120‬وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ‪.250‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬اﺣﺳب إﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻋﯾﻧﺗﯾن اﻗل ﻣن ‪05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن‬
‫اﻟﻣﺟﺗﻣﻊ اﻻول‬
‫‪:X1‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 30‬وﺗﺑﺎﯾن ‪ 18‬اي‬
‫‪X1  N  50, 09 ‬‬
‫وﻟدﯾﻧﺎ‪) ،N1=1000 :‬اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع(‪1  30, 12  18 ، n1=120‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫‪ :X2‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 24‬وﺗﺑﺎﯾن ‪ 40‬اي‬
‫‪X2  N  24, 40 ‬‬

‫وﻟدﯾﻧﺎ‪) ،N2=1400 :‬اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع(‪2  24, 22  40 ، n2=250‬‬

‫ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻔروق اﻟﻣﺗوﺳطﺎت ﺳﯾﻛون ﺗوزﯾﻌﺎ ﻗرﯾب‬
‫ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻋﻠﻰ اﻟﺗواﻟﻲ‪:‬‬
‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪ 30  24  06‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪29‬‬
‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻌﯾن ﻣﺣدودﯾن واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع )اﻟﺷرطﺎن اﻟﻛﺎﻓﯾﺎن ﻣﺣﻘﻘﺎن( ﻧﻧﺗﻘل‬
‫اﻟﻰ اﻟﺷرط اﻟﻼزم وﻫو ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ‪.‬‬
‫‪n1 120‬‬
‫اذن ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع او اﻟﺗﺻﺣﯾﺢ‪.‬‬ ‫‪‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻻول‪ 0.12  0.05 :‬‬
‫‪N1 1000‬‬
‫‪ 2 ‬اذن ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع او اﻟﺗﺻﺣﯾﺢ‪.‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ 0.18  0.05 :‬‬
‫‪n‬‬ ‫‪250‬‬
‫‪N 2 1400‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪N n‬‬ ‫‪N  n2‬‬
‫‪V  X1  X2   V  X1   V  X2   ‬‬ ‫‪  n  N1 11  ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪X1‬‬
‫‪‬‬ ‫‪X2‬‬
‫‪1‬‬
‫‪ 2‬‬ ‫‪2‬‬

‫‪1‬‬‫‪1‬‬ ‫‪n N2 1‬‬ ‫‪2‬‬

‫‪ 18  1000 120  40  1400  250  0.2636‬‬

‫‪120 1000  01 250 1400  01‬‬
‫‪X1  X 2  N  06, 0.2636‬‬ ‫إذن‬
‫‪-2‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻋﯾﻧﺗﯾن اﻗل ﻣن ‪05‬‬
‫‪ X1  X 2   1 2 ‬‬
‫‪Z‬‬ ‫‪  0,1‬‬ ‫ﺑﺗطﺑﯾق اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪12 N1  n1 22 N 2  n 2‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪n1 N1 1 n 2 N 2  1‬‬
‫‪‬‬
‫‪05  06 ‬‬
‫‪P‬‬ ‫‪X  X‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪ 05  P  Z ‬‬
‫‪0‬‬‫‪.‬‬ ‫‪2636‬‬
‫‪  P  Z  01.95  F  01.95   01  F  01.95 ‬‬
‫‪‬‬
‫‪ 01 0.97441  0.02559‬‬
‫ﺗﻣرﯾن‪:10‬إذا ﻛﺎن اﻻﻧﻔﺎق اﻻﺳﺗﻬﻼﻛﻲ اﻟﻌﺎﺋﻠﻲ ﻓﻲ ﻣدﯾﻧﺔ "أ" ﺑوﺳط ﺣﺳﺎﺑﻲ ‪24‬ون وﺗﺑﺎﯾن ‪ 120‬ون‪،‬‬
‫واﻻﻧﻔﺎق اﻻﺳﺗﻬﻼﻛﻲ اﻟﻌﺎﺋﻠﻲ اﻟﯾوﻣﻲ ﻓﻲ ﻣدﯾﻧﺔ "ب" ﺑوﺳط ﺣﺳﺎﺑﻲ ‪ 15‬ون وﺗﺑﺎﯾن ‪ 72‬ون‪ ،‬ﻓﺈذا ﺳﺣﺑﻧﺎ‬
‫ﻣن اﻟﻣدﯾﻧﺔ "أ" ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺷﻣل ‪ 240‬ﻋﺎﺋﻠﺔ‪ ،‬وﻣن اﻟﻣدﯾﻧﺔ "ب" ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺷﻣل ‪ 150‬ﻋﺎﺋﻠﺔ‪،‬‬
‫وﻛﺎﻧت اﻟﻌﯾﻧﺗﺎن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﻲ اﻛﺑر ﻣن ‪ 10‬ون؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن‬
‫اﻟﻣﺟﺗﻣﻊ اﻻول‬
‫‪:X1‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﻣﺟﻬول ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 24‬وﺗﺑﺎﯾن ‪ 120‬اي ‪X1  In  24,120 ‬‬
‫وﻟدﯾﻧﺎ‪1  24, 12  120 ،n1=240،N1=∞ :‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫‪X2  In 15, 72 ‬‬ ‫‪ :X2‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﻣﺟﻬول ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 15‬وﺗﺑﺎﯾن ‪ 72‬اي‬
‫وﻟدﯾﻧﺎ‪2  15, 22  72 ،n2=150 ،N2= ∞ :‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪30‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﻣﺗﻐﯾر ‪  X  X ‬ﺳﯾﺗوزع ﺗوزﯾﻌﺎ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻟرﻏم ﻣن ان ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻻن‪،‬‬ ‫‪1‬‬ ‫‪2‬‬

‫وذﻟك ﻻن ‪ ،n1≥30‬و ‪)،n2≥30‬ﻧﻈﺮﯾﺔ اﻟﻨﮭﺎﯾﺔ اﻟﻤﺮﻛﺰﯾﺔ( وﺑﻤﺎ ان اﻟﻤﺠﺘﻤﻌﯿﻦ ﻛﺒﯿﺮان ﻓﻼ ﻧﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ‬
‫اﻻرﺟﺎع )او اﻟﺘﺼﺤﯿﺢ( ﻋﻨﺪ ﺣﺴﺎب ﺗﺒﺎﯾﻦ ﺗﻮزﯾﻊ اﻟﻤﻌﺎﯾﻨﺔ ﻟﻠﻔﺮوق اي‬
‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪ 24 15  09‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X2   V  X1   V  X2         ‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪X1‬‬ ‫‪X2‬‬
‫‪n n‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ 120  72  0.98‬‬

‫‪240 150‬‬
‫‪X1  X 2  N  09, 0.98‬‬ ‫إذن‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﻲ اﻛﺑر ﻣن ‪ 10‬ون‪.‬‬
‫‪ X1  X2   1  2 ‬‬
‫‪Z‬‬ ‫‪  0,1‬‬ ‫ﺑﺗطﺑﯾق اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪12‬‬ ‫‪22‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪‬‬ ‫‪‬‬
‫‪P‬‬ ‫‪X  X‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪ 10  P  Z  10  09   P  Z  01.01  01 P  Z  01.01‬‬
‫‪‬‬ ‫‪‬‬ ‫‪0.98 ‬‬
‫‪ 01 F  01.01  01  0.84375  0.15625‬‬
‫ﺛﺎﻧﯾﺎ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‪  X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن ‪ 1‬و ‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬

‫وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‬

‫ﻧظرﯾﺔ‪ :11‬إذا ﺳﺣﺑﻧﺎ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n1 ≥ 30‬ﻣن ﻣﺟﺗﻣﻊ ﻻﻣﺣدود ﯾﺗوزع‬
‫وﺗﺑﺎﯾن ‪ 12‬ﻣﺟﻬول‪ ،‬وﺳﺣﺑﻧﺎ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم‬ ‫ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬

‫‪ n2 ≥30‬ﻣن ﻣﺟﺗﻣﻊ آﺧر ﻻ ﻣﺣدود ﻫو اﻻﺧر ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﻣﺟﻬول‪ ،‬وﻛﺎﻧت اﻟﻌﯾﻧﺎت اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ﻣﺳﺗﻘﻠﺔ ﻋن اﻟﻌﯾﻧﺎت اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن اﻟﻣﺗوﺳطﺎت ‪  X1  X2 ‬ﺳﯾﻛون ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬

‫‪X  X  N  X‬‬ ‫ﺣﺳﺎﺑﻲ ﻫو ‪  ‬و ﺗﺑﺎﯾن ‪  2 ‬اي‬

‫‪X X‬‬
‫‪2‬‬
‫‪,‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪‬‬
‫‪X2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪X X‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪X X‬‬ ‫‪1‬‬ ‫‪2‬‬

‫وﻻﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻧﺳﺗﻌﯾن ﺑﺧﺻﺎﺋص اﻟﺗوﻗﻊ واﻟﺗﺑﺎﯾن ‪.‬‬

‫‪E  X1  X 2   E  X1   E  X 2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X 2   V  X1   V  X 2     ‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪n n‬‬
‫اﻟﺗﺑﺎﯾن ‪:‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S1 S 2‬‬ ‫‪S12‬‬ ‫‪S22‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n1 n 2 n1 1 n 2 1‬‬
‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﺗﺻﺑﺢ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪31‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪ X1  X 2    1  2   X1  X2    1  2 ‬‬
‫‪Z‬‬ ‫‪‬‬ ‫‪  0,1‬‬
‫‪S12‬‬ ‫‪S2‬‬ ‫‪2‬‬
‫‪S1 S2‬‬
‫‪2‬‬
‫‪ 2‬‬ ‫‪‬‬
‫‪n1  1 n 2 1‬‬ ‫‪n1 n 2‬‬
‫ﺗﻣرﯾن‪ :11‬ﻣﻌﻣل ﯾﻧﺗﺞ ‪ 700‬ﻛﻎ ﻣن اﻟﻣﻛروﻧﺔ ﻛﻣﻌدل ﯾوﻣﻲ‪ ،‬ﺳﺣﺑت ﻣﻧﻪ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﻣﺛل اﻧﺗﺎج ‪40‬‬
‫ﯾوﻣﺎ ﻓﺑل وﺳطﻬﺎ اﻟﺣﺳﺎﺑﻲ ‪ 740‬ﻛﻎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 40‬ﻛﻎ‪ ،‬ﻣﻌﻣل آﺧر ﯾﻧﺗﺞ ‪ 500‬ﻛﻎ ﻛﻣﻌدل ﯾوﻣﻲ‪،‬‬
‫ﺳﺣﺑت ﻣﻧﻪ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﻣﺛل إﻧﺗﺎج ‪ 35‬ﯾوﻣﺎ ﻓﺑل وﺳطﻬﺎ اﻟﺣﺳﺎﺑﻲ ‪ 480‬ﻛﻎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 20‬ﻛﻎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﻣﺣﺻور ﺑﯾن ‪180‬ﻛﻎ و‪ 210‬ﻛﻎ؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن‬
‫اﻟﻣﺟﺗﻣﻌﺎن ﯾﺧﺿﻌﺎن ﻟﺗوزﯾﻊ ﻣﺟﻬول وﺑﻣﺎ ان ﺣﺟم اﻟﻌﯾﻧﺗﯾن اﻟﻣﺳﺣوﺑﺗﯾن اﻛﺑر او ﺗﺳﺎوي ‪ 30‬وﺑﺎﻻﺳﺗﻔﺎدة‬
‫ﻣن ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫∞=‪S1=40،n1=40، µ1=700 ،N1‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻻول‪:‬‬
‫∞=‪S2=20،n2=35، µ2=500 ،N2‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪:‬‬
‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪ 700  500  200‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S12‬‬ ‫‪S22‬‬
‫‪V  X1  X2   V  X1   V  X2      ‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪n1  1 n 2  1‬‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪:‬‬
‫‪  40   20   52.80‬‬
‫‪40 1 35  1‬‬
‫‪X1  X 2  N  200, 52.80‬‬ ‫إذن‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﻣﺣﺻور ﺑﯾن ‪180‬ﻛﻎ و‪ 210‬ﻛﻎ‬
‫ﺑﺗطﺑﯾق اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪ 180  200‬‬ ‫‪210  200 ‬‬
‫‪P 180  X1  X 2  210   P ‬‬ ‫‪ Z‬‬ ‫‪  P  02.75  Z  01.38 ‬‬
‫‪‬‬ ‫‪52.80‬‬ ‫‪52.80 ‬‬
‫‪ F  01.38  F  02.75  01‬‬
‫‪ 0.91621 0.99702  01  0.91323‬‬
‫ﺛﺎﻟﺛﺎ‪:‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‪  X  X ‬ﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن ‪ 1‬و ‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬

‫وﻛﺎن ﻋﻠﻰ اﻻﻗل ﺣﺟم اﺣد اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾﯾر‬

‫ﺗﻣﻬﯾد‪:‬ﻧﺣﺗﺎج ﻓﻲ ﺑﻌض اﻟدراﺳﺎت اﻻﺣﺻﺎﺋﯾﺔ ﻟﻣﻘﺎرﻧﺔ ﻣﺗوﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻌﯾﻧﺗﯾن وﻣﻌرﻓﺔ اﻟﻔرق‬
‫ﺑﯾﻧﻬﻣﺎ ‪  X1  X 2 ‬ﻓﺈذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ اول ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬وﺗﺑﺎﯾن ‪ 12‬ﻣﺟﻬول‪،‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪32‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫وﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪  2‬وﺗﺑﺎﯾن ‪ 22‬ﻣﺟﻬول‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ‬
‫اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ‪ ،n1<30‬وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ‪ ،n2<30‬وﻛﺎﻧت‬
‫اﻟﻌﯾﻧﺗﺎن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬وﻟدراﺳﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ‪  X1  X 2 ‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻧﻛون‬
‫أﻣﺎم ﺣﺎﻟﺗﯾن ﻫﻣﺎ‪:‬‬
‫اﻟﺣﺎﻟﺔ اﻻوﻟﻰ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪12  22  2 ‬‬
‫وﺗﺑﺎﯾن ‪ ، 12‬واﻟﻣﺟﺗﻣﻊ‬
‫ﻧظرﯾﺔ‪:12‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن اﻻول ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬

‫اﻟﺛﺎﻧﻲ ﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪ ، ‬وﻛﺎن ‪ ‬و ‪ ‬ﻣﺟﻬوﻟﯾن‬
‫‪2‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫وﻣﺗﺳﺎوﯾﯾن‪ ،‬وﺳﺣﺑﻧﺎ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ﻋﯾﻧﺔﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ ، n1<30‬وﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ n2<30‬ﻣﻊ ﻓرﺿﯾﺔ ﺗﺳﺎوي ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن‪ ،‬ﻛﻣﺎ ﻧﻌﻠم ان اﻓﺿل ﻣﻘدر ﻟﺗﺑﺎﯾن‬
‫اﻟﻣﺟﺗﻣﻊ ﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ‪ ،‬ﻓﯾﻌﻧﻲ ذﻟك ان اﻓﺿل ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻻول ﻫو ﺗﺑﺎﯾن‬
‫اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪ ، S12‬وان اﻓﺿل ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪، S22‬‬
‫وﺑﺎﻟطﺑﻊ ‪ S12‬و ‪ S22‬ﻣﺧﺗﻠﻔﺎن ﻓﻲ اﻟﻘﯾﻣﺔ وﺑﻣﺎ ان ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻻول ﯾﺳﺎوي ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻓﻠﯾس‬
‫ﻣن اﻟﻣﻧطق ان ﻧﻘدر ﻣﻌﻠﻣﺗﯾن ﻣﺗﺳﺎوﯾﺗﯾن ﺑﺗﻘدﯾرﯾن ﻣﺧﺗﻠﻔﯾن‪ ،‬ﻟذﻟك ﻧﻘدر اﻟﺗﺑﺎﯾﻧﯾن ﺑﻧﻔس اﻟﻣﻘدر‪ ،‬وﻫو ﻋﺑﺎرة‬
‫ﻋن اﻟوﺳط اﻟﻣرﺟﺢ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻻوﻟﻰ وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬وﯾﺗم اﻟﺗرﺟﯾﺢ ﺑدرﺟﺔ اﻟﺣرﯾﺔ اﻟﺧﺎﺻﺔ ﺑﻛل‬
‫ﻋﯾﻧﺔ‪ ،‬وﯾطﻠق ﻋﻠﻰ ﻫذا اﻟﻣﻘدﻟر اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك )‪ ، (the pooled variance‬وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪S2p‬‬
‫‪‬‬ ‫‪‬‬

‫‪S2p‬‬
‫‪ n 1  n 2 1‬‬
‫‪ 1‬‬
‫‪S12 ‬‬ ‫‪S22‬‬
‫‪‬‬
‫‪n1S12  n 2S22‬‬
‫وﻫو ﯾﺣﺳب ﻛﻣﺎﯾﻠﻲ‪:‬‬
‫‪ n1 1   n 2 1‬‬ ‫‪n1  n 2  2‬‬
‫وﯾﺧﺿﻊ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻓﻲ ﺣﺎﻟﺔ ﻋدم ﻣﻌﻠوﻣﯾﺔ ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن وﺣﺟم‬
‫اﻟﻌﯾﻧﯾن اﻗل ﺗﻣﺎم ﻣن ‪ 30‬اﻟﻰ ﺗوزﯾﻊ ﺳﺗودﻧت ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪X  X  Tn1n2 2  X‬‬ ‫‪‬‬
‫‪2‬‬
‫‪,‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪‬‬
‫‪X2‬‬ ‫‪X 1 X 2‬‬

‫وﺗﻌطﻰ ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬

‫‪E  X1  X 2   E  X1   E  X 2    X   X  1   2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪V  X1  X 2   V  X1   V  X 2       S  S‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪n n n n‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S S   1  1 ‬‬
‫‪p‬‬ ‫‪p‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪‬‬ ‫‪p‬‬
‫‪n n‬‬ ‫‪n n ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫وﺗﻌطﻰ إﺣﺻﺎءة ﺳﺗوﻧدت )‪ (T‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪ X1  X 2    1  2 ‬‬
‫‪T‬‬
‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪33‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺗﻣرﯾن‪:12‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 16‬ﺑﺗﯾﺎﯾن ‪ 04‬ﻣن ﻣﺟﺗﻣﻊ اول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‪ 30‬وﺗﺑﺎﯾﻧﻪ ﻣﺟﻬول‪ ،‬وﺳﺣﺑت ﻋﯾﻧﺔ اﺧرى ﺣﺟﻣﻬﺎ ‪ 14‬ﺑﺗﺑﺎﯾن ‪ 05‬ﻣن ﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﯾﺧﺿﻊ‬
‫ﻫو اﻻﺧر ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 28‬وﺗﺑﺎﯾن ﻣﺟﻬول‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ﺑﺎﻓﺗراض ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن؟‬
‫‪-2‬اﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق اﻗل ﻣن‪04‬؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ﺑﺎﻓﺗراض ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن‬
‫اﻟﻣﺟﺗﻣﻌﺎن ﯾﺧﺿﻌﺎن ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن وﺑﻣﺎ ان ﺣﺟم اﻟﻌﯾﻧﺗﯾن اﻟﻣﺳﺣوﺑﺗﯾن أﻗل ﺗﻣﺎﻣﺎ‬
‫ﻣن ‪ 30‬وﻣﻊ ﻓرﺿﯾﺔ ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺳوف ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ‬
‫‪n1+n2-2‬‬
‫‪S  04 ،n1=16، µ1=30‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻻول‪:‬‬
‫‪2‬‬
‫‪1‬‬

‫‪S  05 ،n2=14، µ2=28‬‬

‫‪2‬‬
‫‪2‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪:‬‬

‫‪X1  X 2  Tn1n2 2‬‬ ‫‪ X‬‬ ‫‪,‬‬

‫‪2‬‬
‫‪‬‬ ‫اﻟﻣﻌﺎﯾﻧﺔ ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‬
‫‪1‬‬
‫‪‬‬
‫‪X2‬‬ ‫‪X 1 X 2‬‬

‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬

‫‪ 30  28  02‬‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﻧﺣﺳب اوﻻ اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك‬
‫‪n S n S‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪S2p  1 1 2 2  1616‬‬
‫‪ 04 14  05  134  04.785‬‬
‫‪14  2‬‬ ‫‪28‬‬
‫‪n  n 2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪V  X1  X2   V  X1   V  X 2   S2p ‬‬ ‫‪1‬‬
‫‪‬‬
‫‪1 ‬‬
‫‪‬‬
‫‪ n1‬‬ ‫‪n2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 04.785  1  1   0.64‬‬
‫‪ 16 14 ‬‬
‫‪X1  X2  T28  02, 0.64‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق اﻗل ﻣن‪04‬‬
‫‪ X1  X 2    1  2 ‬‬
‫‪T‬‬ ‫ﻟﺣﺳﺎب ﻫذا اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﺣﺻﺎءة ﺳﺗودﻧت )‪ (T‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬
‫‪‬‬ ‫‪04  02 ‬‬
‫‪P  X1  X2  04  P  T28 ‬‬ ‫‪  P  T28  02.50   F  02.50   0.991‬‬
‫‪‬‬ ‫‪0.64 ‬‬
‫وﻗد ﺗم اﯾﺟﺎد اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﺣﺻر ﺑﺎﻟﻧﻘﺻﺎن ﻛﻣﺎ ﺗم ﺷرﺣﻬﺎ ﺳﺎﺑﻘﺎ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪34‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن و ﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪12  22 ‬‬
‫وﺗﺑﺎﯾن ‪ ، 12‬واﻟﻣﺟﺗﻣﻊ‬
‫ﻧظرﯾﺔ ‪:13‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن اﻻول ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬

‫اﻟﺛﺎﻧﻲ ﯾﺗوزع ﻫو اﻻﺧر ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪ ، ‬وﻛﺎن ‪ ‬و ‪ ‬ﻣﺟﻬوﻟﯾن‬
‫‪2‬‬
‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫وﻏﯾر ﻣﺗﺳﺎوﯾﯾن‪ ،‬وﺳﺣﺑﻧﺎ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ﻋﯾﻧﺔﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ ، n1<30‬وﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ n2<30‬ﻣﻊ ﻓرﺿﯾﺔ ﻋدم ﺗﺳﺎوي ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن‪ ،‬ﻛﻣﺎ ﻧﻌﻠم ان اﻓﺿل‬
‫ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪ ، S12‬وان اﻓﺿل ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻫو ‪S22‬‬
‫‪ X1  X2    1 2 ‬‬
‫‪2‬‬ ‫‪2‬‬
‫وﺑﺗﻌوﯾض ‪ S12‬و ‪ S22‬ﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﻧﺗﺣﺻل ﻋﻠﻰ اﻟﻣﺗﻐﯾر اﻟﺗﺎﻟﻲ‪:‬‬
‫‪S S‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪n1 n 2‬‬
‫واﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻬذا اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﻣﻌﻘد ﺟدا‪ ،‬وﻗد درس ﻫذﻩ اﻟﻣﺷﻛﻠﺔ ﻛﺛﯾر ﻣن اﻻﺣﺻﺎﺋﯾﯾن‪ ،‬وﻣن‬
‫أﻫﻣﻬم ﻓﯾﺷر وﺑﻬرﯾن‪ ،‬وﻟذﻟك ﺗﺳﻣﻰ ﻫذﻩ اﻟﻣﺷﻛﻠﺔ ﺑﻣﺷﻛﻠﺔ ﻓﯾﺷر‪-‬ﺑﻬرﯾن) ‪the fisher-Behren‬‬
‫‪ ،(problem‬واﻗﺗرﺣت ﻋدة ﺣﻠول ﻟﻬذﻩ اﻟﻣﺷﻛﻠﺔ أﻛﺛرﻫﺎ اﺳﺗﺧداﻣﺎ ﻫو اﻋﺗﺑﺎر ان ﺗوزﯾﻊ ﻫذا اﻟﻣﺗﻐﯾر ﻫو‬
‫ﺗوزﯾﻊ ﻗرﯾب ﻣن ﺗوزﯾﻊ ﺳﺗودﻧت )‪ (T‬ﺑدرﺟﺔ ﺣرﯾﺔ ‪ V‬ﺗﺣﺳب ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬
‫‪ S2‬‬ ‫‪S2 ‬‬
‫‪ 1‬‬ ‫‪ 2‬‬
‫‪ n1‬‬ ‫‪n 2 ‬‬
‫‪V‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ S1 ‬‬ ‫‪ S2 ‬‬
‫‪ 1‬‬ ‫‪ 2‬‬
‫‪ n1 ‬‬ ‫‪n ‬‬
‫‪  2‬‬
‫‪n1 1‬‬ ‫‪n 2 1‬‬
‫‪ X1  X 2   1 2 ‬‬
‫‪ TV‬‬ ‫وﺗﻌطﻰ اﺣﺻﺎءة ﺳﺗوﻧت )‪ (T‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻛﺎﻟﺗﺎﻟﻲ ‪:‬‬
‫‪S12 S22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫ﺗﻣرﯾن‪:13‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 09‬ﺑﺗﯾﺎﯾن ‪ 36‬ﻣن ﻣﺟﺗﻣﻊ اول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‪ 64‬وﺗﺑﺎﯾﻧﻪ ﻣﺟﻬول‪ ،‬وﺳﺣﺑت ﻋﯾﻧﺔ اﺧرى ﺣﺟﻣﻬﺎ ‪ 16‬ﺑﺗﺑﺎﯾن ‪ 25‬ﻣن ﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﯾﺧﺿﻊ‬
‫ﻫو اﻻﺧر ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‪ 59‬وﺗﺑﺎﯾن ﻣﺟﻬول‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ﺑﺎﻓﺗراض ﻋدم ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن؟‬
‫‪-2‬اﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق أﻛﺑر ﻣن‪08‬؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ﺑﺎﻓﺗراض ﻋدم ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن؟‬
‫اﻟﻣﺟﺗﻣﻌﺎن ﯾﺧﺿﻌﺎن ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺑﺗﺑﺎﯾﻧﯾن ﻣﺟﻬوﻟﯾن وﺑﻣﺎ ان ﺣﺟم اﻟﻌﯾﻧﺗﯾن اﻟﻣﺳﺣوﺑﺗﯾن أﻗل ﺗﻣﺎﻣﺎ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪35‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﻣن ‪ 30‬وﻣﻊ ﻓرﺿﯾﺔ ﻋدم ﺗﺳﺎوي اﻟﺗﺑﺎﯾﻧﯾن ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺳوف ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت ﺑدرﺟﺔ‬
‫ﺣرﯾﺔ ‪V‬‬
‫‪S  36 ،n1=09، µ1=64‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻻول‪:‬‬
‫‪2‬‬
‫‪1‬‬

‫‪S  25 ،n2=16، µ2=59‬‬

‫‪2‬‬
‫‪2‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪:‬‬

‫‪X1  X 2  TV‬‬ ‫‪ X‬‬ ‫‪,‬‬

‫‪2‬‬
‫‪‬‬ ‫اﻟﻣﻌﺎﯾﻧﺔ ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ ‪V‬‬
‫‪‬‬
‫‪1‬‬ ‫‪X2‬‬ ‫‪X 1 X 2‬‬

‫‪E  X1  X2   E  X1   E  X2    X   X  1   2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬

‫‪ 64  59  05‬‬
‫‪ S2‬‬ ‫‪S22 ‬‬
‫‪V  X1  X 2   V  X1   V  X 2   ‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n 2 ‬‬
‫‪ 1‬‬ ‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪  36  25   05.5625‬‬
‫‪ 09 16 ‬‬
‫‪2‬‬
‫‪ S2‬‬ ‫‪S22 ‬‬ ‫‪2‬‬
‫‪ 1‬‬ ‫‪ ‬‬ ‫‪ 36 25 ‬‬
‫‪ n1‬‬ ‫‪n 2 ‬‬ ‫‪ 09  16 ‬‬
‫‪V‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 16‬‬ ‫ﺑﻌد ﺣﺳﺎب اﻟﺗﺑﺎﯾن ﻧﺳﺗﺧرج درﺟﺔ اﻟﺣرﯾﺔ‪ V‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪ S1 ‬‬ ‫‪ S2 ‬‬ ‫‪ 36 ‬‬ ‫‪ 25 ‬‬
‫‪ 1‬‬ ‫‪ 2‬‬ ‫‪ 09 ‬‬ ‫‪ ‬‬
‫‪ n1 ‬‬ ‫‪ n 2 ‬‬ ‫‪  16 ‬‬
‫‪‬‬ ‫‪09‬‬ ‫‪16‬‬
‫‪n1 1‬‬ ‫‪n 2 1‬‬
‫‪X1  X2  T16  05, 05.5625‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق أﻛﺑر ﻣن‪08‬‬
‫‪ X1  X2   1  2 ‬‬
‫‪T‬‬ ‫ﻟﺣﺳﺎب ﻫذا اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﺣﺻﺎءة ﺳﺗودﻧت )‪ (T‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪S12 S22‬‬
‫‪‬‬
‫‪n1 n 2‬‬

‫‪P  X1  X 2  08  P  T16  08  05   P  T16  01.272  01 P  T16  01.272‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪05.5625 ‬‬
‫‪ 01  F(01.272)  01  0.886  0.114‬‬
‫ﻣﻼﺣظﺔ‪ :‬ان اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻠﻘﯾﻣﺔ ‪ 01.272‬ﻋﻧد درﺟﺔ ﺣرﯾﺔ ‪ 16‬ﻓﻲ ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت ﻻ ﯾوﺟد‬
‫ﻟذا ﺗم اﯾﺟﺎد اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻬﺎ )‪ (0.886‬ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﺣﺻر ﺑﺎﻟﻧﻘﺻﺎن ﻛﻣﺎ ﺗم ﺷرﺣﻬﺎ ﺳﺎﺑﻘﺎ ﻓﻲ‬
‫اﻟﺗﻣرﯾن ‪07‬‬
‫‪:2-4‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻋﯾﻧﺗﯾن‪  X  X ‬ﻣرﺗﺑطﺗﯾن‬
‫‪1‬‬ ‫‪2‬‬

‫ﺗﻣﻬﯾد‪ :‬ﻓﻲ ﻛﺛﯾر ﻣن اﻟدراﺳﺎت ﻋﻧد ﻣﻘﺎرﻧﺔ ﻣﺗوﺳطﻲ ﻋﯾﻧﺗﯾن ﻧﺟد ان اﻟﻌﯾﻧﺗﯾن ﯾر ﻣﺳﺗﻘﻠﺗﯾن‪ ،‬وﺗﻛون ﻛل‬
‫ﻗﯾﻣﺔ ﻓﻲ اﻟﻌﯾﻧﺔ اﻻوﻟﻰ ﻣﻘروﻧﺔ ﺑﻘﯾﻣﺔ ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬أي ﺗﻛون اﻟﻘﯾﻣﺔ اﻻوﻟﻰ ﻓﻲ اﻟﻌﯾﻧﺔ اﻻوﻟﻰ واﻟﻘﯾﻣﺔ‬
‫اﻻوﻟﻰ ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ﺗﺎﺑﻌﺗﯾن ﻟﻧﻔس اﻟﻣﻔردة‪ ،‬واﻟﻘﯾﻣﺔ اﻟﺛﺎﻧﯾﺔ ﻓﻲ اﻟﻌﯾﻧﺔ اﻻﻟوﻟﻰ واﻟﻘﯾﻣﺔ اﻟﺛﺎﻧﯾﺔ ﻓﻲ اﻟﻌﯾﻧﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪36‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﺛﺎﻧﯾﺔ ﺗﺎﺑﻌﺗﯾن ﻟﻧﻔس اﻟﻣﻔردة وﻫﻛذا‪،...‬أي ﻧﺟد ان اﻟﻘﯾم اﻟﻣﺷﺎﻫدة ﻓﻲ اﻟﻌﯾﻧﺗﯾن ﺗﻛون ازواج ﻣن اﻟﻘﯾم‪،‬‬
‫وﻟذﻟك ﺳﻣﯾت اﻟﻌﯾﻧﺗﺎن ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺑﺎﻟﻌﯾﻧﺗﯾن اﻟﻣزدوﺟﺗﯾن او اﻟﻣﻘروﻧﺗﯾن او اﻟﻣرﺗﺑطﺗﯾن‪.‬‬
‫وﺗﺑﺎﯾن ‪، 12‬‬ ‫ﻧظرﯾﺔ‪:14‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن اﻻول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬

‫وﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﻫو اﻻﺧر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪ ، ‬وﻛﺎن اﻟﻣﺟﺗﻣﻌﺎن‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﻣرﺗﺑطﺎن و ﺳﺣﺑت ﻣن ﻛل ﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ‪ X1, X2 , X3..................Xn n‬و ‪Y1, Y2 , Y3 ......................Yn‬‬
‫اﻟﻘﯾﻣﺗﯾن اﻟﻣﺗﻧﺎظرﺗﯾن ﻓﻲ اﻟﻌﯾﻧﺗﯾن‪،‬إذا ﻛﺎﻧت اﻟﻔروق ﺑﯾن ﻗﯾم اﻟﻌﯾﻧﺗﯾن‬ ‫‪ X i‬و ‪Yi‬‬ ‫ﻋﻠﻰ اﻟﺗرﺗﯾب‪ ،‬ﺑﺣﯾث ﺗﻣﺛل‬
‫ﻟﺟﻣﯾﻊ ﻗﯾم ‪،i=1,2,3,………….n‬‬ ‫‪d i  Xi  Yi‬‬ ‫اﻟﻣﺗﻧﺎظرﺗﯾن ﻫﻲ ‪ d1 , d 2 , d3 .................d n ‬ﺣﯾث‬
‫ﻓﺎن ‪ d1 , d 2 , d3 .................d n ‬ﺗﺷﻛل ﻋﯾﻧﺔ اﻟﻔروق وﯾﻣﻛن اﻟﻧظر ﻟﻬذﻩ اﻟﻌﯾﻧﺔ اﻟﺗﻲ ﺣﺟﻣﻬﺎ ‪ n‬ﻋﻠﻰ أﻧﻬﺎ‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ d  1   2‬وﺗﺑﺎﯾﻧﻪ ‪ ، d2‬وﻟﻧﻔرض ان وﺳط اﻟﻌﯾﻧﺔ‬
‫ﻫو ‪ d‬وﺗﺑﺎﯾﻧﻬﺎ ﻫو ‪ Sd2‬وﻧﻣﯾز اﻟﺣﺎﻟﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬
‫اﻟﺣﺎﻟﺔ اﻻوﻟﻰ‪ :‬ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n  30‬و ‪ d2‬ﻣﺟﻬول‬
‫ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن ﻣﺗوﺳط اﻟﻔرق ﻟﻠﻌﯾﻧﺗﯾن ﺳوف ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻛﺎﻟﺗﺎﻟﻲ‪d  N  E  d  , V  d   :‬‬
‫وﯾﺗم ﺣﺳﺎب ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻛﻣﺎ ﯾﻠﻲ ‪:‬‬
‫‪n‬‬
‫‪‬‬ ‫‪di‬‬
‫‪E  d   d ‬‬ ‫‪i1‬‬
‫‪n‬‬
‫‪‬‬
‫‪‬‬ ‫‪Sd2 Sd2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪V d  d  ‬‬
‫‪2‬‬
‫‪‬‬
‫‪n n 1 n‬‬
‫‪d d d d‬‬
‫‪Z‬‬ ‫‪   N  0,1‬‬ ‫ﻓﻲ ﺣﺎﻟﺔﻋدم ﻣﻌﻠوﻣﯾﺔ اﻟﺗﺑﺎﯾن ﻧﺳﺗﺧدم اﻻﺣﺻﺎءة اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪Sd‬‬
‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬
‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n  30‬و ‪ d2‬ﻣﺟﻬول‬
‫ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن ﻣﺗوﺳط اﻟﻔرق ﻟﻠﻌﯾﻧﺗﯾن ﺳوف ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ ﺳﺗودﻧت )‪ (T‬ﺑدرﺟﺔ ﺣرﯾﺔ ‪ V‬اي‬
‫‪d  TV  E  d  ,V  d  ‬‬
‫وﯾﺗم ﺣﺳﺎب ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻛﻣﺎ ﯾﻠﻲ ‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪d‬‬ ‫‪ X Y‬‬
‫‪i‬‬ ‫‪i‬‬ ‫‪i‬‬
‫‪E  d   d ‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬
‫‪‬‬ ‫‪Sd2 Sd2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪V d  d  ‬‬
‫‪2‬‬
‫‪‬‬
‫‪n n 1 n‬‬
‫‪d d d  d‬‬
‫‪T‬‬ ‫‪ ‬‬ ‫ﻓﻲ ﺣﺎﻟﺔﻋدم ﻣﻌﻠوﻣﯾﺔ اﻟﺗﺑﺎﯾن وﺣﺟم اﻟﻌﯾﻧﺔ ‪ n  30‬ﻧﺳﺗﺧدم إﺣﺻﺎءة ﺳﺗودﻧت‪:‬‬
‫‪Sd‬‬
‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪37‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺗﻣرﯾن‪ :14‬إذا ﻛﺎن أداء اﻟﻌﻣﺎل ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ ،‬وﻓﻲ ﻓﻲ ﺗﺟرﺑﺔ ﻟﺑﯾﺎن ﺗﺣﺳن ھذا اﻷداء ﺗم‬
‫ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺣﺟم ‪16‬ﻋﺎﻣﻼ ﻓﻲ اﻟﻣﻌﻣل ﻓﻛﺎﻧت ﻗﯾﺎس اﻟﻛﻔﺎءة ﻗﺑل وﺑﻌد دﺧوﻟﮭم دورة ﺗﺣﺳﯾن‬
‫اﻷداء ﻛﻣﺎ ھو ﻣﺑﯾن ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫‪08 08 08 07 07 07 08 09 09 09 08 08 07 07 08 07‬‬ ‫ﺑﻌد ‪(Xi‬‬
‫‪05 07 07 05 06 05 08 07 06 05 08 07 04 05 05 05‬‬ ‫ﻗﺑل)‪(Yi‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن اﻟﻣرﺗﺑطﺗﯾن ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﻓﻲ اﻷداء ﻗﺑل وﺑﻌد اﻟدورة ﻻ ﯾﻘل ﻋن ‪02.50‬؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن اﻟﻌﯾﻧﺗﯾن‪ :‬ﺑﻣﺎ ان آداء اﻟﻌﻣﺎل ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ اﻗل ﺗﻣﺎم ﻣن ‪ 30‬ﻓﺎﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‪.‬‬
‫إﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ‪:‬‬
‫وﻧﻠﺧص اﻟﻧﺗﺎﺋﺞ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬ ‫‪d i  Xi  Yi‬‬ ‫ﻧﺣﺳب اوﻻ اﻟﻔرق‬
‫‪08 08 08 07 07 07 08 09 09 09 08 08 07 07 08 07‬‬ ‫ﺑﻌد ‪(Xi‬‬
‫‪05 07 07 05 06 05 08 07 06 05 08 07 04 05 05 05‬‬ ‫ﻗﺑل)‪(Yi‬‬
‫‪03 01 01 02 01 02 00 02 03 04 00 01 03 02 03 02 d i  Xi  Yi‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪di‬‬ ‫‪‬‬ ‫‪X i  Yi‬‬
‫‪E  d   d ‬‬ ‫‪i1‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫‪ 30  01.875‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪16‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ di  d ‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ 02  01.875   03  01.875  ............   03  01.875‬‬
‫‪2‬‬
‫‪Sd2‬‬ ‫‪‬‬ ‫‪i1‬‬
‫‪‬‬
‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪n‬‬ ‫‪16‬‬
‫‪ 12.71875  0.80‬‬
‫‪16‬‬
‫‪Sd2 0.80‬‬
‫‪V d ‬‬ ‫‪‬‬ ‫‪ 0.053‬‬
‫‪n 1 15‬‬
‫‪d  T15  01.875, 0.053‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﻓﻲ اﻷداء ﻗﺑل وﺑﻌد اﻟدورة ﻻ ﯾﻘل ﻋن ‪02.50‬‬
‫‪d d d  d‬‬
‫‪T‬‬ ‫‪ ‬‬ ‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل اﻟﺗﺎﻟﻲ ﻧﺳﺗﻌﯾن ﺑﺈﺣﺻﺎءة ﺳﺗودﻧت‬
‫‪Sd‬‬
‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪38‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪‬‬ ‫‪02 .50  01.875 ‬‬
‫‪P  d  02.50   P  T15 ‬‬ ‫‪  P  T15  02 .715   01  P  T15  02 .715 ‬‬
‫‪‬‬ ‫‪0.053‬‬ ‫‪‬‬
‫‪ 01  F(02 .715)  01  0.9915  0.0085‬‬
‫ﻣﻼﺣظﺔ‪ :‬ان اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻠﻘﯾﻣﺔ ‪ 02.715‬ﻋﻧد درﺟﺔ ﺣرﯾﺔ ‪ 15‬ﻻ ﯾوﺟد ﻓﻲ ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت‬
‫ﻟذا ﺗم اﯾﺟﺎد اﻻﺣﺗﻣﺎل )‪ (0.9915‬اﻟﻣﻘﺎﺑل ﻟﻠﻘﯾﻣﺔ )‪ (02.715‬ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﺣﺻر ﺑﺎﻟﻧﻘﺻﺎن ﻛﻣﺎ ﺗم‬
‫ﺷرﺣﻬﺎ ﺳﺎﺑﻘﺎ ﻓﻲ اﻟﺗﻣرﯾن ‪.07‬‬
‫‪‬‬
‫‪-5‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ‪P‬‬
‫ﺗﻣﻬﯾد‪:‬ﯾﺣﺗﺎج اﻟﺑﺎﺣث ﻓﻲ اﻏﻠب اﻟدراﺳﺎت ﻟﻣﻌرﻓﺔ ﻧﺳﺑﺔ ظﺎﻫرة ﻣﻌﯾﻧﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ‪ ،‬ﻛﻧﺳﺑﺔ‬
‫اﻟﻣدﺧﻧﯾن ﻓﻲ ﻣدﯾﻧﺔ ﻣﺎ‪ ،‬ﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ ﺟﺎﻣﻌﺔ ﻣﺎ‪ ،‬ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﺎﻟﻔﺔ ﻓﻲ اﻧﺗﺎج ﻣﺻﻧﻊ‬
‫ﻣﻌﯾن‪....،‬اﻟﺦ‪،‬ﻓﻔﻲ ﻛل ﻫذﻩ اﻟﺣﺎﻻت ﻧﺟد ان اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ ﻣﻧﻘﺳم اﻟﻰ ﻗﺳﻣﯾن‪ ،‬ﻗﺳم ﺗﺗواﻓر ﻓﯾﻪ‬
‫اﻟظﺎﻫرة ﻣﺣل اﻟدراﺳﺔ )اﻟﺧﺎﺻﯾﺔ اﻟﻣدروﺳﺔ( واﻟﻘﺳم اﻟﺛﺎﻧﻲ ﻻ ﺗﺗواﻓر ﻓﯾﻪ اﻟظﺎﻫرة اﻟﻣدروﺳﺔ‪ ،‬وﻣﺟﺗﻣﻌﺎت‬
‫ﻣن ﻫذا اﻟﻧوع ﯾﻛون ﻓﯾﻬﺎ اﻟﻣﺗﻐﯾر وﺻﻔﯾﺎ أي ﻧوﻋﯾﺎ ﻻ ﻧﺳﺗطﯾﻊ ﻗﯾﺎﺳﻪ ﻗﯾﺎﺳﺎ ﻛﻣﯾﺎ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﺗﻌﺎد ﺻﯾﺎﻏﺗﻪ‬
‫وﺗﺣوﯾﻠﻪ اﻟﻰ ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ‪ ،X‬ﺣﯾث ﯾﺎﺧذ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ اﻟﻘﯾﻣﺔ )‪ (X=01‬إذا ﺗواﻓرت اﻟظﺎﻫرة ﻣﺣل‬
‫اﻟدراﺳﺔ ﻓﻲ اﻟﻣﻔردة اﻟﻣدروﺳﺔ‪ ،‬وﯾﺎﺧذ اﻟﻘﯾﻣﺔ )‪ (X=0‬إذا ﻟم ﺗﺗواﻓر اﻟظﺎﻫرة ﻓﻲ اﻟﻣﻔردة اﻟﻣدروﺳﺔ‪ ،‬وﯾطﻠق‬
‫ﻋﻠﻰ ﻫذا اﻟﻧوع ﻣن اﻟﺗوزﯾﻊ اﻟذي ﯾﺎﺧذ ﻗﯾﻣﺗﯾن ﻓﻘط )‪ 0‬او‪ (01‬ﺑﺗوزﯾﻊ ذي اﻟﺣدﯾن‪ ،‬وﻧﺗﻌﺎﻣل ﻓﻲ ﻫذا اﻟﻧوع‬
‫ﻣن اﻟﻣﺟﺗﻣﻌﺎت ﻣﻊ ﻧﺳﺑﺔ اﻟظﺎﻫرة ﻣﺣل اﻟدراﺳﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪ ،‬وﯾرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز‪ P‬وﯾطﻠق ﻋﻠﯾﻬﺎ ﻧﺳﺑﺔ‬
‫اﻟﻣﺟﺗﻣﻊ وﻫﻲ ﺗﺣﺳب ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪X‬‬ ‫ﻋدد ﻣﻔردات اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﺗﺗﺣﻘق ﻓﯾﻬﺎ اﻟظﺎﻫرة اﻟﻣدروﺳﺔ‬

‫=‬ ‫‪=P‬‬
‫‪N‬‬ ‫اﻟﻌدد اﻟﻛﻠﻲ ﻟﻣﻔردات اﻟﻣﺟﺗﻣﻊ‬

‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ‪ P‬ﺗﻣﺛل إﺣﺗﻣﺎل ظﻬور ﻫذﻩ اﻟظﺎﻫرة ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪ ،‬وﯾرﻣز ﻻﺣﺗﻣﺎل ﻋدم ظﻬور ﻫذﻩ اﻟظﺎﻫرة‬
‫ﻓﻲ اﻟﻣﺟﺗﻣﻊ ﺑﺎﻟرﻣز ‪ ،q‬ﺣﯾث ان ﺣدث ظﻬور اﻟظﺎﻫرة وﺣدث ﻋدم ظﻬورﻫﺎ ﻫﻣﺎ ﺣدﺛﺎن ﻣﻛﻣﻼن ﻟﺑﻌﺿﻬﻣﺎ‬
‫اﻟﺑﻌض اي ‪p  q  01‬‬
‫وﺗﻌﺗﺑر اﻟﻧﺳﺑﺔ ‪ P‬ﻣن اﻫم ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﯾرﻏب اﻟﺑﺎﺣث ﻓﻲ ﻣﻌرﻓﺗﻬﺎ ﻟﯾﺳﺗطﯾﻊ وﺻف اﻟﻣﺟﺗﻣﻊ‬
‫ﻣﺣل اﻟدراﺳﺔ وﺻﻔﺎ ﺟﯾدا‪ ،‬وﻟﻛن ﻓﻲ اﻟﻛﺛﯾر ﻣن اﻻﺣﯾﺎن ﻻ ﻧﺳﺗطﯾﻊ ﺗﺣدﯾد ﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ ﻟﻌدم ﺗواﻓر‬
‫ﺑﯾﺎﻧﺎت ﻟدﯾﻧﺎ ﻋن ﻛل ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪ ،‬وﻟذﻟك ﻧﻘوم ﺑﺎﻻﺳﺗدﻻل ﻋﻠﯾﻬﺎ‪ ،‬اي اﺳﺗﻧﺗﺎﺟﻬﺎ ﺑﺎﺳﺗﺧدام ﻧﺳﺑﺔ‬
‫اﻟظﺎﻫرة ﻣﺣل اﻟدراﺳﺔ ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬وﯾرﻣز ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ‬
‫ﺑﺎﻟرﻣز ‪ P‬وﺗﺣﺳب ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬

‫‪X‬‬ ‫ﻋدد ﻣﻔردات اﻟﻌﯾﻧﺔ اﻟﺗﻲ ﺗﺗﺣﻘق ﻓﯾﻬﺎ اﻟظﺎﻫرة اﻟﻣدروﺳﺔ‬ ‫‪‬‬
‫‪P‬‬
‫‪n‬‬ ‫اﻟﻌدد اﻟﻛﻠﻲ ﻟﻣﻔردات اﻟﻌﯾﻧﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪39‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪‬‬
‫ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ‪ ، P‬ﻛﺄي اﺣﺻﺎﺋﯾﺔ ﺗﺗﻐﯾر ﻗﯾﻣﺗﻬﺎ ﻣن ﻋﯾﻧﺔ اﻟﻰ اﺧرى وﺑﺎﻟﺗﺎﻟﻲ ﻓﻬﻲ ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻟﻪ ﺗوزﯾﻊ‬
‫إﺣﺗﻣﺎﻟﻲ ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ‪.‬‬
‫ﻧظرﯾﺔ‪ :15‬ﻟﯾﻛن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ ﺛﻧﺎﺋﻲ اﻟﺣدﯾن ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪  np‬‬
‫‪‬‬
‫وﺗﺑﺎﯾن ‪ 2  npq‬ﻣن ﻣﺟﺗﻣﻊ ﻣﺎ ﻏﯾر ﻣﺣدود‪ ،‬ﺣﯾث ‪ P‬ﻧﺳﺑﺔ اﻟﻣﻔردات ذات ﺻﻔﺔ ﻣﻌﯾﻧﺔ‪ ،‬وﻟﺗﻛن ‪ P‬ﻣﺗﻐﯾر‬
‫ﻋﺷواﺋﻲ ﺗﻣﺛل ﻧﺳﺑﺔ اﻟﻣﻔردات ذات اﻟﺻﻔﺔ اﻟﻣذﻛورة ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ‪ n‬ﻣن ذات اﻟﻣﺟﺗﻣﻊ ﺑﺎﻻرﺟﺎع او‬
‫‪‬‬
‫ﻧﺗﺣﺻل ﻋﻠﻰ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﺣﺻﺎءة ‪ P‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬ ‫و ‪  0.05 ‬‬
‫‪n‬‬ ‫‪‬‬
‫ﻋدم اﻻرﺟﺎع‪،‬‬
‫‪N‬‬ ‫‪‬‬
‫‪‬‬
‫‪P  N  P, p  q  ...................... n‬‬ ‫‪ 0.05‬‬
‫‪‬‬ ‫‪n ‬‬ ‫‪N‬‬
‫‪‬‬
‫‪‬‬
‫‪P ‬‬
‫أﻣﺎ اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ P‬ﻓﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪ N  0,1 :‬‬
‫‪P P‬‬ ‫‪‬‬
‫‪P‬‬
‫‪Z‬‬ ‫‪‬‬
‫‪‬‬ ‫‪pq‬‬
‫‪P‬‬
‫‪n‬‬
‫اﻟﺑرﻫﺎن‪:‬ﻻﺛﺑﺎت ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻧﺳﺗﺧدم ﺧﺎﺻﯾﺔ اﻟﺗﻘرﯾب اي ﺗﻘرﯾب اﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن ﺑﺎﺳﺗﺧدام‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫ﻧﻌﻠم اﻧﻪ اذا ﻛﺎن ﻟدﯾﻧﺎ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻫﻣﺎ‬
‫‪X  N  , 2 ‬‬
‫ﻛﻣﺎ ﻧﻌﻠم اﯾﺿﺎ اذا ﻛﺎن ﻟدﯾﻧﺎ ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن ﻓﺎن ﻣﻌﻠﻣﺗﻲ‬
‫اﻟﺗوزﯾﻊ ﻫﻣﺎ ‪X  ben  np, npq ‬‬
‫‪E  X     np‬‬
‫ﺑﺎﺳﺗﺧدام ﺧﺎﺻﯾﺔ اﻟﺗﻘرﯾب ﻧﺟد‪:‬‬
‫‪V  X   2  npq‬‬
‫‪x‬‬
‫ﻛﻣﺎ ﻧﻌﻠم ﻣن ﺟﻬﺔ اﺧرى ان‬
‫‪‬‬
‫‪P‬‬
‫‪n‬‬
‫ﺑﺎدﺧﺎل اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻋﻠﻰ طرﻓﻲ اﻟﻣﺳﺎوات وﺑﺎﻻﺳﺗﻌﺎﻧﺔ ﺑﺧﺻﺎﺋص اﻟﺗوﻗﻊ اﻟﺗﻲ ذﻛرت ﻓﯾﻣﺎ ﺳﺑق ﻧﺟد‪:‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪X 1‬‬ ‫‪1‬‬
‫‪E P  E    E  X   np  p‬‬
‫‪n n‬‬ ‫‪n‬‬
‫‪‬‬
‫‪E P    p‬‬
‫‪P‬‬

‫ﺑﺎدﺧﺎل اﻟﺗﺑﺎﯾن ﻋﻠﻰ طرﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ وﺑﺎﻻﺳﺗﻌﺎﻧﺔ ﺑﺧﺻﺎﺋص اﻟﺗﺑﺎﯾن ﻧﺟد‪:‬‬
‫‪ ‬‬
‫‪‬‬
‫‪V P  V‬‬
‫‪X 1‬‬
‫‪  2 V X ‬‬
‫‪1‬‬
‫‪npq ‬‬
‫‪pq‬‬
‫‪n n‬‬ ‫‪n n‬‬ ‫‪n‬‬
‫‪ ‬‬
‫‪‬‬
‫‪V P  2 ‬‬
‫‪pq‬‬
‫‪P‬‬ ‫‪n‬‬
‫ﺗﻣرﯾن‪:15‬إذا ﻛﺎﻧت ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ أﺣد اﻟﻣﺟﺗﻣﻌﺎت ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﺗﺳﺎوي ‪، 0.35‬‬
‫ﻓﺎذا ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 100‬ﻣﻔردة‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪40‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ ﻫذﻩ اﻟﻌﯾﻧﺔ أﻛﺑر ﻣن ‪0.4‬؟‬
‫‪-3‬ﻣﺎﻫو إﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ اﻟﻌﯾﻧﺔ ﻓﻲ ﺣدود ‪ 0.05‬ﻣن ﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﻫو ﯾﻣﺛل ﻧﺳﺑﺔ اﻟﻣﺧﻧﯾن ﻓﻲ أﺣد اﻟﻣﺟﺗﻣﻌﺎت‪.‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ‪ :‬ﻟﻣﻌرﻓﺔ طﺑﯾﻌﺔ اﻟﺗوزﯾﻊ ﻧﺳﺗﺧدم ﺷروط اﻟﺗﻘرﯾب ﻣن اﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن‬
‫اﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪:‬‬
‫‪-1‬اﻻﺣﺗﻣﺎل‪ P‬ﯾﻘﺗرب ﻣن ‪0.50‬‬
‫‪-2‬ﺣﺟم اﻟﻌﯾﻧﺔ اﻛﺑر او ﯾﺳﺎوي ‪20‬‬
‫وﺑﻣﺎ ان اﻟﺷرطﯾن ﻣﺣﻘﻘﯾن ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﯾﺔ ﺳﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫وﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‪n=100،P=0.35 :‬‬
‫‪‬‬
‫ﻧﺳﺗﺧرج ﻣﻌﻠﻣﺗﻲ ﺗوزﯾﻊ اﻟﻧﺳﺑﺔ ‪ P‬ﺑﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‬
‫‪‬‬
‫‪E P     p  0.35‬‬
‫‪P‬‬

‫‪ ‬‬ ‫‪‬‬

‫‪V P  2 ‬‬
‫‪p  q p  1  p ‬‬
‫‪‬‬
‫‪P‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪0.35  0.65‬‬
‫‪‬‬ ‫‪ 0.002275‬‬
‫‪100‬‬
‫‪‬‬
‫‪P  N  0.35, 0.002275‬‬ ‫إذن‪:‬‬
‫‪-2‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ ﻫذﻩ اﻟﻌﯾﻧﺔ أﻛﺑر ﻣن ‪.0.4‬‬
‫‪‬‬
‫‪‬‬
‫‪P ‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﻻﺣﺻﺎءة )‪ (Z‬ﻛﺎﻟﺗﺎﻟﻲ‪ N  0,1 :‬‬
‫‪P‬‬ ‫‪P P‬‬
‫‪Z‬‬ ‫‪‬‬
‫‪‬‬ ‫‪pq‬‬
‫‪P‬‬
‫‪n‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P P  0.40  P  Z ‬‬ ‫‪‬‬‫‪0.40  0.35 ‬‬
‫‪  P  Z  01.05  01  P  Z  01.05‬‬
‫‪‬‬ ‫‪0.002275 ‬‬
‫‪ 01  F  01.05   01  0.85314  0.14686‬‬
‫‪-3‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ اﻟﻌﯾﻧﺔ ﻓﻲ ﺣدود ‪ 0.05‬ﻣن ﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫‪P  0.05  0.35  0.05   0.30, 0.40‬‬ ‫ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ﺗﻛون ﻣﺎﺑﯾن‬
‫وﯾﺣﺳب اﻻﺣﺗﻣﺎل ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 0.30  P  0.40  P ‬‬ ‫‪‬‬ ‫‪ 0.30  0.35‬‬
‫‪Z‬‬
‫‪0.40  0.35 ‬‬
‫‪  P  01.05  Z  01.05 ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪.‬‬‫‪002275‬‬ ‫‪0‬‬ ‫‪.‬‬‫‪002275‬‬ ‫‪‬‬
‫‪ 02F  01.05  01  02  0.85314  01  0.70628‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪41‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﻧظرﯾﺔ‪ :16‬ﻟﯾﻛن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ ﺛﻧﺎﺋﻲ اﻟﺣدﯾن ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪  np‬‬
‫‪‬‬
‫وﺗﺑﺎﯾن ‪ 2  npq‬ﻣن ﻣﺟﺗﻣﻊ ﻣﺎ ﻣﺣدود‪ ،‬ﺣﯾث ‪ P‬ﻧﺳﺑﺔ اﻟﻣﻔردات ذات ﺻﻔﺔ ﻣﻌﯾﻧﺔ‪ ،‬وﻟﺗﻛن ‪ P‬ﻣﺗﻐﯾر‬
‫ﻋﺷواﺋﻲ ﺗﻣﺛل ﻧﺳﺑﺔ اﻟﻣﻔردات ذات اﻟﺻﻔﺔ اﻟﻣذﻛورة ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ‪ n‬ﻣن ذات اﻟﻣﺟﺗﻣﻊ ﻣﻊ ﻋدم‬
‫‪‬‬
‫اﻻرﺟﺎع‪ ،‬و ‪  n  0.05 ‬ﻧﺗﺣﺻل ﻋﻠﻰ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﺣﺻﺎءة ‪ P‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪N‬‬ ‫‪‬‬
‫‪‬‬
‫‪E P    P‬‬
‫‪P‬‬

‫‪V  P   2  p  q  N  n ......................... n  0.05‬‬

‫‪‬‬
‫‪‬‬
‫‪n‬‬‫‪P‬‬ ‫‪n 1‬‬ ‫‪N‬‬

‫‪‬‬
‫‪P  N  P, p n q  NNn1  ...................... Nn  0.05‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪‬‬ ‫‪‬‬
‫أﻣﺎ اﻻﺣﺻﺎءة )‪ (Z‬ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ P‬ﻓﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬

‫‪‬‬
‫‪‬‬
‫‪P  ‬‬ ‫‪P P‬‬
‫‪Z‬‬ ‫‪P‬‬
‫‪‬‬ ‫‪ N  0,1‬‬
‫‪‬‬ ‫‪pq N  n‬‬
‫‪P‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬
‫ﺗﻣرﯾن‪ :16‬إذا ﻛﺎن ﻋدد اﻻﺳر ﻓﻲ ﺑﻠد ﻣﺎ ﻫو‪ 2500‬أﺳرة وﻛﺎﻧت ﻧﺳﺑﺔ اﻻﻓراد ﻓﯾﻬﺎ ﻣن اﻟذﻛور ﺗﺧﺿﻊ‬
‫ﻟﻠﺗوزﯾﻊ ذي اﻟﺣدﯾن و ﻫﻲ ﺗﻣﺛل ‪ ،%59‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻣﻊ ﻋدم اﻻرﺟﺎع وﻛﺎﻧت‬
‫ﻗﯾﻣﺔ ﻫذﻩ اﻟﻌﯾﻧﺔ ‪ 200‬اﺳرة‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ اﻻﺳر؟‬
‫‪-2‬أﺣﺳب إﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ ﻫذا اﻟﺑﻠد ﺗﺗراوح ﺑﯾن ‪ %51‬و‪%61‬‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﻫو ﯾﻣﺛل ﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ أﺣد اﻟﻣﺟﺗﻣﻌﺎت‪.‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ اﻻﺳر‪ : :‬ﻟﻣﻌرﻓﺔ طﺑﯾﻌﺔ اﻟﺗوزﯾﻊ ﻧﺳﺗﺧدم ﺷروط اﻟﺗﻘرﯾب ﻣن‬
‫اﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن اﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪:‬‬
‫‪-1‬اﻻﺣﺗﻣﺎل‪ P‬ﯾﻘﺗرب ﻣن ‪0.50‬‬
‫‪-2‬ﺣﺟم اﻟﻌﯾﻧﺔ اﻛﺑر او ﯾﺳﺎوي ‪20‬‬
‫وﺑﻣﺎ ان اﻟﺷرطﯾن ﻣﺣﻘﻘﯾن ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﯾﺔ ﺳﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫وﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‪N=2500 ،n=200،P=0.59 :‬‬
‫‪‬‬
‫ﻧﺳﺗﺧرج ﻣﻌﻠﻣﺗﻲ ﺗوزﯾﻊ اﻟﻧﺳﺑﺔ ‪ P‬ﺑﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‬
‫‪‬‬
‫‪E P     0.59‬‬ ‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪P‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪42‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع )اﻟﺷرطﺎن اﻟﻛﺎﻓﯾﺎن ﻣﺣﻘﻘﺎن( ﻧﻧﺗﻘل اﻟﻰ اﻟﺷرط‬
‫اﻟﻼزم وﻫو ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ‬
‫‪n 200‬‬
‫‪‬‬ ‫‪ 0.08  0.05‬‬
‫‪N 2500‬‬
‫اﻟﺷرط اﻟﻼزم ﻣﺣﻘق اذن ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع او ﻣﻌﺎﻣل اﻟﺗﺻﺣﯾﺢ‪.‬‬
‫‪‬‬
‫‪V P  2  p  q  N  n‬‬
‫‪n‬‬ ‫‪n 1‬‬
‫‪P‬‬
‫‪0.59  0.41 2500  200‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 0.0011‬‬
‫‪200‬‬ ‫‪2500  1‬‬
‫‪‬‬
‫‪P  N  0.59, 0.0011‬‬ ‫وﻋﻠﯾﻪ ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟذﻛور ﻓﻲ ﻫذا اﻟﺑﻠد ﺗﺗراوح ﺑﯾن ‪ %51‬و‪%61‬‬
‫ﻣن اﺟل ﺣﺳﺎب اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﻻﺣﺻﺎءة )‪(Z‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 0.51  P  0.61  P ‬‬ ‫‪‬‬ ‫‪ 0.51  0.59‬‬
‫‪ Z‬‬
‫‪0.61 0.59 ‬‬
‫‪  P  02.41  Z  0.60 ‬‬
‫‪‬‬ ‫‪0‬‬‫‪.‬‬ ‫‪0011‬‬ ‫‪0‬‬‫‪.‬‬ ‫‪0011‬‬ ‫‪‬‬
‫‪ F  0.60  F  02.41 1  0.72575  0.99202 1‬‬
‫‪ 0.71777‬‬
‫‪‬‬
‫ﻧظرﯾﺔ ‪) 17‬ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ(‪ :‬وﻓﻘﺎ اﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‪ ،‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ‪ P‬ﯾﻘﺗرب ﻣن‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﻛﺑﯾ ار ﺑﻣﺎ ﻓﯾﻪ اﻟﻛﻔﺎﯾﺔ‪ ،‬وﯾﺗﺣﻘق ذﻟك ﻋﻧدﻣﺎ ﯾﻛون ﻛل ﻣن ‪np‬‬
‫‪np  05‬‬
‫‪ N‬‬ ‫و ‪ np‬أﻛﺑر او ﯾﺳﺎوي‪ 05‬أي اذا ﺗﺣﻘق‪:‬‬
‫‪nq  05‬‬
‫‪‬‬

‫‪ Z ‬ﺳﯾﺗﺑﻊ ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن‬ ‫واﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (z‬واﻟذي ﺗﻌطﻰ ﻋﻼﻗﺗﻪ ﻛﺎﻟﺗﺎﻟﻲ ‪ N  0,1‬‬
‫‪P P‬‬
‫‪pq‬‬
‫‪n‬‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫وﻗد وﺿﻊ اﻟﻌﺎﻟم ﻛوﻛرن )‪ (Cochran 1963‬ﻗواﻋد ﻟﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻼزم ﻣن اﺟل اﺳﺗﺧدام اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ واﻟﺟدول اﻟﺗﺎﻟﻲ ﯾوﺿﺢ ذﻟك‪:‬‬
‫إذا ﻛﺎﻧت ‪ P‬ﺗﺳﺎوي‬ ‫ﯾﺳﺗﺧدم اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ إذا ﻛﺎن ‪ n‬ﻋﻠﻰ اﻻﻗل ﯾﺳﺎوي‬
‫‪0.50‬‬ ‫‪30‬‬
‫‪0.40-0.60‬‬ ‫‪50‬‬
‫‪0.30-0.70‬‬ ‫‪80‬‬
‫‪0.20-0.80‬‬ ‫‪200‬‬
‫‪0.10-0.90‬‬ ‫‪600‬‬
‫‪0.05-0.95‬‬ ‫‪1400‬‬
‫ﺗﻣرﯾن ‪ :17‬ﺑﻔرض ان ﻣﺟﺗﻣﻌﺎ ﻣﺎ اﻓرادﻩ ﻋدة آﻻف ﯾﻣﺛل ﻣﺻﻧﻌﺎ ﻻﻧﺗﺎج ﺑطﺎﻗﺎت اﻟﻣﻌﺎﯾدة‪ ،‬ﻓﺈذا ﻛﺎن‪0.20‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪43‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫ﻣن اﻟﺑطﺎﻗﺎت ﺗﺎﻟﻔﺔ‪،‬اﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ 300‬ﺑطﺎﻗﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﺑطﺎﻗﺎت اﻟﺗﺎﻟﻔﺔ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﺑطﺎﻗﺎت اﻟﺗﺎﻟﻔﺔ اﻛﺑر ﻣن‪0.19‬؟‬
‫اﻟﺣل‪:‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﻧﻔﺻل ﯾﻣﺛل ﺑطﺎﻗﺎت اﻟﻣﻌﺎﯾدة وﻫو ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن ﺑﻣﺗوﺳط ﺟﺳﺎﺑﻲ‬
‫‪0.20‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺳﺎﺑﻘﺔ‪n=300،q=1-p=1-0.20=0.80 ،P=0.20 :‬‬
‫‪-1‬إﯾﺟﺎد اوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﺑطﺎﻗﺎت اﻟﺗﺎﻟﻔﺔ‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن‬
‫وﻟﻣﻌرﻓﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻧﺳﺗﺧدم ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‬
‫‪np  0.20 300  60  05 ‬‬
‫‪ N‬‬
‫‪nq  0.80 300  240  05‬‬
‫إذن اﻟﺷرطﺎن ﻣﺣﻘﻘﺎن وﺑﺎﻟﺗﺎﻟﻲ ﻓﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫‪‬‬
‫‪    ‬‬
‫‪‬‬
‫‪P  N E P ,V P‬‬
‫‪‬‬

‫إﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ‬

‫‪‬‬
‫‪E P     0.20‬‬ ‫ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪P‬‬

‫ﺣﺳﺎب اﻟﺗﺑﺎﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻊ ﻛﺑﯾر ﺟدا ﻻ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع وﯾﺣﺳب اﻟﺗﺑﺎﯾن ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪‬‬
‫‪V P  2  p  q  0.20  0.80  0.00053‬‬
‫‪P‬‬ ‫‪n‬‬ ‫‪300‬‬
‫‪‬‬
‫‪P  N  0.20, 0.00053‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﺗﻛون ﻧﺳﺑﺔ اﻟﺑطﺎﻗﺎت اﻟﺗﺎﻟﻔﺔ اﻛﺑر ﻣن‪0.19‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪(Z‬‬
‫‪‬‬ ‫‪‬‬
‫‪P P  0.19  P  Z ‬‬
‫‪‬‬ ‫‪0.19  0.20 ‬‬
‫‪  P  Z  0.43  01  P  Z  0.43 ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪.‬‬‫‪00053‬‬ ‫‪‬‬
‫‪ 01  F  0.43  F  0.43  0.66640‬‬
‫‪-6‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻋﯾﻧﺗﯾن ‪ P  P ‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬

‫ﺗﻣﻬﯾد‪:‬إذا ﻛﺎﻧت اﻟدراﺳﺔ اﻟﺧﺎﺻﺔ ﺑﻣﻘﺎرﻧﺔ ظﺎﻫرة ﻣﻌﯾﻧﺔ ﻓﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺧﺗﻠﻔﯾن‪ ،‬أي ﻣﺣﺎوﻟﺔ ﻣﻌرﻓﺔ اﻟﻔرق‬
‫ﺗرﻣز اﻧﺳﺑﺔ اﻟظﺎﻫرة ﻓﻲ‬ ‫و ‪P2‬‬ ‫ﺗرﻣز ﻟﻧﺳﺑﺔ اﻟظﺎﻫرة ﻓﻲ اﻟﻣﺟﺗﻣﻊ اﻻول‪،‬‬ ‫ﺣﯾث ‪P1‬‬ ‫ﺑﯾن اﻟﻧﺳﺑﺗﯾن )‪،(P1-P2‬‬
‫‪‬‬ ‫‪‬‬

‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬وﻋﻧد ﻋدم ﺗواﻓر ﺑﯾﺎﻧﺎت ﻋن ﻛل ﻣﻔردات اﻟﻣﺟﺗﻣﻊ اﻻول و ﻛل ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‬
‫اﻟﺛﺎﻧﻲ‪،‬ﻧﻘوم ﺑﺎﻻﺳﺗدﻻل ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ )‪ ،(P1-P2‬أي اﺳﺗﻧﺗﺎﺟﻬﺎ ﺑﺎﺳﺗﺧدام اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪44‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫ﻧﺳﺑﺔ اﻟظﺎﻫرة‬ ‫ﺣﯾث ‪P1‬‬

‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫اﻟﻌﺷواﺋﯾﺗﯾن اﻟﻣﺳﺣوﺑﺗﯾن ﻣن ﻫذﯾن اﻟﻣﺟﺗﻣﻌﯾن‪،‬أي ﺑﺎﺳﺗﺧدام اﻻﺣﺻﺎﺋﯾﺔ ‪، P1  P2‬‬
‫ﻧﺳﺑﺔ اﻟظﺎﻫرة ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن‬ ‫و ‪P2‬‬ ‫ﻓﻲ اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول‪،‬‬
‫‪‬‬

‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬وﻟذﻟك ﯾﺟب دراﺳﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻬذﻩ اﻻﺣﺻﺎﺋﯾﺔ واﻟذي ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻋﯾﻧﺗﯾن‪.‬‬
‫ﻧظرﯾﺔ‪ :18‬إذا ﻛﺎﻧت ‪ x1,x2,x3……xn1‬ﺗﺷﻛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﺣﺟﻣﻪ ‪ N1‬ﻧﺳﺑﺔ‬
‫ﻋﻧﺎﺻرﻫﺎ اﻟﺗﻲ ﻟﻬﺎ اﻟﺧﺎﺻﯾﺔ ﻣدار اﻟﺑﺣث ﺗﺳﺎوي ‪ P1‬وﻧﺳﺑﺔ ﻋﻧﺎﺻر اﻟﻌﯾﻧﺔ اﻟﺗﻲ ﻟﻬﺎ ﻧﻔس اﻟﺧﺎﺻﯾﺔ ﻫﻲ‬
‫‪ ، P1‬وﻛﺎﻧت ﻟدﯾﻧﺎ ‪ x1,x2,x3……xn2‬واﻟﺗﻲ ﺗﺷﻛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﺛﺎﻧﻲ ﺣﺟﻣﻪ ‪N2‬‬
‫‪‬‬

‫ﻧﺳﺑﺔ ﻋﻧﺎﺻرﻫﺎ اﻟﺗﻲ ﻟﻬﺎ اﻟﺧﺎﺻﯾﺔ ﻣدار اﻟﺑﺣث ﺗﺳﺎوي ‪ P2‬وﻧﺳﺑﺔ ﻋﻧﺎﺻر اﻟﻌﯾﻧﺔ اﻟﺗﻲ ﻟﻬﺎ ﻧﻔس اﻟﺧﺎﺻﯾﺔ‬
‫وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬وﻗﻣﻧﺎ ﺑﺣﺳﺎب اﻟﻔرق ﺑﯾن ﺑﯾن ﻧﺳب ﻋﯾﻧﺎت اﻟﻣﺟﺗﻣﻊ‬
‫‪‬‬
‫‪P2‬‬

‫اﻻول وﻧﺳب ﻋﯾﻧﺎت اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬أي ﺣﺳﺑﻧﺎ ﻛل ﻗﯾم ‪ P1  P2‬ﻓﺳﻧﺣﺻل ﻋﻠﻰ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪  ‬وﺗﺑﺎﯾن‬ ‫‪‬‬
‫‪P1  P2‬‬
‫‪ P1  P2‬واﻟذي ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺗﻘرﯾﺑﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫ﺑﯾن ﻧﺳﺑﺗﻲ ﻋﯾﻧﺗﯾن‬

‫‪ ،  ‬وﻧﻣﯾز اﻟﺣﺎﻟﺗﻲ اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬ ‫‪‬‬

‫‪P1 P2‬‬

‫‪  N  0.05 ‬و ‪ N  0.05 ‬‬ ‫‪-‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻻرﺟﺎع او ﻋدم اﻻرﺟﺎع و‬
‫‪ n2‬‬ ‫‪  n1‬‬ ‫‪‬‬
‫‪ 2‬‬ ‫‪  1‬‬ ‫‪‬‬
‫ﻧﺳﺗﻧﺗﺞ ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ اﻧطﻼﻗﺎ ﻣن ﺧﺻﺎﺋص اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪P1  P2  N  E P1  P2 , V P1  P2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪   ‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E  P1  P2   E P1  E P2  P1  P2‬‬
‫‪  ‬‬ ‫‪P 1  P  P 1  P ‬‬
‫‪V  P1 P2   V  P   V  P  ‬‬ ‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪Z‬‬
‫‪P  P   P  P ‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪ N  0,1‬‬ ‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪P1 1 P1  P2 1  P2 ‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫و ‪  N  0.05 ‬و ‪ N  0.05 ‬‬ ‫‪-‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع‬

‫‪ n2‬‬ ‫‪  n1‬‬ ‫‪‬‬
‫‪ 2‬‬ ‫‪  1‬‬ ‫‪‬‬
‫ﻧﺳﺗﻧﺗﺞ ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ اﻧطﻼﻗﺎ ﻣن ﺧﺻﺎﺋص اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪P1  P2  N  E P1  P2 , V P1  P2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪   ‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E  P1  P2   E P1  E P2  P1  P2‬‬
‫‪  ‬‬ ‫‪P 1  P  N  n P 1  P  N  n‬‬
‫‪V  P1 P2   V  P   V  P  ‬‬ ‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬‫‪‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪n‬‬ ‫‪N 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪45‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻣﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﻓﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫‪Z‬‬
‫‪P  P   P  P ‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪ N  0,1‬‬
‫‪P1 1  P1  N1  n1 P2 1  P2  N2  n 2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪N1  1‬‬ ‫‪n2‬‬ ‫‪N2 1‬‬
‫ﻣﻼﺣظﺔ‪ :‬ﺑﺎﻟﻧﺳﺑﺔ ﻟﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻻول واﻟﺛﺎﻧﻲ ﻟﯾس ﺑﺎﻟﺿرورة ان ﯾﺗﺣﻘﻘﺎ ﻣﻌﺎ‪ ،‬ﻓﻘد ﯾﺗﺣﻘق اﻻول‬
‫وﻻ ﯾﺗﺣﻘق اﻟﺛﺎﻧﻲ او اﻟﻌﻛس‪.‬‬
‫ﺗﻣرﯾن‪:18‬إذا ﻋﻠﻣت اﻧﻪ ﯾوﺟد ﻧوﻋﯾن ﻣن اﻟﻣﺑﯾدات اﻟﺣﺷرﯾﺔ ﺑﺎﻟﺳوق‪ ،‬وﺗدﻋﻲ اﻟﺷرﻛﺔ اﻟﻣﺻﻧﻌﺔ ﻟﻠﻧوع‬
‫اﻻول اﻧﻪ ﯾﻘﺿﻲ ﻋﻠﻰ ‪ %90‬ﻣن اﻟﺣﺷرات ﻋﻧد اﺳﺗﻌﻣﺎﻟﻪ وﺗدﻋﻲ اﻟﺷرﻛﺔ اﻟﻣﺻﻧﻌﺔ ﻟﻠﻧوع اﻟﺛﺎﻧﻲ اﻧﻪ‬
‫ﯾﻘﺿﻲ ﻋﻠﻰ ‪ %80‬ﻣن اﻟﺣﺷرات ﻋﻧد اﺳﺗﻌﻣﺎﻟﻪ ﻓﺈذا ﺗم رش ﺣﺟرﺗﯾن ﻟﻬﻣﺎ ﻧﻔس اﻟﺣﺟم ﺑﺎﻟﻧوع اﻻول‬
‫واﻟﺛﺎﻧﯾﺔ ﺑﺎﻟﻧوع اﻟﺛﺎﻧﻲ وﺗم اﺧﺗﯾﺎر ﻋﯾﻧﺗﯾن ﻣن اﻟﺣﺷرات ﺣﺟم ﻛل ﻣﻧﻬﺎ ‪ 200‬ووﺿﻌت ﻛل ﻋﯾﻧﺔ ﻓﻲ ﺣﺟرة‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﻣﺎﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﻲ ﻣﺎﺑﯾن ‪%15‬و ‪%18‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ اﻟﻣﻌطﯾﺎت اﻟﺗﺎﻟﯾﺔ‪n1=n2=200 ،P2=0.80،P1=0.90 :‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻌﯾن ﯾﺧﺿﻌﺎن اﻟﻰ ﺗوزﯾﻊ ﻣﺟﻬول‬
‫وﻟﻣﻌرﻓﺔ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻧﺳﺗﻌﯾن ﺑﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‬
‫‪n1p1  0.90  200  180  05‬‬
‫‪ N‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻻول‪ :‬ﺑﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‬
‫‪n1q1  0.10  200  20  05 ‬‬
‫ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ل‬
‫‪‬‬
‫‪P1‬‬

‫‪n 2 p2  0.80  200  160  05‬‬

‫‪ N‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ :‬ﺑﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‬
‫‪n 2q2  0.20 200  40  05 ‬‬
‫ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ل‬
‫‪‬‬
‫‪P2‬‬

‫ﻣﺎدام ﺗوزﯾﻊ اﻟﻣﻌﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻻول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﯾﺧﺿﻊ‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن اﻟﻔرق ﯾﻌﺗﺑر ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﺟدﯾد ﯾﺧﺿﻊ ﻫو اﻻﺧر ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P1  P2  N  E P1  P2 , V P1  P2‬‬
‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫اﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ P  P ‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬

‫‪  ‬‬
‫‪     P1  P2  0.90  0.80  0.10‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E  P1 P2   E P1  E P2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪46‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪‬‬ ‫‪ ‬‬ ‫‪P1 1  P1  P2 1 P2 ‬‬
‫‪   ‬‬
‫‪‬‬
‫‪V  P1 P2   V P1  V P2 ‬‬
‫‪‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪0.90 1  0.90  0.80 1  0.80 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 0.00125‬‬
‫‪200‬‬ ‫‪200‬‬
‫‪‬‬ ‫‪‬‬
‫‪P1  P2  N  0.10, 0.00125‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب إﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﻣﺎﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﻲ ﻣﺎﺑﯾن ‪%15‬و ‪%18‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪(Z‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 0.15  0.10‬‬
‫‪ Z  0.18  0.10   P  01.41  Z  02.26‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P  0.15  P1 P2  0.18   P ‬‬
‫‪‬‬ ‫‪0.00125‬‬ ‫‪0.00125 ‬‬
‫‪ F  02.26  F  01.41  0.98809  0.92073  0.06736‬‬
‫ﺗﻣرﯾن‪:19‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن ﯾﺧﺿﻌﺎن ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن‪ ،‬اﻻول ﺣﺟﻣﻪ ‪ 1400‬ﻧﺳﺑﺔ اﻟﻧﺟﺎح ﻓﯾﻪ‬
‫ﻓﻲ اﻣﺗﺣﺎن اﻻﺣﺻﺎء اﻻﺳﺗﻧﺗﺎﺟﻲ ﻫﻲ ‪ ،%70‬واﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﺣﺟﻣﻪ ‪ 1200‬ﻧﺳﺑﺔ اﻟﻧﺟﺎح ﻓﯾﻪ ﻓﻲ ﻧﻔس‬
‫اﻻﻣﺗﺣﺎن ﻫﻲ ‪،%65‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻻول ﺣﺟﻣﻬﺎ ‪ 350‬ﻣﻊ ﻋدم اﻻرﺟﺎع‬
‫‪،‬واﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﺣﺟﻣﻬﺎ ‪ 150‬ﻣﻊ ﻋدم اﻻرﺟﺎع وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن‬
‫ﻣﺳﺗﻘﻠﺗﺎن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪%20‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ اﻟﻣﻌطﯾﺎت اﻟﺗﺎﻟﯾﺔ‪N2=1000 ،N1=1400 ،n2=150 ،n1=350 ،P2=0.65،P1=0.70 :‬‬
‫‪-1‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻌﯾن ﯾﺧﺿﻌﺎن ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﺣﺟم‬
‫اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر ﺟدا ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P1  P2  N  E P1  P2 , V P1  P2‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫اﯾﺟﺎد ﻣﻌﻠﻣﺗﻲ اﻟﺗوزﯾﻊ ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ P  P ‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬

‫‪  ‬‬
‫‪     P1  P2  0.70  0.65  0.05‬‬ ‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E  P1 P2   E P1  E P2‬‬
‫اﻟﺗﺑﺎﯾن‪ :‬ﺑﻣﺎ ان اﻟﻣﺟﺗﻣﻌﯾن ﻣﺣدودﯾن واﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع )اﻟﺷرطﺎن اﻟﻛﺎﻓﯾﺎن ﻣﺣﻘﻘﺎن( ﻧﻧﺗﻘل اﻟﻰ‬
‫اﻟﺷرط اﻟﻼزم )ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ(‬
‫‪n1 350‬‬
‫إذن اﻟﺷرط ﻣﺣﻘق ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع‪.‬‬ ‫‪‬‬ ‫ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻻول‪ 0.25  0.05 :‬‬
‫‪N1 1400‬‬
‫‪n‬‬
‫ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ 2  150  0.15  0.05 :‬إذن اﻟﺷرط ﻣﺣﻘق ﻧﺳﺗﺧدم ﻣﻌﺎﻣل اﻻرﺟﺎع‪.‬‬
‫‪N 2 1000‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪47‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪‬‬ ‫‪ ‬‬ ‫‪P1 1 P1  N1  n1 P2 1  P2  N 2  n 2‬‬
‫‪   ‬‬
‫‪‬‬
‫‪V  P1 P2   V P1  V P2 ‬‬
‫‪‬‬

‫‪n1‬‬
‫‪‬‬
‫‪N1 1‬‬
‫‪‬‬
‫‪n2‬‬
‫‪‬‬
‫‪N 2 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 0.70 1  0.70  1400  350  0.65 1 0.65  1000  150‬‬
‫‪350‬‬ ‫‪1400 1‬‬ ‫‪150‬‬ ‫‪1000 1‬‬
‫‪ 0.001741‬‬
‫‪‬‬ ‫‪‬‬
‫‪P1  P2  N  0.05, 0.001741‬‬ ‫إذن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻫو‬
‫‪-2‬ﺣﺳﺎب اﺣﺗﻣﺎل ان ﯾﻛون اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪%20‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل ﻧﺳﺗﻌﯾن ﺑﺎﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪(Z‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P P1  P2  0.20  P  Z ‬‬
‫‪‬‬
‫‪‬‬
‫‪0.20  0.05 ‬‬
‫‪0.001741 ‬‬
‫‪  P  Z  03.60   F  03.60   0.99984‬‬

‫‪ -7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﺗﺑﺎﯾن ‪ S2‬واﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪S‬‬

‫ﻣن اﻟﻣﻌﻠوم واﻟﺷﺎﺋﻊ ﻟدى اﻻﺣﺻﺎﺋﯾﯾن ان اﻟﺗﺑﺎﯾن ‪ S2‬ﻫو اﺣد ﻣﻘﺎﯾﺳس اﻟﺗﺷﺗت ﻓﻬو ﯾﻘﯾس ﻣدى ﺗﺷﺗت‬
‫اﻟظﺎﻫرة ﺣول ﻣﺗوﺳطﻬﺎ اﻟﺣﺳﺎﺑﻲ وﻛﻠﻣﺎ ﻛﺎن ﻫذا اﻟﺗﺷﺗت ﺿﻌﯾف ﻛﺎﻧت اﻟظﺎﻫرة اﻻﺣﺻﺎﺋﯾﺔ ﻗرﯾﺑﺔ ﻣن‬
‫اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬﺎ وﻛﻠﻣﺎ زاد اﻟﺗﺷﺗت ﻛﺎﻧت اﻟظﺎﻫرة اﻻﺣﺻﺎﺋﯾﺔ ﺑﻌﯾدة ﻋن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻬﺎ‬
‫وﻋﻠﯾﻪ ﻓﺎن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬ﯾﺳﺗﺧدم ﻟﻼﺳﺗدﻻل ﻋن ‪ 2‬و ﻟﻬﺎ ﻧﻔس اﻫﻣﯾﺔ ‪ X‬ﻋﻧد اﻻﺳﺗدﻻل ﻋن ‪‬‬
‫‪ ،‬وﺳف ﯾﺗم اﻟﺗﻔﺻﯾل ﻓﻲ ﻫذا اﻟﻧوع ﻣن اﻟﻣﻌﺎﯾﻧﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪ 1-7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪S2‬‬
‫إذا أﺧذﻧﺎ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ واﻟﺗﻲ ﺣﺟﻣﻬﺎ ‪ n‬واﻟﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﻣﺎ ﺛم ﺣﺳﺑﻧﺎ ﺑﻌد ذﻟك‬
‫اﻟﺗﺑﺎﯾﻧﺎت )اﻟﺗﻐﺎﯾرات( ﻟﻛل ﻋﯾﻧﺔ‪ ،‬ﻓﺎﻧﻧﺎ ﻧﺣﺻل ﺑذﻟك ﻋﻠﻰ ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﺗﺑﺎﯾن ‪ ، S2‬وﻗﺑل اﻟﺧوض ﻓﻲ‬
‫ﻫذا اﻟﻧوع ﻣن اﻟﺗوزﯾﻊ ﻻﺑد ان ﻧﻔرق ﺑﯾن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪ S‬واﻟذﯾن ﺗﻌطﻰ‬
‫‪2‬‬

‫ﻣﻌﺎدﻟﺗﻬﻣﺎ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ Xi  X ‬‬
‫‪S‬‬
‫‪2‬‬
‫‪‬‬ ‫‪i1‬‬
‫‪-‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪n≥30‬‬
‫‪n‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪ X  X‬‬
‫‪i‬‬
‫‪S‬‬ ‫‪i 1‬‬
‫‪-‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪n<30‬‬
‫‪n 1‬‬
‫ﻧظرﯾﺔ‪ :19‬ﻟﻧﻔرض أن ‪ x1,x2,x3……xn‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﺳﺣﺑت ﻣن ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻊ‬
‫طﺑﯾﻌﻲ ﺑﻣﻌدل ‪ ‬و ‪ 2‬ﻓﺈن ﺗﺑﺎﯾﻧﺔ اﻟﻌﯾﻧﺔ ‪ S2‬او ‪ S‬ﺳﯾﺗوزع ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ) ‪ ( 2‬ﺑدرﺟﺔ ﺣرﯾﺔ ‪n-1‬‬
‫‪2‬‬

‫‪2‬‬
‫‪ n 1 S  nS2  2‬‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n 1‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻣﻘدﻣﺔ ﻋن ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي) ‪ :( 2‬إن اﻻﺳﺎس اﻟﻧظري ﻻﺷﺗﻘﺎق ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﻫو اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪،‬‬
‫ﺑﻣﻌﻧﻰ آﺧر ان ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﻣﺷﺗق ﻣن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ )‪ ،(Z‬وﻋﻠﻰ اﻓﺗراض ﻛﺎن ﻟدﯾﻧﺎ اﻟﻣﺗﻐﯾر‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪48‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﻌﺷواﺋﻲ )‪ (X‬ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪ 2‬أي ان ‪ ، X  N  , 2 ‬ﻋﻧدﺋذ‬
‫ﺗﻛون اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ )‪ (Z‬ﻛﺎﻟﺗﺎﻟﻲ‪ ، Z  X    N  0,1 :‬وﺑﺗرﺑﯾﻊ ﻗﯾﻣﺔ اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺳﻧﺗﺣﺻل‬
‫‪‬‬
‫ﻋﻠﻰ اﻟﻣﺗﻐﯾر )‪ ،(Z2‬وﻋﻧد اﻟﺑﺣث ﻋن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻬذا اﻟﻣﺗﻐﯾر ﺳﯾﺗﺿﺢ ﺑﺎﻧﻪ ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ‬
‫‪2‬‬
‫‪ X‬‬
‫‪Z ‬‬‫‪2‬‬
‫‪‬‬ ‫‪ 12‬‬ ‫ﻣرﺑﻊ ﻛﺎي ) ‪ ( 2‬ﺑدرﺟﺔ ﺣرﯾﺔ واﺣدة اي‬
‫‪  ‬‬
‫ﺧﺻﺎﺋص ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي) ‪ :( 2‬ﯾﺗﺻف ﻣرﺑﻊ ﻛﺎي ﺑﺎﻟﺧﺻﺎﺋص اﻟﺗﺎﻟﯾﺔ‬
‫‪ -1‬اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﯾﺔ ﺗﺣت ﻣﻧﺣﻧﻰ اﻟﺗوزﯾﻊ ﺗﺳﺎوي اﻟواﺣد اﻟﺻﺣﯾﺢ‪.‬‬
‫‪‬‬ ‫‪2‬‬
‫‪-2‬إن ﻗﯾﻣﺔ ﻣرﺑﻊ ﻛﺎي ﻣوﺟﺑﺔ دوﻣﺎ اي ‪ 0‬‬
‫‪‬‬
‫‪-3‬اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ‪ ‬ﻟﻠﺗوزﯾﻊ ﻫو ﻋدد درﺟﺎت اﻟﺣرﯾﺔ )‪(n-1‬‬
‫‪-4‬إن اﻟﺗﺑﺎﯾن ‪ 2‬ﻟﻠﺗوزﯾﻊ ﻫو ﺿﻌف درﺟﺎت اﻟﺣرﯾﺔ )‪(2n-2‬‬
‫‪-5‬ﻣﻧﺣﻧﻰ ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي) ‪ ( 2‬ﻣﻠﺗو ﻧﺣو اﻟﯾﻣﯾن )إﻟﺗواء ﻣوﺟب(‬
‫‪-6‬ﻋﻧدﻣﺎ ﯾﻛون ﻋدد درﺟﺎت اﻟﺣرﯾﺔ )‪ (n>30‬ﻓﺎن ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ) ‪ ( 2‬ﯾﻘﺗرب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫اﻟﻣﻌﯾﺎري )‪.(Z‬‬
‫ﻧظرﯾﺔ‪ :20‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬و ﺗﺑﺎﯾن ‪ 2‬ﻣن‬
‫ﻣﺟﺗﻣﻊ ﻣﺎ )ﻣﺣدود او ﻻ ﻣﺣدود(‪ ،‬وﻟﺗﻛن ‪ S2‬ﻣﺗﻐﯾرة ﻋﺷواﺋﯾﺔ ﺗﻣﺛل ﺗﺑﺎﯾن ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﻣﺳﺣوﺑﺔ‬
‫ﺑﺎﻻرﺟﺎع او ﺑدون ارﺟﺎع ﻓﺎن اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫أ‪-‬ﺣﺎﻟﺔ اﻟﻣﻌﺎﯾﻧﺔ ﺑﺎﻻرﺟﺎع‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E S2  S2  2  n 1 ‬‬
‫‪ ‬‬ ‫‪-1‬اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‬
‫‪ n ‬‬

‫اﻟﺑرﻫﺎن‪:‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪ Xi  X ‬‬ ‫‪‬‬ ‫‪Xi2‬‬
‫ﻧﻌﻠم ان‬
‫‪2‬‬
‫‪S2 ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﺑﺈدﺧﺎل اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻋﻠﻰ طرﻓﻲ اﻟﻣﺳﺎواة وﺑﺎﻻﺳﺗﻌﺎﻧﺔ ﺑﺧﺻﺎﺋص اﻟﺗوﻗﻊ ﻧﺟد‪:‬‬
‫‪1 n‬‬ ‫‪1 n‬‬
‫)‪E S2  E   Xi2  X    E Xi2  E  X  ..................................(1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ‬‬ ‫‪ n i 1‬‬ ‫‪ n i1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫ﻛﻣﺎ ﻧﻌﻠم ﻣن ﺟﻬﺔ اﺧرى ان‪:‬‬
‫)‪V  Xi   E Xi2  E  Xi  ..............................................(2‬‬
‫‪2‬‬
‫‪ ‬‬
‫)‪V X  E  X   E X ............................................(3‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫ﺑﺗﻌوﯾض )‪ (2‬و)‪ (3‬ﻓﻲ )‪ (1‬ﻧﺟد‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪49‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪1 n ‬‬ ‫‪2‬‬ ‫‪ ‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E S2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n i1 ‬‬
‫‪V‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪E‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪V‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪E‬‬ ‫‪X‬‬ ‫‪   ‬‬
‫‪‬‬
‫‪‬‬
‫‪1 n 2 2‬‬
‫‪n‬‬ ‫‪i1‬‬
‫‪‬‬
‫‪    2X   2‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ ‬‬
‫‪V X  2X ‬‬ ‫وﺑﻣﺎ ان اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع ﻓﻬذا ﯾﻌﻧﻲ‬
‫‪n‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻧﺟد‬
‫‪n‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪E S2   1   2  2      2 ‬‬
‫‪n i1‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ 2  2    2  2 1 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 2  n 1‬‬
‫‪ n ‬‬
‫‪‬‬ ‫‪‬‬
‫ﻓﻲ اﻟﺗطﺑﯾﻘﺎت اﻟﻌﻣﻠﯾﺔ ﻧﻌﺗﺑر ‪ n‬ﻛﺑﯾرة ﻋﻧدﻣﺎ )‪ (n≥30‬وﺑﺷﻛل ﻋﺎم ﯾﻌرف ﻣﺗﻐﯾر إﺣﺻﺎﺋﻲ آﺧر ﯾﺳﻣﻰ‬
‫ﻣﺗﻐﯾر ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪S‬‬
‫‪2‬‬

‫ﻧﻌﻠم اﻧﻪ ﺗوﺟد ﻋﻼﻗﺔ ﺑﯾن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪ S‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬

‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬

‫‪S  n S2  1  Xi  X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n 1‬‬ ‫‪n 1 i1‬‬
‫ﺑﺎدﺧﺎل اﻟﺗوﻗﻊ ﻋﻠﻰ طرﻓﻲ اﻟﻣﺳﺎوات ﻧﺟد‪:‬‬
‫‪ 2 ‬‬ ‫‪ n ‬‬ ‫‪ n   n 1  2‬‬
‫‪E S   ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ n 1 ‬‬
‫‪2‬‬
‫‪ ‬‬
‫‪ E S  ‬‬ ‫‪ ‬‬ ‫‪   ‬‬
‫‪ n 1   n ‬‬
‫‪2‬‬

‫أي ان ‪ E  S   2‬ﻫو ﻣﻘدر أﺟود ﻣن ‪ S2‬ﻛﻣﺎ ﻫو واﺿﺢ اﻻن‪ ،‬وﻛﻣﺎ ﺳﻧﺟدﻩ ﻻﺣﻘﺎ اﺛﻧﺎء دراﺳﺔ ﻣﺣور‬
‫‪ 2 ‬‬
‫‪‬‬ ‫‪‬‬
‫اﻟﺗﻘدﯾر‪.‬‬
‫‪-2‬اﻟﺗﺑﺎﯾن‪ :‬ﻧﻌﻠم ان ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﯾﺗوزع وﻓق ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﺑدرﺟﺔ ﺣرﯾﺔ ‪ E  X   n 1‬وﺗﺑﺎﯾن‬
‫‪V  X   2  n  1‬‬
‫‪ nS2 ‬‬ ‫‪ 2‬‬
‫‪V ‬‬ ‫‪2 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪2 nS‬‬
‫‪ 2 ‬‬ ‫وﯾﻌطﻰ اﻟﺗﺑﺎﯾن ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪  ‬‬ ‫‪  ‬‬
‫ﺑﻣﺳﺎوات ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﺑﺗﺑﺎﯾن ﻣرﺑﻊ ﻛﺎي و ﺑﺎﻻﺳﺗﻌﺎﻧﺔ ﺑﺧﺻﺎﺋص اﻟﺗﺑﺎﯾن اﻟﺗﻲ ﺳﺑق وان ﺗطرﻗﻧﺎ ﻟﻬﺎ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪2  nS2   2  n  1  n 4 2 S2   2  n  1‬‬
‫‪  ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫‪  n  ‬‬
‫‪2 n 1‬‬
‫‪2 S2 ‬‬ ‫‪2‬‬
‫‪4‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻧﺟد‪:‬‬

‫أﻣﺎ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪ S‬ﻓﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪50‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪2‬‬
‫‪ 2 ‬‬ ‫‪ 2 ‬‬ ‫‪ n 2  n  2 2‬‬
‫‪V  S   2  S    2 ‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪S ‬‬ ‫‪  S‬‬
‫‪ n  1   n 1 ‬‬
‫‪ ‬‬
‫‪n2‬‬ ‫‪2  n  1 4‬‬ ‫‪2 4‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ n 1  n 1 n‬‬ ‫‪2‬‬ ‫‪n 1‬‬

‫ب‪-‬ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﻌﺎﯾﻧﺔ ﻣﻊ ﻋدم اﻻرﺟﺎع و ‪ 0.05‬‬

‫‪n‬‬
‫‪N‬‬
‫ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻻ ﯾﺗﺣﻘق ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ وﺑﺎﻟﺗﺎﻟﻲ ﺗﺑﻘﻰ اﻟﻌﻼﻗﺎت ﻛﻣﺎ ﻫﻲ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻻرﺟﺎع‪.‬‬
‫ﺗﻣرﯾن‪ :20‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﻛﺑﯾر ﺟدا ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ٕ 25‬واﻧﺣراف ﻣﻌﯾﺎري‬
‫‪03‬‬
‫اﻟﻣطﻠوب‪ :‬اﺣﺳب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﻛل ﻣن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻟﺟﻣﯾﻊ اﻟﻌﯾﻧﺎت‬
‫اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ 09‬واﻟﺗﻲ ﯾﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫اﻟﺣل‪:‬‬
‫‪N  ,   25,   03‬‬ ‫ﻟدﯾﻧﺎ اﻟﻣﻌطﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-1‬ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪S2‬‬

‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪ :‬ﻧﻌﻠم ان‬

‫‪ n ‬‬ ‫‪2 9 ‬‬
‫‪ ‬‬
‫‪E S2  2 ‬‬
‫‪ n 1 ‬‬
‫‪ ‬‬
‫‪  E S   03 ‬‬
‫‪2‬‬
‫‪  10.125‬‬
‫‪ 9 1 ‬‬
‫‪2  n 1 4‬‬ ‫‪2 S2  2  9  1 03 4  16‬‬
‫‪2‬‬ ‫‪ ‬‬
‫‪S2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪2 ‬‬ ‫‪‬‬ ‫اﻟﺗﺑﺎﯾن‪ :‬ﻧﻌﻠم ﻣﻣﺎ ﺳﺑق ان‬
‫‪n2‬‬ ‫‪ 9‬‬
‫‪-2‬ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪S‬‬
‫‪2‬‬

‫‪ 2 ‬‬ ‫‪ 2 ‬‬

‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪ :‬ﻧﻌﻠم ان‬
‫‪2‬‬
‫‪E  S   2  E  S    03  09‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪ 2 ‬‬ ‫‪2‬‬ ‫‪ 2 ‬‬
‫‪  V  S   2  03  20.25‬‬ ‫اﻟﺗﺑﺎﯾن‪ :‬ﻧﻌﻠم ﻣﻣﺎ ﺳﺑق ان‬
‫‪4‬‬ ‫‪4‬‬
‫‪V S ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  n 1‬‬ ‫‪  9 1‬‬
‫‪ ‬‬ ‫‪ ‬‬
‫ﻧظرﯾﺔ‪ :21‬إذا ﻛﺎن ‪ X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬و ﺗﺑﺎﯾن ‪ 2‬ﻣن‬
‫ﻣﺟﺗﻣﻊ ﻣﺎ )ﻣﺣدود(‪ ،‬وﻟﺗﻛن ‪ S2‬ﻣﺗﻐﯾرة ﻋﺷواﺋﯾﺔ ﺗﻣﺛل ﺗﺑﺎﯾن ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﻣﺳﺣوﺑﺔ ﻣﻊ ﻋدم اﻻرﺟﺎع‬
‫وﻛﺎن ‪ n  0.05‬ﻓﺎن اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪N‬‬
‫ﺣﺎﻟﺔ اﻟﻣﻌﺎﯾﻧﺔ ﻣﻊ ﻋدم اﻻرﺟﺎع‪ :‬ﻧﺳﺗﺧرج اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل‬
‫ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪E S2  S2   N‬‬ ‫‪-1‬اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪:‬‬
‫‪  n 1  2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪ N  1  n ‬‬
‫‪‬‬

‫اﻟﺑرﻫﺎن‪ :‬وﺟدﻧﺎ ﻣﻣﺎ ﺳﺑق‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪51‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪1 n ‬‬ ‫‪2‬‬ ‫‪ ‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E S2 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n i1 ‬‬
‫‪V‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪E‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪V‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪E‬‬ ‫‪   ‬‬
‫‪X‬‬ ‫‪‬‬
‫‪‬‬
‫‪1 n 2 2‬‬
‫‪‬‬
‫‪n‬‬‫‪i1‬‬
‫‪‬‬‫‪    2X   2‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪V X  2X    N  n‬‬
‫‪ ‬‬ ‫وﺑﻣﺎ ان اﻟﺳﺣب ﻣﻊ ﻋدم اﻻرﺟﺎع ﻓﻬذا ﯾﻌﻧﻲ‬
‫‪n N 1‬‬

‫‪E S2   N‬‬ ‫ﺑﺎﻟﺗﻌوﯾض وﺑﺎﺧﺗﺻﺎر اﻟﻌﻼﻗﺎت اﻟرﯾﺎﺿﯾﺔ ﻧﺟد‬

‫‪  n 1  2‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪ N 1  n ‬‬
‫‪‬‬

‫أﻣﺎ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻓﺎن ﺗوﻗﻌﻪ ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪ 2  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪E  S    n  E‬‬ ‫‪S    nn1   n n1   NN1  ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ‬‬
‫‪N  2‬‬
‫‪‬‬
‫‪   n 1 ‬‬ ‫‪ N 1 ‬‬
‫‪ ‬‬
‫‪-2‬اﻟﺗﺑﺎﯾن‪:‬‬

‫‪  n  ‬‬
‫‪2 n 1‬‬
‫‪2 S2 ‬‬ ‫‪2‬‬
‫‪4‬‬
‫ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ل ‪ S2‬ﻫو‬

‫أﻣﺎ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪ S‬ﻓﻬو‬

‫‪ 2 ‬‬ ‫‪2‬‬
‫‪2  S   2  4‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n 1‬‬
‫ﻣﻼﺣظﺔ‪ :‬إذا ﻛﺎن اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ‪ X‬ﻻ ﯾﺧﺿﻊ اﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ‬
‫‪ 4  4‬‬
‫‪S2 ‬‬ ‫اﻟرﯾﺎﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪n‬‬
‫وﻣن اﺟل )‪ (n≥100‬ﻓﺎن ﺗوزﯾﻊ ‪ S2‬ﯾﻘﺗرب ﻛﺛﯾ ار ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫ﺗﻣرﯾن‪ :21‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺣﺟﻣﻪ ‪ 1000‬ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ٕ 80‬واﻧﺣراف‬
‫ﻣﻌﯾﺎري ‪ ،06‬ﻓﺈذا ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 200‬ﻣﻊ ﻋدم اﻻرﺟﺎع‬
‫اﻟﻣطﻠوب‪ :‬اﺣﺳب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﻛل ﻣن ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫اﻟﺣل‪:‬‬
‫‪-1‬ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪S2‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪ :‬ﻧﻌﻠم ان‬
‫‪  n 1  2‬‬
‫‪  1000‬‬
‫‪1000   200 1  06‬‬ ‫‪2‬‬
‫‪E  S2    N‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪   E  S2 ‬‬
‫‪1   200   ‬‬
‫‪‬‬ ‫‪ 35.85‬‬
‫‪‬‬ ‫‪  N 1  n ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2  n 1‬‬ ‫‪2‬‬ ‫‪ 200 1 06 4  12.8952‬‬
‫‪2  S2    2  4  2  S2  ‬‬
‫‪‬‬ ‫‪‬‬
‫‪2 ‬‬ ‫‪‬‬ ‫اﻟﺗﺑﺎﯾن‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪200‬‬
‫‪-2‬ﺣﺳﺎب اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ واﻟﺗﺑﺎﯾن ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪S‬‬
‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪52‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ‪ :‬ﻧﻌﻠم ان‬

‫‪ 2 ‬‬
‫‪E  S    N‬‬ ‫‪ 2‬‬ ‫‪ 1000 ‬‬ ‫‪2‬‬
‫‪  ‬‬ ‫‪  06   36.03‬‬
‫‪   N 1 ‬‬ ‫‪ 1000  1 ‬‬

‫اﻟﺗﺑﺎﯾن‪ :‬ﻧﻌﻠم ان‬

‫‪ 2 ‬‬ ‫‪ 2  ‬‬
‫‪2  S    2  4  2  S    2   06  13.025‬‬
‫‪‬‬ ‫‪4‬‬

‫‪   n 1 ‬‬ ‫‪   200  1 ‬‬

‫ﺗﻣرﯾن‪ :22‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺣﺟم ‪ 20‬ﻣﺷﺎﻫدة ﻣن ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫وﺗﺑﺎﯾن ‪.09‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺣﺳب اﺣﺗﻣﺎل ان ﯾزﯾد ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻋن ‪15‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‪n  20, X  N  , 09  :‬‬
‫‪ :X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺳﺗﻣر ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪09‬‬
‫ﻟﺣﺳﺎب اﻻﺣﺗﻣﺎل اﻟﺗﺎﻟﻲ‪ ،‬ﯾﺟب اﺳﺗﺧدام اﺣﺻﺎءة ﻣرﺑﻊ ﻛﺎي واﻟﺗﻲ ﺗﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬
‫‪ n 1 S  nS2  2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪n 1‬‬

‫ﻧﺣﺳب درﺟﺔ اﻟﺣرﯾﺔ ‪V  n  1  V  20  1  19‬‬

‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪P S2  15  P  nS2  20 15   P  19‬‬
‫‪‬‬ ‫‪‬‬ ‫‪2  33.34 ‬‬
‫‪‬‬
‫‪ ‬‬
‫‪‬‬
‫‪09 ‬‬ ‫‪‬‬ ‫‪‬‬

‫ﺑﺎﻟﺑﺣث ﻋن ﻫذﻩ اﻟﻘﯾﻣﺔ ﺑﺟدول ﻣرﺑﻊ ﻛﺎي ﻋﻧد درﺟﺔ ﺣرﯾﺔ‪ 19‬ﻻ ﻧﺟدﻫﺎ واﻧﻣﺎ ﺗﻛون ﻣﺣﺻورة ﺑﯾن ﻗﯾﻣﺗﯾن‬
‫وﻻﯾﺟﺎد اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻬﺎ ﻧﺳﺗﺧدم ﻧظرﯾﺔ اﻟﺣﺻر ﺑﺎﻟﻧﻘﺻﺎن ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪32.852‬‬ ‫‪33.34‬‬ ‫‪36.191‬‬
‫‪0.975‬‬ ‫‪α‬‬ ‫‪0.99‬‬
‫)‪(36.191-32.852‬‬ ‫)‪(0.99-0.975‬‬
‫)‪(33.34-32.852‬‬ ‫)‪( α-0.975‬‬
‫ﺑﺎﻟطرح ﻧﺟد‪:‬‬
‫)‪(03.339‬‬ ‫)‪(0.015‬‬
‫)‪(0.488‬‬ ‫)‪(α -0.975‬‬
‫إذن ﻗﯾﻣﺔ ‪ α‬ﻫﻲ‪:‬‬
‫‪  0.488 0.015  0.975  0.977‬‬
‫‪03.339‬‬
‫‪P  19‬‬
‫‪2  33.34   01 P  2  33.34   01 0.977  0.023‬‬
‫‪‬‬ ‫‪ 19‬‬ ‫‪‬‬ ‫إذن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪53‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪ 2-7‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري اﻟﻌﯾﻧﺔ ‪S‬‬
‫ﻋﻧدﻣﺎ ﻧﺳﺣب ﻋددا ﻛﺑﯾ ار ﻣن اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ ﻣﺗﺳﺎوﯾﺔ اﻟﺣﺟم ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﻣﺎ‪ ،‬ﻧﺣﺻل ﻣن ﻛل‬
‫ﻣﻧﻬﺎ ﻋﻠﻰ ﻗﯾﻣﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري‪ ،‬ﻓﺗﺷﻛل ﻫذﻩ اﻟﻘﯾم ﻣن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﺗﻠك اﻟﻌﯾﻧﺎت ﻓﯾﻣﺎ ﺑﯾﻧﻬﺎ‬
‫ﺗوزﯾﻌﺎ ﺗﻛ اررﯾﺎ ﯾطﻠق ﻋﻠﯾﻪ ﺑﺗوزﯾﻊ ﻣﻌﺎﯾﻧﺔ اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ‪ ،‬وﻫذا اﻟﺗوزﯾﻊ ﯾﻘﺗرب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﻣﻊ ﺗزاﯾد ﺣﺟم اﻟﻌﯾﻧﺔ‪.‬‬
‫وﯾطﻠق ﻋﻠﻰ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﺗوزﯾﻊ اﻟﺗﻛراري ﻟﻌدد ﻛﺑﯾر ﻣن ﺟدا ﻣن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻌﯾﻧﺎت‬
‫ﻋﺷواﺋﯾﺔ ﻣن ﺣﺟم واﺣد‪ ،‬وﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ واﺣد ﺑﺎﻟﺧطﺄ اﻟﻣﻌﯾﺎري ﻟﻼﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ وﯾرﻣز ﻟﻪ ‪s‬‬
‫واﻟذي ﯾﺣﺳب ﻣن اﻟﻌﻼﻗﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪s ‬‬
‫‪‬‬
‫‪-‬إذا ﻛﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﻣﻌﻠوﻣﺎ‪:‬‬
‫‪2n‬‬
‫‪-‬أﻣﺎ إذا ﻛﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﻏﯾر ﻣﻌﻠوم‪ ،‬ﯾﺳﺗﻌﺎض ﻋﻧﻪ ﺑدﻻﻟﺔ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ‬
‫‪s ‬‬
‫‪S‬‬
‫ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2n‬‬
‫أﻣﺎ إذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ ﻻ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻓﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪4  4‬‬
‫‪s ‬‬
‫‪4n2‬‬
‫ﺗﻣرﯾن‪:23‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﻣﺛل أﻋﻣﺎر ﺧﻣﺳﺔ أطﻔﺎل‪ ،‬وﻛﺎﻧت أﻋﻣﺎرﻫم ﻋﻠﻰ اﻟﺗواﻟﻲ‬
‫‪ ،03،02،06،08،11‬وﻗﻣﻧﺎ ﺑﺳﺣب ﺟﻣﯾﻊ اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﺑﺳﯾطﺔ ﻣن ﺣﺟم طﻔﻠﯾن ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫‪-1‬أوﺟد اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ وﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ؟‬
‫‪-2‬أوﺟد اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﺗوزﯾﻊ ﻣﻌﺎﯾﻧﺔ اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬ﺣﺳﺎب اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ واﻟﺗﺑﺎﯾن ﻟﻠﻣﺟﺗﻣﻊ‬
‫‪5‬‬
‫‪‬‬ ‫‪Xi‬‬
‫ﻧﻌﻠم ان اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﯾﻌطﻰ ﺑﺎﻟﺻﯾﻐﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪i 1‬‬ ‫‪02  03  06  08  11‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 06‬‬
‫‪N‬‬ ‫‪05‬‬
‫أﻣﺎ اﻟﺗﺑﺎﯾن ﻓﯾﺣﺳب ﺑﺎﻟﺻﯾﻐﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪05‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪‬‬ ‫‪ Xi  ‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ 02  06    03  06   06  06    08  06  11  06 ‬‬
‫‪2‬‬
‫‪i 1‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪ 10.80‬‬
‫‪N‬‬ ‫‪05‬‬
‫‪-2‬ﺣﺳﺎب اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﺗوزﯾﻊ ﻣﻌﺎﯾﻧﺔ اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ‬
‫‪2  10.80    10.80  03.29‬‬ ‫ﻧﺣﺳب اوﻻ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫ﺑﺗطﺑﯾق ﻗﺎﻧون اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪03.29‬‬
‫‪s ‬‬ ‫‪ s ‬‬ ‫‪ 01.643‬‬
‫‪2n‬‬ ‫‪2 2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪54‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪ -8‬ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ﺑﯾن ﺗﺑﺎﯾﻧﻲ ﻋﯾﻧﺗﯾن ‪ S12‬و ‪S22‬‬
‫‪ S12‬و ‪ S22‬ﺗﺑﺎﯾن ﻋﯾﻧﺗﯾن ﻋﺷواﺋﯾﺗﯾن ﺑﺣﺟم ‪ n1‬و‪ n2‬ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻌﯾن‬ ‫ﻧظرﯾﺔ‪ :22‬إذا ﻛﺎن ﻟدﯾﻧﺎ‬
‫‪ S2 ‬‬
‫ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺗﯾن ﺗﺗوزﯾﻊ ﺗوزﯾﻊ‬ ‫‪ 12 ‬‬ ‫ﯾﺗوزﻋﺎن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﺗﺑﺎﯾن ‪ 12‬و ‪ 22‬ﻋﻠﻰ اﻟﺗواﻟﻲ ﻓﺎن اﻟﻧﺳﺑﺔ‬
‫‪ S2 ‬‬
‫‪2‬‬
‫‪ S2n  1‬‬
‫‪ 1 1‬‬ ‫‪S1‬‬
‫‪ n1  1 12‬‬ ‫‪12‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ Fn 1,n‬‬ ‫ﻓﯾﺷر )‪ (F‬ﺑدرﺟﺔ ﺣرﯾﺔ ‪ V1‬و‪ v2‬ﺑﺣﯾث ان‪:‬‬
‫‪ S2n  1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2 1‬‬
‫‪ 2 2‬‬ ‫‪S2‬‬
‫‪ n 2  1 22‬‬ ‫‪22‬‬
‫‪‬‬ ‫‪‬‬
‫ﻣﻘدﻣﺔ ﻋن ﺗوزﯾﻊ ﻓﯾﺷر)‪:(F‬إن اﻻﺳﺎس اﻟﻧظري ﻻﺷﺗﻘﺎق ﺗوزﯾﻊ ﻓﯾﺷر )‪ (F‬ﻫو ﻓﻲ اﻟﺣﻘﯾﻘﺔ ﺗوزﯾﻊ ﻣﺷﺗق‬
‫ﻣن ﻧﺳﺑﺔ ﺗوزﯾﻌﯾن ﻣﺳﺗﻘﻠﯾن ﻛل ﻣﻧﻬﻣﺎ ﻋﺑﺎرة ﻋن ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ) ‪ ( 2‬ﻣﻘﺳوﻣﺎ ﻋﻠﻰ درﺟﺔ ﺣرﯾﺗﻪ‪.‬‬
‫وﻋﻠﻰ إﻓﺗراض ﻛﺎن ﻟدﯾﻧﺎ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ) ‪ ( 12‬ﻛﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ اﻟﻰ ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﺑدرﺟﺔ‬
‫‪2‬‬

‫‪12 ‬‬
‫‪n1S12‬‬
‫‪‬‬
‫‪ n1 1 S1‬‬ ‫‪ 2n 1‬‬ ‫ﺣرﯾﺔ )‪ (n1-1‬ﺣﯾث ان‪:‬‬
‫‪12‬‬ ‫‪12‬‬ ‫‪1‬‬

‫وﻛﺎن ﻟدﯾﻧﺎ اﯾﺿﺎ ) ‪ ( 22‬ﻛﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺧﺿﻊ اﻟﻰ ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (n2-1‬ﺣﯾث ان‪:‬‬
‫‪2‬‬

‫‪22 ‬‬
‫‪n 2S22‬‬
‫‪‬‬
‫‪ n2 1 S 2  2‬‬
‫‪22‬‬ ‫‪22‬‬ ‫‪n 2 1‬‬

‫وﻣﻣﺎ ﺗﻘدم ﯾﻣﻛن اﻟﺣﺻول ﻋﻠﻰ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (F‬ﻣن ﺧﻼل اﻟﻧﺳﺑﺔ ﺑﯾن اﻟﺗوزﯾﻌﯾن اﻟﺳﺎﺑﻘﯾن ﻣﻘﺳوﻣﺎ‬
‫ﻛل ﻣﻧﻬﻣﺎ ﻋﻠﻰ درﺟﺔ ﺣرﯾﺗﻪ‪ ،‬ﺣﯾث ﺳﯾﻌﺗﻣد اﻟﻣﺗﻐﯾر اﻟﺟدﯾد )‪ (F‬ﻋﻠﻰ ﻧوﻋﯾن ﻣن درﺟﺎت اﻟﺣرﯾﺔ ﺗﺗﻣﺛل ﻓﻲ‬
‫ﺑدرﺟﺎت اﻟﺣرﯾﺔ ﻟﻠﺑﺳط )‪ (n1-1‬ودرﺟﺎت اﻟﺣرﯾﺔ ﻟﻠﻣﻘﺎم )‪ (n2-1‬أي ان‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪n1 1 S 1‬‬
‫‪2‬‬
‫‪12‬‬ ‫‪12‬‬ ‫‪S1‬‬
‫‪2‬‬
‫‪F‬‬
‫‪ n1 1‬‬ ‫‪‬‬
‫‪ n1 1‬‬ ‫‪‬‬
‫‪12‬‬
‫‪‬‬ ‫‪S 1  22‬‬ ‫‪ Fn 1,n‬‬
‫‪22‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2 1‬‬
‫‪S 2 1‬‬
‫‪1‬‬

‫‪ n 2 1‬‬
‫‪ n 2 1 S 2‬‬ ‫‪S2‬‬
‫‪22‬‬
‫‪22‬‬
‫‪ n 2 1‬‬
‫ﺧﺻﺎﺋص ﺗوزﯾﻊ ﻓﯾﺷر )‪ :(F‬ﯾﺗﺻف ﺗوزﯾﻊ ﻓﯾﺷر ﺑﺎﻟﺧﺻﺎﺋص اﻟﺗﺎﻟﯾﺔ‬
‫‪-1‬ﻗﯾم اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﻟﻔﯾﺷر ﻻ ﺗﻛون ﺳﺎﻟﺑﺔ )‪ ،(F>0‬ﻓﯾﺑدا ﻣﻧﺣﻧﻰ اﻟﺗوزﯾﻊ ﻣن اﻟﺻﻔر ﻋﻠﻰ اﻟﻣﺣور‬
‫اﻻﻓﻘﻲ‪ ،‬وﯾﻣﺗد اﻟﻰ اﻟﯾﻣﯾن وﻋﻧد اﻟﻘﯾم اﻟﻛﺑﯾرة ﯾﻘﺗرب ﻣن اﻟﻣﺣور اﻻﻓﻘﻲ وﻟﻛن ﻻ ﯾﻠﺗﻘﯾﺎن‪.‬‬
‫‪-2‬ﻣﻧﺣﻧﻰ ﺗوزﯾﻊ ﻓﯾﺷر ﯾﺷﺑﻪ ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﻓﻬو ﻣﻠﺗو ﻧﺎﺣﯾﺔ اﻟﯾﻣﯾن‪.‬‬
‫‪-3‬اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﯾﺔ ﺗﺣت ﻣﻧﺣﻧﻰ اﻟﺗوزﯾﻊ ﺗﺳﺎوي اﻟواﺣد اﻟﺻﺣﯾﺢ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪55‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪-4‬ﯾﻘﺗرب ﺗوزﯾﻊ ﻓﯾﺷر ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻛﻠﻣﺎ زادت درﺟﺗﺎ اﻟﺣرﯾﺔ‪.‬‬
‫‪-5‬ﯾﻌﺗﻣد ﺗوزﯾﻊ ﻓﯾﺷر ﻋﻠﻰ ﻣﻌﻠﻣﺗﯾن وﻫﻣﺎ درﺟﺔ اﻟﺑﺳط )‪ (V1=n1-1‬ودرﺟﺔ ﺣرﯾﺔ اﻟﻣﻘﺎم )‪(V2=n2-1‬‬
‫ﺗﻣرﯾن‪ :24‬إذا ﻛﺎﻧت ‪ S12‬و ‪ S22‬ﺗﻣﺛل اﻟﺗﺑﺎﯾﻧﺎت ﻟﻌﯾﻧﺗﯾن ﻋﺷواﺋﯾﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‬
‫ﺑﺣﺟم ‪ n1  16‬و ‪ n 2  21‬ﺳﺣﺑت ﻣن ﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﺗﺑﺎﯾن ﻗدرﻩ ‪، 12  09‬‬
‫‪ 22  16‬ﻋﻠﻰ اﻟﺗواﻟﻲ‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪S12‬‬
‫‪-1‬أﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺗﺎﻟﻲ )‪P( 2  01, 74‬‬
‫‪S2‬‬
‫اﻟﺣل‪:‬‬
‫ﺑﻣﺎ ان اﻟﻣطﻠوب ﻫو ﻧﺳﺑﺔ ﺗﺑﺎﯾن ﻋﯾﻧﺗﯾن إذن ﺳوف ﻧﺳﺗﺧدم ﺗوزﯾﻊ ﻓﯾﺷر‪.‬‬
‫‪V1  n1 1  V1  16  01  15‬‬
‫ﻧﺣﺳب اوﻻ درﺟﺔ اﻟﺣرﯾﺔ ﻟﻠﺑﺳط واﻟﻣﻘﺎم ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪V2  n 2 1  V2  21  01  20‬‬
‫ﻧﺣﺳب اﻻن اﻹﺣﺗﻣﺎل‬
‫‪  n  1‬‬ ‫‪ n1  1 ‬‬ ‫‪‬‬
‫‪ S12  1  2‬‬ ‫‪‬‬ ‫‪ 16  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ S2‬‬
‫‪1‬‬
‫‪‬‬ ‫‪  n1  1  1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ n 1   ‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪16  1  09 ‬‬
‫‪P  2  01.74   P ‬‬ ‫‪ 01.74‬‬ ‫‪  P  F15, 20  01.74‬‬
‫‪S‬‬
‫‪ 2‬‬
‫‪‬‬
‫‪‬‬ ‫‪ S2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪ 21  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 2  n 1  2‬‬ ‫‪ n  1  2 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪21 1  16 ‬‬
‫‪ ‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ P F15,20  03.14  01  P F15,20  03.14  01  0.99  0.01‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪56‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬

‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻻول‬

‫اﻟﺗﻣرﯾن اﻷول‪ :‬إذا ﻛﺎن ﻋدد ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻷﺟرة ﻓﻲ ﻣدﯾﻧﺔ ﻣﺎ ﻫو ‪ 2000‬ﺳﺎﺋق‪ ،‬وﻋﻠﻣت أن أﻋﻣﺎرﻫم‬
‫ﺗﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪ 50‬ﺳﻧﺔ‪ ،‬وﺗﺑﺎﯾن ﻗدرﻩ ‪ 49‬ﺳﻧﺔ‪ ،‬ﻓﺈذا ﺳﺣﺑﻧﺎ ﻣﻊ ﻋدم اﻹرﺟﺎع‬
‫ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﺑﻬﺎ ‪ 25‬ﺳﺎﺋﻘﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط أﻋﻣﺎر ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻷﺟرة ﻓﻲ اﻟﻌﯾﻧﺔ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﻣﺣﺻو ار ﺑﯾن ‪ 54‬و‪.48‬‬
‫‪-3‬ﻧﻔرض أن ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻊ ﻋدم اﻹرﺟﺎع ﺗﻐﯾر وأﺻﺑﺢ ‪ 144‬ﺳﺎﺋﻘﺎ‪.‬‬
‫‪ 1-3‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗوﺳط أﻋﻣﺎر ﺳﺎﺋﻘﻲ ﺳﯾﺎرات اﻷﺟرة ﻓﻲ اﻟﻌﯾﻧﺔ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻧﻲ‪ :‬ﺗﺧﺿﻊ أوزان ﻋﻠب ﺳﺎﺋل ﻏﺳﯾل ﻣﻌﯾن ﻟﺗوزﯾﻊ وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪1000‬غ واﻧﺣراف ﻣﻌﯾﺎري‬
‫ﻗدرﻩ ‪77‬غ‪ ،‬إذا أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 35‬ﻋﻠﺑﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻷوزان اﻟﻌﻠب ﻓﻲ ﻟﻠﻌﯾﻧﺔ‪.‬‬
‫‪-2‬اﺣﺳب اﺣﺗﻣﺎل أن ﯾزﯾد اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻷوزان اﻟﻌﻠب ﻓﻲ اﻟﻌﯾﻧﺔ ﻋن ‪980‬غ؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻟث‪ :‬ﻣﺻﻧﻊ ﻹﻧﺗﺎج ﻧوع ﻣﻌﯾن ﻣن اﻟﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ‪ ،‬إذا ﻋﻠم أن ﻋﻣر اﻟﻣﺻﺑﺎح ﻣن إﻧﺗﺎج‬
‫ﻫذا اﻟﻣﺻﻧﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﻗدرﻩ ‪ 800‬ﺳﺎﻋﺔ واﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ 60‬ﺳﺎﻋﺔ‪،‬‬
‫ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 64‬ﻣن إﻧﺗﺎج ﻫذا اﻟﻣﺻﻧﻊ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻓﻲ اﻟﻌﯾﻧﺔ ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون ﻣﺗوﺳط اﻟﻌﻣر ﻓﻲ اﻟﻣﺻﺎﺑﯾﺢ ﻣﺣﺻور ﺑﯾن ‪ 790‬ﺳﺎﻋﺔ و‪ 815‬ﺳﺎﻋﺔ‪.‬‬
‫‪ -3‬إذا ﻓرﺿﻧﺎ أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻣﺟﻬوﻻ‪ ،‬وأﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪26‬‬
‫ﻣﺻﺑﺎح وﻛﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻫو ‪ 45‬ﺳﺎﻋﺔ‪.‬‬
‫‪ 1-3‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻓﻲ اﻟﻌﯾﻧﺔ ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬
‫‪-4‬إذا ﻓرﺿﻧﺎ أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻣﺟﻬوﻻ‪ ،‬وأﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 32‬ﻣﺻﺑﺎح‬
‫وﻛﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻫو ‪ 40‬ﺳﺎﻋﺔ‪.‬‬
‫‪ 1-4‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻓﻲ اﻟﻌﯾﻧﺔ ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬
‫‪-5‬إذا ﻓرﺿﻧﺎ أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻫو‪ 30‬ﺳﺎﻋﺔ‪ ،‬وأﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪25‬‬
‫ﻣﺻﺑﺎح‪.‬‬
‫‪ 1-5‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ ﻓﻲ اﻟﻌﯾﻧﺔ ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪57‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫اﻟﺗﻣرﯾن اﻟراﺑﻊ‪ :‬ﻣﺟﺗﻣﻌﺎن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬اﻷول ﺣﺟﻣﻪ ‪ 1000‬وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 30‬وﺗﺑﺎﯾﻧﻪ ‪،18‬‬
‫واﻟﺛﺎﻧﻲ ﺣﺟﻣﻪ ‪ 1400‬وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 24‬وﺗﺑﺎﯾﻧﻪ ‪ ،40‬ﻓﺈذا ﺳﺣﺑﻧﺎ ﻣن ﻛل ﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﻊ‬
‫ﻋدم اﻹرﺟﺎع وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬وﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ اﻷوﻟﻰ ‪ 120‬وﺣﺟم‬
‫اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ‪.250‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪05‬؟‬
‫‪-3‬ﻧﻔرض أن ﺣﺟم اﻟﻌﯾﻧﺗﯾن اﻟﻣﺳﺣوﺑﺗﯾن ﻣﻊ ﻋدم اﻹرﺟﺎع ﺗﻐﯾر وأﺻﺑﺢ ﻓﻲ اﻟﻌﯾﻧﺔ اﻷوﻟﻰ ‪ 50‬وﻓﻲ اﻟﻌﯾﻧﺔ‬
‫اﻟﺛﺎﻧﯾﺔ ‪.70‬‬
‫‪1-3‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬
‫اﻟﺗﻣرﯾن اﻟﺧﺎﻣس‪ :‬ﯾﻘوم ﻣﺻﻧﻊ ﺑﺈﻧﺗﺎج ﻧوﻋﯾن ﻣن اﻟﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ ‪ A‬و‪ B‬اﻟﻣﺻﺎﺑﯾﺢ ﻣن اﻟﻧوع ‪A‬‬
‫ﺗﺧﺿﻊ ﻓﻲ إﻧﺗﺎﺟﻬﺎ إﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﻋﻣر ‪ 700‬ﺳﺎﻋﺔ وﺗﺑﺎﯾن ‪ ،12‬ﻓﺈذا ﺗم ﺳﺣب ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﻣن اﻟﻧوع اﻷول ﺗﻘدر ب ‪ 18‬ﻣﺻﺑﺎﺣﺎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ ،30‬أﻣﺎ اﻟﻣﺻﺎﺑﯾﺢ ﻣن اﻟﻧوع ‪ B‬ﻓﻬﻲ‬
‫اﻷﺧرى ﺗﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﻋﻣر ‪ 500‬ﺳﺎﻋﺔ وﺗﺑﺎﯾن‪ 2 ،‬ﻓﺈذا ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن‬
‫‪2‬‬
‫اﻟﻧوع اﻟﺛﺎﻧﻲ ﺗﻘدر ب ‪ 12‬ﻣﺻﺑﺎﺣﺎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 25‬ﺳﺎﻋﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ‪ ،‬ﺑﺎﻓﺗراض ﺗﺟﺎﻧس ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ اﻛﺑر ﻣن ‪215‬؟‬
‫‪-3‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ‪ ،‬ﺑﺎﻓﺗراض ﻋدم ﺗﺟﺎﻧس ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن؟‬
‫‪ -4‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ اﻛﺑر ﻣن ‪215‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎدس‪:‬إذا ﻛﺎن أداء اﻟﻌﻣﺎل ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ ،‬وﻓﻲ ﻓﻲ ﺗﺟرﺑﺔ ﻟﺑﯾﺎن ﺗﺣﺳن ﻫذا اﻷداء‬
‫ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺣﺟم ‪13‬ﻋﺎﻣﻼ ﻓﻲ اﻟﻣﻌﻣل ﻓﻛﺎﻧت ﻗﯾﺎس اﻟﻛﻔﺎءة ﻗﺑل وﺑﻌد دﺧوﻟﻬم دورة ﺗﺣﺳﯾن‬
‫اﻷداء ﻛﻣﺎ ﻫو ﻣﺑﯾن ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫‪08‬‬ ‫‪07‬‬ ‫‪07‬‬ ‫‪08‬‬ ‫‪09‬‬ ‫‪09‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪08‬‬ ‫ﺑﻌد )‪07 07 08 07 (Xi‬‬
‫‪05‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪04 05 05 05‬‬ ‫ﻗﺑل)‪(Yi‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن اﻟﻣرﺗﺑطﺗﯾن ؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﻓﻲ اﻷداء ﻗﺑل وﺑﻌد اﻟدورة ﻻ ﯾﻘل ﻋن ‪02.50‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎﺑﻊ‪ :‬ﻓﻲ دراﺳﺔ ﻗﺎم ﺑﻬﺎ ﻣرﻛز ﻣﺗﺧﺻص ﻟﻣﻌﺎﻟﺟﺔ آﺛﺎر اﻹدﻣﺎن ﻋﻠﻰ اﻟﺗدﺧﯾن ﻓﻲ ﻣﺟﺗﻣﻊ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪58‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫إﺣﺻﺎﺋﻲ ﻣﺗﻛون ﻣن ‪ 3000‬ﺷﺧص‪ ،‬ﻓﺈذا ﻋﻠﻣت أن ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﺗﻣﺛل‬
‫‪ ،%58.27‬و ﺳﺣﺑﻧﺎ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻫؤﻻء اﻟﻣدﺧﻧﯾن ﻣﻊ ﻋدم اﻹرﺟﺎع ﺗﺷﻣل ‪ 100‬ﻣدﺧﻧﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ ﻫذﻩ اﻟﻣدﯾﻧﺔ؟‬
‫‪-2‬اﺣﺳب اﺣﺗﻣﺎل أن ﺗﻛون ﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ ﻫذﻩ اﻟﻌﯾﻧﺔ ﺗﺗراوح ﺑﯾن ‪ %55‬و‪%70‬؟‬
‫‪-3‬ﻧﻔرض أن ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻊ ﻋدم اﻹرﺟﺎع ﺗﻐﯾر وأﺻﺑﺢ ‪ 180‬ﻣدﺧﻧﺎ‪.‬‬
‫‪ 1-3‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻣدﺧﻧﯾن ﻓﻲ ﻫذﻩ اﻟﻣدﯾﻧﺔ؟ واﺣﺳب اﻻﺣﺗﻣﺎل اﻟﺳﺎﺑق؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻣن‪ :‬إذا ﻛﺎﻧت ﻧﺳﺑﺔ اﻷﺷﺧﺎص اﻟذﯾن ﯾﺣﻣﻠون ﺻﻧف اﻟدم ﻣن ﻧوع ‪ B‬ﻓﻲ ﻣﺟﺗﻣﻊ ﻫو ‪0.30‬‬
‫ﻓﺈذا ﺗم اﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 500‬ﺷﺧص‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻷﺷﺧﺎص اﻟذﯾن ﯾﺣﻣﻠون ﺻﻧف اﻟدم ﻣن ﻧوع ‪B‬؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻷﺷﺧﺎص اﻟذﯾن ﯾﺣﻣﻠون ﺻﻧف اﻟدم ﻣن ﻧوع ‪ B‬ﻓﻲ اﻟﺣﺎﻟﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬
‫‪ 1-2‬أﻛﺑر ﻣن ‪0.35‬‬
‫‪ 1-3‬ﻣﺣﺻور ﺑﯾن ‪ 0.25‬و ‪0.35‬‬
‫اﻟﺗﻣرﯾن اﻟﺗﺎﺳﻊ‪ :‬إذا ﻋﻠﻣت أن ﺷرﻛﺔ ﻣﺗﺧﺻﺻﺔ ﻓﻲ ﺻﻧﺎﻋﺔ اﻻﻟﻛﺗروﻧﯾﺎت ﺗﺳﺗورد ﻗطﻊ اﻟﻐﯾﺎر اﻟﻼزﻣﺔ‬
‫ﻟﻬﺎ ﻣن ﻣﺻدرﯾن ﻣﺧﺗﻠﻔﯾن وان اﻟﻘطﻊ اﻟواردة إﻟﯾﻬﺎ ﻣن اﻟﻣﺻدر اﻷول ﺗرﻓض ﺑﻣﻌدل ‪ %08‬ﺑﺳﺑب ﻋﯾوب‬
‫ﺑﻬﺎ‪ ،‬ﺑﯾﻧﻣﺎ اﻟﻘطﻊ اﻟواردة إﻟﯾﻬﺎ ﻣن اﻟﻣﺻدر اﻟﺛﺎﻧﻲ ﺗرﻓض ﺑﻣﻌدل ‪ %05‬ﻟﻧﻔس اﻟﺳﺑب‪ ،‬ﻓﺈذا ﻛﺎﻧت ﺧطوط‬
‫اﻹﻧﺗﺎج ﺗﺳﺗﺧدم ‪ 150‬ﻗطﻌﺔ ﻣن اﻟﻣﺻدر اﻷول و‪ 300‬ﻗطﻌﺔ ﻣن اﻟﻣﺻدر اﻟﺛﺎﻧﻲ ﯾوﻣﯾﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن؟‬
‫‪-2‬أﺣﺳب اﺣﺗﻣﺎل أن ﯾﻛون اﻟﻔرق ﻣﺎ ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن أو ﯾﺳﺎوي ‪%07‬؟‬
‫اﻟﺗﻣرﯾن اﻟﻌﺎﺷر‪ :‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ و ﻣﻛون ﻣن اﻟﻘﯾم اﻟﺗﺎﻟﯾﺔ )‪،05 ،03 ،01‬‬
‫‪ ،(09 ،07‬وﺳﺣﺑﻧﺎ ﻣﻧﻪ اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ واﻟﻣﺗﺳﺎوﯾﺔ ﻓﻲ اﻟﺣﺟم وﻟﯾﻛم ﺣﺟﻣﻬﺎ )‪(n=02‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺣﺳب اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ وﺗﺑﺎﯾﻧﻪ؟‬
‫‪-2‬إﯾﺟﺎد ﻛل اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم )‪ (n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻣﻊ اﻹرﺟﺎع؟‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع وﻣﻘﺎرﻧﺗﻬﺎ ﺑﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ؟‬ ‫‪-3‬أﺣﺳب اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫‪2‬‬
‫‪S‬‬
‫‪ -4‬إﯾﺟﺎد ﻛل اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم )‪ (n=02‬اﻟﻣﻣﻛن ﺳﺣﺑﻬﺎ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﻣﻊ ﻋدم اﻹرﺟﺎع؟‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع وﻣﻘﺎرﻧﺗﻬﺎ ﺑﺗﺑﺎﯾن‬ ‫‪S‬‬
‫‪2‬‬
‫‪ -5‬أﺣﺳب اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫اﻟﻣﺟﺗﻣﻊ؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪59‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻷول‪ :‬ﺗﻮزﯾﻌﺎت اﻟﻤﻌﺎﯾﻨﺔ‬
‫‪2‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻹرﺟﺎع وﻋدم اﻹرﺟﺎع؟ وﻣﻘﺎرﻧﺗﻪ ﺑﺗﺑﺎﯾن‬ ‫‪S‬‬ ‫‪-6‬أﺣﺳب اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫اﻟﻣﺟﺗﻣﻊ؟‬
‫‪nS2‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻹرﺟﺎع وﻋدم اﻹرﺟﺎع؟‬ ‫‪-7‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ‬
‫‪2‬‬
‫‪2‬‬

‫‪ -8‬إﯾﺟﺎد ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ‪ 2‬ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﺑﺎﻹرﺟﺎع وﻋدم اﻹرﺟﺎع؟‬

‫‪nS‬‬
‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪60‬‬

‫اﻟﻣﺣور اﻟﺛﺎﻧﻲ‪ :‬ﻧظرﯾﺔ اﻟﺗﻘدﯾر‬
 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﺗﻣﻬﯾد‬
‫إن أﺣد أﻫداف اﻟﻧظرﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ ﻫو إﯾﺟﺎد اﻟطرق اﻟﺗﻲ ﺗﻣﻛﻧﻧﺎ ﻣن اﻻﺳﺗدﻻل ﻋﻠﻰ ﻗﯾﻣﺔ ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ‬
‫وذﻟك ﻋن طرﯾق اﻟﻧﺗﺎﺋﺞ اﻟﺗﻲ ﺗﺣﺻل ﻋﻠﯾﻬﺎ ﻣن ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻧﺧﺗﺎرﻫﺎ ﻣن ﺑﯾن ﻣﻔردات اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫ﻓﺈذا ﻛﻧﺎ ﻧرﻏب ﻓﻲ ﺗﻘدﯾر أﺣد ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ وﻟﯾﻛن ‪ ‬ﻋن طرﯾق ﻋﯾﻧﺔ ﻣن اﻟﻣﺷﺎﻫدات ‪x1,x2,x3……xn‬‬
‫ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ ﻓﺈن اﻟﻘﯾﻣﺔ اﻟﺗﻲ ﯾﺗم ﺣﺳﺎﺑﻬﺎ ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬ﻣن واﻗﻊ ﻫذﻩ اﻟﻣﺷﺎﻫدات ﺗﺳﻣﻰ ﺗﻘدﯾ ار‬
‫)‪ (Estimate‬ﺑﯾﻧﻣﺎ اﻟداﻟﺔ أو اﻟﺻﯾﻐﺔ اﻟرﯾﺎﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﺗﻲ ﺗﺳﺗﺧدم ﻟﻠوﺻول إﻟﻰ ﻫذا اﻟﺗﻘدﯾر ﺗﺳﻣﻰ‬
‫ﻣﻘد ار )‪ ،(Estimator‬واﻟﻣﻘدر ﻫو داﻟﺔ ﺗﻌﺗﻣد ﻋﻠﻰ اﻟﻣﺷﺎﻫدات وﻟﺗﻛن ‪ f  X1, X2, X3,................, Xn ‬‬
‫‪‬‬

‫ﺑﯾﻧﻣﺎ اﻟﺗﻘدﯾر ﻫو ﻗﯾﻣﺔ ﻫذﻩ اﻟداﻟﺔ ﻋﻧد اﻟﺗﻌوﯾض ﺑﻘﯾم اﻟﻣﺷﺎﻫدات ﻓﯾﻬﺎ‪ ،‬وﻟﻬذا ﻓﺈن اﻟﺗﻘدﯾر ﯾﺧﺗﻠف ﻣن ﻋﯾﻧﺔ‬
‫إﻟﻰ أﺧرى رﻏم اﺳﺗﺧدام ﻧﻔس اﻟﻣﻘدر وﻫذا أﻣر طﺑﯾﻌﻲ ﺣﯾث أن ﻫﻧﺎك اﺧﺗﻼﻓﺎ ﺑﯾن ﻗﯾم اﻟﻣﺷﺎﻫدات ﻣن‬
‫ﻋﯾﻧﺔ إﻟﻰ أﺧرى رﻏم أن اﻟﻣﻘدر ﻟﻪ ﻧﻔس اﻟﺻﯾﻐﺔ اﻟﺗﻲ ﯾﺗم اﻟﺗﻌوﯾض ﻓﯾﻬﺎ‪.‬‬
‫ﯾﻣﻛن ﺗﻘدﯾر ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﺑﻘﯾﻣﺔ واﺣدة وﻫﻲ ﻗﯾﻣﺔ اﻟﻣﻘدر اﻟﺗﻲ ﻧﺣﺻل ﻋﻠﯾﻬﺎ ﻣن ﺑﯾﺎﻧﺎت ﻟﻌﯾﻧﺔ‪ ،‬ﻓﺎﻟﺗﻘدﯾر‬
‫اﻟذي ﻧﺣﺻل ﻋﻠﯾﻪ ﻋن طرﯾق إﺣﺻﺎء اﻟﻌﯾﻧﺔ واﻟذي أطﻠﻘﻧﺎ ﻋﻠﯾﻪ ﺗﻌﺑﯾر اﻟﻣﻘدر ﯾﻣﺛل ﻗﯾﻣﺔ ﺗﻘدﯾرﯾﺔ ﻟﻣﻌﻠﻣﺔ‬
‫اﻟﻣﺟﺗﻣﻊ ﻣﻘدرة ﺑﻘﯾﻣﺔ واﺣدة‪ ،‬وﺑﺻورة أﺧرى ﻓﺎﻧﻪ ﯾﻣﻛن إﯾﺟﺎد ﻗﯾﻣﺔ ﺗﻘدﯾرﯾﺔ واﺣدة ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ وﯾﺳﻣﻰ‬
‫ﻫذا اﻟﺗﻘدﯾر ﺑﺗﻘدﯾر اﻟﻧﻘطﺔ‪.‬‬
‫واﻟﺗﻘدﯾر ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء ﻻ ﺗﺧﺗﻠف أﺳﺳﻪ ﻋن ﻫذا اﻟﻣﻧطق ﺣﯾث ﯾﻛون ﻟدﯾﻧﺎ ﺗوزﯾﻌﺎ اﺣﺗﻣﺎﻟﯾﺎ ﻣﻌﻠوم‬
‫اﻟﺻﯾﻐﺔ وﻟﻛن ﻣﺟﻬول اﻟﻣﻌﻠﻣﺎت وﺑﺎﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻫذا اﻟﺗوزﯾﻊ )اﻟﻣﺟﺗﻣﻊ( واﻟﺣﺻول ﻋﻠﻰ داﻟﺔ‬
‫ﻟﻘﯾم اﻟﻌﯾﻧﺔ ﯾﺳﺗﺧدﻣﻬﺎ ﻛﻣﻘدر ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ‪ ،‬ﻫذﻩ اﻟداﻟﺔ ﺳﻣﯾت ﺑﺎﻟﻣﻘدر ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ واﻟﻘﯾﻣﺔ‬
‫اﻟﺗﻲ ﯾﺗم اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻣن ﻫذﻩ اﻟداﻟﺔ ﺗﺳﺗﺧدم ﻛﺗﻘدﯾر ﻟﻘﯾﻣﺔ اﻟﻣﻌﻠﻣﺔ‪.‬‬
‫ﻓﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ ‪ X‬ﻟﻠﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ ﻫو ﺗﻘدﯾر ﻟﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ، ‬وﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬ﻫو ﺗﻘدﯾر ﻟﺗﺑﺎﯾن‬
‫اﻟﻣﺟﺗﻣﻊ ‪ ، 2‬وﻧﺳﺑﺔ ﺻﻔﺔ ﻣﻌﯾﻧﺔ ﻓﻲ اﻟﻌﯾﻧﺔ ‪ P‬ﻫﻲ ﺗﻘدﯾر ﻟﻧﺳﺑﺔ ﻧﻔس اﻟﺻﻔﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪.P‬‬
‫‪‬‬

‫وﺗﺗﻠﺧص ﻣﺷﻛﻠﺔ اﻟﺗﻘدﯾر ﻓﻲ اﺳﺗﺧدام ﺑﯾﺎﻧﺎت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ ﻓﻲ إﯾﺟﺎد ﺗﻘدﯾر ﻣﻌﺎﻟم‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ‪ ،‬وﻫﻧﺎك ﻧوﻋﺎن ﻣن اﻟﺗﻘدﯾر ﻫﻣﺎ‪:‬‬
‫أ‪-‬اﻟﺗﻘدﯾر اﻟﻧﻘطﻲ‬
‫ب‪-‬اﻟﺗﻘدﯾر ﺿﻣن ﻗﺗرة‪.‬‬
‫وﺳوف ﻧﺳﺗﻌرض ﻛﻼ اﻟﺗﻘدﯾرﯾن ﺑﻧوع ﻣن اﻟﺗﻔﺻﯾل ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪-01‬اﻟﺗﻘدﯾر اﻟﻧﻘطﻲ )اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة(‬
‫اﻟﻣﻘﺻود ﺑﻬذا اﻟﻧوع ﻣن اﻟﺗﻘدﯾر‪ ،‬ﻫو ﺗﻘدﯾر ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ ﺑﺈﺣﺻﺎﺋﯾﺔ ﺗﺣﺳب ﻗﯾﻣﺗﻬﺎ ﻣن ﺑﯾﺎﻧﺎت‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬أي ﻧﻘوم ﺑﺗﻘدﯾر اﻟﻣﻌﻠﻣﺔ ﺑﻘﯾﻣﺔ واﺣدة ﻓﻘط ﺗﺣﺳب ﻣن اﻟﻌﯾﻧﺔ‪،‬‬
‫وﻟذﻟك ﯾﺳﻣﻰ اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ‪ ،‬ﻓﻣﺛﻼ ﻧﻘدر اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪ ‬ﺑﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ ، X‬وﻧﻘدر‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪62‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ 2‬ﺑﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬وﻫﻛذا‪......‬اﻟﺦ‪.‬‬
‫وﺑﺻﻔﺔ ﻋﺎﻣﺔ إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﻣﻌﻠﻣﺗﻪ اﻟﻣﺟﻬوﻟﺔ ‪ ‬وﻧﺳﺗﺧدم ﻟﺗﻘدﯾرﻫﺎ داﻟﺔ ﺗﻌﺗﻣد ﻋﻠﻰ ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ‬
‫اﻟﻌﺷواﺋﯾﺔ ‪ x1,x2,x3……xn‬ﯾرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز ‪ ‬ﺑﺣﯾث اﻹﺷﺎرة )^( ﺗﻌﻧﻲ ﻓﻲ ﻋﻠم اﻹﺣﺻﺎء اﻟﻘﯾﻣﺔ اﻟﻣﻘدرة‬
‫‪‬‬

‫وﺑﺎﻟﺗﺎﻟﻲ‪ f  X1, X2, X3,................, Xn  :‬‬

‫‪‬‬

‫ﻓﻬذﻩ اﻟداﻟﺔ ﯾطﻠق ﻋﻠﯾﻬﺎ ﻣﻘدر أي اﻟﻣﻘدر ﻫو ﻋﺑﺎرة ﻋن إﺣﺻﺎﺋﯾﺔ‪ ،‬وﻋﻧد اﻟﺗﻌوﯾض ﻓﻲ ﻫذﻩ اﻟداﻟﺔ ﺑﺑﯾﺎﻧﺎت‬
‫اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ‪ ،‬ﻓﺎﻟﻘﯾﻣﺔ اﻟﻌددﯾﺔ اﻟﺗﻲ ﻧﺣﺻل ﻋﻠﯾﻬﺎ ﺗﺳﻣﻰ ﺗﻘدﯾرا‪ ،‬أي أن اﻟﻣﻘدر ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﺗﺗﻐﯾر‬
‫ﻗﯾﻣﺗﻪ ﻣن ﻋﯾﻧﺔ إﻟﻰ أﺧرى ﺑﯾﻧﻣﺎ اﻟﺗﻘدﯾر ﻫو إﺣدى ﻗﯾم ﻫذا اﻟﻣﺗﻐﯾر‪.‬‬
‫ﻣﺛﺎل‪:‬إذا ﻛﺎﻧت اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ﻫﻲ اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪ ، ‬ﻓﯾﻘدر ﺑﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬أي‬
‫‪n‬‬
‫‪‬‬ ‫‪Xi‬‬
‫أن‪:‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪X‬‬
‫‪n‬‬
‫ﻓﺈذا ﺳﺣﺑﻧﺎ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬وﺣﺳﺑﻧﺎ وﺳطﻬﺎ اﻟﺣﺳﺎﺑﻲ ووﺟدﻧﺎ أن ﻗﯾﻣﺗﻪ ‪ 27‬ﻣﺛﻼ ﻓﺎن‪:‬‬
‫‪ : ‬ﻫو اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪‬‬
‫‪ : X‬ﻫﻲ ﻣﻘدر ﺑﻘﯾﻣﺔ ‪‬‬
‫‪‬‬

‫‪ : X  27‬ﻫﻲ ﺗﻘدﯾر ﺑﻘﯾﻣﺔ‪.‬‬

‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ Xi X‬‬
‫‪2‬‬
‫‪ S ‬‬ ‫‪2‬‬ ‫‪i1‬‬
‫ٕواذا ﻛﺎﻧت اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ﻫﻲ ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ ، 2‬ﻓﯾﻘدر ﺑﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬أي أن‬
‫‪n 1‬‬
‫ﻓﺈذا ﺳﺣﺑﻧﺎ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬وﺣﺳﺑﻧﺎ ﺗﺑﺎﯾﻧﻬﺎ ووﺟدﻧﺎ أن ﻗﯾﻣﺗﻪ ﻫﻲ ‪ 06‬ﻓﺈن‪:‬‬
‫‪ : 2‬ﻫﻲ اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪. ‬‬
‫‪ : S2‬ﻫﻲ ﻣﻘدر ﺑﻘﯾﻣﺔ ‪. ‬‬
‫‪‬‬

‫‪ : S2  06‬ﻫﻲ ﺗﻘدﯾر ﺑﻘﯾﻣﺔ‪.‬‬

‫‪-02‬ﺧﺻﺎﺋص اﻟﻣﻘدر اﻟﺟﯾد)ﻣﻌﯾﺎر ﻓﯾﺷر ﻟﻠﻣﻘدر اﻟﺟﯾد(‬
‫إذا أﺧذﻧﺎ ﻣﻘد ار ﻣﻌﯾﻧﺎ ﻓﺎن ﻫذا اﻟﻣﻘدر ﻻ ﯾﻌطﻲ ﻗﯾﻣﺎ ﻗرﯾﺑﺔ ﺟدا ﻣن ﻗﯾﻣﺔ اﻟﻣﻌﻠﻣﺔ ﻟﺟﻣﯾﻊ اﻟﻌﯾﻧﺎت اﻟﻣﻣﻛن‬
‫اﺧﺗﯾﺎرﻫﺎ وﻋﻠﻰ ذﻟك ﻓﻼ ﯾﻣﻛن اﻟﺣﻛم ﻋﻠﻰ اﻟﻣﻘدر ﻓﻲ ﺿوء ﺗﻘدﯾر ﻣﺣﺳوب ﻣن ﻋﯾﻧﺔ واﺣدة ذا ﻗد ﺗﻛون‬
‫ﻫذﻩ اﻟﻘﯾﻣﺔ ﻗرﯾﺑﺔ ﺟدا ﻣن اﻟﻘﯾﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ وﻗد ﺗﻛون ﺑﻌﯾدة ﻋﻧﻬﺎ‪.‬‬
‫وﻟذﻟك ﯾﻌﺗﺑر اﻟﻣﻘدر ﺟﯾدا إذا ﻛﺎن ﻓﻲ اﻟﻣﺗوﺳط )ﻛﻌدد ﻛﺑﯾر ﻣن اﻟﻌﯾﻧﺎت( ﯾﻌطﻲ ﻗﯾﻣﺎ ﻗرﯾﺑﺔ ﻣن اﻟﻘﯾﻣﺔ‬
‫اﻟﺣﻘﯾﻘﯾﺔ أو ﺑﻌﺑﺎرة أﺧرى إذا ﻛﺎن ﯾﻌطﻲ ﻓﻲ ﻏﺎﻟب اﻷﺣﯾﺎن ﻗﯾﻣﺎ ﺗﻛون ﻗرﯾﺑﺔ ﺟدا ﻣن اﻟﻘﯾﻣﺔ وﻧﺎد ار ﻣﺎ‬
‫ﯾﻌطﻲ ﻗﯾﻣﺎ ﺑﻌﯾدة ﺟدا ﻋن اﻟﻘﯾﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ‪.‬‬
‫وﻟﻛﻲ ﯾﻛون اﻟﻣﻘدر ﺟﯾد ﯾﺟب أن ﯾﺣﻘق ﺑﻌض اﻟﻣﻌﺎﯾﯾر‪ ،‬وﺗرﺟﻊ ﻛﻠﻣﺔ اﻟﻣﻘدر اﻟﺟﯾد إﻟﻰ اﻟﻌﺎﻟم ﻓﯾﺷر‬
‫)‪،(Fisher‬وﯾﻌﺗﺑر اﻟﻣﻘدر ﻣﻘد ار ﺟﯾدا طﺑﻘﺎ ﻟﻣﻌﯾﺎر ﻓﯾﺷر إذا ﺗواﻓرت ﻓﯾﻪ اﻟﺧﺻﺎﺋص اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪63‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪-1‬ﺧﺎﺻﯾﺔ ﻋدم اﻟﺗﺣﯾز)‪ :(Unbiasness‬ﯾﻘﺎل إن اﻟﻣﻘدر ﻏﯾر ﻣﺗﺣﯾز إذا ﻛﺎن ﺗوﻗﻌﻪ اﻟرﯾﺎﺿﻲ ﯾﺳﺎوي‬
‫ﻗﯾﻣﺔ اﻟﻣﻌﻠﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﺟﺗﻣﻊ‪ ،‬ﻓﺈذا ﻛﺎﻧت ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﻫﻲ ‪ ‬وﻛﺎن ‪ ‬ﻫو اﻟﻣﻘدر اﻟﻣﺣﺳوب ﻣن ﻋﯾﻧﺔ‬
‫‪‬‬

‫‪ X1 , X 2 , X 3 ,......., X n‬ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ ﻓﺎن اﻟﻣﻘدر ‪ ‬ﻏﯾر ﻣﺗﺣﯾز إذا ﻛﺎن‪E      :‬‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬‬

‫أﻣﺎ إذا ﻛﺎن ‪ E       b‬ﻓﺎن اﻟﻣﻘدار ‪ b  E     ‬ﯾﺳﻣﻰ ﻣﻘدار اﻟﺗﺣﯾز‪.‬‬

‫‪‬‬ ‫‪‬‬

‫‪ ‬‬ ‫‪ ‬‬

‫ﻛﻣﺎ اﻧﻪ ﻣن اﻟﻧﺎدر أن ﻧﺟد ﺗﻘدﯾ ار ﯾﻛون ﻣﺗوﺳط ﻣرﺑﻊ ﺧطﺄﻩ اﻗل ﻣﺎ ﯾﻣﻛن ﻟﺟﻣﯾﻊ ﻗﯾم ‪ ‬ﻓﺈذا ﻛﺎن ‪ ‬ﺗﻘدﯾ ار‬
‫‪‬‬

‫‪2‬‬
‫‪. MSE     E    ‬‬ ‫ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬ﻓﺎن ﻣﺗوﺳط ﻣرﺑﻊ اﻟﺧطﺄ ﻫو‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1-1‬ﺗﻌرﯾف ﻣﺗوﺳط ﻣرﺑﻊ اﻟﺧطﺄ)‪ :(Mean Squared error‬إذا ﻛﺎﻧت ‪X   X1, X2 , X3 ,......., Xn ‬‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ‪ X‬ﺗوزﯾﻌﻪ اﻻﺣﺗﻣﺎﻟﻲ ‪ f  X,‬ﯾﻌﺗﻣد ﻋﻠﻰ ﻣﻌﻠﻣﺔ ‪ ، ‬وذا أﺧذﻧﺎ‬
‫‪  f  X‬ﻛﺗﻘدﯾر ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬ﻓﺎن اﻟﺧطﺄ ﻓﻲ ﻫذا اﻟﺗﻘدﯾر أو اﻟﺧﺳﺎرة اﻟﻧﺎﺟﻣﺔ ﻣن اﺗﺧﺎذ ‪ ‬ﻛﺗﻘدﯾر ﻟﻠﻣﻌﻠﻣﺔ‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬ﯾﻣﻛن أن ﯾﻘﺎس ﺑﺎﻟﻣﻘدار ‪ ،    ‬وﻟﻛن ﻫذا اﻟﻣﻘدار ﯾﻣﻛن أن ﯾﻛون ﻣوﺟﺑﺎ أو ﺳﺎﻟﺑﺎ ﺣﺳب ﻗﯾﻣﺔ ‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫اﻟﻣﺣﺳوﺑﺔ ﻣن اﻟﻌﯾﻧﺔ‪ ،‬وﺣﺗﻰ ﻧﺗﺧﻠص ﻣن اﻹﺷﺎرة ﻓﺈﻧﻧﺎ ﻧﺄﺧذ ﻣرﺑﻊ ﻫذا اﻟﻣﻘدار أي ‪    ‬ﻛﻣﻘﯾﺎس ﻟﻘرب‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫اﻟﺗﻘدﯾر ‪ ‬ﻣن اﻟﻣﻌﻠﻣﺔ ‪ ‬وﻟﻛن ﻫذا اﻟﻣﻘدار ﯾﺗﻐﯾر ﻣن ﻋﯾﻧﺔ ﻷﺧرى ﻟذﻟك ﻓﺈﻧﻧﺎ ﻧﺄﺧذ اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ ﻟﻪ أي‬
‫‪‬‬

‫‪2‬‬

‫‪ ،‬واﻟﺗﻲ ﺗﺳﻣﻰ ﻣﺗوﺳط ﻣرﺑﻊ ﺧطﺎ اﻟﺗﻘدﯾر ل ‪ ‬وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز‬ ‫ﻧﺄﺧذ اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ ﻟﻪ‬
‫‪‬‬
‫‪ ‬‬
‫‪E    ‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫ﻛﻣﻘﯾﺎس ﻟﺟودة اﻟﻣﻘدر ‪ ‬ﻟﻠﻣﻌﻠﻣﺔ ‪. ‬‬ ‫‪ MSE   ‬أي أن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪MSE     E    ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫وﯾﻣﻛن إﻋﺎدة ﻛﺗﺎﺑﺗﻪ ﻋﻠﻰ اﻟﺻورة اﻟﺗﺎﻟﯾﺔ‬
‫‪2‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪      ‬‬ ‫‪‬‬
‫‪MSE     E   E       E       ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪    ‬‬ ‫‪ ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪     ‬‬ ‫‪  ‬‬
‫‪ E   E      E  E        2 E       E  E    ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫‪    ‬‬ ‫‪ ‬‬
‫‪2‬‬
‫‪  ‬‬ ‫‪‬‬ ‫‪     ‬‬ ‫‪  ‬‬
‫‪ V      E        2 E      E  E    ‬‬
‫‪    ‬‬ ‫‪‬‬ ‫‪    ‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪  ‬‬
‫اﻟطرف اﻷﯾﻣن ﯾﺳﺎوي ﺻﻔ ار ﻻن ‪E  E      E     E     0‬‬ ‫اﻟﺣد اﻷﺧﯾر ﻓﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪MSE     V     b 2  ‬‬ ‫وﻋﻠﻰ ذﻟك ﻓﺎن‬
‫‪ ‬‬ ‫‪ ‬‬
‫‪2‬‬
‫ﺣﯾث‬
‫‪2‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪b      E      ‬‬
‫‪  ‬‬ ‫‪‬‬
‫أي أن ﻣﺗوﺳط ﻣرﺑﻊ اﻟﺧطﺄ ﻷي ﺗﻘدﯾر ﯾﺳﺎوي ﺗﺑﺎﯾن اﻟﺗﻘدﯾر ﻣﺿﺎﻓﺎ إﻟﯾﻪ ﻣﻘدار آﺧر ﻫو ﻣرﺑﻊ ‪b 2   ‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪64‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﯾﺳﻣﻰ اﻟﻣﻘدار ‪ b    E     ‬ﺑﻣﻘدار اﻟﺗﺣﯾز ﻓﻲ اﻹﺣﺻﺎء ‪ ‬ﻛﺗﻘدﯾر ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬وﻫو ﯾﺑﯾن ﻣﻘدار‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬‬
‫اﻻﺧﺗﻼف ﺑﯾن ﻣﺗوﺳط ﺗوزﯾﻊ اﻹﺣﺻﺎء ‪ ‬وﺑﯾن اﻟﻣﻌﻠﻣﺔ ‪ ، ‬وﯾﻛون ﻣﺗوﺳط ﻣرﺑﻊ اﻟﺧطﺄ أﻗل ﻣﺎ ﯾﻣﻛن إذا‬
‫‪‬‬

‫ﻛﺎن ﻛل ﻣن اﻟﺗﺑﺎﯾن وﻣرﺑﻊ اﻟﺗﺣﯾز أﻗل ﻣﺎ ﯾﻣﻛن‪ ،‬وﻫذا ﯾﻌﻧﻲ أن اﻟﺗﻘدﯾر ل ‪ ‬ﯾﻛون ﻗرﯾﺑﺎ ﻣن اﻟﻣﻌﻠﻣﺔ ‪ ‬إذا‬
‫‪‬‬

‫ﻛﺎن ﻛل ﻣن اﻟﺗﺑﺎﯾن وﻣرﺑﻊ اﻟﺗﺣﯾز اﻗل ﻣﺎ ﯾﻣﻛن‪.‬‬

‫وﻋﻠﻰ ذﻟك ﻓﺈﻧﻧﺎ ﻧﻔﺿل اﻟﺗﻘدﯾر اﻟذي ﻟﻪ اﻗل ﻣﺗوﺳط ﻣرﺑﻊ ﺧطﺎ‪ ،‬ﻓﺈذا ﻛﺎن ‪ 1‬و ‪ 2‬ﻣﻘدران ﻟﻠﻣﻌﻠﻣﺔ ‪‬‬
‫‪‬‬ ‫‪‬‬

‫ﻓﺈﻧﻧﺎ ﻧﻔﺿل ‪ 1‬ﻋن ‪ 2‬إذا ﻛﺎن ‪MSE  1   MSE  2 ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪-2‬اﻻﺗﺳﺎق )‪ :(Consistency‬ﯾﻘﺎل ﺑﺄن ‪ ‬ﻣﻘد ار ﻣﺗﺳﻘﺎ ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ‪ ‬إذا ﻛﺎﻧت ‪ ‬ﺗؤول إﻟﻰ ‪‬‬
‫‪‬‬ ‫‪‬‬

‫‪ nlim‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫)أي ﺗﻘﺗرب ﻣﻧﻬﺎ( ﻛﻠﻣﺎ زاد ﺣﺟم اﻟﻌﯾﻧﺔ أي‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P         0‬‬
‫‪  n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪lim P         1‬‬
‫‪n   n‬‬
‫‪‬‬ ‫‪‬‬
‫وﯾﻛون ‪ ‬ﻣﻘد ار ﻣﺗﺳﻘﺎ إذا ﻛﺎﻧت ‪ ‬ﺗﻘدﯾ ار ﻏﯾر ﻣﺗﺣﯾ از ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬وﯾﻘﺗرب ﺗﺑﺎﯾﻧﻪ ﻣن اﻟﺻﻔر ﻛﻠﻣﺎ زاد‬
‫‪‬‬ ‫‪‬‬

‫ﺣﺟم اﻟﻌﯾﻧﺔ‪.‬‬
‫ﻣﻌﻧﻰ أن ﺗؤول ‪ ‬إﻟﻰ ‪ ‬ﻫو أن اﻟﺗوزﯾﻌﺎت اﻟﻌﯾﻧﯾﺔ ﻟﻠﻣﻘدر ‪ ‬ﻷﺣﺟﺎم اﻟﻌﯾﻧﺎت اﻟﻣﺗﺗﺎﺑﻌﺔ ﻓﻲ اﻟﻛﺑر ﺳوف‬
‫‪‬‬ ‫‪‬‬

‫ﺗوﻟد ﻟﻧﺎ ﻣﺗﺳﻠﺳﻠﺔ ﻣن ﻣﺗوﺳطﺎت ‪ ‬وﻣﺗﺳﻠﺳﻠﺔ ﻣن ﺗﺑﺎﯾﻧﺎت ‪ ‬ﺑﺣﯾث أن ﻣﺗﺳﻠﺳﻠﺔ اﻟﻣﺗوﺳطﺎت ﺗؤول إﻟﻰ‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬وﻧﻬﺎﯾﺔ ﻣﺗﺳﻠﺳﻠﺔ اﻟﺗﺑﺎﯾﻧﺎت ﺗؤول إﻟﻰ اﻟﺻﻔر ﻣﻊ زﯾﺎدة ‪ n‬زﯾﺎدة ﻻ ﻧﻬﺎﺋﯾﺔ‪.‬‬

‫ﻫذا وﯾﻣﻛن ﻣﻼﺣظﺔ أن اﻟﻣﻘدر اﻟﻣﺗﺳق ﯾﻛون ﻏﯾر ﻣﺗﺣﯾ از ﻓﻲ اﻟﻧﻬﺎﯾﺔ ﺑﯾﻧﻣﺎ اﻟﻣﻘدر اﻟﻐﯾر ﻣﺗﺣﯾز ﻗد ﯾﻛون‬
‫أو ﻻ ﯾﻛون ﻣﻘد ار ﻣﺗﺳﻘﺎ وﻋﻣوﻣﺎ ﯾﻛون أي ﻣﻘدر ﻣﺗﺳﻘﺎ إذا ﻛﺎن‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ lim‬‬
‫‪n ‬‬
‫‪E     ‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ nlim‬‬
‫‪‬‬
‫‪V   ‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪ ‬‬

‫‪-3‬ﺧﺎﺻﯾﺔ اﻟﻛﻔﺎءة )‪ :(Efficiency‬ﻗد ﯾوﺟد ﻟﻠﻣﻌﻠﻣﺔ اﻟواﺣدة أﻛﺛر ﻣن ﻣﻘدر وﯾﻣﻛﻧﻧﺎ اﻟﻣﻘﺎرﻧﺔ ﺑﯾن ﻫذﻩ‬
‫اﻟﻣﻘدرات ﻣن ﺧﻼل اﻟﻣﻘﺎرﻧﺔ ﺑﯾن ﺗﺑﺎﯾﻧﺎﺗﻬم ﺣﯾث ﻧﻌﺗﺑر أن اﻟﻣﻘدر اﻷﻗل ﺗﺑﺎﯾﻧﺎ ﻫو اﻟﻣﻘدر اﻷﻛﺛر ﻛﻔﺎءة‪،‬‬
‫‪‬‬ ‫‪‬‬
‫وﺗﺑﺎﯾن اﻟﻣﻘدر اﻟﺛﺎﻧﻲ‬ ‫‪‬‬
‫‪V  1 ‬‬ ‫ﻓﺈذا ﻛﺎن ﻟدﯾﻧﺎ اﻟﻣﻘدران ‪ 1‬و ‪ 2‬ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬وﻛﺎن ﺗﺑﺎﯾن اﻟﻣﻘدر اﻷول ﻫو‬
‫‪ ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻫو ‪ V  2 ‬ﻓﺎن اﻟﻣﻘدر ‪ 1‬ﯾﻛون أﻛﺛر ﻛﻔﺎءة ﻣن اﻟﻣﻘدر ‪ ، 2‬وﺑﻔرض أن ‪ 1‬و ‪ 2‬ﻣﻘدرات ﻏﯾر ﻣﺗﺣﯾزة‬
‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪،‬وأن اﻟﻛﻔﺎءة اﻟﻧﺳﺑﯾﺔ)‪ (Relative efficiency‬ﻟﻠﻣﻘدران ‪ 1‬و ‪ 2‬ﻫﻲ‬ ‫أي‬
‫‪‬‬
‫‪V  1   V  2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪65‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪V  1 ‬‬
‫‪ ، e ‬ﻓﺈذا ﻛﺎﻧت ﻗﯾﻣﺗﻬﺎ اﻗل ﻣن اﻟواﺣد اﻟﺻﺣﯾﺢ ﻓﺎن ‪ 1‬ﯾﻛون ﻣﻘد ار ذي ﺗﺑﺎﯾن اﻗل ﻣن‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‪  :‬‬
‫‪  ‬‬
‫‪V  2 ‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 2‬وﯾﻛون ﻫو اﻷﻛﻔﺄ‪ٕ ،‬واذا ﻛﺎﻧت اﻟﻧﺳﺑﺔ اﻛﺑر ﻣن اﻟواﺣد ﻓﺎن ‪ 2‬ﯾﻛون ﻫو اﻷﻛﻔﺄ‪.‬‬
‫‪-4‬ﺧﺎﺻﯾﺔ اﻟﻛﻔﺎﯾﺔ )‪ :(Sufficienc‬ﯾﻘﺎل أن اﻟﻣﻘدر ‪ ‬ﻣﻘد ار ﻛﺎﻓﯾﺎ ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬إذا ﻛﺎن ﺗﻘدﯾر ‪ ‬ﯾﺣﺗوي‬
‫‪‬‬ ‫‪‬‬

‫ﻋﻠﻰ ﻛل اﻟﻣﻌﻠوﻣﺎت اﻟﻣوﺟودة ﻓﻲ اﻟﻌﯾﻧﺔ ﻋن اﻟﻣﻌﻠﻣﺔ ‪ ، ‬وﻫذا ﯾﻌﻧﻲ اﻧﻪ ﺑﻌد ﻣﻌرﻓﺔ ‪ ‬ﻓﺎن اﻟﻣﻌﻠوﻣﺎت‬
‫‪‬‬

‫اﻟﻣﺗﺑﻘﯾﺔ ﻓﻲ اﻟﻌﯾﻧﺔ ﻻ ﺗﻔﯾد ﻓﻲ ﻣﻌرﻓﺔ ‪. ‬‬

‫ﻓﺈذا ﻛﺎﻧت ‪  X1, X2 , X3 ,......., Xn ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ‪f  X, ‬‬
‫‪n‬‬
‫ﻓﺎن اﺣﺗﻣﺎل اﺧﺗﯾﺎر اﻟﻌﯾﻧﺔ ﻫو‪f  x1 , x 2 , x 3 ,......, x n ,     f  x i ,   :‬‬
‫‪i 1‬‬

‫ٕواذا أﻣﻛن ﺗﺣﻠﯾل ﻫذا اﻻﺣﺗﻣﺎل إﻟﻰ ﺣﺎﺻل ﺿرب داﻟﺗﯾن ﺗﻌﺗﻣد اﻷوﻟﻰ ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ واﻟﺗﻘدﯾر واﻟﺛﺎﻧﯾﺔ‬
‫ﻻ ﺗﻌﺗﻣد ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ أي إذا ﻛﺎن ‪f  x1 , x 2 ,........., x n ,    f1  ,    f 2  x1, x 2 ,....., x n ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﻓﺈن ﻫذا ﯾﻌﻧﻲ أن ﻛل اﻟﻣﻌﻠوﻣﺎت ﻋن ‪ ‬واﻟﻣﺗوﻓرة ﻓﻲ اﻟﻌﯾﻧﺔ ﻗد ﻟﺧﺻﻬﺎ واﻣﺗﺻﻬﺎ واﺣﺗوى ﻋﻠﯾﻬﺎ اﻟﺗﻘدﯾر ‪‬‬
‫‪‬‬

‫ﺑﺣﯾث أن أي ﺗﻘدﯾر آﺧر ﻻ ﯾﺣﺗوي ﻋﻠﻰ ﻫذا اﻟﻘدر ﻣن اﻟﻣﻌﻠوﻣﺎت اﻟﺗﻲ ﯾﺣﺗوﯾﻬﺎ اﻟﺗﻘدﯾر اﻟﻛﺎﻓﻲ‪ ،‬وﻋﻠﻰ‬
‫ذﻟك ﯾﻛون اﻟﺗﻘدﯾر اﻟﻛﺎﻓﻲ ﻫو أﻓﺿل اﻟﺗﻘدﯾرات وﺧﺎﺻﺔ إذا ﻛﺎن ﻏﯾر ﻣﺗﺣﯾز‪.‬‬
‫‪-5‬ﺧﺎﺻﯾﺔ اﻟﺗ ارﺻف واﻟﺗرﻛﯾز)‪ :(Closeness‬ﯾﻘﺎل ﻋن اﻟﻣﻘدر ‪ 1‬ﻟﺗﻘدﯾر اﻟوﺳﯾط ‪ ‬ﺑﺄﻧﻪ أﻛﺛر ﺗراﺻﻔﺎ‬
‫‪‬‬

‫‪‬‬
‫أو ﺗرﻛﯾ از ﻣن اﻟﻣﻘدر ‪ 2‬ﻓﻲ ﺗﻘدﯾرﻩ إذا ﻛﺎن اﺣﺗﻣﺎل أو درﺟﺔ اﻟﺛﻘﺔ ﺑﺎﻷول أﻛﺑر ﻣن اﻟﺛﺎﻧﻲ أي‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P      1       P      2     ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫وﻟﻛﻔﺎﻓﺔ ﻗﯾم ‪  0‬‬
‫وﻣن ﺟﺎﻧب آﺧر ﯾﻣﻛن اﺳﺗﺧدام ﺗﻌرﯾف ﺑﺗﻣﺎن )‪ (Bitman‬ﻓﻲ ﻫذا اﻟﺻدد ﺑﺣﯾث‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪P  2    1    ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫ﺗﻣرﯾن‪ :1‬ﻟﯾﻛن ‪ X1‬و‪ X2‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺄﺧوذة ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﻟﻪ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ‪X  N ,1‬‬
‫وﻟﺗﻛن ‪ T3،T2،T1‬ﺛﻼث ﻣﻘدرات ل ‪ ، ‬ﻣﻌرﻓﺔ ﺑﺎﻟﻌﻼﻗﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪T3  X1  X2 , T2  X1  X 2 , T1  X1  X2‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أي اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ ﻏﯾر ﻣﺗﺣﯾزة ل ‪ ‬؟‬
‫‪-2‬أي اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ أﻛﻔﺄ؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪66‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫اﻟﺣل‪:‬‬
‫‪-1‬ﺗﺣدﯾد أي اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ ﻏﯾر ﻣﺗﺣﯾز ل ‪ ، ‬ﻧوﺟد اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ﻟﻠﻣﻘدرات اﻟﺛﻼﺛﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E T1  E  X1  X 2   E  X1   E  X 2 ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪ 1 E  X1   1 E  X 2   1   1   ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E T2  E  X1  X 2   E  X1   E  X 2 ‬‬
‫‪3‬‬ ‫‪3  3  3 ‬‬
‫‪ 1 E  X1   2 E  X 2   1   2   ‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪E T3  E  X1  X 2   E  X1   E  X 2 ‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪‬‬

‫‪ 1 E  X1   3 E  X 2   1   3   ‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬
‫أي أن اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ ‪ T3،T2،T1‬ﻫﻲ ﻣﻘدرات ﻏﯾر ﻣﺗﺣﯾزة ل ‪. ‬‬
‫‪-2‬ﺗﺣدﯾد أي اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ ﻫو ﻣﻘدر ﻛﻔؤ‪ :‬ﻣن أﺟل ﺗﺣدﯾد أي ﻣن اﻟﻣﻘدرات اﻟﺛﻼﺛﺔ ﻫو اﻟﻣﻘدر‬
‫اﻟﻛفء ﻧﺣﺳب اﻟﺗﺑﺎﯾن ﻟﻛل ﻣﻘدر ﻛﺎﻟﺗﺎﻟﻲ‬
‫اﻟﻣﻘدر اﻷول ‪T1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪V T1  V  X1  X 2   V  X1   V  X 2 ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫وذﻟك ﻻن اﻟﻣﺗﻐﯾرﯾن اﻟﻌﺷواﺋﯾﯾن ﻣﺳﺗﻘﻠﯾن‪ ،‬وﺑﺎﻻﺳﺗﻔﺎدة ﻣن ﺧواص اﻟﺗﺑﺎﯾن ﻧﺟد‪:‬‬
‫‪V  T1   1 V  X1   1 V  X2   1 1  1 1  1‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪2‬‬
‫اﻟﻣﻘدر اﻟﺛﺎﻧﻲ‪T2‬‬
‫‪V  T2   V  1 X1  2 X2   V  1 X1   V  2 X2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪‬‬
‫وذﻟك ﻻن اﻟﻣﺗﻐﯾرﯾن اﻟﻌﺷواﺋﯾﯾن ﻣﺳﺗﻘﻠﯾن‪ ،‬وﺑﺎﻻﺳﺗﻔﺎدة ﻣن ﺧواص اﻟﺗﺑﺎﯾن ﻧﺟد‬
‫‪V  T2   1 V  X1   4 V  X2   1 1  4 1  5‬‬
‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬
‫اﻟﻣﻘدر اﻟﺛﺎﻟث ‪T3‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪V  T3   V  1 X1  3 X2   V  1 X1   V  3 X2 ‬‬
‫‪4‬‬ ‫‪4 ‬‬ ‫‪4‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪‬‬

‫وذﻟك ﻻن اﻟﻣﺗﻐﯾرﯾن اﻟﻌﺷواﺋﯾﯾن ﻣﺳﺗﻘﻠﯾن‪ ،‬وﺑﺎﻻﺳﺗﻔﺎدة ﻣن ﺧواص اﻟﺗﺑﺎﯾن ﻧﺟد‬

‫‪1‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪10‬‬
‫‪V  T3   V  X1   V  X 2   1  1 ‬‬
‫‪16‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪16‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪67‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﻧﻼﺣظ أن‬
‫‪1‬‬ ‫‪5‬‬ ‫‪10‬‬
‫‪V  T1    V  T2    V  T3  ‬‬
‫‪2‬‬ ‫‪9‬‬ ‫‪16‬‬
‫أي أن اﻟﻣﻘدر ‪ T1‬أﻓﺿل ﻣن اﻟﻣﻘدر‪ T2‬وﻛﻼﻫﻣﺎ أﻓﺿل ﻣن اﻟﻣﻘدر ‪.T3‬‬
‫ﺗﻣرﯾن‪ :02‬إذا ﻛﺎن ‪ X   X1, X2 , X3 ,......., Xn ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬و ﺗﺑﺎﯾن ‪2‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪n‬‬
‫‪‬‬ ‫‪Xi‬‬
‫‪ X ‬ﺗﻘدﯾ ار ﻏﯾر ﻣﺗﺣﯾز وﻣﺗﺳﻘﺎ وﻛﺎﻓﯾﺎ ﻟﻠﻣﻌﻠﻣﺔ ‪. ‬‬ ‫‪i 1‬‬
‫‪-1‬أﺛﺑت أن‬
‫‪n‬‬
‫اﻟﺣل‪:‬‬
‫إﺛﺑﺎت أن ‪ X‬ﻫو ﺗﻘدﯾر ﻏﯾر ﻣﺗﺣﯾز‬
‫‪ n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪Xi ‬‬ ‫‪ n‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫اﻟﺗوﻗﻊ اﻟرﯾﺎﺿﻲ ‪E X  E  i1   1 E  Xi   1 E Xi  1   1  n   ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n  i1  n i1‬‬ ‫‪n i1‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪Xi ‬‬
‫‪1  n‬‬ ‫‪ 1 n‬‬ ‫‪1 n‬‬ ‫‪2‬‬
‫اﻟﺗﺑﺎﯾن‬
‫‪1‬‬
‫‪ ‬‬
‫‪V X  V  i1   2 V  X i   2 V Xi  2 2 ‬‬
‫‪ n  n‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪n i1‬‬ ‫‪‬‬ ‫‪n i1‬‬ ‫‪n n‬‬‫‪  ‬‬
‫‪ n 2 ‬‬
‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﯾﻛون ‪ X‬ﺗﻘدﯾ ار ﻏﯾر ﻣﺗﺣﯾز ﻟﻠﻣﻌﻠﻣﺔ ‪ ‬وان ﺗﺑﺎﯾﻧﻪ ﻫو‬
‫‪n‬‬
‫‪-‬إﺛﺑﺎت أن ‪ X‬ﻫو ﺗﻘدﯾر ﻣﺗﺳق‬
‫‪lim E X  ‬‬
‫‪n ‬‬ ‫‪ ‬‬
‫‪2‬‬
‫‪‬‬
‫‪lim‬‬
‫‪n‬‬
‫‪V‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪lim‬‬
‫‪n ‬‬
‫‪0‬‬
‫‪n‬‬
‫إذن ‪ X‬ﻫو ﺗﻘدﯾر ﻣﺗﺳق ﻟﻠﻣﻌﻠﻣﺔ ‪‬‬
‫‪ -‬إﺛﺑﺎت أن ‪ X‬ﻫو ﺗﻘدﯾر ﻛﺎﻓﯾﺎ‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪xi ‬‬
‫‪1 e 22‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬
‫‪f  x1, x 2 ,............, x n   ‬‬
‫‪i1‬‬ ‫‪2‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪n‬‬
‫‪ x ‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪i‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪i1‬‬
‫‪‬‬
‫‪ ‬‬ ‫‪1  e‬‬ ‫‪22‬‬
‫‪‬‬ ‫‪2 ‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪2‬‬
‫وﺣﯾث أن‬
‫‪2‬‬
‫‪‬‬
‫‪  Xi      Xi  X  n X ‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪68‬‬
 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ n X  ‬‬
‫‪n‬‬
‫‪‬‬ ‫‪ Xi X ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  ‬‬ ‫‪ ‬‬ ‫‪ i1‬‬
‫إذن‬
‫‪2‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪  e 2  ‬‬ ‫‪ e‬‬ ‫‪2‬‬
‫‪ 2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫اﻟﺣد اﻷول ﻋﻠﻰ اﻟﯾﺳﺎر ﯾﻌﺗﻣد ﻓﻘط ﻋﻠﻰ ‪ ، X ، ‬ﺑﯾﻧﻣﺎ اﻟﺣد اﻟﺛﺎﻧﻲ ﺧﺎل ﻣن اﻟﻣﻌﻠﻣﺔ ‪ ‬وﻋﻠﻰ ذﻟك ﯾﻛون‬
‫‪ X‬ﺗﻘدﯾ ار ﻛﺎﻓﯾﺎ ﻟﻠﻣﻌﻠﻣﺔ ‪. ‬‬
‫‪-03‬اﻟﺗﻘدﯾر ﺑﻔﺗرة)اﻟﺗﻘدﯾر اﻟﻣﺟﺎﻟﻲ(‬
‫ﻣﻘدﻣﺔ‪:‬إن اﻟﻣﻘدر اﻟذي ﻧﺳﺗﺧدﻣﻪ ﻋﻧد ﺗﻘدﯾر ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﺗﺧﺗﻠف ﻧﺗﺎﺋﺟﻪ اﻟﺗﻘدﯾرﯾﺔ ﻣن ﻋﯾﻧﺔ إﻟﻰ أﺧرى‬
‫)رﻏم اﺳﺗﺧدام ﻧﻔس اﻟﺻﯾﻐﺔ اﻹﺣﺻﺎﺋﯾﺔ ﻓﻲ اﻟﺗﻘدﯾر ﻟﻛل ﻋﯾﻧﺔ ﯾﺗم اﺧﺗﯾﺎرﻫﺎ(‪ ،‬وﻛﻣﺎ ﻧﻌﻠم ﻓﺈﻧﻧﺎ ﻧﺧﺗﺎر ﻋﯾﻧﺔ‬
‫واﺣدة ﻧﺳﺗﺧدﻣﻬﺎ ﻓﻲ ﺗﻘدﯾر ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ وﻧﺄﻣل أن ﯾﻛون اﻟﺗﻘدﯾر اﻟﻣﺣﺳوب ﻣﻧﻬﺎ أﻗرب ﻣﺎ ﯾﻛون ﻟﻠﻣﻌﻠﻣﺔ‬
‫اﻟﺣﻘﯾﻘﯾﺔ اﻟﺗﻲ ﻻ ﻧﻌﻠم ﻗﯾﻣﺗﻬﺎ ﺑﺎﻟﺗﺣدﯾد‪ ،‬وﻟﻛن ﻟﯾس ﻫﻧﺎك ﻣﺎ ﯾدﻋو إﻟﻰ اﻻﻋﺗﻘﺎد ﺑﺎن ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ ﺳوف‬
‫ﺗﺳﺎوي ﺗﻣﺎﻣﺎ ﻗﯾﻣﺔ اﻟﺗﻘدﯾر ﺑﻧﻘطﺔ اﻟذي ﻧﺣﺻل ﻋﻠﯾﻪ ﻣن اﻟﺻﯾﻐﺔ‪ ،‬ﻟذﻟك ﯾﻛون ﻣن اﻷﻓﺿل وﺿﻊ ﺣد أﻋﻠﻰ‬
‫وﺣد أدﻧﻰ ﻟﻠﺗﻘدﯾر ﺑﺣﯾث ﯾﻣﻛن اﻟﻘول أن ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﻻ ﻧﻌﻠم ﻗﯾﻣﺗﻬﺎ ﺑدﻗﺔ ﺗﻘﻊ ﺑﯾن ﻫذﯾن اﻟﺣدﯾن‬
‫وﺑﺻورة أﺧرى ﯾﻣﻛن ﺗﻛوﯾن ﻓﺗرة ﺛﻘﺔ ﺗﺣدد ﺑﻌددﯾن ﺑﺣﯾث ﻧﺗوﻗﻊ أن ﺗﻘﻊ ﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ داﺧل ﻫذﻩ اﻟﻔﺗرة‬
‫ﺑﺎﺣﺗﻣﺎل ﻣﻌﯾن ﯾطﻠق ﻋﻠﯾﻪ ﻣﻌﺎﻣل اﻟﺛﻘﺔ‪.‬‬
‫‪ 1-3‬ﺗﻌرﯾف اﻟﺗﻘدﯾر ﺿﻣن ﻓﺗرة )اﻟﺗﻘدﯾر ﺑﻣﺟﺎل(‪ :‬ﻫو اﻟﺗﻘدﯾر اﻟذي ﯾﺗﺄﻟف ﻣن ﻗﯾﻣﺗﯾن ﻋددﯾﺗﯾن ﺗﻌرﻓﺎن‬
‫ﻣﺟﺎل ﻣن اﻟﻘﯾم اﻟذي ﻧﺗوﻗﻊ أن ﯾﺗﺿﻣن اﻟﻣﻌﻠﻣﺔ اﻟﻣطﻠوب ﺗﻘدﯾرﻫﺎ ﺑدرﺟﺔ ﺛﻘﺔ ﻣﺣدودة‪.‬‬
‫إذن ﺑﺻﻔﺔ ﻋﺎﻣﺔ‪ ،‬وﻓﻘﺎ ﻟﻬذا اﻟﺗﻌرﯾف ﻹﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ وﻟﺗﻛن ﻣﺛﻼ ‪ ‬ﯾﺟب إﯾﺟﺎد‬
‫إﺣﺻﺎﺋﯾﺗﯾن وﻟﺗﻛوﻧﺎ ‪ L‬و‪ u‬ﺑﺣﯾث ﯾﻛون ‪P  L    U   1  ‬‬
‫وﻫﺎﺗﯾن اﻹﺣﺻﺎﺋﯾﺗﯾن ﺗﻛوﻧﺎ ﻣﺗﻐﯾرﯾن ﻋﺷواﺋﯾﯾن وذﻟك ﻷﻧﻬﺎ دوال ﻓﻲ ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ‪ ،‬وان اﻟﻔﺗرة اﻟﻧﺎﺗﺟﺔ ﻣن‬
‫ذﻟك ﺳﺗﻛون ‪ ، L    U‬وﯾطﻠق ﻋﻠﯾﻬﺎ ﺗﺳﻣﯾﺔ ‪ 1   100%‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪‬‬

‫أو ﻣﺳﺗوى اﻟﺛﻘﺔ ‪ ،‬وﯾطﻠق ﻋﻠﻰ "‪ " L‬ﺗﺳﻣﯾﺔ اﻟﺣد اﻷدﻧﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﺑﯾﻧﻣﺎ ﯾطﻠق ﻋﻠﻰ "‪ "U‬اﻟﺣد اﻷﻋﻠﻰ ﻟﻔﺗرة‬
‫اﻟﺛﻘﺔ‪ ،‬وﯾطﻠق ﻋﻠﻰ ﺗﺳﻣﯾﺔ ﻣﻌﺎﻣل اﻟﺛﻘﺔ ‪ ، 1-α‬ﻛﻣﺎ وﺗﺳﻣﻰ ‪ α‬أو ﻣﺳﺗوى اﻟدﻻﻟﺔ أو ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ‪.‬‬
‫وﻹﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ اﻟﻣطﻠوﺑﺔ ﻧﺗﺑﻊ اﻟﺧطوات اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪-1‬ﻧﻔﺗش ﻋن ﻛﻣﯾﺔ ﺗﻛون ﺗﺎﺑﻌﺔ ﻓﻲ ﻣﺗﻐﯾرات اﻟﻌﯾﻧﺔ وﺗﺣوي اﻟوﺳﯾط اﻟﻣﺟﻬول وﯾﻛون ﺗوزﯾﻌﻬﺎ ﻫو أﺣد‬
‫اﻟﺗوزﯾﻌﺎت اﻟﺷﻬﯾرة‪ ،‬ﺗﺳﻣﻰ ﻫذﻩ اﻟﻛﻣﯾﺔ ﺑﺎﻟﻛﻣﯾﺔ اﻟﻣﺣورﯾﺔ‪.‬‬
‫‪-2‬ﻧﺣﺻر ﻫذﻩ اﻟﻛﻣﯾﺔ اﻟﻣﺣورﯾﺔ ﺑﯾن ﻗﯾﻣﺗﯾن ﻣﻌﯾﺎرﯾﺗﯾن ﻣﺄﺧوذﺗﯾن ﻣن ﺗوزﯾﻊ اﻟﻌﯾﻧﺔ ﺑﺣﯾث ﯾﻛون اﺣﺗﻣﺎل أن‬
‫ﺗﻘﻊ ﻫذﻩ اﻟﻛﻣﯾﺔ اﻟﻣﺣورﯾﺔ اﻟﻣﺣﺻورة ﺑﯾن ﻫﺎﺗﯾن اﻟﻘﯾﻣﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن ﯾﺳﺎوي ‪.1-α‬‬
‫‪-3‬ﻧﻌزل اﻟوﺳﯾط اﻟﻣﺟﻬول وﻧوﺟد ﻓﺗرة اﻟﺛﻘﺔ اﻟﻣطﻠوﺑﺔ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪69‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪ -04‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪  ‬‬
‫‪ 1-4‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪   ‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾن ‪ 2‬ﻣﻌﻠوﻣﺎ‬
‫ﻧظرﯾﺔ‪:01‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺣﺟﻣﻪ ﻻ ﻣﺣدود ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬و ﺗﺑﺎﯾن ‪ ) ‬ﻟﯾس ﻣن اﻟﺿروري‬
‫‪2‬‬

‫ان ﯾﻛون ﺗوزﯾﻌﻪ ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ( وﺳﺣﺑﻧﺎ ﻣﻧﻪ ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ n‬ﺑﺣﯾث ‪n‬‬
‫ﺗﻛون ﻛﺑﯾرة ﺑﻣﺎ ﻓﯾﻪ اﻟﻛﻔﺎﯾﺔ )‪ ،(n≥30‬ﻓﺈن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬ﺳﯾﻛون ﻗرﯾﺑﺎ ﻣن ﻣن‬
‫‪ 2 ‬‬
‫‪X  N  , ‬‬ ‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ)ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ( ﺑوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻗدرﻫﻣﺎ ﻋﻠﻰ اﻟﺗواﻟﻲ‬
‫‪‬‬ ‫‪n ‬‬
‫أﻣﺎ إذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬ﺳﯾﻛون ﺗوزﯾﻌﺎ‬
‫طﺑﯾﻌﯾﺎ‪ ،‬وذﻟك ﺳواء ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﺻﻐﯾ ار او ﻛﺑﯾرا‪ ،‬وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻧﺳﺗطﯾﻊ ﺗﺣوﯾل ‪ X‬اﻟﻰ اﻟﻣﺗﻐﯾر‬
‫اﻟﻣﻌﯾﺎري ‪ Z‬ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Xi  ‬‬
‫‪Z‬‬ ‫‪ N  0,1‬‬
‫‪‬‬
‫‪n‬‬
‫وﻧﻼﺣظ ﻫﻧﺎ أن ‪ Z‬ﻫﻲ داﻟﺔ ﻓﻲ اﻟﻣﻘدر ‪ ، X‬واﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ﻫﻲ ‪ ‬واﻟﺗﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﻣﺗﻐﯾر ‪Z‬‬
‫ﻫو اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري اﻟذي ﻻ ﯾﻌﺗﻣد ﻋﻠﻰ ‪ ‬إذن ‪ Z‬ﻫﻲ ﻛﻣﯾﺔ ﻣﺣورﯾﺔ ﻧﺳﺗطﯾﻊ اﺳﺗﻌﻣﺎﻟﻬﺎ ﻓﻲ‬

‫إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪. ‬‬

‫وﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪ µ‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻣﻌﻠوﻣﺎ او ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ‬
‫‪‬‬ ‫‪‬‬
‫‪ 1   100%‬ﻛﺎﻟﺗﺎﻟﻲ ‪P  X  Z1      X  Z1     1  ‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫ﺑﺣﯾث‪:‬‬
‫‪‬‬
‫ﺑﺎﻟﺣد اﻻدﻧﺔ ﻟﻔﺗرة اﻟﺛﻘﺔ‪.‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪Z‬‬
‫‪1‬‬ ‫‪‬‬
‫‪2 n‬‬
‫ﯾﺳﻣﻰ اﻟﻣﻘدار‬
‫‪‬‬
‫‪ X  Z1 2‬ﺑﺎﻟﺣد اﻻﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ‪.‬‬ ‫‪n‬‬ ‫ﯾﺳﻣﻰ اﻟﻣﻘدار‬
‫‪‬‬
‫ﯾﺳﻣﻰ اﻟﻣﻘدار ‪ 1 2 n‬ﺑﺧطﺄ اﻟﺗﻘدﯾر‪.‬‬
‫‪Z‬‬ ‫‪‬‬

‫اﻟﺑرﻫﺎن‪:‬‬
‫ﻟدﯾﻧﺎ اﻟﺷﻛل رﻗم‪ 01‬اﻟذي ﯾوﺿﺢ ﻣﺟﺎل اﻟﺛﻘﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪70‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫‪0,4‬‬

‫‪0,3‬‬

‫‪0,2‬‬
‫‪1 ‬‬
‫‪‬‬
‫‪2‬‬ ‫‪‬‬
‫‪0,1‬‬
‫‪2‬‬

‫‪0,0‬‬
‫‪Z1 ‬‬ ‫‪0‬‬
‫‪Z‬‬
‫‪Z1 ‬‬
‫‪02‬‬ ‫‪02‬‬
‫‪‬‬ ‫‪‬‬
‫‪P   Z1   Z  Z1    1 ‬‬ ‫وﻣن ﺧﻼل اﻟﺷﻛل ﯾﺗﺿﺢ أن‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  Z1‬‬ ‫‪‬‬ ‫‪X ‬‬
‫‪ Z1    1‬‬ ‫وﺑﺗﻌوﯾض ﺑﻘﯾﻣﺔ اﻟﻣﺗﻐﯾر ‪ Z‬ﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﻧﺟد‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫وﺑﺈﺟراء اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻋﻠﻰ اﻟﺣدود اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ اﻟﻣوﺟودة ﺑﯾن ﻗوﺳﯾن‪ ،‬ﺑﺣﯾث ﻧﺟﻌل اﻟﺣد اﻷوﺳط‬
‫ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﯾﺣﺗوي ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ﻓﻘط‪ ،‬وﯾﺗم ذﻟك ﺑﺿرب اﻷطراف اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﻓﻲ‬
‫‪‬‬
‫‪n‬‬
‫ﻓﻧﺣﺻل ﻋﻠﻰ ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  Z1    X    Z1     1  ‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬
‫‪‬‬ ‫‪‬‬
‫ﺛم ﺑطرح ‪ X‬ﻣن اﻷطراف اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﻧﺟد‪P  X  Z1      X  Z1     1  :‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫وﺑﺿرب اﻷطراف اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﻓﻲ )‪ٕ (1-‬واﻋﺎدة ﺗرﺗﯾب أطراف اﻟﻣﺗﺑﺎﯾﻧﺔ ﻧﺗﺣﺻل ﻋﻠﻰ ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X  Z1      X  Z1     1  ‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫‪CI  1   X  Z1  ‬‬ ‫وﯾﻣﻛن ﻛﺗﺎﺑﺔ اﻟﻌﻼﻗﺔ اﻷﺧﯾرة ﺑﺎﻟﻛﺗﺎﺑﺔ اﻟﻣﺧﺗﺻرة ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2 n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫‪-‬أﻣﺎ ذا ﻛﺎﻧت اﻟﻣﻌﺎﯾﻧﺔ ﻣن ﻣﺟﺗﻣﻊ )ﻣﺣدود( واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﻌﻼﻗﺔ ‪ n  0.05‬ﯾﺗم‬
‫‪N‬‬
‫اﺳﺗﺑدال اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﺑﺈﺿﺎﻓﺔ ﻣﻌﺎﻣل اﻹرﺟﺎع أو اﻟﺗﺻﺣﯾﺢ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X  Z1   N  n    X  Z1   N  n   1  ‬‬
‫‪‬‬ ‫‪2 n N 1‬‬ ‫‪2 n N 1 ‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪71‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫واﻟﺟدول اﻟﺗﺎﻟﻲ ﯾوﺿﺢ ﻣﺧﺗﻠف اﻟﻘﯾم واﻟدرﺟﺎت اﻟﻣﻌﯾﺎرﯾﺔ اﻟﺗﻲ ﯾﺄﺧذﻫﺎ ﻣﺟﺎل اﻟﺛﻘﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪Z‬‬
‫‪1 ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪1  ‬‬ ‫درﺟﺔ اﻟﺛﻘﺔ ‪1   100%‬‬
‫‪01,645‬‬ ‫‪0,10‬‬ ‫‪0,90‬‬ ‫‪%90‬‬
‫‪01,960‬‬ ‫‪0,05‬‬ ‫‪0,95‬‬ ‫‪%95‬‬
‫‪02,575‬‬ ‫‪0,01‬‬ ‫‪0,99‬‬ ‫‪%99‬‬
‫ﺗﻣرﯾن‪ :03‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن‪ 100‬ﻣﺻﺑﺎح ﻛﻬرﺑﺎﺋﻲ ﻣن إﻧﺗﺎج أﺣد اﻟﻣﺻﺎﻧﻊ ﻓوﺟد أن اﻟﻣﺗوﺳط‬
‫اﻟﺣﺳﺎﺑﻲ ﻟﻌﻣر اﻟﻣﺻﺑﺎح ﻫو ‪ 1000‬ﺳﺎﻋﺔ‪ ،‬ﻓﺈذا ﻋﻠﻣت أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر اﻟﻣﺻﺑﺎح ﻓﻲ‬
‫اﻟﻣﺟﺗﻣﻊ ﻫو ‪ 150‬ﺳﺎﻋﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗﻘدﯾر ﻧﻘطﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح ؟‬
‫‪-2‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ %95‬ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ؟وﻣﺎذا ﺗﺳﺗﻧﺗﺞ؟‬
‫‪ -3‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ %99‬ﻟﻣﺗوﺳط ﻋم اﻟﻣﺻﺑﺎح ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ؟ وﻣﺎذا ﺗﺳﺗﻧﺗﺞ؟‬
‫‪-4‬ﺑﻣﻘﺎرﻧﺔ اﻟﻧﺗﺎﺋﺞ اﻟﻣﺗﺣﺻل ﻋﻠﯾﻬﺎ ﻓﻲ اﻟﺳؤاﻟﯾن ‪1‬و‪ ،2‬اﺳﺗﻧﺗﺞ اﻟﻌﻼﻗﺔ ﺑﯾن ﻣﺳﺗوى اﻟﺛﻘﺔ وطول ﻓﺗرة اﻟﺛﻘﺔ؟‬
‫‪ -5‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ %95‬ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ 200‬ﻣﺻﺑﺎح؟‬
‫اﻟﺣل‪:‬‬
‫‪n  100, X  1000,   150‬‬ ‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗﻘدﯾر اﻟﻧﻘطﺔ ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح‪:‬‬
‫‪‬‬
‫‪  X  1000‬‬
‫‪ -2‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ %95‬ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ‪.‬‬
‫ﺑﻣﺎ ان ﺣﺟم اﻟﻌﯾﻧﺔ أﻛﺑر ﻣن‪ 30‬ﻓﯾﻣﻛﻧﻧﺎ ﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ‪ ،‬وﻣن ﺛم ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﯾﺗﺑﻊ‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺻرف اﻟﻧظر ﻋن اﻟﺗوزﯾﻊ اﻷﺻﻠﻲ ﻟﻠﻣﺟﺗﻣﻊ‪ ،‬وﻣن ﺛم ﯾﻣﻛﻧﻧﺎ ﺣﺳﺎب ﻓﺗرة اﻟﺛﻘﺔ‬
‫‪ 1   100%‬ﻟﻣﺗوﺳط ﻣﺟﺗﻣﻊ ﻣﻌﻠوم اﻟﺗﺑﺎﯾن ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X  Z1      X  Z1     1  ‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫ﺑﻣﺎ أن ‪%95  %100 1   ‬‬

‫‪Z‬‬ ‫إذن ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪150‬‬
‫‪LXZ‬‬ ‫‪ L  1000  1.96 ‬‬ ‫‪ 970.60‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪100‬‬
‫‪2‬‬
‫‪‬‬ ‫‪150‬‬
‫‪U  XZ‬‬ ‫‪ U  1000  1.96 ‬‬ ‫‪ 1029.40‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪100‬‬
‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪72‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﻣﺟﺎل اﻟﺗﻘدﯾر ﻧﺟد‬
‫‪P  970.60    1029.40  0.95‬‬
‫اﻻﺳﺗﻧﺗﺎج‪ :‬ﻧﺣن ﻣﺗﺄﻛدون ﺑدرﺟﺔ ﺛﻘﺔ ‪ %95‬أن ﻋﻣر اﻟﻣﺻﺑﺎح ﺳوف ﻟن ﯾﻘل ﻋن ‪ 970.60‬ﺳﺎﻋﺔ وﻻ‬
‫ﯾزﯾد ﻋن ‪ 1029.40‬ﺳﺎﻋﺔ‪.‬‬
‫‪ -3‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ %99‬ﻟﻣﺗوﺳط ﻋﻣر اﻟﻣﺻﺑﺎح ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ‪ :‬ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪P  X  Z1      X  Z1     1  ‬‬ ‫اﻟﺗﻘدﯾر‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫ﺑﻣﺎ أن ‪%99  %100 1   ‬‬

‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.01    0.99   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,995  2, 575‬‬
‫‪1 0,01‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪150‬‬
‫‪L XZ‬‬ ‫‪ L  1000   2.575 ‬‬ ‫‪ 931.375‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪100‬‬
‫‪2‬‬
‫‪‬‬ ‫‪150‬‬
‫‪U XZ‬‬ ‫‪ U  1000   2.575 ‬‬ ‫‪ 1038.625‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪100‬‬
‫‪2‬‬

‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﻣﺟﺎل اﻟﺗﻘدﯾر ﻧﺟد‬

‫‪P  961.375    1038.625  0.99‬‬
‫اﻻﺳﺗﻧﺗﺎج‪ :‬ﻧﺣن ﻣﺗﺄﻛدون ﺑدرﺟﺔ ﺛﻘﺔ ‪ %99‬أن ﻋﻣر اﻟﻣﺻﺑﺎح ﺳوف ﻟن ﯾﻘل ﻋن ‪ 931.375‬ﺳﺎﻋﺔ وﻻ‬
‫ﯾزﯾد ﻋن ‪ 1038.625‬ﺳﺎﻋﺔ‪.‬‬
‫‪-4‬اﺳﺗﻧﺗﺎج اﻟﻌﻼﻗﺔ ﺑﯾن ﻣﺳﺗوى اﻟﺛﻘﺔ وطول ﻓﺗرة اﻟﺛﻘﺔ‪ :‬ﻣن اﻟﻧﺗﺎﺋﺞ اﻟﻣﺗﺣﺻل ﻋﻠﯾﻬﺎ ﻓﻲ اﻟﺳؤاﻟﯾن ‪1‬و‪ 2‬ﻧﺟد‪:‬‬
‫طول ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪58.80=970.60-1029.40=%95‬‬
‫طول ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪77.25=961.375-1038.625=%99‬‬
‫ﻧﺳﺗﻧﺗﺞ أن اﻟﻌﻼﻗﺔ ﺑﯾن ﻣﺳﺗوى اﻟﺛﻘﺔ وطول ﻓﺗرة اﻟﺛﻘﺔ ﻫﻲ ﻋﻼﻗﺔ طردﯾﺔ‪.‬‬
‫‪ 2-4‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪   ‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾن ﻣﺟﻬوﻻ‬
‫ﺑﺎﻟرﻏم ﻣن اﻧﻪ ﻓﻲ ﺑﻌض اﻷﺣﯾﺎن ﺗﻛون ‪ ‬ﻏﯾر ﻣﻌﻠوﻣﺔ و ‪ ‬ﻣﻌﻠوﻣﺔ‪ ،‬إﻻ اﻧﻪ ﻓﻲ اﻟﺣﻘﯾﻘﺔ وﻓﻲ ﻛﺛﯾر ﻣن‬
‫اﻟﺣﺎﻻت ﺗﻛون ‪ ‬ﻏﯾر ﻣﻌﻠوﻣﺔ أﯾﺿﺎ‪ٕ ،‬واذا أردﻧﺎ ﺗﻛوﯾن ﻓﺗرة ﺛﻘﺔ ﺣول ‪ ‬ﻋﻧدﻣﺎ ﺗﻛون ‪ ‬ﻏﯾر ﻣﻌﻠوﻣﺔ ﻓﺎن‬
‫اﻟﻣدﺧل اﻟﻣﻧﺎﺳب ﻫو ﺗﻘدﯾر ‪ ‬ﺑﺎﺳﺗﺧدام ‪) S‬اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ( وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن ﻓﺗرة اﻟﺛﻘﺔ‬
‫ﺣول اﻟﻣﺗوﺳط ‪ ‬ﺗﺗوﻗف ﻋﻠﻰ ﺣﺟم اﻟﻌﯾﻧﺔ ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻣﯾز ﺣﺎﻟﺗﯾن ﻫﻣﺎ إﻣﺎ أن ﺗﻛون)‪ (n≥30‬وﻓﻲ ﻫذﻩ‬
‫اﻟﺣﺎﻟﺔ ﯾﺗم اﻟﺗﻘدﯾر ﺑﺎﺳﺗﺧدام اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري أﻣﺎ إذا ﻛﺎن )‪ (n<30‬ﯾﺗم اﻟﺗﻘدﯾر ﺑﺎﺳﺗﺧدام ﺗوزﯾﻊ‬
‫ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ )‪.(V=n-1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪73‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﻧظرﯾﺔ‪ :02‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺣﺟﻣﻪ )ﻻ ﻣﺣدود( ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬ﻣﺟﻬوﻟﺔ‬
‫وﺗﺑﺎﯾن ‪ 2‬ﻣﺟﻬول أﯾﺿﺎ‪ ،‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ‪ X   X1, X2 , X3 ,......., Xn ‬ﺣﺟﻣﻬﺎ )‪ ،(n≥30‬ﻓﻲ ﻫذﻩ‬
‫اﻟﺣﺎﻟﺔ ﯾؤﺧذ ‪ S2‬ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻛﺗﻘدﯾر ﻏﯾر ﻣﺗﺣﯾز ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‪،‬و ﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫ﻣﺟﻬوﻻ أﯾﺿﺎ أو ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪1   100%‬‬ ‫ﻟﻠﻣﺟﺗﻣﻊ ‪ ‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪2‬‬
‫ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪S XZ‬‬ ‫‪S   1  ‬‬
‫‪P  X  Z1 ‬‬ ‫‪1  n 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪P  X  Z ‬‬ ‫‪S    X  Z  S   1 ‬‬
‫‪‬‬ ‫او ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻗدرﻩ‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪ -‬أﻣﺎ ذا ﻛﺎﻧت اﻟﻣﻌﺎﯾﻧﺔ ﻣن ﻣﺟﺗﻣﻊ )ﻣﺣدود( واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﻌﻼﻗﺔ ‪ 0.05‬‬
‫‪n‬‬
‫‪N‬‬
‫ﯾﺗم اﺳﺗﺑدال اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﺑﺈﺿﺎﻓﺔ ﻣﻌﺎﻣل اﻹرﺟﺎع أو اﻟﺗﺻﺣﯾﺢ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪N n ‬‬
‫‪P  X  Z1 ‬‬ ‫‪Nn‬‬
‫‪   X  Z1  S‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1 N  1‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪S‬‬ ‫‪S‬‬ ‫او ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻗدرﻩ‬
‫‪Nn‬‬ ‫‪N n ‬‬
‫‪P  X  Z1 ‬‬ ‫‪   X  Z1 ‬‬ ‫‪ 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪N 1‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪N  1 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﺗﻣرﯾن‪ :04‬ﻧظ ار ﻟﻠﺷﻛﺎوى اﻟﺗﻲ ﺗﺗﻠﻘﺎﻫﺎ إدارة اﻟﺷرﻛﺔ اﻟﻣﻧﺗﺟﺔ ﻟﻠﻧﺿﺎﺋد اﻟﺳﺎﺋﻠﺔ ﺑﺧﺻوص اﻟﻌﻣر اﻟزﻣﻧﻲ‬
‫اﻟذي ﺗﻌﻣرﻩ اﻟﻧﺿﺎﺋد اﻟﻣﻧﺗﺟﺔ ﻟﻬﺎ ﻗﺎﻣت ﺑﺎﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 50‬ﻧﺿﯾدة ﻣن ﺑﯾن ﻋدد ﻛﺑﯾر‬
‫ﺟدا ﻣن ﻫذﻩ اﻟﻧﺿﺎﺋد ﻓوﺟدت أن ﻣﺗوﺳط اﻟﻌﻣر اﻟزﻣﻧﻲ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﯾﺳﺎوي ‪ 02.67‬ﺳﻧﺔ واﻧﺣراف ﻣﻌﯾﺎري‬
‫ﯾﺳﺎوي ‪.01.94‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ‪ %95‬ﻓﺗرة ﺛﻘﺔ ﺣول ﻣﺗوﺳط اﻟﻌﻣر اﻟزﻣﻧﻲ اﻟذي ﺗﻌﻣرﻩ ﻫذﻩ اﻟﻧﺿﺎﺋد ﺑﺻﻔﺔ ﻋﺎﻣﺔ؟‬
‫اﻟﺣل‪:‬‬
‫‪n  50, X  02.67,S  01.94‬‬ ‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪-1‬إﯾﺟﺎد ﺗﻘدﯾر ﻓﺗرة اﻟﺛﻘﺔ ‪ % 95‬ﻟﻣﺗوﺳط اﻟﻌﻣر اﻟزﻣﻧﻲ اﻟذي ﺗﻌﻣرﻩ ﻫذﻩ اﻟﻧﺿﺎﺋد‬
‫ﺑﻣﺎ أن ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻣﺟﻬول وﺣﺟم اﻟﻌﯾﻧﺔ ﻛﺑﯾر)‪ (n=50‬اﻛﺑر ﻣن ‪ ،30‬إذن ﯾﻣﻛن اﺳﺗﺧدام اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‪ ،‬وﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ اﻟﺗﻘدﯾر‬
‫‪‬‬ ‫‪S XZ‬‬ ‫‪S   1  ‬‬
‫‪P  X  Z1 ‬‬ ‫‪1  n 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﺑﻣﺎ أن ‪%95  %100 1   ‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪74‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪S‬‬ ‫‪1.94‬‬
‫‪L XZ‬‬ ‫‪ L  2.67  1.96 ‬‬ ‫‪ 02.1268‬‬
‫‪1 ‬‬ ‫‪n 1‬‬ ‫‪50  1‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪1.94‬‬
‫‪U XZ‬‬ ‫‪ U  2.67  1.96 ‬‬ ‫‪ 03.2132‬‬
‫‪1 ‬‬ ‫‪n 1‬‬ ‫‪50  1‬‬
‫‪2‬‬

‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﻣﺟﺎل اﻟﺗﻘدﯾر ﻧﺟد‬

‫‪P  02.1268    03.2132  0.95‬‬
‫ﻧظرﯾﺔ‪ :03‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﺣﺟﻣﻪ )ﻻ ﻣﺣدود( ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬ﻣﺟﻬوﻟﺔ‬
‫وﺗﺑﺎﯾن ‪ 2‬ﻣﺟﻬول أﯾﺿﺎ‪ ،‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ‪ X   X1, X2 , X3 ,......., Xn ‬ﺣﺟﻣﻬﺎ )‪ ،(n<30‬ﻓﻲ ﻫذﻩ‬
‫اﻟﺣﺎﻟﺔ ﯾؤﺧذ ‪ S2‬ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ﻛﺗﻘدﯾر ﻏﯾر ﻣﺗﺣﯾز ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‪،‬و ﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫ﻣﺟﻬوﻻ أﯾﺿﺎ أو ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪1   100%‬‬ ‫ﻟﻠﻣﺟﺗﻣﻊ ‪ ‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪2‬‬
‫ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪S  XT‬‬ ‫‪S   1 ‬‬
‫‪P  X  T1  ,n 1‬‬ ‫‪‬‬
‫‪1  ,n 1 n 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪P  X  T ‬‬ ‫‪S    X  T  S   1 ‬‬
‫‪‬‬ ‫او ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻗدرﻩ‬
‫‪1 2 ,n 1‬‬ ‫‪n‬‬ ‫‪1 ,n 1‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ -‬أﻣﺎ ذا ﻛﺎﻧت اﻟﻣﻌﺎﯾﻧﺔ ﻣن ﻣﺟﺗﻣﻊ )ﻣﺣدود( واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﻌﻼﻗﺔ ‪ 0.05‬‬
‫‪n‬‬
‫‪N‬‬
‫ﯾﺗم اﺳﺗﺑدال اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﺑﺈﺿﺎﻓﺔ ﻣﻌﺎﻣل اﻹرﺟﺎع أو اﻟﺗﺻﺣﯾﺢ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪Nn ‬‬
‫‪P  X  T1  ,n 1‬‬ ‫‪Nn‬‬
‫‪   X  T1  ,n 1 S‬‬ ‫‪  1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1 N  1‬‬ ‫‪2‬‬ ‫‪n 1 N  1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪S‬‬ ‫‪S‬‬ ‫او ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻗدرﻩ‬
‫‪N n‬‬ ‫‪Nn ‬‬
‫‪P  X  T1  ,n 1‬‬ ‫‪   X  T1  ,n 1‬‬ ‫‪ 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪N 1‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪N  1 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﺗﻣرﯾن‪ :05‬إذا ﻋﻠﻣت أن ﻣﺗوﺳط أوزان ﻋﯾﻧﺔ ﺗﺗﻛون ﻣن ‪ 16‬طﻔﻼ أﻋﻣﺎرﻫم ‪ 10‬ﺳﻧوات ﯾﺳﺎوي ‪32.40‬‬
‫ﻛﻎ‪ ،‬وﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 05.40‬ﻛﻎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ‪ %99‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ) ‪ ( ‬ﻷوزان ﻣﺟﺗﻣﻊ اﻟﻌﯾﻧﺔ ﻋﻠﻰ اﻓﺗراض أن ﻣﺟﺗﻣﻊ‬
‫اﻟﻣﻌﺎﯾﻧﺔ ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ؟‬
‫اﻟﺣل‪:‬‬
‫‪n  16, X  32.40, S  05.40‬‬ ‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻣﺎ ﯾﻠﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪75‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪-1‬إﯾﺟﺎد ‪ %99‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ) ‪ ( ‬ﻷوزان ﻣﺟﺗﻣﻊ اﻟﻌﯾﻧﺔ‬
‫ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺗﺑﺎﯾن ﻣﺟﻬول وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺄﺧوذة اﻗل ﻣن‪ 30‬ﻓﺎن ﻋﻣﻠﯾﺔ‬
‫اﻟﺗﻘدﯾر ﺳﯾﺗم إﺟراﺋﻬﺎ ﺑﺎﺳﺗﺧدام ﺗوزﯾﻊ ﺳﺗودﻧت )‪ (T‬وﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪S  XT‬‬ ‫‪S   1 ‬‬
‫‪P  X  T1  ,n 1‬‬ ‫‪‬‬
‫‪1  , n  1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪n 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﺑﻣﺎ أن ‪%99  %100 1  ‬‬
‫ﻟدﯾﻧﺎ ‪ 0.01    0.99   1‬ودرﺟﺔ اﻟﺣرﯾﺔ )‪ (V=n-1=16-1=15‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻗﯾﻣﺔ ﺳﺗودﻧت‬
‫‪T1  ,n 1  T‬‬ ‫ﺗﺳﺎوي ‪ T0.995,15  02.947‬‬
‫‪2‬‬ ‫‪1 0.01,15‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪S‬‬ ‫‪05.40‬‬
‫‪L  XT‬‬ ‫‪ L  32.40   02.947 ‬‬ ‫‪ 28.291‬‬
‫‪1  ,n 1‬‬ ‫‪n 1‬‬ ‫‪16  1‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪05.40‬‬
‫‪U  XT‬‬ ‫‪ L  32.40   02.947 ‬‬ ‫‪ 36.509‬‬
‫‪1  ,n 1‬‬ ‫‪n 1‬‬ ‫‪16  1‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﻣﺟﺎل اﻟﺗﻘدﯾر ﻧﺟد‬
‫‪P  28.291    36.509   0.99‬‬
‫‪ 3-4‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻟﻠﻧوﻋﯾﺎت ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪ :‬اﻟﻌﯾﻧﺔ ﻋﺑﺎرة ﻋن ﺟزء ﻣن اﻟﻣﺟﺗﻣﻊ‪،‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻣﻘدر اﻟﻘﯾﻣﺔ اﻟﻣﺣﺳوب ﻣن اﻟﻌﯾﻧﺔ ﻻ ﻧﺗوﻗﻊ اﻧﻪ ﯾﺳﺎوي اﻟﻘﯾﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ اﻟﺗﻲ‬
‫ﯾﻘدرﻫﺎ‪ ،‬واﻟﻔرق ﺑﯾن ﺗﻘدﯾر اﻟﻘﯾﻣﺔ ﻷي ﻣﻌﻠﻣﺔ وﺑﯾن اﻟﻘﯾﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﻌﻠﻣﺔ ﯾطﻠق ﻋﻠﯾﻪ ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ﻻن‬
‫ﻫذا اﻟﺧطﺄ ﯾﻧﺗﺞ ﺑﺳﺑب اﺳﺗﺧداﻣﻧﺎ ﻟﻠﻌﯾﻧﺔ ﺑدﻻ ﻣن اﻟﻣﺟﺗﻣﻊ ﻛﻛل‪ ،‬وﻋﻧد ﺗﻘدﯾر اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪‬‬
‫ﺑﻣﻘدر اﻟﻘﯾﻣﺔ ‪ X‬أي ﺑﺎﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ ،‬ﻓﺳﯾﻛون ﺧطﺄ اﻟﻣﻌﺎﯾﻧﺔ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻣﺳﺎوﯾﺎ إﻟﻰ‬
‫‪ ،  X  ‬وﻧﻌﻠم ﻣﻣﺎ ﺳﺑق أن ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X  Z1      X  Z1     1  ‬‬
‫‪‬‬ ‫‪2 n‬‬ ‫‪2 n‬‬

‫ﻓﺈذا ﻛﺎﻧت ‪ ‬ﻓﻌﻼ ﺗﻘﻊ ﻓﻲ ﻣرﻛز اﻟﻔﺗرة ﻓﺎن ‪ X‬ﺗﻘدر ‪ ‬وﺑدون ﺧطﺄ‪ ،‬وﻟﻛن ﻓﻲ ﻣﻌظم اﻷﺣﯾﺎن ‪ X‬ﻻ‬
‫ﺗﺳﺎوي ‪ ‬ﺑﺎﻟﺿﺑط وﺑﺎﻟﺗﺎﻟﻲ ﺳﯾﻛون ﻫﻧﺎك ﺧطﺄ ﻓﻲ اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة‪ ،‬وﺣﺟم ﻫذا اﻟﺧطﺄ ﯾﺳﺎوي اﻟﻔرق‬
‫ﻣﺎﺑﯾن ‪ ‬و ‪ X‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺣن ﻋﻠﻰ ﺛﻘﺔ ﻗدرﻫﺎ ‪ %100 1   ‬ﺑﺄن ﻫذا اﻟﻔرق ﺳوف ﻟن ﯾﻛون أﻛﺑر ﻣن‬
‫‪‬‬ ‫‪‬‬
‫‪E  Z1 ‬‬ ‫‪ Z1 ‬واﻟذي ﺳوف ﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز‪ E‬إذن‬
‫‪2 n‬‬ ‫‪2 n‬‬
‫وﯾﺗﺣدد ﺣﺟم اﻟﻌﯾﻧﺔ وﻓق اﻟﺣﺎﻻت اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪76‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪Z12  2‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪-‬اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ :‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‬
‫‪E2‬‬
‫‪-‬اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع و ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪ :‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‬
‫‪NZ12  2‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪ N 1 E‬‬ ‫‪2‬‬
‫‪ Z12 2‬‬
‫‪2‬‬
‫‪T‬‬ ‫‪2‬‬
‫‪1  ,n 1‬‬
‫‪2‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪-‬اﻟﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‪ :‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‬
‫‪E2‬‬
‫‪ -‬اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع و ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‪ :‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺣﺟم اﻟﻌﯾﻧﺔ‬
‫‪NT12  ,n 12‬‬
‫‪n‬‬ ‫‪2‬‬ ‫ﻫو‬
‫‪ N 1‬‬ ‫‪E2  T2‬‬ ‫‪1  ,n 1‬‬
‫‪2‬‬
‫‪2‬‬

‫‪-‬أﻣﺎ ذا ﻛﺎﻧت ‪ 2‬ﻣﺟﻬوﻟﺔ ﻓﯾﻣﻛن ﺗﻘدﯾرﻫﺎ ﺑﺎﺳﺗﺧدام ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬اﻟﻣﺣﺳوب ﻣن ﻋﯾﻧﺔ ﻣﺑدﺋﯾﺔ ذات‬
‫ﺣﺟم ﺻﻐﯾر ﻣﺗﻔق ﻋﻠﯾﻪ‪ ،‬أو ﯾﻣﻛن ﺗﻘدﯾرﻫﺎ ﻣن ﻋﯾﻧﺔ ﺳﺑق اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻣن دراﺳﺎت ﺳﺎﺑﻘﺔ أو دراﺳﺎت‬
‫ﻣﻣﺎﺛﻠﺔ‪ٕ ،‬واذا ﻛﺎن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ ﻣﻌﺗدﻻ ﺗﻘرﯾﺑﺎ ﻓﺎن‪:‬‬
‫اﻟﻣدى=‪ ،  06‬ﻛﻣﺎ أن اﻟﻣدى =أﻛﺑر ﻗﯾﻣﺔ‪-‬أﺻﻐر ﻗﯾﻣﺔ إذن‬
‫‪Rang Max  X i   Min  Xi ‬‬
‫‪‬‬ ‫‪‬‬ ‫اﻻﻧﺣراف اﻟﻣﻌﯾﺎري) ‪=( ‬اﻟﻣدى‪06/‬‬
‫‪06‬‬ ‫‪06‬‬
‫ﺗﻣرﯾن‪ :06‬ﻛم ﯾﺟب أن ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ ‪ n‬اﻟﺗﻲ ﯾﺟب أن ﺗؤﺧذ ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ‬
‫ﻟﻠﻣﺣرﻛﺎت واﻟذي ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻟﺗﺣدﯾد اﻟﻣﺗوﺳط اﻟزﻣﻧﻲ اﻟذي ﺗﺳﺗﻐرﻗﻪ آﻟﺔ ﻣﻌﯾﻧﺔ ﻓﻲ ﺗﺣرﯾك‬
‫ﻋﺟﻠﺔ ﺳﯾﺎرة ﻋﻠﻰ أﺳﺎس ‪ %95‬ﻣن اﻟﺛﻘﺔ‪ ،‬ﺑﺎن أﻋﻠﻰ ﺧطﺄ ﻓﻲ ﺗﻘدﯾر اﻟﻣﻌﻠﻣﺔ ‪ ‬ﻫو ‪ 0.50‬دﻗﯾﻘﺔ‪ٕ ،‬واذا‬
‫ﻋﻠﻣت ﻣن ﺗﺟﺎرب ﺳﺎﺑﻘﺔ ﻣﯾداﻧﯾﺔ ﺑﺎن ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﻣﻌروف وﯾﺳﺎوي ‪ 02.56‬دﻗﯾﻘﺔ‪.‬‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪1    95%, E  0.50,  2  02.56, N  ‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﺣﺳﺎب اﻟﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ ﻣﺟﺗﻣﻊ ﻻ ﻣﺣدود وﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻧﺟد‬
‫‪Z12  2‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪2‬‬
‫‪n‬‬
‫‪ 01.96  02.56  40‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪E‬‬ ‫‪ 0.50 ‬‬
‫أي أﻧﻧﺎ ﯾﺟب أن ﻧﻔﺣص ‪ 40‬ﻣﺣرﻛﺎ ﻣن ﻣﺟﻣوع ﻛﺎﻓﺔ اﻟﻣﺣرﻛﺎت ﻋﻠﻰ اﻷﻗل ﻛﻲ ﯾﻛون أﻛﺑر ﺧطﺄ ﻓﻲ‬
‫اﻟﺗﻘدﯾر ﻫو ‪0.50‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪77‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﺗﻣرﯾن‪ :07‬ﻣﺎ ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟواﺟب ﺳﺣﺑﻬﺎ ﻣن ﻣﺟﺗﻣﻊ اﻷﻏﻧﺎم ﻟﺗﻘدﯾر وﺳطﻲ وزن اﻟﺧروف‪ ،‬ﻣﻊ‬
‫اﻟﻌﻠم أن ﺣﺟم اﻟﻣﺟﺗﻣﻊ ﻫو ‪ 2000‬وﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻫو ‪ ،600‬وان أﻋﻠﻰ ﺧطﺎ ﻓﻲ ﺗﻘدﯾر اﻟﻣﻌﻠﻣﺔ ‪‬‬
‫ﻫو‪ ،05‬وان ﻗﯾﻣﺔ اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﻫو‪.03‬‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪Z  03, E  05,  2  600, N  2000‬‬
‫ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻟﺣﺳﺎب اﻟﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ ﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع وﯾﺧﺿﻊ‬
‫‪NZ12  2‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫‪ 2000 03  600‬‬ ‫‪ 195‬‬ ‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻧﺟد‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ‬‬
‫‪N‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪E‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪Z‬‬ ‫‪2‬‬
‫‪1 ‬‬
‫‪‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪2000‬‬ ‫‪‬‬ ‫‪1‬‬‫‪     ‬‬
‫‪05‬‬ ‫‪‬‬ ‫‪03‬‬ ‫‪600‬‬

‫ﺗﻣرﯾن‪ :08‬ﯾرﻏب أﺣد ﺧﺑراء اﻟﻛﻔﺎءة ﺑﺎﺳﺗﺧدام اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻌﯾﻧﺔ ﻋﺷواﺋﯾﺔ ذات ﺣﺟم ‪ 150‬ﻟﺗﻘدﯾر‬
‫ﻣﺗوﺳط اﻟﻛﻔﺎءة اﻟﻣﯾﻛﺎﻧﯾﻛﯾﺔ ﻟﻌدد ﻣﻌﯾن ﻣن اﻟﻌﻣﺎل ﻓﻲ إﺣدى اﻟﺻﻧﺎﻋﺎت اﻟﻛﺑﯾرة ﻟﻠﺳﯾﺎرات‪ ،‬ﻓﺈذا اﻓﺗرﺿﻧﺎ‬
‫وﺑﻧﺎءا ﻋﻠﻰ اﻟﺧﺑرة ﺑﺎن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﻫو‪.06.20‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻛم ﯾﻛون أﻋﻠﻰ ﺧطﺄ ﻓﻲ ﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ‪ ‬ﻟﻠﻣﺟﺗﻣﻊ اﻟﻌﻣﺎﻟﻲ ﻋﻠﻰ أﺳﺎس ‪ %99‬ﻣن اﻟﺛﻘﺔ؟‬
‫‪-2‬إذا اﻓﺗرﺿﻧﺎ ﺑﺎن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ اﻟﺳﺎﺑﻘﺔ ﻫو ‪ ،69.50‬ﻓﻛم ﻫو ﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ‪‬‬
‫ﻟﻛﻔﺎءة اﻟﻌﻣﺎل ﻛﺎﻓﺔ ﻓﻲ ﺗﻠك اﻟﺻﻧﺎﻋﺔ وذﻟك ﺑﻧﻔس اﻟدرﺟﺔ ‪ %99‬ﻣن اﻟﺛﻘﺔ؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n  150,   06.20,1  0.99, X  69.50 :‬‬
‫‪-1‬ﺗﺣدﯾد أﻋﻠﻰ ﺧطﺄ ﻓﻲ ﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ‪ ‬ﻟﻠﻣﺟﺗﻣﻊ اﻟﻌﻣﺎﻟﻲ ﻋﻠﻰ أﺳﺎس ‪ %99‬ﻣن اﻟﺛﻘﺔ‪.‬‬
‫‪‬‬
‫‪E  Z1 ‬‬ ‫ﻧﻌﻠم أن أﻋﻠﻰ ﺧطﺄ ﻓﻲ ﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ل ‪ ‬ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪2 n‬‬

‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.01    0.99   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,995  2, 575‬‬
‫‪1 0,01‬‬
‫‪2‬‬

‫‪E  Z1   E ‬‬

‫‪02.575 06.20  01.30‬‬ ‫إذن‬
‫‪2 n‬‬ ‫‪150‬‬
‫‪-2‬ﺗﻘدﯾر اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ‪ ‬ﻟﻛﻔﺎءة اﻟﻌﻣﺎل ﻛﺎﻓﺔ ﻓﻲ ﺗﻠك اﻟﺻﻧﺎﻋﺔ وذﻟك ﺑﻧﻔس اﻟدرﺟﺔ ‪ %99‬ﻣن اﻟﺛﻘﺔ‬
‫‪ CI  1   X  Z‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟﺗﻘدﯾر ﻫو‬ ‫ﻧﻌﻠم أن ‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1 ‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪  X  E  69.50  1.30  68.20‬‬
‫‪CI  1   X  Z1     1‬‬
‫‪2 n‬‬ ‫‪2  X  E  69.50  1.30  70.80‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪78‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﺗﻣرﯾن ‪ :09‬ﺗرﻏب و ازرة اﻟﺻﻧﺎﻋﺔ ﻓﻲ ﻣﻌرﻓﺔ ﻣﺗوﺳط ﻋﻣر اﻟﻌﻣﺎل ﻓﻲ ﺻﻧﺎﻋﺔ ﻣﺎ‪ ،‬وﻛﺎن ﻟدﯾﻬﺎ ﻣﻌﻠوﻣﺎت‬
‫ﺗﻔﯾد ﺑﺎن اﻟﻌﻣﺎل ﯾﺑدؤن اﻟﻌﻣل ﻓﻲ اﻟﺛﺎﻣﻧﺔ ﻋﺷرة ﻣن اﻟﻌﻣر‪ ،‬وﯾﺣﺎﻟون ﻋﻠﻰ اﻟﺗﻘﺎﻋد ﻓﻲ اﻟﺳﺗﯾن ﻣﻧﻪ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬ﻣﺎ ﻫو ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣراد ﺳﺣﺑﻬﺎ ﻟﺗﻘدﯾر ﻫذا اﻟﻣﺗوﺳط‪ ،‬إذا رﺑﻧﺎ ﻓﻲ اﻟﺗﺄﻛد ﻣن ﻛل اﻟﺣﺎﻻت اﻟﻌﻣﻠﯾﺔ‬
‫ﻋﻠﻰ أن ﻻ ﯾزﯾد اﻟﺧطﺄ ﻓﻲ اﻟﺗﻘدﯾر ﻋن ‪ 01.50‬ﺳﻧﺔ؟‬
‫اﻟﺣل‪:‬‬
‫‪E  01.50, Max  Xi   60, Min  Xi   18, Z  03‬‬ ‫ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻟدﯾﻧﺎ‪:‬‬
‫ﺑﻣﺎ أن ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻣﺟﻬول‪ ،‬ﯾﻣﻛﻧﻧﺎ ﺗﻘدﯾرﻩ ب ‪ 6/1‬اﻟﻣدى اﻟﻌددي اﻟذي ﯾﻣﻛن أن ﯾﻘﻊ ﺑﻪ ﻣﺗوﺳط‬
‫اﻟظﺎﻫرة اﻟﻣدروﺳﺔ‪.‬‬
‫ﻧﺣﺳب ﻗﯾﻣﺔ اﻟﻣدى‬
‫‪Rang  Max  X i   Min  Xi   Rang  60  18  42‬‬

‫إذن ﻗﯾﻣﺔ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﺳوف ﺗﺳﺎوي‬

‫‪Rang 42‬‬
‫‪‬‬ ‫‪  07‬‬
‫‪06‬‬ ‫‪06‬‬
‫‪Z1  ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪2‬‬
‫‪n‬‬
‫‪‬‬ ‫‪03  07 ‬‬
‫‪ 196‬‬ ‫وﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ ﺣﺳﺎب ﺣﺟم اﻟﻌﯾﻧﺔ ﻧﺟد‬
‫‪E2‬‬ ‫‪ 01.50 ‬‬
‫‪2‬‬

‫‪ -05‬ﻓﺗرة اﻟﺛﻘﺔ ﺑﺈﺳﺗﺧدام ﻧظرﯾﺔ ﺗﺷﯾﺑﯾﺷﯾف )‪(Techebecheff‬‬

‫ﺗﺳﺗﺧدم ﻧظرﯾﺔ ﺗﺷﯾﺑﯾﺷﯾف إذا ﻛﺎن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ ﻣﺟﻬول أو ﻻ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺣﺟم‬
‫اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻗل ﺗﻣﺎﻣﺎ ﻣن ‪ (n<30) 30‬وﺗﻌطﻰ ﻣﻌﺎدﻟﺔ اﻟﺗﻘدﯾر ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪P X   K  1 ‬‬
‫‪K2‬‬
‫‪1   1‬‬
‫‪1‬‬
‫ﺑﺣﯾث‬
‫‪K2‬‬
‫‪CI  1   X  K ‬‬ ‫وﯾﺗم اﻟﺗﻘدﯾر ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪n‬‬
‫ﺗﻣرﯾن‪:10‬ﻟﯾﻛن ﻟدﯾﻧﺎ دﺧول أﻓراد ﻣؤﺳﺳﺔ ﻣﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬واﻧﺣراف ﻣﻌﯾﺎري ‪ 30‬ون‪ ،‬أﺧذت ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ ،25‬ﻓﻛﺎن ﻣﺗوﺳطﻬﺎ اﻟﺣﺳﺎﺑﻲ ‪ 80‬ون‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻣﺗوﺳط أﺟور اﻟﻌﻣﺎل ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻊ ﻻ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺣﺟم اﻟﻌﯾﻧﺔ ﺻﻐﯾر)أﻗل ﺗﻣﺎﻣﺎ ﻣن‪ (30‬إذن ﻻ ﯾﻣﻛﻧﻧﺎ‬
‫اﺳﺗﺧدام ﺗوزﯾﻊ ﺳﺗودﻧت‪ٕ ،‬واﻧﻣﺎ ﯾﺗم اﺳﺗﺧدام اﺣد اﻻﺧﺗﺑﺎرات اﻟﻼﻣﻌﻠﻣﯾﺔ أﻻ وﻫو ﻣﺗراﺟﺣﺔ ﺗﺷﺑﯾﺷﯾف‪.‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪  30, n  25, X  80,1    0.95‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪79‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﻟﺗطﺑﯾق ﻋﻼﻗﺔ اﻟﺗﻘدﯾر اﻟﺳﺎﺑﻘﺔ ﺑﺎﺳﺗﺧدام ﻣﺗراﺟﺣﺔ ﺗﺷﯾﺑﯾﺷﯾف ﻧﺳﺗﺧرج أوﻻ ﻗﯾﻣﺔ ‪ K‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1   1 2  0.95  1 2  K  20  02 05‬‬
‫‪K‬‬ ‫‪K‬‬
‫ﺑﻌد ذﻟك ﻧﺳﺗﺧرج ﻓﺗرة اﻟﺗﻘدﯾر‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪PX K‬‬ ‫‪   X  K   1  ‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  80  02 05 30    80  02 05 30   0.95 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪25‬‬ ‫‪25 ‬‬
‫‪P 53.1672    106.8328  0.95‬‬
‫‪ -06‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺳﺗﻘﻠﯾن ‪ 1 2 ‬‬
‫ﻹﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺳﺗﻘﻠﯾن ﻓﺈﻧﻧﺎ ﻧﻣﯾز اﻟﺣﺎﻻت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ 1-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﻌﻠوﻣﻲ اﻟﺗﺑﺎﯾن‬
‫ﻧظرﯾﺔ‪:04‬إذا اﻓﺗرﺿﻧﺎ أن ‪ X1, X2 , X3,......., Xn1‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪ X1, X2 , X3,......., Xn‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬ﻏﯾر ﻣﻌﻠوم وﺗﺑﺎﯾن ‪ 12‬ﻣﻌﻠوم وﻛﺎﻧت‬
‫ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﺛﺎﻧﻲ ﻣﺗوﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 2‬ﻏﯾر ﻣﻌﻠوم وﺗﺑﺎﯾن ‪ 22‬ﻣﻌﻠوم‪ ،‬وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن‬
‫ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض وﻛﺎن ‪ X1‬ﯾﻣﺛل ﻣﺗوﺳط اﻟﻌﯾﻧﺔ اﻷوﻟﻰ و ‪ X2‬ﺗﻣﺛل ﻣﺗوﺳط اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬وﻛﺎن‬
‫ﻣﺟﺗﻣﻌﻲ اﻟﻌﯾﻧﺗﯾن طﺑﯾﻌﯾﯾن )أو ﻛﺎن ﺣﺟم ﻛل ﻋﯾﻧﺔ أﻛﺑر ﻣن ‪ ،30‬إذا ﻛﺎن اﻟﻣﺟﺗﻣﻌﯾن ﻏﯾر طﺑﯾﻌﯾﯾن(‪،‬‬
‫ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ‬ ‫ﻓﺈن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﻣﺎ ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ‪ X  X ‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪ 2 2‬‬
‫وﺗﺑﺎﯾن ‪ 2X1X2  1  2‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟﻣﺗﻐﯾر‬ ‫اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ X X  1 2‬‬
‫‪‬‬ ‫‪ n1 n 2‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪1‬‬
‫‪‬‬
‫‪2‬‬
‫‪‬‬

‫‪Z‬‬
‫‪ X  X        N 0,1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫اﻟﻌﺷواﺋﻲ )‪ (Z‬ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪12 22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫وﻧﻼﺣظ أن ‪ Z‬ﻫﻲ داﻟﺔ ﻓﻲ اﻟﻣﻘدر ‪  X1  X2 ‬واﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪ ،  1  2 ‬واﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ‬
‫ﻟﻠﻣﺗﻐﯾر ‪ Z‬ﻫو اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري اﻟذي ﻻ ﯾﻌﺗﻣد ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪ ،  1  2 ‬إذن ‪ Z‬ﻫﻲ‬
‫ﻛﻣﯾﺔ ﻣﺣورﯾﺔ ﻧﺳﺗطﯾﻊ اﺳﺗﻌﻣﺎﻟﻬﺎ ﻓﻲ إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ‪،  1  2 ‬‬
‫وﺑﺎﺳﺗﺧدام ﺧواص اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ﻧﺟد أن‬
‫‪‬‬ ‫‪‬‬
‫‪P   Z1   Z  Z1    1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫وﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﺑﻘﯾﻣﺔ ‪ Z‬ﻧﺟد‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪80‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪P  Z1 ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪X1  X 2  1  2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ Z1    1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪12 22‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪n1 n 2‬‬ ‫‪‬‬
‫‪‬‬
‫وﺑﺈﺟراء ﺑﻌض اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻋﻠﻰ اﻟﺣدود اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ اﻟﻣوﺟودة ﺑﯾن ﻗوﺳﯾن‪ ،‬ﺑﺣﯾث ﻧﺟﻌل‬
‫اﻷوﺳﺎط ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﺗﺣﺗوي ﻓﻘط ﻋﻠﻰ اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ‪  1  2 ‬وﻫﻲ اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻣﺟﺗﻣﻌﯾن‪،‬‬
‫ﻓﻧﺣﺻل ﻋﻠﻰ ﻋﻼﻗﺔ اﻟﺗﻘدﯾر اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬
‫‪12 22‬‬ ‫‪12 22 ‬‬
‫‪P ‬‬
‫‪‬‬
‫‪X  X   Z‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1 ‬‬
‫‪2‬‬ ‫‪n1 n 2  1 2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪     X1  X 2  Z ‬‬
‫‪1‬‬
‫‪2 n1‬‬
‫‪‬‬
‫‪   1 ‬‬
‫‪n2 ‬‬
‫‪‬‬ ‫‪‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ‪  1  2 ‬ﻋﻧدﻣﺎ ﯾﺗوزع اﻟﻣﺟﺗﻣﻌﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫ﺑﺗﺑﺎﯾﻧﯾن ﻣﻌﻠوﻣﯾن وﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪ 1   100%‬ﻫﻲ‬
‫‪12  22‬‬
‫‪CI 1 2 ‬‬
‫‪1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ X1  X 2  Z1 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫‪n1‬‬
‫وﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ‬ ‫‪-‬أﻣﺎ إذا ﻛﺎن اﻟﻣﺟﺗﻣﻌﺎن ﻣﺣدودان وﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻷول ﻫو ‪ 0.05‬‬
‫‪N1‬‬
‫‪n‬‬
‫ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻫو ‪ 2  0.05‬ﻓﺎن ﻣﺟﺎل اﻟﺗﻘدﯾر ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪N2‬‬
‫‪‬‬
‫‪12 N1  n1‬‬ ‫‪22 N 2  n 2 ‬‬
‫‪CI 1 2 ‬‬ ‫‪‬‬
‫‪1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪X1  X 2  Z1  ‬‬
‫‪2‬‬
‫‪‬‬
‫‪n1 N1 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪n 2 N 2 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﺗﻣرﯾن‪ :11‬ﻓﻲ دراﺳﺔ ﺧﺎﺻﺔ ﺑﻣﻘﺎرﻧﺔ ﻣﺗوﺳط اﻟدﺧل اﻟﺷﻬري ﻟﻸﺳر اﻟﻘﺎطﻧﺔ ﺑﻣدﯾﻧﺔ ﺗﯾﺎرت ﺑﻣﺗوﺳط اﻟدﺧل‬
‫اﻟﺷﻬري ﻟﻸﺳر اﻟﻘﺎطﻧﺔ ﺑﻣدﯾﻧﺔ ﻣﺳﺗﻐﺎﻧم‪ ،‬ﻓﺈذا ﻛﺎن ﺗﺑﺎﯾن اﻟدﺧول ﻓﻲ ﻣدﯾﻧﺔ ﺗﯾﺎرت ﻫو ‪ 6400‬ون‪ ،‬وﺗﺑﺎﯾن‬
‫اﻟدﺧول ﻓﻲ ﻣدﯾﻧﺔ ﻣﺳﺗﻐﺎﻧم ﻫو ‪3600‬ون‪،‬ﻓﺈذا اﺧﺗرﻧﺎ ﻣن ﻣدﯾﻧﺔ ﺗﯾﺎرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺣﺗوي ﻋﻠﻰ ‪400‬‬
‫أﺳرة ووﺟدﻧﺎ أن ﻣﺗوﺳط اﻟدﺧل اﻟﺷﻬري ﻟﻬذﻩ اﻷﺳر ﯾﺳﺎوي‪250‬ون‪ ،‬واﺧﺗرﻧﺎ ﻣن ﻣدﯾﻧﺔ ﻣﺳﺗﻐﺎﻧم ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﻣﺳﺗﻘﻠﺔ ﻋن اﻟﻌﯾﻧﺔ اﻟﺳﺎﺑﻘﺔ ﺗﺣﺗوي ﻋﻠﻰ ‪ 300‬أﺳرة ووﺟدﻧﺎ أن اﻟدﺧل اﻟﺷﻬري ﻟﻬذﻩ اﻷﺳر ﯾﺳﺎوي‬
‫‪ 210‬ون‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺣﺳب ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ اﻟدﺧول ﻓﻲ اﻟﻣدﯾﻧﺗﯾن ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%90‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‬
‫‪12  6400, n1  400, X1  250,1    0.90‬‬ ‫اﻟﻣﺟﺗﻣﻊ اﻷول ﻣدﯾﻧﺔ ﺗﯾﺎرت‪:‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻣدﯾﻧﺔ ﻣﺳﺗﻐﺎﻧم‪22  3600, n 2  300, X2  210,1    0.90 :‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪81‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪%90‬‬
‫ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ اﻟﺗﻘدﯾر ﻧﺟد‬
‫‪‬‬ ‫‪12 22‬‬ ‫‪2  2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X1  X 2  Z1 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪n1 n 2‬‬ ‫‪‬‬‫‪2 n1‬‬ ‫‪n2 ‬‬ ‫‪‬‬
‫‪  1 2   X1  X 2  Z1  1  2   1 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﻧﺳﺗﺧرج أوﻻ ﻣﻘدار اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.10    0.90   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,950  1, 645‬‬
‫‪1 0 ,10‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪12 22‬‬ ‫‪ 6400 3600 ‬‬
‫‪L   X1  X2   Z1 ‬‬ ‫‪‬‬ ‫‪ L   250  210  1, 645 ‬‬ ‫‪‬‬ ‫‪  31, 30‬‬
‫‪2 n1 n 2‬‬ ‫‪ 400 300 ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪6400 3600 ‬‬
‫‪U   X1  X2   Z1  1  2  U   250  210   1, 645  ‬‬ ‫‪‬‬ ‫‪  48.70‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫‪‬‬ ‫‪400‬‬ ‫‪300‬‬ ‫‪‬‬
‫‪P  31, 30  1 2   48, 70   0, 90‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪ 2-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻟﻲ اﻟﺗﺑﺎﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ‬ ‫أن ‪ X1, X2 , X3,......., Xn ‬‬ ‫‪1‬‬
‫ﻧظرﯾﺔ‪ :05‬إذا اﻓﺗرﺿﻧﺎ‬
‫‪ X1, X2 , X3,......., Xn‬ﻋﯾﻧﺔ‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬ﻏﯾر ﻣﻌﻠوم وﺗﺑﺎﯾن ‪ 12‬ﻣﻌﻠوم وﻛﺎﻧت‬
‫ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﺛﺎﻧﻲ ﻣﺗوﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ 2‬ﻏﯾر ﻣﻌﻠوم وﺗﺑﺎﯾن ‪ 22‬ﻣﻌﻠوم‪ ،‬وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن‬
‫ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض وﻛﺎن ‪ X1‬ﯾﻣﺛل ﻣﺗوﺳط اﻟﻌﯾﻧﺔ اﻷوﻟﻰ و ‪ S12‬ﯾﻣﺛل ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻷوﻟﻰ‬
‫اﻟﻐﯾر ﻣﺗﺣﯾز ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ و ‪ X2‬ﺗﻣﺛل ﻣﺗوﺳط اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬و ‪ S22‬ﯾﻣﺛل ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ اﻟﻐﯾر‬
‫ﻣﺗﺣﯾز ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ وﻛﺎن ﻣﺟﺗﻣﻌﻲ اﻟﻌﯾﻧﺗﯾن طﺑﯾﻌﯾﯾن )أو ﻛﺎن ﺣﺟم ﻛل ﻋﯾﻧﺔ أﻛﺑر ﻣن ‪ ،30‬إذا ﻛﺎن‬
‫ﺳوف ﯾﻛون‬ ‫اﻟﻣﺟﺗﻣﻌﯾن ﻏﯾر طﺑﯾﻌﯾﯾن(‪ ،‬ﻓﺈن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﻣﺎ ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻌﯾﻧﺗﯾن ‪ X  X ‬‬
‫‪1‬‬ ‫‪2‬‬

‫وﺗﺑﺎﯾن‬ ‫‪ X1X2  1 2‬‬ ‫ﺣﺳﺎﺑﻲ‬ ‫ﺑﻣﺗوﺳط‬ ‫اﻟطﺑﯾﻌﻲ‬ ‫اﻟﺗوزﯾﻊ‬ ‫ﻣن‬ ‫ﻗرﯾب‬ ‫ﺗوزﯾﻊ‬ ‫ﻟﻪ‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪12 22 S12‬‬ ‫‪S22‬‬ ‫‪S S‬‬
‫‪ ‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﯾﻌطﻰ‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1 2‬‬
‫‪‬‬
‫‪ X1 X2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪n1 n 2 n1 1 n 2 1 n1 n 2‬‬

‫‪Z‬‬
‫‪X X     N01, ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪ Z‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪X X     N01‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪ ,‬‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪S1 S2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪S12‬‬ ‫‪S22‬‬
‫‪‬‬ ‫‪‬‬
‫‪n1 n2‬‬ ‫‪n11 n2 1‬‬

‫وﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬

‫‪‬‬ ‫‪S12‬‬ ‫‪S2‬‬ ‫‪S12‬‬ ‫‪S2 ‬‬
‫‪P   X1  X 2   Z‬‬ ‫‪ 2   1   2   X1  X 2  Z ‬‬ ‫‪‬‬ ‫‪ 2   1 ‬‬‫‪‬‬
‫‪1 ‬‬ ‫‪n1  1 n 2  1‬‬
‫‪‬‬ ‫‪2 n1  1 n 2  1 ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪82‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﺗﻣرﯾن‪:12‬أﺟري اﻣﺗﺣﺎن ﻓﻲ ﻣﺎدة اﻹﺣﺻﺎء ﻟﻣﺟﻣوﻋﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻣن اﻟطﻠﺑﺔ‪ ،‬اﻷوﻟﻰ ﺗﺷﻣل ‪75‬طﺎﻟﺑﺎ‪،‬‬
‫واﻟﺛﺎﻧﯾﺔ ﺗﺷﻣل‪ 50‬طﺎﻟﺑﺎ وﻛﺎﻧت ﻧﺗﺎﺋﺞ ﻫذا اﻻﻣﺗﺣﺎن ﻟﻠﻣﺟﻣوﻋﺗﯾن ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﻟﻣﺟﻣوﻋﺔ اﻷوﻟﻰ‪ ، X1  80, S12  49 :‬اﻟﻣﺟﻣوﻋﺔ اﻟﺛﺎﻧﯾﺔ‪X 2  70, S22  36 :‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ل ‪  1  2 ‬ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‬
‫اﻟﻣﺟﻣوﻋﺔ اﻷوﻟﻰ‪ ، X1  80, S12  49, n1  75 :‬اﻟﻣﺟﻣوﻋﺔ اﻟﺛﺎﻧﯾﺔ‪X 2  70, S22  36, n 2  50 :‬‬
‫ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ اﻟﺗﻘدﯾر ﻧﺟد‬
‫‪‬‬ ‫‪S12‬‬ ‫‪S2‬‬ ‫‪S12‬‬ ‫‪S2 ‬‬
‫‪P   X1  X 2   Z‬‬ ‫‪ 2   1   2   X1  X 2  Z ‬‬ ‫‪‬‬‫‪ 2   1 ‬‬ ‫‪‬‬
‫‪1 ‬‬ ‫‪n1  1 n 2  1‬‬
‫‪‬‬ ‫‪2 n1  1 n 2  1 ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫ﻧﺳﺗﺧرج أوﻻ ﻣﻘدار اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪S12‬‬ ‫‪S2‬‬ ‫‪49‬‬ ‫‪36‬‬
‫‪L   X1  X2   Z1 ‬‬ ‫‪ 2  L  80  70   1, 960 ‬‬ ‫‪‬‬ ‫‪ 07, 68‬‬
‫‪2‬‬ ‫‪n1  1 n 2  1‬‬ ‫‪75  1 50  1‬‬
‫‪S12‬‬ ‫‪S2‬‬ ‫‪49‬‬ ‫‪36‬‬
‫‪U   X1  X 2   Z1 ‬‬ ‫‪ 2  U  80  70   1, 960 ‬‬ ‫‪‬‬ ‫‪ 12.32‬‬
‫‪2‬‬ ‫‪n1  1 n 2  1‬‬ ‫‪75  1 50  1‬‬

‫‪P  07.68  1 2   12.32   0, 95‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪ 3-6‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻟﻲ اﻟﺗﺑﺎﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر‬
‫ﻋﻧدﻣﺎ ﯾﻛـون ﻟـدﯾﻧﺎ ﻣﺟﺗﻣﻌـﯾن إﺣﺻـﺎﺋﯾﯾن ﻏﯾـر ﻣﻌﻠـوﻣﻲ اﻟﺗﺑـﺎﯾن وﻟﻛـن ﺗوزﯾﻌﻬﻣـﺎ اﻟﺗﻛـراري ﻣـن اﻟﻧـوع اﻟطﺑﯾﻌـﻲ‬
‫أو اﻟﻣﻌﺗ ـ ـ ــدل وﻋﻧ ـ ـ ــدﻣﺎ ﯾﻛ ـ ـ ــون ﺣﺟ ـ ـ ــم ﻛ ـ ـ ــل ﻣ ـ ـ ــن اﻟﻌﯾﻧﺗ ـ ـ ــﯾن اﻟﻣ ـ ـ ــﺄﺧوذﺗﯾن ﻣ ـ ـ ــن ﻫ ـ ـ ــذﯾن اﻟﻣﺟﺗﻣﻌ ـ ـ ــﯾن ﺻ ـ ـ ــﻐﯾ ار‬
‫)‪ (n2<30،n1<30‬ﻓﺈﻧﻧــﺎ ﻧﺳــﺗﺧدم ﻋــﺎدة ﻣﺗﺑﺎﯾﻧــﺔ اﻟﺛﻘــﺔ اﻟﺧﺎﺻــﺔ ﺑﺗوزﯾــﻊ ﺳــﺗودﻧت )‪ (T‬ﺑــدﻻ ﻣــن ﺗوزﯾــﻊ )‪(Z‬‬
‫وﻧﻣﯾز ﺣﺎﻟﺗﯾن ﻫﻣﺎ‬
‫‪‬‬ ‫‪2‬‬
‫‪1‬‬ ‫اﻟﺣﺎﻟﺔ اﻷوﻟﻰ‪:‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪ 22  2‬‬
‫‪‬‬
‫ﻧظرﯾﺔ‪ :06‬إذا ﻛﺎﻧت ‪ X1, X2 , X3,......., Xn1‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪1‬‬
‫‪‬‬ ‫‪‬‬
‫ﻣﺟﻬول وﺗﺑﺎﯾن ‪ 12‬ﻣﺟﻬول‪،‬وﻛﺎﻧت ‪ X1, X2 , X3,......., Xn‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﺣﺳﺎﺑﻲ ‪ 2‬ﻣﺟﻬول وﺗﺑﺎﯾن ‪ 22‬وﻛﺎﻧت ‪ 12  22  2‬واﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬ﻓﺎن‬
‫‪‬‬ ‫‪‬‬
‫اﻟﻣﻘدر ﺑﻘﯾﻣﺔ واﺣدة ﻟﻠﻣﻌﻠﻣﺔ ‪) 2‬اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك( ﯾطﻠق ﻋﻠﯾﻪ ﺗﺳﻣﯾﺔ اﻟﻣﻘدر اﻟﻣﺷﺗرك وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪83‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪‬‬

‫‪S2p‬‬
‫‪ n 1  n 2 1‬‬
‫‪ 1‬‬
‫‪S12 ‬‬ ‫‪S22‬‬
‫‪‬‬
‫‪n1S12  n 2S22‬‬
‫‪ S2p‬ﺣﯾث ‪:‬‬
‫‪ n1 1   n2 1‬‬ ‫‪n1  n 2  2‬‬

‫‪T‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫وﻗد اﺛﺑت رﯾﺎﺿﯾﺎ ﺑﺄن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻺﺣﺻﺎءة ﻫو‬
‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬
‫ﯾﺗﺑﻊ ﺗوزﯾﻊ ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ ‪ n1+n2-02‬وﻋﻠﯾﻪ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P   t‬‬ ‫‪Tt‬‬ ‫‪‬‬ ‫‪ 1 ‬‬
‫‪1  ,n1  n 2  2‬‬ ‫‪1  , n1  n 2  2 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪X1  X 2  1  2‬‬ ‫‪ ‬‬ ‫‪‬‬
‫ﻧﺟد‪  1   :‬‬ ‫وﺑﺎﻟﺗﻌوﯾض ﻋن ﻗﯾﻣﺔ ‪T‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  t ‬‬ ‫‪T‬‬ ‫‪t ‬‬
‫‪‬‬
‫‪1 ,n1  n 2 2‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬‫‪‬‬
‫‪2‬‬
‫‪,‬‬ ‫‪n‬‬‫‪1‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪‬‬
‫واﻟﺗﻲ ﯾﻣﻛن إﻋﺎدة ﻛﺗﺎﺑﺗﻬﺎ ﺑﻌد إﺟراء ﻣﺧﺗﻠف اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪1 1‬‬ ‫‪1 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  X1  X 2  t‬‬ ‫‪‬‬ ‫‪1  ,n1  n 2 2‬‬
‫‪2‬‬
‫‪Sp‬‬ ‫‪  1  2   X1  X 2  t ‬‬
‫‪n1 n 2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1 , n1  n 2  2‬‬
‫‪2‬‬
‫‪Sp‬‬ ‫‪   1 ‬‬
‫‪n1 n 2 ‬‬
‫‪‬‬
‫ﺗﻣرﯾن‪:13‬ﻟﻣﻌرﻓﺔ اﻟﻔﺎرق اﻟﺣﻘﯾﻘﻲ ﺑﯾن ﻣﻌدل اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ ﻟﻠﻌﺎﻣﻠﯾن‪ ،‬وﻣﻌدل اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ‬
‫ﻟﻠﻌﺎﻣﻼت ﻓﻲ إﺣدى اﻟﺷرﻛﺎت اﻟﺿﺧﻣﺔ‪ ،‬ﺗم ﺳﺣب ﻋﯾﻧﺗﯾن ﻋﺷواﺋﯾﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻣن ﺳﺟﻼت اﻟﻌﺎﻣﻠﯾن‬
‫واﻟﻌﺎﻣﻼت ﻓﻲ ﻫذﻩ اﻟﺷرﻛﺔ ﻟﻌﺎم )‪ (2010‬ﻓوﺟد ﻣن ﺳﺟﻼت ‪ 12‬ﻋﺎﻣﻼ أن ﻣﺗوﺳط أﯾﺎم اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ‬
‫ﻫو ‪ 81‬ﯾوﻣﺎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪05‬أﯾﺎم‪ ،‬وﻣن ﺳﺟﻼت ‪ 10‬ﻋﺎﻣﻼت وﺟد ﻣﺗوﺳط أﯾﺎم اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ‬
‫ﯾﺳﺎوي ‪ 85‬ﯾوﻣﺎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 04‬أﯾﺎم‪ ،‬وﺑﻔرض أن اﻟﺗﺑﺎﯾﻧﯾن ﻓﻲ اﻟﻣﺟﺗﻣﻌﯾن اﻟﻣدروﺳﯾن ﻣﺗﺳﺎوﯾﺎن‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻗﯾﻣﺔ اﻟﻔﺎرق اﻟﺣﻘﯾﻘﻲ ﺑﺎﺣﺗﻣﺎل ‪ %90‬ﺑﯾن ﻣﻌدل اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ ﻟﻠﻌﻣﺎل واﻟﻌﺎﻣﻼت ﻓﻲ ﻫذﻩ‬
‫اﻟﺷرﻛﺔ‪ ،‬ﻣﻊ ﻓرﺿﯾﺔ أن اﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺑﺷﻛل طﺑﯾﻌﻲ أو ﻗرﯾب ﻣن اﻟطﺑﯾﻌﻲ(‪.‬‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‬
‫اﻟﻣﺟﺗﻣﻊ اﻷول اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ ﻟﻠﻌﺎﻣﻠﯾن‪X1  81, S1  05, n1  12 :‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ اﻹﺟﺎزات اﻟﺳﻧوﯾﺔ ﻟﻠﻌﺎﻣﻼت‪X 2  85, S2  04, n 2  10 :‬‬

‫ﻧﺳﺗﺧرج أوﻻ ﻣﻘدار درﺟﺔ اﻟﺣرﯾﺔ وﻣﻘدار ‪ T‬ﻛﺎﻟﺗﺎﻟﻲ‬

‫درﺟﺔ اﻟﺣرﯾﺔ ﺗﺳﺎوي ‪n1  n 2  2  12  10  2  20‬‬
‫وﻣن ﺟدول ﺳﺗودﻧت ﻣن ﺟﻬﺔ اﻟﯾﺳﺎر )اﻟﻘﯾم اﻟﺳﻔﻠﻰ( وﻋﻧد درﺟﺔ ﺣرﯾﺔ‪ 20‬وﻣﺳﺗو اﻟﻣﻌﻧوﯾﺔ ‪0.01‬‬
‫ﻧﺟد‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪84‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﻟدﯾﻧﺎ ‪ 0.10    0.90   1‬ودرﺟﺔ اﻟﺣرﯾﺔ )‪ (20‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻗﯾﻣﺔ ﺳﺗودﻧت ﺗﺳﺎوي‬
‫‪T‬‬ ‫‪T‬‬ ‫‪ T0.95,20  01.725‬‬
‫‪1  ,n1  n 2  2‬‬ ‫‪1 0.10 ,20‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪n1S12  n 2S22‬‬ ‫‪12  25 10 16‬‬

‫‪S2p‬‬ ‫‪‬‬ ‫‪ S2p ‬‬ ‫‪ 23‬‬ ‫ﻧﺣﺳب أﻻن اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪n1  n 2  2‬‬ ‫‪12 10  2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪1 1‬‬ ‫‪‬‬ ‫‪1 1 ‬‬
‫‪L   X1  X 2   t1  ,n  n 2Sp‬‬ ‫‪‬‬ ‫‪ L  81  85  1.725 ‬‬ ‫‪‬‬
‫‪23 ‬‬ ‫‪   0, 45‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪n1 n 2‬‬ ‫‪12 10 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪U   X1  X2   t1  ,n n 2Sp 1  1  U  81  85  1.725  23   1  1   07, 54‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫‪ 12 10 ‬‬

‫‪‬‬
‫‪P 0, 45  1  2   07, 54  0, 90‬‬ ‫‪‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬

‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪:‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪‬‬

‫‪‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪ 22‬‬

‫ﻧظرﯾﺔ‪ :07‬إذا ﻛﺎﻧت ‪  X1, X2 , X3,......., Xn ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪‬‬
‫‪1‬‬ ‫‪1‬‬

‫ﻣﺟﻬول وﺗﺑﺎﯾن ‪ ‬ﻣﺟﻬول‪ ،‬وﻛﺎﻧت ‪  X1, X2 , X3,......., Xn ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬ ‫‪2‬‬
‫‪2‬‬
‫‪1‬‬

‫ﺣﺳﺎﺑﻲ ‪ ‬ﻣﺟﻬول وﺗﺑﺎﯾن ‪ ‬وﻛﺎﻧت ‪     ‬واﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬ﻓﺈن أﻓﺿل‬ ‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻷول ‪ 12‬ﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ أي ‪ ، S12‬وان أﻓﺿل ﻣﻘدر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‬
‫اﻟﺛﺎﻧﻲ ‪ 22‬ﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ أي ‪ ، S22‬وﻣن ﺛم اﺳﺗﺧدام ﺗوزﯾﻊ ﺳﺗودﻧت وﺑدرﺟﺔ ﺣرﯾﺔ ﻣﻌﯾﻧﺔ‬
‫‪ 1 2 ‬‬ ‫)‪ ،(V‬وﻋﻠﯾﻪ وﻓﻘﺎ ﻟذﻟك ﻓﺎن ‪ 1   100%‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﻣﺎﺑﯾن ﻣﺗوﺳطﻲ اﻟﻣﺟﺗﻣﻌﯾن‬
‫ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻌﯾن ﻣﺟﻬوﻻ وﻟﻛﻧﻬﻣﺎ ﻏﯾر ﻣﺗﺳﺎوﯾﯾن ﺗﻛون ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪S12 S22‬‬ ‫‪S12 S22‬‬
‫‪P‬‬
‫‪‬‬ ‫‪X  X   t‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1  ,V‬‬
‫‪2‬‬ ‫‪n1 n 2‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪  1  2  X1  X 2  t ‬‬
‫‪1 ,V n‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪‬‬
‫‪n2‬‬ ‫‪‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫وﻗد ﺗم اﻗﺗراح اﻟﻌدﯾد ﻣن اﻟطرق ﻓﻲ ﻛﯾﻔﯾﺔ اﺧﺗﯾﺎر درﺟﺔ اﻟﺣرﯾﺔ ﻣن ﺑﯾﻧﻬﺎ اﻟطرﯾﻘﺔ اﻟﺗﺎﻟﯾﺔ‪ ،‬واﻟﺗﻲ ﻫﻲ اﻷﻛﺛر‬
‫‪2‬‬
‫‪ S2‬‬ ‫‪S22 ‬‬
‫‪ 1‬‬ ‫‪‬‬
‫‪ n1‬‬ ‫‪n 2 ‬‬
‫‪V‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻗﺑوﻻ‬
‫‪ S2‬‬ ‫‪‬‬ ‫‪ S2‬‬
‫‪‬‬
‫‪ 1‬‬ ‫‪‬‬ ‫‪ 2‬‬‫‪‬‬
‫‪ n1 ‬‬ ‫‪ n2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪n1 1‬‬ ‫‪n 2 1‬‬
‫ﺗﻣرﯾن‪:14‬ﺗم ﻗﯾﺎس ﻣﺳﺗوى اﻟﺳﻛر ﻓﻲ اﻟدم ﻟﻣﺟﻣوﻋﺗﯾن ﻣرﯾﺿﺗﯾن ﺑداء اﻟﺳﻛري‪ ،‬اﻟﻣﺟﻣوﻋﺔ اﻷوﻟﻰ‬
‫ﻋددﻫﺎ‪ 10‬ﻣرﺿﻰ‪ ،‬ﯾﻌﺎﻧون ﻣن اﻟﺳﻛري اﻟﻣﻌﺗﻣد ﻋﻠﻰ اﻷﻧﺳوﻟﯾن‪ ،‬واﻟﻣﺟﻣوﻋﺔ اﻟﺛﺎﻧﯾﺔ ﻋددﻫﺎ‪ 20‬ﻣرﯾﺿﺎ‬
‫ﯾﻌﺎﻧون ﻣن اﻟﺳﻛري ﻏﯾر اﻟﻣﻌﺗﻣد ﻋﻠﻰ اﻷﻧﺳوﻟﯾن‪ ،‬وﺟد ﻣن اﻟﻣﺟﻣوﻋﺔ اﻷوﻟﻰ أن ﻣﺗوﺳط اﻟﺳﻛر ﻟدﯾﻬم‬
‫ﯾﺳﺎوي ‪ 310‬ﻣﻠﻎ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري‪165‬ﻣﻠﻎ‪ ،‬وﻣن اﻟﻣﺟﻣوﻋﺔ اﻟﺛﺎﻧﯾﺔ وﺟد أن ﻣﺗوﺳط اﻟﺳﻛر ﻟدﯾﻬم‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪85‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪ 235‬ﻣﻠﻎ ﺑﺎﻧﺣراف‪100‬ﻣﻠﻎ‪ ،‬وﺑﻔرض أن اﻟﺗﺟﺎﻧس ﺑﯾن اﻟﻣﺟﺗﻣﻌﯾن ﻏﯾر ﻣﺗﺳﺎو وان اﻟﻣﺟﺗﻣﻌﯾن ﯾﺧﺿﻌﺎن‬
‫إﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫أﺣﺳب ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔﺎرق اﻟﺣﻘﯾﻘﻲ ﻓﻲ ﻣﺗوﺳط اﻟﺳﻛر ﻟﻠﻧوﻋﯾن )اﻟﻣﻌﺗﻣد ﻋﻠﻰ اﻷﻧﺳوﻟﯾن وﻏﯾر اﻟﻣﻌﺗﻣد ﻋﻠﻰ‬
‫اﻷﻧﺳوﻟﯾن( وذﻟك ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪%99‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‬
‫اﻟﻣﺟﻣوﻋﺔ اﻷوﻟﻰ‪n1  10, X1  310, S1  165 :‬‬
‫اﻟﻣﺟﻣوﻋﺔ اﻟﺛﺎﻧﯾﺔ‪n 2  20, X 2  235, S2  100 :‬‬
‫ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻌﺎن ﯾﺧﺿﻌﺎن إﻟﻰ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺣﺟم اﻟﻌﯾﻧﺗﯾن اﻗل ﻣن ‪ 30‬ﻓﺎن ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻣﺟﺗﻣﻌﯾن‬
‫ﺳوف ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ ‪v‬‬
‫ﻧﺳﺗﺧرج ﻗﯾﻣﺔ درﺟﺔ اﻟﺣرﯾﺔ ‪ V‬وﻣن ﺛم ﻧﺣﺳب ﻗﯾﻣﺔ اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‪.‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ S2‬‬ ‫‪S2 ‬‬ ‫‪ 165 2 100 2 ‬‬
‫‪ 1‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ n1‬‬ ‫‪n 2 ‬‬ ‫‪ 10‬‬ ‫‪20 ‬‬
‫‪V‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪V‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬
‫‪2  12, 41  12‬‬ ‫درﺟﺔ اﻟﺣرﯾﺔ‬
‫‪ S2 ‬‬ ‫‪ S2 ‬‬ ‫‪ 165 2 ‬‬ ‫‪ 100 2 ‬‬
‫‪ 1‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ n1 ‬‬ ‫‪ n2 ‬‬ ‫‪ 10 ‬‬ ‫‪ 20 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ ‬‬
‫‪n1 1‬‬ ‫‪n 2 1‬‬ ‫‪10  1‬‬ ‫‪20  1‬‬
‫ﻟدﯾﻧﺎ‬
‫ﻟدﯾﻧﺎ ‪ 0.01    0.99   1‬ودرﺟﺔ اﻟﺣرﯾﺔ )‪ (12‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻗﯾﻣﺔ ﺳﺗودﻧت ﺗﺳﺎوي‬
‫‪T   T 0.01  T0.995,12  03.055‬‬
‫‪1 ,V‬‬ ‫‪1‬‬ ‫‪,12‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪L   X1  X2   t1  ,V‬‬ ‫‪S12 S22‬‬

‫‪‬‬
‫‪n1 n 2‬‬
‫‪ L   310  235   03.055 165‬‬ ‫‪10‬‬
‫‪‬‬
‫‪100  98.42‬‬
‫‪20‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪U   X1  X2   t1  ,V‬‬ ‫‪S12 S22‬‬

‫‪‬‬ ‫‪ U  310  235   03.055‬‬ ‫‪165‬‬ ‫‪‬‬
‫‪100   248.42‬‬
‫‪2‬‬ ‫‪n1 n 2‬‬ ‫‪10‬‬ ‫‪20‬‬
‫‪P  98.42  1 2   248.42   0, 99‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪-07‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻏﯾر ﻣﺳﺗﻘﻠﯾن ‪ 1 2 ‬‬
‫ﺗﻣﻬﯾد‪:‬إن اﻟﻌﯾﻧﺎت ﻏﯾر اﻟﻣﺳﺗﻘﻠﺔ )اﻟﻣﻔردات اﻟﻣزدوﺟﺔ( ﺗﻛون ﻓﻲ ﺣﺎﻟﺔ ﻋدم ﺗﻐﯾﯾر ﻣﻔردات اﻟﻌﯾﻧﺔ‪ ،‬وذﻟك‬
‫ﺑﻌد إﻋطﺎء اﻟﻣﻔردات ﻣﻌﺎﻟﺟﺔ ﻣن ﺷﻛل ﺟدﯾد‪ ،‬ﻣن ﺷﺎن ﻫذﻩ اﻟﻣﻌﺎﻟﺟﺔ إﻣﺎ أن ﺗﻐﯾر أو ﺗﻘﻠل أو ﺗزﯾد ﻣن‬
‫اﻟﻘﯾﺎﺳﺎت اﻟﺗﻲ ﺗؤﺧذ ﻟﻬذﻩ اﻟﻣﻔردات‪.‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪86‬‬
 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﻓطرﯾﻘﺔ إدارﯾﺔ ﺟدﯾدة ﯾﻣﻛن أن ﺗﻐﯾر ﻣن إﻧﺗﺎﺟﯾﺔ اﻟﺷرﻛﺎت‪ ،‬وطرﯾﻘﺔ ﺗرﺑوﯾﺔ ﺟدﯾدة ﻗد ﺗؤدي إﻟﻰ رﻓﻊ ﻣﺳﺗوى‬
‫اﻟطﻼب‪ ،‬ودواء ﺟدﯾد ﻣن اﻟﻣﺣﺗﻣل أن ﯾﻘﻠل ﻣن ﺿﻐط اﻟدم‪.....‬اﻟﺦ‪.‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﺳوف ﯾﻛون ﻫﻧﺎك ﻋﯾﻧﺗﯾن اﻷوﻟﻰ ﺗﻣﺛل اﻟﻧﺗﺎﺋﺞ ﻗﺑل اﻟﺗﺟرﺑﺔ واﻟﺛﺎﻧﯾﺔ ﺗﻣﺛل اﻟﻧﺗﺎﺋﺞ ﺑﻌد اﻟﺗﺟرﺑﺔ‬
‫وﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺗﻛون اﻟﻌﯾﻧﺗﯾن ﻏﯾر ﻣﺳﺗﻘﻠﺗﯾن‪ ،‬إذن ﯾﻣﻛن اﻟﻘول ﺑﺄﻧﻪ إذا ظﻬرت ﻣﻔردات اﻟﻌﯾﻧﺗﯾن ﻓﻲ ﻫﯾﺋﺔ‬
‫أزواج ﺑﺣﯾث إن ﻛل ﻣﻔردﺗﯾن ﻟﻬﻣﺎ ﻋﻼﻗﺔ ﺑﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض )أي أن اﻟﻘﯾﺎﺳﺎت أو اﻟﻘراءات ﻋﻠﻰ ﻧﻔس‬
‫اﻟوﺣدة اﻟﺗﺟرﯾﺑﯾﺔ( ﻓﺎن اﻟﻌﯾﻧﺗﯾن ﻏﯾ ر ﻣﺳﺗﻘﻠﺗﯾن‪ٕ ،‬واذا ﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻏﯾر ﻣﺳﺗﻘﻠﺗﯾن ﻓﯾﺟب أن ﯾﻛون ﻋددﻫﻣﺎ‬
‫ﻣﺗﺳﺎوي‪.‬‬
‫ﻧظرﯾﺔ‪ :08‬ﻟﺗﻛن ﻟدﯾﻧﺎ ‪  X n , Yn  , ................  X 2 , Y2  ,  X1 , Y1 ‬ﺗرﻣز ﻟﻌﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن اﻟﻣﻔردات‬
‫اﻟﻣزدوﺟﺔ‪ ،‬أي أن ‪  Xi , Yi ‬ﺗرﻣز ﻟﻘﯾﺎﺳﯾن ﺗم أﺧذﻫﻣﺎ ﻋﻠﻰ ﻧﻔس وﺣدة اﻟﻣﻌﺎﯾﻧﺔ ﺣﯾث اﻟﻣﺟﺗﻣﻊ )‪ (X‬ﻟﻪ‬
‫ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬وﺗﺑﺎﯾن ‪ ، 12‬واﻟﻣﺟﺗﻣﻊ )‪ (Y‬ﻟﻪ ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪2‬‬
‫وﺗﺑﺎﯾن ‪ 22‬ﻓﺈذا رﻣزﻧﺎ ﻟﻠﻔرق ﻣﺎﺑﯾن ﻛل زوج ﻣن اﻟﻣﻔردات ﺑﺎﻟرﻣز ‪ di  Xi  Yi‬و ‪n،......،3،2،1=i‬‬
‫ﻓﺈن ‪ di‬ﻟﻬﺎ ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﯾﺳﺎوي ‪ d‬وﺗﺑﺎﯾن ‪ ، d2‬ﺣﯾث‪:‬‬
‫‪d  E  d    X1  Y1   E  X1   E  Y1   1  2‬‬
‫ﻫو اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻌﯾﻧﺔ اﻟﻔروق ‪، d‬‬ ‫‪ d  1  2 ‬‬ ‫وأﻓﺿل ﻣﻘدر ﻟﻠوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻣﺟﺗﻣﻊ اﻟﻔروق‬
‫وﺑﻣﺎ أن ﺗﺑﺎﯾن ﻣﺟﺗﻣﻊ اﻟﻔروق ﻣﺟول‪،‬إذن ﺳﻧﻘدرﻩ ﺑﺗﺑﺎﯾن ﻋﯾﻧﺔ اﻟﻔروق ‪ ، Sd2‬وﻧﺟد اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ اﻟﺗﺎﻟﻲ‪:‬‬
‫‪d  d‬‬
‫ﯾﺗوزع ﺗوزﯾﻊ ﺳﺗودﻧت )‪ (T‬ﺑدرﺟﺔ ﺣرﯾﺔ )‪.(V=n-1‬‬
‫‪Sd2‬‬
‫‪n‬‬
‫وﺗﻌطﻰ ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ ﻣﺟﺗﻣﻌﯾن ﻓﻲ ﺣﺎﻟﺔ ﻋﯾﻧﺗﯾن ﻣزدوﺟﺗﯾن ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ‬
‫‪ 1   100%‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪S2d‬‬ ‫‪Sd2 ‬‬
‫‪Pd  t‬‬ ‫‪  1  2   d  t ‬‬ ‫‪ 1 ‬‬
‫‪‬‬ ‫‪1  ,V‬‬ ‫‪n 1‬‬ ‫‪1 ,V n  1 ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2 ‬‬
‫‪Sd‬‬ ‫‪Sd ‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪‬‬
‫‪Pd  t ‬‬
‫‪1 ,V n‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 1   2  d  t ‬‬
‫‪1 ,V‬‬ ‫‪n ‬‬
‫‪ 1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫ﺑﺣﯾث ﯾﺗم ﺣﺳﺎب ﻛل ﻣن ‪ d‬و ‪ Sd2‬و ‪ Sd‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪2‬‬

‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬

‫‪ di‬‬ ‫‪  Xi  Yi ‬‬ ‫‪d  d‬‬
‫‪i‬‬ ‫‪2‬‬ ‫‪ d  d‬‬
‫‪i‬‬
‫‪d‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫‪, S2d ‬‬ ‫‪i 1‬‬
‫‪, Sd ‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n 1‬‬
‫ﺗﻣرﯾن‪:15‬ﻫﻧﺎك إدﻋﺎء ﻣن إﺣدى اﻟﺷرﻛﺎت اﻟﻣﻧﺗﺟﺔ ﻟﻸدوﯾﺔ أن ﻫﻧﺎك ﻧوع ﺟدﯾد ﻣن اﻟﻌﻘﺎﻗﯾر اﻟﺗﻲ ﯾﻣﻛن‬
‫اﺳﺗﺧداﻣﻬﺎ ﻟﺗﺧﻔﯾف اﻟوزن ﺑﻣﺗوﺳط ﻗدرﻩ ‪ 04.50‬ﻛﻎ‪ ،‬ﺧﻼل ﺷﻬر ﻣن ﺗﻧﺎوﻟﻬﺎ‪ ،‬ﻓﺈذا ﺗﻧﺎول ﻫذﻩ اﻟﻌﻘﺎﻗﯾر‬
‫ﺳﺑﻌﺔ أﺷﺧﺎص وﺳﺟﻠت أوزاﻧﻬم ﻗﺑل ﺑداﯾﺔ اﻟﺑرﻧﺎﻣﺞ وﺑﻌد ﺷﻬر ﻣن ﺗﻧﺎوﻟﻬﺎ ﻓﻛﺎﻧت اﻟﻧﺗﺎﺋﺞ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪87‬‬
‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫اﻷﺷﺧﺎص‬
‫اﻟوزن ﻗﺑل ﺗﻧﺎول‬
‫‪56.70‬‬ ‫‪62.60‬‬ ‫‪64.00‬‬ ‫‪69.00‬‬ ‫‪61.70‬‬ ‫‪60.30‬‬ ‫‪58.50‬‬
‫اﻟﻌﻘﺎﻗﯾر)‪(X‬‬
‫اﻟوزن ﺑﻌد ﺗﻧﺎول‬
‫‪54.40‬‬ ‫‪59.90‬‬ ‫‪58.50‬‬ ‫‪62.10‬‬ ‫‪58.10‬‬ ‫‪54.90‬‬ ‫‪60.00‬‬
‫اﻟﻌﻘﺎﻗﯾر)‪(Y‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻣﺗوﺳط اﻟﻔرق ﻓﻲ ﻣﺗوﺳط اﻟوزن)ﻗﺑل وﺑﻌد ﺗﻧﺎول اﻟﻌﻘﺎر( وذﻟك ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪،%95‬‬
‫ﺑﺎﻓﺗراض أن اﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ؟‬
‫اﻟﺣل‪:‬‬
‫ﻧﺟد أوﻻ ﻋﯾﻧﺔ اﻟﻔروق ﺛم ﻧﺣﺳب اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ‪ d‬و ‪ Sd2‬و ‪ Sd‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪2‬‬

‫اﻷﺷﺧﺎص‬
‫‪2‬‬
‫‪d  d‬‬
‫‪i‬‬
‫‪di  Xi  Yi‬‬ ‫‪Yi‬‬ ‫‪Xi‬‬

‫‪25.573‬‬ ‫‪-01.50‬‬ ‫‪60.00‬‬ ‫‪58.50‬‬ ‫‪01‬‬

‫‪03.397‬‬ ‫‪+05.40‬‬ ‫‪54.90‬‬ ‫‪60.30‬‬ ‫‪02‬‬
‫‪0.002‬‬ ‫‪+03.60‬‬ ‫‪58.10‬‬ ‫‪61.70‬‬ ‫‪03‬‬
‫‪11.176‬‬ ‫‪+06.90‬‬ ‫‪62.10‬‬ ‫‪69.00‬‬ ‫‪04‬‬
‫‪03.775‬‬ ‫‪+05.50‬‬ ‫‪58.50‬‬ ‫‪64.00‬‬ ‫‪05‬‬
‫‪0.734‬‬ ‫‪+02.70‬‬ ‫‪59.90‬‬ ‫‪62.60‬‬ ‫‪06‬‬
‫‪01.580‬‬ ‫‪+02.30‬‬ ‫‪54.40‬‬ ‫‪56.70‬‬ ‫‪07‬‬
‫‪46.237‬‬ ‫‪24.90‬‬ ‫‪407.90‬‬ ‫‪432.80‬‬ ‫اﻟﻣﺟﻣوع‬
‫‪n‬‬
‫‪‬‬ ‫‪di‬‬
‫‪24.90‬‬
‫‪d‬‬ ‫‪i 1‬‬ ‫‪d‬‬ ‫‪ 03.557‬‬
‫‪n‬‬ ‫‪07‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪d  d ‬‬
‫‪‬‬ ‫‪ i‬‬
‫‪i1 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪46.237‬‬
‫‪Sd2‬‬ ‫‪‬‬ ‫‪ Sd2 ‬‬ ‫‪ 06.605‬‬
‫‪n‬‬ ‫‪07‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪d  d ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪ i‬‬
‫‪i1 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪46.237‬‬
‫‪Sd ‬‬ ‫‪ Sd ‬‬ ‫‪ 07.706‬‬
‫‪n 1‬‬ ‫‪06‬‬
‫وﺣﯾث أن ‪ 0.05    0.95   1‬ودرﺟﺔ اﻟﺣرﯾﺔ )‪ (06‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻗﯾﻣﺔ ﺳﺗودﻧت ﺗﺳﺎوي‬
‫‪T   T 0.05  T0.975,06  02.447‬‬
‫‪1 ,V‬‬ ‫‪1‬‬ ‫‪,06‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪88‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪Sd2‬‬ ‫‪06.605‬‬
‫‪Ldt‬‬ ‫‪ L  03.557   02.447 ‬‬ ‫‪ 0.99‬‬
‫‪1  ,V‬‬ ‫‪n 1‬‬ ‫‪07  01‬‬
‫‪2‬‬

‫‪Sd2‬‬ ‫‪06.605‬‬
‫‪U dt‬‬ ‫‪ U  03.557   02.447 ‬‬ ‫‪ 06.124‬‬
‫‪1  , V‬‬ ‫‪n 1‬‬ ‫‪07  01‬‬
‫‪2‬‬

‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﺑﺎﺳﺗﺧدام ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل‬

‫‪2‬‬
‫‪Sd‬‬
‫‪L  d  t1  ,V‬‬ ‫‪ L  03.557   02.447  07.706  0.99‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪07‬‬
‫‪2‬‬
‫‪Sd‬‬
‫‪U  d  t1  ,V‬‬ ‫‪ U  03.557   02.447  07.706  06.124‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪07‬‬
‫‪P  0.99  1 2   06.124   0, 95‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪-08‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ ‪P‬‬
‫إن اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﻟﻧﺳﺑﺔ ﻣﻔردات اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ اﻟﺗﻲ ﺗﺣﻣل اﻟﺻﻔﺔ ﻣدار اﻟﺑﺣث ﯾرﻣز ﻟﻪ‬
‫ﺑﺎﻟرﻣز ‪ P‬ﺣﯾث ‪ P  x‬وﯾطﻠق ﻋﻠﯾﻬﺎ ﺗﺳﻣﯾﺔ ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ‪،‬أﻣﺎ ﻧﺳﺑﺔ ﻣﻔردات اﻟﻌﯾﻧﺔ اﻟﺗﻲ ﻻ ﺗﺣﻣل اﻟﺻﻔﺔ‬
‫‪‬‬ ‫‪‬‬

‫‪n‬‬
‫ﻣدار اﻟﺑﺣث ﯾرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز ‪ ، q  1  P‬أن اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﻋرﺿﺔ ﻟﻸﺧطﺎء وﺑﺎﻟﺗﺎﻟﻲ ﯾﻔﺿل‬
‫‪‬‬ ‫‪‬‬

‫اﺳﺗﺧدام اﻟﺗﻘدﯾر ﺿﻣن ﻓﺗرة‪ ،‬وﻛﻣﺎ ﻧﻌﻠم أن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ‪ P‬ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﺑﯾ ار‬
‫‪‬‬

‫وﺗﻛون ﻗﯾﻣﺔ ‪ p‬ﻟﯾﺳت ﺑﻘرﯾﺑﺔ ﻣن اﻟﺻﻔر أو اﻟواﺣد ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪   p‬وﺗﺑﺎﯾن‬
‫‪p‬‬
‫‪‬‬
‫‪p 1  p  p  q‬‬
‫‪ 2 ‬وﻋﻠﯾﻪ ﻓﺎن ‪ N  0,1‬‬ ‫ﻗدرﻩ‬
‫‪P P‬‬
‫‪Z‬‬ ‫‪‬‬
‫‪P 1  P ‬‬ ‫‪p‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪n‬‬
‫وﺑﻣﺎ أن ﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ ‪ P‬ﻣﺟﻬوﻟﺔ‪ ،‬وﻫﻲ اﻟﺗﻲ ﻧرﻏب ﻓﻲ ﺗﻘدﯾرﻫﺎ ﺑﺈﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ‪ ،‬ﻓﻼ ﻧﺳﺗطﯾﻊ ﺣﺳﺎب‬
‫‪p 1  p  p  q‬‬
‫‪ ( 2 ‬وﻟﻛﻧﻧﺎ ﺳﻧﻘدرﻩ ﺑﺎﺳﺗﺧدام أﻓﺿل ﻣﻘدر ﺑﺎﻟﻘﯾﻣﺔ ﻟﻧﺳﺑﺔ‬ ‫‪‬‬ ‫ﺗﺑﺎﯾن اﻟﻣﻌﺎﯾﻧﺔ ﻟﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ )‬
‫‪p‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪P 1  P ‬‬
‫‪ 2 ‬ﺣﯾث‬ ‫اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ ‪ P‬وﻫو ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ ‪ P‬وﻋﻧد اﺳﺗﺧدام ﻣﻘدر اﻟﺗﺑﺎﯾن وﻫو‪:‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪q  1 P‬‬
‫وﺑﺎﻟﺗﻌوﯾض ﺑﻘﯾﻣﺔ اﻟﺗﺑﺎﯾن اﻟﺟدﯾد ﻓﻲ ﺻﯾﻐﺔ اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬اﻟﺳﺎﺑﻘﺔ وﺑﺎﻟﺗﺎﻟﻲ ﺳﯾﺗوزع اﻟﻣﺗﻐﯾر اﻟﺟدﯾد‬
‫ﺗوزﯾﻌﺎ ﻗرﯾﺑﺎ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‪ ،‬ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﻛﺑﯾ ار إذن‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪P P‬‬ ‫‪‬‬
‫‪P  Z1   Z  Z1    1   P  Z1 ‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪Z‬‬‫‪1‬‬ ‫‪‬‬ ‫‪  1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪Pq‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪89‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫وﺑﺈﺟراء اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻋﻠﻰ اﻟﺣدود اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺎت ﺳﻧﺗﺣﺻل ﻋﻠﻰ ﻓﺗرة اﻟﺗﻘدﯾر اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪Pq‬‬ ‫‪‬‬ ‫‪P‬‬ ‫‪q‬‬
‫‪P  P Z ‬‬ ‫‪ P  P Z ‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﻧظرﯾﺔ‪ :09‬إذا ﻛﺎﻧت ‪ P  x‬ﻧﺳﺑﺔ اﻟﻧﺟﺎح ﻓﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ ،n‬وﻛﺎن ‪ n‬ﻛﺑﯾ ار ﻓﺎن ﻓﺗرة اﻟﺛﻘﺔ‬
‫‪‬‬

‫‪n‬‬
‫اﻟﺗﻘرﯾﺑﯾﺔ ‪ 1   100%‬ﻟﻧﺳﺑﺔ اﻟﻧﺟﺎح ‪ P‬ﻫﻲ‬
‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪Pq‬‬ ‫‪‬‬ ‫‪Pq ‬‬
‫‪P  P Z ‬‬ ‫‪ P  P Z ‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫أﻣﺎ إذا ﻛﺎن اﻟﻣﺟﺗﻣﻊ ﻣﺣدود واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﺷرط ‪ n  0.05‬ﻓﺈﻧﻧﺎ ﻧﺳﺗﺧدم ﻣﻌﺎﻣل‬
‫‪N‬‬
‫اﻹرﺟﺎع ﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ وﯾﺻﺑﺢ ﻣﺟﺎل اﻟﺗﻘدﯾر ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪Pq‬‬ ‫‪Nn‬‬ ‫‪‬‬ ‫‪Pq‬‬ ‫‪Nn ‬‬
‫‪P  P Z ‬‬ ‫‪‬‬ ‫‪ P  P Z ‬‬ ‫‪‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﻓﻲ اﻟﺣﻘﯾﻘﺔ أن ﻓﺗرة اﻟﺛﻘﺔ أﻋﻼﻩ ﻓﺗرة ﺗﻘرﯾﺑﯾﺔ وذﻟك ﻻن اﻟﺗﻘرﯾب ﻗد ﯾﺳﺗﺧدم ﻓﻲ ﻣرﺣﻠﺗﯾن أو ﺛﻼﺛﺔ ﻣراﺣل‬
‫ﻣﺧﺗﻠﻔﺔ‪ ،‬ﻓﻣن اﻟﻣﻣﻛن اﺳﺗﺧدام ﺗوزﯾﻊ ذي اﻟﺣدﯾن ﻟﺗﻘرﯾب اﻟﺗوزﯾﻊ ﻓوق اﻟﻬﻧدﺳﻲ‪ ،‬ﺛم اﺳﺗﺧدام اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ ﻟﺗﻘرﯾب ﺗوزﯾﻊ ذي اﻟﺣدﯾن واﺳﺗﺧدام اﻟﻧﺳﺑﺔ ‪ P‬ﻟﺗﻘرﯾب اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ل ‪ ،P‬وﻣﻊ ذﻟك ﻓﺎن ﻓﺗرة‬
‫‪‬‬

‫ﺛﻘﺔ ﻫذﻩ ﺳﺗﻛون ﺟﯾدة طﺎﻟﻣﺎ ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﻛﺑﯾر ﺑﺷﻛل ﻛﺎف‪.‬‬
‫ﺗﻣرﯾن‪ :16‬ﺗرﯾد أﺣد اﻟﺷرﻛﺎت اﻟﻘﯾﺎم ﺑﺗﺳوﯾق ﻧوع ﺟدﯾد ﻣن ﻣﺳﺣوق اﻟﻐﺳﯾل‪ ،‬وﻗﺑل اﻟﻘﯾﺎم ﺑذﻟك أرادت‬
‫اﻟﺷرﻛﺔ اﻟﻘﯾﺎم ﺑﺄﺑﺣﺎث ﻟﻠﺳوق ﻟﻣﻌرﻓﺔ ﻣدى ﺗﻔﺿﯾل اﻟﻧﺎس ﻟﻬذا اﻟﻣﺳﺣوق‪ ،‬ﻓﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن‬
‫‪ 200‬ﻣﺳﺗﻬﻠك و أﻫدت ﻟﻬم ﻋﺑوة ﻣﺟﺎﻧﯾﺔ‪ ،‬وﺑﻌد اﺳﺗﻌﻣﺎﻟﻬﺎ وﺟدت اﻟﺷرﻛﺔ أن ‪ 140‬ﻣﻧﻬم ﻓﺿﻠوا ﻫذا‬
‫اﻟﻣﺳﺣوق‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﺗﻘدﯾر ﻧﻘطﺔ ﻟﻧﺳﺑﺔ اﻟﻣﺳﺗﻬﻠﻛﯾن اﻟذﯾن ﯾﻔﺿﻠون ﻫذا اﻟﻣﺳﺣوق؟‬
‫‪-2‬ﺗﻘدﯾر ﻓﺗرة ﺛﻘﺔ ‪ %95‬ﻟﻧﺳﺑﺔ اﻟﻣﺳﺗﻬﻠﻛﯾن اﻟذﯾن ﯾﻔﺿﻠون ﻫذا اﻟﻣﺳﺣوق؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪n  200, X  140‬‬
‫‪-1‬ﺗﻘدﯾر ﻧﻘطﺔ ﻟﻧﺳﺑﺔ اﻟﻣﺳﺗﻬﻠﻛﯾن اﻟذﯾن ﯾﻔﺿﻠون ﻫذا اﻟﻣﺳﺣوق‪.‬‬
‫‪ P   P ‬إذن ‪ P‬ﻫﻲ ﻣﻘدر ﻟﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ ‪.P‬‬
‫‪‬‬ ‫‪‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪140‬‬
‫‪ 0.70‬‬
‫‪n‬‬ ‫‪200‬‬
‫‪ -2‬ﺗﻘدﯾر ﻓﺗرة ﺛﻘﺔ ‪ %95‬ﻟﻧﺳﺑﺔ اﻟﻣﺳﺗﻬﻠﻛﯾن اﻟذﯾن ﯾﻔﺿﻠون ﻫذا اﻟﻣﺳﺣوق‬
‫وﺑﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ﻧﺟد‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪90‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪ ‬‬
‫‪n P  05‬‬ ‫‪200  0.70  140  05‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n q  05‬‬ ‫‪200  0.30  60  05‬‬
‫‪‬‬
‫إذن اﻟﺷرطﺎن ﻣﺣﻘﻘﺎن وﺑﺎﻟﺗﺎﻟﻲ اﻟﻧﺳﺑﺔ ﺳوف ﺗﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪‬‬
‫وﺑﺗطﺑﯾق ﻋﻼﻗﺔ اﻟﺗﻘدﯾر ﻟﻠﻧﺳﺑﺔ‬
‫‪Pq‬‬ ‫‪‬‬ ‫‪Pq ‬‬
‫‪P  P Z ‬‬ ‫‪ P  P Z ‬‬ ‫‪  1 ‬‬
‫‪‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﻧﺳﺗﺧرج اﻟﺣد اﻷﻋﻠﻰ واﻷدﻧﻰ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪Pq‬‬ ‫‪0.70  0.30‬‬
‫‪L  P Z‬‬ ‫‪ L  0.70   01.960 ‬‬ ‫‪ 0.64‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪200‬‬
‫‪2‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪Pq‬‬ ‫‪0.70  0.30‬‬
‫‪U  P Z‬‬ ‫‪ U  0.70   01.960 ‬‬ ‫‪ 0.76‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪200‬‬
‫‪2‬‬

‫‪P  0.64  P  0.76  0.95‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬

‫‪ 1-8‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻟﻠﻧوﻋﯾﺎت اﻟﻣﻧﺎﺳب ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ‪ :‬إذا ﻛﺎﻧت ‪ P‬ﺗﻘﻊ ﻓﻲ ﻣرﻛز‬
‫اﻟﻔﺗرة ﻓﺎن ‪ P‬ﺗﻘدر ‪ P‬وﺑدون ﺧطﺄ وﻟﻛن ﻓﻲ اﻏﻠب اﻷﺣﯾﺎن ﺳوف ﻟن ﺗﻛون ﺑﺎﻟﺿﺑط ‪ P‬ﻣﺳﺎوﯾﺔ ﻟﻠﻧﺳﺑﺔ ‪P‬‬
‫‪‬‬ ‫‪‬‬

‫وﺑﺎﻟﺗﺎﻟﻲ ﻫﻧﺎك ﺧطﺄ ﻓﻲ اﻟﺗﻘدﯾر‪ ،‬وﻫذا اﻟﺧطﺄ ﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ ، E  P P‬وﻧﺣن ﻋﻠﻰ ﺛﻘﺔ ﻗدرﻫﺎ ﺗﻘرﯾﺑﺎ‬
‫‪‬‬

‫‪‬‬
‫‪Pq‬‬
‫‪ ، Z ‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﻲ اﻟﺣﺎﻻت اﻟﺗﻲ ﯾﻣﻛن‬ ‫‪ 1   100%‬إن ﻫذا اﻟﺧطﺄ ﺳوف ﻟن ﯾﻛون أﻛﺑر ﻣن‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬
‫ﻓﯾﻬﺎ اﺧﺗﯾﺎر ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n‬ﻓﺎﻧﻪ ﯾﻣﻛن اﺧﺗﯾﺎرﻩ ﺑﺣﯾث إذا ﻛﺎﻧت ‪ P‬ﺳوف ﺗﺳﺗﺧدم ﻛﺗﻘدﯾر ﻟﻠﻧﺳﺑﺔ ‪ ،P‬ﻧﺣن‬
‫‪‬‬

‫ﻋﻠﻰ ﺛﻘﺔ ‪ 1   100%‬ﺑﺎن ﻫذا اﻟﺧطﺄ ﺳوف ﻟن ﯾﻛون أﻛﺑر ﻣن ‪ ،E‬وان ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﻧﺎﺳب إذا ﻛﺎن‬
‫اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع ﻫو‬
‫‪Z2‬‬
‫‪1 ‬‬
‫‪1  P   P ‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪E2‬‬
‫أﻣﺎ إذا ﻛﺎن اﻟﺳﺣب ﻣن ﻣﺟﺗﻣﻊ ﻣﺣدود ﻣﻊ ﻋدم اﻹرﺟﺎع ﻓﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪N 1  P   P  Z2 ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪n‬‬
‫‪ N 1 E  1  P   P  Z12 ‬‬
‫‪2‬‬

‫‪2‬‬

‫‪-‬وﺑﻣﺎ أن ‪ P‬ﻏﯾر ﻣﻌﻠوﻣﺔ وﻻ ﻧﺳﺗطﯾﻊ ﺗﻘدﯾرﻫﺎ ﺑﺎﻟﻘﯾﻣﺔ ‪ P‬ﻷﻧﻧﺎ ﻟم ﻧﺄﺧذ اﻟﻌﯾﻧﺔ ﺑﻌد‪ ،‬وﻟذﻟك ﻧﺿﻊ ﺑدﻻ ﻣن‬
‫‪‬‬

‫)‪ (P)(1-P‬أﻛﺑر ﻗﯾﻣﺔ ﻟﻬﺎ وﻫﻲ ‪ 4/1‬ﻻن اﻻﻗﺗران )‪ (P)(1-P‬ﻋﻠﻰ اﻟﻔﺗرة )‪ (1,0‬ﻟﻪ ﻗﯾﻣﺔ ﻋظﻣﻰ ﻋﻧد‬
‫‪ p=1/2‬واﻟﻘﯾﻣﺔ اﻟﻌظﻣﻰ ﺗﻛون ‪ 4/1‬إذن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪91‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪Z12‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪n‬‬ ‫‪‬‬
‫‪E2‬‬ ‫‪4‬‬
‫‪-‬أﻣﺎ إذا ﻛﺎن اﻟﺳﺣب ﻣن ﻣﺟﺗﻣﻊ ﻣﺣدود ﻣﻊ ﻋدم اﻹرﺟﺎع ﻓﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪NZ12‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪04 N 1 E  Z2‬‬ ‫‪2‬‬
‫‪1 ‬‬
‫‪2‬‬
‫‪-‬وﻓﻲ ﺑﻌض اﻷﺣﯾﺎن ﺗﺗواﻓر ﻟدﯾﻧﺎ ﻣﻌﻠوﻣﺎت ﻋن ﻗﯾﻣﺔ ﺗﺣﻘق اﻟظﺎﻫرة اﻟﻣدروﺳﺔ ﻓﻲ اﻟﻣﺟﺗﻣﻊ )‪ ،(P‬إﻻ أﻧﻬﺎ‬
‫ﺗﺗراوح ﺑﯾن ﻗﯾﻣﺗﯾن ﻛﺑرى وﺻﻐرى‪ ،‬ﻓﺈﻧﻧﺎ ﻧﺄﺧذ ﺑﺎﻟﻘﯾﻣﺔ اﻷﻗرب إﻟﻰ ‪ ،%50‬وﻫﻧﺎ ﻧﻣﯾز ﺣﺎﻟﺗﯾن ﻫﻣﺎ‪:‬‬
‫ﻓﺗﻛون ﻗﯾﻣﺔ ‪P=10‬‬ ‫‪ 05  P  10 -‬‬
‫‪  60  P  80  -‬ﻓﺗﻛون ﻗﯾﻣﺔ ‪P=60‬‬
‫ﺗﻣرﯾن‪ :17‬ﺗرﻏب إﺣدى اﻟﺷرﻛﺎت اﻟﺳﯾﺎﺣﯾﺔ ﻓﻲ ﻣﻌرﻓﺔ ﻧﺳﺑﺔ اﻟطﻠﺑﺔ ﺑﺈﺣدى اﻟﻛﻠﯾﺎت اﻟذﯾن ﯾﺳﺎﻓرون إﻟﻰ‬
‫ﻟﻧدن ﻓﻲ ﻓﺗرة اﻟﻌطﻠﺔ اﻟﺻﯾﻔﯾﺔ وﺣﯾث أن ﻣﻘﺎﺑﻠﺔ وﺳؤال ﺟﻣﯾﻊ طﻠﺑﺔ اﻟﻛﻠﯾﺔ اﻟﺑﺎﻟﻎ ﻋددﻫم ‪ 2000‬طﺎﻟب‬
‫ﯾﻌﺗﺑر أﻣ ار ﺑﺎﻟﻎ اﻟﺻﻌوﺑﺔ ﻓﻘد ﻗررت اﻟﺷرﻛﺔ اﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ اﻟﻣطﻠوﺑﺔ وذﻟك ﻓﻲ ﺣدود‬
‫ﺧطﺄ ﯾﺳﺎوي ‪0.04‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﺑدرﺟﺔ ﺛﻘﺔ ‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪N  2000, E  0.04,1    0.95 :‬‬
‫ﺣﯾث ﻻ ﺗوﺟد ﻟدى اﻟﺷرﻛﺔ أﯾﺔ ﻣﻌﻠوﻣﺎت أو ﺗﻘدﯾرات ﻋن ﻧﺳﺑﺔ اﻟطﻠﺑﺔ اﻟذﯾن ﯾﺳﺎﻓرون إﻟﻰ ﻟﻧدن ﺧﻼل‬
‫اﻟﻌطﻠﺔ اﻟﺻﯾﻔﯾﺔ ﻓﺈن‪:‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫‪NZ12 ‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪2‬‬‫‪n‬‬
‫‪ 2000 01.96‬‬ ‫‪ 462‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪04  N 1 E  Z2 ‬‬
‫‪2‬‬
‫‪04  2000  01 0.04   01.96 ‬‬
‫‪1‬‬
‫‪2‬‬
‫ﺗﻣرﯾن‪ :18‬ﻓﻲ أﺣد اﻷﺣﯾﺎء ﻣن ﻣدﯾﻧﺔ ﻣﺎ ﺗﻘطن ‪ 4000‬أﺳرة‪ ،‬وﻛﺎن اﻟﻣطﻠوب ﺗﻘدﯾر ﻧﺳﺑﺔ اﻷﺳر‬
‫اﻟﻣﺳﺗﺄﺟرة ﺑﺧطﺄ ﻣرﺗﻛب ﻻ ﯾزﯾد ﻋن ‪ ،%05‬وﻛﺎﻧت اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﺳﺗﺄﺟرﯾن ﻣﺳﺎوﯾﺔ ل ‪.%45‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ اﻟواﺟب ﺳﺣﺑﻬﺎ ﻣﻊ اﻹرﺟﺎع ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﺳﺗﺄﺟرﯾن ﺑدرﺟﺔ ﺛﻘﺔ ‪%95‬؟‬
‫‪ -2‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ اﻟواﺟب ﺳﺣﺑﻬﺎ ﻣﻊ ﻋدم اﻹرﺟﺎع ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻠﻣﺳﺗﺄﺟرﯾن ﺑدرﺟﺔ ﺛﻘﺔ‬
‫‪%95‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪92‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫اﻟﺣل‪:‬‬
‫ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻟدﯾﻧﺎ‪N  4000, E  0.05, P  0.45,1    0.95 :‬‬
‫‪-1‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ اﻹرﺟﺎع ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫إذن‬
‫‪Z2  1  P   P ‬‬ ‫‪2‬‬

‫‪n‬‬
‫‪1‬‬
‫‪2‬‬
‫‪n‬‬
‫‪ 01.96   0.45 01  0.45  380‬‬
‫‪E2‬‬ ‫‪ 0.05‬‬
‫‪2‬‬

‫‪ -2‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫‪N 1  P   P  Z2 ‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪ 4000  0.45 0.55 01.96‬‬ ‫‪ 347‬‬
‫‪ N 1 E2  1 P   P  Z12 ‬‬ ‫‪‬‬ ‫‪4000‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪0‬‬‫‪.‬‬‫‪05‬‬
‫‪2‬‬
‫‪    ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪45‬‬ ‫‪0‬‬ ‫‪.‬‬‫‪55‬‬ ‫‪01‬‬‫‪.‬‬‫‪96‬‬ ‫‪‬‬
‫‪2‬‬

‫‪2‬‬

‫ﺗﻣرﯾن‪ :19‬ﻟﻘد ﻛﺎن ﻣن اﻟﻣرﻏوب ﻓﻲ ﺗﺣدﯾد ﻧﺳﺑﺔ اﻟﻌﻣﺎل ﺣﻣﻠﺔ اﻹﺟﺎزة اﻟﺟﺎﻣﻌﯾﺔ ﻓﻲ اﻟﺻﻧﺎﻋﺎت‬
‫اﻟﻛﯾﻣﯾﺎﺋﯾﺔ‪ ،‬وﻗد ﻗدرت ﻫذﻩ اﻟﻧﺳﺑﺔ ﺑﯾن ‪ %02‬و‪.%22‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣﺎ ﻫو ﺣﺟم اﻟﻌﯾﻧﺔ اﻟواﺟب ﺳﺣﺑﻬﺎ ﻋﺷواﺋﯾﺎ ﺑﻐﯾﺔ ﺗﻘدﯾر اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﺣﻣﻠﺔ اﻹﺟﺎزة اﻟﺟﺎﻣﻌﯾﺔ ﻓﻲ ﻫذﻩ‬
‫اﻟﺻﻧﺎﻋﺔ ﻋﻠﻰ أن ﻻ ﯾزﯾد اﻟﺧطﺄ اﻟﻣرﺗﻛب ﻓﻲ اﻟﺗﻘدﯾر ﻋن‪ ،%05‬وان ﻻ ﯾﻘل اﺣﺗﻣﺎل اﻟدﻗﺔ ﻋن ‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪ 0.12  P  0.22 , E  0.05,1    0.95 :‬‬
‫وﺑﻣﺎ أن ﻧﺳﺑﺔ اﻻﺣﺗﻣﺎل ﻣﺣﺻورة ﺑﯾن ﻗﯾﻣﺗﯾن ﻧﺄﺧذ اﻟﻘﯾﻣﺔ اﻷﻗرب إﻟﻰ ‪ %50‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﻘﯾﻣﺔ ‪P=0.22‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫‪Z2  1  P   P ‬‬ ‫‪2‬‬

‫‪n‬‬
‫‪1‬‬
‫‪2‬‬
‫‪n‬‬
‫‪ 01.96  0.22  01  0.22   264‬‬ ‫إذن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‬
‫‪E2‬‬ ‫‪ 0.05‬‬
‫‪2‬‬

‫ﺗﻣرﯾن‪ :20‬رﻏب أﺣد اﻟﺑﺎﺣﺛﯾن ﻓﻲ ﺗﻘدﯾر ﻧﺳﺑﺔ اﻷﺳر اﻟﺗﻲ ﻻ ﯾزﯾد ﻋدد أﻓرادﻫﺎ ﻋن ﺛﻼﺛﺔ أﺷﺧﺎص‪،‬‬
‫وﻛﺎن اﻻﻋﺗﻘﺎد اﻟﺳﺎﺋد ﺑﺎن ﻧﺳﺑﺔ ﻫذﻩ اﻷﺳر ﺗﺗرواح ﺑﯾن ‪ %60‬و‪.%70‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﺗﺣدﯾد ﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣراد ﺳﺣﺑﻬﺎ ﻋﺷواﺋﯾﺎ ﻟﺗﻘدﯾر اﻟﻧﺳﺑﺔ اﻟﺣﻘﯾﻘﯾﺔ ﻟﻸﺳر اﻟﺗﻲ ﻻ ﯾزﯾد ﻋدد أﻓرادﻫﺎ ﻋن‬
‫ﺛﻼﺛﺔ أﺷﺧﺎص‪ ،‬ﻋﻠﻰ أن ﻻ ﯾزﯾد اﻟﺧطﺄ اﻟﻣﺳﻣوح ارﺗﻛﺎﺑﻪ ﻓﻲ اﻟﺗﻘدﯾر ﻋن ‪ ،%04‬وان ﻻ ﯾﻘل إﺣﺗﻣﺎل اﻟدﻗﺔ‬
‫ﻋن ‪%95‬؟‬
‫اﻟﺣل‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪93‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ﻟدﯾﻧﺎ‪0.60  P  0.70 , E  0.04,1  0.95 :‬‬

‫وﺑﻣﺎ أن ﻧﺳﺑﺔ اﻻﺣﺗﻣﺎل ﻣﺣﺻورة ﺑﯾن ﻗﯾﻣﺗﯾن ﻧﺄﺧذ اﻟﻘﯾﻣﺔ اﻷﻗرب إﻟﻰ ‪ %50‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﻘﯾﻣﺔ ‪P=0.60‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫‪Z2  1  P   P ‬‬ ‫‪2‬‬

‫‪n‬‬
‫‪1‬‬
‫‪2‬‬
‫‪n‬‬
‫‪ 01.96  0.60  01  0.60   576‬‬ ‫إذن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو‬
‫‪E2‬‬ ‫‪ 0.04‬‬
‫‪2‬‬

‫‪ P1  P2 ‬‬ ‫‪ -09‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻣﺟﺗﻣﻌﯾن‬

‫ﻧظرﯾﺔ‪ :10‬إذا ﻛﺎﻧت ‪  X1, X2 , X3 ,......., Xn ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن ﻓﺎن‬ ‫‪1‬‬

‫اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﯾﻌطﻰ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ‪ٕ ، P1  X‬واذا ﻛﺎﻧت ‪ n1‬ﻛﺑﯾرة ﺟدا )ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ( ﻓﺈن‬
‫‪‬‬

‫‪n‬‬
‫‪‬‬ ‫‪P1 1  P1  ‬‬
‫‪ ، P1  N  P1 ,‬وﺑﺎﻟﻣﺛل إذا ﻛﺎﻧت ‪  X1, X2 , X3 ,......., Xn2 ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺧﺿﻊ ﻟﺗوزﯾﻊ‬
‫‪‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ٕ P2 ‬واذا ﻛﺎﻧت ‪ n2‬ﻛﺑﯾرة ﺟدا )ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ‬ ‫ذي اﻟﺣدﯾن ﻓﺎن اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﯾﻌطﻰ ﻟﻬذﻩ اﻟﻌﯾﻧﺔ‬
‫‪‬‬ ‫‪X‬‬
‫‪n2‬‬
‫‪‬‬ ‫‪P2 1  P2  ‬‬
‫‪ٕ ، P2  N  P2 ,‬واذا ﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻓﺎن ‪P1  P2‬‬ ‫اﻟﻣرﻛزﯾﺔ( ﻓﺎن ‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪‬‬ ‫‪n2‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫ﺗﺷﻛل ﺻﯾﻐﺔ ﺧطﯾﺔ ﻟﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺗﻘرﯾﺑﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ P1  P2‬‬
‫‪P1  P2‬‬

‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬ ‫‪P1 1  P1  P2 1  P2 ‬‬
‫‪Z‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ N  0,1‬‬ ‫‪ 2‬وﻋﻠﯾﻪ ﻓﺎن‪:‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫وﺗﺑﺎﯾن‬
‫‪P1 1  P1  P2 1  P2 ‬‬ ‫‪P1 P2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪‬‬ ‫‪‬‬
‫‪P   Z‬‬ ‫‪ZZ‬‬ ‫‪  1  ‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛﻧﻧﺎ اﻟﻘول ﺑﺎن‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ P1  P2  ‬‬
‫‪‬‬
‫‪P1  P2‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P  Z1 ‬‬ ‫‪‬‬ ‫‪ Z1    1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P1 1 P1 P2 1 P2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫أي أن‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪‬‬
‫وﺑﻣﺎ أن ﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ اﻷول ‪ P1‬ﻣﺟﻬوﻟﺔ‪ ،‬وﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ‪ P2‬ﻣﺟﻬوﻟﺔ‪ ،‬ﻓﻼ ﻧﺳﺗطﯾﻊ ﺣﺳﺎب اﻟﺧطﺄ‬
‫وﻟﻛﻧﻧﺎ ﺳﻧﻘدرﻩ ﺑﺎﺳﺗﺧدام أﻓﺿل ﻣﻘدر ﺑﺎﻟﻘﯾﻣﺔ‬ ‫‪‬‬
‫‪P1  P 2‬‬
‫‪‬‬
‫اﻟﻣﻌﯾﺎري ﻟﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻌﯾﻧﺗﯾن‬
‫‪ ، P1‬وأﻓﺿل ﻣﻘدر ﺑﺎﻟﻘﯾﻣﺔ ﻟﻧﺳﺑﺔ‬ ‫ﻟﻧﺳﺑﺔ اﻟﻣﺟﺗﻣﻊ اﻷول اﻟﻣﺟﻬوﻟﺔ ‪ P1‬وﻫو ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ‬
‫‪‬‬

‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ اﻟﻣﺟﻬوﻟﺔ ‪ P2‬وﻫو ﻧﺳﺑﺔ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪ ، P2‬وﻋﻠﯾﻪ ﻓﺎن ‪1   100%‬‬
‫‪‬‬

‫ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ‪ P1  P2‬اﻧطﻼﻗﺎ ﻣن اﻟﻣﻌﺎدﻟﺔ اﻷﺧﯾرة وﺑﺈﺟراء ﺑﻌض اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻋﻠﻰ اﻟﺣدود‬
‫اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﺳﻧﺗﺣﺻل ﻋﻠﻰ اﻟﺻﯾﻐﺔ اﻟﺗﺎﻟﯾﺔ ﻟﻠﺗﻘدﯾر‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪94‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪‬‬
‫‪  ‬‬ ‫‪P1  1  P1  P2  1  P2 ‬‬ ‫‪P‬‬‫‪1‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪P‬‬‫‪1‬‬ ‫‪P‬‬‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪P‬‬‫‪2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪   1 ‬‬
‫‪P  P1  P2   Z ‬‬ ‫‪‬‬ ‫‪  P1  P2    P1  P2   Z ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬‫‪‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬‫‪‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫إذا ﻛﺎن اﻟﻣﺟﺗﻣﻌﺎن ﻣﺣدودان واﻟﺳﺣب ﻣﻊ ﻋدم اﻹرﺟﺎع ﻣﻊ ﺗﺣﻘق اﻟﺷرط اﻟﻼزم )ﻛﺳر اﻟﻣﻌﺎﯾﻧﺔ( ﻧﺿﯾف‬
‫ﻟﻠﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﻣﻌﺎﻣل اﻹرﺟﺎع أو ﻣﻌﺎﻣل اﻟﺗﺻﺣﯾﺢ‪.‬‬
‫ﺗﻣرﯾن‪ :21‬ﺳﺣﺑت ﻋﯾﻧﺗﺎن ﻋﺷواﺋﯾﺗﺎن ﻣﺳﺗﻘﻠﺗﺎن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻣﻊ اﻹرﺟﺎع‪ ،‬اﻷوﻟﻰ ﺗﺣﺗوي ﻋﻠﻰ‬
‫‪ 120‬وﺣدة ﻣﻧﺗﺟﺔ ﺑﺎﻵﻟﺔ )أ( ووﺟدﻧﺎ ﺑﻬﺎ ‪ 06‬وﺣدات ﺑﻬﺎ ﻋﯾوب‪ ،‬واﻟﺛﺎﻧﯾﺔ ﺗﺣﺗوي ﻋﻠﻰ ‪ 200‬وﺣدة ﻣﻧﺗﺟﺔ‬
‫ﺑﺎﻵﻟﺔ )ب( ووﺟدﻧﺎ ﺑﻬﺎ ‪ 09‬وﺣدات ﺑﻬﺎ ﻋﯾوب‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻗدر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻓﻲ اﻹﻧﺗﺎج اﻟﻛﻠﻲ ﻟﻶﻟﺔ )أ( وﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ‬
‫ﻋﯾوب ﻓﻲ اﻹﻧﺗﺎج اﻟﻛﻠﻲ ﻟﻶﻟﺔ )ب( وذﻟك ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى ﺛﻘﺔ ‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫‪X1  06, n1  120, X 2  09, n 2  200,1    0.95‬‬ ‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪:‬‬
‫‪-1‬ﺗﻘدﯾر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻟوﺣدات اﻟﺗﺎﻟﻔﺔ‬
‫ﻧﺣﺳب أوﻻ ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻓﻲ إﻧﺗﺎج اﻵﻟﺗﯾن ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪X1‬‬
‫‪-‬ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻟﻌﯾﻧﺔ إﻧﺗﺎج اﻵﻟﺔ )أ( ﻫﻲ‪ 0.05 :‬‬
‫‪‬‬ ‫‪‬‬ ‫‪06‬‬
‫‪P1 ‬‬ ‫‪ P1 ‬‬
‫‪n1‬‬ ‫‪120‬‬
‫‪X‬‬
‫‪ -‬ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻟﻌﯾﻧﺔ إﻧﺗﺎج اﻵﻟﺔ )ب( ﻫﻲ‪ 0.045 :‬‬
‫‪‬‬ ‫‪09‬‬
‫‪P2  2 ‬‬
‫‪n 2 200‬‬
‫وﺑﻣﺎ أن ‪95%  1   100%‬‬
‫‪Z‬‬ ‫إذن ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P1 1  P1 ‬‬ ‫‪P2 1  P2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪L   P1  P2   Z‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪0.05 1  0.05 0.045 1  0.045‬‬
‫‪L   0.05  0.045   01.96 ‬‬ ‫‪‬‬ ‫‪ 0.0434‬‬
‫‪120‬‬ ‫‪200‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P1 1  P1 ‬‬ ‫‪P2 1  P2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪U   P1  P2   Z‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪0.05 1  0.05  0.045 1  0.045 ‬‬
‫‪U   0.05  0.045    01.96 ‬‬ ‫‪‬‬ ‫‪ 0.0534‬‬
‫‪120‬‬ ‫‪200‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪95‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪P  0.0434   P1  P2   0.0534   0, 95‬‬ ‫إذن ﻓﺗرة اﻟﺗﻘدﯾر ﻫﻲ‬
‫أي ﺑﺛﻘﺔ ﻗدرﻫﺎ ‪ %95‬ﻧﺳﺗطﯾﻊ اﻟﻘول ﺑﺎن اﻟﻔرق ﺑﯾن ﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻓﻲ اﻹﻧﺗﺎج اﻟﻛﻠﻲ ﻟﻶﻟﺔ‬
‫)أ( وﻧﺳﺑﺔ اﻟوﺣدات اﻟﺗﻲ ﺑﻬﺎ ﻋﯾوب ﻓﻲ اﻹﻧﺗﺎج اﻟﻛﻠﻲ ﻟﻶﻟﺔ )ب( ﯾﻘﻊ ﺑﯾن ‪ -04.34%‬و‪.%05.34‬‬
‫‪ -10‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪2‬‬
‫ﺗﻣﻬﯾد‪ :‬ﻓﻲ ﺑﻌض اﻟدراﺳﺎت اﻹﺣﺻﺎﺋﯾﺔ ﻧﺟد أﻧﻔﺳﻧﺎ ﺑﺣﺎﺟﺔ إﻟﻰ ﻣﻌرﻓﺔ ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ 2‬وﻛﺛﯾ ار ﻣﺎ ﯾﻛون‬
‫ﻫذا اﻟﺗﺑﺎﯾن ﻣﺟﻬوﻻ وﻏﯾر ﻣﻌروف ﻟﻧﺎ‪ ،‬ﻟﻬذا ﻧﻠﺟﺄ إﻟﻰ ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﻟﺗﻘدﯾر ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‪ ،‬ﻓﻣﺛﻼ ﻋﻧد ﺗﻘدﯾر‬
‫ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ﺑﺎﺳﺗﺧدام ﻣﺗوﺳط اﻟﻌﯾﻧﺔ اﺳﺗطﻌﻧﺎ إﯾﺟﺎد ﻓﺗرات ﺛﻘﺔ ﻣﻧﺎﺳﺑﺔ وﻟﻛن ﻛﺎﻧت ﻓﺗرات اﻟﺛﻘﺔ ﺗﻌﺗﻣد‬
‫ﻋﻠﻰ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪ ، ‬وأﺣﯾﺎﻧﺎ ﺗﻛون ‪ ‬ﻣﺟﻬوﻟﺔ ﻟذﻟك ﻧﺳﺗﺧدم ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ اﻻﻧﺣراف‬
‫اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ ‪ S‬ﻛﺗﻘدﯾر ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪ ، ‬أي أﻧﻧﺎ ﻧﺳﺗﺧدم ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬ﻛﺗﻘدﯾر ﻟﺗﺑﺎﯾن‬
‫اﻟﻣﺟﺗﻣﻊ ‪ ، 2‬وﻫذا اﻟﺗﻘدﯾر ﯾﺳﻣﻰ اﻟﺗﻘدﯾر ﺑﻧﻘطﺔ‪ ،‬أي أﻧﻧﺎ ﻣن ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﯾﻣﻛﻧﻧﺎ اﻟﺣﺻول ﻋﻠﻰ ﻗﯾﻣﺔ‬
‫ﻋددﯾﺔ وﺣﯾدة ﻟﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ S2‬واﻋﺗﺑرت ﺗﻘدﯾ ار ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‪ ،‬أي أن اﻟﺗﻘدﯾر ﺑﻧﻘطﺔ ﻫو اﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ‬
‫ﻋددﯾﺔ وﺣﯾدة وﻫو ﺗﻘدﯾر ﻣﻘﺑول وﺟﯾد وﯾﺳﺗﺧدم ﻓﻲ ﻛﺛﯾر ﻣن اﻟدراﺳﺎت اﻹﺣﺻﺎﺋﯾﺔ‪ ،‬وﻟﻛﻧﻧﺎ اﻵن ﻧرﻏب ﻓﻲ‬
‫إﯾﺟﺎد ﻓﺗرة ﺛﻘﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫ﻧظرﯾﺔ‪ :11‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪  Xn ,...................X3 , X2 , X1 ‬ﺗﺷﻛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪2‬‬

‫‪2 ‬‬
‫‪ n 1 S  nS2‬‬ ‫ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﯾﺳﺎوي ‪ ‬وﺗﺑﺎﯾن ‪ ، 2‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻺﺣﺻﺎءة‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫ﯾﺗﺑﻊ ﺗوزﯾﻊ ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ ﻣرﺑﻊ –ﻛﺎي وﺑدرﺟﺔ ﺣرﯾﺔ ‪ ،n-1‬وﻣن اﻟﺟداول اﻹﺣﺻﺎﺋﯾﺔ ﻧﺣﺻل ﻋﻠﻰ‬
‫اﻟﺟدول اﻹﺣﺻﺎﺋﻲ اﻟﺧﺎص ﺑﻬذا اﻟﺗوزﯾﻊ ﺑﺣﯾث ﻧﺗﺣﺻل ﻋﻠﻰ ﻗﯾﻣﺗﯾن ﻟﻠﻣﺗﻐﯾر ‪ 2‬ﻋﻧد درﺟﺔ ﺣرﯾﺔ ﻣﻌﯾﻧﺔ‪،‬‬
‫ﺑﺣﯾث ﺗﻛون اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﯾﻣﯾن اﻟﻘﯾﻣﺔ اﻟﻛﺑرى ﺗﺳﺎوي اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﯾﺳﺎر اﻟﻘﯾﻣﺔ اﻟﺻﻐرى وﺗﺳﺎوي ‪، ‬‬
‫‪2‬‬
‫ٕواذا رﻣزﻧﺎ ﻟﻛل ﻗﯾﻣﺔ ﺑﺎﺳﺗﻌﻣﺎل اﻟﻣﺳﺎﺣﺔ اﻟﺗﻲ ﻋﻠﻰ ﯾﻣﯾﻧﻬﺎ ﺳﻧرﻣز ﻟﻠﻘﯾﻣﺔ اﻟﻛﺑرى ﺑﺎﻟرﻣز ‪ 2‬وﻟﻠﻘﯾﻣﺔ‬
‫‪2‬‬

‫اﻟﺻﻐرى ﺑﺎﻟرﻣز ‪  2 ‬وﺣﯾث أن اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﯾﺔ ﺗﺣت ﻣﻧﺣﻧﻰ ﺗوزﯾﻊ ‪ 2‬ﺗﺳﺎوي اﻟواﺣد اﻟﺻﺣﯾﺢ‪،‬إذن‬
‫‪1‬‬
‫‪2‬‬

‫اﻟﻣﺳﺎﺣﺔ ﺑﯾن ﻫﺎﺗﯾن اﻟﻘﯾﻣﺗﯾن ﺗﺳﺎوي ‪ 1 ‬و اﻟﺷﻛل اﻟﺗﺎﻟﻲ ﯾوﺿﺢ ذﻟك‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪96‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫‪0,08‬‬

‫‪0,07‬‬

‫‪0,06‬‬

‫‪0,05‬‬

‫‪0,04‬‬

‫‪0,03‬‬ ‫‪1 ‬‬

‫‪0,02‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪0,01‬‬

‫‪0,00‬‬
‫‪0‬‬ ‫‪2 n1‬‬
‫‪,‬‬
‫‪12  ,n 1‬‬
‫‪2‬‬ ‫‪2‬‬

‫وﻣن اﻟﺷﻛل اﻟﺳﺎﺑق ﯾﻣﻛﻧﻧﺎ أن ﻧﺳﺗﻧﺗﺞ ﻣﺟﺎل اﻟﺛﻘﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪P  2 ,n 1  2  12 ,n 1   1‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﻧظرﯾﺔ‪ :12‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪  Xn ,...................X3 , X2 , X1 ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﻟﻪ اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ ‪ X  N  , 2 ‬وﺑﻔرض أﻧﻧﺎ ﻧرﯾد إﯾﺟﺎد ﻓﺗرة ﺛﻘﺔ ﺑﻣﻌﺎﻣل ﺛﻘﺔ ‪ 1  ‬ﻟﺗﺑﺎﯾن ﻫذا اﻟﻣﺟﺗﻣﻊ‪ ،‬ﻓﻲ‬
‫ﻫذﻩ اﻟﺣﺎﻟﺔ ﯾﻛون ﻫﻧﺎك ﺣﺎﻟﺗﯾن‪:‬‬
‫‪n‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ X  ‬‬
‫‪ S2 ‬ﺗﻣﺛل ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬ ‫‪i 1‬‬
‫‪-1‬إذا ﻛﺎن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ‬ﻣﻌﻠوم‪:‬إذا ﻛﺎﻧت ‪ ‬ﻣﻌﻠوﻣﺔ ﻓﺈن‬
‫‪n‬‬
‫‪nS2‬‬
‫‪ ،‬وﻧﻌﻠم أن‬ ‫ﻋﻠﻰ أﺳﺎس ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ، ‬وان اﻟﻛﻣﯾﺔ اﻟﻣﺣورﯾﺔ اﻟﻣطﻠوﺑﺔ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻫﻲ‬
‫‪2‬‬
‫ﺗوزﯾﻌﻬﺎ ﻫو ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﺑدرﺟﺔ ﺣرﯾﺔ ‪ ،n‬وﻫو ﺗوزﯾﻊ ﻣﺳﺗﻘل ﻋن ‪ 2‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺣﺻر ﻫذﻩ اﻟﻛﻣﯾﺔ‬
‫اﻟﻣﺣورﯾﺔ ﺑﯾن اﻟﻘﯾﻣﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن ‪  2  , 2‬ﺛم ﻧﻌزل اﻟوﺳﯾط اﻟﻣﺟﻬول ‪ ، 2‬ﻓﻧﺣﺻل ﻋﻠﻰ ﻓﺗرة‬
‫‪1 ,n‬‬ ‫‪,n‬‬
‫‪2‬‬ ‫‪2‬‬

‫اﻟﺛﻘﺔ ‪ 1   100%‬اﻟﻣطﻠوﺑﺔ واﻟﺗﻲ ﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪ nS2‬‬ ‫‪2‬‬ ‫‪nS2‬‬ ‫‪‬‬
‫‪P 2‬‬ ‫‪  2‬‬ ‫‪  1 ‬‬
‫‪ 1  ,n‬‬ ‫‪‬‬
‫‪,n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪-2‬إذا ﻛﺎن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ‬ﻏﯾر ﻣﻌﻠوم‪ :‬ﻓﻲ ﺣﺎﻟﺔ ﻛون ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ‬ﻣﺟﻬوﻻ ﻓﺈن أﻓﺿل‬
‫‪n‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪ ،‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن اﻟﻛﻣﯾﺔ اﻟﻣﺣورﯾﺔ ﻫﻲ ‪ n 1 S‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪Xi  X‬‬ ‫‪‬‬
‫ﺗﻘدﯾر ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻫو‬
‫‪2‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪S‬‬
‫‪‬‬ ‫‪n 1‬‬
‫وﺗوزﯾﻌﻬﺎ ﻫو ﺗوزﯾﻊ ﻣرﺑﻊ ﻛﺎي ﺑدرﺟﺔ ﺣرﯾﺔ ‪ ،n-1‬وﻫو ﺗوزﯾﻊ ﻣﺳﺗﻘل ﻋن ‪ 2‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺣﺻر ﻫذﻩ اﻟﻛﻣﯾﺔ‬
‫‪  2  , 2‬ﺛم ﻧﻌزل اﻟوﺳﯾط اﻟﻣﺟﻬول ‪ ، 2‬ﻓﻧﺣﺻل ﻋﻠﻰ ﻓﺗرة‬ ‫اﻟﻣﺣورﯾﺔ ﺑﯾن اﻟﻘﯾﻣﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن‬
‫‪1 ,n 1‬‬ ‫‪,n 1‬‬
‫‪2‬‬ ‫‪2‬‬

‫اﻟﺛﻘﺔ ‪ 1   100%‬اﻟﻣطﻠوﺑﺔ واﻟﺗﻲ ﺗﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪97‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪2‬‬ ‫‪2 ‬‬
‫‪  n 1 S‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪S‬‬
‫‪P 2‬‬ ‫‪ 2  2‬‬ ‫‪  1 ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪ ,n 1 ‬‬
‫‪ 1 ,n 1‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﺗﻣرﯾن ‪ :22‬إذا ﻋﻠﻣت أن ﺗﺑﺎﯾن ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ذات ﺣﺟم ‪ 25‬ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﻟﻪ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪25‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ Xi 10‬‬
‫‪S2 ‬‬ ‫‪i1‬‬
‫‪ 09‬‬ ‫‪ X  N 10,2 ‬وﻛﺎن‬
‫‪25‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﺗﺣدﯾد ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪ %95‬ﻟﺗﺑﺎﯾن ﻫذا اﻟﻣﺟﺗﻣﻊ؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪  10, n  25,1  0.95,S2  09 :‬‬
‫ﺑﻣﺎ أن ‪ %95  %100 1  ‬ﻟدﯾﻧﺎ ‪0.05    0.95   1‬‬
‫ودرﺟﺔ اﻟﺣرﯾﺔ ‪ n=25‬وﺑﺎﺳﺗﺧدام ﺟدول ﻣرﺑﻊ ﻛﺎي ﻧﺳﺗﺧرج اﻟدرﺟﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن اﻟﺻﻐرى واﻟﻛﺑرى‬
‫‪2  2‬‬ ‫‪ 13.120‬‬
‫‪  ,n‬‬ ‫‪0.025,25‬‬
‫‪ 2‬‬
‫‪ 2‬‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪   02.975,25  40.646‬‬
‫‪ 1 2 ,n‬‬

‫وﺑﺎﻟﺗﻌوﯾض ﻓﻲ ﺣدي اﻟﺛﻘﺔ ﻧﺳﺗﺧرج اﻟﺣد اﻷﻋﻠﻰ واﻷدﻧﻰ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬

‫‪2‬‬
‫‪L  nS‬‬ ‫‪ L  25 09  05.5356‬‬
‫‪2‬‬
‫‪1 ,n‬‬ ‫‪40.646‬‬
‫‪2‬‬

‫‪U‬‬ ‫‪nS2‬‬ ‫‪ U  25 09  17.1493‬‬

‫‪2 ,n‬‬ ‫‪13.120‬‬
‫‪2‬‬

‫‪‬‬
‫‪P 05.5356  2  17.1493  0.95‬‬ ‫‪‬‬ ‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬
‫ﺗﻣرﯾن‪ :23‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 10‬ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ‪، X  N  , 2 ‬‬

‫ووﺟد أن ﺗﺑﺎﯾﻧﻬﺎ ﻫو ‪S  117.12‬‬

‫‪2‬‬

‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬ﺗﺣدﯾد ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪ %95‬ﻟﺗﺑﺎﯾن ﻫذا اﻟﻣﺟﺗﻣﻊ؟‬
‫اﻟﺣل‪:‬‬
‫‪2‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n  10,1  0.95, S  117.12 :‬‬
‫ﺑﻣﺎ أن ‪ %95  %100 1  ‬ﻟدﯾﻧﺎ ‪0.05    0.95   1‬‬
‫ودرﺟﺔ اﻟﺣرﯾﺔ ‪ n-1=10-1=09‬وﺑﺎﺳﺗﺧدام ﺟدول ﻣرﺑﻊ ﻛﺎي ﻧﺳﺗﺧرج اﻟدرﺟﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن اﻟﺻﻐرى‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪98‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪2‬‬ ‫‪ 20.025,09  02.700‬‬
‫‪  ,n 1‬‬
‫‪ 2‬‬
‫‪ 2‬‬ ‫واﻟﻛﺑرى ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪ 19.023‬‬
‫‪ 1 2 ,n 1‬‬ ‫‪0‬‬ ‫‪.975,09‬‬

‫وﺑﺎﻟﺗﻌوﯾض ﻓﻲ ﺣدي اﻟﺛﻘﺔ ﻧﺳﺗﺧرج اﻟﺣد اﻷﻋﻠﻰ واﻷدﻧﻰ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬

‫‪2‬‬

‫‪L‬‬
‫‪ n 1 S  L  09117.12  55.411‬‬
‫‪12 ,n‬‬ ‫‪19.023‬‬
‫‪2‬‬
‫‪2‬‬

‫‪U‬‬
‫‪ n 1 S  U  09117.12  390.40‬‬
‫‪2 ,n‬‬ ‫‪02.700‬‬
‫‪2‬‬

‫‪‬‬
‫‪P 55.411  2  390.40  0.95‬‬ ‫‪‬‬ ‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬
‫‪ -11‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪‬‬
‫ﻧظرﯾﺔ‪ :13‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪  Xn ,...................X3 , X2 , X1 ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﻟﻪ اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ ‪ X  N  , 2 ‬وﺑﻔرض أﻧﻧﺎ ﻧرﯾد إﯾﺟﺎد ﻓﺗرة ﺛﻘﺔ ﺑﻣﻌﺎﻣل ﺛﻘﺔ ‪ 1  ‬ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري‬
‫ﻟﻬذا اﻟﻣﺟﺗﻣﻊ‪ ،‬ﻧﻛون أﻣﺎم ﺣﺎﻟﺗﯾن‪:‬‬
‫‪-1‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ :  n  30 ‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻫو اﻟﺟذر أﻟﺗرﺑﯾﻌﻲ‬
‫ﻟﻠﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻠﺗﺑﺎﯾن‪ ،‬وﺑﺄﺧذ اﻟﺟذر أﻟﺗرﺑﯾﻌﻲ ﻋﻠﻰ ﻛل ﺣد ﻣن ﺣدود اﻟﻣﺗﺑﺎﯾﻧﺔ )ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﺗﺑﺎﯾن( ﻓﺈن‬
‫‪ 1   100%‬ﻓﺗرة ﺛﻘﺔ ﺣول اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪ ‬ﻟﻠﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﻣدار اﻟﺑﺣث ﺳﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪ 1-1‬إذا ﻛﺎن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ‬ﻣﻌﻠوم‪ :‬ﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪‬‬ ‫‪‬‬
‫‪ nS2‬‬ ‫‪nS2‬‬ ‫‪‬‬
‫‪P 2‬‬ ‫‪ 2‬‬ ‫‪  1 ‬‬
‫‪ 1  ,n‬‬ ‫‪‬‬
‫‪,n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ 2-1‬إذا ﻛﺎن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ‪ ‬ﻏﯾر ﻣﻌﻠوم‪ :‬ﯾﻌطﻰ ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬
‫‪P‬‬
‫‪ n  1 S‬‬ ‫‪‬‬
‫‪ n  1 S   1  ‬‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪1 ,n 1‬‬ ‫‪, n 1‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪ -2‬إذا ﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ :  n  30 ‬ﻋﻧدﻣﺎ ﯾﻛون ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﺑﯾ ار ‪  n  30 ‬ﻓﺈﻧﻪ ﻣن اﻟﻣﻣﻛن اﻋﺗﺑﺎر‬
‫ﺗوزﯾﻊ اﻟﻌﯾﻧﺎت ﻓﻲ اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﺗوزﯾﻌﺎ ﯾﻘﺗرب ﻛﺛﯾ ار ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ذي اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫وﻋﻠﻰ ﻫذا اﻷﺳﺎس‬ ‫اﻟﻣﺳﺎوي ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ‪     ‬واﻻﻧﺣراف اﻟﻣﻌﯾﺎري اﻟذي ﯾﺳﺎوي‬
‫‪‬‬
‫‪n‬‬
‫‪Z‬‬
‫‪S‬‬
‫ﺗﺣﺳب اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ‪ Z‬واﻟﺗﻲ ﺗﻣﺛل ﻣﺗﻐﯾ ار ﻋﺷواﺋﯾﺎ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬
‫‪n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪99‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫و اﻟذي ﯾﻘﻊ ﺿﻣن اﻟﻣﺗﺑﺎﯾﻧﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪S‬‬
‫‪P  Z  ‬‬ ‫‪ Z    1 ‬‬
‫‪ 1 2‬‬ ‫‪S‬‬ ‫‪1 ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪2n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫وﺑﺈﻋﺎدة ﺗرﺗﯾب اﻟﻣﺗراﺟﻌﺔ اﻟﺳﺎﺑﻘﺔ ﻧﺣﺻل ﻋﻠﻰ ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﻘدﯾر اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  S  Z1  S    S  Z1  S‬‬ ‫‪  1 ‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2n‬‬ ‫‪2‬‬ ‫‪2n ‬‬
‫وﻫو ﻗرﯾب ﺟدا‬ ‫‪‬‬ ‫وﻣن أﺟل ‪  n  30 ‬ﻓﺈﻧﻪ ﯾﻣﻛﻧﻧﺎ أن ﻧﺳﺗﺧدم ﻋﻼﻗﺔ اﻟﺗﻘرﯾب اﻟﺗﺎﻟﯾﺔ ‪22  2v  1‬‬
‫‪‬‬
‫ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﺻﻔر وﺗﺑﺎﯾن واﺣد‪ ،‬وﻋﻠﯾﻪ إذا ﻛﺎن ‪ Zp‬ﻫو اﻟﻣﺋﯾﻧﺔ ل ‪(100)p‬‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ﻓﺈﻧﻧﺎ ﯾﻣﻛن أن ﻧﻛﺗب ﺑدرﺟﺔ ﻛﺑﯾرة ﻣن اﻟﺗﻘرﯾب‬
‫‪22p  Zp  2v 1‬‬ ‫أو‬ ‫‪22p  2v 1  Zp‬‬
‫‪2‬‬
‫‪2p  1 Zp  2v 1‬‬
‫‪‬‬ ‫‪‬‬ ‫وﻣﻧﻪ ﻓﺎن‬
‫‪2‬‬
‫وﺗﻌطﻰ ﺣدود اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ‪ ‬ب‬
‫‪‬‬
‫‪CI  1  S  Zc‬‬
‫‪2n‬‬
‫ﺑﺣﯾث ‪ Zc‬ﺗﺷﯾر إﻟﻰ ﻣﺳﺗوى اﻟﺛﻘﺔ‪ ،‬وﺳوف ﻧﺳﺗﻌﻣل اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ ﻟﺗﻘدﯾر ‪‬‬
‫ﺗﻣرﯾن‪ :24‬ﯾﺳﺗورد أﺣد اﻟﻣﺻﺎﻧﻊ ﻋدد ﻣن اﻷﻟواح اﻟزﺟﺎﺟﯾﺔ ﻟﺻﻧﺎﻋﺔ اﻟﻌدﺳﺎت وﻣن ﺧﺑرة اﻟﻣﺻﻧﻊ اﻟﺳﺎﺑﻘﺔ‬
‫ﺗم ﺗﺣدﯾد ﺗﺑﺎﯾن ﻣﻌﺎﻣل اﻻﻧﻛﺳﺎر ﻟﻬذا اﻟﻧوع ﻣن اﻷﻟواح اﻟزﺟﺎﺟﯾﺔ ﺑﺎﻟﻘﯾﻣﺔ ‪ 2  1.26 104‬وﻟﻣﺎ ﻛﺎن ﻣن‬
‫اﻷﻫﻣﯾﺔ ﺑﻣﻛﺎن أن ﺗﻛون ﻛﺎﻓﺔ اﻷﻟواح اﻟزﺟﺎﺟﯾﺔ ﻣن ﻧﻔس ﻣﻌﺎﻣل اﻻﻧﻛﺳﺎر ﻓﺎن اﻟﻣﺻﻧﻊ ﯾرﻓض اﻟﺷﺣﻧﺔ‬
‫‪2‬‬
‫اﻟﻣﺳﺗوردة إذا ﻛﺎن ﺗﺑﺎﯾن أي ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ذات ﺣﺟم ‪ 20‬ﻟوﺣﺔ زﺟﺎﺟﯾﺔ ﻫو ‪، S  2.00 104‬‬
‫و ﻟو اﻓﺗرﺿﻧﺎ ﺑﺄن ﻣﺟﺗﻣﻊ اﻷﻟواح اﻟزﺟﺎﺟﯾﺔ ﻫو ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ اﻟﺗوزﯾﻊ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣﺎ ﻫو اﺣﺗﻣﺎل رﻓض اﻟﺷﺣﻧﺔ اﻟﻣﺳﺗوردة ﺣﺗﻰ وﻟو ﻛﺎن ‪ 2  1.26 104‬؟‬
‫‪-2‬إذا اﻓﺗرﺿﻧﺎ ﺑﺎن ﺗﺑﺎﯾن ﻣﻌﺎﻣل اﻻﻧﻛﺳﺎر ﻟﻸﻟواح اﻟزﺟﺎﺟﯾﺔ ﻓﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ذات ﺣﺟم ‪ 20‬ﻫو‬
‫‪ ، S  1.20 104‬ﻓﺎﺣﺳب ﻓﺗرة اﻟﺗﻘدﯾر ﻟﻠﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ وﺑدرﺟﺔ ﺛﻘﺔ‬
‫‪2‬‬

‫‪%95‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪n  20, S  1.20 104 , 2  1.26 104 :‬‬
‫‪2‬‬

‫‪-1‬إﯾﺟﺎد اﺣﺗﻣﺎل رﻓض اﻟﺷﺣﻧﺔ اﻟﻣﺳﺗوردة ﺣﺗﻰ وﻟو ﻛﺎن ‪2  1.26 104‬‬
‫ﻧﻼﺣظ ﺑﺎن اﻟﻛﻣﯾﺔ اﻟﻣﺳﺗوردة ﻫﻲ ﻛﻣﯾﺔ ﻣﺣدودة أي أن اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﻣن اﻟﻧوع اﻟﻣﺣدود واﻟﻣﺗﻧﺎﻫﻲ‬
‫وان ﺣﺟم اﻟﻌﯾﻧﺔ ﻟﯾس ﻛﺑﯾ ار ﻟذا ﻧﺳﺗﺧدم ﻗﺎﻋدة اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﻟﻣرﺑﻊ ﻛﺎي واﻟﻣﺑﯾن ﺣﺳب اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪100‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪2‬‬
‫‪n  1 S  20  1  2.00 10 ‬‬
‫‪4‬‬
‫‪2‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 30.16‬‬
‫‪2‬‬ ‫‪1.26 104‬‬
‫وﺑﺎﺳﺗﺧدام ﺟدول ﻣرﺑﻊ –ﻛﺎي ﻣن ﺟﻬﺔ اﻟﯾﺳﺎر وﺑدرﺟﺔ ﺣرﯾﺔ ‪ V  n 1  V  20 1  19‬ﻧﺟد‬
‫اﻻﺣﺗﻣﺎل اﻟﻣﻘﺎﺑل ﻟﻠﻌدد اﻟﻣذﻛور ‪ 12  30.16‬ﻫو ‪1    0.95‬‬
‫‪-2‬ﺣﺳﺎب ﻓﺗرة اﻟﺗﻘدﯾر ﻟﻠﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ وﺑدرﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫ﺑﻣﺎ أن ‪ %95  %100 1  ‬ﻟدﯾﻧﺎ ‪0.05    0.95   1‬‬
‫ودرﺟﺔ اﻟﺣرﯾﺔ ‪ V  n 1  V  20 1  19‬وﺑﺎﺳﺗﺧدام ﺟدول ﻣرﺑﻊ ﻛﺎي ﻧﺳﺗﺧرج اﻟدرﺟﺗﯾن اﻟﻣﻌﯾﺎرﯾﺗﯾن‬
‫اﻟﺻﻐرى واﻟﻛﺑرى ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪2‬‬ ‫‪ 02.025,19  08.907‬‬
‫‪  ,n 1‬‬
‫‪ 2‬‬
‫‪ 2‬‬
‫‪ ‬‬
‫‪1‬‬‫‪‬‬ ‫‪,‬‬ ‫‪n‬‬ ‫‪‬‬‫‪1‬‬
‫‪ 02.975,09  32.852‬‬
‫‪‬‬ ‫‪2‬‬
‫وﺑﺎﻟﺗﻌوﯾض ﻓﻲ ﺣدي اﻟﺛﻘﺔ ﻧﺳﺗﺧرج اﻟﺣد اﻷﻋﻠﻰ واﻷدﻧﻰ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪2‬‬
‫‪‬‬
‫‪L 2‬‬
‫‪n 1 S‬‬
‫‪L‬‬
‫‪ 20  1 1.20 104 ‬‬
‫‪ 0.69 104‬‬
‫‪1  ,n‬‬ ‫‪32.852‬‬
‫‪2‬‬
‫‪2‬‬
‫‪‬‬
‫‪U 2‬‬
‫‪n 1 S‬‬
‫‪U‬‬
‫‪ 20  1 1.20 104 ‬‬
‫‪ 02.56 104‬‬
‫‪  ,n‬‬ ‫‪08.907‬‬
‫‪2‬‬
‫وﻋﻠﯾﻪ ﯾﻣﻛن اﻟﻘول ﺑﺎن ‪ 1   100%‬ﻓﺗرة ﺛﻘﺔ ﺣول ‪ 2‬ﺳﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪0.69 104  2  02.56 104‬‬
‫وﯾﻼﺣظ ﻣن ﻣﺗراﺟﺣﺔ اﻟﺗﺑﺎﯾن أن اﻟﺣد اﻷﻋﻠﻰ ﻫو ‪ U  02.56 104‬وﻣن اﻟﺑدﯾﻬﻲ أن ﻧﺳﺗﻧﺗﺞ ﻗﺑول ﻛل‬
‫اﻟﺷﺣﻧﺎت ﻟو ﻛﺎن اﻟﺣد اﻷﻋﻠﻰ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﻫو اﻗل ﻣن ﺷروط اﻟﻘﺑول اﻟﺳﺎﺑق ﻛﺄن ﯾﻛون‬
‫ﻣﺛﻼ ‪U  01.99 104‬‬
‫أﻣﺎ ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﺳﯾﻛون ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪0.0083    0.016‬‬
‫ﺗﻣرﯾن‪ :25‬ﺗم ﺣﺳﺎب اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر ﻋﯾﻧﺔ ﺗﺗﺄﻟف ﻣن‪ 200‬ﻣﺻﺑﺎح ﻛﻬرﺑﺎﺋﻲ ﻓوﺟد ﺑﺄﻧﻪ ‪100‬‬
‫ﺳﺎﻋﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻛل اﻟﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ ﻋﻧد درﺟﺔ اﻟﺛﻘﺔ ‪ %95‬و‪%99‬‬
‫ﻓﻲ اﻟﺣﺎﻟﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬
‫أ‪-‬ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﻣﻌﺎﯾﻧﺎت اﻟﻛﺑﯾرة‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪101‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ب‪-‬ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﻣﻌﺎﯾﻧﺔ اﻟﺻﻐﯾرة أو اﻟﺻﺣﯾﺣﺔ؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n  200, S  100 :‬‬
‫أ‪-‬إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﻣﻌﺎﯾﻧﺎت اﻟﻛﺑﯾرة ﻋﻧد درﺟﺔ اﻟﺛﻘﺔ ‪ %95‬و‪%99‬‬
‫‪-1‬ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  S  Z1  S    S  Z1  S‬‬ ‫‪  1 ‬‬ ‫ﺑﺗطﺑﯾق ﻋﻼﻗﺔ ﺣدود اﻟﺛﻘﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﻌﯾﻧﺎت اﻟﻛﺑﯾرة‬
‫‪‬‬ ‫‪2‬‬ ‫‪2n‬‬ ‫‪2‬‬ ‫‪2n ‬‬
‫ﺑﻣﺎ أن ‪ %95  %100 1  ‬ﻟدﯾﻧﺎ ‪0.05    0.95   1‬‬
‫‪Z‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  1, 960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪S‬‬ ‫‪100‬‬
‫‪L  S Z‬‬ ‫‪ L  100   01.960 ‬‬ ‫‪ 90.20‬‬
‫‪1 ‬‬ ‫‪2n‬‬ ‫‪2  200‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪100‬‬
‫‪U  S Z‬‬ ‫‪ L  100   01.960 ‬‬ ‫‪ 109.80‬‬
‫‪1 ‬‬ ‫‪2n‬‬ ‫‪2  200‬‬
‫‪2‬‬

‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﻧﺣن واﺛﻘون ﺑدرﺟﺔ ﺛﻘﺔ ‪ %95‬أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﺳوف ﯾﻘﻊ ﺑﯾن ‪90.20‬‬
‫و‪.109.80‬‬
‫‪ -2‬ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬‬
‫ﺑﻣﺎ أن ‪ %99  %100 1  ‬ﻟدﯾﻧﺎ ‪0.01    0.99   1‬‬
‫‪Z‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,995  2.575‬‬
‫‪1 0,01‬‬
‫‪2‬‬
‫ﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﺣد اﻷدﻧﻰ واﻷﻋﻠﻰ ﻟﻔﺗرة اﻟﺛﻘﺔ ﻧﺟد‪:‬‬
‫‪S‬‬ ‫‪100‬‬
‫‪L  S Z‬‬ ‫‪ L  100   02.575 ‬‬ ‫‪ 87.125‬‬
‫‪1 ‬‬ ‫‪2n‬‬ ‫‪2  200‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪100‬‬
‫‪U  S Z‬‬ ‫‪ L  100   02.575 ‬‬ ‫‪ 112.875‬‬
‫‪1 ‬‬ ‫‪2n‬‬ ‫‪2  200‬‬
‫‪2‬‬

‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﻧﺣن واﺛﻘون ﺑدرﺟﺔ ﺛﻘﺔ ‪ %99‬أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﺳوف ﯾﻘﻊ ﺑﯾن ‪87.125‬‬
‫و‪.112.875‬‬
‫ب‪-‬إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻼﻧﺣراف اﻟﻣﻌﯾﺎري ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﻣﻌﺎﯾﻧﺎت اﻟﺻﻐﯾرة ﻋﻧد درﺟﺔ اﻟﺛﻘﺔ‪ %95‬و‪%99‬‬
‫‪-1‬ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬
‫‪P‬‬
‫‪ n  1 S‬‬ ‫‪‬‬
‫‪ n  1 S   1  ‬‬ ‫ﺑﺗطﺑﯾق ﻋﻼﻗﺔ ﺣدود اﻟﺛﻘﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﻌﯾﻧﺎت اﻟﺻﻐﯾرة‬
‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪1 ,n 1‬‬ ‫‪, n 1‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪102‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪‬‬ ‫‪ n  2‬‬ ‫‪‬‬ ‫‪ 200 ‬‬ ‫‪2‬‬
‫‪S ‬‬ ‫‪S S ‬‬ ‫‪  100  100.25‬‬
‫‪ n 1 ‬‬ ‫‪ 200  1 ‬‬
‫ﺑﻣﺎ أن ‪ %95  %100 1  ‬ﻟدﯾﻧﺎ ‪0.01    0.99   1‬‬
‫‪Z‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  01.960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﻓﻧﺟد‬ ‫‪‬‬ ‫وﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n=200‬ﻧﺳﺗﺧدم ﻋﻼﻗﺔ اﻟﺗﻘرﯾب اﻟﺗﺎﻟﯾﺔ‪22  2v  1 :‬‬
‫‪‬‬
‫‪2‬‬
‫‪2p  1  Zp  2v 1   20.975  1  Z0.975  2v  1 ‬‬
‫‪2‬‬

‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪1‬‬
‫‪ 02.975 ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪01.960  2 199   1  239‬‬ ‫‪‬‬
‫‪2‬‬
‫‪2 1‬‬
‫‪p   Zp  2v 1   20.025  1 Z0.025  2v  1‬‬
‫‪2‬‬
‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪1‬‬
‫‪‬‬
‫‪ 02.025  01.960  2 199   1  161‬‬
‫‪2‬‬ ‫‪‬‬
‫ﻧﺟد أﻻن ﺣدود اﻟﺛﻘﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪2‬‬ ‫‪2‬‬

‫‪L‬‬
‫‪ n 1 S  L   200 1100.25‬‬ ‫‪ 91.47‬‬
‫‪2 ‬‬ ‫‪239‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪U‬‬
‫‪ n 1 S  U   200 1100.25‬‬ ‫‪ 111.45‬‬
‫‪2‬‬ ‫‪161‬‬
‫‪,‬‬
‫‪2‬‬

‫‪ -2‬ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬‬

‫ﺑﻣﺎ أن ‪ %99  %100 1  ‬ﻟدﯾﻧﺎ ‪0.01    0.99   1‬‬
‫‪Z‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,995  2.575‬‬
‫‪1 0,01‬‬
‫‪2‬‬
‫ﻓﻧﺟد‬ ‫‪‬‬ ‫وﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n=200‬ﻧﺳﺗﺧدم ﻋﻼﻗﺔ اﻟﺗﻘرﯾب اﻟﺗﺎﻟﯾﺔ‪22  2v  1 :‬‬
‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪  Zp  2v 1   02.995  1 Z0.995  2v 1‬‬
‫‪2p‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪1‬‬
‫‪ 02.995 ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪02.575  2 199   1  253‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2p  1  Zp  2v 1   02.005  1 Z0.005  2v 1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫‪ 02.005 ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪02.575  2 199   1  150‬‬ ‫‪‬‬
‫ﻧﺟد أﻻن ﺣدود اﻟﺛﻘﺔ ﻛﺎﻟﺗﺎﻟﻲ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪103‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪2‬‬ ‫‪2‬‬

‫‪L‬‬
‫‪ n 1 S  L   200 1100.25‬‬ ‫‪ 88.91‬‬
‫‪2 ‬‬ ‫‪253‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪U‬‬
‫‪ n 1 S  U   200 1100.25‬‬ ‫‪ 115.47‬‬
‫‪2‬‬ ‫‪150‬‬
‫‪,‬‬
‫‪2‬‬
‫‪12‬‬
‫‪ -12‬ﻓﺗرة اﻟﺛﻘﺔ ﺣول اﻟﺗﻧﺎﺳب ﻣﺎﺑﯾن ﺗﺑﺎﯾﻧﯾن‬
‫‪22‬‬
‫ﻧظرﯾﺔ‪:14‬إذا ﻛﺎﻧت ‪  Xn1 ,............., X3 , X2 , X1 ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬
‫ﺣﺳﺎﺑﻲ ‪ 1‬وﺗﺑﺎﯾن ‪ 12‬وﻛﻼﻫﻣﺎ ﻏﯾر ﻣﻌﻠوم وﻛﺎﻧت ‪ S12‬ﺗﻣﺛل ﺗﺑﺎﯾن ﻫذﻩ اﻟﻌﯾﻧﺔ‪ ،‬و ﻛﺎﻧت‬
‫‪  Xn2 ,............., X3 , X 2 , X1 ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 2‬وﺗﺑﺎﯾن ‪22‬‬
‫ﺗﻣﺛل ﺗﺑﺎﯾن ﻫذﻩ اﻟﻌﯾﻧﺔ وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن‬ ‫ﺣﯾث ﻛﻼﻫﻣﺎ ﻏﯾر ﻣﻌﻠوم أﯾﺿﺎ‪ ،‬وﻛﺎﻧت ‪S22‬‬
‫ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻓﺈن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻸﺣﺻﺎءة‬
‫‪ n ‬‬ ‫‪ 1‬‬ ‫‪2‬‬
‫‪S‬‬
‫‪‬‬ ‫‪1‬‬
‫‪ n1  1 ‬‬
‫‪ ‬‬
‫‪2‬‬
‫‪ S1  2‬‬
‫‪ 1‬‬
‫‪1‬‬
‫‪12‬‬
‫‪F‬‬ ‫‪ 2  Fn 1,n 1‬‬
‫‪ n ‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪S2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪ n 2  1 ‬‬
‫‪S‬‬‫‪ ‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ 2 22‬‬

‫وﺑدرﺟﺎت ﺣرﯾﺔ ‪ V1‬و‪ V2‬وﯾﺄﺧذ اﻟﺷﻛل اﻟﺗﺎﻟﻲ‬

‫‪1,0‬‬

‫‪0,8‬‬

‫‪0,6‬‬

‫‪0,4‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪‬‬
‫‪1‬‬
‫‪2‬‬
‫‪0,2‬‬

‫‪0,0‬‬
‫‪0‬‬
‫‪F ,n 1,n 1‬‬ ‫‪X‬‬
‫‪F1 ,n 1,n‬‬
‫‪2 1‬‬ ‫‪2‬‬ ‫‪2 1‬‬ ‫‪2 1‬‬

‫ﻣن اﻟﺷﻛل اﻟﺗﺎﻟﻲ ﻧﺳﺗطﯾﻊ اﻟﺣﺻول ﻋﻠﻰ ﻗﯾﻣﺗﯾن ﻟﻠﻣﺗﻐﯾر ‪ F‬ﻋﻧد درﺟﺗﻲ ﻣﻌﯾﻧﺗﯾن ﻟﻠﺣرﯾﺔ ‪ V1‬و‪ V2‬ﺣﯾث‬
‫‪ V1‬درﺟﺔ ﺣرﯾﺔ اﻟﺑﺳط و‪ V2‬درﺟﺔ ﺣرﯾﺔ اﻟﻣﻘﺎم‪ ،‬ﺑﺣﯾث ﺗﻛون اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﯾﻣﯾن اﻟﻘﯾﻣﺔ اﻟﻛﺑرى ﺗﺳﺎوي‬
‫اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﯾﺳﺎر اﻟﻘﯾﻣﺔ اﻟﺻﻐرى وﺗﺳﺎوي ‪ٕ ، ‬واذا رﻣزﻧﺎ ﻟﻛل ﻗﯾﻣﺔ ﺑﺎﺳﺗﻌﻣﺎل اﻟﻣﺳﺎﺣﺔ ﻋﻠﻰ ﯾﻣﯾﻧﻬﺎ‬
‫‪2‬‬
‫‪ ، F‬وﻟﻠﻘﯾﻣﺔ اﻟﺻﻐرى ﺑﺎﻟرﻣز ‪ ، F‬وﺣﯾث أن اﻟﻣﺳﺎﺣﺔ اﻟﻛﻠﯾﺔ ﺗﺣت‬ ‫‪‬‬ ‫ﺳﻧرﻣز ﻟﻠﻘﯾﻣﺔ اﻟﻛﺑرى ﺑﺎﻟرﻣز‬
‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪104‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫وﯾﺗم اﻟﺗﻌﺑﯾر‬ ‫ﻣﻧﺣﻧﻰ ﺗوزﯾﻊ ‪ F‬ﺗﺳﺎوي اﻟواﺣد اﻟﺻﺣﯾﺢ‪،‬إذن اﻟﻣﺳﺎﺣﺔ ﺑﯾن ﻫﺎﺗﯾن اﻟﻘﯾﻣﺗﯾن ﺗﺳﺎوي ‪1  ‬‬
‫ﻋن ﻫذﻩ اﻟﻣﺳﺎﺣﺔ ﺑﺎﺳﺗﺧدام اﻻﺣﺗﻣﺎل اﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪P  F ,V ,V  F  F1  ,V ,V   1  ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2 1 2‬‬
‫‪ 2‬‬ ‫‪‬‬
‫وﺑﺎﻟﺗﻌوﯾض ﻋن إﺣﺻﺎءة ﻓﯾﺷر ‪ F‬ﻓﻲ اﻟﻌﻼﻗﺔ اﻟﺳﺎﺑﻘﺔ ﻧﺟد‪:‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪S‬‬‫‪1 2‬‬ ‫‪  1 ‬‬
‫‪P  F‬‬ ‫‪ 2  2  F ‬‬ ‫‪‬‬
‫‪ 2‬‬ ‫‪,V1 , V2‬‬
‫‪S‬‬ ‫‪1‬‬ ‫‪1‬‬‫‪‬‬ ‫‪,‬‬ ‫‪V‬‬ ‫‪,‬‬
‫‪2 1 2‬‬
‫‪V‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫وﺑﺈﺟراء ﺑﻌض اﻟﻌﻣﻠﯾﺎت اﻟﺟﺑرﯾﺔ ﻋﻠﻰ اﻟﺣدود اﻟﺛﻼﺛﺔ ﻟﻠﻣﺗﺑﺎﯾﻧﺔ ﺳﻧﺗﺣﺻل ﻋﻠﻰ ﻓﺗرة اﻟﺛﻘﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ 2 2‬‬ ‫‪2 2‬‬ ‫‪‬‬
‫‪ S1 S2‬‬ ‫‪12 S1 S2‬‬ ‫‪‬‬
‫‪P‬‬ ‫‪ 2‬‬ ‫‪  1 ‬‬
‫‪ 1 ,V1, V2 2 F ,V1 ,V2‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﻋطﺎﺋﻪ ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪  n  n  1  S2‬‬ ‫‪ n  n 1  S2‬‬ ‫‪‬‬
‫‪  1  2‬‬ ‫‪ 1‬‬ ‫‪ 1  2‬‬ ‫‪ 12‬‬ ‫‪‬‬
‫‪  n1 1  n 2  S2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪S‬‬ ‫‪‬‬
‫‪P ‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪ 1   1  2  2‬‬ ‫‪  1 ‬‬
‫‪‬‬ ‫‪F‬‬‫‪1  ,V1 ,V2‬‬
‫‪22‬‬ ‫‪F ,V ,V‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2 1 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﺗﻣرﯾن‪ :26‬ﺗم اﻣﺗﺣﺎن ﻣﺟﻣوﻋﺔ ﻣن اﻟطﻠﺑﺔ ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻟرﯾﺎﺿﻲ وﻋددﻫم ‪ 16‬وﻟﻣﺟﻣوﻋﺔ أﺧرى‬
‫ﻋددﻫﺎ ‪ ،10‬ﻓﻛﺎﻧت ﻧﺗﺎﺋﺟﻬم ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﻟﻠﻣﺟﻣوﻋﺔ اﻷوﻟﻰ واﻟﺛﺎﻧﯾﺔ ﻋﻠﻰ اﻟﺗواﻟﻲ ﻫﻲ ‪ 05‬و‪.02‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%90‬؟‬
‫‪ -2‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%98‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n1  16, S1  05, n 2  10, S2  02 :‬‬
‫‪-1‬إﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬؟‬
‫‪ 2 2‬‬ ‫‪2 2‬‬ ‫‪‬‬
‫‪ S1 S2‬‬ ‫‪12 S1 S2‬‬
‫ﺑﺗطﺑﯾق اﻟﻌﻼﻗﺔ اﻷﺳﺎﺳﯾﺔ ﻓﻲ اﻟﺗﻘدﯾر ﻧﺟد‪:‬‬
‫‪‬‬
‫‪P‬‬ ‫‪ 2‬‬ ‫‪  1 ‬‬
‫‪ 1  ,V1, V2 2 F ,V1 ,V2‬‬
‫‪F‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻟﻠﻣﺟﻣوﻋﺔ اﻷوﻟﻰ واﻟﺛﺎﻧﯾﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪105‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪2‬‬ ‫‪‬‬ ‫‪n1  2‬‬ ‫‪2‬‬ ‫‪ 16 ‬‬ ‫‪2‬‬
‫‪S1  ‬‬ ‫‪ S1  S1  ‬‬
‫‪‬‬ ‫‪  05   26 .67‬‬
‫‪ n1  1 ‬‬ ‫‪ 16  1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪n2  2‬‬ ‫‪2‬‬ ‫‪ 10 ‬‬ ‫‪2‬‬
‫‪S2  ‬‬ ‫‪ S2  S 2  ‬‬
‫‪ n 2 1 ‬‬
‫‪‬‬
‫‪ 10  1 ‬‬ ‫‪‬‬ ‫‪02‬‬ ‫‪‬‬ ‫‪ 04 .44‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﺑﻣﺎ أن ‪ %90  %100 1  ‬ﻟدﯾﻧﺎ ‪ 0.10    0.90   1‬ودرﺟﺔ اﻟﺣرﯾﺔ ﻟﻠﺑﺳط واﻟﻣﻘﺎم ﻫﻲ‬
‫‪ V1  n1 1  V1  16  1  15, V2  n 2  1  V2  10  1  09‬ﻧﺟد اﻟﻘﯾﻣﺔ اﻟﺻﻐرى واﻟﻛﺑرى‬
‫ﻟﺗوزﯾﻊ ﻓﯾﺷر‪.‬‬
‫‪F‬‬ ‫‪ F0.95,15,10  02.85‬‬
‫‪1  ,V1,V2‬‬
‫‪2‬‬
‫‪01‬‬ ‫‪01‬‬ ‫‪01‬‬
‫‪F ,V ,V ‬‬ ‫‪ F ,V ,V ‬‬ ‫‪‬‬ ‫‪ 0.3937‬‬
‫‪2 1 2‬‬ ‫‪F‬‬ ‫‪2 1 2‬‬ ‫‪F0.95,10,15‬‬ ‫‪02.54‬‬
‫‪1  ,V2 ,V1‬‬
‫‪2‬‬

‫ﻧﺟد أﻵن اﻟﺣد اﻷﻋﻠﻰ واﻟﺣد اﻷدﻧﻰ ﻟﻣﺟﺎل اﻟﺛﻘﺔ‪:‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪S S‬‬ ‫‪26.67 04.44‬‬
‫‪L 1 2 L‬‬ ‫‪ 02.108‬‬
‫‪F ‬‬ ‫‪02.85‬‬
‫‪1 , V1 ,V2‬‬
‫‪2‬‬
‫‪2 2‬‬
‫‪S1 S2‬‬ ‫‪26.67 04.44‬‬
‫‪U‬‬ ‫‪U‬‬ ‫‪ 15.257‬‬
‫‪F‬‬ ‫‪0.3937‬‬
‫‪, V1 ,V2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪12‬‬ ‫‪‬‬
‫‪P  02.108 ‬‬ ‫‪‬‬ ‫‪15‬‬‫‪.‬‬ ‫‪257‬‬ ‫‪  0.90‬‬ ‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬
‫‪‬‬
‫‪‬‬ ‫‪22‬‬ ‫‪‬‬
‫‪‬‬
‫ﻛﻣﺎ ﯾﻣﻛن اﻟﺣﺻول ﻋﻠﻰ ﻧﻔس اﻟﻧﺗﯾﺟﺔ ﺑدون اﺳﺗﺧدام ﺗﺑﺎﯾﻧﻲ اﻟﻌﯾﻧﺗﯾن اﻟﻣﻌدل ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪  n   n 1  S2‬‬ ‫‪ n   n 1  S2‬‬ ‫‪‬‬
‫‪  1  2‬‬ ‫‪ 1‬‬ ‫‪‬‬ ‫‪1  2‬‬ ‫‪ 12‬‬ ‫‪‬‬
‫‪  n1  1   n 2  S2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪S‬‬ ‫‪‬‬
‫‪P ‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪ 1   1  2  2‬‬ ‫‪  1  ‬‬
‫‪‬‬ ‫‪F1  ,V ,V‬‬ ‫‪22‬‬ ‫‪F ,V ,V‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2 1 2‬‬ ‫‪2 1 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪  16  10  1  25‬‬ ‫‪ 16  10  1  25 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪16  1  10  04 1  16  1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪10  04 ‬‬
‫‪P‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪‬‬
‫‪02.85‬‬ ‫‪2‬‬ ‫‪0.3937‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪12‬‬ ‫‪‬‬
‫‪P  02.10  2  15.240   0.90‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪-2‬أﯾﺟﺎد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%98‬‬
‫ﺑﻣﺎ أن ‪ %98  %100 1  ‬ﻟدﯾﻧﺎ ‪ 0.02    0.98   1‬ودرﺟﺔ اﻟﺣرﯾﺔ ﻟﻠﺑﺳط واﻟﻣﻘﺎم ﻫﻲ‬
‫‪ ، V1  n1 1  V1  16  1  15, V2  n 2  1  V2  10  1  09‬ﻧﺟد اﻟﻘﯾﻣﺔ اﻟﺻﻐرى واﻟﻛﺑرى‬
‫ﻟﺗوزﯾﻊ ﻓﯾﺷر‪.‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪106‬‬
 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫‪F1  , V‬‬ ‫‪,V 2‬‬
‫‪ F0 . 9 9 ,1 5 ,1 0  0 4 . 5 6‬‬
‫‪2‬‬ ‫‪1‬‬

‫‪F ,V‬‬ ‫‪‬‬ ‫‪01‬‬ ‫‪ F ,V‬‬ ‫‪‬‬ ‫‪01‬‬ ‫‪ 0 1  0 .2 6 3 2‬‬
‫‪2‬‬ ‫‪1 ,V 2‬‬ ‫‪F1   , V‬‬ ‫‪2‬‬ ‫‪1 ,V 2‬‬ ‫‪F0 . 9 9 ,1 0 ,1 5 0 3 . 8 0‬‬
‫‪2‬‬ ‫‪2 , V1‬‬

‫ﻧﺟد اﻵن اﻟﺣد اﻷﻋﻠﻰ واﻟﺣد اﻷدﻧﻰ ﻟﻣﺟﺎل اﻟﺛﻘﺔ‪:‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪S S‬‬ ‫‪26.67 04.44‬‬
‫‪L 1 2 L‬‬ ‫‪ 01.317‬‬
‫‪F ‬‬ ‫‪04.56‬‬
‫‪1 , V1 ,V2‬‬
‫‪2‬‬
‫‪2 2‬‬
‫‪S1 S2‬‬ ‫‪26.67 04.44‬‬
‫‪U‬‬ ‫‪U‬‬ ‫‪ 22.822‬‬
‫‪F‬‬ ‫‪0.2632‬‬
‫‪, V1 ,V2‬‬
‫‪2‬‬
‫‪‬‬ ‫‪12‬‬ ‫‪‬‬
‫‪P  01.317  2  22.822   0.98‬‬
‫‪‬‬ ‫‪‬‬
‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﻛﻣﺎ ﯾﻣﻛن اﻟﺣﺻول ﻋﻠﻰ ﻧﻔس اﻟﻧﺗﯾﺟﺔ ﺑدون اﺳﺗﺧدام ﺗﺑﺎﯾﻧﻲ اﻟﻌﯾﻧﺗﯾن اﻟﻣﻌدل ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪  n   n 1  S2‬‬ ‫‪ n   n 1  S2‬‬ ‫‪‬‬
‫‪  1  2‬‬ ‫‪ 1‬‬ ‫‪‬‬ ‫‪1  2‬‬ ‫‪ 12‬‬ ‫‪‬‬
‫‪  n1  1   n 2  S2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪S‬‬ ‫‪‬‬
‫‪P ‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫‪ 1   1  2  2‬‬ ‫‪  1  ‬‬
‫‪‬‬ ‫‪F1  ,V ,V‬‬ ‫‪22‬‬ ‫‪F ,V ,V‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2 1 2‬‬ ‫‪2 1 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪  16  10  1  25‬‬ ‫‪ 16  10  1  25 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪16  1 ‬‬
‫‪‬‬ ‫‪10  04 12  16  1 ‬‬
‫‪‬‬ ‫‪10  04 ‬‬
‫‪P‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪‬‬
‫‪04.56‬‬ ‫‪2‬‬ ‫‪0.2632‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪12‬‬ ‫‪‬‬
‫‪P  01.315 ‬‬ ‫‪2‬‬
‫‪ 22.796   0.98‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 1  2 ‬‬ ‫‪ -13‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ‬
‫ﻧظرﯾﺔ‪:15‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﺎن ﯾﺗوزع ﻛل ﻣﻧﻬﻣﺎ ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬وﺳﺣﺑﻧﺎ ﻣن اﻟﻣﺟﺗﻣﻊ اﻷول اﻟذي ﺗﺑﺎﯾﻧﻪ‬
‫‪ 12‬ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ ذات اﻟﺣﺟم ‪ ،n1‬وﺣﺳﺑﻧﺎ ﻣﻧﻬﺎ ﻗﯾم اﻟﻣﺗﻐﯾر ‪ ، S12‬وﺳﺣﺑﻧﺎ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫اﻟذي ﺗﺑﺎﯾﻧﻪ ‪ 22‬ﻛل اﻟﻌﯾﻧﺎت اﻟﻌﺷواﺋﯾﺔ اﻟﻣﻣﻛﻧﺔ ذات اﻟﺣﺟم ‪ ،n2‬وﺣﺳﺑﻧﺎ ﻣﻧﻬﺎ ﻗﯾم اﻟﻣﺗﻐﯾر ‪ ، S22‬وﻛﺎﻧت‬
‫اﻟﻌﯾﻧﺎت اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻷول ﻣﺳﺗﻘﻠﺔ ﻋن اﻟﻌﯾﻧﺎت اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬ﻓﺎن ﻓﺗرة اﻟﺛﻘﺔ‬
‫ﻟﻼﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪ 1   100%‬ﺗﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬ ‫‪S12‬‬ ‫‪S2‬‬ ‫‪S2‬‬ ‫‪S2 ‬‬
‫‪P  S1  S2   Z‬‬ ‫‪ 2   1  2   S1  S2   Z  1  2   1  ‬‬
‫‪1 ‬‬ ‫‪2n1 2n 2‬‬
‫‪‬‬ ‫‪2 2n1‬‬ ‫‪2n 2 ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪107‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫ﺗﻣرﯾن‪:27‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 150‬ﻣﺻﺑﺎح ﻣن اﻟﺻﻧف "أ"‪ ،‬ﻓﻛﺎن ﻣﺗوﺳط ﻋﻣرﻫﺎ اﻹﻧﺗﺎﺟﻲ‬
‫ﻫو ‪ 1400‬ﺳﺎﻋﺔ واﻧﺣراﻓﻬﺎ اﻟﻣﻌﯾﺎري ‪ 120‬ﺳﺎﻋﺔ‪ ،‬ﻛﻣﺎ أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ أﺧرى ﻣن ‪ 100‬ﻣﺻﺑﺎح ﻣن‬
‫اﻟﺻﻧف "ب"‪ ،‬ﻓوﺟد ﻣﺗوﺳط ﻋﻣرﻫﺎ اﻹﻧﺗﺎﺟﻲ ‪ 1200‬ﺳﺎﻋﺔ واﻧﺣراﻓﻬﺎ اﻟﻣﻌﯾﺎري ‪ 80‬ﺳﺎﻋﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﺣدود اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻣﺟﺗﻣﻊ اﻟﺻﻧﻔﯾن "أ" و"ب" ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬؟‬
‫‪-2‬أوﺟد ﺣدود اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻣﺟﺗﻣﻊ اﻟﺻﻧﻔﯾن "أ" و"ب" ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪:‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻷول "أ"‪n1  150, X1  1400, S1  120 :‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ "ب"‪n 2  100, X 2  1200, S2  80 :‬‬
‫‪-1‬إﯾﺟﺎد ﺣدود اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻣﺟﺗﻣﻊ اﻟﺻﻧﻔﯾن "أ" و"ب" ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%95‬‬
‫ﺑﻣﺎ أن ‪%95  %100 1  ‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.05    0.95   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,975  01.960‬‬
‫‪1 0,05‬‬
‫‪2‬‬
‫ﻧﺟد اﻵن اﻟﺣد اﻷدﻧﻰ و اﻟﺣد اﻷﻋﻠﻰ ﻟﻣﺟﺎل اﻟﺛﻘﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪L  S1  S2   Z‬‬

‫‪S12‬‬ ‫‪S2‬‬
‫‪ 2  L  120  80    01.960 ‬‬
‫‪120  80   22.47‬‬
‫‪1 ‬‬ ‫‪2n1 2n 2‬‬ ‫‪2 150 2 100‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪U  S1  S2   Z‬‬

‫‪S12‬‬ ‫‪S2‬‬
‫‪ 2  U  120  80    01.960 ‬‬
‫‪120  80   57.53‬‬
‫‪1 ‬‬ ‫‪2n1 2n 2‬‬ ‫‪2 150 2 100‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪P 22.47   1  2   57.53  0.95‬‬ ‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬
‫‪ -2‬إﯾﺟﺎد ﺣدود اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ ﻟﻣﺟﺗﻣﻊ اﻟﺻﻧﻔﯾن "أ" و"ب" ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬‬
‫ﺑﻣﺎ أن ‪%99  %100 1  ‬‬
‫‪Z‬‬ ‫ﻟدﯾﻧﺎ ‪ 0.01    0.99   1‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟدرﺟﺔ اﻟﻣﻌﯾﺎرﯾﺔ ﺗﺳﺎوي ‪ Z0,995  02.575‬‬
‫‪1 0,01‬‬
‫‪2‬‬
‫ﻧﺟد اﻵن اﻟﺣد اﻷدﻧﻰ و اﻟﺣد اﻷﻋﻠﻰ ﻟﻣﺟﺎل اﻟﺛﻘﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪L  S1  S2   Z‬‬

‫‪S12‬‬ ‫‪S2‬‬
‫‪ 2  L  120  80    02.575 ‬‬
‫‪120  80   16.97‬‬
‫‪1 ‬‬ ‫‪2n1 2n 2‬‬ ‫‪2 150 2 100‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪U  S1  S2   Z‬‬

‫‪S12‬‬ ‫‪S2‬‬
‫‪ 2  U  120  80    02.575‬‬
‫‪120   80  63.03‬‬
‫‪1 ‬‬ ‫‪2n1 2n 2‬‬ ‫‪2 150 2 100‬‬
‫‪2‬‬

‫‪‬‬ ‫‪‬‬
‫‪P 16.97   1  2   63.03  0.99‬‬ ‫إذن ﻣﺟﺎل اﻟﺗﻘدﯾر ﻫو‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪108‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬

‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻟﺛﺎﻧﻲ‬

‫اﻟﺗﻣرﯾن اﻷول‪:‬إذا ﻛﺎن ﻋﻣر اﻟﻣﺻﺎﺑﯾﺢ اﻟﻛﻬرﺑﺎﺋﯾﺔ ﻓﻲ ﻣﺻﻧﻊ ﻣﺎ‪ ،‬ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻧﺣراف‬
‫ﻣﻌﯾﺎري ‪ 40‬ﺳﺎﻋﺔ‪ ،‬اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 25‬ﻣﺻﺑﺎﺣﺎ ووﺟد أن ﻣﺗوﺳط اﻟﻌﻣر ﻫو ‪ 780‬ﺳﺎﻋﺔ‪،‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ﻟﻛل اﻟﻣﺻﺎﺑﯾﺢ اﻟﻣﻧﺗﺟﺔ ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ وذﻟك ﻋﻧد درﺟﺔ ﺛﻘﺔ‬
‫‪%99‬؟‪.‬‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻧﻲ‪ :‬إذا ﻋﻠﻣت أن اﻟزﻣن اﻟذي ﯾﻘﺿﯾﻪ اﻟزﺑﺎﺋن ﻓﻲ اﺣد اﻟﻣﺻﺎرف ﯾﺗوزع وﻓق اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 04‬دﻗﺎﺋق‪ ،‬ﻓﺈذا ﺗم إﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 16‬زﺑون ووﺟد أن ﻣﺗوﺳط اﻟزﻣن‬
‫اﻟذي أﻣﺿوﻩ ﺑﺎﻟﻣﺻرف ﻛﺎن ‪ 28.50‬دﻗﯾﻘﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﺣول ﻣﺗوﺳط اﻟزﻣن اﻟذي ﯾﻣﺿﯾﻪ اﻟزﺑﺎﺋن ﺑﺻﻔﺔ ﻋﺎﻣﺔ ﺑﻬذا اﻟﻣﺻرف وذﻟك ﻋﻧد درﺟﺔ‬
‫ﺛﻘﺔ ‪%99‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻟث‪ :‬أﺧﺗﯾرت ﻋﯾﻧﺗﯾن ﻋﺷواﺋﯾﺗﯾن وﻣﺳﺗﻘﻠﺗﯾن ﻣن ‪ 25‬طﺎﻟب و‪ 16‬طﺎﻟﺑﺔ ﻣن ﺟﺎﻣﻌﺔ ﻣﺎ‪ ،‬وﺗم‬
‫ﻗﯾﺎس أوزاﻧﻬم ﻓﻛﺎن ﻣﺗوﺳط اﻟوزن ﻟدى اﻟطﻠﺑﺔ ﻫو ‪82.50‬ﻛﻎ و‪58.14‬ﻛﻎ ﻟدى اﻟطﺎﻟﺑﺎت‪ ،‬أﻣﺎ اﻻﻧﺣراف‬
‫اﻟﻣﻌﯾﺎري ﻟﻠطﻠﺑﺔ واﻟطﺎﻟﺑﺎت ﻓﻛﺎن ﻋﻠﻰ اﻟﺗواﻟﻲ ‪12.25‬ﻛﻎ و‪ 08.75‬ﻛﻎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻣﺗوﺳط أوزان اﻟطﻠﺑﺔ ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬؟‬
‫‪ -2‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻣﺗوﺳط أوزان اﻟطﺎﻟﺑﺎت ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬؟‬
‫‪-3‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن ﻣﺗوﺳطﻲ أوزان اﻟطﻠﺑﺔ واﻟطﺎﻟﺑﺎت وذﻟك ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬؟‬
‫اﻟﺗﻣرﯾن اﻟراﺑﻊ‪ :‬ﻓﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 100‬ﺣذاء ﻣن إﻧﺗﺎج اﺣد اﻟﻣﺻﺎﻧﻊ وﺟد ﺑﯾﻧﻬم ‪ 10‬ﺑﻬﺎ‬
‫ﻋﯾوب‪ ،‬وﻓﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ أﺧرى ﺗﺗﻛون ﻣن ‪ 150‬ﺣذاء ﻣن إﻧﺗﺎج ﻣﺻﻧﻊ آﺧر وﻟﻧﻔس اﻟﻧوﻋﯾﺔ وﺟد ﻣن‬
‫ﺑﯾﻧﻬم ‪ 12‬ﺑﻬﺎ ﻋﯾوب‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ‪ %90‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻷﺣذﯾﺔ اﻟﻣﻧﺗﺟﺔ ﻣن ﻗﺑل اﻟﻣﺻﻧﻌﯾن وﺑﻬﺎ ﻋﯾوب؟‬
‫‪ -2‬أوﺟد ‪ %98‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ اﻷﺣذﯾﺔ اﻟﻣﻧﺗﺟﺔ ﻣن ﻗﺑل اﻟﻣﺻﻧﻌﯾن و ﺑﻬﺎ ﻋﯾوب؟‬
‫اﻟﺗﻣرﯾن اﻟﺧﺎﻣس‪ :‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﺗﺑﺎﯾن ﻣﺟﻬول‪ ،‬ﻓﺈذا ﻛﺎن ﺣﺟم‬
‫‪13‬‬
‫‪.‬‬ ‫اﻟﻌﯾﻧﺔ ‪ ،13‬وﻛﺎن ‪ 128.41‬‬
‫‪2‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪ Xi  X ‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻗدر ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ واﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ ﺑﺎﺳﺗﺧدام ﻓﺗرة اﻟﺛﻘﺔ ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ ‪%95‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪109‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎدس‪:‬ﻣﺟﺗﻣﻌﺎن اﻷول ﺗوزﯾﻌﻪ ‪ ، X1  N 1 , 12 ‬واﻟﺛﺎﻧﻲ ﺗوزﯾﻌﻪ ‪، X 2  N  2 , 22 ‬‬
‫ﺳﺣﺑﻧﺎ ﻣن اﻟﻣﺟﺗﻣﻊ اﻷول ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ‪ ،05‬وﻣن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺗﻘﻠﺔ‬
‫ﻋن اﻟﻌﯾﻧﺔ اﻷوﻟﻰ ﺣﺟﻣﻬﺎ ‪ ،07‬وﺣﺻﻠﻧﺎ ﻋﻠﻰ اﻟﻧﺗﺎﺋﺞ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫ﻋﯾﻧﺔ اﻟﻣﺟﺗﻣﻊ اﻷول‪X1  525.30, S12  2273 :‬‬
‫ﻋﯾﻧﺔ اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪X 2  510.80, S22  1759 :‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻷول إﻟﻰ ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ وذﻟك ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى ﺛﻘﺔ‬
‫‪%95‬؟‬
‫‪ -2‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻧﺳﺑﺔ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ اﻷول إﻟﻰ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫وذﻟك ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى ﺛﻘﺔ ‪%95‬؟‬
‫‪-3‬أوﺟد ﻓﺗرة اﻟﺛﻘﺔ ﻟﻠﻔرق ﺑﯾن اﻻﻧﺣراﻓﺎت اﻟﻣﻌﯾﺎرﯾﺔ وذﻟك ﻋﻧد درﺟﺔ ﺛﻘﺔ ‪%99‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎﺑﻊ‪ :‬ﯾدﻋﻲ اﺣد اﻟﻣﺻﺎﻧﻊ اﻧﻪ أﻧﺗﺞ ﻧوع ﻣﻌﯾن ﻣن اﻟﻐذاء ﯾﺣدث ﺗﺧﻔﯾﻔﺎ ﻓﻲ اﻟوزن ﺑﻣﻘدار‬
‫‪ 04.50‬ﻛﻎ ﻓﻲ اﻟﻣﺗوﺳط ﺧﻼل ﻓﺗرة زﻣﻧﯾﺔ ﻣﻌﯾﻧﺔ ﻣدﺗﻬﺎ أﺳﺑوﻋﯾن ﻣن ﺗﻧﺎوﻟﻪ‪ ،‬وﻟﺗﺄﻛﯾد ادﻋﺎﺋﻪ أﺟرﯾت دراﺳﺔ‬
‫ﻋﻠﻰ ﻋﯾﻧﺔ ﻣن ﺳﺑﻌﺔ أﺷﺧﺎص ﻓﻛﺎﻧت أوزاﻧﻬم ﻗﺑل وﺑﻌد اﺳﺗﺧدام ﻫذا اﻟﻧوع ﻣن اﻟﻐذاء ﻟﻣدة أﺳﺑوﻋﯾن‬
‫ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫اﻟوزن‬
‫‪56.70‬‬ ‫‪62.60‬‬ ‫‪64.00‬‬ ‫‪69.00‬‬ ‫‪61.70‬‬ ‫‪60.30‬‬ ‫‪58.50‬‬ ‫ﻗﺑل‬
‫‪54.40‬‬ ‫‪59.90‬‬ ‫‪58.50‬‬ ‫‪62.10‬‬ ‫‪58.10‬‬ ‫‪54.90‬‬ ‫‪60.00‬‬ ‫ﺑﻌد‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ‪ %90‬ﻓﺗرة ﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﻓﻲ ﻣﺗوﺳط اﻟوزن ﻋﻠﻰ اﻓﺗراض أن ﺗوزﯾﻊ اﻷوزان ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻣن‪ :‬إذا ﻛﺎن ‪ P‬ﻫو ﺗﻧﺎﺳب اﻟﻧﺟﺎﺣﺎت اﻟﻣﺷﺎﻫد ﻓﻲ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪n‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬اﺛﺑت ﺑﺎن ﺣدود ﺛﻘﺔ ﺗﻘدﯾر ﺗﻧﺎﺳﺑﺎت ﻧﺟﺎح اﻟﻣﺟﺗﻣﻊ ‪ P‬ﻋﻧد ﻣﺳﺗوى اﻟﺛﻘﺔ اﻟﻣﺣدد ب ‪ Zc‬ﺗﻌطﻰ‬
‫‪Z2c‬‬ ‫‪P 1  P  Z2c‬‬
‫‪P‬‬ ‫‪ Zc‬‬ ‫‪ 2‬‬
‫‪P‬‬ ‫‪2n‬‬
‫‪2‬‬
‫‪n‬‬ ‫‪4n‬‬ ‫ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪Z‬‬
‫‪1 c‬‬
‫‪n‬‬
‫‪-2‬ﺑﺎﻓﺗراض أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو ‪ 100‬وان اﻟﻧﺳﺑﺔ ‪،P=0.55‬أوﺟد ﺣدي اﻟﺛﻘﺔ ﻋﻧد ﻣﺳﺗوى ﺛﻘﺔ‬
‫‪%99.73‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪110‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻧﻲ‪ :‬ﻧﻈﺮﯾﺔ اﻟﺘﻘﺪﯾﺮ‬
‫اﻟﺗﻣرﯾن اﻟﺗﺎﺳﻊ‪ :‬ﻣن ﺧﻼل واﻗﻊ اﻟﺳﺟﻼت ﺑﻣﺻﻠﺣﺔ اﻟرﺻد اﻟﺟوي ﻓﻲ اﻟﺳﻧوات اﻟﺧﻣس ﻋﺷر اﻟﻣﺎﺿﯾﺔ‬
‫ﺗﺑﯾن أن ﻣﺗوﺳط اﻷﻣطﺎر اﻟﺗﻲ ﺳﻘطت ﻋﻠﻰ ﻣدﯾﻧﺔ ﺗﯾﺎرت ﺧﻼل ﺷﻬر ﺟﺎﻧﻔﻲ ﻛﺎﻧت ‪ 05.33‬ﺳم ﺑﺎﻧﺣراف‬
‫ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 01.20‬ﺳم‪ ،‬وﻣﺗوﺳط ﻛﻣﯾﺔ اﻷﻣطﺎر اﻟﺗﻲ ﺳﻘطت ﻋﻠﻰ ﻣدﯾﻧﺔ ﻣﺳﺗﻐﺎﻧم ﺧﻼل ﻧﻔس اﻟﺷﻬر‬
‫وﻟﻣدة ﻋﺷر ﺳﻧوات ﻛﺎن ‪ 03.64‬ﺳم ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 0.99‬ﺳم‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ‪ %95‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﻣﺎﺑﯾن ﻣﺗوﺳطﻲ ﻛﻣﯾﺔ اﻷﻣطﺎر اﻟﺗﻲ ﺳﻘطت ﻋﻠﻰ اﻟﻣدﯾﻧﺗﯾن وذﻟك‬
‫ﻋﻠﻰ اﻓﺗراض أن اﻟﺑﯾﺎﻧﺎت ﻣن ﻣﺟﺗﻣﻌﯾن طﺑﯾﻌﯾﯾن ﺗﺑﺎﯾﻧﻬﻣﺎ ﻣﺗﺳﺎوي؟‬
‫‪ -2‬أوﺟد ‪ %95‬ﻓﺗرة اﻟﺛﻘﺔ ﻟﺗﻘدﯾر اﻟﻔرق ﻣﺎﺑﯾن ﻣﺗوﺳطﻲ ﻛﻣﯾﺔ اﻷﻣطﺎر اﻟﺗﻲ ﺳﻘطت ﻋﻠﻰ اﻟﻣدﯾﻧﺗﯾن وذﻟك‬
‫ﻋﻠﻰ اﻓﺗراض أن اﻟﺑﯾﺎﻧﺎت ﻣن ﻣﺟﺗﻣﻌﯾن طﺑﯾﻌﯾﯾن ﺗﺑﺎﯾﻧﻬﻣﺎ ﻏﯾر ﻣﺗﺳﺎوي؟‬
‫اﻟﺗﻣرﯾن اﻟﻌﺎﺷر‪ :‬ﻟﺗﻛن ‪ X4،X3،X2،X1‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺄﺧوذة ﻣن ﻣﺟﺗﻣﻊ إﺣﺻﺎﺋﻲ ﻟﻪ ﺗوزﯾﻊ‬
‫طﺑﯾﻌﻲ ‪ X  N  , 2 ‬وﻟﺗﻛن‪ T4،T3،T2، T1‬أرﺑﻌﺔ ﻣﻘدرات ﻣﻌرﻓﺔ ﺑﺎﻟﻌﻼﻗﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫‪T1  X1, T2‬‬ ‫‪‬‬

‫‪‬‬ ‫‪X1  X3 ‬‬
‫‪,T ‬‬
‫‪‬‬ ‫‪02X1  03X2  02X ‬‬
‫‪,T‬‬
‫‪3‬‬
‫‪X‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪02‬‬ ‫‪03‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أي اﻟﻣﻘدرات اﻷرﺑﻌﺔ ﻫﻲ ﻣﻘدرات ﻏﯾر ﻣﺗﺣﯾزة ﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ‪ ‬؟‬
‫‪-2‬أي اﻟﻣﻘدرات اﻷرﺑﻌﺔ أﻓﺿل ﻣﻘدر؟‬
‫‪-3‬أﺣﺳب اﻟﻛﻔﺎءة اﻟﻧﺳﺑﯾﺔ ﻟﻬذﻩ اﻟﺗﻘدﯾرات ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﺗﻘدﯾر‪ T4‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺣﺎدي ﻋﺷر‪ :‬ﻟﯾﻛن ﻟدﯾك ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ‬وﺗﺑﺎﯾن ‪، 2‬‬
‫واﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ ،01.80‬ﻓﺈذا ﻋﻠﻣت‬ ‫ﻗدرﻩ ‪X‬‬ ‫ﺳﺣﺑت ﻣﻧﻪ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ n‬ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‬
‫أن ﻣﺟﺎل اﻟﺛﻘﺔ ﻟﻠﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪P  21.412    22.588  0.95‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻗﯾﻣﺔ اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬؟‬
‫‪ -2‬أﺣﺳب ﻗﯾﻣﺔ اﻟﺧطﺄ اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ؟‬
‫‪-3‬أوﺟد ﻗﯾﻣﺔ اﻟﻌﯾﻧﺔ اﻟﻣﺳﺗﺧدﻣﺔ ﻓﻲ اﻟﺗﻘدﯾر؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪111‬‬

‫اﻟﻣﺣور اﻟﺛﺎﻟث‪ :‬إﺧﺗﺑﺎر اﻟﻔروض‬
‫)إﺧﺗﺑﺎر ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ(‬
 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫ﺗﻣﻬﯾد‬
‫ﯾﻧﻘﺳم اﻹﺣﺻﺎء أﻻﺳﺗﻧﺗﺎﺟﻲ أو اﻻﺳﺗدﻻﻟﻲ إﻟﻰ ﻧوﻋﯾن وﻫﻣﺎ اﻟﺗﻘدﯾر واﺧﺗﺑﺎرات اﻟﻔروض )اﺧﺗﺑﺎر ﻣﻌﺎﻟم‬
‫اﻟﻣﺟﺗﻣﻊ( وﻗد ﺗطرﻗﻧﺎ ﻓﻲ اﻟﻣﺣور اﻟﺳﺎﺑق إﻟﻰ ﻧظرﯾﺔ اﻟﺗﻘدﯾر وﻛﯾﻔﯾﺔ اﺳﺗﻧﺗﺎج ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ‬
‫وذﻟك ﺑﺗﻘدﯾرﻫﺎ إﻣﺎ ﺑﻘﯾﻣﺔ واﺣدة ﺗﺣﺳب ﻣن ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ‪ ،‬أو ﺗﻘدﯾرﻫﺎ ﺑﻔﺗرة ﺣﯾث‬
‫ﻧﻛون واﺛﻘﯾن ﺑﻣﻘدار ﺛﻘﺔ ﻣﻌﯾن أن اﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ ﺗﻘﻊ داﺧل ﻫذﻩ اﻟﻔﺗرة‪ ،‬أﻣﺎ اﻟﻧوع اﻟﺛﺎﻧﻲ واﻟﻣﺗﻌﻠق‬
‫ﺑﺎﺧﺗﺑﺎرات اﻟﻔروض ﻓﺳوف ﯾﺗم اﻟﺗطرق ﻓﯾﻪ إﻟﻰ ﻛﯾﻔﯾﺔ اﺳﺗﻧﺗﺎج ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ ﻋن طرﯾق إﺟراء‬
‫اﺧﺗﺑﺎرات ﻟﻔروض إﺣﺻﺎﺋﯾﺔ‪ ،‬وﻫﻲ اﻟطرﯾﻘﺔ اﻷﻛﺛر أﻫﻣﯾﺔ ﻓﻲ ﻣﯾدان اﻻﺳﺗﻧﺗﺎج اﻹﺣﺻﺎﺋﻲ‪ ،‬وﯾﻌود اﻟﻔﺿل‬
‫اﻷول ﻓﻲ اﻗﺗرح ﻫذا اﻹﺟراء أو اﻻﺧﺗﺑﺎر ﻟﻛل ﻣن ﻧﯾﻣﺎن وﺑﯾرﺳون )‪ (J.Neman and E.Pearson‬ﻋﺎم‬
‫‪1930‬م‪.‬‬
‫وﻗﺑل اﻟﺧوض ﻓﻲ ﻫذا اﻟﻣﺣور ﺳوف ﻧﺗطرق إﻟﻰ اﻟﻣﻔﺎﻫﯾم اﻷﺳﺎﺳﯾﺔ ﻻﺧﺗﺑﺎر اﻟﻔروض و اﻟﺗﻲ ﻧذﻛرﻫﺎ ﻓﻲ‬
‫اﻟﻧﻘﺎط اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ -01‬ﻣﻔﺎﻫﯾم أﺳﺎﺳﯾﺔ ﻻﺧﺗﺑﺎر اﻟﻔروض‬
‫‪ 1-1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ واﻟرﻓض واﻟﻘﺑول‪ :‬ﺗﻌرف اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ ﻋﻠﻰ أﻧﻬﺎ ﻋﺑﺎرة أو ﺗﺻور ﯾﺗﻌﻠق‬
‫ﺑﻛﺎﻣل اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ اﻷم ﻣﺄﺧوذة ﻋن ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﻧﻪ‪،‬أﻣﺎ اﻟرﻓض واﻟﻘﺑول ﻟﻠﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫و اﻟﺻﺢ واﻟﺧطﺄ ﻓﻲ ﺗﻌﺎﺑﯾر ﺗﺳﺗﺧدم ﻓﻲ ﻫذا اﻟﻣﺟﺎل وﻻﺑد ﻣن اﻹﺷﺎرة ﻫﻧﺎ إﻟﻰ أن رﻓض اﻟﻔرﺿﯾﺔ ﻻ ﯾﻌﻧﻲ‬
‫ﺧطﺄﻫﺎ أﻣﺎ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ ﻓﻼ ﯾﻌﻧﻲ ﺑﺎﻟﺿرورة ﺻﺣﺗﻬﺎ وﻟﻛﻧﻪ ﯾﻌﻧﻲ ﻋدم وﺟود ﺣﺟﺔ واﻟدﻟﯾل‬
‫اﻟﻘﺎطﻊ ﻟرﻓﺿﻬﺎ‪ ،‬واﻟﻬدف ﻣن اﻻﺧﺗﺑﺎر اﻹﺣﺻﺎﺋﻲ ﻫو اﺧﺗﺑﺎر ﻓرﺿﯾﺔ ﺣول ﻣﻌﻠﻣﺔ أو أﻛﺛر ﻣن ﻣﻌﺎﻟم‬
‫اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻻﺧﺗﺑﺎر اﻹﺣﺻﺎﺋﻲ ﯾﺗﻛون ﻣن اﻟﻌﻧﺎﺻر اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫أ‪-‬اﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ او ﻓرﺿﯾﺔ اﻟﻌدم )‪ :(Null Hypothèses‬إذا ﺻﯾﻐت ﻓرﺿﯾﺔ ﺣول ﺗوزﯾﻊ أو‬
‫ﺧﺻﺎﺋص ﻣﺗﻐﯾر ﻋﺷواﺋﻲ )أو ﻋدة ﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ( ﺑﻬدف اﺧﺗﺑﺎر ﺻﺣﺗﻬﺎ ﻓﺗدﻋﻰ ﻋﺎدة ﺑﻔرﺿﯾﺔ اﻟﻌدم‬
‫وﯾرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز )‪ ،(H0‬وﺗﻌﻧﻲ اﻧﻌدام اﻻﺧﺗﻼف واﻟﺗﺑﺎﯾن أي اﻟﺗﺳﺎوي ‪،   ‬ﻛﻣﺎ ﺗدﻋﻰ ﺑﺑﻌض اﻷدﺑﯾﺎت‬
‫اﻹﺣﺻﺎﺋﯾﺔ ﺑﺎﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ أو اﻷﺳﺎﺳﯾﺔ‪ ،‬وﻋﺎدة ﯾﻘوم اﻟﺑﺎﺣﺛون ﻓﻲ ﻣﯾﺎدﯾن اﻟﻣﻌرﻓﺔ اﻟﻣﺧﺗﻠﻔﺔ ﺑﺻﯾﺎﻏﺔ‬
‫ﻓرﺿﯾﺔ اﻟﻌدم وﻣﻬﻣﺔ اﻹﺣﺻﺎﺋﻲ ﺗﻛﻣن ﻓﻲ ﻣﺳﺎﻋدﺗﻬم ﻓﻲ اﺧﺗﯾﺎر ﻓرﺿﯾﺔ اﻟﻌدم اﻟﻣﻧﺎﺳﺑﺔ واﺗﺧﺎذ اﻟﻘرار‬
‫ﺑﻘﺑول أو رﻓض ﺗﻠك اﻟﻔرﺿﯾﺔ‪ ،‬إذن ﻓرﺿﯾﺔ اﻟﻌدم ﻫﻲ اﻟﻔرﺿﯾﺔ اﻟﺗﻲ ﯾﺗم اﺧﺗﺑﺎرﻫﺎ وﻋﺎدة إﻟﻰ ﺟﺎﻧب ﻓرﺿﯾﺔ‬
‫اﻟﻌدم ﺗﺻﺎغ ﻓرﺿﯾﺔ أﺧرى ﺗدﻋﻰ ﺑﺎﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ‪.‬‬
‫ب‪-‬اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ :(Alternative Hypothèses‬واﻟﺗﻲ ﯾرﻣز ﻟﻬﺎ ﺑﺎﻟرﻣز)‪(H1‬ﻋﺎدة وﺗﻌﻧﻲ وﺟود‬
‫اﻻﺧﺗﻼف واﻟﺗﺑﺎﯾن وﻋدم اﻧﻌداﻣﻬﺎ‪ ،‬ﻛﻣﺎ ﺗﺳﻣﻰ أﺣﯾﺎﻧﺎ ﺑﻔرﺿﯾﺔ اﻟﻘﺑول أي اﻟﻘﺑول ﺑوﺟود اﻻﺧﺗﻼف واﻟﺗﺑﺎﯾن‬
‫‪ ،  ,   ,   ‬وﺗﺄﺳﯾﺳﺎ ﻋﻠﻰ ﻣﺎ ﺗﻘدم‪ ،‬ﯾﻣﻛن ﺻﯾﺎﻏﺔ ﻓرﺿﯾﺔ اﻟﻌدم )‪ (H0‬واﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وﻓﻘﺎ‬
‫ﻷﺣد اﻷﺷﻛﺎل اﻟﺛﻼﺛﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪113‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪H 0 :   0‬‬
‫‪-1‬اﺧﺗﺑﺎر ذو ﺟﺎﻧﺑﯾن أو ذﯾﻠﯾن‪ :‬ﯾﺗﺣﻘق ﻫذا اﻻﺧﺗﺑﺎر وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪H1 :   0‬‬
‫‪-2‬اﺧﺗﺑﺎر ﻣن اﻟﺟﺎﻧب اﻷﯾﻣن أو اﻟﺟﺎﻧب اﻟﻌﻠوي ‪ :‬ﯾﺗﺣﻘق ﻫذا اﻻﺧﺗﺑﺎر وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪H 0 :   0‬‬
‫‪H1 :   0‬‬
‫‪ -3‬إﺧﺗﺑﺎر ﻣن اﻟﺟﺎﻧب اﻷﯾﺳر أو اﻟﺟﺎﻧب اﻟﺳﻔﻠﻲ‪ :‬ﯾﺗﺣﻘق ﻫذا اﻻﺧﺗﺑﺎر وﻓق اﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪H 0 :   0‬‬
‫‪H1 :   0‬‬
‫‪ 2-1‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺗﻌرف إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺑﺄﻧﻬﺎ ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻟﻬﺎ ﺗوزﯾﻊ اﺣﺗﻣﺎﻟﻲ ﻣﻌروف‪،‬‬
‫وﺗﺳﺗﺧدم ﻟوﺻف اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﻘﯾم اﻟﻧظرﯾﺔ ﻟﻠﻣﺟﺗﻣﻊ واﻟﻘﯾم اﻟﻣﺣﺳوﺑﺔ ﻣن اﻟﻌﯾﻧﺔ‪ ،‬وﺗﻌﺗﻣد إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬
‫ﻋﻠﻰ ﻣﺎ ﺳﯾﺗم اﺧﺗﺑﺎرﻩ ﻣن ﻣﻌﻠﻣﺎت اﻟﻣﺟﺗﻣﻊ اﻟﻣدروس‪ ،‬ﻟذﻟك ﻓﻬﻲ ﺗﺧﺗﻠف ﺑﺎﺧﺗﻼف اﻟﺣﺎﻟﺔ اﻟﻣدروﺳﺔ‬
‫ﻟﻠﻣﻌﻠﻣﺔ‪ ،‬وﺗﺳﻣﻰ ﻋﺎدة ﺑﺎﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ‪ ،‬وﺗﻛون إﺣﺻﺎءات اﻻﺧﺗﺑﺎر ﻋﻠﻰ أﻧواع ﻋدة ﻧذﻛر‬
‫ﻣﻧﻬﺎ)إﺣﺻﺎءة اﻻﺧﺗﺑﺎر)‪ ،(Z‬اﺣﺻﺎءة اﻻﺧﺗﺑﺎر)‪ ،(T‬اﺣﺻﺎءة اﻻﺧﺗﺑﺎر ‪ ،  2 ‬واﺣﺻﺎءة اﻻﺧﺗﺑﺎر )‪.((F‬‬
‫وﯾﺗم ﺗﻘﺳﯾم ﻛل اﻟﻧﺗﺎﺋﺞ اﻟﻣﻣﻛن اﻟﺣﺻول ﻋﻠﯾﻬﺎ‪ ،‬أي ﻛل اﻟﻘﯾم اﻟﺗﻲ ﯾﻣﻛن أن ﺗﺄﺧذﻫﺎ إﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر‬
‫ﻟﻣﺟﻣوﻋﺗﯾن ﻏﯾر ﻣﺗداﺧﻠﺗﯾن‪ ،‬إﺣداﻫﻣﺎ ﺗﺷﻣل اﻟﻧﺗﺎﺋﺞ اﻟﺗﻲ إذا ظﻬرت ﻧﻘﺑل ﻓرض اﻟﻌدم وﺗﺳﻣﻰ ﻣﻧطﻘﺔ‬
‫اﻟﻘﺑول‪ ،‬واﻷﺧرى ﺗﺷﻣل اﻟﻧﺗﺎﺋﺞ اﻟﺗﻲ إذا ظﻬرت ﻧرﻓض ﻓرض اﻟﻌدم وﺗﺳﻣﻰ ﻣﻧطﻘﺔ اﻟرﻓض‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﯾﻘﺳم‬
‫ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻹﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر إﻟﻰ ﻣﻧطﻘﺗﯾن ﯾﻣﻛن ﺗﻌرﯾﻔﻬﻣﺎ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪1-2‬ﻣﻧطﻘﺔ اﻟﻘﺑول)‪:(acceptance region‬ﻫﻲ اﻟﻣﻧطﻘﺔ اﻟﺗﻲ ﺗﺣﺗوي ﻋﻠﻰ ﻗﯾم إﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر‬
‫اﻟﺗﻲ ﺗؤدي إﻟﻰ ﻋدم رﻓض اﻟﻌدم )‪ ،(H0‬أي ﻗﺑول ﻓرض اﻟﻌدم )‪.(H0‬‬
‫‪ 2-2‬ﻣﻧطﻘﺔ اﻟرﻓض )‪ :(rejection region‬وﻫﻲ اﻟﻣﻧطﻘﺔ اﻟﺗﻲ ﺗﺣﺗوي ﻋﻠﻰ ﻗﯾم إﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر‬
‫اﻟﺗﻲ ﺗؤدي إﻟﻰ رﻓض ﻓرض اﻟﻌدم )‪ ، (H0‬وﺗﺳﻣﻰ ﻛذﻟك ﺑﺎﻟﻣﻧطﻘﺔ اﻟﺣرﺟﺔ )‪.(the critical region‬‬
‫واﻟﻘﯾﻣﺔ أو اﻟﻘﯾم اﻟﺗﻲ ﺗﻔﺻل ﺑﯾن ﻫﺎﺗﯾن اﻟﻣﻧطﻘﺗﯾن ﺗﺳﻣﻰ ﺑﺎﻟﻘﯾﻣﺔ أو اﻟﻘﯾم اﻟﺣرﺟﺔ‪ ،‬وﺗﻌرف ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪ 3-2‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ )‪ :(the critical region‬ﻫﻲ اﻟﻘﯾﻣﺔ اﻟﺗﻲ ﺗﻔﺻل ﺑﯾن ﻣﻧطﻘﺔ اﻟرﻓض وﻣﻧطﻘﺔ‬
‫اﻟﻘﺑول‪.‬‬
‫‪ 3-1‬اﻟﺧطﺄﯾن ﻣن اﻟﻧوع اﻷول واﻟﺛﺎﻧﻲ‪ :‬إن اﺗﺧﺎذ اﻟﻘرار ﯾﻌﺗﻣد ﻋﻠﻰ ﻗﯾﻣﺔ اﻟﻣﺷﺎﻫدة ﻹﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر‪،‬‬
‫أي ﻋﻠﻰ اﻟﻘﯾﻣﺔ اﻟﻣﺣﺳوﺑﺔ ﻣن اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ اﻟﻣﺳﺣوﺑﺔ ﻣن اﻟﻣﺟﺗﻣﻊ‪ ،‬وﻗد ﺗﻛون ﻫذﻩ اﻟﻌﯾﻧﺔ ﻻ ﺗﻣﺛل‬
‫اﻟﻣﺟﺗﻣﻊ اﻟذي ﺳﺣﺑت ﻣﻧﻪ ﺗﻣﺛﯾﻼ ﺻﺣﯾﺣﺎ‪ ،‬ﻣﻣﺎ ﯾؤدي إﻟﻰ وﻗوع ﻣﺗﺧذ اﻟﻘرار ﻓﻲ ﺧطﺄ ﻣن اﺛﻧﯾن ﻫﻣﺎ‪:‬‬
‫أ‪-‬اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول‪ :‬ﯾﺣدث ﻫذا اﻟﺧطﺄ إذا ﻛﺎن ﻓرض اﻟﻌدم ﻓﻲ اﻟﺣﻘﯾﻘﺔ ﺻﺣﯾﺣﺎ‪ ،‬وﻟﻛن ﺑﯾﺎﻧﺎت‬
‫اﻟﻌﯾﻧﺔ ﺗظﻬر اﻧﻪ ﻏﯾر ﺻﺣﯾﺢ‪ ،‬أي أن ﻧﺗﺎﺋﺞ اﻟﻌﯾﻧﺔ ﺗؤدي اﻟر رﻓض ﻓرض اﻟﻌدم ﻣﻊ اﻧﻪ ﻓﻲ اﻟواﻗﻊ‬
‫ﺻﺣﯾﺢ‪ ،‬وﯾرﻣز ﻻﺣﺗﻣﺎل وﻗوع ﺧطﺄ ﻣن اﻟﻧوع اﻷول أي ﻹﺣﺗﻣﺎل رﻓض ﻓرض اﻟﻌدم ﻣﻊ اﻧﻪ ﻓﻲ اﻟواﻗﻊ‬
‫ﺻﺣﯾﺢ ﺑﺎﻟرﻣز ‪ α‬وﯾطﻠق ﻋﻠﯾﻪ اﺳم ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ أي أن‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪114‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫)ارﺗﻜﺎب ﺧﻄﺄ ﻣﻦ اﻟﻨﻮع اﻷول( ‪α = P‬‬
‫)ﻓرض اﻟﻌدم ‪ H0‬ﺻﺣﯾﺢ‪/‬رﻓض ﻓرض اﻟﻌدم ‪=P(H0‬‬
‫ب‪ -‬اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ‪:‬ﯾﺣدث ﻫذا اﻟﺧطﺄ ﻧﺗﯾﺟﺔ ﻟﻘﺑول ﻓرض اﻟﻌدم ﻣﻊ أﻧﻪ ﻓﻲ اﻟواﻗﻊ ﻏﯾر ﺻﺣﯾﺢ‪،‬‬
‫أي أن ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﺗؤﯾد ﻓرض اﻟﻌدم‪ ،‬ﻣﻊ أن ﻓرض اﻟﻌدم ﻓﻲ اﻟﺣﻘﯾﻘﺔ ﻏﯾر ﺻﺣﯾﺢ‪ ،‬وﯾرﻣز إﻟﻰ اﺣﺗﻣﺎل‬
‫وﻗوع اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ‪ ،‬أي اﺣﺗﻣﺎل ﻗﺑول ﻓرض اﻟﻌدم ﻣﻊ أن ﻓرض اﻟﻌدم ﻓﻲ اﻟواﻗﻊ ﺧطﺄ ﺑﺎﻟرﻣز‪،β‬‬
‫أي أن‪:‬‬
‫)ارﺗﻛﺎب ﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ (‪β=P‬‬
‫) ﻓرض اﻟﻌدم ‪ H0‬ﺧطﺄ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪=P(H0‬‬
‫) اﻟﻔرض اﻟﺑدﯾل‪ H1‬ﻫو اﻟﺻﺣﯾﺢ ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪=P(H0‬‬
‫وﯾﻣﻛن ﺗﻠﺧﯾص اﻟﺣﺎﻻت اﻟﺳﺎﺑﻘﺔ ﻣن ﺧﻼل اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫‪H0‬‬
‫ﻏﯾر ﺻﺣﯾﺣﺔ‬ ‫‪H0‬‬ ‫‪ H0‬ﺻﺣﯾﺣﺔ‬ ‫اﻟﻘرار‬
‫ﻗرار ﺧﺎطﺊ )ﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ(‬ ‫ﻗرار ﺳﻠﯾم‬ ‫ﻗﺑول ‪H0‬‬
‫ﻗرار ﺳﻠﯾم‬ ‫ﻗرار ﺧﺎطﺊ )ﺧطﺄ ﻣن اﻟﻧوع اﻷول(‬ ‫رﻓض ‪H0‬‬
‫إن ﻣن اﻟﻣﻼﺋم أن اﺧﺗﺑﺎر اﻟﻔروض ﯾﻘﺎس ﺑﺎﻻﺣﺗﻣﺎﻻت اﻟﻧﺎﺗﺟﺔ ﻋن اﻟﺧطﺄ اﻷول واﻟﺛﺎﻧﻲ و اﻟﺗﻲ رﻣزﻧﺎ ﻟﻬﺎ‬
‫ﺑﺎﻟرﻣوز‪ α‬و‪ ،β‬وﺣﯾث أن ‪ α‬ﻫو اﻻﺣﺗﻣﺎل اﻟﻧﺎﺗﺞ ﻋن رﻓض ‪ H0‬ﻋﻧدﻣﺎ ﺗﻛون ﺻﺣﯾﺣﺔ ﻓﺎن ﻣﻧطﻘﺔ اﻟرﻓض‬
‫ﺗزداد ﺑﺎزدﯾﺎد ‪ α‬وﻓﻲ ﻧﻔس اﻟوﻗت ﯾﻧﻘص ‪ β‬ﻋﻧد ﺛﺑﺎت ﺣﺟم اﻟﻌﯾﻧﺔ‪ ،‬وﻋﻧد إﻧﻘﺎص ﻣﻧطﻘﺔ اﻟرﻓض ﻓﺎن ﻗﯾﻣﺔ‬
‫‪ β‬ﺗزداد‪ ،‬أﻣﺎ إذا زدﻧﺎ ﺣﺟم اﻟﻌﯾﻧﺔ ﻓﺎن ﻣﻌﻠوﻣﺎت أﻛﺛر ﺳﺗوﻓر ﻻﺗﺧﺎذ اﻟﻘرار ﻋﻠﻰ أﺳﺎﺳﻪ وﻋﻧدﺋذ ﺳﺗﻧﻘص‬
‫ﻗﯾﻣﺗﻲ ‪ α‬و‪.β‬‬
‫إن ﻗﯾﻣﺔ ‪ β‬وﻫو اﻻﺣﺗﻣﺎل اﻟﻧﺎﺗﺞ ﻋن اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ ﯾﺗﻐﯾر ﺑﺎﻻﻋﺗﻣﺎد أﺳﺎﺳﺎ ﻋﻠﻰ اﻟﻘﯾم اﻟﺣﻘﯾﻘﯾﺔ‬
‫ﻟﻣﻌﻠﻣﺔ اﻟﻣﺟﺗﻣﻊ‪.‬‬
‫ﺗﻣرﯾن‪:01‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑوﺳط ﺣﺳﺎﺑﻲ ‪ ‬ﻣﺟﻬول‪ ،‬وﺗﺑﺎﯾﻧﻪ ‪، 2  625‬‬
‫وأردﻧﺎ إﺟراء اﻻﺧﺗﺑﺎر اﻹﺣﺻﺎﺋﻲ اﻟﺗﺎﻟﻲ ﺑﺧﺻوص اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪ ‬اﻟﺗﺎﻟﻲ‪:‬‬
‫‪H0 :   100‬‬
‫‪H1 :   80‬‬
‫إذا ﻛﺎﻧت اﻟﻘﺎﻋدة اﻟﺗﻲ وﺿﻌﻬﺎ ﻣﺗﺧذ اﻟﻘرار اﻋﺗﻣﺎدا ﻋﻠﻰ ﺧﺑرﺗﻪ اﻟﺳﺎﺑﻘﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫ﯾرﻓض ‪ H0‬إذا ﻛﺎن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬أﻗل ﻣن ‪ ،67‬وﯾﻘﺑل ‪ H0‬إذا ﻛﺎن ‪ X‬أﻛﺑر ﻣن‬
‫أو ﯾﺳﺎوي‪.67‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪115‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-‬أﺣﺳب اﺣﺗﻣﺎل وﻗوع اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول‪ ،‬واﺣﺗﻣﺎل وﻗوع اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ‪ ،‬إذا ﻛﺎن ﻗ ارراﻩ‬
‫ﺳﯾﻌﺗﻣد ﻋﻠﻰ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﺣﺟﻣﻬﺎ ‪.05‬؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪X   , 625 , X  67, n  05 :‬‬
‫ﺑﻧﺎءا ﻋﻠﻰ اﻟﻘﺎﻋدة اﻟﺗﻲ وﺿﻌﻬﺎ ﻣﺗﺧذ اﻟﻘرار‪ ،‬ﻧﺟد أن اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﺗﺳﺎوي‪ ،67‬وﺑﻣﺎ أن اﺣﺗﻣﺎل اﻟوﻗوع‬
‫)ﻓرض اﻟﻌدم ‪ H0‬ﺻﺣﯾﺢ‪/‬رﻓض ﻓرض اﻟﻌدم ‪α=P(H0‬‬ ‫ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول ﻫو‬
‫‪‬‬
‫‪  P X  67 /   100‬‬ ‫‪‬‬ ‫إذن‬
‫وﺑﻣﺎ أن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ ﻫو ﺗوزﯾﻊ طﺑﯾﻌﻲ‪ ،‬إذن ﺳﯾﻛون ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻺﺣﺻﺎﺋﯾﺔ ‪ X‬ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫ﺑوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻗدرﻫﻣﺎ ﻋﻠﻰ اﻟﺗواﻟﻲ‬
‫‪2 625‬‬
‫‪2X ‬‬ ‫‪‬‬ ‫‪ 125‬‬ ‫‪،‬‬ ‫‪X  ‬‬
‫‪n‬‬ ‫‪5‬‬
‫ﻓﻌﻧدﻣﺎ ﯾﻛون ﻓرض اﻟﻌدم ﻫو اﻟﻔرض اﻟﺻﺣﯾﺢ‪ ،‬ﯾﻛون ‪X    100‬‬
‫وﻋﻧدﻣﺎ ﯾﻛون اﻟﻔرض اﻟﺑدﯾل ﻫو اﻟﻔرض اﻟﺻﺣﯾﺢ ﯾﻛون ‪X    80‬‬
‫ﻟﺣﺳﺎب ‪ α‬ﻧﺣﺳب اﻟﻘﯾﻣﺔ اﻟﻣﻌﯾﺎرﯾﺔ )‪ (Z‬اﻟﻣﻘﺎﺑﻠﺔ ﻟﻠﻘﯾﻣﺔ اﻟﺣرﺟﺔ ‪ X  67‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪X  67 100‬‬
‫‪Z‬‬ ‫‪‬‬ ‫‪ 02.95‬‬
‫‪X‬‬ ‫‪125‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  67  P  Z  02.95   F  02.95   01  F  02.95   01  0.99841  0.00159‬‬ ‫إذن‬
‫وﺑﻣﺎ أن اﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ ﻫو‪:‬‬
‫) اﻟﻔرض اﻟﺑدﯾل‪ H1‬ﻫو اﻟﺻﺣﯾﺢ ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪β=P(H0‬‬
‫‪‬‬
‫‪  P X  67 /   80‬‬ ‫‪‬‬ ‫إذن‬
‫وﻟﺣﺳﺎب ﻗﯾﻣﺔ ‪ β‬ﻧﺣﺳب اﻟﻘﯾﻣﺔ اﻟﻣﻌﯾﺎرﯾﺔ اﻟﻣﻘﺎﺑﻠﺔ ﻟﻠﻘﯾﻣﺔ اﻟﺣرﺟﺔ ‪ X  67‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪X  67  80‬‬
‫‪Z‬‬ ‫‪‬‬ ‫‪ 01.16‬‬
‫‪X‬‬ ‫‪125‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  67  P  Z  01.16  F  01.16   0.87698‬‬ ‫إذن‬
‫ﯾﻌرف ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ ﺑﺄﻧﻪ )إﺣﺗﻣﺎل‬ ‫‪ 4-1‬ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ)‪:(α) (Level of Singificance‬‬
‫رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ ‪ H0‬ﻋﻧدﻣﺎ ﺗﻛون ﻫذﻩ اﻟﻔرﺿﯾﺔ ﺻﺣﯾﺣﺔ(‪ ،‬ﺑﻣﻌﻧﻰ آﺧر ﻫﻲ )إﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ‬
‫اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول(‪ ،‬وﯾرﻣز إﻟﻰ ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ ﻋﺎدة ﺑﺎﻟرﻣز )‪ (α‬ﺣﯾث أن‪:‬‬
‫)ﻓرض اﻟﻌدم ‪ H0‬ﺻﺣﯾﺢ‪/‬رﻓض ﻓرض اﻟﻌدم ‪α=P(H0‬‬
‫وﯾﺳﻣﻰ ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬أﺣﯾﺎﻧﺎ ﺑﺣﺟم ﻣﻧطﻘﺔ اﻟرﻓض ﻓﻲ ﺣﯾن ﯾﺳﻣﻰ اﻟﻣﻘدار )‪ (1-α‬ﺑدرﺟﺔ اﻟﺛﻘﺔ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪116‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫وﯾﻘوم اﻟﺑﺎﺣث ﻗﺑل اﻟﺑدء ﺑﻌﻣﻠﯾﺔ اﻻﺧﺗﺑﺎر ﺑﺗﺣدﯾد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬ﻋﻧد ﺗﺻﻣﯾم اﻟﺗﺟرﺑﺔ ﻣﻧذ اﻟﺑداﯾﺔ‪،‬‬
‫ﺣﯾث ﯾﺗوﻗف ﺗﺣدﯾد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬ﻋﻠﻰ طﺑﯾﻌﺔ اﻟﺑﺣث أو اﻟدراﺳﺔ وﻏﺎﻟﺑﺎ ﻣﺎ ﯾﺗم ﺗﺣدﯾد ﻣﺳﺗوى‬
‫اﻟﻣﻌﻧوﯾﺔ )‪ (α‬ﺣﺟﻣﻬﺎ ‪ %1‬او‪ %5‬او‪.%10‬‬
‫ﻓﻌﻠﻰ ﺳﺑﯾل اﻟﻣﺛﺎل‪ ،‬ﻟو ﺗم اﺧﺗﯾﺎر ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬ﻣﺳﺎو إﻟﻰ )‪ (0.05‬ﻓﻬذا ﯾﻌﻧﻲ اﻧﻪ ﻣن اﻟﻣﺣﺗﻣل‬
‫اﻟوﻗوع ﺑﺎﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول‪ ،‬أي اﺣﺗﻣﺎل رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ ‪ H0‬وﻫﻲ ﺻﺣﯾﺣﺔ ﺑﻣﻘدار ﺧﻣس‬
‫ﻣرات ﻓﻲ ﻛل )‪ (100‬ﻣرة‪ ،‬ﻓﻲ ﺣﯾن ﯾﻛون اﻻﺳﺗﻧﺗﺎج ﺻﺣﯾﺣﺎ ﺑدرﺟﺔ ﺛﻘﺔ )‪.(1-α=0.95‬‬
‫‪ 5-1‬ﻗوة اﻻﺧﺗﺑﺎر)‪ :(1-β)(Power of the Test‬ﺗﻌرف ﻗوة اﻻﺧﺗﺑﺎر ﺑﺄﻧﻬﺎ اﺣﺗﻣﺎل رﻓض اﻟﻔرﺿﯾﺔ‬
‫اﻟﻌدﻣﯾﺔ ‪ H0‬ﻋﻧدﻣﺎ ﺗﻛون ﻫذﻩ اﻟﻔرﺿﯾﺔ ﺧﺎطﺋﺔ أي أن ‪:‬‬
‫) ﻓرض اﻟﻌدم ‪ H0‬ﻫو ﺧﺎطﺊ‪/‬رﻓض ﻓرض اﻟﻌدم ‪P.O.T=P(H0‬‬
‫) ﻓرض اﻟﻌدم ‪ H0‬ﺧطﺄ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪=1- P(H0‬‬
‫‪= 1-β‬‬
‫ﯾﺗﺿﺢ ﻣن ﺧﻼل اﻟﻣﻌﺎدﻟﺔ اﻷﺧﯾرة‪ ،‬ﺑﺎن )‪ (β‬ﺗﻣﺛل اﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ‪ ،‬أي أن‬
‫) ﻓرض اﻟﻌدم ‪ H0‬ﺧطﺄ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪β=P (H0‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﯾﺗﺿﺢ ﺑﺄﻧﻪ ﻛﻠﻣﺎ ﻛﺎن اﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ )‪ (β‬ﻗﻠﯾل ﻛﻠﻣﺎ أدى ذﻟك إﻟﻰ‬
‫زﯾﺎدة ﻗوة اﻻﺧﺗﺑﺎر )‪ ،(1-β‬وﻫذا ﯾﻌﻧﻲ زﯾﺎدة ﺷدة رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ (H0‬ﻋﻧدﻣﺎ ﺗﻛون ﻫذﻩ اﻟﻔرﺿﯾﺔ‬
‫ﺧﺎطﺋﺔ‪.‬‬
‫وﺗﺄﺳﯾﺳﺎ ﻋﻠﻰ ﻣﺎ ﺗﻘدم‪ ،‬ﯾﻣﻛن ﺗوﺿﯾﺢ اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﺧطﺄﯾن ﻣن اﻟﻧوع اﻷول )‪ (α‬واﻟﺛﺎﻧﻲ )‪ (β‬ﻋﻠﻰ اﻟﻨﺤﻮ‬
‫اﻟﺘﺎﻟﻲ‪:‬‬
‫‪-1‬ن اﻧﺧﻔﺎض اﺣد اﻟﺧطﺄﯾن ﯾؤدي إﻟﻰ زﯾﺎدة اﻟﺧطﺄ اﻵﺧر‪.‬‬
‫‪-2‬إن زﯾﺎدة ﺣﺟم اﻟﻌﯾﻧﺔ )‪ ،(n‬ﯾﻘﻠل ﻣن إﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ ﻛﻼ اﻟﺧطﺄﯾن )‪ (α‬و)‪ ،(β‬وﺑﺎﻟﺗﺎﻟﻲ إﻟﻰ زﯾﺎدة‬
‫درﺟﺔ اﻟﺛﻘﺔ‪.‬‬
‫‪-3‬ﯾﺣﺳب اﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول )‪ (α‬ﻋﻠﻰ أﺳﺎس اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬ﻓﻲ ﺣﯾن‬
‫ﯾﺣﺳب إﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ )‪ (β‬ﻋﻠﻰ أﺳﺎس اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫ﺗﻣرﯾن‪ :02‬إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬وﺳطﺢ اﻟﺣﺳﺎﺑﻲ ‪ µ‬ﻣﺟﻬول‪ ،‬وﺗﺑﺎﯾﻧﻪ ‪، 2  81‬‬
‫وأردﻧﺎ إﺟراء اﻻﺧﺗﺑﺎر اﻹﺣﺻﺎﺋﻲ اﻟﺗﺎﻟﻲ ﺑﺧﺻوص اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ ‪:µ‬‬
‫‪H0 :   100‬‬
‫‪H1 :   112‬‬
‫إذا ﻛﺎﻧت اﻟﻘﺎﻋدة اﻟﺗﻲ وﺿﻌﻬﺎ ﻣﺗﺧذ اﻟﻘ اررات اﻋﺗﻣﺎدا ﻋﻠﻰ ﺧﺑرﺗﻪ اﻟﺳﺎﺑﻘﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫ﯾرﻓض )‪ (H0‬إذا ﻛﺎن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ ‪ X‬أﻛﺑر ﻣن ‪ ،107‬وﯾﻘﺑل )‪ (H0‬إذا ﻛﺎن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ‬
‫ﻟﻠﻌﯾﻧﺔ ‪ X‬اﻗل أو ﯾﺳﺎوي‪107‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪117‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺣﺳب اﺣﺗﻣﺎل وﻗوع ﺧطﺄ ﻣن اﻟﻧوع اﻷول‪ ،‬واﺣﺗﻣﺎل وﻗوع ﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ‪ ،‬إذا ﻛﺎن ﻗ اررﻩ ﺳﯾﻌﺗﻣد‬
‫ﻋﻠﻰ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻫذا اﻟﻣﺟﺗﻣﻊ ﺣﺟﻣﻬﺎ ‪.09‬؟‬
‫‪ -2‬إذا ﻗﺎم اﻟﺑﺎﺣث ﺑﺗﺛﺑﯾت اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ واﻟﻣﺳﺎوﯾﺔ ل‪ ،107‬ﻣﻊ ﺗﻐﯾﯾر ﺣﺟم اﻟﻌﯾﻧﺔ إﻟﻰ ‪ ،12‬ﻓﻣﺎ ﻫﻲ‬
‫ﻗﯾﻣﺔ ﻛل ﻣن اﻟﺧطﺄ اﻷول واﻟﺛﺎﻧﻲ وﻣﺎذا ﺗﺳﺗﻧﺗﺞ؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪X  , 81 , X  107, n  09 :‬‬
‫ﺑﻧﺎءا ﻋﻠﻰ اﻟﻘﺎﻋدة اﻟﺗﻲ وﺿﻌﻬﺎ ﻣﺗﺧذ اﻟﻘرار‪ ،‬ﻧﺟد أن اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﺗﺳﺎوي‪ ،107‬وﺑﻣﺎ أن اﺣﺗﻣﺎل اﻟوﻗوع‬
‫)ﻓرض اﻟﻌدم ‪ H0‬ﺻﺣﯾﺢ‪/‬رﻓض ﻓرض اﻟﻌدم ‪α=P(H0‬‬ ‫ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول ﻫو‬
‫‪‬‬
‫‪  P X  107 /   100‬‬ ‫‪‬‬ ‫إذن‬
‫وﺑﻣﺎ أن اﺣﺗﻣﺎل اﻟوﻗوع ﻓﻲ اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ ﻫو‪:‬‬
‫) اﻟﻔرض اﻟﺑدﯾل‪ H1‬ﻫو اﻟﺻﺣﯾﺢ ‪/‬ﻗﺑول ﻓرض اﻟﻌدم ‪β=P(H0‬‬
‫‪‬‬
‫‪  P X  107 /   112‬‬ ‫‪‬‬ ‫إذن‬
‫وﺑﻣﺎ أن ﺗوزﯾﻊ اﻟﻣﺟﺗﻣﻊ ﻫو ﺗوزﯾﻊ طﺑﯾﻌﻲ‪ ،‬إذن ﺳﯾﻛون ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻺﺣﺻﺎﺋﯾﺔ ‪ X‬ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫‪2 81‬‬
‫‪2X ‬‬ ‫‪  09‬‬ ‫‪،‬‬ ‫‪X  ‬‬ ‫ﺑوﺳط ﺣﺳﺎﺑﻲ وﺗﺑﺎﯾن ﻗدرﻫﻣﺎ ﻋﻠﻰ اﻟﺗواﻟﻲ‬
‫‪n 09‬‬
‫ﻓﺳﻧﺟد أن ﻗﯾﻣﺔ )‪ (α‬و)‪ (β‬ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬
‫‪107  100 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  107  P  Z ‬‬
‫‪‬‬ ‫‪09 ‬‬
‫‪  P  Z  02.33  01  P  Z  02.33  01  F  02.33‬‬

‫‪ 01  0.99010  0.0099‬‬

‫‪‬‬ ‫‪107  112 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  107  P  Z ‬‬
‫‪‬‬ ‫‪09 ‬‬
‫‪  p  Z  01.67   F  01.67   01  F  01.67 ‬‬

‫‪ 01  0.95254  0.04746‬‬

‫‪-2‬ﺣﺳﺎب ﻗﯾﻣﺔ )‪ (α‬و)‪ (β‬ﻓﻲ ﺣﺎﻟﺔ ﺗﺛﺑﯾت اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻣﻊ ﺗﻐﯾﯾر ﺣﺟم اﻟﻌﯾﻧﺔ إﻟﻰ ‪12‬‬
‫‪2 81‬‬
‫‪2X‬‬ ‫‪‬‬ ‫ﻧﺣﺳب اﻟﺗﺑﺎﯾن اﻟﺟدﯾد ﻛﺎﻟﺗﺎﻟﻲ‪  06.75 :‬‬
‫‪n 12‬‬
‫‪‬‬
‫‪107  100 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  107  P  Z ‬‬
‫‪‬‬ ‫‪06.75 ‬‬
‫‪  P  Z  02.69   01  P  Z  02.69   01  F  02.69 ‬‬

‫‪ 01  0.99643  0.00357‬‬

‫‪‬‬ ‫‪107  112‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪  P X  107  P  Z ‬‬
‫‪‬‬ ‫‪06.75 ‬‬
‫‪  p  Z  01.92   F  01.92   01  F  01.92 ‬‬

‫‪ 01  0.97257  0.002743‬‬

‫اﻻﺳﺗﻧﺗﺎج‪ :‬ﻧﻼﺣظ اﻧﻪ ﻋﻧدﻣﺎ ﯾزداد ﺣﺟم اﻟﻌﯾﻧﺔ‪ ،‬ﯾﻘل إﺣﺗﻣﺎل ظﻬور اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول )‪ (α‬وﯾﻘل‬
‫اﺣﺗﻣﺎل ظﻬور اﻟﺧطﺄ ﻣن اﻟﻧوع اﻟﺛﺎﻧﻲ )‪ ،(β‬وﻫذا أﻣر ﻣﻧطﻘﻲ ﻻن ﻫذﻩ اﻷﺧطﺎء ﺳﺑﺑﻬﺎ دراﺳﺔ اﻟﻌﯾﻧﺔ ﺑدﻻ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪118‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﻣن دراﺳﺔ اﻟﻣﺟﺗﻣﻊ ﻛﻛل‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻛﻠﻣﺎ زاد ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﻠﻣﺎ ﻗل ﻫذان اﻟﺧطﺂن إﻟﻰ أن ﯾﺳﺎوﯾﺎ اﻟﺻﻔر‬
‫ﻋﻧدﻣﺎ ﺗﺷﻣل اﻟﻌﯾﻧﺔ ﻛل ﻣﻔردات اﻟﻣﺟﺗﻣﻊ ﻣﺣل اﻟدراﺳﺔ‪.‬‬
‫ﺗﻣرﯾن‪ :03‬ﺑﻔرض اﻧﻪ ﺗم اﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 09‬ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺑﻣﺗوﺳط ‪ µ‬وﺗﺑﺎﯾن‬
‫‪ ، 2  16‬وان اﻟﻔرﺿﯾﺔ ﻛﺎﻧت ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪H0 :   20‬‬
‫‪H1 :   24‬‬
‫ﻓﺈذا ﻋﻠﻣت أن ﻗﯾﻣﺔ )‪ (α‬اﻟﺧطﺄ ﻣن اﻟﻧوع اﻷول ﻫو ‪ 0.05‬وأﻧﻧﺎ ﻧرﻓض ‪ H0‬إذا ﻛﺎﻧت ‪X  a‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻗﯾﻣﺔ ‪) a‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ(؟‬
‫‪-2‬أوﺟد ﻗوة اﻻﺧﺗﺑﺎر؟‬
‫اﻟﺣل‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪X  ,16 , X  a , n  09,   0.05‬‬
‫‪2 16‬‬
‫‪2X ‬‬ ‫‪‬‬ ‫‪،‬‬ ‫‪X  ‬‬ ‫ﺑﻣﺎ أن اﻟﻌﯾﻧﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ إذن‬
‫‪n 09‬‬
‫)ﻓرض اﻟﻌدم ‪ H0‬ﺻﺣﯾﺢ‪/‬رﻓض ﻓرض اﻟﻌدم ‪α=P(H0‬‬ ‫وﺣﯾث اﻧﻪ ﻣن ﺗﻌرﯾف ‪α‬‬
‫‪‬‬ ‫‪‬‬
‫إذن‬
‫‪ X  20 a  20 ‬‬ ‫‪‬‬ ‫‪03a  60 ‬‬
‫‪‬‬
‫‪ P X  a /   20  P ‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪16‬‬ ‫‪‬‬ ‫‪ PZ ‬‬
‫‪‬‬ ‫‪04‬‬ ‫‪  P Z  Z0‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪X‬‬
‫‪09 ‬‬
‫‪‬‬
‫‪P  Z  01.645   0.05‬‬ ‫وﻣن ﺟدول اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ﻧﺟد أن‬
‫‪03a  60‬‬
‫‪ 01.645  a  22.193‬‬ ‫إذن‬
‫‪04‬‬
‫إذن ﺳوف ﻧرﻓض ‪ H0‬إذا ﻛﺎﻧت ‪X  22.193‬‬
‫‪-2‬ﻗوة اﻻﺧﺗﺑﺎر‪:‬إن ﻣﺗوﺳط اﻟﻌﯾﻧﺔ ‪ X‬ﯾطﻠق ﻋﻠﯾﻪ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﺗﺳﻣﯾﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ ،‬وان ﻗوة‬
‫)‪ H0‬ﺧﺎطﺋﺔ ‪/‬رﻓض ‪1-β=P(H0‬‬ ‫اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬
‫‪1   P X  22.193 /   24‬‬ ‫‪‬‬
‫‪ X  24‬‬ ‫‪22.193  24 ‬‬
‫‪ P ‬‬ ‫‪‬‬ ‫‪  P  Z  01.36   F  01.36   0.91309‬‬
‫‪ 04 03‬‬ ‫‪04 03 ‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪119‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪ 6-1‬ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫد )‪ :(P-Value‬ﻫو إﺣﺗﻣﺎل اﻟﺣﺻول ﻋﻠﻰ ﻗﯾﻣﺔ ﻹﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬
‫ﻛﺑﯾرة ﻣﺛﻠﻣﺎ اﻟﻘﯾﻣﺔ اﻟﻣﺣﺳوﺑﺔ ﻓﻌﻼ ﻟﻬذﻩ اﻹﺣﺻﺎءة أو أﻛﺑر ﻣﻧﻬﺎ ﻋﻧدﻣﺎ ﯾﻛون ﻓرض اﻟﻌدم ﺻﺣﯾﺣﺎ وﻓﻲ‬
‫ﻧﻔس اﺗﺟﺎﻩ ﻓرض اﻟﺑدﯾل‪.‬‬
‫وﺑﻌﺑﺎرة أﺧرى إن ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫد ﻷي اﺧﺗﺑﺎر ﻫو أﺻﻐر ﻗﯾﻣﺔ ﻟﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬اﻟﺗﻲ‬
‫ﯾﻣﻛن ﻋﻧدﻫﺎ رﻓض ﻓرض اﻟﻌدم‪ ،‬وﺑﺻﻔﺔ ﻋﺎﻣﺔ ﺳوف ﻧرﻓض ﻓرض اﻟﻌدم إذا ﻛﺎن ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ‬
‫اﻟﻣﺷﺎﻫد اﺻﻐر ﻣن أو ﯾﺳﺎوي )‪ (α‬وﻻ ﻧرﻓﺿﻪ ﺧﻼف ذﻟك‪.‬‬
‫‪ 7-1‬اﻟﻣﻧطﻘﺔ اﻟﺣرﺟﺔ واﻟﻘﯾم اﻟﺣرﺟﺔ‪ :‬ﺗﻌرف اﻟﻣﻧطﻘﺔ اﻟﺣرﺟﺔ ﺑﺄﻧﻬﺎ اﻟﻣﻧطﻘﺔ اﻟﺗﻲ ﻋﻧدﻫﺎ ﯾﺗم رﻓض‬
‫اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ (H0‬واﻟﺗﻲ ﺗﻘﻊ ﻓﯾﻬﺎ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ‪ ،‬ﺑﻣﻌﻧﻰ آﺧر ﺗﻌرف اﻟﻣﻧطﻘﺔ ﺑﺄﻧﻬﺎ‬
‫ﺟزء ﻣن اﻟﻣﺳﺎﺣﺔ ﺗﺣت ﻣﻧﺣﻧﻰ داﻟﺔ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻹﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ ،‬ﺣﯾث إن ﻫذﻩ اﻟﻣﺳﺎﺣﺔ ﺗﻣﺛل‬
‫اﺣﺗﻣﺎل رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ (H0‬ﻋﻧدﻣﺎ ﺗﻛون ﻫذﻩ اﻟﻔرﺿﯾﺔ ﺻﺣﯾﺣﺔ‪.‬‬
‫ﻣﻣﺎ ﺗﻘدم ﯾﺗﺿﺢ ﺑﺎن ﻣﺳﺎﺣﺔ اﻟﻣﻧطﻘﺔ ﺗﺣت ﻣﻧﺣﻧﻰ داﻟﺔ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻹﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﯾﻣﺛل )‪(α‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن‪.‬‬ ‫ﻓﻲ ﺣﺎﻟﺔ اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد‪ ،‬أو ﺗﻣﺛل‬
‫‪‬‬
‫‪ ‬‬
‫‪2‬‬
‫ﻓﻲ ﺣﯾن ﺗﻌرف اﻟﻘﯾم اﻟﺣرﺟﺔ ﺑﺄﻧﻬﺎ ﻗﯾم ﺟدوﻟﯾﺔ ﯾﺗم اﺳﺗﺧراﺟﻬﺎ ﻣن ﻗﯾم اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻹﺣﺻﺎءة‬
‫اﻻﺧﺗﺑﺎر‪ ،‬واﻟﺗﻲ ﺗﺗﺣدد ﺑﻣوﺟﺑﻬﺎ ﻣﻧﺎطق رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ (H0‬وﻣﻧﺎطق ﻗﺑوﻟﻬﺎ‪ ،‬وﺗﻌﺗﻣد اﻟﻘﯾم‬
‫اﻟﺣرﺟﺔ ﻋﻠﻰ ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪-1‬ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪.(α‬‬
‫‪-2‬اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻛﺄن ﺗﻛون ذات ﺟﺎﻧب واﺣد أو ﺟﺎﻧﺑﯾن‪.‬‬
‫‪ Z,  2 , T, F‬‬
‫‪‬‬ ‫‪‬‬
‫‪-3‬اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻹﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ ،‬ﻛـﺄن ﯾﻛون اﺣد اﻟﺗوزﯾﻌﺎت اﻵﺗﯾﺔ‬
‫‪-4‬ﻋدد درﺟﺎت اﻟﺣرﯾﺔ‪ ،‬ﻓﯾﻣﺎ إذا ﻛﺎن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ أﺣد ﺗوزﯾﻌﺎت اﻟﻣﻌﺎﯾﻧﺔ‪.‬‬
‫وﻟﺗوﺿﯾﺢ ﻣﻔﻬوم اﻟﻣﻧطﻘﺔ اﻟﺣرﺟﺔ وﻣﻔﻬوم اﻟﻘﯾم اﻟﺣرﺟﺔ ﻧﻔﺗرض ﻟدﯾﻧﺎ اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻹﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬
‫‪H 0 :  = 0‬‬ ‫ﻫو اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ ،(Z‬وﯾراد إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻵﺗﯾﺔ‪:‬‬
‫ﺿد اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ (H1‬اﻟﺗﻲ ﺗﺄﺧذ أﺣد اﻷﺷﻛﺎل اﻟﺗﺎﻟﯾﺔ‪ ،‬ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪.(α‬‬
‫‪1 H1 :   0‬‬
‫‪2  H1 :   0‬‬
‫‪3  H1 :   0‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪120‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪H 0 :   0‬‬
‫اﻟﺣﺎﻟﺔ اﻷوﻟﻰ‪:‬‬
‫‪H1 :   0‬‬
‫ﺗﺄﺧذ اﻟﺷﻛل اﻟﺗﺎﻟﻲ‬

‫‪0 ,4‬‬

‫‪0 ,3‬‬

‫‪0 ,2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪0 ,1‬‬

‫‪1‬‬
‫‪0 ,0‬‬
‫‪ Z1 ‬‬ ‫‪0‬‬
‫‪Z‬‬ ‫‪Z 1 ‬‬
‫‪2‬‬
‫‪2‬‬

‫‪H 0 :   0‬‬
‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪:‬‬
‫‪H1 : >0‬‬
‫ﺗﺄﺧذ اﻟﺷﻛل اﻟﺗﺎﻟﻲ‬

‫‪0 ,4‬‬

‫‪0 ,3‬‬

‫‪0 ,2‬‬
‫‪‬‬
‫‪0 ,1‬‬

‫‪1‬‬
‫‪0 ,0‬‬
‫‪0‬‬
‫‪Z‬‬ ‫‪Z1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪121‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪H 0 :   0‬‬
‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻟﺛﺔ‪:‬‬
‫‪H1 :   0‬‬
‫ﺗﺄﺧذ اﻟﺷﻛل اﻟﺗﺎﻟﻲ‬

‫‪0 ,4‬‬

‫‪0 ,3‬‬

‫‪0 ,2‬‬

‫‪‬‬ ‫ﻣﻧطﻘﺔ ﻗﺑول )‪(H0‬‬

‫‪0 ,1‬‬

‫‪1‬‬
‫‪0 ,0‬‬
‫‪0‬‬
‫‪ Z1‬‬ ‫‪Z‬‬

‫ﻣﻧطﻘﺔ رﻓض )‪(H0‬‬

‫‪ 8-1‬اﻟﺧطوات اﻟﻣﺗﺑﻌﺔ ﻓﻲ اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت‪ :‬ﻓﯾﻣﺎ ﯾﻠﻲ أﻫم اﻟﺧطوات اﻟﻣﺗﺑﻌﺔ ﻓﻲ اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت‬
‫اﻹﺣﺻﺎﺋﯾﺔ‪ ،‬ﻧوﺟزﻫﺎ ﺑﻣﺎ ﯾﻠﻲ‬
‫‪-1‬ﺗﺣدﯾد ﻓرﺿﯾﺔ اﻟﻌدم)‪ (H0‬واﺧﺗﯾﺎر اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ اﻟﻣﻧﺎﺳﺑﺔ )‪ (H1‬ﻣن ﺑﯾن اﻟﺣﺎﻻت اﻟﺛﻼث‪:‬‬
‫طرف واﺣد ‪   0‬أو ‪ ،   0‬أو ذات طرﻓﯾن ‪  0‬‬
‫‪-2‬ﺗﺣدﯾد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪) (α‬اﺣﺗﻣﺎل اﻟرﻓض( ﻛﺎن ﯾﻛون )‪ 0.01‬أو ‪ 0.05‬أو‪ (0.10‬و اﻟﻘﺑول‬
‫‪P=(1-α)100%‬‬
‫‪-3‬ﺗﺣدﯾد ﻧوﻋﯾﺔ اﻟﺗوزﯾﻊ واﺧﺗﯾﺎر اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣﻧﺎﺳﺑﺔ ‪ٕ  Z, 2 , T, F‬واﯾﺟﺎد اﻟدرﺟﺔ أو اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻟﻬﺎ‬
‫ﺑﺎﻟرﻣز ‪ Z ,  2 , T , F ‬‬ ‫ﻣن اﻟﺟداول اﻟﺧﺎﺻﺔ ﺑﻬﺎ وﻧرﻣز ﻟﻬﺎ‬
‫‪ tab tab‬‬ ‫‪tab‬‬ ‫‪tab ‬‬
‫‪‬‬
‫‪-4‬ﺣﺳﺎب اﻟﻘﯾﻣﺔ اﻹﺣﺻﺎﺋﯾﺔ ‪ cal‬اﻟﻣﺣددة ﻓﻲ اﻟﻔﻘرة )‪ (03‬ﻣن ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﺑﺣﯾث‬
‫‪cal   Zcal , cal2 , Tcal , Fcal ‬‬
‫‪-5‬ﺗﺣدﯾد اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﺣﺳب ﻧوﻋﯾﺔ اﻟﺗوزﯾﻊ اﻟﻣﺳﺗﺧدم‪ ،‬واﻋﺗﻣﺎدا ﻋﻠﻰ ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ ،(α‬وﻧوع‬
‫اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ودرﺟﺎت اﻟﺣرﯾﺔ )‪ (ddl‬ﻓﻲ ﺣﺎﻟﺔ ﺗوزﯾﻌﺎت اﻟﻣﻌﺎﯾﻧﺔ‪.‬‬
‫‪-6‬اﻟﺗﺣﻠﯾل وﻣﻘﺎرﻧﺔ ﻗﯾﻣﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣﺣﺳوﺑﺔ ‪ cal‬ﻣن اﻟﻌﯾﻧﺔ ﺑﺎﻟدرﺟﺔ اﻟﺣرﺟﺔ ‪ tab‬‬
‫‪-7‬إﺗﺧﺎذ اﻟﻘرار ﺑﺷﺎن رﻓض أو ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬ﺑﻌد ﻣﻘﺎرﻧﺔ ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬
‫اﻟﻣﺣﺳوﺑﺔ ‪ cal‬ﻣﻊ اﻟﻘﯾم اﻟﺣرﺟﺔ ‪  tab‬ﺣﺳب ﻧوع اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ )‪ (α‬ﻓﺈذا ﻛﺎﻧت‬
‫‪ 1-7‬ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪ cal‬ﺗﻘﻊ ﻓﻲ ﻣﻧطﻘﺔ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬ﻓﺈن ذﻟك ﯾدل‬
‫ﻋﻠﻰ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪122‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪ 2-7‬أﻣﺎ إذا وﻗﻌت ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪ cal‬ﻓﻲ ﻣﻧطﻘﺔ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬ﻓﺈن‬
‫ذﻟك ﯾدل ﻋﻠﻰ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ )‪ ،(H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫‪-2‬إﺧﺗﺑﺎرت اﻟﻔروض ﺣول اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ )‪(µ‬‬
‫ﺑﺎﻓﺗراض ﻟدﯾﻧﺎ ‪  X n ,.................., X3 , X 2 , X1 ‬ﺗﻣﺛل ﻣﺷﺎﻫدات ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻗواﻣﻬﺎ )‪ (n‬ﻣﺷﺎﻫدة‪ ،‬ﺗم‬
‫ﯾﻣﺛﻼن اﻟوﺳط اﻟﺣﺳﺎﺑﻲ‬ ‫‪S , X ‬‬
‫‪2‬‬
‫إﺧﺗﯾﺎرﻫﺎ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺑوﺳط ﺣﺳﺎﺑﻲ )‪ (µ‬وﺗﺑﺎﯾن ‪ ، 2‬وان‬
‫واﻟﺗﺑﺎﯾن ﻟﻣﺷﺎﻫدات ﻫذﻩ اﻟﻌﯾﻧﺔ ﻋﻠﻰ اﻟﺗواﻟﻲ‪ ،‬ﯾﺗم ﺗﻘدﯾرﻫﻣﺎ ﻋﻠﻰ أﺳﺎس ﻣﺷﺎﻫدات اﻟﻌﯾﻧﺔ‪ ،‬ﻋﻠﻣﺎ أن ﻫذا‬
‫اﻻﺧﺗﺑﺎر ﯾﻛون ﻣن ﺟﺎﻧب واﺣد أو ﺟﺎﻧﺑﯾن‪.‬‬
‫وﻋﻠﻰ اﻓﺗراض أﻧﻧﺎ ﻧرﻏب ﻓﻲ إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ ‪  H 0 :=0 ‬ﺿد أي ﻓرﺿﯾﺔ ﺑدﯾﻠﺔ أﺧرى‪،‬‬
‫ﻋﻧدﺋذ ﻫﻧﺎﻟك ﺣﺎﻟﺗﯾن ﻫﻣﺎ‪:‬‬
‫‪1-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻣﻌﻠوﻣﺎ‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ )‪(n≥30‬‬
‫ﻧظرﯾﺔ‪:01‬إن ﻣن اﺑﺳط وأﻛﺛر اﻟﻔرﺿﯾﺎت اﺧﺗﺑﺎ ار إذا ﺗواﻓرت ﺑﯾﺎﻧﺎت ﻛﺎﻓﯾﺔ ﻋن اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ ﻣدار‬
‫اﻟﺑﺣث ﻫﻲ اﻟﻔرﺿﯾﺎت اﻟﺧﺎﺻﺔ ﺑﺎﻟﻣﺗوﺳط‪ ،‬ﻓﺈذا ﻛﺎﻧت ‪  X n ,.................., X3 , X 2 , X1 ‬ﺗﻣﺛل ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ ﺗوزﯾﻌﻪ طﺑﯾﻌﻲ )أو ﻏﯾر طﺑﯾﻌﻲ وﻟﻛن ﺷروط ﺗطﺑﯾق ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ﺗﺑﻘﻰ‬
‫ﺻﺣﯾﺣﺔ(‪ ،‬ﻣﺗوﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ µ‬ﻣﺟﻬول وﺗﺑﺎﯾﻧﻪ ‪  2 ‬ﻣﻌﻠوم‪ ،‬وأردﻧﺎ اﺧﺗﺑﺎر ﻣﺎ ذا ﻛﺎﻧت ‪ µ‬ﺗﺳﺎوي ﻗﯾﻣﺔ‬
‫ﻣﻘدر ﺟﯾد‬ ‫ﻣﻌﯾﻧﺔ وﻟﺗﻛن ‪ µ0‬ﻣﺛﻼ أم ﻻ‪ ،‬وﻣن ﺧﻼل اﻟﻣﺣور اﻟﺳﺎﺑق )اﻟﺗﻘدﯾر ﺑﻧﻘطﺔ( ﻋﻠﻣﻧﺎ أن ‪X‬‬
‫ﻟﻠﻣﺗوﺳط ‪ ،µ‬وﻋﻠﯾﻪ ﻓﺎن أي ﻗرار ﯾﺗﻌﻠق ﺑﺎﻟﻣﺗوﺳط ‪ µ‬ﺳﯾﻛون ﻣﺑﻧﻲ ﻋﻠﻰ أﺳﺎس ‪ ، X‬ﻛﻣﺎ ﯾﻣﻛن رﺑط ﻫذا‬
‫اﻻﺧﺗﺑﺎر ﺑﻔﺗرات اﻟﺛﻘﺔ ﺣول اﻟﻣﺗوﺳط ‪ µ‬واﻟﺗﻲ ﺳﺑق وان ﺗﻌرﺿﻧﺎ إﻟﯾﻬﺎ ﻓﻲ )اﻟﻣﺣور اﻟﺛﺎﻧﻲ‪ :‬اﻟﺗﻘدﯾر( وذﻟك‬
‫‪ X  Z      X  Z  ‬ﺗﺣﺗوي ‪ µ0‬ﻓﺈﻧﻪ‬ ‫ﻋﻠﻰ أﺳﺎس اﻧﻪ إذا ﻛﺎﻧت ﻓﺗرة اﻟﺛﻘﺔ اﻟﻧﺎﺗﺟﺔ أي‬
‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪n‬‬
‫ﻻ ﯾﻣﻛن رﻓض اﻟﻔرﺿﯾﺔ أﻣﺎ إذا ﻛﺎﻧت ‪ µ0‬ﺗﻘﻊ ﺧﺎرج ﺣدي ﻫذﻩ اﻟﻔﺗرة ﻓﻧﻪ ﯾﺟب رﻓض اﻟﻔرﺿﯾﺔ وﻓﻲ ﻫذﻩ‬
‫‪0  X  Z‬‬
‫‪‬‬
‫أو‬ ‫‪0  X  Z‬‬
‫‪‬‬
‫اﻟﺣﺎﻟﺔ إﻣﺎ أن ﺗﻛون‪:‬‬
‫‪1 ‬‬ ‫‪n‬‬ ‫‪1 ‬‬ ‫‪n‬‬
‫‪2‬‬ ‫‪2‬‬

‫وأﻧﻪ ﯾﻣﻛن إﻋﺎدة ﻛﺗﺎﺑﺔ اﻟﻣﺗﺑﺎﯾﻧﺗﯾن ﻋﻠﻰ اﻟﺗواﻟﻲ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬

‫‪X 0‬‬ ‫‪X  0‬‬
‫‪ Z ‬‬ ‫أو‬ ‫‪Z ‬‬
‫‪ n‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ n‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪X 0‬‬
‫‪ Z ‬ﺣﯾث ‪ ، Z  N  0,1‬ﻓﺈﻧﻪ وﻓﻘﺎ ﻟﻣﺎ ﺳﺑق ﻧرﻓض اﻟﻔرﺿﯾﺔ ‪    0‬إذا ﻛﺎﻧت‬ ‫وﺑﺗﻌرﯾف‬
‫‪ n‬‬
‫‪ ، Z  Z‬وﻟﻛن اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ ﻗد ﺗﻛون ﻣن طرف واﺣد أو ﻣن طرﻓﯾن وذﻟك‬ ‫‪ Z  Z‬أو‬
‫‪1 ‬‬ ‫‪1 ‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﺣﺳب اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وﻋﻠﯾﻪ ﺳﯾﻛون ﻫﻧﺎك ﻓرق ﺑﯾن ﻣﻧطﻘﺗﻲ اﻟرﻓض وذﻟك ﻛﻣﺎ ﯾﺗﺿﺢ ﻣن ﺧﻼل‬
‫اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪123‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ Zcal   Ztab‬أو ‪Zcal  Ztab‬‬ ‫‪Zcal ‬‬
‫‪X  0‬‬ ‫‪H 0 :   0‬‬
‫‪ n‬‬ ‫‪H1 :   0‬‬
‫‪Ztab  Z‬‬ ‫ﺑﺣﯾث‬
‫‪1 ‬‬
‫‪2‬‬

‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal  Ztab‬‬ ‫‪X  0‬‬ ‫‪H 0 :   0‬‬
‫‪Zcal ‬‬
‫‪ n‬‬ ‫‪H1 : >0‬‬
‫‪Z tab  Z1‬‬ ‫ﺑﺣﯾث‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal   Ztab‬‬ ‫‪X  0‬‬ ‫‪H 0 :   0‬‬
‫‪Zcal ‬‬
‫‪ n‬‬ ‫‪H1 :   0‬‬
‫‪Z tab   Z1‬‬ ‫ﺑﺣﯾث‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫وﻟﻐرض إﺗﺧﺎذ اﻟﻘرار اﻹﺣﺻﺎﺋﻲ ﺣول رﻓض أو ﻋدم رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ﺑﻌد اﻟﻣﻘﺎرﻧﺔ اﻋﺗﻣﺎدا‬
‫ﻋﻠﻰ ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ وﻧوع اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬واﻟﺟدول اﻟﺗﺎﻟﻲ ﯾوﺿﺢ ﺑﻌض اﻟﻘﯾم اﻟﺟدوﻟﯾﺔ اﻟﺷﺎﺋﻌﺔ‬
‫اﻻﺳﺗﺧدام ل )‪ (Z‬اﻟﺗﻲ ﺗﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ‪.‬‬
‫أو ‪H1 : <0‬‬ ‫‪H1 : >0‬‬ ‫‪H0 :   0‬‬ ‫)‪(H1‬‬
‫‪Z1‬‬ ‫‪Z ‬‬
‫‪1‬‬
‫‪2‬‬ ‫‪‬‬
‫‪02.326‬‬ ‫‪02.575‬‬ ‫‪0.01‬‬
‫‪01.645‬‬ ‫‪01.960‬‬ ‫‪0.05‬‬
‫‪01.285‬‬ ‫‪01.645‬‬ ‫‪0.10‬‬
‫ﺗﻣرﯾن‪ :04‬ﻓﻲ إﺧﺗﺑﺎر اﻟﻘدرات اﻟذﻛﺎﺋﯾﺔ واﻟذي ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﯾﺳﺎوي ‪ 110‬وﺗﺑﺎﯾن‬
‫ﯾﺳﺎوي ‪ ،100‬ﻓﺈذا ﺗﻘدم ﻟﻬذا اﻻﺧﺗﺑﺎر ﻋﯾﻧﺔ ﺗﺗﻛون ﻣن ‪ 25‬طﺎﻟﺑﺎ ﺑﻣدرﺳﺔ ﻣﻌﯾﻧﺔ وﻛﺎن ﻣﺗوﺳط درﺟﺎﺗﻬم‬
‫ﺑﻬذا اﻻﺧﺗﺑﺎر ﯾﺳﺎوي‪.115‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪-2‬ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺎن ﻣﺗوﺳط درﺟﺎت اﻟطﻠﺑﺔ ﺑﺻﻔﺔ ﻋﺎﻣﺔ ﻓﻲ ﻫذﻩ اﻟﻣدرﺳﺔ ﯾﺧﺗﻠف ﻋن اﻟﻣﺗوﺳط اﻟﻌﺎم‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪%05‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪124‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫ﺑﻔرض أن ‪ µ‬ﺗﻣﺛل ﻣﺗوﺳط درﺟﺎت اﻟطﻠﺑﺔ ﺑﺻﻔﺔ ﻋﺎﻣﺔ ﺑﻬذﻩ اﻟﻣدرﺳﺔ وان ‪ 2  100‬ﺗﻣﺛل ﺗﺑﺎﯾن درﺟﺎت‬
‫اﻻﺧﺗﺑﺎر ﺑﺻﻔﺔ ﻋﺎﻣﺔ‪ ،‬و ‪ X  115‬ﺗﻣﺛل ﻣﺗوﺳط درﺟﺎت اﻻﺧﺗﺑﺎر ﻟﻌﯾﻧﺔ اﻟطﻠﺑﺔ ﺑﻬذﻩ اﻟﻣدرﺳﺔ‪ ،‬إذن ﺧطوات‬
‫‪H0 :   110‬‬
‫اﻻﺧﺗﺑﺎر اﻹﺣﺻﺎﺋﻲ ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪H1 :   110‬‬
‫‪-2‬‬
‫‪-‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X  115, 2  100, n  25,  0  110‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن إﺣﺻﺎءة‬
‫‪X  0 115  110‬‬
‫‪Zcal ‬‬ ‫‪‬‬ ‫‪ 02.50‬‬ ‫اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪ n‬‬ ‫‪10 25‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى‬
‫‪Z‬‬ ‫‪ Z0.975  Ztab  01.960‬‬ ‫ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪1 ‬‬
‫‪2‬‬

‫اﻟﻘرار‪:‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪  Zcal  02.50‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.960‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ ،(H0‬أي أن اﻻﺧﺗﺑﺎر ﻣﻌﻧوي وﻧﻘﺑل اﻟﻔرﺿﯾﺔ‬
‫اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫وﺑﺎﺳﺗﺧدام ﻣﻔﻬوم ﻣﺟﺎل اﻟﺛﻘﺔ ﯾﺗﺿﺢ ﻟﻧﺎ أﻧﻧﺎ ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‪:‬‬
‫‪X 0‬‬ ‫‪X  0‬‬
‫‪ 01.960‬‬ ‫أو‬ ‫‪ 01.960‬‬
‫‪ n‬‬ ‫‪ n‬‬
‫أو‬ ‫أي إذا ﻛﺎﻧت‬
‫‪‬‬ ‫‪‬‬
‫‪X  0  01.960‬‬ ‫‪X  0  01.960‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪X  106.08‬‬ ‫أو‬ ‫‪X  113.92‬‬ ‫أي اﻧﻪ إذا ﻛﺎﻧت‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  02.50  Z  02.50‬‬
‫‪ F  02.50   01  F  02.50  01  F  02.50   01  F  02.50 ‬‬
‫‪ 02  02F  02.50   02  02  0.99379  0.01242‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.01242  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :05‬اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻗواﻣﻬﺎ ‪ 64‬ﻣﺷﺎﻫدة ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑوﺳط ﺣﺳﺎﺑﻲ‬
‫‪ µ‬ﻣﺟﻬول وﺗﺑﺎﯾن ‪ ، 2  25‬وﻗد ﻟوﺣظ ﺑﺎن ﻣﺗوﺳط ﻣﺷﺎﻫدات اﻟﻌﯾﻧﺔ ﺑﻠﻎ ‪.20‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪-2‬ﻫل ﺗﻌﺗﻘد أن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ﯾﻘل ﻋن ‪ ،23‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪125‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪H0 :   23‬‬ ‫‪-1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪H1 :   23‬‬
‫‪-2‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن إﺣﺻﺎءة‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪X  20, 2  25, n  64, 0  23‬‬
‫‪X  0 20  23‬‬
‫‪Zcal ‬‬ ‫‪‬‬ ‫‪ 04.80‬‬ ‫اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪ n 05 64‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد وﻓﻲ اﻟﺟﺎﻧب اﻷﯾﺳر )اﻟﻘﯾم اﻟﺳﻔﻠﻰ( و ﻣن ﺟدول‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.01‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪Z1  Z10.01  Z0.99   Ztab  02.326‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  04.80 ‬ﻫﻲ أﻗل ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  02.326‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻣﻣﺎ ﯾدل‬
‫وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى‬ ‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ﯾﻘل ﻋن ‪ ،23‬أي أن ‪   23‬‬
‫ﻣﻌﻧوﯾﺔ ‪.0.01‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  04.80  F  04.80  01  F  04.80   01  01  0‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0  0.01‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :06‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن‪ 16‬ﺣﺎﻟﺔ طوارئ ﺗم اﺧﺗﯾﺎرﻫﺎ ﻣن واﻗﻊ ﺳﺟﻼت ﺧدﻣﺎت ﺳﯾﺎرات‬
‫اﻹﺳﻌﺎف ﺑﺄﺣد اﻟﻣﺳﺗﺷﻔﯾﺎت‪ ،‬ﻓوﺟد أن ﻣﺗوﺳط اﻟزﻣن اﻟﻣطﻠوب ﻟوﺻول ﺳﯾﺎرة اﻹﺳﻌﺎف إﻟﻰ اﻟﻣﻛﺎن‬
‫اﻟﻣطﻠوب ﯾﺳﺎوي ‪ 13‬دﻗﯾﻘﺔ‪ ،‬ﻓﺈذا ﻓرﺿﻧﺎ أن ﻣﺟﺗﻣﻊ اﻟزﻣن اﻟﻣطﻠوب ﻟوﺻول ﺳﯾﺎرة اﻹﺳﻌﺎف إﻟﻰ اﻟﻣﻛﺎن‬
‫اﻟﻣطﻠوب ﯾﺗوزع وﻓق اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 03‬دﻗﺎﺋق‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪ -2‬وﻋﻠﻰ ﺿوء ﻫذﻩ اﻟﺑﯾﺎﻧﺎت ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺎن ﻣﺗوﺳط ﻣﺟﺗﻣﻊ اﻟزﻣن اﻟﻣطﻠوب ﻟوﺻول ﺳﯾﺎرة‬
‫اﻹﺳﻌﺎف إﻟﻰ اﻟﻣﻛﺎن اﻟﻣطﻠوب أﻛﺑر ﻣن ‪ 10‬دﻗﺎﺋق وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 :   10‬‬
‫‪ -1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪H1 :   10‬‬
‫‪-2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X  13,   03, n  16, 0  10,1    0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬
‫‪X  0 13  10‬‬
‫‪Zcal ‬‬ ‫‪‬‬ ‫‪ 04‬‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪ n 03 16‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪126‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد وﻓﻲ اﻟﺟﺎﻧب اﻷﯾﻣن )اﻟﻘﯾم اﻟﻌﻠﯾﺎ( و ﻣن ﺟدول اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪Z1  Z10.05  Z0.95  Ztab  01.645‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  04 ‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.645‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻣﻣﺎ ﯾدل‬
‫وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى‬ ‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ أﻛﺑر ﻣن ‪ ،10‬أي أن ‪   10 ‬‬
‫ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  04  01 P  Z  04   01  F  04   01  01  0‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0  0.01‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫‪2-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻏﯾﯾر ﻣﻌﻠوم‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ )‪(n≥30‬‬
‫ﻧظرﯾــــــــﺔ‪ :02‬إذا أﺧ ـ ـ ــذت ﻋﯾﻧ ـ ـ ــﺔ ﻋﺷـ ـ ـ ـواﺋﯾﺔ ﺣﺟﻣﻬ ـ ـ ــﺎ )‪(n≥30‬ﻣ ـ ـ ــن ﻣﺟﺗﻣ ـ ـ ــﻊ ﯾﺧﺿ ـ ـ ــﻊ ﻟﻠﺗوزﯾ ـ ـ ــﻊ اﻟطﺑﯾﻌ ـ ـ ــﻲ‬
‫‪ X  N  , 2 ‬وﻛﺎﻧ ـ ـ ـ ــت ‪ 2‬ﻏﯾ ـ ـ ـ ــر ﻣﻌﻠوﻣ ـ ـ ـ ــﺔ ﻓ ـ ـ ـ ــﺎن إﺣﺻ ـ ـ ـ ــﺎءة اﻻﺧﺗﺑ ـ ـ ـ ــﺎر ﻟﻠﻔرﺿ ـ ـ ـ ــﯾﺔ ‪ H 0 : = 0‬ﻫ ـ ـ ـ ــو‬
‫‪X  0‬‬ ‫‪X 0‬‬
‫‪ Zcal ‬وﻫـو ﯾﺧﺿـﻊ ﻟﻠﺗوزﯾـﻊ اﻟطﺑﯾﻌـﻲ اﻟﻣﻌﯾـﺎري ﺣﯾــث ‪X‬‬ ‫‪‬‬
‫‪ Zcal ‬أو ﺑﺷـﻛل ﻣﻛـﺎﻓﺊ‬
‫‪S n‬‬ ‫‪S n 1‬‬
‫ﻫو اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ‪.‬‬
‫ﺗﻣرﯾن‪ :07‬إذا أﻋطت ﻋﯾﻧﺔ إﺣﺻﺎﺋﯾﺔ ﺣﺟﻣﻬﺎ‪ 42‬وﺳطﺎ ﺣﺳﺎﺑﯾﺎ ﻗدرﻩ ‪ 11.50‬ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪03.30‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪-2‬أﺧﺗﺑر اﻟﻔرﺿﯾﺔ اﻟﻘﺎﺋﻠﺔ ﺑﺎن ‪    10‬ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺔ اﻟﻘﺎﺋﻠﺔ ﺑﺎن ‪ ،    10 ‬ﻋﻠﻣﺎ ﺑﺎن ﻣﺳﺗوى‬
‫اﻟﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺤﻞ‪:‬‬
‫‪H 0 :   15‬‬
‫‪-1‬ﻛﺘﺎﺑﺔ ﻓﺮﺿﯿﺔ اﻻﺧﺘﺒﺎر‬
‫‪H1 :   15‬‬
‫‪-2‬ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻊ ﻻ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ وﺣﯾث أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻛﺑﯾر ﺟدا )‪ (n>30‬وﺣﺳب ﻧظرﯾﺔ‬
‫اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﺳوف ﯾﻛون ﻟﻪ ﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‪.‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪X  11.50, S  03.30, n  64, 0  10,1    0.05‬‬
‫‪X 0‬‬
‫‪Zcal ‬‬ ‫‪‬‬
‫‪11.50 10‬‬
‫‪ 02.91‬‬ ‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪S n  1 03.30 42  1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪127‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪Z‬‬ ‫‪ Z0.975  Ztab  01.960‬‬ ‫ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪1 ‬‬
‫‪2‬‬

‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  02.91‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.960‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻣﻣﺎ ﯾدل‬
‫وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى‬ ‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ أﻛﺑر ﻣن ‪ ،10‬أي أن ‪   10 ‬‬
‫ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  02.91 Z  02.91‬‬
‫‪ F  02.91  01  F  02.91  01  F  02.91  01  F  02.91‬‬
‫‪ 02  02F  02.91  02  02  0.99819  0.00362‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.00362  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫‪ 3-2‬ﻋﻧدﻣﺎ ﯾﻛون ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪  2 ‬ﻏﯾر ﻣﻌﻠوم وﺣﺟم اﻟﻌﯾﻧﺔ )‪(n<30‬‬
‫ﻧظرﯾﺔ‪ :03‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪  X n ,.................., X3 , X 2 , X1 ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺣﯾث )‪ (n<30‬ﻣن‬
‫ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ µ‬وﺗﺑﺎﯾن ‪ 2‬ﻣﺟﻬول‪ ،‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻣﺗﻐﯾر‬
‫اﻟﻌﺷواﺋﻲ )أو اﻹﺣﺻﺎءة( ﻫو‬
‫‪X‬‬ ‫‪X ‬‬
‫‪T‬‬ ‫‪‬‬
‫‪S n 1 S n‬‬

‫ﯾﺗﺑﻊ ﺗوزﯾﻊ ﺳﺗوﻧت )‪ (t‬ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V=n-1‬وﺑﻧﺎءا ﻋﻠﻰ ذﻟك إذا ﻛﺎﻧت ﻣﻔردات اﻟﻌﯾﻧﺔ اﻟﻌﺷواﺋﯾﺔ ﺗم‬
‫اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ واﻟﺗﺑﺎﯾن ﻣﺟﻬول وﺣﺟم اﻟﻌﯾﻧﺔ )‪ ،(n<30‬ﻓﺈن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬
‫اﻟﻣﻧﺎﺳﺑﺔ ﻹﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣﺗﻌﻠﻘﺔ ﺑﺎﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ )‪ (µ‬ﺳﺗﻛون ﻣﺑﻧﯾﺔ ﻋﻠﻰ )‪(T‬‬
‫اﻟﻣﻌرﻓﺔ ﺳﺎﺑﻘﺎ‪ ،‬وان ﻗﯾم اﻟﻣﻧطﻘﺔ اﻟﺣرﺟﺔ ﻟﻬذا اﻻﺧﺗﺑﺎر ﯾﺗم اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻣن ﺟدول ﺳﺗوﻧت )‪ (t‬ﺑدرﺟﺎت‬
‫ﺣرﯾﺔ ﺗﺳﺎوي)‪ ،(V=n-1‬وﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.α‬‬
‫وﺑﺎﺳﺗﺧدام ﻫذﻩ اﻹﺣﺻﺎءة ﯾﻣﻛن اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪Tcal ‬‬
‫‪X  0‬‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪S n 1‬‬
‫‪ Tcal  Ttab‬أو ‪Tcal  Ttab‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪Ttab  T1  ,n 1‬‬ ‫ﺑﺣﯾث‬ ‫‪H 0 :   0‬‬
‫‪2‬‬ ‫‪X  0‬‬ ‫‪H1 :   0‬‬
‫‪Tcal ‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬
‫‪S n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪128‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪Tcal ‬‬

‫‪X  0‬‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪S n 1‬‬
‫‪Tcal  Ttab‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪Ttab  T1  ,n 1‬‬ ‫ﺑﺣﯾث‬ ‫‪H 0 :   0‬‬
‫‪2‬‬ ‫‪X  0‬‬ ‫‪H1 : >0‬‬
‫‪Tcal ‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬
‫‪S n‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪Tcal ‬‬
‫‪X  0‬‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪S n 1‬‬
‫‪Tcal  Ttab‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫ﺑﺣﯾث ‪Ttab  T1  ,n 1‬‬ ‫‪H 0 :   0‬‬
‫‪2‬‬ ‫‪X  0‬‬ ‫‪H1 :   0‬‬
‫‪Tcal ‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬
‫‪S n‬‬
‫ﺗﻣرﯾن‪ :08‬ﺗﻣت ﺻﻧﺎﻋﺔ آﻟﺔ ﻟﺗﻌطﻲ ‪ 230‬ﻏرام ﻣن اﻟزﯾت‪ ،‬وذﻟك ﻋﻧد وﺿﻊ ﻗطﻌﺔ اﻟﻧﻘود اﻟﻣﻧﺎﺳﺑﺔ‪،‬‬
‫وﻟﻣﻌرﻓﺔ ﻣﺎ ذا ﻛﺎﻧت ﻫذﻩ اﻵﻟﺔ ﺗﻌﻣل ﺑﺣب اﻟﻣواﺻﻔﺔ اﻟﺳﺎﺑﻘﺔ‪ ،‬ﺳﺣﺑت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 06‬ﻋﺑوات‬
‫ﻟﻘﯾﺎس ﻛﻣﯾﺔ اﻟزﯾت ﻓﻲ ﻛل ﻋﺑوة‪ ،‬ﻓوﺟدت اﻟﻧﺗﺎﺋﺞ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫رﻗم اﻟﻌﺑوة‬
‫ﻣﻘدار اﻟزﯾت ﺑﺎﻟﻐرام ‪250 160 200 220 180 190‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪-2‬ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺄن ﻣﺗوﺳط ﻋﻣل ﻫذﻩ اﻵﻟﺔ ﯾﺧﺗﻠف ﻋن ‪ 230‬ﻏرام وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.10‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 :   230‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪H1 :   230‬‬
‫‪-2‬‬
‫ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺗﺑﺎﯾن ‪ 2‬ﻣﺟﻬول‪ ،‬وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﻣﺧﺗﺎرة )‪ ،(n<30‬إذن‬
‫ﺳﻧﺳﺗﺧدم ﺗوزﯾﻊ ﺳﺗوﻧت ﺑدﻻ ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‪.‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ n  06,  0  230,1    0.10‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪X  0‬‬ ‫‪X  0‬‬
‫‪Tcal ‬‬ ‫‪‬‬
‫‪ Tcal ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪S n‬‬ ‫‪S n 1‬‬
‫ﻧﺣﺳب أوﻻ اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ واﻟﺗﺑﺎﯾن أو اﻟﺗﺑﺎﯾن اﻟﻣﻌدل‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪129‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪n 6‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪Xi‬‬
‫‪190  180  220  200  160  250‬‬
‫‪X‬‬ ‫‪‬‬ ‫‪ 200‬‬
‫‪n‬‬ ‫‪06‬‬
‫‪n 6‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪‬‬
‫‪i1‬‬
‫‪‬‬ ‫‪X1  X‬‬ ‫‪ 190  200  180  200‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ .........   250  200 ‬‬
‫‪2‬‬

‫‪S ‬‬ ‫‪‬‬ ‫‪ 833.34‬‬

‫‪n‬‬ ‫‪06‬‬
‫‪X 0‬‬
‫‪Tcal ‬‬ ‫‪‬‬
‫‪200  230‬‬
‫‪ 02.32‬‬ ‫ﻧﺣﺳب اﻵن اﻹﺣﺻﺎءة )‪(T‬‬
‫‪S n 1 28.87 6  1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.10‬‬
‫ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ T‬اﻟﺟدوﻟﯾﺔ ‪T1  ,n 1  T0.950,05  Ttab  02.015‬‬
‫‪2‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Tcal  02.32 ‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ttab  02.015‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وﻧؤﻛد اﺣﺗﻣﺎل‬
‫ﻛﺑﯾر أن ﻫذﻩ اﻵﻟﺔ ﻻ ﺗﻌﻣل ﺑﺣﺳب اﻟﻣواﺻﻔﺎت اﻟﺗﻲ ﺻﻧﻌت ﻷﺟﻠﻬﺎ )‪230‬ﻏرام(‪ ،‬ﺑل ﻣﺎ ﺗﻌطﯾﻪ ﻫذﻩ اﻵﻟﺔ‬
‫ﯾﺧﺗﻠف اﺧﺗﻼﻓﺎ ﺣﻘﯾﻘﯾﺎ )ذا دﻻﻟﺔ إﺣﺻﺎﺋﯾﺔ( ﻋن ‪،    230‬وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى‬
‫ﻣﻌﻧوﯾﺔ ‪.0.10‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  T  02.32  T  02.32‬‬
‫‪ F  02.32   01  F  02.32  01  F  02.32   01  F  02.32 ‬‬
‫‪ 02  02F  02.32   02  02  0.963  0.074‬‬
‫اﻻﺣﺗﻣﺎل ‪ 0.963‬اﻟﻣﻘﺎﺑل ﻟﻠﻘﯾﻣﺔ )‪ F(02.32‬ﻻ ﯾوﺟد ﻓﻲ ﺗوزﯾﻊ ﺳﺗودﻧت ٕواﻧﻣﺎ ﺗم اﻟﺣﺻول ﻋﻠﯾﻪ‬
‫ﺑﺎﺳﺗﺧدام ﻧظرﯾﺔ اﻟﺣﺻر اﻟﺗﻲ ﺗم اﻟﺗطرق ﻟﻬﺎ ﻓﻲ اﻟﻣﺣورﯾن اﻷول واﻟﺛﺎﻧﻲ‪.‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.074  0.10‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :09‬ﺗﻧﺗﺞ إﺣدى ﺷرﻛﺎت اﻷدوﯾﺔ ﻣﺳﺗﺣﺿ ار دواﺋﯾﺎ ﺟدﯾدا‪ ،‬ﺣﯾث ﺗﺣﺗوي ﻛل ﻣﺿﻐوطﺔ ﻣﻧﻪ ﻋﻠﻰ ‪10‬‬
‫ﻣﻠﻎ ﺑﺎﻟﻣﺗوﺳط ﻣن اﻟﻣﺎدة اﻟﻔﻌﺎﻟﺔ‪ ،‬ﻗررت و ازرة اﻟﺻﺣﺔ أﻧﻬﺎ ﺳﺗﻌﻔﻲ اﻟﺷرﻛﺔ ﻣن اﻟرﻗﺎﺑﺔ اﻟﺻﺣﯾﺔ‬
‫)وذﻟك ﻟﺗﺷﺟﯾﻌﻬﺎ ﻋﻠﻰ اﻹﻧﺗﺎج اﻟﺟدﯾد(‪ ،‬إذا ﻛﺎن ﻫﻧﺎك ﻣﺎ ﯾؤﻛد أن ﻣﺗوﺳط اﻟﻣﺎدة اﻟﻔﻌﺎﻟﺔ ﻓﻲ اﻟﻣﺿﻐوطﺔ‬
‫اﻟواﺣدة ﺗزﯾد ﻋن ‪ 10‬ﻣﻠﻎ وﺑﺷﻛل ﺟوﻫري‪ ،‬أﻣﺎ ذا ﻛﺎن ﻣﺗوﺳط اﻟﻣﺎدة اﻟﻔﻌﺎﻟﺔ أﻗل أو ﺗﺳﺎوي ‪ 10‬ﻣﻠﻎ ﻓﻠن‬
‫ﺗﻌﻔﻰ اﻟﺷرﻛﺔ ﻣن ﻫذﻩ اﻟرﻗﺎﺑﺔ‪.‬‬
‫ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﻣؤﻟﻔﺔ ﻣن ‪ 15‬ﻣﺿﻐوطﺔ ﻣن إﻧﺗﺎج اﻟﻣﺳﺗﺣﺿر اﻟﺟدﯾد ﻓوﺟد أن ﻣﺗوﺳط‬
‫اﻟﻣﺎدة اﻟﻔﻌﺎﻟﺔ ﯾﺳﺎوي ‪ 10.42‬ﻣﻠﻎ‪ ،‬ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪01.53‬ﻣﻠﻎ‪،‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪130‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪ -2‬ﻫل ﺳﯾﺗم ﺗﺷﺟﯾﻊ اﻟﺷرﻛﺔ ﻋﻠﻰ اﻹﻧﺗﺎج اﻟﺟدﯾد ٕواﻋﻔﺎﺋﻬﺎ ﻣن اﻟرﻗﺎﺑﺔ اﻟﺻﺣﯾﺔ‪ ،‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H 0 :   10‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪H1 :   10‬‬
‫‪-2‬‬

‫وﺑﺎﻟﺗﺎﻟﻲ‬ ‫‪X  10.42, S  01.53, n  15, 0  10,1    0.05‬‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‬
‫‪X  0‬‬ ‫‪X  0‬‬
‫‪Tcal ‬‬ ‫‪‬‬
‫‪ Tcal ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪S n‬‬ ‫‪S n 1‬‬
‫‪X 0‬‬ ‫‪10.42  10‬‬
‫‪Tcal ‬‬ ‫‪‬‬ ‫‪ 01.027‬‬
‫‪S n 1 01.53 15 1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن اﻟﯾﻣﯾن )اﻟﻘﯾم اﻟﻌﻠﯾﺎ( و ﻣن ﺟدول ﺗوزﯾﻊ‬
‫ﺳﺗودﻧت وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ T‬اﻟﺟدوﻟﯾﺔ‬
‫‪T1,n1  T0.950,14  Ttab  01.761‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Tcal  01.027 ‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ttab  01.761‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وان اﻟﻔﺎرق‬
‫ﺑﯾن ﻣﺗوﺳط اﻟﻌﯾﻧﺔ وﻣﺗوﺳط اﻟﻣﺟﺗﻣﻊ ﻣﺎ ﻫو إﻻ ﻓﺎرق ظﺎﻫري ﻟﯾس ﻟﻪ دﻻﻟﺔ إﺣﺻﺎﺋﯾﺔ وﻟن ﺗﻌﻔﻰ اﻟﺷرﻛﺔ‬
‫ﻣن اﻟرﻗﺎﺑﺔ اﻟﺻﺣﯾﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪.(α=0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  T  01.027   01  P  Z  01.027   01  F  01.027   01  0.833  0.167‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.167  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻘﺑل )‪.(H0‬‬
‫ﺗﻣرﯾن‪:10‬إذا ﻛﺎن ﻣﺗوﺳط اﻟوﻗت اﻟﻼزم ﻹﻧﺟﺎز اﻟطﻠﺑﺔ ﻻﺧﺗﺑﺎر ﻣﻌﯾن ﻫو ‪ 50‬دﻗﯾﻘﺔ‪ ،‬ﺗم ﺗطﺑﯾق طرﯾﻘﺔ‬
‫ﺟدﯾدة ﻟﻼﺧﺗﺑﺎر ﺑﺎﺳﺗﺧدام اﻟﺣﺎﺳﺑﺎت اﻟﺣدﯾﺛﺔ ﻣن ﻗﺑل ‪ 12‬طﺎﻟب وﻛﺎن ﻣﺗوﺳط وﻗت اﻻﻧﺟﺎز ﻟﻠﻌﯾﻧﺔ‬
‫ﻫو ‪ 42‬دﻗﯾﻘﺔ‪ ،‬ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪.11.90‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬أﻛﺗب ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر؟‬
‫‪-2‬أﺧﺗﺑر ﻓﯾﻣﺎ إذا ﻛﺎن ﻣﺗوﺳط اﻻﻧﺟﺎز ﻟﻠطرﯾﻘﺔ اﻟﺟدﯾدة اﻗل ﻣن ‪ 50‬دﻗﯾﻘﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪131‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪H0 :   50‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪H1 :   50‬‬
‫‪-2‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬ ‫‪X  42, S  11.90, n  12, 0  50,1    0.05‬‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت‬
‫‪X  0‬‬ ‫‪X  0‬‬
‫‪Tcal ‬‬ ‫‪‬‬
‫‪ Tcal ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪S n‬‬ ‫‪S n 1‬‬
‫‪X 0‬‬ ‫‪42  50‬‬
‫‪Tcal ‬‬ ‫‪‬‬ ‫‪ 02.229‬‬
‫‪S n 1 11.90 12 1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن اﻟﯾﺳﺎر )اﻟﻘﯾم اﻟﺳﻔﻠﻰ( و ﻣن ﺟدول ﺗوزﯾﻊ‬
‫ﺳﺗودﻧت وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ T‬اﻟﺟدوﻟﯾﺔ‬
‫‪T1,n1  T0.950,11  Ttab  01.796‬‬
‫‪-‬اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Tcal  02.229 ‬ﻫﻲ أﺻﻐر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ttab  01.796 ‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  T  02.23  F  02.23  01  F  02.23  01  0.976  0.024‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.024  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض)‪.(H0‬‬
‫‪-03‬إﺧﺗﺑﺎر اﻟﻔروض ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻣﺟﺗﻣﻌﯾن ‪  1  2 ‬ﻣﺳﺗﻘﻠﯾن‬
‫إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﺎن‪ ،‬اﻷول ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬وﺗﺑﺎﯾن ‪ ، 12‬واﻟﺛﺎﻧﻲ ﯾﺗوزع‬
‫وﺗﺑﺎﯾن ‪ ، 22‬وأردﻧﺎ وﺿﻊ ﻓروض إﺣﺻﺎﺋﯾﺔ ﺣول اﻟﻔرق ﺑﯾن‬ ‫ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪2‬‬
‫ﻣﺗوﺳطﻲ ﻫذﯾن اﻟﻣﺟﺗﻣﻌﯾن ‪ ،  1  2 ‬ﻓﺎن ﺗوزﯾﻊ اﻟﻔرق ﺳوف ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ‬
‫‪12 22‬‬
‫‪ 2X  X  ‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ )‪ (Z‬ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬ ‫‪‬‬ ‫وﺗﺑﺎﯾن‬ ‫‪ X1X2  1 2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪n1 n 2‬‬ ‫‪‬‬ ‫‪‬‬

‫‪Z‬‬
‫‪ X  X        N 0,1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪12 22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫وﻋﻠﻰ اﻓﺗراض أﻧﻧﺎ ﻧرﻏب ﻓﻲ إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ ‪  H0 :1 =2 ‬ﺿد أي ﻓرﺿﯾﺔ ﺑدﯾﻠﺔ أﺧرى‪،‬‬
‫ﻋﻧدﺋذ ﻫﻧﺎﻟك ﺛﻼث ﺣﺎﻻت ﻫﻲ ‪:‬‬
‫‪ :1-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﻌﻠوﻣﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‬
‫ﻧظرﯾﺔ‪ :04‬إذا أﺧذت ﻋﯾﻧﺗﺎن ﻋﺷواﺋﯾﺗﺎن ﻣﺳﺗﻘﻠﺗﺎن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻣن ﻣﺟﺗﻣﻌﯾن‪ ،‬اﻷول ﯾﺧﺿﻊ‬
‫ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 1‬ﻣﺟﻬول وﺗﺑﺎﯾن ‪ 12‬ﻣﻌﻠوم‪ ،‬واﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪132‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 2‬ﻣﺟﻬول وﺗﺑﺎﯾن ‪ 22‬ﻣﻌﻠوم‪ ،‬وﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺔ اﻷوﻟﻰ ‪ n1‬ﻛﺑﯾ ار وﺣﺟم اﻟﻌﯾﻧﺔ‬
‫اﻟﺛﺎﻧﯾﺔ ‪ n 2‬ﻛﺑﯾ ار أﯾﺿﺎ‪ ،‬ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻟﻠﻔرﺿﯾﺔ ‪  H0 :1 =2 ‬ﻫو‬

‫‪Z‬‬
‫‪ X  X        N 0,1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪12 22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن اﺳﺗﺧدام اﻹﺣﺻﺎءة )‪ (Z‬ﻛﺄﺳﺎس ﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ Zcal   Ztab‬أو ‪Zcal  Ztab‬‬ ‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪Zcal ‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪12 22‬‬ ‫‪H 0 :   0‬‬
‫‪‬‬ ‫‪H1 :   0‬‬
‫‪2‬‬ ‫‪n1 n 2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal  Ztab‬‬
‫‪Zcal ‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪12 22‬‬

‫‪‬‬
‫‪H 0 :   0‬‬
‫‪2‬‬ ‫‪n1 n 2‬‬ ‫‪H1 : >0‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal   Ztab‬‬
‫‪Zcal ‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫ﺑﺣﯾث ‪Ztab  Z1 ‬‬ ‫‪12 22‬‬ ‫‪H 0 :   0‬‬

‫‪‬‬ ‫‪H1 :   0‬‬
‫‪2‬‬ ‫‪n1 n 2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﺗﻣرﯾن‪:11‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺑﺳﯾطﺔ ﺣﺟﻣﻬﺎ ‪ 22‬ﻣن ﻣﺟﺗﻣﻊ أول ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط‬
‫ﺣﺳﺎﺑﻲ ‪ 1‬و ﺗﺑﺎﯾن ‪ ،110‬ﻓﺄﻋطت ﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ ، X1  83‬وأﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺛﺎﻧﯾﺔ ﻣﺳﺗﻘﻠﺔ ﻋن‬
‫اﻷوﻟﻰ وﺣﺟﻣﻬﺎ ‪ 27‬ﻣن ﻣﺟﺗﻣﻊ ﺛﺎﻧﻲ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪ 2‬وﺗﺑﺎﯾن‪ 81‬ﻓﺄﻋطت‬
‫ﻣﺗوﺳط ﺣﺳﺎﺑﻲ ‪X 2  69‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺧﺗﺑر اﻟﻔرﺿﯾﺔ ‪  H0 :1 =2 ‬ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺔ ‪  H1 : 1   2 ‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬
‫‪-2‬إﺧﺗﺑر اﻟﻔرﺿﯾﺔ ‪  H 0 : 1 -2  10 ‬ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺔ ‪  H1 : 1   2  10 ‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪133‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 1  2‬‬
‫‪-1‬ﻛﺗﺎﺑﺔ اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X1  83, 12  110, n1  22, X2  69, 22  81, n 2  27,1    0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬

‫‪Zcal ‬‬
‫‪ X  X       83  69  0  04.95‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪12‬‬ ‫‪22‬‬ ‫‪110 81‬‬
‫‪‬‬
‫‪‬‬ ‫‪22 27‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد وﻓﻲ اﻟﺟﺎﻧب اﻷﯾﻣن )اﻟﻘﯾم اﻟﻌﻠﯾﺎ( و ﻣن ﺟدول اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪Z1  Z10.05  Z0.95  Ztab  01.645‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  04.95‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.645‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وذﻟك ﻋﻧد‬
‫ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪H0 : 1  2  10‬‬
‫‪ -2‬ﻛﺗﺎﺑﺔ اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫‪H1 : 1  2  10‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬

‫‪Zcal ‬‬
‫‪ X  X       83  69  10  01.41‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪12 22‬‬ ‫‪110 81‬‬

‫‪‬‬
‫‪‬‬ ‫‪22 27‬‬
‫‪n1 n 2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد وﻓﻲ اﻟﺟﺎﻧب اﻷﯾﻣن )اﻟﻘﯾم اﻟﻌﻠﯾﺎ( و ﻣن ﺟدول اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪Z1  Z10.05  Z0.95  Ztab  01.645‬‬
‫اﻟﻘرار‪:‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  01.41‬ﻫﻲ أﺻﻐر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.645‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬أي اﻧﻪ ﻻ‬
‫ﯾوﺟد دﻻﻟﺔ ﺑﺎن اﻟﻔرق ﺑﯾن اﻟوﺳطﯾن ﯾزﯾد ﻋن ‪ 10‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﺗﻣرﯾن‪ :12‬ﻟﻠﻣﻘﺎرﻧﺔ ﺑﯾن اﻷﺟور اﻟﯾوﻣﯾﺔ ﻟﻠﻌﻣﺎل ﻓﻲ ﺷرﻛﺗﯾن )‪ A‬و‪ (B‬ﻓﻲ ﻣدﯾﻧﺔ ﻣﺎ‪ ،‬واﻟﺗﻲ ﺗﺧﺿﻊ اﻷﺟور‬
‫ﻓﯾﻬﺎ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺣﯾث ‪ X1  N  1 ,160 ‬و ‪ X 2  N  2 , 90‬ﻋﻠﻰ اﻟﺗرﺗﯾب‪ ،‬اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ‬
‫ﻣن ﻋﻣﺎل اﻟﺷرﻛﺔ )‪ (A‬ﺑﺣﺟم )‪(n1=64‬ﻋﺎﻣل‪ ،‬وﺗﺑﯾن أن ﻣﺗوﺳط أﺟورﻫم ﺑﻠﻎ ‪ 25‬ون‪ ،‬واﺧﺗﯾرت ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﻣن ﻋﻣﺎل اﻟﺷرﻛﺔ )‪ (B‬ﺑﺣﺟم )‪ (n2=36‬ﻋﺎﻣل وﺗﺑﯾن أن ﻣﺗوﺳط أﺟورﻫم ﺑﻠﻎ ‪ 15‬ون‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪134‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج ﺑﺄن ﻣﺗوﺳط اﻷﺟور اﻟﯾوﻣﯾﺔ ﻟﻠﻌﻣﺎل ﻓﻲ اﻟﺷرﻛﺔ)‪ (A‬ﯾﺧﺗﻠف ﻋن ﻣﺗوﺳط اﻷﺟور‬
‫اﻟﯾوﻣﯾﺔ ﻟﻠﻌﻣﺎل ﻓﻲ اﻟﺷرﻛﺔ)‪ (B‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 1  2‬‬
‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣراد اﺧﺗﺑﺎرﻫﺎ ﻫﻲ‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X1  25, 12  160, n1  64, X 2  15, 22  90, n 2  36,1    0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬

‫‪Zcal ‬‬
‫‪ X  X       25 15  0  04.47‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪12‬‬ ‫‪22‬‬ ‫‪160  90‬‬
‫‪‬‬ ‫‪64 36‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى‬
‫‪Z‬‬ ‫‪ Z0.975  Ztab  01.960‬‬ ‫ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪1 ‬‬
‫‪2‬‬

‫اﻟﻘـــــرار‪:‬ﺑﻣ ـ ــﺎ أن ﻗﯾﻣـ ــﺔ إﺣﺻ ـ ــﺎءة اﻻﺧﺗﺑ ـ ــﺎر اﻟﻣﺣﺳـ ــوﺑﺔ ‪،  Zcal  04.47 ‬ﻫ ـ ــﻲ أﻛﺑ ـ ــر ﻣـ ــن اﻟﻘﯾﻣ ـ ــﺔ اﻟﺟدوﻟﯾ ـ ــﺔ‬
‫‪ ،  Ztab  01.960‬وﻫــذا ﯾﻌﻧــﻲ رﻓــض اﻟﻔرﺿــﯾﺔ اﻟﻌدﻣﯾــﺔ)‪ (H0‬وﻗﺑــول اﻟﻔرﺿــﯾﺔ اﻟﺑدﯾﻠــﺔ )‪ ،(H1‬ﻣﻣــﺎ ﯾــدل‬
‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻷﺟور ﻓـﻲ اﻟﺷـرﻛﺔ )‪ (A‬ﯾﺧﺗﻠـف ﻋـن ﻣﺗوﺳـط اﻷﺟـور اﻟﯾوﻣﯾـﺔ ﻟﻌﻣـﺎل اﻟﺷـرﻛﺔ )‪(B‬وﻓﻘـﺎ‬
‫ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  04.47  Z  04.47 ‬‬
‫‪ F  04.47   01  F  04.47   01  F  04.47   01  F  04.47 ‬‬
‫‪ 02  02F  04.47   02  02  01  0‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫‪:2-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﺟﻬوﻟﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر‬
‫ﻧظرﯾﺔ‪ :05‬ﺑﺎﻓﺗراض أن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾـﺎ اﻷول ﻫـو ‪ X1  N  1 , 12 ‬وﻛـﻼ ﻣﻧﻬﻣـﺎ‬
‫ﻣﺟﻬــول‪ ،‬واﻟﺛــﺎﻧﻲ ‪ X 2  N  2 , 22 ‬وﻛــﺎن أﯾﺿــﺎ ﻣﺟﻬــوﻟﯾن‪ ،‬وﺳــﺣﺑﻧﺎ ﺟﻣﯾــﻊ أزواج اﻟﻌﯾﻧــﺎت اﻟﻣﺳــﺗﻘﻠﺔ ﻋــن‬
‫ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض ﻋﻠﻰ اﻟﺗواﻟﻲ )‪ (n1‬و )‪ ،(n2‬وﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾر ﺟدا ﻓﺎن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ )ﺗوزﯾـﻊ‬
‫اﻟﻣﻌﺎﯾﻧﺔ( ﻟﻼﺣﺻﺎءة ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪Z‬‬
‫‪‬‬ ‫‪X X    ‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪ N01‬‬
‫‪, ‬‬ ‫‪1‬‬ ‫‪2‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪Z‬‬
‫‪‬‬ ‫‪X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪ N01‬‬
‫‪,‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪S1 S2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪S12‬‬ ‫‪S2‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪n1 n2‬‬ ‫‪n1 1 n2 1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪135‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫وﻋﻠﯾﻪ ﯾﻣﻛن اﺳﺗﺧدام ﻫذﻩ اﻹﺣﺻﺎءة ﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪ X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪Zcal ‬‬
‫‪S12‬‬ ‫‪S22‬‬
‫‪‬‬
‫‪ Zcal  Ztab‬أو ‪Zcal  Ztab‬‬ ‫‪n1 1 n2 1‬‬
‫‪Ztab  Z1‬‬ ‫ﺑﺣﯾث‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪H 0 :   0‬‬
‫‪H1 :   0‬‬
‫‪2‬‬
‫‪Zcal ‬‬
‫‪X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪S1 S2‬‬
‫‪‬‬
‫‪n1 n2‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪ X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal‬‬
‫‪Zcal  Ztab‬‬ ‫‪S12‬‬ ‫‪S22‬‬
‫‪‬‬
‫‪n1 1 n2 1‬‬
‫ﺑﺣﯾث ‪Ztab  Z1‬‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪H 0 :   0‬‬
‫‪H1 : >0‬‬
‫‪2‬‬
‫‪Zcal‬‬
‫‪ X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪S1 S2‬‬
‫‪‬‬
‫‪n1 n2‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪ X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal‬‬
‫‪Zcal  Ztab‬‬ ‫‪S12‬‬ ‫‪S22‬‬
‫‪‬‬ ‫‪H 0 :   0‬‬
‫‪n1 1 n2 1‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪H1 :   0‬‬
‫ﺑﺣﯾث ‪Ztab  Z1‬‬
‫‪2‬‬
‫‪Zcal ‬‬
‫‪X X    ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪S1 S2‬‬
‫‪‬‬
‫‪n1 n2‬‬
‫ﺗﻣرﯾن‪ :13‬ﻟﻠﻣﻘﺎرﻧﺔ ﺑﯾن رواﺗب أﻋﺿﺎء ﻫﯾﺋﺔ اﻟﺗدرﯾس ﻓﻲ ﺟﺎﻣﻌﺔ أ و ب واﻟﺗﻲ ﺗﺧﺿﻊ اﻟرواﺗب ﻓﯾﻬﺎ إﻟﻰ‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ‪ X1  N  1 , 12 ‬و ‪ X 2  N  2 , 22 ‬ﻋﻠﻰ اﻟﺗرﺗﯾب‪ ،‬اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن أﺳﺎﺗذة‬
‫ﺟﺎﻣﻌﺔ أ ﺑﺣﺟم )‪ ،(n1=50‬وﺗﺑﯾن أن ﻣﺗوﺳط رواﺗﺑﻬم ﺑﻠﻎ ‪ 100‬ون‪ ،‬وﺗﺑﺎﯾن ﻗدرﻩ ‪ 250‬ون‪ ،‬واﺧﺗﯾرت‬
‫ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن أﺳﺎﺗذة ﺟﺎﻣﻌﺔ "ب" ﺑﺣﺟم )‪ ،(n2=60‬وﺗﺑﯾن أن ﻣﺗوﺳط رواﺗﺑﻬم ﺑﻠﻎ ‪ 120‬ون وﺗﺑﺎﯾن‬
‫ﻗدرﻩ ‪ 360‬ون‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪136‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺧﺗﺑر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ -1‬ﻣﺗوﺳط رواﺗب أﻋﺿﺎء ﻫﯾﺋﺔ اﻟﺗدرﯾس ﻓﻲ ﺟﺎﻣﻌﺔ "أ" ﯾﺧﺗﻠف ﻋن ﻣﺗوﺳط رواﺗب ﻧظراﺋﻬم ﻓﻲ ﺟﺎﻣﻌﺔ‬
‫"ب" وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫‪ -2‬ﻣﺗوﺳط رواﺗب أﻋﺿﺎء ﻫﯾﺋﺔ اﻟﺗدرﯾس ﻓﻲ ﺟﺎﻣﻌﺔ "أ" ﯾﻘل ﻋن ﻣﺗوﺳط رواﺗب ﻧظراﺋﻬم ﻓﻲ ﺟﺎﻣﻌﺔ "ب"‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫‪ -3‬ﻣﺗوﺳط رواﺗب أﻋﺿﺎء ﻫﯾﺋﺔ اﻟﺗدرﯾس ﻓﻲ ﺟﺎﻣﻌﺔ "أ" ﯾزﯾد ﻋن ﻣﺗوﺳط رواﺗب ﻧظراﺋﻬم ﻓﻲ ﺟﺎﻣﻌﺔ "ب"‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 1  2‬‬
‫‪-1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X1  100, S12  250, n1  50, X2  120, S22  360, n 2  60,1    0.05‬وﺑﺎﻟﺗﺎﻟﻲ‬

‫‪Zcal‬‬
‫‪X X  ‬‬
‫‪ 1 2 1 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ 100120 0 0597‬‬
‫‪.‬‬ ‫ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪S12 S22‬‬ ‫‪250  360‬‬
‫‪‬‬ ‫‪501 601‬‬
‫‪n11 n2 1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪ (Z‬وﻋﻧد ﻣﺳﺗوى‬
‫‪Z‬‬ ‫‪ Z0.975  Ztab  01.960‬‬ ‫ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪1 ‬‬
‫‪2‬‬

‫اﻟﻘــــرار‪:‬ﺑﻣ ــﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Zcal  05.97 ‬ﻫ ــﻲ أﺻ ــﻐر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ztab  01.960‬وﻫــذا ﯾﻌﻧــﻲ رﻓــض اﻟﻔرﺿــﯾﺔ اﻟﻌدﻣﯾــﺔ)‪ (H0‬وﻗﺑــول اﻟﻔرﺿــﯾﺔ اﻟﺑدﯾﻠــﺔ )‪ ،(H1‬ﻣﻣــﺎ ﯾــدل‬
‫ﻋﻠــﻰ أن ﻣﺗوﺳــط اﻟرواﺗــب ﻓــﻲ اﻟﺟﺎﻣﻌــﺔ "أ"ﯾﺧﺗﻠــف ﻋــن ﻣﺗوﺳــط اﻟرواﺗــب ﻓــﻲ اﻟﺟﺎﻣﻌــﺔ "ب"وﻓﻘــﺎ ﻟﻣﻌطﯾــﺎت‬
‫اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪H0 : 1  2‬‬
‫‪ -2‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻣﻣﺎ ﺳﺑق ﻧﻌﻠم أن اﻹﺣﺻﺎءة ﻫﻲ ‪.‬‬
‫‪Zcal 0597‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﺳﺎر )اﻟﻘﯾم اﻟﺳﻔﻠﻰ(‪ ،‬وﻣن ﺟدول‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪ Z1   Z0.950   Z tab  01.645‬‬
‫اﻟﻘــــرار‪:‬ﺑﻣـ ـﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Zcal  05.97 ‬ﻫ ــﻲ أﺻ ــﻐر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ztab  01.645‬وﻫــذا ﯾﻌﻧــﻲ رﻓــض اﻟﻔرﺿــﯾﺔ اﻟﻌدﻣﯾــﺔ)‪ (H0‬وﻗﺑــول اﻟﻔرﺿــﯾﺔ اﻟﺑدﯾﻠــﺔ )‪ ،(H1‬ﻣﻣــﺎ ﯾــدل‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪137‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻟرواﺗب ﻓﻲ اﻟﺟﺎﻣﻌﺔ "أ " ﯾﻘل ﻋن ﻣﺗوﺳط اﻟرواﺗب ﻓﻲ اﻟﺟﺎﻣﻌﺔ "ب"وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪H0 : 1  2‬‬
‫‪ -3‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻣﻣﺎ ﺳﺑق ﻧﻌﻠم أن اﻹﺣﺻﺎءة ﻫﻲ ‪.‬‬
‫‪Zcal 0597‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﻣﯾن )اﻟﻘﯾم اﻟﻌﻠﯾﺎ(‪ ،‬وﻣن ﺟدول‬
‫اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج ﻗﯾﻣﺔ ‪ Z‬اﻟﺟدوﻟﯾﺔ‬
‫‪Z1  Z0.950  Z tab  01.645‬‬
‫اﻟﻘــــرار‪:‬ﺑﻣـ ـﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Zcal  05.97 ‬ﻫ ــﻲ أﺻ ــﻐر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ztab  01.645‬وﻫــذا ﯾﻌﻧــﻲ ﻗﺑــول اﻟﻔرﺿــﯾﺔ اﻟﻌدﻣﯾــﺔ)‪ (H0‬ورﻓــض اﻟﻔرﺿــﯾﺔ اﻟﺑدﯾﻠــﺔ )‪ ،(H1‬ﻣﻣــﺎ ﯾــدل‬
‫ﻋﻠﻰ أن ﻣﺗوﺳط اﻟرواﺗب ﻓﻲ اﻟﺟﺎﻣﻌﺔ "أ " ﯾﻘل ﻋن ﻣﺗوﺳط اﻟرواﺗب ﻓﻲ اﻟﺟﺎﻣﻌﺔ "ب"وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪ 3-3‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﯾن ‪ 12‬و ‪ 22‬ﻣﺟﻬوﻟﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر‬
‫ﻋﻧدﻣﺎ ﯾﻛون ‪ 12‬و ‪ 22‬ﻣﺟﻬوﻟﯾن وﺣﺟم اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر ﻓﻧﻧﺎ ﻧﻣﯾز ﺣﺎﻟﺗﯾن‪:‬‬
‫‪‬‬ ‫‪2‬‬
‫‪1‬‬ ‫اﻟﺣﺎﻟﺔ اﻷوﻟﻰ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن وﻣﺗﺳﺎوﯾﯾن ‪ 22  2‬‬
‫‪‬‬
‫ﻧظرﯾﺔ‪ :06‬ﺑﺎﻓﺗراض أن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾـﺎ اﻷول ﻫـو ‪ X1  N  1 , 12 ‬وﻛـﻼ ﻣﻧﻬﻣـﺎ‬
‫‪‬‬ ‫‪2‬‬
‫‪1‬‬ ‫ﻣﺟﻬـ ــول‪ ،‬واﻟﺛـ ــﺎﻧﻲ ‪ X 2  N  2 , 22 ‬وﻛـ ــﺎن أﯾﺿـ ــﺎ ﻣﺟﻬـ ــوﻟﯾن‪ٕ ،‬واذا ﻛـ ــﺎن ﻣﻌﻠـ ــوم ﻣﺳـ ــﺑﻘﺎ ﺑـ ــﺄن ‪ 22‬‬
‫‪‬‬
‫وﺳــﺣﺑﻧﺎ ﺟﻣﯾ ــﻊ أزواج اﻟﻌﯾﻧ ــﺎت اﻟﻣﺳ ــﺗﻘﻠﺔ ﻋ ــن ﺑﻌﺿــﻬﻣﺎ اﻟ ــﺑﻌض ﻋﻠ ــﻰ اﻟﺗـ ـواﻟﻲ )‪ (n1‬و )‪ ،(n2‬وﻛ ــﺎن ﺣﺟ ــم‬
‫اﻟﻌﯾﻧﺗﯾن ﺻﻐﯾر ﻓﺎن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ )ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ( ﻟﻼﺣﺻﺎءة ﯾﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪T‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬
‫واﻟذي ﯾﺗﺑﻊ ﺗوزﯾﻊ ﯾطﻠق ﻋﻠﯾﻪ ﺗوزﯾﻊ ﺳﺗودﻧت )‪ (t‬وﺑدرﺟﺎت ﺣرﯾﺔ ﺗﺳﺎوي )‪ (V=n1+n2-2‬ﺣﯾث‬
‫‪‬‬ ‫‪‬‬

‫‪S2p‬‬ ‫‪‬‬
‫‪ n1 1S12   n 2 1S22‬‬ ‫‪‬‬
‫‪n1S12  n 2S22‬‬
‫‪ n1 1   n2 1‬‬ ‫‪n1  n 2  2‬‬
‫ﯾﻣﺛل اﻟﺗﺑﺎﯾن اﻟﻣﺷﺗرك ﻟﻠﻌﯾﻧﺗﯾن‪ ،‬وﻋﻠﯾﻪ ﯾﻣﻛن اﺳﺗﺧدام ﻫذﻩ اﻹﺣﺻﺎءة ﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪138‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ Tcal  Ttab‬أو ‪Tcal  Ttab‬‬ ‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪Tcal ‬‬
‫ﺑﺣﯾث‬ ‫‪Sp‬‬
‫‪1 1‬‬
‫‪‬‬
‫‪H 0 :   0‬‬
‫‪n1 n 2‬‬ ‫‪H1 :   0‬‬
‫‪Ttab  T‬‬
‫‪1  ,n1 n2 02‬‬
‫‪2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Tcal  Ttab‬‬
‫‪Tcal ‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫ﺑﺣﯾث‬ ‫‪Sp‬‬
‫‪1 1‬‬
‫‪‬‬
‫‪H 0 :   0‬‬
‫‪n1 n 2‬‬ ‫‪H1 : >0‬‬
‫‪Ttab  T‬‬
‫‪1  ,n1 n2 02‬‬
‫‪2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Tcal  Ttab‬‬
‫‪Tcal ‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫ﺑﺣﯾث‬ ‫‪Sp‬‬
‫‪1 1‬‬
‫‪‬‬
‫‪H 0 :   0‬‬
‫‪n1 n 2‬‬ ‫‪H1 :   0‬‬
‫‪Ttab  T‬‬
‫‪1  ,n1 n2 02‬‬
‫‪2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﺗﻣرﯾن‪ :14‬ﻋﯾﻧﺗﺎن ﻋﺷواﺋﯾﺗﺎن ﻣن ﺗوزﯾﻌﯾن ﻣﺳﺗﻘﻠﯾن وﯾﺧﺿﻌﺎن ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺣﯾث ‪X1  N  1 , 12 ‬‬
‫و ‪ X 2  N  2 , 22 ‬و ﻛﺎﻧت ‪ 12  22‬و ﻣﺟﻬوﻟﺗﺎن ووﺟد أن ﺣﺟم اﻟﻌﯾﻧﺔ اﻷوﻟﻰ ﻫو )‪،(n1=64‬‬
‫‪‬‬ ‫‪‬‬
‫وﺣﺟم اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ﻫو )‪ ،(n2=49‬وﻛﺎن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ اﻷوﻟﻰ ﻫو ‪ 16‬ﺑﺗﺑﺎﯾن ‪ 09‬واﻟﻣﺗوﺳط‬
‫اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ﻫو ‪ 20‬ﺑﺗﺑﺎﯾن ‪16‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬إﺧﺗﺑر اﻟﻔرﺿﯾﺔ ‪ H 0 : 1  2  0‬ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.05‬؟‬
‫أ‪H1 :1   2 -‬‬
‫ب‪H1 :1   2 -‬‬
‫ج‪H1 :1   2 -‬‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 1  2‬‬
‫أ‪-‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪139‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪ X1  16, S12  09, n1  15, X 2  12, S22  16, n 2  10,1    0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن‬

‫‪Tcal ‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬
‫‪n1S12  n 2S22 15 09  1016 ‬‬
‫‪S2p‬‬ ‫‪‬‬ ‫‪‬‬ ‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺷﺗرك ﻛﺎﻟﺗﺎﻟﻲ‪ 12.82 :‬‬
‫‪n1  n 2  02‬‬ ‫‪15  10  02‬‬

‫‪Tcal ‬‬
‫‪ X  X       ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪16  20    0 ‬‬ ‫‪ 02.74‬‬ ‫إذن‬
‫‪1 1‬‬ ‫‪1 1‬‬
‫‪Sp‬‬ ‫‪‬‬
‫‪n1 n 2‬‬
‫‪ 03.58‬‬ ‫‪‬‬
‫‪15 10‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت وﻋﻧد درﺟﺔ ﺣرﯾﺔ )‪ (23‬ﻧﺟد‬
‫‪T1 ,n n‬‬ ‫‪T‬‬ ‫‪ T0.975,23  02.069‬‬
‫‪1‬‬ ‫‪2 02‬‬ ‫‪1 0.05 ,151002‬‬
‫‪2‬‬ ‫‪2‬‬
‫اﻟﻘــــرار‪:‬ﺑﻣ ــﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Tcal  02.74 ‬ﻫ ــﻲ أﺻ ــﻐر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ttab  02.069‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫‪H0 : 1  2‬‬
‫ب‪ -‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣﻣﺎ ﺳﺑق ‪Tcal  02.74‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﻣﯾن وﻣن ﻣن ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت‬
‫‪T1,n n‬‬ ‫‪ T10.05,151002  T0.950,23  01.714‬‬ ‫وﻋﻧد درﺟﺔ ﺣرﯾﺔ )‪ (23‬ﻧﺟد‬
‫‪1‬‬ ‫‪2 02‬‬
‫‪-‬اﻟﻘـــرار‪:‬ﺑﻣــﺎ أن ﻗﯾﻣــﺔ إﺣﺻــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳــوﺑﺔ ‪،  Tcal  02.74 ‬ﻫــﻲ أﺻ ــﻐر ﻣــن اﻟﻘﯾﻣــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ttab  01.714 ‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫‪H0 : 1  2‬‬
‫ج‪ -‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟدﯾﻧﺎ ﻣﻣﺎ ﺳﺑق ‪Tcal  02.74‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﺳﺎر وﻣن ﻣن ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت‬
‫‪T1,n n‬‬ ‫وﻋﻧد درﺟﺔ ﺣرﯾﺔ )‪ (23‬ﻧﺟد ‪ T10.05,151002  T0.950,23  01.714‬‬
‫‪1‬‬ ‫‪2 02‬‬
‫‪-‬اﻟﻘرار‪:‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Tcal  02.74 ‬ﻫﻲ أﺻﻐر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ttab  02.069‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪140‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫‪‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪ 22‬‬ ‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﻋﻧدﻣﺎ ﯾﻛون اﻟﺗﺑﺎﯾﻧﺎن ﻣﺟﻬوﻟﯾن و ﻏﯾر ﻣﺗﺳﺎوﯾﯾن ‪‬‬
‫ﻧظرﯾﺔ‪ :07‬ﺑﺎﻓﺗراض أن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ اﻷول ﻫو ‪ X1  N  1 , 12 ‬وﻛﻼ ﻣﻧﻬﻣﺎ‬
‫ﻣﺟﻬول‪ ،‬واﻟﺛﺎﻧﻲ ‪ X 2  N  2 , 22 ‬وﻛﺎن أﯾﺿﺎ ﻣﺟﻬوﻟﯾن‪ ،‬ﻓﻔﻲ ﻫذﻩ ﻧﻘدر ﺗﺑﺎﯾن ﻛل ﻣﺟﺗﻣﻊ ﺑﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫ﺑﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪ ، S12‬وﻧﻘدر ﺗﺑﺎﯾن‬ ‫اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ‪ ،‬أي ﻧﻘدر ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ اﻷول ‪12‬‬
‫اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ ‪ 22‬ﺑﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﺳﺣوﺑﺔ ﻣﻧﻪ ‪ ، S22‬ﻧﺗﺣﺻل ﻋﻠﻰ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪ X1  X 2    1  2 ‬‬
‫‪Tcal ‬‬
‫‪S12 S22‬‬
‫‪‬‬
‫‪n1 n 2‬‬
‫وﻫذا اﻟﺗوزﯾﻊ ﻗرﯾب ﻣن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V‬ﺗﻌطﻰ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬
‫‪ 2‬‬

‫‪V‬‬
‫‪ S1‬‬
‫‪‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪n1 ‬‬ ‫‪S22‬‬ ‫‪n 2 ‬‬
‫‪‬‬
‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪S12 n1‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪S22 n 2‬‬ ‫‪‬‬
‫‪n1 1‬‬ ‫‪n 2 1‬‬
‫وﺳﯾﻛون اﻟﻘرار ﻟﻛل ﻓرﺿﯾﺔ ﻣن اﻟﻔرﺿﯾﺎت اﻟﺳﺎﺑﻘﺔ ﻛﻣﺎ ﺳﺑق اﻹﺷﺎرة إﻟﯾﻬﺎ ﻓﻲ اﻟﺟدول اﻟﺳﺎﺑق ﻣﻊ ﻣراﻋﺎة‬
‫درﺟﺔ اﻟﺣرﯾﺔ ﻓﻘط‪.‬‬
‫ﺗﻣرﯾن‪ :15‬ﺑﻔرض أن اﻟﺑﯾﺎﻧﺎت اﻟﺗﺎﻟﯾﺔ ﺗم اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻣن ﻋﯾﻧﺗﯾن ﻋﺷواﺋﯾﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن‬
‫اﻟﻣﺟﺗﻣﻊ اﻷول‪ X1  24.20, S12  10, n1  15 :‬اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪X 2  23.90, S22  20, n 2  10 :‬‬
‫وﻋﻠﻰ اﻓﺗراض أن ‪ 12  22‬واﻟﻣﺟﺗﻣﻌﯾن طﺑﯾﻌﯾﯾن‬
‫‪‬‬ ‫‪‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪H0 : 1  2‬‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬ ‫‪-1‬أﺧﺗﺑر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪H1 : 1   2‬‬
‫اﻟﺣل‪:‬‬
‫إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.01‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪:‬ﺣﯾث أن ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻌﯾن ﻏﯾر ﻣﺗﺳﺎوﯾﯾن‪ ،‬وﻋﻠﯾﻪ ﻓﺈن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﺗﻛون‬
‫‪ X1  X2   1  2   24.20  23.90    0‬‬
‫‪Tcal ‬‬ ‫‪‬‬ ‫‪ 0.1873‬‬ ‫ﻛﺎﻵﺗﻲ‬
‫‪S12 S22‬‬ ‫‪10 20‬‬
‫‪‬‬ ‫‪‬‬
‫‪n1 n 2‬‬ ‫‪15 10‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ﺳﺗودﻧت‪ ،‬ﻧﺳﺗﺧرج أوﻻ درﺟﺔ اﻟﺣرﯾﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪141‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 2‬‬

‫‪V‬‬
‫‪ S1‬‬
‫‪‬‬
‫‪‬‬ ‫‪n1 ‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪n 2 ‬‬
‫‪‬‬
‫‪  20 10‬‬
‫‪S22‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ 10 15 ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪  15‬‬ ‫ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪S1 n1  S2 n 2  10 15  20 10‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪n1 1‬‬ ‫‪n 2 1‬‬ ‫‪15 1‬‬ ‫‪10 1‬‬

‫وﯾﺗم اﺳﺗﺧراج ﻗﯾﻣﺔ ﺳﺗودﻧت اﻟﺟدوﻟﯾﺔ ﻋﻧد درﺟﺔ ﺣرﯾﺔ ‪ 15‬ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪T1  V  T‬‬ ‫‪ T0.995,15  Ttab  02.947‬‬
‫‪,‬‬ ‫‪1 0.01,15‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪-‬اﻟﻘـــرار‪:‬ﺑﻣ ــﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Tcal  0.1873‬ﻫ ــﻲ أﺻ ــﻐر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ttab  02.947 ‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪.(H1‬‬
‫‪-04‬إﺧﺗﺑﺎر اﻟﻔروض ﻟﻠﻔرق ﺑﯾن وﺳطﯾن ﺣﺳﺎﺑﯾﯾن ﻟﻣﺟﺗﻣﻌﯾن ‪  1  2 ‬ﻣرﺗﺑطﯾن‬
‫ﻧظرﯾﺔ‪ :08‬ﻧﻔرض أن ‪ X  N  1 , 12 ‬و ‪ Y  N  2 , 22 ‬وﻛﺎن اﻟﻣﺟﺗﻣﻌﺎن ﻣرﺗﺑطﺎن وﺳﺣﺑت ﻣن ﻛل‬
‫ﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ )‪ (n‬ﺑﺣﯾث ﻋﯾﻧﺔ اﻟﻣﺟﺗﻣﻊ اﻷول ﻫﻲ ‪ X1, X2 , X3..................Xn‬وﻋﯾﻧﺔ اﻟﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‬
‫اﻟﻘﯾﻣﺗﯾن اﻟﻣﺗﻧﺎظرﺗﯾن ﻓﻲ اﻟﻌﯾﻧﺗﯾن‪،‬إذا ﻛﺎﻧت‬ ‫‪ X i‬و ‪Yi‬‬ ‫ﻫﻲ ‪ ، Y1, Y2 , Y3 ......................Yn‬ﺑﺣﯾث ﺑﺣﯾث ﺗﻣﺛل‬
‫ﻟﺟﻣﯾﻊ ﻗﯾم‬ ‫‪d i  Xi  Yi‬‬ ‫اﻟﻔروق ﺑﯾن ﻗﯾم اﻟﻌﯾﻧﺗﯾن اﻟﻣﺗﻧﺎظرﺗﯾن ﻫﻲ ‪ d1 , d 2 , d3 .................d n ‬ﺣﯾث‬
‫‪ ،i=1,2,3,………….n‬ﻓﺎن ‪ d1 , d 2 , d3 .................d n ‬ﺗﺷﻛل ﻋﯾﻧﺔ اﻟﻔروق وﯾﻣﻛن اﻟﻧظر ﻟﻬذﻩ اﻟﻌﯾﻧﺔ‬
‫اﻟﺗﻲ ﺣﺟﻣﻬﺎ ‪ n‬ﻋﻠﻰ أﻧﻬﺎ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ وﺳطﻪ اﻟﺣﺳﺎﺑﻲ ‪ d  1   2‬وﺗﺑﺎﯾﻧﻪ ‪، d2‬‬
‫وﻟﻧﻔرض ان وﺳط اﻟﻌﯾﻧﺔ ﻫو ‪ d‬وﺗﺑﺎﯾﻧﻬﺎ ﻫو ‪ٕ ، Sd2‬واذا رﻏﺑﻧﺎ ﻓﻲ اﺧﺗﺑﺎر ﺗﺳﺎوي وﺳطﻲ اﻟﻣﺟﺗﻣﻌﯾن اﻣﺎم‬
‫وﺗﺎﺧذ اﻟﻔرﺿﯾﺔ‬ ‫اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ ‪ H 0 : 1   2‬ﻛﻣﺎ ﯾﻣﻛن ﺻﯾﺎﻏﺗﻬﺎ ﺑطرﯾﻘﺔ أﺧرى ﻫﻲ ‪H 0 : d  0‬‬
‫اﻟﺑدﯾﻠﺔ اﺣدى اﻟﺻور اﻟﺛﻼث اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪H1 : 1  2‬‬ ‫‪H1 : d  0‬‬
‫‪‬‬ ‫‪‬‬
‫‪H1 : 1  2  H1 : d  0‬‬
‫‪H :   ‬‬ ‫‪‬‬
‫‪ 1 1‬‬ ‫‪2‬‬ ‫‪H1 : d  0‬‬
‫وﻧﻣﯾز اﻟﺣﺎﻟﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬
‫اﻟﺣﺎﻟﺔ اﻻوﻟﻰ‪ :‬ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n  30‬و ‪ d2‬ﻣﺟﻬول‬
‫‪d d d d d d‬‬
‫‪Zcal ‬‬ ‫‪‬‬ ‫‪   N  0,1‬‬ ‫ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻫﻲ‬
‫‪d‬‬ ‫‪Sd‬‬
‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬
‫‪n‬‬
‫‪‬‬ ‫‪di‬‬
‫‪E  d   d ‬‬ ‫‪i1‬‬
‫‪n‬‬ ‫ﺑﺣﯾث‬
‫‪‬‬
‫‪2‬‬‫‪Sd2‬‬ ‫‪Sd2‬‬
‫‪V  d   2d  ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n n 1 n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪142‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪di  d‬‬ ‫‪ d‬‬ ‫‪2‬‬
‫‪i‬‬ ‫‪2‬‬
‫‪S2d ‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫‪‬‬ ‫‪i1‬‬
‫‪n‬‬
‫‪ d‬‬‫‪‬‬
‫‪‬‬
‫‪2‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪ n  ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪i 1‬‬
‫‪ di  d ‬‬ ‫‪1  n 2  ‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪di  ‬‬
‫‪ ‬‬
‫‪Sd ‬‬
‫‪n 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n  1 i 1‬‬
‫‪di ‬‬
‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫وﺳﯾﻛون اﻟﻘرار ﻓﻲ ﺣﺎﻟﺔ إﺧﺗﺑﺎر ﻣن طرﻓﯾن او ﻣن طرف واﺣد ﻛﻣﺎ ﺗم اﻟﺗطرق ﻟﻪ ﻓﻲ ﺣﺎﻟﺔ اﺧﺗﺑﺎر‬
‫اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ )‪ (µ‬ﻓﻲ اﻟﻔﻘرة ‪2‬‬
‫اﻟﺣﺎﻟﺔ اﻟﺛﺎﻧﯾﺔ‪ :‬ﺣﺟم اﻟﻌﯾﻧﺔ ‪ n  30‬و ‪ d2‬ﻣﺟﻬول‬
‫‪d d d d‬‬
‫‪Tcal ‬‬ ‫‪ ‬‬ ‫ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻓﺎن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻫﻲ‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬
‫وﺳﯾﻛون اﻟﻘرار ﻓﻲ ﺣﺎﻟﺔ اﻻﺧﺗﺑﺎر ﻣن طرﻓﯾن او ﻣن طرف واﺣد ﻛﻣﺎ ﺗم اﻟﺗطرق ﻟﻪ ﻓﻲ ﺣﺎﻟﺔ إﺧﺗﺑﺎر‬
‫اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻣﺟﺗﻣﻊ )‪ (µ‬ﻓﻲ اﻟﻔﻘرة ‪3-2‬‬
‫ﺗﻣرﯾن‪ :16‬إذا ﻛﺎن ‪ X  N  1 , 12 ‬و ‪ Y  N  2 , 22 ‬وﻛﺎن اﻟﻣﺟﺗﻣﻌﺎن ﻣرﺗﺑطﺎن وﺳﺣﺑت ﻣن ﻛل‬
‫ﻣﺟﺗﻣﻊ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ 30‬وﻛﺎن ﻣﺟﻣوع اﻟﻔروق ﺑﯾن اﻟﻘﯾم اﻟﻣﺗﻧﺎظرة ﻟﻠﻌﯾﻧﺗﯾن ﻫو ‪ 180‬واﻻﻧﺣراف اﻟﻣﻌﯾﺎري‬
‫ﻟﻠﻔروق ﻫو ‪09‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻟﻘول أن اﻟﻣﺟﺗﻣﻌﯾن ﻟﻬﻣﺎ ﻧﻔس اﻟﻣﺗوﺳط ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H 0 : 1  2‬‬ ‫‪H :   0‬‬
‫‪‬‬ ‫‪  0 d‬‬ ‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬ ‫‪H1 : d  0‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو ‪ 30‬ﻧﺳﺗﺧدم اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‪ ،‬وﺑﻣﺎ أن اﻻﺧﺗﺑﺎر‬
‫‪30‬‬
‫ﻣن ﺟﺎﻧﺑﯾن و ﺣﺳب اﻟﻣﻌطﯾﺎت ﻟدﯾﻧﺎ ‪n1  n 2  n  30,  di  180, Sd  09,1    0.05‬‬
‫‪i 1‬‬

‫‪d d d d d d‬‬

‫‪Zcal ‬‬ ‫‪‬‬ ‫‪   N  0,1‬‬ ‫إذن إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻫﻲ‬
‫‪d‬‬ ‫‪Sd‬‬
‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬
‫‪n‬‬
‫‪‬‬ ‫‪di‬‬
‫ﻧﺳﺗﺧرج أوﻻ ﻗﯾﻣﺔ ‪ d‬ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪i 1‬‬ ‫‪180‬‬
‫‪d‬‬ ‫‪d ‬‬ ‫‪ 06‬‬
‫‪n‬‬ ‫‪30‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪143‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪d d 06  0‬‬
‫‪Zcal ‬‬ ‫‪‬‬ ‫‪ 03.59‬‬ ‫إذن ﻗﯾﻣﺔ ‪ Z‬اﻟﻣﺣﺳوﺑﺔ ﻫﻲ‬
‫‪Sd‬‬ ‫‪09‬‬
‫‪n 1‬‬ ‫‪30  1‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫‪Ztab  Z1  Z‬‬ ‫‪ Z0.975  01.960‬‬ ‫‪ 0.05‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪2‬‬ ‫‪1 0.05‬‬
‫‪2‬‬
‫اﻟﻘـــــرا‪ :‬ﺑﻣـ ــﺎ أن ﻗﯾﻣـ ــﺔ إﺣﺻـ ــﺎءة اﻻﺧﺗﺑـ ــﺎر اﻟﻣﺣﺳـ ــوﺑﺔ ‪،  Zcal  03.59‬ﻫـ ــﻲ أﻛﺑـ ــر ﻣـ ــن اﻟﻘﯾﻣـ ــﺔ اﻟﺟدوﻟﯾـ ــﺔ‬
‫‪ ،  Ztab  01.960‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻌﺑر‬
‫اﻧﻪ ﯾوﺟد ﻓرق ﻣﻌﻧوي ﺑﯾن ﻣﺗوﺳطﻲ اﻟﻣﺟﺗﻣﻌﯾن وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  Z  03.59  Z  03.59 ‬‬
‫‪ F  03.59  01  F  03.59   01  F  03.59   01  F  03.59 ‬‬
‫‪ 02  02F  03.59   02  02  0.99983  0.00034‬‬
‫ﻧﻼﺣظ أن ‪ ، Pvalue    0.00034  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :17‬ﻋﺷر أﺷﺧﺎص ﯾرﺑون ﻓﻲ ﺗﺧﻔﯾض أوزاﻧﻬم‪ ،‬اﺷﺗرﻛوا ﻓﻲ ﻧظﺎم ﻏذاﺋﻲ ﻟﻠﻣﺳﺎﻋدة ﻓﻲ ﺗﺧﻔﯾض‬
‫اﻟوزن ﻓﻛﺎﻧت أوزاﻧﻬم ﻗﺑل وﺑﻌد اﻻﺷﺗراك ﻓﻲ اﻟﻧظﺎم ﻛﺎﻵﺗﻲ‪:‬‬
‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫رﻗم اﻟﺷﺧص‬
‫‪82‬‬ ‫‪47‬‬ ‫‪67‬‬ ‫‪68‬‬ ‫‪53‬‬ ‫‪92‬‬ ‫‪37‬‬ ‫‪39‬‬ ‫‪53‬‬ ‫‪62‬‬ ‫ﻗﺑل اﻻﺷﺗراك‬
‫‪80‬‬ ‫‪45‬‬ ‫‪65‬‬ ‫‪70‬‬ ‫‪55‬‬ ‫‪90‬‬ ‫‪35‬‬ ‫‪40‬‬ ‫‪50‬‬ ‫‪60‬‬ ‫ﺑﻌد اﻻﺷﺗراك‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل أدى اﻻﺷﺗراك ﻓﻲ اﻟﻧظﺎم اﻟﻐذاﺋﻲ إﻟﻰ ﺗﺧﻔﯾض ﻣﺗوﺳط اﻟوزن؟ وذﻟك ﻋﻧد ﻣﺳﺗوى‬
‫ﻣﻌﻧوﯾﺔ)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H 0 : 1  2‬‬ ‫‪H :   0‬‬
‫‪‬‬ ‫‪  0 d‬‬ ‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : 1   2‬‬ ‫‪H1 : d  0‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو اﻗل ﻣن ‪ 30‬وﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ﻣﺟﻬول ﻧﺳﺗﺧدم ﺗوزﯾﻊ‬
‫‪d d d d‬‬
‫‪Tcal ‬‬ ‫‪ ‬‬ ‫ﺳﺗودﻧت ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V=n-1‬وﺗﻌطﻰ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪n 1‬‬ ‫‪n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪144‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﻟﺣﺳﺎب اﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻧﺣﺳب أوﻻ ‪ d‬و ‪S2d‬‬
‫اﻷﺷﺧﺎص‬
‫‪2‬‬
‫‪d  d‬‬ ‫‪di2‬‬ ‫‪di  Xi  Yi‬‬ ‫‪Yi‬‬ ‫‪Xi‬‬
‫‪i‬‬

‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪60‬‬ ‫‪62‬‬ ‫‪01‬‬

‫‪04‬‬ ‫‪09‬‬ ‫‪+03‬‬ ‫‪50‬‬ ‫‪53‬‬ ‫‪02‬‬
‫‪04‬‬ ‫‪01‬‬ ‫‪-01‬‬ ‫‪40‬‬ ‫‪39‬‬ ‫‪03‬‬
‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪35‬‬ ‫‪37‬‬ ‫‪04‬‬
‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪90‬‬ ‫‪92‬‬ ‫‪05‬‬
‫‪09‬‬ ‫‪04‬‬ ‫‪-02‬‬ ‫‪55‬‬ ‫‪53‬‬ ‫‪06‬‬
‫‪09‬‬ ‫‪04‬‬ ‫‪-02‬‬ ‫‪70‬‬ ‫‪68‬‬ ‫‪07‬‬
‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪65‬‬ ‫‪67‬‬ ‫‪08‬‬
‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪45‬‬ ‫‪47‬‬ ‫‪09‬‬
‫‪01‬‬ ‫‪04‬‬ ‫‪+02‬‬ ‫‪80‬‬ ‫‪82‬‬ ‫‪10‬‬
‫‪32‬‬ ‫‪42‬‬ ‫‪+10‬‬ ‫‪------‬‬ ‫‪------‬‬ ‫اﻟﻣﺟﻣوع‬
‫‪n‬‬
‫‪‬‬ ‫‪di‬‬
‫‪10‬‬
‫‪d‬‬ ‫‪i 1‬‬ ‫‪d‬‬ ‫‪ 01‬‬
‫‪n‬‬ ‫‪10‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪di  d‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪di2‬‬ ‫‪2‬‬
‫‪ d  Sd2  42   01  03.20‬‬
‫‪‬‬ ‫‪2‬‬
‫‪Sd2 ‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪10‬‬
‫‪‬‬
‫‪2‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪ n‬‬ ‫‪ ‬‬
‫‪2‬‬ ‫‪‬‬
‫‪i 1‬‬
‫‪ di  d ‬‬ ‫‪1  n d2   ‬‬
‫‪‬‬ ‫‪ di  ‬‬
‫‪i 1‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪   S  1  42  10    03.55‬‬
‫‪Sd ‬‬ ‫‪‬‬
‫‪n 1‬‬ ‫‪n 1  ‬‬
‫‪i 1‬‬
‫‪i‬‬
‫‪n‬‬ ‫‪‬‬
‫‪‬‬
‫‪d 10  1 ‬‬ ‫‪10 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫إذن ﻗﯾﻣﺔ ﺳﺗوﻧت اﻟﻣﺣﺳوﺑﺔ ﻫﻲ‬
‫‪d d d d‬‬ ‫‪01  0‬‬ ‫‪01  0‬‬
‫‪Tcal ‬‬ ‫‪   Tcal ‬‬ ‫‪01.78‬‬
‫‪‬‬
‫‪01.88‬‬
‫‪ 01.68‬‬
‫‪Sd‬‬ ‫‪Sd‬‬ ‫‪10  01‬‬ ‫‪10‬‬
‫‪n 1‬‬ ‫‪n‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﺳﺎر وﻣن ﻣن ﺟدول ﺗوزﯾﻊ ﺳﺗودﻧت‬
‫‪T1,n1  T10.05,101  T0.950,09  01.833‬‬ ‫وﻋﻧد درﺟﺔ ﺣرﯾﺔ )‪ (09‬ﻧﺟد‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪145‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪-‬اﻟﻘرار‪:‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Tcal  01.68‬ﻫﻲ أﺻﻐر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ttab  01.833‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬وﺑﺎﻟﺗﺎﻟﻲ‬
‫ﻓﺎن اﻟﻧظﺎم اﻟﻐذاﺋﻲ ﻟم ﯾؤدي إﻟﻰ ﺗﺧﻔﯾض ﻣﺗوﺳط اﻟوزن وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫‪.0.05‬‬
‫‪-5‬إﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻟﻧﺳﺑﺔ )‪(P‬‬
‫ﻧظرﯾﺔ‪ :09‬إذا ﻛﺎن ﻟدﯾﻧﺎ )‪ (X‬ﻣﺗﻐﯾر ﻋﺷواﺋﻲ ﻣﺗﻘطﻊ ﯾﻣﺛل ﻋدد ﺣﺎﻻت اﻟﻧﺟﺎح ﻓﻲ )‪ (n‬ﻣن اﻟﻣﺣﺎوﻻت‬
‫اﻟﻣﺳﺗﻘﻠﺔ ﺑﺎﺣﺗﻣﺎل ﻧﺟﺎح ﻗدرﻩ)‪ ،(P‬أي أن اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﯾﺧﺿﻊ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن ﺑﺎﻟﻣﻌﻠﻣﺗﯾن‬
‫‪ ، X  Ben  np, npq ‬وﻓﻲ ﺣﺎﻻت ﻛون ﻋدد اﻟﻣﺣﺎوﻻت )‪ (n‬ﻛﺑﯾ ار ﺟدا‪ ،‬وان اﺣﺗﻣﺎل ﻧﺟﺎح اﻟﻣﺣﺎوﻟﺔ)‪(P‬‬
‫أو ﻓﺷﻠﻬﺎ )‪ (q‬ﻟﯾس ﺻﻐﯾرﯾن ﺟدا‪ ،‬ﻓﻔﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ إن ﺗوزﯾﻊ ﺛﻧﺎﺋﻲ اﻟﺣدﯾن ﯾﻘﺗرب ﻣن اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫اﻟﻣﻌﯾﺎري )‪(Z‬ﻋﻧدﻣﺎ ﺗﻛون )‪ (n‬ﻛﺑﯾرة‪ ،‬وﻓﻘﺎ إﻟﻰ ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ اﻟﻣرﻛزﯾﺔ ‪  np  05, nq  05‬ﻓﺈن ﺗوزﯾﻊ‬
‫اﻟﻣﻌﺎﯾﻧﺔ ﻟﻺﺣﺻﺎءة )‪ (Z‬ﺗﻌطﻰ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪X‬‬ ‫‪‬‬
‫‪X  np‬‬ ‫‪P‬‬ ‫‪P‬‬ ‫‪ P  N 0,1‬‬
‫‪n‬‬
‫‪Z‬‬
‫‪np 1  p ‬‬
‫‪‬‬
‫‪P 1  P  n‬‬
‫‪‬‬
‫‪P 1  P  n‬‬
‫‪ ‬‬
‫ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن اﺳﺗﺧدام ﻫذﻩ اﻻﺣﺻﺎءة ﻹﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺧﺎﺻﺔ‬
‫ﺑﻧﺳﺑﺔ ﻋﻧﺎﺻر اﻟﻣﺟﺗﻣﻊ اﻹﺣﺻﺎﺋﻲ اﻟﺗﻲ ﺗﺣﻣل ﺻﻔﺔ ﻣﻌﯾﻧﺔ وذﻟك ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪‬‬
‫‪ Zcal   Ztab‬أو ‪Zcal  Ztab‬‬ ‫‪P P0‬‬
‫‪Zcal ‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪P0 1  P0  n‬‬ ‫‪H0 : P  P0‬‬
‫‪2‬‬ ‫‪H1 : P  P0‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪‬‬
‫‪Zcal  Ztab‬‬ ‫‪P P0‬‬
‫‪Zcal ‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪P0 1  P0  n‬‬ ‫‪H0 : P  P0‬‬
‫‪2‬‬ ‫‪H1 : P>P0‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪‬‬
‫‪Zcal   Ztab‬‬ ‫‪P P0‬‬
‫‪Zcal ‬‬
‫ﺑﺣﯾث ‪Ztab  Z1 ‬‬ ‫‪P0 1  P0  n‬‬ ‫‪H0 : P  P0‬‬
‫‪2‬‬ ‫‪H1 : P  P0‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪146‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﺗﻣرﯾن‪ :18‬أدﻋت إﺣدى ﺷرﻛﺎت إﻧﺗﺎج اﻷﺟﻬزة اﻻﻟﻛﺗروﻧﯾﺔ أن ﻧﺳﺑﺔ اﻷﺟﻬزة اﻟﺗﺎﻟﻔﺔ ﻓﻲ إﻧﺗﺎﺟﻬﺎ ﺑﻠﻐت‬
‫‪ ،%04‬ﻗﺎم اﺣد اﻟوﻛﻼء اﻟﻣﻌﺗﻣدﯾن ﻟﻬذﻩ اﻟﺷرﻛﺔ ﺑﺎﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻣن اﻷﺟﻬزة اﻻﻟﻛﺗروﻧﯾﺔ اﻟﻣﺟﻬزة ﻣن ﻗﺑل‬
‫اﻟﺷرﻛﺔ ﻗواﻣﻬﺎ ‪ 500‬ﺟﻬﺎز وﺗم ﻓﺣﺻﻬﺎ‪ ،‬ﻓﺗﺑﯾن ﻟﻠوﻛﯾل أن ﻋدد اﻷﺟﻬزة اﻟﺗﺎﻟﻔﺔ ﻛﺎن ‪ 45‬ﺟﻬﺎ از‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج ﺑﺎن اﻟﺷرﻛﺔ ﺻﺎدﻗﺔ ﻓﻲ إدﻋﺎﺋﻬﺎ ﻣﻊ اﻟوﻛﯾل‪ ،‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : P  0.04‬‬
‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : P> 0.04‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو أﻛﺑر ﻣن ‪ 30‬ﺳوف ﻧﺳﺗﺧدم إﺣﺻﺎءة اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪‬‬
‫‪Zcal ‬‬ ‫‪P P0‬‬ ‫اﻟﻣﻌﯾﺎري اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪P0 1  P0  n‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪P0  0.04, n  500, X  45,1   0.05‬‬
‫ﻟﺣﺳﺎب اﻹﺣﺻﺎءة ﻧﺣﺳب أوﻻ ﻧﺳﺑﺔ ﻋدد اﻷﺟﻬزة اﻟﺗﺎﻟﻔﺔ ﻓﻲ اﻟﻌﯾﻧﺔ ‪P‬‬
‫‪‬‬

‫‪‬‬ ‫‪X 45‬‬

‫‪P‬‬ ‫‪‬‬ ‫‪ 0.09‬‬
‫‪n 500‬‬
‫‪‬‬
‫‪Zcal ‬‬ ‫‪P P0‬‬ ‫‪‬‬
‫‪0.09  0.04‬‬
‫‪ 05.70‬‬ ‫إذن‬
‫‪P0 1  P0  n‬‬ ‫‪0.04 1  0.04 500‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﻣﯾن و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Ztab  Z1  Z10.05  Z0.950  01.645‬‬
‫اﻟﻘـــــرار‪:‬ﺑﻣـ ـ ـﺎ أن ﻗﯾﻣ ـ ــﺔ إﺣﺻ ـ ــﺎءة اﻻﺧﺗﺑ ـ ــﺎر اﻟﻣﺣﺳ ـ ــوﺑﺔ ‪،  Zcal  05.70‬ﻫ ـ ــﻲ أﻛﺑ ـ ــر ﻣ ـ ــن اﻟﻘﯾﻣ ـ ــﺔ اﻟﺟدوﻟﯾ ـ ــﺔ‬
‫‪ ،  Ztab  01.645‬وﻫـذا ﯾﻌﻧــﻲ رﻓــض اﻟﻔرﺿـﯾﺔ اﻟﻌدﻣﯾــﺔ)‪ (H0‬وﻗﺑــول اﻟﻔرﺿـﯾﺔ اﻟﺑدﯾﻠــﺔ )‪ ،(H1‬ﻣﻣــﺎ ﯾﻌﻧــﻲ‬
‫أن اﻟﺷرﻛﺔ ﻏﯾر ﺻﺎدﻗﺔ ﻓﻲ إدﻋﺎﺋﻬﺎ ﻣﻊ اﻟوﻛﯾل وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﺗﻣرﯾن‪ :19‬إذا ﻋﻠﻣت أن ‪ %15‬ﻣن اﻷﺟﻬزة اﻟﻣرﺋﯾﺔ اﻟﺗﻲ ﺗﻧﺗﺟﻬﺎ ﺷرﻛﺔ اﻹﻟﻛﺗروﻧﯾﺎت ﯾﺗم إرﺟﺎﻋﻬﺎ ﺑﺳﺑب‬
‫وﺟود ﺧﻠل ﺑﻬﺎ‪ ،‬وﻓﻲ ﻣﺣﺎوﻟﺔ ﻟﻠﺗﻐﻠب ﻋﻠﻰ ﻫذﻩ اﻟﻣﺷﻛﻠﺔ ﻗﺎﻣت اﻟﺷرﻛﺔ ﺑﺗﻌدﯾل ﻓﻲ ﺑﻌض ﻗطﻊ اﻟﻐﯾﺎر‬
‫اﻟﻼزﻣﺔ ﻟﻺﻧﺗﺎج ﺛم ﻗﺎﻣت ﺑﺗﺳوﯾق ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 250‬ﺟﻬﺎز ﺣﯾث ﺗم إرﺟﺎع ‪ 30‬ﻣﻧﻬﺎ ﻟﻠﺷرﻛﺔ وذﻟك‬
‫ﺑﺳﺑب ﺧﻠل ﺑﻬﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺄن ﻫﻧﺎك ﺗﺣﺳن ﻓﻲ إﻧﺗﺎج اﻟﺷرﻛﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪147‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪H0 : P  0.15‬‬
‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : P< 0.15‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو أﻛﺑر ﻣن ‪ 30‬ﺳوف ﻧﺳﺗﺧدم إﺣﺻﺎءة اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪‬‬
‫‪Zcal ‬‬ ‫‪P P0‬‬ ‫اﻟﻣﻌﯾﺎري اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪P0 1  P0  n‬‬
‫ﻟدﯾﻧﺎ ﻣن اﻟﻣﻌطﯾﺎت ‪P0  0.15, n  250, X  30,1   0.01‬‬
‫ﻟﺣﺳﺎب اﻹﺣﺻﺎءة ﻧﺣﺳب أوﻻ ﻧﺳﺑﺔ ﻋدد اﻷﺟﻬزة اﻟﺗﺎﻟﻔﺔ ﻓﻲ اﻟﻌﯾﻧﺔ ‪P‬‬
‫‪‬‬

‫‪‬‬ ‫‪X 30‬‬

‫‪P‬‬ ‫‪‬‬ ‫‪ 0.12‬‬
‫‪n 250‬‬
‫‪‬‬
‫‪Zcal ‬‬ ‫‪P P0‬‬ ‫‪‬‬
‫‪0.12  0.15‬‬
‫‪ 01.33‬‬ ‫إذن‬
‫‪P0 1  P0  n‬‬ ‫‪0.15 1  0.15 250‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﺳﺎر و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.01‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪ Ztab   Z1   Z10.01  Z0.990  02.326‬‬
‫اﻟﻘرار‪:‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  01.33‬ﻫﻲ أﺻﻐر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  02.326‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬ﻣﻣﺎ ﯾﻌﻧﻲ‬
‫أﻧﻪ ﻟم ﯾط أر ﺗﺣﺳن ﻋﻠﻰ إﻧﺗﺎج اﻟﺷرﻛﺔ وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪-6‬إﺧﺗﺑﺎر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺗﻲ ﻣﺟﺗﻣﻌﯾن ‪ P1  P2 ‬‬
‫ﻧظرﯾﺔ‪ :10‬إذا ﻛﺎﻧت ﻟدﯾﻧﺎ ‪  X , X , X ..................X ‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ ذي اﻟﺣدﯾن ﺑﺎﻟﻣﻌﻠﻣﺗﯾن‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪n1‬‬

‫‪ X  Ben  n1P1 , n1p1q1 ‬ﺣﯾث ‪ P1‬ﺗﻣﺛل ﻧﺳﺑﺔ ﻋﻧﺎﺻر اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﺗﺣﻣل اﻟﺻﻔﺔ ﻗﯾد اﻟدراﺳﺔ‪ ،‬وﻛﺎﻧت‬ ‫‪1‬‬

‫‪ X1‬ﺗﻣﺛل ﻋدد ﻫذﻩ اﻟﻌﻧﺎﺻر‪ ،‬وﻛﺎﻧت ﻟدﯾﻧﺎ ‪  X , X , X ..................X ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻣﺟﺗﻣﻊ ذي اﻟﺣدﯾن‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪n2‬‬

‫ﺑﺎﻟﻣﻌﻠﻣﺗﯾن ‪ X 2  Ben  n 2 P2 , n 2 P2q2 ‬ﺣﯾث ‪ P2‬ﺗﻣﺛل ﻧﺳﺑﺔ ﻋﻧﺎﺻر ﻫذا اﻟﻣﺟﺗﻣﻊ اﻟﺗﻲ ﺗﺣﻣل اﻟﺻﻔﺔ‬
‫ﻗﯾد اﻟدراﺳﺔ‪ ،‬وﻛﺎﻧت ‪ X2‬ﺗﻣﺛل ﻋدد ﻫذﻩ اﻟﻌﻧﺎﺻر‪ ،‬وﻛﺎن ﺣﺟم اﻟﻌﯾﻧﺗﯾن ﻛﺑﯾ ار ﺑﺣﯾث ﯾﻣﻛن اﺳﺗﺧدام اﻟﺗﻘرﯾب‬
‫اﻟطﺑﯾﻌﻲ ﻟﺗوزﯾﻊ ذي اﻟﺣدﯾن وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن ﻋن ﺑﻌﺿﻬﻣﺎ اﻟﺑﻌض‪ ،‬ﻓﺈﻧﻪ ﻣن ﻧظرﯾﺔ اﻟﻧﻬﺎﯾﺔ‬
‫اﻟﻣرﻛزﯾﺔ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﺣﺻﺎءة ﯾﻌطﻰ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Z‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ N  0,1‬‬
‫‪P1 1  P1  P2 1  P2 ‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪X2‬‬ ‫‪X1‬‬
‫‪ ، P2 ‬وﻋﻠﯾﻪ ﯾﻣﻛن اﺳﺗﺧدام ﻫذﻩ اﻹﺣﺻﺎءة ﻛﺄﺳﺎس ﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ‬ ‫و‬ ‫ﺣﯾث‬
‫‪‬‬ ‫‪‬‬
‫‪P1 ‬‬
‫‪n2‬‬ ‫‪n1‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪148‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻹﺣﺻﺎﺋﯾﺔ ‪ H 0 : P1  P2‬ﻣﻘﺎﺑل ﺟﻣﯾﻊ اﻟﺑداﺋل اﻟﻣﻣﻛﻧﺔ‪ ،‬وﻟﻛن ﻗﺑل أن ﻧوﺿﺢ ﻛﯾﻔﯾﺔ اﺳﺗﺧدام ﻫذﻩ‬
‫‪X 2 X1‬‬
‫ﺳﯾﻛون‬ ‫و‬ ‫ﻓﺎن‬ ‫اﻹﺣﺻﺎءة ﻓﻲ اﻻﺧﺗﺑﺎر ﺗﺟدر اﻹﺷﺎرة ﻫﻧﺎ إﻟﻰ اﻧﻪ إذا ﻛﺎﻧت ‪P1  P2  P‬‬
‫‪n2‬‬ ‫‪n1‬‬
‫ﻟﻛﻼﻫﻣﺎ ﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﻟﻧﻔس اﻟﻣﻌﻠﻣﺔ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛﻧﻧﺎ ﺗﺟﻣﯾﻊ ﻫذﻩ اﻟﺗﻘدﯾرات ﻣن ﺧﻼل اﻟﻧظر إﻟﻰ‬
‫‪X1  X 2‬‬
‫ﻋوﺿﺎ‬ ‫ﻣﺟﻣوع ﺣﺎﻻت اﻟﻧﺟﺎح وﻗﺳﻣﺗﻪ ﻋﻠﻰ إﺟﻣﺎﻟﻲ ﻋدد اﻟﻣﺣﺎوﻻت‪،‬أي أﻧﻧﺎ ﻧﺳﺗﺧدم اﻟﺗﻘدﯾر‬
‫‪n1  n 2‬‬
‫‪X 2 X1‬‬
‫وﺳوف ﻧطﻠق ﻋﻠﻰ ﻫذا اﻟﺗﻘدﯾر ﺗﺳﻣﯾﺔ اﻟﺗﻘدﯾر اﻟﻣﺷﺗرك وﻧرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ P‬ﻓﺈذا ﻛﺎن‬ ‫و‬ ‫ﻋن‬
‫‪‬‬

‫‪n 2 n1‬‬
‫‪P1 1  P1  P2 1  P2 ‬‬ ‫‪P 1  P  P 1  P ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ P1  P2  P‬ﻓﺈن‪:‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫واﻟﺗﻘدﯾر ﺑﻘﯾﻣﺔ واﺣدة ﻟﻬذا اﻟﻣﻘدر ﻫو‬
‫‪n1‬‬ ‫‪n2‬‬
‫وﻋﻠﯾﻪ ﯾﻣﻛن اﺳﺗﺑدال اﻟﻣﻘﺎم ﻓﻲ اﻹﺣﺻﺎءة اﻟﺳﺎﺑﻘﺔ ﺑﻬذﻩ اﻟﻘﯾﻣﺔ ﻟﺗﺻﺑﺢ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Z ‬‬ ‫‪‬‬ ‫‪ N  0,1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫وﺳﺗﻛون اﻟﻔرﺿﯾﺎت ٕواﺣﺻﺎءة اﻻﺧﺗﺑﺎر ﻟﻛل ﻣﻧﻬﺎ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ Zcal   Ztab‬أو ‪Zcal  Ztab‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Ztab  Z1 ‬‬ ‫‪ Zcal‬ﺑﺣﯾث‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪H0 : P1  P2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪P 1  P  P 1  P ‬‬ ‫‪H1 : P1  P2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬

‫‪Zcal  Ztab‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪H0 : P1  P2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪P 1  P  P 1  P ‬‬ ‫‪H1 : P1  P2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪149‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬

‫‪Zcal   Ztab‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫ﺑﺣﯾث ‪Ztab  Z1 ‬‬ ‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪H0 : P1  P2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪P 1  P  P 1  P ‬‬ ‫‪H1 : P1  P2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ﺗﻣرﯾن‪ :20‬ﻓﻲ دراﺳﺔ ﻟﻠﻣﻘﺎرﻧﺔ ﻣﺎﺑﯾن ﻧﺳﺑﺗﻲ اﻟﺳﺎﺋﻘﯾن اﻟذﯾن ﯾﺳﺗﺧدﻣون ﺣزام اﻷﻣﺎن ﻋﻧد اﻟﻘﯾﺎدة ﻓﻲ‬
‫ﺳﯾﺎرات اﻟرﻛوب اﻟﺧﺎﺻﺔ واﻟرﻛوب اﻟﻌﺎﻣﺔ اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 400‬ﺳﺎﺋق ﺳﯾﺎرة ﺧﺎﺻﺔ‬
‫ﻓوﺟد ﻣن ﺑﯾﻧﻬم ‪ 240‬ﯾﺳﺗﺧدﻣون ﺣزام اﻷﻣﺎن ﻋﻧد اﻟﻘﯾﺎدة‪ ،‬وﻣن ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 200‬ﺳﺎﺋق‬
‫ﺳﯾﺎرة رﻛوب ﻋﺎﻣﺔ وﺟد ﻣن ﺑﯾﻧﻬم ‪ 135‬ﯾﺳﺗﺧدﻣون ﺣزام اﻷﻣﺎن ﻋﻧد اﻟﻘﯾﺎدة‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪ -1‬ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺎن ﻫﻧﺎك اﺧﺗﻼف ﺑﯾن ﻧﺳﺑﺔ اﻟﺳﺎﺋﻘﯾن اﻟذﯾن ﯾﺳﺗﺧدﻣون ﺣزام اﻷﻣﺎن ﻋﻧد اﻟﻘﯾﺎدة ﻓﻲ‬
‫ﻧوﻋﻲ اﻟﺳﯾﺎرات ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : P1  P2‬‬
‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : P1  P2‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو أﻛﺑر ﻣن ‪ 30‬ﺳوف ﻧﺳﺗﺧدم إﺣﺻﺎءة اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫اﻟﻣﻌﯾﺎري اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫ﻟﺣﺳﺎب اﻹﺣﺻﺎءة ﻧﺣﺳب اﻟﻘﯾم اﻟﺗﺎﻟﯾﺔ أوﻻ‪:‬‬
‫‪‬‬ ‫‪X1 240‬‬
‫‪P1 ‬‬ ‫‪‬‬ ‫‪ 0.40‬‬
‫‪n 2 400‬‬
‫‪‬‬ ‫‪X 135‬‬
‫‪P2  2 ‬‬ ‫‪ 0.675‬‬
‫‪n 2 200‬‬
‫‪‬‬ ‫‪X  X 2 240  135‬‬
‫‪P 1‬‬ ‫‪‬‬ ‫‪ 0.625‬‬
‫‪n1  n 2 400  200‬‬
‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬ ‫‪ 0.600  0.675  0‬‬
‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 01.79‬‬ ‫إذن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬ ‫‪0.625 1  0.625 0.625 1  0.625 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪400‬‬ ‫‪200‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪150‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫‪Ztab  Z1  Z‬‬ ‫‪ Z0.975  01.960‬‬ ‫‪ 0.05‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪2‬‬ ‫‪1 0.05‬‬
‫‪2‬‬
‫اﻟﻘــــرار‪ :‬ﺑﻣ ــﺎ أن ﻗﯾﻣ ــﺔ إﺣﺻ ــﺎءة اﻻﺧﺗﺑ ــﺎر اﻟﻣﺣﺳ ــوﺑﺔ ‪،  Zcal  01.79 ‬ﻫ ــﻲ أﻛﺑ ــر ﻣ ــن اﻟﻘﯾﻣ ــﺔ اﻟﺟدوﻟﯾ ــﺔ‬
‫‪ ،  Ztab  01.960‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬أي اﻧـﻪ ﺗوﺟـد‬
‫ﻓــروق ﻣﻌﻧوﯾــﺔ ﻣــﺎ ﺑــﯾن ﻧﺳــﺑﺗﻲ اﻟﺳــﺎﺋﻘﯾن اﻟــذﯾن ﯾﺳــﺗﺧدﻣون ﺣـزام اﻷﻣــﺎن ﻋﻧــد اﻟﻘﯾــﺎدة وﻓﻘــﺎ ﻟﻣﻌطﯾــﺎت اﻟﻌﯾﻧــﺔ‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﺗﻣرﯾن‪ :21‬اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻗواﻣﻬﺎ ‪ 700‬طﺎﻟب‪ ،‬ﺑواﻗﻊ ‪ 360‬طﺎﻟﺑﺎ و‪ 340‬طﺎﻟﺑﺔ‪ ،‬وﻗد ﻟوﺣظ أن‬
‫ﻋدد اﻟطﻼب اﻟﻣدﻣﻧﯾن ﻋﻠﻰ اﻟﺗدﺧﯾن ﻛﺎن ‪ 50‬طﺎﻟﺑﺎ‪ ،‬وﻋدد اﻟطﺎﻟﺑﺎت اﻟﻣدﻣﻧﺎت ﻋﻠﻰ اﻟﺗدﺧﯾن ﻛﺎن ‪30‬‬
‫طﺎﻟﺑﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج أن ﻧﺳﺑﺔ اﻟطﻼب اﻟﻣدﻣﻧﯾن ﻋﻠﻰ اﻟﺗدﺧﯾن ﻫﻲ أﻋﻠﻰ ﻣن ﻧﺳﺑﺔ اﻟطﺎﻟﺑﺎت اﻟﻣدﻣﻧﺎت‬
‫ﻋﻠﻰ اﻟﺗدﺧﯾن‪ ،‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : P1  P2‬‬
‫‪ -1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H1 : P1  P2‬‬
‫ﺣﯾث أن‪:‬‬
‫‪ :P1‬ﻧﺳﺑﺔ اﻟطﻼب اﻟﻣدﻣﻧﯾن ﻋﻠﻰ اﻟﺗدﺧﯾن‪.‬‬
‫‪ :P2‬ﻧﺳﺑﺔ اﻟطﺎﻟﺑﺎت اﻟﻣدﻣﻧﺎت ﻋﻠﻰ اﻟﺗدﺧﯾن‪.‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن ﺣﺟم اﻟﻌﯾﻧﺔ ﻫو أﻛﺑر ﻣن ‪ 30‬ﺳوف ﻧﺳﺗﺧدم إﺣﺻﺎءة اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ‬
‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬
‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫اﻟﻣﻌﯾﺎري اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫ﻟﺣﺳﺎب اﻹﺣﺻﺎءة ﻧﺣﺳب اﻟﻘﯾم اﻟﺗﺎﻟﯾﺔ أوﻻ‪:‬‬
‫‪‬‬ ‫‪X1 50‬‬
‫‪P1 ‬‬ ‫‪‬‬ ‫‪ 0.14‬‬
‫‪n 2 360‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪30‬‬
‫‪P2  2 ‬‬ ‫‪ 0.090‬‬
‫‪n 2 340‬‬
‫‪‬‬ ‫‪X  X2‬‬ ‫‪50  30‬‬
‫‪P 1‬‬ ‫‪‬‬ ‫‪ 0.114‬‬
‫‪n1  n 2 360  340‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪151‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪  ‬‬
‫‪‬‬
‫‪ P1  P2   P1  P2‬‬ ‫‪‬‬ ‫‪ 0.14  0.09  0‬‬
‫‪Zcal‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 02.080‬‬ ‫إذن‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P 1  P  P 1  P ‬‬ ‫‪0.114 1  0.114  0.114 1  0.114 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬ ‫‪360‬‬ ‫‪340‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد)ﻣن اﻟﯾﻣﯾن( و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري‬
‫وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.05‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪Ztab  Z1  Z10.05  Z0.950  01.645‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  02.080 ‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.645‬وﻫذا ﯾﻌﻧﻲ رﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬أي اﻧﻪ ﺗوﺟد‬
‫ﻓروق ﻣﻌﻧوﯾﺔ ﻣﺎ ﺑﯾن ﻧﺳﺑﺗﻲ اﻟﻣدﺧﻧﯾن وﺑﺎﻟﺗﺎﻟﻲ ﻧﺳﺗﻧﺗﺞ أن ﻧﺳﺑﺔ اﻟطﻼب اﻟﻣدﻣﻧﯾن ﻋﻠﻰ اﻟﺗدﺧﯾن أﻛﺑر‬
‫ﻣن ﻧﺳﺑﺔ اﻟطﺎﻟﺑﺎت اﻟﻣدﻣﻧﺎت ﻋﻠﻰ اﻟﺗدﺧﯾن وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪-07‬اﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻟﺗﺑﺎﯾن ‪2‬‬
‫إذا ﻛﺎن ﻟدﯾﻧﺎ ﻣﺟﺗﻣﻊ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺗﺑﺎﯾﻧﻪ ‪ 2‬ﻣﺟﻬول‪ ،‬وأردﻧﺎ إﺟراء اﺧﺗﺑﺎرات ﺣول اﻟﻣﻌﻠﻣﺔ‬
‫اﻟﻣﺟﻬوﻟﺔ ‪ ، 2‬ﻓﺈن إﺣﺻﺎﺋﯾﺔ اﻻﺧﺗﺑﺎر اﻟﻣﻧﺎﺳﺑﺔ ﻓﻲ ﻫذﻩ اﻟﺣﺎﻟﺔ ﻫﻲ اﻹﺣﺻﺎﺋﯾﺔ اﻟﺗﻲ ﺗﻌﺗﻣد ﻋﻠﻰ أﻓﺿل‬
‫ﻣﻘدر ﺑﺎﻟﻘﯾﻣﺔ ﻟﻠﻣﻌﻠﻣﺔ اﻟﻣﺟﻬوﻟﺔ‪ ،‬وﻫو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ‪ S‬أو ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ ‪ ، S2‬وﻫذﻩ اﻹﺣﺻﺎﺋﯾﺔ ﻫﻲ‬
‫‪2‬‬

‫اﻟﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ ﻟﺗوزﯾﻊ ﻛﺎي‪-‬اﻟﻣرﺑﻊ ‪.  2 ‬‬

‫ﻧظرﯾﺔ ‪ :11‬إذا ﻛﺎن ﻟدﯾﻧﺎ ‪  X1,X2, X3..................Xn ‬ﺗﻣﺛل ﻣﺷﺎﻫدات ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ )‪ (n‬ﻣﺷﺎﻫدة‬
‫ﺗم اﺧﺗﯾﺎرﻫﺎ ﻣن ﻣﺟﺗﻣﻊ ﯾﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺗﺑﺎﯾن ‪ 2‬ﻏﯾر ﻣﻌﻠوم‪ ،‬وﻷﻏراض اﻟﺗطﺑﯾق ﯾﺗم ﺗﻘدﯾر ﺗﺑﺎﯾن‬
‫‪2‬‬

‫‪ 2 ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬

‫اﻟﻌﯾﻧﺔ ‪ S2‬ﻋﻠﻰ أﺳﺎس ﻣﺷﺎﻫدات اﻟﻌﯾﻧﺔ‪ ،‬ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻼﺣﺻﺎءة ‪ n 1 S‬‬
‫‪2‬‬
‫‪0‬‬
‫‪‬‬ ‫‪n  S2‬‬
‫ﯾﺗﺑﻊ ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺂي ﺑدرﺟﺔ ﺣرﯾﺔ )‪ ،(n-1‬واﻟﺟدول اﻟﺗﺎﻟﻲ ﯾوﺿﺢ اﻟﻔرﺿﯾﺎت ٕواﺣﺻﺎءة‬ ‫‪2‬‬ ‫‪‬‬
‫‪02‬‬
‫اﻻﺧﺗﺑﺎر ﻟﻛل ﻣﻧﻬﺎ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬
‫‪2‬‬
‫‪2‬‬
‫‪cal‬‬ ‫‪‬‬
‫‪ n 1 S‬‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫و ‪,n 1‬‬
‫‪cal‬‬
‫‪2‬‬
‫‪  2‬‬ ‫‪2cal  12  ,n 1‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﺑﺣﯾث ‪ 2tab  2 ,n 1‬و ‪2tab  12  ,n 1‬‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪H0 : 2  02‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪‬‬
‫‪n S‬‬ ‫‪2‬‬
‫‪cal‬‬ ‫‪H1 : 2  02‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪20‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪152‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪2‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪2‬‬ ‫‪ n 1 S‬‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪cal‬‬ ‫‪‬‬
‫‪  1,n 1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪02‬‬
‫‪cal‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪2tab 12,n1‬‬ ‫ﺑﺣﯾث‬ ‫‪H0 : 2  02‬‬
‫‪n S‬‬ ‫‪2‬‬

‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫‪2‬‬
‫‪cal‬‬ ‫‪‬‬ ‫‪H1 : 2  02‬‬
‫‪20‬‬
‫‪2‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪ n 1 S‬‬

‫‪2‬‬
‫‪cal‬‬ ‫‪‬‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪02‬‬
‫‪cal‬‬
‫‪2  2‬‬
‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪,n 1‬‬

‫‪2tab 2 ,n 1‬‬ ‫ﺑﺣﯾث‬ ‫‪H0 : 2  02‬‬

‫‪2‬‬ ‫‪‬‬
‫‪cal  2‬‬
‫‪n  S2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪0‬‬ ‫‪H1 : 2  02‬‬

‫ﺗﻣرﯾن‪ :22‬ﻟوﺣظ أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻌﻣر ﻧوع ﻣن اﻟﻣﺻﺎﺑﯾﺢ اﻟﻣﻧﺗﺟﺔ )ﺗﺧﺿﻊ ﻟﻠﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ( ﻓﻲ‬
‫أﺣد اﻟﻣﺻﺎﻧﻊ ﺑﻠﻎ ‪ 30‬ﺳﺎﻋﺔ‪ ،‬وﺑﻌد ﻓﺗرة ﻣن اﻟزﻣن طﻠب ﻣدﯾر اﻹﻧﺗﺎج اﻟﺗﺄﻛد ﻣن أن ﺗﺷﺗت ﻋﻣر‬
‫اﻟﻣﺻﺎﺑﯾﺢ اﻟﻣﻧﺗﺟﺔ ﻟم ﯾﺗﺄﺛر ﺑﺎﻟرﻏم ﻣن ﺗﻘﺎدم أﻋﻣﺎر اﻟﻣﻛﺎﺋن اﻟﻣﺳﺗﺧدﻣﺔ‪ ،‬وﻟﻐرض ﺗﻧﻔﯾذ طﻠب ﻣدﯾر اﻹﻧﺗﺎج‬
‫اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن اﻹﻧﺗﺎج ﻗواﻣﻬﺎ ‪ 31‬ﻣﺻﺑﺎح‪ ،‬وﺑﻌد إﺟراء ﻓﺣص اﻟﻣﺻﺎﺑﯾﺢ ﺗﺑﯾن أن اﻻﻧﺣراف‬
‫اﻟﻣﻌﯾﺎري ﺑﻠﻎ ‪ 35‬ﺳﺎﻋﺔ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج ﺑﺎن إﻧﺗﺎج اﻟﻣﺻﻧﻊ ﺳﯾﺑﻘﻰ ﺑﻧﻔس ﻣﺳﺗوى اﻟﺟودة‪ ،‬ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 2  900‬‬
‫‪-1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‬
‫‪H1 : 2  900‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣﺗﻌﻠق ﺑﺎﻟﺗﺑﺎﯾن ﺳوف ﻧﺳﺗﺧدم ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺎي ‪  ‬‬
‫‪2‬‬

‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪02  30, n  31, S  35,   0.05 :‬‬

‫‪2‬‬
‫‪nS2 31 35‬‬
‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻛﻣﺎ ﯾﻠﻲ‪ 1265.83 :‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪‬‬
‫‪n 1‬‬ ‫‪31 1‬‬
‫‪2‬‬
‫‪2‬‬
‫‪cal‬‬ ‫‪‬‬
‫ﻧﺣﺳب اﻵن ﻗﯾﻣﺔ ﻛﺎي‪-‬اﻟﻣرﺑﻊ اﻟﻣﺣﺳوﺑﺔ ﻛﻣﺎ ﯾﻠﻲ ‪ n 1 S   31  11265.83  42.19‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪0‬‬ ‫‪ 30‬‬
‫‪2‬‬
‫‪‬‬ ‫‪n  S2  3135 ‬‬
‫‪2‬‬
‫‪cal  2 ‬‬ ‫‪2‬‬
‫‪ 42.19‬‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻛﻣﺎ ﯾﻠﻲ‬
‫‪0‬‬ ‫‪ 30 ‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺎي وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.05‬‬
‫ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ اﻟﻌﻠﯾﺎ واﻟدﻧﯾﺎ ﻛﺎﻟﺗﺎﻟﻲ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪153‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪2‬‬ ‫‪ 12 ,n1‬‬
‫‪ tab‬‬ ‫‪ 2‬‬ ‫‪ 02.975,30 2tab  46.979‬‬
‫‪2‬‬ ‫‪ tab‬‬
‫‪ 2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ tab‬‬ ‫‪ 2 ,n1‬‬ ‫‪tab‬‬ ‫‪ 02.025,30 2tab  16.791‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬

‫‪ cal‬ﺗﻘﻊ ﺑﯾن اﻟﻘﯾﻣﺗﯾن اﻟﺣرﺟﺗﯾن ﻟﻣرﺑﻊ‬

‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ ﻣرﺑﻊ ﻛﺎي اﻟﻣﺣﺳوﺑﺔ واﻟﺗﻲ ﺗﺳﺎوي ‪2  42.19‬‬
‫‪‬‬ ‫‪‬‬
‫ﻛﺎي ‪ ،  2tab  46.979 ،  2tab  16.791‬ﻣﻣﺎ ﯾدل ذﻟك ﻋﻠﻰ ﻗﺑول ﻓرﺿﯾﺔ اﻟﻌدم ‪ H0‬ورﻓض اﻟﻔرﺿﯾﺔ‬
‫اﻟﺑدﯾﻠﺔ ‪ ،H1‬وﻋﻠﯾﻪ ﻧﺳﺗﻧﺗﺞ ﺑﺎن إﻧﺗﺎج اﻟﻣﺻﻧﻊ ﺳﯾﺑﻘﻰ ﺑﻧﻔس ﻣﺳﺗوى اﻟﺟودة ﺑﻌد ﻣﺿﻲ ﻓﺗرة ﻣن اﻟزﻣن‬
‫ﺑﻣﻌﻧﻰ آﺧر أن ﺗﺑﺎﯾن اﻟﻌﻣر اﻹﻧﺗﺎﺟﻲ ﻟﻠﻣﺻﺎﺑﯾﺢ ﻓﻲ اﻟﻌﯾﻧﺔ ﻻ ﯾﺧﺗﻠف ﻋن ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ وﻗد ﯾﺳﺎوي‬
‫‪900‬ﺳﺎﻋﺔ وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪‬‬
‫‪P  value  P 2  16.791 2  46.979‬‬ ‫‪‬‬
‫‪ F  46.979  F 16.791  0.975  0.025  0.95‬‬
‫ﻧﻼﺣظ أن ‪ ، P  value    0.95  0.05‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻘﺑل )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :23‬أﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻗواﻣﻬﺎ ‪ 40‬ﻣﺷﺎﻫدة وﺗم ﺣﺳﺎب اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠﻌﯾﻧﺔ وﻗد ﺑﻠﻎ‪15‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج ﺑﺎن اﻟﻌﯾﻧﺔ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ أﻛﺑر ﻣن‪ ،144‬وذﻟك ﻋﻧد ﻣﺳﺗوى‬
‫ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 2  144‬‬
‫‪-1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﯾﺎرﻫﺎ ﻫﻲ‬
‫‪H1 : 2  144‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣﺗﻌﻠق ﺑﺎﻟﺗﺑﺎﯾن ﺳوف ﻧﺳﺗﺧدم ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺎي ‪  ‬‬
‫‪2‬‬

‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n  40, S  15, 02  144,   0.05 :‬‬

‫‪2‬‬
‫‪nS2  4015‬‬
‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﻣﻌدل ﻛﻣﺎ ﯾﻠﻲ‪ 230.77 :‬‬
‫‪2‬‬
‫‪S‬‬ ‫‪‬‬
‫‪n 1‬‬ ‫‪40 1‬‬
‫‪2‬‬
‫‪2‬‬
‫‪cal‬‬ ‫‪‬‬
‫‪ n 1 S   40 1 230.77   62.50‬‬ ‫ﻧﺣﺳب اﻵن ﻗﯾﻣﺔ ﻛﺎي‪-‬اﻟﻣرﺑﻊ اﻟﻣﺣﺳوﺑﺔ ﻛﻣﺎ ﯾﻠﻲ‬
‫‪02‬‬ ‫‪144‬‬
‫‪2‬‬
‫‪nS2  4015‬‬
‫‪2‬‬
‫‪cal‬‬ ‫‪ 2 ‬‬ ‫‪ 62.50‬‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻛﻣﺎ ﯾﻠﻲ‬
‫‪0‬‬ ‫‪144‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد )ﻣن ﺟﻬﺔ اﻟﯾﻣﯾن( ودرﺟﺔ اﻟﺣرﯾﺔ ‪ 39‬أﻛﺑر ﻣن ‪30‬‬
‫ﻋﻠﻰ اﻟﻧﺣو‬ ‫‪ ‬‬ ‫‪2‬‬
‫‪‬‬ ‫وﻫﻲ ﻏﯾر ﻣﺗوﻓرة ﻓﻲ ﺟدول ﻣرﺑﻊ‪-‬ﻛﺎي إذن ﯾﻣﻛن إﯾﺟﺎد ﻗﯾﻣﺔ ﻣرﺑﻊ‪-‬ﻛﺎي اﻟﺣرﺟﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪154‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪3‬‬
‫‪‬‬ ‫‪ 2 ‬‬
‫اﻟﺗﺎﻟﻲ‪:‬‬
‫‪2‬‬
‫‪12‬‬ ‫‪ n 1   Z1 ‬‬ ‫‪‬‬
‫‪ 9n‬‬ ‫‪‬‬ ‫‪9n‬‬ ‫‪‬‬
‫‪‬‬
‫‪  0.05  Z1  Z10.05  Z0.950  01.645‬‬ ‫ﻧﺑﺣث أوﻻ ﻋن ﻗﯾﻣﺔ ‪ Z1‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫إذن‬
‫‪3‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1  n 1 2  Z1 ‬‬
‫‪2‬‬ ‫‪2   2  40 1  2  01.645  2   55.75‬‬
‫‪9n‬‬ ‫‪‬‬
‫‪9n ‬‬ ‫‪0.995‬‬ ‫‪ 9  40‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪9  40 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﯾﺟﺎدﻫﺎ ﻣن ﺧﻼل ﻋﻼﻗﺔ اﻟﺗﻘرﯾب اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2p  1  Zp  2v 1   20.995  1 Z0.995  2v 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫‪ 02.995 ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪01.645  2  40   1  55.47‬‬

‫‪ cal‬ﻫﻲ أﻛﺑر ﻣن اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‬

‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ ﻣرﺑﻊ ﻛﺎي اﻟﻣﺣﺳوﺑﺔ واﻟﺗﻲ ﺗﺳﺎوي ‪2  62.50‬‬
‫‪‬‬ ‫‪‬‬
‫ﻟﻣرﺑﻊ‪-‬ﻛﺂي ‪ ، 12  2tab  55.75‬ﻣﻣﺎ ﯾدل ذﻟك ﻋﻠﻰ رﻓض ﻓرﺿﯾﺔ اﻟﻌدم ‪ H0‬وﻗﺑول اﻟﻔرﺿﯾﺔ‬
‫‪‬‬ ‫‪‬‬
‫اﻟﺑدﯾﻠﺔ ‪ ،H1‬وﻋﻠﯾﻪ ﻧﺳﺗﻧﺗﺞ ﺑﺎن اﻟﻌﯾﻧﺔ ﻣﺣﺳوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ اﻛﺑر ﻣن ‪144‬وﻓﻘﺎ ﻟﻣﻌطﯾﺎت‬
‫اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪-08‬اﺧﺗﺑﺎر ﺗﺟﺎﻧس ﻋدة ﺗﻘدﯾرات ﻣﺳﺗﻘﻠﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ)اﺧﺗﺑﺎر ﺑﺎرﺗﻠﯾت(‬
‫ﯾﻌد اﺧﺗﺑﺎر ﺗﺟﺎﻧس ﻋدة ﺗﻘدﯾرات ﻣﺳﺗﻘﻠﺔ ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ 2‬ﻣن اﻻﺧﺗﺑﺎرات اﻹﺣﺻﺎﺋﯾﺔ اﻟﺗﻲ ﺗﺳﺗﺧدم ﻓﻲ‬
‫اﺧﺗﺑﺎر أن اﻟﺗﻘدﯾرات اﻟﻣﺳﺗﻘﻠﺔ ‪ Si2‬ﻟﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ 2‬ﻫﻲ ﺗﻘدﯾرات ﻣﺗﺟﺎﻧﺳﺔ ﻣﺣﺳوﺑﺔ ﻋﻠﻰ أﺳﺎس ‪ K‬ﻣن‬
‫اﻟﻌﯾﻧﺎت وﯾﺳﻣﻰ ﻫذا اﻻﺧﺗﺑﺎر ﺑﺎﺧﺗﺑﺎر ﺑﺎرﺗﻠﯾت )‪(Bartlett Test‬‬
‫ﻧظرﯾﺔ‪ :12‬إذا أﺧذﻧﺎ ﻣﺟﻣوﻋﺔ ‪ r‬ﻣن اﻟﻌﯾﻧﺎت ﻣن ﻣﺟﺗﻣﻌﺎت طﺑﯾﻌﯾﺔ ﻣﺳﺗﻘﻠﺔ ﻋن ﺑﻌﺿﻬﺎ اﻟﺑﻌض‪ ،‬وﻛﺎﻧت‬
‫ﺗﺑﺎﯾﻧﺎت ﻫذﻩ اﻟﻌﯾﻧﺎت ﻫﻲ ‪ S12 , S22 , S32 ,.........., S2r‬وأﺣﺟﺎﻣﻬﺎ ‪ n1 , n 2 , n 3 ,..........n r‬ﻋﻠﻰ اﻟﺗرﺗﯾب‪ ،‬وذا‬
‫أردﻧﺎ اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ ‪ H 0  12  22  ...........  2r‬ﺣﯾث ‪ i2‬ﻫو ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ ‪ i‬ﺿد اﻟﻔرﺿﯾﺔ ‪H1‬‬
‫اﻟﻘﺎﺋﻠﺔ ﺑﺄن ﺗﺑﺎﯾﻧﯾن ﻋﻠﻰ اﻷﻗل ﻏﯾر ﻣﺗﺳﺎوﯾﯾن‪ ،‬ﻓﻧﻧﺎ ﻧرﻓض اﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ ‪ H0‬ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪α‬‬
‫‪2‬‬
‫‪cal‬‬ ‫‪ 12  r 1‬‬ ‫إذا ﻛﺎن‬
‫‪ cal‬ﺣﺳب اﻟﺻﯾﻐﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪2‬‬
‫ﺣﯾث ﯾﺗم ﺣﺳﺎب‬
‫‪ 1‬‬ ‫‪r‬‬ ‫‪‬‬ ‫‪r‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪r‬‬ ‫‪  n  r   i  i    n i  1 ln Si2‬‬
‫‪ln‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪S‬‬ ‫‪2‬‬
‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪ i 1‬‬
‫‪ cal‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪r‬‬ ‫‪‬‬
‫‪3  r  1   1  1 ‬‬
‫‪ i 1 n i  1 n  r ‬‬
‫‪‬‬ ‫‪‬‬
‫ﺣﯾث أن‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪155‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫‪ :ni‬ﺗﻣﺛل ﺣﺟم اﻟﻌﯾﻧﺔ ذات اﻟرﻗم )‪(i‬‬

‫‪ : r‬ﺗﻣﺛل ﻋدد اﻟﻌﯾﻧﺎت‪.‬‬
‫‪ :Ln‬ﺗﻣﺛل اﻟﻠوﻏﺎرﯾﺗم اﻟطﺑﯾﻌﻲ‬
‫‪ cal‬ﺑﺎﻟﺻﯾﻐﺔ اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪2‬‬
‫ﻛﻣﺎ ﯾﻣﻛن ﺣﺳﺎب‬
‫‪r‬‬

‫‪2 ‬‬
‫‪‬‬ ‫‪ n i  1 ln S 2‬‬ ‫‪S i2‬‬ ‫‪‬‬
‫‪ cal‬‬ ‫‪ï 1‬‬

‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫‪ r‬‬ ‫‪‬‬
‫‪3  r  1    1  ‬‬
‫‪‬‬ ‫‪r‬‬
‫‪1‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ ni 1 ‬‬
‫‪ i 1‬‬ ‫‪‬‬ ‫‪ n i  1 ‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫‪r‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n i  1 S i2‬‬
‫ﺣﯾث أن‬
‫‪S2 ‬‬ ‫‪i 1‬‬
‫‪r‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪ n i  1‬‬
‫ﺗﻣرﯾن‪ :24‬أﺧذت أرﺑﻊ ﻋﯾﻧﺎت ﻣن أرﺑﻌﺔ ﻣﺟﺗﻣﻌﺎت طﺑﯾﻌﯾﺔ ﻣﺳﺗﻘﻠﺔ ﻋن ﺑﻌﺿﻬﺎ اﻟﺑﻌض ورﺗﺑت أﺣﺟﺎم‬
‫ﻫذﻩ اﻟﻌﯾﻧﺎت وﺗﺑﺎﯾﻧﺎﺗﻬﺎ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫ﺗﺑﺎﯾن اﻟﻣﺟﺗﻣﻊ‬ ‫ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬ ‫ﺣﺟم اﻟﻌﯾﻧﺔ‬
‫‪12‬‬ ‫‪0.47‬‬ ‫‪07‬‬
‫‪22‬‬ ‫‪0.4614‬‬ ‫‪07‬‬
‫‪32‬‬ ‫‪0.5714‬‬ ‫‪07‬‬
‫‪24‬‬ ‫‪0.1995‬‬ ‫‪07‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺳﺗﺧدم اﺧﺗﺑﺎر ﺑﺎرﺗﻠﯾت ﻓﻲ اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ‪ :‬ﺗﺳﺎوي اﻟﻣﺟﺗﻣﻌﺎت اﻷرﺑﻌﺔ ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺔ‬
‫اﻟﺑدﯾﻠﺔ‪ :‬اﺛﻧﺎن ﻋﻠﻰ اﻷﻗل ﻣﺧﺗﻠﻔﺎن ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H 0  12  22  ...........  2r‬‬ ‫‪-1‬ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫ﻋﻠﻰ اﻷﻗل أﺣد اﻟﺗﺑﺎﯾﻧﺎت ﻣﺧﺗﻠف‪H1:‬‬
‫اﻟﺗوزﯾﻊ واﻟﻘﯾم اﻟﺣرﺟﺔ‬
‫اﻟﺗوزﯾﻊ اﻟﻣﺳﺗﺧدم ﻫو ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺂي وﺣﯾث أن )‪ (α=0.01‬واﻻﺧﺗﺑﺎر ذو اﺗﺟﺎﻩ واﺣد ﻧﺣو اﻟﯾﻣﯾن إذن‬
‫‪12 ,r 1  02.99,03  11.345‬‬ ‫ﺗﻛون اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‬
‫‪ cal‬وﻣﻘﺎرﻧﺗﻬﺎ ﻣﻊ اﻟﻘﯾﻣﺔ‬
‫‪2‬‬
‫ﻧﻘوم اﻵن ﺑﺗرﺗﯾب اﻟﺣﺳﺎﺑﺎت ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ وذﻟك ﻣن اﺟل ﺳﻬوﻟﺔ إﯾﺟﺎد‬
‫اﻟﺣرﺟﺔ‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪156‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫‪ n i 1 lnSi2‬‬ ‫‪ ‬‬

‫‪ln Si2‬‬ ‫‪ ni 1 Si2‬‬ ‫‪Si2‬‬ ‫‪ni 1‬‬ ‫اﻟﻣﺟﺗﻣﻊ‬
‫‪-04.5301‬‬ ‫‪-0.755‬‬ ‫‪02.82‬‬ ‫‪0.47‬‬ ‫‪06‬‬ ‫‪01‬‬
‫‪-04.6409‬‬ ‫‪-0.7734‬‬ ‫‪02.7684‬‬ ‫‪0.4614‬‬ ‫‪06‬‬ ‫‪02‬‬
‫‪-03.3579‬‬ ‫‪-0.5596‬‬ ‫‪03.4282‬‬ ‫‪0.5714‬‬ ‫‪06‬‬ ‫‪03‬‬
‫‪-09.6716‬‬ ‫‪-01.6119‬‬ ‫‪01.197‬‬ ‫‪0.1995‬‬ ‫‪06‬‬ ‫‪04‬‬
‫‪-22.2007‬‬ ‫‪10.2138‬‬ ‫‪24‬‬ ‫اﻟﻣﺟﻣوع‬
‫‪‬‬ ‫‪r‬‬ ‫‪‬‬ ‫‪r‬‬
‫‪ n  r  ln  n 1 r   n i 1 Si2     n i 1 ln Si2‬‬
‫‪2 ‬‬ ‫‪‬‬ ‫‪i1‬‬ ‫‪‬‬ ‫‪i1‬‬
‫‪cal‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪ r‬‬ ‫‪‬‬
‫‪3  r 1  1  1 ‬‬
‫‪ i1 n i 1 n  r ‬‬
‫‪‬‬ ‫‪‬‬

‫‪ 24 ln 10.24‬‬

‫‪2138 ‬‬
‫‪  22.2007‬‬
‫‪01.6986‬‬
‫‪2 ‬‬
‫‪cal‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 01.588‬‬
‫‪1 4 1 ‬‬ ‫‪01.0694‬‬
‫‪1‬‬ ‫‪‬‬
‫‪3 3  6 24 ‬‬
‫‪-‬اﻟﻘرار‪ :‬ﻧﻼﺣظ أن ﻗﯾﻣﺔ ﻛﺂي‪-‬اﻟﻣرﺑﻊ اﻟﺟد وﻟﯾﺔ ‪  2tab  11.345‬أﻛﺑر ﻣن ﻗﯾﻣﺔ ﻛﺂي‪-‬اﻟﻣرﺑﻊ اﻟﻣﺣﺳوﺑﺔ‬
‫‪  cal‬أي أﻧﻧﺎ ﻧﻘﺑل اﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ وﻧرﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ‪ ،‬وﻣﻧﻪ ﻧﺳﺗﻧﺗﺞ أن ﺗﺑﺎﯾﻧﺎت‬
‫‪2‬‬
‫‪ 01.588 ‬‬

‫اﻟﻣﺟﺗﻣﻌﺎت اﻷرﺑﻌﺔ ﻣﺗﺟﺎﻧﺳﺔ‪.‬‬

‫ﺗﻣرﯾن‪:25‬أﺟرﯾت ﺛﻼث دراﺳﺎت ﻣﺳﺣﯾﺔ ﻣﺳﺗﻘﻠﺔ ﻟﻸﺳرة ﻟﻠﺗﻌرف إﻟﻰ طﺑﯾﻌﺔ اﻟﻌﻼﻗﺔ ﺑﯾن دﺧل اﻷﺳرة‬
‫اﻟﺷﻬري )ﺑﺎﻟدﯾﻧﺎر( وﻣﻘدار اﻹﻧﻔﺎق اﻟﺷﻬري ﻟﻸﺳرة ﻋﻠﻰ ﺑﻌض اﻟﺳﻠﻊ اﻟﻐذاﺋﯾﺔ واﻟﺧدﻣﺎت اﻷﺳﺎﺳﯾﺔ وﻗد ﺗم‬
‫اﻟﺣﺻول ﻋﻠﻰ اﻟﻣﻌﻠوﻣﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫ﺗﺑﺎﯾن اﻹﻧﻔﺎق ‪S ‬‬
‫‪2‬‬
‫‪i‬‬ ‫‪ni ‬‬ ‫ﺣﺟوم اﻟﻌﯾﻧﺎت‬ ‫اﻟدراﺳﺔ‬
‫‪190‬‬ ‫‪30‬‬ ‫‪01‬‬
‫‪210‬‬ ‫‪25‬‬ ‫‪02‬‬
‫‪240‬‬ ‫‪35‬‬ ‫‪03‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗدﻻل ﺑﺎن ﻋﯾﻧﺎت اﻷﺳر ﻟﻠدراﺳﺎت اﻟﺛﻼث أﻋﻼﻩ ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ‬
‫‪ ،  2 ‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪157‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﺣل‪:‬‬
‫‪ -1‬ﻓرﺿﯾﺔ اﻻﺧﺗﺑﺎر‬
‫‪ : H0‬إن ﻋﯾﻧﺎت اﻷﺳر ﻟﻠدراﺳﺎت اﻟﺛﻼث ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ ‪.  2 ‬‬
‫‪ : H1‬إن ﻋﯾﻧﺎت اﻷﺳر ﻟﻠدراﺳﺎت اﻟﺛﻼث ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻌﺎت ﻣﺧﺗﻠﻔﺔ اﻟﺗﺑﺎﯾن‪.‬‬
‫‪-2‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﻟﺣﺳﺎب اﺣﺻﺎءة اﻻﺧﺗﺑﺎر ‪ ،  2cal ‬ﯾﻧﺑﻐﻲ ﻋﻣل اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫‪ ni 1 ln S2 Si2 ‬‬ ‫‪‬‬
‫‪ln S2 Si2‬‬ ‫‪  n 1 S‬‬
‫‪i‬‬
‫‪2‬‬
‫‪i‬‬
‫‪1‬‬ ‫‪ni 1‬‬ ‫‪Si2‬‬ ‫‪ni‬‬ ‫اﻟدراﺳﺔ‬
‫‪n i 1‬‬
‫‪03.596‬‬ ‫‪0.124‬‬ ‫‪5510‬‬ ‫‪0.034‬‬ ‫‪29‬‬ ‫‪190‬‬ ‫‪30‬‬ ‫‪01‬‬
‫‪0.576‬‬ ‫‪0.024‬‬ ‫‪5040‬‬ ‫‪0.042‬‬ ‫‪24‬‬ ‫‪210‬‬ ‫‪25‬‬ ‫‪02‬‬
‫‪-03.740‬‬ ‫‪-0.110‬‬ ‫‪8160‬‬ ‫‪0.029‬‬ ‫‪34‬‬ ‫‪240‬‬ ‫‪35‬‬ ‫‪03‬‬
‫‪0.432‬‬ ‫‪18710‬‬ ‫‪0.105‬‬ ‫‪87‬‬ ‫اﻟﻣﺟﻣوع‬
‫‪r‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n i 1 Si2‬‬
‫‪S2 ‬‬ ‫‪i 1‬‬
‫‪r‬‬ ‫‪‬‬
‫‪18710‬‬
‫‪ 215.057‬‬ ‫ﺣﯾث أن‬
‫‪87‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪ ni 1‬‬
‫‪r‬‬

‫‪2 ‬‬
‫‪‬‬ ‫‪ n i 1 ln S2 Si2 ‬‬ ‫‪2 ‬‬ ‫‪0.432‬‬
‫‪cal‬‬ ‫‪ï 1‬‬
‫‪‬‬ ‫‪cal‬‬ ‫‪ 0.425‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪1 ‬‬ ‫‪1‬‬
‫‪ 0.105  87 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪3  3  1 ‬‬ ‫‪‬‬
‫‪ r‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 1 ‬‬ ‫‪1‬‬
‫‪3 r 1  ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ r‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪ i ‬‬‫‪1‬‬
‫‪ i1‬‬ ‫‪‬‬ ‫‪ n i  1 ‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫‪-‬اﻟﺗوزﯾﻊ واﻟﻘﯾم اﻟﺣرﺟﺔ‬
‫اﻟﺗوزﯾﻊ اﻟﻣﺳﺗﺧدم ﻫو ﺗوزﯾﻊ ﻣرﺑﻊ‪-‬ﻛﺂي وﺣﯾث أن )‪ (α=0.01‬واﻻﺧﺗﺑﺎر ذو اﺗﺟﺎﻩ واﺣد ﻧﺣو اﻟﯾﻣﯾن إذن‬
‫‪12,r 1  02.99,02  09.210‬‬ ‫ﺗﻛون اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‬
‫‪  cal‬ﻫﻲ أﻗل ﻣن اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻟﻣرﺑﻊ ﻛﺂي‬
‫‪-‬اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ ﻣرﺑﻊ –ﻛﺂي اﻟﻣﺣﺳوﺑﺔ ‪2  0.425‬‬
‫‪‬‬
‫‪ ،  2tab  09.210‬ﻣﻣﺎ ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﺻﻔرﯾﺔ ورﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺳﺗﻧﺗﺞ ﺑﺎن‬
‫ﻋﯾﻧﺎت اﻷﺳر ﻟﻠدراﺳﺎت اﻟﺛﻼث ﻣﺳﺣوﺑﺔ ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ ‪ ،  2 ‬ﺑﻣﻌﻧﻰ آﺧر إن ﺗﺑﺎﯾﻧﺎت اﻹﻧﻔﺎق‬
‫اﻟﺛﻼﺛﺔ ﻫﻲ ﺗﻘدﯾرات ﻣﺗﺟﺎﻧﺳﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪.(α=0.01‬‬ ‫‪S ‬‬
‫‪2‬‬
‫‪i‬‬

‫‪-09‬اﺧﺗﺑﺎر اﻟﻔروض ﺣول اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ‪‬‬

‫ﻧظرﯾﺔ‪ :13‬ﺑﺎﻓﺗراض ﻟدﯾﻧﺎ ﻣﺷﺎﻫدات ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ )‪ (n1‬اﺧﺗﯾرت ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ ﺗﺑﺎﯾﻧﻪ‬
‫‪ 1‬ﻏﯾر ﻣﻌﻠوم‪ ،‬وان ‪ S1‬ﯾﻣﺛل اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﺗم ﺗﻘدﯾرﻩ ﻋﻠﻰ أﺳﺎس ﻣﺷﺎﻫدان اﻟﻌﯾﻧﺔ‪ ،‬وﺑﺎﻓﺗراض ﻟدﯾﻧﺎ‬
‫‪2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪158‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﻣﺷﺎﻫدات ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺛﺎﻧﯾﺔ ﺣﺟﻣﻬﺎ)‪ (n2‬اﺧﺗﯾرت ﻣن ﻣﺟﺗﻣﻊ طﺑﯾﻌﻲ آﺧر ﻣﺳﺗﻘل ﻋن اﻟﻣﺟﺗﻣﻊ اﻷول‬
‫ﺗﺑﺎﯾﻧﻪ ‪ 2‬ﻏﯾر ﻣﻌﻠوم أﯾﺿﺎ‪ ،‬وان ‪ S2‬ﯾﻣﺛل اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﺗم ﺗﻘدﯾرﻩ ﻋﻠﻰ أﺳﺎس ﻣﺷﺎﻫدات اﻟﻌﯾﻧﺔ‬
‫‪2‬‬

‫اﻟﺛﺎﻧﯾﺔ‪ ،‬وﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ ﻣﻘﺎﺑل اﻟﻔرﺿﯾﺎت اﻷﺧرى ﻧﻠﺧﺻﻬﺎ ﻓﻲ اﻟﺟدول اﻟﺗﺎﻟﻲ‪:‬‬
‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ Zcal   Ztab‬أو ‪Zcal  Z tab‬‬ ‫‪Zcal ‬‬
‫‪S1  S2    1  2 ‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪S12 2n1  S22 2n 2‬‬ ‫‪H0 : 1  2‬‬
‫‪2‬‬ ‫‪H1 : 1  2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal  Ztab‬‬ ‫‪Zcal ‬‬
‫‪S1  S2    1  2 ‬‬ ‫‪H0 : 1  2‬‬
‫‪Ztab  Z1 ‬‬ ‫ﺑﺣﯾث‬ ‫‪S12 2n1  S22 2n 2‬‬ ‫‪H1 : 1  2‬‬
‫‪2‬‬

‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪Zcal   Ztab‬‬ ‫‪Zcal ‬‬
‫‪S1  S2    1  2 ‬‬ ‫‪H0 : 1  2‬‬
‫ﺑﺣﯾث ‪Ztab  Z1 ‬‬ ‫‪S12 2n1  S22 2n 2‬‬ ‫‪H1 : 1  2‬‬
‫‪2‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﺗﻣرﯾن‪:26‬ﻓﻲ دراﺳﺔ ﺣول ﻣﺗوﺳط اﻟدﺧل اﻟﺷﻬري ﻹﺣدى اﻟﺻﻧﺎﻋﺎت‪ ،‬أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪600‬‬
‫ﻋﺎﻣل ﻣن ﻣﻌﻣل ﺗﺎﺑﻊ ﻟﺗﻠك اﻟﺻﻧﺎﻋﺔ‪ ،‬ﻓوﺟد أن ﻣﺗوﺳط اﻟدﺧل اﻟﺷﻬري ﻟﻠﻌﺎﻣل ﻣﺳﺎو ل‪ 5950‬ون‪،‬‬
‫وﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ 750‬ون‪ ،‬ﻛﻣﺎ أﺧذت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 400‬ﻋﺎﻣل ﻣن ﻣﻌﻣل آﺧر ﺗﺎﺑﻊ‬
‫ﻟﻠﺻﻧﺎﻋﺔ ﻧﻔﺳﻬﺎ‪ ،‬ﻓوﺟد أن ﻣﺗوﺳط اﻟدﺧل اﻟﺷﻬري ﻟﻠﻌﺎﻣل ﻓﯾﻬﺎ ﻣﺳﺎو ل‪ 5250‬ون‪ ،‬وﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ‬
‫‪ 700‬ون‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن اﻻﺳﺗﻧﺗﺎج ﺑﺎن ﻫﻧﺎك ﺗﻣﺎﺛﻼ ﻓﻲ اﻟدﺧل اﻟﺷﻬري ﻟﻠﻣﻌﻣل اﻷول وﻟﻠﻣﻌﻣل اﻟﺛﺎﻧﻲ وذﻟك ﻋﻧد‬
‫ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺣل‪:‬‬
‫‪H0 : 1  2 H0 : 1  2  0‬‬
‫‪‬‬ ‫‪‬‬ ‫‪-1‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﺑﺎرﻫﺎ ﻫﻲ‬
‫‪H1 : 1  2‬‬ ‫‪H1 : 1  2‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪159‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣﺗﻌﻠق ﺑﺎﻟﻔرق ﺑﯾن إﻧﺣراﻓﯾﯾن ﻣﻌﯾﺎرﯾﯾن ﺳوف ﻧﺳﺗﺧدم اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري )‪(Z‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن‪n1  600, X1  5950, S1  750, n 2  400, X2  5250, S22  700 :‬‬
‫ﻧﺣﺳب أوﻻ ﻗﯾﻣﺔ )‪ (Z‬اﻟﻣﺣﺳوﺑﺔ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪S1  S2   1  2   Z‬‬ ‫‪ 750  700   0‬‬
‫‪Zcal ‬‬ ‫‪cal ‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ 01.520‬‬
‫‪S12 2n1  S22 2n 2‬‬ ‫‪ 750 2  600   700 ‬‬ ‫‪2  400‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ اﻟﻣﻌﯾﺎري وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫‪Ztab  Z1  Z‬‬ ‫‪ 0.05‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ ﻛﺎﻟﺗﺎﻟﻲ ‪ Z0.975  01.960‬‬
‫‪2‬‬ ‫‪1 0.05‬‬
‫‪2‬‬
‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ إﺣﺻﺎءة اﻻﺧﺗﺑﺎر اﻟﻣﺣﺳوﺑﺔ ‪،  Zcal  01.520 ‬ﻫﻲ أﻗل ﻣن اﻟﻘﯾﻣﺔ اﻟﺟدوﻟﯾﺔ‬
‫‪ ،  Ztab  01.960‬وﻫذا ﯾﻌﻧﻲ ﻗﺑول اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ)‪ (H0‬ورﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ )‪ ،(H1‬أي اﻧﻪ ﻻ‬
‫ﺗوﺟد ﻓروق ﻣﻌﻧوﯾﺔ ﺑﯾن اﻟﻣﺻﻧﻌﯾن‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﺳﺗﻧﺗﺞ أن ﻫﻧﺎك ﺗﻣﺎﺛﻼ ﻓﻲ ﺗوزﯾﻊ اﻟدﺧل اﻟﺷﻬري ﻟﻠﻣﻌﻣل‬
‫اﻷول واﻟﻣﻌﻣل اﻟﺛﺎﻧﻲ وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪.0.05‬‬
‫‪12‬‬
‫‪-10‬إﺧﺗﺑﺎر اﻟﻔروض ﺣول ﻧﺳﺑﺔ اﻟﺗﺑﺎﯾن‬
‫‪22‬‬
‫ﻧظرﯾﺔ‪:14‬إذا ﻛﺎﻧت ‪ X1,X2, X3..................Xn1‬ﺗﻣﺛل ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ ﺑﺣﯾث‬
‫‪‬‬ ‫‪‬‬
‫‪ X  N   ,  ‬و ‪  X ,X , X ..................X ‬ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺗوزﯾﻊ طﺑﯾﻌﻲ آﺧر ‪، X  N   ,  ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪n2‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬

‫وﻛﺎﻧت اﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن و ‪   ,  ‬و ‪   ,  ‬ﻣﻌﻠﻣﺎت ﻣﺟﻬوﻟﺔ‪ ،‬وﻛﺎﻧت ‪ S‬ﺗﻣﺛل ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ‬
‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪1‬‬

‫اﻷوﻟﻰ و ‪ S22‬ﺗﻣﺛل ﺗﺑﺎﯾن اﻟﻌﯾﻧﺔ اﻟﺛﺎﻧﯾﺔ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻠﻧﺳﺑﺔ ﺑﯾن اﻟﺗﺑﺎﯾﻧﯾن ﯾﻌطﻰ ﺑﺎﻻﺣﺻﺎءة اﻟﺗﺎﻟﯾﺔ‬
‫‪‬‬ ‫‪n1  1‬‬
‫‪S12 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ n1 1  2‬‬ ‫‪S 1  22‬‬
‫‪ F ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪F‬‬ ‫‪‬‬ ‫‪ 1‬‬
‫‪ n‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪S22  2  12‬‬ ‫‪S2‬‬ ‫‪1‬‬
‫‪ n 2 1  ‬‬
‫‪‬‬ ‫‪ 2‬‬
‫ﺑدرﺟﺔ ﺣرﯾﺔ )‪ (V1=n1-1‬و)‪ ،(V2=n2-1‬وﻋﻠﯾﻪ ﯾﻣﻛن اﺳﺗﺧدام ﻣﺋوﯾﺎت ﺗوزﯾﻊ ﻓﯾﺷر ﻛﻘﯾم ﺣرﺟﺔ‬
‫ﻻﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ واﻟﻣوﺿﺣﺔ ﻓﻲ اﻟﺟدول اﻟﻣواﻟﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪160‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪2‬‬
‫‪S 1  22‬‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪Fcal  F1  ,V ,V‬‬ ‫‪Fcal ‬‬
‫‪Fcal  F‬‬
‫و ‪,V1,V2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪S 2 1‬‬
‫‪12‬‬
‫ﺑﺣﯾث‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪H0 : 12  22 ‬‬ ‫‪1‬‬
‫‪22‬‬
‫‪‬‬ ‫‪n1  1‬‬
‫‪ Ftab  F1  ,V ,V‬و ‪Ftab  F ,V ,V‬‬ ‫‪S12 ‬‬ ‫‪‬‬
‫‪H1 : 12  22 ‬‬
‫‪12‬‬
‫‪1‬‬
‫‪2 1 2‬‬ ‫‪2 1 2‬‬ ‫‪ n1 1  2‬‬
‫‪Fcal ‬‬ ‫‪‬‬ ‫‪ 1‬‬ ‫‪22‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪‬‬ ‫‪n 2  1‬‬
‫‪S22 ‬‬
‫‪ n 2 1   2‬‬
‫‪‬‬ ‫‪ 2‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪2‬‬

‫‪S 1  22‬‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف‬
‫‪Fcal ‬‬
‫‪Fcal  Ftab‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫واﺣد‪:‬‬
‫‪S 2 1‬‬
‫‪Fcal  F1,V ,V‬‬ ‫ﺑﺣﯾث‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪1‬‬ ‫‪2‬‬
‫‪12‬‬
‫‪Ftab  F1,V ,V‬‬ ‫ﺑﺣﯾث‬ ‫‪ n ‬‬ ‫‪H0 : 12  22 ‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪S12  1  12‬‬ ‫‪22‬‬
‫‪ n 1  ‬‬
‫‪Fcal‬‬ ‫‪  1  1‬‬ ‫‪12‬‬
‫‪‬‬
‫‪2  n2  1‬‬
‫‪‬‬ ‫‪H1 : 12  22 ‬‬ ‫‪1‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪S2‬‬
‫‪ n 2 1   2‬‬
‫‪ 22‬‬
‫‪‬‬ ‫‪ 2‬‬

‫ﻧرﻓض )‪ (H0‬إذا ﻛﺎﻧت‬ ‫‪2‬‬

‫‪S 1  22‬‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف‬
‫‪Fcal ‬‬
‫‪Fcal  Ftab‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫واﺣد‪:‬‬
‫‪S 2 1‬‬
‫‪Fcal  F,V ,V‬‬ ‫ﺑﺣﯾث‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬
‫‪1‬‬ ‫‪2‬‬
‫‪12‬‬
‫‪Ftab  F,V ,V‬‬ ‫ﺑﺣﯾث‬ ‫‪ n ‬‬ ‫‪H0 : 12  22 ‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪S12  1  12‬‬ ‫‪22‬‬
‫‪ n 1  ‬‬
‫‪Fcal‬‬ ‫‪  1  1‬‬ ‫‪12‬‬
‫‪ n‬‬ ‫‪‬‬ ‫‪H1 : 12  22 ‬‬ ‫‪1‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬ ‫‪S22  2  12‬‬ ‫‪ 22‬‬
‫‪ n 2 1  ‬‬
‫‪‬‬ ‫‪ 2‬‬

‫‪1‬‬
‫‪F,v1,v2 ‬‬
‫‪F1,V‬‬ ‫ﻣﻊ اﻟﻌﻠم أن‬
‫‪,V‬‬
‫‪2 1‬‬
‫ﺗﻣرﯾن‪ :27‬إذا ﻋﻠﻣت أن ﻣﺟﺗﻣﻊ أطوال اﻟطﺎﻟﺑﺎت‪ ،‬وﻣﺟﺗﻣﻊ أطوال اﻟطﻠﺑﺔ ﻓﻲ ﺟﺎﻣﻌﺔ ﻣﺎ ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ‪ ،‬وﺳﺣﺑﻧﺎ ﻣن اﻟطﺎﻟﺑﺎت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪ 31‬طﺎﻟﺑﺔ‪ ،‬وﻣن اﻟطﻠﺑﺔ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺣﺟﻣﻬﺎ ‪21‬‬
‫طﺎﻟﺑﺎ وﻛﺎﻧت اﻟﻌﯾﻧﺗﺎن ﻣﺳﺗﻘﻠﺗﯾن‪ ،‬ووﺟدﻧﺎ ان ﺗﺑﺎﯾن أطوال ﻋﯾﻧﺔ اﻟطﺎﻟﺑﺎت ﯾﺳﺎوي ‪ ،64‬وﺗﺑﺎﯾن ﻋﯾﻧﺔ أطوال‬
‫اﻟطﻠﺑﺔ ﯾﺳﺎوي ‪.36‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪161‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺧﺗﺑر ﻣﺎ إذا ﻛﺎن ﻫﻧﺎك ﻓرق ﺑﯾن ﺗﺑﺎﯾن ﻣﺟﺗﻣﻊ أطوال اﻟطﺎﻟﺑﺎت وﺗﺑﺎﯾن ﻣﺟﺗﻣﻊ أطوال اﻟطﻠﺑﺔ وذﻟك ﻋﻧد‬
‫ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.10‬؟‬
‫اﻟﺣل‪:‬‬
‫‪12‬‬
‫‪H0 : 12  22 ‬‬ ‫‪1‬‬
‫‪22‬‬
‫‪ -‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﺑﺎرﻫﺎ ﻫﻲ‬
‫‪2‬‬
‫‪H1 : 12  22  12  1‬‬
‫‪2‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬واﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن إذن اﻻﺧﺗﺑﺎر‬
‫‪‬‬ ‫‪n1  1‬‬
‫‪S12 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪Fcal ‬‬
‫‪ n1 1  2‬‬
‫‪‬‬ ‫‪ 1‬‬ ‫‪ Fcal ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪S 1  22‬‬ ‫اﻟﻣﻧﺎﺳب ﻫو اﺧﺗﺑﺎر ﻓﯾﺷر )‪(F‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S 2 1‬‬
‫‪ n‬‬ ‫‪‬‬
‫‪S22  2  12‬‬
‫‪ n 2 1  ‬‬
‫‪‬‬ ‫‪ 2‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪n1  31, n 2  21,S12  64,S22  36‬‬
‫‪2 n  S2‬‬
‫‪2‬‬
‫‪S  31 64  66.13‬‬
‫‪S  1‬‬ ‫‪1‬‬
‫‪ 1‬‬ ‫‪n1 1‬‬ ‫‪1‬‬
‫‪‬‬
‫‪‬‬ ‫‪  2 311‬‬ ‫ﻧﺣﺳب أوﻻ ﺗﺑﺎﯾن اﻟﻌﯾﻧﺗﯾن اﻟﻣﻌدل ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ 2 n 2  S22‬‬ ‫‪‬‬ ‫‪21 36  37.80‬‬
‫‪S2 ‬‬ ‫‪S2 ‬‬
‫‪‬‬ ‫‪n 2 1‬‬ ‫‪‬‬ ‫‪211‬‬
‫‪2‬‬
‫‪Fcal ‬‬ ‫‪S 1  22 ‬‬ ‫‪Fcal  66.13 1  01.75‬‬
‫‪2‬‬
‫‪S 2 1‬‬
‫‪2‬‬ ‫‪37.80‬‬ ‫ﻧﺣﺳب اﻵن اﺣﺻﺎءة ﻓﯾﺷر اﻟﻣﺣﺳوﺑﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬ ‫‪n1  1‬‬
‫‪64  31 ‬‬
‫‪S12 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ n1 1  2‬‬
‫‪Fcal ‬‬ ‫‪‬‬ ‫‪ 1‬‬ ‫‪ Fcal ‬‬ ‫‪ 31 1   01.75‬‬ ‫أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ ﻛﻣﺎ ﯾﻠﻲ‬
‫‪36  21 ‬‬
‫‪ n‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪S22  2  12‬‬
‫‪ n 2 1  ‬‬ ‫‪ 21 1 ‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧﺑﯾن و ﻣن ﺟدول ﺗوزﯾﻊ ﻓﯾﺷر وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.10‬‬
‫ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ اﻟﻌﻠﯾﺎ واﻟدﻧﯾﺎ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪F ‬‬ ‫‪ F 0.10‬‬ ‫‪ F0.95,30,20  02.04‬‬
‫‪ 1 2 ,V1 ,V2‬‬ ‫‪1‬‬
‫‪2‬‬
‫‪,30 ,20‬‬

‫‪Ftab  ‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪F , V1 ,V2  F‬‬ ‫‪‬‬
‫‪F‬‬
‫‪‬‬
‫‪01‬‬‫‪.‬‬ ‫‪93‬‬
‫‪ 0.518‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪1 ,V2 , V1‬‬ ‫‪0.95,20.30‬‬
‫‪‬‬ ‫‪2‬‬

‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ ﻓﯾﺷر اﻟﻣﺟدوﻟﺔ ﺗﻘﻊ ﺑﯾن اﻟﻘﯾﻣﺗﯾن ‪ 0.518‬و ‪  0.518  Ftab  02.04 02.04‬أي‬
‫ﻓﻲ ﻣﻧطﻘﺔ اﻟﻘﺑول‪ ،‬أﻣﺎ ﻣﻧطﻘﺔ اﻟرﻓض ﻓﺗﻘﻊ ﻋﻠﻰ ﯾﺳﺎر اﻟﻘﯾﻣﺔ ‪ 0.518‬وﻋﻠﻰ ﯾﻣﯾن اﻟﻘﯾﻣﺔ ‪ ،02.04‬و ﺑﻣﺎ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪162‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫أن ﻗﯾﻣﺔ ﻓﯾﺷر اﻟﻣﺣﺳوﺑﺔ ﺗﺳﺎوي ‪ 01.75‬أي ﺗﻘﻊ ﻓﻲ ﻣﻧطﻘﺔ اﻟﻘﺑول‪ ،‬إذن ﻧﻘﺑل ﻓرﺿﯾﺔ اﻟﻌدم ‪H0‬‬
‫و ﻧرﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ‪ ،H1‬أي أن اﻻﺧﺗﺑﺎر ﻟﯾس ذا ﻣﻌﻧوﯾﺔ‪ ،‬أي أن ﺗﺑﺎﯾن ﻣﺟﺗﻣﻊ اﻟطﺎﻟﺑﺎت ﯾﺳﺎوي‬
‫ﺗﺑﺎﯾن ﻣﺟﺗﻣﻊ اﻟطﻠﺑﺔ وﻻ ﯾوﺟد ﻓرق ﺣﻘﯾﻘﻲ ﺑﯾﻧﻬﻣﺎ وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.10‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  F  0.518  F  02.04 ‬‬
‫‪ F  02.04   F  0.518   0.95  0.05  0.90‬‬
‫ﻧﻼﺣظ أن ‪ ، P  value    0.90  0.10‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻘﺑل )‪.(H0‬‬
‫ﺗﻣرﯾن‪ :28‬ﻧظ ار ﻟﻌدم اﻟﺗزام ﺑﻌض اﻟﺷرﻛﺎت اﻟﻣﺻﻧﻌﺔ ﻹطﺎرات اﻟﺳﯾﺎرات ﺑﺎﻟﻣواﺻﻔﺎت اﻟﻘﯾﺎﺳﯾﺔ اﻟﻣطﻠوﺑﺔ‬
‫ﻟﻠﺗﺻﻧﯾﻊ ﻗررت اﻟﺷرﻛﺔ اﻟﻌﺎﻣﺔ ﻟﻺطﺎرات اﺳﺗﯾراد ﻧوع واﺣد ﻣن اﻹطﺎرات اﻟذي ﯾﻌﻣر أطول ﻣﺳﺎﻓﺔ واﻗل‬
‫اﺧﺗﻼﻓﺎ‪ ،‬وﻟﻬذا ﻗﺎﻣت اﻟﺷرﻛﺔ ﺑﺗﺟرﯾب ﻧوﻋﯾن ﻣن اﻹطﺎرات ﻫﻣﺎ ‪ A‬و‪ b‬ﺣﯾث اﺳﺗﺧدﻣت ‪ 16‬إطﺎر ﻣن ﻛل‬
‫ﻧوع واﺳﺗﻌﻣﻠت ﻫذﻩ اﻹطﺎرات ﺣﺗﻰ اﺳﺗﻬﻠﻛت ﺑﺎﻟﻛﺎﻣل ﻓﻛﺎﻧت اﻟﻧﺗﺎﺋﺞ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﻻﻧﺣراف اﻟﻣﻌﯾﺎري‬ ‫اﻟﻣﺗوﺳط‬
‫‪5100‬‬ ‫‪36800‬‬ ‫اﻟﻧوع ‪A‬‬
‫‪5900‬‬ ‫‪38600‬‬ ‫اﻟﻧوع ‪B‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣن ﻫذﻩ اﻟﺑﯾﺎﻧﺎت ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺎن اﻟﻧوع ‪ A‬اﻗل اﺧﺗﻼﻓﺎ ﻣن اﻟﻧوع ‪ B‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪ ،(α=0.05‬وﻋﻠﻰ اﻓﺗراض أن اﻟﻣﺟﺗﻣﻌﯾن طﺑﯾﻌﯾﯾن؟‬
‫اﻟﺣل‪:‬‬
‫‪12‬‬
‫‪H0 : 12  22 ‬‬ ‫‪1‬‬
‫‪22‬‬
‫‪ -‬اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ اﻟﻣطﻠوب اﺧﺗﺑﺎرﻫﺎ ﻫﻲ‬
‫‪2‬‬
‫‪H1 : 12  22  12  1‬‬
‫‪2‬‬
‫‪ -‬إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‪ :‬ﺑﻣﺎ أن اﻟﻣﺟﺗﻣﻌﯾن ﯾﺗوزﻋﺎن ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‪ ،‬واﻟﻌﯾﻧﺗﯾن ﻣﺳﺗﻘﻠﺗﯾن إذن اﻻﺧﺗﺑﺎر‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪S12  1  12‬‬ ‫‪2‬‬
‫‪Fcal ‬‬
‫‪ n1 1  ‬‬
‫‪‬‬ ‫‪ 1‬‬ ‫‪ Fcal ‬أو ﺑﺷﻛل ﻣﻛﺎﻓﺊ‬ ‫‪S 1  22‬‬ ‫اﻟﻣﻧﺎﺳب ﻫو اﺧﺗﺑﺎر ﻓﯾﺷر )‪(F‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S 2 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪2  n2  1‬‬
‫‪S2‬‬
‫‪ n 2 1   2‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻟدﯾﻧﺎ ﻣن ﻣﻌطﯾﺎت اﻟﺗﻣرﯾن ‪n1  16, n 2  16,S12  5100 , S22   5900‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪163‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪‬‬ ‫‪n1  1‬‬
‫‪S12 ‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ n1 1  2‬‬ ‫‪ 5100  0.48‬‬
‫‪Fcal ‬‬ ‫‪‬‬ ‫‪ 1‬‬ ‫‪ Fcal ‬‬
‫‪‬‬ ‫‪n2 ‬‬ ‫‪1‬‬ ‫‪ 5900‬‬
‫‪2‬‬
‫ﻧﺣﺳب اﻵن اﺣﺻﺎءة ﻓﯾﺷر اﻟﻣﺣﺳوﺑﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪S22 ‬‬ ‫‪‬‬
‫‪ n 2 1   2‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪-‬اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ‪ :‬ﺑﻣﺎ أن اﻻﺧﺗﺑﺎر ﻣن ﺟﺎﻧب واﺣد ﻓﻘط وﻣن ﺟﻬﺔ اﻟﯾﺳﺎر و ﻣن ﺟدول ﺗوزﯾﻊ ﻓﯾﺷر وﻋﻧد‬
‫ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ 0.02‬ﻧﺳﺗﺧرج اﻟﻘﯾﻣﺔ اﻟﺣرﺟﺔ اﻟدﻧﯾﺎ ﻛﺎﻟﺗﺎﻟﻲ‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪Ftab  F,V ,V ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.416‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪F1,V2 ,V1‬‬ ‫‪F0.95,15.15‬‬ ‫‪02.40‬‬

‫اﻟﻘرار‪ :‬ﺑﻣﺎ أن ﻗﯾﻣﺔ ﻓﯾﺷر اﻟﻣﺟدوﻟﺔ ﺗﺳﺎوي ‪  Ftab  0.416 0.28‬اﻗل ﻣن ﻗﯾﻣﺔ ﻓﯾﺷر اﻟﻣﺣﺳوﺑﺔ‬
‫‪ ،  Fcal  0.48‬إذن ﻧﻘﺑل ﻓرﺿﯾﺔ اﻟﻌدم ‪ H0‬و ﻧرﻓض اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ‪ ،H1‬أي أن اﻻﺧﺗﺑﺎر ﻟﯾس ذا‬
‫ﻣﻌﻧوﯾﺔ‪ ،‬أي أن ﺗﺑﺎﯾن اﻟﻧوع ‪ A‬ﯾﺳﺎوي ﺗﺑﺎﯾن اﻟﻧوع ‪ B‬وﻻ ﯾوﺟد ﻓرق ﺣﻘﯾﻘﻲ ﺑﯾﻧﻬﻣﺎ وﻓﻘﺎ ﻟﻣﻌطﯾﺎت اﻟﻌﯾﻧﺔ‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.05‬‬
‫ﻛﻣﺎ ﯾﻣﻛن إﺛﺑﺎت ﺻﺣﺔ اﻟﻘرار ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ اﻟﻣﺷﺎﻫدة )‪ (p-value‬ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪P  value  P  F  0.416   F  0.416   0.05‬‬
‫ﻧﻼﺣظ أن ‪ ، P  value    0.90  0.10‬وﺑﺎﻟﺗﺎﻟﻲ ﻧﻘﺑل )‪.(H0‬‬
‫‪-11‬ﺗﺣﻠﯾل اﻻﻧﺣدار وﺗﻘﯾﯾم اﻟﻣﻌﺎﻟم‬
‫ﺗﻣﻬﯾد‪ :‬ﯾﻌﺗﺑر ﺗﺣﻠﯾل اﻻﻧﺣدار أﺳﻠوب إﺣﺻﺎﺋﻲ ﯾﺧﺗص ﺑدراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﯾن ﻣﺗﻐﯾرﯾن أو أﻛﺛر وﻛﯾﻔﯾﺔ إﯾﺟﺎد‬
‫ﻣﻌﺎدﻟﺔ ﺟﺑرﯾﺔ ﺗﻣﺛل ﻫذﻩ اﻟﻌﻼﻗﺔ رﯾﺎﺿﯾﺎ أﻓﺿل ﺗﻣﺛﯾل‪ ،‬وذﻟك ﻻﺳﺗﺧداﻣﻬﺎ ﻓﻲ اﻟﺗﻘدﯾر أو اﻟﺗﻧﺑؤ ﺑﻣﺗوﺳط‬
‫اﺣد اﻟﻣﺗﻐﯾرات‪ ،‬وﯾﺳﻣﻰ اﻟﻣﺗﻐﯾر اﻟﺗﺎﺑﻊ )‪ (The dépendent variable‬ﺑدﻻﻟﺔ ﺑﻘﯾﺔ اﻟﻣﺗﻐﯾرات اﻟﺗﻲ ﺗؤﺛر‬
‫ﻓﯾﻪ وﺗﺳﻣﻰ اﻟﻣﺗﻐﯾرات اﻟﻣﺳﺗﻘﻠﺔ )‪.(The Independent variable‬‬
‫وأول ﻣن اﺳﺗﺧدم ﺗﻌﺑﯾر اﻻﻧﺣدار اﻟﻌﺎﻟم "ﻓراﻧﺳﯾس ﺟﺎﻟﺗون" )‪ (Francis Galton‬ﻋﺎم ‪1886‬م‪ ،‬ﻋﻧد‬
‫دراﺳﺗﻪ ﻟﻠﻌﻼﻗﺔ ﺑﯾن طول اﻷﺑﺎء وأﺑﻧﺎﺋﻬم‪ ،‬ﻓﻘد وﺟد اﻧﻪ ﻋﻧدﻣﺎ ﯾﻛون اﻷﺑﺎء طوال اﻟﻘﺎﻣﺔ ﺟدا ﻓﺎن أﺑﻧﺎﺋﻬم‬
‫ﯾﻛوﻧون طوال اﻟﻘﺎﻣﺔ‪ ،‬وﻟﻛن ﻓﻲ اﻟﻣﺗوﺳط اﻗﺻر ﻗﺎﻣﺔ ﻣن اﻻﺑﺎء‪ٕ ،‬واذا ﻛﺎن اﻻﺑﺎء ﻗﺻﺎر اﻟﻘﺎﻣﺔ ﺟدا ﻓﺎن‬
‫أﺑﻧﺎﺋﻬم ﯾﻛوﻧون ﻗﺻﺎر اﻟﻘﺎﻣﺔ‪ ،‬وﻟﻛن ﻓﻲ اﻟﻣﺗوﺳط ﯾﻛوﻧون أطول ﻗﺎﻣﺔ ﻣن اﻻﺑﺎء‪ ،‬ﻓﻘد اﺳﺗﻧﺗﺞ أن أطوال‬
‫اﻷﺑﻧﺎء ﺗﺗﺟﻪ أو ﺗرﺗد ﻧﺣو ﻣﺗوﺳط اﻟطول ﻟﺟﻣﯾﻊ أﻓراد اﻟﻣﺟﺗﻣﻊ‪ ،‬وﻗد أطﻠق ﺟﺎﻟﺗون ﻋﻠﻰ ﻫذا اﻻﺗﺟﺎﻩ ﻧﺣو‬
‫اﻟﻣﺗوﺳط ﻟﻔظ اﻻﻧﺣدار‪.‬‬
‫‪ 1-11‬ﺗﻌرﯾف اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط‪ :‬ﯾﻛون اﻻﻧﺣدار ﺑﺳﯾطﺎ‪ ،‬إذا ﻛﺎن ﯾدرس اﻟﻌﻼﻗﺔ ﺑﯾن ﻣﺗﻐﯾرﯾن‬
‫ﻓﻘط‪،‬أﺣدﻫﻣﺎ ﻣﺗﻐﯾر ﺗﺎﺑﻊ وﯾرﻣز ﻟﻪ ﻋﺎدة ﺑﺎﻟﺣرف )‪ ،(Y‬واﻟﺛﺎﻧﻲ ﻣﺗﻐﯾر أي ﻣﺳﺗﻘل وﯾرﻣز ﻟﻪ ﻋﺎدة ﺑﺎﻟﺣرف‬
‫)‪ ،(X‬وﻧﻌﺑر رﯾﺎﺿﯾﺎ ﻋﻠﻰ أن اﻟﻣﺗﻐﯾر )‪ (Y‬ﯾﺗﺑﻊ اﻟﻣﺗﻐﯾر )‪ (X‬ﺑﺎﻟﻘول أن اﻟﻣﺗﻐﯾر ‪Y‬داﻟﺔ ﻟﻠﻣﺗﻐﯾر ‪ X‬وﯾرﻣز‬
‫ﻟذﻟك ﻛﻣﺎ ﯾﻠﻲ‪Y=f(X) :‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪164‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ﻧﻣوذج اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط ﻫو ﻣﻌﺎدﻟﺔ رﯾﺎﺿﯾﺔ ﺗﺻف اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﻣﺗﻐﯾرﯾن ‪ X،Y‬ﻓﻲ‬
‫‪Y  B0  B1X  ‬‬ ‫اﻟﻣﺟﺗﻣﻊ‪ ،‬واﻟﺻورة اﻟﻌﺎﻣﺔ ﻟﻧﻣوذج اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط ﻫﻲ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫ﺣﯾث‪:‬‬
‫‪ :Y‬ﻗﯾﻣﺔ اﻟﻣﺗﻐﯾر اﻟﺗﺎﺑﻊ ﻟﻠﻣﻔردة )اﻟﻣﺷﺎﻫدة(‪.‬‬
‫‪ :X‬ﻗﯾﻣﺔ اﻟﻣﺗﻐﯾر اﻟﻣﺳﺗﻘل ﻟﻠﻣﻔردة‪.‬‬
‫‪:B1،B0‬ﻣﻌﺎﻟم اﻟﻣﺟﺗﻣﻊ اﻟﻣﺟﻬوﻟﺔ وﻫﻲ ﻋﺑﺎرة ﻋن ﻗﯾم ﺛﺎﺑﺗﺔ‪.‬‬
‫‪:µ‬ﻗﯾﻣﺔ اﻟﺣد اﻟذي ﯾﻣﺛل اﻟﺧطﺄ اﻟﻌﺷواﺋﻲ ﻟﻠﻣﻔردة‪.‬‬
‫وﺑﻣﺎ أن ﺑﯾﺎﻧﺎت اﻟﻣﺟﺗﻣﻊ ﯾﺻﻌب اﻟﺣﺻول ﻋﻠﯾﻬﺎ ﻟذﻟك ﺗﺳﺗﺧدم ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﻟﺗﻘدﯾر ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار‬
‫ﺣﯾث ﯾﻣﻛن اﻟﺗﻌﺑﯾر ﻋن ﻗﯾم ‪ yi‬وﺑﺎﻟﺷﻛل اﻟﺗﺎﻟﻲ‪yi  b0  b1xi  i :‬‬
‫‪‬‬
‫وﺗﻌطﻰ ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار اﻟﺗﻘدﯾرﯾﺔ ﻛﻣﺎ ﯾﻠﻲ‪yi  b0  b1xi :‬‬
‫ﺣﯾث‪:‬‬
‫‪ b1،b0‬ﻫﻲ اﻟﺗﻘدﯾرات ﻟﻣﻌﺎﻟم ﻧﻣوذج اﻻﻧﺣدار ‪B1 ،B0‬‬
‫‪ yi‬ﻫﻲ ﻗﯾﻣﺔ ‪ Y‬اﻟﺣﻘﯾﻘﯾﺔ‪.‬‬
‫‪ yi‬ﻫﻲ ﻗﯾﻣﺔ ‪ y‬اﻟﺗﻘدﯾرﯾﺔ‪.‬‬
‫‪‬‬

‫‪‬‬
‫وﯾﻛون اﻟﻔرق إﻣﺎ‬ ‫أﻣﺎ ﻗﯾﻣﺔ ‪ i   yi  yi ‬ﯾﺳﺎوي اﻟﻔرق ﺑﯾن اﻟﻘﯾﻣﺔ اﻟﺣﻘﯾﻘﯾﺔ ل ‪ Y‬واﻟﻘﯾﻣﺔ اﻟﺗﻘدﯾرﯾﺔ ‪yi‬‬
‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫ﻣوﺟﺑﺎ أو ﺳﺎﻟﺑﺎ أو ﻣﻌدوﻣﺎ‪.‬‬
‫وﻋﺎدة ﻣﺟﻣوع اﻟﻔروق اﻟﻛﻠﯾﺔ ﺑﯾن اﻟﻘﯾم اﻟﺣﻘﯾﻘﯾﺔ واﻟﻘﯾم اﻟﺗﻘدﯾرﯾﺔ ﯾﺳﺎوي ﺻﻔرا‪ ،‬أي أن‬
‫‪n‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪  i    yi  yi   0‬‬
‫‪i 1‬‬ ‫‪i1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 2-11‬ﺗﻘــــــدﯾر ﻣﻌﺎدﻟــــــﺔ اﻻﻧﺣــــــدار اﻟﺧطــــــﻲ‪ :‬ﻟﻧﻔ ـ ــرض اﻧ ـ ــﻪ ﻟ ـ ــدﯾﻧﺎ ﻋﯾﻧ ـ ــﺔ ﻣ ـ ــن أزواج ﻗ ـ ــﯾم ‪ Y،X‬ﺑﺣﯾ ـ ــث‬
‫‪  X1 , Y1  ,  X2 , Y2  ,........,  Xn , Yn ‬ﻋـ ـ ـ ـ ـ ــددﻫﺎ ‪ n‬وﻧرﻏـ ـ ـ ـ ـ ــب ﺑﺗﻘـ ـ ـ ـ ـ ــدﯾر ﻣﻌﺎدﻟـ ـ ـ ـ ـ ــﺔ اﻻﻧﺣـ ـ ـ ـ ـ ــدار اﻟﺧطﯾـ ـ ـ ـ ـ ــﺔ‬
‫‪ Y  B0  B1X  ‬أي إﯾﺟﺎد اﻟﺗﻘدﯾرات ﻟﻣﻌﺎﻟم ﺧط اﻻﻧﺣـدار ‪ ،B1،B0‬ﺣﯾـث ﺗوﺟـد ﻋـدة طـرق ﻟﺗﻘـدﯾر‬
‫ﻫذﻩ اﻟﻣﻌﺎدﻟﺔ أﻫﻣﻬﺎ طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى‪.‬‬
‫‪-‬طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى‪ :‬اﻟﻬدف ﻣن ﺗﺣﻠﯾل اﻻﻧﺣدار ﻫو ﺗﺣدﯾد أﻓﺿل ﺧط ﯾﻣﺛل اﻟﻌﻼﻗﺔ ﺑﯾن‬
‫اﻟﻣﺗﻐﯾرﯾن ‪ X‬و‪ y‬أو اﻟﺧط اﻟذي ﯾطﺎﺑق ﻧﻘﺎط ﺷﻛل اﻻﻧﺗﺷﺎر ﻟﻠﺑﯾﺎﻧﺎت أﻓﺿل ﻣﺎ ﯾﻣﻛن ﺣﺳب طرﯾﻘﺔ‬
‫اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى ﻓﺎن أﻓﺿل ﺧط ﯾطﺎﺑق ﻧﻘﺎط ﺷﻛل اﻻﻧﺗﺷﺎر ﻫو ذﻟك اﻟﺧط اﻟذي ﺗﻛون أﺑﻌﺎد‬
‫ﻧﻘﺎط ﺷﻛل اﻻﻧﺗﺷﺎر ﻋﻧﻪ أﺻﻐر ﻣﺎ ﯾﻣﻛن‪ ،‬وﺑﻣﺎ أن أﺑﻌﺎد ﻧﻘﺎط ﺷﻛل اﻻﻧﺗﺷﺎر ﻋن ﺧط اﻻﻧﺣدار‬
‫ﻣوﺟﺑﺔ وﺳﺎﻟﺑﺔ ﺗؤﺧذ ﻣرﺑﻌﺎت ﻫذﻩ اﻟﻔروق )اﻷﺑﻌﺎد( أي ﺟﻌل ﻣﺟﻣوع ﻣرﺑﻌﺎت اﻟﻔروق‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪165‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪2‬‬

‫أﺻﻐر ﻣﺎ ﯾﻣﻛن ‪ ،‬وﻟﻠﺗوﺻل إﻟﻰ اﻟﻘﯾﻣﺔ اﻟﺻﻐرى ﻟﻣﺟﻣوع ﻣرﺑﻌﺎت اﻟﻔروق‬

‫‪n‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪‬‬
‫‪i‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪y‬‬
‫‪ i‬‬
‫‪i 1 ‬‬
‫‪‬‬ ‫‪y‬‬ ‫‪i‬‬
‫‪‬‬
‫‪n‬‬ ‫‪2‬‬

‫ﻧﻘوم ﺑﺎﻻﺷﺗﻘﺎق اﻟﺟزﺋﻲ ﻧﺳﺑﺔ ﻟﻛل ﻣن ‪ b1،b0‬وﺗﺑﺳﯾط اﻟﻣﻌﺎدﻻت ﻧﺣﺻل ﻋﻠﻰ ﺗﻘدﯾرات‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪y‬‬
‫‪ i‬‬
‫‪i 1 ‬‬
‫‪‬‬ ‫‪y‬‬ ‫‪i‬‬
‫‪‬‬
‫اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪i2 ‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪  02‬‬
‫‪b 0‬‬ ‫‪‬‬ ‫)‪ yi  b0  b1xi   0...................(1‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪i2 ‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪  02‬‬ ‫)‪x i  yi  b0  b1x i   0...................(2‬‬
‫‪b1‬‬ ‫‪‬‬
‫‪i1‬‬

‫وﻣن اﻟﻣﻌﺎدﻟﺗﯾن اﻟﺳﺎﺑﻘﺗﯾن ﻧﺳﺗﻧﺗﺞ اﻟﻣﻌﺎدﻟﺗﯾن اﻟﺗﺎﻟﯾﺗﯾن‪:‬‬

‫)‪ yi  nb0  b1 Xi ............................(3‬‬
‫)‪ Xi Yi  b0  Xi  b1 Xi2 ......................(4‬‬
‫وﺗﺳﻣﻰ ﻫﺎﺗﺎن اﻟﻣﻌﺎدﻟﺗﺎن ﺑﺎﻟﻣﻌﺎدﻟﺗﯾن اﻟطﺑﯾﻌﯾﺗﯾن ﻟﺧط اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى‬
‫‪ ،‬وﺑﺎﻟﺗﻌوﯾض ﻓﻲ اﻟﻣﻌﺎدﻟﺗﯾن )‪(03‬‬ ‫‪ Xi Yi ,  Xi ,  Yi‬‬ ‫وﻣن ﺑﯾﺎﻧﺎت اﻟﻌﯾﻧﺔ ﻧﺳﺗطﯾﻊ اﻟﺣﺻول ﻋﻠﻰ‬
‫و)‪ (04‬وﺣﻠﻬﻣﺎ ﻧﺳﺗطﯾﻊ اﻟﺣﺻول ﻋﻠﻰ ‪ b1،b0‬اﻟﻠﺗﯾن ﺗﺣﻘﻘﺎن ﻣﺑدأ طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى وﻫﻣﺎ‪:‬‬

‫)‪b1   i i  i 2 i ..............................(05‬‬
‫‪n XY  X Y‬‬
‫‪n  Xi2   Xi‬‬ ‫‪‬‬ ‫‪‬‬
‫وﺑﻌد ﻣﻌرﻓﺔ ﻗﯾﻣﺔ ‪ b1‬ﻧﻌوض ﻓﻲ إﺣدى اﻟﻣﻌﺎدﻟﺗﯾن اﻟﺳﺎﺑﻘﺗﯾن وﻟﺗﻛن اﻟﻣﻌﺎدﻟﺔ )‪ (03‬ﻓﻧﺣﺻل ﻋﻠﻰ ﻗﯾﻣﺔ ‪b0‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬
‫)‪b0   Yi  b1  Xi  Y  b1 X.............................(06‬‬
‫‪n‬‬
‫‪ Y  ‬وﻫﻣﺎ اﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻘﯾم ‪ X‬واﻟوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻘﯾم ‪ Y‬ﻋﻠﻰ اﻟﺗواﻟﻲ‪،‬‬ ‫ﺣﯾث ‪، X   i‬‬
‫‪Yi‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬
‫واﻟﺧط اﻟذي ﻧﺣﺻل ﻋﻠﯾﻪ ﯾﺳﻣﻰ ﺑﺧط اﻻﻧﺣدار اﻟﻣﻘدر أو ﺑﺧط اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى‪.‬‬
‫ﺗﻣرﯾن‪ :29‬ﯾﺑﯾن اﻟﺟدول ﺗطور اﻟﻌﻼﻗﺔ ﺑﯾن اﺳﺗﻬﻼك اﻟﻛﻬرﺑﺎء )‪ (X‬وﻣردودﯾﺔ اﻟﻌﺎﻣل )‪ (Y‬ﻓﻲ ‪ 10‬ﻣﺻﺎﻧﻊ‬
‫ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫رﻗم اﻟﻣﺻﻧﻊ‬
‫‪08‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪04‬‬ ‫‪06‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪Yi‬‬
‫‪9.10 8.90 8.50 8.20 7.90 7.40 7.20 6.80 6.10‬‬ ‫‪06‬‬ ‫‪Xi‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣﺎ ﻫو ﻧوع اﻟﻌﻼﻗﺔ ﺑﯾن ﻣردودﯾﺔ اﻟﻌﺎﻣل واﺳﺗﻬﻼك اﻟﻛﻬرﺑﺎء؟‬
‫‪-2‬ﻗدر ﻣﻌﻠﻣﺎت اﻟﻧﻣوذج اﻟﺧطﻲ اﻟﺑﺳﯾط؟‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪166‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪-3‬ﻣﺎ ﻫﻲ ﻗﯾﻣﺔ ﻣردودﯾﺔ اﻟﻌﺎﻣل ﻋﻧد ﻣﺳﺗوى ‪12=X‬؟‬
‫‪-4‬ﻛﯾف ﻧﺗﺄﻛد ﻣن أن اﻟﻣﻌﻠﻣﺎت اﻟﻣﻘدرة ﻫﻲ ﻣﻌﻠﻣﺎت طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى؟‬
‫اﻟﺣل‪:‬‬
‫‪-1‬ﻧوع اﻟﻌﻼﻗﺔ ﺑﯾن ﻣردودﯾﺔ اﻟﻌﺎﻣل واﺳﺗﻬﻼك اﻟﻛﻬرﺑﺎء‬

‫إﺳﺗﮭﻼك اﻟﻛﮭرﺑﺎء‬
‫‪10‬‬
‫ﻣردودﯾﺔ‬
‫اﻟﻣردودﯾﺔ‬
‫‪8‬‬
‫اﻟﻌﺎﻣل; ‪8‬‬
‫‪6‬‬
‫‪4‬‬
‫‪2‬‬
‫‪0‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬

‫ﻧﻼﺣظ أن اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﻣردودﯾﺔ واﺳﺗﻬﻼك اﻟﻛﻬرﺑﺎء ﻫﻲ ﻋﻼﻗﺔ ﺧطﯾﺔ ﺗﻘرﯾﺑﺎ‪.‬‬

‫‪-2‬ﺗﻘدﯾر ﻣﻌﻠﻣﺎت اﻟﻧﻣوذج اﻟﺧطﻲ اﻟﺑﺳﯾط ﺑطرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى اﻟﻌﺎدﯾﺔ‬
‫ﯾوﺿﺢ اﻟﺟدول اﻟﺗﺎﻟﻲ ﻣﺧﺗﻠف اﻟﻌﻣﻠﯾﺎت اﻟﺣﺳﺎﺑﯾﺔ‪:‬‬
‫‪Xi2‬‬ ‫‪Xi Yi‬‬ ‫‪Xi‬‬ ‫‪Yi‬‬ ‫رﻗم اﻟﻣﺻﻧﻊ‬
‫‪36‬‬ ‫‪12‬‬ ‫‪06‬‬ ‫‪02‬‬ ‫‪01‬‬
‫‪37.20‬‬ ‫‪18.30‬‬ ‫‪06.10‬‬ ‫‪03‬‬ ‫‪02‬‬
‫‪46.20‬‬ ‫‪40.80‬‬ ‫‪06.80‬‬ ‫‪06‬‬ ‫‪03‬‬
‫‪51.80‬‬ ‫‪28.80‬‬ ‫‪07.20‬‬ ‫‪04‬‬ ‫‪04‬‬
‫‪54.70‬‬ ‫‪14.80‬‬ ‫‪07.40‬‬ ‫‪02‬‬ ‫‪05‬‬
‫‪62.40‬‬ ‫‪23.70‬‬ ‫‪07.90‬‬ ‫‪03‬‬ ‫‪06‬‬
‫‪67.20‬‬ ‫‪32.80‬‬ ‫‪08.20‬‬ ‫‪04‬‬ ‫‪07‬‬
‫‪72.20‬‬ ‫‪42.50‬‬ ‫‪08.50‬‬ ‫‪05‬‬ ‫‪08‬‬
‫‪79.20‬‬ ‫‪53.40‬‬ ‫‪08.90‬‬ ‫‪06‬‬ ‫‪09‬‬
‫‪82.80‬‬ ‫‪72.80‬‬ ‫‪09.10‬‬ ‫‪08‬‬ ‫‪10‬‬
‫‪589.97‬‬ ‫‪339.90‬‬ ‫‪76.10‬‬ ‫‪43‬‬ ‫اﻟﻣﺟﻣوع‬

‫أوﻻ‪ :‬ﺣﺳﺎب ﻣﻌﺎﻣل اﻻﻧﺣدار ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪b1 ‬‬
‫‪n  Xi Yi   Xi  Yi‬‬
‫‪‬‬
‫‪10 339.90   76.10  43  01.167‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪n  Xi2 ‬‬ ‫‪  Xi ‬‬ ‫‪10 589.97    76.10‬‬
‫ﺛﺎﻧﯾﺎ‪ :‬ﺣﺳﺎب ‪b0‬‬

‫ﻧﺣﺳب أوﻻ اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻛل ﻣن ‪Y   i ، X   i‬‬

‫‪Y‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪167‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫‪‬‬
‫‪X ‬‬
‫‪ Xi  76.10  07.610‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪10‬‬
‫‪‬‬
‫‪‬‬
‫‪Y‬‬ ‫‪‬‬
‫‪ Yi  43  04.30‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪10‬‬
‫‪b0  Y  b1X  04.30   01.167  07.610  04.580‬‬ ‫إذن‬
‫وﺗﺻﺑﺢ ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار اﻟﺗﻘدﯾرﯾﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬
‫‪yi  04.580  01.167Xi‬‬
‫‪-3‬اﻟﺗﻧﺑؤ ﺑﺎﻟﻣردودﯾﺔ ﻋﻧد ﻣﺳﺗوى ‪X=12‬‬
‫‪‬‬
‫‪yi‬‬ ‫‪ 04.580  01.167 12  09.424‬‬
‫‪-4‬اﻟﺗﺄﻛد ﻣن أن اﻟﻣﻌﻠﻣﺎت اﻟﻣﻘدرة ﻫﻲ ﻣﻌﻠﻣﺎت طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى‪ :‬ﻟﻠﺗﺄﻛد ﻣن اﻟﻧﺗﯾﺟﺔ اﻟﻣﺗﺣﺻل‬
‫ﻋﻠﯾﻬﺎ ﻣن أن ‪ b1،b0‬ﻫﻲ ﻣﻌﻠﻣﺎت طرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى اﻟﻌﺎدﯾﺔ ﻧﻘوم ﺑﺣﺳﺎب ﻣﺣدد ﻣﺻﻔوﻓﺔ‬
‫اﻟﻣﺷﺗﻘﺎت اﻟﺟزﺋﯾﺔ ﻣن اﻟدرﺟﺔ اﻟﺛﺎﻧﯾﺔ ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﻣﻌﻠﻣﺎت اﻟﻣﻘدرة‬
‫‪  2 2  2 2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪‬‬ ‫‪,‬‬ ‫‪‬‬
‫‪02n , 02 X‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬‫‪b‬‬ ‫‪2‬‬
‫‪0‬‬
‫‪‬‬ ‫‪b‬‬ ‫‪‬‬‫‪b‬‬
‫‪0 1 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪i‬‬
‫‪‬‬
‫‪ 2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪i ‬‬ ‫‪‬‬ ‫‪‬‬‫‪‬‬ ‫‪‬‬
‫‪i  02 X i , 02 Xi ‬‬
‫‪ b b , b 2 ‬‬
‫‪ 0 1‬‬ ‫‪1‬‬ ‫‪‬‬
‫إذا ﻛﺎن ﻣﺣدد ﻫذﻩ اﻟﻣﺻﻔوﻓﺔ ﻣوﺟب ﻓﺎن اﻟﻣﻌﻠﻣﺗﺎن ﺗﺟﻌﻼن ﻣرﺑﻊ اﻟﺑواﻗﻲ اﺻﻐر ﻣﺎ ﯾﻣﻛن‪ ،‬وﺑﻣﺎ أن ﻣﺣدد‬
‫اﻟﻣﺻﻔوﻓﺔ ﻫو‬
‫‪2‬‬ ‫‪2‬‬
‫‪det  04n  Xi2  04‬‬ ‫‪ X ‬‬
‫‪i‬‬ ‫‪ det  04 10  589.97  04  76.10  433.96‬‬
‫إن ﻫذا اﻟﻣﻘدار ﻻ ﯾﻣﻛن أن ﯾﻛون ﺳﺎﻟﺑﺎ وﺑﺎﻟﺗﺎﻟﻲ ﻓﺎن ‪ b1،b0‬ﻣﻌﻠﻣﺗﺎن ﻟطرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى اﻟﻌﺎدﯾﺔ‪.‬‬
‫‪ 3-11‬اﻻﺳﺗدﻻل اﻹﺣﺻﺎﺋﻲ ﻟﻼﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط‪ :‬ﺣﯾث أﻧﻧﺎ اﻓﺗرﺿﻧﺎ أن ﻧﻣوذج اﻻﻧﺣدار اﻟﺧطﻲ‬
‫ﻫو ﻧﻣوذج ﺧطﻲ ﺑﺳﯾط وﺑﺎﻟﺗﺎﻟﻲ ﻧود ﺗﻘﯾﯾم ﺟودة ﻫذا اﻟﻧﻣوذج‪ ،‬أي ﻣدى ﺗوﻓﯾق ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار ﻟﻠﺑﯾﺎﻧﺎت‪،‬‬
‫وﻋﺎدة ﻣﺎ ﯾﺗم ﺗﻘﯾﯾم ﻧﻣوذج اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط ﻣن ﺧﻼل اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻹﺣﺻﺎﺋﯾﺔ ذات اﻟﻌﻼﻗﺔ‬
‫ﺑﻣﻌﻠﻣﺎت اﻟﻧﻣوذج وﺗﻛوﯾن ﻓﺗرات اﻟﺛﻘﺔ ﺣول ﻫذﻩ اﻟﻣﻌﻠﻣﺎت‪ ،‬وﻟﻛن ﻟﻠﻘﯾﺎم ﺑﻣﺛل ﻫذا اﻹﺟراء ﯾﺗطﻠب اﻷﻣر‬
‫ﻣﻌرﻓﺔ ﺧواص ﻣﻘدرات اﻟﻣرﺑﻌﺎت ﻟﻣﻌﻠﻣﺎت ﻧﻣوذج اﻻﻧﺣدار وﺗوزﯾﻌﺎﺗﻬﺎ اﻻﺣﺗﻣﺎﻟﯾﺔ وذﻟك ﻷﻧﻬﺎ اﻟﻣدﺧل‬
‫اﻟرﺋﯾﺳﻲ ﻟﻬذا اﻟﺗﻘﯾﯾم‪.‬‬
‫ﺣﯾث اﻧﻪ ﻋﻧد دراﺳﺗﻧﺎ ﻷزواج اﻟﻧﻘﺎط ‪  Xi , Yi ‬اﻋﺗﺑرﻧﺎ أن ‪ yi‬ﺗﻣﺛل اﻟﻘﯾﻣﺔ اﻟﻣﺷﺎﻫدة ﻟﻠﻣﺗﻐﯾر اﻟﻌﺷواﺋﻲ‬
‫‪ ،Y‬وﻣن ﺧﻼل اﻟﻧظر ﻟﻠﺻﯾﻎ اﻟرﯾﺎﺿﯾﺔ اﻟﺧﺎﺻﺔ ﺑﻛل ﻣن ‪ b1،b0‬ﻧﻼﺣظ أن ﻫﺎﺗﯾن اﻟﺻﯾﻐﺗﯾن ﺗﻌﺗﻣدان‬
‫ﻋﻠﻰ ﻗﯾم ‪ ، yi‬وﻋﻠﯾﻪ ﻓﺈﻧﻬﻣﺎ ﯾﻣﺛﻼن ﻗﯾم ﻣﺷﺎﻫدات ﻟﻣﺗﻐﯾرات ﻋﺷواﺋﯾﺔ وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن إﯾﺟﺎد اﻟﻘﯾﻣﺔ اﻟﻣﺗوﻗﻌﺔ‬
‫واﻟﺗﺑﺎﯾن ﻟﻬذﻩ اﻟﺻﯾﻎ‪ ،‬وان ﻟﻬذﻩ اﻟﻣﻘدرات اﻟﺧواص اﻟﺗﺎﻟﯾﺔ‪:‬‬
‫‪E  b1   B1, E  b0   B0‬‬ ‫‪ b1، b0-1‬ﻣﻘدرﯾن ﻏﯾر ﻣﺗﺣﯾزﯾن أي أن‬
‫‪-2‬ﻧﻔﺗرض أن اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ ﻟﻠﺧطﺄ ﯾﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﻣﺗوﺳط ﺣﺳﺎﺑﻲ ﯾﺳﺎوي اﻟﺻﻔر وﺗﺑﺎﯾن‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪168‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫ﯾﺳﺎوي ‪ 2‬أي ‪ ،(i=1,2,………,n) i  N 0, 2‬وﻋﻠﯾﻪ ﻓﺎن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ )اﻟﺗوزﯾﻊ اﻻﺣﺗﻣﺎﻟﻲ(‬
‫‪‬‬ ‫‪‬‬
‫ﻟﻛل ﻣن ‪ b1،b0‬ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪YX‬‬ ‫‪Xi2 ‬‬
‫‪‬‬
‫‪b 0  N  B0 , n i1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪n‬‬
‫‪i 1‬‬
‫‪‬‬
‫‪Xi  X ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪Y X‬‬ ‫‪‬‬
‫‪b1  N B1 , n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪‬‬‫‪1‬‬
‫‪‬‬
‫‪Xi  X ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪-3‬ﺣﯾث أن ﻏﺎﻟﺑﺎ ﻣﺎ ﺗﻛون ‪ 2Y X‬ﻣﺟﻬوﻟﺔ وﺑﺎﻟﺗﺎﻟﻲ ﯾﺗم اﺳﺗﺑداﻟﻬﺎ ﺑﺎﻟﻘﯾﻣﺔ اﻟﺗﻘدﯾرﯾﺔ ﻟﻬﺎ وﻫﻲ ‪ ، 2Y X‬وﺑﻣﺎ‬
‫أن ﺗوزﯾﻊ اﻟﻣﻌﺎﯾﻧﺔ ﻟﻣﻌﻠﻣﺗﻲ ﻧﻣوذج اﻻﻧﺣدار ﺗوزﯾﻊ طﺑﯾﻌﻲ وﺑﺎﻟﺗﺎﻟﻲ ﯾﻣﻛن أﯾﺿﺎ اﻹﺛﺑﺎت ﺑﺎن‪:‬‬
‫‪b0  B0‬‬
‫‪‬‬ ‫‪ t n 2‬‬
‫‪b‬‬ ‫‪‬‬ ‫‪‬‬
‫‪0‬‬
‫‪b1  B1‬‬
‫‪‬‬ ‫‪ t n 2‬‬
‫‪b‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1‬‬

‫إذن ﻣﻣﺎ ﺳﺑق ﯾﻣﻛﻧﻧﺎ اﻟﻘﯾﺎم ﺑﺎﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻹﺣﺻﺎﺋﯾﺔ اﻟﺧﺎﺻﺔ ﺑﻣﻌﻠﻣﺎت ﻧﻣوذج اﻻﻧﺣدار‬
‫اﻟﺧطﻲ اﻟﺑﺳﯾط وذﻟك ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻹﺣﺻﺎﺋﯾﺔ‪ :‬إذا ﺗﺣﻘق اﻟﺷرط اﻟﺧﺎص ﺑﺎﻟﺧطﺄ اﻟﻌﺷواﺋﻲ ‪ ، i  N 0, 2‬واﻟذي‬
‫‪‬‬ ‫‪‬‬
‫ﯾﻣﻛن اﻟﺗﺣﻘق ﻣﻧﻪ ﺑﺎﺳﺗﺧدام ﻣﺎ ﯾطﻠق ﻋﻠﯾﻪ ﺗﺳﻣﯾﺔ ﺗﺣﻠﯾل اﻟﺑواﻗﻲ‪ ،‬ﻓﺎﻧﻪ ﯾﻣﻛن اﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت اﻟﺗﺎﻟﯾﺔ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪169‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫اﻟﻘرار‬ ‫إﺣﺻﺎءة اﻻﺧﺗﺑﺎر‬ ‫اﻟﻔرﺿﯾﺔ اﻹﺣﺻﺎﺋﯾﺔ‬

‫ﻧرﻓض )‪ (H0‬ﻋﻧد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ‬ ‫أ‪-‬إﺧﺗﺑﺎر ﻣن طرﻓﯾن‪:‬‬
‫‪ α‬إذا ﻛﺎﻧت‬ ‫‪t cal ‬‬
‫‪b1  B1‬‬
‫‪‬‬
‫‪ Tcal  Ttab‬أو ‪Tcal  Ttab‬‬ ‫‪b‬‬
‫‪1‬‬
‫‪H0 : B1  b‬‬
‫‪Ttab  T‬‬ ‫ﺑﺣﯾث‬ ‫‪2Y X‬‬
‫‪‬‬ ‫‪H1 : B1  b‬‬
‫‪1  ,n 2‬‬
‫ﺣﯾث‬
‫‪‬‬
‫‪2‬‬ ‫‪b1 ‬‬
‫‪SSXX‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬
‫ﻧرﻓض )‪ (H0‬ﻋﻧد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ‬ ‫ب‪-‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬
‫‪ α‬إذا ﻛﺎﻧت‬ ‫‪t cal ‬‬
‫‪b1  B1‬‬
‫‪‬‬
‫‪Tcal  Ttab‬‬ ‫‪b‬‬ ‫‪H0 : B1  b‬‬
‫‪1‬‬

‫‪Ttab  T1 ,n 2‬‬ ‫ﺑﺣﯾث‬ ‫‪‬‬

‫‪2‬‬
‫‪Y X‬‬
‫‪H1 : B1  b‬‬
‫ﺣﯾث‬
‫‪‬‬
‫‪b1 ‬‬
‫‪SSXX‬‬
‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫ﻧرﻓض )‪ (H0‬ﻋﻧد ﻣﺳﺗوى اﻟﻣﻌﻧوﯾﺔ‬ ‫ج‪ -‬إﺧﺗﺑﺎر ﻣن طرف واﺣد‪:‬‬

‫‪ α‬إذا ﻛﺎﻧت‬ ‫‪t cal ‬‬
‫‪b1  B1‬‬
‫‪‬‬
‫‪Tcal  Ttab‬‬ ‫‪b‬‬ ‫‪H0 : B1  b‬‬
‫‪1‬‬

‫ﺑﺣﯾث‬ ‫‪H1 : B1  b‬‬

‫‪‬‬
‫‪Ttab  T1 ,n 2‬‬ ‫‪2‬‬
‫‪Y X‬‬
‫ﺣﯾث‬
‫‪‬‬
‫‪b1 ‬‬
‫‪SSXX‬‬

‫أو إذا ﻛﺎﻧت ‪Pvalue  ‬‬

‫وﺑﺎﻟﻣﺛل ﻋﻧد اﻻﺧﺗﺑﺎر ﺑﺎﻟﻧﺳﺑﺔ ﻟﻠﻣﻌﻠﻣﺔ ‪B0‬‬
‫ﺗﻣرﯾن‪ :30‬إذا اﻓﺗرﺿﻧﺎ اﻧﻪ ﺗم اﺧﺗﯾﺎر ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 12‬ﺷﺧص وﺗم ﻗﯾﺎس طول ووزن ﻛل‬
‫ﻣﻧﻬم وﻛﺎﻧت اﻟﻧﺗﺎﺋﺞ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪12‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫اﻟﺷﺧص ‪01‬‬
‫‪175 175 175 160 160 155 155 155 155 150 150 150‬‬ ‫اﻟطول‬
‫‪72‬‬ ‫‪83‬‬ ‫‪77‬‬ ‫‪65‬‬ ‫‪68‬‬ ‫‪61‬‬ ‫‪59‬‬ ‫‪63‬‬ ‫‪54‬‬ ‫‪54‬‬ ‫‪61‬‬ ‫‪50‬‬ ‫اﻟوزن‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أوﺟد ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط؟‬
‫‪H0 : B1  0‬‬
‫‪-2‬إﺧﺗﺑر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪%05‬‬
‫‪H1 : B1  0‬‬
‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪170‬‬
‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫اﻟﺣل‪:‬‬
‫‪-1‬أﯾﺟﺎد ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار اﻟﺧطﻲ اﻟﺑﺳﯾط‬
‫ﯾوﺿﺢ اﻟﺟدول اﻟﺗﺎﻟﻲ ﻣﺧﺗﻠف اﻟﻌﻣﻠﯾﺎت اﻟﺣﺳﺎﺑﯾﺔ‪:‬‬
‫‪Xi2‬‬ ‫‪Xi Yi‬‬ ‫‪Xi‬‬ ‫‪Yi‬‬ ‫اﻟﺷﺧص‬
‫‪22500‬‬ ‫‪7500‬‬ ‫‪150‬‬ ‫‪50‬‬ ‫‪01‬‬
‫‪22500‬‬ ‫‪9150‬‬ ‫‪150‬‬ ‫‪61‬‬ ‫‪02‬‬
‫‪22500‬‬ ‫‪8100‬‬ ‫‪150‬‬ ‫‪54‬‬ ‫‪03‬‬
‫‪24050‬‬ ‫‪8370‬‬ ‫‪155‬‬ ‫‪54‬‬ ‫‪04‬‬
‫‪24050‬‬ ‫‪8765‬‬ ‫‪155‬‬ ‫‪63‬‬ ‫‪05‬‬
‫‪24050‬‬ ‫‪9145‬‬ ‫‪155‬‬ ‫‪59‬‬ ‫‪06‬‬
‫‪24050‬‬ ‫‪9455‬‬ ‫‪155‬‬ ‫‪61‬‬ ‫‪07‬‬
‫‪25600‬‬ ‫‪10880‬‬ ‫‪160‬‬ ‫‪68‬‬ ‫‪08‬‬
‫‪25600‬‬ ‫‪10400‬‬ ‫‪160‬‬ ‫‪65‬‬ ‫‪09‬‬
‫‪30625‬‬ ‫‪13475‬‬ ‫‪175‬‬ ‫‪77‬‬ ‫‪10‬‬
‫‪30625‬‬ ‫‪14525‬‬ ‫‪175‬‬ ‫‪83‬‬ ‫‪11‬‬
‫‪30625‬‬ ‫‪12600‬‬ ‫‪175‬‬ ‫‪72‬‬ ‫‪12‬‬
‫‪306675‬‬ ‫‪123365‬‬ ‫‪1915‬‬ ‫‪767‬‬ ‫اﻟﻣﺟﻣوع‬

‫أوﻻ‪ :‬ﺣﺳﺎب ﻣﻌﺎﻣل اﻻﻧﺣدار ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬

‫‪b1 ‬‬
‫‪n  Xi Yi   Xi  Yi‬‬
‫‪‬‬
‫‪12123365  1915 767   0.899‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪n  Xi2 ‬‬ ‫‪  Xi ‬‬ ‫‪12 306675  1915‬‬
‫ﺛﺎﻧﯾﺎ‪ :‬ﺣﺳﺎب ‪b0‬‬

‫ﻧﺣﺳب أوﻻ اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻛل ﻣن ‪Y   i ، X   i‬‬

‫‪Y‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬
‫‪X ‬‬
‫‪ Xi  1915  159.583‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪12‬‬
‫‪‬‬
‫‪‬‬
‫‪Y‬‬ ‫‪‬‬
‫‪ Yi  767  63.916‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪12‬‬
‫‪b0  Y  b1X  63.916   0.899159.583  79.60‬‬ ‫إذن‬
‫وﺗﺻﺑﺢ ﻣﻌﺎدﻟﺔ اﻻﻧﺣدار اﻟﺗﻘدﯾرﯾﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪‬‬
‫‪yi  79.60  0.899Xi‬‬
‫‪H0 : B1  0‬‬
‫‪-2‬إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ‬
‫‪H1 : B1  0‬‬
‫ﻗﺑل إﺟراء اﻻﺧﺗﺑﺎر ﻧﺣﺳب أوﻻ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻸﺧطﺎء اﻟﻌﺷواﺋﯾﺔ ﻛﻣﺎ ﯾﻠﻲ‪:‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪171‬‬

 ‫ﻋﺎﺑﺪ ﻋﻠﻲ‬:‫اﻟﺪﻛﺘﻮر‬ ‫اﺧﺘﺒﺎر اﻟﻔﺮوض‬:‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‬
n 2
  
  y
 i  y i
1 n 2 
2Y X  i1   

  yi  y  b1SSxy 
n2 n  2  i1 
2
 n 
n n 
 yi 
‫ﺑﺣﯾث‬
2
  yi  y   SSyy   y 2   i1 
i
i 1 i 1 n
2
 n 
n
 yi 
 i1    767 
2

SSyy   2
yi     50075   1050.917
i1 n 12
 n  n 

 Xi  Yi 
  123365  1915 767   964.583
n  
SSxy   X i Yi   i1  i1

i 1 n 12
n   2

   yi  yi 
i1   1  n 2 
2
 yi  y   b1SSxy  
n  2 
Y X   
‫إذن‬
n2 i1 
1 1050.917  0.899 964.583   18.3757

12  2    

2Y X b1  B1
‫ﺑﺣﯾث‬ :‫ﻧﺣﺳب اﻵن ﻗﯾﻣﺔ ﺳﺗوﻧت اﻟﻣﺣﺳوﺑﺔ ﻛﻣﺎ ﯾﻠﻲ‬

b1  t cal  
SSXX b
1
2
 n 
n 
 Xi 
1915
2

SSxx   2  i 1
Xi    306675   1072.917 : ‫ ﻛﺎﻟﺗﺎﻟﻲ‬SSxx ‫ﻧﺣﺳب أوﻻ ﻗﯾﻣﺔ‬
i1 n 12

2Y X 18.3757
b    0.13086
1 SSXX 1072.916
b1  B1
t cal    t cal 
0.899  0
 06.896 ‫إذن‬
b 0.13086
1

‫ ﻧﺟد أن‬%05 ‫ وﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬10 ‫وﻣن ﺟدول ﺳﺗوﻧت وﺑدرﺟﺔ ﺣرﯾﺔ ﺗﺳﺎوي‬
Ttab  T  Ttab  T 0.05  T0.975,10  0.228
1  ,n 2 1 ,122
2 2
02.228 ‫ أﻛﺑر ﻣن ﻗﯾﻣﺔ ﺳﺗوﻧت اﻟﻣﺟدوﻟﺔ وﻫﻲ‬06.868 ‫وﺣﯾث أن ﻗﯾﻣﺔ ﺳﺗودﻧت اﻟﻣﺣﺳوﺑﺔ وﻫﻲ‬
.‫وﺑﺎﻟﺗﺎﻟﻲ ﻧرﻓض اﻟﻔرﺿﯾﺔ اﻟﻌدﻣﯾﺔ وﻧﻘﺑل اﻟﻔرﺿﯾﺔ اﻟﺑدﯾﻠﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ 172

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬

‫ﺗﻣﺎرﯾن اﻟﻣﺣور اﻟﺛﺎﻟث‬

‫اﻟﺗﻣرﯾن اﻷول‪:‬ﯾدﻋﻲ اﺣد ﻣوردي آﻻت اﻟﺗﻌﺑﺋﺔ أن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻠﻌﺑوة ﻫو ‪ 0.50‬ﻛﻎ‪ ،‬وﻟﻠﺗﺄﻛد ﻣن‬
‫ﺻﺣﺔ إدﻋﺎء اﻟﻣورد ﺗم ﺳﺣب ﻋﯾﻧﺔ ﻣن اﻟﻌﺑوات ﺣﺟﻣﻬﺎ ‪ 36‬ﻋﺑوة ﻓﺑﻠﻎ ﻣﺗوﺳط اﻟﻌﺑوة ‪0.495‬ﻛﻎ ﻓﺈذا ﻋﻠم‬
‫أن اﻷوزان اﻟﻣﻌﺑﺄة ﺗﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 24‬ﻛﻎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﯾﻣﻛن ﻟﻠﺷرﻛﺔ اﺗﺧﺎذ ﻗرار ﺣول ﺷراء ﻣﺛل ﻫذﻩ اﻵﻻت وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻧﻲ‪ :‬ﺗﻌﺗﻘد اﻟﺷرﻛﺔ اﻟﻌﺎﻣﺔ ﻟﻠﺑرﯾد أن دﺧﻠﻬﺎ اﻟﺷﻬري ﻣن اﻟﻣﻛﺎﻟﻣﺎت اﻟﻬﺎﺗﻔﯾﺔ اﻟدوﻟﯾﺔ ﻗد ﺗزاﯾد‬
‫ﺑﺷﻛل واﺿﺢ‪ ،‬وﻟﺗﺄﻛﯾد ﻫذا اﻻﻋﺗﻘﺎد اﺧﺗﯾرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 100‬ﺳﺟل ﻣن ﺳﺟﻼت زﺑﺎﺋﻧﻬﺎ‬
‫ﻓوﺟد أن ﻣﺗوﺳط اﻟﻘﺳط اﻟﺷﻬري اﻟﻣدﻓوع ﻋن اﻟﻣﻛﺎﻟﻣﺎت اﻟدوﻟﯾﺔ ﯾﺳﺎوي ‪ 22.10‬ون‪ ،‬ﻓﺈذا ﻛﺎﻧت ﺳﺟﻼت‬
‫اﻟﺷرﻛﺔ ﺗﺷﯾر إﻟﻰ أن ﻣﺗوﺳط اﻟﻘﺳط اﻟﺷﻬري اﻟذي ﯾدﻓﻌﻪ اﻟزﺑﺎﺋن ﻋن اﻟﻣﻛﺎﻟﻣﺎت اﻟدوﻟﯾﺔ ﻫو ‪17.10‬ون‬
‫وﺑﺗﺑﺎﯾن ﯾﺳﺎوي ‪ 450‬ون‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﺗؤﯾد اﻋﺗﻘﺎد اﻟﺷرﻛﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪ ،(α=0.01‬ﻣﻊ ﻓرﺿﯾﺔ أن اﻟدﺧل اﻟﺷﻬري ﯾﺗﺑﻊ اﻟﺗوزﯾﻊ‬
‫اﻟطﺑﯾﻌﻲ؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻟث‪ :‬ﯾدﻋﻲ ﻣدﯾر ﻣﺻﻧﻊ ﻟﻠرواﺋﺢ اﻟﻌطرﯾﺔ‪ ،‬أن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻛﻣﯾﺔ اﻟﻌطر اﻟذي ﺗﺣﺗوﯾﻪ‬
‫زﺟﺎﺟﺔ اﻟﻛوﻟوﻧﯾﺎ ﻋﻠﻰ اﻷﻗل ‪ 50‬ﺳم‪ ،3‬ﺑﺗﺑﺎﯾن ﯾﺳﺎوي ‪ ،16‬وﻻﺧﺗﺑﺎر ﻫذا اﻻدﻋﺎء ﺳﺣﺑت ﻣن اﻹﻧﺗﺎج اﻟﻛﻠﻲ‬
‫ﻟﻠﻣﺻﻧﻊ ‪ 144‬زﺟﺎﺟﺔ‪ ،‬وﻛﺎن اﻟﻣﺗوﺳط اﻟﺣﺳﺎﺑﻲ ﻟﻌﺑوة زﺟﺎﺟﺎت اﻟﻌﯾﻧﺔ ‪ 49.20‬ﺳم‪.3‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬اﺧﺗﺑر ﺻﺣﺔ ادﻋﺎء اﻟﻣدﯾر ﺑﺎﺳﺗﺧدام ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺗﻣرﯾن اﻟراﺑﻊ‪ :‬ﯾﻌﺗﻘد ﺑﺎﺣث ﻓﻲ ﻣرﻛز اﻟﺑﺣوث اﻟزراﻋﯾﺔ أن ﻫﻧﺎك ﻧوع ﺟدﯾد ﻣن اﻟطﻣﺎطم ﺗـم ﺗﻬﺟﯾﻧـﻪ ﯾﻧﻣـو‬
‫ﺑﺳرﻋﺔ أﻛﺛر ﻣن اﻟﻧوع اﻟﻣﺗداول ﺑﯾن اﻟﻣزارﻋﯾن ﺣﺎﻟﯾﺎ ﺗﺣت ﻧﻔس اﻟظروف اﻟﺑﯾﺋﯾﺔ‪ ،‬ﺣﯾث ﯾﻛون ﻣﺗوﺳط طول‬
‫ﺷﺗﻠﺔ اﻟطﻣﺎطم ﻣن اﻟﻧوع اﻟﺟدﯾد ‪ 07.60‬ﺳم ﺑﻌد ﻓﺗرة زﻣﻧﯾﺔ ﻣﻌﯾﻧﺔ‪ ،‬وﻟﺗﺄﻛﯾـد اﻻﻋﺗﻘـﺎد ﻗـﺎم ﺑز ارﻋـﺔ ‪ 10‬ﺑـذور‬
‫ﻣـ ـ ـ ـ ـ ـ ـ ــن اﻟﻧ ـ ـ ـ ـ ـ ـ ـ ــوع اﻟﺟدﯾ ـ ـ ـ ـ ـ ـ ـ ــد وﺑﻌ ـ ـ ـ ـ ـ ـ ـ ــد ﻧﻔ ـ ـ ـ ـ ـ ـ ـ ــس اﻟﻔﺗـ ـ ـ ـ ـ ـ ـ ـ ـرة اﻟزﻣﻧﯾ ـ ـ ـ ـ ـ ـ ـ ــﺔ ﺗ ـ ـ ـ ـ ـ ـ ـ ــم ﻗﯾ ـ ـ ـ ـ ـ ـ ـ ــﺎس اﻷطـ ـ ـ ـ ـ ـ ـ ـ ـوال ﻓﻛﺎﻧ ـ ـ ـ ـ ـ ـ ـ ــت‬
‫ﻛﻣﺎ ﯾﻠﻲ‪07.50 ،07.90 ، 07.90 ،09.10 ،08.50 ،07.80 ،08.10،08.50،80.10،06.60:‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫ﺑﻧﺎء ﻋﻠﻰ ﻫذﻩ اﻟﺑﯾﺎﻧﺎت ﻫل اﻋﺗﻘﺎد ﻫذا اﻟﺑﺎﺣث ﺻﺣﯾﺣﺎ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪،(α=0.05‬إذا ﻓرﺿﻧﺎ أن‬
‫أطوال ﻫذﻩ اﻟﻧﺑﺎﺗﺎت ﺗﺗﺑﻊ اﻟﺗوزﯾﻊ اﻟطﺑﯾﻌﻲ ﺗﻘرﯾﺑﺎ؟‬
‫اﻟﺗﻣرﯾن اﻟﺧﺎﻣس‪ :‬إذا ﻋﻠﻣت أن ﻣﺗوﺳط درﺟﺎت اﻟﺣ اررة ﺧﻼل ‪ 10‬أﯾﺎم ﻣن ﺷﻬر ﺟوﯾﻠﯾﺔ ﻓﻲ وﻻﯾﺔ ﺗﯾﺎرت‬
‫ﺑﻠﻐت ‪ 35‬درﺟﺔ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ 01.30‬درﺟﺔ‪ ،‬وان ﻣﺗوﺳط درﺟﺎت اﻟﺣ اررة ﻟﻧﻔس اﻟﻔﺗرة ﻓﻲ وﻻﯾﺔ‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪173‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫وﻫران ﺑﻠﻐت ‪ 30‬درﺟﺔ‪ ،‬ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﻗدرﻩ ‪ ،01.50‬ﻋﻠﻣﺎ أن ﺗﺑﺎﯾﻧﻲ اﻟﻣﺟﺗﻣﻌﯾن ﻣﺗﺳﺎوﯾﯾن‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫ﻫل ﺗﻌﺗﻘد أن ﻣﺗوﺳط درﺟﺎت اﻟﺣ اررة ﻓﻲ وﻻﯾﺔ ﺗﯾﺎرت ﯾﺧﺗﻠف ﻋن ﻣﺗوﺳط درﺟﺎت اﻟﺣ اررة ﻓﻲ وﻻﯾﺔ وﻫران‪،‬‬
‫وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎدس‪ :‬ﻟﻠﻣﻘﺎرﻧﺔ ﺑﯾن ﻣﺳﺗوى ﻛﻔﺎءة اﻟذﻛور واﻹﻧﺎث ﻓﻲ اﺳﺗﺧدام ﺑرﻧﺎﻣﺞ ﻛﺗﺎﺑﺔ اﻟﻧﺻوص‬
‫)‪ ،(Word‬ﺣﯾث طﻠب ﻣن ﻛل ﻓرد ﻓﻲ ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﻋﺷرة ذﻛور وﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ﺛﻣﺎﻧﻲ إﻧﺎث‪،‬‬
‫ﻣﻣن ﻟﻬم ﺗﻘرﯾﺑﺎ ﻧﻔس ﻣﺳﺗوى اﻟﺗدرﯾب‪،‬ﻛﺗﺎﺑﺔ ﻣﻘﺎل ﻣﻌﯾن ﺑﺈﺳﺗﺧدام ﻫذا اﻟﺑرﻧﺎﻣﺞ وﻓﻲ ﻧﻬﺎﯾﺔ اﻟﺗﺟرﺑﺔ ﺗم ﻗﯾﺎس‬
‫اﻟزﻣن اﻟذي اﺳﺗﻐرﻗﻪ ﻛل ﻣﻧﻬم ﻓﻲ اﻟﻛﺗﺎﺑﺔ ﻓﻛﺎن ﻣﺗوﺳط اﻟزﻣن اﻟﻣﺳﺗﻐرق ﻓﻲ ﻋﯾﻧﺔ اﻟذﻛور ‪ 06.40‬دﻗﯾﻘﺔ‬
‫ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ‪ 60‬ﺛﺎﻧﯾﺔ‪ ،‬وﻛﺎن ﻣﺗوﺳط اﻟزﻣن ﻓﻲ ﻋﯾﻧﺔ اﻹﻧﺎث ‪ 05.20‬دﻗﯾﻘﺔ ﺑﺎﻧﺣراف ﻣﻌﯾﺎري‬
‫‪ 48‬ﺛﺎﻧﯾﺔ‪.‬‬
‫وﻋﻠﻰ ﻓرض أن ﺗﺑﺎﯾن زﻣن اﻟﻛﺗﺎﺑﺔ ﻣﺗﺳﺎوي ﻓﻲ ﻣﺟﺗﻣﻌﻲ اﻟدراﺳﺔ وان ﻛﻼ ﻣﻧﻬﻣﺎ ﯾﺗﺑﻊ ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ‬
‫ﺗﻘرﯾﺑﺎ‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻫل ﺗؤﯾد ﻫذﻩ اﻟﺑﯾﺎﻧﺎت اﻟﻘول ﺑﺎن اﻟذﻛور أﻓﺿل ﻣن اﻹﻧﺎث ﻓﻲ اﺳﺗﺧدام ﻫذا اﻟﺑرﻧﺎﻣﺞ وذﻟك ﻋﻧد‬
‫ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.01‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺳﺎﺑﻊ‪ :‬ﺗرﻏب إدارة أﺣد اﻟﻣطﺎﻋم ﻓﻲ ﺗﺣدﯾد ﻣﺎ إذا ﻛﺎن ﻟﻠدﻋﺎﯾﺔ أﺛر ﻋﻠﻰ زﯾﺎدة ﻣﺗوﺳط دﺧﻠﻬﺎ‬
‫اﻟﯾوﻣﻲ‪ ،‬وﺑﺎﻟﺗﺎﻟﻲ ﻗﺎﻣت ﺑﺗﺳﺟﯾل اﻟدﺧل اﻟﯾوﻣﻲ وﻟﻣدة ‪ 50‬ﯾوم ﻗﺑل اﻟدﻋﺎﯾﺔ ﻓﻛﺎن اﻟﻣﺗوﺳط ﯾﺳﺎوي‬
‫‪ 1255‬ون‪ ،‬ﺛم ﻗﺎﻣت ﺑدﻋﺎﯾﺔ ﻋن طرﯾق اﻟﺻﺣف واﻹذاﻋﺔ اﻟﻣرﺋﯾﺔ‪ ،‬وﺑﻌد ‪ 20‬ﯾوﻣﺎ ﻣن اﻟدﻋﺎﯾﺔ ﻗﺎﻣت‬
‫ﺑﺗﺳﺟﯾل اﻟدﺧل اﻟﯾوﻣﻲ وﻟﻣدة ‪ 30‬ﯾوﻣﺎ ﻓﻛﺎن اﻟﻣﺗوﺳط ‪ 1330‬ون‪ ،‬ﻓﺈذا اﻓﺗرﺿﻧﺎ أن اﻻﻧﺣراف اﻟﻣﻌﯾﺎري‬
‫ﻟﻠدﺧل اﻟﯾوﻣﻲ ﻗﺑل اﻟدﻋﺎﯾﺔ ﯾﺳﺎوي ‪ 215‬ون ﺑﯾﻧﻣﺎ اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻠدﺧل اﻟﯾوﻣﻲ ﺑﻌد اﻟدﻋﺎﯾﺔ ﯾﺳﺎوي‬
‫‪ 238‬ون‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣن ﻫذﻩ اﻟﺑﯾﺎﻧﺎت ﻫل ﯾﻣﻛن اﻟﻘول ﺑﺎن ﻣﺗوﺳط اﻟدﺧل اﻟﯾوﻣﻲ ﻟﻬذا اﻟﻣطﻌم ﻗد زاد ﺑﻌد اﻟدﻋﺎﯾﺔ‪ ،‬وذﻟك‬
‫ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ)‪(α=0.10‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻣن‪ :‬ﻓﯾﻣﺎ ﯾﻠﻲ اﻟﻌﻼﻣﺎت اﻟﺗﻲ ﺣﺻل ﻋﻠﯾﻬﺎ ‪ 08‬ﻣﻧﺗﺟﯾن ﻓﻲ اﺧﺗﺑﺎر ﻟﻛﻔﺎءة اﻷداء ﻗﺑل وﺑﻌد‬
‫اﻧﺗﻬﺎء دورة ﺗدرﯾﺑﯾﺔ ﻋﻠﻰ ﻣﻘﯾﺎس ﻣن ‪ 5-1‬درﺟﺎت‬
‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫رﻗم اﻟﺷﺧص‬
‫‪05‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪05‬‬ ‫‪08‬‬ ‫‪06‬‬ ‫‪09‬‬ ‫‪04‬‬ ‫‪05‬‬ ‫‪08‬‬ ‫ﻗﺑل اﻟدورة‬
‫‪07‬‬ ‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪11‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪07‬‬ ‫‪10‬‬ ‫ﺑﻌد اﻟدورة‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪174‬‬

 ‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺧﺗﺑر ﻓﯾﻣﺎ ذا ﻛﺎﻧت اﻟدورة ﺗزﯾد ﻣن ﻛﻔﺎءة اﻷداء ﻟﻠﻣﻧﺗﺟﯾن‪ ،‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.01‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺗﺎﺳﻊ‪ :‬وﻛﺎﻟﺔ ﻣﺑﯾﻌﺎت ﺗرب ﺑﺗﻘدﯾر اﻟﻔرق ﺑﯾن ﻧﺳﺑﺔ اﻟﻠذﯾن ﯾﺳﺗﺧدﻣون ﻧوﻋﯾن ﻣن ﻣﻌﺟوﻧﻲ‬
‫اﻷﺳﻧﺎن‪ ،‬ﻓﻲ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ 500‬ﻣن اﻟذﯾن ﯾﺳﺗﺧدﻣون اﻟﻧوع اﻷول "أ"‪ % 20 ،‬ﻣﻧﻬم ﻻ ﯾرﻏﺑون اﻟﺗﻐﯾﯾر‬
‫ﻟﻧوع آﺧر‪ ،‬وﻓﻲ ﻋﯾﻧﺔ ﺣﺟﻣﻬﺎ ‪ 400‬ﻣن ﻣﺳﺗﺧدﻣﻲ اﻟﻧوع اﻟﺛﺎﻧﻲ "ب"‪ %13 ،‬ﻻ ﯾرﻏﺑون ﻓﻲ اﻟﺗﻐﯾﯾر ﻟﻧوع‬
‫آﺧر‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬أﺧﺗﺑر ﻓﯾﻣﺎ إذا ﻛﺎﻧت اﻟﻧﺳﺑﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻷول أﻛﺑر ﻣن اﻟﻧﺳﺑﺔ ﻟﻠﻣﺟﺗﻣﻊ اﻟﺛﺎﻧﻲ‪ ،‬وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.01‬؟‬
‫اﻟﺗﻣرﯾن اﻟﻌﺎﺷر‪ :‬ﺗم ﺳؤال ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 200‬طﺎﻟب وﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﻣن ‪ 150‬طﺎﻟﺑﺔ ﻋن ﻣدى‬
‫اﻟﺗزاﻣﻬم ﺑﺣﺿور ﺟﻣﯾﻊ اﻟﻣﺣﺎﺿرات أﺛﻧﺎء ﺗواﺟدﻫم داﺧل اﻟﺣرم اﻟﺟﺎﻣﻌﻲ‪ ،‬ﻓوﺟد أن ‪ 124‬طﺎﻟﺑﺎ و‪105‬‬
‫طﺎﻟﺑﺔ ﻣن طﻠﺑﺔ اﻟﻌﯾﻧﺔ ﯾﻠﺗزﻣون ﺑﺣﺿور ﺟﻣﯾﻊ اﻟﻣﺣﺎﺿرات‪.‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪ ،%05‬ﻫل ﺗﻌطﻲ ﻫذﻩ اﻟﻣﻌﻠوﻣﺎت دﻻﻟﺔ ﻛﺎﻓﯾﺔ ﻋﻠﻰ أن اﻟطﺎﻟﺑﺎت أﻛﺛر اﻟﺗزاﻣﺎ ﻣن‬
‫اﻟطﻼب ﺑﺣﺿور اﻟﻣﺣﺎﺿرات؟‬
‫اﻟﺗﻣرﯾن اﻟﺣﺎدي ﻋﺷر‪ :‬ﯾدﻋﻲ ﻣدﯾر ﻣﺻﻧﻊ ﻟﺻﻧﺎﻋﺔ ﻧوع ﻣﻌﯾن ﻣن اﻷﻧﺎﺑﯾب‪ ،‬أن طول اﻷﻧﺎﺑﯾب اﻟﻣﻧﺗﺟﺔ‬
‫ﻓﻲ ﻣﺻﻧﻌﻪ ﺗﺗوزع ﺗوزﯾﻌﺎ طﺑﯾﻌﯾﺎ ﺑﺗﺑﺎﯾن ﯾﺳﺎوي‪ 0.09‬أو اﻗل‪ ،‬وﻟﻛن ﯾﺷك اﻟﻣﺳؤوﻟون ﻋﻠﻰ رﻗﺎﺑﺔ اﻹﻧﺗﺎج‬
‫ﻓﻲ ذﻟك‪ ،‬وﯾﻌﺗﻘدون أن ﺗﺑﺎﯾن أطوال اﻷﻧﺎﺑﯾب اﻟﻣﻧﺗﺟﺔ ﻓﻲ ﻫذا اﻟﻣﺻﻧﻊ اﻛﺑر ﻣن ‪ ،0.09‬ﻟذﻟك ﺳﺣﺑوا ﻋﯾﻧﺔ‬
‫ﻋﺷواﺋﯾﺔ ﺗﺣﺗوي ﻋﻠﻰ ‪ 25‬أﻧﺑوﺑﺔ ووﺟدوا أن ﺗﺑﺎﯾن أطوال أﻧﺎﺑﯾب اﻟﻌﯾﻧﺔ ﯾﺳﺎوي ‪.0.10‬‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬إﺧﺗﺑر ﺻﺣﺔ ادﻋﺎء اﻟﻣدﯾر ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ )‪(α=0.05‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻧﻲ ﻋﺷر‪ :‬ﺗﺳﺗﺧدم اﻟﺷرﻛﺔ اﻟﻌﺎﻣﺔ ﻟﻠﻣﺷروﺑﺎت اﻟﻐﺎزﯾﺔ آﻟﺔ ﻟﺗﻌﺑﺋﺔ ﻗوارﯾر ﺳﻌﺗﻬﺎ ‪ 200‬ﻣل‪،‬‬
‫وﻟﻛن ﻫﻧﺎك ﻧوع ﻣن اﻟﻌﺷواﺋﯾﺔ ﻓﻲ ﻛﻣﯾﺔ اﻟﻣﺷروب اﻟﻣﻌﺑﺋﺔ ﺑﻬذﻩ اﻟﻘوارﯾر‪ ،‬ﻫذﻩ اﻟﻛﻣﯾﺔ ﺗﺗوزع ﺗوزﯾﻊ طﺑﯾﻌﻲ‬
‫ﺑﺎﻧﺣراف ﻣﻌﯾﺎري ﯾﺳﺎوي ‪ 03‬ﻣل‪ ،‬وﺑﺳﺑب ﻫذﻩ اﻟﻌﺷواﺋﯾﺔ ﻓﻲ اﻟﻛﻣﯾﺔ اﻟﻣﻌﺑﺋﺔ ﻓﻲ اﻟﻘوارﯾر‪ ،‬ﻗررت دارة‬
‫اﻟﺷرﻛﺔ ﺷراء آﻟﺔ ﻣن ﻧوع آﺧر ﺗدﻋﻲ اﻟﺷرﻛﺔ اﻟﻣﺻﻧﻌﺔ ﻟﻬﺎ أﻧﻬﺎ أﻓﺿل ﻣن اﻟﻧوع اﻟﻣﺳﺗﺧدم ﺣﺎﻟﯾﺎ‪ ،‬وﻟﻛن‬
‫ﻫذﻩ اﻹدارة ﺳوف ﻟن ﺗﻘدم ﻋﻠﻰ اﻟﺷراء إﻻ إذا ﻛﺎﻧت اﻟﻛﻣﯾﺔ اﻟﻣﻌﺑﺋﺔ ﺑﺎﺳﺗﺧدام ﻫذﻩ اﻵﻟﺔ اﻗل ﻋﺷواﺋﯾﺔ ﻣن‬
‫اﻵﻟﺔ اﻟﺳﺎﺑﻘﺔ‪ ،‬وﻟذﻟك ﻗﺎﻣت ﺑﺗﺟرﺑﺔ اﻵﻟﺔ اﻟﺟدﯾدة واﺧﺗﺎرت ﻋﯾﻧﺔ ﻋﺷواﺋﯾﺔ ﺗﺗﻛون ﻣن ‪ 71‬ﻗﺎرورة ﻓﻛﺎن‬
‫اﻻﻧﺣراف اﻟﻣﻌﯾﺎري ﻟﻬذﻩ اﻟﻌﯾﻧﺔ ﯾﺳﺎوي‪ 02.50‬ﻣل‪.‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪175‬‬

‫اﻟﺪﻛﺘﻮر‪:‬ﻋﺎﺑﺪ ﻋﻠﻲ‬ ‫اﻟﻤﺤﻮر اﻟﺜﺎﻟﺚ‪:‬اﺧﺘﺒﺎر اﻟﻔﺮوض‬
‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣن ﻫذﻩ اﻟﺑﯾﺎﻧﺎت ﻫل ﻫﻧﺎك ﻣﺑرر ﻹدارة ﻫذﻩ اﻟﺷرﻛﺔ ﺑﺷراء ﻫذﻩ اﻵﻟﺔ وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ‬
‫)‪(α=0.05‬؟‬
‫اﻟﺗﻣرﯾن اﻟﺛﺎﻟث ﻋﺷر‪ :‬ﻗﺎم ﻣﻛﺗب دراﺳﺎت اﻗﺗﺻﺎدﯾﺔ ﺑدراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﯾن اﻟدﺧل )دﺧل اﻟﻌﺎﺋﻼت( واﺳﺗﻬﻼك‬
‫اﻟﺣﻠﯾب ﻓﻛﺎﻧت اﻟﻧﺗﺎﺋﺞ ﻛﺎﻟﺗﺎﻟﻲ‪:‬‬
‫‪11‬‬ ‫‪10‬‬ ‫‪09‬‬ ‫‪08‬‬ ‫‪07‬‬ ‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫‪t‬‬

‫‪20.4‬‬ ‫‪20‬‬ ‫‪21.3 22.4 24.3 23.6‬‬ ‫‪25‬‬ ‫اﻻﺳﺗﻬﻼك ‪25.8 30.2 28.9 31.6‬‬

‫‪24‬‬ ‫‪25‬‬ ‫‪22‬‬ ‫‪20‬‬ ‫‪17‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪15‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪10‬‬ ‫اﻟدﺧل‬

‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ﻣﺎ ﻫو ﺷﻛل اﻟﻌﻼﻗﺔ ﺑﯾن اﻻﺳﺗﻬﻼك واﻟدﺧل؟‬
‫‪-2‬ﻗدر ﻣﻌﻠﻣﺎت اﻟﻧﻣوذج اﻟﺧطﻲ اﻟﺑﺳﯾط ﺑطرﯾﻘﺔ اﻟﻣرﺑﻌﺎت اﻟﺻﻐرى اﻟﻌﺎدﯾﺔ؟‬
‫‪-3‬أدرس ﺻﻼﺣﯾﺔ اﻟﻧﻣوذج وذﻟك ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪%05‬؟‬
‫اﻟﺗﻣرﯾن اﻟراﺑﻊ ﻋﺷر‪ :‬ﻟﯾﻛن ﻟدﯾك اﻟﺟدول اﻟﺗﺎﻟﻲ واﻟذي ﯾوﺿﺢ اﻟطﺑﯾﻌﺔ ﺑﯾن ﻣﺗﻐﯾرﯾن‬
‫‪06‬‬ ‫‪05‬‬ ‫‪04‬‬ ‫‪03‬‬ ‫‪02‬‬ ‫‪01‬‬ ‫‪X‬‬

‫‪02‬‬ ‫‪04‬‬ ‫‪05‬‬ ‫‪03‬‬ ‫‪04‬‬ ‫‪06‬‬ ‫‪Y‬‬

‫اﻟﻣطﻠوب‪:‬‬
‫‪-1‬ارﺳم اﻟﺷﻛل اﻻﻧﺗﺷﺎري؟‬
‫‪-2‬أوﺟد ﻣﻌﺎدﻟﺔ اﻧﺣدار ‪ Y‬ﻋﻠﻰ ‪ X‬اﻟﺗﻘدﯾرﯾﺔ؟‬
‫‪H0 : B1  0‬‬
‫‪-3‬إﺧﺗﺑر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.05‬‬
‫‪H1 : B1  0‬‬
‫‪H0 : B0  0‬‬
‫‪-4‬إﺧﺗﺑر اﻟﻔرﺿﯾﺔ اﻟﺗﺎﻟﯾﺔ ﻋﻧد ﻣﺳﺗوى ﻣﻌﻧوﯾﺔ ‪0.01‬‬
‫‪H1 : B1  0‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪176‬‬

‫ﻗﺎﺋﻣﺔ اﻟﻣراﺟﻊ‬
 ‫ﻗﺎﺋﻤﺔ اﻟﻤﺮاﺟﻊ‬

‫‪-1‬ﻗﺎﺋﻣﺔ اﻟﻣراﺟﻊ ﺑﺎﻟﻠﻐﺔ اﻟﻌرﺑﯾﺔ‬

‫‪ .1‬إﻣﺗﺛﺎل ﻣﺣﻣد ﺣﺳن‪ ،‬ﻋﺎدل ﻣﺣﻣود ﺣﻼوة‪ ،‬ﻟﺑﯾﺑﺔ ﺣﺳب اﻟﻧﺑﻲ اﻟﻌطﺎر‪ ،‬ﻣﻘدﻣﺔ ﻓﻲ أﺳﺎﻟﯾب اﻹﺳﺗدﻻل اﻹﺣﺻﺎﺋﻲ‬
‫واﻟﺗﻧﺑؤ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬اﻟﻧﺎﺷر ﻣﻛﺗﺑﺔ اﻟوﻓﺎء اﻟﻘﺎﻧوﻧﯾﺔ‪ ،‬ﻣﺻر‪-‬اﻹﺳﻛﻧدرﯾﺔ‪2012،‬‬
‫‪ .2‬إﯾﺎد ﻣﺣﻣد اﻟﻬوﺑﻲ‪ ،‬اﻹﺣﺻﺎء اﻟﺗطﺑﯾﻘﻲ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬اﻟﻧﺎﺷر اﻟﻛﻠﯾﺔ اﻟﺟﺎﻣﻌﯾﺔ ﻟﻠﻌﻠوم واﻟﺗﻛﻧوﻟوﺟﯾﺎ‬
‫‪-‬ﺧﺎن ﯾوﻧس‪ ،-‬ﻓﻠﺳطﯾن‪2014،‬‬
‫‪ .3‬ﺑرﻧﺎر ﻏرﯾﻪ‪ ،‬طرق اﻹﺣﺻﺎء‪ ،‬ﺗرﺟﻣﺔ ﻫﯾﺛم ﻟﻣﻊ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬اﻟﻣؤﺳﺳﺔ اﻟﺟﺎﻣﻌﯾﺔ ﻟﻠدراﺳﺎت واﻟﻧﺷر واﻟﺗوزﯾﻊ‪،‬‬
‫ﺑﯾروت –ﻟﺑﻧﺎن‪1989،‬‬
‫‪ .4‬ﺛروت ﻣﺣﻣد ﻋﺑد اﻟﻣﻧﻌم‪ ،‬ﻣدﺧل ﺣدﯾث ﻟﻺﺣﺻﺎء و اﻻﺣﺗﻣﺎﻻت‪ ،‬اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬اﻟﻧﺎﺷر اﻟﻌﺑﯾﻛﺎن ﻟﻠﻧﺷر‪،‬‬
‫اﻟرﯾﺎض‪-‬اﻟﻣﻣﻠﻛﺔ اﻟﻌرﺑﯾﺔ اﻟﺳﻌودﯾﺔ‪2007،‬‬
‫‪ .5‬ﺟﺑﺎر ﻋﺑد ﻣﺿﺣﻲ‪،‬ﻣﻘدﻣﺔ ﻓﻲ ﻧظرﯾﺔ اﻻﺣﺗﻣﺎﻻت‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬دار اﻟﻣﺳﯾرة ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‪،‬‬
‫ﻋﻣﺎن‪-‬اﻷردن‪2011،‬‬
‫‪ .6‬ﺟﻼطو ﺟﯾﻼﻟﻲ‪ ،‬اﻹﺣﺻﺎء اﻟﺗطﺑﯾﻘﻲ ﻣﻊ ﺗﻣﺎرﯾن وﻣﺳﺎﺋل ﻣﺣﻠوﻟﺔ‪ ،‬اﻟطﺑﻌﺔ اﻻوﻟﻰ‪ ،‬دار اﻟﺧﻠدوﻧﯾﺔ ﻟﻠﻧﺷر‬
‫واﻟﺗوزﯾﻊ‪ ،‬اﻟﺟزاﺋر‪.2007،‬‬
‫‪ .7‬ﺟﻼل اﻟﺻﯾﺎد‪ ،‬ﻋﺑد اﻟﺣﻣﯾد ﻣﺣﻣد رﺑﯾﻊ‪ ،‬ﻣﺑﺎدئ اﻟطرق اﻹﺣﺻﺎﺋﯾﺔ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬ﺟدة‪-‬اﻟﻣﻣﻠﻛﺔ اﻟﻌرﺑﯾﺔ‬
‫اﻟﺳﻌودﯾﺔ‪1983 ،‬‬
‫‪ .8‬ﺟﻼل ﻣﺻطﻔﻰ اﻟﺻﯾﺎد‪ ،‬ﻣﺻطﻔﻰ ﺟﻼل ﻣﺻطﻔﻰ‪ ،‬ﻣﻘدﻣﺔ ﻓﻲ طرق اﻟﻣﻌﺎﯾﻧﺔ اﻹﺣﺻﺎﺋﯾﺔ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪،‬‬
‫اﻟﻧﺎﺷر ﻣﻛﺗﺑﺔ اﻟﺻﺑﺎح‪ ،‬اﻟﻣﻣﻠﻛﺔ اﻟﻌرﺑﯾﺔ اﻟﺳﻌودﯾﺔ‪1990 ،‬‬
‫‪ .9‬ﺣﺳن ﯾﺎﺳﯾن طﻌﻣﺔ‪ ،‬اﻻﺧﺗﺑﺎرات اﻹﺣﺻﺎﺋﯾﺔ أﺳس وﺗطﺑﯾﻘﺎت‪ ،‬اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ ‪ ،‬دار ﺻﻔﺎء ﻟﻠﻧﺷر‬
‫واﻟﺗوزﯾﻊ‪،‬ﻋﻣﺎن‪-‬اﻷردن‪2015،‬‬
‫‪ .10‬ﺣﺳن ﯾﺎﺳﯾن طﻌﻣﺔ‪،‬إﯾﻣﺎن ﺣﺳﯾن ﺣﻧوش‪ ،‬اﻹﺣﺻﺎء اﻻﺳﺗدﻻﻟﻲ‪ ،‬اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬دار ﺻﻔﺎء ﻟﻠﻧﺷر‬
‫واﻟﺗوزﯾﻊ‪،‬ﻋﻣﺎن‪-‬اﻷردن‪2015،‬‬
‫اﻟﻣﻛﺗﺑﺔ‬ ‫‪ .11‬اﻟﺣﻠﯾم ﻋﺷﻣﺎوي‪،‬ﺻﻼح ﺟﻼل‪،‬ﻣﺣﻣد ﺣﺳﯾن ﺻﺎدق‪ ،‬اﻹﺣﺻﺎء اﻟﺣﯾوي وﺗﺻﻣﯾم اﻟﺗﺟﺎرب‪،‬‬
‫اﻷﻛﺎدﯾﻣﯾﺔ‪ ،‬ﻣﺻر‪-‬اﻟﻘﺎﻫرة‪2008،‬‬
‫‪ .12‬ﺳﻠطﺎن ﻣﺣﻣد اﻟﺻﻠﺧدي‪ ،‬اﻹﺣﺻﺎء اﻟرﯾﺎﺿﻲ‪ ،‬اﻟﻧﺎﺷر ﺟﺎﻣﻌﺔ دﻣﺷق‪-‬ﻛﻠﯾﺔ اﻟﻌﻠوم‪2014-2013 ،‬‬
‫‪ .13‬ﺳﻬﯾر ﻓﻬﻣﻲ ﺣﺟﺎزي‪ ،‬ﻣﺣﻣود اﻟدرﯾﻧﻲ‪ ،‬اﻹﺣﺻﺎء اﻟﺗطﺑﯾﻘﻲ‪ ،‬اﻟﻧﺎﺷر اﻟﺷرﻛﺔ اﻟﻣﺻرﯾﺔ ﻹﻋﺎدة اﻟﺗﺎﻣﯾن‪ ،‬ﻣﺻر‪-‬‬
‫اﻟﻘﺎﻫرة‪2004/2003،‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪178‬‬

 ‫ﻗﺎﺋﻤﺔ اﻟﻤﺮاﺟﻊ‬
‫‪ .14‬ﻋﺑد اﻟﺣﻔﯾظ ﻣﺣﻣد ﻓوزي ﻣﺻطﻔﻰ‪ ،‬ﻧظرﯾﺔ إﺧﺗﺑﺎر اﻟﻔرﺿﯾﺎت )اﻹﺳﺗدﻻل اﻻﺣﺻﺎﺋﻲ‪ ،(02‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪،‬‬
‫ﻣﺟﻣوﻋﺔ اﻟﻧﯾل اﻟﻌرﺑﯾﺔ‪ ،‬اﻟﻘﺎﻫرة‪2002،‬‬
‫‪ .15‬ﻋﺑد اﻟﺣﻔﯾظ ﻣﺣﻣد ﻓوزي ﻣﺻطﻔﻰ‪ ،‬ﻧظرﯾﺔ اﻟﺗﻘدﯾر )اﻹﺳﺗدﻻل اﻻﺣﺻﺎﺋﻲ‪ ، ،(01‬ﻣﺟﻣوﻋﺔ اﻟﻧﯾل اﻟﻌرﺑﯾﺔ‪،‬‬
‫اﻟﻘﺎﻫرة‪2002،‬‬
‫‪ .16‬ﻋﺑد اﻟﺣﻣﯾد ﻋﺑد اﻟﻣﺟﯾد اﻟﺑﻠداوي‪ ،‬اﻹﺣﺻﺎء ﻟﻠﻌﻠوم اﻹدارﯾﺔ واﻟﺗطﺑﯾﻘﯾﺔ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬دار اﻟﺷروق ﻟﻠﻧﺷر‬
‫واﻟﺗوزﯾﻊ‪،‬ﻋﻣﺎن‪-‬اﻷردن‪1997،‬‬
‫‪ .17‬ﻋﺑد اﻟﻌزﯾز ﻓﻬﻣﻲ ﻫﯾﻛل‪ ،‬ﻣﺑﺎدئ اﻷﺳﺎﻟﯾب اﻹﺣﺻﺎﺋﯾﺔ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬ﺑﯾروت‪-‬ﻟﺑﻧﺎن‪1966 ،‬‬
‫‪ .18‬ﻋﺑد اﻟﻠطﯾف ﺣﺳن ﺷوﻣﺎن‪،‬ﻣﻘدﻣﺔ ﻓﻲ اﻻﺣﺻﺎء اﻟﺗطﺑﯾﻘﻲ‪ ،‬اﻟطﺑﻌﺔ اﻻوﻟﻰ‪ ،‬دار اﻟﺟﻧﺎن ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‪،‬‬
‫ﻋﻣﺎن‪-‬اﻻردن‪2015،‬‬
‫‪ .19‬ﻋﺑد اﻟﻠطﯾف ﺣﺳن ﺷوﻣﺎن‪،‬ﻣﻘدﻣﺔ ﻓﻲ اﻹﺣﺻﺎء واﻻﺳﺗﻧﺳﺎخ اﻹﺣﺻﺎﺋﻲ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬دار اﻟﺟﻧﺎن‪،‬‬
‫ﻋﻣﺎن‪-‬اﻷردن‪2008،‬‬
‫‪ .20‬ﻋدﻧﺎن ﻋﺑﺎس ﺣﻣﯾدان‪،‬ﻣطﺎﻧﯾوس ﻣﺧول‪،‬ﻓرﯾد ﺟﺎﻋوﻧﻲ‪،‬ﻋﻣﺎر ﻧﺎﺻر آﻏﺎ‪،‬اﻹﺣﺻﺎء اﻟﺗطﺑﯾﻘﻲ‪ ،‬ﻣﻧﺷورات‬
‫ﺟﺎﻣﻌﺔ دﻣﺷق‪2016-2015،‬‬
‫‪ .21‬ﻋزام ﺻﺑري‪ ،‬اﻹﺣﺻﺎء اﻟرﯾﺎﺿﻲ‪ ،‬اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ‪ ،‬دار ﺻﻔﺎء ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‪ ،‬ﻋﻣﺎن‪-‬اﻷردن‪2014 ،‬‬
‫‪ .22‬ﻋﻼء اﻟدﯾن اﻟﻘﺑﺎﻧﺟﻲ‪،‬ﺣﺳﺎم ﺣﻣﺎﻣﺔ ﻛﻣرﺟﻲ‪ ،‬اﻹﺣﺗﻣﺎل واﻹﺣﺻﺎء‪ ،‬ﻣﻧﺷورات ﺟﺎﻣﻌﺔ دﻣﺷق‪ ،‬ﺳورﯾﺎ‪-‬‬
‫دﻣﺷق‪.2012،‬‬
‫واﻟﺗطﺑﯾق‪،‬‬ ‫اﻟﻧظرﯾﺔ‬ ‫واﻻﺣﺗﻣﺎﻻت‬ ‫اﻟﻌﺟﯾﻠﻲ‪،‬اﻹﺣﺻﺎء‬ ‫ﺣﺳﯾن‬ ‫اﻟﻌﻣﺎري‪،‬ﻋﻠﻲ‬ ‫اﻟﺳﻼم‬ ‫ﻋﺑد‬ ‫‪ .23‬ﻋﻠﻲ‬
‫ﻣﻧﺷورات ‪ ،ELGA‬ﻓﺎﻟﯾﺗﺎ‪-‬ﻣﺎﻟطﺎ‪2000،‬‬
‫‪ .24‬ﻋﻠﻲ ﻧﺻر اﻟﺳﯾد اﻟوﻛﯾل‪ ،‬دروس ﻓﻲ اﻹﺣﺻﺎء اﻟﻣﺗﻘدم‪،‬دار ﻣﺻطﻔﻰ ﻟﻠطﺑﺎﻋﺔ‪ ،‬ﺑﻧﻬﺎ‪-‬اﻟﻘﺎﻫرة‪2011،‬‬
‫‪ .25‬ﻓﺗﺣﻲ أﺣﻣد ﻋﺎروري‪ ،‬اﻟﻣﻌﺎﯾﻧﺔ اﻹﺣﺻﺎﺋﯾﺔ طرﻗﻬﺎ واﺳﺗﺧداﻣﻬﺎ‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬اﻷﻛﺎدﯾﻣﯾون ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‪،‬‬
‫ﻋﻣﺎن‪-‬اﻷردن‪2013،‬‬
‫‪ .26‬ﻟﺣﺳن ﻋﺑد اﷲ‪ ،‬ﻣﻘدﻣﺔ ﻓﻲ اﻻﺣﺗﻣﺎﻻت‪ ،‬اﻟطﺑﻌﺔ اﻷوﻟﻰ‪ ،‬دار اﻟوراق ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‪ ،‬ﻋﻣﺎن‪-‬اﻷردن‪2014 ،‬‬
‫‪ .27‬ﻟﯾوﻧﺎرد ج‪.‬ﻛﺎزﻣﯾر‪ ،‬اﻹﺣﺻﺎء اﻟﺗﺟﺎري )ﻣﻠﺧﺻﺎت إﯾزي ﺷوم(‪ ،‬ﺗرﺟﻣﺔ ﻣﺻطﻔﻰ ﺟﻼل ﻣﺻطﻔﻰ‪،‬‬
‫اﻟطﺑﻌﺔ اﻷوﻟﻰ‪،‬اﻟدار اﻟدوﻟﯾﺔ ﻟﻺﺳﺗﺛﻣﺎرات اﻟﺛﻘﺎﻓﯾﺔ‪ ،‬ﻣﺻر‪-‬اﻟﻘﺎﻫرة‪2004،‬‬
‫‪ .28‬ﻣﺑﺎرك أﺳﺑر دﯾب‪ ،‬ﻣﺑﺎدئ ﻓﻲ اﻹﺣﺗﻣﺎﻻت واﻹﺣﺻﺎء‪ ،‬اﻟﻧﺎﺷر ﺟﺎﻣﻌﺔ ﺗﺷرﯾن‪ ،‬اﻟﺟﻣﻬورﯾﺔ اﻟﻌرﺑﯾﺔ‬
‫اﻟﺳورﯾﺔ‪2009/2008،‬‬
‫‪ .29‬ﻣﺣﻣد أﺑو ﯾوﺳف‪ ،‬اﻹﺣﺻﺎء ﻓﻲ ﺑﺣوث اﻟﻌﻣﻠﯾﺎت‪ ،‬اﻟﻧﺎﺷر اﻟﻣﻛﺗﺑﺔ اﻷﻛﺎدﯾﻣﯾﺔ‪ ،‬ﻣﺻر‪-‬اﻟﻘﺎﻫرة‪1989،‬‬

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ ‫‪179‬‬

 ‫ﻗﺎﺋﻤﺔ اﻟﻤﺮاﺟﻊ‬
‫ﻣﺑﺎدئ اﻹﺣﺻﺎء واﻻﺣﺗﻣﺎﻻت وﻣﻌﺎﻟﺟﺗﻬﺎ‬،‫ ﻣﻧﻰ ﻋطﺎ اﷲ اﻟﺷوﯾﻼت‬،(‫ ﻣﺣﻣد ﺣﺳﯾن ﻣﺣﻣد رﺷﯾد )اﻟﻘﺎدري‬.30
2014،‫اﻷردن‬-‫ ﻋﻣﺎن‬،‫ دار ﺻﻔﺎء ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‬،‫اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ‬،SPSS ‫ﺑﺎﺳﺗﺧدام ﺑرﻧﺎﻣﺞ‬
،(SPSS ‫ ﻣﻘدﻣﺔ ﻓﻲ اﻹﺣﺻﺎء )ﻣﺑﺎدئ وﺗﺣﻠﯾل ﺑﺎﺳﺗﺧدام‬،‫ﻋدﻧﺎن ﻣﺣﻣد ﻋوض‬،‫ ﻣﺣﻣد ﺻﺑﺣﻲ أﺑو ﺻﺎﻟﺢ‬.31
.2008،‫اﻷردن‬-‫ ﻋﻣﺎن‬،‫ دار اﻟﻣﺳﯾرة ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ واﻟطﺑﺎﻋﺔ‬،‫اﻟطﺑﻌﺔ اﻟﺛﺎﻧﯾﺔ‬
،‫ﻣرﻛز اﻟﻛﺗب اﻷردﻧﻲ‬،‫ ﻣﻘدﻣﺔ ﻓﻲ اﻹﺣﺻﺎء‬،‫ﻋدﻧﺎن ﻣﺣﻣد ﻋوض‬،‫ ﻣﺣﻣد ﺻﺑﺣﻲ أﺑو ﺻﺎﻟﺢ‬.32
1982،‫ﻋﻣﺎن‬-‫إرﺑد‬
،‫ دار اﻟﻛﺗـ ـ ـ ـ ــﺎب اﻟﺣـ ـ ـ ـ ــدﯾث‬،‫أﺳﺎﺳـ ـ ـ ـ ــﯾﺎت اﻹﺣﺻـ ـ ـ ـ ــﺎء اﻟرﯾﺎﺿـ ـ ـ ـ ــﻲ وﺗطﺑﯾﻘﺎﺗﻬـ ـ ـ ـ ــﺎ‬،‫ ﻣدﯾﺣـ ـ ـ ـ ــﺔ اﻟﺳـ ـ ـ ـ ــﯾد ﻣﺣﻣـ ـ ـ ـ ــد ﻣوﺳﻰ‬.33
2016،‫اﻟﻘﺎﻫرة‬-‫ﻣﺻر‬
‫ دار اﻟﺣﺎﻣد‬،‫ اﻟطﺑﻌﺔ اﻷوﻟﻰ‬،SPSS ‫ اﻹﺣﺻﺎء اﻟﺗﺣﻠﯾﻠﻲ ﻣﻊ ﺗطﺑﯾﻘﺎت ﺑرﻣﺟﯾﺔ‬،‫ ﻧﺑﯾل ﺟﻣﻌﻪ ﺻﺎﻟﺢ اﻟﻧﺟﺎر‬.34
2014 ،‫اﻷردن‬-‫ ﻋﻣﻠن‬،‫ﻟﻠﻧﺷر واﻟﺗوزﯾﻊ‬

‫ﻗﺎﺋﻣﺔ اﻟﻣراﺟﻊ ﺑﺎﻟﻠﻐﺔ اﻻﺟﻧﺑﯾﺔ‬-2

1-Anderson-Sweeney-Williams,Traduction de la 5e edition americaine par Claire

Borsenberger, Statistiques pour l’economie et la gestion,3eedition,Distribution
Nouveaux Horizons-A.R.S-Paris2010.
2-Douglas C.Montgomery, George C.Runger, Applied Statistics and Probability for
Engineers, Third Edition, Printed in the United States of America,2003.
3-E.E Bassett,JM Bremner,BJT Morgan.IT Jolliffe.B Jones,PM North, STATISTICS
Problems and solutions, Second Edition, British Library Cataloguing-in-Publication
Data,2000.
4-Eva Cantoni, Philippe Huber, Elvezio Ronchetti, Maitriser L’aleatoire, Exercices
résolus de probabilités et statistique, Springer-Verlag France, Paris, 2006.
5-Jean-Pierre Boulay,Statistique mathématique « Applications
Commentees »,Ellipses Edition Marketing.S.A.2010,paris.
6-Renée Veysseyre, Aide-memoire statistique et probabilités,2 édition,
DUNOD,2006,PARIS.
7-Wackerly-Mendenhall-Scheaffer,Mathematical Statistics With Applications,7th
Edition, 2008 Thomson Learning, Inc. All Rights Reserved.

‫ﻣﺣﺎﺿرات ﻓﻲ ﻣﻘﯾﺎس اﻹﺣﺻﺎء اﻹﺳﺗﻧﺗﺎﺟﻲ‬ 180

‫اﻟﻤﻼﺣﻖ‬
 .;i-:: Table de Loi Nornrale
FonË{ion de répartition F de ia loi norrnale centrée
\.Ê- réduite"
Probabilité de trouver une valeur inférieure à z .
F ('z) = 1 'F (z)
üLr
z r0,00 10.01 0.02
o.o o.Ëoooo b.soasg 0.50798
0.1 10,53983'0.54380 0.54776
0.2 0.57926.0"58317 0,58706
0.3 10.61791 ;û.62172 0.62552
0.66276 0.66640 0.68793
0.69847 0.70194 0.72240
0.7323V 0.73565
0.v6424 0.76730
0.79389 0.79673
0.82121 0.82381
0.84614 0.84849
0.86864 0.87076
0,88877
0.90658 0.90824 4.s1774
0,s2220 4.92364 0.93189
0.93574 0,93699 0.94408
0.94738 0.94845 0.95449
0.95728 0.95818 0.s6327
0.96562 0.96638 0,97052
o.s7257 0.97320
0,97831 0.97882
0.98300 0.98341
0.98679
0.98983
0.c9224
0.99413
0.99560 0.9S505 ,0.99598,0.99509 t.99621 r 0.99632
0,99674 0.ss693 0.99702 0.S9?11 0.99720 t.9972S
0.99760 û.s9774 0.99781 0.09788 0,SS795 ü.99801
0.99825 0.99836 0.S9841 0.9â846 0.§9851 û.C985Ê
0.99874 0.99878 0.9s882 0,99900
0.99910 0.99913 0.s9916 0.e9929
0.99936 0,99938 0.99S40 0.99950
0.99955 0.99957 o.seôsB 0.99965
0.9996S 0.99970 , 0.99971 0,99976
0.99978 0.99979 0.99S80 0.99983
0.99985 0.99986 , 0.99986 0.99989
0.99990 0.99990 0.99991 0.999S2
0,99993 0.99994 ,
0.99994 0.99995."
0.99996 0.99996 o.seôs6
1.00000 1.00000
t

r-------l
8.3.3 Loi du Khi-deux à ru ddl X - fi

Table dcs fractiles c,(p) poLrr une loi clu 1/, :7r
- pr.{X < c:,(1t)}
\1]
7\
0 001 0,005 001 0 025 001 01 U9 090 o 975 099 0 995 0 999
I0000 0 001 U.0 0.1 0 016 2 706 3 r.11 7 t)21 7 E79
: {J ()t)z u,010 0 020 0 051 t). I 03 0 211 4 605 ;91)r 7 378 I 21 0 10 i97 13 8r;
li |.02I 0 072 0 115 u 216 0 3;2 0 5iil 6 2rI ; tiI5 9 3.16 I illrr 12 E38
.1 0.091 1 . t 6 2(;t,
0 207 ]ozcz 0 .184 0.71r 1.064 7 779 I
; ]o.zro 0,412 0.1t54 0 E31 1.145 1.610 9'236 11 070
,1EE 11,1,13
12 832
l)'27
15 086
t 1.1.8 û 0
16 750
1E.166
20 51;
6 1 0.381 0 676 0.Â72 L63' I z.zo+ r 0 6.15 12.592 74 419 16, 12 1E 54E
7 0.599 0 9E9 I r.zrg r 690 2 167 2.833 r2017 rt067 t ri 013 1E .17;
E

2U 278
8 I os;7 1 344 1.C17 2 180 3 490 13 362 l; r07 17 535 20 090 2 t SrJr '26 ). 2,1
1.152 r 735 2 0E8 2 700 3 325 ]rros tl iiEl Lti 919 t9 023 21 ri66 23 5t9 27 87 t-
L47g 2 155 2 558 3 9,10
1l I 831
15 9E7 1E 307 2U 1E3 23 209 2i 188 29 5E5
2 603 3 053 3 i_r16 4 57r 17 275 19, 21.920 21 i25
12 2.214
6 75 '26 7i7 :l t 2b1
3 o74 3 J71 .1,,10.1 ; 22ij 6 30.1 18 54l) 21 026 '26',2t7 28 3Oil 32 9()9
r 3 2.617 3 ;65 .1,107 5,009 5 E92 7 '22 36'2
l :L 3, 011
0.11 19 E12 2.1 736 27 638 2!) rlll
4 660 5 ô29 6 571 21 064 26119 '29 I7I
15 i 31s3 4 60
31 319 ]ti 12.1
1 6 262 22 307 2.1 996 27 4E8 30 ,r78 32 .q01 37 Li!1,_i
16 3.942 i:.142 J 8r.2 6 908 7 962 2(i 29Lj 28 845
'17 1.416 5 697 6 ,108 7 56], '2r 587
32 000 :14 267 :t9 2;')
8 672 24.769 30 191 33 :109 35 718 40 791
1E 4 905 6 263 7 0r5 8 231 9 390 25 989 2E tii9 3\ 5'26 34 E0; , L)li t,l '1r.,
n :: 407 6 E.1.1 / UJJ E 907 10 117 27 204 30 r.14 32 Er2 li(i i9r
,1

IJE r-i2 .13 819

20 5 921 7.431 I 260 9;91 10 8;1 72 113 2t.112 31 110 3.1 170 i37 56(: ,J9 997 rl5
2l I Oa+Z E 031 8 t97 10 283 1t 591 13 240 29 61à 32 (i7I 3r 479 3E 932 ,1t .10 t .16 79ri
:11 1

22 (i 9E3 E ri.13 I i12 1tl 982 12 338 14 041 3U 8t:j 3ji 92.{ 36 7EI .r0 2t9 :t2 796 18 2ti5
23 | -.t'29 I 260 10 196 1t tit9 13 091 32 AA7
r.1 E.1E h Ll2 35 076 11 63t 11Ix] 1Sl 72i
2.1, .i Ll8 5 I 886 10 856
. r2 101 13 8,1iJ 15 659 33 196 JIJ lLJ 39 36.1 42 9t0 4 5 ;J,! 51 179
25 s ti+u 10 J20 1r J2,t L3 120 14,6 r 1
l 16.173 34 382 37 6r2 .10,6'10 1,+ 314 .Lt,92E i)2 6l!l
26 | 9.22') 11 160 12 198 L3 84.1 1; 379 t7 2ç)2 JO ]OJ 3t .11 923
ètë5 15 6.1,2 .18 290 5,1 051
I 9.E03
'2
11 80E 12 E78 t4 573 16 151 18 t 36 7,lt
1.1 .10 113 .I3, 195 .16,963 49 ii45 55 17;
28 10.39r 72 461 13 i65 L5 3OE 16 92E 1E 939 37 916 14 4bt .18 27S i0 99.1 56 E92
29 10 9d6 13 121 ).1.2;6 i6 017 17,7i)8 r9 768 39 087 15 72'2 49 5ES ;8.3 0I
30 IL 558 13 7.87 l1 9)3 L6 791 1E 193 20 ;99 .t0 25û 16 979 ;0
,10 117.917 892 ;3,072 39 7A)
20 707 22..r64 26,5U9 29 051 51 E05 5;;rrii ,t9 i342 u3 ii! ()() 7ü'' 73 .r03
i0 ),t 671 27 99] 29 707 l) l:- 3 r 761 37 689 63 167 (r, ',1 J.l 71 120 76 t51
I

79 490 8ii 660

iiO 31 73E :15 ;;l/l 37.+85 +t) t82 43 ]EE 46 ,1,]9 7 + rl9; 7!l {lE2 ôjt 298 EE 37IJ 91 9;2 99 6Ll!
70 l:19 036 45 442 1t{ 7;E 5r 739 55 329 85 527 90 l3t I r (123 100 l2 1()12t l t2 3l
80 46 i20 51 172 53 540 i7 ti3 6U 391 64 278 9ri;7E r01 t8 106 63 112 33 11ii 32 124Si
90 5'r .156 59.196 6r,75,1 )5 047 ii9 126 7:l 291 107 56 L t;l lrl 1tE tl r21 t2 t28 lJ(l
100 l6L 9tE 57 328 70 06Ir t1'222 77 929 82 358 r Lt 49E r 29 561 135 E07 1.10 I (i9 L 19 .,119
 Arurct,e C Tabie.s nuntért.c1ue,t

C.3 Loi de SruoEur

FracÉiles de la loi de SrunBnr

I t) 0,32-i 0,12't 1,376 3 078 6.3t4 12,7A6 31821 63 657 3I8.309 636 619
2 ,J 289 4,617
a) 1 .061 I ,886 2,92.4 4 303 6,9 65 9,925 22.327 31.599
3 0. 0,21" 0,584 0"978 r,638 2.353 3.1 82 1.541 1 01,1
-5 841 10.215 1

4 U u.27l 0.569 0.941 1.531 2.132 2.'716 3 t4'7 4,604 i.113 8.610
5 0 0 26i 0 559 0.920 1.476 2.0i 5 2.571 3.365 4.0)2 5.893 6.869
6 0 0"26-i 0.553 0.906 1.41A 1.943 2.447 3.143 ).147 5.208 s.9s9
7 0, 0 263 0.549 0.896 r 415 1.895 2.-?65 2 998 3 499 4 785 5 408
8 0,252 0.546 0,8 89 I 391 I 860 2.306 2 896 3.355 4.501 5,041
9 0, a 261 0,541 0.88 3 l.-)ôJ 1.833 2,262 2.821 3.250 4»'7 4.781
l0 0 û 26tJ 0,542 0.879 I 312 1,812 2 228 2 764 3 169 4 144 4.581

ll 0. c.260 0.-540 0.876 1.363 1.796 2.?.01 2.'t 18 3.r06 4.025 4,431
t2 0. Çt.259 0.519 0.873 1.356 t.78?. 2.179 2.68t 3.05 5 3,930 4.318
t3 0. 0 2.59 0,53 8 0.870 1.350 1 771 2 160 2.650 3,012 3 852 4.221
14 û C.2 5B 0.537 0.868 1.345 1.76t 2 145 2,624 2 97i 3.',t8? 4.140
l-( 0 0 25E 0 -536 0 866 r 1,75-î
341 -: lJi 2 602 2,941 3,133 4.0't3
() 0 258
16 0.535 (.,.6ô) 1.337 I 146 2 l2A 2,583 ?,921 3,686 4.01s
l't û, 0 25r 0 534 0.863 1.333 1.744 2.11A 2 56'7 2.898 3 646 3,965
18 0, 0.534 0.862 1.330 1.734 2.101 2.s52 2,818 3 610 3.9?2
l9 0, 0 257 0.533 0.86l 1,328 1.i29 2,093 2.539 '2.861 3,5 79 3,883
20 0. 4.251 0,533 0,860 1.?25 1,125 2.086 2.528 2.845 1.552 3.850

21 0. 0 25i 0.532 0 8-59 1.323 1 721 2 080 2 518 2,831 3 521 3.819
22 0, 0.256 0 532 0 858 't 321 .'717 2 474 2 508
1 2 819 3.5 05 3,792
23 0 0 2,s6 0,532 0 8.58 l3l9 Lx14 2.069 2 500 2 807 3,48,5 3.768
).1
0. 0.2.5 6 0,531 0 8i7 1 318 l.7l l 2.064 2.492 2.791 3 461 3.745
25 0, 0 256 0.531 0 856 1.316 r,708 2.060 2 485 2,'781 3.450 3.'725
0. 0.2 56 0.53 r 0 856 1.3 t5 L706 2 056 2.479 2.7'79 3.435 ).707
21 0. 0,2,55 0,531 .314 '103
0,8-5-5 1 1 2.052 L.+ | -) 2.7'/ I 3.421 3,690
28 0. 0.256 0.530 0.8:-; -i 1.3i3 1.70i 2.048 2.461 2.763 3.408 J.O /+
29 0, 0.2 -',6 0 530 0 si4 i,311 1.69e 2.045 2.462 2,156 3,396 3.659
30 0, 0,25 6 0.530 0 854 1 310 |,691 ',
^À1 2'7 5A 3 385 ?,646

,+0 0, 0.2,r 5 0 _52s û 851 r ,30-1 1.684 2.021 2.423 2.104 3.307 3.55l
60 0 0"2.54 0.52i 0,8,18 1.296 i .671 2 000 2.390 2.660 3,2f2 3.460
80 0, 0,25.+ 0,526 C 8,16 1 292 t.66,1 1.990 2.1'14 2 639 3,r95 3.41.6
100 0 0,2 5.4 0 5:6 0 845 1,290 l.660 1,984 2.364 2,626 3 1',t1 3,390
200 0.254 0 r.286 a 1/<
Lr, -515 0, it4-l r,65_3 1.9'72 2,601 3l3t 3.340
xi 0, 0, ?-53 û, -5 2.i 0, E.l2 |,282 1.645 r 960 2.',326 2,5i6 3 090 3,29)

[-e fractile 1,, esr [el quc- ÈiT, < t,,t) = p

 1 Table des quantiles de la v.a. de Fisher

x, tels que
F-ournit les quantiles )
D/\r/-.
rl.\'rxp):\
I)
pour X 1 Fr, l:n2
x,

P:0.95
n1 3456 10 15 30 50 100 inf
n2
1 161 200 216 2',25 230 234 237 239 24L 242 246 248 250 252 253
254
2 18.5 19.0 19.2 19.3 19.3 19.3 19.4 19,4 19.4 19,4 19.43 19.5 19.5
19.5 19.5 19.5
3 l0.l 9,6 9,3 9,1 9,0 E,g B,g B,B B,B B,B g,70 g,7 8,6 8,6 8,5 g,5
4 7-71.6,94 6,59 6.39 6.26 6.10 6,09 6,04 6.00 5,96 J.86 5,80 it,7J
5.70 5.66 b.63
5 6.61 5,79 5.41 5,19 5,05 4,95 4,88.1.82 4,77 4.74 1,62 4,56 4.50 4..1.1
4.4t 4.37
6 5.99 5,1.1 4,76 4.53 1!.zg 4.28 4.2\ 1,15,1.10.1,06 3.9,1 3,87:J.g1
3.75 3.71 3 67
I it.59 4-74 4.35,1.72 3,97 3,87 3,79 3.73 3,6g 3.6-1 3,5r 8.,1b 3.3g
z.J2 z,2g z.2z
I ;t,32 4.46,1,07 3.84 3,69 3.58 3,50 3,44 3,39 3,35 3.22 3.lS
3,08 8,02 2,gg 2,gB
I 5.12 4.26 3.86 3,63 3,48 3,37 3.29 3,23 3.18 3.14 3,01 2,g4 Z,SO Z,SO
2.76 2,71
,1,97 4.10 3.71 3.48 3,33 3.22 3.14
10 3.07 3.02 2,gB 2.g5 2.77 27î ) 64 7t(\ ) 7,1 )
11 4.8,1 3.98 3,59 3.36 3,20 3,@ 2.7',2 2,65 2.57 ,2.57 2.46 2.,10
t2 4.75 3.89 3,49 3.26 3,11 3.00 2.91 2.E5 2.80 2.75 '2.62 2.54 2.47
2.10 2.35 2.30
13 4.67 3,gl 3,.11 3.1g 3,tJ3 2,92 2,83 2.77 2,7t 2.67 2.it3 2.46 2.38
2,31 2'20'2.21
l4 4,6U 3.74 3,34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 '2.46 2,39 2.:31
2.24'2.19 2.1:3
15 4.5-1 3.6E 3.29 3.06 2.90 2.79 '2.7t 2.64 2.;:) 2.itl '2.40 2.33
2.2o 2.18 2.1'2 2.07
16 -1.19 3.63 3.2.1 3.01 2.8i'2.712.66 2.bg 2.;t4 2.49
2,35 2.28 2.19 2.1,2 2.07 2.01
77 l.4i 3.59 i3.20 2.97 2.81 2.70 2.61 2,it5 2.tg 2.45 2.3t 2.23 2.15 2.08 2.02 1.96
18 4,41 3.56 3.16 2.93 2.TZ 2.66 2.58 2.51 2./16 2.tt 2,27 2.tg 2,lt
2.041.9g 1.92
19 4,38 3.52 3.13 2,90 2,74 2,63 2.54 2.48 2,4'2 2.3E '2.23 '2,16 2.OT 2.001.9,1
1,88
20 2.:i5 '2.20 2,t2 2,041.97 1.91 1.E4
25
30
2,'.2,1
4.17 3.3'2 2.92 2.69 2.5:t 2.,12'2,33 2.27 2.21 ').17
mr
2.02 1.93 r.B4 1.76 1.70 1.62
35 4.1'2 3,.27 2.87 ,2.6,12.19 2.37 2.29 2,22 2.16 2.11 1.96 1.EB 1.79 7.70 1,6,1 1,56
40 4,09 3.23 2,84 2.67 2.45 2.312,25 2,lB 2.12 2.OE t.92 1,E4 1,74 1.66 1.59 1.51
45 ,1.06 3,20 2.87 2,5E 2.42 2,37
2.22 2,75 2,10 2,05 1.Bg 1,81 1,71 1,63 1,55 1,47
50 ,1,03 3,18 2.79 2,i6 2,40 2.29 2.20
2,1E2.07 2.03 1.87 1.78 1.69 1,60 1.53 1,,1.1
60 .1.00 3.15 2.76 2.53 2.37 2.25 2.17
2.rO'Z.Oe r.g9 i.84 1,75 1.65 1.56 1.48 1.39
70 3,98 3.13 2,74 2.ô0 2.3i 2.23 2.14 2.07 2.0'2 1.g7 1.81 1.72 1.62 153 1.45 t^3ir
80 3.96 3,11 2.72 2,49 2,33 2.21 2.8 2.06 2.00 1.95 1.79 1.70 1.60 1.51 1..13 1.32
90 3,9ir 3.10 2.71 2.47 2.t32 2.20 2.tl 2.041.99 1.9,1 1.78 1.69 1.59 1.49 1..11 1.3u
100 3.9.1 3.09 2.70 2,46 2,:t1 2.19 2 I0 2,03 1.98 1.93 1.77 168 I 57 1 ,18 I 3q ] R
150 3.90 3.06 2.67 2.,\3Tizta 2,0; zpitT,ulrss,r 1.73 1,64 1.5.1 1 .,1,1 1.35 1.22
200 3.89 3,04 2.65 2,42 2.26 2.112.06 l,9g 1,93 1,BB r.7'2 1.621,51 1,.11 1,32 l.1g
inf 3,E1 3.00 2,60 2.37 2.21 2.10 2,01 1,9,1 1.88 1.83 1.67 1.57 1..16 1,35 1.24 1.00
P:0-99

10 15 100 inf
n1
n2
-1052 5000 5403 5625 5761 5859 5928 5981 6022 6056 6157 6209 6261 6303 633.1 6366
1
99 99 99 99 99,5 99.5 99,5.,
99.5
, 99 99 99 99 99 99 99,4 99,.1

27,7 27.5 27.3 27 .2 26,9

26,7 26,4 26.2 26.1
26,5
3 34,1 30,8 29,5 28,7 28,2 27 ,g
16.0 I5.5 15.2 15.0 1'1,8 14,7 11.5 14.20 14.02 13,84 13.69 r3.58
13..16
4 21.2 lB.0 16,7
16.26 13,27 12,06 11,39 10,97 10.67 10.,16 10.29 10,16 10,05 9.72 9.55 9.38
9.21 e ,13 t) .02 I

D
9,15 8,75 8,,17 E,26 8.10 7.98 7.87 7 ,56 7.'lu 7,23 7,09 6,99
6.EE
6 13.75 10,92 9,7E
7 12,21t 9,55 8,45 7,85 7 ,,16 7.19 6.99 6,84 6,72 6.62 6,31 6,16 5.99 5.86 5.75,r.54 .1.96 1.E6
I 11.26 8.65 7.59 7,01 6,63 6,37 6,1E 6.03 5,91 5.E1 5,52 5.36 5.20 5.07
1.5'2 4.41 1.31
I 10.56 8.02 6,99 6.42 6,06 5,80 5,61 5.47 5.35 it,26 .1,96 4,E1 1,65
+. L z 4.0r 3^91
, ii I 10
10 i0.04 7,56 6,55 5.99 5,64 5.39 5.20 5,06 4.94 4,85 4.56 1.41 1.1;)
+.1+ +.u.) .1 D:, ,1 1 ri 2 0..t ? R] :1 î-:3 c,0
11 9.65 7.21 6.22 5.67 5.3',2 5,U i 1+rôy
,1.01 3. E6 3,71) 3.57 3.17 3 3ii
L2 9,33 6,93 5,95 5.,11 5.06 4.E2 .1.64 ,1.50 .1.39 4,30
.1.10 3,82 3.66 3,51 3,38 i|.27 3.17
13 9,07 6,70 5,7,1 5,21 4,86 4,62 ,1.14 ,1,30 4,19 o -r J..)tJ
n r: :1.22 3.11 3.0(i
t4 8.86 6.51 5,56 5,0,1 .1.69 4.46 4.28 4,.74 4.03 3.9.1 3.66 ,1.i)1 o .,- , ql t
3.08 2,9E 2.E7
8,68 6,36 5,112 .1.89 4,56 .t.32 ,1.1,1 4.00 3,89 3,80 3,1t2 J..) I ù.2-
15
16 B,53 6,23 5,29 4,77 4.44 4,21) ,1,03 3,89 3,78 3.69 3,41
3.26 3.10 2.97 2.8û 2.7'
3,00 2,87 2.76 2.6it
8.40 6,11 5.19 4.67 4.34 4.10 3,93 3,79 3,68 3.59 3.31 3,16 lna )c|) 2.78 2,68 2' ;ti
E,29 6.01 5.09 ,1,58 4.25 ,1,01 3, E4 3.71 3,60 3,ô1 3,23 viuu
o a -F
9.18 5,93 5,01 ,1.50 4.77 J. ^/Y-t r). I 3,63 3.52 I 3,'13 3,1ô 3.00 2.8'1 2.71 2.60 2.19
n lr 2,78 2.64 2,5'l 2..\2
8.10 5,85 4.9/' ,1,13 4.10 3.87 3,70 J.O0 J. +U 3,37 :1,09 2.9,1 D7n Di,1 D 40 '.) )() ') 1i
25 7,l',i 5,57 4,68 .1.18 3,E5 J,O.J J,.+O ô,ôl ,7-Z/, '),rr) L.OÙ L. t \) 2.39 2,2i 2,13 2,0i
30 7,o6 o,39 4.51 4,02 3,70 3..17 11.30 3,17 3.07 2.98 2,70 215
2.2 E 2.11 '2.()2 L 59
Jô 7,42 5.27 .1,40 3.91 3.59 3,37 3,20 3.07 2,96 2,88 2.60 2.44
2.20 2.06 1.9-1 I.i.71
I

7.31 5,18 ,1,31 3.83 3,51 3.29 3.12 2,99 2.E9 2.8t) 2.52 2,37
81 I

40
2,71 2,0t) t,8E
7,23 5,11 4,2-,t 3,77 3,45 3,23 3,07 2.94 2,83'),74 2.46 2.31
I

45
4.20 3.72 3 .41 3,1 I 3.02 2,89 2.78 '.),70 2,42 2.',27 2. Lt) 1.95 1.82
L.t;E
1

50 7 ,17 5,06
') c') '2.72',2.0:) 2.35 2',20 2.03 1.88 1.75
7,t)8 .i,98 .1,13 3 65 ,).,)+ \).LL t or,
.).)À ._) ti) 1 60 I

60 )

2.15 l.9B 1.83 1.70 1 ;4

-.t)t

7.U1 ,1.92 ,1.07 3.60 z.zs :.oz 2.91 2.78 2.67 2.59 2.31
I

70 ') )7 ) 1) t.9l t.79 r.(i; l.-l!)

80 6.96 4.88 -1.01 3.56 3,26 3,0,1 2,87 2.7J 2,64 2.55
2.09 1,92 1 .76 1.ô2 I 1(j
6,93 4.E5 ,1,01 3.53 3,23 3,01 2.81 2.72 2,61 2,5',) z.z+
I

90
,r) 9nT 1 81_1 ,4 1.6tr 1.13
6,90 4,82 3,98 3,51 3,2\ 2.99 2,E2 2.69_ 2,59 2.50
I
L1-L
100 -l

150 6 ,8 1 4,75 3,91 3.45 3,14 2,92 2,76 2,63 2.53 2.44 2,16 2.0i) f.ii3 1,66
r-iz L. s:l I

1.63 1 .]E 1.28

200 b.r(r +./I 3,88 3,41 3,11 2,89 2,73 2.60 2.Ir0 '2,41 2.i3 1.97 1,79
1,52 r,3(i i.00
i

o. ol 4.61 3,78 3.32 3.02 2.80 2,61 '2.5t '2,11 ',2.32 '2.04 1.BE 1.70
inf