محاضرات احصاء 03 S3

‫كلية العلوم االقتصادية والتجارية وعلوم التسيير ‪.
‬‬
‫قسم العلوم االقتصادية ‪.‬‬
‫السنة الثانية‪:‬علوم اقتصادية ‪.‬‬
‫( السداسي الثالث ) ‪.‬‬
‫محاضرات مقياس ‪:‬إحصاء ‪. 03‬‬
‫أستاذ المقياس ‪ :‬بلحنيش عبد الرحمان ‪.‬‬
‫السنة الجامعية ‪2021/ 2020 :‬‬

‫مقياس إحصاء ‪03‬‬ ‫السنة الثانية ‪ :‬علوم اقتصادية ‪.‬‬
‫برانمج حماضرات املقياس ‪.‬‬
‫فصل متهيدي‪:‬التوزيعات االحتمالية املستمرة ‪.‬‬
‫الفصل األول‪ :‬توزيعات املعاينة االحصائية‬
‫أوال ‪ :‬تعاريف ومصطلحات ‪.‬‬
‫اثنيا ‪:‬توزيع املعاينة للوسط احلسايب للعينة ‪.‬‬
‫اثلثا ‪ :‬توزيع املعاينة للفرق بني وسطني حسابيني لعينتني ‪.‬‬
‫رابعا ‪ :‬توزيع املعاينة لنسبة العينة ‪.‬‬
‫خامسا توزيع املعاينة للفرق بني نسبيت عينتني ‪.‬‬
‫سادسا ‪:‬توزيع املعاينة للتباين ‪.‬‬
‫الفصل الثاين ‪:‬التقدير االحصائي‪.‬‬
‫أوال ‪ :‬انواع التقدير االحصائي‪.‬‬
‫اثنيا ‪:‬تقدير فرتة الثقة ملتوسط اجملتمع وللفرق بني متوسطي جمتمعني ‪.‬‬
‫اثلثا ‪ :‬تقدير فرتة الثقة لنسبة اجملتمع وللفرق بني نسبيت جمتمعني ‪.‬‬
‫رابعا تقدير فرتة الثقة لتباين جمتمع وتبايين جمتمعني‬
‫الفصل الثالث ‪ :‬اختبار الفرضيات ‪.‬‬
‫أوال ‪:‬مفاهيم ‪.‬‬
‫اثنيا ‪:‬اختبارات حول متوسط اجملتمع وحول الفرق بني متوسطي جمتمعني‪.‬‬
‫اثلثا ‪ :‬اختبارات حول نسبة اجملتمع وحول الفرق بني نسبيت جمتمعني ‪.‬‬
‫‪2‬‬
‫مقدمة ‪:‬‬
‫إن املتتبع للتطور الكبري يف جمال البحث العلمي يف خمتلف امليادين االقتصادية واالجتماعية وغريها جيد أن مجيع هذه امليادين‬
‫ومجيع فروع املعرفة والعلوم املرتبطة هبا ال ختلو من استخدام اإلحصاء مبختلف فروعه بل وتعتمد يف دراساهتا على تطور الطرائق‬
‫واألساليباإلحصائية ‪,‬فالتحليل اإلحصائي يعترب أساس الدراسات التطبيقية ‪,‬وخري مثال على ذلك رسم سياسات الدول‬
‫واملؤسسات اليت تعتمد يف ذلك على أساليب التحليل اإلحصائي من دراسة الواقع ( كمجموعة ظواهر ) إىل استشراف املستقبل‬
‫( التنبؤ ) واختاذ القرار سواء على مستوى الدولة أو األفراد الطبيعيني و املعنويني ‪.‬‬
‫امتدادا حملتوى مقياس إحصاء ‪ 01‬ومقياس إحصاء ‪ 02‬سنحاول يف هذا املقياس (اإلحصاء االستداليل ) كفرع من فروع علم‬
‫اإلحصاء التطرق ملضمون نظرية املعاينة اإلحصائية يف احملور األول‪ ,‬ومضمون نظرية التقدير اإلحصائي للعينات الكبرية والعينات‬
‫صغرية احلجم يف احملور الثاين‪ ,‬واختبار الفرضيات ( االختبارات اإلحصائية ) يف احملور الثالث ‪.‬‬
‫رغم أن هنالك فرق بني نظرية االحتمال ونظرية املعاينة إال أن األخرية تعتمد بشكل كبري على مضمون نظرية االحتمال لذلك‬
‫خصصنا فصل متهيدي للتذكري ببعض التوزيعات االحتمالية املستمرة األكثر استعماال يف املعاينة والتقدير واالختبار اإلحصائي ‪.‬‬
‫‪3‬‬
‫فصل متهيدي‪:‬بعض التوزيعات االحتمالية املستمرة ‪.‬‬
‫نتطرق يف هذا الفصل للصنف الثاين من التوزيعات االحتمالية اخلاصة وهي التوزيعات االحتمالية املستمر‪ ،‬هذا الصنف له جمموعة من‬
‫التوزيعات نبدؤها ابلتوزيع اهلام والشامل االستعمال و هو التوزيع الطبيعي ‪ ،‬توزيع كاي‪-‬مربع وتوزيع فيشر و توزيع ستيودنت‪.‬‬
‫الفرع االول ‪ :‬التوزيع الطبيعي‬
‫يعد التوزيع الطبيعي من أهم التوزيعات االحتمالية يف اإلحصاء ‪ ،‬ويعود ذلك لألسباب التالية ‪:‬‬
‫‪ -‬كثري من الظواهر اليت تظهر يف التجارب العملية تتوزع توزيعا طبيعيا ‪.‬‬
‫‪ -‬ميكن تقريب أغلب التوزيعات املتقطعة أو املستمرة إىل التوزيع الطبيعي‪.‬‬
‫‪ /1-1‬دالة كثافته االحتمالية تكتب وفق الصيغة التالية ‪:‬‬
‫‪1‬‬ ‫‪−1 𝑥−𝜇 2‬‬
‫= )𝑥(𝑓‬ ‫(‪𝑒2‬‬ ‫𝛿‬
‫)‬
‫𝜋‪𝛿 √2‬‬
‫حيث ‪ x :‬متغري عشوائي حقيقي (‪ e , )-x+‬هو األساس اللوغارمتي الطبيعي (‪  ,)e=2,718‬هو مقدار اثبت (‪, )=3,1416‬‬
‫‪ ‬هو االحنراف املعياري و هو قيمة موجبة‪.‬‬
‫و منه نقول أن دالة الكثافة االحتمالية للمتغري العشوائي ‪ x‬اخلاضع للتوزيع الطبيعي على أساس القيمتني (‪ ) ;‬ونكتب ‪x ↝ :‬‬
‫) ‪N( ; 2‬‬
‫‪ /2-1‬التمثيل البياين لدالة الكثافة االحتمالية للتوزيع الطبيعي‪:‬‬
‫منحىن التوزيع الطبيعي انقوس الشكل ومتماثل حول املتوسط وميتد طرفاه إىل ماال هناية من اجلانبني دون أن يالمسا احملور األفقي ‪ ،‬وابلتحديد إن‬
‫متثيل دالة الكثافة متماثل حول (‪ ، )x=‬أي أن‬
‫)‪ ، f(-x)=f(+x‬وهذا يعين أن املتوسط يساوي املنوال ونقطيت االنقالب يف منحىن الدالة مها (‪ )x1=-‬و(‪ )x2=+‬وأهنما يقعان على‬
‫بعد اثبت على ميني ويسار املنوال‪.‬‬
‫‪ : 2‬التوزيع الطبيعي املعياري‬

‫‪−1 𝑥−𝜇 2‬‬
‫‪1‬‬ ‫(‬ ‫)‬
‫= ) 𝑥(𝑓 صعب جدا ولذلك غالبا ما يتم االعتماد على النشر احملدود‬ ‫𝑒‬ ‫‪2‬‬ ‫𝛿‬ ‫إن إجياد الدالة األصلية للدالة‬
‫𝜋‪𝛿√2‬‬
‫لسلسلة اتيلور يف جوار نقط متتالية ‪ ،‬وألجل ذلك مت وضع جداول خاصة بقيم التوزيع الطبيعي و ذلك بعد معرفة قيم املعلمتني‬
‫‪ ‬و‪ ‬اللذان خيتلفان ويتغريان من متغري عشوائي آلخر وهذا شبه مستحيل ‪ ،‬ألنه جيب علينا تكوين ما الهناية من اجلداول‬
‫حسب قيم ‪ ‬و‪ ، ‬وهلذا أختريت قيمتني وحيدتني ل ـ ـ ـ ـ‪ ‬و‪ ‬حيث ‪ =0‬و ‪ =1‬لتعويض مجيع املتغريات العشوائية إىل متغري‬
‫‪4‬‬
‫عشوائي معياري واحد ذو وسيط (‪ )=0‬و إحنراف معياري (‪ )=1‬وابلتايل ميكن تلخيص كل اجلداول يف جدول واحد للتوزيع‬
‫الطبيعي والذي يتم من خالله حساب مجيع االحتماالت املمكنة‪.‬‬
‫‪ /1-2‬دالة الكثافة االحتمالية للتوزيع الطبيعي املعياري ‪:‬‬
‫𝜇‪𝑥−‬‬
‫=𝑍‬ ‫ليصبح لدينا ‪↝ 𝑁(0 ; 1) :‬‬ ‫بعدما كان عندان يف التوزيع ال ) ‪x ↝ N( ; 2‬‬
‫𝛿‬
‫ومنه دالة الكثافة االحتمالية ملتغري عشوائي يتبع التوزيع الطبيعي املعياري تعطى كما يلي ‪:‬‬
‫‪1‬‬ ‫‪−𝑍2‬‬
‫= ) 𝑥(𝑓‬ ‫𝑒‬ ‫‪2‬‬
‫𝜋‪√2‬‬
‫‪ /2-2‬املقاييس اإلحصائية املرتبطة ابملتغري العشوائي الذي يتبع التوزيع الطبيعي املعياري ‪:‬‬
‫التوقع الرايضي ‪:‬‬
‫𝛿‪𝑥−‬‬
‫= 𝑍 إذن ‪:‬‬ ‫تستخرج الصياغة الرايضية للتوقع الرايضي ملتغري يتبع التوزيع الطبيعي املعياري كما يلي ‪ :‬لدينا‬
‫𝛿‬
‫‪x−μ‬‬ ‫‪1‬‬ ‫‪1‬‬
‫( ‪E(Z) = E‬‬ ‫‪) = E(x − μ) = [E(x) − μ] = 0‬‬
‫‪δ‬‬ ‫‪δ‬‬ ‫‪δ‬‬
‫التباين ‪:‬تستخرج الصياغة الرايضية للتباين ملتغري يتبع التوزيع الطبيعي املعياري كما يلي ‪:‬‬
‫𝛿‪𝑥−‬‬
‫= 𝑍 إذن ‪:‬‬ ‫لدينا‬
‫𝛿‬
‫‪x−μ‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫( ‪V(Z) = V‬‬ ‫‪) = 2 V(x − μ) = 2 [V(x)] = 2 [δ2 ] = 1‬‬
‫‪δ‬‬ ‫‪δ‬‬ ‫‪δ‬‬ ‫‪δ‬‬
‫مثال تطبيقي ‪ :‬إذا علمت أن فرتة حياة جهاز آيل خيضع لتوزيع طبيعي بوسيط (‪ )=10‬سنوات و إحنراف معياري (‪)=2‬‬
‫سنوات ‪.‬‬
‫‪ -‬ماهو إحتمال أن يصل عمر اجلهاز مدة ‪ 15‬سنة ؟ مابني ‪ 12‬و ‪ 15‬سنة ؟ مابني ‪ 5‬و ‪ 8‬سنوات ؟‬
‫احلل ‪:‬إحتمال أن يصل عمر اجلهاز ‪ 15‬سنة ‪:‬‬
‫‪x − μ 15 − μ‬‬ ‫‪15 − 10‬‬
‫( ‪P(x ≤ 15) = P‬‬ ‫≤‬ ‫≤ ‪) = P (Z‬‬ ‫)‪) P(Z ≤ 2.5) = F(2.5‬‬
‫‪δ‬‬ ‫‪δ‬‬ ‫‪2‬‬
‫بعدها نقوم من إستخراج )‪ F(2.5‬من جدول التوزيع الطبيعي املعياري وفق اجلدول التايل ‪:‬‬
‫‪5‬‬
‫‪P(x ≤ 15) = P(Z ≤ 2.5) = 0.9938‬‬ ‫إذن ‪:‬‬

‫إحتمال أن يرتاوح عمر اجلهاز ما بني ‪ 12‬و ‪ 15‬سنة ‪:‬‬
‫‪12 − 10‬‬ ‫‪15 − 10‬‬
‫( ‪P(12 ≤ x ≤ 15) = P‬‬ ‫≤‪≤Z‬‬ ‫)‪) = P(1 ≤ Z ≤ 2.5‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪P(12 ≤ x ≤ 15) = F(2.5) − F(1) = 0.9938 − 0.8413 = 0.1525‬‬
‫إحتمال أن يرتاوح عمر اجلهاز ما بني ‪ 5‬و ‪ 8‬سنوات ‪:‬‬
‫‪5 − 10‬‬ ‫‪8 − 10‬‬
‫( ‪P(5 ≤ x ≤ 8) = P‬‬ ‫≤‪≤Z‬‬ ‫)‪) P(−2.5 ≤ Z ≤ −1) = F(−1) − F(−2.5‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪F(-1) =1-F(1‬‬ ‫لدينا ‪:‬‬
‫‪P(5 ≤ x ≤ 8) = (1 − 08413) − (1 − 0.9938) = 0.1525‬‬
‫الفرع الثاين ‪ :‬توزيع كاي مربع )‪)2( (Ch2‬‬
‫هو من أهم التوزيعات االحتمالية املستمرة واليت تستعمل بشكل أخص يف نظرية االختبارات ومقارنة تلك املشاهدة املقدرة بتلك‬
‫احلقيقية ‪ ،‬كذلك إختبارات جودة املطابقة و التجانس و االستقاللية وغريها‪.‬‬
‫‪ /1‬دالة الكثافة االحتمالية لتوزيع كاي مربع (‪: )2‬‬
‫تعطى دالة الكثافة االحتمالية لتوزيع كاي مربع (‪ )2‬ذو املتغري العشوائي ‪ X‬كمايلي ‪:‬‬
‫‪1‬‬ ‫‪x‬‬ ‫‪n‬‬
‫‪n‬‬ ‫‪e−2 x 2−1‬‬ ‫‪x>0‬‬
‫)‪f(x) = {22 G(n‬‬
‫‪2‬‬
‫‪0‬‬ ‫‪x≤0‬‬
‫حيث ‪ n :‬عدد صحيح موجب ميثل عدد درجات احلرية ‪ e ,‬هو مقدار اثبت ميثل أساس اللوغاريتم الطبيعي و هو يقارب‬
‫‪ G , 2.7182‬هو دالة قاما الرايضية‪.‬‬
‫‪ /2‬دالة اتبع االحتماالت أو دالة التوزيع الرتاكمي لتوزيع كاي مربع (‪: )2‬‬
‫تعرف دالة التوزيع الرتاكمي لتوزيع كاي مربع (‪ )2‬كمايلي ‪:‬‬
‫‪x‬‬ ‫‪x‬‬
‫‪1‬‬ ‫‪x n‬‬
‫= ‪F(x) = P(X ≤ 0) = ∫ f(x)dx‬‬ ‫‪n‬‬
‫‪n‬‬
‫‪∫ e−2 x 2 −1‬‬
‫‪0‬‬ ‫) (‪22 G‬‬ ‫‪0‬‬
‫‪2‬‬
‫ويعكس هذا االحتمال املسافة اإلمجالية املتواجدة بني خط منحىن دالة الكثافة االحتمالية وحمور الفواصل ‪ ،‬من النقطة (‪)x=0‬‬
‫إىل غاية القيمة ‪ x‬وفق الشكل التايل ‪:‬‬
‫‪6‬‬
‫مثال تطبيقي ‪:‬‬
‫إذا كان ‪ x‬يتبع توزيع كاي‪-‬مربع ابلدرجة احلرية املعطاة ‪.‬‬
‫أوجد )‪ 2(0.01 ;5‬؟ أوجد )‪ P(2(13)9.926‬؟ أوجد )‪ P(2(28)-10‬؟ أوجد ‪ P(2(21)13.24‬؟‬
‫من جدول توزيع كاي‪-‬مربع املبني كاآليت نقوم إبستخراج القيم ‪:‬‬
‫‪- 2(0.01 ;5) =15.086‬‬

‫‪- P(2(13)9.926) = 1- P(2(13)9.926) = 1-0.7 = 0.3‬‬
‫‪- P(2(28)-10) = 0‬‬ ‫‪ x0 +‬‬
‫‪- P(2(21)13.240) = 0.9‬‬
‫الفرع الثالث ‪ :‬توزيع ستودنت‬
‫أشتق توزيع ستودنت )‪ (t‬من التوزيعني كاي‪-‬مربع و الطبيعي‪ ،‬حيث إذا كان لدينا متغريين عشوائيني ‪x‬و ‪ y‬مستقلني‪ ،‬حيث ( ‪x‬‬
‫‪x‬‬
‫= ‪ T‬يتبع هذا املتغري توزيع‬ ‫‪y‬‬
‫‪ (y‬فإن املتغري العشوائي (‪ )T‬املمثل هلذين املتغريين هو ‪:‬‬ ‫) و ))‪2(n‬‬ ‫)‪N(0 ;1‬‬
‫‪√n‬‬
‫‪x‬‬
‫=‪T‬‬ ‫‪y‬‬
‫ستودنت بدرجة حرية (‪ )n‬ونكتب‪® t (n) :‬‬
‫‪√n‬‬
‫‪ /1‬دالة الكثافة االحتمالية لتوزيع ستودنت ‪:‬‬

‫تعطى دالة الكثافة االحتمالية لتوزيع ستودنت ذو املتغري العشوائي ‪ T‬كما يلي ‪:‬‬
‫‪n+1‬‬
‫(‪G‬‬ ‫)‬
‫‪T 2 −n+1‬‬
‫‪2‬‬
‫= )‪f(T‬‬ ‫‪n‬‬
‫‪(1 + ) 2‬‬ ‫‪T∈Â‬‬
‫)‪√nπ G (2‬‬ ‫‪n‬‬
‫حيث ‪ π :‬هو قيمة اثبتة )‪ , (π = 3.1416‬عدد صحيح موجب ‪ G ,‬دالة توزيع قاما ‪.‬‬
‫)‪T ® t(n‬‬ ‫ونكتب ‪:‬‬
‫خواص دالة الكثافة االحتمالية لتوزيع ستودنت ‪:‬‬

‫‪ -‬إن دالة كثافة توزيع ستودنت متماثلة أي أن )‪ f(t)=f(-t‬وهلما شكل يشبه شكل التوزيع الطبيعي‪.‬‬
‫‪ -‬إن دالة كثافة توزيع ستودنت تقرتب من الصفر ( ‪ )f(T) ®0‬إذا كانت ‪ T‬تقرتب من ‪ ) T® ( ‬وعندما‬
‫تكون ‪ n‬كبرية فإن توزيع ستودنت (‪ )t‬يقرتب من التوزيع الطبيعي ‪.‬‬
‫‪7‬‬
‫‪ /2‬التمثيل البياين دالة الكثافة االحتمالية لتوزيع ستودنت‬
‫أما حساب االحتمال فيتم ابلطريقة التالية ‪:‬‬

‫∞‬
‫‪P(T ≥ t (α,n) ) = ∫ f(T)dt = α‬‬

‫)‪t(α,n‬‬
‫حيث هذه القيمة يتم إستخراجها من جدول توزيع ستيودنت (‪ )t‬وفق ( ‪ )‬مستوى املعنوية وهو السطر األفقي‪ ،‬و( ‪ ) n‬مستوى املعنوية املوجودة‬
‫)‪-t(,n) = t(1-,n‬‬ ‫يف السطر العمودي املوجودين يف جدول امللحق (‪ )03‬مع أخذ بعني االعتبار أن ‪:‬‬
‫مثال تطبيقي ‪:‬ابالعتماد على امللحق رقم ‪ 03‬أوجد القيمتني ‪ t(0,05 ; 20) :‬و )‪ t(0,95 ; 20‬؟‬
‫‪t(0,05 ; 20) = 1.725‬‬ ‫احلل ‪ :‬نالحظ من جدول امللحق ‪ 03‬أن ‪:‬‬
‫القيمة ‪ =0.95‬غري موجودة يف اجلدول و ابلتايل نستخدم القاعدة ‪:‬‬
‫)‪-t(,n) = t(1-,n)  t(,n) = - t(1-,n‬‬
‫‪ t(0,95 ; 20)= - t(1-0,95 ; 20) = - t(0,05 ; 20) = - 1.725‬‬
‫الفرع الرابع ‪ :‬توزيع فيشر‬
‫إن إختبار فيشر )‪ (F‬هو من التوزيعات اإلحصائية اهلامة‪ ،‬حيث يستخدم يف اإلحصاء االستنتاجي إلجراء العديد من اختبارات الفروض املتعلقة‬
‫بتحليل التباين وتصميم التجارب وإختبار معنوية معادلة االحندار وغريها من االختبارات ويعرف هذا التوزيع كما يلي ‪:‬‬
‫إذا كان ‪ x‬و ‪ y‬متغريين عشوائيني ومستقلني ‪ ،‬وكان ‪ x‬متغري يتبع توزيع كاي‪-‬مربع بدرجة حرية ‪ )2(m)( m‬و ‪ y‬يتبع نفس التوزيع بدرجة حرية‬
‫‪x⁄‬‬
‫)‪F®f(m,n‬‬ ‫= ‪ (f‬له توزيع )‪ (F‬بدرجة حرية ‪ m‬و ‪ n‬ونكتب ‪:‬‬ ‫‪m‬‬
‫) ‪y⁄‬‬ ‫(‪ )2(n)( )n‬فإن (‪ )f‬كمتغري عشوائي‬
‫‪n‬‬
‫‪8‬‬
‫‪ /1‬دالة الكثافة االحتمالية لتوزيع فيشر ‪:‬‬
‫تعطى دالة الكثافة االحتمالية لتوزيع فيشر كمايلي ‪:‬‬
‫𝑛‪𝑚+‬‬ ‫𝑚 𝑚‬ ‫𝑚‬
‫(‪G‬‬ ‫‪2‬‬
‫‪) (𝑛)2‬‬ ‫‪𝑓2‬‬ ‫‪−1‬‬
‫∗‬ ‫𝑛‪𝑚+‬‬ ‫‪𝑓>0‬‬
‫= )𝐹( 𝑓‪ℎ‬‬ ‫𝑚‬ ‫𝑛‬
‫) ‪G ( 2 ) G( 2‬‬ ‫‪(1 +‬‬
‫𝑚‬
‫)𝑓‬ ‫(‬
‫‪2‬‬
‫)‬
‫𝑛‬
‫‪{0‬‬ ‫‪𝑓≤0‬‬
‫يعترب هذا التوزيع ملتواي إلتواء موجب وتقل درجة االلتواء كلما زادت درجات حرية البسط (‪ )m‬أو املقام (‪ )n‬أو كليهما معا‪.‬‬
‫‪ /2‬خواص دالة الكثافة االحتمالية لتوزيع فيشر ‪:‬‬
‫‪ -‬كلما إقرتب (‪ )f‬إىل ماالهناية (‪ )f®‬فإن دالة الكثافة تقرتب إىل الصفر (‪.)hf(F)®0‬‬
‫‪ -‬إذا كانت(‪ )m2‬وكلما كانت (‪ )f®0‬فإن دالة الكثافة تقرتب إىل الصفر (‪.)hf(F)®0‬‬
‫‪(𝟏−∝,𝒏,𝒎) -‬‬
‫𝟏‪𝑭(∝,𝒎,𝒏) = 𝑭−‬‬
‫‪ /3‬التمثيل البياين لدالة الكثافة االحتمالية لتوزيع فيشر ‪:‬‬
‫نرمز للطرف األعلى من توزيع (‪ )F‬ابلرمز )‪ f ( , m , n‬وهذا يعين أن ‪:‬‬

‫∞‬
‫= ) )‪P(F(m,n) ≥ f (α,m,n‬‬ ‫‪∫ hf (F)df = α‬‬

‫)‪f(α,m,n‬‬
‫وقيم )‪ f ( , m , n‬يتم إستخراجها من جدول توزيع فيشر وفق مستوى املعنوية ‪ ‬و درجيت احلرية (‪ m‬و ‪ ،)n‬حيث أن امللحق ‪ 04‬هو خاص‬
‫مبستوى معنوية (‪ ،)=0.05‬و درجة احلرية (‪ )m‬ممثلة يف اجلدول بـ ـ ــ(‪ ،)v1‬و درجة احلرية (‪ )n‬ممثلة بـ ـ ــ(‪. )v2‬‬
‫مثال تطبيقي ‪:‬ابالعتماد على امللحق رقم ‪ 04‬أوجد القيمتني ‪ f (0.05 , 2 , 10) :‬و )‪f (0.95 , 2 , 10‬‬
‫‪f (0.05 , 2 , 10) = 4.10‬‬ ‫احلل ‪ :‬نالحظ من جدول أن ‪:‬‬
‫القيمة ‪ =0.95‬غري موجودة يف اجلدول و ابلتايل نستخدم القاعدة ‪:‬‬
‫‪1‬‬
‫= )‪(𝟏−∝,𝒏,𝒎) 𝐹(0.95,2,10) = 𝐹(0.05,10,2‬‬
‫𝟏‪𝑭(∝,𝒎,𝒏) = 𝑭−‬‬ ‫‪−1‬‬
‫‪= 0.24‬‬
‫‪4.10‬‬
‫‪9‬‬
‫الفصل األول ‪:‬توزيعات املعاينة اإلحصائية ‪.‬‬
‫نتناول يف البداية بعض املصطلحات اإلحصائية ذات العالقة مبضمون حماور املقياس بتعاريف خمتصرة ‪.‬‬
‫الفرع االول ‪:‬تعاريف‪.‬‬
‫‪ -1‬اجملتمع اإلحصائي ‪ :‬يعرف اجملتمع اإلحصائي أبنه جمموع العناصر أو املفردات اليت جتمع البياانت منها واليت تشرتك يف صفة‬
‫معينة تعرف ابلظاهرة املدروسة ‪ .‬وقد يكون اجملتمع حمدود نستطيع حصر مجيع مفرداته ( هنائي ) ‪ ,‬وقد يكون غري حمدود ( ال‬
‫هنائي ) وابلتايل الميكن للباحث حصر مجيع مفرداته ‪ ,‬جمموع مفردات او عناصر هذا اجملتمع تعرب عن حجم اجملتمع اإلحصائي‬
‫ويرمز هلا ابلرمز ( ‪. ) N‬‬
‫‪ -2‬معامل اجملتمع ( املعلمة )‪:‬املعلمة هي أي مقياس إحصائي حتسب قيمته من بياانت مجيع مفردات اجملتمع دون استثناء ‪,‬‬
‫حيث تستخدم املعامل لوصف اجملتمع حمل الدراسة ‪ ,‬من املعامل اليت تصف لنا اجملتمع مقاييس النزعة املركزية مثل متوسط اجملتمع (‬
‫‪ ) U‬ومقاييس التشتت مثل تباين اجملتمع ( ‪ ) δ2‬واحنرافه املعياري (‪ )δ‬ومقاييس الشكل‪.‬‬
‫‪ -3‬توزيع اجملتمع ‪ :‬هو التوزيع التكراري أو االحتمايل لبياانت اجملتمع وميكن أن نعرب عنه ابلسلوك االحتمايل للظاهرة املدروسة‬
‫يف اجملتمع ومنيز هنا بني التوزيعات االحتمالية املتقطعة ( املنفصلة) والتوزيعات االحتمالية املستمرة ( املتصلة ) حسب طبيعة‬
‫بياانت الظاهرة املدروسة يف هذا اجملتمع‬
‫‪ -4‬العينة ‪ :‬هي جزء من اجملتمع حمل الدراسة تسحب منه بعناية لتعكس مجيع خصائص اجملتمع من اجل االستدالل هبا على‬
‫اجملتمع ككل ( تعميم نتائج العينة على اجملتمع ) من خالل التقدير اإلحصائي والتنبؤ واختاذ القرار ‪,‬يعرب عدد عناصر أو مفردات‬
‫العينة عن حجم العينة املسحوبة من اجملتمع ويرمز حلجم العينة ابلرمز ( ‪ . ) n‬أما عدد العينات املمكن سحبها من اجملتمع فإهنا‬
‫تتحدد وفق حجم العينة وحجم اجملتمع وطريقة سحب عناصر العينة ومنيز بني ثالث طرق ‪:‬‬
‫السحب ابإلرجاع مع الرتتيب ( ترتيبه ابإلعادة) ‪ :‬يكون عدد العينات املمكن سحبها من اجملتمع هو ‪.Nn‬‬
‫!‪N‬‬
‫= ‪. AnN‬‬ ‫السحب على التوايل وبدون إرجاع (ترتيبه بدون إعادة)‪:‬‬
‫!)‪(N−n‬‬
‫!‪N‬‬
‫‪. CN‬‬
‫‪n‬‬
‫=‬ ‫السحب بدون إرجاع مع إمهال الرتتيب ( يف آن واحد‪ -‬توفيقه )‪:‬‬
‫!)‪n!(N−n‬‬
‫أنواع العينات ‪ :‬نلخص اهم انواع العينات يف التمثيل البياين املوايل ‪.‬‬
‫‪10‬‬
‫أهم أنواع العينات‬
‫العينات غير االحتمالية ( غير العشوائية )‬ ‫العينات االحتمالية ( العشوائية )‬

‫المالئمة‪(:‬الوصولية )من شروطها جتانس اجملتمع تتيح‬
‫القطعيةابقتطاع عدد معني من اجملتمع كأن أيخذ أول‬

‫الحصصية ‪:‬الطريقة اليت تتيح للباحثتقسيم اجملتمع اىل‬
‫ع‪.‬ع‪ .‬العنقودية‪:‬تتميز عن العنقودية في كون كل‬
‫ع‪.‬العشوائية البسيطة‪:‬يكون لكل مفردات‬

‫ع‪.‬ع‪ .‬الطبقية‪:‬عندما يكون المجتمع غير‬
‫عشرة أفراد ويطبق عليهم الدراسة‪ ،‬وهي اضعف أنواع‬
‫طبقات و اختيار حصة معينة من املفردات اليت يرى اهنا‬
‫العينات على اإلطالق‪ ،‬لعدم قدرهتا على متثيل اجملتمع‪.‬‬
‫المجتمع‪.‬حين ان الطبقة تعكس خاصية معينة‬
‫المجتمع نفس فرصة التواجد في العينة وتستعمل‬

‫العينة عاكس لحجم الطبقة في المجتمع‬
‫متجانس يقسم الى طبقات كل طبقة تعكس‬
‫عنقود يعكس الخاصيات الموجودة في‬
‫خاصية معينة في المجتمع ويكون حجمها في‬

‫سلبياهتا استحالة تعميم نتائج الدراسة‬
‫تختلف عن الطبقات االخرى‬
‫عندما يكون المجتمع متجانس‬

‫تتوفر على عناصر الدراسة بشكل شخصي وليس عشوائيا‬
‫للباحث اختيار مفردات العينة من اجملتمع بسهولة‪,‬من‬
‫مالحظة ‪:‬سنركز على العينة العشوائية البسيطة رغم ان نفس خطوات املعاينة والتقدير ميكن تطبيقها على ابقي العينات العشوائية ‪.‬‬
‫‪ -5‬االحصاءة (اإلحصائية ) ‪:‬أي مقياس إحصائي حتسب قيمته من العينة املسحوبة من اجملتمع حمل الدراسة تعترب احصاءة ‪ ,‬فالوسط احلسايب‬
‫للعينة املسحوبة من اجملتمع ̅‪ x‬يعترب احصاءة وكذلك تباين العينة ‪ S 2‬واحنرافها املعياري ‪S‬تعترب إحصاءات‪ ,‬مبا أننا نستطيع سحب أكثر من عينة‬
‫(بنفس احلجم ‪) n‬من نفس اجملتمع املدروس فان هذه االحصاءة (̅‪ ) S , S 2 , x‬ستتغري قيمتها من عينة إىل أخرى لنفس اجملتمع وابلتايل أتخذ‬
‫̅‪ ,)x̅k ,......., x̅2 ,x̅1 :‬وهنا يكمن الفرق بني االحصاءة اليت حتسب من مفردات العينة و تتغري قيمتها من عينة إىل‬
‫صفة متغري عشوائي (‪X‬‬
‫أخرى واملعلمة (‪ ) δ , δ2 , U‬اليت اتخذ قيمة اثبتة حتسب اعتمادا على مجيع مفردات اجملتمع ‪.‬‬
‫العينة ‪ : k‬حجمها ‪n‬‬ ‫العينة ‪ : 01‬حجمها ‪n‬‬

‫المجتمع ‪:‬حجمه‪N‬‬ ‫االحصاءات‬
‫االحصاءات‬ ‫المعلمات‬ ‫𝑖𝑥 ‪∑𝑛1‬‬
‫المتوسط ‪𝑥̅k :‬‬ ‫𝑁∑‬
‫𝑖𝑋 ‪1‬‬ ‫‪𝑥̅1‬‬ ‫=‬ ‫المتوسط ‪:‬‬
‫=‪U‬‬ ‫المتوسط‬ ‫𝑛‬
‫التباين ‪𝑆k2 :‬‬ ‫𝑁‬
‫التباين ‪𝑆12 :‬‬
‫االنحراف ‪Sk :‬‬ ‫التباين ‪δ2 :‬‬ ‫االنحراف ‪S1 :‬‬
‫االنحراف ‪δ:‬‬ ‫‪.‬‬
‫العينة ‪ : 02‬حجمها ‪n‬‬

‫العينة ‪ : 03‬حجمها ‪n‬‬ ‫االحصاءات‬
‫االحصاءات‬ ‫المتوسط ‪𝑥̅2 :‬‬
‫المتوسط ‪𝑥̅3 :‬‬ ‫التباين ‪𝑆22 :‬‬
‫التباين ‪𝑆22 :‬‬ ‫االنحراف ‪S2 :‬‬
‫االنحراف ‪S3 :‬‬
‫‪11‬‬
‫‪ -6‬توزيع املعاينة ‪ :‬مبا أن إحصاءات العينة ( ̅𝑥 ‪) S , 𝑆 2 ,‬أتخذ صفة متغري عشوائي فان هلذا املتغري توزيع تكراري أو احتمايل‬
‫( سلوك ) طبيعة هذا التوزيع االحتمايل لالحصاءة اليت حسبت قيمها املختلفة من كل العينات العشوائية ذات احلجم املتساوي ‪n‬‬
‫واملمكن سحبها من نفس اجملتمع اإلحصائي املدروس نسميها توزيع املعاينة اإلحصائية ( متوسط العينة ‪,‬تباين العينة ‪.)......,‬‬
‫الفرع الثاين ‪ :‬توزيع املعاينة للوسط احلسايب للعينة ̅‬

‫𝑿‬
‫إذا كان لدينا جمتمع حجمه ‪ N‬وسحبنا منه مجيع العينات املمكنة اليت حجمها ‪ ,n‬مث حسبنا متوسطات هذه العينات جند أن‬
‫هذه املتوسطات أتخذ صفة املتغري العشوائي نرمز له ابلرمز 𝑖̅𝑋حيث ( 𝑖̅𝑋‪ ) 𝑥̅𝑘 ,......., 𝑥̅2 , 𝑥̅1 :‬هذا املتغري له توزيع‬
‫احتمايل قد تكون طبيعته مستمدة من التوزيع االحتمايل للمجتمع الذي سحبت منه كل العينات املتساوية احلجم أو حيدده حجم‬
‫العينة نفسه إذا كان توزيع اجملتمع غري معروف أو معامله جمهولة ( كما سنرى الحقا ) ‪,‬هذا التوزيع يعرف بتوزيع املعاينة ملتوسط‬
‫العينة ونعرفه عموما أبنه التوزيع التكراري أو االحتمايل ألحد املقاييس اإلحصائية احملسوبة من العينات العشوائية املتساوية احلجم‬
‫املمكن سحبها من جمتمع إحصائي واحد ‪.‬‬
‫هذا املتغري 𝑖̅𝑋 ميكن حتديد خصائصه العددية من متوسط وتباين واحنراف معياري ( ̅‪) 𝛿x̅ ,𝛿x̅2 , 𝑈x‬‬
‫𝑿)‪̅ ) :‬‬
‫𝒙 (𝐄 = ̅𝐱𝑼‬ ‫أوال‪ -‬متوسط أوساط العينات (األمل الرايضي للمتغري العشوائي ̅‬
‫كمقياس نزعة مركزية يعرب عن القيمة الوسطى للمتوسطات احلسابية لكل العينات املسحوبة ( متوسط املتوسطات ) حيسب‬
‫إبحدى الطرق التالية‪:‬‬
‫𝐤∑‬ ‫𝐢̅‬
‫𝒙 𝟏=𝒊‬
‫= ̅𝐱𝑼‬ ‫‪-1‬بقسمة جمموع قيم متوسطات العينات على العدد اإلمجايل للعينات املسحوبة‪:‬‬
‫عدد العينات 𝐤‬
‫!‪N‬‬ ‫!‪N‬‬
‫‪) CN‬‬
‫‪n‬‬
‫=‬ ‫= ‪, AnN‬‬ ‫علما أن عدد العينات حتدده طريقة سحب العينة (‪,Nn‬‬
‫!)‪n!(N−n‬‬ ‫!)‪(N−n‬‬
‫) 𝐢 ̅𝐱(𝐏 ‪𝐔𝐱̅ = ∑ 𝐱̅ 𝐢 .‬‬ ‫‪ -2‬بضرب كل قيمة ̅‪x‬ابالحتمال املقابل هلا) ̅𝑥(‪P‬حيث ‪:‬‬
‫‪ -3‬العالقة بني متوسط اجملتمع (‪)U‬ومتوسط أوساط العينات( ̅𝐱𝑼) ‪:‬متوسط أوساط العينات( ̅‪ )𝑈x‬يكون دائما مساوي‬
‫ملتوسط اجملتمع (‪)U‬الذي سحبت منه هذه العينات أي أن ‪𝑈x̅ = U:‬وأي اختالف بني القيمتني يعين وجود خطا أو حتيز يف‬
‫إحدى خطوات اختيار عناصر العينات ‪.‬‬
‫‪12‬‬
‫اثنيا‪ -‬تباين أوساط العينات ̅𝐱𝟐𝜹‪:‬هو احد مقاييس التشتت يعرب عن تباعد القيم ̅‪ x‬عن متوسطها ̅‪𝑈x‬وحيسب إبحدى الطرق‬
‫التالية ‪:‬‬
‫‪-1‬‬
‫𝒙(∑ = ̅𝐱𝟐𝜹‬
‫) 𝐢 ̅𝐱(𝐏 ‪̅𝐢 − 𝑼𝐗̅ )𝟐 .‬‬
‫𝟐])̅𝐱(𝐄[ –) 𝟐 ̅𝐱(𝐄 = ̅𝐱𝟐𝜹 𝟐] ̅𝒙𝐔[ – 𝟐̅𝐱 𝐔 = ̅𝐱𝟐𝜹‬ ‫‪-2‬‬
‫حيث أن ‪̅𝒊 ):‬‬

‫𝒙(𝑷 ‪̅𝐢 𝟐 .‬‬
‫𝒙 ∑ = 𝟐 ̅𝐱𝐔‬
‫𝟐‬ ‫فتصبح ‪:‬‬
‫𝒙(𝑷 ‪̅ 𝐢 𝟐 .‬‬
‫𝒙 ∑ = ̅𝐱𝟐𝜹‬ ‫𝒙 ∑[ ‪̅ 𝒊 ) −‬‬
‫𝒙(𝑷 ‪̅ 𝐢 .‬‬
‫]) 𝒊 ̅‬
‫𝟐) ̅𝑿𝑼 ‪̅𝒊 −‬‬

‫𝒙(∑‬
‫‪-3‬‬
‫̅𝒙𝟐𝜹‬ ‫=‬
‫عدد العينات 𝒌‬
‫‪ -4‬العالقة بين تباين المجتمع وتباين أوساط العينات ‪:‬نميز بين حالتين ‪:‬‬
‫𝑛‬
‫الحالة ‪: 1‬إذا كان لدينا جمتمع غري منتهي أو منتهي والسحب منه يتم ابإلرجاع ( االستقاللية ) أو كان لدينا‪ ≤ 0.05‬فان‬
‫𝑁‬
‫‪δ2‬‬
‫= ̅𝐱𝟐𝜹‬ ‫تباين الوسط احلسايب للعينة بداللة تباين اجملتمع يكون ‪:‬‬
‫𝑛‬
‫𝑛‬
‫الحالة ‪: 2‬إذا كان لدينا جمتمع حمدود حجمه ‪N‬وكان السحب بدون إرجاع و كان ‪ n≤N‬أو كان‪ > 0.05‬فان تباين‬
‫𝑁‬
‫𝟐𝛅‬ ‫𝒏‪𝑵−‬‬
‫= ̅𝐱𝟐𝜹‬ ‫(‪.‬‬ ‫متوسط املعاينة حيسب بداللة تباين اجملتمع كما يلي ‪):‬‬
‫𝒏‬ ‫𝟏‪𝐍−‬‬
‫𝑛‪𝑁−‬‬
‫(هو معامل االرجاع ‪.‬‬ ‫حيث ‪n :‬حجم العينة ‪N ,‬حجم اجملتمع ‪) ,‬‬
‫‪N−1‬‬
‫اثلثا‪ -‬االحنراف املعياري لوسط العينة ̅𝐱𝜹 ‪ :‬االحنراف املعياري كمقياس للتشتت يعرب عن القيمة املعيارية لتباعد القيم̅‪x‬عن‬
‫متوسطها ̅‪𝑈x‬ويسمي كذلك اخلطا املعياري لالحصاءة ̅‪x‬وهو جذر التباين حيث ‪:‬‬
‫𝟐‬
‫𝟐‬
‫‪,‬‬ ‫𝒙(∑√ = ̅𝐱𝜹‬
‫̅𝐗𝑼 ‪̅𝐢 −‬‬ ‫̅𝐱(𝐏 ‪)𝟐 .‬‬ ‫)𝐢‬ ‫]) 𝐢 ̅𝐱(𝐏 ‪, 𝛅𝐱̅ = √∑ 𝐱̅ 𝐢 . 𝐏(𝐱̅ 𝐢 ) − [∑ 𝐱̅ 𝐢 .‬‬
‫كذلك ابلنسبة للعالقة بني االحنراف املعياري للمجتمع واالحنراف املعياري ألوساط العينات ( اجلذر والرتبيع ) حيث منيز بني‬
‫حالتني ‪:‬‬
‫𝑛‬
‫الحالة ‪: 1‬إذا كان لدينا جمتمع غري منتهي أو منتهي والسحب منه يتم ابإلرجاع ( االستقاللية ) أو كان لدينا‪ ≤ 0.05‬فان‬
‫𝑁‬
‫‪δ‬‬
‫= ̅‪𝛿x‬‬ ‫احنراف الوسط احلسايب للعينة بداللة االحنراف املعياري اجملتمع يكون ‪:‬‬
‫𝑛√‬
‫‪13‬‬
‫𝑛‬
‫فان‬ ‫الحالة ‪: 2‬إذا كان لدينا جمتمع حمدود حجمه ‪ N‬وكان السحب بدون إرجاع و كان ‪ n≤N‬أو كان ‪> 0.05‬‬
‫𝑁‬
‫‪δ‬‬ ‫𝒏‪𝑵−‬‬
‫= ̅‪𝛿x‬‬ ‫(√‬ ‫االحنراف املعياري ملتوسط املعاينة حيسب بداللة االحنراف املعياري اجملتمع كما يلي ‪):‬‬
‫𝑛√‬ ‫𝟏‪𝐍−‬‬
‫𝑛‪𝑁−‬‬
‫(هو معامل االرجاع ‪.‬‬ ‫حيث ‪n :‬حجم العينة ‪N ,‬حجم اجملتمع ‪) ,‬‬
‫‪N−1‬‬
‫املالحظ أن اخلطأ املعياري ( االحنراف ) يعتمد على حجم العينة ‪ , n‬فتقل قيمته كلما زاد حجم العينة ‪,‬فالعينات الكبرية تكون‬
‫أكثر متثيال للمجتمع الذي سحبت منه فكلما زاد حجمها كلما اقرتب متوسطها من متوسط اجملتمع الذي اختريت منه وابلتايل‬
‫يقل االحنراف ‪.‬‬
‫ملخص قوانني ورموز ‪.‬‬
‫اجملتمع حجمه ‪N‬‬ ‫عينة واحدة حجمها‪n‬‬ ‫كل العينات املمكنة‪k‬‬ ‫العالقة‬
‫املعلمات‬ ‫االحصاءات‬
‫املتوسط‬ ‫𝑵∑‬
‫𝒊𝑿 𝟏=𝒊‬
‫𝒊𝒙 𝟏=𝒊𝒏∑‬ ‫𝑼 = ̅𝐱𝐔‬
‫=𝐔‬ ‫= 𝒊̅‬
‫𝒙‬ ‫) 𝐢 ̅𝐱(𝐏 ‪𝐔𝐱̅ = ∑ 𝐱̅ 𝐢 .‬‬
‫𝑵‬ ‫𝒏‬
‫التباين‬ ‫𝟐]𝐔 ‪∑𝐍𝐢=𝟏[𝐗𝐢 −‬‬ ‫‪n > 30 :‬‬ ‫𝒏‬
‫= 𝟐𝛅‬ ‫∶ 𝟓𝟎 ‪≤ 𝟎.‬‬
‫𝐍‬ ‫𝐧∑‬ ‫𝟐] ̅‬
‫𝑵‬
‫𝐱‪𝐢=𝟏[𝐱𝐢−‬‬
‫= 𝟐𝐒‬ ‫𝐧‬ ‫𝟐] ̅𝒙𝐔[ – 𝟐 ̅𝐱𝐔 = ̅𝐱𝟐𝜹‬ ‫𝟐𝜹‬
‫= ̅𝐱𝟐𝜹‬
‫‪n ≤ 30:‬‬ ‫𝒏‬
‫𝟐]̅𝐱 ‪∑𝐧𝐢=𝟏[𝐱𝐢 −‬‬ ‫𝒏 ) 𝐢 ̅𝐱(𝐏 ‪̅𝐢 − 𝑼𝐗̅ )𝟐 .‬‬
‫𝒙(∑ = ̅𝐱𝟐𝜹‬
‫𝟐‬ ‫∶ 𝟓𝟎 ‪> 𝟎.‬‬
‫= 𝐒‬ ‫𝑵‬
‫𝟏‪𝐧−‬‬
‫𝒏 ‪𝜹𝟐 𝑵 −‬‬
‫= ̅𝐱𝟐𝜹‬ ‫(‪.‬‬
‫𝟏‪𝒏 𝑵−‬‬
‫االحنراف‬ ‫𝟐𝑺 √ = 𝑺‬ ‫√ = ̅𝐱𝜹‬
‫𝑁∑‬
‫]𝑈 ‪𝑖=1[𝑋𝑖 −‬‬
‫‪2‬‬ ‫̅𝐱𝟐𝜹√ = ̅𝐱 𝜹‬
‫√=‪δ‬‬
‫املعياري‬ ‫𝑁‬
‫مثال‪ : 01‬إذا كان لدينا جمتمع يتكون من املشاهدات التالية ‪ . 4 , 3 ,2 :‬وسحبت منه مجيع العينات املمكنة حبجم‬
‫مشاهدتني ‪.‬‬
‫املطلوب‪:‬‬
‫أوال‪-‬حدد معامل اجملتمع ( حساب املتوسط والتباين واالحنراف املعياري للمجتمع ) ؟‬
‫اثنيا –يف حالة السحب ابإلرجاع لعينة من عنصرين ‪:‬‬
‫‪-1‬قدم جدول توزيع املعاينة ملتوسط العينة ؟‬
‫‪ -2‬احسب متوسط أوساط العينات ؟ احسب تباين أوساط العينات واحنرافها املعياري ؟‬
‫‪14‬‬
‫‪ -3‬احسب متوسط أوساط العينات وتباين أوساط العينات واحنرافها املعياري اعتمادا على معلمات اجملتمع ؟‬
‫اثلثا ‪ :‬يف حالة السحب بدون إرجاع اجب على نفس األسئلة السابقة ؟‬
‫احلل ‪:‬لدينا املشاهدات ‪ 4 , 3, 2‬وابلتايل حجم اجملتمع ‪ , N=3‬نسحب مشاهدتني أي حجم العينة ‪n=2‬‬
‫أوال ‪ :‬حتديد معامل اجملتمع ‪.‬‬
‫𝑖𝑋 ‪∑3𝑖=1‬‬ ‫‪2+3+4‬‬

‫=‪U‬‬ ‫=‬ ‫‪ -1‬متوسط اجملتمع‪= 3 :‬‬
‫𝑁‬ ‫‪3‬‬
‫‪2‬‬ ‫‪∑3𝑖=1[𝑋𝑖−𝑈]2‬‬ ‫‪∑3𝑖=1[𝑋𝑖−3]2‬‬ ‫‪(2−3)2 +(3−3)2 +(4−3)2‬‬ ‫‪2‬‬

‫= ‪δ‬‬ ‫=‬ ‫=‬ ‫=‬ ‫‪ -2‬تباين اجملتمع ‪:‬‬
‫𝑁‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪2‬‬
‫‪ -3‬االحنراف املعياري للمجتمع ‪δ = √ :‬‬
‫‪3‬‬
‫اثنيا ‪ :‬حالة السحب ابإلرجاع ‪:‬لدينا ‪ , n=2 , N=3‬ابلسحب يتم ابإلرجاع وابلتايل عدد العينات املسحوبة‪Nn=32 = 9‬‬
‫قبل إعداد جدول توزيع املعاينة ميكن االستعانة جبدول للعينات املمكن سحبها من هذا اجملتمع ‪.‬‬
‫𝑛∑‬
‫𝑖𝑥 ‪1‬‬
‫= ‪) {2,3} ⇒ 𝑥̅2‬‬ ‫جدول العينات ‪:‬نشكل العينات وحنسب متوسطاهتا مثال العينة‪= 2 + 3⁄2 = 2.5( 2‬‬
‫𝑛‬
‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬
‫‪4,2‬‬ ‫‪3,2‬‬ ‫‪2,2‬‬ ‫‪2‬‬
‫‪̅𝟑 =3‬‬
‫𝒙‬ ‫‪̅𝟐 =2 .5‬‬
‫𝒙‬ ‫‪̅𝟏 =2‬‬
‫𝒙‬
‫‪4,3‬‬ ‫‪3,3‬‬ ‫‪2,3‬‬ ‫‪3‬‬

‫‪̅𝟔 =3.5‬‬
‫𝒙‬ ‫‪̅𝟓 =3‬‬
‫𝒙‬ ‫‪̅𝟒 =2.5‬‬
‫𝒙‬
‫‪4,4‬‬ ‫‪3,4‬‬ ‫‪2,4‬‬ ‫‪4‬‬

‫𝟒 = 𝟗̅‬
‫𝒙‬ ‫‪̅𝟖 =3.5‬‬
‫𝒙‬ ‫𝟑 = 𝟕̅‬
‫𝒙‬
‫𝑿و ابقران‬
‫نالحظ أن املتوسط احلسايب للعينات كمتغري عشوائي أيخذ جمال من القيم ( جمال تعريفه ) ‪̅ : 2 , 2.5 ,3 ,3.5, 4‬‬
‫‪X‬كما يف اجلدول التايل ‪:‬‬

‫كل قيمة من هذه القيم ابالحتمال املقابل هلا كتوزيع احتمايل نكون قدمنا توزيع املعاينة ل ̅‬
‫‪15‬‬
‫‪:X‬‬
‫‪-1‬جدول توزيع املعاينة ملتوسط العينة ̅‬
‫𝒊̅‬
‫𝒙‬ ‫) 𝐢 ̅𝐱(𝐏‬ ‫) 𝐢 ̅𝐱(𝐏 ‪𝐱̅ 𝐢 .‬‬ ‫𝒙(‬
‫) ̅𝐗𝑼 ‪̅𝐢 −‬‬ ‫𝟐) ̅𝐗𝑼 – 𝐢̅‬
‫𝒙(‬ ‫𝒙(𝑷 ‪̅𝐢 – 𝑼𝐗̅ )𝟐 .‬‬
‫𝒙(‬ ‫) 𝒊̅‬ ‫𝟐 𝐢̅‬
‫𝒙‬ ‫𝒙(𝑷 ‪̅𝐢 𝟐 .‬‬
‫𝒙‬ ‫) 𝒊̅‬
‫𝒙(‬
‫)𝟑 ‪̅𝐢 −‬‬ ‫𝟐)𝟑 – 𝐢̅‬
‫𝒙(‬ ‫𝒙(‬ ‫𝟐‬
‫𝒙(𝑷 ‪̅𝐢 – 𝟑) .‬‬ ‫) 𝒊̅‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2⁄‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪2⁄‬‬ ‫‪4‬‬ ‫‪8⁄‬‬
‫‪9‬‬ ‫‪18‬‬ ‫‪18‬‬
‫‪9‬‬
‫‪2.5‬‬ ‫‪2‬‬ ‫‪5⁄‬‬ ‫‪-0.5‬‬ ‫‪0.25‬‬ ‫‪1⁄‬‬ ‫‪6.25‬‬ ‫‪25⁄‬‬
‫‪9‬‬ ‫‪18‬‬ ‫‪18‬‬
‫‪9‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪9⁄‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪9‬‬ ‫‪54⁄‬‬
‫‪9‬‬ ‫‪18‬‬
‫‪9‬‬
‫‪3.5‬‬ ‫‪2‬‬ ‫‪7⁄‬‬ ‫‪0.5‬‬ ‫‪0.25‬‬ ‫‪1⁄‬‬ ‫‪12.25‬‬ ‫‪49⁄‬‬
‫‪9‬‬ ‫‪18‬‬ ‫‪18‬‬
‫‪9‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪4⁄‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪2⁄‬‬ ‫‪16‬‬ ‫‪32⁄‬‬
‫‪9‬‬ ‫‪18‬‬ ‫‪18‬‬
‫‪9‬‬
‫اجملموع‬ ‫‪=1‬‬
‫‪9‬‬
‫‪=327⁄9‬‬ ‫‪=1⁄36⁄18‬‬ ‫‪168⁄‬‬
‫‪9‬‬ ‫‪18‬‬
‫‪ -2‬حساب متوسط أوساط العينة وتباينها واحنرافها املعياري ‪.‬‬
‫‪27‬‬
‫= ) 𝐢 ̅𝐱(𝐏 ‪𝐔𝐱̅ = ∑ 𝐱̅ 𝐢 .‬‬ ‫*حساب متوسط أوساط العينات ‪= 3 :‬‬
‫‪9‬‬
‫* حساب تباين أوساط العينات ‪ :‬ميكن حسابه إبحدى الطريقتني ‪.‬‬
‫𝒙(∑ = ̅𝐱𝟐𝜹‬‫الطريقة األوىل ‪̅𝐢 − 𝑼𝐗̅ )𝟐 . 𝐏(𝐱̅ 𝐢 ) = 6⁄18 = 1⁄3:‬‬
‫الطريقة الثانية ‪𝜹𝟐𝐱̅ = 𝐔𝐱̅𝟐 – [𝐔𝒙̅ ]𝟐 = 𝐄(𝐱̅ 𝟐 )– [𝐄(𝐱̅)]𝟐 = 168⁄18 − 𝟑𝟐 = 1⁄3 :‬‬
‫𝒙 ∑ = 𝟐 ̅𝐱𝐔‬ ‫‪̅𝒊 ) = 168⁄18‬‬
‫𝒙(𝑷 ‪̅𝐢 𝟐 .‬‬
‫‪1‬‬
‫* حساب االحنراف املعياري ملتوسط العينة ‪ :‬هو جذر التباين ‪𝛿x̅ = √ = 0.5773‬‬
‫‪3‬‬
‫‪ -3‬حساب متوسط أوساط العينة وتباينها واحنرافها املعياري اعتمادا على معلمات اجملتمع‪.‬‬
‫متوسط اجملتمع مساوي ملتوسط املعاينة ‪𝑈x̅ = U = 3‬‬
‫‪2‬‬
‫‪δ2‬‬ ‫‪1‬‬
‫̅𝐱𝟐𝜹‬ ‫=‬ ‫=‬ ‫‪3‬‬
‫التباين ‪ :‬مبا أن السحب يتم ابإلرجاع فان ‪= :‬‬
‫𝑛‬ ‫‪2‬‬ ‫‪3‬‬
‫‪δ‬‬ ‫‪1‬‬
‫= ̅‪𝛿x‬‬ ‫االحنراف ‪= √ = 0.5773 :‬‬
‫𝑛√‬ ‫‪3‬‬
‫مالحظة ‪ :‬من خالل مقارنة نتائج حساب املتوسط والتباين واالحنراف من املعاينة مع نتائج حساهبم من املعلمات جند أن‬
‫العالقات السالفة الذكر حمققة وابلتايل خطوات املعاينة كانت سليمة ‪.‬‬
‫اثلثا ‪:‬حالة السحب بدون إرجاع ‪.‬‬

‫!‪N‬‬ ‫!‪3‬‬
‫‪n‬‬
‫‪CN‬‬ ‫=‬ ‫=‬ ‫السحب يتم بدون إرجاع وابلتايل عدد العينات املسحوبة يكون‪= 3 :‬‬
‫!)‪n!(N−n‬‬ ‫!)‪2!(3−2‬‬
‫‪16‬‬
‫السحب بدون إرجاع يعين أن العنصر اليتكرر يف العينة و الثنائية ال تتكرر ‪ ,‬عدد العينات قليل نستغين عن جدول العينات‬
‫كجدول مساعد يف ‪.‬‬
‫‪:X‬‬
‫‪-‬جدول توزيع املعاينة ملتوسط العينة ̅‬
‫العينات‬ ‫𝒊̅‬
‫𝒙‬ ‫) 𝐢 ̅𝐱(𝐏‬ ‫) 𝐢 ̅𝐱(𝐏 ‪𝐱̅ 𝐢 .‬‬ ‫𝟐 𝐢̅‬
‫𝒙‬ ‫𝒙(𝑷 ‪𝒙𝐢 𝟐 .‬‬
‫̅‬ ‫) 𝒊̅‬
‫‪2,3‬‬ ‫‪2.5‬‬ ‫‪1⁄‬‬ ‫‪5⁄‬‬ ‫‪6.25‬‬ ‫‪25⁄‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪12‬‬
‫‪4,2‬‬ ‫‪3‬‬ ‫‪1⁄‬‬ ‫‪6⁄‬‬ ‫‪9‬‬ ‫‪36‬‬ ‫‪⁄12‬‬
‫‪3‬‬ ‫‪6‬‬
‫‪4,3‬‬ ‫‪3.5‬‬ ‫‪1⁄‬‬ ‫‪7⁄‬‬ ‫‪12.25‬‬ ‫‪49⁄‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪12‬‬
‫اجملموع‬ ‫‪3⁄‬‬ ‫‪18⁄‬‬ ‫‪110⁄‬‬
‫‪3‬‬ ‫‪6‬‬ ‫‪12‬‬
‫‪ -‬حساب متوسط أوساط العينة وتباينها واحنرافها املعياري ‪.‬‬
‫‪18‬‬
‫= ) 𝐢 ̅𝐱(𝐏 ‪𝐔𝐱̅ = ∑ 𝐱̅ 𝐢 .‬‬ ‫‪=3‬‬ ‫*حساب متوسط أوساط العينات ‪:‬‬
‫‪6‬‬
‫* حساب تباين أوساط العينات ‪:‬‬

‫‪𝜹𝟐𝐱̅ = 𝐔𝐱̅𝟐 – [𝐔𝒙̅ ]𝟐 = 𝐄(𝐱̅ 𝟐 )– [𝐄(𝐱̅)]𝟐 = ( 110⁄12 ) − 𝟑𝟐 = 1⁄6‬‬
‫‪̅𝒊 ) = 110⁄12‬‬
‫𝒙(𝑷 ‪̅𝐢 𝟐 .‬‬
‫𝒙 ∑ = 𝟐 ̅𝐱𝐔‬
‫‪1‬‬
‫* حساب االحنراف املعياري ملتوسط العينة ‪ :‬هو جذر التباين ‪𝛿x̅ = √ = 0.4082‬‬
‫‪6‬‬
‫‪ -2‬حساب متوسط أوساط العينة وتباينها واحنرافها املعياري اعتمادا على معلمات اجملتمع‪.‬‬
‫متوسط اجملتمع مساوي ملتوسط املعاينة ‪𝑈x̅ = U = 3‬‬
‫التباين ‪ :‬مبا أن السحب يتم بدون إرجاع فإننا نستعمل معامل اإلرجاع ‪:‬وحيسب تباين أوساط العينات ابلصيغة التالية ‪:‬‬
‫‪2‬‬
‫‪δ2‬‬ ‫𝒏‪𝑵−‬‬ ‫𝟐‪𝟑−‬‬ ‫‪1 1‬‬ ‫‪1‬‬
‫̅𝐱𝟐𝜹‬ ‫=‬ ‫(‪.‬‬ ‫=)‬ ‫‪3‬‬
‫(‪.‬‬ ‫= ‪)= .‬‬
‫𝑛‬ ‫𝟏‪𝐍−‬‬ ‫‪2‬‬ ‫𝟏‪𝟑−‬‬ ‫‪3 2‬‬ ‫‪6‬‬
‫‪2‬‬
‫‪δ‬‬ ‫𝒏‪𝑵−‬‬ ‫𝟐‪𝟑−‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫= ̅‪𝛿x‬‬ ‫(√ ‪.‬‬ ‫(√ ‪) = √ 3 .‬‬ ‫‪) = √ . √ = √ = 0.4082‬‬ ‫االحنراف‪:‬‬
‫𝑛√‬ ‫𝟏‪𝐍−‬‬ ‫‪2‬‬ ‫𝟏‪𝟑−‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪6‬‬
‫مالحظة ‪ :‬من خالل مقارنة نتائج حساب املتوسط والتباين واالحنراف من املعاينة مع نتائج حساهبم من املعلمات جند أن‬
‫العالقات السالفة الذكر حمققة وابلتايل خطوات املعاينة كانت سليمة ‪.‬‬
‫‪17‬‬
‫رابعا ‪ -‬طبيعة توزيع املعاينة ملتوسط العينة ‪:‬‬
‫حالة ‪ : 1‬توزيع اجملتمع معلوم ( التوزيع الطبيعي ) وتباين اجملتمع معلوم ‪:‬‬
‫إذا سحبنا عينة عشوائية من جمتمع يتبع التوزيع الطبيعي مبتوسط ‪U‬وتباين ‪δ2‬معلوم القيمة اي ‪X ↝ N ( U , δ2 ).:‬فان‬
‫‪δ‬‬ ‫‪2‬‬
‫متوسط العينة يسلك سلوك اجملتمع فيتوزع طبيعيا مبتوسط ̅‪Ux‬وتباين = ̅‪δ2x‬مهما كان حجم العينة أي‪𝑋̅ ↝:‬‬
‫‪n‬‬
‫‪δ2‬‬
‫) ‪N (Ux̅ ,‬ونكتب القيمة املعيارية‬
‫‪n‬‬
‫̅‪̅ − Ux‬‬
‫‪X‬‬
‫(=‪z‬‬ ‫‪δ‬‬
‫)‪) ↝ N(0.1‬‬
‫‪√n‬‬
‫مثال‪ :02‬ختضع عالمات طلبة يف الوحدة األساسية لتوزيع طبيعي وسطه ‪ 65‬واحنراف معياري ‪ .18‬أخذت عينة عشوائية‬
‫حجمها ‪ 36‬طالب‪:‬حدد توزيع املعاينة للمتوسط ؟ احسب احتمال ‪ -:‬أن يزيد متوسط العينة عن ‪ 74‬؟ ‪-‬أن يقل عن ‪ 60‬؟‬
‫‪182‬‬ ‫‪̅ − 65‬‬

‫‪X‬‬
‫̅‬
‫‪𝑋 ↝ N (65 ,‬‬ ‫=𝑍⇒)‬ ‫)‪↝ 𝑁(0,1‬‬ ‫توزيع المعاينة للمتوسط ∶‬
‫‪36‬‬ ‫‪18/√36‬‬
‫‪ -1‬احتمال أن يزيد وسط عالمات العينة على ‪ 74‬؟‬
‫𝜇‪𝑋−‬‬ ‫‪74 − 65‬‬ ‫‪74 − 65‬‬

‫(𝑃 = )‪𝑃(𝑋 > 74‬‬ ‫𝜎‬ ‫>‬ ‫> 𝑍(𝑃 = )‬ ‫)‪) = 𝑃(𝑍 > 3) = 1 – 𝑃(𝑍 < 3‬‬
‫‪18/√36‬‬ ‫‪18/√36‬‬
‫𝑛√‬
‫‪= 1 – 0.9987 = 0.0013‬‬
‫‪ -2‬احتمال أن يقل وسط عالمات العينة على ‪ 60‬؟‬
‫‪𝑋 − 65‬‬ ‫‪60 − 65‬‬ ‫‪60 − 65‬‬

‫( 𝑃 = )‪𝑃(𝑋 < 60‬‬ ‫‪18‬‬ ‫<‬ ‫‪18‬‬ ‫< 𝑍( 𝑃 = )‬ ‫‪18‬‬ ‫‪) = 𝑃(𝑍 < −1.67) = 0.0475‬‬
‫‪√36‬‬ ‫‪√36‬‬ ‫‪√36‬‬
‫احلالة ‪ : 2‬توزيع اجملتمع جمهول وتباين اجملتمع معلوم ‪:‬‬
‫اذا كان لدينا جمتمع متوسطه ‪ U‬تباينه معلوم القيمة ‪δ2‬ولكن توزيع اجملتمع غري معروف فان حجم العينة ‪ n‬هو الذي حيدد طبيعة‬
‫توزيع املعاينة ملتوسط العينة ( ‪ n≥ 30‬التوزيع الطبيعي وفق نظرية النهاية املركزية ‪ 30 <n ,‬توزيع ستودنت )‪.‬‬
‫‪18‬‬
‫احلالة ‪ (. n ≥ 30: 1-2‬العينات كبرية احلجم –التوزيع الطبيعي )‬
‫إذا كان لدينا جمتمع متوسطه ‪ U‬تباينه معلوم القيمة ‪δ2‬ولكن توزيع اجملتمع غري معروف وكان حجم العينة ‪ n≥30‬فان متوسط‬
‫العينة ̅‪X‬يتبع التوزيع الطبيعي حىت وان كان اجملتمع يف أصله ال يتوزع طبيعيا ألنه كلما زاد حجم العينة اقرتب توزيع متوسطها من‬
‫التوزيع الطبيعي بصرف النظر عن توزيع اجملتمع ‪ .‬أنخذ األشكال الثالث املوالية كمثال على توزيع اجملتمع وتوزيع عينة منه‪:‬‬
‫)‪P(x‬‬
‫‪1/6‬‬
‫̅‪x‬‬ ‫̅‪x‬‬ ‫‪x‬‬

‫‪1 2‬‬ ‫‪3 4 5‬‬ ‫‪6‬‬
‫الشكل ‪ : 03‬متوسط العينة ( ‪) n=3‬‬ ‫الشكل ‪ : 02‬متوسط العينة ( ‪) n=2‬‬ ‫الشكل ‪ : 01‬المجتمع (أوجه زهرة النرد)‬
‫‪1‬‬
‫ميثل الشكل‪ 1‬اجملتمع ممثل يف زهرة نرد من ستة أوجه لكل وجه منها نفس احتمال الظهور وابلتايل توزيع اجملتمع هو توزيع منتظم‬
‫‪6‬‬
‫( متقطع) بعيد عن التوزيع الطبيعي املتماثل واملتناظر ( مستمر ) ‪ ,‬لكن املالحظ من الشكل‪ ( 2‬رمي النرد مرتني ) والشكل‪( 3‬‬
‫رمي النرد ثالث مرات ) أن التمثيل البياين ملتوسط العينة يتجه حنو التناظر كلما زاد حجم العينة ليقرتب من التوزيع الطبيعي (‬
‫متماثل ومتناظر) عندما يصبح حجم العينة ‪ 30‬فأكثر فنستعمل التوزيع الطبيعي كتقريب لتوزيع املعاينة ملتوسط العينة وفق نظرية‬
‫النهاية املركزية مهما كان توزيع اجملتمع هذه النظرية متكننا من استخدام التوزيع الطبيعي املعياري دون احلاجة إىل معرفة التوزيع‬
‫االحتمايل للمجتمع ونكتب ‪:‬‬
‫‪δ2‬‬ ‫̅‪̅ − Ux‬‬

‫‪X‬‬
‫‪n ≥ 30 ⇛ 𝑋̅ ↝ N (Ux̅ ,‬‬ ‫(=‪)⇛ z‬‬ ‫‪δ‬‬ ‫)‪) ↝ 𝑁(0.1‬‬
‫‪n‬‬
‫‪√n‬‬
‫مثال ‪:04‬جمتمع يتكون من ‪ 1000‬وحدة مبتوسط ‪ 30‬وحدة واحنراف معياري قدره ‪ 12‬وحدة نسحب عينة عشوائية حجمها‬
‫‪ 49‬وحدة ‪.‬‬
‫املطلوب ‪ :‬إجياد توزيع املعاينة لوسط العينة ؟ احسب احتمال متوسط العينة اقل من ‪ 35‬؟‬
‫‪19‬‬
‫احلل ‪ :‬لدينا ‪ , n=49, δ=12 , U=30 , N =1000‬كما نالحظ أن توزيع اجملتمع جمهول وابلتايل نعتمد على حجم‬
‫‪2‬‬
‫‪δ‬‬
‫العينة يف حتديد توزيع املعاينة ملتوسط العينة ̅‪X‬لدينا= ‪n = 49 > 30 ⇛ 𝑋̅ ↝ N (Ux̅ , ) ⇛ z‬‬
‫‪n‬‬
‫̅‪̅ −Ux‬‬
‫‪X‬‬
‫(‬ ‫‪δ‬‬ ‫)‪) ↝ N (0.1‬‬
‫‪√n‬‬
‫حساب متوسط أوساط العينات ‪𝐔𝐱̅ = 𝑼 = 𝟑𝟎:‬‬
‫حساب تباين أوساط العينات ‪:‬يتم حسابه بداللة تباين اجملتمع(‪)δ2 = 122 = 144‬لكن السؤال هل نستعمل معامل‬
‫𝑛‬ ‫‪49‬‬
‫=‬ ‫اإلرجاع علما أننا ال نعلم طريقة السحب ( ابإلرجاع أو بدون إرجاع )؟ يف هذه احلالة نستعمل الشرط=‬
‫𝑁‬ ‫‪1000‬‬
‫‪δ2‬‬ ‫‪δ‬‬ ‫‪12‬‬

‫̅𝐱𝟐𝜹‬ ‫=‬ ‫= ̅‪⇒ 𝛿x‬‬ ‫=‬ ‫‪ 0.049 ≤ 0.05‬وابلتايل ال نستعمل معامل اإلرجاع ‪= 1.7143 .‬‬
‫𝑛‬ ‫𝑛√‬ ‫‪√49‬‬
‫‪144‬‬ ‫‪̅ −30‬‬

‫‪X‬‬
‫( = ‪𝑋̅ ↝ N ( 30 , ) ⇛ z‬‬ ‫‪12‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪49‬‬
‫‪√49‬‬
‫‪𝑥̅ − 30‬‬ ‫‪35 − 30‬‬ ‫‪35 − 30‬‬

‫( 𝑃 = ) ‪𝑃(𝑥̅ ≤ 35‬‬ ‫‪12‬‬ ‫≤‬ ‫‪12‬‬ ‫≤ 𝑍( 𝑃 = )‬ ‫)‪) = 𝑃(𝑍 ≤ 2.91 ) = ɸ(2.91‬‬
‫‪1.7143‬‬
‫‪√49‬‬ ‫‪√49‬‬
‫‪= 0.9982 = 99.82%‬‬

‫مثال‪: 05‬نفس املثال السابق نسحب عينة حجمها ‪ . 81‬اجب على نفس األسئلة السابقة ؟‬
‫𝑛‬ ‫‪81‬‬
‫=‬ ‫احلل‪:‬لدينا ‪ , n=81, δ=12 , U=30 , N =1000‬توزيع اجملتمع جمهول و≤ ‪= 0.081‬‬
‫𝑁‬ ‫‪1000‬‬
‫‪0.05‬وابلتايل نستعمل معامل اإلرجاع عند حساب التباين ‪.‬‬
‫𝒏‪δ2 𝑵−‬‬ ‫̅‪̅−Ux‬‬

‫‪X‬‬
‫( ‪n = 81 > 30 ⇒ 𝑋̅ ↝ N (Ux̅ ,‬‬ ‫( = ‪)) ⇒ z‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪n‬‬ ‫𝟏‪𝐍−‬‬ ‫‪δ‬‬ ‫𝒏‪𝑵−‬‬
‫(√‬ ‫)‬
‫‪√n‬‬ ‫𝟏‪𝐍−‬‬
‫حساب متوسط أوساط العينات ‪𝐔𝐱̅ = 𝑼 = 𝟑𝟎:‬‬
‫و تباين أوساط العينات ‪ :‬لدينا (‪)δ2 = 122 = 144‬‬
‫𝑛‪𝛿 2 𝑁−‬‬ ‫‪144‬‬ ‫‪1000−81‬‬ ‫𝛿‬ ‫𝑛‪𝑁−‬‬ ‫‪12‬‬ ‫‪1000−81‬‬

‫= ‪𝛿𝑥̅2‬‬ ‫= ) ‪(𝑁−1‬‬ ‫(‪.‬‬ ‫= ̅𝑥𝛿 ⇒ )‬ ‫(√ ‪.‬‬ ‫=)‬ ‫(√ ‪.‬‬ ‫‪) = 1.27‬‬
‫𝑛‬ ‫‪49‬‬ ‫‪1000−1‬‬ ‫𝑛√‬ ‫‪𝑁−1‬‬ ‫‪√81‬‬ ‫‪1000−1‬‬
‫‪144 1000−81‬‬ ‫‪𝑋̅−30‬‬ ‫‪𝑋̅−30‬‬

‫‪𝑋̅ ↝ 𝑁 ( 30 ,‬‬ ‫( = 𝑧 ⇛ )) ‪( 1000−1‬‬ ‫(=)‬ ‫)‪) ↝ 𝑁(0.1‬‬
‫‪49‬‬ ‫‪12‬‬ ‫‪1000−81‬‬ ‫‪1.27‬‬
‫(√‬ ‫)‬
‫‪√49‬‬ ‫‪1000−1‬‬
‫‪20‬‬
‫‪𝑥̅ − 30‬‬ ‫‪35 − 30‬‬ ‫‪35 − 30‬‬
‫( 𝑃 = ) ‪𝑃(𝑥̅ ≤ 35‬‬ ‫≤‬ ‫≤ 𝑍( 𝑃 = )‬ ‫)‪) = 𝑃(𝑍 ≤ 3.93 ) = ɸ(3.93‬‬
‫‪1.27‬‬ ‫‪1.27‬‬ ‫‪1.27‬‬
‫‪=1‬‬
‫الحالة ‪(n<30: 3-2‬العينات صغيرة الحجم‪-‬توزيع ستودنت )‪.‬‬
‫اذا كان لدينا جمتمع متوسطه ‪ U‬تباينه معلوم القيمة ‪ δ2‬ولكن توزيع اجملتمع غري معروف وكان حجم العينة ‪ n<30‬فان متوسط‬
‫‪̅−U‬‬
‫‪X‬‬
‫العينة ̅‪X‬يتبع توزيع ستودنت ونكتب ‪n < 30 ⇛ 𝑋̅ ↝ T (n − 1) ⇛ T = ( δ x̅ ) ↝ 𝑇(𝑛 − 1):‬‬
‫‪√n‬‬
‫احلالة ‪ : 3‬تباين اجملتمع 𝟐𝛅 جمهول ( معامل اجملتمع جمهولة ) ‪.‬‬
‫يف هذه احلالة كذلك حجم العينة هو احملدد لطبيعة توزيع املعاينة ملتوسط العينة ̅‪ ,X‬سواء كان توزيع اجملتمع معلوم او جمهول ( حىت‬
‫وان كان اجملتمع يتبع التوزيع الطبيعي )فان توزيع املعاينة للمتوسط ال يتبع توزيع اجملتمع ألننا لن نستعمل معامل اجملتمع وإمنا أنخذ‬
‫تباين العينة ‪𝑆 2‬كبديل عن تباين اجملتمع ‪ 𝛿 2‬فإذا كان ‪ n≥30 (:‬التوزيع الطبيعي ‪ n<30 ,‬توزيع ستودنت )‪.‬‬
‫احلالة ‪𝛅𝟐 : 1-3‬جمهول و ‪ (. n ≥ 30‬العينات كبرية احلجم –التوزيع الطبيعي )‬
‫نفس اخلطوات املطبقة يف احلالة ‪ 2-2‬الفرق الوحيد أننا نضع ‪ 𝑆 2‬بدال من ‪ 𝛿 2‬اجملهولة ونكتب ‪:‬‬
‫‪S2‬‬ ‫̅‪̅ − Ux‬‬

‫‪X‬‬
‫( = ‪n ≥ 30 ⇛ 𝑋̅ ↝ N (Ux̅ , ) ⇛ z‬‬ ‫‪S‬‬ ‫)‪) ↝ 𝑁(0.1‬‬
‫‪n‬‬
‫‪√n‬‬
‫احلالة ‪𝛅𝟐 : 2 -3‬جمهول و‪(n<30‬العينات صغيرة الحجم‪ -‬توزيع ستودنت )‪.‬‬
‫̅‪̅ − Ux‬‬
‫‪X‬‬
‫( = ‪n < 30 ⇛ 𝑋̅ ↝ T (n − 1) ⇛ T‬‬ ‫‪S‬‬ ‫)‪) ↝ 𝑇(𝑛 − 1‬‬
‫‪√n‬‬
‫مثال‪ : 06‬إذا كانت أطوال الطالب يف أحد الصفوف املدرسية تتبع التوزيع الطبيعي املتوسط يساوي ‪160‬سم وتباين جمهول‪،‬‬
‫إذا سحبت عينة عشوائية من ‪ 4‬طالب فما احتمال أن يقل متوسطها احلسايب عن ‪166‬سم‪ ،‬إذا علمت أن االحنراف املعياري‬
‫للعينة يساوي ‪10‬سم ؟‬
‫‪21‬‬
‫الحل ‪:‬‬
‫̅‬
‫‪X − 160‬‬
‫( = ‪n < 30 ⇛ 𝑋̅ ↝ T (4 − 1) ⇛ T‬‬ ‫‪10‬‬ ‫توزيع المعاينة للمتوسط ∶ )‪) ↝ 𝑇(3‬‬
‫‪√4‬‬
‫? )‪𝑃(𝑋 < 166‬‬
‫𝜇‪𝑋−‬‬ ‫‪166 − 160‬‬
‫(𝑃 = )‪𝑃(𝑋̅ < 166‬‬ ‫<‬ ‫‪) = 𝑃(𝑇 < 1.2) = 0.85‬‬
‫𝑛√‪𝑠/‬‬ ‫‪10/√4‬‬
‫الشكل رقم ‪02:‬‬
‫التوزيع االحتمالي لمتوسط العينة ̅𝑋 (طبيعة توزيع المعاينة ل ̅𝑋 ) ‪.‬‬
‫اذا كان تباين المجتمع‪δ2‬‬ ‫اذا كان توزيع المجتمع مجهول‬ ‫اذا كان توزيع المجتمع‬
‫مجهول فان ‪:‬حجم العينة ‪n‬‬ ‫وتباينه ‪ δ2‬معلوم فان ‪:‬حجم العينة‬ ‫معلوم وتباينه ‪ δ2‬معلوم‬
‫هو المحدد لطبيعة التوزيع‬ ‫‪ n‬هو المحدد لطبيعة التوزيع‪.‬‬ ‫‪X ↝ N ( U , δ 2).‬‬
‫‪n<30‬‬ ‫‪-2‬النهاية المركزية ‪n≥30‬‬ ‫‪-1‬متوسط العينة يتبع السلوك‬

‫‪𝑋̅ ↝ t (n − 1).‬‬ ‫‪S2‬‬ ‫االحتمالي للمجتمع أي‪:‬‬
‫̅‬
‫‪𝑋 ↝ N (Ux̅ , ).‬‬
‫(=‪T‬‬
‫̅‪̅ −Ux‬‬
‫‪X‬‬
‫)‬ ‫↝‬ ‫)‪t(n-1‬‬ ‫‪n‬‬ ‫‪δ2‬‬
‫‪S‬‬ ‫̅‬
‫‪𝑋 ↝ N (Ux̅ , ).‬‬
‫‪√n‬‬ ‫̅𝑥𝑈‪𝑋̅−‬‬ ‫‪n‬‬
‫𝑛∑‬
‫) ̅𝑥‪1 (𝑥𝑖 −‬‬
‫‪2‬‬ ‫(=𝑧‬ ‫𝑆‬ ‫)‪) ↝ 𝑁(0.1‬‬ ‫̅‪̅ −Ux‬‬
‫= ‪𝑆2‬‬ ‫‪, n<30‬‬ ‫𝑛√‬ ‫(=‪z‬‬
‫‪X‬‬
‫)‪) ↝ N(0.1‬‬
‫‪𝑛−1‬‬ ‫‪δ‬‬
‫‪2‬‬ ‫𝑛∑‬
‫) ̅𝑥‪1 (𝑥𝑖 −‬‬
‫‪2‬‬
‫=‪S‬‬ ‫‪, n≥30‬‬ ‫‪√n‬‬
‫𝑛‬
‫مالحظة ‪:‬عندما تكون معالم المجتمع‬ ‫‪n<30‬‬ ‫‪-2‬النهاية المركزية ‪n≥30‬‬

‫مجهولة فان حجم العينة ‪ n‬يحدد طبيعة‬ ‫‪𝑋̅ ↝ t (n − 1).‬‬ ‫‪δ2‬‬
‫‪𝑋̅ ↝ N (Ux̅ , ).‬‬
‫توزيع المعاينة لمتوسط العينة ̅𝑥 بغض‬ ‫̅‪̅ −Ux‬‬
‫‪n‬‬
‫‪X‬‬
‫النظر عن توزيع المجتمع سواء كان‬ ‫(=‪T‬‬ ‫‪δ‬‬ ‫)‪) ↝ t(n-1‬‬ ‫(=𝑧‬
‫̅𝑥𝑈‪𝑋̅−‬‬
‫)‪) ↝ 𝑁(0.1‬‬
‫𝛿‬
‫معلوم أو مجهول ‪ ,‬ونأخذ تباين العينة‬ ‫‪√n‬‬
‫𝑛√‬
‫‪2‬‬
‫‪$2‬كبديل عن تباين المجتمع المجهول 𝛿 ‪.‬‬
‫‪22‬‬
‫𝑿 ‪̅𝟏 −‬‬
‫𝑿‪.‬‬ ‫الفرع الثالث ‪ :‬توزيع المعاينة للفرق بين متوسطي عينتين 𝟐 ̅‬
‫طريقة حتديد توزيع املعاينة للفرق بني متوسطي عينتني تتوقف على طبيعة العالقة بني العينتني وهنا منيز بني عينتني مستقلتني عن‬
‫بعضهما أو عينتني مرتبطتني ‪.‬‬
‫أوال‪ -‬توزيع المعاينة للفرق بين عينتين مستقلتين ‪:‬‬

‫اذا كان لدينا جمتمع حجمه‪ N1‬يتبع التوزيع الطبيعي مبتوسط ‪ U1‬و بتباين ‪ δ12‬ونكتب اختصارا ) ‪ 𝑋1 ↝ N (U1 , δ12‬وسحبنا‬
‫𝑿‪,‬وكان لدينا جمتمع اثين حجمه ‪ N2‬يتبع التوزيع الطبيعي مبتوسط ‪ U2‬وبتباين‬
‫منه عينة عشوائية حجمها ‪ n1‬يكون متوسطها 𝟏 ̅‬
‫𝑿 ميثل‬ ‫𝑿 فان 𝟐 ̅‬
‫𝑿 ‪̅𝟏 −‬‬ ‫‪ δ22‬ونكتب اختصارا ) ‪ 𝑋2 ↝ N (U1 , δ12‬وسحبنا منه عينة عشوائية حجمها‪n2‬يكون متوسطها 𝟐 ̅‬
‫متغري عشوائي يعرب عن الفرق بني متوسطي عينتني من هذين اجملتمعني املستقلني حندد متوسط وتباين الفرق بني متوسطني‬
‫حسابيني لعينتني كما يلي ‪:‬‬
‫‪𝑈𝑿̅𝟏−𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪𝛿12 𝛿22‬‬
‫= 𝟐̅𝑿𝛿 ‪𝛿𝑿̅𝟏−𝑿̅𝟐 = 𝛿𝑿̅𝟏 +‬‬ ‫‪+‬‬
‫‪𝑛1 𝑛2‬‬
‫ومنيز بني ثالث حاالت رئيسية يف حتديد توزيع املعاينة للفرق بني متوسطي عينتني مستقلتني وهم‪:‬‬
‫𝑿 في حالة معلومية 𝟏𝟐𝛅 و 𝟐𝟐𝛅‪:‬‬ ‫‪ /1‬توزيع المعاينة للفرق 𝟐 ̅‬

‫𝑿 ‪̅𝟏 −‬‬
‫‪δ12 δ22‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ N (U1 − U2 , + ) ⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪n2 n1‬‬ ‫‪δ21‬‬ ‫‪δ22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪2‬‬ ‫)‬
‫مثال‪:07‬‬
‫جمتمعان يتوزعان طبيعيا ‪,‬األول وسطه احلسايب ‪ 30‬وتباينه ‪ 18‬و اجملتمع الثاين وسطه احلسايب ‪ 24‬وتباينه ‪ , 40‬فإذا سحبنا‬
‫عينتني عشوائيتني وكانت العينتني مستقلتني ‪,‬حجم العينة األوىل ‪ 120‬وحجم العينة الثانية ‪250‬‬
‫املطلوب ‪ -1:‬حدد توزيع املعاينة للفرق بني متوسطي العينتني ؟‬
‫‪-2‬ماهو احتمال متوسط العينة األوىل اقل من متوسط العينة الثانية ؟‬
‫‪23‬‬
‫احلل ‪ :‬مبا ان توزيع اجملتمعني طبيعي ومعاملهما معلومة فان العينتني تتبعان نفس التوزيع والفرق بني متوسطي العينتني كذلك ‪.‬‬
‫‪𝑈𝑿̅𝟏−𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 30 − 24 = 6‬‬

‫‪𝛿12 𝛿22‬‬ ‫‪18‬‬ ‫‪40‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫=‬ ‫𝟏‪𝛿𝑿̅2‬‬ ‫‪+‬‬ ‫𝟐‪𝛿𝑿̅2‬‬ ‫=‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫‪= 0.31 ⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √0.31 = 0.5567‬‬
‫‪𝑛1 𝑛2 120 250‬‬
‫‪18‬‬ ‫‪40‬‬ ‫‪(x̅1 − x̅2 ) − 6‬‬
‫‪x̅1 − x̅2 ↝ N (6 ,‬‬ ‫‪+‬‬ ‫(=‪)⇛ z‬‬ ‫)‪) ↝ N(0; 1‬‬
‫‪120 250‬‬ ‫‪0.5567‬‬
‫احتمال متوسط العينة األوىل اقل من متوسط العينة الثانية‬
‫‪0−6‬‬
‫≤ 𝑍( 𝑃 = )‪𝑃(x̅1 ≤ x̅2 ) = 𝑃(x̅1 − x̅2 ≤ 0‬‬ ‫)‪) = 𝑃(𝑍 ≤ −10.77‬‬
‫‪0.5567‬‬
‫‪= 1 − 𝑃(𝑍 ≤ 10.77) = 1 − 1 = 0‬‬
‫𝐗 يف حالة 𝟏𝟐𝛅 و 𝟐𝟐𝛅جمهولني وغري متساويني 𝟐𝟐𝛅 ≠ 𝟏𝟐𝛅‪:‬‬ ‫‪ /2‬توزيع املعاينة للفرق 𝟐 ̅‬
‫𝐗 ‪̅𝟏 −‬‬
‫إذا كان تبايين اجملتمعني جمهولني فإننا أنخذ تبايين العينتني ‪ S12‬و ‪S22‬كتقدير ل ‪ δ12‬و ‪ δ22‬على التوايل فيكون حجم العينتني هو‬
‫احملدد لطبيعة توزيع املعاينة للفرق بني متوسطي العينتني ‪ 𝑋̅1 − 𝑋̅2‬ومنيز بني حالتني ‪:‬‬
‫‪: 𝒏𝟏 , 𝒏𝟐 ≥ 𝟑𝟎 / 1-2‬اذا كان حجم العينتني اكرب أو يساوي ‪ 30‬فان توزيع املعاينة للفرق بني متوسطي العينتني ‪𝑋̅1 −‬‬
‫‪ 𝑋̅2‬يتبع التوزيع الطبيعي ونكتب ‪:‬‬
‫⇛ ‪𝑛1 , 𝑛2 ≥ 30‬‬
‫‪S12 S22‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ N (U1 − U2 , + ) ⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪n1 n2‬‬ ‫‪S21‬‬ ‫‪S22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫مثال ‪:08‬‬
‫اذا كان لدينا جمتمعان يتوزعان طبيعيا‪ ,‬اجملتمع األول ) ‪ X1 ↝ N ( 500 , δ12‬اخرتان منه عينة عشوائية حجمها ‪40‬‬
‫فوجدان متوسط العينة ‪ 740‬و تباينها ‪, 1600‬اجملتمع الثاين ) ‪ X 2 ↝ N ( 700 , δ22‬اخرتان منه عينة عشوائية حجمها‬
‫‪ 35‬فوجدان متوسطها ‪ 480‬و تباينها ‪. 400‬‬
‫املطلوب ‪ :‬حدد توزيع املعاينة للفرق بني متوسطي العينتني ؟ احسب احتمال الفرق اقل من ‪ 210‬؟‬
‫احلل ‪ :‬جمتمع ‪ / δ12 =? , 𝑈1 = 700: 1‬العينة ‪𝑛1 = 40 , 𝑋̅1 = 740 , S12 = 1600 : 1‬‬
‫جمتمع ‪ / δ22 =? , 𝑈2 = 500 : 2‬العينة ‪𝑛2 = 35 , 𝑋̅2 = 480 , S22 = 400 : 2‬‬
‫‪24‬‬
‫مبا أن تبايين اجملتمعني جمهولني وأنخذ تبايين العينتني كتقدير هلما فانه وبغض النظر عن توزيع اجملتمعني فان توزيع املعاينة للفرق بني‬
‫متوسطي العينتني حيدده حجم العينتني ‪:‬‬
‫⇛ ‪𝑛1 , 𝑛2 ≥ 30‬‬
‫‪S12 S22‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ N (U1 − U2 , + ) ⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪n1 n2‬‬ ‫‪S21‬‬ ‫‪S22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫‪𝑈𝑿̅𝟏−𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 700 − 500 = 200‬‬

‫‪𝑆12 𝑆22 1600 400‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫=‬ ‫𝟏‪𝛿𝑿̅2‬‬ ‫‪+‬‬ ‫𝟐‪𝛿𝑿̅2‬‬ ‫=‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫‪= 51.428 ⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √51.428 = 7.171‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪40‬‬ ‫‪35‬‬
‫‪(x̅1 − x̅2 ) − 200‬‬
‫( = ‪x̅1 − x̅2 ↝ N ( 200 , 51.428) ⇛ z‬‬ ‫)‬
‫‪7.171‬‬
‫)‪(x̅ 1 − x̅ 2 ) − (200‬‬ ‫‪210 − 200‬‬
‫𝑿 ‪̅𝟏 −‬‬
‫𝑿(𝑃‬ ‫( 𝑃 = )‪̅𝟐 ≤ 210‬‬ ‫≤‬ ‫)‪) = 𝑃(Z ≤ 1.394‬‬
‫‪7.171‬‬ ‫‪7.171‬‬
‫‪= Φ(1.394) = 0.9148 = 91.48%‬‬
‫‪: n1 , n2<30 /2-2‬إذا كان حجم العينتني أو إحدامها اقل من ‪ 30‬فان توزيع املعاينة للفرق بني متوسطي العينتني ‪𝑋̅1 −‬‬
‫‪𝑋̅2‬يتبع توزيع ستودنت ونكتب ‪:‬‬
‫‪n1 , n2<30‬‬
‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ t (n1 + n2 − 2) ⇛ T‬‬ ‫)‪↝ t(n1 + n2 − 2‬‬
‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫مثال‪: 09‬‬
‫اذا كان لدينا جمتمعان يتوزعان طبيعيا ‪ ,‬اجملتمع األول ) ‪X1 ↝ N ( 500 , δ12‬اخرتان منه عينة عشوائية حجمها ‪ 20‬فوجدان‬
‫أن تباينها ‪, 806‬اجملتمع الثاين ) ‪ X 2 ↝ N ( 700 , δ22‬اخرتان منه عينة عشوائية حجمها ‪ 18‬فوجدان ان تباينها ‪. 200‬‬
‫املطلوب ‪ :‬حدد توزيع املعاينة للفرق بني متوسطي العينتني ؟‬
‫احلل‪ :‬جمتمع ‪ / δ12 =? , 𝑈1 = 700 : 1‬العينة ‪𝑛1 = 20 , S12 = 806 : 1‬‬
‫جمتمع ‪ / δ22 =? , 𝑈2 = 500 : 2‬العينة ‪𝑛2 = 18 , S22 = 200 : 2‬‬
‫مبا ان تبايين اجملتمعني جمهولني وأنخذ تبايين العينتني كتقدير هلما فانه وبغض النظر عن توزيع اجملتمعني فان توزيع املعاينة للفرق بني‬
‫متوسطي العينتني حيدده حجم العينتني ‪n1 , n2<30:‬‬
‫‪25‬‬
‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ t ( 20 + 18 − 2) ⇛ T‬‬ ‫)‪↝ t(n1 + n2 − 2‬‬
‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫‪𝑈𝑿̅𝟏−𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 700 − 500 = 200‬‬
‫‪𝑆12 𝑆22 806 200‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫=‬ ‫𝟏‪𝛿𝑿̅2‬‬ ‫‪+‬‬ ‫𝟐‪𝛿𝑿̅2‬‬ ‫=‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬ ‫‪= 51.411 ⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √51.411 = 7.17‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪20‬‬ ‫‪18‬‬
‫‪(x̅1 − x̅2 ) − 200‬‬
‫( = ‪x̅1 − x̅2 ↝ t ( 36) ⇛ T‬‬ ‫)‪) ↝ t(36‬‬
‫‪7.17‬‬
‫)‪(x̅ 1 − x̅ 2 ) − (200‬‬ ‫‪210 − 200‬‬
‫𝑿 ‪̅𝟏 −‬‬
‫𝑿(𝑃‬ ‫( 𝑃 = )‪̅𝟐 ≤ 210‬‬ ‫≤‬ ‫)‪) = 𝑃(T ≤ 1.394‬‬
‫‪7.17‬‬ ‫‪7.17‬‬
‫‪= 1 − 𝑃(T ≥ 1.394) = 1 − Φ(1.394) = 1 − 0.2 = 0.8‬‬
‫𝑿 في حالة 𝟏𝟐𝛅 و 𝟐𝟐𝛅 مجهولين و متساويين 𝟐𝛅 = 𝟐𝟐𝛅 = 𝟏𝟐𝛅‪:‬‬
‫𝑿 ‪̅𝟏 −‬‬
‫‪ /3‬توزيع المعاينة للفرق 𝟐 ̅‬
‫إذا كان تبايين جمتمعني يتوزعان طبيعيا جمهولني ولكننا نعلم أهنما متساويني أي أن 𝟐𝛅 = 𝟐𝟐𝛅 = 𝟏𝟐𝛅 فان قيمة تباين اجملتمع‬
‫األول 𝟏𝟐𝛅 اجملهولة نقدرها بتباين العينة ‪𝑆12‬ا حملسوبة من عينة اجملتمع األول وقيمة تباين اجملتمع الثاين 𝟐𝟐𝛅 اجملهولة نقدرها‬
‫ب ‪𝑆22‬احملسوبة من عينة اجملتمع الثاين ‪ ,‬لكن من غري املقبول رايضيا أن نقدر قيمتني متساويتني جمهولتني ( أي نفس القيمة‬
‫𝟐𝛅 = 𝟐𝟐𝛅 = 𝟏𝟐𝛅) بقيمتني غري متساويتني ( ‪ , ) 𝑆12 ≠ 𝑆22‬لذلك نقدر التباينني بنفس القيمة معرب عنها ابلتباين املشرتك‬
‫املرجح وهو الوسط احلسايب املرجح لتبايين العينتني ‪ 𝑆12‬و ‪ 𝑆22‬حيث يتم الرتجيح بدرجة احلرية اخلاصة بكل عينة ويرمز للتباين‬
‫املشرتك املرجح ابلرمز ‪ 𝑆𝑃2‬وحيسب ابلصيغة التالية ‪:‬‬
‫‪(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22 (𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22‬‬

‫‪𝑆𝑃2‬‬‫=‬ ‫=‬
‫)‪(𝑛1 − 1) + (𝑛2 − 1‬‬ ‫‪𝑛1 + 𝑛2 − 2‬‬
‫حيث يتم استعمال ‪ SP2‬بديال عن ‪ S12‬و ‪ S22‬كتقدير ل ‪ δ1 = δ2 = δ‬سواء يف حالة العينات كبرية احلجم ( التوزيع‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫الطبيعي )أويف حالة العينات صغرية احلجم ( توزيع ستودنت ) فيصبح تباين الفرق بني متوسطي عينتني كما يلي ‪:‬‬
‫‪𝑆𝑃2 𝑆𝑃2‬‬ ‫‪1‬‬ ‫‪1‬‬

‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫=‬ ‫𝟏‪𝛿𝑿̅2‬‬ ‫‪+‬‬ ‫𝟐‪𝛿𝑿̅2‬‬ ‫=‬ ‫‪+‬‬ ‫) ‪= 𝑆𝑃2 ( +‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪𝑛1 𝑛2‬‬
‫ومنيز بني حالتني ‪:‬‬
‫‪26‬‬
‫‪ /1-3‬اذا كان تبايين اجملتمعني جمهولني ومتساويني وكان ‪. n1 , n2≥ 30‬‬
‫‪1‬‬ ‫‪1‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫( ‪x̅1 − x̅2 ↝ N (U1 − U2 , 𝑆P2‬‬ ‫= ‪+ )) ⇛ z‬‬ ‫)‪↝ N (0.1‬‬
‫‪n2 n1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪√𝑆P2 (n‬‬ ‫‪+‬‬ ‫)‬
‫(‬ ‫‪1‬‬ ‫‪n2‬‬ ‫)‬
‫مثال‪:10‬‬
‫ابلعودة إىل معطيات املثال ‪ 08‬و إذا افرتضنا أن التباينني اجملهولني متساويني ‪.δ12 = δ22 = δ2‬حدد طبيعة توزيع املعاينة‬
‫للفرق بني متوسطي العينتني ؟‬
‫احلل ‪ :‬جمتمع ‪ / δ12 =? , 𝑈1 = 700 : 1‬العينة ‪𝑛1 = 40 , 𝑋̅1 = 740 , S12 = 1600 : 1‬‬
‫جمتمع ‪ / δ22 =? , 𝑈2 = 500 : 2‬العينة ‪𝑛2 = 35 , 𝑋̅2 = 480 , S22 = 400 : 2‬‬
‫مبا أن تبايين اجملتمعني جمهولني ومتساويني ؟ = ‪δ12 = δ22 = δ2‬وتبايين العينتني غري متساويني ‪S12 ≠ S22‬فاننا سنستعمل‬
‫التباين املرجح ‪SP2‬كتقدير لتبايين اجملتمعني والن حجم العينتني اكرب من ‪ 30‬نستعمل التوزيع الطبيعي ‪.‬‬
‫‪𝑈𝑿̅𝟏 −𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 700 − 500 = 200‬‬
‫‪(40 − 1)1600 + (35 − 1)400‬‬
‫= ‪𝑆𝑃2‬‬ ‫‪= 1041.095‬‬
‫‪40 + 35 − 2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪𝛿𝑿̅2𝟏−𝑿̅𝟐 = 𝛿𝑿̅2𝟏 + 𝛿𝑿̅2𝟐 = 𝑆𝑃2 ( + ) = 1041.095 ( + ) = 55.773‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪40 35‬‬
‫‪⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √55.773 = 7.468‬‬
‫‪(x̅1 − x̅2 ) − 200‬‬
‫( = ‪x̅1 − x̅2 ↝ N ( 200 , 55.773) ⇛ z‬‬ ‫)‪) ↝ N (0.1‬‬
‫‪7.468‬‬
‫‪ /2-3‬اذا كان تبايين اجملتمعني جمهولني ومتساويني وكان ‪. n1 , n2<30‬‬
‫‪n1 , n2<30‬‬
‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ t (V) ⇛ T‬‬ ‫)‪↝ t(V‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪√𝑆P2 (n‬‬ ‫‪+‬‬ ‫)‬
‫(‬ ‫‪1‬‬ ‫‪n2‬‬ ‫)‬
‫‪2‬‬
‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫) 𝑛 ‪(𝑛 +‬‬
‫= 𝑉 درجة الحرية‬ ‫‪1‬‬ ‫‪2‬‬
‫‪⁄𝑆21‬‬ ‫‪2‬‬ ‫‪2 2‬‬
‫𝑆‬
‫(‬ ‫)‬ ‫)‪( 2‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬
‫‪+‬‬
‫‪𝑛1 −1‬‬ ‫‪𝑛2 −1‬‬
‫مثال ‪:11‬‬
‫ابلعودة إىل معطيات املثال ‪9‬وإذا افرتضنا أن التباينني اجملهولني متساويني ‪.‬حدد طبيعة توزيع املعاينة للفرق بني متوسطي العينتني ؟‬
‫احلل‪ :‬جمتمع ‪ / δ12 =? , 𝑈1 = 700 : 1‬العينة ‪𝑛1 = 20 , S12 = 806 : 1‬‬
‫جمتمع ‪ / δ22 =? , 𝑈2 = 500 : 2‬العينة ‪𝑛2 = 18 , S22 = 200 : 2‬‬
‫‪27‬‬
‫مبا أن تبايين اجملتمعني جمهولني ومتساويني ؟ = ‪ δ12 = δ22 = δ2‬وتبايين العينتني غري متساويني ‪ S12 ≠ S22‬فإننا‬
‫سنستعمل التباين املرجح ‪ SP2‬كتقدير لتبايين اجملتمعني والن حجم العينتني اقل من ‪ 30‬نستعمل توزيع ستودانت ‪.‬‬
‫‪n1=20 , n2=18<30‬‬
‫‪𝑈𝑿̅𝟏 −𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 700 − 500 = 200‬‬
‫‪(20 − 1)806 + (18 − 1)200‬‬
‫= ‪𝑆𝑃2‬‬ ‫‪= 519.833‬‬
‫‪20 + 18 − 2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫‪= 𝛿𝑿̅2𝟏 + 𝛿𝑿̅2𝟐 = 𝑆𝑃2 ( + ) = 519.833 ( + ) = 54.871‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪20 18‬‬
‫‪⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √54.871 = 7.407‬‬
‫‪806‬‬ ‫‪200 2‬‬
‫‪( 20 +‬‬ ‫)‬
‫= 𝑉 درجة الحرية‬ ‫‪18‬‬
‫‪⁄806‬‬ ‫‪2‬‬ ‫‪200 2‬‬
‫‪= 29‬‬
‫(‬ ‫)‬ ‫(‬ ‫)‬
‫‪20‬‬ ‫‪18‬‬
‫‪+‬‬
‫‪20−1‬‬ ‫‪18−1‬‬
‫‪(x̅1 − x̅2 ) − 200‬‬
‫( = ‪x̅1 − x̅2 ↝ t (29) ⇛ T‬‬ ‫)‪) ↝ t(29‬‬
‫‪7.407‬‬
‫ثانيا‪ -‬توزيع املعاينة للفرق بني متوسطي عينتني مرتبطتني ‪:‬‬
‫إذا افرتضنا وجود جمتمعني مرتبطني اجملتمع األول 𝑁𝑋 ; ‪ 𝑋𝐼 : 𝑋1 ; 𝑋2 ; … . .‬متوسطه ‪ U1‬و تباينه ‪𝛿12‬و اجملتمع‬
‫الثاين 𝑁𝑌 ; ‪ 𝑌𝐼 : 𝑌1 ; 𝑌2 ; … . .‬متوسطه ‪ U2‬و تباينه ‪ , 𝛿22‬حبيث تكون مشاهدات اجملتمعني متناظرة ومتساوية فإنناسنحصل‬
‫على جمتمع الفروق بني مشاهدات اجملتمعني معرب عنه ابملتغري العشوائي للفروقات 𝑁𝐷 ; ‪ 𝐷𝐼 : 𝐷1 ; 𝐷2 ; … . .‬متوسطه ‪ UD‬و‬
‫تباينه ‪𝛿𝐷2‬‬
‫يستعمل هذا النوع من املعاينة للمقارنة عن طريق دراسة الفروقات بني مشاهدات عينتني مرتبطتني كمتغري عشوائي واحد بدل‬
‫دراسة كل عينة على حدى فمثال لدراسة مدى أتثري أسلوب تدريب جديد على أداء العمال يف وحدة إنتاج معينة فإننا نقيس‬
‫األداء قبل الدورة التكوينية لعينة العمال لنحصل على مشاهدات املتغري العشوائي األول∶ ‪ ,𝑋i : x1; x2; … … ; xn‬مث نقيس أداء‬
‫نفس العينة من العمال بعد خضوعهم للدورة التكوينية لنحصل على مشاهدات املتغري العشوائي الثاين‬
‫‪𝑌i : y1; y2; … … ; yn :‬حيث تكون هذه املشاهدات متناظرة مث نلجأ إىل استخراج الفرق يف األداء الناتج عن الدورة التكوينية‬
‫لتتشكل لدينا عينة فروقات حجمها ‪n‬كمتغري عشوائي جديد للدراسة من فرق مشاهدات العينتني( املرتبطتني)‬
‫‪𝑑n =, ..........., 𝑑2 = 𝑋2‬‬ ‫‪− 𝑌2 ,𝑑1‬‬ ‫‪= 𝑋1‬‬ ‫أن ‪− 𝑌1‬‬ ‫‪ 𝑑i = 𝑋i‬أي‬ ‫‪− 𝑌i‬‬ ‫‪𝑑i : d1 ; d2 ; … … ; dn‬حيث ‪:‬‬
‫‪𝑋n‬كمشاهدات متناظرة لعينتني مرتبطتني ومتساويتني ‪.‬‬ ‫‪− 𝑌n‬‬
‫‪28‬‬
‫السنة الثانية ‪ :‬علوم اقتصادية ‪ .‬مقياس إحصاء ‪03‬‬
‫عينات الفروق يرمز له ابلرمز‬ ‫ابلرمز ̅‪ d‬وتباين عينة فروقات واحدة ‪ 𝑆d2‬و متوسط أوساط‬ ‫متوسط عينة فروقات واحدة يرمز هلا‬
‫‪Ud‬وتباين عينات الفروق 𝑑‪.δ2‬‬
‫يف مثل هذه األحباث عادة ما يعتمد الباحث على دراسة عينة فروق فغالبا ما تكون معلمات جمتمع الفروق( ‪ ) δ2D . UD‬جمهولة‬
‫و ابلتايل أنخذ متوسط وتباين العينة ( ̅‪ )Sd2 . d‬كتقدير هلذه املعامل ‪.‬‬
‫منيز عند حتديد طبيعة توزيع املعاينة ملتوسط عينة الفروق ̅𝑑 بني حالتني حسب حجم عينة الفروق𝑛 = ‪𝑛1 = 𝑛2‬‬
‫‪/1‬حجم عينة الفروق اكرب أو يساوي ‪: 30‬العينات كبرية احلجم نستعمل التوزيع الطبيعي ‪.‬‬
‫‪Sd2‬‬ ‫‪d − UD‬‬

‫( = ‪𝑛1 = 𝑛2 = 𝑛 ≥ 30 ⇒ 𝑑̅ ↝ N (Ud , ) ⇒ Z‬‬ ‫)‪) ↝ N (0,1‬‬
‫‪n‬‬ ‫‪Sd‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑ni=1 di‬‬ ‫‪∑(𝑑𝑖 − 𝑑̅ ) ⁄‬‬ ‫‪√∑(𝑑𝑖 − 𝑑̅ ) ⁄‬‬
‫= ̅‪d‬‬ ‫‪2‬‬
‫= 𝑑𝑆 ‪= 𝑈𝑑 = 𝑈𝐷 ,‬‬ ‫= 𝑑𝑆 ⇒ 𝑛‬ ‫𝑛‬
‫‪n‬‬
‫‪ /2‬حجم عينة الفروق اقل من ‪ : 30‬العينات صغرية احلجم نستعمل توزيع ستودانت ‪.‬‬
‫‪d − UD‬‬
‫( = ‪𝑛1 = 𝑛2 = 𝑛 < 30 ⇒ 𝑑̅ ↝ t (n − 1) ⇒ T‬‬ ‫)‪) ↝ t(n − 1‬‬
‫‪Sd‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑𝑛i=1 di‬‬ ‫‪∑(𝑑𝑖 − 𝑑̅ ) ⁄‬‬ ‫√‬‫‪∑(𝑑𝑖 − 𝑑̅ ) ⁄‬‬
‫= ̅‪d‬‬ ‫‪= 𝑈𝑑 = 𝑈𝐷 ,‬‬ ‫‪𝑆𝑑2‬‬ ‫=‬ ‫= 𝑑𝑆 ⇒ ‪𝑛 − 1‬‬ ‫‪𝑛−1‬‬
‫‪n‬‬
‫مثال‪ : 12‬لتجريب برانمج تكوين جديد على التحكم يف قواعد اللغة لدى األطفال مت اختيار ‪ 06‬أطفال وإخضاعهم هلذا‬
‫الربانمج التكويين فكانت األخطاء اللغوية الشائعة املسجلة لدى األطفال يف‬
‫‪ 1 2 3 4 5 6‬المشاهدات ‪i‬‬
‫‪ 7 8 7 7 9 7‬قبل ‪Xi‬‬ ‫كتابة نص لغوي عن طريق اإلمالء قبل وبعد الدورة كمايلي ‪:‬‬
‫‪ 5 6 5 4 6 5‬بعد ‪Yi‬‬
‫المطلوب ‪:‬حدد طبيعة توزيع املعاينة ملتوسط فرق األخطاء الناتج عن الدورة التكوينية ؟‬
‫احسب احتمال أن يكون متوسط الفرق لعينة فروق اكرب أو يساوي ‪ 02‬؟‬
‫‪29‬‬
‫احلل ‪ :‬املالحظ أن العينتني مرتبطتني حبجم‪ ( n=6‬نفس األطفال قبل وبعد التكوين ) ‪ ,‬واملشاهدات متناظرة ( الطفل األول ‪7:‬‬
‫أخطاء قبل و‪ 5‬أخطاء بعد الدورة ‪,.........,‬الطفل السادس ‪ 7:‬أخطاء قبل و‪ 5‬أخطاء بعد الدورة )‬
‫معلمات جمتمع الفروق( ‪ ) δ2D . UD‬جمهولة أنخذ متوسط وتباين العينة ( ̅‪)Sd 2 . d‬كتقدير هلذه املعامل وابلتايل حجم عينة‬
‫الفروق هو احملدد لطبيعة توزيع املعاينة ل ̅‪ . d‬مبا أن ‪:‬‬
‫‪d − UD‬‬
‫( = ‪𝑛1 = 𝑛2 = 𝑛 = 6 < 30 → 𝑑̅ ↝ t (6 − 1) → T‬‬ ‫)‪) ↝ t(6 − 1‬‬
‫‪Sd‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫نقوم حبساب متوسط وتباين واالحنراف املعياري لعينة الفروق ابالستعانة ابجلدول ‪:‬‬
‫‪i‬‬ ‫‪ Xi‬قبل‬ ‫‪ Yi‬بعد‬ ‫‪ di‬الفرق‬ ‫(‪)di-2.333‬‬ ‫‪)di-2.333(2‬‬

‫‪1‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬
‫‪4‬‬ ‫‪7‬‬ ‫‪4‬‬ ‫‪3‬‬
‫‪5‬‬ ‫‪9‬‬ ‫‪6‬‬ ‫‪3‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪2‬‬
‫المجموع‬ ‫‪14‬‬ ‫‪1.333‬‬
‫‪∑6i=1 di 14‬‬
‫= ̅‪d‬‬ ‫=‬ ‫‪= 2.333 = UD = Ud‬‬
‫‪n‬‬ ‫‪6‬‬
‫‪∑(𝑑𝑖 − 𝑈𝐷 )2⁄‬‬ ‫‪∑(𝑑𝑖 − 2.333)2⁄‬‬ ‫‪1.33⁄ = 0.2666‬‬
‫= ‪𝑆𝑑 2‬‬ ‫‪𝑛−1‬‬ ‫=‬ ‫=‪6−1‬‬ ‫‪5‬‬
‫‪∑(𝑑𝑖 − 𝑈𝐷 )2⁄‬‬
‫√ = 𝑑𝑆‬ ‫‪𝑛 − 1 = √0.2666 = 0.516‬‬
‫‪2‬‬
‫‪𝛿𝐷2 𝑆𝑑2 0.2666‬‬ ‫‪0.516‬‬ ‫‪d̅ − 2.333‬‬
‫= 𝑑𝛿‬ ‫=‬ ‫=‬ ‫= 𝑑𝛿 ⟹‬ ‫‪= 0.21‬‬ ‫( = ‪,T‬‬ ‫)‪) ↝ t(5‬‬
‫𝑛‬ ‫𝑛‬ ‫‪6‬‬ ‫‪√6‬‬ ‫‪0.21‬‬
‫حساب احتمال أن يكون متوسط الفرق لعينة فروق اكرب أو يساوي ‪: 02‬‬
‫‪𝑑̅ − 2.333‬‬ ‫‪2 − 2.333‬‬

‫( 𝑃 = )‪𝑃(𝑑̅ ≥ 2‬‬ ‫≥‬ ‫)‪) = 𝑃(𝑇 ≥ −1.585) = 1 − 𝑃(𝑇 ≥ 1.585‬‬
‫‪0.21‬‬ ‫‪0.21‬‬
‫‪= 1 − ɸ(1.585) = 1 − 0.1 = 0.9 = 90%‬‬
‫‪30‬‬
‫الشكل رقم ‪03:‬‬

‫التوزيع االحتمالي للفرق بين متوسطي عينتين) ‪(x̅1 − x̅2‬‬
‫العينتين مرتبطتين‬ ‫(طبيعة توزيع المعاينة ل ) ‪. ) (x̅1 − x̅2‬‬ ‫العينتين مستقلتين ‪.‬‬
‫‪ δ12 , δ22‬مجهولين ‪.‬‬ ‫‪δ12 , δ22‬معلومين ‪.‬‬
‫‪δ12 δ22‬‬
‫‪δ12‬‬ ‫=‬ ‫‪δ22‬‬ ‫‪δ12‬‬ ‫≠‬ ‫‪δ22‬‬ ‫) ‪x̅1 − x̅2 ↝ N (U1 − U2 , +‬‬
‫‪n1 n2‬‬
‫) ‪(x̅1 −x̅2 )−(U1 −U2‬‬
‫(=‪z‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪δ2 δ2‬‬
‫‪√, 1 + 2‬‬
‫‪n1 n2‬‬
‫‪n1 , n2<30‬‬ ‫‪n1 , n2≥ 30‬‬

‫)‪x̅1 − x̅2 ↝ t (n1 + n2 − 2‬‬ ‫‪𝑆12 𝑆22‬‬
‫) ‪(x̅ −x̅ )−(U1 −U2‬‬ ‫‪x̅1 − x̅2 ↝ N (U1 − U2 ,‬‬ ‫) ‪+‬‬
‫‪T=( 1 2‬‬ ‫)‪) ↝ t(n1 + n2 − 2‬‬ ‫‪n1 n2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫) ‪(x̅1 −x̅2 )−(U1 −U2‬‬
‫‪√𝑆1 + 𝑆2‬‬ ‫(=‪z‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪√𝑆1 𝑆2‬‬
‫‪+‬‬
‫‪n1 n2‬‬
‫‪n1 , n2<30‬‬ ‫‪n1 , n2≥ 30‬‬

‫)‪x̅1 − x̅2 ↝ t (V‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫) ‪(x̅1 −x̅2 )−(U1 −U2‬‬ ‫( ‪x̅1 − x̅2 ↝ N (U1 − U2 , 𝑆P‬‬ ‫)) ‪+‬‬
‫(=‪T‬‬ ‫)‪) ↝ t(V‬‬ ‫‪n2 n1‬‬
‫‪1‬‬ ‫‪1‬‬ ‫) ‪(x̅1 −x̅2 )−(U1 −U2‬‬
‫) ‪√𝑆P2 (n +n‬‬ ‫(=‪z‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫) ‪√𝑆P2 (n +n‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22⁄‬‬

‫= 𝑃𝑆‬ ‫‪𝑛1 + 𝑛2 − 2‬‬
‫‪2‬‬
‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫) 𝑛 ‪(𝑛 +‬‬
‫=𝑉‬ ‫‪1‬‬ ‫‪2‬‬
‫‪⁄𝑆21‬‬ ‫‪2‬‬ ‫‪2 2‬‬
‫𝑆‬
‫(‬ ‫)‬ ‫)‪( 2‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬
‫‪+‬‬
‫‪𝑛1 −1‬‬ ‫‪𝑛2 −1‬‬
‫)‪n1 = n2 =n <30 → d↝ t (n − 1‬‬ ‫‪S2‬‬

‫‪d−U‬‬
‫)‪n1 = n2= n ≥30 → d↝ N (Ud , d‬‬
‫‪n‬‬
‫)‪T = ( Sd D ) ↝ t(V‬‬ ‫‪d−UD‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫‪Z = ( Sd‬‬ ‫)‪) ↝ N(0,1‬‬
‫‪⁄‬‬
‫‪∑(𝑑𝑖 − 𝑈𝐷 )2⁄‬‬ ‫‪√n‬‬
‫√ = 𝑑𝑆‬ ‫‪𝑛−1‬‬ ‫‪∑(𝑑𝑖 − 𝑈𝐷 )2⁄‬‬
‫√ = 𝑑𝑆‬ ‫𝑛‬
‫‪31‬‬
‫الفرع الرابع ‪ :‬توزيع املعاينة لنسبة العينة‪̂.‬‬
‫𝐏‬
‫حيتاج الباحث يف اغلب الدراسات ملعرفة نسبة ظاهرة معينة يف اجملتمع املدروس مثل نسبة اإلنتاج الفاسد من جمموع اإلنتاج‪,‬نسبة‬
‫املدخنني من جمموع الشباب ‪....‬اخل ففي كل هذه احلاالت جند أن اجملتمع حمل الدراسة ينقسم إىل قسمني ‪.‬قسم تتوافر فيه‬
‫الظاهرة املدروسة وقسم ال حيقق هذه الظاهرة حيث يتعامل الباحث يف هذا النوع من الدراسات مع نسبة الظاهرة حمل الدراسة يف‬
‫اجملتمع ويرمز هلا ابلرمز ‪ P‬تسمى نسبة اجملتمع وحتسب كمايلي ‪:‬‬
‫عدد مفردات المجتمع التي تحقق الظاهرة 𝑃𝑁‬ ‫𝑞𝑁‬

‫= 𝑃 نسبة المجتمع‬ ‫=𝑞 ⇒‬ ‫𝑃‪=1−‬‬
‫العدد الكلي لمفردات المجتمع𝑁‬ ‫𝑁‬
‫يرمز ملتوسط نسبة اجملتمع ابلرمز ‪ 𝑈P‬وهي نفسها نسبة اجملتمع اي ‪𝑈P = 𝑃 :‬‬
‫ويرمز لتباين نسبة اجملتمع ابلرمز 𝑃‪ δ2‬وحيسب كمايلي ‪δ2𝑃 = 𝑝. 𝑞 :‬‬
‫حىت عندما ال تتوفر للباحث البياانت لدراسة نسبة الظاهرة يف اجملتمع ككل ميكن اللجوء إىل أسلوب املعاينة حيث أن اختيار‬
‫عينة عشوائية من جمتمع يتيح حتديد نسبة الظاهرة املدروسة يف العينة املسحوبة عشوائيا من اجملتمع وتسمى اختصارا نسبة العينة‬
‫يرمز هلا ابلرمز ̂𝑃 و حتسب كمايلي ‪:‬‬
‫عدد مفردات العينة التي تحقق الظاهرة 𝑃𝑛‬ ‫𝑞𝑛‬
‫= ̂𝑃 نسبة العينة‬ ‫= ̂𝑞 ⇒‬ ‫̂𝑃 ‪= 1 −‬‬
‫العدد الكلي لمفردات العينة𝑛‬ ‫𝑛‬
‫والن ̂𝑃كأإيحصائيةأخرىتحسب من العينة فان قيمتها تتغري من عينة إىل أخرى وابلتايل أتخذ صفة متغري عشوائي ميكن حساب‬
‫متوسطه وتباينه وحتديد توزيعه االحتمايل أي توزيع املعاينة لنسبة العينة ̂𝑃‬
‫) ̂𝐩(𝐏 ‪𝑈P̂ = ∑ 𝒑̂ .‬‬ ‫متوسط نسبة العينة ̂‪:𝑈P‬‬
‫العالقة بني متوسط نسبة اجملتمع (‪)Up‬ومتوسط نسبة العينات( ̂𝐩𝑼) ‪:‬متوسط نسبة العينات( ̂𝑝𝑈) يكون دائما مساوي‬
‫ملتوسط نسبة اجملتمع (‪ )Up‬الذي سحبت منه هذه العينات ويساوي نسبة اجملتمع ‪P‬أي أن ‪ 𝑈𝑝̂ = Up = P :‬وأي‬
‫اختالف بني القيمتني يعين وجود خطا أو حتيز يف إحدى خطوات اختيار عناصر العينات ‪.‬‬
‫𝟐‬
‫) ̂𝐩(𝐏 ‪δ2𝑝̂ = ∑(𝒑̂ − 𝑼𝐩̂ ) .‬‬ ‫تباين نسبة العينة ̂𝑝‪:δ2‬‬
‫العالقة بين تباين نسبة المجتمع وتباين نسبة العينات ‪ :‬نميز بين حالتين ‪:‬‬
‫𝑛‬
‫الحالة ‪: 1‬إذا كان لدينا جمتمع غري منتهي أو منتهي والسحب منه يتم ابإلرجاع ( االستقاللية ) أو كان لدينا ‪ 𝑁 ≤ 0.05‬فان‬
‫‪δ2p‬‬ ‫𝑞‪𝑝.‬‬ ‫)‪p.(1−p‬‬

‫= ̂𝐩𝟐𝜹‬ ‫=‬ ‫=‬ ‫تباين نسبة العينة بداللة تباين نسبة اجملتمع يكون ‪:‬‬
‫𝑛‬ ‫‪n‬‬ ‫‪n‬‬
‫‪32‬‬
‫𝑛‬
‫الحالة ‪: 2‬إذا كان لدينا جمتمع حمدود حجمه ‪ N‬وكان السحب بدون إرجاع أو كان ‪ 𝑁 > 0.05‬فان تباين نسبة املعاينة‬
‫𝒏‪δ2p 𝑵−‬‬ ‫𝒏‪𝑝.𝑞 𝑵−‬‬ ‫𝒏‪p.(1−p) 𝑵−‬‬
‫̂𝐩𝟐𝜹‬ ‫=‬ ‫(‬ ‫=)‬ ‫(‬ ‫=)‬ ‫(‬ ‫حيسب بداللة تباين نسبة اجملتمع كما يلي ‪):‬‬
‫𝑛‬ ‫𝟏‪𝐍−‬‬ ‫‪n‬‬ ‫𝟏‪𝐍−‬‬ ‫‪n‬‬ ‫𝟏‪𝐍−‬‬
‫𝑛‪𝑁−‬‬
‫حيث ‪n :‬حجم العينة ‪N ,‬حجم اجملتمع ‪( N−1 ) ,‬هو معامل االرجاع ‪.‬‬
‫طبيعة توزيع املعاينة ل نسبة العينة ‪ :‬ليس من الضروري إجياد كل العينات املمكنة الشتقاق توزيع املعاينة للنسبة وذلك على‬
‫خالف توزيع املعاينة ملتوسط العينة (∞‪)-∞ ≤ 𝑋̅ ≤ +‬والسبب أن صيغة دالة توزيع املعاينة ل ̂𝑃دائما معروفة ابعتبار‬
‫‪0 1‬‬ ‫𝑛‬
‫جمال تعريفها حمصور بني ‪ 0‬و ‪) 𝑃̂ ∶ , , … . . ⇒ 0 ≤ 𝑃̂ ≤ 1 ( 1‬وهي تعتمد على طبيعة اجملتمع ‪:‬‬
‫𝑛 𝑛‬ ‫𝑛‬
‫إذا كان اجملتمع حمدود والسحب يتم بدون إرجاعفان نسبة العينة تتبع التوزيع فوق اهلندسي (من التوزيعات االحتمالية املتقطعة )‬
‫ونكتب اختصارا ) ‪𝑃̂ ↝ 𝐻(N ; NP ; n‬و تكون دالته من الشكل ‪:‬‬

‫𝑥‪𝑛−‬‬ ‫𝑥‬
‫𝑃𝑁‪𝐶𝑁−‬‬ ‫𝑃𝑁𝐶 ‪.‬‬
‫𝑥‬ ‫‪,‬‬ ‫𝑛 ‪𝑥: 0,1 … . ,‬‬
‫{ = ) ( 𝑝 = ) ̂𝑝(𝑝‬ ‫𝑛𝑁𝐶‬
‫𝑛‬
‫‪0‬‬ ‫‪,‬‬ ‫𝑛𝑜𝑛 𝑖𝑠‬
‫حيث ‪ N :‬حجم اجملتمع ‪ n ,‬حجم العينة ‪ NP ,‬العناصر اليت حتقق احلدث يف اجملتمع ‪ x,‬املتغري العشوائي ‪.‬‬
‫إذا كان اجملتمع غري حمدود السحب ابإلعادة فان توزيع املعاينة لنسبة العينة يتبع توزيع ثنائي احلد (من التوزيعات االحتمالية‬
‫املتقطعة ) ونكتب اختصارا ) ‪𝑃̂ ↝ B(n ; p‬فيكون شكل الدالة‪:‬‬

‫𝑥‬ ‫𝑛 ‪𝐶𝑛𝑥 . 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 , 𝑥: 0,1 … . ,‬‬
‫{ = ) ( 𝑝 = ) ̂𝑝(𝑝‬
‫𝑛‬ ‫‪0‬‬ ‫‪,‬‬ ‫𝑛𝑜𝑛 𝑖𝑠‬
‫حيث ‪ n :‬حجم العينة ‪ p ,‬نسبة اجملتمع ‪q=1-p ,‬احلدث العكسي ل ‪ x , p‬متغري عشوائي ‪.‬‬
‫نظرية ‪ :‬وفق نظرية النهاية املركزية نستطيع استخدام التوزيع الطبيعي ( من التوزيعات املستمرة )كتقريب لتوزيع ثنائي احلد ( توزيع‬
‫متقطع ) عندما يكون حجم العينة كبري كتوزيع معاينة لنسبة العينة ويتحقق ذلك وفق الشرط التايل ‪:‬‬
‫إذا كان ‪ 𝑛. 𝑞 ≥ 5‬و ‪ 𝑛. 𝑝 ≥ 5‬فان ‪:‬‬
‫̂‪̂ − UP‬‬
‫‪P‬‬ ‫‪̂ − UP‬‬
‫‪P‬‬ ‫‪̂−P‬‬
‫‪P‬‬
‫↝ ̂𝑝‬ ‫) ̂‪N(UP̂ , δ2P‬‬ ‫=‪⇒Z‬‬ ‫=‬ ‫=‬ ‫)‪↝ N(0.1‬‬
‫‪δ2P‬‬ ‫‪P.q‬‬
‫̂‪√δ2P‬‬ ‫√‬ ‫√‬
‫‪n‬‬ ‫‪n‬‬
‫‪33‬‬
‫مثال ‪:13‬إذا كان لدينا جمتمع يتكون من مخسة موظفني يف مكتب وأردان دراسة ظاهرة التدخني يف هذا اجملتمع فتحصلنا على‬
‫البياانت التالية ‪:‬‬
‫‪E‬‬ ‫‪D‬‬ ‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫املوظف‬

‫غري مدخن‬ ‫غري مدخن مدخن‬ ‫غري مدخن مدخن‬ ‫الصفة‬
‫اخرتان عينة عشوائية حجمها ‪ 02‬من هذا اجملتمع ‪.‬‬
‫املطلوب ‪ :‬أوال‪ -‬حدد معامل اجملتمع ؟‬
‫اثنيا – يف حالة السحب ‪ -1 :‬حدد توزيع املعاينة لنسبة املدخنني يف العينة وقدم جدول توزيع املعاينة هلذه النسبة ؟‬
‫‪ -2‬احسب متوسط وتباين نسبة العينة واحنرافها املعياري ؟ ‪-3‬هل هناك خطا او حتيز يف املعاينة ؟‬
‫اثلثا – اجب على نفس األسئلة يف حالة السحب ابإلرجاع ؟ مث احسب احتمال أن ال تقل نسبة العينة عن ‪ 0.5‬ابستخدام‬
‫التوزيع الطبيعي ؟‬
‫احلل ‪ :‬لدينا الظاهرة املدروسة يف اجملتمع هي نسبة املدخنني‪.P‬‬

‫املدخنني ‪NP=02‬‬
‫حجم العينة ‪n=02‬‬ ‫حجم اجملتمع ‪N=05‬‬
‫غري املدخنني ‪Nq=03‬‬
‫أوال ‪ :‬معامل اجملتمع‪:‬‬
‫‪NP‬‬ ‫‪2‬‬
‫= ‪𝑈P = P‬‬ ‫متوسط نسبة املدخنني يف اجملتمع ‪= = 0.4 ⇒ q = 1 − 0.4 = 0.6‬‬
‫‪N‬‬ ‫‪5‬‬
‫تباين نسبة املدخنني يف اجملتمع واحنرافها املعياري ‪:‬‬
‫‪δ2𝑃 = P. q = (0.4)( 0.6) = 0.24 ⇒ δp = √0.24 = 0.49‬‬

‫!‪5‬‬
‫= ‪.𝐶52‬‬ ‫اثنيا ‪ :‬حالة السحب بدون إرجاع عدد العينات املمكنة هو ‪= 10‬‬
‫!)‪2! .(5−2‬‬
‫‪1‬‬
‫‪𝑃̂ ∶ 0 ,‬‬ ‫‪ -1‬توزيع املعاينة لنسبة املدخنني يف العينة ̂𝑃 ‪ :‬مبا ان جمال التعريف هلذا املتغري العشوائي هو ‪, 1‬‬
‫‪2‬‬
‫والسحب يتم بدون إرجاع وابلتايل يتبع التوزيع فوق اهلندسي نكتب) ‪𝑃̂ ↝ 𝐻(5 ; 2 ; 2‬‬
‫فتكون دالة توزيع املعاينة لنسبة العينة من الشكل ‪:‬‬
‫‪34‬‬
‫𝑥‪2−‬‬
‫‪𝐶5−2‬‬ ‫𝑥‪. 𝐶2‬‬
‫𝑥‬ ‫‪,‬‬ ‫‪𝑥: 0,1,2‬‬
‫= ) ( 𝑝 = ) ̂𝑝(𝑝‬ ‫{‬ ‫‪𝐶52‬‬
‫‪2‬‬
‫‪0‬‬ ‫‪,‬‬ ‫𝑛𝑜𝑛 𝑖𝑠‬
‫نستعمل هذه الدالة يف حساب االحتماالت دون احلاجة لكتابة مجيع العينات ( ‪ 10‬عينات ) وحساب متوسطات نسبها كما‬
‫كان عليه احلال يف توزيع املعاينة ملتوسط العينة فتكون احتماالت نسبة املدخنني يف املعاينة ‪:‬‬
‫‪2−0‬‬
‫‪0‬‬ ‫‪𝐶5−2‬‬ ‫‪. 𝐶20 𝐶32 . 𝐶20‬‬ ‫‪3‬‬ ‫نالحظ ان مجموع‬
‫= ) ( 𝑝 = ) ̂𝑝(𝑝‬ ‫=‬ ‫=‬ ‫‪= 0.3‬‬
‫‪2‬‬ ‫‪𝐶52‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫االحتماالت يساوي ‪01‬‬
‫‪2−1‬‬
‫‪1‬‬ ‫‪𝐶5−2‬‬ ‫‪. 𝐶21 𝐶31 . 𝐶21‬‬ ‫‪6‬‬ ‫وبالتالي هو فعال قانون توزيع‬
‫= ) ( 𝑝 = ) ̂𝑝(𝑝‬ ‫=‬ ‫=‬ ‫‪= 0.6‬‬
‫‪2‬‬ ‫‪𝐶52‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫احتمالي لنسبة العينة‬
‫‪2−2‬‬
‫‪2‬‬ ‫‪𝐶5−2‬‬ ‫‪. 𝐶22 𝐶30 . 𝐶22‬‬ ‫‪1‬‬
‫= ) ( 𝑝 = ) ̂𝑝(𝑝‬ ‫=‬ ‫=‬ ‫‪= 0.1‬‬
‫‪2‬‬ ‫‪𝐶52‬‬ ‫‪10‬‬ ‫‪10‬‬
‫جدول توزيع املعاينة ل ̂‬
‫𝑷 ‪:‬يتكون من خانتني تقرن فيهما كل نسبة ابالحتمال املقابل هلا ‪.‬‬
‫̂𝑃‬ ‫)̂𝑃(‪P‬‬ ‫)̂𝑃(‪𝑃̂ . P‬‬ ‫)‪(𝑃̂ − 0.4‬‬ ‫‪(𝑃̂ − 0.4)2‬‬ ‫)̂𝑃(‪(𝑃̂ − 0.4)2 . P‬‬
‫‪00‬‬ ‫‪0.3‬‬ ‫‪00‬‬
‫‪0.5‬‬ ‫‪0.6‬‬ ‫‪0.3‬‬
‫‪01‬‬ ‫‪0.1‬‬ ‫‪0.1‬‬
‫‪01‬‬ ‫‪0.4‬‬ ‫‪0.09‬‬
‫متوسط نسبة العينة ‪𝑈P̂ = ∑ 𝒑̂ . 𝐏(𝐩̂ ) = 𝟎. 𝟒 = 𝐔𝐏 = 𝑷 :‬‬
‫𝟐‬
‫تباين نسبة العينة واحنرافها‪δ2𝑝̂ = ∑(𝒑̂ − 𝑼𝐩̂ ) . 𝐏(𝐩̂ ) = 𝟎. 𝟎𝟗 ⇒ δ𝑝̂ = √𝟎. 𝟎𝟗 = 𝟎. 𝟑:‬‬
‫𝒏 ‪δ2p 𝑵 −‬‬ ‫𝒏 ‪𝑝. 𝑞 𝑵 −‬‬ ‫𝟐 ‪0.4(0.6) 𝟓 −‬‬
‫̂𝐩𝟐𝜹‬ ‫( =‬ ‫=)‬ ‫(‬ ‫=)‬ ‫(‬ ‫𝟗𝟎 ‪) = 𝟎.‬‬
‫𝟏‪𝑛 𝐍−‬‬ ‫𝟏‪n 𝐍−‬‬ ‫‪2‬‬ ‫𝟏‪𝟓−‬‬
‫اليوجد خطا يف املعاينة الن متوسط نسب املعاينة يساوي متوسط نسبة اجملتمع وكذالك تباين النسب ابملعاينة هو نفسه تباين‬
‫النسب ابالعتماد على معامل اجملتمع ‪.‬وهنا استعملنا معامل اإلرجاع الن السحب يتم بدون إرجاع ‪.‬‬
‫اثلثا ‪ -‬حالة السحب ابإلرجاع‪ :‬عدد العينات املمكنة هو ‪.N n = 52 = 25‬‬
‫مبا أن السحب يتم ابإلرجاع فان نسبة العينة تتبع توزيع ثنائي احلد ونكتب ‪𝑃̂ ↝ B(2 ; 0.4 ):‬‬
‫فتكون دالة توزيع املعاينة من الشكل ‪:‬‬
‫𝑥‬ ‫‪𝐶2𝑥 . 0.4𝑥 (0.6)2−𝑥 , 𝑥: 0,1,2‬‬
‫{ = ) ( 𝑝 = ) ̂𝑝(𝑝‬
‫‪2‬‬ ‫‪0‬‬ ‫‪,‬‬ ‫𝑛𝑜𝑛 𝑖𝑠‬
‫‪35‬‬
‫لتشكيل جدول توزيع املعاينة حنسب االحتماالت اعتمادا على الدالة أعاله ‪:‬‬
‫‪0‬‬ ‫نالحظ ان مجموع‬

‫‪𝑝(𝑝̂ ) = 𝑝 ( ) = 𝐶20 . 0.40 (0.6)2−0 = 0.36‬‬
‫‪2‬‬ ‫االحتماالت يساوي ‪01‬‬
‫‪1‬‬
‫‪𝑝(𝑝̂ ) = 𝑝 ( ) = 𝐶21 . 0.41 (0.6)2−1 = 0.48‬‬ ‫وبالتالي هو فعال قانون توزيع‬
‫‪2‬‬
‫‪2‬‬ ‫احتمالي لنسبة العينة‬
‫‪𝑝(𝑝̂ ) = 𝑝 ( ) = 𝐶22 . 0.42 (0.6)2−2 = 0.16‬‬
‫‪2‬‬
‫جدول توزيع املعاينة ل ̂𝑃 ‪:‬يتكون من خانتني تقرن فيهما كل نسبة ابالحتمال املقابل هلا ‪.‬‬
‫̂𝑃‬ ‫)̂𝑃(‪P‬‬ ‫)̂𝑃(‪𝑃̂ . P‬‬ ‫)‪(𝑃̂ − 0.4‬‬ ‫‪(𝑃̂ − 0.4)2‬‬ ‫)̂𝑃(‪(𝑃̂ − 0.4)2 . P‬‬
‫‪00‬‬ ‫‪0.36‬‬ ‫‪00‬‬
‫‪0.5‬‬ ‫‪0.48‬‬ ‫‪0.3‬‬
‫‪01‬‬ ‫‪0.16‬‬ ‫‪0.1‬‬
‫اجملموع‬ ‫‪01‬‬ ‫‪0.4‬‬ ‫‪0.12‬‬
‫متوسط نسبة العينة ‪𝑈P̂ = ∑ 𝒑̂ . 𝐏(𝐩̂ ) = 𝟎. 𝟒 = 𝐔𝐏 = 𝑷 :‬‬
‫𝟐‬
‫تباين نسبة العينة واحنرافها ‪δ2𝑝̂ = ∑(𝒑̂ − 𝑼𝐩̂ ) . 𝐏(𝐩̂ ) = 𝟎. 𝟏𝟐 ⇒ δ𝑝̂ = √𝟎. 𝟏𝟐 = 𝟎. 𝟑𝟒𝟔:‬‬
‫‪δ2p 𝑝. 𝑞 0.24‬‬
‫̂𝐩𝟐𝜹‬ ‫=‬ ‫=‬ ‫=‬ ‫𝟐𝟏 ‪= 𝟎.‬‬
‫𝑛‬ ‫‪n‬‬ ‫‪2‬‬
‫اليوجد خطا يف املعاينة الن متوسط نسب املعاينة يساوي متوسط نسبة اجملتمع وكذالك تباين النسب ابملعاينة هو نفسه تباين‬
‫النسب ابالعتماد على معامل اجملتمع ‪.‬وهنا ال نستعمل معامل اإلرجاع الن السحب يتم ابإلرجاع ‪.‬‬
‫حساب احتمال أن ال تقل نسبة العينة عن ‪ 0.5‬ابستخدام التوزيع الطبيعي يتم إذا توفر شرطان ‪:‬‬
‫الشرط غير محقق وبالتالي ال يمكن استخدام التوزيع‬

‫‪n.p=2(0.4)=0.8<5‬‬
‫الطبيعي كتوزيع لنسبة العينة في حساب االحتماالت‬
‫‪n.q =2(0.6) = 1.2 < 5‬‬
‫مثال ‪ :14‬مصنع ينتج قطع الغيار يف العادة يظهر يف‪ % 5‬من إنتاجه عيوب ‪ ,‬سحبت عينة عشوائية حجمها ‪ 200‬قطعة‪.‬‬
‫املطلوب ‪ :‬اوجد توزيع املعاينة لنسبة القطع الفاسدة يف العينة ؟ احسب احتمال القطع الفاسدة يف العينة اقل من ‪ % 3‬؟‬
‫احلل ‪ :‬نسبة اجملتمع ‪ 𝑃 = 0.05 , 𝑞 = 0.95‬متوسط النسبة ‪𝑈P̂ = 𝑈𝑃 = P = 0.05‬‬

‫𝑃‪δ2‬‬ ‫‪P.q‬‬ ‫‪0.05∗0.95‬‬
‫= ̂𝑃‪δ2‬‬ ‫=‬ ‫=‬ ‫و تباين النسبة ‪= 0.00024 ⇒ δp̂ = √0.00024 = 0.015‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪200‬‬
‫‪̂ −0.05‬‬
‫‪P‬‬
‫= ‪𝑝̂ ↝ N(0.05,0.00024) ⇒ Z‬‬ ‫مباان حجم العينة كبري فان ̂𝑃 يقرتب من التوزيع الطبيعي )‪↝ N(0.1‬‬
‫‪0.015‬‬
‫‪0.03 − 0.05‬‬
‫≤ 𝑍( 𝑃 = )‪𝑃(𝑃̂ ≤ 0.03‬‬ ‫)‪) = 𝑃(𝑍 ≤ −1.33) = 1 − Φ(1.33‬‬
‫‪0.015‬‬
‫‪= 1 − 0.9082 = 0.0918 = 9.18%‬‬
‫‪36‬‬
‫𝑷 )‪.‬‬ ‫الفرع اخلامس‪ :‬توزيع املعاينة للفرق بني نسبيت عينتني ( 𝟐̂‬
‫𝐏 ‪̂𝟏 −‬‬
‫هناك العديد من الدراسات اليت يرغب الباحث من خالهلا يف معرفة بني نسبيت عينتني مت اختيارمها من جمتمعني احصائيني ومعرفة‬
‫‪ 𝑃̂1 − P‬متغري عشوائي) فاننا‬

‫االحتمال املصاحب هلذا الفرق ‪ ,‬والن فرق النسبة للعينتني يتغري من ثنائية اىل اخرى ( ‪̂2‬‬
‫سنتحصل على توزيع املعاينة للفرق بني نسبتني (التوزيع االحتمايل ) وهو امتداد ملضمون النظرية املتعلقة بتوزيع املعاينة لنسبة عينة‬
‫واحدة ‪.‬‬
‫اذا كانت لدينا ‪ 𝑥i1 : 𝑥11 , 𝑥21 , … ….‬تشكل عينة عشوائية حجمها ‪ 𝑛1‬من جمتمع احصائي حجمه ‪ 𝑁1‬نسبة‬
‫عناصره اليت حتقق الظاهرة هي ‪ 𝑃1‬ونسبة العناصر اليت حتقق الظاهرة يف العينة املختارة عشوائيا من هذا اجملتمع هي ‪. 𝑃̂1‬‬
‫و كانت لدينا ‪ 𝑥i2 : 𝑥12 , 𝑥22 , … ….‬تشكل عينة عشوائية حجمها ‪ 𝑛2‬من جمتمع احصائي اثين حجمه ‪ 𝑁1‬نسبة‬
‫عناصره اليت حتقق الظاهرة هي ‪ 𝑃2‬ونسبة العناصر اليت حتقق الظاهرة يف العينة املختارة عشوائيا من هذا اجملتمع هي ‪. 𝑃̂2‬‬
‫وكانت العينتني مستقلتني وحجمهما كبري ‪ 𝑛1 . 𝑞1 ≥ 5‬و ‪ 𝑛1 . 𝑝1 ≥ 5‬وكذالك ‪ 𝑛2 . 𝑞2 ≥ 5‬و ‪𝑛2 . 𝑝2 ≥ 5‬‬
‫𝑷 يتبع التوزيع الطبيعي وحيسب متوسط وتباين فرق النسبة كمايلي ‪:‬‬ ‫فان توزيع املعاينة لفرق النسبة للعينتني 𝟐̂‬
‫𝐏 ‪̂𝟏 −‬‬
‫‪𝑈𝑷̂𝟏−𝐏̂𝟐 = 𝑈𝑷̂𝟏 − 𝑈𝐏̂𝟐 = 𝑃1 − 𝑃2‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪𝛿𝑃21‬‬ ‫‪𝛿𝑃22‬‬ ‫‪p1 . q1 p2 . q 2‬‬
‫= 𝟐̂𝐏‪δ𝑷̂𝟏−𝐏̂𝟐 = δ𝑷̂𝟏 + δ‬‬ ‫‪+‬‬ ‫=‬ ‫‪+‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪2‬‬
‫𝐏 ‪̂𝟏 −‬‬
‫𝑷‬ ‫) ̂ ̂ ‪̂𝟐 ↝ 𝐍(𝑈𝑷̂ −𝐏̂ , δ‬‬
‫𝟏‬ ‫𝟐‬ ‫𝟐𝐏‪𝑷𝟏 −‬‬ ‫ونكتب ‪:‬‬
‫𝐏‪̂ 𝟏 −‬‬
‫𝑷(‬ ‫) ‪̂𝟐 )−(𝑃1 −𝑃2‬‬
‫(=‪z‬‬ ‫‪p .q‬‬ ‫‪p .q‬‬
‫)‪) ↝ N (0.1‬‬ ‫فتصبح القيمة املعيارية من الشكل ‪:‬‬
‫‪√ 1n 1 + 2n 2‬‬
‫‪1‬‬ ‫‪2‬‬
‫مثال ‪ :15‬لدينا خمربين النتاج املضادات احليوية ‪.‬‬
‫تؤكد إحصائيات املخرب األول أن من بني ‪ 12500‬شخص خاضع للعالج وجد أن ‪ 11250‬شخص متاثلوا للشفاء‬
‫فيما تبني إحصائيات املخرب الثاين أن من بني ‪ 13400‬شخص خاضع للعالج وجد أن ‪ 10720‬شخص متاثلوا للشفاء‬
‫اختريت عشوائيا عينة حجمها ‪ 200‬من زابئن املخرب األول ‪ ,‬وعينة حجمها ‪ 200‬من املخرب الثاين ‪.‬‬
‫املطلوب ‪ :‬حدد طبيعة توزيع املعاينة لفرق نسبة الشفاء يف العينتني ؟ مث احسب احتمال أن يكون فرق نسبة الشفاء يف العينتني‬
‫اكرب من ‪ % 20‬؟‬
‫‪37‬‬
‫‪11250‬‬
‫= ‪𝑁1 = 12500 , 𝑃1‬‬
‫‪12500‬‬
‫‪= 0.9 ⇒ 𝑞1 = 0.1 , 𝑛1 = 200‬‬ ‫احلل ‪:‬‬
‫‪10720‬‬
‫= ‪N2 = 13400 , 𝑃1‬‬ ‫‪= 0.8 ⇒ 𝑞2 = 0.2 , 𝑛2 = 200‬‬
‫‪13400‬‬
‫حساب متوسط وتباين فرق النسبة للعينتني ‪:‬‬
‫‪𝑈𝑷̂𝟏−𝐏̂𝟐 = 0.9 − 0.8 = 0.1‬‬

‫)‪(0.9) . (0.1) (0.8) . (0.2‬‬
‫= 𝟐̂𝐏‪δ2𝑷̂𝟏−‬‬ ‫‪+‬‬ ‫‪= 0.00125 ⇒ δ𝑷̂𝟏−𝐏̂𝟐 = √0.00125‬‬
‫‪200‬‬ ‫‪200‬‬
‫‪= 0.035‬‬
‫‪200‬‬ ‫‪200‬‬
‫‪= 0.014 < 0.05 ,‬‬ ‫مل نستعمل معامل االرجاع يف حساب التباين الن ‪= 0.016 < 0.05 :‬‬
‫‪13400‬‬ ‫‪12500‬‬
‫‪(𝑃̂1 − P‬‬
‫)‪̂2 ) − (0.1‬‬
‫̂‬ ‫̂‬
‫( = ‪𝑃1 − P2 ↝ N(0.1 , 0.00125 ) ⇒ z‬‬ ‫)‪) ↝ N (0.1‬‬
‫‪0.035‬‬
‫‪(𝑃̂1 − P‬‬
‫)‪̂2 ) − (0.1) (0.2) − (0.1‬‬
‫‪P(𝑃̂1 − P‬‬
‫( ‪̂2 ≥ 0.2) = P‬‬ ‫≥‬ ‫) ‪) = P( Z ≥ 2.85‬‬
‫‪0.035‬‬ ‫‪0.035‬‬
‫‪= 1 − P( Z ≤ 2.85 ) = 1 − Φ(2.85) = 1 − 0.9978 = 0.0022‬‬
‫الفرع السادس ‪ :‬توزيع املعاينة للتباين ‪:‬‬
‫‪∑(𝑋𝑖 −𝑥̅ )2‬‬
‫= ‪ S 2‬كاحصاءة حتسب من عينة حجمها ‪ n‬كمقياس للتشتت وتتغري قيمتها من عينة اىل اخرى ‪,‬‬ ‫تباين العينة‬
‫‪n−1‬‬
‫فاذا سحبنا كل العينات املمكنة ذات احلجم ‪ n‬من جمتمع تباينه ‪ δ2‬كثابت وحسبنا لكل عينة تباينها كمتغري عشوائي فاننا‬
‫نستطيع حساب قيم املتغري العشوائي ‪ 𝓍 2‬ويسمى ‪-‬كاي مربع‪ -‬وهو من التوزيعات االحتمالية املستمرة حيث‪:‬‬
‫‪(𝑛−1)S2‬‬
‫𝒳 وبتعويض تباين العينة تصبح‪:‬‬ ‫‪2‬‬
‫=‬
‫‪δ2‬‬
‫‪2‬‬
‫𝑥‪(n−1) ∑(𝑋𝑖 −‬‬
‫)̅‬
‫‪2‬‬ ‫‪(𝑛−1)S2‬‬ ‫‪𝑛−1‬‬ ‫‪∑(𝑋𝑖 −𝑥̅ )2‬‬
‫‪𝒳𝑛−1‬‬ ‫=‬ ‫=‬ ‫=‬
‫‪δ2‬‬ ‫‪δ2‬‬ ‫‪δ2‬‬
‫مثال ‪ :‬اذا سحبنا عينة عشوائية حبجم ‪ 6‬مفردات من ىمجتمع يتبع التوزيع الطبيعي بوتوسط ‪ 𝑈 = 10‬وتباين ‪δ2 = 5‬‬
‫احسب احتمال ان يكون تباين العينة تباين العينة اقل من ‪ 3‬؟ اكرب من ‪ 4‬؟‬
‫‪(7−1)S2‬‬ ‫‪(6)S2‬‬
‫‪2‬‬
‫‪𝒳7−1‬‬ ‫=‬ ‫⇒‬ ‫‪𝒳62‬‬ ‫=‬ ‫احلل‪:‬‬
‫‪5‬‬ ‫‪5‬‬
‫احتمال ‪ S 2‬اقل من ‪: 3‬‬
‫‪(6)S 2 6 ∗ 3‬‬
‫‪2‬‬
‫( ‪𝑃(S < 3) = P‬‬ ‫<‬ ‫‪) = P(𝒳62 < 3.6 ) = 1 − Φ(3.6) = 1 − 0.7 = 0.3‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪(6)S2 6 ∗ 4‬‬
‫‪2‬‬
‫( ‪𝑃(S > 4) = P‬‬ ‫>‬ ‫‪) = P(𝒳62 > 4.8 ) = Φ(4.8) = 0.5 = 50%‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪38‬‬
‫الفصل الثاين ‪ :‬التقدير اإلحصائي ‪.‬‬
‫الفرع االول ‪ :‬التقدير وانواعه تلعب نظرية التقدير اإلحصائي دور أساسي يف االستنتاج حيث يتم على ضوئها تقدير معامل اجملتمع‬
‫االحصائي او توزيعه االحتمايل ‪ ,‬وذلك ابالعتماد على سحب عينة عشوائية من اجملتمع واستخدام إحصاءاهتا يف إجياد تقديرات‬
‫ملعامل اجملتمع ‪ ,‬فإذا كان لدينا متغري عشوائي ‪ X‬له اقرتان احتمايل ) ‪ f ( x ,Q‬حيث ‪ Q‬متثل معلمة توزيع ذلك املتغري واردان‬
‫تقدير هذه املعلمة فنقوم إبجياد املقدر ̂𝑄‬
‫فالتقدير أسلوب يعتمد على حساب بعض اإلحصاءات من بياانت العينة اليت تعطي قيم تقديرية للمعلمات املناظرة هلا يف اجملتمع‬
‫اإلحصائي املختارة منه ‪ ,‬واملقدر هو احصاءة حتدد كيفية استخدام بياانت العينة لتقدير معلمة اجملتمع اجملهولة ( املتوسط ‪ ,‬التباين‬
‫‪ ,‬النسبة ) ويوجد نوعني من التقدير ‪.‬‬
‫‪-1‬التقدير النقطي‪ :‬يقصد به متثيل معلمة اجملتمع اجملهولة بقيمة واحدة حنسبها من عينة عشوائية فاذا كانت املعلمة اجملهولة ‪Q‬‬
‫هي متوسط اجملتمع ‪ U‬فيقدر مبتوسط العينة ̅𝑥 اي ان ‪̂ = x̅ = ∑ xi = 𝑎 :‬‬

‫‪ U‬حيث ان ‪̂ :‬‬
‫𝑈 = ̂𝑄 ; 𝑈 = 𝑄‬
‫‪n‬‬
‫‪ :U‬املعلمة اجملهولة ‪ : 𝑥̅ , Q‬هي مقدر بقيمة ̂𝑄 ‪ : a ,‬هي تقدير بقيمة ‪.‬‬
‫خواص املقدر اجليد ‪ :‬نذكر اهم ثالث خواص للمقدر اجليد ‪.‬‬
‫خاصية عدم التحيز ‪ :‬تكون االحصائية ̂‬

‫‪ Q‬مقدر غري متحيز للمعلمة اجملهولة ‪ Q‬اذا كان الوسط احلسايب لتوزيع املعاينة‬
‫‪ Q‬يساوي املعلمة اجملهولة اي ‪:‬‬

‫لالحصاءة ̂‬
‫‪̂ ) = Q ⇒ E( U‬‬
‫‪E( Q‬‬ ‫مقدار التحيز ̂‬
‫‪̂ )– Q = BiasQ‬‬
‫‪̂ ) = U ⟹ E( Q‬‬
‫وقد راينا سابقا ان ‪E(𝑥̅ ) = Ux̅ = U‬‬
‫‪∑ xi‬‬ ‫𝑛𝑥‪𝑥1 + 𝑥2 + ⋯ . . +‬‬ ‫‪1‬‬

‫( ‪E(𝑥̅ ) = E‬‬ ‫(‪) = E‬‬ ‫) 𝑛𝑥‪) = E(𝑥1 + 𝑥2 + ⋯ . . +‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪nu‬‬
‫=‬ ‫= ]‪[E(𝑥1 ) + E(𝑥2 ) + ⋯ . . +E(𝑥𝑛 )] = [u + u + ⋯ … . +u‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫غري متحيز ‪= U‬‬
‫‪39‬‬
‫مثال ‪ :‬اذا كان ‪ 𝑠 2‬تباين عينة عشوائية صغرية احلجم عناصرها ) ‪ ( 𝑥1 , 𝑥1 , … . . . , 𝑥n‬مسحوبة مع االرجاع من جمتمع‬
‫تباينه ‪ . δ2‬املطلوب ‪ :‬اثبت رايضيا ان ‪ 𝑠 2‬هو مقدر غري متحيز ل ‪ δ2 :‬؟‬
‫𝑛∑‬
‫) ̅𝑥‪1 (𝑥𝑖 −‬‬
‫‪2‬‬
‫‪2‬‬
‫= 𝑆‬ ‫احلل ‪:‬‬
‫‪𝑛−1‬‬
‫‪∑𝑛1(𝑥𝑖 − 𝑥̅ )2‬‬ ‫‪1‬‬

‫𝑆( 𝐸‬ ‫)‪2‬‬
‫(𝐸 =‬ ‫=)‬ ‫] ‪E [∑( xi2 − 2 x̅xi + x̅ 2‬‬
‫‪𝑛−1‬‬ ‫‪n−1‬‬
‫‪1‬‬
‫=‬ ‫] ‪E [∑ xi2 − 2x̅ ∑ xi + nx̅ 2‬‬
‫‪n−1‬‬
‫‪∑ xi‬‬
‫= ̅‪x‬‬ ‫لدينا‪⇒ ∑ xi = nx̅ :‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ) ‪𝐸 (𝑆 2‬‬ ‫= ] ‪E [∑ xi2 − 2x̅ 𝑛 𝑥̅ + nx̅ 2‬‬ ‫] ‪E [∑ xi2 − 2 𝑛 𝑥̅ 2 + nx̅ 2‬‬
‫‪n−1‬‬ ‫‪n−1‬‬
‫‪1‬‬ ‫‪1‬‬
‫=‬ ‫= ] ‪E [∑ xi2 − 𝑛 𝑥̅ 2‬‬ ‫) ‪∑ E(xi2 ) − 𝑛𝐸 ( 𝑥̅ 2‬‬
‫‪n−1‬‬ ‫‪n−1‬‬
‫لدينا ‪δ2 = 𝐸 (𝑋 2 ) − 𝑢2 ⇒ 𝐸 (𝑋 2 ) = δ2 + 𝑢2 :‬‬
‫وكذلك ‪δ2𝑥̅ = 𝐸 (𝑥̅ 2 ) − 𝑢2 ⇒ 𝐸 (𝑥̅ 2 ) = δ2𝑥̅ + 𝑢2 :‬‬
‫‪1‬‬
‫= ) ‪𝐸 (𝑆 2‬‬ ‫) ‪∑(δ2 + u2 ) − 𝑛(δ2𝑥̅ + 𝑢2‬‬
‫‪n−1‬‬
‫‪1‬‬ ‫‪1‬‬
‫=‬ ‫= ) ‪(nδ2 + nu2 − 𝑛δ2𝑥̅ − n𝑢2‬‬ ‫) ̅𝑥‪(nδ2 − 𝑛δ2‬‬
‫‪n−1‬‬ ‫‪n−1‬‬
‫‪𝛿2‬‬
‫= ̅𝑥‪δ2‬‬ ‫لدينا ‪:‬‬
‫𝑛‬
‫)‪2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪𝑛𝛿 2‬‬ ‫‪1‬‬
‫𝑆( 𝐸‬ ‫=‬ ‫‪(nδ −‬‬ ‫=)‬ ‫‪(n − 1)δ2 = δ2‬‬
‫‪n−1‬‬ ‫𝑛‬ ‫‪n−1‬‬
‫مقدر غري متحيز ‪𝐸 (𝑆 2 ) = δ2‬‬
‫خاصية الكفاءة ‪ :‬إذا كان لدينا االحصائتني ‪ 𝑄̂1‬و ‪ 𝑄̂2‬مقدرين غري متحيزين للمعلمة اجملهولة ‪ Q‬أي أن‪ E(𝑄̂1 ) = Q‬و‬
‫‪ E(𝑄̂2 ) = Q‬و كان تباين توزيع املعاينة للمقدر ‪ 𝑄̂1‬اقل من تباين توزيع املعاينة للمقدر الثاين ‪ 𝑄̂2‬أي ̂‪δ2̂ < δ2‬‬
‫‪𝑄1‬‬ ‫‪𝑄2‬‬
‫‪2‬‬
‫𝑄‪δ‬‬
‫‪̂1‬‬
‫كمقياس‬ ‫‪2‬‬ ‫فاملقدر االكثر كفاءة يف هذه احلالة هو ‪ 𝑄̂1‬النه ذو اصغر تباين من بني التباينات ‪ ,‬وعادة مانستخدم النسبة‬
‫𝑄‪δ‬‬
‫‪̂2‬‬
‫‪40‬‬
‫للحكم على الكفاءة بني املقدرين ( اقل من ‪ 01‬يعين ان ‪ 𝑄̂1‬هو االكثر كفاءة ‪ ,‬اكرب من ‪ 01‬يعين ‪ 𝑄̂2‬املقدر االكثر كفاءة‬
‫للمعلمة اجملهولة ) ‪.‬‬
‫خاصية االتساق ‪ :‬تكون االحصاءة ̂𝑄 مقدر متسق للمعلمة اجملهولة ‪ Q‬اذا اقرتب تباينها من الصفر ويتحقق ذلك كلما زاد‬
‫‪lim E(Q‬‬ ‫‪̂) = 0‬‬ ‫‪lim E(X‬‬ ‫‪̅) = lim UX̅ = U‬‬
‫∞→‪n‬‬ ‫∞→‪n‬‬
‫‪{n→∞ 2‬‬ ‫{‬ ‫‪2‬‬ ‫‪δ2‬‬ ‫حجم العينة ونكتب اختصارا ‪:‬‬
‫‪lim δ𝑄̂ = 0‬‬ ‫‪lim δ𝑋̅ = lim = 0‬‬
‫∞→‪n‬‬ ‫∞→‪n‬‬ ‫‪n→∞ n‬‬
‫طرق التقدير النقطي ‪ :‬من اهم طرق التقدير النقطي نذكر طريقة املربعات الصغرى ‪ ,‬طريقة العزوم ‪ ,‬طريقة املعقولية العظمى ‪.‬‬
‫طريقة املعقولية العظمى ‪ :‬تعترب من اهم الطرق استعماال يف تقدير النقطي للمعامل الهنا تتميز ابستنتاج مقدر ذو خصائص جيدة‬
‫خاصة يف حالة العينات الكبرية احلجم )∞ → 𝑛( فاهنا تعطي مقدرات غري متحيزة وميكن تعريفها ابهنا قيم املعلمات اليت‬
‫جتعل دالة املعقولية يف هنايتها العظمى ‪ .‬اذا كانت لدينا عينة عشوائية ( ‪ ) 𝑥1 , x2 , … . , xn‬من جمتمع ‪ X‬مع دالة كثافة‬
‫احتمالية )𝜃 ;𝑥(𝑓 ‪ ,‬حيث 𝜃 هي املعلمة اجملهولة) ‪ 𝛿 2‬او 𝑈 (‪,‬معقولية الدالة )𝜃(𝐿 هي توزيع العينة ( اتبع الكثافة‬
‫املشرتك للعينة) وهي كما يلي ‪:‬‬
‫) 𝜃 ; 𝑖𝑥( 𝑓 ‪𝐿(𝜃 / 𝑥1 , x2 , … . , xn ) = 𝑓(𝑥1 ; 𝜃 ), 𝑓(𝑥2 ; 𝜃 ), … . , 𝑓(𝑥𝑛 ; 𝜃 ) = ∏𝑛𝑖=1‬‬

‫يف طريقة املعقولية العظمى يتم اختيار قيمة 𝜃 اليت جتعل اتبع الكثافة املشرتك الذي يسمى كذلك اتبع املعقولية العظمى اكرب‬
‫ماميكن ‪ ,‬ويسمى املقدر يف هذه احلالة ابملقدر املبين على التوقع االعظمي ‪ .‬فاذا كانت ) ‪ 𝜃̂ = 𝜃̂(𝑥1 , x2 , … . , xn‬هي‬
‫قيمة 𝜃 اليت تعظم الدالة ) 𝜃 ; 𝑖𝑥( 𝑓 ‪ 𝐿(𝜃 ) = ∏𝑛𝑖=1‬اي اذا كانت ) 𝜃(𝐿 𝑥𝑎𝑚 = ) ̂𝜃(𝐿 عندئذ نقول عن ̂𝜃 انه‬
‫مقدر مبين على التوقع االعظمي ل 𝜃 ومبا ان ̂𝜃 جيب ان حيقق النهاية العظمى فانه ميكن احلصول على هذه النهاية عن طريق‬
‫االشتقاق ابلنسبة ل 𝜃 مث مساواة انتج االشتقاق ابلصفر ‪.‬‬
‫𝐿∂‬
‫معىن ذلك اذا كان ) 𝜃(𝐿 اتبع قابل للمفاضلة ابلنسبة ل 𝜃 فان الشرط الالزم لكي يبلغ ) 𝜃(𝐿 هنايته العظمى هو ‪= :‬‬
‫‪∂θ‬‬
‫‪ , 0‬مبا ان ) 𝜃(𝐿 هو جداء توابع فانه موجب دوما وابلتايل ميكننا استعمال ‪ log‬اي ‪:‬‬
‫) 𝜃 ; 𝑖𝑥( 𝑓𝑔𝑜𝑙 ‪ , 𝑙𝑜𝑔𝐿 (𝜃 ) = 𝑙𝑜𝑔 ∏𝑛𝑖=1 𝑓(𝑥𝑖 ; 𝜃 ) = ∑𝑛𝑖=1‬حيث يكون الوصول اىل اعظمية‬
‫) 𝜃(𝐿𝑔𝑜𝑙 اسهل النه ابدخا ل اللوغاريتم تتحول الدالة من حاصل ضرب اىل حاصل مجع مبا يسهل العمليات احلسابية عن‬
‫طريق اشتقاق الدالة واملساواة ابلصفر‪.‬‬

‫𝑛‬
‫∂‬ ‫∂‬
‫⇒ ‪𝑙𝑜𝑔𝐿(𝜃 ) = 0‬‬ ‫‪∑ 𝑙𝑜𝑔𝑓 (𝑥𝑖 ; 𝜃 ) = 0‬‬
‫‪∂θ‬‬ ‫‪∂θ‬‬
‫‪𝑖=1‬‬
‫‪41‬‬
‫مثال ‪ :‬اذا كان لدينا متغري عشوائي ‪ X‬يتبع توزيع بواسون ابملعلمة ‪ λ‬ا‪ .‬اوجد مقدر املعلمة ‪ λ‬بطريقة املعقولية العظمى ؟‬
‫احلل ‪:‬‬
‫𝑛‬ ‫𝑛‬
‫‪λ𝑋𝑖 e−λ‬‬
‫[ ∏ = )𝜆 ; 𝑖𝑋(𝑓 ∏ = )𝜆(𝐿‬ ‫]‬
‫!) 𝑖𝑋(‬
‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫ابدخال اللوغاريتم ‪:‬‬
‫𝑛‬ ‫𝑛‬
‫‪λ𝑋𝑖 e−λ‬‬
‫[ ∏ 𝑔𝑜𝑙 = )𝜆 ; 𝑖𝑋(𝑓 ∏ 𝑔𝑜𝑙 = )𝜆(𝐿𝑔𝑜𝑙‬ ‫]‬
‫!) 𝑖𝑋(‬
‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫𝑛‬
‫]𝜆 ‪= ∑[𝑋𝑖 𝑙𝑜𝑔(𝜆) − 𝑙𝑜𝑔(𝑋𝑖 )! −‬‬

‫‪𝑖=1‬‬
‫𝑛‬ ‫𝑛‬
‫𝜆𝑛 ‪= 𝑙𝑜𝑔(𝜆) ∑ (𝑋𝑖 ) − ∑[𝑙𝑜𝑔(𝑋𝑖 )!] −‬‬

‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫ابشتقاق الدالة ابلنسبة ايل ‪ λ‬واملطابقة مع الصفر جند ‪:‬‬
‫𝑛‬ ‫𝑛‬ ‫𝑛‬
‫∂‬ ‫∂‬
‫‪∑ 𝑙𝑜𝑔𝑓 (𝑥𝑖 ; 𝜆) = 0 ⇒ 𝑙𝑜𝑔(𝜆) ∑ (𝑋𝑖 ) − ∑[𝑙𝑜𝑔(𝑋𝑖 )!] − 𝑛𝜆 = 0‬‬
‫‪∂λ‬‬ ‫‪∂λ‬‬
‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫𝑛‬ ‫𝑛‬
‫‪1‬‬ ‫) 𝑖𝑋( ‪∑𝑛𝑖=1‬‬
‫= 𝜆 ⇒⇒ 𝜆𝑛 = ) 𝑖𝑋( ∑ ⇒ ‪⇒ ∑ (𝑋𝑖 ) − 𝑛 = 0‬‬ ‫̅𝑋 =‬
‫‪λ‬‬ ‫𝑛‬
‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫اذا ̅𝑋 = ̂‪ λ‬هو مقدر املعلمة ‪ λ‬يف توزيع بواسون ‪.‬‬
‫‪ -2‬التقدير بفرتة ( جمال الثقة أو فرتة الثقة ) ‪ :‬لقد رأينا يف التقدير النقطي مع خواص املقدر اجليد الذي ميكن استخدامه‬
‫لتقدير معلمة اجملتمع اجملهولة بقيمة واحدة ( احصاءة حمسوبة من العينة ) ‪ ,‬ومهما كانت جودة املقدر فإننا النتوقع ان تكون قيمة‬
‫مساوية متاما للمعلمة الفعلية اجملهولة وذلك بسبب وجود هامش اخلطأ يف التقدير ‪ ,‬لذلك نلجأ اىل هذا النوع من التقدير النه‬
‫يسمح لنا بتحديد جمال او فرتة معينة حبد اعلى وحد ادىن تتواجد ضمنه املعلمة ‪ ,‬يكتسي هذا النوع من التقدير مصداقية اكثر‬
‫ابعتباره ايخذ قيمة االحصاءة كمقدر من جهة و اثر احتمال اخلطأ يف التقدير من جهة اخرى للمعلمة اجملهولة ( 𝑈 ‪.)𝑃, 𝛿, 𝛿 2,‬‬
‫𝛼 ‪ ⇒ 𝑃(𝑄̂𝐿 ≤ 𝑄 ≤ 𝑄̂𝑢 ) = 1 −‬احلد االعلى للفرتة 𝑢̂𝑄 ≤ 𝑄 ≤ 𝐿̂𝑄احلد االدىن للفرتة‬
‫] 𝑢̂𝑄 ‪𝐼𝐶 = [𝑄̂𝐿 ,‬جمال الثقة‬
‫‪42‬‬
‫حيث ‪ 𝛼 :‬هي هامش اخلطا يف التقدير (مثال احتمال اخلطا املسموح هو ‪ 5%‬اي ‪. ) 𝛼 = 0.05‬‬
‫𝛼 ‪ 1 −‬معامل الثقة ( مثال ‪ ) 1-0.05=0.95‬اي ان مستوى الثقة هو ‪. 95%‬‬
‫‪ P‬االحتمال ( ابحتمال قدره 𝛼 ‪1 −‬ان قيمة املعلمة اجملهولة 𝑄 موجودة ضمن اجملال ] 𝑢̂𝑄 ‪. [𝑄̂𝐿 ,‬‬
‫الفرع الثاين ‪ :‬تقدير فرتة الثقة حول متوسط اجملتمع ‪: U‬‬
‫اوال ‪:‬عندما يكون تباين اجملتمع 𝟐𝛅 معلوم ‪ :‬اذا كان لدينا جمتمع متوسطه ‪ U‬جمهول وتباينه ‪ δ2‬معلوم وسحبنا عشوائيا‬
‫عينة حجمها ‪ n‬فانه ميكن تكوين فرتة ثقة ‪ 1-α‬حول متوسط اجملتمع وذلك بعد حتديد توزيع املعاينة ل ̅𝑥 وقد راينا سابقا‬
‫انه اذا متت املعاينة من جمتمع طبيعي او جمتمع غري طبيعي ولكن حجم العينة اكرب من ‪ 30‬فان ‪:‬‬
‫‪δ2‬‬ ‫‪̅−U‬‬
‫‪X‬‬
‫( = ‪̅ ↝ N (Ux̅ , ) z‬‬
‫𝑋‬ ‫‪δ‬‬ ‫)‪) ↝ N(0.1‬‬
‫‪n‬‬
‫‪√n‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪̅−U‬‬
‫‪X‬‬
‫≤ ‪−Zα‬‬ ‫‪δ‬‬
‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√n‬‬
‫̅ ‪δ‬‬ ‫‪δ‬‬
‫‪−Zα‬‬ ‫‪≤ X − U ≤ +Zα‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2 √n‬‬
‫‪δ‬‬ ‫‪δ‬‬
‫‪̅ − Zα‬‬
‫‪−X‬‬ ‫̅‪≤ −U ≤ −‬‬
‫‪X + Zα‬‬ ‫‪ −X‬تصبح ‪:‬‬
‫ابلضرب يف ̅‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪δ‬‬ ‫‪δ‬‬
‫‪̅ + Zα‬‬
‫‪X‬‬ ‫‪̅ − Zα‬‬
‫‪≥ U ≥ +X‬‬ ‫ابلضرب يف ‪ 1-‬تصبح‪:‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪δ‬‬ ‫‪δ‬‬
‫̅‬
‫‪X − Zα‬‬ ‫̅≤‪≤U‬‬
‫‪X + Zα‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪δ‬‬ ‫‪δ‬‬
‫̅ (‪P‬‬
‫‪X − Zα‬‬ ‫̅≤‪≤U‬‬
‫‪X + Zα‬‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫اذا كان السحب بدون ارجاع فاننا نستعمل معامل االرجاع يف حساب التباين فيصبح جمال الثقة ‪:‬‬
‫‪δ‬‬
‫𝒏‪𝑵−‬‬ ‫𝒏‪δ 𝑵−‬‬
‫̅ (‪P‬‬
‫‪X − Zα‬‬ ‫√‬ ‫̅≤‪≤U‬‬
‫‪X + Zα‬‬ ‫√‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫𝐍‬ ‫‪−‬‬ ‫𝟏‬ ‫‪2‬‬ ‫𝟏 ‪√n 𝐍 −‬‬
‫مثال‪ : 17‬لدينا جمتمع احصائي يتوزع طبيعيا مبتوسط جمهول واحنراف معياري قدره ‪ 30‬وحدة ‪ ,‬اخذان عينة عشوائية حجمها ‪ 100‬مفردة فوجدان‬
‫ان متوسطها ‪ 168‬وحدة ‪.‬‬
‫املطلوب ‪ :‬قدر فرتة الثقة ‪ %95‬ملتوسط هذا اجملتمع ؟‬
‫‪43‬‬
‫‪302‬‬ ‫‪̅−168‬‬
‫‪X‬‬
‫‪̅ ↝ N (168 ,‬‬
‫𝑋‬ ‫( = ‪)z‬‬ ‫‪30‬‬ ‫احلل ‪ :‬مبا ان توزيع اجملتمع طبيعي وتباينه معلوم ‪ δ2 = 302‬فان)‪) ↝ N(0.1‬‬
‫‪100‬‬
‫‪√100‬‬
‫‪ X‬كتقدير نقطي ل‪𝑈x̅ :‬‬

‫مالحظة ‪:‬متوسط اجملتمع ‪ U‬جمهول وهو املطلوب تقديره بفرتة ‪.‬وابلتايل انخذ متوسط العينة ‪̅ = 168‬‬
‫‪30‬‬ ‫‪30‬‬
‫‪168 − 1.96‬‬ ‫‪≤ U ≤ 168 + 1.96‬‬ ‫‪, Zα = Z0.05 = Z0.025 = 1.96‬‬
‫‪√100‬‬ ‫‪√100‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪168 − 5.88 ≤ U ≤ 168 + 5.88 → 162.12 ≤ U ≤ 173.88‬‬

‫ابحتمال قدره ‪ %95‬ان متوسط اجملتمع ‪ U‬حمصور ضمن القيمتني ‪ 162‬و‪.173‬‬
‫اثنيا ‪:‬عندما يكون تباين اجملتمع 𝟐𝛅 جمهول ‪:‬اذا كان تباين اجملتمع جمهول فاننا انخذ تباين العينة ‪ S 2‬املسحوبة منه كتقدير ‪,‬‬
‫وبغض النظر عن توزيع اجملتمع فان حجم العينة حيدد طبيعة التوزيع الذي نستعمله يف تكوين جمال الثقة حول متوسط اجملتمع‬
‫ومنيز بني حالتني ‪:‬‬
‫‪ /1‬حجم العينة اقل من ‪ : 30‬نشكل فرتة الثقة حول متوسط اجملتمع اعتمادا على توزيع ستودنت ‪.‬‬
‫̅‬
‫̅‪X − Ux‬‬
‫( = ‪n < 30 ⇒ T‬‬ ‫‪S‬‬
‫)‪) ↝ t(n − 1‬‬
‫‪√n‬‬
‫‪P ( −t α ,n−1 ≤ T ≤ +t α ,n−1 ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪̅ −U‬‬
‫‪X‬‬
‫≤ ‪−t α ,n−1‬‬ ‫‪S‬‬ ‫‪≤ +t α ,n−1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√n‬‬
‫̅ ‪S‬‬ ‫‪S‬‬
‫‪−t α ,n−1‬‬ ‫‪≤ X − U ≤ +t α ,n−1‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪−X‬‬‫‪̅ − tα ,n−1‬‬ ‫̅‪≤ −U ≤ −‬‬ ‫‪X + tα ,n−1‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫̅‬
‫‪X + tα ,n−1‬‬ ‫̅‪≥ U ≥ +‬‬
‫‪X − tα ,n−1‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫̅‬
‫‪X − tα ,n−1‬‬ ‫̅≤‪≤U‬‬ ‫‪X + tα ,n−1‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪P( X‬‬‫‪̅ − tα ,n−1‬‬ ‫‪≤U≤X‬‬ ‫‪̅ + tα ,n−1‬‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫اذا كان السحب بدون ارجاع فاننا نستعمل معامل االرجاع يف حساب التباين فيصبح جمال الثقة ‪:‬‬
‫‪S‬‬ ‫𝑛‪𝑁−‬‬ ‫‪S‬‬ ‫𝑛‪𝑁−‬‬

‫̅ (‪P‬‬
‫‪X − tα ,n−1‬‬ ‫√‬ ‫̅≤‪≤U‬‬
‫‪X + tα ,n−1‬‬ ‫√‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n N − 1‬‬ ‫‪2‬‬ ‫‪√n N − 1‬‬
‫‪44‬‬
‫مثال‪ : 18‬لدراسة مستوى االنفاق الشهري يف احد االحياء سحبت عينة عشوائية حجمها ‪15‬اسرة فكان انفاقهم كما يلي ‪:‬‬
‫‪.5000,2000,3000,4000,4000,2000,3000,2000,3000, 3000, 4000,2000,4000,1000,3000‬‬
‫املطلوب ‪ :‬قدر فرتة الثقة ‪ %95‬ملتوسط االنفاق الشهري للمجتمع الذي سحبت منه العينة ؟‬
‫احلل‪:‬مبا ان متوسط اجملتمع وتباينه جمهوالن وحجم العينة اقل من ‪ 30‬فان متوسط العينة يتبع توزيع ستودنت ‪.‬‬
‫‪∑ xi 3000 + 1000 + ⋯ . . +2000 + 5000‬‬

‫= ̅𝑥‬ ‫=‬ ‫‪= 3000‬‬
‫‪n‬‬ ‫‪15‬‬
‫‪∑(𝑥𝑖 − 𝑥̅ )2 (3000 − 3000)2 + ⋯ + (5000 − 3000)2‬‬
‫‪2‬‬
‫= 𝑆‬ ‫=‬ ‫‪= 1142857‬‬
‫‪𝑛−1‬‬ ‫‪15 − 1‬‬
‫𝑆‬ ‫‪1069.05‬‬
‫= ̅𝑥𝛿 ⇒ ‪⇒ 𝑆 = √1142857 = 1069.05‬‬ ‫=‬ ‫‪= 276.03‬‬
‫𝑛√‬ ‫‪√15‬‬
‫‪̅ −2800‬‬
‫‪X‬‬
‫( = ‪n = 5 < 30 ⇛ 𝑋̅ ↝ T (15 − 1) ⇛ T‬‬ ‫)‪) ↝ 𝑇(14‬‬ ‫توزيع المعاينة للمتوسط ∶‬
‫‪276.03‬‬
‫‪t α ,n−1 = t 0.05 ,15−1 = t 0.025 ,1 4 = 2.624‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪̅ − tα ,n−1‬‬
‫‪X‬‬ ‫‪̅ + tα ,n−1‬‬
‫‪≤U≤X‬‬
‫‪2‬‬
‫‪√n‬‬ ‫‪2‬‬
‫‪√n‬‬
‫‪P( 3000 − 2.624 (276.03) ≤ U ≤ 3000 + 2.624 (276.03)) = 1 − 0.05‬‬
‫‪P( 3000 − 724.3 ≤ U ≤ 3000 + 724.3) = 0.95‬‬
‫‪P( 2275.7 ≤ U ≤ 3724.3) = 0.95‬‬
‫ابحتمال قدره ‪ %95‬ان متوسط االنفاق الشهري لسكان احلي (اجملتمع) يرتاوح بني ‪ 2275.7‬دج و‪ 3724.3‬دج ‪.‬‬
‫‪ /2‬حجم العينة اكرب او يساوي ‪ : 30‬نشكل فرتة الثقة حول متوسط اجملتمع اعتمادا على التوزيع الطبيعي ‪.‬‬
‫‪S2‬‬ ‫̅‬
‫‪X−U‬‬
‫‪𝑛 ≥ 30 ⇒ 𝑋̅ ↝ N (Ux̅ ,‬‬ ‫)‪) ⇒ z = ( S ) ↝ N(0.1‬‬
‫‪n‬‬
‫‪√n‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪̅−U‬‬
‫‪X‬‬
‫≤ ‪−Zα‬‬ ‫‪S‬‬
‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪̅ − Zα‬‬
‫‪X‬‬ ‫‪̅ + Zα‬‬
‫‪≤U≤X‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪S‬‬ ‫‪S‬‬
‫‪̅ − Zα‬‬
‫‪P( X‬‬ ‫‪̅ + Zα‬‬
‫‪≤U≤X‬‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪45‬‬
‫الفرع الثالث ‪ :‬فرتة الثقة للفرق بني متوسطي جمتمعني 𝟐𝐔 ‪. 𝑼𝟏 −‬‬
‫اوال ‪ /‬تبايين اجملتمعني املستقلني ( 𝟐𝟐𝛅 ‪ ) 𝛅𝟐𝟏 ,‬معلومني ‪:‬‬
‫‪δ12 δ22‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ N (U1 − U2 , + ) ⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪n2 n1‬‬ ‫‪δ21‬‬ ‫‪δ22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫وابلتايل ميكن تكوين فرتة الثقة للفرق كمايلي ‪:‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫) ‪(x̅ 1 − x̅ 2 ) − (U1 − U2‬‬

‫≤ ‪−Zα‬‬ ‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√ δ1 + δ2‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪δ12 δ22‬‬ ‫‪δ12 δ22‬‬

‫‪(x̅1 − x̅2 ) − Zα √ +‬‬ ‫‪̅1 − x̅2 ) + Zα √ +‬‬
‫‪≤ U1 − U2 ≤ (x‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫‪δ12 δ22‬‬ ‫‪δ12 δ22‬‬

‫√ ‪P ((x̅1 − x̅2 ) − Z‬‬ ‫‪α‬‬ ‫‪+‬‬ ‫‪≤ U1 − U2 ≤ (x‬‬
‫‪̅1 − x̅2 ) + Z‬‬ ‫‪α‬‬ ‫√‬ ‫‪+ )=1−α‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫اثنيا‪ /‬تبايين اجملتمعني املستقلني ( 𝟐𝟐𝛅 ≠ 𝟏𝟐𝛅 ) جمهولني وغري متساويني ‪:‬‬
‫‪ /1‬اذا كان حجم العينتني اكرب او يساوي ‪30‬‬
‫‪S12 S22‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ N (U1 − U2 , + ) ⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪n1 n2‬‬ ‫‪S21‬‬ ‫‪S22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫وابلتايل ميكن تكوين فرتة الثقة للفرق كمايلي ‪:‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫) ‪(x̅ 1 − x̅ 2 ) − (U1 − U2‬‬

‫≤ ‪−Zα‬‬ ‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√ S1 + S2‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫‪(x̅1 − x̅2 ) − Zα √ +‬‬ ‫‪̅1 − x̅2 ) + Zα √ +‬‬
‫‪≤ U1 − U2 ≤ (x‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫‪46‬‬
‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫‪P ((x̅1 − x̅2 ) − Zα √ +‬‬ ‫‪̅1 − x̅2 ) + Zα √ + ) = 1 − α‬‬
‫‪≤ U1 − U2 ≤ (x‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫مثال‪: 19‬مصنع ينتج نوعني من املصابيح الكهرابئية ‪ ,‬اخذت عينة عشوائية حجمها ‪ 150‬مصباح من الصنف ‪ A‬فكان متوسط عمرها االنتاجي‬
‫‪ 1400‬يوم ابحنراف قدره ‪ 120‬يوم ‪ ,‬كما اخذت عينة عشوائية حجمها ‪100‬من املصابيح من الصنف ‪ B‬فكان متوسط عمرها ‪ 1200‬ابحنراف‬
‫قدره ‪ 80‬يوم‪.‬‬
‫املطلوب ‪:‬قدر فرتة الثقة ‪ %95‬لفرق متوسط العمر للعينتني ؟‬
‫احلل ‪ :‬نالحظ تبايين اجملتمعني جمهولني ‪ ,‬مبا ان حجم العينتني كبري فان ‪:‬‬
‫‪1202 802‬‬ ‫)‪(x̅1 − x̅2 ) − (200‬‬

‫‪x̅1 − x̅2 ↝ N (1400 − 1200 ,‬‬ ‫‪+‬‬ ‫=‪)⇛ z‬‬ ‫)‪↝ N(0; 1‬‬
‫‪150 100‬‬ ‫‪1202‬‬ ‫‪802‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪150‬‬ ‫‪100‬‬ ‫)‬
‫لدينا ‪Zα = Z0.05 = Z0.025 = 1.96:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫‪(x̅1 − x̅2 ) − Z‬‬‫‪α‬‬ ‫√‬ ‫‪+‬‬ ‫‪≤ U1 − U2 ≤ (x‬‬
‫‪̅1 − x̅2 ) + Z‬‬ ‫‪α‬‬ ‫√‬ ‫‪+‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫‪200 − 1.96 ∗ 12.65 ≤ U1 − U2 ≤ 200 + 1.96 ∗ 12.65‬‬

‫] ‪167.36 ≤ U1 − U2 ≤ 232.64 → U1 − U2 ∈ [ 167.36 , 232.64‬‬
‫‪/2‬اذا كان حجم العينتني اقل من ‪30‬‬
‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ t (𝑛1 + n2 − 2) ⇛ T‬‬ ‫)‪↝ t(𝑛1 + n2 − 2‬‬
‫‪S21‬‬ ‫‪S22‬‬
‫√‬ ‫‪+‬‬
‫(‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫)‬
‫‪S2 S2‬‬ ‫‪S2 S2‬‬

‫‪(x̅1 − x̅2 ) − t‬‬ ‫‪α‬‬
‫‪,n +n2 −2‬‬
‫‪√ 1 + 2 ≤ U1 − U2 ≤ (x̅1 − x̅2 ) + t α ,n +n −2 √ 1 + 2‬‬
‫‪2 1‬‬ ‫‪n1 n2‬‬ ‫‪2 1‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫اثلثا ‪ /‬تبايين اجملتمعني املستقلني ( 𝟐𝟐𝛅 = 𝟏𝟐𝛅 ) جمهولني متساويني ‪:‬‬
‫‪/1‬اذا كان ‪. n1 , n2≥ 30‬‬
‫‪1‬‬ ‫‪1‬‬ ‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫( ‪x̅1 − x̅2 ↝ N (U1 − U2 , 𝑆P2‬‬ ‫= ‪+ )) ⇛ z‬‬ ‫)‪↝ N (0.1‬‬
‫‪n1 n2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪√𝑆P2 (n‬‬ ‫‪+‬‬ ‫)‬
‫(‬ ‫‪1‬‬ ‫‪n2‬‬ ‫)‬
‫‪47‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫( ‪P ((x̅1 − x̅2 ) − Zα √𝑆P2‬‬ ‫‪+ ) ≤ U1 − U2 ≤ (x̅1 − x̅2 ) + Zα √𝑆P2 ( + ) ) = 1 − α‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫مثال ‪ :20‬ابلعودة اىل املثال رقم ‪ 19‬واذا افرتضنا ان تبايين اجملتمعني اجملهولني متساويني قدر فرتة الثقة‪ %95‬لفرق متوسط العمر‬
‫للعينتني ؟‬
‫احلل‪ :‬مبا أن ؟ = ‪ δ12 = δ22 = δ2‬و ‪ S12 ≠ S22‬فإننا نستعمل ‪ SP2‬والن حجم العينتني اكرب من ‪ 30‬نستعمل التوزيع‬
‫الطبيعي ‪.‬‬
‫‪𝑈𝑿̅𝟏 −𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 𝑥̅1 − 𝑥̅2 = 150‬‬
‫‪(150 − 1)1202 + (100 − 1)802‬‬
‫‪𝑆𝑃2‬‬‫=‬ ‫‪= 11206.45‬‬
‫‪150 + 100 − 2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏−‬‬ ‫( ‪= 𝛿𝑿̅2𝟏 + 𝛿𝑿̅2𝟐 = 𝑆𝑃2 ( + ) = 11206.45‬‬ ‫‪+‬‬ ‫‪) = 186.77‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪150 100‬‬
‫‪⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √186.77 = 13.666‬‬
‫‪1‬‬ ‫‪1‬‬ ‫)‪(x̅1 − x̅2 ) − (200‬‬
‫( ‪x̅1 − x̅2 ↝ N (200 , 11206.45‬‬ ‫‪+‬‬ ‫( = ‪)) ⇛ z‬‬ ‫)‪) ↝ N(0; 1‬‬
‫‪150 100‬‬ ‫‪13.666‬‬
‫لدينا ‪Zα = Z0.05 = Z0.025 = 1.96:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪200 − 1.96 ∗ 13.666 ≤ U1 − U2 ≤ 200 + 1.96 ∗ 13.666‬‬

‫‪173.21 ≤ U1 − U2 ≤ 226.78‬‬ ‫→‬ ‫] ‪U1 − U2 ∈ [ 173.21 , 226.78‬‬
‫ابحتمال ‪ %95‬ان فرق متوسط العمر جملموع االنتاج من الصنفني بني ‪ 173‬كحد ادىن و‪ 226‬كحد اقصى ‪.‬‬
‫‪ /2‬اذا كان ‪.𝒏𝟏 , 𝒏𝟐 < 30‬‬
‫) ‪(x̅1 − x̅2 ) − (U1 − U2‬‬

‫= ‪x̅1 − x̅2 ↝ t (V) ⇛ T‬‬ ‫)‪↝ t(V‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪√𝑆P2 (n‬‬ ‫‪+‬‬ ‫)‬
‫(‬ ‫‪1‬‬ ‫‪n2‬‬ ‫)‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫( ‪P ((x̅1 − x̅2 ) − tα ,v √𝑆P2‬‬ ‫‪+ ) ≤ U1 − U2 ≤ (x̅1 − x̅2 ) + tα ,v √𝑆P2 ( + ) ) = 1 − α‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬
‫‪2‬‬
‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫) 𝑛 ‪(𝑛 +‬‬
‫= 𝑉 درجة الحرية‬ ‫‪1‬‬ ‫‪2‬‬
‫‪⁄𝑆21‬‬ ‫‪2‬‬ ‫‪2 2‬‬ ‫علماان ‪:‬‬
‫𝑆‬
‫(‬ ‫)‬ ‫)‪( 2‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬
‫‪+‬‬
‫‪𝑛1 −1‬‬ ‫‪𝑛2 −1‬‬
‫‪48‬‬
‫مثال‪ : 21‬مصنع ينتج نوعني من املصابيح الكهرابئية ‪ ,‬اخذت عينة عشوائية حجمها ‪ 150‬مصباح من الصنف ‪ A‬فكان متوسط عمرها االنتاجي‬
‫‪ 1400‬يوم ابحنراف قدره ‪ 120‬يوم ‪ ,‬كما اخذت عينة عشوائية حجمها ‪27‬من املصابيح من الصنف ‪ B‬فكان متوسط عمرها ‪ 1250‬ابحنراف‬
‫قدره ‪ 70‬يوم‪.‬علما ان تبايين اجملتمعني جمهولني ومتساويني ‪.‬‬
‫املطلوب ‪:‬قدر فرتة الثقة ‪ %95‬لفرق متوسط العمر للعينتني ؟‬
‫احلل ‪:‬‬
‫جمتمع ‪ : 1‬؟ = ‪ / δ12 =? , U1‬العينة ‪𝑛1 = 150 , S12 = 1202 , 𝑥̅1 = 1400 : 1‬‬
‫جمتمع ‪ : 2‬؟ = ‪ / δ22 =? , U2‬العينة ‪𝑛2 = 27 , S22 = 702 , 𝑥̅2 = 1250 : 2‬‬
‫مبا أن تبايين اجملتمعني جمهولني ومتساويني ؟ = ‪ δ12 = δ22 = δ2‬وتبايين العينتني غري متساويني ‪ S12 ≠ S22‬فإننا‬
‫سنستعمل التباين املرجح ‪ SP2‬كتقدير لتبايين اجملتمعني والن حجم العينة‪ 2‬اقل من ‪ 30‬نستعمل توزيع ستودانت ‪.‬‬
‫‪𝑈𝑿̅𝟏 −𝑿̅𝟐 = UX̅1 − UX̅2 = U1 − U2 = 𝑥̅1 − 𝑥̅2 = 150‬‬
‫‪(150 − 1)1202 + (27 − 1)702‬‬
‫‪𝑆𝑃2‬‬ ‫=‬ ‫‪= 12988.571‬‬
‫‪150 + 27 − 2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫𝟐̅𝑿‪𝛿𝑿̅2𝟏 −‬‬ ‫( ‪= 𝛿𝑿̅2𝟏 + 𝛿𝑿̅2𝟐 = 𝑆𝑃2 ( + ) = 12988.571‬‬ ‫‪+ ) = 567.648‬‬
‫‪𝑛1 𝑛2‬‬ ‫‪150 27‬‬
‫‪⇒ 𝛿𝑿̅𝟏−𝑿̅𝟐 = √567.648 = 23.825‬‬
‫‪2‬‬
‫‪1202‬‬ ‫‪702‬‬
‫‪( 150 +‬‬ ‫)‬
‫= 𝑉 درجة الحرية‬ ‫‪27‬‬
‫‪⁄1202‬‬ ‫‪2‬‬
‫‪702‬‬
‫‪2‬‬ ‫‪= 58‬‬
‫(‬ ‫)‬ ‫(‬ ‫)‬
‫‪150‬‬ ‫‪27‬‬
‫‪+‬‬
‫‪150−1‬‬ ‫‪27−1‬‬
‫) ‪(x̅1 − x̅2‬‬ ‫‪− 150‬‬
‫( = ‪x̅1 − x̅2 ↝ t (58) ⇛ T‬‬ ‫)‪) ↝ t(58‬‬
‫‪23.825‬‬
‫‪t α ,v = t 0.05 ,58 = t 0.025 ,58 = 2.3‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪150 − 2.3 ∗ 23.825 ≤ U1 − U2 ≤ 150 + 2.3 ∗ 23.825‬‬

‫‪95.2 ≤ U1 − U2 ≤ 204.7‬‬
‫رابعا‪ /‬تقدير فرتة الثقة حول الفرق بني متوسطي جمتمعني مرتبطني ‪:‬‬
‫‪ /1‬حجم عينة الفروق اكرب أو يساوي ‪ : 30‬العينات كبرية احلجم نستعمل التوزيع الطبيعي ‪.‬‬
‫‪Sd2‬‬ ‫‪d − UD‬‬

‫‪𝑛1 = 𝑛2 = 𝑛 ≥ 30 ⇒ 𝑑̅ ↝ N (Ud ,‬‬ ‫(=‪)⇒ Z‬‬ ‫)‪) ↝ N (0,1‬‬
‫‪n‬‬ ‫‪Sd‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪49‬‬
‫‪̅−U‬‬
‫‪d‬‬ ‫𝐷‬
‫≤ ‪−Zα‬‬ ‫‪Sd‬‬
‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√n‬‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪d̅ − Zα‬‬ ‫‪̅ + Zα‬‬
‫‪≤ U𝐷 ≤ d‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪P ( d̅ − Zα‬‬ ‫‪̅ + Zα‬‬
‫‪≤ U𝐷 ≤ d‬‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪ /2‬حجم عينة الفروق اقل من ‪ : 30‬العينات صغرية احلجم نستعمل توزيع ستودانت ‪.‬‬
‫‪d − UD‬‬
‫( = ‪𝑛1 = 𝑛2 = 𝑛 < 30 ⇒ 𝑑̅ ↝ t (n − 1) ⇒ T‬‬ ‫)‪) ↝ t(n − 1‬‬
‫‪Sd‬‬
‫‪⁄‬‬
‫‪√n‬‬
‫‪P ( −t α ,n−1 ≤ T ≤ +t α ,n−1 ) = 1 − α‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪̅−U‬‬
‫‪d‬‬ ‫𝐷‬
‫≤ ‪−t α ,n−1‬‬ ‫‪Sd‬‬
‫‪≤ +t α ,n−1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪√n‬‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪d̅ − tα ,n−1‬‬ ‫‪̅ + tα‬‬
‫‪≤ U𝐷 ≤ d‬‬ ‫‪,n−1‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪P ( d̅ − tα ,n−1‬‬ ‫‪̅ + tα‬‬
‫‪≤ U𝐷 ≤ d‬‬ ‫‪,n−1‬‬ ‫‪)=1−α‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫مثال ‪ : 22‬ابلعودة اىل معطيات املثال رقم ‪ 12‬قدر فرتة الثقة ‪ %95‬ملتوسط فرق األخطاء يف اجملتمع 𝐷‪ U‬؟‬
‫‪̅−2.333‬‬
‫‪d‬‬
‫( = ‪ T‬وكذلك ‪t α ,n−1 = t 0.05 ,6−1 = t 0.025,5 = 3.365‬‬ ‫احلل ‪ :‬لدينا من حل املثال ‪) ↝ t(5) 12 .‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪0.21‬‬
‫‪Sd‬‬ ‫‪Sd‬‬
‫‪d̅ − t α ,n−1‬‬ ‫‪≤ U𝐷 ≤ d̅ + t α ,n−1‬‬ ‫‪→ 2.333 − 3.365 ∗ 0.21 ≤ U𝐷 ≤ 2.333 + 3.365 ∗ 0.21‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬
‫‪2.333 − 0.7066 ≤ U𝐷 ≤ 2.333 + 0.7066 → 1.626 ≤ U𝐷 ≤ 3.039‬‬
‫الفرع الرابع ‪ /‬فرتة الثقة حول نسبة اجملتمع ‪:‬مبا ان نسبة اجملتمع جمهولة وهي اليت نريد تقديرها بفرتة فال نستطيع حساب متوسط‬
‫‪δ‬‬ ‫‪2‬‬
‫𝑞‪𝑝.‬‬
‫وتباين نسبة املعاينة اعتمادا على نسبة اجملتمع 𝑃 = ‪ 𝛿p̂2 = 𝑛p = n , 𝑈P̂ = UP‬ولكننا سنقدره بنسبة العينة ̂𝑃 كمقدر‬
‫‪δ2p‬‬ ‫̂𝑞‪𝑝̂.‬‬
‫= ‪ , 𝛿p̂2‬فاذا كان حجم العينة ‪ n‬كبري (≥ ̂𝑝 ‪𝑛.‬‬ ‫نقطي لنسبة اجملتمع اجملهولة ‪ P‬فيصبح ‪, 𝑈P̂ = UP = 𝑃̂ :‬‬
‫𝑛‬
‫=‬
‫‪n‬‬
‫‪ 𝑛. 𝑞̂ ≥ 5‬و ‪ ) 5‬فان ̂𝑃 يقرتب من التوزيع الطبيعي وابلتايل ميكن تكوين فرتة الثقة حول متوسط اجملتمع كما يلي ‪:‬‬
‫̂‪̂ − UP‬‬
‫‪P‬‬ ‫‪̂ − UP‬‬
‫‪P‬‬ ‫‪̂−P‬‬
‫‪P‬‬
‫= ‪𝑝̂ ↝ N(UP̂ , δ2P̂ ) ⇒ Z‬‬ ‫=‬ ‫=‬ ‫)‪↝ N(0.1‬‬
‫‪δ2P‬‬ ‫‪̂ .q‬‬
‫‪P‬‬ ‫̂‬
‫̂‪√δ2P‬‬ ‫√‬ ‫√‬
‫‪n‬‬ ‫‪n‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪50‬‬
‫‪̂ −P‬‬
‫‪P‬‬
‫≤ ‪−Zα‬‬ ‫‪≤ +Zα‬‬
‫‪2‬‬ ‫̂̂‬ ‫‪2‬‬
‫‪√P.q‬‬
‫‪n‬‬
‫‪P‬‬‫̂‪̂. q‬‬ ‫‪P‬‬‫̂‪̂. q‬‬

‫̂‬
‫‪P−Z‬‬ ‫‪α‬‬ ‫√‬ ‫̂‬
‫‪≤P≤P+Z‬‬ ‫‪α‬‬ ‫√‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬
‫مثال‪ :23‬يف استطالع للرأي حول منتوج جديد طرحته املؤسسة يف السوق مت اختيار عينة عشوائية من الزابئن حجمها ‪100‬‬
‫من إحدى الفضاءات التجارية فوجد أن ‪ 55‬ابملئة منهم يفضلون هذا املنتوج ‪.‬اوجد فرتة ثقة ‪ 99‬ابملئة للنسبة بني مجيع الزابئن ‪.‬‬
‫احلل ‪ :‬مبا ان حجم العينة كبري فان نسبة العينة تقرتب من التوزيع الطبيعي‬
‫‪0.55 ∗ 0.45‬‬ ‫‪̂ − 0.55‬‬
‫‪P‬‬
‫‪𝑝̂ ↝ N (0.55,‬‬ ‫=‪)⇒Z‬‬ ‫‪↝ N(0.1) ,‬‬ ‫‪Zα = Z0.01 = Z0.005 = 2.58‬‬
‫‪100‬‬ ‫‪0.55∗0.45‬‬ ‫‪2‬‬ ‫‪2‬‬
‫√‬
‫‪100‬‬
‫مالحظة ‪ :‬نسبة اجملتمع( ‪ )P,q‬جمهولة وابلتايل اخذان نسبة العينة ( ̂𝑞 ‪)𝑃̂,‬كتقدير نقطي يف القيمة املعيارية ‪.‬‬
‫‪0.55 ∗ 0.45‬‬ ‫‪0.55 ∗ 0.45‬‬
‫√ ‪0.55 − 2.58‬‬ ‫√ ‪≤ P ≤ 0.55 + 2.58‬‬
‫‪100‬‬ ‫‪100‬‬
‫‪0.55 − 2.58 ∗ 0.0497 ≤ P ≤ 0.55 + 2.58 ∗ 0.0497‬‬
‫‪0.422 ≤ P ≤ 0.678‬‬
‫ابحتمال ‪ % 99‬ان نسبة الزابئن الذين يفضلون املنتوج اجلديد موجودة بني ‪ %42‬و ‪. %67‬‬
‫الفرع اخلامس ‪ /‬فرتة الثقة حول الفرق بني نسبيت جمتمعني ‪ :‬اذا كان لدينا جمتمعني مستقلني و نسبتيهما جمهولتني نستعمل‬
‫نسبيت العينتني كتقدير هلما فنحصل على متوسط وتباين فرق النسبتني‬
‫‪𝑈𝑷̂ −𝐏̂ = 𝑈𝑷̂ − 𝑈𝐏̂ = 𝑃̂1 − 𝑃̂2‬‬
‫𝟏‬ ‫𝟐‬ ‫𝟏‬ ‫𝟐‬
‫‪𝛿𝑃21‬‬ ‫‪𝛿𝑃22‬‬
‫‪p̂1 . q̂1 p̂2 . q̂ 2‬‬
‫= 𝟐̂𝐏‪δ2𝑷̂𝟏 −𝐏̂𝟐 = δ2𝑷̂𝟏 + δ2‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫=‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫وكانت العينتني مستقلتني وحجمهما كبري ‪ 𝑛1 . 𝑞̂1 ≥ 5‬و ‪ 𝑛1 . 𝑝̂1 ≥ 5‬وكذالك ‪ 𝑛2 . 𝑞̂2 ≥ 5‬و ‪𝑛2 . 𝑝̂2 ≥ 5‬‬
‫فان فرق النسبة للعينتني يتبع التوزيع الطبيعي ونكتب ‪̂𝟐 ↝ 𝐍(𝑈𝑷̂ −𝐏̂ , δ2̂ ̂ ) :‬‬
‫𝐏 ‪̂𝟏 −‬‬
‫𝑷‬ ‫𝟏‬ ‫𝟐‬ ‫𝟐𝐏‪𝑷𝟏 −‬‬
‫𝐏‪̂ 𝟏 −‬‬
‫𝑷(‬ ‫) ‪̂𝟐 )−(𝑃1 −𝑃2‬‬
‫(=‪z‬‬ ‫‪̂ .q‬‬
‫‪p‬‬ ‫̂‬ ‫‪̂ .q‬‬
‫‪p‬‬ ‫̂‬
‫)‪) ↝ N (0.1‬‬ ‫فتصبح القيمة املعيارية من الشكل ‪:‬‬
‫‪√ 1n 1 + 2n 2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪P ( −Zα ≤ Z ≤ +Zα ) = 1 − α‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪̂1 − P‬‬
‫𝑃(‬ ‫) ‪̂ 2 ) − (𝑃1 − 𝑃2‬‬
‫≤ ‪−Zα‬‬ ‫‪≤ +Zα‬‬
‫‪2‬‬ ‫‪p‬‬
‫‪̂ .q‬‬
‫̂‬ ‫‪p‬‬
‫‪̂ .q‬‬
‫̂‬ ‫‪2‬‬
‫‪√ 1 1+ 2 2‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫‪p̂1 . q̂1 p̂2 . q̂2‬‬ ‫̂‪p̂ . q‬‬ ‫̂‪p̂ . q‬‬

‫‪(𝑃̂1 − P‬‬
‫√ ‪̂2 ) − Zα‬‬ ‫‪+‬‬ ‫‪̂2 ) + Zα √ 1 1 + 2 2‬‬
‫‪̂1 − P‬‬
‫𝑃( ≤ ‪≤ 𝑃1 − 𝑃2‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬
‫‪51‬‬
‫الفرع السادس ‪ /‬تقدير فرتة الثقة لتباين اجملتمع ‪:δ2‬كما راينا يف توزيع املعاينة للتباين اذا كان لدينا جمتمع يتوزع طبيعيا بتباين‬
‫‪(𝑛−1)S2‬‬
‫𝒳 نفس العالقة سنستعملها يف تقدير فرتة الثقة‬ ‫‪2‬‬
‫=‬ ‫معلوم ‪ δ2‬وسحبنا منه عينة عشوائية ‪ n‬فان املتغري العشوائي‬
‫‪δ2‬‬
‫لتباين اجملتمع عندما يكون جمهول ‪ ,‬فمن جدول كاي مربع نستطيع احلصول على قيمتني للمتغري ‪ 𝒳 2‬عند درجة حرية معينة‬
‫‪α‬‬
‫‪ n-1‬حبيث تكون املساحة على ميني القيمة الكربى تساوي املساحة على يسار القيمة الصغرى و تساوي ‪ ,‬فاذا رمزان لكل‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 𝒳1−‬وحيث ان املساحة الكلية‬ ‫قيمة ابملساحة على ميينها فاننا سنرمز للقيمة الكربى ابلرمز ‪ , 𝒳α‬وللقيمة الصغرى ابلرمز ‪α‬‬
‫‪2‬‬ ‫‪2‬‬
‫تساوي الواحد فان املساحة بني هاتني القيمتني تساوي ‪ 1 − α‬كما يوضحه الشكل املوايل ‪:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫نعرب عن املساحة ابستعمال االحتمال كما يلي ‪𝑃 ( 𝒳1−α ,n−1 ≤ 𝒳 ≤ 𝒳α ,n−1 ) = 1 − 𝛼:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪(𝑛−1)S‬‬ ‫‪2‬‬
‫≤ ‪𝑃( 𝒳1−α ,n−1‬‬ ‫‪2‬‬ ‫بتعويض ‪𝒳 2‬تصبح ‪≤ 𝒳α ,n−1 ) = 1 − 𝛼 :‬‬
‫‪2‬‬ ‫‪δ‬‬ ‫‪2‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪δ‬‬ ‫‪1‬‬
‫(𝑃‬ ‫≥‬ ‫≥‬ ‫𝛼‪)=1−‬‬
‫‪𝒳21−α ,n−1‬‬ ‫‪( 𝑛 − 1) S‬‬
‫‪2‬‬
‫‪𝒳2α ,n−1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪( 𝑛 − 1) S‬‬ ‫‪2‬‬ ‫‪( 𝑛 − 1) S‬‬
‫(𝑃‬ ‫≤ ‪≤δ‬‬ ‫𝛼‪)=1−‬‬
‫‪𝒳2α ,n−1‬‬ ‫‪𝒳21−α ,n−1‬‬
‫‪2‬‬ ‫‪2‬‬
‫مالحظة ‪:‬ميكن استنتاج حدود االحنراف املعياري للمجتمع إبدخال اجلذر الرتبيعي ‪.‬‬
‫مثال ‪ :24‬ابفرتاض ان اجور عمال مصنع تتوزع طبيعيا ‪ ,‬اخرتان عينة عشوائية من اجملتمع حجمها ‪ 17‬فكان االحنراف املعياري للعينة ‪ 3‬وحدات ‪.‬‬
‫املطلوب ‪ :‬قدر فرتة الثقة ‪ %95‬لتباين االجور جملتمع عمال املصنع ؟‬

‫‪α‬‬
‫احلل ‪ :‬لدينا ‪n = 17, S = 3 , α = 0.05 → 2 = 0.025‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪(17 − 1)3‬‬ ‫‪2‬‬ ‫‪(17 − 1)3‬‬
‫≤ ‪≤δ‬‬
‫‪𝒳20.025 ,17−1‬‬ ‫‪𝒳21−0.025 ,17−1‬‬
‫‪16 ∗ 9‬‬ ‫‪2‬‬
‫‪16 ∗ 9‬‬
‫‪2‬‬ ‫≤‬ ‫‪δ‬‬ ‫≤‬ ‫‪2‬‬
‫‪𝒳0.025‬‬ ‫‪,16‬‬ ‫‪𝒳0.975‬‬ ‫‪,16‬‬
‫‪144‬‬ ‫‪2‬‬ ‫‪144‬‬

‫≤ ‪≤δ‬‬
‫‪28.245‬‬ ‫‪6.908‬‬
‫‪4.99 ≤ δ2 ≤ 20.84‬‬
‫احتمال ‪ %95‬ان تباين االجور يف املصنع بني ‪ 4.99‬و ‪. 20.84‬‬
‫‪52‬‬
‫امللحق ‪: 01‬جدول التوزيع الطبيعي املعياري ‪.‬‬
‫‪53‬‬
‫امللحق ‪ :02‬جدول ستودنت ‪.‬‬
‫‪54‬‬
‫امللحق ‪: 03‬جدول كاي مربع ‪.‬‬
‫‪55‬‬

محاضرات احصاء 03 S3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

محاضرات احصاء 03 S3

Uploaded by

Copyright:

Available Formats

‫كلية العلوم االقتصادية والتجارية وعلوم التسيير ‪.

‫محاضرات مقياس ‪:‬إحصاء ‪. 03‬‬

‫أستاذ المقياس ‪ :‬بلحنيش عبد الرحمان ‪.‬‬

‫السنة الجامعية ‪2021/ 2020 :‬‬

‫فصل متهيدي‪:‬التوزيعات االحتمالية املستمرة ‪.‬‬

‫الفصل األول‪ :‬توزيعات املعاينة االحصائية‬

‫أوال ‪ :‬تعاريف ومصطلحات ‪.‬‬

‫اثنيا ‪:‬توزيع املعاينة للوسط احلسايب للعينة ‪.‬‬

‫اثلثا ‪ :‬توزيع املعاينة للفرق بني وسطني حسابيني لعينتني ‪.‬‬

‫رابعا ‪ :‬توزيع املعاينة لنسبة العينة ‪.‬‬

‫خامسا توزيع املعاينة للفرق بني نسبيت عينتني ‪.‬‬

‫سادسا ‪:‬توزيع املعاينة للتباين ‪.‬‬

‫الفصل الثاين ‪:‬التقدير االحصائي‪.‬‬

‫أوال ‪ :‬انواع التقدير االحصائي‪.‬‬

‫رابعا تقدير فرتة الثقة لتباين جمتمع وتبايين جمتمعني‬

‫الفصل الثالث ‪ :‬اختبار الفرضيات ‪.‬‬

‫أوال ‪:‬مفاهيم ‪.‬‬

‫‪ : 2‬التوزيع الطبيعي املعياري‬

‫‪P(x ≤ 15) = P(Z ≤ 2.5) = 0.9938‬‬ ‫إذن ‪:‬‬

‫‪- 2(0.01 ;5) =15.086‬‬

‫‪ /1‬دالة الكثافة االحتمالية لتوزيع ستودنت ‪:‬‬

‫خواص دالة الكثافة االحتمالية لتوزيع ستودنت ‪:‬‬

‫‪ /2‬التمثيل البياين دالة الكثافة االحتمالية لتوزيع ستودنت‬

‫أما حساب االحتمال فيتم ابلطريقة التالية ‪:‬‬

‫‪P(T ≥ t (α,n) ) = ∫ f(T)dt = α‬‬

‫نرمز للطرف األعلى من توزيع (‪ )F‬ابلرمز )‪ f ( , m , n‬وهذا يعين أن ‪:‬‬

‫= ) )‪P(F(m,n) ≥ f (α,m,n‬‬ ‫‪∫ hf (F)df = α‬‬

‫الفصل األول ‪:‬توزيعات املعاينة اإلحصائية ‪.‬‬

‫الفرع االول ‪:‬تعاريف‪.‬‬

‫ويرمز هلا ابلرمز ( ‪. ) N‬‬

‫‪ ) U‬ومقاييس التشتت مثل تباين اجملتمع ( ‪ ) δ2‬واحنرافه املعياري (‪ )δ‬ومقاييس الشكل‪.‬‬

‫بياانت الظاهرة املدروسة يف هذا اجملتمع‬

‫أهم أنواع العينات‬

‫العينات غير االحتمالية ( غير العشوائية )‬ ‫العينات االحتمالية ( العشوائية )‬

‫القطعيةابقتطاع عدد معني من اجملتمع كأن أيخذ أول‬

‫ع‪.‬ع‪ .‬العنقودية‪:‬تتميز عن العنقودية في كون كل‬

‫ع‪.‬العشوائية البسيطة‪:‬يكون لكل مفردات‬

‫العينات على اإلطالق‪ ،‬لعدم قدرهتا على متثيل اجملتمع‪.‬‬

‫المجتمع‪.‬حين ان الطبقة تعكس خاصية معينة‬

‫المجتمع نفس فرصة التواجد في العينة وتستعمل‬

‫خاصية معينة في المجتمع ويكون حجمها في‬

‫تختلف عن الطبقات االخرى‬

‫عندما يكون المجتمع متجانس‬

‫العينة ‪ : k‬حجمها ‪n‬‬ ‫العينة ‪ : 01‬حجمها ‪n‬‬

‫العينة ‪ : 02‬حجمها ‪n‬‬

‫الفرع الثاين ‪ :‬توزيع املعاينة للوسط احلسايب للعينة ̅‬

‫املمكن سحبها من جمتمع إحصائي واحد ‪.‬‬

‫إبحدى الطرق التالية‪:‬‬

‫إحدى خطوات اختيار عناصر العينات ‪.‬‬

‫حيث أن ‪̅𝒊 ):‬‬

‫𝟐) ̅𝑿𝑼 ‪̅𝒊 −‬‬

‫يقل االحنراف ‪.‬‬

‫ملخص قوانني ورموز ‪.‬‬

‫أوال‪-‬حدد معامل اجملتمع ( حساب املتوسط والتباين واالحنراف املعياري للمجتمع ) ؟‬

‫اثنيا –يف حالة السحب ابإلرجاع لعينة من عنصرين ‪:‬‬

‫‪-1‬قدم جدول توزيع املعاينة ملتوسط العينة ؟‬

‫أوال ‪ :‬حتديد معامل اجملتمع ‪.‬‬

‫𝑖𝑋 ‪∑3𝑖=1‬‬ ‫‪2+3+4‬‬

‫‪2‬‬ ‫‪∑3𝑖=1[𝑋𝑖−𝑈]2‬‬ ‫‪∑3𝑖=1[𝑋𝑖−3]2‬‬ ‫‪(2−3)2 +(3−3)2 +(4−3)2‬‬ ‫‪2‬‬

‫‪4,3‬‬ ‫‪3,3‬‬ ‫‪2,3‬‬ ‫‪3‬‬

‫‪4,4‬‬ ‫‪3,4‬‬ ‫‪2,4‬‬ ‫‪4‬‬

‫‪X‬كما يف اجلدول التايل ‪:‬‬

‫اثلثا ‪:‬حالة السحب بدون إرجاع ‪.‬‬