‫ﻠﻴﺔ اﻟﻌﻠﻮم ﻗﺘﺼﺎدﻳﺔ واﻟﻌﻠﻮم اﻟﺘﺠﺎر ﺔ وﻋﻠﻮم اﻟ ﺴﻴ‬

‫ﻣﺤﺎﺿﺮات ﻓﻲ اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ‬ ‫∑‬

‫إﺣﺼﺎء ‪1‬‬
‫ﻣﻄﺒﻮﻋﺔ ﻣﻮﺟﮭﺔ ﻟﻄﻠﺒﺔ اﻟﺴﻨﺔ اﻷوﻟﻰ ﺟﺬع ﻣﺸﺘﺮك‬ ‫∂√‬
‫د‪ .‬ﺻﻴﺎغ أﺣﻤﺪ رﻣ ـﺰي‬ ‫∆‬

‫‪2015‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ _____ ‪1‬‬

‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ‬
‫‪Descriptive Statistics‬‬
‫ﺻﻤﻢ ﺬا اﳌﺴﺎق ﻟﻠﺘﻤﻜﻦ ﻣﻦ اﻛ ﺴﺎب اﳌﻔﺎ ﻴﻢ ﺳﺎﺳﻴﺔ ﻟﻺﺣﺼﺎء اﻟﻮﺻﻔﻲ‪ ،‬ﻓ ﻮ ﻳﻘﺪم‬
‫ﺑﻄﺮ ﻘﺔ ﺴﻴﻄﺔ ﻛﻴﻔﻴﺔ وﺻﻒ اﻟﺒﻴﺎﻧﺎت اﻟﻌﺪﻳﺪة واﳌﺘﻨﻮﻋﺔ ﻋﻦ ﻇﺎ ﺮة ﻣﻌﻴﻨﺔ ﺑﻮﺿﻮح وﺟ ‪ .‬ﺣﻴﺚ ﻳ ﻨﺎول‬
‫أﺳﺎﻟﻴﺐ ﺟﻤﻊ وﻓﺮز اﻟﺒﻴﺎﻧﺎت‪ ،‬ووﺻﻔ ﺎ‪ ،‬وﺗﺒﻮ ﺎ‪ ،‬وﻋﺮﺿ ﺎ وﺗ ﺼ ﺎ ﺷ ﻞ ﺟﺪاول ورﺳﻮﻣﺎت ﺑﻴﺎﻧﻴﺔ‬
‫وﻛﺬا ﻣﻦ ﺧﻼل اﺳﺘﻌﺮاض ﻋﺪد ﻣﻦ اﳌﻘﺎﻳ ﺲ ﺳﺎﺳﻴﺔ اﳌﻮﺿﻌﻴﺔ واﻟﺸ ﻠﻴﺔ‪.‬‬
‫اﻟ ﺪف ﻣﻦ ﺬا اﳌﺴﺎق ﻮ ﺗﻄﻮ ﺮ ﻗﺪرات اﻟﻄﻠﺒﺔ إﻛﺴﺎب ﻣ ﺎرة اﺧﺘﻴﺎر ﺳﺎﻟﻴﺐ اﳌﻨﺎﺳﺒﺔ‬
‫ﻟﻮﺻﻒ اﻟﺒﻴﺎﻧﺎت وﺗﺤﻠﻴﻞ ﺳﺘ ﻴﺎﻧﺎت‪ .‬ﺑﺎﻟﺘﻌﺮف ﻋ اﻟﻄﺮق و ﺳﺎﻟﻴﺐ ﺣﺼﺎﺋﻴﺔ اﻟ ﺴﺎﻋﺪ ﻢ‬
‫ﻣﺠﺎل ﺗﺨﺼﺼ ﻢ ﻋ اﺗﺨﺎذ اﻟﻘﺮارات اﳌﻨﺎﺳﺒﺔ‪ .‬ﻣﻦ ﺧﻼل ﻌﺮ ﻒ ﺑﺄﻧﻮاع اﻟﺒﻴﺎﻧﺎت وﻛﻴﻔﻴﺔ ﺗﺮﺗﻴ ﺎ و ﺬا‬
‫ﻌﺮض ﻣ ﺴﻂ ﻟﻸﺳﺎﻟﻴﺐ ﺣﺼﺎﺋﻴﺔ ﻣﻊ اﻟ ﻛ ﻋ اﳌﻔ ﻮم وﻛﻴﻔﻴﺔ اﻟﺘﻄﺒﻴﻖ‪.‬‬
‫ﻳﺮﻛﺰ اﳌﺤﺘﻮى ﻋ ﺷﺮح وﺗﻮﺿﻴﺢ ﺣﺼﺎء اﻟﻮﺻﻔﻲ ﻣﻦ ﺧﻼل‪:‬‬
‫•ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ – ﻣﻔ ﻮم ﺣﺼﺎء – اﳌﺠﺘﻤﻊ واﻟﻌﻴﻨﺔ واﻟﻔﺮد – ﻣﺼﺎدر اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ – ﻃﺒﻴﻌﺔ‬
‫اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ‪.‬‬
‫•ﻋﺮض اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ – ﺑﻨﺎء ا ﺪاول وأﻧﻮاﻋ ﺎ )إﻳﺠﺎد اﻟﻔﺌﺔ‪ ،‬اﻟﺘﻜﺮارات‪ ،‬ﻣﺮﻛﺰ اﻟﻔﺌﺔ‪ ،‬اﻟﺘﻜﺮار‬
‫اﳌﺠﻤﻊ‪( ...‬‬
‫•اﻟﺘﻤﺜﻴﻞ اﻟﺒﻴﺎ ﻲ ﺣﺴﺐ ﻧﻮع اﳌﺘﻐ‬
‫•ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ اﳌﻮﺿﻌﻴﺔ – اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‪ ،‬اﻟﻮﺳﻴﻂ‪ ،‬اﳌﻨﻮال‪...‬‬
‫•ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ – ﻧﺼﻒ اﳌﺪى اﻟﺮ ﻴ – ﻧﺤﺮاف اﳌﻌﻴﺎري‬
‫• ﺷ ﺎل‪ :‬اﻟﺸ ﻞ اﳌﺘﻤﺎﺛﻞ – ﻟﺘﻮاء – اﻟﺘﻔﻠﻄﺢ واﻟﺘﺬﺑﺬب‬
‫اﻟﺪراﺳﺎت اﻟﻌﻠﻴﺎ ﺗﺨﺼﺺ ﻋﻠﻮم اﺟﺘﻤﺎﻋﻴﺔ وا ﺴﺎﻧﻴﺔ‪،‬‬ ‫ﺬا اﻟﻜﺘﺎب ﻣﺨﺼﺺ ﻟﻄﻼب اﳌﺮاﺣﻞ و‬
‫و ﻤﻴﻊ ﻓﺮوع دارة واﻟﺘﺼﺮف‪ .‬ﻛﻤﺎ ﻌﺪ اﻟﻄﻼب ﻟﺴ ﻮﻟﺔ ﻓ ﻢ واﺳ ﻴﻌﺎب ﻣﻘﺮرات اﻟﺘﺤﻠﻴﻞ ﺣﺼﺎ ﻲ‬
‫و ﺣﺘﻤﺎﻻت و ﻗﺘﺼﺎد اﻟﻘﻴﺎ ‪.‬‬
‫اﻟدﻛﻧور‪ :‬ﺻﻳﺎغ أﺣﻣد رﻣﺰي‬
‫ﻛﻠﻳﺔ اﻟﻌﻠوم اﻻﻗﺗﺻﺎدﻳﺔ واﻟﺗﺟﺎرﻳﺔ وﻋﻠوم اﻟﺗﺳﻳﻳﺮ‬
‫ﺟﺎﻣﻌﺔ ﻗﺎﺻدي ﻣﺮﺑﺎح ‪ -‬ورﻗﻠﺔ‬
2 _____ ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ‬

‫ص‬ ‫اﳌﺤﺘﻮ ﺎت‬

3 ‫ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ‬
3 ‫ ﻌﺮﻒ ﻋﻠﻢ ﺣﺼﺎء‬-1
4 ‫ ﻣﺼﺎدرﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ‬- 2
4 (Data collection) ‫ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت‬1- 2
4 ‫ اﳌﺼﺎدراﻟﺘﺎرﺨﻴﺔ‬2- 2
4 ‫ اﳌﺼﺎدراﳌﻴﺪاﻧﻴﺔ أو ﺻﻠﻴﺔ‬3- 2
6 (Statistical concepts) ‫ اﳌﻔﺎ ﻴﻢ ﺣﺼﺎﺋﻴﺔ‬- 3
6 (Population) ‫ اﳌﺠﺘﻤﻊ‬- 1- 3
6 (Sample) ‫ اﻟﻌﻴﻨﺔ‬- 2- 3
6 (Characteristic) ‫ اﻟﺼﻔﺔ أو ا ﺎﺻﻴﺔ‬- 3- 3
6 (Variable) ‫ اﳌﺘﻐ‬- 4- 3
7 (Types of data and variables) ‫ أﻧﻮاع اﻟﺒﻴﺎﻧﺎت واﳌﺘﻐ ات‬- 5- 3
7 (Qualitative or Categorical variables) ‫ اﳌﺘﻐ ات اﻟﻨﻮﻋﻴﺔ‬- 1- 5- 3
7 (Quantitative variable)ٍ ‫ اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ‬- 2- 5- 3
8 ‫ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت‬
8 ‫ل‬
(Frequency distribution) ‫ اﻟﺘﻮز ﻌﺎت وا ﺪاو اﻟﺘﻜﺮارﺔ‬- 1
9 (Frequency distribution table for Qualitative or Categorical Data) ‫ ا ﺪاول اﻟﺘﻜﺮارﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻨﻮﻋﻴﺔ‬- 1- 1
11 (Frequency Distribution Table for Quantitative Data) ‫ ا ﺪاول اﻟﺘﻜﺮارﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻜﻤﻴﺔ‬- 2- 1
11 (Ungrouped frequency distribution table ) ‫ ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻘﻴﻢ اﳌﻔﺮدة‬- 1- 2- 1
13 (Grouped frequency distribution table ) ‫ ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻔﺌﺎت‬- 2- 2- 1
15 ‫ اﻟﺘﻤﺜﻴﻞ اﻟﺒﻴﺎ ﻲ ﻟﻠﺘﻮز ﻌﺎت اﻟﺘﻜﺮارﺔ‬- 2
16 (Simple bar chart) ‫ ﺷ ﻞ ﻋﻤﺪة اﻟ ﺴﻴﻄﺔ‬- 1- 2
16 (Pie Charts) ‫ ﺷ ﻞ اﻟﺪاﺋﺮة أو اﻟﻘﻄﺎﻋﺎت اﻟﺪاﺋﺮ ﺔ‬- 2- 2
17 (Histogram) ‫ اﳌﺪرج اﻟﺘﻜﺮاري‬- 3- 2
18 (Frequency polygon) ‫ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري‬- 4- 2
19 (Ogive) ‫ اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬- 5- 2
20 ‫ اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﻨﺎزل‬- 6- 2
20 (Ladder curve ) ‫ اﳌﻨﺤ اﻟﺴﻠ‬- 7- 2
21 ‫ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬
22 MEASURES OF CENTRAL TENDENCY ‫ ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰﺔ‬- 1
22 (Arithmetic Mean ) ‫ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬-1-1
25 (Median) Me ‫ اﻟﻮﺳﻴﻂ‬-2-1
27 (Mode) Mo ‫ اﳌﻨﻮال‬-3-1
30 (Geometric Mean) XG ‫ اﻟﻮﺳﻂ اﻟ ﻨﺪ‬-4-1
31 (Harmonic Mean) XH ‫ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‬-5-1
32 (Quadratic Mean) XQ ‫ اﻟﻮﺳﻂ اﻟ ﺑﻴ‬-6-1
33 (Quartiles, Deciles & Centiles) ‫ اﻟﺮ ﻴﻌﺎت واﻟﻌﺸ ات واﳌﺌ ﻨﺎت‬-7-1
36 MEASURES OF DISPERSION ‫ ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ‬- 2
36 (Range) ‫ اﳌﺪى‬-1-2
36 (Interquartile Range) ‫ ﻧﺼﻒ اﳌﺪى اﻟﺮﻴ‬-2-2
37 (Average Deviation) AD ‫ ﻧﺤﺮاف اﳌﺘﻮﺳﻂ‬-3-2
37 (Variance and Standard-Deviation) σ ‫ اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري‬-4-2
41 (Coefficient of variation) CV ‫ ﻣﻌﺎﻣﻞ ﺧﺘﻼف‬-5-2
42 MEASURES OF SKEWNESS ‫ ﻣﻘﺎﻳ ﺲ ﻟﺘﻮاء‬- 3
42 (Yule & Kendall coefficient) ‫اﳌﻌﺎﻣﻞ اﻟﺮﻴ ﻟﻼﻟﺘﻮاء أو ﻣﻌﺎﻣﻞ ﻳﻮل وﻛﻴﻨﺪال‬-1-3
43 ( Pearson’s Coefficient of Skewness #1) ‫ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻻﻟﺘﻮاء ول‬-2-3
43 (Pearson’s Coefficient of Skewness #2) ‫ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻻﻟﺘﻮاء اﻟﺜﺎ ﻲ‬-3-3
44 (Fisher Skewness coefficient)  1 ‫ﻣﻌﺎﻣﻞ ﻓ ﺸﺮﻟﻼﻟﺘﻮاء‬-4-3
44 (Pearson's moment coefficient of skewness) 1 ‫ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻼﻟﺘﻮاء‬-5-3
45 MEASURES OF KURTOSIS ‫ ﻣﻘﺎﻳ ﺲ اﻟﺘﻔﺮﻃﺢ‬- 4
45 (Pearson Kurtosis coefficient) ‫ ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻠﺘﻔﺮﻃﺢ‬. i
45 (Fisher Kurtosis coefficient) ‫ ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ﻟﻠﺘﻔﺮﻃﺢ‬.ii
47 ‫ﻣﺜﺎل ﺷﺎﻣﻞ وﺗﻤﺎرﻦ ﻟﻠﻤﺮاﺟﻌﺔ اﻟﻌﺎﻣﺔ‬
61 ‫اﳌﺮاﺟﻊ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ _____ ‪3‬‬

‫ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ‬
‫‪General Concepts‬‬
‫ﺗﻤ ﻴﺪ‪:‬‬
‫ﺴﺎﻧﻴﺔ واﳌﺠﺘﻤﻌﺎت اﻟ ﺸﺮ ﺔ اﳌﻨﻈﻤﺔ‪،‬‬ ‫ﺗﺎر ﺦ اﳌﺪﻧﻴﺔ‬ ‫ﻳﺮﺟﻊ ﻣ ﺸﺄ ﺣﺼﺎء ‪ Statistics‬إ ﻋ ﺪ ﻌﻴﺪ‬
‫وﻗﺪ ا ﺘﻢ ﻗﺪﻳﻤﺎ اﻟﻔﺮاﻋﻨﺔ اﳌﺼﺮ ن واﻟﺼ ﻨﻴ ن و ﻏﺮ ﻖ ﺑﺈﺣﺼﺎءات ﺗﺨﺺ ﻣﺠﺘﻤﻌﺎ ﻢ و ﺎﻧﺖ ا ﺎﺟﺔ‬
‫ﻣ ّ ﺔ ﻟ ﺼﻮل ﻋ ﻣﻌﻠﻮﻣﺎت رﻗﻤﻴﺔ أو وﺻﻔﻴﺔ ﺣﻮل اﻟﺴ ﺎن وﻣﻘﺪار اﻟ وة اﻟﺰراﻋﻴﺔ واﳌﻌﺪﻧﻴﺔ ُﺟﻤﻌﺖ‬
‫ﻟﻼ ﺘﺪاء ﺎ ﺗﺼﺮ ﻒ أﻣﻮر اﻟﺒﻠﺪ ورﺳﻢ ﺳﻴﺎﺳ ﺎ‪ .‬واﳌﻔ ﻮم اﻟﺴﺎﺋﺪ ﻋﻦ ﺣﺼﺎء ﻮ ﺗﻠﻚ رﻗﺎم‬
‫واﻟﺒﻴﺎﻧﺎت اﻟ ﺗﻘﻮم اﻟﺪول واﻟ ﻴﺌﺎت أو ﻌﺾ اﻟﻮ ﺎﻻت ﺑﺠﻤﻌ ﺎ وﻣﻌﺎ ﺎ ﻟﺘﻨﺎﺳﺐ أﻏﺮاﺿﺎ ﻣﻌﻴﻨﺔ ﻛﺘﻠﻚ‬
‫ﺪف ا رﺻﺪ اﳌﻮاﻟﻴﺪ واﻟﻮﻓﻴﺎت‪.‬‬ ‫ﻌ ﺑﺘﻌﺪاد اﻟﺴ ﺎن أو ﺗﻠﻚ اﻟ‬ ‫اﻟ‬
‫ً‬
‫و ﻌﺘ ﺣﺼﺎء اﻟﻴﻮم ﺑﻘﺴﻤﻴﮫ اﻟﻨﻈﺮي واﻟﺘﻄﺒﻴﻘﻲ ﻓﺮﻋﺎ ﻣ ﻤﺎ ﻣﻦ ﻓﺮوع اﻟﻌﻠﻢ واﳌﻌﺮﻓﺔ ﻷﻧﮫ ﻳﺪرس‬
‫ﺸ ﻞ أﺳﺎ اﻟﻨﺎﺣﻴﺔ اﻟﻜﻤﻴﺔ ﻟﻠﻈﻮا ﺮ ﺑﺈﺳﺘﺨﺪام اﻟﻄﺮق واﳌﺒﺎدئ ﺣﺼﺎﺋﻴﺔ اﳌﻨﺎﺳﺒﺔ‪ .‬ﻓ ﻮ ﻳﺪرس‬
‫اﻟﻈﺎ ﺮة ﺣﺴﺐ اﳌ ﺎن وﻋﻼﻗ ﺎ ﺑﺎﻟﻈﻮا ﺮ ﺧﺮى‪ ،‬ﻛﻤﺎ ﻳﺪرس ﺗﻄﻮر ﺬﻩ اﻟﻈﻮا ﺮ ﺣﺴﺐ اﻟﺰﻣﺎن واﻟﺘ ﺒﺆ‬
‫ﺑ ﻤ ﺎ اﳌﺴﺘﻘﺒﻞ آﺧﺬا ﻌ ن ﻋﺘﺒﺎر اﻟﻌﻮاﻣﻞ اﻟ ﺗﺆﺛﺮ ﻋ ﺬﻩ اﻟﻈﻮا ﺮ اﳌﺎ و ﻐ ﺬﻩ‬
‫اﻟﻌﻮاﻣﻞ أو ﻐ ﺗﺄﺛ ﺎ اﳌﺴﺘﻘﺒﻞ اﻟﺬي ﻻ ﻏ ﻋﻨﮫ ﳌﻌﺮﻓﺔ ﺣﻘﻴﻘﺔ اﻟﻈﻮا ﺮ واﻟﺘﺨﻄﻴﻂ ﻟ ﺎ‪.‬‬

‫ﺴﺘﺨﺪم ﺣﺼﺎء ﺑﻜﺜﺎﻓﺔ ﻋﺪة ﻣﻮاﻗﻊ وﺗﻄﺒﻴﻘﺎت و ﺮﺟﻊ ﺬا ﺳﺘﺨﺪام ا وﺟﻮد اﻟﺘﺒﺎﻳﻦ و ﺧﺘﻼف‬
‫اﻟﺒﻴﺎﻧﺎت اﳌﺘﻌﻠﻘﺔ ﺑ ﻞ ﺣﺎﻟﺔ ﻣﺪروﺳﺔ‪ .‬ﻓﻤﺜﻼ أﺑﺤﺎث اﻟ ﺴﻮ ﻖ ﻧﺠﺪ أن إﺟﺎﺑﺎت اﻟﻨﺎس ﻋﻦ ﻣﺠﻤﻮﻋﺔ‬
‫ﻣﻦ ﺳﺌﻠﺔ ﺗ ﺒﺎﻳﻦ وﺗﺨﺘﻠﻒ‪ ،‬وﻛﺬﻟﻚ ﺗ ﺒﺎﻳﻦ ﻛﻤﻴﺎت أﺣﺪ اﳌﻨﺘﺠﺎت اﻟﺰراﻋﻴﺔ اﳌﻨﺘﺞ ﺣﻘﻮل ﻣﺨﺘﻠﻔﺔ‪.‬‬
‫ﺬا اﻟﺘﺒﺎﻳﻦ و ﺧﺘﻼف ﻳﻘﻮد ا ﻋﺪد ﻣﻦ ﺳﺌﻠﺔ اﳌﺸﺮوﻋﺔ ‪-‬إذا ﺎن اﻟﻨﺎس أو ﺷﻴﺎء ﺗ ﺒﺎﻳﻦ وﺗﺨﺘﻠﻒ‬
‫اﻟﺼﻔﺎت واﳌﻘﺎﻳ ﺲ و درﺟﺔ اﻟﺘﺄﺛﺮ ﻌﻮاﻣﻞ أو ﻣﺆﺛﺮات ﻣﻌﻴﻨﺔ " ﻓﻤﺎ اﻟﺼﻔﺔ أو اﳌﻘﻴﺎس أو درﺟﺔ‬
‫ﺳﺘﺠﺎﺑﺔ اﻟ ﺗ ﻮن ﻣﻤﺜﻠﺔ ﻟﻠ ﻞ"؟ وﻛﺬا ﻣﺎ ﻣﺪى ﺬا اﻟﺘﺒﺎﻳﻦ و ﺧﺘﻼف؟‬

‫‪ -1‬ﻌﺮﻒ ﻋﻠﻢ ﺣﺼﺎء‬

‫ﻳﻤﻜﻦ ﻌﺮ ﻒ ﻋﻠﻢ ﺣﺼﺎء ﺑﺄﻧﮫ ذﻟﻚ اﻟﻌﻠﻢ اﻟﻘﺎﺋﻢ ﺑﺬاﺗﮫ اﻟﺬي ﺘﻢ ﺑﺎﻟﺒﺤﺚ اﻟﻄﺮق اﻟﻌﻠﻤﻴﺔ ﻤﻊ‬
‫اﻟﺒﻴﺎﻧﺎت ا ﺎﺻﺔ ﺑﻤﺨﺘﻠﻒ اﻟﻈﻮا ﺮ وﺗﺒﻮ ﺎ وﺗﺤﻠﻴﻠ ﺎ ﺪف اﻟﺘﻘﺮ ﺮ ﻋ ﺎ واﻟﺘﺤﻘﻖ ﻣ ﺎ أو اﻟﺘ ﺒﺆ ﺎ‪،‬‬
‫ﺳﻌﻴﺎ ﻟﻠﻮﺻﻮل إ ﻧﺘﺎﺋﺞ ﺴﺎﻋﺪ اﺗﺨﺎذ اﻟﻘﺮارات اﳌﻨﺎﺳﺒﺔ‪ .‬و ﻌﺘ ﺣﺼﺎء ﻛﺄداة ﻣﻦ أدوات اﻟﺒﺤﺚ‬
‫اﻟﻌﻠ ﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻄﺮاﺋﻖ اﻟ ﺪف إ ﺗﺠﻤﻴﻊ ﻣﻌﻄﻴﺎت ﺗﺨﺺ ﻇﻮا ﺮ ﺗﺘﻌﻠﻖ ﺑﻤﺠﻤﻮﻋﺔ أﻓﺮاد ﻣﻦ‬
‫ﻣﺠﺘﻤﻊ ﻣﺎ‪ ،‬وﺗﺤﻠﻴﻞ ﺬﻩ اﳌﻌﻄﻴﺎت وﺗﻔﺴ ﺎ اﻟﺬي ﻌﺘﻤﺪ ﻋ اﻟﺘﺤﻠﻴﻞ اﻟﻜ ﻟﻠﻈﻮا ﺮ واﺳﺘﺨﺪاﻣ ﺎ‬
‫ﺗﻔ ﻢ ﺣﻘﻴﻘﺔ اﻟﻈﻮا ﺮ واﻟﻮﺻﻮل إ ﻣﺎ ﺗﺤﺘﻮ ﮫ اﻟﻈﻮا ﺮ ﻣﻦ ﻣﻌﺎن واﺗﺠﺎ ﺎت وﻣﻌﺮﻓﺔ اﻟﻘﻮاﻧ ن اﻟ‬
‫ﺗﺨﻀﻊ ﻟ ﺎ‪ ،‬ﻟﺘ ﻮن أﺳﺎﺳﺎ ﻻﺳﺘﺨﻼص ﺳﺘ ﺘﺎﺟﺎت اﳌﺨﺘﻠﻔﺔ اﻟ ﺴﺎﻋﺪ ﻋ وﺿﻊ اﻟﻨﻈﺮ ﺎت أو اﺗﺨﺎذ‬
‫اﻟﻘﺮارات اﻟﺴﻠﻴﻤﺔ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ _____ ‪4‬‬

‫و ﺸﻤﻞ ﻣﺠﺎل ﺣﺼﺎءات أﺳﺎﻟﻴﺐ ﻧﻈﺮ ﺔ ﻳﺘﻢ ﺗﻄﺒﻴﻘ ﺎ ﻣﻦ ﺧﻼل ﻓﺮﻋ ن ﻟﻺﺣﺼﺎء اﻟﺘﻄﺒﻴﻘﻲ ‪(Applied‬‬
‫)‪statistics‬و ﻤﺎ‪:‬‬
‫‪-‬إﺣﺼﺎء وﺻﻔﻲ ‪ (Descriptive statistic) :‬اﻟﺬي ﺸﻤﻞ اﻟﻄﺮق اﳌﺴﺘﺨﺪﻣﺔ وﺻﻒ وﺗﻨﻈﻴﻢ وﻋﺮض‬
‫اﻟﺒﻴﺎﻧﺎت‪ ،‬وﺗﺘﻤﺜﻞ ﺬﻩ اﻟﻄﺮق اﻟﺘﻮز ﻌﺎت اﻟﺘﻜ ﺮار ﺔ وﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ واﻟ ﺸ ﺖ واﻟﺮﺳﻮﻣﺎت‬
‫اﻟﺒﻴﺎﻧﻴﺔ‪.‬‬
‫‪-‬إﺣﺼﺎء اﺳﺘﺪﻻ ‪ (Inferential statistic):‬واﻟﺬي ﺸﻤﻞ اﺳﺘﺨﻼص اﻟﻨﺘﺎﺋﺞ ﻣﻦ ﺑﻴﺎﻧﺎت ﻣﺤﺪودة‬
‫)اﻟﻌﻴﻨﺔ( و ﻌﻤﻴﻤ ﺎ ﻋ ﻞ اﻟﺒﻴﺎﻧﺎت )اﳌﺠﺘﻤﻊ( ﺣ اﻟﺪراﺳﺔ‪ .‬و ﺬا ﻳﻤﻜﻦ ﺳﺘﺪﻻل ﻋﻦ ﻣﻌﺎﻟﻢ اﳌﺠﺘﻤﻊ‬
‫ﺣﺼﺎ ﻲ ﺑﻄﺮق ﻣﺨﺘﻠﻔﺔ‪ ،‬وﻣﻦ ﺗﻄﺒﻴﻘﺎﺗﮫ اﻟﺘﻘﺪﻳﺮ و ﺧﺘﺒﺎرات واﻟﺘ ﺒﺆ و ﺬا ﺑﺎﺳﺘﺨﺪام اﻟﻨﺘﺎﺋﺞ أو‬
‫اﳌﺸﺎ ﺪات اﻟﺴﺎﺑﻘﺔ ﻟﺘﺠﺮﺔ ﻣﺎ ﺗﻘﺪﻳﺮ ﻗﻴﻢ اﳌﺸﺎ ﺪات اﻟ ﻗﺪ ﺗﺤﺪث ﻣﺴﺘﻘﺒﻼ‪.‬‬
‫‪ -2‬ﻣﺼﺎدر ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ‬
‫‪ 1-2‬ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت )‪:(Data collection‬‬
‫ﻳﻘﺼﺪ ﺑﺠﻤﻊ اﻟﺒﻴﺎﻧﺎت ا ﺼﻮل ﻋ ﻣﻌﻠﻮﻣﺎت رﻗﻤﻴﺔ أو وﺻﻔﻴﺔ ﺗﺘﺼﻒ ﺑﺎﻟ ﺔ واﻟﺪﻗﺔ ﻋﻦ ﻇﺎ ﺮة‬
‫ﻣﻌﻴﻨﺔ ﻣﻦ ﻣﺼﺪر ﻣﻌ ن ﻓ ة زﻣﻨﻴﺔ ﻣﺤﺪودة‪ ،‬ﻓﺎﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ ﻻ ﺗﺠﻤﻊ ﻟﺬا ﺎ وﻟﻜﻦ ﺪﻣﺔ‬
‫ﺪف ﻣﻌ ن أو ﺣﻞ ﻣﺸ ﻠﺔ ﻣﻌﻴﻨﺔ‪ ،‬وﻟﺪارﺳﺔ أي ﻣﺸ ﻠﺔ ﻻ ﺑﺪ أن ﺗﺘﻮﻓﺮ ﻋ ﺎ ﺑﻴﺎﻧﺎت ﺗﻔﺼﻴﻠﻴﺔ ﺻﻮرة‬
‫رﻗﻤﻴﺔ ﺴﺎﻋﺪ ﺗﺤﺪﻳﺪ ﻢ ﺬﻩ اﳌﺸ ﻠﺔ‪.‬‬
‫إن ﻣﺼﺪاﻗﻴﺔ ﻧﺘﺎﺋﺞ أي ﺗﺤﻠﻴﻞ إﺣﺼﺎ ﻲ ﺗ ﻮن ﻣﺒ ﻴﺔ ﻋ ﻣﺪى ﻣﺼﺪاﻗﻴﺔ ودﻗﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺴﺘﺨﺪﻣﺔ‪.‬‬
‫و ﻨﺎﻟﻚ ﻋﺪة ﻃﺮق ﻟ ﺼﻮل ﻋ اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ واﻟ ﻳﻤﻜﻦ ان ﺗﺘﻮﻓﺮ ﻗﺴﻤ ن ﻣﻦ اﳌﺼﺎدر و ‪:‬‬

‫‪ 2-2‬اﳌﺼﺎدر اﻟﺘﺎر ﺨﻴﺔ‪:‬‬

‫وﺗﺼﻨﻒ ﺑﺎﺣﺘﻮا ﺎ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺜﺎﻧﻮ ﺔ )‪ (Secondary data‬اﻟ ﻗﺪ ﺗﻢ ﺟﻤﻌ ﺎ ﺗﻮار ﺦ ﺳﺎﺑﻘﺔ أﺣﻴﺎﻧﺎ‬
‫ﺣﺼﺎءات اﻟﺮﺳﻤﻴﺔ‬ ‫ﺑﺼﻮرة دور ﺔ ﻟﺘﺨﺪم أﻏﺮاﺿﺎ ﻣﻌﻴﻨﺔ‪ .‬و اﻟﺒﻴﺎﻧﺎت اﻟ ﻳﻤﻜﻦ اﻟﺘﻮﻓﺮ ﻋﻠ ﺎ‬
‫واﻟﺒﻴﺎﻧﺎت اﳌ ﺸﻮرة‪ ،‬اﻟ ﻳﺘﻮ ﺟﻤﻌ ﺎ وﺗﺼ ﻴﻔ ﺎ و ﺸﺮ ﺎ دواﺋﺮ ﺣ ﻮﻣﻴﺔ ﻣﺘﺨﺼﺼﺔ‪ ،‬وﻛﺬا اﻟﻮ ﺎﻻت‬
‫واﻟ ﻴﺌﺎت ﺣﺼﺎﺋﻴﺔ اﳌﺨﺘﺼﺔ واﻟﺒﻴﺎﻧﺎت اﳌﺘﻮﻓﺮة أﻳﻀﺎ ﻋ ﺷﺒ ﺎت ﻧ ﻧﺖ‪ .‬و ﺸ أن ﺬﻩ اﳌﺼﺎدر‬
‫ﺗﻮﻓﺮ ﻣﺸﻘﺔ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻣﻦ اﳌﻴﺪان وﻣﺎ ﻳ ﺗﺐ ﻋﻠﻴﮫ ﻣﻦ ﺟ ﺪ وﺗ ﺎﻟﻴﻒ ﻣﺎدﻳﺔ‪ .‬و ﻌﻴﺐ ﻋ ﺎ أ ﺎ ﻗﺪ‬
‫ﺗ ﻮن ﻗﺪﻳﻤﺔ وﻏ ﻣﺘﺠﺪدة وﻗﺪ ﻻ ﺗﻔﻲ ﺗﻤﺎﻣﺎ ﻟﻐﺮض اﻟﺒﺤﺚ ﻛﻤﺎ ﻗﺪ ﻳ ﻮن ﺎ ﻌﺾ اﻟﺘﺤ اﻟ‬
‫ﻣﺴﺎوئ ﻌﻴﻖ ﻣﻦ ﺳﺘﻔﺎدة ﻣﻦ اﻟﺒﻴﺎﻧﺎت ﺑﺼﻮرة ﺎﻣﻠﺔ‪.‬‬

‫‪ 3-2‬اﳌﺼﺎدر اﳌﻴﺪاﻧﻴﺔ أو ﺻﻠﻴﺔ‪:‬‬

‫واﻟ ﻳ ﺎ اﻟﺒﺎﺣﺚ إﻟ ﺎ ﻏﺎﻟﺒﺎ ﺣ ن ﻻ ﺗﺘﻮﻓﺮ ﺑﻴﺎﻧﺎت ﻣﻦ اﳌﺼﺎدر اﻟﺘﺎر ﺨﻴﺔ ﺣﻴﺚ ﻧﺘﺤﺼﻞ ﻣﻦ ﺧﻼﻟ ﺎ ﻋ‬
‫اﻟﺒﻴﺎﻧﺎت وﻟﻴﺔ )‪ (Primary Data‬اﻟ ﻳﺘﻢ ﺗﺠﻤﻴﻌ ﺎ ﻣﻦ ﻣﺼﺎدر ﺎ ﺻﻠﻴﺔ ﻣﻨﺎﺳﺒﺔ ﻟﻐﺮض ﻣﻌ ن‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ _____ ‪5‬‬

‫وﻣﺨﺼﺺ وﻣﺤﺪد ﻣﺴﺒﻘﺎ‪ .‬وﻣﻌ ذﻟﻚ أن ﻳﺘﺼﻞ اﻟﺒﺎﺣﺚ ﺑﻤﻮﺿﻮع ﺑﺤﺜﮫ ﻣﺒﺎﺷﺮة‪ ،‬ﻓ ﺗﻀﻊ اﻟﺒﺎﺣﺚ‬
‫وﺟ ﺎ ﻟﻮﺟﮫ أﻣﺎم اﻟﻈﻮا ﺮ اﻟ ﻳﺪرﺳ ﺎ‪ .‬ﻓﺎ ﺼﻮل ﻋ ﺑﻴﺎﻧﺎت أوﻟﻴﺔ ﻳﺘﻄﻠﺐ إﻧ ﺎج ﻃﺮق اﳌﻼﺣﻈﺔ أو‬
‫اﻟﺘﺠﺮ ﺔ أو اﳌ )‪ (Survey‬وﻋ اﻟﻌﻤﻮم ﻳﺘﻢ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻣﻦ اﳌﻴﺪان ﺑﺈﺗﺒﺎع أﺣﺪ ﺳﻠﻮ ن اﻟﺘﺎﻟﻴ ن‪:‬‬
‫ً‬
‫أوﻻ‪ :‬أﺳﻠﻮب ا ﺼﺮ اﻟﺸﺎﻣﻞ‪:‬‬
‫واﻟﺬي ﻌﺘﻤﺪ ﻋ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻋﻦ ﺟﻤﻴﻊ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ ﻣﺤﻞ اﻟﺒﺤﺚ‪ ،‬و ﺘﻢ اﺳﺘﺨﺪام ﺬا‬
‫ﺳﻠﻮب ا ﺎﻻت اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ -1‬اﻟﺒﻴﺎﻧﺎت اﳌﻄﻠﻮ ﺔ ﺑﺼﻔﺔ ﻓﺮدﻳﺔ ﻣﻦ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ وﻋ ﺣﺪى؛‬
‫‪ -2‬ا ﺼﻮل ﻋ ﻧﺘﺎﺋﺞ اﻟﺒﺤﺚ ﻋ ﻣﺴﺘﻮى ﻋﺎل ﻣﻦ اﻟﺪﻗﺔ؛‬
‫ً‬
‫‪ -3‬ﻋﺪم ﺗﺠﺎ ﺲ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ وإذا ﻣﺎ ﺎن اﳌﺠﺘﻤﻊ ﺻﻐ ﺴ ﻴﺎ‪.‬‬
‫ً‬
‫ﺛﺎﻧﻴﺎ‪ :‬أﺳﻠﻮب اﻟﻌﻴﻨﺎت‪:‬‬
‫و ﻌﺘﻤﺪ ﻋ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻣﻦ ﻣﺠﻤﻮﻋﺔ ﻣﺨﺘﺎرة ﻣﻦ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ اﳌﺮاد دراﺳﺘﮫ‪ ،‬ﺛﻢ ﻳﺘﻢ دراﺳﺔ‬
‫ﺻﻔﺎت ﺬﻩ اﻟﻌﻴﻨﺔ ﻣﻦ اﳌﻔﺮدات اﻟ اﺧﺘ ت‪ ،‬ﺑﻄﺮ ﻘﺔ ﻣﻌﻴﻨﺔ ﻟﺘﻤﺜﻞ أﺣﺴﻦ ﺗﻤﺜﻴﻞ اﳌﺠﺘﻤﻊ ﻣﺤﻞ‬
‫اﻟﺪراﺳﺔ‪ .‬و ﺘﻢ ﻌﻤﻴﻢ اﻟﻨﺘﺎﺋﺞ اﻟ ﻳﺤﺼﻞ ﻋﻠ ﺎ اﻟﺒﺎﺣﺚ ﻣﻦ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻋ اﳌﺠﺘﻤﻊ ﺑﺄﻛﻤﻠﮫ‪ .‬و ﻨﺎك‬
‫ﻛﺜ ﻣﻦ ﺑﺤﺎث واﻟﺪراﺳﺎت اﻟ ﺗﺘﻢ ﺑﻮاﺳﻄﺔ ﺬا ﺳﻠﻮب ﺑﺎﻋﺘﺒﺎرﻩ ﻣﻦ ﺳﺎﻟﻴﺐ ﻛ ﺷﻴﻮﻋﺎ‬
‫اﻟﺪراﺳﺎت ﺣﺼﺎﺋﻴﺔ اﳌﻴﺪاﻧﻴﺔ‪ .‬و ﺴﺘﺨﺪم أﺳﻠﻮب اﻟﻌﻴﻨﺎت ﻛﺬﻟﻚ ﻋﻨﺪﻣﺎ ﻳ ﻮن اﳌﺠﺘﻤﻊ ﻻ ﺎ ﻲ‪ .‬إﻻ أن‬
‫ﻨﺎك أﺧﻄﺎء ﻳﺘﻌﺮض ﻟ ﺎ اﻟﺒﺎﺣﺚ ﻋﻨﺪ اﺳﺘﺨﺪام أﺳﻠﻮب اﻟﻌﻴﻨﺎت ﻣ ﺎ ﺧﻄﺄ اﻟﺼﺪﻓﺔ ‪Random‬‬
‫‪error‬اﻟﺬي ﻳﺤﺪث ﻧ ﻴﺠﺔ ﻋﺪم اﻟﺘﺠﺎ ﺲ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ أو ﻢ اﻟﻌﻴﻨﺔ و ﺧﻄﺄ اﻟﺘﺤ ‪Bias error‬‬
‫اﻟﺬي ﻳ ﺸﺄ ﻧ ﻴﺠﺔ ﻟﻌﻮاﻣﻞ إ ﺴﺎﻧﻴﺔ ﺑﺤﺘﺔ ﺴ ﺐ ﺳﻮء اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ‪.‬‬
‫و ﻇﻞ ﺬا اﻟﺴﻴﺎق ﻓﺈن اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﻌﻴﻨﺎت ﻻ ﻳﻜﻤﻦ ﻓﻘﻂ ﺟﻤﻊ ﺑﻴﺎﻧﺎت ﺣﺪ ذا ﺎ ﺑﻞ أﻳﻀﺎ‬
‫ﻣﻌﺮﻓﺔ ﻛﻴﻔﻴﺔ ا ﺼﻮل ﻋﻠ ﺎ وﻛﻴﻔﻴﺔ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ ﺑﺎﻟﻄﺮ ﻘﺔ اﳌﻨﺎﺳﺒﺔ اﻟ ﺗﺒ ﻋ اﻋﺘﺒﺎرات ﻣﻌﻴﻨﺔ‪،‬‬
‫ﻣﺜﻞ ﻃﺒﻴﻌﺔ اﻟﺘﺒﺎﻳﻦ و ﺧﺘﻼف ﺑ ن ﻣﻔﺮدات اﳌﺠﺘﻤﻊ اﳌ ﺮاد دراﺳﺘﮫ‪ ،‬وﻛﺬﻟﻚ اﻟﺘ ﺎﻟﻴﻒ اﻟ ﻳﺘﺤﻤﻠ ﺎ‬
‫اﻟﺒﺎﺣﺚ‪ .‬وﻋﻤﻮﻣﺎ ﻋﻤﻠﻴﺔ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺎت )‪ (Sampling methods‬ﻳﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ ﺗﺒ ﻃﺮق ﺧﺘﻴﺎر‬
‫اﻟﻌﺸﻮا ﻲ )‪ (Random sample‬اﳌﺒ ﻋ ﺣﺘﻤﺎﻻت‪ .‬وﻧﺬﻛﺮ ﻣﻦ أ ﻤ ﺎ‪:‬‬
‫‪ o‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟ ﺴﻴﻄﺔ )‪(Simple random sample‬‬
‫اﻟﻌﻴﻨﺔ اﻟﻄﺒﻘﻴﺔ )‪(Stratified random sample‬‬ ‫‪o‬‬
‫اﻟﻌﻴﻨﺔ اﳌﺮﺣﻠﻴﺔ )‪(Multi-stage sample‬‬ ‫‪o‬‬
‫اﻟﻌﻴﻨﺔ اﳌﻨﺘﻈﻤﺔ )‪(Systematic random sample‬‬ ‫‪o‬‬
‫اﻟﻌﻴﻨﺔ اﻟﻌﻨﻘﻮدﻳﺔ )‪(Cluster or area sample‬‬ ‫‪o‬‬
‫اﳌﻌﺎﻳﻨﺔ اﳌﺘﺘﺎ ﻌﺔ )‪(Sequential sampling‬‬ ‫‪o‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ _____ ‪6‬‬

‫ﻛﻤﺎ ﻟﻠﺒﺎﺣﺚ ﺣﺮﺔ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ اﻟﻐ ﺣﺘﻤﺎﻟﻴﺔ )‪ (Non-Probabilist samples‬اﻟ ﻌ ﻋﻦ وﺟ ﺔ‬

‫ﻧﻈﺮﻩ دون اﻟﺘﻘﻴﺪ ﺑﺘﺤﺪﻳﺪ إﻃﺎرا ﻟﻠﻌﻴﻨﺔ و ﺘﻢ اﺧﺘﻴﺎر ﻣﻔﺮدا ﺎ ﺑﺈﺳﺘﺨﺪام اﻟﻄﺮق اﻟﺬاﺗﻴﺔ أو ﺣﺴﺐ ﻗﻨﺎﻋﺔ‬
‫اﻟﺒﺎﺣﺚ وﻣﻌﺮﻓﺘﮫ ﺑﺎﳌﺠﺘﻤﻊ‪ .‬وﻣﻦ أ ﻢ ﺬﻩ اﻟﻌﻴﻨﺎت‪:‬‬
‫‪ o‬ﻋﻴﻨﺔ ا ﺼﺺ )‪(Quota sample‬‬
‫)‪(Judgement sample‬‬ ‫‪ o‬اﻟﻌﻴﻨﺔ اﻟﻘﺎﺋﻤﺔ ﻋ ا ﻜﻢ اﻟ‬
‫‪ o‬اﻟﻌﻴﻨﺔ اﳌ ﺴﺮة )‪(Convenience sample‬‬
‫ﻓﺒﻤﺠﺮد أن ﻳﺘﻢ ﺟﻤﻊ وﺗﺤﻠﻴﻞ وﻋﺮض اﻟﺒﻴﺎﻧﺎت وﻟﻴﺔ ﻓﺈ ﺎ ﺗﺼﺒﺢ ﺑﻴﺎﻧﺎت ﺛﺎﻧﻮ ﺔ ﻗﺎﺑﻠﺔ ﻟﻠﻤﻌﺎ ﺔ‬
‫و ﺴﺘﻄﻴﻊ اﺑﺘﺪأ ﻣﻦ ﻨﺎ اﳌﺮور إ ﻣﺮﺣﻠﺔ اﻟﺘﺤﻠﻴﻞ واﻟﺘ ﻴﺺ وﺻﻒ وﺗﺮﺗ ﺐ اﻟﺒﻴﺎﻧﺎت‪.‬‬

‫‪ -3‬اﳌﻔﺎ ﻴﻢ ﺣﺼﺎﺋﻴﺔ )‪(Statistical concepts‬‬

‫ﺴﺘﻠﺰم ﻓ ﻢ‬ ‫ﻳﺘﻤ ﻋﻠﻢ ﺣﺼﺎء ﻣﺜﻞ اﻟﻌﻠﻮم ﺧﺮى ﺑﺄﻧﮫ ﻣ ء ﺑﺎﻟﺘﻌﺎر ﻒ واﳌﺼﻄ ﺎت ا ﻮ ﺮ ﺔ واﻟ‬
‫ُ‬
‫ﻌﺮف اﳌﻔﺎ ﻴﻢ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫ﻣﻌﺎﻧ ﺎ‪ .‬ﻓﻤﻦ اﳌﺼﻄ ﺎت ﺳﺎﺳﻴﺔ ِ‬
‫‪ -1-3‬اﳌﺠﺘﻤﻊ )‪ :(Population‬ﻌﺮف اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ ﻋ أﻧﮫ ﻣﺠﻤﻮﻋﺔ أو ﺗﺠﻤﻊ ﻞ اﳌﻔﺮدات اﳌﻤﻜﻨﺔ‬
‫ﻣﻮﺿﻊ اﻟﺪراﺳﺔ‪ ،‬ﺳﻮى ﺎﻧﺖ ﺬﻩ اﻟﻮﺣﺪات أﻓﺮاد أو أﺷﻴﺎء أو ﻗﻴﺎﺳﺎت واﻟ ﺸ ك ﺻﻔﺎت أو‬
‫ﺧﺼﺎﺋﺺ وﺳﻤﺎت ﻣﺤﺪدة ﺟﻐﺮاﻓﻴﺔ أو ﺳﻴﺎﺳﻴﺔ أو اﺟﺘﻤﺎﻋﻴﺔ أو اﻗﺘﺼﺎدﻳﺔ أو ﻏ ﺎ‪ .‬وﻗﺪ ﻳ ﻮن اﳌﺠﺘﻤﻊ‬
‫ﺣﺼﺎ ﻲ ﻣﺤﺪودا ﺣ ن ﺴﺘﻄﻴﻊ ﺣﺼﺮ ﻋﺪد أﻓﺮادﻩ أو ﻏ ﻣﺤﺪود ﺧﻠﻔﺎ ﻟﺬﻟﻚ‪.‬‬

‫‪ -2-3‬اﻟﻌﻴﻨﺔ )‪ :(Sample‬و ﺟﺰء ﻣﻦ اﳌﺠﺘﻤﻊ ﻳﺘﻢ اﺧﺘﻴﺎر ﺎ ﺑﻄﺮ ﻘﺔ ﻣﻌﻴﻨﺔ ﻟﺘﻤﺜﻴﻞ اﳌﺠﺘﻤﻊ و ﺳﺘﺪﻻل‬
‫ﻋ ﺧﻮاﺻﮫ‪ ،‬ﻟﺬﻟﻚ ﻳﺮا أن ﺗ ﻮن اﻟﻌﻴﻨﺔ ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ ﺗﻤﺜﻴﻼ ﺻﺎدﻗﺎ‪ .‬ﻓﻴﺘ ﺟﻮ ﺮ ﺎ اﻧﮫ ﻻ ﻳﻤﻜﻨﻨﺎ‬
‫اﻟﻮﺻﻮل إ أي ﻧﺘﺎﺋﺞ ﻣﻘﻨﻌﺔ ﻷي دراﺳﺔ إﺣﺼﺎﺋﻴﺔ ﻣﺎ ﻟﻢ ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻧﻄﺎق اﳌﺠﺘﻤﻊ اﳌﺪروس وﺿﺮورة‬
‫اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ ﺑﻄﺮ ﻘﺔ ﻣﻨﺎﺳﺒﺔ ﺣ ﺗﺄ ﻲ ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺔ ﻣﻘﻨﻌﺔ وذات ﻣﺼﺪاﻗﻴﺔ‪ .‬و ﻤﻜﻦ ا ﺼﻮل ﻋ‬
‫اﻟﻌﻴﻨﺔ ﺑﺎﺳﺘﺨﺪام أﺣﺪ أﺳﺎﻟﻴﺐ اﳌﻌﺎﻳﻨﺔ )‪ (Sampling‬اﻟﺬي ﺳﺒﻖ اﻟﺘﻄﺮق ﻟ ﺎ ﺳﺎﺑﻘﺎ ﻃﺮق اﺧﺘﻴﺎر‬
‫اﻟﻌﻴﻨﺎت‪.‬‬

‫‪ -3-3‬اﻟﺼﻔﺔ أو ا ﺎﺻﻴﺔ )‪ :(Characteristic‬و ﻘﺼﺪ ﺑﮫ ﻣﻘﺪار أو ﺳﻤﺔ ﻳﻤﻜﻦ ﻣﻼﺣﻈ ﺎ ﻋ اﻟﻔﺮد واﻟ‬
‫ﻗﺪ ﺗﺄﺧﺬ ﻗﻴﻤﺎ أو ﻛﻴﻔﻴﺎت أو ﺣﺎﻻت ﻣﺨﺘﻠﻔﺔ ﻟ ﻞ ﻋﻨﺼﺮ اﳌﺠﺘﻤﻊ اﳌﺪروس‪ .‬ﻣﺜﻞ‪ :‬دﺧﻞ ﺳﺮ ﻣﺪﻳﻨﺔ‬
‫ﻣﺎ أﻧﻮاع اﻟﺴﻴﺎرات ﺣﻀ ة ﻣﺎ أو ﻣﺴﺘﻮى اﳌﺒﻴﻌﺎت اﻟﻴﻮﻣﻴﺔ ﻷﺣﺪ ﻣﺤﻼت اﻟ ﺴﻮق ﺧﻼل ﺷ ﺮ‬
‫ﻣﻌ ن‪...‬إ ‪ .‬ﻓﺎﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ)‪ (Data‬ﺗﻤﺜﻞ اﻟﻘﻴﻢ اﻟﻔﺮدﻳﺔ ﻟﺘﻠﻚ اﻟﺼﻔﺎت اﳌﺪروﺳﺔ‪.‬‬

‫‪ -4-3‬اﳌﺘﻐ )‪ : (Variable‬ﻌﺮف ﻛﻤﻘﺪار ﻟﻘﻴﺎس ﺧﺎﺻﻴﺔ أو ﻣ ة ﻟﻌﻨﺎﺻﺮ اﳌﺠﺘﻤﻊ أو اﻟﻌﻴﻨﺔ‪ .‬و ﻜﻤﻦ ﺟﻮ ﺮ‬
‫ﺣﺼﺎء دراﺳﺔ ﺷ ﻞ وﺳﻠﻮك ﻐ اﻟﺼﻔﺔ اﳌﺪروﺳﺔ ﻋ أﻓ ﺮاد اﳌﺠﺘﻤﻊ اﳌﺪروس‪ .‬وﻣﻦ اﳌﺘﻌﺎرف ﻋﻠﻴﺔ‬
‫أن اﳌﺘﻐ ﻳﺮﻣﺰ ﻟﮫ ﺑﺄﺣﺪ ﺣﺮف ‪ X‬أو ‪ Y‬وأن اﻟﻘﻴﻤﺔ اﻟ ﻳﺄﺧﺬ ﺎ اﳌﺘﻐ ﻳﺮﻣﺰ ﻟ ﺎ ﺑﺎﻷﺣﺮف ‪ xi‬أو ‪، yi‬‬
‫ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﻔﺮد ‪.i‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﻣﻔﺎ ﻴﻢ ﻋﺎﻣﺔ _____ ‪7‬‬

‫‪ -5-3‬أﻧﻮاع اﻟﺒﻴﺎﻧﺎت واﳌﺘﻐ ات )‪ : (Types of data and variables‬إن أﻧﻮاع اﻟﺒﻴﺎﻧﺎت ﺗﻨ ﺴﺐ إ أﻧﻮاع‬
‫اﳌﺘﻐ ات اﻟ ﺗﺪرس ﺧﺎﺻﻴﺔ أو ﻣ ة ﻟﻌﻨﺎﺻﺮ اﳌﺠﺘﻤﻊ أو اﻟﻌﻴﻨﺔ‪ .‬ﻓ ﻞ اﻟﺒﻴﺎﻧﺎت اﻟ ﻧﺘﻌﺎﻣﻞ ﻣﻌ ﺎ‬
‫ﻋﺒﺎرة ﻋﻦ ﻣﻌﻠﻮﻣﺎت ﺗ ﻨﻮع ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐ اﳌﺪروس ﻴﺤﺔ ودﻗﻴﻘﺔ ﺗﺠﻤﻊ ﻣﻦ ﻣﺼﺎدر ﻣﺤﺪدة ‪،‬‬
‫و ﻄﺮ ﻘﺔ ﺳﻠﻴﻤﺔ‪ .‬ﺗﺼﻨﻒ أﻧﻮاع اﻟﺒﻴﺎﻧﺎت أو اﳌﺘﻐ ات إ ﻗﺴﻤ ن‪:‬‬

‫‪ -1-5-3‬اﳌﺘﻐ ات اﻟﻨﻮﻋﻴﺔ )‪ : (Qualitative or Categorical variables‬و ﺑﻴﺎﻧﺎت وﺻﻔﻴﺔ‪ ،‬ﺸﻤﻞ‬

‫اﻟﻈﺎ ﺮات اﻟ ﻻ ﺗﺨﻀﻊ ﻟﻠﻘﻴﺎﺳﺎت اﻟﻜﻤﻴﺔ‪ ،‬وﻻ ﻌ ﻋ ﺎ ﺑﺼﻮرة ﻋﺪدﻳﺔ‪ .‬ﺗﻨﻘﺴﻢ اﳌﺘﻐ ات اﻟﻨﻮﻋﻴﺔ إ‬
‫ﻗﺴﻤ ن‪:‬‬
‫ً‬
‫ﻣﺘﻐ ات ﻧﻮﻋﻴﺔ ﺗﺼ ﻴﻔﻴﺔ )‪ (Nominal variables‬أو ﻏ ﻣﺮﺗﺒﺔ ﻛﻤﺎ ﻌﺮف أﺣﻴﺎﻧﺎ ﺑﺎﳌﺘﻐ ات‬
‫ﺳﻤﻴﺔ‪ ،‬ﻷ ﺎ ﺗﺼﻨﻒ اﻟﺒﻴﺎﻧﺎت ﺣﺴﺐ اﻟﺼﻔﺎت‪ ،‬ﺳﻮاء أ ﺎﻧﺖ ذﻟﻚ ﻣﻦ ﺣﻴﺚ اﻟﻨﻮع أو إ‬
‫ﻣﺠﻤﻮﻋﺎت إﺳﻤﻴﺔ ﻏ ﻋﺪدﻳﺔ ﻣﺨﺘﻠﻔﺔ ﻻ ﺗﺘﺄﺛﺮ ﺑﺄي ﺗﺮﺗ ﺐ ﻣﻨﻄﻘﻲ‪ .‬ﻣﺜﻼ ﻟﻠﻮن اﳌﻔﻀﻞ )اﺑﻴﺾ‪-‬‬
‫اﺣﻤﺮ‪-‬أزرق( أو ا ﺎﻟﺔ اﻟﻌﺎﺋﻠﻴﺔ )أﻋﺰب–ﻣ وج–ﻣﻄﻠﻖ–أرﻣﻞ( أو أﻧﻮاع اﻟﺴﻴﺎرات‪...‬إ ‪.‬‬
‫ﻣﺘﻐ ات ﻧﻮﻋﻴﺔ ﻣﺮﺗﺒﺔ )‪ (Ordinal variables‬و ﺗﺼﻨﻒ اﻟﺒﻴﺎﻧﺎت ﻣﻦ ﺣﻴﺚ اﻟﺪرﺟﺔ‪ ،‬و ﺬﻩ‬
‫ا ﺎﻟﺔ ﻧﺠﺪ أن اﻟﻘﻴﻢ اﻟ ﻳﺄﺧﺬ ﺎ اﳌﺘﻐ ﺗ ﺒﻊ ﺗﺮﺗ ﺐ و ﺴﻠﺴﻞ ﻣﻨﻄﻘﻲ ﻣﻌﺪ ﻣﺴﺒﻘﺎ أو ﻣﺘﻔﻖ‬
‫ﻋﻠﻴﮫ‪ .‬ﻣﺜﻼ ﻣﺴﺘﻮي اﻟﻄﻼب ﻳﻤﻜﻦ ﺗﺼ ﻴﻔﮫ إ ﻣﻤﺘﺎز‪ ،‬ﺟﻴﺪ‪ ،‬ﻣﻘﺒﻮل أو ﻓﺎﺷﻞ‪ .‬ﺣﻴﺚ ﻌﻄﻲ ﻞ‬
‫ﺻﻔﺔ ﻣﻦ ﺬﻩ اﻟﺼﻔﺎت رﺗﺒﺔ ﺧﺎﺻﺔ‪ ،‬ﻧﻘ ﺲ ﺎ ﺧﺼﺎﺋﺺ اﻟﻈﺎ ﺮة‪.‬‬

‫‪ -2-5-3‬اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ )ٍ‪ :(Quantitative variable‬و ﺑﻴﺎﻧﺎت رﻗﻤﻴﺔ‪ ،‬ﺸﻤﻞ اﻟﻈﺎ ﺮات اﻟﻘﺎﺑﻠﺔ‬
‫ﻟﻠﻘﻴﺎﺳﺎت اﻟﻜﻤﻴﺔ‪ ،‬و ﻤﻜﻦ اﻟﺘﻌﺒ ﻋ ﺎ ﺑﺼﻮرة ﻋﺪدﻳﺔ ﻌﻜﺲ اﻟﻘﻴﻢ اﻟﻔﻌﻠﻴﺔ ﻟﻠﻈﺎ ﺮات‪ .‬ﺗﻨﻘﺴﻢ‬
‫اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ إ ﻗﺴﻤ ن‪:‬‬

‫اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ اﳌﻨﻔﺼﻠﺔ أو اﳌﺘﻘﻄﻌﺔ )‪ : (Discret variables‬و ﻮ ﻣﺘﻐ ﻳﺄﺧﺬ ﻗﻴﻤﺎ ﻳﻤﻜﻦ ﻋﺪ ﺎ‬
‫وﺣﺼﺮ ﺎ ﺑﺎﻟﻌﺪ وﺗﻨ ﺴﺐ ﻟﻸﻋﺪاد اﻟﻄﺒﻴﻌﻴﺔ‪ .‬ﻣﺜﻼ ﻋﺪد ﺣﻮادث اﳌﺮور أو ﻋﺪد أﻓﺮاد ﺳﺮة‪ ...‬إ ‪.‬‬

‫اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ اﳌﺘﺼﻠﺔ أو اﳌﺴﺘﻤﺮة )‪ : (Continuous variables‬و اﻟ ﻳﻤﻜﻦ ﻗﻴﺎﺳ ﺎ ﺑﻤﻌﺎﻳ‬

‫وﺣﺪو ﺔ واﻟ ﺗﺄﺧﺬ أي ﻗﻴﻤﺔ ﻳﻤﻜﻦ ﺗﻤﺜﻴﻠ ﺎ ﻣﺪى ﻣﻌ ن ﻣﻦ ﻋﺪاد ا ﻘﻴﻘﻴﺔ‪ .‬ﻓﻤﺜﻼ دﺧﻞ‬
‫أﺳﺮة أو ﻛﻤﻴﺎت ﻣﻄﺎرأو وزن اﳌﻨﺘﻮج‪...‬إ ‪.‬‬

‫ﻏﺎﻟﺐ ﺣﻴﺎن ﻳﺘﻤﺜﻞ اﳌﺘﻐ اﻟﻜ اﳌﺘﻘﻄﻊ اﻟﻘﻴﻢ اﻟ ﻳﻤﻜﻦ ﻌﺪاد ﺎ وﺣﺼﺮ ﺎ ﻌﺪ ﻋﺪد‬
‫اﻟﻮﺣﺪات اﳌﻮﺟﻮدة ﺑﺤﻴﺚ ﻳ ﻮن ﻣﻌﻴﺎر اﻟﻌﺪ ﻏ ﻗﺎﺑﻞ ﻟﻠﺘﺠﺰﺋﺔ أو اﻟﺘﻘﺴﻴﻢ‪ .‬أﻣﺎ اﳌﺘﻐ اﻟﻜ اﳌﺘﺼﻞ‬
‫ﻳﺘﻤﺜﻞ اﻟﻘﻴﻢ اﻟ ﻳﻤﻜﻦ ﻗﻴﺎﺳ ﺎ ﺑﻮاﺳﻄﺔ ﻣﻌﻴﺎر وﺣﺪوي ﻣﺘﻔﻖ ﻋﻠﻴﮫ ﻗﺎﺑﻞ ﻟﻠﺘﺠﺰﺋﺔ اﻟﻌﺸﺮ ﺔ )ﻣﺜﻞ‬
‫اﻟ ﻠﻮﻏﺮم أو اﳌ ‪...‬إ ‪.(.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪8‬‬

‫ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت‬

‫‪Organization and Presentation of Data‬‬
‫ﺗﻤ ﻴﺪ‬
‫ﻌﺘ ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ أول ﻣﺮﺣﻠﺔ ﻟﻠﺘﺤﻠﻴﻞ ﺣﺼﺎ ﻲ وﺗﺘﻘﻴﺪ ﻃﺮ ﻘﺔ ﺗﻨﻈﻴﻢ وﻋﺮض‬
‫اﻟﺒﻴﺎﻧﺎت ﻋ ﻧﻮع ﺬﻩ اﻟﺒﻴﺎﻧﺎت وﻋ ا ﻘﺎﺋﻖ اﳌﻄﻠﻮب إﺑﺮاز ﺎ ﻣ ﺎ‪ .‬وﻋﻠﻴﮫ ﻳﻤﻜﻦ ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت‬
‫إﻣﺎ ﻋﻦ ﻃﺮ ﻖ ﺗﺼﻤﻴﻢ اﻟﺘﻮز ﻌﺎت أو ا ﺪاول اﻟﺘﻜﺮار ﺔ أو ﺑﺎﺳﺘﻌﻤﺎل اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ‪ .‬اﻟ ﺪف ﻣ ﺎ‬
‫ﺗﻘﺪﻳﻢ اﻟﺒﻴﺎﻧﺎت )اﳌﺠﻤﻌﺔ ﻣﺴﺒﻘﺎ ﺳﻮاء ﻣﻦ اﳌﺼﺎدر اﻟﺘﺎر ﺨﻴﺔ أو ﻣﻦ اﳌﺼﺎدر اﳌﻴﺪاﻧﻴﺔ( ﺑﻄﺮ ﻘﺔ ﻣ ﺴﻄﺔ‬
‫ً‬
‫وﻣﺨﺘﺼﺮة و ﺬا ﻟ ﺴ ﻞ ﻓ ﻤ ﺎ واﺳﺘ ﺘﺎج ﻌﺾ اﻟﻨﺘﺎﺋﺞ وﻟﻴﺔ ﻣ ﺎ ﺴﺎﻋﺪ ﻋ ﺗﺤﻠﻴﻠ ﺎ إﺣﺼﺎﺋﻴﺎ ﻟﻠﺘﻌﺮف‬
‫ﻋﻠ ﺎ ووﺻﻔ ﺎ وﻣﻘﺎرﻧ ﺎ ﻐ ﺎ ﻣﻦ اﻟﻈﻮا ﺮ‪ ،‬وا ﺮوج ﺑﺒﻌﺾ اﳌﺪﻟﻮﻻت ﺣﺼﺎﺋﻴﺔ ﻋﻦ ﻣﺠﺘﻤﻊ اﻟﺪراﺳﺔ‪.‬‬
‫وﻛﺬا ا ﺼﻮل ﻋ ﻣ ﺼﺎت وا ﺔ وﻣﻮﺟﺰة‪ ،‬وﻟﻜﻦ ﺣﺘﻔﺎظ اﻟﻜﺜ ﻣﻦ اﳌﻌﻠﻮﻣﺎت اﻟﻮاردة‬
‫اﻟﺒﻴﺎﻧﺎت ﺻﻠﻴﺔ‪ ،‬واﺳﺘﺨﺪام اﻟﺘﻘﻨﻴﺎت ﻣﻮﺿﻮﻋﻴﺔ وﺗﻔﺎدي إﻋﻄﺎء ﺻﻮرة ﻣﺸﻮ ﺔ ﻟﻠﻮاﻗﻊ‪.‬‬

‫‪ -1‬اﻟﺘﻮز ﻌﺎت وا ﺪاول اﻟﺘﻜﺮار ﺔ )‪(Frequency distribution‬‬

‫ﻋﻨﺪﻣﺎ ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺘﺪو ﻦ و ﻴﻞ اﳌﻌﻠﻮﻣﺎت اﳌﺘﻮﻓﺮة ﻋﻦ ﻞ ﻣﻔﺮدة ﻣﻦ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ أو اﳌﺠﺘﻤﻊ‬
‫دراﺳﺔ ﻣﺎ ﻓﺈﻧﮫ ﻳﺘﺤﺼﻞ ﻋ ﺳﻠﺴﻠﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﻟﻐ ﻣﺮﺗﺒﺔ‪ .‬ﻌﺮف ﺬﻩ اﻟﺴﻠﺴﻠﺔ‪ ،‬ﻗﺒﻞ‬
‫ﺗﺮﺗﻴ ﺎ أو ﺗﻘﺴﻴﻤ ﺎ إ ﻓﺌﺎت‪ ،‬ﺑﺎﻟﺒﻴﺎﻧﺎت ا ﺎم ‪ (Raw data ).‬أو اﻟﺒﻴﺎﻧﺎت اﻟﻐ ﻣﺒﻮ ﺔ ‪(Unorganized‬‬
‫)‪ .data‬ﻋﺎدﺗﺎ ﻣﺎ ﻳ ﻮن ﻋﺪد ﻓﺮاد ﻛﺒ وﻋﻠﻴﮫ ﻣﻦ اﻟﺼﻌﺐ ﻗﺮاءة وﺗﻔﺴ ﺳﻠﺴﻠﺔ اﻟﺒﻴﺎﻧﺎت ا ﺎم‪ .‬ﻟﺬا ﻻ‬
‫ﺑﺪ ﻣﻦ ﺗ ﻴﺼ ﺎ‪ .‬ﻟﻠﻘﻴﺎم ﺑﺬﻟﻚ‪ ،‬ﻋﻠﻴﻨﺎ أوﻻ اﻟﻘﻴﺎم ﺑﻔﺮز ﻣﺴﻄﺢ‪ ،‬وﻋﺪ اﻟﻜﻴﻔﻴﺎت أو اﻟﻘﻴﻢ‪ ،‬واﻟ ﺳﻮف‬
‫ﺗ ﻮن أﺳﺎس ﻟﺒﻨﺎء ا ﺪاول واﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ‪.‬‬
‫ﻓﺎﻟ ﺪف ﻣﻦ اﺳﺘﺨﺪام ا ﺪاول ﻮ ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت و ﺴ ﻴﻞ ﻓ ﻤﺎ ودراﺳ ﺎ‪ .‬ﻟﺬا ﻳﺠﺐ أن ﻳ ﻮن‬
‫ا ﺪول اﳌﺴ ﺑﺠﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري )‪ (frequency distribution table‬ﺴﻴﻂ وﻏ ﻏﺎﻣﺾ ﺑﻘﺪر‬
‫اﻟﺒﻴﺎﻧﺎت وإﻳﺠﺎد‬ ‫ﻣ ﺎن‪ .‬ﻳﺘﻢ ﻓﻴﮫ وﺿﻊ اﻟﺒﻴﺎﻧﺎت وذﻟﻚ ﺑﺤﺼﺮ اﻟﺼﻔﺎت وا ﺎﻻت اﻟ ﺷﻤﻠ ﺎ اﳌﺘﻐ‬
‫ﻋﺪد اﳌﻔﺮدات اﳌﻨﺎﻇﺮ ﻟﺘﻠﻚ اﻟﺼﻔﺎت‪.‬‬

‫وﻟ ﻮن اﻟﺒﻴﺎﻧﺎت ا ﺎم اﻟ ﺗﺨﺺ اﻟﻈﻮا ﺮ ﻋﺪﻳﺪة وﻣﺘﻨﻮﻋﺔ ﻳﺘﻢ اﺧﺘﻴﺎر ﻃﺮ ﻘﺔ اﻟﺘﻤﺜﻴﻞ ﻣﻦ ﻗﺒﻞ ﻧﻮع ﻣﻦ‬
‫ﺳﻠﺴﻠﺔ ﺣﺼﺎﺋﻴﺔ )ﻣﻔﺮدة أو ﻣﺰدوﺟﺔ( وﻛﺬا ﻧﻮع اﳌﺘﻐ )اﻟﻨﻮ ‪ ،‬ﻣﻨﻔﺼﻠﺔ اﻟﻜ أو ﻣﺴﺘﻤﺮ( ﻟﺘﻔﻲ‬
‫رﻏﺒﺎت وأﻏﺮاض اﻟﺪراﺳﺔ‪ .‬ﺣﻴﺚ ﻳﻤﻜﻦ اﻟﺘﻤﻴ ﺑ ن ﺷ ﻠ ن رﺋ ﺴﻴ ن ﻣﻦ ا ﺪاول ﺣﺼﺎﺋﻴﺔ‪ ،‬و ﻤﺎ‬
‫ا ﺪول اﻟ ﺴﻴﻂ‪ :‬اﻟﺬي ﺸﻤﻞ ﻌﺪ واﺣﺪ ﻟﻠﻤﺘﻐ ‪ ،‬وا ﺪول اﳌﺰدوج أو اﳌﺘﻘﻄﻊ اﻟﺬي ﻳﺒﻮب ﻣﺘﻐ واﺣﺪ‬
‫أو ﻣﺘﻐ ﻳﻦ أو أﻛ ﺣﺴﺐ ﻇﺎ ﺮة اﳌﺪروﺳﺔ‪ .‬ﻓﺤﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐ ﻛ أو ﻧﻮ ﻳﻤﻜﻦ ﺗﺼﻤﻴﻢ ا ﺪاول‬
‫اﻟﺘﻜﺮار ﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪9‬‬

‫‪ -1-1‬ا ﺪاول اﻟﺘﻜﺮار ﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻨﻮﻋﻴﺔ ) ‪Frequency distribution table for Qualitative or‬‬
‫‪(Categorical Data‬‬
‫اﻟﺘﻮز ـﻊ اﻟﺘﻜ ـﺮاري ﻟﺒﻴﺎﻧـﺎت ﻧﻮﻋﻴــﺔ ﻳــﺘﻢ ﺑﺮﺻـﺪ ــﻞ اﻟﻔﺌــﺎت أو اﳌﺠﻤﻮﻋـﺎت )‪ (Categories‬اﻟﻨﻮﻋﻴــﺔ اﳌﻤﻜﻨــﺔ‬
‫ﻋﻤﻮد ورﺻﺪ ﻋﺪد اﳌﻔﺮدات اﻟ ـ ﺗ ﺒـﻊ ﻟ ـﻞ ﻓﺌـﺔ ﻣـﻦ ﺗﻠـﻚ اﻟﻔﺌـﺎت ـ ﻋﻤـﻮد آﺧـﺮوﺗـﺪ ‪ :‬اﻟﺘﻜـﺮاراﳌﻄﻠـﻖ‬
‫‪ (Absolute Frequency) ni‬واﻟـﺬي ﻳـﺪل ﻋ ـ ﻋـﺪد اﳌـﺮات اﻟ ـ ﻇ ـﺮت ـﺎ ﺻـﻔﺔ ﻣﻌﻴﻨـﺔ ﻟﻠﻤﺘﻐ ـ ـ ﻣﺠﻤـﻞ‬
‫اﻟﺒﻴﺎﻧ ــﺎت‪ .‬ﻣ ــﻊ ﻣﺮاﻋ ــﺎة ﻣﺠﻤ ــﻮع ﻋ ــﺪاد اﳌﻮﺟ ــﻮدة ـ ـ ﻋﻤ ــﻮد اﻟﺘﻜـ ـﺮارات ﺴ ــﺎوي ﻋ ــﺪد ﻣﻔ ــﺮدات اﻟﻌﻴﻨ ــﺔ أو‬
‫ﻣﺠﻤﻮع اﻟﺘﻜﺮارات‪ .‬ـ‬
‫‪N‬‬ ‫‪ ni  n1  n2    n k‬‬
‫‪i 1‬‬

‫اﻟﺘﻜﺮار اﳌﻄﻠﻖ )‪(ni‬‬ ‫اﳌﺘﻐ‬

‫‪n1‬‬ ‫اﻟﺼﻔﺔ ‪x1 : 1‬‬
‫‪n2‬‬ ‫اﻟﺼﻔﺔ ‪x2 : 2‬‬
‫‪...‬‬ ‫‪...‬‬
‫‪nk‬‬ ‫اﻟﺼﻔﺔ ‪xk : k‬‬
‫‪N‬‬ ‫∑‬ ‫اﳌﺠﻤﻮع‬

‫‪ .i‬اﻟﺘﻮز ـ ــﻊ اﻟﺘﻜـ ـﺮاري اﻟ ﺴـ ـ واﻟﺘﻮز ﻌـ ــﺎت اﳌﺌﻮ ـ ــﺔ ) ‪Relative frequency and percentage‬‬
‫‪(distributions‬‬
‫اﻟﺘﻜﺮار اﻟ ﺴ ‪ f i‬ﻷي ﻓﺌﺔ أو ﺻﻔﺔ ا ﺪول اﻟﺘﻜﺮاري ﻮ ﺣﺎﺻﻞ ﻗﺴﻤﺔ ﺗﻜﺮار ﺗﻠﻚ اﻟﻔﺌﺔ ﻋ‬
‫ﻣﺠﻤﻮع اﻟﺘﻜ ﺮارات اﻟﻜ ‪ .‬أي ‪:‬‬
‫‪ni‬‬
‫‪ f i ‬ﻣﻊ ﻣﺮاﻋﺎة ﻣﺠﻤﻮع اﻟﺘﻜﺮارات اﻟ ﺴ ﻴﺔ ﺴﺎوي ‪1‬‬
‫‪N‬‬
‫‪n  n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n1  n2  nk‬‬
‫‪ f i   Ni   N1  N2  Nk ‬‬ ‫‪N‬‬
‫‪1‬‬
‫‪i‬‬ ‫‪i‬‬

‫و ﻤﺜــﻞ اﻟﺘﻜ ـﺮاراﻟ ﺴ ـ اﳌﻘ ــﺪاراﻟﻜﺴــﺮى اﻟ ــﺬي ﺗﺄﺧــﺬﻩ ــﻞ ﻓﺌ ــﺔ ـ ا ــﺪول اﻟﺘﻜ ـﺮاري ﻣ ــﻦ اﳌﺠﻤــﻮع اﻟﻜ ـ‬
‫ﻟﻠﺘﻜـ ـﺮارات‪ .‬واﻟﻘﺎﺋﻤ ــﺔ اﻟ ـ ـ ﺗﺤﺘ ــﻮي ﻋ ـ ـ ــﻞ اﻟﺘﻜـ ـﺮارات اﻟ ﺴـ ـ ﻴﺔ ﻟ ــﻞ اﻟﻔﺌ ــﺎت ـ ـ ا ــﺪول اﻟﺘﻜـ ـﺮاري ـ ـ‬
‫اﻟﺘﻮز ـﻊ اﻟﺘﻜ ـﺮاري اﻟ ﺴـ ‪ .‬و ﻷﻏـﺮاض ﻋﻤﻠﻴــﺔ ﻳﻤﻜــﻦ ﺣﺴـﺎب اﻟ ﺴــﺒﺔ اﳌﺌﻮ ــﺔ ﻷي ﻓﺌـﺔ ـ ا ــﺪول اﻟﺘﻜ ـﺮاري‬
‫واﻟ ـ ﻳ ــﺘﻢ ا ﺼ ــﻮل ﻋﻠ ــﺎ ﺑﻀــﺮب اﻟﺘﻜ ـﺮار اﻟ ﺴ ـ ﻟﺘﻠ ــﻚ اﻟﻔﺌ ــﺔ ـ ‪ ،100‬ﻣ ــﻊ ﻣﺮاﻋ ــﺎة ﻣﺠﻤ ــﻮع اﻟﺘﻜ ـﺮارات‬
‫اﳌﺌﻮ ﺔ ﺴﺎوي ‪.% 100‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪10‬‬

‫‪ .ii‬اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )‪(Cumulative frequency distribution‬‬

‫ﻳ ــﻮن اﻟﻐ ـﺮض ـ ﻌــﺾ ﺣﻴــﺎن ــﻮ ﻣﻌﺮﻓ ــﺔ ﻋــﺪد أو ﺴــﺒﺔ اﳌﻔــﺮدات اﻟ ـ ﺗــﻢ ﺗﺼ ـ ﻴﻔ ﺎ ـ أﻛ ـ ﻣــﻦ ﻓﺌــﺔ‬
‫واﺣﺪة أو أﻗﻞ ﻣﻦ ﺣﺪ ﻣﻌ ن ﺟﺪول اﻟﺘﻮز ـﻊ اﻟﺘﻜـﺮاري‪ .‬ـﺬا ﻳﻤﻜـﻦ ﺑﺎﺳـﺘﺨﺪام ﺟـﺪول اﻟﺘﻮز ـﻊ اﻟﺘﻜـﺮاري‬
‫اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﳌﻄﻠﻖ أو اﻟ ﺴ ‪ .‬اﻟﺘﻜﺮاراﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻷي ﻓﺌﺔ ـﻮ ﻣﺠﻤـﻮع ﺗﻜـﺮارات اﳌﻔـﺮدات اﻟ ـ‬
‫ﻗﻴﻤ ــﺎ أﻗــﻞ ﻣ ــﻦ ا ــﺪ ﻋ ـ ﻟﺘﻠــﻚ اﻟﻔﺌ ــﺔ‪ .‬اﻟﺘﻜ ـﺮاراﳌﺘﺠﻤــﻊ اﻟﺼ ــﺎﻋﺪ اﻟ ﺴ ـ ﻷي ﻓﺌ ــﺔ ــﻮ ﺴ ــﺒﺔ ﺗﻜ ـﺮارات‬
‫اﳌﻔــﺮدات اﻟ ـ ﻗﻴﻤ ــﺎ أﻗ ــﻞ ﻣ ــﻦ ا ــﺪ ﻋ ـ ﻟﺘﻠــﻚ اﻟﻔﺌــﺔ ا ـ اﳌﺠﻤــﻮع اﻟﻜ ـ ﻟﻠﺘﻜ ـﺮارات‪ .‬و ﺤﺴ ــﺐ اﻟﺘﻜ ـﺮار‬
‫‪k‬‬
‫‪N k   ni‬‬ ‫اﳌﺠﻤ ــﻊ اﻟﺼ ــﺎﻋﺪ ﻟﻔﺌـ ــﺔ ﻣﻌﻴﻨ ــﺔ ﺑﺘﺠﻤﻴ ــﻊ ﺗﻜـ ـﺮاراﻟﻔﺌ ــﺔ وﺗﻜـ ـﺮارات اﻟﻘﺎﺋﻤـ ــﺔ اﻟﺴ ــﺎﺑﻘﺔ و ـ ــﻮ‪:‬‬
‫‪i 1‬‬
‫‪k‬‬
‫و ﺎﻟ ﺴﺒﺔ ﻟﻠﺘﻜﺮاراﻟ ﺴ ﻓ ﻮ ‪  f i :‬‬
‫‪F‬‬
‫‪. k‬‬
‫‪i 1‬‬
‫ً‬
‫وﻗﺪ ﻳ ﻮن أﺣﻴﺎﻧﺎ ﺘﻤﺎم ﻣﻨﺼﺒﺎ ﻋ ﻋﺪد اﻟﻘﻴﻢ أو اﻟ ﺴﺒﺔ اﻟ ﺗ ﻮن أﻛ ـ ﻣـﻦ أو ﺴـﺎوى ﻗﻴﻤـﺔ ﻣﻌﻴﻨﺔ‪،‬ﻟـﺬا‬
‫ﻳﺤﺴـﺐ اﻟﺘﻜﺮاراﳌﺠﻤــﻊ اﻟﻨـﺎزل ﻟﻔﺌــﺔ ﻣﻌﻴﻨـﺔ و ــﺬا ﺑﻔﺼـﻞ ﺗﻜﺮار ــﺎ اﳌﺠﻤـﻊ اﻟﺼــﺎﻋﺪ ﻋـﻦ ﻣﺠﻤــﻮع اﻟﺘﻜ ـﺮارات‪،‬‬
‫‪k‬‬ ‫‪k‬‬
‫‪Fk  1  Fk  1   f i‬‬ ‫و ﺎﻟ ﺴـﺒﺔ ﻟﻠﺘﻜـﺮاراﻟﻨـﺎزل اﻟ ﺴـ ﻓ ـﻮ‪:‬‬ ‫‪N k  N  N k  N ‬‬ ‫و ﻮ‪ ni :‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪.‬‬

‫ﻣﺜﺎل‪:‬‬
‫ﺳﺌﻞ ‪ 20‬ﺷﺎب ﻋﻦ رأ ﻢ أداء ﻣﻘﺪم اﻟ ﻧﺎﻣﺞ اﻟﺘﻠﻔﺰ ﻮﻧﻴﺔ ا ﺪﻳﺪ‪ .‬و ﺎن ﻋ ﻞ ﺷﺎب أن ﻳﺨﺘﺎرواﺣﺪ‬
‫ﻣﻦ ﺧﻤﺴﺔ آراء ‪-1) :‬ﻣﻤﺘﺎز(‪-2) ،‬ﻓﻮق اﳌﺘﻮﺳﻂ(‪-3) ،‬ﻣﺘﻮﺳﻂ(‪-4) ،‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ(‪ ،‬و )‪-5‬‬
‫ﺿﻌﻴﻒ(‪ .‬ﻓ ﺎن ﺟﺎﺑﺎت ﻋ اﻟﻨﺤﻮ اﻟﺘﺎ ‪:‬‬
‫ﻓﻮق اﳌﺘﻮﺳﻂ ‪ -‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ ‪ -‬ﻣﺘﻮﺳﻂ ‪ -‬ﻣﺘﻮﺳﻂ ‪ -‬ﻣﻤﺘﺎز ‪ -‬ﻓﻮق اﳌﺘﻮﺳﻂ – ﺿﻌﻴﻒ ‪ -‬ﻣﻤﺘﺎز ‪ -‬ﻓﻮق‬
‫اﳌﺘﻮﺳﻂ ‪ -‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ‬
‫ﻣﻤﺘﺎز ‪ -‬ﻓﻮق اﳌﺘﻮﺳﻂ ‪ -‬ﻣﻤﺘﺎز ‪ -‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ ‪ -‬ﻣﻤﺘﺎز ‪ -‬ﻣﺘﻮﺳﻂ ‪ -‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ ‪ -‬ﺿﻌﻴﻒ ‪ -‬ﻓﻮق‬
‫اﳌﺘﻮﺳﻂ ‪ -‬ﻣﻤﺘﺎز‬
‫اﳌﻄﻠﻮب ﺗ ﻮ ﻦ ﺟﺪول ﺗﻜﺮاري ﺸﻤﻞ ﻋ اﻟﺘﻜﺮار‪ ،‬اﻟﺘﻜﺮار اﻟ ﺴ واﳌﺌﻮي واﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬
‫واﻟﺘﻜﺮاراﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ وﻛﺬا ﺣﺴﺎب اﻟ ﺴﺒﺔ اﳌﺌﻮ ﺔ ﻟﻠﺸﺒﺎب اﻟﺬﻳﻦ ﺎن رأ ﻢ أن داء ﺎن‬
‫أﻋ ﻣﻦ درﺟﺔ ﻣﺘﻮﺳﻂ ) أي ﻓﻮق اﳌﺘﻮﺳﻂ ‪ +‬ﻣﻤﺘﺎز(‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪11‬‬

‫ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري اﳌﻄﻠﻖ واﻟ ﺴ واﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ واﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ ﻟﺮأي‬
‫اﻟﺸﺒﺎب أداء اﳌﻘﺪم ا ﺪﻳﺪ اﻟ ﻧﺎﻣﺞ اﻟﺘﻠﻔﺰ ﻮ ﻲ‪.‬‬

‫اﻟﺘﻜﺮاراﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬ ‫اﻟﻔﺌﺔ‬

‫اﻟﺼﺎﻋﺪ اﻟ ﺴ‬ ‫اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬ ‫اﻟﺘﻜﺮار اﳌﻄﻠﻖ‬
‫اﻟ ﺴﺒﺔ اﳌﺌﻮ ﺔ‬
‫↑‪Fi‬‬ ‫اﻟﺼﺎﻋﺪ‬ ‫اﻟ ﺴ ‪fi‬‬ ‫‪ni‬‬
‫↑‪Ni‬‬
‫‪0,30‬‬ ‫‪6‬‬ ‫‪0,30×100 = 30%‬‬ ‫‪6/20 = 0,30‬‬ ‫‪6‬‬ ‫‪ ) 1‬ﻣﻤﺘﺎز(‬
‫‪0,55‬‬ ‫‪11‬‬ ‫‪0,25×100 = 25%‬‬ ‫‪5/20 = 0,25‬‬ ‫‪5‬‬ ‫‪) 2‬ﻓﻮق اﳌﺘﻮﺳﻂ(‬
‫‪0,70‬‬ ‫‪14‬‬ ‫‪0,15×100 = 15%‬‬ ‫‪3/20 = 0,15‬‬ ‫‪3‬‬ ‫‪) 3‬ﻣﺘﻮﺳﻂ(‬
‫‪0,90‬‬ ‫‪18‬‬ ‫‪0,20×100 = 20%‬‬ ‫‪4/20 = 0,20‬‬ ‫‪4‬‬ ‫‪) 4‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ(‬
‫‪1,00‬‬ ‫‪20‬‬ ‫‪0,10×100 = 10%‬‬ ‫‪2/20 = 0,10‬‬ ‫‪2‬‬ ‫‪) 5‬ﺿﻌﻴﻒ(‬
‫‪%100‬‬ ‫‪1,00‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ .iii‬ا ﺪول اﻟﺘﻜﺮاري اﳌﺰدوج أو ﺟﺪول ﻗ ان ) ‪(Contingency Table‬‬

‫و ﺗ ﻨﺎول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري اﳌﺸ ك ﳌﺘﻐ ﻳﻦ ‪ joint distribution‬ﻷن اﳌﺘﻐ ان ﻳﻘ ﻧﺎن ﻓﻴﮫ ﺗﻮز ﻊ‬
‫ﻣﺸ ك‪ .‬ﻣﻦ ﺬا ا ﺪول ﺴﺘﻄﻴﻊ اﺳﺘﺨ ﺮاج ا ﺪوﻟ ن ﻌﻄﻰ ﻞ ﻣ ﻤﺎ ﻣﺎ ﺴ ﺑﺎﻟﺘﻮز ﻊ اﻟ ﺎﻣ‬
‫ﻟﻠﻤﺘﻐ و ﻮ ﻌ اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻤﺘﻐ ول ﺑﺼﺮف اﻟﻨﻈﺮ ﻋﻦ اﳌﺘﻐ اﻟﺜﺎ ﻲ‪.‬‬

‫‪ -2-1‬ا ﺪاول اﻟﺘﻜﺮار ﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻜﻤﻴﺔ ) ‪Frequency Distribution Table for Quantitative‬‬
‫‪(Data‬‬

‫ﻳﺘﻢ ﺗﺼﻤﻴﻢ ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﺒﻴﺎﻧﺎت ﻛﻤﻴﺔ ﺣﺴﺐ ﻃﺮ ﻘﺘ ن‪:‬‬

‫‪ .i‬رﺻﺪ ﻞ اﻟﻘﻴﻢ اﳌﻤﻜﻨﺔ ﻟﻠﻤﺘﻐ وﻋﺪد ﻣﺮات ﻇ ﻮر ﺎ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﻘﻴﻢ اﻟﻔﺮدﻳﺔ ﻟﻠﻤﺘﻐ )ﻏﺎﻟﺒﺎ‬
‫ﺣﺎﻟﺔ اﳌﺘﻐ اﻟﻜ اﳌﻨﻔﺼﻞ ﻌﺪد ﻗﻠﻴﻞ ﻣﻦ اﻟﻘﻴﻢ(؛‬
‫‪ .ii‬أو ﺑﺮﺻﺪ اﻟﻔﺌﺎت أو اﳌﺠﻤﻮﻋﺎت اﳌ ﻮﻧﺔ ﻣﻦ اﻟﻘﻴﻢ اﳌﻤﻜﻨﺔ ﻟﻠﻤﺘﻐ وﻋﺪد اﻟﻘﻴﻢ اﻟ ﺗ ﺒﻊ ﻟ ﻞ ﻓﺌﺔ‬
‫أو ﻣﺠﻤﻮﻋﺔ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﻘﻴﻢ اﳌﺘﻐ اﳌﺠﻤﻌﺔ ﻓﺌﺎت )ﻏﺎﻟﺒﺎ ﺣﺎﻟﺔ اﳌﺘﻐ اﻟﻜ اﳌﺴﺘﻤﺮ أو ﺣﺎﻟﺔ‬
‫اﳌﺘﻐ اﻟﻜ اﳌﻨﻔﺼﻞ ﻌﺪد اﻟﻜﺒ ﻣﻦ اﻟﻘﻴﻢ(‪.‬‬

‫‪ -1-2-1‬ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻘﻴﻢ اﳌﻔﺮدة )‪(Ungrouped frequency distribution table‬‬

‫ﻳﺘﻢ ﺑ ﺗ ﺐ اﻟﺒﻴﺎﻧﺎت ﺟﺪول ﺗﻜﺮاري ﻌﺮض اﻟﻘﻴﻢ اﳌﺨﺘﻠﻔﺔ اﻟ وردت اﻟﻌﻴﻨﺔ وﻋﺪد اﳌﺮات‬
‫)اﻟﺘﻜﺮار( اﻟ وردت ﻓ ﺎ ﻞ ﻗﻴﻤﺔ ﺗﻠﻚ اﻟﻌﻴﻨﺔ و ﺴﺘﻌﻤﻞ ﻏﺎﻟﺒﺎ ﺣ ن ﺗ ﻮن اﻟﻘﻴﻢ اﻟ ﻳﺄﺧﺬ ﺎ اﳌﺘﻐ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪12‬‬

‫اﻟﻌﻤﻮد ول و اﻟﻌﻤﻮد‬ ‫ﻗﻠﻴﻠﺔ وﻣﻨﻔﺼﻠﺔ‪ .‬ﺣﻴ ﺎ ﺴﺘﻄﻴﻊ ا ﺪول أن ﻧﻈ ﺮ ﻞ اﻟﻘﻴﻢ ﺑﺼﻮرة ﻓﺮدﻳﺔ‬
‫اﻟﺜﺎ ﻲ اﻟﺘﻜﺮاراﳌﻘﺎﺑﻞ ﻟ ﻞ ﻗﻴﻤﺔ‪.‬‬
‫اﻟﺘﻜﺮار اﳌﻄﻠﻖ )‪(ni‬‬ ‫ﻗﻴﻢ اﳌﺘﻐ ‪X‬‬

‫‪n1‬‬ ‫‪x1‬‬
‫‪n2‬‬ ‫‪x2‬‬
‫‪...‬‬ ‫‪...‬‬
‫‪nk‬‬ ‫‪xk‬‬
‫‪N‬‬ ‫∑‬ ‫اﳌﺠﻤﻮع‬

‫ﻣﺜﺎل‪:‬‬

‫أراد ﺻﺎﺣﺐ ﻣﻜﺘﺒﺔ ﺗ ﻴﻊ اﻟﻜﺘﺐ اﻟﺪراﺳﻴﺔ ﻟﻄﻼب ا ﺎﻣﻌﺔ أن ﻳﺤﺼﺮ ﻋﺪد اﻟﻜﺘﺐ اﻟ ﺸ ﺎ اﻟﻄﻼب‬
‫اﻟﻔﺼﻞ ول ﻣﻦ اﻟﺴﻨﺔ اﻟﺪراﺳﻴﺔ‪ .‬ﻗﺎم ﺻﺎﺣﺐ اﳌﺤﻞ ﺑﺎﺧﺘﻴﺎر ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ‪ 12‬ﻃﺎﻟﺐ وﻃﺎﻟﺒﺔ‬
‫وﺳﺌﻞ ﻞ واﺣﺪ ﻣ ﻢ ﻋﻦ ﻋﺪد اﻟﻜﺘﺐ اﻟ اﺷ ا ﺎ اﻟﻔﺼﻞ ول و ﺎﻧﺖ ﺟﺎﺑﺎت ﻛﻤﺎ ﻳ ‪:‬‬

‫‪5‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪3‬‬
‫ﻮ ﺗﻘﺪﻳﺮاﻟﻘﻮة اﻟﺸﺮاﺋﻴﺔ ﻟﻠﻄﺎﻟﺐ ا ﺎﻣ ﺣ ﻳﺘﻤﻜﻦ ﻣﻦ ﺗﻮﻓ ﻛﻤﻴﺎت‬ ‫ﻏﺮض ﺻﺎﺣﺐ اﳌﻜﺘﺒﺔ ﺳﺎ‬
‫ﻣﻌﻘﻮﻟﺔ ﻣﻦ اﻟﻜﺘﺐ ﻣﻜﺘ ﺘﮫ‪ .‬وﻟﻜﻦ ﻳﺠﺐ أن ﻧﻀﻊ ﻋ ن ﻋﺘﺒﺎر ﺑﺄن ﺬﻩ اﻟﻌﻴﻨﺔ ﺻﻐ ة ا ﻢ ) ‪12‬‬
‫ﻣﻔﺮدة( وﻗﺪ ﻻ ﻌﻜﺲ ﺻﻮرة ﺎﻣﻠﺔ ﻋﻦ ﻗﻮة اﻟﻄﻼب اﻟﺸ ﺮاﺋﻴﺔ داﺧﻞ ا ﺎﻣﻌﺔ وﻛﺬﻟﻚ ﺑﻔﺮﺿﻴﺔ ﺗ ﺎﻓﺆ‬
‫اﻟﻨﻴﺔ اﻟﺸﺮاﺋﻴﺔ ﺑ ن اﻟﺬ ﻮر و ﻧﺎث‪ .‬و ﺎﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ ﻗﺪ ﻧﺨﻠﺺ ا ﻧﺘﺎﺋﺞ ﻣﻔﻴﺪة‪ .‬ﺑﺎﻟﻨﻈﺮا اﻟﺒﻴﺎﻧﺎت‬
‫ﺻﻮر ﺎ ا ﺎﻟﻴﺔ ﻻ ﻳﻤﻜﻨﻨﺎ أن ﻧﻘﻮل أي ء ﻋﻦ ﻗﻮة اﻟﻄﺎﻟﺐ ا ﺎﻣ اﻟﺸ ﺮاﺋﻴﺔ ﻟﻠﻜﺘﺐ ﺳﻮى أن ﻣﻌﻈﻢ‬
‫اﻟﻄﻼب ﺸ ون أﻗﻞ ﻣﻦ ‪ 5‬ﻛﺘﺐ‪ .‬ﻟ ﻲ ﺗ ﻮن ﺬﻩ اﻟﺒﻴﺎﻧﺎت ا ﺎم أﻛ ﻓﺎﺋﺪة ﻳﺠﺐ أن ﻳﺘﻢ ﺗﻨﻈﻴﻤ ﺎ‪.‬‬
‫وﻧﻼﺣﻆ أن اﳌﺘﻐ اﻟﺬي ورد ﺬﻩ اﻟﻌﻴﻨﺔ ﻮ ﻋﺪد اﻟﻜﺘﺐ اﻟ ﺸ ﺎ اﻟﻄﺎﻟﺐ اﻟﻔﺼﻞ ول و ﻮ‬
‫ﻣﺘﻐ ﻛ ﻣﺘﻘﻄﻊ‪.‬‬
‫ﺟﺪول ﺗﻮز ﻊ ﺗﻜﺮاري ﻟﻠﻜﺘﺐ اﳌﺸ ات ﻣﻦ ﻗﺒﻞ اﻟﻄﻠﺒﺔ‬
‫اﻟﺘﻜﺮاراﳌﻄﻠﻖ )‪(ni‬‬ ‫ﻋﺪد اﻟﻜﺘﺐ‬
‫‪1‬‬ ‫‪0‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪4‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪5‬‬
‫‪12‬‬ ‫اﳌﺠﻤﻮع‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪13‬‬

‫ﻣﻦ اﳌﻼﺣﻆ أﻧﮫ ﺑﻤﺠﺮد أن ﺗﻮﺿﻊ اﻟﺒﻴﺎﻧﺎت ا ﺎم ﺟﺪول ﺗﻜ ﺮاري ﻳﺼﺒﺢ ﻣﻦ اﻟﺴ ﻞ ﻣﻼﺣﻈﺔ اﻟﻮﺗ ة‬
‫اﻟ ﺗﻈ ﺮ ﺎ ﻗﻴﻢ اﳌﺘﻐ )ﻋﺪد اﻟﻜﺘﺐ(‪ .‬ﻓﻤﻦ اﻟﺴ ﻞ ﻣﺜﻼ ﺗﺤﺪﻳﺪ ﻣﺎ إذا ﺎن ﻨﺎﻟﻚ ﻋﺪد ﻛﺒ ﻣﻦ‬
‫اﻟﻄﻼب ﻟﻢ ﺸ ي أي ﻛﺘﺎب أو اﺷ ي أﻛ ﻣﻦ ‪ 4‬ﻛﺘﺐ‪ .‬أﻳﻀﺎ ﺴﺘﻄﻴﻊ أن ﻧﺤﺪد اﻟﻘﻮة اﻟﺸﺮاﺋﻴﺔ‬
‫ﺑﺎﻟﺘﻘﺮ ﺐ ﻟﻠﻄﺎﻟﺐ ا ﺎﻣ ﺑﺼﻮرﻩ ﻋﺎﻣﺔ ﻣﺜﻼ ﻧﻼﺣﻆ أن ‪ 4‬ﻃﻼب ﻣﻦ ﺑ ن ‪ 12‬ﻃﺎﻟﺐ اﺷ وا أﻛ ﻣﻦ ‪3‬‬
‫ﻛﺘﺐ وﻛﺬا ر ﻊ )¼( اﻟﻄﻼب اﻗﺘﻨﻮا اﻗﻞ ﻣﻦ ‪ 3‬ﻛﺘﺐ ﺧﻼل اﻟﻔﺼﻞ ول ﻣﻦ اﻟﺴﻨﺔ اﻟﺪراﺳﻴﺔ‪.‬‬

‫‪ -2-2-1‬ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻔﺌﺎت )‪(Grouped frequency distribution table‬‬

‫ﺣ ن ﺸﺘﻤﻞ اﻟﺒﻴﺎﻧﺎت ﻋ ﻋﺪد ﻛﺒ ﻣﻦ ﻗﻴﻢ ﻣﺘﻐ ﻋﺪدي )ﺳﻮاء ﺎﻧﺖ ﺬﻩ اﻟﻘﻴﻢ ﻛﻤﻴﺔ ﻣﺘﻘﻄﻌﺔ أو‬
‫ﻛﻤﻴﺔ ﻣﺘﺼﻠﺔ(‪ ،‬ﻳﻔﻀﻞ ﺗﺠﻤﻴﻊ ﺬﻩ اﻟﻘﻴﻢ ﻓﺌﺎت‪ .‬ﺣﻴﺚ ﻳﺘﻢ وﺿﻊ اﻟﻘﻴﻢ ﻓﺌﺎت أو ﻓ ات ﻣﻨﺘﻈﻤﺔ‬
‫)ﻣ ﺴﺎو ﺔ اﻟﻄﻮل( أو ﻣﺠﻤﻮﻋﺎت )‪ (Groups or Classes‬ﺣ ﺴ ﻞ ﻋﺮﺿ ﺎ ﺑﺼﻮرة وا ﺔ‪ .‬و ﺮا ﻨﺎ‬
‫ً‬
‫أﻻ ﻳ ﻮن ﻋﺪد ﺬﻩ اﻟﻔﺌﺎت ﻛﺒ ا ﻓﺘ ﺘﻔﻲ ا ﻜﻤﺔ أو اﻟﻔﺎﺋﺪة ﻣﻦ ﻋﻤﻠﻴﺔ اﻟﺘﺠﻤﻴﻊ‪ ،‬وأﻻ ﻳ ﻮن ﻋﺪد ﺎ‬
‫ً‬
‫ﺻﻐ ا ﻓﺘﻀﻴﻊ ﻣﻌﺎﻟﻢ اﻟﺘﻮز ﻊ و ﻔﻘﺪ اﻟﻜﺜ ﻣﻦ ﺗﻔﺎﺻﻴﻠﮫ‪ .‬و ﻼﺣﻆ أن ﺬا ﺳﻠﻮب ﺗ ﻮ ﻦ اﻟﻔﺌﺎت‬
‫ﻟﻠﻘﻴﺎﺳﺎت اﳌﻘﺮ ﺔ ﺴﻤﺢ ﺑﺄن ﻳ ﻮن ﻟ ﻞ ﻋﺪد اﻟﺒﻴﺎﻧﺎت اﳌﻌﻄﺎة ﻣ ﺎن وﺣﻴﺪ إﺣﺪى اﻟﻔﺌﺎت‪.‬‬
‫وﻟﺘﺼﻤﻴﻢ ﺟﺪول ﺗﻜﺮاري ﻳﺤﺘﻮي ﻋ ﻋﺪد ﻣﻨﺎﺳﺐ ﻣﻦ اﻟﻔﺌﺎت ﻳﻤﻜﻦ اﺗﺒﺎع ا ﻄﻮات اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫اﺧﺘﻴﺎر ﻋﺪد اﻟﻔﺌﺎت )‪ : (Number of classes‬ﻏﺎﻟﺒﺎ ﻣﺎ ﻳ اوح ﻋﺪد اﻟﻔﺌﺎت اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري‬ ‫‪.i‬‬
‫ﺑ ن ‪ 5‬ا ‪ 20‬و ﻌﺘﻤﺪ ﺬا ﻋ ﻋﺪد اﳌﻔﺮدات اﻟﻌﻴﻨﺔ‪ .‬ﻛﻤﺎ ﺴﺘﺤﺴﻦ ﺳﺘﻌﺎﻧﺔ ﺑﻘﺎﻋﺪة‬
‫ﺳﺘﻮرج )‪ (Sturge‬أو ﻗﺎﻋﺪة ﻳﻮل )‪ (Yule‬ﻟﺘﺤﺪﻳﺪ ﻋﺪد اﻟﻔﺌﺎت ﻣﻊ اﻟﺘﻨ ﻴﮫ أﻧﮫ ﻳﻤﻜﻦ إﺧﺘﻴﺎر ﻋﺪد‬
‫ﻣﻨﺎﺳﺐ ﻣﻦ اﻟﻔﺌﺎت دون اﻟﺘﻘﻴﺪ ﺎﺗ ن اﻟﻘﺎﻋﺪﺗ ن‪,‬‬
‫)) ‪k  1  ( 3,3  log10( N‬‬ ‫ﻗﺎﻋﺪة ﺳﺘﻮرج )‪(Sturge‬‬
‫‪k  2 ,5  4 N‬‬ ‫ﻗﺎﻋﺪة ﻳﻮل )‪(Yule‬‬
‫ﺣﻴﺚ ‪ k‬ﻳﻤﺜﻞ ﻋﺪد اﻟﻔﺌﺎت و ‪ N‬ﻳﻤﺜﻞ ﻋﺪد اﻟﺒﻴﺎﻧﺎت أو اﳌﻔﺮدات اﻟﻮاردة اﻟﻌﻴﻨﺔ‪.‬‬
‫ﺗﺤﺪﻳﺪ ﻋﺮض اﻟﻔﺌﺔ )‪ : (Class width‬ﻳﻔﻀﻞ أن ﻳ ﻮن ﻨﺎﻟﻚ ﻋﺮض )‪ (a‬ﻣﻮﺣﺪ وﻣﻨﺘﻈﻢ ﻟ ﻞ‬ ‫‪.ii‬‬
‫اﻟﻔﺌﺎت‪ .‬ﻹﻳﺠﺎد ﻋﺮض اﻟﻔﺌﺔ ﻳﺠﺐ اﻟﺒﺪاﻳﺔ أن ﻧﺤﺴﺐ اﳌﺪى )‪ (E‬اﻟﺬي ﻮ اﻟﻔﺮق ﺑ ن أﺻﻐﺮ‬
‫وأﻛ ﻗﻴﻤﺘ ن اﻟﺒﻴﺎﻧﺎت أي ) )‪ .( E  ( X Max  X Min‬ﺣﻴ ﺎ ﻳﺘﻢ إﻳﺠﺎد ﻋﺮض اﻟﻔﺌﺔ ﺑﻘﺴﻤﺔ اﳌﺪى‬
‫ﻋ ﻋﺪد اﻟﻔﺌﺎت اﳌﻌﺘﻤﺪ‪ .‬ﻣﻊ ﻣﺮاﻋﺎة ﺗﻘﺮ ﺐ اﻟﻨﺎﺗﺞ ﺑﺎﻟﺰﺎدة ا رﻗﻢ ﻴﺢ ﻣﻨﺎﺳﺐ‪.‬‬
‫اﳌﺪى‬
‫= =‬ ‫ﻋﺮض اﻟﻔﺌﺔ =‬
‫ﻋﺪد اﻟﻔﺌﺎت‬
‫ﺗﺤﺪﻳﺪ ا ﺪ د ﻰ ﻟﻠﻔﺌﺔ و )‪ :(Lower boundary of the first class‬أي رﻗﻢ ﻣﻨﺎﺳﺐ أﻗﻞ‬ ‫‪.iii‬‬
‫‪X‬‬ ‫‪X‬‬
‫‪Min‬‬ ‫ﻣﻦ أو ﺴﺎوي أﺻﻐﺮ ﻗﻴﻤﺔ اﻟﺒﻴﺎﻧﺎت ﻳﻤﻜﻦ اﺳﺘﻌﻤﺎﻟﮫ ﻛﺤﺪ أد ﻰ ﻟﻠﻔﺌﺔ و ‪.‬‬
‫‪1inf‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪14‬‬

‫ﻣﺜﺎل ﺷﺎﻣﻞ‪:‬‬
‫أﻗﻴﻤـﺖ دراﺳـﺔ ﻣﻴﺪاﻧﻴــﺔ ـﺎن اﻟﻐــﺮض ﻣ ـﺎ ﺗﻘ ـ ﻋــﺎدة ﺗـﺪﺧ ن اﻟ ـ ﺎﺋﺮ ﻟﻠﻌـﺎﻣﻠ ن ـ إﺣــﺪى ااﳌﺼـﺎ ﻊ‪ .‬ﺗــﻢ‬
‫اﺧﺘﻴــﺎر ﻋﻴﻨــﺔ ﻋﺸــﻮاﺋﻴﺔ ﻣ ﻮﻧــﺔ ﻣــﻦ ‪ 30‬ـ ﺺ ﻳــﺪﺧﻨﻮن اﻟ ـ ﺎﺋﺮو ﺳــﺌﻞ ــﻞ واﺣــﺪ ﻣـ ﻢ ﻋــﻦ ﻋــﺪد ﻗﻄــﻊ‬
‫اﻟ ﺎﺋﺮاﻟ ﺴ ﻠﻜ ﺎ ﺧﻼل ﻓ ة أﺳﺒﻮع ﻓ ﺎﻧﺖ اﻟﻨﺘﺎﺋﺞ ﻛﻤﺎ ﻳ ‪:‬‬

‫‪193‬‬ ‫‪46‬‬ ‫‪29‬‬ ‫‪218‬‬ ‫‪120‬‬ ‫‪25‬‬ ‫‪62‬‬ ‫‪206‬‬ ‫‪94‬‬ ‫‪190‬‬
‫‪159‬‬ ‫‪221‬‬ ‫‪124‬‬ ‫‪86‬‬ ‫‪119‬‬ ‫‪164‬‬ ‫‪147‬‬ ‫‪7‬‬ ‫‪156‬‬ ‫‪63‬‬
‫‪128‬‬ ‫‪233‬‬ ‫‪84‬‬ ‫‪122‬‬ ‫‪176‬‬ ‫‪128‬‬ ‫‪167‬‬ ‫‪133‬‬ ‫‪193‬‬ ‫‪79‬‬

‫اﻟﻐﺮض ﻣﻦ ﺗﺮﺗ ﺐ ﺬﻩ اﻟﺒﻴﺎﻧﺎت ـ ﺟـﺪول ﺗﻜـﺮاري ـﻮ ا ﺼـﻮل ﻋ ـ ﻓﻜـﺮة ﻋـﻦ ﺗﻮز ـﻊ اﻟﻘـﻴﻢ ﻟ ـﺬا اﳌﺘﻐ ـ‬
‫اﻟﻜ اﳌﺘﻘﻄﻊ )ﻋﺪد ﻗﻄـﻊ اﻟ ـ ﺎﺋﺮاﳌﺴـ ﻠﺔ ﺧـﻼل أﺳـﺒﻮع(‪ .‬إذا وﺿـﻌﻨﺎ ـﺬﻩ اﻟﺒﻴﺎﻧـﺎت ـ ﺟـﺪول ﺗﻜـﺮاري‬
‫َ‬
‫ﺑــﺪون أن ﻧ ــﻮن ﻓﺌــﺎت ﻟﻠﻘــﻴﻢ ﻛﻤــﺎ ـ اﳌﺜــﺎل )‪ (1‬أﻋــﻼﻩ ﺳــﻮف ﻟــﻦ ﻧﺠ ـ أي ﻓﺎﺋــﺪة ﺗــﺬﻛﺮﻻن ﻣﻌﻈــﻢ اﻟﻘــﻴﻢ‬
‫اﳌﻤﻜﻨﺔ ﻗﺪ ﺗﻈ ﺮﻣﺮة واﺣﺪة ﻓﻘﻂ أو ﻻ ﺗﻈ ﺮ ﺑـﺎﳌﺮة‪ .‬ﻟ ـﻲ ﻧ ﺴـﻂ ـﺬﻩ اﻟﺒﻴﺎﻧـﺎت و ﻧـﺘﻤﻜﻦ ﻣـﻦ إﻟﻘـﺎء ﻌـﺾ‬
‫اﻟﻀـ ــﻮء ﻋ ـ ـ اﻟﺘ ـ ــﻮ ﻦ اﻟ ﻴﻜ ـ ـ ﻟﻠﻤﻔـ ــﺮدات اﻟـ ــﻮاردة ﻓﺈﻧﻨـ ــﺎ ﻧﺤﺘـ ــﺎج ا ـ ـ وﺿـ ــﻊ ـ ــﺬﻩ اﻟﺒﻴﺎﻧـ ــﺎت ـ ـ ﻓﺌـ ــﺎت‬
‫)‪.(Classes‬‬

‫ا ﻞ‪:‬‬
‫‪ .i‬ﺑﺎﺳـ ـ ـ ـ ـ ـ ــﺘﺨﺪام ﻗـ ـ ـ ـ ـ ـ ــﺎﻧﻮن اﺳ ـ ـ ـ ـ ـ ـ ـ ج )‪ (Sturge‬ﻓـ ـ ـ ـ ـ ـ ــﺈن اﻟﻌـ ـ ـ ـ ـ ـ ــﺪد اﳌﻨﺎﺳـ ـ ـ ـ ـ ـ ــﺐ ﻣـ ـ ـ ـ ـ ـ ــﻦ اﻟﻔﺌـ ـ ـ ـ ـ ـ ــﺎت ـ ـ ـ ـ ـ ـ ــﻮ‬
‫‪k  1  ( 3,3  log10( N )) 1  3,3  log10( 30)  5,95  6‬‬
‫‪ .ii‬ﺑـﺎﻟﻨﻈﺮا ـ اﻟﺒﻴﺎﻧـﺎت ﻧﺠـﺪ أن اﺻـﻐﺮﻗﻴﻤـﺔ ـ ‪ X Min  7‬وأﻛ ـ ﻗﻴﻤـﺔ ـ ‪ ، X Max  233‬إذن اﳌـﺪى‬
‫‪ E  ( X Max  X Min )  233 7  226‬وﻋﻠﻴ ـ ـ ـ ـ ــﮫ ﻧﻘ ـ ـ ـ ـ ـ ح اﻟﻌـ ـ ـ ـ ــﺮض اﳌﻨﺎﺳ ـ ـ ـ ـ ــﺐ ﻟﻠﻔﺌ ـ ـ ـ ـ ــﺔ‬
‫‪a  E k  2266  37,7  38‬‬

‫‪ .iii‬ﺑﻤﺎ أن أﺻﻐﺮ ﻗﻴﻤﺔ اﻟﺒﻴﺎﻧﺎت ﺴﺎوي ‪ X Min  7‬ﻳﻤﻜﻦ اﺳﺘﻌﻤﺎل أي ﻗﻴﻤﺔ أﺻﻐﺮأو ﺴﺎوي ‪7‬‬
‫ﻛﺤﺪ أد ﻰ ﻟﻠﻔﺌﺔ و ‪ .‬ﻟﻨﺄﺧﺬ ‪ 6‬ﻛﺤﺪ أد ﻲ ﻟﻠﻔﺌﺔ و ‪.‬‬

‫إذن اﻟﻔﺌﺎت اﳌﻤﻜﻨﺔ ﻟﻠﺘﻮز ﻊ اﻟﺘﻜﺮاري ﺗ ﻮن ﺑﺼﻮرة ﻏ ﻏﺎﻣﻀﺔ ﻛﻤﺎ ﻳ ‪:‬‬

‫] ‪] 234 ; 196 ] ; ] 196 ; 158 ]; ] 158 ; 120 ]; ] 120 ; 82 ]; ] 82 ; 44 ]; ] 44 ; 6‬‬

‫ﻣﺎ ﻳﺆﺧﺬ ﻋ ﻋﺮض اﻟﺒﻴﺎﻧﺎت ﺟﺪول ﺗﻜﺮاري ﻟﻠﻔﺌﺎت ﻮ أﻧﻨﺎ ﺳﻮف ﻧﻔﻘﺪ ﻣﻌﻠﻮﻣﺎت ﻣﻔﻴﺪة ﻓﻴﻤـﺎ ﻳﺘﻌﻠـﻖ‬
‫ﺑـﺎﳌﻔﺮدات‪ .‬ﻓﻤــﺜﻼ ﻻ ﻳﻤﻜﻨﻨـﺎ أن ﻧﺤــﺪد ﺑﺎﻟﻀــﺒﻂ ﻣـﻦ ــﻮ اﻟﻌﺎﻣــﻞ اﻟـﺬي ﺴ ـ ﻠﻚ ‪ 29‬ﻗﻄﻌــﺔ ﻣـﻦ اﻟ ـ ﺎﺋﺮ ـ‬
‫ﺳﺒﻮع‪ ،‬ﻞ ﻣﺎ ﻌﺮﻓﮫ أن ﻨﺎﻟﻚ ﺛﻼﺛﺔ ﻋﻤﺎل ﺴ ﻠ ﻮن ﺑ ن ‪ 6‬ا ‪ 44‬ﻗﻄﻌﺔ ﺎﺋﺮ ﺳﺒﻮع‪.‬‬

‫ﺎﺋﺮاﳌﺴـ ﻠﻜﺔ‬ ‫ا ﺪول أدﻧﺎﻩ ﻳﺒ ن اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري واﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري اﻟ ﺴ واﻟﺘﻮز ﻊ اﳌﺌﻮي ﻟﻘﻄﻊ اﻟ‬
‫ﻣﻦ اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪15‬‬

‫ﺎﺋﺮ‬ ‫ﺟﺪول ﺗﻮز ﻊ ﺗﻜﺮاري و ﺴ وﻣﺌﻮي ﻟﻌﺪد ﻗﻄﻊ اﻟﺘﻜﺮاراﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ واﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ اﻟ‬
‫اﳌﺴ ﻠﻜﺔ ﺧﻼل ﺳﺒﻮع‬
‫اﻟﺘﻜﺮار‬ ‫اﻟﺘﻜﺮار‬
‫اﻟﺘﻜﺮار‬
‫اﳌﺘﺠﻤﻊ‬ ‫اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬
‫اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮاراﻟ ﺴ‬ ‫ﻓﺌﺎت إﺳ ﻼك‬
‫اﻟﺼﺎﻋﺪ‬ ‫اﻟﺼﺎﻋﺪ‬ ‫اﻟ ﺴﺒﺔ اﳌﺌﻮ ﺔ‬ ‫اﳌﻄﻠﻖ‬
‫اﻟﻨﺎزل اﳌﻄﻠﻖ‬ ‫‪fi‬‬ ‫اﻟ ﺎﺋﺮ‬
‫اﳌﻄﻠﻖ‬ ‫اﻟ ﺴ‬ ‫‪ni‬‬
‫↓‪Ni‬‬
‫↑‪Ni‬‬ ‫↑‪Fi‬‬
‫= ‪0,100×100‬‬
‫‪27‬‬ ‫‪3‬‬ ‫‪0,10‬‬ ‫‪3/30 = 0,100‬‬ ‫‪3‬‬ ‫] ‪] 44 ; 6‬‬
‫‪10,0%‬‬
‫= ‪0,133×100‬‬
‫‪23‬‬ ‫‪7‬‬ ‫‪0,23‬‬ ‫‪4/30 = 0,133‬‬ ‫‪4‬‬ ‫] ‪] 82 ; 44‬‬
‫‪13,3%‬‬
‫= ‪0,133×100‬‬
‫‪19‬‬ ‫‪11‬‬ ‫‪0,37‬‬ ‫‪4/30 = 0,133‬‬ ‫‪4‬‬ ‫] ‪] 120 ; 82‬‬
‫‪13,3%‬‬
‫= ‪0,267×100‬‬
‫‪11‬‬ ‫‪19‬‬ ‫‪0,63‬‬ ‫‪8/30 = 0,267‬‬ ‫‪8‬‬ ‫] ‪] 158 ; 120‬‬
‫‪26,7%‬‬
‫= ‪0,233×100‬‬
‫‪4‬‬ ‫‪26‬‬ ‫‪0,87‬‬ ‫‪7/30 = 0,233‬‬ ‫‪7‬‬ ‫] ‪] 196 ; 158‬‬
‫‪23,3%‬‬
‫= ‪0,133×100‬‬
‫‪0‬‬ ‫‪30‬‬ ‫‪1,00‬‬ ‫‪4/30 = 0,133‬‬ ‫‪4‬‬ ‫] ‪] 234 ; 196‬‬
‫‪13,3%‬‬
‫‪100%‬‬ ‫‪1‬‬ ‫‪30‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ -2‬اﻟﺘﻤﺜﻴﻞ اﻟﺒﻴﺎ ﻲ ﻟﻠﺘﻮز ﻌﺎت اﻟﺘﻜﺮار ﺔ‬

‫اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ )‪ (Diagrams‬ﻌﻄﻲ اﻧﻄﺒﺎﻋﺎ أﻓﻀﻞ وﺗ ز ﺑﻨﻈﺮة ﺳﺮ ﻌﺔ ا ﺼﺎﺋﺺ اﻟﺮﺋ ﺴﻴﺔ ﻟﻠﺒﻴﺎﻧﺎت‬
‫وﺗﻠﻘﻲ اﻟﻀﻮء ﺑﺼﻮرة وا ﺔ ﻋ ﺷ ﻞ ﺗﻮز ﻊ اﻟﺒﻴﺎﻧﺎت ﻌﺪ ﺗﻨﻈﻴﻤ ﺎ ﻷﻧﮫ ﻗﺪ ﻧﺠﺪ ﺻﻌﻮ ﺔ ﻌﺾ‬
‫ﺣﻴﺎن ﻗﺮاءة ا ﺪاول اﻟﺘﻜﺮار ﺔ‪ .‬ﻟﺬا ﻧ ﻨﺎول أ ﻢ ﻃﺮق ﺗﻤﺜﻴﻞ اﻟﺒﻴﺎﻧﺎت ﻋ أﺳﺎس أ ﺎ أﻛ اﻟﻄﺮق‬
‫ﺷﻴﻮﻋﺎ‪ .‬و ﺷ ﺎل ﺗﻴﺔ ﻌﺮض أﺷ ﺮ ﺬﻩ اﻟﺼﻮر و ﺷ ﻞ‪:‬‬

‫‪ ‬أﻋﻤﺪة ‪Bar Charts‬‬

‫‪ ‬ﻗﻄﺎﻋﺎت داﺋﺮ ﺔ ‪Pie Charts‬‬
‫‪ ‬ﻣﺪرﺟﺎت وﻣﻀﻠﻌﺎت ﺗﻜﺮار ﺔ ‪Polygones and Histograms‬‬
‫‪ ‬ﻣﻨﺤﻨﻴﺎت ﺗﻜﺮار ﺔ ‪Curves Charts‬‬
‫و ﺨﺘﻠﻒ اﺳﺘﻌﻤﺎل ﺬﻩ ﺷ ﺎل ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐ واﻟﺘﻮز ﻊ اﳌﺮﻏﻮب ﺗﻤﺜﻴﻠﮫ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪16‬‬

‫‪ -1-2‬ﺷ ﻞ ﻋﻤﺪة اﻟ ﺴﻴﻄﺔ )‪(Simple bar chart‬‬

‫و ﻮ اﻟﺮﺳﻢ ﺑﻴﺎ ﻲ اﳌﻼﺋﻢ ﻟﺘﻮز ﻊ ﻣﺘﻐ ﻛ ﻣﻨﻔﺼﻞ أو ﻧﻮ ‪ .‬ﻮ ﻋﺒﺎرة ﻋﻦ رﺳﻢ ﺑﻴﺎ ﻲ ﻳﺘ ﻮن ﻣﻦ ﻋﺪد‬
‫ﻣﻦ ﻋﻤﺪة ﺑﺤﻴﺚ ﺗﻤﺜﻞ اﻟﻔﺌﺎت أﻓﻘﻴﺎ ﻋ ﻣﺤﻮر ‪ x-axis‬و ﺗﻤﺜﻞ اﻟﺘﻜﺮارات راﺳﻴﺎ ﻋ ﻣﺤﻮر ‪. y-axis‬‬
‫ﻳﺮﺳﻢ ﻋﻤﻮد واﺣﺪ ﻟ ﻞ ﻓﺌﺔ ﺑﺤﻴﺚ ﻳ ﻮن ارﺗﻔﺎع ﻞ ﻋﻤﻮد ﻳﻤﺜﻞ اﻟﺘﻜﺮار أو اﻟﺘﻜﺮار اﻟ ﺴ أو اﻟﺘﻜﺮار‬
‫اﳌﺌﻮي اﳌﺮﺗﺒﻂ ﺑ ﻞ ﻓﺌﺔ ا ﺪول اﻟﺘﻜﺮاري‪ .‬ﻣﻊ ﻣﻼﺣﻈﺔ أن ﻳ ﻮن ﻋﺮض ﺟﻤﻴﻊ ﻋﻤﺪة ﻣ ﺴﺎوي ﻛﻤﺎ‬
‫ﺑﺎﻹﻣ ﺎن اﺳﺘﻌﻤﺎل اﺷ ﺎل ﺗﻤﺜﻴﻠﻴﺔ ﺑﺪﻻ ﻣﻦ ﻋﻤﺪة أو أﻟﻮان ﻣﺨﺘﻠﻔﺔ ﻟﻠﻤﺘﻐ ‪.‬‬

‫ﺎص‬ ‫ﺷ ﻞ ﻋﻤﺪة ﻟﻠﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻟﻠﻮن اﳌﻔﻀﻞ ﻟﻸ‬

‫‪9‬‬ ‫اﻟﺘﻜﺮار‬ ‫ﻟﻠﻮن اﳌﻔﻀﻞ‬
‫‪8‬‬
‫)‪(ni‬‬ ‫ﻟﻸ ﺎص‬
‫‪7‬‬
‫‪6‬‬ ‫‪2‬‬ ‫‪Black‬‬
‫‪5‬‬
‫‪3‬‬ ‫‪White‬‬
‫‪4‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪Red‬‬
‫‪2‬‬ ‫‪8‬‬ ‫‪Green‬‬
‫‪1‬‬
‫‪0‬‬
‫‪3‬‬ ‫‪Blue‬‬
‫‪Black‬‬ ‫‪White‬‬ ‫‪Red‬‬ ‫‪Green‬‬ ‫‪Bleu‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ -2-2‬ﺷ ﻞ اﻟﺪاﺋﺮة أو اﻟﻘﻄﺎﻋﺎت اﻟﺪاﺋﺮ ﺔ )‪(Pie Charts‬‬

‫اﻟﺮﺳﻢ اﻟﺒﻴﺎ ﻲ ﻟﺘﻤﺜﻴﻞ ﺗﻮز ﻊ ﻣﺘﻐ ﻧﻮ أو ﻛ ﻣﻨﻔﺼﻞ‪ .‬ﻮ ﻋﺒﺎرة ﻋﻦ ﻗﺮص ﺎﻣﻼ ﻳﺘﻢ ﺗﻘﺴﻴﻤﮫ ا‬
‫أﺟﺰاء ﺗ ﻨﺎﺳﺐ ﻣﻊ اﻟﺘﻜﺮار اﻟ ﺴ أو اﳌﺌﻮي ﻟ ﻞ ﻓﺌﺔ ﻣﻦ اﻟﻔﺌﺎت اﳌ ﻮﻧﺔ ﻟﻠﻌﻴﻨﺔ أو اﳌﺠﺘﻤﻊ‪ .‬ﻧﺘﺤﺼﻞ‬
‫ﻋ ﻣﻘﺪار اﻟ ﺰاو ﺔ اﳌﻄﻠﻮ ﺔ ﻟ ﺰء ﻟﺘﻤﺜﻴﻞ ﻞ ﻓﺌﺔ ﺑﻀﺮب اﻟﺘﻜﺮار اﻟ ﺴ ﻟ ﻞ ﻓﺌﺔ ‪.360‬‬

‫ﺷ ﻞ اﻟﻘﻄﺎﻋﺎت اﻟﺪاﺋﺮ ﺔ ﻟﻠﺘﻮز ﻊ ا ﺎﻟﺔ اﻟﻌﺎﺋﻠﻴﺔ‬

‫‪Veufs‬‬ ‫ﻣﻘﺪاراﻟﺰاو ﺔ‬ ‫ا ﺎﻟﺔ اﻟﻌﺎﺋﻠﻴﺔ اﻟﺘﻜﺮار‬
‫‪10%‬‬
‫‪fi × 360‬‬ ‫اﻟ ﺴ ‪fi‬‬
‫‪Célibataire‬‬
‫‪Divorcés‬‬ ‫‪s‬‬ ‫‪0,35x360 = 126°‬‬ ‫‪0,35‬‬ ‫‪Célibataires‬‬
‫‪15%‬‬ ‫‪35%‬‬ ‫‪0,40x360 = 144°‬‬ ‫‪0,40‬‬ ‫‪Mariés‬‬
‫‪0,15x360 = 54°‬‬ ‫‪0,15‬‬ ‫‪Divorcés‬‬
‫‪0,10x360 = 36°‬‬ ‫‪0,10‬‬ ‫‪Veufs‬‬
‫‪360°‬‬ ‫‪1‬‬ ‫اﳌﺠﻤﻮع‬

‫‪Mariés‬‬
‫‪40%‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪17‬‬

‫ﻳﻤﻜﻦ أن ﺸ ﻋ أن ﻨﺎك ﻋﺪة اﺷ ﺎل ﺑﻴﺎﻧﻴﺔ ﻣﺨﺼﺼﺔ ﻣﻦ ﺧﻼﻟ ﺎ ﺴﺘﻄﻴﻊ ﺗﺤﻮ ﻞ ا ﺪاول اﻟﺮﻗﻤﻴﺔ‬
‫ا رﺳﻮم ﺑﻴﺎﻧﻴﺔ أﻛ ﻣﻼﺋﻤﺔ ﻟﻠﻈﻮا ﺮ اﳌﺪروﺳﺔ ﻧﺬﻛﺮ ﻣ ﺎ ﻋﻤﺪة اﻟ ﺴﻴﻄﺔ و ﻋﻤﺪة اﳌﺠﺰأة اﻟ‬
‫واﳌﻘﺎرﻧﺔ ﺑ ن اﳌﺘﻐ ات‪ .‬وا ﻂ اﻟﺒﻴﺎ ﻲ اﻟﺬي ﻳﻤﺜﻞ اﺗﺠﺎﻩ‬ ‫ﺴﺘﻌﻤﻞ ﺣﺎﻟﺔ دراﺳﺔ أﻛ ﻣﻦ ﻣﺘﻐ‬
‫ﺗﻄﻮر اﻟﺒﻴﺎﻧﺎت ﺣﺎﻟﺔ اﻟﻈﻮا ﺮاﻟﺰﻣﻨﻴﺔ‪.‬‬

‫‪ -3-2‬اﳌﺪرج اﻟﺘﻜﺮاري )‪(Histogram‬‬

‫اﳌﺪرج اﻟﺘﻜﺮاري ﻮ اﻟﺮﺳﻢ اﻟﺒﻴﺎ ﻲ اﳌﻜﺮس ﻟﻠﺘﻮز ﻊ اﻟﺘﻜﺮاري ا ﺎص ﺑﻤﺘﻐ ﻛ ﻣﺴﺘﻤﺮ و ﻮ ﻋﺒﺎرة ﻋ‬
‫رﺳﻢ ﻋ ﻣﺤﻮر ﻦ ﻣﺘﻌﺎﻣﺪﻳﻦ أﺣﺪ ﻤﺎ اﻓﻘﻲ ﻳﻤﺜﻞ اﻟﻔﺌﺎت واﻟﺜﺎ ﻲ رأ ﻳﻤﺜﻞ اﻟﺘﻜﺮار و ﺘﺄﻟﻒ ﻣﻦ ﻋﺪد‬
‫ﻣﻦ اﳌﺴﺘﻄﻴﻼت اﳌﺘﻼﺻﻘﺔ ﻗﻮاﻋﺪ ﺎ ﻃﻮل ﻓﺌﺎت اﻟﺘﻮز ﻊ وارﺗﻔﺎﻋﺎ ﺎ ﺗ ﻨﺎﺳﺐ ﻣﻊ اﻟﺘﻜﺮارات اﳌﻨﺎﻇﺮة ﻟ ﺎ‪.‬‬

‫اﳌﺪرج اﻟﺘﻜﺮاري ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬ ‫اﻟﺘﻜﺮار‬ ‫ﻓﺌﺎت اﻟﻘﺎﻣﺔ اﻟﻄﻼب‬

‫)‪(ni‬‬ ‫)م(‬
‫‪10‬‬
‫‪8‬‬ ‫‪6‬‬ ‫] ‪] 1,60 ; 1,50‬‬
‫اﻟﺘﻜﺮار ‪ni‬‬

‫‪6‬‬
‫‪7‬‬ ‫] ‪] 1,70 ; 1,60‬‬
‫‪4‬‬
‫‪8‬‬ ‫] ‪] 1,80 ; 1,70‬‬
‫‪2‬‬
‫‪0‬‬
‫‪2‬‬ ‫] ‪] 1,90 ; 1,80‬‬
‫‪1,45‬‬ ‫‪1,501,55 1,601,65 1,701,75 1,801,85 1,901,95 2,002,05‬‬
‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬
‫‪1‬‬ ‫] ‪] 2,00 ; 1,90‬‬

‫‪‬اﳌﺪرج اﻟﺘﻜﺮاري ﺣﺎﻟﺔ اﻟﻔﺌﺎت اﻟﻐ ﻣﻨﺘﻈﻤﺔ ‪:‬‬

‫ﺣﺎﻟﺔ ا ﺪاول اﻟﺘﻜﺮار ﺔ ذات ﻓﺌﺎت ﻏ ﻣﻨﺘﻈﻤﺔ ﺗ ﻮن ارﺗﻔﺎﻋﺎت ﻣﺴﺘﻄﻴﻼت اﳌﺪرج اﻟﺘﻜﺮاري ﻏ‬
‫ﻣﺘﻨﺎﺳﺒﺔ ﻣﻊ اﻟﺘﻜﺮار‪ ،‬ﻟﺬﻟﻚ ﻳﺠﺐ ﻌﺪﻳﻞ اﻟﺘﻜﺮار ﻗﺒﻞ رﺳﻢ اﳌﺪرج اﻟﺘﻜﺮاري ﻟﻠﻔﺌﺎت ﻏ اﳌ ﺴﺎو ﺔ ﺣ‬
‫ﻳﺼﺒﺢ اﻟﺘﻜﺮار اﳌﻌﺪل ﻣﺘﻨﺎﺳﺒﺎ ﻣﻊ ارﺗﻔﺎع اﳌﺴﺘﻄﻴﻞ ا ﺎص ﺑﺎﻟﻔﺌﺔ ﻏ ﻣﻨﺘﻈﻤﺔ اﻟﻄﻮل و ﻮن ﺬا‬
‫اﳌﺪرج اﻟﺘﻜﺮاري ﻴﺤﺎ‪ .‬و ﻨﺎك ﻃﺮ ﻘﺘﺎن ﻟﺘﻌﺪﻳﻞ اﻟﺘﻜﺮارات‪.‬‬

‫أن ﻧﻘﺴﻢ اﻟﺘﻜﺮار ﺻ ﻟ ﻞ ﻓﺌﺔ ﻋ ﻃﻮﻟ ﺎ ﻓﻨﺤﺼﻞ ﻋ ﺗﻜﺮار ﻣﻌﺪل‬ ‫اﻟﻄﺮ ﻘﺔ و ‪:‬‬
‫ﻤﻴﻊ اﻟﻔﺌﺎت أي‪:‬‬
‫ﺗﻜﺮار اﻟﻔﺌﺔ‬
‫=‬ ‫اﻟﺘﻜﺮار اﳌﻌﺪل =‬
‫ﻃﻮل اﻟﻔﺌﺔ‬

‫اﻟﻄﺮ ﻘﺔ اﻟﺜﺎﻧﻴﺔ‪ :‬ﻓ ﺗﺘﻢ ﺑﺘﻌﺪﻳﻞ ﺗﻜﺮار اﻟﻔﺌﺎت ﻏ اﳌﻨﺘﻈﻤﺔ ﻓﻘﻂ‪ ،‬و ك اﻟﺘﻜﺮار ﻟﻠﻔﺌﺎت‬
‫اﳌﻨﺘﻈﻤﺔ اﻟﺒﺎﻗﻴﺔ ﻛﻤﺎ ﻮ و ﻌﺪل اﻟﺘﻜﺮار ﻟﻠﻔﺌﺔ ﻏ اﳌﻨﺘﻈﻤﺔ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
 ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪18‬‬

‫×‬ ‫ﺗﻜﺮار اﻟﻔﺌﺔ اﻟﻐ ﻣﻨﺘﻈﻤﺔ × ﻃﻮل اﻟﻔﺌﺔ ﻣﻨﺘﻈﻤﺔ‬

‫=‬ ‫اﻟﺘﻜﺮار اﳌﻌﺪل =‬
‫ﻃﻮل اﻟﻔﺌﺔ اﻟﻐ ﻣﻨﺘﻈﻤﺔ‬

‫‪ -4-2‬اﳌﻀﻠﻊ اﻟﺘﻜﺮاري )‪(Frequency polygon‬‬

‫اﻟﻐﺮض ﻣﻦ اﳌﻀﻠﻌﺎت واﳌﺪرﺟﺎت اﻟﺘﻜ ﺮار ﺔ ﻮ إﻇ ﺎر وﻣﻘﺎرﻧﺔ ﺧﻮاص ﺗﻮز ﻊ اﳌﺘﻐ ات‪ .‬ﺣﻴﺚ ﻳﺘﻢ رﺳﻢ‬
‫اﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﺑﺘﻮﺻﻴﻞ ﻣﻨﺘﺼﻒ )ﻣﺮاﻛﺰ( اﻟﻔﺌﺎت ﻋﻨﺪ ﻗﻤﺔ ﻞ ﻣﺴﺘﻄﻴﻞ ﻣﻦ اﳌﺴﺘﻄﻴﻼت اﳌﺪرج‬
‫اﻟﺘﻜﺮاري )‪ (Histogram‬ﻋﻦ ﻃﺮ ﻖ ﺧﻄﻮط ﻣﺴﺘﻘﻴﻤﺔ ﺛﻢ ﻐﻠﻖ اﳌﻀﻠﻊ ﻣﻦ اﻟﻄﺮﻓ ن وذﻟﻚ ﺑﺘﺼﻮر وﺟﻮد‬
‫ﻓﺌﺔ إﺿﺎﻓﻴﺔ ﺑﺪاﻳﺔ اﻟﺘﻮز ﻊ وﻓﺌﺔ إﺿﺎﻓﻴﺔ آﺧﺮﻩ ﺣﻴﺚ اﻟﺘﻜﺮار ﻞ ﻣ ﻤﺎ ﺴﺎوي ﺻﻔﺮ‪ .‬وﻟﺮﺳﻢ‬
‫ﻣﻀﻠﻊ ﺗﻜﺮاري ﻳﺠﺐ‪:‬‬
‫ﺴﺎوي ﻞ ﻣ ﺎ ﺣﺎﺻﻞ ﺟﻤﻊ ا ﺪ د ﻰ وا ﺪ ﻋ ﻟ ﻞ ﻓﺌﺔ ﻣﻘﺴﻮﻣﺎ‬ ‫أ‪ .‬ﺗﺤﺪﻳﺪ ﻣﺮاﻛﺰ اﻟﻔﺌﺎت اﻟ‬
‫و د ﻰ ﻟ ﻞ ﻓﺌﺔ‬ ‫ﻋ‬ ‫آﺧﺮ ﺣﺴﺎب ﻣﺘﻮﺳﻂ ا ﺪ‬ ‫‪ ،2‬أو ﺑﻤﻌ‬ ‫ﻋ‬
‫‪xsup  xinf ‬‬ ‫‪xsup‬‬ ‫‪‬‬
‫أ ﺎ‬ ‫أﻧﻨﺎ ﻌﺘ‬ ‫‪ . xi ‬و ﺆﺧﺬ ﻣﺮﻛﺰ اﻟﻔﺌﺔ ﺑﻤﻌ‬ ‫‪2‬‬
‫‪‬‬ ‫;‬ ‫‪xinf‬‬ ‫‪ i‬‬

‫ﻗﻴﻤﺔ ﺗﻨﻮب ﺟﻤﻴﻊ اﻟﻘﻴﻢ اﻟ ﺑﺪاﺧﻞ اﻟﻔﺌﺔ‪،‬‬

‫ب‪ .‬إﻳﺼﺎل ﺟﻤﻴﻊ ﻣﺮاﻛﺰ اﻟﻔﺌﺎت ﺑﺒﻌﻀ ﺎ ﺑﻮاﺳﻄﺔ ﺧﻄﻮط ﻣﺴﺘﻘﻴﻤﺔ ﻋﻨﺪ ﻗﻤﻢ ﻣﺴﺘﻄﻴﻼت اﳌﺪرج‬
‫اﻟﺘﻜﺮاري‬
‫ً‬
‫ج‪ .‬وأﺧ ا ﻐﻠﻖ اﳌﻀﻠﻊ ﻣﻊ ﻣﺤﻮر اﻟﻔﺌﺎت و ﺬا ﺑﻮﺿﻊ ﻧﻘﻄﺔ ﻋ ﻣﺤﻮر اﻟﻔﺌﺎت ﺴﺎر ا ﺪ د ﻰ ﻟﻠﻔﺌﺔ‬
‫و ﻋ ﻌﺪ ﺴﺎوي ﻧﺼﻒ ﻃﻮل اﻟﻔﺌﺔ‪ ،‬ﺛﻢ ﻧﺼﻞ ﺬﻩ اﻟﻨﻘﻄﺔ ﺑﺨﻂ ﻣﺴﺘﻘﻴﻢ ﺑﺎﻟﻨﻘﻄﺔ اﳌﺠﺎورة‬
‫ﻋﻨﺪ ﻣﻨﺘﺼﻒ ﻗﻤﺔ ﻣﺴﺘﻄﻴﻞ اﻟﻔﺌﺔ و ‪ .‬و ﻄﺮ ﻘﺔ ﻣﻤﺎﺛﻠﺔ ﻧﻀﻊ ﻧﻘﻄﺔ ﻋ ﻣﺤﻮر اﻟﻔﺌﺎت ﻳﻤ ن ا ﺪ‬
‫ﻋ ﻟﻠﻔﺌﺔ ﺧ ة ﺗﺒﻌﺪ ﻣﺴﺎﻓﺔ ﻧﺼﻒ ﻃﻮل اﻟﻔﺌﺔ ﺛﻢ ﻧﻮﺻﻠ ﺎ ﺑﺎﻟﻨﻘﻄﺔ اﻟ ﻋﻨﺪ ﻣﻨﺘﺼﻒ ﻗﻤﺔ‬
‫ﻣﺴﺘﻄﻴﻞ اﻟﻔﺌﺔ ﺧ ة‪.‬‬
‫اﳌﺪرج واﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬ ‫ﻣﺮاﻛﺰ‬
‫اﻟﺘﻜﺮار‬ ‫ﻓﺌﺎت اﻟﻘﺎﻣﺔ‬
‫اﻟﻔﺌﺎت‬
‫‪10‬‬ ‫)‪(ni‬‬ ‫اﻟﻄﻼب )م(‬
‫)‪(xi‬‬
‫‪8‬‬

‫‪6‬‬ ‫‪1,55‬‬ ‫] ‪] 1,60 ; 1,50‬‬

‫اﻟﺘﻜﺮار ‪ni‬‬

‫‪6‬‬

‫‪4‬‬ ‫‪7‬‬ ‫‪1,65‬‬ ‫] ‪] 1,70 ; 1,60‬‬

‫‪2‬‬ ‫‪8‬‬ ‫‪1,75‬‬ ‫] ‪] 1,80 ; 1,70‬‬
‫‪0‬‬
‫‪1,45‬‬ ‫‪1,55‬‬ ‫‪1,65‬‬ ‫‪1,75‬‬ ‫‪1,85‬‬ ‫‪1,95‬‬ ‫‪2,05‬‬
‫‪2‬‬ ‫‪1,85‬‬ ‫] ‪] 1,90 ; 1,80‬‬
‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬ ‫‪1‬‬ ‫‪1,95‬‬ ‫] ‪] 2,00 ; 1,90‬‬

‫ﻛﻤﺎ ﻳﺤﻴﻞ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري إ ﻣﺎ ﺴ ﺑﺎﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﻤ ﺪ ‪ frequency curve‬و ﻮ ﻣﻨﺤ ﻧﺎﻋﻢ‬
‫ً‬ ‫ً‬
‫ﻳﻤ ﺪ ﻳﺪو ﺎ ﻣﺎرا ﺑﺒﻌﺾ اﻟﻨﻘﻂ وﻗﺮ ﺒﺎ ﻣﻦ اﻟﺒﻌﺾ ﺧﺮ‪ ،‬ﻷن اﻟ ﺪف ﻣﻦ رﺳﻤﮫ ﻮ ﻣﺤﺎوﻟﺔ اﺳﺘﻜﺸﺎف‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪19‬‬

‫اﳌﺠﺘﻤﻊ اﻟﺬى أﺧﺬت ﻣﻨﮫ اﻟﻌﻴﻨﺔ وﻣﻦ اﻟﻮا أن ﻋﻤﻠﻴﺔ اﻟﺘﻤ ﻴﺪ ﻠﻤﺎ‬ ‫ﺗﺠﺎﻩ اﻟﻌﺎم ﻟﺘﻮز ﻊ اﳌﺘﻐ‬
‫ﻢ اﻟﻌﻴﻨﺔ وﺻﻐﺮت أﻃﻮال اﻟﻔﺌﺎت ﻠﻤﺎ اﻗ ب اﳌﻀﻠﻊ اﻟﺘﻜ ﺮاري ﻣﻦ اﳌﻨﺤ اﻟﺘﻜﺮاري‪.‬‬ ‫ﻛ‬

‫‪‬اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﻤ ﺪ )‪(Smooth Frequency Curve‬‬

‫ً‬
‫ﻳﺘﻢ رﺳﻢ اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﻤ ﺪ ﺑﺘﻤ ﻴﺪ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري وﻣﺤﺎوﻟﺔ اﳌﺮور ﺑﺄﻏﻠﺐ ﻧﻘﺎﻃﮫ ﻲ ﻳﺄﺧﺬ ﺷﻜﻼ‬
‫ً‬
‫ﺴﻴﺎﺑﻴﺎ‪.‬‬ ‫ا‬
‫اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﻤ ﺪ ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬
‫‪9‬‬
‫‪8‬‬
‫‪7‬‬
‫‪6‬‬
‫اﻟﺘﻜﺮار ‪ni‬‬

‫‪5‬‬
‫‪4‬‬
‫‪3‬‬
‫‪2‬‬
‫‪1‬‬
‫‪0‬‬
‫‪1,45‬‬ ‫‪1,55‬‬ ‫‪1,65‬‬ ‫‪1,75‬‬ ‫‪1,85‬‬ ‫‪1,95‬‬ ‫‪2,05‬‬

‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬

‫‪ -5-2‬اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )‪(Ogive‬‬

‫اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ) ‪ (Ogive‬ﻮ ﻣﻨﺤ ﻳﻤﺜﻞ اﻟﺘﻮز ﻊ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ) ‪Cumulative frequency‬‬
‫‪ .(distribution‬ﻳﺘﻢ ذﻟﻚ أوﻻ ﺑﺘﺤﺪﻳﺪ اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ أو اﻟ ﺴ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻋ اﳌﺤﻮر‬
‫اﻟﺮأ )‪ (y-axis‬وﺛﺎﻧﻴﺎ ﺑﺮﺳﻢ ﻧﻘﻄﺔ ﺗﻤﺜﻞ ﺗﻘﺎﻃﻊ ا ﺪ ﻋ ﻟﻠﻔﺌﺔ ﻋ اﳌﺤﻮر ﻓﻘﻲ )‪ (x-axis‬ﻣﻊ‬
‫ﺗﻜﺮار ﺎ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻋ اﳌﺤﻮر اﻟﺮأ ‪ .‬أي أن ﺣﺪاﺛﻴﺎت ﻓﻘﻴﺔ ﻟﻠﻨﻘﻂ ا ﺪود اﻟﻌﻠﻴﺎ‬
‫ﻟﻠﻔﺌﺎت و ﺣﺪاﺛﻴﺎت اﻟﺮاﺳﻴﺔ اﻟﺘﻜﺮارات اﳌﺘﺠﻤﻌﺔ اﳌﻄﻠﻘﺔ أو اﻟ ﺴ ﻴﺔ أو اﳌﺌﻮ ﺔ اﳌﻨﺎﻇﺮة‪.‬‬
‫اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬ ‫اﻟﺘﻜﺮار‬
‫اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬ ‫ﻓﺌﺎت اﻟﻘﺎﻣﺔ‬
‫‪25‬‬
‫اﻟﺼﺎﻋﺪ‬ ‫)‪(ni‬‬ ‫اﻟﻄﻼب )م(‬
‫اﻟﺘﻜﺮار اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ‪Ni‬‬

‫‪20‬‬
‫‪N i‬‬
‫‪15‬‬

‫‪10‬‬
‫‪6‬‬ ‫‪6‬‬ ‫] ‪] 1,60 ; 1,50‬‬
‫‪5‬‬
‫‪13‬‬ ‫‪7‬‬ ‫] ‪] 1,70 ; 1,60‬‬
‫‪0‬‬
‫‪21‬‬ ‫‪8‬‬ ‫] ‪] 1,80 ; 1,70‬‬
‫‪1,50‬‬ ‫‪1,60‬‬ ‫‪1,70‬‬ ‫‪1,80‬‬ ‫‪1,90‬‬ ‫‪2,00‬‬
‫‪23‬‬ ‫‪2‬‬ ‫] ‪] 1,90 ; 1,80‬‬
‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬
‫‪24‬‬ ‫‪1‬‬ ‫] ‪] 2,00 ; 1,90‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ ‪-‬ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت _____ ‪20‬‬

‫‪ -6-2‬اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﻨﺎزل‬

‫اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﻨﺎزل ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬ ‫اﻟﺘﻜﺮار‬
‫اﻟﺘﻜﺮار‬ ‫ﻓﺌﺎت اﻟﻘﺎﻣﺔ‬
‫اﳌﺘﺠﻤﻊ اﻟﻨﺎزل‬
‫‪25‬‬ ‫)‪(ni‬‬ ‫اﻟﻄﻼب )م(‬
‫‪Ni ‬‬
‫اﻟﺘﻜﺮاراﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ‪Ni‬‬

‫‪20‬‬

‫‪15‬‬ ‫‪24‬‬ ‫‪6‬‬ ‫] ‪] 1,60 ; 1,50‬‬

‫‪10‬‬ ‫‪18‬‬ ‫‪7‬‬ ‫] ‪] 1,70 ; 1,60‬‬
‫‪5‬‬ ‫‪11‬‬ ‫‪8‬‬ ‫] ‪] 1,80 ; 1,70‬‬
‫‪0‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫] ‪] 1,90 ; 1,80‬‬
‫‪1,50‬‬ ‫‪1,60‬‬ ‫‪1,70‬‬ ‫‪1,80‬‬ ‫‪1,90‬‬ ‫‪2,00‬‬

‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫] ‪] 2,00 ; 1,90‬‬

‫وﻣﻦ اﳌﻨﺤﻨﻴﺎت اﻟﺘﻜﺮارات اﳌﺘﺠﻤﻌﺔ ﺴﺘﻄﻴﻊ ﺟﺎﺑﺔ ﻨﺪﺳﻴﺎ إﺟﺎﺑﺔ ﺗﻘﺮ ﻴﺔ و ﻌﻤﻠﻴﺎت ﺣﺴﺎﺑﻴﺔ ﺴﻴﻄﺔ‬
‫ﻋﻦ ﻌﺾ ﺳﺌﻠﺔ اﻟ ﺗﺘﻤﺜﻞ ﻣﻌﺮﻓﺔ ﻋﺪد أو ﺴﺒﺔ اﳌﻔﺮدات اﻟ ﻟ ﺎ ﻗﻴﻢ أﻗﻞ ﻣﻦ ﺣﺪ ﻣﺎ أو ﻣﻌﺮﻓﺔ‬
‫ﻗﻴﻤﺔ اﳌﺘﻐ اﻟ ﺗﻤﺜﻞ ﺗﻜﺮار ﻣﺘﺠﻤﻊ ﻣﻌ ن‪ .‬ﻛﻤﺎ ﻧﺘﻤﻜﻦ ﺑﻨﻔﺲ اﻟﻄﺮ ﻘﺔ أن ﻧﻮﺟﺪ ﺗﻘﺮ ﺒﺎ ﻣﺎ ﺴ‬
‫ﺑﺎﻟﺮﻴﻌﺎت واﳌﺌ ﻨﺎت و أﻋﺪاد ﺴﺘﺨﺪم وﺻﻒ اﻟﺘﻮز ﻌﺎت واﻟ ﺳﻮف ﻧﺘﻄﺮق ﻟ ﺎ ﻻﺣﻘﺎ اﳌﻘﺎﻳ ﺲ‬
‫اﳌﻮﺿﻌﻴﺔ‪.‬‬

‫‪ -7-2‬اﳌﻨﺤ اﻟﺴﻠﻤﻲ )‪(Ladder curve‬‬

‫ﺴﺘﻌﻤﻞ ﺎ اﻟﻨﻮع ﻣﻦ اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ ﻟﻌﺮض اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ أو اﻟ ﺴ ﺣ ن ﻳﺘﻌﻠﻖ ﻣﺮ‬
‫ﺑﻤﺘﻐ ﻛ ﻣﻨﻔﺼﻞ )ﻣﺘﻘﻄﻊ( ﻣﺮﺗﺐ ﺟﺪول ﺗﻜﺮاري ﻟﻘﻴﻢ ﻓﺮدﻳﺔ‪ .‬و ﻮ ﻋﺒﺎرة ﻋ ﻣﻨﺤ ﺸ ﻞ ﺳﻠﻢ‬
‫أﻳﻦ ﻌ ﻞ ﺧﻄﻮة ﻣﻨﮫ ﻋ اﻟﺘﻜﺮار اﻟ اﻛ اﳌﻘﺎﺑﻞ ﻟﻘﻴﻤﺔ اﳌﺘﻐ ‪.‬‬
‫أداء اﳌﻘﺪم‬ ‫ﺟﺪول اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري اﳌﻄﻠﻖ واﻟ ﺴ واﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ واﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ ﻟﺮأي اﻟﺸﺒﺎب‬
‫ا ﺪﻳﺪ اﻟ ﻧﺎﻣﺞ اﻟﺘﻠﻔﺰ ﻮ ﻲ‪.‬‬
‫اﻟﺘﻜﺮار‬ ‫اﻟﻔﺌﺔ‬
‫‪20‬‬ ‫اﻟﺘﻜﺮار‬
‫‪18‬‬ ‫اﳌﺘﺠﻤﻊ‬
‫‪16‬‬
‫اﳌﻄﻠﻖ‬
‫اﻟﺼﺎﻋﺪ‬
‫‪14‬‬ ‫‪ni‬‬
‫‪12‬‬ ‫↑‪Ni‬‬
‫‪10‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪ ) 1‬ﻣﻤﺘﺎز(‬
‫‪8‬‬
‫‪6‬‬ ‫‪11‬‬ ‫‪5‬‬ ‫‪) 2‬ﻓﻮق اﳌﺘﻮﺳﻂ(‬
‫‪4‬‬ ‫‪14‬‬ ‫‪3‬‬ ‫‪) 3‬ﻣﺘﻮﺳﻂ(‬
‫‪2‬‬
‫‪0‬‬ ‫‪18‬‬ ‫‪4‬‬ ‫‪) 4‬ﺗﺤﺖ اﳌﺘﻮﺳﻂ(‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪20‬‬ ‫‪2‬‬ ‫‪) 5‬ﺿﻌﻴﻒ(‬
‫‪20‬‬ ‫اﳌﺠﻤﻮع‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪21‬‬

‫ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬
‫‪The Data Summarizing‬‬
‫ﺗﻤ ﻴﺪ‬
‫رأﻳﻨﺎ ﺳﺎﺑﻘﺎ ﻛﻴﻔﻴﺔ ﺗﻨﻈﻴﻢ وﻋﺮض اﻟﺒﻴﺎﻧﺎت ﺣﺼﺎﺋﻴﺔ ﺟﺪاول ﺗﻜﺮار ﺔ أو رﺳﻮم ﺑﻴﺎﻧﻴﺔ‪ ،‬ﺪف‬
‫ا ﺼﻮل ﺟﻌﻠ ﺎ أﻛ ﻃﻮاﻋﻴﺔ ﻟﻠﺪراﺳﺔ واﻟﺘﺤﻠﻴﻞ وﻗﺪ ﻳﻜﺸﻒ ﻋﻦ ﻌﺾ اﻟﺼﻔﺎت اﻟﺒﺎرزة أو ا ﺼﺎﺋﺺ‬
‫ً‬
‫اﻟﻌﺎﻣﺔ ﺴﺎﻋﺪ ﻋ ﻓ ﻤ ﺎ وﺗﺤﻠﻴﻠ ﺎ إﺣﺼﺎﺋﻴﺎ ﻟﻠﺘﻌﺮف ﻋﻠ ﺎ ووﺻﻔ ﺎ وﻣﻘﺎرﻧ ﺎ ﻐ ﺎ ﻣﻦ اﻟﻈﻮا ﺮ‪ .‬وﻗﺪ‬
‫ﻳ ﻮن ﺬا اﻟﻌﻤﻞ ﻏ ﺎ وﻏ دﻗﻴﻖ ﻟ ﺮوج ﺑﺒﻌﺾ اﳌﺪﻟﻮﻻت ﺣﺼﺎﺋﻴﺔ ﻋﻦ ﻣﺠﺘﻤﻊ اﻟﺪراﺳﺔ‪ ،‬وﻋﻠﻴﮫ‬
‫ﻓﺈﻧﮫ ﻣﻦ ﻓﻀﻞ اﻟ ﻮء إ ﻃﺮق اﻟﻘﻴﺎس اﻟﻜ ‪ ،‬ﺣﻴﺚ ﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ اﻟﻄﺮ ﻘﺔ اﻟﺮ ﺎﺿﻴﺔ‬
‫اﻟﻘﻴﺎس‪ .‬ﻟﺬﻟﻚ ﻳﺠﺐ أن ﻳ ﻮن ﻟﺪﻳﻨﺎ ﻣﻘﺎﻳ ﺲ ﻋﺪدﻳﺔ أﻛ دﻗﺔ ﺗﺼﻒ وﺗ ﺺ ﻟﻨﺎ ﺬﻩ اﻟﺒﻴﺎﻧﺎت اﻟ ﺗﻔﺴﺮ‬
‫ﺗﻮز ﻊ ﳌﺘﻐ ﻣﺪون ﺟﺪول ﺗﻜﺮاري‪ .‬وﻟ ﺬا ﻧﺘﻌﺮض إ ﻧﻮع ﻣ ﻢ ﻣﻦ اﳌﻘﺎﻳ ﺲ ﺣﺼﺎﺋﻴﺔ ﺗﻤﻜﻨﻨﺎ ﻣﻦ‬
‫ً‬
‫وﺻﻒ اﳌﺘﻐ ﻣﻮﺿﻮﻋﻴﺎ ﻣﻦ ﺣﻴﺚ ﻋﺪة ﺟﻮاﻧﺐ أ ﻤ ﺎ‪:‬‬
‫‪ ( 1‬اﻟ ﻋﺔ اﳌﺮﻛﺰى‪Central Tendency ---‬‬
‫‪ ( 2‬اﻟ ﺸ ﺖ‪Dispersion ---‬‬
‫‪ ( 3‬ﻟﺘﻮاء‪Skewness ---‬‬
‫‪ ( 4‬اﻟﺘﻔﺮﻃﺢ‪Kurtosis ---‬‬
‫ﺣﻴﺚ ﺘﻢ ﺑﺄ ﻢ ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ واﻟ ﺗﺪرس ﺗﻤﺮﻛﺰﺗﻮز ﻊ اﳌﺸﺎ ﺪات ﻣﻦ ﺣﻮﻟ ﺎ واﻟ ﺑﺎﻹﻣ ﺎن أن‬
‫ﺗ ﺼ ﺎ وﺗﻨﻮب ﻋ ﺎ‪ .‬ﺗﻠ ﺎ دراﺳﺔ ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ اﻟ ﺴﺘﻄﻠﻊ ﻋﻦ ﻣﺪى اﻧﺤﺮاف ﻗﻴﻢ اﳌﺘﻐ ﺑﺎﻟ ﺴﺒﺔ‬
‫ا ﻌﻀ ﺎ و ﺎﻟ ﺴﺒﺔ ﻟﻠﻘﻴﻢ اﻟﻮﺳﻄﻰ وأﺧ ا ﻧﺘﻄﺮق ﻟﻠﻤﻘﺎﻳ ﺲ اﻟﺸ ﻠﻴﺔ ﺗﻜﻤﻴﻼ ﻟﻠﺪراﺳﺔ اﻟﻮﺻﻔﻴﺔ‬
‫ﻟﻠﺒﻴﺎﻧﺎت واﻟ ﺗﺄﺧﺬ ﻌﺪا ﻣﻈ ﺮي ﻟﻮﺻﻒ ﺗﻮز ﻌﺎ ﺎ‪.‬‬

‫ﻌﺮ ﻒ رﻣﺰ اﻟﺘﺠﻤﻴﻊ ∑ وا ﺪا ∏‬

‫ﺴﺘﺤﺴﻦ ﺑﺪاﻳﺔ اﻟﺘﻄﺮق ﻟﺒﻌﺾ اﻟﻌﻼﻗﺎت اﻟ ﺴﺘﻌﻤﻞ رﻣﺰ اﻟﺘﺠﻤﻴﻊ وا ﺪاء واﻟ ﻗﺪ ﺗ ﻮن ﻣﻔﻴﺪة‬
‫إﺛﺒﺎت ﻌﺾ ا ﺼﺎﺋﺺ ﻟﺒﻌﺾ اﳌﻘﺎﻳ ﺲ اﳌﺨﺘﻠﻔﺔ ‪ .‬ﻛﻤﺎ ﺴﺘﺨﺪم ﺬﻩ ا ﺼﺎﺋﺺ ﻟﺘ ﺴﻴﻂ أو ﺸﺮ‬
‫ﻋﺒﺎرات ﺸﻤﻞ رﻣﺰ اﻟﺘﺠﻤﻴﻊ‪ .‬وﻋﻠﻴﮫ إذا ﺎن ﻟﻠﻤﺘﻐ ﻳﻦ ‪ x‬و ‪ y‬ﻋ اﻟﺘﻮا اﳌﺸﺎ ﺪات )‪(x1, x2, …, xn‬‬
‫واﻟﻘﻴﻢ )‪ (y1, y2, …, yk‬ﻋ اﻟﺘﻮا وﻣﻘﺪاﻦر ﺛﺎﺑﺘ ن ﺣﻘﻴﻘﻴ ن ‪ a‬و ‪ b‬ﻓﺈﻧﮫ ﻳﻤﻜﻦ اﻟﺘﻌﺒ ﻋﻦ ﻌﺾ‬
‫أﺷ ﺎل ﺣﺎﺻﻞ ﺟﻤﻊ وﺟﺪاء ﺬﻩ اﳌﺸﺎ ﺪات ﻛﻤﺎ ﻳ ‪:‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ xi  x1  x2    xn‬‬ ‫;‬ ‫‪b  b  b   b  n  b‬‬ ‫;‬ ‫‪ axi  ax1  ax2    axn  ax1  x2    xn   a xi‬‬
‫‪i1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ xi  yi   x1  y1   x2  y2     xn  yn   x1  x2    xn   y1  y2    yn    xi   yi‬‬
‫‪i1‬‬ ‫‪i 1‬‬ ‫‪i1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ xi  x1  x2    xn‬‬ ‫;‬ ‫‪ b  b  b   b  b n‬‬ ‫;‬ ‫‪ axi  ax1  ax2    axn  a n  xi‬‬
‫‪i 1‬‬ ‫‪i1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪22‬‬

‫‪ - 1‬ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ ‪MEASURES OF CENTRAL TENDENCY‬‬

‫و ﻮ ﻧﻮع ﻣ ﻢ ﻣﻦ اﳌﻘﺎﻳ ﺲ ﺣﺼﺎﺋﻴﺔ ﺴ ﻣﻘﺎﻳ ﺲ اﳌﻮﺿﻊ أو اﳌﺘﻮﺳﻄﺎت‪ .‬و ﻣﻘﺎﻳ ﺲ ﻋﺪدﻳﺔ ﻌ ن‬
‫ﻣﻮﻗﻊ اﻟﺘﻮز ﻊ‪ ،‬و ﻣ ﻤﺔ ﺣﺎﻟﺔ اﳌﻘﺎرﻧﺔ ﺑ ن اﻟﺘﻮز ﻌﺎت اﳌﺨﺘﻠﻔﺔ ﺑﻮﺟﮫ ﻋﺎم‪ .‬وﺗ ﻮن ﻓﺎﺋﺪ ﺎ أﻛ‬
‫ﺣﺎﻟﺔ اﻟﺘﻮز ﻌﺎت اﳌ ﺸﺎ ﺔ ﻃﺒﻴﻌ ﺎ وأﺷ ﺎﻟ ﺎ وﻟﻜ ﺎ ﻣﺨﺘﻠﻔﺔ ﻣﻮاﻗﻌ ﺎ‪ .‬وﻧﻈﺮا ن ﻣﺜﻞ ﺬﻩ اﻟﻘﻴﻤﺔ‬
‫ﺗﻤﻴﻞ إ اﻟﻮﻗﻮع اﳌﺮﻛﺰ داﺧﻞ ﻣﺠﻤﻮﻋﺔ اﻟﺒﻴﺎﻧﺎت ﻟﺬﻟﻚ ﻟﻘﺒﺖ ﺬﻩ اﻟﻘﻴﻤﺔ ﺑﺎﻟﻘﻴﻤﺔ اﳌﺘﻮﺳﻄﺔ أو‬
‫ﻣﻘﻴﺎس اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ‪ ،‬واﻟ ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣ ﺎ ﻟﺘﻤﺜﻴﻞ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت‪ ،‬ﻣﻌﺘ ﻳﻦ ﺑﻮﺟﻮد ﻋﺪة‬
‫أﺳﺲ ﻟﺘﺤﺪﻳﺪ اﻟﻘﻴﻤﺔ اﳌﺘﻮﺳﻄﺔ‪ .‬وﳌﺎ ﺎن ﺬا اﳌﻘﻴﺎس ﻳﺨﺘﻠﻒ ﺗﺮﻛﻴﺒﮫ ﺑﺤﺴﺐ ﻃﺒﻴﻌﺔ اﻟﺒﻴﺎﻧﺎت‬
‫واﻟ ﺪف ﻣﻦ دراﺳ ﺎ ﻓﻘﺪ ﻧﺠﺪ ﻋﺪة ﺻﻮر ﻟ ﺬﻩ اﻟﻘﻴﻤﺔ أ ﻤ ﺎ وأﻛ ﺎ ﺷﻴﻮﻋﺎ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‪،‬‬
‫واﻟﻮﺳﻴﻂ‪ ،‬واﳌﻨﻮال‪ ،‬واﻟﻮﺳﻂ اﻟ ﻨﺪ ‪ ،‬واﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‪ ،‬وﻟ ﻞ ﻣ ﻢ ﻣﺰاﻳﺎ وﻋﻴﻮب و ﻌﺘﻤﺪ ﻋ‬
‫اﻟﺒﻴﺎﻧﺎت وﻋ اﻟ ﺪف ﻣﻦ اﻟﺪراﺳﺔ‪.‬‬

‫)‪(Arithmetic Mean‬‬ ‫‪X‬‬ ‫‪ -1-1‬اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬

‫ا ﻴﺎة اﻟﻌﻤﻠﻴﺔ ﺧﺎﺻﺔ‬ ‫ﻌﺘ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻣﻦ أ ﻢ ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ و ﻛ اﺳﺘﺨﺪاﻣﺎ‬

‫اﳌﻘﺎرﻧﺔ ﺑ ن اﻟﻈﻮا ﺮاﳌﺨﺘﻠﻔﺔ‪.‬‬

‫‪ .i‬ﻃﺮق ﺣﺴﺎب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‪:‬‬

‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت ﻏ اﳌﺒﻮ ﺔ‪ :‬ﻳﺘﻢ ﺣﺴﺎﺑﮫ ﻛﻤﺎ ﻳ‬
‫ﻣﺠﻤﻮع اﻟﻘﻴﻢ‬
‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ =‬
‫ﻋﺪد اﻟﻘﻴﻢ‬
‫‪n‬‬
‫‪ xi‬‬ ‫‪x1  x2  ...  xn‬‬
‫‪X‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫وﺗ ﻮن اﻟﺼﻴﻐﺔ اﻟﺮ ﺎﺿﻴﺔ ﻟﻠﻮﺳﻂ ‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪4‬‬ ‫ﻢ ‪ 4 = n‬ﻗﻴﻢ اﳌﺘﻐ ‪2 :‬‬ ‫ﻣﺜﺎل‪ :‬ﻋﻴﻨﺔ ذات ا‬
‫‪4‬‬
‫‪ xi‬‬ ‫‪2  4  6  8 20‬‬
‫‪i 1‬‬
‫‪X ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪5‬‬
‫‪n‬‬ ‫‪4‬‬ ‫‪4‬‬

‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‪ :‬ﻳﺘﻢ ﺣﺴﺎب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻟﺒﻴﺎﻧﺎت ﻣﺒﻮ ﺔ ﺸ ﻞ ﺟﺪاول ﺗﻜﺮار ﺔ‬
‫ﻋ ﺷ ﻞ ﻓﺌﺎت ﻋ أﻧﮫ ﻣﺠﻤﻮع ﺣﺎﺻﻞ ﺿﺮب ﻣﺮﻛﺰ ﻞ ﻓﺌﺔ اﻟﺘﻜ ﺮار اﳌﻨﺎﻇﺮ ﻟﮫ ﻣﻘﺴﻮﻣﺎ ﻋ ﻣﺠﻤﻮع‬
‫اﻟﺘﻜﺮارات‪ ،‬ﻧﺬﻛﺮ ﺑﺄﻧﮫ ﻳﺘﻢ إﻳﺠﺎد ﻣﺮاﻛﺰ اﻟﻔﺌﺎت ﺑﺤﺴﺎب ﻣﺘﻮﺳﻂ ا ﺪ ﻋ و د ﻰ ﻟ ﻞ ﻓﺌﺔ أي‪:‬ﻟ ﻞ‬
‫‪xi ‬‬
‫‪xsup  xinf ‬‬ ‫‪‬‬ ‫‪xsup‬‬ ‫;‬ ‫‪xinf‬‬ ‫‪‬‬ ‫ﻓﺌﺔ ‪ i‬‬
‫‪2‬‬

‫ﻌ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﺑﺎﻟﺼﻴﻎ اﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫وﺳﻮى اﺳﺘﻌﻤﻠﻨﺎ اﻟﺘﻜﺮاراﳌﻄﻠﻖ أو اﻟ ﺴ‬

‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪23‬‬

‫‪k‬‬
‫‪ ni xi‬‬ ‫‪n1 x1  n2 x2    nk xk‬‬
‫‪X ‬‬ ‫‪i 1‬‬
‫‪N‬‬
‫‪‬‬
‫‪N‬‬
‫ﺑﺎﺳﺘﻌﻤﺎل اﻟﺘﻜﺮاراﳌﻄﻠﻖ‬
‫‪k‬‬
‫‪X   f i xi  f1 x1  f 2 x2    f k xk‬‬ ‫أو ﺑﺎﺳﺘﻌﻤﺎل اﻟﺘﻜﺮاراﻟ ﺴ‬
‫‪i1‬‬

‫ﻧﺮﻣﺰ ﻨﺎ ﻟـ‪:‬‬
‫‪ = xi‬ﻣﺮﻛﺰاﻟﻔﺌﺔ ‪i‬؛‬
‫‪ = fi‬اﻟﺘﻜﺮاراﻟ ﺴ ﻟﻠﻔﺌﺔ ‪ i‬؛‬ ‫‪ = ni‬اﻟﺘﻜﺮاراﳌﻄﻠﻖ ﻟﻠﻔﺌﺔ ‪i‬‬
‫‪ = N‬ﻣﺠﻤﻮع اﻟﺘﻜﺮارات؛‬
‫‪ = k‬ﻋﺪد اﻟﻔﺌﺎت‪.‬‬

‫ﻣﺜﺎل )‪ :(2‬ﺣﺴﺎب ﻣﺘﻮﺳﻂ أﻋﻤﺎر اﻟﺒﻴﺎﻧﺎت اﻟﺘﺎﻟﻴﺔ ﻟﺘﻼﻣﻴﺬ اﻟﻨﺎدي اﳌﻮﺳﻴﻘﻲ‪:‬‬

‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬ ‫ﻣﺮاﻛﺰ اﻟﺘﻜﺮار ‪ni x xi‬‬ ‫اﻟﻔﺌﺎت ﻋﻤﺎر‬
‫)‪(ni‬‬ ‫اﻟﻔﺌﺎت‬
‫‪5‬‬
‫‪ ni xi 184‬‬ ‫)‪(xi‬‬
‫‪i 1‬‬
‫‪X ‬‬ ‫‪‬‬ ‫ﺳﻨﺔ ‪ 9 ,2‬‬ ‫‪11‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪N‬‬ ‫‪20‬‬
‫‪37,5‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪76‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪46‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪13,5‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪184‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻋﻴﻮب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬ ‫ﻣﺰاﻳﺎ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬

‫ﻳﺘﺄﺛﺮ ﺑﺎﻟﻘﻴﻢ اﻟﺸﺎذة )اﳌﺘﻄﺮﻓﺔ(‬ ‫اﻟﺴ ﻞ ﺣﺴﺎب و ﻨﺎﺳﺐ ﻟ ﺴﺎﺑﺎت ا ﻳﺔ‬
‫ﺸﻮﻩ اﻟﺘﻮز ﻌﺎت ﻏ ﻣﺘﺠﺎ ﺴﺔ‬ ‫ﻳﺄﺧﺬ ﻋﺘﺒﺎر ﺟﻤﻴﻊ اﻟﻘﻴﻢ ﻣﺤﻞ اﻟﺪراﺳﺔ‬
‫ﻳﺼﻌﺐ ﺣﺴﺎﺑﮫ ﺣﺎﻟﺔ ا ﺪاول اﻟﺘﻜﺮار ﺔ اﳌﻔﺘﻮﺣﺔ‬ ‫ﻳﻠ ﻣﺒﺪأ اﳌﺮ ﻌﺎت اﻟﺼﻐﺮى‪:‬‬
‫‪-‬أﺻﻐﺮ ﺧﻄﺄ‬
‫ﻣﻮﺛﻮق ﺣ ﻣﻊ وﺟﻮد ‪ n‬ﺻﻐ‬ ‫‪-‬‬

‫‪ .ii‬ﻌﺾ ﺧﺼﺎﺋﺺ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‪:‬‬

‫ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﺎﺷﺮة أو اﻟﺒﻴﺎﻧﺎت‬ ‫ﺳﻮف ﻌﺮض ﻌﺾ ﺧﺼﺎﺋﺺ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ وذﻟﻚ‬
‫اﳌﺒﻮ ﺔ‪.‬‬

‫ي ﻻﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ ﺴﺎوى ﺻﻔﺮ‪.‬‬ ‫ا ﺎﺻﻴﺔ و ‪:‬اﳌﺠﻤﻮع ا‬

‫‪k‬‬
‫) ‪ ni ( xi  X‬‬
‫‪i 1‬‬
‫‪0‬‬
‫‪N‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪24‬‬

‫‪k‬‬
‫ﺛﺒﺎت‪:‬‬
‫‪ni  N‬‬ ‫)‪ (1‬‬
‫‪i1‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬ ‫‪k ‬‬
‫‪k‬‬ ‫‪k‬‬
‫‪ni ‬‬
‫‪ni( xi  X ) nixi ni X ni xi ni X‬‬ ‫‪X‬‬‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪i1 ‬‬
‫‪i1‬‬ ‫‪i1‬‬ ‫‪i1‬‬ ‫‪i1‬‬ ‫‪i1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪X‬‬ ‫)‪ X  X  0  ( 2‬‬
‫‪N‬‬ ‫‪N‬‬ ‫‪N‬‬ ‫‪N‬‬ ‫‪N‬‬

‫ا ﺎﺻﻴﺔ ‪: 2‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xk‬ﻓﺈذا أﺿﻔﻨﺎ أو ﻃﺮﺣﻨﺎ ﻣﻦ اﻟﻘﻴﻢ ﺻﻠﻴﺔ‬
‫ﺛﺎﺑﺖ ‪ b‬ﻓﺈن ﻧﺤﺮاﻓﺎت اﻟﻨﺎﺗﺠﺔ )‪ (y1, y2, …, yk‬ﺣﻴﺚ‪yi = xi ± b :‬‬ ‫ﻟﻠﻤﺘﻐ ﻣﻘﺪار‬
‫‪i = 1, 2, …, k‬‬

‫‪= ̅±‬‬ ‫ﻌﻄﻰ اﳌﺘﻮﺳﻂ ﺎﻟﺘﺎ ‪:‬‬

‫‪≡ yi = x i ± b‬‬ ‫‪i = 1, 2, …, k‬‬ ‫ﺛﺒﺎت‪:‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪‬‬ ‫‪ yi   xi  b   xi   b   xi  nb‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪k‬‬ ‫‪k‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬
‫‪n‬‬
‫‪ yi  n  xi  b‬‬ ‫‪ y  xb‬‬
‫‪i 1‬‬ ‫‪i 1‬‬

‫ا ﺎﺻﻴﺔ ‪: 3‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xk‬ﻓﺈذا ﺿﺮﻨﺎ ﺬﻩ اﳌﺸﺎ ﺪات ﻣﻘﺪار‬
‫ﺛﺎﺑﺖ ﺣﻘﻴﻘﻲ ‪ a‬ﻟ ﺼﻮل ﻋ اﻟﻘﻴﻢ )‪ (y1, y2, …, yk‬ﺣﻴﺚ‪. i = 1, 2, …, k…yi = axi :‬‬
‫ﻣﻀﺮو ﺎ ‪ a‬أي أن‪:‬‬ ‫ﺴﺎوى اﳌﺘﻮﺳﻂ‬ ‫ﻓﺈن ﻣﺘﻮﺳﻂ اﻟﻘﻴﻢ ا ﺪﻳﺪة‬

‫‪y  ax‬‬
‫وﻣﻦ ا ﺎﺻ ﺘ ن ‪ 2‬و ‪ 3‬ﺴﺘ ﺘﺞ أن اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻟﮫ ﻣ ة ﺣﺘﻔﺎظ ﺑﺎﻷﺷ ﺎل ا ﻄﻴﺔ أي أن‪:‬‬
‫‪ yi  axi  b  y  a x  b‬‬
‫ا ﺎﺻﻴﺔ ‪: 4‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xn‬ﻓﺈن ﻣﺠﻤﻮع ﻣﺮ ﻌﺎت اﻧﺤﺮاﻓﺎت‬
‫اﳌﺸﺎ ﺪات ﻋﻦ أي ﻗﻴﻤﺔ ﺣﻘﻴﻘﻴﺔ ‪ c‬ﻳ ﻮن أﻛ أو ﺴﺎوى ﻣﺠﻤﻮع ﻣﺮ ﻌﺎت اﻧﺤﺮاﻓﺎت اﳌﺸﺎ ﺪات‬
‫ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ‪ ،‬أي أن‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ xi  x‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪xi  c‬‬ ‫‪‬‬ ‫‪,x  c‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫ﺛﺒﺎت‪:‬‬
‫‪n‬‬
‫ﻋﻠﻤﺎ أن ‪ x  c   x  c   x  c    x  c   n  x  c ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪i 1‬‬
‫‪n‬‬
‫‪ xi  x  0‬‬ ‫وﻛﺬﻟﻚ ﻣﻦ ا ﺎﺻﻴﺔ و ﻟﺪﻳﻨﺎ‬
‫‪i 1‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪25‬‬

‫‪n‬‬ ‫‪n‬‬
‫وﻋﻠﻴﮫ‬
‫‪ xi  x  x  c   xi  x  x  c    xi  x ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ 2 xi  x x  c  x  c ‬‬
‫‪‬‬
‫‪1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫ﻓﺈن‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬‫‪2‬‬
‫‪‬‬
‫‪2 xi  x x  c   x  c   xi  x  2 x  c  xi  x  x  c  n‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬ ‫‪‬‬‫‪2‬‬

‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬

‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ xi  x ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪  xi  c   xi  x ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪ n x  c‬‬ ‫‪‬‬ ‫إذا‬
‫‪1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬

‫ﻌ ﺬا أن اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻮ أﻗﺮب ﻗﻴﻤﺔ ﻟﻠﺒﻴﺎﻧﺎت ﻣﻦ أي ﻗﻴﻤﺔ أﺧﺮى ﻣ ﻤﺎ ﺎﻧﺖ و ﺬا ﻣﺎ‬

‫ﻳﺠﻌﻞ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ اﻟﻘﻴﻤﺔ ﻛ ﺗﻤﺜﻴﻞ وﻧﻴﺎﺑﺔ ﳌﺠﻤﻞ اﻟﺸﺎ ﺪات‪.‬‬

‫‪ -2-1‬اﻟﻮﺳﻴﻂ ‪(Median) Me‬‬

‫ً‬ ‫ً‬
‫و ﻮ اﻟﻘﻴﻤﺔ اﻟ ﺗﻘﻊ اﻟﻮﺳﻂ‪ ،‬وذﻟﻚ ﻌﺪ ﺗﺮﺗ ﺐ اﻟﻘﻴﻢ ﺗﺼﺎﻋﺪﻳﺎ أو ﺗﻨﺎزﻟﻴﺎ و ﻮ ﺑﺬﻟﻚ اﻟﻘﻴﻤﺔ اﻟ‬
‫ً‬
‫ﻳ ﻮن ﻋﺪد اﻟﻘﻴﻢ ﺻﻐﺮﻣ ﺎ ﻣﺴﺎو ﺎ ﻟﻌﺪد اﻟﻘﻴﻢ ﻛ ﻣ ﺎ‪.‬‬
‫ﻃﺮق ﺣﺴﺎب اﻟﻮﺳﻴﻂ ‪:‬‬
‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت ﻏ اﳌﺒﻮ ﺔ‪ :‬ﻳﺘﻢ اﺗﺒﺎع ا ﻄﻮات اﻟﺘﻠﻴﺔ‪:‬‬
‫ً‬
‫‪ .1‬ﺗﺮﺗ ﺐ ﻗﻴﻢ اﳌﺘﻐ ﺗﺼﺎﻋﺪﻳﺎ‬
‫‪ .2‬أ‪ .‬إذ ﺎن ﻢ اﻟﻌﻴﻨﺔ ‪ n‬ﻋﺪد ﻓﺮدي )أي ‪.(n = 2k+1‬‬
‫‪Me  x n1 ‬‬
‫أي اﳌﺸﺎ ﺪة‬ ‫‪‬‬ ‫‪‬‬ ‫أي‬ ‫‪(n+1)/2‬‬ ‫اﻟ ﺗ ﺐ‬ ‫اﻟﻮﺳﻴﻂ ﻮ ﻗﻴﻤﺔ اﳌﺘﻐ‬
‫‪ 2 ‬‬
‫اﻟ ﺗﻘﻊ اﳌﻨﺘﺼﻒ‬
‫)أي ‪.(n = 2k‬‬ ‫ب‪ .‬إذ ﺎن ﻢ اﻟﻌﻴﻨﺔ ‪ n‬ﻋﺪد زو‬
‫وﻋﻠﻴﮫ‬ ‫اﻟﺮﺗﺒﺔ )‪ (n/2‬و اﻟﺮﺗﺒﺔ ‪(n/2)+1‬‬ ‫اﻟﻮﺳﻴﻂ ﻮ ﻣﺘﻮﺳﻂ ﻗﻴﻢ اﳌﺘﻐ‬
‫‪x n / 2   x n / 2 1‬‬
‫أي ﻮ ﻣﺘﻮﺳﻂ اﳌﺸﺎ ﺪﺗ ن اﻟﻠﺘ ن ﺗﻘﻌﺎن اﳌﻨﺘﺼﻒ‪.‬‬ ‫‪Me ‬‬
‫‪2‬‬
‫ﻣﺜﺎل‪ :‬ﻋﻴﻨﺔ ﻣﻦ اﻟﻘﻴﻢ‬
‫‪Me  x n1   x 51   x3  6‬‬ ‫‪‬‬ ‫‪ 5 = n‬اﻟﻘﻴﻢ‪10 8 6 4 2 :‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 2 ‬‬ ‫‪ 2 ‬‬

‫‪ 4 = n‬اﻟﻘﻴﻢ‪8 6 4 2 :‬‬
‫‪x n / 2   x n / 2 1‬‬ ‫‪x 4 / 2   x 4 / 2 1‬‬ ‫‪x 2   x 3 ‬‬ ‫‪46‬‬
‫‪Me ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪5‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‪ :‬ﺴﺘﻄﻴﻊ ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﺣﺴﺎﺑﻴﺎ واﺟﺎدﻩ ﺑﻴﺎﻧﻴﺎ ‪.‬‬
‫‪ .i‬اﻟﻮﺳﻴﻂ ﺣﺴﺎﺑﻴﺎ‪ :‬ﻳﺘﻢ اﺗﺒﺎع ا ﻄﻮات اﻟﺘﺎﻟﻴﺔ ﺴﺎب اﻟﻮﺳﻴﻂ ﺣﺴﺎﺑﻴﺎ‬
‫‪ - 1‬ﻧ ﻮن ا ﺪول اﻟﺘﻜﺮارات اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪26‬‬

‫‪ - 2‬ﻧﻮﺟﺪ رﺗﺒﺔ اﻟﻮﺳﻴﻂ )‪(n/2‬‬

‫‪ - 3‬ﻧﺤﺪد ﻣ ﺎن اﻟﻮﺳﻴﻂ واﻟﺘﻮﻗﻒ ﻋﻨﺪ أول ﻓﺌﺔ ﺗﻀﻢ ﺗﻜﺮار ﺻﺎﻋﺪ أﻛ أو ﺴﺎوي ﻧﺼﻒ ﻢ‬
‫اﻟﻌﻴﻨﺔ )‪ (N/2‬ﺣﻴﺚ ﻳﻢ ﻌﻴ ﺎ ﺑﺎﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ أﻳﻦ ﻧﺤﺪد ﺣﺪ ﺎ د ﻰ وﻧﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ‬
‫‪ ، LinfMe‬وﻃﻮﻟ ﺎ ‪c،‬ﺛﻢ ﻌﻄﻰ اﻟﻮﺳﻴﻂ ﺑﺎﻟﻌﻼﻗﺔ‪:‬‬

‫‪Me  Linf Me‬‬ ‫‪‬‬

‫‪‬‬ ‫‪N‬‬
‫‪2‬‬
‫‪‬‬
‫‪ N Me‬‬ ‫‪1‬‬ ‫‪ a‬‬
‫‪nMe‬‬
‫ﺑﺎﺳﺘﻌﻤﺎل اﻟﺘﻜﺮار اﳌﻄﻠﻖ‬

‫‪Me  Linf Me‬‬ ‫‪‬‬

‫‪0,5  F   a‬‬
‫‪‬‬
‫‪Me 1‬‬
‫أو ﺑﺎﺳﺘﻌﻤﺎل اﻟﺘﻜﺮاراﻟ ﺴ‬
‫‪f Me‬‬
‫‪‬‬
‫اﻟﺘﻜﺮاراﻟ ﺴ اﳌﺘﺠﻤﻊ‬ ‫‪‬‬
‫‪FMe‬‬‫‪ N Me‬اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )ﻳﻤﺜﻞ‬
‫‪1‬‬ ‫‪1‬‬ ‫أﻳﻦ ﻳﻤﺜﻞ‪:‬‬
‫اﻟﺼﺎﻋﺪ( اﻟﺴﺎﺑﻖ ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ؛‬
‫‪ nMe‬ﺗﻜﺮار )‪ fMe‬اﻟﺘﻜﺮاراﻟ ﺴ ( اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ؛‬
‫‪ N‬ﻢ اﻟﻌﻴﻨﺔ‪.‬‬
‫ﻣﺜﺎل ‪ :‬ﺣﺴﺎب وﺳﻴﻂ ﻷﻋﻤﺎر ﻟﺘﻼﻣﻴﺬ اﻟﻨﺎدي اﳌﺜﺎل )‪ (2‬اﻟﺴﺎﺑﻖ‪:‬‬
‫ﻧﺤﺴﺐ )‪ (N/2‬وﻧﻼﺣﻆ أن أول ﻓﺌﺔ ﺗﻀﻢ‬ ‫اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬ ‫ﻣﺮاﻛﺰ‬ ‫اﻟﻔﺌﺎت ﻋﻤﺎر‬
‫ﺴﺎوي‬ ‫أو‬ ‫ﺗﻜﺮار ﺻﺎﻋﺪ أﻛ‬ ‫اﻟﺼﺎﻋﺪ‬ ‫‪ni‬‬ ‫اﻟﻔﺌﺎت‬
‫)‪ (N/2=20/2=10‬ﺣﻴﺚ ﻳﺘﻢ ﻌﻴ ﺎ اﻟﻔﺌﺔ‬ ‫‪N i‬‬ ‫‪xi‬‬
‫اﻟﻮﺳﻴﻄﺔ و اﻟﻔﺌﺔ ] ‪ ] 10,5 ; 8,5‬وﻋﻠﻴﮫ‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫ﻓﻴ ﻮن‪:‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪LinfMe=8,5‬‬ ‫‪15‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪‬‬
‫‪N Me‬‬ ‫‪1  7‬‬
‫‪19‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪nMe=8‬‬ ‫‪20‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪a=10,5-8,5=2‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪Me  Linf Me‬‬ ‫‪‬‬

‫‪‬‬ ‫‪N‬‬
‫‪2‬‬
‫‪‬‬
‫‪ N Me‬‬ ‫‪1‬‬ ‫ﺳﻨﺔ ‪  a  8,5  10  7  2  9,25‬‬ ‫و ﺘﻄﺒﻴﻖ اﻟﻘﺎﻧﻮن ﻧﺤﺼﻞ ﻋ اﻟﻮﺳﻴﻂ‪:‬‬
‫‪nMe‬‬ ‫‪8‬‬

‫اﻟﻮﺳﻴﻂ ﺑﻴﺎﻧﻴﺎ‪ :‬ﻳﻤﻜﻦ إﻳﺠﺎد اﻟﻮﺳﻴﻂ ﺑﻴﺎﻧﻴﺎ واﻟﺬي ﻳﻤﺜﻞ ﻋ اﳌﺤﻮر ﻓﻘﻲ ﻣ ﺎن إﺳﻘﺎط ﻧﻘﻄﺔ‬ ‫‪.ii‬‬
‫ﺗﻘﺎﻃﻊ اﳌﻨﺤﻨﻴ ن اﻟﺼﺎﻋﺪ واﻟﻨﺎزل ﻣﻌﺎ رﺳﻢ واﺣﺪ‪ .‬أو ﻣﻦ اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ أو اﳌﻨﺤ‬
‫اﳌﺘﺠﻤﻊ اﻟﻨﺎزل ﻞ ﻋ ﺣﺪﻩ ﺣﻴﺚ ﻋ ﻣﺴﺘﻮى ﻣﻨﺘﺼﻒ اﻟﺘﻜﺮارات )‪ (N/2‬ﻧﺮﺳﻢ ﺧﻂ أﻓﻘﻲ ﺣ‬
‫ﻳﻤﺲ اﳌﻨﺤ اﳌﺘﺠﻤﻊ ﺛﻢ ﺴﻘﻂ ﻋﻤﻮد ﻋ اﳌﺤﻮر ﻓﻘﻲ ﻟﻨﺤﺼﻞ ﻋ اﻟﻮﺳﻴﻂ ﻣﺒﺎﺷﺮة‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪27‬‬

‫اﻟﺸ ﻞ‪1.‬‬

‫اﻟﺸ ﻞ‪2.‬‬

‫ﻋﻴﻮب اﻟﻮﺳﻴﻂ‬ ‫ﻣﺰاﻳﺎ اﻟﻮﺳﻴﻂ‬

‫ﻻ ﻳ ﻨﺎﺳﺐ ﺸ ﻞ ﺟﻴﺪ ﻟ ﺴﺎب‬ ‫ﻳﺘﺄﺛﺮ ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ‬
‫ﻻ‬
‫ﻻ ﻳﺄﺧﺬ ﻌ ن ﻋﺘﺒﺎر ﺟﻤﻴﻊ اﻟﺒﻴﺎﻧﺎت‬ ‫ﻻ ﻌﺘﻤﺪ ﻋ اﺧﺘﻴﺎر ﻃﻮل اﻟﻔﺌﺔ‬
‫ﻛﺬﻟﻚ ﻟﻠﻤﺘﻐ ات اﻟﺪور ﺔ ﻳﺘﻄﻠﺐ اﻟﺘﻮز ﻊ اﻟﻌﺎدل ﻟﻠﺒﻴﺎﻧﺎت‬ ‫ﺻﺎ‬
‫واﻟﻮﺻﻔﻴﺔ اﳌﺮﺗﺒﺔ‬

‫‪ -3-1‬اﳌﻨﻮال ‪(Mode) Mo‬‬

‫ﻌﺮف اﳌﻨﻮال ﻋ أﻧﮫ اﻟﻘﻴﻤﺔ ﻛ ﺷﻴﻮﻋﺎ )ﺗﻜﺮارا( أي أﻧﮫ ﻗﻴﻤﺔ اﳌﻔﺮدة اﻟ ﺗﺘﻜﺮر أﻛ ﻣﻦ ﻏ ﺎ‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺒﻴﺎﻧﺎت‪ .‬وﻗﺪ ﻳ ﻮن ﳌﺠﻤﻮﻋﺔ اﻟﺒﻴﺎﻧﺎت ﻣﻨﻮال واﺣﺪ أو ﻳ ﻮن ﻟ ﺎ أﻛ ﻣﻦ ﻣﻨﻮال و ﺴ‬
‫ﻣﺘﻌﺪدة اﳌﻨﻮال‪ ،‬وﻗﺪ ﻻ ﻳ ﻮن أي ﻣﻨﻮال و ﺬﻟﻚ ﺴ ﻋﺪﻳﻤﺔ اﳌﻨﻮال‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪28‬‬

‫ﻃﺮق ﺣﺴﺎب اﳌﻨﻮال‬

‫‪ .i‬اﳌﻨﻮال ﺣﺴﺎﺑﻴﺎ‪:‬‬
‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻟﻐ ﻣﺒﻮ ﺔ‪ :‬ﻳﺤﺴﺐ اﳌﻨﻮال ﺑﺎﺳﺘﺨﺪام اﻟﺘﻌﺮ ﻒ ﻣﺒﺎﺷﺮة‪.‬‬
‫ﻣﺜﺎل ‪ :‬اﺣﺴﺐ اﳌﻨﻮال ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﻟﺘﺎﻟﻴﺔ‪2, 6, 9, 4, 6, 10, 6 :‬‬
‫ﺛﻼث ﻣﺮات أﻛ ﻣﻦ ﻏ ﺎ‪.‬‬ ‫ﻳﻮﺟﺪ ﻟ ﺬﻩ اﻟﺒﻴﺎﻧﺎت ﻣﻨﻮال واﺣﺪ و ﻮ اﻟﻘﻴﻤﺔ ‪ 6‬ﻷ ﺎ ﺗﻜﺮرت‬
‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‪ :‬ﻧ ﺒﻊ ﺣﺴﺎب اﳌﻨﻮال ا ﻄﻮات اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ - 1‬ﻧﺤﺪد ﻓﺌﺔ اﳌﻨﻮال؛ و اﻟﻔﺌﺔ ذات أﻛ ﺗﻜ ﺮار‪.‬‬
‫‪1‬‬
‫‪Mo  Linf Mo  ‬‬ ‫‪ a‬‬ ‫‪ - 2‬ﺴﺘﺨﺪم اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪1   2‬‬

‫‪ LinfMo -‬ا ﺪ د ﻰ ﻟﻔﺌﺔ اﳌﻨﻮال‬

‫‪ ∆1 -‬اﻟﻔﺮق ﺑ ن أﻛ ﺗﻜﺮارواﻟﺴﺎﺑﻖ ﻟﮫ‬
‫‪ ∆2 -‬اﻟﻔﺮق ﺑ ن أﻛ ﺗﻜﺮارواﻟﻼﺣﻖ ﻟﮫ‬
‫‪ a -‬ﻃﻮل ﻓﺌﺔ اﳌﻨﻮال‪.‬‬
‫ﻣﺜﺎل ‪ :‬ﺣﺴﺎب ﻗﻴﻤﺔ اﳌﻨﻮال ﻷﻋﻤﺎر ﺗﻼﻣﻴﺬ اﻟﻨﺎدي‪:‬‬
‫ﻧﺤﺪد اﻟﻔﺌﺔ ذات أﻛ ﺗﻜﺮار و ﻓﺌﺔ ذات اﻟﺘﻜﺮار‬ ‫اﻟﺘﻜﺮار‬ ‫ﻣﺮاﻛﺰ‬ ‫اﻟﻔﺌﺎت ﻋﻤﺎر‬
‫ﺴﺎوي ‪ 8‬و اﻟﻔﺌﺔ ] ‪ ] 10,5 ; 8,5‬ﺣﻴﺚ ﻳﺘﻢ‬ ‫‪ni‬‬ ‫اﻟﻔﺌﺎت‬
‫ﻌﻴ ﺎ ﺑﻔﺌﺔ اﳌﻨﻮال وﻋﻠﻴﮫ ﻓﻴ ﻮن‪:‬‬ ‫‪xi‬‬
‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪LinfMo=8,5‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪∆1 = 8 – 5 = 3‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪∆2 = 8 – 4 = 4‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪a=10,5-8,5=2‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬
‫و ﺎﻟﺘﻌﻮ ﺾ اﻟﻘﺎﻧﻮن ﻳ ﺘﺞ أن اﳌﻨﻮال ﺴﺎوي‪:‬‬
‫‪1‬‬ ‫‪3 ‬‬
‫‪Mo  Linf Mo  ‬‬ ‫‪ a  8,5  ‬‬ ‫‪  2  8,5  0,86  9,36‬‬ ‫ﺳﻨﺔ‬
‫‪1   2‬‬ ‫‪34‬‬

‫‪ .ii‬اﳌﻨﻮال ﺑﻴﺎﻧﻴﺎ‪ :‬ﻹﺟﺎد اﳌﻨﻮال ﺑﻴﺎﻧﻴﺎ ﻳﻤﻜﻦ أن ﻧ ﺒﻊ ا ﻄﻮات اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫‪ -1‬ﻧﺮﺳﻢ اﳌﺪرج اﻟﺘﻜﺮ ‪،‬اريﺛﻢ ﻧﺤﺪد أﻋ ﻣﺴﺘﻄﻴﻞ واﻟﺬي ﻳﻤﺜﻞ ﻓﺌﺔ اﳌﻨﻮال )اﻟﻔﺌﺔ اﻟ ﺗﻘﺎﺑﻞ‬
‫أﻛ ﺗﻜﺮار( وﻛﺬا ﻣﺴﺘﻄﻴﻞ ﻳﻤﺜﻞ اﻟﻔﺌﺔ اﻟﺴﺎﺑﻘﺔ وآﺧﺮ ﻳﻤﺜﻞ اﻟﻔﺌﺔ اﻟﻼﺣﻘﺔ ﻟ ﺎ‪.‬‬
‫‪ -2‬ﻧﺼﻞ اﻟﺮأس ﻳﻤﻦ اﻟﻌﻠﻮي ﳌﺴﺘﻄﻴﻞ ﻓﺌﺔ اﳌﻨﻮال ﺑﺎﻟﺮأس ﻳﻤﻦ اﻟﻌﻠﻮي ﻟﻠﻤﺴﺘﻄﻴﻞ اﻟﺴﺎﺑﻖ‬
‫ﻟﮫ‪ ،‬وﻛﺬﻟﻚ اﻟﺮأس ﺴﺮ اﻟﻌﻠﻮي ﳌﺴﺘﻄﻴﻞ ﻓﺌﺔ اﳌﻨﻮال ﺑﺎﻟﺮأس ﺴﺮ ﻟﻠﻔﺌﺔ اﻟﻼﺣﻘﺔ وﻋﻨﺪ‬
‫ً‬ ‫ً‬
‫ﻧﻘﻄﺔ اﻟﺘﻘﺎﻃﻊ ﺴﻘﻂ ﺧﻄﺎ ﻋﻤﻮدﻳﺎ ﻋ اﳌﺤﻮر ﻓﻘﻲ ﻟﻠﻔﺌﺎت‪ ،‬ﻓﺘ ﻮن ﻧﻘﻄﺔ اﻟﺘﻘﺎﻃﻊ‬
‫ﻗﻴﻤﺔ اﳌﻨﻮال‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪29‬‬

‫ﻣﻼﺣﻈﺔ‪:‬‬
‫ﺣﺎﻟﺔ ﻋﺪم ﺴﺎوي ﻃﻮل اﻟﻔﺌﺎت )أي ا ﺪاول اﻟﺘﻜﺮار ﺔ ذات ﻓﺌﺎت ﻣﺨﺘﻠﻔﺔ اﻟﻄﻮل( ﻳﺠﺐ ﺣﺴﺎب‬
‫ﺔ اﻟ ﺗﻄﺮﻗﻨﺎ إﻟ ﺎ ا ﺰء ا ﺎص ﺑ ﻨﻈﻴﻢ وﻋﺮض‬ ‫اﻟﻮﺳﻴﻂ واﳌﻨﻮال ﺑﺎﺳﺘﺨﺪام اﻟﺘﻜﺮارات اﳌ‬
‫اﻟﺒﻴﺎ ﻲ ﻟﻠﺒﻴﺎﻧﺎت‪.‬‬

‫ﻋﻴﻮب اﳌﻨﻮال‬ ‫ﻣﺰاﻳﺎ اﳌﻨﻮال‬

‫ﻻ ﻳﺄﺧﺬ ﻌ ن ﻋﺘﺒﺎر ﺟﻤﻴﻊ اﻟﺒﻴﺎﻧﺎت‬ ‫ﻳﺘﺄﺛﺮ ﺑﺎﻟﻘﻴﻢ اﻟﺸﺎذة‬
‫ﺳ ﻞ ا ﺴﺎب وﻻ‬
‫ﻳﻤﻜﻦ ﺣﺴﺎﺑﮫ ﻟﻠﻤﺘﻐ ات اﻟﻮﺻﻔﻴﺔ ﻗﺪ ﻳ ﻮن ﻟﺒﻌﺾ اﻟﺒﻴﺎﻧﺎت أﻛ ﻣﻦ ﻣﻨﻮال و ﺬﻟﻚ ﻻ ﻳﻤﻜﻦ ﺗﺤﺪﻳﺪ‬
‫ﻗﻴﻤﺔ وﺣﻴﺪة ﻟﻠﻤﻨﻮال‪.‬‬ ‫واﻟﺘﻮز ﻌﺎت اﳌﻔﺘﻮﺣﺔ‬

‫‪ ‬اﻟﻌﻼﻗﺔ ﺑ ن اﻟﻮﺳﻂ ا ﺴﺎ ﻲ واﻟﻮﺳﻴﻂ واﳌﻨﻮال‬

‫اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻋﺘﺪا وﺣﻴﺪ اﳌﻨﻮال ﺗﺘﺤﺪد ﻋﻼﻗﺔ ﺗﺠﺮ ﻴﺔ ﺑ ن ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰ ﺔ )اﻟﻮﺳﻂ‬
‫ا ﺴﺎ ﻲ – اﻟﻮﺳﻴﻂ – اﳌﻨﻮال( ﺣﻴﺚ ﺗﻨﻄﺒﻖ ﻋ ﻌﻀ ﺎ وﺗ ﺴﺎوى ﺟﻤﻴﻌ ﺎ‪ .‬ﺣﻴﺚ‪ Mo  Me  X :‬أي‬
‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ = اﻟﻮﺳﻴﻂ = اﳌﻨﻮال‪ .‬ﻛﻤﺎ ﺴﺘﻌﻤﻞ ﺬﻩ اﻟﻌﻼﻗﺔ أﻳﻀﺎﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﺘﻤﺎﺛﻞ اﻟﺘﺎم‬
‫ﻟﻠﺘﻮز ﻊ‪.‬‬
‫ﻛﻤﺎ ﺗﻮﺟﺪ ﻋﻼﻗﺔ اﻋﺘﺒﺎر ﺔ ﺗﺪ اﻟﻌﻼﻗﺔ اﻟﺘﺠﺮ ﻴﺔ ﻟﺒ ﺳﻮن ‪ Pearson empirical relationship‬ﺑ ن‬
‫ﻣﻘﺎﻳ ﺲ اﻟ ﻋﺔ اﳌﺮﻛﺰﺔ )اﻟﻮﺳﻂ ا ﺴﺎ ﻲ – اﻟﻮﺳﻴﻂ – اﳌﻨﻮال( ﺗﺘﺤﻘﻖ ﺣﺎﻟﺔ اﳌﻨﺤﻨﻴﺎت اﻟﺘﻜﺮار ﺔ‬
‫وﺣﻴﺪة اﳌﻨﻮال و ﺴﻴﻄﺔ ﻟﺘﻮاء و ‪ ( X - Mo )  3  ( X  Me ) :‬ﻣﻦ ﻣﺎ ﻳﺆدي ﺑﻨﺎ ﺑﻤﻌ آﺧﺮ أن‪:‬‬
‫اﳌﻨﻮال=‪×3‬اﻟﻮﺳﻴﻂ ‪×2 -‬اﻟﻮﺳﻂ ا ﺴﺎ ﻲ أي ) ‪ . Mo  ( 3  Me )  ( 2  X‬و ﻈ ﺮ ﻣﻦ ﺧﻼل ﺬﻩ‬
‫اﻟﻌﻼﻗﺔ ﻋﻦ إﻣ ﺎﻧﻴﺔ ﺣﺴﺎب ﻗﻴﻤﺔ أي ﻣﻘﻴﺎس ﺑﺪﻻﻟﺔ اﳌﻘﺎﻳ ﺲ ﺣﺎﻟﺔ اﻟﺘﻮز‬
‫ﻌﺎت وﺿﻌﻴﻔﺔ اﻟﺘﻤﺎﺛﻞ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪30‬‬

‫‪(Geometric Mean) XG‬‬ ‫‪ -4-1‬اﻟﻮﺳﻂ اﻟ ﻨﺪ‬

‫ﺗﺄﺛﺮا ﺑﺎﻟﻘﻴﻢ اﻟﺸﺎذة اﻟﺒﻴﺎﻧﺎت ﻷﻧﮫ ﻣﻌﻠﻮم ر ﺎﺿﻴﺎ‬ ‫ﻳﻤﺘﺎز اﻟﻮﺳﻂ اﻟ ﻨﺪ ﻋﻦ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﺑﺄﻧﮫ أﻗﻞ‬
‫وﻋﻠﻴﮫ ﻓ ﻮ أﻗﻞ ﺣﺴﺎﺳﻴﺔ ﻣﻦ اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‪ .‬و ﺎﻟﺘﺎ ‪ ،‬ﻌﻄﻲ‪ ،‬ﺗﻘﺪﻳﺮا أﻓﻀﻞ ﻟﻠ ﻋﺔ اﳌﺮﻛﺰ ﺔ ﺣﺎﻟﺔ‬
‫اﻟﺴﻼﺳﻞ ذات ﺗﻮز ﻊ ﻃﻮ ﻞ اﳌﺪى‪ .‬ﻓ ﻮ ﻳﻠﻴﻖ ﻏﺎﻟﺒﺎ ﺣﺎﻟﺖ اﻟﻈﻮا ﺮذات اﳌﻨﻄﻖ اﳌﻀﺎﻋﻒ وذات اﻟﻨﻤﻮ‬
‫ﻗﺘﺼﺎد اﻟﻘﻴﺎ وا ﺴﺎﺑﺎت اﳌﺎﻟﻴﺔ ﺴﺎب ﻣﺘﻮﺳﻂ ﻣﻌﺪل اﻟﺘﻐ‬ ‫‪ .‬ﻓﻤﺜﻼ ﺴﺘﺨﺪم ﺑﻜ ة‬
‫وﻹﻳﺠﺎد ﻣﻌﺪﻻت ﺴ ﻴﺔ أو ﺣﺴﺎب ﻣﺘﻮﺳﻂ اﻟﺮ ﺤﻴﺔ اﻟﺴﻨﻮ ﺔ ﻟﻼﺳ ﺜﻤﺎر ﻋ اﳌﺪى اﻟﻄﻮ ﻞ‪ .‬ﻛﻤﺎ‬
‫ﺴﺘﺤﻴﻞ ﺣﺴﺎﺑﮫ ﺑﻮﺟﻮد ﻗﻴﻢ ﺳﺎﻟﺒﺔ ﺑ ن اﻟﺒﻴﺎﻧﺎت و ﺬﻩ ا ﺎﻟﺔ ﺴﺘﻮﺟﺐ اﻟﻘﻴـ ـ ـ ـﺎم ﺑﺤﺴﺎب واﺳ ﺒﺪاﻟ ﺎ‬
‫ﺑﻤﻀﺎﻋﻔﺎ ﺎ اﻟﻌﺸﺮ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـﺔ اﳌﻌﺎدﻟﺔ ﻟ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـﺎ )ﻣﺜ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـﻼ ﺑﺎﻟ ﺴﺒﺔ ﳌﻌـ ـ ـ ـ ـ ـ ـ ـﺪل ﺴﺎوي ‪ -8.2 %‬ﻌ ـ ـ ـ ـ ـ ـ ـ ـ ـ ـﺪل‬
‫ﺑﻤﻀﺎﻋﻔ ﺎ اﻟﻌﺸﺮي ‪.( -91.8 % = %100 - 8.2%‬‬
‫‪ XG‬ﳌﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ )‪ (x1, x2, …, xn‬ﻋ اﻧﮫ ا ﺬر‬ ‫و ﻌﺮف ر ﺎﺿﻴﺎ اﻟﻮﺳﻂ اﻟ ﻨﺪ‬
‫اﻟﻨﻮ ﻲ ﺎﺻﻞ ﺿﺮب ﺬﻩ اﻟﻘﻴﻢ أي ﺑﻄﺮ ﻘﺔ ﻣﺒﺎﺷﺮة ‪ . n x1  x 2   xn  X G‬وﻋﺎدة ﻳﺤﺴﺐ‬
‫اﻟﻮﺳﻂ اﻟ ﻨﺪ ﺑﺎﺳﺘﺨﺪام اﻟﻠﻮﻏﺎر ﺘﻤﺎت ﺎﻟﺘﺎ ‪:‬‬
‫‪1 n‬‬ ‫‪1‬‬
‫‪ln( X G )   ln( xi )  ln( x1 )  ln( x 2 )    ln( x n )‬‬
‫‪n i 1‬‬ ‫‪n‬‬
‫و ﺘﻢ ﺣﺴﺎﺑﮫ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ ﺟﺪاول ﺗﻜﺮار ﺔ ﺑﺎﻟﺼﻴﻐﺔ‪:‬‬
‫‪1‬‬
‫‪‬‬ ‫‪k‬‬ ‫‪N‬‬
‫‪XG‬‬ ‫‪‬‬
‫‪‬‬ ‫‪  x i n‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪N‬‬ ‫‪x1n1  x 2n2    x knk‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫أو ﺑﺎﺳﺘﺨﺪام اﻟﺼﻴﻐﺔ اﻟﻠﻮﻏﺎر ﺘﻤﻴﺔ‬
‫‪k‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪ln( X G ) ‬‬ ‫‪‬‬ ‫‪‬‬‫‪n‬‬‫‪i‬‬ ‫‪‬‬ ‫(‪ln‬‬ ‫‪x‬‬ ‫‪i‬‬ ‫)‬‫‪‬‬ ‫‪‬‬ ‫‪n1 ln( x1 )  n2 ln( x2 )    nk ln( xk )‬‬
‫‪N‬‬ ‫‪i 1‬‬
‫‪N‬‬
‫‪k‬‬
‫‪N   ni‬‬ ‫أﻳﻦ‬
‫‪i 1‬‬

‫ﻣﺜﺎل ‪:‬‬
‫ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﺎﺷﺮة‪:‬‬ ‫‪‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟ ﻨﺪ‬

‫ﺴﺎوي‬ ‫وﻋﻠﻴﺔ ﻓﺈن اﻟﻮﺳﻂ اﻟ ﻨﺪ‬ ‫‪3, 5, 6, 6, 7, 10, 12‬‬

‫‪X G  7 3  5  6  6  7  10  12  6,43‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪31‬‬

‫ﻟﺒﻴﺎﻧﺎت ﻣﺒﻮ ﺔ‪:‬‬ ‫‪‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟ ﻨﺪ‬

‫ﻧﺤﺴﺐ ﺑﺎﻟﺼﻴﻐﺔ اﻟﻠﻮﻏﺎر ﺘﻤﻴﺔ‬ ‫ﻟﻮﻏﺎرﺘﻤﺎت‬ ‫ﻣﺮاﻛﺰ‬

‫ﻟﻮﻏﺎرﺘﻤﺎت اﻟﻘﻴﻢ‬ ‫اﻟﺘﻜﺮار‬
‫‪k‬‬
‫اﻟﻘﻴﻢ‬ ‫اﻟﻔﺌﺎت‬ ‫ﻓﺌﺎت ﻋﻤﺎر‬
‫‪1‬‬ ‫)‪Ln(xi‬‬ ‫‪ni‬‬
‫‪ln( X G‬‬ ‫‪)‬‬
‫‪N‬‬
‫‪ ni  ln( xi )‬‬ ‫)‪ni×Ln(xi‬‬ ‫‪xi‬‬
‫‪i 1‬‬
‫‪1‬‬
‫‪3,4095‬‬ ‫‪1,7047‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪ln( X G )   43,8664  2,1933‬‬ ‫‪10,0745‬‬ ‫‪2,0149‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪20‬‬
‫) ‪ln( X G‬‬ ‫‪2 ,1933‬‬ ‫‪18,0103‬‬ ‫‪2,2513‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪ XG  e‬‬ ‫‪e‬‬
‫‪ X G  8,9649‬‬ ‫‪9,7694‬‬ ‫‪2,4423‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪2,6027‬‬ ‫‪2,6027‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪43,8664‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ -5-1‬اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ‪(Harmonic Mean) XH‬‬

‫ﺴﺘﺨﺪم اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻋﻨﺪﻣﺎ ﻳ ﻮن ﻣﻘﻠﻮب اﳌﺘﻐ ﻟﮫ دﻻﻟﮫ ﻛﺄن ﻌ ن ﺴﺒﺔ ﺑ ن ﻣﺘﻐ ﻳﻦ ﻣﺮﺗﺒﻄ ن ﻣﺜﻞ‬
‫اﻟﺴﺮﻋﺔ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺰﻣﻦ‪ .‬و ﺳﺘﻌﻤﺎل ﻛ ﺷﻴﻮﻋﺎ ﻟﻠﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻳﻜﻤﻦ ﺣﺎﻻت ﻣﻌﻴﻨﺔ ﻣﻦ ﺣﺴﺎب‬
‫ﻣﺘﻮﺳﻄﺎت اﻟ ﺴﺐ أو اﻟ ﺴﺐ اﳌﺘﻮﺳﻄﺔ و ﻮ أﻛ ﻣﻼﺋﻤﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻜﺴﺮﺔ ﺸ ﻞ رﻗﺎم اﻟﻘﻴﺎﺳﻴﺔ‬
‫و ﺳﺘﺪﻻﻟﻴﺔ اﻟ ﻳﺆول ﺴﻂ ﻛﺴﺮ ﺎ ﻟﻠ ﺴﺎوي‪ .‬و ﻌﺾ ﺣﻴﺎن اﻟ ﺴﺐ اﳌﺘﻌﻠﻘﺔ ﺑﻤﺠﺎل اﻟﺘﻤﻮ ﻞ اﻟ‬
‫ﺗﻤﺜﻞ‪ ،‬ﺴﺐ ﺳﻌﺮ ﻟﻠﻌﺎﺋﺪ واﻟﺴﻌﺮ‪/‬اﻟﺮ ﺤﻴﺔ وﻛﺬا ﺣﺴﺎﺑﺎت ﻣﺘﻮﺳﻂ ﺳﺮﻋﺎت واﻟ ﺴﺎرع واﳌﺴﺎﻓﺎت‪.‬‬
‫و ﻌﺮف واﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ‪ XH‬ﳌﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ )‪ (x1, x2, …, xn‬ﺑﺄﻧﮫ ﻣﻘﻠﻮب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬
‫ﳌﻘﻠﻮ ﺎت ﺬﻩ اﻟﻘﻴﻢ‪ .‬أي أن‪:‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪XH‬‬
‫‪‬‬
‫‪n‬‬
‫‪‬‬ ‫‪xi‬‬
‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪XH ‬‬ ‫‪‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫ﺴﺘﺨﻠﺺ ﻣ ﺎ ﺻﻴﻐﺔ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﺎﻟﺘﺎ ‪:‬‬ ‫واﻟ‬
‫‪ xi‬‬ ‫‪‬‬ ‫‪‬‬
‫‪x1 x 2‬‬ ‫‪xn‬‬
‫‪i 1‬‬

‫و ﺎﻟ ﺴﺒﺔ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ ﺟﺪاول ﺗﻜﺮار ﺔ ﻳﺘﻢ ﺣﺴﺎﺑﮫ ﺑﺎﻟﺼﻴﻐﺔ‪:‬‬

‫‪N‬‬ ‫‪N‬‬
‫‪XH ‬‬ ‫‪k‬‬
‫‪‬‬
‫‪ni‬‬ ‫‪n1 n2‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ k‬‬
‫‪x1 x2‬‬ ‫‪xk‬‬
‫‪i 1 x i‬‬
‫‪k‬‬
‫‪N   ni‬‬ ‫أﻳﻦ‬
‫‪i 1‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪32‬‬

‫ﻣﺜﺎل ‪:‬‬

‫‪ ‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﺎﺷﺮة اﻟﺴﺎﺑﻘﺔ‪:‬‬

‫وﻋﻠﻴﺔ ﻓﺈن اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﺴﺎوي‬ ‫‪3, 5, 6, 6, 7, 10, 12‬‬

‫‪n‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪7  420‬‬

‫‪XH ‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 5,87‬‬
‫‪1‬‬ ‫‪1 1 1 1 1 1‬‬ ‫‪1‬‬ ‫‪501‬‬ ‫‪501‬‬
‫‪ xi‬‬ ‫‪     ‬‬
‫‪3 5 6 6 7 10 12 420‬‬
‫‪i 1‬‬

‫‪‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻟﺒﻴﺎﻧﺎت ﻣﺒﻮ ﺔ‪:‬‬

‫ﻧﺤﺴﺐ ﺑﺼﻴﻐﺔ اﻟﺘﻮاﻓﻖ‬ ‫ﻣﻘﻠﻮب اﻟﻘﻴﻢ‬ ‫ﻣﺮاﻛﺰ‬

‫اﻟﺘﻜﺮار ‪ni‬‬ ‫ﻓﺌﺎت ﻋﻤﺎر‬
‫‪N‬‬ ‫‪ni/xi‬‬ ‫اﻟﻔﺌﺎت ‪xi‬‬
‫‪XH‬‬ ‫‪ k‬‬
‫‪ni‬‬ ‫‪0,3636‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪‬‬
‫‪i 1 x i‬‬ ‫‪0,6667‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪20‬‬ ‫‪20‬‬
‫‪ XH ‬‬ ‫‪5‬‬
‫‪‬‬ ‫‪0,8421‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪n‬‬ ‫‪2 ,2943‬‬
‫‪ xii‬‬ ‫‪0,3478‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪i 1‬‬
‫‪ X H  8,7172  8,7‬‬ ‫‪0,0741‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪2,2943‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ -6-1‬اﻟﻮﺳﻂ اﻟ ﺑﻴ ‪(Quadratic Mean) XQ‬‬

‫ﺸﺘﻖ اﻟﻮﺳﻂ اﻟ ﺑﻴ ﻣﻦ ﺷ ﺎل اﻟ ﺑﻴﻌﻴﺔ ﺎﻟﻌﺰوم اﳌﺴﺘﻌﻤﻠﺔ ﺑﻜ ة ﻣ ﻨﺎت ﻧﻈﺮ ﺔ ﺣﺼﺎء‬
‫اﻟﺮ ﺎ ‪ .‬و ﻌﺮف اﻟﻮﺳﻂ اﻟ ﺑﻴ ‪ XQ‬ﳌﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ )‪ (x1, x2, …, xn‬ﺑﺄﻧﮫ ا ﺪر اﻟ ﺑﻴ ﻟﻮﺳﻂ‬
‫ﺣﺴﺎ ﻲ ﻣﺮ ﻌﺎت ﺬﻩ اﻟﻘﻴﻢ‪ .‬أي أن‪:‬‬
‫‪n‬‬
‫‪x12  x 22    x n2‬‬
‫‪ X i‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪XQ ‬‬
‫‪n‬‬ ‫‪i 1‬‬ ‫‪n‬‬
‫واﻟ ﻳﺘﻢ ﺻﻴﺎﻏ ﺎ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ ﺎﻟﺘﺎ ‪:‬‬
‫‪k‬‬
‫‪ ni  ( X i 2 )‬‬ ‫‪n1 x12  n 2 x 22    n k x k2‬‬
‫‪i 1‬‬
‫‪XQ ‬‬ ‫‪‬‬
‫‪N‬‬ ‫‪N‬‬
‫‪k‬‬
‫أﻳﻦ ‪. N   ni‬‬
‫‪i 1‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪33‬‬

‫ﻣﺜﺎل ‪:‬‬

‫‪3, 5, 6, 6, 7, 10, 12‬‬ ‫‪ ‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟ ﺑﻴ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﺎﺷﺮة‪:‬‬

‫وﻋﻠﻴﺔ ﻓﺈن اﻟﻮﺳﻂ اﻟ ﺑﻴ ﺴﺎوي‬
‫‪1 n‬‬
‫‪Xi2 ‬‬
‫‪3²   5²   6²   6²   7²   10²   12²  ‬‬ ‫‪399‬‬
‫‪XQ ‬‬ ‫‪‬‬
‫‪n i 1‬‬ ‫‪7‬‬ ‫‪7‬‬
‫‪ 57  7 ,5498‬‬

‫‪ ‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟ ﺑﻴ ﻟﺒﻴﺎﻧﺎت ﻣﺒﻮ ﺔ‪:‬‬

‫ﻣﺮ ﻊ اﻟﻘﻴﻢ ﻧﺤﺴﺐ اﻟﻮﺳﻂ اﻟ ﺑﻴ ﺣﺴﺐ اﻟﺼﻴﻐﺔ‬ ‫ﻣﺮ ﻊ‬ ‫ﻣﺮاﻛﺰ‬

‫اﻟﺘﻜﺮار‬
‫‪k‬‬ ‫اﳌﺮ‬ ‫اﻟﻘﻴﻢ‬ ‫اﻟﻔﺌﺎت‬ ‫ﻓﺌﺎت ﻋﻤﺎر‬
‫‪ ni  ( X i‬‬ ‫‪2‬‬
‫)‬ ‫‪‬‬ ‫‪ni×x²i‬‬ ‫‪x²i‬‬
‫‪ni‬‬
‫‪xi‬‬
‫‪i1‬‬
‫‪XQ ‬‬ ‫‪60,5‬‬ ‫‪30,25‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪N‬‬
‫‪1775‬‬
‫‪281,25‬‬ ‫‪56,25‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪ XQ ‬‬ ‫‪ 88,75  9 ,4207  9,4‬‬
‫‪20‬‬ ‫‪722‬‬ ‫‪90,25‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪529‬‬ ‫‪132,25‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪182,25‬‬ ‫‪182,25‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪1775‬‬ ‫اﳌﺠﻤﻮع ‪20‬‬

‫ﻣﻼﺣﻈﺔ ﺎﻣﺔ‪:‬‬

‫ﺟﻤﻴﻊ ا ﺎﻻت اﻟﺘﺄﻛﺪ‬ ‫ﻋﺎدة ﻣﺎ ﺗ ﻮن ﻗﻴﻢ اﳌﺘﻮﺳﻄﺎت اﳌﺬ ﻮرة ﻗﺮ ﺒﺔ ﻣﻦ ﻌﻀ ﺎ اﻟﺒﻌﺾ ﺣﻴﺚ ﻳﻤﻜﻦ‬
‫ﻣﻦ اﻟﻌﻼﻗﺔ اﻟﺘﺠﺮ ﻴﺔ‪:‬‬
‫‪X H  X G  X  XQ‬‬

‫‪ -7-1‬اﻟﺮ ﻴﻌﺎت واﻟﻌﺸ ات واﳌﺌ ﻨﺎت )‪(Quartiles, Deciles & Centiles‬‬

‫ﺑﺘﻌﻤﻴﻢ ﻓﻜﺮة اﻟﻮﺳﻴﻂ اﻟﺬي ﻳ ﻮن ﻣﻨﺘﺼﻒ اﻟﻌﻴﻨﺔ واﻟ ﻳﻘﺴﻤ ﺎ إ ﻣﺠﻤﻮﻋﺘ ن ﻣ ﺴﺎو ﺘ ن اﻟﻌﺪد‬
‫أي اﻟﻘﻴﻤﺔ اﻟ ﺗﺤﺪد ‪ % 50‬ﻣﻦ اﳌﺸﺎ ﺪات ﻗﺒﻠ ﺎ و ﻌﺪ ﺎ‪ .‬ﺑﻨﻔﺲ اﳌﻨﻄﻖ ﺴﺘﻄﻴﻊ ﺗﻘﺴﻴﻢ اﻟﺒﻴﺎﻧﺎت ﻌﺪ‬
‫ﺗﺮﺗﻴ ﺎ إ أر ﻌﺔ أﺟﺰاء ﻣ ﺴﺎو ﺔ ﻳﺘﺤﺪد ﺑ ن ﻞ ﻣ ﺎ ‪ % 25‬أي ر ﻊ اﳌﺸﺎ ﺪات و ﺮﻣﺰ ﻟ ﺎ ب ‪Q3, Q2, Q1‬‬
‫ﺣﻴﺚ ﺴ اﻟﺮ ﻴﻊ ول ‪ Q1‬و ‪ Q2‬اﻟﺮ ﻴﻊ اﻟﺜﺎ ﻲ )اﻟﻮﺳﻴﻂ( و ‪ Q3‬ﺴ اﻟﺮ ﻴﻊ اﻟﺜﺎﻟﺚ‪ .‬ﺣﻴﺚ ﺑﺈﻣ ﺎﻧﻨﺎ‬
‫ا ﺼﻮل ﻋﻞ ‪ % 50‬ﻣﻦ اﳌﻔﺮدات وﺣﺼﺮ ﻢ ﺑ ن ﻗﻴﻢ اﻟﺮ ﻴﻌ ن ‪ Q1‬و ‪ .Q3‬وﻋ ﻧﻔﺲ اﳌﻨﻮال ﻳﻤﻜﻦ إﻳﺠﺎد‬
‫اﻟﻘﻴﻢ اﻟ ﺗﻘﺴﻢ اﻟﺒﻴﺎﻧﺎت ﻌﺪ ﺗﺮﺗﻴ ﺎ إ ﻋﺸﺮة أﻗﺴﺎم ﻣ ﺴﺎو ﺔ ﻳﺘﺤﺪد ﺑ ن ﻞ ﻣ ﺎ ‪ % 10‬أي ﻋﺸﺮ‬
‫اﳌﺸﺎ ﺪات وﻧﺮﻣﺰ ﻟ ﺎ ﺑﺎﻟﺮﻣﺰ ‪ .D9, …, D2, D1‬ﺣﻴﺚ ‪ D1‬ﺴ اﻟﻌﺸ ول و ﻮ ﻳﻤﺜﻞ اﻟﻘﻴﻤﺔ اﻟ ﺴﺒﻘ ﺎ‬
‫ﻋﺸﺮ اﳌﺸﺎ ﺪات أي ‪ % 10‬و ﻠ ﺎ إذا ‪ % 90‬ﻣﻦ اﳌﺸﺎ ﺪات‪ ،‬و ﺴ اﻟﻌﺸ اﻟﺜﺎ ﻲ ‪ D2‬و ﻮ ﻳﻤﺜﻞ اﻟﻘﻴﻤﺔ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪34‬‬

‫اﻟ ﺴﺒﻘ ﺎ ‪ % 20‬ﻣﻦ اﳌﺸﺎ ﺪات و ﻠ ﺎ ‪ % 80‬ﻣ ﺎ و ﻜﺬا‪ .‬و ﻨﻔﺲ اﳌﻨﻄﻖ ا ﺼﻮل ﻋ اﳌﺌ ﻨﺎت اﻟ‬
‫ﺗﻘﺴﻢ اﻟﺒﻴﺎﻧﺎت إ ﻣﺎﺋﺔ ﻗﺴﻢ ذات ﻢ ‪ % 1‬ﻟ ﻞ ﻣ ﺎ‪ ،‬و ﺮﻣﺰ ﻟ ﺎ ب ‪. C99, …, C2, C1‬‬
‫ﻳﻤﻜﻨﻨﺎ أن ﻧﺒ ن ﻣﻨﻄﻖ ﺬﻩ اﳌﺆﺷﺮات اﻟﺮﺳﻢ اﻟﺘﺎ ‪:‬‬

‫و ﻌﻄﻰ ﻗﺎﻧﻮن ﺣﺴﺎب اﻟﺮ ﻴﻌﺎت واﻟﻌﺸ ات واﳌﺌ ﻨﺎت ا ﺎﻟﺔ اﻟﻌﺎﻣﺔ ﻣﺜﻞ ﻗﺎﻧﻮن اﻟﻮﺳﻴﻂ ﻋ اﻟﺘﻮا ‪:‬‬

‫‪Qk  Linf Qk‬‬ ‫‪‬‬

‫‪‬‬ ‫‪k N‬‬
‫‪4‬‬
‫‪ N Qk 1‬‬ ‫‪ a‬‬ ‫‪‬‬ ‫‪k  1,2,3‬‬
‫ﺻﻴﻐﺔ اﻟﺮ ﻴﻌﺎت‬
‫‪nQk‬‬ ‫ﻣﻤﺎ ﻳﺆدي ‪Me=Q2‬‬

‫‪Dk  Linf Dk‬‬ ‫‪‬‬

‫‪‬‬ ‫‪k N‬‬
‫‪10‬‬
‫‪ N D k 1‬‬ ‫‪ a‬‬ ‫‪‬‬ ‫‪k  1,2, ,9‬‬
‫ﺻﻴﻐﺔ اﻟﻌﺸ ات‬
‫‪nDk‬‬ ‫ﻣﻤﺎ ﻳﺆدي ‪Me=D5‬‬

‫‪Ck  Linf Dk‬‬ ‫‪‬‬

‫‪‬‬ ‫‪kN‬‬
‫‪100‬‬
‫‪ NCk 1‬‬ ‫‪ a‬‬ ‫‪‬‬ ‫‪k  1,2, ,99‬‬
‫ﺻﻴﻐﺔ اﳌﺌ ﻨﺎت‬
‫‪nC k‬‬ ‫ﻣﻤﺎ ﻳﺆدي ‪Me=C50‬‬

‫ﻣﺜﺎل ‪ :‬اﳌﺜﺎل اﻟﺴﺎﺑﻖ ﺟﺪ‪:‬‬

‫أ‪-‬اﻟﻘﻴﻤﺘ ن اﻟ ﺗﺘﻮﺳﻂ ﺳﻦ اﻟﺘﻼﻣﻴﺬ واﻟ ﺗﻀﻢ ‪ % 50‬ﻣﻦ ﻣﺠﻤﻮع اﻟﺘﻼﻣﻴﺬ؛‬

‫ب – ﺗﺤﺖ أي ﺳﻦ ﺴﺘﺤﺼﻞ ﻋ ‪ % 80‬ﻣﻦ ﻣﺠﻤﻮع اﻟﺘﻼﻣﻴﺬ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪35‬‬

‫‪ Q1  Linf Q1 ‬اﻟﺮﻴﻊ ول‬

‫‪‬‬ ‫‪N‬‬
‫‪4‬‬
‫‪ N Q11‬‬ ‫‪ a‬‬ ‫اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻜﺮار‬ ‫ﻣﺮاﻛﺰ‬ ‫ﻓﺌﺎت ﻋﻤﺎر‬
‫‪nQ1‬‬ ‫اﻟﺼﺎﻋﺪ‬ ‫‪ni‬‬ ‫اﻟﻔﺌﺎت‬
‫‪Ni‬‬ ‫‪xi‬‬
‫‪ Q3  Linf Q3 ‬اﻟﺮﻴﻊ اﻟﺜﺎﻟﺚ‬
‫‪‬‬ ‫‪3N‬‬
‫‪4‬‬
‫‪‬‬ ‫‪N Q 31‬‬ ‫‪ a‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪nQ3‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪15‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪ D8  Linf D8 ‬اﻟﻌﺸ اﻟﺜﺎﻣﻦ‬
‫‪‬‬ ‫‪8 N‬‬
‫‪10‬‬
‫‪ N D8 1‬‬ ‫‪ a‬‬
‫‪n D8‬‬
‫‪19‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪20‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻗﻴﻢ اﻟﺮﻴﻌ ن ‪ Q1‬و ‪ ،.Q3‬وﻋﻠﻴﮫ‬ ‫أ ‪-‬اﻟﻘﻴﻤﺘ ن اﻟ ﺗﺘﻮﺳﻂ ﻣﺠﻤﻮع اﳌﻔﺮدات واﻟ ﻳﻨﺤﺼﺮ ﺑﻴ ﺎ ‪ % 50‬ﻣﻦ اﳌﻔﺮدات‬
‫ﻓﺈن ا ﻮاب ﻋ اﻟﺴﺆال ﻳ ﻮن ﺑﺘﺤﺪﻳﺪ ﺎﺗ ن اﻟﻘﻴﻤﺘ ن ﻓﻘﻂ‪.‬‬

‫ﻧﺤﺪد اﻟﺮﻴﻊ ول ‪ Q1‬ﺑﺎﻟﻮﺻﻮل ﻟﻠﺮ ﻊ ول ﻣﻦ اﻟﺘﻜﺮارات )‪ .(N/4=20/4=5‬وﻧﻼﺣﻆ أن أول ﻓﺌﺔ ﺗﻀﻢ ﺗﻜﺮار ﺻﺎﻋﺪ‬
‫أﻛ أو ﺴﺎوي ‪ 5‬اﻟﻔﺌﺔ اﻟ ﺗﻀﻢ اﻟﺮﻴﻊ ول ‪ Q1‬و اﻟﻔﺌﺔ ] ‪ ] 8,5 ; 6,5‬وﻋﻠﻴﮫ ﻓﻴ ﻮن‪LinfQ1=6,5 N Q11  2 :‬‬
‫‪nQ1=5 a=8,5-6,5=2‬‬

‫‪Q1  Linf Q1 ‬‬

‫‪‬‬ ‫‪N‬‬
‫‪4‬‬
‫‪ N Q11‬‬ ‫‪  a  6 ,5  5  2  2  6,5  6  7 ,7  Q‬‬
‫‪1‬‬
‫‪nQ1‬‬ ‫‪5‬‬ ‫‪5‬‬

‫ﻧﺤﺪد اﻟﺮﻴﻊ اﻟﺜﺎﻟﺚ‪ Q3‬ﺑﺎﻟﻮﺻﻮل ل ¾ ﻣﻦ اﻟﺘﻜﺮارات اﳌﺠﻤﻌﺔ )‪ .(3xN/4=60/4=15‬وﻧﻼﺣﻆ أن أول ﻓﺌﺔ ﺗﻀﻢ ﺗﻜﺮار‬
‫اﻟﻔﺌﺔ ] ‪ ] 10,5 ; 8,5‬وﻋﻠﻴﮫ ﻓﻴ ﻮن‪NQ3 1  7 :‬‬ ‫ﺻﺎﻋﺪ أﻛ أو ﺴﺎوي ‪ 15‬اﻟﻔﺌﺔ اﻟ ﺗﻀﻢ اﻟﺮﻴﻊ اﻟﺜﺎﻟﺚ‪ Q3‬و‬
‫‪LinfQ3=8,5‬‬ ‫‪nQ3=8 a=10,5-8,5=2‬‬

‫‪Q3  Linf Q3‬‬ ‫‪‬‬

‫‪‬‬ ‫‪3N‬‬
‫‪4‬‬
‫‪ N Q31‬‬ ‫‪  a  8,5  15  7  2  8,5  16  10,5  Q‬‬
‫‪3‬‬
‫‪nQ3‬‬ ‫‪8‬‬ ‫‪8‬‬

‫ﻳﻨﺤﺼﺮ ال ‪ % 50‬اﻟ ﺗﺘﻮﺳﻂ ﻣﺠﻤﻮع اﻟﺘﻼﻣﻴﺬ ﺑ ن اﻟﺴﻦ ‪ 7,7‬و ‪ 10,5‬ﺳﻨﻮات‪.‬‬

‫ب – ﺴﺘﻄﻴﻊ اﻟﻘﻮل إن ‪ % 80‬ﻣﻦ اﻟﺘﻼﻣﻴﺬ ﻟ ﻢ ﺳﻦ أﻗﻞ أو ﺴﺎوي اﻟﻘﻴﻤﺔ اﻟ ﻧﺠﻤﻊ ﻓ ﺎ اﻟﺜﻤﺎن أﻋﺸﺎر ﻣﻦ ﻣﺠﻤﻮع‬
‫اﻟﺘﻼﻣﻴﺬ وﻋﻠﻴﮫ ﻧﻜﺘﻔﻲ ﺑﺤﺴﺎب اﻟﻌﺸ اﻟﺜﺎﻣﻦ ‪ D8‬ﳌﻌﺮﻓﺔ ﺬا اﻟﺴﻦ‪:‬‬
‫ﺑﺎﻟﻮﺻﻮل ا ‪ % 80‬ﻣﻦ اﻟﺘﻜﺮارات اﳌﺠﻤﻌﺔ اﻟ ﻳﻘﺪر ﻋﺪد ﺎ )‪.(8xN/10=160/10=16‬‬ ‫اﻟﺜﺎﻣﻦ ‪D8‬‬ ‫ﻧﺤﺪد اﻟﻌﺸ‬
‫اﻟﻔﺌﺔ اﻟ ﺗﻀﻢ اﻟﻌﺸ اﻟﺜﺎﻣﻦ ‪ D8‬و اﻟﻔﺌﺔ ; ‪] 12,5‬‬ ‫وﻧﻼﺣﻆ أن أول ﻓﺌﺔ ﺗﻀﻢ ﺗﻜﺮار ﺻﺎﻋﺪ أﻛ أو ﺴﺎوي ‪16‬‬
‫‪LinfD8=10,5‬‬ ‫‪nD8=4 a=12,5-10,5=2 N‬‬ ‫‪‬‬
‫‪D 81‬‬ ‫‪ 15‬‬ ‫] ‪ 10,5‬وﻋﻠﻴﮫ ﻓﻴ ﻮن‪:‬‬

‫‪D8  Linf D8‬‬ ‫‪‬‬

‫‪‬‬ ‫‪8 N‬‬
‫‪10‬‬
‫‪ N D81‬‬ ‫‪  a  10,5  16  15  2  10,5  2  11 D‬‬
‫‪8‬‬
‫‪nD8‬‬ ‫‪4‬‬ ‫‪4‬‬
‫ﻳﻘﻊ ‪ % 80‬ﻣﻦ اﻟﺘﻼﻣﻴﺬ ﺗﺤﺖ ﻋﻤﺮ ﺴﺎوي ‪ 11‬ﺳﻨﺔ‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪36‬‬

‫‪ - 2‬ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ ‪MEASURES OF DISPERSION‬‬

‫ﻳﻘﺼﺪ ﺑﺎﻟ ﺸ ﺖ أي ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ اﻟﺘﺒﺎﻋﺪ ﺑ ن ﻣﻔﺮدا ﺎ أو ﺧﺘﻼف ﺑﻴ ﺎ‪ ،‬ﻛﻤﺎ ﻳﺪرس ﻣﺪى‬
‫ﺗﻘﺎرب اﻟﺒﻴﺎﻧﺎت ﻋﻦ ﻌﻀ ﺎ اﻟﺒﻌﺾ و ﺎﻟ ﺴﺒﺔ ا ﻗﻴﻤﺔ وﺳﻄ ﺎ‪ .‬ﻓ ﻠﻤﺎ ﺎﻧﺖ ﻗﺮ ﺒﺔ ﻣﻦ ﻌﻀ ﺎ اﻟﺒﻌﺾ‬
‫أي ﻗﺮ ﺒﺔ ﻣﻦ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﺗ ﻮن اﻟﺒﻴﺎﻧﺎت ﻣﺘﺠﺎ ﺴﺔ‪ ،‬واﻟﻌﻜﺲ ﻠﻤﺎ ﺎﻧﺖ ﻣﺘﺒﺎﻋﺪة ﺗ ﻮن اﻟﺒﻴﺎﻧﺎت‬
‫ﻣﺘﺒﺎﻋﺪة أو ﻣﺸ ﺘﺔ‪ .‬وﻋ ذﻟﻚ ﻳﻤﻜﻨﻨﺎ أن ﻧﺘﺨﺬ ﻣﻘﺪار اﻟ ﺸ ﺖ ﻛﺪﻟﻴﻞ ﻋ ﺗﺠﻤﻊ اﻟﻘﻴﻢ أو ﻋ ﺗﻔﺮﻗ ﺎ‬
‫وﺗﺒﺎﻋﺪ ﺎ ﻋﻦ ﻌﻀ ﺎ‪ .‬و ﻜﺬا ﻳ ﻮن ﻟﺪﻳﻨﺎ ﻣﻘﻴﺎس ﳌﻘﺪار ﺗﺠﺎ ﺲ اﳌﺠﻤﻮﻋﺎت ﺣﺼﺎﺋﻴﺔ أو ﻋﺪم ﺗﺠﺎ ﺴ ﺎ‪.‬‬
‫ﻳﻘﺎس اﻟ ﺸ ﺖ ﻌﺪة ﻣﻘﺎﻳ ﺲ‪ ،‬وﻣﻦ أﺷ ﺮ ﺎ‪ :‬اﳌﺪى – ﻧﺤﺮاف اﻟﺮ ﻴ )ﻧﺼﻒ اﳌﺪى اﻟﺮ ﻴ ( –‬
‫ﻧﺤﺮاف اﳌﺘﻮﺳﻂ – اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري – ﻣﻌﺎﻣﻞ ﺧﺘﻼف‪.‬‬

‫‪ -1-2‬اﳌﺪى )‪(Range‬‬

‫ﻌﺮف اﳌﺪى ﺑﺄﻧﮫ اﻟﻔﺮق ﺑ ن أﻛ ﻗﻴﻤﺔ وأﺻﻐﺮ ﻗﻴﻤﺔ ﻣﺠﻤﻮﻋﺔ اﻟﺒﻴﺎﻧﺎت‪ .‬ﻓ ﻮ ﺸ ﻞ ﻋﺎم ﺳ ﻞ ا ﺴﺎب‬
‫واﻟﻔ ﻢ و ﻌﻄﻰ ﻓﻜﺮة ﺳﺮ ﻌﺔ ﻋﻦ ﻃﺒﻴﻌﺔ اﻣﺘﺪاد اﻟﺒﻴﺎﻧﺎت‪ ،‬ﺬا ﻣﺎ ﻳﺠﻌﻠﮫ ﺴﺘﺨﺪم ﻛﺜ ا ﻣﺮاﻗﺒﺔ ا ﻮدة‬
‫وﻣﺨﺘﺼ ﺮات ﺣﻮال ا ﻮ ﺔ‪ .‬ﻋﻤﻮﻣﺎ ﻳﺘﻢ ﺣﺴﺎﺑﮫ ﺑﺎﻟﺼﻴﻐﺔ‪:‬‬

‫اﳌﺪى ‪XMax - XMin = R‬‬

‫ﻓ ﻮ ﻣﻘﻴﺎس ﻏﺛﺎﺑﺖ ﻌﺘﻤﺪ ﺣﺴﺎﺑﮫ ﻋ اﻟﻘﻴﻤﺘ ن اﳌﺘﻄﺮﻓﺔ ﻓﻘﻂ ﻣﻦ اﻟﺒﻴﺎﻧﺎت‪.‬‬

‫)‪(Interquartile Range‬‬ ‫‪ -2-2‬ﻧﺼﻒ اﳌﺪى اﻟﺮ ﻴ‬

‫‪.Q3,‬‬‫ﻌﺮف ﻋ اﻟﻘﻴﻢ اﻟ ﺗﻘﺴﻢ اﻟﺒﻴﺎﻧﺎت إ أر ﻌﺔ أﻗﺴﺎم ﻣ ﺴﺎو ﺔ ﺑﺎﻟﺮ ﻴﻌﻴﺎت واﻟ رﻣﺰت ب ‪Q2, Q1‬‬
‫ﺴﺘﺨﺪم أﺣﻴﺎﻧﺎ اﳌﻘﺪار اﻟﺬي ﻳﻤﺜﻞ اﻟﻨﺼﻒ وﺳﻂ ﻟﻠﻘﻴﻢ |‪ |Q3 - Q1‬اﳌﺴ ﺑﺎﻻﻧﺤﺮاف اﻟﺮ ﻴ‬
‫)‪ (quartile deviation‬ﻛﻤﻘﻴﺎس ﺸ ﺖ ا ﻣﻦ اﳌﺪى‪ .‬و ﺸ ﻞ أﻛ دﻗﺔ و ﺆﺧﺬ ﻧﺼﻒ ﺬا اﳌﺪى‬
‫ﻣﻘﻴﺎﺳﺎ ﻟﻠ ﺸ ﺖ و ﺴ ﺑﻨﺼﻒ اﳌﺪى اﻟﺮ ﻴ )‪ (interquartile range‬و ﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ‪ Q‬ﻮ ﻣﺘﻮﺳﻂ‬
‫اﻟﻔﺮق ﺑ ن اﻟﺮ ﻴﻌﻴ ن اﻟﺜﺎﻟﺚ و ول و ﺤﺴﺐ ﻣﻦ اﻟﺼﻴﻐﺔ اﻟﺮ ﺎﺿﻴﺔ‪:‬‬

‫‪Q3  Q1‬‬
‫‪Q‬‬
‫‪2‬‬
‫ﻳﺘﻢ ﺗﻄﺒﻴﻖ ﺬا اﻟﻘﺎﻧﻮن ﻹﻳﺠﺎد ﻗﻴﻤﺔ ﻧﺼﻒ اﳌﺪى اﻟﺮ ﻴ ‪ ،‬ﻣﺒﺎﺷﺮة ﻌﺪ ﺗﺮﺗﺐ اﻟﺒﻴﺎﻧﺎت ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت‬
‫اﻟﻐ ﻣﺒﻮ ﺔ أو ﺑﺘ ﻮ ﻦ ﺟﺪول اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺒﻴﺎﻧﺎت ﻣﺒﻮ ﺔ وﺗﺤﺪﻳﺪ ﻗﻴﻢ ‪ Q1‬و ‪.Q3‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪37‬‬

‫‪ -3-2‬ﻧﺤﺮاف اﳌﺘﻮﺳﻂ ‪(Average Deviation) AD‬‬

‫ﻌﺮف ﻧﺤﺮاف اﳌﺘﻮﺳﻂ ﺑﺄﻧﮫ ﻣﺘﻮﺳﻂ ﻧﺤﺮاﻓﺎت اﳌﻄﻠﻘﺔ ﻟﻠﺒﻴﺎﻧﺎت ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ ‪ ،‬أي اﻧﮫ‬
‫اﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ )اﻟﻨﺎﺗﺞ اﳌﻮﺟﺐ( ﳌﺠﻤﻮع اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ ﻣﻘﺴﻮﻣﺎ ﻋ ﻋﺪد ﺎ‪،‬‬
‫و ﻌﺮف ر ﺎﺿﻴﺎ ﺑﺎﻟﻘﺎﻧﻮن اﻟﺘﺎ ‪:‬‬
‫‪n‬‬
‫‪ xi  X‬‬ ‫‪x1  X  x 2  X    x n  X‬‬
‫‪i 1‬‬
‫‪، AD ‬‬
‫‪n‬‬
‫‪‬‬
‫‪n‬‬
‫‪ -‬ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﺎﺷﺮة‬
‫‪k‬‬
‫‪ n i xi  X‬‬ ‫‪n  x  X  n‬‬
‫‪i‬‬ ‫‪i‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ x 2  X    n k  xk  X‬‬ ‫‪‬‬
‫‪AD ‬‬ ‫‪i 1‬‬
‫‪N‬‬
‫‪‬‬
‫‪N‬‬
‫‪ -‬أو ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‬

‫اﺳﺘﻌﻤﻠﺖ اﻟﻘﻴﻢ اﳌﻄﻠﻘﺔ ﻟﻼﻧﺤﺮاﻓﺎت ﻷن ﻣﺠﻤﻮع اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ ﺴﺎوى ﺻﻔﺮ )ﻣﻦ‬
‫ﺧﺼﺎﺋﺺ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ(‪ .‬ﻛﻤﺎ ﻌﺮف ﻧﺤﺮاف اﳌﺘﻮﺳﻂ‪ ،‬أﺣﻴﺎﻧﺎ‪ ،‬ﺑﺎﺳﺘﺨﺪام اﻟﻮﺳﻴﻂ ﺑﺪﻻ ﻣﻦ‬
‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ أو أي ﻣﻦ اﳌﺘﻮﺳﻄﺎت ﺧﺮى‪ .‬و ﻧﺤﺮاف اﳌﺘﻮﺳﻂ أﻛ دﻗﺔ ﻣﻦ اﳌﺪى و ﻧﺤﺮاف‬
‫اﻟﺮ ﻴ ﻟﺸﻤﻮﻟﮫ ﻞ اﻟﻘﻴﻢ وﻟﻜﻨﮫ ﻣﺤﺪود ﺳﺘﺨﺪام ﻟﺘﺄﺛﺮﻩ ﺑﺎﻟﻘﻴﻢ اﻟﺸﺎذة وﺗﺠﺎ ﻠﮫ ﺷﺎرة اﻟﺴﺎﻟﺒﺔ‪،‬‬
‫ً‬
‫ﻛﻤﺎ ﻳﻤﻜﻦ ﺣﺴﺎب اﻟﻔﺮق ﻋﻦ ﻃﺮ ﻖ اﻟﻮﺳﻴﻂ ﺑﺪﻻ ﻣﻦ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﺣﻴﺚ ﻳ ﻮن اﳌﺠﻤﻮع أﺻﻐﺮ ﻣﺎ‬
‫ً‬
‫ﻳﻤﻜﻦ إﻻ أن ا ﺴﺎب ﻋﻦ ﻃﺮ ﻖ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻮ ﻛ ﺷﻴﻮﻋﺎ‪ ،‬وﻣﻊ ذﻟﻚ ﺗﻈﻞ أ ﻤﻴﺔ ﺬا اﳌﻘﻴﺎس‬
‫ﻣﺤﺪودة‪.‬‬

‫‪ -4-2‬اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري ‪(Variance and Standard-Deviation) σ‬‬

‫ﻌﺮف ﻧﺤﺮاف اﳌﻌﻴﺎري ﻋ أﻧﮫ أدق ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ وأﻛ ﺎ اﺳﺘﺨﺪاﻣﺎ‪ ،‬و ﻌﺮف ﺑﺄﻧﮫ ا ﺬر اﻟ ﺑﻴ‬
‫ﳌﺘﻮﺳﻂ ﻣﺮ ﻌﺎت اﻧﺤﺮاﻓﺎت )ﻓﺮوق( اﻟﻘﻴﻢ ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ‪ ،‬و ﺮﻣﺰ ﻟﮫ ﺑﺎﻟﺮﻣﺰ ‪ .σ‬و ﻮ ﻌﺮف ﻏﺎﻟﺒﺎ ﻋﻦ‬
‫ﻃﺮﻖ اﻟﺘﺒﺎﻳﻦ ‪ σ2‬ﺣﻴﺚ ﻳﻔﻀﻞ ﻋﻨﺪ ﺣﺴﺎب ﻧﺤﺮاف اﳌﻌﻴﺎري أن ﻳﺤﺴﺐ اﻟﺘﺒﺎﻳﻦ و ﺄﺧﺬ ا ﺬر اﻟ ﺑﻴ‬
‫ﻟﻠﻨ ﻴﺠﺔ اﻟ ﺎﺋﻴﺔ ﻟﻨﺤﺼﻞ ﻋ اﳌﻌﺎدﻟﺔ اﻟﻌﺎﻣﺔ‪:‬‬

‫= اﳌﻌﻴﺎري ﻧﺤﺮاف‬ ‫اﻟﺘﺒﺎﻳﻦ‬

‫ﻧﺤﺮاف اﳌﻌﻴﺎري‪:‬‬ ‫‪.i‬‬

‫وﻣﻦ اﳌﻼﺣﻆ أن اﻟﺘﺒﺎﻳﻦ ﻳﺘﻌﺎﻣﻞ ﻣﻊ ﻣﺮ ﻊ ﻧﺤﺮاف ﻋﻦ اﻟﻮﺳﻂ أي ﻳﻘﺎس ﺑﺎﻟﻮﺣﺪات اﳌﺮ ﻌﺔ وﻟ ﺲ‬

‫ﺑﻮﺣﺪات اﳌﺘﻐ و ﺬا ﻌﻄﻲ ﻗﻴﺎس ﻏ ذو ﻣﻌ ﻟﺬا ﻳﻔﻀﻞ إرﺟﺎع ذﻟﻚ )ﺑﺄﺧﺬ ا ﺬر اﻟ ﺑﻴ ( ﻟﻠﻤﻌ‬
‫اﳌﻘﺒﻮل‪ .‬ﻟﺬا ﻧﻘﻮل ﺑ ﺴﺎﻃﺔ ﺑﻤﺎ إن ﻧﺤﺮاف اﳌﻌﻴﺎري ﻮ ا ﺬر اﻟ ﺑﻴ ﻟﻠﺘﺒﺎﻳﻦ‪ ،‬ﻓ ﻮ ﻳﻘﺎس ﺑﻨﻔﺲ‬
‫ً‬
‫وﺣﺪات اﳌﺘﻐ ﻣﺤﻞ ﻇﺎ ﺮة اﻟﺪراﺳﺔ‪ .‬ﻓ ﻮ أﻓﻀﻞ ﻣﻘﺎﻳ ﺲ اﻟ ﺸ ﺖ وأﺷ ﺮ ﺎ اﺳﺘﺨﺪاﻣﺎ ﺑﺎﻟﺮﻏﻢ ﻣﻦ‬
‫ﻢ اﻟﻌﻴﻨﺔ‪.‬‬ ‫ﺻﻌﻮ ﺔ ﺣﺴﺎﺑﮫ ﺣﺎل ﻛ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪38‬‬

‫‪ .ii‬ﻃﺮ ﻘﺔ ﺣﺴﺎب ﻧﺤﺮاف اﳌﻌﻴﺎري ‪:‬‬

‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت ﻏ اﳌﺒﻮ ﺔ‪ :‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xn‬ذا ت اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ ‪. X‬‬
‫‪n‬‬
‫‪ xi  X ‬‬
‫‪2‬‬

‫‪2‬‬ ‫‪i 1‬‬

‫ﻲ‪:‬‬ ‫ﻳﻤﻜﻦ ﻌﺮ ﻒ اﻟﺘﺒﺎﻳﻦ ‪ σ2‬ﺑﺎﻟﻘﺎﻧﻮن‬
‫‪ ‬‬
‫‪n‬‬
‫‪n‬‬
‫‪ x  X ‬‬
‫‪2‬‬
‫‪i‬‬
‫‪i 1‬‬
‫و ﺼﺎغ ﺣﻴ ﺎ ﻧﺤﺮاف اﳌﻌﻴﺎري ‪ σ‬ﺎﻟﺘﺎ ‪:‬‬
‫‪‬‬
‫‪n‬‬

‫وﻧﻈﺮا ﺼﺎﺋﺺ ﺬﻩ ﺷ ﺎل اﻟ ﺑﻴﻌﻴﺔ‪ ،‬ﻳﻤﻜﻨﻨﺎ ﺗ ﺴﻴﻂ ﺻﻴﻐﺔ اﻟﺘﺒﺎﻳﻦ ‪ σ2‬ﺎﻟﺘﺎ ‪:‬‬

‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ x  X    x‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪i‬‬ ‫‪i‬‬ ‫‪ 2 X xi  X ‬‬
‫‪‬‬
‫‪ xi‬‬ ‫‪ 2 X  xi   X‬‬
‫‪2 ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﻋﻠﻤﺎ أن ‪X‬ﺛﺎﺑﺖ‬
‫‪ xi 2  2  X  n  X  n  X‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪  n X 2‬‬
‫‪ xi 2   2n  X‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪2 ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬ ‫وﻛﺬا أن ‪، n X   xi‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪i 1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪ xi‬‬ ‫‪ n X‬‬ ‫‪ xi‬‬ ‫‪2‬‬
‫ﻓﺈذا‪:‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪n‬‬ ‫‪n‬‬
‫ﻣﻤﺎ ﻳﻤﻜﻨﻨﺎ ﻣﻦ ا ﺼﻮل ﻋ اﻟﺼﻴﻐﺔ اﳌ ﺴﻄﺔ ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري ‪ σ‬ﺣﻴﺚ ﻳﺼﺒﺢ ﺑﺎﻟﺸ ﻞ‪:‬‬
‫‪n‬‬
‫‪ xi 2‬‬ ‫‪2‬‬
‫‪i 1‬‬
‫‪‬‬ ‫‪X‬‬
‫‪n‬‬
‫‪n‬‬

‫ﻢ اﻟﻌﻴﻨﺔ‬ ‫ﺣﻴﺚ ‪ :  xi ² :‬ﻣﺠﻤﻮع ﻣﺮ ﻌﺎت ﻗﻴﻢ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‪: n ،‬‬

‫‪i 1‬‬

‫ﺗﺤﺬﻳﺮ‪:‬‬

‫‪2‬‬
‫‪k‬‬ ‫‪ k ‬‬
‫‪‬‬ ‫‪xi2‬‬ ‫‪  xi ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪ i 1 ‬‬

‫ﻣﺜﺎل‪ :‬اﺣﺴﺐ اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻸﺟﻮر اﻟﻴﻮﻣﻴﺔ ﺑﺎﻟﺪوﻻر ‪ US$‬ﻟﻠﻌﻴﻨﺔ اﻟﺘﺎﻟﻴﺔ اﳌﺘ ﻮﻧﺔ ﻣﻦ‬
‫ﺧﻤﺲ ﻋﻤﺎل‪. 60 90 80 70 50 :‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪39‬‬

‫ا ﻞ‪:‬‬
‫‪5‬‬
‫ﺗ ﻮن ﻗﻴﻢ اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻸﺟﻮر ﻋ اﻟﺘﻮا ‪:‬‬ ‫‪ xi‬‬
‫‪i 1‬‬ ‫‪60  90  80  70  50 350‬‬
‫‪n‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 70$‬‬
‫‪2‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪5‬‬
‫‪ xi‬‬ ‫‪2‬‬ ‫‪5‬‬
‫‪i 1‬‬
‫‪² ‬‬ ‫‪ X  5100  4900  200‬‬ ‫‪‬‬ ‫‪  200  14,14$‬‬ ‫‪ xi 2‬‬
‫‪n‬‬ ‫‪i 1‬‬ ‫‪60²  90²  80²  70²  50²‬‬
‫‪‬‬ ‫‪ 5100‬‬
‫‪5‬‬ ‫‪5‬‬

‫ﺟﺪول ﺗﻜﺮاري ﻳﻤﻜﻨﻨﺎ ﺣﺴﺎب اﻟﺘﺒﺎﻳﻦ‬ ‫‪ ‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‪ :‬ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﻨﻈﻤﺔ‬
‫و ﻧﺤﺮاف اﳌﻌﻴﺎري ﺑﺎﺳﺘﺨﺪام إﺣﺪى اﻟﺼﻴﻎ ﺗﻴﺔ‪:‬‬
‫‪k‬‬ ‫‪k‬‬
‫أﻳﻦ‪ : ni :‬اﻟﺘﻜﺮار‬ ‫‪ ni xi  X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ ni xi ² ‬‬
‫‪2‬‬ ‫‪i 1‬‬ ‫‪2‬‬ ‫‪i 1‬‬ ‫‪2‬‬
‫‪ : xi‬ﻣﺮاﻛﺰاﻟﻔﺌﺎت‬ ‫‪ ‬‬
‫‪N‬‬
‫‪  ‬‬
‫‪N‬‬
‫‪X‬‬

‫‪N‬‬
‫‪k‬‬
‫‪ni‬‬ ‫‪ : N‬ﻣﺠﻤﻮع اﻟﺘﻜ ﺮارات‬ ‫ﻧﺤﺮاف اﳌﻌﻴﺎري ﻮ ﺟﺪر‬ ‫وﻛﻤﺎ ﻌﺮف أن‬
‫‪i 1‬‬

‫‪ : X‬اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‪.‬‬ ‫اﻟﺘﺒﺎﻳﻦ‪ .‬ﻓﺈن‪:‬‬

‫‪k‬‬ ‫‪k‬‬
‫‪ ni xi  X‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ ni  xi ² ‬‬ ‫‪2‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪X‬‬
‫‪N‬‬ ‫‪N‬‬

‫ﻣﺜﺎل )‪ :(2‬ﺣﺴﺎب ﻧﺤﺮاف اﳌﻌﻴﺎري ﻷﻋﻤﺎر اﻟﺘﻼﻣﻴﺬ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬ ‫ﻣﺮاﻛﺰ‬
‫اﻟﺘﻜﺮار‬
‫‪2‬‬ ‫‪184‬‬ ‫‪ni x x²i‬‬ ‫‪x²i‬‬ ‫‪ni x xi‬‬ ‫اﻟﻔﺌﺎت‬ ‫ﻓﺌﺎت ﻋﻤﺎر‬
‫‪X‬‬ ‫‪ 84 ,64  X ‬‬ ‫‪ 9 ,2‬‬
‫‪20‬‬ ‫)‪(ni‬‬
‫)‪(xi‬‬
‫ﻧﺤﺮاف اﳌﻌﻴﺎري‬
‫‪60,5‬‬ ‫‪30,25 11‬‬ ‫‪2‬‬ ‫‪5,5‬‬ ‫] ‪] 6,5 ; 4,5‬‬
‫‪k‬‬ ‫‪281,25 56,25 37,5‬‬ ‫‪5‬‬ ‫‪7,5‬‬ ‫] ‪] 8,5 ; 6,5‬‬
‫‪ ni xi ² ‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪X ‬‬
‫‪2‬‬ ‫‪1775‬‬
‫‪ 84,64‬‬ ‫‪722‬‬ ‫‪90,25 76‬‬ ‫‪8‬‬ ‫‪9,5‬‬ ‫] ‪] 10,5 ; 8,5‬‬
‫‪N‬‬ ‫‪20‬‬
‫‪529 132,25 46‬‬ ‫‪4‬‬ ‫‪11,5‬‬ ‫] ‪] 12,5 ; 10,5‬‬
‫‪   4,11  2,0273‬‬
‫‪182,25 182,25 13,5‬‬ ‫‪1‬‬ ‫‪13,5‬‬ ‫] ‪] 14,5 ; 12,5‬‬
‫‪1775‬‬ ‫‪184‬‬ ‫‪20‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ .iii‬ﺧﺼﺎﺋﺺ ﻧﺤﺮاف اﳌﻌﻴﺎري‬

‫ﺳﻮف ﻧﺘﻌﺮض ﻟﺒﻌﺾ ﺧﺼﺎﺋﺺ اﻟﺘﺒﺎﻳﻦ واﻟ ﺗﻨ ﺴﺐ أﻳﻀﺎ ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري وذﻟﻚ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت‬
‫اﳌﺒﺎﺷﺮة أو اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮ ﺔ‪.‬‬
‫ا ﺎﺻﻴﺔ و اﳌﺠﻤﻮع ا ي ﳌﺮ ﻌﺎت اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄ ﺎ ا ﺴﺎ ﻲ ‪ X‬ﺗ ﻮن أﺻﻐﺮ ﻣﻦ‬
‫ﻣﺠﻤﻮع ﻣﺮ ﻌﺎت اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ أي وﺳﻂ ﻓﺮ أﺧﺮ ‪ a‬ﺣﻴﺚ ‪: . c  X‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪40‬‬

‫‪k‬‬ ‫‪k‬‬
‫‪ ni ( xi  c )   ni ( xi  X )2‬‬
‫‪2‬‬
‫‪c  X‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫ﺛﺒﺎت‪:‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪ ni ( xi  c )2 ‬‬ ‫) ‪ ni ( xi  X  X  c )2   ni ( xi  X )  ( X  c‬‬‫‪‬‬ ‫‪‬‬
‫‪2‬‬

‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬

‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪‬‬ ‫‪ ni ( xi  X )2  2( X  c ) ni ( xi  X )   ni( X  c )2‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫) ‪ ni ( xi  X‬‬ ‫) ‪ 2( X  c ) ni ( xi  X ) ( X  c‬‬ ‫‪ ni‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪k‬‬

‫‪‬‬ ‫‪2‬‬
‫) ‪ ni ( xi  c )   ni ( xi  X‬‬ ‫‪2‬‬
‫) ‪ N( X  c‬‬ ‫‪2‬‬ ‫ﺑﻤﺎ أن ‪ ni ( xi  X )  0‬‬
‫‪i 1‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪k‬‬
‫و ‪ ni  N‬‬
‫‪i1‬‬
‫‪k‬‬ ‫‪k‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫وﻋﻠﻣﺎ ان ‪ N ( X  c )  0‬ﻓﺈن‬
‫‪‬‬ ‫) ‪ n i ( xi  c‬‬ ‫‪‬‬ ‫) ‪ ni ( xi  X‬‬
‫‪i 1‬‬ ‫‪i 1‬‬

‫ا ﺎﺻﻴﺔ ‪: 2‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xk‬ﻓﺈذا أﺿﻔﻨﺎ أو ﻃﺮﺣﻨﺎ ﻣﻦ اﻟﻘﻴﻢ ﺻﻠﻴﺔ‬
‫‪i = 1, 2,‬‬ ‫ﺛﺎﺑﺖ ‪ b‬ﻓﺈن ﻧﺤﺮاﻓﺎت اﻟﻨﺎﺗﺠﺔ )‪ (y1, y2, …, yk‬ﺣﻴﺚ‪yi = xi ± b :‬‬
‫ﻟﻠﻤﺘﻐ ﻣﻘﺪار‬
‫‪…, k‬‬

‫‪ y2   x2‬‬ ‫‪‬‬ ‫ﻌﻄﻰ اﻟﺘﺒﺎﻳﻦ ﺎﻟﺘﺎ ‪y  x  b :‬‬

‫و ﻤﻜﻦ أن ﺴﺘﺨﺪم ﺬﻩ ا ﺎﺻﻴﺔ ﺗ ﺴﻴﻂ اﻟﺒﻴﺎﻧﺎت‪ ،‬وﺧﺎﺻﺔ ﻋﻨﺪﻣﺎ ﺗ ﻮن ﻗﻴﻤ ﺎ ﻛﺒ ة‪.‬‬

‫ا ﺎﺻﻴﺔ ‪: 3‬إذا ﺎن ﻟﻠﻤﺘﻐ ‪ x‬اﳌﺸﺎ ﺪات )‪ (x1, x2, …, xk‬ﻓﺈذا ﺿﺮﻨﺎ ﺬﻩ اﳌﺸﺎ ﺪات ﻣﻘﺪار‬
‫ﺛﺎﺑﺖ ﺣﻘﻴﻘﻲ ‪ a‬ﻟ ﺼﻮل ﻋ اﻟﻘﻴﻢ )‪ (y1, y2, …, yk‬ﺣﻴﺚ‪. i = 1, 2, …, k…yi = axi :‬‬
‫ﻓﺈن ﺗﺒﺎﻳﻦ اﻟﻘﻴﻢ ا ﺪﻳﺪة ‪  2y‬ﺴﺎوى ﺗﺒﺎﻳﻦ ‪  x2‬ﻣﻀﺮو ﺎ ‪ a²‬أي أن‪:‬‬

‫‪ 2y  a²   x2‬‬ ‫‪‬‬ ‫‪y  ax‬‬

‫أي أن ﺗﺒﺎﻳﻦ ﻟﻠﻘﻴﻢ ا ﺪﻳﺪة ﺣﺎﻟﺔ اﻟﻀﺮب ﺴﺎوى ﺟﺪاء ﻣﺮ ﻊ اﳌﻘﺪار اﻟﺜﺎﺑﺖ ﻣﻊ ﺗﺒﺎﻳﻦ اﻟﻘﻴﻢ‬
‫ﺻﻠﻴﺔ‪.‬‬
‫ﺴﺘ ﺘﺞ ﻣﻦ ا ﺎﺻ ﺘ ن ‪ 2‬و ‪ 3‬أن اﻟﺘﺒﺎﻳﻦ و ﻧﺤﺮاف اﳌﻌﻴﺎري ﻻ ﻳﺤﺘﻔﻈﺎن ﺑﺎﻷﺷ ﺎل ا ﻄﻴﺔ‬
‫ﻟﺘﻮز ﻌﺎت اﳌﺘﻐ ات أي أن‪:‬‬
‫‪  yi  axi  b   2y  a²   x2‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪41‬‬

‫ا ﺎﺻﻴﺔ ‪ :4‬ﺴﺘﻄﻴﻊ اﻟﺘﺄﻛﺪ ﺴ ﻮﻟﺔ أن ﻧﺤﺮاف اﳌﻌﻴﺎري ﳌﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت أﻛ ﻣﻦ ﻧﺤﺮاف‬

‫اﳌﺘﻮﺳﻂ ﻟ ﺎ‪.‬‬

‫‪k‬‬ ‫‪k‬‬
‫‪ ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ni xi  X‬‬ ‫‪ni xi  X‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪‬‬
‫‪N‬‬ ‫‪N‬‬

‫‪ -5-2‬ﻣﻌﺎﻣﻞ ﺧﺘﻼف ‪(Coefficient of variation) CV‬‬

‫ﻮ ﻣﻌﺎﻣﻞ ﺴ ﺴﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧﺔ ﺑ ن ﺸ ﺖ ﻇﺎ ﺮﺗ ن أو أﻛ ‪ ،‬ﻓ ﻠﻤﺎ ﺎن ﻣﻌﺎﻣﻞ ﺧﺘﻼف أﻛ ﻠﻤﺎ‬

‫ازدادت درﺟﺖ اﻟ ﺸ ﺖ‪ .‬و ﻮ ﺴﺘﻌﻤﻞ ﻏﺎﻟﺒﺎ اﻟﺒﻴﺎﻧﺎت ذات وﺣﺪات اﻟﻘﻴﺎس اﳌﺨﺘﻠﻔﺔ ﻷﻧﮫ ﻌ ﺑﻘﻴﻢ‬
‫ﻣﺄو ﺔ‪ ،‬و ﺴﺘﻌﺎن ﺣﺴﺎﺑﮫ ﺑﺎﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪x‬‬
‫‪cvx ‬‬ ‫‪ 100‬‬
‫‪X‬‬
‫‪ :  x‬ﻧﺤﺮاف اﳌﻌﻴﺎري‬ ‫أﻳﻦ ‪:‬‬
‫‪ : X‬اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬

‫ﻴﺢ ﳌﻌﺎﻣﻞ ﺧﺘﻼف ﻟﻴﺼﺒﺢ‪:‬‬ ‫ﻢ ) ‪ ( N  20‬ﺴﺘﺤﺴﻦ ﺗﻄﺒﻴﻖ ﺗ‬ ‫ﺗﻨ ﻴﮫ‪ :‬ﺣﺎﻟﺔ اﻟﻌﻴﻨﺎت اﻟﺼﻐ ة ا‬
‫‪‬‬ ‫‪1 ‬‬
‫‪CVx*  1 ‬‬ ‫‪CVx‬‬
‫‪ 4N ‬‬

‫ﻣﺜﺎل‪:‬‬

‫ﺣﺴﺎب ﻣﻌﺎﻣﻞ ﺧﺘﻼف ﻟﻸﺟﻮر اﻟﻴﻮﻣﻴﺔ ﺑﺎﻟﺪوﻻر ‪ US$‬ﻟﻠﻌﻴﻨﺔ اﻟﺘﺎﻟﻴﺔ اﳌﺘ ﻮﻧﺔ ﻣﻦ ﺧﻤﺲ ﻋﻤﺎل‪. 60 90 80 70 50 :‬‬
‫ا ﻞ‪:‬‬
‫ﻗﻴﻢ اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ و ﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻸﺟﻮر وﻋﻠﻴﮫ ﻳ ﻮن ﻣﻌﺎﻣﻞ ﺧﺘﻼف ﻟﻸﺟﻮر ﺴﺎوي‪:‬‬
‫‪‬‬
‫‪cv  x 100 ‬‬
‫‪14,14‬‬
‫‪100  20,2%‬‬
‫‪  14,14$  X  70$‬‬ ‫ﻋ اﻟﺘﻮا ‪:‬‬
‫‪x‬‬
‫‪X‬‬ ‫‪70‬‬
‫‪‬‬
‫‪cv*x  1 ‬‬
‫‪1 ‬‬ ‫‪‬‬
‫‪  20 ,2%  1 ‬‬
‫‪1 ‬‬
‫‪  0,202  21,21%‬‬
‫ﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ﺧﺘﻼف اﳌ‬ ‫‪N 5‬‬ ‫ﺑﻤﺎ ان‬
‫‪‬‬ ‫‪4‬‬ ‫‪N‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪‬‬ ‫‪5‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪42‬‬

‫‪ - 3‬ﻣﻘﺎﻳ ﺲ ﻟﺘﻮاء ‪MEASURES OF SKEWNESS‬‬

‫واﻟﺘﻤﺎﺛﻞ ﻌ ﻮن ﻗﺴﻤﺔ اﳌﻨﺤ اﻟﺘﻜ ﺮاري ﻋﻤﻮدﻳﺎ‬ ‫اﻟﺘﻤﺎﺛﻞ‪،‬‬ ‫و ﻘﺼﺪ ﺑﺎﻻﻟﺘﻮاء ﻌﺪ اﳌﻨﺤ اﻟﺘﻜﺮاري ﻋﻦ‬
‫ﻣﻦ اﳌﻨﺘﺼﻒ ﻌﻄﻲ ﻗﺴﻤ ن ﻣﻨﻄﺒﻘ ن ﺗﻤﺎﻣﺎ‪ .‬واﻟﻌﻜﺲ أي ﻋﺪم اﻟﺘﻤﺎﺛﻞ ﻌ ﻋﺪم ﺗﻄﺎﺑﻖ اﻟﻘﺴﻤ ن‬
‫و ﻮن ﺣﻴ ﺎ اﻟﺘﻮز ﻊ ﻣﻠﺘﻮي إﻣﺎ ﻳﻤﻴﻨﺎ او ﺴﺎرا‪ .‬وﺷ ﻠﻴﺎ ﻳ ﻮن ﻣﻨﺤ اﻟﺘﻮز ﻊ اﻟﺘﻜﺮاري ﻣﻠﺘﻮ ﺎ ﻧﺤﻮ اﻟﻴﻤ ن‬
‫ﺗﺆﺛﺮ ﻋ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ وﺗﺘﺠﮫ ﺑﮫ ﻧﺤﻮ اﻟﻴﻤ ن‪ ،‬و ﺬﻟﻚ ﻳ ﻮن‬ ‫إذا ﺎﻧﺖ اﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ ﻧﺤﻮ اﻟﻴﻤ ن‬
‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ أﻛ ﻣﻦ اﻟﻮﺳﻴﻂ‪ .‬أﻣﺎ إذا ﺎن اﻟﺘﻮز ﻊ ﻣﻠﺘﻮ ﺎ ﻧﺤﻮ اﻟ ﺴﺎر ﻓﺈن اﻟﻮﺳﻂ ا ﺴﺎ ﻲ ﻳ ﻮن‬
‫أﺻﻐﺮ ﻣﻦ اﻟﻮﺳﻴﻂ‪ .‬و ﺴﺘﻄﻴﻊ ﺗﻮﺿﻴﺢ ﺬﻩ ا ﺎﻻت ﻛﻤﺎ ﻳ ‪:‬‬
‫‪Mo  Me  X‬‬ ‫‪ o‬ﺗﻮز ﻊ ﻣﻠﺘﻮ ﻟﻠﻴﻤ ن‪:‬‬
‫‪Mo  Me  X‬‬ ‫‪ o‬ﺗﻮز ﻊ‬
‫ﻣﺘﻤﺎﺛﻞ‪:‬‬
‫‪Mo  Me  X‬‬ ‫‪ o‬ﺗﻮز ﻊ ﻣﻠﺘﻮ ﻟﻠ ﺴﺎر‪:‬‬

‫اﻟﺘﻮز ﻊ ﻏ ﻣﺘﻤﺎﺛﻞ وﻣﻠﺘﻮ ﻣﻦ ﺟ ﺔ‬ ‫اﻟﺘﻮز ﻊ ﻣﺘﻤﺎﺛﻞ‬ ‫اﻟﺘﻮز ﻊ ﻏ ﻣﺘﻤﺎﺛﻞ وﻣﻠﺘﻮ ﻣﻦ ﺟ ﺔ‬

‫اﻟ ﺴﺎر‬ ‫اﻟﻴﻤ ن‬

‫‪X  Me  Mo‬‬ ‫‪X  Me  Mo‬‬ ‫‪Mo  Me  X‬‬

‫ﻤﺎﺛﻞ او ﻋﺪم‬ ‫وﻏﺎﻟﺒﺎ ﻣﺎ ﻳ ﻴﺢ ﺗﺤﻠﻴﻞ ﺷ ﻞ ﻋﻤﺪة ‪-‬او اﳌﺪرج اﻟﺘﻜﺮاري ‪-‬ﻣﻦ إدراك وﺗﻮﺿﻴﺢ ﻃﺒﻴﻌﺔ ﺗ‬
‫ﻤﺎﺛﻞ ﺗﻮز ﻊ ﻣﺎ‪ .‬ﻛﻤﺎ ﺴﺘﻌ ن ﺑﻤﻘﺎﻳ ﺲ ﻟﺘﻮاء واﻟ ﺗﻘ ﺲ درﺟﺔ اﻟﺘﻮاء اﳌﻨﺤ اﻟﺘﻜﺮاري وﻋﺪم اﻟﺘﻮازن‬‫ﺗ‬
‫ﺗﻮز ﻊ‪ .‬واﻟ ﺪف ﻮ ﻣﻘﺎرﻧﺔ ﺑ ن أﺷ ﺎل اﻟﺘﻮز ﻌﺎت‪ ،‬وﺗ ﻮن ﺬﻩ اﳌﻘﺎرﻧﺎت ذات دﻻﻟﺔ إذا إﺟﺮ ﺔ ﺑﻨﻔﺲ‬
‫اﳌﻌﺎﻣﻼت ﺣ وﻟﻮ ﺗﻢ ﺗﻄﺒﻴﻘ ﺎ ﻋ ﺗﻮز ﻌﺎت ﻣﺨﺘﻠﻔﺔ‪ ،‬أي ﻋﻨﺪ ﻣﻘﺎرﻧﺔ اﻟﺘﻮاء ﺗﻮز ﻌﺎت ﻣﺨﺘﻠﻔﺔ ﻳﺠﺐ‬
‫اﺳﺘﺨﺪام ﻧﻔﺲ اﳌﻌﺎﻣﻞ‪ .‬وﳌﻘﺎﻳ ﺲ ﻟﺘﻮاء أﺷ ﺎل ﻣﺨﺘﻠﻔﺔ ﺳﻮى ﺎﻧﺖ ﺴﻴﻄﺔ أو ﻣﺮﻛﺒﺔ‪ ،‬ﻧﺬﻛﺮ ﻣ ﺎ‪:‬‬

‫‪ -1-3‬اﳌﻌﺎﻣﻞ اﻟﺮ ﻴ ﻟﻼﻟﺘﻮاء أو ﻣﻌﺎﻣﻞ ﻳﻮل وﻛﻴﻨﺪال )‪ :(Yule & Kendall coefficient‬و ﺪ‬
‫أﻳﻀﺎ ﻣﻌﺎﻣﻞ ﺗﻮاء اﻟﺮ ﻴ ‪ .‬ﻳﻘ ﺲ ﻣﻌﺎﻣﻞ ‪ Yule‬اﻟﺘﻮاء اﻟﺘﻮز ﻊ ﺣﻴﺚ ﻳﺄﺧﺬ ﻌ ن ﻋﺘﺒﺎر اﳌﻮاﻗﻊ‬
‫اﻟ ﺴ ﻴﺔ ﻟﻠﺮ ﻴﻌﺎت ﺑﺎﻟ ﺴ ﻴﺔ ﻟﻠﻮﺳﻴﻂ‪ .‬و ﻮ ﻳﺼﺎغ ﺑﺎﻟﺸ ﻞ اﻟﺘﺎ ‪:‬‬

‫) ‪( Q3  Me )  ( Me  Q1‬‬ ‫‪Q1  Q3  2 Me‬‬

‫‪yk ‬‬
‫‪Q3  Q1‬‬ ‫‪ yk ‬أو ﺸ ﻞ ﻣ ﺎ‬ ‫‪Q3  Q1‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪43‬‬

‫ﻟﺘﻮز ﻣﺘﻤﺎﺛﻞ ﺗ ﻮن اﳌﺴﺎﻓﺎت ) ‪ ( Q3  Me )  ( Me  Q1‬وﻋﻠﻴﮫ ﻳ ﻮن ‪y k  0‬‬

‫ﻓﺒﺎﻟ ﺴﺒﺔ ﻊ‬
‫و ﻮن اﻟﺘﻮز ﻊ ﻣﻠﺘﻮ ﻧﺤﻮ اﻟ ﺴﺎرﺣ ن ) ‪ ( Q3  Me )  ( Me  Q1‬وﻋﻠﻴﮫ ‪y k  0‬‬
‫‪yk  0‬‬ ‫وﻋﻠﻴﮫ‬ ‫) ‪( Q3  Me )  ( Me  Q1‬‬ ‫و ﻮن اﻟﺘﻮز ﻊ ﻣﻠﺘﻮ ﻧﺤﻮ اﻟﻴﻤ ن ﺣ ن‬

‫اﻟﻌﻴﻨﺎت و ﺘ ﺼﺎن‬ ‫وﻟﻘﺪ ﻋﺮض ﺎرل ﺑ ﺳﻮن ‪ Karl Pearson‬ﻃﺮ ﻘﺘ ن ﺴﻴﻄﺘ ن ﻹﻳﺠﺎد ﻟﺘﻮاء‬
‫اﳌﻌﺎﻣﻠ ن اﻟﺘﺎﻟﻴ ن‪:‬‬

‫ول )‪ :(Pearson’s Coefficient of Skewness #1‬ﻳﻘ ﺲ ﻣﻌﺎﻣﻞ‬ ‫‪ -2-3‬ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻻﻟﺘﻮاء‬

‫ﺑﺎﳌﻘﺎرﻧﺔ ﺑ ن ﻗﻴﻢ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ واﳌﻨﻮال و ﺤﺴﺐ ﺑﺪﻻﻟﺔ اﻟﺼﻴﻐﺔ‬ ‫ﺑ ﺳﻮنﺗﻤﺎﺛﻞ ﻣﻨﺤ ﺗﻮز‬
‫ﺗﻴﺔ‪:‬‬
‫‪X  Mo‬‬
‫‪S k1 ‬‬
‫‪‬‬
‫‪Sk  0‬‬ ‫ﻓﺒﺎﻟ ﺴﺒﺔ ﻟﺘﻤﺎم اﻟﺘﻤﺎﺛﻞ ﺗ ﻮن ‪ Mo  Me  X‬وﻋﻠﯾﮫ‬
‫‪Sk  0‬‬ ‫و ﻮن اﻟﺘﻮز ﻊ ﻣﻠﺘﻮ ﻟﻠ ﺴﺎرﺣ ن ‪ X  Mo‬وﻋﻠﻴﮫ‬
‫‪Sk  0‬‬ ‫و ﻮن اﻟﺘﻮز ﻊ ﻣﻠﺘﻮ ﻟﻠﻴﻤ ن ﺣ ن ‪ X  Mo‬وﻋﻠﻴﮫ‬

‫‪ -3-3‬ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻻﻟﺘﻮاء اﻟﺜﺎ ﻲ )‪ :(Pearson’s Coefficient of Skewness #2‬واﻟﺬي ﻳﺤﺴﺐ‬

‫ﺑﺪﻻﻟﺔ اﻟﻮﺳﻴﻂ واﻟﻮﺳﻂ ا ﺴﺎ ﻲ وﻛﺬا ﻧﺤﺮاف اﳌﻌﻴﺎري ﻛﻤﺎ ﻳ ‪:‬‬
‫) ‪3( X  Me‬‬
‫‪SK 2 ‬‬
‫‪‬‬
‫ﻳﺠﺐ اﻟﺘﻨ ﻴﮫ أﻧﮫ ﻮن ﺬﻩ اﳌﻌﺎﻣﻼت اﻟﻼﻣﻌﻠﻤﻴﺔ‪ ،‬ﺴﻴﻄﺔ وﺳﺮ ﻌﺔ ا ﺴﺎب ﺘﻢ أﻛ ﺑﻮﺟﻮد واﺗﺠﺎﻩ‬
‫ﻟﺘﻮاء و ﻤﻜﻦ اﺳﺘﺨﺪﻣ ﺎ إﻻ ﺣﺎﻟﺔ اﻟﺘﻮز ﻌﺎت ﺣﺎدﻳﺔ اﳌﻨﻮال ذات اﻟﺸ ﻞ اﻟﻄﺒﻴ ﺴ ﻴﺎ‬
‫ﻗﻠﻴﻼ اﻟﺘﻤﺎﺛﻞ‪ .‬ﻛﻤﺎ ﺸ أﻧﮫ اﻟﺘﻌﺎر ﻒ ا ﺪﻳﺔ أﻏﻠﺐ اﳌﻘﺎﻳ ﺲ اﻟﺸ ﻠﻴﺔ أﺻﺒﺤﺖ أﻛ‬
‫واﳌﺘﺒﺎﻋﺪة ﻋ‬
‫دﻗﺔ و ﺴﺘﺨﺪم ﻃﺮ ﻘﺔ اﻟﻌﺰوم‪ .‬ﻟﺬا ﺴﺘﺤﺐ اﻟﺘﻄﺮق ﻟ ﺬﻩ ﺷ ﺎل اﻟ ﺴﺘﺨﺪم ﻛﺜ ﻣﻦ اﳌﻌﺎﻣﻼت‬
‫ﺣﺼﺎﺋﻴﺔ‪.‬‬

‫‪ ‬اﻟﻌﺰوم واﻟﻌﺰوم اﳌﺮﻛﺰ ﺔ‪ :‬ﻌﺮف اﻟﻌﺰم ‪ a ,k‬ذات اﻟﺮﺗﺒﺔ ‪ k‬و ﺎﻟ ﺴﺒﺔ ﻟـ‪ c :‬ﺑﺎﻟﺸ ﻞ اﻟﺘﺎ ‪:‬‬
‫‪‬‬ ‫‪ni ( xi  c )k‬‬
‫ﻧﻼﺣﻆ ﺳﺮ ﻌﺎ ﺣﺴﺐ ﻗﻴﻢ ‪ c‬و‪ k‬أن‪:‬‬ ‫‪c ,k ‬‬
‫‪N‬‬
‫‪0 ,1 ‬‬
‫‪ ni ( xi )  X‬‬ ‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬ ‫أﻳﻦ‪)c   :‬ﺛﺎﺑﺖ ﺣﻘﻴﻘﻲ( و ‪) k  ‬ﻋﺪد ﻃﺒﻴ (‬
‫‪N‬‬
‫ﻣﺮﻊ اﻟﻮﺳﻂ‬ ‫ﺴﻤﻴﺔ ﻋﺰم ﻣﺮﻛﺰي‬ ‫‪c ,k‬‬ ‫و ﺣ ن ﻳ ﻮن ‪ X  c‬ﻧ ﺴﺐ ﻟﻠﻌﺰم‬
‫‪0 ,2 ‬‬
‫‪ ni ( xi ) 2‬‬ ‫‪ X Q2‬‬
‫‪N‬‬ ‫اﻟ ﺑﻴ‬ ‫‪  k‬ذات اﻟﺮﺗﺒﺔ ‪ k‬و ﺄﺧﺬ اﻟﺸ ﻞ اﻟﺘﺎ ‪:‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪44‬‬

‫‪ X ,2 ‬‬
‫‪ ni ( x i  X )2‬‬ ‫‪2‬‬ ‫اﻟﺘﺒﺎﻳﻦ‬ ‫‪‬‬ ‫‪ni ( xi  X )k‬‬
‫‪N‬‬ ‫‪X ,k‬‬ ‫‪ k ‬‬
‫ﻣﺘﻮﺳﻂ‬ ‫‪N‬‬
‫‪ X ,1 ‬‬
‫‪ ni ( xi  X )  0‬‬
‫‪N‬‬ ‫ﻧﺤﺮاﻓﺎت‬

‫‪ -4-3‬ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ﻟﻼﻟﺘﻮاء ‪ :(Fisher Skewness coefficient)  1‬و ﻮ ﻣﻦ أدق اﳌﻘﺎﻳ ﺲ اﻟﺸ ﻠﻴﺔ‬
‫وأﻛ ﺎ اﺳﺘﻌﻤﺎﻻ‪ ،‬ﺣﻴﺚ ﻳﻮ ﺷﺪة واﺗﺠﺎﻩ ﻟﺘﻮاء و ﻮ ﺴ ﻨﺪ ا ﺣﺴﺎب ﻣﺴﺒﻖ ﻟـ ‪  3‬اﻟﻌﺰم اﳌﺮﻛﺰي‬
‫ﻣﻦ اﻟﺮﺗﺒﺔ ‪ .3‬و ﻌﺮف ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ﻟﻼﻟﺘﻮاء ﺑﺎﻟﺼﻴﻐﺔ‪:‬‬
‫‪3‬‬
‫‪1 ‬‬
‫‪3‬‬
‫أﻳﻦ‪:‬‬
‫‪1 k‬‬
‫اﻟﻌﺰم اﳌﺮﻛﺰي ﻣﻦ اﻟﺮﺗﺒﺔ ‪.3‬‬ ‫‪3   ni ( xi  X )3‬‬
‫‪N i1‬‬
‫و ‪ : ‬ﻧﺤﺮاف اﳌﻌﻴﺎري‪.‬‬

‫و ﻜﻮن اﻟﺘﻮز ﻊ‬
‫ﻏ‪ -‬ﻣﺘﻤﺎﺛﻞ وﻣﻠﺘﻮ ﻣﻦ ﺟ ﺔ اﻟﻴﻤ ن إذا ‪ 1  0 ‬‬

‫ﻣﺘﻤﺎﺛﻞ ﺗﻤﺎﻣﺎ إذا ‪ 1  0 ‬‬

‫‪-‬‬
‫ﻏ‪ -‬ﻣﺘﻤﺎﺛﻞ وﻣﻠﺘﻮ ﻣﻦ ﺟ ﺔ اﻟ ﺴﺎرإذا ‪ 1  0 ‬‬

‫‪ -5-3‬ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻼﻟﺘﻮاء ‪ :(Pearson's moment coefficient of skewness) 1‬و ﻮ ﻣﻘﻴﺎس‬

‫ﺷﻜ ﻣﺴﺘﻌﻤﻞ ﻏﺎﻟﺒﺎ اﻟﻜﺸﻒ ﻋﻦ ﻟﺘﻮاء‪ ،‬و ﻌﺮف ﺑﺎﻟﺼﻴﻐﺔ‪:‬‬

‫‪2‬‬
‫‪32  3 ‬‬
‫‪1  6   3   12‬‬
‫‪‬‬ ‫‪ ‬‬
‫أﻳﻦ‪:‬‬
‫‪k‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪3‬‬
‫‪ :‬ﻣﺮ ﻊ اﻟﻌﺰم اﳌﺮﻛﺰي ﻣﻦ اﻟﺮﺗﺒﺔ ‪.3‬‬ ‫‪ 32‬‬ ‫‪‬‬
‫‪N‬‬ ‫) ‪ ni ( xi  X‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫و ‪ : ‬ﻧﺤﺮاف اﳌﻌﻴﺎري‪.‬‬

‫و ﻮن اﻟﺘﻮز ﻊ‬
‫ﻏ‪ -‬ﻣﺘﻤﺎﺛﻞ وﻣﻠﺘﻮ إذا ‪1  0 ‬‬

‫ﻣﺘﻤﺎﺛﻞ ﺗﻤﺎﻣﺎ إذا ‪1  0 ‬‬

‫‪-‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪45‬‬

‫‪ - 4‬ﻣﻘﺎﻳ ﺲ اﻟﺘﻔﺮﻃﺢ ‪MEASURES OF KURTOSIS‬‬

‫ﺘﻤﺎﺛﻞ‪ .‬و ﻮ‬ ‫ﻮ ﻣﻘﻴﺎس ﻳﻘ ﺲ درﺟﺔ ﻋﻠﻮ أو اﻧﺨﻔﺎض ﻣﻨﺤ ﺗﻮز ﻊ ﺗﻜﺮاري ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﻤﻨﺤ اﻟﻄﺒﻴ اﳌ‬
‫ﻣﻘﻴﺎس ﻟﻠ ﺸ ﺖ ﺣﻮل اﻟﻘﻴﻢ اﻟﻮﺳﻄﻰ‪ .‬ﻠﻤﺎ ﺎن اﻟﺘﻮز ﻊ ﻛﺒ ﻠﻤﺎ ﺎن اﳌﻨﺤ ﻣﻤﺘﺪ ‪ .plate‬ﻓﺪور ﻣﻌﺎﻣﻞ‬
‫ﻟﺘﻮاء ﻮ اﻟﻜﺸﻒ ﻋﻦ ﺗﻤﺎﺛﻞ اﳌﻨﺤ اﻟﺘﻜﺮاري‪ ،‬ﻓﻘﺪ ﻳ ﻮناﳌﻨﺤ ﻣﺘﻤﺎﺛﻼ اﻧﮫ ﻏ اﻋﺘﺪا ﻷﻧﮫ‬
‫ﻣﺪﺑﺐ او ﻣﻔﺮﻃﺢ وﻟﺬا ﻓﻨﺤﻦ ﺣﺎﺟﺔ ا ﻣﻘﻴﺎس اﺧﺮ ﳌﻌﺮﻓﺔ ﻣﺎ إذا ﺎن اﳌﻨﺤ ﻣﺪﺑﺒﺎ او ﻣﻔﺮﻃﺤﺎ ام ﻻ‬
‫ﺬﻩ اﻟﻔﻜﺮة ﻓﺎﳌﻨﺤﻨﻴﺎت اﻟﺜﻼﺛﺔ اﻟﺘﺎﻟﻴﺔ‬ ‫و ﺬا اﳌﻘﻴﺎس ﻮ ﻣﻌﻤﻞ اﻟﺘﻔﺮﻃﺢ و ﺷ ﺎل اﻟﺘﺎﻟﻴﺔ ﺗﻮ‬
‫ﻣﺘﻤﺎﺛﻠﺔ ا ﺎ ﻏ اﻋﺘﺪاﻟﻴﺔ‪ .‬اﻣﺎ اﳌﻨﺤ ﻋﺘﺪا اﳌﻌﻴﺎرﻓي ﻮ ﻣﺘﻤﺎﺛﻞ وﻟ ﺲ ﻣﺪﺑﺒﺎ او ﻣﻔﺮﻃﺤﺎ‪.‬‬

‫ﻳﻤﻜﻨﻨﺎ ﺗﺤﺪﻳﺪ ﺗﻔﺮﻃﺢ اﻟﺘﻮز ﻊ ﺑﻘﻴﻢ ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ‪  2‬أو ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ‪  2‬ﻟﻠﺘﻔﺮﻃﺢ‪ ،‬اﳌﺮﺗﻜﺰ ﻦ ﻋ‬
‫اﻟﻌﺰم اﳌﺮﻛﺰي ﻣﻦ اﻟﺮﺗﺒﺔ ‪ ،4‬أي ‪  4‬واﻟﺬي ﻳﺼﺎغ ﻛﻤﺎ ﻳ ‪:‬‬

‫‪k‬‬
‫‪1‬‬
‫‪4 ‬‬
‫‪N‬‬
‫‪ ni ( x i  X ) 4‬‬
‫‪i 1‬‬

‫وﻋﻠﻴﮫ ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﺻﻴﻎ اﳌﻌﺎﻣﻼت اﻟﺘﺎﻟﻴﺔ ﺴﺎب اﻟﺘﻔﺮﻃﺢ‪:‬‬

‫ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻠﺘﻔﺮﻃﺢ ‪ :(Pearson Kurtosis coefficient)  2‬و ﻮ اﻟﻘﻴﻤﺔ اﳌﺴﺘﻮﺣﺎة ﻣﻦ‬ ‫‪.i‬‬
‫اﻟﺸ ﻞ اﻟﺘﺎ ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 2  44  42‬‬
‫‪‬‬ ‫‪2‬‬
‫ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ﻟﻠﺘﻔﺮﻃﺢ ‪ :(Fisher Kurtosis coefficient)  2‬و ﻮ اﻟﻘﻴﻤﺔ اﳌﺴﺘﺨﺮﺟﺔ ﻣﻦ‬ ‫‪.ii‬‬
‫ا ﺴﺎب اﻟﺘﺎ ‪:‬‬
‫‪4‬‬
‫و ﺸ ﻞ ﻣﻮاﻓﻖ ‪ 2   2  3‬‬ ‫‪2 ‬‬ ‫‪3‬‬
‫‪4‬‬
‫ﻓ ﻠﻤﺎ ﺎن اﻟﺘﻮز ﻊ ﻣﻨﻜﻤﺶ ﻠﻤﺎ ﺎﻧﺖ ﻗﻴﻢ اﳌﻌﺎﻣﻼت ﻛﺒ ة و ﻠﻤﺎ ﺎن اﻟﺘﻮز ﻊ اﳌﺸﺎ ﺪ ﻣﻤﺘﺪ وﻣﻨﺤﻞ‬
‫ﻠﻤﺎ ﺎﻧﺖ ﻗﻴﻢ اﳌﻌﺎﻣﻼت ﺻﻐ ة‪ .‬وﻧﻘﻮل ﻋﻤﻮﻣﺎ أﻧﮫ ‪:‬‬
‫إذا ﺎن ‪  2  3‬أو ‪  2  0‬ﻳ ﻮن ﻣﻨﺤ اﻟﺘﻮز ﻊ ﻣﻌﺘﺪﻻ )‪ (Mesokurtic distribution‬أي ﻗﺮ ﺐ ﻣﻦ‬
‫اﳌﻨﺤ اﻟﻄﺒﻴ ؛‬
‫إذا ﺎن ‪  2  3‬أو ‪  2  0‬ﻳ ﻮن ﻣﻨﺤ اﻟﺘﻮز ﻊ ﻣﺪﺑﺒﺎ )‪ (Leptokurtic distribution‬ﻣﻌﻈﻢ اﻟﻘﻴﻢ‬
‫ﺑﺎﻟﻘﺮب ﻣﻦ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ واﻟﺬﻳﻠ ن؛‬
‫إذا ﺎن ‪  2  3‬أو ‪  2  0‬ﻳ ﻮن ﻣﻨﺤ اﻟﺘﻮز ﻊ ﻣﻨ ﺴﻄﺎ )ﻣﻔﺮﻃﺤﺎ( )‪(Platykurtic distribution‬‬
‫ﻣﻌﻈﻢ اﻟﻘﻴﻢ ﻌﻴﺪة ﻋﻦ اﻟﻮﺳﻂ واﻟﺬﻳﻠ ن‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪46‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪47‬‬

‫ﻣﺜﺎل ﺷﺎﻣﻞ‪ :‬ﺗﻮز ﻊ ﻗﺎﻣﺔ )ﺑﺎﳌ ( ﳌﺠﻤﻮﻋﺔ ﻣ ﻮن ﻣﻦ ‪ 24‬ﻃﺎﻟﺐ‬

‫‪5‬‬ ‫‪5‬‬
‫ﻓﺌﺎت اﻟﻘﺎﻣﺔ‬ ‫اﻟﺘﻜﺮار‬ ‫اﻟﺘﻜﺮار‬ ‫ﻣﺮاﻛﺰ‬ ‫‪n i x xi‬‬ ‫‪5‬‬
‫‪ ni ( xi  X )2‬‬ ‫‪ ni ( xi  X )3‬‬ ‫‪ ni ( x i  X ) 4‬‬
‫)‪(ni‬‬ ‫اﳌﺘﺠﻤﻊ‬ ‫اﻟﻔﺌﺎت‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬

‫اﻟﺼﺎﻋﺪ‬ ‫)‪(xi‬‬
‫‪Ni‬‬
‫[ ‪[ 1.50 ; 1.60‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪1,55‬‬ ‫‪9,3‬‬ ‫‪0,1134‬‬ ‫‪-0,0156‬‬ ‫‪0,0021‬‬
‫[ ‪[ 1.60 ; 1.70‬‬ ‫‪7‬‬ ‫‪13‬‬ ‫‪1,65‬‬ ‫‪11,55‬‬ ‫‪0,0098‬‬ ‫‪-0,0004‬‬ ‫‪0,0000‬‬
‫[ ‪[ 1.70 ; 1.80‬‬ ‫‪8‬‬ ‫‪21‬‬ ‫‪1,75‬‬ ‫‪14‬‬ ‫‪0,0313‬‬ ‫‪0,0020‬‬ ‫‪0,0003‬‬
‫[ ‪[ 1.80 ; 1.90‬‬ ‫‪2‬‬ ‫‪23‬‬ ‫‪1,85‬‬ ‫‪3,7‬‬ ‫‪0,0528‬‬ ‫‪0,0086‬‬ ‫‪0,0160‬‬
‫[ ‪[ 1.90 ; 2.00‬‬ ‫‪1‬‬ ‫‪24‬‬ ‫‪1,95‬‬ ‫‪1,95‬‬ ‫‪0,0689‬‬ ‫‪0,0181‬‬ ‫‪0,1140‬‬
‫∑‬ ‫‪24‬‬ ‫‪40,5‬‬ ‫‪0,2763‬‬ ‫‪0,0127‬‬ ‫‪0,1325‬‬
‫‪‬‬ ‫‪1,6875‬‬ ‫‪0,0115‬‬ ‫‪0,0005‬‬ ‫‪0,0055‬‬
‫‪N‬‬

‫اﺣﺴﺐ اﳌﺪى وﻧﺼﻒ اﳌﺪى اﻟﺮ ﻴ و ﻧﺤﺮاف اﳌﺘﻮﺳﻂ و ﻧﺤﺮاف اﳌﻌﻴﺎري‬

‫اﺣﺴﺐ ﻣﻘﺎﻳ ﺲ ﻟﺘﻮاء واﻟﺘﻔﺮﻃﺢ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺴﺄﻟﺔ‬
‫اﳌﺪرج واﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬
‫‪10‬‬

‫‪8‬‬

‫‪6‬‬
‫اﻟﺘﻜﺮار ‪ni‬‬

‫‪4‬‬

‫‪2‬‬

‫‪0‬‬
‫‪1,45‬‬ ‫‪1,55‬‬ ‫‪1,65‬‬ ‫‪1,75‬‬ ‫‪1,85‬‬ ‫‪1,95‬‬ ‫‪2,05‬‬
‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬
‫اﻟﺘﻜﺮار اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ‪Ni‬‬

‫اﳌﻨﺤ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﺘﻮز ﻊ ﻗﺎﻣﺔ اﻟﻄﻼب‬

‫‪25‬‬

‫‪20‬‬
‫‪18‬‬
‫‪15‬‬
‫‪12‬‬
‫‪10‬‬

‫‪6‬‬ ‫‪5‬‬

‫‪0‬‬
‫‪1,5‬‬ ‫‪1,6‬‬ ‫‪1,7‬‬ ‫‪1,8‬‬ ‫‪1,9‬‬ ‫‪2‬‬
‫‪Q1=1,6‬‬ ‫‪Q3=1,7625‬‬ ‫ﻓﺌﺎت ﻗﺎﻣﺔ اﻟﻄﻼب ‪X‬‬
‫‪Me=1,685‬‬

‫ﻢ اﻟﻌﻴﻨﺔ اﳌﺪروﺳﺔ ‪.N=24‬‬ ‫‪ : N‬ﻣﺠﻤﻮع اﻟﺘﻜ ﺮارات و ﻮ ﻳﻤﺜﻞ أﻳﻀﺎ‬

48 _____ ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬

:‫ﻟﻨﺤﺴﺐ اﳌﻘﺎﻳ ﺲ‬
Arithmetic Mean ‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬
1 1 5 40,5
X 
N
 ni xi  
24 i 1
ni xi 
24
 1,6875m;
i

Median ‫اﻟﻮﺳﻴﻂ‬

Me  Linf Me 
 N
2

 N Me 1   a  1,6  12  6  0,1  1,685m;
n Me 7
Mode ‫اﳌﻨﻮال‬
1 1 
Mo  Linf Mo     a  1,7     0,1  1,7143m;
1   2  1 6 
24 N
Q1  1,60m; ‫ﻓﺈن‬ 6
4

4
‫اﻟﺮ ﻴﻊ ول ﺑﻤﺎ أن‬
‫اﻟﺮ ﻴﻊ اﻟﺜﺎﻟﺚ‬

Q3  Linf Q3 
3N
4
 N Q3 1   a  1,7  18  13  0,1  1,7625m;
nQ3 8
Variance ‫ أو اﻟﺘﺒﺎﻳﻦ‬2 ‫اﻟﻌﺰم اﳌﺮﻛﺰي ﻣﻦ اﻟﺮﺗﺒﺔ‬
1 0 ,2761
 ni xi  X 
2
2   2    0,0115m²;
N i 24
Standard-Deviation ‫وﻋﻠﻴﮫ ﻓﺈن ﻧﺤﺮاف اﳌﻌﻴﺎري‬
   2   2  0,0115  0,1072 m;
3 ‫اﻟﻌﺰم اﳌﺮﻛﺰي ﻣﻦ اﻟﺮﺗﺒﺔ‬
1 0 ,0125
 ni xi  X 
3
3    0 ,0005m 3 ;
N i 24
Coefficient of variation ‫ﻣﻌﺎﻣﻞ ﺧﺘﻼف‬
x 0,1072
cvx  100  100  6,35%;
X 1,6875
(interquartile range ) ‫اﳌﺪى اﻟﺮ ﻴ‬
Q 3  Q1   1,7625  1,6  0 ,1625 m ;
(quartile deviation) ‫ﻧﺤﺮاف اﻟﺮ ﻴ‬
Q
Q3  Q1   0,1625  0,08125m;
2 2
(Yule & Kendall coefficient) ‫اﳌﻌﺎﻣﻞ اﻟﺮ ﻴ ﻟﻼﻟﺘﻮاء أو ﻣﻌﺎﻣﻞ ﻟﻴﻮل وﻛﻴﻨﺪال‬
49 _____ ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬

( Q3  Me )  ( Me  Q1 ) 1,7625  1,685  1,685  1,60

yk     0 ,0461;
Q3  Q1 1,7625  1,60
(Pearson coefficient) ‫أول ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻼﻟﺘﻮاء‬
X  Mo 1,6875  1,7143
Sk     0 ,25 ;
 0 ,1072
(Pearson Skewness coefficient) ‫ﺛﺎ ﻲ ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻼﻟﺘﻮاء‬
2
32  3  0 ,00052
1  6   3    0,1823;
   0 ,001232
(Fisher Skewness coefficient) ‫ﻣﻌﺎﻣﻞ ﻓ ﺸﺮ ﻟﻼﻟﺘﻮاء‬
 3 0 ,0005 
1    0 ,4275 ;
 3 0 ,1072 3
:(Pearson Kurtosis coefficient) ‫ﻣﻌﺎﻣﻞ ﺑ ﺳﻮن ﻟﻠﺘﻔﺮﻃﺢ‬
2 
4

0,0055  41,6643
4 0,10724
.‫ﺗﺘﻔﻖ ر ﻊ ﻣﻌﺎﻣﻼت ﺗﻮاء ﻋ أن ﻗﺎﻣﺔ اﻟﻄﻼب ذات ﺗﻮز ﻊ ﻣﻠﺘﻮي ﻃﻔﻴﻔﺎ ﻧﺤﻮ اﻟﻴﻤ ن‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪50‬‬

‫ﺗﻤﺎر ﻦ ﻟﻠﻤﺮاﺟﻌﺔ اﻟﻌﺎﻣﺔ‪:‬‬

‫اﻟﺘﻤﺮ ﻦ ‪:1‬‬
‫ﻟ ﻞ ﻣ ﺎ‪.‬‬ ‫أذﻛﺮﺑﺼﻔﺔ وﺟ ة أ ﻢ أﻧﻮاع اﳌﺘﻐ ات ﺣﺼﺎﺋﻴﺔ وأﺻﻨﺎﻓ ﺎ ﻣﻊ إﻋﻄﺎء ﻣﺜﺎل‬
‫ا ﻞ ‪:1‬‬
‫ﻟ ﻞ ﻣ ﺎ‪.‬‬ ‫أ ﻢ أﻧﻮاع اﳌﺘﻐ ات ﺣﺼﺎﺋﻴﺔ وأﺻﻨﺎﻓ ﺎ ﻣﻊ ﻣﺜﺎل‬
‫ﻣﺜﻠﺔ‬ ‫أﺻﻨﺎف اﳌﺘﻐ ات‬ ‫ﻧﻮع اﳌﺘﻐ‬
‫ﻋﺪد اﻟﻄﻼب ا ﺎﻣﻌﺔ‬ ‫اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ اﳌﺘﻘﻄﻌﺔ )اﳌﻨﻔﺼﻠﺔ(‬
‫اﳌﺘﻐ اﻟﻜﻤﻲ‬
‫دﺧﻞ ﺳﺮة‬ ‫اﳌﺘﻐ ات اﻟﻜﻤﻴﺔ اﳌﺘﺼﻠﺔ‬
‫أﻧﻮاع اﻟﺴﻴﺎرات‬ ‫ﻣﺘﻐ ات ﻧﻮﻋﻴﺔ ﻏ ﻣﺮﺗﺒﺔ‬
‫اﳌﺘﻐ اﻟﻨﻮ‬
‫ﻣﺴﺘﻮي اﻟﻄﻼب ﺎدﻳ‬ ‫اﳌﺘﻐ ات اﻟﻨﻮﻋﻴﺔ اﳌﺮﺗﺒﺔ‬

‫اﻟﺘﻤﺮ ﻦ ‪:2‬‬
‫اﻟﺪم )غ‪/‬ل( اﳌﻘﺎﺳﺔ ﻟﺪى ﻋﻴﻨﺔ ﻣﻦ‬ ‫ﻟﺘﻜﻦ اﻟﺴﻠﺴﻠﺔ ﺣﺼﺎﺋﻴﺔ اﳌ ﻮﻧﺔ ﻣﻦ ‪ 60‬ﻗﻴﻤﺔ ﳌﺴﺘﻮى اﻟﻜﺮ ﺎت ا ﻤﺮاء‬
‫ﺎص‪ .‬وﻗﺪ ﺗﻢ ﺗﻮز ﻊ ﻧﺘﺎﺋﺞ اﻟﺘﺤﺎﻟﻴﻞ ﻣﻦ ﺧﻼل ا ﺪول اﻟﺘﺎ ‪:‬‬
‫‪112‬‬ ‫‪105‬‬ ‫‪110‬‬ ‫‪112‬‬ ‫‪118‬‬ ‫‪119‬‬ ‫‪120‬‬ ‫‪120 172 165‬‬
‫‪128 125‬‬ ‫‪126‬‬ ‫‪127‬‬ ‫‪130‬‬ ‫‪132‬‬ ‫‪133‬‬ ‫‪134 172 163‬‬
‫‪138 135‬‬ ‫‪138‬‬ ‫‪138‬‬ ‫‪138‬‬ ‫‪141‬‬ ‫‪142‬‬ ‫‪144 176 164‬‬
‫‪148 145‬‬ ‫‪146‬‬ ‫‪148‬‬ ‫‪148‬‬ ‫‪149‬‬ ‫‪150‬‬ ‫‪150 179 168‬‬
‫‪153 150‬‬ ‫‪151‬‬ ‫‪151‬‬ ‫‪153‬‬ ‫‪153‬‬ ‫‪170‬‬ ‫‪154 164 166‬‬
‫‪156 154‬‬ ‫‪155‬‬ ‫‪154‬‬ ‫‪158‬‬ ‫‪160‬‬ ‫‪160‬‬ ‫‪160 156 168‬‬
‫‪ -1‬ﺣﺪد اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ واﳌﺘﻐ ﺣﺼﺎ ﻲ اﳌﺪروس وﻃﺒﻴﻌﺘﮫ‪.‬‬
‫‪ -2‬رﺗﺐ اﻟﺴﻠﺴﻠﺔ ﻣﻦ ﺧﻼل ﺟﺪول ﺗﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‪.‬‬
‫‪ -‬ﻌﺪ ﺗﺠﻤﻴﻊ اﻟﺴﻠﺴﻠﺔ ﻣﻦ ﺧﻼل ‪ 08‬ﻓﺌﺎت و ‪:‬‬
‫]‪]184;174] , ]174;164] , ]164;154] , ]154;144] , ]144;134] , ]134;124] , ]124;114] , ]114;104‬‬
‫‪ -3‬أﻛﺘﺐ ا ﺪول اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ واﻟ ﺴ ﻴﺔ ﻟﻠﺴﻠﺴﻠﺔ اﳌﺒﻮ ﺔ‬
‫‪ -4‬أﺣﺴﺐ اﻟﺘﻜﺮار اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ‬
‫‪ -5‬أﺣﺴﺐ اﻟﺘﻜﺮاراﳌﺠﻤﻊ اﻟﻨﺎزل اﻟ ﺴ‬
‫‪ -6‬أرﺳﻢ اﳌﺪرج اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‬
‫‪ -7‬أرﺳﻢ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‬
‫‪ -8‬أرﺳﻢ اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﺘﻜﺮارات اﻟ ﺴ ﻴﺔ‬
‫‪ -9‬أرﺳﻢ اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﺠﻤﻊ اﻟﻨﺎزل ﻟﻠﺘﻜﺮارات اﻟ ﺴ ﻴﺔ‬
‫‪ -10‬أﺣﺴﺐ ﻗﻴﻢ اﳌﻨﻮال‪ ،‬اﻟﻮﺳﻴﻂ‪ ،‬واﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‪.‬‬
‫ا ﻞ ‪:2‬‬
‫ﺎص ﻗﻴﺪ اﻟﺪراﺳﺔ‬ ‫‪ -1‬اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ‪ :‬ﻣﺠﻤﻮع‬
‫‪ -‬اﳌﺘﻐ ﺣﺼﺎ ﻲ اﳌﺪروس ‪ :‬ﻣﺴﺘﻮى اﻟﻜﺮ ﺎت ا ﻤﺮاء اﻟﺪم و ﻮ ﻣﺘﻐ ﻛ ﻣﺘﺼﻞ وﺣﺪة ﻗﻴﺎﺳﮫ )غ‪/‬ل(‪.‬‬
‫‪ -2‬ﺗﺮﺗ ﺐ اﻟﺴﻠﺴﻠﺔ ﻣﻦ ﺧﻼل ﺟﺪول ﺗﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‪:‬‬
‫‪ -3‬ا ﺪول اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ واﻟ ﺴ ﻴﺔ ﻟﻠﺴﻠﺴﻠﺔ اﳌﺒﻮ ﺔ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪51‬‬

‫‪ -4‬اﻟﺘﻜﺮار اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ‬

‫‪ -5‬اﻟﺘﻜﺮاراﳌﺠﻤﻊ اﻟﻨﺎزل اﻟ ﺴ‬
‫اﻟﺘﻜﺮاراﳌﺠﻤﻊ‬ ‫اﻟﺘﻜﺮاراﳌﺠﻤﻊ‬
‫اﻟﻨﺎزل اﻟ ﺴ‬ ‫اﻟﺼﺎﻋﺪ اﻟ ﺴ‬
‫اﻟﺘﻜﺮار‬
‫‪niXi‬‬ ‫↓‪Fi‬‬ ‫↑‪Fi‬‬ ‫اﻟﺘﻜﺮار اﳌﻄﻠﻖ‬ ‫ﻣﺮاﻛﺰ اﻟﻔﺌﺎت‬ ‫اﻟﻔﺌﺎت‬
‫اﻟ ﺴ‬
‫‪ni‬‬ ‫‪Xi‬‬
‫‪fi‬‬

‫‪1‬‬ ‫‪0‬‬
‫‪0,067‬‬ ‫‪4‬‬ ‫‪109‬‬ ‫‪]114‬‬ ‫]‪104‬‬
‫‪436‬‬ ‫‪0,933‬‬ ‫‪0,067‬‬
‫‪476‬‬ ‫‪0,867‬‬ ‫‪0,133‬‬ ‫‪0,067‬‬ ‫‪4‬‬ ‫‪119‬‬ ‫‪]124‬‬ ‫]‪114‬‬
‫‪903‬‬ ‫‪0,750‬‬ ‫‪0,250‬‬ ‫‪0,117‬‬ ‫‪7‬‬ ‫‪129‬‬ ‫‪]134‬‬ ‫]‪124‬‬
‫‪1112‬‬ ‫‪0,617‬‬ ‫‪0,383‬‬ ‫‪0,133‬‬ ‫‪8‬‬ ‫‪139‬‬ ‫‪]144‬‬ ‫]‪134‬‬
‫‪2235‬‬ ‫‪0,367‬‬ ‫‪0,633‬‬ ‫‪0,250‬‬ ‫‪15‬‬ ‫‪149‬‬ ‫‪*]154‬‬ ‫]‪144‬‬
‫‪1749‬‬ ‫‪0,183‬‬ ‫‪0,817‬‬ ‫‪0,183‬‬ ‫‪11‬‬ ‫‪159‬‬ ‫‪]164‬‬ ‫]‪154‬‬
‫‪1521‬‬ ‫‪0,033‬‬ ‫‪0,967‬‬ ‫‪0,150‬‬ ‫‪9‬‬ ‫‪169‬‬ ‫‪]174‬‬ ‫]‪164‬‬
‫‪358‬‬ ‫‪0,000‬‬ ‫‪1,000‬‬ ‫‪0,033‬‬ ‫‪2‬‬ ‫‪179‬‬ ‫‪]184‬‬ ‫]‪174‬‬
‫‪8790‬‬ ‫‪1‬‬ ‫‪60‬‬ ‫اﳌﺠﻤﻮع‬

‫‪ - 7‬رﺳﻢ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‬ ‫‪ - 6‬رﺳﻢ اﳌﺪرج اﻟﺘﻜﺮاري ﻟﻠﺘﻜﺮارات اﳌﻄﻠﻘﺔ‬

‫‪16‬‬ ‫‪ni‬‬
‫‪14‬‬
‫‪12‬‬
‫‪10‬‬
‫‪8‬‬
‫‪6‬‬
‫‪4‬‬
‫‪2‬‬
‫‪0‬‬
‫‪104 - 114 114 - 124 124 - 134 134 - 144 144 - 154 154 - 164 164 - 174 174 - 184‬‬
‫‪Xi‬‬

‫‪ - 9‬رﺳﻢ اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﺠﻤﻊ اﻟﻨﺎزل ﻟﻠﺘﻜﺮارات اﻟ ﺴ ﻴﺔ‬ ‫‪ - 8‬رﺳﻢ اﳌﻨﺤ اﻟﺘﻜﺮاري اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﺘﻜﺮارات اﻟ ﺴ ﻴﺔ‬

‫‪1,000 Fi‬‬
‫‪0,900‬‬
‫‪0,800‬‬
‫‪0,700‬‬
‫‪0,600‬‬
‫‪0,500‬‬
‫‪0,400‬‬
‫‪0,300‬‬
‫‪0,200‬‬
‫‪0,100‬‬
‫‪0,000‬‬
‫‪104‬‬ ‫‪114‬‬ ‫‪124‬‬ ‫‪134‬‬ ‫‪144‬‬ ‫‪154‬‬ ‫‪164‬‬ ‫‪174‬‬ ‫‪184‬‬ ‫‪Xi‬‬
 52 _____ ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬

.‫ واﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‬،‫ اﻟﻮﺳﻴﻂ‬،‫ ﺣﺴﺎب ﻗﻴﻢ اﳌﻨﻮال‬-10

: Mode ‫اﳌﻨﻮال‬
 7  1
‫ل‬/‫ غ‬150,364  144     10  LMo     c  Mo
7  4 1   2
144 = LMo ‫ا ﺪ د ﻰ ﻟﻠﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ‬ 10=144-154=c 4=11– 15= Δ2 7=8– 15=Δ1
:Médiane ‫اﻟﻮﺳﻴﻂ‬
 0,5  0,383    1   F  Me 1 
‫ل‬/‫ غ‬148,680  144     10  LMed   2   c  Me

 0, 250   f Me 
10=144-154=c 0,250 = ‫ن ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ‬.‫ت‬ 0,383=FMe-1↑ ‫ن ﻟﻠﻔﺌﺔ اﳌﺎﻗﺒﻞ وﺳﻴﻄﺔ‬.‫ص‬.‫م‬.‫ت‬
144=LMe ‫ا ﺪ د ﻰ ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ‬
:Moyenne Arithmétique ‫اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‬
8 8

8790  ni( Xi)

i 1
 ni( Xi)
i 1
‫ل‬/‫ غ‬146,500    X
60 60 N

:3 ‫اﻟﺘﻤﺮ ﻦ‬
. ‫ اﳌﺬ ﻮرة ﻋ اﻟ ﺗ ﺐ‬n1, n2, …, np ‫ ﺳﻠﺴﻠﺔ إﺣﺼﺎﺋﻴﺔ ذات اﻟﺘﻜﺮارات‬X1, X2,….,Xp ‫ﺑﺮ ﻦ ﻋ أن إذا ﺎﻧﺖ‬

:‫ﺛﺎﺑﺖ ﺣﻘﻴﻘﻲ ﻓﺈن‬a ‫ﻣﺘﻮﺳﻄ ﺎ ا ﺴﺎ ﻲ و‬ X ‫ﺣﻴﺚ ﻳﻤﺜﻞ‬


 ni Xi  X    ni Xi  a 
2 2

:3 ‫ا ﻞ‬
. ‫ اﳌﺬ ﻮرة ﻋ اﻟ ﺗ ﺐ‬n1, n2, …, np ‫ ﺳﻠﺴﻠﺔ إﺣﺼﺎﺋﻴﺔ ذات اﻟﺘﻜﺮارات‬X1, X2,….,Xp ‫اﻟ ﺎن ﻋ أن إذا ﺎﻧﺖ‬

:‫ﺛﺎﺑﺖ ﺣﻘﻴﻘﻲ ﻓﺈن‬a ‫ﻣﺘﻮﺳﻄ ﺎ ا ﺴﺎ ﻲ و‬ X ‫ﺣﻴﺚ ﻳﻤﺜﻞ‬


   ni Xi  a 
 ni Xi  X
2 2

 niXi  X    niXi  a  a  X    ni Xi  a   X  a

2 2 2

 niXi  a   X  a    ni Xi  a 2  2Xi  a X  a   X  a  

2 2

    2
 
 ni Xi  a2  2 X  a ni Xi  a  ni X  a  ni Xi  a2  2 X  a niXi nia  ni X  a  
  ni Xi  a 2  2X  a  niXi   a ni  X  a   ni
2

NX N N
  niXi  a  2
   
 2 X  a N X  aN  X  a N  
2
 niXi  a 2  2 N X  a X  a   N X  a 
2
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪53‬‬

‫‪ ni Xi  a 2  2 N X  a X  a   N X  a    niXi  a 2  2 N X  a ‬‬ ‫‪‬‬ ‫‪‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪N X a‬‬

‫‪  ni Xi  X‬‬ ‫‪‬‬ ‫‪   ni Xi  a‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪N X a‬‬ ‫‪‬‬
‫‪2‬‬

‫‪  ni Xi  X‬‬ ‫‪‬‬ ‫‪‬‬‫‪2‬‬

‫‪‬‬
‫‪N X a‬‬ ‫‪   ni Xi  a‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﺑﺎﻟﺘﺎﻟﻲ‪:‬‬ ‫‪‬‬
‫‪N X  a  0‬‬ ‫‪2‬‬ ‫ﺑﻤﺎ أن‬

‫‪‬‬ ‫‪ ‬‬ ‫‪ni Xi  X‬‬ ‫‪2   niXi  a 2‬‬

‫اﻟﺘﻤﺮ ﻦ ‪:4‬‬
‫ﺑﺮ ﻦ ﻋ أن إذا ﺎﻧﺖ ‪ X1, X2,….,Xp‬ﺳﻠﺴﻠﺔ إﺣﺼﺎﺋﻴﺔ‪ .‬ﺣﻴﺚ ﻳﻤﺜﻞ ‪ X‬ﻣﺘﻮﺳﻄ ﺎ ا ﺴﺎ ﻲ ﻓﺈن‪:‬‬
‫‪ Xi  X   0‬‬
‫‪ Xi  X   0‬‬ ‫ا ﻞ ‪ :4‬ﺑﺮ ﺎن ﻋ‬

‫ﻓﺈن ‪:‬‬ ‫‪ Xi  NX ‬‬ ‫ﺑﻤﺎ أن‬

‫‪X‬‬
‫‪N‬‬
‫‪ Xi‬‬

‫‪ Xi  X    Xi   X  Xi  NX  NX  NX  0‬‬

‫اﻟﺘﻤﺮ ﻦ ‪:5‬‬
‫ﺗﺤﺼﻠﻨﺎ ﺑﺼﻴﺎﻏﺔ اﳌﻌﻄﻴﺎت ا ﺎﺻﺔ ﺑﺪرﺟﺎت ا ﺮارة اﳌﺆو ﺔ )‪ (CELSIUS‬ﻋ ﻣﺘﻮﺳﻂ ﺴﺎوي ‪ °18‬وﺗﺒﺎﻳﻦ‬
‫ﺑﻘﻴﻤﺔ ‪ .25‬ﻣﺎ ﻮ ﻣﻘﺪار ﺬﻩ اﻟﻘﻴﻢ )اﳌﺘﻮﺳﻂ واﻟﺘﺒﺎﻳﻦ( إذا ‪.‬ﺗﻢ ﺗﺤﻮ ﻠ ﺎ إ ﻧﻈﺎم ﻓ ﺮ ﻴﺖ )‪ (FAHRENHEIT‬ﻋﻠﻤﺎ أن‬
‫ﺻﻴﻐﺔ اﻟﺘﺤﻮ ﻞ ﺑ ن اﻟﻨﻈﺎﻣ ن ‪:‬‬
‫‪9‬‬
‫‪F   C  32‬‬
‫‪3‬‬
‫ا ﻞ ‪:5‬‬
‫وﻋﻠﻤﺎ أن‬ ‫درﺟﺎت ا ﺮارة ﺑﻤﻘﻴﺎس )‪ (CELSIUS‬ﻓﺈن ‪X  18 V X  25‬‬ ‫إذا ﺎن ‪ X‬ﻌ ﻋ‬
‫ﻧﻈﺎم ﻓ ﺮ ﻴﺖ‬ ‫‪ FFAHRENHEIT  93  C CELSIUS  32‬ﺑﺘﺤﻮ ﻞ اﳌﺘﻐ ﻳ ﻮن ﻣﻘﺪار ﻗﻴﻢ اﳌﺘﻮﺳﻂ واﻟﺘﺒﺎﻳﻦ‬
‫==<‬ ‫‪Y  93  X  32‬‬ ‫أن‪:‬‬ ‫إﻓ ﺿﻨﺎ‬ ‫إذا‬ ‫)‪(FAHRENHEIT‬‬
‫‪Y  93  18  32  86  VY ‬‬ ‫‪93 2  25  9  25  225‬‬
‫اﻟﺘﻤﺮ ﻦ ‪:6‬‬
‫ﺳﻢ‬ ‫اﻟﺴﻮق اﳌﺎ اﳌﻐﺮﻲ أﻋﻄﺖ ﻧﺘﺎﺋﺞ ﻣﺒﻴﻌﺎت ﺳ ﻢ ﻣﺼﻨﻔﺔ ﻣﻦ ﺧﻼل ﻓﺌﺎت ﺗﺪل ﻋ اﳌﺒﺎﻟﻎ ﺟﻤﺎ‬
‫اﳌﺸ ات ﻣﻦ ﻃﺮف ‪ 50‬ﻣﺘﻌﺎﻣﻞ إﻗﺘﺼﺎدي ا ﺪول اﻟﺘﺎ ‪:‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪54‬‬

‫ﻋﺪد‬ ‫ﺳﻢ‬ ‫ﻓﺌﺎت ﻣﺒﺎﻟﻎ‬

‫اﳌﺘﻌﺎﻣﻠ ن‬ ‫اﳌﺸ ات‬
‫)ﻣﻠﻴﻮن در ﻢ(‬
‫ﺣﺼﺎ ﻲ اﳌﺪروس وﻃﺒﻴﻌﺘﮫ‬ ‫‪ -1‬ﺣﺪد اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ واﳌﺘﻐ‬ ‫‪02‬‬ ‫]‪]60 - 50‬‬
‫‪ - 2‬أﺣﺴﺐ اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ ‪ X‬و ﻧﺤﺮاف اﳌﻌﻴﺎري ‪σ‬‬ ‫‪05‬‬ ‫]‪]70 - 60‬‬
‫‪ - 3‬أﺣﺴﺐ اﻟﻮﺳﻴﻂ ‪ Me‬و اﳌﻨﻮال ‪Mo‬‬ ‫‪15‬‬
‫]‪]80 - 70‬‬
‫‪ -4‬ﺑ ن أي ﻗﻴﻤﺘ ن ﳌﺒﺎﻟﻎ ﺳ ﻢ ﻧﺘﺤﺼﻞ ﻋ اﻟـ‪ %50 :‬اﻟ ﺗﺘﻮﺳﻂ‬ ‫‪11‬‬
‫]‪]90 - 80‬‬
‫ﻣﺠﻤﻮع اﳌﺘﻌﺎﻣﻠ ن‬ ‫‪11‬‬
‫]‪]100 - 90‬‬
‫‪06‬‬
‫]‪]110 - 100‬‬
‫ا ﻞ ‪:6‬‬
‫اﻟﺴﻮق اﳌﺎ اﳌﻐﺮﻲ أﻋﻄﺖ ﻧﺘﺎﺋﺞ ﻣﺒﻴﻌﺎت ﺳ ﻢ ﻣﺼﻨﻔﺔ ﻣﻦ ﺧﻼل ﻓﺌﺎت ﺗﺪل ﻋ اﳌﺒﺎﻟﻎ ﺟﻤﺎ ﺳ ﻢ‬
‫اﳌﺸ ات ﻣﻦ ﻃﺮف ‪ 50‬ﻣﺘﻌﺎﻣﻞ إﻗﺘﺼﺎدي ا ﺪول اﻟﺘﺎ ‪:‬‬
‫اﻟﺘﻜﺮار‬ ‫‪ni.Xi²‬‬ ‫‪ni.Xi‬‬ ‫ﻋﺪد‬ ‫‪Xi‬‬ ‫ﻓﺌﺎت ﻣﺒﺎﻟﻎ ﺳ ﻢ‬
‫اﳌﺠﻤﻊ‬ ‫اﳌﺘﻌﺎﻣﻠ ن ‪ni‬‬ ‫اﳌﺸ ات‬
‫اﻟﺼﺎﻋﺪ↑‪Ni‬‬ ‫‪3025‬‬ ‫)ﻣﻠﻴﻮن در ﻢ(‬
‫‪02‬‬ ‫‪6050‬‬ ‫‪4225‬‬ ‫‪110‬‬ ‫‪02‬‬ ‫‪55‬‬ ‫]‪]60 - 50‬‬
‫‪07‬‬ ‫‪21125‬‬ ‫‪5625‬‬ ‫‪325‬‬ ‫‪05‬‬ ‫‪65‬‬ ‫]‪]70 - 60‬‬
‫‪22‬‬ ‫‪84375‬‬ ‫‪7225‬‬ ‫‪1125‬‬ ‫‪15‬‬ ‫‪75‬‬ ‫]‪]80 - 70‬‬
‫‪33‬‬ ‫‪79475‬‬ ‫‪9025‬‬ ‫‪935‬‬ ‫‪11‬‬ ‫‪85‬‬ ‫]‪]90 - 80‬‬
‫‪44‬‬ ‫‪99275‬‬ ‫‪13225‬‬ ‫‪1045‬‬ ‫‪11‬‬ ‫‪95‬‬ ‫]‪]100 - 90‬‬
‫‪50‬‬ ‫‪79350‬‬ ‫‪3025‬‬ ‫‪690‬‬ ‫‪06‬‬ ‫‪115‬‬ ‫]‪]110 - 100‬‬
‫‪369650‬‬ ‫‪4230‬‬ ‫‪50‬‬ ‫]‪]110 - 100‬‬
‫‪ -1‬اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ‪ :‬اﳌﺘﻌﺎﻣﻠ ن ﻗﺘﺼﺎدﻳﻦ اﻟﺴﻮق اﳌﺎ اﳌﻐﺮ ﻲ اﳌﺘﻐ ﺣﺼﺎ ﻲ اﳌﺪروس وﻃﺒﻴﻌﺘﮫ‪ :‬ﻣﺒﻠﻎ‬
‫ﻣﺒﻴﻌﺎت ﺳ ﻢ ﺟﻤﺎ ﻛﻤﻲ ﻣﺘﺼﻞ‬
‫‪ 84,6  4230  ‬ﻣﻠﻴﻮن در ﻢ‬
‫‪niXi‬‬
‫‪X‬‬ ‫‪ -2‬اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‪:‬‬
‫‪50‬‬ ‫‪N‬‬
‫‪2‬‬
‫ﻣﻠﻴﻮن در ﻢ‬ ‫‪15,36 ‬‬
‫‪369650‬‬ ‫‪2‬‬
‫‪ 84,6  ‬‬ ‫‪ niXi‬‬ ‫ﻧﺤﺮاف اﳌﻌﻴﺎري‪ X 2   :‬‬
‫‪50‬‬ ‫‪N‬‬
‫‪1 ‬‬ ‫‪ 50  N  Me 1 ‬‬
‫‪ 77,14  LMod  ‬م‬ ‫‪  c  Mo‬‬ ‫‪ 82,73  LMed‬م در ﻢ و اﳌﻨﻮال‬ ‫‪ ‬‬ ‫‪ -3‬اﻟﻮﺳﻴﻂ ‪  c  Me :‬‬
‫‪ 1   2 ‬‬ ‫‪‬‬ ‫‪nMe‬‬ ‫‪‬‬
‫در ﻢ‬
‫‪ -4‬ﻧﺘﺤﺼﻞ ﻋ اﻟـ‪ %50 :‬اﻟ ﺗﺘﻮﺳﻂ ﻣﺠﻤﻮع اﳌﺘﻌﺎﻣﻠ ن ﺑ ن ﻗﻴﻤﺘ ن ﳌﺒﺎﻟﻎ ﺳ ﻢ اﻟ ﺗﻨﺎﺳﺐ اﻟﺮﻴﻊ ول‪Q1‬‬
‫واﻟﺜﺎﻟﺚ ‪ : Q3‬أي‬
‫‪ 73,61  L‬م در ﻢ و ‪ 94,09  LQ3   75  N Q31   c  Q3‬م در ﻢ‬ ‫‪ 25  N Q 11 ‬‬
‫‪ ‬‬ ‫‪  c  Q1‬‬
‫‪‬‬ ‫‪nQ 3‬‬ ‫‪‬‬ ‫‪Q1‬‬
‫‪nQ 1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪55‬‬

‫اﻟﺘﻤﺮ ﻦ ‪– 7-‬‬
‫ﻣﺠﻤﻮع دول أورو ﺎ اﻟﺸﺮﻗﻴﺔ‬ ‫ﻳﺒ ن ا ﺪول اﻟﺘﺎ ﺗﻄﻮر ﺴﺒﺔ ﻐ ﻣﺴﺘﻮى دﺧﺎر ﺧﻼل اﻟﻔ ة ‪2001-1998‬‬
‫‪1998‬‬ ‫‪1999‬‬ ‫‪2000‬‬ ‫‪2001‬‬

‫‪-0,3%‬‬ ‫‪+0,8%‬‬ ‫‪+2,4%‬‬ ‫‪+1,9%‬‬

‫أ ‪ -‬أﺣﺴﺐ اﳌﻌﺪل اﻟﺴﻨﻮي ﻟ ﺴﺒﺔ اﻟﺰ ﺎدة ﻟﻠﻔ ة ‪ 2001-1998‬ﺑﺎﺳﺘﻌﻤﺎل اﳌﺘﻮﺳﻄﺎت اﻟ ﻨﺪﺳﻴﺔ‬
‫ب ‪ -‬إذا ﻗﺪرﻧﺎ أن اﳌﻌﺪل اﻟﺴﻨﻮي ﻟ ﺴﺒﺔ اﻟﺰ ﺎدة ﺴﺎوي‪ + 1,5 %‬ﻟﻠﻔ ة ‪ ،2002-1998‬أﺳﺘ ﺘﺞ ﺴﺒﺔ اﻟﺘﻐ ‪2002‬‬
‫ا ﻞ ‪7-‬‬
‫اﻟﺴﻨﺔ‬ ‫‪1998‬‬ ‫‪1999‬‬ ‫‪2000‬‬ ‫‪2001‬‬
‫ﺴﺒﺔ اﻟﺘﻐ ‪TA‬‬ ‫‪-0,3%‬‬ ‫‪+0,8%‬‬ ‫‪+2,4%‬‬ ‫‪+1,9%‬‬
‫ﻣﺆﺷﺮاﻟﺘﻐ ‪I‬‬ ‫‪99,7%‬‬ ‫‪100,8%‬‬ ‫‪102,4%‬‬ ‫‪101,9%‬‬
‫‪1)-‬‬
‫>= ‪I1998-2001=(0,997x1,008x1,024x1,019)1/4 = (1,0486)1/4=101,19%‬‬
‫‪TAM1998-2001 = 1,19%‬‬ ‫اﳌﻌﺪل اﻟﺴﻨﻮي ﻟ ﺴﺒﺔ اﻟﺘﻐ‬
‫‪2)- TAM1998-2002 = 1,5% => I1998-2002=101,5%=1,015=(1,0486 x A)1/5‬‬
‫‪5‬‬
‫‪=> A  1,015  1,0274 =102,74% => TA‬‬ ‫‪2002=2,74%‬‬
‫‪1,0486‬‬
‫اﻟﺘﻤﺮ ﻦ ‪– 8-‬‬
‫ﻣﺆﺳﺴﺔ اﻗﺘﺼﺎدﻳﺔ ﻣﺘﻮﺳﻂ أﺟﻮر اﳌﺴﺘﺨﺪﻣ ن ﻮ ‪ 14.000‬دج‪ .‬ﺟﺮاﳌﺘﻮﺳﻂ ﻟﻠﻌﻤﺎل اﻟﺬ ﻮر ﻮ ‪ 15.000‬دج و‬
‫ﺟﺮاﳌﺘﻮﺳﻂ ﻟﻠﻌﺎﻣﻼت ﻳﺒﻠﻎ ‪ 13.500‬دج ‪ .‬ﻣﺎ ﺴﺒﺔ اﻟﻌﺎﻣﻼت ﺬﻩ اﳌﺆﺳﺴﺔ ‪.‬‬
‫ا ﻞ ‪– 8-‬‬
‫ﻣﺘﻮﺳﻂ أﺟﺮ اﻟﺮﺟﺎل‬ ‫‪Xhommes 15.000 DA‬‬ ‫‪% hommes‬‬ ‫ﺴﺒﺔ اﻟﺮﺟﺎل ‪A %‬‬
‫ﻣﺘﻮﺳﻂ أﺟﺮ اﻟ ﺴﺎء‬ ‫‪Xfemmes 13.500 DA‬‬ ‫‪% femmes‬‬ ‫ﺴﺒﺔ اﻟ ﺴﺎء ‪(1-A)%‬‬

‫ﻣﺘﻮﺳﻂ أﺟﺮ اﻟﻌﻤﺎل‬ ‫‪X global = A×Xhommes + (1-A) ×Xfemmes = 14 000 DA‬‬
‫‪X global = A×15.000 + (1-A) × 13.500= 14 000 DA‬‬
‫‪A × (15.000-13.500) +13.500 = 14.000 A × (1.500) = 500‬‬
‫‪A = 500/1500 = 0,3333 = 33,33%‬‬
‫‪ 1- A = 1- 0,3333 = 66,67%‬ﺴﺒﺔ اﻟ ﺴﺎء‬
‫اﻟﺘﻤﺮ ﻦ ‪9-‬‬
‫ﻟﺘﻮز ﻊ ﺟﺮاﻟﺴﻨﻮي اﻟﻨﻘﺎ ﻲ ﻟﺸﺮﻛﺔ ﻛﺒ ة ا ﺼﺎﺋﺺ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ ‪ , $ 45.000 = X‬اﻟﻮﺳﻴﻂ ‪ , $ 43.500 = Me‬ﻧﺤﺮاف اﳌﻌﻴﺎري ‪$ 1.400 = δ‬‬
‫ﻗﺪﻣﺖ إدارة اﻟﺸﺮﻛﺔ ﻟ ﻴﺌﺔ اﻟﻨﻘﺎﺑﺔ ﻋﺮﺿ ن ﻟﺰ ﺎدة ﺟﻮر‪:‬‬
‫‪ -1‬ز ﺎدة ﺟﺮﺗﻘﺪر ﺑـ‪ % 8 :‬ﻟ ﻞ ﻋﺎﻣﻞ‪,‬‬
‫‪ -2‬ﻣﻨﺢ ‪ $ 900‬ﻟ ﻞ ﻋﺎﻣﻞ ﻣﻊ زﺎدة ﺗﻘﺪر ﺑـ‪ % 6 :‬ﺟﺮ‬
‫‪ -‬أي ﻣﻦ اﻟﻌﺮﺿ ن ﻳﻨﺎﺳﺐ ﺣﺴﻦ أﻏﻠﺐ اﻟﻌﻤﺎل؟ ﻋﻠﻞ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪56‬‬

‫ا ﻞ ‪9-‬‬
‫ﺧﺼﺎﺋﺺ ﺗﻮز ﻊ ﺟﺮاﻟﺴﻨﻮي اﻟﻨﻘﺎ ﻲ ‪:‬‬

‫ﻧﺤﺮاف اﳌﻌﻴﺎري ‪δ = 1.400$‬‬ ‫اﻟﻮﺳﻴﻂ ‪Me = 43.500$‬‬ ‫‪X‬‬ ‫‪=45.000 $‬‬ ‫اﳌﺘﻮﺳﻂ ا ﺴﺎ ﻲ‬

‫اﻟﻌﺮﺿ ن ﻟﺰ ﺎدة ﺟﻮر‪:‬‬

‫ﺟﺮ‬ ‫‪ -2‬ﻣﻨﺢ ‪ $ 900‬ﻟ ﻞ ﻋﺎﻣﻞ ﻣﻊ ز ﺎدة ﺗﻘﺪر ﺑـ‪% 6 :‬‬ ‫‪ -1‬ز ﺎدة ﺟﺮﺗﻘﺪر ﺑـ‪ %8 :‬ﻟ ﻞ ﻋﺎﻣﻞ‪,‬‬
‫‪X‬‬
‫‪48.600$‬‬ ‫‪X 48.600$‬‬
‫***** ‪Me= $47.010‬‬ ‫‪Me= $46.980‬‬
‫‪δ = 1.484$‬‬ ‫‪δ = 1.512$‬‬
‫ﺴ ﺐ ﻛ اﻟﻮﺳﻴﻂ ﻳﻈ ﺮأن ﻗ اح اﻟﺜﺎ ﻲ أﻓﻀﻞ ﻣﻦ ول ﺑﺎﻟ ﺴﺒﺔ ﻷﻏﻠﺐ اﻟﻌﻤﺎل‬

‫اﻟﺘﻤﺮ ﻦ ‪– 10-‬‬
‫ﺗﻢ ﺗﺼ ﻴﻒ ﻋﻤﺎل ﻣﺼﻨﻊ وﻗﻒ أﺟﺮة ﺳﺎﻋﺔ اﻟﻌﻤﻞ وﺗﺤﺼﻠﻨﺎ ﻋ ا ﺪول اﻟﺘﺎ ‪:‬‬
‫‪ -1‬أﺣﺴﺐ اﻟﺘﻜﺮاراﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﺘﺼ ﻴﻒ ﻋﻤﺎل اﳌﺼﻨﻊ‬
‫ﻋﺪد اﻟﻌﻤﺎل‬ ‫أﺟﺮة ﺳﺎﻋﺔ اﻟﻌﻤﻞ‬
‫‪ -2‬ﻋ ن ﻣﺮاﻛﺰاﻟﻔﺌﺎت ‪Xi‬‬
‫‪03‬‬ ‫]‪] 21,5 - 15,5‬‬
‫ﻟﻨﻌﺘ أن ‪:‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪10‬‬ ‫] ‪] 27,5 - 21,5‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪ni ( xi  x)  7395,84‬‬ ‫‪‬‬‫‪i 1‬‬
‫‪ni xi  3746‬‬ ‫‪19‬‬ ‫]‪] 33,5 - 27,5‬‬
‫‪ .3‬اﺣﺴﺐ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ واﻟﺘﺒﺎﻳﻦ‪.‬‬ ‫‪28‬‬ ‫] ‪] 39,5 - 33,5‬‬
‫‪21‬‬ ‫] ‪] 45,5 - 39,5‬‬
‫‪ .4‬اﺣﺴﺐ ﻣﻌﺎﻣﻞ ﺧﺘﻼف‬
‫‪14‬‬ ‫] ‪] 51,5 - 45,5‬‬
‫‪ .5‬أدرس إﻟﺘﻮاء ﺬا اﻟﺘﻮز ﻊ‪.‬‬ ‫‪05‬‬ ‫] ‪] 57,5 - 51,5‬‬
‫‪100‬‬

‫ا ﻞ ‪– 10-‬‬
‫أﺟﺮة ﺳﺎﻋﺔ اﻟﻌﻤﻞ‬ ‫ﻋﺪد اﻟﻌﻤﺎل‪ni‬‬ ‫‪Xi‬‬ ‫↑‪Ni‬‬
‫]‪] 21,5 - 15,5‬‬ ‫‪3‬‬ ‫‪18,5‬‬ ‫‪3‬‬
‫] ‪] 27,5 - 21,5‬‬ ‫‪10‬‬ ‫‪24,5‬‬ ‫‪13‬‬
‫]‪] 33,5 - 27,5‬‬ ‫‪19‬‬ ‫‪30,5‬‬ ‫‪32‬‬
‫] ‪] 39,5 - 33,5‬‬ ‫‪28‬‬ ‫‪36,5‬‬ ‫‪60‬‬ ‫اﻟﻔﺌﺔ اﻟﻮﺳﻄﻴﺔ****‬
‫] ‪] 45,5 - 39,5‬‬ ‫‪21‬‬ ‫‪42,5‬‬ ‫‪81‬‬
‫] ‪] 51,5 - 45,5‬‬ ‫‪14‬‬ ‫‪48,5‬‬ ‫‪95‬‬
‫] ‪] 57,5 - 51,5‬‬ ‫‪5‬‬ ‫‪54,5‬‬ ‫‪100‬‬
‫اﳌﺠﻤﻮع‬ ‫‪100‬‬
‫ﺣﺴﺎب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ واﻟﺘﺒﺎﻳﻦ‬
‫‪7‬‬
‫‪7‬‬

‫)‪ n ( x  x‬‬
‫‪i‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪7395,84‬‬
‫‪nx‬‬
‫‪i 1‬‬
‫‪i i‬‬
‫‪3746‬‬
‫‪V‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪ 73,9584‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪ 37,46‬‬
‫‪N‬‬ ‫‪100‬‬ ‫‪N‬‬ ‫‪100‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪57‬‬

‫ﺣﺴﺎب ﻣﻌﺎﻣﻞ ﺧﺘﻼف‬

‫‪‬‬ ‫‪73,9584‬‬
‫‪CV ‬‬ ‫‪100 ‬‬ ‫‪100  22,96  %‬‬
‫‪X‬‬ ‫‪37,46‬‬

‫دراﺳﺔ إﻟﺘﻮاء اﻟﺘﻮز ﻊ‬

‫‪Me  Linf Me ‬‬
‫‪‬‬ ‫‪N‬‬
‫‪2‬‬ ‫‪ N  Me 1 ‬‬
‫‪ c  33,5 ‬‬
‫‪50  32‬‬
‫‪ 6  37,357‬‬ ‫ﺣﺴﺎب اﻟﻮﺳﻴﻂ‬
‫‪nMe‬‬ ‫‪28‬‬

‫إﻟﺘﻮاء ﻃﻔﻴﻒ وﻣﻮﺟﺐ )ﻧﺤﻮ اﻟﻴﻤ ن(‬ ‫)‪3( X  Me‬‬

‫‪‬‬ ‫‪ 0,036‬‬
‫‪‬‬

‫اﻟﺘﻤﺮ ﻦ ‪– 11-‬‬
‫ﺗﻮز ﻊ )‪ (200‬ﻣﻮﻇﻒ ﺑﺈﺣﺪى اﻟﻮزارات ﺣﺴﺐ أﻋﻤﺎر ﻢ ﺑﺎﻟﺴﻨﺔ‪.‬‬ ‫ا ﺪول اﻟﺘﺎ ﻳﻮ‬

‫ﻓﺌﺎت اﻟﻌﻤﺮ‬ ‫‪20-25‬‬ ‫‪25-30‬‬ ‫‪30-35‬‬ ‫‪35-40‬‬ ‫‪40-45‬‬ ‫‪45-50‬‬ ‫‪50-55‬‬ ‫‪55-60‬‬

‫ﻋﺪد اﳌﻮﻇﻔ ن‬ ‫‪10‬‬ ‫‪17‬‬ ‫‪24‬‬ ‫‪43‬‬ ‫‪34‬‬ ‫‪30‬‬ ‫‪23‬‬ ‫‪19‬‬

‫اﺣﺴﺐ اﻟﻮﺳﻂ ا ﺴﺎ ﻲ و ﻧﺤﺮاف اﳌﻌﻴﺎري ووﺳﻴﻂ اﻟﻌﻤﺮ‪.‬‬ ‫‪.1‬‬

‫ﺑ ن أي ﻗﻴﻤ ﺳﻦ ﺗﺘﻮﺳﻂ ﺴﺒﺔ ‪ %50‬ﻣﻦ اﳌﻮﻇﻔ ن‪.‬‬ ‫‪.2‬‬
‫ﻣﺎ ﻮ إذا اﻟﺴﻦ د ﻰ ﻟـ‪ % 25 :‬ﻣﻦ اﳌﻮﻇﻔ ن ﻛ ﺳﻨﺎ‪.‬‬ ‫‪.3‬‬
‫ﺗﻮز أﻋﻤﺎراﳌﻮﻇﻔ ن ﻣﺘﻤﺎﺛﻞ؟ دﻟﻞ ﻋ إﺟﺎﺑﺘﻚ ﺑﺤﺴﺎب ﻣﻌﺎﻣﻞ ﻟﺘﻮاء‪.‬‬‫ﻞ ﻊ‬ ‫‪.4‬‬

‫ا ﻞ ‪11-‬‬
‫ﻣﻦ ﺧﻼل اﻟﺒﻴﺎﻧﺎت اﳌﺘﻮﻓﺮة ﺴﺘﻄﻴﻊ ﺑﻨﺎء ا ﺪول اﻟﺘﺎ‬

‫‪Class‬‬ ‫‪ni‬‬ ‫‪Xi‬‬ ‫‪ni x Xi‬‬ ‫‪(Xi)²‬‬ ‫‪ni x (Xi)²‬‬ ‫↑‪Ni‬‬

‫‪20-25‬‬ ‫‪10‬‬ ‫‪22,5‬‬ ‫‪225‬‬ ‫‪506,25‬‬ ‫‪5 062,50‬‬ ‫‪10‬‬
‫‪25-30‬‬ ‫‪17‬‬ ‫‪27,5‬‬ ‫‪467,5‬‬ ‫‪756,25‬‬ ‫‪12 856,25‬‬ ‫‪27‬‬
‫‪30-35‬‬ ‫‪24‬‬ ‫‪32,5‬‬ ‫‪780‬‬ ‫‪1 056,25 25 350,00‬‬ ‫‪51 Q1‬‬
‫‪35-40‬‬ ‫‪43‬‬ ‫‪37,5‬‬ ‫‪1612,5‬‬ ‫‪1 406,25 60 468,75‬‬ ‫‪94‬‬
‫‪40-45‬‬ ‫‪34‬‬ ‫‪42,5‬‬ ‫‪1445‬‬ ‫‪1 806,25 61 412,50‬‬ ‫‪128‬‬
‫‪45-50‬‬ ‫‪30‬‬ ‫‪47,5‬‬ ‫‪1425‬‬ ‫‪2 256,25 67 687,50‬‬ ‫‪158 Q3‬‬
‫‪50-55‬‬ ‫‪23‬‬ ‫‪52,5‬‬ ‫‪1207,5‬‬ ‫‪2 756,25 63 393,75‬‬ ‫‪181‬‬
‫‪55-60‬‬ ‫‪19‬‬ ‫‪57,5‬‬ ‫‪1092,5‬‬ ‫‪3 306,25 62 818,75‬‬ ‫‪200‬‬
‫‪SUM‬‬ ‫‪200‬‬ ‫‪8255‬‬ ‫‪359050‬‬
‫‪ .1‬ﺣﺴﺎب اﻟﻮﺳﻂ ا ﺴﺎ ﻲ و ﻧﺤﺮاف اﳌﻌﻴﺎري ووﺳﻴﻂ اﻟﻌﻤﺮ‪.‬‬
‫‪x‬‬
‫‪ ni xi‬‬ ‫‪‬‬
‫‪8255‬‬
‫‪ 41,275‬‬ ‫‪x ‬‬
‫‪ ni xi ²  x² ‬‬ ‫‪359050‬‬
‫‪ 1703,626  91,624  9,572‬‬
‫‪N‬‬ ‫‪200‬‬ ‫‪N‬‬ ‫‪200‬‬

‫‪45 – 40 :‬‬ ‫اﻟﺴﻦ اﻟﻮﺳﻴﻂ ﻟﻠﻌﻤﺎل ﻌ اﻟﺴﻦ اﻟﺬي ﻳﺼﻞ إﻟﻴﮫ ﻧﺼﻒ اﻟﻌﻤﺎل أي ‪ 100‬ﻋﺎﻣﻞ وﻋﻠﻴﮫ اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪58‬‬

‫‪ 100  94 ‬‬ ‫‪ N / 2  N  Me1 ‬‬

‫ﺳﻨﺔ‬ ‫‪40,882  40  ‬‬ ‫‪  5  LMed  ‬‬ ‫‪  c  Me‬‬
‫‪‬‬
‫‪ 34 ‬‬ ‫‪‬‬ ‫‪n Me‬‬ ‫‪‬‬
‫‪ .2‬ﻳﺘﻮﺳﻂ ﺳﻦ ال ‪ %50‬ﻣﻦ اﳌﻮﻇﻔ ن ﺑ ن ﻗﻴﻢ اﻟﺮﻴﻊ ول واﻟﺜﺎﻟﺚ أي ﺑ ن‪:‬‬
‫‪ 50  27 ‬‬ ‫‪ N / 4   N  Q11 ‬‬
‫ﺳﻨﺔ و‬ ‫‪34,792  30  ‬‬ ‫‪‬‬
‫‪  5  LQ1  ‬‬ ‫‪‬‬ ‫‪ c  Q1‬‬
‫‪‬‬ ‫‪24‬‬ ‫‪‬‬ ‫‪n Q1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫‪ 3N / 4  N  Q 31 ‬‬

‫‪ 48,667  45   150  128   5  LQ 3  ‬ﺳﻨﺔ‬ ‫‪  c  Q3‬‬
‫‪‬‬ ‫‪30‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫‪‬‬ ‫‪Q‬‬ ‫‪3‬‬ ‫‪‬‬

‫أي أن ‪ %50‬ﻣﻦ اﻟﻌﻤﺎل ﺗﺘﻮﺳﻂ ﻋﻤﻮﻣﺎ ﻗﻴﻤ ‪ 35‬و ‪ 49‬ﺳﻨﺔ وﻋﻠﻴﮫ ﻓﺈن اﻟﻔﺌﺔ اﻟﻮﺳﻄﻲ ﻣﻦ اﻟﻌﻤﺎل ﻣﺴﻨﺔ ﻧﻮﻋﺎ ﻣﺎ‬

‫ﺬا‬ ‫‪ .3‬اﻟﺴﻦ د ﻰ ﻟـ‪ % 25 :‬ﻣﻦ اﳌﻮﻇﻔ ن ﻛ ﺳﻨﺎ ﻳﻘﻊ ﻋ ﻗﻴﻤﺔ اﻟﺮﻴﻊ اﻟﺜﺎﻟﺚ ‪ Q3‬أي‪ 48,667 :‬ﺳﻨﺔ ﻌ‬

‫أن ‪ % 25‬ﻣﻦ اﻟﻌﻤﺎل ﻳﻔﻮق ﻋﻤﺮ ﻢ ﺬا اﻟﺴﻦ‬

‫ﻟﻼﻟﺘﻮاء‬ ‫‪Pearson‬‬ ‫ﺑ ﺳﻮن‬ ‫ﻣﻌﺎﻣﻞ‬ ‫ﺑﺤﺴﺎب‬ ‫‪:‬‬ ‫أﻋﻤﺎر‬ ‫ﺗﻮز ﻊ‬ ‫ﺗﻤﺎﺛﻞ‬ ‫اﺳﺔ‬
‫‪ .4‬در‬
‫ﺣﻴﺚ ﻳﻈ ﺮ أن ﺗﻮز ﻊ ﻋﻤﺎر ﻣﻠﺘﻮ ﺎ ﺸ ﻞ ﺿﻌﻴﻒ ﻳﻤﻴﻨﺎ‬ ‫)‪3( 41,275  40,882) 3( x  Me‬‬
‫‪0,123 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪9,572‬‬ ‫‪‬‬
‫و ﻮ ﻗﺮ ﺐ ﻣﻦ اﻟﺘﻤﺎﺛﻞ اﻟﺘﺎم‪.‬‬

‫اﻟﺘﻤﺮ ﻦ ‪– 12-‬‬
‫أﺟﺮ ﺔ دراﺳﺔ ﺴﻮ ﻘﻴﺔ ﻋ ﻣﺴﺘﻮى أورو ﺎ ﺣﻮل اﺳ ﻼك ﻣﻨﺘﻮج ﺟﺪﻳﺪ ﻣﻦ اﳌﺼ ات وﻗﺪ اﺳﺘﺨﻠﺺ ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺔ‬
‫اﻟ أﻗﻴﻤﺔ ﺣﻮل ﻣﺴﺎﺣﺘ ن ﻛﺒ ﺗ ن ﻟﻠﺒﻴﻊ )‪ ,(supermarché‬و ﻣﺘﻮاﺟﺪة ﺑﻔﺮﺴﺎ )‪ (supermarché1‬واﻟﺜﺎﻧﻴﺔ‬
‫ﺑﺮ ﻄﺎﻧﻴﺎ )‪ (supermarché2‬وﻗﺪ ﺗﻢ ﺗﺪو ﻦ اﻟﻨﺘﺎﺋﺞ ﺗﻘﺮ ﺮأﻳﻦ ﻧﺠﺪ ا ﺪول اﻟﺘﺎ ‪:‬‬

‫ﯨﺎﻹﺣﺼﺎﺋﻴﺎت اﳌﺒ ﻨﺔ ﻟﻜﻤﻴﺎت اﳌﻨﺘﻮج اﳌﺒﺎﻋﺔ ﺷ ﺮﺎ‬ ‫ﺟﺪول‪:‬‬

‫اﻟﺰ ﺎﺋﻦ‬ ‫اﳌﺘﻮﺳﻂ‬ ‫ﻧﺤﺮاف اﳌﻌﻴﺎري‬
‫‪Supermarché 1‬‬ ‫‪7,3‬‬ ‫‪2,6‬‬
‫‪Supermarché 2‬‬ ‫‪9,5‬‬ ‫‪2,4‬‬
‫ﻣﻼﺣﻈﺔ‪ :‬اﻟﻜﻤﻴﺎت اﳌ ﻠﺔ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺴﻮق ‪ 1‬ﻣﻌ ة ﺑﺎﻟﻜﻎ ﺑ ﻨﻤﺎ ﺑﺎﻟ ﺴﺒﺔ ﻟﻠﺴﻮق ‪ 2‬ﻓ ﻣﻌ ة ﺑﺎﻟﺮﻃﻞ‪.‬‬
‫ﺳﺘ ﺘﺎﺟﺎت اﻟ ﻳﻤﻜﻨﻨﺎ ا ﺴﺎ ﺎ ﺣﻮل ﺸ ﺖ اﳌﺒﻴﻌﺎت ﺳﻮاق ﺑﻔﺮ ﺴﺎ )‪ (supermarché1‬و ﺮ ﻄﺎﻧﻴﺎ‬ ‫ﻣﺎ‬
‫)‪(supermarché2‬‬
‫ا ﻞ ‪12-‬‬
‫ﳌﻘﺎرﻧﺔ ﺑ ن ﺸ ﺖ اﳌﺒﻴﻌﺎت ﺳﻮاق اﳌﺪروﺳﺔ ﻧﺤﺴﺐ ﻣﻌﺎﻣﻞ اﻟﺘﻐ ‪ CV‬و ﺎﻟﺮﺟﻮع إ ﺻﻴﻐﺔ اﳌﻌﺎﻣﻞ ﺗﺘﺤﺼﻞ ﻋ‬
‫اﻟﻘﻴﻢ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪‬‬ ‫‪2,6‬‬
‫‪cv1 ‬‬ ‫ﺑﺎﻟ ﺴﺒﺔ ﺳﻮاق ﺑﻔﺮ ﺴﺎ )‪ 100  0,35  100  35% : (supermarché1‬‬
‫‪ 100 ‬‬
‫‪X‬‬ ‫‪7,3‬‬
‫‪‬‬ ‫‪2,4‬‬
‫‪cv2   100 ‬‬ ‫ﺑﺎﻟ ﺴﺒﺔ ﺳﻮاق ﺑﺮ ﻄﺎﻧﻴﺎ )‪ 100  0,25  100  25% : (supermarché2‬‬
‫‪X‬‬ ‫‪9,5‬‬
‫ﺑﺮ ﻄﺎﻧﻴﺎ اﻟﺬي‬ ‫ﺳﻮاق ﺳﻮاق ﺑﻔﺮ ﺴﺎ ﻣ ﺎ ﺑﺎﻟ ﺴﺒﺔ ﺳﻮاق‬ ‫ﻳﻈ ﺮأن ﺸ ﺖ ﻣﺒﻴﻌﺎت اﳌﻨﺘﻮج ا ﺪﻳﺪ أﻗﻮي‬
‫ﻳﻈ ﺮأﻛ إﺳﺘﻘﺮار‪.‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪59‬‬

‫اﻟﺘﻤﺮ ﻦ ‪– 13-‬‬
‫ﻢ اﳌﺴ ﺜﻤﺮات اﻟﺰراﻋﻴﺔ ﻋ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫وﻻﻳﺔ ﻣﻦ وﻻﻳﺎت اﻟﻮﻃﻦ ﺗﺤﺼﻠﻨﺎ ﻣﻦ ﺗﻘﺮﺮاﳌﺼﺎ اﻟﻔﻼﺣﻴﺔ ﺣﻮل‬
‫ﻢ ) ﻜﺘﺎر(‬ ‫ا‬ ‫‪0 - 10‬‬ ‫‪10 - 30‬‬ ‫‪30 - 50‬‬ ‫‪50 - 100‬‬ ‫‪100 - 200‬‬
‫اﻟﻌﺪد اﳌﺴ ﺜﻤﺮات‬ ‫‪30‬‬ ‫‪80‬‬ ‫‪60‬‬ ‫‪20‬‬ ‫‪10‬‬
‫اﳌﻄﻠﻮب‪:‬‬
‫‪ - 1 -‬ﺗﺤﺪﻳﺪ اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ واﳌﺘﻐ ﺣﺼﺎ ﻲ اﳌﺪروس وﻃﺒﻴﻌﺘﮫ‬
‫‪ - 2 -‬ﺣﺴﺎب اﻟﺘﻜﺮارات اﻟ ﺴ ﻴﺔ‬
‫‪ - 3 -‬ﺣﺴﺎب اﻟﺘﻜﺮاراﻟ ﺴ اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ‬
‫‪ - 4 -‬ﺣﺴﺎب اﻟﻘﻴﻢ اﻟﻮﺳﻄﻰ ﻟﻠﻮﺳﻴﻂ ‪ Me‬واﻟﻮﺳﻂ ا ﺴﺎ ﻲ و ﻧﺤﺮاف اﳌﻌﻴﺎري ‪δ‬‬
‫‪ – 5 -‬ﻣﺎ ﻮ ﻢ اﻟـ ‪ % 10 :‬ﻣﻦ اﳌﺴ ﺜﻤﺮات ﻛ ﻣﻦ ﻣﺠﻤﻮع ﻣﺴ ﺜﻤﺮات اﻟﻮﻻﻳﺔ )ﻣﺴﺘﻌﻴﻨﺎ ﺑﺎﻟﻌﺸ اﻟﺘﺎﺳﻊ ‪( D9‬‬
‫ﻢ اﳌﺴ ﺜﻤﺮات ﺴﺎوي ‪ 50‬ﻜﺘﺎر‪ .‬ﻞ ﻳﻤﻜﻨﻨﺎ اﻟﻘﻮل أن ﺬﻩ اﻟﻮﻻﻳﺔ ﻋ‬ ‫‪ – 6 -‬إذا ﻋﻠﻤﻨﺎ أن اﳌﺘﻮﺳﻂ اﻟﻮﻃ‬
‫اﻟﻌﻤﻮم ذات ﻣﺴ ﺜﻤﺮات ﺻﻐ ة‬
‫ا ﻞ ‪13-‬‬
‫اﳌﺘﻐ ﺣﺼﺎ ﻲ ﻢ اﳌﺴ ﺜﻤﺮة اﻟﻔﻼﺣﻴﺔ ) ﻜﺘﺎر(‬ ‫‪ - 1 -‬اﳌﺠﺘﻤﻊ ﺣﺼﺎ ﻲ ﻣﺠﻤﻮع اﳌﺴ ﺜﻤﺮات اﻟﻔﻼﺣﻴﺔ‬
‫ﻃﺒﻴﻌﺘﮫ ﻛﻤﻲ ﻣﺘﺼﻞ‬
‫اﻟﺘﻜﺮار‬ ‫اﻟﺘﻜﺮار اﻟ ﺴ‬
‫اﻟﻌﺪد‬ ‫اﻟﺘﻜﺮاراﳌﺠﻤﻊ‬
‫ا ﻢ ) ﻜﺘﺎر(‬ ‫اﳌﺠﻤﻊ اﻟﺼﺎﻋﺪ اﻟ ﺴ‬ ‫‪Xi‬‬ ‫‪ni.Xi‬‬ ‫‪ni.Xi²‬‬
‫‪ni‬‬ ‫↑‪Ni‬‬
‫‪fi‬‬ ‫↑‪Fi‬‬
‫‪0 - 10‬‬ ‫‪30‬‬ ‫‪0,15‬‬ ‫‪0,15‬‬ ‫‪30‬‬ ‫‪5‬‬ ‫‪150‬‬ ‫‪750‬‬
‫‪10 - 30‬‬ ‫‪80‬‬ ‫‪0,40‬‬ ‫‪0,55‬‬ ‫‪110‬‬ ‫‪20‬‬ ‫‪1600‬‬ ‫‪32000‬‬
‫‪30 - 50‬‬ ‫‪60‬‬ ‫‪0,30‬‬ ‫‪0,85‬‬ ‫‪170‬‬ ‫‪40‬‬ ‫‪2400‬‬ ‫‪96000‬‬
‫‪50 - 100‬‬ ‫‪20‬‬ ‫‪0,10‬‬ ‫‪0,95‬‬ ‫‪190‬‬ ‫‪75‬‬ ‫‪1500 112500‬‬
‫‪100 – 200‬‬ ‫‪10‬‬ ‫‪0,05‬‬ ‫‪1,00‬‬ ‫‪200‬‬ ‫‪150 1500 225000‬‬
‫‪200‬‬ ‫‪1‬‬ ‫‪7150 466250‬‬
‫‪ - 4 -‬ﺣﺴﺎب اﻟﻘﻴﻢ اﻟﻮﺳﻴﻂ ‪:Médiane Me‬‬
‫ﻳﺘﻮاﺟﺪ اﻟﻮﺳﻴﻂ اﻟﻔﺌﺔ اﻟ ﻧﺠﻤﻊ ﺎ اﻟـ‪ 50% :‬ﻣﻦ اﻟﺘﻜﺮارت أي اﻟﻔﺌﺔ ‪ 30 – 10‬وﻣﻨﮫ ﺴﺎوي اﻟﻮﺳﻴﻂ‪:‬‬
‫اﻟﻮﺳﻴﻂ ‪ 27,5=Me‬ﻜﺘﺎر‬ ‫‪ 0,5  0 ,15 ‬‬ ‫‪‬‬ ‫‪12   F Me1   c  Me‬‬
‫‪27 ,50  10  ‬‬ ‫‪  20  LMed  ‬‬ ‫‪‬‬
‫‪ 0 ,40 ‬‬ ‫‪‬‬ ‫‪f Me‬‬ ‫‪‬‬

‫‪:Moyenne Arithmétique‬‬ ‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ‬

‫‪7150 30  5  80  20  60  40  20  75  10  150‬‬
‫) ‪ ni( Xi‬‬
‫‪35 ,75 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪200‬‬ ‫‪200‬‬ ‫‪N‬‬

‫اﻟﻮﺳﻂ ا ﺴﺎ ﻲ =‪ 35,75‬ﻜﺘﺎر‬

‫‪32 ,5 ‬‬
‫‪466250‬‬
‫‪ 35,75 2 ‬‬
‫ﻧﺤﺮاف اﳌﻌﻴﺎري ‪ niXi 2  X 2   :écart-type δ‬‬
‫‪200‬‬ ‫‪N‬‬
‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت _____ ‪60‬‬

‫ﻧﺤﺮاف اﳌﻌﻴﺎري ‪ 32,5 =δ‬ﻜﺘﺎر‬

‫ﻢ اﳌﺴ ﺜﻤﺮات‬ ‫‪ – 5 -‬ﻧﺘﺤﺼﻞ ﻋ اﻟـ‪ %10 :‬ﻣﻦ اﳌﺴ ﺜﻤﺮات ﻛ ﻣﻦ ﻣﺠﻤﻮع ﻣﺴ ﺜﻤﺮات اﻟﻮﻻﻳﺔ ﺑ ن ﻗﻴﻤﺘ ن‬
‫اﻟﺰراﻋﻴﺔ اﻟ ﺗﻨﺤﺼﺮ ن اﻟﻌﺸﺮ ﺔ اﻟﺘﺎﺳﻌﺔ ‪ D9‬واﻟﻌﺎﺷﺮة ‪ : D10‬أي‬
‫ﻢ اﻟـ‪ %10 :‬ﻣﻦ‬ ‫‪ 75= D9‬ـ ﻳﻔﻮق‬ ‫‪ 0 ,9  0 ,85 ‬‬ ‫‪‬‬ ‫‪109   F  D91   c  D9‬‬
‫‪75  50  ‬‬ ‫‪  50  LD 9  ‬‬
‫‪ 0 ,1 ‬‬ ‫‪‬‬ ‫‪f D9‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫اﳌﺴ ﺜﻤﺮات اﻟﻜ ى ﻗﻴﻤﺔ ‪ 75‬ﻜﺘﺎر‬
‫ﻢ اﳌﺴ ﺜﻤﺮات ﺴﺎوي ‪ 50‬ﻜﺘﺎر‪ .‬ﻞ ﻳﻤﻜﻨﻨﺎ اﻟﻘﻮل أن ﺬﻩ اﻟﻮﻻﻳﺔ ﻋ‬ ‫‪ – 6 -‬إذا ﻋﻠﻤﻨﺎ أن اﳌﺘﻮﺳﻂ اﻟﻮﻃ‬
‫اﻟﻌﻤﻮم ذات ﻣﺴ ﺜﻤﺮات ﺻﻐ ة‬
‫ﻢ اﳌﺴ ﺜﻤﺮات ﺴﺎوي ‪ 50‬ﻜﺘﺎرو ﻣﺘﻮﺳﻂ اﻟﻮﻻﻳﺔ ﺴﺎوي ‪ 35,75‬ﻜﺘﺎر‪ .‬ﻧﺮى‬ ‫إذا ﻋﻠﻤﻨﺎ أن اﳌﺘﻮﺳﻂ اﻟﻮﻃ‬
‫ﻢ اﳌﺴ ﺜﻤﺮات‪ .‬و ﺒ ن ﺟﺪول اﻟﺘﻮز ﻌﺎت اﻟﺘﻜﺮار ﺔ أن‬ ‫وا ﺎ أن ﻣﺘﻮﺳﻂ اﻟﻮﻻﻳﺔ أﻗﻞ ﻣﻦ اﳌﺘﻮﺳﻂ اﻟﻮﻃ‬
‫‪ 170‬ﻣﺴ ﺜﻤﺮة ﻣﻦ اﻟـ‪ 200 :‬ﻟ ﻢ ﻢ أﻗﻞ ﻣﻦ اﳌﺘﻮﺳﻂ اﻟﻮﻃ )‪ 50‬ﻜﺘﺎر( إذا ‪ 85 %‬ﻣﻦ اﳌﺴ ﺜﻤﺮات ﻟ ﺎ ﻢ‬
‫أﻗﻞ ﻣﻦ اﳌﺘﻮﺳﻂ اﻟﻮﻃ‬
61 _____ ‫ﺣﺼﺎء اﻟﻮﺻﻔﻲ – ﺗ ﻴﺺ اﻟﺒﻴﺎﻧﺎت‬

Bibliographie ‫اﳌﺮاﺟﻊ‬
‫اﻟﻌﻠﻮم‬ -‫ ﻣﺮﻛﺰ ﺗﻄﻮ ﺮ اﻟﺪراﺳﺎت اﻟﻌﻠﻴﺎ واﻟﺒﺤﻮث‬،‫اﻟﺘﺤﻠﻴﻞ ﺣﺼﺎ ﻲ ﻟﻠﺒﻴﺎﻧﺎت‬،‫ أﻣﺎ ﻰ ﻣﻮ ﻣﺤﻤﺪ‬.‫د‬.‫ أ‬.1
2007 .‫ ﺟﺎﻣﻌﺔ اﻟﻘﺎ ﺮة‬-‫ ﻠﻴﺔ اﻟ ﻨﺪﺳﺔ‬،‫اﻟ ﻨﺪﺳﻴﺔ‬
.‫ ﺟﺎﻣﻌﺔ ﻣﺎرات اﻟﻌﺮﻴﺔ اﳌﺘﺤﺪة‬،‫ ﻠﻴﺔ دارة و ﻗﺘﺼﺎد‬،‫ ﻗﺴﻢ ﺣﺼﺎء‬،‫ ﻣﺒﺎدئ ﺣﺼﺎء‬،‫ إﺑﺮا ﻴﻢ ﻋﺒﺪ ﷲ‬.‫ د‬.2
1998
‫ دار‬،‫ ﺣﺼﺎء ﻟﻄﻼب اﻟﺪراﺳﺎت ﻗﺘﺼﺎدﻳﺔ و دار ﺔ‬،‫ ﻋﺎدل ﺳﻤﺮة‬.‫ أ‬،‫ ﻋﺒﺪ ا ﻤﻴﺪ رﻴﻊ‬.‫د‬.‫ أ‬،‫ ﺟﻼل اﻟﺼﻴﺎد‬.‫ د‬.3
.‫ ه‬1429/1428 ،‫ ﺟﺎﻣﻌﺔ اﳌﻠﻚ ﻋﺒﺪ اﻟﻌﺰ ﺰ‬،‫ ﻗﺴﻢ ﺣﺼﺎء‬،‫ اﳌﻌﺘﻤﺪة ﻣﻦ ﻃﺮف‬.‫ﺣﺎﻓﻆ ﻟﻠ ﺸﺮواﻟﺘﻮز ﻊ‬
‫ دارة اﻟﻌﺎﻣﺔ ﻟﺘﺼﻤﻴﻢ وﺗﻄﻮ ﺮ‬، ‫ اﳌﺆﺳﺴﺔ اﻟﻌﺎﻣﺔ ﻟﻠﺘﻌﻠﻴﻢ اﻟﻔ واﻟﺘﺪر ﺐ اﳌ‬،‫ إﺣﺺ‬161 ،‫ﺣﺼﺎء‬ ‫ ﻣﻘﺪﻣﺔ‬.4
. ‫اﳌﻨﺎ‬
5. Alain Baccini, Statistique Descriptive, Publication du laboratoire de statistique et probabilité,
Université Paul Sabatier, Toulouse III.
6. Etienne Bressoud & Jean-Claude Kahane/Statistique descriptive. Applications avec Excel et
calculatrices / Ed. Pearson.
7. Gilbert Saporta, Probabilité, Analyse des Données et Statistique. Ed. Technip. Paris. 2006.
8. Spiegel, Murray R. Theory and problems of Probability and Statistcs, Schaum’s Outline Series, Mc
Graw-Hill. 1998