‫جــــــــــــامعة دميـــــــــــاط‬

‫كليــــــة التربية النوعيــــــة‬

‫قسم إعداد معلم الحاسب اآللى‬

‫مبادئ اإلحصـــاء‬

‫األستاذ الدكتور‬

‫السعيد السعيد عبد الرازق‬

‫أستاذ استخدامات احلاسب يف التعليم‬

‫‪2023‬‬
 ‫مقدمة‬
‫عزيزي الطالب ‪/‬الطالبة‬
‫ا ر كب ار فاي‬ ‫مرحبا بكم في هذا المحتوى اإللكتروني الذي يتنااو مباا ا اإلحءاام لماا لاذلل الن ام ما‬
‫ا خاذ القرارات في جم ع مجاالت الح اة‬

‫ولتحق ق األهداف المرجوة م ذلل المحتوى اإللكتروني يجب ما ي ي‪:‬‬

‫‪-1‬التنامل مع األمث ة النم ة والتماري الموجو ة بالكتاب اإللكتروني‬
‫‪ -2‬ور أستاذ الما ة هو س ر عم ة التن م و وج ه الطالب إلى مءا ر الن م والمنرفة و بء ره بكل ما هو جدياد‬
‫في ذلل المجا ‪.‬‬
‫‪ -3‬ع ى الطالب أن يتفاعل بشكل ايجابي مع أستاذ الما ة ومع مءا ر المنرفة التي يوجهه إل ها وعدم جنال نفساه‬
‫مجر مستقبل س بي لما يفرض ع ه وإبادام رأياه بكال و اوف ويافاف ة حاو مو اوعات المقارر ومنا شاة‬
‫أستاذ الما ة عند لقائه به والمساعدة في حق ق جو ة التن م‪.‬‬
‫‪-4‬ع ى الطالب أن يقوم بربط مو وعات كل فءل بماا يسابقه وبماا ي حقاه ما فءاو ل كاون المقارر متكااما مماا‬
‫يسهل الفهم و حق ق راكم المنرفة واستمرارها‪.‬‬
‫‪ -5‬رورة أن يحر ص كل طالب ع ى مقاب ة أساتاذ الماا ة لاجاباة ع اى استفساارا ه حاو ماا لام ياتمك ما فهماه‬
‫بالمحا اارة أو بالكتاااب وعاارض إجابا ااه ع ااى التاادريبات التااي يقاادمها أسااتاذ المااا ة بالمحا اارة أو بالكتاااب‬
‫اإللكتروني‬

‫أرجو م هللا أن يقبل هذا النمل‪ ،‬وان يساعد في مه د و نوير الطريق كما أرجو المغفرة لما به م نقص‬
‫{ ال يكتب احد كتابا في يومه إال ا في غده لو غ ر هذا لكان أحس ولو زيد هذا لكان يستحس ‪ ،‬ولو دم هذا‬
‫لكان أفضل‪ ،‬ولو رك هذا لكان أجمل وهذا م أعظم النبر وهو ل ل ع ى النقص في جم ة البشر}‬

‫هللا اس أن ينفننا بما ع منا وان ين منا ما ينفننا انه سم ع الدعام‪.‬‬

‫األستاذ الدكتور‬
‫السعيد السعيد محمد عبد الرازق‬
‫‪www.facebook.com/elsaeed.abdelrazek‬‬

‫( أ )‬
‫( ب)‬
‫مقدمة فى االحتماالت‬

‫‪Probabilities‬‬
‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪2‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مفاهيم أساسية متعلقة باالحتمال‬

‫التجربة العشوائية ‪Random Experiment‬‬

‫هي تجربة يمكن معرفة جميع نواتجها الممكنه مسبقا قبل اجرائها ولكن ال يمكن التنبؤ بأى من‬
‫تلك النواتج سوف يحدث بالضبط‬
‫مثال لتجربة عشوائية‪:‬‬
‫‪ -‬عند القاء قطعه نقود معدنية فيكون معروف مسبقا ان النتيجة إما ظهور صورة أو ظهور كتابة‬
‫‪-‬عند القاء زهر الطاولة (حجر النرد) يكون معروف مسبقا ان النتيجة إما ظهور الرقم واحد أو‬
‫اثنين أو ثالث أو اربعه أو خمسه أو سته‬

‫فضاء العينة(فضاء النواتج أو فراغ العينة) ‪Sample Space‬‬

‫هي مجموعه النتائج المحتملة الحدوث نتيجة إجراء التجربة العشوائية ويرمز لها بالرمز ‪Ω‬‬
‫أوميجا ‪،‬أو ‪ ، S‬ويطلق على كل نتيجة نقطة من العينة ‪Sample Point‬‬
‫وغالبا يوجد أكثر من فراغ للعينة يمكن ان يصف نتائج التجربة ولكن في الغالب يوجد واحد فقط‬
‫يعطى المعلومات األكثر‬
‫مثال‪:‬‬
‫اذا تم القاء زهر الطاولة فإن فراغ العينة )‪ {1,2,3,4,5,6‬بينما يوجد آخر يعطى‬
‫}زوجى‪,‬فردى{ولكن هذا األخير غير كافي ليحدد مثال ما اذا كان الناتج يقبل القسمة على ‪3‬‬

‫مثال‬
‫أوجد فضاء العينة وعدد عناصره للتجارب التالية‪:‬‬
‫‪-1‬تجربة القاء قطعة نقود معدنية مرة واحدة وتسجيل الرمز الظاهر على الوجه العلوي‪.‬‬
‫‪ -2‬تجربة القاء قطعتي نقود معدنية معا وتسجيل الرمز الظاهر على الوجه العلوي لكل قطعة‪.‬‬

‫‪3‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الحل‬
‫أوال‪ :‬تجربة القاء قطعة نقود معدنية مرة واحدة وتسجيل الرمز الظاهر على الوجه العلوي‬
‫نرمز للصورة بالرمز ‪ ) Head ) H‬وللكتابة بالرمز ‪) Tail( T‬‬

‫النتائج الممكنة ‪ H :‬أو ‪T‬‬

‫فضاء العينة ‪S = {H , T} :‬‬
‫عدد عناصر االحتماالت الممكنة‪n(S) = 2 :‬‬
‫ثانيا ‪ :‬تجربة القاء قطعتي نقود معا وتسجيل الرمز الظاهر على الوجه العلوي لكل قطعة‬
‫نرمز للصورة بالرمز ‪ ) Head ) H‬وللكتابة بالرمز ‪) Tail( T‬‬
‫النتائج الممكنة ‪:‬‬
‫)‪(H,H), (H,T), (T,H), (T,T‬‬
‫فضاء العينة‪:‬‬
‫})‪S = {(H,H), (H,T), (T,H), (T,T‬‬
‫عدد عناصر االحتماالت الممكنة‬
‫‪n(S) = 4‬‬
‫مالحظة‬
‫})‪S = {H,T}× {H,T} = {(H,H), (H,T), (T,H), (T,T‬‬

‫‪H‬‬ ‫‪HH‬‬
‫‪H‬‬
‫‪T‬‬ ‫‪HT‬‬

‫‪H‬‬ ‫‪TH‬‬
‫‪T‬‬
‫‪T‬‬ ‫‪TT‬‬

‫القطعة األولى‬ ‫القطعة الثانية‬ ‫النتيجة‬

‫‪4‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫أوجد فضاء العينة وعدد عناصره للتجارب التالية‪:‬‬

‫‪ -1‬تجربة رمي حجر النرد مرة واحدة وتسجيل الرقم الظاهر على الوجه العلوي‪.‬‬
‫‪ -2‬تجربة رمي حجر النرد مرتين متتاليتين وتسجيل الرقم الظاهر على الوجه العلوي لكل رمية‪.‬‬
‫الحل‬
‫أوال ‪ :‬تجربة رمى حجر النرد مرة واحدة‬
‫النتائج الممكنة‪:‬‬
‫‪1 or 2 or 3 or 4 or 5 or 6‬‬
‫فضاء العينة ‪:‬‬
‫}‪S={1,2,3,4,5,6‬‬
‫عدد عناصره ‪:‬‬
‫‪n(S)=6‬‬

‫ثانيا ‪ :‬تجربة رمي حجر النرد مرتين‪:‬‬

‫يمكن إيجاد فضاء العينة لتجربة رمي حجر النرد مرتين بعدة طر ق كما يلى‪:‬‬

‫الطريقة األولى ‪ :‬إيجاد فضاء العينة باستخدام حاصل الضرب الديكارتي‬

‫نسبة إلى ( رينيه ديكارت) وهو اسم يطلق في الرياضيات لمجموعتين ‪ ،Y ،X‬ويرمز له بـ ‪X‬‬
‫‪ ،× Y‬وهى عباره عن مجموعة األزواج المرتبة التي ينتمي عنصرها األول إلى المجموعة ‪X‬‬
‫وينتمي عنصرها الثاني إلى المجموعة ‪Y‬‬
‫}‪S={1,2,3,4,5,6}×{1,2,3,4,5,6‬‬
‫‪={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1), (2,2), (2,3), (2,4), (2,5),‬‬
‫‪(2,6),(3,1),(3,2),(3,3),(3,4),(3,5),(3,6),(4,1), (4,2), (4,3), (4,4), (4,5),‬‬
‫‪(4,6), (5,1),(5,2),(5,3),(5,4),(5,5),(5,6),(6,1), (6,2), (6,3), (6,4), (6,5),‬‬
‫})‪(6,6‬‬
‫وعدد عناصر فضاء العينة (باستخدام قاعدة الضرب)‬
‫‪n(S)=6×6=36‬‬
‫‪5‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الطريقة الثانية‪ :‬إيجاد فضاء العينة باستخدام طريقة الشجرة‬

‫الطريقة الثالثة‪ :‬إيجاد فضاء العينة باستخدام طريقة الشبكة (أو الجدول)‬
‫‪6‬‬ ‫)‪(1,6‬‬ ‫)‪(2,6‬‬ ‫)‪(3,6) (4,6) (5,6‬‬ ‫)‪(6,6‬‬
‫نتيجة الرمية الثانية‬

‫‪5‬‬ ‫)‪(1,5‬‬ ‫)‪(2,5‬‬ ‫)‪(3,5) (4,5) (5,5‬‬ ‫)‪(6,5‬‬

‫‪4‬‬ ‫)‪(1,4‬‬ ‫)‪(2,4‬‬ ‫)‪(3,4) (4,4) (5,4‬‬ ‫)‪(6,4‬‬
‫‪3‬‬ ‫)‪(1,3‬‬ ‫)‪(2,3‬‬ ‫)‪(3,3) (4,3) (5,3‬‬ ‫)‪(6,3‬‬
‫‪2‬‬ ‫)‪(1,2‬‬ ‫)‪(2,2‬‬ ‫)‪(3,2) (4,2) (5,2‬‬ ‫)‪(6,2‬‬
‫‪1‬‬ ‫)‪(1,1‬‬ ‫)‪(2,1‬‬ ‫)‪(3,1) (4,1) (5,1‬‬ ‫)‪(6,1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫نتيجة الرمية األولى‬
‫مالحظة‪:‬‬
‫العنصر (‪ )4,3‬من عناصر فضاء العينة يمثل نقطة عينه وذلك ألن ‪ ، (4,3) ∋ S‬كما أن النتيجة‬
‫(‪ )4,3‬تعني ظهور الرقم ‪ 4‬في الرمية األولى وظهور الرقم ‪ 3‬في الرمية الثانية وتختلف هذه‬
‫النتيجة عن النتيجة )‪ (3,4‬والتي تعني ظهور الرقم ‪ 3‬في الرمية األولى وظهور الرقم ‪ 4‬في‬
‫الرمية الثانية‪.‬‬

‫احلدث أو احلادثة ‪Event‬‬

‫هو مجموعه جزئية ‪ Subset A‬من فراغ العينة ‪ S‬لتجربة عشوائية ما‬
‫فمثال األرقام الزوجية التي تظهر عند القاء زهر الطاولة }‪ {6،4،2‬يمكن التعبير عنها بالحدث‪A‬‬
‫وهى مجموعة جزئية من مجموعة فضاء العينة لتجربة حجر النرد ‪ ،‬ويكون حدث الحصول على‬
‫عدد أكبر من أو يساوى ‪ 1‬هو الحدث ‪ B‬حيث أن الحدث ‪ { 6،5،4،3،2،1 }=B‬ويسمى بالحدث‬
‫المؤكد‬
‫يقال ان ‪ A‬حادثة اذا كانت ‪A⊆ S :‬‬

‫‪6‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫االحداث املستقله‬

‫أي ان احتمال وقوع الحدث الثانى ال يتأثر بوقوع أو عدم وقوع الحدث األول‬

‫احلدث األوىل أو االبتدائى‬

‫الحدث الذى يتكون من نقطة واحدة من فراغ العينة يسمى بالحدث البسيط أو الحدث األولى‬
‫‪ Elementary Event‬وهو الحدث الذى يحتوى على عنصر واحد فقط‬
‫فمثال عند الرغبة في الحصول على مجموعة االعداد األكبر من ‪ 3‬وأقل من ‪ 5‬عندئذ تكون‬
‫المجموعه ‪ B‬بداخلها عنصر وحد فقط وهو ‪ 4‬وهو ما يسمى بالحدث األولى النه يحتوى على‬
‫عنصر واحد فقط‬

‫العدد األوىل‬

‫هو العدد الذى لديه عاملين فقط أي ال يقبل القسمه اال على نفسه أو على الواحد‬

‫احلدث املستحيل ‪Impossible Event‬‬

‫لو طلب منك حدث الحصول على عدد أكبر من ‪ 60‬عند القاء زهر النرد مرة واحدة فإن ذلك‬
‫يسمى حدث مستحيل ويرمز له بالرمز فاى ∅ ( ‪ ) ∅ ⊆ S‬حيث أن ∅ هي المجموعة الخالية‬

‫االحداث املتنافية (املنفصلة) ‪Disjoint (Mutually Exclusive) Events‬‬

‫أي ان احتمال وقوع الحدث األول يمنع وقوع الحدث الثانى‪ ،‬حيث يقال أن الحدثين ‪B ،A‬‬
‫متنافيين أو منفصلين إذا كانتا غير متقاطعتين‪ ،‬أي أن ‪ ، A∩B=Ø‬وهذا يعني عدم وجود‬
‫عناصر مشتركة بينهما وبالتالي ال يمكن وقوعهما معا أي يستحيل وقوعهما معا ‪ ،‬ولذلك فإن‬
‫وقوع أحدهما ينفي وقوع األخرى‬

‫‪A‬‬ ‫‪B‬‬
‫‪B‬‬ ‫‪A‬‬

‫حدثين غير متنافيين‬ ‫حدثين متنافيين‬

‫‪A∩B≠Ø‬‬ ‫‪A∩B=Ø‬‬

‫‪7‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫احلدث املؤكد ‪Sure Event‬‬

‫مثل حدث الحصول على أكبر من أو يساوى واحد وأقل من أو يساوى سته عند القاء حجر النرد‬
‫مره واحده ( ‪) S ⊆ S‬‬
‫ويرمز لعدد عناصر الحادثة ‪ A‬بالرمز )‪ ، n(A‬ونقول بأن الحادثة ‪ A‬وقعت اذا كانت نتيجة‬
‫التجربة هي أحد عناصر الحادثة ‪A‬‬

‫احلدث العكسى‬
‫يتضمن كل عناصر فضاء العينة ‪ Ω‬عدا عناصر الحدث المحدد‬
‫فإذا كان ‪ A‬حدث ما فإن الحدث العكسى له يسمى ‪ Ā‬وهى التي تحوى كل عناصر ‪ Ω‬عدا عناصر‬
‫‪A‬‬
‫بفرض ان ‪Ω={1,2,3,4,5,6} :‬‬
‫وبفرض ان الحدث‪ A‬يتضمن االعداد الفردية }‪ ، A={1,3,5‬فإن ‪)Not A) ={2,4,6}Ā‬‬
‫مثال‬
‫عند رمى زهرة النرد مرة واحدة وتسجيل الرقم الظاهر على الوجه العلوي فإن المجموعات‬
‫التالية تشكل حوادث ألنها مجموعات جزئية من فضاء العينة ‪S‬‬
‫الحدث‬ ‫عدد العناصر‬
‫}‪} ={2,4,6‬ظهور عدد زوجى{=‪A‬‬ ‫‪A⊆S‬‬ ‫‪n(A)=3‬‬
‫}‪} ={1,3,5‬ظهور عدد فردى{= ‪B‬‬ ‫‪B⊆S‬‬ ‫‪n(B)=3‬‬
‫}‪}={1,2,3,4,5‬ظهور عدد أقل من سته{ = ‪C‬‬ ‫‪C⊆S‬‬ ‫‪n(C)=5‬‬
‫}‪} = {6‬ظهور العدد سته{ = ‪D‬‬ ‫‪D⊆S‬‬ ‫‪n(D)=1‬‬
‫} { = }ظهور عدد سالب { = ‪Ø‬‬ ‫‪Ø⊆S‬‬ ‫‪n(Ø)=0‬‬
‫}‪}={1,2,3,4,5,6‬ظهور عدد موجب { = ‪S‬‬ ‫‪S⊆S‬‬ ‫‪n(S)=6‬‬

‫ويمكن تمثيل تلك الحوادث بأشكال فن حيث يمثل الشكل التالي الحوادث ‪D،C،B،A‬‬

‫‪8‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪S‬‬

‫‪B‬‬

‫‪C‬‬ ‫‪A‬‬

‫‪1‬‬
‫‪2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪5‬‬
‫‪D‬‬

‫‪6‬‬

‫تمثيل الحوادث باستخدام أشكال فن‬

‫مثال‬
‫في تجربة القاء قطعة من النقود المعدنية مرتين متتاليتين‪ ،‬المطلوب احسب الحوادث التالية‬
‫وعدد عناصرها ثم مثلها باستخدام أشكال فن‪:‬‬
‫}الحصول على صورة في الرمية األولى{=‪A‬‬
‫}الحصول على كتابة في الرمية األولى{=‪B‬‬
‫}الحصول على صورة واحدة على األقل{=‪C‬‬
‫الحل‬
‫})‪S = {(H,H),(H,T),(T,H),(T,T‬‬ ‫‪n(S) = 4‬‬
‫})‪A = {(H,H),(H,T‬‬ ‫‪n(A) = 2‬‬
‫})‪B = {(T,H),(T,T‬‬ ‫‪n(B) = 2‬‬
‫})‪C = {(H,H),(H,T),(T,H‬‬ ‫‪n(C) = 3‬‬
‫‪9‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪S‬‬

‫‪A‬‬
‫‪HH HT‬‬
‫‪C‬‬
‫‪TH‬‬ ‫‪TT‬‬ ‫‪B‬‬

‫مثال‬
‫في تجربة رمي زهر نرد مرتين متتاليتين باعتبار أن ( ‪ )X‬يرمز لنتيجة الرمية األولى ‪)Y( ،‬‬
‫يرمز لنتيجة الرمية الثانية ‪ ،‬والمطلوب حساب الحوادث التالية وعدد عناصرها‬
‫} ‪A = { (x,y): x + y < 4‬‬
‫} ‪B = { (x,y): x = y‬‬
‫} ‪C = { (x,y): x =5‬‬
‫} ‪D = { (x,y): x+y =1‬‬
‫الحل‬

‫)‪(1,6‬‬ ‫)‪(2,6‬‬ ‫)‪(3,6‬‬ ‫)‪(4,6‬‬ ‫)‪(5,6‬‬ ‫)‪(6,6‬‬

‫)‪(1,5‬‬ ‫)‪(2,5‬‬ ‫)‪(3,5‬‬ ‫)‪(4,5‬‬ ‫)‪(5,5‬‬ ‫)‪(6,5‬‬
‫)‪(1,4‬‬ ‫)‪(2,4‬‬ ‫)‪(3,4‬‬ ‫)‪(4,4‬‬ ‫)‪(5,4‬‬ ‫)‪(6,4‬‬
‫)‪(1,3‬‬ ‫)‪(2,3‬‬ ‫)‪(3,3‬‬ ‫)‪(4,3‬‬ ‫)‪(5,3‬‬ ‫)‪(6,3‬‬
‫)‪(1,2‬‬ ‫)‪(2,2‬‬ ‫)‪(3,2‬‬ ‫)‪(4,2‬‬ ‫)‪(5,2‬‬ ‫)‪(6,2‬‬
‫)‪(1,1‬‬ ‫)‪(2,1‬‬ ‫)‪(3,1‬‬ ‫)‪(4,1‬‬ ‫)‪(5,1‬‬ ‫)‪(6,1‬‬
‫‪A‬‬ ‫‪C‬‬

‫} ‪A = { (x,y): x + y < 4‬‬ ‫})‪= {(1,1), (1,2), (2,1‬‬ ‫‪n(A)=3‬‬

‫} ‪B = { (x,y): x = y‬‬ ‫})‪= {(1,1),(2,2),(3,3),(4,4),(5,5),(6,6‬‬ ‫‪n(B)=6‬‬
‫} ‪C = { (x,y): x =5‬‬ ‫})‪= {(5,1),(5,2),(5,3),(5,4),(5,5),(5,6‬‬ ‫‪n(C)=6‬‬
‫} ‪D = { (x,y): x+y =1‬‬ ‫‪={}=φ‬‬ ‫‪n(D)=0‬‬

‫‪10‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫العمليات على االحداث (جرب االحداث) ‪Algebra of Events‬‬

‫×‬ ‫أوال ‪ :‬تقاطع حادثتني ∩ ‪ ( Intersection‬و) ويرمز هلا بالرمز‬

‫ويعني وقوع الحدثين معاً‪ ،‬وبمعنى آخر فإن تقاطع الحدثين يشمل كل العناصر المشتركة بين‬
‫الحدثين ‪ ،‬ويعبر عن ذلك رياضيا )‪ )A ∩B‬أو (‪. )A and B‬‬
‫‪-‬بفرض ان لدينا الحدث ‪ ، A‬والحدث ‪ ، B‬فإننا نرمز بـ ‪ A ∩ B‬للحدث ‪ A‬و‪ B‬وهى التي‬
‫تحتوى على العناصر المشركة بين ‪ A‬و ‪B‬‬
‫أي ان تقاطع حدثين ‪ A ∩ B‬هو حدث يقع إذا وقع الحدثان ‪ A‬و ‪ B‬معا‬

‫‪A ∩ B = {x ∈ S: x ∈ A‬‬ ‫}‪ x∈B‬و‬

‫ويظهر شكل فن كما يلي‪:‬‬

‫‪-‬إذا كانت ‪ A ∩ B‬خالية ( ∅ =‪ ) A ∩ B‬عندئذ نقول ان الحدثين ‪ A‬و ‪ B‬غير متالئمتين‬

‫مثال‬
‫لدينا صندوق به عدد من الكرات الحمراء تحمل األرقام (‪ )1،2،3‬وعدد من الكرات الخضراء‬
‫تحمل األرقام (‪ )4،5‬فما احتمال ان نحصل على كره حمراء تحمل الرقم ‪ 4‬فهذا ال يمكن ان‬
‫يحدث ابدا‬

‫‪11‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫(أو )‪+‬‬ ‫ثانيا‪ :‬احتاد حادثتني ‪∪ Union‬‬

‫يعني وقوع أحد الحدثين ‪ B , A‬على األقل‪ ،‬وبمعنى آخر وقوع الحدث األول أو الحدث الثاني‬
‫أو كالهما (االتّحاد هو جمع عناصر الحدث األول وعناصر الحدث الثاني) ‪ ،‬ويعبر عن ذلك‬
‫رياضيا )‪ (A∪ B‬أو )‪(A or B‬‬

‫‪A∪ B = {x ∈ S : x ∈ A‬‬ ‫} ‪ x ∈ B‬أو‬

‫ويمكن االستعانة بشكل" فن "كما يلي‪:‬‬

‫نرمز بـ ‪ A ∪ B‬للحدث ‪ A‬أو ‪ B‬وهى التي تتضمن عناصر ‪ A‬وعناصر ‪ B‬ايضا‬

‫‪12‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫رموز العمليات‬
‫النطق‬ ‫مثال‬ ‫معناه‬ ‫الرمز‬
‫‪cap‬‬ ‫∩ }‪{8 ، 7 ، 9 ، 1‬‬ ‫يوضع بين المجموعتين المراد معرفة‬ ‫تقاطع‬ ‫∩‬
‫‪{5 ، 9 ، 4 ، 7} = {7‬‬ ‫العناصر المشتركة فيما بينهما‬
‫}‪،9‬‬
‫‪cup‬‬ ‫‪{5 ، 3 ، 2} ∪{8 ، 2‬‬ ‫وضع هذا الرمز بين المجموعتين المراد‬ ‫اتحاد‬ ‫∪‬
‫‪،9} = {5 ، 3 ، 2 ،‬‬ ‫دمج عناصر كال منهما‬
‫}‪8،9‬‬
‫‪ A‬ضرب ديكارتى ‪( B‬الضرب الديكارتى)‬ ‫‪A×B‬‬ ‫×‬
‫‪-‬‬
‫المجموعة المكملة لـ ‪) A‬هى المجموعة‬
‫التي تحوي جميع العناصر التي ال تحويها‬
‫`‬
‫المجموعة‪) A‬‬ ‫‪Á‬‬
‫رموز العالقات‬
‫مثال‬ ‫معناه‬ ‫الرمز‬
‫}‪7 ∋ {8 ، 7 ، 1 ، 10‬‬ ‫انتماء عنصر إلى مجموعة‬ ‫ينتمى‬ ‫∋‬
‫‪A∋a‬‬ ‫∋‬
‫العنصر ‪ a‬ينتمى للمجموعة ‪A‬‬
‫‪a∊A‬‬ ‫∊‬
‫}‪12 ∌ {1 ، 2‬‬ ‫عدم انتماء أحد العناصر إلى‬ ‫ال ينتمى‬ ‫∌‬
‫المجموعة‬
‫العنصر ‪ a‬ال ينتمى للمجموعة‬ ‫‪A∌a‬‬ ‫∌‬
‫‪A‬‬ ‫‪a∉A‬‬ ‫∉‬
‫‪{1 ، 8 ، 10} ⊂ {1 ،‬‬ ‫يحتوى‪/‬جزئية هناك مجموعة صغيره تعتبر‬ ‫⊂‬
‫}‪5 ، 78 ، 10 ، 1‬‬ ‫جزئا من مجموعة أخرى كبيرة‬

‫‪Subset‬‬ ‫‪ A‬هي مجموعة جزئية من ‪B‬‬ ‫‪A⊃B‬‬ ‫⊃‬

‫‪A⊋B‬‬ ‫⊋‬
‫‪ A‬جزء من ‪B‬‬ ‫‪A⊆B‬‬ ‫⊆‬
‫‪ A‬مجموعة حاوية (أي تحتوى‬ ‫‪A ⊂B‬‬ ‫⊂‬
‫على جميع عناصر ) ‪B‬‬ ‫‪A ⊊B‬‬ ‫⊊‬
‫رموز التكوين‬
‫النطق‬ ‫التعريف‬ ‫االستخدام‬ ‫الرمز‬
‫\‪varnothing,\emptyset‬‬ ‫مجموعة خالية (فاى)‬ ‫∅‬
‫‪Brackets square‬‬ ‫مجموعة تتكون من‬ ‫}‪{a,b,c,….‬‬ ‫} {‬
‫االقواس المعقوفة‬ ‫عناصر مثل ‪a,b,c‬‬
‫‪mid‬‬ ‫مجموعة العناصر ‪a‬‬ ‫})‪{ a ǀ T(a‬‬ ‫‪ǀ‬‬
‫‪colon‬‬ ‫والتي تحقق الشرط التالى‬ ‫})‪{ a : T(a‬‬ ‫‪:‬‬
‫)‪T(a‬‬

‫‪13‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫التجربة العشوائية التالية‬
‫‪:‬‬ ‫نرمى زهرة النرد‪ ،‬فتكون المجموعة الشاملة أو فراغ العينة‬
‫}‪S={1,2,3,4,5,6‬‬
‫‪-‬الحدث ‪: A‬الحصول على رقم زوجى‬
‫}‪A={2,4,6‬‬
‫‪-‬الحدث ‪: B‬الحصول على رقم أكبر من او يساوى ‪3‬‬
‫}‪B={3,4,5,6‬‬
‫‪-‬الحدث ‪ B‬والحدث ‪ A‬هما مجموعتين جزئيتين من ‪S‬‬
‫‪-‬الحدث ‪ : C‬الحصول على الرقم ‪ : 6‬حدث أولى ألن }‪C={6‬‬
‫‪-‬الحدث ‪( : A ∩ B‬العناصر المشتركة) هي حدث الحصول على رقم زوجى أكبر من او يساوى ‪3‬‬

‫}‪A ∩ B={4,6‬‬
‫‪-‬الحدث ‪( : A ∪ B‬جمع عناصر الحدث األول وعناصر الحدث الثاني )هي حدث الحصول على‬
‫رقم زوجى أو أكبر او يساوى ‪3‬‬
‫}‪A ∪ B={2,3,4,5,6‬‬
‫‪-‬الحدث العكسى ‪( Ā‬العناصر غير الموجودة فى الحدث ‪)A‬‬
‫}‪Ā ={1,3,5‬‬

‫‪14‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬

‫صندوق يحتوى على ‪ 15‬كره مرقمة من ‪ ، 15:1‬نسحب عشوائيا كره‬

‫ونسجل رقمها‬
‫‪-‬حدد المجموعة الشاملة اوميجا ‪Ω‬‬
‫‪-‬حدد الحدث ‪:A‬الحصول على رقم مضاعف للعدد ‪5‬‬
‫‪-‬حدد الحدث ‪ :B‬الحصول على رقم مضاعف للعدد ‪3‬‬
‫‪-‬حدد الحوادث ‪ A ∩ B‬و 𝑨 و𝑩 ثم استنتج الحادثتين 𝐁 ∩ 𝑨 و 𝑩 ∩ 𝑨‬
‫حيث 𝑨 و 𝑩 و 𝑩 ∩ 𝑨 هي الحوادث العكسية للحوادث ‪ A‬و ‪ B‬و ‪A∩B‬‬
‫على الترتيب‬

‫الحل‬

‫}‪Ω={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15‬‬
‫}‪A={5,10,15‬‬
‫}‪B={3,6,9,12,15‬‬
‫}‪A ∩ B={15‬‬

‫}‪𝑨={1,2,3,4,6,7,8,9,11,12,13,14‬‬

‫}‪𝑩 ={1,2,4,5,7,8,10,11,13,14‬‬

‫}‪𝑨 ∩ 𝑩 = { 1,2,4,7,8,11,13,14‬‬

‫}‪𝑨 ∩ 𝑩 = {1,2,3,4,5,6,7,8,9,10,11,12,13,14‬‬

‫‪15‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫يوجد لدينا المجموعة ‪ E‬كما يلى ‪:‬‬
‫}‪E={0,1,2,3,4,5,6,7,8,9,10,11,12‬‬
‫فإذا علمت أن‪:‬‬
‫‪ : A‬مجموعة االعداد الزوجية‬
‫‪ :B‬مجموعة االعداد األولية‬
‫‪ :C‬مجموعة مضاعفات ‪5‬‬
‫والمطلوب ‪:‬‬

‫أوال ‪:‬حدد المجموعات التالية ‪𝑨 ∪ 𝑩 ، 𝑨 ، A ∪ C ، A ∩ C ، A ∩ B ، A∪ B :‬‬

‫ثانيا ‪ :‬هل المجموعات ‪ A,B,C‬تشكل تجزئه للمجموعة ‪E‬‬

‫الحل‬

‫‪: A‬هي مجموعة االعداد الزوجية‬

‫}‪A={0,2,4,6,8,10,12‬‬
‫العدد األولى ‪ :‬أى عدد طبيعي أكبر من الواحد وال يمكن الحصول علي ذلك العدد األولى اال من‬
‫خالل ضربه في الواحد فقط‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬
‫‪2×1‬‬ ‫‪3×1‬‬ ‫‪4×1‬‬ ‫‪5×1‬‬ ‫‪6×1 7×1 8×1 9×1 10×1 11×1 12×1‬‬
‫‪2×2‬‬ ‫‪2×3‬‬ ‫‪4×2 3×3‬‬ ‫‪2×5‬‬ ‫‪2×6‬‬
‫‪3×4‬‬
‫أولى‬ ‫غير أولى أولى‬ ‫أولى‬ ‫غير أولى غير‬ ‫غير‬ ‫غير‬ ‫أولى‬ ‫غير‬
‫أولى‬ ‫أولى أولى‬ ‫أولى‬ ‫أولى‬

‫‪16‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪:B‬مجموعة االعداد األولية‬

‫}‪B={2,3,5,7,11‬‬
‫‪:C‬مجموعة مضاعفات ‪5‬‬
‫}‪C={0,5,10‬‬

‫قاعده هامة‪ :‬يعترب الصفر من مضاعفات أي عدد‬

‫‪ A‬اتحاد ‪ : B‬أي عناصر المجموعة ‪ A‬والمجموعة ‪ B‬مع تجنب التكرار‬

‫}‪A∪ B = {0, 2,3,4,5,6,7,8, 10, 12‬‬
‫‪ A‬تقاطع ‪ : B‬أي العناصر المشتركة بينهم‬
‫}‪A ∩ B={2‬‬
‫‪ A‬تقاطع ‪ : C‬أي العناصر المشتركة بينهم‬
‫}‪A ∩ C ={0,10‬‬
‫‪ A‬اتحاد ‪ : C‬أي العناصر المشتركة بينهم‬
‫}‪A ∪ C={0,2,4,5,6,8,10,12‬‬

‫𝑨 الحدث العكسى( تمثل ‪ A‬مجموعة االعداد الزوجية ‪ ،‬وبالتالي فإن 𝑨 تمثل مجموعه االعداد‬
‫الفردية) كما يلى ‪:‬‬

‫}‪𝑨 ={1,3,5,7.9,11‬‬

‫𝑩 ∪ 𝑨 ‪ :‬تمثل الحدث العكسى لحدث ‪A‬اتحاد ‪( B‬تصبح فردية وغير أوليه)‬

‫}‪𝑨 ∪ 𝑩 ={1,9‬‬

‫‪17‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫ثانيا ‪ :‬هل المجموعات ‪ A,B,C‬تشكل تجزئه للمجموعة ‪E‬‬

‫تشكل تجزئه تعنى ما يلى ‪:‬‬
‫‪-‬ان اتحادهما يولد المجموعة الكلية‬
‫‪-‬ان تقاطعهما يولد مجموعه خاليه‬
‫وبالنظر الى اتحاد االحداث (‪ )A,B,C‬نجد انه ال ينتج عنهم المجموعة الكلية ‪ ( E‬ال يوجد معهم‬
‫الرقم واحد وال الرقم تسعه)‬
‫}‪A={0,2,4,6,8,10,12‬‬
‫}‪B={2,3,5,7,11‬‬
‫}‪C={0,5,10‬‬
‫وبالتالي فإن المجموعات ‪ A,B,C‬ال تشكل تجزئه للمجموعة ‪ E‬ويتم التعبير عنها كما يلى‪:‬‬
‫‪A∪ B ∪ C ≠ E‬‬

‫ثالثا‪ :‬الفرق بني حدثني ) ‪Difference Between Two Events ( -‬‬

‫الفرق بين حدثين ‪ A‬و ‪ B‬هو حدث يرمز له بالرمز ‪ ، A-B‬وهي حدث مكون من جميع العناصر‬
‫التي تنتمي إلى الحدث ‪ A‬وال تنتمي إلى الحدث ‪ ، B‬ويقع الحدث ‪ A-B‬اذا وقع الحدث ‪ A‬ولم يقع‬
‫الحدث ‪B‬‬
‫‪A−B = {x ∈ S: x ∈ A‬‬ ‫}‪x∉B‬و‬

‫شكل فن لتمثيل الفرق‬

‫‪18‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪:‬‬ ‫مثال ‪:‬عند القاء زهر النرد فتكون المجموعة الشاملة هي‬
‫}‪Ω={1,2,3,4,5,6‬‬
‫‪-‬الحدث ‪: A‬الحصول على عدد فردى‬
‫}‪A={1,3,5‬‬
‫‪-‬الحدث ‪: B‬الحصول على عدد أكبر من ‪4‬‬
‫}‪B={5,6‬‬
‫الحدث ‪ : A-B‬اى حذف عناصر الـ ‪ B‬من عناصر ‪A‬‬
‫}‪A-B={1,3‬‬
‫}‪B-A = {6‬‬

‫رابعا‪ :‬املكمل أو املتمم حلدث ‪( - ) Complement‬‬

‫مكمل أو متمم الحدث هو حدث يتضمن جميع عناصر فضاء العينة والتي ال تنتمى الى المجموعة‬
‫‪ A‬أو الرمز ‪ ( AC‬يقع متمم أو مكمل الحدث ̅‬
‫𝑨 اذا لم يقع‬ ‫‪ A‬ونرمز له بالرمز ‪ Á‬أو الرمز ̅‬
‫الحدث ‪ A‬نفسه )‬
‫} ‪̅ = AC = { x ∊ S : x ∉ A‬‬
‫𝐀‬
‫نالحظ أن ‪:‬‬
‫)‪n(AC) = n(S) – n(A‬‬

‫شكل فن لتمثيل المكمل‬

‫‪19‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪-‬مكمل الحدث ‪A‬‬

‫}‪Á ={2,4,6‬‬
‫مكمل الحدث ‪B‬‬
‫}‪𝑩̀= {1,2,3,4‬‬

‫ملحوظة (‪)1‬‬
‫ان ‪̅ ، A‬‬
‫𝑨 حدثان متنافيان أي ان تقاطعهم =∅ ‪ ،‬واحتمال تقاطعهم =صفر= )∅(‪P‬‬
‫على سبيل المثال ‪:‬‬
‫فإن ‪ B ، A :‬حدثين متنافيين‬ ‫اذا كان }‪، B={4,5} ، A={1,2‬‬

‫ملحوظة (‪)2‬‬
‫فإن‪ A :‬مجموعة جزئية من ‪B‬‬ ‫‪،‬‬ ‫‪B={1,3,4,5} ،‬‬ ‫اذا كان }‪A={3,4‬‬
‫أي ان ‪A ∪ B=B ، A ∩ B=A ، A⊂B‬‬

‫نتائج‬

‫‪(AC)C = A‬‬
‫‪SC = Ø‬‬
‫‪ØC = S‬‬
‫‪AC = S−A‬‬
‫‪A∩A=A‬‬
‫‪A∪A=A‬‬
‫‪A∩S =A‬‬
‫‪A∪S=S‬‬
‫‪A∩Ø=Ø‬‬
‫‪A∪Ø =A‬‬
‫‪A⊆B ⇒ A∩B=A‬‬
‫‪A⊆B⇒ A∪B =B‬‬

‫‪20‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫نتيجة هامة‬

‫‪A−B = A∩BC‬‬

‫قوانني دى مورجان‬

‫‪(A ∪ B)C = AC ∩ BC‬‬

‫‪(A ∩ B)C = AC ∪ BC‬‬

‫مثال‬
‫القاء قطعة نقود معدنية متزنة ثالث مرات متتالية والمطلوب‪:‬‬
‫‪ -1‬فراغ العينة وعدد عناصره‪.‬‬
‫‪ -2‬االحداث التالية وعدد عناصرها‪:‬‬
‫)‪ )A‬حدث ظهور صورة في الرمية األولى‬
‫(‪ )B‬حدث ظهور صورة واحدة على األقل‬
‫(‪ )C‬حدث ظهور كتابة في الرمية األولى وصورة في الرمية الثالثة‬
‫‪ -3‬االحداث التالية وعدد عناصرها‪:‬‬
‫‪A ∩ B , A ∪ C, AC ∪ BC, (A ∩ B)C, A ∩ BC‬‬

‫‪21‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الحل‬
‫أوال ‪ :‬فراغ العينة‬
‫})‪S ={(H,H,H),(H,H,T),(H,T,H),(H,T,T),(T,H,H),(T,H,T),(T,T,H),(T,T,T‬‬

‫عدد عناصر فراغ العينة‪:‬‬

‫‪n(S) = 2 × 2 × 2 = 23 = 8‬‬

‫ثانيا ‪:‬االحداث التالية ‪:‬‬

‫‪-‬الحدث ‪ : A‬ظهور صورة في الرمية األولى وعدد عناصرها‬
‫})‪A={(H,H,H),(H,H,T),(H,T,H),(H,T,T‬‬
‫‪n(A) =4‬‬
‫‪-‬الحدث ‪ : B‬ظهور صورة واحدة على األقل وعدد عناصرها‬
‫})‪B={(H,H,H),(H,H,T),(H,T,H),(H,T,T),(T,H,H),(T,H,T), (T,T,H‬‬
‫‪n(B) =7‬‬
‫‪-‬الحدث ‪ : C‬ظهور كتابة في الرمية األولى وصورة في الرمية الثالثة‬
‫})‪C={(T,H,H), (T,T,H‬‬
‫‪n(C) =2‬‬

‫‪22‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫ثالثا‪ :‬االحداث التالية وعدد عناصرها‪:‬‬

‫‪A ∩ B , A ∪ C, AC ∪ BC, (A ∩ B)C, A ∩ BC‬‬
‫})‪A={(H,H,H), (H,H,T), (H,T,H), (H,T,T‬‬
‫})‪B={(H,H,H), (H,H,T), (H,T,H), (H,T,T), (T,H,H), (T,H,T), (T,T,H‬‬
‫})‪C={(T,H,H), (T,T,H‬‬
‫})‪AC = {(T,H,H),(T,H,T),(T,T,H),(T,T,T‬‬
‫})‪BC = {(T,T,T‬‬
‫})‪ A∩B = {(H,H,H), (H,H,T), (H,T,H), (H,T,T‬‬
‫‪n(A∩B) = 4‬‬
‫;})‪ A∪C = {(H,H,H), (H,H,T), (H,T,H), (H,T,T), (T,H,H), (T,T,H‬‬
‫‪n(A∪C)=6‬‬
‫})‪ AC ∪ BC = {(T,H,H),(T,H,T),(T,T,H),(T,T,T)} ∪ {(T,T,T‬‬
‫})‪= {(T,H,H),(T,H,T),(T,T,H),(T,T,T‬‬
‫‪n(A ∪ BC) = 4‬‬
‫‪C‬‬

‫‪‬‬ ‫})‪(A ∩ B)C= {(T,H,H),(T,H,T),(T,T,H),(T,T,T‬‬

‫‪n((A ∩ B)C) = 4‬‬
‫‪ A∩BC = A − B = Ø‬‬
‫‪n(A∩BC) = 0‬‬
‫احلاالت متساوية (متكافئة) الفرص ‪Equally Likely Outcomes‬‬

‫إذا كانت فرصة ظهور أي نتيجة من نتائج التجربة العشوائية مساوية لفرصة ظهور أي نتيجة‬
‫أخرى فإننا نقول بأن نتائج هذه التجربة متساوية (متكافئة) الفرصة‪.‬‬

‫فمثال عند القاء قطعة عملة معدنية متزنة مرة واحدة فإن فرصة ظهور الصورة ‪ H‬مساوية‬
‫لفرصة ظهور الكتابة ‪T‬‬
‫وكذلك في تجربة رمي زهر النرد المتزنة مرة واحدة فإن فرصة ظهور الرقم ‪ 1‬مساوية لفرصة‬
‫ظهور الرقم ‪ 2‬وهذه مساوية لفرصة ظهور الرقم ‪ 3‬وهذه مساوية لفرصة ظهور الرقم ‪ 4‬وهذه‬
‫مساوية لفرصة ظهور الرقم ‪ 5‬وهذه مساوية لفرصة ظهور الرقم ‪6‬‬
‫‪23‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫االحتمال ‪Probability‬‬

‫احتمال احلدث ‪Probability of An Event‬‬

‫أي احتمال وقوع حدث ما وهو مقياس عددي (نسبة عددية) غير سالبة يرمز له بالرمز )‪P(A‬‬
‫ويقيس فرصة وقوع الحادثة ‪ A‬عند إجراء التجربة‪ .‬وتتراوح قيمة هذا المقياس بين الواحد‬
‫الصحيح والصفر‪ ،‬حيث تدل القيمة صفر على استحالة الحدوث‪ ،‬والقيمة واحد على تأكد الحدوث‬
‫فإذا كنا متأكدين من وقوع الحدث فإننا نقول ان االحتمال ‪ %100‬أو واحد صحيح‬

‫يعتمد حساب االحتمال من الناحية النظرية على أسس وقواعد الرياضيات‪ ،‬ويعتبر هذا النوع من‬
‫االحتماالت هو العنصر األساسي في االستدالل اإلحصائي‪ ،‬ولكن في المجال التجريبي‬
‫تعتمد االحتماالت على النتائج الفعلية لمشاهدات التجربة‪ ،‬وعلى تكرار الحدث محل االهتمام‪ ،‬فإذا‬
‫رمزنا الحتمال وقوع الحادث ‪ A‬بالرمز )‪ ، P(A‬فإن طريقة حساب هذا االحتمال تتحدد وفقا لنوع‬
‫االحتمال‬

‫االحتمال النظري (التقليدي) ‪Theoretical Probability‬‬

‫يستخدم إذا كان لدينا تجربة عشوائية جميع نتائجها متساوية الفرص وعدد عناصر فضاء العينة‬
‫لها محدود ويساوى )‪ n(s‬ويحسب بتطبيق المعادلة التالية‪:‬‬

‫)𝑨(𝒏‬
‫= )‪P(A‬‬
‫)𝒔(𝒏‬

‫حيث أن‪:‬‬
‫)‪ :P(A‬احتمال وقوع الحدث ‪A‬‬
‫)‪: n(A‬عدد النتائج الممكنة لوقوع الحادثة ‪( A‬عدد الطرق التى يمكن أن يقع بهاا ‪ A‬أو عادد‬
‫عناصر الحادثة ‪)A‬‬
‫)‪:n(s‬عدد النتائج الكلية للتجربة (العدد الكلى للنواتج المتساوية الفرص أو عدد عناصر فضاء‬
‫العينة ‪)S‬‬
‫وتتراوح )‪ P(A‬بين ‪0 ،1‬‬
‫‪0 ≤ P(A) ≤ 1‬‬
‫فإذا كانت ‪ : P(A)=0‬فإن الحدث ‪ A‬ال يمكن أن يقع‬
‫وإذا كانت‪ : P(A)=1 :‬فإن الحث ‪ A‬مؤكد الوقوع‪.‬‬
‫وإذا استخدمنا )'‪ P(A‬لتمثل احتمال عدم وقوع الحدث ‪ A‬فإن‪:‬‬
‫‪P(A) + P(A') =1‬‬

‫‪24‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫عند إلقاء قطعة نقود مرة واحدة فإن فضاء العينة يكون‪:‬‬
‫}‪S= {H, T‬‬
‫حيث أن ‪ H:‬ترمز للصورة ‪ T ،‬ترمز للكتابة‬
‫أي أن عدد النتائج الممكنة هي ‪:‬‬
‫‪n(S) = (2)1= 2‬‬

‫وإذا كان الحدث ‪ A‬هو ظهور صورة فإن ‪:‬‬

‫}‪A= {H‬‬

‫أي أن عدد النتائج المكونة للحدث هي ‪:‬‬

‫‪n(A)= 1‬‬
‫ويكون احتمال وقوع الحادث ‪ A‬هو ‪:‬‬
‫‪P(A)= n(A)\n(s) = 1\ 2 = 0.5‬‬
‫مثال‬
‫صندوق يحتوي على ‪ 5‬كرات سوداء ‪ 4 ،‬كرات بيضاء ‪ ،‬سحبت كرة من الصندوق بشكل‬
‫عشوائي ‪ ،‬ما احتمال أن تكون الكرة المسحوبة سوداء ؟‬
‫الحل‬
‫نفرض أن ‪ A‬هي حدث سحب كرة سوداء‬
‫وحيث أن الحدث ‪ A‬يتحقق إذ ظهرت أي من الكرات الخمس السوداء ‪ ،‬أي أن ‪:‬‬
‫‪n(A) = 5‬‬
‫‪( n(s) = 9‬العدد الكلى للمشاهدات)‬
‫)𝑨(𝒏‬ ‫𝟓‬
‫= )‪P(A‬‬ ‫= )‪P(A‬‬
‫)𝒔(𝒏‬ ‫𝟗‬

‫‪25‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫ألقيت قطعة نقود مرتين متتاليتين ما احتمال ‪:‬‬
‫‪ -2‬ظهور كتابتين معا‪.‬‬ ‫‪-1‬ظهور صورة واحدة فقط‬
‫الحل‬
‫نرمز لظهور الصورة بالرمز‪ H ،‬ولظهور الكتابة بالرمز ‪T‬‬
‫فضاء العينة هو ‪:‬‬
‫} )‪W = { (H , H ) , (H , T ) , ( T , T) , ( T , H‬‬
‫‪ -1‬نفرض أن ‪ A‬ترمز لحدث ظهور صورة واحدة فقط أي ‪:‬‬
‫} )‪A = { (H , T ) , ( T , H‬‬
‫‪n(A) = 2‬‬
‫‪n=4‬‬
‫)𝐴(𝑛‬ ‫‪2‬‬
‫= )‪P(A‬‬ ‫= )‪P(A‬‬
‫)𝑠(𝑛‬ ‫‪4‬‬ ‫‪=0.5‬‬

‫‪ -2‬نفرض أن ‪ B‬ترمز لحدث ظهور كتابتين معا‪:‬‬

‫}‪B = { T , T‬‬
‫‪n(B)= 1‬‬

‫)𝐴(𝑛‬ ‫‪1‬‬
‫= )‪P(A‬‬ ‫= )‪P(A‬‬
‫)𝑠(𝑛‬ ‫‪4‬‬ ‫‪=0.25‬‬

‫ويمكن تصور االحتمال باستخدام شكل فن كما يلى‪:‬‬

‫‪A‬‬

‫حيث تمثل الدائرة الحدث ‪ A‬بينما تمثل المساحة الكلية المستطيل جميع النواتج الممكنة‪.‬‬

‫‪26‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫عند رمى زهرة النرد مرة واحدة وتسجيل الرقم الظاهر على الوجه العلوى فإن المجموعات‬
‫التالية تشكل حوادث ألنها مجموعات جزئية من فضاء العينة ‪S‬‬
‫الحادثة‬ ‫عدد العناصر‬
‫}‪} ={2,4,6‬ظهور عدد زوجى{=‪A‬‬ ‫‪A⊆S‬‬ ‫‪n(A)=3‬‬
‫}‪} ={1,3,5‬ظهور عدد فردى{= ‪B‬‬ ‫‪B⊆S‬‬ ‫‪n(B)=3‬‬
‫}‪}={1,2,3,4,5‬ظهور عدد أقل من سته{ = ‪C‬‬ ‫‪C⊆S‬‬ ‫‪n(C)=5‬‬
‫}‪} = {6‬ظهور العدد سته{ = ‪D‬‬ ‫‪D⊆S‬‬ ‫‪n(D)=1‬‬
‫} { = }ظهور عدد سالب { = ‪Ø‬‬ ‫‪Ø⊆S‬‬ ‫‪n(Ø)=0‬‬
‫}‪}={1,2,3,4,5,6‬ظهور عدد موجب { = ‪S‬‬ ‫‪S⊆S‬‬ ‫‪n(S)=6‬‬
‫أوجد احتمال الحوادث؟‬
‫الحل‬
‫بما أن نتائج تجربة رمي حجر النرد المتزن متساوية الفرص وعدد عناصر فضاء العينة‬
‫‪ n(S)=6‬محدود فإن احتماالت الحوادث هي‪:‬‬
‫الحادثة‬ ‫عدد العناصر‬ ‫االحتمال‬
‫}‪A = {2, 4, 6‬‬ ‫‪n(A) = 3‬‬ ‫‪P(A) = n(A)/n(S) = 3/6 = 0.5‬‬
‫}‪B = {1, 3, 5‬‬ ‫‪n(B) = 3‬‬ ‫‪P(B) = n(B)/n(S) = 3/6 = 0.5‬‬
‫}‪C = {1, 2, 3, 4, 5‬‬ ‫‪n(C) = 5‬‬ ‫‪P(C) = n(C)/n(S) = 5/6 = 0.8333‬‬
‫}‪D = {6‬‬ ‫‪n(D) = 1‬‬ ‫‪P(D) = n(D)/n(S) = 1/6 = 0.1667‬‬
‫}{=‪Ø‬‬ ‫‪n(Ø) = 0‬‬ ‫‪P(Ø) = n(Ø)/n(S) = 0/6 = 0.0‬‬
‫}‪S = {1, 2, 3, 4, 5, 6‬‬ ‫‪n(S) = 6‬‬ ‫‪P(S) = n(S)/n(S) = 6/6 = 1.0‬‬

‫مثال‬
‫في تجربة القاء قطعة من النقود المعدنية مرتين متتاليتين‪ ،‬المطلوب احسب احتماالت الحوادث‬
‫التالية‪:‬‬
‫}الحصول على صورة في الرمية األولى{=‪A‬‬
‫}الحصول على كتابة في الرمية األولى{=‪B‬‬
‫}الحصول على صورة واحدة على األقل{=‪C‬‬

‫‪27‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الحل‬
‫بما أن نتائج تجربة رمي حجر النرد المتزن متساوية الفرص وعدد عناصر فضاء العينة‬
‫‪ n(S)=4‬محدود فإن احتماالت الحوادث هي‪:‬‬
‫الحادثة‬ ‫عدد‬ ‫االحتمال‬
‫العناصر‬
‫})‪A = {(H,H),(H,T‬‬ ‫‪n(A) = 2‬‬ ‫‪P(A) = n(A)/n(S) = 2/4 =0.5‬‬
‫})‪B = {(T,H),(T,T‬‬ ‫‪n(B) = 2‬‬ ‫‪P(B) = n(B)/n(S) = 2/4 =0.5‬‬
‫‪C = {(H,H),(H,T),(T,H)} n(C) = 3‬‬ ‫‪P(C) = n(C)/n(S) = 3/4 =0.75‬‬

‫مالحظة‪:‬‬
‫تتمثل عيوب التعريف التقليدي لالحتمال أنه ال يالئم جميع أنواع التجارب العشوائية حيث أنه‬
‫يتطلب تساوي الفرص لنتائج التجربة ومحدودية عدد عناصر فضاء العينة وهذا ال ينطبق على‬
‫جميع التجارب العشوائية‬

‫التعريف الرياضي لالحتمال‬

‫يتطلب ذلك التعريف التعامل مع بعض المسلمات األساسية (البديهيات ) لالحتمال ‪Axioms of‬‬
‫‪ Probability‬وهى ‪:‬‬
‫إذا كان لدينا تجربة عشوائية فضاء عينتها ‪ S‬فإن الدالة الحقيقية)‪ P(.‬والمعرفة لجميع الحوادث‬
‫المعرفة على فضاء العينة ‪ S‬تكون داله احتمال‬
‫ويسمى العدد )‪ P(A‬باحتمال الحادثة ‪ A‬لكل ‪ A ⊆ S‬اذا تحققت المسلمات التالية‪:‬‬
‫‪ -1‬لكل حادثة ‪ A‬يكون ‪P(A) ≥ 0 :‬‬
‫‪P(S) =1 -2‬‬

‫‪28‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫نتائج مسلمات االحتمال السابقة ‪:‬‬

‫‪-1‬احتمال الحادثة المستحيلة يساوي الصفر‪ ،‬أي أن‪:‬‬
‫‪P(Ø) = 0‬‬
‫‪-2‬ألي حادثة يكون‪:‬‬
‫)‪P(AC) = 1- P(A‬‬
‫‪-3‬ألى حادثتين ‪ A‬و‪ B‬يكون ‪:‬‬
‫)‪P(A∪B) = P(A) + P(B) − P(A∩B‬‬
‫‪-4‬ألى حادثتين ‪ A‬و‪ B‬يكون ‪:‬‬
‫)‪P(A∩BC) = P(A) − P(A∩B‬‬
‫)‪P(A) = P(A∩B) + P(A∩BC‬‬
‫‪ -5‬اذا كان ‪ A ⊆ B‬فإن )‪P(A) ≤ P(B‬‬

‫مالحظة حول االحتماالت املتعلقة حبادثتني‪:‬‬

‫يمكن تمثيل احتماالت الحوادث بالمساحات في شكل فن ‪ ،‬فمساحة المستطيل الذي يمثل الحادثة‬
‫المؤكدة أو فضاء العينة ‪ S‬تساوي الواحد الصحيح‪ ،‬ونمثل احتمال أي حادثة أخرى بمساحة‬
‫المنطقة التي تمثلها هذه الحادثة في شكل فن منسوبا إلى المساحة الكلية للمنطقة التي تمثلها‬
‫الحادثة المؤكد‪ ،‬والشكل التالي يبين بعض الحاالت المهمة‪:‬‬

‫الستنباط القوانين المتعلقة باحتماالت حادثتين فإننا نحاول تمثيل الحادثة المطلوب إيجاد االحتمال‬
‫لها كاتحاد حوادث متنافية لكي نستطيع تطبيق النتيجة الثانية لمسلمات االحتمال المذكورة أعاله‪.‬‬
‫‪29‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫فعلى سبيل المثال‪ ،‬القوانين التالية يمكن بسهوله استنباطها من شكل فن‪:‬‬
‫)‪• P(A) = P(A∩B) + P(A∩BC‬‬
‫)‪• P(B) = P(A∩B) + P(AC∩B‬‬
‫)‪• P(A∩BC) = P(A) − P(A∩B‬‬
‫)‪• P(AC∩B) = P(B) − P(A∩B‬‬
‫)‪• P(A∪B) = P(A) + P(AC∩B‬‬
‫)‪= P(B) + P(A∩BC‬‬
‫)‪= P(A∩BC) + P(A∩B) + P(AC∩B‬‬
‫)‪• P(AC∩BC) = 1 − P(A∪B‬‬
‫مثال‪:‬‬
‫إذا كان احتمال نجاح مصطفى في مقرر اإلحصاء يساوي ‪ 0.6‬فأوجد احتمال رسوبه‪.‬‬
‫الحل‪:‬‬
‫‪-‬تعريف الحوادث‪:‬‬
‫}نجاح مصطفى في مقرر اإلحصاء{=‪A‬‬
‫‪}C‬نجاح مصطفى في مقرر اإلحصاء{=}رسوب مصطفى في مقرر اإلحصاء{=‪A C‬‬
‫‪-‬المعطيات‪:‬‬
‫‪P(A) =0.6‬‬
‫‪-‬المطلوب‪:‬‬
‫‪P(AC) = 1 – P(A) = 1- 0.6 = 0.4‬‬

‫‪30‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‪:‬‬
‫إذا كان احتمال نجاح مصطفى في أحد االختبارات يساوي ‪ 0.6‬واحتمال نجاح مصطفى و سمير‬
‫معا في هذا االختبار ‪ ، 0.1‬المطلوب حساب احتمال نجاح مصطفى ورسوب سمير‬
‫الحل‪:‬‬
‫‪-‬تعريف الحوادث‪:‬‬
‫}نجاح مصطفى {=‪A‬‬
‫}نجاح سمير {=‪B‬‬
‫}نجاح مصطفى وسمير معا {= ‪A ∩ B‬‬
‫}رسوب سمير {=‪BC‬‬
‫}نجاح مصطفى ورسوب سمير {= ‪A ∩ BC‬‬
‫‪-‬المعطيات‪:‬‬
‫‪P(A) =0.6‬‬
‫‪P(A ∩ B) =0.1‬‬
‫‪-‬المطلوب‪:‬‬
‫‪P(A∩BC) = P(A) − P(A∩B) = 0.6 − 0.1 = 0.5‬‬

‫‪31‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‪:‬‬
‫إذا كان احتمال نجاح مصطفى في أحد االختبارات يساوي ‪ 0.25‬واحتمال رسوب سمير في هذا‬
‫االختبار يساوي ‪ 0.3‬واحتمال نجاح مصطفى وسمير معا في هذا االختبار يساوي ‪، 0.1‬‬
‫والمطلوب حساب احتمال نجاح أحدهما على األقل‪.‬‬
‫الحل‬

‫‪-‬تعريف االحداث‪:‬‬
‫}نجاح مصطفى {=‪A‬‬
‫}نجاح سمير {=‪B‬‬
‫}نجاح مصطفى وسمير معا {= ‪A ∩ B‬‬
‫}رسوب سمير {=‪BC‬‬
‫}نجاح أحدهما على االقل{ =}نجاح مصطفى أو نجاح سمير {= ‪A ∪ B‬‬

‫‪-‬المعطيات‪:‬‬
‫‪P(A) = 0.25‬‬
‫‪P(BC)=0.3‬‬
‫‪P(A∩B) = 0.1‬‬
‫‪P(B) = 1 − P(BC) = 1 − 0.3 = 0.7‬‬
‫‪-‬المطلوب‪:‬‬
‫‪P(A ∪ B)= P(A) + P(B)-P(A ∩ B) = 0.25 + 0.7 - 0.1 = 0.85‬‬

‫‪32‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‪:‬‬
‫إذا كان احتمال أن فصيلة دم أحد المتبرعين من النوع ‪ A‬هو ‪ ، 0.35‬واحتمال أن هذا المتبرع‬
‫لديه ارتفاع فى ضغط الدم هو ‪ ، 0.15‬كما أن احتمال أن هذا المتبرع مصاب بضغط الدم أو أن‬
‫فصيلة دمه من النوع ‪0.40 A‬‬
‫المطلوب حساب احتمال أن هذا المتبرع‪:‬‬
‫‪-‬مصاب بارتفاع ضغط الدم وفصيلة دمه من النوع ‪. A‬‬
‫‪-‬غير مصاب بارتفاع ضغط الدم‪.‬‬
‫الحل‬
‫‪-‬تعريف االحداث‪:‬‬
‫} فصيلة دم المتبرع من النوع ‪A={ A‬‬
‫}المتبرع مصاب بارتفاع ضغط الدم{=‪B‬‬
‫‪-‬المعطيات‪:‬‬
‫‪P(A) = 0.35‬‬
‫‪P(B)=0.15‬‬
‫‪P(A∪ B) = 0.40‬‬
‫‪-‬المطلوب‪:‬‬

‫‪ -1‬مصاب بارتفاع ضغط الدم وفصيلة دمه من النوع‪. A‬‬

‫‪P(A ∩B) = P(A) + P(B) − P(A ∪ B) = 0.35 + 0.15 − 0.40 = 0.10‬‬
‫‪ -2‬غير مصاب بارتفاع ضغط الدم‬
‫‪P(BC) = 1 − P(B) = 1 − 0.15 = 0.85‬‬

‫‪33‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫في تجربة القاء زهر نرد متزن مرة واحدة وتسجيل الرقم الظاهر على الوجه العلوي لنعرف‬
‫الحوادث التالية‪:‬‬
‫‪ : A‬حدث ظهور عدد زوجي‬
‫‪ : B‬حدث ظهور عدد أقل من أو يساوي ‪2‬‬
‫والمطلوب ‪ :‬تعريف االحداث التالية وحساب احتمالها‬
‫‪A, B, A∩B, A∪B, A∩BC , AC ∩ B, (A∪B)C, AC ∩ BC‬‬
‫الحل‬
‫فضاء العينة لتلك التجربة } ‪S={1,2,34,5,6‬‬
‫وهى تجربة متساوية الفرص ‪ ،‬وعدد عناصر فضاء العينة محدود ويساوى ‪n(S) = 6‬‬
‫الحادثة‬ ‫عدد العناصر‬ ‫االحتمال‬
‫}‪A={2,4,6‬‬ ‫‪n(A) = 3‬‬ ‫‪P(A) = n(A)/n(S) = 3/6‬‬
‫}‪B= {1, 2‬‬ ‫‪n(B) = 2‬‬ ‫‪P(B) = n(B)/n(S) = 2/6‬‬
‫}‪A∩B={2‬‬ ‫‪n(A∩B) = 1‬‬ ‫‪P(A∩B) = n(A∩B)/n(S) = 1/6‬‬
‫}‪A∪B={1,2,4,6‬‬ ‫‪n(A∪B) = 4‬‬ ‫‪P(A∪B) = n(A∪B)/n(S) = 4/6‬‬
‫}‪A∩BC={4,6‬‬ ‫‪n(A∩BC) =2‬‬ ‫‪P(A∩BC) = n(A∩BC)/n(S) = 2/6‬‬
‫}‪AC∩B={1‬‬ ‫‪n(AC∩B)=1‬‬ ‫‪P(AC∩B) = n(AC∩B)/n(S) = 1/6‬‬
‫}‪(A∪B)C={3,5‬‬ ‫‪n(AC∩B)=1‬‬ ‫‪P((A∪B)C) = n((A∪B)C)/n(S) = 2/6‬‬
‫}‪AC∩BC={3,5‬‬ ‫‪n(AC∩BC) =2‬‬ ‫‪P(AC∩BC) = n(AC∩BC)/n(S) = 2/6‬‬

‫كما نالحظ أنه باإلمكان إيجاد احتماالت بعض االحداث السابقة باستخدام القواعد التي ذكرناها‬
‫مسبقا‪:‬‬
‫‪P(A∪B) = P(A) + P(B) − P(A∩B) = 3/6 + 2/6 − 1/6 = 4/6‬‬
‫‪P(A∩BC) = P(A) − P(A∩B) = 3/6 − 1/6 = 2/6‬‬
‫‪P(AC∩B) = P(B) − P(A∩B) = 2/6 − 1/6 = 1/6‬‬
‫‪P( (A∪B)C ) = 1 − P(A∪B) = 1 − 4/6 = 2/6‬‬
‫‪P(AC∩BC) = P( (A∪B)C ) = 1 − P(A∪B) = 1 − 4/6 = 2/6‬‬
‫‪34‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‪:‬‬
‫إذا كانت ‪ A‬و ‪ B‬حدثين معرفتين على نفس فضاء العينة بحيث أن ‪:‬‬
‫‪P(A) = 0.2‬‬
‫‪P(B) = 0.4‬‬
‫‪P(A∪B) = 0.5‬‬
‫والمطلوب حساب االحتماالت التالية‪:‬‬
‫)‪P(A∩B), P(A∩BC), P(AC∩B), P(AC∩BC‬‬
‫الحل‬
‫‪P(A∩B) = P(A) + P(B) − P(A∪B) = 0.2 + 0.4 − 0.5 = 0.1‬‬
‫‪P(A∩BC) = P(A) − P(A∩B) = 0.2 − 0.1 = 0.1‬‬
‫‪P(AC∩B) = P(B) − P(A∩B) = 0.4 − 0.1 = 0.3‬‬
‫‪P(AC∩BC) = P( (A∪B)C ) = 1 − P(A∪B) = 1 − 0.5 = 0.5‬‬

‫‪35‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫االحتمال الشرطي ‪Conditional Probability‬‬

‫نواجه في كثير من التطبيقات العملية بعض الحاالت التي نرغب فيها بإيجاد احتمال حدث معين ‪A‬‬
‫بعد معرفتنا بوقوع حدث معين أخر ‪ ، B‬أي أننا نكون مهتمين بإيجاد االحتمال الشرطي للحدث ‪A‬‬
‫مشروطا بوقوع الحدث ‪B‬‬
‫فمثال قد نكون مهتمين بعرفة ما يلي ‪:‬‬
‫‪ -1‬احتمال وقوع حدث مروري ألحد السائقين إذا علمنا بأنه قد قام بالتأمين على السيارة‪.‬‬
‫‪ -2‬احتمال أن تستمر أحد األجهزة الكهربائية في العمل ‪ 100‬يوم قادمة علما بأن هذا‬
‫الجهاز ظل يعمل لمدة ‪ 30‬يوم ماضية‬
‫‪ -3‬احتمال أن يصاب الشخص بالمرض علما بأن هذا الشخص قد تم تطعيمه ضد المرض‪.‬‬
‫يفهم مما سبق أننا نريد إيجاد احتمال الحادثة ‪ A‬منسوبا إلى فضاء عينة جديد وهو فضاء العينة‬
‫المكون من عناصر الحادثة المشروطة‬

‫‪36‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫تعريف االحتمال الشرطى‬

‫االحتمال الشرطي هو احتمال ظهور حدث معين أذا علمت أن حدث أخر قد وقع لتكن ‪ A‬و ‪B‬‬
‫حادثتين معرفتين على نفس فضاء العينة ‪ S‬بحيث ‪ ، P(B)≠0‬إن االحتمال الشرطي للحادثة ‪A‬‬
‫مشروطا بوقوع الحادثة ‪ B‬يرمز له بالرمز )‪P(A ǀ B‬‬
‫ويعرف كما يلي‪:‬‬
‫)𝐁∩ 𝐀 (𝐏‬
‫= )‪P(A ǀ B‬‬
‫)𝐁(𝐏‬

‫ملحوظة‬
‫االحتمال الشرطي للحدث ‪ B‬مشروطا بوقوع الحدث ‪A‬‬
‫)𝐁∩ 𝐀 (𝐏‬
‫= )‪P(B ǀ A‬‬
‫)𝐀(𝐏‬
‫وبالتالي فإن‪P( A ǀ B ) ≠ P (B ǀ A) :‬‬

‫نتائج‬
‫‪ -1‬إذا كانت عناصر فضاء العينة ‪ S‬متساوية الفرص فإن‪:‬‬
‫)𝐁∩ 𝐀 (𝐏‬ ‫)𝐁∩ 𝐀 (𝐧 )𝑺(𝒏‪𝒏( 𝑨 ∩𝑩)/‬‬
‫= )‪P(A ǀ B‬‬ ‫=‬ ‫=‬
‫)𝐁(𝐏‬ ‫)𝐒(𝐧‪𝐧(𝐁)/‬‬ ‫)𝐁(𝐧‬
‫‪-2‬االحتمال الشرطي للحادثة ‪( AC‬متممة ‪ ) A‬مشروط بالحادثة ‪ B‬يمكن حسابه بالقانون التالي‪:‬‬
‫)‪P(AC ǀ B) = 1-P(A ǀ B‬‬
‫‪ -3‬قاعدة الضرب في االحتمال‬
‫) ‪P(A∩B) = P(A) P(B | A‬‬
‫) ‪= P(B) P(A | B‬‬

‫‪37‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫الجدول التالي يصنف ‪ 400‬شخص وفقا لعادة التدخين ومستوى ضغط الدم كما يلى‪:‬‬
‫عادة التدخين‬
‫المجموع‬ ‫مستوى ضغط الدم‬
‫ال يدخن ‪D‬‬
‫‪C‬‬
‫يدخن ‪D‬‬
‫‪50‬‬ ‫‪10‬‬ ‫‪40‬‬ ‫مرتفع ‪A‬‬
‫‪200‬‬ ‫‪130‬‬ ‫‪70‬‬ ‫متوسط ‪B‬‬
‫‪150‬‬ ‫‪95‬‬ ‫‪55‬‬ ‫منخفض ‪C‬‬
‫‪400‬‬ ‫‪235‬‬ ‫‪165‬‬ ‫المجموع‬
‫ولتكن التجربة هي اختيار أحد هؤالء األشخاص بشكل عشوائي ولنعرف الحوادث التالية‪:‬‬
‫‪ : A‬حدث اختيار شخص لديه ارتفاع في ضغط الدم‬
‫‪ :B‬حدث اختيار شخص مدخن‬
‫المطلوب‪ :‬إيجاد احتمال أن الشخص المختار‪:‬‬
‫‪ -1‬ضغطه مرتفع ‪-2‬مدخن ‪ -3‬ضغطه مرتفع ويدخن ‪ - 4‬ضغطه مرتفع علما بأنه مدخن‪.‬‬
‫الحل‬
‫عدد نتائج التجربة ‪ n(S) =40‬وهي متساوية الفرص‬
‫‪1) P(A) = n(A)/n(S) = 50/400 = 0.125‬‬
‫‪2) P(D) = n(D)/n(S) = 165/400 = 0.4125‬‬
‫‪3) P(A∩D) = n(A∩D)/n(S) = 40/400 = 0.1‬‬
‫‪4) P(A | D) = P(A∩D) / P(D) = 0.1 / 0.4125 = 0.2424‬‬

‫أو‬
‫‪P(A | D) = n(A∩D)/n(D) = 40/165 = 0.2424‬‬

‫‪38‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫بفرض ان الجدول التالي يبين عدد العاملين في شركة ما مصنفين حسب المؤهل العلمي والجنس‪:‬‬
‫المجموع‬ ‫إناث‬ ‫ذكور‬ ‫الجنس‬
‫المؤهل‬
‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫إعدادي‬
‫‪5‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫ثانوي‬
‫‪7‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫جامعي‬
‫‪15‬‬ ‫‪9‬‬ ‫‪6‬‬ ‫المجموع‬
‫فإذا تم اختيار واحد منهم بطريقة عشوائية ‪ ،‬أوجد احتمال حدوث االحداث التالية‪:‬‬
‫‪-1‬أن يكون العامل المختار من الذكور و مؤهل جامعى‬
‫‪-2‬أن يكون العامل المختار يحمل مؤهل ثانوى و يكون أنثى‬
‫‪-3‬أن يكون العامل المختار يحمل مؤهل جامعى و يكون ذكر‬
‫الحل‬
‫‪-‬نعرف االحداث التالية ‪:‬‬
‫} حدث اختيار عامل من حملة المؤهل إعدادى {=‪M1‬‬
‫} حدث اختيار عامل من حملة المؤهل ثانوى {=‪M2‬‬
‫} حدث اختيار عامل من حملة المؤهل جامعى {=‪M3‬‬
‫} حدث اختيار عامل ذكر {=‪M‬‬
‫}حدث اختيار عامل أنثى { =‪F‬‬

‫المجموع‬ ‫إناث‬ ‫ذكور‬ ‫الجنس‬

‫‪F‬‬ ‫‪M‬‬ ‫المؤهل‬
‫)‪n (M1‬‬ ‫)‪n (M1 ∩ F‬‬ ‫)‪n (M1 ∩ M‬‬ ‫إعدادي ‪M1‬‬
‫)‪n (M2‬‬ ‫)‪n (M2 ∩ F‬‬ ‫)‪n (M2 ∩ M‬‬ ‫ثانوي ‪M2‬‬
‫)‪n (M3‬‬ ‫)‪n (M3 ∩ F‬‬ ‫)‪n (M3 ∩ M‬‬ ‫جامعي ‪M3‬‬
‫)‪n (S‬‬ ‫)‪n( F‬‬ ‫)‪n( M‬‬ ‫المجموع‬

‫‪39‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪-‬تطبيق قانون االحتمال‬

‫)𝑴(𝒏‬ ‫)𝑭(𝒏‬
‫= )‪P(M‬‬ ‫= )‪P(F‬‬
‫)𝑺(𝒏‬ ‫)𝑺(𝒏‬

‫)𝑴 ∩ 𝟏𝑴(𝒏‬ ‫)𝑭 ∩ 𝟏𝑴(𝒏‬

‫= )‪P(M1 ∩ M‬‬ ‫= )‪P(M1 ∩ F‬‬
‫)𝑺(𝒏‬ ‫)𝑺(𝒏‬

‫)𝑴 ∩ 𝟐𝑴(𝒏‬ ‫)𝑭 ∩ 𝟐𝑴(𝒏‬

‫= )‪P(M2 ∩ M‬‬ ‫= )‪P(M2 ∩ F‬‬
‫)𝑺(𝒏‬ ‫)𝑺(𝒏‬

‫)𝑴 ∩ 𝟑𝑴(𝒏‬ ‫)𝑭 ∩ 𝟑𝑴(𝒏‬

‫= )‪P(M3 ∩ M‬‬ ‫= )‪P(M3 ∩ F‬‬
‫)𝑺(𝒏‬ ‫)𝑺(𝒏‬

‫)𝟏𝑴(𝒏‬
‫= )‪P(M1‬‬
‫)𝑺(𝒏‬

‫)𝟐𝑴(𝒏‬
‫= )‪P(M2‬‬
‫)𝑺(𝒏‬

‫)𝟑𝑴(𝒏‬
‫= )‪P(M3‬‬
‫)𝑺(𝒏‬

‫المطلوب األول‪ :‬أن يكون العامل المختار من الذكور (‪ ) M‬و مؤهل جامعى (‪) M3‬‬

‫)𝑴 ∩ 𝟑𝑴(𝒏‬ ‫𝟑‬

‫= )‪P( M3 ∩ M‬‬ ‫=‬ ‫‪= 0.2‬‬
‫)𝑺(𝒏‬ ‫𝟓𝟏‬

‫‪40‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫المطلوب الثاني‪ :‬أن يكون العامل المختار يحمل مؤهل ثانوى (‪ ) M2‬و يكون (‪ ) ǀ F‬أنثى ‪F‬‬

‫)𝑭∩ 𝟐𝑴( 𝑷‬
‫= )‪P( M2 ǀ F‬‬
‫)𝑭(𝑷‬

‫)𝑭 ∩ 𝟐𝑴(𝒏‬ ‫𝟑‬

‫= )‪P(M2 ∩ F‬‬ ‫=‬ ‫‪= 0.2‬‬
‫)𝑺(𝒏‬ ‫𝟓𝟏‬

‫)𝑭(𝒏‬ ‫𝟗‬
‫= )‪P(F‬‬ ‫=‬ ‫‪= 0.6‬‬
‫)𝑺(𝒏‬ ‫𝟓𝟏‬

‫)𝑭∩ 𝟐𝑴( 𝑷‬ ‫𝟐‪𝟎.‬‬

‫= )‪P( M2 ǀ F‬‬ ‫=‬ ‫‪=0.33‬‬
‫)𝑭(𝑷‬ ‫𝟔‪𝟎.‬‬

‫المطلوب الثالث ‪ :‬أن يكون العامل المختار يحمل مؤهل جامعى ‪ M3‬و يكون ( ‪ ) ǀ M‬ذكر ‪M‬‬

‫)𝑴 ∩ 𝟑𝑴(𝒏‬
‫= )‪P(M3 ∩ M‬‬
‫)𝑺(𝒏‬

‫)𝑴 ∩ 𝟑𝑴(𝒏‬ ‫𝟑‬

‫= )‪P(M3 ∩ M‬‬ ‫=‬ ‫‪= 0.2‬‬
‫)𝑺(𝒏‬ ‫𝟓𝟏‬

‫)𝑴(𝒏‬ ‫𝟔‬
‫= )‪P(F‬‬ ‫=‬ ‫‪= 0.4‬‬
‫)𝑺(𝒏‬ ‫𝟓𝟏‬

‫)𝑭∩ 𝟐𝑴( 𝑷‬ ‫𝟐‪𝟎.‬‬

‫= )‪P( M2 ǀ F‬‬ ‫=‬ ‫‪=0.5‬‬
‫)𝑭(𝑷‬ ‫𝟒‪𝟎.‬‬

‫‪41‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫االحداث املستقلة ‪Independent Events‬‬

‫يقال عن حدثين ‪ B،A‬انهما حدثين مستقلين إذا كان حدوث أحدهما ال يتأثر بحدوث او عدم‬
‫حدوث األخرى ‪ ،‬لتكن ‪ A‬و‪ B‬حدثين معرفتين على نفس فضاء العينة ‪ ، S‬يقال بأن الحدثين ‪A‬‬
‫و‪ B‬مستقالن إذا تحقق أحد الشروط المتكافئة التالية‪:‬‬
‫)‪P(AǀB)=P(A‬‬
‫)‪P(B ǀA)=P(B‬‬
‫وبالتعويض في قانون حاصل الضرب نحصل على القانون‪:‬‬

‫)‪P(AB)=P(A)ⅹP(B‬‬

‫)‪P( A ∩ B) =P(A) P(B‬‬

‫تعريف‬
‫اذا كانت ‪ A‬و ‪ B‬حدثين مستقلتين فإن ‪:‬‬
‫)‪P(B) × P(AB) =P(A‬‬

‫مثال‬
‫هل الحدثين ‪ A‬و‪ D‬في المثال السابق (عادة التدخين ‪ -‬مستوى ضغط الدم) مستقالن؟ ولماذا؟‬
‫الحل‬
‫الحدثين ‪ A‬و‪ D‬غير مستقلتين حيث أن ‪:‬‬
‫𝟎𝟓‬
‫= )‪P(A‬‬ ‫‪=0.125‬‬
‫𝟎𝟎𝟒‬

‫‪P(A | D) = P(A∩D) / P(D) = 0.1 / 0.4125 = 0.2424‬‬

‫)‪P(A) ≠ P(A | D‬‬
‫‪P(A∩D) = 0.1 ≠ P(A) P(D) = 0.125×0.4125 = 0.0516‬‬
‫‪P(D) = 0.4125 ≠ P(D|A) = 0.8‬‬

‫‪42‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫يحتوي صندوق على (‪ )10‬كرات حمراء ‪ )20(،‬كرة بيضا ء ‪ ،‬سحبت بشكل عشوائى من هذا‬
‫الصندوق عينة مكونة من عدد(‪ )2‬كره واحدة بعد األخرى ‪ ،‬أوجد احتمال أن تكون الكرتان‬
‫لونهما أبيض في كال الحالتين التاليتين‪:‬‬
‫‪ -2‬إذا كان السحب بإرجاع‬ ‫‪ -1‬إذا كان السحب بدون إرجاع‬
‫الحل‬
‫‪-‬نعرف االحداث التالية‪:‬‬
‫}الكرة األولى لونها أبيض { = ‪A‬‬
‫} الكرة الثانية لونها أبيض { = ‪B‬‬
‫} الكرتان لونهما أبيض { = ‪A∩B‬‬
‫المطلوب‪ :‬إيجاد )‪P(A∩B‬‬
‫الحل‬
‫يمكن الحل بطريقتين مختلفتين ‪ :‬طريقة قاعدة الضرب لالحتمال ‪ ،‬وطريقة قاعدة التباديل‬

‫الطريقة األوىل‪ :‬استخدام قاعدة الضرب لالحتمال‬

‫) ‪P(A∩B) = P(A) × P(B | A‬‬

‫الحالة األولى ‪:‬السحب بدون إرجاع‬

‫𝟎𝟐‬
‫=)‪P (A‬‬
‫𝟎𝟑‬
‫𝟗𝟏‬
‫= )‪P( B ǀ A‬‬
‫𝟗𝟐‬
‫𝟎𝟐‬ ‫𝟗𝟏‬
‫= )‪P( A ∩ B) = P(A) × P( B ǀ A‬‬ ‫×‬ ‫‪= 0.4368‬‬
‫𝟎𝟑‬ ‫𝟗𝟐‬

‫‪43‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الحالة الثانية‪ :‬السحب بإرجاع‬

‫𝟎𝟐‬
‫=)‪P (A‬‬
‫𝟎𝟑‬
‫𝟎𝟐‬
‫= )‪P( B ǀ A‬‬
‫𝟎𝟑‬
‫𝟎𝟐‬ ‫𝟎𝟐‬
‫= )‪P( A ∩ B) = P(A) × P( B ǀ A‬‬ ‫×‬ ‫‪= 0.4444‬‬
‫𝟎𝟑‬ ‫𝟎𝟑‬

‫الطريقة الثانية‪ :‬استخدام قاعدة التباديل‬

‫‪-‬عدد طرق سحب كرتين من ثالثين كرة = )‪n(S‬‬

‫‪-‬عدد طرق سحب كرتين من عشرين كره بيضاء = )‪n(A ∩ B‬‬
‫‪-‬ويكون االحتمال المطلوب‪P(A ∩ B) = n(A ∩ B)/n(S) :‬‬

‫الحالة األولى‪ :‬السحب بدون إرجاع‬

‫‪n(S) = 30P2 = 30 × 29‬‬
‫‪n(A∩B) = 20P2 = 20 × 19‬‬
‫)𝑩∩ 𝑨 (𝒏‬ ‫𝟗𝟏× 𝟎𝟐‬
‫= )‪P(A∩B‬‬ ‫=‬ ‫‪= 0.4368‬‬
‫)𝑺(𝒏‬ ‫𝟗𝟐× 𝟎𝟑‬

‫الحالة الثانية‪ :‬السحب بإرجاع‬

‫‪n(S) =302 = 30 × 30‬‬
‫‪n(A∩B) = 202 = 20 × 20‬‬
‫)𝑩∩ 𝑨 (𝒏‬ ‫𝟎𝟐× 𝟎𝟐‬
‫= )‪P(A∩B‬‬ ‫=‬ ‫‪= 0.4444‬‬
‫)𝑺(𝒏‬ ‫𝟎𝟑× 𝟎𝟑‬

‫‪44‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫جتزئه فراغ العينة ‪Partition of sample space‬‬

‫بفرض ان لدينا ‪ 5‬أحداث موضحة في فراغ عينة ‪ S‬كما يلى ‪:‬‬

‫وتكون هذه االحداث تجزئه لفراغ العينة عندما يتحقق الشرطين‪:‬‬

‫الشرط األول‪ :‬اتحاد هذه االحداث يكون فراغ العينة ‪ S‬أي أن‪:‬‬
‫‪S= A1 ∪ A2 ∪ A3 ∪ A4 ∪ A5‬‬
‫الشرط الثاني‪ :‬تقاطع أي زوج من هذه االحداث =‪( Ø‬أي ال توجد مساحة مشتركة بين كل‬
‫زوجين)‬
‫‪A1∩ A2= Ø A1∩ A3= Ø A1∩ A4= Ø A1∩ A5= Ø‬‬ ‫‪A2∩ A3= Ø‬‬
‫‪A2∩ A4= Ø A2∩ A5= Ø A3∩ A4= Ø A3∩ A5= Ø‬‬ ‫‪A4∩ A5= Ø‬‬
‫فمثال في التجربة العشوائية إللقاء زهرة النرد مرة واحدة يكون فراغ العينة كما يلى ‪:‬‬
‫}‪S={1,2,3,4,5,6‬‬

‫فهل تلك االحداث تمثل تجزئه لفراغ العينة‬

‫الحل‬
‫نعرف االحداث التالية ‪:‬‬
‫}‪A1 = {1} A2 = {2} A3 = {3} A4 = {4} A5 = {5} A6 = {6‬‬
‫الشرط األول متحقق وهو ‪:‬‬
‫‪S= A1 ∪ A2 ∪ A3 ∪ A4 ∪ A5‬‬
‫الشرط الثاني متحقق وهو ‪:‬‬
‫‪Ai ∩ Aj = Ø ∀ i,j = 1,2,……,6‬‬ ‫‪i≠j‬‬
‫الرمز ∀ يعنى ‪( for all‬أي لجميع قيم ‪) j ، i‬‬
‫‪A1∩ A2= Ø A1∩ A3= Ø A1∩ A4= Ø A1∩ A5= Ø‬‬ ‫‪A2∩ A3= Ø‬‬
‫‪A2∩ A4= Ø A2∩ A5= Ø A3∩ A4= Ø A3∩ A5= Ø‬‬ ‫‪A4∩ A5= Ø‬‬

‫‪45‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫نظرية االحتمال الكلى ‪Total probability theorem‬‬

‫بفرض أن لدينا أحداث مبينه في فراغ عينة ‪ S‬كما يلى ‪:‬‬

‫يوضح الشكل السابق أن هناك مجموعة احداث متسلسلة من ‪ A‬وهى ‪A1,A2,….Ai,,,,,An‬‬

‫كما يوجد حدث آخر ‪ B‬وهو يقاطع جميع أحداث ‪ A‬داخل نفس فراغ العينة‬
‫فإن الحدث ‪ B‬يتكون مما يلى ‪:‬‬
‫)‪B= (A1 ∩ B ) ∪ (A2 ∩ B) ∪…………(An ∩ B‬‬
‫وبالتالي فإن الحدث ‪ B‬حدث مركب يتكون من اتحاد تقاطعات‬
‫ولكن ‪:‬‬
‫‪A1 ∩ B‬‬ ‫‪، A2 ∩ B‬‬ ‫‪……… An ∩ B‬‬

‫تمثل أحداث متنافية (أي ال توجد منطقة مشتركة ) وبالتالي فإن احتمال الحدث ‪ B‬يمثل مجموع‬
‫تلك التقاطعات كما يلى ‪:‬‬
‫)‪P(A) = P(A1∩ B) + P(A2 ∪ B)+…….+ P(An ∩ B‬‬

‫ويتم كتابة الطرف األيمن من المعادلة السابقة بمعلومية قانون االحتمال الشرطى التالى ‪:‬‬
‫)𝑩∩ 𝑨 (𝑷‬
‫= )‪P( B ǀ A‬‬
‫)𝑨(𝑷‬

‫)‪P( A ǀ B) = P(B ǀ A ) P( A‬‬

‫وبالتالي في النهاية نحصل على أن احتمال الحدث ‪ B‬هو ‪:‬‬
‫) ‪P(B) = P( B ǀ A1 ) P(A1) + P( B ǀ A2) P(A2)+…..+ P(P ǀ An) P(An‬‬
‫وهذا ما يعرف بنظرية االحتمال الكلى‬
‫‪46‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫منطوق نظرية االحتمال الكلى‬

‫اذا كانت ‪ …….، A2 ، A1‬أحداث تكون تجزئه لفراغ عينة ما ‪ ، S‬وكان ‪، P(Ai) ≥ 0 ∀ i‬‬
‫وكان لدينا حدث آخر ‪ B‬ينتمى لفراغ العينة ‪ S‬وفق الشكل التالي ‪:‬‬

‫فإن احتمال الحدث ‪ B‬هو ‪:‬‬

‫∞∑ = )‪P(B‬‬
‫) 𝒊𝑨(𝑷 ) 𝒊𝑨‪𝒊=𝟏 𝑷(𝑩 ǀ‬‬

‫حيث أن ∞ ‪ :‬تعنى الحد األخير ‪An‬‬

‫مثال‬
‫يتم إنتاج المصباح الكهربائي في أحد المصانع بواسطة إحدى ثالث آالت‪ ،‬تنتج اآللة األولى‬
‫‪ %20‬من اإلنتاج الكلي للمصنع‪ ،‬وتنتج اآللة الثانية ‪ %30‬من اإلنتاج الكلي‪ ،‬وتنتج اآللة الثالثة‬
‫‪ %50‬من اإلنتاج الكلي ‪ ،‬ومعلوم من الخبرة السابقة أن نسبة اإلنتاج التالف لآللة األولى هي‬
‫‪ ، %1‬ولآللة الثانية هي ‪ ، %4‬ولآللة الثالثة ‪ ، %7‬فإذا كانت التجربة هي اختيار مصباح‬
‫واحد من إنتاج هذا المصنع بشكل عشوائي فما احتمال أن يكون هذا المصباح تالف؟‬
‫الحل‬
‫‪-‬نعرف الحوادث التالية‪:‬‬
‫}المصباح تالف{ =‪B‬‬
‫}المصباح من انتاج اآللة األولى{ =‪A1‬‬
‫}المصباح من انتاج اآللة الثانية{ =‪A2‬‬
‫}المصباح من انتاج اآللة الثالثة{ =‪A3‬‬
‫‪-‬المعطيات‬
‫𝟎𝟐‬ ‫𝟏‬
‫= )‪P(A1‬‬ ‫‪= 0.2‬‬ ‫;‬ ‫= )‪P(BǀA1‬‬ ‫‪= 0.01‬‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬
‫𝟎𝟑‬ ‫𝟒‬
‫= )‪P(A2‬‬ ‫‪= 0.3‬‬ ‫;‬ ‫= )‪P(BǀA2‬‬ ‫‪= 0.04‬‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬
‫𝟎𝟓‬ ‫𝟕‬
‫= )‪P(A3‬‬ ‫‪= 0.5‬‬ ‫;‬ ‫= )‪P(BǀA3‬‬ ‫‪= 0.07‬‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬

‫‪47‬‬
 Probabilities ‫ مقدمة فى االحتماالت‬-‫الفصل األول‬

‫المطلوب‬-
P(B) = ∑𝟑𝒊=𝟏 𝑷(𝑩 ǀ𝑨𝒊 ) 𝑷(𝑨𝒊 )
P(B)=P(BǀA1) P(A1) + P(BǀA2) P(A2) + P(BǀA3) P(A3)
P(B)=(0.01 × 0.2) + (0.04 × 0.3) + (0.07 × 0.5)
=0.002 + 0.012 + 0.035
=0.049

48
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫في أحد المصانع يوجد ‪ 4‬خطوط لإلنتاج‪ ،‬ينتج الخط األول ‪ %22‬من انتاج المصنع‪ ،‬وينتج الخط‬
‫الثاني ‪ ، %44‬وينتج الخط الثالث ‪ ، %16‬وينتج الخط الرابع ‪ ، %18‬وكانت نسبة اإلنتاج‬
‫المعيب في الخطوط األربعة على الترتيب هي ( ‪) %3 ، %1 ،%4 ، %2‬‬
‫فما احتمال انتاج وحدة معيبة في المصنع كله‬
‫الحل‬
‫‪-‬نعرف االحداث التالية ‪:‬‬
‫} اإلنتاج من الخط رقم ‪A1={ 1‬‬
‫} اإلنتاج من الخط رقم ‪A2={ 2‬‬
‫} اإلنتاج من الخط رقم ‪A3={ 3‬‬
‫} اإلنتاج من الخط رقم ‪A4={ 4‬‬
‫}وحدة معيبة من انتاج الخط رقم ‪B ǀA1= { 1‬‬
‫}وحدة معيبة من انتاج الخط رقم ‪B ǀA2= { 2‬‬
‫}وحدة معيبة من انتاج الخط رقم ‪B ǀA3= { 3‬‬
‫}وحدة معيبة من انتاج الخط رقم ‪B ǀA4= { 4‬‬
‫‪-‬المعطيات‬
‫‪P(A1)=0.22 P(A2)=0.44‬‬ ‫‪P(A3)=0.16 P(A4)=0.18‬‬
‫‪P(B ǀ A1)= 0.02‬‬ ‫‪P(B ǀ A2)= 0.04‬‬
‫‪P(B ǀ A3)= 0.01‬‬ ‫‪P(B ǀ A4)= 0.03‬‬
‫‪-‬المطلوب‬
‫) 𝒊𝑨(𝑷 ) 𝒊𝑨‪P(B) = ∑𝟒𝒊=𝟏 𝑷(𝑩 ǀ‬‬
‫)‪P(B)=P(BǀA1) P(A1) + P(BǀA2) P(A2) + P(BǀA3) P(A3) + P(BǀA4) P(A4‬‬
‫‪P(B)=(0.02 × 0.22) + (0.04 × 0.44) + (0.01 × 0.16) +(0.03 × 0.18)=0.029‬‬

‫‪49‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫نظرية بييز ‪Baye's Theorem‬‬

‫بفرض وجود عدد من التجارب ‪ Experimental‬أو االحداث وهى ‪E1,E2, E3,E4,…….En‬‬

‫ونالحظ ما يلى‪:‬‬
‫‪-‬اتحاد هذه االحداث يكون فراغ العينة ‪ S‬أي أن‪:‬‬
‫‪S= E1 ∪ E2 ∪ E3 ∪ E4 ∪ An‬‬
‫‪-‬تقاطع أي زوج من هذه االحداث =‪( Ø‬أي ال توجد مساحة مشتركة بين كل زوجين)‬

‫‪E1∩ E2= Ø‬‬ ‫وهكذا ‪E1∩ E3= Ø E1∩ E4= Ø ……..‬‬

‫كما يمكن ان نأخذ نفس االحداث السابقة ولكن معها حدث آخر ‪ A‬كما يلى ‪:‬‬

‫نالحظ أن ‪ A‬مع جميع االحداث بالشكل السابق ‪ ،‬كما توجد مساحة مشتركة بين ‪ A ، E1‬وكذلك‬
‫بين ‪ A ، E2‬وكذلك بين ‪ A ، E3‬وهكذا حتى ‪A ، En‬‬
‫وبالتالي فإنه يمكن الحصول على احتمال ‪ A‬بأنه عباره عن اتحاد ‪ E1‬تقاطعها مع ‪، A‬واتحاد ‪E2‬‬
‫تقاطعها مع ‪، A‬واتحاد ‪ E3‬تقاطعها مع ‪ ، A‬واتحاد ‪ En‬تقاطعها مع ‪ A‬كما يلى ‪:‬‬
‫‪50‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫)‪P(A)= P(A ∩ E1) ∪ P(A ∩ E2) ∪ P(A ∩ E3) ∪ …..∪P(A ∩ En‬‬

‫)‪P(A)= P(A ∩ E1) + P(A ∩ E2) + P(A ∩ E3) + …..+ P(A ∩ En‬‬

‫)‪P(A)= P(E1) P(A ǀ E1) + P(E2) P(A ǀ E2) +…….+ P(En) P(A ǀ En‬‬

‫) 𝒊𝑬(𝑷 ) 𝒊𝑬‪P(A) = ∑𝒏𝒊=𝟏 𝑷(𝑨 ǀ‬‬

‫وبالنظر للشكل التالى ‪:‬نالحظ ان ‪ Ek‬وتقاطعها مع ‪A‬‬

‫يتم التعبير عن ذلك بأسلوب االحتمال الشرطي من خالل القول ان احتمال ‪ Ek‬مضروبا في‬
‫احتمال ‪ A‬بشرط ‪Ek‬‬

‫منطوق نظريه بييز ‪Baye's Theorem‬‬

‫اذا كانت ‪ E1,E2, E3,E4,…….En‬أحداث عند اتحادها تعطى فضاء العينة ‪ ، S‬وكل حدث يكون‬
‫‪ P(Ei) > 0‬لجميع قيم ‪ i‬بشرط ‪ ، ǀ‬وكان ‪ A‬أي حدث بشرط ‪ P(A) > 0 ǀ‬فإن ‪:‬‬

‫‪51‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫حيث ان‬
‫‪i=1,2,………n‬‬
‫توضيح المعنى‬

‫= )‪P(Ek ǀ A‬‬

‫المطلوب )‪ P(Ek ǀ A‬وهى تساوى مقدارين يتم قسمتهم على بعضهم البعض(جزء مقسوم على‬
‫كل) حيث يتضمن البسط احتمال ‪ Ek‬تقاطعها مع ‪( A‬يتم حسابه من خالل االحتمال الشرطى) من‬
‫خالل احتمال ‪ Ek‬مضروبا في احتمال ‪ A‬بشرط ‪ ، Ek‬في حين ان المقام عباره عن احتمال جميع‬
‫‪( E‬نظرية االحتمال الكلى) والتي تعنى ‪ A‬تقاطعها مع ‪ E1‬ثم اتحاد ‪ A‬تقاطعها مع ‪ E2‬ثم اتحاد ‪A‬‬
‫تقاطعها مع ‪ E3‬ثم اتحاد ‪ A‬تقاطعها مع ‪ E4‬ولكن يتم التعبير عن ذلك االتحاد بطريقة االحتمال‬
‫الشرطى حيث ان احتمال ‪ E1‬مضروبا في احتمال ‪ A‬بشرط ‪ ، E1‬ثم احتمال ‪ E2‬مضروبا في‬
‫احتمال ‪ A‬بشرط ‪ E2‬وهكذا‬

‫‪52‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫أهمية نظرية بييز ‪Baye's Theorem‬‬

‫تكمن أهمية النظرية في اإلجابة على السؤال التالى ‪:‬‬

‫اذا وقع الحدث ‪ A‬فما احتمال انه وقع بسبب التجربة ‪ Ek‬؟؟‬
‫قبل المثال‬
‫المثال يتكون من ‪ 3‬آالت ( ‪( )E1 ، E2 ، E3‬احتمال ما تنتجه اآللة األولى واحتمال ما تنتجه اآللة‬
‫الثانية واحتمال ما تنتجه اآللة الثالثة ) ‪ ،‬يتم التعامل مع المنطقة الثانية بالبسط وهى ‪ A‬تقاطعها‬
‫مع ‪ E2‬حيث يتم التعبير عنها بلغة االحتمال الشرطي )‪ P( E2‬مضروبا في )‪ P(A‬بشرط ‪ ،E2‬أما‬
‫المقام ‪ A :‬تقاطعها مع ‪ E1‬اتحاد ‪ A ،‬تقاطعها مع ‪ E2‬اتحاد‪ A ،‬تقاطعها مع ‪ E3‬اتحاد ‪ ،‬ثم‬
‫تحويل هذا األسلوب الى أسلوب شرطي حيث نقول ان احتمال ‪ E1‬مضروبا في احتمال ‪ A‬بشرط‬
‫‪ + E1‬احتمال ‪ E2‬مضروبا في احتمال ‪ A‬بشرط ‪ + E2‬احتمال ‪ E3‬مضروبا في احتمال ‪ A‬بشرط‬
‫‪E3‬‬

‫مثال‬

‫اذا كان اإلنتاج الكلى في مصانع ما يتم من خالل ‪ 3‬آالت‪ ،‬فإذا كانت اآللة األولى تنتج ‪ %30‬من‬
‫االنتاج‪ ،‬والثانية ‪ ، %25‬والثالثة ‪ %45‬من اإلنتاج الكلى‪ ، ،‬وكانت نسبة التالف في انتاج اآللة‬
‫األولى ‪ ، %3‬ونسبة التالف في انتاج اآللة الثانية ‪ ، %4‬ونسبة التالف في انتاج اآللة الثالثة‬
‫‪ ، %3‬فإذا سحبنا وحدة واحدة عشوائيا من اإلنتاج الكلى ووجدناها تالفة ‪ ،‬فما احتمال أن تكون‬
‫منتجة باآللة الثانية؟‬

‫‪53‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫الحل‬
‫‪-‬نعرف االحداث التالية ‪:‬‬
‫}اإلنتاج من اآللة األولى {=‪E1‬‬
‫} اإلنتاج من اآللة الثانية {=‪E2‬‬
‫} اإلنتاج من اآللة الثالثة {=‪E3‬‬
‫}وحدة معيبة من اآللة األولى{ =‪E1 ǀ A‬‬
‫}وحدة معيبة من اآللة الثانية{ = ‪E2 ǀ A‬‬
‫}وحدة معيبة من اآللة الثالثة{ = ‪E3 ǀ A‬‬
‫‪-‬المعطيات‬
‫‪P(E1)=0.30 P(E2)=0.25 P(E3)=0.45‬‬
‫‪P(E1 ǀ A)= 0.03‬‬ ‫‪P(E2 ǀ A)=0.04‬‬ ‫‪P(E3 ǀ A)=0.03‬‬

‫االحتمال المطلوب باستخدام نظرية بييز ‪Baye's Theorem‬‬

‫‪i=1,2,3‬‬

‫‪54‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫مثال‬
‫بفرض أن لدينا صندوقين‪ ،‬يحتوي الصندوق األول على ‪ 4‬كرات بيضاء‪ 6 ،‬كرات سوداء‪ ،‬بينما‬
‫يحتوي الصندوق الثاني على ‪ 8‬كرات بيضاء‪ 8 ،‬كرات سوداء‪ ،‬اخترنا صندوق من هاذين‬
‫الصندوقين بشكل عشوائي ثم سحبنا منه كرة واحدة بشكل عشوائي‪.‬‬
‫‪ -1‬احسب احتمال أن تكون الكرة المسحوبة سوداء‪.‬‬
‫‪ -2‬إذا علمنا أن الكرة المسحوبة سوداء‪ ،‬فما هو احتمال أن تكون من الصندوق الثاني‬
‫الحل‬

‫‪55‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪ -‬نعرف االحداث التالية‪:‬‬

‫} الكرة المسحوبة سوداء { = ‪B‬‬
‫} الصندوق المختار هو الصندوق األول {= ‪A1‬‬
‫} الصندوق المختار هو الصندوق الثاني {= ‪A2‬‬
‫‪-‬المعطيات‬
‫𝟔‬
‫‪P(A1) = 0.5‬‬ ‫= )‪P(B|A1‬‬ ‫‪= 0.6‬‬
‫𝟎𝟏‬
‫𝟖‬
‫‪P(A2) = 0.5‬‬ ‫= )‪P(B|A2‬‬ ‫‪= 0.5‬‬
‫𝟔𝟏‬

‫‪-‬المطلوب‬
‫) 𝒌𝑨(𝑷 ) 𝒌𝑨‪1) P(B) = ∑𝟐𝑲=𝟏 𝑷(𝑩 ǀ‬‬
‫)‪= P(A1) P(B|A1) + P(A2) P(B|A2‬‬
‫‪= 0.5×0.6 + 0.5×0.5 = 0.3 + 0.25‬‬
‫‪= 0.55‬‬
‫= )‪2) P (A2 ǀ B‬‬ ‫)‪P(A2) P ( B ǀ A2‬‬

‫) 𝑲𝑨‪∑𝟐𝑲=𝟏 𝑷(𝑨𝑲 ) 𝑷(𝑩 ǀ‬‬

‫‪P (E2 ǀ A) = 0. 5 × 0.5‬‬

‫‪0.55‬‬
‫‪P (E2 ǀ A) = 0.25‬‬

‫‪0.55‬‬
‫‪P (E2 ǀ A) =0.4545‬‬
‫‪56‬‬
‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫ويمكن تلخيص الحل بواسطة شكل الشجرة كما يلى ‪:‬‬

‫‪57‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫متارين‬

‫‪-1‬بفرض وجود ثالث أحداث ‪ C،B ،A‬من فضاء العينة والمطلوب كتابة االحداث التالية‪:‬‬
‫‪-‬الحدث ‪ A‬الذى يتحقق‬
‫‪-‬الحدثان ‪ B،A‬يتحققان وليس ‪C‬‬
‫‪-‬على األقل أحد االحداث يتحقق‬
‫‪-‬ال حدث يتحقق‬
‫‪-‬حدثان فقط يتحققان‬
‫‪-‬االحداث ‪A‬و‪B‬و‪ C‬تتحقق في آن واحد‬

‫‪ -2‬ليكن لدينا الحدث ‪ : A‬العائلة لها بنات‬

‫وليكن الحدث ‪ : B‬العائلة بها على األكثر ولد‬
‫بين أن ‪ B ، A‬حدثين مستقلين اذا كان لدينا عائلة بها ‪ 3‬أبناء‬
‫ووضح أيضا أن ‪ B،A‬حدثين غير مستقلين اذا كان لدينا عائلة بها طفلين‬

‫‪-3‬صندوق به ‪ 8‬كرات بيضاء ‪ 4 ،‬كرات سوداء ‪ ،‬تم سحب ‪ 5‬كرات عشوائيا ‪ ،‬فما احتمال أن‬
‫تكون في العينة ‪ 3‬كرات بيضاء‬
‫‪-4‬ليكن لدينا حدثين ‪ B،A‬بحيث أن ‪:‬‬
‫𝟏‬
‫= )‪P(A‬‬
‫𝟐‬
‫𝟏‬
‫= )‪P(B‬‬
‫𝟒‬
‫𝟏‬
‫= )‪P(A ∩ B‬‬
‫𝟓‬
‫أوجد ‪P (A ∪ B) :‬‬
‫ً‬
‫‪ -5‬ثالث صناديق تحتوي على مصابيح كهربائية‪ ،‬الصندوق األول به ‪50‬مصباحا من بينها ‪4‬‬
‫مصابيح معيبه ‪ ،‬والصندوق الثاني به ‪ 80‬مصباح من بينها ‪ 9‬مصابيح معيبة ‪ ،‬والصندوق‬
‫الثالث به ‪ 100‬مصباح من بينها ‪ 14‬مصباح معيب ‪ ،‬اختير احد المصابيح عشوائيا ً‪ ،‬احسب‬
‫احتمال أن يكون معيبا ً وإذا كان معيب فما احتمال أن يكون من الصندوق الثالث‬

‫‪-6‬نلقى حجرين نرد متماثلين‪ ،‬أحسب االحتمال ‪ P‬كى يكون المجموع الذى نحصل عليه أكبر أو‬
‫يساوى ‪ 10‬علما بأن‪:‬‬
‫‪-‬على األقل أحد الحجرين أعطانا الرقم ‪5‬‬ ‫‪-‬الحجر األول أعطانا الرقم ‪10‬‬

‫‪-7‬ليكن ‪ B،A‬حدثين مستقلين بحيث ‪ ، A ⊆ B‬برهن انه إما ‪ P(A) = 0‬أو ‪P(B) = 1‬‬

‫‪58‬‬
 ‫الفصل األول‪ -‬مقدمة فى االحتماالت ‪Probabilities‬‬

‫‪ -8‬تشكلت لجنة من ‪22‬عضوا ً لتمثل الصفوف األربعة في إحدى الكليات كاآلتي ( ‪ 4‬أعضاء من‬
‫الصف األول منهم طالبة ‪ 6 ،‬أعضاء من الصف الثاني منهم طالبتان ‪ 7 ،‬أعضاء من الصف‬
‫الثالث منهم ثالثة طالبات ‪ 5 ،‬أعضاء من الصف الرابع منهم طالبتان ) ‪ ،‬اختير عضوا ً من‬
‫هذه اللجنة عشوائيا ً ووج َّد أنه طالبة ‪ ،‬فما احتمال أن تكون هذه الطالبة من الصف الثالث؟‬

‫‪-9‬تم الكشف في أحد المستشفيات أن احتمال إصابة شخص بالمرض ‪ M‬هو ‪ ، 0.3‬علمنا ان‬
‫احتمال ان يكون للشخص تحليال سالبا علما بأنه غير مصاب بالمرض هو ‪ ، 0.9‬فإذا أصيب‬
‫الشخص بالمرض ‪ M‬احتمال ان يكون له تحليال موجبا هو ‪ ، 0.8‬فعند أخذ شخص بشكل‬
‫عشوائى له تحليال موجبا فما هو احتمال ان يصاب بالمرض ‪M‬‬

‫‪ -10‬تقدم طالب ثالثة شعب بكلية التربية النوعية المتحان مادة اإلحصاء في السنة االولى‪ ،‬وكان‬
‫عدد المتقدمين بالشعبة األولى ‪ 70‬طالباً‪ ،‬وبالشعبة الثانية ‪ 100‬طالب‪ ،‬وبالشعبة الثالثة‬
‫‪ 110‬طالب‪ ،‬كانت نسبة النجاح في الشعبة األولى ‪ ، %80‬وفي الثانية ‪ ، %70‬وفي الثالثة‬
‫‪ ، %60‬فإذا اختير طالبا ً عشوائيا ً من بين هؤالء الطالب ووجد ناجحا ً فما احتمال‬
‫أن يكون من الشعبة الثانية ‪.‬‬

‫‪ -11‬يوجد في مصنع ‪ 3‬ماكينات تنتج األولى ‪ 450‬وحدة يومياً‪ ،‬والثانية ‪ 350‬وحدة يوميا ً‪،‬‬
‫والثالثة تنتج ‪ 200‬وحدة يومياً‪ ،‬وكانت نسبة المعيب من إنتاج الماكينة األولى ‪ %1‬ومن‬
‫الثانية ‪2%‬ومن الثالثة ‪ ،%3‬اختيرت من إنتاج المصنع وحدة عشوائيا ً فوجدت أنها معيبة‬
‫فاحسب احتمال أن تكون الوحدة المختارة من الماكينة الثانية‪.‬‬

‫‪ -12‬في بحث على طلبة قسم أعداد معلم الحاسب اآللي بكلية التربية النوعية جامعه دمياط في‬
‫السنة الرابعة في مادة شبكات الحاسب وج َّد أنَّ ‪ %20‬من الطلبة والطالبات ممتازون ‪ ،‬وأنَّ‬
‫‪ %70‬جيدون ‪ ،‬وأنَّ الباقون ضعاف ‪ ،‬ووج َّد أنَّ نسبة الطالبات في هذه المجموعات الثالث‬
‫هي ‪ %30 ،%60 ،%50‬على الترتيب‪ ،‬فإذا اختير عشوائيا ً شخصا ً من بينهم ووج َّد أنه‬
‫طالبة فاحسب احتمال أن تكون هذه الطالبة جيده في المادة‬

‫‪59‬‬
 ‫مقاييس النزعة املركزية‬

Measures of Central Tendency

‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪61‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مقدمة‬

‫يمكن تقسيم علم اإلحصاء إلى فرعين هما‪:‬‬

‫أوال ‪ :‬اإلحصاء الوصفي ‪Descriptive Statistics‬‬

‫وهو العلم الذي يهتم بأساليب جمع وتبويب وعرض البيانات من خالل عديد من الوسائل لتحقيق ذلك‬
‫مثل‪:‬‬
‫أ‪-‬العرض الجدولي للبيانات ويطلق عليها التوزيعات التكرارية ‪Frequency Distribution‬‬
‫ب‪-‬العرض البياني للبيانات على هيئه رسوم وأشكال بيانية ‪.‬‬
‫ج‪-‬تلخيص البيانات في صورة رقم أو عدة أرقام عن طريق حساب بعض المقاييس اإلحصائية مثل‬
‫مقاييس النزعة المركزية أو مقاييس التشتت‪.‬‬

‫ثانيا ‪:‬اإلحصاء التحليلي أو االستنتاجي ‪: Inferential Statistics‬‬

‫النتككائ مككن المجتمعككات محككل الدراسكة معتمككدا علككى‬ ‫ذلككك العلككم الككذي يهككتم باسككتنباط أو اسككتخال‬
‫بيانات العينة مستخدما العديد من الوسائل لتحقيق ذلك مثل‪:‬‬
‫كثيكر‬ ‫أ‪-‬التقدير ‪ :‬يع نى إيجاد قيم تحل محل القيم الفعلية للظاهرة محل الدراسة فكي المجتمكع نظكرا ال‬
‫من القيم الفعلية عادة ما يصعب وقد يكو من المستحيل معرفتها ‪ ،‬وقد تكو القيم المقكدرة‬
‫قيمة وحيدة محددة تسمى التقدير بنقطة ‪ point estimation‬مثل الوسط الحسكابي أو قكد‬
‫تكو قيمة محصورة بين حدين (حد أعلى وحد أدنى ) وبدرجة ثقة أو احتمال معين وتسمى‬
‫التقدير بفترة ‪Interval Estimation‬‬
‫ب‪-‬اختبارات الفروض ‪ :‬حيث يتم استخدام البيانات التي تم جمعها والمتعلقة بظاهرة ما التخاذ قرار‬
‫برفض أو قبول الفروض‪.‬‬

‫‪62‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫أساليب مجع البيانات‬

‫‪ -1‬أسلوب الحصر الشامل‬

‫حيث يتم جمع بيانكات عكن جميكع مفكردات مجتمكع مكا (يتطلكب تعكداد السككا فكي مجتمكع مكا دراسكة‬
‫جميع مفردات ذلك المجتمع ) ويتميز ذلك األسلوب بعدم وجود أخطاء عشوائية حيث انه يكتم التعامكل‬
‫مككع جميككع مفككردات المجتمككع محككل الدراسككة ممككا يككتدئ للحصككول علككى نتككائ عاليككة الدقككة إال أ ذل كك‬
‫األسلوب مرتفع التكلفة ويتطلب وقت وجهد وكوادر كثيرة‬

‫‪ -2‬أسلوب العينة‬
‫يتم اختيكار عينكة مكن مجتمكع مكا لدراسكتها ثكم تعمكيم نتائجهكا علكى المجتمكع األصكلي المختكارة منكه‬
‫ويتميز ذلك األسلوب بسهوله تطبيقه على كل المجتمعات وانخفاض الوقكت والجهكد والككوادر الالزمكة‬
‫لتطبيقه إال انه يعاب عليه وجود ما يسمى بالخطأ العشوائي ( خطأ العينكة ‪ -‬خطكأ الصكدفة ) وهكو خطكأ‬
‫ينت من استخدام عينه (بدال من الحصر الشامل) حيكث أ تعمكيم نتكائ العينكة علكى المجتمكع يتضكمن‬
‫بعض الخطأ وال يمكن تعميم النتائ إذا كانت العينة ال تمثل المجتمع األصلي بدرجة كبيرة ‪.‬‬

‫مقاييس النزعة املركزية‬

‫تعرف مقاييس النزعة المركزية على أنها قيمة وحيدة تميل إلى التمركز وسط مجموعه من البيانات‬
‫اإلحصائية وهى أحد أساليب اإلحصاء الوصفي ‪ Descriptive Statistics‬تهدف إلى تلخيص‬
‫البيانات اإلحصائية في صورة رقم واحد ومن أهم تلك المقاييس ما يلي‪:‬‬
‫‪-1‬الوسط الحسابي ‪Arithmetic Mean‬‬
‫‪-2‬الوسيط ‪Median‬‬
‫‪ -3‬المنوال ‪Mode‬‬

‫‪63‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الوسط احلسابي(املتوسط) ‪Arithmetic Mean‬‬

‫الوسط احلسابي من بيانات غري مبوبة(بيانات خام)‬

‫احد مقاييس النزعة المركزية ويمكن تعريفه على انه مجموع قيم متغير ما ‪x1,x2,x3,…..‬‬
‫مقسوما على عدد تلك القيم ‪ ،‬ويرمز له بالرمز ̅‬
‫𝒙‬
‫إذا كا عدد البيانات هو ‪ n‬وكانت البيانات هي ‪ x1,x2,x3,…..‬فإ مجموع هذه البيانات هو‪:‬‬

‫مالحظات‪:‬‬
‫‪ -1‬الوسط الحسابى سهل التعريف والحساب‬
‫‪-2‬ال يمكن حساب الوسط الحسابي بيانيا‬
‫‪ -3‬الوسط الحسابى من المقاييس الفعالة للمقارنة بين مجتمعين أو أكثر‬
‫‪-4‬كل مجموعه قيم لها وسط حسابي واحد فقط‬

‫‪64‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-5‬يتأثر الوسط الحسابي بالقيم الشاذة‬

‫‪ -6‬يأخذ الوسط الحسابى في االعتبار جميع البيانات‪.‬‬
‫‪ -7‬الوسط الحسابى يمكن حسابه للبيانات الكمية فقط وال يمكن حسابه للبيانات الوصفية‬
‫‪ -8‬مجموع انحراف القيم عن وسطها الحسابي دائما = صفر‬

‫حيث ا ‪:‬‬
‫𝑿– ‪ : Xi‬انحراف القيمة ‪ Xi‬عن وسطها الحسابي ̅‬
‫𝑿‬ ‫̅‬
‫الوسط الحسابي (المتوسط) يخضع للعمليات الجبرية بسهولة كما يلي‪:‬‬

‫أمثلة‬

‫‪65‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪ -9‬اذا كا لدينا مجموعتا من البيانات بحيث أ ‪:‬‬

‫‪-‬عدد بيانات المجموعة األولى ‪ ، n1‬ومتوسطها ‪̅ 1‬‬
‫𝑿‬
‫‪-‬عدد بيانات المجموعة الثانية ‪ ، n2‬ومتوسطها ‪̅ 2‬‬
‫𝑿‬
‫فإ متوسط المجموعة الكلية المكونه من دم المجموعتين يمكن حسابه بالصيغة التالية ‪:‬‬

‫مثال‬
‫لدينا مجموعتا من البيانات بحيث أ ‪:‬‬
‫‪-‬عدد بيانات المجموعة األولى ‪ 10‬ومتوسطها ‪5‬‬
‫‪-‬عدد بيانات المجموعة الثانية ‪ 20‬ومتوسطها ‪2‬‬
‫أوجد متوسط المجموعتين‬
‫الحل‬

‫‪66‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال ‪:‬‬
‫أوجد المتوسط (الوسط الحسابي ) للمشاهدات المتمثلة فى أوزا (بالكيلوجرام) لمجموعة من ‪7‬‬
‫‪25, 30, 40, 45, 35, 55, 50 :‬‬ ‫اشخا‬
‫الحل‬
‫‪n=7‬‬
‫‪x1‬‬ ‫‪x2‬‬ ‫‪x3‬‬ ‫‪x4‬‬ ‫‪x5‬‬ ‫‪x6‬‬ ‫‪x7‬‬
‫‪25‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪45‬‬ ‫‪35‬‬ ‫‪55‬‬ ‫‪50‬‬

‫تدريب‬
‫تمثل البيانات التالية درجات ‪ 10‬طالب في مادة البرمجة للفرقة األولى شعبة الحاسب اآللي‬
‫بكلية التربية النوعية ‪:‬‬
‫‪34-45-29-42-38-50-44-40-25-33‬‬
‫احسب الوسط الحسابي لدرجات الطالب؟‬

‫‪67‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الوسط احلسابي املرجح ‪Weighted Arithmetic Mean‬‬

‫عند حساب الوسط الحسابي نفترض في معظم الحاالت أ كل قيمة من القيم لها نفس‬
‫األهمية مما قد يتدئ إلى نتائ خاطئة ‪ ،‬لذا يتطلب االمر ترجيح قيم الظاهرة بأوزا مختلفة‬
‫لبيا األهمية النسبية لكل قيمة من قيم الظاهرة‬
‫بفرض ا ‪:‬‬
‫‪x1, x2, …, xn‬‬ ‫المشاهدات هي ‪:‬‬
‫األوزا النسبية ‪w1, w2, …, wn‬‬
‫فإ الوسط المرجح كما يلي‪:‬‬

‫مثال ‪:‬أوجد الوسط المرجح لدرجات الطالب باعتبار أ الوز النسبي هو عدد الساعات للمقرر فيما يلي‪:‬‬
‫الدرجة(‪)X‬‬ ‫عدد الساعات (‪)W‬‬ ‫المقرر‬
‫‪40‬‬ ‫‪2‬‬ ‫احصاء‬
‫‪65‬‬ ‫‪4‬‬ ‫برمجة‬
‫‪70‬‬ ‫‪3‬‬ ‫قواعد بيانات‬

‫‪68‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الحل‬
‫(‪)X‬‬ ‫(‪)W‬‬ ‫‪XW‬‬
‫‪40‬‬ ‫‪2‬‬ ‫‪80‬‬
‫‪65‬‬ ‫‪4‬‬ ‫‪260‬‬
‫‪70‬‬ ‫‪3‬‬ ‫‪210‬‬

‫𝟗 = 𝑾∑‬ ‫𝟎𝟓𝟓 = 𝑾𝑿 ∑‬

‫مالحظات‬
‫‪-‬الوسط الحسابي ̅‬
‫𝑿 هو وسط مرجح جميع أوزانه متساوية (أو مساوية للواحد)‬
‫‪-‬الوسط الحسابي للبيانات المبوبة هو وسط مرجح لمراكز الفئات باعتبار أ تكرار الفئات هى‬
‫االوزا‬
‫تدريب‪:‬‬
‫إذا كا متوسط درجات طالب الفرقة االولى قسم إعداد معلم الحاسب في مادة نظم التشغيل‬
‫بكلية التربية النوعية بدمياط ‪ 50‬درجة وبكلية التربية النوعية بالمنصورة ‪ 45‬درجة وبكلية‬
‫التربية النوعية بالقاهرة ‪ 40‬درجة ‪ ،‬فإذا كا عدد طالب الفرقة األولى في الكليات الثالث‬
‫‪400،300، 200‬‬
‫أوجد متوسط درجات الطالب في الكليات الثالث‪.‬‬
‫‪69‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الوسط احلسابي من بيانات مبوبة (هلا جدول توزيع تكراري)‬

‫إذا كا لدينا بيانات عددها‪ n‬وكانت هذه البيانات ملخصة في جدول تكراري بحيث أ ‪:‬‬
‫عدد الفئات ‪k :‬‬
‫مراكز الفئات ‪x1,x2,x3,….xk :‬‬
‫تكرار الفئات ‪f1,f2,f3,….fk :‬‬

‫الفئة‬ ‫مركز الفئة ‪x‬‬ ‫التكرار ‪f‬‬

‫الفئة رقم ‪1‬‬ ‫‪X1‬‬ ‫‪F1‬‬
‫الفئة رقم ‪2‬‬ ‫‪X2‬‬ ‫‪F2‬‬
‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬
‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬
‫الفئة رقم ‪k‬‬ ‫‪xk‬‬ ‫‪fk‬‬
‫المجموع‬ ‫‪∑f = n‬‬

‫لحساب المتوسط بالطريقة الحسابية فإنه يلزمنا فقط معرفة ما يلي‪:‬‬

‫حجم العينة =عدد العينة‬
‫‪∑f=n‬‬
‫مجموع البيانات =‪∑xf‬‬

‫لذلك فإ المتوسط للتوزيع التكراري المبوب يمكن حسابه بالصيغة التالية‪:‬‬

‫‪70‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫ويكمن تلخيص عملية إيجاد المتوسط باستخدام الجدول التالي‪:‬‬

‫الفئة‬ ‫مركز الفئة ‪x‬‬ ‫التكرار‪f‬‬ ‫‪fx‬‬
‫الفئة رقم ‪1‬‬ ‫‪x1‬‬ ‫‪f1‬‬ ‫‪f1x1‬‬
‫الفئة رقم ‪2‬‬ ‫‪x2‬‬ ‫‪f2‬‬ ‫‪f2x2‬‬
‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬
‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬ ‫‪:‬‬
‫الفئة رقم ‪k‬‬ ‫‪xk‬‬ ‫‪fk‬‬ ‫‪fkxk‬‬
‫المجموع‬ ‫‪∑f=n‬‬ ‫‪∑fx‬‬

‫‪71‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال‬
‫أوجد المتوسط الحسابي لمستوئ الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم تلخيص‬
‫مستوئ الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوئ‬
‫‪-12.95‬‬ ‫‪-13.9 5‬‬ ‫‪-14. 95‬‬ ‫‪-15. 95‬‬ ‫‪-16. 95‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫الهيموجلوبين(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬

‫الحل‬
‫الفئات‬ ‫التكرارات ‪f‬‬ ‫مركز الفئة ‪x‬‬ ‫‪fx‬‬
‫‪12.95-‬‬ ‫‪3‬‬ ‫‪13.45‬‬ ‫‪40.35‬‬
‫‪13.9 5-‬‬ ‫‪5‬‬ ‫‪14.45‬‬ ‫‪72.25‬‬
‫‪14. 95-‬‬ ‫‪15‬‬ ‫‪15.45‬‬ ‫‪231.75‬‬
‫‪15. 95-‬‬ ‫‪16‬‬ ‫‪16.45‬‬ ‫‪263.20‬‬
‫‪16. 95-‬‬ ‫‪10‬‬ ‫‪18.45‬‬ ‫‪174.50‬‬
‫‪17. 95– 18.95‬‬ ‫‪1‬‬ ‫‪17.45‬‬ ‫‪18.45‬‬
‫المجموع‬ ‫‪∑f=50‬‬ ‫‪∑fx=800.5‬‬
‫المتوسط(الوسط الحسابي)‪:‬‬

‫تدريب‪:‬الجدول التالي يوضح توزيع األجور الشهرية لمجموعه من الموظفين‪:‬‬

‫‪Category‬‬ ‫‪35-‬‬ ‫‪45-‬‬ ‫‪55-‬‬ ‫‪65-‬‬ ‫‪75-‬‬ ‫‪85-‬‬ ‫‪95-105‬‬
‫‪frequency‬‬ ‫‪20‬‬ ‫‪30‬‬ ‫‪70‬‬ ‫‪45‬‬ ‫‪35‬‬ ‫‪25‬‬ ‫‪10‬‬
‫المطلوب إيجاد الوسط الحسابي لتوزيع األجور‪.‬‬
‫‪72‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الوسيط ‪Median‬‬

‫احد مقاييس النزعة المركزية ويمكن تعريفه على انه القيمة التي تقع في منتصف القيم بعكد‬
‫ترتيبها تصاعديا أو تنازليا بحيث يكو ‪:‬‬
‫عدد القيم التي تزيد عن قيمة الوسيط=عدد القيم التي تقل عن قيمة الوسيط‬
‫وللوسيط قيمة واحدة فقط (مثل الوسط الحسابي) ويمكن حسابه جبريا وبيانيا وال يتكأثر بكالقيم‬
‫الشاذة المتطرفة ‪ ،‬ويرمز للوسيط بالرمز ‪Med‬‬

‫‪73‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫إجياد الوسيط من بيانات غري مبوبة(بيانات خام أي مفردة)‬

‫إذا كانت قيم العينة هى ‪ ، x1,x2,…,xn‬وحجم العينة ‪ n‬فإ الوسيط يعرف كما يلي‪:‬‬
‫أوال ‪:‬إذا كا حجم العينة فردي (‪ n‬عدد فردئ ) نتبع الخطوات التالية‪:‬‬
‫‪ -‬ترتيب البيانات تصاعديا أو تنازليا‬
‫‪ -‬تحديد ترتيب أو موقع الوسيط بالقانو التالي ‪:‬‬
‫ترتيب الوسيط = ‪n+1‬‬
‫‪2‬‬
‫‪ -‬إيجاد قيمة الوسيط وهى القيمة المناظرة لترتيب الوسيط‪.‬‬

‫= الوسيط‬ ‫القيمة فى المنتصف =‬

‫ثانيا ‪:‬إذا كا حجم العينة زوجي (‪ n‬عدد زوجي ) نتبع الخطوات التالية‪:‬‬
‫‪ -‬ترتيب البيانات تصاعديا أو تنازليا‬
‫‪ -‬تحديد ترتيب أو موقع الوسيطين كما يلي ‪:‬‬
‫‪n‬‬ ‫ترتيب الوسيط األول=‬
‫‪2‬‬
‫‪n + 1‬‬ ‫ترتيب الوسيط الثاني=‬
‫‪2‬‬

‫‪74‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-‬ايجاد قيمة الوسيطين بالقانو التالي‪:‬‬

‫مجموع القيمتين المناظرتين لترتيب الوسيطين‬ ‫الوسيط ر‪= 2‬‬
‫‪2‬‬

‫‪،‬‬ ‫القيمتا في المنتصف هما ‪:‬‬

‫لذا يكو الوسيط ‪:‬‬

‫مثال‬
‫أوجد الوسيط لمجموعة األوزا التالية ‪:‬‬
‫‪7.1 , 2.5 , 2.5 , 5.4 , 8.3‬‬
‫الحل‬
‫بما أ ‪:‬‬
‫‪ n=5‬عدد فردي‬
‫فإ ‪:‬‬
‫الوسيط هو القيمة التي في المنتصف بعد ترتيب البيانات وهي القيمة ذات الترتيب التالى‪:‬‬

‫‪75‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫البيانات مرتبه‬ ‫‪2.5‬‬ ‫‪2.5‬‬ ‫‪5.4‬‬ ‫‪7.1‬‬ ‫‪8.3‬‬

‫الترتيب‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫الوسيط هو القيمة ذات الترتيب ‪ ، 3‬لذلك فإ الوسيط = ‪5.4‬‬

‫مثال ‪:‬‬
‫أوجد الوسيط لمجموعة األوزا التالية‪:‬‬
‫‪7.1 , 2.5‬‬ ‫‪, 2.5 , 5.4‬‬ ‫‪,‬‬ ‫‪9.2‬‬ ‫‪, 8.3‬‬
‫الحل‬
‫بما أ ‪:‬‬
‫‪ n=6‬عدد زوجى‬
‫فإ الوسيط هو متوسط القيمتين اللتين في المنتصف بعد ترتيب البيانات وهما القيمة ذات الترتيب‬

‫البيانات مرتبه‬ ‫‪2.5‬‬ ‫‪2.5‬‬ ‫‪5.4‬‬ ‫‪7.1‬‬ ‫‪8.3‬‬ ‫‪9.2‬‬

‫الترتيب‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬

‫‪76‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫القيمتا في المنتصف هما ‪ ، 7.1 ، 5.4‬ولذلك فإ الوسيط هو ‪:‬‬

‫تدريب‪ :‬أوجد قيمة الوسيط للمشاهدات التالية‪:‬‬

‫‪18، 11 ، 27،15 ، 13، 9 ، 20، 25، 7‬‬
‫تدريب‪ :‬أوجد قيمة الوسيط للمشاهدات التالية‪:‬‬
‫‪28،17، 10 ، 26،14 ، 13، 8 ، 19، 24، 6‬‬

‫‪77‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الوسيط من بيانات مبوبة (هلا جدول توزيع تكراري)‬

‫الوسيط من جدول توزيع تكراري هو القيمة التي يكو عندها نصف التكرارات أقل منها والنصف‬
‫اآلخر أكبر منها بغض النظر عما إذا كا مجموع التكرارات فردئ أو زوجي‬

‫ويمكن حساب الوسيط للبيانات الملخصة في جدول تكراري بطريقتين طريقة حسابية وطريقة بيانية‪،‬‬
‫ويستخدم الجدول التكراري المتجمع الصاعد إليجاد الوسيط حسابيا ‪ ،‬بينما يستخدم المضلع التكراري‬
‫المتجمع الصاعد إليجاد الوسيط بيانيا‪ ،‬وفي حالة البيانات المبوبة فإننا نعرف ما يلي‪:‬‬
‫𝒏‬ ‫𝑭∑‬
‫( سواء كا عدد البيانات زوجى أو فردئ)‬ ‫=‬ ‫‪-‬رتبة (ترتيب ) الوسيط =‬
‫𝟐‬ ‫𝟐‬
‫𝒏‬
‫أو‬ ‫‪-‬الفئة الوسيطية(الفئة التى يقع فيها الوسيط) = أول فئة يزيد تكرارها المتجمع الصاعد عن‬
‫𝟐‬

‫يساويه‬
‫ويحسب الوسيط من خالل القانو التالي‪:‬‬

‫‪78‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫خطوات إيجاد الوسيط‪:‬‬

‫‪-1‬إعداد جدول التوزيع التكراري المتجمع الصاعد أو الهابط‬
‫‪-2‬تحديد ترتيب الوسيط من خالل القانو التالي‪:‬‬
‫𝒇∑‬ ‫𝒏‬
‫=‬ ‫=‬
‫𝟐‬ ‫𝟐‬
‫‪ -3‬بعد تحديد رتبة الوسيط نستخدم الجدول التكراري المتجمع الصاعد لتحديد ما يلي‪:‬‬
‫‪ : A‬بداية الفئة الوسيطية (الحد األدنى للفئة الوسيطية)‬
‫‪ : L‬طول الفئة الوسيطية‬
‫𝒏‬
‫‪ : F1‬التكرار المتجمع الصاعد السابق للتكرار المتجمع الصاعد الوسيطي‬
‫𝟐‬
‫𝒏‬
‫‪ : F2‬التكرار المتجمع الصاعد الالحق للتكرار المتجمع الصاعد الوسيطي‬
‫𝟐‬

‫‪-‬نطبق قانو الوسيط التالي‪:‬‬

‫‪79‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال‪ :‬أوجد قيمة الوسيط حسابيا لمستوئ الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم‬
‫تلخيص مستوئ الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوئ‬
‫‪-12.95‬‬ ‫‪-13.9 5‬‬ ‫‪-14. 95‬‬ ‫‪-15. 95‬‬ ‫‪-16. 95‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫الهيموجلوبين(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬
‫الحل‬
‫‪ -1‬إعداد جدول التوزيع التكراري المتجمع الصاعد كما يلي‪:‬‬
‫الجدول التكراري المتجمع الصاعد‬ ‫الجدول التكراري البسيط‬
‫التكرار المتجمع الصاعد‬ ‫التكرارات ‪ f‬الحدود العليا للفئات‬ ‫الفئة‬
‫صفر‬ ‫أقل من ‪12.95‬‬ ‫‪3‬‬ ‫‪12.95-‬‬
‫‪3‬‬ ‫أقل من ‪13.95‬‬ ‫‪5‬‬ ‫‪13.95-‬‬
‫‪8‬‬ ‫أقل من ‪14.95‬‬ ‫‪15‬‬ ‫‪14.95-‬‬
‫‪23‬‬ ‫أقل من ‪15.95‬‬ ‫‪16‬‬ ‫‪15.95-‬‬
‫‪39‬‬ ‫أقل من ‪16.95‬‬ ‫‪10‬‬ ‫‪16.95-‬‬
‫‪49‬‬ ‫أقل من ‪17.95‬‬ ‫‪1‬‬ ‫‪17.95-18.95‬‬
‫‪50‬‬ ‫أقل من ‪18.95‬‬
‫‪∑f=50‬‬
‫‪-2‬تحديد ترتيب الوسيط من خالل القانو التالي‪:‬‬
‫ترتيب الوسيط‬
‫𝒇∑‬ ‫𝟎𝟓‬
‫=‪RMed‬‬ ‫=‬ ‫‪= 25‬‬
‫𝟐‬ ‫𝟐‬

‫‪-3‬تحديد موقع الوسيط داخل عمود التكرار المتجمع الصاعد‪.‬‬

‫‪-4‬تحديد الحد األدنى للفئة الوسيطية من بين الفئات (‪)A= 15.95‬‬

‫‪80‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-5‬تحديد التكرار السابق ( ‪.)F1=23‬‬

‫‪-6‬تحديد التكرار الالحق (‪) F2 = 39‬‬
‫‪-7‬نحدد طول الفئة الوسيطية (‪)L =1‬‬
‫‪-8‬نطبق قانو الوسيط‪:‬‬

‫) يقل مستوئ الهيموجلكوبين لهكم‬ ‫(نصف األشخا‬ ‫التعليق ‪:‬نستطيع القول بأ ‪ %50‬من األشخا‬
‫عن ‪Med=16.075‬‬

‫‪81‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫إجياد الوسيط بيانيا‬

‫‪ -1‬نرسم المضلع التكراري المتجمع الصاعد‪.‬‬

‫𝒇∑‬
‫( سواء كا عدد البيانات فردئ او زوجى)‬ ‫‪ -2‬نحدد رتبة (أو ترتيب( الوسيط‬
‫𝟐‬
‫𝒇∑‬
‫على المحور الرأسي (محور‬ ‫‪ -3‬في المضلع التكراري المتجمع الصاعد نحدد موقع رتبة الوسيط‬
‫𝟐‬

‫التكرار المتجمع ) ومن ذلك الموقع نرسم خط أفقي يلتقي مع المضلع في نقطة‪ ،‬وعند نقطة‬
‫االلتقاء نرسم عمود يتقاطع مع محور الفئات (المحور األفقي) في نقطة‪ ،‬هذه النقطة هي قيمة‬
‫الوسيط التقريبية‪ ،‬والشكل التالي يبين طريقة حساب الوسيط‪.‬‬

‫مثال‪ :‬أوجد قيمة الوسيط بيانيا لمستوئ الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم‬
‫تلخيص مستوئ الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوئ الهيموجلوبين‬
‫‪12.95-‬‬ ‫‪13.9 5-‬‬ ‫‪14. 95-‬‬ ‫‪15. 95-‬‬ ‫‪16. 95-‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬

‫‪82‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الحل‬
‫‪ -1‬نرسم المضلع التكراري المتجمع الصاعد‪.‬‬
‫𝒇∑‬
‫( سواء كا عدد البيانات فردئ او زوجى)‬ ‫‪ -2‬نحدد رتبة (أو ترتيب( الوسيط‬
‫𝟐‬
‫𝟎𝟓‬
‫= ‪ 25‬على المحور الرأسي‬ ‫‪ -3‬في المضلع التكراري المتجمع الصاعد نحدد موقع رتبة الوسيط‬
‫𝟐‬

‫(محور التكرار المتجمع ) ومن ذلك الموقع نرسم خط أفقي يلتقي مع المضلع في نقطة‪ ،‬وعند‬
‫نقطة االلتقاء نرسم عمود يتقاطع مع محور الفئات (المحور األفقي) في نقطة‪ ،‬هذه النقطة هي‬
‫قيمة الوسيط التقريبية‪ ،‬والشكل التالي يبين طريقة حساب الوسيط‪.‬‬

‫باستخدام الرسم التالي نجد ا القيمة التقريبية للوسيط =‪16.1‬‬

‫‪83‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مزايا الوسيط‬
‫‪ -‬سهوله التعريف والحساب‬
‫‪ -‬وحيد لمجموعة البيانات الواحدة‪.‬‬
‫‪ -‬أقل تأثرا من المتوسط بالقيم الشاذة أو المتطرفة‪.‬‬

‫عيوب الوسيط‬
‫‪ -‬ال يأخذ الوسيط في االعتبار جميع البيانات إذا أنه يعتمد فقط على القيم التي في المنتصف وعلى‬
‫ترتيب البيانات بغض النظر عن قيمها‪.‬‬
‫‪-‬ال يمكن بشكل عام حساب الوسيط للبيانات الوصفية (النوعية)‬

‫المطلوب إيجاد القيمة الوسيطية للتوزيع التالي‪:‬‬ ‫تدريب‪:‬‬

‫‪ 20-‬فئات الدرجات‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-‬‬ ‫‪60-‬‬ ‫‪70-‬‬ ‫‪80-‬‬ ‫‪90-100 Total‬‬
‫‪ 10‬عدد الطالب‬ ‫‪20‬‬ ‫‪23‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪33‬‬ ‫‪22‬‬ ‫‪12‬‬ ‫‪190‬‬

‫‪84‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫املنوال ‪The Mode‬‬

‫احد مقاييس النزعة المركزية ويمكن تعريفه على انه القيمة األكثر شيوعا أو تكرارا بين قيم‬
‫المشاهدات بمعنى أ ‪ Mode‬هو القيمة التي تكررت أكثر من غيرها من القيم ف‪ Mode‬يحدد قيمة‬
‫المتغير ذات أكبر تكرار وال يتأثر ‪ Mode‬بالقيم الشاذة المتطرفة ‪ ،‬ويمكن حسابه للبيانات الكمية‬
‫والوصفية (النوعية)‪ ،‬ويمكن تقدير قيمته جبريا وبيانيا‪ ،‬وقد يوجد ‪ Mode‬واحد (بيانات وحيدة‬
‫المنوال) ‪ ،‬وقد يوجد أكثر من ‪ Mode‬في بعض الحاالت(بيانات متعددة المنوال) وقد ال يوجد ‪Mode‬‬
‫في البعض اآلخر(بيانات عديمة المنوال) ‪ ،‬ويعاب على ‪ Mode‬انه ال يأخذ في االعتبار جميع‬
‫البيانات إذا أنه يعتمد فقط على البيانات ذات التكرار األكثر‬

‫أوال ‪ :‬حساب ‪ Mode‬من بيانات غري مبوبة‬

‫مثال‪ :‬حدد قيمة ‪ Mode‬من البيانات التالية‪:‬‬

‫‪-‬المجموعة األولى‪57 ، 60 ، 59 ، 60 ، 60 ، 57 ، 55 ، 56 :‬‬
‫‪-‬المجموعة الثانية ‪10 ، 7 ، 9 ، 7 ، 6، 8، 7، 6 :‬‬
‫‪-‬المجموعة الثالثة ‪14 ، 13 ، 12 ، 11 ، 10 ، 6 :‬‬
‫‪-‬المجموعة الرابعة ‪11 ، 12 ، 12 ، 9 ، 12 ، 10 ، 9، 9 ، 8 :‬‬
‫الحل‬
‫‪ -1‬المجموعة األولى‬
‫‪60‬‬ ‫‪59‬‬ ‫‪57‬‬ ‫‪56‬‬ ‫‪55‬‬ ‫القيمة‬
‫‪3‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫التكرار‬
‫‪ 60= Mode‬ألنها تكررت ‪ 3‬مرات‬
‫‪ -2‬المجموعة الثانية‬
‫‪10‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫القيمة‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫التكرار‬
‫‪ 7= Mode‬ألنها تكررت ‪ 3‬مرات‪.‬‬

‫‪85‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-3‬المجموعة الثالثة‪:‬‬
‫‪14‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫القيمة‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫التكرار‬
‫ال يوجد ‪( Mode‬ال يوجد قيم مكررة )‬
‫‪-4‬المجموعة الرابعة‬
‫‪12‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫القيمة‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫التكرار‬
‫يوجد عدد ‪) 12 ، 9( Mode 2‬حيث تكرر كل منهم ‪ 3‬مرات‪.‬‬

‫ثانيا ‪:‬حساب ‪ Mode‬من بيانات مبوبة‬

‫يوجد عدة طرق لحساب ‪ Mode‬من بيانات مبوبة منها ما يلي‪:‬‬

‫‪-1‬الطريقة األولى‪ :‬طريقة مركز الفئة المنوالية‬
‫‪-2‬الطريقة الثانية ‪ :‬طريقة الفروق الدقيقة لبيرسو ‪.‬‬
‫‪-3‬الطريقة الثالثة ‪ :‬طريقة كن ‪.‬‬
‫هذا وتختلف قيمة ‪ Mode‬باختالف الطريقة المستخدمة في حسابه (مركز الفئة المنوالية ‪-‬‬
‫الفروق الدقيقة لبيرسو ‪ -‬كن ) نظرا الختالف القانو المستخدم في كل طريقة‪.‬‬

‫أ –املنوال بطريقة مركز الفئة املنواليه‬

‫نحدد الفئة المنوالية ‪ Modal Interval‬التي تقع أمام أكبر تكرار ثم نوجد مركز تلك الفئة‪.‬‬

‫‪86‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال ‪:‬أوجد ‪ Mode‬وفقا لطريقه مركز الفئة المنوالية من التوزيع التالي‪:‬‬

‫‪Categories‬‬ ‫‪3-‬‬ ‫‪9-‬‬ ‫‪15-‬‬ ‫‪21-‬‬ ‫‪27-‬‬ ‫‪33-39‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪11‬‬ ‫‪4‬‬ ‫‪9‬‬ ‫‪3‬‬ ‫‪40‬‬

‫الحل‬
‫طبقا لطريقة مركز الفئة المنوالية فا الفئة التي تقابل أكبر تكرار هي الفئة (‪)15-21‬‬
‫مركز الفئة‪:‬‬
‫𝟏𝟐‪𝟏𝟓+‬‬
‫‪=18‬‬
‫𝟐‬

‫ب–‪ Mode‬بطريقة الفروق الدقيقة لبيرسو‬

‫𝑳×𝟏𝐃‬
‫‪Mode = A +‬‬
‫𝟐𝐃‪𝐃𝟏+‬‬

‫حيث ا ‪:‬‬
‫‪ : L‬طول الفئة‬ ‫‪ : D2‬الفرق الثانى‬ ‫‪ : D1‬الفرق االول‬ ‫‪ : A‬بداية الفئة المنوالية‬
‫مثال ‪ :‬أوجد ‪ Mode‬وفقا لطريقه الفروق الدقيقة لبيرسو من التوزيع التالي ‪:‬‬
‫‪Categories‬‬ ‫‪3-‬‬ ‫‪9-‬‬ ‫‪15-‬‬ ‫‪21-‬‬ ‫‪27-‬‬ ‫‪33-39‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪9‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪27‬‬
‫الحل‬
‫نحدد الفئة المنوالية وهى الفئة التي تقع أمام اكبر تكرار ثم نطبق القانو التالي‪:‬‬
‫𝑳×𝟏𝐃‬ ‫𝟔× 𝟓‬
‫‪Mode = A +‬‬ ‫‪= 15+ 𝟓+𝟕 = 15 + 2.5=17.5‬‬
‫𝟐𝐃‪𝐃𝟏+‬‬

‫ج–‪ Mode‬بطريقة كن‬

‫𝟐𝐅‬
‫‪Mode = A +‬‬ ‫‪× F2‬‬
‫𝟏𝐅‪𝐅𝟐+‬‬

‫‪87‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫حيث ا ‪:‬‬
‫‪ : A‬بداية الفئة المنوالية‬
‫‪ : F1‬التكرار السابق‬
‫‪ : F2‬التكرار الالحق‬

‫مثال ‪:‬أوجد ‪ Mode‬وفقا لطريقه كن من التوزيع التالي ‪:‬‬

‫‪Categories‬‬ ‫‪15-‬‬ ‫‪25-‬‬ ‫‪35-‬‬ ‫‪45-‬‬ ‫‪55-‬‬ ‫‪65-75‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪28‬‬ ‫‪4‬‬ ‫‪12‬‬ ‫‪70‬‬

‫الحل‬
‫نحدد الفئة المنوالية وهى الفئة التي تقع أمام اكبر تكرار ثم نطبق القانو التالي‪:‬‬
‫𝟐𝐅‬ ‫𝟒‬
‫‪Mode = A +‬‬ ‫( ‪× F2 = 45+‬‬ ‫‪× 10) = 45 + (0.2 × 10) = 47‬‬
‫𝟏𝐅‪𝐅𝟐+‬‬ ‫𝟔𝟏‪𝟒+‬‬

‫إجياد املنوال بيانيا‬

‫نستخدم المدرج التكراري لحساب ‪ Mode‬ففي المدرج التكراري نحدد الفئة المنوالية وهي الفئة‬
‫ذات التكرار األكبر(المستطيل األطول )‪ ،‬بعد تحديد الفئة المنوالية نحدد الفئتين السابقة والالحقة للفئة‬
‫المنوالية‪ ،‬نصل بخط مستقيم رأس الحد األعلى للفئة المنوالية برأس الحد األعلى للفئة السابقة لها‪،‬‬
‫نصل بخط مستقيم رأس الحد األدنى للفئة المنوالية برأس الحد األدنى للفئة الالحقة لها من تقاطع‬
‫الخطين السابقين نسقط عمودا على المحور األفقي ونقطة تقاطعه مع المحور األفقي تمثل تقديرا‬
‫لقيمة المنوال بيانيا‪.‬‬

‫‪88‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫العالقة بني الوسط والوسيط واملنوال‬

‫توجد عالقة بين الوسط والوسيط والمنوال يمكن توضيحها في النقاط التالية‪:‬‬
‫‪ -1‬يتجه الوسط الحسابي ناحية ذيل التوزيع التكراري نظرا لتأثره الكبير بالقيم الشاذة‪.‬‬
‫‪– 2‬يتجه المنوال نحو قمة التوزيع نظرا لتأثره بالقيم األكثر انتشارا (الشائعة)‪.‬‬
‫‪ -2‬يقع الوسيط بين الوسط والمنوال نظرا ألنه أقل تأثرا بالقيم الشاذة من الوسط وأقل تأثرا‬
‫بالقيم الشائعة من ‪. Mode‬‬

‫‪89‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫التوزيع‬
‫الوسط =الوسيط=المنوال‬
‫متماثل‬

‫التوزيع‬
‫غير متماثل‬
‫(ملتوي‬
‫ناحية‬ ‫الوسط <الوسيط<المنوال‬
‫اليسار‪-‬‬
‫سالب‬
‫االلتواء)‬
‫التوزيع‬
‫غير متماثل‬
‫(ملتوي‬
‫ناحية‬ ‫الوسط >الوسيط>المنوال‬
‫اليمين‪-‬‬
‫موجب‬
‫االلتواء)‬

‫‪90‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫العالقة اخلطية التي تربط بني الوسط والوسيط واملنوال‬

‫‪-1‬إذا كا التوزيع متماثل تكو العالقة الخطية كما يلي‪ :‬الوسط الحسابي =الوسيط=المنوال‬
‫‪ -2‬إذا كا التوزيع غير متماثل تكو العالقة الخطية كما يلي‪ :‬الوسط الحسابي –المنوال= ‪( 3‬الوسط‬
‫الحسابي‪-‬الوسيط)‬

‫مثال ‪:‬إذا كانت مجموعة المشاهدات تتوزع توزيعا طبيعيا متماثال وسطه الحسابي ‪ 36‬أوجد ‪Mode‬‬
‫الحل‬
‫الوسط الحسابي =الوسيط=المنوال‬ ‫حيث أ التوزيع متماثل فا العالقة تكو كما يلي‪:‬‬
‫لذا فا ‪36 = Mode‬‬

‫الوسط = ‪ 50‬الوسيط=‪60‬‬ ‫مثال ‪ :‬أوجد ‪ Mode‬وبين شكل التوزيع للقيم التالية‪:‬‬

‫الحل‬
‫̅‬
‫𝑿‬ ‫𝑿 ( ‪-Mode = 3‬‬‫̅‬ ‫)‪-Med‬‬
‫‪50 -Mode = 3 ( 50‬‬ ‫)‪- 60‬‬
‫)‪Mode =50-3(50-60‬‬
‫)‪Mode =50-3(-10‬‬
‫‪Mode =50+30=80‬‬

‫نظرا ال ‪:‬‬
‫̅‬
‫𝑿 ( ‪) 80 ( Mode < )60 ( Med < ) 50‬‬
‫فا التوزيع ملتوي ناحية اليسار‪.‬‬

‫‪91‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال ‪:‬‬
‫توافرت القيم التالية‪:‬الوسط الحسابى = ‪ ، 45‬الوسيط=‪ ، 32‬أوجد ‪ Mode‬وبين شكل التوزيع؟‬
‫الحل‬
‫̅‬
‫𝑿‬ ‫𝑿 ( ‪-Mode = 3‬‬‫̅‬ ‫)‪-Med‬‬
‫‪45 -Mode = 3 ( 45‬‬ ‫)‪- 32‬‬
‫)‪Mode =45-3(45-32‬‬
‫)‪Mode =45-3(13‬‬
‫‪Mode =45-39=6‬‬

‫نظرا ال ‪:‬‬
‫الوسط ( ‪ > ) 45‬الوسيط (‪) 6 ( Mode > )32‬‬
‫لذا فا التوزيع يكو ملتوي ناحية اليمين‪.‬‬

‫‪92‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الربيعات والعشريات واملئينات ‪Quartiles , Deciles , Percentiles‬‬

‫رأينا سابًقا أ الوسيط هو القيمة التي تجزئ البيانات بعد ترتيبها إلى جزأين متساويين‬

‫واآل لو جزأنا البيانات بعد ترتيبها إلى أربعة أجزاء متساوية‪:‬‬

‫فإ نقاط التقسيم هي‪:‬‬

‫𝟏‪𝒏+‬‬ ‫𝟏‬
‫)‬ ‫‪=Q1‬الربيع االول =القيمة التى يسبقها البيانات أو ‪ 25%‬من البيانات وتكو رتبتها =‬
‫𝟒‬ ‫𝟒‬

‫يكو ربع المفردات اصغر منها ‪ ،‬وثالثة أرباع المفردات أكبر منها(‬

‫)𝟏‪𝟐(𝒏+‬‬ ‫𝟐‬
‫‪=Q2‬الربيع الثانى =القيمة التى يسبقها البيانات أو ‪ 50%‬من البيانات وتكو رتبتها =‬
‫𝟒‬ ‫𝟒‬

‫(القيمة التي يكو نصف المفردات أصغر منها ‪ ،‬والنصف اإلخر أكبر منها)‬

‫)𝟏‪𝟑(𝒏+‬‬ ‫𝟑‬
‫‪=Q3‬الربيع الثالث =القيمة التى يسبقها البيانات أو ‪ 75%‬من البيانات وتكو رتبتها =‬
‫𝟒‬ ‫𝟒‬

‫(القيمة التي يكو ثالثة ارباع القيم أصغر منها والربع اآلخر اكبر منها)‬

‫‪93‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫أما إذا جزأنا البيانات بعد ترتيبها إلى عشرة أجزاء متساوية‪:‬‬

‫فإ نقاط التقسيم هي‪:‬‬

‫𝟏‪𝒏+‬‬ ‫𝟏‬
‫من البيانات أو ‪ 10%‬من البيانات ويكو ترتيبها‬ ‫‪=D1‬العشير االول =القيمة التى يسبقها‬
‫𝟎𝟏‬ ‫𝟎𝟏‬

‫𝟐‬
‫من البيانات أو ‪ 20%‬من البيانات ويكو ترتيبها‬ ‫‪=D2‬العشير الثانى =القيمة التى يسبقها‬
‫𝟎𝟏‬
‫)𝟏‪𝟐(𝒏+‬‬
‫𝟎𝟏‬

‫𝟑‬
‫من البيانات أو ‪ 30%‬من البيانات ويكو ترتيبها‬ ‫‪=D3‬العشير الثالث =القيمة التى يسبقها‬
‫𝟎𝟏‬
‫)𝟏‪𝟑(𝒏+‬‬
‫𝟎𝟏‬

‫وهكذا ‪ …..‬حتى‬

‫𝟗‬
‫من البيانات أو ‪ 90%‬من البيانات ويكو ترتيبها‬ ‫‪=D9‬العشير التاسع =القيمة التى يسبقها‬
‫𝟎𝟏‬
‫)𝟏‪𝟗(𝒏+‬‬
‫𝟎𝟏‬

‫‪94‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫أما إذا جزأنا البيانات بعد ترتيبها إلى مائة جزء متساوي‪:‬‬

‫فإ نقاط التقسيم هي‪:‬‬

‫𝟏‪𝒏+‬‬ ‫𝟏‬
‫من البيانات أو ‪ 1%‬من البيانات ويكو ترتيبها‬ ‫‪=P1‬المئين االول =القيمة التى يسبقها‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬

‫)𝟏‪𝟐(𝒏+‬‬ ‫𝟐‬
‫من البيانات أو ‪ 2%‬من البيانات ويكو ترتيبها‬ ‫‪=P2‬المئين الثانى =القيمة التى يسبقها‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬

‫)𝟏‪𝟑(𝒏+‬‬ ‫𝟑‬
‫من البيانات أو ‪ 3%‬من البيانات ويكو ترتيبها‬ ‫‪=P3‬المئين الثالث =القيمة التى يسبقها‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬

‫وهكذا ‪ …..‬حتى‬

‫𝟗𝟗‬
‫من البيانات أو ‪ 99%‬من البيانات ويكو‬ ‫‪=P99‬المئين التاسع والتسعو =القيمة التى يسبقها‬
‫𝟎𝟏‬
‫)𝟏‪𝟗𝟗(𝒏+‬‬
‫ترتيبها‬
‫𝟎𝟏‬

‫‪95‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مالحظات‬
‫‪Med = Q2 = D5 = P50‬‬
‫‪Q1 = P25‬‬
‫‪Q3 = P75‬‬
‫‪D1 = P10‬‬
‫‪D2 = P20‬‬
‫‪D3 = P30 , …, D9 = P90‬‬

‫الرتبة ‪R‬‬ ‫الرمز‬ ‫المقياس‬

‫𝒏𝒌‬ ‫‪QK‬‬ ‫الربيع رقم ‪K‬‬
‫𝟒‬
‫𝒏𝒌‬ ‫‪DK‬‬ ‫العشير رقم ‪K‬‬
‫𝟎𝟏‬
‫𝒏𝒌‬ ‫‪PK‬‬ ‫المئين رقم ‪K‬‬
‫𝟎𝟎𝟏‬

‫‪96‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫أوال ‪ :‬اجياد الربيعات والعشريات واملئينات للبيانات املبوبة حسابيا‬

‫إ طريقة حساب الربيعات والعشيرات والمئينات حسابيا مشابهه لطريقة حساب الوسيط ‪ ،‬نستخدم‬
‫الجدول التكراري المتجمع الصاعد لحساب هذه المقاييس ‪ ،‬بعد تحديد رتبة المقياس المطلوب‬
‫نستخدم الصيغة التالية‪:‬‬

‫حيث أ ‪:‬‬
‫‪ : R‬رتبة المقياس‬
‫‪ :A‬بداية فئة المقياس‬
‫‪ :L‬طول الفئة‬
‫‪ : F1‬التكرار المتجمع الصاعد السابق لرتبة المقياس ‪R‬‬
‫‪ : F2‬التكرار المتجمع الصاعد الالحق لرتبة المقياس ‪R‬‬

‫مثال‪ :‬توافرت لديك بيانات عن مستوئ الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم‬
‫تلخيص مستوئ الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوئ‬
‫‪12.95-‬‬ ‫‪13.9 5-‬‬ ‫‪14. 95-‬‬ ‫‪15. 95-‬‬ ‫‪16. 95-‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫الهيموجلوبين(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬
‫المطلوب أوجد حسابيا كل من ‪:‬‬
‫‪-‬المئين التاسع والتسعو‬ ‫‪ -‬العشير الثانى‬

‫‪97‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الحل‬
‫الجدول التكراري المتجمع الصاعد‬ ‫الجدول التكراري البسيط‬
‫التكرار المتجمع الصاعد‬ ‫الحدود العليا للفئات‬ ‫التكرارات ‪f‬‬ ‫الفئة‬
‫صفر‬ ‫أقل من ‪12.95‬‬ ‫‪3‬‬ ‫‪12.95-‬‬
‫‪3‬‬ ‫أقل من ‪13.95‬‬ ‫‪5‬‬ ‫‪-13.95‬‬
‫‪8= F1‬‬ ‫أقل من ‪14.95 = A‬‬ ‫‪15‬‬ ‫‪-14.95‬‬
‫‪23=F2‬‬ ‫أقل من ‪15.95‬‬ ‫‪16‬‬ ‫‪-15.95‬‬
‫‪39‬‬ ‫أقل من ‪16.95‬‬ ‫‪10‬‬ ‫‪-16.95‬‬
‫‪49=F1‬‬ ‫أقل من ‪17.95 = A‬‬ ‫‪1‬‬ ‫‪-17.95-18.95‬‬
‫‪50=F2‬‬ ‫أقل من ‪18.95‬‬ ‫‪∑f=50‬‬

‫‪ -1‬حساب العشير الثاني‬

‫)𝟏‪𝟐(𝒏+‬‬ ‫𝟏𝟓× 𝟐‬
‫=‪R‬‬ ‫=‬ ‫‪=10.2‬‬
‫𝟎𝟏‬ ‫𝟎𝟏‬

‫‪A= 14.95, L = 1.00‬‬ ‫‪, F1 = 8‬‬ ‫‪, F2 = 23‬‬

‫𝟏𝑭‪𝑹−‬‬ ‫𝟖‪𝟏𝟎.𝟐−‬‬
‫‪D2= A +‬‬ ‫‪× L = 14.95 +‬‬ ‫‪× 1.00= 15.09‬‬
‫𝟏𝑭‪𝑭𝟐−‬‬ ‫𝟖‪𝟐𝟑−‬‬

‫يقل مستوئ الهيموجلوبين لهم عن ‪D2=15.09‬‬ ‫التعليق‪ :‬نستطيع القول بأ ‪ 20%‬من األشخا‬
‫(‪) D2=P20‬‬

‫‪98‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪ -2‬حساب المئين التاسع والتسعين‬

‫‪A= 17.95, L = 1.00‬‬ ‫‪, F1 = 49‬‬ ‫‪, F2 = 50‬‬

‫𝟏𝑭‪𝑹−‬‬ ‫𝟗𝟒‪𝟓𝟎.𝟒𝟗−‬‬
‫‪P99= A +‬‬ ‫‪× L = 17.95 +‬‬ ‫‪× 1.00= 19.44‬‬
‫𝟏𝑭‪𝑭𝟐−‬‬ ‫𝟗𝟒‪𝟓𝟎−‬‬

‫يقل مستوئ الهيموجلوبين لهم عن ‪P99=19.44‬‬ ‫التعليق‪ :‬نستطيع القول بأ ‪ 99%‬من األشخا‬

‫ثانيا ‪ :‬اجياد الربيعات والعشريات واملئينات للبيانات املبوبة بيانيا‬

‫إ طريقة حساب الربيعات والعشيرات والمئينات بيانيا مشابهه لطريقة حساب الوسيط إذ نستخدم‬
‫المضلع التكراري المتجمع الصاعد مع مالحظة تحديد الرتبة المناسبة للمقياس المطلوب بدال من‬
‫𝒏‬
‫رتبة الوسيط‬
‫𝟐‬

‫مثال‪ :‬اعد حل المثال السابق بيانيا‬

‫الحل‬
‫رتبة العشير الثانى ‪:‬‬
‫)𝟏‪𝟐(𝒏+‬‬ ‫𝟏𝟓× 𝟐‬
‫=‪R‬‬ ‫=‬ ‫‪=10.2‬‬
‫𝟎𝟏‬ ‫𝟎𝟏‬

‫رتبة المئين التاسع والتسعين‬

‫)𝟏‪𝟗𝟗(𝒏+‬‬ ‫𝟏𝟓× 𝟗𝟗‬
‫=‪R‬‬ ‫=‬ ‫‪=50.49‬‬
‫𝟎𝟎𝟏‬ ‫𝟎𝟎𝟏‬

‫‪99‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫من الشكل السابق يتضح إ القيم التقريبية للعشير الثاني‪ D2‬والمئين التاسع والتسعين ‪ P99‬هما‬
‫على التوالى ‪P99=19.44 ، D2=15.09:‬‬

‫‪100‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫الربيع األول (األدنى) ‪ Q1‬والربيع الثالث(االعلى) ‪Q3‬‬

‫‪Lower Quartile & Upper Quartile‬‬

‫الربيكككع االول ‪ : Q1‬القيمكككة التكككي يككككو عنكككدها عكككدد المفكككردات األقكككل فكككي القيمكككة = ‪ 4/1‬عكككدد‬
‫المفردات وعدد المفردات األكبر في القيمة = ‪ 4/3‬عدد المفردات‪.‬‬

‫الربيككع الثالككث ‪ : Q3‬القيمككة التككي يكككو عنككدها عككدد المفككردات األقككل فككي القيمككة = ‪ 4/3‬ع كدد‬
‫المفردات وعدد المفردات األكبر في القيمة = ‪ 4/1‬عدد المفردات‪.‬‬

‫‪101‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫أوال‪ :‬إجياد الربيع االول والثالث من بيانات غري مبوبه‬

‫الخطوات‪:‬‬
‫‪-1‬ترتيككب البيان كات تصككاعديا أو تنازليككا (لككن تختلككف قيمككة الربيككع األدنككى والربيككع األعلككى إذا اخترنككا‬
‫الترتيب التصاعدي أو الترتيب التنازلي )‪.‬‬
‫‪-2‬إيجاد رتبه الربيعين ‪:‬‬
‫𝟏‪𝒏+‬‬
‫=‪RQ1‬‬
‫𝟒‬

‫)𝟏‪𝟑(𝒏+‬‬
‫=‪RQ3‬‬
‫𝟒‬

‫أوجد قيمة ‪ Q2 ، Q1‬للبيانات التالية‪:‬‬

‫‪62،37،52،32،50،27،40،27،20،22‬‬
‫الحل‬
‫‪-1‬ترتيب البيانات تصاعديا كما يلي‪:‬‬
‫‪62-52-50-40-37-37-32-27-22-20‬‬

‫‪-2‬إيجاد رتبه الربيعين ‪:‬‬

‫𝟏‪𝟏𝟎+‬‬
‫=‪RQ1‬‬ ‫‪=2.75‬‬
‫𝟒‬
‫)𝟏‪𝟑(𝟏𝟎+‬‬
‫=‪RQ3‬‬ ‫‪=8.25‬‬
‫𝟒‬

‫‪-3‬إيجاد قيمة الربيعين ‪:‬‬

‫* قيمة الربيع االول ‪Q1‬‬

‫‪102‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫نظرا ال رتبة الربيع األدنى ‪ RQ1=2.75‬فهو يقع بين المفردتين ذات الترتيب الثاني والثالث وفى‬
‫‪ 3/4‬المسافة بينهما لذا نضيف للمفردة الثانية ‪ 3/4‬المسافة بينها وبين المفردة الثالثة كما يلي‪:‬‬
‫‪Q1=22+3/4(27-22)=22+3/4×5=22+3.75=25.75‬‬

‫* قيمة الربيع الثالث ‪Q3‬‬

‫نظرا ال رتبة الربيع األعلى ‪ Q3=8.25‬فهي تقع بين المفردتين ذات الترتيب الثامن والتاسع‬
‫وفى ‪ 1/4‬المسافة بينهما لذا نضيف للمفردة الثامنة ‪ 1/4‬المسافة بينها وبين المفردة التاسعة كما‬
‫يلي‪:‬‬
‫‪Q3=50+1/4(52-50)=50+1/4×2=50+0.5=50.5‬‬

‫‪103‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫ثانيا‪ :‬إجياد الربيع االول والثالث من بيانات مبوبه (توزيع تكراري)‬

‫الخطوات‪:‬‬
‫‪-1‬تكوين جدول التوزيع التكراري المتجمع الصاعد أو الهابط‪.‬‬
‫‪-2‬إيجاد ترتيب الربيعين ‪:‬‬
‫𝒇∑‬
‫=‪RQ1‬‬
‫𝟒‬
‫𝒇∑𝟑‬
‫=‪RQ3‬‬
‫𝟒‬

‫‪-3‬تحديد موقع الربيع األدنى (أو الربيع األعلى) من بين عمود التكرار المتجمع الصاعد‪.‬‬
‫‪-4‬تحديد الحد األدنى لفئة الربيع األدنى (أو الربيع األعلى )من بين الفئات ‪.‬‬
‫‪-5‬تحديد التكرار السابق‪.‬‬
‫‪ -6‬من الجدول التكراري المتجمع نوجد الفرق بين التكرار الالحق والتكرار السابق‪.‬‬
‫‪-7‬نحدد من الجدول التكراري األصلي طول فئة الربيع األدنى (أو الربيع األعلى)‪.‬‬

‫‪-8‬نعوض في القانو التالي‪:‬‬

‫ويمكن توضيح موقع كال من الربيع االول ‪ Q1‬والوسيط (الربيع الثاني) ‪ Median‬والربيع الثالث‬
‫‪ Q3‬من خالل تقسيم المساحة أسفل المنحنى التكراري كما يلي‪:‬‬

‫‪104‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫مثال ‪:‬الجدول التالي يبين توزيع درجات ‪ 120‬طالب في اختبار ما‪:‬‬

‫‪Categories 2- 11- 20-‬‬ ‫‪-29‬‬ ‫‪-38‬‬ ‫‪47-56‬‬ ‫‪sum‬‬
‫‪frequencies 3‬‬ ‫‪11‬‬ ‫‪18‬‬ ‫‪42‬‬ ‫‪36‬‬ ‫‪10‬‬ ‫‪120‬‬
‫أوجد قيمة كال من ‪Q3 ، Q2 ، Q1‬‬
‫الحل‬
‫‪-1‬إنشاء جدول التوزيع التكراري المتجمع الصاعد كما يلي‪:‬‬
‫الجدول التكراري المتجمع الصاعد‬ ‫الجدول التكراري البسيط‬
‫التكرار المتجمع الصاعد‬ ‫الحدود العليا للفئات‬ ‫عدد الطالب ‪f‬‬ ‫فئات الدرجات‬
‫‪0‬‬ ‫أقل من ‪2‬‬ ‫‪3‬‬ ‫‪2-‬‬
‫‪3‬‬ ‫أقل من ‪11‬‬ ‫‪11‬‬ ‫‪11-‬‬
‫‪14‬‬ ‫أقل من ‪20‬‬ ‫‪18‬‬ ‫‪20-‬‬
‫‪32‬‬ ‫أقل من ‪29‬‬ ‫‪42‬‬ ‫‪29-‬‬
‫‪74‬‬ ‫أقل من ‪38‬‬ ‫‪36‬‬ ‫‪38-‬‬
‫‪110‬‬ ‫أقل من ‪47‬‬ ‫‪10‬‬ ‫‪56-47‬‬
‫‪120‬‬ ‫أقل من ‪56‬‬ ‫‪∑f=120‬‬

‫‪105‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-1‬إيجاد الربيع األدنى‬

‫𝒇∑‬ ‫𝟎𝟐𝟏‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=30‬‬
‫𝟒‬ ‫𝟒‬

‫𝟒𝟏‪𝟑𝟎−‬‬
‫‪Q1=20+‬‬ ‫‪×9=20 +8=28‬‬
‫𝟒𝟏‪𝟑𝟐−‬‬

‫‪-2‬إيجاد الوسيط ‪Median‬‬

‫ترتيب الوسيط‬
‫𝒇∑‬ ‫𝟎𝟐𝟏‬
‫= =‪R‬‬ ‫=‬ ‫‪=60‬‬
‫𝟐‬ ‫𝟐‬

‫𝟐𝟑‪𝟔𝟎−‬‬ ‫𝟖𝟐‬
‫‪Med = 29 +‬‬ ‫‪× 9 = 29 +‬‬ ‫‪× 9 = 29+ 6 = 42‬‬
‫𝟐𝟑‪𝟕𝟒−‬‬ ‫𝟓𝟑‬

‫‪106‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-3‬إيجاد الربيع الثالث ‪Q3‬‬

‫𝒇∑𝟑‬ ‫𝟎𝟐𝟏× 𝟑‬
‫=‪RQ3‬‬ ‫=‬ ‫‪= 90‬‬
‫𝟒‬ ‫𝟒‬

‫𝟒𝟕‪𝟗𝟎−‬‬
‫‪Q3= 38 +‬‬ ‫‪× 9 = 38 + 4 = 42‬‬
‫𝟒𝟕‪𝟏𝟏𝟎−‬‬

‫‪107‬‬
 ‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫التمارين‬
‫‪ -1‬أوجد الوسط الحسابي للقيم التالية ‪ ، 18 7 16 9 :‬ثم اثبت أ ‪:‬‬
‫‪̅ )=0‬‬
‫𝑿‪∑(X-‬‬

‫‪ 40 = 3‬وكانت أوساطها الحسكابية ‪، 60‬‬ ‫‪، 28 = 2 ، 20 = 1‬‬ ‫‪-2‬يوجد ثالث عينات أحجامها‬
‫‪120 ، 105‬على الترتيب أوجد الوسط الحسابي المرجح‪.‬‬

‫‪ -3‬أوجد ‪ Med‬ثم ‪ Mode‬مما يلى‪21 -1 9 3 15 13 23 9 -11 -19 1 9:‬‬

‫‪-4‬إذا كا ̅ =‪ 25‬وكا ‪ 30=Med‬أوجد ‪ Mode‬ووضح شكل التوزيع؟‬

‫‪ -5‬إذا كا الوسط الحسابي لتوزيع ما =‪ 45‬وكا الوسيط=‪ 32‬أوجد ‪ Mode‬ووضح شكل التوزيع؟‬

‫‪-6‬حدد ‪ Mode‬من البيانات التالية ( إ وجد )‪.‬‬

‫‪31 34 31 50 31 39 30‬‬
‫‪31 12 18 12 19 12 14‬‬
‫‪60 45 40 35 30 10‬‬

‫‪-7‬توافرت لديك البيانات التالية‪:‬‬

‫‪Categories‬‬ ‫‪10-‬‬ ‫‪20-‬‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-60‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪9‬‬ ‫‪16‬‬ ‫‪11‬‬ ‫‪9‬‬ ‫‪5‬‬ ‫‪50‬‬
‫والمطلوب ايجاد ما يلى‪:‬‬
‫‪.Mode -‬‬ ‫– ‪.Q1,Q2‬‬ ‫‪.Med -‬‬
‫‪108‬‬
‫الفصل الثانى‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬

‫‪-8‬توافرت لديك البيانات التالية‪:‬‬

‫‪Categories‬‬ ‫‪10-‬‬ ‫‪20-‬‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-‬‬ ‫‪60‬‬ ‫‪70-80‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪4‬‬ ‫‪28‬‬ ‫‪60‬‬ ‫‪42‬‬ ‫‪38‬‬ ‫‪20‬‬ ‫‪8‬‬ ‫‪200‬‬
‫والمطلوب ايجاد ما يلى‪:‬‬
‫‪-Med‬‬ ‫– ‪Mod‬‬ ‫𝒙‪.‬‬
‫‪̅-‬‬
‫‪ -9‬توافرت لديك البيانات التالية‪:‬‬
‫‪Categories‬‬ ‫‪80-‬‬ ‫‪90-‬‬ ‫‪100- 110- 120-‬‬ ‫‪130-140‬‬ ‫‪Total‬‬
‫‪Frequencies‬‬ ‫‪10‬‬ ‫‪16‬‬ ‫‪28‬‬ ‫‪20‬‬ ‫‪12‬‬ ‫‪4‬‬ ‫‪90‬‬
‫‪Q1,Q2 -‬‬ ‫‪.Med -‬‬ ‫والمطلوب ايجاد ما يلى‪:‬‬

‫‪109‬‬
‫مقـــــاييـــس التشــــتت‬

‫‪Dispersion Measures‬‬
‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪111‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مقدمة‬

‫ذكرنا في الفصل السابق بعض مقاييس النزعة المركزية والتي تمثل مقاييس عددية لموضع أو مكان‬
‫تركز البيانات لظاهرة ما ‪ ،‬وقد ذكرنا بأن هذه المقاييس تستخدم لمقارنة مجموعات البيانات المختلفةة‬
‫‪ ،‬وفي الحقيقة فإن مقاييس النزعة المركزية غير كافية إليجاد مقارنة شاملة بين مجموعات البيانات‬
‫المختلفة ‪ ،‬فقد تكةون هنةا مجموعةات مةن البيانةات لهةا نفةس مقةاييس النزعةة المركزيةة (لهةا نفةس‬
‫الموضع ) ولكنها تختلف في بعض الصفات األخرى ‪ ،‬المثال التالي يبين لنا مجمةوعتين مةن البيانةات‬
‫لهما نفس المتوسط ولكنهما مختلفتان في طبيعة تشتتهما‪.‬‬

‫المتوسط‬ ‫البيانات‬ ‫المجموعة‬

‫‪..▪..▪…▪..▪..▪……..‬‬ ‫‪60‬‬ ‫‪59,61,62,58,60‬‬ ‫االولى‬
‫……▪‪..▪……..▪…..▪…....▪…....‬‬ ‫‪60‬‬ ‫‪50,60,66,54,70‬‬ ‫الثانية‬

‫بالرغم من أن المتوسط يساوي ‪ 60‬للمجموعتين إال أن التشتت) أو االختالف ( بين القيم في كل‬
‫مجموعة غير متساو ‪ ،‬فمن الواضح أن بيانات المجموعة األولى أكثر تقارب فيما بينها (أقل تشتًتا‬
‫وتباعد فيما بينها) من بيانات المجموعة الثانية ‪ ،‬لذلك دعت الحاجة إليجاد مقاييس تقيس طبيعة‬
‫تشتت (أو تفرق أو اختالف أو تباعد ) البيانات فيما بينها ‪.‬هذه المقاييس تسمى مقاييس التشتت أو‬
‫االختالف‪.‬‬

‫و تهةةتم مقةةاييس التشةةتت بقيةةاا مةةدى تباعةةد القةةيم أو البيانةةات عةةن بعهةةها الةةبعض أو تباعةةدها عةةن‬
‫وسطها الحسابي حيث أنها تلعب دورا كبيرا فةي عمليةات التحليةل واالسةتنتاح اإلحصةامي ممةا يسةاعد‬
‫علةةى تعمةةيم نتةةامن العينةةة علةةى المجتمةةع ‪ ،‬وتتمثةةل مقةةاييس التشةةتت فةةي ‪:‬المةةدى ‪ ،‬االنحةةراف الربيعةةي‬
‫‪،‬االنحراف المتوسط ‪ ،‬التباين ‪ ،‬االنحراف المعياري‪.‬‬

‫‪112‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫وتجدر اإلشارة إلى أن تلك المقاييس تصلح للمقارنة بين الظواهر ذات نفس وحدات القيةاا مثةل‬
‫مقارنةةت تشةةتت درجةةات مجموعةةت مةةن الطةةالب فةةي احةةد المةةواد الدراسةةية بكليةةة مةةا مةةع تشةةتت درجةةات‬
‫مجموعةةت مةةن الطةةالب لةةنفس المةةادة بكليةةة أخةةرى وال يمكةةن اسةةتخدامها لمقارنةةت تشةةتت تةةو يعين‬
‫تكراريين لظةاهرتين تختلفةان فةي وحةدات القيةاا مثةل مقارنةت درجةات مجموعةت مةن الطةالب بأعمةار‬
‫نفس المجموعة نظرا الختالف وحدات القياا‪.‬‬

‫‪113‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫املدى ‪Rang‬‬
‫المدى أحةد مقةاييس التشةتت وأبسةطها حسةابا ‪،‬فةإذا كةان لةدينا مجموعةت مةن البيانةات تةم ترتيبهةا‬
‫تصاعديا فان المدى يكون عبارة عن الفرق بين أكبر قيمةة وأقةل قيمةة ‪ ،‬ويتةألر المةدى بدرجةة كبيةرة‬
‫بالقيم الشاذة لذا ينصةح عنةد حسةاب المةدى بحةذف القةيم الشةاذة الكبةرى والصةىرى‪ ،‬كمةا انةت ال يأخةذ‬
‫جميع القيم في الحسبان ويعتمد فقط على قيمتين‬
‫‪Rang=Xmax - Xmin‬‬
‫حيث ان ‪:‬‬
‫‪ : Xmax‬أكبر قيمة (للبيانات المفردة ) ‪ ،‬أو مركز الفئة االخيرة ( للبيانات المبوبة )‬
‫‪ : Xmin‬أصىر قيمة (للبيانات المفردة ) ‪ ،‬أو مركز الفئة األولى ( للبيانات المبوبة )‬

‫مثال ‪ :‬أوجد المدى بكل مجموعت من البيانات التالية‪:‬‬

‫المجموعة الثالثة‬ ‫المجموعة الثانية‬ ‫المجموعة األولى‬

‫‪36-25-23-21-16-14-10‬‬ ‫‪25-20-16-15-12-9-6‬‬ ‫‪18-17-15-13-11-9-5‬‬

‫الحل‬

‫‪R=18-5=13‬‬ ‫المجموعة األولى‬

‫‪R=25-6=19‬‬ ‫المجموعة الثانية‬
‫‪R=36-10=26‬‬ ‫المجموعة الثالثة‬

‫‪114‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‬
‫أوجد المدى للبيانات التالية‪:‬‬
‫‪Categories‬‬ ‫‪30-‬‬ ‫‪35-‬‬ ‫‪40-‬‬ ‫‪45-‬‬ ‫‪50-‬‬ ‫‪55-60‬‬
‫‪fi‬‬ ‫‪2‬‬ ‫‪9‬‬ ‫‪15‬‬ ‫‪11‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪xi‬‬ ‫‪32.5‬‬ ‫‪37.5‬‬ ‫‪42.5‬‬ ‫‪47.5‬‬ ‫‪52.5‬‬ ‫‪57.5‬‬
‫الحل‬
‫‪R = 57.5 – 32.5 = 25‬‬

‫تدريب‬
‫أوجد المدى للمشاهدات التالية والتي هي عبارة عن أو ان مجموعة مكونة من ‪ 7‬أفراد ‪:‬‬
‫‪25, 30, 40, 45, 35, 55, 50‬‬
‫تدريب‬
‫أوجد المدى لمستوى الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم تلخيص مستوى‬
‫الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوى‬
‫‪12.95-‬‬ ‫‪13.9 5-‬‬ ‫‪14. 95-‬‬ ‫‪15. 95-‬‬ ‫‪16. 95-‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫الهيموجلوبين(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬

‫‪115‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االحنراف الربيعي ‪Quartile Deviation‬‬

‫(نصف املدى الربيعي ‪) Semi-Inter-quartile Range‬‬
‫نظرا لتألر المدى بالقيم الشاذة لذا كان البد من وجود مقيةاا خخةر يمكةن مةن خاللةت تجنةب القةيم‬
‫الشةةاذة باسةةتبعادها مةةن طرفةةي التو يةةع واالكتفةةاس بةةالجزس األوسةةط مةةن قةةيم المجموعةةة ويسةةمى ذلةةك‬
‫المقياا االنحراف الربيعي (نصف المدى الربيعي) ‪.‬‬

‫ويعاب على مقياا االنحراف الربيعي أنت ال يأخذ في الحسبان جميع قةيم الظةاهرة محةل الدراسةة‬
‫وعدم إعطاؤه معلومات كاملة عن طبيعة التشتت لتو يةع بيانةات الظةاهرة محةل الدراسةة ممةا يصةعب‬
‫التعامل معت في التحليل اإلحصامي وعدم االطمئنان لتعميم نتامجت على المجتمع ‪.‬‬
‫ويحسب االنحراف الربيعي كما يلي‪:‬‬

‫𝟏𝐐‪𝐐𝟑−‬‬
‫=‪Q‬‬
‫𝟐‬
‫حيث ان ‪:‬‬
‫‪ : Q1‬الربيع االول ( االدنى)‬
‫‪ : Q3‬الربيع الثالث ( االعلى)‬

‫‪116‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‬
‫أوجد نصف المدى الربيعي لمفردات العينة التالية‪:‬‬
‫‪88-74-50-80-70-64-54-100-92-54‬‬
‫الحل‬
‫‪-‬ترتيب البيانات تصاعديا أو تنا ليا كما يلي‪:‬‬
‫‪100-92-88-80-74-70-64-54-54-50‬‬
‫‪-‬إيجاد رتبت الربيعين ‪:‬‬
‫𝟏‪𝒏+‬‬ ‫𝟏‪𝟏𝟎+‬‬ ‫𝟏𝟏‬
‫=‪RQ1‬‬ ‫=‬ ‫=‬ ‫‪= 2.75‬‬
‫𝟒‬ ‫𝟒‬ ‫𝟒‬

‫)𝟏‪𝟑(𝒏+‬‬ ‫)𝟏‪𝟑(𝟏𝟎+‬‬ ‫𝟑𝟑‬

‫=‪RQ3‬‬ ‫=‬ ‫=‬ ‫‪= 8.25‬‬
‫𝟒‬ ‫𝟒‬ ‫𝟒‬

‫قيمة الربيع االول ‪Q1‬‬

‫نظرا الن رتبة الربيع االول= ‪ 2.75‬فهي تقع بين المفردتين ذات الترتيب الثاني والثالث وفةى ‪3/4‬‬
‫المسافة بينهما لذا نهيف للمفردة الثانية ‪ 3/4‬المسافة بينها وبين المفردة الثالثة كما يلي‪:‬‬
‫قيمة ‪54 = 0+ 54 = 0 × 3/4+ 54 = )54-54( 3/4 +54 =Q1‬‬

‫قيمة الربيع الثالث ‪Q3‬‬

‫نظرا الن رتبة الربيع الثالث ‪ 8.25=Q3‬فهي تقع بين المفردتين ذات الترتيب الثامن والتاسع وفى‬
‫‪ 1/4‬المسافة بينهما لذا نهيف للمفردة الثامنة ‪ 1/4‬المسافة بينها وبين المفردة التاسعة كما يلي‪:‬‬
‫قيمة ‪89= 1 + 88 = 4 × 1/4+ 88 = )88-92( 1/4 + 88 = Q3‬‬
‫نصف المدى الربيعى‪:‬‬

‫𝟏𝑸‪𝑸𝟑−‬‬ ‫𝟒𝟓‪𝟖𝟗−‬‬ ‫𝟏𝟏‬

‫=‪Q‬‬ ‫=‬ ‫=‬ ‫‪=17.5‬‬
‫𝟐‬ ‫𝟐‬ ‫𝟐‬

‫‪117‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‬
‫أوجد نصف المدى الربيعى لمستوى الهيموجلوبين في الدم لعينة مكونة من ‪ 50‬شخص تم تلخيص‬
‫مستوى الهيموجلوبين لهم كما يلى‪:‬‬
‫مستوى‬
‫‪-12.95‬‬ ‫‪-13.9 5‬‬ ‫‪-14. 95‬‬ ‫‪-15. 95‬‬ ‫‪-16. 95‬‬ ‫‪17. 95– 18.95‬‬ ‫‪Total‬‬
‫الهيموجلوبين(الفئات)‬
‫‪F‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪50‬‬

‫وذلك باستخدام‪ :‬الطريقة الحسابية ‪ ،‬الطريقة البيانية‬

‫الحل‬
‫الطريقة الحسابية ‪ :‬باستخدام قيم ذلك المثال بالفصل السابق نعوض في القانون التالى ‪:‬‬

‫𝟏𝑸‪𝑸𝟑−‬‬ ‫𝟓𝟐‪𝟏𝟔.𝟖𝟔−𝟏𝟓.‬‬
‫=‪Q‬‬ ‫=‬ ‫‪= 1.61‬‬
‫𝟐‬ ‫𝟐‬

‫الطريقة البيانية‬

‫‪118‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫نعوض في القانون التالى ‪:‬‬

‫𝟏𝑸‪𝑸𝟑−‬‬ ‫𝟓𝟐‪𝟏𝟔.𝟖𝟔−𝟏𝟓.‬‬
‫=‪Q‬‬ ‫=‬ ‫‪= 1.61‬‬
‫𝟐‬ ‫𝟐‬

‫تدريب‪:‬احسب نصف المدى الربيعي من التو يع التكراري التالي‪:‬‬

‫‪Categories‬‬ ‫‪10-‬‬ ‫‪16-‬‬ ‫‪22-‬‬ ‫‪28-‬‬ ‫‪34-‬‬ ‫‪40-‬‬ ‫‪46-52‬‬ ‫‪sum‬‬
‫‪frequency‬‬ ‫‪14‬‬ ‫‪24‬‬ ‫‪36‬‬ ‫‪48‬‬ ‫‪40‬‬ ‫‪22‬‬ ‫‪16‬‬ ‫‪200‬‬

‫‪119‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االحنراف املتوسط ‪Mean Deviation‬‬

‫أحد مقةاييس التشةتت ويعتمةد فةي حسةابت علةى جميةع قةيم الظةاهرة محةل الدراسةة وهةو عبةارة عةن‬
‫متوسط مجموع انحرافات القيم عن وسطها الحسابي بىض النظر عن اإلشارة حيث يتم حساب القيمة‬
‫المطلقة لتلك االنحرافات‪ ،‬وعلى الرغم ان االنحراف المتوسط يتميز بأنت يأخذ في االعتبار جميع القيم‬
‫اال انت مقياا قليل االستخدام وأقل دقة من مقاييس التشتت االخرى حيث يتألر بالقيم الشاذة ويصةعب‬
‫التعامل معت رياضيا‬
‫فةإذا كانةت ‪ X1,X2,…,Xn‬هةى بيانةات هةاهرة معينةة ‪ ،‬وكةان) ‪̅ = ∑ x/n‬‬
‫𝑿 ) عبةارة عةن الوسةط‬
‫الحسابى لتلك البيانات ‪ ،‬فإن االنحراف المتوسط (‪ )MD‬يحسب كما يلى ‪:‬‬

‫االحنراف املتوسط من بيانات غري مبوبة‪:‬‬

‫مثال‬
‫اذا كانت الطاقة التصديرية لعدد (‪ )5‬محطات لتحلية المياه بالمليون متر مكعب كما يلى‪:‬‬
‫‪4،5،2 ،10 ، 7‬‬
‫والمطلوب ايجاد قيمة االنحراف المتوسط للطاقة التصديرية‬

‫‪120‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الحل‬

‫الوسط الحسابي‬

‫‪̅ =∑𝑿 =𝟐𝟖=5.6‬‬

‫𝑿‬ ‫𝒏‬ ‫𝟓‬

‫تدريب‪ :‬احسب االنحراف المتوسط باستخدام الوسط الحسابي للقيم التالية‪:‬‬

‫‪32-28-16-44-20‬‬

‫‪121‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االحنراف املتوسط من بيانات مبوبة (توزيع تكراري)‬

‫يحسب بالقانون التالى‪:‬‬

‫حيث ان ‪:‬‬
‫̅‬
‫𝑿 ‪ :‬الوسط الحسابى‬ ‫‪ :x‬مركز الفئة‬ ‫‪ : f‬تكرار الفئة‬
‫مثال‬
‫يوضح الجدول التالى تو يع ‪ 40‬أسره حسب االنفاق الشهرى (بآالف جنيت)‬
‫االنفاق‬ ‫‪2-‬‬ ‫‪5-‬‬ ‫‪8-‬‬ ‫‪11-‬‬ ‫‪14-17‬‬ ‫‪sum‬‬
‫عدد االسرة‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪8‬‬ ‫‪40‬‬
‫أوجد االنحراف المتوسط‬
‫الحل‬
‫عدد‬
‫حدود‬ ‫مركز الفئة‬ ‫الوسط الحسابى‬ ‫|̅‬ ‫|̅‬
‫االسر‬ ‫‪fx‬‬ ‫̅‬ ‫𝑿 ‪|𝑿 −‬‬ ‫𝑿 ‪f|𝑿 −‬‬
‫االنفاق‬ ‫‪x‬‬ ‫𝑿‬
‫‪f‬‬
‫‪2-‬‬ ‫‪1‬‬ ‫‪3.5‬‬ ‫‪3.5‬‬ ‫‪7.2‬‬ ‫‪7.2‬‬
‫‪5-‬‬ ‫‪8‬‬ ‫‪6.5‬‬ ‫‪52‬‬ ‫𝒙𝒇 ∑‬ ‫‪4.2‬‬ ‫‪33.6‬‬
‫=‬ ‫𝒇∑‬
‫‪8-‬‬ ‫‪13‬‬ ‫‪9.5‬‬ ‫‪123.5‬‬ ‫‪1.2‬‬ ‫‪15.6‬‬
‫‪11-‬‬ ‫‪10‬‬ ‫‪12.5‬‬ ‫‪125‬‬ ‫𝟖𝟐𝟒‬ ‫‪1.8‬‬ ‫‪18‬‬
‫=‬
‫‪14-17‬‬ ‫‪8‬‬ ‫‪15.5‬‬ ‫‪124‬‬ ‫𝟎𝟒‬ ‫‪4.8‬‬ ‫‪38.4‬‬
‫‪∑f=40‬‬ ‫‪∑fx=428‬‬ ‫‪=10.7‬‬ ‫‪112.8‬‬

‫‪122‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االنحراف المتوسط ‪:‬‬

‫التعليق ‪:‬االنحراف المتوسط لإلنفاق الشهري ‪ 2.82‬الف جنيت‬

‫تدريب ‪:‬احسب االنحراف المتوسط باستخدام الوسط الحسابي للتو يع التكراري في الجدول التالي‪:‬‬
‫‪categories‬‬ ‫‪24-‬‬ ‫‪34-‬‬ ‫‪44-‬‬ ‫‪54-‬‬ ‫‪64-‬‬ ‫‪74-84‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪6‬‬ ‫‪12‬‬ ‫‪14‬‬ ‫‪20‬‬ ‫‪16‬‬ ‫‪4‬‬ ‫‪72‬‬

‫تدريب ‪:‬احسب االنحراف المتوسط باستخدام الوسط الحسابي للتو يع التكراري في الجدول التالي‪:‬‬
‫‪categories‬‬ ‫‪14- 20- 26- 32- 38-‬‬ ‫‪44-‬‬ ‫‪50-56‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪17‬‬ ‫‪45‬‬ ‫‪50‬‬ ‫‪88‬‬ ‫‪58‬‬ ‫‪37‬‬ ‫‪5‬‬ ‫‪300‬‬

‫‪123‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫التباين واالحنراف املعياري‬

‫‪Variance & Standard Deviation‬‬

‫التباين أحد مقاييس التشتت وأهمها وهو عبارة عن متوسط انحرافات القيم عن وسطها الحسابي‬
‫أما االنحراف المعياري فهو عبارة عن الجذر التربيعي للتباين ‪ ،‬ويرمز للتباين في المجتمع بالرمز‬
‫‪ 2σ‬ولالنحراف المعياري بالرمز ‪σ‬‬
‫وتعتمد فكرة التباين على تشتت أو تباعد البيانات عن متوسطها ‪ ،‬فالتباين يكون كبير إذا كانت‬
‫البيانات متباعدة عن متوسطها والعكس بالعكس‪.‬‬

‫ونالحظ ما يلي‪:‬‬
‫‪-‬ال يؤلر طرح أو جمع مقدار لابت من المفردات األصلية في التباين أو االنحراف المعياري‪.‬‬
‫‪-‬عند ضرب القيم األصلية في مقدار لابت فان ‪:‬‬
‫تباين القيم الجديدة = تباين القيم األصلية × مربع المقدار الثابت‪.‬‬

‫التباين من بيانات غري مبوبة‬

‫أوال ‪:‬التباين يف اجملتمع ‪σ2‬‬

‫حيث أن‪:‬‬
‫𝒙∑‬
‫‪ : µ‬الوسط الحسابي للمجتمع =‬
‫𝑵‬

‫‪124‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‬
‫مصنع لتعبئة المواد الىذامية يعمل بت ‪ 15‬عامل وكانت عدد سنوات الخبرة لهم كما يلى ‪:‬‬
‫‪5 13 7 14 12 9 6 8 10 13 14 6 11 12 10‬‬
‫بفرض ان تلك البيانات تم جمعها عن كل مفردات المجتمع ‪ ،‬أوجد التباين لعدد سنوات الخبرة‬
‫الحل‬
‫ايجاد الوسط الحسابي للمجتمع ‪:‬‬

‫𝒙∑‬ ‫𝟎𝟏‪𝟓+𝟏𝟑+𝟕+𝟏𝟒+𝟏𝟐+𝟗+𝟔+𝟖+𝟏𝟎+𝟏𝟑+𝟏𝟒+𝟔+𝟏𝟏+𝟏𝟐+‬‬ ‫𝟎𝟓𝟏‬

‫=‪µ‬‬ ‫=‬ ‫=‬ ‫‪= 10‬‬
‫𝑵‬ ‫𝟓𝟏‬ ‫𝟓𝟏‬

‫‪(X‬سنوات ا لخبرة)‬ ‫‪X- µ‬‬ ‫‪(X-µ)2‬‬

‫‪5‬‬ ‫‪5-10=-5‬‬ ‫‪25‬‬
‫‪13‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪7‬‬ ‫‪-3‬‬ ‫‪9‬‬
‫‪14‬‬ ‫‪4‬‬ ‫‪16‬‬
‫‪12‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪9‬‬ ‫‪-1‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪8‬‬ ‫‪-2‬‬ ‫‪4‬‬
‫‪10‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪13‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪14‬‬ ‫‪4‬‬ ‫‪16‬‬
‫‪6‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪11‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪12‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪10‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪SUM=150‬‬ ‫‪µ(X-µ)=0‬‬ ‫‪µ(X-µ)2=130‬‬

‫‪125‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫استخدام قانون التباين‬

‫‪σ2‬‬
‫‪= ∑ ( X-µ )2 /N = (130) /15=8.67‬‬

‫ويمكن تبسيط معادلة قانون التباين السابقة فى صورة اخرى بالشكل التالي‪:‬‬
‫‪-‬فك المجموع ‪ ∑(X-µ)2‬كما يلى ‪:‬‬

‫كما يمكن صياغة التباين في المجتمع بالقانون التالي‪:‬‬

‫‪126‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫وبالتطبيق على المثال السابق نجد اننا نحتاح الى المجاميع التالية‪∑X ، ∑X2 :‬‬
‫سنوات الخبرة ‪X‬‬ ‫‪X2‬‬
‫‪5‬‬ ‫‪25‬‬
‫‪13‬‬ ‫‪169‬‬
‫‪7‬‬ ‫‪49‬‬
‫‪14‬‬ ‫‪196‬‬
‫‪12‬‬ ‫‪144‬‬
‫‪9‬‬ ‫‪81‬‬
‫‪6‬‬ ‫‪36‬‬
‫‪8‬‬ ‫‪64‬‬
‫‪10‬‬ ‫‪100‬‬
‫‪13‬‬ ‫‪169‬‬
‫‪14‬‬ ‫‪196‬‬
‫‪6‬‬ ‫‪36‬‬
‫‪11‬‬ ‫‪121‬‬
‫‪12‬‬ ‫‪144‬‬
‫‪10‬‬ ‫‪100‬‬
‫‪∑X=150‬‬ ‫‪∑X2=1630‬‬

‫التباين هو‪:‬‬

‫وهى نفس نتيجة القانون االول للتباين‬

‫‪127‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االحنراف املعياري ‪Standard Deviation‬‬

‫عند استخدام التباين كمقياا من مقاييس التشتت ‪ ،‬نجد انت يعتمد على مجموع مربعات االنحرافات‬
‫ومن لم ال يتمشى هذا المقياا مع وحدات قياا المتىير محل الدراسة ‪ ،‬فى المثال السابق نجد ان‬
‫تباين سنوات الخبرة فى العينة ‪ 8.67‬فليس من المنطقي عند تفسير تلك النتيجة ان نقول " تباين‬
‫سنوات الخبرة هو ‪ 8.67‬سنة تربيع " ‪ ،‬ألن وحدات قياا المتىير هو عدد السنوات ‪ ،‬من اجل ذلك‬
‫لجأ علماس االحصاس الى مقياا منطقي يأخذ فى االعتبار الجذر التربيعي للتباين لكى يناسب وحدات‬
‫قياا المتىير وهذا المقياا هو االنحراف المعياري حيث ان االنحراف المعياري هو الجذر التربيعي‬
‫الموجب للتباين ويرمز لت بالرمز ‪σ‬‬
‫ويتميز االنحراف المعياري بأنت يسهل التعامل معت رياضيا ‪ ،‬ويأخذ جميع القيم فى االعتبار ‪ ،‬اال انت‬
‫يعاب عليت تألره بالقيم الشاذه‬

‫مثال‪ :‬اوجد االنحراف المعياري لبيانات المثال السابق‬

‫الحل‬

‫التعليق ‪ :‬االنحراف المعياري لسنوات الخبرة في المجتمع هو ‪ 2.94‬سنت‬

‫تدريب‪ :‬توافرت لديك البيانات التالية‪ ، 24-43-15-28-40 :‬اوجد التباين بطريقتين لم اوجد‬
‫االنحراف المعياري‬

‫‪128‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫ثانيا ‪:‬التباين يف العينة ‪S2‬‬

‫‪σ2‬‬
‫غير معلوم ‪ ،‬وعندمذ يتم سحب عينة من المجتمع‬ ‫فى كثير من الحاالت يكون تباين المجتمع‬
‫ويحسب التباين من بيانات العينة كتقدير لتباين المجتمع‬

‫قانون التباين فى العينة‬

‫𝑿 الوسط الحسابي لبيانات العينة (‪̅ =∑ x/n‬‬

‫𝑿 ) ‪ ،‬وتباين العينة المبين بالمعادلة هو‬ ‫حيث ان ‪̅ :‬‬
‫التقدير غير المتحيز لتباين العينة‬
‫مثال‬
‫سحبت عينة من عمال مصنع ما حجمها ‪ 5‬عمال ‪ ،‬وتم تسجيل عدد سنوات الخبرة‬
‫وكانت ‪8,13,10,5,9 :‬‬
‫والمطلوب حساب تباين سنوات الخبرة فى العينة‬
‫الحل‬
‫‪-‬الوسط الحسابى في العينة‬
‫‪̅ =∑x/n= 𝟗+𝟓+𝟏𝟎+𝟏𝟑+𝟖 = 𝟒𝟓 =9‬‬
‫𝑿‬
‫𝟓‬ ‫𝟓‬
‫‪-‬حساب مربع االنحرافات ‪̅ )2‬‬
‫𝑿‪∑(X-‬‬

‫سنوات الخبرة ‪X‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪9‬‬ ‫‪45‬‬

‫𝑿‪(X-‬‬‫) ̅‬ ‫‪-1‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪-4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫𝑿‪(X-‬‬‫‪̅ )2‬‬ ‫‪1‬‬ ‫‪16‬‬ ‫‪1‬‬ ‫‪16‬‬ ‫‪0‬‬ ‫‪34‬‬

‫‪129‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫أى ان ‪:‬‬
‫‪̅ )2 = 34‬‬
‫𝑿‪∑(X-‬‬

‫قيمة تباين سنوات الخبرة في العينة هي‪:‬‬

‫التعليق ‪:‬يمكن القول ان تباين العينة ‪ ، 8.5‬وهو فى نفس الوقت تقدير غير متحيز لتباين المجتمع‬

‫تبسيط العمليات احلسابية‬

‫يمكن تبسيط الصيىة الرياضية السابقة لتباين العينة الى صيغ سهلة وخاصة اذا كانت البيانات تحتوى‬
‫على قيم كسرية من خالل استنتاح الصيىة التالية‪:‬‬
‫فك المجموع ‪̅ )2‬‬
‫𝑿‪ ∑(X-‬كما يلى‪:‬‬

‫ويكتب تباين العينة بالصيىة التالية‪:‬‬

‫‪130‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫كما يمكن أن تأخذ معادلة تباين العينة الشكل التالى‪:‬‬

‫مثال ‪ :‬اعادة حل المثال السابق بالطرق االخرى إليجاد تباين العينة‬

‫الحل‬
‫سنوات الخبرة ‪X‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪9‬‬ ‫‪45‬‬
‫‪X2‬‬ ‫‪64‬‬ ‫‪169 100‬‬ ‫‪25‬‬ ‫‪81‬‬ ‫‪439‬‬

‫ايجاد تباين العينة باستخدام المعادلة التالية ‪:‬‬

‫كما يمكن ايجاد تباين العينة باستخدام المعادلة التالية ‪:‬‬

‫‪131‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‪ :‬اوجد االنحراف المعيارى لبيانات المثال السابق‬

‫الحل‬

‫التعليق‪ :‬االنحراف المعياري لسنوات الخبرة فى العينة ‪ 3.92‬سنت‬

‫تدريب‪ :‬توافرت لديك بيانات تمثل أعمار عينة من ‪ 5‬أشخاص كما يلي‪18-16-12-20-4 :‬‬
‫أحسب التباين واالنحراف المعياري للعينة؟‬

‫‪132‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫االحنراف املعياري من بيانات مبوبة(جدول توزيع تكراري)‬

‫نستخدم القانون التالي‪:‬‬

‫أو يمكن استخدام القانون التالي‪:‬‬

‫حيث أن ‪:‬‬
‫‪ :f‬تكرار الفئة ‪ : X ،‬مركز الفئة ‪̅ ،‬‬
‫𝑿 ‪ :‬الوسط الحسابي ) ‪: n ، ) ∑xf/n‬مجموع التكرارات‬
‫(‪ ، ) n=∑f‬والمقدار اسفل الجذر التربيعى يعبر عن التباين ‪S2‬‬

‫مثال‪ :‬يوضح الجدول التالي تو يع ‪ 40‬أسره حسب االنفاق الشهري (بآالف جنيت)‬
‫االنفاق‬ ‫‪2-‬‬ ‫‪5-‬‬ ‫‪8-‬‬ ‫‪11-‬‬ ‫‪14-17‬‬ ‫‪sum‬‬
‫عدد االسرة‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪8‬‬ ‫‪40‬‬
‫أوجد االنحراف المعياري لإلنفاق الشهري لألسرة لم قارن بين االنحراف المعياري واالنحراف‬
‫المتوسط لإلنفاق الشهري لألسرة‬
‫الحل‬

‫‪133‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫إليجاد االنحراف المعيارى يمكن استخدام القانون التالى‪:‬‬

‫مركز الفئة عدد االسر حدود‬

‫‪fx‬‬ ‫‪f x2‬‬
‫االنفاق‬ ‫‪f‬‬ ‫‪x‬‬
‫‪2-‬‬ ‫‪1‬‬ ‫‪3.5‬‬ ‫‪3.5‬‬ ‫‪12.25‬‬
‫‪5-‬‬ ‫‪8‬‬ ‫‪6.5‬‬ ‫‪52‬‬ ‫‪338‬‬
‫‪8-‬‬ ‫‪13‬‬ ‫‪9.5‬‬ ‫‪123.5‬‬ ‫‪1173.25‬‬
‫‪11-‬‬ ‫‪10‬‬ ‫‪12.5‬‬ ‫‪125‬‬ ‫‪1562.5‬‬
‫‪14-17‬‬ ‫‪8‬‬ ‫‪15.5‬‬ ‫‪124‬‬ ‫‪1922‬‬
‫‪Sum n=∑f=40‬‬ ‫‪∑Xf=428‬‬ ‫∑‬‫‪f‬‬ ‫‪X‬‬ ‫‪2=5008‬‬

‫‪= 3.314‬‬

‫التعليق‬
‫االنحراف المعياري لإلنفاق الشهري ‪3.314‬الف جنيت ‪ ،‬وبالتالي فإن تشتت بيانات االنفاق وفقا‬
‫لمقياا االنحراف المعياري(‪ )3.314‬اكبر من تشتت بيانات االنفاق وفقا لمقياا االنحراف المتوسط‬
‫(‪)2.88‬‬

‫‪134‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫تدريب‬
‫توافرت لديك بيانات التو يع التكراري التالي‪:‬‬
‫‪categories‬‬ ‫‪40-‬‬ ‫‪60-‬‬ ‫‪80-‬‬ ‫‪100- 120-‬‬ ‫‪140-160‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪10‬‬ ‫‪20‬‬ ‫‪30‬‬ ‫‪40‬‬ ‫‪30‬‬ ‫‪20‬‬ ‫‪150‬‬
‫أوجد التباين واالنحراف المعياري؟‬

‫تدريب‬
‫توافرت لديك بيانات التو يع التكراري التالي‪:‬‬
‫‪categories‬‬ ‫‪10-‬‬ ‫‪20-‬‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-‬‬ ‫‪60-‬‬ ‫‪70-80 sum‬‬
‫‪frequencies‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪24‬‬ ‫‪32‬‬ ‫‪16‬‬ ‫‪5‬‬ ‫‪3‬‬ ‫‪100‬‬
‫أوجد التباين واالنحراف المعياري‬

‫‪135‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫معامل االختالف ‪Coefficient of Variation‬‬

‫ذكرنا سابًقا أن التباين واالنحراف المعياري من المقاييس المفيدة لقياا التشتت لتو يع متىير ما‬
‫‪ ،‬ولكن في كثير من األحيان نكون مهتمين بمقارنة التشتت واالختالف لتو يعي متىيرين مختلفين‪.‬‬

‫وبما أن التباين واالنحراف المعياري مقياسان يعتمدان على وحدة البيانات فإنت يصعب استخدامهما‬
‫لمقارنة تجانس المجموعات المختلفة من البيانات وذلك الختالف الوحدة المستخدمة ‪ ،‬وبشكل عام‬
‫فإن مقاييس التشتت التي ذكرناها سابقا تكون غير مناسبة لمقارنت تجانس مجموعات البيانات‬
‫المختلفة في الحالتين التاليتين‪:‬‬
‫‪ -‬إذا كانت وحدتا المتىيرين مختلفتين حيث ال نستطيع مقارنة الوحدات المختلفة‪.‬‬
‫‪ -‬إذا كان متوسطا المتىيرين مختلفين وذلك ألن تباين تو يع المتىير ذي المتوسط الصىير ينزع‬
‫ألن يكون صىير والعكس بالعكس‪.‬‬
‫لذلك دعت الحاجة إلى مقياا ال يعتمد على وحدة المتىير ويقيس ما يسمى بالتشتت النسبي‪ ،‬وأحد‬
‫هذه المقاييس هو ما يسمى بمعامل االختالف أو معامل التىير‪ ،‬فمعامل االختالف هو أحد مقاييس‬
‫التشتت النسبي وهو مقياا عديم الوحدة ويستخدم لمقارنة التشتت النسبي أو التجانس لمجموعات‬
‫البيانات المختلفة‪ ،‬فمجموعة البيانات ذات معامل االختالف األكبر يكون تشتتها النسبي أكبر أي أنها‬
‫تكون أقل تجانس والعكس بالعكس‬

‫اخلالصة‬

‫لمقارنة التشتت لتو يعين تكراريين مختلفين في نفس الفترة أو مقارنت هاهره واحدة لفتةرتين‬
‫مختلفتين من الزمن يمكن استخدام ما يسمى بمعامل االختالف والتةي تصةلح لدراسةة االخةتالف‬
‫النسبي لتو يع هاهرة في عدة مجتمعات أو عدة هواهر فةي مجتمةع واحةد وبصةفة خاصةة عنةد‬
‫اختالف وحدات القياا لتلك الظواهر ‪.‬‬
‫‪136‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫قانون معامل االختالف للعينة‬

‫𝑺‬
‫‪C.V.= 𝑿̅ ×100‬‬
‫حيث أن ‪:‬‬
‫̅‬
‫𝑿 ‪:‬المتوسط الحسابى للعينة‬
‫‪: S‬االنحراف المعيارى للعينة‬

‫وفى حالة التوزيعات التكرارية املفتوحة يستخدم معامل االختالف الربيعي كما يلي‪:‬‬

‫𝟏𝑸‪𝑸𝟑−‬‬
‫‪C.V.Q= 𝑸𝟑+𝑸𝟏 ×100‬‬
‫حيث ان ‪:‬‬
‫‪: Q1‬الربيع االول (االدنى)‬
‫‪ : Q3‬الربيع الثالث(االعلى)‬

‫مثال‬

‫توافرت لديك البيانات التالية‪:‬‬

‫المجموعة األولى‬
‫‪̅ = 12‬‬
‫𝐗‬ ‫‪S2 =12‬‬
‫المجموعة الثانية‬
‫‪̅ = 23‬‬
‫𝐗‬ ‫‪S2 =37.04‬‬
‫وضح أي المجموعتين أكثر تشتتا ؟‬

‫‪137‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الحل‬

‫االنحراف المعياري للمجموعة األولى‪:‬‬

‫‪S=√𝐒𝟐 = √𝟏𝟐 = 3.46‬‬
‫االنحراف المعياري للمجموعة الثانية‪:‬‬
‫‪S=√𝐒𝟐 = √𝟑𝟕. 𝟎𝟒 = 6.09‬‬
‫معامل االختالف للمجموعة االولى‪:‬‬
‫𝑺‬ ‫𝟔𝟒‪𝟑.‬‬
‫̅ =‪C.V.‬‬ ‫=‬ ‫‪=28.8‬‬
‫𝑿‬ ‫𝟐𝟏‬

‫معامل االختالف للمجموعة الثانية‪:‬‬

‫𝑺‬ ‫𝟗𝟎‪𝟔.‬‬
‫= ̅ =‪C.V.‬‬ ‫‪=26.5‬‬
‫𝑿‬ ‫𝟑𝟐‬

‫التعليق ‪ :‬المجموعة األولى( ‪ ) 28.8‬أكثر تشتتا أي اقل تجانسا من المجموعة الثانية (‪) 26.5‬‬

‫مثال ‪ :‬الجدول التالى يتهمن بيانات إحدى الدراسات التي طبقت على ‪ 5‬أشخاص لقياا الو ن‬
‫(بالكيلوجرام) والطول(بالسنتيمتر) ‪ ،‬أي البيانات أكثر تشتًتا (أقل تجانس ) بيانات األو ان أم بيانات‬
‫األطوال؟‬
‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫رقم الشخص‬
‫‪65‬‬ ‫‪67‬‬ ‫‪65‬‬ ‫‪59‬‬ ‫‪69‬‬ ‫الو ن‬
‫‪158 165 155 162 164‬‬ ‫الطول‬

‫‪138‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الحل‬
‫𝒙 واالنحراف المعياري ‪ S‬لبيانات الو ن والطول وتكون النتامن كما يلى‪:‬‬
‫أوال ‪:‬ايجاد المتوسط ̅‬
‫𝑺‬
‫معامل االختالف ̅ =‪C.V.‬‬ ‫االنحراف المعيارى ‪S‬‬ ‫المتوسط ̅‬
‫𝑿‬ ‫البيانات‬
‫𝑿‬
‫‪0.0576‬‬ ‫‪3.7417 kg‬‬ ‫‪65.0 kg‬‬ ‫االو ان‬
‫‪0.026‬‬ ‫‪4.2071 cm‬‬ ‫‪160.8 cm‬‬ ‫االطوال‬

‫التعليق‪ :‬نظرا ألن معامل االختالف لبيانات االو ان اكبر من معامل االختالف لبيانات االطوال فإن‬
‫التشتت النسبي لبيانات االو ان اكبر من التشتت النسبي لبيانات االطوال ‪ ،‬أي ان بيانات االو ان أقل‬
‫تجانس من بيانات االطوال‬

‫مثال‬
‫توافرت لديك البيانات التالية عن هاهرتين ‪:‬‬
‫الظاهرة األولى‬
‫‪̅ = 102.6‬‬
‫𝐗‬ ‫‪S =27.81‬‬
‫الظاهرة الثانية‪ :‬تو يعها التكراري كما يلي‪:‬‬
‫‪categories‬‬ ‫‪10-‬‬ ‫‪20-‬‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-‬‬ ‫‪60-70‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪20‬‬ ‫‪18‬‬ ‫‪11‬‬ ‫‪6‬‬ ‫‪70‬‬
‫وضح أي الظاهرتين أكثر تشتتا ؟‬

‫‪139‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الحل‬

‫إيجاد الوسط الحسابي واالنحراف المعياري للظاهرة الثانية كما يلي‪:‬‬

‫‪categories‬‬ ‫‪f‬‬ ‫‪x‬‬ ‫‪x2‬‬ ‫‪fx‬‬ ‫‪fx2‬‬
‫‪10-‬‬ ‫‪5‬‬ ‫‪15‬‬ ‫‪225‬‬ ‫‪75‬‬ ‫‪1125‬‬
‫‪20-‬‬ ‫‪10‬‬ ‫‪25‬‬ ‫‪625‬‬ ‫‪250‬‬ ‫‪6250‬‬
‫‪30-‬‬ ‫‪20‬‬ ‫‪35‬‬ ‫‪1225‬‬ ‫‪700‬‬ ‫‪24500‬‬
‫‪40-‬‬ ‫‪18‬‬ ‫‪45‬‬ ‫‪2025‬‬ ‫‪810‬‬ ‫‪36450‬‬
‫‪50-‬‬ ‫‪11‬‬ ‫‪55‬‬ ‫‪3025‬‬ ‫‪605‬‬ ‫‪33275‬‬
‫‪60-70‬‬ ‫‪6‬‬ ‫‪65‬‬ ‫‪4225‬‬ ‫‪390‬‬ ‫‪25350‬‬
‫‪sum‬‬ ‫‪∑f=70‬‬ ‫‪∑Fx=2830 ∑Fx2=126950‬‬

‫‪̅ = ∑𝒇𝒙 = ∑𝒇𝒙= 𝟐𝟖𝟑𝟎 =40,43‬‬

‫𝑿‬
‫𝒇∑‬ ‫𝒏‬ ‫𝟎𝟕‬

‫‪S2 = 126950 – (2830)2‬‬

‫‪70‬‬
‫‪70-1‬‬

‫𝟗‪𝟏𝟐𝟔𝟗𝟓𝟎−𝟏𝟏𝟒𝟒𝟏𝟐.‬‬
‫= ‪S2‬‬ ‫‪= 181.7‬‬
‫𝟗𝟔‬

‫‪S = √𝟏𝟖𝟏. 𝟕 = 13.5‬‬

‫معامل االختالف للمجموعة االولى‬
‫𝑺‬ ‫𝟏𝟖‪𝟐𝟕.‬‬
‫= ̅ =‪C.V.1‬‬ ‫‪= 0.27‬‬
‫𝑿‬ ‫𝟔‪𝟏𝟎𝟐.‬‬
‫‪140‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫معامل االختالف للمجموعة الثانية‬

‫𝑺‬ ‫𝟓‪𝟏𝟑.‬‬
‫= ̅ =‪C.V.1‬‬ ‫‪= 0.33‬‬
‫𝑿‬ ‫𝟑𝟒‪𝟒𝟎.‬‬

‫التعليق ‪:‬الظاهرة الثانية ‪ 0.33‬أكثر تشتتا ( اقل تجانس ) من الظاهرة األولى ‪0.27‬‬

‫مثال‬
‫وضح أي الظاهرتين أكثر تشتتا ؟‬
‫الظاهرة األولى‬
‫‪Categories‬‬ ‫‪Less than 8‬‬ ‫‪8-‬‬ ‫‪10-‬‬ ‫‪12-‬‬ ‫‪14 and more‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪20‬‬ ‫‪30‬‬ ‫‪100‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪200‬‬
‫الظاهرة الثانية‬
‫‪Categories‬‬ ‫‪10-‬‬ ‫‪20- 30-‬‬ ‫‪40-‬‬ ‫‪50-60‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪10‬‬ ‫‪40‬‬ ‫‪50‬‬ ‫‪30‬‬ ‫‪20‬‬ ‫‪150‬‬

‫الحل‬
‫حيث أن التو يع التكراري للظاهرة األولى مفتوح من الطرفين مما يمثل صعوبة عند حساب مركز‬
‫الفئة األولى ومركز الفئة األخيرة ‪ ،‬ويتطلب إجراس مقارنة صحيحة بين الظاهرتين استخدام مقياا‬
‫واحد للتشتت وهو معامل االختالف الثاني (الربيعي) كما يلي‪:‬‬
‫𝟏𝑸‪𝑸𝟑−‬‬
‫𝟏𝑸‪C.V.Q= 𝑸𝟑+‬‬

‫‪141‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-1‬إيجاد قيمة كةل مةن الربيةع الثالةث( ‪ ) Q3‬والربيةع االول( ‪ ) Q1‬للظةاهرة األولةى مةن خةالل إعةداد‬
‫جدول التو يع التكراري المتجمع الصاعد كما يلي‪:‬‬
‫الجدول التكرارى البسيط‬ ‫الجدول التكراري المتجمع الصاعد‬
‫‪Categories‬‬ ‫‪frequencies‬‬ ‫الحدود العليا للفئات‬ ‫التكرار المتجمع الصاعد‬
‫‪Less than 8‬‬ ‫‪20‬‬ ‫‪less than the minimum‬‬ ‫‪0‬‬
‫‪8-‬‬ ‫‪30‬‬ ‫‪less than 8‬‬ ‫‪20‬‬
‫‪10-‬‬ ‫‪100‬‬ ‫‪less than 10‬‬ ‫‪50‬‬
‫‪12-‬‬ ‫‪40‬‬ ‫‪less than 12‬‬ ‫‪150‬‬
‫‪14 & more‬‬ ‫‪10‬‬ ‫‪lea than 14‬‬ ‫‪190‬‬
‫‪sum‬‬ ‫‪200‬‬ ‫‪less than the maximum‬‬ ‫‪200‬‬
‫‪-2‬إيجاد ترتيب الربيعين ‪:‬‬
‫𝒇∑‬ ‫𝟎𝟎𝟐‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=50‬‬
‫𝟒‬ ‫𝟒‬

‫وبالنظر في عمود التكرار المتجمع الصاعد نجد أن الترتيب رقم ‪ 50‬يناهره القيمة ‪ 10‬في عمود‬
‫الفئات أي أن ‪ :‬الربيع األول ‪Q1=10‬‬
‫𝒇∑𝟑‬ ‫𝟎𝟎𝟐× 𝟑‬
‫=‪RQ3‬‬ ‫=‬ ‫‪= 150‬‬
‫𝟒‬ ‫𝟒‬

‫وبالنظر في عمود التكرار المتجمع الصاعد نجد أن الترتيب رقم ‪ 150‬يناهره القيمة ‪ 12‬في عمود‬
‫الفئات أي أن ‪Q3=12 :‬‬
‫معامل االختالف الربيعي للظاهرة األولى‪:‬‬
‫𝟏𝑸‪𝑸𝟑−‬‬ ‫𝟎𝟏‪𝟏𝟐−‬‬
‫=‪C.V.Q‬‬ ‫=‬ ‫‪= 0.09‬‬
‫𝟏𝑸‪𝑸𝟑+‬‬ ‫𝟎𝟏‪𝟏𝟐+‬‬

‫‪ -2‬إيجاد قيمة كل مةن الربيةع الثالةث( ‪ ) Q3‬والربيةع االول( ‪ ) Q1‬للظةاهرة الثانيةة مةن خةالل إعةداد‬
‫جدول التو يع التكراري المتجمع الصاعد كما يلي‪:‬‬

‫‪142‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الجدول التكرارى البسيط‬ ‫الجدول التكراري المتجمع الصاعد‬

‫‪Categories‬‬ ‫‪frequencies‬‬ ‫الحدود العليا للفئات‬ ‫التكرار المتجمع الصاعد‬
‫‪10-‬‬ ‫‪10‬‬ ‫‪less than 10‬‬ ‫‪0‬‬
‫‪20-‬‬ ‫‪40‬‬ ‫‪less than 20‬‬ ‫‪10‬‬
‫‪30-‬‬ ‫‪50‬‬ ‫‪less than 30‬‬ ‫‪50‬‬
‫‪40-‬‬ ‫‪30‬‬ ‫‪less than 40‬‬ ‫‪100‬‬
‫‪50-60‬‬ ‫‪20‬‬ ‫‪lea than 50‬‬ ‫‪130‬‬
‫‪sum‬‬ ‫‪150‬‬ ‫‪less than 60‬‬ ‫‪150‬‬
‫ترتيب الربيع االول‬
‫𝒇∑‬ ‫𝟎𝟓𝟏‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=37.5‬‬
‫𝟒‬ ‫𝟒‬

‫𝟎𝟏‪𝟑𝟕.𝟓−‬‬
‫‪Q1= 20 +‬‬ ‫‪×10= 20+6.87=26.87‬‬
‫𝟎𝟏‪𝟓𝟎−‬‬

‫ترتيب الربيع الثالث‬

‫𝒇∑𝟑‬
‫=‪RQ3‬‬
‫𝟒‬

‫𝟎𝟎𝟏‪𝟏𝟏𝟐.𝟓−‬‬
‫‪Q3= 40 +‬‬ ‫‪×10 = 40+1.04 =41.04‬‬
‫𝟎𝟎𝟏‪𝟏𝟑𝟎−‬‬
‫‪-‬معامل االختالف الربيعي للظاهرة الثاني‬
‫𝟏𝑸‪𝑸𝟑−‬‬ ‫𝟕𝟖‪𝟒𝟏.𝟎𝟒−𝟐𝟔.‬‬
‫=‪C.V.Q‬‬ ‫=‬ ‫‪= 0.21‬‬
‫𝟏𝑸‪𝑸𝟑+‬‬ ‫𝟕𝟖‪𝟒𝟏.𝟎𝟒+𝟐𝟔.‬‬

‫التعليق‬
‫معامل االختالف الربيعي للظاهرة الثانية ( ‪ )0.21‬أكبر من معامل االختالف الربيعي للظاهرة األولى‬
‫(‪ ) 0.09‬وهذا يدل على أن تشتت الظاهرة الثانية أكبر من تشتت الظاهرة األولى ‪.‬‬
‫‪143‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الدرجات (القيم) املعيارية ‪Standard Values‬‬

‫عند المقارنة بين قيم متىيرين (ا ‪ ،‬ص ) يجب تحويل القةيم مطلقةة إلةى قةيم معياريةة ذات تو يةع‬
‫طبيعي متوسطة ‪ 0‬وانحرافت المعياري ‪ ، 1‬ولةتكن ‪ X1,X2,……,Xn‬عينةت مةن البيانةات حجمهةا ‪n‬‬
‫ومتوسطها ̅‬
‫𝑿 وانحرافها المعيارى ‪ S‬فإن القيم المعيارية تحسب من خالل العالقة التالية‪:‬‬

‫حيث ان‪:‬‬
‫̅‬
‫𝑿 ‪:‬الوسط الحسابى ‪: S ،‬االنحراف المعيارى‬ ‫‪ : Xi‬القيمة ‪،‬‬

‫مالحظات‬

‫هى الدرجة المعيارية للمشاهدة االصلية ‪Xi‬‬ ‫‪-1‬‬

‫‪-2‬الدرجات االصلية للدرجة المعيارية ‪ Zi‬هى ‪̅ + Szi :‬‬

‫𝑿= ‪Xi‬‬
‫‪-3‬الدرجات المعيارية هى قيم عديمة الوحدة ولذلك فإنها تسةتخدم للمقارنةة بةين المشةاهدات المختلفةة‬
‫في المجموعات المختلفة للبيانات‬
‫‪-4‬متوسط الدرجات المعيارية =‪0‬‬
‫‪ -5‬االنحراف المعياري للدرجات المعيارية=‪0‬‬

‫‪144‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مثال‬
‫إذا كان المتوسط العام للدرجات في مادة نظم التشىيل ‪ 75‬درجة بانحراف معياري ‪ 4‬درجةات بينمةا‬
‫المتوسط العام للدرجات في مةادة البرمجةة ‪ 60‬درجةة بةانحراف معيةاري ‪ 5‬درجةات وكانةت نتيجةة أحةد‬
‫الطالب في مادة نظم التشىيل ‪ 80‬وفى مادة البرمجة ‪، 70‬هل مسةتوى الطالةب فةي مةادة نظةم التشةىيل‬
‫أفهل من مستواه في مادة البرمجة ؟‬
‫الحل‬
‫الدرجة المعيارية‬
‫االنحراف‬ ‫المتوسط ̅‬
‫الدرجة ‪X‬‬ ‫𝑿‬ ‫المقرر‬
‫المعيارى ‪S‬‬

‫=‪Z‬‬
‫𝟓𝟕‪𝟖𝟎−‬‬
‫‪=1.25‬‬ ‫‪80‬‬ ‫‪4‬‬ ‫‪75‬‬ ‫نظم التشىيل‬
‫𝟒‬
‫=‪Z‬‬
‫𝟎𝟔‪𝟕𝟎−‬‬
‫‪=2‬‬ ‫‪70‬‬ ‫‪5‬‬ ‫‪60‬‬ ‫البرمجة‬
‫𝟓‬

‫التعليق‪ :‬على الرغم أن درجة الطالب في مادة نظم التشىيل (‪ )80‬اكبر من درجتت في ماده البرمجة‬
‫(‪ )70‬إال أن مستوى الطالب في مادة البرمجة أفهل من مستواه في مادة نظم التشىيل‪.‬‬

‫مثال ‪:‬توافرت لديك بيانات التو يع التكراري التالي‪:‬‬

‫̅‬
‫𝑿 مركز الفئة‬ ‫‪15 25‬‬ ‫‪35‬‬ ‫‪45‬‬ ‫‪55‬‬ ‫‪65‬‬ ‫‪75‬‬
‫‪frequencies‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪24‬‬ ‫‪32‬‬ ‫‪16‬‬ ‫‪5‬‬ ‫‪3‬‬
‫والمطلوب‪ :‬تحويل التو يع التكراري السابق إلى تو يع معياري‬

‫‪145‬‬
 Dispersion Measures ‫مقاييس التشتت‬:‫الفصل الثالث‬

‫الحل‬
f x x2 fx fx2
8 15 225 120 1800
12 25 625 300 7500
24 35 1225 840 29400
32 45 2025 1440 64800
16 55 3025 880 48400
5 65 4225 325 21125
3 75 5625 225 16875
∑f=100 ∑fx=4130 ∑fx2=189900

̅ = ∑𝒇𝒙 = ∑𝒇𝒙= 𝟒𝟏𝟑𝟎 =41, 3

𝑿
∑𝒇 𝒏 𝟏𝟎𝟎

S2 = 189900 – (4130)2

100
100-1
𝟏𝟗𝟑𝟑𝟏
S2= = 195.26
𝟗𝟗

S=√𝐒𝟐 = √195.26 = 13.97

146
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫̅‬
‫𝑿‬ ‫‪F‬‬ ‫الدرجة المعيارية‬

‫‪15‬‬ ‫‪8‬‬ ‫)‪1.88-=13,97/)41. 3-15‬‬

‫‪25‬‬ ‫‪12‬‬ ‫)‪1.17-=13,97/)41. 3-25‬‬
‫‪35‬‬ ‫‪24‬‬ ‫)‪0.45-=13.97/(41,3-35‬‬
‫‪45‬‬ ‫‪32‬‬ ‫)‪0.26=13.97/(41.3-45‬‬
‫‪55‬‬ ‫‪16‬‬ ‫)‪0.98=13,97/)41. 3-55‬‬
‫‪65‬‬ ‫‪5‬‬ ‫)‪1.7=13,97/)41. 3-65‬‬
‫‪75‬‬ ‫‪3‬‬ ‫)‪2.41=13,97/)41. 3-75‬‬

‫ويمكن التعامل مع العمود الذي يتهمن القيم المعيارية ( ‪ ) Z‬بدال من عمود مركز الفئات عندمذ‬
‫يكون لدينا تو يع تكراري معياري متوسطة = ‪ 0‬وتباينت = ‪. 1‬‬

‫‪147‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫مقاييس االلتواء ( عدم التماثل) ‪Measures of Skewed‬‬

‫عند تمثيل بيانات الظاهرة فى شكل منحنى تكرارى فإن هذا المنحنى يأخذ اشكال مختلفة فقد يكون‬
‫متمالل بمعنى ان لت قمة فى المنتصف ولو اسقطنا عمود من قمتت على المحور االفقى فانت يقسم‬
‫المساحة تحت المنحنى إلى جزميين متطابقين كما هو مبين بالشكل التالى‪:‬‬

‫التو يع المتمالل يكون فيت‪( :‬االلتةواس = صةفر) ‪ ( ،‬الوسةط الحسةابي = الوسةيط = المنةوال ) فكلهةم‬
‫يقعون على نقطة واحدة ‪ ،‬أما مفهوم االلتواس فانت يعنى عدم التمالل‬

‫خصائص االلتواء‬

‫‪-1‬عدم انقسام المنحنى التكراري إلى قسمين متساويين ينطبقان على بعههما ‪.‬‬
‫‪-2‬الوسط الحسابي ≠ الوسيط ≠ المنوال‪.‬‬
‫‪-3‬يعتمد االلتواس على قياا المسافة بين الوسط والمنوال وكلمةا اد الفةرق بةين الوسةط والمنةوال‬
‫اد االلتواس(يعتبر الوسط الحسابي أكثر المتوسطات تألرا بالقيم الشةاذة فةي حةين أن المنةوال ال‬
‫يتألر مطلقا بتلك القيم)‪.‬‬

‫‪148‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-4‬قد يكون االلتواس موجب (االلتواس ناحية اليمين) إذا كان الفةرق بةين المتوسةط والمنةوال موجةب‬
‫حيةةث تزيةةد القةةيم الشةةاذة مةةن قيمةةة المتوسةةط الحسةةابي بينمةةا ال تتىيةةر قيمةةة المنةةوال (الوسةةط‬
‫الحسابي > الوسيط > المنوال )‪.‬‬
‫‪-5‬قد يكون االلتواس سالب (االلتواس ناحية اليسار) إذا كان الفرق بين المتوسط والمنوال سالب‬
‫حيث تنقص القيم الشاذة من قيمة المتوسط الحسابي بينما ال تتىير قيمة المنوال (الوسط‬
‫الحسابي < الوسيط < المنوال )‪.‬‬

‫معامل االلتواء ‪) Sc ( Coefficient Of Skewness‬‬

‫أوال ‪:‬مقياس االلتواء لبريسون‪Person‬‬

‫تأخذ تلك الطريقة فى االعتبار العالقة بين الوسط والوسيط والمنوال فى حالة اذا كان التو يع قريب‬
‫من التمالل وليس شديد االلتواس ‪ ،‬وهذه العالقة هى ‪:‬‬
‫̅𝑥(‪Mod=𝑥̅ -3‬‬ ‫)‪-Med‬‬

‫ومن لم فإن طريقة بيرسون فى قياا االلتواس تتحدد بالمعادلة التالية ‪:‬‬
‫)𝒏𝒂𝒊𝒅𝒆𝑴‪𝟑(𝑴𝒆𝒂𝒏−‬‬ ‫)𝒅𝒆𝑴‪̅ −‬‬
‫𝑿(𝟑‬
‫𝒏𝒐𝒊𝒕𝒂𝒊𝒗𝒆𝑫 𝒅𝒓𝒂𝒅𝒏𝒂𝒕𝑺 = ‪SC‬‬ ‫=‬ ‫𝑺‬

‫حيث ان‬
‫‪ : SC‬معامل االلتواس لبيرسون‬
‫̅‬
‫𝑿‪ :‬الوسط الحسابى‬
‫‪ : Med‬الوسيط‬
‫‪149‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪ : S‬االنحراف المعيارى‬
‫ومن خالل االشارة التى يأخذها ذلك المقياا يمكن الحكم على شكل االلتواس كما يلى‪:‬‬

‫‪-‬اذا كان (الوسط = الوسيط ) كان قيمة معامل (‪ ، ) α=0‬ويدل ذلك على ان منحنى التو يع التكرارى‬
‫متمالل‬
‫‪-‬اذا كان (الوسط > الوسيط ) كان قيمة معامل (‪ ، ) α>0‬ويدل ذلك على ان منحنى التو يع التكرارى‬
‫ملتوى جهة اليمين‬
‫‪-‬اذا كان (الوسط < الوسيط ) كان قيمة معامل (‪ ، ) α<0‬ويدل ذلك على ان منحنى التو يع التكرارى‬
‫ملتوى جهة اليسار‬

‫طريقة اخرى لبيرسون‬

‫معامل االلتواس االول‬
‫𝒆𝒅𝒐𝑴‪̅ −‬‬
‫𝑿‬
‫=‪SC1‬‬
‫𝑺‬

‫معامل االلتواس الثاني‬

‫)𝒅𝒆𝑴‪̅ −‬‬
‫𝑿(𝟑‬ ‫)𝒏𝒂𝒊𝒅𝒆𝑴‪𝟑(𝑴𝒆𝒂𝒏−‬‬
‫= =‪SC2‬‬ ‫=‬
‫𝑺‬ ‫𝒏𝒐𝒊𝒕𝒂𝒊𝒗𝒆𝑫 𝒅𝒓𝒂𝒅𝒏𝒂𝒕𝑺‬

‫‪150‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫وتجدر اإلشارة إلى انت يتعذر استخدام معامالت االلتواس لبيرسون في حالة التو يعات التكرارية‬
‫المفتوحة لصعوبة حساب الوسط الحسابي واالنحراف المعياري بدقة لذا يتم اللجوس إلى معامل‬
‫التواس خخر مثل معامل االلتواس الربيعي‪.‬‬

‫مثال ‪ :‬احسب معامالت االلتواس لبيرسون للبيانات التالية‪:‬‬

‫‪Categories‬‬ ‫‪10-‬‬ ‫‪20-‬‬ ‫‪30-‬‬ ‫‪40-‬‬ ‫‪50-‬‬ ‫‪60-70‬‬ ‫‪sum‬‬
‫‪frequencies‬‬ ‫‪2‬‬ ‫‪8‬‬ ‫‪18‬‬ ‫‪6‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪40‬‬
‫الحل‬
‫‪-1‬حساب الوسط واالنحراف المعياري‬
‫‪categories‬‬ ‫‪F‬‬ ‫‪X‬‬ ‫‪X2‬‬ ‫‪FX‬‬ ‫‪FX2‬‬
‫‪10-‬‬ ‫‪2‬‬ ‫‪15‬‬ ‫‪225‬‬ ‫‪30‬‬ ‫‪450‬‬
‫‪20-‬‬ ‫‪8‬‬ ‫‪25‬‬ ‫‪625‬‬ ‫‪200‬‬ ‫‪5000‬‬
‫‪30-‬‬ ‫‪18‬‬ ‫‪35‬‬ ‫‪1225‬‬ ‫‪630‬‬ ‫‪22050‬‬
‫‪40-‬‬ ‫‪6‬‬ ‫‪45‬‬ ‫‪2025‬‬ ‫‪270‬‬ ‫‪12150‬‬
‫‪50-‬‬ ‫‪4‬‬ ‫‪55‬‬ ‫‪3025‬‬ ‫‪220‬‬ ‫‪12100‬‬
‫‪60-70‬‬ ‫‪2‬‬ ‫‪65‬‬ ‫‪4225‬‬ ‫‪130‬‬ ‫‪8450‬‬
‫‪∑F=40‬‬ ‫‪∑FX=1480‬‬ ‫‪∑FX2=60200‬‬

‫‪̅ = ∑𝒇𝒙 = ∑𝒇𝒙= 𝟏𝟒𝟖𝟎 =37‬‬

‫𝑿‬
‫𝒇∑‬ ‫𝒏‬ ‫𝟎𝟒‬

‫‪151‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪S2 = 60200‬‬ ‫‪– (1480)2‬‬

‫‪40‬‬
‫‪40-1‬‬
‫𝟎𝟒𝟒𝟓‬
‫=‪S2‬‬ ‫‪= 139.49‬‬
‫𝟗𝟑‬

‫‪S=√𝐒𝟐 = √139.49 = 11.81‬‬

‫‪-2‬حساب المنوال‬
‫𝑳×𝟏𝐃‬
‫‪Mode = A +‬‬
‫𝟐𝐃‪𝐃𝟏+‬‬

‫حيث ان‪:‬‬
‫‪ : A‬بداية الفئة المنوالية‬
‫‪ : L‬طول الفئة‬ ‫‪ : D2‬الفرق الثانى‬ ‫‪ : D1‬الفرق االول‬
‫𝟎𝟏×𝟎𝟏‬
‫‪Mode = 30 +‬‬ ‫‪= 34.54‬‬
‫𝟐𝟏‪𝟏𝟎+‬‬

‫‪-3‬حساب الوسيط‬
‫الجدول التكرارى البسيط‬ ‫الجدول التكراري المتجمع الصاعد‬
‫‪Categories‬‬ ‫‪frequencies‬‬ ‫الحدود العليا للفئات‬ ‫التكرار المتجمع الصاعد‬
‫‪10-‬‬ ‫‪2‬‬ ‫‪less than 10‬‬ ‫‪0‬‬
‫‪20-‬‬ ‫‪8‬‬ ‫‪less than 20‬‬ ‫‪2‬‬
‫‪30-‬‬ ‫‪18‬‬ ‫‪less than 30‬‬ ‫‪10‬‬
‫‪40-‬‬ ‫‪6‬‬ ‫‪less than 40‬‬ ‫‪28‬‬
‫‪50-‬‬ ‫‪4‬‬ ‫‪lea than 50‬‬ ‫‪34‬‬
‫‪60-70‬‬ ‫‪2‬‬ ‫‪less than 60‬‬ ‫‪38‬‬
‫‪sum‬‬ ‫‪40‬‬ ‫‪lea than 70‬‬ ‫‪40‬‬

‫‪152‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-2‬إيجاد ترتيب الوسيط‬

‫𝒇∑‬ ‫𝒏‬ ‫𝟎𝟒‬
‫=‪RMed‬‬ ‫= =‬ ‫‪=20‬‬
‫𝟐‬ ‫𝟐‬ ‫𝟐‬
‫‪-3‬تحديد موقع الوسيط داخل عمود التكرار المتجمع الصاعد‪.‬‬
‫‪-4‬تحديد الحد األدنى للفئة الوسيطية من بين الفئات ( ‪) 30=A‬‬
‫‪-5‬تحديد التكرار السابق (‪.) 10=F1‬‬
‫‪-6‬تحديد التكرار الالحق (‪) 28=F2‬‬
‫‪-7‬نحدد طول الفئة الوسيطية ( ‪.)10 = L‬‬
‫‪-8‬نطبق قانون الوسيط‪:‬‬

‫𝟎𝟏‪𝟐𝟎−‬‬
‫‪Med= 30 +‬‬ ‫‪× 10=35.56‬‬
‫𝟎𝟏‪𝟐𝟖−‬‬

‫‪-4‬معامل االلتواس لبيرسون‬

‫معامل االلتواس االول‬
‫𝒆𝒅𝒐𝑴‪̅ −‬‬
‫𝑿‬ ‫𝟒𝟓‪𝟑𝟕−𝟑𝟒.‬‬
‫=‪SC1‬‬ ‫=‬ ‫‪=0.21‬‬
‫𝑺‬ ‫𝟏𝟖‪𝟏𝟏.‬‬

‫معامل االلتواس الثاني‬

‫)𝒅𝒆𝑴‪̅ −‬‬
‫𝑿(𝟑‬ ‫)𝒏𝒂𝒊𝒅𝒆𝑴‪𝟑(𝑴𝒆𝒂𝒏−‬‬ ‫)𝟔𝟓‪𝟑(𝟑𝟕−𝟑𝟓.‬‬
‫= =‪SC2‬‬ ‫=‬ ‫=‬ ‫‪=0.37‬‬
‫𝑺‬ ‫𝒏𝒐𝒊𝒕𝒂𝒊𝒗𝒆𝑫 𝒅𝒓𝒂𝒅𝒏𝒂𝒕𝑺‬ ‫𝟏𝟖‪𝟏𝟏.‬‬

‫التو يع موجب االلتواس وناحية اليمين حيث أن اإلشارة موجبت كما أن ‪:‬‬
‫(الوسط الحسابي ‪ > 37‬الوسيط ‪ >35.56‬المنوال ‪)34.54‬‬

‫‪̅ =34.4 Mode=47.4 Med=38.8 S= 21.2‬‬

‫𝑿‬ ‫تدريب ‪:‬توافرت لديك البيانات التالية‪:‬‬
‫المطلوب‪ :‬تحديد شكل التو يع باستخدام معامالت االلتواس لبيرسون‬

‫‪153‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫ثانيا ‪:‬مقياس االلتواء لبوىل (معامل االلتواء الربيعى)‬

‫يعتمةةد علةةى الةةربيعين (األدنةةى واألعلةةى) باإلضةةافة إلةةى الوسةةيط ويسةةتخدم لقيةةاا االلتةةواس وبصةةفة‬
‫خاصة في حالت الجداول التكرارية المفتوحة التي يصعب معها استخدام معامل التواس بيرسون‪.‬‬

‫معامل االلتواس الربيعى‬

‫)𝟏𝑸‪(𝑸𝟑−𝑴𝒆𝒅)−(𝑴𝒆𝒅−‬‬
‫( = ‪Scq‬‬
‫)𝟏𝑸‪𝑸𝟑−𝑴𝒆𝒅)+(𝑴𝒆𝒅−‬‬

‫حيث ان‪:‬‬
‫‪: Q3‬الربيع االعلى (الثالث) ‪ : Q1 ،‬الربيع االدنى (االول) ‪: Med ،‬الوسيط‬

‫إذا كان ‪:‬‬

‫)‪ ( Med-Q1 )= )Q3-Med‬عندمذ يكون معامل االلتواس = ‪( 0‬التو يع متمالل)‬
‫)‪ ( Med-Q1 )> (Q3-Med‬عندمذ يكون معامل االلتواس موجب(االلتواس ناحية اليمين)‬
‫)‪ ( Med-Q1 )< )Q3-Med‬عندمذ يكون معامل االلتواس سالب (االلتواس ناحية اليسار)‬

‫مثال‬
‫توافرت لديك البيانات التالية‪:‬‬
‫‪Categories‬‬ ‫‪20-‬‬ ‫‪40-‬‬ ‫‪60-‬‬ ‫‪80-‬‬ ‫‪100-‬‬ ‫‪120-140 sum‬‬
‫‪frequencies‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪30‬‬ ‫‪50‬‬ ‫‪20‬‬ ‫‪5‬‬ ‫‪130‬‬
‫أوجد كل من ‪:‬‬
‫‪ -‬معامل االلتواس الربيعي للتو يع بطريقة بولى‪.‬‬ ‫‪ -‬معامالت االلتواس لبيرسون‪.‬‬

‫‪154‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫الحل‬

‫‪-1‬حساب الوسيط‬
‫الجدول التكرارى البسيط‬ ‫الجدول التكراري المتجمع الصاعد‬
‫‪Categories‬‬ ‫‪frequencies‬‬ ‫الحدود العليا للفئات‬ ‫التكرار المتجمع الصاعد‬
‫‪20-‬‬ ‫‪10‬‬ ‫‪less than 20‬‬ ‫‪0‬‬
‫‪40-‬‬ ‫‪15‬‬ ‫‪less than 40‬‬ ‫‪10‬‬
‫‪60-‬‬ ‫‪30‬‬ ‫‪less than 60‬‬ ‫‪25‬‬
‫‪80-‬‬ ‫‪50‬‬ ‫‪less than 80‬‬ ‫‪55‬‬
‫‪100-‬‬ ‫‪20‬‬ ‫‪lea than 100‬‬ ‫‪105‬‬
‫‪120-140‬‬ ‫‪5‬‬ ‫‪less than 120‬‬ ‫‪125‬‬
‫‪sum‬‬ ‫‪130‬‬ ‫‪lea than 140‬‬ ‫‪130‬‬

‫‪-2‬إيجاد ترتيب الوسيط‬

‫𝒇∑‬ ‫𝒏‬ ‫𝟎𝟑𝟏‬
‫=‪RMed‬‬ ‫= =‬ ‫‪=65‬‬
‫𝟐‬ ‫𝟐‬ ‫𝟐‬

‫‪-3‬تحديد موقع الوسيط داخل عمود التكرار المتجمع الصاعد‪.‬‬

‫‪-4‬تحديد الحد األدنى للفئة الوسيطية من بين الفئات ( ‪) 80=A‬‬
‫‪-5‬تحديد التكرار السابق (‪.) 55=F1‬‬
‫‪-6‬تحديد التكرار الالحق (‪) 105=F2‬‬
‫‪-7‬نحدد طول الفئة الوسيطية ( ‪.)20 = L‬‬
‫‪-8‬نطبق قانون الوسيط‪:‬‬

‫‪155‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫𝟓𝟓‪𝟔𝟓−‬‬
‫‪Med= 80 +‬‬ ‫‪×20=84‬‬
‫𝟓𝟓‪𝟏𝟎𝟓−‬‬

‫‪-2‬حساب الربيع األدنى‬

‫ترتيب الربيع االدنى(االول)‬
‫𝑭∑‬ ‫𝟎𝟑𝟏‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=32.5‬‬
‫𝟒‬ ‫𝟒‬
‫قانون الربيع االول ‪Q1‬‬

‫𝟓𝟐‪𝟑𝟐.𝟓−‬‬
‫‪Q1=60+‬‬ ‫‪×20=65‬‬
‫𝟓𝟐‪𝟓𝟓−‬‬
‫‪-3‬إيجاد الربيع األعلى‬
‫ترتيب الربيع االعلى(الثالث)‬
‫𝒇∑𝟑‬ ‫𝟎𝟑𝟏× 𝟑‬
‫=‪RQ3‬‬ ‫=‬ ‫‪= 97.5‬‬
‫𝟒‬ ‫𝟒‬
‫قانون الربيع الثالث ‪Q3‬‬

‫𝟓𝟓‪𝟗𝟕.𝟓−‬‬
‫‪Q3=80+‬‬ ‫‪×20 = 97‬‬
‫𝟓𝟓‪𝟏𝟎𝟓−‬‬

‫‪156‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-4‬حساب الوسط واالنحراف المعياري‬

‫‪categories‬‬ ‫‪F‬‬ ‫‪X‬‬ ‫‪X2‬‬ ‫‪FX‬‬ ‫‪FX2‬‬

‫‪20-‬‬ ‫‪10‬‬ ‫‪30‬‬ ‫‪900‬‬ ‫‪300‬‬ ‫‪9000‬‬
‫‪40-‬‬ ‫‪15‬‬ ‫‪50‬‬ ‫‪2500‬‬ ‫‪750‬‬ ‫‪37500‬‬
‫‪60-‬‬ ‫‪30‬‬ ‫‪70‬‬ ‫‪4900‬‬ ‫‪2100‬‬ ‫‪147000‬‬
‫‪80-‬‬ ‫‪50‬‬ ‫‪90‬‬ ‫‪8100‬‬ ‫‪4500‬‬ ‫‪405000‬‬
‫‪100-‬‬ ‫‪20‬‬ ‫‪110‬‬ ‫‪12100‬‬ ‫‪2200‬‬ ‫‪242000‬‬
‫‪120-140‬‬ ‫‪5‬‬ ‫‪130‬‬ ‫‪16900‬‬ ‫‪650‬‬ ‫‪84500‬‬
‫‪∑F=130‬‬ ‫‪∑FX=10500‬‬ ‫‪∑FX2=925000‬‬

‫‪̅ = ∑𝒇𝒙 = ∑𝒇𝒙= 𝟏𝟎𝟓𝟎𝟎 =80.8‬‬

‫𝑿‬
‫𝒇∑‬ ‫𝒏‬ ‫𝟎𝟑𝟏‬

‫‪S2 = 925000‬‬ ‫‪– (10500)2‬‬

‫‪130‬‬
‫‪130-1‬‬
‫‪2‬‬ ‫𝟖𝟎‪𝟕𝟔𝟗𝟐𝟑.‬‬
‫=‪S‬‬ ‫‪596.30‬‬
‫𝟗𝟐𝟏‬

‫‪S=√𝐒𝟐 = √𝟓𝟗𝟔. 𝟑𝟎 = 24.42‬‬

‫‪-5‬حساب المنوال‬
‫𝑳×𝟏𝐃‬
‫‪Mode = A +‬‬
‫𝟐𝐃‪𝐃𝟏+‬‬
‫حيث ان‪:‬‬
‫‪ : A‬بداية الفئة المنوالية‬
‫‪ : L‬طول الفئة‬ ‫‪ : D2‬الفرق الثانى‬ ‫‪ : D1‬الفرق االول‬
‫𝟎𝟐×𝟎𝟐‬
‫‪Mode = 80 +‬‬ ‫‪= 88‬‬
‫𝟎𝟑‪𝟐𝟎+‬‬

‫‪157‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫أوال ‪ :‬إجياد معامل االلتواء لبريسون‬

‫معامل االلتواس االول‬

‫𝒆𝒅𝒐𝑴‪̅ −‬‬
‫𝑿‬ ‫𝟖𝟖‪𝟖𝟎.𝟖−‬‬
‫=‪SC1‬‬ ‫=‬ ‫‪=-0.29‬‬
‫𝑺‬ ‫𝟐𝟒‪𝟐𝟒.‬‬

‫معامل االلتواس الثاني‬

‫)𝒅𝒆𝑴‪̅ −‬‬
‫𝑿(𝟑‬ ‫)𝒏𝒂𝒊𝒅𝒆𝑴‪𝟑(𝑴𝒆𝒂𝒏−‬‬ ‫)𝟒𝟖‪𝟑(𝟖𝟎.𝟖−‬‬
‫= =‪SC2‬‬ ‫=‬ ‫=‬ ‫‪=-0.39‬‬
‫𝑺‬ ‫𝒏𝒐𝒊𝒕𝒂𝒊𝒗𝒆𝑫 𝒅𝒓𝒂𝒅𝒏𝒂𝒕𝑺‬ ‫𝟐𝟒‪𝟐𝟒.‬‬

‫التعليق‪ :‬التو يع سالب االلتواس وناحية اليسار حيث أن اإلشارة سالبة كما أن ‪:‬‬
‫(الوسط الحسابي ‪ < 80.8‬الوسيط‪ < 84‬المنوال ‪.)88‬‬

‫ثانيا ‪ :‬إجياد معامل االلتواء الربيعي لبوىل‬

‫معامل االلتواس الربيعى‬

‫)𝟏𝑸‪(𝑸𝟑−𝑴𝒆𝒅)−(𝑴𝒆𝒅−‬‬
‫)𝟏𝑸‪Scq = (𝑸𝟑−𝑴𝒆𝒅)+(𝑴𝒆𝒅−‬‬
‫)𝟓𝟔‪(𝟗𝟕−𝟖𝟒)−(𝟖𝟒−‬‬ ‫𝟔‬
‫= )𝟓𝟔‪Scq = (𝟗𝟕−𝟖𝟒)+(𝟖𝟒−‬‬ ‫‪= -0.1875‬‬
‫𝟐𝟑‬

‫وحيةةث أن‪ 13 = 𝑸𝟑 − 𝑴𝒆𝒅:‬وهةةو أقةةل مةةن 𝟏𝑸 ‪ ،19 = 𝑴𝒆𝒅 −‬لةةذا يكةةون التو يةةع سةةالب‬
‫االلتواس (االلتواس ناحية اليسار)‪.‬‬

‫‪158‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫التفرطح ‪Kutosis‬‬

‫عند تمثيل التو يع التكراري في شكل منحنى تكراري قد يكون هذا المنحنى منبسط أو مدبب ‪ ،‬فعندما‬
‫يتركز عدد أكبر من القيم بالقرب من منتصف المنحنى ويقل في طرفيت يكون المنحنى مدببا ‪ ،‬وعندما‬
‫يتركز عدد أكبر على طرفي المنحنى ويقل بالقرب من المنتصف يكون المنحنى مفرطحا أو منبسطا‪،‬‬
‫ويظهر ذلك من الشكل التالي‪:‬‬

‫ويمكن قياا التفرطح باستخدام عدد من الطرق منها طريقة العزوم حيث يحسب معامل التفرطح‬
‫(‪ )K‬بتطبيق المعادلة التالية ‪:‬‬

‫هو العزم الرابع حول الوسط ‪ s‬هو االنحراف المعياري‬ ‫حيث أن البسط‬

‫‪159‬‬
‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫معامل التفرطح في التو يع الطبيعي = ‪3‬‬

‫ومن لم يمكن وصف منحنى التو يع من حيث انت مفرطح أو مدبب كما يلي‪: :‬‬
‫• إذا كان ‪ k =3‬يكون منحنى التو يع معتدل ‪.‬‬
‫• إذا كان‪ k > 3‬يكون منحنى التو يع مدبب ‪.‬‬
‫• إذا كان‪ k< 3‬يكون منحنى التو يع منبسط (مفرطح) ‪.‬‬

‫مثال‬
‫كانت درجات ‪ 8‬طالب فى االختبار النهامى لمقرر االحصاس كما يلى ‪:‬‬
‫‪66 85 52 78 80 91 74 58‬‬
‫والمطلوب ايجاد ما يلى‪:‬‬
‫‪ -1‬معامل االلتواس بطريقة بيرسون‬
‫‪-2‬معامل االلتواس الربيعى‬
‫‪-3‬معامل التفرطح وشكل تو يع البيانات‬
‫الحل‬
‫‪-1‬ايجاد الوسط والتباين واالنحراف المعيارى‬
‫الدرجة ‪X‬‬ ‫‪X2‬‬
‫‪66‬‬ ‫‪4356‬‬
‫‪85‬‬ ‫‪7225‬‬
‫‪52‬‬ ‫‪2704‬‬
‫‪78‬‬ ‫‪6084‬‬
‫‪80‬‬ ‫‪6400‬‬
‫‪91‬‬ ‫‪8281‬‬
‫‪74‬‬ ‫‪5476‬‬
‫‪58‬‬ ‫‪3364‬‬
‫‪∑X=584‬‬ ‫‪∑X2=43890‬‬

‫‪160‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪̅ =∑𝑿=𝟓𝟖𝟒=73‬‬
‫𝑿‬
‫𝒏‬ ‫𝟖‬

‫= ‪S2‬‬

‫‪S2 = 43890-(584)2‬‬
‫‪8‬‬

‫‪8-1‬‬
‫𝟖𝟓𝟐𝟏‬
‫=‪S2‬‬ ‫‪= 179.71428‬‬
‫𝟕‬

‫‪S = √𝟏𝟕𝟗. 𝟕𝟏𝟒𝟐𝟖 = 13.406‬‬

‫‪-2‬ايجاد الوسيط‬
‫ترتيب الوسيط‬
‫𝟏‪𝒏+‬‬ ‫𝟏‪𝟖+‬‬
‫=‪Rmed‬‬ ‫=‬ ‫‪=4.5‬‬
‫𝟐‬ ‫𝟐‬

‫قيمة الوسيط‬

‫‪Med=74+0.5(78-74)=76‬‬

‫‪161‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-3‬معامل االلتواس لبيرسون‬

‫معامل االلتواس الثاني‬
‫)𝒅𝒆𝑴‪̅ −‬‬
‫𝑿(𝟑‬ ‫)𝒏𝒂𝒊𝒅𝒆𝑴‪𝟑(𝑴𝒆𝒂𝒏−‬‬ ‫)𝟔𝟕‪𝟑(𝟑𝟕−‬‬
‫= =‪SC2‬‬ ‫=‬ ‫=‬ ‫‪=-0.67‬‬
‫𝑺‬ ‫𝒏𝒐𝒊𝒕𝒂𝒊𝒗𝒆𝑫 𝒅𝒓𝒂𝒅𝒏𝒂𝒕𝑺‬ ‫𝟔𝟎𝟒‪𝟏𝟑.‬‬

‫التعليق‪ :‬االشارة سالبة لذا فإن منحنى التو يع لدرجات الطالب ملتوى ناحية اليسار‬

‫‪ -4‬إيجاد معامل االلتواس الربيعي لبولى‬

‫معامل االلتواس الربيعى‬
‫)𝟏𝑸‪(𝑸𝟑−𝑴𝒆𝒅)−(𝑴𝒆𝒅−‬‬
‫)𝟏𝑸‪Scq = (𝑸𝟑−𝑴𝒆𝒅)+(𝑴𝒆𝒅−‬‬
‫ايجاد الربيع االدنى (االول )‬
‫ترتيب الربيع االدنى‬
‫𝟏‪𝒏+𝟏 𝟖+‬‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=2.25‬‬
‫𝟒‬ ‫𝟒‬

‫قيمة الربيع االدنى (االول)‬

‫‪Q1=58+0.25(66-58) =60‬‬

‫ايجاد الربيع االعلى (الثالث )‬

‫ترتيب الربيع االدنى‬
‫)𝟏‪𝟑(𝒏+𝟏) 𝟑(𝟖+‬‬
‫=‪RQ1‬‬ ‫=‬ ‫‪=6.75‬‬
‫𝟒‬ ‫𝟒‬

‫‪162‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫قيمة الربيع االعلى (الثالث)‬

‫‪Q1=80+0.75(85-80) =83.75‬‬

‫الوسيط (الربيع الثانى)‬

‫‪Med(Q2) =76‬‬

‫معامل االلتواس الربيعى‬

‫)𝟏𝑸‪(𝑸𝟑−𝑴𝒆𝒅)−(𝑴𝒆𝒅−‬‬
‫)𝟏𝑸‪Scq = (𝑸𝟑−𝑴𝒆𝒅)+(𝑴𝒆𝒅−‬‬
‫)𝟎𝟔‪(𝟖𝟑.𝟕𝟓−𝟕𝟔)−(𝟕𝟔−‬‬ ‫𝟓𝟐‪−𝟖.‬‬
‫= )𝟎𝟔‪Scq = (𝟖𝟑.𝟕𝟓−𝟕𝟔)+(𝟕𝟔−‬‬ ‫‪=-0.35‬‬
‫𝟓𝟕‪𝟐𝟑.‬‬

‫التعليق‪ :‬االشارة سالبة لذا فإن منحنى التو يع لدرجات الطالب ملتوى ناحية اليسار‬

‫‪-5‬ايجاد التفرطح‬
‫الوسط الحسابى‬
‫‪̅ =∑𝑿=𝟓𝟖𝟒=73‬‬
‫𝑿‬
‫𝒏‬ ‫𝟖‬
‫‪X‬‬ ‫𝑿‪(X-‬‬‫)̅‬ ‫𝑿‪(X-‬‬‫‪̅ )2‬‬ ‫𝑿‪(X-‬‬‫‪̅ )4‬‬
‫‪66‬‬ ‫‪-7‬‬ ‫‪49‬‬ ‫‪2401‬‬
‫‪85‬‬ ‫‪12‬‬ ‫‪144‬‬ ‫‪20736‬‬
‫‪52‬‬ ‫‪-21‬‬ ‫‪441‬‬ ‫‪194481‬‬
‫‪78‬‬ ‫‪5‬‬ ‫‪25‬‬ ‫‪625‬‬
‫‪80‬‬ ‫‪7‬‬ ‫‪49‬‬ ‫‪2401‬‬
‫‪90‬‬ ‫‪18‬‬ ‫‪324‬‬ ‫‪104976‬‬
‫‪74‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪58‬‬ ‫‪-15‬‬ ‫‪225‬‬ ‫‪50625‬‬
‫‪∑X=584‬‬ ‫𝑿‪∑(X-‬‬ ‫‪̅ )=0‬‬ ‫̅‬
‫‪∑(X-𝑿)2=1258‬‬ ‫̅‬
‫‪∑(X-𝑿)4=376246‬‬

‫‪163‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪-‬قانون التفرطح‬

‫بسط المعادلة السابقة‬

‫وبالتعويض في قانون التفرطح‬

‫التعليق‪ :‬نظرا ألن قيمت ‪ K‬أقل من ‪ 3‬لذا فإن منحنى التو يع منبسط (مفرطح) ‪.‬‬

‫‪164‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫التمارين‬
‫‪-1‬احسب التباين واالنحراف المعياري لمجتمع يتكون من البيانات التالية‪:‬‬
‫‪20 14 8 21 12‬‬
‫‪ -2‬احسب االنحراف المتوسط للبيانات التالية‪:‬‬
‫‪Categories 10- 20- 30- 40- 50- 60-70 sum‬‬
‫‪frequencies 15 33 39 57 45‬‬ ‫‪11‬‬ ‫‪200‬‬
‫‪ -3‬احسب التباين واالنحراف المعياري للبيانات التالية‪:‬‬
‫‪Categories 20- 30- 40- 50- 60- 70-80 sum‬‬
‫‪frequencies 20 50 80 100 80‬‬ ‫‪70‬‬ ‫‪400‬‬
‫‪-4‬أوجد نصف المدى الربيعي لمفردات العينة التالية‪:‬‬
‫‪40 81 85 42 50 58 65 35 60 90‬‬
‫‪ -5‬أوجد نصف المدى الربيعي للبيانات التالية‪:‬‬
‫‪Categories 20- 25- 30- 35- 40- 45-50 sum‬‬
‫‪frequencies 30 28 60 80 22‬‬ ‫‪20‬‬ ‫‪240‬‬

‫‪ - 6‬أحسب االنحراف المتوسط للبيانات التالية‪206 212 202 194 206 :‬‬

‫‪ -7‬أوجد معامل االختالف لكل هاهرة ووضح أيهما أكثر تشتتا‬

‫الظاهرة االولى‬ ‫الظاهرة الثانية‬
‫̅‬
‫𝑿‬ ‫‪1000‬‬ ‫‪960‬‬
‫‪σ‬‬ ‫‪100‬‬ ‫‪150‬‬

‫‪ -8‬أوجد معامل االختالف للبيانات التالية‪:‬‬

‫‪Scq=-0.36‬‬ ‫‪Q1=8.6‬‬ ‫‪Med=12.3‬‬

‫‪ -9‬أوجد كل من الوسط الحسابي ‪ ،‬والمنوال من البيانات التالية‪:‬‬

‫‪C.V.=5 σ=2 SC =0.5‬‬

‫‪ -10‬المطلوب‪ :‬تحويل التو يع التكراري التالي إلى تو يع معياري‪.‬‬

‫‪X‬‬ ‫‪21 23 25 27‬‬ ‫‪29‬‬
‫‪frequencies 6 14 42 10‬‬ ‫‪8‬‬

‫‪165‬‬
 ‫الفصل الثالث‪:‬مقاييس التشتت ‪Dispersion Measures‬‬

‫‪ -11‬اوجد معامل بيرسون لاللتواس بصورتيت المختلفتين‪.‬‬

‫‪Categories 10- 20- 30- 40- 50- 60- 70-80‬‬ ‫‪sum‬‬
‫‪frequencies 20 10 5 10 12 8‬‬ ‫‪5‬‬ ‫‪70‬‬
‫‪-12‬قارن بين تشتت المجموعتين التاليتين‪:‬‬
‫المجموعة االولى‬ ‫المجموعة الثانية‬
‫̅‬
‫𝑿‬ ‫‪15‬‬ ‫‪15‬‬
‫‪σ‬‬ ‫‪2‬‬
‫‪34.5‬‬ ‫‪55.56‬‬

‫‪ -13‬وضح أي الظاهرتين أكثر تشتتا للبيانات التالية‪:‬‬

‫𝑿 = ‪6 = σ2 & 20‬‬ ‫الظاهرة األولى ‪̅ :‬‬
‫الظاهرة الثانية ‪:‬تو يعها التكراري كما يلي ‪:‬‬
‫‪Categories 10- 20- 30- 40- 50-60 sum‬‬
‫‪frequencies 5‬‬ ‫‪9‬‬ ‫‪23‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪50‬‬

‫‪-14‬توافرت لديك البيانات التالية‪:‬‬

‫‪Categories 2- 4- 6- 8- 10-12 sum‬‬
‫‪frequencies 6 10 20 10‬‬ ‫‪6‬‬ ‫‪52‬‬
‫أوجد‪:‬‬
‫‪-‬االنحراف المعياري ‪-‬معامل االختالف وااللتواس‬ ‫‪-‬الوسط الحسابي‪-‬الوسيط‬

‫‪166‬‬
Correlation Linear ‫االرتباط اخلطى‬

Regression ‫االحندار‬
‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫‪168‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫أوال ‪ :‬االرتباط‬

‫االرتباط الخطى البسيط هو تحديد وقياس قوة واتجاه العالقة بين متغيرين كميين أو أكثر ويرمز له‬
‫بالرمز ‪r‬‬
‫نوع العالقة‬
‫تأخذ ثالث أنواع حسب إشارة معامل االرتباط‪:‬‬
‫اذا كانت اشارة معامل االرتباط سالبة ‪ r > 0‬توجد عالقة عكسية بين المتغيرين بمعنى ان زيادة أحد‬
‫المتغيرين يصاحبة انخفاض فى المتغير الثانى والعكس‬
‫اذا كانت اشارة معامل االرتباط موجبة ‪ r < 0‬توجد عالقة طردية بين المتغيرين بمعنى ان زيادة‬
‫أحد المتغيرين يصاحبة زيادة فى المتغير الثانى والعكس‬
‫اذا كانت معامل االرتباط قيمته تساوى صفر ‪ r = 0‬يدل ذلك على عدم انعدام العالقة بين المتغيرين‬

‫شروط اختبار ‪Correlation‬‬

‫‪ -1‬يجب ان يتوزع كل متغير من المتغيرين المراد ايجاد العالقة بينهم توزيعا طبيعيا ‪Normality‬‬
‫(يمكن التحقق من ذلك من خالل االمر ‪) Explore‬‬
‫‪-2‬يجب ان تكون قيم المتغيرين مستقلة عن بعضها البعض تماما ‪ ( Independent‬اى ال تكون‬
‫هناك عالقة بين قيم المتغيرين اى ان قيم المتغير ‪ X‬ليس لها عالقة بقيم المتغير ‪) Y‬‬
‫فى حالة عدم تحقق الشرطين السابقين يمكن اجراء اختبار ‪ Correlation‬والحصول على نتائج‬
‫ولكن تلك النتائج ال يمكن الثقه بها عندئذ‬

‫تفسير معامل االرتباط‬

‫قيمة معامل االرتباط‬ ‫نوع االرتبط‬
‫‪r= 0‬‬ ‫منعدم‬
‫‪0.00 > r > 0.25‬‬ ‫ضعيف‬
‫‪0.25 ≥ r >0.75‬‬ ‫متوسط‬
‫‪0.75 ≥ r >1‬‬ ‫قوى‬
‫‪r=1‬‬ ‫تام‬

‫‪169‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫أنواع االرتباط‬

‫االرتباط السالب (العكسى)‬ ‫االرتباط الموجب (الطردى)‬

‫‪Negative Correlation‬‬ ‫‪Positive Correlation‬‬
‫عالقة بين متغيرين (‪ )x,y‬بحيث إذا‬ ‫عالقة بين متغيرين (‪ )x,y‬بحيث إذا‬
‫تغير أحد المتغيرين فإن اآلخر يتبعه فى‬ ‫تغير أحد المتغيرين فإن اآلخر يتبعه فى‬
‫االتجاه المضاد‬ ‫نفس االتجاه‬

‫‪170‬‬
‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫‪171‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫معامل ارتباط بريسون ‪Pearson Correlation‬‬

‫باستخدام القيم األصلية‪:‬‬

‫)‪∑ x y - (∑ x) (∑y‬‬
‫‪N‬‬
‫=‪r‬‬
‫‪∑x2 – (∑x)2‬‬ ‫‪∑y2 – (∑y)2‬‬
‫‪N‬‬ ‫‪N‬‬

‫حيث أن‪:‬‬
‫مجموع حاصر ضرب ‪ x‬فى ‪y‬‬ ‫‪∑xy‬‬
‫مجموع قيم المتغير ‪x‬‬ ‫‪∑x‬‬
‫مجموع قيم المتغير ‪y‬‬ ‫‪∑y‬‬
‫مجموع مربعات قيم المتغير ‪x‬‬ ‫‪∑x2‬‬
‫مجموع مربعات قيم المتغير ‪y‬‬ ‫‪∑y2‬‬

‫باستخدام انحراف القيم عن الوسط الحسابي‪:‬‬

‫) ‪∑( x- x ( ( y - y‬‬
‫=‪r‬‬
‫‪∑ (x - x )2 × ∑(y - y )2‬‬

‫مثال‬
‫احسب معامل ارتباط بيرسون بين اإلنفاق ‪ X‬والدخل ‪ Y‬من البيانات التالية‪:‬‬
‫‪X 3 5‬‬ ‫‪7‬‬ ‫‪7 8 10 15‬‬
‫‪Y 3 5‬‬ ‫‪7‬‬ ‫‪5 5‬‬ ‫‪8 14‬‬

‫‪172‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫الحل‬
‫‪X‬‬ ‫‪Y‬‬ ‫‪XY‬‬ ‫‪X2‬‬ ‫‪Y2‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬
‫‪5‬‬ ‫‪5‬‬ ‫‪25‬‬ ‫‪25‬‬ ‫‪25‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪49‬‬ ‫‪49‬‬ ‫‪49‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪35‬‬ ‫‪49‬‬ ‫‪25‬‬
‫‪8‬‬ ‫‪5‬‬ ‫‪40‬‬ ‫‪64‬‬ ‫‪25‬‬
‫‪10‬‬ ‫‪8‬‬ ‫‪80‬‬ ‫‪100‬‬ ‫‪64‬‬
‫‪15‬‬ ‫‪14‬‬ ‫‪210‬‬ ‫‪225‬‬ ‫‪196‬‬
‫‪55‬‬ ‫‪47‬‬ ‫‪448‬‬ ‫‪521‬‬ ‫‪393‬‬

‫)‪∑ x y - (∑ x) (∑y‬‬
‫‪N‬‬
‫=‪r‬‬
‫‪∑x2 – (∑x)2‬‬ ‫‪∑y2 – (∑y)2‬‬
‫‪N‬‬ ‫‪N‬‬

‫)‪448 - (55) (47‬‬

‫‪7‬‬
‫=‪r‬‬
‫‪521 – (55)2‬‬ ‫‪393 – (47)2‬‬ ‫=‬ ‫‪78.714 = 0.949‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪9.43 × 8.8‬‬

‫النتيجة ‪ :‬يوجد عالقة ارتباط طرديه قوىه‪.‬‬

‫‪173‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫ثانيا ‪ :‬االحندار ‪Regression‬‬

‫االنحدار هو أسلوب يمكن بواسطته تقدير قيمة أحد المتغيرين بمعلومية قيمة المتغير اآلخر عن‬
‫طريق معادلة االنحدار‪ ،‬وله أنواع‪:‬‬
‫‪ -1‬االنحدار الخطي البسيط ‪ :‬فكلمة " بسيط " تعني أن المتغير التابع ‪ Y‬يعتمد على متغير مستقل‬
‫واحد وهو ‪ X‬وكلمة " خطي "تعني أن العالقة بين المتغيرين )‪ (X , Y‬عالقة خطية‬
‫‪ -2‬االنحدار المتعدد ‪ :‬إذا كان المتغير‪ Y‬يعتمد على أكثر من متغير مستقل‬
‫‪ -3‬االنحدار غير الخطي ‪:‬إذا كانت العالقة بين المتغير‪ Y‬والمتغيرات المستقلة غير خطية كأن تكون‬
‫من الدرجة الثانية أو آسية‪.‬‬

‫االحندار اخلطى البسيط ‪Simple Linear Regression‬‬

‫بغرض تقدير قيمة المتغير التابع بمعلومية المتغير المستقل‪.‬‬

‫أى انه يستخدم للتنبؤ بقيمة متغير (يسمى بالمتغير التابع ) من خالل مجموعه من المتغيرات‬
‫المستقلة وذلك من خالل تمثيل العالقة بين المتغير التابع والمتغيرات المستقلة‬
‫فى حال متغيرين فقط ‪ ،‬االول متغير مستقل والثانى متغير تابع يسمى تحليل االنحدار باالنحدار الثنائى‬
‫أو البسيط‬

‫ملحوظة‬
‫ان معامل االنحدار الخطى البسيط ‪ ،‬ومعامل االرتباط الخطى يسيران فى نفس االتجاه ‪ ،‬وإشارة ميل‬
‫خط االنحدار هى نفسها إشارة معامل االرتباط الخطى ‪ ،‬فإذا كانت العالقة بين المتغيرين طردية‬
‫فإشارتهما موجبة ‪ ،‬وإذا كانت العالقة عكسية فإشارتهما سالبة‬

‫االنحدار الخطي البسيط هو أداة إحصائية تستعمل لبيان العالقة بين متغيرين كميين بحيث يمكن توقع‬
‫قيمة المتغير التابع ‪ (y) Dependent variable‬من خالل المتغير المستقل ‪(x)Independent‬‬

‫على سبيل المثال‪ ،‬إذا كان الباحث يعرف العالقة بين إنفاق أسرة ما وبين عدد أفرادها في مدينة‬
‫ما فإنه يمكنه التنبؤ باالستهالك الشهري عن طريق اإلنحدار الخطي البسيط بمجرد تحديد عدد‬
‫األفراد‬

‫‪174‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫بصورة عامة يستخدم اإلنحدار لألغراض اآلتية‪:‬‬

‫‪-‬تعد هذه الطريقة تقنية نمذجة وتحليل البيانات العددية‪.‬‬

‫‪ -‬إستغالل العالقة بين متغيرين للتنبؤ بقيم أحد المتغيرات من خالل قيم المتغير األخر‪.‬‬

‫‪ -‬التنبؤ وتقدير وإختبار فرضية نمذجة العالقات السببية‪.‬‬

‫هناك العديد من نماذج االنحدار قد يصل عددها الى ما يقرب من مئات النماذج ولكن النموذج األكثر‬
‫أهمية واألكثر شيوعا ً في االستعمال هو نموذج االنحدار الخطي بسيط‪،‬‬

‫في هذا النموذج يوجد لدينا المتغير التابع ‪ y‬والمتغير المستقل ‪ ، x‬ويمكن ذكر النموذج على النحو‬
‫التالي‪:‬‬

‫‪Y = a + bx + e‬‬

‫حيث أن ‪:‬‬

‫‪: y‬المتغير التابع‪.‬‬

‫‪:x‬المتغير المستقل‪.‬‬

‫‪: a‬ثابت اإلنحدار وهو الجزء المقطوع من المحور العمودي ‪ y‬الذي يعكس قيمة المتغير التابع ‪y‬‬
‫في حالة عدم وجود قيمة للمتغير المستقل ‪ ، x‬بمعنى أخر)‪(x = 0‬‬
‫‪: b‬معامل اإلنحدار (الميل) وهو مقدار التغيير في ‪ y‬إذا تغيرت ‪ x‬وحدة واحدة‪ ،‬ويساوي منحدر‬
‫الخط المستقيم )‪(a + b x‬‬
‫‪: e‬الخطأ العشوائي الذي يشير إلى الفرق بين القيمة الفعلية للمتغير التابع ‪ y‬والقيمة المقدرة التي‬
‫يرمز لها ‪ ، ỹ = a + b x‬وهذا يعني أن الخطأ العشوائي يساوي)‪e = y- (a + b x‬‬
‫ويمكن توضيح هذا الخطأ في الشكل البياني التالى‪:‬‬

‫‪175‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫معامل التحديد ‪Determination Coefficient‬‬

‫هو مقياس لتقدير دقة معامل االنحدار ويرمز له ‪ R2‬وذلك ألنه يساوي مربع معامل اإلرتباط البسيط‬
‫ويأخذ هذا المعامل قيم بين ‪ 0‬الى ‪ 1‬أي أنه ‪ r2 ≤ 1 ≤ 0‬وكلما اقتربت قيمة معامل التحديد من ‪ 1‬فان‬
‫ذلك يدل على قلة قيمة الخطأ العشوائي‬

‫مثال‬

‫لو كانت قيمة معامل التحديد لمتغيرين تساوي ‪ 0.87‬فهذا يفسر (يدل) على أن معادلة االنحدار تفسر‬
‫‪ %87‬من التغير الحاصل في المتغير التابع ‪ y‬حدثت بسبب التغير الحاصل في المتغير المستقل ‪x‬‬
‫والباقي من التغير البالغ ‪ %13‬حدث بسبب عوامل أخرى غير المتغير المستقل‪x.‬‬

‫‪0.25 ≥ R2‬‬ ‫‪0.25 < R2 ≤ 0.09‬‬ ‫‪< R2 ≤ 0.01‬‬ ‫معامل التحديد ‪R2‬‬
‫‪0.09‬‬
‫كبير‬ ‫متوسط‬ ‫ضعيف‬ ‫حجم التأثيرللمتغير‬
‫المستقل على المتغير‬
‫التابع ‪- Effect Size‬‬
‫‪ES‬‬

‫‪176‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫أوال ‪ :‬معادلة خط احندار ‪( Y/X‬املتغري املستقل ‪ ، X‬املتغري التابع ‪)Y‬‬

‫تتمثل معادلة خط انحدار ص‪ /‬س فيما يلي‪:‬‬

‫‪Y = A +BX‬‬

‫حيث أن‪:‬‬
‫‪∑ XY - ∑X × ∑Y‬‬
‫‪N‬‬
‫=‪B‬‬
‫)‪∑X - (∑X‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪N‬‬

‫‪A= Y - B X‬‬
‫حيث أن‪:‬‬
‫‪∑Y‬‬
‫= ‪Y‬‬
‫‪N‬‬
‫‪∑X‬‬
‫= ‪X‬‬
‫‪N‬‬

‫‪177‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫ثانيا ‪ :‬معادلة خط احندار ‪( X/Y‬املتغري التابع ‪ ، X‬املتغري املستقل ‪)Y‬‬

‫تتمثل معادلة خط انحدار ‪ X/Y‬فيما يلي‪:‬‬

‫‪X = C +DY‬‬

‫حيث أن‪:‬‬
‫‪∑ XY - ∑X × ∑Y‬‬
‫‪N‬‬
‫=‪D‬‬
‫)‪∑Y - (∑Y‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪N‬‬
‫‪C= X - D Y‬‬

‫حيث أن‪:‬‬
‫‪∑Y‬‬
‫= ‪Y‬‬
‫‪N‬‬
‫‪∑X‬‬
‫= ‪X‬‬
‫‪N‬‬

‫مثال‬
‫توافرت لديك البيانات التالية‪:‬‬
‫‪X 3‬‬ ‫‪5‬‬ ‫‪8‬‬ ‫‪1‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5‬‬
‫‪Y 10‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪13‬‬ ‫‪7‬‬ ‫‪10‬‬ ‫‪7‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪3‬‬

‫أوجد معادلة انحدار ‪ ، Y/X‬ثم أوجد قيمة ‪ Y‬عندما ‪X=16‬‬

‫‪178‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫الحل‬
‫‪X‬‬ ‫‪Y‬‬ ‫‪X2‬‬ ‫‪Y2‬‬ ‫‪XY‬‬
‫‪3‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪100‬‬ ‫‪30‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪25‬‬ ‫‪64‬‬ ‫‪40‬‬
‫‪8‬‬ ‫‪6‬‬ ‫‪64‬‬ ‫‪36‬‬ ‫‪48‬‬
‫‪1‬‬ ‫‪13‬‬ ‫‪1‬‬ ‫‪169‬‬ ‫‪13‬‬
‫‪10‬‬ ‫‪7‬‬ ‫‪100‬‬ ‫‪49‬‬ ‫‪70‬‬
‫‪6‬‬ ‫‪10‬‬ ‫‪36‬‬ ‫‪100‬‬ ‫‪60‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪64‬‬ ‫‪49‬‬ ‫‪56‬‬
‫‪4‬‬ ‫‪10‬‬ ‫‪16‬‬ ‫‪100‬‬ ‫‪40‬‬
‫‪5‬‬ ‫‪6‬‬ ‫‪25‬‬ ‫‪36‬‬ ‫‪30‬‬
‫‪5‬‬ ‫‪3‬‬ ‫‪25‬‬ ‫‪9‬‬ ‫‪15‬‬
‫‪55‬‬ ‫‪80‬‬ ‫‪365‬‬ ‫‪712‬‬ ‫‪402‬‬

‫‪-1‬معادلة خط انحدار ‪Y/X‬‬

‫‪Y=A+BX‬‬

‫حيث أن‪:‬‬
‫‪∑ XY - ∑X × ∑Y‬‬
‫‪N‬‬
‫=‪B‬‬
‫)‪∑X - (∑X‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪N‬‬

‫‪402 -‬‬ ‫‪55 × 80‬‬

‫‪10‬‬
‫=‪B‬‬ ‫‪= -0.608‬‬
‫‪365 -‬‬ ‫‪(55)2‬‬
‫‪10‬‬

‫‪A= Y - B X‬‬

‫‪179‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫حيث أن‪:‬‬
‫‪∑Y‬‬ ‫=‬ ‫‪80‬‬ ‫‪=8‬‬
‫= ‪Y‬‬
‫‪N‬‬ ‫‪10‬‬
‫‪∑X‬‬ ‫=‬ ‫‪55‬‬ ‫‪= 5.5‬‬
‫= ‪X‬‬
‫‪N‬‬ ‫‪10‬‬

‫‪A=8- ( -0.608) × 5.5 = 8 + 3.344 = 11.344‬‬

‫‪Y=A+BX‬‬
‫‪Y=11.344 – 0.608 X‬‬

‫‪ X=16‬عندما ‪Y‬استنتاج قيمة‬

‫‪Y=11.344 – 0.608 × 16 = 1.616‬‬

‫** حل المثال السابق باستخدام االنحرافات عن الوسط الحسابي‬

‫= ‪∑Y‬‬ ‫‪80‬‬ ‫‪=8‬‬

‫= ‪Y‬‬
‫‪N‬‬ ‫‪10‬‬
‫= ‪∑X‬‬ ‫‪55‬‬ ‫‪= 5.5‬‬
‫= ‪X‬‬
‫‪N‬‬ ‫‪10‬‬
‫‪X‬‬ ‫‪Y (X- X ) (Y- Y ) (X- X )2‬‬ ‫‪(Y- Y )2‬‬ ‫) ‪(X- X ) (Y- Y‬‬
‫‪3‬‬ ‫‪10‬‬ ‫‪-2.5‬‬ ‫‪2‬‬ ‫‪6.25‬‬ ‫‪4‬‬ ‫‪-5‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪-0.5‬‬ ‫‪0‬‬ ‫‪0.25‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪8‬‬ ‫‪6‬‬ ‫‪2.5‬‬ ‫‪-2‬‬ ‫‪6.25‬‬ ‫‪4‬‬ ‫‪-0.5‬‬
‫‪1‬‬ ‫‪13‬‬ ‫‪-4.5‬‬ ‫‪5‬‬ ‫‪20.25‬‬ ‫‪25‬‬ ‫‪-22.5‬‬
‫‪10‬‬ ‫‪7‬‬ ‫‪4.5‬‬ ‫‪-1‬‬ ‫‪20.25‬‬ ‫‪1‬‬ ‫‪-4.5‬‬
‫‪6‬‬ ‫‪10‬‬ ‫‪0.5‬‬ ‫‪2‬‬ ‫‪0.25‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪2.5‬‬ ‫‪-1‬‬ ‫‪6.25‬‬ ‫‪1‬‬ ‫‪-2.5‬‬
‫‪4‬‬ ‫‪10‬‬ ‫‪-1.5‬‬ ‫‪2‬‬ ‫‪2.25‬‬ ‫‪4‬‬ ‫‪-3‬‬
‫‪5‬‬ ‫‪6‬‬ ‫‪-0.5‬‬ ‫‪-2‬‬ ‫‪0.25‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪5‬‬ ‫‪3‬‬ ‫‪-0.5‬‬ ‫‪-5‬‬ ‫‪0.25‬‬ ‫‪25‬‬ ‫‪2.5‬‬
‫‪55 80‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪62.5‬‬ ‫‪72‬‬ ‫‪-38‬‬

‫‪180‬‬
 ‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫) ‪∑ (X- X ) (Y- Y‬‬

‫‪= -38‬‬ ‫‪= - 0.608‬‬
‫=‪B‬‬
‫) ‪∑(X- X‬‬ ‫‪2‬‬ ‫‪62.5‬‬

‫‪A= Y - B X = 8 – (-0.608) × 5.5 = 11.344‬‬

‫‪Y=A+BX‬‬
‫‪Y=11.344 – 0.608 X‬‬

‫وهى نفس النتيجة التي حصلنا عليها من قبل‪.‬‬

‫‪181‬‬
‫الفصل الرابع‪ :‬االرتباط الخطى ‪ Correlation Linear‬واالنحدار ‪Regression‬‬

‫‪182‬‬
 ‫املراجع‬
‫‪-‬أحمد عبد السميع طبية ‪:‬مبادئ االحصاء ‪ ،‬عمان ‪ ،‬دار البداية ‪2007 ،‬‬

‫‪-‬جالل الصياد ‪ ،‬عبد الحميد محمد ربيع ‪ :‬مبادئ الطرق االحصائية ‪ :‬تهامة ‪ ،‬جده ‪،‬‬

‫المملكة العربية السعودية ‪1983 ،‬‬

‫‪-‬عبد الحليم فهمى هيكل ‪ :‬مبادئ االساليب االحصائية ‪ ،‬بيروت ‪1990 ،‬‬

‫‪-‬ابراهيم محمد مهدى ‪ ،‬فاطمة على عبد العاطى ‪:‬االحصاء التطبيقى وبحوث العمليات ‪،‬‬

‫المنصورة ‪2008،‬‬

‫‪183‬‬
 ‫الفهرس‬

‫الفصل األول‬

‫مقدمة فى االحتماالت ‪59-1.............................................................. Probabilities‬‬

‫الفصل الثاني‬

‫مقاييس النزعه المركزية ‪109-60........................Measures of Central Tendency‬‬

‫الفصل الثالث‬

‫مقاييس التشتت ‪166-110 ............................................ Dispersion Measures‬‬

‫الفصل الرابع‬

‫االرتباط ‪،Correlation‬االنحدار ‪182-167 ....................................... Regression‬‬

‫‪184‬‬