‫‪ 2‬توزيعات المعاينة‬

‫‪ 2.1‬مقدمة‬
‫البيانات اإلحصائية هي المعلومات التي يجمعها الباحث عن الظاهرة التي يقوم بدراستها وتشكل البيانات العنصر الرئيسي‬
‫في أي بحث إحصائي‪ ،‬فعلى قدر صحتها تتوقف دقة البحث والتحليل اإلحصائي‪ ،‬ويقوم الباحث بجمع البيانات بإتباع أحد‬
‫األسلوبين اآلتيين‪:‬‬

‫أسلوب الحصر الشامل‬

‫يتطلب أسلوب الحصر الشامل جمع البيانات عن كل أفراد المجتمع اإلحصائي محل الدراسة‪ ،‬والمقصود بالمجتمع ‪.‬‬
‫اإلحصائي هو مجموعة المفردات ( أفراد‪ ،‬أعداد‪ ،‬أشياء‪ ،‬مقاييس‪...،‬الخ) ذات خصائص مشتركة تدور الدراسة حولها‪.‬‬

‫أسلوب المعاينة‬
‫المقصود بأسلوب المعاينة هو تجميع البيانات عن جزء فقط من مفردات المجتمع اإلحصائي محل الدراسة ويطلق على‬
‫هذا الجزء مصطلح العينة و سنعرف العينة كما يلي‪:‬‬

‫تعريف العينة‪ :‬العينة هي جزء يتم إختياره من المجتمع محل الدراسة بهدف دراسته من خاللها ألن دراسة المجتمع‬
‫ككل غير ممكنة او جد مكلفة‪.‬‬

‫‪ 2.2‬عملية المعاينة‬
‫هي عملية إختيار جزء من المجتمع محل الدراسة و الذي نطلق عيه مصطلح العينة وهذا لإلستدالل على معامل وخواص‬
‫المجتمع ككل‪ ،‬فهي عملية إستنتاج إحصائي تقوم على التعميم من الجزء إلى الكل والغاية األساسية من إجراء عملية المعاينة‬
‫هي تقدير القيم الحقيقية للمقاييس اإلحصائية الخاصة بالمجتمع و التي يطلق عليها معالم من خالل بيانات العينة المختارة‬
‫والمدروسة‪.‬‬

‫وتوجد عدة طرق الختيار عينة من مجتمع بحيث تكون ممثلة له تمثيال سليما و باختالف طريقة اإلختيار تنتج أنواع مختلفة‬
‫من العينات سنتطرق إلى أ همها وهي العينة العشوائية والتي يمكن تعريفها كما يلي‪:‬‬

‫تعريف العينة العشوائية‪ :‬هي العينة التي تسحب من المجتمع بحيث يكون لكل مفردة من مفردات المجتمع نفس‬
‫فرصة الظهور في العينة‪ ،‬أي احتمال ظهور أي مفردة من مفردات المجتمع في العينة يكون متساويا‪.‬‬

‫عند القيام بدراسة ظاهرة 𝑋 ما على مجتمع ما حجمه ‪ N‬ولتكن طول‪ ،‬وزن ‪...‬الخ التجربة العشوائية هنا تتمثل في إختيار‬
‫‪ n‬شخص ضمن هذا المجتمع بحيث ‪ n‬تمثل حجم العينة‪ .‬ويكون فراغ العينة عبارة عن كل المجموعات الجزئية من‬
‫المجتمع كما نرمز للعينة العشوائية ذات الحجم ‪ n‬ب ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬حيث 𝑖𝑋 هو متغير عشوائي يمثل قيمة الظاهرة‬
‫𝑋 على الشخص 𝑖 المختار في العينة‪ .‬وسحب العينات يتم بطريقتين‪:‬‬

‫السحب بإرجاع ( المعاينة بإرجاع )‬

‫و فيها يتم اختيار كل عنصر من مجتمع ألكثر من مرة ويكون عدد العينات الممكن سحبها في هذه الحالة يساوي ‪N n‬‬
‫‪1‬‬
‫‪.‬‬ ‫واحتمال ظهور عينة من هذه العينات الممكن سحبها مساويا ل‬
‫‪Nn‬‬

‫‪1‬‬
 ‫السحب بدون إرجاع ( المعاينة بدون إرجاع )‬
‫‪n‬‬
‫‪. CN‬‬ ‫و فيها يتم اختيار كل عنصر من مجتمع ما مرة واحدة فقط ويكون عدد العينات الممكن سحبها في هذه الحالة هو =‬
‫‪1‬‬ ‫!‪N‬‬
‫وعليه فإن احتمال ظهور أي عينة من هذه العينات الممكن سحبها مساويا ل ‪.Cn‬‬ ‫!)‪. n!(N−n‬‬
‫‪N‬‬

‫عندما تكون العينات عشوائية نستطيع استخدام األساليب اإلحصائية المختلفة ونظريات االحتماالت لتحليل البيانات التي‬
‫نحصل عليها من العينة لالستدالل على معالم المجتمع الذي سحبت منه هذه العينة وذلك بحساب مقاييس معينة من العينة‬
‫يطلق عليها إحصاءة وتستخدم اإلحصاءة لتق دير معالم المجتمع المجهولة أو إتخاد القرارات بخصوص صفات وخواص‬
‫المجتمع الذي سحبت منه العينة و تعرف اإلحصاءة كما يلي‪:‬‬

‫تعريف اإلحصاءة‪ :‬هي أي مقياس إحصائي تحسب قيمته من العينة العشوائية المسحوبة من المجتمع محل الدراسة فإذا‬
‫كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية من مجتمع 𝑋 اإلحصاءة هي الدالة ) 𝑛𝑋 … ‪ 𝘨(𝑋1 , 𝑋2‬التي تتعلق فقط بقيم‬
‫العينة العشوائية‪.‬‬
‫𝑛 ‪1‬‬
‫فمثال الوسط الحسابي للعينة عبارة عن إحصاءة ويرمز لها بالرمز ̅𝑋 بحيث 𝑖𝑋 ‪ 𝑋̅ = 𝑛 ∑𝑖=1‬وتباين العينة عبارة عن‬
‫‪1‬‬
‫إحصاءة ويرمز له ‪ 𝑆 2‬بحيث ‪ 𝑠 2 = 𝑛−1 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2‬وهكذا‪ ،‬حيث أن قيمة اإلحصاءة تعتمد على العينة المسحوبة‬
‫وبما أننا نستطيع أن نسحب أكثر من عينة من نفس المجتمع فسنجد أن قيمة اإلحصاءة ستتغير من عينة إلى أخرى وبالتالي‬
‫فإن اإلحصاءة عبارة عن متغير وهذا هو الفرق الجوهري بين المعلمة و اإلحصاءة‪ ،‬فالمعلمة عبارة عن قيمة ثابتة بينما‬
‫اإلحصاءة عبارة عن متغير‪ .‬إذا فسيكون لها توزيع إحتمالي والتوزيع اإلحتمالي ألي إحصاءة يسمى توزيع معاينة‪.‬‬

‫تعريف توزيع المعاينة ‪ :‬توزيع المعاينة هو التوزيع اإلحتمالي ألي إحصاءة تحسب قيمها من كل العينات العشوائية‬
‫ذات الحجم المتساوي والممكن سحبها من المجتمع‪.‬‬

‫توزيع المعاينة للوسط الحسابي ̅‬

‫𝑿‬

‫إذا كان لدينا مجتمع محدود حجمه ‪ N‬ووسطه الحسابي 𝜇 وتباينه ‪ 𝜎 2‬وسحبنا منه كل العينات العشوائية الممكنة المتساوية‬
‫في الحجم وليكن حجمها ‪ n‬وحسبنا الوسط الحسابي ̅𝑋 لكل عينة ثم وضعنا هذه المتوسطات في جدول توزيع احتمالي فهذا‬
‫التوزيع االحتمالي يطلق عليه توزيع المعاينة للوسط الحسابي ̅𝑋 للعينة‪.‬‬

‫تعريف توزيع المعاينة للوسط الحسابي للعينة ̅‬

‫𝑿‪ :‬هو التوزيع االحتمالي للوسط الحسابي ̅𝑋 للعينة‪ .‬سوف‬
‫نستعرض توزيع المتغير العشوائي ̅𝑋 في حالة السحب بإرجاع وحالة السحب بدون إرجاع وذلك من خالل المثال التالي‬

‫مثال‪ :‬في أحد مكاتب المحاسبة يوجد ‪ 3‬موظفين يرمز لهم ب ‪ A ،B ،C‬على الترتيب وفيما يلي عدد سنوات الخبرة‬
‫لهؤالء الموظفين ‪ 15 ،4 ،6‬يريد صاحب المكتب اختيار موظفين منهم للقيام بمهمة‪.‬‬

‫في حالة السحب مع اإلرجاع نجد أن عدد العينات الممكنة يعطى بالعالقة التالية‪:‬‬

‫‪N n = 32 = 9‬‬
‫وهي كالتالي‪:‬‬

‫‪CC‬‬ ‫‪BC‬‬ ‫‪AC‬‬ ‫‪BC‬‬ ‫‪BB‬‬ ‫‪BA‬‬ ‫‪CA‬‬ ‫‪BA‬‬ ‫‪AA‬‬ ‫العينات‬

‫‪15‬‬ ‫‪9.5‬‬ ‫‪10.5‬‬ ‫‪9.5‬‬ ‫‪9‬‬ ‫‪5‬‬ ‫‪10.5‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫𝑖̅𝑋‬

‫‪2‬‬
 ‫حساب متوسط المجتمع 𝝁‬

‫𝑖‪∑3𝑖=1 X‬‬
‫=𝜇‬ ‫‪= 8.3‬‬
‫𝑁‬

‫حساب متوسط توزيع المعاينة للمتوسطات ̅𝑿𝝁‬

‫𝑖̅𝑋 ‪∑3𝑖=1‬‬
‫= ̅𝑋𝜇‬ ‫‪= 8.3‬‬
‫𝑛𝑁‬

‫نالحظ أن متوسط المجتمع يساوي متوسط توزيع المعاينة للمتوسطات‪.‬‬

‫حالة السحب بدون اإلرجاع‪ :‬نجد أن عدد العينات الممكنة هي‪:‬‬

‫‪𝐶𝑁𝑛 = 𝐶32 = 3‬‬

‫‪BC‬‬ ‫‪AC‬‬ ‫‪AB‬‬ ‫العينات‬

‫‪9.5‬‬ ‫‪10.5‬‬ ‫‪5‬‬ ‫̅‬

‫𝑿‬

‫حساب متوسط المجتمع 𝝁‬

‫𝑖‪∑3𝑖=1 X‬‬
‫=𝜇‬ ‫‪= 8.3‬‬
‫𝑁‬

‫حساب متوسط توزيع المعاينة للمتوسطات ̅𝑿𝝁‬

‫𝑖̅𝑋 ‪∑3𝑖=1‬‬
‫= ̅𝑋𝜇‬ ‫𝑛‬ ‫‪= 8.3‬‬
‫𝑁𝐶‬

‫نالحظ أن متوسط المجتمع يساوي متوسط توزيع المعاينة للمتوسطات سواء كان السحب بإرجاع او بدون ارجاع‪ .‬أي ان‪:‬‬

‫𝜇 = ̅𝑋𝜇‬

‫حساب تباين ̅‬
‫𝑿‪:‬‬

‫حالة السحب بإرجاع‪ :‬تباين المجتمع 𝟐 𝑿𝛔‬

‫𝟐)𝜇‪∑𝟑𝑖=𝟏( X𝑖 −‬‬
‫= ‪σ𝑋 2‬‬ ‫‪= 22.89‬‬
‫‪N‬‬

‫حساب تباين توزيع المعاينة 𝟐 ̅𝑿𝛔‬

‫‪2‬‬
‫‪∑9𝑖=1(𝑋̅𝑖 − 𝜇 )2‬‬
‫̅𝑋‪σ‬‬ ‫=‬ ‫‪= 11.445‬‬
‫‪Nn‬‬

‫‪3‬‬
 ‫نالحظ أن تباين توزيع المعاينة للمتوسطات ال يساوي تباين المجتمع ولكن تربطهما عالقة وهي‬
‫كالتالي‪:‬‬

‫‪σ𝑋 2‬‬
‫= ‪σ𝑋̅ 2‬‬
‫‪n‬‬
‫وتكون هذه العالقة صحيحة إذا تم سحب العينات مع اإلرجاع من مجتمع محدود حيث ال يؤثر سحب مفردة من المجتمع‬
‫على سحب مفردة أخرى وتكون العالق ة كذلك صحيحة في حالة المجتمعات ال نهائية الحجم ويتحقق هذا االستقالل اإلحصائي‬
‫‪N‬‬
‫عندما يكون حجم المجتمع ‪ N‬كبير بالنسبة لحجم العينة أي أن يكون ‪.n ≤ 0.05‬‬

‫حالة السحب بدون إرجاع‬

‫‪2‬‬
‫‪∑3𝑖=1(𝑋̅𝑖 − 𝜇 )2‬‬
‫̅𝑋‪σ‬‬ ‫=‬ ‫‪n‬‬ ‫‪= 5.72‬‬
‫‪CN‬‬

‫نالحظ أن تباين توزيع المعاينة للمتوسطات ال يساوي تباين المجتمع ولكن تربطهما عالقة وهي كالتالي‬
‫‪σ𝑋 2 N−n‬‬
‫= ‪σ𝑋̅ 2‬‬ ‫(‬ ‫)‬
‫‪n‬‬ ‫‪N−1‬‬

‫نظرية ‪ :2.1‬إذا كانت ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬عينة عشوائية مسحوبة من مجتمع ) 𝑁𝑥 ‪ (𝑥1 , 𝑥2 , … ,‬متوسطه 𝜇 وتباينه‬
‫‪ σ2‬فإن من اجل ‪ i=1, .., n‬و ‪ i≠j‬فان‪:‬‬

‫𝜇 = ) 𝑖𝑋(𝔼‬

‫‪𝕍(𝑋𝑖 ) = σ2‬‬

‫‪0‬‬ ‫في حالة السحب بإرجاع‬

‫{ = ) 𝑗𝑋 ‪cov( 𝑋𝑖 ,‬‬ ‫‪σ2‬‬
‫‪− 𝑁−1‬‬ ‫في حالة السحب بدون إرجاع‬

‫‪0‬‬ ‫في حالة السحب بإرجاع‬

‫{ = ) 𝑗𝑋 ‪ρ(𝑋𝑖 ,‬‬ ‫‪1‬‬
‫‪−‬‬ ‫في حالة السحب بدون إرجاع‬
‫‪𝑁−1‬‬

‫البرهان‪ :‬نعلم أن معالم المجتمع المتوسط و التباين تعطي بالعالقات التالية‪:‬‬

‫𝑁‬
‫‪1‬‬
‫𝑖𝑥 ∑ = 𝜇‬
‫𝑁‬
‫‪𝑗=1‬‬

‫‪N‬‬
‫‪1‬‬
‫‪σ2 = ∑(𝑥𝑖 − 𝜇 )2‬‬
‫‪N‬‬
‫‪j=1‬‬

‫احتمال أن وحدة المعاينة رقم 𝑖 تحمل رقم ‪ j‬في المجتمع هو‬

‫‪1‬‬
‫= ) 𝑗𝑥 = 𝑖𝑋(‪ℙ‬‬
‫𝑁‬

‫‪4‬‬
 ‫وبذلك يكون العزم من الدرجة ن𝐾 حول نقطة األصل هو‪:‬‬
‫‪1‬‬
‫𝑁∑ = ) 𝐾𝑖𝑋(𝔼 = ‪𝜇k‬‬
‫‪𝑗=1‬‬ ‫𝐾𝑗𝑥‬
‫𝑁‬

‫وعلى األخص يكون‬

‫‪N‬‬
‫‪1‬‬
‫∑ = ‪𝔼(𝑋𝑖 ) = μ‬‬ ‫𝑥‬
‫𝑗 ‪N‬‬
‫‪𝑗=1‬‬

‫‪N‬‬
‫‪1 2‬‬
‫∑ = ‪𝔼(𝑋𝑖2 ) = 𝜇2‬‬ ‫𝑥‬
‫𝑗 ‪N‬‬
‫‪𝑗=1‬‬

‫‪𝕍(𝑋𝑖 ) = 𝜇2 − μ2 = σ2‬‬

‫كما أنه في حالة السحب بدون إرجاع فسيكون‪:‬‬

‫) 𝑗𝑥 = 𝛼𝑋│ 𝑟𝑥 = 𝛽𝑋(‪ℙ(𝑋𝛼 = 𝑥𝑗 , 𝑋𝛽 = 𝑥𝑟 ) = ℙ(𝑋𝛼 = 𝑥𝑗 )ℙ‬‬

‫‪1‬‬
‫=‬
‫)‪𝑁(𝑁 − 1‬‬

‫وعلى ذلك فإن‪:‬‬

‫‪1‬‬
‫𝑁∑ = ) 𝛽𝑋 𝛼𝑋(𝔼‬ ‫𝑁‬
‫𝑟𝑥 𝑗𝑥 )‪𝑗=1 ∑𝑟=1,𝑗≠𝑟 𝑁 (𝑁−1‬‬

‫وبما أن‬
‫‪2‬‬
‫‪(∑N‬‬ ‫‪N‬‬ ‫‪2‬‬
‫‪𝑖=1 a𝑖 ) = ∑𝑖=1 a𝑖 + ∑ ∑𝑖≠𝑗 a𝑖 aj‬‬

‫أي أن‬
‫‪2‬‬
‫‪∑ ∑ 𝑖≠𝑗 a𝑖 aj‬‬ ‫‪= (∑N‬‬ ‫‪N‬‬ ‫‪2‬‬
‫𝑖‪𝑖=1 a𝑖 ) − ∑𝑖=1 a‬‬

‫فإن‬
‫‪1‬‬
‫𝑁∑([ )‪𝔼(𝑋𝛼 𝑋𝛽 ) = 𝑁(𝑁−1‬‬ ‫‪2‬‬ ‫𝑁‬ ‫‪2‬‬
‫] 𝑖𝑥 ‪𝑖=1 𝑥𝑖 ) − ∑𝑖=1‬‬

‫‪1‬‬ ‫‪( )2‬‬

‫=‬ ‫] ‪[ 𝑁μ − 𝑁𝜇2‬‬
‫)‪𝑁(𝑁 − 1‬‬

‫‪1‬‬ ‫‪2‬‬ ‫]‪2‬‬ ‫‪2‬‬

‫‪σ2‬‬
‫=‬ ‫([‬ ‫)‬
‫‪𝑁−1 μ −σ =μ −‬‬
‫‪𝑁−1‬‬ ‫‪N−1‬‬

‫حيث أن التغاير هو‬

‫) 𝛼𝑋(𝔼) 𝛼𝑋(𝔼 ‪cov ( 𝑋𝛼 , 𝑋𝛽 ) = 𝔼(𝑋𝛼 𝑋𝛽 ) −‬‬

‫‪5‬‬
 ‫‪σ2‬‬
‫‪= μ2 − N−1 − μ2‬‬

‫‪σ2‬‬
‫‪= − N−1‬‬

‫وكذلك معامل اإلرتباط‬

‫) 𝛽𝑋 𝛼𝑋 (‪cov‬‬
‫‪cov( 𝑋𝛼 , 𝑋𝛽 ) =ρ‬‬ ‫𝛼𝑋‪σ𝑋𝛼 σ‬‬

‫‪σ2‬‬
‫‪−N − 1‬‬
‫=‬
‫‪σ2‬‬
‫‪−1‬‬
‫=‬
‫‪𝑁−1‬‬
‫أما إذا كان السحب بدون إرجاع فستكون المتغيرات ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬مستقلة وبالتالي‬

‫‪cov ( 𝑋𝛼 , 𝑋𝛽 ) = 0‬‬

‫وكذلك معامل اإلرتباط‬

‫‪ρ ( 𝑋𝛼 , 𝑋𝛽 ) = 0‬‬

‫مالحظة‪ :‬إذا كانت ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬عينة عشوائية من مجتمع وسطه ‪ μ‬بحيث )∞‪ (μ < +‬وتباينه ‪ σ2‬بحيث‬
‫‪1‬‬
‫)∞‪ (σ < +‬فإن توقع الوسط الحسابي للعينة 𝑖𝑋 ‪ 𝑋̅ = 𝑛 ∑𝑛𝑖=1‬يكتب كما يلي‬

‫‪𝔼(𝑋̅) = μ‬‬

‫نعلم ان ‪ 𝔼(𝑋𝑖 ) = μ‬وعلى ذلك‬

‫‪1‬‬
‫) ‪𝔼(𝑋̅) = 𝔼 (𝑛 ∑𝑛𝑖=1 Xi‬‬
‫𝑛‬
‫‪1‬‬
‫) ‪= ∑ 𝔼(X i‬‬
‫‪n‬‬
‫‪𝑖=1‬‬

‫‪1‬‬
‫‪= 𝑛 ∑𝑛𝑖=1 μ = μ.‬‬

‫نظرية ‪ 2.2‬إذا كانت ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬عينة عشوائية مسحوبة من مجتمع ) 𝑁𝑥 ‪ (𝑥1 , 𝑥2 , … ,‬وسطه ‪μ‬‬
‫بحيث )∞‪ (μ < +‬وتباينه ‪ σ2‬بحيث )∞‪ (σ < +‬فإن تباين الوسط الحسابي ̅𝑋 للعينة العشوائية هو‬
‫‪σ2‬‬
‫= )̅𝑋(𝕍 = ‪σ𝑋̅ 2‬‬ ‫في حالة السحب بإرجاع‬
‫𝑛‬
‫{‬ ‫𝑛‪σ2 𝑁−‬‬
‫= )̅𝑋(𝕍 = ‪σ𝑋̅ 2‬‬ ‫في حالة السحب بدون إرجاع‬
‫‪𝑛 𝑁−1‬‬

‫‪6‬‬
 ‫البرهان‪:‬‬
‫‪1‬‬
‫) 𝑖𝑋 ‪𝕍(𝑋̅) = 𝕍 (𝑛 ∑𝑛𝑖=1‬‬

‫‪1‬‬
‫) 𝑖𝑋 ‪= 𝑛2 𝕍(∑𝑛𝑖=1‬‬

‫‪1‬‬ ‫‪2‬‬
‫] )) 𝑖𝑋 ‪= 𝑛2 𝔼 [(∑𝑛𝑖=1 𝑋𝑖 − 𝔼(∑𝑛𝑖=1‬‬

‫‪1‬‬
‫] ‪= 𝑛2 𝔼[(∑𝑛𝑖=1(𝑋𝑖 − 𝜇 ))2‬‬

‫‪1‬‬
‫])𝜇 ‪= 𝑛2 𝔼[∑𝑛𝑖=1(𝑋𝑖 − 𝜇 )2 + 2 ∑ ∑𝑖<𝑗(𝑋𝑖 − 𝜇 )(𝑋𝑗 −‬‬

‫‪1‬‬
‫=‬ ‫])𝜇 ‪[∑𝑛𝑖=1 𝔼(𝑋𝑖 − 𝜇 )2 + 2 ∑ ∑𝑖<𝑗 𝔼(𝑋𝑖 − 𝜇 )(𝑋𝑗 −‬‬
‫‪𝑛2‬‬

‫‪1‬‬
‫]) 𝑗𝑋 ‪= 𝑛2 [𝑛σ2 + 2 ∑ ∑𝑖<𝑗 cov( 𝑋𝑖 ,‬‬

‫وهنا توجد حالتان‬

‫‪ -1‬حالة السحب مع اإلرجاع أو في حاالت المجتمعات الكبيرة أو الالنهائية‪.‬‬

‫وفي هذه الحالة تكون المتغيرات 𝑛𝑋 ‪ 𝑋1 , 𝑋2 , … ,‬مستقلة وبالتالي‬

‫‪cov ( 𝑋𝑖 , 𝑋𝑗 ) = 0‬‬ ‫;‬ ‫𝑗≠𝑖‬

‫وبذلك يكون‬
‫‪σ2‬‬
‫= )̅𝑋(𝕍‬ ‫𝑛‬

‫‪ -2‬حالة السحب بدون إرجاع وتكون المتغيرات 𝑛𝑋 ‪ 𝑋1 , 𝑋2 , … ,‬غير مستقلة وبالتالي فإن‬
‫‪1‬‬
‫]‪𝕍(𝑋̅ ) = 𝑛2 [𝑛σ2 + 2 ∑ ∑𝑖<𝑗 σ2 ρ‬‬

‫‪1‬‬
‫]‪= 𝑛2 [𝑛σ2 + 𝑛(𝑛 − 1)σ2 ρ‬‬

‫‪σ2‬‬
‫=‬ ‫]‪[1 + (𝑛 − 1)ρ‬‬
‫𝑛‬

‫وبما أن‬

‫‪1‬‬
‫‪ρ=−‬‬
‫‪N−1‬‬
‫فإن‬
‫‪σ2‬‬ ‫‪𝑛−1‬‬
‫= )̅𝑋(𝕍‬ ‫‪[1 −‬‬ ‫]‬
‫𝑛‬ ‫‪N−1‬‬

‫𝑛‪σ2 N−‬‬
‫=‬ ‫‪𝑛 N−1‬‬

‫‪7‬‬
 ‫‪ 2.3‬توزيع المعاينة للمتوسطات‬
‫اغلب النتائج المهمة بخصوص توزيع المعاينة تظهر لما يكون السحب بإرجاع او ما يعادل لما يكون المجتمع غير منتهي‬
‫او كبير جدا أو أن حجم العينات صغير جدا بالنسبة لحجم المجتمع‪ .‬لدا سنفرض في كل ما سيلي ان السحب بإرجاع‪ ,‬و‬
‫علي هدا األساس يتغير تعريف العينة العشوائية كما يلي‪:‬‬

‫تعريف‪ :‬العينة العشوائية ذات الحجم 𝑛 هي متتالية من المتغيرات العشوائية المستقلة 𝑛𝑋 … ‪ 𝑋1 , 𝑋2 ,‬جميعها لديها نفس‬
‫التوزيع‪.‬‬

‫‪ 2.3.1‬توزيع المعاينة للمتوسط الحسابي ̅‬

‫𝑿 عند المعاينة من مجتمع طبيعي‬
‫فيما يلي سنذكر الحاالت المختلفة إليجاد توزيع المعاينة للمتوسط الحسابي‪.‬‬

‫نظرية ‪ :2.3‬إذا كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية تم اختيارها من مجتمع له توزيع طبيعي متوسطه 𝜇 وتباينه ‪σ2‬‬
‫فإنه بغض النظر عن حجم العينة 𝑛 التي تسحب من هذا المجتمع‪ ،‬سوف يكون توزيع المتوسط الحسابي للعينة هو‬
‫‪σ2‬‬
‫‪.𝑋̅~𝑁 (𝜇,‬‬ ‫)‬
‫𝑛‬

‫للمتغير العشوائي ̅𝑋 يتم إيجاد القيم المعيارية له (أي تحويل قيمته إلى 𝑍 المعيارية) حيث‬ ‫ولحساب قيمة االحتماالت‬
‫𝜇‪𝑋̅ −‬‬
‫=𝑍‬ ‫‪σ‬‬ ‫)‪~𝑁(0,1‬‬
‫𝑛√‬

‫برهان هذه النظرية مباشر و يعتمد علي ان التوزيع االحتمالي لمجموع متغيرات عشوائية مستقلة تتبع التوزيع الطبيعي‬
‫هو كدلك توزيع طبيعي‪.‬‬

‫مثال‪ :‬علما أن عمر نوع معين من المصابيح الكهربائية التي تنتجه إحدى الشركات يقترب من التوزيع الطبيعي بمتوسط‬
‫‪ 1000‬ساعة وتباين ‪ 40000‬ساعة‪ .‬أخدت عينة عشوائية حجمها ‪ 100‬مصباحا كهربائيا‪ ،‬فيما يلي سنبحث عن احتمال‬
‫أن يكون الوسط الحسابي لعمر المصباح أقل من ‪ 950‬ساعة‪.‬‬

‫بافتراض أن 𝑋 يرمز إلى عمر المصباح الكهربائي حيث أن ‪ 𝑛 = 100‬فإن‬

‫‪𝜇𝑋̅ = 1000‬‬

‫‪40000‬‬
‫√ = ̅𝑋‪σ‬‬ ‫‪100‬‬
‫‪= 20‬‬

‫وبالتالي تكون قيمة االحتمال كاآلتي‬

‫‪950−1000‬‬
‫≤ 𝑍( ‪ℙ(𝑋̅ ≤ 950) = ℙ‬‬ ‫‪) = ℙ(𝑍 ≤ −2.5) = 0.0062.‬‬
‫‪20‬‬

‫ليس بالضرورة أن يكون المجتمع دائما موزعا توزيعا طبيعيا‪ ،‬فهناك مجتمعات مجهولة التوزيع (توزيعها غير معروف)‬
‫وفي هذه الحالة نكون أمام التساؤل التالي‪ :‬اذا كان لدينا مجتمع متوسطه 𝜇 وتباينه ‪ σ2‬معلوم‪ ،‬وأخدنا منه جميع العينات‬
‫ذات الحجم 𝑛 بحيث فما هو توزيع المتوسط الحسابي ̅𝑋 حتى ولو لم يكن المجتمع موزعا توزيعا طبيعيا؟‬

‫جزء من االجابة على هذا السؤال يعتمد علي نظرية النهاية المركزية لما يكون حجم العينة كبير يما يكفي )‪. (𝑛 ≥ 30‬‬

‫‪8‬‬
‫نظرية ‪ 2.4‬إذا كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية تم اختيارها من مجتمع يتبع توزيع احتمالي ما متوسطه 𝜇 وتباينه‬
‫‪ σ2‬معلوم‪ ,‬و كان حجم العينة 𝑛 كبير )‪ (𝑛 ≥ 30‬فإن توزيع المعاينة للوسط الحسابي للعينة ̅𝑋 سيكون توزيعا قريبا‬
‫‪σ2‬‬
‫وعليه فإن‬ ‫من التوزيع الطبيعي بمتوسط قدره 𝜇 وتباين قدره‬
‫𝑛‬

‫𝜇 ‪𝑋̅ −‬‬
‫‪𝑍= σ‬‬
‫𝑛 ‪⁄‬‬
‫√‬

‫سيتوزع توزيعا قريبا من التوزيع الطبيعي المعياري‪.‬‬

‫برهان هذه النظرية يعتمد على نظرية النهاية المركزية‪.‬‬

‫مثال‪ :‬تخضع أوزان علب سائل الصحون من نوع معين لتوزيع متوسطه ‪ 1000‬غرام‪ ،‬وتباينه ‪ 6400‬غرام‪ .‬أخدت عينة‬
‫حجمها ‪ 48‬علبة وفيما يلي سنبحث عن احتمال أن يزيد الوسط الحسابي ألوزان العلب في العينة ‪ 1072‬غرام‪.‬‬

‫بما أن حجم العينة كبير )‪ (𝑛 = 48 > 30‬والتباين معلوم فإن شروط النظرية السابقة محققة وعليه بافتراض أن 𝑋‬
‫يرمز إلى أوزان العلب فإن‬

‫‪𝜇𝑋̅ = 1000‬‬

‫‪6400‬‬
‫√ = ̅𝑋‪σ‬‬ ‫‪≈ 11.55‬‬
‫‪48‬‬

‫وبالتالي تكون قيمة االحتمال كاآلتي‬

‫‪1072−1000‬‬
‫> 𝑍( ‪ℙ(𝑋̅ > 1072) = ℙ‬‬ ‫)‪) = ℙ(𝑍 > 6.23) = 1 − ℙ(𝑍 ≤ 6.23‬‬
‫‪11.55‬‬
‫‪≈0‬‬

‫مالحظة‪ :‬عادة ما يكون تباين المجتمع‪ σ2‬مجهول فإنه يمكن تقديره باستخدام الصيغة‬
‫‪1‬‬
‫‪𝑠 2 = 𝑛−1 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2‬‬

‫وسنوضح هذا في الحاالت التالية‪:‬‬

‫حالة العينات الصغيرة )𝟎𝟑 < 𝒏(‬

‫نظرية ‪ 2.5‬إذا كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية تم اختيارها من مجتمع له توزيع طبيعي وسطه الحسابي 𝜇‬
‫وتباينه ‪ σ2‬مجهول‪ ،‬وكان حجم العينة صغير )‪ (𝑛 < 30‬فان المتغير العشوائي‪:‬‬
‫𝜇‪𝑋̅ −‬‬
‫=𝑇‬ ‫𝑆‬
‫𝑛√‬

‫يتبع توزيع ستيودنت بدرجة حرية ‪. 𝑛 − 1‬‬

‫‪9‬‬
 ‫برهان ‪ :‬يمكن كتابة المتغير𝑇 علي الشكل‪:‬‬

‫𝜇‪̅ −‬‬
‫𝑋‬
‫‪σ‬‬
‫𝜇‪𝑋̅ −‬‬ ‫𝑛√‬
‫𝑆‬ ‫=‬
‫̅‬ ‫‪2‬‬
‫𝑛√‬ ‫)𝑋‪√ 1 ∑𝑛 (𝑋𝑖 −‬‬
‫‪𝑛−1 𝑖=1‬‬ ‫‪σ‬‬

‫لدينا‪:‬‬

‫𝜇 ‪𝑋̅ −‬‬
‫)‪σ ~𝑁(0,1‬‬
‫𝑛√‬

‫ومن جهة أخرى لدينا‪:‬‬

‫‪𝑋𝑖 −𝑋̅ 2‬‬ ‫‪1‬‬

‫( ‪∑𝑛𝑖=1‬‬ ‫]) 𝜇 ‪) = σ2 ∑𝑛𝑖=1[(𝑋𝑖 − 𝜇 ) − (𝑋̅ −‬‬
‫‪σ‬‬

‫‪2‬‬
‫‪𝑋 −𝜇 2‬‬ ‫𝜇‪𝑋̅ −‬‬
‫=‬ ‫) 𝑖 ( ‪∑𝑛𝑖=1‬‬ ‫(‪−‬‬ ‫‪σ‬‬ ‫)‬
‫‪σ‬‬
‫𝑛√‬

‫حسب المبرهنة (‪ )3.1‬لتوزيع مربع كاي فإن‪:‬‬

‫‪𝑋𝑖 −𝜇 2‬‬
‫( ‪∑𝑛𝑖=1‬‬ ‫)𝑛( ‪) ~𝜒 2‬‬
‫‪σ‬‬

‫‪2‬‬
‫𝜇‪𝑋̅ −‬‬
‫(‬ ‫‪σ‬‬ ‫)‪) ~𝜒 2 (1‬‬
‫𝑛√‬

‫وحسب المبرهنة (‪ )3.2‬لتوزيع مربع كاي فإن‪:‬‬

‫‪𝑋𝑖 −𝑋̅ 2‬‬

‫( ‪∑𝑛𝑖=1‬‬ ‫)‪) ~𝜒 2 (𝑛 − 1‬‬
‫‪σ‬‬

‫𝜇‪𝑋̅ −‬‬
‫‪.‬‬ ‫𝑆‬ ‫إذن حسب تعريف توزيع ستيودنت نتحصل على‪~t(𝑛 − 1) :‬‬
‫𝑛√‬

‫مثال‪ :‬علما أن درجات طالب التحليل االحصائي تأخذ شكل التوزيع الطبيعي بوسط حسابي مقداره ‪ 70‬درجة‪ .‬أخدت عينة‬
‫حجمها ‪ 9‬طالب‪ ،‬ووجد أن االنحراف المعياري لعالماتهم ‪ 11‬درجة وفيما يلي سنحسب احتمال أن يزيد متوسط درجاتهم‬
‫عن ‪ 75‬درجة‪ .‬بما أن تباين المجتمع الطبيعي مجهول وحجم العينة صغير‪ ،‬فإن توزيع المتوسط الحسابي للعينة يتبع توزيع‬
‫ستيودنت‪ .‬اما االحتمال )‪ ℙ(𝑋̅ > 75‬فيكون كاآلتي‪:‬‬

‫‪75 − 10‬‬
‫> 𝑇( ‪ℙ(𝑋̅ > 75) = ℙ‬‬ ‫‪) ≈ ℙ(𝑇 > 1.363) ≈ ℙ(𝑇 > 1.397) = 10%‬‬
‫‪11‬‬
‫‪√9‬‬

‫‪10‬‬
 ‫حالة العينات الكبيرة )𝟎𝟑 ≥ 𝒏(‬

‫نظرية ‪ 2.6‬اذا كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية تم اختيارها من مجتمع يتبع توزيع احتمالي ما متوسطه 𝜇‬
‫وتباينه ‪ σ2‬مجهول‪ ،‬و كان حجم العينة 𝑛 كبير )‪ (𝑛 ≥ 30‬فان‪:‬‬
‫𝜇‪𝑋̅ −‬‬
‫=𝑍‬ ‫𝑆‬
‫𝑛√‬

‫سيتوزع توزيعا قريبا من التوزيع الطبيعي المعياري‪.‬‬

‫برهان هذه النظرية يعتمد علي استخدام تباين العينة ‪ 𝑆 2‬كتقدير لتباين المجتمع المجهول و علي نظرية النهاية‬
‫المركزية‪.‬‬

‫مثال‪ :‬علما أن طول نوع معين من النباتات يتبع توزيع ما بوسط حسابي مقداره ‪ 22.09‬سنتمتر أخدت عينة حجمها ‪70‬‬
‫نبتة ووجد أن االنحراف المعياري ألطوالهم هو ‪ 2.41‬سنتمتر سنحسب احتمال أن يكون متوسط أطوالهم أقل من ‪.23‬‬

‫بما أن تباين المجتمع الطبيعي مجهول وحجم العينة كبير‪ ،‬فإن توزيع المتوسط الحسابي للعينة يتبع التوزيع الطبيعي وبالتالي‬
‫يكون التوزيع الطبيعي المعياري هو‪:‬‬

‫‪𝑋̅ − 22.09‬‬
‫=𝑍‬ ‫)‪~𝑁(0,1‬‬
‫‪2.41‬‬
‫‪√70‬‬

‫أما االحتمال )‪ ℙ(𝑋̅ ≤ 23‬فيكون‪:‬‬

‫‪23−22.09‬‬
‫≤ 𝑍( ‪ℙ(𝑋̅ ≤ 23) = ℙ‬‬ ‫‪2.41‬‬ ‫‪) = ℙ(𝑍 ≤ 0.045) = 0.5160‬‬
‫‪√70‬‬

‫‪ 2.3.2‬توزيع المعاينة لتباين العينة‬

‫نظرية ‪ 2.7‬إذا كانت ) 𝑛𝑋 … ‪ (𝑋1 , 𝑋2 ,‬عينة عشوائية تم اختيارها من مجتمع له توزيع طبيعي وسطه 𝜇 وتباينه ‪σ2‬‬
‫فإن‬
‫‪(𝑛−1)𝑆 2‬‬
‫)‪~𝜒 2 (𝑛 − 1‬‬
‫‪σ2‬‬

‫البرهان‬

‫‪11‬‬
 ‫‪(𝑛−1)𝑆2‬‬ ‫‪𝑛−1‬‬ ‫‪𝑋𝑖 −𝑋̅ 2‬‬
‫=𝑊‬ ‫( ‪= 𝑛−1 ∑𝑛𝑖=1‬‬ ‫)‬
‫‪σ2‬‬ ‫‪σ‬‬

‫‪𝑋𝑖 −𝑋̅ 2‬‬

‫( ‪= ∑𝑛𝑖=1‬‬ ‫‪σ‬‬
‫)‬

‫وفيما سبق (برهان نظرية ‪ )2.5‬برهنا أن‬

‫‪𝑋𝑖 −𝑋̅ 2‬‬

‫( ‪∑𝑛𝑖=1‬‬ ‫)‪) ~𝜒 2 (𝑛 − 1‬‬
‫‪σ‬‬

‫إذن‬
‫‪(𝑛−1)𝑆2‬‬
‫=𝑊‬ ‫)‪~𝜒 2 (𝑛 − 1‬‬
‫‪σ2‬‬

‫تسمح لنا النظرية السابقة بتوصيف توزيع عينة ‪. 𝑆 2‬‬

‫‪(𝑛−1)𝑆 2‬‬ ‫𝛼)‪(𝑛−1‬‬ ‫𝛼)‪(𝑛−1‬‬
‫( ‪ℙ(𝑆 2 ≤ 𝛼 ) = ℙ‬‬ ‫≤‬ ‫≤ 𝑊( ‪) = ℙ‬‬ ‫)‬
‫‪σ2‬‬ ‫‪σ2‬‬ ‫‪σ2‬‬

‫حيث‪:‬‬

‫‪𝔼(𝑆 2 ) = σ2‬‬
‫‪2σ4‬‬
‫‪𝕍(𝑆 2 ) = 𝑛−1‬‬

‫بالفعل بما أن‪:‬‬

‫)‪𝑊~𝜒 2 (𝑛 − 1‬‬

‫فإن‬

‫‪𝔼 (𝑊 ) = 𝑛 − 1‬‬

‫)‪𝕍(𝑊 ) = 2(𝑛 − 1‬‬

‫إذن‬
‫‪σ2‬‬ ‫‪σ2‬‬
‫‪𝔼(𝑆 2 ) = (𝑛−1 𝑊) = 𝑛−1 𝔼(𝑊 ) = σ2‬‬

‫‪σ2‬‬ ‫‪σ4‬‬ ‫‪2σ4‬‬

‫‪𝕍(𝑆 2 ) = 𝕍 (𝑛−1 𝑊) = (𝑛−1)2 𝕍(𝑊 ) = 𝑛−1 .‬‬

‫مثال‪ :‬لنفرض أننا اخترنا عينة حجمها ‪ 11‬من مجتمع له توزيع طبيعي تباينه ‪ σ2 = 70‬ونريد إيجاد احتمال أن يكون‬
‫تباين العينة أقل أو يساوي ‪.87.5‬‬

‫‪(𝑛−1)𝑆2‬‬ ‫‪87.5×10‬‬
‫( ‪ℙ(𝑆 2 ≤ 87.5) = ℙ‬‬ ‫≤‬ ‫‪) = ℙ(𝑊 ≤ 12.5) = 0.75.‬‬
‫‪σ2‬‬ ‫‪70‬‬

‫‪12‬‬
 ‫‪ 2.4‬تقدير متوسط المجتمع باستخدام عينات كبيرة‬
‫نفرض أن لدينا مجتمع ما ندرس عليه ظاهرة معينة او متغير ‪ X‬طول‪ ,‬وزن ‪ ... ,‬الخ ‪ ,‬وسطه 𝜇 وتباينه ‪ σ2‬وكان‬
‫متوسط هذا المجتمع مجهوال ونرغب في تقديره فإننا نختار عينة عشوائية كبيرة )‪ (𝑛 ≥ 30‬وكما نعلم فإن الوسط‬
‫‪σ2‬‬
‫و ذلك من نظرية النهاية المركزية‪ .‬وفي هذه الحالة يكون‬ ‫الحسابي ̅𝑋 يتبع تقريبا توزيعا طبيعيا وسطه 𝜇 وتباينه‬
‫𝑛‬
‫المتغير‬

‫𝜇 ‪𝑋̅ −‬‬
‫=𝑍‬ ‫)‪σ ~𝑁(0,1‬‬
‫𝑛√‬
‫𝛼‬
‫فإنه (كما يتضح من‬ ‫وباعتبار أن 𝛼𝑍 هي قيمة 𝑍 التي على يمينها مساحة (تحت المنحنى الطبيعي القياسي) تساوي‬
‫‪2‬‬ ‫‪2‬‬
‫الشكل اآلتي) يكون‬

‫𝛼 ‪ℙ (−𝑍𝛼 < 𝑍 < 𝑍𝛼 ) = 1 −‬‬

‫‪2‬‬ ‫‪2‬‬

‫وبتعويض قيمة 𝑍 نحصل على‬

‫𝜇 ‪𝑋̅ −‬‬
‫< 𝛼𝑍‪ℙ (−‬‬ ‫𝛼 ‪σ < 𝑍𝛼2 ) = 1 −‬‬
‫‪2‬‬
‫𝑛√‬

‫ومنه‬
‫‪σ‬‬ ‫‪σ‬‬
‫𝛼𝑍 ‪ℙ (𝑋̅ −‬‬ ‫𝛼𝑍 ‪< 𝜇 < 𝑋̅ +‬‬ ‫𝛼‪)= 1−‬‬
‫‪2‬‬ ‫𝑛√‬ ‫‪2‬‬ ‫𝑛√‬
‫‪13‬‬
 ‫ويسمى االحتمال 𝛼 ‪ 1 −‬بدرجة الثقة أما المقداران‬
‫‪σ‬‬
‫𝛼𝑍 ‪𝑋̅ ±‬‬
‫‪2‬‬ ‫𝑛√‬

‫فيسميان حدي الثقة‪ .‬فإذا أردنا درجة ثقة ‪ 95%‬فإن قيمة ‪ 𝛼 = 0.05‬ومن جدول التوزيع الطبيعي القياسي نجد أن‬
‫‪ 𝑍0.025 = 1.96‬وبالتالي فإن حدي الثقة يكونا‬
‫‪σ‬‬
‫× ‪𝑋̅ ± 1.96‬‬
‫𝑛√‬

‫وإذا أردنا درجة ثقة ‪ 99%‬فإن قيمة ‪ 𝛼 = 0.01‬ومن جدول التوزيع الطبيعي القياسي نجد أن ‪𝑍0.005 = 2.58‬‬
‫وبالتالي فإن حدي الثقة يكونا‬
‫‪σ‬‬
‫× ‪𝑋̅ ± 2.58‬‬
‫𝑛√‬

‫و باستخدام جدول التوزيع الطبيعي القياسي يتم تحديد قيمة 𝛼𝑍 المناظرة ألية درجة ثقة نرغبها‪.‬‬
‫‪2‬‬

‫مالحظة‪ :‬عند تقدير 𝜇 باستخدام فترات الثقة السابقة نجد أننا نحتاج لمعرفة ‪ σ‬التي عادة ما تكون مجهولة وإذا كان حجم‬
‫العينة كبير فإنه يمكن استخدام االنحراف المعياري للعينة 𝑆 بدال من ‪ σ‬كنوع من التقريب‪.‬‬

‫مثال‪ :‬مصنع إلنتاج المصابيح الكهربائية اختيرت من إنتاجه عينة عشوائية حجمها ‪ 100‬مصباح‪ .‬وفيما يلي سنحسب‬
‫‪ 95%‬فترة ثقة لمتوسط عمر المصباح في إنتاج المصنع كله علما أن متوسطه في العينة هو ‪ 1200‬ساعة وانحرافه‬
‫المعياري هو ‪ 250‬ساعة‪.‬‬

‫بما أن درجة الثقة المطلوبة هي ‪ 95%‬فإن ‪ 𝛼 = 0.05‬وتكون ‪ 𝑍0.025 = 1.96‬ويكون حدا َ فترة الثقة هما‬

‫𝑆‬
‫× 𝛼𝑍 ‪𝑋̅ ±‬‬
‫‪2‬‬ ‫𝑛√‬

‫وبالتعويض نجد‬

‫‪250‬‬
‫× ‪1200 ± 1.96‬‬
‫‪√100‬‬

‫أي أن‬

‫‪1151 < 𝜇 < 1249‬‬

‫بدرجة ثقة ‪.95%‬‬

‫ومعنى هذا أننا نتوقع أن يتراوح عمر المصباح من انتاج هذا المصنع بين ‪ 1151‬و‪ 1249‬ساعة وأن درجة ثقتنا في هذه‬
‫النتيجة هي ‪.95%‬‬

‫‪14‬‬
 ‫‪ 2.5‬تقدير متوسط المجتمع باستخدام عينات صغيرة‬
‫مما ذكر سابقا في حالة العينات الصغيرة )‪ (𝑛 < 30‬وكان المجتمع الذي اختيرت منه يتبع توزيعا طبيعيا وسطه 𝜇‬
‫وتباينه ‪ σ2‬وفي حالة ما إذا كانت ‪ σ‬مجهولة فإننا نستخدم االنحراف المعياري للعينة 𝑆 بدال منها وفي هذه الحالة تكون‬
‫𝜇‪𝑋̅ −‬‬
‫لها توزيع ستيودنت بدرجة حرية ‪. 𝑛 − 1‬‬ ‫𝑆‬ ‫اإلحصاءة‬
‫𝑛√‬

‫وعلى ذلك تكون أساليب تحليل نتائج العينات هي أساليب تحليل نتائج العينات الكبيرة نفسها مع استبدال المتغير الطبيعي‬
‫القياسي 𝑍 بالمتغير )‪ 𝑡(𝑛−1‬وعلى ذلك فإنه (كما يتضح من الشكل اآلتي) يكون‬

‫𝛼‬ ‫𝛼‬
‫𝛼 ‪ℙ (−𝑡 (𝑛 − 1; ) < 𝑡 (𝑛 − 1) < 𝑡 (𝑛 − 1; )) = 1 −‬‬
‫‪2‬‬ ‫‪2‬‬

‫𝛼‬
‫حيث أن ) ‪ 𝑡 (𝑛 − 1, 2‬هي قيمة 𝑡 التي تكون على يمينها مساحة (تحت محنى ستيودنت بدرجات حرية ‪𝑛 − 1‬‬
‫𝜇‪𝑋̅ −‬‬ ‫𝛼‬
‫فإننا نحصل على‬ ‫𝑆‬ ‫‪ ،‬وبالتعويض عن قيمة )‪ 𝑡(𝑛 − 1‬باإلحصاء‬ ‫تساوي‬
‫‪2‬‬
‫𝑛√‬

‫𝛼‬ ‫𝜇 ‪𝑋̅ −‬‬ ‫𝛼‬

‫< ) ‪ℙ −𝑡 (𝑛 − 1,‬‬ ‫𝛼 ‪< 𝑡 (𝑛 − 1, ) = 1 −‬‬
‫‪2‬‬ ‫𝑆‬ ‫‪2‬‬
‫𝑛√‬
‫(‬ ‫)‬
‫𝛼‬ ‫𝑆‬ ‫𝛼‬ ‫𝑆‬
‫) ‪ℙ (𝑋̅ − 𝑡 (𝑛 − 1, 2‬‬ ‫) ‪< 𝜇 < 𝑋̅ + 𝑡 (𝑛 − 1, 2‬‬ ‫‪)=1− α‬‬
‫𝑛√‬ ‫𝑛√‬

‫أي أن حدي فترة الثقة هما بدرجة ثقة ‪ (1 − 𝛼 )100%‬هي‪:‬‬

‫𝑆‬
‫)𝛼;‪𝑋̅ ± 𝑡(𝑛−1‬‬
‫‪2‬‬ ‫𝑛√‬

‫‪15‬‬
 ‫مثال‪ :‬اذا كانت مداخيل مجموعة من األفراد في دولة ما تتبع التوزيع الطبيعي وسحبت منه عينة عشوائية حجمها ‪10‬‬
‫أفراد بوسط حسابي ‪ 72‬وانحراف معياري بلغ ‪ .6.4‬المطلوب‪ :‬إيجاد مجال الثقة لمتوسط الدخل لهده المجموعة من‬
‫‪ 95‬األفراد بمستوى ثقة ‪.%95‬‬

‫لدينا‪:‬‬

‫𝑆 𝛼‬ ‫𝑆 𝛼‬
‫) ‪𝑋̅ − 𝑡 (𝑛 − 1 ,‬‬ ‫) ‪< 𝜇 < 𝑋̅ + 𝑡 (𝑛 − 1 ,‬‬
‫𝑛√ ‪2‬‬ ‫𝑛√ ‪2‬‬

‫‪1 − α = 0.95,‬‬ ‫‪α = 0.05,‬‬ ‫‪n = 10‬‬

‫وبالتعويض نجد‬

‫‪67.42 < 𝜇 < 76.54‬‬

‫أي أن الوسط الحسابي للدخل يتراوح بين ‪ 67.42‬و‪ 76,54‬وذلك بمستوى ثقة ‪.%95‬‬

‫فترة الثقة لتباين المجتمع 𝟐𝝈 ‪:‬‬

‫اذا كان لدينا مجتمع يتوزع توزيعا طبيعيا بتباين ‪ ،𝜎 2‬وسحبنا منه عينة عشوائية حجمها ‪ ،n‬فإن المتغير العشوائي التالي‪:‬‬

‫‪(𝑛 − 1)𝑠 2‬‬

‫‪𝜎2‬‬
‫يتبع توزيع مربع كاي بدرجة حرية ‪. n-1‬‬

‫من جدول‪ 𝜒 2‬نستطيع الحصول على قيمتين لهدا المتغير عند درجة حرية معينة‪ ،‬بحيث تكون المساحة على يمين القيمة‬
‫الكبرى تساوي المساحة على يسار المساحة الصغرى وتساوي ‪ ،𝛼⁄2‬وإذا رمزنا ل كل قيمة باستعمال المساحة على يمينها‬
‫سنرمز للقيمة الكبرى بالرمز)‪ 𝜒 2 (𝛼⁄2‬والقيمة الصغرى بالرمز )‪ 𝜒 2 (1 − 𝛼⁄2‬وحيث أن المساحة الكلية تحت‬
‫منحنى توزيع ‪ 𝜒 2‬ت ساوي الواحد‪ ،‬إذن المساحة بين هاتين القيمتين تساوي ( 𝛼 ‪ ، )1-‬حسب الشكل اآلتي‪:‬‬

‫ون عبر عن هذه المساحة باستخدام االحتمال كما يلي‪:‬‬

‫‪(𝑛 − 1)𝑠 2‬‬

‫≤ )‪ℙ (𝜒 2 (𝑛 − 1, 1 − 𝛼⁄2‬‬ ‫𝛼 ‪≤ 𝜒 2 (𝑛 − 1, 𝛼⁄2)) = 1 −‬‬
‫‪𝜎2‬‬

‫وبإجراء بعض العمليات الجبرية‪ ،‬سنحصل على‪:‬‬

‫‪16‬‬
 ‫‪(𝑛 − 1)𝑠 2‬‬ ‫‪2‬‬
‫‪(𝑛 − 1)𝑠 2‬‬
‫(‪ℙ‬‬ ‫≤‬ ‫𝜎‬ ‫≤‬ ‫𝛼‪)=1−‬‬
‫)‪𝜒 2(𝑛 − 1, 𝛼⁄2‬‬ ‫)‪𝜒 2 (𝑛 − 1, 1 − 𝛼⁄2‬‬

‫إذن‪ :‬فترة الثقة لتباين المجتمع 𝟐𝝈 عند مستوى ثقة ‪ (1 − 𝛼 )100%‬هي‪:‬‬

‫‪(𝑛 − 1)𝑠 2‬‬ ‫‪(𝑛 − 1)𝑠 2‬‬

‫‪( 2‬‬ ‫’‬ ‫)‬
‫)‪𝜒 (𝑛 − 1, 𝛼⁄2‬‬ ‫)‪𝜒 2 (𝑛 − 1, 1 − 𝛼⁄2‬‬

‫فترة الثقة لالنحراف المعياري للمجتمع عند مستوى ثقة ‪ (1 − 𝛼 )100%‬هي‪:‬‬

‫‪(𝑛 − 1)𝑠 2‬‬ ‫‪(𝑛 − 1)𝑠 2‬‬

‫√(‬ ‫’‬ ‫√‬ ‫)‬
‫)‪𝜒 2 (𝑛 − 1, 𝛼⁄2‬‬ ‫)‪𝜒 2(𝑛 − 1, 1 − 𝛼⁄2‬‬

‫مثال‪ :‬إذا علمت أن أوزان الطلبة تتوزع توزيعا طبيعيا‪ ،‬وسحبنا عينة عشوائية منهم تحتوي على ‪ 10‬طالب‪ ،‬وكانت‬
‫اوزانهم بالكيلوغرام كما يلي‪ . 44،72،50،65،55،38،81،49،67،69 :‬قدر التباين واالنحراف المعياري ألوزان الطلبة‬
‫وذلك باستخدام فترة عند مستوى ثقة ‪.95%‬‬

‫المجتمع محل الدراسة يتكون من أوزان الطلبة‪ ،‬وهذا المجتمع يتبع توزيع طبيعيا‪ ،‬إذن فترة الثقة لتباين أوزان الطلبة‬
‫ستكون هي‪:‬‬
‫𝑠)‪(𝑛 − 1‬‬ ‫‪2‬‬ ‫‪2‬‬
‫𝑠)‪(𝑛 − 1‬‬
‫‪( 2‬‬ ‫𝛼‬ ‫’‬ ‫)‬
‫)‪𝜒 (𝑛 − 1, ⁄2‬‬ ‫)‪𝜒 2 (𝑛 − 1, 1 − 𝛼⁄2‬‬

‫‪n=10,‬‬ ‫‪, n-1=9‬‬ ‫‪, (1 − 𝛼 )100% = 95%‬‬ ‫حيث‪:‬‬

‫‪ . 1 − 𝛼 = 0.95‬من جدول مربع كاي نجد‪:‬‬ ‫‪, 𝛼 = 0.05 ,‬‬ ‫إذن‪𝛼 ⁄2 = 0.025 :‬‬

‫‪𝜒 2 (𝑛 − 1, 𝛼⁄2) = 𝜒 2 (9,0.025) = 19.023‬‬

‫‪𝜒 2 (𝑛 − 1, 1 − 𝛼⁄2) = 𝜒 2 (9,0.975) = 2.70‬‬

‫أما تباين العينة ‪ 𝑆 2‬نحسبه بعد حساب الوسط الحسابي للعينة حيث‪:‬‬

‫‪∑ 𝑥𝑖 590‬‬
‫= ̿𝑋‬ ‫=‬ ‫‪= 59‬‬
‫𝑛‬ ‫‪10‬‬

‫‪2‬‬
‫‪∑(𝑥𝑖 − 𝑋̿ )2‬‬
‫= 𝑆‬ ‫‪= 190.67‬‬
‫‪𝑛−1‬‬
‫‪(𝑛−1)𝑠2‬‬
‫𝛼‪. 𝜒2 (𝑛−1,‬‬ ‫وبالتالي فإن الحد األدنى لفترة الثقة ‪= 90.21 :‬‬
‫)‪⁄2‬‬

‫‪(𝑛−1)𝑠2‬‬
‫‪.𝜒2 (𝑛−1,1−𝛼⁄ ) = 635.56‬‬ ‫والحد األعلى لفترة الثقة‪:‬‬
‫‪2‬‬

‫إذن فترة الثقة لتباين المجتمع عند مستوى ثقة ‪ 95%‬هي‪ .)90.21، 635.56( :‬وبالنسبة لالنحراف المعياري بأخذ الجذر‬
‫التربيعي للطرفين نجد‪.)9.5، 2.21( :‬‬

‫‪17‬‬
18