‫ ﺍﻝﺘﻘﺩﻴﺭ ﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻝﻔﺭﻭﺽ‬:‫ﺍﻝﺒﺎﺏ ﺍﻝﺜﺎﻤﻥ‬

Chapter 8: Estimation &

Hypotheses Testing
 ‫
‬
‫ﻨﻅﺭﺍ ﻝﻠﺼﻌﻭﺒﺎﺕ ﺍﻝﺘﻲ ﺘﻭﺍﺠﻪ ﺍﻝﺒﺎﺤﺜﻴﻥ ﻓﻲ ﺍﻝﺤﺼﻭل‬
‫ﻋﻠﻲ ﺒﻴﺎﻨﺎﺕ ﺍﻝﻤﺠﺘﻤﻊ ﻜﻜل ﻭﺍﻝﻠﺠﻭﺀ ﺇﻝﻰ ﺃﺴﻠﻭﺏ ﺍﻝﻌﻴﻨﺔ‬
‫ﻓﻲ ﺠﻤﻊ ﺍﻝﺒﻴﺎﻨﺎﺕ ‪ ،‬ﺃﺼﺒﺤﺕ ﺃﺴﺎﻝﻴﺏ ﺍﻻﺴﺘﺩﻻل‬
‫ﺍﻹﺤﺼﺎﺌﻲ ﻫﻲ ﺍﻝﻭﺴﻴﻠﺔ ﻻﺘﺨﺎﺫ ﺍﻝﻘﺭﺍﺭﺍﺕ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺒل‬
‫ﻭﺃﺼﺒﺢ ﺍﻹﺤﺼﺎﺀ ﺍﻝﻭﺼﻔﻲ‪ -‬ﺍﻝﻔﺭﻉ ﺍﻷﻭل ﻤﻥ ﻓﺭﻭﻉ‬
‫ﻋﻠﻡ ﺍﻹﺤﺼﺎﺀ‪ -‬ﻫﻭ ﻤﺭﺤﻠﺔ ﻤﻥ ﻤﺭﺍﺤل ﺍﻝﺒﺤﺙ‬
‫ﺍﻹﺤﺼﺎﺌﻲ ﺍﻝﺘﻲ ﻴﺘﻡ ﻋﻠﻰ ﺃﺴﺎﺴﻬﺎ ﺘﺤﺩﻴﺩ ﺃﺴﻠﻭﺏ‬
‫ﺍﻻﺴﺘﺩﻻل ﺍﻹﺤﺼﺎﺌﻲ ﺍﻝﻤﻨﺎﺴﺏ ﺍﻝﺫﻱ ﻴﻤﺜل ﺍﻝﻬﺩﻑ‬
‫ﺍﻷﺴﺎﺴﻲ ﻤﻥ ﺩﺭﺍﺴﺔ ﺍﻹﺤﺼﺎﺀ‪.‬‬
‫ﻭﻤﻥ ﺍﻝﺘﻌﺭﻴﻔﺎﺕ ﺍﻝﻬﺎﻤﺔ ﺍﻝﺘﻲ ﻴﻘﻭﻡ ﻋﻠﻴﻬﺎ ﺍﻻﺴﺘﺩﻻل‬
‫ﺍﻹﺤﺼﺎﺌﻲ ﺘﻌﺭﻴﻔﻲ ﺍﻝﻤﻌﻠﻤﺔ ﻭﺍﻹﺤﺼﺎﺀ‪.‬‬
‫
ا
)‪(Parameter‬ه رة  
أو ﻡس ی!‬
‫&‪%‬ﺏ‪ #‬ﻡ ا(!' ﻡ*) ا‪,‬راﺱ
‪.‬‬
‫ﻡ‪
%4 - : ).‬ا‪ 2
3‬ا‪1%‬دی
‬
‫‪ -‬ﻡ!‪1‬ﺱ‪ 5‬ا‪ 6‬ا‪6!28‬ا‪#( 7‬ز ﻡ‪.‬‬
‫أي ان ا ه ﻡی< ﺕ*‪,‬د @?> ا(!' ) ا!‪1‬زی' (‬

‫
ا‪@&8‬ء )‪ (Statistic‬ه رة  
أو ﻡس ی!‬

‫&‪%‬ﺏ‪ #‬ﻡ ا‪
B‬ا‪1*%‬ﺏ
ﻡ ا(!' ﻡ*) ا‪,‬راﺱ
‪.‬‬
‫أي أن ا‪@&8‬ء ه دا
‪ 2‬ﺏ‪4‬ت ا‪. DB‬‬
 ‫ﻭ ﻴﻨﻘﺴﻡ ﺍﻹﺤﺼﺎﺀ ﺍﻻﺴﺘﺩﻻﻝﻲ ﺃﻭ )ﺍﻻﺴﺘﺩﻻل ﺍﻹﺤﺼﺎﺌﻲ( ﺇﻝﻰ‬
‫ﻤﻭﻀﻭﻋﻴﻥ ﺭﺌﻴﺴﻴﻴﻥ‪:‬‬

‫)‪(1‬ﺘﻘﺩﻴﺭ ﻤﻌﺎﻝﻡ ﺍﻝﻤﺠﺘﻤﻊ )‪.(Estimation‬‬

‫)‪(2‬ﺍﺨﺘﺒﺎﺭﺍﺕ ﻓﺭﻭﺽ ﺒﺸﺄﻥ ﺼﺤﺔ ﻗﻴﻡ ﻤﻌﺎﻝﻡ ﺍﻝﻤﺠﺘﻤﻊ ‪(Testing‬‬

‫)‪.of Hypotheses‬‬

‫و ذ      أو  ت  ا‬

‫أو ا‪%‬ت ااد ﺕ'& ‪ $%‬أو إﺝاء ا رات وض‬
‫ﺏ‪,-‬ﻥ‪،$‬‬
‫آ ‪  89‬ﻥ‪7‬ذج ا‪5&5‬ل ا‪3‬ﺡ‪ /01‬ا‪:/‬‬
‫ا‪8‬ﺱ!‪8,‬ل‬
‫ا‪
B‬‬ ‫ا(!'‬
‫ا‪?@&F‬‬
‫ﻡ
‬
‫ا!رات‬
‫ﻡ‪1I‬ﻡ
‬
‫&
‬
‫ا‪6H‬وض‬
‫ا‪6‬ار‬
‫ا
‬ ‫ا!‪,‬ی‪6‬‬
‫ﻡ
‬
‫ﻡ(‪
1#‬‬

‫ﺕ‪,‬ی‪6!2 6‬ة‬ ‫ﺕ‪,‬ی‪
34 6‬‬

‫
م أب اﻝ
 ﻝ
 ﻝ اﻝ
 إذا آن اﻝف ه‬
‫ﺕ  ‪ " "#$‬ﻝ" )‪(Unknown Parameters‬‬
‫‪.‬‬
‫أ اﺥ
‪4‬رات اﻝ‪ 8‬وض ‪

9‬م ﺏف اﻝ<ل إﻝ= ‪ $‬ار ﺏ?>ن‬
‫ر‪ @9‬أو ‪A‬م ر‪ 9 @9‬ض إﺡ‪"AG " FA BCD‬‬
‫)‪.(Hypothesized Parameter‬‬
 ‫ﺘﻘﺩﻴﺭ ﻤﻌﺎﻝﻡ ﺍﻝﻤﺠﺘﻤﻊ‬
‫ﺍﻝﺘﻘﺩﻴﺭ )‪(Estimation‬ﻫﻭ ﺃﺴﻠﻭﺏ ﺇﺤﺼﺎﺌﻲ ﻤﺒﻨﻲ ﻋﻠﻰ ﻨﻅﺭﻴﺎﺕ ﺇﺤﺼﺎﺌﻴﺔ‪،‬‬
‫ﻴﺴﺘﺨﺩﻡ ﻝﺘﻘﺩﻴﺭ ﻤﻌﻠﻤﺔ ﻤﺎ ﻤﺤل ﺍﻻﻫﺘﻤﺎﻡ ﻋﻥ ﻁﺭﻴﻕ ﺍﺴﺘﺨﺩﺍﻡ ﻤﻘﺎﻴﻴﺱ ﺍﻝﻌﻴﻨﺔ‪.‬‬

‫ه‪%‬ك أ"!ن  
ا ا
وه‪:‬‬

‫ﺍﻝﺘﻘﺩﻴﺭ ﺒﻔﺘﺭﺓ‪.‬‬ ‫ﺍﻝﺘﻘﺩﻴﺭ ﺒﻨﻘﻁﺔ‬

‫)‪(Interval Estimation‬‬ ‫)‪(Point Estimation‬‬
‫ﺘﺴﺘﺨﺩﻡ ﺒﻴﺎﻨﺎﺕ ﺍﻝﻌﻴﻨﺔ‬ ‫ﺘﺴﺘﺨﺩﻡ ﺒﻴﺎﻨﺎﺕ ﺍﻝﻌﻴﻨﺔ‬
‫ﻝﺘﻘﺩﻴﺭ ﻤﻌﻠﻤﺔ‬ ‫ﻝﺘﻘﺩﻴﺭ ﻤﻌﻠﻤﺔ ﺍﻝﻤﺠﺘﻤﻊ‬
‫ﺍﻝﻤﺠﺘﻤﻊ ﺍﻝﻤﺠﻬﻭﻝﺔ‬ ‫ﺍﻝﻤﺠﻬﻭﻝﺔ ﺒﻨﻘﻁﺔ ﻭﺍﺤﺩﺓ‬
‫ﺒﻔﺘﺭﺓ ﻤﻥ ﺍﻝﻘﻴﻡ‪.‬‬ ‫ﻓﻘﻁ‪ ،‬ﺃﻱ ﺒﻘﻴﻤﺔ ﻭﺍﺤﺩﺓ‬
‫ﻓﻘﻁ‪.‬‬
‫' أه& & ا "( ا ‪µ‬‬
‫و"ف ﻥى آ‪ -.‬ﻥم !* !‪
4%‬و!‪3‬ة‬
 ‫‪ -‬ﻨﺴﺘﺨﺩﻡ ﺍﻝﻤﺘﻭﺴﻁ )ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ( ‪ x‬ﻝﻠﻌﻴﻨﺔ ﻜﺘﻘﺩﻴﺭ‬
‫ﻨﻘﻁﺔ )‪ (Point Estimation‬ﻝﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ ‪. µ‬‬
‫‪-‬ﻭﻴﻤﺘﺎﺯ ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻝﻠﻌﻴﻨﺔ ﺒﺄﺭﺒﻊ ﺨﺼﺎﺌﺹ ﺃﺴﺎﺴﻴﺔ‬
‫ﻤﻥ ﺍﻝﻤﻔﺘﺭﺽ ﺘﻭﻓﺭﻫﺎ ﻓﻲ ﺃﻱ ﺘﻘﺩﻴﺭ ﻭﺃﻫﻡ ﻫﺫﻩ ﺍﻝﺨﻭﺍﺹ‪،‬‬
‫ﻋﺩﻡ ﺍﻝﺘﺤﻴﺯ‪- .‬ﻭﻤﻥ ﺍﻝﻤﺘﻭﻗﻊ ﺃﻥ ﻻ ﺘﻜﻭﻥ ﻗﻴﻤﺔ ﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ‬
‫ﻤﺴﺎﻭﻴﺔ ﻝﻘﻴﻤﺔ ﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ‪ ،‬ﻭﻝﻜﻥ ﻗﺭﻴﺏ ﻤﻨﻬﺎ‪ .‬ﻭﻴﺴﻤﻰ‬
‫ﺍﻝﻔﺭﻕ ﺍﻝﻤﻁﻠﻕ ﺒﻴﻥ ﻗﻴﻤﺔ ﺍﻹﺤﺼﺎﺀ ﻭﻗﻴﻤﺔ ﺍﻝﻤﻌﻠﻤﺔ ﺍﻝﻔﻌﻠﻴﺔ‬
‫ﺍﻝﻤﺭﺍﺩ ﺘﻘﺩﻴﺭﻫﺎ ﺒﺎﺴﻡ ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ‪.‬‬

‫‪θˆ − θ ⇒ estimated error‬‬

 ‫ﻜﻤﺎ ﺍﻥ ﻝﻜل ﺇﺤﺼﺎﺀ ﻤﻥ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻝﺘﻲ‬
‫ﻨﺤﺴﺒﻬﺎ ﻤﻥ ﺍﻝﻌﻴﻨﺔ ﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﺨﺎﺹ ﺒﻬﺎ‬
‫‪،‬ﻓﻬﻨﺎﻙ ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ ﻭﺍﻝﺨﻁﺄ‬
‫ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻼﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻌﻴﻨﺔ ﻭﺍﻝﺨﻁﺄ‬
‫ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻝﻌﻴﻨﺔ‬
‫ﻭﻏﻴﺭﻫﺎ ﻭﻫﺫﺍ ﻴﺩﺨل ﺘﺤﺕ ﻤﻭﻀﻭﻉ ﺍﻻﺴﺘﺩﻻل‬
‫ﺍﻹﺤﺼﺎﺌﻲ‪ .‬ﻭﺴﻭﻑ ﻨﺭﻜﺯ ﻓﻘﻁ ﻋﻠﻰ ﺘﻌﺭﻴﻑ‬
‫ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ‪.‬‬
‫ˆ‬ ‫ˆ‬ ‫ˆ‬
‫))‪s tandard error ⇒ V (θ) = E(θ −E(θ‬‬‫‪2‬‬
 ‫ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ )‪Error‬‬
‫)‪ (Standard Error‬ﻝﻠﻤﺘﻭﺴﻁ ﻫﻭ‬
‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﺘﻭﺯﻴﻊ ﻤﺠﺘﻤﻊ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻝﻌﻴﻨﺎﺕ ‪.‬‬
‫ﺒﻤﻌﻨﻰ ﺍﻨﺤﺭﺍﻑ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻝﻌﻴﻨﺎﺕ ﻋﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻬﺎ‪.‬‬
‫ﻭﻴﺭﻤﺯ ﻝﻪ ﺒﺎﻝﺭﻤﺯ ‪ ، σ X‬ﺤﻴﺙ‪σ :‬‬
‫= ‪σX‬‬
‫‪n‬‬
‫ﻏﺎﻝﺒﹰﺎ ﻤﺎ ﺘﻜﻭﻥ ﻗﻴﻤﺔ ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻤﺠﺘﻤﻊ )‪ (σ‬ﻏﻴﺭ‬
‫ﻤﻌﻠﻭﻤﺔ ‪ ،‬ﻝﺫﺍ ﻨﻘﺩﺭﻫﺎ ﺒﻘﻴﻤﺔ ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻌﻴﻨﺔ)‪. (S‬‬
‫ﻓﻴﺼﺒﺢ ﻝﺩﻴﻨﺎ ﺘﻘﺩﻴﺭ ﻝﻠﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻤﺘﻭﺴﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ‬
‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻌﻴﻨﺔ ﺒﺎﻝﺼﻴﻐﺔ ﺍﻝﺘﺎﻝﻴﺔ‪S :‬‬
‫= ˆ‪σ‬‬
‫‪X‬‬
‫‪n‬‬
 ‫ﻤﺜﺎل )‪(1 - 8‬‬
‫ﺃﻭﺠﺩ ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻝﻌﻴﻨﺔ ﺤﺠﻤﻬﺎ )‪ (49‬ﺘﻡ‬
‫ﺴﺤﺒﻬﺎ ﻤﻥ ﻤﺠﺘﻤﻊ ﻝﻪ ﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻴﺴﺎﻭﻱ )‪.(14‬‬

‫ﺍﻝﺤل‪ :‬ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ ﻴﺴﺎﻭﻱ‬

‫‪σ‬‬
‫‪14‬‬
‫= ‪σX‬‬ ‫=‬ ‫‪=2‬‬
‫‪n‬‬ ‫‪49‬‬
 ‫ﻤﺜﺎل )‪(2 - 8‬‬
‫ﺘﻡ ﻗﻴﺎﺱ ﻤﺴﺘﻭﻯ ﺍﻷﺩﺍﺀ ﻋﻠﻰ ﻤﻬﺎﺭﺓ ﻤﻌﻴﻨﺔ ﻷﻓﺭﺍﺩ ﻋﻴﻨﺔ‬
‫ﺤﺠﻤﻬﺎ )‪ ،(36‬ﻓﻜﺎﻥ ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ‬
‫ﻝﻠﻌﻴﻨﺔ ‪ 30‬ﻭ‪ 9‬ﻋﻠﻰ ﺍﻝﺘﺭﺘﻴﺏ‪ .‬ﺃﻭﺠﺩ ﺍﻝﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ‬
‫ﻝﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ‪.‬‬
‫ﺍﻝﺤل‪:‬‬
‫ﻷﻥ ﻗﻴﻤﺔ ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻤﺠﺘﻤﻊ )‪ (σ‬ﻤﺠﻬﻭﻝﺔ‪ ،‬ﻝﺫﺍ ﻨﻘﺩﺭﻫﺎ ﺒﻘﻴﻤﺔ‬
‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻌﻴﻨﺔ)‪ . (S‬ﻓﻴﺼﺒﺢ ﻝﺩﻴﻨﺎ ﺘﻘﺩﻴﺭ ﻝﻠﺨﻁﺄ ﺍﻝﻤﻌﻴﺎﺭﻱ‬
‫‪S‬‬ ‫‪9‬‬ ‫ﻝﻠﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻝﻠﻌﻴﻨﺔ ﻴﺴﺎﻭﻱ‪:‬‬
‫= ‪σˆ X‬‬ ‫=‬ ‫‪= 1.5‬‬
‫‪n‬‬ ‫‪36‬‬
 ‫ﺘﻘﺩﻴﺭ ﺍﻝﻔﺘﺭﺓ ﻝﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ‬
‫ﻭﺠﺩﻨﺎ ﻓﻴﻤﺎ ﺴﺒﻕ ﺃﻥ ﺘﻘﺩﻴﺭ ﺍﻝﻨﻘﻁﺔ ﻨﺎﺩﺭﹰﺍ ﻤﺎ ﻴﺴﺎﻭﻱ ﺍﻝﻤﻌﻠﻤﺔ‬
‫ﺍﻝﺘﻲ ﻨﺭﻏﺏ ﻓﻲ ﺘﻘﺩﻴﺭﻫﺎ‪ ،‬ﻝﺫﻝﻙ ﻓﺈﻨﻨﺎ ﻨﺤﺩﺩ ﻓﺘﺭﺓ ﺘﺤﺘﻭﻱ‬
‫ﻋﻠﻰ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻝﻘﻴﻡ ﺘﺘﻀﻤﻥ ﻓﻴﻤﺎ ﺒﻴﻨﻬﺎ ﻗﻴﻤﺔ ﻤﻌﻠﻤﺔ‬
‫ﺍﻝﻤﺠﺘﻤﻊ‪ ،‬ﻭﺘﺴﻤﻰ ﻫﺫﻩ ﺍﻝﻔﺘﺭﺓ ﺒﺘﻘﺩﻴﺭ )ﻓﺘﺭﺓ( ﺍﻝﺜﻘﺔ‪،‬‬
‫ﻭﺍﺤﺘﻤﺎل ﻭﻗﻭﻉ ﺍﻝﻤﻌﻠﻤﺔ ﻓﻲ ﻫﺫﻩ ﺍﻝﻔﺘﺭﺓ ﻴﺴﻤﻰ ﺩﺭﺠﺔ‬
‫ﺍﻝﺜﻘﺔ‪.‬‬
‫ﺍﻝﺜﻘﺔ‪.‬‬

‫وﻥ‪ 5‬رﺝ
ا‪ً 6D ،(1 - α) 5!
6‬‬

‫‪ C‬إذا آﻥ‪ F‬درﺝ
ا‪95%
6‬‬
‫و@? ه>* ا‪<=
.‬‬ ‫و@? ه>* ا‪<=
.‬‬
‫=ى ا‪
%‬و‪@ α 5! A 5‬ن =ى ا‪=
%‬وي ‪0.05‬‬
 ‫ﻭﻝﺘﻘﺩﻴﺭ ﻓﺘﺭﺓ ﺜﻘﺔ ﻝﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ ‪ µ‬ﻨﺴﺘﺨﺩﻡ ﻤﺘﻭﺴﻁ ﺍﻝﻌﻴﻨﺔ ‪x‬‬
‫ﻭﻓﻲ ﺤﺎﻝﺔ ﺤﺠﻡ ﺍﻝﻌﻴﻨﺔ ﺍﻝﻜﺒﻴﺭ )‪ (n ≥ 30‬ﻨﺴﺘﺨﺩﻡ ﺍﻝﻌﻼﻗﺔ ﺍﻵﺘﻴﺔ‪:‬‬

‫‪σ‬‬ ‫‪σ‬‬
‫‪x − Zα /2‬‬ ‫‪≤ µ ≤ x + Zα /2‬‬
‫‪n‬‬ ‫‪n‬‬

‫ﺡ @ ﺕ&د ?  ‪ Z α / 2‬ﺡ‪ B‬درﺝ ا‪) 'A‬أو ‪7B‬ى ا‪ (7%‬آ ‪:/F‬‬
‫‪Z α / 2 = 1.65‬‬ ‫إذا آﻥ‪ G‬درﺝ ا‪L 90% 'A‬ن‬
‫‪Z α / 2 = 1.96‬‬ ‫وإذا آﻥ‪ G‬درﺝ ا‪L 95% 'A‬ن‬
‫‪Z α / 2 = 2.58‬‬ ‫وإذا آﻥ‪ G‬درﺝ ا‪L 99% 'A‬ن‬
 ‫&  ﻥ‪ّ7Q‬ن ة ﺙ' ﺏ‪100 (1 – α) % B‬ﺡ‪7‬ل ‪L µ‬ﻥ دة‬
‫  ﻥ‪  %‬ه‪ VW‬ا‪U‬ة ﺏ‪%‬رة ‪ &» :TA‬ﺙ' ﺏ‪100 (1 – α) B‬‬
‫‪%‬أن ا‪ / ' F µ Z7‬ه‪ VW‬ا‪U‬ة«‪ ،‬ﺡ @  ﺕ&& ه‪VW‬‬
‫ا‪U‬ة ‪ /‬ا] 'ت ا‪ ، F%‬وا‪%‬رة ﺕ‪ \Q%‬ﺙ' ‪  F /‬ا'&‬
‫ا‪.. %‬‬
‫أآ‪  A‬ا'  ا‪7B‬ﺏ  ﺏ ﻥت ا‪ %‬‬
 ‫ﻤﻼﺤﻅﺎﺕ ﻫﺎﻤﺔ‬
‫
ﺇﺫﺍ ﻜﺎﻨﺕ ﻗﻴﻤﺔ ﺍﻝﻤﻌﻠﻤﺔ ‪ σ‬ﻤﺠﻬﻭﻝﺔ ﻨﺴﺘﺨﺩﻡ ﻗﻴﻤﺔ‬
‫ﻻ ﻋﻨﻬﺎ ﻜﺘﻘﺩﻴﺭ ﻝﻬﺎ‪.‬‬
‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻠﻌﻴﻨﺔ ‪ S‬ﺒﺩ ﹰ‬

‫
ﻗﻴﻡ ‪ Z α / 2‬ﺴﺘﺴﺘﺨﺩﻡ ﻓﻲ ﻜﺜﻴﺭ ﻤﻥ ﺍﻝﻌﻼﻗﺎﺕ ﺘﺤﺕ‬

‫ﻤﻭﻀﻭﻉ ﺍﻝﺘﻘﺩﻴﺭ ﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻝﻔﺭﻭﺽ‪.‬‬
 ‫ﻤﺜﺎل )‪(3 - 8‬‬
‫ﻤﺼﻨﻊ ﻹﻨﺘﺎﺝ ﺍﻝﻤﺼﺎﺒﻴﺢ ﺍﻝﻜﻬﺭﺒﺎﺌﻴﺔ‪ ،‬ﺍﺨﺘﻴﺭ ﻤﻥ ﺇﻨﺘﺎﺠﻪ ﻋﻴﻨﺔ ﺤﺠﻤﻬﺎ )‪(100‬‬
‫ﻤﺼﺒﺎﺡ ﻝﺘﻘﻴﻴﻡ ﺠﻭﺩﺓ ﺍﻹﻨﺘﺎﺝ‪ ،‬ﺤﻴﺙ ﺤﺩﺩ ﻤﺩﻴﺭ ﺍﻝﻤﺼﻨﻊ ﻤﻌﻴﺎﺭ ﺍﻝﺠﻭﺩﺓ ﺃﻥ ﻴﺘﺭﺍﻭﺡ‬
‫)‪ .(1100‬ﺇﺫﺍ ﻜﺎﻥ ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻝﻌﻤﺭ‬
‫)‪(1000‬ﻭ)‪1100‬‬
‫ﻋﻤﺭ ﺍﻝﻤﺼﺒﺎﺡ ﺒﻴﻥ )‪1000‬‬
‫ﺍﻝﻤﺼﺒﺎﺡ ﻓﻲ ﺍﻝﻌﻴﻨﺔ ﺍﻝﻤﺨﺘﺎﺭﺓ )‪ (1200‬ﺴﺎﻋﺔ ﻭﺍﻨﺤﺭﺍﻓﻪ ﺍﻝﻤﻌﻴﺎﺭﻱ )‪(250‬‬
‫ﺴﺎﻋﺔ‪ .‬ﻗﺩﺭ ﺒﺩﺭﺠﺔ ﺜﻘﺔ ‪ %95‬ﻤﺘﻭﺴﻁ ﻋﻤﺭ ﺍﻝﻤﺼﺒﺎﺡ ﻤﻥ ﺇﻨﺘﺎﺝ ﺍﻝﻤﺼﻨﻊ ﻜﻠﻪ‪.‬‬
 ‫ا‪:?P‬‬
‫ﺡ @ أن ا‪5‬ﻥاف ا‪ %‬ري ‪7$ σ F‬ل ﻥ'&ر‪ V‬ﺏ‪&b‬ام‬
‫ا‪5‬ﻥاف ا‪ %‬ري ‪. %F‬‬
‫‪n = 100, x = 1200, S = 250, 1 − α = 0.95 ⇒ Z α 2 = 1.96‬‬
‫‪‬‬ ‫‪S‬‬ ‫‪S ‬‬
‫‪P x − Z α‬‬ ‫‪2‬‬ ‫‪≤ µ ≤ x + Zα 2‬‬ ‫‪‬‬ ‫‪= 1−α‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪250‬‬ ‫‪250 ‬‬
‫)‪P 1200 − (1.96‬‬ ‫)‪≤ µ ≤ 1200 + (1.96‬‬ ‫‪ = 0.95‬‬
‫‪‬‬ ‫‪100‬‬ ‫‪100 ‬‬
‫‪P [1200 − 49 ≤ µ ≤ 1200 + 49] = 0.95‬‬
‫‪P [1151 ≤ µ ≤ 1249] = 0.95‬‬
‫ﻤﺘﻭﺴﻁ ﻋﻤﺭ ﺍﻝﻤﺼﺒﺎﺡ ﻤﻥ ﺇﻨﺘﺎﺝ ﺍﻝﻤﺼﻨﻊ ﻜﻠﻪ ﻴﺘﺭﺍﻭﺡ ﺒﻴﻥ ‪1151‬‬
‫ﻭ‪ 1249‬ﺴﺎﻋﺔ ﺒﺩﺭﺠﺔ ﺜﻘﺔ ‪ .95%‬ﻭﺘﺩل ﻫﺫﺍ ﺍﻝﺘﻘﺩﻴﺭ ﺃﻥ ﺠﻭﺩﺓ‬
‫ﺍﻝﻤﺼﺎﺒﻴﺢ ﻋﺎﻝﻴﺔ ﻤﻥ ﻫﺫﺍ ﺍﻝﻤﺼﻨﻊ‪.‬‬
 ‫ﻤﺜﺎل )‪(5 - 8‬‬
‫ﺘﺴﺒﺏ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ ﻝﺸﺭﻜﺎﺕ ﺍﻝﻁﻴﺭﺍﻥ ﻓﻲ ﺨﺴﺎﺭﺓ ﻝﻤﺼﺩﺭ ﺍﻝﺩﺨل‪ ،‬ﺒﻔﺭﺽ‬
‫ﺃﻥ ﺇﺤﺩﻯ ﺸﺭﻜﺎﺕ ﺍﻝﻁﻴﺭﺍﻥ ﺍﻝﻜﺒﺭﻯ ﺃﺭﺍﺩﺕ »ﺘﻘﺩﻴﺭ« ﻋﺩﺩ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ ﻝﻜل‬
‫ﺭﺤﻠﺔ ﺨﻼل ﺍﻝﻌﺎﻝﻡ ﺍﻝﻤﺎﻀﻲ‪ .‬ﻭﻝﻬﺫﺍ ﺍﻝﻐﺭﺽ‪ ،‬ﺘﻡ ﺍﺨﺘﻴﺎﺭ ﻋﺸﻭﺍﺌﻲ ﻝﻌﺩﺩ ‪225‬‬
‫ﺭﺤﻠﺔ ﻁﻴﺭﺍﻥ ﻭﺘﺴﺠﻴل ﻋﺩﺩ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ ﻓﻲ ﻜل ﺭﺤﻠﺔ ﻤﻥ ﻫﺫﻩ ﺍﻝﻌﻴﻨﺔ‪.‬‬
‫ﻭﻜﺎﻥ ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ﻝﻌﺩﺩ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ ﻓﻲ ﻫﺫﻩ‬
‫ﺍﻝﻌﻴﻨﺔ ﻫﻤﺎ‪ x = 11.6 :‬ﻤﻘﻌﺩ‪S = 4.1 ،‬ﻤﻘﻌﺩ‪ .‬ﻗﺩﺭ ‪)µ‬ﻋﺩﺩ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ‬
‫‪.90‬‬‫ﻝﻠﺭﺤﻠﺔ ﺨﻼل ﺍﻝﻌﺎﻡ ﺍﻝﻤﺎﻀﻲ( ﺒﺎﺴﺘﺨﺩﺍﻡ ﻓﺘﺭﺓ ﺜﻘﺔ ‪%‬‬
‫‪90%‬‬
 ‫‪x =11.6‬‬ ‫‪,S = 4.1‬‬

‫‪n = 225, 1−α = 0.90 ⇒ Z α 2 = 1.65‬‬

‫‪‬‬ ‫‪S‬‬ ‫‪S ‬‬
‫‪P x − Z α 2‬‬ ‫‪≤ µ ≤ x + Zα 2‬‬ ‫‪‬‬ ‫‪= 1−α‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪4.1‬‬ ‫‪4.1 ‬‬
‫)‪P 11.6 − (1.65‬‬ ‫)‪≤ µ ≤ 11.6 + (1.65‬‬ ‫‪ = 0.90‬‬
‫‪‬‬ ‫‪225‬‬ ‫‪225 ‬‬
‫‪P [11.6 − 0.45 ≤ µ ≤ 11.6 + 0.45 ] = 0.90‬‬
‫‪P [11.15 ≤ µ ≤ 12.05 ] = 0.90‬‬

‫ﺃﻱ ﺍﻥ ﻤﺘﻭﺴﻁ ﻋﺩﺩ ﺍﻝﻤﻘﺎﻋﺩ ﺍﻝﺨﺎﻝﻴﺔ ﺨﻼل ﺍﻝﻌﺎﻡ ﺍﻝﻤﺎﻀﻲ ﻴﻘﻊ ﺩﺍﺨل‬
‫ﺍﻝﻔﺘﺭﺓ )‪ ،(12.05, 11.15‬ﻭﺫﻝﻙ ﺒﺩﺭﺠﺔ ﺜﻘﺔ ‪.90%‬‬
 ‫ﺍﺨﺘﺒﺎﺭ ﺍﻝﻔﺭﻭﺽ ﺤﻭل ﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ‬
‫ﻤﻘﺩﻤﺔ‪:‬‬
‫ﻝﻤﺎﺫﺍ ﻨﺤﺘﺎﺝ ﺇﻝﻰ ﺍﺨﺘﺒﺎﺭ ﻓﺭﺽ؟ ﺘﺼﻭﺭ ﺃﻥ ﺇﺤﺩﻯ ﺸﺭﻜﺎﺕ ﺇﻨﺘﺎﺝ‬
‫ﺍﻝﻤﻌﻠﺒﺎﺕ ﺘﻜﺘﺏ ﻋﻠﻰ ﺍﻝﻤﻨﺘﺞ ﺃﻥ ﻭﺯﻨﻪ ﺍﻝﺼﺎﻓﻲ ‪120‬ﺠﺭﺍﻡ ﺜﻡ ﺘﻡ ﺃﺨﺫ‬
‫ﻋﻴﻨﺔ )‪(Sample‬ﺤﺠﻤﻬﺎ ‪100‬ﻤﻥ ﻫﺫﻩ ﺍﻝﻤﻌﻠﺒﺎﺕ ﻻﺨﺘﺒﺎﺭﻫﺎ‪ ،‬ﻭﻭﺠﺩ‬
‫ﺃﻥ ﺍﻝﻭﺴﻁ ﺍﻝﺤﺴﺎﺒﻲ ﺃﻭ ﺍﻝﻤﺘﻭﺴﻁ ﻷﻭﺯﺍﻥ ﻫﺫﻩ ﺍﻝﻌﻴﻨﺔ ﻫﻭ ‪118.9‬‬
‫ﺠﺭﺍﻡ‪ ،‬ﻓﻬل ﻴﻤﻜﻥ ﺍﻝﺤﻜﻡ ﻋﻠﻰ ﻫﺫﻩ ﺍﻝﺸﺭﻜﺔ ﺒﺄﻨﻬﺎ ﺘﻘﻭﻡ ﺒﻌﻤﻠﻴﺔ ﻏﺵ ﺃﻭ‬
‫ﻜﺫﺏ ﻋﻠﻰ ﺍﻝﻤﺴﺘﻬﻠﻙ ﺒﻨﺎ ‪‬ﺀ ﻋﻠﻰ ﻫﺫﻩ ﺍﻝﻌﻴﻨﺔ؟ ﻭﺃﻥ ﺠﻤﻴﻊ ﻤﻨﺘﺠﺎﺕ ﻫﺫﻩ‬
‫ﺍﻝﺸﺭﻜﺔ ﻤﻥ ﻫﺫﻩ ﺍﻝﻤﻌﻠﺒﺎﺕ ﺃﻗل ﻤﻥ ‪120‬ﺠﺭﺍﻡ؟‬
‫ﺍﻹﺠﺎﺒﺔ ﺒﺎﻝﻁﺒﻊ ﻻ؛ ﺤﺘﻰ ﻨﻘﻭﻡ ﺒﻌﻤل ﺇﺠﺭﺍﺀ ﺇﺤﺼﺎﺌﻲ ﻝﻠﺘﺤﻘﻕ ﻤﻥ‬
‫ﺼﺤﺔ ﻤﺎ ﻜﺘﺏ ﻋﻠﻰ ﺍﻝﻤﻨﺘﺞ ﻭﻫﺫﺍ ﺍﻹﺠﺭﺍﺀ ﻫﻭ ﻤﺎ ﻴﺴﻤﻰ ﺒﺎﺨﺘﺒﺎﺭ‬
‫ﻓﺭﺽ )‪(Test of hypothesis‬ﺤﻭل ﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ‪.‬‬
‫ﺍﻝﺴﺒﺏ ﺃﻥ ﺍﻝﻤﺘﻭﺴﻁ ‪ x =118.9‬ﺠﺭﺍﻡ ﻗﺩ ﺤﺼﻠﻨﺎ ﻋﻠﻴﻪ ﻤﻥ ﻋﻴﻨﺔ؛ ﻭﺃﻥ ﺍﻝﻔﺭﻕ ﺒﻴﻥ‬
‫ﺍﻝـ ‪120‬ﺠﺭﺍﻡ )ﺍﻝﻤﺘﻭﺴﻁ ﺍﻝﻤﻁﻠﻭﺏ ﻝﻠﻭﺯﻥ ﻓﻲ ﺍﻝﻤﺠﺘﻤﻊ )‪(Population‬ﻭﺍﻝـ‬
‫‪118‬ﺠﺭﺍﻡ )ﺍﻝﻤﺘﻭﺴﻁ ﺍﻝﺫﻱ ﺘﻡ ﺍﻝﺤﺼﻭل ﻋﻠﻴﻪ ﻤﻥ ﺍﻝﻌﻴﻨﺔ( ﻗﺩ ﻴﻜﻭﻥ ﻨﺘﻴﺠﺔ ﺨﻁﺄ‬ ‫‪118..9‬‬
‫ﻓﻲ ﺍﺨﺘﻴﺎﺭ ﺍﻝﻌﻴﻨﺔ )‪(Sample error‬ﻭﺘﺼﻭﺭ ﺃﻨﻪ ﺃﺨﺫﺕ ﻋﻴﻨﺔ ﺃﺨﺭﻯ ﻤﻥ ﻨﻔﺱ‬
‫ﻤﻨﺘﺠﺎﺕ ﺍﻝﺸﺭﻜﺔ ﺤﺠﻤﻬﺎ ﺃﻴﻀ‪‬ﺎ ‪100‬ﻭﺤﺩﺓ؛ﻭﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻝﻭﺯﻥ ﻝﻬﺫﻩ ﺍﻝﻌﻴﻨﺔ‬
‫‪120‬ﻭﺤﺩﺓ؛ ﻭﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻝﻭﺯﻥ ﻝﻬﺫﻩ ﺍﻝﻌﻴﻨﺔ ﺍﻷﺨﺭﻯ ﻜﺎﻥ‬
‫ﺍﻷﺨﺭﻯ ﻜﺎﻥ ‪120..4‬‬
‫‪120‬ﺠﺭﺍﻡ‪.‬‬
‫‪120..4‬‬
‫ﻝﻬﺫﺍ ﻓﺈﻨﻨﺎ ﻗﺩ ﻨﻘﻭﻡ ﺒﺈﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻓﺭﺽ ﻝﻨﺭﻯ ﺤﺠﻡ ﺍﻝﻔﺭﻕ ﺒﻴﻥ ﺍﻝـ ‪120‬ﺠﺭﺍﻡ‬
‫‪118‬ﺠﺭﺍﻡ ﻭﻝﻨﻘﺭﺭ ﺒﺎﻝﻨﻔﻲ ﺃﻭ ﺍﻹﻴﺠﺎﺏ ﻭﻗﻭﻉ ﻫﺫﺍ ﺍﻝﻔﺭﻕ ﺒﺎﻝﺼﺩﻓﺔ‬
‫ﻭﺍﻝـ ‪118..9‬‬
‫ﻭﺤﺩﻫﺎ‪.‬‬
‫‪118‬ﺠﺭﺍﻡ ﻫﻭ ﻤﺘﻭﺴﻁ ﻭﺯﻥ » ﺠﻤﻴﻊ « ﺍﻝﻤﻌﻠﺒﺎﺕ ﻭﻝﻴﺱ‬ ‫ﻭﻝﻜﻥ ﺇﺫﺍ ﻜﺎﻥ ﺍﻝﻭﺯﻥ ‪118..9‬‬
‫ﻓﻘﻁ ﻝﻠﻌﻴﻨﺔ ﻓﻠﺴﻨﺎ ﻓﻲ ﺤﺎﺠﺔ ﻹﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻓﺭﺽ ﻓﻲ ﻫﺫﻩ ﺍﻝﺤﺎﻝﺔ ﻭﻨﻘﺭﺭ ﻤﺒﺎﺸﺭﺓ‬
‫ﻤﺘﻭﺴﻁ ﻭﺯﻥ ﺇﻨﺘﺎﺝ ﻫﺫﻩ ﺍﻝﺸﺭﻜﺔ ﻤﻥ ﺍﻝﻤﻌﻠﺒﺎﺕ ﺃﻗل ﻤﻥ ‪120‬ﺠﺭﺍﻡ‪.‬ﻭﻝﺫﻝﻙ ﻓﺈﻨﻨﺎ‪:‬‬
‫ﻨﻘﻭﻡ ﺒﺈﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻓﺭﺽ ﻓﻘﻁ ﻋﻨﺩ ﺍﻝﺒﺤﺙ ﻋﻥ ﻗﺭﺍﺭ ﺒﺸﺄﻥ ﻤﻌﻠﻤﺔ ﻝﻠﻤﺠﺘﻤﻊ ﺒﻨﺎ ‪‬ﺀ‬
‫ﻋﻠﻰ ﻗﻴﻤﺔ ﺍﻹﺤﺼﺎﺀ ﻓﻲ ﺍﻝﻌﻴﻨﺔ‪.‬‬
 ‫ﺨﻁﻭﺍﺕ ﺇﺠﺭﺍﺀ ﺃﻱ ﺍﺨﺘﺒﺎﺭ ﻝﻠﻔﺭﻭﺽ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺒﺸﻜل ﻋﺎﻡ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬
‫
ﺼﻴﺎﻏﺔ ﻓﺭﻀﺎﻥ ﻴﺴﻤﻴﺎﻥ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ﻭﺍﻝﻔﺭﺽ ﺍﻝﺒﺩﻴل ﺤﻭل‬
‫ﻤﻌﻠﻤﺔ )ﺃﻭ ﺨﺎﺼﻴﺔ( ﻓﻲ ﻤﺠﺘﻤﻊ ﺍﻝﺩﺭﺍﺴﺔ‪.‬‬
‫
ﺤﺴﺎﺏ ﺒﻌﺽ ﺍﻹﺤﺼﺎﺀﺍﺕ ﻜﺎﻝﻤﺘﻭﺴﻁ‪ ،‬ﻭﺍﻻﻨﺤﺭﺍﻑ‬
‫ﺍﻝﻤﻌﻴﺎﺭﻱ‪...‬ﺍﻝﺦ‪.‬‬
‫
ﻨﺤﺴﺏ ﻤﻥ ﺇﺤﺼﺎﺀ ﺍﻻﺨﺘﺒﺎﺭ‪.‬‬
‫
ﻨﺘﺨﺫ ﺍﻝﻘﺭﺍﺭ ﺒﺭﻓﺽ ﺃﻭ ﻋﺩﻡ ﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ‪.‬‬

‫)‪(Null Hypothesis‬ه‪ 7‬ادء  ‪U  F%‬ض‬ ‫ام‪H‬‬

‫‪0‬‬ ‫‪D‬ض‬
‫ﺹ‪ d‬ﺡ‪ \Q GA c‬ذ‪.‬‬
‫)‪(Alternative Hypothesis‬ه‪ 7‬ادء  ‪ F%‬‬ ‫ا^?‬
‫‪H‬‬ ‫‪1‬‬
‫ا‪3‬ض‬
‫‪7‬ف ‪7Q‬ن ﺹ ً إذا آن ض ا‪&%‬م ‪  f‬ﺹ ‪.8‬‬
‫إﺡ‪e‬ء ا‪^bc‬ر )‪(Test Statistics‬ه‪ 7‬أ‪7F‬ب أو ' && ?&ة ﺕ‪h‬‬
‫ض ا‪&%‬م‪.‬‬
‫ﺍﺨﺘﺒﺎﺭ ﻓﺭﺽ ﺤﻭل ﻤﺘﻭﺴﻁ ﺍﻝﻤﺠﺘﻤﻊ ﻤﻥ ﺠﺎﻨﺒﻴﻥ ﻓﻲ ﺤﺎﻝﺔ‬
‫ﺍﻝﻌﻴﻨﺎﺕ ﺍﻝﻜﺒﻴﺭﺓ ))‪30‬‬
‫‪(n ≥ 30‬‬
‫
ض ا‪&%‬م وا‪U‬ض ا&‪:T‬‬

‫‪H0 : µ = µ0 (vs) H1 : µ ≠ µ0‬‬

‫
إﺡ‪1‬ء ا‪ 5‬ر )‪:(Z‬‬
‫‪x − µ0‬‬
‫= ‪Z‬‬
‫‪σ‬‬ ‫‪n‬‬

‫ﻥ&د ‪Q‬ن و?‪7‬ع ?  إﺡ‪1‬ء ا‪ 5‬ر ) ‪.(1 - 8) ?@i /(Z‬‬

‫ﺇﺫﺍ ﻭﻗﻌﺕ ﻗﻴﻤﺔ ) ‪(Z‬ﻓﻲ ﻤﻨﻁﻘﺔ ﺍﻝﻘﺒﻭل )‪ (1 - α‬ﻨﻘﺒل ﻓﺭﺽ ﺍﻝﻌﺩﻡ ‪ .‬ﻭﺇﺫﺍ‬
‫ﻭﻗﻌﺕ ﻗﻴﻤﺔ ) ‪(Z‬ﻓﻲ ﻤﻨﻁﻘﺔ ﺍﻝﺭﻓﺽ ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ﻭﻨﻘﺒل ﺍﻝﻔﺭﺽ‬
‫ﺍﻝﺒﺩﻴل ‪.‬‬

‫ ]'‪ /‬ر‪h‬‬ ‫ ]' ?‪7‬ل‬

‫ض ا‪&%‬م‬ ‫ض ا‪&%‬م‬

‫‪α/2‬‬ ‫‪α/2‬‬
‫‪1–α‬‬

‫‪−Z α 2‬‬ ‫‪Z‬‬ ‫‪α 2‬‬

‫‪(1 - 8) )MN‬‬
 ‫‪C‬ﺡ‪l‬ت ه
‬
‫
ﺇﺫﺍ ﻜﺎﻨﺕ ﻗﻴﻤﺔ ﺍﻝﻤﻌﻠﻤﺔ ‪ σ‬ﻤﺠﻬﻭﻝﺔ ﻨﺴﺘﺨﺩﻡ ﻗﻴﻤﺔ‬
‫ﻻ ﻋﻨﻬﺎ ﻜﺘﻘﺩﻴﺭ ﻝﻬﺎ‪.‬‬‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ‪ S‬ﻝﻠﻌﻴﻨﺔ ﺒﺩ ﹰ‬
‫
ﻗﻴﻡ ‪ Z α / 2‬ﻨﻔﺴﻬﺎ ﺍﻝﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺍﻝﺘﻘﺩﻴﺭ‪.‬‬
 ‫‪6‬ل )‪(6 - 8‬‬
‫ﺇﺫﺍ ﻜﺎﻥ ﻤﺘﻭﺴﻁ ﺍﻝﺯﻴﺎﺩﺓ ﻓﻲ ﺃﺠﻭﺭ ﺍﻝﻌﺎﻤﻠﻴﻥ ﻓﻲ ﺇﺤﺩﻯ ﺍﻝﻤﺅﺴﺴﺎﺕ‬
‫‪(36‬ﺭﻴﺎل ‪ ،‬ﻭﻓﻲ ﻋﺎﻡ ‪2001‬ﻡ ﺃﺨﺫﺕ ﻋﻴﻨﺔ ﻤﻥ‬‫ﻋﺎﻡ ‪1998‬ﻫﻭ ))‪36‬‬
‫‪ (64‬ﻓﺭﺩﹰﺍ ﻤﻥ ﺍﻝﻌﺎﻤﻠﻴﻥ ﻓﻲ ﻫﺫﻩ ﺍﻝﻤﺅﺴﺴﺔ‪ ،‬ﻓﻭﺠﺩ ﺃﻥ ﺍﻝﻭﺴﻁ‬
‫))‪64‬‬
‫‪ (40‬ﺭﻴﺎل ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ‬
‫ﺍﻝﺤﺴﺎﺒﻲ ﻝﻠﺯﻴﺎﺩﺓ ﻓﻲ ﺃﺠﻭﺭﻫﻡ ))‪40‬‬
‫)‪ (8‬ﺭﻴﺎل ‪ .‬ﻫل ﻴﺩل ﺫﻝﻙ ﻋﻠﻰ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻝﺯﻴﺎﺩﺓ ﻓﻲ ﺃﺠﻭﺭ‬
‫ﺍﻝﻌﺎﻤﻠﻴﻥ ﻓﻲ ﺍﻝﻤﺅﺴﺴﺔ ﻋﺎﻡ ‪2001‬ﻡ ﻗﺩ ﺍﺨﺘﻠﻑ ﻋﻥ ﻤﺘﻭﺴﻁ‬
‫ﺍﻝﺯﻴﺎﺩﺓ ﻓﻲ ﺍﻷﺠﻭﺭ ﻋﺎﻡ ‪1998‬ﻡ؟ ﻭﺫﻝﻙ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ‬
‫‪.α = 0.05‬‬
 :?P‫ا‬
:T&‫ض ا‬U‫&م وا‬%‫ض ا‬
H0 : µ =36 (vs) H1 : µ ≠36
:‫] ت‬%
n = 64, x = 40, S = 8, α = 0.05 ⇔Zα/2 =1.96

:(Z) ‫ ر‬5‫ء ا‬1‫إﺡ‬

x − µ0 40 − 36
Z = = =4
S n 8 64
 ‫ا'ار‪:‬‬

‫ ]' ?‪7‬ل‬

‫ ]' ر‪h‬‬ ‫ ]' ر‪h‬‬

‫‪Z=4‬‬

‫ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ‪ H 0‬ﻭﻨﻘﺒل ﺍﻝﻔﺭﺽ ﺍﻝﺒﺩﻴل‪ H 1‬؛ ﺃﻱ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻝﺯﻴﺎﺩﺓ‬

‫ﻓﻲ ﺍﻷﺠﻭﺭ ﻋﺎﻡ ‪2001‬ﻡ ﻗﺩ ﺍﺨﺘﻠﻑ ﻋﻥ ﻤﺘﻭﺴﻁ ﺍﻝﺯﻴﺎﺩﺓ ﻓﻲ ﺍﻷﺠﻭﺭ ﻋﺎﻡ‬
‫‪1998‬ﻡ‪ .‬ﻭﺫﻝﻙ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.α = 0.05‬‬
 ‫ﻤﺜﺎل )‪(7 - 8‬‬
‫ﺸﺭﻜﺔ ﻹﻨﺘﺎﺝ ﻭﺘﻌﺒﺌﺔ ﻤﻨﺘﺞ ﻏﺫﺍﺌﻲ ﺃﺭﺍﺩﺕ ﺃﻥ ﺘﺨﺘﺒﺭ ﻜﻔﺎﺀﺓ ﺇﺤﺩﻯ‬
‫ﻤﺎﻜﻴﻨﺎﺕ ﺍﻝﺘﻌﺒﺌﺔ ﺍﻝﺨﺎﺼﺔ ﺒﺎﻝﺸﺭﻜﺔ‪ ،‬ﻭﺍﻝﻤﺎﻜﻴﻨﺔ ﻤﺼﻤﻤﺔ ﻝﻤلﺀ ﻋﺒﻭﺓ‬
‫ﺒﻤﺎ ﻤﻘﺩﺍﺭﻩ ‪ µ = 120‬ﺠﺭﺍﻡ‪ ،‬ﻭﺃﺭﺍﺩﺕ ﺍﻝﺸﺭﻜﺔ ﺃﻥ ﺘﺘﺄﻜﺩ ﻤﻥ ﺴﻼﻤﺔ‬
‫ﺍﻝﻤﺎﻜﻴﻨﺔ‪ ،‬ﻭﻋﻤﻠﻴﺔ ﺍﻝﺠﻭﺩﺓ ﻫﺫﻩ ﺩﻓﻌﺕ ﺍﻝﺸﺭﻜﺔ ﺇﻝﻰ ﺴﺤﺏ ﻋﻴﻨﺔ‬
‫ﺤﺠﻤﻬﺎ ‪100‬ﻋﺒﻭﺓ ﻝﻠﺘﺄﻜﺩ ﻤﻥ ﺴﻼﻤﺔ ﺍﻝﻤﺎﻜﻴﻨﺔ‪ ،‬ﻭﻭﺠﺩ ﺃﻥ ﺍﻝﻭﺴﻁ‬
‫‪ 5 , 118.‬ﻋﻠﻰ ﺍﻝﺘﻭﺍﻝﻲ ‪.‬‬
‫ﺍﻝﺤﺴﺎﺒﻲ ﻝﻠﻌﻴﻨﺔ ‪ ،‬ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻝﻤﻌﻴﺎﺭﻱ ‪118.5‬‬
‫ﺍﺨﺘﺒﺭ ﺍﻝﻔﺭﺽ ﺍﻝﻘﺎﺌل ﺒﺄﻥ ﻤﺘﻭﺴﻁ ﺍﻝﺘﻌﺒﺌﺔ ﻴﺨﺘﻠﻑ ﻋﻥ )‪(120‬‬
‫ﺠﺭﺍﻡ‪ ،‬ﻭﺫﻝﻙ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.α = 0.01‬‬
 :?P‫ا‬
:T&‫ض ا‬U‫&م وا‬%‫ض ا‬
H 0 : µ = 120 (vs) H 1 : µ ≠ 120
:‫] ت‬%
n =100, x =118.5, S =5, α =0.01⇔Zα/2 =2.58

:(Z) ‫ ر‬5‫ء ا‬1‫إﺡ‬

x −µ0 118.5−120
Z= = =−3
S n 5 100
 ‫ا'ار‪:‬‬

‫‪Z = -3‬‬

‫ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ‪ H 0‬ﻭﻨﻘﺒل ﺍﻝﻔﺭﺽ ﺍﻝﺒﺩﻴل‪ H 1‬؛ ﺃﻱ ﺃﻥ ﻤﺘﻭﺴﻁ‬

‫ﺍﻝﺘﻌﺒﺌﺔ ﻗﺩ ﺍﺨﺘﻠﻑ ﻋﻥ ‪ 120‬ﺠﺭﺍﻡ‪ .‬ﻭﺫﻝﻙ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ = ‪α‬‬
‫‪.0.01‬‬
 ‫ﺍﺴﺘﺨﺩﺍﻡ ﻗﻴﻤﺔ )‪ (P‬ﻻﺨﺘﺒﺎﺭ ﺍﻝﻔﺭﻭﺽ‬
‫ﺍﻹﺤﺼﺎﺌﻴﺔ‬

‫
ﻗﻴﻤﺔ )‪(P-Value‬ﻫﻲ ﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻝﻤﺴﺘﻭﻯ ﺍﻝﻤﻌﻨﻭﻴﺔ )‪ (α‬ﻴﻤﻜﻥ‬

‫ﻋﻨﺩﻫﺎ ﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ‪.‬‬
‫
ﺤﻴﺙ ﺇﺫﺍ ﻜﺎﻨﺕ ‪α ≤ P-Value‬ﻓﺈﻨﻨﺎ ﻨﻘﺒل ﻓﺭﺽ ﺍﻝﻌﺩﻡ‪.‬‬
‫
ﺤﻴﺙ ﺇﺫﺍ ﻜﺎﻨﺕ ‪α > P-Value‬ﻓﺈﻨﻨﺎ ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ‪.‬‬

‫وأ‪ Ff‬اا ‪ t‬ا‪3‬ﺡ‪  01‬ﺕ‪ 7‬ه‪ VW‬ا'  ﺵة & إﺝاء‬

‫ا‪5&5‬ل ا‪3‬ﺡ‪  7 cF /01‬ا ﻥت‪ ،‬وﺕ‪7Q‬ن ﺕ‪cB G‬‬
‫"‪ "P-Value‬أو "‪ "P‬أو "‪."Sig.‬‬
 ‫‪6‬ل )‪(8 - 8‬‬
‫ﺃﺩﻋﻰ ﺃﺤﺩ ﺍﻝﺒﺎﺤﺜﻴﻥ ﻓﻲ ﺩﺭﺍﺴﺔ ﻝﻪ ﺤﻭل ﻤﺘﻭﺴﻁ ﺍﻻﺴﺘﻬﻼﻙ ﻷﺤﺩ ﺍﻝﻤﻭﺍﺩ‬
‫ﺍﻝﻐﺫﺍﺌﻴﺔ ﺍﻷﺴﺎﺴﻴﺔ ﺃﻨﻪ ﻴﺴﺎﻭﻱ )‪ (1000‬ﻜﻴﻠﻭﺠﺭﺍﻡ ﻓﻲ ﺇﺤﺩﻯ ﺍﻷﺤﻴﺎﺀ‬
‫ﺒﻤﺩﻴﻨﺔ ﺠﺩﺓ‪ .‬ﻭﺒﻌﺩ ﺠﻤﻊ ﻭﺇﺩﺨﺎل ﺍﻝﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻝﺤﺎﺴﺏ ﺍﻵﻝﻲ ﻭﻤﻌﺎﻝﺠﺘﻬﺎ‬
‫ﺇﺤﺼﺎﺌﻴ ﹰﺎ ﻭﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ ‪ ،Excel‬ﺤﺼل ﻋﻠﻰ ﺍﻝﻨﺘﻴﺠﺔ ﺍﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪P-Value = 0.600492‬‬

‫ﻤﺎ ﻫﻭ ﺍﻝﻘﺭﺍﺭ ﺤﻭل ﻤﺘﻭﺴﻁ ﺍﻻﺴﺘﻬﻼﻙ‪ ،‬ﻫل ﻴﺨﺘﻠﻑ ﻋﻥ )‪(1000‬‬

‫ﻜﻴﻠﻭﺠﺭﺍﻡ؟ ﺍﺨﺘﺒﺭ ﻫﺫﺍ ﺍﻝﻔﺭﺽ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.0.05‬‬
 ‫ﺍﻝﺤل‪:‬‬
‫ﻤﻥ ﺍﻝﻤﻌﻁﻴﺎﺕ ﻨﺠﺩ ﺃﻥ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ﻭﺍﻝﻔﺭﺽ ﺍﻝﺒﺩﻴل ﻫﻲ ﻋﻠﻰ‬
‫ﺍﻝﻨﺤﻭ ﺍﻵﺘﻲ‪:‬‬
‫‪H 0 : µ = 1000‬‬ ‫)‪(vs‬‬ ‫‪H 1 : µ ≠ 1000‬‬
‫‪α < P‬ﻓﺈﻨﻨﺎ ﻻ ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ‪،‬‬ ‫ﺤﻴﺙ ﺃﻥ ﻗﻴﻤﺔ ‪P--Value‬‬
‫ﺃﻱ ﺍﻥ ﻤﺘﻭﺴﻁ ﺍﻻﺴﺘﻬﻼﻙ ﻝﻠﻤﺎﺩﺓ ﺍﻝﻐﺫﺍﺌﻴﺔ ﺍﻻﺴﺎﺴﻴﺔ ﻴﺴﺎﻭﻱ‬
‫)‪ (1000‬ﻜﻴﻠﻭﺠﺭﺍﻡ ﻓﻲ ﺇﺤﺩﻯ ﺍﻷﺤﻴﺎﺀ ﺒﻤﺩﻴﻨﺔ ﺠﺩﺓ‪ ،‬ﻭﺫﻝﻙ ﻋﻨﺩ‬
‫ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.0.05‬‬
 ‫ﻤﺜﺎل )‪(9 - 8‬‬
‫ﺃﺩﻋﻰ ﺃﺤﺩ ﺍﻝﺒﺎﺤﺜﻴﻥ ﺃﻥ ﻤﺘﻭﺴﻁ ﺴﺭﻋﺔ ﺍﻝﻘﺭﺍﺀﺓ ﻝﺩﻯ ﻁﻼﺏ ﺇﺤﺩﻯ‬
‫ﺍﻝﺠﺎﻤﻌﺎﺕ ﺘﺴﺎﻭﻱ )‪ (200‬ﻜﻠﻤﺔ ﻓﻲ ﺍﻝﺩﻗﻴﻘﺔ‪ .‬ﻭﺒﻌﺩ ﺠﻤﻊ ﻭﺇﺩﺨﺎل‬
‫ﺍﻝﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻝﺤﺎﺴﺏ ﺍﻵﻝﻲ ﻭﻤﻌﺎﻝﺠﺘﻬﺎ ﺇﺤﺼﺎﺌﻴ ﹰﺎ ﻭﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ‬
‫‪ ،Excel‬ﺤﺼل ﻋﻠﻰ ﺍﻝﻨﺘﻴﺠﺔ ﺍﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪P-Value = 0.000010‬‬

‫ﻫل ﻤﺘﻭﺴﻁ ﺴﺭﻋﺔ ﺍﻝﻘﺭﺍﺀﺓ ﻝﺩﻯ ﻫﺅﻻﺀ ﺍﻝﻁﻼﺏ ﻴﺨﺘﻠﻑ ﻋﻥ )‪(200‬‬

‫ﻜﻠﻤﺔ ﻓﻲ ﺍﻝﺩﻗﻴﻘﺔ‪ ،‬ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.0.10‬‬
 ‫ﺍﻝﺤل‪:‬‬
‫ﻤﻥ ﺍﻝﻤﻌﻁﻴﺎﺕ ﻨﺠﺩ ﺃﻥ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ﻭﺍﻝﻔﺭﺽ ﺍﻝﺒﺩﻴل ﻫﻲ ﻋﻠﻰ ﺍﻝﻨﺤﻭ‬
‫ﺍﻵﺘﻲ‪:‬‬
‫‪H 0 : µ = 200 (vs) H 1 : µ ≠ 200‬‬
‫‪α > P‬ﻓﺈﻨﻨﺎ ﻨﺭﻓﺽ ﻓﺭﺽ ﺍﻝﻌﺩﻡ ﻭﻨﻘﺒل ﺍﻝﻔﺭﺽ‬ ‫ﺤﻴﺙ ﺃﻥ ﻗﻴﻤﺔ ‪P--Value‬‬
‫ﺍﻝﺒﺩﻴل‪ ،‬ﺃﻱ ﺃﻥ ﻤﺘﻭﺴﻁ ﺴﺭﻋﺔ ﺍﻝﻘﺭﺍﺀﺓ ﻻ ﻴﺴﺎﻭﻱ )‪ (200‬ﻜﻠﻤﺔ ﻓﻲ ﺍﻝﺩﻗﻴﻘﺔ‬
‫ﻝﺩﻯ ﻫﺅﻻﺀ ﺍﻝﻁﻼﺏ‪ ،‬ﻭﺫﻝﻙ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ‪.0.10‬‬
 ‫ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ‬

‫ﻴﺴﺘﺨﺩﻡ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻲ ﺍﻝﺤﺎﻻﺕ ﺍﻝﺘﺎﻝﻴﺔ ‪:‬‬

‫
ﺠﻭﺩﺓ ﺍﻝﺘﻭﻓﻴﻕ‬
‫
ﺍﻻﺴﺘﻘﻼل‬
‫
ﺍﻝﺘﺠﺎﻨﺱ‬
‫ﻴﺩﺭﺱ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ ﻝﻼﺴﺘﻘﻼل ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﻋﻼﻗﺔ ﺒﻴﻥ‬
‫ﺼﻔﺘﻴﻥ ﻤﻥ ﺼﻔﺎﺕ ﺍﻝﻤﺠﺘﻤﻊ ﺃﻡ ﻻ ‪.‬‬
‫ﻤﺜل ‪ :‬ﻫل ﻫﻨﺎﻙ ﻋﻼﻗﺔ ﺒﻴﻥ ﻤﺴﺘﻭﻯ ﺍﻝﺩﺨل ﻭ ﻤﺴﺘﻭﻯ ﺍﻝﺘﻌﻠﻴﻡ‬
‫ﻫل ﻫﻨﺎﻙ ﻋﻼﻗﺔ ﺒﻴﻥ ﺍﻝﺘﺩﺨﻴﻥ ﻭ ﺍﻹﺼﺎﺒﺔ ﺒﺴﺭﻁﺎﻥ ﺍﻝﺭﺌﺔ ‪.‬‬
 ‫]‪7‬ات إﺝاء ا ر ﺏ آي ~'~ل ‪:‬‬
‫‪ -(١‬ﺹ ‪ f‬ا‪U‬وض ا‪3‬ﺡ‪:  01‬‬
‫ض ا‪&%‬م ‪ 5 : H 0‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬
‫ا‪U‬ض ا&‪ : H1 T‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬
‫‪ -(٢‬ﺕ‪ 7Q‬ﺝ&ول ا‪7‬ا وﺕ&& ا‪Q‬ارات ا‪-‬ه&ة ‪ :‬وه‪7 7‬ي ‪cF‬‬
‫ا‪Q‬ارات ا‪-‬ه&ة ‪ .  F TQ O ij‬ﺡ @ ﺕ‪ O ij TA‬ا' ‬
‫‪.‬‬ ‫ا‪-‬ه&ة ‪  FbF‬ا‪ /‬ﺕ' ‪ /‬ا‪ i 1‬وا‪7%‬د ‪j‬‬
‫‪ -(٣‬ﺡ‪B‬ب ا‪Q‬ار ا‪ Eij : ?7‬و‪  F TQ B‬ﺏ‪7‬ا] ا‪ ?~%‬ا  ‪:‬‬

‫ ‪7‬ع ا‪ 1‬ا‪W‬ي ﺏ‪ d‬ا‪7 x (i )  Fb‬ع ا‪7%‬د ا‪W‬ي ﺏ‪ d‬ا‪( j )  Fb‬‬

‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬ ‫‪= Eij‬‬
‫ ‪7‬ع ا‪Q‬ارات ) ﺡ ا‪(  %‬‬
‫ا‪7B‬ﺏ ) ا‪  (  F%U‬ا‪ ?~%‬ا  ‪:‬‬ ‫‪χ‬‬ ‫‪2‬‬
‫‪ -(٣‬ﺡ‪B‬ب إﺡ‪1‬ء ا‪ 5‬ر ‪ :‬ﻥ‪7‬ﺝ&‬

‫∑∑ = ‪χ‬‬
‫‪2‬‬
‫‪(O‬‬‫‪ij‬‬ ‫) ‪− Eij‬‬
‫‪2‬‬

‫‪i‬‬ ‫‪j‬‬ ‫‪Eij‬‬

‫وﺕ‪7‬ﺝ& ﺹ † أ ى ‪B‬ب إﺡ‪1‬ء ا‪ 5‬ر وه‪: /‬‬
‫‪Oij2‬‬
‫∑∑ = ‪χ 2‬‬ ‫‪−n‬‬
‫‪i‬‬ ‫‪j‬‬ ‫‪Eij‬‬

‫‪ -(٤‬ﺕ&& ?&ة ا‪ : h‬ﻥ‪7‬ﺝ& ‪ χ 2‬اˆ ) ا&و  ( ﺏ&رﺝت ﺡ ‬

‫] ‪χ [(r −1)(c −1),α‬‬

‫‪2‬‬

‫‪& : c‬د ا‰&ة‬ ‫‪& : r‬د ا‪7U1‬ف‬ ‫ﺡ @ ‪:‬‬

‫‪7B : α‬ى ا‪7%‬‬
 ‫‪ -(٥‬ا'ار ‪:‬‬

‫اˆ‬ ‫‪χ‬‬ ‫‪2‬‬

‫
إذا آﻥ‪ χ 2  ? G‬ا‪7B‬ﺏ ) ا‪ (  F%U‬أ?‪ ?  T‬‬
‫) ا&و  ( ﺏ‪ c%‬إذا و?‪ χ 2 G%‬ا‪7B‬ﺏ ‪ '] /‬ا'‪7‬ل‬
‫إذا ﻥ'‪ H 0 T‬وﻥ‪ H1 h‬أي أﻥ‪ 5 d‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬

‫اˆ‬ ‫‪χ‬‬ ‫‪2‬‬

‫
إذا آﻥ‪ χ 2  ? G‬ا‪7B‬ﺏ ) ا‪ (  F%U‬أآ  ? ‬
‫) ا&و  ( ﺏ‪ c%‬إذا و?‪ χ 2 G%‬ا‪7B‬ﺏ ‪ '] /‬ا‪h‬‬
‫إذا ﻥ‪ H 0 h‬وﻥ'‪ H1 T‬أي أﻥ‪ d‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬
 ‫ ‪A‬ل ) ‪( 10 – 8‬‬
‫ﺵآ ﺕ‪  ,‬ﺕ‪ / f‬درا ا‪ ?~%‬ﺏ   ا‪ 0B‬وﺡ‪7‬ادث ا‪ B‬رات ‪،‬‬
‫' ‪ G‬ﺏ  ر   ‪7Q‬ﻥ  ‪ 140‬ﺵ‪ ، Œb‬وﺕ ﺕ'‪ $ B‬ﺡ‪ B‬ا‰ر‬
‫إ‪ c‬ﺙ~ث ت ‪ ،‬و‪ T‬آ‪ T‬واﺡ& ‪ $‬ه‪ T‬ﺡ‪ d T1‬ﺡدث م ‪ 1429‬هـ ‪،‬‬
‫‪Q‬ﻥ‪ G‬ا‪7 t0‬ﺽ ‪ /‬ا&ول ا‪: /‬‬
‫ه‪ T‬ﺡ‪  T1‬ﺡدث م ‪ 1429‬هـ‬
‫ ا‪0B‬‬ ‫ﻥ‪%‬‬ ‫‪5‬‬
‫أ?‪ 25  T‬‬ ‫‪34‬‬ ‫‪26‬‬
‫ﺏ  ‪ 25‬و ‪ 35‬‬ ‫‪14‬‬ ‫‪36‬‬
‫أآ  ‪ 35‬‬ ‫‪12‬‬ ‫‪18‬‬

‫ه‪ T‬ﺕ&ل ا‪ cF t0‬وﺝ‪7‬د ~? ﺏ   ا‪ 0B‬وﺡ‪7‬ادث ا‪ B‬رات ؟ أ ‬
‫& ‪7B‬ى ‪ 0.05 7%‬؟‬
 ‫ﺒﺤﺴﺎﺏ ﺍﻝﺘﻜﺭﺍﺭﺍﺕ ﺍﻝﻤﺘﻭﻗﻌﺔ ﻨﺤﺼل ﻋﻠﻰ ﺍﻝﺠﺩﻭل ﺍﻝﺘﺎﻝﻲ ‪:‬‬

‫ه‪ T‬ﺡ‪  T1‬ﺡدث م ‪ 1429‬هـ‬

‫ ا‪0B‬‬ ‫∑‬
‫ﻥ‪%‬‬ ‫‪5‬‬
‫أ?‪ 25  T‬‬ ‫‪25.71‬‬ ‫‪34.29‬‬ ‫‪60‬‬
‫ﺏ  ‪ 25‬و ‪ 35‬‬ ‫‪21.43‬‬ ‫‪28.57‬‬ ‫‪50‬‬
‫أآ  ‪ 35‬‬ ‫‪12.86‬‬ ‫‪17.14‬‬ ‫‪30‬‬
‫∑‬ ‫‪60‬‬ ‫‪80‬‬ ‫‪140‬‬
 ‫(‪ -‬ﺹ ‪ f‬ا‪U‬وض ا‪3‬ﺡ‪:  01‬‬
‫ض ا‪&%‬م ‪ 5 : H 0‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬
‫‪ :H1‬ﺕ‪7‬ﺝ& ~? ﺏ  ا‪.  U1‬‬ ‫ا‪U‬ض ا&‪T‬‬

‫‪ -(٢‬ﺡ‪B‬ب إﺡ‪1‬ء ا‪ 5‬ر ‪:‬‬

‫‪Oij2‬‬
‫∑∑ = ‪χ 2‬‬ ‫‪−n‬‬
‫‪i‬‬ ‫‪j‬‬ ‫‪Eij‬‬
‫‪342‬‬ ‫‪262‬‬ ‫‪142‬‬ ‫‪362‬‬ ‫‪122‬‬ ‫‪182‬‬
‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪−140‬‬
‫‪25.71 34.29 21.34 28.57 12.86 17.14‬‬
‫‪= 44.96+19.71+ 9.15+ 45.36+11.20+18.90−140‬‬
‫‪=149.28−140= 9.28‬‬

‫‪ -(٣‬ﺘﺤﺩﻴﺩ ﻗﺎﻋﺩﺓ ﺍﻝﺭﻓﺽ ‪:‬‬

‫]‪χ [2(r −1)(c −1),α ] = χ [2(3−1)(2−1), 0.05] = χ [22×1, 0.05‬‬
‫‪= χ [22, 0.05] = 5.991‬‬
 ‫‪ -(٤‬ا'ار ‪:‬‬

‫ﺏ أن ?  ‪ χ 2‬ا‪7B‬ﺏ = ‪ 9.27‬أآ  ?  ‪ χ 2‬ا&و  =‬

‫‪5.991‬‬
‫إذا ﻥ‪ h‬ض ا‪&%‬م ‪ H 0‬وﺏ‪ /‬ﻥ'‪ T‬ا‪U‬ض ا&‪H1 T‬‬
‫أي أﻥ‪ d‬ﺕ‪7‬ﺝ& ~? ﺏ   ا‪ 0B‬وﺡ‪7‬ادث ا‪ B‬رات ‪.‬‬