‫الفصل االول‬

‫‪Sampling Techniques‬‬

‫اساليب المعاينة‬
‫‪Introduction‬‬ ‫مقدمه‬

‫اساليب المعاينة هو من األساليب المهمة في البحوث العلمية التي تتبنى عملية جمع‬
‫البيانات وتعتبر جزءا مهما من علم اإلحصاء حيث يعتمد هذا األسلوب النظريات اإلحصائية‬
‫في توفير البيانات المطلوبة ومن الجدير بالذكر هنا إن تحليل هذه البيانات وتفسيرها‬
‫بالطريقة اإلحصائية ال يمكن تطبيقها بصوره مقبولة ما لم تكن البيانات قد جمعت بأسلوب‬
‫دقيق لذا فان النتائج النهائية تعتمد بدرجه كبيره على دقة البيانات المأخوذة من المجتمع‬
‫تحت البحث والتي جمعت بأحد طرق المعاينة ‪.‬‬

‫من الجدير بالذكر أن طرق المعاينة هي ليست هدفا بحد ذاتها وإنما هي أسلوب يساعد‬
‫الباحث في التعرف على بعض خصائص المجتمع اإلحصائي عن طريق مشاهدة جزء من‬
‫المجتمع وهذا يعني بأن دراسة مجتمع من المجتمعات ال يشترط اشتراك جميع وحدات‬
‫المجتمع اإلحصائي بل تكفي هذا الدراسة بيانات تقتصر على مجموعه صغيره نسبيا من‬
‫وحدات المجتمع ومفردات هذه المجموعة تعرف بالعينة‪ .‬إما كيفية انتقاء العينة بطريقة ما‬
‫في المجتمع األصلي لتحديد خواصه تطلق عليها بالمعاينة ‪.‬‬

‫‪unit statistical‬‬ ‫الوحدة اإلحصائية‬

‫وهي الوحدة التي تتصف بصفات معينه تختلف عن غبرها من الوحدات ضمن البحث‬
‫تحت الدراسة فان إي دراسة أو بحث علمي يستند على مالحظات صفات لوحدات معينه‬
‫والتي ستكون إطار المجتمع اإلحصائي تحت البحث ‪ ,‬فقد تكون الوحدة اإلحصائية اإلنسان‬
‫في الدراسات السكانية وقد تكون سيارة في دراسة وسائل النقل وهكذا‪.‬‬

‫‪population‬‬ ‫المجتمع‬

‫المجتمع اإلحصائي هو مجموعه من الوحدات اإلحصائية المعرفه بصوره واضحة بحيث‬

‫تتميز الوحدات اإلحصائية التي تدخل ضمن هذا المجتمع عن غيرها والتي تشمل جميع‬
‫مفردات أو وحدات الظاهرة تحت البحث على سبيل المثال قد يكون المجتمع سكان‬
‫منطقه معينه ‪ ,‬أو مجوعة سيارات تابعه لمحافظة ما وهكذا‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪1‬‬
 ‫العينة ‪sample‬‬

‫هي جزء من الوحدات اإلحصائية المؤلفة لمجتمع تحت البحث يجري اختبارها وفق قواعد‬
‫خاصة لكي تمثل المجتمع تمثيال صحيحا‪.‬‬

‫من هذا التعريف يمكن مالحظة بان استخدام العينات قبل الدراسات اإلحصائية ال تعني‬
‫اختيار جزء صغير أو اختيار مجموعه من الوحدات من المجتمع كيفما اتفق كي يكون بديال‬
‫للمجتمع كله ‪ .‬بل يجب إن يكون هذا االختبار نموذجا تراعى فيه اعتبارات معينه‬
‫ودراسات علميه لها أصولها وقواعدها في االختبار كي تكون نتائج العينة ممثله للمجتمع‪.‬‬

‫وهذا يعني إن صفات المجتمع اإلحصائي والتغيرات المؤثرة عليه يجب إن تنعكس في‬
‫العينة المختارة لكي تكون ممثلة بشكل صحيح للمجتمع تحت البحث وبمعنى أخر فأن‬
‫جميع الصفات المهمة في العينة ونسبة وجودها ودرجة عالقتها يجب إن تكون بنفس الشكل‬
‫الموجود في المجتمع اإلحصائي ‪.‬‬

‫ويجب المالحظة هنا بأن استخدام العينة بدل المجتمع قد يوصي بأن هذه العملية اقل‬
‫كفاءة أو دقة في عملية الحصر الشامل وإنما العكس فأن العينة تأتي بنتائج ال تقل دقة في‬
‫بعض االحيان تكون أدق من النتلئج التي نحصل عليها في المسوحات الشاملة ‪.‬‬

‫ينقسم البحث اإلحصائي حسب درجة الشمول إلى أسلوبين هما ‪:‬‬

‫الحصر الشامل ‪Census‬‬ ‫‪-1‬‬

‫في هذا األسلوب تشمل جميع الوحدات المجتمع اإلحصائي في الدراسه مثل التعدادات‬
‫السكانية والزراعية وهكذا وبشكل عام فأن طريقة الحصر الشامل تعتمد إذا كان الباحث‬
‫جاهال ً تماما" بطبيعة مفردات المجتمع تحت الدراسة أو إذا ما رغب في ذلك وشرط في‬
‫هذه المسوحات توفر الوقت واإلمكانات الالزمة للحصول على نتائج دقيقة ‪.‬‬

‫‪ -2‬المسح بالعينة‬
‫يستخدم المسح بهذا األسلوب عندما يمتلك الباحث بعض المالحظات عن المجتمع في اختيار‬
‫العينة ويعتمد هذا األسلوب في حالة تعذر أو استحالة الحصر الشامل ألسباب مختلفة‬
‫تحتم على الباحث اختيار هذا األسلوب أو إذا ما رغب في ذلك ‪ .‬وتجدد اإلشارة بأن‬
‫المجتمعات تصنف الى صنفين‬
‫الصنف االول يسمى بالمجتمعات المحددة والتى يمكن فيها حصر وحداتها االحصائية في اطار‬
‫مثل سكان منطقه او طالب مدرسه وهكذا‬
‫الصنف الثاني يسمى بالمجتمعات الغير محددة والتى ال يمكن فيها حصر وحداتها االحصائية في‬
‫اطار مثل دراسة األسماك في البحر أو الطيور المهاجرة في الجو وهكذا ‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪2‬‬
 ‫مميزات طريقة العينات‬

‫تقوم فكرة نظرية العينات على أساس دراسة خصائص مجتمع إحصائي معين عن طريق دراسة‬
‫عينه تمثل هذا المجتمع وهذا األسلوب يتميز بعدة مميزات وهي ‪-:‬‬

‫اختصار الوقت والجهد والتكاليف‪.‬‬ ‫‪-1‬‬

‫ا إمكانية لحصول على النتائج بسرعة وسهوله وبصوره كاملة بسبب استخدام عدد‬ ‫‪-2‬‬
‫اقل من الوحدات مما يتيح سهولة متابعة البيانات وتتبع غير المستجيبين على‬
‫األسئلة مثال ‪.‬‬
‫إمكانية جمع البيانات تفصيلية مكثفه بواسطة العينة مما نستطيع الحصول عليه من‬ ‫‪-3‬‬
‫إفراد المجتمع كله وهذا ناتج عن استخدام وحدات إحصائية اقل عددا ً وإمكانية‬
‫تهيئة العدادين وتدريبهم لمتطلبات البحث بشكل أفضل ‪.‬‬
‫يستخدم هذا األسلوب في ظواهر ومجاالت ال يمكن فيها استخدام الحصر الشامل‬ ‫‪-4‬‬
‫وهنا يعتمد أسلوب المعاينة فقط كدراسة تأثير دواء معين على المرض أو دراسة‬
‫الحيوانات البرية او االسماك في النهر ‪.‬‬

‫قلة حجم األخطاء اإلجرائية بسبب قلة العدادين والكوادر المستخدمة مما يتيح‬ ‫‪-5‬‬
‫إشرافا وتدريب أفضل وإمكانية استخدام األساليب الموضوعية في جمع البيانات‬
‫كالعد والوزن والقياس ‪.‬‬
‫باستخدام أسلوب المعاينة يمكن تحديد مدى الدقة في النتائج التي نحصل عليها‬ ‫‪-6‬‬
‫والتي ال يمكن توفرها في الحصر الشامل ‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪3‬‬
 ‫متطلبات التهيئة للقيام بمسح بواسطة العينة ‪.‬‬

‫من الضروري تحديد الخطوات األساسية قبل البدء باي عمل احصائي فللحصول على عينه‬
‫تعطي نتائج دقيقه وباقل وقت وكلفه يجب االهتمام بالخطوات التالية‬
‫تحديد الهدف ‪ :‬ونعني به تعريف البحث تعريفا واضحا وتحديد المشكلة المطلوب‬ ‫‪-1‬‬
‫بحثها وما يراد تحقيقه‪.‬‬
‫التغطية‪ :‬ونعني به تعريف المجتمع االحصائي المراد معاينته (اي سحب عينه منه)‬ ‫‪-2‬‬
‫وتحديد عناصره المكونة له بشكل واضح لكي يكون جامع البيانات على علم تام من‬
‫ان المفردات التي يقوم بجمعها تعود الى المجتمع المقصود‪.‬‬
‫تحديد مقدارالبيانات والمعلومات المطلوب جمعها ‪:‬يجب تخطيط الدراسة‬ ‫‪-3‬‬
‫بحيث يتم الحصول على جميع البيانات المفيدة مما يحتاج إلى عناية كبيره في‬
‫تهيئه جدول االستبيان فمثال إذا كان المطلوب بيانات المواليد في كل عائله لوجب‬
‫تحديد معنى العائلة وعند الجمع البيانات عن حجرات المنزل فيجب توضيح نوع‬
‫الغرف وتحديد المشمول فيها‬
‫تحديد طرق جمع البيانات‪:‬ويتم ذلك إما باستخدام الهاتف أو البريد أوالمقابلة‬ ‫‪-4‬‬
‫الشخصية وتحبذ المقابلة الشخصية ألنها تتيح لنا أمكانيه الحصول على دقه أكثر من‬
‫البيانات ‪.‬‬
‫درجة الدقة ‪ :‬إن جميع المتغيرات المحسوبة عن طريق استخدام العينة تكون فيها‬ ‫‪-5‬‬
‫بعض األخطاء في درجة اقترابها من القيم الحقيقية الخاصة بالمجتمع لذلك يجب‬
‫تحديد درجة الدقة المطلوبة في النتائج التي نتوقها في العينة‬
‫تحديد وحدة المعاينة واإلطار ‪ - :‬عند البدء بالمعاينة يجب تحديد وحدة المعاينة‬ ‫‪-6‬‬
‫بصورة واضحة والتي يتكون منها المجتمع اإلحصائي والتي تتصف بالمواصفات الخاصة‬
‫بها حسب طبيعة المشكلة المدروسة ‪ ,‬في حين يتضمن اإلطار قائمة تدرج فيها أسماء‬
‫وعناوين الوحدات اإلحصائية التي يمكن اعتبارها وحدات معاينة فقد يكون إطار‬
‫البحث كل شخص يسكن منطقة معينة أو لوح زراعي معين في منطقة خاصة بالبحث‬
‫وهكذا ‪.‬‬
‫إجراء اختبار سابق وتحديد درجة الدقة ‪ -:‬قبل البدء بالعمل باختيار وحدات العينة‬ ‫‪-7‬‬
‫يجب القيام ببحث تجريبي على مجموعة صغيره من وحدات المجتمع كعينه‬
‫اختباريه وعلى ضوء هذا االختبار يمكن القيام بمجموعة من التقديرات كتقدير حجم‬
‫العينة المطلوب سحبها وبما أن العينه هي جزء من المجتمع فان التقديرات‬
‫المحسوبة بهذه الطريقة تكون فيها أخطاء في تقديرها لمعالم المجتمع فيجب تحديد‬
‫درجة الدقة في النتائج المتوقعة من العينه ‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪4‬‬
‫تنظيم العمل الميداني ‪ -:‬ويتم ذلك عن طريق تدريب وتهيئة العدادين الالزمين بجمع‬ ‫‪-8‬‬
‫البيانات األساسية المطلوبة بدون زيادة أو نقصان تدريبا جيدا‪.‬‬
‫االستبيان ‪ -:‬إي وضع االستمارة اإلحصائية حيث تصمم االستمارة على إن تحوي على‬ ‫‪-9‬‬
‫البيانات المطلوبة بدون زيادة أو نقصان أو تداخل أو ازدواجية‪.‬‬
‫‪ -10‬تدقيق البيانات وتحليلهاـ ‪ -:‬حيث يقوم المشرفين على المسح بزيارات ميدانية‬
‫ومراجعة بعض االستمارات لمحاولة ملئ الفجوات باألخطاء الحاصلة ثم بعد ذلك يتم‬
‫تصنيف وتبويب البيانات المطلوبة الجراء التحليالت الالزمة باستخدام الطرائق‬
‫اإلحصائية ‪.‬‬
‫العينات االحتمالية والغير االحتمالية ‪-:‬‬

‫العينات االحتمالية‪probability Sampling‬‬ ‫‪-1‬‬

‫المعاينة االحتمالية تعتمد أساسا على نظرية االحتماالت وهذا يعني إن إجراء العينة‬
‫االحتمالية ينطوي على اختيار البيانات عن طريق تكافؤ الفرص دون إن يستطيع‬
‫الباحث من استبدال حالة بحالة ثانية ومن هذه العينات ‪.‬‬

‫‪Simple Random Sampling‬‬ ‫‪ 1 -1‬العينة العشوائية البسيطة ‪-:‬‬

‫يتم في هذه العينه اختيار ‪ n‬من المفردات من مجتمع حجمه ‪ N‬بحيث تكون‬
‫‪1‬‬
‫لكـل مجموعـة نفس الفرصـة للظهـور في العينـة باحتمـال ( ‪)N‬وتعتـبر هـذه العينـة‬
‫األساس الذي بنيت عليه أساليب المعاينة األخرى ‪.‬‬

‫العينة العشوائية الطبقية ‪stratified Random Sampling -:‬‬ ‫‪1-2‬‬

‫يعتمد هذا األسلوب من المعاينة عندما يكون المجتمع األصلي غير متجانس‬
‫بحيث يمكن تقسيمه إلى طبقات أكثر تجانسا بحيث تصبح كل طبقة مجتمع‬
‫منفصل ضمن المجتمع األصلي فعند ذلك تمثل حجم المجتمع ( ‪ )N‬كاالتيـ ‪N=N1+‬‬
‫‪N2+……+Nm‬‬

‫ويتم اختيار عينة عشوائية بسيطة من كل طبقة وهذه العينات الفرعية مجتمعة‬
‫تكون العينه الطبقيه ‪.‬‬

‫‪Systematic Sampling‬‬ ‫‪ 1-3‬العينة األسلوبية المنتظمة ‪-:‬‬

‫في هذا النوع من المعاينة يتم اختيار مفردات العينة بصورة منتظمة المدى بعد ترقيم‬
‫مفـردات المجتمـع واختيـار أول مفـرده في العينـه ) ‪ ( y 1‬بصـوره عشـوائيه من مفـردات‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪5‬‬
‫المجتمع التي تقع تسلسلهاـ بين (‪ )k, 1‬حيث أن ‪ k‬تمثل المدى الذي يساوي (‬
‫‪N‬‬
‫= ‪ )k‬ثم يضاف العدد ( ‪ )..…, k , 2k , 3k‬الى تسلسلـ المفرده االولى نحصل‬
‫‪n‬‬
‫على المفردات (‪) ……… , y 4 , y 3 , y 2 , y 1‬‬
‫‪Multi – Stage Sampling‬‬ ‫‪ 1-4‬العينة ذات المراحل المتعددة ‪-:‬‬
‫في هذا النوع من العينات تأخذ العينة بشكل مراحل متعددة فيقسم المجتمع الكلي الى‬
‫وحدات صغيره كمرحله اولى ثم تقسم وحدات المرحلة األولى إلى وحدات اصغر‬
‫كمرحلة ثانية وهكذا ‪ .‬وفي كل مرحلة تؤخذ عينة عشوائية إلى إن نحصل على‬
‫الوحدات المطلوبة‪.‬‬

‫العينات الغير احتمالية ‪Non – probability Sampling -:‬‬ ‫‪-2‬‬

‫وهي العينات التي ال تعتمد على النظرية االحتمالية في اختيار مفردات حيث يتم اختيار‬
‫مفرداتها بطرقة تحكمية أو شخصية ومن أمثلتها العينة القصدية والعينة الحصصية‬
‫وتستخدم نتائج هذا النوع على الحصول على مؤشرات تدل على مفردات هذا‬
‫األسلوب ومن غير الممكن تعميم نتائجها على بقية مفردات المجتمع‬

‫‪purposive sampling‬‬ ‫‪ 2-1‬العينة العمدية‪-:‬‬

‫يعتمد هذا األسلوب على الباحث في اختيار مفردات العينة إي انه يتم االعتماد على‬
‫الباحث في الحصول على عينه بشكل متعمد استنادا إلى الخبرة الشخصية له بأن‬
‫هذه المفردات هي خير من يمثل المجتمع‪.‬‬

‫‪ 2-2‬العينة الحصصية‪quota sampling -:‬‬

‫في هذا النوع من العينات يتم تقسيم المجتمع إلى طبقات حسب طبيعة الدراسة ثم‬
‫يتم اختيار عينة غير عشوائية (متعمدة ) من كل طبقة من قبل الباحث بحيث تكون‬
‫مجموع العينات ممثلة العدد المطلوب للعينة‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪6‬‬
 ‫جدول اإلعداد العشوائية‪-:‬‬

‫اإلعداد العشوائية هي أساس لكثير من األعمال اإلحصائية وخاصة في استخدام طرق‬

‫المعاينة فالمعاينة االحتمالية تتطلب استخدام أسلوب في المعاينة بحيث يمكن ربط‬
‫الوحدات المختارة باحتماالت معينه وهذا يعني إن العملية العشوائية مرتبطة في‬
‫الواقع ارتباطا قويا بالنماذج اإلحصائية واالختيار العشوائي يعني االختيار بفرص‬
‫متساوية ‪ ,‬فاألسلوب االعتيادي في اختيار عينه عشوائية من مجتمع مثل اختيار (‪)5‬‬
‫طالب من (‪)100‬طالب بصورة عشوائية يتم بان نهيئ أسماء الطالب في قصاصات‬
‫ورقية ونختار خمس ورقات بالتتالي واحده بعد األخرى بعد وضع هذه القصاصات‬
‫بشكل ال يسمح باختيار بعضها بنصيب أكثر من األخرى وهذا يعني إن القصاصات لها‬
‫نفس االحتماالت في االختيار‪ .‬إن إتباع هذا األسلوب يكون صحيحا إذا كانت وحدات‬
‫المجتمع قليله أما اذا كانت وحدات المجتمع كبيره فان األسلوب المتبع في العمل‬
‫اإلحصائي هو استخدام جداول اإلعداد العشوائية ‪.‬‬

‫تتألف جداول اإلعداد العشوائية من قوائم من اإلعداد مؤلفه من أربعة أرقام أو خمسة‬
‫وقد تكون ستة أرقام ولقد استخدم الحاسوب في تحديد مثل هذه اإلعداد ومثل على‬
‫ذلك أ‪1‬ا كانت أعداد الجدول التاليه ‪.‬‬

‫‪18519‬‬ ‫‪52802‬‬ ‫‪49487‬‬

‫‪33584‬‬ ‫‪91539‬‬ ‫‪29480‬‬

‫‪22557‬‬ ‫‪97738‬‬ ‫‪25252‬‬

‫‪92900‬‬ ‫‪42193‬‬ ‫‪62431‬‬

‫‪03095‬‬ ‫‪89353‬‬ ‫‪69414‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪7‬‬
‫فأذا أريد أختيار عينة من الطالب بحجم (‪ )100‬فان اإلعداد ‪ 00 ,01, 02,..…,99‬يمكن أن‬
‫تمثل أرقام هؤالء الطالب فنقوم بانتخاب احد صفحات جداول اإلعداد العشوائية ثم نختار‬
‫عدد عشوائي من الصفحة فإذا كان الرقم مثال ‪ 29480‬فان الرقم العشوائي األول سيكون‬
‫العدد (‪ )80‬أذا كات المطلوب عدد من مرتبتين ثم نأخذ اإلعداد األخرى ‪ 14,31,52‬على‬
‫التوالي ونختار العدد الخامس بصورة عشوائية من عمود أخر وهكذا‪.‬‬

‫ويجب مالحظة بان عدد المفردات في المجتمع إذا كانت اقل من ( ‪ )99‬مثال كانت (‪)50‬‬
‫مفرده ففي المثال السابق سيكون العدد األول المختار (‪ )31‬الن العدد (‪ )80‬غير مشمول‬
‫وكذلك العدد (‪ )52‬وسيكون العدد الثاني المختار (‪ )14‬وهكذا‪.‬‬

‫‪sampling error‬‬ ‫أخطاء المعاينة ‪-:‬‬

‫يعرف خطأ المعاينة لعينه ما بأنه الفرق بين التقدير الذي نحصل عليه من العينة وقيمة‬
‫المعلمة (أو ثابت المجتمع) ‪ ,‬واهم المعالم التي نهتم بدراستها متوسط المجتمع ومجموعه‬
‫ونسبة المفردات التي تحمل صفة معينة‪,‬‬

‫تقسم أخطاء المعاينة إلى قسمين‬

‫‪biased error‬‬ ‫‪ -1‬أخطاء التحيز‬

‫ينشأ هذا الخطاء من إعطاء معلومات غير صحيحة ال سباب مختلفة ينتج عن عدم الدقة في‬
‫القياس مثل عدم كفاءة العدادين أو غموض االستمارة اإلحصائية أو إعطاء بيانات غير‬
‫صحيحة او عدم جمع البيانات من بعض مفردات العينة أو جمع البيانات بشكل متكرر عن‬
‫بعض المفردات ‪ ,‬ويكون هذا الخطأ سالبا أو موجبا وتكمن خطورة هذا النوع من الخطاء بأنه‬
‫ال يمكن وضع حد له أو حصره ‪ ,‬ويكتب بالصيغة التالية‬

‫]‪B ( θ^ )=[ E ( θ^ ) −θ‬‬

‫‪ -2‬األخطاء العشوائية‪Random error‬‬

‫وهي األخطاء التي تحصل عن عملية المعاينة نفسها والناتجة بسبب العشوائية في االختيار‬
‫حيث قد تختلف نتائج العينة عن نتائج المجتمع بمعنى أخر هي الفرق بين القيمة التي‬
‫نحصل عليها من العينة العشوائية وقيمة المعلمة في مجتمع الدراسة‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪8‬‬
‫فعند إيجاد متوسط العينة ( ‪ ) x‬مثال وكان ال يساوي متوسط المجتمع (‪ ) µ‬وهذا الفرق يعود الى‬
‫عملية االختيار فأن الخطاء سيكون (‪ ) x - µ‬والذي يطلق عليه خطاء الصدفة أو الخطاء‬
‫العشوائي ‪,‬‬

‫ويجب مالحظة بأن مجموع األخطاء لجميع العينات الممكنة تساوي صفر إي إن‬

‫❑‬
‫∑‬
‫❑‬
‫‪( x −μ )=0‬‬

‫ويمكن معالجة الخطاء من هذا النوع من خالل زيادة حجم العينة واستخدام الطريقة‬
‫المناسبة لها في االختيار ‪.‬‬

‫التقديرات‪Estimation‬‬

‫إذا كانت (‪ )X1,X2,……Xn‬تمثل مفردات عينه حجمها (‪)n‬اختيرت من مجتمع إحصائي‬

‫وكـانت ‪ θ‬تمثـل معلمـة تخص المجتمـع غـير معروفـة ويـراد تقـديرها فيتم تقـديرها عن طريـق‬
‫العينه وذلك بايجاد داله تعتمد على هذه القيم ولتكن )‪ d(x‬أو ^‪ θ‬بحيث تكون قريب جدا‬
‫من المعلمه ‪. θ‬‬
‫هناك أسس خاصة تكون دليال للمقارنة بين التقديرات المختلفة للمعلمة والتي ستكون‬
‫مقياس إليجاد تقديرات جيد ومن هذه األسس ‪.‬‬
‫‪consistency‬‬ ‫‪-1‬االتساق‬

‫إذا اخترنا عينه بحجم ‪ n‬من مجتمع ما وكانت المعلمة ^‪ θ‬هي المعلمة المقدرة من العينة‬
‫للمعلمة ‪ θ‬الحقيقة المناظرة لها في المجتمع فأن القيمة التقديرية ^‪ θ‬تتجه نحو القيمة‬
‫الحقيقية ‪ θ‬كلما كبر حجم العينة ‪ n‬حتى تتساوى القيمة الحقيقية مع القيمة التقديرية في‬
‫حال كون ( ‪)N=n‬وهذا يعني‬
‫^‬
‫‪E ( θ−θ‬‬
‫‪2‬‬
‫‪) =0‬‬
‫وبمفهوم أخر إذا كانت لدينا قيمة حقيقية صغيره ‪ ε > 0‬فأن‬
‫^‬
‫¿∨‪Pr [¿ θ−θ‬‬ ‫∞ →‪ε ]→ 0 when n‬‬

‫حيث ان ‪ ε‬هي قيمة موجبه صغيره جدا وقريبه من الصفر ‪.‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪9‬‬
 ‫‪unbiased ness‬‬ ‫‪-2‬عدم التحيز‬

‫يقال إن التقدير ^‪ θ‬غير متحيز الى المعلمة ‪ θ‬اذا كان معدل العام لها يساوي تلك المعلمة‬
‫‪ θ‬بمعنى اخر ان المعدل العام لتلك القيمة ولكل العينات الممكنة بحجم ‪ n‬تساوي القيمة‬
‫الحقيقية للمعلمة ‪ θ‬اي ان‬

‫( ‪θ^ ( E‬‬ ‫=‬ ‫‪θ‬‬

‫ومن أمثله ذلك‬

‫‪)x( E‬‬ ‫=‬ ‫‪μ‬‬

‫‪) s2 ( E‬‬ ‫=‬ ‫‪σ‬‬

‫‪2‬‬

‫‪Mathematical Expectation‬‬ ‫التوقع الرياضي ‪:‬‬

‫إذا كانت لدينا عينة بحجم ‪ n‬منتخبة من مجتمع (‪ )N‬له توزيع يمثل إما بالكثافة‬
‫هي معلمـة في المجتمـع فـان‬
‫‪θ‬‬ ‫االحتماليـة )‪ f θ ( x‬او بالتكتـل االحتمـالي ) ‪ Pθ ( x‬حيث‬
‫التوقع الرياضي يعرف كاالتي ‪:‬‬

‫عندما يكون المتغير العشوائي مستمر‬

‫❑‬

‫)‪∫ x f θ ( x ) = E(x‬‬ ‫( كثافة احتماليه مستمر)‬

‫❑‬

‫عندما يكون المتغير العشوائي متقطع‬

‫❑‬
‫∑‬
‫❑‬
‫()‪x Pθ ( x) = E(x‬‬ ‫( كثافة احتماليه متقطعة )‬

‫وكذلك يمكن اخذ التوقع إلى إي داله حقيقية على المتغير ‪x‬مثل )‪ g(x‬فأن‬
‫❑‬

‫( ) )‪∫ g ¿ ¿ = E(g(x‬‬ ‫)‪f θ ( x‬‬

‫❑‬

‫❑‬
‫∑‬
‫❑‬
‫))‪g ( x)P θ (x) = E(g(x‬‬

‫هناك بعض الخصائص للتوقع الرياضي منها‬

‫‪E (c) = c‬‬ ‫‪where c is constant‬‬

‫) )‪E (c g(x) ) =c E (g(x‬‬

‫])‪E [g1 (x) ±g2(x) ] = E [g1(x) ] ± E [g2(x‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪10‬‬
 ‫) ‪E ( x ± y ) = E ( x ) ± E (y‬‬

‫‪E ( x . y ) = E ( x ) . E (y ) If x and y are not independent‬‬

‫‪And‬‬

‫) ‪Cov (x , y) = E ( x – x ) ( y – y‬‬

‫) ‪E(x – x )2=σ 2 = Cov ( x , x ) = E ( x – x ) ( x – x‬‬

‫‪If x ,y are independent then‬‬

‫) ‪Cov (x , y ) = E (x – x ) ( y – y‬‬

‫= )‪E(xy)–E(x) E(y‬‬

‫= ‪E ( x ) E ( y ) – E (x ) E (y ) = 0‬‬

‫‪Normal distribution‬‬ ‫التوزيع الطبيعي ‪:‬‬

‫يعتبر هذا التوزيع من أكثر التوزيعات االحتمالية المستمرة استخداما في التطبيقات‬

‫اإلحصائية و خاصتا ً في العينات ‪.‬‬

‫إذا كان المتغير العشوائي ‪ x‬يتوزع توزيعا ً طبيعيا ً بوسط حسابي ‪ μ‬وتباي ‪ σ 2‬فأن دالة‬
‫الكثافة االحتمالية ستكون بالشكل التالي‬

‫‪1‬‬
‫=) ‪f ( x‬‬
‫❑√‬

‫‪22‬‬
‫حيث ( ‪ ) π= 7‬وهي النسبة الثابتة‬

‫وان ( ‪ )e=2.718‬وهي أساس اللوغاريتم الطبيعي‬

‫ويمكن صياغة التوزيع بالشكل التالي ) ‪X N ( μ , σ 2‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪11‬‬
 ‫يمتلك التوزيع الطبيعي بعض الخصائص المهمة منها‬

‫إن شكل منحني التوزيع الطبيعي ناقوس الشكل متماثل حول محور الصادات‬ ‫‪-1‬‬
‫المرسوم من الوسط الحسابي وان مدى انبعاج أو تفرطح المنحني يعتبر مقياسا"‬
‫لمدى التباين ‪.‬‬
‫إن المساحة المحصورة بين المنحى وفرق محور السنيات يساوي واحد إي االحتمال‬ ‫‪-2‬‬
‫األكيد‪.‬‬
‫إن المساحة المحصورة تحت المحني من ‪ X=a‬إلى ‪ X=b‬حيث ‪ a < b‬يمثل‬ ‫‪-3‬‬
‫احتمال وقوع المتغير ‪ X‬بين القيمتين‪ a‬و ‪ b‬لذلك فان المساحة ‪ A‬بين هاتين‬
‫القيمتين تكون‬
‫‪b‬‬

‫‪∫ f ( x ) dx=Pr [ a< x< b ]=A‬‬

‫‪a‬‬

‫‪ – 4‬إن طرفي المنحي نظريا" يمتدان إلى ¿ ∞‪ ) +‬و(¿ ∞ ‪ ( -‬بمحاذاة محور السنيات دون إن يقطعانه‬
‫اآل ان الجزء المهم ذو فائدة عمليه هو المحصور بين القيمتين ( ‪ ) x ∓3 σ‬والذي يمثل أكثر‬
‫من ‪ %99‬من المساحة الكلية تحت المنحى وكذلك ‪.‬‬

‫‪x ∓ σ=68.27 %‬‬

‫‪x ∓2 σ =95,45 %‬‬

‫‪x ∓3 σ =99,73 %‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪12‬‬
 ‫‪1‬‬
‫❑√ ‪σ‬‬ ‫‪ μ=X‬وتساوي‬ ‫للدالة قيمه عظمى على النقطة‬ ‫‪-5‬‬
‫( ‪) μ ∓σ =x‬‬ ‫للدالة نقطتا انقالب عندما يكون‬ ‫‪-6‬‬

‫إليجاد المساحة بين نقطتين نعتمد حساب التكامل ومن الممكن االستغناء عن استخدام‬
‫التكامل من حساب القيمة االحتمالية للمتغير ‪ X‬وذلك بتحويله إلى متغير أخر‬
‫يدعى ‪Z‬‬
‫‪X−μ‬‬
‫)‪.‬وباستخدام الجداول نحصل المساحة تحت المنحي حيث يكون‬ ‫‪6 =Z‬‬ ‫حيث أن (‬
‫التوزيع طبيعي قياسي إي إن‬
‫‪1‬‬
‫)‪Z N (0,1‬‬ ‫=)‪f (z‬‬
‫❑√‬
‫‪and‬‬
‫‪x−μ‬‬
‫‪) s‬‬ ‫(‪=t‬‬ ‫أو يحول المتغير ‪ x‬الى متغير أخر يدعى ‪ t‬ويعرف بالعالقة التالية‬
‫❑√‬

‫علما بان قيم ‪ z‬و‪ t‬تتقارب عندما تكون عدد المفردات أكثر من ثالثين مفرده‬

‫حدي الثقة ‪confidence limits :‬‬

‫عندما تكون إحدى صفات المجتمع غير معروفه فعادة تقدر إما بشكل قيمة مقابله بتقدير‬
‫القيمـة الحقيقيـة مثـل تقـدير ‪ θ‬ب ^‪θ‬ويـدعى هـذا التقـدير بالتقـدير النقطي ويتم إيجـاد فـترة أو‬
‫فئة تقع ضمنها قيمة المجتمع المجهول ويدعى التقدير بفترات ومن أمثلة ذلك حدي الثقة‬
‫حيث نثبت احتمـال عـدم وقـوع القيمـة الحقيقيـة ضـمن الفئـة المحـددة ب ∝اي احتمـال‬
‫الخطأ‬

‫(‪)U,L‬بحيث يكون احتمال ظهور المعلمة ‪θ‬‬ ‫فيكون حدا الثقة للمعلمة ‪ θ‬هما القيمتان‬
‫داخل هذه الفئة يكون بمعنوية تسمى ∝ وباحتمال معين نسميه درجة الثقة (∝ ‪) 1 -‬‬

‫∝‪Pr { L<θ<U }=1−‬‬ ‫وعليه فان حدي الثقة يكون بالشكل التالي‬

‫وكما نعلم بأن الوسط الحسابي هو تقدير غير متحيز لمتوسط المجتمع فبألمكان احتساب‬
‫مقدار الخطأ المعياري الذي تعرضت له هذا العينة والذي يمثل مدى االعتمادية على القيمة‬
‫المقدرة للوسط الحسابي ‪ ,‬لهذا فأن القيمة الحقيقة للوسط الحسابي للمجتمع تقع بين‬
‫الوسط الحسابي للعينة ‪ ∓‬مقدار الخطأ المعياري والتي يمكن التعبير عنها بالصيغة التالية‪.‬‬
‫) ‪Y ∓ S .e ( y‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪13‬‬
‫فإذا كان لدينا عينة عشوائية بحجم ‪ n‬ماخوذه من مجتمع طبيعي بوسط ‪ μ‬وتباين ‪σ 2‬‬
‫وباستخدام المتغير ‪ t‬أو ‪ z‬بدل ‪ x‬فأن حدي الثقة ‪ L.U‬إلى الوسط الحسابي ‪ x‬سيكون‬
‫بالشكل التالي‬

‫‪∝-Pr{L≤ θ ≤U }=¿1‬‬

‫{‬ ‫}‬
‫‪X−μ‬‬
‫≤ ∝ ‪Pr −Z‬‬
‫‪2‬‬
‫‪s‬‬
‫❑√‬

‫{‬
‫∝ ‪Pr −Z‬‬
‫‪2‬‬
‫‪s‬‬
‫❑√‬ ‫}‬
‫{‬
‫∝ ‪Pr −X−Z‬‬
‫‪2‬‬
‫‪s‬‬
‫❑√‬ ‫}‬
‫{‬
‫∝ ‪Pr X + Z‬‬
‫‪2‬‬
‫‪s‬‬
‫❑√‬ ‫}‬

‫هي القيمة الجد ولية التي تقابل درجة الثقة وكما مبين في الجدول التالي ‪- :‬‬ ‫‪t‬‬ ‫حيث أن‬

‫قيمة‬ ‫درجة الثقة‬ ‫(‪)∝ -1‬‬

‫‪Confidence probability‬‬ ‫‪Z‬‬

‫‪0.90‬‬ ‫‪1.64‬‬

‫‪0.95‬‬ ‫‪1.96‬‬

‫‪099‬‬ ‫‪2.58‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪14‬‬
 ‫مع خالص امنياتي لكم بالنجاح‬
‫الدائم‬

‫الفصل الثاني‬
‫‪Chapter two‬‬

‫‪simple random sampling‬‬ ‫العينة العشوائية البسيطة‬

‫يقصد بالعينة العشوائية البسيطة أخيار عينة بحجم (‪ ( n‬من مفردات مجتمع متجانس نسبيا ً‬
‫بحجم (‪ )N‬من حيث الصفة المدروسة يكون السحب بدون إرجاع بحيث يكون هذا االختبار‬
‫بشكل عشوائي تام لكي يتساوى احتمال ظهور إي مفرده من مفردات المجتمع في العينة‬
‫‪1‬‬
‫‪ N‬وبنفس الـوقت يتسـاوى احتمـال ظهـور أي عينـة من العينـات الممكن‬ ‫((‬ ‫ويكـون بمقـدار‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪15‬‬
 ‫‪N‬‬
‫حصولنا عليها بحجم (‪ ) n‬فيكون عدد العينات الممكنة ( ‪ ) ∁n‬ويصبح احتمال اختيار أي‬
‫‪1‬‬
‫( ‪) ∁N‬‬ ‫عينة‬
‫‪n‬‬

‫ومن المالحظ فان كل وحدة من وحدات المجتمع ستظهر بنفس العدد من المرات في‬
‫‪N−1‬‬
‫‪) ∁n−1‬‬ ‫العينات الممكن حصولنا عليها وعدد هذه المرات هي (‬

‫‪∁Nn−1‬‬
‫‪−1‬‬

‫(‬ ‫لذلك سيكون احتمال الحصول على عينة تحتوي على مفردة من المجتمع هو‬
‫‪∁Nn‬‬
‫)‬

‫يمكن تلخيص أعاله بما يأتي‬

‫يجب إن يكون المجتمع الذي يراد سحب عينه منه متجانس نسبيا‬ ‫‪-1‬‬
‫السحب لكل مفرده في العينعه من المجتمع بدون إرجاع‬ ‫‪-2‬‬
‫استخدام األسلوب العشوائي في السحب أذا ً سيكون احتمال أي مفردة من‬ ‫‪-3‬‬
‫‪1‬‬
‫‪N‬‬
‫المجتمع في العينة ( (‬

‫‪-4‬‬
‫‪N‬‬
‫( ‪) ∁n‬‬ ‫عدد العينات الممكن حصولنا عليها من المجتمع هي‬
‫‪1‬‬
‫( ‪) ∁N‬‬ ‫احتمال حصولنا على عينة معينة هي‬ ‫‪-5‬‬
‫‪n‬‬
‫‪N−1‬‬
‫‪∁n−1‬‬ ‫عدد العينات الممكن حصولنا عليها وتحتوي على مفرده ‪ i‬من المجتمع هو (‬ ‫‪-6‬‬
‫)‬
‫احتمال حصولنا على عينة تحتوي على المفردة ‪ i‬من المجتمع هو‬ ‫‪-7‬‬
‫‪N −1‬‬
‫‪∁n−1‬‬
‫)‬ ‫‪N‬‬ ‫(‬
‫‪∁n‬‬

‫الرموز المستخدمة‬

‫‪Sample‬‬ ‫‪population‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪16‬‬
 N n

Y =∑
i=1
Yi y = ∑
i=1
yi
❑ ❑

N n

= Y ∑Yi ^y ∑ yi=
i=1 i=1

Y
Y = → YN y = ^y Y=N
N

N n

= ∑ ( Y i−Y ) ∑
2 2
σ =E ) y i−Y (2
2
s
2
= ( y i− y )
i=1 i=1
❑ ❑

Y Y ^ y y
R= X = X
R = x = x

) 1 - 2( ‫نظرية‬

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

17
‫في العينة العشوائية البسيطة وعند اختيار عينة بحجم (‪ ) n‬من مجتمع حجمه (‪ ) N‬يكون‬
‫تقدير الوسط الحسابي للعينة هو تقدير غير متحيز للوسط الحسابي للمجتمع‪.‬‬

‫‪Y‬‬ ‫‪= ) y (E‬‬

‫‪Proof 1‬‬

‫كالتي‬ ‫‪Sample Space‬‬ ‫يمكن تمثيل فضاء العينة‬

‫‪{ y1 y 2 ⋮ y m‬‬ ‫⋯⋯ ⋯‬ ‫] ‪[ y 11 y 21 ⋮ y m 1 y 12 y 22 ⋮ y m 2 ⋯ ⋯ ⋯ y 1 n y 2n ⋮ y mn‬‬

‫‪m‬‬

‫‪∑ y i Where m=∁ N n‬‬

‫‪i=1‬‬
‫=)‪E( y‬‬
‫❑‬
‫‪m‬‬
‫‪1‬‬
‫‪E ( y )= N ∗∑ y i‬‬
‫‪∁n i=1‬‬

‫‪1‬‬
‫=‬ ‫‪N‬‬
‫‪∁n‬‬
‫]‬ ‫[‪y 1 +¿ y 2+ y 3+....+ y m‬‬

‫‪n‬‬

‫‪n‬‬ ‫‪∑ y mj‬‬

‫‪n‬‬ ‫❑‪∑ y 3 j +⋯+ i=1‬‬ ‫‪1‬‬
‫=‬ ‫]‬ ‫‪n‬‬ ‫‪∑ y 2 j + i =1‬‬ ‫❑‬
‫[‬ ‫‪N‬‬
‫‪∁n‬‬
‫‪∑ y 1 j + i=1‬‬ ‫❑‬
‫‪i=1‬‬
‫❑‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪1‬‬
‫∑] =‬ ‫‪y1 j+ ∑ y 2 j + ∑ y 3 j + ⋯+ ∑ y mj‬‬ ‫[‬ ‫‪N‬‬
‫‪∁n‬‬
‫‪i=1‬‬ ‫‪i=1‬‬ ‫‪i=1‬‬ ‫‪i=1‬‬

‫‪1‬‬ ‫‪m‬‬ ‫‪n‬‬

‫=‬ ‫‪N‬‬
‫‪n ∁n‬‬
‫[ ‪] ∑ ∑ y ij‬‬
‫‪i=1 i=1‬‬

‫‪1‬‬
‫=‬ ‫‪N‬‬
‫‪n ∁n‬‬
‫‪] ∁n−1‬‬
‫‪N−1‬‬
‫‪Y1 +‬‬
‫‪N−1‬‬
‫‪∁n−1 Y 2‬‬ ‫‪+ ⋯ + ∁n−1‬‬
‫‪N−1‬‬
‫[ ‪YN‬‬

‫‪∁Nn−1‬‬
‫‪−1‬‬

‫=‬ ‫‪n ∁Nn‬‬

‫[‪] ⋯ +Y 2+Y 1 +Y N‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪18‬‬
 ( N−1)!
N −1
∁n−1 (n−1)!( N −n)!
∁n
N = N!
‫توضيح‬
n( N −n)!

( N−1)!
N −1 1
∁ n−1 ( n−1)!
∁
N = N (N −1)!
= N
n n
n(n−1)!

∁Nn−1
−1
n
N
∁
= N
n

N
1 n
) y (E = n N ∑Yi
i=1

N
1
) y (E = N ∑Yi
i=1

) y (E = Y

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

19
 ‫برهان ثاني لنظرية (‪)1-2‬‬
‫‪Bernoulli trials‬‬ ‫باستخدام محاوالت برنولي‬

‫‪Bernoulli Distribution‬‬ ‫‪P(x) = PX q1-X‬‬ ‫‪x=0,1‬‬

‫‪P(a) = pa q1-a‬‬ ‫‪a=0,1‬‬

‫عندما تكونالمفردة في المجتمع غير موجوده في العينة ‪ 0‬عندما تكون المفردة في المجتمع موجوده في العينة ‪{1‬‬

‫¿=‪a i‬‬
‫‪where‬‬

‫‪n‬‬
‫=) ‪p=Pr ( ai =1‬‬
‫‪N‬‬

‫‪N−n‬‬ ‫‪n‬‬
‫=) ‪q=Pr ( ai=0‬‬ ‫‪=1−‬‬
‫‪N‬‬ ‫‪N‬‬

‫‪where p=1−q‬‬

‫‪n‬‬
‫‪N‬‬
‫)‪= E(ai‬‬ ‫التوقع إلى ‪ ai‬هو‬

‫‪n‬‬ ‫‪n‬‬
‫هو ‪(1− )= V(ai) = p q‬‬ ‫التباين إلى ‪ai‬‬
‫‪N‬‬ ‫‪N‬‬
‫‪N‬‬
‫‪1‬‬
‫‪y= ∑ ai Y i‬‬ ‫الوسط الحسابي للعينة إلى المتغير العشوائي ( ‪)ai‬‬
‫‪n i=1‬‬
‫‪N‬‬
‫‪1‬‬
‫) ‪E( y)= ∑ E(Y i ai‬‬ ‫وبأخذ التوقع للطرفين‬
‫‪n i=1‬‬
‫‪N‬‬
‫‪1‬‬
‫=)‪E( y‬‬ ‫‪∑Y Ea‬‬
‫‪n i=1 i i‬‬
‫‪N‬‬
‫‪1‬‬ ‫‪n‬‬
‫=)‪E( y‬‬ ‫∑‬ ‫‪Yi‬‬
‫‪n i=1 N‬‬
‫‪N‬‬
‫‪1 n‬‬
‫=)‪E( y‬‬ ‫‪∑Y‬‬
‫‪n N i=1 i‬‬
‫‪N‬‬

‫‪∑Yi‬‬
‫‪i=1‬‬
‫=)‪E( y‬‬
‫❑‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪20‬‬
 ‫‪E( y)=Y‬‬

‫نتيجة(‪)1-1-2‬‬
‫في العينة العشوائية البسيطة فان مجموع القيم التقديرية هو تقدير غير متحيز إلى المجموع‬
‫الكلي في المجتمع ‪Y‬‬

‫‪Y^ ¿=Y ( We mast prove‬‬ ‫‪E‬‬

‫‪That‬‬ ‫‪Note‬‬
‫‪N‬‬ ‫‪N‬‬

‫‪∑ Y i =Y‬‬ ‫∑= ‪Y‬‬ ‫‪Yi‬‬

‫‪where‬‬ ‫مجموع القيم‬
‫‪i=1‬‬ ‫‪i=1‬‬
‫❑‬

‫‪Y‬‬
‫‪N‬‬
‫‪=Y‬‬

‫‪Y Y=N‬‬

‫^‬
‫‪y N =Y‬‬

‫‪Proof‬‬

‫^‪y N =Y‬‬

‫) ‪E(Y^ )= E(N y‬‬

‫‪) y (E(Y^ ) = N E‬‬

‫‪Y E(Y^ ) = N‬‬

‫‪E(Y^ )= Y‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪21‬‬
 ‫نظرية ( ‪)2-2‬‬

‫يعرف تباين متوسط العينة العشوائية البسيطة كالتي‬

‫(او في المعاينة العشوائية البسيطة وعند أختيار عينة بحجم ( ‪ )n‬من مجتمع حجمه ( ‪)N‬‬
‫فأن تباين متوسط العينة يعرف كاالتي)‬

‫‪σ2‬‬
‫) ‪V( y‬‬ ‫‪=E( y −Y ) =¿ n (1-f‬‬
‫‪2‬‬
‫)‬

‫‪n‬‬
‫حيث أن ‪ N = f‬والذي يسمى بكسر المعاينة يستخدم ألغراض تصحيح تباين المتوسط وإذا‬
‫كانت قيمة ( ‪ )N‬كبيرة فان هذا الكسر سوف يكون صغير بحيث إن ( ‪ ) ≈ 1 f – 1‬ولذلك‬
‫يمهل على وجه العموم إذا كان ‪< f 0.5‬‬

‫‪σ2‬‬
‫‪V‬‬ ‫= )‪( y‬‬ ‫‪E‬‬ ‫= ) ‪( y −Y‬‬
‫‪2‬‬
‫‪n‬‬
‫) ‪(1-f‬‬
‫‪n‬‬

‫∑( ‪V ( y) = E‬‬
‫‪i=1‬‬
‫‪y i−Y 2‬‬
‫)‬
‫❑‬
‫‪n‬‬
‫‪n‬‬
‫∑‬
‫‪V ( ) = E ( i=1‬‬
‫‪y‬‬ ‫‪y i− Y 2‬‬
‫) ‪n‬‬
‫❑‬
‫‪n‬‬
‫‪1‬‬
‫‪V‬‬ ‫)‪( y‬‬ ‫‪= n2 E (∑ yi −n Y‬‬ ‫‪)2‬‬
‫‪i=1‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪1‬‬
‫‪V ( y ) = n2 E (∑ yi −∑ Y )2‬‬
‫‪i=1‬‬ ‫‪i=1‬‬

‫‪n‬‬
‫‪1‬‬
‫= )‪V ( y‬‬ ‫‪n‬‬
‫‪2‬‬ ‫‪E [∑ ( y ¿¿ i−Y )¿ ] 2‬‬
‫‪i=1‬‬

‫‪Note‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪22‬‬
 (∑ ) ( )
❑ ❑
3 2 y 22 2
y 2+ y 1(= yi ∑ y +2 y 1 y 2= y 1 y 2 + +2 y 1= ) y 2+ y 1( = ∑ y i
2
i
2 2
i=1 i=0 i=1

y 2 y 32+ y 22+ y 32+2 y 1 y 2+2 y 1 y3 +2 y 1=2) y 3+

3 3
¿ ∑ y 2i +2 ∑ y i y j
i=0 i< j

n ❑ 1
]∑ ( y ¿¿ i−Y )2+ 2 ∑ ( yi −Y ) ( y j−Y )¿ [V ( y )= n2 E
i=0 i<j

n
1 ❑
V ( y )= 2 [E∑ ∑ ( y i −Y ) ( y j−Y )¿]
2
( y ¿¿ i−Y ) + 2 E
n i=0 i< j

N
n n (n−1) ❑ 1
]N ∑ ( Y ¿¿i−Y ) +2 2
∑
N (N−1) i< j
( Y i−Y ) (Y j −Y )¿ [ 2 =) y ( V
n
i=0

N
(n−1) ❑ 1 n
] ∑ (Y ¿¿ i−Y ) + 2 (N −1) ∑ ( Y i−Y ) (Y j−Y )¿[ n2 N =) y ( V
2

i=0 i< j

N ❑
(n−1) 1
]∑ (Y ¿¿ i−Y )2+ 2 (N −1) ∑ ( Y i−Y ) (Y j−Y )¿[ nN =) ( V
y
i=0 i< j

‫إضافة وطرح‬
N
( n−1)
∑
( N −1) i =1
( Y i−Y )
2

(n−1) N (n−1) N ( n−1) ❑ 1

∑
( N −1) i =1
(
2
Y i−Y ) − ∑
(N−1) i=1
(
2 2
Y i−Y ) σ +2 ∑
( N −1) i < j
( Y i−Y ) (Y j−Y )+¿ ¿V ( y )=
nN [(N-1)

1 ( n−1) N (n−1) ❑ −(n−1) N

V ( y )= [(N-1)σ 2+[ ∑ ( i ) ( N−1) ∑ ( i ) j
Y −Y 2
+2 Y −Y (Y −Y )] ∑ ( Y i−Y )2]
nN ( N −1) i i< j ( N−1) i=1

( n−1) N (n−1) ❑ (n−1)

Note ∑
( N −1) i
( Y i −Y )
2
+2 ∑
( N−1) i< j
( Y i −Y ) (Y j−Y )=
(N −1)
¿¿ ¿ ¿

N
1 (n−1) ( n−1)
V ( )= y [(N-1)
nN
σ +
2
-
( N −1)
¿¿ (N-1)
( N −1)
]σ 2
∑ ( Y i−Y ) =zero
i=1

1
∴ ] σ2 (n−1) σ 2−¿) N−1 ([
nN = ) y ( But V

σ2
] n+1 N−1−¿[ nN
= ) y (V

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

23
 ‫‪2‬‬
‫‪N −n‬‬ ‫‪σ‬‬
‫]‬ ‫‪N‬‬ ‫[‬ ‫‪n‬‬
‫‪= ) y( V‬‬

‫‪σ2‬‬ ‫‪n‬‬
‫= )‪V ( y‬‬ ‫‪n‬‬
‫‪[1 -‬‬ ‫‪N‬‬ ‫]‬

‫‪σ2‬‬
‫‪V‬‬ ‫)‪( y‬‬ ‫=‬ ‫‪n‬‬
‫] ‪[1 - f‬‬

‫برهان ثاني لنظرية (‪)2-2‬‬

‫‪Bernoulli trials‬‬ ‫باستخدام محاوالت برنولي‬

‫‪Bernoulli Distribution is‬‬

‫‪P(a) = pa q1-a‬‬ ‫‪a=0,1‬‬

‫عندما المفردة ضمن المجتمع غير موجوده في العينة ‪ 0‬عندما المفردة ضمن المجتمع موجوده في العينة ‪{1‬‬ ‫=‬ ‫‪ai‬‬
‫‪n‬‬
‫=) ‪p=Pr ( ai =1‬‬ ‫أحتمال النجاح‬
‫‪N‬‬

‫‪N−n‬‬ ‫‪n‬‬
‫=) ‪q=Pr ( ai=0‬‬ ‫احتمالالفشل ‪=1−‬‬
‫‪N‬‬ ‫‪N‬‬

‫‪where p=1−q‬‬

‫‪n‬‬
‫‪N‬‬
‫)‪= E(ai‬‬ ‫التوقع إلى ‪ ai‬هو‬

‫‪n‬‬ ‫‪n‬‬
‫التباين إلى ‪ ai‬هو ‪(1− )= V(ai) = p * q‬‬
‫‪N‬‬ ‫‪N‬‬
‫‪n‬‬

‫∑‬
‫‪n‬‬
‫‪1‬‬
‫( ‪)∑ yi‬‬ ‫‪V‬‬ ‫) (‬ ‫‪=V‬‬ ‫(‬ ‫)‪y‬‬ ‫‪= yi‬‬ ‫‪2 V‬‬
‫‪i=1‬‬
‫‪i=1‬‬
‫‪n‬‬
‫❑‬
‫‪N‬‬
‫‪1‬‬
‫∑( ‪= ) y ( V‬‬ ‫‪ai Y i ¿ ¿ V‬‬ ‫إلى المتغير العشوائي ( ‪)ai‬‬
‫‪i=1‬‬ ‫‪n2‬‬

‫‪Note‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪24‬‬
 2

) y 2+ y 1(V( y 1)+V( y 2)+2Cov( y 1, y 2)= V(∑ yi ) =V

i=1

3
y1
V( )+V( y2
)+V( y3
)+2Cov( ,y 1 )=
y2 V(∑ yi )=V( y 1+ y 2+ y 3)
i=1

= ) y 2, y 1(2Cov( y 2, y 3) +2Cov( y 1, y 3)+V( y 1)+ V( y 2)+V( y 3)+2Cov

❑ 3
∑ cov ( y i , y j)2+∑ v ( y i ) =
i<j i=1

❑ N
1
= ) y( V ]∑ cov (ai Y i , a j Y j )2+∑ v (a i Y i )[ n2
i<j i=1

Note
‫التباين‬ V(x) = E (x−x )2 ⟹ V(x)=E x2-(Ex)2
) x j , x i(E( x i−x )( x j− x) Cov= i≠ j‫ ) حيث‬x i , x j ( ‫المشترك بين‬
x jE x i x j- E x iE=

=)a j,a i(Ea i a j- Ea iEa j Cov i≠ j‫) حيث‬a i , a j( ‫التباين المشترك بين‬
n−1 n n n
N −1
* N=- N N

n−1 n n
N −1 ( N= - )N

N ( n−1 )−n( N−1) n

N (N −1)
( N= )

Nn−N−nN −n n
N ( N −1) ( N= )

N −n −n
N ( N (N−1) = )

−n
)a j,a i(f Cov-1 ( N (N−1) = )

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

25
 ‫❑‬ ‫‪N‬‬
‫‪1‬‬
‫‪= ) y( V‬‬ ‫[)‪]∑ Y i Y j cov ( ai , a j )2+∑ Y 2i V (ai‬‬
‫‪i<j‬‬ ‫‪n‬‬
‫‪2‬‬
‫‪i=1‬‬

‫❑‬ ‫‪N‬‬
‫‪−n‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪= ) y( V‬‬ ‫∑]‬
‫‪i<j‬‬
‫‪Y iY j‬‬
‫) ‪N ( N −1‬‬
‫‪(1−f )2+∑ Y 2i (1−f )[ 2‬‬
‫‪N‬‬ ‫‪n‬‬
‫‪i=1‬‬

‫❑‬ ‫‪N‬‬
‫‪1‬‬ ‫‪1 n‬‬
‫‪= ) y( V‬‬ ‫‪]∑ Y i Y j‬‬
‫‪i<j‬‬
‫‪2‬‬ ‫‪-‬‬‫∑‬
‫‪N−1 i=1‬‬
‫) ‪Y 2i [ 2 (1−f‬‬
‫‪n N‬‬

‫‪= ) y( V‬‬ ‫) ‪]¿ (1−f‬‬

‫‪nN‬‬

‫‪= ) y( V‬‬ ‫) ‪]¿ (1−f‬‬

‫‪nN‬‬

‫‪= ) y( V‬‬ ‫) ‪]¿ (1−f‬‬

‫‪nN‬‬

‫‪= ) y( V‬‬ ‫) ‪]¿ (1−f‬‬

‫‪nN‬‬

‫‪= ) y( V‬‬ ‫‪]¿ (1−f ) N‬‬

‫‪nN‬‬

‫) ‪(1−f‬‬
‫‪= ) y( V‬‬ ‫‪σ‬‬
‫‪2‬‬
‫‪n‬‬

‫‪σ2‬‬
‫‪= ) y( V‬‬ ‫) ‪(1−f‬‬
‫‪n‬‬

‫نتيجة (‪)1-2-2‬‬

‫يعرف تقدير تباين المتوسط للعينة العشوائية البسيطة ‪ ) y (V‬كاالتي ‪-:‬‬

‫‪2‬‬
‫‪S‬‬ ‫)‪^ ( y‬‬
‫‪(1−f )= V‬‬
‫‪n‬‬

‫نتيجة(‪)2-2-2‬‬
‫يعرف تباين تقدير مجموع مفردات المجتمع في العينة العشوائية البسيطة كاالتي‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪26‬‬
 ‫‪N 2σ 2‬‬
‫‪(1−f )=)Y^ (V‬‬
‫‪n‬‬

‫‪proof 1‬‬
‫‪E( Y^ −Y ) =) y (V‬‬
‫‪2‬‬

‫‪E( N y −N Y )2=) y (V‬‬

‫‪N 2 E( y−Y )2=) y (V‬‬

‫‪σ2‬‬
‫‪n‬‬
‫) ‪(1−f‬‬ ‫= ‪= ) y (V‬‬ ‫‪E ( y−Y )2‬‬ ‫حيث‬

‫‪σ2‬‬
‫‪(1−f )=) y (V‬‬
‫‪2‬‬
‫‪N‬‬
‫‪n‬‬

‫‪Proof 2‬‬

‫)‪V ( Y^ )=V ( N y‬‬

‫) ‪V ( Y^ )=N V ( y‬‬
‫‪2‬‬

‫‪2‬‬
‫‪2σ‬‬
‫‪V ( Y^ )=N‬‬ ‫) ‪(1−f‬‬
‫‪n‬‬

‫نتيجة (‪)3-2-2‬‬

‫يعرف تقدير تباين تقدير مجموع مفردات المجتمع كاالتيـ‬

‫‪2‬‬ ‫‪S2‬‬ ‫) ^‪^ ( Y‬‬

‫‪N‬‬ ‫‪(1−f )=V‬‬
‫‪n‬‬

‫‪Proof‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪27‬‬
 )V^ ¿=V^ (Y^ )

) N 2 V^ ¿=V^ (Y^ )
2
S
) N n ¿=V^ (Y^ )
2

)3-2( ‫نظرية‬
σ 2= E(S2) ‫) هو تقدير غير متحيز لتباين مفردات المجتمع‬S2( ‫تباين مفردات العينة‬

Proof
n
¿
∑ ( y i− y ) ¿
❑ 2
i=1
❑ [E(S )=E

n
1
∑ ( y i− y ) ¿¿❑[E(S2)= n−1 E
i=1

n
1
∑ ( y i− y −Y +Y )¿ ¿❑[E(S2)= n−1 E Y ‫نطرح ونضيف‬
i=1

n
1
∑ ( y i−Y − y∓Y )¿ ¿❑[E(S2)= n−1 E
i=1

n
1
] ∑ [ ( y −Y ) −( y −Y )] [E(S2)= n−1 E
i
2

i=1

n n
1
∑ ( y i−Y )2−2 ( y−Y ) ∑ ( y i−Y ) +n ( y−Y )2 ¿ ¿[E(S2)= n−1 E
i=1 i=1

( )
n n

∑ ( y i−Y ) = ∑ y i −n Y =( n y −n Y )=n( y−Y ) ‫حيث‬

i=1 i=1

n
1
∑ ( y i−Y )2−2 n ( y−Y )( y −Y ) +n ( y−Y )2 ¿ ¿[E(S2)= n−1 E
i=1

n
1
∑ ( y i−Y )2−2 n ( y−Y )2+ n ( y −Y )2 ¿ ¿ [E(S2)= n−1 E
i=1

n
1
∑ ( y i−Y )2−n ( y−Y )2 ¿ ¿ [E(S2)= n−1 E
i=1

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

28
 ‫‪n‬‬
‫‪1‬‬
‫[¿ ¿ ) ‪E ∑ ( y i−Y ) −nE ( y −Y‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪n−1‬‬
‫)‪=E(S2‬‬
‫‪i=1‬‬

‫‪N‬‬
‫‪n‬‬ ‫‪1‬‬
‫‪N‬‬
‫)‪∑ ( Y i−Y )2−nV ( y) ¿ ¿[ n−1 =E(S2‬‬
‫‪i=1‬‬

‫‪2‬‬
‫‪n‬‬ ‫‪1‬‬
‫[) ‪( N−1 ) σ 2 −n σ (1−f‬‬ ‫)‪=E(S2‬‬
‫‪N‬‬ ‫‪n‬‬ ‫‪n−1‬‬
‫‪2‬‬
‫‪n( N −1) N−n‬‬ ‫‪σ‬‬
‫‪−‬‬ ‫[¿‬ ‫)‪=E(S2‬‬
‫‪N‬‬ ‫‪N‬‬ ‫‪n−1‬‬
‫‪2‬‬
‫‪nN−n−N +n‬‬
‫)‪¿[ σ =E(S2‬‬
‫‪N‬‬ ‫‪n−1‬‬
‫‪2‬‬
‫‪2‬‬ ‫)‪σ N (n−1‬‬
‫=) ‪σ =E(S‬‬
‫‪2‬‬
‫[‬ ‫¿‬ ‫∴‬ ‫)‪E(S2‬‬
‫‪n−1‬‬ ‫‪N‬‬

‫نتيجة (‪)1-3-2‬‬
‫يكون تقدير تباين المتوسط تقديرا ً غير متحيزا ً لتباين المتوسط في العينة العشوائية البسيطة‬
‫) ‪^ ( y )=V ( y‬‬
‫‪EV‬‬

‫¿ ‪) E V^ ( y )=E‬‬
‫‪2‬‬
‫) ‪^ ( y )= ES (1−f‬‬
‫‪EV‬‬
‫‪n‬‬
‫‪2‬‬
‫‪) y (V‬‬ ‫) ‪= E V^ ( y )= σ (1−f‬‬
‫‪n‬‬

‫نتيجة (‪)2-3-2‬‬
‫إن تقدير تباين مجموع مفردات المجتمع التقديري هو تقدير غير متحيز لتباين مجموع‬
‫مفردات المجتمع التقديري في العينة العشوائية البسيطة‬

‫‪Proof‬‬ ‫‪1‬‬ ‫‪Proof 2‬‬

‫‪E ( V^ ( Y^ ) ) =E V‬‬
‫)‪^ ( N y‬‬ ‫) ^‪E ( V^ ( Y^ ) ) =V ( Y‬‬

‫‪N2 S2‬‬
‫‪E ( V^ ( Y^ ) ) =E(N 2 V‬‬
‫)) ‪^ ( y‬‬ ‫(‪E ( V^ ( Y^ ) ) =E‬‬ ‫)) ‪(1−f‬‬
‫‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪29‬‬
 ‫‪2‬‬ ‫‪2‬‬
‫‪N ES‬‬
‫) ‪E ( V^ ( Y^ ) ) =N E V^ ( y‬‬
‫‪2‬‬
‫= ) ) ^‪E ( V^ ( Y‬‬ ‫) ‪(1−f‬‬
‫‪n‬‬

‫‪N 2σ 2‬‬
‫) ‪E ( V^ ( Y^ ) ) =N 2 V ( y‬‬ ‫= ) ) ^‪E ( V^ ( Y‬‬ ‫) ‪(1−f‬‬
‫‪n‬‬
‫‪2‬‬
‫‪2σ‬‬
‫‪E ( V^ ( Y^ ) ) =N‬‬ ‫) ‪(1−f‬‬ ‫) ^‪E ( V^ ( Y^ ) ) =V ( Y‬‬
‫‪n‬‬

‫) ^‪E ( V^ ( Y^ ) ) =V ( Y‬‬

‫‪Example 1‬‬
‫‪Y= 1, 2 , 3 , 4 , 5‬‬ ‫افرض إن لدينا مجتمعا ً حجمه (‪ )5‬مفردات تمثل بياناته كاالتي‬

‫وأريد سحب عينة بحجم مفردتين المطلوب‬

‫اثبت إن الوسط الحسابي هو تقدير غير متحيز لمتوسط المجتمع ‪E ( y )=Y‬‬ ‫‪-1‬‬
‫اثبت إن تباين العينة هو تقدير غير متحيز لتباين المجتمع‪E S 2=σ 2‬‬ ‫‪-2‬‬
‫‪σ2‬‬ ‫‪2‬‬
‫اثبت العالقة التالية ) ‪E( y−Y ) = (1−f‬‬ ‫‪-3‬‬
‫‪n‬‬

‫‪Solution‬‬
‫‪5‬‬ ‫!‪5‬‬
‫= ‪m=∁2‬‬ ‫عدد العينات الممكن حصولنا عليها من المجتمع ‪=10‬‬
‫! ‪2 !∗3‬‬
‫‪N‬‬

‫= ‪∑YI‬‬ ‫¿‬
‫‪1+ 2+3+ 4 +5 15‬‬
‫‪= =3‬‬
‫=‪Y‬‬ ‫‪i=1‬‬ ‫‪5‬‬ ‫‪5‬‬
‫❑‬

‫ت‬ ‫‪iy‬‬ ‫‪y‬‬ ‫‪S2‬‬ ‫‪2‬‬

‫( ‪)Y - y‬‬

‫‪1‬‬ ‫‪1,2‬‬ ‫‪1.5‬‬ ‫‪0.5‬‬ ‫(‪= 2)2-1,5( + 2)1-1.5‬‬ ‫(‪2.25 = 2)1.5-3‬‬

‫‪2‬‬ ‫‪1,3‬‬ ‫‪2‬‬ ‫‪2.0‬‬ ‫(‪= 2)3-2( + 2)1-2‬‬ ‫(‪1 = 2)2-3‬‬

‫‪3‬‬ ‫‪1,4‬‬ ‫‪2.5‬‬ ‫‪4.5‬‬ ‫(‪= 2)4-2.5( + 2)1-2.5‬‬ ‫(‪0.25 = 2)2.5-3‬‬

‫‪2‬‬
‫‪4‬‬ ‫‪1,5‬‬ ‫‪3‬‬ ‫‪8.0‬‬ ‫=‬ ‫(‪)5-3( + 2)1-3‬‬ ‫(‪0 = 2)3-3‬‬

‫‪5‬‬ ‫‪2,3‬‬ ‫‪2.5‬‬ ‫‪0.5‬‬ ‫(‪= 2)3-2.5( + 2)2-2.5‬‬ ‫(‪0.25 = 2)2.5-3‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪30‬‬
 6 2,4 3 2.0 = 2)4-3( + 2)2-3( 0 = 2)3-3(

7 2,5 3.5 4.5 = 2)5-3.5( + 2)2-3.5( 0.25 = 2)3.5-3(

8 3,4 3.5 0.5 = 2)3.5 -4( + 2)3.5 -3( 0.25 = 2)3.5-3(

9 3,5 4 2.0 = 2)4 -5( + 2)4 -3( 1 = 2)4-3(

10 4,5 4.5 0.5 = 2)4.5 -5( + 2)4.5 -4( 2.25 = 2)4.5-3(

Total 25 7.5

m
1.5+2+2.5+3+2.5+3+ 3.5+ 3.5+4 +4.5 30
= =3= ∑y – 1
10 10 E ( y )=
i=1
❑

Y =3

∴ E ( y )=Y

N N
σ 2=∑ (Y i−Y )=∑ Y 2i −¿ ¿ ¿ ¿ ¿ ¿ ¿ - 2
i=1 i=1

2.5 = [ (1)2 +(2)2 +(3)2+(4 )2 +(5)2 ]− (15)

5 55−45
2
σ = =
4 4
n

∑ ( y i− y )2
2 i=1
S=
❑
m

∑ S2= 25
10
=2.5
E S 2= i=1
❑

∴ E S 2=σ 2
2
σ
2
E( y−Y ) = (1−f ) – 3
n

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

31
 ‫‪m‬‬

‫‪∑ ( y−Y )2= 7.5‬‬

‫‪10‬‬
‫‪=0.75‬‬
‫‪E( y−Y )2= i=1‬‬
‫❑‬
‫‪2.5‬‬
‫‪∗3‬‬
‫) (‬
‫‪2‬‬
‫‪σ‬‬ ‫‪2.5‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪7.5‬‬
‫= ) ‪( 1−f‬‬ ‫= ‪1−‬‬ ‫=‬ ‫‪=0.75‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪10‬‬

‫‪σ2‬‬
‫=‪∴ E( y−Y )2‬‬ ‫) ‪(1−f‬‬
‫‪n‬‬

‫‪Example 2‬‬

‫اختيرت عينة عشوائية بسيطة مؤلفة من (‪)30‬عائلة من مدينة تحتوي على (‪ )1500‬عائلة‬
‫وكان عدد إفراد كل من هذه العوائل كاالتي‬

‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4 3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪6 5‬‬

‫‪4‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪7‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬

‫المطلوب‬

‫تقدير عدد سكان المدينة‬ ‫‪-1‬‬

‫تقدير تباين مفردات العينة‬ ‫‪-2‬‬
‫تقدير تباين المتوسط‬ ‫‪-3‬‬
‫تقدير تباين عدد سكان تلك المدينة‬ ‫‪-4‬‬
‫جد حدي الثقة لمتوسط إفراد العائلة بثقة ‪95 %‬‬ ‫‪-5‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪32‬‬
 ‫‪ -6‬جد حدي الثقة لمجموع عدد سكان المدينة ‪95 %‬‬
‫‪Solution‬‬
‫‪N =1500‬‬ ‫‪n = 30‬‬
‫‪Y^ =N y - 1‬‬
‫‪n‬‬

‫‪∑ y i= 5+6 +⋯+5+‬‬

‫‪30‬‬
‫‪4 104‬‬
‫=‬
‫‪30‬‬
‫‪=3.46‬‬
‫‪y= i=1‬‬
‫❑‬
‫^‬
‫‪Y = (1500 )( 3.46 )=5190‬‬
‫‪^ ( y i )=S 2 - 2‬‬
‫‪V‬‬
‫‪n‬‬

‫‪∑ ( y i)2−n( y )2‬‬

‫‪S2= i=1‬‬
‫❑‬
‫‪n‬‬

‫‪∑ ( y i)2 =(5)2 +(6)2 +⋯ (4 )2=404‬‬

‫‪i=1‬‬

‫‪n‬‬
‫‪404+30( 3.46)2‬‬
‫= ) ‪∑ ( y i) −n( y‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪29‬‬
‫‪=1.5‬‬
‫‪2‬‬ ‫‪i=1‬‬
‫=‪S‬‬
‫❑‬
‫‪2‬‬
‫‪^ ( y )= S (1−f ) - 3‬‬
‫‪V‬‬
‫‪n‬‬

‫¿‬
‫‪30‬‬‫(‬
‫‪1.5‬‬
‫‪1−‬‬
‫‪30‬‬
‫‪1500‬‬ ‫)‬
‫‪=0.049 ≃ 0.05‬‬

‫‪^ ( Y^ )=V^ ( N y)- 4‬‬

‫‪V‬‬

‫)‪¿ N V^ ( y‬‬
‫‪2‬‬

‫‪2‬‬
‫‪¿ ( 1500 ) ( 0.05 )=112500‬‬

‫[‬
‫❑√ ∝ ‪Pr y−t‬‬
‫‪2‬‬ ‫‪]-5‬‬
‫❑ √ ∝ ‪y−t‬‬
‫‪2‬‬

‫(‪√ ❑)1.96(+)3.46(√ ❑)1.96(-)3.46‬‬

‫(‪)0.4383(+)3.46(≤ Y ≤ )0.4383(-)3.46‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪33‬‬
 ‫‪3.03≤ Y ≤ 3.89‬‬

‫‪3.03≤ Y ≤ 3.89‬‬ ‫‪-6‬‬

‫نحصل على‬ ‫(‪)N‬‬ ‫بضرب المتباينة بالمقدار‬

‫‪N ( 3.03)≤ N Y ≤(3.89) N‬‬

‫‪4950≤ Y ≤ 5835‬‬

‫الفصل الثالث‬
‫‪Chapter Three‬‬

‫(‪Estimation Ratio )R‬‬ ‫تقدير النسب‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪34‬‬
‫نحتاج في بعض األحيان إلى دراسة نسبة متغيرين كان يكون المتغير ‪ y‬والمتغير ‪ x‬لوجود‬
‫عالقة بينهما وعاد ًة نختار عينة بحجم كبير لغرض تقدير هذه النسبة‬

‫ومن أمثلة ذلك دراسة نسبة المصروف على الغذاء من الدخل‬

‫و ‪ x‬يمثل الدخل‬ ‫فإذا كان ‪ y‬يمثل المصروف على الغذاء‬

‫ويتم قياس المتغيرين لكل مفردة من مفردات العينة لذلك تعرف النسبة ‪R‬‬

‫‪Y Y‬‬
‫=‪R‬‬ ‫=‬ ‫‪For population‬‬
‫‪X X‬‬

‫^‬ ‫‪y y‬‬

‫= =‪R‬‬
‫‪x x‬‬

‫)‪Theorem (3-1‬‬ ‫نظرية (‪)1-3‬‬

‫إن النسبة التقديرية ‪ ^R‬هي تقدير غير متحيز للنسبة ‪ R‬في المجتمع‬

‫عندما يكون حجم العينة كبير ‪x ≃ X‬‬

‫‪Proof‬‬

‫‪must prove‬‬ ‫^‪E‬‬

‫^ ( ‪R=R ⟹ E‬‬
‫‪R−R )=Zero‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪35‬‬
 y
E(^
R −R )=E ( −R)
x

y−Rx
¿ E( )
x

∵ when ( n ) is large x ≃ X

y−R x
¿ E( )
X

1
¿ E( y−R x)
X

1
¿ (E( y )−R E(x ))
X

1
¿ (Y −R X )
X

1 Y
¿ (Y − X)
X X

E(^
R−R )=Zero

^
∴ E R=R

Theorem (3-2) ) 2-3 ( ‫نظرية‬

‫ كاالتيـ‬x ≃ X ‫يعرف تباين النسبة التقديرية عندما تكون العينة بحجم كبير إي إن‬
N N N

1−f
N
1−f
∑ Yi 2
– 2 R∑ Y i Xi+ R 2
∑ X i2
2 ∑( i
2 i=1 i=1 i =1
∗ Y −R X i ) =
n X i=1 n X2 ❑
V (^
R )=
❑

Proof

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

36
 V (^
R )= E( ^
2
R−R)

y−R x 2 y 2
¿ E( ) ¿ E( −R)
x x

x ≃ X When (n) is large the

1 2
¿ 2
E( y−R x)
X

let d i= y i−R x i

n n ∑ xi ⟹ d= y −R x
∑❑ n ∑ y i−R i=1 ❑ ‫نضرب الطرفين‬
i=1
❑ ∑ d i= i=1 ❑
i=1
❑
1
V (^
R )= 2 E(d )2
X

Di=Y i −R X i ⟹ D=Y −R X =Zero

1
V (^
R )= 2 E(d− D)2
X

1
¿ 2
V ( d)
X
N

1−f
∑ (Di−D)2 ¿ 2
2
1 σd
(1−f ) ‫ حيث‬Zero= D
i
i =1
¿ X n
n X2 ❑

1−f
∑ (Y i−R X i )2
V (^
R )=
i=1

nX
2 ❑

N N N

1−f
∑ Y i 2 – 2 R ∑ Y i X i + R2 ∑ X i 2
V (^
R )= i=1 i=1 i=0

nX
2 ❑

Corollary (3-2-1) )1-2-3( ‫نتيجة‬

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

37
 ‫يعرف تقدير تباين النسبة التقديرية كاالتي‬

1−f
∑ ( y i− ^R xi )2
^ (^
V R )=
i=1

n X2 ❑

n n n

1−f
∑ y i2 – 2 R^ ∑ y i x i+ R^ 2 ∑ x i2
^ (^
V R )= i=1 i=0 i=0

nX
2 ❑

of R confidence limits ‫حدي الثقة‬

^
R−t ∝ √❑
2

‫مالحظات مهمة‬
^ y ^ = y ⟹ y= ^
^ ∗x R
R = ⟹ y= R R∗x
x x

Y Y
R= ⟹Y =R∗X R= ⟹ Y =R∗X
X X

Y^ R= R
^ X Y^ = R
R
^X

V ( Y^ R ) =V ( R
^ X )⟹ X V ( ^2
R)

V ( Y^ R ) =V ( R
^ X )⟹ X2 V ( ^
R)

Example

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

38
 ‫اختبرت عينة عشوائية بحجم‪ 5‬عوائل وكان المتغير ‪ xi‬يمثل عدد إفراد‬
‫العائلة‬

‫‪ yi‬يمثل الدخل اليومي للعائلة جد ما يلي‬

‫‪ -1‬متوسط عدد إفراد العائلة‬

‫‪ -2‬تقدير نسبة الدخل إلى عدد اإلفراد‬

‫‪ -3‬تقدير تباين الدخل‬

‫‪ -4‬تقدير تباين النسبة‬

‫‪ -5‬تقدير تباين متوسط الدخل‬

‫‪ -6‬جد حدي الثقة بالنسبة السابقة‬

‫‪ -7‬إذا علمت إن مجموع سكان المجتمع هو ‪ 6000‬شخص قدر مجموع ذلك‬

‫المجتمع‬

‫‪ -8‬إذا علمت إن متوسط عدد األشخاص في الدار الواحدة للمجتمع هو ((‪3‬‬

‫‪ -‬قدر متوسط الدخل‬

‫‪ -9‬جد تقدير تباين تقدير متوسط الدخل اليومي باستخدام النسبة ‪R‬‬

‫‪xi‬‬ ‫‪yi‬‬ ‫‪xi2‬‬ ‫‪yi2‬‬ ‫‪xi yi‬‬

‫‪2‬‬ ‫‪10‬‬ ‫‪4‬‬ ‫‪100‬‬ ‫‪20‬‬

‫‪3‬‬ ‫‪20‬‬ ‫‪9‬‬ ‫‪400‬‬ ‫‪60‬‬

‫‪2‬‬ ‫‪30‬‬ ‫‪4‬‬ ‫‪900‬‬ ‫‪60‬‬

‫‪4‬‬ ‫‪10‬‬ ‫‪16‬‬ ‫‪100‬‬ ‫‪40‬‬

‫‪1‬‬ ‫‪30‬‬ ‫‪1‬‬ ‫‪900‬‬ ‫‪30‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪39‬‬
12 100 34 2400 210

∑ x i= 12
5
=2.4
- 1
i=1
x=
❑

^ y 100
R= =
x 12
=8.33 - 2
n n n

1−f
∑ y2i − ^R ∑ xi y i + ^R2 ∑ x 2i - 3
^v ( ^
R)= i=1 i=1 i=0

nX
2 ❑

1 2
2
∗ (2400 )−2 ( 8.33 ) (210 )+ ( 8.33 ) (34)
5(2.4 )
¿ =10.9
4

S2y S 2y
4−V^ ( y ) = (1−f ) ≃
i i

n n
n 2
2400−(5)(20)
∑ y −n y =
2
i
2
4
=100
2 i=1
Sy =
i
❑

^ ( y )= 100 =20
V
5

^
R−t ∝ √ ❑
2
- 5
8.33−( 1.96 ) √ ❑

1.86 ≤ R ≤ 14.85

- 6 Y^ R= R
^ X ⟹ 8.33∗6000=49980

- 7 Y^ R= R
^ X ⟹ 8.33∗3=24.99

- 8 ^ ( Y^ R ) =X 2 V^ ( ^
V R)

98.1 = )10.9(*9 =

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

40
 ‫الفصل الرابع‬
‫‪Chapter Four‬‬

‫‪Sampling for proportion‬‬ ‫معاينة النسب‬

‫يستخدم أسلوب معاينة النسب لتقدير العدد الكلي أو نسبة المفردات التي تمتلك خاصية‬
‫معينة أو التي تقع ضمن فئة معينة مثال ذلك عدد األشخاص الذين يزيد عمرهم عن عمر‬
‫معين أو نسبة اإلفراد العاطلين عن العمل أو نسبة المدخنين وهكذا ‪,‬‬

‫وللحصول على هذا التصنيف يعتمد صياغة سؤال في االستبيان تكون اإلجابة عنه ب(نعم أو‬
‫كال) فيصنف المجتمع إلى صنفين ويعطى قيمة (واحد) للمتغير الذي يحمل الصفة قيد‬
‫الدراسة والقيمة (صفر) للمتغير الذي ال يحمل تلك الصفة فيصبح‬

‫للمفردة التي تحمل الصفة ‪1 = Y i‬‬

‫للمفردة التي ال تحمل الصفة ‪0 = Y i‬‬

‫‪Y 1Y 2Y 3 ⋯ Y N‬‬

‫‪Y 1 Y 2 Y 3 ⋯ Y A Y A +1 Y A+2 Y A +3 ⋯ Y N‬‬

‫‪0 ⋯ 0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫⋯ ‪1‬‬ ‫‪1 1 1‬‬

‫يحملون الصفة(‪time)A‬‬ ‫ال يحملون الصفة(‪time)N-A‬‬

‫} ‪Y i={1i ∈c 0 i∉ c‬‬

‫حيث أن (‪ )A‬تمثل عدد المفردات التي تحمل الصفة بالمجتمع‬

‫‪-‬‬ ‫‪ -‬وأن (‪ )P‬تمثل نسبة المفردات التي تحمل الصفة بالمجتمع‬
‫‪A‬‬
‫=‪P‬‬ ‫إذن النسبة ‪ P‬ستكون‬
‫‪N‬‬

‫‪a‬‬
‫=‪p‬‬ ‫وباستخدام عينة عشوائية فان النسبة ستكون‬
‫‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪41‬‬
 ‫عدد المفردات التي تحمل الصفة في المجتمع ‪A=NP‬‬

‫^‬
‫‪A=Np‬‬ ‫وتقدير عدد المفردات التي تحمل الصفة في المجتمع‬

‫نظرية (‪)1-4‬‬

‫في العينة العشوائية البسيطة فأن تقدير نسبة المفردات التي تحمل الصفة في المجتمع هو‬
‫‪.P‬‬ ‫تقدير غير متحيز إلى نسبة المفردات في المجتمع‬

‫(النسبة التقديرية ‪ p‬هي تقدير غير متحيز الى نسبة المجتمع ‪) P‬‬
‫‪E ( p )=P‬‬

‫‪Proof‬‬
‫‪a‬‬

‫‪a‬‬
‫‪∑ yi‬‬
‫‪Ep=E =E i=1‬‬
‫‪n‬‬ ‫❑‬

‫‪a time‬‬
‫‪1+1+ ⋯+1‬‬
‫‪¿E‬‬
‫‪n‬‬

‫‪a time‬‬ ‫‪(n-a) time‬‬

‫‪1+1+ ⋯+1+0+0+ ⋯+ 0‬‬
‫‪¿E‬‬
‫‪n‬‬
‫‪n‬‬

‫‪∑ yi‬‬
‫‪i=1‬‬
‫‪¿E‬‬
‫❑‬

‫‪A time‬‬ ‫‪Ep=E ( y ) =Y‬‬

‫‪A‬‬

‫¿‬
‫‪1+1+ ⋯+1‬‬ ‫‪∑ Yi‬‬
‫‪A i=1‬‬
‫‪N‬‬ ‫= =‪P‬‬
‫‪N‬‬ ‫❑‬

‫‪A time‬‬ ‫‪(N-A) time‬‬

‫‪1+1+ ⋯+1+0+ 0+⋯+ 0‬‬
‫¿‬
‫‪N‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪42‬‬
 ‫‪N‬‬

‫‪∑ Y i=Y‬‬
‫‪P= i=1‬‬
‫❑‬

‫‪∴ E p=P‬‬

‫نظرية (‪)2-4‬‬

‫في العينة العشوائية البسيطة فأن تباين تقدير نسبة المفردات التي تحمل الصفة في المجتمع‬
‫¿) كاألتي‬

‫(تباين النسبة التقديرية (‪ )) p‬كاألتي‬

‫‪PQ N−n‬‬
‫=) ‪V ( p‬‬ ‫(‬ ‫)‬
‫‪n N−1‬‬

‫‪Proof‬‬
‫‪p= y‬‬

‫) ‪V ( p )=V ( y‬‬ ‫نأخذ التباين للطرفين‬

‫‪σ 2p‬‬
‫) ‪¿ ( 1−f‬‬
‫‪i‬‬

‫‪n‬‬
‫‪N‬‬

‫‪N‬‬ ‫‪∑ Y 2i −N P2‬‬

‫‪∑ Y 2i −N Y 2= i=0‬‬ ‫❑‬
‫‪σ 2p= i=0‬‬
‫❑‬

‫‪A‬‬ ‫‪N-A‬‬ ‫‪A‬‬

‫‪= σ 2p= ( 1 +1‬‬ ‫‪⋯+ 1 + 0 + 0 ⋯+0 ) −N P‬‬

‫‪( 1+1+ ⋯+1 )−N P2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪N −1‬‬ ‫‪N −1‬‬

‫‪A−N P2‬‬
‫=‪σ 2p‬‬
‫‪N −1‬‬

‫‪But A=NP‬‬

‫‪NP (1−P) 2 NP−N P2‬‬

‫¿‬ ‫=‪σ p‬‬
‫‪N−1‬‬ ‫‪N−1‬‬ ‫‪i‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪43‬‬
 ‫‪NPQ‬‬
‫= ‪σ 2p‬‬ ‫حيث‬
‫‪i‬‬
‫‪N −1 Q = 1 - P‬‬

‫‪NPQ N −n‬‬
‫=) ‪V ( p‬‬ ‫(‬ ‫)‬
‫‪n( N −1) N‬‬

‫‪PQ N−n‬‬
‫=) ‪V ( p‬‬ ‫(‬ ‫)‬
‫‪n N−1‬‬

‫نتيجة (‪)1-2-4‬‬

‫في العينة العشوائية البسيطة فأن تقدير تباين تقدير نسبة المفردات التي تحمل الصفة في‬
‫المجتمع ¿) كاألتي‬

‫(تقدير تباين النسبة التقديرية (‪ )) p‬كاألتي‬

‫) ‪^ ( p )= pq ( N −n‬‬
‫‪V‬‬
‫‪N n−1‬‬
‫‪2‬‬
‫‪Sp‬‬
‫‪^ ( p )= V‬‬
‫‪V‬‬ ‫=) ‪^ ( y‬‬ ‫) ‪(1−f‬‬
‫‪i‬‬

‫‪n‬‬
‫‪n‬‬ ‫‪n‬‬

‫‪∑ y −n p‬‬
‫‪2‬‬
‫‪i‬‬
‫‪2‬‬
‫¿= ‪∑ y 2i −n y 2‬‬
‫‪i=1‬‬
‫‪S2p = i=1‬‬ ‫¿‬
‫❑‬ ‫‪i‬‬
‫❑‬

‫‪a‬‬ ‫‪n-a‬‬ ‫‪a‬‬

‫‪( 1+1+ ⋯+1 )−n p 2‬‬

‫‪= S2p= ( 1 +1‬‬ ‫‪⋯+1 +0 +0 ⋯ +0 )−n p‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪n−1‬‬ ‫‪n−1‬‬
‫‪2‬‬
‫‪But a=np‬‬ ‫‪2‬‬ ‫‪a−n p‬‬
‫=‪S p‬‬
‫‪n−1‬‬

‫)‪np−n p np(1− p‬‬

‫‪2‬‬
‫‪2‬‬
‫=‪S‬‬
‫‪p‬‬ ‫=‬
‫‪n−1‬‬ ‫‪n−1‬‬

‫‪npq‬‬
‫= ‪S2p‬‬ ‫حيث‬
‫‪i‬‬
‫‪n−1 q = 1 - p‬‬

‫) ‪^ ( p )= npq ( N−n‬‬
‫‪V‬‬
‫‪n(n−1) N‬‬

‫) ‪^ ( p )= pq ( N −n‬‬
‫‪V‬‬
‫‪N n−1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪44‬‬
 ‫نظرية (‪)3-4‬‬
‫في العينة العشوائية البسيطة تقدير عدد المفردات التي تحمل الصفة في المجتمع هو تقدير‬
‫غير متحيز إلى عدد المفردات التي تحمل الصفة في المجتمع‬

‫^‪E‬‬
‫‪A=A‬‬

‫‪Proof‬‬
‫^‪E‬‬
‫‪A=E ( Np ) =NE ( p )=NP=A‬‬

‫نظرية (‪)4-4‬‬
‫في العينة العشوائية البسيطة تباين تقدير عدد المفردات التي تحمل الصفة في المجتمع‬
‫كاألتي‬
‫‪PQ N−n‬‬
‫^( ‪V‬‬
‫‪A ) =N 2‬‬ ‫(‬ ‫)‬
‫‪n N−1‬‬

‫‪Proof‬‬
‫^( ‪V‬‬
‫)‪A ) =V ( Np )=N 2 V ( p‬‬

‫‪PQ N−n‬‬
‫‪¿ N2‬‬ ‫(‬ ‫)‬
‫‪n N −1‬‬

‫نتيجة (‪)1-4-4‬‬
‫في العينة العشوائية البسيطة تقدير تباين تقدير عدد المفردات التي تحمل الصفة في‬
‫المجتمع كاالتي‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪45‬‬
 ‫^( ^‬ ‫‪pq N −n‬‬
‫‪V‬‬ ‫( ‪A ) =N 2‬‬ ‫)‬
‫‪N n−1‬‬

‫‪Proof‬‬
‫^( ^‬
‫‪V‬‬ ‫‪^ ( Np )=N 2 V‬‬
‫‪A ) =V‬‬ ‫)‪^ ( p‬‬

‫‪pq N −n‬‬
‫‪¿ N2‬‬ ‫(‬ ‫)‬
‫‪N n−1‬‬

‫‪P‬‬ ‫حدود الثقة للنسبة ‪confidence of limit‬‬ ‫❖‬

‫كما أوضحنا سابقاًـ فان ( ‪ ) y‬يتوزع توزيع طبيعي بوسط حسابي ( ‪ ) Y‬وتباين ) ‪ V ( y‬وبحدي ثقة كاالتي ‪:‬‬

‫❑√ ∝ ‪y ∓t‬‬
‫‪2‬‬

‫⟸ ‪Y =P‬‬ ‫وبماـ ان ‪y= p‬‬

‫لذا يمكنـ كتابةـ حدي الثقة الى النسبة ‪ p‬كاالتي‬

‫❑√ ∝ ‪p ∓t‬‬
‫‪2‬‬

‫مالحظة ‪-:‬‬
‫هذه الصيغة هي صيغة تقريبية وذلك ألن توزيع (‪ ) p‬من التوزيعات المتقطعة واننا نفترض تقريبا ً لتوزيع )‪( p‬‬
‫‪1‬‬
‫من توزيع متقطع الى توزيع مستمر لذلك يجب اضافة معامل التصحيح ( ) والذي يمثل نصف المسافة بين‬
‫‪2n‬‬
‫قيمة مفرده و المفردة التي تليها مقسوماًـ على حجم العينة (‪ )n‬الن النسبة (‪ ) p‬هي مقسومةـ على حجم العينة‬
‫‪1‬‬
‫(‪ )n‬فيصبح معدل التصحيح ( ) وانـ حدي الثقة يكون بالصيغة التالية ‪:‬‬
‫‪2n‬‬

‫❑ √ ∝ ‪p−t‬‬
‫‪2‬‬

‫حدود الثقة لعدد المفردات التي تحمل الصفة في المجتمع‬ ‫❖‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪46‬‬
 ‫^‬
‫❑√ ∝ ‪A−t‬‬
‫‪2‬‬

‫‪Example‬‬ ‫مثال‬
‫اختبرت عينة عشوائية حجمها (‪ )100‬من مجتمع حجمة (‪ )500‬شخص وكان عدد االشخاص الذين يزيد‬
‫عمرهم عن (‪ )20‬سنة هو (‪ )37‬شخص جد ‪-:‬‬

‫‪ -1‬تقدير نسبة االشخاص الذين يزيد عمرهم عن (‪ )20‬سنة‬

‫‪- 2‬تقدير تباين نسبة االشخاص الذين يزيد عمرهم عن (‪ )20‬سنة‬

‫‪- 3‬تقدير تباين نسبة االشخاص الذين يقل عمرهم عن (‪ )20‬سنة‬

‫‪- 4‬تقدير تباين تقدير عدد االشخاص الذين يزيد عمرهم عن (‪ )20‬سنة‬

‫‪-5‬حدي الثقة لنسبة االشخاص الذين يزيد عمرهم عن (‪ )20‬سنة‬

‫‪-6‬حدي الثقة لنسبة االشخاص الذين ال يحملون الصفة‬

‫‪, Sol.‬‬ ‫‪N=500‬‬ ‫‪, n=100‬‬

‫‪a 37‬‬
‫‪-1‬‬ ‫= =‪p‬‬
‫‪n 100‬‬

‫‪-2‬‬ ‫‪then q=1−p=1−0.37=0.63‬‬ ‫‪V‬‬ ‫(‬

‫‪^ ( p )= pq N −n‬‬
‫‪N n−1‬‬ ‫)‬
‫‪V‬‬
‫‪500‬‬ ‫(‬
‫‪^ ( p )= (0.37)(0,63) 500−100 =0.0018‬‬
‫‪99‬‬ ‫)‬
‫¿‬
‫‪500‬‬ ‫(‬
‫‪(0,63) ( 0.37 ) 500−100‬‬
‫‪99‬‬ ‫)‬ ‫‪^ ( q ) = qp N −n‬‬
‫‪=0.0018 V‬‬
‫‪N n−1‬‬ ‫(‬ ‫)‬ ‫‪-3‬‬

‫‪-4‬‬ ‫^( ^‬
‫‪V‬‬ ‫‪A ) =N 2 V^ ( p )=( 500 )2 ( 0.0018 )=450‬‬

‫‪-5‬‬ ‫❑ √ ∝ ‪p−t‬‬
‫‪2‬‬

‫❑√ ) ‪0.37−( 1.96‬‬

‫‪0.28 ≤ P ≤ 0.46‬‬

‫‪-6‬‬ ‫❑ √ ∝ ‪q−t‬‬
‫‪2‬‬

‫❑√ )‪0.63−(1.96‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪47‬‬
 ‫‪0.54 ≤ P ≤0.72‬‬

‫)‪¿ 0.28 ≤ P ≤ 0.46∗(−1‬‬

‫)‪−0.28 ≥−P ≥−0.46+(1‬‬

‫‪1−0.28≥ 1−P ≥ 1−0.46‬‬

‫‪⟹ 0.54 ≤ Q≤ 0.72‬‬ ‫‪0.72 ≥Q ≥ 0.54‬‬

‫معاينة النسب العشوائية ألكثر من صنفين‬

‫كثير من الدراسات تستخدم اكثر من صنفين لظاهره معينة فيكون لدينا في هذه الحالة صفات عديده للمجتمع تحت‬
‫البحث وبناء على ذلك يقسم المجتمع الى عده مجاميع حسب عدد الصفات التي يمتلكها البحث وكاالتي ‪:‬‬

‫‪N= A 1+ A 2+ ⋯+ A n‬‬
‫وباستخدام عينة عشوائيةـ بحجم ‪ n‬سيكون‬
‫‪n=a1 +a 2+ ⋯+a n‬‬
‫وهذا يعني ان هنالك (‪ )N‬من الصفات ممكن ان يقسم بها مفردات الظاهرة المدروسة اذن نسبة المفردات التي تحمل‬
‫الصفة في المجتمع ‪:‬‬

‫‪Ai‬‬
‫=‪P i‬‬
‫‪N‬‬

‫ونسبة المفردات التي تحمل الصفة في العينة ‪:‬‬

‫‪ai‬‬
‫= ‪pi‬‬
‫‪n‬‬

‫وينطبق على معاينة النسب العشوائية ألكثر من صنفين جميع النظرياتـ معاينة النسب‬

‫‪-1‬‬ ‫‪E ( pi ) =P i‬‬

‫‪Pi Q i N−n‬‬
‫‪2-‬‬ ‫=) ‪V ( pi‬‬ ‫(‬ ‫)‬
‫‪n‬‬ ‫‪n−1‬‬

‫‪-3‬‬ ‫) ‪^ ( p )= pi qi ( N −n‬‬
‫‪V‬‬ ‫‪i‬‬
‫‪N n−1‬‬

‫❑√ ∝ ‪pi−t‬‬
‫‪-4‬‬ ‫‪2‬‬

‫‪-5‬‬ ‫^‬
‫‪Ai=N pi‬‬

‫‪-6‬‬ ‫^‪E‬‬
‫‪Ai = A i‬‬

‫‪Pi Qi N−n‬‬
‫‪-7‬‬ ‫^( ‪V‬‬
‫‪Ai ) =N 2 V ( pi ) =N 2‬‬ ‫(‬ ‫)‬
‫‪n N−1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪48‬‬
 ‫‪pi qi N −n‬‬
‫‪-8‬‬ ‫‪¿N‬‬
‫‪2‬‬
‫(‬ ‫^( ^‬
‫‪)V‬‬ ‫)‪Ai ) =N 2 V^ ( p i‬‬
‫‪N n−1‬‬

‫^‬
‫❑ √ ∝ ‪Ai−t‬‬
‫‪-9‬‬
‫‪2‬‬

‫مثال‬
‫اجرى استبيان على عدد من االشخاص عددهم (‪ )300‬شخص اخذت عينة من االستماراتـ عددها (‪ )30‬استمارة وقد‬
‫‪ )14( -1‬استمارة‬ ‫ظهر التالي‬
‫‪ )11( 2-‬استمارة تحمل‬ ‫تحمل الجواب (نعم)‬
‫‪ )5( -3‬استمارة لم يجاوب ب(نعم) او‬ ‫الجواب (كال)‬
‫(كال)‬
‫المطلوب‬

‫‪-1‬تقدير نسبة االشخاص الذين اجابوا (نعم)‬

‫‪-2‬تقدير تباين نسبة الذين لم يجيبوا ب(نعم) على السؤال‬

‫‪-3‬حساب حدي الثقة لنسبة الذين اجابواـ (نعم) بمستوى معنوي (‪)5%‬‬

‫‪-4‬حساب حدي الثقة لعدد الذين لم يجيبوا (نعم) وبمستوى معنوي (‪)5%‬‬

‫‪S0l.‬‬ ‫‪N=300‬‬ ‫‪n=30‬‬

‫بدون → ‪ a3=5‬كال ‪ a2 =11→ .‬نعم → ‪a 1=14‬‬

‫‪a1 14‬‬
‫= ‪1− p1‬‬ ‫‪= =0.46‬‬
‫‪n 30‬‬

‫‪2−q1=1−p 1=1−0.46=0.54‬‬

‫❑√ ∝ ‪3−p 1−t‬‬

‫‪2‬‬

‫¿‬
‫‪300‬‬ ‫(‬
‫‪(0.45)(0.54) 300−30‬‬
‫‪29‬‬
‫‪=0.007‬‬ ‫)‬ ‫=) ‪^ ( p1‬‬
‫‪V‬‬
‫‪p1 q1 N −n‬‬
‫(‬
‫‪N n−1‬‬
‫)‬

‫❑√ )‪(0.45)−(1.96‬‬

‫‪0.27 ≤ P1 ≤ 0.73‬‬

‫‪4 -‬‬ ‫*(‪)1-‬‬ ‫‪0.27 ≤ P1 ≤ 0.73‬‬

‫(‪)1+‬‬ ‫‪−0.27 ≥−P 1 ≥−0.73‬‬

‫‪1−0.27≥ 1−P1 ≥ 1−0.73‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪49‬‬
 ‫* (‪)N‬‬ ‫‪0.73 ≥ Q1 ≥ 0.27‬‬

‫)‪(300)(0.27)≤ N Q1 ≤( 0.73)( 300‬‬

‫‪81 ≤ A 2+ A 3 ≤ 219‬‬

‫الفصل الخامس‬
‫‪Chapter Five‬‬

‫تقدير حجم العينة في العينة العشوائية البسيطة‬

‫‪Estimation of Sample Size‬‬

‫لقد انصب اهتمامنا سابقا ً على دراسة االساليب النظرية للمعاينة العشوائية البسيطة ومعاينة‬
‫النسب وفي هذا الفصل سوف نهتم بدراسة طرق تقدير حجم العينة التي تمثل المجتمع‬
‫تمثيال ً جيد وعلى ان تحقق التكافؤ المطلوب بين دقة البيانات من جهة وكلفة المعاينة‬
‫والجهود المبذولة من جهة اخرى ‪.‬‬

‫حيث ان تحديد حجم العينة بشكل اعتباطي قد يكون كبير فيحقق دقة عالية لكن قد ال‬
‫يتناسب مع تكاليف المعاينة والوقت المبذول أو أن يكون حجم العينة صغير مما يؤدي الى‬
‫التضحية بالدقة‪.‬‬

‫ولتحديد حجم العينة باالعتماد على بعض معالم المجتمع نفترض خطأ مسموح به مقداره (‬
‫‪ )d‬واحتمال تجاوز هذا الخطأ (∝) لذلك ستكون لدينا معدلة تربط بين مقدار الخطأ المسموح‬
‫به واحتمال الخطأ وكاآلتي ‪-:‬‬

‫‪Pr {|θ−θ‬‬
‫∝=} ‪^ |>d‬‬

‫‪or‬‬ ‫‪Pr {|θ−θ‬‬

‫∝‪^ |≤ d }=1−‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪50‬‬
 ‫‪ ) )5-1‬دراسة حجم العينة للبيانات المستمرة‬
‫(‪ )5-1-1‬تقدير حجم العينة لتقدير المتوسط‬
‫‪Pr {|θ−θ‬‬
‫∝‪^ |≤ d }=1−‬‬

‫∝‪Pr {| y −Y |≤ d }=1−‬‬

‫∝‪Pr {−d ≤ y−Y ≤+d }=1−‬‬

‫∝‪Pr {− y −d ≤− y + y−Y ≤− y+ d }=1−‬‬

‫(‪Pr {− y −d ≤−Y ≤− y +d }=1−∝)1-‬‬ ‫ضرب‬

‫∝‪Pr { y +d ≥Y ≥ y−d }=1−‬‬

‫∝‪Pr { y−d ≤ Y ≤ y + d }=1−‬‬

‫{‬
‫❑√ ∝ ‪Pr y −t‬‬
‫‪2‬‬
‫}‬
‫❑√ ∝ ‪∴ d=t‬‬
‫‪2‬‬

‫‪2‬‬ ‫^ ‪2‬‬
‫‪d =t ∝ V‬‬ ‫)‪( y‬‬
‫‪2‬‬

‫(‬ ‫)‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪S‬‬ ‫‪n 2 t S t S‬‬
‫∝ ‪d =t‬‬ ‫= ‪1− d‬‬ ‫‪−‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪N‬‬ ‫‪n‬‬ ‫‪N‬‬

‫‪2‬‬ ‫‪t 2 S 2 t 2 S2‬‬

‫‪d +‬‬ ‫=‬
‫‪N‬‬ ‫‪n‬‬

‫‪t 2 S2‬‬
‫=‪n‬‬ ‫‪2 2‬‬
‫‪2 t S‬‬
‫‪d+‬‬
‫‪N‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪51‬‬
 t 2 S2
d2
n=
1 t2 S 2
d
2
‫نقسمـ البسط والمقام على‬
1+
N d2

no 2 2
t S
n= where n o= 2
n d
1+ o
N

‫)) تقدير حجم العينة لتقدير المجموع‬5-1-2

Pr {|θ−θ
^ |≤ d }=1−∝

Pr {|Y^ −Y |≤ d }=1−∝

Pr {−d ≤ Y^ −Y ≤+d }=1−∝

Pr {−Y^ −d ≤−Y^ + Y^ −Y ≤−Y^ + d }=1−∝

Pr {−Y^ −d ≤−Y ≤−Y^ +d } =1−∝)1-( ‫ضرب‬

Pr { Y^ +d ≥ Y ≥ Y^ −d }=1−∝

Pr { Y^ −d ≤ Y ≤ Y^ + d }=1−∝

{
Pr Y^ −t ∝ √❑
}
2

∴ d=t ∝ √❑
2

d 2=t 2∝ V ( Y^ )
2

2
d =t ∝
2

2 n (
N 2σ 2
1− d =
N )
n 2 t 2 N 2 σ 2 t2 N 2 σ 2
n
−
N

t2 N 2 σ 2 t 2 N 2 σ 2
d2+ =
N n

t2 N 2σ 2
n= 2 2 2
2 t N σ
d+
N

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

52
 ‫‪t 2 N 2σ 2‬‬
‫‪d2‬‬
‫=‪n‬‬
‫‪1 t2 N 2 σ 2‬‬
‫‪d‬‬
‫‪2‬‬
‫نقسمـ البسط والمقام على‬
‫‪1+‬‬
‫‪N d2‬‬

‫‪no‬‬ ‫‪2‬‬ ‫‪2 2‬‬

‫‪t N S‬‬
‫=‪n‬‬ ‫=‪where n o‬‬
‫‪n‬‬ ‫‪d2‬‬
‫‪1+ o‬‬
‫‪N‬‬

‫‪Example‬‬
‫جد جحم العينة المطلوب لتقدير حجم المتوسط اذا كان الخطأ المسموح به (‪ )4%‬من‬
‫التباين وباحتمال خطاء (‪ )10%‬وكانت لدينا البيانات المسبقة التالية‬
‫‪N= 500‬‬ ‫‪S2=18.4‬‬

‫‪Solution‬‬

‫‪S2 * %4 = d‬‬
‫‪4‬‬
‫‪0.736 = 18.4 * 100 =d‬‬

‫‪t2 s2‬‬
‫=‪n o‬‬ ‫‪2‬‬
‫‪d‬‬

‫)‪( 1.64 )2 (18.4‬‬

‫=‪91.35 = n o‬‬ ‫‪2‬‬
‫)‪(0.736‬‬

‫‪no‬‬
‫=‪n‬‬
‫‪no‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪91.35‬‬
‫=‪n‬‬
‫=‪77.23‬‬ ‫‪1+‬‬
‫‪91.35‬‬
‫‪500‬‬

‫‪Example‬‬

‫لدينا (‪ )600‬قائمة تحتوي على مجموعة من التواقيع فإذا رغبنا في تقدير لعدد‬
‫الكلي للتواقيع بخطأ ال يزيد عن ‪ 1000‬توقيع وباحتمال ‪ 5%‬فما حجم العينة‬
‫الواجب اخذها تحت هذه الشروط اذا علمت ان هنالك تقدير مسبق للتباين او‬
‫لتباين المفردات يساوي ‪ 200‬؟‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪53‬‬
 ‫‪N= 600‬‬ ‫‪d =1000‬‬ ‫‪∝=5%‬‬ ‫‪t=1.96‬‬ ‫‪s2=200‬‬
‫‪Solution‬‬
‫‪2 2 2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫)‪N t σ (600) (1.96) (200‬‬
‫=‪n o‬‬ ‫=‬ ‫‪=277‬‬
‫‪d2‬‬ ‫‪(1000)2‬‬

‫‪277‬‬ ‫‪n‬‬
‫¿‬ ‫‪⋍190 n= o‬‬
‫‪277‬‬ ‫‪no‬‬
‫‪1+‬‬ ‫‪1+‬‬
‫‪600‬‬ ‫‪N‬‬

‫‪ ) )5-2‬دراسة حجم العينة للبيانات المنفصلة‬

‫‪p‬‬ ‫(‪ )5-2-1‬تقدير حجم العينة لتقدير نسبة المفردات التي تحمل صفه معينه‬
‫‪Pr {|θ−θ‬‬
‫∝‪^ |≤ d }=1−‬‬

‫∝‪Pr {| p−P|≤ d }=1−‬‬

‫∝‪Pr {−d ≤ p−P ≤+ d }=1−‬‬

‫∝‪Pr {− p−d ≤−p + p−P ≤− p+ d }=1−‬‬

‫(‪Pr {− p−d ≤−P≤− p+d }=1−∝)1-‬‬ ‫ضرب‬

‫∝‪Pr { p+d ≥ P ≥ p−d } =1−‬‬

‫∝‪Pr { p−d ≤ P≤ p+d } =1−‬‬

‫{‬
‫❑√ ∝ ‪Pr p−t‬‬
‫‪2‬‬
‫}‬
‫❑√ ∝ ‪∴ d=t‬‬
‫‪2‬‬

‫‪2‬‬ ‫‪2‬‬
‫)‪d =t ∝ V ( p‬‬
‫‪2‬‬

‫(‬ ‫)‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪PQ N−n‬‬ ‫‪2 t PQ‬‬
‫∝ ‪d =t‬‬ ‫= ‪( N−1)d‬‬ ‫)‪(N−n‬‬
‫‪2‬‬ ‫‪n N−1‬‬ ‫‪n‬‬

‫‪2‬‬
‫‪2‬‬‫‪Nt PQ 2‬‬‫‪2‬‬
‫= ‪N d −d‬‬ ‫‪−t PQ‬‬
‫‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪54‬‬
 ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪Nt PQ‬‬
‫=‪N d −d +t PQ‬‬
‫‪n‬‬

‫‪Nt 2 PQ‬‬
‫=‪n‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪N d +t PQ−d‬‬

‫‪Nt 2 PQ‬‬
‫‪2‬‬
‫‪d‬‬
‫=‪n‬‬ ‫‪2‬‬
‫‪Nt PQ‬‬
‫‪2‬‬
‫‪−1‬‬
‫‪d‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪no‬‬ ‫‪2‬‬
‫‪t PQ‬‬
‫=‪n‬‬ ‫‪where no = 2‬‬
‫‪no −1‬‬ ‫‪d‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪Example‬‬

‫جد حجم العينة لتقدير نسبة معينة للمجتمع الذي حجمه (‪ )5000‬مفرده بحيث‬
‫ان الخطأ المسموح به (‪ )5%‬باحتمال (‪ )5%‬اذا علمنا ان هنالك تقدير مسبقا ً‬
‫لتلك النسبة تقدر (‪ )0.2‬؟‬
‫‪Solution‬‬

‫‪N=5000‬‬ ‫‪d =0.05‬‬ ‫‪∝=0.05‬‬ ‫‪p=0.2‬‬

‫‪Q=1-P =1 - 0.2= 08‬‬

‫‪t 2 PQ‬‬
‫‪n o= 2‬‬
‫‪d‬‬

‫)‪( 1.96 )2 (0.2)(0.8‬‬

‫=‪n o‬‬ ‫‪2‬‬
‫‪=246‬‬
‫)‪( 0.05‬‬

‫‪no‬‬
‫=‪n‬‬
‫‪no −1‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪246‬‬
‫=‪n‬‬ ‫‪=234‬‬
‫‪246−1‬‬
‫‪1+‬‬
‫‪5000‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪55‬‬
‫(‪ )5-2-2‬تقدير حجم العينة لتقدير المجموع الكلي للمفردات التي تحمل صفة‬
‫معينة‬

‫‪Pr {|θ−θ‬‬
‫∝‪^ |≤ d }=1−‬‬

‫^ |{ ‪Pr‬‬
‫∝‪A − A|≤ d }=1−‬‬

‫^ ≤ ‪Pr {−d‬‬
‫∝‪A− A ≤+d } =1−‬‬

‫^ ‪Pr {−‬‬
‫^ ‪A−d ≤− A ≤−‬‬
‫(‪A+ d }=1−∝)1-‬‬ ‫ضرب‬
‫^ { ‪Pr‬‬
‫^ ≥ ‪A+ d ≥ A‬‬
‫∝‪A−d } =1−‬‬

‫^ { ‪Pr‬‬
‫^ ≤ ‪A−d ≤ A‬‬
‫∝‪A +d } =1−‬‬

‫^ ‪Pr‬‬
‫{‬
‫❑√ ∝ ‪A−t‬‬
‫‪2‬‬ ‫}‬
‫❑√ ∝ ‪∴ d=t‬‬
‫‪2‬‬

‫^ ( ‪d =t ∝ V‬‬
‫‪2‬‬
‫)‪A‬‬
‫‪2‬‬

‫‪d 2=t 2∝ N 2‬‬

‫‪2‬‬
‫(‬
‫‪PQ N −n‬‬
‫‪n N −1‬‬ ‫)‬
‫‪2 2‬‬
‫‪( N−1 ) d 2= N t PQN −N 2 t 2 PQ‬‬
‫‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪56‬‬
 ‫‪2 2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2 2‬‬ ‫‪N t PQN‬‬
‫=‪N d −d + N t PQ‬‬
‫‪n‬‬

‫‪N 2 t 2 PQN‬‬
‫=‪n‬‬ ‫‪2‬‬ ‫‪2 2‬‬ ‫‪2‬‬
‫‪N d + N t PQ−d‬‬

‫‪N 2 t 2 PQ‬‬
‫‪2‬‬
‫‪d‬‬
‫=‪n‬‬ ‫‪2 2‬‬
‫‪N t PQ‬‬
‫‪2‬‬
‫‪−1‬‬
‫‪d‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪no‬‬ ‫‪2 2‬‬

‫‪N t PQ‬‬
‫=‪n‬‬ ‫= ‪where no‬‬
‫‪no −1‬‬ ‫‪d2‬‬
‫‪1+‬‬
‫‪N‬‬

‫(‪ )5-3‬تقدير حجم العينة اذا كان الخطأ نسبه معينه من االنحراف المعياري‬

‫(‪ )5-3-1‬تقدير حجم العينة لتقدير المتوسط‬

‫‪no‬‬ ‫‪2 2‬‬

‫‪t σ‬‬
‫=‪n‬‬ ‫‪where n o= 2‬‬
‫‪no‬‬ ‫‪d‬‬
‫‪1+‬‬
‫‪N‬‬

‫‪d=r σ‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪d =r σ‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪t σ‬‬ ‫‪t‬‬
‫=‪n o‬‬ ‫‪2 2‬‬
‫‪= 2‬‬
‫‪r σ r‬‬

‫‪p‬‬ ‫(‪ )5-3-1‬تقدير حجم العينة لتقدير النسبة‬

‫‪no‬‬ ‫‪t 2 PQ‬‬

‫=‪n‬‬ ‫‪where no = 2‬‬
‫‪n‬‬ ‫‪d‬‬
‫‪1+ o −1‬‬
‫‪N‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪57‬‬
 ‫‪d=r σ p‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪d =r σ p‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪NPQ‬‬

‫‪d =r‬‬
‫‪N−1‬‬
‫‪2‬‬
‫‪t PQ‬‬
‫=‪n o‬‬ ‫‪N ≃ N−1‬‬
‫‪2 NPQ‬‬
‫‪r‬‬
‫‪N−1‬‬
‫‪2‬‬
‫‪t‬‬
‫=‪n o‬‬
‫‪r2‬‬

‫‪Chapter‬‬ ‫الفصل السادس‬

‫‪six‬‬

‫‪stratified random sampling‬‬ ‫العينة العشوائية الطبقية‬

‫في هذا االسلوب من المعاينة يقسم المجتمع الى مجاميع متجانسة من المفردات بالنسبة‬
‫لظاهرة معينة وتسمى كل مجموعة بالطبقة التي تكون نوعا ً ما متجانسة حسب تلك‬
‫فاذا كان المجتمع االصلي يحتوي على ‪ N‬من المفردات فأن هذه‬ ‫الخاصية ‪.‬‬
‫المفردات يمكن ان تقسم الى ‪ L‬من الطبقات وكاالتيـ ‪-:‬‬
‫‪N=N 1+ N 2+ ⋯+ N h +⋯ + N L‬‬

‫‪Nh‬‬ ‫حيث ان ‪ L‬تمثل عدد الطبقات‬

‫تمثل حجم الطبقة ‪ h‬في المجتمع‬

‫وكما اوضحنا سابقا ً فأن دقة التقدير تعتمد على عاملين رئيسيين هما حجم العينة‬
‫وتجانـــــس المجتمع ‪ ,‬ولذلك يتم حسب متطلبات العمل يقسم المجتمع الى عدة طبقات‬
‫وفق خصائص أو شروط معينة بحيث تكون كل طبقة متجانسة في داخلها ومختلفة عن‬
‫الطبقات األخـرى ‪ .‬وتؤخذ عينة عشوائية من كل طبقة بحجم معين بافتراض ان كل طبقة‬
‫تمثل مجتمع مســــتقل (ونظرا ً للتجانس الموجود في كل طبقة فأن مقدار الخطأ المعياري‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪58‬‬
 ‫سوف ينخفض علـــــــى مستوى جميع الطبقات بصورة عامة )‪.‬‬
‫وأن مجموع العينات المختارة لكل الطبقات ستمثل العينة المطلوبة ( العينة العشوائية‬
‫الطبقية )‬
‫‪n=n1 +n2 +⋯ +nh + ⋯+n L‬‬

‫حيث ان ‪ n‬تمثل حجم العينة (العينة العشوائية الطبقية)‬

‫تمثل حجم العينة في الطبقة ‪h‬‬ ‫‪nh‬‬

‫شروط سحب عينة عشوائية طبقية‬

‫‪ -1‬أن يكون المجتمع المسحوب منه العينة غير متجانس‬
‫‪ -2‬هناك امكانيه تقسم المجتمع الى طبقات اكثر تجانسا ً‬
‫‪-4‬‬ ‫‪ - 3‬افتراض وجود االستقاللية بين الطبقات‬
‫تؤخذ عينة عشوائية من كل طبقة وتطبق جميع النظريات العينة العشوائية داخل كل طبقة‬
‫‪ -5‬العينة المطلوبة هي مجموع العينات المختارة من كل طبقة‬

‫الرموز المستخدمة‬

‫‪ : N‬يمثل عدد المفردات في المجتمع (حجم المجتمع)‬

‫‪ : N h‬يمثل عدد المفردات في الطبقة ‪h‬في المجتمع (حجم المجتمع في الطبقة)‬

‫‪L‬‬
‫حيث ان ‪N=∑ N h‬‬
‫‪h=1‬‬

‫‪ : n‬يمثل عدد مفردات العينة (حجم العينة) في العينة العشوائية البسيطة‬

‫‪ : n h‬يمثل عدد مفردات العينة في الطبقة ‪( h‬حجم العينة في الطبقة‪) h‬‬

‫‪L‬‬
‫حيث ان ‪n=∑ nh‬‬
‫‪h=1‬‬

‫‪ : W h‬يمثل وزن الطبقة ( ‪) stratum weight‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪59‬‬
 ‫‪Nh‬‬
‫‪-‬‬ ‫=‪W h‬‬ ‫حيث ان‬
‫‪N‬‬
‫(وهي نسبة عدد المفردات في الطبقة ‪ h‬الى عدد المفردات في المجتمع ‪) N‬‬
‫‪L‬‬

‫‪-‬‬ ‫وان ‪∑ W h=1‬‬ ‫‪-‬‬

‫‪h =1‬‬

‫(وهذا يعني ان مجموع النسب في المجتمع يساوي واحد)‬

‫‪nh‬‬
‫( ‪) Sample fraction‬‬ ‫=‪ : f h‬يمثل كسر المعاينة للطبقة ‪h‬‬
‫‪Nh‬‬

‫‪ : Y h‬يمثل الوسط الحسابي لمفردات الطبقة ‪ h‬في المجتمع‬

‫يمثل الوسط الحسابي لمفردات العينة المسحوبة من الطبقة ‪h‬‬ ‫‪:‬‬ ‫‪yh‬‬

‫يمثل الوسط الحسابي للعينة العشوائية الطبقية )‪(stratified sampling mean‬‬ ‫‪:‬‬ ‫‪y st‬‬

‫‪1 Y 11 Y 12 ⋯ Y 1 N 1 Y 1‬‬

‫‪2 Y 21 Y 22 ⋯ Y 2 N 2 Y 2‬‬

‫⋮⋮ ⋮⋮ ⋮‬

‫‪h Y h 1 Y h2 ⋯ Y hNh Y h‬‬

‫⋮⋮ ⋮⋮ ⋮‬

‫‪L Y L 1 Y L2 ⋯ Y LNL Y L‬‬

‫ويجب مالحظة بان كل طبقة تعالج وكأنها مجتمع مستقل فتنطبق عليها قواعد العينة‬
‫العشوائية البسيطة‬
‫‪Nh‬‬

‫‪∑ (Y i−Y h)2‬‬

‫‪σ 2h= i=1‬‬
‫❑‬

‫‪For population‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪60‬‬
 Nh
Nh
1 ∑ Y hi=N h∗Y h ⟹ ∑ Y hi
i=1
i=1 Y h=
❑
L
2 Y =∑ W h Y h
h=1

proof
L

L Nh ∑ N hY h
∑ ∑ Y hi= h=1 ❑
h=1 i=1
Y=
❑
L L
Nh
∑ Y =∑ W Y
N h h=1 h h
h =1

L
3 Y =∑ N h Y h
h=1

L
Proof Y =N Y ⟹ Y =N ∑ W h Y h ⟹
h=1

L L
Nh
Y =∑ N h Y h Y =N ∑ Y ⟹
h=1 h=1 N h

For Sampling

nh
nh
1 ∑ y hi=nh∗ y h ⟹ ∑ y hi
i=1 y h= i=1
❑

nh
L
2 y=∑ yh
h=1 n

proof

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

61
 L

L nh ∑ nh yh
∑ ∑ y hi= h=1 ❑
y= h=1 i=1
❑
L
nh
y=∑ yh
h=1 n

3 y st =w 1 y 1 +w 2 y 2 +⋯ +w h y h +⋯ +w L y L

L
y st =∑ w h y h
h=1

L
4 Y^ st =∑ N h y h
h=1

Proof
L
Y^ st =N y st ⟹ Y^ st =N ∑ wh y h
h=1

L
N
Y^ st =N ∑ h y h
h=1 N

L
Y^ st =∑ N h y h
h=1

)1-6( ‫نظرية‬

‫ان متوسط العينة العشوائية الطبقية هو تقدير غير متحيز لمتوسط المجتمع‬

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

62
 E y st =Y

Proof
L
y st =∑ w h y h
h=1

L
E y st =E ∑ w h y h ‫ ) للطرفين‬E ( ‫نأخذ التوقع‬
h=1

L
E y st =∑ w h E y h
h=1

L
E y st =∑ w h Y h
h=1

E y st =Y

)1-1-6( ‫نتيجة‬

‫ان تقدير مجموع المفردات للعينة العشوائية الطبقية هو تقدير غير متحيز الى‬
‫مجموع مفردات المجتمع‬

E Y^ st =Y

Proof 1 proof 2
L
Y^ st =N y st Y^ st =∑ N h y h
h=1

L
E Y^ st =E( N y st ) E Y^ st =E ∑ N h y h
h=1

L
E Y^ st =N E y st E Y^ st =∑ N h E y h
h=1

L
E Y^ st =N Y E Y^ st =∑ N h Y h
h=1

E Y^ st =Y E Y^ st =Y

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

63
 )2-6( ‫نظرية‬

‫ان تباين متوسط العينة العشوائية الطبقية يمكن كتابته كاالتي‬

L 2
σh 1 L
V ( y st ) =∑ w 2h − ∑ w σ2
h=1 nh N h=1 h h

Proof 1
L
y st =∑ w h y h
h=1

V ( y st )=V ¿

L L
V ( y st )=∑ V ( w h y h ) +2 ∑ cov ( wi y i , w j y j )
h=1 i< j

L L
V ( y st )=∑ w h2 V ( y h ) +2 ∑ w i w j cov ( y i , y j )
h=1 i< j

cov ( y i , y j )=zero But

L
V ( y st )=∑ w h V ( y h )
2

h=1

Proof 2
L
V ( y st )=∑ w h2 V ( y h )
h=1

L 2
σh
V ( y st )=∑ w h
2
(1−f h)
h=1 nh

L 2
σh n
V ( y st )=∑ w h2 (1− h )
h=1 nh Nh

L 2 2
σh L σ n
V ( y st )=∑ w h − ∑ w h2 h ( h )
2

h=1 n h h=1 nh N h

L 2 2
σh L Nh σ h nh
V ( y st )=∑ w h −∑ wh
2
( )
h=1 n h h=1 N nh N h

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

64
 ‫‪L‬‬ ‫‪2‬‬
‫‪σh 1 L‬‬
‫‪V ( y st ) =∑ w‬‬ ‫‪− ∑ wh σ h‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪h‬‬
‫‪h=1‬‬ ‫‪nh N h=1‬‬

‫نتيجة (‪)1-2-6‬‬

‫ان تقدير تباين متوسط العينة العشوائية الطبقية يمكن كتابته كاالتي‬
‫‪L‬‬ ‫‪2‬‬
‫‪Sh 1 L‬‬
‫‪^ ( y st ) =∑ w 2h‬‬
‫‪V‬‬ ‫‪− ∑w S‬‬
‫‪2‬‬

‫‪h=1‬‬ ‫‪nh N h=1 h h‬‬

‫نتيجة (‪)2-2-6‬‬

‫ان تقدير تباين متوسط العينة العشوائية الطبقية هو تقدير غير متحيز الى تباين‬
‫متوسط العينة العشوائية الطبقية‬
‫) ‪^ ( y ) =V ( y‬‬
‫‪EV‬‬ ‫‪st‬‬ ‫‪st‬‬

‫‪Proof‬‬
‫¿ ‪^ ( y st ) =E‬‬
‫‪EV‬‬

‫‪L‬‬ ‫‪2‬‬ ‫‪L‬‬

‫‪E Sh 1‬‬
‫‪¿∑w‬‬ ‫‪∑ w h E S2h‬‬
‫‪2‬‬
‫‪h‬‬‫‪−‬‬
‫‪h=1‬‬ ‫‪nh‬‬ ‫‪N‬‬ ‫‪h=1‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪^ ( y st ) =∑ w h‬‬ ‫‪σh 1 L‬‬
‫‪− ∑ wh σ h‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪EV‬‬
‫‪h=1‬‬ ‫‪nh N h =1‬‬

‫) ‪^ ( y st ) =V ( y st‬‬
‫‪EV‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪65‬‬
 ‫نتيجة (‪)3-2-6‬‬

‫ان تباين تقدير مجموع المفردات المجتمع للعينة العشوائية الطبقية يمكن‬
‫كتابته كاالتي‬
‫‪L‬‬ ‫‪2‬‬
‫‪σh‬‬
‫)‪V ( Y^ st )=∑ N h ( N h−n h‬‬
‫‪h =1‬‬ ‫‪nh‬‬

‫) ‪Proof V ( Y^ st ) =V ( N y st‬‬

‫) ‪¿ N 2 V ( y st‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪σ‬‬
‫) ‪¿ N ∑ wh h (1−f‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪h=1‬‬ ‫‪nh‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪σ h N h −nh‬‬
‫‪¿ N 2 ∑ w h2‬‬ ‫(‬ ‫)‬
‫‪h=1‬‬ ‫‪nh‬‬ ‫‪Nh‬‬

‫‪L‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪N h σ h N h−nh‬‬
‫‪¿N‬‬
‫‪2‬‬
‫∑‬ ‫‪2‬‬
‫‪N nh‬‬
‫(‬
‫‪Nh‬‬
‫)‬
‫‪h=1‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪σh‬‬
‫)‪V ( Y^ st )=∑ N h ( N h−n h‬‬
‫‪h =1‬‬ ‫‪nh‬‬

‫نتيجة (‪)4-2-6‬‬

‫ان تقدير تباين تقدير مجموع مفردات المجتمع للعينة العشوائية الطبقية يمكن‬
‫‪L‬‬ ‫‪2‬‬
‫كاالتي ‪^ ( Y^ st )=∑ N h (N h−n h) Sh‬‬
‫‪V‬‬ ‫كتابته‬
‫‪h =1‬‬ ‫‪nh‬‬

‫) ‪^ ( Y^ st )=V^ ( N y st‬‬
‫‪proof V‬‬

‫) ‪¿ N V^ ( y st‬‬
‫‪2‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪Sh‬‬
‫‪¿N‬‬
‫‪2‬‬
‫‪∑ wh‬‬ ‫‪2‬‬
‫‪nh‬‬
‫) ‪(1−f‬‬
‫‪h=1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪66‬‬
 ‫‪L‬‬ ‫‪2‬‬
‫‪S h N h−n h‬‬
‫‪¿ N ∑ wh‬‬
‫‪2‬‬ ‫‪2‬‬
‫(‬ ‫)‬
‫‪h=1‬‬ ‫‪nh‬‬ ‫‪Nh‬‬

‫‪L‬‬
‫‪N 2h S2h N h−nh‬‬
‫‪¿N‬‬
‫‪2‬‬
‫∑‬ ‫‪N 2 nh‬‬
‫(‬
‫‪Nh‬‬
‫)‬
‫‪h=1‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪^ ( Y^ st )=∑ N h (N h−n h) Sh‬‬
‫‪V‬‬
‫‪h =1‬‬ ‫‪nh‬‬

‫نتيجة (‪)5-2-6‬‬

‫ان تقدير تباين تقدير مجموع مفردات المجتمع للعينة العشوائية الطبقية هو‬
‫تقدير غير متحيز الى تباين تقدير مجموع مفردات المجتمع للعينة العشوائية‬
‫الطبقية‬
‫) ‪^ ( Y^ st ) =V ( Y^ st‬‬
‫‪EV‬‬

‫‪Proof‬‬
‫‪L‬‬ ‫‪2‬‬
‫‪Sh‬‬
‫)‪^ ( Y^ st )=∑ N h (N h−n h‬‬
‫‪V‬‬
‫‪h =1‬‬ ‫‪nh‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪^ ( Y^ st ) =E ∑ N h ( N h−nh ) Sh‬‬
‫‪EV‬‬
‫‪h=1‬‬ ‫‪nh‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪E Sh‬‬
‫) ‪^ st ) =∑ N h(N h−nh‬‬
‫‪^ (Y‬‬
‫‪EV‬‬
‫‪h=1‬‬ ‫‪nh‬‬

‫‪L‬‬
‫‪σ 2h‬‬
‫) ‪^ ( Y^ st ) =∑ N h( N h−nh‬‬
‫‪EV‬‬
‫‪h=1‬‬ ‫‪nh‬‬

‫) ‪^ ( Y^ st ) =V ( Y^ st‬‬
‫‪EV‬‬

‫مالحظة ‪ -:‬بما أن مفردات العينة من كل طبقة مختاره بأسلوب عشوائي فهي مشموله‬
‫بقوانين ونظريات ونتائج المعاينة العشوائية البسيطة اي ان‬
‫‪1−E y h =Y h‬‬

‫‪2‬‬
‫‪σh‬‬
‫) ‪2−V ( y h)= (1−f‬‬
‫‪nh‬‬
‫‪2‬‬
‫‪Sh‬‬
‫=) ‪^ ( y h‬‬
‫‪3−V‬‬ ‫) ‪(1−f‬‬
‫‪nh‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪67‬‬
 ‫‪2‬‬ ‫‪2‬‬
‫‪4−E S h=σ h‬‬

‫) ‪5−E V^ ( y h)=V ( y h‬‬

‫) ^‪^ ( Y^ )=V ( Y‬‬

‫‪6−E V‬‬ ‫‪h‬‬ ‫‪h‬‬

‫مثال‬
‫البيانات التالية تمثل المصاريف السنوية بأالف الدنانير على (‪ )800‬مشروع قسمت الى‬
‫طبقات ثم سحبت عينة عشوائية من كل منها كما في الجدول التالي‬

‫‪Stratum‬‬

‫‪I‬‬ ‫‪20 22 21 24 22 25 21 23 22 20‬‬

‫‪II‬‬ ‫‪16 17 15 18 16 17‬‬

‫جد‬ ‫علما بان الطبقة االولى في المجتمع (‪ )500‬مشروع‬

‫كل من التقديرات التالية‪:‬‬

‫‪-1‬متوسط العينة العشوائية البسيطة‬

‫‪-2‬تباين العينة العشوائية البسيطة‬

‫‪-3‬متوسط العينة الطبقية‬

‫‪-4‬جد حدي الثقة لمجموع مفردات المجتمع للعينة العشوائية الطبقية‬

‫‪-5‬جد حدي الثقة لمتوسط المجتمع للعينة العشوائية الطبقية من حدي الثقة لمجموع‬
‫مفردات المجتمع بدرجة ثقة (‪)90%‬‬

‫‪. Sol‬‬
‫‪n‬‬

‫‪-1‬‬ ‫‪∑ yi‬‬

‫‪y= i=1‬‬
‫❑‬
‫‪20+22+ ⋯+20+16+ ⋯+17 319‬‬
‫=‪y‬‬ ‫=‬ ‫‪=19.94‬‬
‫‪16‬‬ ‫‪16‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪68‬‬
 n 2
6557+ 16(19.94)
∑ y −n y =
L 2 2
y st =∑ w h y h -2 i =16.05
2 i=1 15
h=1 s=
❑
-3
y st =w 1 y 1 +w 2 y 2

N 2 300 3 N 1 500 5
W 2= = = W 1= = =
N 800 8 N 800 8
n

∑ y 1 i= 20+22+⋯+
10
20
=22
y 1= i=1
❑
n

∑ y 2 i= 16+⋯6 +17 =16.5

y 2= i=1
❑
5 3
y st = ( 22 ) + ( 16.5 ) =19.94
8 8

-4 Y^ st −t √❑

L
Y^ st =∑ N h y h
h=1

Y^ st =N y st =800∗19.94=15952

L
S2h
^ ( Y^ st )=∑ N h (N h−n h)
V
h =1 nh

2 2
S1 S2
¿ N 1 ( N 1−n1 ) + N 2 (N 2−n2)
n1 n2

∑ y 21−n1 y 21=2.67
S21= i=1
❑
n

∑ y 22−n2 y 22=1.1
2 i=1
S2 =
❑

^ ( Y^ st )=500 ( 500−10 ) 2.67 +300 ( 300−6 ) 1.1 =9720

V
10 6

15952−1.64 √ ❑

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

69
 ‫‪15790.3 ≤Y ≤ 16113.7‬‬

‫‪Y‬‬
‫‪-5‬‬ ‫= ‪Y =N Y ⟹ Y‬‬
‫‪N‬‬

‫‪15790.3 ≤Y ≤ 16113.7‬‬ ‫بالقسمة على(‪)N‬‬

‫‪15790.3 Y 16113.7‬‬
‫≤ ≤‬
‫‪800‬‬ ‫‪N‬‬ ‫‪800‬‬

‫‪19.7 ≤ Y ≤ 20.1‬‬

‫الفصل السابع‬
‫‪Chapter Seven‬‬

‫تقدير حجم العينة في العينة العشوائية الطبقية‬

‫‪Estimated of sample size in Stratified Random Sampling‬‬

‫لتقدير حجم العينة باعتماد بعض معالم المجتمع في التحليل سنستخدم أحد األسلوبين التاليين‬

‫‪Proportional allocation‬‬ ‫‪ –1‬التوزيـــع المتناســــــب‬

‫يعتمد هذا األسلوب على تساوي نسبة حجم العينة المختارة من الطبقة (‪ )h‬الى‬
‫حجم العينة الكلية مع نسبة حجم الطبقة (‪ )h‬في المجتمع الى حجم المجتمع الكلي أي أن‬

‫‪nh N h‬‬
‫=‬
‫‪n N‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪70‬‬
 ‫‪n∗N h‬‬
‫=‪1−nh‬‬ ‫‪⟹ nh=n∗wh‬‬
‫‪N‬‬

‫‪nh n‬‬
‫‪2−‬‬ ‫‪= ⟹ f h =f‬‬
‫‪Nh N‬‬

‫نظرية (‪)1-7‬‬
‫في التوزيع المتناسب فأن الوسط الحسابي للعينة يساوي الوسط الحسابي للعينة العشوائية‬
‫الطبقية‬
‫‪y= y st‬‬

‫‪Proof‬‬
‫‪nh‬‬
‫‪L‬‬
‫∑=‪y‬‬ ‫‪yh‬‬
‫‪h=1 n‬‬

‫‪nh N h‬‬
‫=‬ ‫بما أن التوزيع متناسب أذا ً‬
‫‪n N‬‬
‫‪L‬‬
‫‪Nh‬‬
‫∑=‪y‬‬ ‫‪y‬‬
‫‪h=1‬‬ ‫‪N h‬‬
‫‪L‬‬
‫‪y=∑ wh y h‬‬
‫‪h=1‬‬

‫‪y= y st‬‬

‫نظرية (‪)2-7‬‬
‫ان تباين متوسط العينة العشوائية الطبقية باستخدام التوزيع المتناسب يمكن كتابته كاالتيـ‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪71‬‬
 ‫‪L‬‬
‫‪1−f‬‬
‫=) ‪V P ( y st‬‬
‫‪n‬‬
‫‪∑ wh σ 2h‬‬
‫‪h=1‬‬

‫‪Proof‬‬
‫‪L‬‬
‫) ‪V ( y st )=∑ w h2 V ( y h‬‬
‫‪h=1‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪σh‬‬
‫‪V ( y st )=∑ w h2‬‬ ‫)‪(1−f h‬‬
‫‪h=1‬‬ ‫‪nh‬‬

‫‪f h=f‬‬ ‫بما أن التوزيع متناسب أذا ً‬

‫‪n h=n∗wh‬‬

‫‪L‬‬
‫‪σ 2h‬‬
‫‪V ( y st )=∑ w h‬‬
‫‪2‬‬
‫) ‪(1−f‬‬
‫‪h=1‬‬ ‫‪n∗wh‬‬
‫‪L‬‬
‫‪1−f‬‬
‫=) ‪V P ( y st‬‬
‫‪n‬‬
‫‪∑ wh σ 2h‬‬
‫‪h=1‬‬

‫نظرية (‪)3-7‬‬
‫عند تساويـ تباينات الطبقات في المجتمع فأن تباين متوسط العينة العشوائية الطبقية‬
‫باستخدام التوزيع المتناسب يمكن كتابته كاالتيـ‬
‫‪1−f 2‬‬
‫=) ‪V P ( y st‬‬ ‫‪σk‬‬
‫‪n‬‬

‫‪when ( σ 21=σ 22=σ 23 =⋯=σ 2L ) =σ 2k‬‬

‫‪Proof‬‬
‫‪L‬‬
‫‪1−f‬‬
‫=) ‪V P ( y st‬‬
‫‪n‬‬
‫‪∑ wh σ 2h‬‬
‫‪h=1‬‬

‫‪1−f‬‬
‫=) ‪V P ( y st‬‬ ‫) ‪(w1 σ 21 + w2 σ 22+ ⋯ w L σ 2L‬‬
‫‪n‬‬

‫‪1−f‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫=) ‪V P ( y st‬‬ ‫) ‪(w1 σ k + w2 σ k +⋯ w L σ k‬‬
‫‪n‬‬

‫‪1−f 2‬‬
‫=) ‪V P ( y st‬‬ ‫) ‪σ k (w 1+ w2 +⋯ w L‬‬
‫‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪72‬‬
 ‫‪L‬‬
‫‪1−f 2‬‬
‫=) ‪V P ( y st‬‬ ‫‪σ k ∑ wh‬‬
‫‪n‬‬ ‫‪h =1‬‬

‫‪L‬‬
‫‪But ∑ w h=1‬‬
‫‪h=1‬‬

‫‪1−f 2‬‬
‫=) ‪V P ( y st‬‬ ‫‪σk‬‬
‫‪n‬‬

‫نظرية (‪)4-7‬‬
‫يقدر حجم العينة لتقدير المتوسط للعينة العشوائية الطبقية باستخدام التوزيع المتناسب عند‬
‫ما يكون تباين المتوسط ثابت و معلوم يكون كاالتي ‪.‬‬
‫‪L‬‬

‫‪no‬‬ ‫‪∑ wh σ 2h‬‬

‫=‪n‬‬ ‫‪where no= h=1‬‬
‫‪no‬‬ ‫❑‬
‫‪1−‬‬
‫‪N‬‬
‫‪L‬‬

‫‪∑ w h σ 2h‬‬
‫) ‪when V =V P ( y st‬‬ ‫‪h=1‬‬

‫=‪n‬‬ ‫❑‬
‫❑‬

‫‪Proof‬‬
‫‪L‬‬
‫‪1−f‬‬
‫=) ‪V P ( y st‬‬
‫‪n‬‬
‫‪∑ wh σ 2h‬‬
‫‪h=1‬‬

‫‪L‬‬
‫‪N−n‬‬
‫=) ‪V P ( y st‬‬ ‫∑‬
‫‪nN h=1‬‬
‫‪2‬‬
‫‪w h σh‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪73‬‬
 ‫‪L‬‬ ‫‪L‬‬
‫‪N‬‬ ‫‪n‬‬
‫=‪V‬‬ ‫∑‬
‫‪nN h=1‬‬
‫‪w h σ 2h−‬‬ ‫∑‬
‫‪nN h=1‬‬
‫‪wh σ 2h‬‬

‫‪L‬‬ ‫‪L‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪V + ∑ w h σ h= ∑ w h σ h‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪N h=1‬‬ ‫‪n h=1‬‬
‫‪L‬‬

‫‪L‬‬ ‫‪∑ w h σ 2h‬‬

‫❑ ‪∑ w h σ 2h= h=1‬‬
‫‪V + h=1‬‬
‫❑‬
‫‪L‬‬

‫‪∑ wh σ 2h‬‬
‫‪n= h=1‬‬
‫❑‬
‫‪L‬‬

‫‪∑ w h σ 2h‬‬
‫‪h=1‬‬ ‫بالقسمة على ‪))V‬‬
‫=‪n‬‬ ‫❑‬
‫❑‬
‫‪L‬‬

‫‪∑ w h σ 2h‬‬ ‫‪Let‬‬

‫‪h=1‬‬
‫=‪n o‬‬
‫❑‬
‫‪no‬‬
‫=‪∴ n‬‬
‫‪no‬‬
‫‪1−‬‬
‫‪N‬‬

‫نتيجة (‪)1-4-7‬‬
‫يقدر حجم العينة لتقدير مجموع مفردات المجتمع للعينة العشوائية الطبقية باستخدام‬
‫التوزيع المتناسب عند ما يكون تباين المجتمع ثابت و معلوم يكون كاالتي ‪.‬‬
‫‪L‬‬

‫‪n‬‬
‫‪N‬‬
‫‪2‬‬
‫‪∑ w h σ 2h‬‬
‫=‪n= o where no‬‬ ‫‪h=1‬‬
‫‪no‬‬ ‫❑‬
‫‪1−‬‬
‫‪N‬‬
‫‪L‬‬
‫‪N‬‬
‫‪2‬‬
‫‪∑ wh σ 2h‬‬
‫) ‪when V =V P ( Y^ st‬‬ ‫‪h=1‬‬

‫=‪n‬‬ ‫❑‬
‫❑‬

‫‪Proof‬‬
‫) ‪^ st )=N 2 V P ( y st‬‬
‫‪V P (Y‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪74‬‬
 ‫‪2‬‬
‫¿ ‪V =N‬‬

‫‪2‬‬
‫¿ ‪V =N‬‬

‫‪L‬‬

‫‪L‬‬ ‫‪N‬‬
‫‪2‬‬
‫‪∑ w h σ 2h‬‬
‫‪N‬‬
‫‪2‬‬
‫= ‪∑ wh σ 2h‬‬ ‫‪h=1‬‬
‫❑‬
‫‪h=1‬‬
‫‪V+‬‬
‫❑‬
‫‪L‬‬
‫‪N‬‬
‫‪2‬‬
‫‪∑ w h σ 2h‬‬
‫‪h=1‬‬
‫=‪n‬‬
‫❑‬
‫‪L‬‬
‫‪N 2 ∑ wh σ 2h‬‬
‫‪h=1‬‬ ‫بالقسمة على (‪)V‬‬
‫=‪n‬‬ ‫❑‬
‫❑‬
‫‪L‬‬
‫‪N 2 ∑ w h σ 2h‬‬
‫‪h=1‬‬
‫= ‪when no‬‬
‫❑‬
‫‪no‬‬
‫=‪n‬‬
‫‪no‬‬
‫‪1−‬‬
‫‪N‬‬

‫‪Optimum allocation‬‬ ‫‪ – 2‬التوزيــع األمثــل‬

‫هذا التوزيع يهدف للحصول على ادق عينة وللقيم (‪ )n h‬لكل الطبقات وبأقل كلفة ممكنة ‪.‬‬
‫وفقا ً لذلك سنعتمد على كلفة المعاينة وتباين المتوسط لتقدير حجم العينة باعتماد احد‬
‫االسلوبين التاليين ‪-:‬‬

‫‪ A‬ــ في هذا االسلوب سنجعل كلفة المعاينة ثابته وتباين المتوسط اقل ما يمكن وكاالتي ‪:‬‬

‫ِ‬
‫نهايته الصغرى أي أن ‪:‬‬ ‫‪ -1‬نجعل تباين المتوسط في‬
‫‪V ( y st ) ⟹ must be minimum‬‬

‫‪ -2‬ان نجعل دالة الكلفة ثابته أي أن ‪:‬‬

‫‪L‬‬
‫‪c=c o+ ∑ c h nh‬‬
‫‪h=1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪75‬‬
 ‫حيث أن ‪-:‬‬
‫‪ : C‬الكلفة الكلية للمعاينة‬
‫‪ : Co‬الكلفة البدائية (االولية ) للمعاينة‬
‫‪ : Ch‬كلفة المفردة الواحدة من الطبقة (‪)h‬‬

‫مالحظة ‪ -:‬ولحل كل المعادالت الرياضية نحتاج عدد من المعادالت بعدد المتغيرات المجهولة‬
‫ولحل المعادالت المطلوبة بوجود شرط أو قيد ( قيد واحد )‬
‫نستخدم طريقة معامل مضروب الكرانج (‪ )Lagrange Multiplier‬وكاالتي‬

‫) ‪T =f ( x 1 , x 2 , ⋯ , x n ) + λg( x 1 , x 2 , ⋯ , xn‬‬

‫‪To be min‬‬ ‫‪fixed‬‬

‫المطلوب تصغير الدالة ‪ , f‬ويجب ان تكون الدالة ‪ g‬ثابتة‬

‫وإليجاد التقدير الى ‪ n h‬يتم استخدام المشتقة الجزئية للدالة الرئيسية ‪ T‬بالنسبة الى ‪n h‬‬
‫ومساواتهاـ للصفر‬

‫نظرية (‪)5-7‬‬
‫ان تقدير حجم العينة في الطبقة( ‪ )h‬بحيث يحقق أقل تباين وبكلفة ثابتة يمكن كتابته‬
‫‪whσ h‬‬
‫∗‪n‬‬
‫=‪n h‬‬ ‫كاالتيـ ❑√‬
‫❑‬

‫‪Proof‬‬
‫‪L‬‬
‫¿ ¿ ‪c=c o+ ∑ c h nh c ⟶ be‬‬
‫‪h=1‬‬

‫‪L‬‬ ‫‪2‬‬
‫‪σh 1 L‬‬
‫‪V ( y st ) =∑ w‬‬ ‫‪− ∑ w h σ h V ⟶ de min‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪h‬‬
‫‪h=1‬‬ ‫‪n‬‬‫‪h‬‬ ‫‪N‬‬ ‫‪h=1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪76‬‬
 ‫¿= ‪T‬‬

‫‪partiul differential for nh‬‬

‫‪∂T‬‬
‫‪∂ nh‬‬
‫=‬
‫‪nh‬‬ ‫[‬
‫‪−w 2h σ 2h‬‬
‫‪2‬‬
‫]‬
‫] ‪−0 + λ [ 0−0+ c h‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪−w h σ h‬‬
‫‪2‬‬
‫‪+ λ C h=0 lat differential=0‬‬
‫‪nh‬‬

‫‪w 2h σ 2h‬‬
‫=‪λ C h‬‬
‫‪n2h‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪wh σ h‬‬
‫=‪n‬‬
‫‪h‬‬
‫‪λ Ch‬‬

‫‪wh σ h‬‬
‫=‪n h‬‬ ‫بأخذ الجذر للطرف‬
‫❑√‬
‫‪l‬‬ ‫‪l‬‬
‫‪w h σh‬‬
‫∑=‪∑ nh‬‬ ‫❑√‬
‫‪h =1‬‬ ‫‪h=1‬‬

‫بقسمة المعادلة ‪ 1‬على ‪ 2‬نحصل على‬

‫‪wh σ h‬‬
‫❑ √ ‪nh‬‬
‫=‬
‫‪n‬‬ ‫❑‬

‫‪whσ h‬‬
‫∗‪n‬‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬

‫نتيجة(‪)1-5-7‬‬
‫ان‬

‫حجم العينة ‪ ) ) n‬عند أقل تباين وبكلفة ثابتة يمكن كتابته كاالتيـ‬
‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪(c−c o) h =1‬‬
‫=‪n‬‬ ‫❑‬
‫❑‬

‫‪Proof‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪77‬‬
 ‫‪L‬‬
‫‪c=c o+ ∑ c h nh‬‬
‫‪h=1‬‬

‫نعوض عن (‪ )n h‬بما يساويها‬

‫‪wh σ h‬‬
‫‪L‬‬ ‫∗‪n‬‬
‫‪c=c o+ ∑ c h‬‬ ‫❑√‬
‫‪h=1‬‬
‫❑‬

‫‪whσ h‬‬
‫‪L‬‬ ‫∗‪n‬‬
‫‪c−c o=∑ c h‬‬ ‫❑√‬
‫‪h=1‬‬
‫❑‬

‫‪L‬‬
‫‪whσ h‬‬
‫‪n∗∑ c h‬‬
‫‪h=1‬‬ ‫❑√‬
‫=‪c−c o‬‬
‫❑‬
‫‪L‬‬
‫❑ √ ∑∗‪n‬‬
‫‪h=1‬‬
‫=‪c−c o‬‬
‫❑‬
‫‪L‬‬
‫❑√ ‪n∗∑ wh σ h‬‬
‫‪h=1‬‬
‫=‪c−c o‬‬
‫❑‬
‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪) h=1‬‬ ‫نضرب ب(‬
‫❑‬
‫❑‬
‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪(c−c o) h =1‬‬
‫=‪n‬‬ ‫❑‬
‫❑‬

‫‪Error Estimation Method‬‬ ‫‪ -B‬طريقة خطأ التقدير‬

‫في األسلوب السابقـ تم اعتماد الكلفة ثابتة وجعل تباينـ الوسط اقل ما يمكن اما في هذا االسلوب سيتم‬
‫االعتماد على تباين ثابت ومحدد مسبقا ً وعلى كلفة معاينةـ اقل ما يمكن فأن حجم العينة للطبقة (‪ )h‬يمكنـ‬
‫الحصول عليها من المعادلة (‪ )T‬وكاالتي ‪:‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪78‬‬
 ‫) ‪T =f ( x 1 , x 2 , ⋯ , x n ) + λg( x 1 , x 2 , ⋯ , xn‬‬

‫[‬ ‫[‬ ‫]]‬

‫‪L‬‬ ‫‪L‬‬ ‫‪2‬‬
‫‪σh 1 L‬‬
‫‪T = c o+ ∑ c h n h+ λ V + ∑ w‬‬ ‫‪− ∑ whσ h‬‬
‫‪2‬‬‫‪2‬‬
‫‪h‬‬
‫‪h=1‬‬ ‫‪h=1‬‬ ‫‪n‬‬‫‪h‬‬ ‫‪N‬‬ ‫‪h=1‬‬

‫لذلك في هذه الطريقةـ يتم تقدير تباين الوسط الحسابي للعينة العشوائية الطبقية ) ‪ V ( y st‬بالمقدار ‪ V‬وهناك‬
‫فرضيتان لهذا الغرض يمكن اختيار احدهما ‪:‬‬

‫افتراض قيمه تقديريةـ ثابته‬ ‫‪-1‬‬

‫(‪ )d‬وباحتمال معين‬ ‫افتراض خطأ معين للتقدير مقداره‬ ‫‪-2‬‬

‫❑ √ ‪d=t‬‬
‫) ) ‪d =t ( V ( y st‬‬
‫‪2‬‬ ‫‪2‬‬
‫وبتربيع الطرفين‬
‫‪2‬‬ ‫‪2‬‬
‫‪d =t V‬‬

‫‪2‬‬
‫‪d‬‬
‫=‪V‬‬ ‫‪2‬‬
‫‪t‬‬

‫نظرية (‪)6-7‬‬
‫ان تقدير حجم العينة في الطبقة( ‪ )h‬بحيث يحقق أقل كلفه وبتباين معلوم يمكن كتابته‬
‫‪whσ h‬‬
‫∗‪n‬‬ ‫كاالتي‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪79‬‬
 Proof
T =f ( x 1 , x 2 , ⋯ , x n ) + λg( x 1 , x 2 , ⋯ , xn )

[ [ ]]
L L 2
σh 1 L
T = c o+ ∑ c h n h+ λ V + ∑ w − ∑ whσ h
2 2
h
h=1 h=1 nh N h=1

∂T
∂ nh [ ]
w2 σ 2
=[ c h ] −λ h 2 h partiul differential for n h
nh

2 2
wh σ h
c h− λ 2
=0 lat differential=0
nh
2 2
λ w hσ h
C h= 2
nh

2 2
λ wh σ h
2
n= h
Ch

n h= √ ❑ ‫بأخذ الجذر للطرف‬

❑
l l
w h σh
1 ‫بقسمة المعادلة‬ ∑ nh=∑ √❑
h =1 h=1

‫ نحصل على‬2 ‫على‬

√❑
nh ❑
=
n ❑

whσ h
n∗
n h= √❑
❑

1-6-7((‫نتيجة‬
‫) باعتماد تباين معلوم يمكن كتابته كاالتيـ‬n ( ‫ان حجم العينة‬

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

80
 [ ]
L
wh σ h
∑
h=1 √❑
n=
❑

proof

L 2
σh 1 L
V =∑ w − ∑ w h σ 2h
2
h
h=1 n h N h=1

whσ h
n∗
n h= √❑
❑
L 2 2
wh σh
V =∑
h=1 w σ
n∗ h h
√❑
❑
L L
1
2 2 ∑ wh σ h − ∑ w h σ 2h
w h σ h h=1 N h=1
L ∗
n ❑
V =∑
h=1
❑

L
wh σ h √ ❑
V =∑
h=1
❑

V =¿ ¿

L
1
V+ ∑ w σ 2=¿ ¿ ¿
N h=1 h h

[ ]
L
wh σ h
∑
h=1 √❑
n=
❑

Neyman allocation ‫ توزيع نيمــان‬-3

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

81
 ‫يمثل هذا التوزيع حاله خاصه من التوزيع األمثل حيث يعتمد كلفة ثابتة لسحب مفرده واحده‬
‫متساوية لجميع الطبقات أي أن‬
‫‪c 1=c2=⋯=c h=c a‬‬

‫وهذا األسلوب يعتمد كما في التوزيع األمثل على التباين بين المفردات لكل طبقة في المجتمع لذلك فأن‬
‫عدد المفردات التي يجب ان نختارها من كل طبقة ستعتمد في األساس على مقدار التباين في‬
‫بمعنى اخر فأنه‬ ‫تلك الطبقة‬
‫كلما كانت القيم داخل الطبقة متذبذبة بصوره اكبر كانت هناك حاجه الى عدد اكبر من المفردات‬
‫للعينة المسحوبة من تلك الطبقة‬

‫¿ ‪C h=C a‬‬

‫‪whσ h‬‬
‫‪in Optimum‬‬ ‫∗‪n‬‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬

‫‪whσ h‬‬
‫¿ نعوض كل)‪ (c ¿¿ h‬ب) ‪(c a‬‬ ‫∗‪n‬‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬

‫‪n∗wh σ h‬‬
‫=‪n h‬‬
‫‪in Neyman‬‬ ‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪h=1‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪82‬‬
 )1( ‫نتيجة‬

‫ان تباين الوسط الحسابي للعينة العشوائية الطبقية باستخدام توزيع نيمــان يكون كاالتي‬

V N ( y st )=¿ ¿¿

proof 1

V o ( y st )=¿ ¿

cince c h=c a

V N ( y st )=¿ ¿

V N ( y st )=¿ ¿¿

proof 2

L
σ 2h 1 L
V =∑ w2h − ∑ w σ2
h=1 n h N h=1 h h

n∗wh σ h
n h=
)in Neyman ( L

∑ wh σ h
h=1

L 2
σh
V N ( y st )=∑ w2h
h=1 n∗w h σ h
L L

∑ wh σ h − N1 ∑ wh σ 2h
h=1 h=1

L L
1
L σ h∗∑ wh σ h− ∑ w σ2
N h=1 h h
∑ wh h=1
❑
h=1
V N ( y st ) =
❑

V N ( y st )=¿ ¿¿

‫حيدرـ عبدالكريم‬/‫طباعة‬ ‫ خضر نصيف‬.‫ د‬/ ‫محاضرات‬

83
 ‫نتيجة (‪)2‬‬

‫ان حجم العينة العشوائية الطبقية باستخدام توزيع نيمــان في حال الكلفة ثابته يكون كاالتي‬

‫‪c−c o‬‬
‫=‪n‬‬
‫‪ca‬‬

‫‪proof‬‬
‫‪L‬‬
‫¿ ¿ ‪c=c o+ ∑ c h nh c ⟶ be‬‬
‫‪h=1‬‬

‫‪since c h=c a‬‬

‫‪L‬‬
‫‪c=c o+ ∑ c a nh‬‬
‫‪h=1‬‬
‫‪L‬‬
‫‪c−c o=c a ∑ nh‬‬
‫‪h=1‬‬

‫‪c−c o=c a n‬‬

‫‪c−c o‬‬
‫=‪n‬‬
‫‪ca‬‬

‫نتيجة (‪)3‬‬

‫ان حجم العينة العشوائية الطبقية باستخدام توزيع نيمــان في حال ثبات التباين لتقدير المتوسط يكون‬
‫كاالتيـ‬
‫¿ ¿ ¿=‪n‬‬

‫‪proof‬‬

‫¿¿ ¿=) ‪V N ( y st‬‬

‫‪L‬‬
‫‪1‬‬
‫¿ ¿ ¿ ¿=‪V + ∑ wh σ h‬‬
‫‪2‬‬
‫‪N h=1‬‬

‫¿ ¿ ¿=‪n‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪84‬‬
 ‫مثال (‪)3‬‬
‫جد حجم العينة ‪ ) )n‬واجزاءها (‪ )n h‬للمعاينة الطبقية اذا كانت الكلفة الكلية (‪ )1000‬دينار والكلفة البدائية (‪ )200‬وكانت‬
‫لديك المعلومات التالية‬
‫الطبقة‬ ‫‪we have‬‬ ‫‪N h Sh C h‬‬

‫‪1000‬‬

‫‪cost‬‬ ‫‪fixed‬‬ ‫‪-1‬‬

‫‪be min‬‬ ‫‪Sol.1‬‬ ‫‪V ( y st ) - 2‬‬

‫‪w σ‬‬
‫‪( c−c o ) √h❑h‬‬
‫=‪n h‬‬
‫❑‬
‫‪500‬‬
‫‪∗10‬‬ ‫‪w S‬‬
‫‪1.05 = 1500‬‬ ‫‪= 1 1‬‬
‫❑√‬
‫❑√‬

‫‪1000‬‬
‫‪∗15‬‬ ‫‪w S‬‬
‫‪3.54 = 1500‬‬ ‫‪= 2 2‬‬
‫❑√‬
‫❑√‬

‫‪500‬‬
‫=‪10.54‬‬ ‫= ) ❑√ ( ) ‪( 10‬‬ ‫❑√ ‪w 1 σ 1‬‬
‫‪1500‬‬

‫‪1000‬‬
‫=‪28.28‬‬ ‫❑ √ ‪( 15 ) ( √❑ ) = w 2 σ 2‬‬
‫‪1500‬‬
‫‪(1000−200)(1.05) 840‬‬
‫= ‪n1‬‬ ‫=‬ ‫‪=21.64 ≃22‬‬
‫) ‪( 10.54+ 28.28‬‬ ‫‪38.82‬‬
‫‪(1000−200)(3.54) 2832‬‬
‫= ‪n2‬‬ ‫=‬ ‫‪=72.95≃73‬‬
‫) ‪(10.54 +28.28‬‬ ‫‪38.82‬‬
‫‪n=n1 +n2=22+ 73=95‬‬
‫‪Sol.2‬‬
‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪(c−c o) h =1‬‬
‫=‪n‬‬ ‫❑‬
‫❑‬

‫‪( 1000−200 ) ( 1.05+ 3.54 ) ( 800 ) ( 4.59 ) 3672‬‬

‫=‪95 ≃94.6 n‬‬ ‫=‬ ‫=‬ ‫¿=‬
‫) ‪( 10.54+28.28‬‬ ‫‪38.82‬‬ ‫‪38.82‬‬

‫‪w h σh‬‬
‫∗‪n‬‬
‫=‪than n h‬‬ ‫❑√‬
‫❑‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪85‬‬
 ‫‪w1 S 1‬‬
‫∗‪n‬‬
‫= ‪n1‬‬ ‫❑√‬
‫❑‬
‫‪w2 S 2‬‬
‫‪n=n1 +n2=22+ 73=95‬‬ ‫∗‪n‬‬
‫= ‪n2‬‬ ‫❑√‬
‫❑‬
‫‪We can use the equation direct‬‬
‫‪whσ h‬‬
‫∗‪n‬‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬
‫‪w h σh‬‬
‫‪L‬‬ ‫∗‪σ h‬‬
‫❑√❑ ‪∑ wh‬‬
‫‪(c−c o) h =1‬‬
‫=‪n h‬‬ ‫❑‬
‫❑‬
‫‪w σ‬‬
‫‪( c−c o ) √h❑h‬‬
‫=‪n h‬‬
‫❑‬

‫مثال (‪)4‬‬
‫جد حجم العينة ‪ ) )n‬واجزاءها (‪ )n h‬للمعاينة الطبقية اذا كانت الكلفة الكلية (‪ )1000‬دينار والكلفة البدائية (‪ )200‬وكانت‬
‫لديك المعلومات التالية‬
‫الطبقة‬ ‫‪N h Sh C h‬‬

‫‪1000‬‬

‫‪Sol.1‬‬
‫‪c−c o 1000−200‬‬
‫=‪n‬‬ ‫=‬ ‫‪=80‬‬
‫‪ca‬‬ ‫‪10‬‬
‫‪n∗wh σ h‬‬
‫‪n h= L‬‬
‫‪∑ wh σ h‬‬
‫‪h=1‬‬

‫= ‪n1‬‬
‫‪n∗w1 S 1‬‬ ‫) (‬
‫) ‪=( 80‬‬
‫‪500‬‬
‫‪1500‬‬
‫) ‪( 10‬‬
‫=‬
‫‪266.6‬‬
‫‪=20‬‬
‫) ‪( w 1 S 1+ w2 S 2‬‬
‫( ) (‬ ‫‪500‬‬
‫‪1500‬‬
‫‪( 10 )+‬‬
‫‪1000‬‬
‫‪1500‬‬ ‫)‬ ‫) ‪(15‬‬
‫‪13.33‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪86‬‬
 ‫= ‪n2‬‬
‫‪n∗w2 S 2‬‬ ‫) (‬
‫) ‪=( 80‬‬
‫‪1000‬‬
‫‪1500‬‬
‫) ‪( 15‬‬
‫=‬
‫‪800‬‬
‫‪=60‬‬
‫) ‪( w 1 S 1+ w 2 S 2‬‬
‫( ) (‬‫‪500‬‬
‫‪1500‬‬
‫‪( 10 )+‬‬
‫‪1000‬‬
‫‪1500‬‬
‫) ‪(15‬‬ ‫)‬
‫‪13.33‬‬

‫‪Sol.2‬‬

‫‪We can use the equation direct‬‬

‫‪n∗w h σ h‬‬
‫=‪n h‬‬ ‫‪L‬‬
‫‪c−c o‬‬
‫=‪∑ wh σ h ∧n‬‬ ‫‪ca‬‬
‫‪h=1‬‬

‫‪( c−c o )wh σ h‬‬

‫= ‪∴ nh‬‬ ‫‪L‬‬
‫‪c a ∑ wh σ h‬‬
‫‪h=1‬‬

‫‪(c−c o) w1 S 1‬‬
‫= ‪n1‬‬ ‫‪L‬‬
‫‪( 800 )( 3.33 ) 2664‬‬
‫=‪c a ∑ w h S h‬‬ ‫=‬ ‫‪=19.9 ≃20‬‬
‫‪h=1‬‬ ‫‪( 10 )( 13.33 ) 133.3‬‬

‫‪(c−c o ) w2 S 2‬‬
‫= ‪n2‬‬ ‫‪L‬‬
‫) ‪( 800 )( 10‬‬ ‫‪8000‬‬
‫=‪c a ∑ w h S h‬‬ ‫=‬ ‫‪=60.01≃ 60‬‬
‫‪h=1‬‬ ‫‪(10 )( 13.33 ) 133.3‬‬

‫‪n=n1 +n2=20+60=80‬‬

‫مثال (‪)5‬‬

‫في تقدير متوسط المجتمع في معاينةـ عشوائية طبقية اذا سمحنا بمقدار من الخطأ في التقدير يساوي (‪ )5%‬من‬
‫المتوسط الحقيقي وباحتمال (‪ )5%‬فما هو حجم العينة الواجب سحبها اذا توفرت المعلومات التالية‬

‫‪ N h Sh‬الطبقة‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪87‬‬
 ‫‪I‬‬ ‫‪500‬‬ ‫‪20‬‬

‫‪II‬‬ ‫‪800‬‬ ‫‪25‬‬

‫‪III‬‬ ‫‪1200‬‬ ‫‪30‬‬

‫‪∴ N =2500‬‬

‫وتوفر تقدير سابق الى المتوسط (‪ ) y st =1200‬باستخدام التوزيع األمثل‬

‫‪. Sol‬‬

‫‪d = (1200)(0.05)=6‬‬

‫=‪V‬‬ ‫) ( )(‬
‫‪d 2‬‬
‫‪t‬‬
‫=‬
‫‪6 2‬‬
‫‪1.96‬‬
‫‪=9‬‬

‫¿ ¿ ¿=‪n‬‬

‫] ) ( ) ( ) ([‬
‫‪2‬‬
‫‪5‬‬ ‫‪8‬‬ ‫‪12‬‬
‫‪( 20 ) +‬‬ ‫‪( 25 )+‬‬ ‫) ‪( 30‬‬
‫‪25‬‬ ‫‪25‬‬ ‫‪25‬‬ ‫‪( 4+ 8+14.4 )2‬‬ ‫‪696.96‬‬
‫=‪n‬‬ ‫=‬ ‫=‬ ‫‪=75.06 ≃ 75‬‬
‫‪9+‬‬
‫‪1‬‬
‫‪2500‬‬‫] ) ( ) ( ) ([‬
‫‪5‬‬
‫‪25‬‬
‫‪( 400 ) +‬‬
‫‪8‬‬
‫‪25‬‬
‫‪( 625 ) +‬‬
‫‪12‬‬
‫‪25‬‬
‫) ‪( 900‬‬ ‫‪9+‬‬
‫‪(80+200+ 432) 9.2848‬‬
‫‪2500‬‬

‫‪n∗wh σ h‬‬
‫=‪n h‬‬ ‫‪L‬‬

‫‪∑ wh σ h‬‬
‫‪h=1‬‬

‫‪( 75 )∗4‬‬
‫= ‪n1‬‬ ‫‪=11.36 ≃ 11‬‬
‫) ‪( 26.4‬‬
‫‪( 75 )∗8‬‬
‫= ‪n2‬‬ ‫‪=22.7 ≃ 23‬‬
‫) ‪(26.4‬‬
‫‪( 75 )∗14.4‬‬
‫= ‪n1‬‬ ‫‪=40.9≃ 41‬‬
‫) ‪( 26.4‬‬
‫‪n=n1 +n2 +n 3=11+23+41=75‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪88‬‬
 ‫مثال (‪)6‬‬

‫في تقدير متوسط المجتمع في معاينةـ عشوائية طبقية اذا سمحنا بمقدار من الخطأ في التقدير يساوي (‪ )5%‬من‬
‫المتوسط الحقيقي وباحتمال (‪ )5%‬فما هو حجم العينة الواجب سحبها اذا توفرت المعلومات التالية‬

‫‪ N h Sh‬الطبقة‬

‫‪I‬‬ ‫‪500‬‬ ‫‪20‬‬

‫‪II‬‬ ‫‪800‬‬ ‫‪25‬‬

‫‪III‬‬ ‫‪1200‬‬ ‫‪30‬‬

‫‪∴ N =2500‬‬

‫وتوفر تقدير سابق الى المتوسط (‪ ) y st =1200‬باستخدام التوزيع المتناسب‬

‫‪. Sol‬‬

‫‪d = (1200)(0.05)=6‬‬

‫=‪V‬‬
‫‪d 2‬‬
‫‪t‬‬ ‫) ( )(‬
‫=‬
‫‪6 2‬‬
‫‪1.96‬‬
‫‪=9‬‬

‫‪n h=n∗wh‬‬
‫‪L‬‬

‫‪no‬‬ ‫‪∑ wh σ 2h‬‬

‫=‪n‬‬ ‫‪where no= h=1‬‬
‫‪no‬‬ ‫❑‬
‫‪1−‬‬
‫‪N‬‬

‫‪( 0.2 )( 20 )2 + ( 0.3 )( 25 )2 + ( 0.5 ) ( 30 )2‬‬

‫=‪n o‬‬ ‫‪=79.7‬‬
‫‪9‬‬

‫‪79.7‬‬ ‫‪79.7‬‬
‫=‪n‬‬ ‫=‬ ‫‪=77.3 ≃ 77‬‬
‫‪79.7 1.03‬‬
‫‪1−‬‬
‫‪2500‬‬

‫‪n1 =( 77.3 )∗( 0.2 ) =15.46≃ 15‬‬

‫‪n2 =( 77.3 )∗( 0.3 )=23.19 ≃ 23‬‬

‫‪n3 =( 77.3 )∗( 0.5 )=38.65 ≃39‬‬

‫‪n=n1 +n2 +n 3=15+23+39=77‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪89‬‬
 ‫مثال(‪)7‬‬
‫‪L‬‬
‫في معاينة عشوائية طبقية اذا افترضنا ان دالة الكثافة هي ‪c=∑ c h n h‬‬
‫‪h=1‬‬

‫الطبقة‬ ‫وكانت لدينا البياناتـ التالية ‪w h S h C h‬‬

‫‪I‬‬ ‫‪0.4‬‬ ‫‪10‬‬ ‫‪4‬‬

‫‪II‬‬ ‫‪0.6‬‬ ‫‪20‬‬ ‫‪9‬‬

‫‪N=2560‬‬

‫جد كل من التقديراتـ التالية‬

‫‪n2 n1‬‬
‫بحيث يكون تباين الوسط الحسابي الطبيعي في نهايتهـ الصغرى‬ ‫النسب ‪,‬‬ ‫‪-1‬‬
‫‪n n‬‬
‫‪ n1 , n2‬اذا افترضنا ان ‪V ( y st ) = A=1‬‬ ‫‪-2‬‬
‫الكلفة الكلية للمعاينة على فرض ان ‪c a=0‬‬ ‫‪-3‬‬
‫‪.Sol‬‬
‫‪wh σ h‬‬
‫‪1‬‬ ‫❑ √ ‪nh‬‬
‫=‬
‫‪n‬‬ ‫❑‬
‫)‪( 0.4)(10‬‬
‫‪n1‬‬
‫❑√ =‬
‫‪n‬‬ ‫❑‬
‫)‪( 0.6)(20‬‬
‫‪n1‬‬
‫❑√ =‬
‫‪n‬‬ ‫❑‬

‫[‬ ‫]‬
‫‪L‬‬
‫‪wh σ h‬‬
‫‪2‬‬ ‫∑‬
‫❑√ ‪h=1‬‬
‫=‪n‬‬
‫❑‬

‫=‪n‬‬
‫([‬
‫) ‪( 0.4 )( 10‬‬
‫❑√‬ ‫])‬
‫❑‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪90‬‬
 ‫‪n∗N h‬‬
‫=‪n h‬‬
‫‪N‬‬
‫‪1‬‬
‫‪n1 =211∗( )=70‬‬
‫‪3‬‬
‫‪2‬‬
‫‪n2 =211∗( )=141‬‬
‫‪3‬‬
‫‪L‬‬
‫‪3‬‬ ‫‪c=∑ c h n h‬‬
‫‪h=1‬‬

‫‪c= ( 4 )( 70 ) + ( 9 )( 141 )=1549‬‬

‫‪c=1549 total cost‬‬

‫مثال (‪)8‬‬
‫في مدينه يوجد ‪ 600‬مصنع صنف الى ثالث طبقات حسب نوع الصناعة ولغرض تقدير معدل رواتب العاملين في هذا المصنع‬
‫جد اجزاء‬ ‫تم سحب عينة بحجم (‪ ) n=40‬مصنع من جميع الطبقات‬
‫العينة باعتماد التوزيع األمثل اذا توفرت لديك المعلومات التالية‬
‫‪stratum N h S h Ch‬‬

‫مصنع صغير‬ ‫‪200‬‬

‫مصنع متوسطـ‬ ‫‪300‬‬

‫مصنع كبير‬ ‫‪100‬‬

‫‪n=40 N=600‬‬
‫‪.Sol‬‬

‫‪whσ h‬‬
‫∗‪n‬‬
‫=‪n h‬‬ ‫❑√‬
‫❑‬
‫‪w1 S 1‬‬
‫❑√‬
‫‪w2 S 2‬‬
‫❑√‬
‫‪w3 S 3‬‬
‫❑√‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪91‬‬
 ‫‪w1 S 1‬‬
‫∗‪n‬‬
‫= ‪n1‬‬ ‫❑√‬
‫❑‬
‫‪w S‬‬
‫‪n∗ 2 2‬‬
‫= ‪n2‬‬ ‫❑√‬
‫❑‬
‫‪w S‬‬
‫‪n∗ 3 3‬‬
‫= ‪n3‬‬ ‫❑√‬
‫❑‬

‫‪∴ n=n1+ n2+ n3‬‬

‫‪40=6+17 +17‬‬

‫طباعة‪/‬حيدرـ عبدالكريم‬ ‫محاضرات ‪ /‬د‪ .‬خضر نصيف‬

‫‪92‬‬