امثلة وحلول واضحة

‫رقم االيداع في دار الكتب والوثائق ببغداد‬
‫(‪ )1051‬لسنة ‪2015‬‬

‫المؤلف ‪ :‬غازي عطية زراك‬
‫حقوق النشر محفوظة لممؤلف‬
‫الطبعة االولى‬
‫‪2015‬‬
‫مبادئ‬
‫عمم االحصاء التطبيقي‬
‫لغير االختصاص‬
‫تاليف‬
‫المدرس‬
‫غازي عطية زراك‬
‫جامعة تكريت‪-‬كمية العموم‬
‫بسم هللا انرحمن انرحيم‬
‫𝟖𝟐‬ ‫َوأحبطَ بِمب نَ َديّهم َوأحص ٌى ُك َّم َ‬

‫ش ًئ َعدداٌ‬
‫"صدق هللا انعظيم"‬
‫(سىرة انجن)‬
‫االهداء‬
‫الى كل من يحمل هم الوطن ‪...‬‬
‫الذي ينتظر منهم التقدم والرقي ‪...‬‬
‫طمبة الحاضر والمستقبل ‪...‬‬
‫المحتويات‬
‫رقـ الصفحة‬ ‫التفاصيؿ‬
‫‪I‬‬ ‫مقدمة الكتاب‬
‫الباب االوؿ ‪ /‬االحصاء الوصفي‬
‫‪1‬‬ ‫مفهوـ االحصاء والرموز االحصائية‬ ‫الفصؿ االوؿ‬
‫‪8‬‬ ‫التوزيع التكراري لمبيانات‬ ‫الفصؿ الثاني‬
‫‪27‬‬ ‫المنحني التكراري‬ ‫الفصؿ الثالث‬
‫‪39‬‬ ‫مقاييس النزعة المركزية او مقاييس التمركز‬ ‫الفصؿ الرابع‬
‫‪58‬‬ ‫مقاييس االلتواء والتفمطح‬ ‫الفصؿ الخامس‬
‫‪69‬‬ ‫مقاييس التشتت او االختالؼ‬ ‫الفصؿ السادس‬
‫‪84‬‬ ‫القطاعات الدائرية‬ ‫الفصؿ السابع‬
‫الباب الثاني ‪ /‬االحصاء االستداللي‬
‫‪88‬‬ ‫نظرية االحتماؿ‬ ‫الفصؿ الثامف‬
‫‪101‬‬ ‫التباديؿ‬ ‫الفصؿ التاسع‬
‫‪106‬‬ ‫التوافيؽ‬ ‫الفصؿ العاشر‬
‫‪112‬‬ ‫التوزيعات االحتمالية‬ ‫الفصؿ الحادي عشر‬
‫‪124‬‬ ‫نظرية ذي الحديف‬ ‫الفصؿ الثاني عشر‬
‫‪134‬‬ ‫االحتماؿ الشرطي‬ ‫الفصؿ الثالث عشر‬
‫‪139‬‬ ‫التوزيع البوسواني‬ ‫الفصؿ الرابع عشر‬
‫الباب الثالث ‪ /‬معامؿ االرتباط ومخطط االنتشار‬
‫‪140‬‬ ‫معامؿ االرتباط‬ ‫الفصؿ الخامس عشر‬
‫‪153‬‬ ‫مخطط االنتشار وخط االنحدار‬ ‫الفصؿ السادس عشر‬

‫الباب الرابع ‪ /‬نظرية المعاينة‬
‫‪167‬‬ ‫المقدمة‬ ‫الفصؿ السابع عشر‬
‫‪171‬‬ ‫البيانات والمتغيرات‬ ‫الفصؿ الثامف عشر‬
‫‪176‬‬ ‫طرؽ او اسموب جمع البيانات‬ ‫الفصؿ التاسع عشر‬
‫‪181‬‬ ‫المعممة واالحصائية‬ ‫الفصؿ العشروف‬

‫المقدمة‬
‫الحمد هلل رب العالميف ‪ ,‬والصالة والسالـ عمى خاتـ النبييف وسيد المرسميف ‪ ,‬نبينا محمد بف عبد اهلل الهادي‬
‫البشير الذي بعثه اهلل رحمة لمعالميف ‪ ,‬وعمى آله واصحابه اجمعيف ‪ ,‬ومف اهتدى بهديه الى يوـ الديف ‪ ,‬وبعد ‪.‬‬
‫يتعامؿ الناس عموماً في حياتهـ اليومية مع المفاهيـ وحتى بعض المفردات اإلحصائية وباألخص ما يتعمؽ‬
‫منها باإلحتماالت وبعض المقاييس الوصفية مع رصد مػا يطػ أر عميهػا مػف تغيػرات عبػر فتػرات زمنيػة متعاقبػة‪ .‬واذا‬
‫كػػاف هػػذا األمػػر محسوس ػاً بالنسػػبة لنػػا فػػي الوقػػت الحارػػرا فػػمف حقػػب التػػزريأ القػػديـ ومػػا بعػػد أفػػرزت أحػػداثاً تػػنـ‬
‫مجرياتها عػف بػدء اسػتخداـ األسػاليب اإلحصػائية عمػى أرض الواقػع والتػي يمكػف إعتبارهػا أفكػا اًر تتنػا ـ مػع بعػض‬
‫أحدث األساليب اإلحصائية المعاصرة‪.‬‬
‫عمـ االحصاء ليس ريبا عمينا نحف المجتمع االسالمي ‪ ,‬حيث تمػت االسػتفادة مػف عمػـ االحصػاء فػي بنػاء‬
‫المجتمع والعمؿ عمى تنميته وتطور وازدهار ‪ ,‬عبػر تطػور المجتمػع االسػالمي منػذ القػدـ ولغايػة الوقػت الحارػر ‪,‬‬
‫اذا اف اج ػراء االحصػػائيات واتبػػاع االسػػاليب والوسػػائؿ االحصػػائية فػػي جمػػع المعمومػػات عػػف الظ ػواهر والمشػػكالت‬
‫المختمفة تهدؼ الى اتخاذ الق اررات ومعالجة المشاكؿ بوقت مبكػر منػذ بدايػة بنػاء المجتمػع االسػالمي وبدايػة تطػور‬
‫ونهوره ‪.‬‬
‫ومػػع تطػػور عمػػـ الريارػػيات فػػي القػػرف الثػػامف عشػػر وظهػػر بعػػض النظريػػات العمميػػة الهامػػة مثػػؿ نظريػػة‬
‫االحتمػػاؿ التػػي كػػاف لهػػا الػػدور الكبيػػر فػػي تطػػور عمػػـ االحصػػاء واكتسػػابه اهميػػة كبػػرى بحيػػث اصػػبح عممػػا مسػػتقال‬
‫وانتشر استخدامه وبدأ االهتماـ به مف قبؿ العمماء في تطبيؽ النظريػات والطػرؽ واالسػاليب االحصػائية فػي الكثيػر‬
‫مف فروع العمـ الحديث باعتبار الطريقة الصحيحة واالسموب االمثؿ في البحث العممي ‪.‬‬
‫يعتبر عمـ االحصاء في الوقت الحارر واحػدا مػف اهػـ العمػوـ الحديثػة التػي تمعػب دو ار حيويػا فػي كثيػر مػف‬
‫العمػػوـ والد ارسػػات المختمفػػة ‪ .‬كمػػا يعتبػػر عمػػـ االحصػػاء التطبيقػػي مػػف اقػػدـ العمػػوـ حيػػث ظهػػر مػػع حاجػػة االنسػػاف‬
‫االولى لمتعامؿ مع القيـ واالعداد لتسيير امور الحياة اليومية منذ اف بدأ االنساف يتعامؿ مع االلة والعموـ المختمفػة‬
‫فػػي تسػػهيؿ مهمػػة ترتيػػب امػػور حياتػػه اليوميػػة ‪ .‬ومػػع التطػػور الكبيػػر والمتسػػارع فػػي العمػػوـ كافػػة فػػي اواخ ػر القػػرف‬
‫العشريف ‪ ,‬تطور عمـ االحصاء ليستفيد مف تقنيات الحاسوب بشكؿ يجعمه العمػـ االكثػر تػداخالً مػع العمػوـ االخػرى‬
‫المختمفة ‪ ,‬حيث اصبح يستخدـ عمـ االحصػاء فػي العمػوـ التجاريػة وعمػوـ الطػب والهندسػة والعمػوـ الصػرفة والعمػوـ‬
‫االنسػانية بمختمػػؼ تخصصػػاتها دوف اسػتثناء ‪ ,‬كمػػا سػاهـ تطػور عصػػر المعمومػػات واالنفتػاح العػػالمي الحػػديث فػػي‬
‫ابراز اهمية تفعيؿ عممية التعامؿ مع البيانات االحصائية باسموب يرمف السيطرة عميهػا وقراءتهػا ومعالجتهػا‪ .‬هػذ‬
‫‪I‬‬
‫كػاف لهػا االثػر الكبيػر عمػى تطػور عمػـ االحصػاء ‪ ,‬فرػال عػف ذلػؾ فقػد اتجهػت الكثيػر مػف العمػوـ االخػرى خاصػة‬
‫العمػػوـ التطبيقيػػة منهػػا الػػى اسػػتخداـ عمػػـ االحصػػاء مػػف خػػالؿ حصػػر البيانػػات وتصػػنيفها وتبويبهػػا والتعامػػؿ معهػػا‬
‫احصائيا بغية الوصوؿ الى فهـ افرؿ ومعالجات موروعية لغرض الحصوؿ عمى نتائج موثوقة ‪.‬‬
‫اف عمـ االحصاء في المغة يعني (العد الشامؿ) حيث انه يتعامؿ مع االعداد او البيانات الكميػة ‪ ,‬فػاذا اردنػا‬
‫جمع بيانات عف ظاهرة ما مثؿ دراسة واقع مدرسة معينة او جامعة او مستشفى ‪ ,‬فػاف ذلػؾ يػتـ باحػدى الصػورتيف‬
‫اما جمع بيانات بصورة كمية او عددية او جمع بيانات بصورة وصفية ‪ .‬عمـ االحصاء يتعامؿ مع البيانات الكمية‬
‫او العدديػػة ويمكنػػه ايرػػا التعامػػؿ مػػع البيانػػات الوصػػفية ‪ ,‬حيػػث اف عمػػـ االحصػػاء يتعامػػؿ مػػع الظ ػواهر ايػػا كػػاف‬
‫نوعها تعامال كميا او وصفيا ايراً ‪ ,‬ذلؾ اف االرقاـ ال بد اف يكوف لهػا مػدلوالت ‪ ,‬فالتعامػؿ الوصػفي يترتػب عميػه‬
‫التعامؿ الكمي والعكس بالعكس في كثير مف الدراسات ‪.‬‬
‫تـ الحرص في هذا الكتاب عمى عػدـ التعػرض الػى المفػاهيـ الدقيقػة لمنظريػات االحصػائية والتػي تحتػاج الػى‬
‫قػدر كبيػر مػف التحميػؿ الريارػػي ‪ ,‬كمػا تػـ الحػرص عمػى عػػرض الموارػيع والنظريػات االحصػائية بطريقػة مبسػػطة‬
‫تعتمػػد عمػػى االيرػػاح دوف التعػػرض الػػى النظريػػات االساسػػية واشػػتقاقاتها مػػع تقػػديـ عػػدد كبيػػر مػػف االمثمػػة العمميػػة‬
‫التي تساعد عمى سهولة الفهـ واالستيعاب لممواريع االحصائية ‪ .‬هذا الكتاب يتناوؿ مبادئ طػرؽ تحميػؿ البيانػات‬
‫االحصػػائية بطػػريقتيف همػػا االحصػػاء الوصػػفي والػػذي تػػـ التطػػرؽ اليػػه فػػي البػػاب االوؿ والػػذي يش ػتمؿ عمػػى شػػرح‬
‫المفاهيـ االحصائية والقوانيف االحصائية واتي ترـ مقػاييس النزعػة المركزيػة ومقػاييس التشػتت ‪ .‬امػا البػاب الثػاني‬
‫فيشػػتمؿ عمػػى االحصػػاء االسػػتداللي والػػذي يرػػـ شػػرح مبػػادئ نظريػػة االحتمػػاؿ والتوزيعػػات االحتماليػػة وتقػػديمها‬
‫بطريقة مبسطة ال تحتاج الى رياريات متقدمة ‪.‬‬
‫الباب الثالث خصص الى شرح تفصيمي عف معامؿ االرتباط ومخطػط االنتشػار مػع التطػرؽ بصػورة مبسػطة‬
‫الى القوانيف التي تحكػـ هػذ المعػامالت وكيفيػة احتسػابها ‪ ,‬امػا البػاب ال اربػع فانػه يخػتص بشػرح نظريػة المعاينػة او‬
‫نظرية النمذجة ‪ ,‬مع تعاريؼ وافية الى مدلوالتها ومفردات هذ النظرية المهمة ‪.‬‬
‫المؤلؼ‬
‫ازي عطية زراؾ‬
‫‪II‬‬
‫الباب االوؿ‬
‫االحصاء الوصفي‬
‫مبادئ علم االحصاء التطبيقي لغي االختصاص‬
‫غازي عطية‬ ‫الباب االول‬
‫زراك‬
‫الفصل االول‬
‫مفهوم االحصــــــــــاء والرموز االحصائية‬
‫يعػػرؼ االحصػػاء بانػػه ذلػػؾ العمػػـ الػػذي يعمػػؿ عمػػى اسػػتخداـ االسػػموب العممػػي فػػي طػػرؽ جمػػع البيانػػات او‬
‫النتائج ‪ ,‬ثـ تصنيفها وتبويبها وعررها وتحميمها بهػدؼ الحصػوؿ منهػا عمػى اسػتنتاجات وقػرارت مناسػبة‪ ,‬أو بكػالـ‬
‫آخر هو العمـ الذي يبحث في طرؽ جمع البيانات الصحيحة والدقيقػة عػف ظػاهرة مػا ‪,‬ثػـ تمخػيص‪ ,‬وصػؼ وتحميػؿ‬
‫هػذ البيانػات بغيػػة اسػتخراج النتػػائج منهػا واتخػاذ القػ اررات المناسػبة‪ .‬لقػػد اصػبح عمػػـ االحصػاء فػػي الوقػت الحارػػر‬
‫اداة ووسيمة فعالة في البحث العممي وتصنيؼ البيانات ومعالجتها في جميع العموـ‪.‬‬
‫يمكف تقسيـ عمـ االحصاء الى قسميف‪:‬‬
‫االحصاء الوصفي ‪: Descriptive Statistics‬‬ ‫‪.1‬‬
‫يشتمؿ االحصاء الوصفي عمى جمع البيانات وعررها ومعالجتها ووصفها بصورة قياسات رقمية وحسػابات‬
‫ريارػػية وبيانيػػة‪ ,‬ثػػـ تنظيمهػػا وعررػػها وحسػػاب بعػػض المقػػاييس االحصػػائية لهػػا بػػدوف اعطػػاء اي اسػػتنتاج حػػوؿ‬
‫الظاهرة الكمية المدروسة‪.‬‬
‫االحصاء االستداللي ‪:Inference Statistics‬‬ ‫‪.2‬‬
‫وتشػػتمؿ هػػذ الطريقػػة عمػػى عمػػؿ اسػػتنتاجات حػػوؿ المصػػدر الػػذي جمعػػت منػػه البيانػػات او النمػػاذج ويعتمػػد‬
‫اعتمادا كبي ار عمى نظرية االحتماؿ )‪ , (Theory of Probability‬هذا االستنتاج قد ال يكوف مؤكد بصورة مطمقة‬
‫وقد يكوف خطز‪ .‬يختص االحصاء االستداللي باستخالص وتفسير النتائج واتخاذ الق اررات‪.‬‬
‫تطبيقػػات االحصػػاء فػػي مجػػاؿ الجيولوجيػػا اصػػبح اداة ووسػػيمة فعالػػة فػػي الكشػػؼ عػػف الغمػػوض الػػذي ي ارفػػؽ‬
‫اعمػاؿ االستكشػػاؼ والتقيػػيـ المعػدني والػػذي اصػػبح يسػمى حاليػػا بالريارػػيات التطبيقيػة وذلػػؾ السػػتخداماته الواسػػعة‬
‫فػػي معالج ػػة مختم ػػؼ انػ ػواع البيانػػات والمعموم ػػات المستحص ػػمة ف ػػي مختمػػؼ مج ػػاالت العم ػػوـ الجيولوجي ػػة والمعرف ػػة‬
‫العممية االخرى ‪ ,‬ويتـ ذلؾ مف خالؿ معالجػات احصػائية لمبيانػات والنتػائج المستحصػمة مػف العمػؿ الحقمػي او مػف‬
‫التحاليؿ المختبرية المختمفة‪.‬‬
‫‪-1-‬‬
‫زراك‬
‫المصطمحات االحصائية‪:‬‬
‫‪ ‬المجتمع ‪ : Population‬هو عبارة عف مجموعة مف المفردات او المشاهدات او االشػخاص والتػي نر ػب‬
‫في دراسة وتحميؿ خصائصه‪ ,‬وهناؾ نوعيف‪ :‬مجتمع محدود أو نهائي ومجتمع ير محدود أو ال نهائي‪.‬‬
‫‪ ‬العينة ‪ :Sample‬وهي عبارة عف مجموعة جزئية مف المجتمع ‪ ,‬وتعبر عنه اصدؽ تمثيؿ‪.‬‬
‫‪ ‬البيانػػات ‪ :Data‬عبػػارة عػػف مجموعػػة مػػف القػػيـ او القياسػػات لممتغيػػر الػػذي ي ارفػػؽ المفػػردات او عناصػػر‬
‫المجتمع‪ .‬قد تكوف هذ البيانات عمى شكؿ ارقاـ او صفات او رموز‪.‬‬
‫‪ ‬البيانات االسمية ‪ :‬عبارة عف اسـ او وصؼ الي عنصر او مفردة في المجتمع‪.‬‬
‫‪ ‬البيانػات المنفصػػمة ‪ :Discrete data‬عبػارة عػػف قػػيـ تػدؿ عمػػى صػفة يمكػػف قياسػػها ‪ ,‬وتاخػذ جميػػع القػػيـ‬
‫الصحيحة والكسرية ‪.‬‬
‫جمع البيانات االحصائية‪:‬‬
‫إف جمػ ػ ػػع البيانػ ػ ػػات او النتػ ػ ػػائج او الق ػ ػ ػراءات مػ ػ ػػف ظػ ػ ػػاهرة معينػ ػ ػػة او مجموعػ ػ ػػة معينػ ػ ػػة تسػ ػ ػػمى بػ ػ ػػالمجتمع‬
‫)‪ , (Population‬مثػػؿ جمػػع نتػػائج قيػػاس اط ػواؿ الطمبػػة فػػي المرحمػػة الرابعػػة ‪ ,‬او جمػػع نتػػائج قيػػاس سػػمؾ طبقػػة‬
‫رسػػوبية معينػػة ‪ ,‬هػػذ النتػػائج او القػراءات المستحصػػمة تسػػمى نمػػاذج )‪ (Samples‬وتعتبػػر جػػزء مػػف الكػػؿ ‪ ,‬هػػذا‬
‫الجزء يجب اف يمثؿ الظاهرة المدروسة او الوسط الذي جمعػت منػه تمػؾ النمػاذج‪ ,‬وبػذؿ‪-‬ؾ يمكػف تعريػؼ النمػوذج‬
‫‪ Sample‬بانػه جػزء مػف الكػؿ يعطػي او يعكػس كامػؿ خصػائص ومميػزات الكػؿ‪ .‬هػذ النمػاذج تختمػؼ مػف نمػوذج‬
‫الػػى اخػػر ‪ ,‬بغػػض النظػػر عػػف طبيعػػة هػػذ النمػػاذج س ػواء كانػػت قيػػاس الط ػواؿ الطمبػػة‪ ,‬قيػػاس وزف الطمبػػة‪ ,‬نسػػبة‬
‫االمطار‪ ,‬سمؾ طبقة معينة أو قياس لتركيز الترسػبات المعدنيػة‪ ,‬الػى يػر ذلػؾ‪ ......‬كػؿ مػف هػذ النمػاذج يسػمى‬
‫متغيػر )‪ (Variable‬يختمػؼ مػف نمػوذج الػى اخػر‪ ,‬وعػادة يرمػز لهػذا المتغيػر بػالرمز )‪ (Y‬أو )‪ .... (X‬الػأ ‪ ,‬كػؿ‬
‫نموذج وكؿ متغيػر ياخػذ رقػـ محػدد مثػؿ النتغيػر االوؿ يرمػز لػه بػالرمز )‪ (X1‬والمتغيػر الثػاني )‪ .... (X2‬وهكػذا‪.‬‬
‫مثاؿ عمى ذلؾ اذا كاف لدينا سبعة ابار لبابية محفػورة لد ارسػة وتحديػد سػمؾ طبقػة التربػة العميػا فػي منطقػة معينػة ‪,‬‬
‫‪ X1 , X2 , X3 , X4 , X5 , X6‬وهػذا ‪ ,‬لكػؿ‬ ‫نطمػؽ عمػى هػذ المتغيػرات السػبعة التػي تمثػؿ السػمؾ هػي ‪:‬‬
‫متغير مف هذ المتغيرات قيمة حقيقية خاصة به تمثؿ سمؾ الطبقة العميا‪ .‬لنفترض اف ‪:‬‬
‫‪X1 = 20m‬‬
‫‪X2 = 25m‬‬
‫‪X3 = 10m‬‬
‫‪X4 = 15m‬‬
‫‪-2-‬‬
‫زراك‬
‫‪X5 = 16m‬‬
‫‪X6 = 22m‬‬
‫‪X7 = 18m‬‬
‫هذ المتغيرات كؿ منهما يسمى نمػوذج واف طبقػة التربػة العميػا هػي الظػاهرة المدروسػة او التػي نهػتـ بد ارسػتها التػي‬
‫تسمى )‪ , (Population‬هذا المفهوـ ينطبؽ عمى اي متغير واي مجموعة شاممة تخرع لمدراسة‪.‬‬
‫طبيعة البيانات االحصائية‪:‬‬
‫تقسـ المتغيرات ‪ Variables‬او النماذج الى قسميف‪:‬‬
‫متغيرات وصفية ‪: Qualitative Variables‬‬ ‫‪.1‬‬
‫وهػػي الظػواهر او الصػػفات التػػي ال يمكػػف قياسػػها مباشػرة باالرقػػاـ العدديػػة‪ ,‬مثػػؿ صػػفة لػػوف العػػيف (اسػػود ‪,‬‬
‫بني)‪ ,‬الحالة االجتماعية ( ني ‪ ,‬فقير) ‪ ......‬الأ‪.‬‬
‫متغيرات كمية ‪: Quantitative Variables‬‬ ‫‪.2‬‬
‫هػػي تمػػؾ الظ ػواهر او الصػػفات التػػي يمكػػف قياسػػها مباش ػرة باالرقػػاـ العدديػػة مثػػؿ الطػػوؿ‪ ,‬الػػوزف‪ ,‬السػػمؾ‪,‬‬
‫التركيز‪ ............... ,‬الأ‪ .‬تقسـ المتغيرات الكمية الى قسميف‪:‬‬
‫أ‪ .‬متغيرات مستمرة ‪: Continuous Variables‬‬
‫وهي المتغيرات التي تفترض وجود اي قيمة بيف قيمتيف او في مػدى معػيف مػف القػيـ‪ .‬مثػاؿ عمػى ذلػؾ‬
‫اف عمػر شػػخص (س) مػػف النػػاس هػػو (‪ )50‬سػػنة او (‪ )50.8‬سػػنة أو (‪ )48.5‬سػػنة ‪ ,‬هػػذ القياسػػات‬
‫او االرقاـ تعتمد عمى دقة التقدير لذلؾ تسمى متغيرات مستمرة‪.‬‬
‫ب‪ .‬متغيرات منفصمة ‪: Discrete Variables‬‬
‫وهػػي المتغيػرات التػػي تفتػػرض عػػدـ وجػػود اي قيمػػة بػػيف قيمتػػيف ‪ ,‬او ال يمكػػف قبػػوؿ وجػػود قيمػػة معينػػة‬
‫بيف قيمتيف‪ .‬مثاؿ عمػى ذلػؾ نفتػرض اف عػدد اطفػاؿ عائمػة معينػة هػو خمسػة اطفػاؿ ‪ ,‬ولكػف ال يمكػف‬
‫اف نفترض اف عدد اطفاؿ هذ العائمة هو ‪ 2.5‬طفؿ او ‪ 4.5‬طفؿ ‪ .....‬وهكذا‪.‬‬
‫بصورة عامة يمكف القوؿ اف القياسات او المتغيرات التي تستحصؿ بالقياس او التػي يػتـ حسػابها بالقياسػات‬
‫‪ ,‬هي متغيرات مستمرة النها تقبؿ وجود االعداد العشرية او الكسور مع االعػداد الصػحيحة ‪ ,‬بينمػا المتغيػرات التػي‬
‫تستحصؿ بواسطة العدد او بمبدا العد فهي متغيرات منفصمة النها ال تقبؿ الكسور العشرية‪.‬‬
‫‪-3-‬‬
‫زراك‬
‫الرموز االحصائية ‪: Statistical Notation‬‬
‫البا ما يتـ استخداـ رموز خاصة في العمميػات االحصػائية المختمفػة‪ ,‬وهػي رمػوز عالميػة تسػتخدـ كمػا هػي‬
‫لعػدـ وجػػود مرادفػػات لهػا فػػي المغػػة العربيػػة لحػد االف‪ ,‬لغػػرض حػػؿ وانجػػاز العمميػات الحسػػابية والمعػػادالت والقػوانيف‬
‫االحصائية ‪ .‬يرمز الى اي متغير بالرمز )‪ (y‬ونعني بالمتغير (نموذج) ‪ ,‬عندما يكوف لدينا قيـ عديدة لممتغير )‪(y‬‬
‫فػػي هػػذ الحالػػة نرمػػز لهػػذ المتغيػرات العديػػدة بػػالرمز )‪ (yi‬التػػي تمثػػؿ قػػيـ او قػراءات متعػػددة التػػي تستحصػػؿ مػػف‬
‫دراسة المتغير )‪ . (Y‬مثاؿ عمى ذلؾ لو كاف لدينا اعمار خمسة طالب وكما يمي‪:‬‬
‫‪yi = 20 , 18 , 22 , 23 , 15‬‬
‫هذا يعني اف ‪:‬‬
‫‪ = y1 = 20‬تمثؿ القيمة االولى لممتغير االوؿ او النموذج االوؿ‬
‫‪ = y2 = 18‬تمثؿ القيمة الثانية لممتغير الثاني او النموذج الثاني‬
‫‪ = y3 = 22‬تمثؿ القيمة الثالثة لممتغير الثالث او النموذج الثالث‬
‫‪ = y4 = 23‬تمثؿ القيمة الرابعة لممتغير الرابع او النموذج الرابع‬
‫‪ = y5 = 15‬تمثؿ القيمة الخامسة لممتغير الخامس او النموذج الخامس‬
‫‪ = yn = ….‬تمثؿ القيـ التالية لممتغيرات المتبقية اف وجدت ‪ ,‬الى اف نصؿ الى المتغير ‪ yn‬التػي تطمػؽ عمػى‬
‫القيمة االخيرة المفتررة في المجموعة ‪ ,‬وهي كما في المثاؿ ‪yn=y5=15 :‬‬
‫يرمز الى مجموع عدد مف القيـ بالرمز )∑( ويسمى سكما )‪ , (Sigma‬ونعني به المجموع االحصائي لعدد‬
‫مف القيـ )‪. (Summation‬‬
‫∑ ‪ ,‬وهذا يعني اف قػيـ النمػاذج‬ ‫يرمز الى مجموع عدد مف القيـ ير محددة الي متغير بالرمز‪:‬‬
‫تشتمؿ عمى النماذج مف (‪ )1‬وهو المتغير االوؿ الى قيمة النموذج االخير وهو )‪ . (n‬اي اف ‪:‬‬
‫∑‬
‫∑ الذي يمثؿ مجموع قيـ النماذج المطموبة‪.‬‬ ‫واحيانا يكتب لمسهولة‬

‫∑ وهذا يعني‪ :‬اف هنالؾ جمع لجزء مف االعداد رػمف‬ ‫يرمز الى مجموع المجاميع الجزئية بالرمز‬
‫المجاميع الكمية وكما يمي‪:‬‬
‫∑‬
‫‪-4-‬‬
‫زراك‬
‫يرمز الى مجموع مربعات النماذج او المتغيرات بالرمز‪:‬‬
‫∑‬
‫وهذا يعني اف ‪:‬‬
‫∑‬
‫يرمز الى مربع مجموع النماذج او المتغيرات بالرمز ‪-:‬‬
‫∑(‬ ‫)‬
‫وهذا يعني اف ‪-:‬‬
‫∑(‬ ‫)‬
‫يرمز الى مجموع حاصؿ ررب قيـ متغيريف او نموذجيف ‪ X‬و ‪ y‬بالرمز ‪:‬‬
‫∑‬
‫وهذا يعني اف ‪-:‬‬
‫∑‬
‫∑( وتساوي‪-:‬‬ ‫∑‬ ‫يرمز الى حاصؿ ررب مجموعتيف مف النماذج‬

‫(‪)∑Xi)(∑yi(= )X1+X2+X3+…..+Xn()y1+y2+y3+…..+yn‬‬
‫اذا كانت )‪ (C‬اي عدد ثابت فاف‪:‬‬
‫∑‬
‫اذا كانت )‪ (C‬اي عدد ثابت فاف‪:‬‬
‫∑‬ ‫∑‬
‫∑‬
‫‪-5-‬‬
‫زراك‬
‫جمع قيـ متغيريف او اكثر هو عبارة عف حاصؿ مجموع جمعهـ‪ :‬اي اف‪-:‬‬
‫∑‬
‫∑‬ ‫∑‬
‫∑‬ ‫∑‬
‫يرمز الى مجموع حاصؿ قسمة عدديف يساوي ‪-:‬‬
‫∑‬
‫مسائؿ تطبيقية‪:‬‬
‫‪ .1‬اذا كاف لدينا قيـ كؿ مف المتغيرات ‪:‬‬
‫‪yi= 3 , 9 , 6 , 2‬‬ ‫‪,‬‬ ‫‪Xi = 4 , 2 , 3 , 7‬‬
‫اوجد قيمة كؿ مما ياتي‪:‬‬
‫∑‬ ‫‪.C‬‬ ‫∑‬ ‫‪.B‬‬ ‫∑‬ ‫‪.A‬‬
‫∑‬ ‫∑‬ ‫‪.F‬‬ ‫∑‬ ‫‪.E‬‬ ‫∑‬ ‫‪.D‬‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪-:‬‬
‫∑ ‪A.‬‬
‫∑ ‪B.‬‬
‫∑ ‪C.‬‬
‫∑ ‪D.‬‬
‫∑ ‪E.‬‬ ‫‪62‬‬
‫∑ ‪F.‬‬ ‫∑‬
‫‪ X , y‬وكما يمي‪-:‬‬ ‫‪ .2‬اذا كاف لدينا قيـ كؿ مف النموذجيف‬

‫‪Xi = 2 , 6 , 3 , 1‬‬ ‫‪,‬‬ ‫‪yi = 3 , 9 , 6 , 2‬‬
‫اوجػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػد قيمة كؿ مما يمي‪-:‬‬
‫∑‬ ‫‪.A‬‬
‫∑‬ ‫‪.B‬‬
‫‪-6-‬‬
‫زراك‬
‫∑‬ ‫‪.C‬‬
‫∑‬ ‫‪.D‬‬
‫∑‬ ‫‪.E‬‬
‫∑‬ ‫‪.F‬‬
‫∑‬ ‫‪.G‬‬
‫∑‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪-:‬‬
‫‪A.‬‬
‫∑‬
‫‪B.‬‬
‫∑‬
‫∑ ‪C.‬‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬

‫∑ ‪D.‬‬
‫∑ ‪E.‬‬
‫∑‬
‫∑ ‪F.‬‬
‫∑‬ ‫∑‬
‫‪-7-‬‬
‫زراك‬
‫الفصل الثاني‬
‫التوزيع التكراري لمبيانات ‪Frequency Distribution‬‬
‫عندما يتـ جمع بيانات اولية (نماذج او متغيرات لدراسة ظاهرة معينة او وسط معيف )‪ (Population‬تعتبر‬
‫بمثابػػة ق ػراءات خػػاـ ال يمكػػف االسػػتفادة منهػػا او فهمهػػا وهػػي عمػػى هػػذ الصػػورة ‪ ,‬لػػذلؾ ال بػػد مػػف ترتيبهػػا بصػػيغة‬
‫وتصنيفها بصيغة معينة لغرض تسهيؿ مهمة فهمهػا ومعالجتهػا بصػورة مبسػطة‪ .‬هػذ المعالجػات تكػوف امػا ترتيبهػا‬
‫عػدديا بصػورة تصػػاعدية او تنازليػة او تقسػػيمها وتصػنيفها الػى فئػات او مجػاميع تسػػهؿ عمميػة توزيػػع هػذ القػراءات‬
‫عمى هذ المجاميع وبالتالي تسهيؿ مهمة فهـ طبيعة توزيع هذ القراءات او البيانات‪.‬‬
‫اح ػ ػػد اه ػ ػػـ المعالج ػ ػػات االحص ػ ػػائية لمنت ػ ػػائج ه ػ ػػي تقس ػ ػػيـ او توزي ػ ػػع الق ػ ػراءات ال ػ ػػى فئ ػ ػػات او مجموع ػ ػػات او‬
‫اصػػناؼ )‪ (Classes‬ثػػـ يػػتـ توزيػػع هػػذ الق ػراءات عمػػى هػػذ الفئػػات او االصػػناؼ‪ .‬هػػذ العمميػػة تسػػمى بػػالتوزيع‬
‫التكراري لمبيانات او العرض الجدولي لمبيانات‪ ,‬والتي هػي عبػارة عػف جػداوؿ تمخػص فيهػا بيانػات العينػة الػى فئػات‬
‫ولكؿ فئة تكرار تتحدد قيمته حسب البيانات‪ .‬هناؾ نوعاف مف التوزيع التكراري لمبيانات هما‪-:‬‬
‫أ‪ .‬التوزيع التكراري البسيط او الجدوؿ البسيط‪:‬‬
‫عبارة عف تكويف جدوؿ يتكوف مف عموديف يتـ توزيع البيانات او النتائج حسب صفة واحػدة او متغيػر واحػد‬
‫عمى كؿ فئة ‪ .‬العمود االوؿ يترػمف تقسػيمات الفئػات او المجػاميع او االصػناؼ‪ ,‬اـ العمػود الثػاني يترػمف تقسػيـ‬
‫التكرار او عدد البيانػات (تكػرار النتػائج) او عػدد القػيـ التػي تقػع رػمف كػؿ فئػة والتػي تسػمى بفئػة التكػرار ‪Class‬‬
‫‪(Frequency‬‬ ‫)‪ , )Frequency‬ه ػػذا التنظ ػػيـ او الترتي ػػب به ػػذ الص ػػيغة يس ػػمى التوزي ػػع التكػ ػراري لمبيان ػػات‬
‫)‪ Distribution‬او الجدوؿ التكراري )‪. (Frequency Table‬‬
‫مثػاؿ عمػػى ذلػؾ‪ :‬اذا كػػاف لػػدينا بيانػات عػػف وزف (‪ )100‬طالػػب مػف جامعػػة تكريػػت ‪ ,‬وتػـ توزيػػع اوزاف الطمبػػة‬
‫الى فئات كما مدرجة في الجدوؿ (‪:)1-2‬‬
‫جدوؿ (‪ )1-2‬توزيع اوزاف الطمبة‬
‫انفئبث انىزٌ (كغى)‬ ‫انتكرار‬
‫‪26 – 26‬‬ ‫‪5‬‬
‫‪26 – 25‬‬ ‫‪81‬‬
‫‪22 – 21‬‬ ‫‪26‬‬
‫‪26 – 28‬‬ ‫‪62‬‬
‫‪26 - 22‬‬ ‫‪1‬‬
‫انًجًىع انكهي‬ ‫‪866‬‬
‫‪-8-‬‬
‫زراك‬
‫نالحػػظ اف الفئػػة االولػػى التػػي تترػػمف مػػدى الػػوزف مػػف (‪ )60 – 62‬كغػػـ تحتػػوي عمػػى خمسػػة طػػالب فقػػط‪ ,‬والفئػػة‬
‫الثانية التي تترمف مدى الوزف مف (‪ )63 – 65‬كغـ تحتوي عمى ثمانية عشر طالبػا فقػط‪ ,‬وهكػذا يػتـ تقسػيـ بقيػة‬
‫اعداد الطمبة عمى رػوء اوزانهػـ الػى هػذ الفئػات لنحصػؿ فػي النهايػة عمػى اعػداد الطمبػة موزعػة حسػب الػوزف الػى‬
‫فئات او اصناؼ يتـ مف خاللها سػهولة فهػـ ومعرفػة طبيعػة توزيػع اوزاف الطمبػة ورػمف اي فئػة مػف الػوزف تحتػوي‬
‫عمى اكبر عدد مف الطالب‪.‬‬
‫نتعرؼ عمى بعض المصطمحات التي يرد ذكرها رمف تعريؼ الجدوؿ التكراري ‪,‬هي‪-:‬‬
‫حجـ العينة ‪ :‬هو عدد القراءات او البيانات التي تـ قياسها او استحصالها مف دراسة ظاهرة معينة‪ ,‬ويرمز‬ ‫‪.1‬‬
‫∑ في حالة البيانات المبوبة‪.‬‬ ‫لها بالرمز )‪ (N‬في حالة البيانات ير المبوبة و‬
‫المدى ‪ : Range‬الفرؽ بيف اعمى قيمة واقؿ قيمة بػيف البيانػات او النتػائج المستحصػمة مػف د ارسػة ظػاهرة‬ ‫‪.2‬‬
‫معينة‪ ,‬ويرمز له بالرمز )‪ .(R‬ويحسب مف العالقة التالية‪:‬‬
‫الفئػ ػ ػ ػ ػػة ‪ -:Class‬هػي عبػارة عػف مجػاميع مػف القػيـ او اصػناؼ مػف القػيـ يػتـ توزيػع البيانػات او القػراءات‬ ‫‪.3‬‬
‫عمى هذ المجاميع كؿ حسب قيمته ‪ .‬يتـ تحديد عدد الفئات في اي جدوؿ تكراري حسب العالقة التالية‪:‬‬
‫عدد الفئات‬
‫مالحظػػة‪(:‬عػػادة يػػتـ اختيػػار عػػدد الفئػػات لتكػػوف مػػا بػػيف (‪ )5‬الػػى (‪ )10‬فئػػات لسػػهولة بنػػاء جػػدوؿ تك ػراري‬
‫وذلؾ اعتمادا عمى عدد القيـ او البيانات المستخدمة‪ ,‬ومقدار الفروقات بيف هذ القيـ)‪.‬‬
‫التكػ ػ ػرار‪ -:‬يمثػػؿ عػػدد القػػيـ او البيانػػات التػػي تقػػع رػػمف كػػؿ فئػػة حسػػب القػػيـ التػػي تقػػع بػػيف الحػػد االعمػػى‬ ‫‪.1‬‬
‫والحد االدنى لكؿ فئة‪ ,‬ويرمز له بالرمز )‪.(fi‬‬
‫طػوؿ الفئػػة )‪ -: (Class Interval‬عػادة يػػتـ تحديػػد طػوؿ الفئػػة او مػػدى الفئػػة بقيمػة عميػػا وقيمػػة دنيػػا ‪,‬‬ ‫‪.2‬‬
‫وبػالعودة الػػى المثػاؿ السػػابؽ نجػد اف الفئػػة االولػى تحػػدد بالقيمػة ‪ 60‬و ‪ . 62‬هػػذ الفئػة تشػػتمؿ عمػى كافػػة‬
‫القيـ التي تقػع بػيف هػذيف القيمتػيف‪( .‬يمكػف اف نعػرؼ طػوؿ الفئػة بانػه مقػدار المػدى بػيف حػدي الفئػة)‪ .‬يػتـ‬
‫حساب قيمة طوؿ الفئة مف خالؿ عدة عالقات ريارية وكما يمي‪-:‬‬
‫‪.A‬‬
‫المدى اعمى قيمة اقؿ قيمة‬
‫طوؿ الفئة‬
‫‪ .B‬طوؿ الفئة = الحد االعمى – الحد االدنى ‪1+‬‬

‫‪ .C‬طوؿ الفئة = الحد االعمى الحقيقي لمفئة – الحد االدنى الحقيقي لمفئة‬
‫‪-9-‬‬
‫زراك‬
‫‪ .D‬طوؿ الفئة هو الفرؽ بيف الحديف االعمى او الحديف االدنى لفئتيف متتاليتيف ‪.‬‬
‫عمما باف جميع اطواؿ الفئات يجب اف تكوف متساوية‪.‬‬
‫حدود الفئة ‪ -:‬وهي القيـ التي تقع في بداية ونهاية الفئػة ‪ .‬كمػا فػي المثػاؿ السػابؽ تكػوف القػيـ ‪ 62‬و ‪60‬‬ ‫‪.3‬‬
‫تسمى حدود الفئػة )‪ , (Class Limit‬القيمػة الػدنيا التػي هػي ‪ 60‬تسػمى الحػد االسػفؿ لمفئػة‪ ,‬والقيمػة العميػا‬
‫التي هي ‪ 62‬تسمى الحد االعمى لمفئة‪.‬‬
‫الفئات التي ليس لها حد اعمى او ليس لها حد ادنى تسمى الفئات المفتوحة ‪ ,‬مثاؿ عمى ذلؾ الفئات مف عمر‬
‫‪ 40‬سنة فما فوؽ او مف عمر ‪ 20‬سنة فما دوف‪.‬‬
‫الحدود الحقيقية لمفئات‪ -:‬عندما يتـ جمع بيانات او قيـ تحتػوي عمػى كسػور عشػرية او ارقػاـ عدديػة بػيف‬ ‫‪.4‬‬
‫االرقاـ الرئيسية (بيانات مستمرة) ‪ ,‬مثال جمع نتائج وزف عدد مف الطالب تحتوي عمى كسور‪ ,‬بهذ الحالة‬
‫فػاف الفئػة (‪ )60 – 62‬تحتػوي او ترػـ االعػداد مػف ‪ 59.5‬الػى ‪ 62.5‬مػف حػدود الكسػر العشػري االدنػػى‬
‫الى حدود الكسر العشري االعمى ‪ ,‬هذ الحدود هي التي تسمى الحدود الحقيقية لمفئات‪ .‬لكؿ فئة يوجد حد‬
‫حقيقي اعمى وحد حقيقي ادنى ‪ .‬يتـ المجوء الػى تحديػد الحػدود الحقيقيػة لمفئػات لغػرض تجػاوز التػداخؿ او‬
‫الغمػػوض فػػي القػراءات اثنػػاء توزيعهػػا عمػػى الفئػػات خاصػػة فػػي حالػػة وجػػود كسػػور عشػرية‪ .‬كمػػا فػػي المثػػاؿ‬
‫السابؽ فاف الحد االعمى الحقيقي لمفئة االولى يساوي ‪ 62.5‬اما الحد االدنى الحقيقي لها يساوي ‪.59.5‬‬
‫كيفية استخراج الحد الحقيقي االعمى لمفئة والد االدنى لمفئة ‪-:‬‬
‫‪ .1‬حاصؿ جمع الحد االعمى لمفئة االولػى مػع الحػد االدنػى لمفئػة التاليػة لهػا او التػي يػاتي بعػدها مقسػوماً‬
‫عمى (‪ ,)2‬مػثال كمػا فػي المثػاؿ السػابؽ ‪ ,‬اف الحػد االعمػى لمفئػة االولػى هػو (‪ )62‬والحػد االدنػى لمفئػة‬
‫‪.‬‬ ‫الثانية هو (‪ )63‬فيكوف الحد الحقيقي االعمى لمفئة االولى هو‬
‫‪ .2‬الطريقة الثانية في الحساب هي ‪:‬‬
‫الحد االدنى الحقيقي الي فئة = مركز تمؾ الفئة ‪( ½ -‬طوؿ الفئة)‬
‫الحد االعمى الحقيقي الي فئة = مركز تمؾ الفئة ‪( ½ +‬طوؿ الفئة)‬
‫‪ .3‬الحد االدنى الحقيقي الي فئة = (الحد االدنى لتمؾ الفئة – ‪ ,)0.5‬والحػد االعمػى الحقيقػي الي فئػة =‬
‫(الحد االعمى لتمؾ الفئة ‪.)0.5 +‬‬
‫واحيانا تكتب الفئات باالعتماد عمى الحدود الحقيقية العميا والدنيا وكاآلتي‪:‬‬
‫انفئبث‬ ‫انتكرار‬
‫‪- 11 -‬‬
‫زراك‬
‫‪56.5 – 26.5‬‬ ‫‪5‬‬
‫‪26.5 – 25.5‬‬ ‫‪81‬‬
‫‪25.5 – 21.5‬‬ ‫‪26‬‬
‫‪21.5 – 28.5‬‬ ‫‪62‬‬
‫‪28.5 – 22.5‬‬ ‫‪1‬‬
‫مف فوائد اختيار الحدود الحقيقية لمفئات هي تجاوز الغموض الذي يحصؿ عنػد توزيػع البيانػات عمػى الفئػات وعػدـ‬
‫معرفة هؿ اف بعض القراءات تعود الى الفئة االةلى مثال‪ ,‬او الفئة الثانية‪ .‬عند اختيػار الحػدود الحقيقيػة لمفئػات يػتـ‬
‫تاكيد توزيع البيانات الحاوية عمى كسور الى الفئات بصورة صحيحة واكيدة‪.‬‬
‫‪ .1‬مركز الفئة أو متوسط الفئة )‪: (Class Midpoint‬‬

‫تعرؼ مركز الفئة بانها تمؾ القيمة التي تقع في منتصؼ الفئة أو قيمة متوسط الفئػة‪ .‬وتحسػب قيمتهػا كمػا‬
‫يمي‪-:‬‬
‫الحد االدنى لمفئة‬ ‫الحد االعمى لمفئة‬

‫مركز الفئة‬
‫مركز الفئة مف المثاؿ السابؽ =‬
‫مف فوائد حساب مركز الفئػة هػي امكانيػة اختػزاؿ كافػة القػيـ التػي تقػع رػمف كػؿ فئػة الػى قيمػة واحػدة فقػط‪ ,‬اي‬
‫انه في حالة وجود مزيد مف القيـ رمف الفئة الواحدة فيمكف اعتبارها جميعا تساوي قيمة واحدة فقط قيمتها هي‬
‫مركز الفئ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػة‪.‬‬
‫كيفية تكويف او بناء جدوؿ تكراري‬
‫‪ .1‬تحديد اعمى قيمة واقؿ قيمة في البيانات او القراءات المستحصمة مف دراسة ظاهرة معينة‪.‬‬
‫‪ .2‬ايجاد المدى )‪ (Range‬والذي يمثؿ الفرؽ بيف اعمى قيمة واقؿ قيمة رمف البيانات المستحصمة‪.‬‬
‫‪ .3‬تقسػػيـ المػػدى الػػى عػػدد مناسػػب مػػف (اط ػواؿ الفئػػات) متسػػاوية االط ػواؿ ترػػـ كافػػة قػػيـ البيانػػات‪ .‬ويمكػػف‬
‫استخداـ العالقة السابقة‪:‬‬
‫(اي اف عػػدد او حجػػـ البيانػػات ومقػػدار المػػدى هػػو الػػذي يحػػدد عػػدد الفئػػات) ‪.‬‬ ‫عدد الفئات‬
‫عمما باف عدد الفئات المتعارؼ عميه في المعالجات االحصائية تقع بيف ‪ 5‬و ‪ 10‬فئات ‪.‬‬
‫‪ .4‬حساب طوؿ الفئة الذي يساوي ‪:‬‬
‫‪- 11 -‬‬
‫زراك‬
‫المدى‬
‫‪ .5‬يتـ توزيػع البيانػات او القػراءات عمػى هػذ الفئػات لمعرفػة عػدد القػيـ او القػراءات التػي تقػع رػمف كػؿ فئػة‪.‬‬
‫ولتسهيؿ مهمة حساب عدد القيـ التي تقع رمف كؿ فئة يتـ ذلؾ بتسجيؿ القيـ بشكؿ اشا ارت او عالمات‬
‫ثـ يتـ جمعها وتحويمها الػى رقػـ محػدد‪ ,‬ويػتـ تنظػيـ هػذ العمميػة فػي بعػض االحيػاف رػمف جػدوؿ ابتػدائي‬
‫يسػمى (جػدوؿ العالمػػات او جػدوؿ تفريغػػي) يػتـ فيػػه تسػجيؿ البيانػات التػػي تقػع رػػمف كػؿ فئػػة عمػى شػػكؿ‬
‫عالمات كما في الجدوؿ (‪:)2-2‬‬
‫جدوؿ (‪ )2-2‬جدوؿ تفريغي وجدوؿ تكراري‬
‫‪ .6‬تنظـ هذ العمميػة فػي جػدوؿ متكػوف مػف حقمػيف ‪ ,‬حقػؿ الػى الفئػات والحقػؿ االخػر الػى التكػرار الػذي يمثػؿ‬
‫العدد التكراري لمقيـ الواقعىة رمف كؿ فئة‪.‬‬
‫‪ .7‬يجػػب اف نبػػدأ بكتابػػة الحػػد االدنػػى لمفئػػة االولػػى بقيمػػة اقػػؿ مػػف اصػػغر قيمػػة موجػػودة رػػمف البيانػػات او‬
‫الق ػراءات‪ ,‬وتنتهػػي الفئػػات بالحػػد االعمػػى لمفئػػة االخي ػرة بقيمػػة اكبػػر بقمي ػؿ مػػف اعمػػى قيمػػة موجػػودة رػػمف‬
‫البيانات او القراءات االحصائية‪.‬‬
‫ب‪ .‬الجدوؿ المركب أو التوزيع التكراري المركب‪:‬‬
‫وهػػو الجػػدوؿ الػػذي تػػوزع فيػػه البيانػػات او النتػػائج حسػػب صػػفتيف أو ظػػاهرتيف فػػي نفػػس الوقػػت‪ .‬مػػثال تكػػوف‬
‫الصفوؼ االفقية تمثؿ احدى الصفات والصفوؼ العموديػة تمثػؿ الصػفة الثانيػة ‪ ,‬امػا المربعػات او المسػاحات التػي‬
‫تمثػػؿ تقػػاطع هػػذيف الفئتػػيف فمنهػػا تحتػػوي عمػػى عػػدد التك ػ اررات او الصػػفات المشػػتركة ‪.‬جػػدوؿ (‪ )3-2‬يمثػػؿ جػػدوؿ‬
‫تكراري مركب لتوزيع اوزاف (‪ )100‬طالب حسب الطوؿ‪:‬‬
‫جدوؿ (‪ )3-2‬جدوؿ تكراري مركب‬
‫‪- 12 -‬‬
‫زراك‬
‫الوزف‬
‫المجموع‬ ‫‪71 - 80‬‬ ‫‪61 - 70‬‬ ‫‪51 - 60‬‬
‫الطوؿ‬
‫‪30‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪20‬‬ ‫‪140 – 121‬‬
‫‪52‬‬ ‫‪10‬‬ ‫‪40‬‬ ‫‪2‬‬ ‫‪160 – 141‬‬
‫‪18‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪180 – 161‬‬
‫‪100‬‬ ‫‪24‬‬ ‫‪52‬‬ ‫‪24‬‬ ‫المجموع‬
‫التوزيع التكراري التجمعي (التصاعدي أو التنازلي) )‪:(Cumulative Frequency Distribution‬‬
‫ػداء مػػف تكػرار الفئػػة االولػػى‬

‫يعػػرؼ التوزيػػع التكػراري التجمعػػي بانػػه حاصػػؿ جمػػع كافػػة التكػ اررات لمبيانػػات ابتػ ً‬
‫ابتداء مف تكرار الفئة االخيرة نزوالً الى تكرار الفئة االولى‪.‬‬
‫ً‬ ‫صعودا لغاية تكرار الفئة االخيرة أو بالعكس‬
‫كما في الجدوؿ (‪:)4-2‬‬
‫جدوؿ (‪ )4-2‬جدوؿ تكراري تجمعي‬

‫انتكرار انتجًعي‬ ‫انتكرار انتجًعي‬
‫انصبعد‬ ‫انُبزل‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪866‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪66‬‬ ‫‪65‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪25‬‬ ‫‪22‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪66‬‬ ‫‪65‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪866‬‬ ‫‪1‬‬
‫انًجًىع انكهي‬ ‫‪866‬‬
‫الجدوؿ الذي يحتوي عمى مثؿ هذ التكرارت المتجمعة يسػمى التوزيػع التكػراري المتجمػع‪ ,‬اذا كػاف تصػاعديا يسػمى‬
‫التكرار التجمعي التصاعدي واذا كاف تنازليا يسمى التكرار التجمعي التنازلي‪ ,‬او باختصار يسمى التوزيع التكػراري‬
‫التجمعي‪ .‬احيانا يتـ تنظيـ جدوؿ تكراري تجمعي باستخداـ الحدود الحقيقية العميا لمفئات كما في الجدوؿ (‪:)5-2‬‬
‫‪- 13 -‬‬
‫زراك‬
‫جدوؿ (‪ )5-2‬جدوؿ الحدود الحقيقية لمفئات‬
‫الحدود الحقيقية العميا الفئات‬ ‫التكرار‬ ‫التكرار التجمعي النازؿ التكرار التجمعي الصاعد‬
‫‪Less than 62.5‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪100‬‬
‫‪Less than 65.5‬‬ ‫‪18‬‬ ‫‪23‬‬ ‫‪95‬‬
‫‪Less than 68.5‬‬ ‫‪42‬‬ ‫‪65‬‬ ‫‪77‬‬
‫‪Less than 71.5‬‬ ‫‪27‬‬ ‫‪92‬‬ ‫‪35‬‬
‫‪Less than 74.5‬‬ ‫‪8‬‬ ‫‪100‬‬ ‫‪8‬‬
‫المجموع الكمي‬ ‫‪100‬‬
‫التمثيؿ البياني الى قيـ التكرار التجمعي‪:‬‬
‫يمكػف عمػػؿ او رسػـ تمثيػػؿ بيػاني الػػى قػيـ التكػرار التجمعػي الصػػاعد والتكػرار التجمعػػي النػازؿ والػػذي يكػػوف‬
‫عمى شكؿ منحني يسمى )‪ (Ogive‬او عمى شكؿ ‪ S – Shape‬كما في الشكؿ (‪:)1-2‬‬
‫شكؿ (‪ )1-2‬منحني التكرار التجمعي الصاعد والنازؿ‬
‫‪- 14 -‬‬
‫زراك‬
‫التوزيع التكراري النسبي ‪: Relative frequency Distribution‬‬
‫يعرؼ التوزيع التكراري النسبي الي فئة بانه التكرار لتمػؾ الفئػة مقسػوماً عمػى التكػرار الكمػي لمجمػوع الفئػات‪,‬‬
‫وعػػادة يكتػػب بصػػيغة نسػػبة مئويػػة (ت) ‪ ,‬حيػػث يػػتـ رػػرب حاصػػؿ القسػػمة فػػي (‪ .)100‬مثػػاؿ عمػػى ذلػػؾ اذا كػػاف‬
‫التكرار النسبي الحد الفئات هو ‪ 42‬ومجموع التك اررات لجميع الفئات يساوي (‪ )100‬فاف التكرار النسبي لتمؾ الفئة‬
‫وهكذا يحسب لبقية الفئات‪.‬‬ ‫يساوي‪:‬‬
‫التوزيع التكراري التجمعي النسبي ‪: Relative Cumulative Frequency Distribution‬‬
‫وهػػو يمثػػؿ التكػرار التجمعػػي مقسػػوما عمػػى مجمػػوع التك ػ اررات لمفئػػات كافػػة‪ .‬مثػػاؿ عمػػى ذلػػؾ اذا كػػاف التك ػرار‬
‫التجمعي الحدى الفئات يساوي ‪ 35‬واف مجموع التكػ اررات لمفئػات كافػة يسػاوي ‪ 100‬فػاف التكػرار التجمعػي النسػبي‬
‫‪.‬‬ ‫لتمؾ الفئة يساوي‪:‬‬
‫المدرج التكراري ‪: Histogram‬‬
‫إف وسػائؿ واسػػاليب التمثيػؿ البيػػاني والصػوري لعػػرض النتػائج االحصػػائية كثيػرة ومتنوعػػة‪ ,‬وهػي تمثػػؿ طريقػػة‬
‫سػػهمة وفعالػػة تسػػاعد عمػػى سػػرعة فهػػـ واسػػتيعاب البيانػػات وبنػػاء اسػػتنتاجات واسػػتخراج معمومػػات منهػػا‪ .‬أهػػـ هػػذ‬
‫‪ , Histogram‬وهو عبارة عػف مسػتطيالت ارسػية متجػاورة تمتػد‬ ‫الوسائؿ ومف اكثرها شيوعا هو المدرج التكراري‬
‫قواعدها عمى المحور االفقي او المحور السيني‪ .‬الػذي يمثػؿ طػوؿ الفئػة او الحػدود الحقيقيػة لمفئػات ‪ ,‬امػا طػوؿ او‬
‫ارتفاع هذ المستطيالت فانها تمثؿ تكرار الفئػات التػي ترسػـ عمػى المحػور العمػودي او المحػور الصػادي‪ .‬كمػا فػي‬
‫الشكؿ (‪:)2-2‬‬
‫شكؿ (‪ )2-2‬المدرج التكراري‬
‫‪- 15 -‬‬
‫زراك‬
‫كيفية بناء المدرج التكراري‪:‬‬
‫يرسػػـ المحػػور االفقػػي الػػذي يمثػػؿ الحػػدود الحقيقيػػة لمفئػػات والمحػػور العمػػودي الػػذي يمثػػؿ التكػرار )‪ (fi‬وفػػؽ‬ ‫‪.1‬‬
‫مقياس رسـ مناسب ‪.‬‬
‫تؤشر الحدود الحقيقية لمفئات او مراكز الفئات عمى المحور االفقي ‪ ,‬ويفرؿ اف تتػرؾ مسػافة مناسػبة مػف‬ ‫‪.2‬‬
‫نقطػػة الصػػفر لغايػػة بدايػػة الحػػد الحقيقػػي االدنػػى لمفئػػة االولػػى لرػػماف عػػدـ حصػػوؿ تػػداخؿ بػػيف المسػػتطيؿ‬
‫االوؿ والمحور العمودي‪.‬‬
‫يتـ تاشير تكرار الفئات عمى المحور الصادي او المحور العمودي حيث تقسـ الى مسافات متساوية‪.‬‬ ‫‪.3‬‬
‫يرسـ رمف كؿ فئة مستطيؿ راسي تمثؿ قاعدته طوؿ الفئة وارتفاعه يمثؿ تكرار الفئة‪.‬‬ ‫‪.4‬‬
‫المرمع التكراري‪:‬‬
‫عنػػد ربػػط النقػػاط التػػي تمثػػؿ منتصػػؼ الفئػػة التػػي تقػػع عمػػى راس المسػػتطيؿ ينػػتج لنػػا منحنػػي يسػػمى المرػػمع‬
‫التكراري ‪ .‬يمكف تعريؼ المرمع التكراري بانه عبارة عف مستقيمات متصمة تصؿ بيف مراكز الفئات وقيمة التكرار‬
‫لمبيانات المستحصمة مف الجدوؿ التكراري‪ ,‬ويفرؿ اف تبدأ مف القيمة صفر عمى المحور السيني وتنتهي بالقيمة‬
‫صفر كذلؾ لغرض مؽ المرمع التكراري‪ ,‬كما في الشكؿ (‪:)3-2‬‬
‫شكؿ (‪ )3-2‬المرمع التكراري‬
‫‪- 16 -‬‬
‫زراك‬
‫المنحني التكراري‪:‬‬
‫هو عبارة عف خط منحني مهذب يربط بيف نقاط مراكز الفئات والتكرار لمبيانات في الجدوؿ التكراري‪ .‬يرسػـ‬
‫بنفس طريقة المرمع التكراري ماعدا اف الخط يكوف اممس ومهذب وال توجد فيه تكسرات‪ ,‬كما في الشكؿ (‪:)4-2‬‬
‫شكؿ (‪ )4-2‬المنحني التكراري‬
‫ويمكف اف يرسـ المرمع التكػراري والمنحنػي التكػراري مباشػرة عمػى المحػور االفقػي الػذي يمثػؿ م اركػز الفئػات‬
‫والمحػور العمػػودي الػػذي يمثػؿ التكػرار دوف االعتمػػاد عمػى المػػدرج التكػراري ‪ ,‬حيػث يػػتـ تاشػػير النقػاط الواصػػمة بػػيف‬
‫مركز الفئة والتكرار‪.‬‬
‫‪- 17 -‬‬
‫زراك‬
‫مسائؿ تطبيقية عف التوزيع التكراري لمبيانات‬
‫مسزلة (‪:)1‬‬
‫البيانػات المدرجػة فػي الجػدوؿ (‪ , )5-2‬تمثػؿ قػيـ التحاليػؿ الكيميائيػة الػى )‪ (Fe2O3) , (AL2O3) , (SiO2‬فػي‬
‫احد االبار المبابية ‪,‬لغرض التحري عف ترسبات البوكسايت‪ .‬أرسـ واحسب‪:‬‬
‫أ‪ .‬الجدوؿ التكراري لتمؾ التحاليؿ الثالثة لمعرفة طبيعة توزيع هذ المركبات‪.‬‬
‫ب‪ .‬المرمع التكرار‪ ,‬ثـ المنحني التكراري‪.‬‬
‫ت‪ .‬التوزيع التكراري النسبي ‪ ,‬ثـ التوزيع التجمعي النسبي الصاعد والنازؿ‪.‬‬
‫جدوؿ (‪ )5-2‬بيانات التحاليؿ الكيميائية‬
‫‪Fe2O3 Al2O3 SiO2‬‬ ‫‪Fe2O3 Al2O3 SiO2‬‬ ‫‪Fe2O3 Al2O3 SiO2‬‬

‫العمؽ)‪(m‬‬ ‫العمؽ)‪(m‬‬ ‫العمؽ)‪(m‬‬
‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬ ‫‪%‬‬
‫‪6.66‬‬ ‫‪62.16‬‬ ‫‪25.68‬‬ ‫‪6.56‬‬ ‫‪86.66‬‬ ‫‪62.26‬‬ ‫‪66.66‬‬ ‫‪8.12‬‬ ‫‪66.66‬‬ ‫‪82.16‬‬ ‫‪26.22‬‬ ‫‪6.26‬‬
‫‪6.56‬‬ ‫‪66.26‬‬ ‫‪21.26‬‬ ‫‪6.26‬‬ ‫‪86.56‬‬ ‫‪66.16‬‬ ‫‪26.25‬‬ ‫‪6.66‬‬ ‫‪66.56‬‬ ‫‪62.26‬‬ ‫‪25.26‬‬ ‫‪8.12‬‬
‫‪8.66‬‬ ‫‪86.16‬‬ ‫‪26.66‬‬ ‫‪8.61‬‬ ‫‪88.66‬‬ ‫‪62.26‬‬ ‫‪26.51‬‬ ‫‪6.68‬‬ ‫‪68.66‬‬ ‫‪68.26‬‬ ‫‪21.66‬‬ ‫‪6.66‬‬
‫‪8.56‬‬ ‫‪62.16‬‬ ‫‪25.82‬‬ ‫‪6.16‬‬ ‫‪88.56‬‬ ‫‪66.26‬‬ ‫‪61.26‬‬ ‫‪6.62‬‬ ‫‪68.56‬‬ ‫‪62.66‬‬ ‫‪25.26‬‬ ‫‪6.66‬‬
‫‪6.66‬‬ ‫‪65.16‬‬ ‫‪26.22‬‬ ‫‪6.26‬‬ ‫‪86.66‬‬ ‫‪62.26‬‬ ‫‪26.66‬‬ ‫‪2.62‬‬ ‫‪66.66‬‬ ‫‪62.66‬‬ ‫‪22.65‬‬ ‫‪6.62‬‬
‫‪6.56‬‬ ‫‪66.66‬‬ ‫‪21.26‬‬ ‫‪6.56‬‬ ‫‪86.56‬‬ ‫‪65.16‬‬ ‫‪26.16‬‬ ‫‪6.66‬‬ ‫‪66.56‬‬ ‫‪86.66‬‬ ‫‪26.66‬‬ ‫‪6.65‬‬
‫‪6.66‬‬ ‫‪62.26‬‬ ‫‪66.61‬‬ ‫‪6.16‬‬ ‫‪86.66‬‬ ‫‪68.26‬‬ ‫‪61.86‬‬ ‫‪6.22‬‬ ‫‪66.66‬‬ ‫‪62.66‬‬ ‫‪66.62‬‬ ‫‪6.25‬‬
‫‪6.56‬‬ ‫‪66.26‬‬ ‫‪26.62‬‬ ‫‪8.66‬‬ ‫‪86.56‬‬ ‫‪62.16‬‬ ‫‪26.66‬‬ ‫‪6.62‬‬ ‫‪66.56‬‬ ‫‪85.26‬‬ ‫‪28.66‬‬ ‫‪6.62‬‬
‫‪2.66‬‬ ‫‪66.16‬‬ ‫‪66.26‬‬ ‫‪8.86‬‬ ‫‪82.66‬‬ ‫‪62.26‬‬ ‫‪22.86‬‬ ‫‪8.21‬‬ ‫‪62.66‬‬ ‫‪86.66‬‬ ‫‪22.88‬‬ ‫‪2.26‬‬
‫‪2.56‬‬ ‫‪65.16‬‬ ‫‪66.56‬‬ ‫‪8.81‬‬ ‫‪82.56‬‬ ‫‪65.26‬‬ ‫‪22.15‬‬ ‫‪6.26‬‬ ‫‪62.56‬‬ ‫‪82.16‬‬ ‫‪21.26‬‬ ‫‪6.62‬‬
‫‪5.66‬‬ ‫‪26.26‬‬ ‫‪68.22‬‬ ‫‪8.22‬‬ ‫‪85.66‬‬ ‫‪66.16‬‬ ‫‪22.15‬‬ ‫‪6.66‬‬ ‫‪65.66‬‬ ‫‪68.66‬‬ ‫‪22.22‬‬ ‫‪6.62‬‬
‫‪5.56‬‬ ‫‪26.66‬‬ ‫‪66.21‬‬ ‫‪8.66‬‬ ‫‪85.56‬‬ ‫‪68.26‬‬ ‫‪22.28‬‬ ‫‪6.82‬‬ ‫‪65.56‬‬ ‫‪66.66‬‬ ‫‪26.66‬‬ ‫‪2.86‬‬
‫‪2.66‬‬ ‫‪85.66‬‬ ‫‪66.52‬‬ ‫‪8.26‬‬ ‫‪82.66‬‬ ‫‪62.26‬‬ ‫‪22.56‬‬ ‫‪6.66‬‬ ‫‪62.66‬‬ ‫‪66.26‬‬ ‫‪25.68‬‬ ‫‪2.82‬‬
‫‪2.56‬‬ ‫‪82.26‬‬ ‫‪26.61‬‬ ‫‪6.81‬‬ ‫‪82.56‬‬ ‫‪86.16‬‬ ‫‪21.65‬‬ ‫‪6.26‬‬ ‫‪62.56‬‬ ‫‪65.66‬‬ ‫‪26.26‬‬ ‫‪5.68‬‬
‫‪2.66‬‬ ‫‪62.66‬‬ ‫‪25.16‬‬ ‫‪6.66‬‬ ‫‪82.66‬‬ ‫‪62.16‬‬ ‫‪22.68‬‬ ‫‪6.22‬‬ ‫‪62.66‬‬ ‫‪82.66‬‬ ‫‪56.66‬‬ ‫‪6.65‬‬
‫‪2.56‬‬ ‫‪86.26‬‬ ‫‪2.26‬‬ ‫‪6.66‬‬ ‫‪82.56‬‬ ‫‪68.66‬‬ ‫‪21.26‬‬ ‫‪6.88‬‬ ‫‪62.56‬‬ ‫‪66.26‬‬ ‫‪21.86‬‬ ‫‪2.26‬‬
‫‪1.66‬‬ ‫‪65.66‬‬ ‫‪66.65‬‬ ‫‪6.88‬‬ ‫‪81.66‬‬ ‫‪86.66‬‬ ‫‪26.62‬‬ ‫‪6.62‬‬ ‫‪61.66‬‬ ‫‪65.66‬‬ ‫‪26.66‬‬ ‫‪5.62‬‬
‫‪1.56‬‬ ‫‪68.26‬‬ ‫‪66.66‬‬ ‫‪6.66‬‬ ‫‪81.56‬‬ ‫‪61.26‬‬ ‫‪22.68‬‬ ‫‪8.66‬‬ ‫‪61.56‬‬ ‫‪81.66‬‬ ‫‪52.11‬‬ ‫‪2.55‬‬
‫‪6.66‬‬ ‫‪61.68‬‬ ‫‪66.56‬‬ ‫‪8.66‬‬ ‫‪86.66‬‬ ‫‪62.16‬‬ ‫‪25.26‬‬ ‫‪6.82‬‬ ‫‪66.66‬‬ ‫‪65.66‬‬ ‫‪22.66‬‬ ‫‪6.52‬‬
‫‪6.56‬‬ ‫‪62.66‬‬ ‫‪66.66‬‬ ‫‪6.88‬‬ ‫‪86.56‬‬ ‫‪66.26‬‬ ‫‪22.66‬‬ ‫‪8.56‬‬ ‫‪66.56‬‬ ‫‪68.26‬‬ ‫‪22.22‬‬ ‫‪6.66‬‬
‫‪- 18 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫لغرض تكويف جػدوؿ تكػراري ‪ ,‬نهمػؿ العمػؽ لعػدـ اهميتػه فػي الجػدوؿ النػه ال يمثػؿ احػد المتغيػرات المطموبػة‪ ,‬نهػتـ‬
‫فقط بالمتغيرات في التحاليؿ الكيميائية التي هي )‪. (Fe2O3) , (AL2O3) , (SiO2‬‬
‫نبدأ باوؿ متغير الذي هو الهيماتايت )‪.(Fe2O3‬‬

‫أ‪ .‬نحسب ونرسـ الجدوؿ التكراري‬
‫‪ .1‬نستخرج المدى الذي يمثؿ الفرؽ بيف اعمى واقؿ قيمة في التحاليؿ الكيميائية= ‪25.2=15.2-4..4‬‬
‫‪ .2‬نختار عدد الفئات مف العالقة ‪ :‬عدد الفئات‬

‫المدى‬
‫‪ .3‬نستخرج طوؿ الفئة والتي تساوي‬
‫الفئات عدد‬
‫ػداء مػف حػدود الفئػات الػدنيا ولغايػة‬

‫‪ .4‬نكوف الجدوؿ التكراري كما في الجدوؿ (‪ ,)6-2‬ونكتب عدد الفئػات ابت ً‬
‫الحد االعمى لمفئة االخيرة‪ ,‬ونظ اًر لوجود كسور عشػرية فػي البيانػات المعطػاة‪ ,‬فعميػه يجػب اسػتخداـ الحػدود‬
‫الحقيقية لمفئات واعتمادها في توزيع البيانات عمى الفئات‪.‬‬
‫‪ .5‬نبدأ بتوزيع البيانات عمى الفئات باستخداـ مبدأ العد او التزشير )‪ (Tally Marks‬كما في لعبة كرة السمة‪.‬‬
‫‪ .6‬بعد االنتهاء مف التوزيع‪ ,‬نعد عدد التاشيرات ونكتب المجموع مقابؿ كؿ فئة الذي يمثؿ التكرار‪.‬‬
‫جدوؿ (‪ )6-2‬بناء جدوؿ تكراري‬
‫‪- 19 -‬‬
‫زراك‬
‫‪ .7‬نرسـ المدرج التكراري عمى شكؿ اعمدة متصمة يمثؿ ارتفاعها قيـ التكرار ‪ ,‬كما في الشكؿ (‪.)5-2‬‬
‫شكؿ(‪ )5-2‬رسـ المدرج التكراري‬
‫ب‪ .‬نرسـ المرمع التكراري والمنحني التكراري‪:‬‬

‫يتـ ايصاؿ نقاط مراكز الفئات بواسطة خطوط مستقيمة لينتج منها مرمع تكراري‪ ,‬كما في الشػكؿ (‪ ,)8-2‬وعنػدما‬
‫يتـ عمؿ تهذيب لهذ الخطوط المستقيمة نحصؿ عمى المنحني التكراري‪ ,‬كما في الشكؿ (‪.)9-2‬‬
‫شكؿ (‪ )8-2‬المرمع التكراري‬ ‫شكؿ (‪ )9-2‬المنحني التكراري‬
‫ت‪ .‬نحسب التوزيع النسبي‪:‬‬

‫نحسب التوزيع التكراري النسبي لمفئات بواسطة قسمة تكرار كؿ فئة عمى مجموع التك اررات مرروباً في مئة‪,‬‬
‫لنحصؿ عمى النسبة المئوية لمتوزيع التكراري لكؿ فئة ‪ ,‬كما في الجدوؿ (‪.)8-2‬‬
‫‪- 21 -‬‬
‫زراك‬
‫جدوؿ (‪ )8-2‬التوزيع التكراري النسبي‬
‫انتكرار انتجًعي‬
‫انفئبث‬ ‫يركس انفئت‬ ‫انتكرار‬ ‫انتكرار انُسبي‬ ‫انتكرار انتجًعي انُسبي‬
‫انصبعد‬
‫‪85 – 81‬‬ ‫‪82.5‬‬ ‫‪2‬‬ ‫‪88.222‬‬ ‫‪2‬‬ ‫‪88.222‬‬

‫‪86 – 66‬‬ ‫‪66.5‬‬ ‫‪86‬‬ ‫‪68.222‬‬ ‫‪66‬‬ ‫‪66.666‬‬
‫‪66 – 62‬‬ ‫‪62.5‬‬ ‫‪86‬‬ ‫‪68.222‬‬ ‫‪66‬‬ ‫‪22.661‬‬
‫‪62 – 66‬‬ ‫‪61.5‬‬ ‫‪86‬‬ ‫‪82.222‬‬ ‫‪26‬‬ ‫‪18.222‬‬
‫‪68 – 62‬‬ ‫‪66.5‬‬ ‫‪2‬‬ ‫‪88.222‬‬ ‫‪52‬‬ ‫‪66.666‬‬
‫‪65 – 61‬‬ ‫‪62.5‬‬ ‫‪6‬‬ ‫‪6.666‬‬ ‫‪51‬‬ ‫‪62.2266‬‬
‫‪26 - 66‬‬ ‫‪26.5‬‬ ‫‪6‬‬ ‫‪6.666‬‬ ‫‪26‬‬ ‫‪866.66‬‬
‫وهكذا وبنفس الطريقة يتـ استخراج ورسـ بقية المتغيرات ‪.‬‬
‫مسزلة (‪:)2‬‬
‫تـ تسجيؿ الػدرجات النهائيػة الػى (‪ )70‬طالػب مػف طػالب المرحمػة الثانيػة فػي مػادة االحصػاء لمعػاـ الد ارسػي‬
‫الحالي ‪ ,‬كما مدونة في الجدوؿ (‪.)9-2‬‬
‫جدوؿ (‪ )9-2‬درجات االحصاء لطمبة المرحمة الثانية‬

‫‪21‬‬ ‫‪12‬‬ ‫‪25‬‬ ‫‪16‬‬ ‫‪21‬‬ ‫‪66‬‬ ‫‪26‬‬ ‫‪11‬‬ ‫‪22‬‬ ‫‪66‬‬
‫‪26‬‬ ‫‪26‬‬ ‫‪11‬‬ ‫‪26‬‬ ‫‪66‬‬ ‫‪66‬‬ ‫‪28‬‬ ‫‪56‬‬ ‫‪51‬‬ ‫‪25‬‬
‫‪28‬‬ ‫‪25‬‬ ‫‪25‬‬ ‫‪12‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪65‬‬ ‫‪21‬‬ ‫‪26‬‬ ‫‪26‬‬
‫‪22‬‬ ‫‪21‬‬ ‫‪16‬‬ ‫‪25‬‬ ‫‪62‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪21‬‬ ‫‪26‬‬
‫‪62‬‬ ‫‪21‬‬ ‫‪16‬‬ ‫‪28‬‬ ‫‪25‬‬ ‫‪65‬‬ ‫‪26‬‬ ‫‪26‬‬ ‫‪16‬‬ ‫‪28‬‬
‫‪25‬‬ ‫‪16‬‬ ‫‪26‬‬ ‫‪52‬‬ ‫‪11‬‬ ‫‪21‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪56‬‬ ‫‪22‬‬
‫‪12‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪25‬‬ ‫‪15‬‬ ‫‪22‬‬
‫المطم ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػوب‪:‬‬
‫‪ .1‬تنظيـ جدوؿ تكراري لمبيانات‪.‬‬
‫‪ .2‬رسـ المدرج التكراري والمنحني التكراري‪.‬‬
‫‪ .3‬رسـ المنحني التكراري الصاعد والنازؿ‪.‬‬
‫‪ .4‬مف المنحني التكراري التجمعي الصػاعد اوجػد عػدد الطػالب الػذيف تقػؿ درجػاتهـ عػف ت‪ 80‬والحػد االعمػى‬
‫لمدرجة التي حصؿ عميها ‪ 50‬طالب‪.‬‬
‫‪- 21 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .1‬يتـ تنظيـ الجدوؿ التكراري كما في الجدوؿ (‪. )10-1‬‬
‫المدى = اعمى قيمة – اقؿ قيمة = ‪44 = 53 – 97‬‬
‫عدد الفئات = ‪8 =7.127 = 1+3.33 x 1.84 = 1+3.33log70 = 1+3.33logN‬‬
‫المدى‬
‫جدوؿ (‪ )10-2‬تنظيـ الجدوؿ التكراري‬
‫انتكرار‬ ‫انتكرار‬
‫يركس‬
‫انفئبث‬ ‫انتكرار‬ ‫انحدود انحقيقيت نهفئبث‬ ‫انتجًعي‬ ‫انتجًعي‬
‫انفئت‬
‫‪56 – 51‬‬ ‫‪2‬‬ ‫‪56.5 – 51.5‬‬ ‫‪55.5‬‬ ‫‪2‬‬ ‫‪26‬‬
‫‪56 – 22‬‬ ‫‪6‬‬ ‫‪51.5 – 22.5‬‬ ‫‪28.5‬‬ ‫‪86‬‬ ‫‪22‬‬
‫‪25 –26‬‬ ‫‪1‬‬ ‫‪22.5 – 26.5‬‬ ‫‪22.5‬‬ ‫‪68‬‬ ‫‪52‬‬
‫‪28 – 22‬‬ ‫‪66‬‬ ‫‪26.5 – 22.5‬‬ ‫‪26.5‬‬ ‫‪28‬‬ ‫‪26‬‬
‫‪22 – 16‬‬ ‫‪86‬‬ ‫‪22.5 –16.5‬‬ ‫‪26.5‬‬ ‫‪56‬‬ ‫‪66‬‬
‫‪16 – 11‬‬ ‫‪1‬‬ ‫‪16.5 – 11.5‬‬ ‫‪15.5‬‬ ‫‪28‬‬ ‫‪82‬‬
‫‪16 – 62‬‬ ‫‪2‬‬ ‫‪11.5 – 62.5‬‬ ‫‪68.5‬‬ ‫‪22‬‬ ‫‪6‬‬
‫‪65 – 866‬‬ ‫‪6‬‬ ‫‪62.5 – 866.5‬‬ ‫‪62.5‬‬ ‫‪26‬‬ ‫‪6‬‬
‫‪ .2‬نرسـ المدرج التكراري مع المنحني التكراري اعتمادا عمى البيانػات فػي الجػدوؿ التكػراري (‪ )10-2‬كمػا فػي‬
‫الشكميف (‪ )10-2‬و (‪ )11-2‬عمى التوالي‪.‬‬
‫شكؿ (‪ )11-2‬المدرج التكراري‬ ‫شكؿ (‪ )10-2‬المنحني التكرري‬
‫‪- 22 -‬‬
‫زراك‬
‫‪ .3‬نرسـ المنحني التكراري التجمعي الصاعد والنازؿ كما في الشكؿ (‪)12-2‬‬
‫شكؿ (‪ )12-2‬شكؿ المنحني التكراري الصاعد والنازؿ‬
‫‪ .4‬نرسػػـ المنحنػػي التك ػراري التجمعػػي الصػػاعد ثػػـ نوجػػد عػػدد الطػػالب الػػذيف تقػػؿ درجػػاتهـ عػػف ت‪ 80‬والحػػد‬
‫االعمى لمدرجة التي حصؿ عميها ‪ 40‬طالب‪.‬‬
‫مػػف المنحنػػي نسػػتخرج بواسػػطة رسػػـ السػػهـ االحمػػر نالحػػظ اف عػػدد الطػػالب الػػذيف حصػػموا عمػػى ت‪ 80‬مػػف‬
‫الدرجػػة يبمػػه عػػددهـ (‪ )54‬طالػػب ‪ ,‬وكػػذلؾ هنػػاؾ (‪ )40‬طالػػب حسػػب مػػا مؤشػػر بالسػػهـ االخرػػر هػػـ الػػذيف‬
‫حصموا عمى ت‪ 74‬مف الدرجة في مادة االحصاء‪.‬‬
‫‪- 23 -‬‬
‫زراك‬
‫مسزلة (‪:)3‬‬
‫تػػـ اجػراء تحميػػؿ كيميػػائي الػػى (‪ )54‬نمػػوذج مػػف ترسػػبات تكػػويف رممػػي فػػي منطقػػة الصػػحراء الغربيػػة لمعرفػػة‬
‫تراكيز السيميكا )‪ (SiO2‬وكانت النتائج كما مدرجة في الجدوؿ (‪:)11-2‬‬
‫جدوؿ (‪ )11-2‬بيانات التحاليؿ الكيميائية‬
‫رقى‬ ‫)‪(SiO2‬‬ ‫رقى‬ ‫)‪(SiO2‬‬ ‫رقى‬ ‫)‪(SiO2‬‬ ‫رقى‬ ‫)‪(SiO2‬‬ ‫رقى‬ ‫)‪(SiO2‬‬ ‫رقى‬ ‫)‪(SiO2‬‬
‫انًُىذج‬ ‫‪%‬‬ ‫انًُىذج‬ ‫‪%‬‬ ‫انًُىذج‬ ‫‪%‬‬ ‫انًُىذج‬ ‫‪%‬‬ ‫انًُىذج‬ ‫‪%‬‬ ‫انًُىذج‬ ‫‪%‬‬
‫‪S1‬‬ ‫‪26‬‬ ‫‪S10‬‬ ‫‪52‬‬ ‫‪S19‬‬ ‫‪51‬‬ ‫‪S28‬‬ ‫‪52‬‬ ‫‪S37‬‬ ‫‪56‬‬ ‫‪S46‬‬ ‫‪25‬‬
‫‪S2‬‬ ‫‪28‬‬ ‫‪S11‬‬ ‫‪65‬‬ ‫‪S20‬‬ ‫‪52‬‬ ‫‪S29‬‬ ‫‪21‬‬ ‫‪S38‬‬ ‫‪26‬‬ ‫‪S47‬‬ ‫‪28‬‬
‫‪S3‬‬ ‫‪22‬‬ ‫‪S12‬‬ ‫‪21‬‬ ‫‪S21‬‬ ‫‪56‬‬ ‫‪S30‬‬ ‫‪52‬‬ ‫‪S39‬‬ ‫‪66‬‬ ‫‪S48‬‬ ‫‪22‬‬
‫‪S4‬‬ ‫‪58‬‬ ‫‪S13‬‬ ‫‪55‬‬ ‫‪S22‬‬ ‫‪22‬‬ ‫‪S31‬‬ ‫‪62‬‬ ‫‪S40‬‬ ‫‪58‬‬ ‫‪S49‬‬ ‫‪56‬‬
‫‪S5‬‬ ‫‪26‬‬ ‫‪S14‬‬ ‫‪26‬‬ ‫‪S23‬‬ ‫‪21‬‬ ‫‪S32‬‬ ‫‪62‬‬ ‫‪S41‬‬ ‫‪61‬‬ ‫‪S50‬‬ ‫‪26‬‬
‫‪S6‬‬ ‫‪21‬‬ ‫‪S15‬‬ ‫‪55‬‬ ‫‪S24‬‬ ‫‪68‬‬ ‫‪S33‬‬ ‫‪56‬‬ ‫‪S42‬‬ ‫‪28‬‬ ‫‪S51‬‬ ‫‪22‬‬
‫‪S7‬‬ ‫‪56‬‬ ‫‪S16‬‬ ‫‪25‬‬ ‫‪S25‬‬ ‫‪22‬‬ ‫‪S34‬‬ ‫‪26‬‬ ‫‪S43‬‬ ‫‪22‬‬ ‫‪S52‬‬ ‫‪56‬‬
‫‪S8‬‬ ‫‪22‬‬ ‫‪S17‬‬ ‫‪21‬‬ ‫‪S26‬‬ ‫‪21‬‬ ‫‪S35‬‬ ‫‪26‬‬ ‫‪S44‬‬ ‫‪21‬‬ ‫‪S53‬‬ ‫‪26‬‬
‫‪S9‬‬ ‫‪22‬‬ ‫‪S18‬‬ ‫‪22‬‬ ‫‪S27‬‬ ‫‪52‬‬ ‫‪S36‬‬ ‫‪22‬‬ ‫‪S45‬‬ ‫‪26‬‬ ‫‪S54‬‬ ‫‪22‬‬
‫المطمػ ػػوب‪-:‬‬
‫‪ .A‬انشاء جدوؿ تكراري باستعماؿ ستة فئات‪.‬‬
‫‪ .B‬ارسـ المدرج التكراري‪.‬‬
‫‪ .C‬ارسـ المنحني التكراري‪.‬‬
‫‪ .D‬ارسـ المنحني التكراري الصاعد والنازؿ‪.‬‬
‫‪- 24 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪-:‬‬
‫‪ .A‬يتـ تنظيـ الجدوؿ التكراري باستخداـ ستة فئات كما في الجدوؿ (‪.)12-2‬‬
‫المدى = اعمى قيمة – اقؿ قيمة = ‪29 = 31 – 60‬‬
‫المدى‬
‫جدوؿ (‪)12-2‬‬
‫انتكرار انتجًعي‬ ‫انتكرار‬
‫انفئبث‬ ‫انتكرار‬ ‫يركس انفئت‬
‫انصبعد‬ ‫انتجًعي انُبزل‬
‫‪68 – 65‬‬ ‫‪6‬‬ ‫‪66‬‬ ‫‪6‬‬ ‫‪52‬‬
‫‪62 – 26‬‬ ‫‪5‬‬ ‫‪61‬‬ ‫‪2‬‬ ‫‪56‬‬
‫‪28 – 25‬‬ ‫‪86‬‬ ‫‪26‬‬ ‫‪86‬‬ ‫‪22‬‬
‫‪22 – 56‬‬ ‫‪66‬‬ ‫‪21‬‬ ‫‪66‬‬ ‫‪65‬‬
‫‪58 – 55‬‬ ‫‪86‬‬ ‫‪56‬‬ ‫‪26‬‬ ‫‪85‬‬
‫‪52 - 26‬‬ ‫‪5‬‬ ‫‪51‬‬ ‫‪52‬‬ ‫‪5‬‬
‫‪ .B‬نرسـ المدرج التكراري وكما في الشكؿ (‪:)13-2‬‬
‫‪- 25 -‬‬
‫زراك‬
‫‪ .C‬نرسـ المنحني التكراري كما في الشكؿ (‪:)14-2‬‬
‫‪ .D‬نرسـ المنحني التكراري التجمعي كما في الشكؿ (‪:)15-2‬‬
‫شكؿ (‪ )15-2‬المنحني التكراري التجمعي‬
‫‪- 26 -‬‬
‫زراك‬
‫الفصل الثالث‬
‫المنحني التكراري ‪: Frequency Curve‬‬
‫مركػز الفئػات والتػي يمثػؿ ارتفاعهػا تكػ اررات تمػؾ الفئػات‪.‬‬
‫هو عبارة عف منحني يمر بكافة النقاط الواقعة في ا‬
‫يمكف الحصوؿ عمى منحني تكراري مف المرمع التكراري )‪ (Polygon or the Ogive‬بعد اجػراء عمميػة تهػذيب‬
‫)‪ (Smoothing‬الى الخطوط المتكسرة‪ ,‬كما في الشكؿ (‪:)1-3‬‬
‫شكؿ (‪ )1-3‬شكؿ المنحني التكراري‬
‫عادة يتـ اقفاؿ المنحني التكراري في البداية والنهاية وذلؾ باف توصؿ بدايته بالحد االدنػى لمفئػة االولػى ونهايتػه‬
‫بالحػػد االعمػػى لمفئػػة االخيػرة‪ .‬مسػػاحة المنطقػػة الواقعػػة تحػػت المنحنػػي مكافئػػة (وليسػػت مسػػاوية) لمسػػاحة المػػدرج‬
‫التكراري‪.‬‬
‫انواع المنحنيات التك اررية ‪: Types of Frequency Curves‬‬
‫اهػـ االشػػكاؿ لممنحنيػػات التك ارريػػة التػػي مػػف الممكػف اف نحصػػؿ عميهػػا اثنػػاء عمميػػات المعالجػػة االحصػػائية‬
‫لمنتائج مف عممية رسـ المنحني التكراري هي‪-:‬‬
‫‪ )a‬المنحني الطبيعي ‪: Symmetrical Shape‬‬
‫يسػػمى المنحنػػي الطبيعػػي كػػذلؾ بمنحنػػي كػػاوس )‪ (Gaussian Curve‬نسػػبة الػػى العػػالـ الػػذي اشػػتؽ معادلػػة‬
‫المنحني عاـ )‪ , (1777-1865‬واحيانا يسمى منحني كاوس – البالس‪.‬‬
‫وهػػو المنحنػػي الػػذي يتصػػؼ بػػاف القػػيـ او البيانػػات تتػػوزع بشػػكؿ متماثػػؿ عمػػى جػػانبي خػػط المنتصػػؼ‪ ,‬أو عمػػى‬
‫يميف ويسار الوسط الحسابي ) ̅ ( ‪ Mean‬لمقراءات او البيانػات ‪ .‬إف نهايػات المنحنػي مػف جهػة اليمػيف واليسػار‬
‫تمثؿ التك اررات القميمة لمقيـ في الفئات العميا والدنيا‪ ,‬كما في الشكؿ (‪:)2-3‬‬
‫‪- 27 -‬‬
‫زراك‬
‫شكؿ (‪ )2-3‬المنحني التكراري الطبيعي‬
‫خواص المنحني الطبيعي‪:‬‬

‫شكؿ المنحني يكوف عمى هيئة ناقوس ‪.Bell‬‬ ‫‪.1‬‬
‫تتركز القيـ او القراءات حوؿ الوسط الحسابي ̅ ( بحيث تقسمه الى قسميف متساوييف‪.‬‬ ‫‪.2‬‬
‫الوسط الحسابي‪ ,‬الوسيط‪ ,‬المنواؿ‪ ,‬لها نفس القيمة‪.‬‬ ‫‪.3‬‬
‫طرفي المنحني تتناقص باالرتفاع كمما ابتعدنا عف الوسط الحسابي‪.‬‬ ‫‪.4‬‬
‫‪ )b‬منحني عمى شكؿ ‪: U-Shape‬‬
‫هػػو المنحنػػي الػػذي يتصػػؼ بػػاف القػػيـ تتػػوزع بشػػكؿ متماثػػؿ عمػػى خػػط المنتصػػؼ وعمػػى يمػػيف ويسػػار الوسػػط‬
‫الحسابي ‪ , Mean‬ولكف نهايات المنحني تمثؿ او تمتمؾ قيـ عميا ‪ ,‬كما في الشكؿ (‪:)3-3‬‬
‫شكؿ (‪ )3-3‬المنحني ‪U-shape‬‬
‫‪- 28 -‬‬
‫زراك‬
‫يكػػوف شػػكؿ الجػػدوؿ التكػراري الػػذي يكػػوف منحنػػي يكػراري عمػػى شػػكؿ ‪ ,U-Shape‬حيػػث تمتمػػؾ الفئػػات ذات القػػيـ‬
‫العالية والفئات ذات القيـ القميمة تك اررات عالية كما في الشكؿ (‪.)4-3‬‬
‫شكؿ (‪ )4-3‬شكؿ المدرج التكراري‬
‫‪ )c‬منحني ذو التواء موجب ‪: Right (Positive) Skewed‬‬

‫ويسمى كذلؾ التواء موجب ‪ , Positive Skewed‬وهي المنحنيات التي طرفها الطويؿ يقع في الجهة اليمنى‬
‫مف المنحني ‪ ,‬كما في الشكؿ (‪:)5-3‬‬
‫شكؿ (‪ )5-3‬المنحني ذو التواء موجب‬
‫هػػذا المنحنػػي يعنػػي اف التكػ اررات القميمػػة تقػػع فػػي الفئػػات او المجػػاميع ذات القػػيـ العاليػػة ‪ ,‬كمػػا فػػي المػػدرج التكػراري‬
‫(‪ . )6-3‬هذا النوع مف المنحنيات يمتمؾ قيمة عمية واحدة فقط‪.‬‬
‫‪- 29 -‬‬
‫زراك‬
‫شكؿ (‪ )6-3‬مدرج تكراري‬
‫‪ )d‬منحني ذو التواء سالب ‪: Left (Negative) Skewed‬‬

‫ويسػػمى كػػذلؾ الت ػواء موجػػب ‪ , Negative Skewed‬وهػػي المنحنيػػات التػػي طرفهػػا الطويػػؿ يقػػع فػػي الجهػػة‬
‫اليسرى مف المنحني ‪ ,‬كما في الشكؿ (‪:)7-3‬‬
‫شكؿ (‪ )7-3‬منحني ذو التواء سالب‬
‫هذا المنحني يعني اف التك اررات القميمة تقع في الفئات او المجاميع ذات القيـ الواطئة ‪ ,‬كما في المدرج التكراري‬
‫(‪ . )8-3‬هذا النوع مف المنحنيات يمتمؾ قيمة عمية واحدة فقط‪.‬‬
‫‪- 31 -‬‬
‫زراك‬
‫شكؿ (‪ )8-3‬مدرج تكراري‬
‫‪ )e‬منحني عمى شكؿ حرؼ (ر) أو )‪:(J-Shape‬‬

‫هذا المنحني تزداد فيه عدد التك اررات بشػكؿ طػردي أو بصػورة كبيػرة مػع زيػادة القػيـ فػي الفئػات االخيػرة او مػع‬
‫زيادة القيـ في الحدود العميا لمفئات‪ ,‬كما في الشكؿ (‪:)9-3‬‬
‫شكؿ (‪ )9-3‬منحني عمى شكؿ حرؼ (ر)‬
‫المػػدرج التك ػراري (‪ ,)10-3‬يورػػح كيفيػػة زيػػادة عػػدد التك ػ اررات مػػع زيػػادة القػػيـ فػػي الفئػػات االخي ػرة ذات القػػيـ‬
‫العالية‪.‬‬
‫‪- 31 -‬‬
‫زراك‬
‫‪ )f‬منحني عمى شكؿ معكوس حرؼ (ر) او عمى شكؿ )‪: (Reverse J – Shape‬‬
‫هذا المنحنػي تتنػاقص فيػه عػدد التكػ اررات بشػكؿ طػردي أو بصػورة كبيػرة مػع زيػادة القػيـ فػي الفئػات االخيػرة او‬
‫مع زيادة القيـ في الحدود العميا لمفئات‪ ,‬كما في الشكؿ (‪:)11-3‬‬
‫شكؿ (‪ )11-3‬منحني عمى شكؿ معكوس حرؼ (ر)‬
‫المدرج التكراري (‪ )12-3‬يورح كيفية زيادة عدد التك اررات مع زيادة القيـ في الفئات االخيرة ذات القيـ العالية‪.‬‬
‫‪- 32 -‬‬
‫زراك‬
‫‪ )g‬منحني ذو قمتيف ‪:Bimodal Curve‬‬

‫وهو المنحني الذي يمتمؾ قمتيف او قيمتيف عميا‪ ,‬كما في الشكؿ (‪:)13-3‬‬
‫شكؿ (‪ )13-3‬منحني ذو قمتيف‬
‫المدرج التكراري الذي يكوف هذا المنحني يكوف بالشكؿ (‪:)14-3‬‬
‫‪- 33 -‬‬
‫زراك‬
‫‪ )h‬منحني متعدد القيـ ‪: Multimodal Curve‬‬
‫وهو المنحني الذي يمتمؾ اكثر مف قمتيف او اكثر مف قيمتيف عميا‪ ,‬وقد تكوف ثػالث‪ ,‬اربػع او خمػس قمػـ‪.....‬‬
‫كما في الشكؿ (‪:)15-3‬‬
‫شكؿ (‪ )15-3‬منحني تكراري متعدد القيـ‬
‫المدرج التكراري الذي ينتج هذا النوع مف المنحني التكراري يكوف كما في الشكؿ (‪:)16-3‬‬
‫‪- 34 -‬‬
‫زراك‬
‫‪ )i‬المنحنيات المتفمطحة ‪: Kurtosis Curves‬‬
‫وهي المنحنيات التي تتميز بامتالكها انتشار واسع لتكرار القيـ عمى عدد الفئات وذات فئات تك اررية واطئػة او‬
‫متقاربة وتكوف عمى ثالث انواع‪:‬‬
‫‪ .1‬منحني واطئ التفمطح ‪:Platykurtic‬‬
‫يتميز هذا المنحني بامتالكه قمة واطئة او ذات تكػرار قميػؿ مػع وجػود انشػار واسػع لتكػرار القػيـ عمػى بقيػة‬
‫الفئات ذات فروقات قميمة‪ ,‬كما في الشكؿ (‪:)17-3‬‬
‫شكؿ (‪ )17-3‬منحني واطئ التفمطح‬
‫المدرج التكراري الذي يؤدي الى حصوؿ هذا النوع مف المنحنيات يكوف كما في الشكؿ (‪:)18-3‬‬
‫‪- 35 -‬‬
‫زراك‬
‫‪ .2‬منحني تكراري معتدؿ التفمطح ‪: Mesokurtic Curve‬‬
‫يتميز هذا المنحني بامتالكػه قمػة معتدلػة او ذات تكػرار قميػؿ مػع وجػود انشػار واسػع لتكػرار القػيـ عمػى بقيػة الفئػات‬
‫ذات فروقات متقاربة‪ ,‬كما في الشكؿ (‪:)18-3‬‬
‫شكؿ (‪ )18-3‬منحني معتدؿ التفمطح‬
‫المدرج التكراري الذي ينتج هذا النوع مف المنحنيات المعتدلة التفمطح كما في الشكؿ (‪:)19-3‬‬
‫‪- 36 -‬‬
‫زراك‬
‫‪ .3‬منحني عالي التفمطح ‪: Leptokurtic Curve‬‬
‫يتميز هذا المنحني بامتالكه قمة شبه عالية او ذات تكرار شبه معتدؿ مع وجود انشار واسع لتكرار القيـ عمى بقية‬
‫الفئات ذات فروقات شبه متقاربة‪ ,‬كما في الشكؿ (‪:)20-3‬‬
‫شكؿ (‪ )20-3‬منحني عالي التفمطح‬
‫المدرج التكراري الذي يكوف هذا النوع مف المنحني التكراري كما في الشكؿ (‪:)21-3‬‬
‫‪- 37 -‬‬
‫زراك‬
‫مسالة تطبيقية‪:‬‬
‫مف الجدوؿ التكراري (‪ ,)1-3‬ارسـ المنحني التكراري ‪ ,‬ثـ بيف نوع المنحني؟‬
‫انفئبث‬ ‫انتكرار‬ ‫انفئبث‬ ‫انتكرار‬
‫‪111 - 115‬‬ ‫‪5‬‬ ‫‪161 - 165‬‬ ‫‪12‬‬
‫‪116 - 120‬‬ ‫‪8‬‬ ‫‪166 - 170‬‬ ‫‪17‬‬
‫‪121 - 125‬‬ ‫‪14‬‬ ‫‪171 - 175‬‬ ‫‪19‬‬
‫‪126 - 130‬‬ ‫‪19.5‬‬ ‫‪176 - 180‬‬ ‫‪22‬‬
‫‪131 - 135‬‬ ‫‪21‬‬ ‫‪181 - 185‬‬ ‫‪22‬‬
‫‪136 - 140‬‬ ‫‪19.5‬‬ ‫‪186 - 190‬‬ ‫‪20‬‬
‫‪141 - 145‬‬ ‫‪17‬‬ ‫‪191 - 195‬‬ ‫‪18‬‬
‫‪146 - 150‬‬ ‫‪12‬‬ ‫‪196 - 200‬‬ ‫‪15‬‬
‫‪151 - 155‬‬ ‫‪10‬‬ ‫‪201 - 205‬‬ ‫‪10‬‬
‫‪156 - 160‬‬ ‫‪10‬‬ ‫‪206 – 210‬‬ ‫‪5‬‬
‫الحػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫نرسػػـ المنحنػػي التك ػراري كمػػا فػػي الشػػكؿ (‪ , )22-3‬ثػػـ نبػػيف مػػف الرسػػـ اف المنحنػػي هػػو مػػف نػػوع المنحنػػي ذو‬
‫القمتيف ‪. Bimodal‬‬
‫شكؿ (‪ )22-3‬منحني ذو القمتيف‬
‫‪- 38 -‬‬
‫زراك‬
‫الفصل الرابع‬
‫مقاييس النزعة المركزية أو مقاييس التمركز أو التوسط‬
‫‪Measures of Central Tendency‬‬
‫إف معظػػـ البيانػػات او النتػػائج المستحصػػمة مػػف د ارسػػة ظػػاهرة معينػػة عػػادة مػػا تميػػؿ الػػى التركيػػز حػػوؿ قيمػػة‬
‫معينة او تتمركز في الوسػط او حػوؿ المعػدؿ الحسػابي لهػذ النتػائج او قريبػة منػه‪ ,‬وفػي هػذ الحالػة يمكػف اسػتخداـ‬
‫ه ػػذ (القيم ػػة المركزي ػػة) لتمثي ػػؿ ه ػػذ المجموع ػػة م ػػف البيان ػػات او المق ػػاييس‪ ,‬وب ػػذلؾ يمك ػػف تعري ػػؼ مق ػػاييس النزع ػػة‬
‫المركزية بانها تمؾ القوانيف او العالقات التي تهتـ في ايجاد او حسػاب او تقػدير قيمػة معينػة تتمركػز حولهػا ا مبيػة‬
‫البيانػػات او النتػػائج‪ ,‬او بصػػيغة اخػػرى هػػي تمػػؾ الق ػوانيف التػػي تهػػتـ فػػي د ارسػػة مقػػدار ميػػؿ النتػػائج او البيانػػات الػػى‬
‫التمركز او التجمع حوؿ الوسط الحسابي لهذ البيانات‪.‬‬
‫هذ القيمة هي عبارة عف رقػـ واحػد يمثػؿ المعػدؿ لجميػع البيانػات المستحصػمة مػف تمػؾ الظػاهرة‪ ,‬اذف مهمػة‬
‫االحصػػاء هػػي وصػػؼ ظػػاهرة معينػػة باسػػتخداـ رقػػـ واحػػد فقػػط او بمعنػػى آخػػر هػػي اعطػػاء نتػػائج مػػوجزة وموثوقػػة‬
‫لوصؼ ظاهرة معينة باستخداـ رقـ محدد‪.‬‬
‫بعض المصطمحات تستخدـ يوميا بصورة واسعة وشائعة مثؿ معدؿ االسػعار ‪ ,‬كميػة سػقوط المطػر ‪ ,‬معػدؿ‬
‫الح اررة‪ ,‬معدؿ تركيز فمز معيف ‪ ,‬معػدؿ سػمؾ طبقػة صػخرية ‪ ...... ,‬الػأ وهكػذا مػف هػذ المصػطمحات ممكػف اف‬
‫نفهـ ميؿ او نزعة القراءات الف تتمركز او تتجمع بالقرب مف قيمة معينة ‪ ,‬فبدالً مػف اف نػذكر كافػة النتػائج ممكػف‬
‫اف نكتفػػي ب ػرقـ واحػػد فقػػط يمثػػؿ جميػػع هػػذ الق ػراءات والػػذي يعطػػي فك ػرة وارػػحة وموثوقػػة عػػف طبيعػػة الظػػاهرة‬
‫المدروسة‪ .‬يجب اف يتوفر في هذ المقاييس الصفات والخصائص التالية لكي يكوف المقياس جيداً‪:‬‬
‫‪ .A‬اف يعتمد المقياس في حسابه عمى كؿ المشاهدات‪.‬‬
‫‪ .B‬اف يتوفر فيه االمكانية في التعامؿ الجبري‪.‬‬
‫‪ .C‬اف يكوف المقياس سهؿ الفهـ والتعامؿ‪.‬‬
‫‪ .D‬يجب اف ال يتزثر بالقيـ الشاذة والمتطرفة‪.‬‬
‫أهـ مقاييس النزعة المركزية هي‪-:‬‬
‫‪ .1‬الوسط الحسابي (المتوسط الحسابي) ‪The Arithmetic Mean‬‬
‫‪ .2‬الوسط الهندسي ‪The Geometric Mean‬‬
‫‪ .3‬الوسط التوافقي ‪The Harmonic Mean‬‬
‫‪- 39 -‬‬
‫زراك‬
‫‪ .4‬الوسط التربيعي‪The Quadratic Mean‬‬
‫‪ .5‬الوسيط ‪The Median‬‬
‫‪ .6‬المنواؿ ‪The Mode‬‬
‫كؿ مقياس مف هذ المقييس يفرؿ استخدامه في حاالت معينة او محددة وال يفرؿ استخدامه في حالت اخرى‪.‬‬
‫الوسط الحسابي (المتوسط الحسابي) ‪:The Arithmetic Mean‬‬ ‫‪.1‬‬
‫هػػو القيمػػة التػػي تمثػػؿ معػػدؿ القػػيـ او النتػػائج والتػػي تنػػتج مػػف حاصػػؿ قسػػمة مجمػػوع تمػػؾ القػػيـ عمػػى عػػددها او هػػو‬
‫(‪ ,‬والصػػيغة‬ ‫حاصػػؿ قسػػمة مجمػػوع قػػيـ مفػػردات العينػػة عمػػى حجػػـ العينػػة‪ ,‬يرمػػز الػػى الوسػػط الحسػػابي بػػالرمز )‬
‫الريارية له في حالة البيانات ير المبوبة هي‪:‬‬
‫∑‬ ‫∑‬
‫حيث اف ‪ Xi‬تمثؿ القيـ او القراءات المستحصمة و ‪ n‬تمثؿ عدد تمؾ القيـ‪.‬‬

‫‪78 , 87 , 68 , 72 , 91 , 84‬‬ ‫مثاؿ عمى ذلؾ اذا كانت لدينا القيـ التالي ػ ػ ػػة‪:‬‬
‫أوجد الوسط الحسابي لها‪.‬‬
‫∑‬
‫في حالة الجداوؿ التك اررية يتـ استخراج الوسط الحسابي بموجب الخطوات التالية‪-:‬‬
‫‪ .1‬تعييف مراكز الفئات )‪, (Xi‬حيث يتـ ارافة عمود الى الجدوؿ التكراري يمثؿ مركز الفئة ‪.‬‬
‫‪ .2‬ررب مركز كؿ فئة في تكرار تمؾ الفئة = )‪.(fi x Xi‬‬
‫∑‬
‫̅‬ ‫*‬ ‫∑‬
‫‪ .3‬قسمة مجموع (حاصؿ ررب مركز كؿ فئة في مقدار تكرارهػا) عمػى مجمػوع التكػ اررات‪+‬‬
‫لكي نحصؿ عمى الوسط الحسابي لمبيانات في الجدوؿ التكراري‪.‬‬
‫‪- 41 -‬‬
‫زراك‬
‫مثاؿ‪:‬‬
‫مف الجدوؿ التكراري رقـ (‪ : )1-4‬أوجػ ػ ػػد الوسط الحسابي‪.‬‬
‫جدوؿ رقـ (‪)1-4‬‬
‫‪fi x Xi‬‬
‫‪Classes‬‬ ‫‪fi‬‬ ‫‪Xi‬‬
‫‪68 – 26‬‬ ‫‪8‬‬ ‫‪65.5‬‬ ‫‪65.5‬‬
‫‪28 – 56‬‬ ‫‪6‬‬ ‫‪25.5‬‬ ‫‪68.6‬‬
‫‪58 – 26‬‬ ‫‪5‬‬ ‫‪55.5‬‬ ‫‪622.5‬‬
‫‪28 – 26‬‬ ‫‪85‬‬ ‫‪25.5‬‬ ‫‪616.5‬‬
‫‪28 - 16‬‬ ‫‪65‬‬ ‫‪25.5‬‬ ‫‪8112.5‬‬
‫‪18 – 66‬‬ ‫‪66‬‬ ‫‪15.5‬‬ ‫‪8286.6‬‬
‫‪68 – 866‬‬ ‫‪86‬‬ ‫‪65.5‬‬ ‫‪8822.6‬‬
‫انًجًىع ∑‬ ‫‪∑ = 16‬‬ ‫‪∑ = 2866‬‬
‫∑‬
‫∑‬
‫مف خصائص الوسط الحسابي اف مجموع انحرافات القيـ عف وسطها الحسابي تساوي صفر‪.‬‬
‫[∑‬ ‫]‬
‫اما في الجداوؿ التك اررية فتكوف ‪:‬‬
‫∑‬ ‫[‬ ‫]‬
‫‪ .2‬الوسط الهندسي ‪: The Geometric Mean‬‬

‫يعرؼ الوسط الهندسي الذي يرمز له بالرمز )‪ (G‬لمجموعة مف القيـ التي يرمز لها بالرمز )‪ (N‬بانه الجػذر‬
‫مرفوع بعدد القيـ لحاصؿ ررب كافة القيـ او القراءات‪ ,‬كما في الصيغة الريارية التالية‪:‬‬
‫√‬
‫مثاؿ عمى ذلؾ اف الوسط الهندسي لمقيـ (‪ )2 , 4 , 8‬سوؼ يكوف‪:‬‬
‫√‬ ‫√‬
‫عادة في التطبيؽ العممي يتـ حساب الوسط الهندسي باستخداـ المو اريتمات ‪ ,‬مثاؿ عمى ذلؾ‪:‬‬
‫√‬ ‫√‬
‫‪- 41 -‬‬
‫زراك‬
‫في حيف اف الوسط الحسابي لهذ القيـ هو‪:‬‬
‫∑‬
‫مف خصائص الوسط الهندسي ‪:‬‬

‫‪ .A‬تكوف قيمة الوسط الهندسي موجبة دائماً‪.‬‬
‫‪ .B‬اصغر قيمة مف الوسط الحسابي‪.‬‬
‫‪ .C‬ال يمكف ايجاد قيمة الوسط الهندسي اال اذا كانت مجموع القيـ موجبة‪.‬‬
‫‪ .D‬يستخدـ الوسط الهندسي في ايجاد االرقاـ القياسية لالسعار وايجاد معدؿ التغيير في المبيعات او السكاف‪.‬‬
‫‪ .3‬الوسط التوافقي ‪: The Harmonic Mean‬‬
‫يعػػرؼ الوسػػط الت ػوافقي بانػػه مقمػػوب الوسػػط الحسػػابي لمقمػػوب القػػيـ او النتػػائج‪ ,‬ويرمػػز لػػه بػػالرمز ( ̅ )‪,‬‬
‫والصيغة الريارية لموسط التوافقي هي‪:‬‬
‫̅‬
‫̅∑‬
‫مف خصائص الوسط التوافقي هو اف يكوف اقؿ مػف الوسػط الحسػابي‪ ,‬ويسػتخدـ عػادة فػي ايجػاد معػدؿ سػعر سػعر‬
‫سمعة معينة عندما يكوف هناؾ تفاوت كبير في اسعار تمؾ السمعة‪.‬‬
‫مثاؿ عمى ذلؾ‪:‬‬
‫اشترى مزارع بذور القمح بسعر اجمالي قدر (‪ )100000‬دينار مف كؿ مف الشركات التالية‪:‬‬
‫الشركة االولى كاف سعر الطف الواحد مف بذور القمح = ‪ 20000‬دينار‬
‫الشركة الثانية كاف سعر الطف الواحد مف بذور القمح = ‪ 25000‬دينار‬
‫الشركة الثالثة كاف سعر الطف الواحد مف بذور القمح = ‪ 50000‬دينار‬
‫ما هو سعر متوسط سعر الطف الواحد مف بذور القمح؟‬
‫‪- 42 -‬‬
‫زراك‬
‫الحػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫نستخدـ الوسط التوافقي في ايجاد متوسط سعر الطف الواحد في حالة وجود تبايف كبير في االسعار‪:‬‬
‫̅‬
‫̅∑‬
‫الوسط التوافقي في حالة الجداوؿ التك اررية ‪:‬‬

‫يمكف ايجاد الوسط التوافقي في حالة الجداوؿ التك اررية مف العالقة الريارية التالية‪:‬‬
‫مجموع التك اررات‬ ‫∑‬

‫̅‬
‫التكرار‬ ‫[∑‬ ‫]‬
‫*∑‬ ‫‪+‬‬
‫مث ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػاؿ ‪:‬‬
‫مف الجدوؿ التكراري (‪ ,)2-4‬اوجد الوسط التوافقي‪.‬‬
‫جدوؿ (‪)2-4‬‬
‫‪Frequency‬‬ ‫‪Mid-Point‬‬
‫‪Classes‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪26‬‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬

‫̅‬
‫التكرار‬ ‫[∑‬ ‫]‬
‫*∑‬ ‫‪+‬‬
‫‪- 43 -‬‬
‫زراك‬
‫‪ .4‬الوسط التربيعي ‪: The Quadratic Mean‬‬
‫يعرؼ الوسط التربيعي بانه الجذر التربيعي لموسط الحسابي لمربعات القيـ ‪. Root Mean Square‬‬
‫ويرمز له بالرمز )‪ .(R.M.S.‬العالقة الريارية الخاصة به هي ‪:‬‬
‫̅ ∑‬
‫√‬
‫أوجد الوسط التربيعي لمقيـ التالية‪)3 ,5 ,6 ,6 ,7 ,10 ,12( :‬‬
‫̅ ∑‬
‫√‬ ‫√‬
‫√‬
‫الوسط التربيعي في حالة الجداوؿ التك اررية‪:‬‬

‫لغرض ايجاد الوسط التربيعي في حالة الجداوؿ التك اررية نتبع الحؿ كما في العالقة الريارية التالية‪:‬‬
‫∑‬ ‫مربع مركز الفئة ∑‬ ‫التكرار‬

‫√‬ ‫√‬
‫∑‬ ‫التكرار ∑‬
‫مف الجدوؿ التكراري (‪, )3-4‬اوجد الوسط التربيعي‪.‬‬
‫‪Classes‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪26‬‬
‫‪- 44 -‬‬
‫زراك‬
‫الحػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫يػػتـ تنظػػيـ جػػدوؿ تك ػراري كمػػا فػػي الجػػدوؿ (‪ , )4-4‬لغػػرض اسػػتخراج المتغي ػرات المطموبػػة لتعويرػػها فػػي‬
‫المعادلة الريارية‪:‬‬
‫جدوؿ (‪)4-4‬‬
‫‪Classes‬‬ ‫‪(Xi)²‬‬ ‫‪fi x (Xi)²‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬ ‫‪6268‬‬ ‫‪81265‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬ ‫‪2662‬‬ ‫‪26261‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪2216‬‬ ‫‪811561‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬ ‫‪2666‬‬ ‫‪866666‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪26‬‬ ‫‪5666‬‬ ‫‪26266‬‬
‫‪∑ 866‬‬ ‫‪∑255166‬‬
‫∑‬ ‫مربع مركز الفئة ∑‬ ‫التكرار‬

‫√‬ ‫√‬ ‫√‬
‫∑‬ ‫التكرار ∑‬
‫‪ .5‬الوســــــــيط ‪: The Median‬‬

‫يعرؼ الوسيط بانه القيمة الواقعة في وسػط مجموعػة مػف القػيـ او القػراءات عنػدما يػتـ ترتيبهػا تصػاعديا او تنازليػاً‪.‬‬
‫ويرمػػز لػػه بػػالرمز )‪ , (Me‬وهػػو القيمػػة التػػي تقسػػـ مفػػردات العينػػة الػػى قسػػميف متسػػاوييف بعػػد ترتيبهػػا تصػػاعدياً أو‬
‫تنازلياً بحيث يكوف عدد المفردات االصغر منها في القيمة مساويا لعدد المفردات االكبر منها في القيمة‪.‬‬
‫في حالة االعداد الصحيحة ‪ :‬اذا كاف عدد القراءات فردي بهذ الحالة تكوف قيمة الوسيط هي القيمة التػي تقػع فػي‬
‫وسط القراءات‪.‬‬
‫مثاؿ عمى االعداد الصحيحة ‪ :‬إذا كاف لدينا عدد فردي مف القيـ (حجـ العينة فػردي) وتػـ ترتيبهػا تصػاعدياً‪ ,‬كمػا‬
‫يمي‪:‬‬
‫)‪(2 , 3 , 4 , 5 , 6 , 10 , 15‬‬
‫حيث اف ‪ n‬هي عدد القيـ‪.‬‬ ‫ترتيب قيمة الوسيط يستخرج مف العالقة التالية‪:‬‬
‫‪- 45 -‬‬
‫زراك‬
‫اذف ترتيب قيمة الوسيط هي القيمة الرابعة والتي تساوي (‪.)5‬‬
‫إذا كاف لدينا عدد زوجي مف القيـ (حجـ العينة زوجي)‪ ,‬وتـ ترتيبها تصاعديا او تنازليا وكما يمي‪:‬‬
‫)‪(1 , 3 , 6 , 8 , 11 , 15 , 17 , 22‬‬
‫بهذ الحالة يتـ استخراج ترتيب قيمة الوسيط والتي تمثؿ معدؿ القيمتيف الوسطيتيف باستخداـ العالقة التالية‪:‬‬
‫*‬ ‫ترتيب القيمة الثانية = ‪+‬‬ ‫‪,‬‬ ‫ترتيب القيمة االولى = ‪* +‬‬
‫= ‪ , 4‬إذف القيمة التي ترتيبها (‪ )4‬تساوي (‪.)8‬‬ ‫=‬ ‫نستخرج ترتيب القيمة االولى =‬
‫‪ ,5 = 1+4 =1 +‬إذف القيمة التي تريبها(‪)5‬تساوي (‪)11‬‬ ‫*=‬ ‫نستخرج ترتيب القيمة الثانية =‪+‬‬
‫= ‪9.5‬‬ ‫=‬ ‫قيمة السيط بهذ الحالة تساوي‬
‫في حالة الجداوؿ التك اررية أو البيانات المبوبة‪ ,‬يتـ ايجاد قيمة الوسيط مف الصيغة الريارية التالية‪:‬‬
‫∑‬
‫(‬ ‫)‬
‫الحد االدنى الحقيقي لفئة الوسيط = ‪L1‬‬

‫مجموع التك اررات = ‪N‬‬
‫محموع التك اررات لكافة الفئات لغاية بداية فئة الوسيط = ‪∑ f‬‬
‫تكرار فئة الوسيط = ‪f median‬‬
‫طوؿ فئة الوسيط = ‪C‬‬
‫كيفية ايجاد قيمة الوسيط مف جدوؿ التوزيع التكراري‪:‬‬
‫‪ .1‬عمؿ جدوؿ تكراري‬
‫=‬ ‫‪ .2‬ايجاد ترتيب الوسيط وهو =‬
‫‪ .3‬ايجاد التكرار التجمعي الصاعد‬
‫‪ .4‬نحػدد فئػػة الوسػيط ( وهػػي الفئػة التػػي يقػع ترتيػػب الوسػيط بػػيف حػديها) ويستحسػػف اف نزخػذ الحػػدود الحقيقيػػة‬
‫لها‪.‬‬
‫‪ .5‬نستخرج قيـ المتغيرات المطموبة لغرض تعويرها في القانوف ‪ ,‬ثـ نستخرج قيمة الوسيط‪.‬‬
‫‪- 46 -‬‬
‫زراك‬
‫مثاؿ ‪:‬أوجد قيمة الوسيط مف الجدوؿ التكراري (‪:)5-4‬‬
‫جدوؿ (‪)5-4‬‬
‫تكرار تجًعي صبعد‬
‫‪Classes‬‬ ‫‪fi‬‬
‫‪60 – 62‬‬ ‫‪5‬‬ ‫‪5‬‬
‫‪63 – 65‬‬ ‫‪81‬‬ ‫‪66‬‬
‫‪66 – 68‬‬ ‫‪26‬‬ ‫‪25‬‬
‫‪69 – 71‬‬ ‫‪62‬‬ ‫‪66‬‬
‫‪72 – 74‬‬ ‫‪1‬‬ ‫‪866‬‬
‫انًجًىع‬ ‫‪∑ 866‬‬
‫الحػ ػ ػ ػػؿ‪:‬‬
‫∑‬
‫= ‪ , 50‬هذا يعني اف قيمة الوسيط تقع عند الترتيػب (‪)50‬‬ ‫=‬ ‫‪ .A‬نستخرج ترتيب الوسيط =‬
‫‪ ,‬ومػف التكػرار التجمعػػي الصػاعد (الػػذي تػػـ ترتيػب القػػيـ بصػػورة تصػاعدية)‪ ,‬نجػػد اف الترتيػػب (‪)50‬‬
‫يقع رمف الفئة الثالثة ‪ ,‬اي بعد التكػرار التجمعػي الػذي هػو (‪ )23‬لغايػة التكػرار التجمعػي (‪ )65‬اذ‬
‫اف الترتيب (‪ )50‬يقع رمف الفئة الثالثة (‪ ,)66 – 68‬بهذ تـ تحديد فئة الوسيط‪.‬‬
‫‪ .B‬بعد تحديد فئة الوسيط يتـ استخراج بقية المتغيرات والتي هي‪:‬‬
‫الحد االدنى الحقيقي لفئة الوسيط ‪L1 = 65.5‬‬
‫∑‬ ‫مجموع التك اررات لغاية بداية فئة الوسيط ‪= 23‬‬
‫تكرار فئة الوسيط ‪= 42‬‬
‫‪=3‬‬ ‫طوؿ فئة الوسيط‬
‫مجموع التك اررات ‪= 100‬‬
‫‪ .C‬نطبؽ ونعوض في القانوف‪:‬‬
‫∑‬
‫(‬ ‫)‬ ‫(‬ ‫)‬
‫الطريقة الثانية في ايجاد قيمة الوسيط هي طريقة الرسػـ او طريقػة التمثيػؿ الصػوري لمبيانػات‪ ,‬وهػي طريقػة‬
‫مهمة وسريعة يتـ مف خاللها اسػتخراج قيمػة الوسػيط مباشػرة ‪ ,‬حيػث يػتـ رسػـ المنحنػي التكػراري التجمعػي الصػاعد‬
‫‪- 47 -‬‬
‫زراك‬
‫والمنحنػي التكػراري التجمعػػي النػػازؿ فػي نفػػس الرسػػـ عمػػى الورقػة البيانيػػة وعنػػد إنػزاؿ عمػود مػػف نقطػػة تقػػاطع هػػذيف‬
‫المنحنييف عمى المحور السيني (مراكز الفئات)‪ ,‬فاف نقطة التقاطع هذ تمثؿ قيمة الوسيط‪.‬‬
‫مثاؿ‪ :‬مف الجدوؿ التكراري (‪ )6-4‬اوجد قيمة الوسيط بطريقة الرسـ البياني‪.‬‬
‫جدوؿ رقـ (‪)6-4‬‬
‫‪60 – 62‬‬ ‫‪5‬‬
‫‪63 – 65‬‬ ‫‪81‬‬
‫‪66 – 68‬‬ ‫‪26‬‬
‫‪69 – 71‬‬ ‫‪62‬‬
‫‪72 – 74‬‬ ‫‪1‬‬
‫انًجًىع‬ ‫‪∑ 866‬‬
‫الحؿ‪ :‬نستخرج قيمة التكرار التجمعي الصاعد والنازؿ كما في الجدوؿ (‪ ,)7-4‬ثـ نرسـ المنحني التكراري‬
‫جدوؿ (‪ )7-4‬التكرار التجمعي الصاعد والنازؿ‬
‫انفئبث‬ ‫انتكرار‬ ‫تكرار تجًعي‬ ‫تكرار تجًعي‬
‫‪Classes‬‬ ‫‪fi‬‬ ‫صبعد‬ ‫َبزل‬
‫‪60 – 62‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪866‬‬
‫‪63 – 65‬‬ ‫‪81‬‬ ‫‪66‬‬ ‫‪65‬‬
‫‪66 – 68‬‬ ‫‪26‬‬ ‫‪25‬‬ ‫‪22‬‬
‫‪69 – 71‬‬ ‫‪62‬‬ ‫‪66‬‬ ‫‪65‬‬
‫‪72 – 74‬‬ ‫‪1‬‬ ‫‪866‬‬ ‫‪1‬‬
‫انًجًىع‬ ‫‪∑ 866‬‬
‫التجمعػػي الصػػاعد والنػػازؿ فػػي مرتسػػـ واحػػد كمػػا فػػي الشػػكؿ (‪ , )1-4‬حيػػث يكػػوف العمػػود النػػازؿ مػػف نقطػػة تقػػاطع‬
‫المنحنييف عمى المحور السيني ‪ ,‬نقطة االلتقاء تمثؿ قيمة الوسيط‪ .‬قيمة الوسيط تساوي ‪. 67.5‬‬
‫شكؿ (‪ )1-4‬المنحني التكراري التجمعي الصاعد والنازؿ‬
‫‪- 48 -‬‬
‫زراك‬
‫مسالة تطبيقية ‪:‬‬
‫اذا كاف لدينا الجدوؿ التكراري (‪:)8-4‬‬
‫جدوؿ (‪)8-4‬‬
‫‪881 – 862‬‬ ‫‪6‬‬
‫‪862 – 865‬‬ ‫‪5‬‬
‫‪862 – 822‬‬ ‫‪6‬‬
‫‪825 – 856‬‬ ‫‪86‬‬
‫‪852 – 826‬‬ ‫‪5‬‬
‫‪826 – 828‬‬ ‫‪2‬‬
‫‪826 - 816‬‬ ‫‪6‬‬
‫اوجد قيمة الوسيط بطريقتيف‪:‬‬
‫‪ .a‬بالطريقة الريارية باستخداـ قانوف الوسيط‬
‫‪ .b‬بطريقة الرسـ باستخداـ المنحني التكراري التجمعي‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .a‬اعتماداً عمى الجدوؿ التكراري(‪ , )8-4‬نوجد التكرار التجمعي الصاعد والنازؿ‬
‫‪ .b‬نوجد فئة الوسيط‬
‫‪ .c‬نوجد قيـ المتغيرات ثـ نطبؽ قانوف الوسيط‬
‫‪ .d‬يػػتـ عمػػؿ جػػدوؿ تك ػراري يترػػمف القػػيـ التك ارريػػة التجمعيػػة الصػػاعدة والنازلػػة ‪ ,‬كمػػا فػػي الجػػدوؿ‬
‫(‪.)9-4‬‬
‫جدوؿ (‪ )9-4‬ايجاد التكرار التجمعي الصاعد والنازؿ‬
‫انتكرار انتجًعي‬ ‫انتكرار انتجًعي‬
‫‪881 – 862‬‬ ‫‪6‬‬ ‫‪866‬‬ ‫‪6‬‬ ‫‪26‬‬
‫‪862 – 865‬‬ ‫‪5‬‬ ‫‪868‬‬ ‫‪1‬‬ ‫‪62‬‬
‫‪862 – 822‬‬ ‫‪6‬‬ ‫‪826‬‬ ‫‪82‬‬ ‫‪66‬‬
‫‪825 – 856‬‬ ‫‪86‬‬ ‫‪826‬‬ ‫‪66‬‬ ‫‪66‬‬
‫‪852 – 826‬‬ ‫‪5‬‬ ‫‪851‬‬ ‫‪62‬‬ ‫‪88‬‬
‫‪826 – 828‬‬ ‫‪2‬‬ ‫‪822‬‬ ‫‪61‬‬ ‫‪2‬‬
‫‪826 - 816‬‬ ‫‪6‬‬ ‫‪822‬‬ ‫‪26‬‬ ‫‪6‬‬
‫‪- 49 -‬‬
‫زراك‬
‫∑‬
‫= ‪ , 20‬إذف ترتيب الوسيط يقع في الفئة الرابعة (‪,)145 – 153‬‬ ‫=‬ ‫نستخرج ترتيب الوسيط =‬
‫‪L1 = 144.5‬‬ ‫الحد االدنى الحقيقي لفئة الوسيط‬
‫∑‬ ‫مجموع التك اررات لغاية بداية فئة الوسيط ‪= 17‬‬
‫تكرار فئة الوسيط ‪= 12‬‬
‫‪=9‬‬ ‫طوؿ فئة الوسيط‬
‫مجموع التك اررات ‪= 40‬‬
‫∑‬
‫(‬ ‫)‬ ‫(‬ ‫)‬
‫قيمة الوسيط تساوي ‪146.75‬‬

‫نرسػػـ المنحنػػي التكػراري التجمعػػي الصػػاعد والنػػازؿ فػػي مرتسػػـ واحػػد‪ ,‬شػػكؿ (‪ ,)2-4‬ثػػـ نسػػتخرج قيمػػة الوسػػيط مػػف‬
‫نقطة تقاطع المنحني التكراري التراكمي ومسقطها عمى المحور السيني والتي تساوي تقريبا (‪. )147‬‬
‫شكؿ (‪ )2-4‬مرتسـ المنحني التكراري التجمعي الصاعد والنازؿ‬
‫‪- 51 -‬‬
‫زراك‬
‫مثاؿ اثرائي‪:‬‬
‫أوجد قيمة الوسيط الجور العماؿ اليومية في احدى الشركات بالدينار وحسب الجدوؿ التكراري (‪.)10-4‬‬
‫جدوؿ (‪ )10-4‬توزيع االجور اليومية لمعماؿ‬
‫االجور‬ ‫عدد العماؿ‬

‫(دينار)‬ ‫(التكرار)‬
‫‪10 – 19‬‬ ‫‪3‬‬
‫‪20 - 29‬‬ ‫‪6‬‬
‫‪30 – 39‬‬ ‫‪10‬‬
‫‪40 – 49‬‬ ‫‪15‬‬
‫‪50 – 59‬‬ ‫‪8‬‬
‫‪60 – 69‬‬ ‫‪5‬‬
‫‪70 - 79‬‬ ‫‪3‬‬
‫المجموع‬ ‫‪50‬‬
‫الجواب ‪ 44 = Me :‬دينار‬
‫‪ .6‬المنـــــــــــــــــــــــــــــــــــوال ‪:The Mode‬‬
‫يعػػرؼ المنػواؿ بانػػه القيمػػة االكثػػر تكػ ار ار فػػي مجموعػػة مػػف القػػيـ او القػراءات‪ ,‬ويرمػػز لػػه بػػالرمز )‪ . (Mo‬اذا‬
‫كانػػت لػػدينا مجموعػػة مػػف القػراءات او البيانػػات يػػر المبوبػػة‪ ,‬قػػد ال يوجػػد فيهػػا منػواؿ او قػػد يوجػػد فيهػػا قيمػػة واحػػدة‬
‫لممنواؿ تسمى )‪ , (Unimodal‬او قد توجد قيمتيف لممنواؿ )‪ , (Bimodal‬أو قد يكوف لهذ القيـ اكثر مف منػواليف‬
‫تسمى )‪. (Multimodal‬‬
‫‪- 51 -‬‬
‫زراك‬
‫مث ػ ػ ػ ػ ػػاؿ (‪ :)1‬أوجد قيمة المنواؿ لمجموعة مف القيـ التالية‪:‬‬
‫)‪(2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18‬‬
‫المنواؿ في هذ الحالة هي القيمة االكثر تك ار ار وهو الرقـ (‪.)9‬‬
‫مث ػ ػ ػ ػ ػػاؿ (‪ :)2‬أوجد المنواؿ لمجموعة مف القيـ التالية‪:‬‬
‫)‪)2. 3, 4, 4, 4, 5, 5, 7, 7, 7, 9‬‬
‫المنواؿ في هذ الحالة هي القيمة (‪ )4‬والقيمة (‪ , )7‬اي يوجد فيها منواليف وتسمى )‪.(Bimodal‬‬
‫في حالة الجداوؿ التك اررية او البيانات المبوبة‪ ,‬يمكف استخراج المنواؿ وفؽ الصيغة الريارية التالية‪:‬‬
‫𝟏‬
‫المنوال‬ ‫𝒐𝑴‬ ‫𝟏𝑳‬ ‫𝑪𝒙‬
‫𝟏‬ ‫𝟐‬
‫الحد االدنى الحقيقي لفئة المنواؿ = ‪L1‬‬

‫الفرؽ بيف تكرار فئة المنواؿ والفئة السابقة لها‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة الالحقة لها‬
‫طوؿ الفئة = ‪C‬‬
‫مث ػ ػ ػ ػ ػ ػ ػ ػػاؿ (‪:)3‬‬
‫مف الجدوؿ التكراري (‪ , )10-4‬اوجد قيمة المنواؿ‪.‬‬
‫الفئات‬ ‫التكرار‬
‫‪60 – 62‬‬ ‫‪5‬‬
‫‪63 – 65‬‬ ‫‪18‬‬
‫‪66 – 68‬‬ ‫‪42‬‬
‫‪69 – 71‬‬ ‫‪27‬‬
‫‪72 – 74‬‬ ‫‪8‬‬
‫المجموع‬ ‫‪∑ 100‬‬
‫‪- 52 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫نالحظ اف الفئة الثالثة (‪ )66 – 68‬هي الفئة التي تمتمؾ اكثر التك اررات ‪ ,‬وهي بذلؾ تكوف فئة المنواؿ‪.‬‬
‫ثـ نستخرج بقية المتغيرات لغرض تطبيؽ القانوف وكما يمي‪:‬‬
‫الحد االدنى الحقيقي لفئة المنواؿ= ‪L1 = 65.5‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة السابقة لها = ‪42-18=24‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة الالحقة لها = ‪42-27=15‬‬
‫طوؿ الفئة =‪C = 3‬‬
‫المنواؿ‬
‫الطريقػػة الثاني ػة التػػي تسػػتخدـ فػػي ايجػػاد قيمػػة المن ػواؿ هػػي باسػػتخداـ المػػدرج التك ػراري‪ ,‬حيػػث اف المسػػتطيؿ‬
‫االعمى هو الذي يمثؿ فئة المنواؿ‪ .‬باسػتخداـ هػذ الطريقػة يػتـ انػزاؿ خػط مسػتقيـ مػف الزوايػا العميػا لمسػتطيؿ الفئػة‬
‫المنوالية لتقطع الزاوية العميا المقابمة لها مف المستطيالت المتجػاورة ‪ ,‬أو بصػيغة اخػرى نصػؿ رؤوس المسػتطيالت‬
‫المجاورة لمستطيؿ الفئة المنوالية ببعرها فتتقاطع في نقطة رػمف مسػتطيؿ الفئػة المنواليػة ‪ ,‬ثػـ نسػقط منهػا عمػود‬
‫عمى المحور االفقي الذي يمثؿ الحدود الحقيقية لمفئات او مراكز الفئات متكوف هي قيمػة المنػواؿ وكمػا فػي الشػكؿ‬
‫(‪:)3-4‬‬
‫شكؿ (‪ )3-4‬ايجاد قيمة المنواؿ‬
‫قيمػػة المن ػواؿ بهػػذ الحالػػة تسػػاوي تقريبػػا ‪ 67.3‬التػػي يمكػػف قراءتهػػا مػػف نقطػػة تقػػاطع العمػػود النػػازؿ عمػػى المحػػور‬
‫السيني‪.‬‬
‫‪- 53 -‬‬
‫زراك‬
‫مسالة تطبيقية (‪:)1‬‬
‫الجدوؿ التكراري (‪ ,)11-4‬يمثؿ توزيع رواتب الموظفيف في احدى الشركات الى (‪ )65‬موظؼ‪ .‬أوجد‪:‬‬
‫‪ .a‬الوسيط بطريقتيف مختمفتيف‪.‬‬
‫‪ .b‬المنواؿ بطريقتيف مختمفتيف‪.‬‬
‫‪ .c‬الوسط الحسابي‪.‬‬
‫جدوؿ (‪)11-4‬‬
‫انفئـبث‬ ‫انتكرار‬
‫‪50 – 59‬‬ ‫‪1‬‬
‫‪60 – 69‬‬ ‫‪86‬‬
‫‪26 – 26‬‬ ‫‪82‬‬
‫‪80 – 89‬‬ ‫‪82‬‬
‫‪90 – 99‬‬ ‫‪86‬‬
‫‪100 – 109‬‬ ‫‪5‬‬
‫‪110 – 119‬‬ ‫‪6‬‬
‫انًجًىع‬ ‫‪25‬‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .a‬نس ػػتخرج المتغيػ ػرات المطموب ػػة م ػػف الج ػػدوؿ التكػ ػراري (‪ ,)11-4‬وي ػػتـ تس ػػجيمها كم ػػا ف ػػي الج ػػدوؿ التكػ ػراري‬
‫(‪.)12-4‬‬
‫جدوؿ تكراري (‪)12-4‬‬
‫انتكرار‬ ‫انتكرار‬
‫انتكرار‬ ‫يركس انفئت‬
‫انفئـبث‬ ‫انتجًعي‬ ‫انتجًعي‬ ‫‪fi x Xi‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪50 – 59‬‬ ‫‪1‬‬ ‫‪52.5‬‬ ‫‪1‬‬ ‫‪25‬‬ ‫‪262‬‬
‫‪60 – 69‬‬ ‫‪86‬‬ ‫‪22.5‬‬ ‫‪81‬‬ ‫‪52‬‬ ‫‪225‬‬
‫‪26 - 26‬‬ ‫‪82‬‬ ‫‪22.5‬‬ ‫‪62‬‬ ‫‪22‬‬ ‫‪8866‬‬
‫‪80 – 89‬‬ ‫‪82‬‬ ‫‪12.5‬‬ ‫‪21‬‬ ‫‪68‬‬ ‫‪8816‬‬
‫‪90 – 99‬‬ ‫‪86‬‬ ‫‪62.5‬‬ ‫‪51‬‬ ‫‪82‬‬ ‫‪625‬‬
‫‪100 – 109‬‬ ‫‪5‬‬ ‫‪862.5‬‬ ‫‪26‬‬ ‫‪2‬‬ ‫‪5665‬‬
‫‪110 – 119‬‬ ‫‪6‬‬ ‫‪882.5‬‬ ‫‪25‬‬ ‫‪6‬‬ ‫‪666‬‬
‫انًجًىع‬ ‫‪∑25‬‬ ‫∑‬
‫‪- 54 -‬‬
‫زراك‬
‫نوجد الوسيط مف المعادلة الريارية الخاصة به‪:‬‬
‫∑‬
‫(‬ ‫)‬ ‫(‬ ‫)‬
‫‪ ,‬اذف فئػػ ػ ػػة الوسػ ػ ػ ػػيط هػػ ػ ػػي (‪ .)70 - 79‬الح ػ ػ ػػدود الحقيقيػ ػ ػ ػػة لهػػ ػ ػػا هػ ػ ػ ػػي‬ ‫ترتي ػ ػ ػػب فئػػ ػ ػػة الوسػ ػ ػ ػػيط =‬
‫(‪)69.5 –79.5‬‬
‫الحد االدنى الحقيقي لفئة الوسيط = ‪L1 = 69.5‬‬
‫∑‬ ‫التكرار التجمعي عند بداية فئة الوسيط = ‪= 18‬‬
‫̇‬ ‫تكرار فئة الوسيط = ‪= 16‬‬
‫طوؿ الفئة = ‪C = 10‬‬
‫مجموع التك اررات = ‪N = 65‬‬
‫نرسـ التكرار التجمعي الصاعد والنازؿ‪ ,‬كما في الشكؿ (‪ ,)4-4‬ومف نقطة تقاطع المنحنييف نرسـ العمود النػازؿ‬
‫وتقاطعه مع المحور السيني نق أر قيمة الوسيط = (‪. )78.5‬‬
‫شكؿ (‪ )4-4‬استخراج قيمة الوسيط‬
‫المنواؿ‬ ‫(‬ ‫)‬ ‫(‬ ‫)‬ ‫‪.b‬‬

‫الفئة المنوالية هي الفئة االكثر تك ار ار وهي (‪)70 – 79‬‬
‫الحد االدنى الحقيقي لفئة المنواؿ = ‪L1 = 69.5‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة السابقة لها = ‪= 6 = 10 – 16‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة الالحقة لها = ‪= 2 = 14 – 16‬‬
‫‪- 55 -‬‬
‫زراك‬
‫لغرض ايجاد المنواؿ مف خالؿ رسـ المدرج التكراري كما في الشكؿ (‪ ,)5-4‬وكما يمي‪:‬‬
‫شكؿ (‪ )5-4‬ايجاد قيمة المنواؿ‬
‫المنواؿ = ‪77‬‬
‫مسالة تطبيقية (‪:)2‬‬
‫مف الجدوؿ التكراري (‪ ,)13-4‬أوجد‪:‬‬
‫‪ .1‬الوسط الحسابي ) ̅ (‬
‫‪ .2‬الوسط التوافقي ) ̅ (‬
‫‪ .3‬الوسط التربيعي )‪(R.M.S.‬‬
‫‪ .4‬الوسيط )‪(Me‬‬
‫‪ .5‬المنواؿ )‪(Mo‬‬
‫‪26 – 25‬‬ ‫‪6‬‬
‫‪22 – 58‬‬ ‫‪6‬‬
‫‪56 – 52‬‬ ‫‪66‬‬
‫‪51 – 26‬‬ ‫‪65‬‬
‫‪22 – 26‬‬ ‫‪85‬‬
‫‪26 – 25‬‬ ‫‪1‬‬
‫‪- 56 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ ‪ :‬نسػػتخرج المتغي ػرات المطموبػػة وتػػدرج كمػػا فػػي الجػػدوؿ التكػراري (‪ ,)14-4‬لغػػرض تعويرػػها فػػي‬
‫القوانيف الخاصة بها وكما يمي‪:‬‬
‫انتكرار‬ ‫يركس انفئت‬ ‫تكرار تجًعي‬ ‫تكرار تجًعي‬
‫انفئبث‬ ‫‪fi x Xi‬‬ ‫‪Xi² x fi‬‬
‫‪fi‬‬ ‫‪Xi‬‬ ‫صبعد‬ ‫َبزل‬
‫‪26 – 25‬‬ ‫‪6‬‬ ‫‪26.5‬‬ ‫‪6‬‬ ‫‪66‬‬ ‫‪862.5‬‬ ‫‪6.626‬‬ ‫‪5281.25‬‬
‫‪22 – 58‬‬ ‫‪6‬‬ ‫‪21.5‬‬ ‫‪86‬‬ ‫‪12‬‬ ‫‪262.5‬‬ ‫‪6.815‬‬ ‫‪68826.6‬‬
‫‪56 – 52‬‬ ‫‪66‬‬ ‫‪52.5‬‬ ‫‪66‬‬ ‫‪21‬‬ ‫‪8666.6‬‬ ‫‪6.622‬‬ ‫‪56265.6‬‬
‫‪51 – 26‬‬ ‫‪65‬‬ ‫‪26.5‬‬ ‫‪22‬‬ ‫‪51‬‬ ‫‪6882.5‬‬ ‫‪6.521‬‬ ‫‪861861.2‬‬
‫‪22 – 26‬‬ ‫‪85‬‬ ‫‪22.5‬‬ ‫‪16‬‬ ‫‪66‬‬ ‫‪662.5‬‬ ‫‪6.665‬‬ ‫‪22666.2‬‬
‫‪26 – 25‬‬ ‫‪1‬‬ ‫‪26.5‬‬ ‫‪66‬‬ ‫‪1‬‬ ‫‪516.5‬‬ ‫‪6.886‬‬ ‫‪26656.6‬‬
‫انًجًىع‬ ‫‪66‬‬ ‫‪5626.6‬‬ ‫‪8.565‬‬ ‫‪666212.6‬‬
‫∑‬
‫̅ ‪1.‬‬
‫∑‬
‫̅ ‪2.‬‬
‫∑‬
‫∑‬
‫‪3.‬‬ ‫√‬ ‫∑‬
‫√‬ ‫√‬
‫∑‬
‫الوسيط ‪4.‬‬ ‫(‬ ‫)‬ ‫(‬ ‫)‬
‫‪ ,‬اذف فئة الوسيط هي (‪ .)58 – 63‬الحدود الحقيقية لها هي (‪)57.5 –63.5‬‬ ‫ترتيب فئة الوسيط =‬
‫الحد االدنى الحقيقي لفئة الوسيط = ‪L1 = 57.5‬‬
‫∑‬ ‫التكرار التجمعي عند بداية فئة الوسيط = ‪= 32‬‬
‫̇‬ ‫تكرار فئة الوسيط = ‪= 35‬‬
‫مجموع التك اررات = ‪N = 90‬‬
‫المنواؿ ‪5.‬‬ ‫(‬ ‫)‬ ‫(‬ ‫)‬

‫الحد االدنى الحقيقي لفئة المنواؿ = ‪L1 = 57.5‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة السابقة لها = ‪= 15 = 35-20‬‬
‫الفرؽ بيف تكرار فئة المنواؿ والفئة الالحقة لها = ‪= 20 = 35-15‬‬
‫‪- 57 -‬‬
‫زراك‬
‫الفصل الخامس‬
‫مقاييس التفمطح وااللتواء‬
‫‪Measures of Skewness and Kurtosis‬‬
‫تعرؼ مقاييس التفمطح وااللتػواء بانهػا تمػؾ القػوانيف التػي تحػدد شػكؿ المنحنػي التكػراري مػف حيػث التماثػؿ او‬
‫)‪ ,(Skewness‬وك ػػذلؾ تحدي ػػد ت ػػدبب القم ػػة لممنحن ػػي او تفمطحه ػػا‬ ‫االلتػ ػواء واالنحػ ػراؼ ال ػػى اح ػػدى الجه ػػات‬
‫)‪ ,(Kurtosis‬بمعنى آخر هو بعد المنحني التكراري عف التماثؿ‪ .‬ويقصػد بالتماثػؿ انػه اذا اسػقطنا عمػوداً مػف قمػة‬
‫المنحنػػي التك ػراري وتػػـ تقسػػيمه الػػى قسػػميف متمػػاثميف متطػػابقيف فػػاف التوزيػػع يكػػوف متمػػاثالً‪ ,‬وبػػالعكس فػػاف التوزيػػع‬
‫يكوف ير متماثؿ إذغ كاف المنحني ممتوي الى احدى الجهات (يميناً أو يسا اًر)‪.‬‬
‫هناؾ مصطمح يستخدـ في حساب هذ المقاييس وهو ما يسمى بالعزوـ )‪ (Moments‬التي تعتبػر احػدى مقػاييس‬
‫االلتواء‪.‬‬
‫العزوـ ‪Moments‬‬
‫اذا كاف لدينا ‪ n‬مف المشاهدات او النماذج التابعة لممتغير ‪ , X‬فاف ‪:‬‬
‫‪X1, X2, X3,……, Xn ,‬‬ ‫هي متغيرات مف دراسة ظاهرة معينة عدد نماذجها = ‪n‬‬
‫∑‬
‫̅̅̅‬ ‫فاف العزـ الرائي حوؿ الصفر في حالة البيانات ير المبوبة هو‪:‬‬ ‫‪-1‬‬
‫العزـ االوؿ حوؿ الصفر هو نفسه الوسط الحسابي ‪ ,‬اي اف‪:‬‬
‫∑‬
‫̅‬ ‫الوسط الحسابي‬
‫̅̅̅̅‬ ‫∑‬
‫وهكذا‪.‬‬ ‫‪,‬‬ ‫اما العزـ الثاني حوؿ الصفر يساوي‪:‬‬
‫اما في حالة البيانات المبوبة ‪ ,‬اذا كانت (‪ (X1, X2, X3, …..‬تمثؿ مراكز الفئات في جدوؿ التوزيػع التكػراري‬
‫‪ ,‬واف تك اررات هذ الفئات هي (…… ‪ )f1, f2, f3,‬فاف العزـ الرائي حوؿ الصفر هو‪:‬‬
‫∑‬
‫̅̅̅‬
‫∑‬
‫‪ -2‬في حالة العزـ الرائي حوؿ الوسط الحسابي ‪ The rth moment about the mean‬في حالة البيانات‬
‫ير المبوبة‪:‬‬
‫تكوف الصيغة الريارية له ‪:‬‬
‫∑‬ ‫̅‬
‫‪- 58 -‬‬
‫زراك‬
‫العزـ الرائي االوؿ (اذا كانت ‪ ,)r=1‬بهذ الحالة يساوي صفر الف حاصؿ جمع فروقات القيـ عف الوسط الحسابي‬
‫يساوي صفر كما في المعادلة التالية‪:‬‬
‫∑‬ ‫̅‬
‫اما اذا كانت )‪ (r=2‬اي العزـ الرائي الثاني حوؿ الوسط الحسابي فاف العزـ الرائي يساوي التبايف كما في المعادلػة‬
‫التالية‪:‬‬
‫∑‬ ‫̅‬
‫وهكذا بالنسبة لبقية العزوـ ‪ ,‬والتي تسمى بالعزـ الرائي حوؿ الوسط الحسابي‪.‬‬
‫في حالة البيانات المبوبة فاف العزـ الرائي حوؿ الوسط الحسابي سوؼ يكوف‪:‬‬
‫∑‬ ‫̅‬
‫∑‬
‫مث ػ ػ ػ ػ ػػاؿ(‪: )1‬‬
‫‪2, 3, 7, 8, 10‬‬ ‫اوجد العزـ الرائي االوؿ‪ ,‬الثاني‪ ,‬الثالث‪ ,‬الرابع حوؿ الصفر لالعداد التالية‪:‬‬
‫∑‬
‫̅‬ ‫الوسط الحسابي‬ ‫العزـ الرائي االوؿ‬
‫̅̅̅̅‬ ‫∑‬
‫العزـ الرائي الثاني‬
‫̅̅̅̅‬ ‫∑‬
‫العزـ الرائي الثالث‬
‫̅̅̅̅‬ ‫∑‬
‫العزـ الرائي الرابع‬
‫‪- 59 -‬‬
‫زراك‬
‫مث ػ ػ ػ ػ ػػاؿ(‪: )1‬‬
‫‪2, 3, 7, 8, 10‬‬ ‫اوجد العزـ الرائي االوؿ‪ ,‬الثاني‪ ,‬الثالث‪ ,‬الرابع حوؿ الوسط الحسابي لالعداد التالية‪:‬‬
‫الوسط الحسابي لالعداد اعال = ‪6‬‬
‫∑‬ ‫̅‬
‫يساوي صفر دائما‬

‫∑‬ ‫̅‬
‫يساوي التبايف دائما‬

‫∑‬ ‫̅‬
‫∑‬ ‫̅‬
‫مقاييس االلتواء ‪Measures of Skewness‬‬

‫يعػػرؼ االلت ػواء بانػػه انح ػراؼ منحنػػي التوزيػػع التك ػراري عػػف التماثػػؿ او عػػف المنحنػػي الطبيعػػي‪ ,‬وقػػد يكػػوف‬
‫االلتػواء موجػب (اي االلتػواء الػى اليمػيف) أو االلتػواء سػالب (اي االلتػواء الػى اليسػار)‪ .‬منحنػػي االلتػواء ذو االلتػواء‬
‫الموجب تكوف معظـ القيـ او القراءات متمركزة في الجهة اليسرى (في الفئات الدنيا ذات القػيـ القميمػة) وطرفػه يمتػد‬
‫الى اليميف ‪ ,‬كما في الشكؿ (‪:)1-5‬‬
‫شكؿ (‪ )1-5‬منحني ذو التواء موجب‬
‫‪- 61 -‬‬
‫زراك‬
‫أما منحني التوزيع التكراري ذو االلتواء السالب فاف معظـ القيـ او القراءات متمركزة في الجهة اليمنػى (فػي الفئػات‬
‫العميا ذات القيـ العالية) وطرفه يمتد الى اليسار ‪ ,‬كما في الشكؿ (‪:)2-5‬‬
‫شكؿ (‪ )2-5‬منحني ذو التواء سالب‬
‫اهـ مقاييس االلتواء هي‪:‬‬

‫‪ ,‬ويسمى معامؿ االلتواء االوؿ‪.‬‬ ‫‪ )1‬باستخداـ المنواؿ ‪ ,‬ويرمز له بالرمز‬
‫‪ ,‬ويسمى معامؿ االلتواء الثاني‪.‬‬ ‫‪ )2‬باستخداـ الوسيط ‪ ,‬ويرمز له بالرمز‬
‫‪ ,‬ويسمى معامؿ االلتواء الثالث‪.‬‬ ‫‪ )3‬باستخداـ العزوـ ‪ ,‬ويرمز له بالرمز‬
‫عمما بانه في جميع هذ الطرؽ الثالث يكوف االلتواء موجػب عنػدما يكػوف معامػؿ االلتػواء موجػب‪ ,‬ويكػوف‬
‫االلتواء سالب عندما يكوف معامؿ االلتواء سالب ومتماثال عندما يكوف معامؿ االلتواء صفر‪.‬‬
‫̅‬ ‫الوسط الحسابي المنواؿ‬
‫=‬ ‫معامؿ االلتواء االوؿ =‬
‫االنحراؼ القياسي‬
‫مػػف خػػالؿ تطبيػػؽ هػػذا القػػانوف نالحػػظ اذا كانػػت قيمػػة الوسػػط الحسػػابي اكبػػر مػػف قيمػػة المن ػواؿ ‪ ,‬كانػػت‬
‫النتيجة موجبة وبالتالي كاف االلتواء موجب‪ ,‬كما في الشكؿ (‪:)3-5‬‬
‫‪- 61 -‬‬
‫زراك‬
‫شكؿ (‪ )3-5‬منحني ذو االلتواء الموجب يبيف العالقة بيف الوسط الحسابي والوسيط والمنواؿ‬
‫امػػا اذا كانػػت قيمػػة الوسػػط الحسػػابي اقػػؿ مػػف المن ػواؿ كانػػت النتيجػػة سػػالبة وبالتػػالي كػػاف االلت ػواء سػػالب‪ ,‬كمػػا فػػي‬
‫الشكؿ (‪:)4-5‬‬
‫شكؿ (‪ )4-5‬منحني ذو االلتواء السالب يبيف العالقة بيف الوسط الحسابي والوسيط والمنواؿ‬
‫‪- 62 -‬‬
‫زراك‬
‫اما اذا تساوت قيمة الوسط الحسابي والمنواؿ والوسيط نحصؿ في هذ الحالة عمى منحني تكراري متماثؿ‪ ,‬كما في‬
‫الشكؿ (‪:)5-5‬‬
‫شكؿ (‪ )5-5‬المنحني المتماثؿ يبيف العالقة بيف الوسط الحسابي والوسيط والمنواؿ‬
‫̅‬ ‫)الوسط الحسابي الوسيط(‬

‫=‬ ‫معامؿ االلتواء الثاني =‬
‫فػػي هػػذ الحالػػة اذا كانػػت قيمػػة الوسػػط الحسػػابي اكبػػر مػػف الوسػػيط ‪ ,‬كانػػت نتيجػػة معامػػؿ االلت ػواء الثػػاني موجبػػة‬
‫وبالتالي كاف االلتواء موجب‪ ,‬واذا كانت قيمػة الوسػط الحسػابي اقػؿ مػف الوسػيط كػاف االلتػواء سػالب‪ .‬امػا اذا كانػت‬
‫قيمػػة الوسػػط الحسػػابي مسػػاوية الػػى قيمػػة الوسػػيط فػػاف معامػػؿ االلتػواء الثػػاني يسػػاوي صػػفر وبالتػػالي يكػػوف التوزيػػع‬
‫متماثالً‪.‬‬
‫العزـ الثالث حوؿ الوسط الحسابي‬
‫معامؿ االلتواء الثالث باستخداـ العزوـ ‪= Moment‬‬
‫مكعب الجذر التربيعي لمعزـ الثاني حوؿ الوسط الحسابي‬
‫=‬
‫√‬
‫فذلؾ يدؿ عمػى وجػود تماثػؿ فػي توزيػع القػراءات وبالتػالي فػاف المنحنػي يكػوف طبيعػي ‪ ,‬انػا‬ ‫فاذا كانت قيمة‬
‫سػػالبة فػػاف التوزيػػع‬ ‫موجبػػة فػػالتوزيع التك ػراري يكػػوف ممتػػوي الت ػواءا موجبػػا‪ ,‬امػػا اذا كانػػت‬ ‫اذا كانػػت قيمػػة‬
‫سوؼ يكوف ذو التواء سالب بهذ الحالة‪.‬‬
‫هناؾ قوانيف تستخدـ لحساب معامؿ االلتواء ومف اهمها‪:‬‬
‫∑‬ ‫̅‬
‫‪- 63 -‬‬
‫زراك‬
‫مالحظة‪:‬‬
‫‪ .1‬عػػادة مػػا نحصػػؿ عمػػى نتػػائج مختمفػػة لمعػػامالت االلت ػواء ‪ ,‬وهػػذا ال ينػػاقض بعرػػه إذ اف كػػؿ معامػػؿ يقػػيس‬
‫االلتواء عمى اساس يخالؼ المعامالت االخرى‪.‬‬
‫‪ .2‬عند مقارنة التواء توزيعات مختمفة يجب استخداـ نفس معامؿ االلتواء عند المقارنة‪.‬‬
‫مثػ ػ ػ ػ ػ ػ ػػاؿ (‪:)1‬‬
‫احسب معامؿ االلتواء االوؿ والثاني والثالث في جدوؿ التوزيع التكراري (‪:)1-5‬‬
‫جدوؿ (‪)1-5‬‬
‫‪60 – 62‬‬ ‫‪5‬‬
‫‪63 – 65‬‬ ‫‪81‬‬
‫‪66 – 68‬‬ ‫‪26‬‬
‫‪69 – 71‬‬ ‫‪62‬‬
‫‪72 – 74‬‬ ‫‪1‬‬
‫انًجًىع‬ ‫‪∑ 866‬‬
‫الحػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ ‪:‬‬
‫الوسط الحسابي = ̅ = ‪67.45‬‬
‫= ‪67.40 = Me‬‬ ‫الوسيط‬
‫= ‪67.30 = M0‬‬ ‫المنواؿ‬
‫االنحراؼ القياسي = 𝛔 = ‪2.92‬‬
‫̅‬
‫̅‬
‫=‬ ‫معمؿ االلتواء الثاني =‬
‫∑‬ ‫̅‬
‫التبايف‬
‫∑‬ ‫̅‬
‫=‬ ‫معامؿ االلتواء الثالث =‬

‫√‬ ‫√‬
‫سالبة‪.‬‬ ‫مف هذا نستنتج اف المنحني ممتوي التواء سالب (الى اليسار) وذلؾ الف‬
‫‪- 64 -‬‬
‫زراك‬
‫مثاؿ (‪:)2‬‬
‫أوجد معامؿ االلتواء االوؿ والثاني الجور العماؿ المدرجة في الجدوؿ التكراري التالي‪:‬‬
‫انفئبت‬ ‫انتكرار‬
‫(اجىر انعمبل)‬ ‫(عدد انعمبل)‬
‫‪86 – 86‬‬ ‫‪3‬‬
‫‪66 – 66‬‬ ‫‪6‬‬
‫‪66 – 66‬‬ ‫‪01‬‬
‫‪26 – 26‬‬ ‫‪01‬‬
‫‪56 – 56‬‬ ‫‪8‬‬
‫‪26 – 26‬‬ ‫‪1‬‬
‫‪26 – 26‬‬ ‫‪3‬‬
‫الحـــــــــــــــــــــــــــل‪:‬‬
‫الوسط الحسابي = ̅ = ‪44.20‬‬
‫= ‪44.17 = Me‬‬ ‫الوسيط‬
‫= ‪44.0 = M0‬‬ ‫المنواؿ‬
‫االنحراؼ القياسي = 𝛔 = ‪15.21‬‬
‫̅‬
‫̅‬
‫=‬ ‫معمؿ االلتواء الثاني =‬
‫مثال (‪:)3‬‬
‫الجدوؿ التكراري التالي يمثؿ التوزيع التكراري لفئات الدخؿ الشهري لعينة مف االسر (مئات الدوالرات) في احدى‬
‫المدف‪:‬‬
‫فئبت اندخم انشهري‬
‫عدد االسر‬
‫(دوالر)‬
‫‪26 – 22‬‬ ‫‪3‬‬
‫‪22 – 28‬‬ ‫‪8‬‬
‫‪26 – 22‬‬ ‫‪01‬‬
‫‪22 – 18‬‬ ‫‪00‬‬
‫‪18– 15‬‬ ‫‪01‬‬
‫‪12 – 66‬‬ ‫‪01‬‬
‫‪68 – 65‬‬ ‫‪1‬‬
‫‪- 65 -‬‬
‫زراك‬
‫المطموب‪:‬‬
‫‪ .1‬حساب الوسط الحسابي واالنحراؼ المعياري‬
‫‪ .2‬حساب الوسيط والمنواؿ‬
‫‪ .3‬حساب التواء التوزيع التكراري‬
‫الحـــــــــــــــــــــل‪:‬‬
‫نكمؿ حساب البيانات المطموبة باستحداث اعمدة رمف الجدوؿ التكراري وكما يمي‪:‬‬
‫تكرار‬
‫فئبث اندخم انشهري‬ ‫عدد االسر‬ ‫يركس انفئت‬
‫)‪)fi x Xi‬‬ ‫)‪(fi x Xi2‬‬ ‫تجًعي‬
‫(دوالر)‬ ‫)‪(fi‬‬ ‫)‪(Xi‬‬
‫صبعد‬
‫‪26 – 22‬‬ ‫‪6‬‬ ‫‪22‬‬ ‫‪866‬‬ ‫‪00088‬‬ ‫‪6‬‬
‫‪22 – 28‬‬ ‫‪1‬‬ ‫‪21‬‬ ‫‪522‬‬ ‫‪36660‬‬ ‫‪88‬‬
‫‪26 – 22‬‬ ‫‪66‬‬ ‫‪26‬‬ ‫‪8226‬‬ ‫‪013681‬‬ ‫‪68‬‬
‫‪22 – 18‬‬ ‫‪68‬‬ ‫‪22‬‬ ‫‪8562‬‬ ‫‪000066‬‬ ‫‪56‬‬
‫‪18– 15‬‬ ‫‪82‬‬ ‫‪16‬‬ ‫‪8866‬‬ ‫‪86611‬‬ ‫‪22‬‬
‫‪12 – 66‬‬ ‫‪86‬‬ ‫‪12‬‬ ‫‪126‬‬ ‫‪01161‬‬ ‫‪22‬‬
‫‪68 – 65‬‬ ‫‪2‬‬ ‫‪11‬‬ ‫‪656‬‬ ‫‪31606‬‬ ‫‪16‬‬
‫∑‬ ‫‪16‬‬ ‫‪2612‬‬ ‫‪161360‬‬
‫‪ .1‬نحسب الوسط الحسابي واالنحراؼ المعياري مف العالقات التالية‪:‬‬

‫∑‬
‫الوسط الحسابي‬ ‫̅‬
‫∑‬
‫∑‬
‫االنحراؼ المعياري‬ ‫√‬ ‫̅‬ ‫√‬ ‫√‬
‫∑‬
‫‪ .2‬نحسب الوسيط والمنواؿ مف العالقات التالية‪:‬‬

‫نوجد فئة الوسيط وذلؾ بقسمة مجموع التك اررات عمى (‪ , 40 = )2‬إذف ترتيب قيمة الوسيط هي ‪ , 40‬هذا‬
‫الترتيب يقع رمف الفئة الرابعة التي حديها هما)‪.(77-81‬‬
‫∑‬
‫الوسيط‬ ‫(‬ ‫)‬ ‫(‬ ‫)‬
‫يتـ تعييف الفئة المنوالية وهي الفئة التي تمتمؾ اكثر تك ار ار ‪ ,‬وهي الفئة الرابعة التي حديها هما)‪.(77-81‬‬
‫المنواؿ‬
‫‪ .3‬نحسب االلتواء باستخداـ المنواؿ ‪:‬‬

‫̅‬
‫التوزيع ير متماثؿ ممتوي لميسار‬
‫‪- 66 -‬‬
‫زراك‬
‫مقاييس التفمطح ‪Measures of Kurtosis‬‬
‫الػػتفمطح او التػػدبب هػػو انح ػراؼ قمػػة منحنػػي التوزيػػع التك ػراري عػػف قمػػة المنحنػػي الطبيعػػي‪ .‬فالقمػػة العاليػػة‬
‫)‪ , (Lepto-Kurtic‬أمػػا القمػػة المنخفرػػة والمتسػػعة حػػوؿ‬ ‫والرػػيقة حػػوؿ الوسػػط الحسػػابي ‪ ,‬تسػػمى قمػػة مدببػػة‬
‫)‪ , (Platy-Kurtic‬أمػػا القمػػة المعتدلػػة التػػي تشػػبه قمػػة منحنػػي التوزيػػع‬ ‫الوسػػط الحسػػابي‪ ,‬تسػػمى قمػػة مفمطحػػة‬
‫التكراري الطبيعي فتسمى قمة معتدلة )‪ ,(Meso-Kurtic‬كما في الشكؿ التالي‪:‬‬
‫الذي يعرؼ بموجب العالقة التالية‪:‬‬ ‫اهـ مقاييس التفمطح هو معامؿ التفمطح الذي يرمز له بالرمز‬
‫‪- 67 -‬‬
‫زراك‬
‫العزـ الرابع حوؿ الوسط الحسابي‬

‫معامؿ التفمطح‬
‫مربع العزـ الثاني حوؿ الوسط الحسابي‬
‫سميت القمة معتدلة‬ ‫اذا كانت‬
‫سميت القمة مدببة‬ ‫اذا كانت‬
‫سميت القمة مفمطحة‬ ‫اذا كانت‬
‫هناؾ عالقات اخرى تستخدـ في بعض االحياف اليجاد معامؿ التفمطح واهمها هو‪:‬‬
‫∑‬ ‫̅‬
‫مثاؿ‪ :‬احسب معامؿ التفمطح لمبيانات في الجدوؿ التكراري التالي‪:‬‬

‫‪60 – 62‬‬ ‫‪5‬‬
‫‪63 – 65‬‬ ‫‪81‬‬
‫‪66 – 68‬‬ ‫‪26‬‬
‫‪69 – 71‬‬ ‫‪62‬‬
‫‪72 – 74‬‬ ‫‪1‬‬
‫انًجًىع‬ ‫‪∑ 866‬‬
‫الحػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫هذا يعني اف المنحني التكراري يمتمؾ قمة مفمطحة )‪ (Platykurtic‬الف‬
‫‪- 68 -‬‬
‫زراك‬
‫مقاييس التشتت أو االختالف‬

‫‪Measures of Dispersion or Variation‬‬
‫يقصػػد بالتشػػتت أو االخػػتالؼ بانػػه مقػػدار التباعػػد او االنتشػػار فػػي القػػيـ عمػػى مػػدى واسػػع ‪,‬ومقػػاييس التشػػتت‬
‫يقصد بها بانها تمؾ القوانيف او العالقات االحصائية التي تقيس او تحسب مدى تقارب او تباعد القػيـ عػف وسػطها‬
‫الحسابي ‪ .‬كمما كاف مقياس التشتت كبير فاف ذلؾ يدؿ عمى وجػود عػدـ تجػانس بػيف القػيـ المستحصػمة مػف د ارسػة‬
‫ظػػاهرة معينػػة‪ ,‬وعنػػدما يكػػوف مقيػػاس التشػػتت قميػػؿ ف ػاف ذلػػؾ يػػدؿ عمػػى اف االختالفػػات بػػيف القػػيـ قميمػػة مػػع وجػػود‬
‫تقارب او تجانس في القيـ او القراءات‪ .‬مقػاييس التشػتت عكػس مقػاييس التمركػز او مقػاييس النزعػة المركزيػة حيػث‬
‫اف مقػػاييس النزعػػة المركزيػػة تعطػػي فك ػرة عػػف مػػدى تقػػارب الق ػ اررات حػػوؿ الوسػػط الحسػػابي ‪ ,‬فػػي حػػيف اف مقػػاييس‬
‫التشتت تعطي فكرة عف مدى تباعد وانتشار القيـ بعيدا عف الوسط الحسابي‪.‬‬
‫اف االعتماد عمى الوسط الحسابي ال يكفي عند وصػؼ ظػاهرة معينػة فقػد يتسػاوى الوسػط الحسػابي لمجمػوعتيف‬
‫مػػف القػراءات احػػداها متجانسػػة واالخػػرى يػػر متجانسػػة ‪ ,‬لػػذلؾ البػػد مػػف المجػػوء الػػى اسػػتخداـ مقػػاييس التمركػػز‬
‫ومقاييس التشتت في وصؼ اي ظاهرة يتـ دراستها‪.‬‬
‫اهـ مقاييس التشتت هي‪:‬‬
‫‪ .1‬مقاييس التشتت المطمؽ ‪ :‬وهي التي تكوف وحداتها نفس وحدات القيـ االصمية وهي‪:‬‬
‫‪ .a‬المدى ‪The Range‬‬
‫‪ .b‬االنحراؼ المتوسط ‪The Mean Deviation‬‬
‫‪ .c‬التبايف واالنحراؼ المعياري (القياسي) ‪The Variance and the Standard Deviation‬‬
‫‪ .2‬مقاييس التشتت النسبي ‪ :‬وهي المقاييس التي تكوف خالية مف وحدات القياس واهمها‪:‬‬
‫‪ .a‬معامؿ االختالؼ ‪Coefficient of Variation‬‬
‫المدى ‪:The Range‬‬
‫يعرؼ المدى لمجموعة مف القيـ او القراءات التػي تنػتج مػف د ارسػة ظػاهرة معينػة هػي الفػرؽ بػيف اعمػى قيمػة‬
‫واقؿ قيمة في تمػؾ المجموعػة‪ ,‬ويرمػز لػه بػالرمز )‪ .(R‬فػي كثيػر مػف االحيػاف يكػوف المػدى مرػمال وال يعطػي فكػرة‬
‫حقيقية عػف طبيعػة تجػانس او توزيػع القػيـ فػي المجموعػة النػه يعتمػد فقػط عمػى القػراءتيف الطػرفيتيف التػي قػد تكػوف‬
‫شاذة في معظـ االحياف‪ ,‬او قد نحصؿ عمى نفس قيمة المدى لمجموعتيف مف القراءات احداهما ذات قيـ متجانسة‬
‫‪- 69 -‬‬
‫زراك‬
‫واالخػػرى ذات قػػيـ يػػر متجانسػػة او مشػػتتة‪ .‬مػػف الصػػعب حسػػاب المػػدى فػػي حالػػة الجػػداوؿ التك ارريػػة وذلػػؾ لتعػػذر‬
‫معرفة القيمتيف الطرفيتيف او قيـ نهايات الفئات في الجدوؿ التكراري‪.‬‬
‫مثاؿ ‪:‬‬
‫اوجد المدى لممجموعة التالية مف القيـ‪(2, 3, 3, 5, 5, 5, 8, 10, 12) :‬‬
‫‪R = Max. Value – Min. Value = 12 – 2 = 10‬‬
‫االنحراؼ المتوسط ‪:The Mean Deviation‬‬
‫يعػػرؼ االنح ػراؼ المتوسػػط بانػػه عبػػارة عػػف متوسػػط االنح ارفػػات المطمقػػة (بعػػد اهمػػاؿ االشػػارة) عػػف الوسػػط‬
‫الحسابي‪ ,‬ويرمػز لػه بػالرمز )‪ . (M.D.‬الصػيغة الريارػية الخاصػة بحسػاب االنحػراؼ المتوسػط فػي حالػة البيانػات‬
‫ير المبوبة او االعداد الصحيحة هي‪:‬‬
‫𝑁∑‬
‫𝑖𝑋| 𝑖‬ ‫| ̅𝑋‬ ‫| ̅𝑋 𝑖𝑋|∑‬
‫𝐷𝑀‬
‫𝑁‬ ‫𝑁‬
‫اف السبب في استخداـ االنحرافات المطمقة (اهماؿ االشػارة) هػو اف بقػاء االشػارات الموجبػة والسػالبة يػؤدي الػى اف‬
‫تكوف مجموع االنحرافات يساوي صفر‪ ,‬وبالتالي اليمكف الحصوؿ عمى نتائج حقيقية‪.‬‬
‫اوجد االنحراؼ المتوسط لمقيـ التالية‪(2, 3, 6, 8, 11) :‬‬
‫|∑‬ ‫|̅‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫|‬
‫|‬ ‫|‬ ‫|‬ ‫|‬ ‫| |‬ ‫| |‬ ‫| |‬
‫فػػي حالػػة االجػػداوؿ التك ارريػػة (البيانػػات المبوبػػة) فػػاف الصػػيغة الريارػػية الحتسػػاب االنحػراؼ المتوسػػط سػػوؼ تكػػوف‬
‫كما يمي‪:‬‬
‫| ̅𝑋 𝑖𝑋|𝑖𝑓 ∑‬
‫𝐷𝑀‬
‫𝑖𝑓 ∑‬
‫تمثؿ مراكز الفئات‬ ‫تمثؿ التك اررات واف‬ ‫حيث اف‬
‫‪- 71 -‬‬
‫زراك‬
‫أوجد االنحراؼ المتوسط مف الجدوؿ التكراري التالي‪:‬‬
‫‪Classes‬‬ ‫‪fi‬‬ ‫‪Xi‬‬ ‫‪fi x Xi‬‬ ‫|‬ ‫|̅‬ ‫| ‪fi‬‬ ‫|̅‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬ ‫‪665‬‬ ‫‪2.25‬‬ ‫‪66.65‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬ ‫‪8856‬‬ ‫‪6.25‬‬ ‫‪26.86‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪6182‬‬ ‫‪6.25‬‬ ‫‪81.66‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬ ‫‪8166‬‬ ‫‪6.55‬‬ ‫‪21.15‬‬
‫‪26 – 22‬‬ ‫‪1‬‬ ‫‪26‬‬ ‫‪512‬‬ ‫‪5.55‬‬ ‫‪22.26‬‬
‫انًجًىع‬ ‫∑‬ ‫∑‬ ‫∑‬
‫مالحظة‪ :‬تهمؿ االشارة عف ورع البيانات بيف خطيف مستقيمينيدؿ عمى اف البيانات مطمقة‪.‬‬
‫∑‬
‫̅‬
‫∑‬
‫∑‬ ‫|‬ ‫|̅‬
‫∑‬
‫التبايف واالنحراؼ القياسي ‪: Variance and Standard Deviation‬‬

‫الحظنػػا فػػي االنح ػراؼ المتوسػػط انػػه يمكػػف التغمػػب عمػػى مشػػكمة االشػػارة السػػالبة التػػي تػػؤدي الػػى اف يكػػوف‬
‫مجموع انحرافات القيـ عف وسطها الحسابي يساوي صفر باستخداـ القيـ المطمقػة لالنح ارفػات‪ ,‬اي اسػتخداـ االرقػاـ‬
‫بدوف اشارات‪ .‬يمكف التغمب مى هذ المشكمة بطريقة اخرى اسهؿ واسرع وذلؾ بتربيع قػيـ االنح ارفػات التػي تػؤدي‬
‫الى اف تصبح جميع القيـ موجبة‪ ,‬وبذلؾ نحصػؿ عمػى مجمػوع مربعػات االنح ارفػات )‪ (Sum of Squares‬والتػي‬
‫يرمز لها )‪ (S.S.‬والتي تساوي ‪:‬‬
‫∑‬ ‫̅‬
‫في حالة قسمة مجموع مربعات القيـ عمى عدد القيـ او القراءات وبذلؾ نحصؿ عمى التبػايف الػذي يرمػز لػه بػالرمز‬
‫‪ (S)²‬او ‪ ,( (²‬وتكوف الصيغة الريارية لحساب التبايف هو‪:‬‬
‫∑‬ ‫̅‬
‫لك ػػي ناخ ػػذ بنظ ػػر االعتب ػػار حج ػػـ العين ػػة او الظ ػػاهرة المدروس ػػة وحت ػػى يمك ػػف اجػػراء مقارن ػػة ب ػػيف العين ػػات‬
‫المختمفة االحجاـ يػتـ قسػمة مجمػوع مربػع االنح ارفػات عمػى )‪ ,(n-1‬حيػث يػتـ سػحب او اسػتبعاد احػد النمػاذج مػف‬
‫المجموعة حتى ال يكوف مجموع االنحرافات عف السط الحسابي يساوي صفر‪ ,‬وهػو مػا يطمػؽ عميػه بدرجػة الحريػة‪,‬‬
‫‪- 71 -‬‬
‫زراك‬
‫وبػػذلؾ يكػػوف عػػدد القػػيـ الحػرة فػػي ايػػة عينػػة هػػي )‪ (n-1‬وهػػو مػػا يسػػمى درجػػة الحريػػة‪ .‬تسػػتخدـ درجػػة الحريػػة فػػي‬
‫العينػػة او الظػػاهرة المدروسػػة عنػػدما يكػػوف لػػدينا عػػدد العينػػات او القػػيـ اكثػػر مػػف (‪ )30‬قيمػػة حيػػث اف سػػحب او‬
‫استبعاد احد القيـ ال يؤثر عؿ النتيجة النهائية لحساب التبايف‪ .‬وبذلؾ تكوف الصيغة الريارية لحساب التبػايف هػي‬
‫كاالتي‪-:‬‬
‫عند حساب التبايف تـ استخداـ مربعات االنحرافات‪ ,‬وبذلؾ فاف قيمة التبايف بهذ الحالة تكػوف مقاسػة بمربػع‬
‫الوحدات المستخدمة في قياس القيـ او القراءات‪ ,‬مثال اذا كانت القيـ مقاسػة بػالمتر فػاف التبػايف يكػوف مقاسػا المتػر‬
‫المربع‪ ,‬وبهذ الحالة ال توجد مشكمة في استخداـ وحدات القياس‪ ,‬ولكف المشكمة تظهر عندما تكوف وحدات القياس‬
‫المسػػتخدمة هػػي عبػػارة عػػف الػػوزف ب ػالكيمو راـ مػػثال أو مبػػاله ماليػػة بالػػدينار او عػػدد اطفػػاؿ االسػػر المختمفػػة‪ ,‬فػػاف‬
‫التبػػايف يكػػوف مقاسػػا بػػالكيمو راـ المربػػع أو الػػدينار المربػػع او الطفػػؿ المربػػع وهػػذ جميعػػا يػػر ذات معنػػى أو يػػر‬
‫معقولػػة‪ ,‬لغػػرض حػػؿ مثػػؿ هػػذا االشػػكاؿ يجػػب اعػػادة وحػػدات القيػػاس الػػى اصػػمها والطريقػػة هػػي اسػػتخداـ الجػػذر‬
‫التربيع ػػي لمتب ػػايف ‪ ( (²‬لنحص ػػؿ عم ػػى ( ( وه ػػو م ػػا يطم ػػؽ عمي ػػه ب ػػاالنحراؼ القياس ػػي او االنحػ ػراؼ المعي ػػاري‬
‫)‪ ,(Standard Deviation‬والذي يكوف مقاسا بالوحدات االصمية أو نفس الوحدات التي تستخدـ في قياس القيـ‬
‫او القراءات االصمية‪ .‬يعرؼ االنحراؼ المعياري بانه الجذر التربيعي لمتوسط مربعات انح ارفػات (الفػرؽ بػيف القػيـ)‬
‫فػػي حالػػة البيانػػات‬ ‫فػػي حالػػة البيانػػات يػػر المبوبػػة والرمػػز‬ ‫عػػف وسػػطها الحسػػابي ويرمػػز لػػه بػػالرمز‬
‫المبوبة‪ .‬الصيغة الريارية المستخدمة في ايجاد االنحراؼ القياسي هي‪-:‬‬
‫̅‬
‫𝑿 𝒊𝑿 ∑‬ ‫𝒊𝑿 ∑‬
‫االنحراف القياسي‬ ‫𝐒‬ ‫√‬ ‫√ =‬ ‫̅̅̅‬
‫𝒊𝑿‬ ‫𝟐‬
‫𝟏 𝒏‬ ‫𝟏 𝒏‬
‫هنالؾ طريقتيف اليجاد االنحراؼ القياسي في حالة البيانات ير المبوبة او االعداد الصحيحة هما‪:‬‬
‫‪ .A‬الطريقة المطولة‪ :‬تستخدـ فيها الصيغة الريارية التالية‪:‬‬
‫∑‬ ‫̅‬ ‫∑‬

‫االنحراؼ القياسي‬ ‫√‬ ‫√‬ ‫)̅̅̅̅(‬
‫‪ .B‬الطريقة المختصرة تستخدـ فيها الصيغة الريارية التالية‪:‬‬

‫∑‬
‫∑ √‬
‫‪- 72 -‬‬
‫زراك‬
‫الفرؽ بيف الطريقة المطولة والطريقة المختصرة هي في سهولة وسرعة ايجاد المتغيرات المطموبة لغػرض تعويرػها‬
‫في المعادلة الريارية‪.‬‬
‫مثػاؿ(‪ :)1‬أوجػد االنحػراؼ القياسػي لالعػداد او القػيـ التاليػة‪ (12, 6, 7, 3, 15, 10, 18, 5) :‬باسػتخداـ‬
‫الطريقة المطولة والطريقة المختصرة‪.‬‬
‫الح ػ ػ ػ ػ ػ ػ ػػؿ‪ :‬نستخرج الوسط الحسابي لمقيـ اعال ‪:‬‬
‫∑‬
‫̅‬
‫‪ .A‬نستخرج االنحراؼ القياسي باستخداـ الطريقة المطولة‪:‬‬

‫∑‬ ‫̅‬
‫√‬
‫√‬
‫√‬ ‫√‬ ‫√‬
‫‪ .B‬نستخرج االنحراؼ القياسي باستخداـ الطريقة المختصرة‪:‬‬

‫∑‬
‫∑ √‬
‫√‬
‫√‬ ‫√‬ ‫√‬
‫مالحظة‪ :‬لـ يتـ طرح احدى القراءات مف مجموع هذ القراءات كوف عدد القراءات اقؿ مف ‪ 30‬قراءة‪.‬‬
‫مث ػػاؿ (‪ :)2‬اوج ػػد االنحػ ػراؼ المعي ػػاري لالج ػػور اليومي ػػة بال ػػدوالر لمعين ػػة التالي ػػة المكون ػػة م ػػف خم ػػس عم ػػاؿ باح ػػدى‬
‫الشركات ‪.)60 ,90 ,80 ,70 ,50( :‬‬
‫∑‬
‫̅‬ ‫الحػ ػ ػ ػػؿ‪ -1 :‬نحسب الوسط الحسابي ‪:‬‬
‫‪ -2‬نحسب االنحراؼ المعياري مف احدى العالقات المعطاة سابقا ولتكف العالقة التالية‪:‬‬
‫∑‬ ‫√‬
‫√‬ ‫̅‬ ‫√‬
‫‪- 73 -‬‬
‫زراك‬
‫في حالة البيانات المبوبة أو الجداوؿ التك اررية فيمكف ايجاد االنحراؼ القياسي ايراً بطريقتيف هما ‪:‬‬
‫‪ .A‬الطريقة المطولة ويستخدـ فيها القانوف التالي‪:‬‬
‫∑‬ ‫̅‬
‫√‬
‫∑‬
‫‪ .B‬الطريقة المختصرة ويستخدـ فيها القانوف التالي‪:‬‬
‫∑‬
‫∑‬
‫√‬ ‫∑‬
‫∑‬
‫مثاؿ(‪ : )1‬احسب االنحراؼ القياسي بالطريقة المطولة والطريقة المختصرة مف جدوؿ التوزيع التكراري التالي‪:‬‬
‫‪26 – 26‬‬ ‫‪5‬‬

‫‪26 – 25‬‬ ‫‪81‬‬
‫‪22 – 21‬‬ ‫‪26‬‬
‫‪26 – 28‬‬ ‫‪62‬‬
‫‪26 - 22‬‬ ‫‪1‬‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .A‬الطريقة المطولة ‪ :‬نستخرج المتغيرات التي نحتاجها مف الجدوؿ التكراري لغرض تعويرها في القانوف‪:‬‬
‫انفئبث‬ ‫‪fi x Xi‬‬ ‫) ̅ ‪(Xi-‬‬ ‫‪(Xi- ̅ )²‬‬ ‫‪fi(Xi- ̅ )²‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬ ‫‪665‬‬ ‫‪-2.25‬‬ ‫‪28.2665‬‬ ‫‪661.6865‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬ ‫‪8856‬‬ ‫‪-6.25‬‬ ‫‪88.6665‬‬ ‫‪682.6256‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪6182‬‬ ‫‪-6.25‬‬ ‫‪6.6665‬‬ ‫‪1.5656‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬ ‫‪8166‬‬ ‫‪6.55‬‬ ‫‪2.5665‬‬ ‫‪825.5225‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪26‬‬ ‫‪512‬‬ ‫‪5.55‬‬ ‫‪66.1665‬‬ ‫‪622.2666‬‬
‫انًجًىع‬ ‫‪866‬‬ ‫‪2225‬‬ ‫‪156.25‬‬
‫نستخرج قيمة الوسط الحسابي‪:‬‬
‫∑‬
‫̅‬
‫∑‬
‫∑‬ ‫̅‬
‫√‬ ‫√‬ ‫√‬
‫‪- 74 -‬‬
‫زراك‬
‫‪ .B‬الطريقة المختصرة نستخرج المتغيرات المطموبة ثـ نطبؽ القانوف الخاص بها‪:‬‬
‫انفئبث‬ ‫‪fi x Xi‬‬ ‫‪²‬‬ ‫)‪(fi x Xi²‬‬
‫‪fi‬‬ ‫‪Xi‬‬
‫‪26 – 26‬‬ ‫‪5‬‬ ‫‪28‬‬ ‫‪665‬‬ ‫‪6268‬‬ ‫‪81265‬‬
‫‪26 – 25‬‬ ‫‪81‬‬ ‫‪22‬‬ ‫‪8856‬‬ ‫‪2662‬‬ ‫‪26261‬‬
‫‪22 – 21‬‬ ‫‪26‬‬ ‫‪22‬‬ ‫‪6182‬‬ ‫‪2216‬‬ ‫‪811561‬‬
‫‪26 – 28‬‬ ‫‪62‬‬ ‫‪26‬‬ ‫‪8166‬‬ ‫‪2666‬‬ ‫‪866666‬‬
‫‪26 - 22‬‬ ‫‪1‬‬ ‫‪26‬‬ ‫‪512‬‬ ‫‪5666‬‬ ‫‪26266‬‬
‫انًجًىع‬ ‫‪866‬‬ ‫‪2225‬‬ ‫‪255166‬‬
‫∑‬
‫∑‬
‫√‬ ‫∑‬ ‫√‬
‫∑‬
‫√‬
‫√‬ ‫√‬
‫مثاؿ (‪ :)2‬أوجد االنحراؼ المعياري الجور العماؿ حسب الجدوؿ التكراري التالي‪:‬‬
‫(اجىر انعمبل)‬ ‫(عدد انعمبل))‪(fi‬‬
‫‪10 – 19‬‬ ‫‪6‬‬
‫‪20 – 29‬‬ ‫‪2‬‬
‫‪30 – 39‬‬ ‫‪86‬‬
‫‪40 – 49‬‬ ‫‪85‬‬
‫‪50 – 59‬‬ ‫‪1‬‬
‫‪60 – 69‬‬ ‫‪5‬‬
‫‪70 – 79‬‬ ‫‪6‬‬
‫‪- 75 -‬‬
‫زراك‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .1‬يتـ عمؿ جدوؿ تكراري نستحث فيه اعمدة جديدة لغرض استخراج وحساب المتغيرات المطموبة‪.‬‬
‫انفئبت‬ ‫انتكرار‬ ‫مركز انفئة‬
‫)‪(fi x Xi‬‬ ‫)‪(fi x Xi2‬‬
‫(اجىر انعمبل)‬ ‫(عدد انعمبل))‪(fi‬‬ ‫)‪(Xi‬‬
‫‪10 – 19‬‬ ‫‪6‬‬ ‫‪82.5‬‬ ‫‪26.5‬‬ ‫‪266.25‬‬
‫‪20 – 29‬‬ ‫‪2‬‬ ‫‪62.5‬‬ ‫‪822‬‬ ‫‪6268.5‬‬
‫‪30 – 39‬‬ ‫‪86‬‬ ‫‪62.5‬‬ ‫‪625‬‬ ‫‪88666.5‬‬
‫‪40 – 49‬‬ ‫‪85‬‬ ‫‪22.5‬‬ ‫‪222.5‬‬ ‫‪66266.25‬‬
‫‪50 – 59‬‬ ‫‪1‬‬ ‫‪52.5‬‬ ‫‪262‬‬ ‫‪66226‬‬
‫‪60 – 69‬‬ ‫‪5‬‬ ‫‪22.5‬‬ ‫‪666.5‬‬ ‫‪66168.65‬‬
‫‪70 – 79‬‬ ‫‪6‬‬ ‫‪22.5‬‬ ‫‪666.5‬‬ ‫‪82256.25‬‬
‫∑‬ ‫‪56‬‬ ‫‪6815‬‬ ‫‪862656.5‬‬
‫‪ .2‬يتـ حساب الوسط الحسابي مف العالقة التالية‪:‬‬
‫∑‬
‫̅‬
‫∑‬
‫‪ .3‬نستخدـ احدى العالقات في استخداـ االنحراؼ المعياري اما الطريقة المطولة او الطريقة المختصرة ‪:‬‬
‫(∑‬ ‫)‬
‫‪σ‬‬ ‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫∑‬
‫خواص التبايف واالنحراؼ القياسي‬

‫‪ -1‬اف متوسػ ػػط مربعػ ػػات انح ارفػ ػػات (فػ ػػروؽ) القػ ػػيـ عػ ػػف وسػ ػػطها الحسػ ػػابي يسػ ػػمى التبػ ػػايف‪ ,‬أي إف االنح ػ ػراؼ‬
‫المعياري هو جذر التبايف‪.‬‬
‫‪ -2‬قيمة التبايف ال بد أف تكوف موجبة أو تساوي صفر‪.‬‬
‫‪ -3‬كمم ػػا اقترب ػػت قيم ػػة التب ػػايف م ػػف الص ػػفر ‪ ,‬أي كمم ػػا اقترب ػػت قيم ػػة االنحػػراؼ المعي ػػاري م ػػف الص ػػفر ‪ ,‬كمم ػػا‬
‫اصبحت البيانات او القراءات في الظاهرة المدروسة قريبة مف التجانس‪.‬‬
‫‪ -4‬يتاثر االنحراؼ المعياري بالقيـ الشاذة‪.‬‬
‫‪ -5‬عنػد ارػافة أو طػػرح اي عػدد ثابػت (نرمػػز لػه بػػالرمز ‪ )K‬الػى كػؿ قيمػػة مػف القػيـ او القػراءات ‪ ,‬فػاف قيمػػة‬
‫التبايف واالنحراؼ القياسي تبقى كما هي ال تتغير ‪ .‬اي اف ‪:‬‬
‫قيمة التبايف الجديدة = قيمة التبايف االصمية‬
‫قيمة االنحراؼ القياسي الجديدة = قيمة االنحراؼ القياسي االصمية‬
‫‪- 76 -‬‬
‫زراك‬
‫مثاؿ ‪ :‬احسب التبايف واالنحراؼ القياسي لمقػيـ التاليػة اوالً ‪ ,‬ثػـ ارػؼ لكػؿ منهمػا (‪ )3‬التبػايف واالنحػراؼ القياسػي‬
‫الجديدة‪. (8, 3, 2, 12, 10) .‬‬
‫‪ )a‬نحسب قيمة التبايف واالنحراؼ القياسي قبؿ االرافة‪:‬‬
‫∑‬
‫∑ √‬
‫√‬
‫√‬ ‫√‬
‫التبايف = ‪ , 19‬االنحراؼ القياسي = ‪4.3‬‬

‫‪ )b‬نحسب قيمة التبايف واالنحراؼ القياسي بعد االرافة‪:‬‬
‫بعد ارافة ثابت قيمته (‪ )3‬تصبح القيـ كما يمي‪ ,(11, 6, 5, 15, 13) :‬ثـ نحسب ‪:‬‬
‫∑‬
‫∑ √‬
‫√‬ ‫√‬
‫√‬
‫نحصؿ عمى نفس النتيجة في حالة ارافة او طرح عدد ثابت مف القيـ او القراءات االصمية‪.‬‬
‫‪ -6‬اذا رريت كؿ قيمة مف القيـ االصمية بعدد ثابت )‪ (K‬فاف ‪:‬‬
‫التبايف لمقيـ الجديدة = التبايف لمقيـ االصمية ‪ x‬مربع العدد الثابت‬
‫االنحراؼ القياسي لمقيـ الجديدة = االنحراؼ القياسي لمقيـ االصمية ‪ x‬العدد الثابت‬
‫العالقة بيف االنحراؼ القياسي واالنحراؼ المتوسط‬
‫‪ .A‬اذا كاف التوزيع التكراري ير متماثؿ (المنحني التكراري ممتوي التواء بسيط) فاف‪:‬‬
‫االنحراؼ القياسي‪,‬‬ ‫االنحراؼ المتوسط =‬
‫‪- 77 -‬‬
‫زراك‬
‫‪ .B‬عن ػػد قي ػػاس م ػػدى تشػػػتت متوس ػػط العين ػػات اتابع ػػة لظػ ػػاهرة معين ػػة فان ػػه يس ػػخدـ مػػػا يس ػػمى بالخط ػػا القياسػػػي‬
‫)‪ (Standard Error‬او االنحراؼ القياسي لممتوسطات )‪ (Standard Deviation of the Mean‬ويرمػز‬
‫‪ ,‬ويحسب بالقانوف التالي‪:‬‬ ‫̅‬ ‫له بالرمز‬
‫̅‬
‫√‬
‫مقاييس التشتت النسبي ‪:‬‬

‫هي المقاييس التي تكوف خالية مف وحدات القياس‪ ,‬وهي ذات اهمية كبيرة عند اجراء مقارنة بيف تشتت مجموعتيف‬
‫او اكثر تختمؼ في وحدات القياس لقيمها‪ .‬ومف اهـ مقاييس التشتت النسبي هي‪:‬‬
‫معامؿ االختالؼ ‪:Coefficient of Variation‬‬ ‫‪.1‬‬
‫وهػو معامػؿ اخػتالؼ نسػبي يسػتخدـ لممقارنػة بػيف تشػتت ظػاهرتيف او اكثػر مختمفتػيف او حتػي متشػابهتيف فػػي‬
‫وحدة القياس‪ .‬اف الظاهرة التي يكوف او تمتمؾ معامؿ اختالؼ اكبر تكوف اكثر تشتتاً مف االخرى‪.‬‬
‫‪ )c‬يمكف حساب معامؿ االختالؼ بداللة االنحراؼ القياسي والوسط الحسابي‪:‬‬
‫𝝈‬
‫𝑽𝑪‬ ‫𝟎𝟎𝟏 𝒙‬
‫̅‬
‫𝑿‬
‫‪ )d‬يمكف حساب معامؿ االختالؼ بداللة االنحراؼ المتوسط والوسط الحسابي‪:‬‬
‫𝑫𝑴‬
‫𝑽𝑪‬ ‫𝟎𝟎𝟏 𝒙‬
‫̅‬
‫𝑿‬
‫‪ )e‬يمكف حساب معامؿ االختالؼ بداللة االنحراؼ المتوسط والوسيط‪:‬‬
‫𝑫𝑴‬
‫𝑽𝑪‬ ‫𝟎𝟎𝟏 𝒙‬
‫𝒆𝑴‬
‫‪- 78 -‬‬
‫زراك‬
‫مثاؿ (‪:)1‬‬
‫أوجد معامؿ االختالؼ مف الجدوؿ التكراري التالي‪:‬‬
‫(اجىر انعمبل)‬ ‫(عدد انعمبل))‪(fi‬‬
‫‪10 – 19‬‬ ‫‪6‬‬
‫‪20 – 29‬‬ ‫‪2‬‬
‫‪30 – 39‬‬ ‫‪86‬‬
‫‪40 – 49‬‬ ‫‪85‬‬
‫‪50 – 59‬‬ ‫‪1‬‬
‫‪60 – 69‬‬ ‫‪5‬‬
‫‪70 – 79‬‬ ‫‪6‬‬
‫الحػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .A‬نستخرج الوسط الحسابي واالنحراؼ المعياري مف الجدوؿ التكراي وكما يمي‪:‬‬
‫̅‬
‫‪ .B‬نستخرج معامؿ االختالؼ بداللة الوسط الحسابي واالنحراؼ المعياري وحسب العالقة التالية‪:‬‬
‫̅‬
‫مثاؿ (‪ :)2‬اذا كانت نتائج االمتحانات النهائية في مادتي االحصاء والصخور لممرحمة الثانية كما يمي‪:‬‬
‫الصخور‬ ‫االحصاء‬ ‫المادة‬ ‫المتغير‬
‫‪73‬‬ ‫‪78‬‬ ‫الوسط الحسابي‬
‫‪76‬‬ ‫‪80‬‬ ‫االنحراؼ القياسي‬
‫لالحصاء‬
‫̅‬
‫لمكيمياء‬
‫̅‬
‫مف ذلؾ نستنتج اف درجة التشتت في مادة الكيمياء اكثر عما هي في االحصاء‬
‫الدرجة القياسية ‪Standardized Scores‬‬ ‫‪.2‬‬
‫في معظـ االحياف وخالؿ مراحؿ المعالجات االحصائية عند دراسة عدة ظواهر معينة‪ ,‬فاننا نحتػاج الػى مقارنػة‬
‫ظاهرتيف او مجموعتيف مختمفتيف ‪ ,‬لكؿ ظػاهرة مػف هػذ الظػواهر لهػا وحػدات القيػاس الخاصػة بهػا‪ ,‬لػذلؾ يجػب‬
‫تحويػػؿ وحػػدات كػػؿ ظػػاهرة او مجموعػػة الػػى وحػػدات قياسػػية لكػػي نػػتمكف مػػف اجػػراء عمميػػة المقارنػػة وتكػػوـ ذات‬
‫‪- 79 -‬‬
‫زراك‬
‫معنػػى ‪ .‬يػػتـ ذلػػؾ باسػػتخداـ الوسػػط الحسػػابي واالنح ػراؼ القياسػػي لكػػؿ ظػػاهرة او مجموعػػة‪ .‬يػػتـ ذلػػؾ باسػػتخداـ‬
‫العالقة التاليػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػة‪:‬‬
‫𝑖𝑋‬ ‫̅𝑋‬
‫الدرجة القياسية‬ ‫𝑖𝑍‬
‫𝜎‬
‫مث ػ ػ ػ ػ ػ ػػاؿ‪:‬‬
‫حصؿ احد الطالب عمى درجػة (‪ )84‬فػي االمتحػاف النهػائي فػي مػادة الريارػيات‪ ,‬وكػاف الوسػط الحسػابي‬
‫لجميع طمبة المرحمة في الرياريات تساوي (‪ )76‬وبانحراؼ قياسي قدر (‪ .)10‬أما في امتحاف الفيزياء فقد حصؿ‬
‫نفػػس الطالػػب عمػػى درجػػة (‪ )90‬وكػػاف الوسػػط الحسػػابي لجميػػع طمبػػة المرحمػػة هػػو (‪ )82‬وبػػانحراؼ قياسػػي قػػدر‬
‫(‪ .)16‬في اي الموروعيف كانت قابمية الطالب اعمى؟‬
‫الح ػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫نحػػوؿ درجػػات الم ػواد فػػي الفيزيػػاء والريارػػيات الػػى درجػػات قياسػػية لغػػرض الػػتخمص مػػف وحػػدات القياسباسػػتخداـ‬
‫قانوف الدرجة القياسية‪:‬‬
‫̅‬
‫بالنسبة لمرياريات‪:‬‬
‫̅‬
‫‪5‬‬ ‫بالنسبة لمفيزياء ‪:‬‬
‫مػػف هػػذا يترػػح بػػاف قابميػػة الطالػػب فػػي الريارػػيات اعمػػى عمػػا هػػي عميػػه فػػي الفيزيػػاء بػػالر ـ مػػف اف درجتػػه فػػي‬
‫الرياريات اقؿ عما هي في الفيزياء‪.‬‬
‫‪- 81 -‬‬
‫زراك‬
‫مس ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػائؿ اثرائي ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػة‪:‬‬
‫مسالة (‪:)1‬‬
‫الجدوؿ التكراري التالي يورح رواتب عينة مف (‪ )100‬موظؼ بالدينار ‪.‬‬
‫فئبث انرواتب‬ ‫انتكرار‬
‫(ديُبر ‪)8666X‬‬ ‫(عدد انًىظفيٍ)‬
‫‪30 – 39‬‬ ‫‪2‬‬
‫‪40 – 49‬‬ ‫‪88‬‬
‫‪50 – 59‬‬ ‫‪66‬‬
‫‪60 – 69‬‬ ‫‪62‬‬
‫‪70 – 79‬‬ ‫‪82‬‬
‫‪80 – 89‬‬ ‫‪1‬‬
‫‪90 - 99‬‬ ‫‪2‬‬
‫∑‬ ‫‪866‬‬
‫‪ .A‬ارسـ المدرج التكراري لتوزيع الرواتب ‪ ,‬ثـ حدد منه قيمة المنواؿ‪.‬‬
‫‪ .B‬ارسـ المنحني المتجمع الصاعد والنازؿ ‪ ,‬ثـ اوجد منه قيمة الوسيط في الرواتب‪.‬‬
‫‪ .C‬مف المنحني التكراري التجمعي الصاعد ‪ ,‬اوجد عدد الموظفيف الذيف تقؿ رواتبهـ عف ‪ 750‬الؼ دينار‬
‫مسالة (‪:)2‬‬
‫الجػدوؿ التكػراري التػالي يورػح توزيػػع عينػة مكونػة مػف (‪ )200‬موظػؼ باحػػدى الشػركات مػوزعيف حسػب اعمػػارهـ‬
‫بالسنة‪:‬‬
‫فئبث انعًر‬ ‫انتكرار‬
‫(سُت)‬ ‫(عدد انًىظفيٍ)‬
‫‪20 – 24‬‬ ‫‪86‬‬
‫‪25 – 29‬‬ ‫‪82‬‬
‫‪30 – 34‬‬ ‫‪62‬‬
‫‪35 – 39‬‬ ‫‪26‬‬
‫‪40 – 44‬‬ ‫‪62‬‬
‫‪45 – 49‬‬ ‫‪66‬‬
‫‪50 – 54‬‬ ‫‪66‬‬
‫‪55 – 59‬‬ ‫‪86‬‬
‫∑‬ ‫‪666‬‬
‫‪- 81 -‬‬
‫زراك‬
‫‪ .1‬احسب الوسط الحسابي واالنحراؼ المعياري‪.‬‬
‫‪ .2‬ارسـ المنحني التجمعي الصاعد ومف الرسـ اوجد ‪:‬‬
‫‪ )a‬نسبة عدد المشتغميف الذيف تقؿ اعمارهـ عف ‪ 40‬سنة‪.‬‬
‫‪ )b‬الحد االعمى لمعمر الذي بمغه ‪ 120‬موظؼ‪.‬‬
‫‪ .3‬الوسيط باستخداـ التمثيؿ الصوري‪.‬‬
‫‪ .4‬ارسـ المنحني التكراري‪ ,‬هؿ المنحني متماثؿ؟ دلؿ عمى االجابة بحساب معامؿ االلتواء‪.‬‬
‫مسالة (‪:)3‬‬
‫الجدوؿ التالي يورح توزيع عينة مف الموظفيف في احدى الشركات الخاصة موزعيف حسب فئات الراتب‪:‬‬
‫فئبت انراتب‬ ‫عدد انمىظفين‬
‫‪60 – 64‬‬ ‫‪3‬‬
‫‪65 – 69‬‬ ‫‪8‬‬
‫‪70 – 74‬‬ ‫‪01‬‬
‫‪75 – 79‬‬ ‫‪01‬‬
‫‪80 – 84‬‬ ‫‪01‬‬
‫‪85 – 89‬‬ ‫‪01‬‬
‫‪90 - 94‬‬ ‫‪1‬‬
‫∑‬ ‫‪81‬‬
‫‪ .1‬احسب الوسيط باستخداـ طريقيتيف (الحساب الرياري والتمثيؿ الصوري بارسـ)‪.‬‬
‫‪ .2‬المنواؿ باستخداـ طريقتيف (الحساب الرياري والتمثيؿ الصوري بارسـ)‪.‬‬
‫‪ .3‬معامؿ االختالؼ‪.‬‬
‫‪ .4‬معامؿ االلتواء االوؿ والثاني‪.‬‬
‫مسالة (‪:)4‬‬
‫البيانات التالية تمثؿ اسعار ستة مف المنتجات الغذائية (بالدينار) مختارة مف ثالث مراكز تجارية وكما يمي‪:‬‬
‫عينة (‪)5 ,6 ,3 ,1 ,2 ,7 ( : )1‬‬
‫عينة (‪)6 ,3 ,1 ,2 ,4 ,8 ( : )2‬‬
‫عينة (‪)3 ,1 ,5 ,2 ,4 ,1 ( : )3‬‬
‫احسب معامؿ االختالؼ لكؿ عينة ‪ ,‬أي العينات اكثر تشتتاً‪.‬‬
‫‪- 82 -‬‬
‫زراك‬
‫مسالة (‪:)5‬‬
‫الجػػدوؿ التػػالي يورػػح توزيػػع عينػػة مػػف (‪ )500‬موظػػؼ مػػوزعيف حسػػب سػػاعات العمػػؿ التػػي يحققونهػػا يومي ػاً فػػي‬
‫احدى شركات القطاع الخاص‪:‬‬
‫سبعبث انعًم‬ ‫عدد انًىظفيٍ‬
‫‪2–3‬‬ ‫‪61‬‬
‫‪4–5‬‬ ‫‪881‬‬
‫‪6–7‬‬ ‫‪868‬‬
‫‪8–9‬‬ ‫‪65‬‬
‫‪10 – 11‬‬ ‫‪56‬‬
‫‪12 – 13‬‬ ‫‪66‬‬
‫‪14 – 15‬‬ ‫‪86‬‬
‫‪16 - 17‬‬ ‫‪1‬‬
‫∑‬ ‫‪566‬‬
‫‪ .1‬احسب الوسيط والمنواؿ‬
‫‪ .2‬احسب االنحراؼ المعياري‬
‫‪ .3‬احسب معامؿ االختالؼ‬
‫‪ .4‬ارسـ المنحني التكراري‪ ,‬هؿ اف التوزيع متماثؿ؟ عمؿ االجابة؟‬
‫مسالة (‪:)6‬‬
‫مف الجدوؿ التكراري التالي ‪:‬‬
‫‪15 – 17‬‬ ‫‪6‬‬
‫‪18 – 20‬‬ ‫‪2‬‬
‫‪21 – 23‬‬ ‫‪68‬‬
‫‪24 – 26‬‬ ‫‪5‬‬
‫‪27 – 29‬‬ ‫‪2‬‬
‫اوجد‪:‬‬
‫‪ .1‬االنحراؼ المعياري‬
‫‪ .2‬الوسيط‬
‫‪- 83 -‬‬
‫زراك‬
‫الفصل السابع‬
‫القطاعات الدائرية (المساحات الدائرية) ‪: Pie Charts‬‬
‫وهي عبارة عف دائرة تقسـ الى قطاعات زواياها المركزية تتناسب مع القراءات ‪ ,‬أو بصيغة اخرى يتـ تقسيـ‬
‫الدائرة الى قطاعات بنسبة القيـ الظاهرة وبحسب القيـ الظاهرة وبحسب قياس زاوية كؿ قطاع نسبة الى الزاوية‬
‫المركزية (‪ , )360°‬ويمكف حساب الزاوية الخاصة بكؿ قطاع القراءة الخاصة به وكاالتي ‪:‬‬
‫قيمة ) تكرار( الجزء الممثؿ بالقطاع‬
‫زاوية القطاع‬
‫مجموع القيـ ) التك اررات(‬
‫او بصيغة اخرى ‪:‬‬

‫القراءة نفسها‬
‫الزاوية المركزية‬ ‫الزاوية المركزية‬
‫مجموع القراءات‬
‫مثػػاؿ (‪ :)1‬البيانػػات المدجػػة فػػي الجػػدوؿ التػػالي تمثػػؿ مػػؤهالت اعرػػاء هيئػػة التػػدريس فػػي كميػػة العمػػوـ ‪ ,‬مثػػؿ هػػذ‬
‫البيانات بالقطاعات الدائرية ‪.‬‬
‫دكتو ار‬ ‫ماجستير‬ ‫بكالوريوس‬ ‫دبموـ‬ ‫المؤهؿ‬

‫∑‬ ‫‪25‬‬ ‫‪20‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫العدد‬
‫الحؿ‪:‬‬
‫نرسـ الدائرة ثـ نحدد الزاوية المركزية لكؿ قطاع مف العالقة الريارية وكما يمي ‪:‬‬
‫قيمة) تكرار( الجزء الممثؿ بالقطاع‬
‫الدبموـ‬ ‫‪ .1‬زاوية القطاع‬
‫مجموع القيـ) التك اررات(‬

‫البكالوريوس‬ ‫‪ .2‬زاوية القطاع‬

‫الماجستير‬ ‫‪ .3‬زاوية القطاع‬

‫الدكتو ار‬ ‫‪ .4‬زاوية القطاع‬
‫‪- 84 -‬‬
‫زراك‬
‫نالحظ هنا اف مجموع الزوايا ال بد اف يساوي (‪)360‬درجة = (‪)42+33+12+13‬‬

‫وممكف اف نرسـ القطاعات الدائرية بالنسبة المئوية ‪ ,‬حيث يتـ تقسيـ درجة كؿ قطاع عمى (‪ )360°‬وتررب في‬
‫درجة كؿ قطاع‬
‫(‪ , )100‬وكما يمي ‪ :‬نسبة كؿ قطاع‬
‫‪- 85 -‬‬
‫زراك‬
‫مثاؿ (‪ :)2‬الجدوؿ التالي يمثؿ تقريبا مساحات القارات في العالـ ‪ ,‬مثمها بالقطاعات او الرسوـ الدائرية بالدرجات‬
‫وبالنسبة المئوية ‪.‬‬
‫‪6‬‬
‫انقبرة‬ ‫انًسبحت ببنًهيىٌ كى‬
‫اسيب‬ ‫‪22‬‬
‫ايريكب انجُىبيت‬ ‫‪81‬‬
‫افريقيب‬ ‫‪66‬‬
‫استرانيب وَيىزنُدا‬ ‫‪1‬‬
‫اوربب‬ ‫‪5‬‬
‫ايريكب انشًبنيت‬ ‫‪62‬‬
‫الحؿ ‪ : (a) :‬نرسـ الدائرة ثـ نحدد الزاوية المركزية لكؿ قطاع مف العالقة الريارية وكما يمي ‪:‬‬
‫اسيا‬ ‫‪ .1‬زاوية القطاع‬

‫امريكا الجنوبية‬ ‫‪ .2‬زاوية القطاع‬

‫افريقيا‬ ‫‪ .3‬زاوية القطاع‬

‫استراليا ونيوزيمندا‬ ‫‪ .4‬زاوية القطاع‬

‫اوربا‬ ‫‪ .5‬زاوية القطاع‬

‫امريكا الشمالية‬ ‫‪ .6‬زاوية القطاع‬
‫‪- 86 -‬‬
‫زراك‬
‫)‪ : (b‬نرسـ مساحة كؿ قطاع حسب النسبة المئوية ‪:‬‬
‫‪- 87 -‬‬
‫الباب الثاني‬
‫االحصاء االستداللي‬
‫نظرية االحتماؿ‬
‫مبادئ علم االحصاء التطبيقي لغير االختصاص‬
‫غازي عطيو‬ ‫الباب الثاني‬
‫زراك‬
‫الفصل الثامن‬
‫نظرية االحتمال‬
‫تمهيد‪:‬‬
‫تعػػرؼ نظريػػة االحتمػػاؿ بانهػػا فػػرع مػػف فػػروع الريارػػيات التطبيقيػػة التػػي تهػػتـ بد ارسػػة التجػػارب العشػوائية‪ ,‬او‬
‫بمعنى آخر إنها تهتـ بدراسة تاثير الصدفة عمى الظواهر واالشياء‪.‬‬
‫تمعب االحتماالت دو اَر كبي ار فػي حياتنػا اليوميػة وتػدخؿ فػي كثيػر مػف العمػوـ االخػرى التػي تعتمػد عمػى اتخػاذ‬
‫الق اررات بطريقػة االحتمػاؿ أو عنػد عػدـ التاكػد مػف النتيجػة‪ ,‬مثػاؿ عمػى ذلػؾ قػد نمغػي رحمػة خارجيػة تػـ الترتيػب لهػا‬
‫منذ فترة طويمة وذلؾ الحتماؿ اف يكػوف الطقػس ردئ أو الحتمػاؿ سػقوط المطػر‪ ,‬أو يمكػف لمطالػب اف يهمػؿ قػراءة‬
‫جزء مف المنهج الد ارسي الحتماؿ اف ال ياتي في االمتحاف‪ .‬هذ التقديرات تستند عمى اساس رياري ولكنها تعتمد‬
‫عمى الخبرة المتراكمة ‪ ,‬مثال احواؿ الطقس أو االسئمة االمتحانية المرشحة في االمتحانات‪.‬‬
‫نشػػزت نظريػػة االحتمػػاؿ فػػي القػػرف السػػابع عشػػر مػػف خػػالؿ االبحػػاث التػػي قػػاـ بهػػا كػػؿ مػػف العػػالـ باسػػكاؿ‬
‫)‪ (Pascal 1662 – 1623‬والعػالـ فيرمػات )‪ (Fermat 1665 – 1601‬عنػد د ارسػتهـ الرقػاـ معينػة فػي عػالـ‬
‫المراهنات ‪ ,‬ثـ اكمؿ برنولي )‪ (Bernoulli 1705 – 1645‬وبعد جاء البالس )‪(Laplace 1827 – 1749‬‬
‫حيث ورع تعريؼ واسس نظرية االحتماؿ‪.‬‬
‫هنالػػؾ تطبيقػػات عديػػدة طبقػت فيهػػا نظريػػة االحتمػػاؿ مثػػؿ االرصػػاد الجويػػة‪ ,‬العمػػوـ الهندسػػية ونظريػػة الو ارثػػة‬
‫التي جاء بها العالـ مندؿ )‪ .(Mendel‬أولى التطبيقات لنظرية االحتماؿ بنيت عمى التجارب التالية‪:‬‬
‫‪ .1‬إذا القينػػا قطعػػة مػػف المعػػدف فػػي اله ػواء فانهػػا سػػوؼ تسػػقط عمػػى االرض وهػػذا شػػئ (مؤكػػد) النهػػا حقيقػػة‬
‫معروفػة ‪ ,‬ولكػف اذا القينػػا قطعػة نقػػود عمػى طاولػة مسػػطحة ‪ ,‬فػاف قطعػػة النقػود سػوؼ تسػػقط وتسػتقر عمػػى‬
‫احد وجهيهػا (ال يمكػف لمقطعػة النقديػة اف تسػتقر عمػى حافتهػا) ‪ ,‬ولكننػا قبػؿ اجػراء رمػي القطعػة النقديػة ال‬
‫نعمـ اي الوجهيف سوؼ يظهر الى االعمى‪ ,‬وهذا يعتمد عمى ما نطمؽ عميه (بالصدفة) أو االحتماؿ‪.‬‬
‫‪ .2‬مثاؿ آخر ‪ ,‬اننا نعػرؼ اف المػاء يتحػوؿ الػى بخػار اذا تػـ تسػخينه الػى درجػة حػ اررة )‪ (100 C°‬وهػذا شػئ‬
‫مؤكد ‪ ,‬ولكف عند رمي زهرة الطاولة (زهرة النرد) عمى لوح فاف ما نعرفػه هػو اف احػد االوحػه السػتة سػوؼ‬
‫يظهر الى االعمى ‪ ,‬ولكننا ال نعرؼ اي مف االوجه السته سوؼ يظهر الى االعمى‪ ,‬الف ذلػؾ يعتمػد عمػى‬
‫(الصدفة)‪.‬‬
‫‪- 88 -‬‬
‫زراك‬
‫مف خالؿ هذ االمثمة يمكف اف نفرؽ بيف الشئ (المؤكد)‪ ,‬و(الصدفة) ‪ ,‬فاالوؿ يدؿ عمى شيء معموـ لدينا واف‬
‫نتيجػة التجربػة تحػػدث واف كػؿ الظػروؼ تكػػوف مؤاتيػة تػؤدي الػػى حدوثػه‪ .‬أمػا الثػػاني فاننػا ال نعػرؼ أو ال يمكػػف‬
‫الػػتكهف بالنتيجػػة وانهػػا تػػدؿ عمػػى شػػيء يػػر معمػػوـ لػػدينا تمامػػا ‪ ,‬وال نعػػرؼ الظػػروؼ التػػي تػػؤدي الػػى حػػدوث‬
‫النتيجة اال بعد اجراء التجربة‪ .‬مثاؿ آخر عمى مثؿ هذ الحالة عندما نقوؿ اف (السماء يحتمؿ اف تمطر اليوـ)‬
‫يمكف اف نطمؽ كممة احتماؿ عمى اف السماء يحتمؿ اف تمطػر اعتمػادا عمػى تػوفر بعػض الظػروؼ التػي تػؤدي‬
‫الى سقوط المطر‪ .‬مثال اذا كانت السماء ممبدة بالغيوـ والجو مائال الػى البػرودة ولكػف هػي ليسػت كػؿ الظػروؼ‬
‫حيػػث توجػػد ظػػروؼ اخػػرى ال نعرفهػػا تمامػاَ اذا مػػا تػػوفرت جميعػػا فػػاف المطػػر سػػوؼ يسػقط بصػػورة مؤكػػدة وعنػػد‬
‫عدـ توفرها جميعا هناؾ احتماؿ بعدـ سقوط المطر‪.‬‬
‫كذلؾ يمكف النظر الى االحتماالت عمى انها احد فػروع الريارػيات الػذي سػبؽ اف اشػرنا اليػه فػي بدايػة تعريػؼ‬
‫نظريػػة االحتمػػاؿ وهػػي النظريػػة التػػي تهػػتـ بد ارسػػة التجػػارب او المحاوالتالعش ػوائية‪ ,‬وتسػػمى التجربػػة أو المحاولػػة‬
‫(عشوائية) اذا كانت مف ير الممكف تحديد النتيجة بالربط ‪ ,‬أي ال نستطيع التنبؤ بها اال بعد اجراء التجربة‪.‬‬
‫مػػثالَ‪ :‬اذا تػػـ القػػاء قطعػػة معدنيػػة أو قطعػػة نقػػود فاننػػا ال نسػػتطيع اف نتنبػػز بالنتيجػػة اذا كػػاف السػػطح العمػػوي لهػػا‬
‫سيظهر لنا صورة )‪ (Head‬أو كتابػة )‪ , (Tail‬اذاَ هػذ هػي تجربػة عشػوائية الننػا لػـ نػتمكف مػف معرفػة النتيجػة‬
‫بالرػبط اال بعػػد اجػراء التجربػة‪ .‬كػػذلؾ عنػػد سػحب ورقػػة المعػػب عشػوائياً مػػف كجكوعػػو اوراؽ المعػب بعػػد خمطهػػا‬
‫جيداً‪ ,‬فاننا ال نعمـ اذا كانت الورقػة المسػحوبة سػتظهر صػورة او عػدد معػيف‪ ,‬كػذلؾ اذا كانػت هنالػؾ حالػة والدة‬
‫فػػال نسػػتطيع التنبػػؤ اذا كػػاف المولػػود ذك ػ اًر اـ انثػػى‪ ,‬اذا هػػذ هػػي االسػػس والتعػػاريؼ التػػي تقػػوـ عميهػػا التجربػػة‬
‫العشوائية‪.‬‬
‫شروط التجربة العشوائية‪:‬‬
‫‪ .1‬يمكػػف لمتجربػػة العشػوائية اف تصػػؼ جميػػع النتػػائج التػػي مػػف الممكػػف وقوعهػػا او حػػدوثها قبػػؿ عمميػػة اج ػراء‬
‫التجربة او المحاولة ‪.‬‬
‫‪ .2‬ال يمكف بالربط تحديد نتيجة التجربة اال بعد اجراء التجربة أو اجراء عممية المحاولة‪.‬‬
‫عند رمي زهرة الطاولة أو حجر النرد )‪ (Dice‬مرة واحدة‪ ,‬ومالحظػة الوجػه الػذي سػوؼ يظهػر لنػا‪ ,‬نحػف نعػرؼ‬
‫مسػبقا اف الوجػه الػذي يظهػر مػف رميػة واحػػدة ممكػف اف يكػوف احػد االرقػاـ التاليػة‪ , (1,2,3,4,5,6) :‬اي بهػػذ‬
‫الحالػػة يمكػػف تحديػػد او تشػػخيص جميػػع الحػػاالت الممكنػػة او التػػي مػػف الممكػػف اف تظهػػر لنػػا احػػد هػػذ االرقػػاـ‪,‬‬
‫‪- 89 -‬‬
‫زراك‬
‫ولكننا ال نتمكف مف معرفة النتيجة بالربط او اي مف االرقاـ سوؼ يظهر عمى الوجػه السػطحي او العمػوي اال‬
‫بعد اجراء التجربة بعينها‪ ,‬ولذلؾ سميي هذا النوع مف التجارب بالتجارب العشوائية‪.‬‬
‫هنالؾ بعض المصطمحات والتعاريؼ التي ورعت لغرض وصؼ التجارب العشوائية وهي كما يمي‪:‬‬
‫‪ .1‬فراء العينة ‪: Sample Space‬‬

‫ويرمز لها بالرمز )‪ , (A‬وهي تمثؿ جميع النتائج الممكنة التػي يمكػف اف تحصػؿ فػي اي تجربػة عشػوائية‪.‬‬
‫تسمى المجموعة التي تتالؼ مف كؿ النتائج الممكنة التي تحصؿ في تجربة عشوائية (فراء العينة) وكػؿ‬
‫نتيجة مف النتائج تمثؿ فراء العينة‪ .‬مثالً عنػد رمػي قطعػة نقػود مػرة واحػدة فػاف فرػاء العينػة )‪ (A‬سػوؼ‬
‫يكوف اما صورة )‪ (A‬أو كتابة )‪. (T‬‬
‫امػا عنػػد رمػػي قطعتػػيف مػػف النقػػود مػرة واحػػدة فػػاف فرػاء العينػػة سػػوؼ يتكػػوف مػػف اربعػػة نتػػائج ممكنػػة الحصػػوؿ‬
‫والذي يساوي احتماليف مرروب في احتماليف ويساوي اربعة احتماالت‪.‬‬
‫مثاؿ آخر عندما نرمي زهرة النرد مرة واحدة فاف فراء العينة سوؼ يكوف‪-:‬‬
‫حيث اف فراء العينة يتكوف مف ستة نتائج ممكنة الحدوث ‪ ,‬ولكف ال يمكف اي مف االرقاـ سػوؼ يظهػر عمػى‬
‫السطح العموي لزهرة النرد اال بعد اجراء التجربة‪.‬‬
‫‪- 91 -‬‬
‫زراك‬
‫‪ .2‬الحادث ‪: Event‬‬
‫يمثؿ الحادث نتيجة في أو عدة نتائج في فراء العينة (عنصر او عػدة عناصػر) التػي ممكػف اف تحصػؿ‬
‫بعػػد اج ػراء التجربػػة‪ .‬يرمػػز الػػى الحػػادث بػػالرمز )‪ , (E‬بمعنػػى آخػػر اف الحػػادث يمثػػؿ مجموعػػة جزئيػػة مػػف‬
‫فراء العينة‪.‬‬
‫مثالً‪ :‬عند رمي قطعػة نقػود مػرة واحػدة ونحصػؿ عمػى صػورة )‪ , (H‬هػذ النتيجػة التػي حصػمنا عميهػا بعػد اجػراء‬
‫التجربة تسمى حادث )‪ (Event‬وتتكوف مف نقطة واحدة او عنصر واحد مػف فرػاء العينػة الػذي هػو صػورة او‬
‫كتابة )‪ , (H or T‬والحادث هو صورة )‪. (H‬مثاؿ ىخر عند رمي زهرة الطاولة فاف فراء العينة هو ‪:‬‬
‫} ‪ , A = { 1 , 2 , 3 , 4 , 5, 6‬واف الحصوؿ عمى عػدد زوجػي تسػمى حػادث وهػو الػذي يمثػؿ ظهػور احػد‬
‫االرقاـ الزوجية { ‪ } 6 , 4 , 2‬مف مجموع فراء العينة‪ ,‬هذا الحادث اما اف يكوف حػادث بسػيط عنػدما يتكػوف‬
‫مف نقطة واحػدة فػي فرػاء العينػة ‪ ,‬أو يكػوف حػادث مركػب اذا اشػتمؿ عمػى حػاتيف أو اكثػر مػف الحػاالت التػي‬
‫تظهر في فراء العينة‪.‬‬
‫نتائج التجارب العشوائية تنقسـ الى ثالثة انواع مف وجهة نظر (نظرية االحتماؿ) وهي كما يمي‪:‬‬
‫‪ .1‬حوادث أو نتائج مؤكدة ‪:‬‬
‫وهي النتائج أو الحوادث التي ال بد مف وقوعها أو حدوثها عند اجراء التجربة ‪.‬‬
‫مثاؿ ‪ :‬اذا تـ القاء تفاحة في الهواء فاننا نعمـ مسبقاً انها ال بد واف تسقط عمػى االرض‪ .‬هنػا التجربػة هػي القػاء‬
‫التفاحة في الهواء والنتيجة هي سقوط التفاحة عمى االرض‪ ,‬فانه يقاؿ اف احتماؿ وقوعها يساوي الواحد‪.‬‬
‫مثاؿ آخر‪ :‬اذا كاف لدينا صندوؽ يحتوي عمى )‪ (8‬كرات بيراء الموف وسحنت منه كرة واحدة فال بد اف تكوف‬
‫الكػرة المسػحوبة بيرػػاء‪ .‬هنػا التجربػة هػػي سػحب كػرة مػف الصػندوؽ والنتيجػػة هػي الحصػوؿ عمػػى كػرة بيرػػاء ‪,‬‬
‫وبمػػا اف الك ػرة ال بػػد اف تكػػوف ك ػرة بيرػػاء فػػاف النتيجػػة ال بػػد اف تكػػوف مؤكػػدة‪ .‬اذف اذا كانػػت الح ػوادث مؤكػػدة‬
‫الوقػػوع‪ ,‬فانػػه يقػػاؿ اف احتمػػاؿ وقوعهػػا يسػػاوي واحػػد )‪ . (1‬فػػي المثػػاؿ االوؿ اف احتمػػاؿ سػػقوط التفاحػػة يسػػاوي‬
‫واحد )‪ , (1‬وفي المثاؿ الثاني اف احتماؿ اف تكوف الكرة المسحوبة بيراء الموف يساوي واحد )‪. (1‬‬
‫‪ .2‬حوادث أو نتائج مستحيمة‪:‬‬

‫هي تمؾ النتائج أو الحوادث التي تعتبر مف المستحيؿ حدوثها‪.‬‬
‫مثاؿ‪ :‬هؿ يمكف سحب كرة حمراء مف صندوؽ ال يحتوي االّ عمى كرات بيراء؟‬
‫‪- 91 -‬‬
‫زراك‬
‫التجربة هنا هي سحب رة مف الصندوؽ‪ ,‬والنتيجة المطموبة هي اف تكوف الكرة حمراء‪ ,‬اذا فهذ حادثة مسػتحيمة‬
‫الحصوؿ عمى كرة حمراء مف صػندوؽ يحتػوي عمػى كػرات بيرػاء فقػط ‪ ,‬اي اف احتمػاؿ سػحب كػرة حمػراء مػف‬
‫صندوؽ ال يحتوي االّ عمى كرات بيراء يساوي صفر‪.‬‬
‫‪ .3‬حوادث أو نتائج ير مؤكدة (محتممة او ممكنة)‪:‬‬

‫وهي نتائج التجارب العشوائية التي ذكرناها سابقاً والتي ال نستطيع اف نتنبز بوقوعها مسػبقاً ‪ ,‬ولكننػا نسػتطيع‬
‫اف باستخداـ تعريؼ االحتماؿ اف نحسب احتمالية وقوعها‪ ,‬واذا كانت الحالة محتممة فػاف احتمػاؿ وقوعخػا ينحصػر‬
‫بيف الصفر والواحد‪ .‬اف لفظ احتماؿ يعبػر عػف مػدى توقعنػا بحػدوث شػىء معػيف‪ ,‬هػذا التوقػع أو التنبػؤ أو التخمػيف‬
‫قد يكوف كبي اًر وقد يكوف صغي اًر‪ ,‬وتبعاً لذلؾ قد يكوف االحتماؿ كبي ار وقد يكوف صغي ار ‪ ,‬وهذا هػو الػذي يبعػث لػدينا‬
‫الر بة في اجراء المقارنة بيف احتمالي حدوث حادثتيف لمعرفة ايهما اكبر احتمالية وذلؾ يترح في ما يمي‪:‬‬
‫لػػو كػػاف لػػدينا صػػندوقاف يحتػػوي كػػؿ منهمػػا عمػػى كػرات متشػػابهة فػػي الحجػػـ والػػوزف وكػػؿ شػػيء مػػا عػػدا المػػوف ‪,‬‬
‫وكػػاف الصػػندوؽ االوؿ يحتػػوي عمػػى)‪ (90‬ك ػرة بيرػػاء و )‪ (10‬ك ػرات سػػوداء ‪ ,‬والصػػندوؽ الثػػاني يحتػػوي عمػػى‬
‫)‪ (10‬كرات بيراء و )‪ (90‬كرة سوداء ‪ ,‬وعندما يتـ سحب كرة واحدة عشوائياً مف كؿ صندوؽ ‪ ,‬فزيهما يكػوف‬
‫اكثر احتماالً في الحصوؿ عمى كرة بيراء هو مف الصندوؽ االوؿ أـ مف الصندوؽ الثاني؟‬
‫بالتفكير المنطقي السميـ يمكننا الحكـ عمى اف احتماؿ الحصوؿ عمى كرة بيراء مف الصندوؽ االوؿ أكبر مف‬
‫احتماؿ الحصوؿ عمى كرة بيراء مف الصندوؽ الثاني‪ ,‬بسبب اف عدد الكرات البيراء هو االقػؿ‪ .‬هػذا يورػح‬
‫اف كؿ مانعرفه حتى االف هو مجرد مقارنة االحتماالت ولكف لـ نحدد قيمة هذ االحتماالت بطيقة عددية‪ ,‬هػذا‬
‫هػػو الػػذي دفػػع العممػػاء االوائػػؿ فػػي هػػذا المجػػاؿ الػػى ورػػع تعريػػؼ أو عالقػػات ريارػػية احصػػائية نػػتمكف مػػف‬
‫خاللها قياس االحتماؿ بطريقة عددية‪.‬‬
‫قبػػؿ اف نتطػػرؽ الػػى تعريػػؼ نظريػػة االحتمػػاؿ بالطريقػػة العدديػػة سػػوؼ نتطػػرؽ هنػػا الػػى تعريػػؼ وشػػرح بعػػض‬
‫القواعد واالسس التي تعتبر نتاجاً لما قاـ به العمماء االوائؿ مف دراسات منتظمة في مجاؿ االحتماالت ‪.‬‬
‫‪ .1‬الحاالت المتماثمة ‪: Equally Likely Cases‬‬

‫هػي تمػؾ الحػاالت التػػي تكػوف لهػا فػػرص متكافئػة ومتماثمػة فػي امكانيػػة حػدوثها (لهػا نفػػس الفرصػة)‪ ,‬مثػاؿ عمػػى‬
‫ذلػػؾ ‪ ,‬عنػػد القػػاء قطعػػة معدنيػػة وكانػػت عمميػػة االلقػػاء يػػر متحي ػزة ‪ ,‬فػػاف فرصػػة ظهػػور الصػػورة تعػػادؿ تمام ػاً‬
‫فرصة ظهور الكتابة‪ ,‬وهذا ما يطمؽ عميه بالحاالت المتماثمة ‪ .‬كذلؾ اذا كاف لدينا صندوؽ يحتػوي عمػى )‪(50‬‬
‫كرة بيراء و )‪ (50‬كرة سوداء ور بنػا فػي سػحب كػرة مػف هػذا الصػندوؽ عشػوائياً ‪ ,‬سػنجد اف فرصػة الحصػوؿ‬
‫‪- 92 -‬‬
‫زراك‬
‫عمى كػرة بيرػاء تعػادؿ تمامػاً فرصػة الحصػوؿ عمػى كػرة سػوداء‪ ,‬وبػذلؾ تعتبػر الحصػوؿ عمػى المونػاف االبػيض‬
‫واالسود حالتيف متماثمتيف‪.‬‬
‫‪ .2‬الحوادث الشاممة ‪: Exhaustive Events‬‬
‫وهػػي مجموعػػة الح ػوادث التػػي تمثػػؿ فرػػاء العينػػة والتػػي ال بػػد اف يتحقػػؽ واح ػاً منهػػا عمػػى االقػػؿ عنػػد اج ػراء‬
‫التجربػػة‪ .‬مثػػاؿ عمػػى ذلػػؾ عنػػد القػػاء زه ػرة الطاولػػة فػػاف االوجػػه السػػتة لزه ػرة النػػرد )‪ (1,2,3,4,5,6‬تعتبػػر احػػداث‬
‫شاممة‪ .‬كذلؾ عند القاء قطعة معدنية ‪ ,‬يعتبر الوجهاف ) ‪ (H , T‬حدثيف شامميف‪.‬‬
‫‪ .3‬الحوادث المتنافية ‪: Mutually Exclusive Events‬‬

‫وهي الحوادث التي يستبعد حدوثهما معػاً (اي اسػتحالة حػدوث أو حصػوؿ حػادثيف معػا مػرة واحػدة)‪ .‬مثػاؿ عمػى‬
‫ذلؾ في تجربة القاء زهرة الطاولة ‪ ,‬تعتبر االوجه الستة حوادث متنافية لعدـ امكانية حدوث اثنيف منهما في آف‬
‫واحد‪ ,‬وكذلؾ في تجربة القاء قطعة نقدية ‪ ,‬تعتبر الوجهاف ( الصورة والكتابة ) حدثيف متنافييف‪.‬‬
‫‪ .4‬الحوادث المستقمة ‪: Independent Events‬‬

‫وهي الحوادث التي اذا وقع احدهما فانه يؤثر عمى وقوع الحوادث االخرى ‪ ,‬أي انه مرتبط مع النتػائج االخػرى‪.‬‬
‫مثػػاؿ عمػػى ذلػػؾ اذا كػػاف لػػدينا صػػندوؽ يحتػػوي عمػػى كػرات بيرػػاء وسػػوداء ‪ ,‬وعنػػد سػػحب كرتػػاف عمػػى الت ػوالي‬
‫بدوف اعادة الكرة االولى الى الصندوؽ ‪ ,‬فاف نتيجة السحبة الثانية سوؼ تتاثر بنتيجة السحبة االولى‪ .‬فػي هػذ‬
‫الحالة يعتبر الحادثيف ير مستقميف‪.‬‬
‫‪ .5‬الحاالت الممكنة ‪: Possible Casses‬‬

‫وهػػي جميػػع الح ػوادث التػػي يمكػػف اف تظهػػر فػػي تجربػػة معينػػة‪ .‬مثػػاؿ عمػػى ذلػػؾ ‪ ,‬عنػػد رمػػي قطعػػة نقػػود فػػاف‬
‫الحػػاالت الممكنػػة الوقػػوع هػػي حػػالتيف إمػػا تظهػػر صػػورة أو كتابػػة‪ ,‬كػػذلؾ عنػػد رمػػي زه ػرة الطاولػػة فػػاف الحػػاالت‬
‫حالة‪.‬‬ ‫الممكنة هي ستة حاالت وعند رمي زهرتي طاولة فاف الحاالت الممكنة سوؼ تكوف‬
‫‪ .6‬الحاالت المؤاتية ‪: Favorable Cases‬‬

‫وتسػػمى كػػذلؾ حػػاالت النجػػاح‪ ,‬وهػػي الحػػاالت التػػي يتحقػػؽ فيهػػا ظهػػور الحػػادث المػراد د ارسػػته‪ .‬مثػػاؿ عمػػى ذلػػؾ‬
‫عنػػد رمػػي زهػرة الطاولػػة ‪ ,‬فػػاف كػػاف المطمػػوب هػػو الحصػػوؿ عمػػى عػػدد زوجػػي فػػاف الحػػاالت المؤاتيػػة هػػي التػػي‬
‫يتحقؽ فيها الحصوؿ عمى عدد زوجي (‪.)6 , 4 , 2‬‬
‫‪- 93 -‬‬
‫زراك‬
‫تعريؼ االحتماالت‬
‫يوجد لالحتماالت تعاريؼ مختمفة ‪ ,‬واهمها تعريفيف اثنيف فقط وهي التي ال تحتاج الى مفهوـ رياري متقدـ‬
‫لفهمها وهما‪:‬‬
‫‪ .1‬التعريؼ الكالسيكي لالحتماالت‬

‫‪ .2‬التعريؼ التجريبي لالحتماالت‬
‫التعريؼ الكالسيكي لالحتماالت‪:‬‬ ‫‪.1‬‬
‫نفتػػرض اف حادثػاً معينػػا نرمػػز لػػه بػػالمز )‪ (E1‬التػػي يمكػػف اف ينػػتج عنهػػا أو يتحقػػؽ فػػي )‪ (m‬مػػف الحػػاالت (أو‬
‫عػػدد مػرات اجػراء التجربػػة) وتسػػمى الحػػاالت الشػػاممة ‪ ,‬المتنافيػػة والمتماثمػػة وتسػػمى كػػذلؾ الحػػاالت المؤاتيػػة مػػف‬
‫مجم ػػوع )‪ (N‬م ػػف الح ػػاالت الممكن ػػة (فر ػػاء العين ػػة) عم ػػى افتػ ػراض اف جمي ػػع الح ػػاالت الممكن ػػة ه ػػذ متس ػػاوية‬
‫الحػػدوث )‪ , (Equally Likely Cases‬فػػاف درجػػة احتمػػاؿ ظهػػور الحػػادث )‪ (E1‬والػػذي يرمػػز لػػه بػػالرمز‬
‫)‪ P(E1‬يمكف اف يعرؼ بالصيغة التالية‪:‬‬
‫عدد الحاالت المؤاتية )النجاح(‬ ‫عدد مرات ظهور الحادث‬

‫بشرط اف‬
‫عدد الحاالت الممكنة )الكمية(‬ ‫فراء العينة‬
‫سػػوؼ يكػػوف أو‬ ‫بالمقابػػؿ فػػاف عػػدـ ظهػػور الحػػادث (تسػػمى حػػاالت الفشػػؿ) والتػػي يرمػػز لهػػا بػػالرمز‬
‫يعرؼ بالصيغة التالية ‪:‬‬
‫بالحادث العكسي‪ ,‬أي اف ‪:‬‬ ‫ويسمى كذلؾ عدـ ظهور الحادث‬
‫مثاؿ (‪ :)1‬اذا كانت التجربة هي القاء زهرة الطاولة فاف الحاالت الممكنة بهذ الحالة تكوف ستة حػاالت شػاممة‬
‫ومتباينػػة ومتماثمػػة ‪ ,‬فػػاذا كػػاف الحػػادث هػػو الحصػػوؿ عمػػى عػػدد زوجػػي مػػف النقػػاط ‪ ,‬فػػاف الحػػاالت المؤاتيػػة لهػػذا‬
‫الحادث هو ثالث حاالت وهي االعداد )‪ (6 , 4 , 2‬وهي التي تمثؿ االوجه التي تمتمؾ عدد زوجي مف النقاط‬
‫‪ ,‬وبهذا يكوف احتماؿ وقوع هذا الحادث مساوياً الى ‪:‬‬
‫عدد الحاالت المؤاتية‬

‫عدد الحاالت الممكنة‬
‫‪- 94 -‬‬
‫زراك‬
‫مثاؿ (‪ :)2‬عند القاء قطعتي نقود مرة واحدة (أو القاء قطعػة نقػود مػرتيف متتػاليتيف) ‪ ,‬مػا هػو احتمػاؿ الحصػوؿ‬
‫عمى صورتيف؟‬
‫الحؿ‪ :‬التجربة هي القاء قطعتي نقود‪.‬‬
‫حػاالت‪ ,‬وذلػؾ الف لكػؿ قطعػة لهػا وجهػاف ولكػؿ وجػه منهمػا‬ ‫الحاالت الممكنػة هػي‪:‬‬
‫يمكف اف يناظر وجهاف في القطعة الثانية وهذ الحاالت االربعة يمكف حصرها بفراء العينة الذي يمثؿ‪:‬‬
‫الحدث هو الحصوؿ عمى صورتيف‪:‬‬
‫( ‪ ,‬اذف‪:‬‬ ‫اذف الحاالت المؤاتية )‪ (H‬هي حالة واحدة لمحصوؿ عمى صورتيف المتمثمة بظهور )‬
‫مثاؿ (‪ :)3‬عند القاء زهرة الطاولػة مػرة واحػدة ‪ ,‬مػا هػو احتمػاؿ اف يكػوف مجمػوع النقػاط عمػى السػطح العمػوي اكثػر‬
‫مف اربعة؟‬
‫الحؿ‪ :‬التجربة هي القاء زهرة طاولة مرة واحدة‪.‬‬
‫الحاالت الممكنة‪ :‬هي ستة حاالت متماثمة وممكنة وشاممة‬
‫الحادث‪ :‬هو اف يكوف مجموع النقاط عمى السطح العموي لزهرة الطاولة اكبر مف اربعة‪.‬‬
‫( وهػ ػ ػ ػ ػ ػػي الحػ ػ ػ ػ ػ ػػالتيف عنػ ػ ػ ػ ػ ػػد ظهػ ػ ػ ػ ػ ػػور االرقػ ػ ػ ػ ػ ػػاـ ‪ 5‬و ‪.) 6‬‬ ‫اذف ‪ :‬الحػ ػ ػ ػ ػ ػػاالت المؤاتيػ ػ ػ ػ ػ ػػة هػ ػ ػ ػ ػ ػػي‬
‫مثاؿ (‪ :)4‬عند القاء زهرتيف مف زهرات الطاولة مرة واحدة (أو القاء زهرة طاولة واحدة مرتيف)‪ ,‬ما هو احتماؿ اف‬
‫ب‪ -‬اكثر مف (‪)9‬‬ ‫يكوف مجموع النقاط عمى السطحيف العموييف‪ :‬أ‪ -‬مساوياً الى (‪, )9‬‬
‫الحؿ‪ :‬التجربة ‪ :‬القاء زهرتي طاولة مرة واحدة‬
‫عػػدد الحػػاالت الممكنػػة أو المتماثمػػة )‪ (N‬يسػػاوي (فرػػاء العينػػة) ‪ ,‬وهػػي سػػتة حػػاالت لمزه ػرة االولػػى يقابمهػػا سػػتة‬
‫( ‪ ,‬وكما في‬ ‫حاالت لمزهرة الثانية ‪ ,‬وبذلؾ سوؼ يكوف عدد الحاالت الممكنة مساوياً الى ‪ ) :‬حالة‬
‫الشكؿ التالي‪:‬‬
‫‪- 95 -‬‬
‫زراك‬
‫‪2,8‬‬ ‫‪5,8‬‬ ‫‪2,8‬‬ ‫‪6,8‬‬ ‫‪6,8‬‬ ‫‪8,8‬‬
‫‪2,6‬‬ ‫‪5,6‬‬ ‫‪2,6‬‬ ‫‪6,6‬‬ ‫‪6,6‬‬ ‫‪8,6‬‬
‫‪2,6‬‬ ‫‪5,6‬‬ ‫‪2,6‬‬ ‫‪6,6‬‬ ‫‪6,6‬‬ ‫‪8,6‬‬
‫‪2,2‬‬ ‫‪5,2‬‬ ‫‪2,2‬‬ ‫‪6,2‬‬ ‫‪6,2‬‬ ‫‪8,2‬‬
‫‪2,5‬‬ ‫‪5,5‬‬ ‫‪2,5‬‬ ‫‪6,5‬‬ ‫‪6,5‬‬ ‫‪8,5‬‬
‫‪2,2‬‬ ‫‪5,2‬‬ ‫‪2,2‬‬ ‫‪6,2‬‬ ‫‪6,2‬‬ ‫‪8,2‬‬
‫الحػػاالت المػػذكورة فػػي الجػػدوؿ تمثػػؿ )‪ (36‬نتيجػػة ممكنػػة أو تمثػػؿ فرػػاء العينػػة التػػي مػػف الممكػػف اف تتحقػػؽ اي‬
‫منهػػا‪ .‬مػػثالً النتيجػػة (‪ , )2 , 5‬معناهػػا اف الزهػرة االولػػى نتيجتهػػا الوجػػه الػػذي عميػػه (‪ )5‬نقػػاط والزهػرة الثانيػػة الوجػػه‬
‫الذي عميه نقطتيف‪.‬‬
‫اذف الحادث‪ :‬لمحالة االولى (أ)‪ ,‬هو اف يكوف مجموع النقاط عمى السطحيف العموييف يساوي (‪.)9‬‬
‫الحاالت المؤاتية‪ :‬هي تمؾ الحاالت التي نحصؿ فيها عمى الرقـ الػذي يسػاوي بمجموعػه (‪ , )9‬وهػي تمػؾ الحػاالت‬
‫‪.‬‬ ‫المؤشرة في المربعات في الجدوؿ اعال والمحاطة بالخط السميؾ وعددها (‪ )4‬اربعة حاالت‪ ,‬اي اف‬
‫الحالة الثانية (ب) ‪ ,‬التي يكوف مجموع النقاط عمى السطحيف العموييف اكثر مف (‪.)9‬‬
‫اذف الحاالت المؤاتيػة ‪ :‬هػي كػؿ الحػاالت لممربعػات الظػاهرة فػي الجػدوؿ التػي تمثػؿ مجمػوع االرقػاـ لمزهػرتيف اكثػر‬
‫مػػف (‪ , )9‬والتػػي عػػددها يسػػاوي سػػتة مربعػػات كمػػا مؤش ػرة فػػي الجػػدوؿ اعػػال والمحاطػػة بػػالخط المػػزدوج‪ ,‬اي اف‬
‫‪.‬‬
‫مثػػاؿ (‪ :)5‬صػػندوؽ يحتػػوي عمػػى ثػػالث ك ػرات بيرػػاء وخمػػس ك ػرات سػػوداء‪ ,‬فػػاذا تػػـ سػػحب ك ػرة واحػػدة مػػف هػػذا‬
‫الصندوؽ عشوائياً ‪ ,‬ما هو احتماؿ اف تكوف هذ الكرة سوداء؟‬
‫الحؿ‪ :‬اف فراء العينة لهذ التجربة هة ثمانية نتائج ‪ ,‬اي اف عدد الحاالت الممكنة يساوي ثمانية (‪.)8‬‬
‫‪- 96 -‬‬
‫زراك‬
‫الحاالت المؤاتية ‪ :‬وهي عدد حاالت النجاح التي مف الممكف اف نحصػؿ عمػى كػرة سػوداء وهػي خمسػة حػاالت او‬
‫خمسة طرؽ (بسبب اف عدد الكرات السوداء هي (‪ )5‬كرات) ‪ ,‬لذلؾ فاف احتماؿ اف تكوف الكرة سوداء هي‪:‬‬
‫مثػػاؿ (‪ :)6‬صػػندوؽ يحتػػوي عمػػى (‪ )6‬كػرات حمػراء و(‪ )4‬كػرات بيرػػاء و(‪ )5‬كػرات صػػفراءاذا سػػحبت كػرة واحػػدة‬
‫عشوائياً ‪ ,‬ما هي درجة اف تكوف هذ الكرة‪:‬‬
‫‪ )a‬كرة حمراء‬
‫‪ )b‬كرة ير حمراء‬
‫‪ )a‬عػػدد الحػػاالت الناجحػػة هػػي التػػي تكػػوف فيػػه الكػرة حمػراء هػػي (‪ )6‬حػػاالت ‪ .‬عػػدد الحػػاالت الممكنػػة لوقػػوع‬
‫الحادث يساوي (‪ , )15‬وهو عدد الكرات الكمية في الصندوؽ‪.‬‬
‫‪ )b‬عدد الحاالت الناجحة التػي تكػوف فيػه الكػرة يػر حمػراء هػي (‪)4‬كػرات بيرػاء ‪)5( +‬كػرات صػفراء = (‪)9‬‬
‫كرات ير حمراء‪.‬‬
‫مثاؿ (‪ :)7‬رميت قطعة نقود ثالث مرات ‪ ,‬فما هو احتماؿ الحصوؿ عمى الصورة مرتيف‪.‬‬
‫الحػػؿ‪ :‬فػػي كػػؿ رميػػة لقطعػػة النقػػود هنالػػؾ احتمػػاليف ‪ ,‬إمػػا نحصػػؿ عمػػى صػػورة )‪ (H‬أو كتابػػة )‪ , (T‬بمػػا اف هنػػاؾ‬
‫‪ .‬بمعنػػى آخػػر اف فرػػاء العينػػة‬ ‫ثػػالث رميػػات لقطعػػة النقػػود ‪ ,‬وعميػػه فػػاف فرػػاء العينػػة يسػػاوي‬
‫يمكف تمثيمه بالشكؿ التالي‪:‬‬
‫‪- 97 -‬‬
‫زراك‬
‫بهذ الحالة فاف عدد الحػاالت الممكنػة التػي نحصػؿ فيهػا عمػى الصػورة مػرتيف مػف خػالؿ اجػراء تجربػة رمػي قطعػة‬
‫النقود ثالث مرات هي‪:‬‬
‫مثاؿ(‪ :)8‬في مصنع لممصابيح الكهربائية ‪ ,‬نحصؿ مف كػؿ )‪ (1000‬مصػباح منػتج نحصػؿ عمػى )‪ (50‬مصػباح‬
‫ردئ‪ ,‬اخترنا احد المصابيح مف انتاج المصنع‪:‬‬
‫‪ .A‬ما هو احتماؿ الحصوؿ عمى مصباح جيد؟‬
‫‪ .B‬ما هو احتماؿ الحصوؿ عمى مصباح ردئ؟‬
‫الحؿ‪ :‬انتاج المصنع هو العدد الكمي لمحاالت ‪ ,‬اي اف ‪,N=1000‬‬
‫‪ .A‬اف احتماؿ الحصوؿ عمى مصباح جيد ‪:‬‬
‫الحادث )‪ P(E1‬هو الحصوؿ عمى مصباح جيد ‪ ,‬اي اف ‪m=950‬‬
‫‪ .B‬اف احتماؿ الحصوؿ عمى مصباح ردئ ‪:‬‬

‫الحادث )‪ P(E1‬هو الحصوؿ عمى مصباح ردئ ‪ ,‬اي اف ‪m=50‬‬
‫‪- 98 -‬‬
‫زراك‬
‫التعريؼ النسبي لالحتماؿ‪:‬‬
‫في حالة اذا تـ اجراء تجربػة عشػوائية ‪ ,‬ثػـ اعيػدت هػذ التجربػة لعػدد )‪ (n‬مػف المػرات ‪ ,‬فػاف احتمػاؿ حػدوث‬
‫أو تحقؽ (تحقؽ حصوؿ) الحادث )‪ , (E1‬ممكف اف يعبر عنػه بصػيغة النسػبة المئويػة أو نسػبة حصػوؿ الحػادث ‪,‬‬
‫ويمكف اف يعرؼ بالعالقة التالية‪:‬‬
‫مثاؿ ‪ :‬تـ القاء زهرة الطاولة )‪ (100‬مرة ‪ ,‬فكاف عدد مرات ظهور السطح الذي عميػه ثػالث (‪ )3‬نقػاط هػو (‪)20‬‬
‫مرة ‪ .‬إحسب نسبة ظهور الرقـ (‪ )3‬في هذ التجربة؟‬
‫الحؿ‪ :‬احتماؿ ظهور الوجه الذي عميه (‪ )3‬نقاط هو‪:‬‬
‫نالح ػػظ م ػػف ه ػػذ التجرب ػػة اف االحتم ػػاؿ يحس ػػب بع ػػد اجػ ػراء التجرب ػػة ومش ػػاهدة نتائجه ػػا ‪ ,‬ه ػػذ االحتم ػػاالت تس ػػمى‬
‫)‪ , (Posteriori Probability‬اما االحتماالت عف توقع حدوث الحادث تسمى قبمية‪. Poriori Probability‬‬
‫بعض خواص االحتماؿ‪:‬‬
‫الخاصية االولى‪:‬‬
‫̅‬ ‫‪ ,‬ونرمز الحتماؿ عدـ حصوؿ الحادث بالرمز‬ ‫اذا رمزنا الحتماؿ حصوؿ الحادث بالرمز‬
‫‪ ,‬والسبب في ذلؾ اف ‪:‬‬ ‫̅‬ ‫فاف‪:‬‬
‫̅‬ ‫‪ ,‬وبه ػػذ الحال ػػة ف ػػاف ‪:‬‬ ‫̅‬ ‫‪ ,‬وك ػػذلؾ‬
‫مثاؿ ‪ :‬صندوؽ يحتػوي عمػى (‪ )6‬كػرات حمػراء و(‪ )4‬كػرات بيرػاء ‪ ,‬و (‪ )5‬كػرات صػفراء ‪ ,‬فػاذا سػحبت منػه كػرة‬
‫‪ ,‬ب‪ -‬ير حمراء‬ ‫أ‪ -‬حمراء‬ ‫واحدة عشوائياً ‪ ,‬فما هي درجة احتماؿ اف تكوف هذ الكرة ‪:‬‬
‫أ‪ -‬درجة احتماؿ اف تكوف الكرة حمراء هي ‪:‬‬
‫ب‪ -‬درجة احتماؿ اف تكوف الكرة ير حمراء هي‪:‬‬
‫̅‬
‫̅‬
‫الخاصية الثانية‪:‬‬
‫‪- 99 -‬‬
‫زراك‬
‫إف درجة احتماؿ حصوؿ اي حادث تتراوح بيف الصفر والواحد‪ ,‬أي اف ‪:‬‬
‫‪ ,‬سمي الحادث بهذ الحالة (حادث أكيد) ‪ ,‬اي اف‪:‬‬ ‫اذا كانت درجة احتماؿ حصوؿ الحادث‬
‫عندما يكوف‬
‫‪ ,‬سمي الحادث بهذ الحالة ( حادث مستحيؿ)‪ ,‬اي اف‪:‬‬ ‫اما اذا كانت درجة احتماؿ حصوؿ الحادث‬
‫عندما يكوف‬
‫مثاؿ ‪ :‬صندوؽ يحتوي عمى (‪ )20‬كرة بيراء ‪ ,‬فادا سحبت منه كرة واحدة عشوائياً ‪ ,‬فما هو احتماؿ ‪:‬‬
‫ب‪ -‬اف تكوف الكرة سوداء‬ ‫‪,‬‬ ‫أ‪ -‬اف تكوف الكرة بيراء‬
‫يسمى حادث اكيد‬ ‫أ‪ -‬احتماؿ اف تكوف الكرة بيراء ‪:‬‬
‫ب‪ -‬احتماؿ اف تكوف الكرة سوداء ‪ :‬يسمى حادث مستحيؿ‬
‫الفصل التاسع‬
‫‪- 111 -‬‬

‫زراك‬
‫التباديل ‪Permutation‬‬
‫تعرؼ التباديؿ بانها عدد طرؽ االختيار المرتب التي يمكف تكوينها مف عدة اشياء باخػذها كمهػا او بعرػها‪.‬‬
‫ونعني باالشياء هي (عدد النماذج ‪ ,‬عدد العناصر ‪ ,‬عػدد المجػاميع ‪ ,‬عػدد القػيـ ‪ .... ,‬الػأ)‪ .‬أو بمعنػى آخػر هػي‬
‫عػػدد طػػرؽ االختيػػار الممكنػػة لمجموعػػة مػػف االشػػياء مػػع االخػػذ بنظػػر االعتبػػار الترتيػػب ‪( ,‬حيػػث اف الترتيػػب مػػؤثر‬
‫أو ) ( ‪ ,‬وتق أر تباديؿ ‪ r‬مف ‪ , n‬حيث اف ‪:‬‬ ‫أو‬ ‫ومهـ) ‪ .‬يرمز لمتباديؿ بالرمز‬
‫عدد طرؽ االختيار = ‪r‬‬
‫عدد المجاميع أو االشياء أو النماذج الكمية = ‪n‬‬
‫‪ ,‬مكونػػة مػػف ثػػالث عناصػػر أو اشػػياء أو‬ ‫{‬ ‫مثػػاؿ‪ :‬اذا كػػاف لػػدينا مجموعػػة شػػاممة هػػي ‪} :‬‬
‫‪ ,‬والتي تتكوف مف عنصريف وهي ‪:‬‬ ‫مف المجموعة الشاممة‬ ‫نماذج ‪ ,‬ناخذ مجموعة جزئية‬
‫{‬ ‫}‬ ‫{‬ ‫}‬ ‫{‬ ‫}‬ ‫{‬ ‫}‬
‫‪ ,‬الف‬ ‫{‬ ‫هػ ػػي ليسػػػت نفسػ ػػها المجموعػ ػػة الجزئيػ ػػة }‬ ‫{‬ ‫نالحػ ػػظ اف المجموعػ ػػة الجزئيػػػة }‬
‫الترتيب مختمؼ بالعناصر ‪ ,‬حيث اف الترتيب مهـ في حالة التباديؿ‪.‬‬
‫هناؾ عدة قوانيف لمتباديؿ تعتمد عمى طبيعة طرؽ االختيار وهي‪:‬‬
‫‪ ,‬فاف الصػيغة الريارػية لمتباديػؿ‬ ‫‪ .A‬في حالة اذا كانت عدد طرؽ االختيار اقؿ مف عدد النماذج‬
‫في هذ الحالة سوؼ تكوف ‪:‬‬
‫‪ ,‬حيث اف ‪:‬‬ ‫مثاؿ (‪ :)1‬احسب‬
‫‪ ,‬عدد النماذج = ‪n = 10‬‬ ‫عدد طرؽ االختيار = ‪r = 4‬‬
‫مثػاؿ (‪ :)2‬اذا كػاف لػدينا اربعػة حػروؼ هػي )‪ , (A , B , C , D‬يػراد اختيػار حرفػاف فقػط مػف هػذ الحػروؼ‪ .‬مػا‬
‫هي عدد طرؽ االختيار التي يمكف بها اختيار هذيف الحرفيف؟‬
‫‪- 111 -‬‬

‫زراك‬
‫بطريؽ اخرى يمكف توريح عدد طرؽ االختيار بهذ الطريقة المطولة ‪:‬‬
‫}‪(A,B,C,D) = {AB, AC, AD, BC, BD, CD, BA, CA, DA, CB, DB, DC‬‬
‫‪ ,‬بهػػذ الحالػػة‬ ‫‪ .B‬فػػي حالػػة ا‪1‬ا كانػػت عػػدد طػػرؽ االختيػػار تسػػاوي عػػدد النمػػاذج الكميػػة ‪ ,‬اي اف ‪:‬‬
‫‪.‬‬ ‫يكوف ‪:‬‬
‫مثػػاؿ (‪ :)1‬اذا اراد طالػػب اف يرتػػب اربعػػة كتػػب مختمفػػة الموارػػيع عمػػى رؼ مكتبػػة ‪ ,‬بكػػـ طريقػػة ممكػػف اف يرتػػب‬
‫هذ الكتب؟‬
‫الحؿ‪ :‬في هذ الحالة نالحظ اف عدد النماذج (الكتب) تساوي عدد طرؽ االختيار‪ .‬لذلؾ نطبؽ القانوف التالي‪:‬‬
‫حيث اف‬
‫طريقة ترتيب الكتب‬
‫مثػػاؿ (‪ :)3‬كتبػػت االرقػػاـ مػػف (‪ )1‬الػػى (‪ )9‬عمػػى بطاقػػات وورػػعت فػػي صػػندوؽ ‪ ,‬ثػػـ سػػحبت منػػه (‪ )5‬بطاقػػات‬
‫(الواحدة بعد االخرى) ‪ ,‬كـ عدد خماسي بارقاـ مختمفة يمكف تكوينه مف البطاقات المسحوبة اذا كاف ‪:‬‬
‫ب‪-‬‬ ‫أ‪-‬‬
‫‪ ,‬نطبؽ العالقة الريارية التالية‪:‬‬ ‫أ‪ -‬في حالة‬
‫اف المرتبػػة االولػػى مػػف الػرقـ الخماسػػي يمكػػف اختيػػار بتسػػعة طػػرؽ ‪ ,‬وبعػػد اختيػػار الػرقـ االوؿ ‪ ,‬تبقػػى ثمانيػػة‬
‫ارقػػاـ نختػػار احػػدهما لممرتبػػة الثانيػػة ‪ ,‬أي يمكػػف اختيػػار المرتبػػة الثانيػػة بثمانيػػة طػػرؽ ‪ ,‬ويػػتـ اختيػػار المرتبػػة الثالثػػة‬
‫بسبعة طرؽ ‪ ,‬وهكذا الى المرتبة الخامسة ‪ ,‬بخمسة طرؽ‪.‬‬
‫اي اف هناؾ (‪ )15120‬طريقة ترتيب لتكويف رقـ خماسي مكوف مف خمسة ارقاـ‪.‬‬
‫‪.‬‬ ‫‪ ,‬نطبؽ العالقة الريارية التالية‪:‬‬ ‫ب‪ -‬في حالة‬
‫اي اف هنمؾ (‪ )362880‬ترتيب ممكف تكوينه مف تسعة ارقاـ باخذها كمها‪.‬‬

‫التباديؿ في حالة وجود مجموعات متشابهة‪:‬‬
‫‪- 112 -‬‬

‫زراك‬
‫نػػدرس االف عػػدد الطػػرؽ المختمفػػة التػػي يمكػػف بهػػا ترتيػػب حػػروؼ كممػػة (بػػاب) ‪ ,‬وقػػد تبػػدو لموهمػػة االولػػى اف‬
‫‪ ,‬اال اف تك ػرار الحػػرؼ (ب) م ػرتيف يمنػػع اسػػتعماؿ او ال‬ ‫عػػدد الطػػرؽ هػػو (‪ )6‬نػػاتج مػػف‬
‫يمكػػف اسػػتخداـ هػػذ القاعػػدة لعػػدـ امكانيػػة التمييػػز بػػيف (ب) فػػي اوؿ الكممػػة و(ب) فػػي آخػػر الكممػػة ‪ ,‬اي اف عػػدد‬
‫الحروؼ هي (‪ )3‬أثناف منها متشابهة وبذلؾ يصبح عدد الممكف ترتيب حروؼ كممة (باب) هي‪:‬‬
‫وبذلؾ في حالة وجود مجاميع او اشباء او نماذج او عناصر متشابهه في هذ الحالة نطبؽ القانوف التالي‪:‬‬
‫حيث اف ‪:‬‬
‫عدد المجاميع او النماذج او االشياء = ‪n‬‬

‫عدد التكرار لكؿ نموذج او مجموعة = ‪m‬‬
‫مثاؿ (‪ :)3‬ما هو عدد التباديؿ التي يمكف تكوينها مف احرؼ كممة )‪. (statistics‬‬
‫الحؿ ‪ :‬اف مجموع احرؼ كممة ‪ statistics‬هي (‪ )10‬احرؼ ‪ ,‬اي اف )‪. (n=10‬‬
‫الحرؼ )‪ (s‬مكرر ثالث مرات = ‪m1 = 3‬‬
‫الحرؼ )‪ (t‬مكرر ثالث مرات = ‪m2 = 3‬‬
‫الحرؼ )‪ (a‬مكرر مرة واحدة = ‪m3 = 1‬‬
‫‪m4 = 2‬‬ ‫الحرؼ )‪ (i‬مكرر مرتاف =‬
‫الحرؼ )‪ (c‬مكرر مرة واحدة = ‪m5 = 1‬‬
‫نطبؽ صيغة القانوف الخاص بالمجاميع المتشابهة عمى هذ الحالة وكما يمي ‪:‬‬
‫مثاؿ (‪ :)4‬بكـ طريقة ممكف ترتيب خمس قطع ممونة عمى خط مستقيـ ؟‬
‫الحؿ‪ :‬كما في الشكؿ التالي يمكف اف نورح طريقة الحؿ‪:‬‬
‫الموقع االوؿ يمكف اف نرع فيه اية قطعة ممونة مف القطع الخمسة‬
‫‪- 113 -‬‬

‫زراك‬
‫الموقع الثاني يمكف اف فيه اية قطعة ممونة مف القطع االربعة الممونة الباقية‬
‫الموقع الثالث يمكف اف فيه اية قطعة ممونة مف القطع الممونة الثالثة الباقية‬
‫الموقع الرابع يمكف اف فيه اية قطعة ممونة مف القطع الممونة االثناف الباقية‬
‫الموقع الخامس يمكف اف نرع فيه القطعة الممونة االخيرة‬
‫ثـ نطبؽ القانوف التالي‪:‬‬
‫اي اف لدينا ‪ 120‬طريقة اختيار لترتيب القطع الممونة‬

‫مثاؿ (‪ :)3‬بكـ طريقة يمكف لمجموعة مف سبعة اشخاص اف يجمسوا عمى سبعة مقاعد؟‬
‫طريقة‬
‫مثػػاؿ (‪ :)4‬لػػدينا خمػػس قطػػع حمػػر ‪ ,‬قطعتػػاف بيرػػاء ‪ ,‬وثػػالث قطػػع زرقػػاء‪ ,‬رتبػػت عمػػى خػػط مسػػتقيـ ‪ ,‬بكػػـ طريقػػة‬
‫يمكف اف نرتب هذ القطع؟‬
‫الحؿ‪ :‬نطبؽ قانوف المجموعات المتشابهة‪:‬‬
‫طريقة ترتيب‬
‫مثاؿ (‪ :)5‬ما هي عدد طرؽ االختيار التي يمكف تكوينها مف ثالثة ارقاـ مزخوذة مػف بػيف االرقػاـ (‪ 3‬و‪ 4‬و‪ 5‬و‪6‬‬
‫و‪ 7‬و‪ )8‬في حالة‪:‬‬
‫ب‪ -‬يمكف تكرار الرقـ في العدد‬ ‫أ‪ -‬دوف تكرار الرقـ في العدد‬
‫الحؿ‪ :‬أ‪ -‬نستخدـ القانوف التالي في حالة عدـ السماح بتكرار الرقـ في العدد وهو‪:‬‬
‫عدد‬
‫ب‪ -‬في حالة السماح بتكرار العدد في الرقـ ‪:‬‬
‫تكوف عدد طرؽ اختيار رقـ اآلحاد = ‪6‬‬

‫تكوف عدد طرؽ اختيار رقـ العشرات = ‪6‬‬
‫تكوف عدد طرؽ اختيار رقـ المئات = ‪6‬‬
‫‪- 114 -‬‬

‫زراك‬
‫وبموجب هذا المبدأ تكوف عدد طرؽ االختيار = طريقة‬

‫مثاؿ (‪ :)6‬بكـ طريقة ممكف لعشرة طالب اف يجمسوا عمى اربعة مقاعد فقط؟‬
‫‪ .1‬الكرسي االوؿ ممكف اف يجمس عميه اي شخص مف االشخاص العشرة (اختيار واحد مف عشرة)‪.‬‬
‫‪ .2‬الكرسي الثاني ممكف اف يجمس اي شخص مف االشخاص التسعة الباقيف (اختيار واحد مف تسعة)‪.‬‬
‫‪ .3‬الكرسي الثالث ممكف اف يجمس عميه اي شخص مف االشخاص الثمانية الباقيف (اختيار واحد مف ثمانية)‬
‫‪ .4‬الكرسي الرابع ممكف اف يجمس عميه اي شخص مف االشخاص السبعة الباقيف (اختيار واحد مف سبعة)‬
‫اي نختػػار اربعػػة اشػػخاص مػػف بػػيف عش ػرة اشػػخاص لمجمػػوس عمػػى ارعػػة ك ارسػػي‪ ,‬نطبػػؽ الصػػيغة الريارػػية‬
‫التالية ‪:‬‬
‫طريقة‬
‫مثاؿ (‪ :)7‬جد عدد التباديؿ لمحروؼ (أ ‪ ,‬ب ‪ ,‬ج) الماخوذة منها اثنيف في كؿ مرة؟‬
‫الحؿ‪ :‬يمكف حؿ السؤاؿ بطريقتيف‪:‬‬
‫‪1.‬‬
‫‪2.‬‬
‫‪- 115 -‬‬

‫زراك‬
‫الفصل العاشر‬
‫التوافيق ‪Combination‬‬
‫يقصػد بػػالتوافيؽ هػػو اف كػػؿ مجموعػػة تتكػػوف مػػف كػػؿ أو مػػف بعػػض االشػػياء أو النمػػاذج أو العناصػػر ‪ ,‬وعنػػد‬
‫اختيار بعض مف هذ النماذج أو العناصر ‪ ,‬فاف طرؽ االختيار تتـ بغض النظر عف ترتيػب النمػاذج أو العتاصػر‬
‫داخػػؿ هػػذ المجموعػػة ‪ ,‬عندئػػذ تسػػمى هػػذ العمميػػة بػػالتوافيؽ‪ .‬إف التوافيػػؽ ال تهػػتـ بالترتيػػب وتعطػػي االهميػػة فقػػط‬
‫لمجموعة االشياء التي نختارهػا‪ .‬لػذلؾ يمكػف تعريػؼ التوافيػؽ بانهػا ( عػدد طػرؽ االختيػار يػر المرتػب (العشػوائي)‬
‫التي يمكف تكوينها مف عدة اشياء باخذها كاها او بعرها‪( ,‬اي اف الترتيب ير مهـ في حالة التوافيؽ)‪.‬‬
‫أو ) (‬ ‫يرمز لمتوافيؽ بالرمز ‪:‬‬

‫حيث إف‪:‬‬
‫عدد طرؽ االختيار = ‪r‬‬
‫عدد النماذج أو عدد المجاميع أو عدد االشياء = ‪n‬‬
‫بمعنػػى آخػػر اف التوافيػػؽ هػػي عبػػارة عػػف عػػدد طػػرؽ االختيػػار الممكنػػة لمجموعػػة مػػف االشػػياء دوف النظػػر العتبػػار‬
‫الترتيب‪ .‬الصبغة الريارية لمتوافيؽ هي‪:‬‬
‫) (‬
‫مثػػاؿ (‪ :)1‬اذا كػػاف لػػدينا مجموعػػة شػػاممة هػػي‬ ‫{‬ ‫مكونػػة مػػف ثػػالث عناصػػر أو نمػػاذج هػػي }‬
‫و‬ ‫و‬ ‫نالح ػ ػػظ اف المجموع ػ ػػة الجزئي ػ ػػة‬ ‫م ػ ػػف المجموع ػ ػػة الش ػ ػػاممة‬ ‫تتك ػ ػػوف م ػ ػػف عنصػ ػ ػريف هم ػ ػػا ‪:‬‬
‫{‬ ‫‪},‬‬ ‫{‬ ‫‪} ,‬‬ ‫{‬ ‫‪},‬‬ ‫{‬ ‫‪} ,‬‬ ‫{‬ ‫}‬
‫‪,‬‬ ‫{‬ ‫نالح ػ ػ ػػظ اف المجموع ػ ػ ػػة الجزئي ػ ػ ػػة }‬ ‫{‬ ‫ه ػ ػ ػػي نفس ػ ػ ػػها }‬ ‫{‬ ‫‪ ,‬واف }‬
‫المجموع ػ ػػة‬ ‫{‬ ‫ه ػ ػػي نفس ػ ػػها }‬ ‫{‬ ‫‪ ..... ,‬وهك ػ ػػذا‪ ,‬اي اف اختي ػ ػػار العناص ػ ػػر ر ػ ػػمف }‬
‫المجموعات الجزئية تتـ عمى اساس اختيار عنصريف مف بيف ثالث عناصر بصورة عشوائية دوف االهتماـ بترتيب‬
‫تمؾ العناصر‪ .‬عممية االختيار هذ تسمى توافيؽ‪ .‬في هذا المثاؿ تسمى توافيؽ (‪ )3‬ماخوذة اثنيف اثنيف وصيغتها‬
‫الريارية كما يمي‪:‬‬
‫‪- 116 -‬‬

‫زراك‬
‫مثاؿ(‪ :)2‬كـ لجنة ثالثية يمكف تكوينها مف ستة اشخاص؟‬
‫مثاؿ (‪ :)3‬أوجد توافيؽ ‪7C4‬‬

‫مثاؿ (‪ :)4‬أوجد توافيؽ ‪4C4‬‬

‫مثاؿ (‪ :)5‬ما عدد طرؽ االختيار التي يمكف الحصوؿ عميها الختيار لجنة مؤلفة مف خمسة اشخاص مف مجموع‬
‫تسعة اشخاص؟‬
‫هناؾ قاعدتاف اساسيتاف يعتمد عميها كؿ مف التباديؿ والتوافيؽ وهي‪:‬‬

‫القاعدة االولى‪:‬‬
‫عند اجراء تجربة لغرض الحصوؿ عمى نتيجة معينة ‪ ,‬تسمى هذ النتيجة (بالحػادث)ويرمز لػه بػالرمز )‪.(E‬‬
‫أم ػػا اذا ك ػػاف ل ػػدينا ح ػػادثيف أو نتيجت ػػيف عن ػػد اجػ ػراء التجرب ػػة ‪ ,‬ف ػػي ه ػػذ الحال ػػة يرم ػػز لمح ػػادث االوؿ ب ػػالرمز )‪(E1‬‬
‫والحادث الثاني بالرمز )‪. (E2‬‬
‫نرمػػز الػػى عػػدد الطػػرؽ الممكنػػة لمحصػػوؿ عمػػى الحػػادث )‪ (E1‬بػػالرمز )‪ .(n‬ونرمػػز الػػى عػػدد الطػػرؽ الممكنػػة‬
‫لمحصوؿ عمى الحادث )‪ (E2‬بالرمز )‪ . (m‬في هذ الحالػة اذا كػاف هػذاف الحادثػاف ‪ E1‬و ‪ , E2‬مسػتقالف ‪ ,‬اي ال‬
‫يوجد اي تاثير مف وقوع الحادث ‪ E1‬عمى نتيجة وقوع الحػادث ‪ , E2‬عنػد ذلػؾ يكػوف مجمػوع عػدد الطػرؽ الممكنػة‬
‫(أي التوافيؽ) لوقوع الحادثاف معاً ‪ E1‬و ‪ E2‬هو ‪:‬‬
‫في حالة الحوادث المستقمة‬ ‫عدد الطرؽ‬

‫مثاؿ ‪ :‬بكـ طريقة يمكف اختيار لجنة مكونة مف ثالث رجاؿ وسيدتيف مف بيف سبعة رجاؿ وخمس سيدات ؟‬
‫‪- 117 -‬‬

‫زراك‬
‫‪ ,‬ويمكػػف اختيػػار سػػيدتيف مػػف بػػيف خمسػػة‬ ‫يمكػػف اختيػػار ثالثػػة رجػػاؿ مػػف بػػيف سػػبعة رجػػاؿ بعػػدد طػػرؽ عػػددها‬
‫‪ .‬اذف عدد طرؽ االختيار الى المجنة سوؼ يكوف‪:‬‬ ‫سيدات بعدد طرؽ عددها‬
‫عدد طرؽ االختيار‬
‫القاعدة الثانية‪:‬‬
‫اذا كاف عدد الطرؽ الممكنة لوقوع الحادث )‪ (E1‬هػي )‪ (n‬طريقػة ‪ ,‬واف عػدد الطػرؽ الممكنػة لوقػوع الحػادث‬
‫)‪ (E2‬هػي )‪ (m‬طريقػة ‪ ,‬واف الحػادثيف ‪ E1‬و ‪ E2‬همػا حػادثيف (متنافيػاف)‪ ,‬بهػذ الحالػة فػاف عػدد الطػرؽ الممكنػة‬
‫لوقوع الحادثيف ‪ E1‬و ‪ E2‬تعرؼ بالعالقة التالية‪:‬‬
‫عدد الطرؽ الممكنة‬

‫مثاؿ(‪:)1‬‬
‫صندوؽ فيه عشرة كرات حمراء وستة كرات بيراء ‪ ,‬سحبت منه اربعة كرات معاً بدوف ارجاع‪ .‬ما عدد الطػرؽ‬
‫الممكنة التي تكوف فيه الكرات المسحوبة مف نفس الموف؟‬
‫مثاؿ(‪ :)2‬لدى شخص خمسة قطع مف النقود مف مختمؼ الفئات‪ ,‬كـ مجموع مختمؼ مف النقود نسػتطيع اف نكػوف‬
‫مف هذ القطع الخمسة‪.‬‬
‫اف عدد طرؽ االختيار الممكنة هي اف نختار ‪:‬‬
‫‪ .1‬نختار قطعة واحدة مف مجموع خمس قطع‬
‫‪ .2‬نختار قطعتيف مف مجموع خمس قطع‬
‫‪ .3‬نختار ثالث قطع مف مجموع خمس قطع‬
‫‪ .4‬نختار اربعة قطع مف مجموع خمس قطع‬
‫‪ .5‬نختار خمس قطع مف مجموع خمس قطع‬
‫اذف مجموع عدد طرؽ االختيار هي ‪:‬‬
‫‪- 118 -‬‬

‫زراك‬
‫مثػػاؿ (‪ :)3‬أريػػد تشػػكيؿ لجنػػة مكونػػة مػػف عػػالمي ريارػػيات اثنػػاف ‪ ,‬وثػػالث فيزيػػائييف ‪ ,‬مػػف اصػػؿ خمػػس عممػػاء‬
‫رياريات وسبعة فيزيائييف ‪ .‬بكـ طريقة يمكف القياـ بذلؾ اذا كاف ‪:‬‬
‫باالمكاف رـ اي عالـ رياريات او فيزيائي‪.‬‬ ‫‪.1‬‬
‫يجب اف يوجد عالـ فيزيائي في المجنة‪.‬‬ ‫‪.2‬‬
‫يجب اف ال يتواجد عالـ الرياريات في المجنة‪.‬‬ ‫‪.3‬‬
‫‪ ,‬ويػػتـ‬ ‫يمكػػف اف يػػتـ انتقػػاء عػػالمي الريارػػيات االثنػػاف مػػف اصػػؿ خمػػس عممػػاء بعػػدد طػػرؽ قػػدرها‬ ‫‪.1‬‬
‫‪ ,‬وبػػذلؾ يصػبح عػػدد طػػرؽ‬ ‫انتقػاء ثػػالث عممػاء فيزيػػائييف مػػف اصػؿ سػػبعة عممػاء بعػػدد طػػرؽ قػدرها‬
‫‪.‬‬ ‫االختيار الكمية تساوي‬
‫عدد الطرؽ‬
‫‪ ,‬أمػػا عػػالمي‬ ‫يػػتـ اختيػػار عػػالمي الريارػػيات االثنػػاف مػػف اصػػؿ خمسػػة عممػػاء بعػػدد طػػرؽ قػػدرها‬ ‫‪.2‬‬
‫الفيزياء ‪ ,‬باعتبار اف عالـ فيزيائي واحد موجود اصػال فػي المجنػة ‪ ,‬عندئػذ يبقػى (‪ )6‬عممػاء وبػذلؾ تصػبح‬
‫‪ ,‬اذف عدد طرؽ االختيار الكميػة‬ ‫عدد طرؽ االختيار عالمي فيزياء اثناف مف اصؿ (‪ )6‬عمماء هي‬
‫‪.‬‬ ‫‪x‬‬ ‫تكوف‬
‫في حالة استبعاد عالمي الرياريات مف المجنة ويبقى ثالث عمماء ‪ ,‬عندئذ يجب اختيار عالمي رياريات‬ ‫‪.3‬‬
‫‪ .‬يمكف اف اختيػار ثػالث عممػاء فيزيػائييف‬ ‫اثناف منهـ الى المجنة مف ارؿ ثالث عمماء بعدد طرؽ‬
‫‪ ,‬وب ػػذلؾ يص ػػبح ع ػػدد الطػ ػػرؽ الكمي ػػة لالختيػ ػػار هػػػي‬ ‫م ػػف اصػ ػػؿ س ػػبعة عممػ ػػاء بع ػػدد طػ ػػرؽ قػػػدرها‬
‫‪.‬‬
‫‪- 119 -‬‬

‫زراك‬
‫مثاؿ (‪ :)4‬صندوؽ يحتوي عمى (‪ )6‬كػرات حمػراء و (‪ )4‬كػرات سػوداء و (‪ )2‬بيرػاء ‪ ,‬بكػـ طريقػة يمكػف اختيػار‬
‫(‪ )5‬كرات بحيث تكوف (‪ )3‬حمراء و (‪ )2‬سوداء‪.‬‬
‫بما اف الحوادث مستقمة‪:‬‬
‫‪.‬‬ ‫عدد طرؽ اختيار (‪ )3‬كرات حمراء هي‬ ‫‪.1‬‬
‫‪.‬‬ ‫عدد طرؽ اختيار (‪ )2‬كرات سوداء هي‬ ‫‪.2‬‬
‫مجموع عدد طرؽ االختيار سوؼ تكوف‬ ‫‪.3‬‬
‫مثػػاؿ (‪ :)5‬بكػػـ طريقػػة يمكػػف اختيػػار مجموعػػة مػػف النمػػاذج موجػػودة فػػي المخػػزف مكونػػة مػػف ثالثػػة نمػػاذج رمػػاؿ‬
‫ونموذجيف مف االطياف ‪ ,‬مف بيف عشرة نماذج رماؿ وثمانية نماذج مف االطياف‪.‬‬
‫‪.‬‬ ‫‪ .1‬يمكف اختيار ثالثة نماذج مف الرماؿ مف بيف عشرة نماذج مف الرماؿ بعدد طرؽ قدرها‬
‫‪.‬‬ ‫‪ .2‬يمكف اختيار نموذجيف مف االطياف مف بيف ثمانية نماذج مف االطياف بعدد طرؽ قدرها‬
‫‪ .3‬مجموع عدد طرؽ االختيار سوؼ يكوف ‪:‬‬
‫تجارب سحب عينة مف مجتمع )‪: (Population‬‬

‫عند سحب عينة او نموذج مػف مجموعػة نمػاذج أو (مجتمػع) وهػي التػي تمثػؿ الظػاهرة المدروسػة ‪ ,‬بهػذ الحالػة‬
‫يجب مراعاة ما يمي ‪:‬‬
‫‪ .1‬السػػحب باالرجػػاع يعنػػي اف كػػؿ عينػػة تسػػحب تعػػاد الػػى المجموعػػة االصػػمية قبػػؿ البػػدأ أو الشػػروع بسػػحب‬
‫عينة اخرى‪.‬‬
‫‪- 111 -‬‬

‫زراك‬
‫‪ .2‬السحب بدوف ارجاع يعني اف العينة التي تسحب ال تعاد مرة اخرى الى المجموعة االصمية‪.‬‬
‫المخطط التالي يورح عمميات السحب‬
‫‪.‬‬ ‫مالحظة ‪ :‬اذا لـ تذكر طريقة السحب فتعتبر دوف ارجاع ‪ ,‬وال وجود لمترتيب ‪ .‬يجب اف يكوف‬
‫مثاؿ ‪ :‬بكـ طريقة يمكف سحب (‪ )3‬كرات مف صندوؽ يحتوي عمى (‪ )7‬كرات ؟‬
‫‪ .1‬مع االرجاع ومراعات الترتيب ‪.‬‬
‫‪ .2‬مع االرجاع بدوف ترتيب ‪.‬‬
‫‪ .3‬بدوف ارجاع ومراعات الترتيب‬
‫‪ .4‬بدوف ارجاع وعدـ مراعات الترتيب ‪.‬‬
‫‪:‬‬ ‫‪ .a‬عدد الطرؽ‬
‫‪.b‬‬
‫‪:‬‬ ‫‪ .c‬عدد الطرؽ‬
‫‪:‬‬ ‫‪ .d‬عدد الطرؽ‬
‫‪:‬‬ ‫‪ .e‬عدد الطرؽ‬
‫‪- 111 -‬‬

‫زراك‬
‫الفصل الحادي عشر‬

‫التوزيعات االحتمالية ‪Brobability Distribution‬‬
‫‪ .1‬المتغبر العشوائي ‪Random Variables‬‬
‫المتغير العشوائي ‪ :‬نوع مف التوزيعات االحتمالية المهمة التي تدخؿ في كثير مف المعالجات االحصائية في‬
‫مختمؼ انواع التخصصات العممية ‪ ,‬يتـ هنا شرح مفهوـ المتغير العشوائي بشيء مف التفصيؿ ‪:‬‬
‫تػػـ تسػػمية المجموعػػة التػػي تتػػالؼ أو تحتػػوي عمػػى كػػؿ النتػػائج الممكنػػة لتجربػػة عشػوائية (فرػػاء عينػػة) ‪ ,‬كػػؿ‬
‫نتيجة مف هذ النتائج يمكف تمثيمها بنقطة أو اف كؿ نتيجة هي عبػارة عػف عنصػر فػي فرػاء العينػة‪ .‬مػف الممكػف‬
‫تمثيؿ كؿ نقطة او نتيجة او عنصر في فراء العينة بعدد ما ‪ ,‬وبذلؾ اصبح لدينا دالة معرفة عمى فراء العينػة‪.‬‬
‫هػػذ الدالػػة يطمػػؽ عميهػػا اسػػـ (المتغيػػر العشػوائي ‪ , )Random Variables‬بمعنػػى اف نتػػائج التجربػػة العشػوائية‬
‫يصاحبها مقدار يسمى "المتغير العشوائي" عادة يرمز الى المتغير العشوائي بالرمز )‪. (y‬‬
‫نعني بالمتغير العشوائي هي اف قيمة المتغير تعتمد عمى نتائج التجربة فقط ‪ ,‬بمعنى آخر اف نتػائج التجربػة‬
‫العشوائية يرافقها دائماً مقدار متغير يسمى بالمتغير العشوائي ‪ ,‬هذا المقدار ياخذ قيماً مختمفة حسب نتيجة التجربة‬
‫العشوائية ‪ ,‬أي اف هناؾ عالقة بيف قيمة المتغير العشوائي )‪ (y‬ونقاط فراء العينة التي تصبح بعد اجراء التجربة‬
‫والتي يرمز لها بالرمز )‪ , (E‬وبذلؾ فاف ‪:‬‬
‫حيث اف‪:‬‬
‫المتغير العشوائي = ‪y‬‬
‫دالة معرفة فراء العينة = ‪f‬‬
‫الحادث ‪E = Event‬‬
‫اي اننا نهتـ بقيمة المتغير العشوائي لمتجربة بدالً مف جميع النتائج الممكنة لمتجربة ‪ ,‬وهو ما نطمػؽ عميػه (التوزيػع‬
‫االحتمالي)‪.‬‬
‫مثاؿ (‪ :)1‬اذا تـ رمي رمي قطعة نقود مرتيف فاف فراء العينة سوؼ يكوف لدينا اربعة احتماالت وكما يمي‪:‬‬
‫‪- 112 -‬‬

‫زراك‬
‫لنفتػػرض اف المتغيػػر العش ػوائي )‪ (y‬يمث ػؿ عػػدد م ػرات ظهػػور الصػػورة ‪ ,‬فػػي هػػذ الحالػػة فػػاف دالػػة أو قيمػػة المتغيػػر‬
‫العشوائي سوؼ تكوف كما يمي‪:‬‬
‫فضبء انعيُت‬ ‫)‪(A‬‬ ‫‪H H‬‬ ‫‪H T‬‬ ‫‪T H‬‬ ‫‪T T‬‬
‫قيًت انًتغير انعشىائي‬ ‫)‪(y‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪6‬‬
‫انتىزيع االحتًبني‬ ‫¼‬ ‫¼‬ ‫¼‬ ‫¼‬
‫في هذ الحالة فاف احتماؿ ظهور الصورة مرتيف مف هػذ االربػع احتمػاالت يسػاوي (‪ )1‬أو احتمػاؿ واحػد اف‬
‫تظهر الصورة مرتيف‪ .‬أي إف ‪:‬‬
‫‪1.‬‬ ‫احتماؿ ظهور الصورة مرتيف هو‬

‫‪2.‬‬ ‫احتماؿ ظهور الصورة مرة هو‬
‫‪3.‬‬ ‫احتماؿ عدـ ظهور الصورة هو‬
‫إذا رمزنا لكؿ قيمة مف قيـ نتائج التجربة العشوائية بالرمز )‪ (y‬وهو قيمة المتغير العشوائي وعميه فاف‪:‬‬
‫اي اف القيمػة (صػفر) مقترنػة مػع النقطػة )‪ , (T T‬واف القيمػة (‪ )1‬مقترنػة مػع النقطػة )‪ (T H‬و )‪ , (H T‬واف‬
‫القيمة (‪ )2‬مقترنة مع الرقـ )‪ , (H H‬وهكذا حسب نتائج التجربة العشوائية‪ .‬مف هذا يترح اف همػاؾ عالقػة بػيف‬
‫قيمة المتغير العشوائي )‪ (y‬ونقاط فراء العينة ‪ ,‬اي اف )‪ (y‬هي دالة فراء العينة‪.‬‬
‫مثػاؿ (‪ :)2‬تػـ القػاء زهرتػي طاولػة مػرة واحػدة ‪ .‬بهػػذ الحالػة فػاف التجربػة العشػوائية هػي القػاء زهػرتيف ‪ ,‬واف نتػػائج‬
‫التجربػػة هػػي النقػػاط التػػي تظهػػر عمػػى السػػطح العمػػوي لمزهػرتيف‪ ,‬والمقػػدار الػػذي ي ارفػػؽ نتػػائج هػػذ التجربػػة هػػو الػػذي‬
‫يكوف مجموع النقاط التي تظهر عمػى السػطح العمػوي لمزهػرتيف ‪ ,‬هػذا المقػدار ياخػذ القػيـ حسػب نقػاط فرػاء العينػة‬
‫وهي‪:‬‬
‫{‬ ‫}‬
‫فراء العينة كما مورح في الجدوؿ التالي‪:‬‬
‫‪1,1‬‬ ‫‪2,1‬‬ ‫‪3,1‬‬ ‫‪4,1‬‬ ‫‪5,1‬‬ ‫‪6,1‬‬
‫‪1,2‬‬ ‫‪2,2‬‬ ‫‪3,2‬‬ ‫‪4,2‬‬ ‫‪5,2‬‬ ‫‪6,2‬‬
‫‪1,3‬‬ ‫‪2,3‬‬ ‫‪3,3‬‬ ‫‪4,3‬‬ ‫‪5,3‬‬ ‫‪6,3‬‬
‫=‪A‬‬
‫‪1,4‬‬ ‫‪2,4‬‬ ‫‪3,4‬‬ ‫‪4,4‬‬ ‫‪5,4‬‬ ‫‪6,4‬‬
‫‪1,5‬‬ ‫‪2,5‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬
‫‪1,6‬‬ ‫‪2,6‬‬ ‫‪3,6‬‬ ‫‪4,6‬‬ ‫‪5,6‬‬ ‫‪6,6‬‬
‫‪- 113 -‬‬

‫زراك‬
‫وبناء عمى ذلؾ فاف مجموع النقاط التي تظهر عمى السػطح العمػوي لمزهػرتيف هػو متغيػر عشػوائي ‪ ,‬وهػو متغيػر‬
‫النه ياخذ قيماً مختمفة حسب نتيجػة التجربػة العشػوائية ‪ ,‬وهػو متغيػر عشػوائي النػه ي ارفػؽ نتػائج تجربػة عشػوائية‬
‫وال يمكف معرفة قيمة المتغير العشوائي اال بعد اجراء التجربة ‪.‬‬
‫مثػاؿ (‪ :)3‬اختيػػار طالػػب مػػف بػػيف طػالب الجامعػػة ‪ .‬التجربػػة العشػوائية هػػي اختيػار طالػػب ‪ .‬المطمػػوب هػػو (طػػوؿ‬
‫الطالػػب) ‪( ,‬دخػػؿ اسػرة الطالػػب) ‪( ,‬عػػدد افػراد اسػرة الطالػػب) ‪ .‬نتػػائج التجربػػة هػػي عبػػارة عػػف متغيػػر عشػوائي النػػه‬
‫ياخذ قيماً مختمفة حسب نتيجة المتغير العشوائي ‪.‬‬
‫ينقسـ المتغير العشوائي الى قسميف ‪:‬‬
‫‪ .1‬المتغير العشوائي المنفصؿ ‪:Discrete Probability Distribution‬‬
‫يقاؿ اف المتغير العشوائي منفصؿ اذا اخذ قيما منفصمة عف بعرها البعض ‪,‬اي ياخذ قيماً صحيحة فقط‪,‬‬
‫اي يوجد بينهما ثغرات ‪ .‬مثؿ عدد افراد االسرة هو متغير منفصؿ النه ياخذ القيـ ‪)2 , 3 , 4 , 5, …..‬‬
‫فرد‬ ‫)‪ , etc‬وهذ القيـ توجد بينهما ثغرات او فواصؿ ‪ ,‬حيث ال توجد عائمة عدد افراد اسرتها يساوي‬
‫‪ .‬كذلؾ مجموع النقاط التي تظهر عمى السطح العموي عند القاء زهرة الطاولة هي متغير عشوائي منفصؿ‬
‫لعدـ وجود اجزاء مف االرقاـ الصحيحة بيف االرقاـ الطبيعية ‪.‬‬
‫‪ .2‬المتغير العشوائي المتصؿ ‪: Continuous Probability Distribution‬‬
‫المتغيػػر العشػوائي المتصػػؿ هػػو المتغيػػر الػػذي ياخػػذ عػػدد يػػر منتػػه او اعػػداد يػػر منتهيػػة ‪ ,‬اي انػػه ياخػػذ‬
‫جميػع القػػيـ التػػي تقػع فػػي نطػػاؽ تغيػر ‪ ,‬وهػػو الػػذي ياخػػذ جميػع القػػيـ الصػػحيحة والكسػرية فػػي مػػدى تغيػػر ‪.‬‬
‫مثاؿ عمى ذلؾ طوؿ الطالب ‪ ,‬فهو متغير متصؿ النه ياخذ قيما مستمرة فػي نطػاؽ تغيػر طػوؿ الطالػب ‪.‬‬
‫اذا كاف طوؿ الطالب يساوي مثالً )‪ (160‬سـ ‪ ,‬فانه ممكػف اف يكػوف )‪ (160.5‬سػـ ‪ ,‬أو )‪ (160.3‬سػـ‬
‫‪ ,‬وتوجد قيـ اخرى اقؿ لمدقة تصؿ الى المميمترات أو اجزاء المممتر ‪ ,‬وهكذا ‪.‬‬
‫مثاؿ (‪ : )1‬صندوؽ يحتوي عمى (‪ )4‬كرات حمراء و (‪ )3‬سوداء ‪ ,‬سػحبت منػه كرتػاف ‪ ,‬مػا هػو احتمػاؿ اف تكػوف‬
‫الكرتاف حمراء؟‬
‫احتماؿ اف تكوف الكرتػاف حمػراء هػو اف قيمػة المتغيػر العشػوائي )‪ (y‬هػو ظهػور الكػرة الحمػراء ‪ .‬نرمػز بهػذ الحالػة‬
‫لنتائج التجربة بالرمز )‪ , (y‬وعميه فاف قيمة )‪ (y‬سوؼ تكوف حسب الجدوؿ االتي ‪:‬‬
‫‪- 114 -‬‬

‫زراك‬
‫دالة فراء العينة‬ ‫القيمة‬
‫)‪P (y‬‬
‫)‪f(E‬‬ ‫)‪(y‬‬
‫‪RR‬‬ ‫‪2‬‬
‫‪RB‬‬ ‫‪1‬‬
‫‪BR‬‬ ‫‪1‬‬
‫‪BB‬‬ ‫‪0‬‬
‫احتماؿ اف نحصؿ عمى الكرتاف حمراء هو ‪:‬‬

‫احتماؿ اف نحصؿ عمى كرة واحدة حمراء هو ‪:‬‬
‫احتماؿ اف ال نحصؿ عمى كرة حمراء هو ‪:‬‬
‫مثاؿ (‪ :)2‬تػـ رمػي قطعػة نقػود ثػالث مػرات ‪ ,‬واف )‪ (y‬يمثػؿ عػدد مػرات ظهػور الصػورة )‪ . (H‬أوجػد احتمػاؿ عػدد‬
‫مرات ظهور الصورة في هذ التجربة العشوائية ؟‬
‫الحؿ ‪:‬‬
‫يمكف توريح احتماؿ ظهور الصورة مف خالؿ الجدوؿ التالي‪:‬‬
‫دالة فراء العينة‬ ‫قيمة المتغير العشوائي‬
‫احتماؿ ظهور الصورة لكؿ حالة ممكنة‬ ‫)‪P(y‬‬
‫)‪f(E‬‬ ‫)‪(y‬‬
‫احتماؿ ظهور الصورة مرة‬
‫‪H H H‬‬ ‫‪3‬‬ ‫‪1‬‬
‫واحدة = ‪ 1‬مرة‬
‫‪H T H‬‬ ‫‪2‬‬ ‫‪1‬‬
‫احتماؿ ظهور الصورة مرتيف‬
‫‪H H T‬‬ ‫‪2‬‬ ‫‪1‬‬
‫= ‪ 3‬مرات‬
‫‪T H H‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪T T H‬‬ ‫‪1‬‬ ‫‪1‬‬
‫احتماؿ ظهور الصورة مرة‬
‫‪H T T‬‬ ‫‪1‬‬ ‫‪1‬‬
‫واحدة = ‪ 3‬مرات‬
‫‪T H T‬‬ ‫‪1‬‬ ‫‪1‬‬
‫احتماؿ عدـ ظهور الصورة =‬
‫‪T T T‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪ 1‬مرة‬
‫اذف مجموع االحتماالت كافة يجب اف يساوي واحد‪:‬‬
‫‪- 115 -‬‬

‫زراك‬
‫مثػػاؿ (‪ :)3‬تػػـ القػػاء زهرتػػي طاولػػة مػرة واحػػدة ‪ ,‬أوجػػد التوزيػػع االحتمػػالي لمجمػػوع النقػػاط التػػي تظهػػر عمػػى السػػطح‬
‫العموي بعد اجراء التجربة ؟‬
‫يتـ رسـ جدوؿ يمثؿ نتائج التجربة وهو الذي يكوف عمى اساس فراء العينة وكما يمي‪:‬‬
‫وبذلؾ يكوف التوزيع االحتمالي المطموب هو‪:‬‬
‫‪y‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬
‫)‪f(y‬‬
‫‪- 116 -‬‬

‫زراك‬
‫‪ .2‬التوزيع الطبيعي ‪:Normal Distribution‬‬
‫وهو مف اهـ التوزيعات المستمرة وتاخذ دالة كثافته االحتمالية شكؿ منحني متماثؿ ذو قمة واحدة ويمتد طرفا الػى‬
‫‪ ,‬وقػػد وجػػد اف معظػػـ التوزيعػػات االحتماليػػة مثػػؿ ‪ :‬االوزاف‪ ,‬االطػواؿ‪ ,‬االعمػػار‪ ,‬ونحػػو ذلػػؾ تاخػػذ‬ ‫مػػا ال نهايػػة‬
‫شكالً قريباً مف منحني التوزيع الطبيعي‪ ,‬شكؿ (‪-1‬؟)‪.‬‬
‫) منحني التوزيع الطبيعي‬ ‫شكؿ (‬
‫اذا كانت )‪ (X‬متغير عشوائي متصؿ (مستمر)‪ ,‬فاف دالة كثافته االحتمالية هي‪:‬‬
‫(‬ ‫)‬
‫√‬
‫‪,‬‬ ‫واف انح ارف ػػه المعي ػػاري‬ ‫به ػػذ الحال ػػة يق ػػاؿ اف )‪(X‬يتب ػػع توزي ػػع طبيع ػػي ع ػػادي متوس ػػطه الحس ػػابي ه ػػو‬
‫ويكتب باختصار ‪:‬‬
‫مف خصائص التوزيع التوزيع الطبيعي انه متماثؿ حوؿ متوسطه الحسابي‪ ,‬كما اف المسػاحة تحػت منحنػي التوزيػع‬
‫تساوي (واحد)‪ ,‬وحيث اف التوزيع متماثؿ فاف المساحة تحت نصؼ المنحني تساوي )‪.(0.5‬‬
‫القانون التجريبي لمتوزيع الطبيعي هو‪:‬‬
‫‪ .‬اي يمػيف ويسػار المتوسػط الحسػابي بمقػدار واحػد‬ ‫‪ .1‬اف ‪68‬ت مف البيانات تقع او تنحصػر بػيف‬
‫انحراؼ معياري‪.‬‬
‫‪ .‬اي يميف ويسار المتوسط الحسابي بمقدار اثناف‬ ‫‪ .2‬اف ‪95‬ت مف البيانات تقع او تنحصر بيف‬
‫انحراؼ معياري‪.‬‬
‫‪- 117 -‬‬

‫زراك‬
‫‪ .‬اي يم ػػيف ويسػػار المتوس ػػط الحس ػػابي بمق ػػدار‬ ‫‪ .3‬اف ‪99‬ت مػػف البيان ػػات تق ػػع او تنحصػػر ب ػػيف‬
‫ثالثة انحراؼ معياري‪.‬‬
‫)‪.‬‬ ‫هذ النسب كما مؤشرة في الشكؿ (‬
‫شكؿ ( ) القانوف التجريبي لمتوزيع الطبيعي‬
‫التوزيع الطبيعي القياسي‪:‬‬

‫يمك ػػف اف نق ػػوؿ اف المتغي ػػر العشػ ػوائي المتص ػػؿ ال ػػذي نرم ػػز ل ػػه ب ػػالرمز )‪ , (Z‬يتب ػػع توزي ػػع قياس ػػي طبيع ػػي‬
‫‪ ,‬ويكت ػػب باختص ػػار كم ػػا ف ػػي العالق ػػة‬ ‫‪ ,‬واف انح ارف ػػه المعي ػػاري ه ػػو‬ ‫متوس ػػطه الحس ػػابي ه ػػو‬
‫التالية‪:‬‬
‫‪ ,‬ومف خػالؿ التوزيػع الطبيعػي‬ ‫اذا كاف المتغير العشوائي المتصؿ )‪ (Z‬يعرؼ بموجب العالقة التالية ‪:‬‬
‫القياسػي يمكػف حسػاب قيمػة اي احتمػاؿ لمتغيػر عشػوائي يتبػػع توزيػع طبيعػي عػادي الػذي يمكػف تورػيحه بالعالقػػة‬
‫‪.‬‬ ‫التالية‪:‬‬
‫لقػػد خصصػػت جػػداوؿ قياسػػية تورػػح قيمػػة االحتمػػاؿ تحػػت منحنػػي التوزيػػع الطبيعػػي القياسػػي تسػػمى جػػدوؿ‬
‫)‪ ,(Z‬المورح كما يمي‪:‬‬
‫‪- 118 -‬‬

‫زراك‬
‫جدوؿ التوزيع الطبيعي القياسي‬
‫المساحة المظممة تمثؿ‬
‫‪z‬‬ ‫‪0‬‬ ‫‪0.01‬‬ ‫‪0.02‬‬ ‫‪0.03‬‬ ‫‪0.04‬‬ ‫‪0.05‬‬ ‫‪0.06‬‬ ‫‪0.07‬‬ ‫‪0.08‬‬ ‫‪0.09‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0.04‬‬ ‫‪0.08‬‬ ‫‪0.012‬‬ ‫‪0.016‬‬ ‫‪0.0199‬‬ ‫‪0.0239‬‬ ‫‪0.0279‬‬ ‫‪0.0319‬‬ ‫‪0.0359‬‬
‫‪0.1‬‬ ‫‪0.0398‬‬ ‫‪0.0438‬‬ ‫‪0.0478‬‬ ‫‪0.0517‬‬ ‫‪0.0557‬‬ ‫‪0.0596‬‬ ‫‪0.0636‬‬ ‫‪0.0675‬‬ ‫‪0.0714‬‬ ‫‪0.0753‬‬
‫‪0.2‬‬ ‫‪0.0793‬‬ ‫‪0.0832‬‬ ‫‪0.0871‬‬ ‫‪0.091‬‬ ‫‪0.0948‬‬ ‫‪0.0987‬‬ ‫‪0.1026‬‬ ‫‪0.1064‬‬ ‫‪0.1103‬‬ ‫‪0.1141‬‬
‫‪0.3‬‬ ‫‪0.1179‬‬ ‫‪0.1217‬‬ ‫‪0.1255‬‬ ‫‪0.1293‬‬ ‫‪0.1331‬‬ ‫‪0.1368‬‬ ‫‪0.1406‬‬ ‫‪0.1443‬‬ ‫‪0.148‬‬ ‫‪0.1517‬‬
‫‪0.4‬‬ ‫‪0.1554‬‬ ‫‪0.1591‬‬ ‫‪0.1628‬‬ ‫‪0.1664‬‬ ‫‪0.17‬‬ ‫‪0.1736‬‬ ‫‪0.1772‬‬ ‫‪0.1808‬‬ ‫‪0.1844‬‬ ‫‪0.1879‬‬
‫‪0.5‬‬ ‫‪0.1915‬‬ ‫‪0.195‬‬ ‫‪0.1985‬‬ ‫‪0.2019‬‬ ‫‪0.2054‬‬ ‫‪0.2088‬‬ ‫‪0.2123‬‬ ‫‪0.2157‬‬ ‫‪0.219‬‬ ‫‪0.2224‬‬
‫‪0.6‬‬ ‫‪0.2257‬‬ ‫‪0.2291‬‬ ‫‪0.2324‬‬ ‫‪0.2357‬‬ ‫‪0.2389‬‬ ‫‪0.2422‬‬ ‫‪0.2454‬‬ ‫‪0.2486‬‬ ‫‪0.2517‬‬ ‫‪0.2549‬‬
‫‪0.7‬‬ ‫‪0.258‬‬ ‫‪0.2611‬‬ ‫‪0.2642‬‬ ‫‪0.2673‬‬ ‫‪0.2703‬‬ ‫‪0.2734‬‬ ‫‪0.2764‬‬ ‫‪0.2794‬‬ ‫‪0.2823‬‬ ‫‪0.2852‬‬
‫‪0.8‬‬ ‫‪0.2881‬‬ ‫‪0.291‬‬ ‫‪0.2939‬‬ ‫‪0.2967‬‬ ‫‪0.2995‬‬ ‫‪0.3023‬‬ ‫‪0.3051‬‬ ‫‪0.3078‬‬ ‫‪0.3106‬‬ ‫‪0.3133‬‬
‫‪0.9‬‬ ‫‪0.3159‬‬ ‫‪0.3186‬‬ ‫‪0.3212‬‬ ‫‪0.3238‬‬ ‫‪0.3264‬‬ ‫‪0.3289‬‬ ‫‪0.3315‬‬ ‫‪0.334‬‬ ‫‪0.3365‬‬ ‫‪0.3389‬‬
‫‪1‬‬ ‫‪0.3413‬‬ ‫‪0.3438‬‬ ‫‪0.3461‬‬ ‫‪0.3485‬‬ ‫‪0.3508‬‬ ‫‪0.5331‬‬ ‫‪0.3554‬‬ ‫‪0.3577‬‬ ‫‪0.3599‬‬ ‫‪0.3621‬‬
‫‪1.1‬‬ ‫‪0.3643‬‬ ‫‪0.3665‬‬ ‫‪0.3686‬‬ ‫‪0.3708‬‬ ‫‪0.3729‬‬ ‫‪0.3749‬‬ ‫‪0.377‬‬ ‫‪0.379‬‬ ‫‪0.381‬‬ ‫‪0.383‬‬
‫‪1.2‬‬ ‫‪0.3849‬‬ ‫‪0.3869‬‬ ‫‪0.3888‬‬ ‫‪0.3907‬‬ ‫‪0.3925‬‬ ‫‪0.3944‬‬ ‫‪0.3962‬‬ ‫‪0.398‬‬ ‫‪0.3997‬‬ ‫‪0.4015‬‬
‫‪1.3‬‬ ‫‪0.4032‬‬ ‫‪0.4049‬‬ ‫‪0.4066‬‬ ‫‪0.4082‬‬ ‫‪0.4099‬‬ ‫‪0.4115‬‬ ‫‪0.4131‬‬ ‫‪0.4147‬‬ ‫‪0.4162‬‬ ‫‪0.4177‬‬
‫‪1.4‬‬ ‫‪0.4192‬‬ ‫‪0.4207‬‬ ‫‪0.4222‬‬ ‫‪0.4236‬‬ ‫‪0.4251‬‬ ‫‪0.4265‬‬ ‫‪0.479‬‬ ‫‪0.4292‬‬ ‫‪0.4306‬‬ ‫‪0.4319‬‬
‫‪1.5‬‬ ‫‪0.4332‬‬ ‫‪0.4345‬‬ ‫‪0.4357‬‬ ‫‪0.437‬‬ ‫‪0.4382‬‬ ‫‪0.4394‬‬ ‫‪0.4406‬‬ ‫‪0.4418‬‬ ‫‪0.4429‬‬ ‫‪0.4441‬‬
‫‪1.6‬‬ ‫‪0.4452‬‬ ‫‪0.4463‬‬ ‫‪0.4474‬‬ ‫‪0.4484‬‬ ‫‪0.4495‬‬ ‫‪0.4505‬‬ ‫‪0.4515‬‬ ‫‪0.4525‬‬ ‫‪0.4535‬‬ ‫‪0.4545‬‬
‫‪1.7‬‬ ‫‪0.4554‬‬ ‫‪0.4564‬‬ ‫‪0.4573‬‬ ‫‪0.4582‬‬ ‫‪0.4591‬‬ ‫‪0.4599‬‬ ‫‪0.4608‬‬ ‫‪0.4616‬‬ ‫‪0.4625‬‬ ‫‪0.4633‬‬
‫‪1.8‬‬ ‫‪0.4641‬‬ ‫‪0.4649‬‬ ‫‪0.4656‬‬ ‫‪0.4664‬‬ ‫‪0.4671‬‬ ‫‪0.4678‬‬ ‫‪0.4686‬‬ ‫‪0.4693‬‬ ‫‪0.4699‬‬ ‫‪0.4706‬‬
‫‪1.9‬‬ ‫‪0.4713‬‬ ‫‪0.4719‬‬ ‫‪0.4726‬‬ ‫‪0.4732‬‬ ‫‪0.4738‬‬ ‫‪0.4744‬‬ ‫‪0.475‬‬ ‫‪0.4756‬‬ ‫‪0.4761‬‬ ‫‪0.4767‬‬
‫‪2‬‬ ‫‪0.4772‬‬ ‫‪0.4778‬‬ ‫‪0.4783‬‬ ‫‪0.4788‬‬ ‫‪0.4793‬‬ ‫‪0.4798‬‬ ‫‪0.4803‬‬ ‫‪0.4808‬‬ ‫‪0.4812‬‬ ‫‪0.4817‬‬
‫‪2.1‬‬ ‫‪0.4821‬‬ ‫‪0.4826‬‬ ‫‪0.483‬‬ ‫‪0.4834‬‬ ‫‪0.4838‬‬ ‫‪0.4842‬‬ ‫‪0.4846‬‬ ‫‪0.485‬‬ ‫‪0.4854‬‬ ‫‪0.4857‬‬
‫‪2.2‬‬ ‫‪0.4861‬‬ ‫‪0.4864‬‬ ‫‪0.4868‬‬ ‫‪0.4871‬‬ ‫‪0.4875‬‬ ‫‪0.4878‬‬ ‫‪0.4881‬‬ ‫‪0.4884‬‬ ‫‪0.4887‬‬ ‫‪0.489‬‬
‫‪2.3‬‬ ‫‪0.4893‬‬ ‫‪0.4896‬‬ ‫‪0.4898‬‬ ‫‪0.4901‬‬ ‫‪0.4904‬‬ ‫‪0.4906‬‬ ‫‪0.4909‬‬ ‫‪0.4911‬‬ ‫‪0.4913‬‬ ‫‪0.4916‬‬
‫‪2.4‬‬ ‫‪0.4918‬‬ ‫‪0.492‬‬ ‫‪0.4922‬‬ ‫‪0.4925‬‬ ‫‪0.4927‬‬ ‫‪0.4929‬‬ ‫‪0.4931‬‬ ‫‪0.4932‬‬ ‫‪0.4934‬‬ ‫‪0.4936‬‬
‫‪2.5‬‬ ‫‪0.4938‬‬ ‫‪0.494‬‬ ‫‪0.4941‬‬ ‫‪0.4943‬‬ ‫‪0.4945‬‬ ‫‪0.4946‬‬ ‫‪0.4948‬‬ ‫‪0.4949‬‬ ‫‪0.4951‬‬ ‫‪0.4952‬‬
‫‪2.6‬‬ ‫‪0.4953‬‬ ‫‪0.4955‬‬ ‫‪0.4956‬‬ ‫‪0.4957‬‬ ‫‪0.4959‬‬ ‫‪0.496‬‬ ‫‪0.4961‬‬ ‫‪0.4962‬‬ ‫‪0.4963‬‬ ‫‪0.4964‬‬
‫‪2.7‬‬ ‫‪0.4965‬‬ ‫‪0.4966‬‬ ‫‪0.4967‬‬ ‫‪0.4968‬‬ ‫‪0.4969‬‬ ‫‪0.497‬‬ ‫‪0.4971‬‬ ‫‪0.4972‬‬ ‫‪0.4973‬‬ ‫‪0.4974‬‬
‫‪2.8‬‬ ‫‪0.4974‬‬ ‫‪0.4975‬‬ ‫‪0.4976‬‬ ‫‪0.4977‬‬ ‫‪0.4977‬‬ ‫‪0.4978‬‬ ‫‪0.4979‬‬ ‫‪0.4979‬‬ ‫‪0.498‬‬ ‫‪0.4981‬‬
‫‪2.9‬‬ ‫‪0.4981‬‬ ‫‪0.4982‬‬ ‫‪0.4982‬‬ ‫‪0.4983‬‬ ‫‪0.4984‬‬ ‫‪0.4984‬‬ ‫‪0.4985‬‬ ‫‪0.4985‬‬ ‫‪0.4986‬‬ ‫‪0.4986‬‬
‫‪3‬‬ ‫‪0.4987‬‬ ‫‪0.4987‬‬ ‫‪0.4987‬‬ ‫‪0.4988‬‬ ‫‪0.4988‬‬ ‫‪0.4989‬‬ ‫‪0.4989‬‬ ‫‪0.4989‬‬ ‫‪0.499‬‬ ‫‪0.499‬‬
‫‪3.1‬‬ ‫‪0.499‬‬ ‫‪0.4991‬‬ ‫‪0.4991‬‬ ‫‪0.4991‬‬ ‫‪0.4992‬‬ ‫‪0.4992‬‬ ‫‪0.4992‬‬ ‫‪0.4992‬‬ ‫‪0.4993‬‬ ‫‪0.4993‬‬
‫‪3.2‬‬ ‫‪0.4993‬‬ ‫‪0.4993‬‬ ‫‪0.4994‬‬ ‫‪0.4994‬‬ ‫‪0.4994‬‬ ‫‪0.4994‬‬ ‫‪0.4994‬‬ ‫‪0.4995‬‬ ‫‪0.4995‬‬ ‫‪0.4995‬‬
‫‪3.3‬‬ ‫‪0.4995‬‬ ‫‪0.4995‬‬ ‫‪0.4995‬‬ ‫‪0.4996‬‬ ‫‪0.4996‬‬ ‫‪0.4996‬‬ ‫‪0.4996‬‬ ‫‪0.4996‬‬ ‫‪0.4996‬‬ ‫‪0.4997‬‬
‫‪- 119 -‬‬

‫زراك‬
‫شروط استخدام جدول )‪:(Z‬‬
‫‪ ,‬فاننا بهذ الحالة يجب اف‬ ‫‪ .1‬اذا كاف السؤاؿ في التوزيع الطبيعي العادي ‪ ,‬بمعنى اف‬
‫نحوؿ التوزيع الطبيعي العادي الى قياسي باستخداـ تعرؼ )‪.(Z‬‬
‫‪ .2‬اف جميع قيـ االحتماالت في الجدوؿ محسوبة لمنصؼ الموجب ‪ ,‬وما يقاؿ عمى النصؼ الموجب ينطبؽ‬
‫عمى النصؼ السالب بسبب تماثؿ التوزيع‪.‬‬
‫‪.‬‬ ‫‪ .3‬االحتماالت محسوبة جميعاً عمى الصورة‬
‫مثال(‪:)1‬‬
‫يساوي (‪)1800‬‬ ‫اذا كاف دخؿ (‪ )1000‬اسرة في مدينة معينة يتبع التوزيع الطبيعي الذي متوسطه الحسابي‬
‫يساوي (‪ )300‬دينار ‪ .‬أوجد‪:‬‬ ‫دينار‪ ,‬وانحرافه المعياري‬
‫‪ .1‬احتماؿ الحصوؿ عمى دخؿ اسرة اكبر مف ‪ 2400‬دينار‪.‬‬
‫‪ .2‬احتماؿ الحصوؿ عمى دخؿ اسرة اكبر مف ‪ 1500‬دينار‪.‬‬
‫‪ .3‬احتماؿ الحصوؿ عمى دخؿ اسرة اقؿ مف ‪ 2550‬دينار‪.‬‬
‫‪ .4‬احتماؿ الحصوؿ عمى دخؿ اسرة اقؿ مف ‪ 1200‬دينار‪.‬‬
‫‪ .5‬احتماؿ الحصوؿ عمى دخؿ اسرة ينحصر بيف ‪ 1650‬و ‪ 2250‬دينار‪.‬‬
‫‪ .6‬احتماؿ الحصوؿ عمى دخؿ اسرة اكبر مف ‪ 2400‬و ‪ 2550‬دينار‬
‫‪ .7‬اوجد عدد االسر التي يزيد دخمها عف ‪ 1500‬دينار‬
‫الحــــــــــــــــــــل‪:‬‬
‫يساوي‬ ‫بما اف المتغير العشوائي )‪ (X‬يتبع توزيع طبيعي عادي حسب منطوؽ السؤاؿ‪ ,‬واف متوسطه الحسابي‬
‫يساوي ‪ 300‬دينار‪ ,‬وعميه فاف‪:‬‬ ‫‪ 1800‬دينار‪ ,‬واف االنحراؼ المعياري لهذا المتغير‬
‫‪ .1‬احتماؿ اف يكوف دخؿ اسرة اكبر مف ‪ 2400‬دينار‪:‬‬
‫(*‬ ‫)‬ ‫‪+‬‬ ‫(‬ ‫)‬ ‫(‬ ‫)‬
‫من الجدول ‪Z‬‬
‫كما هو مورح في الشكؿ التالي‪:‬‬
‫‪- 121 -‬‬

‫زراك‬
‫‪ .2‬احتماؿ اف يكوف دخؿ اسرة اكبر مف ‪ 1500‬دينار‪:‬‬
‫[‬ ‫]‬
‫مف الجدوؿ‬
‫‪ .3‬احتماؿ اف يكوف دخؿ اسرة اقؿ مف ‪ 2550‬دينار‪:‬‬
‫‪- 121 -‬‬

‫زراك‬
‫‪ .4‬احتماؿ اف يكوف دخؿ اسرة اقؿ مف ‪ 1200‬دينار‪:‬‬
‫‪ .5‬احتماؿ اف يكوف دخؿ اسرة ينحصر بيف ‪ 1650‬و ‪ 2250‬دينار‪:‬‬
‫‪- 122 -‬‬

‫زراك‬
‫‪ .6‬احتماؿ اف يكوف دخؿ اسرة ينحصر بيف ‪ 2400‬و ‪ 2550‬دينار‪:‬‬
‫‪ .7‬عدد االسر التي يزيد دخمها عف ‪ 1500‬دينار‪:‬‬

‫اف احتماؿ عدد االسر التي يزيد دخمها عف (‪ )1500‬دينار هي ‪:‬‬
‫(االحتماؿ الناتج مف الفقرة ‪ 2‬مرروباً بعدد االسر الكمي وهو (‪ )1000‬اسرة) = ‪0.8413 X 1000‬‬
‫=‪ 841‬اسرة‬
‫‪- 123 -‬‬

‫زراك‬
‫الفصل الثاني عشر‬

‫نظرية ذي الحدين ‪Binomial Distribution‬‬
‫وتسػمى كػذلؾ توزيػع ذي الحػديف ‪ ,‬ويسػمى ايرػاً توزيػع برنػولي ‪ , Bernoulli Distribution‬الػذي اكتشػفه‬
‫العالـ برنولي في القرف السابع عشر‪ ,‬ويسمى كذلؾ بالتوزيع الحداني ‪.‬‬
‫في كثير مف التجارب يعمد الباحث عمى تكرار اعادة اجػراء التجربػة فػي عػدد كبيػر مػف المػرات وذلػؾ لرصػد‬
‫وتسجيؿ نجاح او فشؿ ظاهرة معينة ‪ ,‬وتسمى مثؿ هػذ التجػارب ‪( ,‬تجػارب ذي الحػديف) ‪ ,‬وذلػؾ النهػا تركػز فقػط‬
‫عمى نتيجتػيف فقػط همػا (حالػة النجػاح و حالػة الفشػؿ) ‪ ,‬وتحديػد عػدد مػرات ظهػور النتيجػة المطموبػة (النجػاح) مػف‬
‫العدد الكمي لمرات اجراء التجربة‪.‬‬
‫توزيػػع ذي الحػػديف مػػف التوزيعػػات االحتماليػػة المتقطعػػة المهمػػة والػػذي يكػػوف فيػػه المتغيػػر العش ػوائي يقبػػؿ (‪)1‬‬
‫توزيع ػاً لػػه اي اف ‪( :‬عػػدد حػػاالت النجػػاح ‪ +‬عػػدد حػػاالت الفشػػؿ =‪ . )1‬يمكػػف تورػػيح هػػذا التوزيػػع االحتمػػالي‬
‫باستخداـ بعض االمثمة ‪:‬‬
‫نفترض اف لدينا تجربة ما ‪ ,‬بحيث اف جميع نتائج هذ التجربة يمكػف تصػنيفها الػى صػنفيف أو حػالتيف وهػي‬
‫اما حالة نجاح أو حالة فشؿ ‪ ,‬أي اف ظهور الحادث )‪ (A‬مثالً ‪ ,‬نطمؽ عميػه حالػة النجػاح ‪ ,‬وعػدـ ظهػور الحػادث‬
‫)‪ (A‬نطمؽ عميه حالة الفشؿ ‪ .‬نفترض اف هذ التجربة تتكرر عدد مف المرات ولتكف )‪ (n‬مف المػرات‪ .‬نفتػرض اف‬
‫المتغيػػر العش ػوائي )‪ (y‬يمثػػؿ عػػدد حػػاالت النجػػاح (اي عػػدد م ػرات ظهػػور الحػػادث )‪ , ) (A‬التػػي تظهػػر فػػي عػػدد‬
‫مرات تكرار التجربة )‪. (n‬‬
‫هذا النوع مف المتغير العشوائي يسمى (متغير ذي الحديف)‪ .‬وهػو متقطػع النػه ياخػذ قيمػاً عدديػة مػف الصػفر‬
‫الػػى )‪ . (n‬إف تكػرار التجربػػة فػػي هػػذ الحالػػة يكػػوف تكػرار الصػػؿ التجربػػة فػػي كػػؿ مػرة ‪ ,‬اي اف التجػػارب المتكػػررة‬
‫تكوف مستقمة ‪ .‬أي اف الحادث الذي يظهر في التجربة االولى ال يغير مف االختيار الذي يميه في التجربة الثانية‪.‬‬
‫مثػػاؿ (‪ : )1‬فػػي حالػػة رمػػي قطعػػة نقػػود ثػػالث م ػرات (اي اف التجربػػة يػػتـ تكرارهػػا ثػػالث م ػرات) وعميػػه ف ػػاف‪:‬‬
‫‪ .‬نفتػػرض اف حػػاالت النجػػاح هػػو الحصػػوؿ عمػػى صػػورة )‪ , (H‬وبػػذلؾ فػػاف المتغيػػر العش ػوائي )‪(y‬‬
‫يمثؿ عدد مرات ظهور الصورة أو التي نحصؿ عميها مف هذ الرميات الثالثة ‪ .‬التوزيػع االحتمػالي لمتغيػر ذي‬
‫الحديف في هذ الحالة يكوف كما يمي ‪:‬‬
‫‪- 124 -‬‬

‫زراك‬
‫)‪(y‬‬
‫)‪P(E‬‬
‫قيمة المتغير العشوائي‬ ‫احتماؿ كؿ‬
‫فراء العينة‬ ‫توزيع ذي الديف‬
‫(عدد مرات ظهور‬ ‫حالة ممكنة‬
‫(مجموع الحاالت الممكنة)‬
‫الحادث)‬
‫‪H H H‬‬ ‫‪3‬‬
‫‪T T T‬‬ ‫‪0‬‬
‫‪H T T‬‬ ‫‪1‬‬
‫‪T T H‬‬ ‫‪1‬‬
‫‪T H T‬‬ ‫‪1‬‬
‫‪H H T‬‬ ‫‪2‬‬
‫‪T H H‬‬ ‫‪2‬‬
‫‪H T H‬‬ ‫‪2‬‬
‫المجموع‬ ‫‪1.0‬‬ ‫‪1.0‬‬
‫‪ )1‬في هذا المثاؿ ‪ ,‬فاف فراء العينة مكوف مف ثمانية احتماالت ‪.‬‬
‫‪ )2‬كؿ احتماؿ يحصؿ مرة واحدة مف ثمانية احتماالت‪.‬‬
‫‪ )3‬عػػدد حػػاالت النجػػاح هػػو ظهػػور الصػػورة ‪ ,‬عندئػػذ يػػتـ جمػػع عػػدد احتمػػاالت ظهػػور الصػػورة رػػمف فرػػاء‬
‫العينة‪.‬‬
‫‪ )4‬عدد حاالت النجاح ‪ +‬عدد حاالت الفشؿ = ‪1‬‬
‫‪- 125 -‬‬

‫زراك‬
‫طريقة أو خطوات ايجاد توزيع ذي الحديف‪:‬‬
‫‪ .1‬ايجاد فراء العينة (وهي جميع النتائج الممكنة)‪.‬‬

‫‪ .2‬ايجاد احتمالية حصوؿ كؿ نتيجة مف النتائج الممكنة او المحتممة ‪.‬‬
‫‪ .3‬تعييف قيمة المتغير العشوائي ‪.‬‬
‫‪ .4‬جمع كافة احتماالت النجاح ‪ ,‬هذ االحتماالت تعطي أو تمثؿ التوزيع االحتمالي لتوزيع ذي الحديف ‪.‬‬
‫القانوف العاـ لتوزيع ذي الحديف ‪:‬‬
‫‪ .1‬نرمز الى احتماؿ اف يحصؿ الحادث (احتماؿ النجاح) بالرمز )‪. (p‬‬
‫‪ .2‬نرمز الى احتماؿ عدـ حصوؿ الحادث (احتماؿ الفشؿ) بالرمز )‪. (q‬‬
‫‪.‬‬ ‫وكذلؾ ‪:‬‬ ‫‪ .‬اي اف ‪:‬‬ ‫‪ .3‬بهذ الحالة يكوف ‪:‬‬
‫‪ .4‬بهذ الحالة يكوف االحتماؿ اف تحصؿ حاالت النجاح في )‪ (X‬مرة مف عدد مػرات اجػراء التجربػة فػي )‪(n‬‬
‫مف عدد مرات تكرار التجربة ‪.‬‬
‫‪ .5‬توزيع ذي الحديف يعطى بالعالقة التالية ‪:‬‬
‫) (‬
‫عدد حاالت النجاح = ‪X‬‬
‫عدد مرات اجراء التجربة = ‪n‬‬
‫احتماؿ النجاح في كؿ تجربة = ‪p‬‬
‫احتماؿ الفشؿ في كؿ تجربة = ‪q‬‬
‫‪ , y = 0 , 1 , 2 , 3 , 4 ….. etc.‬المتغير العشوائي بعدد مرات النجاح = )‪p(y‬‬
‫نعود الى المثاؿ السابؽ عند رمي قطعة نقود ثالث مرات ونطبؽ قانوف ذي الحديف ‪:‬‬
‫‪n=3‬‬
‫½=‪p‬‬ ‫½=‪, q‬‬
‫عدد مرات ظهور الصورة ‪X = 0 ,1 , 2 , 3‬‬
‫‪- 126 -‬‬

‫زراك‬
‫نطبؽ قانوف ذي الحديف‪:‬‬
‫) (‬
‫‪1.‬‬ ‫) (‬ ‫عدـ ظهور الصورة‬

‫‪2.‬‬ ‫) (‬ ‫ظهور الصورة مرة واحدة‬
‫‪3.‬‬ ‫) (‬ ‫ظهور الصورة مرتيف‬

‫‪4.‬‬ ‫) (‬ ‫ظهور الصورة ثالث مرات‬
‫مثاؿ (‪ : )1‬ما هي احتماالت الحصوؿ عمى وجه )‪ (H‬مرتيف فقط عند رمي قطعة نقود ستة مرات ؟‬
‫‪n=6‬‬
‫½=‪p‬‬ ‫½=‪, q‬‬
‫‪y=2‬‬
‫نطبؽ قانوف ذي الحديف‪:‬‬
‫) (‬
‫‪1.‬‬ ‫) (‬ ‫) (‬ ‫) (‬
‫مثاؿ (‪ : )2‬في النية حفر خمسة آبار الستكشاؼ الػنفط فػي احػدى المنػاطؽ ‪ ,‬حيػث اف نسػبة النجػاح المتوقعػة‬
‫هي )‪ (10%‬في الحصوؿ عمى آبار ناجحة‪ .‬احسب احتمالية ‪:‬‬
‫‪ .A‬فشؿ برنامج الحفر االستكشافي كمياً ‪.‬‬

‫‪ .B‬الحصوؿ عمى بئر واحد فقط يعطي مؤشر عمى وجود النفط ‪.‬‬
‫‪- 127 -‬‬

‫زراك‬
‫العدد الكمي لآلبار‬ ‫‪.One‬‬
‫لعدـ وجود بئر يعطي مؤشر لتواجد النفط‬ ‫عدد حاالت النجاح‬
‫احتماؿ النجاح‬
‫احتماؿ الفشؿ‬
‫) (‬ ‫نطبؽ القانوف‬
‫احتماؿ فشؿ برنامج الحفر االستكشافي كمياً‬
‫العدد الكمي لآلبار‬ ‫‪.Two‬‬

‫بئر واحد يعطي مؤشر لتواجد النفط‬ ‫عدد حاالت النجاح‬
‫احتماؿ النجاح‬
‫احتماؿ الفشؿ‬
‫نسبة النجاح في الحصوؿ عمى بئر واحد ناجح فقط‬
‫مثاؿ (‪ : )2‬ما هي احتمالية الحصوؿ عمى وجه )‪ (H‬عمى االقؿ اربعة مرات عند رمي قطعة نقود ستة مرات؟‬
‫‪- 128 -‬‬

‫زراك‬
‫عمى االقؿ ‪ ,‬تعني اف االحتمالية هي الحصوؿ عمى وجه اربع مرات وخمس مرات وست مرات‬
‫‪ ,‬فمػا هػو احتمػاؿ اصػابة‬ ‫مثاؿ (‪ : )3‬اذا كاف احتماؿ اصابة العب كرة السمة )‪ (A‬الهدؼ في رمية حرة هو‬
‫الهدؼ مرتيف مف )‪ (4‬رميات حرة ‪.‬‬
‫مثػػاؿ (‪ : )4‬وجػػد فػػي احػػد المصػػانع اف نسػػبة العمػػب التالفػػة مػػف معجػػوف الطماطػػة التػػي ينتجهػػا المصػػنع هػػي‬
‫)‪ , (5%‬فاذا اخذت عينة مؤلفة مف )‪ (10‬عمب ‪ ,‬احسب احتماؿ ‪:‬‬
‫‪ .a‬اف تكوف العينة كمها تالفة ‪.‬‬

‫‪ .b‬اف تكوف العينة كمها جيدة ‪.‬‬
‫‪ .c‬اف تكوف بالعينة ثالث عمب تالفة فقط ‪.‬‬
‫‪- 129 -‬‬

‫زراك‬
‫‪.a‬‬
‫‪.b‬‬
‫‪.c‬‬
‫مثاؿ (‪ : )5‬وجد عند مفترؽ طريقيف اف ) ( مف السيارات تتجه الى اليميف ‪ ,‬واف ) ( منها تتجػه الػى اليسػار‬
‫‪ .‬فاذا وصمت )‪ (4‬سيارات الى المفترؽ ‪ ,‬فما هو احتماؿ اف تتجه )‪ (3‬منها الى اليسار ؟‬
‫‪,‬‬ ‫احتماؿ النجاح هو اتجا السيارات الى اليسار =‬
‫احتماؿ الفشؿ هو اتجا السيارات الى اليميف =‬
‫‪ ,‬عدد مرات اجراء التجربة =‬ ‫عدد حاالت النجاح =‬
‫مثػػاؿ (‪ : )6‬فػػي احػػدى تجػػارب منػػدؿ الوراثيػػة ‪ ,‬وجػػد بػػاف احتمػػاؿ الحصػػوؿ عمػػى نبػػات طويػػؿ يسػػاوي ) ( ‪,‬‬
‫وعمى نبات قصير يساوي ) ( في الجيؿ الثاني ‪ ,‬فاذا فحصت عينة مؤلفػة مػف )‪ (4‬نباتػات ‪ ,‬فمػا هػو احتمػاؿ‬
‫اف تكوف كمها طويمة ؟‬
‫‪,‬‬ ‫احتماؿ النجاح هو =‬
‫احتماؿ الفشؿ هو =‬
‫‪- 131 -‬‬

‫زراك‬
‫‪ ,‬عدد مرات اجراء التجربة =‬ ‫عدد حاالت النجاح =‬
‫مثػػاؿ (‪ : )7‬وجػػد اف مػػف بػػيف كػػؿ عشػرة نمػػاذج طػػيف ‪ ,‬هنالػػؾ نمػػوذج واحػػد فقػػط يحتػػوي عمػػى تراكيػػز لمحديػػد ‪,‬‬
‫باستخداـ توزيع ذي الحديف ‪ ,‬اوجد احتماؿ اف يكوف مف بػيف كػؿ (‪ )20‬نمػوذج طػيف هنػاؾ (‪ )3‬نمػاذج تحتػوي‬
‫عمى تراكيز لمحديد ؟‬
‫خواص توزيع ذي الحديف ‪:‬‬
‫الوسط الحسابي ‪ :‬وهو عبارة عف معدؿ عدد النجاحات المتوقعة التػي يمكػف الحصػوؿ عميهػا فػي )‪ (n‬مػف‬ ‫‪.1‬‬
‫‪ .‬والص ػ ػػيغة االحصػ ػػائية الحتس ػ ػػاب الوس ػ ػػط‬ ‫أو‬ ‫الحػ ػػاالت او التج ػ ػػارب ‪ .‬ويرمػ ػػز ل ػ ػػه بػ ػػالرمز‬
‫الحسابي لمتغير ذي الحديف هي ‪:‬‬
‫∑‬ ‫‪)a‬‬
‫‪)b‬‬
‫المتغير العشوائي وهو عدد مرات ظهور الحادث او عدد حاالت النجاح = ‪y‬‬
‫عدد مرات اجراء التجربة = ‪n‬‬
‫مجموع االحتماالت في فراء العينة =‬
‫احتماؿ ظهور الحادث في كؿ مرة اجراء التجربة (حالة النجاح) = ‪p‬‬
‫مثاؿ ‪ :‬أوجد الوسط الحسابي لتجربة رمي قطعة نقود (‪ )4‬مػرات ‪ ,‬والحػادث هػو ظهػور الصػورة فػي عػدد مػرات‬
‫اجراء التجربة ‪.‬‬
‫‪- 131 -‬‬

‫زراك‬
‫مجمػوع االحتمػاالت فػي فرػاء العينػة = ‪ 2 x 2 x 2 x2 = 16‬واف احتمػاؿ ظهػور الصػورة مورػحة فػي‬
‫الجدوؿ التالي ‪:‬‬
‫قيًت انًتغير انعشىائي‬ ‫احتًبل كم حبنت‬
‫فضبء انعيُت‬ ‫تىزيع ذي انحديٍ‬
‫)‪(y‬‬ ‫يًكُت‬
‫‪TTTT‬‬ ‫‪6‬‬ ‫احتًبل عدو ظهىر‬

‫انصىرة‬
‫‪HTTT‬‬ ‫‪8‬‬
‫‪THTT‬‬ ‫‪8‬‬
‫‪TTHT‬‬ ‫‪8‬‬ ‫احتًبل ظهىر انصىرة‬

‫يرة واحدة‬
‫‪TTTH‬‬ ‫‪8‬‬
‫‪HHTT‬‬ ‫‪6‬‬
‫‪HTHT‬‬ ‫‪6‬‬
‫‪HTTH‬‬ ‫‪6‬‬
‫‪THTH‬‬ ‫‪6‬‬ ‫احتًبل ظهىر انصىرة‬

‫يرتيٍ‬
‫‪THHT‬‬ ‫‪6‬‬
‫‪TTHH‬‬ ‫‪6‬‬
‫‪THHH‬‬ ‫‪6‬‬
‫‪HTHH‬‬ ‫‪6‬‬
‫‪HHTH‬‬ ‫‪6‬‬ ‫احتًبل ظهىر انصىرة‬

‫ثالث يراث‬
‫‪HHHT‬‬ ‫‪6‬‬
‫‪HHHH‬‬ ‫‪2‬‬ ‫احتًبل ظهىر انصىرة‬

‫اربع يراث‬
‫‪- 132 -‬‬

‫زراك‬
‫نطبؽ القانوف االوؿ ‪:‬‬
‫∑‬
‫بما اف هذ الطريقة طويمة خاصة اذا كاف عدد النقاط في فراء العينة كبيػر جػداً ‪ ,‬بهػذ الحالػة يفرػؿ تطبيػؽ‬
‫القانوف الثاني ‪:‬‬
‫التبايف ‪ :‬القانوف الخاص بايجاد التبايف هو ‪:‬‬ ‫‪.2‬‬
‫االنحراؼ المعياري ‪:‬‬ ‫‪.3‬‬

‫√‬
‫معامؿ االلتواء ‪:‬‬ ‫‪.4‬‬
‫√‬
‫معامؿ التفرطح ‪:‬‬ ‫‪.5‬‬
‫‪β‬‬
‫‪- 133 -‬‬

‫زراك‬
‫الفصل الثالث عشر‬

‫االحتمال الشرطي ‪Conditional Probability‬‬
‫هناؾ كثير مف الحوادث التي يشترط وقوعها بوقوع حوادث سابقة لها (تسبقها في الحدوث)‪.‬‬
‫مثاؿ ‪ :‬سفر الطالب لمدراسة في الخارج مرتبط أو مشروط بنجاحه بامتحاف القبوؿ ‪.‬‬
‫الحادث االوؿ ‪ :‬سفر الطالب الى الخارج‬
‫الحادث الثاني ‪ :‬نجاح الطالب في االمتحاف‬
‫نالحػػظ هنػػا اف الحػػادث االوؿ يقػػع بعػػد وقػػوع الحػػادث الثػػاني ‪.‬فػػاذا رمزنػػا الػػى الحػػادث االوؿ )‪ , (E1‬والحػػادث‬
‫‪⁄‬‬ ‫الثػػاني )‪ , (E2‬واف الحػػادث االوؿ ‪ E1‬يقػػع بشػػرط وقػػوع الحػػادث الثػػاني ‪ E2‬وهػػذا يعبػػر عنػػه ريارػػياً‬
‫حيث تق أر كما في احد الحاالت التالية ‪:‬‬
‫‪ .a‬يقع الحادث االوؿ )‪ (E1‬بشرط اف الحادث الثاني )‪ (E2‬قد وقع ‪.‬‬

‫‪ (E1) .b‬الحادث االوؿ يقع عمما باف )‪ (E2‬قد وقع‪.‬‬
‫‪ (E1) .c‬يقع اذا كاف )‪ (E2‬قد وقع‪.‬‬
‫‪ (E1) .d‬يقع عمى فرض اف )‪ (E2‬قد وقع‪.‬‬
‫وسنتعرؼ عمى كيفية ايجاد احتماؿ الحادث المشروط بوقوع حادث قبمه ‪.‬‬
‫اذا كػػاف لػػدينا حػػادثيف همػػا )‪ (E1‬و )‪ , (E2‬فػػاف احتمػػاؿ وقػػوع الحػػادث )‪( (E2‬الحػػادث الثػػاني) مػػع اف الحػػادث‬
‫‪ ,‬ويسمى هذا باالحتماؿ الشػرطي ‪ ,‬ويعنػي‬ ‫‪⁄‬‬ ‫االوؿ )‪ (E1‬قد وقع ‪ ,‬نرمز له بهذ الحالة بالرمز ‪:‬‬
‫ذلؾ اف احتماؿ وقوع الحادث هو )‪ (E2‬مع اف الحادث )‪ (E1‬قد وقع مسبقاً أو تحقؽ حصوله ‪.‬‬
‫يقسـ االحتماؿ الشرطي الى ثالثة اقساـ ‪:‬‬
‫‪ )1‬الحوادث المستقمة ‪: Independent Events‬‬

‫وهػػذا يعنػػي اف حصػػوؿ الحػػادث )‪ (E1‬أو عػػدـ حصػػوؿ الحػػادث )‪ , (E1‬اذا كػػاف ذلػػؾ ال يػػؤثر عمػػى وقػػوع‬
‫الحادث )‪ (E2‬عندئذ سوؼ يكوف ‪:‬‬
‫‪⁄‬‬
‫‪- 134 -‬‬

‫زراك‬
‫‪ )2‬الحوادث ير المستقمة ‪: Dependent Events‬‬
‫وهي الحوادث التي يشترط حصوؿ الحادث )‪ (E1‬بوقوع الحادث )‪ (E2‬أو تحقؽ حصوله ويرمز له ‪:‬‬
‫‪ )3‬الحوادث المركبة ‪: Complex Events‬‬
‫وكالهمػا حاصػػؿ الحػػدوث ‪ ,‬عندئػػذ تسػمى هػػذ الحػوادث بػػالحوادث‬ ‫و‬ ‫فػي حالػػة وجػػود حػػادثيف‬
‫المركبة ‪ ,‬وتعرؼ بالصيغة التالية ‪:‬‬
‫اما في حالة وجود عدة حوادث مستقمة ‪:‬‬
‫مثػػاؿ (‪ : )1‬فػػي تجربػػة سػػحب ك ػرتيف مػػف صػػندوؽ فيػػه (‪ )5‬ك ػرات بيرػػاء و (‪ )7‬ك ػرات سػػوداء و (‪ )3‬ك ػرات‬
‫حمراء ‪ ,‬اذا كاف السحب عمى التوالي وبدوف ارجاع ‪ ,‬أوجد ‪:‬‬
‫‪ )a‬احتماؿ اف تكوف الكرة االولى بيراء ‪.‬‬

‫‪ )b‬احتماؿ اف تكوف الكرة الثانية بيراء ‪ ,‬اذا كانت الكرة االولى بيراء ‪.‬‬
‫‪ )c‬احتماؿ اف تكوف الكرة الثانية سوداء ‪ ,‬اذا كانت الكرة االولى حمراء ‪.‬‬
‫‪ )d‬احتماؿ اف تكوف الكرة االولى بيراء والثانية بيراء ايراً ‪.‬‬
‫فػػي هػػذا المثػػاؿ يػػتـ السػػحب عمػػى التػوالي بمعنػػى اف الترتيػػب مهػػـ وبالتػػالي تصػػبح التجربػػة مكونػػة مػػف خطػػوتيف‬
‫تتميزيف باف حدوث السحبة الثانية مشروطة بحدوث وتحقؽ السحبة االولى قبمها (احتماؿ مشػروط) ‪ ,‬وبالتػالي‬
‫سػػيكوف ل ازمػاً عمينػػا د ارسػػة احتمػػاؿ السػػحبة الثانيػػة بعػػد اف تعطػػى معمومػػات عػػف نتػػائج السػػحبة االولػػى واعطػػاء‬
‫مجريات نتائج وقوع السحبة الثانية ‪ ,‬الف الترتيب مهـ ‪.‬‬
‫الحاالت المؤاتية‬ ‫عدد الكرات البيراء‬

‫‪ )a‬احتماؿ اف تكوف الكرة االولى بيراء =‬
‫عدد الكرات الكمي‬ ‫عدد الكرات الكمي‬
‫‪- 135 -‬‬

‫زراك‬
‫‪.‬‬ ‫اذا كانت االولى بيراء‬ ‫‪ )b‬احتماؿ اف تكوف الكرة الثانية بيراء‬
‫عدد الكرات البيراء بعد اف يكوف ناتج السحبة االولى كرة بيراء‬
‫‪⁄‬‬
‫عدد الكرات الكمي بعد نقصاف كرة بيراء‬
‫‪ )c‬احتماؿ الكرة الثانية سوداء اذا كانت الكرة االولى حمراء‬
‫عدد الكرات السوداء بعد اف تكوف ناتج السحبة االولى كرة حمراء‬
‫‪⁄‬‬
‫عدد الكرات الكمي بعد نقصاف كرة حمراء‬
‫‪ )d‬احتمػػاؿ اف تكػػوف الك ػرة االولػػى بيرػػاء والثانيػػة بيرػػاء ‪ ,‬وهػػي مػػف الح ػوادث المركبػػة التػػي نطبػػؽ عميهػػا‬
‫القانوف التالي ‪:‬‬
‫‪⁄‬‬
‫مثػػاؿ (‪ : )2‬عينػػة مكونػػة مػػف (‪ )20‬طالػػب و (‪ )30‬معمػػـ ‪ ,‬شػػاركوا فػػي االجابػػة عػػف اهميػػة اسػػتهالؾ الطاقػػة فػػي‬
‫المنازؿ ‪ ,‬فكانت اجابتهـ كما ياتي ‪:‬‬
‫المجموع‬ ‫ير متاكد‬ ‫ال‬ ‫نعـ‬ ‫االجابة‬
‫‪20‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪14‬‬ ‫طالب‬
‫‪30‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪24‬‬ ‫معمموف‬

‫فاذا اختير احد افراد العينة عشوائياً ‪ ,‬فما هو احتماؿ اف معمما عمما باف اجابته كانت نعـ ‪.‬‬
‫‪,‬‬ ‫هنػػا االختيػػار يجػػب اف يكػػوف مشػػروط بػػاف تكػػوف اجابتػػه (نعػػـ) ‪ ,‬اي اف الحػػادث االوؿ هػػو اجابتػػه (نعػػـ) =‬
‫‪.‬‬ ‫والحادث الثاني هو اف يكوف معمـ =‬
‫احتماؿ اجابته نعـ‬

‫‪⁄‬‬
‫احتماؿ اف يكوف معمـ‬
‫هػو الحػادث االوؿ‬ ‫مثاؿ (‪ : )3‬لدينا صندوؽ يحتوي عمػى (‪ )3‬كػرات بيرػاء و (‪ )2‬كػرات سػوداء ‪ .‬لػيكف‬
‫هػػو الحػػادث الثػػاني ‪ ,‬سػػحب كػرة سػػوداء ايرػاً‪ .‬عممػػا بػػاف الكػرات المسػػحوبة ال‬ ‫سػػحب كػرة سػػوداء ‪ ,‬ولػػيكف‬
‫‪- 136 -‬‬

‫زراك‬
‫يػػر مسػػتقمة ‪ ,‬اي اف نتيجػػة السػػحبة الثانيػػة تعتمػػد عمػػى‬ ‫و‬ ‫تعػػاد الػػى الصػػندوؽ ‪ .‬الح ػوادث هنػػا‬
‫نتيجة السحبة االولى ‪.‬‬
‫عدد الكرات السوداء‬
‫‪ .1‬احتماؿ اف تكوف السحبة االولى كرة سوداء =‬
‫عدد الكرات الكمي‬
‫‪ .2‬احتماؿ اف تكوف السحبة الثانية كرة سوداء بعد اف كانت الكرة االولى سوداء =‬
‫عدد الكرات السوداء بعد نقصاف واحدة سوداء‬
‫‪⁄‬‬
‫عدد الكرات الكمي بعد نقصاف واحدة سوداء‬
‫‪ .3‬احتماؿ اف تكوف كال الكرتيف المسحوبتيف سوداء ‪:‬‬
‫‪⁄‬‬
‫مثاؿ (‪ : )4‬صندوؽ يحتوي عمى (‪ )6‬كرات حمراء و (‪ )4‬كرات سوداء ‪ ,‬فاذا تـ سحب كرتاف عمى التوالي (بدوف‬
‫ارجاع) ‪ ,‬ما هو احتماؿ اف تكوف الكرة الثانية حمراء عمماً باف الكرة االولى كانت حمراء ايراً ‪.‬‬
‫بما اف الحوادث ير مستقمة ‪ ,‬نطبؽ القانوف التالي ‪:‬‬
‫‪⁄‬‬
‫باعتبار اف عدد الكرات الحمر هػو (‪ , )6‬مػف مجمػوع عػدد الكػرات‬ ‫احتماؿ اف تكوف الكرة االولى حمراء هو‬
‫‪ ,‬باعتبػػار انػػه تػػـ سػػحب ك ػرة حم ػراء فػػي الم ػرة‬ ‫الكميػػة وهػػو (‪ . )10‬احتمػػاؿ اف تكػػوف الك ػرة الثانيػػة حم ػراء هػػو‬
‫االولى ‪ .‬اذف احتماؿ اف تكوف الكرتاف حمراء هو ‪:‬‬
‫‪⁄‬‬
‫قاعػػدة ثانيػػة يمكػػف حػػؿ اسػػئمة االحتمػػاؿ الشػػرطي باسػػتخداـ قػػانوف التوافيػػؽ والتباديػػؿ اذا كانػػت بالترتيػػب او بػػدوف‬
‫وهمػػا حػادثيف فػػي فرػػاء العينػػة ‪ ,‬فػاف احتمػػاؿ وقػػوع الحػػادث‬ ‫و‬ ‫ترتيػب ‪ ,‬فػػاذا كػػاف لػدينا حػػادثيف همػػا‬
‫‪.‬‬ ‫‪⁄‬‬ ‫قد وقع ‪ ,‬ويرمز له بالرمز ‪:‬‬ ‫عمماً باف الحادث‬
‫‪- 137 -‬‬

‫زراك‬
‫و‬ ‫الحاالت المؤاتية لوقوع الحادث‬

‫‪⁄‬‬
‫الحاالت المؤاتية لوقوع الحادث مف عدد الحاالت الكمية‬
‫مثػػاؿ (‪ : )5‬صػػندوؽ يحتػػوي عمػػى (‪ )6‬ك ػرات حم ػراء و(‪ )4‬ك ػرات سػػوداء ‪ ,‬فػػاذا سػػحبت منػػه كرتػػاف عمػػى الت ػوالي‬
‫(بدوف ارجاع) ‪ ,‬ما هو احتماؿ اف تكوف الكرة الثانية حمراء عمماً باف الكرة االولى كانت حمراء ايراً ؟‬
‫) (‬ ‫) (‬ ‫‪ .a‬احتماؿ اختيار كرتاف حمراء هو‬
‫) (‬ ‫‪ .b‬احتماؿ اختيار كرتاف حمراء مف الصندوؽ هو‬
‫) (‬
‫‪⁄‬‬ ‫حؿ السؤاؿ بقانوف التباديؿ والتوافيؽ‬
‫) (‬
‫‪⁄‬‬ ‫حؿ السؤاؿ بقانوف االحتماؿ الشرطي‬
‫صّنؼ الشباب في احدى المدف كاالتي ‪:‬‬

‫مثاؿ (‪ُ : )6‬‬
‫المجموع‬ ‫ليست له وظيفة‬ ‫لديه وظيفة‬
‫‪500‬‬ ‫‪40‬‬ ‫‪460‬‬ ‫ذكور‬
‫‪400‬‬ ‫‪260‬‬ ‫‪140‬‬ ‫اناث‬
‫‪900‬‬ ‫‪300‬‬ ‫‪600‬‬ ‫المجموع‬
‫فاذا اخترنا شاب بصورة عشوائية ‪ ,‬ما هو احتماؿ اف يكوف ذكر موظؼ ‪.‬‬
‫) احتماؿ اف يكوف ذكر موظؼ(‬

‫‪⁄‬‬
‫مجموع الموظفيف مف العدد الكمي‬
‫‪- 138 -‬‬

‫زراك‬
‫الفصل الرابع عشر‬

‫التوزيع البوسواني ‪Poisson Distribution‬‬
‫في بعض التجارب قد يحدث المتغير العشوائي في جزء مف وقت محدد ‪ ,‬مػثال عػدد المكالمػات التمفونيػة فػي‬
‫السػػاعة المسػػتعممة مػػف قبػػؿ دائػرة مػػا ‪ ,‬أو عػػدد ايػػاـ تعطيػػؿ المػػدارس بسػػبب االمطػػار مػػثالً ‪ ,‬أو عػػدد االخطػػاء فػػي‬
‫صفحة مطبوعة ‪ .....‬الأ‪ .‬هذ التجارب تسمى تجارب بوسواف ومف صفاتها ‪:‬‬
‫‪ .1‬متوسط عدد ظهور النجاحات = 𝛍 ‪.‬‬
‫‪ .2‬احتماؿ حصوؿ نجاح واحد في فترة قصيرة يتناسب مع طوؿ الوقت ‪.‬‬
‫‪ .3‬احتماؿ حصوؿ اكثر مف نجاح واحد في مثؿ هذ الفترة القصيرة هو احتماؿ نادر ‪.‬‬
‫يعرؼ التوزيع االحتمالي لممتغير العشوائي البوسواني )‪ , (y‬الذي يمثؿ عػدد النجاحػات التػي تحػدث فػي فتػرة‬
‫محددة هو‪:‬‬
‫‪y = 1 , 2 , 3, ……etc.‬‬
‫متوسط عدد النجاحات =‬
‫)‪e = 2.71828 (constant‬‬
‫مثاؿ ‪ :‬اذا كاف متوسط عدد االياـ التي تعطؿ فيها الدراسة في مدرسة معينة بسبب سقوط الثموج في فصؿ الشتاء‬
‫هو (‪ )4‬اياـ ‪ ,‬ما هو احتماؿ اف المدارس في هذ المدينة ستعطؿ فيها الدراسة لمدة (‪ )6‬اياـ خالؿ الشتاء ‪.‬‬
‫‪- 139 -‬‬

‫الباب الثالث‬
‫معامؿ االرتباط‬
‫ومخطط االنتشار‬
‫غازي عطيو‬ ‫الباب الثالث‬
‫زراك‬
‫الفصل الخامس عشر‬

‫معامل االرتباط ‪Correlation Coefficient‬‬
‫أو اكثػػر ‪ ,‬أو هػػو قػػوة العالقػػة بػػيف‬ ‫يعػػرؼ االرتبػػاط بانػػه العالقػػة الريارػػية التػػي تػربط بػػيف متغيػريف‬
‫‪ .‬وهػو احػد انػواع‬ ‫متغيريف ‪ ,‬وهي قيمة حقيقية كمية خالية مف الوحدات (وحدات القياس) ‪ ,‬ويرمػز لػه بػالرمز‬
‫متغيػر تػابع ‪ ,‬ويعنػي‬ ‫يعتبػر متغيػر مسػتقؿ و‬ ‫العالقات بيف المتغير التابع والمتغير المسػتقؿ ‪ ,‬حيػث اف‬
‫ذلؾ اذا تغير احد المتغيريف باتجا معػيف فػاف المتغيػر االخػر يميػؿ الػى التغيػر باتجػا معػيف ايرػاً‪ ,‬بمعنػى انػه اذا‬
‫تغير احد المتغيريف فاف المتغير اآلخر قد يتبعه‪ .‬إما اف يتبعه في نفس االتجا فيكػوف االرتبػاط طػردي ‪ ,‬او يتبعػه‬
‫فػػي عكػػس االتجػػا فيكػػوف االرتبػػاط عكسػػي‪ ,‬ويقػػاؿ اف المتغي ػريف مسػػتقميف عنػػدما ينعػػدـ االرتبػػاط‪ .‬درجػػة االرتبػػاط‬
‫تقػػاس بعػػدد يت ػراوح مقػػدار بػػيف (‪ . ) 1- , 0 , 1‬االرتبػػاط لػػيس شػػرطاً اف يتغيػػر احػػد المتغي ػريف دائم ػاً بتغيػػر‬
‫االخر‪ .‬وبناء عمى هذ الدرجة او المقياس ‪ ,‬يتـ تصنيؼ درجة او عالقة االرتباط الى ثالث اصناؼ ‪:‬‬
‫‪ .1‬درجػػة االرتبػػاط = (‪ : )1+‬وهػػذا يعنػػي اف درجػػة االرتبػػاط (موجػػب) ‪ ,‬ويصػػنؼ االرتبػػاط عمػػى انػػه (ارتبػػاط‬
‫طردي تاـ) ‪.‬‬
‫‪ .2‬درجػػة االرتبػػاط = (‪ : )1-‬وهػػذا يعنػػي اف درجػػة االرتبػػاط (سػػالب) ‪ ,‬ويصػػنؼ االرتبػػاط عمػػى انػػه (ارتبػػاط‬
‫عكسي تاـ) ‪.‬‬
‫‪ .3‬درجة االرتباط = (صفر) ‪ :‬وهذا يعني انه ال يوجد ارتباط ‪.‬‬
‫اما قوة االرتباط‪ ,‬يمكف اف تصنؼ الى ثالثة اصناؼ وكما يمي ‪:‬‬
‫و ( ‪ ,‬فهذا يعني اف االرتباط قوي ‪.‬‬ ‫‪ .1‬اذا كانت درجة االرتباط تقع بيف )‬
‫( ‪ ,‬فهذا يعني اف قوة االرتباط تصنؼ عمى انها رعيفة ‪.‬‬ ‫و‬ ‫‪ .2‬اذا كانت درجة االرتباط تقع بيف )‬
‫( فػػاف قػػوة درجػػة االرتبػػاط تصػػنؼ عمػػى انهػػا عكسػػي‬ ‫و‬ ‫‪ .3‬اذا كانػػت درجػػة االرتبػػاط تقػػع بػػيف ) –‬
‫قوي‪.‬‬
‫‪- 141 -‬‬

‫زراك‬
‫وكما هو مورح في المخطط التالي ‪:‬‬
‫عممػاً بػاف قػوة درجػة االرتبػاط تػزداد كممػا اقتربنػا مػف االطػراؼ سػواء كانػت باتجػا الطػرؼ القػوي الطػردي أو باتجػػا‬
‫الطػػرؼ القػػوي العكسػػي ‪ ,‬وتقػػؿ كممػػا ابتعػػدنا عػػف االطػراؼ باتجػػا المركػػز ‪ ,‬اي باتجػػا الصػػفر ‪ ,‬كمػػا فػػي المخطػػط‬
‫التالي ‪:‬‬
‫مثاؿ ‪ :‬عيف اي مف االرقاـ التالية يمثؿ معامؿ االرتباط االقوى ‪0.6 , -0.5 , -0.9 , 0.3 :‬‬
‫الحؿ ‪ :‬أقرب رقـ الى االطراؼ سواء كاف باتجا طرؼ القيـ الطردية أو طػرؼ القػيـ العكسػية (‪ )1‬أو )‪ , (-1‬فهػو‬
‫الرقـ )‪. (-0.9‬‬
‫طرؽ قياس معمؿ االرتباط‬
‫)‪ (X‬و )‪, (y‬‬ ‫معمػػؿ االرتبػػاط ‪ :‬هػػو المقيػػاس الرقمػػي أو القيمػػة العدديػػة لقػػوة االرتبػػاط بػػيف متغي ػريف مثػػؿ‬
‫ويمتاز معامؿ االرتباط بمجموعة مف الخصائص وهي ‪:‬‬
‫تزداد قوة العالقة كمما اقترب معامؿ االرتباط مف االطراؼ ‪ ,‬أي ( ‪ 1-‬و ‪ ) 1+‬ويسمى ‪:‬‬ ‫‪.1‬‬
‫تسمى ارتباط طردي تاـ ‪.‬‬ ‫‪ .a‬عندما‬
‫تسمى ارتباط عكسي تاـ ‪.‬‬ ‫‪ .b‬عندما‬
‫تقؿ العالقة كمما اقترب معامؿ االرتباط مف المركز ‪ ,‬اي باتجا القيمة صفر ‪ ,‬ويسمى ‪:‬‬ ‫‪.2‬‬
‫ال يوجد ارتباط ‪.‬‬ ‫‪ .a‬عندما‬
‫توصؼ عالقة معامؿ االرتباط عندما تقع القيمة بيف االطراؼ ومركز التوزيع وتوصؼ كما يمي ‪:‬‬ ‫‪.3‬‬
‫‪ .a‬عنػػدما تقػػع قيمػػة معامػػؿ االرتبػػاط بػػيف (‪ 0‬و ‪ , )1‬تسػػمى العالقػػة فػػي هػػذ الحالػػة ارتبػػاط طػػردي‬
‫موجب ‪.‬‬
‫‪- 141 -‬‬

‫زراك‬
‫‪ .b‬عنػدما تقػػع قيمػػة معامػؿ االرتبػػاط بػػيف (‪ 1-‬و ‪ , )0‬تسػمى العالقػػة فػػي هػذ الحالػػة ارتبػػاط عكسػػي‬
‫سالب ‪.‬‬
‫طرؽ قياس معامؿ االرتباط وقوته ‪:‬‬
‫تقسـ طرؽ قياس معامؿ االرتباط وقوته الى قسميف ‪:‬‬
‫‪ .1‬معامؿ ارتباط بيرسوف ‪Pearson’s Correlation‬‬

‫‪ .2‬معامؿ ارتباط سبيرماف ‪Spearman Correlation‬‬
‫معامؿ ارتباط بيرسوف ‪Pearson’s Correlation‬‬
‫ويسػػمى كػػذلؾ معامػػؿ ارتبػػاط العػػزوـ ‪ ,‬وهػػو المقيػػاس االقػػوى النػػه تعامػػؿ مػػع نفػػس القػػيـ لممتغيػرات الداخمػػة فػػي‬
‫الحساب ‪.‬ويتـ حسابه كما يمي ‪:‬‬
‫اذا ك ػػاف لػػػدينا ع ػػدد )‪ (n‬مػػػف المتغي ػ ػرات )‪ (X‬أو )‪( (y‬متغيػ ػرات مػ ػػف ازواج القػ ػػيـ) الت ػػي تمثػ ػػؿ مػ ػػثالً (وزف‬
‫الطالػػب‪ ,‬طػػوؿ الطالػػب) أو (تركيػػز عنصػػر الحديػػد ‪ ,‬تركيػػز عنصػػر النحػػاس) أو مػػثالً (درجػػة الطالػػب فػػي مػػادة‬
‫الرياريات مع درجة الطالب في مادة االحصاء) وهكذا ‪ ,‬ويرمز لها كما يمي ‪:‬‬
‫معامؿ االرتباط يحسب باحدى العالقات التالية ‪:‬‬

‫∑‬ ‫̅‬ ‫̅‬
‫‪1.‬‬
‫∑‬ ‫̅̅‬
‫‪2.‬‬
‫∑√‬ ‫̅‬ ‫∑√‬ ‫̅‬
‫∑‬
‫̅ ̅‬
‫‪3.‬‬
‫عدد القيـ )‪ (X‬أو )‪ (y‬التي تمثؿ (أزواج القيـ ) = ‪n‬‬
‫الوسط الحسابي لقيـ الظاهرة )‪̅ = (X‬‬
‫قيـ الظاهرة ‪X = X‬‬

‫قيـ الظاهرة ‪y = y‬‬
‫الوسط الحسابي لقيـ الظاهرة ‪̅= y‬‬
‫‪- 142 -‬‬

‫زراك‬
‫االنحراؼ المعياري لمظاهرة ‪= X‬‬

‫االنحراؼ المعياري لمظاهرة ‪= y‬‬
‫لحساب معامؿ االرتباط نتبع الخطوات التالية ‪:‬‬
‫‪ .1‬ايجاد )‪ (n‬وهو عدد ازواج القيـ مف ‪ X‬و ‪. y‬‬
‫‪ .2‬ايجاد الوسط الحسابي لمظاهرتيف ‪ X‬و ‪. y‬‬
‫‪ .3‬ايجاد االنحراؼ المعياري لمظاهرتيف ‪ X‬و ‪. y‬‬
‫∑‪.‬‬ ‫̅‬ ‫̅‬ ‫∑ أو‬ ‫‪ .4‬ايجاد مجموع حاصؿ ررب كؿ مف الظاهرتيف‬
‫‪ .5‬نطبؽ احدى العالقتيف لمحصوؿ عمى قيمة معامؿ ارتباط بيرسوف ‪.‬‬
‫مثػػاؿ (‪ :)1‬البيانػػات الدرجػػة فػػي الجػػدوؿ التػػالي تمثػػؿ تركيػػز عنصػػر الحديػػد )‪ (Fe‬مػػع تركيػػز عنصػػر الخارصػػيف‬
‫)‪, (Zn‬‬
‫في تسعة نماذج مستحصمة مف رواسب جداوؿ تصريؼ الميا السطحية ‪ .‬احسب معامػؿ االرتبػاط بيرسػوف‬
‫بيف تركيز عنصري الحديد والخارصيف‪.‬‬
‫‪Fe %‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪4‬‬
‫‪Zn %‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪11‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬
‫نوجد الوسط الحسابي لممتغيريف بموجب العالقات التالية ‪:‬‬ ‫‪.1‬‬
‫‪.2‬‬
‫∑‬
‫̅‬
‫∑‬
‫̅‬
‫∑ وكما يمي‪:‬‬ ‫̅‬ ‫̅‬ ‫يتـ عمؿ جدوؿ لغرض تسهيؿ مهمة ايجاد قيـ كؿ مف ‪:‬‬ ‫‪.3‬‬
‫‪- 143 -‬‬

‫زراك‬
‫̅̅̅̅̅‬
‫‪Fe %‬‬ ‫‪Zn %‬‬ ‫̅̅̅̅‬
‫̅̅̅̅‬ ‫̅̅̅̅‬ ‫̅̅̅̅‬ ‫̅̅̅̅‬
‫‪6‬‬ ‫‪6‬‬ ‫‪-2‬‬ ‫‪2‬‬ ‫‪-4‬‬ ‫‪82‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪5‬‬ ‫‪-2‬‬ ‫‪2‬‬ ‫‪-2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪5‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪6‬‬
‫‪5‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪6‬‬
‫‪2‬‬ ‫‪88‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪82‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪2‬‬ ‫‪-1‬‬ ‫‪8‬‬ ‫‪-1‬‬ ‫‪8‬‬ ‫‪8‬‬
‫‪5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪-1‬‬ ‫‪8‬‬ ‫‪6‬‬
‫انًجًىع‬ ‫∑‬ ‫∑‬ ‫∑‬
‫نوجد قيمة االنحراؼ المعياري لعنصري الحديد والزنؾ مف العالقات التالية ‪:‬‬ ‫‪.4‬‬
‫∑‬ ‫̅̅̅̅‬ ‫∑‬

‫‪1.‬‬ ‫√‬ ‫√‬ ‫̅‬ ‫√‬
‫∑‬ ‫̅̅̅̅‬ ‫∑‬ ‫√‬

‫‪2.‬‬ ‫√‬ ‫√‬ ‫̅‬ ‫√‬
‫نطبؽ احد القوانيف الخاصة بايجاد قيمة معامؿ االرتباط بيرسوف ‪:‬‬ ‫‪.5‬‬
‫∑‬ ‫̅‬ ‫̅‬

‫√‬ ‫√‬
‫االرتباط موجب ‪ ,‬وهذا يعني انه كمما ازداد تركيز عنصر الحديد ازداد معه تركيز عنصر الخارصيف‪.‬‬
‫‪- 144 -‬‬

‫زراك‬
‫مثاؿ (‪ : )2‬أوجد معامؿ ارتباط بيرسوف لممتغيريف )‪ (X‬و )‪ (y‬المذكورة في الجدوؿ التالي ‪:‬‬
‫‪X‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬
‫‪y‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫‪-4‬‬ ‫‪-6‬‬ ‫‪-5‬‬
‫∑‬ ‫̅‬ ‫̅‬
‫معامؿ ارتباط بيرسوف يعطى بالقانوف التالي ‪:‬‬
‫∑‬
‫̅‬ ‫الوسط الحسابي لممتغير )‪= (X‬‬
‫∑‬
‫̅‬ ‫الوسط الحسابي لممتغير )‪= (y‬‬
‫∑‬
‫√‬ ‫̅‬ ‫االنحراؼ المعياري لممتغير )‪= (X‬‬
‫∑‬
‫√‬ ‫̅‬ ‫االنحراؼ المعياري لممتغير )‪= (y‬‬
‫لغرض تسهيؿ عممية اجراء الحسابات نمجز الى تنظيـ البيانات كما في الجدوؿ التالي ‪:‬‬
‫‪X‬‬ ‫‪y‬‬ ‫̅̅̅̅‬ ‫̅̅̅‬ ‫̅̅̅̅‬ ‫̅‬
‫‪8‬‬ ‫‪8‬‬ ‫‪1-3 = -2‬‬ ‫‪8‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪-1‬‬ ‫‪2-3 = -1‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪-4‬‬ ‫‪3-3 = 0‬‬ ‫‪6‬‬ ‫‪82‬‬
‫‪2‬‬ ‫‪-6‬‬ ‫‪4-3 = 1‬‬ ‫‪82‬‬ ‫‪62‬‬
‫‪5‬‬ ‫‪-5‬‬ ‫‪5-3 = 2‬‬ ‫‪65‬‬ ‫‪65‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫االنحراؼ المعياري لممتغير )‪=(X‬‬

‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫االنحراؼ المعياري لممتغير )‪=(y‬‬
‫‪- 145 -‬‬

‫زراك‬
‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫نستخرج معامؿ ارتباط بيرسوف حسب القانوف االوؿ ‪:‬‬

‫∑‬ ‫̅‬ ‫̅‬
‫√‬ ‫√‬
‫اذف االرتباط هو مف نوع (ارتباط عكسي قوي)‬
‫نستخرج معامؿ ارتباط بيرسوف حسب القانوف الثاني وهو ‪:‬‬
‫∑‬ ‫̅̅‬
‫∑√‬ ‫̅‬ ‫∑√‬ ‫̅‬
‫نستخرج المتغيرات المطموبة بواسطة عمؿ جدوؿ لتسهيؿ مهمة اجراء الحسابات وكما يمي ‪:‬‬
‫‪X‬‬ ‫‪y‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪-1‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪-4‬‬ ‫‪- 12‬‬ ‫‪9‬‬ ‫‪16‬‬
‫‪4‬‬ ‫‪-6‬‬ ‫‪- 24‬‬ ‫‪16‬‬ ‫‪36‬‬
‫‪5‬‬ ‫‪-5‬‬ ‫‪- 25‬‬ ‫‪25‬‬ ‫‪25‬‬
‫∑‬ ‫∑‬ ‫∑‬
‫∑‬ ‫̅̅‬
‫∑√‬ ‫̅‬ ‫∑√‬ ‫̅‬
‫√‬ ‫√‬
‫√‬ ‫√‬
‫√‬ ‫√‬
‫اذف نوع االرتباط هو ارتباط (عكسي قوي)‬
‫‪- 146 -‬‬

‫زراك‬
‫مثاؿ (‪:)3‬‬
‫لد ارسػػة عالقػػة الصػػادرات بػػالميزاف التجػػاري خػػالؿ عػػدة سػػنوات‪ ,‬تػػـ الحصػػوؿ عمػػى عش ػرة ق ػراءات تقريبيػػة لقيمػػة‬
‫بماليػيف‬ ‫وقيمػة الميػزاف التجػاري الػذي يرمػز لػه بػالرمز‬ ‫صادرات جمهورية العػراؽ التػي يرمػز لهػا بػالرمز‬
‫الدنانير‪ ,‬وكما مورح في الجدوؿ التالي‪:‬‬
‫‪y‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪86‬‬ ‫‪86‬‬
‫‪X‬‬ ‫‪6‬‬ ‫‪88‬‬ ‫‪82‬‬ ‫‪81‬‬ ‫‪86‬‬ ‫‪82‬‬ ‫‪82‬‬ ‫‪86‬‬ ‫‪66‬‬ ‫‪66‬‬
‫هؿ توجد عالقة ارتباط خطية؟ ما نوعها ؟ وما مدى قوتها؟‬

‫الحػ ػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .A‬نكوف جدوؿ يتـ فيه حساب المتغيرات المطموبة لغرض تعويرها في قانوف ارتباط بيرسوف وكما يمي‪:‬‬
‫‪X‬‬ ‫‪y‬‬ ‫‪xy‬‬ ‫‪x2‬‬ ‫‪y2‬‬
‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪18‬‬ ‫‪8‬‬
‫‪88‬‬ ‫‪6‬‬ ‫‪66‬‬ ‫‪868‬‬ ‫‪6‬‬
‫‪82‬‬ ‫‪1‬‬ ‫‪862‬‬ ‫‪616‬‬ ‫‪22‬‬
‫‪81‬‬ ‫‪2‬‬ ‫‪862‬‬ ‫‪662‬‬ ‫‪26‬‬
‫‪86‬‬ ‫‪2‬‬ ‫‪882‬‬ ‫‪628‬‬ ‫‪62‬‬
‫‪82‬‬ ‫‪5‬‬ ‫‪16‬‬ ‫‪652‬‬ ‫‪65‬‬
‫‪82‬‬ ‫‪2‬‬ ‫‪886‬‬ ‫‪652‬‬ ‫‪26‬‬
‫‪86‬‬ ‫‪1‬‬ ‫‪856‬‬ ‫‪628‬‬ ‫‪22‬‬
‫‪66‬‬ ‫‪86‬‬ ‫‪622‬‬ ‫‪566‬‬ ‫‪822‬‬
‫‪66‬‬ ‫‪86‬‬ ‫‪622‬‬ ‫‪566‬‬ ‫‪822‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫∑‬ ‫∑‬
‫̅‬ ‫̅‬ ‫‪ .B‬نحسب الوسط الحسابي لكال المتغيريف ‪:x ,y‬‬
‫‪ .C‬نحسب االنحراؼ المعياري لكال المتغيريف ‪:x ,y‬‬
‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫‪- 147 -‬‬

‫زراك‬
‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫‪ .D‬نستخرج معامؿ ارتباط بيرسوف مف العالقة التالية‪:‬‬

‫∑‬
‫̅ ̅‬
‫العالقة هي ارتباط طردي قوي‬
‫√‬ ‫√‬
‫مثاؿ (‪:)4‬‬
‫تـ تسجيؿ ستة قراءات تقريبية لحجـ االنتاج وحجـ صادرات النفط الخاـ لمعراؽ (مميار برميػؿ) خػالؿ سػت سػنوات‬
‫وكانت كما يمي‪:‬‬
‫حجى انصبدراث‬
‫‪6‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬
‫)‪(y‬‬
‫حجى االَتبج‬
‫‪6‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪6‬‬
‫)‪(x‬‬
‫هؿ توجد عالقة ارتباط خطية بيف حجـ االنتاج وحجـ صادرات النفط الخاـ؟‬
‫الحػ ػ ػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .A‬نكوف جدوؿ يتـ فيه حساب المتغيرات المطموبة لغرض تعويرها في قانوف ارتباط بيرسوف وكما يمي‪:‬‬
‫‪X‬‬ ‫‪y‬‬ ‫‪xy‬‬ ‫‪x2‬‬ ‫‪y2‬‬
‫‪6‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪82‬‬ ‫‪2‬‬
‫‪6‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪8‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫∑‬ ‫∑‬
‫̅‬ ‫̅‬ ‫‪ .B‬نحسب الوسط الحسابي لكال المتغيريف ‪:x ,y‬‬
‫‪ .C‬نحسب االنحراؼ المعياري لكال المتغيريف ‪:x ,y‬‬
‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫∑‬
‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬
‫‪ .D‬نستخرج معامؿ ارتباط بيرسوف مف العالقة التالية‪:‬‬
‫‪- 148 -‬‬

‫زراك‬
‫∑‬
‫̅ ̅‬
‫العالقة هي ارتباط طردي‬
‫√‬ ‫√‬
‫معمؿ االرتباط سبيرماف ‪: Spearman Coefficient‬‬

‫ويسمى كذلؾ معامؿ ارتباط الرتب‪ .‬ويستخدـ اذا كانت االرقاـ كبيرة ‪ ,‬أو اذا لـ تتواجد القيـ الحقيقيػة لممتغيػرات‬
‫ولكػػف تتػػوفر لػػدينا ترتيػػب لهػػذ القػػيـ ‪ ,‬اي يكػػوف كػػال المتغيػريف ت ػرتيبييف‪ ,‬او احػػدهما ترتيبػػي واالخػػر كمػػي‪ .‬يػػتـ‬
‫حساب معامؿ ارتباط سبيرماف حسب العالقة التالية ‪:‬‬
‫∑‬
‫معامؿ ارتباط سبيرماف‬
‫ترتيب كؿ متغير مف المتغيرات ‪ X‬و ‪( y‬وتسمى كذلؾ رتبة المتغيرات‪ ,‬رتبة ‪ X‬و رتبة ‪( y‬‬
‫عدد قيـ المتغير ‪ X‬أو ‪n = y‬‬
‫يػػتـ اسػػتخداـ هػػذ الصػػيغة الريارػػية عنػػدما تكػػوف قػػيـ الوسػػط الحسػػابي لممتغي ػرات ̅ و ̅ كبي ػرة ‪ ,‬أو اذا لػػـ يػػتـ‬
‫وتـ اعطاء ترتيبها ‪ ,‬بعد اف يتـ ترتيبها تنازلياً ‪.‬‬ ‫و‬ ‫اعطاء القيـ لممتغيرات‬
‫مثاؿ (‪ : )1‬أوجد معامؿ ارتباط سبيرماف لممتغيريف )‪ , (y & X‬والبيانات معطاة في الجدوؿ التالي ‪:‬‬
‫‪9‬‬ ‫‪11‬‬ ‫‪5‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪10‬‬ ‫‪8‬‬ ‫‪X‬‬
‫‪150‬‬ ‫‪160‬‬ ‫‪120‬‬ ‫‪180‬‬ ‫‪165‬‬ ‫‪130‬‬ ‫‪150‬‬ ‫‪160‬‬ ‫‪150‬‬ ‫‪y‬‬
‫نتبع الصيغة الريارية التالية اليجاد معامؿ ارتباط سبيرماف ‪:‬‬
‫∑‬
‫عدد النتائج او عدد المفردات = ‪n‬‬
‫رتبة ( = ‪F‬‬ ‫)رتبة‬
‫‪- 149 -‬‬

‫زراك‬
‫يتـ عمؿ جدوؿ لغرض تسهيؿ مهمة ايجاد الرتب لممتغيرات ‪:‬‬
‫‪9‬‬ ‫‪11‬‬ ‫‪5‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪10‬‬ ‫‪8‬‬ ‫قيـ ‪X‬‬
‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫نرتب القيـ تنازليا‬
‫‪9‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫نرقـ القيـ‬
‫‪9‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫رتبة ‪X‬‬
‫مالحظة‪ :‬عند ترتيب القيـ تنازليا ‪ ,‬فػي حالػة وجػود قػيـ متشػابهة أو اعػداد متشػابهة ‪ ,‬فػي هػذ الحالػة يػتـ احتسػاب‬
‫رتبة المتغير باخذ معدؿ رقـ القيـ المتشابهة واعتمادها كقيمة لرتبة المتغير‪ ,‬وكما تـ احتسابها في الجدوؿ اعال ‪.‬‬
‫يتـ عمؿ جدوؿ ثاني لغرض استخراج المتغيرات التي تدخؿ في الحسابات لمصيغة الريارية وكما يمي‪:‬‬
‫رتبت‬ ‫رتبت‬ ‫رتبت ‪y‬‬ ‫رتبت ‪X‬‬ ‫‪y‬‬ ‫‪X‬‬
‫صفر‬ ‫صفر‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪856‬‬ ‫‪1‬‬
‫‪6.65‬‬ ‫‪6.5‬‬ ‫‪6.5‬‬ ‫‪2‬‬ ‫‪826‬‬ ‫‪86‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪856‬‬ ‫‪2‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪866‬‬ ‫‪2‬‬
‫صفر‬ ‫صفر‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪825‬‬ ‫‪86‬‬
‫صفر‬ ‫صفر‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪816‬‬ ‫‪86‬‬
‫‪8‬‬ ‫‪-1‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪866‬‬ ‫‪5‬‬
‫‪6.65‬‬ ‫‪- 0.5‬‬ ‫‪6.5‬‬ ‫‪6‬‬ ‫‪826‬‬ ‫‪88‬‬
‫‪8‬‬ ‫‪-1‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪856‬‬ ‫‪6‬‬
‫‪2.5‬‬
‫اذف معامؿ ارتباط سبيرماف =‬
‫‪- 151 -‬‬

‫زراك‬
‫∑‬
‫اذف االرتباط هو مف نوع االرتباط (طردي قوي)‬
‫مثاؿ (‪ :)2‬البيانات التالية تمثؿ درجات ستة طالب في مادتي االحصاء والرياريات ‪ .‬أوجد معامؿ االرتباط بيف‬
‫تمؾ المادتيف ؟‬
‫مقبوؿ‬ ‫رعيؼ‬ ‫جيد‬ ‫جيد‬ ‫جيدجداً‬ ‫ممتاز‬ ‫االحصاء‬
‫ممتاز‬ ‫جيدجداً‬ ‫جيد‬ ‫مقبوؿ‬ ‫رعيؼ‬ ‫مقبوؿ‬ ‫الرياريات‬
‫بمػا انػػه لػػدينا فػػي هػػذا المثػػاؿ رتػػب او تقػػديرات وال توجػػد لػػدينا درجػػات أو قػػيـ لمطػػالب ‪ ,‬اذف ال بػػد مػػف اسػػتخداـ‬
‫معامػؿ ارتبػاط سػػبيرماف النػه المعامػؿ الػػذي يخػتص بالرتػب فػػي حالػة عػدـ وجػػود قػيـ‪ .‬يػتـ عمػػؿ جػدوؿ يػتـ فيػػه‬
‫ترتيب التقديرات تنازلياً وثـ نستخرج المتغيرات التي تدخؿ في حؿ المعادلة وكما يمي ‪:‬‬
‫رتبت‬
‫رتبت انريبضيبث‬ ‫رتبت انحصبء‬ ‫انريبضيبث‬ ‫رتبت االحصبء‬ ‫االحصبء‬
‫انريبضيبث‬
‫صفر‬ ‫صفر‬ ‫‪8‬‬ ‫يًتبز‬ ‫‪8‬‬ ‫يًتبز‬
‫صفر‬ ‫صفر‬ ‫‪6‬‬ ‫جيدجدا‬ ‫‪6‬‬ ‫جيدجدا‬
‫‪0.25‬‬ ‫‪0.5‬‬ ‫‪6‬‬ ‫جيد‬ ‫جيد‬
‫‪8‬‬ ‫‪-1‬‬ ‫يقبىل‬ ‫جيد‬
‫‪0.25‬‬ ‫‪0.5‬‬ ‫يقبىل‬ ‫‪5‬‬ ‫يقبىل‬
‫صفر‬ ‫صفر‬ ‫‪2‬‬ ‫ضعيف‬ ‫‪2‬‬ ‫ضعيف‬
‫∑‬
‫‪- 151 -‬‬

‫زراك‬
‫اذف معامؿ سبيرماف =‬

‫∑‬
‫وهذا يعني اف بيف المادتيف (االحصاء والرياريات) ارتباط طردي قوي ‪.‬‬
‫مثاؿ اثرائي (‪ :)3‬أوجد معامؿ ارتباط سبيرماف ومعامؿ ارتباط بيرسوف لقيـ )‪ (y & X‬المدرجة في الجدوؿ‬
‫التالي وبيف نوع االرتباط ‪.‬‬
‫‪3‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪5‬‬ ‫‪X‬‬
‫‪4‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪y‬‬
‫‪.1‬‬ ‫‪ ,‬معامؿ ارتباط بيرسوف = ‪0.997‬‬ ‫الحؿ‪ :‬معامؿ ارتباط سبيرماف = ‪1‬‬
‫‪- 152 -‬‬

‫زراك‬
‫الفصل السادس عشر‬

‫مخطط االنتشار وخط االنحدار‬
‫‪Scatter Diagram and Regression Line‬‬
‫مخطط االنتشار ‪: Scatter Diagram‬‬
‫وهو التمثيؿ البياني لمعالقة بيف اي متغيريف الذي يقيس العالقػة بػيف متغيػريف كميػيف‪ ,‬ويكػوف ذلػؾ بواسػطة‬
‫اسقاط نقاط المتغيريف عمى المحوريف االفقي والعمودي ‪.‬‬
‫خط االنحدار ‪: Regression Line‬‬
‫وهو العالقة الخطية التي تربط بيف اي متغيريف ومف خاللها نستطيع تقدير قيمة المتغير االوؿ مػف المتغيػر‬
‫الثاني باستخداـ معادلة خط االنحدار والتي تسمى كذلؾ معادلة الخط المستقيـ وهي‪:‬‬
‫متغيراف = ‪X & y‬‬
‫ثوابت = ‪a & b‬‬
‫‪ .1‬مخطط االنتشار ‪:‬‬
‫نػػوع مػػف ان ػواع عػػرض وتحميػػؿ البيانػػات فػػي حالػػة وجػػود توزيػػع لمتغي ػريف او اكثػػر ‪ .‬وهػػو عبػػارة عػػف عمػػؿ‬
‫انتشار لنقاط المتغيريف عمى المحوريف )‪ , (y & X‬ومف خػالؿ شػكؿ توزيػع هػذ النقػاط أو شػكؿ العالقػة الناتجػة‬
‫بيف المتغيريف ويسمى في كثير مف االحياف بالشكؿ االنتشاري ‪ ,‬يمكف تكويف فكرة جيدة عما اذا كاف هناؾ عالقػة‬
‫ارتباط بيف المتغيريف (نوجد عالقة بينهما) أو ال توجد ‪.‬‬
‫‪- 153 -‬‬

‫زراك‬
‫‪ ,‬اذا كاف لػدينا عػدة‬ ‫في مخطط االنتشار سوؼ نحصؿ عمى ازواج مف القيـ ‪ ,‬مثال في المتغير االوؿ‬
‫‪ ,‬وه ػ ػػي‬ ‫‪ ,‬بالمقاب ػ ػػؿ س ػ ػػوؼ توج ػ ػػد ل ػ ػػدينا ق ػ ػػيـ لممتغي ػ ػػر الث ػ ػػاني‬ ‫ق ػ ػػيـ وه ػ ػػي‬
‫توجد قيمة مقابمة لهػا لممتغيػر‬ ‫‪ ,‬وهذا يعني اف لكؿ قيمة لممتغير‬
‫وبذلؾ سوؼ نحصؿ عمى ازواج القيـ والتي تكتب بالشكؿ التالي‪:‬‬
‫بهذ الحالة فهي تشبه االحداثيات التي يمكف تمثيمهػا عمػى المحػور االفقػي والمحػور العمػودي ‪ ,‬حيػث يمكػف تمثيػؿ‬
‫كؿ زوج مف هذ القيـ عمى شكؿ نقطة في مخطط االنتشار ‪ ,‬وهكػذا بالنسػبة لبقيػة ازواج القػيـ حيػث تسػقط جميعػاً‬
‫عمػػى مخطػػط االنتشػػار لنحصػػؿ فػػي النهايػػة عمػػى عػػدة نقػػاط تمثػػؿ شػػكؿ العالقػػة البيانيػػة التػػي تػربط بػػيف المتغيػريف‬
‫والتي نستنتج منه قوة العالقة ونوع االرتباط بيف المتغيريف ‪ ,‬ومثاؿ عمى ذلؾ مخطط االنتشار التالي‪:‬‬
‫االستنتاج الذي يمكػف اف نحصػؿ عميػه مػف الشػكؿ اعػال هػو اف نقػوؿ اف النقػاط التػي تمثػؿ القػيـ العاليػة توجػد‬
‫بينهمػػا عالقػػة ‪ ,‬بينمػػا ال توجػػد عالقػػة فػػي النقػػاط التػػي تمتمػػؾ قػػيـ واطئػػة ‪ ,‬وتوجػػد بعػػض النقػػاط بينهمػػا عالقػػة‬
‫عشوائية‪.‬‬
‫اذا كانػػت نقػػاط المخطػػط االنتشػػاري متقاربػػة مػػع بعرػػها الػػبعض أو يمكػػف اف تقػػع عمػػى خػػط مسػػتقيـ ‪ ,‬فاننػػا‬
‫بهػػذ الحالػػة نتوقػػع وجػػود عالقػػة ارتبػػاط جيػػدة بػػيف المتغي ػريف س ػواء كانػػت هػػذ العالقػػة طرديػػة اـ عكسػػية ‪ ,‬امػػا اذا‬
‫كانت النقاط متباعدة فننا نتوقع اف االرتباط رعيؼ او ال يوجد ارتباط ‪.‬‬
‫االشكاؿ التاية تورح انواع شكؿ مخطط االنتشار وكما في الشكؿ )‪ (5-1‬و )‪: (5-2‬‬
‫‪- 154 -‬‬

‫زراك‬
‫شكؿ )‪(5-1‬‬
‫شكؿ )‪(5-2‬‬
‫نالحظ انه في حالة االرتباط الطردي التاـ ‪ ,‬اف قيـ المتغير االوؿ )‪ (X‬تزداد طردياً بػنفس المقػدار فػي زيػادة‬
‫قيـ المتغير )‪ , (y‬أما في حالة االرتباط العكسي ‪ ,‬اف قيـ المتغير االوؿ تزداد مع نقصػاف فػي قػيـ المتغيػر الثػاني‪,‬‬
‫والعكس بالعكس‪ .‬في حالة العالقة الطردية الموجبة ‪ ,‬اف قيـ المتغير االوؿ تزداد ولكف ليس بنفس مقدار زيادة قيـ‬
‫‪- 155 -‬‬

‫زراك‬
‫المتغير الثاني وبالعكس‪ .‬في حالة العالقة العكسية السػالبة ‪ ,‬نالحػظ اف قػيـ المتغيػر االوؿ تػزداد مػع نقصػاف يػر‬
‫متوافػػؽ وبمقػػدار معػػيف فػػي قػػيـ المتغيػػر الثػػاني ‪ .‬فػػي حالػػة مخطػػط االنتشػػار العش ػوائي ‪ ,‬أو فػػي حالػػة عػػدـ وجػػود‬
‫عالقة ارتباط ‪ ,‬اف قيـ المتغير االوؿ ليس لها عالقة في حالة حصوؿ اية زيادة او نقصاف في قيـ المتغير الثاني‪,‬‬
‫أي ال توجد عالقة اقتراف بيف المتغيرات وكؿ متغير له قيـ مستقمة عف االخرى ‪.‬‬
‫يستخدـ مخطط االنتشار في معالجة البيانات االحصائية بصورة واسعة كونه سهؿ االستخداـ ويتـ الحصوؿ‬
‫منػػه عمػػى معمومػػات مهمػػة وبصػػورة س ػريعة ‪ ,‬يمكػػف مػػف خاللػػه اف نسػػتدؿ او نسػػتنتج قػػيـ المتغيػػر الثػػاني بداللػػة‬
‫المتغير االوؿ وبالعكس ‪.‬‬
‫مثاؿ عمى ذلؾ ‪ :‬اثناء جمع عينات مف جداوؿ تصريؼ االنهار ال راض تحميؿ العناصر االثرية ‪(Trace‬‬
‫)‪ Elements‬مثػؿ (‪ , (Zn , Fe , Ca , Pb , Mn , ….,etc‬اذا تواجػدت بعػض مػف هػذ العناصػر بتراكيػز‬
‫عاليػػة ‪ ,‬ممكػػف لمعناصػػر االخػػرى اف تتواجػػد كػػذلؾ بتراكيػػز عاليػػة اير ػاً اذا كانػػت بينهمػػا عالقػػة اقت ػراف او عالقػػة‬
‫طردي ػػة ‪ ,‬وممك ػػف اف تك ػػوف ب ػػالعكس او ال توج ػػد بينهم ػػا اي عالق ػػة م ػػف حي ػػث ق ػػيـ تراكيزه ػػا ف ػػي ج ػػداوؿ تصػ ػريؼ‬
‫االنهار‪ .‬مف خالؿ دراسة هػذ العالقػة بػيف العناصػر االثريػة ‪ ,‬ممكػف اف نسػتدؿ منهػا عمػى طبيعػة البيئػة الترسػيبية‬
‫لهػػا واسػػباب هػػذا التواجػػد وهػػؿ اف تواجػػدها كػػاف فػػي نفػػس بيئػػة الترسػػيب اـ اف هنػػاؾ اسػػباب اخػػرى ادت الػػى زيػػادة‬
‫تراكيز بعض مف هذ العناصر او بالعكس ‪.‬‬
‫مثػػاؿ (‪ :)1‬الجػػدوؿ الت ػالي يمثػػؿ تراكيػػز عنصػػري الحديػػد والنحػػاس مقاسػػة بالنسػػبة المئويػػة ‪ .‬ارسػػـ مخطػػط‬
‫االنتشار وبيف نوع العالقة بيف العنصريف ؟‬
‫‪Fe %‬‬ ‫‪Cu %‬‬
‫‪10‬‬ ‫‪5‬‬
‫‪17‬‬ ‫‪17‬‬
‫‪20‬‬ ‫‪20‬‬
‫‪23‬‬ ‫‪25‬‬
‫‪29‬‬ ‫‪30‬‬
‫‪27‬‬ ‫‪35‬‬
‫‪30‬‬ ‫‪40‬‬
‫‪- 156 -‬‬

‫زراك‬
‫شكؿ )‪(5-3‬‬
‫نالحظ مف طبيعة انتشار النقاط ‪ ,‬اف هناؾ عالقة طردية موجبة بيف العنصريف ‪.‬‬
‫‪ .2‬خط االنحدار ‪:‬‬

‫لمعرفػػة طبيعػػة العالقػػة بػػيف اي متغي ػريف ‪ ,‬نرسػػـ شػػكؿ االنتشػػار كمػػا تػػـ ذكػػر سػػابقاً ‪ ,‬ومػػف شػػكؿ االنتشػػار‬
‫نالحظ مدى تباعد أو تجمع النقػاط حػوؿ خػط مسػتقيـ ‪ ,‬فػاذا كانػت النقػاط تتجمػع حػوؿ خػط مسػتقيـ فاننػا نقػوؿ اف‬
‫اف العالقػة بػيف المتغيػريف ) ‪ ( X , y‬هػي عالقػة خطيػة ‪ .‬اذا كانػت جميػع النقػاط تقػع عمػى خػط مسػتقيـ ‪ ,‬بهػذ‬
‫الحالة يكوف معامؿ االرتباط يساوي )‪. (+ 1‬‬
‫اذا كاف معامؿ االرتباط بيف المتغيريف طردي تاـ او عكسي تاـ ‪ ,‬فاف العالقة الريارية بيف المتغيريف ‪(X‬‬
‫)‪ , Y‬هي ‪:‬‬
‫هي اعداد حقيقية وبشرط اف ‪:‬‬ ‫حيث اف ‪:‬‬
‫صفر‬ ‫و‬ ‫صفر‬

‫الشكؿ التالي يورح العالقة الخطية بيف المتغيريف )‪ (X , y‬سواء كانت العالقة يمثؿ ارتباط طردي تاـ تساوي‬
‫(‪ )1+‬أو ارتباط عكسي تاـ يساوي (‪ . )1-‬شكؿ رقـ )‪. (5-4‬‬
‫‪- 157 -‬‬

‫زراك‬
‫شكؿ رقـ )‪(5-4‬‬
‫‪ .3‬تحميل االنحدار‪:‬‬
‫هػػو عبػػارة عػػف اسػػموب احصػػائي يقػػوـ عمػػى اسػػاس صػػيا ة دالػػة ريارػػية لعمميػػة ذات عوامػػؿ مػػؤثرة عػػدة مثػػؿ‬
‫)‪ (X1, X2, X3, ……,Xn‬لوصػؼ متغيػر النػتج مػف هػذ العمميػة يػروز لػه بػالرمز )‪ (y‬وكيفيػة الػتحكـ بهػػذا‬
‫المتغير وتوقع قيـ ير معروفة له‪ .‬شكؿ الدالة الريارية تكوف عمى الشكؿ التالي‪:‬‬
‫يمكف توريح هذ العممية كما في الشكؿ التالي‪:‬‬
‫‪- 158 -‬‬

‫زراك‬
‫بػػالمتغيرات المسػػتقمة ‪ ,‬والمتغيػػر النػػاتج )‪ (y‬بػػالمتغير التػػابع‪ .‬تعػػرؼ‬ ‫تسػػمى المتغي ػرات‬
‫هػػذ الدالػػة ‪ ,‬بدالػػة االنحػػدار ‪ ,‬وابسػػط حالػػة لهػػذ الدالػػة عنػػدما يكػػوف لمعمميػػة متغيػػر مسػػتقؿ واحػػد فقػػط ي ػرتبط مػػع‬
‫المتغير التابع بعالقة خط مستقيـ وكما يمي‪:‬‬
‫معادلة خط انحدار )‪ (y‬عف )‪ (X‬تعرؼ بالعالقة التالية ‪:‬‬ ‫‪.One‬‬
‫واليجاد اي قيمة مقدرة جديدة الى )‪ (y‬نعوض بقيمة معمومة لممتغير المستقؿ )‪. (X‬‬
‫̅‬ ‫̅‬
‫نحتاج في هذ العالقة الى ايجاد قيمة كؿ مف )‪ (a‬و )‪: (b‬‬
‫∑‬ ‫̅‬ ‫̅‬

‫∑‬ ‫̅‬
‫قيمة االنحراؼ المعياري لممتغير‬

‫قيمة االنحراؼ المعياري لممتغير‬
‫̅‬ ‫قيمة الوسط الحسابي لممتغير‬
‫قيمة المتغير‬
‫قيمة المتغير‬
‫اليجاد قيمة ‪ b‬نستخدـ العالقات التالية ‪:‬‬
‫̅‬ ‫̅‬
‫معامؿ المتغير‬
‫اذا تػػـ معرفػػة قيمػػة‬ ‫تسػػتخدـ هػػذ العالقػػات الريارػػية االحصػػائية لغػػرض توقػػع او التنبػػؤ بقيمػػة المتغيػػر‬
‫‪.‬‬ ‫المتغير‬
‫‪- 159 -‬‬

‫زراك‬
‫تعرؼ بالعالقة التالية ‪:‬‬ ‫عف‬ ‫معادلة خط انحدار‬ ‫‪.Two‬‬
‫‪:‬‬ ‫و‬ ‫نحتاج في هذ العالقة الى ايجاد قيمة كؿ مف‬
‫∑‬ ‫̅‬ ‫̅‬

‫∑‬ ‫̅‬
‫‪:‬‬ ‫اليجاد قيمة‬

‫̅‬ ‫̅‬
‫عمػػى‬ ‫‪ ,‬أو انحػػدار‬ ‫اذا عممػػت قيمػػة‬ ‫تسػػتخدـ هػػذ العالقػػة الريارػػية االحصػػائية لمتنبػػؤ بقيمػػة‬
‫‪.‬‬
‫واليجاد اي قيمة مقدرة جديدة لممتغير التابع )‪ ,(yn‬نعوض بقيمة معمومة لممتغير المستقؿ )‪ ,(Xn‬في المعادلة‪.‬‬
‫مالحظة ‪ ( :‬الخطز في التنبؤ = القيمة الحقيقية – القيمة المتنبز بها)‬
‫وامتحػػاف الريارػػيات‬ ‫مثػػاؿ (‪ : )1‬اذا كػػاف معامػػؿ االرتبػػاط بػػيف نتػػائج الطمبػػة فػػي امتحػػاف االحصػػاء‬
‫‪ ,‬حيث اف ‪:‬‬ ‫يساوي‬
‫̅‬ ‫الوسط الحسابي لنتائج الطمبة في االحصاء‬
‫̅‬ ‫الوسط الحسابي لنتائج الطمبة في االحصاء‬
‫االنحراؼ المعياري لنتائج الطمبة في االحصاء‬
‫االنحراؼ المعياري لنتائج الطمبة في االحصاء‬
‫المطموب ‪:‬‬
‫‪.‬‬ ‫عمى نتائج االحصاء‬ ‫‪ .1‬ايجاد معادلة خط انحدار نتائج الرياريات‬
‫‪- 161 -‬‬

‫زراك‬
‫‪ .2‬أوجد نتيجة احد الطمبة المتوقعة فػي امتحػاف الريارػيات ‪ ,‬اذا كانػت نتيجػة الطالػب فػي امتحػاف االحصػاء‬
‫‪.‬‬ ‫تساوي‬
‫فػػي امتحػػاف الريارػػيات الحػػد‬ ‫المتوقعػػة فػػي امتحػػاف االحصػػاء اذا عممػػت اف قيمػػة‬ ‫‪ .3‬أوجػػد قيمػػة‬
‫‪.‬‬ ‫الطمبة تساوي‬
‫تساوي ‪:‬‬ ‫عمى‬ ‫‪ .1‬معادلة خط انحدار‬
‫‪ .a‬نوجد قيمة )‪: (a‬‬
‫̅‬ ‫̅‬ ‫‪ .b‬نوجد قيمة )‪: (b‬‬
‫‪:‬‬ ‫عمى‬ ‫‪ .c‬نعوض القيـ اعال في معادلة خط انحدار‬
‫‪ .2‬اليجػػاد نتيجػػة الطالػػب المتوقعػػة فػػي امتحػػاف الريارػػيات ‪ ,‬اذا كانػػت نتيجتػػه فػػي امتحػػاف االحصػػاء هػػي‬
‫(‪ ,)60‬اي عندما تكوف )‪ , (X=60‬كـ تكوف قيمة ‪. (y‬‬
‫وهي النتيجة المتوقعة في امتحاف الرياريات‬

‫‪ .3‬اليجاد قيمة )‪ (X‬المتوقعػة ‪ ,‬اذا كانػت )‪ , (y = 60‬بهػذ الحالػة يجػب اف نوجػد معادلػة انحػدار )‪ (X‬عمػى‬
‫)‪: (y‬‬
‫‪ .a‬يجب اف نوجد قيمة )‪: (c‬‬
‫‪ .b‬نوجد قيمة )‪: (d‬‬

‫̅‬ ‫̅‬
‫‪ .c‬نعوض في معادلة خط انحدار )‪ (X‬عمى )‪: (y‬‬
‫عمى‬ ‫مثاؿ (‪ : )2‬اذا كانت معادلة خط االنحدار لممتغيريف ‪ Y , X‬هي ‪:‬‬

‫وحيث اف ‪ . (6 x y = 6) , (6 x X = 15) :‬أوجد قيمة معامؿ االرتباط )‪. (r‬‬
‫‪- 161 -‬‬

‫زراك‬
‫‪ ,‬وعنػػدما نعػػوض فػػي المعادلػػة هػػذ‬ ‫‪ X‬عمػػى ‪ y‬هػػي ‪:‬‬ ‫بمػػا اف معادلػػة خػػط انحػػدار‬
‫‪ ,‬وهذا يعني اف قيمة )‪ (d = 90‬و قيمة )‪. (c = 2‬‬ ‫نحصؿ عمى ‪:‬‬
‫معادلة معامؿ االرتباط )‪ (r‬هي‪:‬‬
‫مثاؿ (‪ : )3‬اذا عممت اف ‪:‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫‪n =31‬‬
‫أوجد معادلة خط انحدار )‪ (X‬عمى )‪. (y‬‬
‫∑‬ ‫̅‬ ‫̅‬
‫∑‬ ‫̅‬
‫‪ .a‬نوجد قيمة )‪: (c‬‬
‫نستخرج الوسط الحسابي لممتغيرات ‪ X‬و ‪ y‬وكما يمي ‪:‬‬

‫∑‬
‫̅‬
‫∑‬
‫̅‬
‫‪ .b‬نوجد قيمة )‪: (d‬‬

‫̅‬ ‫̅‬
‫‪ .c‬نوجد معادلة خط انحدار ‪ X‬عمى ‪ y‬وهي ‪:‬‬
‫مثاؿ(‪:)3‬‬
‫‪- 162 -‬‬

‫زراك‬
‫لدراسة عالقة االستهالؾ المحمي )‪ (y‬باالنتاج لمادة وقػود البنػزيف (بػالمميوف برميػؿ) خػالؿ عػدة سػنوات ‪ ,‬تػـ‬
‫الحصوؿ عمى عشرة قراءات كما مبينة في الجدوؿ التالي‪:‬‬
‫‪y‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪x‬‬ ‫‪01‬‬ ‫‪03‬‬ ‫‪01‬‬ ‫‪01‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪1‬‬
‫أوجػ ػػد معادلػ ػػة خػ ػػط االنحػ ػػدار البسػ ػػيط ‪ ,‬ثػ ػػـ اوجػ ػػد قيم ػ ػػة توقػ ػػع االسػ ػػتهالؾ المحمػ ػػي عنػ ػػدما يصػ ػػؿ االنتػ ػػاج ال ػ ػػى‬
‫)‪ (16000000‬برميؿ مف وقود البنزيف؟‬
‫الحػ ػ ػ ػ ػػؿ‪:‬‬
‫‪ .1‬يتـ عمؿ جدوؿ لغرض استكماؿ البيانات المطموبة وكما يمي‪:‬‬
‫‪x‬‬ ‫‪y‬‬ ‫‪xy‬‬ ‫‪x2‬‬
‫‪86‬‬ ‫‪2‬‬ ‫‪26‬‬ ‫‪866‬‬
‫‪86‬‬ ‫‪1‬‬ ‫‪862‬‬ ‫‪826‬‬
‫‪85‬‬ ‫‪6‬‬ ‫‪865‬‬ ‫‪665‬‬
‫‪82‬‬ ‫‪1‬‬ ‫‪886‬‬ ‫‪862‬‬
‫‪6‬‬ ‫‪2‬‬ ‫‪26‬‬ ‫‪18‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪26‬‬ ‫‪26‬‬
‫‪2‬‬ ‫‪5‬‬ ‫‪66‬‬ ‫‪62‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪62‬‬ ‫‪62‬‬
‫‪5‬‬ ‫‪5‬‬ ‫‪65‬‬ ‫‪65‬‬
‫‪5‬‬ ‫‪5‬‬ ‫‪65‬‬ ‫‪65‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫‪ .2‬نوجد الوسط الحسابي واالنحراؼ المعياري لممتغيريف )‪:(x , y‬‬

‫∑‬ ‫∑‬
‫̅‬ ‫̅‬
‫∑‬
‫̅‬
‫∑‬ ‫̅̅‬
‫̅‬ ‫̅‬
‫‪- 163 -‬‬

‫زراك‬
‫‪ ,‬ولتوقع قيمة االستهالؾ المحمي‬ ‫معادلة خط االنحدار البسيط في هذ الحالة هي‪:‬‬

‫مف مادة البنزيف عندما يصؿ االنتاج الى (‪ )16000000‬برميؿ ‪ ,‬يجب تحويؿ وحدة هذ القيمة مف برميؿ الى‬
‫مميوف برميؿ وذلؾ بالقسمة عمى مميوف‪ ,‬اي اف القيمة المستخدمة في توقع االستهالؾ هي )‪, (X=16‬‬
‫نجد اف ‪:‬‬ ‫وبالتعويض في المعادلة‬
‫وهذا يعني اف االستهالؾ المحمي قد يصؿ الى )‪ (9.02‬مميوف برميؿ ‪ ,‬اي ما يعادؿ )‪ (9020000‬برميؿ خالؿ‬
‫السنة‪.‬‬
‫مثاؿ(‪:)4‬‬
‫لدراسة العالقة بيف الدخؿ )‪ (X‬واالستهالؾ )‪ (y‬بآالؼ الدنانير ‪ ,‬كانت لدينا النتائج التالية‪:‬‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫‪ .1‬احسب معامؿ االرتباط الخطي بيف الظاهرتيف‪ ,‬ثـ بيف ما هو نوع االرتباط ؟ وما مدى قوته؟‬
‫‪ .2‬اوجد معادلة (خط) انحدار االستهالؾ عمى الدخؿ؟‬
‫‪ .3‬تقدير االستهالؾ عندما يصؿ الدخؿ الى )‪ (10000‬دينار‬
‫الح ػ ػ ػ ػػؿ‪:‬‬
‫∑‬ ‫∑‬
‫̅‬ ‫√‬ ‫̅‬ ‫√‬ ‫√‬ ‫√‬ ‫‪.1‬‬
‫∑‬ ‫∑‬
‫̅‬ ‫√‬ ‫̅‬ ‫√‬ ‫√‬
‫√‬
‫∑‬
‫̅̅‬ ‫)̅̅̅̅( ̅‬
‫‪.2‬‬
‫√ √‬
‫مف المالحظ اف االرتباط طردي قوي بيف الدخؿ واالستهالؾ‪.‬‬

‫∑‬ ‫̅̅‬
‫̅‬ ‫̅‬
‫‪- 164 -‬‬

‫زراك‬
‫‪ .3‬نالحظ اف وحدة القياس هي االؼ الدنانير لذلؾ فاف قيمة الدخؿ )‪ (10000‬دينار ستحوؿ الى (‪)10‬‬
‫االؼ دينار وعميه فاف )‪ , (X=10‬اي اف‪:‬‬
‫يعني ذلؾ اف قيمة االستهالؾ المقدرة تساوي ‪ 6700‬دينار‪.‬‬

‫مثاؿ(‪:)5‬‬
‫البيانات المدرجة في الجدوؿ التالي تمثؿ اعمار عينة مف االزواج وزوجاتهـ بالسنوات‪:‬‬
‫عًر‬
‫انسوج‬ ‫‪56‬‬ ‫‪26‬‬ ‫‪62‬‬ ‫‪66‬‬ ‫‪65‬‬ ‫‪65‬‬ ‫‪22‬‬ ‫‪52‬‬ ‫‪62‬‬ ‫‪66‬‬
‫)‪(y‬‬
‫عًر‬
‫انسوجت‬ ‫‪26‬‬ ‫‪62‬‬ ‫‪66‬‬ ‫‪65‬‬ ‫‪86‬‬ ‫‪65‬‬ ‫‪65‬‬ ‫‪26‬‬ ‫‪66‬‬ ‫‪66‬‬
‫)‪(X‬‬
‫‪ .1‬احسب معامؿ االرتباط الخطي بيف الظاهرتيف بيف اعمار الزوج والزوجة‪.‬‬
‫‪ .2‬احسب معامؿ ارتباط الرتب بيف اعمار الزوج والزوجة‪.‬‬
‫‪ .3‬حدد نوع وقوة االرتباط مف خالؿ معاممي االرتباط‪.‬‬
‫الحػ ػ ػ ػػؿ‪:‬‬
‫‪ .1‬نعمؿ عمى اكماؿ البيانات في الجدوؿ التكراري التالي‪:‬‬
‫‪X‬‬ ‫‪y‬‬ ‫‪Xy‬‬ ‫‪X2‬‬ ‫‪y2‬‬

‫‪26‬‬ ‫‪56‬‬ ‫‪6666‬‬ ‫‪8266‬‬ ‫‪6566‬‬
‫‪62‬‬ ‫‪26‬‬ ‫‪6666‬‬ ‫‪8626‬‬ ‫‪6266‬‬
‫‪- 165 -‬‬

‫زراك‬
‫‪66‬‬ ‫‪62‬‬ ‫‪216‬‬ ‫‪266‬‬ ‫‪522‬‬

‫‪65‬‬ ‫‪66‬‬ ‫‪256‬‬ ‫‪265‬‬ ‫‪666‬‬
‫‪86‬‬ ‫‪65‬‬ ‫‪225‬‬ ‫‪628‬‬ ‫‪265‬‬
‫‪65‬‬ ‫‪65‬‬ ‫‪125‬‬ ‫‪265‬‬ ‫‪8665‬‬
‫‪65‬‬ ‫‪22‬‬ ‫‪8866‬‬ ‫‪265‬‬ ‫‪8662‬‬
‫‪26‬‬ ‫‪52‬‬ ‫‪6656‬‬ ‫‪8222‬‬ ‫‪6862‬‬
‫‪66‬‬ ‫‪62‬‬ ‫‪8886‬‬ ‫‪666‬‬ ‫‪8626‬‬
‫‪66‬‬ ‫‪66‬‬ ‫‪266‬‬ ‫‪266‬‬ ‫‪666‬‬
‫∑‬
‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬
‫∑‬ ‫∑‬
‫̅‬ ‫√‬ ‫̅‬ ‫√‬
‫√‬ ‫√‬
‫∑‬ ‫∑‬
‫̅‬ ‫√‬ ‫̅‬ ‫√‬
‫√‬ ‫√‬
‫∑‬
‫̅̅‬
‫√‬ ‫√‬
‫يتـ تكويف جدوؿ الرتب وكما يمي‪:‬‬

‫‪X‬‬ ‫‪y‬‬ ‫رتب ‪X‬‬ ‫رتب ‪y‬‬ ‫‪d‬‬ ‫‪d2‬‬
‫‪56‬‬ ‫‪26‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪-1‬‬ ‫‪8‬‬

‫‪26‬‬ ‫‪62‬‬ ‫‪86‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪62‬‬ ‫‪66‬‬ ‫‪8‬‬ ‫‪6.5‬‬ ‫‪-1.5‬‬ ‫‪6.65‬‬
‫‪- 166 -‬‬

‫زراك‬
‫‪66‬‬ ‫‪65‬‬ ‫‪6.5‬‬ ‫‪5‬‬ ‫‪-1.5‬‬ ‫‪6.65‬‬

‫‪65‬‬ ‫‪86‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬
‫‪65‬‬ ‫‪65‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪6‬‬
‫‪22‬‬ ‫‪65‬‬ ‫‪2‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪52‬‬ ‫‪26‬‬ ‫‪6‬‬ ‫‪86‬‬ ‫‪-1‬‬ ‫‪8‬‬
‫‪62‬‬ ‫‪66‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪-1‬‬ ‫‪8‬‬
‫‪66‬‬ ‫‪66‬‬ ‫‪6.5‬‬ ‫‪6.5‬‬ ‫‪8‬‬ ‫‪8‬‬
‫∑‬
‫∑‬
‫∑‬
‫‪ .2‬نالحظ اف كال المعامميف قيمتهما تدؿ عمى اف االرتباط طردي قوي بيف اعمار عينة االزواج وزوجاتهـ‪.‬‬
‫‪- 167 -‬‬

‫الباب الرابع‬
‫نظرية المعاينة‬
‫الفصل السابع عشر‬
‫نظرية المعاينة ‪Sampling Theory‬‬
‫المقدمة‪:‬‬
‫تمثػػؿ البيانػػات المػػادة االساسػػية فػػي ايػػة د ارسػػة احصػػائية ‪ ,‬وعمػػى هػػذا االسػػاس تعتبػػر مرحمػػة جمعهػػا مػػف اهػػـ‬
‫مراحؿ البحث العممي عند تطبيؽ االسموب االحصائي‪ .‬ترتبط دقة ومصداقية البيانات المستخدمة بدقة وفعاليػة هػذ‬
‫المرحمة والتي تعتمد عميها كؿ مراحؿ التحميؿ االحصائي الالحقة ‪ ,‬مما يؤثر عمى اهمية النتائج المسػتخرجة فرػال‬
‫عػػف جػػودة الق ػ اررات المتخػػذة عمػػى اسػػاس هػػذ النتػػائج ‪ ,‬آخػػذيف بنظػػر االعتبػػار الظػػروؼ الميحطػػة بعمميػػة البحػػث ‪,‬‬
‫فكمما كانت عممية جمع البيانات دقيقة كمما زادت ثقة الباحث في االعتماد عميها وعمى النتائج المستحصمة منها‪.‬‬
‫تهتـ نظرية المعاينة بدراسة العالقة بيف المجتمع والعينات المسحوبة منه فيما يسمى باالستدالؿ اإلحصائي‬
‫ا ‪ .Statistical Inference‬هنػاؾ عػػدة طػرؽ ألخػػذ العينػات مػػف المجتمػع السػػتخدامها فػي االسػػتدالؿ اإلحصػػائي‬
‫ومف أشػهر هػذ الطػرؽ هػي العينػة العشػوائية وهػي العينػة التػي تكػوف لكػؿ مفػرد مػف مفػردات المجتمػع نفػس فرصػة‬
‫االختيار في العينة‪ .‬فمثالً نستعيف بعينه مسحوبة مػف المجتمػع لتقػدير معػالـ هػذا المجتمػع مثػؿ متوسػطه أو تباينػة‬
‫أو ير ذلؾ‪ .‬أو أعطاء عينه مف المررى بارتفػاع الرػغطا مػثالً دواء معػيف ثػـ قيػاس رػغطهـ قبػؿ وبعػد تنػاولهـ‬
‫لهذا الدواء لمعرفة ما إذا كاف هذا الدواء مفيد في خفض الرغط أـ ال‪.‬‬
‫أي مجموع ػػات مػ ػػف المفػ ػػردات تشػ ػػترؾ فػ ػػي صػػػفه أو ص ػػفات وتك ػػوف مور ػػوع د ارسػ ػػة أو بحػػػث فػ ػػمف هػػػذ‬
‫المجموعة يطمؽ عميها إحصائيا مجتمع الدراسة (أو اختصا اًر المجتمع ‪ .)Population‬والمجتمع قد يكوف مجموعة‬
‫مػػا مػػف البشػػر أو أشػػجار أنػواع معينػػه مػػف الفاكهػػة أو الحيوانػػات الزراعيػػة أو إنتػػاج دولػػة مػػا لسػػمع معينػػه خػػالؿ فتػرة‬
‫زمنية محدد ‪...‬الأ‪.‬‬
‫والمجتمع قد يكوف محدوداً إذا كاف يمكف حصر عدد أفراد مثػؿ سػكاف مدينػة مػا أو طػالب مرحمػة تعميميػة‬
‫معينػػة ا وقػػد يكػػوف المجتمػػع يػػر محػػدود (النهػػائي) إذا كػػاف ال يمكػػف حصػػر عػػدد أفػراد مثػػؿ النجػػوـ والكواكػػب أو‬
‫الكائن ػػات الحي ػػة بمي ػػا المحيط ػػات واألنه ػػار وعن ػػد د ارس ػػة ص ػػفة م ػػا أو ص ػػفات معين ػػه لمجتم ػػع م ػػا ا ف ػػمف البيان ػػات‬
‫اإلحصائية عف تمؾ الصفة أو الصفات تجمع بزحد أسموبيف‪:‬‬
‫أوالً‪ :‬أسموب الحصر الشامؿ )‪ (census‬وفيه تجمع البيانػات عػف كػؿ مفػرد مػف مفػردات المجتمػعا وهػذا األسػموب‬
‫يتطمب وفرة في الوقت والماؿ والمجهود الفني وتزداد هذ المتطمبات وتتراعؼ كمما ازداد حجـ المجتمع (عدد أفراد‬
‫‪- 167 -‬‬

‫المجتمع)‪ .‬وهذا األسموب ال يتبع عػادة إال فػي حالػة التعػدادات التػي تجريهػا الػدوؿ وتػدعمها بممكانيػات رػخمه مثػؿ‬
‫تعدادات السكاف والتعدادات الصناعية والتعدادات الزراعية‪.‬‬
‫الثػػاني‪ :‬أسػػموب المعاينػػة )‪ (Sampling method‬وفيػػه يػػتـ جمػػع البيانػػات عػػف جػػزء مػػف مفػػردات المجتمػػع يختػػار‬
‫بطريقة أو بزخرى ويطمؽ عميه عينه )‪ (Sample‬ثـ بعد ذلؾ يتـ تعميـ نتائج الدراسة عمػى المجتمػع بزكممػه‪ .‬أي أف‬
‫إسػػموب المعينػػة يقصػػد بػػه د ارسػػة خصػػائص المجتمػػع مػػف خػػالؿ د ارسػػة عينػػه مسػػحوبة منػػه ا ونجػػاح هػػذا اإلسػػموب‬
‫يعتمد عمى أف تحمؿ العينة أقصى درجة مف دقة التمثيؿ لممجتمع المسحوبة منه‪.‬‬
‫توزيعات المعاينة‪:‬‬
‫نفػػرض اف لػػدينا مجتمػػع واف مفرداتػػه تتبػػع توزيعػػا احتماليػػا معين ػاً‪ ,‬ونريػػد اختيػػار عينػػة عش ػوائية حجمهػػا )‪(n‬‬
‫مفردة مف هذا المجتمع وكما يمي‪:‬‬
‫نفترض اننػا اخترنػا عينػة عشػوائية اولػى حجمهػا )‪ (n‬مفػردة او نمػوذج مػف هػذا المجتمػع‪ ,‬ويػـ حسػاب وسػطها‬
‫̅ ‪ ,‬ثـ تـ اختيار عينة عشوائية ثانية لها نفس الحجـ )‪ (n‬مفػردة او نمػوذج‪ ,‬وتػـ حسػاب‬ ‫الحسابي فكاف يساوي‬
‫̅ ‪ ,‬ثـ تـ اختيار عينة عشوائية ثالثػة لهػا نفػس الحجػـ )‪ (n‬مفػردة او نمػوذج‪,‬‬ ‫الوسط الحسابي لها وكاف يساوي‬
‫̅ ‪ ,‬وهكػػذا يػػتـ تك ػرار هػػذ العمميػػة لجميػػع العينػػات التػػي يمكػػف‬ ‫وتػػـ حسػػاب الوسػػط الحسػػابي لهػػا فكػػاف يسػػاوي‬
‫سحبها مف نفس المجتمع‪ .‬بهذ الحالة سوؼ يتوفر لدينا عدد كبير مف القيـ لموسط الحسػابي لمعينػات ‪ ,‬وبػالطبع ال‬
‫يمكف اف نتوقع انها جميعا متساوية في القيمػة‪ ,‬وهػذ القػيـ سػوؼ تكػوف مجتمعػاً آخػر عػدد مفرداتػه اكبػر بكثيػر مػف‬
‫مفػػردات المجتمػػع االصػػمي‪ ,‬وبنػػاء عمػػى ذلػػؾ يمكػػف النظػػر الػػى هػػذا المقيػػاس الػػذي هػػو (الوسػػط الحسػػابي) عمػػى انػػه‬
‫نتغير عشوائي ياخذ قيماً مختمفة‪ ,‬ويتبع توزيعاً احتمالياً معيناً قد يختمؼ عف توزيع المجتمع االصمي ‪ .‬هذا المجتمع‬
‫الجديد الذي هو مجتمع المتوسطات الحسابية يسمى بهذ الحالة (توزيع المعاينة لموسط الحسػابي)‪ ,‬وبهػذا يمكػف اف‬
‫نعرؼ توزيع المعاينة لمقياس ما عمى انه التوزيع االحتمالي لمجتمع هذا المقياس‪.‬‬
‫مجتمع المتوسطات الحسابية لمعينات‪:‬‬
‫يعتمػػد شػػكؿ ونػػوع التوزيػػع االحتمػػالي لمجتمػػع المتوسػػطات الحسػػابية لمعينػػات العش ػوائية عمػػى توزيػػع المجتمػػع‬
‫االصػػمي الػػذي اختيػػرت منػػه هػػذ العينػػات العشػوائية‪ ,‬والنظريػػة اآلتيػػة تعطػػي التوزيػػع االحتمػػالي لمجتمػػع المتوسػػطات‬
‫الحسابية لمعينات العشوائية الكبيرة‪.‬‬
‫‪- 168 -‬‬

‫نظرية النهاية المركزية‪:‬‬
‫واح ارفػػه المعيػػاري‬ ‫اذا كػػاف لػػدينا مجتمػػع ( يػػر محػػدود) مفرداتػػه )‪ , (X‬يتبػػع توزيع ػاً احتمالي ػاً متوسػػطه‬
‫‪ .‬تػػـ سػػحب عينػػات عش ػوائية مػػف هػػذا المجتمػػع حجػػـ كػػؿ منهمػػا يسػػاوي )‪ , (n‬وكانػػت )‪ (n‬كبي ػرة الحجػػـ اي‬
‫‪ .‬فاف الوسط الحسابي لهذ العينات ̅ يتبع توزيعا طبيعياً له الخصائص التالية‪:‬‬
‫̅ 𝛍‬ ‫̅‬
‫√‬
‫مثال(‪:)1‬‬
‫دوالر‪,‬‬ ‫اذا كػاف بػدؿ السػكف المعطػى لمموظػؼ باحػدى الشػركات المسػاهمة يتبػع توزيػع طبيعػي متوسػطه‬
‫‪ σ‬دوالر‪:‬‬ ‫وانحرافه المعياري‬
‫‪ .1‬اذا تم اختيار موظف عشوائي ‪ ,‬فما هو احتمال ان يقل بدل سكنه عن ‪ 166‬دوالر؟‬
‫‪ .2‬سحبت عينة من (‪ )64‬موظف ‪ ,‬فما هو احتمال ان يكون متوسط بدل سكنهم اكبر من ‪ 172‬دوالر ؟‬
‫الحــــــــــــل‪:‬‬
‫‪.1‬‬
‫‪- 169 -‬‬

̅
̅
̅
.2
√ √
- 171 -
‫الفصل الثامن عشر‬
‫البيانات والمتغيرات ‪Data and Variables‬‬
‫البيانات االحصائية ‪:The Statistics Data‬‬
‫تمعػػب البيانػػات االحصػػائية دو ار مهم ػاً فػػي حياتنػػا المعاص ػرة ‪ ,‬فهػػي االدة االساسػػية التػػي تعتنػػد عميهػػا جميػػع‬
‫البحػػوث والد ارسػػات ووسػػيمة هامػػة لمتعبيػػر الكمػػي والنػػةعي عػػف الظ ػواهر والمشػػكالت المطروحػػة مػػف جهػػة وكػػذلؾ‬
‫لترشيد عممية اتخاذ الق اررات عمى جميع المستويات والتنبؤ بسموؾ هذ الظواهر وتطورها المستقبمي مف جهة اخرى‪.‬‬
‫يمكف تعريؼ البيانات االحصائية بانها مجموعة مف المشاهدات او المالحظػات التػي تؤخػذ اثنػاء د ارسػة معينػة ‪ ,‬او‬
‫هػػي مجموعػػة مػػف االرقػػاـ لػػو الحقػػائؽ الرقميػػة التػػي تحتػػاج الػػى معالجػػة وتنظػػيـ أو اعػػادة تنظػػيـ لكػػي تتحػػوؿ الػػى‬
‫معمومػػات ‪ ,‬ويمكػػف التعبيػػر عنهػػا بانهػػا المػػادة الخػػاـ ‪ ,‬يػػتـ تحويمهػػا الػػى معمومػػات قابمػػة لالسػػتعماؿ باالعتمػػاد عمػػى‬
‫مجموعػػة مػػف الوسػػائؿ واالسػػاليب االحصػػائية الوصػػفية او الكميػػة‪ .‬بصػػورة عامػػة ‪ ,‬تمثػػؿ البيانػػات االحصػػائية فػػي‬
‫البحث العممي كؿ ما يحصؿ عميػه الباحػث مػف حقػائؽ تخػص الظػاهرة المدروسػة ‪ ,‬وعمػى هػذا االسػاس فهػي المػادة‬
‫الريسية في اي بحث احصائي حيث ترتبط دقة البحث والتحميؿ في مدى توفر ودقة البيانات االحصائية ‪.‬‬
‫تاخذ البيانات االحصائية في الواقع العممي صيغاً واشكاالً مختمفة مثؿ‪ :‬االرقاـ ‪ ,‬االشكاؿ ‪ ,‬المؤشرات الكميػة‬
‫‪ ,‬الرسومات البيانية ‪ ,‬او تكوف مزيج مف هذ العناصر ‪ .‬يمكف تحديد خصائص البيانات االحصائية بانقاط التالية‪:‬‬
‫‪ .a‬هػػي عبػػارة عػػف مجموعػػة مػػف القػػيـ التػػي يمكػػف الحصػػوؿ عميهػػا باسػػاليب مختمفػػة (المجتمػػع او العينػػة) مػػف‬
‫مصادر متنوعة وباستخداـ طرؽ متنوعة وادوات مختمفة مثؿ‪ :‬المقابمػة الشخصػية ‪ ,‬االستقصػاء ‪ ,‬المالحظػة‬
‫واالستبياف ‪.‬‬
‫‪ .b‬تعبر عف قيـ فعمية يػتـ الحصػوؿ عميهػا مػف التجػارب او الد ارسػات المختمفػة ‪ ,‬وقػد تكػوف بيانػات كميػة قابمػة‬
‫لموصػػؼ والقيػػاس والتحميػػؿ االحصػػائي ‪ ,‬وقػػد تكػػوف بيانػػات نوعيػػة ال يمكػػف قياسػػها اال بعػػد تحويمهػػا الػػى قػػيـ‬
‫كمية او عددية ‪ .‬ويتـ عرض البيانات بشكؿ يسهؿ استغاللها وتداولها كالجداوؿ واالشكاؿ البيانية ‪.‬‬
‫‪ .c‬تمثػػؿ البيانػػات فػػي البحػػوث العمميػػة حقػػائؽ ‪ ,‬والحقيقػػة تتصػػؼ بقػػدر كبيػػر مػػف الثبػػات‪ .‬يجػػب التفرقػػة بػػيف‬
‫البيانػات والمعمومػات فػي ميػداف البحػث العممػي ‪ ,‬فالمعمومػات هػي حقيقػة تػـ اثباتهػا ‪ ,‬فػي عبػارة عػف النتػائج‬
‫النهائية لمبيانات بعد معالجتها باستخداـ االساليب االحصائية ووسائؿ االتصاؿ والتكنولوجيا المختمفة ‪ ,‬لكي‬
‫تبنػى عمػػى اساسػها نظريػػات مسػمـ بهػػا ‪ ,‬ذلػػؾ بػاف البيانػػات الخػاـ لػػيس لهػػا معنػى وال يمكػػف اسػتغاللها مػػا لػػـ‬
‫تعالج ‪.‬‬
‫‪- 171 -‬‬

‫اهمية البيانات االحصائية ‪:‬‬
‫تُعػػد البيانػػات االحصػػائية مػػف اهػػـ المػوارد التػػي تعتمػػد عميهػػا الحيػػاة المعاصػرة فػػي مجاالتهػػا كافػػة سػواء عمػػى‬
‫مستوى االفراد او عمى مستوى المؤسسات مهما كاف نوعها ‪ ,‬ويمكف تمخيص هذ االهمية بالنقاط التالية ‪:‬‬
‫‪ .1‬تعطػػي البيانػػات االحصػػائية صػػورة مورػػوعية فػػي لحظػػة زمنيػػة معينػػة عػػف المجتمػػع بممي ازتػػه وخصائصػػه‬
‫المختمفة ‪.‬‬
‫‪ .2‬البيانات االحصائية ررورية ومهمة التخاذ الق اررات عمى جميع االصػعدة سػواء بالنسػبة لالفػراد فػي حيػاتهـ‬
‫اليومية او بانسبة لممؤسسات بمختمؼ انواعها ‪.‬‬
‫‪ .3‬مراقبة وتقييـ مدى تطور المجتمع واظهار الفروؽ بيف المناطؽ والمحافظػات واالقػاليـ والفئػات المختمفػة فػي‬
‫الوطف الواحد ‪ ,‬وبالتالي فهي ررورية لممجتمع المدني ‪.‬‬
‫‪ .4‬تعزيز مبادئ البحث العممي واالكاديمي وتطوير والمساهمة ليس فقط في تقييـ ومراقبة التقدـ بؿ في انجاز‬
‫‪.‬‬
‫‪ .5‬تحقيػػؽ المي ػزة التنافسػػية بػػيف المؤسسػػات والمتمثمػػة فػػي قػػدرتها عمػػى صػػيا ة وتطبيػػؽ االسػػتراتيجيات التػػي‬
‫تجعمه ػػا ف ػػي مرك ػػز افر ػػؿ بالنس ػػبة لممؤسس ػػات االخ ػػرى العامم ػػة ف ػػي النش ػػاط نفس ػػه ع ػػف طري ػػؽ االس ػػتغالؿ‬
‫االفر ػ ػػؿ لمق ػ ػػدرات ‪ ,‬الكف ػ ػػاءات ‪ ,‬االمكان ػ ػػات والمػ ػ ػوارد الفني ػ ػػة ‪ ,‬المادي ػ ػػة ‪ ,‬المالي ػ ػػة ‪ ,‬التنظيمي ػ ػػة وب ػ ػػاالخص‬
‫المعموماتية التي تتمتع بها المؤسسة والتي تمكنها مف تصميـ وتطبيؽ رؤيتها واستراتيجيتها التنافسية ‪.‬‬
‫‪ .6‬تعػػد البيانػػات االحصػػائية الجيػػدة مػػدخال عقالنيػػا الدارة وتػػوفير الخػػدمات االساسػػية ومتابعػػة االثػػار المترتبػػة‬
‫عمى السياسات التنموية المختمفة ‪.‬‬
‫‪ .7‬ترتبط شفافية ومسؤولية ومتابعة صناعة القػرار بجػودة وقػوة البيانػات والمعمومػات االحصػائية ‪ ,‬والتػي تعتمػد‬
‫عمى طريقة واسموب جمعها وذلؾ وفقا لقواعد التطبيػؽ الجيػد والمعػايير المتفػؽ عميهػا لرػماف تسػيير موجػه‬
‫وفقا لمنتائج المراد الوصوؿ اليها‪.‬‬
‫‪ .8‬تمػػد رسػػـ السياسػػات والخطػػط واتخػػاذ الق ػ اررات سػػمبا او ايجابػػا عمػػى حجػػـ وجػػودة المعمومػػات المسػػتخدمة ‪,‬‬
‫وبالتػػالي اي نقػػص او خمػػؿ او سػػوء اسػػتعماؿ يػػؤدي الػػى تحمػػؿ تكػػاليؼ ماليػػة وبشػرية عاليػػة دوف الوصػػوؿ‬
‫الى تحقيؽ االهداؼ ‪.‬‬
‫انواع البيانات االحصائية ‪:‬‬
‫‪- 172 -‬‬

‫ي ػرتبط نػػوع البيانػػات بنػػوع المتغيػػر المػػدروس ‪ ,‬كم ػػا تختمػػؼ طبيعػػة البيانػػات االحصػػائية حسػػب الهػػدؼ م ػػف‬
‫استخدامها‪ .‬تعبر البيانات عف قػيـ لمتغيػر او اكثػر مػف المتغيػرات االحصػائية ‪ ,‬ويمثػؿ المتغيػر االحصػائي خاصػية‬
‫مشتركة او اكثر تميز عناصر المجتمع المدروس ‪ ,‬التي تختمؼ باختالؼ الظاهرة المدروسػة ‪ ,‬فرػال عػف اخػتالؼ‬
‫الزماف والمكاف و يرها مف العوامؿ التي تفيد في تحديد خصائص المجتمع المػدروس الػذي سػيتـ تحميمػه الحقػاً مثػؿ‬
‫دخػؿ الفػػرد‪ ,‬الحالػػة االجتماعيػػة‪ ,‬الصػػوؿ ‪ ,‬الػػوزف‪ ,‬تركيػػز عنصػر معػػيف‪.....,‬الأ‪ .‬اف كػػؿ خاصػػية او صػػفة مػػف هػػذ‬
‫الصػػفات تعتبػػر متغيػ ار احصػػائياً فػػي حػػد ذاتهػػا ‪ ,‬ويػرتبط نػػوع البيانػػات بنػػوع المتغيػػر المػػدروس ‪ ,‬وبالتػػالي فػػاف انػواع‬
‫المتغيرات االحصائية تمثؿ بدورها نوع البيانات التي يمثمها هذا المتغير‪.‬‬
‫تنقس ػػـ البيان ػػات او المتغيػ ػرات االحصػ ػائية ال ػػى ن ػػوعيف رئيس ػػييف وفق ػػا لمق ػػيـ الت ػػي ياخ ػػذها ه ػػذا المتغي ػػر ‪ ,‬ل ػػذا‬
‫التصنيؼ اهمية كبيرة حيث انه يحدد طبيعة التحميالت االحصائية المالئمة لهذ المتغيرات وهما ‪:‬‬
‫‪ .1‬متغيرات رقمية (كمية) ‪: Quantitative data‬‬
‫المتغيػرات الكميػػة هػػي الظػػاهرة أو الصػػفة التػػي يمكػػف قياسػػها كميػاً‪ ,‬بمعنػػى اف هػػذا النػػوع مػػف المتغيػرات يعكػػس‬
‫كميا مدى توافر خاصية معينة ‪ .‬فػالقيـ الممكنػة لممتغيػر الكمػي قابمػة لمقيػاس كميػا بارقػاـ عدديػة لهػا خصػائص‬
‫حسػػابية وباسػػتخداـ وحػػدات قيػػاس محػػددة ‪ ,‬تمكننػػا مػػف المقارتػػة الدقيقػػة بػػيف قيمتػػيف مختمفتػػيف ‪ ,‬فهػػي عبػػارة عػػف‬
‫اعػػداد حقيقيػػة (موجبػػة‪ ,‬سػػالبة او معدومػػة) تتعمػػؽ بكميػػات كػػالوزف ‪ ,‬الطػػوؿ‪ ,‬الحجػػـ ‪ ,‬الػػدخؿ‪....,‬الأ‪ .‬تسػػمى‬
‫البيانات التي تعبر عف مثػؿ هػذ الخصػائص او عػف هػذا النػوع مػف المتغيػرات بالبيانػات الكميػة ‪ ,‬هنػاؾ نػوعيف‬
‫مف المتغيرات الكمية هي‪:‬‬
‫‪ .a‬متغي ػرات منفصػػمة او متقطعػػة ‪ :Discrete‬وهػػي المتغي ػرات المتقطعػػة المحػػدودة التػػي تاخػػذ قيم ػاً‬
‫(اعداد) او وحدات كاممة والتي يمكف عدها ‪ ,‬مثؿ عدد افػراد االسػرة ‪ ,‬التػي ممكػف اف تكػوف ‪ 2‬او‬
‫‪ 3‬او ‪ 4‬او ‪ , 5‬اي هػػذ االعػػداد صػػحيحة ال يوجػػد فيهػػا كسػػور عش ػرية ‪ ,‬او الكتػػب فػػي المكتبػػة‬
‫التي ال تقبؿ كسور عشرية بينهما‪ ,‬وهكذا تسمى بيانات متقطعة او منفصمة ‪ ...‬الأ‪.‬‬
‫‪ .b‬المتغيرات المتصمة ‪ :Continuous‬وهي المتغيرات التي يمكف قياسها ‪ ,‬والتي تاخػذ اي قيمػة فػي‬
‫مجاؿ معيف وال يوجد اي انفصػاؿ او انقطػاع بػيف القػيـ وتاخػذ قيمػا يػر محػدودة و يػر معػدودة‪,‬‬
‫ول ػػذلؾ تس ػػمى ق ػػيـ متص ػػمة او مس ػػتمرة‪ ,‬مث ػػؿ قيػ ػػاس اطػ ػواؿ الطمب ػػة ف ػػي المرحم ػػة الرابع ػػة‪ ,‬قيػػػاس‬
‫المسافات بيف المدف‪...,‬الأ وهي التي تقبؿ وجود كسور عشرية بيف االعداد العشرية ‪.‬‬
‫‪ .2‬متغيرات نوعية (وصفية) ‪:Qualitative Data‬‬
‫‪- 173 -‬‬

‫المتغيػرات النوعيػػة ‪ ,‬يمكػػف العبيػػر عنهػػا بانهػػا المتغيػرات او الظػواهر التػػي ال يمكػػف قياسػػها باسػػتخداـ وحػػدات‬
‫معينػػة مثػػؿ ‪ ,‬لػػوف العػػيف‪ ,‬المسػػتوى التعميمػػي‪ ,‬الحالػػة االجتماعيػػة ‪ ...‬فهػػي تعبػػر عػػف الحػػاالت ‪ ,‬االراء‪ ,‬السػػموؾ‪,‬‬
‫الخصائص‪ ,‬صفات االشخاص او االشياء ‪ ,‬وبالتالي فهي عبارة عف قيـ ذات طابع نػوعي (تتعمػؽ بالنوعيػة)‪ ,‬سػواء‬
‫اخذت قػيـ المتغيػر النػوعي ترتيبػا معينػا او لػـ تاخػذ ‪ ,‬فمػيس لهػا داللػة حقيقيػة مثػؿ المتغيػر الكمػي النػه ال يوجػد اي‬
‫مقياس مرجعي ‪ .‬تسمى البيانات التي تعبر عف هػذا النػوع مػف المتغيػرات (بالبيانػات النوعيػة)‪ .‬يقػاس هػذا النػوع مػف‬
‫المتغيرات بمقياسيف هما ‪ :‬المقياس االسمي وتسمى المتغيرات في هذ الحالػة بػالمتغيرات االسػمية مثػؿ ذكػر ‪ ,‬انثػى‬
‫‪ ,‬او لػػوف العػػيف ‪ ,‬او نػػوع الجنسػػية ‪.... ,‬الػػأ‪ , .‬والمقيػػاس الترتيبػػي ‪ ,‬وتسػػمى فػػي هػػذ الحالػػة بػػالمتغيرات النوعيػػة‬
‫الترتيبية ‪ ,‬وهذا وفقا لقابمية قيـ هذا المتغير لمترتيب مف عدمه ‪ ,‬مثؿ مثؿ صغير ‪ ,‬وسط ‪ ,‬كبير ‪....‬الأ‪.‬‬
‫انواع المتغيرات ‪: Kinds of Variables‬‬
‫المتغيرات اما احصائية او عشوائية ‪ ,‬فالمتغير االحصائي يمثؿ القيـ التي تاخذها ظاهرة مػا ‪ ,‬فػي حػيف اف المتغيػر‬
‫العشوائي هو عبارة عف ظاهرة نوعية او كمية ال يمكف التنبؤ بها بشكؿ مسبؽ وتقترف بقيـ احتمالية ‪.‬‬
‫مالحظػػة ‪ :‬البيانػػات تصػػبح متغي ػرات عنػػد اج ػراء العمميػػات االحصػػائية عميهػػا ‪ ,‬حيػػث اف المتغي ػرات لهػػا نفػػس‬
‫مفهوـ البيانات ‪ ,‬والذي ينطبؽ عمى البيانات ينطبؽ عمى المتغيرات ‪.‬‬
‫‪ .a‬المتغيػرات االسػػمية ‪ :Nominal Variables‬هػػذ المتغي ػرات لهػػا عػػدد مػػف الفئػػات المحػػددة مػػف دوف اي‬
‫معنى كمي لهذ الفئات ‪ ,‬مثاؿ عمى ذلؾ يمكف تصنيؼ افراد المجتمع الى عدد معػيف مػف الفئػات مػف دوف‬
‫اف تكوف هناؾ افرمية الحدى هذ الفئات عمى االخرى ‪ ,‬مثؿ متغير لوف العيف ‪ ,‬وفي معظـ االحيػاف يػتـ‬
‫اعطاء ارقاـ تدؿ عمى هذ الفئات ‪ ,‬مثال نرمز الى لوف العػيف السػوداء بػالرقـ (‪ )1‬والػى لػوف العػيف االزرؽ‬
‫بالرقـ (‪ )2‬وهكذا ‪ ,‬وال تدخؿ هذ االرقاـ في العمميات الحسابية ‪.‬‬
‫‪ .b‬المتغيرات الترتيبية ‪ :Ordinal Variables‬وهي المتغيرات التي تمتمؾ عدد محدد مف الفئات يمكف ترتيبها‬
‫تصػػاعديا او تنازليػػا ‪ ,‬ولكػػف ال يمكػػف تحديػػد الفػػروؽ بدقػػة بػػيف االف ػراد المختمفػػة ‪ ,‬مثػػاؿ عمػػى ذلػػؾ كبيػػر ‪,‬‬
‫صغير ‪ ,‬وسط ‪.‬‬
‫‪ .c‬المتغيرات الفئوية ‪ :Interval Variables‬هي تمؾ المتغيػرات الكميػة التػي يمكػف اجػراء العمميػات الحسػابية‬
‫عمى قيمها دوف اف تتاثر المسافة النسبية بيف قيمها ‪ ,‬وتكوف قيمة الصفر ال تعني عدـ توفر تمؾ الصفة‬
‫مثاؿ عمى ذلؾ لو حصؿ طالػب عمػى درجػة الصػفر فػي امتحػاف المغػة العربيػة فهػذا ال يعنػي اف الطالػب ال‬
‫يعرؼ شيئا عف المغة العربية ‪ ,‬واذا كانت درجة الح اررة تساوس صفر فهذا ال يعني عدـ وجػود درجػة حػ اررة‬
‫‪.‬‬
‫‪- 174 -‬‬

‫‪ .d‬المتغيرات النسبية ‪ :Ratio Variables‬وهي عبارة عف متغيرات كمية ‪ ,‬ليس لهػا فئػات محػددة ‪ ,‬واف قيمػة‬
‫الصػػفر فػػي هػػذا النػػوع مػػف المتغي ػرات يمثػػؿ عػػدـ تػػوفر الصػػفة (مثػػؿ المتغيػػر الزمنػػي ‪ ,‬فػػاذا قمنػػا اف الػػزمف‬
‫يسػػاوي صػػفر ‪ ,‬اي ال زمػػف هنػػاؾ ‪ ,‬وايرػػا عنػػدما نقػػوؿ اف المسػػافة تسػػاوي صػػفر فهػػذا يعنػػي اف ال مسػػافة‬
‫موجودة) ‪ ,‬فمذلؾ يكثر استخداـ هذا المتغير فيزيائياً ‪.‬‬
‫المجتمـــع ‪ : Population‬المجتمػػع االحصػػائي هػػو عبػػارة عػػف جميػػع الوحجػػات او العناصػػر او المتغي ػرات التػػي‬
‫تدخؿ في موروع الدراسة ‪ ,‬سواء كانت هذ الوحدات او العناصر او المتغيرات هي افراد او اشػياء او قياسػات ‪...‬‬
‫الػػأ‪ .‬مثػػاؿ عمػػى ذلػػؾ د ارسػػة اعمػػار طػػالب جامعػػة مػػا ‪ ,‬فػػالمجتمع االحصػػائي هنػػا هػػو طػػالب الجامعػػة فػػي وقػػت‬
‫الدراسة ‪ ,‬وقد يكوف المجتمع االحصائي محدود وقد يكوف ير محدود‪.‬‬
‫العينة او النموذج ‪ :Sample‬تعرؼ العينة عمى انها جزء صغير او نموذج مف المجتمػع )‪ (Pupolation‬الكمػي‬
‫يمجز اليه الباحػث فػي د ارسػته ‪ ,‬ويختػار بطريقػة مناسػبة وي ارعػى اف تكػوف هػذ العينػة عشػوائية وبػدوف انتقػاء وممثمػة‬
‫لجميػػع خصػػائص المجتمػػع تمثػػيال صػػادقا ‪ ,‬بدقػػة ومورػػوعية ‪,‬وهػػذا يتطمػػب تحديػػد هػػدؼ الد ارسػػة ومجتمػػع الد ارسػػة‪.‬‬
‫حيػػث اف العينػػة تسػػحب مػػف المجتمػػع االصػػمي لغػػرض د ارسػػة صػػفاته وخصائصػػه ‪ ,‬مػػثال اف الطبيػػب يريػػد معرفػػة‬
‫مرض ما في دـ المريض فال داعي لسحب كؿ دـ المريض بؿ يتـ اخذ عينة مف الدـ لفحصها‪.‬‬
‫مثاؿ‪ :‬دراسة عنوانها ‪ ,‬الصعوبات التي تواجه طمبة المرحمة الثانية في كمية العموـ في مادة االحصاء ‪ ,‬حدد مجتمع‬
‫الهدؼ ‪ ,‬مجتمع العينة ؟‬
‫مجتمع الهدؼ ‪ :‬جميع طمبة المرحمة الثانية في كمية العموـ‪.‬‬
‫مجتمػػع العينػػة ‪ :‬الجػػزء الػػذي تؤخػػذ مػػف العينػػة ‪ ,‬بمعنػػى الكميػػات التػػي اخػػذت منهػػا العينػػة‪ ,‬مثػػؿ كميػػة العمػػوـ ‪ ,‬كميػػة‬
‫االدارة واالقتصاد ‪.‬‬
‫الفصل التاسع عشر‬

‫طرق او اسموب جمع البيانات‬
‫يتـ جمع البيانات باحد الطريقتيف التاليتيف‪:‬‬
‫‪- 175 -‬‬

‫‪ .1‬الحصػػر او المسػػح الشػػامؿ ‪ :‬حيػػث يػػتـ جمػػع البيانػػات مػػف جميػػع افػراد مجتمػػع الد ارسػػة )‪, (Pupolation‬‬
‫ويسػتخدـ عػادة هػػذا النػوع مػف جمػػع البيانػات فػػي المجتمعػات الصػغيرة مثػػؿ (المدرسػة ‪ ,‬المصػػنع ‪ ).... ,‬أو‬
‫في حالة تباعد االزمنة بػيف االحصػائيات ‪ ,‬مثػؿ التعػداد السػكاني ‪ ,‬وتمتػاز نتػائج هػذ الطريقػة بالقػة العاليػة‬
‫والوروح وتكمف قوة وموثوقية الحصر الشامؿ في اعطاء الباحث صورة كاممة عف مجتمع الدراسة ‪ ,‬ومف‬
‫مساوئ هذا النوع مف جمع البيانات هو التكاليؼ الباهظة التي يتطمبهػا وطػوؿ المػدة الزمنيػة التػي يسػتغرقها‬
‫النجاز العمؿ والحاجة الى عدد كبير مف الباحثيف‪.‬‬
‫‪ .2‬العينات ‪ :‬يستخدـ اسموب العينات عند دراسة المجتمعات الكبيرة جداً ‪.‬‬
‫انواع العينات او النماذج ‪:‬‬
‫‪ .1‬العينػة العشػوائية ‪ :‬وهػػي العينػة التػػي يػتـ اختيارهػػا مػف المجتمػػع بصػورة عشػوائية وبػدوف انتقػػاء بحيػث تكػػوف‬
‫فرص ظهور اي مف عناصر او مفردات او متغيرات المجتمع فيها متساوية او متكافئة‪ ,‬بمعنى آخػر يكػوف‬
‫كؿ نموذج فيها له نفس فرصة االختيار مف المجتمع الكمي‪.‬‬
‫‪ .2‬العينة العمدية (المتعمدة) او القصدية ‪ :‬يتـ اختيار هػذ العينػة بطريقػة تناسػب اهػداؼ البحػث بحيػث تتػوفر‬
‫فػي كػؿ عنصػر او متغيػر مػف عناصػر العينػة شػػروط محػددة يػرى الباحػث انهػا تسػاعد عمػى الوصػوؿ الػػى‬
‫نتائج افرؿ في دراسته (عمى سبيؿ المثاؿ يتـ اختيػار الطػالب االذكيػاء فقػط فػي تطبيػؽ الد ارسػة عمػيهـ) ‪.‬‬
‫بمعنى اخر يتـ اختيارها بصورة قصدية و ير عشوائية وذلػؾ لمحصػوؿ عمػى معمومػات لتكػويف فكػرة سػريعة‬
‫او لفحص االستبيانقبؿ توزيع االستمارة وتعميمها(لدراسة مدى صدؽ وموثوقيية االستبياف)‪.‬‬
‫‪ .3‬العينػػة الطبقيػػة ‪ :‬وهػػي العينػػة التػػي يػػتـ اختيارهػػا لتشػػتمؿ عمػػى خ ػواص المجتمػػع باسػػتخداـ طريقػػة النسػػب ‪,‬‬
‫ويقس ػػـ عن ػػدما يك ػػوف المجتم ػػع مقس ػػـ ال ػػى مجموع ػػات بح ػػث تتش ػػابه افػ ػراد ك ػػؿ مجموع ػػة بالص ػػفات (تك ػػوف‬
‫متجانسة) حيث تسمى كؿ مجموعة بالطبقة ‪ .‬مثػاؿ عمػى ذلػؾ اذا كػاف لػدينا مجتمػع تعميمػي عػدد (‪)300‬‬
‫عنصر او فرد او نموذج ‪ ,‬وكانت نسبة الذكور الى االناث هي (‪ )3 : 2‬واردنا اف نختػار عينػة مػف (‪)50‬‬
‫شخص ػاً ‪ ,‬فػػال بػػد اف نختػػار (‪ )30‬عنصػػر ذكػػر و(‪ )20‬عنصػػر انثػػى ‪ .‬تحكمهػػا فػػي ذلػػؾ العالقػػة التاليػػة ‪:‬‬
‫عدد افراد الطبقة‬
‫عدد افراد العينة الكمية‬ ‫عدد افراد عينة الطبقة‬
‫عدد افراد المجتمع‬
‫مثال ‪ :‬يراد اختيار عينة مكونة من (‪ )21‬طالب من طلبة احدى الكليات ‪ ,‬اذا علمت ان عدد طالب هذه الكلية (‪ )1111‬طالب وهم مقسمين‬
‫كما في الجدول ادناه بحسب السنة ‪:‬‬
‫عدد الطالب‬ ‫المرحلة‬
‫‪411‬‬ ‫االولى‬
‫‪- 176 -‬‬

‫‪311‬‬ ‫الثانية‬
‫‪211‬‬ ‫الثالثة‬
‫‪111‬‬ ‫الرابعة‬
‫‪1111‬‬ ‫المجموع‬
‫بناء على ذلك ‪ ,‬كوّ ن العينة المطلوبة ؟‬

‫الحل ‪ :‬من العالقة اعاله يتم استخراج عدد الطالب (العينة المطلوبة) من كل مرحلة وكما يلي‪:‬‬
‫نختاااااار (‪ )8‬مااااان (‪ )411‬حساااااب‬ ‫عدد افراد العينة الكلية‬ ‫‪ .1‬عدد افراد عينة الطبقة‬
‫العينة العشوائية البسيطة من (‪ )111‬الى (‪. )399‬‬
‫نختار (‪ )2‬من (‪ )111‬حسب العينة‬ ‫عدد افراد العينة الكلية‬ ‫‪ .4‬عدد افراد عينة الطبقة‬
‫العشوائية البسيطة من (‪ )111‬الى (‪. )99‬‬
‫هذه العينات هي التي نطلق عليها العينة العشوائية البسيطة ‪.‬‬
‫‪ .4‬العينة العنقودية (متعددة المراحؿ)‪ :‬وفي هذا النوع مف العينات يتـ تقسيـ المجتمع الى مجموعػات جزئيػة ال‬
‫يشػػترط تجانسػػها ‪ ,‬وهػػذ المجموعػػات الجزئيػػة تنقسػػـ الػػى مجموعػػات جزئيػػة اخػػرى وهكػػذا ‪ ,‬بحيػػث تسػػمى‬
‫اصغر مجموعة جزئية بالعنقود ومف ثـ يتـ اختيار مف كؿ عنقود عتنة عشوائية بسيطة لتتشكؿ في النهاية‬
‫عينة عنقودية ‪.‬‬
‫مثاؿ ‪ :‬دراسة فرص عمؿ طالب جامعة بغداد بعد التخرج ‪ ,‬حدد افرؿ عينة ؟‬
‫الحؿ ‪ :‬العينة يجب اف تكوف عنقودية الف هناؾ‬
‫‪- 177 -‬‬

‫‪ .5‬العينػػة المنتظمػػة ‪ :‬ويسػػتخدـ هػػذا النػػوع مػػف العينػػات عنػػدما ال يتػػوفر لػػدينا قػوائـ او ايػػة معمومػػات عػػف عػػدد‬
‫عناصر المجتمع ‪ ,‬ويتـ بهذ الحالة اختيار افراد العينة بشكؿ منتظـ ‪.‬‬
‫مثاؿ ‪ :‬اعط دراسة عف مدى ررا طالب الجامعة عف خدمة المواصالت مف والى الجامعة ؟‬
‫الحػػؿ ‪ :‬هنػػا ال نعػػرؼ عػػدد الطػػالب الػػذيف يسػػتخدموف المواصػػالت مػػف والػػى الجامعػػة ‪ ,‬لػػذا يقػػؼ يجػػب اف يقػػؼ‬
‫الباحث عند باب الجامعة ويختار مثال طالب واحد مف كؿ (‪ )50‬وكما يمي‪:‬‬
‫الطالب االوؿ ‪ ,‬طالب رقـ ‪ , 50‬طالب رقـ ‪ ,100‬طالب رقـ ‪ , 150‬وهكذا حيث تكوف الزيادة بيف كؿ عينة والذي‬
‫يميه ثابتة ‪.‬‬
‫‪ .6‬العينة المعيارية ‪ :‬وهي العينة االكثر صدقا وموثوقية في تمثيؿ المجتمع االحصائي‪.‬‬
‫مثاؿ ‪ :‬مصنع لالدوية يراد دراسة مدى فعالية دواء معيف لمشفاء مف مرض معيف ؟‬
‫الحؿ ‪ :‬يطبؽ الدواء عمى اوؿ (‪ )10‬مررى وترصد فعاليته‪.‬‬
‫يطبؽ الدواء عمى اوؿ (‪ )20‬مررى وترصد فعاليته‪.‬‬
‫يطبؽ الدواء عمى اوؿ (‪ )30‬مررى وترصد فعاليته‪.‬‬
‫نستمر في التجربة االحصائية حتى يثبت الدواء فعاليته فيعمـ لعالج المرض ‪.‬‬
‫‪- 178 -‬‬

‫مصادر البيانات االحصائية ‪ :‬تعتبر مرحمة جمع البيانات مف اهـ مراحؿ البحػث االحصػائي ‪ ,‬فػاذا تميػزت بالدقػة‬
‫والموثوقية انعكس ذلؾ عمى دقة التحميؿ االحصائي وصحة النتائج واالستنتاجات االحصائية ‪ .‬تنقسـ مصادر جمع‬
‫البيانات الالزمة الي دراسة احصائية الى نوعيف هي‪:‬‬
‫‪ .A‬المصادر التاريخية ‪:‬‬
‫وتسمى احياناً بالبيانات الثانوية‪ ,‬وهي المصادر التي قامت بجمعهػا ونشػرها هيئػات سػواء كانػت محميػة او‬
‫مركزية ‪,‬حكومية او ير حكومية ‪ ,‬وطنية او دولية تتعمؽ بالظاهرة محؿ الدراسة ‪ .‬وهو ما يؤخذ مف الكتػب ‪,‬‬
‫ال ػػدوريات ‪ ,‬الس ػػجالت المحفوظ ػػة مث ػػؿ س ػػجالت الموالي ػػد والوفي ػػات ‪ ,‬وك ػػذلؾ البيان ػػات الت ػػي تتر ػػمنها رس ػػائؿ‬
‫الماجستير واطاريح الدكتو ار ‪ ,‬مواقع االنترنيت والنشرات االحصائية ‪ ,‬فرال عػف البيانػات التػي يػتـ نشػرها مػف‬
‫قبؿ المؤسسات والمنظمات الدولية ‪ ...‬الأ ‪.‬‬
‫تكػػػوف هػػػذ المصػ ػػادر تحػ ػػت تصػ ػػرؼ الباح ػ ػث دوف الحاجػ ػػة الػػػى جمػ ػػع البيانػ ػػات م ػػف وحػػػدات المجتمػ ػػع‬
‫االحصػػائي مباش ػرة ‪ ,‬وبهػػذا تكػػوف المصػػادر التاريخيػػة لمبيانػػات هػػي كػػؿ البيانػػات الجػػاهزة التػػي يعتمػػد عميهػػا‬
‫الباحث ويستخدمها بطريقة ير مباشرة وال يعتبر مسؤوال عنهػا بػؿ الجهػة التػي جمعتهػا ونشػرتها هػي المسػؤولة‬
‫عنها وتنحصر مسؤولية الباحث في هذ الحالة في تحميؿ هذ البيانػات واسػتخالص النتػائج ‪ .‬ينقسػـ هػذا النػوع‬
‫مف المصادر الى قسميف ‪:‬‬
‫أ‪ .‬المصادر الداخمية ‪ :‬تمثػؿ ادارات واقسػاـ المنظمػة محػؿ الدراسسػة مػف خػالؿ سػجالتها ووثائقهػا التػي تتعمػؽ‬
‫بانشطتها المختمفة مثؿ (المالية ‪ ,‬االنتاجية ‪ ,‬المرارد البشرية ‪ ,‬البحوث العممية ‪ )....‬وتعتبر عمميػة تسػجيؿ‬
‫وحفػػظ البيانػػات االساسػػية الخاصػػة بالمؤسسػػة مهمػػة ورػػرورية حتػػى تسػػتطيع تػػوفير قاعػػدة بيانػػات تمكػػف‬
‫الباحثيف مف االستفادة منها في دراسة المشكالت واتخاذ الق اررات المناسبة بذلؾ ‪.‬‬
‫ب‪ .‬المصػػادر الخارجيػػة ‪ :‬هنالػػؾ العديػػد مػػف المصػػادر الخارجيػػة لمبيانػػات والتػػي يمكػػف اف يعتمػػد عميهػػا الباحػػث‬
‫عند دراسة مشكمة معينة ‪ ,‬ومف امثمة هذ المصادر ‪ ,‬هي الو ازرات ومؤسسػات الدولػة المختمفػة ‪ ,‬الجامعػات‬
‫ومراكز البحوث ‪ ,‬االجهزة االحصائية و يرها مف قواعد البيانات ‪.‬‬
‫‪ .B‬المصادر الميدانية ‪:‬‬
‫وتسمى ايراً بالبيانات االولية ‪ ,‬وهي تمؾ المصادر التي لها عالقة مباشػرة بالظػاهرة المدروسػة ‪ ,‬يػتـ جمػع‬
‫البيانات بطريقة مباشرة عف طريؽ اتصاؿ الباحث بالمجتمع محؿ الدراسة مباشرة ‪ ,‬حيث يتـ جمع البيانات‬
‫ميدانياويقوـ الباحث بجمع البيانات بنفسه مف وحدات المجتمع او العينة محؿ الد ارسػة بعػد معرفتػه باهػداؼ‬
‫الدراسة ونوعية المعمومات المطموبة ‪ ,‬تجمع هذ البيانات بعدة وسائؿ هي ‪:‬‬
‫‪- 179 -‬‬

‫أ‪ .‬المقابمة الشخصية ‪ :‬بهذ الحالة يقوـ الباحث باجراء مقابمة مباشرة مع افراد المجتمع المراد د ارسػته مػع توجيػه‬
‫االسػػئمة ال ػواردة فػػي البطاقػػة االحصػػائية لكػػؿ فػػرد وتس ػجيؿ اجاباتػػه ‪ ,‬بهػػذ الحالػػة يسػػتطيع الباحػػث اف يحقػػؽ‬
‫اعمػػى درجػػات الدقػػة فػػي جمػػع البيانػػات ‪ .‬مػػف مسػػاوئ هػػذ الطريقػػة انهػػا تسػػتغرؽ وقتػاً طػػويالً وجهػػد وتكػػاليؼ‬
‫مادية كبيرة ‪.‬‬
‫ب‪ .‬طريقة االستقصاء (االستبياف) ‪ ::‬وهػي مػف اكثػر طػرؽ جمػع البيانػات االوليػة اسػتخداما وتعتنػد هػذ الطريقػة‬
‫اساسػاً عمػػى تصػػميـ مجموعػػة مػػف االسػػئمة التػػي يتوجػػب االجابػػة عميهػػا مػػف طػػرؼ المستقصػػى منػػه ‪ .‬ويعػػرؼ‬
‫االستقصاء بانه ذلؾ االسموب المنهجي المنظـ لجمع البيانات مف االطراؼ المستهدفة بغرض الفهـ او التنبؤ‬
‫فػػي بعػػض الظ ػواهر الخاصػػة بػػالمجتمع او الظػػاهرة المدروسػػة ‪ ,‬حيػػث يقػػوـ الباحػػث بتصػػميـ وتهيئػػة اسػػتمارة‬
‫تشتمؿ عمى اسئمة محددة تحقؽ اهداؼ البحث ‪ ,‬مع مراعاة شروط كتابة االسػتمارة مػف حيػث الدقػة والورػوح‬
‫في عباراتها واف ال تشتمؿ عمى عبارات او اسئمة مكررة واف يركز الباحث فيها عمى الهدؼ مف اجراء البحث‬
‫والغاية المنشودة التي يمكف الحصوؿ عميها مف البحػث واف تكػوف السػئمة مرتبػة مػف االسػهؿ الػى االصػعب ‪,‬‬
‫وهكذا ‪.‬‬
‫ت‪ .‬طريقػػة المالحظػػة ‪ :‬وهػػي مراقبػػة وتسػػجيؿ البيانػػات عػػف سػػموؾ الظػػاهرة المدروسػػة وتسػػتخدـ هػػذ الطريقػػة فػػي‬
‫حالة استحالة الحصوؿ عمى البيانات عف طريؽ االستقصاء او المقابمة ‪ .‬تتـ المالحظة عف طريؽ االفراد او‬
‫آليا باستخداـ االجهزة والمعدات المتخصصة بالفحص والمراقبة ‪.‬‬
‫‪- 181 -‬‬

‫الفصل العشرون‬
‫المعممة واالحصائية ‪:‬‬
‫‪ .a‬المعممة ‪ :‬هو عبارة عف شئ يميز المجتمع ككؿ ‪ ,‬مثؿ متوسط الدخؿ الشهري في دولة معينة ‪ ,‬او متوسط‬
‫طوؿ الطالب في مدرسة معينة ‪ ,‬او نسبة االمية في مجتمع ما ‪..... ,‬الأ‪.‬‬
‫‪ .b‬االحصائية ‪ :‬وهي عبارة عف شئ يميز العينة ‪ ,‬مثؿ متوسط الدخؿ الشهري لعينة مكونة مف ‪ 100‬اسرة‬
‫في دولة ما ‪ ,‬او متوسط الطوؿ لعينة مكونة مف ‪ 30‬طالب في مدرسة ما ‪ ,‬وهكذا ‪.‬‬
‫المقػ ػػاييس اإلحصػ ػػائية التػ ػػي تحسػ ػػب مػ ػػف بيانػ ػػات مجتمػ ػػع الد ارسػ ػػة بزكممػ ػػه يطمػ ػػؽ عميهػ ػػا معػ ػػالـ المجتم ػ ػػع‬
‫)‪(Parameters of population‬ا أمػا المقػاييس اإلحصػائية التػي تحسػب مػف بيانػات عينػه مسػحوبة مػف مجتمػع‬
‫الد ارسػػة فيطمػػؽ عميهػػا إحصػػاءات )‪ (Statistics‬ويعتبػػر كػػؿ إحصػػاء منهػػا بمثابػػة تقػػدير أو قيمػػه تقديريػػة لمعممػػة‬
‫المجتمػػع المنػػاظرا فيكػػوف المتوسػػط الحسػػابي المحسػػوب مػػف بيانػػات العينػػة تق ػدير لمعممػػة المجتمػػع المنػػاظرة وهػػي‬
‫المتوسػػط الحسػػابي المسػػحوب منػػه هػػذ العينػػة وهكػػذا‪ ..‬ويجػػب أال يغيػػب عػػف األذهػػاف بػػزف حسػػاب قيمػػة المتوسػػط‬
‫الحسابي مف بيانات العينة لػيس هػدفاً فػي حػد ذاتػه ولكػف وسػيمة لمتعػرؼ عمػى المتوسػط الحسػابي لممجتمػع مورػوع‬
‫الدراسة‪ ..‬وهكذا بالحاؿ بالنسبة لباقي المقاييس اإلحصائية التي تحسب مف العينة‪.‬‬
‫لمتفرقػة بػيف المعػػالـ واإلحصػاءات يجػب أف نرمػػز لكػؿ منهػا برمػػوز تختمػؼ عػف رمػػوز األخػرىا عمػى سػػبيؿ‬
‫المث ػػاؿ يرم ػػز لممتوس ػػط الحس ػػابي لممجتم ػػع ب ػػالرمز ‪ ‬بينم ػػا يرم ػػز لممتوس ػػط الحس ػػابي لمعين ػػة ب ػػالرمز ‪ x‬ا أيرػ ػاً‬
‫لالنحراؼ المعياري لممجتمع بالرمز ‪ ‬بينما يرمز لالنحراؼ المعياري لمعينة بالرمز ‪ S‬وهكذا‪.‬‬
‫مثاؿ ‪ :‬ناقش العبارة التالية ‪ :‬استخداـ العينات هو االسموب االكثر استخداما في البحوث ومفرؿ عمى اسموب‬
‫المسح الشامؿ ‪.‬‬
‫‪ .1‬المسح الشامؿ يؤدي الى فساد عناصر المجتمع في بعض البحوث ‪.‬‬
‫‪ .2‬توفير الوقت والجهد والنفقات في اسموب العينة ‪.‬‬
‫‪ .3‬المسح الشامؿ يحتاج الى اعداد كبيرة مف الباحثيف ولعدـ توفرهـ يرطر الباحث الى االستعانة باشخاص‬
‫قميموا التدريب مما يزيد مف نسبة االخطاء‪.‬‬
‫‪ .4‬الحاجة في بعض البحوث الى النتائج بسرعة التخاذ القرار ‪.‬‬
‫‪ .5‬تعذر الوصوؿ الى جميع افراد المجتمع‬
‫‪- 181 -‬‬

‫توزيعات المعاينة ‪: Sampling Distributions‬‬
‫مػػف مجتمػػع مػػا ا ثػػـ سػػحبنا منهػػا بعػػض المقػػاييس اإلحصػػائية مثػػؿ‬ ‫نفػػرض أننػػا أخػػذنا عينػػه حجمػػه‬
‫المتوسػػط الحسػػابي ا التبػػايف ا ‪ ...‬فػػمف كػػؿ مقيػػاس مػػف هػػذ المقػػاييس يعتبػػر متغيػػر عش ػوائي فػػي ذاتػػه يختمػػؼ مػػف‬
‫عينػػه إلػػى أخػػرى ‪ ,‬هػػذا المتغيػػر العشػوائي يخرػػع لتوزيػػع معػػيف ‪ ,‬هػػذا التوزيػػع يسػػمى بتوزيػػع العينػػة‪ .‬فمػػثالً نقػػوؿ أف‬
‫ت وزيع المعاينة لممتوسط الحسابي وهو عبارة عف توزيع جميع المتوسطات الحسابية لمعينات المزخوذة مػف نفػس هػذا‬
‫ا وكذلؾ فمف توزيع المعاينػة لمتبػايف هػو توزيػع جميػع التباينػات المحسػوبة مػف عينػات لهػا‬ ‫المجتمع ذات الحجـ‬
‫ومزخوذة مف نفس المجتمع ا وهكذا ‪. ...‬‬ ‫نفس الحجـ‬
‫توزيعات المعاينة لؤلوساط ‪:Sampling Distributions of Mean‬‬
‫واالنح ػراؼ‬ ‫مػػف مجتمػػع النهػػائي ا القيمػػة المتوقعػػة لػػه تسػػاوي‬ ‫نفػػرض أننػػا سػػحبنا عينػػه حجمهػػا‬
‫يخرع لتوزيع ما ا متوسط هذا التوزيع وانحرافه المعياري هما‪:‬‬ ‫فمف المتوسط الحسابي ̅‬ ‫المعياري هو‬
‫̅‬ ‫̅‬
‫√‬
‫وفػ ػػي الحال ػ ػػة الت ػ ػػي يك ػ ػػوف فيه ػ ػػا المجتم ػ ػػع األص ػ ػػمي المس ػ ػػحوبة من ػ ػػه العين ػ ػػة مجتم ػ ػػع طبيع ػ ػػي (ويرم ػ ػػز ل ػ ػػه‬
‫يكػوف فػي هػذ الحالػة توزيػع طبيعػي أيرػاً لػه نفػس‬ ‫فمف توزيع المعاينػة لممتوسػط الحسػابي ̅‬ ‫بالرمز‬
‫ا أي بمعنى أف‪:‬‬ ‫ولكف انحرافه المعياري يساوي ‪⁄‬‬ ‫المتوسط األصمي‬
‫√‬
‫̅‬ ‫(‬ ‫)‬
‫ومف ثـ يكوف ‪:‬‬

‫√‬ ‫̅‬
‫ال تخرع لمتوزيع الطبيعي ولكنها تتوزع توزيػع يكػوف قريبػاً مػف‬ ‫أما إذا كاف المجتمع ير طبيعي فمف ̅‬
‫حيث أف‪:‬‬ ‫الكبيرة‬ ‫التوزيع الطبيعي لقيـ‬
‫√‬ ‫̅‬
‫وتعتبػػر النتيجػػة السػػابقة الهامػػة جػػداً فػػي اإلحصػػاء وخاصػػة فػػي التطبيقػػات العمميػػة وتسػػمى نظريػػة النهايػػة‬
‫المركزيػػة ‪ Central Limit Theorem‬والتػػي تػػنص عمػػى أنػػه فػػي حالػػة العينػػات الكبي ػرة الحجػػـ فػػمف المتوسػػط‬
‫همػػا متوسػػط وتبػػايف‬ ‫و‬ ‫و) ( ا حيػػث أف‬ ‫يخرػػع لمتوزيػػع الطبيعػػي بالمعػػامالت‬ ‫الحسػػابي ̅‬
‫‪- 182 -‬‬

‫الكبيػرة تتحقػػؽ العالقػػة‬ ‫المجتمػع األصػػمي بغػػض النظػػر عػػف شػكؿ توزيػػع المجتمػػع األصػػمي‪ .‬ومػػف ثػػـ فمنػه لقػػي‬
‫)‪ (20-3‬بصرؼ النظر عف توزيع المجتمع األصمي‪.‬‬
‫هو المتوسط الحسابي لعينه عشػوائية مسػحوبة مػف مجتمػع النهػائي متوسػطه هػو‬ ‫كذلؾ فمنه إذا كاف‬
‫ه ػػو المتوس ػػط الحس ػػابي لعين ػػة عشػ ػوائية مس ػػحوبة م ػػف مجتم ػػع‬ ‫ا وك ػػاف‬ ‫وانح ارف ػػه المعي ػػاري ه ػػو‬
‫وكانػػت العينتػػيف مسػػتقمتيف فػػمف المجمػػوع الجبػػري لمتوسػػط‬ ‫وانح ارفػػه المعيػػاري‬ ‫النهػػائي آخػػر متوسػػطه‬
‫العينتيف يخرع لتوزيع المعاينة بالمعامالت‪:‬‬
‫هما حجـ العينة األولى والثانية‪.‬‬ ‫حيث اف ‪:‬‬

‫يخر ػػع لتوزي ػػع طبيع ػػي أيرػ ػاً بالوح ػػدات‬ ‫̅‬ ‫̅‬ ‫واذا ك ػػاف المجتمع ػػيف األص ػػمييف طبيعي ػػيف ف ػػمف‬
‫المعطاة في العالقة )‪ (20-5‬وعميه فمنه في هذ الحالة‪:‬‬
‫̅‬ ‫̅‬
‫√‬
‫ال يتػوزع توزيعػاً طبيعيػاً‬ ‫̅‬ ‫̅‬ ‫أما إذا كاف أحد المجتمعيف أو كميهمػا ال يتػوزع توزيعػاً طبيعيػاً فػمف‬
‫يتػوزع توزيعػاً‬ ‫̅‬ ‫̅‬ ‫الكبيرة فمنه طبقاً لنظرية النهاية المركزية السابقة فػمف‬ ‫كذلؾ ا ولكف لقيـ‬
‫قريباً مف التوزيع الطبيعي وبذلؾ يمكننا استخداـ نفس العالقة )‪ (20-6‬في حالة العينات الكبيرة‪.‬‬
‫توزيع المعاينة لمتبايف ‪:Sampling Distribution of The Variance‬‬

‫∑‬ ‫̅‬
‫مػزخوذة مػف مجتمػع متوسػطه‬ ‫هػو تبػايف عينػه عشػوائية حجمهػا‬ ‫إذا كػاف‬
‫فمف ‪:‬‬ ‫وعزمه الرابع حوؿ المتوسط هو‬ ‫وتباينه‬
‫وبالتالي فمف ‪:‬‬ ‫‪Type equation here.‬‬ ‫واذا كاف المجتمع طبيعي فمف‬
‫(‬ ‫)‬ ‫‪.‬‬
‫‪- 183 -‬‬

‫ال تتوزع توزيعا طبيعيا حتى ولو كاف المجتمع طبيعي ا ولكنه يتوزع توزيع قريب مف‬ ‫نالحظ هنا أف‬
‫‪ .‬أمػا إف كػاف المجتمػع األصػمي يخرػع لمتوزيػع الطبيعػي‬ ‫الكبيػرة‬ ‫التوزيع الطبيعي وذلؾ لقػيـ‬
‫أي أف ‪:‬‬ ‫يخرع لتوزيع يسمى توزيع مربع كاي ‪  2‬بعدد درجات حرية يساوي‬ ‫فمف المتغير‬
‫‪2‬‬
‫ويعتبر توزيع مربع كاي مف التوزيعات الهامة في اإلحصاء التطبيقي ودالة كثافته هي ‪:‬‬
‫هي عدد درجات الحريه لمتوزيع وتعتبر هي المعامؿ الوحيد له ويترح مف شكؿ الدالة أنها داله متصمة‬ ‫حيث‬
‫وتقع بزكممها فوؽ النصؼ الموجب لمحور السينات ا منحنى هذ الداله ير متماثؿ ويعتبػر مػف المنحنيػات موجبػة‬
‫‪ .‬وتكػػوف القيمػػة المتوقعػػة لهػػذا‬ ‫االلت ػواء ويقػػؿ الت ػواؤ (وبالتػػالي يقتػػرب مػػف التماثػػؿ) كمػػا زادت درجػػات الحريػػه‬
‫أي بمعنى أف ‪:‬‬ ‫و تباينه هو‬ ‫التوزيع هي‬
‫ا‬ ‫مس ػ ػػحوبة م ػ ػػف مجتم ػ ػػع طبيع ػ ػػي‬ ‫ه ػ ػػو تب ػ ػػايف عين ػ ػػه عشػ ػ ػوائية حجمه ػ ػػا‬ ‫ف ػ ػػمذا ك ػ ػػاف‬
‫ومسػػحوبة مػػف مجتمػػع طبيعػػي آخػػر‬ ‫( هػػو تبػػايف عينػػه عشػوائية أخػػرى حجمهػػا‬ ‫وكػػاف)‬
‫وكانت العينتاف مستقمتاف فمف المتغير‪:‬‬
‫‪⁄‬‬
‫‪⁄‬‬
‫و دال ػػة الكثاف ػػة‬ ‫و‬ ‫ب ػػدرجتي الحري ػػه‬ ‫تس ػػمى بتوزي ػػع‬ ‫حي ػػث أف‬
‫تعطى بالصورة‪:‬‬ ‫بدرجتي الحريه‬ ‫الذي يخرع لتوزيع‬ ‫اإلحتماليه لممتغير‬
‫‪- 184 -‬‬

‫وكما يترح مف الداله في )‪ (20-13‬أف المنحنى يقع بالكامؿ في النصؼ الموجب لمحور السينات كمػا فػي‬
‫حالػػة توزيػػع ‪  2‬ا وهػػو أير ػاً يػػر متماثػػؿ وموجػػب االلت ػواء ولكػػف يقتػػرب مػػف التماثػػؿ كممػػا زادت درجػػات الحريػػه‬
‫‪.‬‬
‫ذكرنا سابقاً أنه إذا كاف ‪ X‬هو المتوسط الحسابي لعينه حجمها ‪ n‬مزخوذة مف مجتمع طبيعي بالمعامالت‬
‫فمف ‪:‬‬
‫√‬ ‫̅‬
‫ير معمومة فمننا نستخدـ بدال منهػا االنحػراؼ‬ ‫معمومة ا ولكف في حالة ما إذا كانت قيمة‬ ‫هذا إذا كانت‬
‫√‬ ‫̅‬
‫يخر ػػع لتوزي ػػع يع ػػرؼ بتوزي ػػع‬ ‫ولك ػػف ف ػػي ه ػػذ الحال ػػة يص ػػبح المتغي ػػر‬ ‫المعي ػػاري لمعين ػػة‬
‫ا أي أف ‪:‬‬ ‫بدرجات حريه‬ ‫ستيودنت‬
‫√‬ ‫̅‬
‫تعطي بالصورة‪:‬‬ ‫بدرجات حريه‬ ‫دالة الكثافة لتوزيع‬
‫(‬ ‫)‬
‫ولكنه أقػؿ تحػدباً مػف‬ ‫وهو يشبه في ذلؾ المنحنى الطبيعي القياسي‬ ‫وهو توزيع متماثؿ حوؿ محور‬
‫التوزيع الطبيعي القياسي ولكنه يقترب مف التوزيع الطبيعي كمما زادت درجات الحريه‪.‬‬
‫واذا كاف ‪ X 2‬و ‪ S 12‬همػا المتوسػط الحسػابي والتبػايف لعينػه حجمهػا ‪ n1‬مػزخوذة مػف مجتمػع طبيعػي متوسػط هػو ‪ 1‬‬
‫وكػػاف ‪ X 2‬و ‪ S 22‬همػػا المتوسػػط الحسػػابي والتبػػايف لعينػػه أخػػرى حجمهػػا ‪ n 2‬ومػػزخوذة مػػف مجتمػػع طبيعػػي آخػػر لػػه‬
‫المتوسط ‪  2‬وكانت العينتاف مستقمتاف فمف المتغير‪:‬‬
‫̅‬ ‫̅‬
‫√‬
‫حيث أف ‪:‬‬
‫يسمى بالتبايف المشترؾ لمعينتيف ‪.The Pooled Variance‬‬
‫‪- 185 -‬‬

‫‪Arabic References‬‬ ‫‪ :‬المصادر العربية‬
‫‪ .1‬عػػدناف شػػهاب حمػػد ومهػػدي محسػػف اسػػماعيؿ (‪ :)2001‬اسػػاليب المعاينػػة فػػي ميػػداف التطبيػػؽ ‪ ,‬المعهػػد‬
‫العربي لمتدريب والبحوث االحصائية ‪ ,‬بغداد‪.‬‬
‫‪ .2‬عماد صاب عبابنة وسالـ عيسى بدر (‪ :)2007‬مبادئ االحصاء الوصفي واالستداللي ‪ ,‬الطبعة االولى‬
‫‪ ,‬دار المسيرة لمنشر والتوزيع والطباعة ‪ ,‬عماف ‪.‬‬
‫‪ .3‬عب ػػدالرحمف محم ػػد اب ػػو عم ػػه وآخ ػػروف (‪ :)1995‬مقدم ػػة ف ػػي المعاين ػػة االحص ػػائية ‪ ,‬دار المػ ػريأ لمنش ػػر‪,‬‬
‫الرياض ‪.‬‬
‫‪ .4‬سبيغؿ‪ ,‬موراي (‪ , )2001‬االحصاء واالحتماؿ‪ ,‬اكاديميا لمنشر والطباعة ‪ 420,‬ص‬
‫‪:‬المصادر االنكميزية ‪English References‬‬
‫‪1. Spiegel, R. Murray (1972): Theory and Problems of Statistics, Schaums‬‬
‫‪Outline Series, McGraw-Hill Company.P422.‬‬
‫‪2. Pearson, E. S. and Kendal, Sir M. (Editors) (1978) “ Studies in The History of‬‬
‫‪Statistics and Probability”,Vol. I, Charles Griffin , London.‬‬
‫‪3. Wikipedia, the free encyclopedia Web site: http://en.wikipedia.org/ .‬‬
‫ ﺳﻼم ﺣﺳﯾن اﻟﮭﻼﻟﻲ‬.‫ﻣﻊ ﺗﺣﯾﺎت د‬
salamalhelali@yahoo.com
30TU https://www.facebook.com/salam.alhelali
https://www.facebook.com/groups/
/Biothesis
https://www.researchgate.net/profile/
/Salam_Ewaid
07807137614
U30T

امثلة وحلول واضحة

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

امثلة وحلول واضحة

Uploaded by

Copyright:

Available Formats

‫رقم االيداع في دار الكتب والوثائق ببغداد‬

‫(‪ )1051‬لسنة ‪2015‬‬

‫𝟖𝟐‬ ‫َوأحبطَ بِمب نَ َديّهم َوأحص ٌى ُك َّم َ‬

‫رقـ الصفحة‬ ‫التفاصيؿ‬

‫‪I‬‬ ‫مقدمة الكتاب‬

‫الباب االوؿ ‪ /‬االحصاء الوصفي‬

‫‪1‬‬ ‫مفهوـ االحصاء والرموز االحصائية‬ ‫الفصؿ االوؿ‬

‫‪8‬‬ ‫التوزيع التكراري لمبيانات‬ ‫الفصؿ الثاني‬

‫‪27‬‬ ‫المنحني التكراري‬ ‫الفصؿ الثالث‬

‫‪39‬‬ ‫مقاييس النزعة المركزية او مقاييس التمركز‬ ‫الفصؿ الرابع‬

‫‪58‬‬ ‫مقاييس االلتواء والتفمطح‬ ‫الفصؿ الخامس‬

‫‪69‬‬ ‫مقاييس التشتت او االختالؼ‬ ‫الفصؿ السادس‬

‫‪84‬‬ ‫القطاعات الدائرية‬ ‫الفصؿ السابع‬

‫الباب الثاني ‪ /‬االحصاء االستداللي‬

‫‪88‬‬ ‫نظرية االحتماؿ‬ ‫الفصؿ الثامف‬

‫‪101‬‬ ‫التباديؿ‬ ‫الفصؿ التاسع‬

‫‪106‬‬ ‫التوافيؽ‬ ‫الفصؿ العاشر‬

‫‪112‬‬ ‫التوزيعات االحتمالية‬ ‫الفصؿ الحادي عشر‬

‫‪124‬‬ ‫نظرية ذي الحديف‬ ‫الفصؿ الثاني عشر‬

‫‪134‬‬ ‫االحتماؿ الشرطي‬ ‫الفصؿ الثالث عشر‬

‫‪139‬‬ ‫التوزيع البوسواني‬ ‫الفصؿ الرابع عشر‬

‫الباب الثالث ‪ /‬معامؿ االرتباط ومخطط االنتشار‬

‫‪140‬‬ ‫معامؿ االرتباط‬ ‫الفصؿ الخامس عشر‬

‫‪153‬‬ ‫مخطط االنتشار وخط االنحدار‬ ‫الفصؿ السادس عشر‬

‫‪167‬‬ ‫المقدمة‬ ‫الفصؿ السابع عشر‬

‫‪171‬‬ ‫البيانات والمتغيرات‬ ‫الفصؿ الثامف عشر‬

‫‪176‬‬ ‫طرؽ او اسموب جمع البيانات‬ ‫الفصؿ التاسع عشر‬

‫‪181‬‬ ‫المعممة واالحصائية‬ ‫الفصؿ العشروف‬

‫∑ الذي يمثؿ مجموع قيـ النماذج المطموبة‪.‬‬ ‫واحيانا يكتب لمسهولة‬

‫وهذا يعني اف ‪:‬‬

‫يرمز الى مربع مجموع النماذج او المتغيرات بالرمز ‪-:‬‬

‫وهذا يعني اف ‪-:‬‬

‫وهذا يعني اف ‪-:‬‬

‫∑( وتساوي‪-:‬‬ ‫∑‬ ‫يرمز الى حاصؿ ررب مجموعتيف مف النماذج‬

‫اذا كانت )‪ (C‬اي عدد ثابت فاف‪:‬‬

‫يرمز الى مجموع حاصؿ قسمة عدديف يساوي ‪-:‬‬

‫‪ X , y‬وكما يمي‪-:‬‬ ‫‪ .2‬اذا كاف لدينا قيـ كؿ مف النموذجيف‬

‫∑ ‪C.‬‬ ‫∑‬ ‫∑‬ ‫∑‬ ‫∑‬

‫‪ .B‬طوؿ الفئة = الحد االعمى – الحد االدنى ‪1+‬‬

‫‪ .1‬مركز الفئة أو متوسط الفئة )‪: (Class Midpoint‬‬

‫الحد االدنى لمفئة‬ ‫الحد االعمى لمفئة‬

‫مركز الفئة مف المثاؿ السابؽ =‬

‫‪ .4‬حساب طوؿ الفئة الذي يساوي ‪:‬‬

‫جدوؿ (‪ )3-2‬جدوؿ تكراري مركب‬

‫‪30‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪20‬‬ ‫‪140 – 121‬‬

‫‪52‬‬ ‫‪10‬‬ ‫‪40‬‬ ‫‪2‬‬ ‫‪160 – 141‬‬

‫‪18‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪180 – 161‬‬

‫‪100‬‬ ‫‪24‬‬ ‫‪52‬‬ ‫‪24‬‬ ‫المجموع‬

‫التوزيع التكراري التجمعي (التصاعدي أو التنازلي) )‪:(Cumulative Frequency Distribution‬‬

‫ػداء مػػف تكػرار الفئػػة االولػػى‬

‫كما في الجدوؿ (‪:)4-2‬‬

‫جدوؿ (‪ )4-2‬جدوؿ تكراري تجمعي‬

‫‪Less than 62.5‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪100‬‬

‫‪Less than 65.5‬‬ ‫‪18‬‬ ‫‪23‬‬ ‫‪95‬‬

‫‪Less than 68.5‬‬ ‫‪42‬‬ ‫‪65‬‬ ‫‪77‬‬

‫‪Less than 71.5‬‬ ‫‪27‬‬ ‫‪92‬‬ ‫‪35‬‬

‫‪Less than 74.5‬‬ ‫‪8‬‬ ‫‪100‬‬ ‫‪8‬‬

‫المجموع الكمي‬ ‫‪100‬‬

‫التمثيؿ البياني الى قيـ التكرار التجمعي‪:‬‬

‫شكؿ (‪ )1-2‬منحني التكرار التجمعي الصاعد والنازؿ‬

‫التوزيع التكراري التجمعي النسبي ‪: Relative Cumulative Frequency Distribution‬‬

‫المدرج التكراري ‪: Histogram‬‬

‫شكؿ (‪ )2-2‬المدرج التكراري‬

‫صفر كذلؾ لغرض مؽ المرمع التكراري‪ ,‬كما في الشكؿ (‪:)3-2‬‬