‫ملحق ‪1‬‬

‫*استراتيجيه ‪ 5‬نقاط ماك ماستر‬

‫عرف ‪:‬‬ ‫‪.1‬‬
‫تعرف على االهداف الغير معروفه أو معلنه‪.‬‬ ‫أ‪.‬‬
‫اعزل النظام و حدد المعروف و الغير معروف ( المدخالت ‪,‬القوانين ‪ ,‬االفتراضات ‪ ,‬المعايير و‬ ‫ب‪.‬‬
‫القيود) الواردة بالمساله‪.‬‬
‫ادرج قائمه بالقيود الظاهرة و المعايير المخمته‪.‬‬ ‫ت‪.‬‬
‫تعرف على المعايير الوارد‪.‬‬ ‫ث‪.‬‬

‫إكتشف‪:‬‬ ‫‪.2‬‬
‫تعرف على العالقات وثيقه الصله المؤقته ضمن المدخالت‪ 9‬و المخرجات و الغيرمعروفه‪.‬‬ ‫أ‪.‬‬
‫استدعى المسائل السابقه ذات عالقه او خبره او نظريات ذات صله و االساسيات‪.‬‬ ‫ب‪.‬‬
‫افترض ‪ ,‬تخيل‪ ,‬كون مثاال ‪ ,‬عمم‪.‬‬ ‫ت‪.‬‬
‫اكتشف ماذا تكون المسأله الحقيقيه و القيزد الفعليه ‪.‬‬ ‫ث‪.‬‬
‫ضع بعين االعتبار كال من اآلثار قصيره األمد و طويله األمد‪.‬‬ ‫ج‪.‬‬
‫تطوير استراتيجيات‬
‫حدد معايير ذات مغزى‪.‬‬ ‫ح‪.‬‬
‫اختار مجموعه من الشروط االساسيه‪ 9‬ومرجعيه‪.‬‬ ‫خ‪.‬‬
‫اجمع المعلومات والمصادر او البيانات المفقودة‪.‬‬ ‫د‪.‬‬
‫خمن االجابه او النتيجه‪.‬‬ ‫ذ‪.‬‬
‫بسط المسأله لتحصل نتيجه ترتيب مقدار ‪.‬‬ ‫ر‪.‬‬
‫إذا لم تتمكن من حل المساله المقترحه‪ ,‬اوال حل بعض المسائل ذات صله او حل جزء من المسأله‪.‬‬ ‫ز‪.‬‬

‫خطط‪:‬‬ ‫‪.3‬‬
‫حدد نوع المسأله و اختار من بين تكتيكات االستدالل‪.‬‬ ‫أ‪.‬‬
‫إيجاد طرق بديله لتحقيق الهدف‪.‬‬ ‫ب‪.‬‬
‫ارسم إجراءات الحل ( الخوارزميه ) المستخدمه‪.‬‬ ‫ت‪.‬‬
‫جمع الموارد االزمه‪.‬‬ ‫ث‪.‬‬

‫نفذ‪:‬‬ ‫‪.4‬‬
‫أتبع االجراءات المقدمه فى مرحله الخطه‪.‬‬ ‫أ‪.‬‬
‫استخدم الموارد المتاحه‪.‬‬ ‫ب‪.‬‬
‫تفييم ومقارنه البدائل‪.‬‬ ‫ت‪.‬‬
‫استبعد البدائل التى ال تلبي االهداف او ال تفى بجميع القيود‪.‬‬ ‫ث‪.‬‬
‫حدد أفضل بديل من المتبقين‪.‬‬ ‫ج‪.‬‬

‫التأمل‪:‬‬ ‫‪.5‬‬
‫تأكد من ان الحل خالى من االخطاء‪.‬‬ ‫أ‪.‬‬
‫تحقق من إعتدال النتائج‪.‬‬ ‫ب‪.‬‬
‫تحقق من االجراءات و منطقيه االفتراضات‪.‬‬ ‫ت‪.‬‬
‫انقل النتائج‪.‬‬ ‫ث‪.‬‬
‫*وودز‪ ,‬دى‪.‬ار‪,.‬استراتيجيه لحل المسائل‪ ,‬التعديل الثالت‪ ,‬قسم هندسه كيميائيه‪ .‬جامعه‪ 9‬ماك ماستر ‪,‬هامليتون ‪,‬انتاريو‪ ;1985,‬كيميائى‬
‫مهندس تعليم‪,.‬ص ‪ 132‬صيف‪ 1979‬اليش ‪ )228( 79,‬سلسله ندوه ‪1979 ;1983‬‬
 ‫الملحق ‪2‬‬
‫رسم البيانات‬
‫في هذا الملحق ‪ ،‬نراجع تقنيات رسم البيانات وقياس المنحدرات على أنواع مختلفة من الرسوم البيانية‪ .‬بمساعدة العديد من حزم الكمبيوتر‬
‫ً‬
‫بسيطا تمامًا‪.‬‬ ‫المتاحة بسهولة ‪ ،‬يعد إنشاء الرسوم البيانية من البيانات أمرً ا‬
‫ستساعدك المادة االضافيه في هذا الملحق على فهم األنواع المختلفة من الرسوم البيانية وتمكنك من تحديد المعلمات‪ 9‬المهمة منها‪.‬‬
‫باإلضافة إلى ذلك ‪ ،‬نقوم بمراجعة بعض األساليب اإلحصائية المتاحة لتحليل البيانات التجريبية‪.‬‬

‫م‪ 1 .2‬الرسومات‪ 9‬الخطية‬

‫أوالً ‪ ،‬دعنا نلقي نظرة سريعة على أساسيات إنشاء‪ 9‬الرسم البياني وقياس االنحدار على الرسومات الخطية‪ .‬نموذج المعادالت‬
‫م‪) 1-‬‬ ‫(‬ ‫‪y=mx+b‬‬

‫بالطبع ‪ً ،‬‬
‫خطا مستقيمًا عند رسمها على محاور خطية‪ .‬انظر مثااًل حيث نضع ‪ 100‬دوالر في البنك في حساب بسيط يحمل فائدة‬
‫لمدة خمس سنوات‪ .‬يظهر أدناه رسم بياني لمبلغ المال في الحساب في نهاية كل عام‪.‬‬

‫لتحديد ميل الخط المستقيم على التمثيل البياني ‪ ،‬يمكننا المتابعة بطريقتين‪.‬‬

‫الطريقة األولى ‪ -‬القياس المباشر‬

‫يمكننا قياس ‪∆ x‬و ‪ ∆ y‬فعليًا باستخدام المسطرة ‪ ،‬ثم باستخدام المقياس الخطي للرسم البياني ‪ ،‬نحدد ميل الخط المستقيم‪ .‬في هذا المثال ‪،‬‬
‫افترض أن مم ‪ ∆ x=34‬و مم ‪ . ∆ y =20‬المقياس الخطي للمحور ‪ y−axis‬ف هو ‪ 12.50‬دوالرً ا أمريكيًا ‪ /‬مم وللمحور‬
‫السيني يكون (عام واحد) ‪ 11( /‬مم)‪ .‬لذلك‪،‬‬

‫‪∆ Money =( 20 mm ) ( $ 12.50 /mm )=$ 250‬‬

 ‫‪∆ Time=( 34 mm )( 1 yr ) /(11 mm)=3.1 yrs‬‬
‫‪∆ Money $ 250‬‬
‫=‪Slope‬‬ ‫=‬ ‫‪=$ 81/ yr‬‬
‫‪∆ Time 3.1 yr‬‬
‫تقاطع(‪)1000$‬مباشره مع الرسم البيانى فى الوقت ‪. t=0‬بينما تعمل هذه الطريقه‪ ،‬فهي بدائية إلى حد ما ودقتها محدودة بسبب دقة‬

‫أجهزة القياس المستخدمة‪9.‬‬

‫الطريقة الثانية ‪ -‬الحساب المباشر من النقاط على الخط‬

‫اختر نقطتين تقعان على الخط‪ .‬لن تكون هذه النقاط بالضرورة نقاط بيانات إذا كانت البيانات مبعثرة‪.‬‬
‫نقطه ‪) 1100 , 1.23 ( :1‬‬
‫نقطه ‪)1350 , 4.32 ( : 2‬‬
‫‪∆ Money 1350−1100‬‬
‫=‪Slope‬‬ ‫=‬ ‫‪=$ 80.9/ yr‬‬
‫‪∆ Time‬‬ ‫‪4.32−123‬‬

‫يمكن تحديد التقاطع من أي نقطتين باستخدام الميل المحسوب ومعادلة الخط ( ‪b , b = + )1.23()80.9( = 1100 ، y=mx+b‬‬
‫‪ ) 1000‬كما ترى ‪ ،‬هناك اختالف طفيف في قيم المنحدرات المحسوبة باستخدام طريقتين مختلفتين‪ .‬يمكن أن يُعزى هذا االختالف إلى‬
‫الدقة التي يمكن بها قراءة قيم النقاط من الرسوم البيانية ودقة القياسات في الطريقة األولى‪.‬‬
‫تتوفر العديد من حزم الكمبيوتر التي يمكنها تحديد معادلة "أفضل" خط مستقيم من خالل نقاط البيانات‪ .‬تستخدم هذه البرامج تقنية‬
‫إحصائية تسمى تحليل االنحدار (أو المربعات الصغرى)‪ .‬ينتج عن تحليل االنحدار للبيانات أعاله المعادلة التالية للخط "األفضل" عبر‬
‫نقاط البيانات‪:‬‬

‫‪Money ( $ )=[ $ 81/ yr ] [Time ( yrs ) ]+1000‬‬

‫‪y=m x+ b‬‬
‫جدا من القيم المحددة مسب ًقا‪.‬‬
‫الحظ أن القيم المحددة بهذه الطريقة قريبة ً‬

‫م‪ 2.2‬مخطط لوغارتم‪-‬لوغارتم‬

‫عندما يكون كال المحورين لوغاريتم ًي ا ‪ ،‬فإن الرسم البياني يسمى الرسم البياني لوغاريتمي‪ ..‬يتم استخدام الرسم البياني لسجل الدخول‬
‫للبيانات عندما يكون متغير إعتمادى (على سبيل المثال‪ ) u ,‬متناسبًا مع المتغير المستقل (على سبيل المثال ‪ ) v ,‬مرفو ًعا لألس ‪: m‬‬
 ‫‪m‬‬
‫)م‪(2-‬‬ ‫‪u=Bv‬‬
‫في العديد من التطبيقات الهندسية ‪ ،‬من الضروري تحديد أفضل قيم ‪ m‬و ‪ B‬لمجموعة من القياسات التجريبية على ‪ u‬و ‪ . v‬واحدة من‬
‫أسهل الطرق ألداء هذه المهمة هي استخدام اللوغاريتمات في المعادلة م‪ .2-‬إذا أخذنا اللوغاريتمات لطرفي المعادلة ‪ ،‬نحصل على‬
‫(م‪)3-‬‬ ‫‪log u=m log v+ log B‬‬

‫االن ‪ ,‬إذا سمحنا‬

‫‪y=log u‬‬
‫‪x=log v‬‬
‫‪b=log B‬‬
‫من ثم المعادله (م‪ )3-‬ستصبح ‪:‬‬
‫(م‪)4-‬‬ ‫‪y=mx+b‬‬

‫يمكننا اآلن أن نرى بوضوح أن المعادلة (م‪ )2-‬قد تم تحويلها بحيث الرسم اللوغارتيمى )‪ log u (y‬مقابل ‪log v‬‬
‫)‪ً (x‬‬
‫خطا مستقيمًا بميل ‪ m‬وتقاطع ‪ .log B‬غالبًا ما تتبع بيانات معدل التفاعل عالقة لوغارتم‪-‬لوغارتم‪ .‬مع وضع‬ ‫!!غير خطيه تماما ً‬
‫في االعتبار‬
‫بيانات معدل رد الفعل التالية‪:‬‬

‫التركيز ‪)m3gmoles /d ( C A‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬

‫‪3‬‬
‫معدل رد الفعل ( ‪)m / hr gmoles /d‬‬ ‫‪3‬‬ ‫‪12‬‬ ‫‪27‬‬ ‫‪48‬‬

‫إذا افترضنا أن مخطط لوغارتم‪-‬لوغارتم (المعادلة(م‪ ))2-‬مناسب‪ 9‬هنا ‪ ،‬فيمكننا رسم هذه البيانات لتحديد ‪ m‬و ‪ .B‬هناك طريقتان يمكننا‬
‫تنفيذهم‪ .‬يمكننا أن نأخذ لوغاريتمات البيانات يدويًا ونرسمها‪ ، 9‬أو يمكننا استخدام إحداثيات لوغارتم‪-‬لوغارتم وترك الرسم البياني يقوم‬
‫بالعمل‪ .‬سنقوم بتوضيح كلتا الطريقتين‪.‬‬

‫الطريقة األولى‪ :‬أخذ اللوغاريتمات يدو ًيا (ملحوظه ‪ log ¿ log 10‬في هذا المثال)‬
‫(التركيز) ‪log‬‬ ‫‪0‬‬ ‫‪0.301‬‬ ‫‪0.477‬‬ ‫‪0.602‬‬
‫(معدل رد الفعل) ‪log‬‬ ‫‪0.478‬‬ ‫‪1.08‬‬ ‫‪1.43‬‬ ‫‪1.68‬‬

‫اآلن نرسم هذه النقاط على ورقة خطية‪ .‬من المهم ج ًدا أن تتذكر أنه إذا كنت تأخذ ‪ log‬يدويًا ‪ ،‬فيجب عليك رسم النقاط على ورق خطي‬
‫وليس على ورق لوغارتم‪-‬لوغارتم (وإال ستصاب بلخبطه !)‪.‬‬
 ‫يمكننا اآلن تنفيذ تما ًم ا كما فعلنا في حالة الرسم الخطي البسيط لتحديد ميل الخط وتقاطعه وإيجاد معامالت‪ 9‬المعادلة (م‪ .)2-‬من الواضح‬
‫أن التقاطع ‪ ،‬ب ‪ ،‬هو ‪( 0.478‬من البيانات الجدولية)‪ .‬لنحدد الميل باستخدام نقطتين على الخط‪.‬‬

‫) ‪Point 1 : ( 0.38 , 1.2‬‬

‫)‪Point 2 : ( 0.18,0.8‬‬

‫‪1.2−0.8‬‬
‫= ‪Slope‬‬ ‫‪=m‬‬
‫‪0.38−0.18‬‬
‫و بما ان ‪b=0.478‬‬

‫‪b=log B=0.478‬‬
‫‪b‬‬ ‫‪0.478‬‬
‫‪B=10 =10‬‬ ‫‪=3‬‬
‫بالتالى ‪ ,‬فان المعادله الخط هى ‪:‬‬
‫‪m‬‬ ‫‪2‬‬
‫‪u=Bv =3 v‬‬
‫او من حيث التركيز و المعدل‬

‫‪Rate=3 C2A‬‬

‫الطريقة ‪ :2‬الرسم مباشرة على ورق مخطط لوغارتم‪-‬لوغارتم‪:‬‬

‫ً‬
‫بسيطا نسبيًا‪ .‬أنت فقط ترسم النقاط ‪ ،‬والمقاييس اللوغاريتمية على المحاور تأخذ‬ ‫يعد التخطيط مباشرة على ورق لوغارتم‪-‬لوغارتم أمرً ا‬
‫السجالت‪ 9‬نيابة عنك‪ .‬يتم رسم بيانات المعدل مقابل التركيز أدناه على محاور لوغارتم‪-‬لوغارتم‬
 ‫‪.‬‬

‫الحظ أننا حصلنا مرة أخرى على خط مستقيم‪ .‬هذه األنواع من المخططات ذات اخميه اكثر للقارئ‪ ،‬ألن النقاط التي يتم رسمها‪ 9‬تتوافق مع‬
‫القيم العددية الفعلية للبيانات ‪ ،‬وليس لوغاريتمات البيانات‪ .‬من الرسم‪ ،‬يمكن للقارئ أن يحدد على الفور أن قيمة التركيز المرتبطة بنقطة‬
‫البيانات الثانية هي ‪ . 2 gmole / dm3‬ال يتوفر هذا الحدس المادي عندما يتم رسم لوغاريتمات البيانات على مقياس خطي (على سبيل‬
‫المثال ‪ ،‬سنعرف أن لوغاريتم التركيز هو ‪ ، 0.303‬لكننا لن نعرف التركيز نفسه ‪ ،‬ما لم نتمكن من إجراء مقابالت اللوغاريثم في‬
‫رؤوسنا )‪ .‬فكيف نحدد االنحدار و "التقاطع" من هذا النوع من المخططات؟‪9‬‬
‫إذا كانت المعادلة (م‪ ) 3-‬معادلة صالحة للخط ‪ ،‬من ثم يجب أن تبقى ثابتة لكل نقطة على الخط‪ .‬نحصل على كتابة هذه المعادلة لنقطتين‬
‫عشوائيتين على الخط‬

‫‪Point 1‬‬ ‫‪log u1=log B+ mlog v 1‬‬

‫‪Point 2‬‬ ‫‪log u2=log B+ mlog v 2‬‬

‫إذا طرحنا معادلة النقطة ‪ 2‬من تلك الخاصة بالنقطة ‪ ، 1‬فسنحصل على تعبير يسمح لنا بحساب‪ 9‬ميل الخط على محاور اللوغاريتم‬
‫اللوغاريتم‪.‬‬

‫) ‪log u1−log u 2=m ( log v 1−log v 2‬‬

‫‪u1‬‬ ‫‪rate1‬‬
‫‪log‬‬ ‫‪log‬‬
‫‪u2‬‬ ‫‪rate2‬‬
‫=‪m‬‬ ‫=‪m‬على سبيل المثال او‬ ‫‪C A1‬‬
‫‪v‬‬
‫‪log 1‬‬ ‫‪log‬‬
‫‪v2‬‬ ‫‪C A2‬‬

‫بمجرد تحديد قيمة ‪ ، m‬يمكن العثور على ‪ B‬عن طريق استبدال القيم‬

‫المناسبة ألي نقطة مرة أخرى في المعادلة (م‪.)5-‬‬

 ‫على هذا المثال‪:‬‬
‫‪48‬‬
‫‪log‬‬
‫‪3 1.204‬‬
‫=‪m‬‬ ‫=‬
‫‪4 0.602‬‬
‫‪=2‬‬
‫‪log‬‬
‫‪1‬‬
‫‪log B=log 48−2 log 4=0.477‬‬

‫‪B=3‬‬
‫الحظ أن هذه هي نفس النتيجة التي توصلنا إليها ساب ًقا ‪ ،‬كما ينبغي أن تكون‪.‬‬
‫يمكننا أي ً‬
‫ض ا تحديد ميل الخط على محاور اللوغاريتم اللوغاريتم باستخدام تقنية القياس المباشر ‪ ،‬كما تمت مناقشته‪ 9‬في القسم الخاص‬
‫بالمخططات الخطية‪ .‬مع توفر حزم الرسوم البيانية للكمبيوتر ‪ ،‬ال يتم استخدام هذه الطريقة كثيرً ا ‪ ،‬لكننا نقوم بتضمينها هنا للتأكد من‬
‫اكتمالها‪ .‬لقياس المنحدر مباشرة باستخدام مسطرة أو أداة مماثلة ‪ ،‬سنختار نقطتين على الخط ‪ ،‬ونقيس ‪ Ax‬و ‪ Ay‬وطول الدورة ‪cycle‬‬
‫‪ length‬في كال االتجاهين ونتابع على النحو التالي‪.‬‬

‫‪∆ y =2.55 cm‬‬

‫‪Cycle length in the y-direction = 3.6 cm/cycle‬‬ ‫طول دورة الطول فى اتجاه محور ‪y‬‬

‫‪∆ x=1.55 cm‬‬

‫‪Cycle length in the x-direction = 4.35 cm/cycle‬‬ ‫طول دورة الطول فى اتجاه محور ‪x‬‬

‫‪2.55 cm‬‬
‫=‪∆ y‬‬
‫‪3.6 cm/ cycle‬‬ ‫‪∆ x 2.55∗4.35‬‬
‫=‬ ‫‪=2.0‬‬
‫‪1.55 cm‬‬ ‫‪∆ y 1.55∗3.60‬‬
‫=‪∆ x‬‬
‫‪4.35 cm/cycle‬‬
‫لذلك ‪,‬‬
 2
y=bx
 ‫وباستخدام النقطة ( ‪ ، )x = 1 y = 3‬يمكننا تحديد قيمة ‪: b‬‬

‫¿ ‪3=b‬‬

‫‪y=3 x 2‬‬
‫‪2‬‬
‫‪C Arate=3‬‬
‫مرة أخرى ‪ ،‬هذه هي نفس النتيجة التي حصلنا عليها ساب ًقا‪.‬‬

‫م‪ 3 . 2‬مخططات شبه لوغاريتميه‪:‬‬

‫يجب استخدام المخططات‪ 9‬نصف لوغاريتمي (شبه اللوغاريتمية) مع معادالت‪ 9‬النمو األسي أو االضمحالل بالشكل‬

‫‪y=b emx‬‬ ‫أو‬ ‫¿ ‪y=b‬‬ ‫)م‪(6-‬‬

‫لتحديد المعامالت‪ b ، 9‬و ‪ ، m‬نأخذ لوغاريتمات من كال طرفي المعادلة(م‪)6-‬و سنستخدم الصيغة "‪ "e‬للمعادلة واللوغاريتمات الطبيعية (‬
‫‪ ، ) ln‬على الرغم من أن النتيجة هي نفسها بنسبة للصيغة األخرى للمعادلة باستخدام اللوغاريتمات المشتركة (األساس‪.) 10‬‬

‫¿ ‪ln ( y )=¿ ln b+ln mx‬‬ ‫)م‪(7-‬‬

‫عند فحص المعادلة (م‪ ،)7-‬نرى أن مخطط ‪ lny‬مقابل ‪ x‬يجب أن يكون ً‬

‫خطا مستقيمًا بميل ‪ m‬وتقاطع ‪ .b‬إذا قمنا بإيداع ‪ 100‬دوالر في‬
‫حساب بنكي يجمع الفائدة المركبة بشكل مستمر (قدر كبير!) ‪ ،‬ثم حددنا مبلغ المال في الحساب في نهاية كل عام للسنوات العشر األولى ‪،‬‬
‫نحصل على الرسم البياني التالي‪:‬‬

‫الحظ أننا قمنا برسم البيانات (لكل عام آخر) مباشرة على ورق شبه لوغاريتمى‪ .‬كان بإمكاننا أخذ اللوغاريتمات يدويًا ورسم البيانات على‬
‫الورق الخطي كما تمت مناقشته ساب ًق ا ‪ ،‬ولكن استخدام محاور شبه لوغاريتمى أسهل‪ .‬نعرض طريقتين لتحديد معامالت المعادلة (م‪)6-‬‬
‫من مخططات شبه لوغاريتميه‬
 ‫الطريقة ‪ :1‬طرق جبرية‪:‬‬
‫ارسم أفضل خط مستقيم من خالل نقاط البيانات الخاصة بك‪ .‬اختر نقطتين على هذا الخط وحدد قيمتي ‪ x‬و ‪ y‬لكل نقطة‪.‬‬

‫النقطة ‪ 8( :1‬سنوات ‪ 223 ،‬دوالرً ا)‬

‫النقطة ‪( :2‬سنتان ‪ 122 ،‬دوالرً ا)‬
‫الحظ أنه يمكننا كتابة المعادلة (م‪ )7-‬باستخدام النقطتين وإيجاد الميل‪.‬‬

‫¿ ¿ ‪ln ( y ¿¿1)=¿ ln b+m x 1‬‬

‫¿ ¿ ‪ln ( y ¿¿ 2)=¿ ln b+m x 2‬‬

‫¿⁡ ‪ln‬‬
‫¿ ¿⁡ ‪m=ln‬‬

‫ومن الواضح أن قيمة ‪ b‬هي قيمة ‪ y‬للخط في الوقت ‪ ، t = 0‬أي تكون ‪( 0.1‬‬ ‫باستبدال قيم النقاط المحددة ‪ ،‬نحصل على ¿ ¿⁡ ‪m=ln‬‬
‫‪ ، b = )0‬وبالتالي ‪b=100‬‬

‫المبلغ (دوالر)=)‪= )$(Amount $ 100 e0.1 Time ( yrs‬‬

‫الطريقة ‪ :2‬تقنية الرسوم البيانية‬

‫يمكن تعديل الطريقة الجبرية على الورق شبه اللوغاريتمي إذا قمنا بتمديد الخط "األفضل" الذي يمكننا رسمه بحيث يتغير متغير إعتمادى‬
‫‪y2‬‬
‫‪ ،‬هي ‪ 10‬ومعادلة ميل الخط هي فقط‪:‬‬ ‫‪ ، y ،‬بمعامل ‪ .10‬في هذه الحالة ‪ ،‬نسبة‬
‫‪y1‬‬
‫¿ ¿⁡ ‪m=ln‬‬

‫يمكن بعد ذلك تحديد التقاطع كما كان من قبل‪ .‬يشار إلى هذه التقنية باسم طريقة العقد‪ .‬يعد التحليل الدقيق للبيانات والتخطيط لها أدوات‬
‫مهمة في حل المشكالت‪ .‬باإلضافة إلى القدرة على حساب المنحدرات والتقاطعات‪ ، 9‬يجب أن نكون قادرين على التعامل مع "التشتت"‬
‫في البيانات‪ .‬القسم التالي يناقش هذا الموضوع‪.‬‬
 ‫م ‪ 4 . 2‬إنشاء حدود الثقة للبيانات‬

‫عادة ‪ ،‬البيانات التي نرغب في تحليلها هي نتائج نوع من التجارب‪ .‬غالبًا ما يكون هناك بعض "التشتت" أو التباين في البيانات‪.‬‬
‫إذا تم تكرار التجربة عدة مرات ‪ ،‬االحتمال االكبران النتائج تحمل بعض االختالف‪ .‬ترجع هذه االختالفات‪ 9‬إلى خطأ تجريبي ‪ ،‬ودقة األداة‬
‫‪ ،‬وتغيرالمواد ‪ ،‬وما إلى ذلك‪ .‬وتتمثل إحدى طرق التعامل مع هذا الموقف في إجراء العديد من العمليات التجريبية في ظل ظروف مماثلة‬
‫ومتوسط النتائج‪.‬‬

‫بشكل حدسي ‪ ،‬ندرك أنه كلما زاد عدد عمليات التشغيل التي نقوم بها ‪ ،‬كلما اقترب متوسط تجاربنا من المتوسط الحقيقي للظروف‬
‫التجريبية قيد الدراسة‪ .‬في الواقع ‪ ،‬إذا أجرينا عد ًد ا ال حصر له من التكرارات ‪ ،‬فإننا نتوقع الحصول على المتوسط الحقيقي نتيجة لهذا‬
‫العمل الشاق‪ .‬نظرً ا ألننا ال نستطيع تحمل إجراء عدد ال حصر له من التجارب لتحديد المتوسط الحقيقي لهذه التجارب (‪ = µ‬الوسط‬
‫الحقيقي) ‪ ،‬فإننا نود أن يكون لدينا طريقة لتقديرها من عدد محدود من العينات‪ .‬دعنا نحدد الكميات التالية‪:‬‬
‫‪ = μ‬المتوسط الحقيقي للتجارب (تعداد للعينه ) إذا تم إجراء على عدد كبير ً‬
‫جدا (∞)‬

‫‪ = n‬حجم العينة (عدد التجارب التي أجريناها بالفعل)‬

‫= ‪ x‬متوسط العينات ‪∑ x = n‬‬

‫‪n‬‬
‫االنحراف المعياري للعينات انتشار قيم العينة حول متوسط العينة‪ .‬كلما زاد االنحراف المعياري ‪ ،‬زاد تباين العينات‬

‫الفردية‪ .‬يمكننا تقدير االنحراف المعياري لجميع تعداد المجتمع (الذي قمنا بقياس عدد ‪ n‬من العينات منه) باستخدام المعادلة (م‪:)8-‬‬

‫=) ‪S ( x‬‬
‫√‬ ‫‪∑ x 2−n x 2‬‬
‫‪n−1‬‬
‫(م‪)8-‬‬

‫الحظ أنه لتحديد االنحراف المعياري الحقيقي (‪ )σ‬لجميع تعداد العينه ‪ ،‬يجب أن نعرف ‪ ،μ‬المتوسط الحقيقي (وهو ما ال نفعله)‪ .‬لذلك ‪،‬‬
‫فإننا نقدر االنحراف المعياري‪.‬‬

‫كمثال للتوزيع ‪ ،‬ضع في اعتبارك ما يلي‪ .‬يمكننا جمع بعض البيانات المتعلقة بطول الفترة الزمنية التي تتجاوز درجة البكالوريوس التي‬

‫يستغرقها طالب في جامعة‪ Frostbite Falls 9‬إلكمال درجة الدكتوراه ‪ ..‬إذا رسمنا البيانات ‪ ،‬فقد يبدو مثل الشكل التالي‪.‬‬
 ‫متوسط‬
‫الوقت للحصول على الدكتوراه‪ .‬خمس سنوات ‪ ،‬ومن الواضح أن هناك توزيع حول المتوسط ‪ ،‬وهو أمر متوقع‪ .‬ال يستغرق أي‬
‫طالب تقري ًب ا أقل من عامين أو أكثر من ثماني سنوات‪ .‬اتساع هذا "التوزيع" مرتبط باالنحراف المعياري‪.‬‬

‫إذا رسمنا عدة عينات مختلفة من الحجم ‪ n‬من المجتمع بأكمله ‪ ،‬وحسبنا المتوسط لكل منها ‪ ،‬فسنحصل على األرجح على متوسط مختلف‬
‫‪ x‬لكل عينة‪ .‬باإلضافة إلى ذلك ‪ ،‬من المحتمل أال تكون أي من هذه الوسائل مساوية للمتوسط الحقيقي لجميع المجتمع ‪ .μ ،‬بمعنى آخر ‪،‬‬
‫سوف نحصل على توزيع للوسائل المرتبطة بالمعنى الحقيقي ‪ . u‬يرتبط تباين هذه الوسائل بتغير مجتمع العينه بالكامل (أي االنحراف‬
‫المعياري)‪.‬‬

‫مجموع السكان‬
‫‪ = µ‬المتوسط الحقيقي‬

‫العينه‬
‫العينه‬ ‫حجم‪n = 9‬‬
‫حجم‪n = 9‬‬
‫=متوسط‬
‫=متوسط‬
‫العينه‬ ‫العينه‬
‫حجم‪n = 9‬‬ ‫حجم‪n = 9‬‬
‫=متوسط‬ ‫=متوسط‬
 ‫لنفترض أن ‪ x ¿(S‬تمثل االنحراف المعياري المقدر لمتوسط حجم عينات ‪ n‬المستمدة من المجتمع بأكمله والتي لها انحراف معياري‬
‫مقدر ‪( x ¿(S‬الذي حسبناه ساب ًقا)‪.‬‬

‫ترتبط هذه الكميات‪ 9‬بالطريقة التالية‪:‬‬

‫=¿ ‪x‬‬
‫)‪S ( x‬‬
‫‪(S‬‬ ‫)م‪)9-‬‬
‫‪√n‬‬

‫الحظنا أن ‪ x‬هذ ا للمتوسط الحقيقي المقدر (‪ ( µ‬للتجارب‪ .‬ل كن ما مدى جودة التقدير؟ طريقة واحدة للتعبير عن هذه العالقة هي‬

‫)‪µ=x ±t S ( x‬‬ ‫(م ‪)10-‬‬

‫تنص هذه المعادلة على أن المتوسط الحقيقي يقع ضمن )‪ t S( x‬من المتوسط المقدر ‪. x ،‬‬

‫يتم حساب‪ 9‬الكمية ‪ t‬من ما يسمى بتوزيع ‪ t . t‬هي دالة من عاملين‪ :‬مستوى الثقة ودرجات الحرية‪ .‬درجات الحرية في سياقنا هي (‪)n-1‬‬

‫حيث ‪ n‬هو عدد التجارب التي يتم إجراؤها في ظل مجموعة معينة من الشروط‪ .‬لمجموعة من التجارب ‪ ،‬عدد درجات الحرية التي لدينا‬
‫لنمذجة البيانات هو ‪ ، n‬عدد مرات التشغيل‪ .‬في هذه الحالة ‪ ،‬استخدمنا درجة واحدة من الحرية لحساب‪ 9‬المتوسط‪.‬‬

‫وبالتالي ال يتبقى سوى (‪ ) n-1‬درجات الحرية المتبقية‪ .‬هناك طريقة أخرى للنظر إلى هذا وهي أنه يمكننا تحديد (‪ )n-1‬نقاط البيانات‬

‫بشكل مستقل ‪ ،‬ثم يتم إصالح القيمة ‪ ، n‬نظرً ا ألننا حددنا بالفعل القيمة المتوسطة لمجموعة البيانات‪ .‬يتم تعريف مستوى الثقة على أنه‬

‫احتمال أن يكون ‪ t‬أصغر من القيمة المجدولة‪ .‬يوجد أدناه مقتطف من جدول توزيع ‪:t‬‬

‫‪95%‬‬ ‫‪99%‬‬
‫درجات الحريه‬ ‫مستوى الثقه‬ ‫مستوى الثقه‬
‫‪1‬‬ ‫‪12.706‬‬ ‫‪63.657‬‬
‫‪2‬‬ ‫‪4.303‬‬ ‫‪9.925‬‬
‫‪3‬‬ ‫‪3.182‬‬ ‫‪5.841‬‬
‫‪4‬‬ ‫‪2.776‬‬ ‫‪4.604‬‬
‫‪5‬‬ ‫‪2.571‬‬ ‫‪4.032‬‬
‫‪6‬‬ ‫‪2.447‬‬ ‫‪3.707‬‬
‫‪7‬‬ ‫‪2.365‬‬ ‫‪3.499‬‬
‫‪8‬‬ ‫‪2.306‬‬ ‫‪3.55‬‬
 ‫‪9‬‬ ‫‪2.262‬‬ ‫‪3.250‬‬
‫‪10‬‬ ‫‪2.228‬‬ ‫‪3.169‬‬

‫في األساس ‪ ،‬سيخبرنا مستوى الثقة إلى أي مدى يمكن أن نكون متأكدين من أن متوسط نقاط البيانات الخاصة بنا سيكون ضمن النطاق‬
‫المحسوب‪ .‬على سبيل المثال ‪ ،‬بمستوى ثقة ‪ ، ٪95‬فإن الوسيلة ستكون ضمن النطاق في ‪ ٪95‬من الحاالت ‪ ،‬وخارج‬

‫النطاق في ‪ ٪5‬من الحاالت‪.‬‬