‫مرور آمار دهم‬

‫علم آمار‪ :‬مجموعه روشهایی است که شامل جمعآوری اعداد و ارقام‪ ،‬سازماندهی و نمایش‪ ،‬تحلیل و تفسیر دادهها و در نهایت نتیجهگیری‪،‬‬
‫قضاوت و پیشبینی درمورد آزمایشها و پدیدههای تصادفی میشود‪.‬‬

‫جامعه (جمعیت)‪ :‬مجموعه تمام افراد یا اشیائی که درباره یک یا چند ویژگی آنها تحقیق صورت میگیرد‪.‬‬

‫نمونه‪ :‬بخشی (زیر مجموعهای) از جامعه که برای مطالعه انتخاب میشود‪.‬‬

‫اندازه (حجم) نمونه‪ :‬تعداد اعضای نمونه‬ ‫اندازه (حجم) جامعه‪ :‬تعداد اعضای جامعه‬

‫متغیر‪ :‬ویژگیای از اعضای جامعه که مطالعه و بررسی میشود و معموالً از یک عضو به عضو دیگر تغییر میکند‪.‬‬

‫مثالً متغیرهای خودرو‪ ،‬رنگ‪ ،‬مصرف بنزین‪ ،‬حداکثر سرعت‪ ،‬حجم موتور و ‪ .....‬هستند‪.‬‬

‫متغیرهای یک دانش آموز‪ ،‬سن‪ ،‬نمره ریاضی‪ ،‬وزن‪ ،‬قد‪ ،‬گروه خونی و ‪ ......‬هستند‪.‬‬

‫متغیرهای هلو وزن‪ ،‬نوع‪ ،‬کیفیت و ‪ .......‬هستند‪.‬‬

‫مقدار متغیر‪ :‬عددی که به متغیر نسبت داده میشود‪.‬‬

‫انواع متغیر‬
‫متغیر کمّی‪ :‬قابل اندازه گیری مثل قد‪ ،‬وزن‪ ،‬نمره‪ ،‬تعداد فرزندان خانواده‪ ،‬مدت زمان‬

‫متغیر کیفی‪ :‬غیر قابل اندازهگیری مثل گروه خونی‪ ،‬قومیت‪ ،‬میزان رضایت از آشپزی‪ ،‬رنگ‪ ،‬نوع هلو‬

‫انواع متغیر کمّی‬

‫کمّی پیوسته‪ :‬اگر دو مقدار ‪ a,b‬را بگی رد‪ ،‬هر مقداری بین آن دو را نیز بتواند بگیرد‪ .‬مانند دما‪ ،‬وزن‪ ،‬قد‪ ،‬سرعت خودرو‪ ،‬میزان مصرف بنزین‬
‫خودرو‪ ،‬زمان رسیدن از خانه به مدرسه‪ ،‬میزان بارندگی‪ ،‬شاخص توده بدن و ‪......‬‬

‫کمّی گسسته‪ :‬اگر دو مقدار ‪ a,b‬را بگیرد‪ ،‬هر مقداری بین آن دو را نتواند بگیرد‪ .‬مانند تعداد فرزندان خانواده‪ ،‬تعداد سرنشینان خودرو‪ ،‬تعداد‬
‫درختان یک شهر و ‪......‬‬

‫انواع متغیر کیفی‬

‫کیفی ترتیبی‪ :‬دارای ترتیب طبیعی مانند سطح تحصیالت‪ ،‬دوران زندگی‪ ،‬میزان عالقه به کلهپاچه‪ ،‬کیفیت میوه‪ ،‬شدت آلودگی هوا (کم‪ ،‬متوسط‪،‬‬
‫زیاد) و ‪......‬‬

‫کیفی اسمی (غیر ترتیبی)‪ :‬فاقد ترتیب مانند گروه خون‪ ،‬جنسیت‪ ،‬نژاد‪ ،‬رنگ مو و ‪......‬‬

‫‪1‬‬
 ‫آمار توصیفی‬

‫درس اول‪ :‬توصیف و نمایش دادهها‬

‫مثال‪ :1‬دانشآموزی در طول تعطیالت نوروز‪ ،‬هر روز بخشی از وقت خود را به بازیهای رایانهای اختصاص داده است‪ .‬وی برای بررسی بیشتر مدت‬
‫زمان روزانه را به شرح زیر ثبت کرده است‪:‬‬

‫‪7 ،5 ،4 ،1 ،11 ،1، 3، 3، 6، 5، 9، 11‬‬

‫این دادهها را در جدول زیر دستهبندی کنید و نمودار میلهای و دایره آن را رسم کنید‪.‬‬

‫درصد فراوانی نسبی‬ ‫فراوانی نسبی‬ ‫فراوانی‬

‫کم ( کمتر مساوی ‪ 1‬ساعت)‬
‫متوسط (بین ‪ 1‬تا ‪ 4‬ساعت)‬
‫زیاد (بیش از ‪ 4‬ساعت)‬

‫نمودار میلهای‬ ‫نمودار دایرهای‬

‫‪8‬‬
‫کم‬
‫‪6‬‬
‫‪4‬‬ ‫متوسط‬

‫‪2‬‬ ‫زیاد‬
‫‪0‬‬
‫کم‬ ‫متوسط‬ ‫زیاد‬

‫فراوانی‪ :‬تعداد دفعات تکرار‬

‫فراوانی نسبی‪ :‬نسبت فراوانی به تعداد کل‬

‫درصد فراوانی نسبی‪ :‬فراوانی نسبی ضرب در صد‬

‫‪2‬‬
‫مثال‪ :1‬شاخص آلودگی هوای شهر تهران در بهمن ماه به شکل زیر بوده است‪ .‬جدول فراوانی و نمودارهای دایرهای و بافتنگاشت را رسم کنید‪.‬‬

‫شاخص کیفیت هوا‬ ‫تاریخ‬ ‫شاخص کیفیت هوا‬ ‫تاریخ‬ ‫شاخص کیفیت هوا‬ ‫تاریخ‬
‫‪149‬‬ ‫‪11‬‬ ‫‪97‬‬ ‫‪11‬‬ ‫‪71‬‬ ‫‪1‬‬
‫‪157‬‬ ‫‪11‬‬ ‫‪64‬‬ ‫‪11‬‬ ‫‪41‬‬ ‫‪1‬‬
‫‪67‬‬ ‫‪13‬‬ ‫‪77‬‬ ‫‪13‬‬ ‫‪53‬‬ ‫‪3‬‬
‫‪69‬‬ ‫‪14‬‬ ‫‪116‬‬ ‫‪14‬‬ ‫‪111‬‬ ‫‪4‬‬
‫‪76‬‬ ‫‪15‬‬ ‫‪135‬‬ ‫‪15‬‬ ‫‪115‬‬ ‫‪5‬‬
‫‪79‬‬ ‫‪16‬‬ ‫‪139‬‬ ‫‪16‬‬ ‫‪114‬‬ ‫‪6‬‬
‫‪74‬‬ ‫‪17‬‬ ‫‪151‬‬ ‫‪17‬‬ ‫‪153‬‬ ‫‪7‬‬
‫‪94‬‬ ‫‪17‬‬ ‫‪157‬‬ ‫‪17‬‬ ‫‪141‬‬ ‫‪7‬‬
‫‪119‬‬ ‫‪19‬‬ ‫‪196‬‬ ‫‪19‬‬ ‫‪91‬‬ ‫‪9‬‬
‫‪117‬‬ ‫‪31‬‬ ‫‪111‬‬ ‫‪11‬‬ ‫‪91‬‬ ‫‪11‬‬

‫فراوانی نسبی‬ ‫فراوانی‬ ‫کیفیت هوا‬

‫‪1‬‬ ‫پاک ‪ AQI  50‬‬
‫‪13‬‬ ‫سالم ‪50  AQI  100‬‬
‫ناسالم برای گروههای حساس‬
‫‪11‬‬
‫‪100  AQI  150‬‬
‫‪5‬‬ ‫ناسالم ‪150  AQI  200‬‬
‫‪1‬‬ ‫بسیار ناسالم ‪200  AQI  250‬‬

‫نمودار دایرهای‬

‫پاک‬
‫سالم‬
‫ناسالم حساس‬
‫ناسالم‬
‫بسیار ناسالم‬

‫‪3‬‬
 ‫نمودار میلهای‪ :‬شماره دسته (یا نام متغیر) را روی محور ‪x‬ها مشخص میکنیم و روی هر نقطه پارهخطی به ارتفاع فراوانی ( یا فراوانی نسبی)‬
‫رسم میکنیم‪ .‬این نمودار برای متغیر های کیفی و کمّی گسسته مناسب است‪.‬‬

‫نمودار دایرهای‪ :‬سهم هر دسته از ‪ 361‬درجه‪ ،‬متناسب با فراوانی آن دسته است‪.‬‬

‫‪‬‬
‫نمودار بافتنگاشت (هیستوگرام‪ ،‬مستطیلی)‪ :‬مشابه نمودار میلهای است با این تفاوت که نمودار بافتنگاشت برای داده های کمّی پیوسته‬
‫مناسب است ‪ .‬لذا روی محور طولها حدود دستهها درج میشود‪.‬‬

‫مثال‪ :3‬در انتخابات یک شهر ‪ 541111‬نفر شرکت کردهاند ‪ .‬اگر آنان را به ‪ 5‬گروه سنی تقسیم نموده و با نمودار دایرهای نشان دهیم‪ ،‬درصد‬
‫شرکت کنندگان در یک گروه سنی با زاویه ‪ 63‬درجه نشان داده میشود‪ .‬تعداد آنها چقدر است؟‬

‫مثال‪ :4‬جدول مقابل درصد فراوانی نسبی گروه خونی افراد یک جامعه است‪ .‬در نمودار دایرهای‪ ،‬زاویه سطح مربوط به گروه خونی ‪ O‬چند درجه‬
‫است؟‬
‫گروه خونی‬ ‫‪A‬‬ ‫‪B‬‬ ‫‪AB‬‬ ‫‪O‬‬

‫درصد فراوانی نسبی‬ ‫‪14‬‬ ‫‪11/5‬‬ ‫‪36‬‬ ‫‪‬‬

‫مثال‪ :5‬جدول زیر درصد دادههای اعداد حاصل از ‪ 51‬بار پرتاب یک تاس است‪ .‬چند بار عددی فرد ظاهر شدهاست؟‬

‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫عدد رو شده‬

‫‪16‬‬ ‫‪14‬‬ ‫‪11‬‬ ‫‪a‬‬ ‫‪11‬‬ ‫‪17‬‬ ‫درصد داده‬

‫‪4‬‬
 ‫مثال‪ :6‬با توجه به جدول فراوانی زیر‪ ،‬زاویه مربوط به بازه ]‪ [16,18‬در نمودار دایرهای چقدر است؟‬

‫درصد فراوانی نسبی‬ ‫فراوانی‬ ‫دستهها‬

‫‪15‬‬ ‫)‪[10,12‬‬
‫‪11‬‬ ‫)‪[12,14‬‬
‫‪17‬‬ ‫)‪[14,16‬‬
‫]‪[16,18‬‬
‫‪61‬‬ ‫مجموع‬

‫مثال‪ :7‬از دادههای آماری با نمودار بافتنگاشت مقابل‪ ،‬سه داده ‪14‬و‪16‬و‪ 16‬حذف شده است‪ .‬در نمودار دایرهای دادههای جدید‪ ،‬بزرگترین زاویه‬
‫چند درجه است؟‬

‫مثال‪ :7‬با توجه به نمودار میلهای روبرو‪ ،‬زاویه مربوط به دسته ‪ B‬در نمودار دایرهای را به دست آورید‪.‬‬

‫‪5‬‬
 ‫درس دوم‪ :‬معیارهای گرایش به مرکز‬

‫‪n‬‬
‫میانگین‬
‫‪x  x  ...  xn‬‬ ‫‪‬‬ ‫‪xi‬‬
‫میانگین ‪ n‬دادهی آماری ‪ x1, x2 ,..., xn‬برابر است با ‪:‬‬
‫‪x 1 2‬‬ ‫‪‬‬ ‫‪i 1‬‬

‫‪n‬‬ ‫‪n‬‬

‫مثال‪ : 9‬میانگین دادههای ‪ x1 , x2 ,..., x10‬برابر ‪ 5‬است‪ .‬میانگین دادههای ‪ x1 , x2 ,..., x10,16‬چقدر است؟‬

‫مثال‪ :11‬معدل نمرات ‪ 11‬درس دانشآموزی ‪ 17/3‬است‪ .‬پس از تقاضای تجدید نظر نمره درس شیمی او که ‪ 16‬بود به ‪ 17‬تغییر میکند‪ .‬معدل‬
‫واقعی این دانشآموز چقدر است؟‬

‫مثال‪ :11‬میانگین دادههای روبرو را محاسبه کنید‪ 11 .‬و ‪ 11‬و‪ 11‬و ‪ 11‬و ‪ 11‬و ‪ 11‬و ‪ 11‬و ‪ 11‬و ‪ 11‬و ‪ 14‬و ‪ 14‬و ‪ 14‬و ‪ 14‬و ‪ 14‬و‪ 14‬و ‪14‬‬

‫میانگین وزنی (موزون)‬

‫اگر دادههای ‪ x1 , x2 ,..., xn‬به ترتیب دارای فراوانیها (وزن‪،‬ضریب) ‪ w1 , w2 ,..., wn‬باشند‪ ،‬آنگاه میانگین آنها را باید به صورت وزنی و با کمک‬
‫رابطه زیر محاسبه کرد‪:‬‬

‫دادهها‬ ‫‪x1‬‬ ‫‪x2 ... xn‬‬

‫وزن یا ضریب‬ ‫‪w1‬‬ ‫‪w2 ... wn‬‬

‫‪n‬‬

‫‪x1w1  x2 w2  ...  xn wn ‬‬

‫‪xi wi‬‬
‫‪x‬‬ ‫‪ i 1n‬‬
‫‪w1  w2  ...  wn‬‬
‫‪w‬‬
‫‪i 1‬‬
‫‪i‬‬

‫‪6‬‬
 ‫مثال‪ :11‬درصدهای زیر نتیجهی دروس عمومی قنبر در کنکور سراسری میباشد‪ .‬با توجه به ضرایب ‪ ،‬میانگین درصدها را به دست آورید‪.‬‬

‫درسها‬ ‫ضریب‬ ‫درصد‬

‫ادبیات فارسی‬ ‫‪4‬‬ ‫‪65‬‬

‫عربی‬ ‫‪1‬‬ ‫‪51‬‬

‫دین و زندگی‬ ‫‪3‬‬ ‫‪71‬‬

‫زبان انگلیسی‬ ‫‪1‬‬ ‫‪31‬‬

‫مثال‪ :13‬اگر میانگین نمرات یک کالس ‪ 31‬نفری ‪ 11‬و میانگین یک کالس ‪ 11‬نفری ‪ 16‬باشد‪ ،‬میانگین نمرات این ‪ 51‬دانشآموز چقدر است؟‬

‫مثال‪ :14‬از یک کالس ‪ 17‬نفری‪ 4 ،‬نفر با نمرات ‪11‬و‪13‬و‪17‬و‪ 11‬خارج میشوند‪ .‬اگر میانگین نفرات باقیمانده با میانگین اولیه کالس برابر باشد‪،‬‬
‫میانگین کالس چقدر است؟‬

‫روش سریع محاسبه میانگین‪:‬‬

‫مثال‪ :15‬میانگین دادههای ‪ 171‬و ‪ 166‬و ‪ 161‬و ‪ 159‬و ‪ 167‬را به دست آورید‪.‬‬

‫مثال‪ :16‬اگر میانگین دادههای زیر برابر ‪ 17‬باشد‪ ،‬درصد فراوانی نسبی داده ‪ 11‬چقدر است؟‬

‫‪ 7 11 17 11 17‬داده‬

‫‪ 1‬فراوانی‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪a‬‬ ‫‪4‬‬

‫‪7‬‬
 ‫مثال‪ :17‬با توجه به نمودار فراوانی زیر‪ ،‬میانگین دادهها را به دست آورید‪.‬‬

‫مثال‪ :17‬میانگین دادههای جدول زیر را بدست آورید ‪.‬‬

‫دسته )‪[8,10] [6, 8) [4, 6) [2, 4‬‬

‫‪1‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫فراوانی ‪1‬‬

‫نكات تكمیلی‪:‬‬

‫‪ .1‬اگر دادهها تشکیل دنباله حسابی بدهند‪ ،‬میانگین آنها برابر میانگین جمله اول و آخر است‪.‬‬

‫اثبات‪:‬‬

‫‪n‬‬

‫‪‬‬‫‪i 1‬‬
‫‪( xi  x ) ‬‬ ‫‪ .1‬انحراف از میانگین‪ :‬مجموع تفاضل دادهها از میانگین برابر صفر است‪.‬‬

‫اثبات‪:‬‬

‫مثال‪ :19‬جدول زیر انحراف دادهها از میانگین را به همراه فراوانی نشان میدهد‪ .‬مقدار مجهول چقدر است؟‬

‫‪xi  x‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫؟‬ ‫‪-4‬‬

‫‪f‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪11‬‬ ‫‪5‬‬

‫‪8‬‬
 ‫میانه (داده وسط)‬
‫دادهها را مرتب میکنیم‪ .‬داده وسط (یا میانگین دو داده وسط) میانه است‪.‬‬

‫مثال‪ :11‬در یک آزمون نمرات به این صورت است‪ 4 ، 7 ، 7 ، 3 ، 11 ، 11 ، 17 ، 15 ، 14 ، 19 ، 14 ، 11 ،9 ، 5 :‬میانه این نمرات چقدر است؟‬

‫مثال‪ :11‬با توجه به نمودار میلهای زیر‪ ،‬میانه و میانگین را به دست آورید‪.‬‬

‫چاركها‬

‫چارك اول‪ Q 1 :‬میانه نیمه اول (میانه دادههای قبل از میانه)‬

‫چارك سوم‪ Q 3 :‬میانه نیمه دوم (میانه دادههای بعد از میانه)‬

‫برای یافتن چارک اول و چارک سوم‪ ،‬پس از مرتب کردن دادهها‪ ،‬میانه را پیدا میکنیم و کنار میگذاریم‪ .‬سپس برای دادههای قبل و بعد از میانه‪،‬‬
‫میانه پیدا میکنیم‪.‬‬

‫مثال‪ :11‬چارکهای اول‪ ،‬دوم و سوم دادههای ‪11 ، 5 ، 7 ، 11 ، 3 ، 6 ، 9‬را بیابید‪.‬‬

‫مثال‪ :13‬در دادههای زیر اعداد کمتر از چارک اول و بیشتر از چارک سوم را حذف میکنیم ‪ .‬میانگین دادههای باقیمانده چقدر است؟‬

‫‪31‬‬ ‫‪34‬‬ ‫‪35‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪37‬‬ ‫‪39‬‬ ‫‪41‬‬ ‫‪41‬‬ ‫‪44‬‬ ‫‪45‬‬ ‫‪45‬‬ ‫‪46‬‬ ‫‪51‬‬ ‫‪53‬‬ ‫‪56‬‬ ‫‪56‬‬ ‫‪57‬‬

‫‪9‬‬
 ‫نمودار جعبهای‬

‫نمودار جعبهای نموداری است که پراکندگی دادهها را نشان میدهد و بر اساس پنج مقدار زیر که به ترتیب از چپ به راست روی محور افقی‬
‫نمایش داده میشوند ‪ ،‬رسم میشود‪.‬‬

‫چارک اول کمترین داده‬ ‫میانه‬ ‫چارک سوم‬ ‫بیشترین داده‬

‫مثال‪ :14‬تعداد تصادفات اتومبیل در شهری در ‪15‬روز تعطیالت نوروز عبارتند از ‪:‬‬

‫‪ 19‬و ‪ 31‬و ‪ 15‬و ‪ 17‬و ‪ 31‬و ‪ 43‬و ‪ 41‬و ‪ 34‬و ‪ 16‬و ‪ 17‬و ‪ 14‬و ‪ 13‬و ‪ 15‬و ‪ 11‬و ‪11‬‬

‫نمودار جعبهای این دادهها را رسم کنید‪.‬‬

‫مثال‪ :15‬نمودار زیر را در نظر گرفته و میانه‪ ،‬چارکها‪ ،‬دامنه تغییرات و دامنه میان چارکی (‪ )IQR‬را به دست آورید‪.‬‬

‫‪‬‬ ‫‪1˜ 2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11 12‬‬

‫دامنه تغییرات‪:‬‬

‫دامنه میان چارکی‪:‬‬

‫مثال‪ :16‬نمودار جعبهای زیر را در نظر بگیرید‪ .‬در کدام قسمت از جامعه ‪ ،‬دادهها از تراکم بیشتری برخوردارند؟ چرا؟‬

‫‪‬‬ ‫‪10 20‬‬ ‫‪30 40‬‬ ‫‪50‬‬ ‫‪60 70 80 90 100 110‬‬

‫‪10‬‬
 ‫مد (نما)‪ :‬دادهای که بیشترین فراوانی را دارد‪.‬‬

‫مثالً در نمرات ‪ 11،13،15،14،17،15،14،17،19،19،15،11‬مد برابر ‪ 15‬است‪.‬‬

‫مثال‪ :17‬چه عددی به دادههای ‪ 63،71،66،51،77،65،64‬اضافه شود تا میانگین‪ ،‬مد و میانه دادههای جدید‪ ،‬برابر شوند؟‬

‫تذکر‪ :‬مد منحصر به فرد نیست‪ .‬ضمناً اگر همه دادهها برابر بودند‪ ،‬مد نداریم‪.‬‬

‫دادههای دور افتاده‪ :‬دادههایی که تفاوت زیادی با سایر دادهها دارند‪ .‬اینها میانگین را تحت تأثیر قرار میدهند ولی بر میانه و مد اثری ندارند‪.‬‬

‫مثال‪ :17‬مدت زمان استفاده مبینا از گوشی تلفن همراه در روزهای هفته به صورت زیر بودهاست‪ .‬میانگین و میانه این داده ها را به دست آورید و‬
‫تحلیل کنید کدامیک معیار بهتری هستند‪.‬‬

‫جمعه‬ ‫پنجشنبه‬ ‫چهارشنبه‬ ‫سهشنبه‬ ‫دوشنبه‬ ‫یکشنبه‬ ‫شنبه‬ ‫روز‬

‫‪1‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪17‬‬ ‫‪3‬‬ ‫زمان (ساعت) ‪1‬‬

‫‪11‬‬
 ‫درس سوم‪ :‬معیارهای پراکندگی‬

‫واریانس‬
‫مثال‪ :19‬در چهار کالس الف‪ ،‬ب‪ ،‬ج و د آزمونکی ‪ 11‬نمرهای برگزار کردهایم که نمرات آن به این صورت است‪ .‬کدام کالس نمرات پراکندهتر و‬
‫کدام کالس نمرات متمرکزتری دارد؟‬

‫الف ‪4،5،6:‬‬

‫ب‪1،5،9 :‬‬

‫ج‪1،4،4،5،5،5،5،6،6،9 :‬‬

‫د‪4,4،4،4،4،6،6،6،6،6 :‬‬

‫واریانس معیاری برای نشان دادن پراکندگی دادههاست که از رابطه زیر به دست میآید‪:‬‬
‫‪n‬‬

‫) ‪( x  x‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪( x1  x )2  ( x2  x )2  ...  ( xn  x )2‬‬
‫‪Var   x ‬‬
‫‪2‬‬ ‫‪i 1‬‬
‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫به عبارت دیگر واریانس میانگین مجذور انحرافات از میانگین است‪.‬‬

‫مثال‪ :31‬تعداد ساعاتی که ‪ 4‬دانشآموز در طول هفته به ورزش اختصاص دادهاند‪ ،‬در زیر آمده است‪ .‬واریانس این دادهها را حساب کنید‪.‬‬

‫‪9‬و‪7‬و‪5‬و‪1‬‬

‫مثال‪ :31‬واریانس دادههای جدول زیر چقدر است؟‬

‫‪xi‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬

‫‪fi‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪1‬‬

‫‪12‬‬
 ‫مثال‪ :31‬اگر میانگین دادههای زیر برابر ‪ 16‬باشد‪ ،‬واریانس آنها چقدر است؟‬

‫‪ 11 14 16 17 11‬داده‬
‫فراوانی‬ ‫‪5‬‬ ‫‪7 11‬‬ ‫‪a‬‬ ‫‪3‬‬

‫مثال‪ :33‬در ‪ 15‬داده آماری‪ ،‬میانگین و واریانس به ترتیب ‪ 31‬و ‪ 64‬میباشند‪ .‬اگر دادههای ناجور ‪ 15،11،45‬و ‪ 51‬را از میان آنها حذف کنیم‪،‬‬
‫واریانس دادههای باقیمانده چقدر است؟‬

‫مثال‪ :34‬اگر دادههای ‪ 13،11،11،17،11،11،11،9،17،16،11،7،17‬را با نمودار جعبهای نمایش دهیم‪ ،‬واریانس دادههای داخل جعبه چقدر است؟‬

‫نكات تكمیلی‪:‬‬

‫‪ .1‬اگر همه دادهها با هم برابر باشند ‪ ،‬واریانس آنها صفر است و برعکس‪.‬‬

‫اثبات‪:‬‬

‫‪ .1‬واریانس را میتوان از رابطه زیر محاسبه کرد‪.‬‬

‫‪n‬‬

‫‪x‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪x12  x22  ...  xn2‬‬ ‫‪2‬‬
‫‪ x2 ‬‬ ‫‪i 1‬‬
‫‪x ‬‬ ‫‪x‬‬
‫‪n‬‬ ‫‪n‬‬
‫مثال‪ :35‬در ‪ 51‬داده آماری مجموع تمام دادهها برابر ‪ 111‬و مجموع مجذور این دادهها برابر ‪ 171‬میباشد‪ .‬واریانس دادهها چقدر است؟‬

‫‪ .3‬میانگین هم واحد دادهها است ولی واحد واریانس مجذور واحد دادهها است‪.‬‬

‫‪13‬‬
 ‫انحراف معیار‪)standard deviation( :‬‬

‫‪  ‬‬ ‫‪2‬‬

‫مثال‪ :36‬نمرات ادبیات دانش آموزی در ده آزمون به صورت زیر است‪ .‬با حذف دو نمره بیشترین و کمترین‪ ،‬انحراف معیار چقدر است؟‬

‫‪14‬و‪11‬و‪15‬و‪9‬و‪14‬و‪15‬و‪16‬و‪15‬و‪11‬و‪11‬‬

‫نكات تكمیلی‪:‬‬

‫‪ .1‬اگر تمام دادهها با هم برابر باشند‪ ،‬آنگاه انحراف معیار آنها صفر است و برعکس‪.‬‬

‫مثال‪ :37‬انحراف معیار ‪ 11‬داده آماری صفر است‪ .‬اگر دادههای ‪ 16 ،14‬و ‪ 16‬به آنها اضافه شوند‪ ،‬میانگین آنها تغییر نمیکند‪ .‬انحراف معیار این ‪14‬‬
‫داده چقدر است؟‬

‫‪ .1‬انحراف معیار‪ ،‬همواحد با دادههاست‪.‬‬

‫مثال‪ :37‬جدول زیر انحراف دادهها از میانگین را به همراه فراوانی نشان میدهد‪ .‬انحراف معیار دادهها چقدر است؟‬

‫‪xi  x‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫؟‬ ‫‪-4‬‬

‫‪f‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪11‬‬ ‫‪5‬‬

‫‪14‬‬
 ‫ضریب تغییرات‪(coefficient of variation) :‬‬

‫‪‬‬
‫‪CV ‬‬
‫‪x‬‬
‫ضریب تغییرات نسبت انحراف معیار به میانگین است‪.‬‬

‫مثال‪ :39‬ضریب تغییرات دو دسته دادههای زیر را حساب کنید‪ .‬چه نتیجهای میگیرید؟‬

‫دسته اول‪1 :‬و‪1‬و‪1‬و‪3‬‬

‫دسته دوم‪111 :‬و‪111‬و‪111‬و‪113‬‬

‫تذکر‪ :‬ضریب تغییرات بدون واحد است‪ .‬بنابراین امکان مقایسه دادههای غیر همواحد را فراهم میسازد‪ .‬مثالً اگر بخواهیم پراکندگی قد و وزن‬
‫دانشآموزان را مقایسه کنیم‪ ،‬از این شاخص استفاده میکنیم‪.‬‬

‫‪2‬‬
‫)‬ ‫مثال‪ :41‬ضریب تغییرات دادههای ‪ 5،7،7،7،7،11،11‬را به دست آورید‪0 / 534 ( .‬‬
‫‪7‬‬

‫مثال‪ :41‬نمرات مهارت برای کارگر ‪ 16،15،14،13،11 : A‬و برای کارگر ‪ 16/5 ،16 ،15/5 ،13 ،11/5 : B‬بوده است‪ .‬دقت عمل کدامیک بیشتر‬
‫است؟‬

‫‪15‬‬
 ‫مثال‪ :41‬ضریب تغییرات دادههای زیر را به دست آورید‪.‬‬

‫‪7‬‬
‫فراوانی‬

‫‪5‬‬
‫‪4‬‬

‫‪10‬‬ ‫‪11‬‬ ‫‪14‬‬

‫مثال‪ :43‬در ‪ 15‬داده آماری مجموع اختالفات دادهها از ‪ 11‬برابر صفر و مجموع مربعات اختالفات دادهها از ‪ 11‬برابر ‪ 411‬است‪ .‬ضریب تغییرات این‬
‫دادهها چقدر است؟‬

‫مثال‪ :44‬میزان بارندگی یک استان در ده سال گذشته به صورت زیر است‪ .‬اگر آنها را با نمودار جعبهای نمایش دهیم‪ ،‬ضریب تغییرات دادههای‬
‫درون جعبه چقدر است؟‬

‫‪46،51،54،37،41،57،31،59،39،56‬‬

‫اثر تغییر خطی دادهها روی شاخص های آماری‬

‫دادههای جدید ( ‪) ax1  b , ax2  b ,..., axn  b‬‬ ‫دادههای قدیمی ( ‪) x1 , x2 ,..., xn‬‬ ‫شاخص‬
‫‪ax  b‬‬ ‫‪x‬‬ ‫میانگین‬
‫‪aM  b‬‬ ‫‪M‬‬ ‫میانه‪ ،‬مد‪،‬چارکها‬
‫‪a 2 2‬‬ ‫‪2‬‬ ‫واریانس‬
‫‪| a |‬‬ ‫‪‬‬ ‫انحراف معیار‬

‫‪16‬‬
 ‫مثال‪ :45‬اگر میانگین ‪ n‬داده ‪ x1 , x2 ,..., xn‬برابر ‪ 7‬باشد ‪ ،‬میانگین ‪ n‬داده ) ‪ ( 3 x1  2), ( 3 x2  2 ),..., ( 3 xn  2‬را به دست آورید‪.‬‬

‫مثال‪ :46‬اگر انحراف معیار ‪ x1 , x2 ,..., xn‬برابر ‪ 1‬باشد ‪ ،‬انحراف معیار دادههای )‪ (  3 x1  1), (  3 x2  1),..., (  3 xn  1‬را به دست‬
‫آورید‪.‬‬

‫مثال‪ :47‬در ‪ 61‬داده آماری میانگین ‪ 3‬و انحراف معیار ‪ 1/1‬محاسبه شده است‪ .‬اگر به تمام دادهها ‪ 9‬واحد اضافه شود‪ ،‬ضریب تغییرات دادههای‬
‫جدید چقدر است؟‬

‫مثال‪ :47‬اگر ‪ 11‬دادۀ آماری را دو برابر کرده و سپس ‪ 7‬واحد از هرکدام کم کنیم ‪ ،‬ضریب تغییرات داده های جدید ‪ 1/5 ،‬برابر ضریب تغییرات‬
‫داده های قبلی میشود ‪ .‬مجموع داده های قبلی چقدر است؟‬

‫‪17‬‬
 ‫آمار استنباطی‬

‫درس اول‪ :‬گردآوری دادهها‬

‫جامعه آماری‪ :‬مجموعه افراد یا اشیائی که بررسی آماری روی آنها صورت میگیرد‪.‬‬

‫واحد آماری‪ :‬هریک از اشیاء یا افراد جامعه‪.‬‬

‫سرشماری‪ :‬بررسی همه واحدهای آماری یک جامعه‪.‬‬

‫نمونه‪ :‬هر زیرمجموعه از جامعه آماری که با روش مشخصی انتخاب شدهباشند‪.‬‬

‫نمونهگیری‪ :‬فرآیند انتخاب نمونه از جامعه با هدف تعمیم اطالعات آن به جامعه‪.‬‬

‫معایب سرشماری (دالیل نمونهگیری)‬

‫‪ .1‬در دسترس نبودن تمام اعضای جامعه‪ .‬مانند ‪ :‬مطالعه بر روی تمام ماهیهای یک دریا‬
‫‪ .1‬از بین رفتن اعضای جامعه‪ .‬مانند ‪ :‬طول عمر المپ‬
‫‪ .3‬هزینهبر بودن‬
‫‪ .4‬وقتگیر بودن‬

‫انواع نمونهگیری‬

‫‪ . 1‬احتمالی‪ :‬همه واحدهای آماری شانس انتخاب شدن داشته باشند و واحدهای نمونه به صورت تصادفی انتخاب شوند‪.‬‬

‫‪ .1‬غیر احتمالی‬

‫مثالً در نمونهگیری از یک قفس بزرگ خرگوش های آزمایشگاهی‪ ،‬خرگوشهایی را برداریم که به دستمان میخورند‪.‬‬

‫برای فهمیدن اینکه وضع مالی ساکنان یک شهر چگونه است سراغ کسانی برویم که حاضر به پاسخگویی میشوند‪.‬‬

‫برای جلوگیری از قاچاق کاال‪ ،‬کاالهای دم دست کانتینر را بررسی کنیم‪.‬‬

‫روشهای نمونهگیری احتمالی‬

‫‪ .1‬نمونهگیری تصادفی ساده‪ :‬همه واحدهای آماری برای انتخاب شدن در نمونه شانس یکسانی دارند‪.‬‬

‫مزایا‪ :‬فرصت انتخاب برابر‬

‫معایب‪ :‬دشواری دسترسی به فهرست اعضای جامعه‪ ،‬هزینهبر بودن‪ ،‬چند بخشی بودن جامعه‬

‫‪18‬‬
‫‪ .2‬نمونهگیری خوشهای‪ :‬گروهها (خوشهها) به صورت تصادفی انتخاب میشوند‪ .‬سپس تمام اعضای خوشههای انتخاب شده بررسی میشوند‪ .‬مثالً‬
‫از ‪ 31‬استان کشور‪ 4 ،‬استان را انتخاب میکنیم و تعداد مبتالیان به کرونا را در آنها بررسی میکنیم‪.‬‬

‫مزایا‪ :‬سادگی‪ ،‬سرعت و ارزانی‬

‫معایب‪ :‬خطا در برآورد‪ ،‬برخی دستهها نمایندهای ندارند‪.‬‬

‫‪ .3‬نمونهگیری طبقهای‪ :‬جامعه به چند زیرجامعه مجزا (طبقه) افراز میشود‪ .‬سپس از هر دسته یک نمونه تصادفی ساده انتخاب میشود‪.‬‬

‫مزایا‪ :‬افزایش دقت‬

‫معایب‪ :‬دستهبندی هزینهبر و زمانبر‬

‫توجه‪ :‬از هر دسته‪ ،‬متناسب با تعداد اعضای دسته انتخاب میکنیم تا شانس واحدهای آماری جامعه یکسان شود‪.‬‬

‫مثال‪ :1‬دبیرستانی ‪ 31‬دانشآموز ریاضی‪ 11 ،‬دانش آموز تجربی و ‪ 11‬دانشآموز انسانی دارد‪ .‬میخواهیم ‪ 11‬نفر به روش نمونهگیری طبقهای‬
‫انتخاب کنیم‪ .‬سهم هر رشته چقدر است؟‬

‫‪ .4‬نمونهگیری سیستماتیک (سامانمند)‪ :‬نمونهگیری طبقهای که اندازه طبقات برابر است‪ .‬از طبقه اول‪ ،‬به تصادف انتخاب میکنیم و با همان‬
‫رویه از طبقات دیگر انتخاب میکنیم‪.‬‬

‫مزایا‪ :‬شانس انتخاب برابر‬

‫معایب‪ :‬دستهبندی هزینهبر و زمانبر‬

‫مثال‪ :1‬برای کنترل کیفیت محصوالت یک خط تولید‪ ،‬میخواهیم از بین ‪ 511‬محصول تولیدی در هر روز‪ 11 ،‬محصول را به روش سامانمند‬
‫نمونهگیری کنیم‪ .‬اگر اولین نمونه‪ ،‬شانزدهمین محصول تولید شده امروز باشد‪ ،‬آخرین نمونه چندمین محصول تولید شده است؟‬

‫مثال‪ :3‬شهری ‪ 31111‬نفر جمعیت دارد‪ .‬آمارگیری میخواهد بداند در این شهر خانوادهها چند نفرهاند‪ .‬او به روش نمونهگیری تصادفی ساده صد‬
‫نفر را انتخاب میکند و از آنها میپرسد‪ « :‬خانواده شما چند نفره است؟»‬

‫الف) آیا این روش نمونهگیری درست است؟‬

‫‪19‬‬
 ‫ب) فرض کنید در این شهر آمار واقعی خانوادهها به این صورت باشد‪:‬‬

‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫تعداد افراد خانواده ‪1‬‬

‫‪11‬‬ ‫‪31‬‬ ‫‪31‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫درصد‬

‫چه تعداد از افراد این شهر در خانوادهای سه نفره زندگی میکنند؟‬

‫ج) تعداد خانوادههای دو نفره‪ ،‬چند برابر خانوادههای پنجنفره است؟ با روش نادرست نمونهگیری به چه نتیجهای میرسیم؟‬

‫نمونهگیری اریب‪ :‬نمونهگیری که به سمتی خاص انحراف پیدا کند و از نمونهگیری ایدهآل فاصله بگیرد‪.‬‬

‫مثالً میخواهیم سرانه ورزش مردم شهر تهران را محاسبه کنیم‪ .‬برای اینکار سوال زیر را از نمونهای ‪ 111‬نفره میپرسیم‬

‫در هفته چند ساعت ورزش میکنید؟‬

‫روشهای زیر اریب هستند‪:‬‬

‫‪ .1‬پرسیدن سؤال از کسانی که صبح زود به پارکهای تهران میروند‪.‬‬

‫‪ .1‬پرسیدن سؤال از کسانی که جمعه این هفته به قله توچال آمدهاند‪.‬‬

‫‪ .3‬پرسیدن سؤال از تعدادی دانشآموز که به صورت تصادفی انتخاب شدهاند‪.‬‬

‫‪ .4‬پرسیدن سؤال و ضبط مصاحبه جهت پخش در اخبار ساعت ‪ 11‬شبکه یک سیما‬

‫مثالً میخواهیم میزان آالیندگی خودروهای شهر شیراز را بررسی کنیم‪ .‬اگر نمونهگیری را از خودروهایی که در تعمیرگاهها هستند انجام دهیم‪،‬‬
‫نمونهگیری ما اریب است‪.‬‬

‫‪20‬‬
 ‫آمارگیری‪ :‬گردآوری دادهها به یکی از روشهای ممکن‬

‫روشهای گردآوری دادهها‬

‫‪ .1‬مشاهده و ثبت وقایع‪ :‬گردآوری داده ها بدون نیاز به فرد پاسخگو‪ .‬مانند شمارش خودروهای عبوری از یک خیابان‪ ،‬اندازهگیری وزن میوههای یک‬
‫باغ‪ ،‬سنجش میزان آلودگی هوا‬

‫‪ 1‬پرسشنامه‪ :‬پاسخگویی به سؤاالت از پیش طرح شده‪.‬‬

‫‪ .3‬مصاحبه‪ :‬گفتگو بین آمارگیر و فرد پاسخگو‪.‬‬

‫‪ . 4‬دادگان‪ :‬استفاده از اطالعات ذخیره شده (بانک اطالعات) مانند مطالعه روی نمرات سال گذشته درس آمار و احتمال یک مدرسه‪ ،‬تعداد‬
‫مدالهای ایران در مسابقات المپیک‬

‫پارامتر‪ :‬مشخصهای عددی که توصیفکننده جنبهای از جامعه است و در صورتی قابل محاسبه است که دادههای کل جامعه در اختیار باشد‪.‬‬

‫آماره‪ :‬مشخصهای عددی که توصیفکننده جنبهای از نمونه است و از دادههای نمونه به دست میآید‪.‬‬

‫مثال‪ :4‬جامعهای از ‪ 6‬نفر با درآمد ماهیانه زیر تشکیل شدهاست‪:‬‬

‫‪7 1 1 3 7 5‬‬

‫الف) پارامتر میانگی ن جامعه را به دست آورید‪ .‬آماره نمونه را برای یک نمونه سه نفری دلخواه محاسبه کنید‪.‬‬

‫ب) خط فقر را در این جامعه چقدر است؟ (خط فقر برابر نصف میانگین درآمد افراد جامعه است‪).‬‬

‫‪21‬‬
 ‫درس دوم‪ :‬برآورد‬
‫آمار استنباطی‪ :‬فرآیند نتیجهگیری درباره پارامترهای جامعه بر اساس نمونه‬

‫انواع برآورد‪:‬‬

‫‪ .1‬برآورد نقطهای‪ :‬جاگذاری آماره به عنوان پارامتر‬

‫‪ .2‬برآورد بازهای‪:‬‬

‫مثال‪ :5‬کالسی از ‪ 5‬نفر تشکیل شدهاست که نمرات آزمونک آنها به این صورت است‪.‬‬

‫نام ‪E D C B A‬‬
‫نمره ‪1 4 1 1 1‬‬

‫الف) میخواهیم میانگین جامعه را براساس نمونه ‪ 1‬نفره برآورد کنیم‪ .‬جدول زیر را کامل کنید‪.‬‬

‫اعضای نمونه‬
‫‪3‬‬ ‫‪1/5‬‬ ‫‪1‬‬ ‫‪1/5‬‬ ‫‪1‬‬ ‫‪1/5‬‬ ‫‪x‬‬
‫احتمال‬

‫ب) نمودار احتمال بر حسب میانگین نمونهها را رسم کنید‪ .‬نتیجهگیری زیر را تکمیل کنید‪.‬‬

‫میانگین جامعه در بازه ]‪ [1, 2 / 5‬است‪.‬‬ ‫با احتمالِ‬

‫‪22‬‬
 ‫ج) میخواهیم میانگین جامعه را بر اساس نمونه ‪ 3‬نفره برآورد کنیم‪ .‬جدول زیر را کامل کنید‪.‬‬

‫اعضای نمونه‬
‫‪7‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪x‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬
‫احتمال‬

‫د) نمودار احتمال بر حسب میانگین نمونهها را رسم کنید‪ .‬نتیجهگیری زیر را تکمیل کنید‪.‬‬

‫میانگین جامعه در بازه ]‪ [1, 2‬است‬ ‫با احتمالِ‬

‫مثال‪ :6‬با انتخاب نمونههای سه تایی از ‪ 1،3،5،7،9،11‬با چه احتمالی میانگین ‪ 7‬برآورد میشود؟‬

‫برآورد بازهای‬

‫به جای معرفی یک عدد به عنوان پارامتر‪ ،‬بازهای را به همراه احتمال مطرح میکنیم‪ .‬مثالً میگوییم با احتمال ‪ 71‬درصد میانگین در بازه‬

‫]‪ [7, 7 / 5‬است‪ .‬بازه معرفی شده را بازه اطمینان و احتمال ذکر شده را درصد اطمینان یا ضریب اطمینان میگوییم‪.‬‬

‫برآورد بازهای برای میانگین جامعه‬

‫در شرایطی که جامعه نرمال باشد و تعداد اعضای نمونه به اندازه کافی بزرگ باشد‪ ،‬با اطمینان بیش از ‪ 95‬درصد میگوییم میانگین جامعه در بازه‬
‫‪2‬‬ ‫‪2‬‬
‫‪ [ x ‬قرار دارد‪ .‬به عبارت دیگر ‪:‬‬ ‫‪,x‬‬ ‫]‬
‫‪n‬‬ ‫‪n‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪x‬‬ ‫‪   x‬‬
‫‪n‬‬ ‫‪n‬‬

‫‪23‬‬
 ‫مثال‪ :7‬در یک نمونه تصادفی ‪ 36‬تایی از دانش آموزان یک مدرسه‪ ،‬میانگین مدت استفاده آنان از تلفن همراه ‪ 11‬ساعت در هفته با انحراف معیار‬
‫‪ 1 / 2‬به دست آمد‪ .‬بازهای را که با اطمینان ‪ %95‬میانگین همه دانشآموزان را دربر داشته باشد‪ ،‬تعیین کنید‪.‬‬

‫مثال‪ :7‬مطالعه ای به منظور تعیین طول مدت بستری بیماران مبتال به زخم اثنی عشر با همکاری چند بیمارستان صورت گرفت‪ .‬در یک نمونه‬
‫تصادفی ‪ 64‬تایی از این بیماران میانگین مدت بستری ‪15‬روز با انحراف معیار ‪ 4‬به دست آمد‪ .‬فاصلهای که با اطمینان ‪ %95‬میانگین واقعی را در بر‬
‫داشته باشد‪ ،‬تعیین کنید‪.‬‬

‫مثال‪ :9‬حداقل اندازه نمونه چقدر باشد تا طول بازه اطمینان ‪ 95‬درصد برای برآورد میانگین جامعهای با انحراف معیار ‪ 3‬از ‪ 1‬بیشتر نشود؟‬

‫مثال‪ :11‬بازه اطمینان ‪ 95‬درصد برای میانگین قد دانشآموزان یک دبیرستان از روی یک نمونه ‪ 36‬تایی‪ [156,164] ،‬به دست آمدهاست‪ .‬انحراف‬
‫معیار قد این دانشآموزان چقدر است؟‬

‫تذکر‪ :‬رابطه با فرض نرمال بودن جامعه و نسبتاً بزرگ بودن نمونه (‪ ) n  30‬به دست آمدهاست‪ .‬اما در کتاب درسی آمار و احتمال و کتب‬
‫کمکدرسی متأسفانه به این موضوع توجه نشدهاست‪ .‬به عنوان نمونه‪ ،‬مثال صفحه ‪ 111‬کتاب درسی را مشاهده کنید‪.‬‬

‫انحراف معیار برآورد میانگین جامعه‬

‫‪‬‬
‫‪x ‬‬
‫‪n‬‬

‫نتیجه‪ :‬با افزایش تعداد اعضای نمونه‪ ،‬انحراف معیار میانگینها کاهش مییابد‪ .‬یعنی میانگینهای به دست آمده از نمونههای مختلف به هم نزدیک‬
‫میشوند‪.‬‬

‫‪24‬‬
‫مثال‪ :11‬مطالعات درباره گوسفندان یک دامداری نشان میدهد که انحراف معیار وزن آنها ‪ 3‬کیلوگرم است‪ .‬اگر نمونهای ‪ 36‬تایی از گوسفندان این‬
‫دامداری انتخاب کنیم‪ ،‬انحراف معیار میانگین وزن آنها چقدر است؟‬

‫مثال‪ :11‬اگر انحراف معیار یک جامعه آماری ‪ 5‬باشد‪ ،‬برای آنکه انحراف معیار برآورد میانگین کمتر از ‪ 0 / 4‬باشد‪ ،‬نمونهای با حداقل چند عضو باید‬
‫انتخاب کنیم؟‬

‫مثال‪ :31‬انحراف معیار برآورد میانگین برای یک نمونه ‪ 46‬نفری چند برابر انحراف معیار با نمونه ‪ 311‬نفری است؟‬

‫‪25‬‬