See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/282703782

‫ ﺗﻮزﻳﻊ ﻣﺮﺑﻊ ﻛﺎي‬- ‫اﺣﺼﺎء ﻣﺘﻘﺪم –اﻟﻤﺤﺎﺿﺮة اﻟﺘﺎﺳﻌﺔ‬

Research · October 2015

DOI: 10.13140/RG.2.1.1553.4801

CITATIONS READS

0 65,558

1 author:

Aziz Mahdi Abd Al-Shammari

University of Diyala
144 PUBLICATIONS 95 CITATIONS

SEE PROFILE

All content following this page was uploaded by Aziz Mahdi Abd Al-Shammari on 10 October 2015.

The user has requested enhancement of the downloaded file.

‫‪1‬‬

‫المحاضرة التاسعة ‪:‬‬

‫توزيع مربع كاي‬
‫‪Chi- Square Distribution‬‬
‫ان توزيع مربع كاي (‪ )Chi- Square Distribution‬هو ايضا من التوزيعات االحتمالية‬
‫المستمرة المهمة في االحصاء ‪ .‬وكان اول من وصف مربع كاي هو العالم ‪ Carl Pearson‬في‬
‫حدود عام ‪ 1900‬م ‪ .‬ان مربع كاي (‪ )x2‬هو ايضا متغير عشوائي ويستخدم في اختبار الفرضيات ‪.‬‬
‫ان لتوزيع مربع كاي تطبيقات و اسعة من جملتها ‪:‬‬
‫‪ -1‬اختبار يتعلق با لنسبة لتوزيع ذي الحدين‬
‫‪-2‬اختبار حسن الموافقة او المطابقة‬
‫‪ -3‬اختبار يتعلق بالنسب لتوزيع متعد د الحدود‬
‫‪ -4‬تقدير فترة لتباين المجتمع‬
‫‪ -5‬اختبار يتعلق بتباين المجتمع‬
‫‪-6‬اختبار حول تساوي عدة تباينات‬
‫‪-7‬اختبار االستقال ل او احيانا يسمى اختبار اال قتران‬

‫طبيعة توزيع مربع كاي ‪:‬‬

‫* عالقة ‪ x2‬مع ‪: z‬‬
‫ذكرنا سابقا بانه اذا كان ‪ y‬هو متغير عشوائي في مجتمع حجمه ‪ N‬ومتوسطه ‪ µ‬وله تباين ‪δ2‬‬
‫لذلك فان ‪:‬‬
‫‪y‬‬
‫‪Z‬‬
‫‪‬‬
‫وهو متغير طبيعي قياسي له متوسط = صفر ‪ ،‬و تباين = واحد ‪.‬‬
‫واالن هل ان توزيع ‪ z2‬توزيع طبيعي ايضا ؟‬
‫‪( y  )2‬‬
‫‪ Z ‬يتوزع توزع مربع كاي بدرجة حرية واحدة ‪.‬‬
‫‪2‬‬
‫والجواب ال‪ ،‬بل ان ‪:‬‬
‫‪‬‬‫‪2‬‬

‫ان المتغير‪ x2‬له مجموعة من التوزيعات ‪،‬واحدة لكل درجة حرية معينة ‪.‬‬
‫* تعريف ‪:‬‬
‫اذا كان ‪ s2‬هو تباين عينة عشوائية ذات حجم ‪ n‬اخذت من مجتمع طبيعي له تباين‪ δ2‬فان ‪:‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬‫‪n  1 2‬‬
‫‪‬‬
‫‪SS‬‬
‫‪ x‬هي قيمة من قيم المتغير العشوائي ‪ x‬له توزيع مربع كاي‬
‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫بدرجة حريـة ‪v = n -1‬‬

‫*دالة كثافة االحتمال لتوزيع كاي ‪:‬‬

‫ان دالة كثافة االحتمال لكل قيمة من ‪ x2‬هي‪:‬‬

‫‪   ‬‬
‫‪f x k x‬‬
‫‪2‬‬ ‫‪2 ( v / 2 ) 1 x 2 / 2‬‬
‫‪e‬‬
‫حيث ان ‪:‬‬
‫‪ = v‬درجات الحرية‬
‫‪2.71828 = e‬‬
‫‪ = k‬ثابت يعتمد على ‪v‬‬
‫‪2‬‬

‫إن توزيع ‪ x2‬له معلمة واحدة هي ‪( v‬درجات الحرية) أيضا كما هو الحال فيي توزييع ‪، t‬وبميا إن قييم‬
‫‪ x2‬اليمكن إن تكون سالبة لذا فان المنحني ال يمكن إن يكون متماثال حول الصفر كما في توزيع ‪ .t‬بيل‬
‫هييو فييي الحقيقيية ميينحن ملتييو التييواء موجبييا أي ملتييو إلييى اليمييين ‪ .‬إن توزيييع ‪ x2‬يقتييرب ميين التوزيييع‬
‫الطبيعييي كلمييا زادت درجييات الحرييية ‪ v‬وفييي كييل األحييوال فييان توزيييع ‪ x2‬هييو ذو قميية واحييدة وتوزيييع‬
‫مسييتمر‪ .‬إن الوسييط الحسييابي لتوزيييع ‪ x2‬هييو ‪ ( v‬درجييات الحرييية ) والتبيياين لييه هييو (‪ .)2v‬لييذا يمكيين‬
‫تعيين توزيع ‪ x2‬عند معرفة درجات الحرية ‪.‬‬
‫إن احتمال أن تعطي عينة عشوائية قيمة لـ ‪ x2‬اكبر من قيمة معينة اخرى = مساحة المنحني التي‬
‫كما في الرسم التالي‪:‬‬ ‫‪x 2‬‬ ‫هي إلى يمين تلك القيمة‪ ،‬وعادة تسمى‬

‫وأالن سنوضح التطبيقين األول والثاني لمربع كاي ‪:‬‬

‫أوال‪:‬‬
‫اختبار يتعلق( بالنسبة) لتوزيع ذي الحدين‪:‬‬
‫وتتضمن الفرضية هنا مقارنة نسبة توزيع ذي الحدين (‪ )p‬بقيمة معينة أي‬
‫‪H0 : P = P0‬‬
‫فإذا كان ‪ y‬هو عدد من النجاحات في العينة ذات الحجم ‪ n‬فان عدد مرات الفشل سـيكون )‪،)n-y‬‬
‫كذلك سيكون عدد النجاح المتوقع هو ‪، np0‬وعدد الفشل المتوقع هو (‪ n)1-po‬وبذلك تكون‪:‬‬
‫) ‪ y  np0 2 (n  y   nq0‬‬ ‫‪Oi  Ei  2‬‬
‫‪x ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪np0‬‬ ‫‪nq0‬‬ ‫‪Ei‬‬

‫هي قيمة من قيم المتغير العشوائي ‪ x2‬الذي توزيعه يقترب من توزيع ‪ x2‬بدرجة حريية ‪ v = 1‬عنيدما‬
‫تكون فرضية العدم صحيحة‪.‬‬
‫وإذا كان مستوى المعنوية = ‪‬‬
‫‪ H1 : P  P0‬فان منطقة الرفض هي‪x 2  x 2  ,1  :‬‬
‫والفرضية البديلة هي‬
‫أما إذا كانت الفرضية البديلة ‪ H1: P > P0‬أو ‪ H1: P < P0‬فان منطقة الرفض هي‪:‬‬

‫‪x 2  x 2 2  ,1‬‬
‫‪3‬‬

‫ومن الجدير بالذكر هو ان مربع كاي ‪ x2‬لدرجة حرية واحدة هو عبارة عن مربع ‪ ، Z‬وان القيمة‬
‫الجدولية لـ ‪ x2‬تحت مستوى احتمال ‪ ‬هي نفسها القيمة الجدولية لـ ‪ Z‬تحت مستوى احتمال‬
‫‪ /2‬‬
‫أي ان‪Z 2 / 2  x2 ,1 :‬‬
‫مثال‪:‬‬
‫إذا كانت نسبة اإلناث إلى الذكور في مدينة ما هي ‪8(1:8‬أناث إلى ذكر واحد)‪ .‬وبعد عشر‬
‫سنوات أخذت عينة عشوائية مؤلفة من ‪ 450‬شخص فكان عدد الذكور فيها ‪ ،68‬هل تغيرت هذه‬
‫النســبة بعد هذه المدة ؟ استعمل مستوى احتمال ‪. %1‬‬
‫الحل ‪:‬‬
‫‪1‬‬
‫‪P‬‬ ‫النسبة ‪ 1:8‬تعني إن نسبة الذكور‬
‫‪9‬‬
‫‪H0: p =1/9‬‬ ‫‪ -1‬فرضية العدم ‪:‬‬
‫‪H1: p  1/9‬‬ ‫‪ -2‬الفرضية البديلة‪:‬‬
‫‪  0.01‬‬ ‫‪ -3‬مستوى االحتمال‪:‬‬
‫‪ -4‬منطقة الرفض‪x 2  x 2 ,1  x 2 0.01,1  6.63 :‬‬
‫‪ -5‬المختبر اإلحصائي‪:‬‬
‫‪y = 68‬‬
‫‪n – y = 450 – 68 = 382‬‬
‫التكرار المتوقع من الذكور‪:‬‬
‫‪np0  450  50‬‬
‫‪1‬‬
‫‪9‬‬

‫التكرار المتوقع من اإلناث‪:‬‬

‫‪nq0  450  400‬‬
‫‪8‬‬
‫‪9‬‬

‫‪x ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪y  np0  n  y   nq0 ‬‬
‫‪2‬‬
‫‪‬‬
‫‪2‬‬

‫‪np0‬‬ ‫‪nq0‬‬

‫‪x‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬‫‪68  50 382  400‬‬
‫‪2‬‬
‫‪‬‬
‫‪2‬‬
‫‪ 7.29‬‬
‫‪50‬‬ ‫‪400‬‬
‫‪ -6‬القرار بما إن ‪ x2‬المحسوبة (‪ )7.29‬اكبر من قيمة ‪ x2‬الجد ولية (‪ )6.36‬لذا ترفض فرضية‬
‫العدم وعليه فان النسبة قد تغيرت‪.‬‬

‫مثال ‪2 :‬‬
‫لدراسة صنف الطول في نبات البزاليا ‪ ،‬أخذت عينة مؤلفة من ‪ 400‬نبات من الجيل الثاني‬
‫الناتجة من تزاوج نبات قصير مع نبات طويل نقي فوجد إن بينها ‪ 310‬نباتا طويال ‪ .‬فهل تتفق‬
‫هذه النتائج مع النسبة ‪ 3‬طويل ‪ 1 :‬قصير تحت مستوى احتمال ‪ %1‬؟‬
‫الحل‪:‬‬
‫‪y = 310‬‬ ‫عدد النباتات الطويلة المشاهدة‬
‫عدد النباتات القصيرة ‪n - y = 400 - 310 = 90‬‬
‫بما إن النسبة هي ‪1 :3‬‬
‫‪4‬‬

‫‪1‬‬ ‫‪3‬‬
‫أي نسبة الطول ونسبة النبات القصير هي‬
‫‪4‬‬ ‫‪4‬‬
‫فرضية العدم ‪H0 : P = 0 .75 :‬‬ ‫‪-1‬‬
‫الفرضية البديلة‪H1 = P  0.75 :‬‬ ‫‪-2‬‬
‫مستوى االحتمال‪  0.01 :‬‬ ‫‪-3‬‬
‫منطقة الرفض‪:‬‬ ‫‪-4‬‬
‫‪x 2  x 2 ,1  x 2 01,1  6.63‬‬
‫‪ -5‬المختبر اإلحصائي ‪:‬‬
‫التكرار المتوقع للنباتات الطويلة هي‬

‫‪3‬‬
‫‪np0  400   300‬‬
‫‪4‬‬
‫والتكرار المتوقع للنباتات القصيرة هي‪:‬‬
‫‪1‬‬
‫‪nq0  400   100‬‬
‫‪4‬‬

‫النباتات‬ ‫المشاهدة ‪Oi‬‬ ‫المتوقع ‪Ei‬‬

‫طويلة‬ ‫‪310‬‬ ‫‪300‬‬
‫قصيرة‬ ‫‪90‬‬ ‫‪100‬‬

‫‪oi  Ei  2 310  300 2 90  1002‬‬

‫‪x ‬‬‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 1.33‬‬
‫‪Ei‬‬ ‫‪300‬‬ ‫‪100‬‬
‫‪ -6‬القرار‪ -‬بما ان قيمة ‪ x2‬المحسوبة (‪ )1.33‬اقل من قيمة ‪ x2‬الجدولية (‪ )6.63‬لذا تقبل‬
‫فرضية العدم ‪ .‬أي ان نسبة الطول الى القصر هي ‪. 1 : 3‬‬
‫ثانيا‪:‬‬
‫‪Goodness of fit test‬‬ ‫اختبار حسن الموافقة او المطابقة‬
‫إن هذا االختبار يستعمل لتحديد ما إذا كان المجتمع له توزيع نظري معين وهو يعتمد على‬
‫مقدار حسن المطابقة بين التكرار المشاهد في العينة والتكرار المتوقع المستحصل من‬
‫التوزيع النظري ‪.‬‬
‫تعريف ‪:‬‬
‫إن اختبار حسن الموافقة بين التكرار الشاهد والمتوقع يعتمد على حساب ‪:‬‬
‫‪Oi  Ei 2‬‬
‫‪x ‬‬‫‪2‬‬

‫‪Ei‬‬
‫حيث أن ‪ x2‬هي قيمة من قيم المتغير العشوائي ‪ x2‬الذي له توزيع قريب من التوزيع مربع‬
‫كاي ‪.‬‬
‫وان‪:‬‬
‫‪ = Oi‬التكرار المشاهد‬
‫‪ = Ei‬التكرارالمتوقع‬
‫‪5‬‬

‫اما درجات الحرية فهي ‪:‬‬

‫أوال‪:‬‬
‫‪v=k–1‬‬
‫اذا كان حساب التكرار المتوقع ال يحتاج الى تقدير معلمات المجتمع من احصائيات العينة‪.‬‬
‫ثانيا ‪:‬‬
‫‪ m‬ــ‪ 1‬ــ ‪v = k‬‬
‫اذا كان حساب التكرار المتوقع يحتاج الى تقدير‪ m‬من معلمات المجتمع من احصائيات العينة‬
‫‪ .‬هذا واذا كانت التكرارات المشاهدة قريبة من التكرارات المتوقعة فان قيمة ‪ x2‬ستكون‬
‫صغيرة مشيرة الى حسن الموافقة او المطابقة‪ .‬وحسن الموافقة يؤدي الى قبول فرضية العدم‬
‫‪ ،Ho‬مما تقدم يتضح بان هذا االختبار هو اختبار ذو طرف واحد (طرف اليمين) ‪ .‬لذا فان‬
‫‪.x‬‬
‫‪2‬‬
‫‪ x 2  ,v‬‬
‫منطقة الرفض لمستوى معنوية ‪ ‬هي ‪:‬‬
‫مثال‪:‬‬
‫ادعى صاحب بستان ان نسبة االصابة بمرض معين في احد اصناف التفاح تبلغ ‪% 20‬‬
‫وعندما اخذت عينة مكونة من ‪ 25‬شجرة وجد ان عدد االشجار المصابة = ‪ 6‬هل ان ادعائه‬
‫مقبول على مستوى احتمال ‪ %5‬؟‬
‫الحل ‪:‬‬
‫‪Ho : P=0.20‬‬ ‫‪ -1‬فرضية العدم‬
‫‪ -2‬الفرضية البديلة ‪0.20  H1 :‬‬
‫‪ -3‬مستوى المعنوية ‪  0.05‬‬
‫‪ -4‬منطقة الرفض ‪x  x 2 0.05,1  3.84‬‬
‫‪2‬‬

‫‪ -5‬المختبر االحصائي‬

‫المجموع‬ ‫عدد النباتات‬ ‫عدد النباتات المصابة‬

‫السليمة‬
‫‪25‬‬ ‫‪20‬‬ ‫‪5= 0.20× 25‬‬ ‫المتوقع‬
‫‪25‬‬ ‫‪19‬‬ ‫‪6‬‬ ‫المشاهد‬

‫‪x ‬‬
‫‪2‬‬ ‫‪‬‬‫‪Oi  Ei ‬‬
‫‪2‬‬

‫‪Ei‬‬

‫‪x‬‬ ‫‪2‬‬
‫‪‬‬
‫‪6  52  19  202‬‬ ‫*‪ 0.25‬‬
‫‪ ,1‬‬
‫‪5‬‬ ‫‪20‬‬
‫‪-6‬القرار ‪:‬‬
‫‪2‬‬
‫بما ان قيمة ‪ x‬المحسوبة(‪ )0.25‬تقل عن القيمة الجدولية المناظرة لها (‪ )3.84‬تحت مستوى‬
‫احتمال ‪ %5‬لذا فاننا نقبل فرضية حسن الموافقة أي فرضية العدم لعدم وجود دلالئل تشكك في‬
‫صحة الفرضية ‪.‬‬
‫‪6‬‬

‫مثال ‪:‬‬
‫لو كانت لدينا ارسالية لشركة صناعية مكونة من ‪ 3‬أنواع من انابيب االختبار ‪A , B , C‬‬
‫وكان العقد المتفق عليه مع الشركة بان تكون االنابيب بالنسب التالية لكل نوع‪ A = 0.10 :‬و ‪B‬‬
‫‪ = 0.50‬و ‪ ، C =0.40‬فلو اخذت عينة عشوائية مكونة من ‪ 200‬انبوب والالتي ‪ A = 40 :‬و‬
‫‪ B = 70‬و ‪ C = 90‬فهل نقبل االرسالية ام نرفضها على االساس االخالل بالعقد على مستوى‬
‫‪ %1‬؟‬
‫الحل ‪:‬‬
‫‪Ho : P1= 0.10 , P2 = 0.50 , P3 =0.40‬‬ ‫‪ -1‬فرضية العدم ‪:‬‬
‫‪ -2‬الفرضية البديلة‪H1 : P1  0.10, P2  0.50, P3  0.40 :‬‬
‫‪ -3‬مستوى المعنوية ‪  0.01 :‬‬
‫‪ -4‬منطقة الرفض ‪x 2  x 2 0.01, 2  9.21 :‬‬
‫‪ -5‬المختبر االحصائي‪:‬‬

‫‪C‬‬ ‫‪B‬‬ ‫‪A‬‬

‫‪80‬‬ ‫‪100‬‬ ‫المتوقع ‪20=10.×200‬‬
‫‪90‬‬ ‫‪70‬‬ ‫‪40‬‬ ‫المشاهد‬

‫‪x ‬‬‫‪2‬‬ ‫‪Oi  Ei 2‬‬

‫‪Ei‬‬

‫‪x‬‬ ‫‪2‬‬
‫‪‬‬
‫‪40  202  70  1002  90  802‬‬ ‫* * ‪ 30.21‬‬
‫‪ ,2‬‬
‫‪20‬‬ ‫‪100‬‬ ‫‪80‬‬

‫‪-6‬القرار‪:‬‬
‫‪2‬‬
‫نرفض هذه الفرضية الن قيمة ‪ x‬المحسوبة (‪ )30.21‬زادت على قيمتها الجدولية (‪)9.21‬لذا‬
‫نرفض فرضية العم لوجود دالئل تشكك في صحتها اي نرفض االرسالية ‪.‬‬
‫رسمممممممممممممممممممممممممممممممممممم‬
‫‪7‬‬

‫توزيع ‪F‬‬
‫‪F-Distribution‬‬
‫يعتبر توزيع ‪ F‬من اهم التوزيعات المستخدمة في االحصاء التطبيقي ‪ .‬وكان فشر ‪R. A‬‬
‫‪ Fisher‬اول من وصفه في اوائل العشرينات (‪ )1920‬وسماه توزيع ‪ Z‬واليقصد به ( التوزيع‬
‫الطبيعي القياسي ) ثم بعد ذلك حول الى توزيع ‪ F‬من قبل ‪ Snedecor‬وهو الذي سماه توزيع ‪F‬‬
‫لـ ‪، Fisher‬ان اهم استخدامات توزيع ‪ F‬هي‪:‬‬
‫‪12‬‬
‫‪ -1‬تقدير فترة الثقة لـنسبة تباينين أي ‪ 2 2 :‬‬
‫‪ -2‬اختبار فرضيات حول تساوي تباينين أي ‪H O :  1   2 :‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪H O : 1   2  3  ......   k‬‬ ‫‪ -3‬اختبار فرضيات حول تساوي اكثر من متوسطين ‪:‬‬

‫‪Nature of the F-Distribution‬‬ ‫طبيعة توزيع ‪F‬‬

‫يعرف توزيع ‪ F‬بانة النسبة بين توزيعين مستقلين من توزيعات مربع كاي بعد قسمة‬
‫كل منهما على درجات حريته ‪ .‬فاذا كانت ‪ f‬هي قيمة من القيم المتغير العشوائي ‪ F‬فان‪:‬‬

‫‪n1  1S1 2‬‬

‫‪ 12‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪x1‬‬ ‫‪S1‬‬

‫‪f ‬‬
‫‪v1‬‬
‫‪‬‬
‫‪n1  1‬‬ ‫‪‬‬
‫‪ 12‬‬
‫‪x2‬‬
‫‪2‬‬
‫‪n2  1S 2 2‬‬ ‫‪S2‬‬
‫‪2‬‬

‫‪v2‬‬ ‫‪ 22‬‬ ‫‪ 22‬‬

‫‪n2  1‬‬
‫لذا نقول ان ‪ f‬هي قيمة من قيم توزيع ‪ F‬بدرجة حرية ‪ v1‬و‪. v2‬‬
‫‪ ‬تعريف ‪:‬‬
‫اذا كان ‪  1‬و ‪  2‬تباينا عينتين عشوائيتين مستقلتين ذات حجم ‪ n1‬و‪n2‬‬
‫‪2‬‬ ‫‪2‬‬

‫اُِخذتا من مجتمعين طبيعيين لهما تباينين ‪  1‬و ‪  2‬على التوالي فان ‪:‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪S1‬‬
‫‪12‬‬
‫‪f  2‬‬
‫‪S2‬‬
‫‪ 22‬‬
8

v2 = n2 -1‫ و‬v1 = n1 -1 ‫ بدرجة حرية‬F ‫وهي قيمة من قيم المتغير‬

v2 v1
F

 v v 
 v2   1 2 
 1   vF  2 
f F   kF  2 
1  1 
 v2 

v1 = n1-1
v2 = n2 -1
v2 v1 :K
F v2 v1 F
F
v1
v2  2
F
2v 2 v1  v 2  2
v1 v 2  2 v 2  4
2

F F

F
F F F
v2 v1

Analysis Of Variance Method

 ‫‪9‬‬

‫‪t‬‬ ‫‪F‬‬

‫‪t‬‬ ‫‪1‬‬
‫‪t‬‬ ‫‪2‬‬

‫‪ANOVA‬‬ ‫‪Analysis of Variance‬‬

‫مصادر االختالف‬ ‫درجات الحرية‬ ‫مجموع المربعات‬ ‫متوسط مجموع‬ ‫قيمة المختبر‬ ‫منطقة الرفض‬
‫‪Source of‬‬ ‫‪Degrees of‬‬ ‫‪Sum of‬‬ ‫المربعات(او‬ ‫االحصائي ‪-‬‬ ‫‪Tabulated - F‬‬
‫‪Variation‬‬ ‫)‪Freedom (d.f‬‬ ‫)‪Squares (SS‬‬
‫التباين) ‪Mean‬‬ ‫‪)F‬المحسوبة)‬
‫)‪(S.O.V.‬‬
‫)‪Squares (ms‬‬
‫‪Calculated‬‬ ‫‪-‬‬ ‫‪F‬‬
‫ويكتب فيه جميع‬ ‫وهي عدد‬ ‫وهي مجموعة‬ ‫وهو التباين لكل‬ ‫وهو نسبة تباين‬ ‫وهي قيم منطقة‬
‫مصادر االختالف‬ ‫المقارنات‬ ‫مربعات‬ ‫مصدر من مصادر‬ ‫المعامالت \ تباين‬ ‫الرفض وتستخرج‬
‫بين مواد التجربة‬ ‫المستقلة لكل‬ ‫االنحرافات لكل‬ ‫االختالف‬ ‫الخطا التجريبي‬ ‫من جدول ‪F‬‬
‫مصدر من مصادر‬ ‫مصدر من مصادر‬
‫االختالف‬ ‫االختالف‬

‫‪F‬‬
‫‪1‬‬

‫‪Y..  2‬‬
‫‪C‬‬
‫‪tr‬‬

‫‪=r‬‬
‫‪=t‬‬
‫‪Total Sum of Squares‬‬ ‫‪2‬‬
‫‪SST‬‬

‫‪SST   yij  C‬‬

‫‪2‬‬
10

SST   y 2ij 
Y.. 
2

tr
  y11    y12   .....   ytr   C
2 2 2

Sum of Squares 3
SSt for treatment means

 Yi.
2

SSt  C
r

Y i
2


Y ..
2

r tr
Y1.  Y2.  Y3.  .....  Yt .
2 2 2 2
 C
r
4
SSe Error Sum of Squares

SSe = SST – SSt

SSe
SSt S w  mse 
2
 mst 
2

t r  1
SB
t 1

ANOVA Analysis of Variance

Table
‫‪11‬‬

‫مصادر االختالف‬ ‫درجات الحرية‬ ‫مجموع‬ ‫متوسط مجموع‬ ‫‪ F-‬المحسوبة‬ ‫‪ F‬الجدولية‬

‫‪S.O.V‬‬ ‫‪d.f‬‬ ‫المربعات ‪SS‬‬ ‫المربعات او‬ ‫‪F- Calculated‬‬ ‫‪Tabulated‬‬
‫‪F‬‬
‫التباين ‪ms‬‬
‫بين‬ ‫‪t-1‬‬ ‫‪SSt‬‬ ‫‪S2B = mst‬‬ ‫‪F=mst/mse‬‬ ‫‪F ,r 1,r n1‬‬
‫المعامالت‬
‫‪Between‬‬
‫‪treatments‬‬
‫داخل المعامالت‬ ‫)‪t(r-1‬‬ ‫‪SSe‬‬ ‫‪Sw2=mse‬‬
‫‪within‬‬
‫‪treatments‬‬

‫المجموع الكلي‬ ‫‪tr-1‬‬ ‫ٍ‪SST‬‬

‫‪Total‬‬

‫‪1‬‬

‫‪2‬‬

‫‪1‬‬
‫‪3‬‬
‫‪15‬‬

‫‪64 65 50 60 56‬‬ ‫‪A‬‬

‫‪46 52 48 61 48‬‬ ‫‪B‬‬
‫‪55 46 44 60 55‬‬ ‫‪C‬‬

‫‪  0.05‬‬
12

H0
H0:= µ1 = µ2 = µ3
H1
  0.05

F  F ,v1 , v2  F0.05, 2,12  3.89

F

Yi.
Y i.
59 295 64 65 50 60 56 A
51 255 46 52 48 61 48 B
52 260 55 46 44 60 55 C
810

C 1
Y..  2 (810) 2
C  43740
tr 3 5

Y.. =
t
r
13

Total Sum of Squares SST 2

SST   y11    y12   .....   ytr   C

2 2 2

SST  (56) 2  60  ....  (55) 2  43740  668

2

: SSt -3

SSt 
Y C
i.

SSt 
  
295 2  255 2  260
2

 43740  290
5
SSe 4
SSe = SST – SSt
= 668 - 290 = 378

S.O.V. d.f SS ms Cal. F Tab.F 0.05

2 290 145 4.6 3.89
Treat.
Error 12 378 31.5
Total
14 668

3.88 F 4.6 F
H0

r=5
SSt SST C
SSe
C 1
14

Y.. 2
C
n i

  ni
SST 2
SST   yij  C
2

n i 1
1

SSt 3
yi .
SSt   C
ni
v1 = t 1
1
SSe 4
SSe = SST – SSt
v2   ni  t
15

0.05

8 5 4
6 1 7
8 3 6
9 5 6
5 3
4
36 21 23 Yi.
80 Y..

H0 : µ = µ = µ 1
H1 2
  0.05 3
F  F ,v 2,v12  F0.05, 2,12  3.89 4

C
Y ..
2

180
2
 2160
n i 15

SST   yij  C
2

SST  4 2  7 2  6 2  ....  52  2160

SST  65.333
16

yi
SSt   C
ni

SSt 
23
2

21
2

36
2
 2160  38.283
4 6 5
SSe = SST SSt =65.333 38.283 = 27.050

S.O.V d.f SS ms Cal. F Tab. F

2 38.283 19.142 8.49 3.89
Error 12 27.050 2.254
Total 14 65.333
6
F F

LSD

 
S yi.  S y i.  y 'i. 
mse
r

mse mse

r
t t 2
 17

L.S.D 3
2 t 1
2mse
LSD  t 
r
4
LSD L.S.D

:1

  0.05
r=5
t=3
d.f =12
ms = 31.5
LSD
2mse
LSD  t 0.05,12 
r
2  31.5
LSD  1.782   6.33
5

59
51
8 51 59
LSD
0.05
1 51 52
0.05 LSD

View publication stats