‫وزارة التعليم العالي والبحث العلمي‬

‫جامعة – البليدة ‪ – 02‬لونيسي علي‬

‫كلية العلوم االقتصادية والتجارية وعلوم التسيير‬
‫قسم العلوم االقتصادية‬

‫دروس عبر الخط في مقياس اإلحصاء ‪03‬‬

‫موجهة لطلبة السنة الثانية ليسانس علوم اقتصادية‬

‫من إعداد ‪:‬‬

‫د ‪ .‬غزغازي محمد‬

‫السنة الجامعية‬
‫‪2023/2022‬‬
 ‫محاور المقياس‬

‫المحور األول ‪ :‬المتغيرات العشوائية وتوزيعاتها‬

‫المحور الثاني ‪ :‬توزيعات المعاينة‬

‫المحور الثالث ‪ :‬التقدير‬

‫المحور الرابع ‪ :‬اختبار الفرضيات‬

 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫أوال‪ :‬مفهوم المتغيرة العشوائية المتقطعة وتوزيعها االحتمالي‬

‫مفهوم املتغرية العشوائية‬ ‫‪1‬‬

‫هي قيمة متغرية يلحق بقيمها احتماالت حتقق كل قيمة‪ .‬يرمز للمتغرية ع حبرف التيين كبري‪ .‬ومنيز بني م‬
‫ع املتقطعة وم العشوائبة املتصلة أو املستمرة‪.‬‬
‫مثال ‪ :‬يف جتربة إلقاء مكعب نرد ميكن أن نسمي الوجه الذي يستقر عليه الكعب متغرية عشوائية ‪.X‬‬
‫القيم املمكنة ل‪ X‬هي‪ .6 ،5 ،4 ،3 ،2 ،1 :‬بكل قيمة ميكن أن نلحق احتمال حتققها‪ ،‬وهو هنا‬
‫‪ .1/6‬ونكتب مثال ‪:‬‬
‫…‪P(X = 1) = f(1) = 1/6, P(X = 2) = f(2) = 1/6 ,‬‬
‫الحظ أن القيم املمكنة ل ‪ ) 6 ،5 ،4 ،3 ،2 ،1( X‬هي متنافية‪ ،‬ولذلك فإن جمموع احتماالهتا‬
‫‪‬‬
‫‪6‬‬
‫‪P( X = x) = 1‬‬
‫‪x =1‬‬
‫يساوي ‪.1‬‬
‫مثال ‪ .2‬يف جتربة إلقاء قطعة نقدية مرتني ميكن أن نعني املتغرية العشوائية ‪ X‬اليت متثل عدد مرات‬
‫احلصول على كتابة‪ .‬يف هذه احلالة القيم املمكنة ل ‪ X‬هي ‪ .2 ،1 ،0‬ال حظ أنه ميكن تعيني متغريات‬
‫عشوائية أخرى انطالقا منن نفس التجربة‪ ،‬مثال ‪ Y‬عدد مرات احلصول على صورة‪ ،‬وهي متغرية أتخد‬
‫القيم ‪ ،2 ،1 ،0‬مث املتغرية ‪ Z‬حبث ‪... Z = X - Y‬‬
‫القيم املمكنة ل ‪ X‬هي ‪ .2- ،2 ،0‬االحتماالت امللحقة بقيمها ميكن حساهبا كما يلي‪:‬‬
‫‪P(Z = 0) = P(X – Y = 0) = P(X = 0 et Y = 0 ou X = 1 et Y = 1 ou X‬‬
‫>= )‪= 2 et Y = 2‬‬
‫‪P(Z = 0) = 0 + P(X = 1 et Y = 1) + 0 = 2 * 0.5² = 0.5‬‬

‫املتغرية العشوائية املتقطعة‬ ‫‪2‬‬

‫و تسمى أيضا م ع منفصلة‪ ،‬وهي اليت أتخذ عددا منتهيا من القيم املمكنة يف جمال مغلق‪.‬‬
‫مثال‪ :‬داخل اجملال املغلق ]‪ [2, 5‬املتغرية ‪ X‬املعرفة يف املثال األول أتخذ ‪ 4‬قيم ممكنة‪.‬‬

‫التوزيع االحتمايل للمتغرية املتقطعة‬ ‫‪3‬‬

‫هي جمموعة القيم املمكنة مع االحتماالت املرتبطة بقيم املتغرية‪ .‬نرمز للمتغرية حبرف كبري وللقيم اليت‬
‫أتخذها املتغرية حبرف صغري‪ .‬نعرب عن احتمال قيمة معينة كما يلي )‪ P(X = x‬ونكتب أيضا ‪f(x) :‬‬
‫‪ .‬وتسمى الدالة )‪ f(x‬دالة الكثافة االحتمالية‪.‬‬

‫‪-1-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫مثال‪ :‬التوزيع االحتمايل مل ع للمثال األول (إلقاء مكعب نرد) يكتب كما يلي‪:‬‬
‫‪X‬‬ ‫‪1 2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫= ‪P(X‬‬
‫‪1/6 1/6 1/6 1/6 1/6 1/6 1‬‬
‫)‪x‬‬
‫مثال ‪ .2‬التوزيع االحتمايل ل ‪ ،X‬عدد مرات الصورة يف رميتني لقطعة نقدية‪:‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫= ‪P(X‬‬
‫‪1/4‬‬ ‫‪2/4 1/4‬‬ ‫‪1‬‬
‫)‪x‬‬

‫شروط دالة الكثافة للمتغرية املتقطعة‬ ‫‪4‬‬

‫نعرب عن احتمال قيمة معينة كما يلي )‪ P(X = x‬ونكتب أيضا ‪ f(x) :‬وتسمى الدالة )‪ f(x‬دالة‬
‫الكثافة االحتمالية‪ .‬لكي ميكن اعتبار دالة ما‪ ،‬أاي كانت‪ ،‬دالة كثافة احتمالية جيب أن يتحقق شرطان‬
‫اثنان‪:‬‬
‫)‪1‬‬ ‫‪f ( x)  0‬‬
‫)‪2‬‬ ‫‪ f ( x) = 1‬‬
‫‪x‬‬

‫مثال‪ :‬أنخذ دالة الكثافة ل ‪ X‬نتيجة إللقاء حجر نرد‪f(1) = f(2) = f(3) = … f(6) = :‬‬
‫‪1/6 ≥ 0 ,‬‬
‫الش ر ر رررحم األول قق‪ ،‬والش ر ر رررحم الثاأل أيض ر ر ررا ألن‪Σf(x) = 1/6 + 1/6 + … + 1/6 = :‬‬

‫‪6(1/6) = 1‬‬

‫التمثيل البياين لدالة الكثافة االحتمالية ل م ع املتقطعة‬ ‫‪5‬‬

‫متثل املتغرية العشوائية املتقطعة ليس من خالل منحىن ولكن من خالل أعمدة متوازية على ور ‪.X‬‬
‫مثال‪ :‬منثل بيانيا منحنيات دوال الكثافة ل ‪ X‬و‪ Z‬املعرفة على إلقاء قطعة نقدية مرتني‪.‬‬

‫)‪f(x‬‬
‫)‪f(z‬‬
‫‪1‬‬
‫‪1‬‬

‫‪1/2‬‬
‫‪1/2‬‬

‫‪1/4‬‬
‫‪1/4‬‬

‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪z‬‬

‫التمثيل البياأل لدالة الكثافة للمتغرية العشوائية املتقطعة‬ ‫رسم ‪1‬‬

‫‪-2-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫دالة التوزيع )‪ F(x‬للمتغرية العشوائية املتقطعة‬ ‫‪6‬‬

‫تعرف دالة التوزيع ‪ -‬وتسمى أيضا "الدالة التجميعية" – كما يلي‪:‬‬

‫)‪F(x) = P(X ≤ x‬‬
‫وميكن استنتاج دالة التوزيع من دالة الكثافة االحتمالية )‪ f(x‬كما يلي‪:‬‬
‫) ‪F ( x) = P( X  x) =  f (u‬‬
‫‪u x‬‬

‫إذا كانت ‪ X‬أتخذ عددا منتهيا من القيم فإن )‪ F(x‬ميكن تعريفها كما يلي‪:‬‬
‫‪0‬‬ ‫‪,‬‬ ‫‪−  x  x1‬‬
‫) ‪ f (x‬‬ ‫‪,‬‬ ‫‪x1  x  x 2‬‬
‫‪‬‬ ‫‪1‬‬

‫) ‪F ( x) =  f ( x1 ) + f ( x 2‬‬ ‫‪,‬‬ ‫‪x 2  x  x3‬‬

‫‪  ‬‬
‫‪‬‬
‫‪ f ( x1 ) + f ( x 2 ) + ... + f ( x n ),‬‬ ‫‪x n  x  +‬‬

‫مثال‪ :‬أوجد قيم )‪ F(x‬و)‪ F(z‬لألمثلة السابقة ومثلهما بيانيا‪.‬‬

‫)‪F(x‬‬ ‫)‪F(z‬‬ ‫‪X‬‬ ‫‪0 1 2‬‬
‫‪1‬‬
‫)‪f(x‬‬ ‫‪1/4 1/2 1/4‬‬
‫‪1‬‬
‫‪3/4‬‬ ‫‪F(x)=P(X≤x) 1/4 3/4 1‬‬
‫‪3/4‬‬
‫‪1/2‬‬
‫‪1/2‬‬

‫‪1/4‬‬
‫‪1/4‬‬ ‫‪Z‬‬ ‫‪-2 0 2‬‬
‫‪-2‬‬ ‫‪0‬‬ ‫‪2‬‬
‫)‪f(x‬‬ ‫‪1/4 1/2 1/4‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪z‬‬
‫‪F(x)=P(X≤x) 1/4 3/4 1‬‬
‫‪0‬‬

‫‪ 2‬التمثيل البياني لدالة التوزيع للمتغيرة العشوائية المتقطعة‬ ‫رسم‬

‫مالحظة‪ .‬أتخذ دالة التوزيع للم ع املتقطعة ش ر ر رركال س ر ر ررلميا‪ ،‬وهي ال تكون متناقص ر ر ررة يف أي جمال‪ ،‬وأكرب‬
‫قيمة ممكنة هلا هي ‪.1‬‬

‫‪-3-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫ثانيا‪ :‬مفهوم المتغيرة العشوائية المستمرة وتوزيعها االحتمالي‬

‫تعريف املتغرية العشوائية املستمرة‬ ‫‪1‬‬

‫ه ي متغرية ع أتخذ عددا ال متناهيا من القيم يف جمال دود‪ ،‬أو هي أتخذ أي قيمة داخل هذا اجملال‪ .‬من‬
‫أجل هذا فأن وحدات قياس املتغرية امليتمرة تكون مستمرة مثل الزمن‪ ،‬الوزن‪ ،‬املسافة‪ ،‬احلجم‪... ،‬‬

‫التوزيع االحتمايل املستمر‬ ‫‪2‬‬

‫هو جمموعة القيم اليت ميكن أن أتخذها املتغرية ع املستمرة واالحتماالت امللحقة هبا‪ .‬نسمي توزيعا كهذا‬
‫دالة الكثافة االحتمالية أو دالة االحتمال‪ ،‬وهي ممثلة مبنحىن متصل‪.‬‬
‫الحظ أنه مبا أن ‪ X‬أتخذ عددا ال متناهيا من القيم داخل أي جمال‪ ،‬فإن احتمال قيمة بعينها هو احتمال‬
‫يؤول إىل الصفر‪ P(X=x) →0.‬لذلك فإن دالة الكثافة تستعمل حلساب احتمال جمال‪ .‬ويكون ذلك‬
‫حبساب املساحة حتت منحىن )‪ f(x‬بني ‪b‬حدود اجملال‪.‬‬
‫‪P(a  x  b) = f ( x)dx‬‬ ‫‪‬‬‫‪a‬‬

‫الحظ أن إشارة التكامل هنا تقابل إشارة اجملموع يف‬

‫حالة املتغرية ع املتقطعة‪.‬‬
‫رسم‪ 3‬التمثيل البياني لدالة الكثافة للمتغيرة‬
‫العشوائية المستمرة‬

‫خصائص دالة الكثافة االحتمالية للمتغرية العشوائية املستمرة‬ ‫‪3‬‬

‫‪1) f ( x)  0‬‬ ‫ابستبدال إشارة التكامل إبشارة اجملموع جند أن شروحم دالة‬
‫‪+‬‬
‫‪2)  f ( x)dx = 1‬‬
‫‪−‬‬
‫الكثافة االحتمالية للم ع املستمرة تكتب كما يلي ‪:‬‬

‫من البديهي إذا أن منحىن دالة الكثافة ال ميكن أن ينزل أسفل ور امل ع‪ ،‬كما أن املساحة اإلمجالية بني‬
‫املنحىن واحملور األفقي تساوي الواحد‪.‬‬
‫هذه اخلصائص تفيدان يف حساب احتماالت بعض اجملاالت من خالل احتماالت جماالت أخرى‪.‬‬
‫مث ااال‪ :‬أوج ررد قيم ررة الث رراب ررت ‪ C‬اليت حتقق‬
‫)‪P(a  x  b) = P( X  b) − P( X  a) = F (b) − F (a‬‬
‫الشر ر ر ر ر ر رررطني األول والثر رراأل لر رردالر ررة الكثر ررافر ررة‬
‫االحتمالية يف الدالة التالية‪:‬‬
‫✓ أحسب احتمال أن تكون ‪ X‬تنتمي للمجال من ‪ 1‬إىل ‪.2‬‬
‫✓ أحسب احتمال أن تكون ‪ X‬ال تنتمي للمجال من ‪ 1‬إىل ‪.2‬‬

‫‪-4-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪cx ²‬‬ ‫‪0 x3‬‬

‫‪f ( x) = ‬‬
‫‪0‬‬ ‫‪sinon‬‬
‫‪3‬‬
‫‪+‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪+‬‬ ‫‪ x3 ‬‬
‫‪‬‬‫‪−‬‬
‫‪f ( x)dx = 1 =  0dx +  Cx² dx + ‬‬
‫‪−‬‬ ‫‪0‬‬ ‫‪3‬‬
‫‪0dx = 1 = C   = 9C = 1 = C = 1 / 9‬‬
‫‪ 3 0‬‬
‫لكي تكون ‪ x‬دالة كثافة جيب أن يكون ‪. C = 1/9‬‬
‫‪2‬‬
‫‪1  x3 ‬‬ ‫‪1  8 − 1 7‬‬
‫‪f ( x)dx =  (1 / 9)x ² dx =   = ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪P(1  x  2) = ‬‬ ‫=‬
‫‪1‬‬ ‫‪1‬‬ ‫‪9  3  1 9  3  27‬‬
‫‪7‬‬ ‫‪20‬‬
‫‪P(1  x  2) = 1 − P(1  x  2) = 1 −‬‬ ‫=‬
‫‪27 27‬‬

‫دالة التوزيع )‪ F(x‬للمتغرية العشوائية املستمرة‬ ‫‪4‬‬

‫‪x‬‬
‫‪F ( x) = P ( X  x) =  f (u )du‬‬
‫‪−‬‬ ‫تعرف دالة التوزيع للمتغرية املستمرة كما يلي‪:‬‬
‫لدالة التوزيع أمهية أكرب ابلنسبة للمتغرية املستمرة‪ .‬السبب يف ذلك أننا هنتم‪ ،‬يف حالة املتغرية املستمرة‪،‬‬
‫ابحتمال جمال وليس ابحتمال نقطة‪ ،‬وحلساب احتمال جمال من األيسر التعويض يف دالة التوزيع بدال من‬
‫حساب التكامل يف كل مرة‪ .‬يتضح ذلك من القاعدة التالية‪ :‬بفرض ‪ a, b‬نقطتان من جمال تعريف ‪،X‬‬
‫حبيث ‪ . b > a‬حلساب احتمال أن تكون ‪ X‬تنتمي إىل اجملال ]‪: ]a, b‬‬
‫)‪P(a  x  b) = P( X  b) − P( X  a) = F (b) − F (a‬‬
‫)‪f(x‬‬

‫‪1‬‬

‫مثال‪:‬‬
‫أوجد دالة التوزيع للمتغرية املذكورة يف املثال السابق‪.‬‬
‫‪a‬‬ ‫‪b‬‬ ‫‪x‬‬ ‫استخدم دالة التوزيع حلساب االحتمال‪P(1< x :‬‬
‫)‪.<2‬‬

‫رسم ‪ 4‬حساب االحتمال من خالل دالة التوزيع‬

‫‪x‬‬ ‫‪0‬‬
‫‪*x  0:‬‬ ‫‪F ( x) = ‬‬ ‫‪f (u )du =  0du = 0‬‬
‫‪−‬‬ ‫‪−‬‬
‫‪x‬‬
‫‪x‬‬ ‫‪0‬‬ ‫‪x‬‬ ‫‪1‬‬ ‫‪1 u3 ‬‬ ‫‪x3‬‬
‫‪*0  x  3:‬‬ ‫‪F ( x) =  f (u)du =  0du + ‬‬ ‫= ‪u²du =  ‬‬
‫‪−‬‬ ‫‪−‬‬ ‫‪0‬‬ ‫‪9‬‬ ‫‪9  3  0 27‬‬
‫‪3‬‬
‫‪x‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪x‬‬ ‫‪1 u3 ‬‬ ‫‪27‬‬
‫‪* x  3:‬‬ ‫‪F ( x) =  f (u )du =  0du + ‬‬ ‫= ‪u ² du +  0du = 0 +   + 0‬‬ ‫‪=1‬‬
‫‪−‬‬ ‫‪−‬‬ ‫‪0‬‬ ‫‪9‬‬ ‫‪3‬‬ ‫‪9  3 0‬‬ ‫‪27‬‬

‫‪-5-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪0‬‬ ‫‪x0‬‬
‫‪‬‬ ‫‪2 3 13‬‬ ‫‪7‬‬
‫‪F ( x) =  x 3 / 27‬‬ ‫‪0 x3‬‬ ‫= )‪P(1  x  2) = F (2) − F (1‬‬ ‫‪−‬‬ ‫=‬
‫‪1‬‬ ‫‪27 27 27‬‬
‫‪‬‬ ‫‪x3‬‬

‫قاعدة اليبنيز ‪Règle de LEIBNITZ‬‬ ‫‪5‬‬

‫تفيد هذه القاعدة الرايضية العامة يف استنتاج أن مشتقة دالة التوزيع هي دالة الكثافة‪:‬‬
‫‪x‬‬
‫‪d  f (u )du‬‬ ‫)‪dF ( x‬‬
‫‪−‬‬
‫‪= f ( x) ‬‬ ‫)‪= f ( x‬‬
‫‪dx‬‬ ‫‪dx‬‬
‫مثال‪ :‬أوجد دالة الكثافة للمتغرية ‪ X‬إذا كانت دالة التوزيع كما يلي‪:‬‬
‫‪1 − e −2 x‬‬ ‫‪x0‬‬
‫‪F ( x) = ‬‬
‫‪0‬‬ ‫‪sinon‬‬

‫‪* x  0 : f ( x) = F ' ( x) = (0)' = 0‬‬ ‫‪2e −2 x‬‬ ‫‪x0‬‬

‫‪f ( x) = ‬‬
‫(‬
‫‪* x  0 : F ( x) = 1 − e − 2 x  f ( x) = 1 − e − 2 x‬‬ ‫‪) = 2e‬‬ ‫‪−2 x‬‬ ‫‪0‬‬ ‫‪sinon‬‬

‫خالصة املبحث األول و الثاين‬ ‫‪6‬‬

‫يتم تعريف التوزيع االحتمايل (أو القانون االحتمايل) ملتغرية عش روائية من خالل حتديد القيم املمكنة للمتغرية‬
‫و االحتماالت املقابلة هلا‪.‬‬
‫يتم هذا التحديد إما من خالل جدول ) جدول التوزيع االحتمايل) أو دالة‪ ،‬تسمى دالة كثافة االحتمالية‪.‬‬
‫لكي نقول عن دالرة مرا أهنرا دالرة كثرافرة احتمراليرة جيرب أن تكون موجبرة دومرا و أن يكون جمموع االحتمراالت‬
‫مساواي للواحد‪.‬‬
‫الدالة التجميعية (أو دالة التوزيع) متثل احتمال جمال من أصغر قيمة للمتغرية إىل نقطة ما‪:‬‬
‫يف حرالرة‬ ‫‪x‬‬ ‫يف حرالرة م متقطعرة و‬ ‫) ‪F ( x) = P( X  x) =  f (u‬‬
‫‪F ( x) = P ( X  x) =  f (u )du‬‬ ‫‪u x‬‬
‫‪−‬‬

‫م مستمرة‪.‬‬
‫نظرا لتعريفهرا أتخرذ دالرة التوزيع مسر ر ر ر ر ر ررارا متزايردا (أو ابترا على أجزاء من اجملرال)‪ .‬تربز أمهيرة الردالرة التجميعيرة‬
‫أكثر عندما تكون املتغرية مسر ر ر ر ر ررتمرة ألننا هنتم حينها ابحتماالت جماالت‪ .‬ميكن اسر ر ر ر ر ررتنتاج دالة الكثافة من‬
‫خالل اشتقاق دالة التوزيع‪.‬‬

‫‪-6-‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫التوقع الرياضي والتباين‬

‫يف العديد من احلاالت ال يكفي حسر ر ر ر ر ر رراب احتمال حتقق حدن أو أحدان معينة بل وتاج للخروج بتوقع‬
‫معني يلخص الوض ر ر ر ررعية املطروحة أمامنا‪ .‬من جهة أخرى قد يص ر ر ر ررعب املفاض ر ر ر ررلة بني خيارات متاحة مقيمة‬
‫مببالغ معينة بسرربب ارتباحم كل مبلغ مبخاطرة لتلفةم من املعروف أن االسررتثمارات األكثر مردودية هي تلك‬
‫اليت تتضررمن أكرب لاطرة‪ ،‬فكيف ميكن أخذ يف احلسرربان املخاطرة واملبلغ املتوقع وبطريقة دقيقة وموضرروعيةم‬
‫إن طريقة التوقع وبقية املفاهيم األخرى الواردة أعاله ميكن أن تساعدان يف ذلك‪.‬‬

‫ثالثا‪ :‬التوقع الرياضي ‪Espérance mathématique‬‬

‫تعريف التوقع‬ ‫‪1‬‬

‫يعرف التوقع الرايضي ملتغرية عشوائية متقطعة كما يلي‪:‬‬

‫= ) ‪E ( X ) = i =1 xi P ( X = xi‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪i =1‬‬
‫) ‪xi f ( x i‬‬

‫و يعرف التوقع الرايضي ملتغرية عشوائية مستمرة كما يلي‪:‬‬

‫‪+‬‬
‫‪E ( X ) =  xf ( x)dx‬‬
‫‪−‬‬

‫نرمز للتوقع أحياان ب ‪ μ‬أو ‪.μx‬‬

‫مثال‪ :‬نلقي قطعة نقدية ‪ 4‬مرات‪ .‬أحسب العدد املتوقع من املرات اليت وصل فيها على وجه‪.‬‬
‫‪X‬عدد مرات‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫اجملموع‬
‫وجه‬
‫‪4‬‬ ‫‪6‬‬ ‫‪4‬‬ ‫‪16/16‬‬
‫)‪P(X‬‬ ‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬
‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪=1‬‬
‫‪4‬‬ ‫‪12‬‬ ‫‪12‬‬ ‫‪4‬‬ ‫‪32/16‬‬
‫)‪XP(X‬‬ ‫‪0‬‬
‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪(1/2)4‬‬ ‫‪=2‬‬
‫‪E ( X ) = i =1 xi P ( X = xi ) = 32 / 16 = 2‬‬
‫‪n‬‬

‫العدد املتوقع هو مرتني من بني ‪ 4‬رميات‪.‬‬

‫مثال ‪ .2‬نلقي قطعة نقدية مرة واحدة‪ .‬يربح الالعب ‪ 20‬دج إذا حص ررل على الرقم ‪ ،2‬ويربح ‪ 40‬دج إذا‬
‫حصر ررل على الرقم ‪ ،4‬و‪ 60‬دج إذا حصر ررل على الرقم ‪ ،6‬وخيسر ررر ‪ 10‬دج إذا حصر ررل على الرقم ‪30 ،1‬‬
‫دج إذا حصرل على الرقم ‪ ،3‬و‪ 50‬دج إذا حصرل على الرقم ‪ .5‬حتقق مما إذا كانت العبة متوازنة (هل توقع‬
‫الربح يساوي توقع اخلسارة)‪.‬‬
‫اجلواب هو أن اللعبة غري متوازنة ألن توقع الربح أكرب من توقع اخلسارة ‪E(x) = 30/6 = 5 > 0‬‬

‫‪7‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫نتيجة الرمي‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫اجملموع‬

‫نتيجة املراهنة‬
‫‪-10 20 -30 40 -50 60‬‬ ‫‪-‬‬
‫‪X‬‬
‫‪P(X=x) 1/6 1/6 1/6 1/6 1/6 1/6‬‬ ‫‪6/6‬‬
‫‪X*P(X=x) -‬‬ ‫‪(120-‬‬
‫‪20/6 -30/6 40/6 -50/6 60/6‬‬
‫‪10/6‬‬ ‫‪90)/6>0‬‬
‫مثال‪ .3‬أوجد التوقع الرايضي للمتغرية ذات دالة الكثافة التالية‪:‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪E ( x) =  xf ( x)dx =  x.0.dx +  x( x)dx +  x.0.dx‬‬
‫‪ x‬‬ ‫‪0 x2‬‬
‫‪f ( x) =  2‬‬ ‫‪−‬‬ ‫‪−‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪0‬‬ ‫‪sinon‬‬ ‫‪1  x3 ‬‬

‫‪2‬‬
‫‪4‬‬
‫= ‪E ( x) = 0 +   + 0‬‬
‫‪2  3 0‬‬ ‫‪3‬‬

‫توقع دالة‬ ‫‪2‬‬

‫يستخدم توقع دالة عند حساب عدد من املقاييس مثل التباين‪ ،‬العزوم املركزية والعزوم املرتبطة ابألصل‪.‬‬
‫لتكن ‪ X‬م ع هلا دالة كثافة )‪ ،f(x‬و)‪ y = g(x‬م ع اتبعة هلا‪.‬‬
‫)‪E (Y ) = E ( g ( x)) =  x g ( x) f ( x‬‬
‫‪+‬‬
‫‪E (Y ) = E ( g ( x)) =  g ( x) f ( x)dx‬‬
‫‪−‬‬ ‫يف حالة ‪ X‬م متصلة‪:‬‬

‫مثال‪ .1‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬و‪ .Y=X²‬أحسب‬
‫)‪ E(X‬و)‪. E(Y‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫المجموع‬
‫)‪P(X = x‬‬ ‫‪1/4‬‬ ‫‪1/2‬‬ ‫‪1/4‬‬ ‫‪1‬‬
‫)‪X*P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1/2‬‬ ‫‪E(X) =1‬‬
‫‪X²‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬
‫= )‪E(X²‬‬
‫)‪X²*P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1‬‬
‫‪3/2‬‬
‫مثال‪ :2‬لتكن ‪ X‬م ع ذات دالة الكثافة التالية‪ ،‬و‪ .Y = g(x) = 3x² - 2x‬أحسب )‪.E(Y‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x2‬‬
‫‪f ( x) =  2‬‬
‫‪0‬‬ ‫‪sinon‬‬

‫‪8‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪+‬‬

‫‪E (Y ) = E ( g ( x)) =  g ( x) f ( x)dx =  (3x ² − 2 x)(0)dx +  (3x ² − 2 x)( x / 2)dx +  (3x ² − 2 x)(0)dx‬‬
‫‪−‬‬ ‫‪−‬‬ ‫‪−‬‬ ‫‪−‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪1  3x 4 2 x 3 ‬‬ ‫‪1‬‬ ‫‪16  20 10‬‬
‫‪E (Y ) = 0 +  (3x² − 2 x)( x / 2)dx + 0 = ‬‬ ‫‪−‬‬ ‫‪‬‬ ‫= ‪= 12 − ‬‬ ‫=‬
‫‪0‬‬ ‫‪2 4‬‬ ‫‪3 0 2 ‬‬ ‫‪3 6‬‬ ‫‪3‬‬

‫خصائص التوقع الرايضي‬ ‫‪3‬‬

‫‪E (C) = C‬‬

‫)‪E(CX) = CE(X‬‬
‫)‪E(X+Y) = E(X) + E(Y‬‬
‫إذا كانت املتغرياتن مستقلتان‪E(XY) = .‬‬
‫)‪E(X)E(Y‬‬
‫مثال‪ :‬تتوقع مؤسسة أن تتلقى كل شهر ‪ 3‬طلبيات من العميل ‪ A‬و‪ 4‬من ‪. B‬‬
‫▪ أحسب العدد املتوقع من الطلبيات املتلقاة من ‪ A‬يف السنة‪.‬‬
‫▪ أحسب العدد اإلمجايل املتوقع من الطلبيات املتلقاة يف شهر‪.‬‬
‫يعني كل عميل من طرفه مندواب عن كل طلبية ملتابعة إمتامها‪ .‬كم تتوقع أن يلزم من مقابلة لتعريف مندويب‬
‫العميل ‪ A‬مبندويب ‪.B‬‬
‫‪E(12A) = 12E(A) = 12(3) = 36‬‬
‫‪E(A*B) = E(A)*E(B) = 4*3 = 12.‬‬
‫‪E(A + B) = E(A) + E(B) = 3 + 4 = 7‬‬
‫رابعا‪ :‬التباين واالنحراف المعياري ‪Variance et écart type‬‬

‫تعريف التباين‬ ‫‪1‬‬

‫يعرف التباين ملتغرية عشوائية كما يلي‪:‬‬

‫‪ X ² = Var ( X ) = E( X −  )²‬‬
‫‪.σ = √V(X) = √σ²‬‬ ‫و االوراف املعياري هو جذر التباين‪.‬‬
‫)‪V ( X ) =  x ( x −  )² f ( x‬‬
‫يف حالة املتغرية العشوائية املتقطعة ‪:‬‬
‫‪+‬‬
‫‪V (X ) = ‬‬ ‫‪(x −  )² f ( x)dx‬‬
‫‪−‬‬ ‫يف حالة املتغرية العشوائية مستمرة ‪:‬‬
‫مثال‪ .‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬أحسب )‪. V(X‬‬
‫‪X‬‬ ‫‪0 1 2‬‬ ‫المجموع‬
‫)‪P(X = x‬‬ ‫‪1/4 1/2 1/4‬‬ ‫‪1‬‬
‫‪E(X) = μ‬‬
‫)‪X*P(X‬‬ ‫‪0‬‬ ‫‪1/2 1/2‬‬
‫‪=1‬‬

‫‪9‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪(X-μ)²‬‬ ‫‪1 0 1‬‬

‫* ‪(X-μ)²‬‬ ‫= )‪V(X‬‬
‫‪1/4 0 1/4‬‬
‫)‪P(X‬‬ ‫‪1/2‬‬
‫مثال ‪ .2‬لتكن ‪ X‬م ع ذات دالة الكثافة التاليةم أحسب تباين ‪.X‬‬
‫‪1‬‬
‫‪ x‬‬ ‫‪0 x2‬‬ ‫‪+‬‬
‫‪f ( x) =  2‬‬ ‫‪² = ‬‬
‫‪−‬‬
‫‪(x −  )² f ( x)dx.‬‬ ‫‪ = 4/3‬‬
‫‪0‬‬ ‫‪sinon‬‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪0‬‬ ‫‪‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4 x‬‬ ‫‪+ ‬‬ ‫‪4‬‬ ‫‪1 ‬‬ ‫‪8 x 16 ‬‬
‫‪ ² =   x −  * 0dx +   x −  dx +   x −  0dx = 0 + x x 2 − +  + 0‬‬
‫‪−‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪3 2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪2 ‬‬ ‫‪3‬‬ ‫‪9 0‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪8 x ² 16 x ‬‬ ‫‪1‬‬ ‫‪32 32  4‬‬
‫‪ ² =  x3 −‬‬ ‫‪+‬‬ ‫‪ = 8 −‬‬ ‫=‪+ ‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪9 0 2 ‬‬ ‫‪3‬‬ ‫‪9  9‬‬

‫خصائص التباين‬ ‫‪2‬‬

‫‪V(X) = E(X²) - E(X)²‬‬

‫‪V(CX) = C²V(X) , V (C) = 0‬‬
‫يف حالة استقالل املتغرياتن عن بعضهما‬
‫)‪V(X - Y) = V(X) + V(Y‬‬ ‫)‪, V(X + Y) = V(X) + V(Y‬‬
‫مثال‪ :‬نلقي قطعة نقدية مرتني‪ .‬نسمي ‪ X‬عدد مرات احلصول على صورة‪ ،‬أحسب )‪ V(X‬ابستخدام‬
‫الصيغة‬
‫‪. V(X) = E(X²) - E(X)²‬‬
‫لتكن املتغرية ‪ .Y = 2X‬أحسب )‪ ، V(Y‬نلقي حجر نرد ونسمي ‪ Z‬النتيجة احملصل عيها‪ .‬أحسب‬
‫تباين املتغرية ‪ W‬حيث‪W = Z - Y :‬‬
‫‪X‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫المجموع‬
‫)‪P(X = x‬‬ ‫‪1/4‬‬ ‫‪1/2‬‬ ‫‪1/4‬‬ ‫‪1‬‬
‫‪E(X) = μ‬‬
‫)‪X P(X‬‬ ‫‪0‬‬ ‫‪1/2‬‬ ‫‪1/2‬‬
‫‪=1‬‬
‫‪(X)²‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪4‬‬
‫* ‪(X)²‬‬
‫= ‪E(X)²‬‬
‫‪0‬‬ ‫‪1/2‬‬ ‫‪1‬‬
‫)‪P(X‬‬ ‫‪3/2‬‬

‫‪V(X) = E(X²) - E(X)² = (3/2) - 1 = 1/2‬‬

‫‪V(Y) = V(2X) = 2²V(X) = 4 (1/2) = 2.‬‬
‫‪V(W) = V(Z-2X) = V(Z) +V(2X) = V(Z) + 2²V(X).‬‬

‫‪10‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪V(Z) = E(Z²) – E(Z)² = (1/6)[1²+2²+3²+4²+5²+6²]-‬‬

‫‪(1/6)[1+2+3+4+5+6] = 70/6‬‬
‫‪V(W) = (70/6) + 4 (1/2) = 82/6 = 13.67‬‬
‫املتغرية املعيارية ‪Variable centrée réduite‬‬ ‫‪3‬‬

‫ميكن أن نلحق أبي متغرية عشوائية ‪ X‬متغرية معيارية (تسمى أيضا املتغرية املركزية) ويرمز هلا *‪ . X‬تلحق‬
‫املتغرية املعيارية ابملتغرية احلقيقية من أجل املقارنة ألن املتغرية املعيارية ليس هلا وحدة كاملرت أو الساعة ‪...‬‬
‫وإمنا هي تعرب عن كل قيمة ‪ x‬ل ‪ X‬من خالل املسافة بني ‪ x‬والتوقع ‪ μ‬سوبة لس ابلوحدة األصلية‬
‫وإمنا ابالورافات املعيارية‪.‬‬
‫‪X −‬‬
‫= *‪X‬‬
‫‪‬‬
‫من خالل خصائص التوقع والتباين نستخرج التوقع والتباين للمتغرية املعيارية‪.‬‬
‫‪X − 1‬‬
‫‪ = E ( X −  ) = E ( X ) − E (  ) = 0‬‬
‫‪1‬‬
‫‪E ( X *) = E ‬‬
‫‪   ‬‬ ‫‪‬‬
‫‪ ( X −  )²  1‬‬ ‫‪²‬‬
‫‪V ( X *) = E( X * − E ( X *))²  = E ( X * −0)²  = E ( X * ²) = E ‬‬ ‫=‪‬‬ ‫= ‪E ( X −  )²‬‬ ‫‪=1‬‬
‫‪ ²  ²‬‬ ‫‪²‬‬
‫مثال‪ :‬أحسر ر ررب *‪ X‬من أجل متوسر ر ر ‪ ،70‬اوراف معياري ‪ ،5‬و‪ X‬يسر ر رراوي‪،75 ،50 ،60 ،55 :‬‬
‫‪.70 ،80‬‬
‫اجلواب‪ :‬القيم هي‪.0 ،2 ،1 ،4- ،2- ،3- :‬‬
‫مثاال ‪ . 2‬يتردرب عرامالن أ رد وعلي من أجرل املش ر ر ر ر ر ر رراركرة يف مراراتون عيرد العمرال ‪ 1‬مراي‪ .‬يشر ر ر ر ر ر رررتحم يوم‬
‫املسابقة أن يكون وزن املرتشح ال يتجاوز اجملال ‪. μ ± 1.5σ‬‬
‫إذا كان الوزن املتوس ر ر ر ر ر ابلكغ هو ‪ μ = 70‬واالوراف املعياري هو ‪ 5‬كغ‪ .‬هل س ر ر ر ر رريقبل العامالن أ د‬
‫وعلي إذا كان وزهنما‪ 77 :‬كغ‪ ،‬و‪ 80‬كغ؟‬
‫اجلواب‪ :‬جمال القبول هو من ‪ 62.5‬كغ إىل ‪ 77.5‬كغ‪ ،‬لذلك فسريفض علي ويقبل أ د‪.‬‬

‫خالصة‬ ‫‪4‬‬

‫التوقع الرايض رري و التباين هي أهم املؤش ررات املعربة عن خص ررائص املتغرية و كس رربان كما يلي‪ ،‬حس ررب كون‬
‫املتغرية متقطعة أو مستمرة‪:‬‬
‫= ) ‪E ( X ) = i =1 xi P ( X = xi‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪i =1‬‬
‫) ‪xi f ( x i‬‬
‫‪+‬‬
‫‪E ( X ) =  xf ( x)dx‬‬
‫‪−‬‬

‫لكل من التوقع و التباين ‪ 4‬خصائص أساسية تتمثل فيما يلي‪:‬‬

‫‪E (C) = C‬‬ ‫توقع عدد ابت‬ ‫‪V(C) = 0‬‬

‫‪11‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫)‪E(CX) = CE(X‬‬ ‫)‪V(CX) = C²V(X‬‬

‫يف حالة استقالل املتغرياتن عن‬
‫بعضهما‬
‫)‪E(X+Y) = E(X) + E(Y‬‬ ‫‪V(X + Y) = V(X) +‬‬
‫)‪V(Y‬‬
‫‪V(X - Y) = V(X) + ,‬‬
‫)‪V(Y‬‬
‫يف حالة استقالل املتغرياتن عن بعضهما‪E(XY) = .‬‬
‫‪V(X) = E(X²) - E(X)²‬‬
‫)‪E(X)E(Y‬‬

‫من أجل املقارنة بني املتغريات تستخدم املتغرية املعيارية اليت تسمح ابلتعبري عن قيمة ‪ x‬ليس من خالل‬
‫وحداهتا األصلية (كغ‪ ،‬مرت‪ ،‬زمن‪ )... ،‬وإمنا بعدد االورافات املعيارية اليت تفصل بني القيمة ‪ x‬والتوقع‬
‫الرايضي‪.‬‬
‫مها على التوايل ‪ 0‬و ‪.1‬‬ ‫‪X −‬‬ ‫التوقع الرايضي والتباين للمتغرية املعيارية‬
‫= *‪X‬‬
‫‪‬‬

‫حلسر ر رراب التوقع الرايضر ر رري لدالة ما يف ‪( X‬مثال التباين‪ ،‬أو ‪ )X²‬نضر ر رررب قيم الدالة يف االحتماالت املقابلة‬
‫ل‪:X‬‬
‫)‪E (Y ) = E ( g ( x)) =  x g ( x) f ( x‬‬
‫‪+‬‬
‫‪E (Y ) = E ( g ( x)) =  g ( x) f ( x)dx‬‬
‫‪−‬‬

‫خامسا‪ :‬التوزيعات االحتمالية الشائعة المستمرة‬

‫‪D. Normale ou D. de Laplace -‬‬ ‫‪1‬‬

‫قاو‬
‫‪ 1‬الاتاوزياع الاطاباياعاي و تاوزياع ال اال‬
‫‪Gausse‬‬
‫يعد التوزيع الطبيعي من أهم التوزيعات االحتمالية شائعة االستخدام ملا له من خصائص تنطبق على نسبة‬
‫كبرية من الظواهر الطبيعية واالجتماعية واالقتصادية‪ .‬فلو اخرتان ابلصدفة مئة أو ألفا من املارين يف شار ع‬
‫ما وقسنا أطواهلم لوجدان نسبة كبرية منها قريبة من متوس ما‪ ،‬ونسبة قليلة من طوال القامة ونسبة مقاربة‬
‫هلا من قصار القامة‪ .‬ومثل هذا ابلنسبة لألوزان‪ .‬ولو مثلنا هذه البياانت يف معلم متعامد متجانس لكان‬

‫‪ 1‬ابسم العاملان الرايضيان الفيزايئيان و الفلكيان الفرنسي ‪ (1749-1827) Pière Simon de Laplace‬واألملاأل ‪- Carl Freidrich Gauss‬‬
‫الصورة هلذا األخري‪ (1777-1855) ،-‬الذين كاان من أوائل من اكتشف هذا القانون‪ .‬أما من أعطاه تسمية التوزيع الطبيعي فهو ‪ Pearson‬يف ‪ .1893‬أنظر‬
‫‪ ،(1997) J. J. Droesbeke‬ص‪. 329‬‬

‫‪12‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫املنحىن الذي ميثل النسبة‪ ،‬أو ما ميكن أن نسميه االحتمال‪ ،‬ذا شكل جرسي متماثل حول املتوس وهي‬
‫صفات التوزيع الطبيعي (الشكل‪: )9‬‬

‫( ) صيغة القانون‬
‫تكتب دالة الكثافة ملنحىن للتوزيع الطبيعي كما يلي‪:‬‬
‫‪x −  ‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪− 1 / 2 ‬‬ ‫‪‬‬

‫= )‪f ( x‬‬
‫‪1‬‬
‫‪e‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪−  x  ‬‬
‫‪ 2‬‬

‫ونكتب )‪X ~ N(µ, σ‬‬ ‫حيث ‪ µ‬و‪ σ‬مها على التوايل التوقع واالوراف املعياري‪.‬‬

‫)‪f(x‬‬

‫‪x‬‬
‫‪μ‬‬

‫الشكل العام للتوزيع الطبيعي‬

‫دالة التوزيع (الدالة التجميعية) للتوزيع الطبيعي تكتب كما يلي‪:‬‬

‫‪2‬‬
‫‪ v− ‬‬
‫‪x‬‬‫‪−1 / 2‬‬ ‫‪‬‬
‫‪‬‬
‫‪1‬‬
‫= )‪F ( x) = P ( X  x‬‬ ‫‪e‬‬ ‫‪  ‬‬ ‫‪dv‬‬
‫‪ 2‬‬ ‫‪−‬‬

‫المتغيرة المركزية أو المعيارية ‪ :‬تستخدم املتغرية املعيارية ‪ Z = (X-µ)/σ‬لتكوين اجلداول‬

‫اإلحصائية لالحتماالت‪:‬‬
‫)‪ P(0 ≤ Z ≤ z‬أو )‪،F(z) = P(Z ≤ z‬‬
‫حيث تسمح بكتابة الدالة ‪ f‬و‪ F‬بداللة جمهول واحد ‪ Z‬بدال من ‪ 3‬جماهيل ‪ x‬و‪ µ‬و ‪ σ‬وذلك كما يلي‪:‬‬
‫‪1‬‬ ‫‪−z² / 2‬‬
‫= )‪f ( z‬‬ ‫‪e‬‬ ‫‪−  z  ‬‬
‫‪2‬‬

‫‪13‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫‪z‬‬ ‫‪−u ²‬‬

‫‪‬‬
‫‪1‬‬
‫= ) ‪F ( z ) = P( Z  z‬‬ ‫‪e‬‬ ‫‪2 du‬‬
‫‪2‬‬ ‫‪−‬‬

‫ابلنظر إىل العالقة اخلطية بني املتغريتني ‪ X‬و ‪ ،Z‬فإن ‪ Z‬تتبع نفس توزيع ‪ X‬أي التوزيع الطبيعي‪ .‬ونعلم‬
‫أن‪:‬‬
‫‪V(Z) = 1 E(Z) = 0‬‬

‫خصائص التوزيع الطبيعي‬ ‫(ب)‬

‫‪‬‬
‫‪M x (t ) = exp t +‬‬
‫‪t ² ² ‬‬
‫‪‬‬ ‫الدالة املتجددة للعزوم ‪:‬‬
‫‪‬‬ ‫‪2 ‬‬

‫من خصائص التوزيع الطبيعي أنه يعترب معتدال ال مدببا وال مفلطحا‪ ،‬حيث يعترب معامل التفلطح ‪α4 = 3‬‬
‫‪3‬‬ ‫للتوزيع الطبيعي معيارا العتدال املنحنيات‪.‬‬
‫= ‪3‬‬ ‫‪=0‬‬
‫‪3‬‬
‫حول القيمة املتوقعة‬ ‫من خصائص التوزيع الطبيعي أيضا أنه متماثل‬
‫متاثل منحىن ‪ X‬حول املتوس (أنظر الشكل ‪ )3‬يعين متاثل ملنحىن ‪ Z‬حول ‪ ،0‬مما يعين أنه من أجل أي‬
‫املعيارية‬ ‫للمتغرية‬ ‫قيمة‬
‫‪:z>0‬‬
‫‪P(0 ≤ Z ≤ z) = P(-z ≤ Z ≤ 0) = P(-z ≤ Z ≤ z) / 2‬‬
‫)‪P(Z ≤ -z) = 1- P(Z ≤ z) = P(Z ≥ z‬‬

‫)‪P(-z ≤ Z ≤ z‬‬
‫)‪P(Z ≤ -z‬‬ ‫)‪P(Z ≥ z‬‬

‫‪Z‬‬

‫‪-z‬‬ ‫‪0‬‬ ‫‪z‬‬

‫‪µ‬‬ ‫‪X‬‬

‫استخدام تماثل الوزيع الطبيعي في حساب االحتماالت‬

‫و لقد مت ابستخدام املتغرية املعيارية ‪ Z‬حساب االحتماالت (املساحات) حتت املنحىن ومنها خاصة‪:‬‬
‫‪P(-σ ≤ X ≤ σ) = P(-σ ≤ Z ≤ σ) = 0.6837,‬‬
‫‪P(-2 σ ≤ X ≤ 2 σ) = P(-2 ≤ Z ≤ 2) = 0.9544,‬‬
‫‪P(-3 σ ≤ X ≤ 3 σ) = P(-3 ≤ Z ≤ 3) = 0.9973.‬‬

‫‪14‬‬
 ‫المحور األول‪ :‬مفاهيم حول المتغيرات العشوائية‬

‫هرذه القيم وغريهرا متوفرة يف اجلرداول اإلحص ر ر ر ر ر ر ررائيرة اليت جنردهرا يف الكثري من املراجع‪ ،‬كمرا ميكن حس ر ر ر ر ر ر رراهبرا‬
‫ابستخدام احلاسوب‪.‬‬

‫‪μ - 6σ‬‬ ‫‪μ - 5σ‬‬ ‫‪μ - 4σ‬‬ ‫‪μ - 3σ‬‬ ‫‪μ - 2σ‬‬ ‫‪μ -1σ‬‬ ‫‪μ‬‬ ‫‪μ +1σ‬‬ ‫‪μ + 2σ‬‬ ‫‪μ + 3σ‬‬ ‫‪μ + 4σ‬‬ ‫‪μ + 5σ‬‬ ‫‪μ + 6σ‬‬
‫‪2σ = 68.26%‬‬

‫‪4σ = 95.44%‬‬

‫‪6σ = 99.73%‬‬

‫‪8σ = 99.9937%‬‬

‫‪10σ = 99.999943%‬‬
‫المساحات األساسية تحت منحنى التوزيع الطبيعي‬
‫‪12σ = 99.9999998%‬‬

‫مثال‪ :‬ابستعمال اجلداول االحصائية ‪ )1‬أحسب ‪ P(0 ≤ Z ≤ z) :‬حيث ‪z =1, 2, 3‬‬

‫‪ )2‬أحسب )‪ P(-z ≤ Z ≤ z‬من أجل نفس القيم ل ‪.z‬‬
‫‪0.49865 ، 0.47725 ، 0.3413 )1‬‬
‫‪0.9973 ،0.9545 ،0.6827 )2‬‬

‫‪15‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫مفهوم العينات ‪:‬تعرف العينة بأنها ذلك الجزء من المجتمع الذي يجري اختيارها على وفق طرائق وقواعد علمية‬
‫بحيث تمثل المجتمع تمثيال صحيحا‬
‫مميزات استخداـم العينات في البحوث ‪:‬‬
‫‪-‬العينات تكتفي بعدد محدود من المفردات وليس جميعها‪ ،‬وذلك اقتصادا في الجهد والنفقات‪.‬‬
‫‪-‬أنها سريعة في إعطاء نتائج البحوث مقارنة بأسلوب الحصر الشامل ‪.‬‬
‫‪-‬تتيح للباحث التعميق في مصادر األحكام واتخاذ القرارات‪.‬‬
‫‪-‬تستخدـم ألنها أقل عرضة لألخطاء مقارنة باألساليب األخرى‪.‬‬
‫‪-‬يعد استخدامها (العينات) من الوسائل المعنية بإثراء البحوث العلمية األصلية‪.‬‬
‫‪-‬أنها طريقة مناسبة‪ ،‬حيث إمكانية تحديد مدى الثقة في نتائجها‪ ،‬وكذا نسبة تمثيلها للمجتمع‪.‬‬
‫عيوب استخدام العينة (أخطاء المعاينة) ‪:‬‬
‫‪-‬اخذ عينة من مصدر خاطئ‪ ،‬كأن تستخدم دليل الهاتف للحصول على عينة تمثل الرأي العام ‪.‬‬
‫‪-‬التحيز الشخصي‪ ،‬ويحدث ذلك حينما يأخذ الباحث عينته المختارة من فئة معينة لها خصائص مميزة عن المجتمع‬
‫الكلي‪.‬‬
‫‪-‬جمع بيانات ناقصة‪ ،‬فمثال إهمال العامل الجغرافي عند دراسة المستوى االقتصادي للسكان بتقسيم األسر المبحوثة‬
‫حسب دخولها‪.‬‬
‫‪-‬خطأ الصدفة‪ ،‬يزداد احتمال ورود هذا الخطأ كلما صغر حجـم العينة‪.‬‬
‫أنواع العينات‪:‬‬
‫‪-‬العينات غير االحتمالية ‪:‬وهي تلك العينات التي يتم اختيارها بطريقة غير عشوائية‪ ،‬أي التي ال تعتمد على نظرية‬
‫االحتماالت ومن عيوبها أنها ال تمثل مجتمع البحث تمثيال دقيقا‪ ،‬ومن ثم فإن نتائجها ال تصلح للتعميم على المجتمع‬
‫كله‪ ،‬ومن أمثلة هذا النوع من العينات أن يختار الباحث عينة يرى أنها تمثل المجتمع األصلي الذي يقوم بدراسته‬
‫تمثيال صادقا‪.‬‬
‫العينات االحتمالية‪:‬‬
‫‪-‬العينة العشوائية البسيطة‪ :‬هي العينة التي تختار وحدتها من اإلطار الخاص بها‪ ،‬على أساس يهيئ فرص انتقاء‬
‫متكافئة لجميع وحدات المجتمع المسحوبة منها‪.‬‬
‫‪-‬العينة العشوائية الطبقية‪ :‬في هذه الحالة ينبغي تقسيم المجتمع إلى أقسام أو طبقات مختلفة ثـم يأخذ من كل قسم أو‬
‫طبقة عينة متجانسة بطريقة عشوائية‪ ،‬على أن يكون حجـم كل طبقة في العينة متناسبة مع حجم الطبقة المناظرة لها‬
‫في المجتمع األصلي‪.‬‬
‫‪-‬العينة العشوائية المنتظمة‪ :‬يتم اختيار وحداتها بحيث تكون المسافة أو المدة بين كل وحدة وأخرى ثابتة لجميع‬
‫وحدات العينة‪.‬‬
‫‪-‬العينة العشوائية العنقودية‪ :‬وهي عينة تختار عن طريق استخدام تجمعات (عناقيد) تختار من المجتمع األصلي بدال‬
‫من انتقاء المفردات بصفة مباشرة من هذا المجتمع ‪.‬‬
‫نظرية المعاينة ‪: Distribution d'échantillonnage‬‬
‫تنتشر في مجتمعاتنا المعاصرة عمليات االستقصاء‪ ،‬ففي عالم األعمال تقوم المؤسسات عن طريق مصالح التسويق‬
‫ومصالح البحوث والتطوير بإجراء استقصاءات لإلطالع على توجهات المستهلكين‪ ،‬وفي وسائل اإلعالم ال يمر يوم‬
‫دون أن يعلن عن نتائج استقصاء أجرته مجلة أو جامعة حول مواضيع سياسية أو اجتماعية متعددة‪ ،‬منها‬
‫االستقصاءات المثيرة للجدل حول اآلراء السياسية للمواطنين أثناء الحمالت االنتخابية‪ .‬فما هي األسس النظرية‬

‫‪16‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫الرياضية التي تستند عليها االستقصاءات المختلفة ؟ أو كيف يمكن االستدالل من خالل بيانات عينة على خصائص‬
‫المجتمع الذي أخذت منه؟ اإلجابة على هذه األسئلة و غيرها تتطلب فهم العالقات الرياضية بين الخصائص المختلفة‬
‫للمجتمع مثل المتوسط‪ ،‬التباين وغيرها‪ ،‬والخصائص المناظرة لها في العينة وهو ما سنتناوله في هذا الفصل ‪.‬‬

‫• مفهوم المعاينة ‪:L’échantillonnage‬المعاينة هي عملية الحصول على عينة من المجتمع اإلحصائي‪،‬‬

‫فلو أردنا سحب عينة من المجتمع حجمها ‪ n‬وكان حجم المجتمع ‪ N‬وكان السحب مع اإلرجاع فعدد الطرق‬
‫الممكنة لسحب العينة هو ‪ ، Nn‬أما لو كان السحب بدون إرجاع فعدد الطرق الممكنة هو 𝑛𝑁𝐶 حيث ‪𝐶𝑁𝑛 = :‬‬
‫!𝑁‬
‫!)𝑛‪ 𝑛!(𝑁−‬؛ فمثال لو كان حجم المجتمع ‪ 10‬وحجم العينة ‪ 03‬وكان السحب مع اإلرجاع فيمكن سحب = ‪103‬‬
‫‪3‬‬ ‫!‪10‬‬
‫‪𝐶10‬؛ عينة‬ ‫=‬ ‫‪ 1000‬عينة مختلفة ‪ ،‬أما إذا كان السحب بدون إرجاع فيمكن سحب ‪= 120‬‬
‫!)‪3!(10−3‬‬
‫مختلفة‪.‬‬
‫ذكرنا في المحور األول أهمية التوزيع الطبيعي في التطبيقات اإل حصائية الواسعة والتوزيعات المشتقة منه‬
‫(مربع كاي‪ ،‬ستيودنت‪ ،‬فيشر) وسنذكر اآلن دون برهان نظرية هامة تسمى نظرية النهاية المركزية والتي تلعب دورا‬
‫هاما في اإلحصاء التطبيقي حيث تمكننا من تقريب أي ت وزيع احتمالي للتوزيع الطبيعي عند تحقق شروط معينة‪.‬‬

‫• العينة النفاذية والعينة غير النفاذية ‪Echantillon exhaustif et non exhaustif‬‬

‫عندما يكون السحب باإلرجاع حيث يمكن أن تظهر المفردة أكثر من مرة في العينة‪ ،‬نسمي هذه المعاينة غير نفاذية‬
‫ألن تكرار العملية ال يؤدي إلى تقليص عدد المفردات في المجتمع‪ ،‬والعكس نسمي المعاينة بدون إرجاع معاينة نفاذية‪.‬‬

‫• إحصائية المعاينة ‪Statistique de l’échantillonnage‬‬

‫لتقدير معالم المجتمع (متوسط المجتمع ‪ ،µ‬تباين المجتمع ‪ σ²‬النسبة ‪ )... p‬ننطلق من بيانات العينة‪ ،‬حيث نحتاج إلى‬
‫حساب معالم مثل متوسط العينة̅𝑋 ‪ ،‬تباين العينة ‪ ،S²‬النسبة في العينة̂𝑃 ‪ .‬بصفة عامة‪ ،‬نسمي كل قيمة تحسب انطالقا‬
‫من بيانات العينة من أجل تقدير قيمة معالم المجتمع إحصائية المعاينة‪ .‬نظريا (رياضيا) إحصائية المعاينة هي كل دالة‬
‫في المتغيرات العشوائية التي تمثل القيم المحصل عليها في العينة‪.‬‬

‫‪ - I‬توزيع المعاينة للمتوسطات‬

‫‪ 1‬متوسط توزيع المعاينة للمتوسطات‬

‫مثال ‪ :1‬ليكن المجتمع ‪ . 8 ،6 ،5 ،3 ،1‬ما هي القيمة المتوقعة لمتوسط عينة مسحوبة باإلرجاع مكونة من مفردتين‬
‫(̅𝑋(𝐸؟ أحسب متوسط المجتمع ‪ .µ‬قارن بين )̅𝑋(𝐸 و‪ .µ‬من أجل تحديد ذلك أحسب جميع الحاالت الممكنة‬
‫للمتوسط ̅𝑋 حسب كل عينة‪.‬‬

‫الحل ‪:‬العينات الممكنة ذات الحجم ‪ n = 2‬من مجتمع حجمه ‪ 5‬عددها‪25= 5*5 :‬‬

‫‪17‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫المتوسطات الممكنة للعينة (معاينة غ‬ ‫)𝒊 ̅‬

‫العينات الممكنة‬ ‫نفاذية) 𝒊 ̅‬ ‫𝑿∑(‬
‫𝑿‬

‫)‪(1, 1‬‬ ‫)‪(3, 1) (5, 1) (6, 1‬‬ ‫)‪(8, 1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬

‫)‪(1, 3‬‬ ‫)‪(3, 3) (5, 3) (6, 3‬‬ ‫)‪(8, 3‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬

‫)‪(1, 5‬‬ ‫)‪(3, 5) (5, 5) (6, 5‬‬ ‫)‪(8, 5‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪115‬‬

‫)‪(1, 6‬‬ ‫)‪(3, 6) (5, 6) (6, 6‬‬ ‫)‪(8, 6‬‬ ‫‪3,5 4,5 5,5‬‬ ‫‪6‬‬ ‫‪7‬‬

‫)‪(1, 8‬‬ ‫)‪(3, 8) (5, 8) (6, 8‬‬ ‫)‪(8, 8‬‬ ‫‪4,5 5,5 6,5‬‬ ‫‪7‬‬ ‫‪8‬‬

‫القيمة المتوقعة لـ̅𝑋 هي متوسط قيمها وهي ‪𝐸(𝑋̅𝑖 )= (∑𝑋̅𝑖 ) / 25 = 4,6 :‬‬

‫‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6‬‬ ‫حساب متوسط المجتمع‪:‬‬

‫مثال‪ .2‬أوجد نفس مطالب المثال ‪ .1‬في حالة السحب بدون إرجاع‪.‬‬
‫الحل ‪ :‬العينات الممكنة عددها‪= 10𝐶52 :‬‬

‫المتوسطات الممكنة للعينة أو‬

‫العينات الممكنة بدون إرجاع‬ ‫𝑿∑( توزيع المعاينة للمتوسطات (معاينة نفادية)‬ ‫)𝒊 ̅‬
‫𝒊̅‬
‫𝑿‬
‫)‪(1, 3‬‬ ‫‪2‬‬
‫)‪(1, 5) (3, 5‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪46‬‬
‫)‪(1, 6) (3, 6) (5, 6‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬
‫)‪(1, 8) (3, 5) (5, 8) (6, 8‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬
‫‪E(𝑋̅𝑖 ) = 𝜇𝑋̅ = (∑𝑋̅𝑖 ) / 10 = 4,6‬‬ ‫القيمة المتوقعة لـ 𝑖̅𝑋 هي متوسط قيمها وهي‪:‬‬

‫‪µ = (1 + 3 + 5 + 6 + 8)/5 = 4.6‬‬ ‫متوسط المجتمع ‪:‬‬

‫نظرية ‪ .1‬إذا كانت ‪ X‬م ع تمثل مجتمع ما و 𝑖̅𝑋 متغيرة ع تمثل متوسط عينة مسحوبة من ذات المجتمع‪ ،‬فإن القيمة‬
‫المتوقعة لمتوسط العينة )̅𝑋(‪ E‬تكتب كما يلي‪E(𝑋̅) = 𝜇𝑋̅ = µ :‬‬

‫البرهان ‪ :‬لنرمز بـ ‪ Xi‬لقيم المتغيرة األصلية ‪. X‬‬

‫‪1‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪E ( X ) = E  i Xi  = i E ( Xi) = i  = n =  .‬‬
‫‪n‬‬ ‫‪ n‬‬ ‫‪n‬‬ ‫‪n‬‬

‫‪18‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫تباين توزيع المعاينة للمتوسطات‬ ‫‪2‬‬

‫أ ‪ -‬حالة المعاينة باإلرجاع‬

‫مثال‪ .‬أحسب تباين المجتمع في المثال ‪ ،1‬أحسب التباين (واالنحراف المعياري) لتوزيع المعاينة للمتوسطات ̅𝑋𝛿 علما‬
‫أن العينة مسحوبة باإلرجاع (غ نفادية)‪ ،‬قارن بين تباين المجتمع وتباين متوسطات العينات الممكنة (توزيع المعاينة‬
‫للمتوسطات)‪.‬‬

‫الحل ‪:‬‬
‫̅‬
‫𝑿‬

‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪4,5‬‬

‫;‪𝜹𝟐𝑿̅ = [∑(𝑋̅𝑖 – 𝐸(𝑋̅))² ]/25 = 2.92‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬

‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪𝜹𝟐 = [∑i (xi – µ)² ]/5 = 5.84‬‬
‫‪3,5 4,5 5,5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪2.92 = 5.84 / 2‬‬
‫‪4,5 5,5 6,5‬‬ ‫‪7‬‬ ‫‪8‬‬

‫هذا المثال يمهد للنظرية التالية‪:‬‬

‫نظرية ‪ .2‬إذا كانت ‪ X‬م ع تمثل مجتمع ما و 𝑖̅𝑋 متغيرة ع تمثل متوسط عينة مسحوبة من ذات المجتمع باإلرجاع‪،‬‬
‫𝟐𝜹‬
‫حيث ‪ n‬حجم العينة‪.‬‬ ‫̅𝑿𝟐𝜹‬ ‫=‬ ‫فإن تباين 𝑖̅𝑋 (تباين توزيع المعاينة للمتوسطات) يكتب كما يلي‪:‬‬
‫𝒏‬

‫البرهان‪ :‬لنرمز ب ‪ Xi‬لقيم المتغيرة األصلية ‪. X‬‬

‫‪1‬‬ ‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪²‬‬

‫= ‪V ( X ) = V  i Xi  = i V ( Xi) = i  ² = n ²‬‬ ‫‪.‬‬
‫‪n‬‬ ‫‪ n²‬‬ ‫‪n²‬‬ ‫‪n²‬‬ ‫‪n‬‬

‫ب ‪ -‬حالة المعاينة بدون إرجاع‪.‬‬

‫في حالة المعاينة بدون إرجاع‪ ،‬قارن بين تباين‬ ‫̅𝒙𝟐𝜹‬ ‫مثال‪ :‬في المثال ‪ 1‬أحسب تباين المتوسطات الممكنة للعينة‬
‫المجتمع وتباين المتوسطات الممكنة للعينة‪.‬‬

‫‪19‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫الحل ‪ :‬تباين المتوسطات الممكنة للعينة‪:‬‬ ‫المتوسطات الممكنة للعينة أو‬

‫توزيع المعاينة للمتوسطات (معاينة‬

‫‪𝜹𝟐𝑿̅ = [∑(𝑋̅𝑖 – E(𝑋̅𝑖 ))² ]/10 = 2.19‬‬
‫نفادية)‬
‫‪𝜹𝟐 = [∑i (xi – µ)² ]/5 = 5.84‬‬ ‫تباين المجتمع‪:‬‬ ‫𝒊̅‬
‫𝑿‬

‫أو بطريقة ثانية‪:‬‬ ‫‪2‬‬

‫‪𝜹𝟐 = E(X²) – E(X)²‬‬ ‫‪3‬‬ ‫‪4‬‬

‫‪3,5‬‬ ‫‪4,5‬‬ ‫‪5,5‬‬

‫)‪= (1 + 9 + 25 + 36 + 64) / 5 - 4.6² = 5.84‬‬
‫‪4,5‬‬ ‫‪5,5‬‬ ‫‪6,5‬‬ ‫‪7‬‬

‫‪5.84  5 − 2 ‬‬ ‫المقارنة بين تباين متوسط العينة و تباين المجتمع‪:‬‬

‫= ‪2.19‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2  5 −1 ‬‬
‫هذا يمهد للنظرية التالية‪:‬‬

‫نظرية ‪ .3‬إذا كانت ‪ X‬م ع تمثل مجتمع ما حجمه ‪ N‬و 𝑖̅𝑋 متغيرة ع تمثل متوسط عينة حجمها ‪ n‬مسحوبة من ذات‬
‫المجتمع بدون إرجاع‪ ،‬فإن تباين 𝑖̅𝑋 (تباين توزيع المعاينة للمتوسطات) يكتب كما يلي‪:‬‬
‫𝟐𝜹‬ ‫𝒏‪𝑵−‬‬
‫̅𝑿𝟐𝜹‬ ‫=‬ ‫(‬ ‫)‬
‫𝒏‬ ‫𝟏‪𝑵−‬‬

‫𝒏‪𝑵−‬‬
‫‪ :‬معامل اإلرجاع‪.‬‬ ‫وتسمى النسبة‬
‫𝟏‪𝑵−‬‬

‫‪ 3‬طبيعة توزيع ̅‬
‫𝑿‬
‫ندرس طبيعة توزيع متوسط توزيع المعاينة للمتوسطات من خالل النظريات التالية‪:‬‬

‫نظرية ‪ .4‬إذا كان المجتمع موزع طبيعيا بمتوسط ‪ µ‬وتباين ‪ δ²‬فإن متوسط العينة المسحوبة منه يتبع أيضا التوزيع‬
‫̅‬
‫𝑿‬ ‫)‪N(µ ; δ²/n‬‬ ‫الطبيعي بمتوسط ‪ µ‬وتباين ‪ ،δ²/n‬ونكتب‬

‫نظرية ‪( .5‬نظرية النهاية المركزية)‪ :‬إذا كان المجتمع الذي تسحب منه العينة ذو متوسط ‪ µ‬وتباين ‪ δ²‬لكن ليس‬
‫𝝁‪̅ 𝒊 −‬‬
‫𝑿‬
‫تؤول إلى التوزيع الطبيعي المعياري عندما‬ ‫=𝒛‬ ‫‪𝜹⁄‬‬ ‫أي‬ ‫𝒊̅‬
‫𝑿‬ ‫بالضرورة طبيعيا فإن المتغيرة المعيارية ل‬
‫𝒏√‬
‫‪.‬‬ ‫‪Z‬‬ ‫)‪N(0, 1‬‬ ‫يكون ‪ n‬كبيرا )‪ (n ≥ 30‬ونكتب‪:‬‬
‫𝜹‬ ‫𝒏‪𝑵−‬‬
‫= ̅𝑿𝜹‬ ‫(√‬ ‫)‬ ‫في حالة المجتمع محدود والمعاينة نفاذية نستبدل العبارة ‪ δ /√n‬بـــ‬
‫𝒏√‬ ‫𝟏‪𝑵−‬‬

‫‪20‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫عمليا يستخدم اإلحصائيين هذه الصيغة المعدلة بمعامل اإلرجاع لالنحراف المعياري عندما ‪n/N ≥ 0.05‬‬

‫مثال ‪ :1‬مجتمع حجمه ‪ 900‬بمتوسط ‪ µ =20‬و‪ . δ =12‬نستخرج كل العينات الممكنة‪.‬‬

‫أحسب المتوسط واالنحراف المعياري لتوزيع المعاينة للمتوسطات في حالة‪:‬‬

‫(‪ )1‬حجم العينة ‪،n = 36‬‬

‫(‪. n = 64 )2‬‬
‫‪̅ 𝐢 ) = µ = 20‬‬
‫𝐗(‪E‬‬ ‫الحل ‪:‬‬

‫𝜹‬ ‫𝟐𝟏‬
‫𝑿𝜹 >= ‪(1) n = 36 : n/N = 36/900 = 0.04 < 0.05‬‬
‫=̅‬ ‫=‬ ‫‪=2‬‬
‫𝒏√‬ ‫𝟔𝟑√‬
‫𝑛‬ ‫‪64‬‬
‫; ‪(2) n = 64 : N = 900‬‬ ‫=‬ ‫‪= 0,071 > 0,05‬‬
‫𝑁‬ ‫‪900‬‬

‫𝟐𝟏‬ ‫𝟒𝟔‪𝟗𝟎𝟎−‬‬
‫= ̅𝑿𝜹‬ ‫(√‬ ‫𝟓𝟗𝟑 ‪) = 𝟏,‬‬
‫𝟒𝟔√‬ ‫𝟏‪𝟗𝟎𝟎−‬‬

‫مثال‪ .2‬باستخدام معطيات المثال السابق )‪ (n = 36‬أحسب احتمال أن يكون ̅𝑋 محصورا بين ‪ 18‬و‪.22‬‬

‫أحسب نفس االحتمال في حالة ‪.n = 64‬‬

‫الحل ‪:‬‬
‫𝝁‪̅ 𝟏 −‬‬
‫𝑿‬ ‫𝟎𝟐‪𝟏𝟖−‬‬
‫= 𝟏𝒛 ‪I/‬‬ ‫‪𝜹⁄‬‬ ‫𝟐𝟏 =‬ ‫𝟐𝟖𝟔 ‪= −𝟏 ; 𝒁𝟐 = 𝟏 → 𝒑(−𝟏 < 𝑍 < 1) = 𝟎,‬‬
‫‪⁄‬‬
‫𝒏√‬ ‫𝟔𝟑√‬
‫𝝁‪̅ 𝟏−‬‬
‫𝑿‬ ‫𝟏‬ ‫𝟎𝟐‪𝟏𝟖−‬‬
‫= 𝟏𝒛 ‪II /‬‬ ‫‪𝜹⁄‬‬ ‫=‬ ‫𝟓𝟗𝟑‪𝟏,‬‬
‫𝟓𝟒 ‪= −𝟏, 𝟒𝟓 ; 𝒁𝟐 = 𝟏,‬‬
‫𝒏‪𝑵−‬‬
‫)𝟏‪√𝒏 √(𝑵−‬‬

‫𝟓𝟖 ‪̅ < 22) → 𝒑(−𝟏, 𝟒𝟓 < 𝑍 < 1,45) = 𝟎,‬‬

‫𝑿 < 𝟖𝟏(𝒑 →‬

‫‪21‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫إذا كان تباين المجتمع الطبيعي مجهول ‪:‬‬

‫في هذه الحالة نقدر تباين المجتمع بتباين العينة المسحوبة منه ونفرق هنا بين حالتين ‪:‬‬

‫• عندما يكون حجم العينة ‪: n ≥ 30‬‬

‫‪𝑆²‬‬
‫̅𝑋‬ ‫) ;‪(µ‬‬ ‫يكون توزيع الوسط الحسابي للعينة هو ‪:‬‬
‫𝑛‬

‫‪∑(𝑥𝑖− 𝑥̅ )²‬‬
‫= ‪𝑆²‬‬ ‫هو تباين العينة ويحسب من العالقة ‪:‬‬ ‫‪𝑆²‬‬ ‫حيث‬
‫‪𝑛−1‬‬
‫‪𝑥̅ − µ‬‬
‫= 𝑍‬ ‫‪𝑆⁄‬‬ ‫)‪N(0 ;1‬‬ ‫ويكون التوزيع المعياري المقابل هو ‪:‬‬
‫𝑛√‬

‫‪ ، X‬فما التوزيع االحتمالي لمتوسط عينة عشوائية بحجم ‪ 36‬من مجتمع ‪ X‬و‬ ‫)‪N (7; σ²‬‬ ‫مثال ‪ :‬إذا كان ‪:‬‬
‫تباينها ‪ ، 9‬ثم احسب )‪. 𝑃(𝑋̅ > 8‬‬

‫الحل ‪:‬‬

‫‪𝑆²‬‬ ‫‪9‬‬
‫̅𝑋‬ ‫; ‪N( µ‬‬ ‫; ‪) = N( 7‬‬ ‫)‬ ‫حيث أن تباين المجتمع مجهول فإن ‪:‬‬
‫𝑛‬ ‫‪36‬‬

‫‪𝑋̅− 7‬‬ ‫‪𝑋̅− 7‬‬

‫=𝑍‬ ‫‪3⁄‬‬ ‫=‬ ‫ولحساب االحتمال المطلوب الحظ أن ‪N(0 ;1) :‬‬
‫‪0,5‬‬
‫‪√36‬‬

‫وبالتالي يكون االحتمال المطلوب ‪:‬‬

‫‪8−7‬‬
‫> 𝑍( 𝑃 = )‪𝑃(𝑋̅ > 8‬‬ ‫‪) = 1 − 𝑃(𝑍 < 2) = 1 − 0,97725 = 0,0225‬‬
‫‪0,5‬‬

‫• عندما يكون حجم العينة ‪: n < 30‬‬

‫يكون توزيع الوسط الحسابي للعينة هو ‪:‬‬

‫‪𝑋̅− µ‬‬
‫=𝑇‬ ‫‪𝑆⁄‬‬ ‫)‪t (n-1‬‬
‫‪√𝑛−1‬‬

‫‪ X‬أوجد التوزيع االحتمالي لوسط العينة {‪}8,9,10,9,8,9,7,7,5,8‬‬ ‫مثال‪ :‬إذا كان )‪N (8; σ²‬‬

‫ثم احسب )‪. 𝑃(7 < 𝑋̅ < 10‬‬

‫‪22‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫الحل ‪:‬‬

‫بما أن تباين المجتمع ‪ X‬مجهول وحجم العينة ‪ n =10‬وهو أقل من ‪ 30‬يكون توزيع الوسط الحسابي للعينة هو‬
‫̅𝑋 ؛ ولحساب االحتمال المطلوب نجد أوال تباين العينة ‪:‬‬ ‫)‪t(9‬‬

‫𝑋∑‬ ‫‪80‬‬
‫= ̅𝑋‬ ‫=‬ ‫‪=8‬‬
‫𝑛‬ ‫‪10‬‬

‫‪∑(𝑋 − 8)²‬‬
‫= ‪𝑆²‬‬ ‫‪= 2‬‬
‫‪9‬‬
‫‪𝑋̅− 8‬‬
‫=𝑇‬ ‫‪1,414‬‬ ‫)‪t (9‬‬ ‫وبالتالي يكون التوزيع ‪:‬‬
‫‪⁄‬‬
‫‪√9‬‬

‫ويكون االحتمال المطلوب ‪:‬‬

‫‪7−8‬‬ ‫‪𝑥̅ − 8‬‬ ‫‪10 − 8‬‬

‫𝑃 = )‪𝑃(7 < 𝑋̅ < 10‬‬ ‫<‬ ‫<‬
‫‪1,414‬‬
‫‪⁄‬‬ ‫‪1,414⁄‬‬ ‫‪1,414‬‬
‫‪⁄‬‬
‫‪√9‬‬ ‫‪√9‬‬ ‫‪√9‬‬
‫(‬ ‫)‬
‫)‪= 𝑃(−2,12 < 𝑇9 < +4,24‬‬

‫])‪= 𝑃(𝑇9 < 4,24) − [1 − 𝑃 (𝑇9 < 2,12‬‬

‫‪= (0,995) − (0,025) = 0,97‬‬

‫ثالثا ‪ :‬إذا كان المجتمع طبيعي ذو حجم محدود وكان حجم العينة ‪ n > 30‬وكان السحب بدون إرجاع فإنه ‪:‬‬

‫• عند معلومية ‪ σ²‬يكون توزيع الوسط الحسابي للعينة هو ‪:‬‬

‫𝑛‪σ² 𝑁−‬‬
‫̅𝑋‬ ‫;‪𝑁(µ‬‬ ‫)‬
‫‪𝑛 𝑁−1‬‬

‫مثال ‪ :‬من مجتمع بتوزيع طبيعي حجمه ‪ 200‬مشاهدة وتباينه ‪ σ² = 64‬تم سحب عينة عشوائية بدون إرجاع بحجم‬
‫‪ 50‬مشاهدة‪ ،‬فما هو توزيع الوسط الحسابي للعينة ‪ ،‬ثم احسب‬

‫)‪ 𝑃(𝑋̅ > 32‬لما ‪. µ = 30‬‬

‫الحل ‪ :‬حيث أن تباين المجتمع معلوم فإن توزيع الوسط الحسابي للعينة هو ‪:‬‬

‫‪23‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪64 200−50‬‬
‫̅𝑋‬ ‫‪N(30 ; 50‬‬ ‫)‪) = 𝑁(30; 0,96‬‬
‫‪200−1‬‬

‫‪𝑋̅−30‬‬
‫=𝑍‬ ‫)‪N (0 ; 1‬‬ ‫وبالتالي ‪:‬‬
‫‪√0,96‬‬

‫ويكون االحتمال المطلوب هو ‪:‬‬

‫‪32−30‬‬
‫> 𝑍( 𝑃 = )‪𝑃(𝑋̅ > 32‬‬ ‫)‬ ‫)‪= 𝑃 (𝑍 > 2,02‬‬
‫‪√0,96‬‬

‫‪= 1 − 𝑃(𝑍 < 2,02) = 1 − 0,97831 = 0,02169‬‬

‫• عند مجهولية ‪ σ²‬يكون توزيع الوسط الحسابي للعينة هو ‪:‬‬

‫𝑛‪𝑆² 𝑁−‬‬
‫̅𝑋‬ ‫𝑛 ;‪𝑁(µ‬‬ ‫)‬
‫‪𝑁−1‬‬

‫حيث تم استبدال تباين العينة ‪ S²‬بدال من تباين المجتمع ‪ σ²‬في الحالة السابقة ‪.‬‬

‫مثال ‪ :‬أعد حل المثال السابق إذا كان ‪ σ²‬مجهول وكان تباين العينة ‪. S² = 49‬‬

‫الحل ‪ :‬حيث أن تباين المجتمع مجهول فإن توزيع الوسط الحسابي للعينة هو ‪:‬‬
‫‪49 200−50‬‬
‫̅𝑋‬ ‫‪N(30 ; 50‬‬ ‫)‪) = 𝑁(30; 0,74‬‬
‫‪200−1‬‬

‫‪𝑋̅−30‬‬
‫=𝑍‬ ‫)‪N (0 ; 1‬‬ ‫وبالتالي ‪:‬‬
‫‪√0,74‬‬

‫ويكون االحتمال المطلوب هو ‪:‬‬

‫‪32−30‬‬
‫> 𝑍( 𝑃 = )‪𝑃(𝑋̅ > 32‬‬ ‫)‬ ‫)‪= 𝑃 (𝑍 > 2,32‬‬
‫‪√0,74‬‬

‫‪= 1 − 𝑃(𝑍 < 2,32) = 1 − 0,98983 = 0,01017‬‬

‫مالحظة ‪ :‬عند سحب عينة من مجتمع توزيعه مجهول أو يتبع توزيعا غير التوزيع الطبيعي‪ ،‬فإن توزيع الوسط‬
‫الحسابي للعينة التي حجمها ‪ُ n ≥ 30‬ي َقرَّ ب إلى التوزيع الطبيعي وذلك حسب نظرية النهاية المركزية ‪ ،‬حيث يكون ‪:‬‬

‫‪𝑆²‬‬
‫̅𝑋‬ ‫) 𝑛 ; ‪N(µ‬‬

‫مثال ‪ :‬تم سحب عينة عشوائية بحجم ‪ 36‬مشاهدة من مجتمع مجهول التوزيع‪ ،‬فبلغ الوسط الحسابي للعينة ‪ 10‬بتباين‬
‫‪ ، 12‬فما هو التوزيع االحتمالي لمتوسط قيم العينة ‪.‬‬

‫‪24‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫الحل ‪ :‬مباشرة من المالحظة السابقة يكون ‪:‬‬

‫‪12‬‬
‫̅𝑋‬ ‫) ‪N(10 ; 36‬‬

‫‪ - II‬توزيع الفرق بين متوسطي عينتين ‪:‬‬

‫‪X2‬‬ ‫‪ X1‬وسحبت من مجتمعه عينة حجمها ‪ n1‬و )‪N (µ2; σ2²‬‬ ‫نظرية ‪ : 1‬إذا كان )‪N (µ1; σ1²‬‬
‫و ‪̅2‬‬
‫𝑋 فإن‬ ‫‪𝑋̅1‬‬ ‫وسحبت من مجتمعه عينة حجمها ‪ n2‬وكان المجتمعين مستقلين وعرفنا المتغيرين العشوائيين‬
‫يمثل متغيرا عش وائيا للفرق بين متوسطي العينتين ‪.‬ويمكن الحصول على الوسط الحسابي والتباين له‬ ‫‪𝑋̅1 − 𝑋̅2‬‬
‫كالتالي ‪:‬‬

‫‪µ𝑋̅1 −𝑋̅2 = µ𝑋̅1 − µ𝑋̅2‬‬

‫‪𝜎12 𝜎22‬‬
‫‪𝜎²𝑋̅1−𝑋̅2 = 𝜎²𝑋̅1 + 𝜎²𝑋̅2‬‬ ‫=‬ ‫‪+‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬
‫وسنتحدث اآلن عن حاالت مختلفة إليجاد توزيع الفرق بين وسطي العينتين ‪:‬‬

‫‪ – 1‬عند معلومية 𝟏𝟐𝝈 و 𝟐𝟐𝝈 ‪:‬‬

‫‪𝜎12‬‬ ‫‪𝜎22‬‬
‫‪𝑋̅1 − 𝑋̅2‬‬ ‫; ‪𝑁 (µ1 − µ2‬‬ ‫‪+‬‬ ‫)‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫) ‪(𝑋̅1 −𝑋̅2 )−(µ1 − µ2‬‬

‫=𝑍‬ ‫)‪𝑁 (0; 1‬‬
‫‪𝜎2 𝜎2‬‬
‫‪√ 1+ 2‬‬
‫‪𝑛1 𝑛2‬‬

‫‪ X1‬وسحبت من مجتمعه عينة حجمها ‪ 30‬مشاهدة‬ ‫مثال ‪ :‬إذا كان )‪N (30; 25‬‬

‫‪ X2‬وسحبت من مجتمعه عينة حجمها ‪ 35‬مشاهدة أوجد توزيع الفرق بين متوسطي العينتين ؛‬ ‫و)‪N (20; 16‬‬
‫‪̅1‬‬
‫𝑋(𝑃 ‪.‬‬ ‫ثم احسب االحتمال )‪− 𝑋̅2 < 12‬‬

‫‪𝜎12‬‬ ‫‪𝜎22‬‬
‫‪𝑋̅1 − 𝑋̅2‬‬ ‫; ‪𝑁 (µ1 − µ2‬‬ ‫‪+‬‬ ‫الحل ‪ :‬بالتطبيق المباشر للعالقة ‪) :‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫‪35‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪25‬‬ ‫‪16‬‬
‫‪𝑋̅1 − 𝑋̅2‬‬ ‫;‪𝑁 (30 − 20‬‬ ‫‪+‬‬ ‫نحصل على ‪) = 𝑁(10; 1,29) :‬‬
‫‪30‬‬ ‫‪35‬‬

‫وبالتالي فإن ‪:‬‬

‫) ‪(𝑋̅1 − 𝑋̅2 ) − (µ1 − µ2‬‬ ‫‪(𝑋̅1 − 𝑋̅2 ) − 10‬‬

‫=𝑍‬ ‫=‬
‫‪√1,29‬‬
‫‪𝜎12 𝜎22‬‬
‫‪√ +‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫فيكون االحتمال المطلوب هو ‪:‬‬

‫‪(𝑋̅1 − 𝑋̅2 ) − 10‬‬ ‫‪12 − 10‬‬

‫( 𝑃 = )‪𝑃(𝑋̅1 − 𝑋̅2 < 12‬‬ ‫<‬ ‫)‬
‫‪√1,29‬‬ ‫‪√1,29‬‬
‫‪12 − 10‬‬
‫< 𝑍( 𝑃 =‬ ‫)‬
‫‪√1,29‬‬
‫‪= 𝑃 ( 𝑍 < 1,76) = 0,9608‬‬

‫‪ – 2‬عند مجهولية 𝟏𝟐𝝈 و 𝟐𝟐𝝈 وحجم العينتين كبير‪:‬‬

‫يتم استبدال تبايني المجتمعين في الصيغة السابقة بتبايني العينتين‪.‬‬

‫‪𝑆12‬‬ ‫‪𝑆22‬‬
‫‪𝑋̅1 − 𝑋̅2‬‬ ‫; ‪𝑁 (µ1 − µ2‬‬ ‫‪+‬‬ ‫)‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫مثال ‪ :‬معمل ينتج ‪ 700‬كلغ من األرز كمعدل يومي ‪ ،‬سحبت منه عينة عشوائية تمثل إنتاج ‪ 40‬يوما فكان االنحراف‬
‫المعياري لها ‪ 40‬كلغ‪ .‬معمل آخر ينتج ‪ 500‬كلغ كمعدل يومي ‪ ،‬سحبت منه عينة عشوائية تمثل إنتاج ‪ 35‬يوما فكان‬
‫االنحراف المعياري لها ‪ 20‬كلغ‪ .‬فما هو التوزيع االحتمالي للفرق بين متوسطي العينتين‪ ،‬ثم احسب االحتمال التالي ‪:‬‬
‫𝑋‪̅ −‬‬
‫𝑋 < ‪𝑃 (180‬‬ ‫̅‬ ‫)‪< 210‬‬
‫‪1‬‬ ‫‪2‬‬

‫و حيث أن ‪ n1= 40‬و ‪ n2=35‬وكليهما أكبر من ‪ 30‬إذن‬ ‫الحل ‪ :‬لدينا من المسألة ‪ 𝑆12 = 1600‬و ‪𝑆22 = 400‬‬
‫يكون توزيع الفرق بين العينتين هو ‪:‬‬
‫‪1600‬‬ ‫‪400‬‬
‫‪𝑋̅1 − 𝑋̅2‬‬ ‫;‪𝑁 (700 − 500‬‬ ‫‪+‬‬ ‫)‬
‫‪40‬‬ ‫‪35‬‬

‫‪𝑋̅1 − 𝑋̅2‬‬ ‫)‪𝑁 (200; 51,43‬‬

‫وبالتالي ‪:‬‬

‫‪26‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪(𝑋̅1 −𝑋̅2 )−200‬‬

‫=𝑍‬ ‫)‪𝑁 (0; 1‬‬
‫‪√51,43‬‬

‫لذلك يكون االحتمال المطلوب هو ‪:‬‬

‫‪180 − 200‬‬ ‫‪(𝑋̅1 − 𝑋̅2 ) − 200‬‬ ‫‪210 − 200‬‬

‫(𝑃 = )‪𝑃(180 < 𝑋̅1 − 𝑋̅2 < 210‬‬ ‫<‬ ‫<‬ ‫)‬
‫‪√51,43‬‬ ‫‪√51,43‬‬ ‫‪√51,43‬‬

‫‪= 𝑃 (−2,79 < 𝑍 < 1,39) = 𝑃(𝑍 < 1,39) + 𝑃(𝑍 < 2,79) − 1‬‬

‫‪= 0,91774 + 0,99736 − 1 = 0,9151‬‬

‫مالحظة ‪ : 1‬التوزيع أعاله يصلح أيضا عند السحب من مجتمعين غير طبيعيين أو مجهولي التوزيع بشرط كبر حجم‬
‫العينة ‪ ،‬وذلك استنادا لنظرية النهاية المركزية ‪.‬‬

‫‪̅1‬‬
‫𝑋) فإن الوسط الحسابي والتباين لهذا‬ ‫مالحظة ‪ : 2‬عند الحديث عن توزيع المعاينة لمجموع إحصائيتين ( ‪+ 𝑋̅2‬‬
‫النوع من التوزيع يكون وفق الصيغتين التاليتين ‪:‬‬

‫‪𝜇𝑥̅1 +𝑥̅2 = 𝜇𝑥̅1 + 𝜇𝑥̅2 = 𝜇1 + 𝜇2‬‬

‫‪𝜎12 𝜎22‬‬
‫‪𝜎²𝑋̅1+𝑋̅2 = 𝜎²𝑋̅1 + 𝜎²𝑋̅2‬‬ ‫=‬ ‫‪+‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬
‫‪ – 2‬عند مجهولية 𝟏𝟐𝝈 و 𝟐𝟐𝝈 وحجم العينتين صغير (أقل من ‪: ) 30‬‬
‫إن قيمة التباينات في المجتمعات غالبا ما تكون مجهولة‪ ،‬وعليه عند تقدير االنحراف المعياري للفرق‬

‫‪̅1‬‬
‫𝑋(علينا أن نستخدم تبايني العينتين ؛ باإلضافة لذلك إذا كانت العينيتن مستقلتين وصغيرتا الحجم فإن‬ ‫) ‪− 𝑋̅2‬‬
‫‪̅1‬‬
‫𝑋( ليس له توزيع طبيعي ‪ ،‬بل له توزيع ستيودنت (‪ )t‬بدرجات حرية (‪.)v‬‬ ‫توزيع المعاينة لــ ) ‪− 𝑋̅2‬‬
‫ونميز هنا حالتين ‪:‬‬
‫أ ‪ -‬حالة تبايني المجتمعين مجهولين ومتساويين ‪:‬‬

‫ليكن 𝟏𝟐𝝈 هو التباين الخاص بالمجتمع األول وهو مجهول القيمة ‪ ،‬وكان 𝟐𝟐𝝈 التباين الخاص بالمجتمع الثاني وهو‬
‫مجهول القيمة أيضا ‪ ،‬وكان 𝟏𝟐𝝈 = 𝟐𝟐𝝈 ؛ فإن التباين المشترك لهما (وهو مجهول أيضا) هو 𝟐𝝈 حيث ‪:‬‬

‫𝟐𝟐𝝈 = 𝟏𝟐𝝈 = 𝟐𝝈 ومنه تكون صيغة االنحراف المعياري للفرق ( ‪ )𝑋̅1 − 𝑋̅2‬على الشكل التالي ‪:‬‬

‫‪𝜎12 𝜎22‬‬ ‫‪𝜎2 𝜎2‬‬ ‫‪1‬‬ ‫‪1‬‬

‫‪𝜎𝑋̅1 −𝑋̅2‬‬ ‫=‬ ‫√‬ ‫‪+‬‬ ‫=‬ ‫√‬ ‫‪+‬‬ ‫=‬ ‫𝜎√‬ ‫‪2‬‬ ‫) ‪( +‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬ ‫‪𝑛1‬‬ ‫‪𝑛2‬‬ ‫‪𝑛1 𝑛2‬‬

‫‪27‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫وبما أن التباين المشترك 𝟐𝝈 مجهول القيمة فإننا نستطيع تقديره باستخدام تبايني العينيتين ‪ 𝑆12‬و ‪ 𝑆22‬؛ حيث يكون‬
‫تقدير التباين هو متوسط مرجح للقيم ‪ 𝑆12‬و ‪ 𝑆22‬وتكون الترجيحات مبينية على أساس حجم العينات ‪ .‬ولكي يكون‬
‫تقدير التباين تقديرا غير متحيزا لـ 𝟐𝝈 فإننا يجب أن نستخدم درجات الحرية ( ‪ ) V1= n1 – 1‬و (‪)V2= n2 – 1‬‬
‫كترجيحات بدال من استخدام حجم العينيتن ‪ n1‬و ‪ n2‬بشكل مباشر‪.‬‬

‫وبناء على ذلك فإن مقدر التباين المشترك 𝟐𝝈 هو 𝒑𝟐𝑺 ويعطى بالصيغة التالية ‪:‬‬

‫ومنه يكون ‪:‬‬

‫حيث يسمى 𝒑𝟐𝑺 بتيباين العينة التجميعي "‪ "pooled simple variance‬وذلك ألنه مكون من تجميع المعلومات‬
‫عن العينيتين معا ‪.‬‬

‫نظرية ‪ : 2‬إذا كان ‪ 𝑋̅1‬هو الوسط الحسابي لعينة عشوائية حجمها ‪ n1‬سحبت من مجتمع وسطه ‪ µ1‬وتباينه ‪، 𝜎12‬‬
‫وكان ‪ 𝑋̅2‬هو الوسط الحسابي لعينة عشوائية حجمها ‪ n2‬سحبت من مجتمع آخر مستقل عن األول وسطه ‪ µ2‬وتباينه‬
‫‪ ،𝜎22‬وكان حجم العينتين صغير (أقل من ‪ ) 30‬وتبايني المجتمعين مجهولين ومتساويين فإن المتغير ‪:‬‬

‫] ) ‪[(𝑋̅1 − 𝑋̅2 ) − (µ1 − µ2‬‬

‫=𝑇‬ ‫; 𝑣𝑡 →‬ ‫‪𝑣 = 𝑛1 + 𝑛2 − 2‬‬
‫‪1‬‬ ‫‪1‬‬
‫) ‪√𝑺𝟐𝒑 ( +‬‬
‫‪𝑛1 𝑛2‬‬
‫مثال ‪ :‬أخذت عينة عشوائية حجمها ‪ 18‬من مجتمع إحصائي وسطه ‪ 35‬؛ وأخذت عينة عشوائية أخرى حجمها ‪22‬‬
‫من مجتمع إحصائي وسطه ‪ ،33‬فإذا كان تبايني العينتين هما على التوالي ‪ 6 :‬و ‪ ، 9‬وكان تبايني المجتمعين‬
‫مجهولين ومتساويين ‪ .‬فأوجد احتمال أن يكون الفرق بين متوسطي هاتين العينتين أقل من ‪. 3‬‬

‫الحل ‪:‬‬

‫;𝟓𝟑 = 𝟏𝝁 ; 𝟐𝟐 = 𝟐𝒏 ; 𝟖𝟏 = 𝟏𝒏‬ ‫لدينا ‪𝝁𝟐 = 𝟑𝟑 ; 𝑺𝟐𝟏 = 𝟔 ; 𝑺𝟐𝟐 = 𝟗 :‬‬

‫بما أن تبايني المجتمعين مجهولين ومتساويين نستخدم توزيع ‪ t‬بدرجة حرية ‪𝑣 = 𝑛1 + 𝑛2 − 2‬‬
‫وذلك إليجاد االحتمال التالي ‪:‬‬

‫‪28‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫) ‪(𝑋̅1 − 𝑋̅2 ) − (µ1 − µ2‬‬ ‫)‪3 − (35 − 33‬‬

‫𝑃 = )‪𝑃(𝑋̅1 − 𝑋̅2 < 3‬‬ ‫<‬
‫‪1‬‬ ‫‪1‬‬
‫( 𝒑𝟐𝑺√‬ ‫‪+‬‬ ‫)‬ ‫) ‪√𝑺𝟐𝒑 ( 1 + 1‬‬
‫(‬ ‫‪𝑛1 𝑛2‬‬ ‫) ‪18 22‬‬
‫اآلن نقوم بحساب 𝒑𝟐𝑺 حيث ‪:‬‬

‫‪(18 − 1) ∗ 6 + (22 − 1) ∗ 9‬‬

‫= ‪𝑆𝑝2‬‬ ‫‪= 7,66‬‬
‫‪18 + 22 − 2‬‬

‫‪1‬‬
‫< 𝑇 𝑃 = )‪𝑃(𝑋̅1 − 𝑋̅2 < 3‬‬
‫) ‪√(7,66) ∗ ( 1 + 1‬‬
‫(‬ ‫) ‪18 22‬‬
‫‪𝑃 (𝑇38 < 1,1376) = 0,9‬‬

‫‪𝑃(𝑋̅1 − 𝑋̅2 < 3) = 0,9‬‬ ‫إذن ‪:‬‬

‫ب ‪ -‬حالة تبايني المجتمعين مجهولين وغير متساويين ‪:‬‬

‫إذا كان ‪ 𝑋̅1‬و ‪ 𝑋̅2‬هما الوسطين الحسابيين لعينتين مستقلتين صغيرتي الحجم تم سحبهما من مجتمعين ذو متوسطين‬
‫‪ µ1‬و ‪ µ2‬وذو تباينين مجهولين وغير متساويين فإننا نستطيع تقدير االنحراف المعياري للفرق ) ‪(𝑋̅1 − 𝑋̅2‬‬
‫باستخدام تبايني العينيتين مباشرة 𝟏𝟐𝑺 و 𝟐𝟐𝑺 وذلك كما يلي ‪:‬‬

‫‪𝑆12 𝑆22‬‬
‫‪𝜎𝑋̅1 −𝑋̅2‬‬ ‫‪= √ +‬‬
‫‪𝑛1 𝑛2‬‬
‫𝑋‪̅ −‬‬
‫𝑋([‬ ‫] ) ‪̅ )− (µ − µ‬‬
‫‪1‬‬ ‫‪2‬‬
‫=𝑇‬ ‫‪1‬‬ ‫‪2‬‬
‫𝑣𝑡 →‬ ‫وعليه فإن ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫𝑆‬ ‫𝑆‬
‫) ‪√(𝑛1 + 𝑛2‬‬
‫‪1‬‬ ‫‪2‬‬

‫‪29‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪𝑆1 𝑆2‬‬
‫‪( +‬‬
‫) ‪𝑛1 𝑛2‬‬
‫=‪v‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫ويتم حساب درجة الحرية بالصيغة المركبة التالية ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫𝑆‬ ‫‪𝑆2‬‬
‫) ‪(𝑛1‬‬ ‫) 𝑛(‬
‫‪1‬‬ ‫‪2‬‬
‫‪+‬‬
‫)‪(𝑛1−1) (𝑛2 −1‬‬

‫مثال ‪ :‬إذا كانت نقاط طلبة السنة الثانية علوم اقتصادية في مقياس اإلحصاء لديها وسط حسابي قدره ‪ ، 15‬وكانت‬
‫نقاط طلبة السنة الثانية محاسبة ومالية في نفس المقياس لديها وسط حسابي قدره ‪ 10‬؛ وقمنا باختيار عينة عشوائية‬
‫من المجموعة األولى حجمها ‪ 25‬طالب ‪ ،‬وعينة من المجموعة الثانية قدرها ‪ 20‬طالب ؛ وكان تباين العينة األولى ‪6‬‬
‫وتباين العينة الثانية ‪ . 4‬فأوجد احتمال أن يكون الفرق بين متوسطي العينيتين أكثر من ‪ ، 6‬مع العلم أن تبايني‬
‫المجتمعين مجهولين وغير متساويين ‪.‬‬

‫الحل ‪:‬‬

‫لدينا ‪𝒏𝟏 = 𝟐𝟓 ; 𝒏𝟐 = 𝟐𝟎 ; 𝝁𝟏 = 𝟏𝟓; 𝝁𝟐 = 𝟏𝟎 ; 𝑺𝟐𝟏 = 𝟔 ; 𝑺𝟐𝟐 = 𝟒 :‬‬

‫بما أن تبايني المجتمعين مجهولين وغير متساويين نستخدم توزيع ‪ t‬بدرجة حرية‬
‫‪2‬‬
‫‪𝑆12 𝑆22‬‬ ‫‪6‬‬ ‫‪4 2‬‬
‫) ‪( +‬‬ ‫‪( +‬‬ ‫)‬
‫‪𝑛1 𝑛2‬‬ ‫‪25‬‬ ‫‪20‬‬
‫=𝑣‬ ‫=‬ ‫‪2 = 43‬‬
‫‪2 2‬‬ ‫‪2 2‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪4‬‬
‫𝑆‬ ‫𝑆‬ ‫) (‬ ‫) (‬
‫)‪( 1‬‬ ‫)‪( 2‬‬ ‫‪25‬‬ ‫‪20‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬ ‫‪+‬‬
‫‪+‬‬
‫)‪(𝑛 − 1) (𝑛 − 1) (25 − 1) (20 − 1‬‬
‫‪1‬‬ ‫‪2‬‬
‫وذلك إليجاد االحتمال التالي ‪:‬‬

‫) ‪(𝑋̅1 − 𝑋̅2 ) − (µ1 − µ2‬‬ ‫)‪6 − (15 − 10‬‬

‫𝑃 = )‪𝑃(𝑋̅1 − 𝑋̅2 > 6‬‬ ‫>‬
‫‪𝑆12 𝑆22‬‬ ‫) ‪√( 6 + 4‬‬
‫) ‪√( +‬‬ ‫‪25 20‬‬
‫‪𝑛1 𝑛2‬‬
‫(‬ ‫)‬
‫‪𝑃 (𝑇43 > 1,5076) = 1 − 𝑃 (𝑇43 ≤ 1,5076) = 1 − 0,95 = 0,05‬‬

‫‪𝑃(𝑋̅1 − 𝑋̅2 > 6) = 0,05‬‬ ‫إذن ‪:‬‬

‫‪30‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪ - III‬توزيع النسبة للعينة ‪:‬‬

‫في المجتمعات اإلحصائية التي تتبع توزيع ذي الحدين نسبة لخاصية معينة ندرسها في المجتمع اإلحصائي ونرمز لها‬
‫بالرمز ‪ ، P‬مثل نسبة الصالح من إنتاج مصنع معين‪ ،‬حيث يتم حساب النسبة بقسمة مجموع مفردات الخاصية ‪ X‬على‬
‫𝐗‬
‫= 𝐏 ‪ ،‬فلو أخذنا جميع العينات التي حجمها ‪ n‬من مجتمع حجمه ‪ N‬قد تختلف النسب لهذه‬ ‫حجم المجتمع ‪ N‬أي أن‬
‫𝐍‬
‫العينات‪ ،‬مما يعني أن سلوك هذه النسب هو سلوك متغير عشوائي وبالتالي هذا المتغير العشوائي له توزيع احتمالي‬
‫‪ P‬وبعدد مفردات‬‫مستمد من توزيع المجتمع الذي سحبت منه العينات‪ ،‬وسنرمز لنسبة الظاهرة في العينة بالرمز ̂‬
‫الخاصية فيها ‪ X‬فتكون نسبة الخاصية في العينة 𝐗 = ̂‬
‫𝐏 ‪.‬‬ ‫𝐧‬
‫إن هذه النسبة تمثل متغير عشوائي له توزيع احتمالي يسمى توزيع النسبة حيث يكون وسطه الحسابي ‪:‬‬
‫𝑋‬ ‫‪1‬‬
‫‪𝜇P̂ = 𝐸(P‬‬ ‫𝑃 = )𝑋( 𝐸 = ) ( 𝐸 = )̂‬
‫𝑛‬ ‫𝑛‬
‫ويكون تباينه هو ‪:‬‬
‫𝑋‬ ‫‪1‬‬ ‫‪1‬‬ ‫)𝑝 ‪𝑝(1 −‬‬
‫‪𝜎²P̂ = 𝑉(P‬‬ ‫= ) ( 𝑉 = )̂‬ ‫= ) 𝑋( 𝑉‬ ‫= )𝑝 ‪∗ 𝑛𝑝 (1 −‬‬
‫𝑛‬ ‫‪𝑛²‬‬ ‫‪𝑛²‬‬ ‫𝑛‬
‫وفي حالة العينات الكبيرة ‪ n ≥ 30‬ــ وهي موضوع دراستنا ــ يقرب التوزيع للتوزيع الطبيعي وذلك استنادا لنظرية‬
‫النهاية المركزية ونعبر عن ذلك بالصيغة‬
‫̂𝐩𝛍 ‪̂−‬‬
‫𝐏‬
‫=𝐙‬ ‫)‪N(0 , 1‬‬
‫̂𝐩𝛔‬

‫مثال ‪ :‬مصنع ينتج عادة ‪ %25‬عبوات كبيرة الحجم ‪ ،‬سحبت من إنتاجه عينة حجمه ‪ 2200‬عبوة تبين أن منها ‪500‬‬
‫عبوة كبيرة الحجم ‪.‬‬

‫أوجد توزيع النسبة للعبوات الكبيرة ثم احسب احتمال أن المصنع ينتج أقل من ‪ %26‬من العبوات الكبيرة في فترة‬
‫إجراء البحث ‪.‬‬

‫الحل ‪ :‬الحظ أن المجتمع هنا هو مجتمع ذو حدين بنسبة نجاح ‪ ، P = 0,25‬والحظ أن حجم العينة كبير وبحساب‬
‫وسط التوزيع وتباينه نجد أن ‪:‬‬

‫‪𝜇𝑝̂ = 𝑝 = 0,25‬‬
‫𝑛‬ ‫‪500‬‬ ‫)𝑝‪𝑝(1−‬‬ ‫𝑛‪𝑁−‬‬ ‫‪0,25∗0,75‬‬ ‫‪2200−500‬‬
‫=𝑁‪.‬‬ ‫‪= 0,227 ≫ 0,05 → 𝜎²𝑝̂ = 𝑛 ∗ 𝑁−1 = 500 ∗ 2200−1 = 0,00031‬‬
‫‪2200‬‬
‫‪n = 500 ≫ 30 → P‬‬ ‫̂‬ ‫(حسب نظرية النهاية المركزية ) ؛ )‪N(0 ; 1‬‬
‫‪̂ − 𝜇p‬‬
‫‪P‬‬ ‫̂‬ ‫‪̂ −0,25‬‬
‫‪P‬‬
‫=‪Z‬‬ ‫=‬ ‫)‪N(0 , 1‬‬
‫‪σp‬‬
‫̂‬ ‫‪0,0176‬‬
‫هذا التوزيع عبارة عن توزيع ثنائي خاص بالمتغيرات العشوائية المنقطعة ‪ ،‬ولكي نتمكن من استعمال‬
‫التوزيع الطبيعي في حساب االحتمال المطلوب يتم تقريب التوزيع الثنائي المنقطع إلى التوزيع الطبيعي‬
‫المستمر وهو ما يتطلب القيام بتصحيح االستمرارية حسب القاعدة التالية ‪:‬‬
‫‪1‬‬
‫) ‪𝑃 (𝑝̅ < 𝑝) = 𝑃 (𝑝̅ < 𝑝 −‬‬
‫𝑛‪2‬‬

‫‪31‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪1‬‬
‫‪𝑃 (𝑝̅ > 𝑝) = 𝑃 (𝑝̅ > 𝑝 +‬‬ ‫)‬
‫𝑛‪2‬‬
‫‪̂ < 0,26) = 𝑃 (𝑝 < 0,26 −‬‬ ‫‪1‬‬
‫‪𝑃 (P‬‬ ‫)‪) = 𝑃(𝑝 < 0,259‬‬
‫)‪2 (500‬‬
‫‪0,259−0,25‬‬
‫< 𝑍( 𝑃 →‬ ‫‪) = 𝑃 (𝑍 < 0,51) = 0,69497.‬‬
‫‪0,0176‬‬

‫‪ - IV‬توزيع الفرق بين نسبتين ‪:‬‬

‫‪ X2‬وسحبت‬ ‫‪ X1‬وسحبت من مجتمعه عينة حجمها ‪ n1≥30‬و)‪b(N2 ; P2‬‬ ‫بفرض أن)‪b (N1 ; P1‬‬
‫̂ يمثل متغيرا عشوائيا للفرق بين‬
‫̂ ‪P1 −‬‬
‫عينة من مجتمعه عينة حجمها ‪ n2≥30‬وكان المجتمعين مستقلين فإن ‪P2 :‬‬
‫نسبتي العينتين‪ .‬ويكون الوسط الحسابي والتباين له كالتالي ‪:‬‬

‫‪𝜇𝑝̂1− 𝑝̂2 = 𝜇𝑝̂1 − 𝜇𝑝̂2 = 𝑃1 − 𝑃2‬‬

‫) ‪𝑃1 (1 − 𝑃1 ) 𝑃2 (1 − 𝑃2‬‬
‫= ‪𝜎²𝑝̂1− 𝑝̂2 = 𝜎²𝑝̂1 + 𝜎²𝑝̂2‬‬ ‫‪+‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫ويكون توزيع فرق النسب ‪:‬‬

‫‪̂1− P‬‬
‫‪(P‬‬ ‫) ‪̂ 2 )−(𝑃1 − 𝑃2‬‬
‫=𝑍‬ ‫) ‪𝑃 (1− 𝑃1 ) 𝑃2 (1− 𝑃2‬‬
‫)‪N(0;1‬‬
‫‪√ 1‬‬ ‫‪+‬‬
‫‪𝑛1‬‬ ‫‪𝑛2‬‬

‫مثال ‪ :‬إذا علم أن نسبة الذكور في مؤسسة (أ) تبلغ ‪ 0,3‬وفي مؤسسة (ب) تبلغ ‪ ، 0,2‬فإذا سحبت عينتين عشوائيا‬
‫األولى من المؤسسة (أ) بحجم ‪ 100‬والثانية من المؤسسة (ب) بحجم ‪ 200‬فما احتمال أن يكون الفرق بين نسبتي‬
‫الذكور في العينتين أكبر من ‪. %06‬‬

‫الحل ‪ :‬الحظ أن التوزيع هو توزيع فرق بين نسبتين بوسط حسابي وتباين ‪:‬‬

‫‪𝜇𝑝̂1− 𝑝̂2 = 𝑃1 − 𝑃2 = 0,3 − 0,2 = 0,1‬‬

‫‪0,3 ∗ 0,7‬‬ ‫‪0,2 ∗ 0,8‬‬

‫= ‪𝜎²𝑝̂1− 𝑝̂2 = 𝜎²𝑝̂1 + 𝜎²𝑝̂2‬‬ ‫‪+‬‬ ‫‪= 0,0029‬‬
‫‪100‬‬ ‫‪200‬‬
‫ويكون توزيع فرق النسب ‪:‬‬

‫‪̂1 − P‬‬
‫‪(P‬‬ ‫‪̂ 2 )−0,1‬‬
‫=𝑍‬ ‫)‪N(0;1‬‬
‫‪0,054‬‬
‫فيكون االحتمال المطلوب هو ‪:‬‬

‫‪32‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪1‬‬
‫‪𝑃((𝑝̂1 − 𝑝̂2 ) > 0,06) = 𝑃 (𝑝̂1 − 𝑝̂2 > 0,06 +‬‬ ‫)‪) = 𝑃 (𝑝̂1 − 𝑝̂2 > 0,0617‬‬
‫)‪2(100 + 200‬‬
‫‪0,0617 − 0,1‬‬
‫> 𝑍( 𝑃 →‬ ‫‪) = 𝑃(𝑍 > −0,71) = 𝑃(𝑍 ≤ 0,71) = 0,76115‬‬
‫‪0,054‬‬

‫‪ - V‬توزيع التباين للعينة ‪:‬‬

‫‪(n−1)δ²‬‬
‫= 𝟎𝟐𝝌‬ ‫)𝟏‪𝝌²(𝒏−‬‬ ‫يكون توزيع التباين كالتالي ‪:‬‬
‫‪σ²‬‬
‫وكتطبيق على هذا التوزيع نستعرض المثال التالي‪:‬‬

‫مثال ‪ :‬سحبت عينة عشوائية بحجم ‪ 20‬مشاهدة من مجتمع توزيع طبيعي تباينه ‪ ، 9‬احسب احتمال أن يزيد تباين‬
‫العينة عن ‪. 15‬‬
‫‪19 δ²‬‬
‫‪𝝌𝟐𝟎 = 9‬‬ ‫)𝟗𝟏(‪𝝌²‬‬ ‫الحل ‪ :‬حيث أن‬

‫‪) = 𝑃 ( χ2‬‬
‫‪19 𝑆 2‬‬ ‫‪19∗15‬‬
‫( 𝑃 = )‪𝑃 (𝛿 2 > 15‬‬ ‫>‬ ‫و االحتمال المطلوب ‪0 > 31,67):‬‬
‫‪9‬‬ ‫‪9‬‬
‫‪= 1 − 𝑃 (χ2‬‬‫‪0 ≤ 31,67) = 0,025‬‬
‫الحظ أن القيمة ‪ 31,67‬غير موجودة في الجدول رقم ‪ 3‬الخاص بتوزيع ‪ 𝝌²‬فنأخذ القيمة الموالية لها وهي‬
‫‪ ، 32,85‬ويكون االحتمال الموافق لها هو ‪. 0,975‬‬

‫‪ - VI‬توزيع النسبة بين تباين عينتين ‪:‬‬

‫يعتبر هذا التوزيع من التوزيعات الهامة التي تبحث في تجانس المجتمعات ونلجأ لحساب النسب بين التباينات وليس‬
‫الفرق بينها لسهولة دراسة النسب وتفسيرها ‪.‬‬
‫فإذا سحبت عينة حجمها ‪ n1‬وتباينها 𝟏𝟐𝜹 من مجتمع ) 𝟏𝝈 ; 𝟏𝛍(𝐍 وعينة أخرى حجمها ‪ n2‬وتباينها 𝟐𝜹 من مجتمع‬
‫𝟐‬ ‫𝟐‬

‫) 𝟐𝟐𝛔 ; 𝟐𝛍(𝐍 مستقل عن المجتمع األول فإن ‪:‬‬

‫‪(𝑛1 − 1)𝛿12‬‬ ‫‪²‬‬ ‫‪(𝑛2 − 1)𝛿22‬‬
‫‪2‬‬ ‫; )𝟏‪→ 𝝌(𝒏 −‬‬ ‫‪2‬‬ ‫)𝟏‪→ 𝝌²(𝒏 −‬‬
‫‪𝜎1‬‬ ‫𝟏‬ ‫‪𝜎2‬‬ ‫𝟐‬
‫وبالتالي ‪:‬‬
‫‪2‬‬
‫‪(𝑛1 − 1)𝛿1‬‬
‫‪𝜎12 ⁄‬‬
‫)‪(𝑛1 − 1‬‬
‫)‪→ 𝐹(𝑛1 − 1; 𝑛2 − 1‬‬
‫‪(𝑛2 − 1)𝛿22‬‬
‫‪𝜎22 ⁄‬‬
‫)‪(𝑛2 − 1‬‬
‫بعد تبسيط الطرف األيسر نحصل على ‪:‬‬

‫‪33‬‬
 ‫المحور الثاني ‪ :‬نظرية المعاينة وتوزيعاتها‬

‫‪𝛿12‬‬
‫‪⁄ 2‬‬
‫𝜎‬
‫)‪𝐹 = 2 1 → 𝐹(𝑛1 − 1; 𝑛2 − 1‬‬
‫‪𝛿2‬‬
‫‪⁄ 2‬‬
‫‪𝜎2‬‬
‫وإذا تساوى تبايني المجتمعين فإن ‪:‬‬
‫‪𝛿12‬‬
‫)‪→ 𝐹(𝑛1 − 1; 𝑛2 − 1‬‬
‫‪𝛿22‬‬
‫مثال ‪:‬سحبت عينة حجمها ‪ 15‬من مجتمع طبيعي تباينه ‪ ، 9‬وسحبت عينة أخرى حجمها ‪ 21‬من مجتمع طبيعي‬
‫تباينه ‪ 25‬مستقل عن المجتمع األول ‪.‬‬
‫أوجد احتمال النسبة بين تبايني العينتين أقل من أو يساوي ‪. 0,8‬‬
‫الحل ‪ :‬حيث أن ‪:‬‬
‫‪2‬‬
‫‪𝛿1 ⁄‬‬
‫)‪𝐹 = 2 9 → 𝐹(14; 20‬‬
‫‪𝛿2 ⁄‬‬
‫‪25‬‬
‫‪2‬‬
‫‪𝛿1 ⁄‬‬
‫‪𝛿12‬‬ ‫)‪9 ≤ 0,8 (25‬‬
‫𝑃 = )‪𝑃 ( 2 ≤ 0,8‬‬ ‫فإن ∶‬
‫‪𝛿2‬‬ ‫‪𝛿22⁄‬‬ ‫‪9‬‬
‫‪( 25‬‬ ‫)‬
‫‪= 𝑃(𝐹 ≤ 2,22) = 0,95‬‬

‫‪34‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫يف احملور السابق درسنا من خالل جمموعة من النظرايت العالقة الرايضية بني معامل العينة واملعامل املناظرة هلا يف‬
‫اجملتمع مثل املتوسط‪ ،‬التباين‪ ،‬النسبة‪...‬كما درسنا العالقة بني شكل توزيع اجملتمع وشكل التوزيع االحتمايل‬
‫ملعامل العينة‪ .‬تظهر هذه العالقات كتوصيف خلصائص العينة ومعاملها ولكنها تستخدم أكثر لتقدير خصائص‬
‫ومعامل اجملتمع حمل الدراسة‪ ،‬وهذا ما سنتعرف عليه يف هذا احملور‪.‬‬
‫أوال‪ :‬مفاهيم أساسية‬

‫بعض خصائص املقدر‬ ‫‪2‬‬

‫لتقدير معلمة من معامل جمتمع حمل دراسة‪ ،‬حنتاج إىل اختيار اإلحصائية املناسبة يف العينة لتقدير هذه املعلمة‪.‬‬
‫غالبا ما تكون املعلمة املناظرة يف العينة هي أحسن مقدر‪ ،‬كأن نقدر متوسط اجملتمع ‪ µ‬من خالل متوسط‬
‫العينة ‪ .µm‬تسمى اإلحصائية املستخدمة يف التقدير املقدر‪.‬‬

‫(أ) املقدر غري املتحيز‬

‫نقول عن إحصا ا ا ا ا ااائية ما متا مقدر غ مت ي ‪ sans biais‬ملعلمة اجملتمع إذا كان متوسا ا ا ا ا اااها أو توقعها‬
‫الرايضي مساواي ملعلمة اجملتمع‪.‬‬
‫مثال‪ :‬نقول عن متوسط العينة ‪ m‬أنه مقدر غ مت ي ملتوسط اجملتمع ‪ µ‬ألن ‪ . E(m) = µ‬يف املقابل‬
‫نسمي اإلحصائية ‪ S²‬يف معاينة ابإلرجاع أتا مقدر مت ي ل ‪ σ²‬ألن ‪E(S²) = σ² (n-1)/n ≠ σ²‬‬
‫‪ ،‬بينما تعترب االحصائية )‪ S’² = S²n/(n-1‬مقدرا غ مت ي يف معاينة ابإلرجاع‪.‬‬

‫الكفاءة‬ ‫(ب)‬
‫تتعلق كفاءة )‪ (efficacité‬مقدر ما مبقدار التباين لتوزيع املعاينة لإلحصائية‪ ،‬فإذا كان ملقدرين‬
‫(إحصائيتني) نفس املتوسط نقول عن املقدر ذو توزيع املعاينة األقل تباينا أنه األكثر كفاءة‪.‬‬
‫مثال‪ :‬لكل من توزيعي املعاينة للمتوسط والوسيط نفس املتوسط هو متوسط اجملتمع ‪ ، µ‬لكن يعترب املتوسط‬
‫‪ m‬مقدرا أكثر كفاءة ملتوسط اجملتمع ‪ µ‬من الوسيط ألن تباين توزيع املعاينة للمتوساات ‪V(m) = σ²/n‬‬
‫أقل من تباين توزيع املعاينة للوسيط ‪:‬‬
‫‪.V(méd) = σ²π/2n = (σ²/n) (3.14159/2) > σ²/n‬‬
‫من البديهي أن استخدام مقدرات فعالة وغ مت ي ة هو األفضل‪ ،‬إال أنه قد يلجأ ملقدرات أخرى لسهولة‬
‫احلصول عليها‪.‬‬

‫التقارب ‪convergeance‬‬ ‫( ج)‬

‫نقول عن مقدر أنه متقارب إذا كان يؤول إىل قيمة املعلمة املقدرة عندما يؤول حجم العينة إىل ما ال تاية‪.‬‬

‫‪35‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫مثال‪ :‬يعترب متوسط العينة مقدرا متقاراب ملتوسط اجملتمع ألن‪:‬‬

‫‪²‬‬
‫‪E ( m) = ‬‬ ‫‪,‬‬ ‫= )‪V ( m‬‬ ‫⎯‪⎯n‬‬ ‫⎯‬
‫‪⎯→ 0.‬‬
‫‪⎯⎯→ ‬‬
‫‪n‬‬

‫التقدير النقطي والتقدير مبجال‪.‬‬ ‫‪3‬‬

‫قد حنتاج إىل تقدير ملعلمة جمتمع بقيمة واحدة ونقول عن هذا التقدير أنه تقدير نقطي‪ ،‬و أحياان أخرى‬
‫حنتاج إىل تقدير معلمة اجملتمع بنقاتني حيددان جمال لقيمة املعلمة ونقول عن هذا النوع من التقدير أنه‬
‫تقدير مبجال‪.‬‬
‫مثال ‪ :‬إذا قدران دخل األسرة يف مناقة ما ب ‪ 18000‬دج‪ ،‬نكون قد قدران دخل األسرة تقديرا نقايا‪.‬‬
‫يكون تقديران مبجال إذا قلنا مثال أن الدخل يساوي ‪ 2000 ± 18000‬أي أنه يرتاوح بني ‪16000‬‬
‫و‪20000‬دج‪.‬‬

‫(أ) درجة التأكد‬

‫لكي يكون التقادير علمياا ينب ي تقييم احتماال أن تكون املعلماة تنتمي فعال إىل اجملاال احملادد‪ ،‬لاذلا نل ق‬
‫ابجملال ما يس اامى بدرجة أو مس اتوى الثقة‪ ،‬ويرم له ب ‪ .p‬االحتمال املعاكس يس اامى احتمال اخلاأ ويرم‬
‫له ب ‪ ، α‬ويسمى أيضا ""مستوى املعنوية"‪.‬‬
‫مثال‪ :‬دخل األسرة يف املناقة (أ) ينتمي إىل اجملال [‪ ]20000 ،16000‬مبستوى معنوية ‪ % 5‬أي‬
‫مبستوى ثقة ‪ . % 95‬وتسمي احلدود ‪ 16000‬و‪ 20000‬حدود الثقة‪.‬‬

‫تعيني حدود جمال الثقة‬ ‫(ب)‬

‫حتدد حدود الثقة من خالل معامالت الثقة اليت بدورها حتدد من خالل مسا ا ااتوى املعنوية (مسا ا ااتوى الثقة)‪.‬‬
‫ففي حالة اساتخدام التوزيع الابيعي للتقدير تكون القيمتني ‪ 1.96 ±‬معامالت الثقة من أجل مساتوى ثقة‬
‫‪ %95‬بينما القيمتني ‪ ±2.58‬متثالن معامالت الثقة من أجل مستوى ثقة ‪. % 99‬‬

‫)‪f(z‬‬

‫جمال الثقة‬
‫‪1-α‬‬
‫‪z‬‬

‫‪-z1-α/2‬‬ ‫‪0‬‬ ‫‪z1-α/2‬‬

‫مجال الثقة للتوزيع الطبيعي‬ ‫رسم ‪1‬‬

‫‪36‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫مثال‪ :‬ليكن ‪ µs‬و‪ σs‬متوس ا ا ا ا ااط واحنراف معياري توزيع املعاينة إلحص ا ا ا ا ااائية ما ‪ s‬حيث ‪ . µs = µ‬إذا كان‬
‫توزيع املعاينة ل ‪ s‬توزيعا طبيعيا (كما هو احلال ابلنس ا ا اابة ألغلئ اإلحص ا ا ااائيات عندما )‪ ) (n ≥ 30‬فإننا‬
‫نقدر مثال وابلنظر إىل توزيع ‪ s‬أن‪:‬‬
‫القيمتني ‪ µs ± 1.96σs‬متثالن حدود الثقة ب ‪ ،% 95‬و ‪ µs ± 2.58σs‬حدود الثقة ب ‪.% 99‬‬
‫يف حالة التوزيع الابيعي يرم حلدود الثقة ب ‪ Zc‬أو ‪( Z1-α/2‬أنظر الرسم)‪.‬‬

‫ثانيا‪ :‬التقدير بمجال‬

‫‪-1‬جمال الثقة للمتوسط‬

‫يقدر متوسط اجملتمع ‪ µ‬من خالل اإلحصائية ‪.m‬‬

‫أ ‪ -‬تقدير ‪ µ‬ابستخدام التوزيع الطبيعي‬ ‫( ج)‬

‫نستخدم التوزيع الابيعي لت ديد جمال الثقة إذا علمنا أن اجملتمع الذي س بت منه العينة يتبع التوزيع‬
‫الابيعي‪.‬‬
‫ويف حالة العينة املمتدة )‪ (n ≥ 30‬ميكن كذل االستفادة من نظرية النهاية املرك ية‪ 1‬أن ‪ m‬تتبع‬
‫التوزيع الابيعي‪.‬‬
‫تكتئ حدود جمال الثقة كما يلي‪:‬‬
‫أو‬ ‫'‪S‬‬
‫‪m  zc ‬‬
‫‪S‬‬ ‫‪m  zc‬‬
‫‪n −1‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪m  zc ‬‬ ‫ويف حالة ‪ σ‬جمهول‪:‬‬
‫‪n‬‬
‫و نستخدم هذه الصي ة إال إذا كان اجملتمع حمدود (ذا حجم ‪ )N‬واملعاينة نفادية حيث تصبح الصي ة‬
‫كاآليت‪:‬‬
‫‪‬‬ ‫‪N −n‬‬
‫‪m ‬‬ ‫‪zc ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N −1‬‬
‫إال أنه غالبا ما يكون االحنراف املعياري للمجتمع ‪ σ‬جمهوال‪ ،‬ولذل نعوض ‪ σ‬يف الصيغ السابقة ابملقدر‬
‫’‪ S‬أو ‪.S‬‬
‫اجلدول اآليت يبني قيم ‪ zc‬اليت متثل حدود جمال الثقة حبسئ مستوى الثقة ‪:‬‬

‫اليت ختص يف احلقيقة توزيع جمموع قيم العينة ‪-‬يف حالة كون العينة كب ة مبا فيه الكفاية‪ -‬وليس املتوسط‪.‬‬ ‫‪1‬‬

‫‪37‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫مستوى الثقة ‪1-‬‬

‫‪0.5‬‬ ‫‪0.8‬‬ ‫‪0.90‬‬ ‫‪0.95‬‬ ‫‪0.98‬‬ ‫‪0.99‬‬
‫‪α‬‬
‫‪0.5‬‬ ‫‪0.2‬‬ ‫‪0.10‬‬ ‫‪0.05‬‬ ‫‪0.02‬‬ ‫‪ α‬مستوى املعنوية ‪0.01‬‬
‫‪0.75‬‬ ‫‪0.9‬‬ ‫‪0.95‬‬ ‫‪0.975‬‬ ‫‪0.99‬‬ ‫‪0.995‬‬ ‫‪1- α/2‬‬
‫‪0.674 1.282 1.645‬‬ ‫‪1.96‬‬ ‫‪2.326‬‬ ‫‪82.5‬‬ ‫‪Z1-α/2‬‬
‫مثال ‪ :‬نقدر أن ‪ µ‬يوجد داخل اجملال ‪ m ± 1.96σm‬مبستوى ثقة ‪ )0.95( 95%‬أي مبستوى‬
‫معنوية ‪ ،)0.05( % 5‬وداخل اجملال ‪ m ± 2.58σm‬مبستوى ثقة ‪ 99%‬أي مبستوى معنوية‬
‫‪...0.01‬‬

‫تقدير ‪ µ‬ابستخدام التوزيع ‪: t‬‬ ‫( د)‬

‫يف حالة العينة الص ة )‪(n < 30‬و‪ σ‬جمهول نستخدم توزيع ستيودنت لت ديد جماالت الثقة ل ‪.µ‬‬
‫مثال القيم ‪ -t0.975‬؛ ‪ t0.975‬حتد ‪ % 95‬من املساحة حتت املن ىن ونقول أن ‪-t0.975 ; t0.975‬‬
‫متثل القيم احلرجة أو معامالت الثقة عند مستوى ثقة ‪ % 95‬ونكتئ‪:‬‬
‫‪m−‬‬
‫‪− t 0.975 ‬‬ ‫‪ t 0.975‬‬
‫‪Sˆ / n‬‬
‫ومنه نستخلص جمال الثقة ل ‪ µ‬كما يلي‪:‬‬
‫ˆ‪S‬‬ ‫ˆ‪S‬‬
‫‪m −‬‬ ‫‪t 0.975 ‬‬ ‫‪ ‬‬ ‫‪ m + t 0.975 ‬‬
‫‪n‬‬ ‫‪n‬‬

‫‪ -‬جمال الثقة للنسبة‬ ‫‪2‬‬

‫(أ) حالة اجملتمع غري حمدود أو املعاينة غري نفادية و العينة املمتدة )‪: (n ≥ 30‬‬
‫لتكن ‪ s‬إحصائية متثل نسبة "جناحات" يف عينة ذات حجم ‪ n ≥ 30‬مستخرجة من جمتمع ثنائي حيث‬
‫‪ p‬هي نسبة النجاحات‪ .‬تستعمل التوزيع الابيعي لتقدير ‪ p‬فنعني حدود الثقة ل ‪ p‬كما يلي‪p’ ± :‬‬
‫‪ zcσp‬أين’‪ p‬نسبة النجاحات يف العينة‪،‬‬
‫‪  p‬ومنه حيدد جمال الثقة ل ‪ p‬كما يلي‪:‬‬ ‫=‬
‫‪pq‬‬
‫نعلم من الفصل السابق أن‬
‫‪n‬‬
‫) ‪p(1 − p‬‬
‫‪p'  z c ‬‬
‫‪n‬‬

‫يف حالة كون اجملتمع حمدود ذا حجم ‪ N‬واملعاينة نفادية‪:‬‬ ‫(ب)‬

‫) ‪p(1 − p‬‬ ‫‪N −n‬‬
‫‪p'  z c ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N −1‬‬

‫‪38‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫جمال الثقة للتباين‬ ‫‪3‬‬

‫ˆ‬
‫لتقدير التباين واالحنراف املعياري جملتمع مبجال ثقة نستعمل اخلاصية ‪. nS ² = (n − 1)S ² ~  ² n−1 :‬‬
‫‪²‬‬ ‫‪²‬‬
‫مثال‪ :‬جمال الثقة ب‪ % 95‬حيدد كما يلي‪:‬‬
‫‪nS ² ( n − 1) Sˆ ²‬‬
‫‪ ² 0.025 ‬‬ ‫=‬ ‫‪  ² 0. 975‬‬
‫‪²‬‬ ‫‪²‬‬
‫ومنه نستنتج جمال الثقة ل ‪ σ‬كما يلي‪:‬‬
‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n − 1S‬‬ ‫ˆ‪n − 1S‬‬
‫‪  ‬‬ ‫‪ou‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 0.975‬‬ ‫‪ 0.025‬‬ ‫‪ 0.975‬‬ ‫‪ 0.025‬‬
‫نظرا ألن توزيع ك‪ 2‬غ متماثل فإن اجملال أعاله ليس األمثل‪ ،‬إذ توجد طريقة لتضييق جمال الثقة أكثر إذا مل‬
‫نشأ أن تكون أطراف املن ىن متساوية‪ ،‬وهذا خبالف التوزيعات املتماثلة كالابيعي وستيودنت‪.‬‬

‫جماالت الثقة لنسبة تباينني‬ ‫‪4‬‬

‫رأينا سابقا (نظرية ‪ 11‬من الفصل ‪ )5‬أنه إذا كان لدينا جمتمعان طبيعيان تباينامها ‪ σ²1 , σ²2‬وس بنا‬
‫منهما عينتني عشوائيتني حجمهما على التوايل ‪ n1 , n2‬فإن ‪:‬‬
‫‪ S12 n1  1‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪Sˆ12 /  12‬‬
‫‪ n1 − 1  1‬‬
‫=‪F‬‬ ‫‪= 2‬‬ ‫‪→ Fn1 −1; n2 −1‬‬
‫‪ S 22 n 2  1‬‬ ‫‪Sˆ 2 /  22‬‬
‫‪‬‬ ‫‪ 2‬‬
‫‪ n2 − 1  2‬‬
‫إذا ميكن تكوين تقدير مبجال ل ‪ F‬عند مستوى ثقة ‪ 0.98‬كما يلي‪:‬‬
‫‪Sˆ12 /  12‬‬
‫‪F0.01 ‬‬ ‫‪ F0.99‬‬
‫‪Sˆ 2 /  2‬‬
‫‪2‬‬ ‫‪2‬‬

‫و من مث ميكن تقدير النسبة بني تبايين اجملتمعني كما يلي‪:‬‬

‫‪1 Sˆ12‬‬ ‫‪ 12‬‬ ‫‪1 Sˆ12‬‬
‫‪‬‬ ‫‪‬‬
‫‪F0.99 Sˆ 22‬‬ ‫‪ 22‬‬ ‫‪F0.01 Sˆ 22‬‬

‫خالصة‬ ‫‪5‬‬

‫لتقدير إحصائية جمتمع نستخدم نظرايت توزيع املعاينة‪ .‬هذه النظرايت تتناول خصائص إحصائيات العينة‬
‫من متوسط العينة‪ ،‬النسبة يف العينة‪ ... ،‬و عالقتها ابإلحصائيات املناظرة هلا يف اجملتمع‪.‬‬
‫جدول‪ 1‬توزيع املعاينة للمتوساات حسئ طبيعة توزيع اجملتمع‪ ،‬معلومية التباين و حجم العينة‪.‬‬

‫‪39‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫تباين اجملتمع‬ ‫قانون‬

‫‪x‬‬ ‫قانون‬ ‫‪x‬‬ ‫‪n‬‬
‫(‪)σ²‬‬ ‫اجملتمع‬
‫‪ n < 30‬أو ≥ ‪n‬‬
‫)‪N(µ ; σ/√n‬‬ ‫‪σ/√n‬‬ ‫معلوم‬
‫‪30‬‬
‫; ‪N(µ‬‬ ‫طبيعي‬
‫‪S’/√n‬‬ ‫‪n ≥ 30‬‬
‫)‪S’/√n‬‬ ‫غ معلوم‬
‫‪tα; n-1‬‬ ‫‪S’/√n‬‬ ‫‪n < 30‬‬
‫)‪N(µ ; σ/√n‬‬ ‫‪σ/√n‬‬ ‫‪n ≥ 30‬‬ ‫معلوم‬
‫; ‪N(µ‬‬ ‫غ معلوم‬
‫‪S’/√n‬‬ ‫‪n ≥ 100‬‬ ‫غ معلوم‬
‫)‪S’/√n‬‬

‫جدول ‪ 2‬حتديد جمال الثقة للنسبة‪ ،‬للتباين وللنسبة بني تباينني‬

‫جمال الثقة‬ ‫التوزيع االحتمايل لإلحصائية‬ ‫اجملتمع‬
‫جمتمع غ حمدود أو‬
‫‪p'  z c ‬‬
‫) ‪p(1 − p‬‬ ‫معاينة غ نفادية و‬
‫‪n‬‬ ‫التوزيع الابيعي‬
‫عينة ممتدة ≥ ‪(n‬‬
‫)‪30‬‬
‫جمتمع حمدود ذا‬
‫) ‪p(1 − p‬‬ ‫‪N −n‬‬
‫‪p'  z c ‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪N −1‬‬ ‫التوزيع الابيعي‬ ‫حجم ‪ N‬واملعاينة‬
‫نفادية‬

‫‪40‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫‪nS‬‬ ‫‪nS‬‬ ‫ˆ‪n − 1S‬‬ ‫ˆ‪n − 1S‬‬

‫‪  ‬‬ ‫‪ou‬‬ ‫‪ ‬‬ ‫‪‬‬
‫أو‬ ‫‪ 0.975‬‬ ‫‪ 0.025‬‬ ‫‪ 0.975‬‬ ‫‪ 0.025‬‬
‫‪nS ² ( n − 1) Sˆ ²‬‬
‫=‬ ‫‪~  ² n −1‬‬ ‫غ معلوم‬
‫‪²‬‬ ‫‪²‬‬
‫‪nS‬‬ ‫ˆ‪n − 1S‬‬ ‫ˆ‪n − 1S‬‬
‫‪ou‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪ 0.025‬‬ ‫‪ 0.975‬‬ ‫‪ 0.025‬‬

‫مثال عند مستوى ثقة ‪:0.98‬‬

‫‪ S12 n1  1‬‬ ‫جمتمعني طبيعيني‪ ،‬أو‬
‫‪nS ² ( n − 1) Sˆ ²‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ² 0.025 ‬‬ ‫‪  ² 0. 975‬‬ ‫‪n1 − 1  2‬‬ ‫‪Sˆ 2 /  2‬‬
‫‪²‬‬
‫=‬
‫‪²‬‬ ‫‪F =  2  1 = 12 12 → Fn1 −1; n2 −1‬‬ ‫عينتني مس وبتني من‬
‫‪ S 2 n2  1‬‬ ‫‪Sˆ 2 /  2‬‬
‫‪1 Sˆ12‬‬ ‫‪ 12‬‬ ‫‪1 Sˆ12‬‬ ‫‪‬‬ ‫‪ 2‬‬ ‫جمتمع طبيعي واحد‪.‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ n2 − 1  2‬‬
‫‪F0.99 Sˆ 22‬‬ ‫‪ 22‬‬ ‫‪F0.01 Sˆ 22‬‬

‫ملحق‪ .‬جماالت الثقة للفروق واجملاميع‬ ‫‪6‬‬

‫إذا كانت ‪ s1‬و‪ s2‬إحصائيتا معاينة هلا توزيع يقرتب من التوزيع الابيعي‪ ،‬والعينتان مستقلتان‪ ،‬تكتئ حدود‬
‫الثقة للفروق بني املعامل اليت متثلها اإلحصائيتني كما يلي‪:‬‬
‫‪S1 − S 2  z c   S1 − S2 = S1 − S 2  z c   ² S1 +  ² S2‬‬

‫يف حالة اجملموع ‪:‬‬

‫‪S1 + S 2  z c   S1− S2 = S1 + S 2  z c   ² S1 +  ² S2‬‬

‫مثال ‪ :‬إذا كانت اإلحصائيتان مها متوساا عينتني مستقلتني‪ ،‬مس وبتني من جمتمعني غ حمدودين‪ ،‬حندد‬
‫جمال الثقة للفرق (و للمجموع) بني متوساي اجملتمعني ‪ µ1 - µ2‬كما يلي ‪:‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪m1 − m 2  z c   m1 − m 2 = m1 − m 2  z c ‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫مثال ‪ :2‬إذا كانت اإلحصائيتان مها نسبتان يف عينتني مستقلتني‪ ،‬مس وبتان من جمتمعني غ حمدودين ‪:‬‬
‫‪pq1 pq 2‬‬
‫‪p '1 − p '2  z c   p ' 1 − p ' 2 = p '1 − p '2  z c ‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ثالثا‪ :‬طرق تأسيس المقدر‬

‫أحد الارق الختيار مقدر معلمة ما للمجتمع أن أنخذ مباشرة نظ هتا يف العينة‪ ،‬وإذا كان هذا املقدر‬
‫ال يتصف ابخلصائص املالوبة جنري عليه تعديال (استخدام ‪ S’²‬بدال من ‪ S²‬لتقدير ‪ .)σ²‬توجد طرق‬
‫أخرى لت ديد املقدر األنسئ منها طريقة املعقولية العظمى واليت تدعى أيضا طريقة االحتمال األكرب‬
‫واليت تنسئ إىل العامل فيشر وكذا طريقة الع وم‪.‬‬

‫‪41‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫طريقة العزوم‬ ‫‪1‬‬

‫ليكن املالوب تقدير عدد ‪ K‬من معامل اجملتمع ‪ .θ1, θ2, . . , θk :‬نكون مجلة معادالت عددها‬
‫‪ .K‬تتضمن كل معادلة مساواة الع م املرتبط ابألصل من الدرجة ‪ k‬ملت ة اجملتمع ‪µ’k = : X‬‬
‫)‪ ،E(Xk‬بنظ ه ملت ة املعاينة ‪: x‬‬
‫‪m’k = (1/n)∑ixik‬‬ ‫‪k = 1, 2, , K‬‬

‫مثال‪ :‬ليكن )‪ . X ~ B(20; p‬تقدير ‪ p‬باريقة الع وم اناالقا من عينة يتم كما يلي‪:‬‬
‫لدينا عدد املعامل املراد تقديرها ‪ K = 1‬إذا حنتاج إىل معادلة واحدة ‪. µ = 20p :‬ومنه ‪،p = 20/µ‬‬
‫أنخذ إذا كمقدر ل‪ p‬القيمة‪ p’ :‬وحنسبها كما يلي ‪.p’ = m/20 :‬‬
‫يف حالة تقدير معلمتني للمجتمع حنتاج أن نستعمل مجلة املعادلتني‪µ = m , µ’2 = :‬‬
‫‪m’2‬‬
‫مثال‪ : 2‬لتكن )‪ .X ~ N(µ; σ²‬نس ئ عينة ذات متوسط ‪ ،m‬وتباين ‪ .S²‬لتقدير ‪ µ‬و‪σ²‬‬
‫حنتاج إىل حل مجلة املعادلتني‪:‬‬
‫‪  ' 2 = m' 2‬‬ ‫‪ ' 2 =  ² +  ²‬‬ ‫‪ˆ = m‬‬
‫‪‬‬ ‫‪or‬‬ ‫‪‬‬ ‫‪la solution est‬‬ ‫‪‬‬
‫‪ = m‬‬ ‫‪m' 2 = m² + S ²‬‬ ‫‪ˆ ² = S ²‬‬
‫هذه الاريقة قد تعاي مقدرات مت ي ة كما يف هذه احلالة‪.‬‬

‫طريقة املعقولية العظمى (طريقة االحتمال األكرب)‬ ‫‪2‬‬

‫حاالاة كون مت ة اجملتمع متقاعاة ‪ :‬نرياد تقادير معلماة ‪ θ‬واحادة للمجتمع‪ ،‬ولاديناا عيناة غ نفاادياة (املت ا‬
‫ت اليت متثل قيم احملصل عليها يف العينة مستقلة) هلا نفس التوزيع للمجتمع‪ .‬من البديهي أن احتمال حتقق‬
‫عيناة باذاهتاا مرتبط ب قيماة املعلماة اجملهولاة ‪ .P(x1, x2, …,xn) = L(θ) :‬هنااك قيماة ل ‪ θ‬تعظم‬
‫احتمال احلص ااول على العينة احملص اال عليها‪ ،‬ونفرتض أن تل القيمة هي الص ا ي ة مبا أن العينة حص االت‬
‫ابلفعال‪ .‬تتمثال طريقاة املعقولياة العظمى يف الب اث عن هاذه القيماة‪ .‬أي الب اث عن ‪ θ‬اليت تعظم )‪L(θ‬‬
‫‪ ،‬حيث ‪:‬‬
‫)‪.L(θ) = f(x1, . . . , xn ; θ) = f(x1) . f(x2) . . . f(xn‬‬
‫تعتمد طريقة املعقولية العظمى على تعظيم دالة االحتمال املشرتكة )‪. L(θ‬‬
‫مثال‪ :‬ليكن )‪ ، X ~ B(p‬حيث النجاح هو وجود اخلاص ا ا ا ا ااية " أ " لدى فرد مس ا ا ا ا ا وب عش ا ا ا ا اوائيا من‬
‫اجملتمع‪ .‬نرد تقاادير ‪ p‬من خالل عينااة حجمهااا ‪ .2‬مااا هي القيمااة ’‪ p‬ل ‪ p‬اليت جتعاال النتيجااة ‪ 0 ،1‬هي‬
‫األكثر احتماال؟ أي ما هي ’‪ p‬اليت جتعل ‪ p(0.1) = pq‬أكرب ما ميكن؟‬

‫‪42‬‬
 ‫احملور الثالث ‪ :‬التقدير‬

‫)‪P(0.1‬‬ ‫من الواضا ااح أن أكرب قيمة ل)‪ p(0.1‬هي‬

‫¼ والقيماة اليت حتققهاا هي ‪p’ = 1/2‬‬
‫‪ ،‬وهبذا جنيئ على التساؤل‪.‬‬
‫‪1/4‬‬

‫‪0‬‬ ‫‪1/2‬‬ ‫‪p‬‬

‫‪ 2‬أقصى قيمة ل )‪P(0,1‬‬ ‫رسم‬

‫‪43‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫يف احملور السابق تناولنا كيفية تقدير معامل اجملتمع من خالل بياانت العينة وبعض خصائص املقدر اجليد‪ .‬يف‬
‫هذا احملور سنتناول كيفية اختبار فرضيات موضوعة حول معامل جمتمع أو أكثر‪ .‬حيتاج الدارس أحياان يف مرحلة‬
‫ما من حبثه إىل اختبار فرضية أو أكثر خبصوص اجملتمع املدروس‪ .‬من أمثلة ذل ‪ :‬اختبار فرضية خبصوص‬
‫معدل الدخل يف مناقة معينة‪ ،‬اختبار فرضية نسبة شفاء لدواء معني‪ ... ،‬يتم ذل بصياغة فرضية عن‬
‫اجملتمع املدروس (أو اجملتمعات املدروسة) ومن مث حماولة احلصول على دليل إحصائي ينفي أو يثبت هذه‬
‫الفرضية وذل من خالل بياانت عينة (أو أكثر) عشوائية بسياة‪ .‬ختص الفرضية أحد معامل اجملتمع كاملتوسط‪،‬‬
‫النسبة أو التباين‪ ،‬ونعتمد يف إثباهتا أو رفضها على خصائص إحصائية معاينة خمتارة‪ .‬من أجل ذل يعتمد‬
‫هذا الدرس‪ ،‬كما هو احلال ابلنسبة لدرس التقدير‪ ،‬على درس املعاينة‪.‬‬

‫أوال‪ :‬اختبار المتوسط‬

‫يتناول هذا االختبار متوسط اجملتمع (‪ ،)µ‬مثل متوسط الدخل‪ ،‬متوسط وزن منتج معني‪ .. ،‬ويؤكد اختبار‬
‫املتوسط فرضية مساواته لقيمة ما ‪ .µ0‬و للقيام ابالختبار نستخرج عينة عشوائية حنسئ فيها املتوسط ‪m‬‬
‫مث نستخدم التوزيع االحتمايل ل ‪ m‬لقياس قرب أو بعد هذه القيمة من ‪.µ0‬‬

‫اختبار ثنائي االجتاه للمتوسط‪.‬‬ ‫‪1‬‬

‫لنتناول هذا املثال‪ :‬نريد اختبار فرضية حول متوسط دخل الاالئ يف السنة األوىل من خترجه‪ ،‬ولتكن القيمة‬
‫االفرتاضية هي ‪15000‬دج كمتوسط للدخل الشهري‪ .‬حنتاج إىل اخلاوات التالية‪ :‬حتديد الفرضيات‪ ،‬حتديد‬
‫قاعدة القرار‪ ،‬حساب القيمة اجلدولية للمت ة‪ ،‬حساب القيمة الفعلية للمت ة‪ ،‬اختاذ القرار‪.‬‬

‫(أ) حتديد الفرضيات (الصفرية والبديلة)‪:‬‬

‫‪H0 : µ = µ0 ↔ H1 : µ ≠ µ0‬‬
‫تسمى الفرضية ‪ H0‬الفرضية الصفرية أو فرضية العدم‪ ،‬ويؤدي االختبار إما إىل رفضها ونكتئ ‪RHo‬‬
‫ويف هذه احلالة نقبل الفرضية البديلة أو املعاكسة أو عدم رفضها ونكتئ ‪ µ0 .R’H0‬هي القيمة االفرتاضية‬
‫ل ‪ µ‬وهي يف هذه احلالة ‪ 15000‬لذل نكتئ الفرضيات كما يلي‪:‬‬
‫‪H0 : µ = 15000 ↔ H1 : µ ≠ 15000‬‬
‫عادة ما تكون ‪ µ0‬حمددة بناءا على بياانت عينة عشوائية بسياة )‪ ،(µ0 = m‬ويف هذه احلالة ميكن استخدام‬
‫اخلاصية‬

‫‪44‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪m ~ N(µ0 ,‬‬ ‫)‪ m ~ N(µ, σ²/n‬الجراء االختبار‪ ،‬حيث أنه حتت ‪ H0‬فإن ‪:‬‬
‫)‪σ²/n‬‬
‫مما يعين معلومية احتمال أن يكون ‪ m‬قريئ إىل درجة ما من ‪ µ0‬فمثال ‪:‬‬
‫‪P(µ0 – 1.64(σm) ≤ m ≤ µ0 + 1.64(σm)) = 0.90‬‬
‫‪P(µ0 – 1.96(σm) ≤ m ≤ µ0 + 1.96(σm)) = 0.95‬‬
‫‪P(µ0 – 2.58(σm) ≤ m ≤ µ0 + 2.58(σm)) = 0.99‬‬
‫وبصفة عامة نكتئ‪:‬‬
‫‪P[µ0 – z1-α/2(σm) ≤ m ≤ µ0 + z1-α/2 (σm)] = 1-α‬‬
‫أو حسئ الكتابة األكثر شيوعا‪:‬‬
‫‪m − 0‬‬
‫‪P(− z1− / 2 ‬‬ ‫‪ z1− / 2 ) = 1 − ‬‬
‫‪m‬‬

‫حيث‪:‬‬
‫▪ ‪( : (m - µ0)/σm‬متغرية القرار) هي املت ة املعيارية ل ‪ m‬ونرم هلا ب ‪ ،zc‬حيث ~ ‪z‬‬
‫)‪. N(0, 1‬‬
‫▪ ‪ σm‬حتدد كما يلي‪ σm= σ/√n :‬يف حالة املعاينة ابإلرجاع (أو ‪ ) n ≤ 0.05N‬و‬
‫= ‪  m‬يف احلالة املعاكسة‪.‬‬ ‫‪‬‬ ‫‪N −n‬‬
‫‪n‬‬ ‫‪N −1‬‬

‫▪ ‪ : 1 - α/2‬املساحة على يسار ‪. z‬‬

‫▪ ‪ : n‬حجم العينة‪.‬‬
‫ميكن إذا كان ‪ m‬خارج اجملال ‪ ،1-α‬أن نرفض الفرضية الصفرية اليت حدد على أساسها هذا اجملال ونقبل‬
‫ابلتايل الفرضية البديلة‪.‬‬
‫تسمى هذه (اخلاة) قاعدة القرار‪.‬‬

‫حتديد قاعدة القرار‬ ‫(ب)‬

‫تكتئ قاعدة القرار يف املثال الذي بني أيدينا‪ ،‬وهي قاعدة اختبار ثنائي االجتاه (أنظر الشكل‬
‫‪ ، )1‬كما يلي‪:‬‬

‫‪45‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪‬‬ ‫‪X − 0‬‬ ‫‪‬‬ ‫‪X − 0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1− / 2 .‬‬ ‫= ‪ RH 0 si z c‬‬ ‫‪ − z1− / 2 ; z1− / 2  .‬‬
‫‪‬‬ ‫‪X‬‬ ‫أو‬ ‫‪‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪ R H sinon.‬‬
‫‪ R H 0 sinon.‬‬ ‫‪‬‬ ‫‪0‬‬

‫‪R’H0‬‬
‫‪RH0‬‬ ‫‪RH0‬‬

‫‪1-α‬‬ ‫‪z‬‬

‫‪-z1-α/2‬‬ ‫‪0‬‬ ‫‪z1-α/2‬‬

‫)‪µ0-z1-α/2(σm‬‬ ‫‪µ0‬‬ ‫)‪µ0+z1-α/2(σm‬‬

‫رسم ‪ 3‬مناقيت القبول و الرفض يف حالة قاعد القرار الثنائية‬

‫تتضا ا اامن هذه اخلاة خماطرة تتمثل يف الوصا ا ااول إىل قرار خاطىء‪ :‬فقد تكون الفرضا ا ااية ‪ H0‬صا ا ا ي ة بينما‬
‫منح‬
‫تقودان قيمة ‪ m‬احملص ا ا ا ا ا االة إىل رفض ا ا ا ا ا ااها‪ ،‬ويس ا ا ا ا ا اامى هذا اخلطأ من النوع األول‪ ،‬واحتماله ‪ ، α‬ويكتئ ‪:‬‬
‫‪،P(RH0 / H0) = α‬‬
‫و قد تقودان قيمة ‪ m‬إىل قبول ‪ H0‬فيما هي خاطئة‪ ،‬ويسمى هذا اخلطأ من النوع الثان واحتماله ‪1- α‬‬
‫ويكتئ ‪:‬‬
‫‪P(R’H0 / H1 ) = 1-α‬‬
‫و ميكن تقليص احتمال أحد اخلاأين على حساب الثاين‪ ،‬ولكن ال ميكن تقليص احتمال كال اخلاأين معا‬
‫إال ب ايدة حجم العينة‪.‬‬
‫و يقيس احتمال رفض الفرضية الصفرية )‪ P(RH0‬قوة االختبار (أنظر الشكل ‪ )2‬فيما يقيس احتمال‬
‫قبوهلا )‪ P(R’H0‬فعالية االختبار (أنظر الشكل ‪ .)2‬ويتوقف كال االحتمالني على القيمة احلقيقية ل ‪. µ‬‬

‫‪46‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫)‪P(RH0‬‬ ‫)‪P(R’H0‬‬

‫‪1‬‬ ‫‪1‬‬
‫‪1-α‬‬

‫‪α‬‬

‫‪µ0‬‬ ‫‪µ0‬‬ ‫‪µ‬‬

‫‪µ‬‬
‫منحنى القوة )‪(2‬‬ ‫رسم‪ (1) 5‬منحنى الفعالية‬

‫حساب ‪ z‬اجلدولية‪:‬‬ ‫( ج)‬

‫ويرم هلا ب ‪ zt‬حيث‪ ،‬وهي املشار إليها يف قاعدة القرار (الشكل الثاين)‪ ،‬ويف حالتنا (اختبار ثنائي‬
‫مبستوى معنوية ‪: )%5‬‬
‫‪zt = z1-α/2 = z1-0.05/2 = z1-0.025 = z0.975‬‬
‫ومن اجلدول جند أن ‪. z0.975 = 1.96‬‬

‫حساب ‪ z‬الفعلية‪:‬‬ ‫( د)‬

‫املعيارية ل ‪( m‬أنظر قاعدة القرار الشكل األول) ‪:‬‬ ‫ويرم هلا ب ‪ zc‬وهي املت‬
‫‪X − 0‬‬ ‫‪15800 − 1500‬‬
‫= ‪zc‬‬ ‫=‬ ‫‪= 5.33‬‬
‫‪X‬‬ ‫‪1500 / 100‬‬

‫القرار‪:‬‬ ‫( ه)‬
‫نقرر قبول أو رفض ‪ H0‬حسئ قاعدة القرار‪ .‬ويف حالتنا نرفض ‪ H0‬ألن ‪ zc > zt‬ونقبل ‪ H1‬أي أن‬
‫متوسط دخل اخلريج حديث التوظيف ليس ‪15000‬دج‪.‬‬

‫االختبار أحادي االجتاه للمتوسط‪.‬‬ ‫‪2‬‬

‫يتمي االختبار الثنائي عن األحادي يف الفرضية البديلة اليت هي عدم مساواة يف االختبار الثنائي وأكرب متاما‬
‫أو أص ر متاما (حسئ احلالة) يف االختبار األحادي‪ ،‬وهذا يرتتئ عليه ت ي يف قاعدة القرار‪.‬‬

‫(أ) االختبار أحادي االجتاه من اليمني‪.‬‬

‫لنرجع إىل املثال السابق مع ت ي حمدد هو أننا نريد اختبار ما إذا كان متوسط الدخل للخريج‬
‫‪15000‬دج أم أكثر (اختبار من اليمني)‪.‬‬

‫‪47‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪H0 : µ = µ0 ↔ H1 : µ > µ0‬‬ ‫أ‪ -‬الفرضيات ‪:‬‬

‫‪H0 : ↔ H1 : µ > 15000‬‬ ‫يف هذه احلالة ‪ µ0 = 15000‬لذل نكتئ ‪:‬‬
‫‪µ = 15000‬‬
‫‪‬‬ ‫‪X − 0‬‬
‫‪ RH 0 si‬‬ ‫‪ z 1− .‬‬
‫‪‬‬ ‫‪X‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬
‫ب‪ -‬قاعدة القرار‪:‬‬
‫‪zt = z1-α = z1-‬‬ ‫ج‪ -‬حساب ‪ z‬اجلدولية‪( :‬اختبار على اليمني مبستوى معنوية ‪: )%5‬‬
‫‪0.05 = z0.95‬‬

‫‪z0.95 = 1.645‬‬ ‫ومن اجلدول جند أن‬

‫‪X − 0‬‬ ‫‪X − 0‬‬ ‫‪15800 − 1500‬‬
‫= ‪zc‬‬
‫‪X‬‬
‫=‬ ‫=‬ ‫‪= 5.33‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪:‬‬
‫‪/ n‬‬ ‫‪1500 / 100‬‬

‫ه‪ -‬القرار‪ :‬نرفض ‪ H0‬ألن ‪ zc > zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج حديث التوظيف ليس‬
‫‪15000‬دج وإمنا هو أكرب‪.‬‬

‫االختبار أحادي االجتاه من اليسار‬ ‫(ب)‬

‫نعود إىل مثالنا ونفرتض أن متوسط العينة كان ‪14200‬دج ونريد أن خنترب ما إذا كان متوسط الدخل‬
‫مساوي أم أقل من ‪15000‬دج‪.‬‬
‫‪H0 : µ = 15000 ↔ H1 : µ < 15000‬‬ ‫أ‪ -‬الفرضيات ‪:‬‬
‫ب‪ -‬قاعدة القرار‪:‬‬
‫‪‬‬ ‫‪X − 0‬‬
‫‪ RH 0 si‬‬ ‫‪ − z 1− .‬‬
‫‪‬‬ ‫‪X‬‬
‫‪ R H sinon.‬‬
‫‪‬‬ ‫‪0‬‬

‫ج‪ -‬حساب ‪ z‬اجلدولية‪( :‬اختبار على اليسار مبستوى معنوية ‪: )% 5‬‬

‫‪zt = - z1-α = - z1-0.05 = - z0.95 = -1.645‬‬
‫‪X − 0‬‬ ‫‪X − 0‬‬ ‫‪14200 − 1500‬‬
‫= ‪zc‬‬ ‫=‬ ‫=‬ ‫‪= −5.33‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪:‬‬
‫‪X‬‬ ‫‪/ n‬‬ ‫‪1500 / 100‬‬

‫ه‪ -‬القرار‪ :‬نرفض ‪ H0‬ألن ‪ zc < zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج حديث التوظيف أقل من‬
‫‪15000‬دج ‪.‬‬

‫‪48‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫استخدام ‪ S‬كمقدر ل ‪ σ‬يف اختبار املتوسط‪.‬‬ ‫‪3‬‬

‫يف األمثلة السابقة افرتضنا أن ‪ σ‬معلوم‪ ،‬يف الواقع غالبا ما يكون االحنراف املعياري جمهوال وحنتاج ابلتايل إىل‬
‫استخدام االحنراف املعياري للعينة (‪ )S‬عند حساب ‪( σm‬أنظر درس التقدير)‪ ،‬حيث نعوض العبارة‬
‫'‪S‬‬ ‫‪S‬‬
‫= ‪m‬‬ ‫أو‬ ‫= ‪m‬‬ ‫ب‬ ‫‪σm = σ/√n‬‬
‫‪n‬‬ ‫‪n −1‬‬

‫مثال‪ :‬يف املثال السابق نفرتض أن االحنراف املعياري للدخل الشهري للاالئ جمهول‪ ،‬لكن االحنراف املعياري‬
‫للعينة ‪ .S = 1600‬كيف ميكن اختبار ما إذا كان الدخل الشهري أقل من ‪15000‬دج؟‬
‫اخلاوات أ‪ ،‬ب ‪ ،‬ج تبقى بدون ت ي ‪.‬‬
‫‪X − 0‬‬ ‫‪X − 0‬‬ ‫‪14200 − 1500‬‬
‫= ‪zc‬‬ ‫=‬ ‫=‬ ‫‪= −4.97‬‬ ‫د‪ -‬حساب ‪ z‬الفعلية‪:‬‬
‫‪X‬‬ ‫‪S / n −1‬‬ ‫‪1600 / 99‬‬

‫ه‪ -‬القرار‪ :‬نرفض ‪ H0‬ألن ‪ zc < zt‬ونقبل ‪ H1‬أي أن متوسط دخل اخلريج حديث التوظيف ليس‬
‫‪15000‬دج وإمنا هو أقل‪.‬‬

‫استخدام التوزيع ‪ t‬يف اختبار املتوسط‪.‬‬ ‫‪4‬‬

‫يف حالة ‪ n< 30‬و‪( σ‬االحنراف املعياري للمجتمع) جمهوال‪ ،‬ال ميكن استخدام التوزيع الابيعي‪ ،‬ولكن‬
‫لدينا ‪:‬‬
‫‪X − 0‬‬ ‫‪X −‬‬
‫‪S / n −1‬‬
‫‪~ t n −1‬‬ ‫و حتت ‪: ) µ = µ0( H0‬‬ ‫‪S / n −1‬‬
‫‪~ t n −1‬‬

‫ميكن إذا استخدام التوزيع ستيودنت (بشرط أن يكون توزيع اجملتمع طبيعيا أو على األقل جرسي الشكل) ‪.‬‬
‫و تت قاعدة القرار تبعا هلذا الت ي فتكتئ يف حالة االختبار الثنائي كما يلي‪:‬‬
‫‪‬‬ ‫‪X − 0‬‬
‫‪ RH 0 si‬‬ ‫‪ t n−1; 1− / 2 .‬‬
‫‪‬‬ ‫‪S / n −1‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬
‫‪‬‬ ‫‪X − 0‬‬
‫‪ RH 0 si‬‬ ‫‪ t n −1, 1−‬‬
‫‪‬‬ ‫‪S / n −1‬‬
‫‪ R H sinon.‬‬
‫يف حالة اختبار من اليمني‪:‬‬
‫‪‬‬ ‫‪0‬‬

‫‪‬‬ ‫‪X − 0‬‬

‫‪ RH 0 si‬‬ ‫‪ − t n −1; 1−‬‬
‫‪‬‬ ‫‪S / n −1‬‬
‫‪ R H sinon.‬‬
‫يف حالة اختبار من اليسار‪:‬‬
‫‪‬‬ ‫‪0‬‬

‫‪49‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫خالصة‬ ‫‪5‬‬

‫يتم اختبار الفرضيات من خالل ‪ 5‬خاوات متتالية وهي‪:‬‬

‫▪ حتديد الفرضيات (الصفرية والبديلة)‬
‫▪ حتديد قاعدة القرار‬
‫▪ حساب القيمة اجلدولية للمت ة‬
‫▪ حساب القيمة الفعلية للمت ة‬
‫▪ اختاذ القرار‪.‬‬
‫تت دد كيفية إمتام كل خاوة حسا ا ا اائ طبيعة االختبار (ثنائي أو أحادي االجتاه)‪ ،‬حسا ا ا اائ طبيعة اجملتمع و‬
‫طبيعة و حجم العينة‪ ... ،‬و تسخدم يف ذل نظرايت توزيع املعاينة‪.‬‬

‫ثانيا‪ :‬اختبار النسبة واختبار التباين‬

‫اختبار النسبة‬ ‫‪1‬‬

‫يتعلق هذا االختبار بنسبة مفردات اجملتمع اليت تتصف خباصية ما (‪ ،)p‬حيث يؤكد االختبار أو ينفي‬
‫ص ة فرضية معينة خبصوص قيمة ‪ . p‬يرم للقيمة االفرتاضية ب ‪ p0‬وتكتئ الفرضية كما يلي‪:‬‬
‫‪H0 : p = p0‬‬
‫للقيام ابالختبار نستخدم خصائص ’‪ p‬النسبة يف العينة (أنظر توزيع املعاينة للنسبة ‪ :‬نظرية ‪.)6‬‬
‫‪pq‬‬
‫‪E ( p' ) =  p ' = p‬‬ ‫;‬ ‫= '‪ ² p‬‬
‫‪n‬‬
‫عند ‪( p’ ≈ N (p, σp') : n ≥ 30‬نظرية موافر‪ -‬البالس)‬
‫‪‬‬ ‫‪p 0 q0 ‬‬
‫; ‪p'  N  p 0‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫استنادا إىل هذه اخلصائص وحتت ‪: H0‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫و من مث ميكن حتديد قاعدة القرار حبسئ طبيعة االختباركما يلي‪:‬‬

‫‪50‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪‬‬ ‫‪p'− p 0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1− / 2 .‬‬
‫‪‬‬ ‫‪p0 q0 / n‬‬
‫‪‬‬ ‫يف حالة االختبار الثنائي‪:‬‬
‫‪ R H 0 sinon.‬‬

‫‪‬‬ ‫‪p'− p 0‬‬

‫‪ RH 0 si‬‬ ‫‪ z 1−‬‬
‫‪‬‬ ‫‪p0 q0 / n‬‬
‫‪‬‬ ‫يف حالة اختبار من اليمني‪:‬‬
‫‪ R H 0 sinon.‬‬
‫‪‬‬ ‫‪p'− p 0‬‬
‫‪ RH 0 si‬‬ ‫‪ − z 1−‬‬
‫‪‬‬ ‫‪p0 q0 / n‬‬
‫‪‬‬ ‫يف حالة اختبار من اليسار‪:‬‬
‫‪ R H 0 sinon.‬‬

‫مثال‪ :‬تقدر الدوائر الرمسية نسبة املتخرجني اجلامعيني الذين حيصلون على عمل يف السنة األوىل اليت تلي‬
‫خترجهم ب ‪ . % 70‬وجدت دراسة أجريت على عينة من ‪ 900‬طالئ أن نسبة احلصول على عمل‬
‫‪ . % 67‬كيف ميكن اختبار ما إذا كانت النسبة الرمسية ص ي ة أم مبالغ فيها‪ ،‬مبستوى معنوية ‪.% 5‬‬
‫‪H0 : p = 0.70 ↔ H1 : p < 0.70‬‬
‫‪p'− p0‬‬ ‫‪0.67 − 0.7‬‬
‫=‬ ‫‪ −196.34  − z 1−0.05 = −1.64‬‬
‫‪p 0 q0 / n‬‬ ‫‪0.7(0.3) / 900‬‬

‫ومنه نرفض الفرضية ‪. H0‬‬

‫اختبار التباين‬ ‫‪2‬‬

‫الختبار صدقية فرضية خبصوص قيمة تباين جمتمع ما‪،‬‬

‫‪H0 : σ² =σ0² ↔ H1 : σ² = σ0²‬‬

‫‪ . Sˆ ² = i‬حيث يف حالة العينة الكب ة (‪ n ≥ 50‬يف أحسن‬

‫‪( X i − X )²‬‬
‫نستعمل املقدر غ املن از‬
‫‪n −1‬‬

‫‪Sˆ ² −  02‬‬
‫=‪T‬‬ ‫‪ N (0.1).‬‬ ‫‪ 4 = E( X −  ) 4‬‬ ‫األحوال) ‪ ،‬وحتت ‪ H0‬فإن‬
‫‪( 4 −  ) / n‬‬
‫‪4‬‬
‫‪0‬‬

‫حيث ‪ µ4‬هو الع م املرك ي من الدرجة الرابعة‪ .‬وهبذا الشكل تكتئ قاعدة القرار لالختبار الثنائي كما يلي‪:‬‬
‫‪‬‬ ‫‪Sˆ ² −  02‬‬
‫‪ RH 0 si‬‬ ‫‪ z 1− / 2‬‬
‫‪‬‬ ‫‪(  4 −  04 ) / n‬‬
‫‪‬‬
‫‪ R H 0 sinon.‬‬

‫ويف حالة ‪ µ4‬جمهول ميكن استخدام كمقدر ‪. m4 = E(xi – m)4 :‬‬

‫‪51‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫وإذا كان اجملتمع طبيعيا‪ ،‬حيث ‪ ، µ4 = 3σ4‬فإن متغرية القرار ميكن أن تكتئ كما يلي‪:‬‬
‫‪Sˆ ² −  02‬‬
‫=‪T‬‬ ‫‪ N (0.1).‬‬
‫‪ 02 2 / n‬‬

‫ثالثا‪ :‬اختبار المقارنة بين مجتمعين‬

‫يتناول هذا االختبار مقارنة بني جمتمعني من خالل املتوسط أو التباين لكل منهما ‪ ...‬وسنرك هنا على‬
‫مت ة القرار‪ ،‬إذ من السهل على الاالئ استنتاج كيفية إمتام اخلاوات األخرى على ضوء ما سبق‪.‬‬

‫اختبار تساوي متوسطي جمتمعني‬ ‫‪1‬‬

‫ال رض من االختبار هو أتكيد أو نفي تساوي متوساي جمتمعني من خالل عينتني عشوائيتني بسياتني‬
‫‪H0 : µ1 = µ2 ↔ H1 :‬‬ ‫مستقلتني‪ .‬تكتئ الفرضيات (يف حالة االختبار الثنائي)كما يلي‪:‬‬
‫‪µ1 ≠ µ2‬‬
‫لت ديد مت ة القرار نعتمد يف االختبار على مت ة القرار ‪ T‬أو ’‪ T‬حبسئ احلالة (نرتك للاالئ استنتاج‬
‫قاعدة القرار)‪ ،‬حيث مني بني حالة كون تباينا اجملتمعني معلومني وحالة كون تباينا اجملتمعني جمهولني‪.‬‬

‫(أ) تباينا اجملتمعني معلومني‬

‫‪ -1‬اجملتمعني طبيعيني‪:‬‬
‫‪X1 − X 2‬‬
‫=‪T‬‬ ‫)‪~ N (0.1‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ -2‬جمتمعني ما (‪:)n1 , n2 ≥ 30‬‬

‫‪X1 − X 2‬‬
‫=‪T‬‬ ‫)‪ N (0,1‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫تباينا اجملتمعني جمهولني‬ ‫(ب)‬

‫‪ -1‬اجملتمعان طبيعيان‪:‬‬

‫‪52‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫‪X1 − X 2‬‬
‫=' ‪T‬‬ ‫‪~ t n1 + n2 − 2‬‬ ‫إذا كان تباينا اجملتمعني متساويني‬
‫‪n S + n2 S‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪1 ‬‬
‫‪1 1‬‬ ‫‪2‬‬
‫‪ + ‬‬
‫‪n1 + n2 − 2‬‬ ‫‪ n1 n2 ‬‬

‫‪X1 − X 2‬‬
‫=‪T‬‬ ‫)‪ N (0,1‬‬ ‫‪ -2‬جمتمعني ما (‪:)n1 , n2 ≥ 30‬‬
‫‪S12‬‬ ‫‪S 22‬‬
‫‪+‬‬
‫‪n1 − 1 n2 − 1‬‬

‫مثال‪ :‬نس ئ من جمتمعني طبيعيني متساويي التباين عينتني حجم األوىل ‪ 18‬وحجم الثانية ‪ .21‬وجدان‬
‫النتائج التالية‪:‬‬
‫‪ m1 = 81, m2 = 76, S²1 = 9, S²2 = 8.‬كيف ميكن اجراء اختبار تساوي متوساي‬
‫اجملتمعني مبستوى معنوية ‪. % 5‬‬
‫‪H0 : µ1 = µ2 ↔ H1 : µ1 ≠ µ2‬‬
‫‪X1 − X 2‬‬ ‫‪81 − 76‬‬
‫=' ‪T‬‬ ‫=‬ ‫‪ 5.43‬‬
‫‪1‬‬
‫‪n1 S12 + n 2 S 22‬‬‫‪1‬‬ ‫‪‬‬ ‫‪18(9) + 21(8)  1‬‬ ‫‪1‬‬
‫‪ +‬‬ ‫‪‬‬ ‫‪ + ‬‬
‫‪n1 + n 2 − 2‬‬
‫‪ n1 n 2‬‬ ‫‪‬‬ ‫‪18 + 21 − 2  18 21 ‬‬
‫‪t 0.975; 37‬‬ ‫‪ 2.336  5.43‬‬ ‫‪ RH 0‬‬

‫اختبار تساوي تبايين جمتمعني‬ ‫‪2‬‬

‫ال رض من االختبار هو أتكيد أو نفي تساوي تباينا جمتمعني من خالل عينتني عشوائيتني بسياتني مستقلتني‪.‬‬
‫تكتئ الفرضيات (يف حالة االختبار الثنائي)كما يلي‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2 :‬‬

‫نعتمد يف االختبار على مت ة القرار ‪ T‬أو ’‪ T‬حبسئ احلالة‪ ،‬حيث مني بني حالة كون اجملتمعني طبيعيني‬
‫أم غ ذل ‪.‬‬

‫(أ) جمتمعني طبيعيني‬

‫‪ -1‬احلالة العامة‪:‬‬
‫‪Sˆ12‬‬
‫‪T ' = 2 ~ Fn1 −1; n2 −1‬‬
‫ˆ‪S‬‬ ‫‪2‬‬

‫‪ -2‬يف حالة ‪n1 , n2 ≥ 30‬‬

‫‪1  Sˆ12‬‬ ‫‪ 1 1‬‬
‫‪/‬‬ ‫‪1 ‬‬
‫‪T = ln 2‬‬ ‫‪‬‬ ‫‪+‬‬ ‫)‪  N (0;1‬‬
‫‪2  Sˆ 2‬‬ ‫‪ 2  n −1 n −1‬‬
‫‪‬‬ ‫‪ 1‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪53‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫جمتمعني ما )‪(n1, n2 ≥ 50‬‬ ‫(ب)‬

‫)‪ µ4 (1) ; µ4 (2‬معروفني ‪:‬‬ ‫‪-1‬‬
‫‪4(1) − Sˆ14‬‬ ‫‪4( 2 ) − Sˆ24‬‬
‫‪T = ( Sˆ12 − Sˆ22 ) /‬‬ ‫‪−‬‬ ‫)‪ N (0;1‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫يف حالة )‪ µ4 (1) ; µ4 (2‬غ معروفني ‪ :‬نعوض ‪ µ4‬ب ‪. m4‬‬ ‫‪-2‬‬

‫مثال ‪ :‬نس ئ من جمتمعني طبيعيني عينتني حجم األوىل ‪ 18‬وحجم الثانية ‪ .21‬وجدان النتائج التالية‪:‬‬
‫‪ m1 = 81, m2 = 76, S²1 = 9, S²2 = 8.‬كيف ميكن اجراء اختبار تساوي متوساي اجملتمعني‬
‫مبستوى معنوية ‪ % 5‬؟‬
‫‪H0 : σ²1 = σ²2 ↔ H1 : σ²1 ≠ σ²2‬‬
‫‪S’²1 = S²1 * n1 / (n1-1) = 9 (18)/17 ≈ 9.53 ; S’²2 = S²2 * n2 / (n2-1) = 8‬‬
‫‪(21)/20 = 8.4‬‬
‫‪S’²1 / S’²2 ≈ 1.135 ; F0.05 ;17 ;20 ≈ 2.17‬‬
‫‪T < Fα‬‬ ‫‪; n1-1 ;n2-1‬‬ ‫‪=> R’H0‬‬

‫رابعا‪ :‬اختبار االستقالل والتجانس‬

‫اختبار التجانس‬ ‫‪1‬‬

‫لنعد إىل اختبار النسبة‪ ،‬ونفرتض أن لدينا عددا ‪ k‬من اخلصائص املتنافية‪ ،‬نسبة حتقق كل منها يف اجملتمع‬
‫‪ pi‬حيث ‪ .∑pi = 1‬نريد اختبار فرضية تساوي هذه النسئ‪:‬‬
‫‪H0 : pi = pi0 (i = 1, 2, . . . k ) ↔ H1 : pi ≠ pi0‬‬
‫(الفرضية البديلة هي أن إحدى النسئ النظرية ‪ pi0‬على األقل غ مساوية للقيمة احلقيقية‪).‬‬
‫متغرية القرار ‪ :‬إلجناز االختبار نستخرج عينة حنسئ فيها عدد مرات حتقق اخلصائص (‪ . )ni‬إذا حتققت‬
‫الشروط‬
‫‪ pi0 ≥ 1 ،‬وعلى األقل يف ‪ % 80‬من احلاالت ‪ npi0 ≥ 5‬نربهن أن ‪:‬‬ ‫‪n ≥ 30‬‬
‫‪(ni − npi 0 )²‬‬
‫‪T = i‬‬ ‫‪  k2−1‬‬
‫‪npi 0‬‬

‫‪54‬‬
 ‫المحور الرابع‪ :‬اختبار الفرضيات‬

‫اختبار التعديل‬ ‫‪2‬‬

‫تستخدم هذه الاريقة أيضا الختبار تعديل توزيع معني بتوزيع آخر‪ ،‬ويف هذه احلالة نقارن بني تكرارات‬
‫العينة (التكرارات احلقيقية) ‪ ni‬وتكرارات افرتاضية ‪ ، ni0‬حيث تصاغ الفرضيات كما يلي ‪:‬‬
‫على األقل إحدى التكرارات النظرية ‪ ni0‬غ مساوية للتكرار احلقيقي ‪H0: ni = ni0 (i = 1, ni‬‬
‫‪2, … k) ↔ H1:‬‬
‫‪(ni − ni 0 )²‬‬
‫‪T = i‬‬ ‫‪  k2− m−1‬‬
‫‪ni 0‬‬
‫‪ m‬عدد من معامل من اجملتمع املقدرة اناالقا من بياانت العينة لت ديد التكرارات النظرية‪.‬‬
‫مثال‪ :‬يتقدم إىل انتخاابت معينة ‪ 3‬مرش ني‪ :‬أ‪ ،‬ب وج‪ .‬نريد اختبار فرضية مبستوى معنوية ‪ % 5‬حول‬
‫شعبيتهم كما يلي‪:‬‬
‫‪H0 : p1 = 0.4, p2 = 0.35, p3 = 25‬‬
‫أجري استجواب ل ‪ 400‬انخئ فكان توزع فئات املساندين على التوايل ‪. 95 ،135 ،170 :‬‬
‫لدينا ‪ ،n = 400 ≥ 30‬األعداد االفرتاضية ‪ ، npi0 = 160, 140, 100 ≥ 1‬وأكثر من ‪% 80‬‬
‫من ‪. npi0 ≥ 5‬‬
‫‪(ni − npi 0 )² (170 − 160)² (135 − 140)² (95 − 100)²‬‬
‫‪T = i‬‬ ‫=‬ ‫‪+‬‬ ‫‪+‬‬ ‫‪= 1.05‬‬
‫‪npi 0‬‬ ‫‪160‬‬ ‫‪140‬‬ ‫‪100‬‬
‫‪Χ²2 ; 0.95 = 5.99 > 1.05 => R’H0 .‬‬

‫‪55‬‬
 ‫املصادر واملراجع ‪:‬‬

‫دارالنشر و السنة‬ ‫املؤلف‬ ‫عنوان املرجع‬ ‫‪#‬‬

‫دار املسيرة للنشر والتوزيع ‪-‬‬ ‫جبار عبد مضحي‬ ‫مقدمة في نظرية االحتماالت‬ ‫‪1‬‬
‫‪2011‬‬
‫دار الحامد – ‪2005‬‬ ‫دالل القاض ي وآخرون‬ ‫اإلحصاء لإلداريين واالقتصاديين‬ ‫‪2‬‬

‫دار املسيرة للنشر والتوزيع ‪-‬‬ ‫جبار عبد مضحي‬ ‫مقدمة في اإلحصاء الرياض ي‬ ‫‪3‬‬
‫‪2015‬‬
‫دار صفاء للنشر والتوزيع ‪-‬‬ ‫حسن ياسين طعمة‬ ‫اساليب االحصاء التطبيقي‬ ‫‪4‬‬
‫‪2009‬‬
‫دار زهران للنشر والتوزيع ‪-‬‬ ‫بوعظم كمال‬ ‫االحصاء االستداللي من الجانب النظري و التطبيقي‬ ‫‪5‬‬
‫‪2012‬‬ ‫منهج كمي‬
‫دار النشر للجامعات ‪2000 -‬‬ ‫مجدي الطويل‬ ‫االحتماالت ‪ :‬النظرية و التطبيق‬ ‫‪6‬‬

‫عبد الحميد ربيع غيطان دار الكتب األكاديمية ‪2004 -‬‬ ‫نظرية االحتماالت‬ ‫‪7‬‬
‫دار الحكمة ليبيا – ‪2013‬‬ ‫علي عبد السالم العماري‬ ‫اإلحصاء واالحتماالت النظرية والتطبيق‬ ‫‪8‬‬

‫جامعة تشرين ‪-‬سوريا ‪-‬‬ ‫مبارك اسبر ديب‬ ‫مبادئ في االحتماالت واإلحصاء‬ ‫‪9‬‬
‫‪2009‬‬
‫‪la collection Sciences‬‬ ‫‪Adil‬‬ ‫‪Probabilités : Exercices corrigés avec‬‬ ‫‪10‬‬
‫– ‪et Techniques‬‬ ‫‪ELMARHOUM‬‬
‫‪Maroc 2014‬‬ ‫‪Mohamed‬‬ ‫‪rappels de cours‬‬
‫‪DIOURI‬‬