‫اﻻﺣﺗﻣﺎﻻت واﻻﺣﺻﺎء‬

‫اﻟدﻛﺗور راﻣز ﻗدﺳﯾﺔ‬

‫‪ISSN: 2617-989X‬‬

‫‪Books‬‬
 ‫االحتماالت واإلحصاء‬
‫اﻟدﻛﺗور راﻣز ﻗدﺳﯾﺔ‬

‫من منشورات الجامعة االفتراضية السورية‬

‫الجمهورية العربية السورية ‪8102‬‬

‫هذا الكتاب منشور تحت رخصة المشاع المبدع – النسب للمؤلف – حظر االشتقاق (‪)CC– BY– ND 4.0‬‬

‫‪https://creativecommons.org/licenses/by-nd/4.0/legalcode.ar‬‬

‫يحق للمستخدم بموجب هذه الرخصة نسخ هذا الكتاب ومشاركته وإعادة نشره أو توزيعه بأية صيغة وبأية وسيلة للنشر وألية غاية تجارية‬
‫أو غير تجارية‪ ،‬وذلك شريطة عدم التعديل على الكتاب وعدم االشتقاق منه وعلى أن ينسب للمؤلف األصلي على الشكل اآلتي حصرا‪:‬‬
‫اﻟدﻛﺗور راﻣز ﻗدﺳﯾﺔ ‪ ،‬اإلجازة في تقانة المعلومات‪ ،‬من منشورات الجامعة االفتراضية السورية‪ ،‬الجمهورية العربية السورية‪8102 ،‬‬

‫متوفر للتحميل من موسوعة الجامعة ‪https://pedia.svuonline.org/‬‬

‫‪Probability & Statistics‬‬

‫‪Ramez Koudsieh‬‬

‫)‪Publications of the Syrian Virtual University (SVU‬‬

‫‪Syrian Arab Republic, 2018‬‬

‫‪Published under the license:‬‬

‫‪Creative Commons Attributions- NoDerivatives 4.0‬‬

‫)‪International (CC-BY-ND 4.0‬‬

‫‪https://creativecommons.org/licenses/by-nd/4.0/legalcode‬‬

‫‪Available for download at: https://pedia.svuonline.org/‬‬

‫‪ISSN: 2617-989X‬‬
 ‫الفهرس‬
‫الفصل األول‪ :‬مفاهيم أساسية في اإلحصاء ‪1 ...........................................................................‬‬
‫مدخل الى االحصاء ‪2 ....................................................................................................‬‬
‫تنظيم المعطيات وعرضها ‪7 ............................................................................................‬‬
‫مقاييس النزعة المركزية ‪21 ............................................................................................‬‬
‫مقاييس التباين ‪22 ........................................................................................................‬‬
‫التمارين ‪04 ................................................................................................................‬‬
‫الفصل الثاني‪ :‬مفاهيم أساسية في االحتماالت ‪04 ......................................................................‬‬
‫تعاريف أساسية ‪11 .......................................................................................................‬‬
‫االحداث ‪15 ................................................................................................................‬‬
‫تعداد نقاط العينة ‪15 ......................................................................................................‬‬
‫احتمال الحدث ‪51 ........................................................................................................‬‬
‫االحتمال الشرطي ‪57 ....................................................................................................‬‬
‫مبرهنة (قاعدة) بايز ‪75 .................................................................................................‬‬
‫التمارين ‪72 ................................................................................................................‬‬
‫الفصل الثالث‪ :‬المتحوالت العشوائية والتوزيعات االحتمالية‪25 .....................................................‬‬
‫المتحول العشوائي ‪27 ....................................................................................................‬‬
‫التوزيعات االحتمالية المتقطعة ‪44 .....................................................................................‬‬
‫التوزيعات االحتمالية المستمرة ‪41 .....................................................................................‬‬
‫التوزيعات االحتمالية المشتركة ‪44 ....................................................................................‬‬
‫التوقع الرياضي ‪147 ....................................................................................................‬‬
‫تشتت متحول عشوائي‪110 .............................................................................................‬‬
‫السيرورة العشوائية ‪122 ................................................................................................‬‬
‫التمارين ‪121 ..............................................................................................................‬‬
‫الفصل الرابع‪ :‬التوزريعات االحتمالية المتقطعة ‪155 .................................................................‬‬
‫التوزيع الثنائي أو التوزريع برنولي ‪151 .............................................................................‬‬
‫التوزيع ثنائي الحد ‪155 .................................................................................................‬‬

‫‪ISSN: 2617-989X‬‬
 ‫التوزيع الهندسي ‪104 ....................................................................................................‬‬
‫التوزيع فوق الهندسي ‪105 ..............................................................................................‬‬
‫توزيع بواسون ‪107 ......................................................................................................‬‬
‫التمارين ‪114 ..............................................................................................................‬‬
‫الفصل الخامس‪ :‬التوزيات االحتمالية المستمرة ‪117 .................................................................‬‬
‫التوزيع المنتظم ‪112 .....................................................................................................‬‬
‫التوزيع الطبيعي ‪154 ....................................................................................................‬‬
‫توزيع غاما والتوزيع اآلسي ‪175 ......................................................................................‬‬
‫توزيع مربع كاي ‪175 ...................................................................................................‬‬
‫التوزيع الطبيعي اللوغاريتمي ‪177 ....................................................................................‬‬
‫التوزيع ويبل ‪174 ........................................................................................................‬‬
‫توزيع رايس ‪122 ........................................................................................................‬‬
‫التمارين ‪125 ..............................................................................................................‬‬
‫الفصل السادس‪ :‬نظرية توزيع العينات والتقدير ‪145 .................................................................‬‬
‫توزيعات العينة ‪147 .....................................................................................................‬‬
‫تقدير وسطاء المجتمع ‪245 .............................................................................................‬‬
‫التمارين ‪211 ..............................................................................................................‬‬

‫‪ISSN: 2617-989X‬‬
 ‫الفصل األول‪ :‬مفاهيم أساسية في اإلحصاء‬
‫‪Chapter 1: Basic concepts in statistics‬‬

‫الكلمات المفتاحية‪:‬‬
‫اإلحصاء الوصفي‪ ،‬اإلحصاء االستداللي‪ ،‬المجتمع‪ ،‬العينة‪ ،‬معطيات كمية‪ ،‬معطيات وصفية‪ ،‬معطيات متقطعة‪،‬‬
‫معطيات مستمرة‪ ،‬وسيط احصائي‪ ،‬اإلحصائية‪ ،‬أخذ العينات‪ ،‬العينات االحتمالية‪ ،‬جدول تكراري‪ ،‬جدول‬
‫تكراري تراكمي‪ ،‬مدرج تكراري‪ ،‬مضلع تكراري‪ ،‬مخطط صندوقي‪ ،‬رسو بيانية‪ ،‬أعمدة بيانية‪ ،‬مخطط الساق‬
‫واألوراق‪ ،‬نزعة مركزية‪ ،‬المتوسط‪ ،‬الوسيط‪ ،‬المنوال‪ ،‬التشتت‪ ،‬االنحراف المعياري‪ ،‬المدى‪ ،‬المدى الربيعي‪،‬‬
‫معامل االختالف‪ ،‬متراجحة تشيبتشيف‪ ،‬القيم المعيارية‪.‬‬

‫ملخص‪:‬‬
‫نهتم في هذا الفصل بتوضيح المفاهيم األساسية لعلم اإلحصاء وأنواع المعطيات وطرق اإلحصاء الممكن‬
‫تطبيقها على كل منها‪ .‬كما نهتم أيضاً بمصادر الحصول على المعطيات وطرق أخذ العينات والطرق التي‬
‫تستخدم من أجل تنظيم وإظهار المعطيات‪ .‬وأخيراً نهتم بدراسة مركز وتشتت المعطيات وهي من الخصائص‬
‫الهامة جداً للمعطيات التي تساعد على توصيفها واستثمارها‪.‬‬

‫األهداف تعليمية‪:‬‬
‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫‪ ‬المفاهيم األساسية في علم اإلحصاء‬
‫‪ ‬أنواع المعطيات ومصادر الحصول عليها‬
‫‪ ‬تنظيم المعطيات وعرضها‬
‫‪ ‬مقاييس النزعة المركزية وطرق حسابها (المتوسط‪ ،‬الوسيط‪)... ،‬‬
‫‪ ‬مقاييس التشتت وطرق حسابها (المدى‪ ،‬التشتت‪)... ،‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪1‬‬

 ‫‪ .1‬مدخل إلى اإلحصاء ‪:introduction to statistic‬‬
‫يُعرف علم اإلحصاء على أنه ذلك الفرع من العلوم المكون من مجموعة من الطرق الرياضية المستخدمة في‬
‫جمع وتنظيم وعرض وتلخيص المعلومات والمعطيات ومن ثم تحليلها وفق طرق وأساليب علمية للحصول‬
‫على استدالالت وقرارات سليمة على ضوء هذا التحليل‪.‬‬
‫ينقسم علم اإلحصاء إلى قسمين أساسيين هما‪:‬‬
‫اإلحصاء الوصفي ‪ :descriptive or deductive statistics‬يهتم بتنظيم المعطيات وتلخيصها‬
‫وعرضها‪ ،‬والغرض من التنظيم والتلخيص والعرض هو المساعدة على فهم المعطيات‪ .‬وهو ال يتضمن أي‬
‫تعميم أو استنتاج من المعطيات‪.‬‬
‫اإلحصاء االستداللي ‪ :inductive statistics or statistical inference‬عبارة عن مجموعة من‬
‫الطرق العلمية لسبر معالم مجتمع بناء على معلومات يتم الحصول عليها من عينة إحصائية مأخوذة وفق طرق‬
‫إحصائية علمية مناسبة‪.‬‬

‫‪ .1.1‬مفاهيم أساسية في علم اإلحصاء ‪:general concepts in statistics‬‬

‫‪ .1.1.1‬المجتمع ‪:population‬‬
‫المجتمع هو المجموعة الكلية من األشياء (تسمى عناصر المجتمع) المراد دراستها والتي لها خصائص‬
‫مشتركة حيث سيتم عمل بعض االستدالالت والنتائج حولها‪ .‬ونسمي عدد أفراد المجتمع بحجم المجتمع ويرمز‬
‫له عادة بالرمز ‪ . N‬والمجتمع إما أن يكون محدوداً (منتهياً) مثل مجتمع طالب كلية الجامعة االفتراضية‬
‫السورية‪ ،‬أو غير محدود (غير منته) مثل المجتمع المكون من النجوم في السماء‪.‬‬

‫‪ .2.1.1‬العينة ‪:sample‬‬
‫العينة هي مجموعة مكونة من عدد محدد من أفراد المجتمع يتم اختيارهم بطريقة مناسبة بحيث تمثل المجتمع‬
‫تمثيالً جيداً وذلك لدراسة صفات المجتمع إذ يُستدل بصفات العينة على صفات المجتمع‪ .‬ونسمي عدد أفراد‬
‫العينة بحجم العينة ‪ sample size‬ويرمز لها عادة بالرمز ‪. n‬‬
‫قد تكون الحاجة ضرورية ألخذ عينة بدالً من دراسة المجتمع كله‪ ،‬على سبيل المثال أخذ عينة من دم اإلنسان‬
‫لفحصها حيث أننا ال تستطيع فحص كل دمه ألن ذلك يؤدي إلى موته‪ .‬كذلك قد تؤدي دراسة المجتمع كله إلى‬
‫فقدان عناصره أو إتالفها ومن هنا يجب أخذ عينه صغيرة منها‪ ،‬على سبيل المثال عند فحص كمية من البيض‬
‫نأخذ عينة منها ونقوم بكسرها لنرى فيما إذا كان البيض سليمًا أم ال‪.‬‬

‫‪ .3.1.1‬المعطيات ‪:data‬‬
‫هي مجموعة المشاهدات أو المالحظات المأخوذة من الدراسة اإلحصائية‪ .‬ويمكن تقسيم المعطيات إلى نوعين‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪2‬‬

‫‪ ‬معطيات كمية وتتألف من أرقام تمثل عدد أو قياس ما‪ ،‬مثل معطيات أطوال مجموعة من األشخاص‬
‫وتقاس بالسنتيمتر‪ ،‬رواتب الموظفين وتقاس بالليرة السورية‪ .‬ويمكن تقسيم المعطيات الكمية إلى‬
‫نوعين‪:‬‬
‫‪ ‬معطيات متقطعة وهي معطيات تنتج عندما يكون عدد القيم الممكنة للمعطيات هو إما عدد محدود‬
‫أو قابل للعد‪ ،‬مثل عالمات طالب في الجامعة االفتراضية‪.‬‬
‫‪ ‬معطيات مستمرة وهي معطيات تنتج عندما يكون عدد القيم الممكنة للمعطيات عدد غير محدود‬
‫وغير قابل للعد (مجال مستمر)‪ ،‬مثل درجات الحرارة على مدار السنة لمدينة دمشق‪.‬‬

‫‪ ‬معطيات وصفية حيث يمكن تقسيمها إلى فئات تتميز فيما بينها ببعض الخصائص غير الرقمية‪ ،‬مثل‬
‫معطيات المستوى التعليمي (أمّي أو يقرأ ويكتب‪ :‬ابتدائية‪ ،‬متوسطة‪ ،‬ثانوية‪ ،‬جامعية‪ ،‬أعلى من‬
‫جامعية)‪ ،‬معطيات الحالة االجتماعية ( متزوج أو أعزب أو أرمل أو مطلق)‪ ،‬معطيات الجنس (ذكر أو‬
‫أنثى) لمجموعة من األشخاص‪.‬‬

‫‪ .4.1.1‬المتحول ‪:variable‬‬
‫المتحول هو مقدار كمي أو وصفي ويستخدم لقياس خاصية أو مميزة معينة لعناصر المجتمع أو العينة‪ .‬يتم‬
‫قياس المتحول على أفراد المجتمع أو العينة وتتغير قيمته من فرد إلى آخر‪ .‬من أمثلة المتحوالت‪ :‬طول‬
‫الشخص‪ ،‬عدد أوالد الشخص (متحول كمي)‪ ،‬فصيلة الدم للشخص‪ ،‬المستوى التعليمي للشخص (متحول‬
‫وصفي)‪.‬‬

‫‪ .5.1.1‬المعلمة (البارامتر أو الوسيط) ‪:parameter‬‬

‫المعلمة هي سمة أو خاصية رقمية تصف المجتمع‪ ،‬وبما أننا ال نستطيع أخذ كل عينات المجتمع فإن المعلمة‬
‫غير معروفة‪ .‬المعلمات هي قيم محددة ‪( fixed‬حتى لو كنا ال نعرفهم)‪ .‬مثال متوسط العمر في دولة معينة أو‬
‫نسبة الذين يدخنون بصفة دائمة في مجتمع معين‪.‬‬

‫‪ .6.1.1‬اإلحصائية ‪:statistic‬‬
‫اإلحصائية هي سمة أو خاصية رقمية تصف عينة من المجتمع‪ .‬بالطبع عينات مختلفة تُنتج إحصائيات مختلفة‬
‫المعلمات‪ .‬مثال متوسط العمر لعينة مكونة من ‪ 500‬شخص في دولة معينة أو نسبة الذين يدخنون بصفة دائمة‬
‫لعينة مكونة من ‪ 200‬شخص في مجتمع معين‪.‬‬

‫إن العالقة بين المجتمع قيد الدراسة والعينة المأخوذة من هذا المجتمع ربما هي أهم مفهوم في اإلحصاء‪ .‬هذه‬
‫العالقة يبينها الشكل التالي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪3‬‬

 ‫اجملتمع‬ ‫العينة‬

‫البارامترات‬ ‫املعطيات‬

‫‪ .2.1‬تجميع المعطيات ‪:collecting data‬‬

‫تعتبر طرق تجميع (تحصيل) المعطيات من أهم المراحل التي يعتمد عليها البحث اإلحصائي‪ ،‬كما أن تجميع‬
‫المعطيات بأسلوب علمي صحيح‪ ،‬يترتب عليه الوصول إلى نتائج دقيقة في التحليل‪ .‬هناك مصدرين للحصول‬
‫منها على المعطيات هما‪:‬‬
‫‪ ‬المصادر األولية (الميدانية)‪ :‬وهي المصادر التي نحصل منها على المعطيات بشكل مباشر‪ ،‬حيث‬
‫يقوم الباحث نفسه بجمع المعطيات من ميدان المعرفة أو الدراسة التي يهتم بها‪ ،‬فعندما يهتم الباحث‬
‫بجمع معطيات عن األسرة‪ ،‬يقوم بإجراء مقابلة مع رب األسرة ويتم الحصول منه مباشرة على‬
‫معطيات خاصة بأسرته‪ ،‬مثل معطيات المنطقة التابع لها‪ ،‬والحي الذي يسكن فيه‪ ،‬والجنسية‪ ،‬والمهنة‪،‬‬
‫والدخل الشهري‪ ،‬وعدد أفراد األسرة‪ ،‬والمستوى التعليمي‪ ... ،‬وهكذا‪.‬‬
‫يتميز هذ ا النوع من المصادر بالدقة والثقة في المعطيات‪ ،‬ألن الباحث هو الذي يقوم بنفسه بجمع‬
‫المعطيات‪ ،‬ولكن من مساوئها أنها تحتاج إلى وقت ومجهود كبير‪ ،‬كما أنها مكلفة من الناحية المادية‪.‬‬
‫‪ ‬المصادر الثانوية (التاريخية)‪ :‬وهي المصادر التي نحصل منها على المعطيات بشكل غير مباشر‪،‬‬
‫بمعنى آخر يتم الحصول عليها بواسطة أشخاص آخرين أو أجهزة أو هيئات رسمية متخصصة‪ ،‬مثل‬
‫سجالت المواليد والوفيات والسجالت الصادرة عن هيئة األمم والبنك الدولي وغيرها‪ .‬على سبيل‬

‫‪ISSN: 2617-989X‬‬ ‫‪4‬‬

‫المثال نستطيع معرفة الحاصلين على شهادة الثانوية العامة في سورية من خالل االطالع على‬
‫السجالت الخاصة بإدارة االمتحانات‪.‬‬
‫من مزايا هذا النوع من المصادر‪ ،‬توفير الوقت والجهد والمال‪ ،‬إال أن درجة ثقة الباحث فيها ليست‬
‫بنفس الدرجة في حالة المصادر األولية‪.‬‬

‫‪ .3.1‬إجرائيات أخذ العينات ‪:sampling procedures‬‬

‫العينة السليمة هي العينة الممثلة للمجتمع الذي اختيرت منه‪ ،‬وعملية أخذ العينات بطريقة غير مناسبة واحدة‬
‫من أسوأ األخطاء الممكن ارتكابها‪ .‬ويمكن تقسيم العينات وفقا ألسلوب اختيارها إلى نوعين هما العينات‬
‫االحتمالية والعينات غير االحتمالية‪.‬‬

‫‪ .1.3.1‬العينات االحتمالية ‪:probability sampling‬‬

‫هي العينات التي يتم اختيار عناصرها وفقا لقواعد االحتماالت‪ ،‬بمعنى آخر هي التي يتم اختيار عناصرها من‬
‫مجتمع الدراسة بطريقة عشوائية‪ ،‬بهدف تجنب التحيّز الناتج عن اختيار العناصر‪ ،‬ومن أهم أنواع العينات‬
‫االحتمالية ما يلي‪:‬‬
‫‪ .1‬العينة العشوائية البسيطة ‪ :simple random sample‬تؤدى هذه الطريقة إلى احتمال اختيار أي‬
‫عنصر من أفراد المجتمع كعنصر من عناصر العينة‪ ،‬كما أن لكل عنصر فرصة متساوية الختياره ضمن‬
‫العينة‪.‬‬
‫‪ .2‬العينة العشوائية المنتظمة ‪ :systematic random sample‬يتم فيها اختيار الحالة األولى من العينة‬
‫بطريقة عشوائية ثم يتم ا ختيار بقية الحاالت على أبعاد رقمية منتظمة أو متساوية بين الحاالت‪.‬‬
‫‪ .3‬العينة العشوائية الطبقية ‪ :stratified random sample‬يتم في هذه الطريقة تقسيم المجتمع إلى عدة‬
‫مجموعات نسمي كل منها طبقة تشترك بنفس الخواص (الجنس‪ ،‬العمر‪.)... ،‬‬
‫‪ .4‬العينة العشوائية العنقودية ‪ :cluster random sample‬يتم في هذه الطريقة تقسيم المجتمع إلى‬
‫مقاطع‪ ،‬بعدها يتم اختيار بعض هذه المقاطع عشوائياً ومن ثم نختار جميع العناصر من تلك المقاطع‪.‬‬

‫‪ .2.3.1‬العينات غير االحتمالية ‪:non probability sampling‬‬

‫هي العينات التي يتم اختيار عناصرها بطريقة غير عشوائية‪ ،‬حيث يقوم الباحث باختيار عناصر العينة‬
‫بالصورة التي تحقق الهدف من المعاينة‪ ،‬مثل اختيار عينة من المزارع التي تنتج التمور من النوع السكري‪،‬‬
‫وأهم أنواع العينات غير االحتمالية‪:‬‬
‫‪ .1‬العينة العمدية ‪ :purposive sample‬يتم اختيار الحاالت بناء على هدف خاص لدى الباحث‪ .‬مثال‬
‫تحليل محتوى مجلة محددة‪ ،‬دراسة متعمقة لبعض حاالت التخلف العقلي‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪5‬‬

‫‪ .2‬العينة الحصصية ‪ :quota sample‬تتطلب معرفة مسبقة لمجتمع الدراسة من حيث تكوين المجموعات‬
‫داخله‪ ،‬وعملية االختيار في كل مجموعة ال ترتبط بقواعد معينة ولكن لقناعة الباحث بشرط أن تمثل كل‬
‫مجموعة في العينة حسب تمثيلها في مجتمع الدراسة‪ .‬مثال تحديد الباحث فئات المجتمع (ذكور وإناث) ثم‬
‫يختار عدد ثابت من كل فئة إذ يقرر اختيار عشرة ذكور وخمس إناث‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪6‬‬

 ‫‪ .2‬تنظيم المعطيات وعرضها ‪:organization and display of data‬‬
‫بعد تجميع المعطيات سواء من المصادر التاريخية أو المصادر الميدانية فإنها تكون معطيات أولية غير منظمة‬
‫تصعب دراستها أو استنتاج أي معلومة مفيدة منها‪ .‬ولذلك تدعو الحاجة إلى تنظيم المعطيات وتلخيصها‬
‫بصورة يسهل فهمها‪ ،‬ولتوضيح ذلك نعتبر المثال التالي‪:‬‬
‫مثال ‪ :1‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت التالية‪:‬‬
‫‪23,‬‬ ‫‪50,‬‬ ‫‪38,‬‬ ‫‪42,‬‬ ‫‪63,‬‬ ‫‪75,‬‬ ‫‪10,‬‬ ‫‪33,‬‬ ‫‪26,‬‬ ‫‪39,‬‬ ‫‪35,‬‬ ‫‪47,‬‬
‫‪43,‬‬ ‫‪52,‬‬ ‫‪56,‬‬ ‫‪59,‬‬ ‫‪64,‬‬ ‫‪77,‬‬ ‫‪15,‬‬ ‫‪21,‬‬ ‫‪51,‬‬ ‫‪54,‬‬ ‫‪72,‬‬ ‫‪68,‬‬
‫‪36,‬‬ ‫‪65,‬‬ ‫‪52,‬‬ ‫‪60,‬‬ ‫‪27,‬‬ ‫‪34,‬‬ ‫‪47,‬‬ ‫‪48,‬‬ ‫‪55,‬‬ ‫‪58,‬‬ ‫‪59,‬‬ ‫‪62,‬‬
‫‪51,‬‬ ‫‪48,‬‬ ‫‪50,‬‬ ‫‪41,‬‬ ‫‪57,‬‬ ‫‪65,‬‬ ‫‪54,‬‬ ‫‪43,‬‬ ‫‪56,‬‬ ‫‪44,‬‬ ‫‪30,‬‬ ‫‪46,‬‬
‫‪67,‬‬ ‫‪53‬‬
‫المعطيات السابقة ال يمكن دراستها واالستفادة منها‪ .‬فعلى سبيل المثال ما هو عدد الطالب الناجحين (عالمتهم‬
‫فوق ال ‪)60‬؟ أو ما هو عدد الطالب الذين تتراوح عالمتهم بين ‪ 65‬و‪ 75‬درجة؟ بالتالي فإن أول مرحلة من‬
‫مرحلة من التحليل االحصائي هي تنظيم هذه المعطيات في جداول تكرارية‪.‬‬

‫‪.1.2‬الجداول التكرارية ‪:frequency distributions‬‬

‫الجدول التكراري عبارة عن جدول يلخص المعطيات فهو يبين تكرار كل مفردة من مفردات العينة في حال‬
‫كان عدد المفردات ذات القيم المختلفة غير كبير‪.‬‬
‫مثال ‪ :2‬أوجد الجدول التكراري لعينة من القياسات تمثل طول الساق ل ‪ 10‬أنواع من النباتات بالسنتيمتر‪:‬‬
‫‪. 62, 59, 68, 62, 58, 59, 65, 62, 65,65‬‬
‫الحل‪:‬‬
‫طول الساق‬ ‫التكرار‬
‫‪58‬‬ ‫‪1‬‬
‫‪55‬‬ ‫‪2‬‬
‫‪62‬‬ ‫‪3‬‬
‫‪65‬‬ ‫‪3‬‬
‫‪68‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪11‬‬

‫أما في الحالة التي يكون عدد المفردات المختلفة كبير يتم توزيع قيم المفردات على فئات ‪ classes‬ويحدد عدد‬
‫المعطيات التي تنتمي إلى كل فئة‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪7‬‬

‫‪ ‬نسمي عدد المعطيات التي تنتمي إلى كل فئة بتكرار ‪ frequency‬تلك الفئة‪ ،‬ويرمز للتكرار بالرمز‬
‫‪f‬‬
‫‪ ‬نسمي الحد األدنى للفئة أقل قيمة يمكن أن تنتمي إلى تلك الفئة‪.‬‬
‫‪ ‬نسمي الحد األعلى للفئة أكبر قيمة يمكن أن تنتمي إلى تلك الفئة‪.‬‬
‫طريق تكوين الفئات المنتظمة للمعطيات الكمية‪:‬‬
‫الهدف من تكوين الفئات هو تجميع القيم المتقاربة في مجموعات وحيث ال توجد قواعد ثابتة لتحديد طول‬
‫الفئات وال عددها‪ ،‬وعادة يتراوح عدد الفئات من ‪ 5‬إلى ‪ 20‬فئة‪ .‬ولتحديد عدد الفئات وطول كل فئة يعتمد‬
‫على الخبرة‪ ،‬هذا ويمكن استخدام العالقة التالية في إيجاد العدد األعظمي لعدد الصفوف ( ‪ n‬عدد المعطيات)‪:‬‬
‫‪C  3.3 log(n)  n‬‬
‫لتوضيح كيفية تكوين الفئات المنتظمة نأخذ معطيات المثال األول (عالمات طالب الجامعة االفتراضية في‬
‫مادة اإلحصاء واالحتماالت)‪:‬‬
‫‪ ‬نختار عدد الفئات ‪ C  3.3 log(50)  6.66‬بالتالي نأخذ ‪. C  7‬‬
‫‪ ‬نحسب مدى المعطيات (أكبر قيمة ‪ -‬أصغر قيمة) ‪.Range=77-10=67‬‬
‫‪ ‬نحسب طول الفئة بتقسيم المدى على عدد الفئات‪ ،‬أي ‪ L = 67/7 = 9.6‬نقربها فتصبح ‪.10‬‬
‫‪ ‬نختار أصغر قيمة لتكون بداية الفئة األولى (‪ 10‬في مثالنا)‪ ،‬نضيف إليها طول الفئة فنحصل على‬
‫بداية الفئة الثانية (في مثالنا ‪ )10+10 = 20‬وفي كل مرة نضيف إلى بداية فئة ما بد طول الفئة‬
‫نحصل على بداية الفئة التي تليها‪.‬‬
‫‪ ‬إليجاد نهاية كل فئة نضيف إلى بدايتها طول الفئة مطروحاً منه واحد (في مثالنا نهاية الفئة األولى‬
‫هي ‪.)19‬‬
‫مثال ‪ :3‬ليكن لدينا ع المات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬الجدول التالي‬
‫يبين الجدول التكراري لعالمات الطالب ( ‪:) n  50‬‬

‫العالمة (‪)M‬‬ ‫التكرار‬

‫‪10 ≤ M < 20‬‬ ‫‪2‬‬
‫‪20 ≤ M < 30‬‬ ‫‪4‬‬
‫‪30 ≤ M < 40‬‬ ‫‪7‬‬
‫‪40 ≤ M < 50‬‬ ‫‪10‬‬
‫‪50 ≤ M < 60‬‬ ‫‪16‬‬
‫‪60 ≤ M < 70‬‬ ‫‪8‬‬
‫‪70 ≤ M < 80‬‬ ‫‪3‬‬
‫المجموع‬ ‫‪50‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪8‬‬

 ‫مالحظة ‪ :1‬مجموع تكرار الفئات لعينة من المعطيات يساوي حجم العينة‪.‬‬
‫ويمكن باالعتماد على جدول التوزيع التكراري الحصول على الجداول التالية‪:‬‬
‫‪ .1‬جدول التوزيع التكراري النسبي ‪ ،relative frequency distribution‬حيث يتم تعريف التكرار‬
‫النسبي للفئة بالعالقة التالية‪:‬‬
‫‪Relative frequency = frequency/sample size  f/n‬‬

‫مثال ‪ :4‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬الجدول التالي‬
‫يبين الجدول التكراري النسبي لعالمات الطالب‪:‬‬

‫العالمة (‪)M‬‬ ‫التكرار النسبي‬

‫‪10 ≤ M < 20‬‬ ‫‪0.04‬‬
‫‪20 ≤ M < 30‬‬ ‫‪0.08‬‬
‫‪30 ≤ M < 40‬‬ ‫‪0.14‬‬
‫‪40 ≤ M < 50‬‬ ‫‪0.2‬‬
‫‪50 ≤ M < 60‬‬ ‫‪0.32‬‬
‫‪60 ≤ M < 70‬‬ ‫‪0.16‬‬
‫‪70 ≤ M < 80‬‬ ‫‪0.06‬‬
‫المجموع‬ ‫‪1‬‬

‫‪ .2‬جدول التوزيع التكراري المئوي ‪ ،percentage frequency distribution‬حيث يتم الحصول على‬
‫التكرار المئوي للفئة بضرب التكرار النسبي بالعدد ‪ ،100‬أي‪:‬‬
‫‪f‬‬
‫‪Percentage frequency ‬‬ ‫‪*100‬‬
‫‪n‬‬

‫مثال ‪ :5‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬الجدول التالي‬
‫يبين الجدول التكراري المئوي لعالمات الطالب‪:‬‬

‫العالمة (‪)M‬‬ ‫التكرار المئوي‬

‫‪10 ≤ M < 20‬‬ ‫‪4%‬‬
‫‪20 ≤ M < 30‬‬ ‫‪8%‬‬
‫‪30 ≤ M < 40‬‬ ‫‪14%‬‬
‫‪40 ≤ M < 50‬‬ ‫‪20%‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪9‬‬

 ‫‪50 ≤ M < 60‬‬ ‫‪32%‬‬
‫‪60 ≤ M < 70‬‬ ‫‪16%‬‬
‫‪70 ≤ M < 80‬‬ ‫‪6%‬‬
‫المجموع‬ ‫‪100%‬‬

‫تعريف ‪( 1‬مركز الفئة)‪ :‬يتم تعريف مركز الفئة ‪ midpoint‬بالعالقة التالية‪:‬‬

‫مركز الفئة = (الحد األعلى للفئة ‪ +‬الحد األدنى للفئة)‪2/‬‬
‫يمكن تجميع الجداول السابقة للمعطيات في جدول واحد يشمل الفئات ومراكز الفئات والتكرار النسبي والتكرار‬
‫المئوي كما يبنه الجدول التالي لتوزيع عالمات الطالب‪:‬‬

‫العالمة (‪)M‬‬ ‫مركز الفئة‬ ‫التكرار‬ ‫التكرار النسبي‬ ‫التكرار المئوي‬

‫‪10 ≤ M < 20‬‬ ‫‪14.5‬‬ ‫‪2‬‬ ‫‪0.04‬‬ ‫‪4%‬‬
‫‪20 ≤ M < 30‬‬ ‫‪24.5‬‬ ‫‪4‬‬ ‫‪0.08‬‬ ‫‪8%‬‬
‫‪30 ≤ M < 40‬‬ ‫‪34.5‬‬ ‫‪7‬‬ ‫‪0.14‬‬ ‫‪14%‬‬
‫‪40 ≤ M < 50‬‬ ‫‪44.5‬‬ ‫‪10‬‬ ‫‪0.2‬‬ ‫‪2%‬‬
‫‪50 ≤ M < 60‬‬ ‫‪54.5‬‬ ‫‪16‬‬ ‫‪0.32‬‬ ‫‪32%‬‬
‫‪60 ≤ M < 70‬‬ ‫‪64.5‬‬ ‫‪8‬‬ ‫‪0.16‬‬ ‫‪16%‬‬
‫‪70 ≤ M < 80‬‬ ‫‪74.5‬‬ ‫‪3‬‬ ‫‪0.06‬‬ ‫‪6%‬‬
‫المجموع‬ ‫‪50‬‬ ‫‪1‬‬ ‫‪100%‬‬

‫‪ .3‬جدول التوزيع التكراري التراكمي ‪cumulative frequency distribution:‬‬

‫في كثير من األحيان نحتاج لإلجابة على التساؤالت التالية‪ :‬ما هو عدد الطالب الذين تكون عالمتهم أصغر‬
‫من قيمة معينة؟ أو ما هو عدد الطالب الذين تكون عالمتهم أكبر من قيمة معينة؟ أو ما هو عدد الطالب الذين‬
‫تكون عالمتهم محصورة بين قيمتين محددتين؟‬
‫لإلجا بة على تلك التساؤالت يتم استخدام ما يسمى جداول التوزيع التراكمية وهي نوعان الصاعدة والهابطة‪.‬‬
‫جدول التوزيع التكراري التراكمي الصاعد‪:‬‬
‫نعرف التكرار التراكمي الصاعد للفئة على أنه عدد المعطيات التي تقل عن الحد األعلى للفئة‪ ،‬وهي تساوي‬
‫إلى تكرار الفئة مضافاً إليها مجموع تكرارات الفئات السابقة لها‪.‬‬
‫يتم استخدام جدول التكرار التراكمي الصاعد إليجاد عدد المعطيات التي تكون قيمها أصغر من قيمة معينة‪،‬‬
‫كما يستخدم أيضًا إليجاد عدد المعطيات التي قيمها محصورة بين قيمتين محددتين‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪10‬‬

‫مثال ‪ :6‬ليكن لدينا عالمات طالب الجامعة االفتراض ية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد جدول‬
‫التكرار التراكمي الصاعد لعالمات الطالب‪.‬‬
‫الحل‪:‬‬
‫عدد الطالب الذين عالمتهم أقل من ‪ 10‬يساوي ‪0‬‬
‫عدد الطالب الذين عالمتهم أقل من ‪ 15‬يساوي ‪2‬‬
‫عدد الطالب الذين عالمتهم أقل من ‪ 25‬يساوي ‪2 + 4 = 6‬‬
‫عدد الطالب الذين عالمتهم أقل من ‪ 35‬يساوي ‪2 + 4 + 7 = 13‬‬
‫‪...‬‬
‫بوضع النتائج السابقة في جدول نحصل على جدول التكرار التراكمي الصاعد لعالمات الطالب‪.‬‬

‫العالمة‬ ‫التكرار التراكمي الصاعد‬

‫أقل من ‪10‬‬ ‫‪0‬‬
‫أقل من ‪20‬‬ ‫‪2‬‬
‫أقل من ‪30‬‬ ‫‪6‬‬
‫أقل من ‪40‬‬ ‫‪13‬‬
‫أقل من ‪50‬‬ ‫‪23‬‬
‫أقل من ‪60‬‬ ‫‪39‬‬
‫أقل من ‪70‬‬ ‫‪47‬‬
‫أقل من ‪80‬‬ ‫‪50‬‬
‫المجموع‬ ‫‪50‬‬

‫يمكن من الجدول السابق استنتاج أن عدد الطالب الذين عالمتهم أقل من ‪ 60‬هو ‪ ،35‬وأن عدد الطالب الذين‬
‫تتراوح عالمتهم بين ‪ 40‬و‪ 70‬هو ‪47 - 13 = 70‬‬
‫جدول التوزيع التكراري التراكمي الهابط‪:‬‬
‫نعرف التكرار التراكمي الهابط للفئة على أنه عدد المعطيات التي تزيد عن أو تساوي الحد األدنى للفئة‪.‬‬

‫مثال ‪ :7‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد جدول‬
‫التكرار التراكمي الهابط لعالمات الطالب‪.‬‬
‫الحل‪:‬‬
‫عدد الطالب الذين عالمتهم أكبر أو تساوي ‪ 10‬يساوي ‪50‬‬
‫عدد الطالب الذين عالمتهم أكبر أو تساوي ‪ 20‬يساوي ‪50 – 2 = 48‬‬
‫عدد الطالب الذين عالمتهم أكبر أو تساوي ‪ 30‬يساوي ‪50 – 2 – 4 = 44‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪11‬‬

 ‫عدد الطالب الذين عالمتهم أكبر أو تساوي ‪ 30‬يساوي ‪50 – 2 – 4 7 = 37‬‬
‫‪...‬‬
‫بوضع النتائج السابقة في جدول نحصل على جدول التكرار التراكمي الهابط لعالمات الطالب‪.‬‬

‫العالمة‬ ‫التكرار التراكمي الهابط‬

‫أكبر أو يساوي ‪10‬‬ ‫‪50‬‬
‫أكبر أو يساوي ‪20‬‬ ‫‪48‬‬
‫أكبر أو يساوي ‪30‬‬ ‫‪44‬‬
‫أكبر أو يساوي ‪40‬‬ ‫‪37‬‬
‫أكبر أو يساوي ‪50‬‬ ‫‪27‬‬
‫أكبر أو يساوي ‪60‬‬ ‫‪11‬‬
‫أكبر أو يساوي ‪70‬‬ ‫‪3‬‬
‫أكبر أو يساوي ‪80‬‬ ‫‪0‬‬
‫المجموع‬ ‫‪50‬‬

‫‪ .2.2‬العرض البياني ‪:graphical representation‬‬

‫إن تنظيم وتلخيص وعرض المعطيات على شكل جداول تكرارية يعطي صورة شاملة وواضحة عن‬
‫المعطيات األولية وتوزيعاتها التكرارية‪ ،‬ولكن عرض هذه الجداول التكرارية بشكل بياني يعطي فكرة أوضح‬
‫وأسرع عن أشكال التوزيعات التكرارية‪.‬‬
‫يتم عرض التوزيعات التكرارية بياني ًا باستخدام العديد من المعطيات ‪ graphs‬أهمها‪:‬‬
‫‪ ‬المدرج التكراري‬
‫‪ ‬المضلع التكراري‬
‫‪ ‬المنحني التكراري‬
‫‪ ‬المنحني التكراري التراكمي الصاعد والهابط‪.‬‬

‫‪ .1.2.2‬المدرج التكراري ‪:histogram‬‬

‫يمثل المحور األفقي الفئات ويمثل المحور الشاقولي تكرارها‪ .‬نرسم مستطيالت متالصقة على الفئات قاعدتها‬
‫طول الفئة وارتفاعها عبارة عن تكرار هذه الفئات‪.‬‬
‫مثال ‪ :8‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد المدرج‬
‫التكراري لعالمات الطالب‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪12‬‬

 ‫الحل‪:‬‬

‫من المالحظ أن كل مستطيل من المدرج التكراري محدد بالحد األدنى والحد األعلى للفئة الموافقة‪ .‬ولكن في‬
‫كثير من األحيان يتم استخدام نقطة المنتصف للفئة بدالً من استخدام الحدين األدنى واألعلى للفئة كما هو مبين‬
‫في الشكل التالي‪:‬‬

‫من الممكن أيضاً استخدام التكرار المئوي للفئات لنحصل عنها على المدرج التكراري المئوي كما يبينه الشكل‬
‫التالي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪13‬‬

 ‫‪ .2.2.2‬المضلع التكراري ‪:polygon‬‬
‫يمثل المحور األفقي الفئات ويمثل المحور الشاقولي تكرارها كما هو الحال بالنسبة للجدول التكراري ولكن‬
‫بدالً من رسم مستطيل يمثل ارتفاع التكرار نضع نقطة واحدة عند منتصف الفئة ارتفاعها يمثل التكرار‪ .‬وفي‬
‫األخير نقوم بوصل النقاط التي حصلنا عليها بخطوط مستقيمة فنحصل على المضلع التكراري‪.‬‬
‫مثال ‪ :9‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد المضلع‬
‫التكراري لعالمات الطالب‪.‬‬

‫‪ .3.2.2‬المنحني التكراري التراكمي ‪:cumulative frequency curve‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪14‬‬

‫وهي نوعان تكرارية تراكمية صاعدة وتكرارية تراكمية هابطة‪ .‬في كال الحالتين‪ ،‬يمثل المحور األفقي الفئات‬
‫بحدودها الدنيا ويمثل المحور الشاقولي التكرار التراكمي الصاعد للفئات (الصاعدة) أو التكرار التراكمي‬
‫الصاعد للفئات (الهابطة)‪.‬‬
‫مثال ‪ :11‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد‬
‫المنحني التكراري التراكمي لعالمات الطالب‪.‬‬

‫‪ .4.2.2‬المخطط الصندوقي ‪:box plot‬‬

‫المخطط الصندوقي هو طريقة للتمثيل البياني للمعطيات العينة من خالل تمثيل القيم اإلحصائية الخمس المحددة‬
‫للعينة وهي‪ :‬القيمة الصغرى ‪ ،min‬الربيع األول (األدنى) ‪ Q1‬ويساوي القيمة التي يسبقها ربع المعطيات (أو‬
‫‪ 25%‬من المعطيات)‪ ،‬الوسيط ‪ Q2 median‬ويساوي القيمة التي يسبقها نصف المعطيات (أو ‪ 50%‬من‬
‫المعطيات)‪ ،‬الربيع الثالث (األعلى) ‪ Q3‬ويساوي القيمة التي يسبقها ثالثة أرباع المعطيات (أو ‪ 75%‬من‬
‫المعطيات)‪ ،‬والقيمة العظمى ‪.max‬‬

‫‪Q1‬‬ ‫‪Q2‬‬ ‫‪Q3‬‬

‫‪ 25%‬من املعطيات‬ ‫‪ 25%‬من املعطيات‬

‫‪Min‬‬ ‫‪ 50%‬من املعطيات‬ ‫‪Max‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪15‬‬

‫مثال ‪ :11‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد‬
‫المخطط الصندوقي لعالمات الطالب‪.‬‬
‫الحل‪:‬‬
‫‪Min  10 , Max  77 , Q1  39 , Q2  50.5 , Q3  59‬‬

‫‪39‬‬ ‫‪50.5 59‬‬

‫‪10‬‬ ‫‪77‬‬

‫‪ .3.2‬الرسوم البيانية ‪:chart‬‬

‫تُستخدم الرسوم البيانية المختلفة أكثر األحيان لتوضيح الجداول اإلحصائية وجعل الرؤية للعالقة بين‬
‫المتغيرات أكثر سهولة‪ .‬أهم الرسوم المستخدمة هي الخط البياني واألعمدة البيانية والرسوم الدائرية‪.‬‬

‫‪ .1.3.2‬الخط البياني ‪:line chart‬‬

‫الخط البياني عبارة عن خط منكسر يمثل عادة مسار المعطيات تم تحصيلها على فترات زمنية مختلفة‪ .‬يمثل‬
‫المحور األفقي في هذه الحالة الزمن ويمثل المحور الشاقولي قيم المعطيات‪.‬‬
‫إذا كان لدينا أكثر من ظاهرة وقراءات قيم المعطيات لكل منها مأخوذة في الفترة الزمنية نفسها ويراد المقارنة‬
‫بينها فإننا نرسم أكثر من خط للظواهر على نفس الرسمة‪.‬‬
‫مثال ‪ :12‬تمثل معطيات الجدول التالي سعر إغالق أسهم إحدى الشركات األميركية بنهاية كل شهر من شباط‬
‫‪ 2006‬ولغاية كانون األول من ‪:2006‬‬

‫الشهر‬ ‫سعر اإلغالق‬ ‫الشهر‬ ‫سعر اإلغالق‬

‫‪1/06‬‬ ‫‪18.57‬‬ ‫‪7/06‬‬ ‫‪17.88‬‬
‫‪2/06‬‬ ‫‪20.24‬‬ ‫‪8/06‬‬ ‫‪21.99‬‬
‫‪3/06‬‬ ‫‪21.67‬‬ ‫‪9/06‬‬ ‫‪22.98‬‬
‫‪4/06‬‬ ‫‪20.95‬‬ ‫‪10/06‬‬ ‫‪24.13‬‬
‫‪5/06‬‬ ‫‪19.68‬‬ ‫‪11/06‬‬ ‫‪26.91‬‬
‫‪6/06‬‬ ‫‪19.53‬‬ ‫‪12/06‬‬ ‫‪27.33‬‬

‫أوجد الخط البياني لمعطيات الجدول المذكور‪.‬‬

‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪16‬‬

 ‫‪ .2.3.2‬األعمدة البيانية ‪:bar chart‬‬
‫األعمدة البيانية عبارة عن مستطيالت عرضها متساوي وارتفاعها تمثل قيم المعطيات‪ .‬وتستخدم عادة لتمثيل‬
‫ظاهرة واحدة (األعمدة البيانية البسيطة) ‪ ،‬أو للمقارنة بين ظاهرتين أو مجموعة من الظواهر ومقارنة التطور‬
‫فيما بينها (األعمدة البيانية المزدوجة)‪ .‬كما أنه ليس من الضروري أن تكون قراءات قيم المعطيات مقاسة مع‬
‫مرور الزمن‪.‬‬
‫مثال ‪ :13‬أوجد األعمدة البيانية لمعطيات الجدول السابق‪.‬‬

‫مثال ‪ :14‬تمثل معطيات الجدول التالي مبيعات أشهر ‪ 5‬شركات لألجهزة الخلوية بين األعوام ‪2009‬‬
‫و‪.2013‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪17‬‬

 ‫الشركة‪/‬العام‬ ‫‪2009‬‬ ‫‪2011‬‬ ‫‪2013‬‬
‫‪Samsung‬‬ ‫‪240‬‬ ‫‪330‬‬ ‫‪450‬‬
‫‪Apple‬‬ ‫‪30‬‬ ‫‪90‬‬ ‫‪150‬‬
‫‪Nokia‬‬ ‫‪440‬‬ ‫‪420‬‬ ‫‪250‬‬
‫‪LG‬‬ ‫‪140‬‬ ‫‪100‬‬ ‫‪85‬‬
‫‪ZTE‬‬ ‫‪65‬‬ ‫‪75‬‬ ‫‪78‬‬

‫أوجد األعمدة البيانية المزدوجة لمعطيات الجدول السابق‪.‬‬

‫الحل‪:‬‬

‫‪.3.3.2‬الرسوم الدائرية ‪:Pie chart‬‬

‫الرسوم الدائرية عبارة عن دائرة يتم تقسيمها إلى قطاعات زاوية ‪ ،sectors‬وكل قطاع زاوي يمثل فئة معينة‬
‫من المعطيات ومساحة القطاع الزاوي متناسبة مع تكرار تلك الفئة ‪ . f‬ويتم حساب القطاع الزاوي لفئة معينة‬
‫بالعالقة التالية‪:‬‬
‫‪f‬‬
‫‪Angle  360x‬‬
‫‪n‬‬
‫مثال ‪ :15‬سئل طالب صف في المدارس عن كيفية الوصول إلى المدرسة (الوسيلة المستخدمة)‪ .‬تم تجميع‬
‫األجوبة وحصلنا على الجدول التالي‪:‬‬

‫الوسيلة المستخدمة‬ ‫عدد الطالب‬

‫‪ISSN: 2617-989X‬‬ ‫‪18‬‬

 ‫المشي‬ ‫‪8‬‬
‫السيارة‬ ‫‪9‬‬
‫الباص‬ ‫‪4‬‬
‫الدراجة‬ ‫‪5‬‬
‫التكسي‬ ‫‪3‬‬

‫أوجد الرسوم الدائرية الموافقة‪.‬‬

‫الحل‪:‬‬

‫الوسيلة املتبعة للوصول إىل املدرسة‬

‫‪10%‬‬
‫‪28%‬‬
‫‪17%‬‬

‫‪14%‬‬

‫‪31%‬‬

‫املشي‬ ‫السيارة‬ ‫الباص‬ ‫الدراجة‬ ‫التكسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪19‬‬

 ‫‪ .4.3.2‬مخطط الساق واألوراق ‪:stem-and-leaf plots‬‬
‫مخطط الساق واألوراق هو طريقة أخرى لتمثيل المعطيات الكمية بيانياً‪ ،‬فهي تساعد على تكوين فكرة جيدة‬
‫عن المدى الذي تغطيه المعطيات وكيفية تمركزها‪ .‬يتم تمثيل كل مفردة على شكل ورقة وساق‪ ،‬حيث يتم‬
‫تشكيل الورقة من آخر رقم على اليمين من قيمة المفردة والساق يتكون من بقية األرقام‪ .‬على سبيل المثال‬
‫القيمة ‪ 147‬الورقة هي الرقم ‪ 7‬والساق هو الرقم ‪ ،14‬أما بالنسبة للقيمة ‪ 5.8‬الورقة هي الرقم ‪ 8‬والساق هو‬
‫الرقم ‪.5‬‬

‫مثال ‪ :16‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪ .‬أوجد مخطط‬
‫الساق واألوراق لعالمات الطالب ‪.‬‬
‫الحل‪:‬‬
‫من المالحظ أن عالمات الطالب تتغير بين ‪ 10‬و ‪ ،77‬بالتالي نشكل الساق من األرقام ‪ 1‬إلى ‪ 7‬كما هو مبين‬
‫في الشكل أقصى اليسار‪.‬‬
‫نستعرض القيم واحدة تلك األخرى مثالً نبدأ با لقيمة ‪ 23‬فنضع الرقم ‪ 3‬أمام الرقم ‪ 2‬الموجود في الساق‪.‬‬
‫وهكذا نستمر حتى تنتهي القيم ويكون الناتج كما هو مبين في الشكل في الوسط ‪.‬‬
‫ضمن كل ساق نعيد ترتيب األوراق تصاعدياً كما هو مبين في الشكل أقصى اليمين‬
‫‪1‬‬ ‫‪1‬‬ ‫‪05‬‬ ‫‪1‬‬ ‫‪05‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪3 6 1. 7‬‬ ‫‪2‬‬ ‫‪1367‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪8395640‬‬ ‫‪3‬‬ ‫‪0345689‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪2737881346‬‬ ‫‪4‬‬ ‫‪1233467788‬‬
‫‪5‬‬ ‫‪5‬‬ ‫‪0269142589107463‬‬ ‫‪5‬‬ ‫‪0011223445667899‬‬
‫‪6‬‬ ‫‪6‬‬ ‫‪34850257‬‬ ‫‪6‬‬ ‫‪02345578‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪572‬‬ ‫‪7‬‬ ‫‪257‬‬

‫مثال ‪ :17‬أوجد مخطط الساق واألوراق للمعطيات التالية‪:‬‬

‫‪13.5 13.2 10.5 14.7 13.2 12.2 12.6 19.1 14.5 12.3 13.9 16.2‬‬
‫‪12.1 11.0 15.1 10.1 14.1 12.8 19.7 12.8 13.3 11.3 15.4 17.4‬‬
‫‪13.5 15.4 15.1 17.1 12.4 16.3 11.3 10.6 15.7 13.3 23.8 22.7‬‬
‫‪14.8 23.5 19.7 14.1‬‬
‫الحل‪:‬‬
‫‪10‬‬ ‫‪156‬‬
‫‪11‬‬ ‫‪033‬‬
‫‪12‬‬ ‫‪1234688‬‬
‫‪13‬‬ ‫‪2233559‬‬
‫‪14‬‬ ‫‪11578‬‬
‫‪15‬‬ ‫‪11447‬‬
‫‪16‬‬ ‫‪23‬‬
‫‪17‬‬ ‫‪14‬‬
‫‪18‬‬
‫‪19‬‬ ‫‪177‬‬
‫‪20‬‬
‫‪21‬‬
‫‪22‬‬ ‫‪7‬‬
‫‪23‬‬ ‫‪58‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪20‬‬

 ‫‪ .3‬مقاييس النزعة المركزية ‪:measures of central tendency‬‬
‫مقاييس النزعة المركزية هي مقاييس عددية تستخدم لقياس موضع تركز أو تجمع المعطيات إذ أن معطيات‬
‫أي ظاهرة تنزع (تميل) في الغالب إلى التركز والتجمع حول قيم معينة‪ .‬وتُستخدم مقاييس النزعة المركزية‬
‫لتلخيص المعطيات عددياً إذ أنها تعتبر قيم نموذجية أو مثالية للمعطيات‪ .‬كما أن هذه المقاييس تُستخدم لوصف‬
‫مجموعة المعطيات وكذلك لمقارنة مجموعات المعطيات المختلفة‪ .‬ومن أهم هذه المقاييس نذكر‪ :‬الوسط‬
‫الحسابي أو المتوسط‪ ،‬الوسيط‪ ،‬والمنوال‪.‬‬

‫‪ .1.3‬المتوسط ‪:mean‬‬
‫يعتبر المتوسط من أهم وأفضل مقاييس النزعة المركزية ومن أكثرها شيوعاً واستخدامًا في التحليل اإلحصائي‬
‫وذلك لما يتمتع به من خصائص وصفات إحصائية جيدة‪.‬‬
‫تعريف ‪ :2‬إذا كان عدد المعطيات (حجم العينة) هو ‪ n‬وكانت قيم العينة هي ‪ ، x1, x2 , , xn‬فإن‬
‫المتوسط والذي يُرمز له بالرمز ‪ x‬ويعرف بالصيغة التالية‪:‬‬
‫‪n‬‬
‫‪xi x1  x2  ...  xn‬‬
‫‪x‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪n‬‬ ‫‪n‬‬
‫مثال ‪ :18‬أوجد المتوسط لعالمات طالب في الجامعة االفتراضية في المواد التي سجل فيها حيث حصل على‬
‫العالمات التالية (‪ 8‬مواد)‪.65, 75, 80, 95, 82, 74, 72, 67 :‬‬
‫الحل‪:‬‬
‫‪8‬‬
‫‪xi 65  75  80  95  82  74  72  67‬‬
‫‪x‬‬ ‫‪‬‬ ‫‪ 76.25‬‬
‫‪i 1‬‬ ‫‪8‬‬ ‫‪8‬‬

‫مثال ‪ :19‬أوجد المتوسط لعينة من ‪ 10‬القيم‪0.26, 0.43, 0.47, 0.49, 0.52, 0.75, 0.79, 0.86, :‬‬
‫‪.0.62, 0.46‬‬
‫الحل‪:‬‬
‫‪0.26  0.43  ...  0.62  0.86‬‬
‫‪x‬‬ ‫‪ 0.565‬‬
‫‪10‬‬

‫مالحظة ‪ :2‬يمثل متوسط عينة من القيم مركز ثقل ‪ centroid‬تلك العينة‪ ،‬بمعنى أنه النقطة التي عندها يتوازن‬
‫نظام من األوزان قيمها هي قيم المعطيات الفردية‪ .‬يبين الشكل التالي مركز ثقل قيم المثال ‪.2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪21‬‬

‫مالحظة ‪ :3‬عندما يتم ظهور المفردة أكثر من مرة في العينة (تكرارها أكبر من الواحد)‪ ،‬وبفرض أن قيم‬
‫المفردات المختلفة في العينة هي ‪ x1, x2 , , xk‬وأن تكرار كل منها هو ‪ f1, f 2 , , f k‬على‬
‫الترتيب‪ ،‬فإن المتوسط يحسب كما يلي‪:‬‬
‫‪k‬‬ ‫‪k‬‬
‫‪ fi xi  fi xi‬‬ ‫‪f1x1  f 2 x2  ...  f k xk‬‬
‫‪x‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫‪k‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ fi‬‬
‫‪i 1‬‬
‫مثال ‪ :20‬أوجد المتوسط لعينة من القياسات تمثل طول الساق لـ ‪ 10‬أنواع من النباتات بالسنتيمتر والمعطى‬
‫بالجدول التالي (مثال ‪:)2‬‬

‫طول الساق‬ ‫التكرار‬

‫‪58‬‬ ‫‪1‬‬
‫‪55‬‬ ‫‪2‬‬
‫‪62‬‬ ‫‪3‬‬
‫‪65‬‬ ‫‪3‬‬
‫‪68‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪11‬‬
‫الحل‪:‬‬
‫‪5‬‬
‫‪ fi xi‬‬ ‫‪1x58  2x59  3x62  3x65  1x68‬‬
‫‪x‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪ 62.5‬‬
‫‪10‬‬ ‫‪10‬‬
‫مالحظة ‪ :4‬عندما تكون معطيات العينة منظمة ضمن جدول تكراري باستخدام الفئات‪ ،‬فإنه يتم حساب‬
‫المتوسط باستخدام العالقة السابقة وحيث تكون القيم ‪ xi‬عبارة عن مراكز الفئات‪.‬‬

‫مثال ‪ :21‬أوجد المتوسط لعالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت المبينة في‬
‫جدول التكرار التالي‪:‬‬

‫العالمة (‪)M‬‬ ‫مركز الفئة‬ ‫التكرار‬

‫‪10 ≤ M < 20‬‬ ‫‪14.5‬‬ ‫‪2‬‬
‫‪20 ≤ M < 30‬‬ ‫‪24.5‬‬ ‫‪4‬‬
‫‪30 ≤ M < 40‬‬ ‫‪34.5‬‬ ‫‪7‬‬
‫‪40 ≤ M < 50‬‬ ‫‪44.5‬‬ ‫‪10‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪22‬‬

 ‫‪50 ≤ M < 60‬‬ ‫‪54.5‬‬ ‫‪16‬‬
‫‪60 ≤ M < 70‬‬ ‫‪64.5‬‬ ‫‪8‬‬
‫‪70 ≤ M < 80‬‬ ‫‪74.5‬‬ ‫‪3‬‬
‫المجموع‬ ‫‪50‬‬
‫الحل‪:‬‬
‫‪2x14.5  4x24.5  ...  8x64.5  3x74.5‬‬
‫‪x‬‬ ‫‪ 48.5‬‬
‫‪50‬‬
‫خواص المتوسط‪:‬‬
‫ليكن لدينا العينة ‪ x1, x2 , , xn‬والتي متوسطها ‪: x‬‬
‫‪ .1‬المجموع الجبري النحرافات القيم عن المتوسط ‪ x‬يساوي الصفر‪ ،‬أي أن‪:‬‬
‫‪n‬‬
‫‪ ( xi  x)  ( x1  x)  ( x2  x)  ...  ( xn  x)  0‬‬
‫‪i 1‬‬
‫‪ .2‬إضافة أو طرح نفس القيمة ‪ b‬إلى قيم المعطيات التي متوسطها ‪ x‬يُنتج متوسط ًا مقداره ‪ ، x  b‬أي أن‪:‬‬
‫‪. ( x  b)  x  b‬‬
‫‪ .3‬ضرب قيم المعطيات التي متوسطها ‪ x‬بنفس القيمة ‪ a‬يُنتج متوسطًا مقداره ‪ ، ax‬أي أن‪. ax  ax :‬‬
‫‪ .4‬إذا كان لدينا مجموعتان من المعطيات بحيث أن عدد معطيات المجموعة األولى هو ‪ n1‬ومتوسطها هو‬
‫‪ x1‬وكان عدد معطيات المجموعة الثانية هو ‪ n2‬ومتوسطها هو ‪ x2‬فإن متوسط المجموعة الكلية ‪x‬‬
‫المكونة من دمج هاتين المجموعتين يمكن حسابه كما يلي‪:‬‬
‫‪n1 x1  n2 x2‬‬
‫‪x‬‬
‫‪n1  n2‬‬
‫مالحظة ‪ :5‬يُمكن تجميع الخاصتين ‪ 2‬و‪ 3‬كما يلي‪. (ax  b)  ax  b :‬‬

‫مثال ‪ :22‬ليكن لدينا مجموعتان من المعطيات بحيث أن عدد معطيات المجموعة األولى هو ‪ 8‬ومتوسطها هو‬
‫‪ 4‬وعدد معطيات المجموعة الثانية هو ‪ 12‬ومتوسطها هو ‪ 8‬فما هو متوسط المجموعة الكلية المكونة من دمج‬
‫هاتين المجموعتين؟‬
‫الحل‪:‬‬
‫‪n1 x1  n2 x2 8x4  12x8 128‬‬
‫‪x‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 6.4‬‬
‫‪n1  n2‬‬ ‫‪8  12‬‬ ‫‪20‬‬
‫للعينة‬ ‫فما هو المتوسط‬ ‫‪25‬‬ ‫هو‬ ‫‪x1, x2 , , xn‬‬ ‫متوسط العينة‬ ‫كان‬ ‫إذا‬ ‫‪:23‬‬ ‫مثال‬
‫‪x  5 x2  5‬‬ ‫‪x 5‬‬
‫‪ 1‬؟‬ ‫‪,‬‬ ‫‪, ..., n‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪23‬‬

 ‫‪x  5 25  5‬‬
‫‪.‬‬ ‫‪‬‬ ‫المتوسط هو‪ 10 :‬‬
‫‪2‬‬ ‫‪2‬‬
‫من ميزات المتوسط أنه‪ :‬سهل التعريف والحساب‪ ،‬وحيد لمجموعة المعطيات الواحدة‪ ،‬وأخيرا يأخذ بعين‬
‫االعتبار كافة معطيات العينة‪.‬‬
‫ومن مساوئ المتوسط‪ :‬يتأثر بالقيم الشاذة ‪ ،singular values‬وهو غير معرف بالنسبة للمعطيات الوصفية إذ‬
‫ال يمكن حسابه إال من المعطيات الكمية فقط‪.‬‬

‫‪ .2.3‬الوسيط ‪:median‬‬
‫يعتبر الوسيط أحد مقاييس النزعة المركزية المشهورة‪ ،‬ويعرف الوسيط لمجموعة من المعطيات على أنه تلك‬
‫القيمة التي تتوسط المعطيات عند ترتيبها تصاعدياً أو تنازلياً‪ ،‬أي أنه تلك القيمة التي تقسم المعطيات بعد‬
‫ترتيبها إلى جزأين متساويين فتكون المعطيات في الجزء األول تقل عن أو تساوى الوسيط والمعطيات في‬
‫الجزء الثاني تزيد عن أو تساوى الوسيط‪ .‬أي أن ‪ 50%‬من المعطيات تساوي أو تقل عن الوسيط وأن ‪50%‬‬
‫من المعطيات تساوي أو تزيد عن الوسيط‪.‬‬

‫تعريف ‪ :3‬إذا كان عدد المعطيات (حجم العينة) هو ‪ n‬وكانت قيم العينة هي ‪ x1, x2 , , xn‬والمرتبة‬
‫ترتيباً تصاعدياً‪ ،‬فإن الوسيط والذي يُرمز له بالرمز ‪ x‬ويعرف بالصيغة التالية (نميز حالتين حسب القيمة ‪n‬‬
‫هل هي عدد فردي أم زوجي)‪:‬‬

‫‪ x( n 1)/2 ,‬‬ ‫‪if n is odd‬‬

‫‪‬‬
‫‪x  1‬‬
‫‪ ( xn /2  xn /2 1) , if n is even‬‬
‫‪2‬‬

‫مثال ‪ :24‬أوجد الوسيط لعالمات طالب التالية‪.65, 75, 80, 95, 82, 74, 72, 67, 79 :‬‬
‫الحل‪:‬‬
‫بعد ترتيب العالمات تصبح على النحو التالي‪ .65, 67, 72, 74, 75, 79, 80, 82, 95 :‬بما أن عدد‬
‫العينات ‪ n  9‬هو عدد فردي فإن الوسيط هو‪:‬‬
‫‪x  x(n 1)/ 2  x(9 1)/ 2  x5  75‬‬
‫مثال ‪ :25‬أوجد الوسيط لعالمات طالب في ‪ 10‬مواد والتي هي التالية‪65, 75, 80, 95, 82, 74, 72, :‬‬
‫‪.67, 79, 67‬‬
‫الحل‪:‬‬
‫بعد ترتيب العالمات تصبح على النحو التالي‪ .65, 67, 67, 72, 74, 75, 79, 80, 82, 95 :‬بما أن عدد‬
‫العينات ‪ n  10‬هو عدد فردي فإن الوسيط هو‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪24‬‬

 ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪x  ( xn /2  xn /21)  ( x5  x6 )  (74  75)  74.5‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫مالحظة ‪ :6‬عندما تكون معطيات العينة منظمة ضمن مضلع تكراري تراكمي صاعد‪ ،‬فإنه يمكننا حساب‬
‫القيمة التقريبية للوسيط بيانياً‪ ،‬ويتم ذلك عن طريق تحديد موقع ترتيب الوسيط المساوي إلى ‪( n / 2‬سواء‬
‫كان عدد معطيات العينة ‪ n‬فردياً أو زوجياً) على المحور الشاقولي‪ ،‬ومن هذا الموقع نرسم خطاً افقياً يتقاطع‬
‫مع المضلع في نقطة‪ .‬ومن هذه النقطة نرسم عموداً يتقاطع مع المحور األفقي في نقطة تمثل القيمة التقريبية‬
‫للوسيط‪ ،‬كما يبينه الشكل التالي‪:‬‬

‫املضلع التكراري التراكمي الصاعد‬

‫‪n/2‬‬ ‫‪50%‬‬
‫‪%‬‬

‫الوسيط‬

‫مثال ‪ :26‬أوجد القيمة التقريبية لوسيط عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت‬
‫المبينة في المضلع التكراري التراكمي التصاعدي التالي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪25‬‬

 ‫الحل‪:‬‬
‫من المضلع التكراري التراكمي التصاعدي نستطيع قراءة الوسيط والذي يساوي تقريباً ‪.51‬‬
‫من ميزات الوسيط أنه‪ :‬سهل التعريف والحساب‪ ،‬وحيد لمجموعة المعطيات الواحدة‪ ،‬وأخيرا الوسيط أقل تأثراً‬
‫من المتوسط بالقيم الشاذة‪.‬‬
‫ومن مساوئ الوسيط‪ :‬ال يأخذ بعين االعتبار جميع المعطي ات إذ أنه يعتمد فقط على القيم التي في المنتصف‬
‫وعلى ترتيب المعطيات بغض النظر عن قيمها‪ ،‬وهو غير معرف بالنسبة للمعطيات الوصفية إذ ال يمكن‬
‫حسابه إال من المعطيات الكمية فقط‪.‬‬

‫‪ .3.3‬المنوال ‪:mode‬‬
‫المنوال هو أحد مقاييس النزعة المركزية شائعة االستخدام والسيما في حالة المعطيات الوصفية‪.‬‬
‫تعريف ‪ :4‬يعرف المنوال لمجموعة من المعطيات على أنه تلك القيمة التي تتكرر أكثر من غيرها أي أنها‬
‫القيمة ذات التكرار األكبر (إن وجدت)‪ ،‬ويرمز للمنوال عادة بالرمز ‪.Mod‬‬

‫مالحظة ‪ :7‬يُمكن لعينة من المعطيات أال يكون لها منوال‪ ،‬كما يُكن أن يكون لها أكثر من منوال‪.‬‬

‫مثال ‪ :27‬يبين الجدول التالي معطيات إحدى الدراسات التي طبقت على ‪ 8‬أشخاص لقياس العمر (بالسنة)‬
‫والوزن (بالكلغ) والطول (بالسنتيمتر) وفصيلة الدم‪ .‬أوجد منوال المعطيات المختلفة‪.‬‬

‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الشخص‬

‫‪37‬‬ ‫‪25‬‬ ‫‪32‬‬ ‫‪24‬‬ ‫‪23‬‬ ‫‪27‬‬ ‫‪32‬‬ ‫‪25‬‬ ‫العمر‬
‫‪68‬‬ ‫‪65‬‬ ‫‪72‬‬ ‫‪77‬‬ ‫‪71‬‬ ‫‪70‬‬ ‫‪68‬‬ ‫‪66‬‬ ‫الوزن‬
‫‪169‬‬ ‫‪168‬‬ ‫‪161‬‬ ‫‪159‬‬ ‫‪160‬‬ ‫‪164‬‬ ‫‪163‬‬ ‫‪166‬‬ ‫الطول‬
‫‪O‬‬ ‫‪A‬‬ ‫‪AB‬‬ ‫‪O‬‬ ‫‪O‬‬ ‫‪AB‬‬ ‫‪B‬‬ ‫‪A‬‬ ‫فصيلة الدم‬

‫الحل‪:‬‬
‫المنوال‬ ‫المعطيات‬
‫‪ 25‬و‪32‬‬ ‫العمر‬
‫‪68‬‬ ‫الوزن‬
‫ال يوجد‬ ‫الطول‬
‫‪O‬‬ ‫فصيلة الدم‬

‫‪ISSN: 2617-989X‬‬ ‫‪26‬‬

‫مالحظة ‪ :8‬عندما تكون معطيات العينة منظمة بجدول تكراري نستطيع حساب المنوال بطريقة حسابية‪ .‬من‬
‫أجل ذلك نعرف الفئة المنوالية بأنها الفئة ذات التكرار األكبر ( ويمكن أن يكون هناك فترة منوالية واحدة أو‬
‫عدة فترات منوالية أو قد ال يوجد فترة منوالية)‪ ،‬ويكون المنوال في حال وجوده عبارة عن مركز الفئة‪.‬‬

‫مثال ‪ :28‬ليكن لدينا عالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت السابقة‪.‬‬

‫العالمة (‪)M‬‬ ‫التكرار‬

‫‪10 ≤ M < 20‬‬ ‫‪2‬‬
‫‪20 ≤ M < 30‬‬ ‫‪4‬‬
‫‪30 ≤ M < 40‬‬ ‫‪7‬‬
‫‪40 ≤ M < 50‬‬ ‫‪10‬‬
‫‪50 ≤ M < 60‬‬ ‫‪16‬‬
‫‪60 ≤ M < 70‬‬ ‫‪8‬‬
‫‪70 ≤ M < 80‬‬ ‫‪3‬‬
‫المجموع‬ ‫‪50‬‬

‫أوجد قيمة المنوال حسابياً‪.‬‬

‫الحل‪:‬‬
‫الفترة المنوالية هي [‪ [50, 60‬ألنها الفترة األكبر تكرارًا (‪ ،)16‬بالتالي المنوال يساوي ‪( 54.5‬مركز الفئة)‪.‬‬
‫من ميزات المنوال‪ :‬أنه سهل التعريف والحساب والمنوال أقل تأثراً من المتوسط بالقيم الشاذة‪ ،‬ويمكن حساب‬
‫المنوال بالنسبة للمعطيات الوصفية‪.‬‬
‫ومن مساوئ الوسيط‪ :‬ال يأخذ بعين االعتبار جميع المعطيات إذ أنه يعتمد فقط على المعطيات ذات التكرار‬
‫األكثر‪ ،‬وقد ال يوجد منوال لمجموعة من المعطيات أو قد يكون هناك أكثر من منوال‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪27‬‬

 ‫‪ .4‬مقاييس التباين ‪:measures of variability‬‬
‫وجدنا سابقاً بعض مقاييس النزعة المركزية والتي تمثل مقاييس عددية لموضع أو مكان تركز المعطيات‬
‫لظاهرة ما‪ ،‬وقد ذكرنا بأن هذه المقاييس تُستخدم لمقارنة مجموعات المعطيات المختلفة‪ .‬في الحقيقة فإن‬
‫مقاييس النزعة المركزية غير كافية إليجاد مقارنة شاملة بين تلك المجموعات‪ ،‬فقد تكون هناك مجموعات من‬
‫المعطيات لها نفس مقاييس النزعة المركزية ولكنها تختلف في بعض الصفات األخرى‪ .‬يبين المثال التالي‬
‫مجموعتين من المعطيات لهما نفس المتوسط ولكنهما مختلفتان في طبيعة تشتتهما‪.‬‬

‫مثال ‪ :29‬ليكن لدينا العينتين التاليتين‪:‬‬

‫العينة األولى‪50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60 :‬‬
‫العينة الثانية‪35, 39, 43, 47, 51, 55, 59, 63, 67, 71, 75 :‬‬
‫بالرغم من أن المتوسط يساوي ‪ 55‬للعينتين إال أن التشتت أو االختالف بين القيم في كل عينة غير متساوٍ‪.‬‬
‫ومن الواضح أن معطيات العينة األولى أكثر تقارباً فيما بينها (أقل تشتتاً وتباعداً فيما بينها) من معطيات العينة‬
‫الثانية‪ .‬لذلك دعت الحاجة إليجاد مقاييس تقيس طبيعة تشتت (أو تفرق أو تباعد) المعطيات فيما بينها‪ .‬هذه‬
‫المقاييس تسمى مقاييس التشتت‪.‬‬
‫يكون تشتت المعطيات صغيراً إذا كانت قيمها متقاربة فيما بينها والعكس بالعكس‪ .‬تستخدم مقاييس التشتت‬
‫لوصف مجموعة المعطيات وكذلك لمقارنة مجموعات المعطيات المختلفة‪ ،‬إذ أن مقاييس النزعة المركزية ال‬
‫تكفي وحدها لعملية الوصف أو المقارنة‪ .‬من أشهر مقاييس التشتت نذكر‪ :‬المدى‪ ،‬المدى الربيعي‪ ،‬التباين‪،‬‬
‫االنحراف المعياري ومعامل االختالف‪.‬‬

‫‪ .1.4‬المدى ‪:range‬‬
‫يعتبر المدى من أسهل مقاييس التشتت تعريًفا وحساباً ويعطينا فكرة سريعة عن مدى تفرق المعطيات‪.‬‬
‫تعريف ‪ :5‬يعرف المدى لمجموعة من المعطيات بالصيغة التالية‪ ، Range  xmax  xmin :‬حيث أن‬
‫‪ xmax‬تعبر عن أكبر قيمة للمعطيات و ‪ xmin‬تعبر عن أصغر قيمة‪.‬‬

‫مثال ‪ :30‬أوجد المدي للعينة التالية‪.22, 34, 17, 45, 41, 37, 26, 19 :‬‬
‫الحل‪Range  45  19  26 :‬‬
‫من ميزات المدى أنه‪ :‬سهل التعريف والحساب‪.‬‬
‫من مساوئ المدى‪ :‬ال يأخذ المدى في االعتبار كافة القيم‪ ،‬كما أنه يتأثر بالقيم الشاذة‪.‬‬

‫‪ .2.4‬المدى الربيعي ‪:interquartile range‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪28‬‬

 ‫رأينا أن المدى يتأثر كثيراً بالقيم الشاذة ولذلك دعت الحاجة إليجاد مقاييس أخرى للتشتت ال تتأثر بالقيم‬
‫المتطرفة‪ .‬أحد هذه المقاييس هو المدى الربيعي‪ ،‬حيث أن القيم المتطرفة هي تلك القيم الصغيرة أو الكبيرة‪،‬‬
‫بالتالي فإنه عند حساب المدى الربيعي ال يؤخذ في االعتبار ربع المعطيات الصغيرة (‪ )25%‬وال ربع‬
‫المعطيات الكبيرة (‪ .)25%‬أي أنه يهتم بقيمتين‪ ،‬األولى هي تلك التي يقل عنها ربع عدد أفراد العينة فقط‪،‬‬
‫والثانية هي تلك التي يزيد عنها ربع عدد أفراد العينة فقط‪ ،‬وهما يسميان على الترتيب الربيع األول أو األدنى‬
‫والربيع األعلى أو الثالث‪.‬‬
‫تعريف ‪ :6‬نرمز للمدى الربيعي بالرمز ‪ IRQ‬ويعرف بالصيغة التالية‪ ، IRQ  Q3 – Q1 :‬حيث ‪ Q1‬يعبر‬
‫عن الربيع األول ويساوي القيمة التي يسبقها ربع المعطيات (أو ‪ 25%‬من المعطيات) و ‪ Q3‬يعبر عن الربيع‬
‫الثالث ويساوي القيمة التي يسبقها ثالثة أرباع المعطيات (أو ‪ 75%‬من المعطيات)‪.‬‬

‫مالحظة ‪ :9‬يقسم الوسيط العينة المرتبة إلى نصفين النصف األدنى والنصف األعلى‪ ،‬الربيع األول هو وسيط‬
‫النصف األدنى لتلك العينة والربيع الثالث هو وسيط النصف األعلى‪.‬‬

‫مثال ‪ :31‬ليكن لدينا العينة التالية‪ .7, 3, 1, 7, 6, 9, 3, 8, 5, 8, 6, 3, 7, 1, 9 :‬أوجد كل من الوسيط‬

‫والربيع األول والربيع الثالث والمدى الربيعي‪.‬‬

‫الحل‪:‬‬
‫بعد ترتيب قيم العينة تصبح على النحو التالي‪ 1, 1, 3, 3, 3, 5, 6, 6, 7, 7, 7, 8, 8, 9, 9 :‬وبما أن‬
‫‪ n  15‬عدد فردي فإن الوسيط هو العينة التي ترتيبها ‪ ،(n1)/2  (151)/2  8‬أي أنه يساوي ‪6‬‬
‫(العينة الثامنة)‪.‬‬
‫من أجل حساب الربيع األول نحسب الوسيط للعينة ‪ 1, 1, 3, 3, 3, 5, 6‬بالتالي ‪ ، Q1  3‬ومن أجل حساب‬
‫الربيع الثالث نحسب الوسيط للعينة ‪ 7, 7, 7, 8, 8, 9, 9‬بالتالي ‪ . Q1  8‬أخيرًا المدى الربيعي‬
‫‪. IRQ  Q3 – Q1  8  3  5‬‬

‫مثال ‪ :32‬ليكن لدينا العينة التالية‪:‬‬

‫‪6, 4, 9, 15, 5, 13, 7, 12, 8, 10, 4, 1, 13, 1, 6, 4, 5, 2, 8, 2‬‬
‫أوجد كل من الوسيط والربيع األول والربيع الثالث والمدى الربيعي‪.‬‬
‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪29‬‬

‫بعد ترتيب قيم العينة تصبح على النحو التالي‪1, 1, 2, 2, 4, 4, 4, 5, 5, 6, 6, 7, 8, 8, 9, 10, 12, :‬‬
‫‪13, 13, 15‬وبما أن ‪ n  20‬عدد زوجي فإن الوسيط يساوي ‪.(66)/2  6‬‬
‫من أجل حساب الربيع األول نحسب الوسيط لعينة النصف األدنى ‪ 1, 1, 2, 2, 4, 4, 4, 5, 5, 6‬بالتالي‬
‫وبمالحظة أن ‪ n  10‬عدد زوجي‪ ، Q1  (4  4) / 2  4 ،‬ومن أجل حساب الربيع الثالث نحسب‬
‫الوسيط لعينة النصف األعلى ‪ 6, 7, 8, 8, 9, 10, 12, 13, 13, 15‬بالتالي ‪. Q3  (9  10) / 2  9.5‬‬
‫أخيرًا المدى الربيعي ‪. IRQ  Q3 – Q1  9.5  4  5.5‬‬

‫مالحظة ‪ :10‬عندما تكون معطيات العينة منظمة ضمن مضلع تكراري تراكمي صاعد‪ ،‬فإنه يمكننا حساب‬
‫القيمة التقريبية للمدى الربيعي بيانياً‪ ،‬ويتم ذلك عن طريق حساب كل من الربيع األول ‪( Q1‬الموافق لـ‬
‫‪ ) n / 4‬والربيع الثالث ‪( Q3‬الموافق لـ ‪ ) 3n / 4‬بطريقة مشابهه تماماً لحساب الوسيط (الموافق لـ ‪n / 2‬‬
‫) التي وجدناها سابقاً‪ ،‬كما يبينه الشكل التالي‪:‬‬

‫املضلع التكراري التراكمي‬

‫‪n‬‬ ‫الصاعد‬ ‫‪100‬‬
‫‪%%‬‬
‫‪3n/‬‬ ‫‪75‬‬
‫‪4‬‬ ‫‪%%‬‬
‫‪n/2‬‬ ‫‪50‬‬
‫‪%%‬‬
‫‪n/4‬‬ ‫‪25‬‬
‫‪%%‬‬
‫‪Q‬‬ ‫‪Q‬‬ ‫‪Q‬‬
‫لعالمات ‪ 1‬طالب الجامعة االفتراضية في مادة اإلحصاء‬
‫الربيعي ‪2‬‬
‫‪3‬‬ ‫مثال ‪ :33‬أوجد القيمة التقريبية للمدى‬
‫واالحتماالت المبينة في المضلع التكراري التراكمي التصاعدي التالي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪30‬‬

 ‫الحل‪:‬‬
‫من المضلع التكراري التراكمي التصاعدي نستطيع قراءة الربيع األول والذي يساوي تقريباً ‪ ،39‬والربيع‬
‫الثالث والذي يساوي تقريباً ‪ .59‬بالتالي المدى الربيعي يساوي ‪.59 – 39  20‬‬
‫من ميزات المدى الربيعي أنه‪ :‬ال يتأثر بالقيم الشاذة‪.‬‬
‫من مساوئ المدى‪ :‬ال يأخذ المدى الربيعي في االعتبار كافة قيم العينة‪.‬‬

‫‪ .3.4‬التشتت ‪ variance‬واالنحراف المعياري ‪:standard deviation‬‬

‫يعتبر التباين واالنحراف المعياري من أهم وأفضل مقاييس التشتت ومن أكثرها شيوعاً واستخداماً في التحليل‬
‫اإلحصائي وذلك لما يتمتعان به من خصائص وصفات إحصائية جيدة‪.‬‬

‫‪ .1.3.4‬التشتت‪:‬‬
‫تعتمد فكرة التباين على تشتت أو تباعد قيم المعطيات عن متوسطها‪ ،‬فالتباين يكون كبيراً إذا كانت قيم‬
‫المعطيات متباعدة عن متوسطها والعكس بالعكس‪ .‬ويعرف التباين بأنه متوسط مربع انحرافات القيم عن‬
‫الوسط الحسابي‪.‬‬

‫تعريف ‪ :7‬إذا كان عدد المعطيات (حجم العينة) هو ‪ n‬وكانت قيم العينة هي ‪ x1, x2 , , xn‬ومتوسطها‬
‫‪ x‬فإن التباين والذي يُرمز له بالرمز ‪ s 2‬ويعرف بالصيغة التالية‪:‬‬
‫‪n‬‬
‫‪( xi  x)2‬‬
‫‪s2  ‬‬
‫‪i 1 n  1‬‬
‫مثال ‪ :34‬ضمن تجربة اختبار انحراف مقياس الـ ‪ . PH‬تم تجميع معطيات عن المقياس بقياس درجة ال‬
‫تم أخذها في هذا الخصوص‪ ،‬أعطت النتائج‬ ‫‪ PH‬لمادة محايدة ( ‪ .) PH  7.0‬عينه من حجم ‪n  10‬‬
‫التالية‪:‬‬
‫‪7.07, 7.00, 7.10, 6.97, 7.00, 7.03, 7.01, 7.01, 6.98, 7.08‬‬
‫متوسط العينة ‪ x‬هو‪:‬‬
‫‪7.07  7.00  ...  7.08‬‬
‫‪x‬‬ ‫‪ 7.025‬‬
‫‪10‬‬
‫تشتت العينة ‪ s 2‬هو‪:‬‬

‫‪(7.07  7.025)2  (7.00  7.025)2  ...  (7.08  7.025)2‬‬

‫‪s ‬‬
‫‪2‬‬
‫‪ 0.00194‬‬
‫‪9‬‬
‫يمكن حساب التشتت باستخدام صيغة حسابية مختلفة (أكثر سهولة وأكثر دقة)‪ ،‬بمالحظة أن‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪31‬‬

 ‫‪2‬‬ ‫‪2‬‬
‫‪( xi  x)2 n ( xi2  2 xi x  x ) n xi2‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪2 xi x n x‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪i 1 n  1‬‬
‫وأن المقدار‪:‬‬
‫‪2‬‬
‫‪n‬‬
‫‪2 xi x‬‬ ‫‪n‬‬
‫‪xi‬‬ ‫‪n‬‬
‫‪nxi‬‬ ‫‪2nx n xi‬‬ ‫‪2nx‬‬
‫‪ n  1  2 x n  1  2 x n(n  1)   n  1  n   n  1‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪i 1‬‬
‫‪n‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪x‬‬ ‫‪nx‬‬
‫‪ n 1  n 1‬‬ ‫وأن‪:‬‬
‫‪i 1‬‬
‫بالنتيجة‪:‬‬
‫‪2‬‬
‫‪xi2‬‬
‫‪n‬‬
‫‪nx‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬
‫‪i 1 n  1 n  1‬‬
‫في المثال السابق‪:‬‬
‫‪2‬‬
‫‪xi2 10 x‬‬
‫‪10‬‬
‫‪7.072  7.002  ...  7.082 10(7.025) 2‬‬
‫‪s  ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 0.00194‬‬
‫‪i 1‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬
‫مالحظة ‪ :11‬عندما يتم ظهور المفردة أكثر من مرة في العينة (تكرارها أكبر من الواحد)‪ ،‬وبفرض أن قيم‬
‫المفردات المختلفة في العينة هي ‪ x1, x2 , , xk‬وأن تكرار كل منها هو ‪ f1, f 2 , , f k‬على‬
‫الترتيب‪ ،‬فإن التشتت يحسب كما يلي‪:‬‬
‫‪k‬‬
‫‪fi ( xi  x)2‬‬
‫‪s ‬‬
‫‪2‬‬

‫‪i 1‬‬ ‫‪n 1‬‬

‫أو باستخدام العالقة‪:‬‬
‫‪2‬‬
‫‪fi xi2 nx‬‬
‫‪k‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬
‫‪i 1 n  1 n  1‬‬

‫مثال ‪ :35‬أوجد التشتت لعينة من القياسات تمثل طول الساق لـ ‪ 10‬أنواع من النباتات بالسنتم والمعطى‬
‫بالجدول التالي (مثال ‪:)2‬‬
‫طول الساق‬ ‫التكرار‬
‫‪58‬‬ ‫‪1‬‬
‫‪55‬‬ ‫‪2‬‬
‫‪62‬‬ ‫‪3‬‬
‫‪65‬‬ ‫‪3‬‬
‫‪68‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪11‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪32‬‬

 ‫الحل‪:‬‬
‫‪5‬‬
‫‪ fi xi‬‬ ‫‪1x58  2x59  3x62  3x65  1x68‬‬
‫‪x‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪ 62.5‬‬
‫‪10‬‬ ‫‪10‬‬
‫‪2‬‬
‫‪5‬‬
‫‪fi xi2 10 x‬‬ ‫‪1x582  2x592  3x622  3x652  1x682 10x62.52‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪9‬‬
‫‪s 2  10.5‬‬

‫مالحظة ‪ :12‬عندما تكون معطيات العينة منظمة ضمن جدول تكراري باستخدام الفئات‪ ،‬فإنه يتم حساب‬
‫عبارة عن مراكز الفئات‪.‬‬ ‫التشتت باستخدام العالقة السابقة وحيث تكون القيم ‪xi‬‬

‫مثال ‪ :36‬أوجد التشتت لعالمات طالب الجامعة االفتراضية في مادة اإلحصاء واالحتماالت المبينة في جدول‬
‫التكرار التالي‪:‬‬
‫العالمة (‪)M‬‬ ‫مركز الفئة‬ ‫التكرار‬
‫‪10 ≤ M < 20‬‬ ‫‪14.5‬‬ ‫‪2‬‬
‫‪20 ≤ M < 30‬‬ ‫‪24.5‬‬ ‫‪4‬‬
‫‪30 ≤ M < 40‬‬ ‫‪34.5‬‬ ‫‪7‬‬
‫‪40 ≤ M < 50‬‬ ‫‪44.5‬‬ ‫‪10‬‬
‫‪50 ≤ M < 60‬‬ ‫‪54.5‬‬ ‫‪16‬‬
‫‪60 ≤ M < 70‬‬ ‫‪64.5‬‬ ‫‪8‬‬
‫‪70 ≤ M < 80‬‬ ‫‪74.5‬‬ ‫‪3‬‬
‫المجموع‬ ‫‪50‬‬

‫الحل‪:‬‬
‫‪2x14.5  4x24.5  7x34.5  10x44.5  16x54.5  8x64.5  3x74.5‬‬
‫‪x‬‬
‫‪50‬‬
‫‪x  48.5‬‬
‫‪2‬‬
‫‪7‬‬
‫‪fi xi2 50 x‬‬ ‫‪2x14.52  4x24.52  ...  3x74.52 50x48.7 2‬‬
‫‪s2  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪49‬‬ ‫‪49‬‬ ‫‪49‬‬ ‫‪49‬‬
‫‪s 2  229.8‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪33‬‬

 ‫‪.2.3.4‬االنحراف المعياري‪:‬‬
‫إن التباين من أهم وأفضل مقاييس التشتت ولكنه يقاس بوحدة المعطيات األصلية المربعة‪ .‬وفي كثير من‬
‫األحيان نرغب في استخدام مقياس للتشتت يقاس بوحدة المعطيات األصلية‪ ،‬أحد هذه المقاييس هو االنحراف‬
‫المعياري‪ .‬ويعرف االنحراف المعياري على أنه الجذر التربيعي للتباين‪.‬‬

‫تعريف ‪ :8‬إذا كان عدد المعطيات (حجم العينة) هو ‪ n‬وكانت قيم العينة هي ‪ x1, x2 , , xn‬وتشتتها ‪s 2‬‬
‫ويعرف بالصيغة التالية‪:‬‬ ‫فإن االنحراف المعياري والذي يُرمز له بالرمز ‪s‬‬
‫‪( xi  x)2‬‬
‫‪n‬‬
‫‪s s  ‬‬ ‫‪2‬‬

‫‪i 1 n  1‬‬
‫أو عندما يتم ظهور المفردة أكثر من مرة في العينة‪ ،‬وبفرض أن تكرار كل منها هو ‪ f1, f 2 , , f k‬على‬
‫الترتيب‪:‬‬
‫‪k‬‬
‫‪fi ( xi  x)2‬‬
‫‪s s ‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪n 1‬‬
‫‪i 1‬‬

‫مثال ‪ :37‬أوجد االنحراف المعياري لعينة المثال ‪.11‬‬

‫الحل‪:‬‬
‫‪s  0.00194  0.044‬‬

‫خواص التشتت واالنحراف المعياري‪:‬‬

‫يخضع التشتت واالنحراف المعياري إلى العمليات الجبرية التالية‪:‬‬

‫االنحراف‬
‫التشتت‬ ‫العينة‬
‫المعياري‬
‫‪s2‬‬ ‫‪s‬‬ ‫‪x1, x2 , , xn‬‬
‫‪s2‬‬ ‫‪s‬‬ ‫‪x1  b, x2  b, , xn  b‬‬
‫‪a2s2‬‬ ‫‪|a|s‬‬ ‫‪ax1, ax2 , , axn‬‬
‫‪a2s2‬‬ ‫‪|a|s‬‬ ‫‪ax1  b, ax2  b, , axn  b‬‬

‫مثال ‪:38‬‬

‫التشتت‬ ‫االنحراف المعياري‬ ‫العينة‬ ‫العملية‬

‫‪ISSN: 2617-989X‬‬ ‫‪34‬‬

 ‫‪3.5‬‬ ‫‪1.871‬‬ ‫‪4, 6, 5, 8, 9, 7‬‬ ‫‪x‬‬
‫‪3.5‬‬ ‫‪1.871‬‬ ‫‪6, 8, 7, 10, 11, 9‬‬ ‫‪x2‬‬
‫‪9x3.5 = 31.5‬‬ ‫‪3x1.871 = 5.612‬‬ ‫‪12, 18, 15, 24, 27, 21‬‬ ‫‪3x‬‬
‫‪4x3.5 = 14‬‬ ‫‪2x1.871 = 3.742‬‬ ‫‪11, 15, 13, 19, 21, 17‬‬ ‫‪2x  3‬‬

‫العينة‬ ‫تشتت‬ ‫هو‬ ‫فما‬ ‫‪25‬‬ ‫هو‬ ‫‪x1, x2 , , xn‬‬ ‫العينة‬ ‫تشتت‬ ‫كان‬ ‫إذا‬ ‫‪:39‬‬ ‫مثال‬
‫‪x  5 x2  5‬‬ ‫‪x 5‬‬
‫‪ 1‬؟‬ ‫‪,‬‬ ‫‪, ..., n‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫الحل‪:‬‬
‫التشتت هو‪:‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪25‬‬
‫‪s    x25 ‬‬
‫‪2‬‬
‫‪ 6.25‬‬
‫‪2‬‬ ‫‪4‬‬
‫واالنحراف المعياري هو‪:‬‬

‫‪s  6.25  2.5‬‬

‫‪ .1‬إذا كان لدينا مجموعتان من المعطيات بحيث أن عدد معطيات المجموعة األولى هو ‪ n1‬وتشتتها هو ‪s12‬‬
‫وكان عدد معطيات المجموعة الثانية هو ‪ n2‬وتشتتها هو ‪ s22‬فإن تشتت المجموعة الكلية ‪ x‬المكونة من‬
‫دمج هاتين المجموعتين يمكن حسابه كما يلي‪:‬‬

‫‪(n1  1) s12  (n2  1) s22‬‬

‫‪s ‬‬
‫‪2‬‬
‫‪n1  n2  1‬‬

‫مثال ‪ :40‬ليكن لدينا مجموعتان من المعطيات بحيث أن عدد معطيات المجموعة األولى هو ‪ 8‬وتشتتها هو ‪4‬‬
‫وعدد معطيات المجموعة الثانية هو ‪ 13‬وتشتتها هو ‪ 8‬فما هو تشتت المجموعة الكلية المكونة من دمج هاتين‬
‫المجموعتين؟‬

‫الحل‪:‬‬
‫‪(n1  1) s12  (n2  1) s22 7x4  12x8‬‬
‫‪s ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ 6.2‬‬
‫‪n1  n2  1‬‬ ‫‪8  13  1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪35‬‬

 ‫‪ .4.4‬معامل االختالف ‪:coefficient of variation‬‬
‫إن التباين واالنحراف المعياري من المقاييس المفيدة لقياس التشتت لتوزيع متغير ما‪ ،‬ولكن في كثير من‬
‫األحيان نهتم بمقارنة التشتت واالختالف لتوزيعي متغيرين مختلفين‪ .‬وبما أن التباين واالنحراف المعياري‬
‫مقياسان يعتمدان على وحدة المعطيات فإنه يصعب استخدامهما لمقارنة تجانس المجموعات المختلفة من‬
‫المعطيات في الحالتين التاليتين‪:‬‬
‫‪ ‬إذا كانت وحدتا المتغيرين مختلفتين حيث ال نستطيع مقارنة الوحدات المختلفة‪.‬‬
‫‪ ‬إذا كان متوسطا المتغيرين مختلفين وذلك ألن تباين توزيع المتغير ذي المتوسط الصغير ينزع ألن‬
‫يكون صغيراً والعكس بالعكس‪.‬‬
‫لذلك دعت الحاجة إلى مقياس ال يعتمد على وحدة المتغير ويقيس ما يسمى بالتشتت النسبي‪ .‬وأحد هذه‬
‫المقاييس هو ما يسمى بمعامل االختالف ويستخدم لمقارنة التشتت النسبي أو التجانس لمجموعات المعطيات‬
‫المختلفة‪ .‬فمجموعة المعطيات ذات معامل االختالف األكبر يكون تشتتها النسبي أكبر أي أنها تكون أقل تجانساً‬
‫والعكس بالعكس‪.‬‬

‫تعريف ‪ :9‬ليكن لدينا عينة من المعطيات متوسطها ‪ x‬وانحرافها المعياري ‪ ، s‬نرمز بمعامل االختالف للعينة‬
‫‪s‬‬
‫‪. CV ‬‬ ‫المذكورة بالرمز ‪ CV‬ويعرف بالصيغة التالية‪:‬‬
‫‪x‬‬

‫مثال ‪ :41‬يبين الجدول التالي معطيات إحدى الدراسات التي طبقت على ‪ 8‬أشخاص لقياس العمر (بالسنة)‬
‫والوزن (بالكلغ) والطول (بالسنتيمتر)‪ .‬أوجد المعطيات األكثر تجانسًا معطيات األعمار أم معطيات األوزان أم‬
‫معطيات األطوال؟‬

‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الشخص‬

‫‪37‬‬ ‫‪25‬‬ ‫‪32‬‬ ‫‪24‬‬ ‫‪23‬‬ ‫‪27‬‬ ‫‪32‬‬ ‫‪25‬‬ ‫العمر‬
‫‪68‬‬ ‫‪65‬‬ ‫‪72‬‬ ‫‪77‬‬ ‫‪71‬‬ ‫‪70‬‬ ‫‪68‬‬ ‫‪66‬‬ ‫الوزن‬
‫‪169‬‬ ‫‪168‬‬ ‫‪161‬‬ ‫‪159‬‬ ‫‪160‬‬ ‫‪164‬‬ ‫‪163‬‬ ‫‪166‬‬ ‫الطول‬

‫الحل‪:‬‬
‫معامل االختالف‬ ‫االنحراف المعياري‬ ‫المتوسط‬ ‫المعطيات‬
‫‪0.177‬‬ ‫‪4.970‬‬ ‫‪28.125‬‬ ‫األعمار‬
‫‪0.055‬‬ ‫‪3.815‬‬ ‫‪69.625‬‬ ‫األوزان‬
‫‪0.023‬‬ ‫‪3.694‬‬ ‫‪163.750‬‬ ‫األطوال‬

‫‪ISSN: 2617-989X‬‬ ‫‪36‬‬

‫من الجدول السابق نستنتج أن معطيات األطوال هي األكثر تجانساً ألن معامل االختالف لألطوال أصغر من‬
‫معامل االختالف للمعطيات األخرى‪.‬‬

‫‪ .5.4‬متراجحة تشيبيشيف ‪:Chebechev inequality‬‬

‫تعتبر متراجحة تشيبيشيف من النظريات المفيدة التي تعطينا حداً أدنى لنسبة المعطيات التي تقع ضمن مجال‬
‫معين عند معرفة متوسط المعطيات وانحرافها المعياري دون الحاجة لمعرفة المعطيات األصلية أو التوزيع‬
‫الذي أخذت منه العينة‪.‬‬

‫فإن نسبة المعطيات الواقعة‬
‫مبرهنة ‪ :1‬ليكن لدينا عينة من المعطيات متوسطها ‪ x‬وانحرافها المعياري ‪s‬‬
‫‪‬‬ ‫‪1 ‬‬
‫‪ ، 1 ‬حيث ‪. k  1‬‬ ‫ضمن المجال ]‪ [ x  ks, x  ks‬ال تقل عن ‪‬‬
‫‪‬‬ ‫‪k2 ‬‬
‫مالحظة ‪ :13‬نطبق متراجحة تشيبيشيف للمجاالت التي منتصفها هو المتوسط‪.‬‬

‫مالحظة ‪ :14‬من الواضح رؤية أن نسبة المعطيات الواقعة خارج المجال ]‪ [ x  ks, x  ks‬هي على‬
‫‪1‬‬
‫األكثر ‪. 2‬‬
‫‪k‬‬
‫‪1‬‬
‫يبين الجدول التالي بعض القيم ل ‪ k‬والقيمة ‪ 1  2‬الموافقة لها‪:‬‬
‫‪k‬‬
‫‪k‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪8‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪k‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪9‬‬

‫مثال ‪ :42‬لدينا عينة من المعطيات متوسطها ‪ 25‬وانحرافها المعياري ‪ 4.5‬ماهي نسبة المعطيات الواقعة‬
‫ضمن المجال ]‪[16, 34‬؟‬

‫الحل‪:‬‬
‫من المالحظ أن مركز المجال ]‪ [16, 34‬هو ‪ ،(16+34)/2 = 25‬أي متوسط العينة المعطاة‪ ،‬بالتالي يمكننا‬
‫تطبيق متراجحة تشيبيشيف‪.‬‬
‫علينا اآلن إيجاد قيم ‪ ، [ x  ks, x  ks]  [16, 34]: k‬بالتالي ‪ x  ks  25  4.5k  16‬بحل هذه‬
‫‪‬‬ ‫‪1  ‬‬ ‫‪1  ‬‬ ‫‪1‬‬
‫المعادلة نحصل على ‪ . k  2‬والقيمة ‪. 1  2   1  2   1    0.75‬‬
‫‪ k   2   4‬‬
‫أي أن نسبة المعطيات الواقعة ضمن المجال ]‪ [16, 34‬ال تقل عن ‪.75%‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪37‬‬

 ‫مثال ‪ :43‬لدينا عينة المثال السابق‪ .‬أوجد مجال يقع فيها ما ال يقل عن ‪ 50%‬من المعطيات‪.‬‬

‫الحل‪:‬‬
‫‪‬‬ ‫‪1 ‬‬ ‫‪1‬‬
‫‪1  2   0.5  2  0.5  k  2  k  2 1.41‬‬
‫‪2‬‬
‫‪ k ‬‬ ‫‪k‬‬
‫وبالتالي فإن المجال الذي يقع فيها ما ال يقل عن ‪ 50%‬من المعطيات هو‪:‬‬
‫]‪ x  ks, x  ks   25  2x4.5, 25  2x4.5  [18.6, 31.4‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬

‫‪.6.4‬القيم المعيارية ‪:standard values‬‬

‫نواجه في كثير من األحيان أثناء دراستنا لكثير من الظواهر مقارنة مفردتين من مفرداتها وبحيث تصعب هذه‬
‫المقارنة خاصة إذا كانت المفردتان تنتميان إلى ظاهرتين مختلفتين من حيث المتوسط واالنحراف المعياري‪.‬‬
‫على سبيل المثال لمقارنة عالمة طالب في إحدى المواد بعالمته في مادة أخرى‪ ،‬فمثالً إذا حصل أحد الطالب‬
‫على عالمة ‪ 85‬من ‪ 100‬في مادة الفيزياء وكانت عالمته في الرياضيات ‪ 80‬من ‪ ،100‬يتبادر إلى الذهن أن‬
‫مستوى تحصيل الطالب في الفيزياء أفضل منه في الرياضيات‪ .‬لهذا اتفق اإلحصائيون على ان نقيس بعد كل‬
‫منهما عن وسطها الحسابي بانحرافها المعياري وهذا ما يعرف بالقيمة المعيارية‪.‬‬

‫تعريف ‪ :10‬ليكن لدينا عينة من المعطيات ‪ x1, x2 , , xn‬حجمها ‪ n‬ومتوسطها ‪ x‬وانحرافها المعياري‬
‫‪ ، s  0‬نعرف القيمة المعيارية للقيمة ‪( xi‬المفردة األصلية) كما يلي‪:‬‬
‫‪xi  x‬‬
‫‪zi ‬‬ ‫‪, i  1, 2, ... , n‬‬
‫‪s‬‬

‫‪ ‬تكون القيمة المعيارية موجبة إذا كانت المفردة فوق المتوسط ويكون سالبة إذا كانت تحته‪.‬‬
‫‪ ‬المفردة األصلية للقيمة المعيارية ‪ zi‬هي‪. xi  x  szi :‬‬
‫‪ ‬متوسط القيم المعيارية يساوي الصفر‪.‬‬
‫‪ ‬االنحراف المعياري للقيم المعيارية يساوي الواحد‪.‬‬

‫مثال ‪ :44‬ليكن لدينا عينة من المعطيات متوسطها ‪ x  9‬وانحرافها المعياري ‪ ، s  6‬أوجد القيمة‬
‫المعيارية للقيمة ‪ 12‬ومن ثم أوجد القيمة األصلية للقيمة المعيارية ‪. z  0.1‬‬
‫الحل‪:‬‬
‫‪x  x 12  9‬‬
‫‪z‬‬ ‫‪‬‬ ‫القيمة المعيارية للقيمة ‪ x  12‬هي‪ 0.5 :‬‬
‫‪s‬‬ ‫‪6‬‬
‫القيمة األصلية للقيمة المعيارية ‪ z  0.1‬هي‪x  x  sz  9  6x0.1  9.6 :‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪38‬‬

‫مثال ‪ :45‬في امتحان لمقرر اإلحصاء كان المتوسط لعالمات طالب صف ‪ 70‬وانحراف معياري ‪ 10‬وفي‬
‫امتحان لمقرر الرياضيات للصف نفسه كان المتوسط لعالمات الصف ‪ 60‬واالنحراف المعياري ‪ .6‬فإذا كانت‬
‫عالمة أحد الطالب في امتحان اإلحصاء ‪ 80‬وعالمته في الرياضيات ‪ 72‬ففي أي االمتحانين كان مستوى‬
‫تحصيله أفضل؟‬
‫الحل‪:‬‬
‫‪x  x 80  70‬‬
‫‪z‬‬ ‫‪‬‬ ‫القيمة المعيارية للقيمة ‪ x  80‬في مادة اإلحصاء هي‪ 1 :‬‬
‫‪s‬‬ ‫‪10‬‬
‫‪x  x 72  60‬‬
‫‪z‬‬ ‫‪‬‬ ‫القيمة المعيارية للقيمة ‪ x  72‬في مادة الرياضيات هي‪ 2 :‬‬
‫‪s‬‬ ‫‪6‬‬
‫بما أن القيمة المعيارية لمقرر الرياضيات ‪ 2‬أكبر من القيمة المعيارية لمقرر اإلحصاء ‪ 1‬فإن مستوى تحصيله‬
‫في مقرر الرياضيات أفضل من مستوى تحصيله في مقرر اإلحصاء بالرغم من أن عالمته في مقرر‬
‫اإلحصاء أفضل من عالمته في مقرر الرياضيات‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪39‬‬

 ‫تمارين‬

‫‪ .1‬لتكن المعطيات التالية‪:‬‬

‫‪15, 11, 12, 13, 10, 12, 14, 16, 12‬‬
‫أوجد ما يلي‪:‬‬
‫‪ )a‬المتوسط‬
‫‪ )b‬الوسيط‬
‫‪ )c‬الربيع األول والثالث‬
‫‪ )d‬المنوال‬
‫‪ )e‬التشتت‬
‫‪ )f‬االنحراف المعياري‬

‫‪ .2‬يبين الجدول التالي الفئات وتكراراتها‬

‫الفئات‬ ‫[‪[10,20‬‬ ‫[‪[20,30‬‬ ‫[‪[30,40‬‬ ‫[‪[40,50‬‬ ‫[‪[50,60‬‬ ‫[‪[60,70‬‬ ‫[‪[70,80‬‬

‫التكرارات‬ ‫‪12‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪11‬‬ ‫‪7‬‬

‫أوجد ما يلي‪:‬‬
‫‪ )a‬المتوسط‬
‫‪ )b‬الوسيط‬
‫‪ )c‬الربيع األول والثالث‬
‫‪ )d‬المنوال‬
‫‪ )e‬التشتت‬
‫‪ )f‬االنحراف المعياري‬

‫‪ISSN: 2617-989X‬‬ ‫‪40‬‬

‫‪ .3‬تبين القيم التالية أعمار‪ ،‬مقدرة بالساعات‪ ،‬للمبات اقتصادية ‪ 40 watt, 110 volt‬والتي أخذت من‬
‫اختبارات قسرية‪ .‬أوجد المخطط الصندوقي لتلك األعمار‬
‫‪919‬‬ ‫‪1196 785‬‬ ‫‪1126 936‬‬ ‫‪918‬‬ ‫‪1156 920‬‬
‫‪948‬‬ ‫‪1067 1092 1162 1170 929‬‬ ‫‪950‬‬ ‫‪905‬‬
‫‪972‬‬ ‫‪1035 1045 855‬‬ ‫‪1195 1195 1340 1122‬‬
‫‪938‬‬ ‫‪970‬‬ ‫‪1237 956‬‬ ‫‪102‬‬ ‫‪1157 978‬‬ ‫‪832‬‬
‫‪1009 1157 1151 1009 765‬‬ ‫‪958‬‬ ‫‪902‬‬ ‫‪1022‬‬
‫‪1333 811‬‬ ‫‪1217 1085 896‬‬ ‫‪958‬‬ ‫‪1311 1037‬‬
‫‪702‬‬ ‫‪923‬‬

‫‪ .4‬لتكن معطيات التمرين السابق‪ .‬أوجد ما يلي‪:‬‬

‫‪ )a‬الجدول التكراري ألعمار اللمبات وذلك باستخدام عدد مناسب من الفئات‪.‬‬
‫‪ )b‬جدول التكرار التراكمي الصاعد ألعمار اللمبات‪.‬‬
‫‪ )c‬المدرج التكراري ألعمار اللمبات‪.‬‬
‫‪ )d‬المنحني التكراري التراكمي ألعمار اللمبات‪.‬‬

‫‪ .5‬عينة من القراءات تم أخذها من مجتمع أعطت الجدول التالي‪:‬‬

‫‪x‬‬ ‫‪20‬‬ ‫‪25‬‬ ‫‪28‬‬ ‫‪30‬‬ ‫‪32‬‬ ‫‪35‬‬

‫‪f‬‬ ‫‪5‬‬ ‫‪25‬‬ ‫‪20‬‬ ‫‪25‬‬ ‫‪15‬‬ ‫‪10‬‬

‫عينة ثانية من نفس المجتمع أعطت ما يلي‪:‬‬

‫‪n2  50,‬‬ ‫‪ x  1620,  x2  55928‬‬
‫أوجد المتوسط والتشتت العينة الكلية المكونة من دمج هاتين العينتين‪.‬‬

‫‪ .6‬عينة من طالب الجامعة االفتراضية حجمها ‪ ،300‬متوسط أوزانهم ‪ 58 kg‬وتشتت مقداره ‪،16 kg2‬‬
‫المطلوب‪:‬‬
‫‪ )a‬المجال الذي يحوي على األقل ‪ 200‬وزنًا من أوزان العينة‪.‬‬
‫‪ )b‬المجال الذي يقع خارجه على األكثر ‪ 50‬وزناً من أوزان العينة‪.‬‬
‫‪ )c‬العدد األعظمي للطالب الذين تقع أوزانهم خارج المجال ]‪.[53, 63‬‬
‫‪ )d‬العدد األصغري للطالب الذين تقع أوزانهم ضمن المجال ]‪.[48, 68‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪41‬‬

 ‫المدة‪ :‬ساعة واحدة‬ ‫عالمة النجاح‪51 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )80‬درجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬

‫‪ .1‬إذا كان ‪ 35‬قيمة الحد األعلى لفئة طولها ‪ ،10‬بالتالي فإن الحد األدنى للفئة هو‪:‬‬
‫‪20 )a‬‬
‫‪25 )b‬‬
‫‪30 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .2‬متوسط العينة التالية ‪ 10, 20, 30, 40, 50‬هو‪:‬‬

‫‪15 )a‬‬
‫‪25 )b‬‬
‫‪35 )c‬‬
‫‪30 )d‬‬

‫‪ .3‬أيًا من المقاييس التالية ليس مقياس للنزعة المركزية؟‬

‫‪ )a‬المتوسط‬
‫‪ )b‬الوسيط‬
‫‪ )c‬المدى‬
‫‪ )d‬المنوال‬

‫‪ .4‬أيًا من المقاييس للنزعة المركزية التالية ال يمكن إيجاده بيانياً؟‬

‫‪ )a‬المتوسط‬
‫‪ )b‬الوسيط‬
‫‪ )c‬المنوال‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪42‬‬

 ‫‪ .5‬أيًا من المقاييس للنزعة المركزية التالية يمكن أن يأخذ أكثر من قيمة من أجل عينة واحدة؟‬
‫‪ )a‬المتوسط‬
‫‪ )b‬الوسيط‬
‫‪ )c‬المنوال‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .6‬ما يحدث لمتوسط عينة من القيم (‪ n‬قيمة) إذا طرحنا من كل قيمة من قيم العينة المقدار ‪5‬؟‬
‫‪ )a‬ال يتغير المتوسط‬
‫‪ )b‬يزداد المتوسط بمقدار ‪5‬‬
‫‪ )c‬ينقص المتوسط بمقدار ‪5‬‬
‫‪ )d‬ينقص المتوسط بمقدار ‪5/n‬‬

‫‪ .7‬االنحراف المعياري لعينة من ‪ 50‬قيمة هو ‪ .8‬إذا ضربنا كل قيمة من قيم العينة بالقيمة ‪ ،2‬تصبح قيمة‬
‫االنحراف المعياري‪:‬‬
‫‪4 )a‬‬
‫‪8 )b‬‬
‫‪16 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .8‬أيًا من المقاييس التالية هو مقياس نسبي للتباين؟‬

‫‪ )a‬االنحراف المعياري‬
‫‪ )b‬التشتت‬
‫‪ )c‬معامل االختالف‬
‫‪ )d‬كل ما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪43‬‬

 ‫‪ .9‬إذا كان متوسط عينة من القيم هو ‪ 25‬ومعامل االختالف هو ‪ ،0.1‬عندئذ االنحراف المعياري هو‪:‬‬
‫‪6.25 )a‬‬
‫‪2.5 )b‬‬
‫‪0.25 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .11‬وسيط العينة التالية ‪ 5, 12, 6, 8, 5, 6, 7, 5, 12, 4, 1‬هو‪:‬‬

‫‪6 )a‬‬
‫‪5 )b‬‬
‫‪7 )c‬‬
‫‪8 )d‬‬

‫‪ .11‬منوال العينة التالية ‪ 5, 12, 6, 8, 5, 6, 7, 5, 12, 4, 1‬هو‪:‬‬

‫‪6 )a‬‬
‫‪5 )b‬‬
‫‪7 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .12‬مدى العينة التالية ‪ 5, 12, 6, 8, 5, 6, 7, 5, 12, 4, 1‬هو‪:‬‬

‫‪12 )a‬‬
‫‪1 )b‬‬
‫‪11 )c‬‬
‫‪8 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪44‬‬

 ‫‪ .13‬أيًا من المقاييس التالية ليس مقياس للتباين؟‬
‫‪ )a‬المدى‬
‫‪ )b‬الربيعيات ‪quartiles‬‬
‫‪ )c‬التشتت‬
‫‪ )d‬االنحراف المعياري‬

‫‪ .14‬أيًا من مقاييس التباين التالية التي تتأثر أكبر ما يمكن بالقيم الشاذة؟‬
‫‪ )a‬التشتت‬
‫‪ )b‬االنحراف المعياري‬
‫‪ )c‬المدى الربيعي‬
‫‪ )d‬المدى‬

‫ليكن لدينا جدول التكرار التالي‪:‬‬

‫الفترة‬ ‫التكرار‬
‫[‪[0, 9‬‬ ‫‪40‬‬
‫[‪[10, 19‬‬ ‫‪50‬‬
‫[‪[20, 29‬‬ ‫‪70‬‬
‫[‪[30, 39‬‬ ‫‪40‬‬
‫‪ .15‬طول الفترة هو‪:‬‬
‫‪10 )a‬‬
‫‪9 )b‬‬
‫‪11 )c‬‬
‫‪ )d‬تختلف من فترة ألخرى‬

‫‪ISSN: 2617-989X‬‬ ‫‪45‬‬

 ‫‪ .16‬التكرار النسبي للفترة [‪ [10, 19‬هو‪:‬‬
‫‪0.5 )a‬‬
‫‪0.45 )b‬‬
‫‪0.25 )c‬‬
‫‪ )d‬ال يمكن إيجاده بالمعطيات المتوفرة‬

‫(‪ )20‬درجة‬ ‫السؤال الثاني‪:‬‬

‫عينة من طالب الجامعة االفتراضية حجمها ‪ ،200‬متوسط أوزانهم ‪ 60 kg‬وتشتت مقداره ‪،25 kg2‬‬
‫المطلوب‪:‬‬
‫‪ )a‬المجال الذي يحوي على األقل ‪ 150‬وزنًا من أوزان العينة‪.‬‬
‫‪ )b‬المجال الذي يقع خارجه على األكثر ‪ 25‬وزناً من أوزان العينة‪.‬‬
‫‪ )c‬العدد األعظمي للطالب الذين تقع أوزانهم خارج المجال ]‪.[52, 68‬‬
‫‪ )d‬العدد األصغري للطالب الذين تقع أوزانهم ضمن المجال ]‪.[48, 72‬‬

‫الحل‪:‬‬
‫‪‬‬ ‫‪1 ‬‬
‫‪ 1  2  )a‬من نسبة المعطيات تقع ضمن المجال ]‪. [ x  ks, x  ks‬‬
‫‪ k ‬‬
‫‪1‬‬ ‫‪150 3‬‬
‫‪1‬‬ ‫‪‬‬‫‪‬‬
‫‪k 2 200 4‬‬
‫‪1‬‬ ‫‪3 1‬‬
‫‪2‬‬
‫‪1 ‬‬
‫‪k‬‬ ‫‪4 4‬‬
‫‪k 2‬‬
‫بالتالي ‪ 150‬وزنًا من أوزان العينة تقع ضمن المجال‪. [60  2(5), 60  2(10)] [50, 70] :‬‬
‫‪54  66‬‬ ‫‪1‬‬ ‫‪25 1‬‬
‫‪ .‬أي أن ‪ 25‬وزناً من‬ ‫‪ ، 2 ‬بالتالي ‪ 60  x‬‬ ‫‪ )b‬نعين ‪ k‬بحيث يكون ‪‬‬
‫‪2‬‬ ‫‪k‬‬ ‫‪200 8‬‬
‫أوزان العينة على األكثر تقع خارج المجال‬
‫]‪. [60  5 8, 60  5 8]  [45.86, 74.14‬‬

‫‪68  52‬‬ ‫‪52  68‬‬

‫‪ ،‬بالتالي‬ ‫ونصف قطره ‪ 8  ks‬‬ ‫‪ )c‬المجال ]‪ :[52, 68‬مركزه ‪ 60  x‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 5k  8‬أو ‪. k  8 / 5  1.6‬‬
‫وبالتالي العدد األعظمي للطالب تقع أوزانهم خارج الفترة ]‪ [52, 68‬هو‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪46‬‬

 ‫‪1‬‬ ‫‪1‬‬
‫(‪n‬‬ ‫‪2‬‬
‫(‪)  200‬‬ ‫‪)  78.125‬‬
‫‪k‬‬ ‫‪(1.6)2‬‬
‫‪ 78‬طالباً‪.‬‬

‫‪72  48‬‬ ‫‪48  72‬‬

‫‪ ،‬بالتالي‬ ‫ونصف قطره ‪ 12  ks‬‬ ‫‪ )d‬المجال ]‪ :[48, 72‬مركزه ‪ 60  x‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ 5k  12‬أو ‪. k  12 / 5  2.4‬‬
‫وبالتالي العدد األصغري للطالب تقع أوزانهم داخل المجال ]‪ [48, 72‬هو‪:‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪n(1 ‬‬ ‫‪2‬‬
‫‪)  200(1 ‬‬ ‫‪)  165.28‬‬
‫‪k‬‬ ‫‪(2.4)2‬‬
‫‪ 165‬طالباً‪.‬‬

‫توجيه في حال الخطأ‪ :‬راجع الفقرة ‪4.5‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪47‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪1‬‬
‫الفقرة ‪1.3‬‬ ‫‪d‬‬ ‫‪2‬‬
‫الفقرة ‪3‬‬ ‫‪c‬‬ ‫‪3‬‬
‫الفقرة ‪ 1.3‬و‪2‬‬ ‫‪a‬‬ ‫‪4‬‬
‫الفقرة ‪3‬‬ ‫‪d‬‬ ‫‪5‬‬
‫الفقرة ‪1.3‬‬ ‫‪c‬‬ ‫‪6‬‬
‫الفقرة ‪4.3‬‬ ‫‪c‬‬ ‫‪7‬‬
‫الفقرة ‪4‬‬ ‫‪c‬‬ ‫‪8‬‬
‫الفقرة ‪4‬‬ ‫‪b‬‬ ‫‪9‬‬
‫الفقرة ‪2.3‬‬ ‫‪a‬‬ ‫‪10‬‬
‫الفقرة ‪3.3‬‬ ‫‪b‬‬ ‫‪11‬‬
‫الفقرة ‪1.4‬‬ ‫‪c‬‬ ‫‪12‬‬
‫الفقرة ‪4‬‬ ‫‪b‬‬ ‫‪13‬‬
‫الفقرة ‪4‬‬ ‫‪d‬‬ ‫‪14‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪15‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪16‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪48‬‬

 ‫الفصل الثاني‪ :‬مفاهيم أساسية في االحتماالت‬
‫‪Chapter 2: Basic concepts in probability‬‬

‫الكلمات المفتاحية‪:‬‬
‫تجربة عشوائية‪ ،‬فضاء العينة‪ ،‬حدث‪ ،‬حدث بسيط‪ ،‬متمم حدث‪ ،‬اجتماع حدثين‪ ،‬تقاطع حدثين‪ ،‬المبدأ األساسي‬
‫في العد‪ ،‬التباديل‪ ،‬التوافيق‪ ،‬احتمال حدث‪ ،‬تجزئة‪ ،‬احتمال شرطي‪ ،‬أحداث مستقلة‪ ،‬مبرهنة بايز‪ ،‬قانون‬
‫االحتمال الكلي‪.‬‬

‫ملخص‪:‬‬
‫يهدف هذا الفصل بتوضيح المفاهيم األساسية لنظرية االحتمال وخواصها وقوانينها‪ ،‬الحدث وأنواع األحداث‬
‫والتمييز بين قاعدة الجمع وقاعدة الجداء واألحداث المستقلة والمتنافية والمبادئ األساسية لنظرية العد والتمييز‬
‫بين عدد طرق االختيار المرتب التي يمكن تكوينها من عدة أشياء (التباديل) وبين عدد طرق االختيار غير‬
‫المرتب التي يمكن تكوينها من عدة أشياء (التوافيق)‪ ،‬واالحتمال الشرطي ونظرية بايز‪.‬‬

‫األهداف تعليمية‪:‬‬
‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫‪ ‬المفاهيم األساسية لنظرية االحتمال‬
‫‪ ‬األحداث البسيطة والمركبة‬
‫‪ ‬المبدأ األساسي في العد والتباديل والتوافيق‬
‫‪ ‬احتمال الحدث‬
‫‪ ‬االحتمال الشرطي واألحداث المستقلة‬
‫‪ ‬مبرهنة بايز وقانون االحتمال الكلي‬

‫‪ISSN: 2617-989X‬‬ ‫‪49‬‬

 ‫تلعب االحتماالت دوراً كبيراً في الحياة اليومية وفي كثير من العلوم فهي تُستخدم في قياس حادثة معينة غير‬
‫مؤكدة الحدوث‪ ،‬فكثيرا ما نتخذ قرارات بناءً على معلومات ناقصة وتساعدنا االحتماالت على ذلك‪ ،‬فمثالً‪ :‬قد‬
‫يهمل الطالب دراسة جزء صغير من المقرر ألن احتمال أن يأتي منه سؤال في االمتحان صغير‪ .‬وقد نلغي‬
‫رحلة رتبنا لها منذ فترة ألن احتمال أن يكون الجو رديء كبير‪.‬‬
‫ونظرية االحتماالت هي فرع من فروع الرياضيات التطبيقية الذي يهتم بدراسة تأثير الصدفة على الظواهر‬
‫واألشياء‪ .‬فإذا ألقيت قطعة نقود إلى األعلى فإنه من المؤكد سقوطها على األرض‪ ،‬ولكن ال نعلم على أي وجه‬
‫سوف تسقط أو أي الوجهين سوف يظهر وهذا يسمى بـالصدفة‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪50‬‬

 ‫‪ .1‬تعاريف أساسية ‪:basic definitions‬‬
‫‪ .1.1‬التجربة العشوائية ‪:random experience‬‬
‫التجربة هي إجراء يمكن وصفه وصفا دقيقاً ومالحظة ما ينتج عنه‪ ،‬وهناك نوعان من التجارب‪ :‬التجارب‬
‫المحددة ( بمعنى أنه إذا تكررت التجربة نفسها تحت نفس الظروف فمن المؤكد الحصول على النتيجة نفسها‬
‫مثل إلقاء تفاحة في الهواء فإنه البد من أن تسقط على األرض)‪ ،‬والتجارب العشوائية‪.‬‬
‫تعريف ‪ :1‬التجربة العشوائية هي تجربة يمكن إجراؤها في كل مكان وزمان بنفس الظروف الذاتية‬
‫والموضوعية بحيث ال يُمكن التنبؤ بنتيجة التجربة بشكل قطعي ومؤكد قبل حدوثها‪ ،‬ولكن من الممكن معرفة‬
‫كل النواتج المتوقعة مسبقاً‪ ،‬باإلضافة إلى أنه يمكن معرفة أو قياس فرصة حدوث (ظهور) كل نتيجة من نتائج‬
‫التجربة قبل حدوثها‪ .‬مثال إلقاء (رمي) قطعة نقود‪.‬‬

‫‪ .2.1‬فضاء العينة ‪:sample space‬‬

‫تعريف ‪ :2‬فضاء العينة للتجربة العشوائية هي المجموعة المكونة من جميع النتائج الممكنة للتجربة‪ ،‬ونرمز‬
‫لفضاء العينة بالرمز ‪ . ‬نسمي كل نتيجة من نتائج التجربة العشوائية عنصر ‪ element‬في فضاء العينة أو‬
‫نقطة العينة ‪.sample point‬‬
‫مثال ‪ :1‬فضاء العينة لتجربة إلقاء قطعة من النقود مرة واحدة (وتسجيل الرمز الظاهر على الوجه العلوي)‬
‫هي ‪ ،   H , T ‬حيث ‪ H‬تمثل ظهور الكتابة و ‪ T‬تمثل ظهور الشعار‪.‬‬

‫مثال ‪ :2‬فضاء العينة لتجربة إلقاء قطعة النرد مرة واحدة (وتسجيل الرقم الظاهر على الوجه العلوي) هي‬
‫‪  1, 2, 3, 4, 5, 6‬‬
‫أما إذا كان اهتمامنا فقط إذا كان الناتج (الرقم الظاهر على الوجه العلوي) فردي ‪ odd‬أو زوجي ‪، even‬‬
‫فإن فضاء العينة هي ‪.   odd , even‬‬

‫مثال ‪ :3‬أوجد فضاء العينة للتجربة التالية‪ :‬نرمي قطعة من النقود فإذا كان الناتج كتابة نرميها مرة ثانية‪ ،‬وإذا‬
‫كان الناتج شعارًا نرمي قطعة النرد مرة واحدة‪.‬‬
‫الحل‪ :‬فضاء العينة هي ‪ ،   HH , HT , T1, T 2, T 3, T 4, T 5, T 6‬والتي يمكن تمثيلها بمخطط‬
‫الشجرة كما يلي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪51‬‬

 ‫مثال ‪ :4‬أوجد فضاء العينة لتجربة رمي قطعة النرد مرتين متتاليتين‪.‬‬
‫الحل‪:‬‬
‫)‪  {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6‬‬
‫)‪(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6‬‬
‫)‪(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6‬‬
‫)‪(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6‬‬
‫)‪(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6‬‬
‫})‪(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6‬‬
‫والتي يمكن تمثيلها باستخدام الشبكة ‪ grid‬كما يلي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪52‬‬

 ‫‪ .2‬األحداث ‪:events‬‬
‫تعريف ‪ :3‬نعرف الحدث على أنه مجموعة جزئية من فضاء العينة ‪ . ‬أي أن ‪ A‬حدث إذا وفقط إذا كانت‬
‫‪.A‬‬
‫مثال ‪ :5‬ليكن لدينا تجربة رمي قطعة النرد مرة واحدة‪ ،‬المجموعات التالية تشكل أحداث ألنها مجموعات‬
‫جزئية من فضاء العينة ‪: ‬‬
‫‪ ‬ظهور عدد فردي }‪. A  {1, 3, 5‬‬
‫‪ ‬ظهور عدد أكبر تمام ًا من ‪. B  {3, 4, 5, 6} 2‬‬
‫‪ ‬ظهور العدد ‪ . C  {5} 5‬نسمي هذا الحدث بالحدث البسيط ‪( simple event‬الحدث المكون من‬
‫عنصر واحد)‪.‬‬
‫‪ ‬ظهور عدد سالب }{ ‪ .  ‬نسمي هذا الحدث بالحدث المستحيل ‪( impossible event‬الحدث‬
‫الذي ال يحتوي على أية نتيجة)‪.‬‬
‫‪ ‬ظهور عدد موجب }‪ .   {1, 2, 3, 4, 5, 6‬نسمي هذا الحدث بالحدث األكيد ‪sure event‬‬
‫(الحدث المكون من جميع النتائج الممكنة للتجربة)‪.‬‬
‫مالحظة ‪ :1‬بما أن األحداث عبارة عن مجموعات بالتالي يمكن استخدام مخططات فن لتمثيل األحداث‪ .‬يبين‬
‫الشكل التالي كل من األحداث ‪. A, B, C‬‬

‫‪‬‬
‫‪3‬‬ ‫‪4‬‬
‫‪1‬‬
‫‪5‬‬ ‫‪6‬‬

‫‪2‬‬

‫‪ .1.2‬العمليات على األحداث ‪:operations on events‬‬

‫‪ .1.1.2‬متمم حدث ‪:Complement‬‬
‫تعريف ‪ :4‬نعرف متمم الحدث ‪ A‬بالنسبة إلى ‪ ، ‬الحدث المكون من جميع عناصر فضاء العينة التي ال‬
‫تنتمي إلى ‪ . A‬ونرمز لمتتم حدث ‪ A‬بالرمز ‪ A‬أو ‪ . A  { x   : x  A} ، A‬يبين الشكل التالي‬
‫مخطط فن‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪53‬‬

 ‫‪‬‬

‫‪ .2.1.2‬اجتماع حدثين ‪:union‬‬

‫تعريف ‪ :5‬نعرف اجتماع حدثين ‪ A‬و ‪ ، B‬برمز له بالرمز ‪ ، A  B‬الحدث المكون من جميع العناصر‬
‫التي تنتمي إلى ‪ A‬أو تنتمي إلى ‪ B‬أو تنتمي إلى كليهما‪. A  B  {x  : x  A or x  B} ،‬‬
‫يبين الشكل التالي مخطط فن الموافق‪.‬‬

‫‪‬‬

‫‪ .3.1.2‬تقاطع حدثين ‪:intersection‬‬

‫تعريف ‪ :6‬نعرف تقاطع حدثين ‪ A‬و ‪ ، B‬برمز له بالرمز ‪ ، A  B‬الحدث المكون من جميع العناصر التي‬
‫تنتمي إلى ‪ A‬و ‪ B‬في آن واحد‪ . A  B  {x  : x  A and x  B} ،‬يبين الشكل التالي مخطط‬
‫فن الموافق‪.‬‬

‫‪‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪54‬‬

‫تعريف ‪ :7‬نقول عن حدثين ‪ A‬و ‪ B‬أنهما متنافيان ‪ mutually exclusive‬أو منفصالن ‪ disjoint‬إذا كانا‬
‫غير متقاطعين‪ ،‬أي أن ‪ . A  B  ‬وهذا يعني أنه ال يوجد عناصر مشتركة بينهما ال يمكن وقوعهما معاً‪،‬‬
‫أي أن وقوع أحدهما ينفي وقوع اآلخر‪.‬‬

‫‪ .4.1.2‬فرق حدثين ‪:difference‬‬

‫تعريف ‪ :8‬نعرف فرق حدثين ‪ A‬و ‪ ، B‬برمز له بالرمز ‪ ، A \ B‬الحدث المكون من جميع العناصر‬
‫} ‪ . A \ B  { x  : x  A and x‬يبين الشكل التالي‬
‫الموجودة في ‪ A‬غير الموجودة في ‪B، B‬‬
‫مخطط فن الموافق‪.‬‬

‫‪‬‬

‫مالحظة ‪ :2‬يمكن البرهان على أن‪. A \ B  A  B ' :‬‬

‫مثال ‪ :6‬ليكن لدينا المثال السابق‪ ،‬أوجد كل من ‪ A‬و ‪ A  B‬و ‪ A  B‬و ‪. A \ B‬‬
‫الحل‪:‬‬
‫}‪A = {2, 4, 6‬‬
‫}‪A  B  {3, 5‬‬
‫}‪A  B  {1, 3, 4, 5, 6‬‬
‫}‪A \ B  {4, 6‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪55‬‬

 ‫‪ .3‬تعداد نقاط العينة ‪:counting sample points‬‬
‫في كثير من الحاالت‪ ،‬يجب أن نكون قادرين على حل مسائل احتمالية عن طريق حساب عدد عناصر فضاء‬
‫العينة دون الحاجة إلى سرد عناصرها‪ .‬المبدأ األساسي للعد‪ ،‬غالبا ما يشار باسم قاعدة الضرب‪ ،‬سيكون الحل‬
‫لهذه المسائل‪.‬‬

‫‪ .1.3‬المبدأ األساسي في العد ‪:the fundamental principle of counting‬‬

‫إذا كانت العملية ‪ p‬تُنجز بـ ‪ n‬مرحلة متتالية ‪ n ( S1, S2 ,, Sn‬عدد طبيعي موجب)‪ ،‬حيث يُمكن أن‬
‫تُنجز المرحلة األولى ‪ S1‬بـ ‪ r1‬طريقة مختلفة‪ ،‬ويُمكن أن تُنجز المرحلة الثانية ‪ S 2‬بـ ‪ r2‬طريقة مختلفة‬
‫مقابل كل طريقة من طرق إنجاز المرحلة األولى ‪ ، S1‬وهكذا ‪ ،...‬ويُمكن أن تُنجز المرحلة ‪ Sn‬بـ ‪rn‬‬
‫طريقة مختلفة مقابل كل طريقة من طرق إنجاز المراحل السابقة جميعها‪ ،‬فيكون عدد طرق إنجاز العملية ‪p‬‬
‫يساوي ‪. r1 x r2 x...x rn‬‬

‫مثال ‪ :7‬يوجد في إحدى المحالت الرياضية المواصفات التالية لحذاء كرة القدم‪:‬‬
‫اللون‪ :‬أبيض‪ ،‬أزرق‪ ،‬بني‪ ،‬أسود‬
‫المقاس‪( 45 ،44 ،43 ،42 ،41 ،40 :‬من كل لون)‪ .‬كم عدد األنواع المختلفة المعروضة في المحل؟‬
‫الحل‪:‬‬
‫باستخدام المبدأ األساسي في العد‪ ،‬فإن عدد األنواع المختلفة المعروضة في المحل = ‪( 4‬اللون) × ‪6‬‬
‫(المقاسات) = ‪ 24‬نوع مختلف‪.‬‬

‫مثال ‪ :8‬ما هو عدد عناصر فضاء العينة عندما نرمي زوج من النرد مرة واحدة؟‬
‫الحل‪:‬‬
‫يُمكن لقطعة النرد األولى أن يكون خرجها أي ًا من األرقام من ‪ 1‬إلى ‪ ،) r1  6 ( 6‬ومن أجل أي قيمة من هذه‬
‫القيم الستة‪ ،‬يُمكن لقطعة النرد الثانية أن يكون خرجها أيضاً أياً من األرقام من ‪ 1‬إلى ‪ .) r2  6 ( 6‬بالتالي‬
‫يُمكن لزوج النرد أن يظهر بـ ‪ 6 x 6 = 36‬طريقة مختلفة‪ ،‬بالتالي عدد عناصر فضاء العينة عندما نرمي‬
‫زوج من النرد مرة واحدة هو ‪.36‬‬

‫مثال ‪ :2‬كم عددًا مكون ًا من ثالثة أرقام يمكن تكوينه من األرقام ‪ 1, 2, 3, 4, 5‬في الحالتين التاليتين‪:‬‬
‫‪ (a‬إذا سمح بالتكرار؟ ‪ (b‬إذا لم يسمح بالتكرار؟‬
‫الحل‪:‬‬
‫‪ )a‬عدد الطرق ‪. 5 x 5 x 5  125‬‬
‫‪ )b‬عدد الطرق ‪. 3 x 4 x 5  60‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪56‬‬

 ‫مثال ‪ :11‬كم عددًا مكونًا من ثالثة أرقام يمكن تكوينه من األرقام ‪ 0, 1, 2, 3, 4‬في الحالتين التاليتين‪:‬‬
‫‪ )a‬إذا سمح بالتكرار؟‬
‫‪ )b‬إذا لم يسمح بالتكرار؟‬
‫الحل‪:‬‬
‫‪ )a‬عدد طرق اختيار المئات هو ‪( r1  4‬ال يُمكن اختيار الصفر) ‪ ،‬أما عدد طرق اختيار العشرات‬
‫واآلحاد هو ‪ . r2  r3  5‬بالتالي العدد الكلي للطرق هو ‪. 4 x 5 x 5  100‬‬
‫‪ )b‬عدد طرق اختيار المئات هو ‪( r1  4‬ال يُمكن اختيار الصفر)‪ ،‬أما عدد طرق اختيار العشرات فهو‬
‫‪ r2  4‬واآلحاد هو ‪ . r3  3‬بالتالي العدد الكلي للطرق هو ‪. 4 x 4 x 3  48‬‬

‫مثال ‪ :11‬كم عددا زوجياً مكوناً من أربعة أرقام يمكن تكوينه من األرقام ‪ 0, 1, 2, 5, 6, 9‬إذا لم يسمح‬
‫بتكرار الرقم أكثر من مرة واحدة؟‬
‫الحل‪:‬‬
‫بما أن العدد زوجي فإن عدد طرق اختيار اآلحاد هو ‪ ، r1  3‬وبما أن العدد مكون من أربعة أرقام فإن‬
‫اآلالف ال يُمكن أن يكون ‪ .0‬بالتالي علينا تمييز حالتين لآلحاد األولى ‪ 0‬والثانية مختلفة عن الصفر‪ .‬في الحالة‬
‫األولى عندما يكون اآلحاد مساوياً للصفر يكون ‪ ، r1  1‬ويكون عدد طرق اختيار اآلالف هو ‪ r4  5‬وعدد‬
‫طرق اختيار المئات هو ‪ r3  4‬وعدد طرق اختيار العشرات هو ‪ ، r2  3‬بالتالي في هذه الحالة يكون لدينا‬
‫العدد الكلي للطرق هو ‪ 1 x 5 x 4 x 3 = 60‬طريقة‪.‬‬
‫أما في الحالة الثانية وعندما يكون اآلحاد مختلفاً عن الصفر يكون ‪ ، r1  2‬ويكون عدد طرق اختيار اآلالف‬
‫هو ‪ r4  4‬وعدد طرق اختيار المئات هو ‪ r3  4‬وعدد طرق اختيار العشرات هو ‪ ، r2  3‬بالتالي في‬
‫هذه الحالة يكون لدينا العدد الكلي للطرق هو ‪ 2 x 4 x 4 x 3 = 96‬طريقة‪.‬‬
‫وبما أن الحالتين متنافيتان فإن العدد الكلي للطرق المختلفة هو ‪.60 + 96 = 154‬‬

‫‪.2.3‬التباديل ‪:permutations‬‬
‫تعريف ‪ :2‬لتكن ‪ S‬مجموعة غير خالية ذات ‪ n‬عنصراً‪ ،‬كل مجموعة جزئية مرتبة منها ذات ‪ r‬عنصراً(‬
‫) ‪ 0  r  n‬تُسمى تبديالً ل ‪ n‬عنصرًا مأخوذاً ‪ r‬في كل مرة‪ ،‬ونرمز لها بالرمز ) ‪. P(n, r‬‬

‫في كل مرة يعطى بالعالقة التالية‪:‬‬ ‫‪r‬‬ ‫مبرهنة ‪ :1‬عدد تباديل ‪ n‬عنصرًا مأخوذة‬
‫)‪P(n, r )  n(n -1)(n - 2)...(n - r  1‬‬
‫مثال ‪ :12‬بكم طريقة يمكن توزيع ثالث ميداليات مختلفة على ثالث طالب فائزين في أولمبياد الرياضيات من‬
‫بين ‪ 8‬طالب مشاركين؟‬
‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪57‬‬

 ‫عدد الطرق المختلفة يساوي إلى عدد تباديل ‪ 8‬عناصر مأخوذة ‪ 3‬في كل مرة‪ ،‬أي‪:‬‬
‫‪P 8, 3  8x7x6  336‬‬

‫غير سالب‪ ،‬نعرف !‪ n ( n‬عاملي) كما يلي‪:‬‬ ‫تعريف ‪ :11‬من أجل أي عدد صحيح ‪n‬‬
‫)‪n!  n(n  1)...(2)(1‬‬
‫مع حالة خاصة ‪. 0!  1‬‬

‫مثال ‪:13‬‬
‫‪2!  2x1  2‬‬
‫‪3!  3x2x1  6‬‬
‫‪4!  4x3x2x1  24‬‬
‫!)‪n!  n(n  1‬‬
‫مبرهنة ‪ :2‬عدد تباديل ‪ n‬عنصر هو )‪. n!  P(n, n‬‬

‫مثال ‪ :14‬بكم طريق يُمكن ترتيب ‪ 5‬كتب فوق بعضها البعض موضوعة على الرف؟‬
‫الحل‪:‬‬
‫عدد الطرق يساوي عدد تباديل ‪ 5‬عناصر‪ ،‬أي ‪5!  120‬‬

‫في كل مرة يعطى بالعالقة التالية‪:‬‬ ‫‪r‬‬ ‫مبرهنة ‪ :3‬عدد تباديل ‪ n‬عنصرًا مأخوذة‬
‫!‪n‬‬
‫‪P(n, r ) ‬‬
‫!) ‪(n  r‬‬

‫مثال ‪ :15‬بكم طريقة يُمكن جلوس ‪ 4‬شباب و‪ 3‬صبايا في الحاالت التالية‪:‬‬

‫‪ )a‬ال يوجد أية قيود‬
‫‪ )b‬تناوب الشباب والصبايا‬
‫‪ )c‬الشباب والصبايا في مجموعات منفصلة‬
‫‪ )d‬فادي ‪ F‬ولميس ‪ L‬يريدان الجلوس بجانب بعضهما البعض‬
‫الحل‪:‬‬
‫‪ )a‬عدد الطرق المختلفة يساوي ‪. P(7, 7)  7!  5040‬‬
‫‪ )b‬بما أن عدد الشباب أكتر من عدد الصبايا بالتالي سيكون شب على كل طرف ‪ ،BGBGBGB‬وعدد‬
‫الطرق المختلفة يساوي ‪. 4!x3!  24x6  144‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪58‬‬

‫‪ )c‬أي سيكونان على الشكل ‪ BBBB & GGG‬أو ‪ ،GGG & BBBB‬بالتالي عدد الطرق المختلفة‬
‫يساوي ‪. 2x4!x3!  288‬‬
‫‪ )d‬أي سيكونان على الشكل ‪ FLXXXXX‬أو ‪ ،LFXXXXX‬حيث ‪ X‬يمثل شب أو صبية بالتالي عدد‬
‫الطرق المختلفة يساوي ‪. 2x5!  240‬‬

‫مبرهنة ‪ :4‬عدد تباديل ‪ n‬عنصرًا مرتبة على دائرة ‪ circular arrangement‬يساوي !)‪. (n  1‬‬

‫‪ .3.3‬التوافيق ‪:combinations‬‬
‫تعريف ‪ :11‬لتكن ‪ S‬مجموعة غير خالية ذات ‪ n‬عنصراً‪ ،‬كل مجموعة جزئية منها ذات ‪ r‬عنصراً‬
‫)‪ (0  r  n‬تُسمى توافيق لـ ‪ n‬عنصراً مأخوذاً ‪ r‬في كل مرة‪ ،‬ونرمز لها بالرمز ) ‪. C (n, r‬‬
‫في كل مرة يعطى بالعالقة التالية‪:‬‬ ‫‪r‬‬ ‫مبرهنة ‪ :5‬عدد توافيق ‪ n‬عنصرًا مأخوذة‬
‫!‪n‬‬
‫‪C (n, r ) ‬‬
‫!) ‪r !(n  r‬‬

‫مثال ‪ :16‬يوجد في أحد الصفوف ‪ 8‬طالب و‪ 5‬طالبات‪ ،‬بكن طريقة يُمكن تشكيل لجنة أنشطة خماسية تتألف‬
‫من ‪ 3‬طالب وطالبتين من هذا الصف؟‬
‫الحل‪:‬‬
‫يُمكن اختيار الطالب الثالثة بـ )‪ C (8, 3‬طريقة مختلفة‪ ،‬ويُمكن اختيار طالبتين بـ )‪ C (5, 2‬طريقة‬
‫مختلفة لكل طريقة من طرق اختيار الطالب الثالثة‪ .‬إذن يكون عدد طرق تشكيل اللجنة هو‪:‬‬
‫‪C (8, 3)xC (5, 2)  56x10  560‬‬

‫مثال ‪ :17‬علينا اختيار فريق مكون من ‪ 4‬أشخاص بشكل عشوائي من بين ‪ 5‬نساء و‪ 6‬رجال‪ .‬ما هو عدد‬
‫الطرق المختلفة في الحالتين‪:‬‬
‫‪ )a‬ال يوجد أية قيود‪.‬‬
‫‪ )b‬عدد الرجال أكبر من عدد النساء‪.‬‬

‫الحل‪:‬‬
‫‪ )a‬علينا اختيار ‪ 4‬أشخاص من بين ‪ ،11‬بالتالي عدد الطرق المختلفة هو‪:‬‬

‫‪C (11, 4)  330‬‬

‫‪ )b‬عدد الذكور أكثر من اإلناث‪ ،‬بالتالي إما ‪ 3‬ذكور وامرأة واحدة‪ ،‬أو ‪ 4‬ذكور‪:‬‬
‫عدد طرق اختيار ‪ 3‬ذكور وامرأة واحدة هو‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪59‬‬

 ‫‪C (6, 3)xC (5,1)  20x5  100‬‬
‫عدد طرق اختيار ‪ 4‬ذكور هو‪:‬‬
‫‪C (6, 4)  15‬‬
‫عدد طرق اختيار الفريق بحيث يكون عدد الرجال أكبر من عدد النساء هو‪.100 + 15 = 115 :‬‬

‫مثال ‪ :18‬عائلة مؤلفة من أب وأم و‪ 10‬أوالد‪ .‬تم دعوة لمجموعة من العائلة مكونة من ‪ 4‬أشخاص‪ ،‬ما هو‬
‫عدد الطرق المختلفة لتشكيل المجموعة في الحاالت التالية‪:‬‬
‫‪ )a‬تحوي األب واألم حصراً‪.‬‬
‫‪ )b‬تحوي على أحد األبوين (األب أو األم فقط)‪.‬‬
‫‪ )c‬ال تحوي على االبوين‪.‬‬
‫الحل‪:‬‬
‫‪ )a‬علينا اختيار ولدين من بين ‪ ،10‬بالتالي عدد الطرق المختلفة هو‪:‬‬
‫‪C (10, 2)  45‬‬
‫‪ )b‬علينا اختيار ثالث أوالد من بين ‪ 10‬وأحد األبوين من بين ‪ ،2‬بالتالي عدد الطرق المختلفة هو‪:‬‬
‫‪C (10, 3)xC (2,1)  120x2  240‬‬
‫‪ )c‬علينا اختيار أربعة أوالد من بين ‪ ،10‬بالتالي عدد الطرق المختلفة هو‪:‬‬
‫‪C (10, 4)  210‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪60‬‬

 ‫‪ .4‬احتمال الحدث ‪:probability of an event‬‬
‫احتمال حدث ‪ A‬هو قيمة عددية يرمز له بالرمز )‪ P( A‬تعبر عن فرصة وقوع الحدث ‪ A‬عند إجراء‬
‫التجربة‪ ،‬وتتراوح هذه القيمة بين الصفر والواحد‪.‬‬

‫‪ .1.4‬النتائج متساوية االحتمال ‪:equally likely outcomes‬‬

‫إذا كان احتمال ظهور أي نتيجة من نتائج التجربة العشوائية مساوية الحتمال ظهور أي نتيجة أخرى فإننا‬
‫نقول بأن نتائج هذه التجربة متساوية االحتمال‪ .‬مثال في تجربة رمي قطعة النرد المتزن مرة واحدة فإن‬
‫احتمال ظهور الرقم ‪ 1‬يساوي احتمال ظهور الرقم ‪ 2‬ويساوي احتمال ظهور الرقم ‪ 3‬ويساوي احتمال ظهور‬
‫الرقم ‪ 4‬ويساوي احتمال ظهور الرقم ‪ 5‬ويساوي احتمال ظهور الرقم ‪.6‬‬

‫تعريف ‪ :12‬احتمال الحدث ‪ A‬يساوي إلى مجموع احتماالت األحداث البسيطة المكونة له‪ .‬لذلك فإن‪:‬‬
‫‪0  P( A)  1, P()  0, and P()  1‬‬
‫باإلضافة إلى ذلك إذا كانت ‪ A1, A2 ,‬سلسلة من األحداث المتنافية فإن‪:‬‬
‫‪P( A1  A2  ...)  P( A1)  P( A2 )  ...‬‬

‫مثال ‪ :12‬نرمي قطعة من النقود مرتين‪ .‬ما هو احتمال ظهور الكتابة ‪ H‬على األقل مرة واحدة؟‬
‫الحل‪:‬‬
‫فضاء العينة للتجربة المذكورة هو } ‪ .   {HH , HT ,TH ,TT‬فإذا كانت قطعة النقود متّزنة فإن احتمال‬
‫ظهور أي نتيجة متساوي االحتمال‪ ،‬بالتالي إذا كانت القيمة ‪ ‬تمثل احتمال ظهور أي عنصر من فضاء‬
‫العينة فإن ‪ ، 4 = 1‬أي ‪ .  = 1/4‬احتمال الحدث ‪( A‬احتمال ظهور الكتابة على األقل مرة واحدة) يتم‬
‫حسابه كما يلي‪:‬‬
‫‪A  {HH , HT ,TH } and P  A  1/ 4  1/ 4  1/ 4  3 / 4‬‬

‫تعريف ‪ :13‬إذا كان لدينا تجربة عشوائية متساوية االحتمال ألي نتيجة من نتائجه الـ ‪ N‬المختلفة‪ ،‬وإذا كان‬
‫‪ n‬نتيجة منها توافق الحدث ‪ ، A‬بالتالي فإن احتمال الحث ‪ A‬يساوي إلى ‪. P( A)  n / N‬‬
‫مثال ‪ :21‬يحتوي صندوق ‪ 4‬كرات بيضاء و‪ 5‬كرات حمراء و‪ 6‬كرات صفراء‪ ،‬تسحب عشوائي ًا ثالث كرات‬
‫من الصندوق معاً‪ .‬لتكن األحداث التالية‪:‬‬
‫‪ A )a‬الحصول على ثالث كرات صفراء‬
‫‪ B )b‬الحصول على ثالث كرات لها نفس اللون‬
‫‪ C )c‬الحصول على ثالث كرات مختلفة األلوان‬
‫‪ D )d‬الحصول على كرة صفراء واحدة على األقل‬

‫‪ISSN: 2617-989X‬‬ ‫‪61‬‬

 ‫احسب احتمال كل من األحداث ‪. A, B, C, D‬‬

‫الحل‪:‬‬
‫‪N  C 15, 3  455‬‬
‫)‪n C (6, 3‬‬ ‫‪20‬‬
‫‪a) P( A) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N C (15, 3) 455‬‬
‫‪n C (4, 3)  C (5, 3)  C (6, 3) 34‬‬
‫‪b) P( B) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N‬‬ ‫)‪C (15, 3‬‬ ‫‪455‬‬
‫‪n C (4,1).C (5,1).C (6,1) 120‬‬
‫‪c) P(C ) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N‬‬ ‫)‪C (15, 3‬‬ ‫‪455‬‬
‫‪n C (6,1).C (9, 2)  C (6, 2).C (9,1)  C (6, 3) 371‬‬
‫‪d) P( D) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N‬‬ ‫)‪C (15, 3‬‬ ‫‪455‬‬

‫مثال ‪ :21‬يحتوي صندوق ‪ 6‬كرات بيضاء و‪ 7‬كرات سوداء وكرتان حمراوان‪.‬‬

‫‪ )a‬نسحب من الصندوق كرتين على التتالي من دون إعادة‪ ،‬احسب احتمال أن تكون الكرتان حمراوان؟‬
‫الحدث ) ‪.( A‬‬
‫‪ )b‬نسحب من الصندوق كرتين على التتالي مع إعادة‪ ،‬احسب احتمال أن تكون الكرتان حمراوان؟‬
‫الحدث ) ‪.( B‬‬
‫‪ )c‬نسحب من الصندوق ثالث كرات على التتالي دون إعادة‪ ،‬احسب احتمال أن تكون الكرات الثالث‬
‫المسحوبة مختلفة األلوان (كرة من كل لون)؟ ) ‪( C‬‬
‫‪ )d‬نسحب من الصندوق ثالث كرات على التتالي مع إعادة‪ ،‬احسب احتمال أن تكون الكرات الثالث‬
‫المسحوبة مختلفة األلوان (كرة من كل لون)؟ ) ‪( D‬‬

‫الحل‪:‬‬
‫‪2 1‬‬ ‫‪1‬‬
‫‪P( A) ‬‬ ‫‪. ‬‬ ‫‪)a‬‬
‫‪15 14 105‬‬
‫‪2 2‬‬ ‫‪4‬‬
‫‪P( B)  . ‬‬ ‫‪)b‬‬
‫‪15 15 225‬‬
‫‪6 7 2‬‬ ‫‪2‬‬
‫‪،‬‬ ‫‪. . ‬‬ ‫‪ )c‬احتمال أن تكون الكرات المسحوبة بالترتيب (بيضاء‪ ،‬سوداء‪ ،‬حمراء) يساوي‬
‫‪15 14 13 65‬‬
‫وبما أنه يوجد ‪ 3! = 6‬تباديل ممكنة بين األلوان الثالث بالتالي‪:‬‬
‫‪2‬‬ ‫‪12‬‬
‫‪P(C ) ‬‬ ‫‪x(3!) ‬‬
‫‪65‬‬ ‫‪65‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪62‬‬

 ‫‪6 7 2‬‬ ‫‪56‬‬
‫‪P ( D) ‬‬ ‫‪. . x(3!) ‬‬ ‫‪)a‬‬
‫‪15 15 15‬‬ ‫‪375‬‬

‫‪ .2.4‬احتمال التكرار النسبي ‪:relative frequency probability‬‬

‫إذا كررنا تجربة عشوائية ‪ n‬مرة تحت نفس الظروف وكان عدد مرات وقوع الحدث ‪ A‬في هذه التكرارات‬
‫يساوي )‪ rn ( A‬فإن احتمال الحدث ‪ A‬يعطى بالعالقة التالية‪:‬‬
‫)‪r ( A‬‬
‫‪P( A)  lim‬‬
‫‪n  n‬‬
‫مثال ‪ :22‬ليكن الحدث ‪ A‬حدث ظهور الكتابة في تجربة رمي قطعة النقود المتزنة‪ .‬وبفرض أننا كررنا هذه‬
‫التجربة ‪ n‬مرة وليكن )‪ rn ( A‬هو عدد مرات ظهور الكتابة عند المحاولة رقم ‪ ، n‬فإن‪:‬‬
‫‪r ( A) 1‬‬
‫‪P( A)  P( H )  lim‬‬ ‫‪‬‬
‫‪n  n‬‬ ‫‪2‬‬

‫‪.3.4‬مبرهنات في االحتمال ‪:probability theorems‬‬

‫مبرهنة ‪ :6‬أياً كان الحدثان ‪ A, B‬فإن‪:‬‬
‫)‪P( A  B)  P( A)  P( B)  P( A  B‬‬
‫نتيجة ‪ :1‬إذا كان الحدثان ‪ A, B‬متنافيان فإن‪:‬‬
‫)‪P( A  B)  P( A)  P( B‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪63‬‬

‫مثال ‪ :23‬تم استجواب أحد المهندسين للحصول على عمل من قبل شركتين ‪ A‬و ‪ . B‬احتمال أن يتم قبوله‬
‫في الشركة ‪ A‬هو ‪ 0.8‬واحتمال أن يتم قبوله في الشركة ‪ B‬هو ‪ 0.6‬وأن احتمال أن يتم قبوله في أحد‬
‫الشركتين على األقل هو ‪ ،0.9‬فما هو احتمال أن تيم قبوله من قبل الشركتين معاً؟‬
‫الحل‪:‬‬
‫)‪P( A  B)  P( A)  P( B)  P( A  B‬‬
‫‪0.9  0.8  0.6  P( A  B)  P( A  B)  1.4  0.9  0.5‬‬

‫مثال ‪ :24‬ما هو احتمال الحصول على مجموع مقداره ‪ 7‬أو ‪ 11‬في تجربة رمي زوج من النرد؟‬
‫الحل‪:‬‬
‫ليكن الحدث ‪ A‬الحصول على مجموع ‪ 7‬والحدث ‪ B‬الحصول على مجموع ‪ .11‬يُمكن الحصول على‬
‫مجموع ‪ 7‬بستة طرق مختلفة من أصل ‪ 36‬طريقة ممكنة ‪{(1,6), (2, 5), (3, 4), (4, 3), (5, 2), (6,‬‬
‫})‪ ،1‬بالتالي فإن ‪ . P( A)  6 / 36  1/ 6‬أما المجموع ‪ 11‬فيمكن الحصول علية بطريقتين فقط ‪{(5,6),‬‬
‫})‪ ،(6,5‬بالتالي ‪ . P( B)  2 / 36  1/ 18‬وبما أن الحدثان ‪ A‬و ‪ B‬متنافيان بالتالي‪:‬‬
‫‪1 1 2‬‬
‫‪P( A  B)  P( A)  P( B) ‬‬ ‫‪ ‬‬
‫‪6 18 9‬‬

‫نتيجة ‪ :2‬إذا كان األحداث ‪ A1, A2 ,, An‬متنافية مثنى مثنى فإن‪:‬‬
‫) ‪P( A1  A2  ...  An )  P( A1)  P( A2 )  ...  P( An‬‬

‫تعريف ‪ :14‬نقول عن األحداث (غير الخالية) ‪ A1, A2 ,, An‬من فضاء العينة ‪ ‬أنها تشكل تجزئة‬
‫‪ partition‬لـ ‪ ‬إذا كانت متنافية مثنى مثنى وأن ‪ . A1  A2  ...  An  ‬يبين الشكل التالي تجزئة‬
‫لفضاء العينة مكون من ‪ 6‬أحداث‪.‬‬

‫‪‬‬

‫مثال ‪ :25‬في تجربة رمي قطعة النرد مرة واحدة‪ ،‬يشكل الحدثان }‪( A  {1, 3, 5‬ظهور عدد فردي) و‬
‫}‪( B  {2, 4, 6‬ظهور عدد زوجي) تجزئة لفضاء العينة ألن‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪64‬‬

 ‫‪A B  ‬‬
‫‪A  B  {1, 2, 3, 4, 5, 6}  ‬‬

‫نتيجة ‪ :3‬إذا كان األحداث ‪ A1, A2 ,, An‬تشكل تجزئة ل ‪ ‬فإن‪:‬‬

‫‪P( A1  A2  ...  An )  P( A1)  P( A2 )  ...  P( An )  P()  1‬‬
‫يُمكن تعميم النظرية ‪ 6‬على ثالث مجموعات لتصبح كما يلي‪:‬‬
‫مبرهنة ‪ :7‬أياً كانت األحداث ‪ A, B, C‬فإن‪:‬‬
‫) ‪P( A  B  C )  P( A)  P( B)  P(C‬‬
‫) ‪ P( A  B)  P( A  C )  P( B  C )  P( A  B  C‬‬

‫مبرهنة ‪ :8‬أياً الحدث ‪ A‬فإن‪:‬‬

‫‪P( A)  P( A)  1‬‬

‫مثال ‪ :26‬إذا كانت احتماالت ميكانيكي سيارات أن يخدم في أي يوم ‪ 3, 4, 5, 6, 7, 8, or more‬سيارة‬

‫هي على الترتيب ‪ ،0.12, 0.19, 0.28, 0.24, 0.10, and 0.07‬فما هو احتمال أن يخدّم ‪ 5‬سيارات‬
‫على األقل؟‬
‫الحل‪:‬‬
‫ليكن ‪ E‬حدث تخديم ‪ 5‬سيارات على األقل فيكون الحدث ‪ E ‬تخديم أقل من ‪ 5‬سيارات‪ .‬وبما أن‪:‬‬
‫‪ ، P( E)  0.12  0.19  0.31‬بالتالي‪:‬‬
‫‪P( E )  1  P( E)  1  0.31  0.69‬‬

‫مثال ‪ :27‬يحتوي صندوق ‪ 4‬كرات بيضاء و‪ 5‬كرات حمراء و‪ 6‬كرات صفراء‪ ،‬تسحب عشوائي ًا ثالث كرات‬
‫من الصندوق معاً‪ .‬ما هو احتمال الحصول على كرة صفراء واحدة على األقل؟‬
‫الحل‪:‬‬
‫حدث الحصول على كرة صفراء واحدة على األقل فيكون ‪ A‬حدث عدم الحصول على أية كرة‬ ‫ليكن ‪A‬‬
‫صفراء‪:‬‬
‫)‪n C (9, 3‬‬ ‫‪84‬‬
‫‪P( A) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪N C (15, 3) 455‬‬
‫بالتالي‪:‬‬
‫‪84 371‬‬
‫‪P( A)  1  P( A)  1 ‬‬ ‫‪‬‬
‫‪455 455‬‬

‫مبرهنة ‪ :9‬أياً كان الحدثان ‪ A, B‬فإن‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪65‬‬

 ‫)‪P( A \ B)  P( A)  P( A  B‬‬

‫مثال ‪ :28‬إذا كان احتمال نجاح فادي في أحد االختبارات يساوي ‪ 0.7‬واحتمال نجاح فادي ولما معاً هو ‪0.2‬‬
‫فما هو احتمال نجاح فادي ورسوب لما؟‬
‫الحل‪:‬‬
‫ليكن الحدث ‪ A‬نجاح فادي في االختبار والحدث ‪ B‬نجاح لما في االختبار‪ ،‬بالتالي فالحدث نجاح فادي‬
‫ورسوب لما هو ‪ ، A  B‬ولما كان ‪ ، A \ B  A  B‬بالتالي‪:‬‬
‫‪P( A  B)  P( A \ B)  P( A)  P( A  B)  0.7  0.2  0.5‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪66‬‬

 ‫‪ .5‬االحتمال الشرطي ‪:conditional probability‬‬
‫من المسائل المهمة في حساب االحتمال دراسة العالقات االحتمالية ما بين االحداث‪ ،‬فإذا كان ‪ A, B‬حدثين‬
‫متعلقين بتجربة معينة فإن وقوع أحد هذين الحدثين قد يؤثر على احتمال وقوع الحدث اآلخر‪.‬‬

‫مثال ‪ :29‬لتكن تجربة رمي قطعة النرد مرة واحدة‪ ،‬نعلم أن فضاء العينة هو }‪.   {1, 2, 3, 4, 5, 6‬‬
‫وليكن لدينا الحدثان التاليان‪ :‬الحدث ‪ A‬ظهور الرقم ‪ ،3‬والحدث ‪ B‬ظهور عدد فردي‪ .‬من الواضح أن‬
‫‪ P( A)  1/ 6‬وأن ‪. P( B)  1/ 2‬‬
‫بفرض اآلن أن قطعة النرد قد رميت مرة واحدة‪ ،‬وأن هناك من أخبرنا عن وقوع الحدث ‪( B‬ظهور عدد‬
‫فردي) بدون أن يعلمنا عن نتيجة التجربة‪ .‬عندئذ يصبح فضاء العينة الجديد هو }‪ ،{1, 3, 5‬ويصبح احتمال‬
‫وقوع الحدث ‪ A‬علمًا أن الحدث ‪ B‬قد وقع يساوي ‪.1/3‬‬

‫تعريف ‪ :15‬ليكن لدينا الحدثين ‪ A, B‬المعرفين على نفس فضاء العينة ‪ ، ‬بحيث أن ‪. P( B)  0‬‬
‫االحتمال الشرطي للحدث ‪ A‬علماً بأن الحدث ‪ B‬قد وقع‪ ،‬ونرمز له بالرمز )‪ P( A | B‬أو )‪، PB ( A‬‬
‫والمعرف كما يلي‪:‬‬
‫)‪P( A  B‬‬
‫‪P( A | B)  PB ( A) ‬‬
‫)‪P( B‬‬

‫مثال ‪ :30‬احتمال اقالع (مغادرة) رحلة طيران نظامية في الوقت المحدد لها هو ‪ ، P( D)  0.83‬واحتمال‬
‫أن تصل في الوقت المحدد لها هو ‪ ، P( A)  0.82‬كما أن احتمال المغادرة والوصول في الوقت المحدد لها‬
‫هو‪ . P( A  D)  0.78‬أوجد احتمال أن تكون طائرة‪:‬‬
‫‪ )a‬تصل في الوقت المحدد علمًا أنها أقلعت في الوقت المحدد‪.‬‬
‫‪ )b‬تقلع في الوقت المحدد علمًا أنها وصلت في الوقت المحدد‪.‬‬
‫‪ )c‬تصل في الوقت المحدد علمًا أنها لم تقلع في الوقت المحدد‪.‬‬

‫الحل‪:‬‬
‫‪P( A  D) 0.78‬‬
‫‪P ( A | D) ‬‬ ‫‪‬‬ ‫‪ 0.94 )a‬‬
‫)‪P ( D‬‬ ‫‪0.83‬‬
‫‪P( D  A) 0.78‬‬
‫‪P( D | A) ‬‬ ‫‪‬‬ ‫‪ 0.95 )b‬‬
‫)‪P( A‬‬ ‫‪0.82‬‬
‫)‪P( A  D) P( A)  P( A  D‬‬
‫‪P( A | D) ‬‬ ‫‪‬‬ ‫‪)c‬‬
‫)‪P( D‬‬ ‫)‪1  P ( D‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪67‬‬

 ‫‪0.82  0.78 0.04‬‬
‫‪P( A | D) ‬‬ ‫‪‬‬ ‫‪ 0.24‬‬
‫‪1  0.83‬‬ ‫‪0.17‬‬

‫مثال ‪ :31‬لدى عائلة طفالن‪ ،‬ما هو احتمال كونهما ذكرين إذا علمت أن أحدهما ذكر؟‬
‫الحل‪:‬‬
‫يُمكن ألي من الطفلين أن يكون ذكراً ‪ B‬أو أنثى ‪ . G‬بالتالي يُمكن لفضاء العينة أن يكون على النحو التالي‪:‬‬
‫}‪ ،   {BB, BG, GB, GG‬ونعرف قانون االحتمال كما يلي‪:‬‬

‫‪P  BB   P  BG   P  GB   P  GG   1/ 4‬‬

‫والحدث ‪ A‬أحد الطفلين ذكر هو‪ ، A  {BB, BG, GB} :‬واالحتمال المطلوب هو‪:‬‬
‫)}‪P({BB}  {BB, BG, GB‬‬ ‫)}‪P({BB‬‬ ‫‪1‬‬
‫‪P( BB | A) ‬‬ ‫‪‬‬ ‫‪‬‬
‫)}‪P({BB, BG, GB‬‬ ‫‪P({BB, BG, GB}) 3‬‬

‫نتيجة ‪:4‬‬
‫‪P ( A ' | B )  1 – P( A | B ) ‬‬
‫‪P( A1  A2 B)  P( A1 B)  P( A2 | B) – P( A1  A2 ) ‬‬
‫‪ ‬بفرض أن ‪ P( A)  0‬و ‪ P( B)  0‬فإن‪:‬‬
‫)‪P( A  B)  P( B).P( A | B‬‬
‫)‪P( A  B)  P( A).P( B | A‬‬
‫ال ليكن لدينا األحداث ‪ ، A, B, C‬وكان‬
‫‪ ‬يُمكن تعميم الخاصة األخيرة على عدد منته من األحداث‪ ،‬فمث ً‬
‫‪ P( A)  0‬و ‪ P( A  B)  0‬فإن‪:‬‬
‫)‪P( A  B  C )  P  ( A  B)  C )   P( A  B).P(C | A  B‬‬
‫)‪ P( A).P( B | A).P(C | A  B‬‬
‫‪ ‬في حالة النتائج متساوية االحتمال لدينا‪:‬‬
‫) ‪P ( A  B ) n( A  B‬‬
‫‪P( A | B) ‬‬ ‫‪‬‬
‫)‪P( B‬‬ ‫) ‪n( B‬‬

‫حيث ) ‪ n( X‬تمثل عدد عناصر ‪. X‬‬

‫مثال ‪ :32‬صندوق يحوي خمس كرات حمراء مرقمة باألرقام ‪ 2, 1, 1, 1, 1‬وثالث كرات صفر مرقمة‬
‫باألرقام ‪ .2, 1, 1‬نسحب من الصندوق كرتين بالتتالي من دون إعادة‪.‬‬
‫‪ )a‬احسب احتمال الحصول على كرتين مجموع رقميهما يساوي ‪.2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪68‬‬

 ‫‪ )b‬احسب احتمال الحصول على كرتين حمراوين مجموع رقميهما يساوي ‪.2‬‬
‫‪ )c‬إذا علمت أن الكرتين المسحوبتين حمراوان‪ ،‬احسب احتمال أن يكون مجموع رقميهما يساوي ‪.2‬‬
‫‪ )d‬إذا علمت أن مجموع رقمي الكرتين يساوي ‪ ،2‬فما احتمال أن تكون الكرتان المسحوبتان حمراوين‪.‬‬
‫الحل‪:‬‬
‫‪ )a‬ليكن الحدث ‪ : A‬الحصول على كرة تحمل الرقم ‪ 1‬بنتيجة السحب األول‪ ،‬والحدث ‪ : B‬الحصول‬
‫على كرة تحمل الرقم ‪ 1‬بنتيجة السحب الثاني‪ .‬عندئذ الحدث المطلوب هو‪. C  A  B :‬‬
‫‪4 3 3‬‬
‫‪P(C )  P( A  B)  P( A).P  B | A   . ‬‬
‫‪8 7 14‬‬
‫‪ )b‬ليكن الحدث ‪ : E‬الحصول على كرة حمراء تحمل الرقم ‪ 1‬بنتيجة السحب األول‪ ،‬والحدث ‪: F‬‬
‫الحصول على كرة حمراء تحمل الرقم ‪ 1‬بنتيجة السحب الثاني‪ .‬عندئذ الحدث المطلوب هو‪:‬‬
‫‪.D EF‬‬
‫‪6 5 15‬‬
‫‪P( D)  P( E  F )  P( E ).P( F | E )  . ‬‬
‫‪8 7 28‬‬
‫‪5 4 5‬‬
‫‪ . P( R)  . ‬الحصول على‬ ‫‪ )c‬ليكن الحدث ‪ : R‬الحصول على كرتين حمراوين‪ ،‬بالتالي‬
‫‪8 7 14‬‬
‫كرتين مجموعهما يساوي ‪ 2‬هو الحدث ‪ ، C‬بالتالي المطوب هو حساب )‪P(C | R‬‬
‫‪P( R  C ) P( D) 3 / 14 3‬‬
‫‪P(C | R) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫)‪P( R‬‬ ‫‪P( R) 5 / 14 5‬‬
‫‪ )d‬المطوب هو حساب ) ‪P( R | C‬‬
‫‪P( R  C ) P( D) 3 / 14 2‬‬
‫‪P( R | C ) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫) ‪P(C‬‬ ‫‪P(C ) 15 / 28 5‬‬

‫‪ .1.5‬األحداث المستقلة ‪:independent events‬‬

‫وجدنا في مثال سابق أن احتمال اقالع رحلة طيران نظامية في الوقت المحدد لها هو ‪، P( D)  0.83‬‬
‫واحتمال أن تقلع في الوقت المحدد علماً أنها وصلت في الوقت المحدد ‪ . P( D | A)  0.95‬أي‬
‫)‪ ، P( D | A)  P( D‬وهذا يعني أن الحدث ‪ D‬يعتمد على الحدث ‪. A‬‬
‫ولكن في بعض الحاالت يكون احتمال حدوث حادثة معينة ‪ A‬ال يتأثر مطلًقا بحدوث أو عدم حدوث حادثة‬
‫علماً أن ‪ B‬حدثت‪ ،‬أي أن‬ ‫أخرى‪ .‬أي أنه ال فرق بين احتمال الحادثة ‪ A‬واالحتمال الشرطي للحادثة ‪A‬‬
‫)‪ P( A | B)  P( A‬وفي هذه الحالة نقول بأن الحادثتين ‪ A‬و ‪ B‬مستقلتان‪.‬‬

‫تعريف ‪ :16‬ليكن ‪ A‬و ‪ B‬حدثين معرفين على نفس فضاء العينة ‪ . ‬نقول عن الحدثين أنها مستقالن إذا‬
‫وفقط إذا تحقق أحد الشرطين‪:‬‬
‫)‪P( A | B)  P( A‬‬ ‫‪or‬‬ ‫)‪P( B | A)  P( B‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪69‬‬

‫مبرهنة ‪ :10‬ليكن ‪ A‬و ‪ B‬حدثين معرفين على نفس فضاء العينة ‪ . ‬نقول عن الحدثين أنها مستقالن إذا‬
‫وفقط إذا تحقق الشرط التالي‪:‬‬
‫)‪P( A  B)  P( A).P( B‬‬

‫مثال ‪ :33‬في تجربة رمي قطعة نقود ثالث مرات‪ ،‬ليمكن الحدث ‪ A‬ظهور شعار وكتابة والحدث ‪ B‬ظهور‬
‫شعار واحد على األكثر‪ .‬برهن أن الحدثين ‪ A‬و ‪ B‬مستقلين‪.‬‬

‫الحل‪:‬‬
‫})‪  {(HHH), (HHT), (HTH), (HTT), (THH), (THT), (TTH), (TTT‬‬
‫})‪A  {(HHT), (HTH), (HTT), (THH), (THT), (TTH‬‬
‫})‪B  {(HHH), (HHT), (HTH), (THH‬‬
‫})‪A  B  {(HHT), (HTH), (THH‬‬
‫بالتالي فإن‪ P( A)  6 / 8  3 / 4 :‬و ‪ P( B)  4 / 8  1/ 2‬و ‪P( A  B)  3 / 8‬‬
‫وأن‪ P( A  B)  P( A).P( B)  3 / 8 :‬والحدثان مستقالن‪.‬‬

‫مثال ‪ :34‬في تجربة إلقاء قطعة النرد مرة واحدة‪ ،‬ليكن ‪ A‬الحدث الموافق لظهور عدد زوجي وليكن ‪B‬‬
‫الحدث الموافق لظهور عدد يكون مربع لعدد صحيح‪ ،‬برهن أن الحدثين ‪ A‬و ‪ B‬مستقلين‪.‬‬
‫الحل‪:‬‬

‫}‪A  B  {4‬‬ ‫}‪B  {1, 4} A  {2, 4, 6‬‬

‫بالتالي‪:‬‬

‫‪ P( A)  1/ 2‬و ‪ P( B)  1/ 3‬و ‪P( A  B)  1/ 6‬‬

‫من الواضح أن ‪ P( A  B)  P( A).P( B)  1/ 6‬والحدثان مستقالن‪.‬‬

‫مثال ‪ :35‬في تجربة إلقاء قطعة النرد مرة واحدة‪ ،‬ليكن ‪ A‬الحدث الموافق لظهور عدد زوجي وليكن ‪B‬‬
‫الحدث الموافق لظهور عدد أولي‪ ،‬برهن أن الحدثين ‪ A‬و ‪ B‬غير مستقلين‪.‬‬
‫الحل‪:‬‬
‫}‪A  B  {2‬‬ ‫}‪B  {2, 3, 5} A  {2, 4, 6‬‬
‫بالتالي‪:‬‬
‫‪ P( A)  1/ 2‬و ‪ P( B)  1/ 2‬و ‪P( A  B)  1/ 6‬‬
‫من الواضح أن ‪ 1/ 6  P( A  B)  P( A).P( B)  1/ 4‬والحدثان غير مستقالن‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪70‬‬

‫مبرهنة ‪ :11‬ليكن ‪ A‬و ‪ B‬حدثين معرفين على نفس فضاء العينة ‪ . ‬إذا كان الحدثان ‪ A‬و ‪ B‬مستقلين‬
‫كان الحدثان ‪ A‬و ‪ B‬مستقلين أيضاً‪.‬‬

‫نتيجة ‪:5‬‬
‫‪ ‬إذا كان الحدثان ‪ A‬و ‪ B‬مستقلين كان الحدثان ‪ A‬و ‪ B‬مستقلين أيضاً‪.‬‬
‫‪ ‬إذا كان الحدثان ‪ A‬و ‪ B‬مستقلين كان الحدثان ‪ A‬و ‪ B‬مستقلين أيضاً‪.‬‬

‫ل على حده‪ ،‬طلقة واحدة على هدف‪ .‬احتمال إصابة الهدف من قبل الرامي األول‬
‫مثال ‪ :36‬يصوب راميان‪ ،‬ك ّ‬
‫يساوي ‪( 0.7‬الحدث ‪ ،) A‬واحتمال احتمال إصابة الهدف من قبل الرامي الثاني يساوي ‪( 0.8‬الحدث ‪.) B‬‬
‫‪ )a‬ما هو احتمال إصابة الهدف من قبل الراميان معاً؟‬
‫‪ )b‬ما هو احتمال إصابة الهدف من قبل أحدهما على األقل؟‬
‫‪ )c‬ما هو احتمال عدم إصابة الهدف؟‬
‫‪ )d‬ما هو احتمال أن يصيب أحدهما الهدف فقط؟‬
‫‪ )e‬إذا علمت أن أحدهما على األقل أصاب الهدف‪ ،‬فما احتمال أن يكون هو الرامي األول فقط؟‬
‫الحل‪:‬‬
‫‪ )a‬الحدثان ‪ A‬و ‪ B‬مستقالن ألن احتمال إصابة أحدهما للهدف ال يؤثر على احتمال إصابته من قبل‬
‫‪7 8 14‬‬
‫‪P( A  B)  P( A).P( B) ‬‬ ‫‪. ‬‬ ‫اآلخر‪ ،‬بالتالي‪:‬‬
‫‪10 10 25‬‬

‫‪ )b‬احتمال إصابة الهدف من قبل أحدهما على األقل هو احتمال الحدث ‪: A  B‬‬
‫‪7 8 14 47‬‬
‫‪P( A  B)  P( A)  P( B)  P( A  B) ‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪10 10 25 50‬‬

‫‪ )c‬عدم إصابة الهدف هو احتمال الحدث ‪: ( A  B)‬‬

‫‪47 3‬‬
‫‪P  ( A  B)'  1 – P( A  B)  1 ‬‬ ‫‪‬‬
‫‪50 50‬‬
‫يُمكن إيجاد النتيجة بطريقة أخرى‪ ، ( A  B)  A  B :‬حسب قانون دومرغان‪ ،‬والحدثان ‪A‬‬
‫و ‪ B‬مستقالن خطياً‪ ،‬بالتالي‪:‬‬
‫‪3 2‬‬ ‫‪3‬‬
‫‪P( A ' B ')  P( A ').P( B ')  . ‬‬
‫‪10 10 50‬‬
‫‪ ، C  ( A  B' )  ( A ‬وبما أن‬ ‫‪ )d‬ليكن الحدث ‪ C‬الموافق إلصابة أحدهما الهدف فقط‪' B ):‬‬
‫الحدثان ‪ A‬و ‪ B‬مستقالن وكذلك األمر بالنسبة للحدثان ‪ A‬و ‪ ، B‬بالتالي‪:‬‬
‫)‪P(C )  P( A  B ')  P( A ' B)  P( A).P( B ')  P( A ').P( B‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪71‬‬

 ‫‪7 2 3 8 19‬‬
‫‪P(C ) ‬‬ ‫‪.  . ‬‬
‫‪10 10 10 10 50‬‬

‫‪ )e‬الحدث الموافق إلصابة الرامي األول فقط هو ' ‪ ، A1  A  B‬وبما أن الحدثان ‪ A‬و ‪ B‬مستقالن‪،‬‬
‫بالتالي‪:‬‬
‫‪7 2‬‬ ‫‪7‬‬
‫‪P( A1)  P( A  B ')  P( A).P  B '  ‬‬ ‫‪. ‬‬
‫‪10 10 50‬‬
‫واالحتمال المطلوب هو ‪: P  A1 | ( A  B) ‬‬
‫)‪P(( A  B)  A1‬‬ ‫)‪P( A1‬‬ ‫‪7 / 50‬‬ ‫‪7‬‬
‫‪P  A1 | ( A  B)  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫)‪P( A  B‬‬ ‫‪P( A  B) 47 / 50 47‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪72‬‬

 ‫‪ .6‬مبرهنة (قاعدة) بايز ‪:Bayes' theorem‬‬
‫اإلحصاء البايزي عبارة عن مجموعة من األدوات التي يتم استخدامها في االحصاء االستداللي والذي يُطبق‬
‫في تحليل المعطيات التجريبية في العلوم والهندسة‪ .‬تُعتبر قاعدة بايز واحدة من أهم القواعد في نظرية‬
‫االحتماالت‪.‬‬

‫‪ .1.6‬قانون االحتمال الكلي ‪:total probability law‬‬

‫لتكن األحداث ‪ A1, A2 ,, An‬من فضاء العينة ‪ ‬والتي تشكل تجزئة لـ ‪ . ‬وليكن الحدث ‪ B‬من ‪، ‬‬
‫بالتالي يُمكن كتابته بالشكل التالي‪:‬‬
‫) ‪B  ( B  A1)  ( B  A2 )   ( B  An‬‬

‫‪‬‬

‫بما أن األحداث ) ‪ ( B  A1), ( B  A2 ),,( B  An‬هي أحداث متنافية بالتالي‪:‬‬

‫) ‪P( B)  P( B  A1)  P( B  A2 )  P( B  An‬‬
‫يُمكن كتابة كل حد من حدود الطرف اليميني للمعادلة السابقة على شكل احتمال شرطي‪:‬‬
‫) ‪P( B  Ai )  P( B | Ai ) P( Ai‬‬ ‫‪1 i  n‬‬

‫باستخدام تلك التعابير في حساب )‪ ، P( B‬نحصل على ما نسميه قانون االحتمال الكلي‪:‬‬
‫) ‪P( B)  P( B | A1) P( A1)  P( B | A2 ) P( A2 )  ...  P( B | An ) P( An‬‬

‫مبرهنة ‪ :12‬لتكن األحداث ‪ A1, A2 ,, An‬من فضاء العينة ‪ ‬والتي تشكل تجزئة لـ ‪ ، ‬بحيث‬
‫من ‪ ، ‬لدينا‪:‬‬ ‫‪ P( Ai )  0‬من أجل ‪ . i  1, 2, , n‬من أجل أي حدث ‪B‬‬
‫‪n‬‬ ‫‪n‬‬
‫) ‪P( B)   P( B Ai )   P( B | Ai ) P( Ai‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫مثال ‪ :37‬في أحد مصانع التجميع يتم إنتاج منتج بواسطة إحدى ثالث آالت‪ .‬تقوم األولى ‪ B1‬بإنتاج ‪30%‬‬
‫من اإلنتاج الكلي للمصنع‪ ،‬وتقوم الثانية ‪ B2‬بإنتاج ‪ 45%‬من اإلنتاج الكلي للمصنع‪ ،‬وتقوم الثالثة ‪ B3‬بإنتاج‬

‫‪ISSN: 2617-989X‬‬ ‫‪73‬‬

‫‪ 25%‬من اإلنتاج الكلي للمصنع‪ .‬إذا علمنا أن نسبة المنتجات التالفة لآلالت هي‪ 2% :‬لألولى و‪ 3%‬للثانية‬
‫و‪ 2%‬للثالثة‪.‬‬
‫‪ )a‬نأخذ منتج واحد بشكل عشوائي ما هو احتمال أن يكون تالف؟‬
‫‪ )b‬إذا علمنا أن المنتج كان تالفاً‪ ،‬فما هو احتمال أن يكون قد أنتج من اآللة األولى‪ ،‬الثانية‪ ،‬الثالثة؟‬
‫الحل‪:‬‬
‫‪ )a‬لنعرف األحداث التالية‪ A :‬المنتج تالف‪ B1 ،‬المنتج مصنع من قبل اآللة ِ ‪ B2 ، B1‬المنتج مصنع‬
‫من قبل اآللة ِ ‪ B3 ، B2‬المنتج مصنع من قبل اآللة ِ ‪ . B3‬بتطبيق قانون االحتمال الكلي‪:‬‬

‫‪P( A | B1) P( B1)  (0.02)(0.3)  0.006‬‬

‫‪P( A | B2 ) P( B2 )  (0.03)(0.45)  0.0135‬‬
‫‪P( A | B3 ) P( B3 )  (0.02)(0.25)  0.005‬‬
‫‪3‬‬
‫‪P( A)   P( A | Bi ) P( Bi )  0.006  0.0135  0.005  0.0245‬‬
‫‪i 1‬‬
‫بالتالي احتمال أن يكون المنتج تالف هو ‪0.0245‬‬
‫‪ )b‬إذا علمنا أن المنتج كان تالفاً‪ ،‬فإن احتمال أين يكون قد أنتج من اآللة األولى هو‪:‬‬
‫)‪P( A  B1) P( A | B1) P( B2 ) (0.02)(0.3‬‬
‫‪P( B1 | A) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.245‬‬
‫)‪P( A‬‬ ‫)‪P( A‬‬ ‫‪0.0245‬‬
‫واحتمال أين يكون قد أنتج من اآللة الثانية هو‪:‬‬
‫)‪P( A  B2 ) P( A | B2 ) P( B2 ) (0.03)(0.45‬‬
‫‪P( B2 | A) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.551‬‬
‫)‪P( A‬‬ ‫)‪P( A‬‬ ‫‪0.0245‬‬
‫واحتمال أين يكون قد أنتج من اآللة الثالثة هو‪:‬‬
‫)‪P( A  B3 ) P( A | B3 ) P( B3 ) (0.02)(0.25‬‬
‫‪P( B2 | A) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.204‬‬
‫)‪P( A‬‬ ‫)‪P( A‬‬ ‫‪0.0245‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪74‬‬

 ‫حالة خاصة من قانون االحتمال الكلي‬
‫نعلم جيداً أن الحدثان ‪ A‬و ‪ A‬تشكالن تجزئة لفضاء العينة ‪ ، ‬بالتالي يصبح قانون االحتمال الكلي في هذه‬
‫الحالة كما يلي‪:‬‬

‫)' ‪P( B)  P( B | A) P( A)  P( B | A ') P( A‬‬

‫مثال ‪ :38‬احتمال أن تتلج غداً هو ‪ .1/3‬إذا أثلجت احتمال أن يذهب فادي إلى العمل ‪ ،1/5‬وإذا لم تتلج‬
‫فاحتمال أن يذهب فادي إلى العمل ‪ .8/9‬أوجد احتمال أن يذهب فادي إلى العمل غداً‪.‬‬
‫الحل‪:‬‬
‫ليكن ‪ A‬الحدث غداً سوف تثلج‪ ،‬والحدث ‪ B‬فلدي سيذهب إلى العمل غداً‪ .‬بالتالي‪ P( A )  1 / 3:‬و‬
‫‪ P( A)  2 / 3‬و ‪ P( B | A)  1/ 5‬و ‪. P( B | A)  8 / 9‬‬
‫‪1 1 8 2 89‬‬
‫‪P( B)  .  . ‬‬
‫‪5 3 9 3 135‬‬
‫مثال ‪ :39‬لدينا عينة من ‪ 100‬عنصر ‪ 20‬منها معطل‪ ،‬نختار من هذه العينة عنصران واحد تلو اآلخر بدون‬
‫إعادة‪ .‬احسب‪:‬‬
‫‪ )a‬العنصر األول معطل‪.‬‬
‫‪ )b‬العنصران معطالن‪.‬‬
‫‪ )c‬العنصر الثاني معطل‪.‬‬
‫الحل‪:‬‬
‫ليكن الحدث ‪ A‬العنصر األول المسحوب معطل والحدث ‪ B‬العنصر الثاني المسحوب معطل‬
‫‪20 1‬‬
‫‪a) P( A) ‬‬ ‫‪‬‬
‫‪100 5‬‬
‫‪19 20‬‬ ‫‪19‬‬
‫‪b) P( A  B)  P( A | B) P( A) ‬‬ ‫‪.‬‬ ‫‪‬‬
‫‪99 100 495‬‬
‫)' ‪c) P( B)  P( B | A) P( A)  P( B | A ') P( A‬‬
‫‪19 20 20 80 198 1‬‬
‫‪ .‬‬ ‫‪ .‬‬ ‫‪‬‬ ‫‪‬‬
‫‪99 100 99 100 990 5‬‬

‫من فضاء العينة ‪ ‬والتي تشكل تجزئة لـ ‪، ‬‬ ‫مبرهنة ‪( 13‬بايز)‪ :‬لتكن األحداث ‪A1, A2 ,, An‬‬
‫بحيث ‪ P( Ai )  0‬من أجل ‪ . i  1, 2, , n‬من أجل أي حدث ‪ A‬من ‪ ، ‬لدينا‪:‬‬
‫) ‪P( B | Ai ) P( Ai‬‬ ‫) ‪P( B | Ai ) P( Ai‬‬
‫‪P( Ai | B) ‬‬ ‫‪‬‬ ‫‪n‬‬
‫)‪P( B‬‬
‫) ‪ P( B | Ak ) P( Ak‬‬
‫‪k 1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪75‬‬

 ‫حالة خاصة من مبرهنة بايز‬
‫بتطبيق مبرهنة بايز على ‪ A‬و ‪ A‬اللذان يشكالن تجزئة لفضاء العينة ‪ ، ‬يصبح قانون االحتمال الكلي في‬
‫هذه الحالة كما يلي‪:‬‬
‫)‪P( B | A) P( A‬‬
‫‪P( A | B) ‬‬
‫)‪P( B | A) P( A)  P( B | A) P( A‬‬

‫مثال ‪ :40‬لدينا صندوقين يحوي الصندوق األول على ‪ 4‬كرات بيضاء و ‪ 6‬كرات سوداء‪ ،‬بينما يحوي‬
‫الصندوق الثاني على ‪ 8‬كرات بيضاء و‪ 8‬كرات سوداء‪ .‬اخترنا صندوق من هاذين الصندوقين بشكل عشوائي‬
‫ثم سحبنا منه كرة واحدة بشكل عشوائي‪:‬‬
‫‪ )a‬احسب احتمال أن تكون الكرة المسحوبة سوداء‪.‬‬
‫‪ )b‬إذا علمنا أن الكرة المسحوبة سوداء‪ ،‬فما احتمال أن تكون من الصندوق الثاني‪.‬‬

‫الحل‪:‬‬
‫لنعرف الحوادث التالية‪ B :‬الكرة المسحوبة سوداء‪ A1 ،‬الصندوق المختار هو الصندوق األول‪A2 ،‬‬
‫الصندوق المختار هو الصندوق الثاني‪.‬‬
‫‪)a‬‬
‫‪P( A1 )  P( A2 )  1 / 2‬‬
‫‪P( B | A1 )  6 / 10‬‬
‫‪P( B | A2 )  5 / 10‬‬
‫) ‪P( B)  P( B | A1) P( A1) P( B | A2 ) P( A2‬‬
‫‪ (0.5)(0.6)  (0.5)(0.5)  0.55  11/ 20‬‬

‫‪ )b‬لنعرف الحوادث التالية‪ B :‬الكرة المسحوبة سوداء‪ A1 ،‬الصندوق المختار هو الصندوق األول‪،‬‬
‫‪ A2‬الصندوق المختار هو الصندوق الثاني‪ ،‬بالتالي‪:‬‬
‫) ‪P( B | A2 ) P( A2‬‬
‫‪P( A2 | B) ‬‬
‫) ‪P( B | A1) P( A1)  P( B | A2 ) P( A2‬‬
‫‪(0.5)(0.5) 5‬‬
‫‪P( A2 | B) ‬‬ ‫‪‬‬
‫‪0.55‬‬ ‫‪11‬‬

‫مثال ‪ :41‬في أحد الجامعات‪ 6% ،‬من الذكور أطوالهم أكثر من ‪ 180‬سم و ‪ 1%‬من اإلناث أطوالهن أكثر‬
‫من ‪ 180‬سم‪ .‬نسبة اإلناث إلى الذكور في هذه الجامعة هي ‪( 3:2‬لصالح اإلناث)‪ .‬نختار أحد الطالب بشكل‬
‫عشوائي من بين الذين أطوالهم أكثر من ‪ 180‬سم‪ ،‬ما هو احتمال أن يكون الطالب المختار أنثى؟‬

‫‪ISSN: 2617-989X‬‬ ‫‪76‬‬

 ‫الحل‪:‬‬
‫ليكن لدينا األحداث التالية‪ M :‬الطالب ذكر‪ F ،‬الطالب أنثى‪ T ،‬طول الطالب أكثر من ‪ 180‬سم‪.‬‬
‫من المالحظ أن الحدثان ‪ M‬و ‪ F‬يشكالن تجزئة لفضاء العينة (الطالب والطالبات)‪ .‬وأن ‪P(M )  2 / 5‬‬
‫‪. P(T | F )  1/ 100 ، P(T | M )  6 / 100 ، P( F )  3 / 5 ،‬‬
‫المطلوب هو حساب ) ‪ . P( F | T‬باالعتماد على نظرية بايز لدينا‪:‬‬
‫) ‪P(T | F ) P( F‬‬
‫‪P( F | T ) ‬‬
‫) ‪P(T | F ) P( F )  P(T | M ) P( M‬‬
‫)‪(0.01)(0.6‬‬ ‫‪1‬‬
‫‪P( F | T ) ‬‬ ‫‪‬‬
‫‪(0.01)(0.6)  (0.06)(0.4) 5‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪77‬‬

 ‫تمارين‬

‫‪ .1‬احتمال إصابة شخص ما بالمرض ‪ A‬هو ‪ 1/4‬واحتمال أن يصاب بالمرض ‪ B‬هو ‪ 1/3‬واحتمال أن‬
‫يصاب بأحد المرضين ‪ A‬أو ‪ B‬هو ‪ .1/2‬ماهو احتمال أن يصاب الشخص بالمرضين ‪ A‬و ‪ B‬معاً؟‬

‫‪ .2‬صندوق يحوي ‪ 8‬كرات بيضاء و‪ 4‬كرات سوداء‪ ،‬نسحب عشوائيًا خمس كرات‪ ،‬ما احتمال أن يكون لدينا‬
‫في العينة المسحوبة كرتان بيضاوان؟‬

‫‪ .3‬إذا كان عدد أوراق يانصيب ‪ 30‬ورقة من بينها ‪ 5‬أوراق رابحة‪ .‬اشترى شخص ثماني أوراق‪ .‬المطلوب‪:‬‬
‫‪ )a‬ما هو احتمال أال يربح المشتري أي جائزة‪.‬‬
‫‪ )b‬ما احتمال أن يربح ثالثة جوائز‪.‬‬
‫‪ )c‬ما احتمال أن يربح جائزة على األقل‪.‬‬

‫‪ .4‬إذا علمت أن للهواتف أرقام مؤلفة من سبعة خانات عشرية وأن المنزلة األخيرة هي ‪ 5‬أو ‪6‬‬
‫‪ )a‬ما هو عدد أرقام الهواتف الممكنة؟‬
‫‪ )b‬ما احتمال أن يكون رقم هاتفك ‪5656565‬؟‬

‫‪ .5‬ثالثة رماة ‪ A, B, C‬احتمال إصابة كل منهم للهدف هي ‪ 4/5, 3/4, 2/3‬على الترتيب‪ .‬إذا صوب كل‬
‫منهم طلقة واحدة نحو الهدف ذاته فما هو احتمال‬
‫‪ )a‬إصابة الهدف‪.‬‬
‫‪ )b‬إصابة الهدف بطلقة واحدة‪.‬‬
‫‪ )c‬عدم إصابة الهدف‪.‬‬

‫‪ .6‬دراسة لعينة من ‪ 800‬شخص تتعلق بالقدرة على تذكر اإلعالنات التلفزيونية بالنسبة لمنتج معين وتأثير‬
‫اإلعالن على شراء المنتج‪:‬‬

‫المجموع‬ ‫ال يتذكر اإلعالن‬ ‫يتذكر اإلعالن‬

‫‪240‬‬ ‫‪80‬‬ ‫‪160‬‬ ‫اشترى المنتج‬
‫‪560‬‬ ‫‪320‬‬ ‫‪240‬‬ ‫لم يشتري المنتج‬
‫‪800‬‬ ‫‪400‬‬ ‫‪400‬‬ ‫المجموع‬

‫‪ISSN: 2617-989X‬‬ ‫‪78‬‬

 ‫بفرض أن ‪ T‬حدث تذكر الشخص لإلعالن وأن ‪ B‬حدث شراء المنتج‪ .‬المطلوب‪:‬‬
‫‪ )a‬أوجد احتمال كل من األحداث التالية‪. P(T ), P (B ), P (T  B ) :‬‬
‫‪ )b‬هل الحدثان ‪ T‬و ‪ B‬مستقالن؟‬
‫‪ )c‬إذا تذكر شخص ما اإلعالن‪ ،‬ما هو احتمال أن يشتري المنتج؟‬

‫‪ .7‬تستخدم شركة تصنيع ثالث خطط تحليلية لتصميم وتطوير منتج محدد‪ .‬ألسباب اقتصادية تستخدم الخطط‬
‫الثالثة في أوقات مختلفة‪ .‬في الواقع يتم استخدام الخطط ‪ 1, 2, 3‬بنسبة ‪ 30%, 20%, 50%‬على‬
‫الترتيب‪ ،‬معدل العيب يختلف لإلجرائيات الثالث كما يلي‪:‬‬

‫‪P( D / P1)  0.01 , P( D / P2 )  0.03 , P( D / P3 )  0.02‬‬

‫حيث أن ) ‪ P( D / Pj‬هي احتمال أن يكون المنتج معيب علم ًا أنه تم استخدام المخطط ‪ . j‬إذا تم رصد منتج‬
‫ال أن تكون مستخدمة وبالتالي مسؤولة عن العيب‪.‬‬
‫ووجد أنه معيب‪ ،‬ما هي الخطة األكثر احتما ً‬

‫‪ISSN: 2617-989X‬‬ ‫‪79‬‬

 ‫المدة‪ :‬ساعة واحدة‬ ‫عالمة النجاح‪51 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )80‬درجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬

‫‪ .1‬رمينا قطعة من النقود المتزنة ‪ 4‬مرات‪ .‬إذا أظهرت الثالث رميات األولى كتابة‪ ،‬احتمال أن تظهر الرمية‬
‫الرابعة كتابة أيضًا هو‪:‬‬
‫‪0 )a‬‬
‫‪1/16 )b‬‬
‫‪1/2 )c‬‬
‫‪1/8 )d‬‬

‫‪ .2‬سحبنا ورقتان من أوراق اللعب ال ‪ 52‬بدون إعادة‪ .‬احتمال الحصول على ‪ 7‬يليها ملك هو‪:‬‬
‫‪4/51 )a‬‬
‫‪4/52 )b‬‬
‫‪4/256 )c‬‬
‫‪4/663 )d‬‬

‫‪ .3‬عدد الكلمات المختلفة ذات ثالثة األحرف الممكن تكوينها من حروف كلمة ‪ PROBA‬هو‪:‬‬
‫‪60 )a‬‬
‫‪125 )b‬‬
‫‪10 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .4‬عدد األرقام المختلفة المؤلفة من ‪ 3‬خانات والتي يمكن تشكيلها من الخانات ‪ 0, 2, 4, 6‬هو‪:‬‬
‫‪27 )a‬‬
‫‪18 )b‬‬
‫‪24 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪80‬‬

 ‫–‬

‫‪ .5‬عدد األرقام الصحيحة التي تقع في المجال ]‪ [500, 999‬التي ال تحوي خانات مكررة هو‪:‬‬
‫‪360 )a‬‬
‫‪500 )b‬‬
‫‪450 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .6‬رمينا ‪ 3‬قطع من النقود المتزنة مرة واحدة‪ .‬احتمال الحصول عل كتابتين على األكثر هو‪:‬‬
‫‪3/4 )a‬‬
‫‪1/4 )b‬‬
‫‪3/8 )c‬‬
‫‪7/8 )d‬‬

‫‪ .7‬صندوق يحوي على طابتين حمر‪ 3 ،‬طابات خضر وطابتين زرق‪ .‬سحبنا طابتين عشوائياً‪ ،‬احتمال أال تكون‬
‫وال واحدة زرقاء هو‪:‬‬
‫‪11/21 )a‬‬
‫‪2/7 )b‬‬
‫‪10/21 )c‬‬
‫‪5/7 )d‬‬

‫‪ .8‬رمينا زوج من النرد مرة واحدة‪ .‬احتمال الحصول على عددين حاصل ضربهما عدد زوجي هو‪:‬‬
‫‪1/2 )a‬‬
‫‪3/8 )b‬‬
‫‪3/4 )c‬‬
‫‪5/1 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪81‬‬

 ‫‪ .2‬حدثان متنافيان ‪ X , Y‬بحيث ‪ P(Y )  0.35‬و ‪ . P( X  Y )  0.8‬قيمة ) ‪ P( X‬هي‪:‬‬
‫‪0.65 )a‬‬
‫‪0.2 )b‬‬
‫‪0.45 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ .11‬حدثان ‪ A, B‬بحيث ‪ P( A)  2 / 3‬و ‪ P( B)  x‬و ‪ . P( A  B)  11/ 12‬قيمة ‪ x‬التي تجعل‬

‫الحدثين ‪ A, B‬مستقلين هي‪:‬‬
‫‪3/4 )a‬‬
‫‪1/3 )b‬‬
‫‪1/4 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ .11‬حدثان ‪ A, B‬بحيث ‪ P( A)  1/ 3‬و ‪ P( B)  2 / 7‬و ‪ . P( A  B)  3 / 7‬قيمة )‪P( A | B‬‬

‫هي‪:‬‬
‫‪5/7 )a‬‬
‫‪2/3 )b‬‬
‫‪4/7 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .12‬حدثان ‪ A, B‬بحيث ‪ P( A)  2 / 5‬و ‪ . P( B | A)  1/ 3‬قيمة )‪ P( A  B‬هي‪:‬‬

‫‪1/15 )a‬‬
‫‪2/15 )b‬‬
‫‪4/15 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪82‬‬

‫‪ .13‬سحبنا ورقتان من أوراق اللعب الـ ‪ 52‬بدون إعادة‪ .‬احتمال الحصول على ورقة سباتي وأخرى كبة‬
‫هو‪:‬‬
‫‪3/20 )a‬‬
‫‪29/34 )b‬‬
‫‪47/100 )c‬‬
‫‪13/102 )d‬‬

‫‪ .14‬ثالثة أحداث مستقلة ‪ A, B, C‬بحيث ‪ P( A)  0.5‬و ‪ P( B)  0.2‬و ‪ . P(C )  0.3‬احتمال‬

‫وقوع حدث واحد على األقل من بين ‪ A, B, C‬هو‪:‬‬
‫‪0.28 )a‬‬
‫‪0.72 )b‬‬
‫‪1 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .15‬زار رجل يحمل مظلة ‪ 3‬مخازن‪ ،‬احتمال أن ينسى المظلة في أي مخزن هو ‪ .1/4‬بعد الزيارة وجد‬
‫الرجل أنه نسي المظلة‪ .‬احتمال أن يكون قد نسيها في المخزن الثاني هو‪:‬‬
‫‪3/16 )a‬‬
‫‪7/16 )b‬‬
‫‪12/37 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪6‬‬ ‫‪3‬‬ ‫‪9‬‬

‫‪ . P(C  D) ‬قيمة )‪ P( D‬هي‪:‬‬ ‫‪ P(C ) ‬و ‪ P(C | D) ‬و‬ ‫‪ .16‬حدثان ‪ C , D‬بحيث‬
‫‪13‬‬ ‫‪7‬‬ ‫‪20‬‬
‫‪13/20 )a‬‬
‫‪5/7 )b‬‬
‫‪11/20 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪83‬‬

 ‫(‪ )20‬درجة‬ ‫السؤال الثاني‪:‬‬

‫عينة من الجامعة االفتراضية حجمها ‪ 200‬شخص من بينهم ‪ 90‬أنثى‪ .‬وجد أن ‪ 60‬شخص من العينة يدخن‬
‫من بينهم ‪ 40‬ذكر‪.‬‬
‫‪ )a‬استخدم المعلومات السابقة لملء الجدول التالي‪:‬‬

‫المجموع‬ ‫أنثى‬ ‫ذكر‬

‫مدخن‬
‫غير مدخن‬
‫المجموع‬

‫‪ )b‬نختار شخص بشكل عشوائي‪ .‬أوجد احتمال أن يكون هذا الشخص‪:‬‬

‫أنثى غير مدخنة‬ ‫‪.i‬‬
‫ذكر علمًا بأن الشخص المختار غير مدخن‬ ‫‪.ii‬‬
‫‪ )c‬يتم اختيار شخصان بشكل عشوائي‪ ،‬احسب احتمال أن يكون كليهما أنثيان غير مدخنتان‬

‫الحل‪:‬‬
‫‪)a‬‬
‫المجموع‬ ‫أنثى‬ ‫ذكر‬
‫‪60‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫مدخن‬
‫‪140‬‬ ‫‪70‬‬ ‫‪70‬‬ ‫غير مدخن‬
‫‪200‬‬ ‫‪90‬‬ ‫‪110‬‬ ‫المجموع‬
‫‪)b‬‬
‫‪70‬‬ ‫‪7‬‬
‫‪‬‬ ‫احتمال أن يكون الشخص أنثى غير مدخنة هو‬ ‫‪.i‬‬
‫‪200 20‬‬
‫‪70 1‬‬
‫‪ .ii‬احتمال أن يكون الشخص ذكر علماً بأن الشخص المختار غير مدخن هو ‪‬‬
‫‪140 2‬‬
‫‪70 69‬‬ ‫‪483‬‬
‫‪‬‬ ‫‪ 0.121 )c‬‬
‫‪200 199 3980‬‬

‫توجيه في حال الخطأ‪ :‬راجع الفقرة ‪ 4‬و‪5‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪84‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪4‬‬ ‫‪c‬‬ ‫‪1‬‬
‫الفقرتين ‪ 3‬و‪4‬‬ ‫‪d‬‬ ‫‪2‬‬
‫الفقرة ‪3‬‬ ‫‪a‬‬ ‫‪3‬‬
‫الفقرة ‪3‬‬ ‫‪b‬‬ ‫‪4‬‬
‫الفقرة ‪3‬‬ ‫‪a‬‬ ‫‪5‬‬
‫الفقرة ‪ 2‬و‪3‬‬ ‫‪d‬‬ ‫‪6‬‬
‫الفقرة ‪4‬‬ ‫‪c‬‬ ‫‪7‬‬
‫الفقرة ‪ 2‬و‪4‬‬ ‫‪c‬‬ ‫‪8‬‬
‫الفقرة ‪ 1‬و‪2‬‬ ‫‪c‬‬ ‫‪2‬‬
‫الفقرة ‪ 1‬و‪5‬‬ ‫‪a‬‬ ‫‪11‬‬
‫الفقرة ‪ 2‬و‪4‬‬ ‫‪b‬‬ ‫‪11‬‬
‫الفقرة ‪ 2‬و‪4‬‬ ‫‪c‬‬ ‫‪12‬‬
‫الفقرة ‪ 3‬و‪4‬‬ ‫‪d‬‬ ‫‪13‬‬
‫الفقرة ‪4‬‬ ‫‪b‬‬ ‫‪14‬‬
‫الفقرة ‪5‬‬ ‫‪c‬‬ ‫‪15‬‬
‫الفقرة ‪ 4‬و‪5‬‬ ‫‪a‬‬ ‫‪16‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪85‬‬

 ‫الفصل الثالث‪ :‬المتحوالت العشوائية والتوزيعات‬
‫االحتمالية‬

‫الكلمات المفتاحية‪:‬‬
‫متحول عشوائي‪ ،‬متحول عشوائي متقطع‪ ،‬متحول عشوائي مستمر‪ ،‬التوزيع االحتمالي‪ ،‬تابع التوزيع‬
‫االحتمالي‪ ،‬تابع التوزيع التراكمي‪ ،‬التوزيع االحتمالي المشترك‪ ،‬التوزيع االحتمالي الهامشي‪ ،‬التوزيعات‬
‫االحتمالية الشرطية‪ ،‬التوقع الرياضي‪ ،‬التشتت‪ ،‬االنحراف المعياري‪ ،‬التغاير‪ ،‬معامل الترابط‪ ،‬سيرورة‬
‫عشوائية‪.‬‬

‫ملخص‪:‬‬
‫يهدف هذا الفصل إلى التعرف على مفهوم المتحول العشوائي المتقطع والمستمر‪ .‬باإلضافة إلى تابع التوزيع‬
‫االحتمالي والتراكمي في الحالة المتقطعة والمستمرة‪ ،‬والصفات الرئيسية لكل منهما ‪ .‬وكذلك األمر بالنسبة‬
‫للتوزيع المشترك لمتحولين عشوائيين‪ ،‬متقطعين ومستمرين‪ ،‬والتعرف على مفهوم االستقاللية بينهما‪ .‬ويتم‬
‫التطرق إلى مفاهيم كل من التوقع الرياضي ( متوسط المتحول العشوائي) والتشتت للمتحول العشوائي ودراسة‬
‫خصائص كل منهما ‪.‬‬

‫تعليمية ‪:‬‬ ‫األدهاا‬

‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫‪ ‬المتحول العشوائي المتقطع والمستمر‪.‬‬
‫‪ ‬التوزيعات االحتمالية المتقطعة ‪ :‬تا بعي التوزيع االحتمالي والتراكمي‪.‬‬
‫‪ ‬التوزيعات االحتمالية المستمرة‪ :‬تابعي التوزيع االحتمالي والتراكمي‪.‬‬
‫‪ ‬التوزيعات االحتمالية المشتركة‪ ،‬الهامشية‪ ،‬الشرطية‪ ،‬االستقاللية‪.‬‬
‫‪ ‬التوقع الرياضي‪.‬‬
‫‪ ‬تشتت المتحول العشوائي‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪86‬‬

 ‫‪ .1‬المتحول العشوائي ‪:random variable‬‬
‫في كثير من األحيان نرغب في التعامل مع قيم عددية مرتبطة بنقاط العينة للتجربة العشوائية بدالً من التعامل‬
‫مع نقاط العينة نفسها إذ أن نقاط العينة أو النتائج الممكنة للتجربة العشوائية تكون في بعض األحيان عبارة عن‬
‫صفات يصعب التعامل معها رياضياً‪ .‬في هذه الحالة فإننا نقوم بتحويل هذه القيم الوصفية إلى قيم عددية حقيقية‬
‫تسمى قيم المتحول العشوائي‪ ،‬وبالتالي فإن هذا التحويل يساعد في تسهيل الدراسة واستقراء النتائج وذلك‬
‫باستخدام الطرق الحسابية والرياضية‪.‬‬
‫على سبيل المثال في تجربة إلقاء قطعة نقود متزنة ثالث مرات‪ ،‬وكان اهتمامنا فقط على عدد ظهور الكتابة‬
‫‪ ، H‬نكون عندها عرفنا متحوالً عشوائياً ‪ X‬يأخذ إحدى القيم التالية ‪ .0, 1, 2, 3‬أي نكون بذلك عرفنا على‬
‫عددياً‬ ‫تابعاً‬ ‫} ‪  {HHH , HHT , HTH , THH , HTT , THT , TTH , TTT‬‬ ‫العينة‬ ‫فضاء‬
‫}‪ ، X :   {0, 1, 2, 3‬يعطي لكل عنصر من عناصر فضاء العينة ‪ ‬قيمة عددية تمثل عدد مرات‬
‫ظهور الكتابة‪ .‬فمثالً يأخذ المتحول ‪ X‬القيمة ‪ ، X  0 ( 0‬أي عدم ظهور الكتابة وال مرة) من أجل الحدث‬
‫} ‪ ، {TTT‬كما يأخذ القيمة ‪ ، X  2 ( 2‬ظهور الكتابة مرتين) من أجل الحدث‬ ‫البسيط‬
‫} ‪.{HHT , HTH , THH‬‬

‫عدد حوادث المرور في مدينة دمشق في يوم ما هو قياس كمي‪ ،‬أما والدة ذكر أو أنثى فهي مالحظة وصفية‬
‫(كيفية)‪.‬‬
‫إذا رمزنا بـ ‪ X‬لعدد الحوادث المرورية في مدينة دمشق ولحالة الوالدة بـ ‪ Y‬فمع نهاية كل يوم سنحصل‬
‫على قيمة للمتحول ‪ X‬ومع كل حالة والدة سنحصل على قيمة للمتحول ‪. Y‬‬
‫ومن الطبيعي أن نقول عن متحول مثل ‪ X‬أو ‪ Y‬على أنه متحول عشوائي‪ ،‬ألن القيم التي يأخذها كل منهما‬
‫مرتبطة بتجربة عشوائية‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪87‬‬

‫ليكن على سبيل المثال لدى أسرة طفالن‪ ،‬لنرمز للذكر بالرمز ‪ B‬ولألنثى بالرمز ‪ . G‬بالتالي فإن فضاء‬
‫العينة هو‪ ،   {GG, GB, BG, BB} :‬وليكن ‪ X‬متحول يمثل عدد األطفال الذكور عند هذه العائلة‪.‬‬
‫بالتالي فإن ‪ X‬هو متحول عشوائي يمكن أن تكون قيمه إما ‪ (GG) 0‬أو ‪ ( BG, GB) 1‬أو ‪. ( BB) 2‬‬

‫‪ :1‬ليكن لدينا ‪ ‬فضاء العينة لتجربة عشوائية‪ .‬المتحول العشوائي عبارة عن تابع حقيقي يُلحق بكل‬ ‫تعري‬
‫عنصر من عناصر فضاء العينة ‪ ‬قيمة حقيقية‪ .‬نرمز عادة للمتحول العشوائي بحرف كبير ‪ ، X , Y , ...‬كما‬
‫نرمز للقيم التي يأخذها بأحرف صغيرة ‪. x, y, ...‬‬
‫تُقسم المتحوالت العشوائية إلى نوعين أساسيين هما‪:‬‬

‫المتحوالت العشوائية المتقطعة ‪ :discrete random variables‬إذا كانت مجموعة القيم الممكنة لتلك‬
‫المتحوالت مجموعة منتهية (كما هو الحال في تجربة رمي قطع نقدية ثالث مرات) أو ال نهائية قابلة للعد‬
‫(كما هو الحال بالنسبة لعدد الحوادث المرورية التي تقع يومياً)‪.‬‬

‫المتحوالت العشوائية المستمرة ‪ :continuous random variables‬إذا كانت مجموعة القيم الممكنة‬
‫لتلك المتحوالت مجموعة غير منتهية وغير قابلة للعد‪ .‬بكالم أخر‪ ،‬مجموعة قيمها هي مجال من المحور‬
‫الحقيقي ( كما هو الحال في تجربة قياس طول األشخاص)‪.‬‬

‫مثال ‪ :1‬مصنع لتصنيع عناصر (الكترونية‪ ،‬ميكانيكية‪ ، )... ،‬تلك العناصر يمكن تصنيفها على أنها معيبة‬
‫‪ defective‬أو غير معيبة ‪ .not defective‬نعرف المتحول العشوائي المتقطع ‪ ، X‬على سبيل المثال بـ‪:‬‬
‫‪ X  1‬إذا كان العنصر معيب‪ ،‬و ‪ X  0‬إذا كان العنصر غير معيب‪.‬‬

‫مثال ‪ :2‬في اإلحصاء نستخدم مفهوم أخذ العينات من أجل قبول أو رفض دفعات من مادة معينة (لمبات‪،‬‬
‫عناصر الكترونية‪ .)... ،‬على سبيل المثال نأخذ عينة من ‪ 10‬عناصر بشكل عشوائي من أصل ‪ 100‬عنصر‬
‫تحوي على ‪ 12‬عنصر معيب‪ .‬ليكن ‪ X‬المتحول العشوائي المتقطع المعرف على أنه عدد العناصر المعيبة‬
‫في العينة المختارة‪ .‬في هذه الحالة يمكن للمتحول العشوائي أن يأخذ أحد القيم الصحيحة المحصورة بين ‪0‬‬
‫و‪.10‬‬

‫مثال ‪ :3‬ليكن ‪ X‬المتحول العشوائي المستمر المعرف على أنه الزمن‪ ،‬مقدراً بالدقائق‪ ،‬الالزم لتخديم (تسديد‬
‫فاتورة‪ ،‬شراء خط‪ )...‬زبون في مركز خدمات الزبائن للهواتف الجوالة‪ .‬في هذه الحالة يمكن للمتحول‬
‫بحيث ‪. x  0‬‬ ‫العشوائي أن يأخذ أي قيمة حقيقية ‪x‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪88‬‬

‫مثال ‪ :4‬ليكن ‪ X‬المتحول العشوائي المستمر المعرف على أنه نسبة األشخاص الذين يتم شفاءهم من مرض‬
‫تنتمي‬ ‫خطير (السرطان‪ ،‬اإليدز‪ .)... ،‬في هذه الحالة يمكن للمتحول العشوائي أن يأخذ أي قيمة حقيقية ‪x‬‬
‫إلى المجال ]‪.) 0  x  1( [0, 1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪89‬‬

 ‫‪ .2‬التوزيعات االحتمالية المتقطعة ‪:discrete probability distributions‬‬
‫‪ .1.2‬المتحول العشوائي المتقطع ‪:discrete random variables‬‬
‫‪ :2‬يكون المتحول العشوائي ‪ X :   R‬متحول عشوائي متقطع إذا كانت مجموعة القيم الممكنة‬ ‫تعري‬
‫لـ )‪ X (‬هي مجموعة منتهية أو قابلة للعد‪ ،‬أي أنها من الشكل }‪ X ()  {x1, x2 , , xn‬أو من‬
‫الشكل }‪. X ()  {x1, x2 , ‬‬
‫على أنه مجموعة‬ ‫}‪{ X  x‬‬ ‫إذا كانت ‪ x‬إحدى القيم التي يأخذها المتحول العشوائي ‪ ، X‬نعرف الحدث‬
‫األحداث البسيطة التي يأخذ عندها المتحول العشوائي ‪ X‬القيمة ‪. x‬‬

‫مثال ‪ :5‬في تجربة إلقاء زوج من النرد مرة واحدة‪ .‬ليكن ‪ X‬المتحول العشوائي الذي يدل على مجموع‬
‫أرقام الوجهين الظاهرين‪.‬‬
‫‪ )a‬أوجد مجموعة قيم المتحول العشوائي‪.‬‬
‫‪ )b‬ما هو الحدث }‪ { X  4‬؟ وما هو احتمال وقوعه؟‬
‫‪ )c‬ما هو الحدث }‪ { X  6‬؟ وما هو احتمال وقوعه؟‬

‫الحل‪:‬‬
‫‪. X ()  {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} )a‬‬
‫‪ ، { X  4}  {(1, 3), (2, 2), (3,1)} )b‬واحتمال وقوع هذا الحدث هو ‪. 3 / 36  1/ 12‬‬
‫‪ ، { X  6}  {(1, 5), (2, 4), (3, 3),, (4, 2), (5,1)} )c‬واحتمال وقوع هذا الحدث هو ‪. 5 / 36‬‬

‫مثال ‪ :6‬في تجربة إلقاء قطعة نقود متزنة مرتين متتاليتين‪ .‬ليكن ‪ X‬المتحول العشوائي الذي يدل على عدد‬
‫المرات التي تظهر فيها الكتابة ‪. H‬‬
‫‪ )a‬فضاء العينة‪.‬‬
‫‪ )b‬أوجد مجموعة قيم المتحول العشوائي‪.‬‬
‫‪ )c‬عبر عن الحوادث التالية‪. {(H , T ), (T , H )}, {(H , H ), (H ,T ), (T , H )}:‬‬
‫‪ { X  0 } ,X{‬؟ وما هو‬ ‫{‪1 }X ,‬‬ ‫التالية}‪} , { X 2 :‬‬
‫‪X2 ‬‬ ‫الحوادث { ‪,‬‬
‫‪ )d‬عبر عن } ‪3‬‬
‫احتمال وقوع كل منها؟‬
‫الحل‪:‬‬
‫‪.   {( H , H ), ( H , T ), (T , H ), (T , T )} )a‬‬
‫‪. X ()  {0, 1, 2} )b‬‬
‫‪{( H , T ), (T , H )}  { X  1} )c‬‬
‫}‪{( H , H ), ( H , T ), (T , H )}  {X  1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪90‬‬

 ‫‪ ، { X  0}  {(T , T )} )d‬احتمال حدوثها هو ‪1 / 4‬‬
‫}) ‪ ، { X  1}  {( H , T ), (T , H‬احتمال حدوثها هو ‪1 / 2‬‬
‫}) ‪ ، { X  2}  {( H , H‬احتمال حدوثها هو ‪1 / 4‬‬
‫}) ‪ ، {X  2}  {( H , H ), ( H , T ), (T , H ), (T , T‬احتمال حدوثها هو ‪1‬‬
‫‪ ،F { X  3}  {}  ‬احتمال حدوثها هو ‪0‬‬

‫مثال ‪ :7‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬أوجد مجموعة القيم الممكنة للمتحوالت‬
‫العشوائية التالية‪:‬‬
‫‪ )a‬المتحول العشوائي ‪ X‬الذي يمثل عدد ظهور الكتابات ‪. H‬‬
‫‪ )b‬المتحول العشوائي ‪ Y‬الذي يمثل مربع عدد ظهور الكتابات ‪. H‬‬
‫‪ )c‬المتحول العشوائي ‪ Z‬الذي يمثل عدد ظهور الكتابات ‪ H‬مطروحًا منه عدد ظهور الشعارات ‪. T‬‬
‫الحل‪:‬‬
‫‪X ()  {0, 1, 2, 3} )a‬‬
‫‪Y ()  {0, 1, 4, 9} )b‬‬
‫‪Z ()  {-3, -1, 1, 3} )c‬‬

‫‪ .2.2‬تابع التوزيع االحتمالي ‪:probability distribution function‬‬

‫‪ :3‬ليكن ‪ X‬متحول عشوائي متقطع على فضاء العينة ‪ ‬مجموعة قيمه منتهية من الشكل‬ ‫تعري‬
‫}‪. X ()  {x1, x2 , , xn‬أو غير منتهيه‪ X ()  {x1, x2 , } .‬نسمي التابع التالي‪:‬‬
‫‪f X ( x) : X ()  R : x‬‬ ‫‪f X ( x)  P  X  x ‬‬
‫(اختصاراً )‪ ) f ( x‬تابع التوزيع االحتمالي أو تابع الكتلة االحتمالي ‪ function probability mass‬للمتحول‬
‫العشوائي ‪. X‬‬
‫يحقق التابع )‪ f X (x‬الخاصتين التاليتين‪:‬‬
‫‪a) 0  f X ( x)  1‬‬
‫)‪b‬‬ ‫‪‬‬ ‫‪‬‬
‫‪f X ( x)  P( X  x)  1‬‬
‫‪x‬‬ ‫‪x‬‬
‫مثال ‪ :8‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬ليكن ‪ X‬المتحول العشوائي الذي يعطي عدد‬
‫المرات التي تظهر فيها الكتابة ‪ . H‬أوجد تابع التوزيع االحتمالي للمتحول ‪. X‬‬

‫الحل‪:‬‬
‫وجدنا سابقاً أن فضاء العينة هو‪:‬‬
‫} ‪  {HHH , HHT , HTH , THH , HTT , THT , TTH , TTT‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪91‬‬

‫بالتالي فإن قيم المتحول ‪ X‬هي }‪ . X ()  {0, 1, 2, 3‬كما وجدنا أن ‪ P( X  0)  1/ 8‬و‬
‫‪ P( X  1)  P( X  2)  3 / 8‬وأخيراً ‪ . P( X  3)  1/ 8‬بالتالي فإن تابع التوزيع االحتمالي‬
‫للمتحول ‪ X‬هو‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫)‪P ( X  x‬‬ ‫‪1/8‬‬ ‫‪3/8‬‬ ‫‪3/8‬‬ ‫‪1/8‬‬

‫مثال ‪ :9‬في تجربة إلقاء زوج من النرد المتزن مرة واحدة‪ .‬ليكن ‪ Y‬المتحول العشوائي الذي يدل على‬
‫مجموع أرقام الوجهين الظاهرين‪ .‬أوجد تابع التوزيع االحتمالي للمتحول ‪. Y‬‬

‫الحل‪:‬‬
‫وجدنا سابقاً أن }‪. Y ()  {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12‬‬
‫})‪ ،{Y  2}  {(1,1‬بالتالي ‪. P(Y  2)  1/ 36‬‬
‫})‪ ، {Y  3}  {(1, 2), (1, 2‬بالتالي ‪. P(Y  3)  2 / 36‬‬
‫})‪ ، {Y  4}  {(1, 3), (2, 2), (3,1‬بالتالي ‪. P(Y  4)  3 / 36‬‬
‫})‪ ، {Y  5}  {(1, 4), (2, 3), (3, 2), (4,1‬بالتالي ‪. P(Y  5)  4 / 36‬‬
‫وهكذا وبنفس طريقة الحساب‪ ،‬نحصل أخيراً على جدول التوزيع االحتمالي التالي‪:‬‬
‫‪y‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫)‪P (Y  y‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬

‫مثال ‪ :10‬شحنة مؤلفة من ‪ 20‬جهاز كمبيوتر محمول معدة لبيع بالتقسيط تحوي على ‪ 3‬منها معيبة‪ .‬اشترت‬
‫إحدى المدارس جهازين منها تم اختيارها بشكل عشوائي‪ .‬أوجد تابع التوزيع االحتمالي لعدد األجهزة المعيبة‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪92‬‬

 ‫الحل‪:‬‬
‫بفرض ‪ X‬المتحول العشوائي الذي يشير إلى عدد األجهزة المعيبة الموجودة في العينة التي اشترتها‬
‫المدرسة‪ ،‬بالتالي القيم الممكنة لهذا المتحول هي ‪.0, 1, 2‬‬
‫‪C (3, 0)C (17, 2) 68‬‬
‫‪P( X  0) ‬‬ ‫‪‬‬
‫)‪C (20, 2‬‬ ‫‪95‬‬
‫‪C (3,1)C (17,1) 51‬‬
‫‪P( X  1) ‬‬ ‫‪‬‬
‫)‪C (20, 2‬‬ ‫‪190‬‬
‫)‪C (3, 2)C (17, 0‬‬ ‫‪3‬‬
‫‪P( X  2) ‬‬ ‫‪‬‬
‫)‪C (20, 2‬‬ ‫‪190‬‬
‫بالتالي جدول التوزيع االحتمالي هو التالي‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪136‬‬ ‫‪51‬‬ ‫‪3‬‬
‫)‪P ( X  x‬‬
‫‪190‬‬ ‫‪190‬‬ ‫‪190‬‬

‫‪ .3.2‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫‪ :4‬نعرف تابع التوزيع التراكمي )‪( FX ( x‬اختصاراً )‪ ) F ( x‬لمتحول عشوائي متقطع ‪ X‬له تابع‬ ‫تعري‬
‫التوزيع االحتمالي )‪ f X ( x‬كما يلي‪:‬‬
‫‪FX ( x)  P( X  x)   f X (t ), x  R‬‬
‫‪tx‬‬

‫مثال ‪ :11‬في تجربة إلقاء زوج من النرد المتزن مرة واحدة (المثال رقم ‪ 9‬السابق)‪ .‬أوجد تابع التوزيع‬
‫التراكمي للمتحول العشوائي ‪( X‬مجموع أرقام الوجهين الظاهرين)‪.‬‬

‫الحل‪:‬‬
‫‪FX (x)  P( X  x)  0,‬‬ ‫‪for x  2‬‬
‫‪FX (2)  P( X  2)  P( X  2)  1/ 36,‬‬ ‫‪for 2  x  3‬‬
‫‪FX (3)  P( X  3)  P( X  2)  P( X  3)  1/ 12,‬‬ ‫‪for 3  x  4‬‬
‫‪FX (4)  P( X  4)  1/ 6,‬‬ ‫‪for 4  x  5‬‬
‫‪FX (5)  P( X  5)  5 / 18,‬‬ ‫‪for 5  x  6‬‬
‫‪FX (6)  P( X  6)  5 / 12,‬‬ ‫‪for 6  x  7‬‬
‫‪FX (7)  P( X  7)  7 / 12,‬‬ ‫‪for 7  x  8‬‬
‫‪FX (8)  P( X  8)  13 / 36,‬‬ ‫‪for 8  x  9‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪93‬‬

‫‪FX (9)  P( X  9)  5 / 6,‬‬ ‫‪for 9  x  10‬‬
‫‪FX (10)  P( X  10)  11/ 12,‬‬ ‫‪for 10  x  11‬‬
‫‪FX (11)  P( X  11)  35 / 36,‬‬ ‫‪for 11  x  12‬‬
‫‪FX (12)  P( X  12)  1,‬‬ ‫‪for x  12‬‬

‫مالحظة ‪ :1‬يُمكن استخدام تابع التوزيع التراكمي )‪ FX ( x‬في حساب تابع التوزيع االحتمالي‪ ،‬وذلك بمالحظة‬
‫)‪ . P( X  x )  FX (x ) FX x( - 1‬على سبيل المثال إذا أردنا حساب )‪ P( X  5‬في المثال‬
‫أن‪:‬‬
‫السابق نجد‪:‬‬
‫‪5 1 1‬‬
‫‪P( X  5)  FX (5)  FX (4) ‬‬ ‫‪ ‬‬
‫‪18 6 9‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪94‬‬

 ‫‪.3‬التوزيعات االحتمالية المستمرة ‪:continuous probability distributions‬‬
‫‪ .1.3‬المتحول العشوائي المستمر ‪:continuous random variables‬‬
‫‪ :5‬يكون المتحول العشوائي ‪ X :   R‬متحول عشوائي مستمر إذا كانت مجموعة القيم الممكنة‬ ‫تعري‬
‫لـ )‪ X (‬هي مجموعة غير منتهية وغير قابلة للعد‪ ،‬أي أنها عبارة عن مجال من المحور الحقيقي أو‬
‫اتحاد عدة مجاالت‪.‬‬
‫من األمثلة عن الكميات التي يمكن تمثيلها بواسطة متحوالت عشوائية مستمرة‪ :‬درجة حرارة تفاعل كيميائي‬
‫معين‪ ،‬نسبة تركيز مركب ما ضمن محلول كيميائي‪ ،‬طول الشخص‪ ،‬المسافة المقطوعة لجسم معين خالل‬
‫وحدة الزمن‪.‬‬

‫مالحظة ‪ :2‬ينتج من التعريف أنه ال يمكن تمثيل التوزيع االحتمالي لمتحول مستمر بواسطة جدول توزيع‬
‫احتمالي‪.‬‬
‫لنفرض أننا نهتم بمعرفة أطوال مجموعة من الطالب‪ ،‬من أجل أية قيمتين ‪ 163.5‬سم و‪ 164.5‬سم على‬
‫سبيل المثال‪ ،‬فإنّه يوجد عدد غير منته‪ .‬كما أن اختيار طالب طوله تماماً ‪ 164‬سم هو أمر مستحيل ويمكن‬
‫القول بأنه حدث احتماله صفر‪ .‬لكن األمر مختلف تماماً عندما نريد حساب احتمال اختيار طالب طوله على‬
‫األقل ‪ 163‬سم وبما ال يتجاوز ال ‪ 165‬سم‪ .‬إذاً في هذه الحالة نتعامل مع مجاالت عوضاً عن نقاط‪ .‬أي أننا‬
‫نقوم بحساب احتماالت من الشكل )‪ P(a  X  b‬أو )‪ P(Y  c‬أو )‪... P(W  e‬‬
‫على الرغم من أننا ال نستطيع جدولة التوزيع االحتمالي للمتحول المستمر (كما هو الحال بالنسبة للمتحول‬
‫العشوائي المتقطع) إال أننا نستطيع التعبير عنه بعالقة رياضية‪ .‬هذه العالقة هي عبارة عن تابع عددي حقيقي‬
‫غير سالب‪ ،‬ندعوه تابع الكثافة االحتمالي‪ ،‬من خالله نستطيع إيجاد احتماالت األحداث المعبر عنها بواسطة‬
‫المتحول العشوائي‪.‬‬
‫معظم توابع التوزيع االحتمالية ا لمستخدمة في التطبيقات اإلحصائية هي توابع مستمرة تأخذ أشكال متعددة‬
‫(بعض ًا منها يبينه الشكل التالي)‪ .‬بما أن المساحات ستستخدم لحساب االحتماالت‪ ،‬واالحتماالت هي قيم موجبة‪،‬‬
‫بالتالي تقع هذه التوابع كلها فوق المحور ‪. x‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪95‬‬

 ‫‪ .2.3‬تابع الكثافة االحتمالي ‪:probability density function‬‬
‫تعري ‪ :6‬يكون التابع )‪ f X ( x‬تابع كثافة احتمالي )‪ probability density function (pdf‬للمتحول‬
‫العشوائي المستمر ‪ ، X‬والمعرف على مجموعة األعداد الحقيقية‪ ،‬إذا تحقق ما يلي‪:‬‬
‫‪1. f X ( x)  0,‬‬ ‫‪xR‬‬
‫‪‬‬
‫‪2.‬‬ ‫‪ f X ( x) dx  1‬‬
‫‪b‬‬
‫‪3. P(a  X  b) ‬‬ ‫‪a f X ( x) dx‬‬
‫)‪f X (x‬‬

‫‪x‬‬

‫)‪f X (x‬‬

‫) ‪P (a  X  b‬‬

‫‪x‬‬

‫مالحظة ‪ :3‬أيًا كان المتحول العشوائي المستمر ‪ X‬لدينا‪:‬‬

‫)‪P(a  X  b)  P(a  X  b)  P(a  X  b)  P(a  X  b‬‬

‫‪ .3.3‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫‪ :7‬نعرف تابع التوزيع التراكمي )‪( FX ( x‬اختصاراً )‪ ) F ( x‬لمتحول عشوائي مستمر ‪ ، X‬حيث‬ ‫تعري‬
‫تابع كثافته االحتمالي هو )‪ f X ( x‬كما يلي‪:‬‬
‫‪x‬‬
‫‪FX ( x)  P( X  x)  ‬‬ ‫‪f (t ) dt ,‬‬ ‫‪ x‬‬
‫‪ X‬‬

‫نتيجة ‪ :1‬ينتج مباشرة من التعريف السابق النتيجتين التاليتين‪:‬‬

‫‪P(a  X  b)  F (b)  F (a) ‬‬
‫)‪dF ( x‬‬
‫‪ ، f X ( x) ‬في حال وجود المشتق‪.‬‬ ‫‪ F ( x) ‬‬
‫‪dx‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪96‬‬

 ‫ثابت موجب)‪:‬‬ ‫مثال ‪ :12‬ليكن المتحول العشوائي المستمر ‪ X‬وتابع كثافته االحتمالي هو التالي (حيث ‪c‬‬
‫‪ce x‬‬
‫‪‬‬ ‫‪x0‬‬
‫‪f X ( x)  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪ )a‬أوجد قيمة الثابت ‪. c‬‬
‫‪ )b‬أوجد تابع التوزيع التراكمي )‪. FX ( x‬‬
‫‪ )c‬أوجد )‪. P(1  X  3‬‬
‫الحل‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪t‬‬ ‫‪t‬‬ ‫‪‬‬
‫)‪a‬‬ ‫‪ f X (t ) dt  1  0 ce dt  c e 0  c‬‬
‫بالتالي لدينا ‪. c  1‬‬
‫‪x‬‬
‫‪b) FX ( x) ‬‬ ‫‪ f X (t ) dt,‬‬
‫من أجل ‪ ، x  0‬نحصل على ‪ . FX ( x)  0‬أما من أجل ‪ ، x  0‬لدينا‪:‬‬
‫‪x‬‬ ‫‪x‬‬
‫‪FX ( x)   f X (t ) dt   et dt  1  e x‬‬
‫‪0‬‬ ‫‪0‬‬
‫بالتالي‪:‬‬
‫‪1  e x‬‬
‫‪‬‬ ‫‪x0‬‬
‫‪FX ( x)  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫يمكننا التأكد من أن مشتق التابع )‪ FX ( x‬يُنتج )‪. f X ( x‬‬
‫‪P(1  X  3)  FX (3)  FX (1)  [1  e3 ]  [1  e1]  e1  e3‬‬
‫أو أنه يمكن حسابه بطريقة ثانية‪:‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪P(1  X  3)   f X (t ) dt   et dt  e1  e3‬‬
‫‪1‬‬ ‫‪1‬‬

‫مثال ‪ :13‬وزارة الطاقة تطرح مشاريع مناقصة وعادة تقدر قيمة المناقصة المعقولة على أنها القيمة ‪. b‬‬
‫حددت الوزارة بأن تابع الكثافة االحتمالي لربح المناقصة هو التالي‪:‬‬
‫‪5‬‬ ‫‪2‬‬
‫‪ ,‬‬ ‫‪b  y  2b‬‬
‫‪fY ( y )   8b‬‬ ‫‪5‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد تابع التوزيع التراكمي ) ‪ FY ( y‬واستخدامه في حساب احتمال أن يكون ربح المناقصة هو أقل من القيمة‬
‫األولية المقدرة ‪. b‬‬

‫الحل‪:‬‬
‫من أجل ‪ 2b / 5  y  2b‬لدينا‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪97‬‬

 y y
5 5y  5y 1
FY ( y )   dy     
2b /5
8b  8b  2b /5
8b 4

:‫بالتالي فإن‬
 0 y  2b / 5
5y 1

FY ( y )    2b / 5  y  2b
 8b 4
 1 y  2b

: b ‫لحساب احتمال أن يكون ربح المناقصة هو أقل من القيمة األولية المقدرة‬

P(Y  b)  FY (b)  5 / 8 –1/ 4  3 / 8

ISSN: 2617-989X 98
 ‫‪ .4‬التوزيعات االحتمالية المشتركة ‪:joint probability distributions‬‬
‫نحتاج في كثير من الحاالت عند وصف تجربة عشوائية ألكثر من متحول عشوائي‪ ،‬فعندما نلقي زوج من‬
‫النرد مرة واحدة يمكن أن نرمز لمجموع رقمي الوجهين الظاهرين بـالمتحول العشوائي ‪ X‬ونرمز للقيمة‬
‫العظمى لهذين الرقمين بـالمتحول العشوائي ‪ ، Y‬فمجموعة نتائج هذه التجربة يمكن أن ندلّ عليها بوساطة‬
‫حيث يدل المسقط األول على نتيجة ‪ X‬والمسقط الثاني يدل على نتيجة ‪. Y‬‬ ‫) ‪( x, y‬‬ ‫الثنائيات (األزواج)‬
‫وعند سؤالنا مجموعة من األشخاص عن أوزانهم وأطوالهم فيمكن أن نرمز بـ ‪ X‬على طول الشخص وبـ‬
‫‪ Y‬على وزن الشخص وبالتالي من أجل كل شخص ستكون ثنائية )‪ ( x, y‬حيث ‪ x‬هو طول الشخص و ‪y‬‬
‫هو وزنه‪.‬‬
‫ليكن ‪ X , Y‬متحوالن عشوائيان‪ ،‬التوزيع االحتمالي لوقوعهما في آن واحد يمكن تمثيله بتابع )‪ f ( x, y‬لكل‬
‫زوج )‪ ( x, y‬ضمن نطاق المتحولين العشوائيين ‪ . X , Y‬نشير إلى هذا التابع بالتوزيع االحتمالي المشترك‬
‫للمتحولين ‪. X , Y‬‬

‫‪ .1.4‬التوزيع المشترك لمتحولين ‪:joint probability distribution of two variables‬‬

‫‪ :8‬ندعو الشعاع ) ‪ ( X , Y‬شعاعاً عشوائياً إذا كانت كل من مركبتيه ‪ X‬و ‪ Y‬متحوالً عشوائياً‪ .‬كما‬ ‫تعري‬
‫نقول إن الشعاع العشوائي ) ‪ ( X , Y‬متقطع إذا كانت مجموع القيم التي يأخذها مجموعة منتهية أو غير منتهية‬
‫قابلة للعد‪ .‬ونقول إن الشعاع العشوائي مستمراً إذا كانت مجموع القيم التي يأخذها مجموعة غير منتهية وغير‬
‫قابلة للعد‪.‬‬
‫كما ذكرنا سابقاً فإن قيم الشعاع العشوائي ) ‪ ( X , Y‬هي ثنائيات )‪ ، ( x, y‬وبالتالي يمكن مقابلة كل نتيجة‬
‫للتجربة بنقطة )‪ ( x, y‬من ‪( R 2‬المستوي ‪.) Oxy‬‬

‫‪ .1.1.4‬المتحول العشوائي متقطع‪:‬‬

‫ليكن ‪ X‬و ‪ Y‬متحولين عشوائيين متقطعين معرفين على فضاء العينة ‪ ‬و}‪X ()  {x1, x2 , ‬‬
‫(مجموعة قيم المتحول ‪ ) X‬و }‪( X ()  { y1, y2 , ‬مجموعة قيم المتحول ‪ ،) Y‬عندئذ تكون مجموعة‬
‫قيم الشعاع العشوائي ) ‪ ( X , Y‬هي‪. {( xi , y j ); i , j  1} :‬‬
‫يقع الحدث } ‪ { X  xi , Y  y j‬إذا وقع كل من الحدثين } ‪ { X  xi‬و } ‪ {Y  y j‬معاً‪ ،‬ونرمز الحتمال‬
‫) ‪ ) f ( xi , y j‬من أجل‬ ‫(أو اختصاراً‬ ‫وقوعه بالتابع ) ‪f X ,Y ( xi , y j )  P( X  xi , Y  y j‬‬
‫‪. i, j  1, 2, ‬‬

‫‪ :9‬نقول عن التابع ) ‪ f X ,Y ( x, y‬أنه تابع التوزيع االحتمالي المشترك للمتحولين العشوائيين‬ ‫تعري‬
‫المتقطعين ‪ X , Y‬إذا تحققت الشروط التالية‪:‬‬
‫‪0  f X ,Y ( x, y)  1 .1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪99‬‬

 ‫‪ f X ,Y ( x, y)  1 .2‬‬
‫‪x‬‬ ‫‪y‬‬
‫‪P( X  x, Y  y)  f X , Y ( x, y) .1‬‬
‫ومن أجل أية منطقة ‪ A‬من المستوي الحقيقي فإن‪P[( X , Y )  A]   f X ,Y (x , y ) :‬‬
‫‪A‬‬
‫مثال ‪ :14‬يحوي صندوق ‪ 8‬كرات‪ ،‬منها ‪ 3‬كرات زرقاء وكرتين حمراء و‪ 3‬كرات خضراء‪ .‬سحبنا عشوائياً‬
‫كرتين معاً من الصندوق‪ .‬ليكن المتحول العشوائي ‪ X‬الذي يمثل عدد الكرات الزرقاء المسحوبة و ‪ Y‬عدد‬
‫الكرات الحمراء المسحوبة‪ ،‬أوجد‪:‬‬
‫‪ )a‬تابع التوزيع االحتمالي المشترك ) ‪. f X ,Y ( x, y‬‬
‫‪ )b‬أوجد )‪. P( X  0, Y  1‬‬
‫‪ )c‬أوجد ]‪ ، P[( X , Y )  A‬حيث ‪ A‬تمثل المنطقة }‪. {( x, y) | x  y  1‬‬
‫الحل‪:‬‬
‫من الواضح أن قيم الثنائيات الممكنة هي‪:‬‬
‫)‪(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (2, 0‬‬
‫‪ )a‬لنحسب على سبيل المثال القيمة )‪ : f X ,Y (0,1‬وهي تمثل عدم الحصول على كرة زرقاء والحصول‬
‫على كرة حمراء أي الحصول على كرة خضراء وأخرى حمراء‪ ،‬بالتالي قيمة االحتمال هي‪:‬‬
‫‪2 3 3 2 3‬‬
‫‪.  . ‬‬
‫‪8 7 8 7 14‬‬
‫ولحساب القيمة )‪ : f X ,Y (0, 0‬وهي تمثل عدم الحصول ال على زرقاء وال على حمراء‪ ،‬أي‬
‫الحصول على كرتين خضراوين‪ ،‬بالتالي قيمة االحتمال هي‪:‬‬
‫‪3 2 6‬‬ ‫‪3‬‬
‫‪. ‬‬ ‫‪‬‬
‫‪8 7 56 28‬‬
‫لحساب القيمة )‪ : f X ,Y (1, 2‬وهي تمثل الحصول على كرة زرقاء وكرتين حمراوين‪ ،‬وهذا‬
‫االحتمال ال يمكن أن يحدث ألن السحب فقط كرتين‪ ،‬بالتالي قيمة االحتمال هي الصفر‪.‬‬
‫حسابات مختلفة تقودنا إلى الجدول التالي‪:‬‬
‫‪X \Y‬‬ ‫‪Y 0‬‬ ‫‪Y 1‬‬ ‫‪Y 2‬‬ ‫المجموع‬
‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪X 0‬‬
‫‪28‬‬ ‫‪14‬‬ ‫‪28‬‬ ‫‪14‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪15‬‬
‫‪X 1‬‬ ‫‪28‬‬ ‫‪14‬‬
‫‪0‬‬
‫‪28‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪X 2‬‬ ‫‪28‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪28‬‬
‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪1‬‬
‫‪28‬‬ ‫‪7‬‬ ‫‪28‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪100‬‬

 ‫‪3‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪P( X  0, Y  1)  f X ,Y  0, 0   f X ,Y  0,1 ‬‬ ‫‪ ‬‬ ‫‪)b‬‬
‫‪28 14 28‬‬
‫‪P[( X , Y )  A]  P( X  Y  1)  )c‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪9‬‬
‫‪ f X ,Y  0, 0   f X ,Y  0,1  f X ,Y (1, 0) ‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪28 14 28 14‬‬

‫مثال ‪ :15‬في تجربة إلقاء زوج من النرد مرة واحدة‪ ،‬ليكن ‪ X‬متحول عشوائي يدل على أصغر عدد ظهر‬
‫و ‪ Y‬متحول عشوائي يدل على مجموع العددين الناتجين‪ .‬أوجد تابع التوزيع االحتمالي المشترك‪.‬‬
‫الحل‪:‬‬
‫من الواضح أن قيم الثنائيات الممكنة هي‪:‬‬
‫(‪)1, 2(, )1, 3(, …, )1, 11(, )1, 12‬‬
‫(‪)2, 2(, )2, 3(, …, )2, 11(, )2, 12‬‬
‫‪….‬‬
‫(‪)6, 2(, )6, 3(, …, )6, 11(, )6, 12‬‬
‫لنحسب على سبيل المثال القيمة )‪ f X ,Y (1, 2‬والتي تمثل الحصول على واحد وواحد‪ ،‬بالتالي قيمة االحتمال‬
‫هي ‪( 1/36‬حالة واحدة من أصل ‪ 36‬حالة ممكنة)‪ .‬ولحساب القيمة )‪ f X ,Y (1, 5‬التي تمثل الحصول على‬
‫واحد وأربعة‪ ،‬بالتالي قيمة االحتمال هي ‪( 2/36‬حالتان من أصل ‪ 36‬حالة ممكنة)‪ .‬أما لحساب القيمة‬
‫)‪ f X ,Y (1, 9‬واليت ال ميكن احلصول عليها بوجود القيمة ‪ 1‬ألحد القطعتني‪ ،‬بالتايل قيمة االحتمال هي ‪.0‬‬
‫حسابات مختلفة تقودنا إلى الجدول التالي‪:‬‬
‫‪X \Y‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫المجموع‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪11‬‬
‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪9‬‬
‫‪2‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪7‬‬
‫‪3‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5‬‬
‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫‪5‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪6‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪36‬‬ ‫‪36‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪1‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬ ‫‪36‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪101‬‬

 ‫‪ .2.1.4‬المتحول العشوائي مستمر‪:‬‬
‫‪ :9‬نقول عن التابع ) ‪ f X ,Y ( x, y‬أنه تابع التوزيع االحتمالي المشترك للمتحولين العشوائيين‬ ‫تعري‬
‫المستمرين ‪ X , Y‬إذا تحققت الشروط التالية‪:‬‬
‫‪0  f X ,Y ( x, y)  1‬‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬‬ ‫‪f X ,Y ( x, y ) dxdy  1‬‬

‫‪ ‬‬
‫من أجل أية منطقة ‪ A‬من المستوي الحقيقي فإن‪:‬‬
‫‪. P[( X , Y )  A] ‬‬ ‫‪ f X ,Y ( x, y) dxdy‬‬
‫‪A‬‬

‫مثال ‪ :16‬ليكن لدينا المتحوالن العشوائيان المستمران ‪ ، X , Y‬وحيث تابع التوزيع االحتمالي المشترك لهما‬
‫) ‪ f X ,Y ( x, y‬هو‪:‬‬
‫‪ x  cy 2‬‬ ‫‪0  x, y  1‬‬
‫‪f X ,Y ( x, y )  ‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪ )a‬أوجد الثابت ‪c‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪ )b‬أوجد ) ‪P(0  X  , 0  Y ‬‬
‫‪2‬‬ ‫‪2‬‬

‫الحل‪:‬‬
‫‪)a‬‬
‫‪‬‬ ‫‪‬‬

‫‪ ‬‬ ‫‪f X ,Y ( x, y ) dxdy  1‬‬

‫‪ ‬‬
‫‪ ‬‬ ‫‪1 1‬‬
‫‪1‬‬ ‫‪ ‬‬ ‫‪f X ,Y ( x, y ) dxdy  ‬‬ ‫‪ ( x  cy‬‬
‫‪2‬‬
‫‪) dxdy‬‬
‫‪ ‬‬ ‫‪0 0‬‬
‫‪1‬‬ ‫‪x 1‬‬
‫‪1‬‬ ‫‪‬‬
‫‪1    x 2  cy 2 x  dy‬‬
‫‪0‬‬ ‫‪ x 0‬‬
‫‪2‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪‬‬
‫‪1     cy 2  dy‬‬
‫‪0‬‬ ‫‪‬‬
‫‪2‬‬
‫‪y 1‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪1 1‬‬
‫‪1   y  cy 3 ‬‬ ‫‪  c‬‬
‫‪2‬‬ ‫‪ y 0 2 3‬‬
‫بالتالي فإن‪c  3 / 2 :‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪102‬‬

 ‫‪)b‬‬
‫‪1/2 1/2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‪P(0  X  , 0  Y  ) ‬‬ ‫‪  (x  2 y‬‬
‫‪2‬‬
‫‪) dxdy‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪1/2‬‬
‫‪1 2 3 2 ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ 2 x  2 y x  dy‬‬
‫‪0‬‬
‫‪1/2‬‬
‫‪1 3 2 ‬‬ ‫‪3‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪y‬‬
‫‪ 8 4 ‬‬ ‫‪dy‬‬ ‫‪‬‬
‫‪32‬‬
‫‪0‬‬

‫‪ .2.4‬التوزيعات الهامشية ‪:marginal distribution‬‬

‫‪ :10‬ليكن ) ‪ ( X , Y‬شعاعاً عشوائياً تابعه االحتمالي ) ‪ f X ,Y ( x, y‬عندئذ التوزيع االحتمالي‬ ‫تعري‬
‫الهامشي لكل من ‪ X‬و ‪ Y‬هما على الترتيب من أجل الحالة المتقطعة‪:‬‬
‫) ‪f X ( x)   f X ,Y ( x, y‬‬
‫‪y‬‬
‫) ‪fY ( y )   f X ,Y ( x, y‬‬
‫‪x‬‬
‫ومن أجل الحالة المستمرة‪:‬‬
‫‪‬‬
‫‪f X ( x) ‬‬ ‫‪‬‬ ‫‪f X ,Y ( x, y ) dy‬‬
‫‪‬‬
‫‪‬‬
‫‪fY ( y ) ‬‬ ‫‪‬‬ ‫‪f X ,Y ( x, y ) dx‬‬
‫‪‬‬

‫مثال ‪ :17‬أوجد تابع التوزيع االحتمالي الهامشي لكل من المتحولين العشوائيين ‪ X‬و ‪ Y‬للمثال ‪ 14‬السابق‪.‬‬
‫الحل‪:‬‬
‫لنحسب على سبيل المثال )‪ ، f X (0‬من التعريف ينتج‪:‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪f X (0)  f X ,Y (0, 0)  f X ,Y (0,1)  f X ,Y (0, 2) ‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪28 14 28 14‬‬

‫حسابات مختلفة تقودنا إلى الجدولين التاليين‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪y‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪5‬‬ ‫‪15‬‬ ‫‪3‬‬ ‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬
‫)‪f X ( x‬‬ ‫)‪fY ( y‬‬
‫‪14‬‬ ‫‪28‬‬ ‫‪28‬‬ ‫‪28‬‬ ‫‪7‬‬ ‫‪28‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪103‬‬

 ‫للمثال ‪ 16‬السابق‪.‬‬ ‫‪ X‬و‪Y‬‬ ‫مثال ‪ :18‬أوجد تابع التوزيع االحتمالي الهامشي لكل من‬
‫الحل‪:‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪‬‬ ‫‪1 ‬‬ ‫‪1‬‬
‫‪f X ( x) ‬‬ ‫‪‬‬ ‫‪f X ,Y ( x, y ) dy   ( x  y 2 ) dy   xy  y 3   x ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪2 0‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪0‬‬
‫بالتالي‪:‬‬
‫‪‬‬ ‫‪1‬‬
‫‪x  , 0  x  1‬‬
‫‪f X ( x)  ‬‬ ‫‪2‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪‬‬
‫‪fY ( y ) ‬‬ ‫‪‬‬ ‫‪f X ,Y ( x, y ) dx‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪  ( x  y 2 ) dx   x 2  y 2 x   y 2 ‬‬
‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪0 2‬‬ ‫‪2‬‬
‫بالتالي‪:‬‬
‫‪3 2 1‬‬
‫‪ y  , 0  y 1‬‬
‫‪fY ( y )   2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪otherwise‬‬

‫‪.3.4‬التوزيعات الشرطية ‪:conditional distributions‬‬

‫ليكن ‪ X , Y‬متحولين عشوائيين متقطعين أو مستمرين معرفين على الفضاء ‪ ‬وليكن }‪ A  { X  x‬و‬
‫}‪ B  {Y  y‬حدثين من ‪ ‬عندئذ‪:‬‬

‫) ‪P ( X  x , Y  y ) f X , Y ( x, y‬‬
‫‪P( A | B)  P( X  x | Y  y ) ‬‬ ‫‪‬‬
‫) ‪P(Y  y‬‬ ‫) ‪fY ( y‬‬

‫‪ :11‬ليكن ) ‪ ( X , Y‬شعاعاً عشوائياً تابعه االحتمالي ) ‪ f X ,Y ( x, y‬عندئذ التوزيع االحتمالي‬ ‫تعري‬

‫الشرطي للمتحول العشوائي ‪ X‬علمًا أن ‪ Y  y‬هو‪:‬‬
‫) ‪f X , Y ( x, y‬‬
‫‪f X | Y ( x | y) ‬‬
‫) ‪fY ( y‬‬
‫وبنفس الطريقة نعرف التوزيع االحتمالي الشرطي للمتحول العشوائي ‪ Y‬علمًا أن ‪X  x‬‬
‫) ‪f X , Y ( x, y‬‬
‫‪fY | X ( y | x) ‬‬
‫)‪f X ( x‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪104‬‬

‫مثال ‪ :19‬أوجد تابع التوزيع االحتمالي الشرطي للمتحول العشوائي ‪ X‬علماً أن ‪ Y  1‬للمثال ‪ 14‬السابق‪.‬‬
‫استخدمه في إيجاد )‪. P( X  0 | Y  1‬‬
‫الحل‪:‬‬
‫من أجل حساب ) ‪ f X | Y ( x | y‬علينا بداية حساب )‪: fY (1‬‬
‫‪3 3‬‬ ‫‪3‬‬
‫‪fY (1)  f X ,Y (0,1)  f X ,Y (1,1)  f X ,Y (2,1) ‬‬ ‫‪ 0‬‬
‫‪14 14‬‬ ‫‪7‬‬

‫بالتالي‪:‬‬
‫)‪f X , Y ( x,1‬‬
‫‪7‬‬
‫‪f X | Y ( x |1) ‬‬ ‫‪‬‬
‫‪f X , Y ( x,1), x  0,1, 2‬‬
‫)‪fY (1‬‬ ‫‪3‬‬
‫‪7‬‬ ‫‪7 3 1‬‬
‫‪f X | Y (0 |1)  f X , Y (0,1)  . ‬‬
‫‪3‬‬ ‫‪3 14 2‬‬
‫‪7‬‬ ‫‪7 3 1‬‬
‫‪f X | Y (1|1)  f X , Y (1,1)  . ‬‬
‫‪3‬‬ ‫‪3 14 2‬‬
‫‪7‬‬ ‫‪7‬‬
‫‪f X | Y (2 |1)  f X , Y (2,1)  .0  0‬‬
‫‪3‬‬ ‫‪3‬‬
‫وتابع التوزيع االحتمالي الشرطي للمتحول العشوائي ‪ X‬علمًا أن ‪ Y  1‬هو‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪1‬‬ ‫‪1‬‬
‫)‪f X ( x |1‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪1‬‬
‫‪ . P( X  0 | Y  1)  f X | Y (0 |1) ‬أي أنه إذا علمنا أن واحدة من الكرتين المسحوبتين‬ ‫أخيراً‪،‬‬
‫‪2‬‬
‫حمراء فإن احتمال أن تكون الكرة األخرى زرقاء هو ‪.1/2‬‬

‫مثال ‪ :20‬أوجد تابع التوزيع االحتمالي الشرطي )‪ fY | X ( y | x‬للمثال ‪ 16‬السابق‪ .‬استخدمه في إيجاد‬
‫)‪. P( X  1/ 2 | Y  1/ 2‬‬
‫الحل‪:‬‬
‫‪3 2‬‬
‫) ‪f X , Y ( x, y‬‬ ‫‪x‬‬ ‫‪y‬‬ ‫‪2x  3y2‬‬
‫‪fY | X ( y | x) ‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪,‬‬
‫)‪f X ( x‬‬ ‫‪x‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪x‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪105‬‬

 ‫‪0  x, y  1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪P( X  1 / 2 | Y  1 / 2) ‬‬ ‫‪‬‬ ‫‪fY | X ( y | x  ) dy‬‬
‫‪2‬‬
‫‪1/2‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1 3‬‬ ‫‪1‬‬ ‫‪1 ‬‬ ‫‪11‬‬
‫‪  (  y 2 ) dy   y  y 3  ‬‬
‫‪1/2‬‬
‫‪2 2‬‬ ‫‪2‬‬ ‫‪2 1/2 16‬‬

‫‪.4.4‬استقاللية المتحوالت العشوائية ‪:independence of random variables‬‬

‫‪ :12‬ليكن ) ‪ ( X , Y‬شعاعاً عشوائياً متقطعاً أو مستمرًا تابعه االحتمالي ) ‪ f X ,Y ( x, y‬وتوزيعهما‬ ‫تعري‬
‫االحتماليان الهامشيان هما )‪ f X ( x‬و ) ‪ fY ( y‬على الترتيب‪ .‬المتحوالن العشوائيان ‪ X‬و ‪ Y‬مستقالن إذا‬
‫وفقط إذا كان‪:‬‬
‫)‪f X ,Y ( x, y)  f X ( x). fY ( y‬‬
‫من أجل كل الثنائيات )‪. ( x, y‬‬

‫مثال ‪ :21‬برهن أن المتحولين العشوائيين ‪ X , Y‬في المثال ‪ 14‬السابق غير مستقلين‪.‬‬

‫الحل‪:‬‬
‫لتكن النقطة )‪ ،(0, 1‬ولنوجد االحتماالت التالية‪ f X ,Y (0, 1) :‬و )‪ f X (0‬و )‪fY (1‬‬
‫‪3‬‬
‫‪f X ,Y (0,1) ‬‬
‫‪14‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪f X (0)  f X ,Y (0, 0)  f X ,Y (0,1)  f X ,Y (0, 2) ‬‬ ‫‪ ‬‬ ‫‪‬‬
‫‪28 14 28 14‬‬
‫‪3 3‬‬ ‫‪3‬‬
‫‪fY (1)  f X ,Y (0,1)  f X ,Y (1,1)  f X ,Y (2,1)    0 ‬‬
‫‪14 14‬‬ ‫‪7‬‬

‫من الواضح أن )‪ . f X ,Y (0,1)  f X (0). fY (1‬وبالتالي فإن المتحولين العشوائيين ‪ X‬و ‪ Y‬غير‬
‫مستقلين‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪106‬‬

 ‫‪ .5‬التوقع الرياضي ‪:mathematical expectation‬‬
‫ناقشنا في الفصل األول متوسط عينة‪ ،‬والذي كان عبارة عن المتوسط الحسابي للمعطيات‪ .‬اآلن لنرمي قطعتين‬
‫من النقود ‪ 16‬مرة وليكن ‪ X‬المتحول العشوائي الذي يدل على عدد مرات ظهور الكتابة ‪ H‬في الرمية‬
‫الواحدة‪ ،‬بالتالي فإن قيم ‪ X‬هي ‪ .0, 1, 2‬لنفرض أن التجربة أعطنا ‪ 4‬مرات وال كتابة‪ 7 ،‬مرات كتابة‬
‫واحدة و‪ 5‬مرات كتابتين‪ .‬العدد الوسطي لظهور الك تابة في الرمية الواحدة لقطعتي النقود بالتالي‪:‬‬
‫)‪0(4)  1(7)  2(5‬‬
‫‪ 1.06‬‬
‫‪16‬‬
‫يمكن إعادة كتابة الحساب السابق على النحو المكافئ التالي‪:‬‬
‫‪4‬‬ ‫‪7‬‬ ‫‪5‬‬
‫‪0( )  1( )  2( )  1.06‬‬
‫‪16‬‬ ‫‪16‬‬ ‫‪16‬‬
‫تمثل األعداد ‪ 4/16, 7/16, 5/16‬التكرار النسبي ‪ relative frequency‬لقيم ‪ X‬المختلفة (‪ .)0, 1, 2‬في‬
‫الحقيقة‪ ،‬إذن‪ ،‬يمكن حساب متوسط عينة من المعطيات من خالل معرفة القيم المختلفة التي تحدث وكذلك‬
‫تكرارها النسبي‪ ،‬بدون معرفة العدد الكلي لمعطيات العينة‪ .‬بالتالي إذا كان ‪ 4/16‬من الرميات يُنتج من دون‬
‫كتابة‪ ،‬و ‪ 7/16‬من الرميات يُنتج كتابة واحدة‪ ،‬و ‪ 5/16‬من الرميات يُنتج كتابتين‪ ،‬فإن العدد الوسطي لظهور‬
‫الكتابة في الرمية الواحدة سيكون ‪ 1.06‬بغض النظر عن العدد الكلي للرميات أكان ‪ 16‬أو ‪ 1000‬أو حتى‬
‫‪.10000‬‬
‫تُستخدم طريقة التكرار النسبي هذه في حساب العدد الوسطي للكتابة في الرمية الواحدة لقطعتي النقود التي‬
‫نتوقعها على المدى الطويل ( أي إذا كررنا عملية الرمي عدد كبير جداً من المرات)‪ .‬وسوف نشير إلى هذا‬
‫العدد الوسطي على أنه المتوسط للمتحول العشوائي ‪( mean of the random variable X‬أو القيمة‬
‫المتوقعة ‪ ، E ( X ) expected value‬أو التوقع الرياضي ‪ mathematical expectation‬للمتحول‬
‫العشوائي)‪ ،‬ونرمز له بالرمز ‪.  X‬‬
‫لنرجع إلى مثال رمي قطعتين من النقود المتزنة مرة واحدة‪ ،‬فضاء العينة هو‪:‬‬

‫}) ‪  {( H , H ), ( H , T ), (T , H ), (T , T‬‬
‫ينتج من ذلك أن‪:‬‬
‫‪P( X  0)  1/ 4 ,‬‬ ‫‪P( X  1)  1/ 2 ,‬‬ ‫‪P( X  2)  1/ 4‬‬

‫تمثل هذه االحتماالت التكرار النسبي لألحداث الموافقة لها على المدى الطويل‪ .‬لذلك‪:‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪ X  E ( X )  0.( )  1.( )  2.( )  1‬‬
‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬

‫تعني هذه النتيجة بأنه عندما يتم رمي قطعتين من النقود المتزنة عدد كبير وكبير جداً من المرات سنحصل‪،‬‬
‫بشكل وسطي‪ ،‬على كتابة ‪ H‬واحدة بالرمية الواحدة‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪107‬‬

‫‪ :13‬التوقع الرياضي أو (المتوسط) لمتحول عشوائي متقطع ‪ X‬تابعه االحتمالي )‪ f X ( x‬هو‬ ‫تعري‬
‫المقدار‪:‬‬
‫)‪ X  E ( X )   x. f X ( x‬‬
‫‪x‬‬
‫والتوقع الرياضي لمتحول عشوائي مستمر ‪ X‬تابع كثافته االحتمالية )‪ f X ( x‬هو المقدار‪:‬‬
‫‪‬‬
‫‪ X  E( X ) ‬‬ ‫‪ x. f X ( x) dx‬‬
‫‪‬‬

‫مثال ‪ :22‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬ليكن ‪ X‬المتحول العشوائي الذي يعطي‬
‫عدد المرات التي تظهر فيها الكتابة ‪ . H‬احسب التوقع الرياضي للمتحول ‪. X‬‬
‫الحل‪:‬‬
‫وجدنا سابقاً أن }‪ X ()  {0, 1, 2, 3‬وأن جدول التوزيع االحتمالي هو‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫)‪P ( X  x‬‬ ‫‪1/8‬‬ ‫‪3/8‬‬ ‫‪3/8‬‬ ‫‪1/8‬‬

‫بالتالي فإن التوقع الرياضي‪:‬‬

‫‪3‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪3‬‬
‫‪ X  E ( X )   x. f X ( x)  0.( )  1.( )  2.( )  3.( ) ‬‬
‫‪x 0‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪2‬‬

‫مثال ‪ :23‬يطلق رامٍ طلقتين على هدف‪ .‬احتمال إصابته الهدف بالطلقة األولى (الحدث ‪ ،6/10 ) A‬واحتمال‬
‫إصابته الهدف بالطلقة الثانية (الحدث ‪ .9/10 ) B‬إذا أصاب الرامي الهدف بالطلقة األولى يربح ‪ 8‬نقاط وإن‬
‫لم يصبها يخسر ‪ 6‬نقاط‪ ،‬وإذا أصاب الرامي الهدف بالطلقة الثانية يربح ‪ 3‬نقاط وإن لم يصبها يخسر ‪ 8‬نقاط‪.‬‬
‫ليكن ‪ X‬المتحول العشوائي الذي يدل على عدد النقاط التي ينالها الرامي في نهاية المباراة‪ ،‬ما هو توقعه‬
‫الرياضي‪.‬‬

‫الحل‪:‬‬
‫إذا أصاب الرامي الهدف في الرميتين نال ‪ 8 + 3 = 11‬نقطة‪.‬‬
‫وإن لم يصيب في الرمية األولى‪ ،‬لكن أصاب في الرمية الثانية نال‪ -6 + 3 = -3 :‬نقطة‪.‬‬
‫وإن أصاب في الرمية األولى‪ ،‬لكنه لم يصيب في الرمية الثانية نال‪ 8 - 8 = 0 :‬نقطة‪.‬‬
‫وإن لم يصيب الرامي الهدف في الرميتين نال ‪ -6 - 8 = -14‬نقطة‪.‬‬
‫بالتالي فإن قيم المتحول العشوائي هي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪108‬‬

 ‫}‪X ()  {-14, -3, 0, 11‬‬

‫الحدثان ‪ A, B‬مستقالن‪ ،‬بالتالي لدينا‪:‬‬

‫‪4 1‬‬ ‫‪4‬‬
‫‪f X (-14)  P( X  14)  P( A  B)  P( A).P( B) ‬‬ ‫‪. ‬‬
‫‪10 10 100‬‬
‫‪4 9‬‬ ‫‪36‬‬
‫‪f X (-3)  P( X  3)  P( A  B)  P( A).P( B)  . ‬‬
‫‪10 10 100‬‬
‫‪6 1‬‬ ‫‪6‬‬
‫‪f X (0)  P( X  0)  P( A  B)  P( A).P( B)  . ‬‬
‫‪10 10 100‬‬
‫‪6 9‬‬ ‫‪54‬‬
‫‪f X (11)  P( X  11)  P( A  B)  P( A).P( B)  . ‬‬
‫‪10 10 100‬‬

‫جدول التوزيع االحتمالي هو‪:‬‬

‫‪x‬‬ ‫‪-14‬‬ ‫‪-3‬‬ ‫‪0‬‬ ‫‪11‬‬
‫‪4‬‬ ‫‪36‬‬ ‫‪6‬‬ ‫‪54‬‬
‫)‪P ( X  x‬‬
‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬

‫بالتالي فإن التوقع الرياضي‪:‬‬

‫‪4‬‬ ‫‪36‬‬ ‫‪6‬‬ ‫‪54‬‬ ‫‪430‬‬
‫(‪E ( X )  14.‬‬ ‫(‪)  3.‬‬ ‫(‪)  0.‬‬ ‫(‪)  11.‬‬ ‫‪)‬‬ ‫‪ 4.3‬‬
‫‪100‬‬ ‫‪100‬‬ ‫‪100‬‬ ‫‪100 100‬‬

‫مثال ‪ :24‬في لعبة يرمي العب قطعتي نقود إحداهما متزنة واألخرى غير متزنة‪ .‬إذا كان احتمال الحصول‬
‫على الشعار في القطعة غير المتزنة هو ‪ 1/4‬واحتمال الحصول على الكتابة هو ‪ .3/4‬إذا كانت النتيجة‬
‫شعارين يربح ‪ n‬ل‪ .‬س وإذا كانت شعار وكتابة يربح ‪ 40‬ل‪.‬س وخالف ذلك يخسر ‪ 100‬ل‪.‬س‪ .‬المطلوب‪:‬‬
‫احسب توقع ربح هذا الالعب بداللة ‪ n‬وبين متى تكون اللعبة رابحة بالنسبة لالعب‪.‬‬
‫الحل‪:‬‬
‫ليكن ‪ X‬المتحول العشوائي الذي يدل على مقدار ربح الالعب‪ :‬إذا كانت النتيجة ‪ TT‬فإنه يربح ‪ n‬ل‪.‬س‪،‬‬
‫وإذا كانت ‪ TH‬أو ‪ HT‬فإنه يربح ‪ 40‬ل‪.‬س‪ ،‬أما إذا كانت النتيجة ‪ HH‬فإنه يخسر ‪ 100‬ل‪.‬س‪.‬‬
‫بالتالي فإن قيم المتحول العشوائي هي‪X ()  {-100, 40, n} :‬‬
‫‪1 1 1‬‬
‫‪P ( X  n)  . ‬‬
‫‪4 2 8‬‬
‫‪3 1 3‬‬
‫‪P( X  100)  . ‬‬
‫‪4 2 8‬‬
‫‪1‬‬
‫‪P X‬‬ ‫‪40 = P( X  40) ‬‬
‫‪2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪109‬‬

 ‫جدول التوزيع االحتمالي هو‪:‬‬

‫‪x‬‬ ‫‪-100‬‬ ‫‪40‬‬ ‫‪n‬‬

‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫)‪P ( X  x‬‬
‫‪8‬‬ ‫‪2‬‬ ‫‪8‬‬

‫بالتالي فإن التوقع الرياضي‪:‬‬

‫‪3‬‬ ‫‪1‬‬ ‫‪1 n  140‬‬
‫‪E ( X )  100.( )  40.( )  n.( ) ‬‬
‫‪8‬‬ ‫‪2‬‬ ‫‪8‬‬ ‫‪8‬‬

‫من أجل ‪ n  140‬اللعبة ال رابحة وال خاسرة ( ‪ ،) E ( X )  0‬أما من أجل ‪ n  140‬فإن اللعبة رابحة‬
‫( ‪ ،) E ( X )  0‬وأخيراً من أجل ‪ n  140‬فإن اللعبة خاسرة ( ‪.) E ( X )  0‬‬

‫مثال ‪ :25‬ليكن ‪ X‬متحول عشوائي يشير إلى فترة حياة جهاز الكتروني مقدرا بالساعات‪ .‬تابع الكثافة‬
‫االحتمالي هو التالي‪:‬‬
‫‪ 20000‬‬
‫‪‬‬ ‫‪, x  100‬‬
‫‪f X ( x)   x3‬‬
‫‪ 0‬‬
‫‪‬‬ ‫‪otherwise‬‬
‫أوجد فترة الحياة المتوقعة لهذا الجهاز االلكتروني‪.‬‬

‫الحل‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪20000‬‬
‫‪  E( X ) ‬‬ ‫‪‬‬ ‫‪x. f X ( x) dx ‬‬ ‫‪‬‬ ‫‪x.‬‬
‫‪x‬‬ ‫‪3‬‬
‫‪dx  200‬‬
‫‪‬‬ ‫‪100‬‬

‫‪.1.5‬خواص التوقع الرياضي ‪:properties of mathematical expectation‬‬

‫ليكن لدينا المتحول العشوائي ‪ ، X‬وليكن ‪ a, b‬أعداد حقيقية‪.‬‬
‫مبردهنة ‪ :1‬ليكن لدينا متحول عشوائي ‪ ، X‬فإنه لدينا العالقة التالية‪:‬‬
‫‪E (aX  b)  aE ( X )  b‬‬

‫نتيجة ‪ :1‬بوضع ‪ a  0‬في العالقة السابقة ينتج‪. E (b)  b ،‬‬

‫نتيجة ‪ :2‬بوضع ‪ b  0‬في العالقة السابقة ينتج‪. E (aX )  aE ( X ) ،‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪110‬‬

‫مبردهنة ‪ :2‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي )‪ ، f X ( x‬وليكن التابع )‪ . g ( x‬التوقع الرياضي‬
‫للتابع ) ‪ g ( X‬في الحالة المتقطعة هو المقدار‪:‬‬
‫)‪E[ g ( X )]   g ( x). f X ( x‬‬
‫‪x‬‬
‫وفي الحالة المستمرة هو المقدار‪:‬‬
‫‪‬‬
‫‪E[ g ( X )] ‬‬ ‫‪ g ( x). f X ( x) dx‬‬
‫‪‬‬

‫مثال ‪ :26‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬جدول التوزيع االحتمالي هو‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫)‪P ( X  x‬‬ ‫‪1/8‬‬ ‫‪3/8‬‬ ‫‪3/8‬‬ ‫‪1/8‬‬

‫أوجد التوقع الرياضي للتابع ) ‪ g ( X‬في الحالتين‪:‬‬

‫‪ g( X )  2X 1‬و ‪g( X )  X 2‬‬

‫الحل‪:‬‬
‫وجدنا سابقاً أن ‪ ، E ( X )  3 / 2‬بالتالي فإن‪:‬‬
‫‪E (2 X  1)  2(3 / 2)  1  2‬‬
‫أما من أجل ‪ g ( X )  X 2‬فإن التوقع الرياضي للتابع ‪ X 2‬هو‪:‬‬
‫)‪E[ X 2 ]   x 2 . f X ( x‬‬
‫‪x‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪1 24‬‬
‫‪ 02 ( )  12 ( )  22 ( )  32 ( ) ‬‬ ‫‪3‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪8‬‬

‫مثال ‪ :27‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي‪:‬‬

‫‪‬‬ ‫‪1‬‬
‫‪x  , 0  x  1‬‬
‫‪f X ( x)  ‬‬ ‫‪2‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد ] ‪E[ X 2‬‬
‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪111‬‬

 ‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ x 4 x3 ‬‬ ‫‪5‬‬
‫‪E ( X 2 )   x 2 . f X ( x) dx   x 2 .( x  ) dx     ‬‬
‫‪‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪ 4‬‬ ‫‪6  12‬‬
‫‪0‬‬

‫تعري ‪ :14‬ليكن ) ‪ ( X , Y‬شعاع ًا عشوائياً‪ ،‬تابع التوزيع االحتمالي المشترك لهما هو ) ‪ ، f X ,Y ( x, y‬عندئذ‬
‫التوقع الرياضي للمتحول العشوائي ) ‪ ، g ( X ,Y‬من أجل الحالة المتقطعة هو‪:‬‬

‫) ‪E[ g ( X ,Y )]   g ( x, y ). f X ,Y ( x, y‬‬
‫‪x‬‬ ‫‪y‬‬

‫ومن أجل الحالة المستمرة‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪E[ g ( X , Y )]  ‬‬ ‫‪ g ( x, y). f X ,Y ( x, y) dy‬‬
‫‪ ‬‬
‫مثال ‪ :28‬ليكن لدينا ‪ X , Y‬متحولين عشوائيين لهما تابع التوزيع االحتمالي المشترك كما هو مبين في‬
‫الجدول التالي‪:‬‬

‫‪X \Y‬‬ ‫‪Y 0‬‬ ‫‪Y 1‬‬ ‫‪Y 2‬‬ ‫المجموع‬

‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪X 0‬‬ ‫‪28‬‬ ‫‪28‬‬
‫‪14‬‬ ‫‪14‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪15‬‬
‫‪X 1‬‬ ‫‪28‬‬ ‫‪14‬‬
‫‪0‬‬
‫‪28‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪X 2‬‬ ‫‪28‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪28‬‬
‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪1‬‬
‫‪28‬‬ ‫‪7‬‬ ‫‪28‬‬

‫أوجد التوقع الرياضي للتابع ‪. g ( X ,Y )  XY‬‬

‫الحل‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪3‬‬
‫‪E[ XY ]    xy. f X ,Y ( x, y )  (1)(1) f X ,Y (1,1) ‬‬
‫‪x 0 y 0‬‬ ‫‪14‬‬

‫مبردهنة ‪ :2‬ليكن ‪ X , Y‬متحولين عشوائيين مستقلين حيث التوقع الرياضي لكل منهما موجود‪ ،‬عندئذ لدينا‬
‫العالقة التالية‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪112‬‬

 ‫) ‪E ( XY )  E ( X ) E (Y‬‬

‫مثال ‪ :29‬هل المتحولين العشوائيين ‪ X , Y‬في المثال السابق مستقلين؟‬

‫الحل‪:‬‬
‫‪2‬‬
‫‪5‬‬ ‫‪15‬‬ ‫‪3‬‬ ‫‪3‬‬
‫‪E ( X )   X   x. f X ( x)  0( )  1( )  2( ) ‬‬
‫‪x 0‬‬ ‫‪14‬‬ ‫‪28‬‬ ‫‪28 4‬‬
‫‪2‬‬
‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪E (Y )  Y ‬‬ ‫‪ y. fY ( y)  0( 28 )  1( 7 )  2( 28 )  2‬‬
‫‪y 0‬‬

‫من الواضح أن‪:‬‬

‫‪3 1 3 3‬‬
‫‪.  ‬‬
‫‪4 2 8 14‬‬
‫أي أن‪ E ( XY )  E( X ) E(Y ) :‬والمتحولين العشوائيين ‪ X , Y‬مرتبطين‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪113‬‬

 ‫‪ .6‬تشتت متحول عشوائي ‪:variance of a random variable‬‬
‫إن التوقع الرياضي لمتحول عشوائي ‪ X‬له أهمية خاصة في اإلحصاء ألنه يصف أين يتركز التوزيع‬
‫االحتمالي‪ ،‬لكنه ال يعطي توصيفاً كافياً عن شكل التوزيع‪ .‬بالتالي نحن بحاجة إلى توصيف كيفية التغيير في‬
‫التوزيع‪ ،‬يبين الشكل التالي المدرج التكراري لمتحولين عشوائيين متقطعين لهما نفس التوقع الرياضي‬
‫‪ ، ‬ولكنهما يختلفان إلى حد كبير في تشتت العناصر حول هذا المتوسط‪.‬‬ ‫(المتوسط)‪ 2 ،‬‬

‫‪ :13‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي )‪ f X ( x‬وتوقعه الرياضي ‪ ،  X‬نعرف تشتت‬ ‫تعري‬
‫المتحول العشوائي ‪ ، X‬ونرمز له بالرمز ) ‪ Var ( X‬أو ‪ ،  X2‬في الحالة المتقطعة‪ ،‬المقدار‪:‬‬

‫)‪ X2  Var ( X )  E[( X   X )2 ]   ( x   X )2 . f X ( x‬‬

‫‪x‬‬

‫وفي الحالة المستمرة‪ ،‬المقدار‪:‬‬

‫‪‬‬
‫‪ X2‬‬ ‫‪ Var ( X )  E[( X   X ) ] ‬‬ ‫‪ ( x   X ) . f X ( x) dx‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪‬‬

‫نسمي المقدار ‪  X‬باالنحراف المعياري للمتحول العشوائي ‪. X‬‬

‫مثال ‪ :30‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬جدول التوزيع االحتمالي هو التالي‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬

‫)‪P ( X  x‬‬ ‫‪1/8‬‬ ‫‪3/8‬‬ ‫‪3/8‬‬ ‫‪1/8‬‬

‫أوجد تشتت المتحول ‪. X‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪114‬‬

 ‫الحل‪:‬‬
‫وجدنا سابقاً أن ‪ ،  X  3 / 2‬بالتالي‪:‬‬
‫‪3‬‬
‫‪3‬‬
‫)‪ E[( X   X ) ]   ( x  )2 . f X ( x‬‬
‫‪ X2‬‬ ‫‪2‬‬

‫‪x 0‬‬ ‫‪2‬‬

‫‪3 1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3 1 3‬‬
‫‪ (0  )2 .( )  (1  ) 2.( )  (2  ) 2.( )  (3  ) 2.( ) ‬‬
‫‪2 8‬‬ ‫‪2 8‬‬ ‫‪2 8‬‬ ‫‪2 8 4‬‬

‫مثال ‪ :31‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي‪:‬‬

‫‪‬‬ ‫‪1‬‬
‫‪x  , 0  x  1‬‬
‫‪f X ( x)  ‬‬ ‫‪2‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد تشتت المتحول ‪. X‬‬

‫الحل‪:‬‬
‫علينا أو ًال إيجاد ‪ X‬‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ x3 x 2 ‬‬ ‫‪7‬‬
‫‪ X   x. f X ( x) dx   x.( x  ) dx     ‬‬
‫‪‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪ 3‬‬ ‫‪4  12‬‬
‫‪0‬‬
‫بالتالي فإن‪:‬‬
‫‪‬‬
‫‪7 2‬‬ ‫‪1‬‬ ‫‪11‬‬
‫‪ X2‬‬ ‫‪ E[( X   X ) ] ‬‬ ‫‪‬‬ ‫‪(x ‬‬ ‫‪) .( x  ) dx ‬‬
‫‪2‬‬

‫‪‬‬
‫‪12‬‬ ‫‪2‬‬ ‫‪144‬‬

‫مبردهنة ‪ :3‬تشتت المتحول العشوائي ‪ X‬هو‪:‬‬

‫‪.  X2  E ( X 2 )   X2‬‬

‫مثال ‪ :32‬لنأخذ تجربة إلقاء قطعة نقود ثالث مرات متتالية‪ ،‬وجدنا أن ‪ E ( X )  3 / 2‬وأن ‪E ( X 2 )  3‬‬
‫‪ .‬بالتالي فإن‪:‬‬
‫‪3‬‬ ‫‪9‬‬ ‫‪3‬‬
‫‪ X2  E ( X 2 )   X2  3  ( )2  3  ‬‬
‫‪2‬‬ ‫‪4‬‬ ‫‪4‬‬
‫وهي نفس النتيجة التي حصلنا عليها من التعريف مباشرة‪.‬‬

‫‪ .1.6‬خواص التشتت ‪:variance properties‬‬

‫ليكن لدينا المتحول العشوائي ‪ ، X‬وليكن ‪ a, b‬أعداد حقيقية‪ ،‬فإنه لدينا الخواص التالية‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪115‬‬

 ‫‪‬‬ ‫‪Var (a)  0‬‬
‫‪‬‬ ‫) ‪Var ( X  b)  Var ( X‬‬
‫‪‬‬ ‫) ‪Var (aX )  a 2Var ( X‬‬
‫‪‬‬ ‫) ‪Var (aX  b)  a 2Var ( X‬‬

‫مبردهنة ‪ :4‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي )‪ ، f X ( x‬تشتت المتحول العشوائي ) ‪ g ( X‬في‬
‫الحالة المتقطعة هو‪:‬‬
‫)‪ g2( X )  E{[ g ( X )   g ( X ) ]2}  [ g ( x)   g ( X ) ]2. f X ( x‬‬
‫‪x‬‬
‫وفي الحالة المستمرة‪:‬‬
‫‪‬‬
‫‪ X2‬‬ ‫‪ E{[ g ( X )   g ( X ) ] } ‬‬ ‫‪ [ g ( x)   g ( X ) ] . f X ( x) dx‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪‬‬

‫مثال ‪ :33‬في تجربة إلقاء قطعة نقود متزنة ثالث مرات متتالية‪ .‬وجدنا أن تشتت المتحول العشوائي ‪X‬‬
‫يساوي ‪ .3/4‬أوجد التشتت للتابع‪. g ( X )  2 X  1 :‬‬

‫الحل‪:‬‬
‫‪Var (2 X  1)  22Var ( X )  4(3 / 4)  3‬‬

‫‪.2.6‬التغاير ‪:covariance‬‬
‫‪ :14‬ليكن ‪ X , Y‬متحولين عشوائيين تابع التوزيع االحتمالي المشترك لهما ) ‪ . f X ,Y ( x, y‬نعرف‬ ‫تعري‬
‫تغاير ‪ covariance‬المتحولين ‪ X , Y‬في الحالة المتقطعة بـ‪:‬‬
‫)‪ X ,Y  E[( X   X )(Y  Y )]   ( x   X )( y  Y ). f X ,Y ( x, y‬‬
‫‪x‬‬ ‫‪y‬‬

‫وفي الحالة المستمرة‪ ،‬المقدار‪:‬‬

‫‪ ‬‬
‫‪ X ,Y ‬‬ ‫‪  ( x   X )( y  Y ). f X ,Y ( x, y) dxdy‬‬
‫‪ ‬‬

‫مبردهنة ‪ :5‬تغاير متحولين عشوائيين ‪ X , Y‬لهما التوقعان الرياضيان ‪  X‬و ‪ Y‬على الترتيب‪ ،‬تعطى‬
‫بالعالقة التالية‪:‬‬
‫‪ X ,Y  E ( XY )   X Y‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪116‬‬

 ‫نتيجة ‪ :2‬ليكن ‪ X , Y‬متحولين عشوائيين مستقلين‪ ،‬بالتالي لدينا‪:‬‬
‫‪ X ,Y  0‬‬

‫مالحظة ‪ :4‬إذا كان ‪  X ,Y  0‬فليس بالضرورة أن يكون ‪ X , Y‬مستقالن كما يبينه المثال التالي‪:‬‬

‫مثال ‪ :34‬ليكن لدينا متحول عشوائي ‪ X‬تابعه االحتمالي‪:‬‬

‫‪1‬‬
‫‪ , 1  x  1‬‬
‫‪f X ( x)   2‬‬
‫‪ 0 otherwise‬‬
‫وليكن ‪ . Y  X 2‬عندئذ‪:‬‬
‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ x2 ‬‬
‫‪1‬‬
‫‪E ( X )   x. f X ( x) dx   x( ) dx   ‬‬ ‫‪0‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ 4 ‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ x3 ‬‬
‫‪1‬‬
‫‪1‬‬
‫‪E (Y )  E ( X )   x . f X ( x) dx   x ( ) dx   ‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ 6 ‬‬ ‫‪1‬‬
‫‪3‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪x‬‬ ‫‪4 1‬‬ ‫‪‬‬
‫‪3 1‬‬
‫‪E ( XY )  E ( X ) ‬‬ ‫‪‬‬ ‫‪x . f X ( x) dx ‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪ 0‬‬
‫‪3‬‬ ‫‪2‬‬
‫‪x‬‬ ‫(‬ ‫)‬ ‫‪dx‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪ 8‬‬ ‫‪ 1‬‬

‫بالتالي‪:‬‬
‫‪ X ,Y  E ( XY )   X Y  0  0(1/ 3)  0‬‬
‫لكن التابع ‪ Y‬هو تابع لـ ‪ ، X‬بالتالي ‪ X , Y‬غير مستقالن (مرتبطان)‪.‬‬

‫مثال ‪ X , Y :35‬متحولين عشوائيين لهما تابع التوزيع االحتمالي المشترك المبين في الجدول التالي (المثال‬
‫‪:)14‬‬
‫‪X \Y‬‬ ‫‪Y 0‬‬ ‫‪Y 1‬‬ ‫‪Y 2‬‬ ‫المجموع‬
‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪5‬‬
‫‪X 0‬‬ ‫‪28‬‬ ‫‪28‬‬
‫‪14‬‬ ‫‪14‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪15‬‬
‫‪X 1‬‬ ‫‪28‬‬ ‫‪14‬‬
‫‪0‬‬
‫‪28‬‬
‫‪3‬‬ ‫‪3‬‬
‫‪X 2‬‬ ‫‪28‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪28‬‬
‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬
‫المجموع‬ ‫‪1‬‬
‫‪28‬‬ ‫‪7‬‬ ‫‪28‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪117‬‬

 ‫أوجد تغاير المتحولين العشوائيين ‪. X , Y‬‬
‫الحل‪:‬‬
‫وجدنا سابقاً أن‪:‬‬
‫‪ E ( XY )  3 / 14‬و ‪  X  3 / 4‬و ‪Y  1/ 2‬‬

‫بالتالي فإن‪:‬‬
‫‪3 3 1‬‬ ‫‪9‬‬
‫‪ X ,Y  E ( XY )   X Y ‬‬ ‫‪ . ‬‬
‫‪14 4 2‬‬ ‫‪56‬‬

‫مثال ‪ :36‬ليكن المتحولين العشوائيين المستمرين ‪ ، X , Y‬حيث تابع التوزيع االحتمالي المشترك لهما‪:‬‬
‫‪‬‬ ‫‪3 2‬‬
‫‪x  y‬‬ ‫‪0  x, y  1‬‬
‫‪f X ,Y ( x, y )  ‬‬ ‫‪2‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد تغاير المتحولين العشوائيين ‪X , Y‬‬
‫الحل‪:‬‬
‫وجدنا سابقاً أن تابعي التوزيع االحتماليين الهامشيين لكل من ‪ X‬و ‪ Y‬هما‪:‬‬
‫‪‬‬ ‫‪1‬‬
‫‪x  , 0  x  1‬‬
‫‪f X ( x)  ‬‬ ‫‪2‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪3 2 1‬‬
‫‪ y  , 0  y 1‬‬
‫‪fY ( y )   2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪otherwise‬‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪ x3 x 2 ‬‬ ‫‪7‬‬
‫‪ X   x. f X ( x) dx   x.( x  ) dx     ‬‬
‫‪‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪ 3‬‬ ‫‪4  12‬‬
‫‪0‬‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪ 3 y4 y2 ‬‬ ‫‪5‬‬
‫‪Y   y. fY ( y ) dy   y.( y 2  ) dy  ‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪ 8‬‬ ‫‪4 ‬‬
‫‪0‬‬
‫‪8‬‬
‫‪11‬‬
‫‪3 2‬‬ ‫‪17‬‬
‫‪E ( XY )   xy ( x ‬‬ ‫‪y ) dxdy ‬‬
‫‪00‬‬
‫‪2‬‬ ‫‪48‬‬
‫بالتالي‪:‬‬
‫‪17 7 5‬‬ ‫‪1‬‬
‫‪ X ,Y  E ( XY )   X Y ‬‬ ‫‪ . ‬‬
‫‪48 12 8‬‬ ‫‪96‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪118‬‬

‫مثال ‪ :37‬النسبة ‪ X‬للذكور والنسبة ‪ Y‬لإلناث الذين يشاركون في الماراتون ويكملوا السباق حتى النهاية‪،‬‬
‫وحيث تابع التوزيع االحتمالي المشترك لهما‪:‬‬
‫‪8 xy, 0  y  x  1‬‬
‫‪f X,Y (x,y)  ‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد تغاير المتحولين العشوائيين ‪X , Y‬‬
‫الحل‪:‬‬
‫أوالً علينا إيجاد توابع التوزيع االحتمالية الهامشية‪:‬‬
‫‪‬‬ ‫‪x‬‬
‫‪x‬‬
‫‪ y2 ‬‬
‫‪f X ( x)   f X ,Y ( x, y ) dy   8 xy dy  8 x    4 x3‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪ 2  0‬‬
‫‪4 x3 , 0  x  1‬‬
‫‪f X ( x)  ‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪ x2 ‬‬
‫‪fY ( y ) ‬‬ ‫‪‬‬ ‫) ‪f X ,Y ( x, y ) dx   8 xy dx  8 y    4 y (1  y 2‬‬
‫‪ 2  y‬‬
‫‪‬‬ ‫‪y‬‬
‫‪‬‬
‫‪4 y (1  y 2 ), 0  y  1‬‬
‫‪fY ( y )  ‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪otherwise‬‬
‫ثانياً‪ ،‬من توابع التوزيع االحتمالية الهامشية نحسب التوقع الرياضي‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪ 4 x5 ‬‬ ‫‪4‬‬
‫‪ X   x. f X ( x) dx   4 x dx  ‬‬
‫‪4‬‬
‫‪ ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪ 5  0 5‬‬
‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪ y3 y5 ‬‬ ‫‪8‬‬
‫‪Y   y. fY ( y ) dy   4 y (1  y ) dy  4    ‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪0‬‬ ‫‪ 3‬‬ ‫‪5  15‬‬

‫‪0‬‬
‫ثالثاً‪ ،‬من تابع التوزيع االحتمالي المشترك نحسب ) ‪E ( XY‬‬
‫‪11‬‬
‫‪4‬‬
‫‪E ( XY )   8 x 2 y 2 dxdy ‬‬
‫‪0y‬‬
‫‪9‬‬
‫بالتالي‪:‬‬
‫‪4‬‬ ‫‪4 8‬‬ ‫‪4‬‬
‫‪ X ,Y  E ( XY )   X Y   .‬‬ ‫‪‬‬
‫‪9‬‬ ‫‪5 15 225‬‬
‫ال يوفر التغاير بين متحولين عشوائيين معلومات فيما يتعلق بطبيعة العالقة بين هذين المتحولين‪ ،‬حيث ال‬
‫تُشير طويلة ‪ magnitude‬التغاير إلى أي شيء بخصوص هذه العالقة‪ ،‬لطالما أن التغاير ليست بدون واحدة‬
‫‪ .scale-free‬فطويلتها تعتمد على الواحدة المستخدمة في قياس كل من ‪ X‬و ‪ . Y‬لذلك سنعرف نسخة بدون‬
‫واحدة من التغاير ندعوها معامل الترابط‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪119‬‬

 ‫‪.3.6‬معامل الترابط ‪:correlation coefficient‬‬
‫‪ :15‬ليكن ‪ X , Y‬متحولين عشوائيين لهما التغاير ‪  X ,Y‬والتوقعان الرياضيان ‪  X‬و ‪ Y‬على‬ ‫تعري‬
‫الترتيب‪ .‬نعرف معامل الترابط ‪ correlation coefficient‬للمتحولين العشوائيين ‪ X‬و ‪ ، Y‬ونرمز له بالرمز‬
‫‪:  X ,Y‬‬
‫‪ X ,Y‬‬
‫‪ X ,Y ‬‬
‫‪ X Y‬‬
‫مالحظة ‪ :5‬يعبّر معامل الترابط ‪  X ,Y‬على مدى الترابط بين المتحولين العشوائيين ‪ X‬و ‪ Y‬وقيمته تحقق‬
‫العالقة التالية‪:‬‬
‫‪1   X ,Y  1‬‬
‫يأخذ معامل الترابط القيمة ‪ )  X ,Y  0 ( 0‬عندما يكون ‪  X ,Y‬أي عندما يكون المتحولين العشوائيين ‪X‬‬
‫و ‪ Y‬مستقلين (ال يوجد أي عالقة ترابط بينهما)‪ .‬ولكن عندما يكون بين المتحولين تماماً عالقة ارتباط خطي‬
‫‪ ، Y  a  bX‬فإن معامل الترابط يأخذ القيمة ‪ )  X ,Y  1( 1‬عندما يكون ‪ b  0‬ويأخذ القيمة ‪-1‬‬
‫(‪ )  X ,Y  1‬عندما يكون ‪. b  0‬‬

‫مثال ‪ :38‬ليكن ‪ X , Y‬متحولين عشوائيين لهما تابع التوزيع االحتمالي المشترك المبين في المثال ‪34‬‬
‫السابق‪ .‬أوجد معامل الترابط بين المتحولين العشوائيين ‪ X‬و ‪. Y‬‬
‫الحل‪:‬‬
‫وجدنا سابقاً أن‪:‬‬
‫‪  X ,Y  9 / 56‬و ‪ Y  1/ 2‬و ‪ X  3 / 4‬‬
‫ولنحسب اآلن المقادير التالية‪:‬‬
‫‪2‬‬
‫‪5‬‬ ‫‪15‬‬ ‫‪3‬‬ ‫‪27‬‬
‫‪E ( X )   x 2 . f X ( x)  02 ( )  12 ( )  22 ( ) ‬‬
‫‪2‬‬

‫‪x 0‬‬ ‫‪14‬‬ ‫‪28‬‬ ‫‪28 28‬‬

‫‪2‬‬
‫‪15‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪4‬‬
‫‪E (Y 2 ) ‬‬ ‫‪ y 2. fY ( y)  02 ( 28 )  12 ( 7 )  22 ( 28 )  7‬‬
‫‪y 0‬‬
‫‪27 3 2 45‬‬
‫‪ X2  E ( X 2 )   X2 ‬‬ ‫‪( ) ‬‬
‫‪28 4‬‬ ‫‪112‬‬
‫‪4 1‬‬ ‫‪9‬‬
‫‪ Y2  E (Y 2 )  Y2   ( )2 ‬‬
‫‪7 2‬‬ ‫‪28‬‬
‫‪‬‬ ‫‪9 / 56‬‬ ‫‪1‬‬
‫‪ X ,Y  X ,Y ‬‬ ‫‪‬‬
‫‪ X Y‬‬ ‫‪45 / 112 9 / 28‬‬ ‫‪5‬‬
‫مثال ‪ :39‬ليكن المتحولين العشوائيين المستمرين ‪ ، X , Y‬حيث تابع التوزيع االحتمالي المشترك لهما المبين‬
‫في المثال ‪ .36‬أوجد معامل الترابط بين المتحولين العشوائيين ‪ X‬و ‪. Y‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪120‬‬

 ‫الحل‪:‬‬
‫وجدنا سابقاً أن‪:‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪5‬‬ ‫‪11‬‬
‫‪X ‬‬ ‫‪  X2 ‬و ‪ E ( X 2 ) ‬و ‪  X ,Y  ‬و ‪ Y ‬و‬
‫‪12‬‬ ‫‪8‬‬ ‫‪96‬‬ ‫‪12‬‬ ‫‪144‬‬

‫ولنحسب اآلن المقادير التالية‪:‬‬

‫‪‬‬ ‫‪1‬‬
‫‪1‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪ 3 y5 y3 ‬‬ ‫‪7‬‬
‫‪E (Y 2 )   y 2 . fY ( y ) dy   y 2 .( y 2  ) dy  ‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪ 10‬‬ ‫‪6  15‬‬
‫‪0‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪73‬‬
‫‪ Y2  E (Y 2 )  Y2   ( )2 ‬‬
‫‪15 8‬‬ ‫‪960‬‬
‫‪‬‬ ‫‪1 / 96‬‬ ‫‪ 960‬‬
‫‪ X ,Y  X ,Y ‬‬ ‫‪‬‬
‫‪ X Y‬‬ ‫‪11 / 144 73 / 960 8 803‬‬

‫مبردهنة ‪ :6‬ليكن المتحولين العشوائيين ‪ X , Y‬وليكن ‪ a, b, c‬أعداد حقيقية‪ ،‬فإنه لدينا العالقة التالية‪:‬‬
‫‪Var (aX  bY  c)  a 2Var ( X )  b 2Var (Y )  2ab X ,Y‬‬

‫نتيجة ‪ :3‬ليكن ‪ X , Y‬متحولين عشوائيين مستقلين و ‪ a, b‬عددان حقيقيان‪ ،‬بالتالي‪:‬‬

‫) ‪Var (aX  bY )  a 2Var ( X )  b2Var (Y‬‬

‫نتيجة ‪ :4‬وبشكل عام ليكن لدينا المتحوالت العشوائية المستقلة ‪ X1, X 2 , , X n‬واألعداد الحقيقية‬
‫‪ ، a1, a2 , , an‬بالتالي‪:‬‬
‫‪Var  a1 X1  a2 X 2   an X n  ‬‬
‫‪ Var  a1 X1   Var  a2 X 2  + Var  an X n ‬‬
‫) ‪ a12Var ( X1)  a22Var ( X 2 )  ...  an2Var ( X n‬‬
‫‪.  X ,Y‬‬ ‫مثال ‪ :40‬ليكن المتحولين العشوائيين ‪ ، X , Y‬بحيث ‪ Var ( X )  2‬و ‪ Var (Y )  4‬و ‪ 2‬‬
‫أوجد ) ‪ ،Var ( Z‬حيث ‪. Z  3 X – 4Y  8‬‬
‫الحل‪:‬‬
‫‪Var (Z )  Var (3 X  4Y  8)  32Var ( X )  42Var (Y )  2(3)(4) X ,Y‬‬
‫‪Var (Z )  32 (2)  42 (4)  2(3)(4)(2)  130‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪121‬‬

 ‫‪ .7‬السيرورة العشوائية ‪:random process‬‬
‫في الكثير من تطبيقات الحياة العملية‪ ،‬نهتم بمراقبة قيم متحول عشوائي عبر فترة من الزمن‪ .‬على سبيل المثال‬
‫مراقبة سعر السهم ) ‪ S (t‬لشركة ما خالل األشهر القليلة المقبلة‪ ،‬كما يبينه الشكل التالي‪:‬‬

‫من المالحظ أنه من أجل قيمة محددة ل [‪ ، t1 [0, ‬فإن )‪ S (t1‬هو متحول عشوائي له تابع كثافة‬
‫احتمالي‪ ،‬ومن أجل قيمة أخرى [‪ ، t2 [0, ‬فإن ) ‪ S (t2‬هو متحول عشوائي آخر ومن الممكن أن يكون‬
‫له تابع كثافة احتمالي آخر‪ .‬ويمكن القول بأن السيرورة العشوائية ) ‪ S (t‬تتألف من عدد غير قابل للعد من‬
‫المتحوالت العشوائية‪.‬‬
‫عندما نعتبر قيم التابع ) ‪ S (t‬من أجل قيم الزمن [‪ ، t [0, ‬نقول عنها عن ) ‪ S (t‬أنه سيرورة عشوائية‬
‫‪ . {S (t ) , t [ 0,‬هذا ويمكن‬
‫‪ random process‬أو ‪ ،stochastic process‬ويعبر عنه كما يلي}‪ [:‬‬
‫القول بأن السيرورة العشوائية هي تابع عشوائي للزمن‪ .‬وبما أن الزمن ‪ t‬هو عدد حقيقي بالتالي فإن‬
‫السيرورة العشوائية مستمرة الزمن ‪.continuous-time random process‬‬
‫من األمثلة المألوفة والشائعة عن السيرورات العشوائية باإلضافة إلى أسواق األسهم المالية‪ :‬تبدالت أسعار‬
‫الصرف‪ ،‬واإلشارات مثل الكالم‪ ،‬الصوت‪ ،‬والصورة‪ ،‬والبيانات الطبية كمخطط ورسومات التخطيط القلبي‪،‬‬
‫وكذلك ضغط الدم‪ ،‬وتغيرات درجات ال حرارة في الجو أو في جسم اإلنسان أو الكائن الحي خالل فترة من‬
‫الزمن‪ .‬وتستخدم السيرورات العشوائية في مجال هندسة االتصاالت في دراسة الضجيج الذي يظهر في‬
‫الدارات اإللكترونية‪.‬‬

‫ليكن أيضاً على سبيل المثال ) ‪ N (t‬عدد الزبائن التي تراجع بنك ما من الساعة ‪ t  9‬صباح ًا وحتى الرابعة‬
‫بعد الظهر ‪ ، t  16‬أي أن ‪ t‬متحول حقيقي ]‪ . t [9,16‬من الواضح أن }‪ N (t ) {0,1, 2, ‬من أجل‬

‫‪ISSN: 2617-989X‬‬ ‫‪122‬‬

‫أي قيمة ل ]‪ ، t [9,16‬كما أنه من الواضح أيضاً أنه من أجل أي قيمة ‪ t1‬فإن )‪ N (t1‬هو متحول‬
‫عشوائي متقطع‪ .‬بالتالي يمكن القول على أن ) ‪ N (t‬هي سيرورة عشوائية متقطعة القيمة‪ ،‬وفي نفس الوقت‬
‫سيرورة عشوائية مستمرة الزمن‪.‬‬

‫بالمقابل يمكن الحصول على سيرورة عشوائية متقطعة الزمن ‪ discrete-time‬من الشكل } ‪، {S (t ), t  J‬‬
‫أو ‪ ، X (tn )  X n‬وذلك من أجل‬ ‫حيث }‪ . J  {t1, t2 , ‬وعادة نعرف )‪X (tn )  X (n‬‬
‫‪ . n  1, 2, ‬بالتالي فإن السيرورة عشوائية متقطعة الزمن هي سلسلة ‪ sequence‬من المتحوالت‬
‫العشوائية‪ ،‬والتي نشير إليها أحياناً بالسالسل العشوائية ‪:random sequences‬‬
‫}‪{X n , n  N‬‬ ‫‪or‬‬ ‫}‪{Xn , n  Z‬‬
‫من أشهر وأهم السالسل العشوائية هي سالسل ماركوف ‪ ،Markov‬والتي يطلق عليها السالسل عديمة‬
‫الذاكرة‪ ،‬فهي تتكهن بالمستقبل انطالقاً من الحاضر وال تحتاج إلى معرفة الماضي‪ .‬بمعنى آخر نقول عن‬
‫السلسلة }‪ {Xn , n  N‬أنها سلسلة ماركوف‪ ،‬إذا تحقق ما يلي‪:‬‬

‫) ‪P( X n1  x | X 0 , X1, , X n )  P( X n1  x | X n‬‬

‫مثال ‪ :41‬لتكن السيرورة العشوائية ) ‪ X (t‬المعرفة كما يلي‪:‬‬

‫}[‪{ X (t )  A  Bt , t [0, ‬‬

‫حيث ‪ A, B‬متحوالن طبيعيان مستقالن بمتوسط ‪ 1‬وانحراف معياري ‪ ،1‬أي أن‪:‬‬

‫‪1‬‬
‫)‪ 1  2 ( x 1‬‬
‫‪2‬‬

‫‪f ( x)  ‬‬ ‫‪e‬‬ ‫‪,  x‬‬

‫‪ 2‬‬
‫المطلوب‪:‬‬
‫‪ )a‬عرف المتحول العشوائي )‪ . Y  X (1‬أوجد تابع الكثافة االحتمالي له‪.‬‬
‫‪ )b‬ليكن )‪ ، Z  X (2‬أوجد ) ‪. E (YZ‬‬
‫الحل‪:‬‬
‫‪ )a‬لدينا‪ ، Y  X( 1 ) A  B:‬وبما أن ‪ A, B‬مستقالن ويخضعان للتوزيع الطبيعي‪ ،‬بالتالي‬
‫فالمتحول ‪ Y  A  B‬هو طبيعي أيضاً‪:‬‬
‫‪E (Y )  E ( A)  E ( B)  1  1  2‬‬
‫‪Var (Y )  Var ( A  B)  Var ( A)  Var ( B)  12  12  2‬‬
‫‪1‬‬
‫)‪ 1  4 ( x  2‬‬
‫‪2‬‬

‫‪fY ( y )  ‬‬ ‫‪e‬‬ ‫‪,  y ‬‬

‫‪‬‬ ‫‪2‬‬ ‫‪‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪123‬‬

E (YZ )  E[( A  B)( A  2B)]  E ( A2  3 AB  2B 2 )
 E ( A2 )  3E ( AB)  2E ( B 2 )
‫أن‬ ‫كما‬ ، E ( A2 )  E ( B 2 )  2 :‫بالتالي‬ ، Var ( A)  E ( A2 ) – E 2 ( A) ‫لدينا‬ ‫لكن‬
:‫ مما سبق ينتج أن‬. E ( AB)  E ( A) E ( B)
E (YZ )  2  3(1)  2(2)  9

ISSN: 2617-989X 124

 ‫تمارين‬

‫‪ .1‬خمس بطاقات تحمل األرقام ‪ 1, 2, 3, 4, 5‬نسحب ثالث بطاقات منها بشكل عشوائي ومن دون إعادة‪.‬‬
‫ليكن ‪ X‬المتحول العشوائي الذي يدل على مجموع األرقام المسحوبة‪ ،‬المطلوب كتابة جدول التوزيع‬
‫االحتمالي للمتحول ‪. X‬‬

‫‪ .2‬ليكن ‪ X‬متحول عشوائي تابع الكثافة االحتمالي له معرف بالعالقة‪:‬‬

‫‪ x‬‬ ‫‪0 xc‬‬
‫‪f X ( x)  ‬‬
‫‪2  x c  x  2‬‬
‫والمطلوب‪:‬‬
‫‪ )a‬عين قيمة الثابت ‪. c‬‬
‫‪ )b‬أوجد تابع التوزيع التراكمي ) ‪. F ( X‬‬
‫‪ )c‬احسب )‪. P( X  1/ 2‬‬
‫‪ )d‬احسب التوقع الرياضي والتشتت للمتحول ‪. X‬‬

‫‪ .1‬ليكن لدينا التابع ) ‪ f X ,Y ( x, y‬التالي‪:‬‬

‫‪ x  y 0  x, y  1‬‬
‫‪f X ,Y ( x, y )  ‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬

‫‪ )a‬تأكد من أن )‪ f X ,Y ( x, y‬هو تابع كثافة احتمالي مشترك للمتحولين العشوائيين المشتركين ‪X , Y‬‬
‫‪ )b‬أوجد الكثافة الهامشية لكل من ‪ X‬و ‪. Y‬‬
‫‪ )c‬احسب )‪. P(0  X  0.5, Y  0‬‬

‫‪ .4‬ليكن لدينا تابع كثافة احتمالي مشترك للمتحولين العشوائيين المشتركين ‪: X , Y‬‬
‫‪2e x  2 y‬‬
‫‪‬‬ ‫‪0  x, y  ‬‬
‫‪f X ,Y ( x, y )  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫أوجد قيمة كل من االحتماالت التالية‪:‬‬
‫)‪P( X  1, Y  1), P( X  Y ), P( X  a‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪125‬‬

 ‫‪ .1‬ليكن لدينا تابع كثافة احتمالي مشترك للمتحولين العشوائيين المشتركين ‪: X , Y‬‬
‫‪10 xy 2‬‬
‫‪‬‬ ‫‪0  x  y 1‬‬
‫‪f X ,Y ( x, y )  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬

‫‪ )a‬أوجد الكثافة الهامشية لكل من ‪ X‬و ‪ Y‬والكثافة الشرطية ) ‪. P(Y | X‬‬

‫‪ )b‬احسب االحتمال )‪. P(Y  1/ 2, X  1/ 4‬‬

‫‪ .6‬يحوي صندوق أربع بطاقات تحمل األرقام ‪ .1, 2, 3, 4‬نسحب عشوائياً من الصندوق بطاقتين ومن دون‬
‫إعادة‪ .‬ليكن ‪ X‬يدل على مجموع الرقمين و ‪ Y‬على اكبر الرقمين المسحوبين‪ .‬المطلوب‪:‬‬
‫‪ )a‬كتابة جدول التوزيع االحتمالي المشترك لـ ‪. X , Y‬‬
‫‪ )b‬إيجاد عامل االرتباط ‪  X ,Y‬وبين فيما إذا كان المتحوالن مستقالن أم ال‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪126‬‬

 ‫الماة‪ :‬ساعة واحاة‬ ‫عالمة النجاح‪11 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )80‬ارجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬

‫‪ .1‬تابع التوزيع التراكمي )‪ FX ( x‬لمتحول عشوائي ‪ X‬له تابع التوزيع االحتمالي )‪ f X ( x‬هو بالتعريف‬
‫‪FX ( x)  P( X  x) )a‬‬
‫‪FX ( x)  P( X  x) )b‬‬
‫‪FX ( x)  P( X  x) )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .2‬التوقع الرياضي ‪ E ( X )   X‬للمتحول العشوائي ‪ X‬الدال على العدد الظاهر في تجربة إلقاء حجر‬
‫النرد (‪ 6‬أوجه) مرة واحدة هو‬
‫‪21 )a‬‬
‫‪1/6 )b‬‬
‫‪3.5 )c‬‬
‫‪1/8 )d‬‬

‫‪ .1‬تشتت ‪ Var ( X )   X2‬للمتحول العشوائي ‪ X‬الدال على العدد الظاهر في تجربة إلقاء حجر النرد (‪6‬‬
‫أوجه) مرة واحدة هو‬
‫‪91/12 )a‬‬
‫‪35/6 )b‬‬
‫‪91/6 )c‬‬
‫‪35/12 )d‬‬
‫خمس بطاقات تحمل األرقام ‪ 1,2,3,4,5‬نسحب ثالث بطاقات منها بشكل عشوائي (من دون إعادة) وليكن‬
‫‪ X‬المتحول العشوائي الدال على مجموع أرقام البطاقات المسحوبة (معطيات األسئلة ‪)4, 5, 6‬‬

‫‪ .4‬مجموعة قيم المتحول العشوائي هي‬

‫‪X(Ω)={6, 7, 8, 9,10,11,12} )a‬‬
‫‪X ()  {3, 4, 5, 6, 7, 8, 9,10,11,12,13,14,15} )b‬‬
‫‪X ()  {3, 4, 5, 6, 7, 8, 9,10,11,12} )c‬‬
‫‪X ()  {6, 7, 8, 9,10,11,12,13,14,15} )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪127‬‬

 ‫‪ .1‬االحتمال )‪ P( X  6‬هو‬
‫‪2/7 )a‬‬
‫‪1/7 )b‬‬
‫‪1/5 )c‬‬
‫‪1/10 )d‬‬

‫‪ .6‬االحتمال )‪ P( X  8‬هو‬
‫‪3/5 )a‬‬
‫‪1/10 )b‬‬
‫‪2/5 )c‬‬
‫‪1/5 )d‬‬

‫‪ .7‬المتحول العشوائي ‪ X‬بحيث ‪  X  1‬و ‪ ،  X2  4‬المتحول العشوائي ‪ ، Y  2  3 X‬بالتالي‪:‬‬

‫‪μ Y =-1, σY =6 )a‬‬
‫‪Y  3,  Y  6 )b‬‬
‫‪Y  1,  Y  36 )c‬‬
‫‪Y  3,  Y  12 )d‬‬

‫‪ .8‬المتحوالن العشوائيان ‪ X , Y‬بحيث ‪  X  10, Y  15‬و ‪ ،  X2  9,  Y2  16‬المتحول‬

‫العشوائي ‪ ، Z  X  Y‬بالتالي‪:‬‬
‫‪Z  5,  Z  5 )a‬‬
‫‪Z  5,  Z  25 )b‬‬
‫‪μ Ζ =-5, σ Ζ =5 )c‬‬
‫‪Z  5,  Z  25 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪128‬‬

‫‪ .2‬المتحوالن العشوائيان ‪ X , Y‬بحيث ‪  X  1/ 2, Y  1/ 3‬و ‪ ، E ( XY )  1/ 8‬تغاير المتحولين‬
‫العشوائيين ‪ )  X ,Y ( X , Y‬هو‬
‫‪1/24 )a‬‬
‫‪-1/24 )b‬‬
‫‪7/24 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ .11‬المتحوالن العشوائيان ‪ X , Y‬بحيث ‪ . Y  2 X  1‬معامل الترابط لهما هو‬

‫‪1 )a‬‬
‫‪-1 )b‬‬
‫‪0 )c‬‬
‫‪1/2 )d‬‬

‫‪ .11‬ليكن المتحول العشوائي المستمر ‪ X‬تابع كثافته االحتمالي هو التالي (حيث ‪ c‬ثابت موجب)‪:‬‬
‫‪cx 0  x  2‬‬
‫‪f X ( x)  ‬‬
‫‪ 0 otherwise‬‬
‫قيمة ‪ c‬هي‬
‫‪1/4 )a‬‬
‫‪1/2 )b‬‬
‫‪1 )c‬‬
‫‪2 )d‬‬

‫ليكن المتحول العشوائي المستمر ‪ X‬تابع كثافته االحتمالي هو التالي (معطيات األسئلة ‪:)12, 13, 14, 15‬‬
‫‪2 x 0  x  1‬‬
‫‪f X ( x)  ‬‬
‫‪ 0 otherwise‬‬
‫‪ .12‬التوقع الرياضي ‪ E ( X )   X‬للمتحول ‪ X‬هو‪:‬‬
‫‪1/2 )a‬‬
‫‪1/3 )b‬‬
‫‪2/3 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪129‬‬

 ‫‪ E[ X 2 ] .11‬هو‪:‬‬
‫‪1/2 )a‬‬
‫‪1/3 )b‬‬
‫‪2/3 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ .14‬التشتت ‪ Var ( X )   X2‬للمتحول ‪ X‬هو‪:‬‬

‫‪1/2 )a‬‬
‫‪1/3 )b‬‬
‫‪1/18 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ .11‬قيمة االحتمال )‪ P(1/ 4  X  1/ 2‬هي‪:‬‬

‫‪3/16 )a‬‬
‫‪3/4 )b‬‬
‫‪1/4 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫و ‪.  X ,Y  2‬‬ ‫و ‪Var (Y )  3‬‬ ‫‪Var ( X )  2‬‬ ‫بحيث‬ ‫‪، X,Y‬‬ ‫العشوائيان‬ ‫‪ .16‬المتحوالن‬
‫‪ Var ( Z ) . Z  2 X – 3Y  5‬هو‪:‬‬
‫‪35 )a‬‬
‫‪59 )b‬‬
‫‪11 )c‬‬
‫‪ )d‬ال شيء مما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪130‬‬

 ‫(‪ )20‬ارجة‬ ‫السؤال الثاني‪:‬‬

‫صندوق يحوي ‪ 6‬بطاقات تحمل األرقام ‪ .1, 2, 3, 4, 5, 6‬نسحب عشوائياً بطاقتين من الصندوق من دون‬
‫إعادة‪ ،‬نعرف المتحول العشوائي ‪ X‬الذي يدل على مجموع رقمي البطاقتين المسحوبتين‬
‫‪ )a‬عين مجموعة قيم المتحول ‪. X‬‬
‫‪ )b‬أوجد جدول التوزيع االحتمالي للمتحول ‪. X‬‬
‫‪ )c‬أوجد التوقع الرياضي للمتحول ‪. X‬‬
‫‪ )d‬أوجد تشتت المتحول ‪. X‬‬

‫الحل‪:‬‬
‫‪X ()  {3, 4, 5, 6, 7, 8, 9, 10, 11} )a‬‬
‫توجيه في حال الخطأ‪ :‬الفقرة ‪2‬‬

‫‪)b‬‬
‫‪x‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪1‬‬
‫)‪P ( X  x‬‬
‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬ ‫‪15‬‬
‫توجيه في حال الخطأ‪ :‬الفقرة ‪2‬‬

‫‪11‬‬
‫‪ X  E ( X )   x. f X ( x)  7 )c‬‬
‫‪x 3‬‬
‫توجيه في حال الخطأ‪ :‬الفقرة ‪5‬‬

‫‪11‬‬
‫‪805 161‬‬
‫‪E ( X )   x 2 . f X ( x) ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪)d‬‬
‫‪x 3‬‬ ‫‪15‬‬ ‫‪3‬‬
‫‪161 2 14‬‬
‫‪Var ( X )   X2‬‬ ‫‪ E( X 2 )  E 2 ( X ) ‬‬ ‫‪7 ‬‬
‫‪3‬‬ ‫‪3‬‬
‫توجيه في حال الخطأ‪ :‬الفقرة ‪6‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪131‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪2.3‬‬ ‫‪a‬‬ ‫‪1‬‬
‫الفقرة ‪5‬‬ ‫‪c‬‬ ‫‪2‬‬
‫الفقرة ‪6‬‬ ‫‪d‬‬ ‫‪3‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪4‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪5‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪6‬‬
‫الفقرة ‪ 1‬و‪6‬‬ ‫‪a‬‬ ‫‪7‬‬
‫الفقرة ‪ 1‬و‪6‬‬ ‫‪c‬‬ ‫‪8‬‬
‫الفقرة ‪6.2‬‬ ‫‪b‬‬ ‫‪9‬‬
‫الفقرة ‪6.3‬‬ ‫‪a‬‬ ‫‪10‬‬
‫الفقرة ‪3.2‬‬ ‫‪b‬‬ ‫‪11‬‬
‫الفقرة ‪5‬‬ ‫‪c‬‬ ‫‪12‬‬
‫الفقرة ‪ 4‬و‪1‬‬ ‫‪a‬‬ ‫‪13‬‬
‫الفقرة ‪6‬‬ ‫‪c‬‬ ‫‪14‬‬
‫الفقرة ‪1‬‬ ‫‪a‬‬ ‫‪15‬‬
‫الفقرة ‪6‬‬ ‫‪b‬‬ ‫‪16‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪132‬‬

 ‫الفصل الرابع‪ :‬التوزيعات االحتمالية المتقطعة‬

‫الكلمات المفتاحية‪:‬‬
‫التوزيع الثنائي‪ ،‬توزيع برنولي‪ ،‬التوزيع ثنائي الحد‪ ،‬التوزيع الهندسي‪ ،‬التوزيع فوق الهندسي‪ ،‬توزيع بواسون‪.‬‬

‫ملخص‪:‬‬
‫يهدف هذا الفصل إلى التعرف على بعض المبادئ والتعاريف األساسية المتعلقة بالتوزيعات المتقطعة والتي‬
‫من ضمنها (توزيع برنولي‪ ،‬توزيع ثنائي الحد‪ ،‬التوزيع الهندسي‪ ،‬التوزيع فوق الهندسي‪ ،‬وتوزيع بواسون )‪.‬‬
‫كما يهدف إلى معرفة كيفية استخراج المتوسط والتشتت لكل من التوزيعات آنفة الذكر‪.‬‬

‫تعليمية ‪:‬‬ ‫األدهدا‬

‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫‪ ‬التوزيع الثنائي أو توزيع برنولي‬
‫‪ ‬التوزيع ثنائي الحد‬
‫‪ ‬التوزيع الهندسي‬
‫‪ ‬التوزيع فوق الهندسي‬
‫‪ ‬توزيع بواسون‬

‫‪ISSN: 2617-989X‬‬ ‫‪133‬‬

‫ترتبط أهم التوزيعات االحتمالية ارتباطاً وثيقاً بالتجارب الثنائية النتائج‪ ،‬وحياتنا اليومية زاخرة بهذا النوع من‬
‫التجارب نظراً ألهميتها التطبيقية في مجاالت العلوم المختلفة‪ .‬فعندما نقوم برمي قطعة من النقود فإن أمامنا‬
‫احتمالين فقط إما ظهور الكتابة ‪ H‬أو ظهور الشعار ‪. T‬‬

‫أثناء الرمي في اتجاه هدف معين فإما تكون النتيجة إصابة الهدف أو عدم إصابته‪ .‬قد يكون الشخص مدخناً أو‬
‫ال يكون مدخناً‪ .‬الدواء الجديد مفيد لمعالجة مرض معين أو غير مفيد‪ .‬إذا اخترنا عشوائياً قطعة من إنتاج‬
‫مصنع معين فإما أن تكون القطعة خالية من أي عيب صناعي أو تكون معيبة صناعياً‪ .‬على الرغم من تنوع‬
‫هذه التجارب إال أنها جميع ًا لها خصائص التجربة الثنائية أو (البرنولية ‪ )Bernoulli‬وميزاتها‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪134‬‬

 ‫‪ .1‬التوزيع الثنائي أو توزيع برنولي ‪:Bernoulli's distribution‬‬
‫التجربة الثنائية‪:‬‬
‫التجربة الثنائية هي تجربة تتصف بالخواص التالية‪:‬‬
‫‪ .1‬تتألف التجربة من عدد من التكرارات المتماثلة تمام ًا ( ‪ n‬تكرار)‪.‬‬
‫‪ .2‬ينتج عن كل تكرار إحدى نتيجتين فإما أن تكون النتيجة‪" :‬نجاحاً ‪ "success‬أي وقوع الحدث المعني‬
‫بالدراسة وسنرمز لهذه النتيجة بـ ‪ s‬والحتمال وقوعها بـ ‪ ، p‬أو تكون النتيجة األخرى "فشالً ‪"failure‬‬
‫حيث‪. p  q  1 :‬‬ ‫وسنرمز لهذه النتيجة بـ ‪ f‬والحتمال وقوعها بـ ‪q‬‬
‫‪ .3‬احتمال النجاح ‪ p‬يبقى ثابتاً من تكرار إلى آخر وكذلك يكون احتمال الفشل وهذا يعني أن التكرارات‬
‫تكون مستقلة بعضها عن بعض‪.‬‬
‫وسنرمز لهذا العدد بـ ‪. X‬‬
‫‪ .4‬نهتم بعدد النجاحات التي نحصل عليها خالل التكرارات المستقلة الـ ‪n‬‬
‫عندما نجري التجربة مرة واحدة أي في الحالة ‪ n  1‬فإن قيمة ‪ X‬إما أن تكون ‪( 0‬أي النتيجة ‪ ،) f‬أو‬
‫مساوية ‪( 1‬أي النتيجة ‪ ) p‬ونعلم أن ‪ P( f )  q‬و ‪ ، P( s)  p‬أي أن ‪ P( X  1)  p‬و‬
‫‪ . P( X  0)  q‬ويكون جدول التوزيع االحتمالي المطلوب‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬

‫)‪P( X  x‬‬ ‫‪q 1 p‬‬ ‫‪p‬‬

‫يُدعى التوزيع االحتمالي في هذه الحالة ب التوزيع الثنائي أو توزيع برنولي‪.‬‬

‫تعريف ‪ :1‬نقول عن متحول عشوائي ‪ X‬أنه يتبع توزيع برنولي وسيطه ‪ p‬إذا كان له تابع االحتمال‪:‬‬
‫; ‪ p x q1 x‬‬
‫‪‬‬ ‫‪x  0,1‬‬
‫‪f X ( x)  P( X  x)  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫مبردهنة ‪ :1‬إذا كان ‪ X‬متحول عشوائي يتبع توزيع برنولي وسيطه ‪ p‬فإن‪:‬‬
‫‪ X  E( X )  p‬‬
‫‪ X2  Var ( X )  pq‬‬
‫البرهان‪:‬‬
‫‪1‬‬
‫‪ X  E ( X )   x. f X ( x)  0.(q)  1.( p)  p‬‬
‫‪x 0‬‬
‫‪1‬‬
‫‪ X2‬‬ ‫‪ E( X‬‬ ‫‪2‬‬
‫‪)   X2‬‬ ‫‪  x 2 . f X ( x)   X2‬‬
‫‪x 0‬‬

‫‪ 02.(q)  12.( p)  p 2  p  p 2  p(1  p)  pq‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪135‬‬

 ‫‪ .2‬التوزيع ثنائي الحد ‪:binomial distribution‬‬
‫نعرف المتحول العشوائي ‪ X‬في توزيع ثنائي الحد على أنه عدد مرات النجاح عند تكرار محاولة برنولي‬
‫عدد من المرات مقداره ‪ n‬مرة وفق الشرط التالي‪ :‬المحاوالت مستقلة (نتيجة أي محاولة ال يؤثر وال يتأثر‬
‫بنتائج المحاوالت األخرى)‪ ،‬وأن احتمال النجاح ‪ p‬ثابت لجميع المحاوالت‪.‬‬
‫نسمي في هذه الحالة تابع التوزيع للمتحول العشوائي المتقطع ‪ X‬بتابع التوزيع االحتمالي ثنائي الحد‪ ،‬ونرمز‬
‫له بـ )‪ . b( x; n, p‬من الواضح أن مجموعة القيم الممكنة لهذا المتحول هي }‪. X ()  {0,1, , n‬‬
‫لنبحث اآلن عن صيغة عامة ل )‪ ، b( x; n, p‬ولنحسب االحتماالت الموافقة للقيم ‪. x  0,1, , n‬‬
‫وبمالحظة أن الحدث }‪ { X  x‬يوافق حدوث ‪ x‬نجاح ًا و ‪ n  x‬فشالً‪ .‬لنبدأ أوالً بحساب احتمال ‪ x‬نجاحاً‬
‫و ‪ n  x‬فشالً ضمن ترتيب م حدد‪ ،‬وبما أن كافة المحاوالت مستقلة فإن ناتج االحتمال هو حاصل ضرب‬
‫االحتماالت الموافقة للنواتج المختلفة أي ‪ . p x qn  x‬واآلن علينا تحديد العدد الكلي لنقاط العينة في التجربة‬
‫والتي لديها ‪ x‬نجاح و ‪ n  x‬فشل وهو يساوي عدد التبديالت الممكنة لمجموعة تحوي ‪ n‬عنصراً منها ‪x‬‬
‫عنصراً متماثالً من النوع ‪ s‬و ‪ n  x‬عنصراً متماثالً من النوع ‪ f‬وهو يساوي )‪ . C (n, x‬وباستخدام‬
‫قانون جمع االحتماالت نحصل على‪:‬‬
‫‪b( x; n, p)  C (n, x) p x q n x , x  0, 1, , n‬‬

‫‪ :2‬نقول عن متحول عشوائي ‪ X‬أنه يتبع توزيع ثنائي الحد بوسيطين ‪ n, p‬ونكتب باختصار‬ ‫تعري‬
‫)‪ X  b( x; n, p‬إذا كان له تابع االحتمال (تابع الكثافة االحتمالية) التالي‪:‬‬
‫‪P  X  x   b( x; n, p)  C (n, x) p xq n  x , x  0, 1, , n‬‬

‫وحيث أيضاً‪ 0  p  1 :‬و ‪. q  1  p‬‬

‫يمكن مالحظة أن‪:‬‬
‫‪b( x; n, p)  C (n, x) p x q n  x  0‬‬ ‫‪‬‬
‫‪ ‬حسب منشور نيوتن فإن‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ b( x; n, p)   C (n, x) p xq n x  ( p  q)n  1‬‬
‫‪x 0‬‬ ‫‪x 0‬‬

‫مثال ‪ :1‬لدينا قطعة نقود غير متزنة بحيث ‪ P( H )  1/ 3‬و ‪ . P(T )  2 / 3‬رمينا هذه القطعة ‪ 3‬مرات‪،‬‬
‫ليكن ‪ X‬المتحول العشوائي الذي يمثل عدد مرات ظهور الكتابة في الرميات الثالث‪ .‬أوجد احتمال‪:‬‬
‫‪ )a‬الحصول على كتابتين‪.‬‬
‫‪ )b‬الحصول على كتابتين على األقل‪.‬‬
‫‪ )c‬الحصول على صورة واحدة على األكثر‪.‬‬
‫‪ )d‬الحصول على ‪ 3‬شعارات‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪136‬‬

 ‫الحل‪:‬‬
‫نتيجة النجاح تساوي ظهور الكتابة‪ ،‬بالتالي احتمال النجاح ‪ . p  1 / 3‬أما نتيجة الفشل تساوي ظهور‬
‫الشعار‪ ،‬بالتالي احتمال الفشل ‪ . q  2 / 3‬المتغير العشوائي ‪ X‬يتبع توزيع ثنائي الحد بوسيطين‬
‫‪p 1/ 3‬‬
‫و ‪ ، n  3‬أي )‪. X  b( x; 3, 1/ 3‬‬
‫‪1 2‬‬
‫‪P( X  x)  f X ( x)  C (3, x)( ) x ( )3 x ; x  0,1, 2, 3‬‬
‫‪3 3‬‬
‫‪1 2‬‬ ‫‪8‬‬
‫‪P( X  0)  C (3, 0)( )0 ( )3 ‬‬
‫‪3 3‬‬ ‫‪27‬‬
‫‪1 2‬‬ ‫‪12 4‬‬
‫‪P( X  1)  C (3,1)( )1( ) 2 ‬‬ ‫‪‬‬
‫‪3 3‬‬ ‫‪27 9‬‬
‫‪1 2‬‬ ‫‪6 2‬‬
‫‪P( X  2)  C (3, 2)( )2 ( )1 ‬‬ ‫‪‬‬
‫‪3 3‬‬ ‫‪27 9‬‬
‫‪1 2‬‬ ‫‪1‬‬
‫‪P( X  3)  C (3, 3)( )3 ( )0 ‬‬
‫‪3 3‬‬ ‫‪27‬‬
‫‪ )a‬الحصول على كتابتين‪P( X  2)  2 / 9 :‬‬
‫‪ )b‬الحصول على كتابتين على األقل‪:‬‬
‫‪P( X  2)  P( X  2)  P( X  3)  6 / 27  1/ 27  7 / 27‬‬
‫‪ )c‬الحصول على صورة واحدة على األكثر‪:‬‬
‫‪P( X  1)  P( X  0)  P( X  1)  8 / 27  12 / 27  20 / 27‬‬
‫‪ )d‬الحصول على ‪ 3‬شعارات‪P( X  0)  8 / 27 :‬‬

‫مثال ‪ :2‬نسبة القطع التالفة ألحد مصانع األجهزة الخليوية هي ‪ .10%‬لنأخذ عينة من ‪ 5‬أجهزة بشكل عشوائي‬
‫من أنتاج هذا المصنع‪ ،‬ما هو احتمال الحصول على‪:‬‬
‫‪ )a‬جهاز خليوي واحد تالف‪.‬‬
‫‪ )b‬جميع األجهزة عاطلة‪.‬‬
‫‪ )c‬جميع األجهزة غير عاطلة (تعمل)‪.‬‬
‫‪ )d‬جهاز واحد على األقل تالف‪.‬‬

‫الحل‪:‬‬
‫ليكن المتحول ‪ X‬الذي يدل على عدد األجهزة الخلوية التالفة‪ .‬نتيجة النجاح تعني الحصول على جهاز‬
‫خليوي عاطل‪ ،‬بالتالي احتمال النجاح ‪ . p  0.1‬أما نتيجة الفشل فهي الحصول على جهاز خليوي سليم‪،‬‬
‫بالتالي احتمال الفشل ‪ . q  0.9‬المتغير العشوائي ‪ X‬يتبع إذن توزيع ثنائي الحد بوسيطين ‪ p  0.1‬و‬
‫‪ n  5‬أي )‪. X  b( x; 5, 0.1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪137‬‬

‫‪P( X  x)  f X ( x)  C (5, x)(0.1) x (0.9)5 x ; x  0,1, ..., 5‬‬
‫‪a) P( X  1)  C (5,1)(0.1)1(0.9)4  0.32805‬‬
‫‪b) P( X  5)  C (5, 5)(0.1)5 (0.9)0  0.00001‬‬
‫‪c) P( X  0)  C (5, 0)(0.1)0 (0.9)9  0.59049‬‬
‫‪d) P( X  1)  1  P( X  0)  1  0.59049  0.40951‬‬

‫مثال ‪ :3‬احتمال أن يتعافى مريض من مرض نادر في الدم هو ‪ .0.4‬إذا كان ‪ 15‬شخص مصابون بهذا‬
‫المرض‪ ،‬ما هو احتمال‪:‬‬
‫‪ 10 )a‬أشخاص على األقل يبقون على قيد الحياة‪.‬‬
‫‪ )b‬من ‪ 3‬إلى ‪ 8‬أشخاص يبقون على قيد الحياة‪.‬‬
‫‪ 5 )c‬أشخاص يبقون على قيد الحياة‪.‬‬

‫الحل‪:‬‬
‫ليكن المتحول ‪ X‬الذي يدل على عدد األشخاص الذين يبقون على قيد الحياة‪ .‬نتيجة النجاح تعني البقاء‪،‬‬
‫بالتالي احتمال النجاح ‪ . p  0.4‬أما نتيجة الفشل فهي عدم البقاء على قيد الحياة (الموت)‪ ،‬بالتالي احتمال‬
‫الفشل ‪ . q  0.6‬المتغير العشوائي ‪ X‬يتبع إذن توزيع ثنائي الحد بوسيطين ‪ p  0.4‬و ‪ ، n  15‬أي‬
‫)‪. X  b( x; 15, 0.4‬‬

‫‪P( X  x)  f X ( x)  C (15, x)(0.4) x (0.6)15 x ; x  0,1, ...,15‬‬

‫‪15‬‬
‫‪a) P( X  10) ‬‬ ‫‪ C (15, x)(0.4) x (0.6)15 x  0.0338‬‬
‫‪x 10‬‬
‫‪8‬‬
‫‪b) P(3  X  8) ‬‬ ‫‪ C (15, x)(0.4) x (0.6)15 x  0.8779‬‬
‫‪x 3‬‬
‫‪c) P( X  5)  C (15, 5)(0.4)5 (0.6)10  0.1859‬‬

‫‪ .1.2‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :2‬إذا كان ‪ X‬متحول عشوائي يتبع توزيع ثنائي الحد بوسيطين ‪ n, p‬أي )‪، X  b( x; n, p‬‬
‫فإن‪:‬‬
‫‪ X  E ( X )  np‬‬
‫‪ X2  Var ( X )  npq‬‬
‫مثال ‪ :4‬أوجد التوقع الرياضي والتشتت للمثال السابق‪ ،‬ومن ثم استخدم متراجحة (نظرية( تشيبيشيف لتفسير‬
‫المجال ‪.  X  2 X‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪138‬‬

 ‫الحل‪:‬‬
‫‪ X  np  15(0.4)  6‬‬
‫‪ X2  npq  15(0.4)(0.6)  3.6‬‬
‫‪ X  3.6  1.90‬‬
‫تقول نظرية تشيبيشيف بأن عينة من المعطيات متوسطها ‪  X‬وانحرافها المعياري ‪  X‬تكون نسبة‬
‫‪‬‬ ‫‪1 ‬‬
‫المعطيات الواقعة ضمن المجال ] ‪ [  X – k X ,  X  k X‬ال تقل عن ‪. 1  2 ‬‬
‫‪ k ‬‬
‫‪‬‬ ‫‪1 ‬‬ ‫‪1 3‬‬
‫‪. 1 ‬‬ ‫‪‬‬ ‫‪1‬‬ ‫المجال المطلوب هو‪ ،6 ± 2)1.90( = [2.21, 9.79] :‬والنسبة هي‪ :‬‬
‫‪‬‬ ‫‪2‬‬
‫‪k ‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪4‬‬
‫أي أن عدد المرضى القابلين للشفاء من بين ‪ 15‬مصاب بمرض نادر في الدم باحتمال مقداره ‪ 3/4‬يقع في‬
‫المجال ]‪ ،[2.21, 9.79‬وبما أن المعطيات منفصلة‪ ،‬ضمن المجال ]‪.[2, 10‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪139‬‬

 ‫‪ .3‬التوزيع الهندسي ‪:geometric distribution‬‬
‫التوزيع الهندسي هو جزء من التوزيع االحتمالي المتعلق بتجارب برنولي‪ .‬وهو عدد التكرارات للتجربة‬
‫للحصول على نجاح واحد فقط من تلك التجربة‪ .‬فإذا كان المتغير العشوائي ‪ X‬يشير إلى عدد مرات تكرار‬
‫التجربة و ‪ p‬يشير إلى احتمال نجاح التجربة و ‪ q  1  p‬هو احتمال فشل التجربة وبالتالي فإن التابع‬
‫االحتمالي لهذا التوزيع هو‪. g  x; p   pq x 1, x  1, 2,  :‬‬

‫‪ X‬أنه يتبع توزيع هندسي بوسيط ‪ p‬ونكتب باختصار‬ ‫‪ :3‬نقول عن متحول عشوائي‬ ‫تعري‬
‫‪ X  g  x; p ‬إذا كان له تابع االحتمال (تابع الكثافة االحتمالية) التالي‪:‬‬
‫‪P( X  x)  g  x; p   pq x 1, x  1, 2, ‬‬
‫وحيث أيضاً‪ 0  p  1 :‬و ‪. q  1  p‬‬
‫يمكن مالحظة أن‪:‬‬
‫‪g  x; p   pq x 1  0‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬
‫‪ g ( x; p)   pq x 1  p‬‬ ‫‪1 q‬‬
‫‪1 ‬‬
‫‪x 0‬‬ ‫‪x 0‬‬

‫مثال ‪ :5‬ليكن لدينا قطعة نرد متزنة‪ ،‬ما هو احتمال ظهور الرقم ‪ 6‬بعد ‪ 7‬محاوالت إللقاء النرد؟‬

‫الحل‪:‬‬
‫االحتمال الناجح (ظهور الرقم ‪ )6‬هو‪ . p  1 / 6 :‬االحتماالت الخاطئة (عدم ظهور الرقم ‪ )6‬هو‪:‬‬
‫‪q5/6‬‬
‫ظهور الحدث المطلوب يكون بعد ‪ 7‬محاوالت أي في المحاولة الثامنة وبالتالي فإن ‪: x  8‬‬
‫‪1 5 7 57‬‬
‫‪P( X  8)  g ( x; p)  ( )  8  0.04651‬‬
‫‪6 6‬‬ ‫‪6‬‬

‫مثال ‪ :6‬منتجات آلة ما لديها ‪ 3%‬منها تالفة ‪ .defective‬ما هو احتمال‪:‬‬

‫‪ )a‬أن يكون أول منتج تالف يظهر في البند الخامس المفحوص‬
‫‪ )b‬أن يكون أول منتج تالف يظهر في البنود الخمسة األوائل المفحوصة‬
‫الحل‪:‬‬
‫‪51‬‬
‫‪P( X  5)   0.03 0.97 ‬‬ ‫‪ 0.02656 )a‬‬
‫‪P( X  5)  1 – P(First 5 non defective)  1 – 0.975  0.14127 )b‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪140‬‬

 ‫‪ .1.3‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬
‫)‪FX  x   P( X  x)  P( X  1)  P( X  2)  P( X  x‬‬
‫‪ p  pq  pq 2  pq x 1‬‬
‫)‪ p(1  q  q 2  q x 1‬‬
‫‪1 qx‬‬ ‫‪1 qx‬‬
‫‪p‬‬ ‫‪p‬‬ ‫‪ 1 qx‬‬
‫‪1 q‬‬ ‫‪p‬‬

‫‪ .2.3‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫أي ‪ ، X  g  x; p ‬فإن‪:‬‬ ‫مبردهنة ‪ :3‬إذا كان ‪ X‬متحول عشوائي يتبع التوزيع الهندسي بوسيط ‪p‬‬
‫‪1‬‬
‫‪ X  E( X ) ‬‬
‫‪p‬‬
‫‪q‬‬ ‫‪1 p‬‬
‫‪ X2  Var ( X ) ‬‬ ‫‪2‬‬
‫‪‬‬
‫‪p‬‬ ‫‪p2‬‬

‫مثال ‪ :5‬إذا كان احتمال والدة ذكر في أي والدة تمرّ بها سيده هو ‪ 1/3‬أوجد‪:‬‬
‫‪ )a‬تابع التوزيع االحتمالي لعدد مرات الوضع قبل أن ترزق هذه السيدة بذكر‪.‬‬
‫‪ )b‬أوجد متوسط عدد مرات الوضع قبل أن ترزق السيدة بأول ذكر‪.‬‬
‫‪ )c‬ما هو احتمال أن تضع ذكرا ألول مرة بعد والدتين‪.‬‬
‫‪ )d‬ما هو احتمال أن تضع السيدة ذكرًا ألول مرة بعد ثالث والدات على األكثر‪.‬‬

‫الحل‪:‬‬
‫احتمال والدة ذكر ‪ ، p  1/ 3‬ليكن ‪ X‬المتحول العشوائي الذي يدل على عدد مرات الوضع قبل أن ترزق‬
‫السيدة بأول ذكر‪.‬‬
‫‪ X )a‬يتبع توزيعا هندسيًا بوسيط ‪ ، p  1/ 3‬بالتالي يكون تابع التوزيع االحتمالي هو‪:‬‬
‫‪1 2‬‬
‫‪P( X  x)  f X ( x)  ( )( ) x 1; x  1, 2, 3, ...‬‬
‫‪3 3‬‬
‫‪ )b‬متوسط عدد مرات الوضع قبل أن ترزق السيدة بأول ذكر هو ‪  X‬حيث‪:‬‬
‫‪1‬‬
‫‪ X  E( X ) ‬‬ ‫‪3‬‬
‫‪1/ 3‬‬
‫‪ )c‬احتمال أن تضع السيدة ذكرًا ألول مرة بعد والدتين هو )‪ P( X  2‬حيث‪:‬‬
‫‪1 2‬‬ ‫‪2‬‬
‫‪P( X  2)  ( )( )21 ‬‬
‫‪3 3‬‬ ‫‪9‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪141‬‬

 ‫‪ )d‬احتمال أن تضع السيدة ذكرًا ألول مرة بعد ثالث والدات على األكثر هو‪:‬‬
‫‪1 2‬‬ ‫‪2‬‬
‫‪P( X  2)  ( )( )21 ‬‬
‫‪3 3‬‬ ‫‪9‬‬
‫‪2‬‬ ‫‪19‬‬
‫‪P( X  3)  F (3)  1  q3  1  ( )3 ‬‬ ‫‪ 0.7‬‬
‫‪3‬‬ ‫‪27‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪142‬‬

 ‫‪ .4‬التوزيع فوق الهندسي ‪:hypergeometric distribution‬‬
‫تشبه أنواع تطبيقات التوزيع فوق الهندسي ألنواع تطبيقات توزيع ثنائي الحد‪ ،‬حيث في كال الحالتين نهتم‬
‫بحساب احتمال وقوع عدد معين من المشاهدات ضمن فئة محددة‪ .‬ولكن في حالة التوزيع ثنائي الحد فإن‬
‫االستقاللية بين الت كرارات مطلوبة‪ ،‬ونتيجة لذلك عندما نطبق هذا التوزيع‪ ،‬على سبيل المثال عند أخذ العينات‬
‫(أوراق اللعب ‪ ،cards‬دفعة من عناصر منتجة)‪ ،‬وجب علينا السحب مع اإلعادة ‪ with replacement‬وذلك‬
‫بعد المشاهدة‪ .‬أما في حالة التوزيع فوق الهندسي فإن االستقاللية بين التكرارات غير مطلوبة وتعتمد على‬
‫السحب من دون إعادة ‪ .without replacement‬ليكن المثال التوضيحي التالي باستخدام أوراق اللعب‪.‬‬

‫مثال ‪ :6‬إذا أردنا إيجاد احتمال وجود ‪ 3‬بطاقات حمراء من بين ‪ 5‬بطاقات مسحوبة من أوراق اللعب العادية‬
‫ال ‪ .52‬من المالحظ أنه ال يمكن تطبيق توزيع ثنائي الحد إال إذا تم إعادة كل بطاقة مسحوبة ومن ثم خلط‬
‫األوراق قبل عملية السحب التالية‪ .‬وألجل حل مسالة أخذ العينات من دون إعادة‪ ،‬دعونا نطرح المسألة بشكل‬
‫آخر‪ .‬إذا تم سحب ‪ 5‬بطاقات عشوائياً‪ ،‬نقوم بحساب احتمال اختيار ‪ 3‬بطاقات حمراء من بين ال ‪ 26‬بطاقة‬
‫متاحة (باللون األحمر) ومن ثم اختيار بطاقتين سوداوين من بين الـ ‪ 26‬بطاقة متاحة (باللون األسود)‪.‬‬
‫بالتأكيد يوجد )‪ C (26, 3‬طريقة مختلفة الختيار ‪ 3‬بطاقات حمراء‪ ،‬ومن أجل كل طريقة من هذه الطرق‬
‫نستطيع اختيار بطاقتين سوداوين بـ )‪ C (26, 2‬طريقة‪ ،‬بالتالي فإن العدد الكلي من أجل اختيار ‪ 3‬بطاقات‬
‫حمراء وبطاقتين سوداوين هو )‪ . C (26, 3)xC (26, 2‬وأن عدد الطرق المختلفة لسحب ‪ 5‬بطاقات من بين‬
‫‪ 52‬بطاقة هو )‪ . C (52, 5‬وأخيراً فإن احتمال سحب ‪ 5‬بطاقات من بين ‪ 52‬بطاقة من دون إعادة حيث ‪3‬‬
‫منها حمراء واثنتان سوداوان هو‪:‬‬
‫)‪C (26, 3) C (26, 2‬‬
‫‪ 0.325‬‬
‫)‪C (52, 5‬‬
‫نجاح من بين ‪ k‬عنصر مصنفة على أنها ناجحة واختيار‬ ‫وبشكل عام‪ ،‬نهتم بحساب احتمال اختيار ‪x‬‬
‫‪ n  x‬فشل من بين ‪ N  k‬عنصر مصنفة على أنها فاشلة وذلك عندما نأخذ (نختار) عينة مكونة ‪ n‬من‬
‫بين ‪ N‬عنصر‪ .‬نسمي هذه العملية بالتجربة فوق الهندسية ‪ .hypergeometric experiment‬تمتاز هذه‬
‫العملية بالخاصتين التاليتين‪:‬‬
‫نختار عينة عشوائية حجمها ‪ n‬بدون إعادة من مجتمع مكون من ‪ N‬عنصر‪.‬‬
‫من بين الـ ‪ N‬عنصر ‪ k‬منها مصنفة ناجحة و ‪ N  k‬مصنفة فاشلة‪.‬‬
‫‪ :4‬نقول عن متحول عشوائي ‪ X‬أنه يتبع توزيع فوق هندسي‪ ،‬حيث يمثل ‪ X‬عدد حاالت النجاح‬ ‫تعري‬
‫في عبنة عشوائية حجمها ‪ n‬تم اختيارها من مجتمع مكون من ‪ N‬عنصر من بينها ‪ k‬عنصر مصنفة على‬
‫أنها ناجحة و ‪ N  k‬مصنفة على أنها فاشلة‪ ،‬ونكتب باختصار ) ‪ ، X  h( x; N , n, k‬إذا كان له تابع‬
‫االحتمال (تابع الكثافة االحتمالية) التالي‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪143‬‬

 ‫)‪C ( k , x) C ( N  k , n  x‬‬
‫‪P( X  x)  h  x; N , n, k  ‬‬ ‫‪,‬‬
‫)‪C ( N , n‬‬
‫}‪max{0, n  ( N  k )}  x  min{n, k‬‬

‫مثال ‪ :7‬نسحب ‪ 6‬أوراق من أوراق اللعب ال ‪ 52‬وبدون إعادة‪ .‬ما هو احتمال الحصول على ورقتي قلب؟‬
‫الحل‪:‬‬
‫لدينا ‪ ، k  13, N  52, n  6‬بالتالي‪:‬‬
‫‪C (13, 2) C (39, 4) 6415578‬‬
‫‪P(2 hearts) ‬‬ ‫‪‬‬ ‫‪ 0.315‬‬
‫)‪C (52, 6‬‬ ‫‪20358520‬‬

‫مثال ‪ :8‬يحوي معرض للسيارات ‪ 48‬سيارة منها ‪ 8‬سيارات معيبة‪ .‬تم اختيار عينة عشوائية مكونة من ‪5‬‬
‫سيارات‪ ،‬أوجد احتمال‪:‬‬

‫‪ )a‬العينة كلها سليمة‬

‫‪ )b‬سيارة واحدة معيبة‬
‫‪ )c‬سيارتين على األقل معيبة‬
‫الحل‪:‬‬
‫ليكن المتحول العشوائي ‪ X‬الذي يمثل عدد السيارات المعيبة في العينة المختارة‪ k  8 ،‬عدد السيارات‬
‫المعيبة في المجتمع و ‪ N  48‬و ‪ . n  5‬بالتالي )‪X  h( x; 48, 5, 8‬‬
‫)‪C (8, x) C (40, 5  x‬‬
‫‪P( X  x)  h  x; 48, 5, 8  ‬‬ ‫‪, x  0,1, 2, 3, 4, 5‬‬
‫)‪C (48, 5‬‬
‫العينة كلها سليمة )‪P( X  0‬‬
‫‪C (8, 0) C (40, 5) 658008‬‬
‫‪P( X  0) ‬‬ ‫‪‬‬ ‫‪ 0.384‬‬
‫)‪C (48, 5‬‬ ‫‪1712304‬‬
‫سيارة واحدة معيبة )‪P( X  1‬‬
‫‪C (8,1) C (40, 4) 731120‬‬
‫‪P( X  1) ‬‬ ‫‪‬‬ ‫‪ 0.427‬‬
‫)‪C (48, 5‬‬ ‫‪1712304‬‬
‫سيارتين على األقل معيبة )‪P( X  2‬‬
‫‪P( X  2)  1  [ P( X  0)  P( X  1)]  1  (0.384  0.427)  0.189‬‬

‫‪ .1.4‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :4‬إذا كان ‪ X‬متحول عشوائي يتبع التوزيع فوق الهندسي ) ‪ ، X  h( x; N , n, k‬فإن‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪144‬‬

 ‫‪nk‬‬
‫‪ X  E( X ) ‬‬
‫‪N‬‬
‫‪N n k‬‬ ‫‪k‬‬
‫‪ X2‬‬ ‫‪ Var ( X ) ‬‬ ‫) ‪.n. (1 ‬‬
‫‪N 1 N‬‬ ‫‪N‬‬

‫مثال ‪ :9‬صناديق من المصابيح يحوي كل منها ‪ 40‬مصباح‪ ،‬يتم رفض الصندوق الواحد إذا كان يحوي ‪3‬‬
‫مصابيح أو أكثر معيبة‪ .‬تقوم إجرائية قبول الصندوق على اختيار عينة مكونة من ‪ 5‬مصابيح بشكل عشوائي‬
‫ويتم رفض الصندوق إذا وجد فيه مصابيح معيبة‪ .‬بفرض أن عدد المصابيح المعيبة في الصندوق الواحد هو‬
‫‪ 3‬مصابيح‪ .‬أوجد‪:‬‬
‫‪ )a‬احتمال وجود مصباح واحد فقط معيب في العينة‪.‬‬
‫‪ )b‬أوجد التوقع الرياضي والتشتت‪ ،‬ومن ثم استخدم متراجحة تشيبيشيف لتفسير المجال ‪.  X  2 X‬‬

‫الحل‪:‬‬
‫ليكن المتحول العشوائي ‪ X‬الذي يمثل عدد المصابيح المعيبة في الصندوق المختار‪ k  3 ،‬عدد المصابيح‬
‫المعيبة في الصندوق و ‪ N  40‬و ‪ ، n  5‬بالتالي )‪X  h( x; 40, 5, 3‬‬
‫‪C (3,1) C (37, 4) 198135‬‬
‫‪a) P( X  1) ‬‬ ‫‪‬‬ ‫‪ 0.3011‬‬
‫)‪C (40, 5‬‬ ‫‪658008‬‬
‫‪5(3) 3‬‬
‫‪b)  X  E ( X ) ‬‬ ‫‪  0.375‬‬
‫‪40 8‬‬
‫‪35 3‬‬ ‫‪3‬‬
‫‪ X2  Var ( X )  .5. (1  )  0.3113‬‬
‫‪39 40‬‬ ‫‪40‬‬
‫‪ X  0.3113  0.558‬‬
‫‪1 3‬‬
‫المجال المطلوب هو‪ ،0.375  2(0.558) = [-0.741, 1.491] :‬والنسبة هي‪.1  2  :‬‬
‫‪2‬‬ ‫‪4‬‬
‫نظرية تشيبيشف تقول إن عدد القطع المعيبة في ‪ 5‬مصابيح تم اختيارها عشوائياً من صندوق مكون من ‪40‬‬
‫مصباح بينهم ‪ 3‬مصابيح معيبة لها احتمال على األقل ‪ 3/4‬أن تقع ضمن المجال ]‪ .[-0.741, 1.491‬بمعنى‬
‫آخر ثالثة أرباع الحاالت المصابيح الخمسة تحوي أقل من مصباحين معيبين‪.‬‬

‫مالحظة ‪ :1‬عندما تكون قيمة ‪ n‬صغيرة مقارنة بقيمة ‪ ، N‬عندئذ يمكن استخدام توزيع ثنائي الحد كتقريب‬
‫للتوزيع فوق الهندسي‪ .‬في الحقيقة ومن حكم التجربة يمكن اعتبار هذا التقريب جيداً من أجل‬
‫‪ n / N  0.05‬بالتالي فإن الكمية ‪ k / N‬تلعب دور الوسيط ‪ p‬في ثنائي الحد‪ .‬ونتيجة لذلك يمكن توزيع‬
‫اعتبار ثنائي الحد كإصدار مجتمع واسع ‪ large-population version‬من التوزيع فوق الهندسي‪ .‬بالتالي‬
‫فإن القيمة المتوقعة والتشتت تنتج من الصيغ التالية‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪145‬‬

 ‫‪nk‬‬
‫‪ X  np ‬‬
‫‪N‬‬
‫‪k‬‬ ‫‪k‬‬
‫‪ X2  npq  n.‬‬ ‫) ‪(1 ‬‬
‫‪N‬‬ ‫‪N‬‬
‫بمقارنة هذه الصيغ مع صيغ المبرهنة ‪ ، 4‬نجد أن القيمة المتوقعة هي نفسها‪ ،‬لكن التشتت يختلف بعامل‬
‫‪N n‬‬
‫‪ ،‬والذي يمكن إهماله عندما تكون ‪ n‬صغيرة مقارنة بـ ‪. N‬‬ ‫التصحيح‬
‫‪N 1‬‬

‫مثال ‪ :11‬يصرح مصنع دواليب سيارات أن من بين كل شحنة مكونة من ‪ 5000‬دوالب يتم إرسالها إلى‬
‫موزع محلي ‪ 1000‬منها يحوي على عيب بسيط‪ .‬إذا اشترى أحدهم من الموزع المحلي ‪ 10‬دواليب اختارهم‬
‫عشوائياً‪ ،‬ما هو احتمال أن يكون بينهم دواليب اختارهم عشوائياً‪ ،‬ما هو احتمال أن يكون بينهم ‪ 3‬دواليب‬
‫معيبة؟‬

‫الحل‪:‬‬
‫بما أن ‪ N  5000‬كبيرة بالنسبة لحجم العينة ‪ ، n  10‬بالتالي يمكن تقريب االحتمال المطلوب باستخدام‬
‫توزيع ثنائي الحد‪ .‬احتمال الحصول على دوالب معيب هو ‪ . p  0.2‬بالتالي احتمال الحصول على بالتالي‬
‫احتمال الحصول على ‪ 3‬دواليب معيبة هو‪:‬‬
‫‪h(3; 5000,10,1000)  b(3;10, 0.2)  C (10,3)(0.2)3 (0.8)7  0.2013‬‬
‫قيمة االحتمال الصحيحة باستخدام التوزيع فوق الهندسي هو‪. h(3; 5000,10,1000)  0.2015 :‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪146‬‬

 ‫‪ .5‬توزيع بواسون ‪:Poisson distribution‬‬
‫في الحياة العملية أحياناً ما نقابل بعض الظواهر التي ينطبق عليها شروط توزيع ذي الحدين ولكن هذه‬
‫الحوادث تكون نادرة الوقوع وهذا يعنى أن احتمال النجاح يكون صغير جداً يقترب من الصفر وعلية فإنه‬
‫يمكن القول أن ‪ ، np  ‬حيث ‪ ‬هي مقدار ثابت وبذلك يكون احتمال الفشل كبير أي أنه يقترب من‬
‫الواحد‪ .‬وبذلك تكون شروط هذا التوزيع كاآلتي‪:‬‬
‫‪ .1‬أن يكون احتمال النجاح ‪ p‬ثابت وكذلك احتمال الفشل ‪ q‬في كل محاولة‪.‬‬
‫‪ .2‬أن يكون احتمال النجاح صغيرًا ويقتر ب من الصفر واحتمال الفشل يقترب من الواحد الصحيح‪.‬‬
‫‪ .3‬أن تكون عدد المحاوالت كبيرًا جدًا حيث أن ‪ np  ‬مقدار ثابت‪.‬‬
‫ولتوزيع بواسون تطبيقات واسعة فهو يقدم بشكل عام نموذجاً للمعلومات اإلحصائية التي تأخذ شكل تعداد‬
‫لحوادث نادرة الوقوع حيث يمثل المتحول العشوائي ‪ X‬عدد الحوادث النادرة الملحوظة في وحدة قياس‬
‫معينة زمناً كانت أم مساحة أم حجماً بينما يمثل ‪ ‬معدل أو متوسط عدد مرات ظهور تلك األحداث في‬
‫واحدة القياس‪ .‬توضح األمثلة التالية الحاالت التي نطبق فيها عادة توزيع بواسون‪:‬‬
‫‪ ‬عدد المكالمات الهاتفية التي ترد إلى مقسم خالل فترة زمنية معينة‪.‬‬
‫‪ ‬عدد الجسيمات الصادرة في الثانية عن مادة مشعة‪.‬‬
‫‪ ‬عدد األخطاء المطبعية في صفحة من صفحات كتاب معين‪.‬‬
‫‪ ‬عدد حوادث المرور في مدينة كبيرة خالل يوم‪.‬‬
‫‪ ‬عدد البكتريا الموجودة في ميليمتر مكعب واحد من وعاء يحتوي على سائل معين‪.‬‬

‫‪ X‬أنه يتبع توزيع بواسون بوسيط ‪ ‬ونكتب باختصار‬ ‫‪ :5‬نقول عن متحول عشوائي‬ ‫تعري‬
‫) ‪ X  p( x; ‬إذا كان له تابع االحتمال (تابع الكثافة االحتمالية) التالي‪:‬‬
‫‪e  x‬‬
‫‪P( X  x)  p( x;  ) ‬‬ ‫‪; x  0,1, 2, ...‬‬
‫!‪x‬‬
‫وحيث أن ‪ e‬هو العدد النيبري ويساوي ‪e  2.71828 ....‬‬
‫يمكن مالحظة أن‪:‬‬
‫‪e  x‬‬
‫‪p( x;  ) ‬‬ ‫‪0 ‬‬
‫!‪x‬‬
‫‪‬‬ ‫‪  x‬‬ ‫‪‬‬
‫‪e ‬‬ ‫‪x‬‬
‫‪ p( x;  )   x!  e  x!  e e  1 ‬‬
‫‪‬‬

‫‪x 0‬‬ ‫‪x 0‬‬ ‫‪x 0‬‬

‫مثال ‪ :11‬إذا كان متوسط عدد مستخدمي الصراف اآللي في أحد البنوك هو ‪ 5‬اشخاص كل نصف ساعة‪.‬‬
‫احسب‪:‬‬
‫‪ )a‬االحتماالت التالية ألعداد الواصلين كل نصف ساعة بأن يكون‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪147‬‬

 ‫‪ 10 ‬أشخاص‬
‫‪ ‬يقل عن ‪ 3‬أشخاص‬
‫‪ ‬يتراوح العدد بين ‪ 4‬و ‪ 8‬أشخاص‬
‫‪ )b‬احسب نفس االحتماالت السابقة من أجل معدل الوصول كل ربع ساعة‬
‫‪ )c‬احسب نفس االحتماالت السابقة من أجل معدل الوصول كل ساعة‬
‫الحل‪:‬‬
‫‪ )a‬معدل الوصول كل نصف ساعة‬
‫‪ 5‬‬
‫‪e5 510‬‬
‫‪P( X  10) ‬‬ ‫‪ 0.01813‬‬
‫!‪10‬‬
‫)‪P( X  3)  P( X  0)  P( X  1)  P( X  2‬‬
‫‪e5 50 e5 51 e5 52‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.12465‬‬
‫!‪0‬‬ ‫!‪1‬‬ ‫!‪2‬‬
‫])‪P( X  1)  1  [ P( X  0)  P( X  1‬‬
‫‪e5 50 e5 51‬‬
‫( ‪1‬‬ ‫‪‬‬ ‫‪)  0.95957‬‬
‫!‪0‬‬ ‫!‪1‬‬
‫‪P(4  X  8)  P( X  4)  P( X  5)  ...  P( X  8)  0.66688‬‬
‫‪ )b‬معدل الوصول كل ربع ساعة‪ :‬نجري نفس العمليات الحسابية السابقة ولكن مع قيمة للوسيط ‪‬‬
‫مساوية إلى ‪.   5(1/2)  5 / 2  2.5‬‬
‫‪ )c‬معدل الوصول كل ساعة‪ :‬نجري نفس العمليات الحسابية السابقة ولكن مع قيمة للوسيط ‪ ‬مساوية‬
‫إلى ‪.   5(2)  10 = 5(2) = 10‬‬

‫مثال ‪ :12‬إذا كان متوسط وصول السفن إلى ميناء الالذقية سفينتين في اليوم‪ ,‬أوجد احتمال وصول ‪ 3‬سفن‬
‫إلى هذا الميناء في أحد األيام‪.‬‬
‫الحل‪:‬‬
‫‪ 2‬‬
‫‪e2 23‬‬
‫‪P( X  3) ‬‬ ‫‪ 0.18045‬‬
‫!‪3‬‬

‫‪ .1.5‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫‪ ، X‬فإن‪:‬‬ ‫) ‪ p( x; ‬‬ ‫مبردهنة ‪ :5‬إذا كان ‪ X‬متحول عشوائي يتبع توزيع بواسون‬
‫‪X  E ( X )  ‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪148‬‬

 ‫‪ X2 Var (X )  ‬‬

‫مثال ‪ :13‬إذا كان عدد األخطاء المطبعية في كتاب يتكون من ‪ 600‬صفحة هو ‪ 50‬خطأ فإذا كانت األخطاء‬
‫تتوزع توزيعاً عشوائياً‪ .‬فما احتمال إذا اختيرت ‪ 10‬صفحات عشوائيا أال تحتوي على أخطاء‪.‬‬
‫الحل‪:‬‬
‫بفرض أن ‪ X‬يمثل عدد األخطاء في كل صفحة وأن عدد المحاوالت (الصفحات) تمثل سلسلة من محاوالت‬
‫برنولي عددها ‪ . n  10‬نسبة الخطأ (النجاح) هي‪ ، p  50 / 600  0.083 :‬وعليه فإن‪:‬‬
‫‪  np  10(0.083)  0.83‬‬
‫وبالتالي فإن لـ ‪ X‬توزيع بواسون‪ ،‬وأن‪:‬‬
‫‪e0.83 0.830‬‬
‫‪P( X  0) ‬‬ ‫‪ 0.436‬‬
‫!‪0‬‬

‫مبردهنة ‪ :6‬ليكن لدينا ‪ X‬متحول عشوائي يتبع توزيع ثنائي الحد )‪ . b( x; n, p‬عندما تسعى ‪ n‬إلى‬
‫الالنهاية ( ‪ ) n  ‬وتسعى ‪ p‬إلى الصفر ( ‪ ،) p  0‬وتسعى ‪ np‬إلى قيمة محدودة ‪ ‬عندما تسعى‬
‫‪ n‬إلى الالنهاية ( ‪ ،) np  ‬فإن‪. b( x; n, p)  p( x;  ) :‬‬
‫‪n ‬‬ ‫‪n ‬‬
‫قاعدة التقريب هي‪ n  30 :‬و ‪. p  0.05‬‬

‫مثال ‪ :14‬احتمال حدوث حادث في أحد األيام هو ‪ 0.005‬والحوادث مستقلة عن بعضها البعض‪ .‬ما هو‬
‫احتمال وجود حادث واحد في بوم ما خالل فترة ‪ 400‬يوم؟‬
‫الحل‪:‬‬
‫ليكن ‪ X‬المتحول العشوائي لتوزيع ثنائي الحد مع ‪ n  400‬و ‪ ، p  0.005‬بالتالي ‪ . np  2‬باستخدام‬
‫تقريب بواسون‪:‬‬

‫‪e2 21‬‬
‫‪P( X  1) ‬‬ ‫‪ 0.270671‬‬
‫!‪1‬‬
‫باستخدام ثنائي حد نيوتن‪:‬‬

‫‪P( X  1)  C (400,1)(0.005)1(0.995)399  0.270669‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪149‬‬

 ‫تمارين‬

‫‪ .1‬احتمال أن يصيب راٍم الهدف ‪ 0.8‬فإذا صوب الرامي نحو الهدف ‪ 5‬طلقات فما هو احتمال أن‪:‬‬
‫‪ )a‬يصيب الهدف بثالث طلقات‬
‫‪ )b‬يصيب الهدف بطلقة واحدة على األقل‬

‫‪ .2‬كم مرة يجب إلقاء حجر النرد لكي يكون احتمال الحصول على الرقم ‪ 6‬أكبر من ‪0.75‬؟‬

‫‪ .3‬إذا كررنا تجربة رمي زوج النرد ‪ 4‬مرات متتالية فما هو احتمال أن نحصل على المجموع ‪5‬؟‬
‫‪ )a‬مرة واحدة فقط‬
‫‪ )b‬مرة واحدة على األكثر‬
‫‪ )c‬مرتين على األقل‬

‫‪ .4‬متوسط عدد المكالمات التي يتلقاها مقسم ما بين الساعة العاشرة والساعة الحادية عشرة هو ‪ 1.5‬مكالمة‬
‫في الدقيقة‪ .‬المطلوب حساب احتمال أن يكون لدينا بين الساعة ‪ 9h25‬و ‪:9h26‬‬
‫‪ )a‬عدم وجود أي مكالمة هاتفية‬
‫‪ )b‬مكالمة هاتفية واحدة‬
‫‪ )c‬مكالمتان هاتفيتان‬
‫‪ )d‬ثالث مكالمات هاتفية على األقل‬

‫‪ .5‬كتاب مؤلف من ‪ 500‬صفحة ويحتوي على ‪ 800‬خطأ مطبعي موزعة بشكل عشوائي على صفحات‬
‫الكتاب فإذا فتحنا الكتاب على صفحة ما فما هو احتمال‪:‬‬
‫‪ )a‬أن يكون في الصفحة ثالثة أخطاء مطبعية‪.‬‬
‫‪ )b‬أن أن تخلو الصفحة من األخطاء المطبعية‪.‬‬
‫‪ )c‬أن يكون في الصفحة خطأ مطبعي واحد على األقل‪.‬‬

‫‪ .6‬يحتوي صندوق على ‪ 100‬عنصر حيث ‪ 10%‬منها معيب‪ .‬أوجد احتمال أال يكون أكثر من عنصرين‬
‫معيبين في عينة عشوائية حجمها ‪.10‬‬
‫‪ )a‬حالة سحب مع إعادة‪.‬‬
‫‪ )b‬حالة سحب من دون إعادة‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪150‬‬

 ‫المدة‪ :‬ساعة واحدة‬ ‫عالمة النجاح‪51 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )80‬درجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬

‫‪ X .1‬متحول عشوائي يتبع توزيع ثنائي الحد بوسيطين ‪ . n, p‬التوقع الرياضي واالنحراف المعياري هما‪:‬‬
‫‪ X  np;  X  npq )a‬‬
‫‪ X  np;  X  npq )b‬‬
‫‪ X  npq;  X  np )c‬‬
‫‪ X  npq;  X  np )d‬‬

‫‪ X .2‬متحول عشوائي يتبع توزيع برنولي‪ .‬التوقع الرياضي والتشتت هما‬

‫‪ X  p;  X2  pq )a‬‬
‫‪ X  pq;  X2  p )b‬‬
‫‪ X  p;  X2  pq )c‬‬
‫‪ X  pq;  X2  p )d‬‬

‫قطعة نقود غير متزنة بحيث ‪ P( H )  1/ 3‬و ‪ . P(T )  2 / 3‬رمينا هذه القطعة ‪ 3‬مرات‪ X ،‬المتحول‬
‫العشوائي الذي يمثل عدد مرات ظهور الكتابة ‪ H‬في الرميات الثالث (معطيات األسئلة‪.) 3, 4, 5, 6‬‬
‫‪ .3‬احتمال عدم الحصول على كتابة هو‪:‬‬
‫‪0 )a‬‬
‫‪1/27 )b‬‬
‫‪8/27 )c‬‬
‫‪1 )d‬‬

‫‪ .4‬احتمال الحصول على كتابة واحدة على األقل هو‪:‬‬

‫‪0 )a‬‬
‫‪1 )b‬‬
‫‪26/27 )c‬‬
‫‪19/27 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪151‬‬

 ‫‪ E ( X 2 ) .5‬هو‪:‬‬
‫‪2/3 )a‬‬
‫‪5/3 )b‬‬
‫‪1 )c‬‬
‫‪3/5 )d‬‬

‫‪ .6‬احتمال الحصول على الكتابة أول مرة بعد محاولتين (في المحاولة الثالثة) هو‪:‬‬
‫‪4/27 )a‬‬
‫‪1/27 )b‬‬
‫‪4/9 )c‬‬
‫‪1/9 )d‬‬

‫متوسط عدد المكالمات التي يتلقاها مقسم ما بين الساعة التاسعة والساعة العاشرة هو ‪ 2‬مكالمة في الدقيقة‪.‬‬
‫المطلوب حساب احتمال أن يكون لدينا بين الساعة ‪ 9h15‬و ‪( 9h16‬معطيات األسئلة ‪.)7, 8 ,9‬‬
‫‪ .7‬عدم وجود أي مكالمة هاتفية هو‪:‬‬
‫‪0.125 )a‬‬
‫‪0.135 )b‬‬
‫‪0.145 )c‬‬
‫‪0.155 )d‬‬

‫‪ .8‬مكالمة هاتفية واحدة على األقل هو‪:‬‬

‫‪0.875 )a‬‬
‫‪0.855 )b‬‬
‫‪0.845 )c‬‬
‫‪0.865 )d‬‬

‫‪ X .9‬متحول عشوائي يمثل عدد المكالمات الهاتفية في الدقيقة‪ .‬االنحراف المعياري ‪  X‬هو‪:‬‬
‫‪1‬‬
‫‪)a‬‬
‫‪2‬‬
‫‪1/2 )b‬‬
‫‪2 )c‬‬
‫‪2 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪152‬‬

‫‪ .11‬معدل (متوسط) الحوادث المرورية في مدينة صغيرة ‪ 3‬حوادث في األسبوع‪ .‬احتمال وقوع حادث واحد‬
‫على األقل في اسبوعين هو‪:‬‬
‫‪0.1991 )a‬‬
‫‪0.9975 )b‬‬
‫‪0.9502 )c‬‬
‫‪0.0174 )d‬‬

‫‪ .11‬ليكن لدينا جدول التوزيع االحتمالي‪:‬‬

‫‪P( X  x)  C (5, x)(0.7) x (0.3)5 x , x  0, 1, , 5‬‬
‫التوقع الرياضي للمتحول العشوائي ‪: X‬‬
‫‪3.5 )a‬‬
‫‪35 )b‬‬
‫‪1.5 )c‬‬
‫‪0.21 )d‬‬

‫‪ .12‬معطيات عملية السحب ‪ sampling‬بدون إعادة من مجتمع محدود (عدد عناصره منته) تتبع‪:‬‬
‫‪ )a‬توزيع ثنائي الحد‬
‫‪ )b‬توزيع فوق الهندسي‬
‫‪ )c‬توزيع بواسون‬
‫‪ )d‬التوزيع الهندسي‬

‫‪ .13‬متحول عشوائي ‪ X‬يمثل عدد األخطاء المطبعية في صفحة من صفحات كتاب معين يتبع‪:‬‬
‫‪ )a‬توزيع ثنائي الحد‬
‫‪ )b‬توزيع فوق الهندسي‬
‫‪ )c‬توزيع بواسون‬
‫‪ )d‬التوزيع الهندسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪153‬‬

‫‪ .14‬احتمال إصابة شخص بأحد األمراض هو ‪ .0.001‬عينة عشوائية من ‪ 1000‬شخص‪ .‬احتمال إصابة ‪3‬‬
‫أشخاص بهذا المرض هو‪:‬‬
‫‪0.06131 )a‬‬
‫‪0.61310 )b‬‬
‫‪0.00613 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ .15‬التجربة الثنائية هي تجربة تتصف بالخواص التالية‪:‬‬

‫‪ )a‬تتألف من عدد من التكرارات المتماثلة تماماً‬
‫‪ )b‬ينتج عن كل تكرار إحدى نتيجتين نجاح أو فشل‬
‫‪ )c‬احتمال النجاح يبقى ثابتاً من تكرار إلى آخر‬
‫‪ )d‬كل ما سبق‬

‫‪ .16‬عدد المرات التي يجب إلقاء قطعة نفود متزنة لكي يكون احتمال الحصول على الكتابة ‪ H‬أكبر من‬
‫‪:0.9‬‬
‫‪4 )a‬‬
‫‪3 )b‬‬
‫‪5 )c‬‬
‫‪2 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪154‬‬

 ‫(‪ )20‬درجة‬ ‫السؤال الثاني‪:‬‬

‫‪H‬‬ ‫نرمي قطعة نقود متزنة خمس مرات متتالية وليكن ‪ X‬المتحول العشوائي الدال على ظهور الكتابة‬
‫والمطلوب‪:‬‬
‫‪ )a‬عين مجموعة قيم المتحول ‪. X‬‬
‫‪ )b‬أوجد جدول التوزيع االحتمالي للمتحول ‪. X‬‬
‫‪ )c‬أوجد االحتمال )‪. P(1  X  3‬‬
‫‪ )d‬أوجد التوقع الرياضي والتشتت للمتحول ‪. X‬‬

‫الحل‪:‬‬
‫‪X ()  {0, 1, 2, 3, 4, 5} )a‬‬
‫‪P( X  x)  C (5, x)(0.5) x (0.5)5 x , x  0, 1, , 5 )b‬‬
‫‪5‬‬
‫‪1‬‬
‫‪P( X  x)  C (5, x)   , x  0, 1, , 5‬‬
‫‪2‬‬
‫)‪C (5, x‬‬
‫‪P( X  x) ‬‬ ‫‪, x  0, 1, , 5‬‬
‫‪32‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫‪1 5 10 10 5 1‬‬
‫)‪P( X  x‬‬
‫‪32 32 32 32 32 32‬‬

‫‪P(1  X  3)  P( X  1)  P( X  2)  P( X  3) )c‬‬
‫‪5 10 10 25‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪32 32 32 32‬‬
‫‪ X  np  5(1/ 2)  5 / 2 )d‬‬
‫‪ X2  npq  5(1/ 2)(1/ 2)  5 / 4‬‬

‫توجيه في حال الخطأ‪ :‬الفقرة ‪2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪155‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪1‬‬
‫الفقرة ‪1‬‬ ‫‪a‬‬ ‫‪2‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪3‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪4‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪5‬‬
‫الفقرة ‪3‬‬ ‫‪a‬‬ ‫‪6‬‬
‫الفقرة ‪5‬‬ ‫‪b‬‬ ‫‪7‬‬
‫الفقرة ‪5‬‬ ‫‪d‬‬ ‫‪8‬‬
‫الفقرة ‪5‬‬ ‫‪c‬‬ ‫‪9‬‬
‫الفقرة ‪5‬‬ ‫‪b‬‬ ‫‪10‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪11‬‬
‫الفقرة ‪4‬‬ ‫‪b‬‬ ‫‪12‬‬
‫الفقرة ‪5‬‬ ‫‪c‬‬ ‫‪13‬‬
‫الفقرة ‪ 2‬و‪5‬‬ ‫‪a‬‬ ‫‪14‬‬
‫الفقرة ‪1‬‬ ‫‪d‬‬ ‫‪15‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪16‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪156‬‬

‫الفصل الخامس ‪ :‬التوزيعات االحتمالية المستمرة‬

‫الكلمات المفتاحية‪:‬‬
‫التوزيع المنتظم‪ ،‬التوزيع الطبيعي‪ ،‬التوزيع الطبيعي القياسي‪ ،‬تابع الخطأ‪ ،‬توزيع غاما‪ ،‬التوزيع األسي‪ ،‬توزيع‬
‫مربع كاي‪ ،‬التوزيع الطبيعي اللوغاريتمي‪ ،‬توزيع ويبل‪ ،‬توزيع رايلي‪ ،‬معدل الفشل‪ ،‬توزيع رايس ‪.‬‬

‫ملخص‪:‬‬
‫يهدف هذا الفصل إلى التعرف على بعض المبادئ والتعاريف األساسية المتعلقة بالتوزيعات المستمرة والتي‬
‫من ضمنها (التوزيع المنتظم‪ ،‬التوزيع الطبيعي‪ ،‬توزيع غاما‪ ،‬التوزيع األسي‪ ،‬توزيع مربع كاي‪ ،‬التوزيع‬
‫الطبيعي اللوغاريتمي‪ ،‬توزيع ويبل‪ ،‬ت وزيع رايلي‪ ،‬وتوزيع رايس) باإلضافة إلى مجاالت استخدام كل منها‪.‬‬
‫كما يهدف إلى معرفة كيفية استخراج المتوسط والتشتت لكل من التوزيعات آنفة الذكر‪.‬‬

‫تعليمية ‪:‬‬ ‫األدهاا‬

‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫‪ ‬التوزيع المنتظم‬
‫‪ ‬التوزيع الطبيعي‬
‫‪ ‬توزيع غاما والتوزيع األسي‬
‫‪ ‬توزيع مربع كاي‬
‫‪ ‬التوزيع الطبيعي اللوغاريتمي‬
‫‪ ‬التوزيع ويبل‬
‫‪ ‬توزيع رايس‬

‫‪ISSN: 2617-989X‬‬ ‫‪157‬‬

 ‫‪ .1‬التوزيع المنتظم ‪:uniform distribution‬‬
‫يعتبر التوزيع المنتظم من أبسط التوزيعات المستمرة في االحصاء‪ ،‬حيث االحتمال فيه منتظم (متساوٍ) على‬
‫مجال مغلق‪ ،‬لنسميه ]‪، [a, b‬‬
‫‪ :1‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع منتظم على المجال ]‪ ، [a, b‬إذا كان له تابع‬ ‫تعري‬
‫ال من )‪ f X ( x‬لسهولة الكتابة)‪:‬‬
‫االحتمال (سنرمز لتابع االحتمال )‪ f ( x‬بد ً‬
‫‪ 1‬‬
‫‪‬‬ ‫‪, a xb‬‬
‫‪f ( x; a, b)   b  a‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬

‫)‪1/(b-a‬‬

‫‪a‬‬ ‫‪b‬‬

‫يأخذ تابع الكثافة االحتمالي شكل مستطيل قاعدته ‪ b  a‬وارتفاع ثابت يساوي )‪ .1/ (b  a‬بالتالي فإنه من‬
‫الواضح رؤية أن مساحة هذا المستطيل تساوي الواحد‪.‬‬

‫مثال ‪ :1‬بفرض أن طول فترة حجز صالة مؤتمرات مقدراً بالساعات يخضع لتوزيع منتظم على المجال‬
‫]‪[0, 4‬‬
‫‪ )a‬أوجد تابع الكثافة االحتمالي‪.‬‬
‫‪ )b‬ما هو احتمال أن يدوم مؤتمر ما مؤتمر ما ‪ 3‬ساعات على األقل؟‬
‫الحل‪:‬‬
‫‪ )a‬تابع الكثافة االحتمالي هو التالي‪:‬‬
‫‪1‬‬
‫‪ , 0 x4‬‬
‫‪f ( x)   4‬‬
‫‪ 0 otherwise‬‬
‫‪P( X  3) )b‬‬
‫‪4‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪P( X  3)   dx ‬‬
‫‪3‬‬
‫‪4‬‬ ‫‪4‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪158‬‬

 ‫‪ .1.1‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬
‫مبردهنة ‪ :1‬إذا كان ‪ X‬متحول عشوائي يتبع توزيع منتظم على المجال ]‪ ، [a, b‬فإن‪:‬‬
‫‪(b  a)2‬‬ ‫‪ab‬‬
‫‪  Var ( X ) ‬‬
‫‪2‬‬
‫‪   E( X ) ‬و‬
‫‪12‬‬ ‫‪2‬‬

‫‪ .1.2‬تابع التوزيع التراكمي ‪cumulative distribution function‬‬

‫تابع التوزيع التراكمي لمتحول عشوائي يتبع توزيع منتظم على المجال ]‪ ، [a, b‬هو التابع التالي‪:‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪xa‬‬
‫‪ 1‬‬
‫‪‬‬
‫‪F ( x)  P( X  x)  ‬‬ ‫]‪( x  a ) x  [ a, b‬‬
‫‪b  a‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪xb‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪159‬‬

 ‫‪ .2‬التوزيع الطبيعي ‪:normal distribution‬‬
‫يعتبر التوزيع الطبيعي من أهم التوزيعات المستمرة وذلك ألن كثير من الظواهر الطبيعية تخضع لهذا‬
‫التوزيع‪ .‬كما أن كثير من الظواهر الطبيعية التي ال تخضع لهذا التوزيع يمكن أن يقرب توزيعها بالتوزيع‬
‫الطبيعي‪.‬‬

‫‪ :2‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع طبيعي بمتوسط ‪ ‬وتشتت ‪  2‬ونكتب‬ ‫تعري‬
‫باختصار ) ‪ X  N ( x;  , ‬إذا كان له تابع االحتمال (تابع الكثافة االحتمالية) التالي‪:‬‬
‫‪1‬‬
‫‪ 1‬‬ ‫‪ 2 ( x   )2‬‬
‫‪f ( x;  ,  )  ‬‬ ‫‪e 2‬‬ ‫‪,  x‬‬
‫‪‬‬ ‫‪2‬‬‫‪‬‬ ‫‪‬‬

‫مالحظات ‪:1‬‬
‫‪ ‬منحني تابع الكثافة االحتمالي للتوزيع الطبيعي ) ‪ N ( x;  , ‬متناظر حول المتوسط ‪. ‬‬
‫‪ ‬المساحة الكلية تحت منحنى تابع الكثافة االحتمالية للتوزيع الطبيعي ) ‪ f ( x;  , ‬تساوي الواحد‪.‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫) ‪ 2 ( x‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪‬‬ ‫‪f ( x;  ,  ) dx ‬‬ ‫‪‬‬ ‫‪2 ‬‬
‫‪e 2‬‬ ‫‪dx  1‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬في التوزيع الطبيعي لدينا المتوسط ‪ ‬الوسيط ‪ ‬المنوال ‪.  ‬‬
‫‪ ‬يعتمد تابع الكثافة االحتمالي للتوزيع الطبيعي ) ‪ N ( x;  , ‬على وسيطين هما المتوسط ‪( ‬تحدد‬
‫موضع التوزيع) والتشتت ‪(  2‬تحدد شكل التوزيع)‪ ،‬لذلك نكتب ) ‪. N ( x;  , ‬‬
‫تبين األشكال التالية تأثير الوسطاء ‪ ‬و ‪ ‬على شكل تابع الكثافة االحتمالية للتوزيع الطبيعي بفرض أنه‬
‫لدينا توزيعين طبيعيين )‪ N ( x; 1, 1‬و ) ‪. N ( x; 2 ,  2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪160‬‬

 ‫‪1  2 and 1   2‬‬

‫‪1  2 and 1   2‬‬ ‫‪1  2 and 1   2‬‬

‫‪ .1.2‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :2‬ليكن ‪ X‬متحول عشوائي يتبع توزيع طبيعي بوسيطين ‪ ‬و ‪ ‬أي ) ‪ ، X  N ( x;  , ‬فإن‬
‫المتوسط هو ‪ ‬والتشتت هو ‪ ،  2‬بالتالي االنحراف المعياري هو ‪ . ‬نسمي أحياناً هذا التوزيع بالغوصي‪.‬‬

‫‪.2.2‬المساحة تحت المنحني الطبيعي ‪:areas under the normal curve‬‬

‫يتم بناء أي تابع كثافة احتمالي مستمر بحيث أن المساحة تحت منحني هذا التابع المحددة بين المستقيمين‬
‫‪ x  x1‬و ‪ x  x2‬تساوي إلى احتمال أن تكون قيمة المتحول العشوائي ‪ X‬محصورة بين القيمتين ‪ x1‬و‬
‫‪. x2‬‬
‫‪x2‬‬ ‫‪x2‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪( x   )2‬‬
‫‪P( x1  X  x2 )   n( x;  ,  ) dx ‬‬ ‫‪e‬‬ ‫‪2 2‬‬ ‫‪dx‬‬
‫‪x‬‬
‫‪2 ‬‬ ‫‪x1‬‬
‫‪1‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪161‬‬

‫وهو تكامل يصعب حسابه بالطرق العادية ويلزم حسابه في كل مرة نريد حساب احتمال معين (النهاية من‬
‫توابع الكثافة االحتمالية) ولذلك وتجنباً لتكرار المجهود يتم عمل تحويل المنحنى المتناظر حول ‪ X  ‬إلى‬
‫منحنى متناظر حول ‪. Z  0‬‬
‫تتم عملية التحويل هذه باستخدام العالقة التالية‪:‬‬
‫‪X ‬‬
‫‪Z‬‬
‫‪‬‬
‫بالتالي إذا كانت قيمة المتحول العشوائي ‪ X‬محصورة بين القيمتين ‪ x1‬و ‪ ، x2‬فإن قيمة المتحول العشوائي‬
‫الناتج ‪ Z‬ستكون محصورة بين القيمتين الموافقتين ‪ z1  ( x1 –  ) / ‬و ‪ ، z2  ( x2 –  ) / ‬بالتالي‬
‫يمكننا كتابة ما يلي‪:‬‬
‫‪x2‬‬ ‫‪1‬‬ ‫‪z2‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪( x   )2‬‬ ‫‪1‬‬ ‫‪ z2‬‬
‫‪P( x1  X  x2 ) ‬‬ ‫‪e‬‬ ‫‪2‬‬ ‫‪dx ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪e 2 dz‬‬
‫‪2 ‬‬ ‫‪x1‬‬
‫‪2‬‬ ‫‪z1‬‬
‫‪z2‬‬
‫‪‬‬ ‫) ‪ N ( z; 0,1) dz  P( z1  Z  z2‬‬
‫‪z1‬‬

‫حيث ‪ Z‬متحول عشوائي مستمر يتبع توزيع طبيعي بمتوسط ‪   0‬وتشتت ‪  2  1‬ونكتب باختصار‬
‫)‪. Z  N ( z; 0,1‬‬
‫مبردهنة ‪ :3‬نسمي التوزيع الطبيعي العشوائي الذي متوسطه ‪   0‬وتشتته ‪  2  1‬بالتوزيع الطبيعي‬
‫القياسي ‪.standard normal distribution‬‬

‫يبين الشكل السابق تابعي التوزيع األصلي والقياسي حيث مساحة التابع األصلي المحصورة بين القيمتين ‪ x1‬و‬
‫‪ ، x2‬تساوي مساحة التابع القياسي المحصورة بين القيمتين ‪ z1‬و ‪. z2‬‬
‫هناك جدول خاص يسمى جدول التوزيع الطبيعي القياسي إليجاد احتماالت المتغير العشوائي الطبيعي‬
‫المعياري )‪ Z  N ( z; 0,1‬من النوع ) ‪ ، P( Z  z‬من أجل ‪ . z  R‬وهذا الجدول مبين في نهاية الفصل‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪162‬‬

 ‫مثال ‪ :2‬ليكن لدينا التوزيع االحتمالي الطبيعي القياسي‪ ،‬أوجد المساحة‪:‬‬
‫‪ )a‬إلى اليمين من ‪z  1.84‬‬
‫‪ )b‬بين القيمتين ‪ z  1.97‬و ‪z  0.86‬‬

‫الحل‪:‬‬
‫‪z‬‬ ‫‪.00‬‬ ‫‪.01‬‬ ‫‪.02‬‬ ‫‪.03‬‬ ‫‪.04‬‬ ‫‪.05‬‬ ‫‪.06‬‬ ‫‪.07‬‬ ‫‪.08‬‬ ‫‪.09‬‬
‫‪1.7 0.9554 0.9564‬‬ ‫‪0.9573‬‬ ‫‪0.9582 0.9591‬‬ ‫‪0.9599‬‬ ‫‪0.9608‬‬ ‫‪0.9616‬‬ ‫‪0.9625 0.9633‬‬
‫‪1.8 0.9641 0.9649‬‬ ‫‪0.9656‬‬ ‫‪0.9664 0.9671‬‬ ‫‪0.9678‬‬ ‫‪0.9686‬‬ ‫‪0.9693‬‬ ‫‪0.9699 0.9706‬‬
‫‪1.9 0.9713 0.9719‬‬ ‫‪0.9726‬‬ ‫‪0.9732 0.9738‬‬ ‫‪0.9744‬‬ ‫‪0.9756‬‬ ‫‪0.9761‬‬ ‫‪0.9761 0.9767‬‬

‫‪ )a‬يعطينا الجدول المساحة التي هي عن يسار عدد ما ( ) ‪ ،) P( Z  z‬بالتالي فالمساحة المطلوبة هي‪:‬‬
‫‪P(Z  1.84)  1 – P(Z  1.84)  1 – 0.9671  0.0329‬‬
‫نحصل على القيمة ‪ P(Z  1.84)  0.9671‬من جدول التوزيع الطبيعي القياسي بقراءة تقاطع‬
‫السطر الذي يوافق القيمة ‪ ) Z  1.8 ( 1.8‬مع العمود ‪ ،.04‬وبالتالي نكون قد حصلنا على المساحة‬
‫التي هي عن يسار القيمة ‪. Z  1.84‬‬
‫‪ )b‬يعطينا لجدول المساحة التي هي عن يسار عدد ما ( ) ‪ ،) P( Z  z‬بالتالي فالمساحة المطلوبة هي‪:‬‬
‫)‪P(1.97  Z  0.86)  P(Z  0.86) – P( Z  1.97‬‬
‫‪ 0.8051  0.0244  0.7807‬‬

‫مثال ‪ :3‬ليكن لدينا التوزيع االحتمالي الطبيعي القياسي‪ ،‬أوجد قيمة ‪: k‬‬
‫‪P(Z  k )  0.3015 )a‬‬
‫‪P(k  Z  0.18)  0.4197 )b‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪163‬‬

 ‫الحل‪:‬‬
‫‪ )a‬قيمة ‪ k‬التي تعطينا المساحة ‪ 0.3015‬عن يمينها هي نفس القيمة ‪ k‬التي تعطينا المساحة ‪0.6985‬‬
‫(‪ )=1 – 0.3015‬عن يمينها‪ .‬من الجدول نحصل على ‪. k  0.52‬‬
‫‪ )b‬من الجدول نحصل على ‪ ، P(Z  0.18)  0.4286‬ولدينا‪:‬‬
‫‪P(k  Z  0.18)  P(Z  0.18) – P(Z  k )  0.4197‬‬
‫بالتالي فإن‪ ، (Z  k )  0.4286 – 0.4197 0.0089 :‬ومن الجدول نحصل على ‪k  2.37‬‬
‫مثال ‪ :4‬ليكن لدينا المتحول العشوائي ‪ X‬الذي يتبع التوزيع االحتمالي الطبيعي بمتوسط ‪   50‬وانحراف‬
‫معياري ‪ ،   10‬أوجد احتمال أن يكون المتحول ‪ X‬بين القيمتين ‪ 45‬و ‪.62‬‬

‫الحل‪:‬‬
‫ال التحويل إلى التوزيع الطبيعي القياسي‪:‬‬
‫علينا أو ً‬
‫‪x2  ‬‬ ‫‪62  50‬‬ ‫‪x   45  50‬‬
‫‪z2 ‬‬ ‫‪‬‬ ‫‪ z1  1‬و ‪ 1.2‬‬ ‫‪‬‬ ‫‪ 0.5‬‬
‫‪‬‬ ‫‪10‬‬ ‫‪‬‬ ‫‪10‬‬

‫بالتالي‪:‬‬
‫)‪P(45  X  62)  P(0.5  Z  1.2‬‬
‫‪ P(Z  1.2) – P(Z  0.5)  0.8849 – 0.3085  0.5764‬‬

‫مثال ‪ :5‬ليكن لدينا المتحول العشوائي ‪ X‬الذي يتبع التوزيع االحتمالي الطبيعي بمتوسط ‪  300‬‬
‫وانحراف معياري ‪ ،   50‬أوجد احتمال أن يكون المتحول ‪ X‬أكبر من ‪.362‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪164‬‬

 ‫الحل‪:‬‬
‫‪x‬‬ ‫‪362  300‬‬
‫‪z‬‬ ‫‪‬‬ ‫‪ 1.24‬‬
‫‪‬‬ ‫‪50‬‬
‫‪P( X  362)  P(Z  1.24)  1 – P(Z  1.24)  1 – 0.8925  0.1075‬‬

‫‪x‬‬
‫‪ z ‬إلى المتحول العشوائي األصلي‬ ‫مالحظة ‪ :1‬يتم الرجوع من المتحول العشوائي القياسي‬
‫‪‬‬
‫باستخدام العالقة التالية‪. x   z   :‬‬
‫مثال ‪ :6‬ليكن لدينا المتحول العشوائي ‪ X‬الذي يتبع التوزيع االحتمالي الطبيعي بمتوسط ‪   40‬وانحراف‬
‫معياري ‪ ،   6‬أوجد قيمة ‪ x‬التي لها‪:‬‬
‫‪ 45% )a‬من المساحة عن يسارها‬
‫‪ 14% )b‬من المساحة عن يمينها‬

‫الحل‪:‬‬
‫التي تعطي مساحة عن يسارها مقدارها ‪ ،0.45‬من الجداول نحصل على‬ ‫‪z‬‬ ‫‪ )a‬نبحث أوالً عن قيمة‬
‫‪ . P( Z  0.13)  0.45‬بالتالي ‪ ، z  0.13‬ومن ثم بالرجوع إلى القية األصلية ل ‪ x‬نحصل‬
‫على‪:‬‬
‫‪x   z    6(  0.13)  40  39.22‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪165‬‬

‫التي تعطي مساحة عن يمينها ‪ ،0.14‬أي عن يسارها ‪.1 – 0.14 = 0.86‬‬ ‫‪z‬‬ ‫ال عن قيمة‬
‫‪ )b‬نبحث أو ً‬
‫من الجداول نحصل على ‪ . P(Z  1.08)  0.86‬بالتالي ‪ ، z  1.08‬ومن ثم بالرجوع إلى القية‬
‫نحصل على‪:‬‬ ‫األصلية لـ ‪x‬‬
‫‪x   z    6(1.08)  40  46.48‬‬

‫مثال ‪ :7‬متوسط درجات امتحان تخضع لتوزيع طبيعي هي ‪   74‬وانحراف معياري هو ‪ .   7‬إذا‬
‫كان ‪ 12%‬من الصف أُعطوا التقييم " ‪ ." A‬ما هو أدنى درجة لـ ‪ A‬؟‬

‫الحل‪:‬‬
‫‪P( Z  z )  0.12‬‬
‫‪P( Z  z )  1  0.12  0.88‬‬
‫باستخدام الجداول نحصل على ‪ . z  1.18‬بالتالي ‪ . x   z    7(1.18)  74  82.26‬أي أن‬
‫أدنى درجة للتقييم ‪ A‬هي ‪.82‬‬

‫‪ .3.2‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫تابع التوزيع التراكمي للتوزيع الطبيعي القياسي‪ ،‬والذي نرمز له بالرمز )‪ ، ( x‬هو تابع التكامل التالي‪:‬‬
‫‪x‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪ t2‬‬
‫‪ ( x)  P( Z  z ) ‬‬
‫‪2‬‬ ‫‪‬‬ ‫‪e 2 dt‬‬
‫‪‬‬
‫حيث ال يمكن كتابته باستخدام التوابع المعروفة (أسية‪ ،‬كثيرات حدود‪ ،‬مثلثية‪ ،)... ،‬وهو تابع متزايد على كافة‬
‫األعداد الحقيقية ويأخذ القيمة صفر عند ∞‪ -‬ويأخذ القيمة واحد عند ∞‪ ،‬وأخيرًا يأخذ القيمة ‪ 0.5‬عند الصفر‬
‫( ‪.) (0)  0.5‬‬
‫في اإلحصاء‪ ،‬يرتبط هذا التابع )‪ ( x‬بما يسمى تابع الخطأ )‪ erf ( x‬المعرف على أنه احتمال أن يقع‬
‫متحول عشوائي‪ ،‬يخضع للتوزيع الطبيعي بمتوسط ‪ 0‬وتشتت ‪ ،1/2‬ضمن المجال ]‪ [ x, x‬أي‪:‬‬
‫‪x‬‬
‫‪1‬‬
‫‪‬‬ ‫‪et dt‬‬
‫‪2‬‬
‫‪erf ( x) ‬‬
‫‪‬‬ ‫‪x‬‬

‫والعالقة التي تربط التابعين )‪ ( x‬و )‪ erf ( x‬هي التالية‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪166‬‬

 ‫‪1‬‬ ‫‪x ‬‬
‫‪( x)  1  erf ( ) ‬‬
‫‪2‬‬ ‫‪2 ‬‬

‫أما تابع التوزيع التراكمي للتوزيع الطبيعي (بمتوسط ‪ ‬وانحراف معياري ‪ ، F ( x) ) ‬فهو التابع التالي‪:‬‬
‫‪x‬‬ ‫‪1‬‬ ‫‪x ‬‬
‫(‪F ( x)  ‬‬ ‫( ‪)  1  erf‬‬ ‫)‬
‫‪‬‬ ‫‪2‬‬ ‫‪ 2 ‬‬

‫‪ .4.2‬التوزيع الطبيعي كتقريب لثنائي الحا ‪:normal approximation to the binomial‬‬

‫يعتبر التوزيع الطبيعي تقريباً جيداً للتوزيع ثنائي الحد عندما يكون عدد عناصر العينة ‪ n‬كبيراً‪.‬‬

‫مبردهنة ‪ :4‬ليكن المتحول المتقطع ثنائي الحد العشوائي ‪ X‬بمتوسط ‪   np‬وبتشتت ‪،  2  npq‬‬
‫‪X  np‬‬
‫‪ Z ‬يتبع التوزع الطبيعي القياسي )‪ N ( z; 0,1‬عندما‬ ‫عندها يكون توزيع المتحول المستمر‬
‫‪npq‬‬
‫تسعى ‪ n‬إلى الالنهاية‪.‬‬
‫يمكن اعتبار التوزيع الطبيعي كتقريب جيد ليس فقط من أجل قيمة ‪ n‬كبيرة فقط و ‪ p‬ليست قريبة من الصفر‬
‫أو الواحد‪ ،‬لكنها تمثل تقريبًا جيدًا أيضًا عندما تكون قيمة ‪ n‬صغيرة و ‪ p‬قريبة من ‪.1/2‬‬

‫مثال ‪ :8‬ليكن التوزيع ثنائي الحد )‪ ، b( x;15, 0.4‬حيث‪:‬‬

‫‪  np  15(0.4)  6,  2  npq  15(0.4)(0.6)  3.6,   1.897‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪167‬‬

 ‫لنحسب على سبيل المثال‪:‬‬
‫‪P( X  4)  b(4;15,0.4)  C (15,4)(0.4)4 (0.6)11  0.1268‬‬
‫القيمة الصحيحة باستخدام ثنائي الحد هي مساحة المستطيل الذي مركز قاعدته هو ‪( 4‬المجال ]‪.)[3.5, 4.5‬‬
‫والتي تساوي تقريباً المساحة المظللة تحت المنحني الطبيعي بين ‪ x1  3.5‬و ‪ . x1  4.5‬من أجل حساب‬
‫هذه المساحة نحول إلى قيم ‪: z‬‬
‫‪4.5  6‬‬ ‫‪3.5  6‬‬
‫‪z2 ‬‬ ‫‪ z1 ‬و ‪ 0.79‬‬ ‫‪ 1.32‬‬
‫‪1.897‬‬ ‫‪1.897‬‬
‫‪P(1.32  Z  0.79)  P(Z  0.79) – P(Z  1.32)  0.1214‬‬

‫وهذه القيمة ليست بعيدة عن القيمة الحقيقية ‪ 0.1268‬المسحوبة من ثنائي الحد‪.‬‬

‫أما إذا أردنا حساب )‪ : P(7  X  9‬القيمة الصحيحة باستخدام ثنائي الحد تساوي إلى‪:‬‬
‫‪9‬‬
‫‪P(7  X  9)   C (15)(0.4) x (0.6)15 x  0.3564‬‬
‫‪x 7‬‬
‫وباستخدام التقريب الطبيعي‪:‬‬
‫‪9.5  6‬‬ ‫‪6.5  6‬‬
‫‪z2 ‬‬ ‫‪ z1 ‬و ‪ 1.85‬‬ ‫‪ 0.26‬‬
‫‪1.897‬‬ ‫‪1.897‬‬
‫‪P(0.26  Z  1.85)  P(Z  1.85) – P( Z  0.26)  0.3652‬‬
‫مرة أخرى نحصل على قيمة قريبة من القيمة الصحيحة (‪.)0.3564‬‬
‫مما سبق نستطيع القول أنه إذا كان لدينا متحول عشوائي ‪ X‬يخضع لتوزيع ثنائي الحد وسيطاه ‪ n‬و ‪. p‬‬
‫وبتشتت‬ ‫من أجل القيم الكبيرة لـ ‪ X ، n‬يقرب بشكل جيد بتوزيع طبيعي بمتوسط ‪  np‬‬
‫‪ ،  2  npq‬ويكون‪:‬‬
‫‪x‬‬
‫‪x  0.5  np‬‬
‫‪P( X  x)   b(k ; n, p)  P( Z ‬‬ ‫)‬
‫‪k 0‬‬ ‫‪npq‬‬
‫وبمكن اعتبار أن هذا التقريب جيدًا إذا كان كل من ‪ np‬و ‪ nq‬أكبر أو يساوي القيمة ‪.5‬‬

‫مثال ‪ :9‬احتمال أن يتعافى مريض من مرض نادر في الدم هو ‪ .0.4‬إذا كان ‪ 100‬شخص مصابون بهذا‬
‫المرض‪ ،‬ما هو احتمال أن يبقى أقل من ‪ 30‬شخص على قيد الحياة؟‬

‫‪ISSN: 2617-989X‬‬ ‫‪168‬‬

 ‫الحل‪:‬‬
‫‪  np  100(0.4)  40‬‬
‫‪  npq  100(0.4)(0.6)  4.889‬‬
‫للحصول على االحتمال المطلوب علينا حساب المساحة إلى اليسار من القيمة ‪ ، x  29.5‬والموافقة للقيمة‬
‫القياسية‪:‬‬
‫‪29.5  40‬‬
‫‪.z ‬‬ ‫‪ 2.814‬‬
‫‪4.899‬‬

‫وبالتالي فإن احتمال أن يبقى أقل من ‪ 30‬شخص من أصل ‪ 100‬على قيد الحياة يعطى بالمساحة المظللة في‬
‫الشكل السابق‪:‬‬
‫‪P( X  30)  P(Z  2.14)  0.0162‬‬

‫‪ .5.2‬تركيب خطي من المتحوالت العشوائية المستقلة ‪:linear combinations of i.r.v.‬‬

‫ليكن لدينا المتحوالن العشوائيان المستقالن ‪ X , Y‬والعددان الحقيقيان ‪ ، a, b‬بالتالي‪:‬‬
‫) ‪E (aX  bY )  E (aX )  E (bY‬‬
‫) ‪Var (aX  bY )  a 2 E ( X )  b2Var (Y‬‬

‫مبردهنة ‪ :5‬ليكن لدينا المتحوالن العشوائيان الطبيعيان المستقالن ‪ X , Y‬بحيث أن )‪ X  N ( x; 1, 1‬و‬
‫) ‪ ، Y  N ( x; 2 ,  2‬بالتالي فإن‪:‬‬

‫) ‪X  Y  N ( x; 1  2 , 12   22‬‬
‫‪X  Y  N ( x; 1  2 , 12   22‬‬

‫مثال ‪ :11‬يذهب ابراهيم في كل يوم من أيام األسبوع إلى المكتبة لقراءة المجالت سيراً على األقدام‪ .‬الزمن‬
‫الذي يستغرقه ذهاباً وإياباً هو متحول طبيعي متوسطه ‪ 15‬دقيقه وانحرافه المعياري ‪ 2‬دقيقة‪ .‬والزمن الذي‬
‫دقيقة‪ .‬أوجد احتمال في‬ ‫يقضيه في المكتبة هو متحول طبيعي متوسطه ‪ 25‬دقيقه وانحرافه المعياري ‪12‬‬
‫أحد األيام‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪169‬‬

 ‫ابراهيم غائب عن البيت أكثر من ‪ 45‬دقيقة‪.‬‬
‫إبراهيم يقضي زمناً في المشي أكثر منه في المكتبة‪.‬‬
‫الحل‪:‬‬
‫ليكن ‪ W‬المتحول الذي يعبر عن الزمن بالدقائق الذي يقضيه ابراهيم في المشي أي )‪W  N ( x;15, 2‬‬
‫و ‪ L‬المتحول الذي يعبر عن الزمن بالدقائق الذي يقضيه ابراهيم في المكتبة أي )‪. L  N ( x; 25, 12‬‬
‫)‪a) T  W  L  N ( x; 40, 4‬‬
‫‪ T  40 45  40 ‬‬
‫‪P(T  45)  P ‬‬ ‫‪‬‬ ‫‪  P( Z  1.25)  0.1056‬‬
‫‪ 4‬‬ ‫‪4 ‬‬
‫)‪b) P(W  L)  P(W – L  0‬‬
‫)‪U  W  L  N ( x;  10, 4‬‬
‫‪ U  (10) 0  (10) ‬‬
‫‪P(U  0)  P ‬‬ ‫‪‬‬ ‫‪  P( Z  2.5)  0.0062‬‬
‫‪‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪‬‬

‫وبشكل عام‪ ،‬كما وجدنا في الفصل الثالث‪ ،‬ليكن لدينا المتحوالت العشوائية المستقلة ‪X1, X 2 , , X n‬‬
‫واألعداد الحقيقية ‪ ، a1, a2 , , an‬بالتالي‪:‬‬
‫) ‪E (a1X1  a2 X 2  an X n )  E (a1X1)  E (a2 X 2 ) E (an X n‬‬
‫) ‪Var (a1X1  a2 X 2  an X n )  Var (a1X1)  Var (a2 X 2 ) Var (an X n‬‬

‫مبردهنة ‪ :6‬ليكن لدينا المتحوالت العشوائية الطبيعية المستقلة ‪ X1, X 2 , , X n‬بحيث أن‪:‬‬
‫)‪ X1  N ( x; 1, 1‬و ) ‪ X 2  N ( x; 2 ,  2‬و‪ ...‬و ) ‪ ، X n  N ( x; n ,  n‬بالتالي فإن‪:‬‬

‫) ‪X1  X 2  X n  N ( x; 1  2  n , 12   22  ...   n2‬‬

‫نتيجة ‪ :1‬ليكن لدينا المتحوالت العشوائية الطبيعية المستقلة ‪ X1, X 2 , , X n‬والتي تخضع جميعها لنفس‬
‫التوزيع الطبيعي‪ ،‬أي أن‪ X i  N ( x;  ,  ) :‬من أجل ‪ ، i  1, 2, ..., n‬بالتالي فإن‪:‬‬
‫) ‪X1  X 2  X n  N ( x; n , n‬‬

‫مثال ‪ :11‬تخضع كتل مادة معينة إلى توزيع طبيعي متوسطه ‪ 20‬غرام وانحرافه المعياري ‪ 2‬غرام‪ .‬تم‬
‫اختيار عينة من ‪ 12‬كتلة بشكل عشوائي‪ ،‬ما هو احتمال أن يكون الوزن الكلي أقل من ‪ 230‬غرام؟‬

‫الحل‪:‬‬
‫ليكن ‪ X  X1  X 2  X12‬الوزن الكلي للعينة‪ ،‬بالتالي‪:‬‬
‫)‪X  X1  X 2  X12  N(x; 240, 4 3‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪170‬‬

 ‫‪ X  240 230  240 ‬‬
‫‪P( X  230)  P ‬‬ ‫‪‬‬ ‫‪  P( Z  1.443)  0.0745‬‬
‫‪ 4 3‬‬ ‫‪4 3 ‬‬
‫أخيرًا ليكن لدينا المتحول العشوائي ‪ X‬والعدد الحقيقي ‪ ، n‬فإن‪:‬‬
‫) ‪E (nX )  nE ( X‬‬
‫) ‪Var (nX )  n2Var ( X‬‬

‫مبردهنة ‪ :7‬ليكن لدينا المتحول العشوائي الطبيعي ‪ X‬بحيث أن ) ‪ X  N ( x;  , ‬والعدد الحقيقي ‪، n‬‬
‫فإن‪:‬‬
‫) ‪nX  N ( x; n , n‬‬

‫مالحظة ‪ :2‬يجب التمييز بين مجموع متحوالت وبين مضاعف متحول طبيعي كلها تخضع لنفس التوزيع‬
‫الطبيعي ) ‪: N ( x;  , ‬‬
‫) ‪X1  X 2  X n  N ( x; n , n‬‬
‫) ‪nX  N ( x; n , n‬‬
‫ويبين المثال التالي الفرق بينهما‪.‬‬

‫مثال ‪ :12‬مصنع مشروبات غازية يبيع زجاجات شراب بحجمين‪ .‬كمية السائل الغازي بال ‪ ml‬في كل منها‬
‫يخضع إلى توزيع طبيعي كما في الجدول التالي‪:‬‬

‫)‪Mean (ml‬‬ ‫)‪Variance (ml2‬‬

‫‪Small‬‬ ‫‪252‬‬ ‫‪4‬‬
‫‪Large‬‬ ‫‪1012‬‬ ‫‪25‬‬

‫‪ )a‬تم اختيار زجاجة صغيرة وأخرى كبيرة عشوائياً‪ .‬أوجد احتمال أن تكون سعة الكبيرة أقل من سعة‬
‫أربع زجاجات صغيرات‪.‬‬
‫‪ )b‬تم اختيار زجاجة كبيرة وأربع زجاجات صغيرات عشوائياً‪ .‬أوجد احتمال أن تكون سعة الكبيرة أقل‬
‫من السعة الكلية للزجاجات األربع الصغار‪.‬‬
‫الحل‪:‬‬
‫ليكن ‪ S‬المتحول العشوائي الذي يشير إلى سعة الزجاجة الصغيرة بالـ ‪ ،ml‬بالتالي‪. S  N ( x; 252, 2) :‬‬
‫و ‪ L‬المتحول العشوائي الذي يشير إلى سعة الزجاجة الكبيرة بالـ ‪ ،ml‬بالتالي‪. L  N ( x;1012, 5) :‬‬
‫)‪a) P( L  4S )  P( L  4S  0‬‬
‫‪E( L  4S )  E( L) – E(4S )  E( L) – 4E( S )  1012 – 4(252)  4‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪171‬‬

 Var ( L - 4S )  Var ( L)  Var (4S )  Var ( L)  42Var (S )
=25  16(4)  89
L  4S  N ( x; 4, 89)
 04
P( L  4S  0)  P  Z    P(Z  0.424)  0.3358
 89 
b) P( L  S1  S2  S3  S4 )  P( L  (S1  S2  S3  S4 )  0)
E ( L  (S1  S2  S3  S4 ))  E ( L)  E (S1  S2  S3  S4 )
 1012 – 4  252   4
Var ( L  (S1  S2  S3  S4 ))  Var ( L)  Var (S1  S2  S3  S4 )
=25  4(4)  41
L  (S1  S2  S3  S4 )  N ( x; 4, 41) 
 04
P( L  ( S1  S2  S3  S4 ))  P  Z  
 41 
 P(Z  0.625)  0.266

ISSN: 2617-989X 172

 ‫‪ .3‬توزيع غاما والتوزيع األسي ‪:gamma and exponential distribution‬‬
‫يمثل التوزيع األسي حالة خاصة من توزيع غاما‪ ،‬وكالهما يلعبان دوراً هاماً في كل من نظرية‬
‫االنتظار‪ queuing theory‬ومسائل الوثوقية ‪ .reliability‬يستخدم التوزيع األسي عادة في مسائل متعلقة‬
‫بقياس الزمن‪ ،‬مثال على ذلك مدة مكالمة هاتفية‪ ،‬مدة تفريغ باخرة شحن‪ ،‬مدة تصليح آلة‪ ،‬مدة انتظار زبون‬
‫قبل الحصول على الخدمة‪ ،‬مدة حياة الذرات المشعة ‪ radioactive‬قبل أن تتفكك‪ ... ،‬كما أن للتوزيع األسي‬
‫عالقة بتوزيع بواسو ن‪ ،‬فإذا كان وقوع أحداث ما يتبع هذا التوزيع (بواسون)‪ ،‬فإن المدة بين وقوع حدثين تتبع‬
‫التوزيع األسي‪ ،‬كمثال على ذلك‪ ،‬إذا كان وصول الزبائن إلى مركز خدمة ما يتبع توزيع بواسون فإن المدة‬
‫الزمنية بين وصول زبون والزبون التالي تتبع التوزيع األسي‪.‬‬

‫‪ :3‬نعرف تابع غاما كما يلي‪:‬‬ ‫تعري‬

‫‪‬‬
‫‪( )   x 1e x dx,   0‬‬
‫‪0‬‬
‫من بعض خصائص التابع غاما التالية‪:‬‬
‫‪ ( )  (  1)(  1) )a‬من أجل ‪.   1‬‬
‫‪ (n)  (n  1)! )b‬من أجل األعداد الصحيحة الموجبة‪.‬‬
‫‪. (1 / 2)   )c‬‬

‫‪ :4‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع غاما بوسيطين ‪   0‬و ‪ ،   0‬إذا كان‬ ‫تعري‬
‫له تابع االحتمال التالي‪:‬‬
‫‪ 1‬‬
‫‪ ‬‬ ‫‪x 1e x / ‬‬ ‫‪x0‬‬
‫) ‪f (x;  ,  )    (‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪otherwise‬‬
‫يمثل الوسيط ‪ ‬عامل مقياس ‪.scale factor‬‬
‫شكل المنحني ومن أجل ‪   1‬للمنحني قيمة عظمى عند النقطة ‪. (  1) / ‬‬ ‫‪‬‬ ‫يمثل الوسيط‬

‫‪ISSN: 2617-989X‬‬ ‫‪173‬‬

‫‪ :5‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع أسي بوسيط ‪ ،   0‬إذا كان له تابع‬ ‫تعري‬
‫االحتمال التالي (يوافق توزيع غاما من أجل ‪:)   1‬‬
‫‪ 1 x/ ‬‬
‫‪ e‬‬ ‫‪x0‬‬
‫‪f (x;  )   ‬‬
‫‪ 0‬‬
‫‪‬‬ ‫‪otherwise‬‬

‫‪.1.3‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :8‬متوسط وتشتت توزيع غاما هما‪:‬‬
‫‪   and  2   2‬‬

‫نتيجة ‪ :2‬متوسط وتشتت التوزيع األسي هما‪:‬‬

‫‪   and  2   2‬‬

‫‪ .2.3‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫تابع التوزيع التراكمي للتوزيع األسي هو التابع التالي‪:‬‬
‫‪F ( x )  P( X  x )  1  e  x / ‬‬

‫مثال ‪ :13‬لدينا نظام يحوي على عنصر نوع معين حيث زمن الفشل لهذا العنصر‪ ،‬مقدراً بالسنين‪ ،‬هو ‪. T‬‬
‫المتحول العشوائي ‪ T‬يخضع للتوزيع األسي مع زمن وسطي للفشل ‪ .   5‬تم تركيب ‪ 5‬من هذه العناصر‬
‫في منظومات مختلفة‪ ،‬ما هو احتمال أن يكون على األقل عنصرين منها ال تزال تعمل في نهاية السنة الثامنة؟‬
‫الحل‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪174‬‬

 ‫احتمال أن يكون عنصر ما يزال يعمل بعد ‪ 8‬سنوات هو‪:‬‬
‫‪‬‬
‫‪1‬‬
‫‪P(T  8)   et /5dt  e8/5  0.2‬‬
‫‪58‬‬
‫بفرض ‪ X‬المتحول العشوائي الذي يمثل عدد العناصر التي تعمل بعد ‪ 8‬سنوات‪ .‬باستخدام توزيع ثنائي الحد‬
‫نحصل على‪:‬‬
‫‪5‬‬
‫‪P( X  2)   b( x; 5, 0.2)  0.2627‬‬
‫‪x2‬‬

‫مثال ‪ :14‬اعتماداً على االختبارات الشاملة‪ ،‬تم تحديد أن الزمن ‪ ، Y‬مقدراً بالسنين‪ ،‬قبل أن يتطلب إصالح‬
‫كبير على آلة غسيل محددة‪ ،‬معطى بتابع التوزيع التالي‪:‬‬
‫‪ 1  x /4‬‬
‫‪ e‬‬ ‫‪y0‬‬
‫‪f ( y)   4‬‬
‫‪ 0‬‬ ‫‪otherwise‬‬
‫يتم اعتبار صفقة الغسالة عظيمة إذا لم يتطلب إصالح كبير على آلة غسيل قبل ‪ 6‬سنوات‪ .‬ما هو احتمال أن‬
‫تكون الصفقة عظيمة؟ وما هو احتمال أن يتطلب إجراء إصالح في السنة األولى؟‬
‫الحل‪:‬‬
‫يخضع المتحول ‪ Y‬إلى توزيع أسي بمتوسط ‪ .   4‬تابع التوزيع التراكمي هو‪:‬‬
‫‪F ( y)  P(Y  y)  1  e y /4‬‬
‫بالتالي‪:‬‬
‫‪P(Y  6)  1 – F (6)  e3/2  0.223‬‬
‫أي أن احتمال إجراء إصالح كبير على الغسالة بعد السنة السادسة هو ‪ .0.223‬بالتأكيد يمكننا استنتاج أن‬
‫احتمال إجراء إصالح كبير على الغسالة قبل السنة السادسة هو ‪ .0.777‬بالتالي يمكن القول إن الغسالة ليست‬
‫حقيقة صفقة عظيمة‪.‬‬
‫أما احتمال إجراء إصالح كبير على الغسالة في السنة األولى فهو‪:‬‬
‫‪P(Y  1)  F (1)  1  e1/4  0.221‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪175‬‬

 ‫‪ .4‬توزيع مربع كاي ‪:Chi-squared distribution‬‬
‫توزيع مربع كاي هو من أكثر التوزيعات استخداما في مجال اختبار الفرضيات وتقديرها‪ ،‬ويمكن الحصول‬
‫عليه من توزيع غاما بأخذ ‪    / 2‬و ‪.   2‬‬

‫‪ :6‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع مربع كاي بوسيط ‪   0‬درجة حرية‪ ،‬إذا‬ ‫تعري‬
‫كان له تابع االحتمال التالي‪:‬‬
‫‪‬‬ ‫‪1‬‬
‫‪  /2‬‬ ‫‪x /2 1e x /2‬‬ ‫‪x0‬‬
‫)‪f ( x;  )   2 ( / 2‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪otherwise‬‬

‫‪ .1.4‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :9‬متوسط وتشتت توزيع مربع كاي هما‪:‬‬
‫‪   and  2  2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪176‬‬

 ‫‪ .5‬التوزيع الطبيعي اللوغاريتمي ‪:lognormal distribution‬‬
‫للتوزيع الطبيعي اللوغاريتمي أهمية كبيرة في دراسة تابع البقاء وخاصة للمرضى المصابين بمرض السرطان‬
‫والذين يخضعون لجرعات من العالج الكيميائي‪ ،‬إضافة إلى ذلك له أهمية في موضوع الرقابة على جودة‬
‫اإلنتاج‪ .‬كما أنه يستخدم أيضاً في االتصاالت الخليوية حيث أن ظاهرة الخفوت ‪ fading‬نتيجة العوائق‪ ،‬حيث‬
‫أن القيم الوسطية لمقدار خفوت الحجب تتبع التوزيع الطبيعي اللوغاريتمي‪.‬‬

‫‪ :7‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع طبيعي لوغاريتمي إذا كان المتحول‬ ‫تعري‬
‫العشوائي ) ‪ Y  ln( X‬يتبع توزيع طبيعي بمتوسط ‪ ‬وانحراف معياري ‪ . ‬بالتالي تابع االحتمال هو‬
‫التالي‪:‬‬

‫‪ 1‬‬ ‫‪1‬‬

‫‪ 2 [ln( x )   ]2‬‬
‫‪‬‬ ‫‪e 2‬‬ ‫‪x0‬‬
‫‪f ( x;  ,  )   2  x‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪x0‬‬

‫‪ .1.5‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :11‬متوسط وتشتت التوزيع الطبيعي اللوغاريتمي هما‪:‬‬
‫‪  e ‬‬ ‫)‪and  2  e2   (e  1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪/2‬‬

‫‪ .2.5‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫تابع التوزيع التراكمي للتوزيع الطبيعي اللوغاريتمي هو التابع التالي‪:‬‬
‫‪1‬‬ ‫‪ln x   ‬‬ ‫‪ ln x   ‬‬
‫( ‪F ( x)  P( X  x)  1  erf‬‬ ‫‪)   ‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪ 2 ‬‬ ‫‪  ‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪177‬‬

‫مثال ‪ :15‬زمن حياة عنصر تحكم الكتروني‪ ،‬مقدرا بآالف األميال‪ ،‬يخضع تقريبياً لتوزيع طبيعي لوغاريتمي‬
‫حيث ‪   5.149‬و ‪ .   0.737‬أوجد الـ ‪ ) P( X  k )  0.05 )( 5%‬من زمن الحياة لعناصر التحكم‬
‫هذه‪.‬‬

‫الحل‪:‬‬
‫من الجداول نحصل على ‪ ، P(Z  1.645)  0.05‬ليكن ‪ X‬زمن الحياة لعناصر التحكم‪ ،‬وبما أن‬
‫) ‪ ln( X‬يخضع لتوزيع طبيعي بمتوسط ‪   5.149‬وانحراف معياري ‪ ،   0.737‬بالتالي‪:‬‬
‫‪ln( x)  5.149  0.737(1.645)  3.937‬‬
‫ومنه ‪ . x  51.265‬وهذا يعني أنه فقط ‪ 5%‬من عناصر التحكم االلكترونية لهم زمن حياة أقل من‬
‫‪ 51.265‬ميل‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪178‬‬

 ‫‪ .6‬التوزيع ويبل ‪:Weibull distribution‬‬
‫إن اختيار التوزيع األسي لفترة الحياة لحين الفشل يعتبر اختياراً كافياً‪ ،‬ولكن هناك بعض الحاالت التي يكون‬
‫فيها معدل الفشل متزايداً أو متناقصاً‪ ،‬عندها نستخدم توزيع ويبل‪ .‬يستخدم توزيع ويبل في الكثير من الحاالت‪،‬‬
‫مثال على ذلك تحليل الوثوقية وحاالت اإلخفاق‪ ،‬التنبؤ باألحوال الجوية‪ ،‬وفي وصف توزيع سرعة الرياح‪ ،‬في‬
‫هندسة نظم االتصاالت‪ :‬أنظمة الرادار (في تصميم نموذج لتشتت مستوى اإلشارات)‪ ،‬في االتصاالت الخليوية‬
‫لتمثيل مطال اإلشارة الناتجة عن الخفوت (توزيع رايلي)‪.‬‬

‫‪ :8‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع ويبل بوسيطين ‪  ,   0‬إذا كان تابع‬ ‫تعري‬
‫الكثافة االحتمالي هو التالي‪:‬‬
‫‪ x  1e x ‬‬ ‫‪x0‬‬
‫‪f ( x;  ,  )  ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪elsewhere‬‬

‫في توزيع ويبل فإن هذا التوزيع يتحول إلى توزيع أسي بوسيط‬ ‫‪ 1‬‬ ‫مالحظة ‪ :3‬عندما تكون‬
‫‪  1/ ‬‬
‫‪ e x‬‬
‫‪‬‬ ‫‪x0‬‬
‫‪f ( x;  )  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪elsewhere‬‬

‫‪ :9‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع رايلي ‪ Rayleigh‬بوسيط ‪ ،   0‬إذا كان‬ ‫تعري‬
‫له تابع االحتمال التالي (يوافق توزيع ويبل من أجل ‪ ،   2‬وبفرض ) ‪:)   1 / (2 2‬‬
‫) ‪ x  x2 /(2 2‬‬
‫‪ e‬‬ ‫‪x0‬‬
‫‪f ( x;  )   2‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪elsewhere‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪179‬‬

 ‫‪ .1.6‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬
‫مبردهنة ‪ :11‬متوسط وتشتت التوزيع ويبل هما‪:‬‬
‫) ‪   1/  (1  1 / ‬‬
‫}‪ 2   2/  {(1  2 /  )  [(1  1/  ]2‬‬

‫نتيجة ‪ :3‬متوسط وتشتت التوزيع رايلي هما‪:‬‬

‫‪‬‬ ‫‪4  2‬‬
‫‪ ‬‬ ‫‪and  2 ‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬

‫يتم الحصول على النتيجة السابقة بأخذ ‪ ،   2‬وبفرض ) ‪ ،   1 / (2 2‬وباستخدام خواص التابع غاما‬
‫الثالث التي وجدناها سابقاً‪.‬‬

‫‪ .2.6‬تابع التوزيع التراكمي ‪:cumulative distribution function‬‬

‫تابع التوزيع التراكمي للتوزيع ويبل هو التابع التالي‪:‬‬
‫‪‬‬
‫‪F ( x)  P( X  x)  1  e x ,‬‬ ‫‪x0‬‬

‫نتيجة ‪ :4‬تابع التوزيع التراكمي للتوزيع رايلي هو‪:‬‬

‫‪x‬‬
‫‪‬‬
‫‪F ( x)  P( X  x)  1  e‬‬ ‫‪2 2 ,‬‬ ‫‪x0‬‬

‫مثال ‪ :16‬زمن حياة عنصر في آلة‪ ،‬مقدرا بالساعات‪ ،‬يخضع لتوزيع ويبل حيث ‪   0.01‬و ‪.   2‬‬
‫أوجد احتمال أن يفشل قبل ‪ 8‬ساعات من االستخدام؟‬
‫الحل‪:‬‬
‫‪F (8)  P( X  8)  1  e0.01(8)  0.473‬‬
‫‪2‬‬

‫‪ .3.6‬معال الفشل ‪:failure rate‬‬

‫معدل الفشل هو عدد مرات الفشل وذلك ضمن فترة زمنية محددة‪ ،‬ومعدل الفشل هذا يستخدم في قياس وثوقية‬
‫‪ reliability‬جهاز أو عنصر ما (القرص الصلب على سبيل المثال)‪.‬‬

‫من أجل توزيع ويبل يعطى بالعالقة التالية‪:‬‬ ‫‪t‬‬ ‫مبردهنة ‪ :12‬معدل الفشل في اللحظة‬
‫‪Z (t )   t  1, t  0‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪180‬‬

‫معدل الفشل ) ‪ Z (t‬يعبر عن معدل التغير عبر الزمن لالحتمال الشرطي بأن العنصر يستمر (يدوم) زمن‬
‫إضافي ‪ t‬علمًا أنه يقي مستمرًا حتى اللحظة ‪ . t‬يمكن التمييز بين ‪ 3‬حاالت مختلفة‪:‬‬
‫‪ .1‬إذا كان ‪ ،   1‬فإن معدل الفشل يساوي ثابت ‪ . Z (t )  ‬وهذا يوافق الحالة الخاصة للتوزيع‬
‫األسي الذي يوصف بأنه بال ذاكرة‪.‬‬
‫‪ .2‬إذا كان ‪ ،   1‬فإن معدل الفشل ) ‪ Z (t‬يكون تابعاً متزايداً بالنسبة للزمن ‪ . t‬يحدث ذلك إذا كان‬
‫هناك عملية تقادم ‪ ،aging‬أي أن العناصر تصبح أكثر عرضة للفشل مع مرور الزمن‪.‬‬
‫‪ .3‬إذا كان ‪ ،   1‬فإن معدل الفشل ) ‪ Z (t‬يكون تابعاً متناقصاً بالنسبة للزمن ‪ . t‬أي أن العناصر‬
‫تصبح أقل عرضة للفشل مع مرور الزمن‪.‬‬
‫في المثال السابق لدينا ‪   1‬و ‪ ، Z (t )  0.02t‬بالتالي العنصر المذكور يتقادم‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪181‬‬

 ‫‪ .7‬توزيع رايس ‪:Rice distribution‬‬
‫يستخدم توزيع رايس في مجال معالجة اإلشارة‪ .‬بشكل عام اإلشارات المعدلة بالطور ‪phase modulated‬‬
‫والملوثة بضجيج غوصي يتبع توزيع رايس‪ ،‬وفي في االتصاالت الخليوية لتمثيل مطال اإلشارة الناتجة عن‬
‫الخفوت‪.‬‬

‫‪ :11‬نقول عن متحول عشوائي مستمر ‪ X‬أنه يتبع توزيع رايس بوسيطين ‪  0‬و ‪   0‬إذا‬ ‫تعري‬
‫كان تابع الكثافة االحتمال هو التالي‪:‬‬
‫‪‬‬ ‫‪x ‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪ x e 2 2 I ( x ) x  0‬‬
‫‪‬‬
‫‪f ( x;  ,  )   2‬‬ ‫‪0‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪x0‬‬
‫حيث ‪ I 0‬هي توابع بيسيل ‪ Bessel‬المعدّلة من النوع األول ومن المرتبة ‪ ،0‬التي تعطى بالعالقة التالية‬
‫(مجموع)‪:‬‬
‫‪‬‬
‫‪( x / 2)2k‬‬
‫‪I 0 ( x)  ‬‬ ‫‪2‬‬
‫)! ‪k  0 (k‬‬
‫أو على شكل تكامل‪:‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪x cos ‬‬
‫‪I 0 ( x) ‬‬
‫‪2‬‬ ‫‪e‬‬ ‫‪d‬‬
‫‪0‬‬

‫‪ .1.7‬التوقع الرياضي والتشتت ‪:expected value and variance‬‬

‫مبردهنة ‪ :13‬متوسط وتشتت توزيع رايس هما‪:‬‬
‫‪  e ‬‬ ‫)‪and  2  e2   (e  1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪/2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪182‬‬

‫مالحظة ‪ :4‬يمثل توزيع رايلي حالة خاصة من توزيع رايس من أجل قيمة الوسيط ‪ .  0‬بمعنى أنه إذا‬
‫كان لدينا المتحول العشوائي ) ‪ ، X  Rice( z; 0, ‬فإن ) ‪. X  Rayleigh( z; ‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪183‬‬

 ‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪184‬‬

 ‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪185‬‬

 ‫تمارين‬

‫ال عشوائيًا له توزيع أسي بوسيط ‪ .   1/ 2‬المطلوب‬

‫‪ .1‬ليكن ‪ X‬متحو ً‬
‫‪ )a‬إيجاد تابع الكثافة االحتمالي وكذلك تابع االحتمال التراكمي‪.‬‬
‫‪ )b‬أوجد احتمال )‪ P(1  X  3‬و )‪. P( X  2‬‬

‫‪ .2‬إذا ‪ X‬متحوالً عشوائيًا له توزيع طبيعي بمتوسط ‪ 50‬وتشتت ‪ .100‬أوجد )‪. P(42  X  55‬‬

‫‪ .3‬إذا ‪ X‬متحوالً عشوائيًا له توزيع طبيعي بمتوسط ‪ 40‬وتشتت ‪ .36‬أوجد قيمة‪:‬‬

‫‪ a )a‬التي يقع عن يسارها ‪ 35%‬من المساحة تحت منحني تابع الكثافة‪.‬‬
‫‪ b )b‬التي يقع عن يمينها ‪ 15%‬من المساحة تحت منحني تابع الكثافة‪.‬‬

‫‪ .4‬تقدم المتحان مقرر اإلحصاء واالحتماالت ‪ 800‬طالب وبعد إعالن النتائج تبين أن درجاتهم التي نالوها‬
‫تتوزع وفق توزيع الطبيعي متوسطه ‪ 65‬وانحرافه المعياري ‪ .10‬فإذا تم تقسيم الطالب إلى ثالث فئات‬
‫بحيث تحوي الفئة ‪ A‬الطالب الذين نالوا درجات تزيد على ‪ 75‬وتحوي الفئة ‪ B‬الطالب الذين نالوا‬
‫درجات ما بين ‪ 50‬و ‪ 75‬وتحوي الفئة ‪ C‬الطالب الذين نالوا درجات أقل من ‪ 50‬والمطلوب‪:‬‬
‫‪ )a‬تعيين عدد الطالب في كل فئة‪.‬‬
‫‪ )b‬أقل عالمة نالها طالب من العشرة األوائل‪.‬‬

‫‪ .5‬يتم إنتاج مسامير البرشام التي تستخدم لبرشمة صفيحة معدنية أقطار المسامير هذه تخضع لتوزيع طبيعي‬
‫متوسطه ‪ 4 cm‬وانحرافه المعياري ‪ ،0.25 cm‬وبطريقة مستقلة يجري إنتاج صفائح معدنية ذات ثقوب‬
‫دائرية تخضع لتوزيع طبيعي متوسطه ‪ 4.2 cm‬وانحرافه المعياري ‪ ،0.15 cm‬المطلوب‪:‬‬
‫‪ )a‬ما هو احتمال أن يناسب المسمار ثقب الصفيحة؟‬
‫‪ )b‬إذا اخترنا خمسة أزواج (مسمار وصفيحة) فما هو احتمال أن يكون زوجان منهما على األقل‬
‫متناسبين؟‬

‫‪ISSN: 2617-989X‬‬ ‫‪186‬‬

 ‫‪ .6‬في إحدى ألعاب الحظ توضع ست مغلفات متماثلة في الشكل ويوجد داخل كل منها بطاقة تدل على عدد‬
‫الدوالرات التي يربحها الالعب عند سحبه للمغلف ‪.‬فإذا كان كل من المغلفين األول والثاني يحوي بطاقة‬
‫تحمل الرقم ‪ 15‬ويحوي المغلف الثالث بطاقة تحمل الرقم ‪ 10‬ويحوي المغلف الرابع بطاقة تحمل الرقم‬
‫‪ 20‬ويحوي كل من المغلفين الخامس والسادس بطاقة تحمل الرقم صفر‪ .‬المطلوب‪:‬‬
‫‪ )a‬إذا قام شخص ب ‪ 36‬عملية سحب (مع اإلعادة) فما هو احتمال أن يجمع مبلغًا يزيد على ‪350‬‬
‫دوالراً؟‬
‫‪ )b‬ما هو أصغر مبلغ يمكن أن يحصل عليه باحتمال ‪95%‬؟‬

‫‪ .7‬إذا قذفنا قطعة نقود متزنة ‪ 10‬مرات‪ ،‬احسب احتمال أن نحصل على الكتابة ثالث مرات أو أربعًا أو‬
‫خمسً وذلك باستخدام التوزيع ذو الحدين من جهة والتقريب بالتوزيع الطبيعي من جهة ثانية‪ .‬قارن بين‬
‫النتيجتين‪ ،‬ماذا تستنتج؟‬
‫‪ .8‬تركيز التلوث الذي تحدثه المصانع الكيماوية معروف على أنه يخضع إلى توزيع طبيعي لوغاريتمي‪.‬‬
‫بفرض أن تركيز التلوث‪ ،‬مقدر بأجزاء من المليون ‪ ،parts per million‬يخضع لتوزيع طبيعي‬
‫لوغاريتمي حيث ‪   3.2‬و‪ .   1‬أوجد احتمال أن يتجاوز التركيز ‪ 8‬أجزاء بالمليون‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪187‬‬

 ‫الماة‪ :‬ساعة واحاة‬ ‫عالمة النجاح‪51 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )80‬ارجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬
‫مالحظة‪ :‬بعض األسئلة تحتاج إلى جداول التوزيع الطبيعي موجودة في نهاية صفحات االختبار‬

‫‪ X .1‬متحول عشوائي يتبع توزيع منتظم على المجال ]‪ ، [2, 5‬فإن‪:‬‬

‫‪ X  3.5;  X2  0.75 )a‬‬
‫‪ X  1.5;  X2  0.75 )b‬‬
‫‪ X  1.5;  X2  4.5 )c‬‬
‫‪ X  3.5;  X2  4.5 )d‬‬

‫‪ X .2‬متحول عشوائي يتبع توزيع منتظم على المجال ]‪ ، [2, 5‬فإن‪:‬‬

‫‪P(3  X  4)  2 / 3 )a‬‬
‫‪P(3  X  4)  1/ 3 )b‬‬
‫‪P(3  X  4)  1/ 2 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ ، Z  N ( z; 0,1) .3‬حيث ‪ P(Z  1)  0.8413‬بالتالي فإن )‪P(1  Z  1‬‬

‫‪0.1587 )a‬‬
‫‪0.6826 )b‬‬
‫‪0.3413 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ ، X  N ( x; 50, 5) .4‬بالتالي فإن )‪ P(45  X  54‬يساوي‪:‬‬

‫‪P(-1  Z  0.8) )a‬‬
‫‪P(1  Z  1.8) )b‬‬
‫‪P(1  Z  1.2) )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪188‬‬

 ‫‪ ، Z  N ( z; 0,1) .5‬باستخدام الجداول )‪ P(2  Z  2‬هو‪:‬‬
‫‪0.0288 )a‬‬
‫‪0.9712 )b‬‬
‫‪0.9544 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ ، Z  N ( z; 0,1) .6‬بحيث ‪ P(Z  k )  0.2119‬باستخدام الجداول قيمة ‪ k‬هي‪:‬‬

‫‪0.88 )a‬‬
‫‪0.8 )b‬‬
‫‪0.85 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ ، X  N ( x; 50, 5) .7‬حيث ‪ P( x1  X  x2 )  P( z  Z  z )  0.8664‬بالتالي فإن قيمة‬

‫‪( x2‬باستخدام الجداول) هي‪:‬‬
‫‪55 )a‬‬
‫‪57.5 )b‬‬
‫‪43.5 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ X , Y .8‬متحوالن عشوائيان مستقالن بحيث )‪ X  N ( x; 25, 4‬و )‪ ، Y  N ( x; 30, 3‬بالتالي فإن‬

‫‪X  Y  N ( x; 22.5, 7) )a‬‬
‫‪X  Y  N ( x; 55, 7) )b‬‬
‫‪X  Y  N ( x; 22.5, 5) )c‬‬
‫‪X  Y  N ( x; 55, 5) )d‬‬

‫‪ X , Y .9‬متحوالن عشوائيان مستقالن بحيث )‪ X  N ( x; 25, 4‬و )‪ ، Y  N ( x; 30, 3‬بالتالي فإن‪:‬‬

‫‪X  Y  N ( x;  5,1) )a‬‬
‫‪X  Y  N ( x;  5, 5) )b‬‬
‫‪X  Y  N ( x; 5, 5) )c‬‬
‫‪X  Y  N ( x; 5,1) )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪189‬‬

 ‫‪ ، X  N ( x; 25, 4) .11‬بالتالي فإن‬
‫‪2 X  N ( x; 50, 4) )a‬‬
‫‪2 X  N ( x; 25, 4) )b‬‬
‫‪2 X  N ( x; 50, 8) )c‬‬
‫‪2 X  N ( x; 25, 8) )d‬‬

‫من أجل‬ ‫‪X i  N( ‬‬

‫‪;x  ,‬‬ ‫متحوالت عشوائية مستقلة بحيث أن)‪:‬‬ ‫‪X1, X 2 , , X n .11‬‬
‫‪ ، i  1, 2, ..., n‬بالتالي فإن‪:‬‬
‫‪X1  X 2  X n  N ( x; n , n ) )a‬‬
‫‪X1  X 2  X n  N ( x; n , n ) )b‬‬
‫‪X1  X 2  X n  N ( x;  , n ) )c‬‬
‫‪X1  X 2  X n  N ( x;  , n ) )d‬‬

‫‪ .12‬في االتصاالت الخليوية لتمثيل مطال اإلشارة الناتجة عن الخفوت نستخدم متحول عشوائي يتبع‪:‬‬
‫‪ )a‬توزيع طبيعي‬
‫‪ )b‬توزيع رايلي‬
‫‪ )c‬توزيع مربع كاي‬
‫‪ )d‬توزيع طبيعي لوغاريتمي‬

‫‪ .13‬متحول عشوائي ‪ X‬يمثل مدة انتظار زبون في بنك قبل الحصول على الخدمة يتبع‪:‬‬
‫‪ )a‬توزيع طبيعي‬
‫‪ )b‬توزيع أسي‬
‫‪ )c‬توزيع مربع كاي‬
‫‪ )d‬توزيع طبيعي لوغاريتمي‬

‫‪ .14‬أيًا مما يلي ال يمكن استخدام التوزيع الطبيعي كتقريب لثنائي الحد؟‬
‫‪n  100, p  0.1 )a‬‬
‫‪n =100, p = 0.01 )b‬‬
‫‪n  100, p  0.3 )c‬‬
‫‪n  100, p  0.51 )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪190‬‬

 ‫‪ .15‬أيًا من المتحوالت العشوائية التالية يمكن أن يتبع توزيعاً طبيعياً؟‬
‫‪ )a‬عدد مرات رمي حجر النرد لحين ظهور العدد ‪.6‬‬
‫‪ )b‬عدد األشخاص الذين على دور االنتظار ليتم تخديمهم في بنك‪.‬‬
‫‪ )c‬أوزان طالب الجامعة االفتراضية مقدرًا بالكلغ‪.‬‬
‫‪ )d‬عدد الحوادث المرورية في مدينة ما خالل أسبوع‪.‬‬

‫‪ .16‬النسبة من المساحة الكلية تحت منحني التوزيع الطبيعي ضمن المجال ] ‪ [  2 ,   2‬هي‪:‬‬
‫‪34% )a‬‬
‫‪99.7% )b‬‬
‫‪68% )c‬‬
‫‪95% )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪191‬‬

 ‫) ارجة‬20( :‫السؤال الثاني‬
Y  N ( x; 3, 4) ‫ و‬X  N ( x;1, 2) ‫ ثالث متحوالت عشوائية مستقلة بحيث‬X , Y , T
:‫ المطلوب‬، T  N ( x; 4, 9) ‫و‬
. P(1  X  3) ‫) أوجد االحتمال‬a
. P( X  Y ) ‫) أوجد االحتمال‬b
. P(3 X  2Y  1) ‫) أوجد االحتمال‬c
. P( X  Y  2T  4) ‫) أوجد االحتمال‬d

:‫الحل‬
11 3 1
P(1  X  3)  P( Z  )  P(0  X  0.71)  0.2611 )a
2 2
P( X  Y )  P( X  Y  0) )b
X  Y  N ( x;  2, 6)
0  (2)
P( Z  )  P( Z  0.82)  0.7939
6
P(3 X  2Y  1) )c
E (3 X  2Y )  3(1)  2(3)  3
Var (3 X  2Y )  9(2)  4(4)  34
3 X  2Y  N ( x;  3, 34)
1  (3)
P( Z  )  P( Z  0.69)  1  P( Z  0.69)  0.2451
34
P( X  Y  2T  4)  P( X  Y  2T  4) )d
E ( X  Y  2T )  1  3  2(4)  4
Var ( X  Y  2T )  2  4  4(9)  42
X  Y  2T  N ( x;  4, 42)
4  (4)
P( X  Y  2T  4)  P(Z  )  P(Z  0)  0.5
42

2 ‫ راجع الفقرة‬:‫توجيه في حال الخطأ‬

ISSN: 2617-989X 192

 ‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪193‬‬

 ‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪194‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪1‬‬ ‫‪a‬‬ ‫‪1‬‬
‫الفقرة ‪1‬‬ ‫‪b‬‬ ‫‪2‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪3‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪4‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪5‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪6‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪7‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪8‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪9‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪10‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪11‬‬
‫الفقرة ‪6‬‬ ‫‪b‬‬ ‫‪12‬‬
‫الفقرة ‪3‬‬ ‫‪b‬‬ ‫‪13‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪14‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪15‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪16‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪195‬‬

‫الفصل السادس ‪ :‬نظرية توزيع العينات والتقدير‬

‫الكلمات المفتاحية‪:‬‬
‫توزيعات ال عينة‪ ،‬أخذ العينة‪ ،‬توزيع متوسط العينة‪ ،‬النهاية المركزية‪ ،‬تقدير وسطاء المجتمع‪ ،‬تقدير النقطة‪،‬‬
‫تقدير المجال‪ ،‬مجال الثقة‪ ،‬مجال الثقة ذو طرف واحد‪.‬‬

‫ملخص‪:‬‬
‫يهدف هذا الفصل إلى معرفة التوزيع االحتمالي إلحصائية ( السيما متوسط العينة) والمعروف باسم توزيع‬
‫العينة‪ ،‬كما يه دف أيضاً إلى التعرف على طرق تقدير وسطاء المجتمع السيما تقدير القيمة المتوسطة‬
‫واالنحراف المعياري وتحديد هامش الخطأ‪.‬‬

‫تعليمية ‪:‬‬ ‫األدهدا‬

‫يتعرف الطالب في هذا الفصل على‪:‬‬
‫توزيعات العينة ‪ :‬متوسط العينة‪.‬‬
‫تقدير وسطاء المجتمع‪ :‬المتوسط والتشتت ‪.‬‬
‫نظرية النهاية المركزية‪.‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪196‬‬

‫لتقدير وسطاء ‪ parameters‬المجتمع (متوسط ‪ ، ‬تشتت ‪ )...  2‬ننطلق من معطيات العينة‪ ،‬حيث نحتاج‬
‫إلى حساب وسطاء مثل متوسط العينة ‪ ، X‬تباين العينة ‪ ... ، S 2‬بصفة عامة‪ ،‬نسمي كل قيمة تحسب انطالقاً‬
‫من معطيات العينة من أجل تقدير قيمة وسطاء المجتمع إحصائية العينات ‪.sampling statistic‬‬
‫نسمي التوزيع االحتمالي إلحصائية بتوزيع العينة ‪.sampling distribution‬‬

‫‪ .1‬توزيعات العينة ‪:sampling distributions‬‬

‫‪ .1.1‬متوسط العينة ‪:sample mean‬‬
‫يمكن التمييز بين حالتين رئيسيتين‪ :‬أخذ العينة مع إعادة وأخذ العينة من دون إعادة‪.‬‬
‫‪ .1.1.1‬أخذ العينة مع إعادة ‪:sampling with replacement‬‬
‫مبردهنة ‪ :1‬ليكن لدينا المتحوالت العشوائية المستقلة ‪ X1, X 2 , , X n‬والتي تمثل عينة حجمها ‪n‬‬
‫ومتوسطها ‪ X‬من مجتمع ما متوسطه ‪ ‬وتشتته ‪ ،  2‬فإن‪:‬‬
‫‪2‬‬
‫‪E ( X )   and Var ( X ) ‬‬
‫‪n‬‬

‫مثال ‪ :1‬ليكن لدينا المتحول العشوائي المتقطع ‪ X‬مع جدول التوزيع االحتمالي )‪ P( X  x‬المبين أدناه‪،‬‬
‫وحيث ‪ E  X     0.7‬و ‪: Var ( X )   2  0.61‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬

‫)‪P ( X  x‬‬ ‫‪0.5‬‬ ‫‪0.3‬‬ ‫‪0.2‬‬

‫نأخذ عينات بشكل عشوائي من هذا التوزيع حجمها ‪( 2‬مع إعادة)‪ .‬بأخذ كافة االحتماالت الممكنة للعينة‪ ،‬أوجد‬
‫جدول التوزيع االحتمالي لـ ‪( X‬متوسط العينات)‪ .‬ومن ثم تحقق من صحة النظرية السابقة‪.‬‬

‫الحل‪:‬‬
‫جدول التوزيع االحتمالي لـ ‪ X‬هو التالي (من الشجرة في الشكل الالحق)‪:‬‬

‫‪x‬‬ ‫‪0‬‬ ‫‪0.5‬‬ ‫‪1‬‬ ‫‪1.5‬‬ ‫‪2‬‬

‫)‪P ( X  x‬‬ ‫‪0.25‬‬ ‫‪0.3‬‬ ‫‪0.29‬‬ ‫‪0.12‬‬ ‫‪0.04‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪197‬‬

 ‫‪Sample Sample mean Probability‬‬
‫‪0, 0‬‬ ‫‪0‬‬ ‫‪(0.5)(0.5) = 0.25‬‬
‫‪P(X2 = 0) = 0.5‬‬

‫‪P(X2 = 1) = 0.3‬‬
‫‪0, 1‬‬ ‫‪0.5‬‬ ‫‪(0.5)(0.3) = 0.15‬‬

‫‪P(X2 = 2) = 0.2‬‬ ‫‪0, 2‬‬ ‫‪1‬‬ ‫‪(0.5)(0.2) = 0.10‬‬

‫‪P(X1 = 0) = 0.5‬‬
‫‪1, 0‬‬ ‫‪0.5‬‬ ‫‪(0.3)(0.5) = 0.15‬‬
‫‪P(X2 = 0) = 0.5‬‬
‫‪P(X1 = 1) = 0.3‬‬ ‫‪P(X2 = 1) = 0.3‬‬
‫‪1, 1‬‬ ‫‪1‬‬ ‫‪(0.3)(0.3) = 0.09‬‬

‫‪P(X2 = 2) = 0.2‬‬ ‫‪1, 2‬‬ ‫‪1.5‬‬ ‫‪(0.3)(0.2) = 0.06‬‬

‫‪P(X1 = 2) = 0.2‬‬ ‫‪2, 0‬‬ ‫‪1‬‬ ‫‪(0.2)(0.5) = 0.10‬‬
‫‪P(X2 = 0) = 0.5‬‬

‫‪P(X2 = 1) = 0.3‬‬
‫‪2, 1‬‬ ‫‪1.5‬‬ ‫‪(0.2)(0.3) = 0.06‬‬

‫‪P(X2 = 2) = 0.2‬‬ ‫‪2, 2‬‬ ‫‪2‬‬ ‫‪(0.2)(0.2) = 0.04‬‬

‫‪E ( X )  0  0.25   0.5  0.3  1 0.29   1.5  0.12   2  0.04   0.7  ‬‬
‫‪E ( X )  02  0.25   0.52  0.3  12  0.29   1.52  0.12   22  0.04   0.795‬‬
‫‪2‬‬

‫‪2‬‬
‫‪Var ( X )  E ( X ) – E 2 ( X )  0.795 – 0.7 2  0.305   2 / 2‬‬

‫‪ .2.1.1‬أخذ العينة من دون إعادة ‪:sampling without replacement‬‬

‫مبردهنة ‪ :2‬ليكن لدينا المتحوالت العشوائية ‪ X1, X 2 , , X n‬والتي تمثل عينة حجمها ‪ ، n‬مأخوذة من‬
‫دون إعادة‪ ،‬متوسطها ‪ X‬من مجتمع ما حجمه ‪ N‬ومتوسطه ‪ ‬وتشتته ‪ ،  2‬فإن‪:‬‬

‫‪2  N -n‬‬
‫‪E( X )  ‬‬ ‫‪and Var ( X ) ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n  N -1 ‬‬

‫مثال ‪ :2‬أوجد متوسط ‪ ‬وتشتت ‪  2‬المجتمع ‪ .1, 4, 7‬ارسم جدول التوزيع للمتوسطات لكافة العينات‬
‫الممكنة التي حجمها ‪ 2‬والمأخوذة من دون إرجاع‪ .‬ومن ثم احسب متوسط وتشتت هذا التوزيع وتحقق أيضاً‬
‫من صحة المبرهنة السابقة‪ .‬ماذا يحدث لما ‪ N  ‬؟‬

‫‪ISSN: 2617-989X‬‬ ‫‪198‬‬

 ‫الحل‪:‬‬
‫‪E ( X )    1(1/ 3)  4(1/ 3)  7(1/ 3)  12 / 3  4‬‬
‫‪E ( X 2 )  12 (1 / 3)  42 (1 / 3)  7 2 (1 / 3)  66 / 3  22‬‬
‫‪ 2  E ( X 2 ) – E 2 ( X )  22 – 42  6‬‬
‫جدول التوزيع االحتمالي لـ ‪ X‬هو التالي‪:‬‬

‫‪Sample‬‬ ‫)‪(1, 4‬‬ ‫)‪(1, 7‬‬ ‫)‪(4, 1‬‬ ‫)‪(4, 7‬‬ ‫)‪(7, 1‬‬ ‫)‪(7, 4‬‬
‫‪x‬‬ ‫‪2.5‬‬ ‫‪4‬‬ ‫‪2.5‬‬ ‫‪5.5‬‬ ‫‪4‬‬ ‫‪5.5‬‬

‫‪E ( X )  (2.5  4  2.5  5.5  4  5.5) / 6  24 / 6  4  ‬‬

‫‪2‬‬
‫‪E ( X )  (2.52  42  2.52  5.52  42  5.52 ) / 6  105 / 6  17.5‬‬
‫‪Var ( X )  E ( X 2 ) – E 2 ( X )  17.5 – 42  1.5‬‬
‫‪ 2  N - n  6 3- 2 ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫) ‪  1.5  Var ( X‬‬
‫‪n  N -1  2  3 -1 ‬‬
‫‪2‬‬ ‫‪N -n‬‬
‫‪. Var ( X ) ‬‬ ‫‪ ،‬بالتالي‬ ‫عندما ‪ N  ‬فإن ‪ 1‬‬
‫‪n‬‬ ‫‪N -1‬‬

‫‪ .2.1‬توزيع متوسط العينة ‪:sample mean distribution‬‬

‫‪ .1.2.1‬العينات من مجتمع طبيعي ‪:sampling from a normal distribution‬‬
‫مبردهنة ‪ :3‬ليكن لدينا المتحوالت العشوائية ‪ X1, X 2 , , X n‬والتي تمثل عينة حجمها ‪ ، n‬مأخوذة من‬
‫مجتمع يخضع لتوزيع طبيعي ) ‪ ، N (  ,‬بالتالي فإن توزيع المتوسط ‪ X‬هو طبيعي أيضاً‪:‬‬
‫‪‬‬ ‫‪1‬‬
‫‪X  N ( ,‬‬ ‫‪),‬‬ ‫) ‪X  ( X1  X 2  ...  X n‬‬
‫‪n‬‬ ‫‪n‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪199‬‬

‫مثال ‪ :3‬ارتفاع أحد أنواع النباتات يتبع توزيع طبيعي بمتوسط ‪ 21‬سم وتشتت ‪ 90‬سم‪ .‬عينة عشوائية مؤلفة‬
‫من ‪ 10‬نباتات وتم حساب متوسط ارتفاعها‪ .‬أوجد احتمال أن يكون متوسط العينة هذا محصور بين القيمتين‬
‫‪ 18‬سم و‪ 27‬سم‪.‬‬

‫الحل‪:‬‬
‫بفرض ‪ X‬المتحول العشوائي الذي يعبر عن طول النبتة‪ ،‬بالتالي )‪ ، X  N (21, 90‬بما أن ‪، n  10‬‬
‫‪90‬‬‫‪‬‬
‫)‪.‬‬ ‫بالتالي فإن )‪ 9  3 ( X  N (21, 3‬‬
‫‪‬‬
‫‪n‬‬ ‫‪10‬‬
‫‪ 18  21 X  21 27  21 ‬‬
‫‪P(18  X  27)  P ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪3 ‬‬
‫‪ P  1  Z  2   0.8185‬‬

‫مثال ‪ :4‬عينة حجمها ‪ n‬أخذت من مجتمع يخضع لتوزيع طبيعي متحولها )‪ X  N (74,6‬وتم حساب‬
‫متوسط كل عينة عشوائية‪ .‬إذا كان ‪ ، P( X  72)  0.854‬قدّر حجم العينة ‪. n‬‬

‫الحل‪:‬‬
‫‪6‬‬
‫‪X  N (74,‬‬ ‫)‬
‫‪n‬‬
‫‪ X  74 72  74 ‬‬ ‫‪‬‬ ‫‪ n‬‬
‫‪P( X  72)  ‬‬ ‫‪‬‬ ‫‪  P Z ‬‬ ‫‪  0.854‬‬
‫‪ 6/ n‬‬ ‫‪6/ n ‬‬ ‫‪‬‬ ‫‪3 ‬‬
‫‪P  Z  1.054   0.854‬‬
‫بالتالي‪ ، n / 3  1.054 :‬ومنه ‪ n  9 1.054 ‬أي ‪. n  10‬‬
‫‪2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪200‬‬

 ‫‪ .2.2.1‬العينات من أي مجتمع ‪:sampling from any distribution‬‬
‫مبردهنة النهاية المركزية ‪:the central limit theorem‬‬
‫تقول مبرهنة النهاية المركزية انه كلما ازداد حجم العينة ‪ n‬فان التوزيع لمتوسط المتغيرات العشوائية الممثلة‬
‫للعينة يقترب من التوزيع الطبيعي‪.‬‬

‫مبردهنة ‪ :4‬ليكن لدينا المتحوالت العشوائية ‪ X1, X 2 , , X n‬والتي تمثل عينة حجمها ‪ ، n‬مأخوذة من‬
‫مجتمع يخضع لتوزيع ما بمتوسط ‪ ‬وتشتت ‪ ،  2‬بالتالي من أجل ‪ n‬كبيرة‪ ،‬فإن توزيع المتوسط ‪ X‬هو‬
‫تقريبًا توزيع طبيعي‪:‬‬
‫‪X  N ( ,  / n ),‬‬ ‫‪X  ( X1  X 2  ...  X n ) / n‬‬

‫مالحظة ‪ :1‬كلما زاد حجم العينة ‪ n‬كلما كان التقريب أفضل‪.‬‬

‫مثال ‪ :5‬عينة عشوائية بحجم ‪ 30‬تم أخذها من كل من التوزيعين التاليين‪ ،‬أوجد من أجل كل حالة احتمال أال‬
‫يتجاوز وسبط العينة ‪.5‬‬
‫‪( X  p(4.5) )a‬توزيع بواسون)‬
‫‪( X  b(9, 0.5) )b‬ثنائي الحد)‬

‫الحل‪:‬‬
‫‪ )a‬من أجل )‪ X  p(4.5‬لدينا بالتالي‪:‬‬
‫‪   2    4.5‬‬
‫‪‬‬
‫‪X  N ( ,‬‬ ‫)‪)  N (4.5, 0.15‬‬
‫‪n‬‬
‫‪ X  4.5 5  4.5 ‬‬
‫‪P( X  5)  P ‬‬ ‫‪‬‬ ‫‪  P  Z  1.291  0.0983‬‬
‫‪‬‬ ‫‪0.15‬‬ ‫‪0.15‬‬ ‫‪‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪201‬‬

 :‫ لدينا بالتالي‬X  b(9, 0.5) ‫من أجل‬
  np  9(0.5)  4.5
 2  npq  9(0.5)(0.5)  2.25

X  N ( , )  N (4.5, 0.075)
n
 X  4.5 5  4.5 
P( X  5)  P     P  Z  1.826   0.034
 0.075 0.075 

ISSN: 2617-989X 202

 ‫‪ .2‬تقدير وسطاء المجتمع ‪:estimation of population parameters‬‬
‫المقصود بالتقدير ‪ estimation‬هو تقدير معالم المجتمع اإلحصائي (أو التوزيع االحتمالي) والتي غالباً ما‬
‫تكون مجهولة ويكون المطلوب ه و الحصول على تقديرات لها من معطيات العينة‪ ،‬ونرمز عادة لتقدير وسيط‬
‫بالرمز ˆ‪ . ‬على سبيل المثال تقدير متوسط دخل الدولة أو تقدير متوسط عمر الناخب‪.‬‬ ‫‪‬‬ ‫ما‬
‫وهناك نوعان للتقدير يسمى النوع األول تقدير النقطة ‪ ،point estimation‬ويسمى الثاني تقدير المجال‬
‫‪.interval estimation‬‬
‫ففي حالة تقدير النقطة نحصل على قيمة واحدة من العينة‪ ،‬وتستخدم هذه القيمة الواحدة كتقريب أو كتقدير‬
‫لوسيط المجتمع المجهولة‪ .‬فمثالً لو أخذنا الوسط الحسابي للدخل في العينة كتقدير لمتوسط الدولة نكون قد‬
‫حصلنا على تقدير نقطة لمتوسط دخل الدولة‪.‬‬
‫أما في تقدير المجال فنحصل على مجال معرف بحدين (حد أدنى وحد أعلى) نحصل عليهما من العينة‪ .‬فمثالً‬
‫سنة أي يتراوح بين ‪ 34‬سنة كحد أدنى‬ ‫إذا قدرنا أن الوسط الحسابي ألعمار الناخبين يتراوح بين ‪40  6‬‬
‫و‪ 46‬سنة كح د أعلى نكون قد حصلنا على تقدير مجال للوسط الحسابي ألعمار الناخبين في المجتمع‪.‬‬
‫وتتميز تقديرات المجال بأنه يمكن حساب احتمال أن يكون التقدير صحيحاً‪ ،‬وبالتالي فإنه يمكن معرفة مدى‬
‫دقة التقديرات‪ .‬لذا فإن مجاالت التقدير تسمى أيضاً مجاالت الثقة ‪ confidence intervals‬ألن هذه الفترات‬
‫تعتمد في تكوينها اإلحصائي على درجات أو مستويات ثقة معينة ‪ confidence levels‬مثل ‪ 95%‬أو ‪99 %‬‬
‫وغيرها‪ ،‬بمعنى أن احتمال أن يكون مجال التقدير صحيح هو ‪ 0.95‬أو ‪.0.99‬‬
‫فإذا كان متوسط أعمار الناخبين يتراوح ما بين ‪ 46‬و‪ 34‬سنة‪ ،‬ودرجة الثقة هي ‪ 95 %‬فإن هذا معناه أنه لو‬
‫تكررت التجربة عدد كبير من المرات‪ ،‬فإن التقدير سيكون محصوراً بين هذين الرقمين في ‪ 95‬من الحاالت‬
‫(أي احتمال أن يكون صحيحاً هو ‪.)%95‬‬

‫‪.1.2‬التقدير النقطي ‪:point estimation‬‬

‫‪ .1.1.2‬متوسط المجتمع‪:‬‬
‫ليكن مجتمع ما متوسطه ‪ ‬غبر معلوم‪ ،‬نأخذ عينة عشوائية حجمها ‪ ، n‬لنعتبر متوسط العينة ‪ ، X‬بحيث‪:‬‬
‫‪X1  X 2  ...  X n 1 n‬‬
‫‪X‬‬ ‫‪  Xi‬‬
‫‪n‬‬ ‫‪n i 1‬‬

‫فرضية ‪ :1‬أفضل تقدير لمتوسط مجتمع ‪ ، ‬ونرمز له بالرمز ̂‪ ‬هو القيمة المتوسطة للعينة ‪ ، X‬أي أن‪:‬‬
‫‪ˆ  X‬‬

‫‪ .2.1.2‬تشتت المجتمع‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪203‬‬

 ‫ليكن مجتمع ما تشتته ‪  2‬غير معلوم‪ ،‬نأخذ عينة عشوائية حجمها ‪ ، n‬لنعتبر تشتت العينة ‪ ، S 2‬بحيث‪:‬‬
‫‪2‬‬
‫‪1 n‬‬ ‫‪n‬‬
‫‪X i2 n X‬‬
‫‪S ‬‬‫‪2‬‬
‫‪(Xi  X )   n 1  n 1‬‬
‫‪n  1 i 1‬‬
‫‪2‬‬

‫‪i 1‬‬

‫فرضية ‪ :2‬أفضل تقدير لتشتت مجتمع ‪ ،  2‬ونرمز له بالرمز ‪ ˆ 2‬هو تشتت العينة ‪ ، S 2‬أي أن‪:‬‬
‫‪ˆ 2  S 2‬‬

‫مثال ‪ :6‬أوجد أفضل تقدير لمتوسط وتشتت مج تمع من العينة المسحوبة منه بشكل عشوائي‪:‬‬
‫‪19.30, 19.61, 18.27, 18.90, 19.14, 19.90, 18.76, 19.10‬‬
‫الحل‪:‬‬
‫أفضل تقدير لمتوسط المجتمع هو‪:‬‬
‫‪8‬‬
‫‪xi 152.98‬‬
‫‪ˆ  x  ‬‬ ‫‪‬‬ ‫‪ 19.12‬‬
‫‪i 1‬‬ ‫‪8‬‬ ‫‪8‬‬
‫وأن أفضل تقدير لتشتت المجتمع هو‪:‬‬
‫‪2‬‬
‫‪xi2‬‬ ‫‪n‬‬
‫‪nx‬‬ ‫)‪2927.1 8(19.12‬‬
‫‪ S ‬‬
‫ˆ‬‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.25‬‬
‫‪i 1 n  1 n  1‬‬ ‫‪7‬‬ ‫‪7‬‬
‫ليكن اآلن مجتمع ما متوسطه ‪ ‬غبر معلوم تشتته ‪  2‬غير معلوم أيضاً‪ ،‬لنأخذ عينتان عشوائيان‪:‬‬

‫قيم العينة‬
‫الحجم‬ ‫المتوسط‬ ‫التشتت‬
‫العينة ‪I‬‬ ‫‪n1‬‬ ‫‪X1‬‬ ‫‪S12‬‬
‫العينة ‪II‬‬ ‫‪n2‬‬ ‫‪X2‬‬ ‫‪S 22‬‬

‫فإن تقدير متوسط المجتمع يعطى بالعالقة التالية‪:‬‬

‫‪n1 X1  n2 X 2‬‬
‫‪ˆ ‬‬
‫‪n1  n2‬‬
‫وأن تقدير تشتت المجتمع يعطى بالعالقة التالية‪:‬‬
‫‪(n1  1) S12  (n2  1) S22‬‬
‫‪ˆ ‬‬
‫‪2‬‬
‫‪n1  n2  2‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪204‬‬

‫مثال ‪ :7‬عينتان‪ ،‬بحجم ‪ 40‬و‪ 50‬على الترتيب‪ ،‬تم أخذهما من مجتمع متوسطه ‪ ‬وتشتته ‪  2‬مجهوالن‪.‬‬
‫باستخدام معطيات العينتان‪ ،‬أوجد أفضل تقدير لمتوسط وتشتت هذا المجتمع‪.‬‬
‫العينة ‪I‬‬ ‫العينة ‪II‬‬
‫‪x1‬‬ ‫‪18‬‬ ‫‪19‬‬ ‫‪20‬‬ ‫‪21‬‬ ‫‪22‬‬ ‫‪x2‬‬ ‫‪18‬‬ ‫‪19‬‬ ‫‪20‬‬ ‫‪21‬‬ ‫‪22‬‬ ‫‪23‬‬
‫‪f‬‬ ‫‪3‬‬ ‫‪7‬‬ ‫‪15‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪f‬‬ ‫‪10‬‬ ‫‪21‬‬ ‫‪8‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪2‬‬

‫الحل‪:‬‬
‫العينة األولى‪:‬‬
‫‪5‬‬
‫‪ fi xi‬‬ ‫‪807‬‬
‫‪x1 ‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪ 20.175‬‬
‫‪5‬‬ ‫‪40‬‬
‫‪ fi‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪5‬‬
‫‪fi xi2 nx‬‬ ‫‪16329 40(20.175) 2‬‬
‫‪s12‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.225‬‬
‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪39‬‬ ‫‪39‬‬
‫العينة الثانية‪:‬‬
‫‪6‬‬
‫‪ fi xi‬‬ ‫‪977‬‬
‫‪x2 ‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪ 19.54‬‬
‫‪5‬‬ ‫‪50‬‬
‫‪ fi‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪6‬‬
‫‪fi xi2 nx‬‬ ‫‪19177 50(19.54) 2‬‬
‫‪s22  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.764‬‬
‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪49‬‬ ‫‪49‬‬
‫بالتالي لدينا من أجل المجتمع‪:‬‬
‫)‪n1 X1  n2 X 2 40(20.175)  50(19.54‬‬
‫‪ˆ ‬‬ ‫‪‬‬ ‫‪ 19.82‬‬
‫‪n1  n2‬‬ ‫‪40  90‬‬
‫)‪(n1  1) S12  (n2  1) S22 39(1.225)  49(1.764‬‬
‫‪ˆ ‬‬‫‪2‬‬
‫‪‬‬ ‫‪ 1.52‬‬
‫‪n1  n2  2‬‬ ‫‪40  50  2‬‬

‫‪ .2.2‬تقدير المجال ‪:interval estimation‬‬

‫‪ .1.2.2‬متوسط المجتمع‪:‬‬
‫‪ )a‬مجاالت الثقة للمتوسط ‪ ، ‬تشتت المجتمع ‪  2‬معروف‬

‫‪ISSN: 2617-989X‬‬ ‫‪205‬‬

 ‫‪‬‬
‫‪. X  N ( ,‬‬ ‫إذا كان ‪ X‬يتبع توزيع طبيعي بحيث ) ‪ ، X  N ( , ‬بالتالي فإن )‬
‫‪n‬‬
‫وإذا لم يكن ‪ X‬يتبع توزيع طبيعي وكانت ‪ n‬كبيرة‪ ،‬بالتالي فإنه حسب نظرية النهاية المركزية ‪ X‬يتبع‬
‫توزيع طبيعي ) ‪. X  N (  ,  / n‬‬
‫‪X ‬‬
‫‪ Z ‬حيث ‪ Z‬يتبع توزيع طبيعي )‪ ، Z  N (0,1‬بالتالي‪:‬‬ ‫بإجراء التحويل‬
‫‪/ n‬‬
‫‪‬‬ ‫‪X ‬‬ ‫‪‬‬
‫‪P   z /2 ‬‬ ‫‪ z /2   1  ‬‬
‫‪‬‬ ‫‪/ n‬‬ ‫‪‬‬

‫من مجتمع تشتته معروف ‪ ،  2‬فإن مجال ثقة مقداره‬ ‫نتيجة ‪ :1‬إذا كان ‪ x‬متوسط عينة عشوائية حجمها ‪n‬‬
‫‪ 100( 1   )%‬للمتوسط ‪ ‬يعطى بالعالقة التالية‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪x  z /2‬‬ ‫‪   x  z /2‬‬
‫‪n‬‬ ‫‪n‬‬
‫التي تترك مساحة مقدارها ‪  /2‬إلى يمينها‪.‬‬ ‫‪z‬‬ ‫حيث ‪ z /2‬هي قيمة‬

‫مالحظة ‪ :1‬يمكن كتابة مجال الثقة السابق على النحو التالي‪:‬‬

‫‪‬‬
‫‪  x  z /2‬‬
‫‪n‬‬

‫مبردهنة ‪ :5‬إذا تم استخدام ‪ x‬متوسط عينة كتقدير لمتوسط المجتمع ‪ ، ‬فإننا نكون ‪ 100( 1   )%‬واثقون‬
‫‪‬‬
‫‪. z /2‬‬ ‫بأن الخطأ لن يتجاوز‬
‫‪n‬‬

‫يبين الجدول التالي مجاالت الثقة األكثر استخداماً‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪206‬‬

 ‫‪99%‬‬ ‫‪98%‬‬ ‫‪95%‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪x  2.575‬‬ ‫‪x  2.326‬‬ ‫‪x  1.96‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬

‫مبردهنة ‪ :6‬إذا تم استخدام ‪ x‬متوسط عينة كتقدير لمتوسط المجتمع ‪ ، ‬فإننا نكون ‪ 100( 1   )%‬واثقون‬
‫‪2‬‬
‫‪z  ‬‬
‫بأن الخطأ لن يتجاوز قيمة محددة ‪ e‬إذا كان حجم العينة ‪. n    /2 ‬‬
‫‪ e ‬‬
‫مثال ‪ :8‬ينتج مصنع ما صفائح فوالذية حيث أوزانها تخضع لتوزيع طبيعي انحرافه المعياري ‪ .2.4 kg‬عينة‬
‫عشوائية من ‪ 36‬صفيحة فوالذية وزنها الوسطي ‪ ،31.4 kg‬أوجد مجال تقدير متوسط أوزان الصفائح بدرجة‬
‫ثقة ‪ 95%‬ومن ثم ‪.99%‬‬

‫الحل‪:‬‬
‫من أجل درجة الثقة ‪:95%‬‬
‫‪2.4‬‬ ‫‪2.4‬‬
‫‪31.4  1.96‬‬ ‫‪<   31.4  1.96‬‬
‫‪36‬‬ ‫‪36‬‬
‫‪30.62<   32.18‬‬

‫ومن أجل درجة الثقة ‪:99%‬‬

‫‪2.4‬‬ ‫‪2.4‬‬
‫‪31.4  2.575‬‬ ‫‪<   31.4  2.575‬‬
‫‪36‬‬ ‫‪36‬‬
‫‪30.37<   32.43‬‬

‫مثال ‪ :9‬ما هو حجم العينة في المثال السابق إذا أردنا مجال تقدير المتوسط ‪ ‬بدرجة ثقة ‪ 95%‬بحيث ال‬
‫يتجاوز الخطأ القيمة ‪0.6‬؟‬
‫الحل‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ z    1.96(2.4) ‬‬
‫‪n    /2   ‬‬ ‫‪  61.47‬‬
‫‪ e   0.6 ‬‬
‫بالتالي نحتاج إلى ‪ 62‬عينة‪.‬‬

‫واحد ‪:one sided confidence interval‬‬ ‫مجال الثقة ذو طر‬

‫مجاالت الثقة التي وجدناها حتى اآلن تسمى ذو طرفين ‪( two sided‬الح د األدنى والحد األعلى مطلوبان)‪.‬‬
‫لكن هناك الكثير من التطبيقات يطلب منها حد واحد (األدنى أو األعلى)‪ .‬نسمي في هذه الحالة مجال الثقة على‬
‫أنه ذو طرف واحد‪ ،‬ويكون لدينا بالنسبة للشكل اليساري‪:‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪207‬‬

 ‫‪ X ‬‬ ‫‪‬‬
‫‪P‬‬
‫‪ / n‬‬
‫‪ z   1  ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P   X  z  / n  1  ‬‬

‫ومن أجل الشكل اليميني‪:‬‬

‫‪ X ‬‬ ‫‪‬‬
‫‪P‬‬
‫‪ / n‬‬
‫‪  z   1  ‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪P   X  z  / n  1  ‬‬

‫‪ ‬‬ ‫‪ ‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ z‬‬ ‫‪ -z‬‬ ‫‪‬‬

‫نتيجة ‪ :2‬إذا كان ‪ x‬متوسط عينة عشوائية حجمها ‪ n‬من مجتمع تشتته معروف ‪ ،  2‬فإن حدود مجال ثقة‬
‫مقداره ‪ 100( 1   )%‬للمتوسط ‪ ‬يعطى بالعالقة التالية‪:‬‬
‫‪x  z  / n , upper one sided bound‬‬
‫‪x  z  / n , lower one sided bound‬‬

‫مثال ‪ :10‬في تجربة تحليل نفسي‪ ،‬تم اختيار ‪ 25‬شخصاً بشكل عشوائي وتم رصد وقياس ردة الفعل‪ ،‬مقدرة‬
‫بالثواني‪ ،‬نتيجة تحريض ما‪ .‬تشير التجارب السابقة إلى أن تشتت رد الفعل لهذا النوع من التحريض هو ‪4‬‬
‫‪ s 2‬وأن توزيع رد الفعل يمكن تقريبه بالطبيعي‪ .‬الزمن الوسطي للعينة كان ‪ .6.2 s‬أوجد الحد األعلى‬
‫لمجال ثقة ‪ 95%‬ذو طرف واحد‪.‬‬

‫الحل‪:‬‬
‫حد مجال ثقة ‪ 95%‬يعطى بالعالقة التالية‪:‬‬
‫‪x  z / n  6.2  1.645 4 / 25  6.858 s‬‬

‫‪ )b‬مجاالت الثقة للمتوسط ‪ ، ‬تشتت المجتمع ‪  2‬غير معروف‬

‫إذا كان ‪ X‬يتبع توزيع طبيعي بحيث ) ‪ ، X  N (  ,‬وبما أن التشتت ‪  2‬غير معروف بالتالي نحتاج‬
‫إلى تقدير له ‪ . ˆ 2‬وكما وجدنا سابقاً بأن أفضل تقدير لتشتت المجتمع هو‪ . ˆ 2  S 2 :‬بالتالي فإن‬
‫ˆ‪‬‬
‫‪. X  N ( ,‬‬ ‫)‬
‫‪n‬‬
‫‪X ‬‬
‫‪ Z ‬حيث ‪ Z‬يتبع توزيع طبيعي )‪ ، Z  N (0,1‬بالتالي‪:‬‬ ‫بإجراء التحويل‬
‫‪ˆ / n‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪208‬‬

 ‫‪‬‬ ‫‪X ‬‬ ‫‪‬‬
‫‪P   z /2 ‬‬ ‫‪ z /2   1  ‬‬
‫‪‬‬ ‫‪ˆ / n‬‬ ‫‪‬‬
‫نتيجة ‪ :3‬إذا كان ‪ x‬متوسط عينة عشوائية حجمها ‪( n‬حيث ‪ n‬كبيرة) من مجتمع يخضع لتوزيع طبيعي‬
‫متوسطه ‪ ‬غير معروف وتشتته ‪  2‬غير معروف أيضاً‪ ،‬فإن مجال ثقة مقداره ‪ 100( 1  )%‬للمتوسط‬
‫‪ ‬يعطى بالعالقة التالية‪:‬‬
‫ˆ‪‬‬ ‫ˆ‪‬‬
‫‪x  z /2‬‬ ‫‪<   x  z /2‬‬
‫‪n‬‬ ‫‪n‬‬
‫التي تترك مساحة مقدارها ‪  /2‬إلى يمينها‪.‬‬ ‫‪z‬‬ ‫حيث ‪ z /2‬هي قيمة‬

‫مالحظة ‪ :2‬يمكن كتابة مجال الثقة السابق على النحو التالي‪:‬‬

‫ˆ‪‬‬
‫‪  x  z /2‬‬
‫‪n‬‬
‫مبردهنة ‪ :6‬إذا تم استخدام ‪ x‬متوسط عينة كتقدير لمتوسط المجتمع ‪ ، ‬فإننا نكون ‪ 100( 1   )%‬واثقون‬
‫ˆ‪‬‬
‫‪. z /2‬‬ ‫بأن الخطأ لن يتجاوز‬
‫‪n‬‬

‫مثال ‪ :11‬تم اختبار عينة من ‪ 225‬خريج من كليات الهندسة في مادة الرياضات ووجد أن متوسط العينة هو‬
‫‪ 65‬وانحرافها المعياري هو ‪ .12‬أوجد مجال تقدير متوسط عالمات الخريجين بدرجة ثقة ‪.99%‬‬
‫الحل‪:‬‬
‫‪12‬‬ ‫‪12‬‬
‫‪65  2.575‬‬ ‫‪<   65  2.575‬‬
‫‪225‬‬ ‫‪225‬‬
‫‪62.94<   67.06‬‬

‫مثال ‪ :12‬عينة من القراءات تم أخذها من مجتمع طبيعي متوسطه ‪ ‬وتشتته ‪  2‬مجهوالن أعطت الجدول‬
‫التالي‪:‬‬
‫‪x‬‬ ‫‪17.4‬‬ ‫‪17.5‬‬ ‫‪17.6‬‬ ‫‪17.7‬‬ ‫‪17.8‬‬
‫‪f‬‬ ‫‪12‬‬ ‫‪16‬‬ ‫‪19‬‬ ‫‪23‬‬ ‫‪10‬‬

‫عينة ثانية من نفس المجتمع أعطت ما يلي‪:‬‬

‫‪n2  72,‬‬ ‫‪ x  1267.2,  x2  22536‬‬
‫أوجد أفضل تقدير لمتوسط وتشتت هذا المجتمع‪ ،‬ومن ثم جمع العينتين معاً وأوجد مجال تقدير ‪ ‬بدرجة ثقة‬
‫‪.90%‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪209‬‬

 :‫الحل‬
:‫العينة األولى‬
5
 fi xi 1408.3
x1  i 1   17.604
5 80
 fi
i 1
2
5
fi xi2 nx 24792.63 80(17.604) 2
s12      0.0161
i 1 n  1 n  1 79 79
:‫العينة الثانية‬

x2   
x 1267.2
 17.6
n2 72

2
x 2 nx 22536 72(17.6)2
s22      3.286
n 1 n 1 71 71
:‫بالتالي لدينا من أجل المجتمع‬
n1 X1  n2 X 2 80(17.604)  72(17.6)
ˆ    17.602
n1  n2 80  72
(n1  1) S12  (n2  1) S22 79(0.0161)  71(3.286)
ˆ 
2
  1.564
n1  n2  2 80  72  2
:90% ‫من أجل درجة الثقة‬
1.564 1.564
17.602  1.645 <   17.602  1.645
152 152
17.435<   17.769

ISSN: 2617-989X 210

 ‫تمارين‬

‫‪ .1‬ليكن لدينا المتحوالت العشوائية المستقلة ‪ X1, X 2 , , X100‬والتي لكل منها توزيع بواسون بوسيط‬
‫‪ ،   2‬فإذ كان ‪ ، X  X1  X 2   X100‬أوجد )‪. P(190  X  210‬‬

‫‪ .2‬إذا كان متوسط الدخل األسبوعي لمجموعة كبيرة من العمال المهرة هو ‪ 1200‬ليرة سورية بانحراف‬
‫معياري قدره ‪ 100‬ليرة سورية‪ .‬فما هو احتمال أن يكون متوسط دخل عينة حجمها ‪ n  64‬أكثر من‬
‫‪ 1150‬ليرة سورية في األسبوع‪.‬‬

‫‪ .4‬وجد أن نسبة تركيز التوتياء المستخلصة من عينة من القياسات والمأخوذة من ‪ 36‬موقع مختلف من نهر‬
‫هي ‪ 2.6 g‬بالميلي ليتر‪ .‬أوجد مجال تقدير متوسط تركيز التوتياء في النهر بدرجة ثقة ‪ 95%‬ومن ثم‬
‫‪ ،99%‬وذلك بفرض أن االنحراف المعياري للمجتمع هو ‪ 0.3 g‬بالميلي ليتر‪.‬‬

‫‪ .5‬عينة عشوائية من ‪ 100‬رجل في أحد المناطق السكانية‪ ،‬وجد أن مجال الثقة ‪ 95%‬ألطوال الرجال هو‬
‫]‪ [177.22, 179.18‬سم‪ .‬أوجد القيمة ‪ ، x‬متوسط العينة‪ ،‬واالنحراف المعياري ‪ ‬للتوزيع الطبيعي‬
‫الذي أخذت منه العينة‪ .‬أوجد بدرجة ثقة ‪ 98%‬متوسط أطوال الرجال‪.‬‬

‫‪ .6‬عينة من القراءات تم أخذها من مجتمع طبيعي متوسطه ‪ ‬وتشتته ‪  2‬مجهوالن أعطت الجدول التالي‪:‬‬

‫‪x‬‬ ‫‪82‬‬ ‫‪83‬‬ ‫‪84‬‬ ‫‪85‬‬ ‫‪86‬‬ ‫‪87‬‬

‫‪f‬‬ ‫‪6‬‬ ‫‪9‬‬ ‫‪19‬‬ ‫‪27‬‬ ‫‪22‬‬ ‫‪17‬‬

‫أوجد أفضل تقدير لمتوسط وتشتت هذا المجتمع‪.‬‬

‫عينة ثانية من نفس المجتمع أعطت ما يلي‪:‬‬
‫‪n2  64,‬‬ ‫‪ x  5452.8,  ( x  x)2  973.44‬‬
‫أوجد أفضل تقدير لمتوسط وتشتت هذا المجتمع‪.‬‬
‫جمع العينتين معاً وأوجد مجال تقدير المتوسط للمجتمع ‪ ‬بدرجة ثقة ‪.97%‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪211‬‬

 ‫المدة‪ 45 :‬دقيقة‬ ‫عالمة النجاح‪51 :‬‬ ‫العالمة العظمى‪111 :‬‬
‫(‪ )84‬درجة‬ ‫السؤال األول‪ :‬اختر اإلجابة الصحيحة‬
‫مالحظة‪ :‬بعض األسئلة تحتاج إلى جداول التوزيع الطبيعي موجودة في نهاية صفحات االختبار‬

‫من أجل‬ ‫‪X i  N( ;x  ,‬‬ ‫أن‪:‬‬

‫متحوالت عشوائية مستقلة بحيث )‬ ‫‪X1, X 2 , , X n .1‬‬
‫‪1‬‬
‫‪ X ‬يتبع‪:‬‬ ‫‪ ، i  1, 2, ..., n‬بالتالي فإن المتوسط ) ‪( X1  X 2  ...  X n‬‬
‫‪n‬‬
‫‪X  N (  ,  / n) )a‬‬
‫‪X ~ N (  ,  / n ) )b‬‬
‫‪X  N (  / n,  / n ) )c‬‬
‫‪X  N ( / n,  / n) )d‬‬

‫‪ .2‬عينة عشوائية حجمها ‪ 15‬من توزيع )‪ ، X  N (60, 4‬تم حساب متوسط العينة‪ .‬احتمال أن يكون هذا‬
‫المتوسط أقل من ‪ 58‬هو‪:‬‬
‫‪0.0264 )a‬‬
‫‪0.9736 )b‬‬
‫‪0.5 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫أخذت من مجتمع يخضع لتوزيع طبيعي )‪ X  N (74,6‬وتم حساب متوسط كل عينة‬ ‫‪ .3‬عينة حجمها ‪n‬‬
‫عشوائية‪ .‬إذا كان ‪ ، P( X  76)  0.854‬فإن حجم العينة ‪ n‬هو‪:‬‬
‫‪5 )a‬‬
‫‪10 )b‬‬
‫‪15 )c‬‬
‫‪ )d‬ال شيء ما سبق‬

‫‪ISSN: 2617-989X‬‬ ‫‪212‬‬

‫‪ .4‬مجتمع ما متوسطه ‪ ‬وتشتته ‪ .  2‬عينة عشوائية من هذا المجتمع متوسطها ‪ X‬وتشتتها ‪ . S 2‬أي من‬
‫العبارات التالية صحيح‬
‫‪  )a‬أفضل تقدير لـ ‪ X‬و ‪  2‬أفضل تقدير لـ ‪S 2‬‬
‫‪  )b‬أفضل تقدير لـ ‪ X‬و ‪ S 2‬أفضل تقدير لـ ‪ 2‬‬
‫‪ X )c‬أفضل تقدير لـ ‪ ‬و ‪  2‬أفضل تقدير لـ ‪S 2‬‬
‫‪ X )d‬أفضل تقدير لـ ‪ ‬و ‪ S 2‬أفضل تقدير لـ ‪ 2‬‬

‫‪ .5‬لدينا العينة ‪ 4, 8, 2, 6, 10‬المأخوذة عشوائياً من مجتمع ما‪ .‬أفضل تقدير لمتوسط وتشتت المجتمع هو‪:‬‬
‫‪ )a‬متوسط ‪ 6‬وتشتت ‪8‬‬
‫‪ )b‬متوسط ‪ 7.5‬وتشتت ‪10‬‬
‫‪ )c‬متوسط ‪ 6‬وتشتت ‪10‬‬
‫‪ )d‬متوسط ‪ 7.5‬وتشتت ‪8‬‬

‫‪ .6‬لدينا العينتان ‪ 4, 8, 2, 6, 10‬و‪ 5, 3, 7‬المأخوذتان عشوائيًا من مجتمع ما‪ .‬أفضل تقدير لمتوسط وتشتت‬
‫المجتمع هو‪:‬‬
‫‪ )a‬متوسط ‪ 5.625‬وتشتت ‪7‬‬
‫‪ )b‬متوسط ‪ 5.625‬وتشتت ‪8‬‬
‫‪ )c‬متوسط ‪ 5.5‬وتشتت ‪7‬‬
‫‪ )d‬متوسط ‪ 5.5‬وتشتت ‪8‬‬

‫‪ .1‬مجال تقدير متوسط مجتمع ‪ ‬تشتته ‪  2‬باستخدام متوسط عينة حجمها ‪ n‬وبدرجة ثقة ‪ 95%‬هو‪:‬‬
‫‪x   / n )a‬‬
‫‪x  2.575  / n )b‬‬
‫‪x  2.326  / n )c‬‬
‫‪x  1.96  / n )d‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪213‬‬

 ‫‪ .8‬عند زيادة درجة الثقة فإن مجال التقدير‪:‬‬
‫‪ )a‬يزداد‬
‫‪ )b‬ينقص‬
‫‪ )c‬يبقى على حاله‬
‫‪ )d‬يمكن أن يزداد أو ينقص تبع ًا للمعطيات‬

‫‪ .9‬ما هو أصغر حجم عينة من أجل مجال تقدير متوسط بثقة ‪ 95%‬علماً أن طول المجال ال يتجاوز ‪ 1‬وأن‬
‫المجتمع طبيعي تشتته ‪:9‬‬
‫‪1245 )a‬‬
‫‪34 )b‬‬
‫‪95 )c‬‬
‫‪139 )d‬‬

‫‪ .11‬عينة بحجم ‪ ، n  121‬متوسطها ‪ 96‬من مجتمع انحرافه المعياري ‪ .   14‬المجال بثقة ‪:95%‬‬
‫‪[93.41, 98.40] )a‬‬
‫‪[93.61, 98.60] )b‬‬
‫‪[93.51, 98.50] )c‬‬
‫‪[93.71, 98.70] )d‬‬

‫‪ .11‬عندما يزداد حجم العينة ‪ n‬فإن عرض مجال الثقة لوسيط المجتمع‪:‬‬
‫‪ )a‬يزداد‬
‫‪ )b‬ينقص‬
‫‪ )c‬ال يتغير‬
‫‪ )d‬يمكن أن يزداد أو ينقص‬
‫‪1‬‬
‫‪ .12‬عندما ينقص حجم العينة ‪ n‬إلى الربع ( ‪ ) n‬فإن عرض مجال الثقة لوسيط المجتمع‪:‬‬
‫‪4‬‬
‫‪ )a‬يتضاعف‬
‫‪ )b‬يتقلص إلى النصف‬
‫‪ )c‬لن يتغير‬
‫‪ )d‬يصبح أربعة أضعاف‬

‫‪ISSN: 2617-989X‬‬ ‫‪214‬‬

 ‫(‪ )16‬درجة‬ ‫السؤال الثاني‪:‬‬

‫عينة من القراءات تم أخذها من مجتمع طبيعي متوسطه ‪ ‬وتشتته ‪  2‬مجهوالن أعطت الجدول التالي‪:‬‬

‫‪x‬‬ ‫‪16.5‬‬ ‫‪17.5‬‬ ‫‪18‬‬ ‫‪18.5‬‬ ‫‪19‬‬

‫‪f‬‬ ‫‪6‬‬ ‫‪10‬‬ ‫‪14‬‬ ‫‪12‬‬ ‫‪8‬‬

‫عينة ثانية من نفس المجتمع أعطت ما يلي‪:‬‬

‫‪n2  42,‬‬ ‫‪ x  735,  x2  12924‬‬
‫بدرجة ثقة‬ ‫‪‬‬ ‫أوجد أفضل تقدير لمتوسط وتشتت هذا المجتمع‪ ،‬ومن ثم جمع العينتين معاً وأوجد مجال تقدير‬
‫‪.95%‬‬

‫الحل‪:‬‬
‫العينة األولى‪:‬‬
‫‪5‬‬
‫‪ fi xi‬‬ ‫‪900‬‬
‫‪x1 ‬‬ ‫‪i 1‬‬ ‫‪‬‬ ‫‪ 18‬‬
‫‪5‬‬ ‫‪50‬‬
‫‪ fi‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪5‬‬
‫‪fi xi2 nx‬‬ ‫‪16227 50(18) 2‬‬
‫‪s12‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.551‬‬
‫‪i 1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪49‬‬ ‫‪49‬‬
‫العينة الثانية‪:‬‬

‫‪x2   ‬‬
‫‪x 735‬‬
‫‪ 17.5‬‬
‫‪n2‬‬ ‫‪42‬‬
‫‪‬‬
‫‪2‬‬
‫‪x 2 nx‬‬ ‫‪12924 42(17.5) 2‬‬
‫‪s22‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1.5‬‬
‫‪n 1‬‬ ‫‪n 1‬‬ ‫‪41‬‬ ‫‪41‬‬
‫بالتالي لدينا من أجل المجتمع‪:‬‬
‫)‪n1 X1  n2 X 2 50(18)  42(17.5‬‬
‫‪ˆ ‬‬ ‫‪‬‬ ‫‪ 17.772‬‬
‫‪n1  n2‬‬ ‫‪50  42‬‬
‫)‪(n1  1) S12  (n2  1) S22 49(0.551)  41(1.5‬‬
‫‪ˆ ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ 0.984‬‬
‫‪n1  n2  2‬‬ ‫‪50  42  2‬‬
‫من أجل درجة الثقة ‪:95%‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪215‬‬

 ‫‪0.984‬‬ ‫‪0.984‬‬
‫‪17.772  1.645‬‬ ‫‪<   17.772  1.645‬‬
‫‪92‬‬ ‫‪92‬‬
‫‪17.603<   17.941‬‬

‫توجيه في حال الخطأ‪ :‬راجع الفقرة ‪2‬‬

‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪216‬‬

 ‫جداول التوزيع الطبيعي القياسي‬

‫‪ISSN: 2617-989X‬‬ ‫‪217‬‬

 ‫توجيه في حال الخطأ‬ ‫اإلجابة الصحيحة‬ ‫السؤال األول‬
‫الفقرة ‪1‬‬ ‫‪b‬‬ ‫‪1‬‬
‫الفقرة ‪1‬‬ ‫‪a‬‬ ‫‪2‬‬
‫الفقرة ‪1‬‬ ‫‪c‬‬ ‫‪3‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪4‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪5‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪6‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪7‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪8‬‬
‫الفقرة ‪2‬‬ ‫‪d‬‬ ‫‪9‬‬
‫الفقرة ‪2‬‬ ‫‪c‬‬ ‫‪10‬‬
‫الفقرة ‪2‬‬ ‫‪b‬‬ ‫‪11‬‬
‫الفقرة ‪2‬‬ ‫‪a‬‬ ‫‪12‬‬

‫‪ISSN: 2617-989X‬‬ ‫‪218‬‬