‫‪4‬‬

‫ﺍﻟﺒﺎﺏ ﺍﻟﺮﺍﺑﻊ‪ :‬ﺍﻻﺭﺗﺒﺎﻁ ﻭﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺨﻄﻲ ﺍﻟﺒﺴﻴﻂ‬

‫& ‪Chapter 4: Correlation‬‬
‫‪Simple Linear Regression‬‬

‫ﺴﻨﺘﻨﺎﻭل ﻓﻲ ﻫﺫﺍ ﺍﻝﻔﺼل ‪:‬‬

‫)‪ (١‬ﻤﻔﻬﻭﻡ ﺍﻻﺭﺘﺒﺎﻁ ﻭﺃﻨﻭﺍﻋﻪ‪.‬‬
‫)‪ (٢‬ﻁﺭﻕ ﺤﺴﺎﺏ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﻤﺨﺘﻠﻔﺔ‪.‬‬
‫)‪ (٣‬ﻤﻔﻬﻭﻡ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ ﺍﻝﺒﺴﻴﻁ ﻭﺘﻁﺒﻴﻘﺎﺘﻪ ‪.‬‬
 ‫ 
ارط‬

‫ﺏ آا  اﻝة اﻝ ا !  !‪#‬ی ) &ه (‬

‫وأآ وی‪+‬ن اﻝ‪-‬ب   إذا آن هك
‪ 1‬ﺏ ه‪23‬‬
‫اﻝ!‪#‬ات و ه ‪ 5+6‬ه‪ 23‬اﻝ‪ 1‬؟ وأی  آ‪ 8‬اﻝ!‪ 9‬ﺏ;ﺡ ‬
‫ه‪3‬ی اﻝ!‪#‬ی  ﺡﻝ ! ﺏﻝ!‪ #‬ا=< ‪.‬‬
‫‪+‬ا  ? ی  ﺏ@ اﻝ?‪1‬ت دﻝ اﻝ‪-‬ل ‪ C‬اﻝزن‬
‫‪E‬ذا أردت أن  اﻝزن اﻝﻝ أد< ‪G‬ﻝ‪  F‬اﻝدﻝ ﻝ‪HI‬‬
‫وزﻥ‪ F‬اﻝﻝ ‪ ،‬و ‪L‬ا إﻝ‪ M‬ه‪ 23‬اﻝدﻝ أو إﻝ‪ M‬ه‪ 23‬اﻝ‪#N‬‬
‫ﺏ را‪ O‬اﻝ‪  1‬ﺏ اﻝ!‪#‬ی اﻝ‪-‬ل واﻝزن
‪  
? M‬‬
‫ا‪P‬اد‪.‬‬
 ‫ﺍﻻﺭﺗﺒﺎﻁ ‪Correlation‬‬
‫ارط ‪ :‬ه   وة ا ﺏ  أو 
‬
‫
ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ‪ Correlation Coefficient‬ﻫﻭ ﻤﺅﺸﺭ ﻫﺫﻩ ﺍﻝﻌﻼﻗﻪ‬
‫
ﺃﻭل ﺨﻁﻭﻩ ﻓﻰ ﺘﺤﺩﻴﺩ ﻁﺒﻴﻌﻪ ﺍﻝﻌﻼﻗﻪ ﻫﻰ ﺭﺴﻡ ﺸﻜل ﺍﻻﻨﺘﺸﺎﺭ‬

‫
ﺇﺫﺍ ﻜﺎﻥ ﻝﺩﻴﻨﺎ ﻤﺘﻐﻴﺭﺍﻥ ﻓﻘﻁ ‪ .‬ﺍﻝﻤﺘﻐﻴﺭ ‪ X‬ﻭﻫﻭ ﻤﺘﻐﻴﺭ ﻴﺘﻡ ﺘﺤﺩﻴﺩﻩ ﻤﻥ ﻗﺒل‬
‫ﺍﻝﺒﺎﺤﺙ ﺃﻭ ﺍﻝﺸﺨﺹ ﺍﻝﺫﻱ ﻴﻘﻭﻡ ﺒﺎﻝﺩﺭﺍﺴﺔ ﻭﻫﻭ ﻴﺴﻤﻰ ﺒﺎﻝﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل‬
‫‪Independent variable‬‬

‫
ﻴﺭﺍﻓﻕ ﺍﻝﻤﺘﻐﻴﺭ‪ X‬ﻤﺘﻐﻴﺭ ﺁﺨﺭ ‪Y‬ﻭﻴﺴﻤﻰ ﺒﺎﻝﻤﺘﻐﻴﺭ ﺍﻝﺘﺎﺒﻊ ‪dependent‬‬

‫‪ variable‬ﻭﻫﻭﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻷﻥ ﻨﺘﻴﺠﺘﻪ ﻏﻴﺭ ﻤﺤﺩﺩﺓ ﻭﺘﻌﺘﻤﺩ ﻋﻠﻰ ﻗﻴﻡ‬
‫ﺍﻝﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل‬
 ‫ارط‬

‫ﺃﻨﻭﺍﻉ‬
‫ﺍﻻﺭﺘﺒﺎﻁ‬

‫ار
ط ا )ا( ) ‪Negative‬‬ ‫ار
ط ا  )ا‪#$‬دي( ) ‪Positive‬‬
‫‪ (Correlation‬ﺏ"!  ﺏ ‬ ‫‪ (Correlation‬ﺏ"!  ﺏ  )‪(x, y‬‬
‫)‪(x, y‬ﺏ‪ *+‬إذا  أ' ا& ‪$%‬ن‬ ‫ﺏ‪ *+‬إذا  أ' ا& ‪$%‬ن ا‪,%  -.‬‬
‫ا‪ ,%  -.‬ا‪ 12‬ا&‪0‬د‪.‬‬ ‫!‪ 45‬ا‪..12‬‬
‫‪ 5+6‬اﻥ!‪Q‬ر اﻝ‪U‬ص ﺏرط اﻝ‪S‬ﻝ‪R‬‬ ‫‪ 5+6‬اﻥ!‪Q‬ر ا)ص ﺏر
ط‬
‫)اﻝ‪(S+‬‬ ‫ا  )ا‪#$‬دي(‬

‫‪ 5+6‬اﻥ!‪Q‬ر اﻝ‪U‬ص ﺏﻝ‪ V1‬اﻝ‪V-< #‬‬ ‫‪ 5+6‬اﻥ!‪Q‬ر اﻝ‪U‬ص ﺏ‪1!O‬ل‬

‫ﺏ !‪#‬ی )&ه (‬ ‫!‪#‬ی )&ه (‬
 ‫ﺷﻜﻞ ﺍﻻﻧﺘﺸﺎﺭ ‪Scatter Plot‬‬

‫ارط ‪G‬دي‬ ‫ارط ‪G‬دي ي‬ ‫ارط ‪G‬دي م‬

‫ارط
‪S+‬‬ ‫ارط
‪ S+‬ي‬ ‫ارط
‪ S+‬م‬
 ‫ﻗﻴﺎﺱ ﺍﻻﺭﺗﺒﺎﻁ‬
‫
ﺘﺴﺘﺨﺩﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻝﻘﻴﺎﺱ ﺩﺭﺠﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ) ﻅﺎﻫﺭﺘﻴﻥ( ‪.‬‬
‫
ﺘﻌﺭﻴﻑ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ‪:‬‬
‫ﻴﻌﺭﻑ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﺍﻝﺫﻱ ﻴﺭﻤﺯ ﻝﻪ ﺒﺎﻝﺭﻤﺯ ‪ r‬ﺒﺄﻨﻪ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﻘﻴﺎﺱ ﺭﻗﻤﻲ‬
‫ﻴﻘﻴﺱ ﻗﻭﺓ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ‪ ،‬ﺤﻴﺙ ﺘﺘﺭﺍﻭﺡ ﻗﻴﻤﺘﻪ ﺒﻴﻥ‬
‫)‪ (+1‬ﻭ )‪ ، (-1‬ﺃﻱ ﺃﻥ ‪−1 ≤ r ≤ +1‬‬
‫ﻭﺘﺩل ﺇﺸﺎﺭﺓ ﺍﻝﻤﻌﺎﻤل ﺍﻝﻤﻭﺠﺒﺔ ﻋﻠﻰ ﺍﻝﻌﻼﻗﺔ ﺍﻝﻁﺭﺩﻴﺔ ‪،‬‬
‫ﺒﻴﻨﻤﺎ ﺘﺩل ﺇﺸﺎﺭﺓ ﺍﻝﻤﻌﺎﻤل ﺍﻝﺴﺎﻝﺒﺔ ﻋﻠﻰ ﺍﻝﻌﻼﻗﺔ ﺍﻝﻌﻜﺴﻴﺔ ‪.‬‬
‫
ﻴﻤﻜﻥ ﺤﺴﺎﺏ ﺍﻝﻌﺩﻴﺩ ﻤﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻭﻴﻌﺘﻤﺩ ﺫﻝﻙ ﻋﻠﻰ ﻤﺴﺘﻭﻯ ﺍﻝﻘﻴﺎﺱ‬
‫)ﺍﺴﻤﻲ – ﺘﺭﺘﻴﺒﻲ – ﻓﺘﺭﺓ – ﻨﺴﺒﻲ ( ﻝﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﺘﻲ ﺘﺒﺩﻭ ﻤﺭﺘﺒﻁﺔ ‪.‬‬
 ‫ﻗﻴﺎﺱ ﺍﻻﺭﺗﺒﺎﻁ‬
‫ﻭﺍﻟﺠﺪﻭﻝ ﺍﻟﺘﺎﻟﻲ ﻳﻮﺿﺢ ﺃﻧﻮﺍﻉ ﺍﻻﺭﺗﺒﺎﻁ ﻭﺍﺗﺠﺎﻩ ﺍﻟﻌﻼﻗﺔ ﻭﺷﻜﻞ ﺍﻻﻧﺘﺸﺎﺭ ﻟﻜﻞ ﻧﻮﻉ ‪:‬‬
‫ﺍﻝﻤﻌﻨﻰ‬ ‫ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬
‫ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﺘﺎﻡ‬ ‫‪+1‬‬
‫ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻗﻭﻱ‬ ‫ﻤﻥ ‪ 0.70‬ﺇﻝﻰ ‪0.99‬‬
‫ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻤﺘﻭﺴﻁ‬ ‫ﻤﻥ ‪ 0.50‬ﺇﻝﻰ ‪0.69‬‬
‫ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻀﻌﻴﻑ‬ ‫ﻤﻥ ‪ 0.01‬ﺇﻝﻰ ‪0.49‬‬
‫ﻻ ﻴﻭﺠﺩ ﺍﺭﺘﺒﺎﻁ‬ ‫‪0‬‬

‫و   ارط ا دي  ‬

‫ارط ا  ) ‪ $‬و‪ $%‬إ"رة ﺱ  (‬
 ‫‪ -١‬ﻣﻌﺎﻣﻞ ﺑﻴﺮﺳﻮﻥ ﻟﻼﺭﺗﺒﺎﻁ ﺍﻟﺨﻄﻲ‬
‫‪Pearson Linear Correlation Coefficient‬‬
‫
ﻤﻌﺎﻤل ﺒﻴﺭﺴﻭﻥ ﻝﻼﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ﻤﻥ ﺃﻜﺜﺭ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ‬
‫ﺍﺴﺘﺨﺩﺍﻤﹰﺎ ﺨﺎﺼﺔ ﻓﻲ ﺍﻝﻌﻠﻭﻡ ﺍﻹﻨﺴﺎﻨﻴﺔ ﻭ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ‪.‬‬

‫
ﻭ ﻤﺴﺘﻭﻯ ﺍﻝﻘﻴﺎﺱ ﺍﻝﻤﻁﻠﻭﺏ ﻋﻨﺩ ﺘﻁﺒﻴﻕ ﻤﻌﺎﻤل ﺒﻴﺭﺴﻭﻥ ﻝﻼﺭﺘﺒﺎﻁ‬

‫ﻫﻭ ﺃﻥ ﻴﻜﻭﻥ ﻜﻼ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﻤﻘﻴﺎﺱ ﻓﺘﺭﺓ ﺃﻭ ﻨﺴﺒﻲ ﺃﻭ ﺒﻤﻌﻨﻰ ﺍﺨﺭ‬
‫ﺃﻥ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺕ ﻜﻼ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ) ﺍﻝﻅﺎﻫﺭﺘﻴﻥ( ﺒﻴﺎﻨﺎﺕ ﻜﻤﻴﺔ ‪.‬‬
 ‫‪ -1‬ﻣﻌﺎﻣﻞ ﺑﻴﺮﺳﻮﻥ ﻟﻼﺭﺗﺒﺎﻁ ﺍﻟﺨﻄﻲ‬
‫
ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺒﻴﺭﺴﻭﻥ ﻝﻼﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ‪:‬‬

‫ﻴﻤﻜﻥ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺒﻴﺭﺴﻭﻥ ﺒﺩﻻﻝﺔ ﺍﻝﻘﺭﺍﺀﺍﺕ ﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ‪y , x‬‬

‫‪ ,‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻝﺼﻴﻐﺔ ﺍﻝﺘﺎﻝﻴﺔ‪:‬‬
‫) ‪n∑ xy − (∑ x)(∑ y‬‬
‫= ‪rp‬‬
‫) ‪(n∑ x 2 − (∑ x) 2 )(n∑ y 2 − (∑ y ) 2‬‬
‫ﺤﻴﺙ ‪:‬‬
‫‪n‬‬

‫‪ : ∑x y‬ﻤﺠﻤﻭﻉ ﺤﺎﺼل ﻀﺭﺏ ‪x‬ﻓﻲ ‪y‬‬ ‫‪i =1‬‬

‫‪i‬‬ ‫‪i‬‬

‫‪ : ∑ x‬ﻤﺠﻤﻭﻉ ﻗﻴﻡ ﺍﻝﻤﺘﻐﻴﺭ ‪x‬‬

‫‪ : ∑ y‬ﻤﺠﻤﻭﻉ ﻗﻴﻡ ﺍﻝﻤﺘﻐﻴﺭ ‪y‬‬
‫‪2‬‬
‫‪ : ∑ x‬ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻗﻴﻡ ﺍﻝﻤﺘﻐﻴﺭ ‪x‬‬
‫‪ : ∑ y‬ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻗﻴﻡ ﺍﻝﻤﺘﻐﻴﺭ ‪y‬‬
‫‪2‬‬
 ‫ﻤﺜﺎل )‪:(2 - 4‬‬ ‫
‬
‫ﺴ‪‬ﺠﻠﺕ ﺴﺕ ﻗﺭﺍﺀﺍﺕ ﺘﻘﺭﻴﺒﻴﺔ ﻝﺤﺠﻡ ﺍﻹﻨﺘﺎﺝ ﻭﺤﺠﻡ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻨﻔﻁ ﺍﻝﺨﺎﻡ ﺒﺎﻝﻤﻤﻠﻜﺔ ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ )ﺒﺎﻝﻤﻠﻴﺎﺭ ﺒﺭﻤﻴل( ﺨﻼل‬
‫ﻋﺩﺓ ﺴﻨﻭﺍﺕ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫ﺍﺩﺭﺱ ﻭﺠﻭﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﺨﻁﻴﺔ ﺒﻴﻥ ﺤﺠﻡ ﺍﻹﻨﺘﺎﺝ ﻭﺤﺠﻡ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻨﻔﻁ ﺍﻝﺨﺎﻡ‪.‬‬
‫
ﺍﻝﺤل ‪:‬‬

‫) ‪6 ( 24 ) − (15 )( 9‬‬
‫= ‪rp‬‬ ‫=‬
‫‪2‬‬ ‫‪2‬‬
‫) ‪(( 6 × 41 ) − 15 )(( 6 × 15 ) − 9‬‬
‫‪144 − 135‬‬ ‫‪9‬‬ ‫‪9‬‬
‫=‬ ‫=‬ ‫‪= 0 . 65‬‬
‫) ‪( 246 − 225 )( 90 − 81‬‬ ‫‪189‬‬ ‫‪13‬‬ ‫‪.‬‬ ‫‪75‬‬

‫ﻤﻥ ﺍﻝﻤﻼﺤﻅ ﺃﻥ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ﺒﻴﻥ ﺤﺠﻡ ﺍﻹﻨﺘﺎﺝ ﻭﺤﺠﻡ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻨﻔﻁ ﺍﻝﺨﺎﻡ ﻋﻼﻗﺔ ﻁﺭﺩﻴﺔ ﻤﺘﻭﺴﻁﺔ‪.‬‬
 ‫
ﻤﺜﺎل )‪: (1 - 4‬‬
‫ﻝﺩﺭﺍﺴﺔ ﻋﻼﻗﺔ ﺍﻝﺼﺎﺩﺭﺍﺕ ﺒﺎﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ ﺨﻼل ﻋﺩﺓ ﺴﻨﻭﺍﺕ‪ ،‬ﺃﺨﺫﻨﺎ ﻋﺸﺭ ﻗﺭﺍﺀﺍﺕ ﺘﻘﺭﻴﺒﻴﺔ ﻝﻘﻴﻤﺔ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻤﻤﻠﻜﺔ‬
‫ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ )‪(x‬ﻭﻗﻴﻤﺔ ﺍﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ )‪(y‬ﺒﻌﺸﺭﺍﺕ ﺍﻝﻤﻠﻴﺎﺭﺍﺕ ﺭﻴﺎل ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫ﺍﺤﺴﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ‪ ،‬ﻤﺎ ﻤﺩﻯ ﻗﻭﺓ ﺍﻝﻌﻼﻗﺔ ﺍﻝﺨﻁﻴﺔ؟‬

‫
ﺍﻝﺤل ‪:‬‬

‫)‪10(1314) − (171)(69‬‬
‫= ‪rp‬‬ ‫=‬
‫‪2‬‬ ‫‪2‬‬
‫) ‪((10 × 3107) − 171 )((10 × 585) − 69‬‬
‫‪13140 − 11799‬‬ ‫‪1341‬‬ ‫‪1341‬‬
‫=‬ ‫=‬ ‫‪= 0.95‬‬
‫)‪(31070 − 29241)(5850 − 4761‬‬ ‫‪18291089‬‬ ‫‪1411‬‬‫‪.‬‬‫‪30‬‬

‫ﻤﻥ ﺍﻝﻤﻼﺤﻅ ﺃﻥ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ﺒﻴﻥ ﻗﻴﻤﺔ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻤﻤﻠﻜﺔ ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ ﻭﻗﻴﻤﺔ ﺍﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ‬
‫ﻤﻭﺠﻭﺩﺓ ﻭﻫﻲ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻴﺔ ﻗﻭﻴﺔ‪.‬‬
 /‫ هﻡ‬.*+,‫ﻡ‬
‫ورة م وﺝد‬0‫ ﺏ‬,E  ‫ًا‬5G ‫وي‬I ‫ن‬J‫ ﺏ‬K & L!‫•إذا آ‬
‫ل‬S‫ـ‬N&‫ ا‬K‫ـ‬NJ UNV .,NO- P ‫  ﺝ ارط‬Q‫ارط ﺏ ا& و‬
‫ز‬2‫ـ‬NNNNNN!Z‫[ ا‬NNNNNN(Anxiety) WV‫ـ‬NNNNNNX‫ ا‬NNNNNN‫ـ ﺏ‬NNNNNN‫ ا‬NNNNNNJ‫ درا‬E‫ـ‬NNNNNN
‫ ا_^] \داد‬WV ‫&[ زدة‬%. O- P  ‫ه‬2!(Performance)
NV 
'N` WNVX‫دة ا‬N‫ أن ز‬2! E V' U'‫ و‬K&‫ز ا‬2!$‫اه& ﺏ‬
N+‫ ا‬1aN‫ ه‬,N5% baN ،‫ز‬N2!Z‫ ا‬NVX‫ `'ً ﺏ‬WVX‫ن ا‬Q [‫ اا‬,%. ‫ز‬2!Z‫ا‬
‫^م‬NNJ‫ وإذا ا‬.NNE+E NN dNNG ًNNJE 4NN ‫ط‬NN‫ن ر‬NNJ‫ ﺏ‬KNN
NNV 4NN^‫ ﺏ‬,NN‫ ه‬NN2E‫ن ا‬$NN% ‫ت‬NN!‫ ا‬1aNN‫ ه‬KNNS dNNG ‫ن‬NNJ‫ ﺏ‬KNN
KNN ‫ر‬NN_!‫ ا‬KQNN‫ة ﺵ‬NNg% ًNNV& hNN0 baNN‫وﺏ‬. NN&‫ ا‬NN‫ ﺏ‬NNXX+‫ا‬
.‫ن رط‬J‫ ﺏ‬K ‫ب‬I' ,% ‫ا_ـوع‬
 ‫‪ - 2‬ﻣﻌﺎﻣﻞ ﺳﺒﻴﺮﻣﺎﻥ ﻻﺭﺗﺒﺎﻁ ﺍﻟﺮﺗﺐ‬
‫‪Spearman Rank Correlation Coefficient‬‬

‫
ﻨﺴﺘﺨﺩﻡ ﻤﻌﺎﻤل ﺴﻴﺒﺭﻤﺎﻥ ﻻﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ‬

‫ﺇﺫﺍ ﻜﺎﻥ ﻗﻴﺎﺱ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﻜﻠﻴﻬﻤﺎ ﻤﻘﻴﺎﺱ ﺘﺭﺘﻴﺒﻲ ‪.‬‬
‫
ﻁﺭﻴﻘﺔ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺴﺒﻴﺭﻤﺎﻥ ﻻﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ‪:‬‬
‫ﺇﺫﺍ ﻓﺭﻀﻨﺎ ﺃﻥ ﺍﻝﻤﺘﻐﻴﺭ ‪ X‬ﻝﻪ ﺍﻝﺭﺘﺏ ‪ Rx‬ﻭﺃﻥ ﺍﻝﻤﺘﻐﻴﺭ ‪ Y‬ﻝﻪ ﺍﻝﺭﺘﺏ ‪ .Ry‬ﻭﺒﻔﺭﺽ‬
‫ﺃﻥ ‪ d‬ﺘﺭﻤﺯ ﻝﻔﺭﻕ ﺍﻝﺭﺘﺒﺘﻴﻥ‪ ،‬ﺒﻤﻌﻨﻰ ‪ . d = R x − R y‬ﻓﺈﻥ ﻤﻌﺎﻤل ﺴﺒﻴﺭﻤﺎﻥ‬
‫ﻻﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ﻴ‪‬ﻌﻁﻰ ﺒﺎﻝﺼﻴﻐﺔ ﺍﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪6∑ d 2‬‬
‫‪rs = 1 −‬‬
‫)‪n(n 2 − 1‬‬
‫ﺤﻴﺙ ‪ n‬ﻫﻲ ﻋﺩﺩ ﺍﻷﺯﻭﺍﺝ ﺍﻝﻤﺭﺘﺒﺔ ‪.‬‬
 ‫ﻤﺜﺎل )‪: (4 - 4‬‬ ‫
‬
‫ﻝﺩﺭﺍﺴﺔ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﺘﻘﺩﻴﺭﺍﺕ ﺍﻝﻁﻼﺏ ﻓﻲ ﻤﺎﺩﺓ ﺍﻹﺤﺼﺎﺀ ﻭﺘﻘﺩﻴﺭﺍﺘﻬﻡ ﻓﻲ ﻤﺎﺩﺓ‬ ‫
‬
‫ﺍﻝﺭﻴﺎﻀﻴﺎﺕ‪ ،‬ﺍﺨﺘﺭﻨﺎ ﺜﻤﺎﻥ ﻁﻼﺏ ﻭﻜﺎﻨﺕ ﺘﻘﺩﻴﺭﺍﺘﻬﻡ ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬

‫ﻫل ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ؟ ﻤﺎ ﻨﻭﻋﻬﺎ ﻭﻤﺩﻯ ﻗﻭﺘﻬﺎ؟‬

‫
ﺍﻝﺤل‪:‬‬

‫‪6∑ d 2‬‬ ‫)‪(6)(8‬‬ ‫‪48‬‬

‫‪rs = 1 −‬‬ ‫‪= 1−‬‬ ‫‪= 1−‬‬ ‫‪= 1 − 0.4 = 0.6‬‬
‫)‪n (n 2 − 1‬‬ ‫)‪5(25 − 1‬‬ ‫‪120‬‬
‫ﻨﻼﺤﻅ ﻭﺠﻭﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻴﺔ ﻤﺘﻭﺴﻁﺔ ﺒﻴﻥ ﺘﻘﺩﻴﺭﺍﺕ ﺍﻝﻁﻼﺏ ﻓﻲ ﻤﺎﺩﺓ ﺍﻹﺤﺼﺎﺀ‬
‫ﻭﺘﻘﺩﻴﺭﺍﺘﻬﻡ ﻓﻲ ﻤﺎﺩﺓ ﺍﻝﺭﻴﺎﻀﻴﺎﺕ‪.‬‬
 ‫
ﻤﺜﺎل )‪: (5 - 4‬‬
‫
ﻓﻲ ﺩﺭﺍﺴﺔ ﻝﻤﻌﺭﻓﺔ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ ﻭﻁﻭل ﺍﻷﻨﺎﺒﻴﺏ )ﺒﺎﻝﻜﻴﻠﻭﻤﺘﺭ( ﺍﻝﻨﺎﻗﻠﺔ ﻝﻠﻨﻔﻁ ﺍﻝﺨﺎﻡ ﺒﺎﻝﻤﻤﻠﻜﺔ‬
‫ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ ﺨﻼل ﻋﺩﺓ ﺴﻨﻭﺍﺕ‪ ،‬ﺴﺠﻠﺕ ﺴﺒﻊ ﻗﺭﺍﺀﺍﺕ ﻋﻠﻰ ﺍﻝﻨﺤﻭ ﺍﻝﺘﺎﻝﻲ‪:‬‬

‫ﻫل ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﻭﻁﻭل ﺍﻷﻨﺎﺒﻴﺏ؟‬

‫ﺍﻝﺤل‪:‬‬

‫‪6∑ d 2‬‬ ‫)‪(6)(4‬‬ ‫‪24‬‬

‫‪rs = 1 −‬‬ ‫‪= 1−‬‬ ‫‪= 1−‬‬ ‫‪= 1 − 0.07 = 0.93‬‬
‫)‪n (n 2 − 1‬‬ ‫)‪7(49 − 1‬‬ ‫‪336‬‬

‫ﻨﻼﺤﻅ ﻭﺠﻭﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻴﺔ ﻗﻭﻴﺔ ﺒﻴﻥ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ ﻭﻁﻭل ﺍﻷﻨﺎﺒﻴﺏ ﺍﻝﻨﺎﻗﻠﺔ ﻝﻠﻨﻔﻁ ﺍﻝﺨﺎﻡ‪ ،‬ﻋﻠﻤ ﹰﺎ ﺒﺄﻨﻨﺎ‬
‫ﺍﺴﺘﺨﺩﻤﻨﺎ ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺴﺒﻴﺭﻤﺎﻥ )ﺍﻝﺭﺘﺏ( ﻝﻭﺠﻭﺩ ﺃﺭﻗﺎﻡ ﻜﺒﻴﺭﺓ ﻓﻲ ﺍﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ‪.‬‬
 ‫
ﻤﺜﺎل )‪: (6 - 4‬‬
‫ﻋﻨﺩ ﺘﻘﻴﻴﻡ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻝﻨﺎﻗﺩﻴﻥ ﺍﻝﺭﻴﺎﻀﻴﻴﻥ ﻝﻌﺩﺩ ‪10‬ﻤﻥ ﺍﻝﻼﻋﺒﻴﻥ ﺘﺒﻌ ﹰﺎ ﻝﻠﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻗﺒل‬
‫ﺍﻝﻤﺴﺎﺒﻘﺔ ﻭﺘﺭﺘﻴﺏ ﻫﺅﻻﺀ ﺍﻝﻼﻋﺒﻴﻥ ﺒﻌﺩ ﺍﻝﻤﺴﺎﺒﻘﺔ ﻜﺎﻥ ﺍﻝﺘﺭﺘﻴﺏ ﺍﻝﺘﺎﻝﻲ ‪:‬‬

‫ﻓﺎﺤﺴﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻝﺩﺭﺍﺴﺔ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻭﺍﻝﺘﺭﺘﻴﺏ ﺍﻝﻨﻬﺎﺌﻲ‪.‬‬
‫
ﺍﻝﺤل‪:‬‬

‫‪6∑ d 2‬‬ ‫)‪(6)(10‬‬ ‫‪60‬‬

‫‪rs = 1 −‬‬ ‫‪= 1−‬‬ ‫‪= 1−‬‬ ‫‪= 1 − 0.06 = 0.94‬‬
‫)‪n ( n 2 − 1‬‬ ‫)‪10(99‬‬ ‫‪990‬‬

‫ﻫﺫﺍ ﺍﻻﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻗﻭﻱ‪ ،‬ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﻜﻠﻤﺎ ﺯﺍﺩ ﺍﻝﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻜﻠﻤﺎ ﺘﻡ ﺍﻝﺤﺼﻭل ﻋﻠﻰ ﺘﺭﺘﻴﺏ ﻤﺘﻘﺩﻡ‪.‬‬
 ‫‪ - 3‬ﻣﻌﺎﻣﻞ ﺍﻻﻗﺘﺮﺍﻥ )ﻓﺎﻱ(‬
‫
ﻤﻌﺎﻤل ﺍﻗﺘﺭﺍﻥ "ﻓﺎﻯ" ﻴﺴﺘﺨﺩﻡ ﻝﻘﻴﺎﺱ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ﺍﺴﻤﻴﻴﻥ‬
‫ﻜل ﻤﻨﻬﻤﺎ ﺜﻨﺎﺌﻲ ﺍﻝﺘﻘﺴﻴﻡ‪ ،‬ﻜﺎﻝﻨﻭﻉ )ﺫﻜﺭ‪/‬ﺃﻨﺜﻰ( ﻭﺍﻹﺼﺎﺒﺔ ﺒﺎﻝﻤﺭﺽ‬
‫)ﻤﺼﺎﺏ‪/‬ﻏﻴﺭ ﻤﺼﺎﺏ( ﻭﺍﻝﺘﺩﺨﻴﻥ )ﻤﺩﺨﻥ‪/‬ﻏﻴﺭ ﻤﺩﺨﻥ(‪...‬ﺍﻝﺦ‪.‬‬
‫‪X1‬‬ ‫ﺍﻝﻤﺠﻤﻭﻉ ‪X2‬‬
‫‪Y1‬‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪a+b‬‬
‫‪Y2‬‬ ‫‪c‬‬ ‫‪d‬‬ ‫‪c+d‬‬
‫ﺍﻝﻤﺠﻤﻭﻉ‬ ‫‪a+c‬‬ ‫‪b+d‬‬

‫ﻤﻌﺎﻤل ﻓﺎﻱ ﻝﻼﻗﺘﺭﺍﻥ ﻴﻌﻁﻰ ﻓﻲ ﺍﻝﺼﻭﺭﺓ ﺍﻝﺘﺎﻝﻴﺔ ‪:‬‬

‫‪ad − bc‬‬
‫= ‪rφ‬‬
‫) ‪(a + b)(c + d )(a + c)(b + d‬‬
 ‫ﻤﺜﺎل ) ‪:( ٧-٤‬‬
‫ﺃﻭﺠﺩ ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﻗﺘﺭﺍﻥ ﺒﻴﻥ ﺍﻝﻨﻭﻉ ‪) x‬ﺫﻜﺭ‪ /‬ﺃﻨﺜﻰ( ﻭﺍﻹﺼﺎﺒﺔ ﺒﻤﺭﺽ ﺍﻻﻜﺘﺌﺎﺏ ‪Y‬‬
‫)ﻤﺼﺎﺏ‪ /‬ﻏﻴﺭ ﻤﺼﺎﺏ( ﺤﺴﺏ ﺍﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﺘﺎﻝﻴﺔ ‪:‬‬
‫ﺍﻻﻜﺘﺌﺎﺏ‬ ‫ﻏﻴﺭ ﻤﺼﺎﺏ ﻤﺼﺎﺏ‬
‫ﺍﻝﻨﻭﻉ‬
‫ﺫﻜﺭ‬ ‫‪12‬‬ ‫‪8‬‬ ‫ﺍﻝﺤل ‪:‬‬
‫ﺃﻨﺜﻰ‬ ‫‪4‬‬ ‫‪6‬‬ ‫ﻻ ﺍﻝﻤﺠﺎﻤﻴﻊ ﺍﻝﻬﺎﻤﺸﻴﺔ ﻜﻤﺎ ﻓﻲ ﺍﻝﺠﺩﻭل ﺍﻝﺘﺎﻝﻲ ‪:‬‬
‫ﻨﻭﺠﺩ ﺃﻭ ﹰ‬
‫ﺍﻻﻜﺘﺌﺎﺏ‬ ‫ﻤﺼﺎﺏ‬ ‫ﻏﻴﺭ ﻤﺼﺎﺏ‬ ‫ﺍﻝﻤﺠﻤﻭﻉ‬
‫ﺍﻝﻨﻭﻉ‬ ‫ﻭﻋﻠﻴﻪ ﻓﺈﻥ ‪:‬‬
‫ﺫﻜﺭ‬ ‫‪12‬‬ ‫‪8‬‬ ‫‪20‬‬ ‫‪a= 12‬‬
‫ﺃﻨﺜﻰ‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪10‬‬ ‫‪b=8‬‬
‫ﺍﻝﻤﺠﻤﻭﻉ‬ ‫‪16‬‬ ‫‪14‬‬ ‫‪30‬‬ ‫‪c=4‬‬
‫‪d=6‬‬
‫‪ad − bc‬‬ ‫‪12 × 6 − 8 × 4‬‬
‫= ‪rφ‬‬ ‫=‬
‫) ‪(a + b)(c + d )(a + c)(b + d‬‬ ‫‪20 ×10 ×16 ×14‬‬
‫‪72 − 32‬‬ ‫‪40‬‬
‫=‬ ‫=‬ ‫‪≈ 0.19‬‬
‫‪44800 211.66‬‬ ‫أي أﻥ‪ V‬ﺝ
‪ 1‬ﺽ‪ 8‬ﺏ اﻝع وا]‪L‬ﺏ ﺏض اآ![ب ‪.‬‬
 ‫‪ - 4‬ﻣﻌﺎﻣﻞ ﺑﻮﻳﻨﺖ ﺑﺎﻳﺴﻴﺮﻳﺎﻝ ﻟﻼﺭﺗﺒﺎﻁ‬
‫‪Point Biserial Correlation Coefficient‬‬

‫ﻤﻌﺎﻤل ﺒﻭﻴﻨﺕ ﺒﺎﻴﺴﻴﺭﻴﺎل‬

‫)‪(Point Biserial correlation coefficient‬‬
‫ﻴﺴﺘﺨﺩﻡ ﻝﻘﻴﺎﺱ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭ ﻜﻤﻲ ‪ X‬ﻭﻤﺘﻐﻴﺭ ﺍﺴﻤﻲ‬
‫‪)Y‬ﺫﻱ ﻤﺴﺘﻭﻴﻴﻥ ( ﻜﺎﻹﺠﺎﺒﺔ )ﻨﻌﻡ – ﻻ(‪ ،‬ﺃﻭ ﺍﻝﺠﻨﺱ )ﺫﻜﺭ ﺃﻨﺜﻰ(‪...‬ﺍﻝﺦ‪،‬‬
‫ﻭﻴﺴﺘﺨﺩﻡ ﻝﻘﻴﺎﺱ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭ ﻜﻤﻲ ﻭﻤﺘﻐﻴﺭ ﺍﺴﻤﻲ‪..‬‬
 ‫ﻤﻼﺤﻅﺎﺕ ﻫﺎﻤﺔ ‪:‬‬

‫ﻭﻤﻤﺎ ﺴﺒﻕ ﻴﺘﻀﺢ ﺃﻥ ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ﻴﻤﻜﻥ ﺤﺴﺎﺒﻪ ﺴﻭﺍ ‪‬ﺀ ﺃﻜﺎﻨﺕ ﺍﻝﺒﻴﺎﻨﺎﺕ‬ ‫
‬
‫ﻜﻤﻴﺔ ﺃﻭ ﻭﺼﻔﻴﺔ ﺒﻴﻨﻤﺎ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ( ﻻ ﻴﻤﻜﻥ ﺤﺴﺎﺒﻪ ﺇﻻ ﻋﻠﻰ‬
‫ﺍﻝﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﻜﻤﻴﺔ‪.‬‬

‫ﻴﺘﻤﻴﺯ ﻤﻌﺎﻤل ﺴﻴﺒﺭﻤﺎﻥ ﻻﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ﺒﺴﻬﻭﻝﺔ ﺤﺴﺎﺒﻪ ﺤﺘﻰ ﻝﻭ ﻜﺎﻨﺕ ﺍﻝﺒﻴﺎﻨﺎﺕ ﻏﻴﺭ‬ ‫
‬
‫ﻤﺭﺘﺒﺔ‪.‬‬

‫ﻴﻌﺎﺏ ﻋﻠﻴﻪ ﺇﻫﻤﺎﻝﻪ ﻝﻔﺭﻭﻕ ﺍﻷﻋﺩﺍﺩ ﻋﻨﺩ ﺤﺴﺎﺏ ﺍﻝﺭﺘﺏ ﻭﺒﺎﻝﺘﺎﻝﻲ ﻓﻬﻭ ﺃﻗل ﺩﻗﺔ‪.‬‬ ‫
‬

‫ﻴﺼﻌﺏ ﺤﺴﺎﺒﻪ ﻝﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﻌﺎﺩﻴﺔ ﺇﺫﺍ ﻜﺎﻨﺕ ﻜﺒﻴﺭﺓ ﺍﻝﻌﺩﺩ‪ ،‬ﻭﻝﺫﻝﻙ ﻴﻔﻀل ﺍﺴﺘﺨﺩﺍﻤﻪ‬ ‫
‬
‫ﻝﺘﺤﺩﻴﺩ ﺩﺭﺠﺔ ﺍﺭﺘﺒﺎﻁ ﺒﻴﺎﻨﺎﺕ ﻜﻤﻴﺔ ﻋﺩﺩﻫﺎ ﺃﻗل ﻤﻥ ‪30‬‬
 ‫ﺍﻻﻧﺤﺪﺍﺭ‬
‫‪ .١‬ا‪Prediction lE‬‬
‫ه ‪ X‬ا‪ &X‬ا&‪ & VXI‬وا' ﺏ‪ً E‬ء ‪% UV‬‬
‫‪  w‬أ‪-‬‬
‫و ‪:,% !5‬‬
‫
ﺘﺤﺩﻴﺩ ﺸﻜل ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺭﻴﺎﻀﻴﺎ ﻭﺒﻴﺎﻨﻴﺎ )‬
‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ (‪.‬‬
‫
ﺘﻭﻀﻴﺢ ﺍﺘﺠﺎﻩ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ‪.‬‬
‫
ﺍﻝﺘﻨﺒﺅ ﺒﻘﻴﻤﺔ ﺃﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺒﺩﻻﻝﺔ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻵﺨﺭ ‪.‬‬
 ‫ﺍﻻﻧﺤﺪﺍﺭ ‪Regression‬‬
‫ﻭﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ ﺃﺴﻠﻭﺏ ﻴﻤﻜﻥ ﺒﻭﺍﺴﻁﺘﻪ ﺘﻘﺩﻴﺭ ﻗﻴﻤﺔ ﺃﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺒﻤﻌﻠﻭﻤﻴﺔ‬ ‫
‬
‫ﻗﻴﻤﺔ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻵﺨﺭ ﻋﻥ ﻁﺭﻴﻕ ﻤﻌﺎﺩﻝﺔ ﺍﻻﻨﺤﺩﺍﺭ‪ ،‬ﻭﻝﻪ ﺃﻨﻭﺍﻉ ‪:‬‬

‫ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ ﺍﻝﺒﺴﻴﻁ ‪ :‬ﻓﻜﻠﻤﺔ " ﺒﺴﻴﻁ " ﺘﻌﻨﻲ ﺃﻥ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻝﺘﺎﺒﻊ ‪Y‬‬ ‫
‬
‫ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل ﻭﺍﺤﺩ ﻭﻫﻭ ‪ X‬ﻭﻜﻠﻤﺔ " ﺨﻁﻲ" ﺘﻌﻨﻲ ﺃﻥ ﺍﻝﻌﻼﻗﺔ‬
‫ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ )‪ (X , Y‬ﻋﻼﻗﺔ ﺨﻁﻴﺔ ‪.‬‬

‫ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﻤﺘﻌﺩﺩ ‪ :‬ﺇﺫﺍ ﻜﺎﻥ ﺍﻝﻤﺘﻐﻴﺭ ‪ Y‬ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺃﻜﺜﺭ ﻤﻥ ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل‬ ‫
‬
‫‪.‬‬
‫ﺍﻻﻨﺤﺩﺍﺭ ﻏﻴﺭ ﺍﻝﺨﻁﻲ ‪ :‬ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭ‪ Y‬ﻭﺍﻝﻤﺘﻐﻴﺭﺍﺕ‬ ‫
‬
‫ﺍﻝﻤﺴﺘﻘﻠﺔ ﻏﻴﺭ ﺨﻁﻴﺔ ﻜﺄﻥ ﺘﻜﻭﻥ ﻤﻥ ﺍﻝﺩﺭﺠﺔ ﺍﻝﺜﺎﻨﻴﺔ ﺃﻭ ﺁﺴﻴﺔ‪.‬‬
 ‫ﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺨﻄﻲ ﺍﻟﺒﺴﻴﻂ‬
‫ﺒﻌﺩ ﺘﻤﺜﻴل ﺍﻷﺯﻭﺍﺝ ﺍﻝﻤﺭﺘﺒﺔ ﺒﺎﻝﻤﺴﺘﻭﻯ ﻨﺤﺼل ﻋﻠﻰ ﺸﻜل ﺍﻻﻨﺘﺸﺎﺭ ﻓﺈﺫﺍ ﺃﻅﻬﺭ‬ ‫
‬
‫ﺍﻝﺸﻜل ﺍﻻﻨﺘﺸﺎﺭﻱ ﻝﻠﺒﻴﺎﻨﺎﺕ ﺃﻥ ﻫﻨﺎﻙ ﻋﻼﻗﺔ ﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﻨﻘﻭﻡ ﺒﺘﻘﺩﻴﺭ‬
‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ‪ Y‬ﻋﻠﻰ ‪ X‬ﺒﻭﺍﺴﻁﺔ ﺍﻝﻌﻼﻗﺔ‪:‬‬

‫‪yˆ = a + bx‬‬
‫‪ :‬ﺜﺎﺒﺕ ﺍﻻﻨﺤﺩﺍﺭ ﺃﻭ ﺍﻝﺠﺯﺀ ﺍﻝﻤﻘﻁﻭﻉ ﻤﻥ ﻤﺤﻭﺭ ‪y‬‬ ‫‪a‬‬ ‫ﺤﻴﺙ‬
‫‪ :‬ﻤﻴل ﺍﻝﺨﻁ ﺍﻝﻤﺴﺘﻘﻴﻡ ﺃﻭ ﻤﻌﺎﻤل ﺍﻨﺤﺩﺍﺭ ‪ Y‬ﻋﻠﻰ ‪ ) X‬ﺃﻭ ‪( Y/X‬‬ ‫‪b‬‬
‫
ﻭﺘﺤﺴﺏ ﺍﻝﻘﻴﻤﺘﺎﻥ ‪ a‬ﻭ ‪ b‬ﻤﻥ ﺍﻝﻌﻼﻗﺘﻴﻥ ﺍﻝﺘﺎﻝﻴﺘﻴﻥ ‪:‬‬
‫ﺤﻴﺙ‪:‬‬

‫) ‪n∑ xy − (∑ x)(∑ y‬‬ ‫=‪a‬‬

‫∑‬ ‫‪y − b∑ x‬‬
‫=‪b‬‬ ‫‪2‬‬ ‫‪2‬‬
‫=‬ ‫‪n‬‬
‫)‪n∑ x − (∑ x‬‬
 ‫ﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺨﻄﻲ ﺍﻟﺒﺴﻴﻂ‬

‫
ﻹﻴﺠﺎﺩ ﻗﻴﻤﺔ ﻤﻘﺩﺭﺓ ﺠﺩﻴﺩﺓ ‪ ŷh‬ﻨﻌﻭﺽ ﺒﻘﻴﻤﺔ ﻤﻌﻠﻭﻤﺔ ﻝﻠﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل‬

‫ﻭﻝﺘﻜﻥ ‪ xh‬ﻓﻲ ﻤﻌﺎﺩﻝﺔ ﺘﻘﺩﻴﺭ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ‪Y/X‬‬

‫‪yˆ = a + bx‬‬ ‫ﻥ)ض‬

 ‫ﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺨﻄﻲ ﺍﻟﺒﺴﻴﻂ‬

‫
ﻤﻼﺤﻅﺎﺕ ﻫﺎﻤﺔ ‪:‬‬

‫ﻤﻴل ﺍﻝﺨﻁ ﻴﻤﺜل ﻜﻤﻴﺔ ﺍﻝﺘﻐﻴﺭ ﻓﻲ ‪ Y‬ﺍﻝﻤﻨﺎﻅﺭﺓ ﻝﻠﺘﻐﻴﺭ‬ ‫
‬
‫ﻓﻲ ‪ X‬ﺒﻤﻘﺩﺍﺭ ﻭﺤﺩﺓ ﻭﺍﺤﺩﺓ ‪.‬‬

‫ﺇﺸﺎﺭﺓ ﻤﻌﺎﻤل ﺍﻻﻨﺤﺩﺍﺭ ﺘﺩل ﻋﻠﻰ ﻨﻭﻉ ﺍﻻﺭﺘﺒﺎﻁ )ﻁﺭﺩﻱ ﺃﻭ‬ ‫
‬
‫ﻋﻜﺴﻲ (‬

‫ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺒﻴﻥ ﻤﻌﺎﻤل ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫
‬

‫ﺍﻝﺨﻁﻲ‬
 ‫
ﻤﺜﺎل )‪: (8 - 4‬‬
‫ﻝﺩﺭﺍﺴﺔ ﻋﻼﻗﺔ ﺍﻻﺴﺘﻬﻼﻙ ﺍﻝﻤﺤﻠﻲ )‪(y‬ﺒﺎﻹﻨﺘﺎﺝ )‪(x‬ﻝﻤﺎﺩﺓ ﺍﻹﺴﻔﻠﺕ )ﺒﺎﻝﻤﻠﻴﻭﻥ ﺒﺭﻤﻴل( ﺨﻼل ﻋﺩﺓ ﺴﻨﻭﺍﺕ‪ ،‬ﺃﺨﺫﻨﺎ‬
‫ﻋﺸﺭ ﻗﺭﺍﺀﺍﺕ ﺘﻘﺭﻴﺒﻴﺔ ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬

‫ﺃﻭﺠﺩ ﻤﻌﺎﺩﻝﺔ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ ﺍﻝﺒﺴﻴﻁ‪ ،‬ﻭﺘﻭﻗﻊ ﻗﻴﻤﺔ ﺍﻻﺴﺘﻬﻼﻙ ﻋﻨﺩﻤﺎ ﻴﺼل ﺇﻨﺘﺎﺝ ‪16,000,000‬ﺒﺭﻤﻴل ‪.‬‬
‫
ﺍﻝﺤل ‪:‬‬

‫‪n∑xy−(∑x)(∑y) 6320−(90)(65) 6320−5850 470‬‬

‫=‪b‬‬ ‫=‬ ‫=‬ ‫=‬ ‫‪= 0.36‬‬
‫‪n∑x2 −(∑x)2‬‬ ‫‪9420−902‬‬ ‫‪9420−8100 1320‬‬

‫=‪a‬‬
‫∑‬ ‫)‪y − b∑ x 65 − (0.36 × 90‬‬
‫=‬ ‫‪= 3.26‬‬
‫‪n‬‬ ‫‪10‬‬

‫‪yˆ = 3 . 26 + 0 . 36 x‬‬ ‫∴ﻤﻌﺎﺩﻝﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺒﺴﻴﻁ ﻓﻲ ﻫﺫﻩ ﺍﻝﺤﺎﻝﺔ ‪:‬‬

 ‫ﺗﺎﺑﻊ ﺣﻞ ﻣﺜﺎﻝ )‪(8 - 4‬‬
‫ﻭﻝﺘﻭﻗﻊ ﻗﻴﻤﺔ ﺍﻻﺴﺘﻬﻼﻙ ﺍﻝﻤﺤﻠﻲ ﻋﻨﺩﻤﺎ ﻴﺼل ﺍﻹﻨﺘﺎﺝ ‪16000000‬ﺒﺭﻤﻴل‪ ،‬ﻨﺤﻭل‬ ‫
‬
‫ﻭﺤﺩﺓ ﻫﺫﻩ ﺍﻝﻘﻴﻤﺔ ﻤﻥ ﺒﺭﻤﻴل ﺇﻝﻰ ﻤﻠﻴﻭﻥ ﺒﺭﻤﻴل ﺒﺎﻝﻘﺴﻤﺔ ﻋﻠﻰ ﻤﻠﻴﻭﻥ ﺃﻱ ﺃﻥ‬
‫ﺍﻝﻘﻴﻤﺔ ﺍﻝﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺘﻭﻗﻊ ﺍﻻﺴﺘﻬﻼﻙ ﻫﻲ‬
‫‪xh = 16‬‬
‫ﻭﺒﺎﻝﺘﻌﻭﻴﺽ ﻓﻲ ﺍﻝﻤﻌﺎﺩﻝﺔ ﺍﻝﺴﺎﺒﻘﺔ ﻨﺠﺩ ﺃﻥ‪:‬‬ ‫
‬

‫‪yˆ h = a + bx h‬‬
‫‪= 3.26 + 0 .36 (16 ) = 9 .02‬‬
‫ﺃﻱ ﺃﻥ ﺍﻻﺴﺘﻬﻼﻙ ﻗﺩ ﻴﺼل ﺇﻝﻰ ‪ 9.02‬ﻤﻠﻴﻭﻥ ﺒﺭﻤﻴل‪ ،‬ﺃﻱ ﻤﺎ ﻴﻌﺎﺩل ‪9020000‬‬
‫ﺒﺭﻤﻴل ﺨﻼل ﺍﻝﺴﻨﺔ‪.‬‬
‫‪ 3 – 4 – 4‬ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬
‫ﺃﺴﻠﻭﺏ ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ‬
‫ﻴﺘﻡ ﺭﺼﺩ ﺍﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﺘﻲ ﺘﻌﺒﺭ ﻋﻥ ﻅﺎﻫﺭﺓ ﻤﺎ ﻋﻨﺩ ﻨﻘﺎﻁ ﺯﻤﻨﻴﺔ ﻤﺘﺘﺎﻝﻴﺔ‪.‬‬
‫ﺃﻤﺜﻠﺔ‪:‬‬
‫ﻜﻤﻴﺔ ﺍﻝﺼﺎﺩﺭﺍﺕ ﺍﻝﺴﻨﻭﻴﺔ‬ ‫
‬

‫ﺤﺠﻡ ﺍﻝﺘﻌﺎﻤﻼﺕ ﺍﻝﺭﺒﻊ ﺍﻝﺴﻨﻭﻱ ﻓﻲ ﺍﻝﺒﻭﺭﺼﺔ‬ ‫
‬

‫ﻋﺩﺩ ﺍﻝﺠﺭﺍﺌﻡ ﺍﻝﻴﻭﻤﻴﺔ ﻓﻲ ﺇﺤﺩﻯ ﺍﻝﺒﻼﺩ‬ ‫
‬

 ‫‪ 3 – 4 – 4‬ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬

‫<; ا‪ /::‬ا‪9‬ﻡ‪/78‬‬

‫ی? ‪ ;< #‬ا‪ /::‬ا‪9‬ﻡ‪ /78‬ﻡ‪ D‬أﺏ‪#‬ز ا‪<J‬ل ا ?)‪H‬ﻡ‪ G /‬آ‪ #7E‬ﻡ‪ D‬ا ‪C‬ت ا‪ /7 :‬وا@?>دی‪/‬‬
‫وا? ‪ 97 ?
U7+ ،/7V‬ﺏ‪ T‬ا*اه‪ #‬ﺏ?‪$‬ر ﺥ‪,‬ل ا‪9‬ﻡ‪ ،D‬ﻡ‪ ;E‬أﺱاق ا رﺹ‪ /‬وا‪J‬ﺱ‪،NO‬‬
‫وﺱ‪ #‬ا‪$
.^_8‬ر أ‪HV‬اد ا ? ‪#‬ی‪ D‬وا‪CY‬ج ‪ G‬ﻡﺱ  رﻡ[ن وا‪ XY‬وا‪  8‬اﻥ‬
‫ا‪8‬ي‪  7G .‬ی‪ :‬ﻡ‪ /V C‬ﻡ‪ D‬أ<ل ا‪,‬ﺱ; ا‪9‬ﻡ‪ T  /78‬ا*اه‪ #‬ﻡ‪ D‬وا@‪ b‬ا‪7Y‬ة‪:‬‬

‫‪500000‬‬

‫‪400000‬‬
‫ﺍﳌﻴﺰﺍﻥ ﺍﻟﺘﺠﺎﺭﻱ‬

‫‪300000‬‬

‫‪200000‬‬

‫‪100000‬‬

‫‪0‬‬

‫ﺍﻟﺴﻨـــﺔ‬
 ‫‪ 3 – 4 – 4‬ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬

‫ی?)‪H‬م <; ا‪ /::‬ا‪9‬ﻡ‪#?: /78‬ف ‪ e:V‬ﻡﻥت ا‪,‬ﺱ; ا‪9‬ﻡ‪ /78‬وا?‬

‫
? ‪Y‬ر ‪ G‬أرﺏ‪ b‬ﻡﻥت‪:‬‬

‫ا
‪ cC‬ام‪ :‬وه ا‪ 12‬ا‪O‬ر ا‪a‬ي "‪ 1a-‬ا‪ VIVI‬ا\‪- E‬ل ‪%‬ة ‪  V‬ا\ ﺏ‪wP‬‬ ‫•‬
‫ ا‪a‬ﺏ‪a‬ﺏت ا&ﺝدة ﺏ
‪ ،‬و‪Q‬ن ا‪O‬ر إ ﺏ\دة أو ﺏ‪`XE‬ن‪ ،‬وﺏ‪ y‬ا‪  KJI‬ﺝ 
‬
‫ا‪.12‬‬
‫ا?‪#7g‬ات ا ﺱ ‪ :/7‬وه‪ ,‬اات ا‪Q ,‬ر ﺏ!‪z‬م ‪-‬ل ‪%‬ة ز‪ E‬أ‪  K‬ا‪ ،EI‬دة ‪,%‬‬ ‫•‬
‫ا&ا‪.wJ‬‬
‫ا?‪#7g‬ات ا‪H‬وری‪ :/‬وه‪ ,‬اات ا‪+ ,‬ث ‪% ,%‬ات ز‪ E‬أآ‪ EJ  S‬و دة آ‪ 4&- K‬أو‬ ‫•‬
‫ _ ‪EJ‬ات‪.‬‬
‫ا?‪#7g‬ات ا‪#‬ﺽ‪ :/7‬وه‪ ,‬اات ا‪+ ,‬ث !‪' 2‬ادث ‪ KS  P g2%‬ا‪!05‬ت‬ ‫•‬
‫وا| ‪ G‬وا‪+‬وب‪...‬ا}‪.‬‬
‫‪ 3 – 4 – 4‬ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬

‫ﺱ‪ /::‬ذات ا
‪V cC‬م ﺏ‪>j8‬ن‬ ‫ﺱ‪ /::‬ذات ا
‪V cC‬م ﺏ‪9‬یدة‬

‫ﺱ‪ /::‬ذات ‪V‬ﻡ; ‪#V‬ﺽ‬ ‫ﺱ‪ O k7 /::‬ا

‪V cC‬م‬
 ‫‪ 3 – 4 – 4‬ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬

‫ﺱ‪ /::‬ذات ا
‪ cC‬زیدة
‪#7g‬ات دوری‪/‬‬ ‫ﺱ‪ /::‬ذات ا
‪ cC‬زیدة و
‪#7g‬ات ﻡﺱ ‪/7‬‬
 ‫ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬ ‫‪3–4–4‬‬

‫ﻴﺘﻁﻠﺏ ﺘﺤﻠﻴل ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﻋﺎﺩﺓ ﺘﺤﻠﻴل ﺍﻝﻤﻜﻭﻨﺎﺕ ﺍﻷﺭﺒﻌﺔ ﻭﻝﻜﻥ ﻗﺩ ﺘﺨﻠﻭ‬ ‫
‬
‫ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﻤﻥ ﺍﻝﺘﻐﻴﺭﺍﺕ ﺍﻝﻤﻭﺴﻤﻴﺔ ﻭﺍﻝﺩﻭﺭﻴﺔ ﻭﺍﻝﻌﺭﻀﻴﺔ‪ ،‬ﻭﻴﺒﻘﻰ ﺘﻌﻴﻴﻥ‬
‫ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ‪.‬‬
‫ﻴﺨﺘﻠﻑ ﺸﻜل ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻓﻲ ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﺤﺴﺏ ﻁﺒﻴﻌﺔ ﺍﻝﺒﻴﺎﻨﺎﺕ‪ ،‬ﻭﺃﺤﺩ ﺃﻨﻭﺍﻉ‬ ‫
‬
‫ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻫﻭ ﺍﻻﺘﺠﺎﻩ ﺍﻝﺨﻁﻲ ‪.‬‬
‫ﺃﺤﺩ ﻁﺭﻕ ﺘﻌﻴﻴﻥ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ ﻫﻭ ﺍﺴﺘﺨﺩﺍﻡ ﺃﺴﻠﻭﺏ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ‬ ‫
‬
‫ﺍﻝﺒﺴﻴﻁ‪ ،‬ﺒﺎﻋﺘﺒﺎﺭ ﺃﻥ ﺍﻝﺯﻤﻥ )ﺍﻝﺴﻨﻭﺍﺕ‪ ،‬ﺍﻝﺸﻬﻭﺭ‪...،‬ﺍﻝﺦ( ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل‪ ،X‬ﻭﺍﻝﻤﺘﻐﻴﺭ‬
‫ﺍﻝﺘﺎﺒﻊ ‪Y‬ﻫﻭ ﺍﻝﻅﺎﻫﺭﺓ ﻤﺤل ﺍﻝﺩﺭﺍﺴﺔ‪.‬‬
‫ﻤﻼﺤﻅﺎﺕ‪:‬‬ ‫
‬
‫‪ -‬ﺘﻌﻴﻥ ﻝﻠﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل ﺍﻝﻘﻴﻡ …‪ x = 0, 1, 2,‬ﻝﺘﻤﺜل ﻭﺤﺩﺓ ﺍﻝﺯﻤﻥ‪.‬‬
‫‪ -‬ﺘﺩل ﺇﺸﺎﺭﺓ ﻤﻌﺎﻤل ﺍﻻﻨﺤﺩﺍﺭ ‪ b‬ﻋﻠﻰ ﻨﻭﻉ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ‪.‬‬
 ‫
ﻤﺜﺎل )‪: (9 - 4‬‬
‫ﺍﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﺘﺎﻝﻴﺔ ﺘﻤﺜل ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ )‪(Y‬ﺨﻼل ﺍﻷﻋﻭﺍﻡ ‪1991‬ﻡ ﺇﻝﻰ ‪2000‬ﻡ‬
‫‪:‬‬

‫ﺤﺩﺩ ﻨﻭﻉ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ‪ ،‬ﺜﻡ ﻗﺩﺭ ﻤﻌﺎﺩﻝﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ‪،‬‬
‫ﺜﻡ ﺘﻭﻗﻊ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ ﻋﺎﻡ ‪2002‬ﻡ‪.‬‬
‫
ﺍﻝﺤل‪:‬‬

‫ﻴﺩل ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻋﻠﻰ ﺍﻝﺯﻴﺎﺩﺓ ﻓﻲ ﻗﻴﻤﺔ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ‪.‬‬

‫ﺘﺎﺒﻊ ﺤل ﺍﻝﻤﺜﺎل ) ‪ : ( ٩-٤‬ﺘﻘﺩﻴﺭ ﻤﻌﺎﺩﻝﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ ‪ ،‬ﻭﺤﺴﺎﺏ ﺍﻝﺘﻭﻗﻊ‬ ‫
‬

‫‪n∑xy − (∑x)(∑y) 35530− (45)(737) 2365‬‬

‫=‪b‬‬ ‫=‬ ‫‪2‬‬
‫=‬ ‫‪= 2.87‬‬
‫‪2‬‬ ‫‪2‬‬
‫) )‪(n∑x − (∑x‬‬ ‫‪2850‬‬ ‫‪−‬‬ ‫‪45‬‬ ‫‪825‬‬

‫=‪a‬‬
‫∑‬ ‫)‪y −b∑x 737− (2.87×45‬‬
‫=‬ ‫‪= 60.79‬‬
‫‪n‬‬ ‫‪10‬‬

‫∴ﻤﻌﺎﺩﻝﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ ﻓﻲ ﻫﺫﻩ ﺍﻝﻤﺜﺎل‬

‫‪yˆ = 60.79 + 2.87 x‬‬

 ‫ﺗﺎﺑﻊ ﺣﻞ ﺍﻟﻤﺜﺎﻝ ) ‪ : ( ٩-٤‬ﺗﻘﺪﻳﺮ ﻣﻌﺎﺩﻟﺔ ﺍﻻﺗﺠﺎﻩ ﺍﻟﻌﺎﻡ ﺍﻟﺨﻄﻲ ‪ ،‬ﻭﺣﺴﺎﺏ‬
‫ﺍﻟﺘﻮﻗﻊ‬

‫
ﻭﻝﺘﻭﻗﻊ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﺘﻭﻗﻊ ﺍﻜﺘﺸﺎﻓﻬﺎ ﻋﺎﻡ ‪2002‬ﻡ ﻨﻌﻭﺽ ﺒﻘﻴﻤﺔ‬

‫ﺘﺩل ﻋﻠﻰ ﻫﺫﺍ ﺍﻝﺯﻤﻥ؛ ﺤﻴﺙ ﺃﻥ ‪2000‬ﻡ ← ‪x = 9‬‬
‫ﺇﺫﻥ ‪2002‬ﻡ ← ‪xh = 11‬‬
‫ﻭﺒﺎﻝﺘﻌﻭﻴﺽ ﻓﻲ ﻤﻌﺎﺩﻝﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻨﺠﺩ ﺃﻥ‪:‬‬ ‫
‬

‫‪yˆ h = 60.79 + 2.87 xh‬‬

‫ﺤﻘل ‪= 60.79 + 2.87(11) = 92.36 ≈ 92‬‬
‫ﰎ ﲝﻤﺪ ﺍﷲ‬