‫أستاذ املادة ‪:‬وهاب سامل‬

‫المحاضرة األولى‬
‫االنحدار الخطي‬
‫مفهوم االنحدار الخطي ‪ -:‬يختصر االنحدار الخطي بدراسة متغير واحد يعرف بالمتغير المعتمد أو‬
‫المتغير التابع ( ‪ )Dependent‬على متغير واحد أو عدة متغيرات تعرف بالمتغيرات المعتمدة أو‬
‫المتغيرات المستقلة ( ‪ )Independent Variable‬و أن مفهوم االنحدار هو الذي يختص بدراسة‬
‫العالقة بين المتغيرات ‪ ,‬احد هذه المتغيرات يعرف بالمتغير المعتمد و الذي يقصد به انه اي تغيرات‬
‫تحدث في هذا المتغير يعتمد على متغيرات اخرى و المتغيرات التي تؤثر في المتغير المعتمد هي‬
‫المتغيرات المستقلة أو المفسرة فأن اي تغير في هذه المتغيرات يؤثر هذا المتغير على هذا المتغير‬
‫المعتمد و يرمز الى المتغير المعتمد في األغلب المصادر االنحدار بالرمز ( 𝑖𝑌) و المتغيرات المستقلة‬
‫أو المفسرة ( 𝑖𝑋) و اليجاد العالقة بين المتغيرات المستقلة و المتغيرات المعتمدة تم التوصل الى‬
‫صياغة معادلة رياضية بينهما سميت بنموذج االنحدار و على ضوء هذا النموذج يتم معرفة مدى‬
‫تأثير المتغير المستقل على المتغير المعتمد و على سبيل المثال العالقة بين االدخار و نسبة الفائدة‬
‫فالنظرية االقتصادية توضح أن نسبة الفائدة يتأثر باالدخار فكلما زادت نسبة الفائدة زاد االدخار وهذا‬
‫يعني أن االدخار هنا هو متغير تابع أو معتمد و نسبة الفائدة هو متغير مستقل ‪ .‬النه االدخار يعتمد‬
‫على نسبة الفائدة أذا زادت الفائدة زاد االدخار و العكس صحيح و من هذا يمكن القول بأن أي دراسة‬
‫احصائية تعتمد على تحليل االنحدار يجب على الباحث هو بتحديد اي المتغيرات مستقلة و معتمد ‪ ,‬و‬
‫قد يواجه الباحث العديد من المشاكل في هذه الضوء و مثال اخر لو كان لدينا دراسة على معدل‬
‫الطالب في الجامعات فأن معدل الطالب يعتمد على درجات المواد التي درسها في المرحلة الدراسية‬
‫فعلى سبيل المثال طالب إحصاء مرحلة ثالثة فأن تقدير الطالب هو جيد جداً و كان معدله ‪ 85‬فأن هذه‬
‫الدرجة جاءت باالمتحان على المواد التي درسها في المرحلة الثالثة و التي تتمثل بالـ(إحصاء رياضي‬
‫_ تحليل انحدار _ بحوث عمليات ‪...‬إلخ) في هذه الحالة يمكن تمثيل هذه العالقة بنموذج انحدار‬
‫خطي يكون فيه معدل الطالب هو المتغير المعتمد و المواد الدراسية التي درسها هي المتغير المستقل ‪.‬‬

‫استخدامات تحليل االنحدار ‪-:‬‬

‫يستخدم نحليل االنحدار لثالثة اهداف رئيسية هي ‪:‬‬
‫‪ )1‬الوصف ‪ -:‬يستخدم نموذج االنحدار لوصف تشكيل العالقات بين المتغيرات المفسرة و‬
‫المتغير التابع و غالبا ما يكتفي في بعض الدراسات االجتماعية باستخدام نموذج االنحدار‬
‫لمعرفة المؤثرات فقط ‪.‬‬
‫‪ )2‬التقدير و التنبؤ ‪ -:‬يستخدم نموذج االنحدار لتقدير القيمة المتوسطة و التنبؤ بقيمة مشاهدة‬
‫اخرى أو جديدة للمتغير المعتمد لقيم فعلية أو متوقعة للمتغيرات المفسرة و يعتبر التقدير و‬
‫التنبؤ من اهم استخدامات تحليل االنحدار اذ أن في الواقع العملي نستخدم تحليل االنحدار‬
‫لغرض التنبؤ فمثال بناء نموذج انحدار وزن الطفل (متغير تابع أو معتمد) على عمر الطفل‬
‫(متغير مفسر أو مستقل) للمجتمع حديثي الوالدة الى سن الخامسة من العمر لذلك فأن الباحث‬
‫يمكن أن يتنبأ بوزن الطفل خالل هذه الفترة من خالل نموذج االنحدار و لكن قد يكون فيها‬
‫نوع من الخطأ بسبب سوء االستخدام ‪.‬‬

‫‪1‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫‪ )3‬التحكم ‪ -:‬و يقصد به تفسير التغير في القيم متغير التابع بداللة المتغيرات المستقلة أي ان‬
‫المتغير المستقل 𝑖𝑋 هو التحكم الذي يسيطر على المتغير المعتمد فأن اي تغير ايجابي أو‬
‫سلبي في المتغير المعتمد يكون التحكم أو المسيطر عليه هو المتغير المستقل ‪.‬‬

‫نماذج االنحدار الخطي ‪-:‬‬

‫تنقسم نماذج االنحدار بصورة عامة الى نماذج انحدار خطي و نماذج انحدار غير خطي و تنقسم‬
‫النماذج الخطية الى عدة انواع نماذج انحدار خطية في المعالم و نماذج خطية في المتغيرات لذلك فأن‬
‫الدراسة في هذه المرحلة سوف تقتصر على نماذج االنحدار الخطية و لتوضيح ذلك فأن معادلة‬
‫االنحدار بشكل عام هي تكون بالشكل التالي ‪:‬‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 + 𝑢𝑖 … … … 1‬‬
‫حيث أن 𝑖𝑌 هومتغير معتمد و 𝑖𝑋 هو المتغيرات المستقلة أو المفسر أما بالنسبة الى ( ‪ ) 𝛽° ,𝛽1‬فهي‬
‫معالم نموذج االنحدار التي سوف يتم شرحها الحقاًىو يسمى المعادلة رقم ‪ 1‬بنموذج االنحدار الخطي‬
‫البسيط و هو الذي يعني العالقة بين متغير معتمد ومتغير تفسيري واحد هو 𝑖𝑋 أما النموذج الثاني و‬
‫الذي يعطى في الشكل التالي هو ‪-:‬‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝑢𝑘 … … 2‬‬
‫و يسمى نموذج االنحدار الخطي المعتمد و الذي يمثل العالقة بين المتغير المعتمد و عدة متغيرات‬
‫مستقلة ‪.‬‬
‫و لتوضيح نوعية النموذج خطي أو غير خطي ‪ ,‬فاذا اخذ النموذج شكل المعادلة التالي ‪-:‬‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 … … … 3‬‬
‫فـيسمى نموذج االنحدار في المعادلة رقم ‪ 3‬بنموذج االنحدار الخطي بالمعالم و المتغيرات الن أس‬
‫المتغير المعتمد و المتغير المستقل و كذلك المعالم هو أس واحد ‪ .‬أما اذا كان شكل نموذج االنحدار‬
‫بالشكل التالي ‪-:‬‬
‫‪2‬‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 + 𝑢𝑖 … … … 4‬‬
‫فأن نموذج االنحدار في المعادلة رقم ‪ 4‬هو خطي في المعالم و غير خطي في المتغيرات الن أس‬
‫المتغير 𝑖𝑋 مرفوع الى أس ‪ . 2‬أما اذا كان شكل نموذج االنحدار بالشكل التالي ‪-:‬‬
‫‪1‬‬
‫‪𝑌𝑖 = 𝛽° + 𝑋𝑖 + 𝑢𝑖 … … … 5‬‬
‫‪𝛽1‬‬
‫فأن نموذج االنحدار في المعادلة رقم ‪ 5‬هو خطي في المتغيرات و غير خطي في المعالم الن أس‬
‫المعالم ‪ 𝛽1‬مرفوع الى أس سالب ‪.‬‬

‫النمذجة الرياضية ( ‪-: )Mathematical Modeling‬‬

‫تهدف عملية النمذجة الى ترجمة مشكلة حقيقية الى وصف رياضي يعرف بالنموذج (‪)Model‬‬
‫لغرض وصفها و تحليلها و التنبؤ بمسارها ‪ ,‬و يمكن تقسيم مراحل النمذجة الرياضية الى مراحل على‬
‫النحو التالي ‪-:‬‬

‫‪2‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫تحديد و صياغة المشكلة ‪ -:‬في هذه المرحلة يتم تعريف المشكلة و حدودها و حجمها و ذلك‬ ‫‪)1‬‬
‫لتكون موضوعا ً للبحث و التحليل و تعد النظرية ‪ ,‬الخبرة العلمية و الدراسات و البحوث‬
‫السابقة من اهم المصادر للحصول على المشكلة ‪.‬‬
‫صياغة الفروض ‪ -:‬و يقصد بصياغة الفروض تكوين فكرة مبدئية عن النتائج المتوقعة و ذلك‬ ‫‪)2‬‬
‫بوضع االجابات المحتملة السئلة البحث ‪.‬‬
‫صياغة مشكلة رياضية ‪ -:‬يتم في هذه بعدما تم تحديد الفرضيات أو الفروض يتم تحويل هذه‬ ‫‪)3‬‬
‫الى نماذج رياضية و ذلك بربط عالقة رياضية بين متغيرات البحث المدروس ‪.‬‬
‫حل النموذج الرياضي ‪ -:‬في هذه المرحلة يتم تحديد البيانات المطلوبة و اخذ طريقة القياس‬ ‫‪)4‬‬
‫المناسبة لها ‪.‬‬
‫تفسير النتائج ‪ -:‬بعد ان تم جمع البيانات في الخطوة السابقة و أستخدام الطريقة القياسية‬ ‫‪)5‬‬
‫المناسبة لها يتم الحصول على النتائج حيث يقوم الباحث بتفسير نتائج البحث و مقارنة هذه‬
‫النتائج مع نتائج البحوث السابقة المقارنة للبحث المدروس ‪.‬‬
‫تأكيد صحة النموذج ‪ -:‬عادة ما يتم تأكيد نتائج بأخذ عينة من نفس مجتمع الدراسة و إعادة‬ ‫‪)6‬‬
‫حل النموذج و ذلك للتأكد من مدى استقرار التقديرات بغرض االطمئنان على ثبات صيغة‬
‫النموذج ‪.‬‬
‫استخدام النموذج ‪ -:‬في هذه المرحلة االخيرة نتائج هذا النموذج تم بناءه لوصف و تحليل‬ ‫‪)7‬‬
‫مشكلة موضوع الدراسة و التنبؤ بمسارها بحلول و مقترحات و توصيات بشأنها و الشكل‬
‫التالي يلخص مراحل بناء النموذج ‪-:‬‬

‫صياغة فروض‬ ‫تحديد و صياغة‬

‫صياغة المشكلة‬
‫النموذج‬ ‫المشكلة‬

‫تحديد البيانات‬ ‫تفسير النتائج‬ ‫تأكيد صحة‬

‫المطلوبة‬ ‫النموذج‬

‫أستخدام النموذج‬

‫‪3‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الثانية‬
‫االنحدار الخطي البسيط‬
‫مقدمة ‪ -:‬سنبدأ بتحليل االنحدار بدراسة حالة خاصة ‪ ,‬حيث يكون لدينا متغيرات ‪ ,‬احدها تابع واالخر‬
‫مستقل و العالقة بينهما خطية و يعرف هذا النوع من االنحدار بنموذج االنحدار الخطي البسيط أو‬
‫النموذج الخطي لمتغيرين ‪ .‬ومن استخدامات نموذج االنحدار الخطي هو التقدير و التنبؤ بقيم المتغير‬
‫التابع بداللة المتغير المستقل مثال على ذلك يرغب باحث في تحديد عالقة بين وزن الطفل (متغير‬
‫تابع) بعمره (متغير مستقل) و هناك الكثير من االمثلة على نماذج االنحدار الخطي البسيط و يرمز‬
‫للمتغير المعتمد أو التابع بالرمز ( ‪ )𝑌i‬و المتغير المستقل ( ‪ )𝑋i‬و على سبيل المثال لدينا ‪ n‬من‬
‫مشاهدات متغير معتمد مع متغير مستقل و الجدول التالي يوضح هذا ‪-:‬‬

‫رقم المشاهدة‬ ‫المتغير التابع 𝑖𝑌‬ ‫المتغير المستقل 𝑖𝑋‬

‫‪1‬‬ ‫‪𝑌1‬‬ ‫‪𝑋1‬‬
‫‪2‬‬ ‫‪𝑌2‬‬ ‫‪𝑋2‬‬
‫‪3‬‬ ‫‪𝑌3‬‬ ‫‪𝑋3‬‬
‫‪4‬‬ ‫‪𝑌4‬‬ ‫‪𝑋4‬‬
‫⋮‬ ‫⋮‬ ‫⋮‬
‫‪n‬‬ ‫𝑛𝑌‬ ‫𝑛𝑋‬

‫شكل األنتشار (‪)Scatter Digran‬‬

‫أن الخطوة االولى من بناء نموذج االنحدار هي اعداد رسم بياني يعرف شكل االنتشار و يتم شكل‬
‫االنتشار و ذلك بوضع ازواج من قيم (𝑋 ‪ )𝑌,‬يكون الشكل التالي ( 𝑛𝑋‪)𝑌1 ,𝑋1 ( , ) 𝑌2 ,𝑋2 ( , ) 𝑌𝑛 ,‬‬
‫و من خالل رسم البيانات على الرسم البياني تستطيع من خالل النظر اذا كانت هنالك عالقة بين‬
‫المتغيرات (𝑋 ‪ )𝑌,‬فاذا كانت جميع النقاط تقع على شكل مستقيم نستطيع القول بأن هناك عالقة خطية‬
‫بين المتغيرات أما اذا كان خط النقاط يشبه المنحني يمكن القول أن العالقة غير خطية بين المتغيرات‪.‬‬

‫نموذج االنحدار الخطي البسيط ‪-:‬‬

‫أن ابسط عالقة دالة تربط بين المتغيرين ‪ X,Y‬يمكن التعبير عنها على النحو التالي‪-:‬‬
‫‪𝑌 = 𝑓(𝑋𝑖 ) … … … 1‬‬
‫و يمكن تحويل الدالة في المعادلة رقم ‪ 1‬الى شكل نموذج انحدار خطي بسيط بالشكل التالي ‪-:‬‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 + 𝑢𝑖 … … … 2‬‬
‫حيث أن 𝑖𝑌 هو متغير معتمد و 𝑖𝑋 هو المتغير المستقل أما بالنسبة الى ( ‪ ) 𝛽° ,𝛽1‬تمثل معالم نموذج‬
‫االنحدار الخطي البسيط و تكون معالم مجهولة و يعرف ‪ 𝛽°‬بالحد الثابت أما ‪ 𝛽1‬يمثل الميل الحدي و‬
‫تمثل المعادلة رقم ‪ 2‬معادلة االنحدار بالنسبة للمجتمع ‪.‬‬

‫و بما أن قيمة المعالم ‪ 𝛽° , 𝛽1‬مجهولة فأن الهدف هو الحصول على قيمة تقديرية لهما على اساس‬
‫مشاهدات العينة من مجتمع الدراسة و يمكن توضيح رسم بياني لـنموذج االنحدار بالشكل التالي ‪-:‬‬

‫‪4‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫‪Y‬‬

‫𝑖𝑋 ‪𝑌𝑖 = 𝛽° + 𝛽1‬‬

‫‪∆y‬‬
‫𝑦∆‬ ‫=𝛽‬
‫‪∆x‬‬
‫𝑥∆‬ ‫معامل الدالة‬
‫أو ميل الدالة‬
‫‪𝛽°‬‬
‫صفر المعامل الثاني‬ ‫‪X‬‬
‫الرسم اعاله يمثل العالقة بين المتغير المعتمد و المستقل عالقة موجبة ‪.‬‬
‫أما الرسم الثاني ‪-:‬‬
‫‪Y‬‬

‫𝑖𝑋 ‪𝑌 = 𝛽° + 𝛽1‬‬
‫𝑦∆‬
‫𝑥∆‬

‫صفر‬ ‫‪X‬‬
‫تمثل الرسم اعاله العالقة السالبة ‪.‬‬

‫من خالل النظر الى المعادلة رقم ‪ 2‬يتضح أن العالقة بين المتغير المعتمد 𝑖𝑌 و المتغير المستقل 𝑖𝑋‬
‫هي عالقة تامة و م حددة و لكن في الواقع التطبيقي فأن العالقة بين المتغيرات دائما تكون غير محددة‬
‫كما هو الحال في المتغيرات العشوائية ‪ ,‬على سبيل المثال العالقة بين دخل الفرد و مصروفاته‬
‫المعيشية و لكن بالطبع أن هذه العالقة غير محددة أذا ال يمكن أن نتوقع من أي دينار يكتسبه الفرد‬
‫يصرف من سنة على النفقات المعيشية لذلك من غير المتوقع أن تقع جميع النقاط على خط مستقيم الن‬
‫هنالك اختالف من مشاهدة الى اخرى فـبعض النقاط تقع أعلى الخط و البعض اآلخر أسفل الخط‬
‫المستقيم و يمكن اعادة كتابة المعادلة السابقة بشكل صحيح ‪𝑢𝑖 = 𝑌𝑖 − (𝛽° − 𝛽1 𝑋𝑖 ) … … … 3 :‬‬
‫حيث 𝑖𝑢 يمثل االنحراف و يمثل متغير عشوائي يأخذ قيما ً سالبة و موجبة و يعرف بحد الخطأ‬
‫العشوائي و بإضافة حد الخطأ العشوائي إلى نموذج االنحدار يمكن اعادة كتابة المعادلة السابقة بالشكل‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 + 𝑢𝑖 … … … 4‬‬ ‫التالي ‪-:‬‬

‫‪5‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫و أن السبب الرئيسي من ادخال حد الخطأ العشوائي الى نموذج االنحدار هو كـاالتي ‪-:‬‬
‫‪ )1‬صعوبة ادخال المتغيرات المستقلة التي تسهم في تفسير تباين المتغير التابع و يرجع السبب‬
‫إلى قلة معرفة بعض المتغيرات المؤثرة ‪.‬‬
‫‪ )2‬عدم وصف نموذج االنحدار بصورة دقيقة ‪.‬‬
‫‪ )3‬وجود اخطاء في قياس المتغيرات (التابع و المستقل) ‪.‬‬
‫‪ )4‬عدم وجود اخطاء تحديد و تنقسم اخطاء التحديد ‪-:‬‬
‫‪ )a‬أن تكون العالقة غير خطية بين المتغير المعتمد و المستقل ‪.‬‬
‫‪ )b‬أن يتضمن نموذج االنحدار الخطي المتغيرات المستقلة التي تسهم في تفسير التباين‬
‫ف ي المتغير التابع و هذا يعني على الباحث أن ال يدخل متغيرات ال تؤثر على المتغير‬
‫المعتمد ‪.‬‬
‫‪ )5‬أن تكون قياسات المتغير التابع و المستقل صحيحة ‪.‬‬
‫‪ )6‬أن يكون تباين المتغير المستقل أكبر من صفر‬
‫‪∑(𝑋𝑖 − 𝑋̅) > 0‬‬‫‪2‬‬

‫‪ )7‬أن يكون عدد المشاهدات ‪ n‬أكبر من عدد معالم نموذج االنحدار ‪.‬‬
‫و هذا يعني اذا كان النموذج المستخدم هو نموذج انحدار خطي بسيط فيجب أن يكون حجم العينة‬
‫ثالث مشاهدات أو اكثر ‪.‬‬

‫‪6‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الثالثة‬
‫فروض حد الخطأ العشوائي 𝒊𝒖‬
‫في المحاضرة السابقة ذكر أهم االسباب الرئيسية من ادخال حد الخطأ العشوائي في نموذج االنحدار‬
‫الخطي البسيط أما في هذه المحاضرة سوف يتم ذكر أهم الفرضيات الخاصة بحد الخطأ العشوائي‬
‫(الفروض المتعلقة بحد الخطأ العشوائي) ‪-:‬‬
‫‪ )1‬أن يكون عدد المشاهدات في العينة أكبر من عدد المعالم 𝛽 > 𝑛 ‪.‬‬
‫‪ )2‬القيمة المتوسطة لحد الخطأ العشوائي مساوية الى الصفر ‪ 𝐸(𝑢𝑖 ) = 0‬و هذا يعني أن يكون‬
‫مجموع قيم حد الخطأ العشوائي السالبة مساوية إلى قيم الخطأ العشوائي الموجبة ‪.‬‬
‫‪ )3‬أن يكون تباين حد الخطأ العشوائي لكل قيم متغير المستقل ثابت‬
‫‪𝑉𝑎𝑟(ui ⁄xi ) = 𝐸(ui − 𝐸(ui ))2‬‬
‫و بما أن القيمة المتوقعة لحد الخطأ العشوائي ‪𝐸(𝑢𝑖 ) = 0‬‬
‫‪𝑉𝑎𝑟(ui ⁄xi ) = 𝐸(ui )2 = 𝜎𝑛2‬‬
‫‪ )4‬استقالل قيم حدود الخطأ عن بعضها البعض و تتطلب ذلك بأن يكون التباين المشترك لها‬
‫‪𝑐𝑜𝑣(𝑢𝑖 𝑢𝑠 ) = 𝐸(𝑢𝑖 − 𝐸(𝑢𝑖 ))(𝑢𝑠 − 𝐸(𝑢𝑠 )) = 0‬‬ ‫مساويا ً للصفر‬
‫و بما أن ‪𝐸(𝑢) = 0‬‬
‫‪𝑐𝑜𝑣(𝑢𝑖 𝑢𝑠 ) = 𝐸(ui − 0)(𝑢𝑠 − 0) = 0‬‬
‫‪𝑐𝑜𝑣(𝑢𝑖 𝑢𝑠 ) = 𝐸(𝑢𝑖 𝑢𝑠 ) = 0‬‬
‫‪ )5‬استقاللية حد الخطأ العشوائي عن المتغير المستقل أي أن يكون المتغير ‪ Xi‬مستقل عن الخطأ‬
‫العشوائي ‪ ui‬مساويا ً الى الصفر‬
‫)) 𝑖𝑢(𝐸 ‪𝑐𝑜𝑣(𝑥𝑖 𝑢𝑖 ) = 𝐸(𝑥𝑖 − 𝐸(𝑥𝑖 ))(𝑢𝑖 −‬‬
‫]) 𝑖𝑢(𝐸) 𝑖𝑥(𝐸 ‪= 𝐸[(𝑥𝑖 𝑢𝑖 ) − 𝑥𝑖 𝐸(𝑢𝑖 ) − 𝐸(𝑥𝑖 )𝑢𝑖 +‬‬
‫حيث يكون ‪𝐸(𝑢𝑖 ) = 0‬‬
‫]‪= 𝐸[(𝑥𝑖 𝑢𝑖 ) − 0 − 𝐸(𝑥𝑖 )𝑢𝑖 + 0‬‬
‫] 𝑖𝑢) 𝑖𝑥(𝐸 ‪𝑐𝑜𝑣(𝑥𝑖 𝑢𝑖 ) = 𝐸[(𝑥𝑖 𝑢𝑖 ) −‬‬
‫و بأدخال التوقع الى المعادلة ‪:‬‬
‫]) 𝑖𝑢(𝐸) 𝑖𝑥(𝐸 ‪𝑐𝑜𝑣(𝑥𝑖 𝑢𝑖 ) = 𝐸[(𝑥𝑖 𝑢𝑖 ) −‬‬
‫بما أن ‪𝐸(𝑢𝑖 ) = 0‬‬
‫) 𝑖𝑢 𝑖𝑥(𝐸 = ) 𝑖𝑢 𝑖𝑥(𝑣𝑜𝑐‬
‫) 𝑖𝑢(𝐸 ‪𝑐𝑜𝑣(𝑥𝑖 𝑢𝑖 ) = 𝐸(𝑥𝑖 ).‬‬
‫‪𝑐𝑜𝑣(𝑥𝑖 𝑢𝑖 ) = 0‬‬
‫‪ )6‬أن من أهم الفروض التي يجب أن تتحقق في االخطاء العشوائية هو أن تتبع التوزيع الطبيعي‬
‫و يمكن أن نصنع هذا الفروض بالشكل التالي ‪-:‬‬
‫) ‪𝑢𝑖 ~𝑁(0, 𝜎𝑛2‬‬

‫‪7‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫تقديرات المربعات الصغرى االعتيادية (‪)OLS‬‬
‫يتم عادة استخدام عينة من المجتمع دراسة لتقدير معالم االنحدار المجتمع المجهولة و تسمى دالة‬
‫انحدار العينة ( ‪ )Sanple Regression Fuction‬و يمكن كتابة دالة انحدار العينة بالشكل التالي‪-:‬‬
‫‪𝑦̂𝑖 = 𝑏° + 𝑏1 𝑥𝑖 … … … 1‬‬ ‫دالة انحدار العينة‬
‫‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 + 𝑢𝑖 … … … 2‬‬ ‫دالة انحدار المجتمع‬
‫𝑖̂𝑢 ‪𝑦𝑖 = 𝑏° + 𝑏1 𝑥𝑖 +‬‬ ‫و باضافة حد الخطأ العشوائي‬
‫حيث أن 𝑖𝑦 هو متغير تابع أومعتمد ) ‪ (𝑏° , 𝑏1‬جرى تعريفها اعاله أما 𝑖̂𝑢 فهو عبارة عن حد الخطأ‬
‫العشوائي في نموذج انحدار العينة حيث أن 𝑖̂𝑦 هو الفرق بين القيمة الحقيقية و القيمة التقديرية 𝑖̂𝑦‬
‫𝑖̂𝑦 ‪𝑢̂𝑖 = 𝑦𝑖 −‬‬ ‫التي يتم الحصول عليها بعد التقدير معالم نموذج االنحدار‬
‫و للحصول على قيمة تقديرية الى معالم نموذج االنحدار الخطي البسيط و ذلك يجعل االخطاء‬
‫العشوائية اصغر ما يمكن و ذلك بالعودة الى النموذج ‪2‬‬
‫𝑖𝑥 ‪𝑢 = Y𝑖 − 𝛽° − 𝛽1‬‬
‫و ذلك يجعل مجموع المربعات االخطاء اصغر ما يمكن‬
‫‪∑𝑢𝑖2 = ∑(𝑌𝑖 − 𝛽° − 𝛽1 𝑥𝑖 )2‬‬
‫و ذلك بأخذ المشتقة الجزئية أو التفاضل الجزئي لمعالم نموذج االنحدار‬
‫‪2‬‬
‫𝑖𝑢∑𝛿‬
‫)‪= 2 ∑(𝑌𝑖 − 𝛽° − 𝛽1 𝑋𝑖 )(−1‬‬
‫‪𝛿𝛽°‬‬
‫) 𝑖𝑋 ‪= −2 ∑(𝑌𝑖 − 𝛽° − 𝛽1‬‬
‫‪𝛿∑𝑢𝑖2‬‬
‫) 𝑖𝑋 ‪= ∑(𝑌𝑖 − 𝛽° − 𝛽1‬‬ ‫و بقسمة المعادلة على ‪-2‬‬
‫‪𝛿𝛽°‬‬
‫‪𝛿∑𝑢𝑖2‬‬
‫‪=0‬‬ ‫و بمساواة المصفوفة بالصفر‬
‫‪𝛿𝛽°‬‬
‫‪∑(𝑦𝑖 − 𝑏° − 𝑏1 𝑥𝑖 ) = 0 … … … 3‬‬
‫أما بالنسبة الى المعلمة الثانية ‪ 𝛽1‬فيمكن ايجاد المشتقة الجزئية لها كما يلي ‪:‬‬
‫‪𝛿∑𝑢𝑖2‬‬
‫) 𝑖𝑋‪= 2 ∑(𝑌𝑖 − 𝛽° − 𝛽1 𝑋𝑖 )(−‬‬
‫‪𝛿𝛽1‬‬
‫) 𝑖𝑋 ‪= −2∑𝑋𝑖 (𝑌𝑖 − 𝛽° − 𝛽1‬‬
‫‪𝛿∑𝑢𝑖2‬‬
‫) 𝑖𝑋 ‪= ∑𝑋𝑖 (𝑌𝑖 − 𝛽° − 𝛽1‬‬ ‫و بقسمة المعادلة على ‪-2‬‬
‫‪𝛿𝛽1‬‬
‫‪∑𝑥𝑖 (𝑦𝑖 − 𝑏° − 𝑏1 𝑥𝑖 ) = 0 … … … 4‬‬ ‫و بمساواة المصفوفة بالصفر‬
‫و من المعادلة (‪ )3,4‬و للحصول على قيمة ) ‪ (𝑏° , 𝑏1‬يتم ذلك بحل المعادلتين أنين و كما يلي ‪:‬‬
‫‪∑(𝑦𝑖 − 𝑏° − 𝑏1 𝑥𝑖 ) = 0‬‬
‫‪∑𝑥𝑖 (𝑦𝑖 − 𝑏° − 𝑏1 𝑥𝑖 ) = 0‬‬
‫و بإدخال المجموع على المعادالت‬
‫‪∑𝑦𝑖 − 𝑛𝑏° − 𝑏1 ∑𝑥𝑖 = 0‬‬
‫‪∑𝑥𝑖 𝑦𝑖 − 𝑏° ∑𝑥𝑖 − 𝑏1 ∑𝑥𝑖2 = 0‬‬

‫‪8‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫ثم بعد ذلك ضرب المعادالت بمقدار ) 𝑖𝑥∑‪ (n,‬و ذلك بضرب المعادلة رقم ‪ 1‬أو االولى بالمجموع‬
‫𝑖𝑥∑ أما المعادلة الثانية بالمجموع ‪ n‬فـتصبح المعادالت كما يلي ‪:‬‬
‫𝑖𝑥∑ × ] )‪[ (∑𝑦𝑖 − 𝑛𝑏° − 𝑏1 ∑𝑥𝑖 = 0‬‬
‫𝑛 × ] ‪[ (∑𝑥𝑖 𝑦𝑖 − 𝑏° ∑𝑥𝑖 − 𝑏1 ∑𝑥𝑖2 ) = 0‬‬
‫فتصبح بالشكل التالي ‪-:‬‬
‫‪∑𝑦𝑖 ∑𝑥𝑖 − 𝑛𝑏° ∑𝑥𝑖 − 𝑏1 (∑𝑥𝑖 )2 = 0‬‬
‫‪±𝑛∑𝑥𝑖 𝑦𝑖 ± 𝑛𝑏° ∑𝑥𝑖 ± 𝑏1 𝑛∑𝑥𝑖2 = 0‬‬
‫و بالطرح‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑𝑦𝑖 ∑𝑥𝑖 − 𝑏1 (∑𝑥𝑖 ) − 𝑛∑𝑥𝑖 𝑦𝑖 + 𝑏1 𝑛∑𝑥𝑖 = 0‬‬

‫ثم بعد ذلك الحدود التي تحتوي على المعلمة ‪ 𝑏1‬تبقى بطرف و الحدود الخالية من ‪ 𝑏1‬تنقل للطرف‬
‫االخر و تصبح بالشكل التالي ‪-:‬‬
‫‪2‬‬ ‫‪2‬‬
‫𝑖𝑥∑ 𝑖𝑦∑ ‪𝑏1 𝑛∑𝑥𝑖 − 𝑏1 (∑𝑥𝑖 ) = 𝑛∑𝑥𝑖 𝑦𝑖 −‬‬

‫𝑖𝑥∑ 𝑖𝑦∑ ‪𝑏1 (𝑛∑𝑥𝑖2 − (∑𝑥𝑖 )2 ) = 𝑛∑𝑥𝑖 𝑦𝑖 −‬‬

‫و بقسمة طرفي المعادلة السابقة على المقدار ) ‪ (𝑛∑𝑥𝑖2 − (∑𝑥𝑖 )2‬فيكون بالشكل التالي ‪-:‬‬
‫) ‪(𝑛∑𝑥𝑖2 −(∑𝑥𝑖 )2‬‬ ‫𝑖𝑥∑ 𝑖𝑦∑‪𝑛∑𝑥𝑖 𝑦𝑖 −‬‬
‫‪𝑏1‬‬ ‫=‬
‫) ‪(𝑛∑𝑥𝑖2 −(∑𝑥𝑖 )2‬‬ ‫) ‪(𝑛∑𝑥𝑖2 −(∑𝑥𝑖 )2‬‬

‫𝑖𝑥∑ 𝑖𝑦∑ ‪𝑛∑𝑥𝑖 𝑦𝑖 −‬‬

‫= ‪𝑏1‬‬ ‫‪………5‬‬
‫‪𝑛∑𝑥𝑖2 − (∑𝑥𝑖 )2‬‬
‫أما بالنسبة الى الحد الثاني ‪ 𝑏°‬يمكن الحصول عليه من خالل معادلة انحدار العينة ‪:‬‬
‫𝑖𝑢 ‪𝑦𝑖 = 𝑏° + 𝑏1 𝑥𝑖 +‬‬
‫و يأخذ المجموع لطرفين النموذج‬
‫𝑖𝑢∑ ‪∑𝑦𝑖 = 𝑛𝑏° + 𝑏1 ∑𝑥𝑖 +‬‬
‫و بالقسمة على ‪n‬‬
‫𝑖𝑦∑‬ ‫‪𝑛𝑏°‬‬ ‫𝑖𝑥∑‬ ‫𝑖𝑢∑‬ ‫𝑖̂‬
‫𝑢∑‬
‫=‬ ‫‪+ 𝑏1‬‬ ‫‪+‬‬ ‫حيث أن ‪= 0‬‬
‫𝑛‬ ‫𝑛‬ ‫𝑛‬ ‫𝑛‬ ‫𝑛‬

‫̅𝑥 ‪𝑦̅ = 𝑏° + 𝑏1‬‬

‫‪𝑏° = 𝑦̅ − 𝑏1 𝑥̅ … … … 6‬‬

‫‪9‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الرابعة‬
‫معنى معامالت نموذج االنحدار الخطي البسيط ‪-:‬‬
‫تمثل المعامالت ‪ 𝑏°‬المعامل الثابت أو الحد الثابت للقيمة المتنبأ بها للمتغير التابع أو المعتمد ) 𝑖𝑦(‬
‫عندما تكون قيمة 𝑖𝑥 مساوية للصفر (أي أن ‪ )𝑥𝑖 = 0‬و يصبح نموذج االنحدار الى 𝑖𝑦‬
‫𝑖𝑥 ‪𝑦̂𝑖 = 𝑏° + 𝑏1‬‬
‫)‪𝑦̂𝑖 = 𝑏° + 𝑏1 (0‬‬
‫‪𝑦̂𝑖 = 𝑏°‬‬
‫حيث 𝑖̂𝑦 تمثل المعادلة التقديرية التي يتم الحصول عليها بعد تقدير معالم نموذج االنحدار أي بعد‬
‫الحصول على المعامل ‪ 𝑏° , 𝑏1‬و تكتب المعادلة التقديرية ‪:‬‬
‫𝑖𝑥 ‪𝑦̂𝑖 = 𝑏° + 𝑏1‬‬
‫حيث هذه المعادلة 𝑖̂𝑦 التقديرية هي التي يتم تحديد العالقة عن طريقها بين المتغير المعتمد و المتغير‬
‫ا لمستقل و كذلك هذه المعادلة التقديرية يتم استخدامها للتنبؤ بها في المستقبل لقيم المتغير المعتمد 𝑖𝑦 و‬
‫بالعودة الى معنى الحد الثابت عندما تكون قيم 𝑖𝑥 مساوية الى الصفر هذا يعني أن العالقة بين المتغير‬
‫المعتمد و المستقل ثابتة و أن التنبؤ في المستقبل ايضا ً ثابت ‪.‬‬

‫و لكن عند تفسير المعامل الثابت يجب مراعاة ما يلي ‪-:‬‬

‫‪ )1‬من الخطأ أن نقول عندما تكون قيم المتغير المستقل 𝑖𝑥 مساوية للصفر و تكون قيم 𝑖𝑦‬
‫مساوية للثابت ‪ 𝑏°‬في حين أن قيم المتغير المستقل التي استخدمت في بناء نموذج االنحدار‬
‫هي أكبر من الصفر و شرط للتنبؤ بـقيم المتغير المستقل بالنسبة الى 𝑖𝑦 يجب التعويض في‬
‫قيم 𝑖𝑥 ‪.‬‬
‫‪ )2‬المشكلة الثانية التي تواجهنا هي عندما تكون قيم ‪ 𝑥𝑖 = 0‬و يكون قيمة الحد الثابت ‪ 𝑏°‬هي‬
‫قيمة سالبة علما ً أن قيم المتغير 𝑖𝑦 هي قيمة موجبة أي أن مشاهدات المتغير المعتمد هي‬
‫موجبة و قيمة الحد الثابت و ال يمكن االعتماد على دالة المقدرة 𝑖̂𝑦 في التنبؤ ‪.‬‬
‫أما بالنسبة الى المعلمة الثابتة في نموذج االنحدار ‪ 𝑏1‬و التي تمثل مقدار التغير بين المتغير‬
‫التابع لكل قيمة بمقدار وحدة واحدة في المتغير المستقل 𝑖𝑥 و هذا يعني اذا كانت قيمة ‪ 𝑏1‬هي‬
‫قيمة موجبة فهذا يعني أن العالقة بين المتغيرين هي عالقة طردية أي أن اي زيادة بقيم‬
‫المتغير المستقل 𝑖𝑥 بوحدة واحدة يؤدي الى زيادة في المتغير التابع 𝑖𝑦 بمقدار ثابت يسمى ‪𝑏1‬‬
‫أما أذا كانت قيمة ‪ 𝑏1‬سالبة فهذا يعني أن العالقة عكسية أي أن اي زيادة في قيمة المتغير‬
‫المستقل بوحدة واحدة يؤدي إلى انخفاض في قيم المتغير التابع مقداره ‪. 𝑏1‬‬

‫خصائص خط االنحدار المقدر 𝑖̂𝑦 ‪-:‬‬

‫و يقصد بخط االنحدار المقدر هو المعادلة التقديرية 𝑖̂𝑦 التي تم الحصول عليها من خالل طريقة‬
‫المربعات الصغرى االعتيادية )‪ (OLS‬لذلك فأن هذه المعادلة لديها مجموعة من الخصائص يجب أن‬
‫تتحقق و من أهمها هي ‪:‬‬
‫‪ )1‬متوسط القيمة المقدرة للمتغير التابع مساوي لمتوسط قيم المتغير التابع أي أن ̅𝑦 = ̂̅𝑦‬

‫‪10‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫البرهان ‪:‬‬
‫‪𝑦̂𝑖 = 𝑏° + 𝑏1 𝑥𝑖 … … … 1‬‬ ‫من المعادلة التقديرية‬
‫𝑖𝑥∑ ‪∑𝑦̂𝑖 = 𝑛𝑏° + 𝑏1‬‬ ‫و بأخذ المجموع الى طرفي المعادلة رقم ‪1‬‬
‫𝑖̂𝑦∑‬
‫‪= 𝑏° + 𝑏1 𝑥̅ … … … 2‬‬ ‫و بالقسمة على ‪n‬‬
‫𝑛‬
‫أما بالنسبة الى نموذج االنحدار الفعلي أو المجتمع‬
‫𝑖𝑢 ‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 +‬‬
‫𝑖𝑢∑ ‪∑𝑌𝑖 = 𝑛𝛽° + 𝛽1 ∑𝑋𝑖 +‬‬ ‫و بأخذ المجموع‬
‫‪𝑦̅ = 𝛽° + 𝛽1 𝑥̅ … … … 3‬‬ ‫و بالقسمة على ‪n‬‬
‫̅𝑦 = ̂̅𝑦‬ ‫أذن المعادلة رقم ‪ 2‬هي مساوية لمعادلة رقم ‪ 3‬أذن‬
‫‪ )2‬متوسط البواني (متوسط االخطاء التقديرية) يساوي صفر أي أن ‪:‬‬
‫𝑖̂𝑢∑‬
‫= ̂̅𝑢‬ ‫‪=0‬‬
‫𝑛‬
‫البرهان ‪:‬‬
‫𝑖̂𝑦∑ ‪∑𝑢̂𝑖 = ∑(𝑦𝑖 − 𝑦̂𝑖 ) = ∑𝑦𝑖 −‬‬
‫𝑢∑‬ ‫𝑖̂‬
‫̂̅𝑦 ‪= 𝑦̅ −‬‬ ‫و بالقسمة على ‪n‬‬
‫𝑛‬
‫̂̅𝑦 ‪𝑢̅̂ = 𝑦̅ −‬‬
‫̅𝑦 = ̂̅𝑦‬ ‫و من الخطوة األولى و التي تنص‬
‫‪𝑢̅̂ = 0‬‬
‫‪ )3‬البواقي غير المقترنة بالقيمة المقدرة للمتغير التابع 𝑖̂𝑦 و هذا يعني أن التباين المشترك للمتغير‬
‫التابع أو االخطاء المقدرة مساوي للصفر‬
‫‪𝑐𝑜𝑣(𝑦̂𝑖 , 𝑢̂𝑖 ) = ∑(𝑦̂𝑖 − 𝑦̅̂𝑖 )(𝑢̂𝑖 − 𝑢̅̂ ) = 0‬‬
‫‪∑𝑦̂𝑖 𝑒𝑖 = ∑𝑦̂𝑖 𝑒𝑖 = 0‬‬ ‫الثبات ذلك نتبع االشتقاق التالي ‪:‬‬
‫) ̅𝑥 ‪𝑦̂𝑖 − 𝑦̅ = 𝑏1 (𝑥𝑖 −‬‬
‫‪𝑦̂𝑖 = 𝑏° + 𝑏1 𝑥𝑖 … … … 4‬‬ ‫المعادلة التقديرية‬
‫‪𝑦̅ = 𝑏° + 𝑏1 𝑥̅ … … … 5‬‬ ‫معادلة العينة‬
‫و بطرح ‪5-4‬‬
‫‪𝑦̂𝑖 − 𝑦̅ = 𝑏1 (𝑥𝑖 − 𝑥̅ ) … … … 6‬‬
‫‪𝑦𝑖 = 𝑏° + 𝑏1 𝑥𝑖 + 𝑢̂𝑖 … … … 7‬‬ ‫أما معادلة العينة‬
‫و بطرح المعادلة رقم ‪6-5‬‬
‫‪𝑦𝑖 − 𝑦̅ = 𝑏1 (𝑥𝑖 − 𝑥̅ ) + 𝑢𝑖 … … … 8‬‬
‫و يمكن كتابة المعادلة ‪ 8 , 6‬بصيغة االنحالافات‬
‫‪𝑦̂𝑖 = 𝑏1 𝑥𝑖 … … … 9‬‬
‫‪𝑦𝑖 = 𝑏1 𝑥𝑖 + 𝑢𝑖 … … … 10‬‬
‫حيث أن قيمة االنحراف يقصد بها هو الفرق القيمة الحقيقية و المتوسط و يرمز لها بالرمز‬
‫الصفر ‪.‬‬
‫̅𝑥 ‪𝑥𝑖 = 𝑥𝑖 −‬‬

‫‪11‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫̅𝑦 ‪𝑦𝑖 = 𝑦𝑖 −‬‬
‫̅𝑢 ‪𝑢̂𝑖 = 𝑢𝑖 −‬‬
‫̅𝑦 ‪𝑦̂𝑖 = 𝑦̂𝑖 −‬‬
‫و الثبات ذلك من المعادلة رقم ‪ 9‬و ‪10‬‬
‫‪∑𝑦̂𝑖 𝑢𝑖 = 0‬‬
‫𝑖𝑢 𝑖𝑥∑ ‪∑(𝑏1 𝑥𝑖 )𝑢𝑖 = 𝑏1‬‬
‫𝑖𝑥 ‪𝑢𝑖 = 𝑦𝑖 − 𝑏1‬‬ ‫حيث أن 𝑖𝑢 هي الفرق بين القيمة الحقيقية و التقديرية‬
‫) 𝑖𝑥 ‪∑𝑦̂𝑖 𝑢𝑖 = 𝑏1 ∑𝑥𝑖 (𝑦𝑖 − 𝑏1‬‬
‫‪= 𝑏1 ∑𝑥𝑖 𝑦𝑖 − 𝑏12 ∑𝑥𝑖2 = 0‬‬
‫حيث تم االستفادة من النتيجة التالية ‪:‬‬
‫𝑖𝑦 𝑖𝑥∑‬ ‫‪2‬‬
‫= ‪𝑏1‬‬ ‫𝑖𝑥∑ ‪2 = ∑𝑥𝑖 𝑦𝑖 = 𝑏1‬‬
‫𝑖𝑥∑‬
‫‪= 𝑏12 ∑𝑥𝑖2 − 𝑏12 ∑𝑥𝑖2 = 0‬‬ ‫و هو المطلوب‪.‬‬

‫‪ )4‬البواقي غير مقترنة بالمتغير المستقل و هذا يعني أن التباين المشترك بين المتغير المستقل و‬
‫البواقي أو مقدار االخطاء مساوية صفر‬
‫)̅𝑢 ‪𝑐𝑜𝑣(𝑥𝑖 𝑢̂𝑖 ) = 0 = ∑(𝑥𝑖 − 𝑥̅ )(𝑢̂𝑖 −‬‬
‫‪∑𝑥𝑖 𝑢𝑖 = 0‬‬
‫و الثبات ذلك فنتبع االشتقاق التالي و من المعادلة العاشرة‬
‫𝑖̂𝑢 ‪𝑦𝑖 = 𝑏1 𝑥𝑖 +‬‬
‫يكون التباين بين المتغير المستقل و البواقي كما يلي ‪:‬‬
‫𝑖𝑥 𝑖𝑥∑ ‪∑𝑥𝑖 𝑢̂𝑖 = ∑𝑥𝑖 (𝑦𝑖 − 𝑏1 𝑥𝑖 ) = ∑𝑥𝑖 𝑦𝑖 − 𝑏1‬‬
‫‪∑𝑥𝑖 𝑥𝑖 = ∑𝑥𝑖2‬‬
‫𝑖𝑦 𝑖𝑥∑ = 𝑖𝑥 𝑖𝑦∑‬ ‫و كذلك‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑𝑥𝑖 𝑒 = 𝑏1 ∑𝑥𝑖 − 𝑏1 ∑𝑥𝑖 = 0‬‬
‫و هو المطلوب‬

‫واجب ‪:‬‬
‫‪∑𝑦𝑖 𝑥𝑖 = 𝑏1 ∑𝑥𝑖2 )1‬‬
‫‪∑𝑥𝑖 𝑥𝑖 = ∑𝑥𝑖2 )2‬‬

‫‪12‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الخامسة‬
‫مثال‪ /‬البيانات التالية تمثل أوزان و اعمار ‪ 50‬طفل سحبت من احدى المستشفيات ‪:‬‬
‫عمره (سنة) وزن الطفل رقم المشاهدة‬
‫‪1‬‬ ‫‪11.5‬‬ ‫‪3‬‬
‫‪2‬‬ ‫‪16‬‬ ‫‪5‬‬
‫‪3‬‬ ‫‪6.5‬‬ ‫‪0.5‬‬
‫⋮‬ ‫⋮‬ ‫⋮‬
‫‪50‬‬ ‫‪1.4‬‬ ‫‪0.08‬‬

‫المطلوب ‪ :‬قدر معادلة أالنحدار الخطي البسيط للعالقة بين وزن الطفل و عمره ‪.‬‬

‫الحل‪ /‬اليجاد تقدير دالة االنحراف الخطي يجب إيجاد العمليات الحسابية‬
‫‪y‬‬ ‫‪x‬‬ ‫‪xy‬‬ ‫‪𝑥𝑖2‬‬
‫‪11.5‬‬ ‫‪3‬‬ ‫‪34.5‬‬ ‫‪9‬‬
‫‪16‬‬ ‫‪5‬‬ ‫‪80‬‬ ‫‪25‬‬
‫‪6.5‬‬ ‫‪0.5‬‬ ‫‪3.25‬‬ ‫‪0.25‬‬
‫⋮‬ ‫⋮‬ ‫⋮‬ ‫⋮‬
‫‪1.4‬‬ ‫‪0.08‬‬ ‫‪0.112‬‬ ‫‪0.0064‬‬
‫‪507.7‬‬ ‫‪117.36‬‬ ‫‪1739.226‬‬ ‫‪491.6858‬‬

‫‪Yi = β° + β1 Xi + ui‬‬ ‫مجتمع‬

‫𝑖𝑢 ‪𝑦𝑖 = 𝑏° + 𝑏1 𝑥𝑖 +‬‬ ‫عينة‬
‫𝑖𝑥 ‪𝑦̂𝑖 = 𝑏° + 𝑏1‬‬
‫‪𝑛∑𝑥𝑖 𝑦𝑖 − ∑𝑥𝑖 ∑𝑦𝑖 50 × 1739.226 − 117.36 × 507.7‬‬
‫= ‪𝑏1‬‬ ‫=‬ ‫‪= 2.532‬‬
‫‪𝑛∑𝑥𝑖 2 − (∑𝑥𝑖 )2‬‬ ‫‪50 × 491.6858 − (117.36)2‬‬
‫‪507.7‬‬ ‫‪117.36‬‬
‫= ̅𝑥 ‪𝑏° = 𝑦̅ − 𝑏1‬‬ ‫× ‪− 2.532‬‬ ‫‪= 4.21‬‬
‫‪50‬‬ ‫‪50‬‬
‫𝑖𝑥‪𝑦̂𝑖 = 4.21 + 2.532‬‬
‫تفسير النتائج ‪:‬‬
‫اوالً ‪ :‬معامل الثابت ‪ 𝑏°‬يمثل القيمة المتوقعة للمتغير التابع عندما تكون قيمة المتغير المستقل صفر ‪,‬‬
‫و بما أن عينة الدراسة تحتوي على اطفال حديثي الوالدة اي أن قيمة المتغير المستقل (العمر) قريبة‬
‫جداً للـصفر (‪ )𝑥𝑖 = 0‬فيمكن تفسير المعامل الثابت و الذي تقدر ‪. 4.21‬‬

‫ثانيا ً ‪ :‬الميل الحدي أو معامل االنحدار ‪ 𝑏1‬المقدر يساوي تفاضل أو تغير للمتغير المستقل‬
‫𝑦∆‬
‫‪= 2.532‬‬
‫𝑥∆‬
‫و هذا يعني أن المعامل المتغير في وزن الطفل عن تغير العمر وحدة واحدة يزداد أي أن مقدار‬
‫الزيادة في وزن الطفل السنوية هي ‪ 2.532‬كيلوجرام في الفترة من تاريخ الوالدة الى أن يصل الطفل‬
‫ستة سنوات و ربع سنة ‪.‬‬

‫‪13‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة السادسة‬
‫خصائص المربعات الصغرى االعتيادية ‪( :‬نظرية كاوس ‪ -‬ماركروف)‬
‫تنص نظرية كاوس – ماركروف على األتي ‪-:‬‬
‫بأستيفاء فروض نموذج النحدار ‪ ,‬تتميز مقدرات المربعات الصغرى االعتيادية بأنها افضل مقدرات خطية‬
‫غير متحيز )‪ )BLUE) (Best linear unbiased Estimators‬و طبقا لهذه النظرية تتصف‬
‫المقدرات بالخصائص التالية ‪-:‬‬

‫‪ )1‬الخطية ‪ -: Linearity‬أي أن مقدرات المربعات الصغرى االعتيادية ‪ OLS‬دوال خطية‬

‫للمشاهدات الفعلية للمتغير التابع ( 𝑖𝑦) و الثبات ذلك‬

‫معامل االنحدار ‪ 𝑏1‬بصيغة االنحرافات‬

‫𝑖𝑥∑̅𝑦 ‪∑𝑥𝑖 𝑦𝑖 ∑𝑥𝑖 (𝑦𝑖 − 𝑦̅) ∑𝑥𝑖 𝑦𝑖 −‬‬
‫= ‪𝑏1‬‬ ‫=‬ ‫=‬
‫‪∑𝑥𝑖 2‬‬ ‫‪∑𝑥𝑖 2‬‬ ‫‪∑𝑥𝑖 2‬‬
‫𝑦 𝑥∑‬
‫𝑖‪𝑏1 = 𝑖 2‬‬ ‫حيث أن ‪∑𝑥𝑖 = 0‬‬
‫𝑖𝑥∑‬
‫و الثبات أن ‪ ∑𝑥𝑖 = 0‬وفق االشتقاق التالي ‪-:‬‬
‫̅𝑥‪∑𝑥𝑖 = ∑(𝑥𝑖 − 𝑥̅ ) = ∑𝑥𝑖 − n‬‬
‫𝑥∑‬
‫̅𝑥‪𝑥̅ = 𝑖 = ∑𝑥𝑖 − n‬‬ ‫و بما أن‬
‫𝑛‬
‫‪∑𝑥𝑖 = n𝑥̅ − 𝑛𝑥̅ = 0‬‬ ‫و بالتعويض‬
‫𝑦 𝑥∑‬
‫𝑖‪𝑏1 = 𝑖 2‬‬ ‫أذن‬
‫𝑖𝑥∑‬
‫𝑖𝑦 𝑖𝑘∑ = ‪𝑏1‬‬
‫𝑖𝑥‬
‫= 𝑖𝑘‬ ‫علما ً أن قيمة‬
‫‪∑𝑥𝑖 2‬‬
‫𝑖𝑦 𝑖𝑘∑ = ‪𝑏1‬‬
‫𝑛𝑦 𝑛𝑘 ‪𝑏1 = 𝑘1 𝑦1 + 𝑘2 𝑦2 + ⋯ +‬‬
‫و هذا يعني أن ‪ 𝑏1‬ما هو اال عبارة عن دالة خطية لمعالم النموذج و كذلك إلى المتغير المعتمد ‪.‬‬
‫أما بالنسبة الى ‪ 𝑏°‬و يمكن أثبات ذلك ‪:‬‬
‫̅𝑥 ‪𝑏° = 𝑦̅ − 𝑏1‬‬
‫𝑖𝑦∑‬
‫= ‪𝑏°‬‬ ‫) 𝑖𝑦 𝑖𝑘∑ ̅𝑥( =‬
‫𝑛‬
‫‪1‬‬
‫𝑖𝑦 ) 𝑖𝑘 ̅𝑥 ‪𝑏° = ∑ ( −‬‬
‫𝑛‬
‫𝑖𝑦 𝑖𝑐∑ = ‪𝑏°‬‬
‫‪1‬‬
‫حيث أن 𝑘 ̅𝑥 ‪ 𝑐𝑖 = −‬و هذا يعني‬
‫𝑛‬
‫𝑛𝑦 𝑛𝑐 ‪𝑏° = 𝑐1 𝑦1 + 𝑐2 𝑦2 + ⋯ +‬‬
‫و هذا يعني أن ‪ 𝑏°‬ما هو اال عبارة عن دالة خطية إلى معالم النموذج و كذلك المتغير المعتمد ‪.‬‬

‫‪ )2‬الخاصية الثانية في نظرية كاوس – ماركوف هي عدم التحيز أي أن المقدر ) ‪ (𝑏° , 𝑏1‬لمتوسط‬
‫العينة هو تقدير غير متحيز الى معالم المجتمع و الثبات ذلك نأتي الى تحقيق ‪𝐸(𝑏1 ) = 𝛽1‬‬

‫) ‪𝑏1 = ∑𝑘𝑖 𝑦𝑖 = ∑𝑘𝑖 (β° + β1 Xi + ui‬‬

‫‪𝑏1 = β° ∑𝑘𝑖 + β1 ∑𝑘𝑖 Xi + ∑𝑘𝑖 ui‬‬

‫‪14‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬

‫‪𝛽° ∑𝑘𝑖 = 0‬‬ ‫نأتي الى أول جزء في المعادلة السابقة ‪:‬‬
‫𝑖𝑥∑‬ ‫𝑖𝑥∑‬
‫‪𝛽°‬‬ ‫‪2‬‬
‫‪= 𝛽°‬‬ ‫حيث أن ‪∑𝑥𝑖 = 0‬‬
‫𝑖𝑥∑‬ ‫𝑖𝑥∑‬
‫‪= 𝛽° × 0 = 0‬‬
‫أما الجزء الثاني‬
‫𝑖𝑥 𝑖𝑥∑‬ ‫𝑖𝑋) ̅𝑥‪∑(𝑥𝑖 −‬‬
‫‪𝛽1 ∑𝑘𝑖 𝑋𝑖 = 𝛽1‬‬ ‫‪= 𝛽1‬‬
‫‪∑𝑥𝑖 2‬‬ ‫‪∑𝑥𝑖 2‬‬
‫‪2‬‬
‫𝑖𝑥∑ ̅𝑥 ‪∑𝑥𝑖 −‬‬ ‫‪∑𝑥𝑖 2 − 𝑛𝑥̅ 2‬‬ ‫‪∑𝑥𝑖 2‬‬
‫= ‪𝛽1‬‬ ‫=‬ ‫‪𝛽1‬‬ ‫‪= 𝛽1‬‬ ‫‪= 𝛽1‬‬
‫‪∑𝑥𝑖 2‬‬ ‫‪∑𝑥𝑖 2‬‬ ‫‪∑𝑥𝑖 2‬‬
‫‪𝛽1 ∑𝑘𝑖 𝑋𝑖 = 𝛽1‬‬
‫إذن‬
‫𝑖𝑢 𝑖𝑘∑ ‪𝑏1 = 𝛽1 +‬‬
‫و يُأخذ التوقع لـطرفي المعادلة ‪:‬‬
‫) 𝑖𝑢(𝐸 𝑖𝑘∑ ‪𝐸(𝑏1 ) = 𝛽1 +‬‬
‫‪𝐸(𝑢𝑖 ) = 0‬‬ ‫حيث أن‬
‫‪𝐸(𝑏1 ) = β1‬‬
‫إذن أن مقدرات المربعات الصغرى الى ميل الحدي يعطى تقدير غير متحيز للـمجتمع ‪.‬‬
‫‪1‬‬
‫𝑖𝑦) 𝑖𝑘 ̅𝑥 ‪𝑏° = ∑( −‬‬ ‫أما بالنسبة إلى ‪ 𝑏°‬و الثبات ذلك‬
‫𝑛‬
‫‪1‬‬
‫) 𝑖𝑢 ‪𝑏° = ∑( − 𝑥̅ 𝑘𝑖 )(β° + 𝛽1 𝑋𝑖 +‬‬
‫𝑛‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫𝑖𝑢) 𝑖𝑘 ̅𝑥 ‪𝑏° = ∑( − 𝑥̅ 𝑘𝑖 )𝛽° + 𝛽1 ∑( − 𝑥̅ 𝑘𝑖 )𝑋𝑖 + ∑( −‬‬
‫𝑛‬ ‫𝑛‬ ‫𝑛‬
‫و لتبسيط المعادلة السابقة ‪:‬‬
‫‪1‬‬ ‫𝑛‬
‫) 𝑖𝑘∑ ̅𝑥 ‪𝛽° ∑ ( − 𝑥̅ 𝑘𝑖 ) = 𝛽° = ( −‬‬
‫𝑛‬ ‫𝑛‬
‫‪= 𝛽° (1 − 0) = 𝛽°‬‬ ‫‪∑𝑘𝑖 = 0‬‬ ‫و بما أن‬
‫‪1‬‬
‫𝑖𝑋) 𝑖𝑘 ̅𝑥 ‪𝛽1 ∑( −‬‬ ‫أما الجزء الثاني‬
‫𝑛‬
‫𝑖𝑥∑‬
‫(∑ ‪𝛽1‬‬ ‫) 𝑖𝑋 𝑖𝑘 ̅𝑥 ‪−‬‬
‫𝑛‬
‫‪𝛽1 (𝑥̅ − 𝑥̅ ) = 𝛽1 (0) = 0‬‬
‫‪1‬‬
‫𝑖𝑢) 𝑖𝑘 ̅𝑥 ‪𝑏° = 𝛽° + ∑( −‬‬ ‫و هذا يعني‬
‫𝑛‬

‫‪1‬‬
‫) 𝑖𝑢(𝐸) 𝑖𝑘 ̅𝑥‪𝐸(𝑏° ) = 𝛽° + ∑( −‬‬ ‫و بأخذ التوقع‬
‫𝑛‬

‫‪𝐸(𝑏° ) = 𝛽°‬‬ ‫‪𝐸(𝑢𝑖 ) = 0‬‬ ‫حيث أن‬

‫إذن يعني هذا أن التقديرات المربعات الصغرى االعتيادية تعطي تقديرات غير متحيزة الى حد الثابت‪.‬‬

‫‪15‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة السابعة‬
‫‪ )3‬خاصية أقل تباين ‪ -:‬اذا كان لدينا أكثر من مقدر غير متحيز الى معالم النموذج و كان تباين المقدر‬
‫أقل من المقدرات االخرى يعتبر التباين ذو كفاءة أقل من بقية المقدرات و تنص نظرية كاوس –‬
‫ماركروف على أن مقدرات ذات كفاءة عالية و للوصول إلى صيغة التباين الخاصة بمقدرات نماذج‬
‫االنحدار نتبع ما يلي ‪-:‬‬
‫‪2‬‬
‫])𝑏(𝐸 ‪𝑣𝑎𝑟(𝑏) = 𝐸[𝑏 −‬‬
‫‪𝑣𝑎𝑟(𝑏) = 𝐸[𝑏 − 𝛽]2‬‬
‫و بأستخدام المعادالت السابقة‬
‫‪2‬‬
‫) 𝑖𝑢 𝑖𝑘∑(𝐸 = ) ‪𝑣𝑎𝑟(𝑏1‬‬
‫) ‪= 𝐸(𝑘12 𝑢12 + 𝑘22 𝑢22 + ⋯ + 𝑘𝑛2 𝑢𝑛2 𝑘1 𝑘2 𝑢1 𝑢2 + ⋯ + 𝑘𝑛 𝑢𝑛 𝑘𝑛−1 𝑢𝑛−1‬‬
‫‪𝑣𝑎𝑟(𝑏1 ) = 𝑘12 𝐸(𝑢𝑖2 ) + 𝑘22 𝐸(𝑢22 ) + ⋯ + 𝑘𝑛2 𝐸(𝑢𝑛 )2‬‬
‫) ‪+𝑘1 𝑘2 𝐸(𝑢1 𝑢2 ) + ⋯ + 𝑘𝑛 𝑘𝑛−1 𝐸(𝑢𝑛 𝑢𝑛−1‬‬
‫⋯ ‪𝑣𝑎𝑟(𝑏1 ) = 𝑘12 𝜎𝑢2 + 𝑘22 𝜎𝑢2 + ⋯ + 𝑘𝑛2 𝜎𝑢2 + 𝑘1 𝑘2 𝑐𝑜𝑣(𝑢1 𝑢2 ) +‬‬
‫) ‪+ 𝑘𝑛 𝑘𝑛−1 𝑐𝑜𝑣(𝑢𝑛 𝑢𝑛−1‬‬
‫حيث أن ‪𝑘𝑛 𝑘𝑛−1 𝑐𝑜𝑣(𝑢𝑛 𝑢𝑛−1 ) = 0‬‬
‫و ‪𝑘1 𝑘2 𝑐𝑜𝑣(𝑢1 𝑢2 ) = 0‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫𝑢𝜎 𝑛𝑘 ‪𝑣𝑎𝑟(𝑏1 ) = 𝑘1 𝜎𝑢 + 𝑘2 𝜎𝑢 + ⋯ +‬‬
‫‪𝑣𝑎𝑟(𝑏1 ) = 𝜎𝑢2 ∑𝑘𝑖2‬‬
‫و بالتعويض في قيمة 𝑖𝑘‬
‫𝑖𝑥‬
‫= 𝑖𝑘‬
‫‪∑𝑥𝑖2‬‬
‫‪2‬‬
‫‪∑𝑥𝑖 2‬‬
‫= 𝑖𝑘‬
‫‪(∑𝑥𝑖2 )2‬‬
‫‪∑𝑥𝑖 2‬‬
‫‪𝑣𝑎𝑟(𝑏1 ) = 𝜎𝑢2‬‬ ‫و بالتعويض‬
‫‪(∑𝑥𝑖2 )2‬‬
‫‪2‬‬
‫𝑢𝜎‬
‫= ) ‪𝑣𝑎𝑟(𝑏1‬‬
‫‪∑𝑥𝑖 2‬‬

‫أما بالنسبة الى الحد الثاني ‪ 𝑏°‬للوصول الى صيغة التباين الخاصة به يكون كـالتالي ‪:‬‬
‫‪1‬‬
‫𝑖𝑢) 𝑖𝑘 ̅𝑥 ‪𝑏° = 𝛽° + ∑( −‬‬
‫𝑛‬
‫‪1‬‬
‫𝑖𝑢) 𝑖𝑘 ̅𝑥 ‪𝑏° − 𝛽° = ∑( −‬‬
‫𝑛‬
‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = 𝐸(∑ ( − 𝑥̅ 𝑘𝑖 ) 𝑢𝑖 ) = 𝐸∑ ( − 𝑥̅ 𝑘𝑖 ) 𝑢𝑖 2‬‬
‫‪2‬‬
‫𝑛‬ ‫𝑛‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = 𝐸[( − 𝑥̅1 𝑘1 ) 𝑢1 + ( − 𝑥̅2 𝑘2 ) 𝑢2 + ⋯ + ( − 𝑥̅𝑛 𝑘𝑛 ) 𝑢𝑛 2‬‬
‫‪2‬‬ ‫‪2‬‬
‫𝑛‬ ‫𝑛‬ ‫𝑛‬
‫‪1‬‬ ‫‪1‬‬
‫⋯ ‪+ 2 ( − 𝑥̅1 𝑘1 ) ( − 𝑥̅2 𝑘2 ) 𝑢1 𝑢2 +‬‬
‫𝑛‬ ‫𝑛‬
‫‪1‬‬ ‫‪1‬‬
‫] ‪+ 2 ( − 𝑥̅𝑛 𝑘𝑛 ) ( − 𝑥̅𝑛−1 𝑘𝑛−1 ) 𝑢𝑛−1 𝑢𝑛−1‬‬
‫𝑛‬ ‫𝑛‬

‫‪16‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = ( − 𝑥̅1 𝑘1 ) 𝜎𝑢 2 + ( − 𝑥̅2 𝑘2 ) 𝜎𝑢 2 +‬‬ ‫و بإدخال التوقع‬
‫𝑛‬ ‫𝑛‬
‫‪1‬‬ ‫‪1‬‬
‫‪(𝑛 − 𝑥̅1 𝑘1 ) (𝑛 − 𝑥̅2 𝑘2 ) 𝑐𝑜𝑣(𝑢1 𝑢2 ) +‬‬
‫‪1‬‬ ‫‪1‬‬
‫) ‪(𝑛 − 𝑥̅𝑛−1 𝑘𝑛−1 ) (𝑛 − 𝑥̅𝑛 𝑘𝑛 ) 𝑐𝑜𝑣(𝑢𝑛−1 𝑢𝑛−1‬‬
‫‪1‬‬ ‫‪1‬‬
‫و ألن ‪ ( − 𝑥̅𝑛−1 𝑘𝑛−1 ) ( − 𝑥̅𝑛 𝑘𝑛 ) = 0‬يصبح ‪:‬‬
‫𝑛‬ ‫𝑛‬
‫‪2‬‬
‫‪2‬‬
‫‪1‬‬
‫) 𝑖𝑘 ̅𝑥 ‪𝑣𝑎𝑟(𝑏° ) = 𝜎𝑢 ∑ ( −‬‬
‫𝑛‬
‫𝑖𝑘 ̅𝑥‪1 2‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = 𝜎𝑢 2 ∑ ( 2 −‬‬ ‫) ‪+ 𝑥̅ 2 𝑘𝑖 2‬‬
‫𝑛‬ ‫𝑛‬
‫و بإدخال المجموع‬
‫𝑖𝑘∑ ̅𝑥‪𝑛 2‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = 𝜎𝑢 2 ( 2 −‬‬ ‫) ‪+ 𝑥̅ 2 ∑𝑘𝑖 2‬‬
‫𝑛‬ ‫𝑛‬
‫‪1‬‬ ‫‪∑𝑥𝑖 2‬‬
‫‪𝑣𝑎𝑟(𝑏° ) = 𝜎𝑢 2 ( + 𝑥̅ 2‬‬ ‫)‬ ‫حيث ‪∑𝑘𝑖 = 0‬‬
‫𝑛‬ ‫‪(∑𝑥 2 )2‬‬ ‫𝑖‬

‫‪2‬‬
‫‪1‬‬ ‫‪𝑥̅ 2‬‬
‫𝑢𝜎 = ) ‪𝑣𝑎𝑟(𝑏°‬‬ ‫‪( +‬‬ ‫)‬
‫‪𝑛 ∑𝑥𝑖2‬‬

‫تقدير التباين ‪-:‬‬

‫يتم قياس االنحرافات أو الفروق بين القيم الحقيقية 𝑖𝑌 و القيمة التقديرية 𝑖̂𝑌 و التي يتم احتساب تباين البواقي‬
‫) ‪ (𝑆𝑒2‬كـمتغير لتباين حد الخطأ العشوائي و يقيس التباين مدى التشتت بين قيم المتغير التابع الفعلي 𝑌 حول‬
‫خط االنحدار ‪ ,‬و يرمز إلى البواقي في بعض المصادر بالرمز 𝑖𝑒 أو 𝑖̂𝑢 و للوصول إلى تقدير تباين من‬
‫خالل الصيغة الرياضية التالية ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫) 𝑖̂𝑦 ‪∑(𝑦𝑖 −‬‬ ‫𝑖𝑒∑‬
‫= ‪𝑆𝑒2‬‬ ‫=‬
‫‪𝑛−𝑘−1‬‬ ‫‪𝑛−𝑘−1‬‬
‫‪𝐸(𝑆 2 ) = 𝜎𝑢2‬‬ ‫كما أن تباين المقدر هو تقدير غير متحيز إلى تباين حد الخطأ العشوائي‬

‫𝑖𝑢 ‪𝑌𝑖 = 𝛽° + 𝛽1 𝑋𝑖 +‬‬ ‫الثبات ذلك نتبع االشتقاق التالي ‪:‬‬

‫و بأخذ المجموع و القسمة على ‪n‬‬
‫𝑈 ‪𝑌̅ = 𝛽° + 𝛽1 𝑋̅ +‬‬
‫̅‬
‫)̅𝑢 ‪𝑌𝑖 − 𝑌̅ = 𝛽1 (𝑋𝑖 − 𝑋̅) + (𝑢𝑖 −‬‬
‫)̅𝑢 ‪𝑦𝑖 = 𝛽1 𝑥𝑖 + (𝑢𝑖 −‬‬
‫𝑖𝑥 ‪𝑒𝑖 = 𝑦𝑖 − 𝑏1‬‬ ‫حيث أن )̅‬
‫𝑈 ‪ 𝑒𝑖 = (𝑢𝑖 −‬إذن ‪:‬‬
‫𝑖𝑥 ‪𝑒𝑖 = 𝛽1 𝑋𝑖 + (𝑢𝑖 − 𝑢̅) − 𝑏1‬‬
‫)̅𝑢 ‪𝑒𝑖 = −(𝑏1 − 𝛽1 )𝑥𝑖 + (𝑢𝑖 −‬‬
‫و بتربيع و أخذ المجموع إلى طرفي المعادلة السابقة‬
‫‪2‬‬
‫)̅𝑢 ‪∑𝑒𝑖 = (𝑏1 − 𝛽1 )2 ∑𝑥𝑖 2 + ∑(𝑢𝑖 − 𝑢̅)2 − 2(𝑏1 − 𝛽1 )∑𝑥𝑖 (𝑢𝑖 −‬‬
‫و بأخذ التوقع‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫)̅𝑢 ‪𝐸∑𝑒𝑖 = ∑𝑥𝑖 𝐸(𝑏1 − 𝛽1 ) + 𝐸∑(𝑢𝑖 − 𝑢̅) − 2(𝑏1 − 𝛽1 )𝐸∑𝑥𝑖 (𝑢𝑖 −‬‬

‫‪17‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫نقوم بتبسيط جميع الحدود السابقة للمعادلة ‪:‬‬
‫الحد االول من المعادلة‬
‫) ‪∑𝑥𝑖 2 𝐸(𝑏1 − 𝛽1 )2 = ∑𝑥𝑖 2 𝑣𝑎𝑟(𝑏1‬‬
‫‪𝜎𝑢 2‬‬
‫‪∑ 𝑥𝑖 2‬‬ ‫‪= 𝜎𝑢 2‬‬
‫‪∑𝑥𝑖 2‬‬
‫الحد الثاني من المعادلة‬
‫‪2‬‬ ‫‪2‬‬ ‫)‪2‬‬
‫̅𝑢 ‪𝐸∑(𝑢𝑖 − 𝑢̅) = 𝐸∑(𝑢𝑖 − 2𝑢𝑖 𝑢̅ +‬‬ ‫) ‪= 𝐸(∑𝑢𝑖 − 2𝑢̅∑𝑢𝑖 + 𝑛𝑢̅2‬‬
‫‪2‬‬
‫𝑢∑‬
‫‪2𝑢̅∑𝑢𝑖 → 𝑢̅ = 𝑖 → ∑𝑢𝑖 = 𝑛𝑢̅2‬‬
‫𝑛‬
‫‪2𝑢̅ × 𝑛𝑢̅2 = 2𝑛𝑢̅2‬‬

‫) ‪= 𝐸(∑𝑢𝑖 2 − 2𝑛𝑢̅2 + 𝑛𝑢̅2‬‬ ‫و بالتعويض‬

‫) ‪= 𝐸(∑𝑢𝑖 2 − 𝑛𝑢̅2‬‬
‫‪𝜎𝑢2‬‬
‫𝑛 ‪= 𝐸∑𝑢𝑖 2 − 𝑛𝐸(𝑢̅2 ) = 𝑛𝜎𝑢2 +‬‬ ‫‪= 𝑛𝜎𝑢2 + 𝜎𝑢2‬‬
‫𝑛‬
‫أما الحد الثالث من المعادلة‬
‫)̅𝑢 𝑖𝑥∑ ‪=2𝐸(𝑏1 − 𝛽1 )∑𝑥𝑖 (𝑢𝑖 − 𝑢̅) = 2𝐸(𝑏1 − 𝛽1 )(∑𝑥𝑖 𝑢𝑖 −‬‬
‫)̅𝑢(𝐸 𝑖𝑥∑) ‪=2𝐸(𝑏1 − 𝛽1 )∑𝑥𝑖 𝑢𝑖 − 2(𝑏1 − 𝛽1‬‬
‫حيث أن ‪𝐸(𝑢̅) = 0‬‬
‫𝑖𝑢 𝑖𝑥∑) ‪=2𝐸(𝑏1 − 𝛽1‬‬
‫‪∑𝑥𝑖 𝑢𝑖 2‬‬
‫( 𝐸‪=2𝐸(∑𝑘𝑖 𝑢𝑖 ∑𝑢𝑖 𝑥𝑖 ) = 2‬‬
‫‪∑𝑥𝑖 2‬‬
‫‪) = 2𝜎𝑢 2‬‬

‫‪𝐸∑𝑒𝑖 2 = 𝜎𝑢 2 + 𝑛𝜎𝑢 2 − 𝜎𝑢 2 − 2𝜎𝑢 2‬‬ ‫و بالتعويض‬

‫‪𝐸∑𝑒𝑖 2 = 𝑛𝜎𝑢 2 − 2𝜎𝑢 2‬‬
‫و باستخراج عامل مشترك و القسمة على المتبقي‬
‫‪2‬‬ ‫)‪2 (𝑛−2‬‬
‫𝑖𝑒∑𝐸‬ ‫𝑢𝜎‬
‫=‬
‫)‪(𝑛−2‬‬ ‫)‪(𝑛−2‬‬
‫‪2‬‬
‫𝑖𝑒∑𝐸‬
‫= ‪𝜎𝑢 2‬‬
‫)‪(𝑛 − 2‬‬

‫‪18‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الثامنة‬
‫االستدالل االحصائي (‪)Statistical Inference‬‬
‫اوالً ‪ -:‬اختبار الفروض ‪ -:‬كما ذكر سابقا ً من أهم مراحل بناء نموذج هو وضع أو صياغة فروض البحث و‬
‫الفرض في تحليل االنحدار و هو قيم مبدئية يضعها الباحث لمعالم نموذج االنحدار و يتم وضع هذه القيم من‬
‫خالل مراجعة المشاكل و النظريات و االعتماد على دراسات و بحوث سابقة و في االحصاء يطلق على هذا‬
‫الفرض بـفرضية العدم ) ‪ (𝐻°‬و التي تعني ال يوجد فرق معنوي بين القيمة الحقيقية للمعلمة و قيمة معينة أو‬
‫عدم وجود اختالف بين قيمتين معلميتين لذلك جاءت تسمية الفرضية بـالفرضية الصفرية و يكون لفرض‬
‫العدم فرضية بديلة و التي تعني قبول البديل في حال رفض العدم و تنقسم الفرضية البديلة إلى فرضية‬
‫مركبة (معقدة) أو فرضية بسيطة و تعني البسيطة ‪ 𝐻1 : 𝛽𝐽 = 0.7‬أما إذا وضعت الفرضية في وضع أن‬
‫المعلمة ال تساوي أي قيمة ‪ 𝛽𝐽 ≠ 0.7‬و هذا يسمى بالفرضية المعقدة و تكون هذه الفرضيات أما بإتجاهين‬
‫أو بإتجاه واحد و كما يلي ‪:‬‬
‫∗‬
‫𝐽𝛽 = 𝐽𝛽 ‪𝐻° :‬‬ ‫عند‬ ‫∗ 𝐽𝛽 > 𝐽𝛽 ‪𝐻1 :‬‬
‫∗ 𝐽𝛽 = 𝐽𝛽 ‪𝐻° :‬‬ ‫عند‬ ‫∗ 𝐽𝛽 < 𝐽𝛽 ‪𝐻1 :‬‬ ‫أو‬

‫اختبار المعنوية ‪-:‬‬

‫اختبار المعنوية هو اجر اء يستخدم نتائج العينة للتأكد من صحة أو خطأ فرضية العدم و يعد قرار قبول أو‬
‫رفض فرضية العدم يعتمد على إحصاءة اختبار يتم الحصول على هذه اإلحصاءة مع قيمة جدولية يتم‬
‫الحصول عليها من جدول احصاءية خاصة بالتوزيعات اإلحصائية ثم بعد ذلك يتم اتخاذ القرار في رفض أو‬
‫قبول فرضية العدم و أن اتخاذ القرار يمكن أن يؤدي إلى نوعان من الخطأ االول يسمى خطأ من النوع‬
‫االول و يرمز له بالرمز ) ‪ (𝛼°‬و الذي يعني احتمال رفض فرضية العدم الصحيحة أو رفضها و هي‬
‫صحيحة و يسمى ايضا ً بمستوى المعنوية أما إذا تم رفضها و هي خاطئة يسمى بخطأ من النوع الثاني و‬
‫يرمز له بالرمز 𝛽 ‪ ,‬لذلك تم وضع اربع قرارات يمكن أن تتخذ و هي ‪-:‬‬
‫‪ )1‬رفض فرضية العدم و هو صحيح ويطلق عليه خطأ من النوع األول و تمثل ) ‪ (𝛼°‬احتمال الوقوع‬
‫في الخطأ ‪.‬‬
‫‪ )2‬عدم رفض فرضية العدم و هو صحيح (أو قبول فرضية العدم الصحيحة) و يمثل ) ‪(1 − 𝛼°‬‬
‫احتمال الوقوع به و يجب أن يكون قيمة هذا االحتمال ‪. 95%‬‬
‫‪ )3‬قبول فرضية العدم و هي خاطئة يسمى هذا خطأ من النوع الثاني و يرمز له بالرمز 𝛽 ‪.‬‬
‫‪ )4‬رفض فرضية العدم الخاطئة و يكون احتمال الوقوع به )𝛽 ‪. (1 −‬‬
‫و من خالل التعرف على احتماالت االخطاء التي يمكن أن يقع بها الباحث يجب عليه التحكم بمستويات‬
‫االخطاء و أن يحدد أي نوع من االخطاء التي يمكن الوقوع بها من خالل التحكم بمستوى المعنوية ‪ ,‬و كذلك‬
‫يجب مالحظة أن احتمال التقليل من احتمال الوقوع في الخطأ من النوع األول يزيد احتمال الوقوع في‬
‫الخطأ من النوع الثاني ‪.‬‬

‫مستوى المعنوية ‪-:‬‬

‫يعرف مستوى المعنوية أو مستوى الداللة ) ‪ (𝛼°‬على أنه الحد االقصى الحتمال الوقوع في االخطاء في‬
‫اختيار الفرضيات (أي احتمال الوقوع في االخطاء من النوع األول) و عادة ما تحدد القيمة ‪ 5%‬و احيانا‬
‫‪ 1%‬أو ‪ , 10%‬و كذلك يمكن للباحث أخذ أي قيمة آخرى ‪ 3%‬أو ‪. 4%‬‬
‫و تعني كلمة المعنوية ‪ :‬هو الفرق بين القيمة النظرية للمعلمة و القيمة الناتجة من العينة و يعني أن مستوى‬
‫المعنوية ‪ 5%‬على سبيل المثال مجتمع سحبت منه ‪ 100‬عينة من نفس المجتمع فأن احتمال رفض فرضية‬
‫العدم هي صحيحة خمس مرات و يتم قبولها ‪ 95‬و هذا يعني أنه توجد ثقة عالية في التقديرات ‪.‬‬

‫‪19‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة التاسعة‬
‫أختبار معنوية معامالت االنحدار‬
‫أن أختبار المعنوية إجراء يستخدم نتائج العينة للتأكد من صحة أو خطأ الفرض الصفري و يعتمد أختبار‬
‫المعنوية على إحصاءة االختبار و توزيعها و بأستيفاء فرض التوزيع الطبيعي لحد الخطأ العشوائي نجد أن‬
‫المقدارين يتبعان التوزيع الطبيعي ( ‪: )𝑏° , 𝑏1‬‬
‫‪2‬‬
‫𝑢𝜎‬
‫) ‪𝑏1 ~ 𝑁 (𝛽1 , 2‬‬
‫𝑖𝑥∑‬
‫‪2‬‬
‫‪1‬‬ ‫‪𝑥̅ 2‬‬
‫‪𝑏° ~ 𝑁 (𝛽° , 𝜎𝑢 ( +‬‬ ‫))‬
‫‪𝑛 ∑𝑥𝑖2‬‬
‫∗ 𝛽‪𝑏−‬‬
‫=𝑍‬ ‫)‪~𝑁(0,1‬‬ ‫و على ضوء تحقيق هذه الشروط يمكن أستخدام اختبار ‪ Z‬القياسي‬
‫)𝑏( 𝑑𝑡𝑠‬
‫حيث أن )‪ std(b‬تمثل االنحراف المعياري للمقدار ‪ , )𝑏° , 𝑏1 ( b‬و لكن أختبار ‪ Z‬يتعامل مع احجام‬
‫عينات صغيرة )‪ )n < 30‬و لكن أغلب العينات المسحوبة قد تكون أعلى من )‪ )n > 30‬لذلك ال يفضل‬
‫استخدام هذا التوزيع إذ اختبار ‪ Z‬لذلك تم اللجوء إلى اختبارات أخرى تتعامل مع حجوم عينات كبيرة و‬
‫صغيرة في نفس الوقت و بما أن إحصاء اختبار ‪ Q‬توزيع كاي سكوير ( ‪ )𝑥 2‬و بدرجة حرية )‪(n _ 2‬‬
‫حيث‪:‬‬
‫‪2‬‬
‫𝑆)‪(𝑛 − 2‬‬
‫=𝑄‬ ‫)‪~𝑥 2 (𝑛−2‬‬
‫‪𝜎2‬‬
‫𝑍‬
‫=𝑇‬ ‫)‪~ 𝑡(𝑛−2‬‬ ‫لذلك فأن توزيع ‪ t‬هو ‪:‬‬
‫)‪√𝑄⁄(𝑛−2‬‬

‫إذن إحصاء ‪ t‬هي جاءت من قيمة اختبار ‪ Z‬على كاي سكوير و بعد التبسيط فأن احصاء ‪ t‬يمكن أن تكتب‬
‫بالشكل التالي ‪:‬‬
‫‪2‬‬
‫𝑖𝑥 ∑√) ‪𝑏1 − 𝛽1∗ (𝑏1 − 𝛽1‬‬
‫=‪t‬‬ ‫=‬ ‫)‪~ 𝑡(𝑛−2‬‬
‫) ‪𝑠. 𝑒(𝑏1‬‬ ‫𝑆‬
‫أما بالنسبة إلى المعلمة ‪: 𝑏°‬‬
‫‪2‬‬
‫𝑖𝑥 ∑ 𝑛√) ‪𝑏° − 𝛽°∗ (𝑏° − 𝛽°‬‬
‫=‪t‬‬ ‫=‬
‫) ‪𝑠. 𝑒(𝑏°‬‬
‫‪𝑆√𝑥𝑖2‬‬

‫و بعد أن تم تحديد إحصاءة االختبار يتم إتخاذ القرار و يكون وفق القاعدة التالية ‪:‬‬
‫القرار نرفض ‪𝐻°‬‬ ‫الفرض البديل‬ ‫فرض العدم ‪𝐻°‬‬ ‫نوع االختبار‬
‫‪|𝑇| > 𝑡(𝑛−2 ,𝛼°⁄‬‬ ‫∗𝛽 ≠ 𝛽‬ ‫∗𝛽 = 𝛽‬ ‫ذو طرفين‬
‫)‪2‬‬
‫) ‪|𝑇| > 𝑡(𝑛−2 ,𝛼°‬‬ ‫∗𝛽 > 𝛽‬ ‫∗𝛽 ≤ 𝛽‬ ‫ذو طرف واحد (أيمن)‬
‫) ‪𝑇 < − 𝑡(𝑛−2 ,𝛼°‬‬ ‫∗𝛽 < 𝛽‬ ‫∗𝛽 ≥ 𝛽‬ ‫ذو طرف واحد (أيسر)‬

‫‪20‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫و على ضوء القرارات السابقة يتم اتخاذ القرار ‪ ,‬و يمكن أن ترسم القرارات السابقة كما يلي ‪:‬‬

‫أختبار ذو الطرفين ‪:‬‬

‫منطقة حرجة‬ ‫منطقة حرجة‬

‫منطقة القبول‬
‫‪𝛼°‬‬ ‫‪1 − 𝛼°‬‬ ‫‪𝛼°‬‬
‫‪⁄2‬‬ ‫‪⁄2‬‬
‫أختبار ذو طرف واحد (أيمن) ‪:‬‬

‫منطقة حرجة‬

‫منطقة القبول‬
‫‪1 − 𝛼°‬‬ ‫‪𝛼°‬‬

‫أختبار ذو طرف واحد (أيسر) ‪:‬‬

‫منطقة حرجة‬

‫منطقة القبول‬
‫‪𝛼°‬‬ ‫‪1 − 𝛼°‬‬

‫فترة الثقة لمعالم نموذج االنحدار الخطي البسيط ‪-:‬‬

‫∗𝐽𝛽‪𝑏𝐽 −‬‬
‫=‪t‬‬ ‫‪𝐽 = 0,1‬‬ ‫من المعادلة الخاصة باختبار ‪T‬‬
‫) 𝐽𝑏(𝑒‪𝑠.‬‬
‫حيث أن توزيع ‪ t‬بدرجة حرية )‪ (n-2‬و باستخدام توزيع ‪ t‬يتم ايجاد فترة الثقة للمعلمة 𝐽𝛽 كما يلي ‪:‬‬
‫𝐽∗𝛽‪𝑏𝐽 −‬‬
‫≤ ‪𝑝𝑟 [−𝑡𝑛−2 ,𝛼°⁄‬‬ ‫‪≤ 𝑡𝑛−2 ,𝛼°⁄ ] = 1 − 𝛼°‬‬
‫‪2‬‬ ‫)𝐽𝑏(𝑒‪𝑠.‬‬ ‫‪2‬‬

‫و باعادة تنظيم المعادلة ‪:‬‬

‫]) 𝐽𝑏(𝑒 ‪𝑝𝑟 [−𝑡𝑛−2 ,𝛼°⁄ × 𝑠. 𝑒(𝑏𝐽 ) ≤ 𝑏𝐽 − 𝛽𝐽 ≤ 𝑡𝑛−2 ,𝛼°⁄ × 𝑠.‬‬
‫‪2‬‬ ‫‪2‬‬
‫ثم بعد ذلك ‪:‬‬
‫]) 𝐽𝑏(𝑒 ‪𝑝𝑟 [𝑏𝐽 − 𝑡𝑛−2 ,𝛼°⁄ × 𝑠. 𝑒(𝑏𝐽 ) ≤ 𝛽𝐽 ≤ 𝑏𝐽 + 𝑡𝑛−2 ,𝛼°⁄ × 𝑠.‬‬
‫‪2‬‬ ‫‪2‬‬

‫حيث يمكن كتابة فترة الثقة السابقة بشكل أكثر اختصار ‪:‬‬
‫) 𝐽𝑏(𝑒 ‪𝑏𝐽 ± 𝑡𝑛−2 ,𝛼°⁄ × 𝑠.‬‬
‫‪2‬‬

‫‪21‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫حيث يعبر )‪ (n-2‬إلى درجة الحرية و ‪ n‬حجم العينة ‪ 2 ,‬عدد المعالم في نموذج االنحدار الخطي‬
‫البسيط ) ‪ (𝑡𝑛−2 ,𝛼°⁄‬هي القيمة الحرجة يتم أستخراجها من جدول ‪ t‬و ) 𝐽𝑏(𝑒 ‪ 𝑠.‬هو الخطأ‬
‫‪2‬‬
‫المعياري أو االنحراف المعياري لمعالم النموذج المقدر ‪.‬‬

‫فترة الثقة إلى تباين المجتمع ‪-: 𝜎𝑢2‬‬

‫يتم أستخراج فترة الثقة إلى تباين المجتمع و ذلك باالعتماد على توزيع ‪ 𝑥 2‬مربع كاي سكوير و يكون‬
‫وفق المعادلة التالية ‪:‬‬
‫‪𝑝𝑟 (𝑥21−𝛼°⁄ ≤ 𝑄 ≤ 𝑥2𝛼°⁄ ) = 1 − 𝛼°‬‬
‫‪2‬‬ ‫‪2‬‬
‫و يمكن تبسيط المعادلة السابقة إلى الشكل التالي ‪:‬‬
‫‪(𝑛 − 2)𝑆2‬‬ ‫‪2‬‬
‫‪(𝑛 − 2)𝑆2‬‬
‫‪𝑝𝑟 ( 2‬‬ ‫≤ 𝑢𝜎 ≤‬ ‫‪) = 1 − 𝛼°‬‬
‫‪𝑥1−𝛼°⁄‬‬ ‫‪𝑥21−𝛼°⁄‬‬
‫‪2‬‬ ‫‪2‬‬

‫فأذا وقعت قيمة تباين المقدار ضمن الحدين االعلى و االدنى إذن هناك ثقة و قيمتها ‪ 95%‬في المقدار‬
‫الذي تم الحصول عليه من العينة ‪.‬‬

‫‪22‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة العاشرة‬
‫مثال‪ /‬لبيانات المثال السابق و الذي يمثل انحدار وزن الطفل على عمره اختبر معنوية معاملي‬
‫النموذج االنحدار عند مستوى معنوية ‪ %5‬و حساب فترة الثقة للمعلمتين ( ‪ )𝛽° , 𝛽1‬و للمعلمة ‪ 𝜎𝑢2‬؟‬
‫الحل‪/‬‬

‫أختبار المعنوية 𝛽 ‪-:‬‬

‫الجراء اختبار المعنوية يتم صياغة فرضية العدم و لقياس أثر المتغير المستقل على المتغير التابع يتم‬
‫عادة اختبار ما اذا كانت قيمة المعلمة تساوي صفر ام ال و هل تختلف معنويا ً فأن الفرضية اعداد‬
‫‪:‬‬ ‫اختيارها‬
‫‪𝐻° ∶ 𝛽𝐽 = 0‬‬ ‫∀‬ ‫‪𝐻1 ∶ 𝛽𝐽 ≠ 0‬‬

‫و باستخدام احصائية اختبار ‪t‬‬

‫‪ )a‬نأتي الختبار معنوية ‪𝑏1‬‬
‫‪𝐻° ∶ 𝛽1 = 0‬‬ ‫∀‬ ‫‪𝐻1 ∶ 𝛽1 ≠ 0‬‬
‫‪𝑏1 −‬‬ ‫∗‪𝛽1‬‬ ‫‪2.532 − 0‬‬
‫=𝑡‬ ‫=‬ ‫‪= 24.424‬‬
‫) ‪𝑠. 𝑒(𝑏1‬‬ ‫‪0.1037‬‬
‫و بما أن فرضية من النوع ذات الجانبين فأن القيمة الجدولية هي ‪:‬‬
‫‪𝑡(𝑛−2 ,𝛼°⁄ ) = 𝑡(48 ,0.025) = 2.0106‬‬
‫‪2‬‬
‫الجدولية ‪ > t‬المحسوبة ‪t‬‬ ‫‪24.424 > 2.0106‬‬
‫حيث أن قيمة ‪ t‬المحسوبة أكبر من قيمة ‪ t‬الجدولية إذن نرفض فرضية العدم و نقبل البديلة و هذا‬
‫يعني أن المعلمة ‪ 𝑏1‬معنوية ‪ ,‬هذا يعني أن متغير العمر يسهم في تفسير تباين وزن الطفل ‪.‬‬
‫‪ )b‬اختبار معنوية ‪𝑏°‬‬
‫‪𝐻° ∶ 𝛽° = 0‬‬ ‫∀‬ ‫‪𝐻1 ∶ 𝛽° ≠ 0‬‬
‫و باستخدام المعادلة الخاصة باختبار ‪t‬‬
‫∗‬
‫‪𝑏° − 𝛽°‬‬ ‫‪4.21 − 0‬‬
‫=‪t‬‬ ‫=‬ ‫‪= 12.948‬‬
‫‪𝑠. 𝑒(𝑏° ) 0.32514‬‬
‫و نقارن مع قيمة ‪ t‬الجدولية السابقة‬
‫‪𝑡(𝑛−2 ,𝛼°⁄ ) = 𝑡(48 ,0.025) = 2.0106‬‬
‫‪2‬‬
‫‪ t‬الجدولية > ‪ t‬المحسوبة‬
‫إذن نرفض ‪ 𝐻°‬و نقبل البديل و هذا يعني ال يوجد فرق معنوية ‪.‬‬
‫و كذلك يمكن اختبار الفرضية التالية و التي تنص أن تكون الزيادة السنوية في وزن الطفل خالل هذه‬
‫الفترة أكبر من ‪ 2‬كيلو و على ذلك يمكن صياغة فرض التالي ‪:‬‬
‫‪𝐻° ∶ 𝛽1 ≤ 2‬‬ ‫∀‬ ‫‪𝐻1 ∶ 𝛽1 > 2‬‬
‫و الجراء هذا االختبار نستخدم احصائية اختبار ‪t‬‬
‫∗‬
‫‪𝑏1 − 𝛽1 2.5324 − 2‬‬
‫=‪t‬‬ ‫=‬ ‫‪= 5.1398‬‬
‫) ‪𝑠. 𝑒(𝑏1‬‬ ‫‪0.103685‬‬

‫‪23‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫و بما أن الفرضية هي من طرف واحد فـتقارن مع قيمة ‪ t‬الجدولية‬
‫)‪𝑡(𝑛−2 ,𝛼°⁄ ) = 𝑡(48 ,0.05‬‬ ‫‪= 1.677‬‬
‫‪2‬‬
‫‪ t‬الجدولية > ‪ t‬المحسوبة‬
‫لذلك ترفض فرضية العدم القائلة بأن وزن الطفل أقل من ‪ 2‬كيلو أي أن الزيادة ‪ 2‬كيلو ‪.‬‬

‫ثانيا ً ‪-:‬‬
‫فترة الثقة للمعلمة ‪𝛽1‬‬
‫) ‪𝑏1 ∓ 𝑡(𝑛−2 ,𝛼°⁄ ) × 𝑠. 𝑒(𝑏1‬‬
‫‪2‬‬
‫‪2.532 ∓ 𝑡(48 ,0.25) × 0.1037‬‬
‫‪2.532 ∓ 2.0106 × 0.1037‬‬
‫‪𝐿 = 2.532 − 2.0106 × 0.1037 = 2.324‬‬
‫‪𝑈 = 2.532 + 2.0106 × 0.1037 = 2.741‬‬

‫و بما أن تحديد فترة الثقة إلى ‪ 𝛽1‬يتم الحصول على تقديرات و فترة ثقة ‪ %95‬أي أن لدينا ثقة بنسبة‬
‫‪ %95‬بالمعالم المقدرة إلى ‪. 𝛽1‬‬
‫أما بالنسبة إلى ‪ 𝛽°‬و بنفس الطريقة ‪:‬‬
‫) ‪𝑏° ∓ 𝑡(𝑛−2 ,𝛼°⁄ ) × 𝑠. 𝑒(𝑏°‬‬
‫‪2‬‬
‫‪4.21 ∓ 2.0106 × 0.325‬‬
‫‪𝐿 = 4.21 − 2.0106 × 0.325 = 3.556‬‬
‫‪𝑈 = 4.21 − 2.0106 × 0.325 = 4.864‬‬
‫يتضح من خالل استخراج حدود الثقة نجد لدينا ثقة بنسبة ‪ %95‬بالمعالم المقدرة إلى ‪. 𝛽°‬‬

‫ثالثا ً ‪ -:‬أما بالنسبة إلى فترة الثقة ‪ 𝜎𝑢2‬فيمكن استخراج كما يلي ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪𝑆 2 = 2.3245 , 𝑋(48,0.025‬‬ ‫)‪= 69.023 , 𝑋(48,0.975‬‬ ‫‪= 30.755‬‬
‫‪(𝑛 − 2)𝑆 2‬‬ ‫‪2‬‬
‫‪(𝑛 − 2)𝑆 2‬‬
‫‪𝑝𝑟 ( 2‬‬ ‫‪≤ 𝜎𝑢 ≤ 2‬‬ ‫‪) = 1 − 𝛼°‬‬
‫)‪𝑥(48,0.025‬‬ ‫)‪𝑥(48,0.975‬‬
‫‪(48)2.3245‬‬ ‫‪(48)2.3245‬‬
‫( 𝑟𝑝‬ ‫≤ ‪≤ 𝜎𝑢2‬‬ ‫‪) = 1 − 𝛼°‬‬
‫‪69.023‬‬ ‫‪30.755‬‬
‫‪𝑝𝑟(1.616 ≤ 𝜎𝑢2 ≤ 3.628) = 0.95‬‬
‫توجد لدينا ثقة بنسبة ‪ %95‬بالمعالم المقدرة إلى ‪. 𝜎𝑢2‬‬

‫‪24‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫جودة نموذج االنحدار ‪-:‬‬
‫في هذا الجزء سوف يتم التكلم هل المتغير في قيم المتغير التابع يرجع إلى التغير في قيم المتغير‬
‫المستقل ام يرجع إلى عوامل عشوائية أو متغيرات وهمية ال تتعلق بالمتغير المستقل 𝑖𝑋 أو بمعنى‬
‫آخر ما مقدار أو قدرة خط االنحدار في تفسير التباين في المتغير التابع أو المعتمد ‪.‬‬

‫اوالً ‪ -:‬التباين المفسر و التباين الغير مفسر ‪-:‬‬

‫يقاس تباين المتغير التابع 𝑖𝑌 مجموع مربعات انحراف قيم ‪ Y‬عن الوسط الحسابي ̅𝑌 ‪∑(𝑌𝑖 − 𝑌̅)2‬‬
‫و يمكن تجزئة تباين المتغير المعتمد 𝑖𝑌 إلى جزئين االسبق الجزء االول يمكن تفسيره باستخدام معادلة‬
‫االنحدار الخطي البسيط أما الجزء اآلخر هو جزء لم يتم تفسيره ‪.‬‬

‫لذلك عند رسم معادلة االنحدار و حددنا قيمة معينة للمتغير التابع 𝑖𝑌 فأن قيمة المتغير التابع ̂𝑌 قد تم‬
‫تحديدها و يكون الفرق بين 𝑖̂𝑌 و ̅𝑌 أن هذا الفرق يعتمد على التغير في المتغير المستقل و هذا يعني‬
‫أن المتغير 𝑖𝑋 هو الذي يؤثر على المتغير المعتمد و يتم تفسيرها أما الجزء الثاني الذي لم يتم‬
‫تفسيرها يكون حاصل طرح قيمة التباين المفسر ‪ ,‬و يمكن أن نضع الكالم السابق في معادلة ‪-:‬‬
‫𝑖̂𝑌 ‪𝑌𝑖 − 𝑌̅ = 𝑌̂𝑖 − 𝑌̅ + 𝑌𝑖 −‬‬
‫االنحراف الكلي = االنحراف المفسر ‪ +‬االنحراف الغير مفسر‬

‫‪∑(𝑌𝑖 − 𝑌̅)2 = ∑(𝑌̂𝑖 − 𝑌̅)2 + ∑(𝑌𝑖 − 𝑌̂𝑖 )2‬‬ ‫و بتربيع الطرفين نحصل على ‪:‬‬
‫‪𝑆𝑇𝑇 = 𝑆𝑆𝑅 + 𝑆𝑆𝐸 … … … . 1‬‬
‫‪ = SST‬مجموع مربعات الكلي ‪.‬‬
‫‪ = SSR‬مجموع مربعات االنحراف التي تم تفسيرها ‪.‬‬
‫‪ = SSE‬مجموع مربعات االنحراف التي لم يتم تفسيرها ‪.‬‬

‫‪∑(𝑌𝑖 − 𝑌̅)2 = 𝑏12 ∑ 𝑥𝑖2 + ∑ 𝑒𝑖2‬‬ ‫و يمكن اعادة كتابة المعادلة رقم ‪1‬‬

‫ثانيا ً ‪ -:‬معامل التحديد ‪-: 𝑅 2‬‬

‫يستخدم معامل التحديد لتحديد قوة العالقة بين المتغير المستقل و المتغير المعتمد أو تحديد مدى قوة‬
‫معادلة االنحدار في تحليل التغيرات في المتغير المعتمد ‪:‬‬
‫‪2‬‬
‫‪𝑏𝑖2 ∑ 𝑥𝑖2‬‬ ‫‪2‬‬
‫‪∑ 𝑥𝑖2‬‬ ‫‪(∑ 𝑥𝑖 𝑦𝑖 )2‬‬
‫= 𝑅‬ ‫‪= 𝑏𝑖 [ 2 ] = [ 2‬‬ ‫]‬
‫‪∑ 𝑦𝑖2‬‬ ‫𝑖𝑦 ∑‬ ‫‪∑ 𝑥𝑖 ∑ 𝑦𝑖2‬‬
‫لذلك يستخدم معامل التحديد و لقياس جودة التوفيق و يقيس بنسبة التباين الذي تفسرها نموذج االنحدار‬
‫الجمالي التباين للمتغير المعتمد و من خصائص معامل التحديد ‪-:‬‬
‫‪ )1‬يأخذ معامل التحديد قيما ً غير سالبة ‪.‬‬
‫‪0 ≤ 𝑅2 ≤ 1‬‬ ‫‪ )2‬تتراوح قيم معامل التحديد ما بين الصفر و الواحد الصحيح أي أن ‪:‬‬
‫فأذا كانت قيمة معامل التحديد مساوية للواحد الصحيح هذا يعني أن العالقة بين المتغير المعتمد و‬
‫المتغير المستقل تامة أما اذ كانت مساوية للصفر تكون العالقة غير تامة ‪.‬‬

‫‪25‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫ثالثا ً ‪ -:‬معامل االرتباط البسيط ‪-:‬‬
‫بأخذ الجذر التربيعي إلى معامل التحديدنحصل على معالم االرتباط البسيط و الصيغة النهائية لمعادلة‬
‫‪√∑ 𝑥𝑖2‬‬
‫× ‪𝑟 = 𝑏1‬‬ ‫االرتباط هي ‪-:‬‬
‫‪√∑ 𝑦𝑖2‬‬

‫و نستخدم معامل االرتباط لقياس قوة و اتجاه العالقة بين المتغير المعتمد و المتغير المستقل فأذا كانت‬
‫قيمة معامل االرتباط ‪-:‬‬
‫‪−1 < R < 1‬‬ ‫‪ )1‬تتراوح قيمة معامل االرتباط ما بين ‪:‬‬
‫‪ )2‬اذا كانت قيمة معامل االرتباط موجبة دل ذلك على وجود عالقة قوية بين المتغير المعتمد و المتغير‬
‫المستقل و يكون اتجاه العالقة طردي ‪.‬‬
‫‪ )3‬اذا كانت سالبة تكون العالقة ضعيفة بين المتغير المعتمد و المتغير المستقل و العالقة عكسية بين‬
‫المتغير المستقل و المعتمد ‪.‬‬
‫‪ )4‬اذا كانت قيمة معامل االرتباط تساوي صفر دل ذلك على عدم وجود عالقة بين المتغير المعتمد و‬
‫المتغير المستقل ‪.‬‬

‫‪26‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫المحاضرة الحادية عشر‬

‫رابعا ً ‪ -:‬جدول تحليل التباين ‪-:‬‬

‫يتم عادة وضع مكونات مجموع مربعات الكلي و درجات الحرية في جدول يعرف بـجدول تحليل‬
‫التباين و ترجع هذه التسمية إلى أن المعلومات التي يحتوي هذا الجدول تشمل تقديرات التباين ‪ ,‬لذلك‬
‫فأن جدول تحليل التباين هو اجراء يعتمد على مجموع مربعات المجاميع االحصائية التي تم ذكرها‬
‫سابقا ً و أن الهدف الرئيسي من استخدام جدول تحليل التباين هو اختبار معنوية النموذج كـكل لذلك فأن‬
‫االختبارات االحصائية السابقة مثل اختبار )‪ (Q , Z , t‬تستخدم الختبار معنوية كل معلمة على حد‬
‫لذلك خاصتا ً في النموذج أما بالنسبة إلى جدول تحليل التباين فأن هذا يستخدم الختبار معنوية و ظهر‬
‫أن النموذج غير معنوي في هذه الحالة يجب أن يرجع إلى اختبار ‪ t‬لتحديد أي المتغيرات ال يوجد‬
‫عالقة بين المستقل و المعتمد لذلك فأن من اهم استخدامات تحليل التباين هي ‪-:‬‬
‫‪ )1‬هل تختلف قيمة الميل الحقيقي عن الصفر ‪.‬‬
‫‪ )2‬ما قوة العالقة الخطية بين المتغيرين التابع و المستقل ‪.‬‬
‫‪ )3‬هل النموذج الخطي يعد مناسبا ً لتوفيق بيانات المتغيرين التابع و المستقل ‪.‬‬

‫لذلك فأن الخطوات الرئيسية لجدول تحليل التباين تتمثل بما يلي ‪-:‬‬
‫𝑌 ‪𝑇𝑇𝑆 = ∑(𝑌𝑖 −‬‬ ‫‪̅ )2‬‬ ‫تحديد مجموع مربعات االحصائية و التي تتمثل بما يلي ‪-:‬‬
‫‪ TTS‬أو ‪ SST‬هو مجموع المربعات الكلي للمتغير المعتمد أو مجموع الكلي للمتغير المعتمد ‪.‬‬
‫‪𝑆𝑆𝑅 = 𝑏1 ∑𝑥𝑖2‬‬ ‫أما المجموع األخر هو ‪-:‬‬
‫‪ -: SSR‬يسمى مجموع مربعات االنحدار وهو يقصد به التباين المفسر في نموذج االنحدار الخطي‬
‫البسيط ‪.‬‬
‫‪ -: SSE‬مجموع مربعات االخطاء العشوائية أو مجموع مربعات البواقي و يقصد به الجزء الغير‬
‫مفسر من تباين المتغير المعتمد ‪.‬‬

‫اختبار ‪-: F‬‬

‫بعد تجزئة التباين المتغير المعتمد ‪ Y‬إلى تباين مفسر ‪ SSR‬و كذلك تباين غير مفسر ‪ SSE‬لذلك نأتي‬
‫الختبار فرضية القائلة ما اذا كان التباين المعتمد في النموذج أكبر من تباين الغير مفسر و الفرض‬
‫‪𝐻° ∶ 𝛽1 = 0‬‬ ‫∀‬ ‫‪𝐻1 ∶ 𝛽1 ≠ 0‬‬ ‫المراد اختباره هو ‪-:‬‬
‫و بصورة عامة فأن اختبار جدول تحليل التباين يعتبر اذا كان النموذج االنحدار معنوي أو غير‬
‫معنوي و أن االختبار الذي يعتبر هذا الفرض هو اختبار ‪ F‬و يمكن كتابة جدول تحليل التباين التالي‪:‬‬
‫‪S.v.o‬‬ ‫‪S.S‬‬ ‫‪d.f‬‬ ‫‪M.S‬‬ ‫‪F‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ SSR‬مجموع مربعات‬ ‫𝑖𝑥∑ ‪𝑏1‬‬ ‫𝑘‪𝑏1 ∑ 𝑥𝑖 ⁄‬‬
‫االنحدار الجزء المفسر‬ ‫) 𝑖̅𝑦 ‪∑(𝑦𝑖 −‬‬ ‫‪2‬‬ ‫‪k=1‬‬ ‫𝑅𝑆𝑀‬
‫𝐸𝑆𝑀‬
‫‪2‬‬ ‫‪n-k-1‬‬ ‫‪2‬‬
‫‪ SSE‬مجموع مربعات‬ ‫) 𝑖̅𝑦 ‪∑(𝑦𝑖 −‬‬ ‫) 𝑖̅𝑦 ‪∑(𝑦𝑖 −‬‬
‫االنحدار الجزء الغير‬ ‫‪2‬‬ ‫‪n-2‬‬
‫𝑖𝑒∑‬ ‫‪𝑛−2‬‬
‫مفسر‬
‫‪ SST‬مجموع الكلي‬ ‫‪∑(𝑦𝑖 − 𝑦̅𝑖 )2‬‬ ‫‪n-1‬‬

‫‪27‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫𝑅𝑆𝑀‬
‫=𝐹‬ ‫ثم تقارن قيمة ‪ F‬الجدولية المتمثل‬
‫𝐸𝑆𝑀‬
‫)𝛼 ‪𝐹(𝑘, 𝑛 − 𝑘 − 1, 𝛼) = 𝐹(1, 𝑛 − 2 ,‬‬ ‫مع قيمة ‪ F‬الجدولية عند درجة حرية‬
‫فإذا كانت ( الجدولية ‪ > F‬المحسوبة ‪ ) F‬إذن ترفض ‪ 𝐻°‬و تقبل ‪ 𝐻1‬و هذا يعني أن النموذج‬
‫معنوي و العكس صحيح ‪..‬‬
‫( الجدولية ‪ > F‬المحسوبة ‪ ) F‬هذا يعني أن النموذج غير معنوي ‪.‬‬

‫مثال‪ l‬من بيانات مثال نموذج انحدار وزن الطفل على عمره أحسب كاالتي ‪-:‬‬
‫‪ )1‬معامل التحديد ‪.‬‬
‫‪ )2‬معامل االرتباط ‪.‬‬
‫‪ )3‬جدول تحليل التباين ‪.‬‬
‫الحل‪/‬‬
‫‪ )1‬معامل التحديد ‪ 𝑅2‬و حسب المعلومات المتوفرة سابقا ً ‪-:‬‬
‫‪∑𝑥𝑖2 = ∑(𝑥𝑖 − 𝑥̅𝑖 )2 = 216.218408‬‬
‫‪∑𝑦𝑖2 = ∑(𝑦𝑖 − 𝑦̅𝑖 )2 = 1498.199‬‬
‫‪𝑏1 = 2.532 , ∑𝑥𝑖 𝑦𝑖 = 547.5526‬‬
‫‪∑(𝑦𝑖 − 𝑦̅𝑖 )2 = 1386.6248‬‬
‫و بالتعويض في الصيغة السابقة لـ ‪𝑅2‬‬
‫‪2‬‬
‫‪∑(𝑦𝑖 − 𝑦̅𝑖 )2‬‬ ‫‪𝑏1 ∑𝑥𝑖2‬‬ ‫𝑅𝑆𝑆‬
‫= 𝑅‬ ‫=‬ ‫=‬
‫𝑇𝑆𝑆 ‪∑(𝑦𝑖 − 𝑦̅𝑖 )2 ∑(𝑦𝑖 − 𝑦̅𝑖 )2‬‬
‫‪1386.6248‬‬
‫= ‪𝑅2‬‬ ‫‪= 0.926‬‬
‫‪1498.199‬‬
‫و إذا تم استخدام الصيغة الثانية ‪:‬‬
‫‪2‬‬
‫‪2‬‬
‫‪𝑏1 ∑𝑥𝑖2‬‬ ‫‪(2.532)2 216.218408‬‬
‫= 𝑅‬ ‫=‬ ‫‪= 0.926‬‬
‫‪∑(𝑦𝑖 − 𝑦̅𝑖 )2‬‬ ‫‪1498.199‬‬
‫‪ %93 = %100 ∗ 𝑅2‬وهذا يعني أن ‪ 93%‬من تباين أوزان االطفال تم تفسيره بالتغير‬
‫باعمارهم ‪.‬‬

‫‪ )2‬االرتباط ‪:‬‬
‫𝑖𝑦 𝑖𝑥∑‬ ‫‪547.55256‬‬
‫=𝑅‬ ‫=‬ ‫‪= 0.926‬‬
‫‪√216.218408 × 1498.199‬‬
‫‪√∑𝑥𝑖2 ∑𝑦𝑖2‬‬
‫و هذا يعني أن االرتباط قوي بين وزن الطفل و عمره ‪.‬‬

‫‪ )3‬جدول تحليل التباين ‪ :‬يتم استخراج المجاميع‬

‫‪𝑆𝑆𝑇 = ∑(𝑦𝑖 − 𝑦̅𝑖 )2 = 1498.199‬‬
‫‪𝑅𝑆𝑆 = 𝑏1 ∑𝑥𝑖2 = (2.532)2 216.218408 = 1386.6248‬‬
‫‪𝑆𝑆𝐸 = ∑(𝑦𝑖 − 𝑦̂𝑖 )2 = ∑𝑒𝑖2 = 111.5744‬‬

‫‪28‬‬
 ‫أستاذ املادة ‪:‬وهاب سامل‬
‫‪S.v.o‬‬ ‫‪S.S‬‬ ‫‪d.f‬‬ ‫‪M.S‬‬
‫‪SSR‬‬ ‫‪1386.6248‬‬ ‫‪1‬‬ ‫‪1386.6248‬‬
‫‪SSE‬‬ ‫‪111.5744‬‬ ‫‪48‬‬ ‫‪2.324467‬‬
‫‪SST‬‬ ‫‪1498.199‬‬ ‫‪49‬‬
‫‪1386.6248‬‬
‫=𝐹‬ ‫‪= 596.5346‬‬
‫‪2.324467‬‬
‫نقارن قيمة ‪ F‬مع قيمة ‪ F‬الجدولية ‪:‬‬
‫‪𝐹(1,48,0.05) = 7.1942‬‬ ‫) ‪ F‬الجدولية < ‪ F‬المحسوبة )‬
‫إذن يتم رفض ‪ 𝐻°‬و تقبل ‪ 𝐻1‬و هذا يعني أن النموذج معنوي ‪.‬‬

‫‪29‬‬