‫جامعة فرحات عباس ‪ -‬سطيف‪– 01‬‬

‫كلية العلوم الاقتصادية والتجارية وعلوم التسيير‬

‫قسم العلوم املالية و املحاسبة‬

‫لطلبة السنة الثانية جذع مشترك علوم املالية واملحاسبة‬

‫بربيربلالل‬

‫د‪ .‬سحنون فاروق‬

 ‫‪..................................‬مقدمــــــــــــة‪.................................‬‬
‫مقدمة‬

‫جاءت هذه المحاضرات في إحصاء ‪ ،3‬والموجهة لطلبة السنة الثانية جذع مشترك لقسم المالية‬
‫والمحاسبة والتي تقع ضمن المنهاج الموضوع للمقرر‪ ،‬تهدف في األساس إلى مساعدة الطالب على التحكم‬
‫أكثر في استخدام األساليب اإلحصائية‪ ،‬في تحليل البيانات الخاصة بالظواهر محل الدراسة‪.‬‬

‫وان الهدف من هذه المحاضرات هو تقديم المفاهيم األساسية في مجال اإلحصاء االستداللي‪ ،‬والذي‬
‫يعتبر فرع من فروع اإلحصاء يشمل كل األساليب اإلحصائية والنظريات القائمة عليها وتطبيقاتها العملية‬
‫المستخدمة‪ ،‬في تحليل البيانات المتحصل عليها من العينة‪ ،‬وذلك لالستدالل على معالم وخواص المجتمع‬
‫الذي سحبت منه العينة بكامله وتكون هذه االستدالالت على شكل تقديرات أو اتخاذ الق اررات‪ ،‬ومن الواضح‬
‫أن مثل هذه العمليات تتطلب من الباحث اإللمام باألساليب اإلحصائية والرياضية‪ ،‬حتى يستطيع أن يختار‬
‫األسلوب اإلحصائي الذي يناسب بحثه ونوع العينة وعددها ونوع المعطيات التي حصل عليها وينقسم‬
‫اإلحصاء االستداللي إلى قسمين‪:‬‬

‫(‪ )1‬تقدير معالم المجتمع ويستخدم لتقدير معالم المجتمع إذا كان الهدف هو تحديد قيمة المعلمة‬
‫المجهولة ‪.‬‬

‫(‪ )2‬اختبارات فروض بشأن صحة قيم معالم المجتمع وتستخدم بهدف الوصول إلى قرار بشأن رفض‬
‫أو عدم رفض فرض إحصائي عن معلمة مزعومة‪.‬‬

‫ويتم ذلك عن طريق سحب عينة أو عينات من المجتمع المراد تقدير معالمه أو إجراء اختبارات فروض‬
‫بشأنه‪ ،‬كما يتضح من نموذج االستدالل اإلحصائي التالي‪:‬‬

‫‪3‬‬
 ‫‪..................................‬مقدمــــــــــــة‪.................................‬‬

‫االستدالل‬ ‫المجتمع‬
‫العينة‬
‫اإلحصائي‬

‫معلمة مزعومة‬
‫اختبارات‬
‫الفروض‬
‫حالة‬
‫المعلمة‬ ‫القرار‬
‫التقدير‬
‫معلمة مجهولة‬

‫تقدير فترة‬ ‫تقدير نقطة‬

‫ولقد تضمنت هذه المحاضرات أربعة فصول كما يلي ‪:‬‬

‫الفصل األول‪ :‬لإلطار المفاهيمي؛‬

‫الفصل الثاني‪ :‬توزيع المعاينة؛‬

‫الفصل الثالث‪ :‬تقدير معالم المجتمع؛‬

‫الفصل الرابع‪ :‬اختبار الفرضيات‪.‬‬

‫‪4‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ .1‬البيانات اإلحصائية‬

‫‪ .1.1‬تعريف البيانات اإلحصائية‬

‫البيانات اإلحصائية هي القياسات أو التعدادات أو قيم المشاهدات للظواهر أو المتغيرات أو التجارب‬

‫عرف أيضا بأنها مجموعة من األرقام أو الحقائق الرقمية التي تحتاج‬
‫التي يجريها الباحث أو اإلحصائي‪ .‬وتُ ّ‬
‫إلى معالجة وتنظيم أو إعادة تنظيم لكي تتحول إلى معلومات‪ ،‬ويمكن التعبير عنها بأنها المادة الخام‪ ،‬يتم‬
‫تحويلها إلى معلومات قابلة لالستعمال باالعتماد على مجموعة من الوسائل واألساليب اإلحصائية الكمية‪.‬‬
‫وبصفة عامة‪ ،‬تمثل البيانات اإلحصائية في البحث العلمي كل ما يحصل عليه الباحث من حقائق تخص‬
‫الظاهرة محل الدراسة وتتعلق بمفردات المجتمع المبحوث‪ .‬وعلى هذا األساس فهي المادة الرئيسة في أي‬
‫بحث إحصائي وترتبط دقة البحث والتحليل بمدى توافرها ودقتها وهذا يؤثر بالطبع على مدى أهمية النتائج‬
‫التي نتوصل إليها وكذا على صحة ما نتخذه من ق اررات على أساس هذه النتائج‪ .‬وتأخذ البيانات في الواقع‬
‫العملي صيغا وأشكاال مختلفة مثل‪ :‬األرقام‪ ،‬المؤشرات الكمية األشكال‪ ،‬الرسومات البيانية أو مزيج من هذه‬
‫العناصر‪.‬‬

‫‪ .2.1‬أنواع وطبيعـة البيانات اإلحصائية‬

‫يرتبط نوع البيانات بنوع المتغير المدروس‪ ،‬كما تختلف طبيعة البيانات حسب الهدف من استخدامها‪،‬‬
‫لهذا سنحاول من خالل هذه النقطة عرض أنواع وطبيعة البيانات اإلحصائية‪.‬‬

‫‪ .1.2.1‬أنواع البيانات اإلحصائية‬

‫تُعبر البيانات عن قيم لمتغير أو أكثر من المتغيرات اإلحصائية‪ ،‬ويمثل المتغير اإلحصائي خاصية‬
‫مشتركة أو أكثر تميز عناصر المجتمع المدروس‪ ،‬تختلف باختالف الظاهرة المدروسة باختالف الزمان‬
‫والمكان وغيرها من العوامل‪ .‬تفيد في تحديد جوانب المجتمع المدروس الذي سيتم تحليله الحقا‪ ،‬مثل‪:‬‬
‫المستوى التعليمي‪ ،‬الدخل‪ ،‬الحالة االجتماعية‪ ،‬الطول‪ ،‬الوزن‪...‬‬

‫إن كل خاصية أو صفة من هذه الصفات تعتبر متغي اًر إحصائياً في حد ذاتها‪ ،‬ويرتبط نوع البيانات بنوع‬
‫المتغير المدروس‪ ،‬وبالتالي فإن أنواع المتغيرات اإلحصائية تمثل بدورها نوع البيانات التي يمثلها هذا‬
‫المتغير‪.‬‬

‫‪6‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫يأخذ المتغير اإلحصائي قيما مختلفة‪ ،‬تمثل النتائج الممكنة للخاصية المدروسة وبالتالي فالخاصية‬
‫المدروسة تسمح بوصف وتمييز الوحدات اإلحصائية عن بعضها البعض‪ ،‬وكل وحدة إحصائية يمكن‬
‫دراستها أو وصفها وفقا لخاصية أو أكثر وال يمكن لوحدة إحصائية أن تأخذ أكثر من قيمة لكل خاصية‬
‫مدروسة‪.‬‬

‫يرمز للمتغير اإلحصائي برموز كبيرة كالحروف الالتينية ‪ Z،Y،X‬أو بعنوان "‪ "Libellé‬يعكس إسم‬
‫المتغير أو بمجموع مشاهدات تصف مختلف القيم الممكنة للمتغير‪ .‬ويرمز لقيم المتغير بالحروف الالتينية‬
‫الصغيرة ‪ ،zi ،yi ،xi‬حيث يمثل ‪ i‬القيم المختلفة التي يأخذها المتغير‪.‬‬

‫تنقسم المتغيرات اإلحصائية إلى نوعين رئيسين وفقا للقيم التي يأخذها هذا المتغير‪ ،‬هما‪ :‬المتغيرات‬
‫النوعية والمتغيرات الكمية‪ ،‬لهذا التصنيف أهمية كبيرة حيث أنه يحدد طبيعة التحليالت اإلحصائية المالئمة‬
‫لهذه المتغيرات‪ .‬وتقاس المتغيرات اإلحصائية وفق مقاييس معينة ويسمح سلَّم القياس بإنجاز العمليات‬
‫الحسابية‪.‬‬

‫أ‪ .‬المتغيرات النوعية (الوصفية)‬

‫المتغيرات النوعية‪ :‬هي المتغيرات أو الظواهر التي ال يمكن قياسها كميا باستخدام وحدات معينة‪ ،‬مثل‪:‬‬
‫الجنس‪ ،‬المستوى التعليمي‪ ،‬مستوى الرضا لزبائن مؤسسة معينة‪ ،‬الحالة االجتماعية‪ ...‬فهي تُعبر عن‬
‫حاالت‪ ،‬آراء‪ ،‬سلوك‪ ،‬خصائص‪ ،‬صفات أشخاص أو أشياء وبالتالي هي عبارة عن قيم ذات طابع نوعي‬
‫(تتعلق بالنوعية)‪ .‬سواء أخذت قيم المتغير النوعي ترتيبا معينا أو لم تأخذ فليس لها داللة حقيقية مثل‬
‫المتغير الكمي ألنه ال يوجد أي قياس مرجعي‪ .‬تسمى البيانات التي تعبر عن هذا النوع من المتغيرات‬
‫بالبيانات النوعية‪.‬‬

‫يقاس هذا النوع من المتغيرات بمقياسين‪ :‬المقياس اإلسمي وتسمى المتغيرات في هذه الحالة بالمتغيرات‬
‫النوعية االسمية والمقياس الترتيبي وتسمى في هذه الحالة بالمتغيرات النوعية الترتيبية‪ ،‬وهذا وفقا لقابلية‬
‫قيم هذا المتغير للترتيب من عدمه‪.‬‬

‫ب‪ .‬المتغيرات الكمية‬

‫المتغيرات الكمية هي الظاهرة أو الصفة التي يمكن قياسها كميا‪ ،‬بمعنى أن هذا النوع من المتغيرات‬
‫يعكس كميا مدى توافر خاصية معينة‪.‬‬

‫‪7‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫فالقيم الممكنة للمتغير الكمي قابلة للقياس كميا بأرقام عددية لها خصائص حسابية وباستخدام وحدات‬
‫قياس محددة (مرجعية)‪ ،‬تمكننا من المقارنة الدقيقة بين قيمتين مختلفتين‪ ،‬فهي عبارة عن أعداد حقيقية‬
‫(موجبة‪ ،‬سالبة أو معدومة) تتعلق بكميات كالوزن‪ ،‬الطول‪ ،‬الحجم‪ ،‬الدخل‪...‬‬

‫تسمى البيانات التي تعبر عن مثل هذه الخصائص أو عن هذا النوع من المتغيرات بالبيانات الكمية‪،‬‬
‫ونميز في الواقع بين نوعين من المتغيرات الكمية‪ :‬المتغيرات المنفصلة والمتغيرات المتصلة‪.‬‬

‫‪ -‬المتغيرات المنفصلة‪ :‬هي المتغيرات التي تأخذ قيما (أعداد) أو وحدات كاملة‪ ،‬مثل‪ :‬عدد أفراد األسر‬
‫عدد أفراد السائحين في منطقة معينة‪ ،...‬فهذه المتغيرات عبارة عن صفة (خاصية) تتغير بوحدات كاملة‬
‫وليس بأجزاء ب معنى آخر ال يوجد انقطاع أو انفصال بين القيم‪ ،‬وتسمى البيانات في هذه الحالة بالبيانات‬
‫الكمية المنفصلة‪.‬‬

‫‪ -‬المتغيرات المتصلة‪ :‬هي المتغيرات التي تأخذ أي قيمة في مجال معين وال يوجد أي انفصال أو انقطاع‬
‫بين القيم ولذلك تسمى قيما متصلة أو مستمرة‪ ،‬مثل خاصية الطول‪ ،‬الوزن‪ ،...‬فقيم هذا المتغير غير محدودة‬
‫تمثل المجال المعرف حسب امتداد المتغير‪.‬‬

‫تقاس المتغيرات الكمية بمقياسي‪ :‬المقياس الفتري والمقياس النسبي‪.‬‬

‫جـ‪ .‬العالقة بين المتغيرات‬

‫التصنيف السابق للمتغيرات أو البيانات اإلحصائية ال يعني بالضرورة أنها نوعية أو كمية فأحيانا نجد‬
‫تداخال بينهما‪ ،‬حيث يمكن تحويل أي متغير كمي إلى متغير نوعي‪ ،‬فمتغير دخل األسرة مثال يمكن استبداله‬
‫بفئات للدخل وذلك بتقسيم األسر إلى أصحاب الدخل المرتفع‪ ،‬المتوسط والمتدني‪ .‬في المقابل يمكن التعبير‬
‫عن المتغيرات النوعية بقيم كمية مثل متغير العمل‪ ،‬حيث تمثل حالة العمل بقيمة(‪ )1‬بينما تمثل حالة‬
‫البطالة بقيمة (‪ )0‬وغيرها من المتغيرات‪.‬‬

‫‪ .2.2.1‬طبيعة البيانات اإلحصائية‬

‫إن الهدف من جمع البيانات اإلحصائية ال يكمن في تحصيلها وتكوين قاعدة بيانات فقط‪ ،‬بل إن الهدف‬
‫األساسي من ذلك هو تحليلها وصوال إلى اكتشاف المشكالت المختلفة ومن ثم الوصول إلى النتائج األساسية‬
‫لحل هذه المشكالت‪ .‬على هذا األساس فإن تبويب ونشر البيانات اإلحصائية يجب أن يكون مالئما لعملية‬
‫استخدامها بهدف التحليل واستنباط النتائج المرجوة‪.‬‬
‫‪8‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫تنشر البيانات اإلحصائية إما بشكل سالسل الزمنية أو بيانات مقطعية أو مزيج بينهما وتكون البيانات‬
‫في هذه الحالة بشكل بيانات سلسلة قطاعية‪.‬‬

‫‪ 3.1‬أنواع األساليب اإلحصائية‬

‫تختلف أساليب جمع البيانات باختالف الهدف من الدراسة وطبيعة المجتمع المدروس وامكانات البحث‪،‬‬
‫عموما يمكن تقسيم أساليب جمع البيانات إلى ثالثة أنواع‪:‬‬

‫‪ -‬أسلوب الحصر الشامل؛‬

‫‪ -‬أسلوب الحصر الجزئي؛‬

‫‪ -‬أسلوب المعاينة‪.‬‬

‫‪.1.3.1‬أسلوب الحصر الشامل‬

‫الحصر الشامل هو الدراسة الشاملة لجميع وحدات المجتمع اإلحصائي‪ ،‬بهدف الحصول على معلومات‬
‫إحصائية شاملة لخاصية أو أكثر من خواص المجتمع‪ ،‬ومن ثم إجراء التحاليل المنهجية الالزمة‪.‬‬

‫ُيصطلح عليه أيضا بالتعداد‪ ،‬الذي يمثل العملية اإلحصائية التي تتناول ًّ‬
‫عدا شامال لوحدات مجتمع‬
‫معين‪ .‬من أمثلته التعداد العام للسكان الذي ينظم كل عشر سنوات‪ ،‬التعداد العام الزراعي الصناعي‪،‬‬
‫والتجاري وغيرها من المجاالت األخرى‪.‬‬

‫يتطلب هذا النوع من الدراسات وقتا طويال‪ ،‬تكاليف بشرية‪ ،‬مالية ومادية كبيرة لتنفيذها وجهوداً ضخمة‬
‫إلتمامها‪ ،‬لذلك يتم تنظيمه عادة على فترات متباعدة كما هو الحال في التعداد العام للسكان والذي ينظم‬
‫على فترات دورية منتظمة‪ ،‬عادة كل عشر سنوات في معظم أقطار العالم‪.‬‬

‫إن إجراء الحصر الشامل على فترات دورية منتظمة يتيح إمكانية دراسة الفروق وتقييم السياسات‬
‫واإلجراءات والتنبؤ بالتغيرات المستقبلية‪ .‬ويهدف التعداد العام للسكان إلى معرفة خصائص السكان في فترة‬
‫زمنية معينة‪ ،‬تمثل هذه الخصائص عدد السكان‪ ،‬معدالت نموهم‪ ،‬توزيعهم الجغرافي خصائصهم االجتماعية‬
‫واالقتصادية‪.‬‬

‫‪9‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫تُستخدم بيانات الحصر الشامل في التخطيط االقتصادي واالجتماعي لمختلف البرامج على مستوى الدولة‬
‫وفي الدراسات واألبحاث اإلجتماعية والديموغرافية‪ ،‬كما يمثل التعداد القاعدة األساسية أو اإلطار اإلحصائي‬
‫لتنفيذ أنواع أخرى منها‪ :‬االستقصاءات بالعينة لتأمين األنظمة أو األجهزة اإلحصائية للدول‪.‬‬

‫يتم تنفيذ الحصر الشامل وفق برنامج يتألف من خمس مراحل أساسية هي‪ :‬مرحلة األعمال التحضيرية‪،‬‬
‫مرحلة العد‪ ،‬مرحلة تجهيز البيانات‪ ،‬مرحلة تحليل وتقييم البيانات‪ ،‬مرحلة نشر البيانات‪.‬‬

‫أ‪ .‬خصائص الحصر الشامل‪ :‬يتميز الحصر الشامل ببعض الخصائص‪ ،‬يمكن إيجازها فيما يلي‪:‬‬

‫‪ -‬العد الفردي‪ :‬هو تدوين البيانات من كل فرد من األفراد المشمولين بالحصر كل على حدة بشكل مستقل‬
‫تماما عن بيانات غيره‪ ،‬فالوحدة اإلحصائية المستهدف حصرها قد تكون أسرة أو فردا أو مساكن أو مؤسسات‪.‬‬
‫تمكن هذه الطريقة من تصنيف الخصائص المختلفة للسكان في جداول يحتوي كل منها على أكثر من‬
‫خاصية؛‬

‫‪ -‬الشمول‪ :‬يعني ذلك أن التعداد يغطي جميع األفراد في المناطق المشمولة بالعد دون حذف أو تكرار؛‬

‫‪ -‬اآلنية‪ :‬يقصد باآلنية أن عدد األفراد في المناطق المشمولة بالعد ُيسند إلى لحظة زمنية واحدة تسمى‬
‫لحظة ا إلسناد الزمني‪ ،‬وغالبا ما تحدد بمنتصف ليلة معينة بحيث تعتبر البيانات المتعلقة بعدد األفراد‬
‫وتوزيعهم الجغرافي مرتبطة بهذه اللحظة؛‬

‫‪ -‬الدورية‪ :‬يفصل بين تعداد وآخر فترة تسمى الدورة‪ ،‬ويقصد بالدورية أن التعدادات السكانية تجري بشكل‬
‫دوري منتظم محدد في الغالب بعشر سنوات كاملة‪.‬‬

‫ب‪ .‬أسباب استخدام الحصر الشامل‪ُ :‬يستخدم أسلوب الحصر الشامل لألسباب التالية‪:‬‬

‫‪ -‬الرغبة في الحصول على بيانات شاملة عن جميع وحدات المجتمع حيث يعطي صورة كلية للمجتمع‬
‫المدروس؛‬

‫‪ -‬عدم إمكانية معرفة طبيعة المجتمع المدروس خاصة إذا لم تنفذ عليه بحوث في السابق‪ ،‬في هذه‬
‫الحالة يكون من الضروري دراسة المجتمع بشكل كلي‪ ،‬أما إذا كانت طبيعته معلومة من حيث‬
‫وحداته وقابليتها للتلف‪ ،‬نكتفي بدراسة عينة منه ألنه يصعب دراسة هذه المجتمعات بطريقة الحصر‬
‫الشامل‪ ،‬مثل مجتمع األسماك أو إنتاج دولة من النفط أو إنتاج مصنع من منتج معين؛‬

‫‪10‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ -‬عدم القدرة على تصميم عينة ممثلة للمجتمع أي تتوافر فيها خصائص المجتمع األصلي الذي‬
‫ُسحبت منه‪ ،‬لتعميم النتائج على المجتمع اإلحصائي المدروس‪.‬‬

‫جـ‪ .‬مزايا وعيوب الحصر الشامل‪ :‬يمكن إيجاز مزايا وعيوب الحصر الشامل في النقاط التالية‪:‬‬

‫جـ‪ .1.‬المزايا‪ :‬تتمثل أهم مزايا الحصر الشامل فيما يلي‪:‬‬

‫‪ -‬يعطي صورة شاملة للمجتمع ألنه يوفر معلومات عن كل مفردات المجتمع‪ ،‬وهذا المستوى مهم جدا‬
‫في عملية التخطيط والتنمية‪ .‬والمعلومات الناتجة عن هذا األسلوب تمثل إطا ار كامال للبرامج‬
‫اإلحصائية القادمة التي تستخدم أسلوب المعاينة في جمع المعلومات؛‬

‫‪ -‬نتائج الدراسة للحصر الشامل تكون نهائية وال تحتاج إلى تعديل أو تعميم؛‬

‫‪ -‬الحصر الشامل هو األسلوب الوحيد المناسب في بعض الحاالت‪ ،‬مثل‪ :‬التعدادات (التعداد العام‬
‫للسكان‪ ،‬تعداد القوى العاملة و تعداد المؤسسات الصناعية‪ ،)...‬الحاالت التي يترتب عليها أضرار‬
‫كبيرة لو تركت بعض المفردات دون فحص أو دراسة (مثل فحص أسطوانات الغاز قبل توزيعها أو‬
‫تطعيم األطفال ضد أمراض معينة‪)...‬؛‬

‫‪ -‬أسلوب الحصر الشامل خال من أخطاء المعاينة‪.‬‬

‫جـ‪ .2.‬العيوب‪ :‬تتمثل أهم عيوب الحصر الشامل فيما يلي‪:‬‬

‫‪ -‬يتطلب الحصر الشامل تكاليف باهظة وجهودا ضخمة‪ ،‬تستغرق وقتا طويال إلتمامها خصوصا إذا كان‬
‫حجم المجتمع كبي ار‪ .‬في غالب األحيان تكون الدراسة مقيدة بوقت محدد‪ ،‬ولهذا فإن أسلوب الحصر الشامل‬
‫ال يتيح الفرصة لدراسة تفاصيل الظاهرة مما يجعل عملية جمع بيانات شاملة وتفصيلية عن كل مفردة أم ار‬
‫في غاية الصعوبة؛‬

‫‪ -‬إن الموضوعات التي يغطيها هذا األسلوب تكون شاملة وتكون االستمارات عادة طويلة‪ ،‬تتطلب‬
‫متخصصين وخبراء وتحتاج إلى وقت طويل إلتمامها‪ .‬على هذا األساس تتطلب خصوصية االستمارات‬
‫عددا كبي ار من األسئلة‪ ،‬تهدف إلى الحصول على بيانات عامة‪ ،‬وتترك التفاصيل للبحوث واإلستقصاءات‬
‫الالحقة‪ .‬كما يحدث في مسوح األسر‪ ،‬حيث تكون معلومات التعداد السكاني معلومات عامة عن عدد‬

‫‪11‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫األفراد‪ ،‬الحالة االجتماعية وغيرها‪ ،‬تستخدم فيما بعد في االستقصاءات التي تهدف إلى جمع بيانات أكثر‬
‫تفصيل ودقة والتي يصعب جمعها بأسلوب الحصر الشامل؛‬

‫‪ -‬هذا النوع من الدراسات ال يناسب بعض المجتمعات التي يؤدي حصرها كلية إلى تلف مفرداتها والمجتعات‬
‫ذات األطر غير المحدودة‪ ،‬حيث تكون الدراسة الشاملة مستحيلة إذ البد في هذه الحاالت التضحية بجزء‬
‫من المجتمع إلجراء الدراسة عليه بأسلوب المعاينة؛‬

‫‪ -‬ين تج عن الحصر الشامل نوع من األخطاء يطلق عليه األخطاء اإلجرائية كأخطاء التحيز‪ ،‬أخطاء عدم‬
‫اإلجابة‪ ،‬اإلجابات الخاطئة‪ ،...‬هذا النوع من األخطاء ال يمكن قياسه أو ضبطه بدرجة كافية‪ .‬ورغم أن‬
‫النوع نفسه من األخطاء يتعرض له أسلوب المعاينة إال نطاقها أقل نسبيا‪ ،‬وهناك فرصة إلمكانية ضبطها‬
‫أفضل من الحصر الشامل‪ ،‬باإلضافة إلى سهولة اتخاذ التدابير الالزمة لمواجهة األسباب المؤدية إليها؛‬

‫‪ -‬عندما تتميز البيانات التي يغطيها الحصر الشامل بالتغير مع الزمن‪ ،‬فإن الحصر في هذه الحالة ما هو‬
‫إال عينة بالنسبة للزمن؛‬

‫‪ -‬إن إستخدام أسلوب الحصر الشامل ال يمنع إستخدام أسلوب المعاينة في الوقت نفسه‪ ،‬إذ توجد العديد‬
‫من البرامج اإلحصائية التي تتوجه ببعض أسئلتها إلى كل الوحدات التي تنتمي إلى مجتمع معين‪ ،‬في حين‬
‫تتوجه بأسئلة أخرى إلى جزء من الوحدات التي تنتمي إلى المجتمع نفسه وتحت البرنامج اإلحصائي نفسه‪،‬‬
‫كما يحدث عند استخدام عينة وحدات التعداد بهدف دراسة نوعية التباينات التي أنتجت من خالل التعداد‬
‫وهو ما يسمى بالسيطرة النوعية على البيانات؛‬

‫‪ -‬كما هو معروف أن التعداد العام للسكان يجري على فترات زمنية متباعدة نسبيا‪ ،‬مدة كل عشر سنوات‬
‫نظ ار لمتطلباته المادية والبشرية الكبيرة‪ ،‬هذا يعني أن بياناته ال تعكس واقع الحال للفترة الالحقة وهذا ما يتم‬
‫التصدي له باستخدام أسلوب المعاينة لتوفير البيانات بين كل تعدادين سكانيين‪.‬‬

‫‪.2.3.1‬أسلوب الحصر الجزئي‬

‫الحصر الجزئي هو حصر لجزء من المجتمع اإلحصائي المدروس والذي يمثل الجزء األكبر للظاهرة أو‬
‫المشكلة المدروسة‪ ،‬ويستبعد الجزء اآلخر من المجتمع نظ ار لقلة أهميته أو لتوقع صعوبات في الحصول‬
‫على بيانات صحيحة من هذا الجزء‪.‬‬

‫‪12‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫ُيستخدم هذا النوع في مجاالت متعددة‪ ،‬خاصة لحصر المؤسسات والمصانع الصغيرة والعاملين في‬
‫الصناعات الحرفية التي يكون عدد وحداتها كبي ار ومساهمتها باإلنتاج قليلة (مثل‪ :‬صناعة السجاد والنسيج‬
‫واألحذية‪ . )...‬وأحسن مثال على ذلك‪ ،‬اإلحصاء الصناعي الذي ُيستبعد منه كل المؤسسات الصناعية‬
‫التي يقل عدد العمال فيها عن عشرة مع أن نسبتها تصل في بعض األحيان إلى حوالي ‪ %95‬من مجموع‬
‫المؤسسات إال أن مساهمتها في اإلنتاج ال تزيد عن ‪ %20‬من مجموع اإلنتاج‪ ،‬ولهذا فإن هذا النوع من‬
‫الحصر يعتبر غير كامل بالنسبة لعدد المؤسسات الصناعية المشمولة ولكنه يحتوي على نسبة كبيرة لكل‬
‫من العمال و قيمة اإلنتاج الصناعي‪.‬‬

‫عند استخدام هذا األسلوب نقوم بتقسيم الوحدات اإلحصائية إلى وحدات تتركز فيها الظاهرة المدروسة‪،‬‬
‫نقوم بحصرها حص ار شامال (غالبا ما يكون عددها قليل) وتسمى بالوحدات المحصورة‪ .‬أما بقية الوحدات‬
‫فإنها قليلة األهمية لقلة مساهمتها في الظاهرة (رغم ضخامة عددها أحيانا) لذلك نستغني عنها وال ندخلها‬
‫في البحث‪ ،‬ونقوم بتقدير مساهمتها باستخدام إحدى طرق التقدير وتسمى هذه الوحدات بالوحدات المبتورة‪.‬‬

‫إن عيوب ومزايا هذه الطريقة مشابهة لعيوب ومزايا الحصر الشامل‪ ،‬لهذا نلجأ إلى أسلوب المعاينة ألنه‬
‫أصبح من أهم األساليب المستخدمة للحصول على البيانات اإلحصائية في الوقت الحاضر‪.‬‬

‫‪ .3.3.1‬أسلوب المعاينة‬

‫ُيعتبر أسلوب المعاينة من أفضل الطرق العلمية المستخدمة في البحوث اإلحصائية في المجاالت كافة‪،‬‬
‫ونظ ار لتطوره فقد أصبح ضرورة علمية لكل األبحاث مهما كان هدفها لما له من أهمية في قياس مدى‬
‫مصداقية ودقة النتائج‪ ،‬على هذا األساس تطور استخدامه تطو ار سريعا في شتى الميادين وأصبح يلعب دو ار‬
‫مهما في الكثير من الدراسات النظرية والتجريبية‪.‬‬

‫يهدف أسلوب المعاينة إلى تقدير المعالم الرئيسة للمجتمع من خالل بيانات أخذت من عينة ممثلة للمجتمع‪،‬‬
‫أي تتوافر فيها خصائص المجتمع األصلي‪ ،‬وهذا لتخفيض أخطاء المعاينة إلى حدها األدنى‪ .‬يرتبط تمثيل‬
‫العينة للمجتمع بعوامل عديدة كحجم العينة‪ ،‬تباين خصائص المجتمع‪ ،‬طريقة إختيار العينة‪ ،‬الطريقة المعتمدة‬
‫في تصميم العينة وغيرها من العوامل األخرى‪ ،‬سنتطرق لهذا األسلوب بالتفصيل‬

‫‪ .2‬المعاينة اإلحصائية كأسلوب لجمع البيانات‬

‫‪13‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫إذا كانت طبيعة المجتمع اإلحصائي الذي نقوم بدراسته وطبيعة البيانات المطلوبة تفرض على الباحث‬
‫است خدام أسلوب الحصر الشامل أو أسلوب الحصر الجزئي‪ ،‬فإنه العتبارات مادية وفنية وبشرية يرى‬
‫الباحثون تنفيذ كثير من البحوث باستخدام أسلوب المعاينة‪.‬‬

‫‪ .1.2‬مفاهيم أساسية‬

‫أسلوب المعاينة هو عملية اختيار جزء من وحدات المجتمع اإلحصائي المدروس والذي ُيطلق عليه إسم‬
‫المجتمع المرجعي أو المجتمع الهدف‪ ،‬بطريقة علمية محددة لإلستدالل على خواص المجتمع‪.‬‬

‫يسمى الجزء المختار بالعينة وتسمى عملية االختيار بالمعاينة وتسمى الطريقة المستخدمة في االختيار‬
‫بطريقة المعاينة‪ ،‬ويشترط في العينة أن تكون ممثلة للمجتمع أي تعكس الصورة الحقيقية أو الخواص المميزة‬
‫له‪.‬‬

‫يمكن إختيار أكثر من عينة من المجتمع بطرق مختلفة لكل منها خصائص معينة وتوجد حاالت يفضل‬
‫فيها استخدام نوع معين دون اآلخر‪ ،‬وللحصول على تقديرات واستدالالت دقيقة عن المجتمع محل الدراسة‬
‫البد من االهتمام بطرق المعاينة حتى نحصل على نتائج دقيقة وقريبة من الواقع يمكن استخدامها‪ .‬وفيما‬
‫يلي عرض ألهم المفاهيم المرتبطة بالمعاينة اإلحصائية‪:‬‬

‫‪ .1.1.2‬المجتمع اإلحصائي‬

‫المجتمع اإلحصائي هو جميع الوحدات أو العناصر التي تشكل مجال دراسة معينة‪ ،‬تجمعها خاصية أو‬
‫خصائص عامة مشتركة تميزها عن غيرها من المجتمعات‪ ،‬تمثل الظاهرة موضوع الدراسة‪ .‬يجمعها إطار‬
‫واحد من حيث الخصائص‪ ،‬الزمان والمكان تمثل هذه الوحدات المجموعة األساسية أو المجموعة المرجعية‪.‬‬
‫فقد يتكون المجتمع من أوزان مجموعة من األفراد أو الحيوانات أو عدد السائحين أو الناخبين في دولة ما‪،‬‬
‫إنتاج أحد المصانع لمنتج معين في فترة زمنية معينة أو مباني ومؤسسات وغيرها‪ ،‬حسب مجال وموضوع‬
‫الدراسة‪.‬‬

‫‪ .2.1.2‬الوحدة اإلحصائية‬

‫الوحدة اإلحصائية هي المفردة األساسية من المفردات التي تشكل المجتمع اإلحصائي المدروس‬
‫والمطلوب جمع البيانات اإلحصائية عنها‪ ،‬وفقا إلطار محدد بخاصية وزمان ومكان معين‪.‬‬

‫‪14‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ .3.1.2‬العينة‬

‫العينة هي مجموعة جزئية من المجتمع اإلحصائي ويشترط أن تكون ممثلة للمجتمع تمثيال دقيق‪ ،‬أي‬
‫تعكس خصائصه من حيث الحجم وتشتت الوحدات‪.‬‬

‫يتم اختيار العينة بطريقة معينة لدراسة خصائصها واالستدالل على خصائص المجتمع‪ ،‬بمعنى تقدير‬
‫معالم المجتمع المدروس من خالل تعميم إحصاءات العينة‪ ،‬باستخدام نظرية المعاينة اإلحصائية التي تمكننا‬
‫من تقييم مدى دقة استنتاجاتنا اإلحصائية‪ .‬والتي ترتبط بمدى تمثيل العينة للمجتمع‪.‬‬

‫يتشكل حجم العينة من عدد وحدات العينة المسحوبة و يرمز له بـ ‪ .n‬ويمكن تقسيم العينات من حيث الحجم‬
‫إلى‪:‬‬

‫عينات صغيرة )‪ :)n < 30‬هي العينة التي يكون حجمها أو عدد مفرداتها أقل من ‪ 30‬مفردة وهذا‬ ‫‪-‬‬
‫النوع له أساليب تحليل إحصائي خاصة به‪.‬‬

‫‪ -‬عينات كبيرة )‪ :)n ≥ 30‬هي العينات التي يساوي أو يزيد عدد مفرداتها عن ‪ 30‬مفردة‪.‬‬

‫ترتبط دقة النتائج بدرجة كبيرة بحجم العينة‪ ،‬فكلما كان الحجم كبي ار كانت النتائج أدق وكان باإلمكان استخدام‬
‫الكثير من أساليب التحليل اإلحصائي‪.‬‬

‫‪ .2.2‬مراحل تصميم خطة المعاينة‬

‫تصميم خطة المعاينة يحدد مختلف الخطوات أو تفاصيل العمليات التي يتضمنها تنفيذ هذا النوع‬
‫من الدراسات‪ .‬فخطة معاينة هي وصف لتفاصيل اإلجراءات المنهجية الخاصة بكيفية تنفيذ كل مرحلة من‬
‫مراحل المعاينة‪ ،‬والتي يمكن توضيحها وعرضها من خالل النقاط التالية‪:‬‬

‫تحديد مشكلة وهدف الدراسة‪:‬‬ ‫أ‪.‬‬

‫تُعد هذه المرحلة من المراحل الهامة في أي دراسة أيا كان نوعها‪ ،‬فتعريف المشكلة المطروحة وتحديد‬
‫الهدف تحديدا دقيقا يمكننا من تحديد متطلبات ومستلزمات الدراسة من متغيرات الدراسة ومن طبيعة وحجم‬
‫البيانات المطلوبة وكذا المجتمع اإلحصائي المستهدف‪ ،‬وغيرها من المتطلبات التي تشكل اإلطار العام‬
‫للدراسة أو جوانب الموضوع‪ ،‬والتي تساعدنا في تحقيق الهدف المطلوب واإلجابة على إشكاليات الموضوع‬
‫المدروس‪.‬‬
‫‪15‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫ب‪ .‬تحديد وتعريف مجتمع الدراسة‪:‬‬

‫يجب تعريف وتحديد المجتمع المراد دراسته‪ ،‬بدقة من حيث المحتوى الذي يضمن الخصائص أو‬
‫المتغيرات التي تستهدفها الدراسة ومن حيث الوحدات‪ ،‬فيجب تعريف هذه األخيرة بطريقة تحدد إنتماء أو‬
‫عدم إنتماء هذه الوحدة بوضوح تام‪ ،‬وكذا من حيث الحدود الزمانية والمكانية التي تحدد المجتمع المدروس‪.‬‬

‫جـ‪ .‬تحديد البيانات المطلوبة‪ ،‬مصادرها وطريقة جمعها‪:‬‬

‫تتضمن هذه المرحلة تحديد طبيعة وحجم البيانات المطلوبة للدراسة وفقا لموضوعها وهدفها‬
‫وفرضياتها‪ .‬يجب أن تستهدف خطة المعاينة جمع بيانات محددة تخدم متطلبات الدراسة‪ ،‬وأن تأخذ بعين‬
‫االعتبار الدراسات السابقة المرتبطة بالموضوع والتي قد تتضمن المعلومات التي نبحث عنها بهدف حصر‬
‫البيانات الضرورية وتجنب تكرار جمع بيانات تم التطرق إليها في البحوث السابقة كذلك الوقوف على أهم‬
‫سلبياتها وايجابياتها والعراقيل التي واجهتها‪ ،‬واإلستفادة منها في تحديد بعض المؤشرات اإلحصائية‪ .‬هذا ما‬
‫يجنبنا تكاليف إضافية ويساعدنا على تطوير جوانب واشكاليات الدراسة وتصميم أسئلة اإلستبيان بما يخدم‬
‫موضوع وتساؤالت البحث‪ ،‬وكذلك تحديد الطريقة المناسبة لجمع البيانات‪.‬‬

‫د‪ .‬تحديد طريقة المعاينة‪:‬‬

‫تنقسم‬ ‫في هذه المرحلة يتم تحديد أسلوب المعاينة الذي سيستخدم الختيار وحدات العينة‪.‬‬
‫أساليب المعاينة إلى مجموعتين أساسيتين هما‪ :‬المعاينة االحتمالية (العشوائية) والمعاينة غير االحتمالية‬
‫(غير العشوائية) ولكل منهما أنواع مختلفة واجراءات خاصة بها‪ .‬لهذا فإن إختيار طريقة المعاينة يتم وفقا‬
‫ألهداف البحث وقيوده ويعتمد ذلك على عوامل متعددة‪ ،‬كالوقت والتكاليف المخصصة للبحث‪ ،‬مدى إمكانية‬
‫الحصول على المعلومات ومدى خبرة وتكوين الباحث أو اإلحصائي فهي تخضع لخبرته ورأيه الشخصي‪.‬‬

‫هـ‪ .‬تحديد اإلطار‪:‬‬

‫اإلطار هو قائمة تحتوي على جميع الوحدات التي تشكل المجتمع اإلحصائي المدروس و بالتالي هو‬
‫الوسيلة التي يعتمد عليها الباحث في سحب وحدات العينة‪ ،‬لذلك فهو يختلف وفقا لطبيعة الدراسة ونوع‬
‫‪.‬‬
‫المعاينة‬

‫كما ُيعتبر اإلطار أيضا‪ ،‬الوعاء لتشكيل كل العينات الممكنة ويمكننا من خالله معاينة المجتمع بدقة‪.‬‬

‫‪16‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫يلعب اإلطار دو ار أساسيا في تحديد طريقة المعاينة المناسبة للمجتمع محل الدراسة‪ ،‬وهو يخص المعاينة‬
‫االحتمالية فقط دون المعاينة غير االحتمالية‪ ،‬هذه األخيرة تعتمد أساسا على خبرة الباحث وتقديره الشخصي‬
‫والهدف من الدراسة وال تستخدم النظريات اإلحصائية‪.‬‬
‫و‪ .‬تحديد درجة الدقة وحجم العينة‪:‬‬

‫تخضع نتائج المعاينة إلى أخطاء المعاينة وهي األخطاء الناتجة عن جزئية المعلومات وأخطاء القياس‪.‬‬
‫وترتبط دقة المعلومات طرديا بحجم العينة والذي يرتبط بدوره طرديا بتكاليف الدراسة‪ ،‬لهذا تستلزم الدراسات‬
‫التي تستخدم أسلوب المعاينة تحديد حجم العينة بما يتناسب مع درجة الدقة المطلوبة والميزانية المتاحة‪ ،‬أي‬
‫تحديد نسبة الخطأ المسموح به في قبول النتائج وتعميمها على المجتمع الكلي‪.‬‬

‫يعتمد تحديد حجم العينة ودرجة الدقة المطلوبة على خبرة الباحث أو اإلحصائي وعلى الدراسات السابقة‬
‫وكذلك على تطبيق بعض القواعد اإلحصائية الخاصة بنظرية المعاينة‪ ،‬وهنا يبرز دور اإلحصائي في حل‬
‫هذه المشكلة‪ ،‬بمعنى تحديد حجم العينة الذي يحقق التوافق بين دقة المعلومات وتكاليف الدراسة‪.‬‬

‫ز‪ .‬إجراء اختبار مسبق‪:‬‬

‫يفض ل إجراء اختبار أولي لعينة صغيرة من المجتمع المدروس لبعض الجوانب‪ ،‬خاصة فيما يتعلق بتعديل‬
‫االستمارة اإلحصائية‪ ،‬فرغم إلتزام الباحث بكل متطلبات اإلستمارة الجيدة وحرصه على صياغتها بشكل‬
‫مناسب إال أنه ال بد من إختبارها‪ ،‬حتى يمكن إكتشاف نقاط الضعف والعمل على تصحيحها‪ .‬يفيد هذا‬
‫اإلختبار في تقييم القيمة العملية لإلستمارة كما أنه يفيد في تسهيل الكثير من الصعوبات التي سيواجهها‬
‫الباحث عند إجراء البحث‪.‬‬

‫حـ‪ .‬العمل الميداني (جمع البيانات من وحدات العينة)‪:‬‬

‫يتم في بداية هذه المرحلة تدريب وتكوين القائمين بالعمل الميداني لتجنب الكثير من أخطاء القياس‪،‬‬
‫حيث ترتبط دقة النتائج كثي ار بجودة هذه المرحلة‪ .‬لذلك يجب االهتمام بإعداد وتكوين القائمين بالعمل‬
‫الميداني ووضع الخطط المالئمة لمعالجة حاالت عدم االستجابة أو عدم الحصول على البيانات من بعض‬
‫وحدات العينة‪ ،‬ثم يتم بعد ذلك التنفيذ الفعلي لخطة المعاينة بجمع البيانات من مفردات العينة المختارة وهي‬
‫مرحلة هامة ألنها عرضة لكثير من أخطاء القياس‪.‬‬

‫ط‪ .‬مراجعة وترميز البيانات‪:‬‬

‫‪17‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫يقوم الباحث أو فريق العمل في هذه المرحلة بفرز ومراجعة البيانات‪ ،‬ثم ترميزها ومعالجتها آليا باستخدام‬
‫برامج إحصائية معينة بهدف الوصول إلى النتائج ودراستها‪.‬‬

‫ي‪ .‬تحليل البيانات وتقدير معالم المجتمع‪:‬‬

‫بعد الحصول على نتائج المعاينة والمتمثلة في إحصاءات العينة يتم دراستها وتحليلها بهدف االستدالل‬
‫على خصائص المجتمع‪ ،‬وهو أحد أهم فروع نظرية المعاينة‪ ،‬والذي يشمل فرعين التقدير واختبار الفرضيات‪،‬‬
‫بهدف الوصول إلى نتائج تمكن من تفسير الظاهرة المدروسة بدرجة معينة من الدقة‪.‬‬

‫‪ .3.2‬أنواع المعاينة اإلحصائية‬

‫تصنف المعاينة بناء على كيفية سحب العينة إلى نوعين رئيسين هما المعاينة العشوائية (االحتمالية)‬
‫والمعاينة غير العشوائية (غير االحتمالية)‪ ،‬تسمى العينات في النوع األول بالعينات العشوائية أو اإلحتمالية‪،‬‬
‫بينما يسمى النوع الثاني بالعينات غير العشوائية‪ .‬وينقسم كل نوع بدوره إلى أنواع متعددة‪ ،‬يختلف تصنيفها‬
‫من مرجع آلخر‪.‬‬

‫‪ .1.3.2‬المعاينة العشوائية (اإلحتمالية)‬

‫يعتمد هذا النوع من المعاينة على نظرية االحتماالت‪ ،‬بحيث يكون لكل مفردة فرصة أو احتمال معلوم‪،‬‬
‫للظهور في العينة‪ ،‬فكلمة "عشوائية" ال تعني أنها عينة سحبت بطريقة اعتباطية بل تعني إتاحة فرصة‬
‫االختيار لجميع الوحدات أو عناصر الظاهرة المدروسة‪.‬‬

‫تعتمد المعاينة العشوائية أيضا على توفر إطار للمعاينة‪ ،‬وعلى العكس من المعاينة غير االحتمالية فإن‬
‫هذا النوع من المعاينة يسمح بتقييم مدى دقة النتائج‪ ،‬حيث أنه ال يسمح فقط بتقدير معالم المجتمع ولكن‬
‫أيضا بقياس الخطأ المحتمل في النتائج والناتج عن الدراسة الجزئية بدال من الحصر الشامل‪.‬‬

‫ونميز عموما بين أربع طرق للمعاينة العشوائية (اإلحتمالية)‪ ،‬وهي‪:‬‬

‫‪ -‬المعاينة العشوائية البسيطة؛‬

‫‪ -‬المعاينة العشوائية المنتظمة؛‬
‫‪ -‬المعاينة العشوائية الطبقية؛‬
‫‪ -‬المعاينة العشوائية العنقودية‪.‬‬

‫‪18‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫أ‪ .‬المعاينة العشوائية البسيطة‬

‫هي طريقة اختيار عينة مكونة من ‪ n‬وحدة من بين ‪ N‬وحدة من وحدات المجتمع محل الدراسة‪ ،‬بحيث‬
‫يكون لكل عينة من العينات الممكنة ذات الحجم ‪ n‬احتمال متساو في الظهور‪ .‬يتم اختيار الوحدات‬
‫اإلحصائية على أساس تكافؤ الفرص‪ ،‬بمعنى أن لكل وحدة من وحدات المعاينة نفس االحتمال الختيارها‬
‫في العينة‪ .‬وتعتمد إجراءات سحب العينة العشوائية البسيطة على وجود إطار للعينة ونميز هنا بين نوعين‬
‫من السحب‪:‬‬

‫‪ -‬السحب مع اإلرجاع‪ :‬بمعنى سحب وحدات المعاينة مع إرجاع الوحدة المسحوبة في كل مرة‪ ،‬في هذه‬
‫الحالة تسمى العينة بالعينة المستقلة‪ ،‬بمعنى أن الوحدة يمكن أن تظهر أكثر من مرة في العينة وبالتالي‬
‫عدد العينات الممكنة في هذه الحالة ومع مراعاة ترتيب الوحدات هو‪.Nn :‬‬

‫‪ -‬السحب دون إرجاع‪ :‬يتم فيه سحب وحدات المعاينة دون إرجاع الوحدة المسحوبة‪ ،‬وتسمى العينة في‬
‫هذه الحالة بالعينة غير المستقلة‪ ،‬بمعنى أن الوحدة المسحوبة ال تظهر إال مرة واحدة في العينة وبالتالي‬
‫‪n‬‬

‫‪ ، C‬حيث‪:‬‬ ‫‪N‬‬ ‫عدد العينات الممكنة في هذه الحالة (مع عدم مراعاة الترتيب) هو‪:‬‬

‫!‪N‬‬
‫=‬
‫‪n‬‬
‫‪C‬‬ ‫‪N‬‬
‫!)‪n!( N − n‬‬

‫إن المعاينة العشوائية البسيطة عن طريق السحب مع اإلرجاع نادرة االستعمال في الواقع العملي‪ ،‬ألنه ال‬
‫معنى للحصول على الوحدة نفسها مرتين في العينة‪ ،‬كما أن السحب دون إرجاع يعطي تقديرات أكثر دقة‪،‬‬
‫باإلضافة إلى أن التباين المرتبط بالعينة غير المستقلة يكون دائما أقل من المرتبط بالعينة المستقلة‪.‬‬

‫وفيما يلي الخطوات المتبعة في سحب عينة عشوائية بسيطة‪:‬‬

‫‪ -‬إعداد قوائم تتضمن جميع عناصر المجتمع (اإلطار)؛‬

‫‪ -‬ترقيم جميع وحدات المجتمع بأرقام متسلسلة؛‬

‫‪ -‬تحديد حجم العينة المطلوب سحبها؛‬

‫‪ -‬اختيار وحدات العينة وذلك باستعمال إحدى الطرق الثالثة التالية‪:‬‬

‫• طريقة القرعة؛‬
‫‪19‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫• طريقة جداول األرقام العشوائية؛‬

‫• طريقة توليد األرقام العشوائية بالحاسب اآللي‪.‬‬

‫يعاب على العينة العشوائية البسيطة أنها تنطوي على إجراءات طويلة ومملة‪ ،‬خصوصا إذا كانت العينة‬
‫كبيرة‪ ،‬ألن االختيار العشوائي يحتاج إلى وقت وجهد كبيرين ولتسهيل هذه العملية يمكن استخدام أسلوب‬
‫المعاينة المنتظمة والذي يعتبر واسع االنتشار وكثير االستعمال في التطبيقات العملية‪.‬‬

‫ب‪ .‬المعاينة العشوائية المنتظمة‬

‫تشير تسمية هذا النوع من العينات إلى أنه يتبع أسلوبا منتظما إلختيار وحدات المجتمع دون إستخدام‬
‫األرقام العشوائية أو طرق أخرى‪ ،‬وهي ليست عشوائية بشكل كلي ألن فيها نوع من اإلنتظام‪ ،‬راجع إلى‬
‫تركيب وحدات العينة في إطار تصنيف أو نظام معين ولهذا سميت بالمنتظمة أو النظامية‪ .‬تمتاز هذه‬
‫الطريقة بتوفير كثير من الوقت والجهد وتعتبر أكثر كفاءة‪ ،‬من المعاينة العشوائية البسيطة‪ ،‬خاصة إذا كان‬
‫حجم المجتمع كبيرا‪.‬‬

‫يتم إختيار العينة المنتظمة من مجتمع متجانس‪ ،‬وتمتاز بأنها تعتمد على العشوائية في تحديد العنصر‬
‫األول من العينة الذي يعتمد عليه تحديد باقي عناصر العينة‪ ،‬حيث تنتشر لتشمل المجتمع ككل فهي بذلك‬
‫تكون ممثلة له‪.‬‬

‫يتم اختيار وحدات العينة من اإلطار بطريقة منتظمة مرتبة وفقا لمتتالية حسابية أساسها ‪ k‬والذي يسمى‬
‫أيضا مدى المعاينة‪ ،‬وذلك وفقا للخطوات التالية‪:‬‬

‫‪ -‬ترقيم جميع وحدات المجتمع من ‪ 1‬إلى ‪N‬؛‬

‫‪ -‬تحديد حجم العينة المطلوبة وليكن ‪n‬؛‬

‫‪ -‬حساب مدى العينة (أساس المتتالية) ‪ k‬والذي يمثل مسافة االختيار بين عنصرين متتاليين ويحسب‬
‫وفقا للقاعدة التالية‪:‬‬

‫‪N 1‬‬ ‫‪n 1‬‬

‫=‪K‬‬ ‫=‬ ‫= ‪ f‬‬ ‫=‬
‫‪n‬‬ ‫‪f‬‬ ‫‪N K‬‬

‫حيث‪:‬‬
‫‪20‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ :N‬حجم المجتمع؛‬

‫‪ :n‬حجم العينة؛‬

‫‪ :f‬نسبة أو كسر المعاينة‪.‬‬

‫‪ -‬تحديد أول رقم عشوائي بين ‪ 1‬و ‪ k‬فنحصل على رقم وحدة المعاينة األولى ولتكن )‪ ،(i‬ثم بعد ذلك تحديد‬
‫باقي الوحدات وفقا ألساس المتتالية ‪ k‬فتكون الوحدات التالية على التوالي‪:‬‬

‫‪i + k , i + 2k , i + 3k , ..., i + (n − 1)k‬‬

‫يبين الجدول وحدات العينة في المجتمع والتي تم اختيارها بطريقة منتظمة‪ ،‬حيث أن أول رقم عشوائي هو‬
‫‪: (1  i  k ) i‬‬

‫جدول رقم ‪ :01‬ترتيب وحدات العينة المنتظمة‬

‫‪n‬‬ ‫‪...‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫الوحدة في العينة‬

‫‪i+(n-‬‬
‫‪...‬‬ ‫‪i+3k‬‬ ‫‪i+2k‬‬ ‫‪i+k‬‬ ‫رقم الوحدة في المجتمع ‪I‬‬
‫‪1)k‬‬

‫المصدر‪ :‬سليمان محمد طشطوش‪ ،‬أساسيات المعاينة اإلحصائية‪،‬دار الشروق‪ ،‬ط ‪،،1‬عمان‪ ،2001،‬ص‪.94 :‬‬

‫من أهم عيوب هذه الطريقة‪ ،‬أنه إذا مجتمع الدراسة يعكس اتجاهات دورية للظاهرة موضوع البحث وكان‬
‫مدى المعاينة ‪ k‬مساويا لطول الدورة أو إحدى مضاعفاتها‪ ،‬فإن هذه المعاينة تكون غير ممثلة للمجتمع‬
‫المدروس وبالتالي تعطي تقديرات متحيزة‪.‬‬

‫جـ‪ .‬المعاينة العشوائية الطبقية‬

‫في كثير من األحيان يكون المجتمع اإلحصائي غير متجانس وذلك من حيث خصائص مفرداته بمعنى‬
‫تباين أو اختالف في الخاصية أو الخصائص المدروسة بين الوحدات‪ ،‬كالتباين الحاصل في دخول األفراد‬
‫والمستوى الثقافي وغير ذلك‪ ،‬مما يؤثر على تمثيل العينة للمجتمع وبالتالي على دقة النتائج‪ .‬في هذه الحالة‬
‫يكون استخدام أسلوب المعاينة الطبقية‪ .‬هو المناسب ألنه يهدف إلى تصميم عينة ممثلة لكافة الطبقات‬
‫التي يتكون منها المجتمع المدروس‪ ،‬مما يؤدي إلى تقليل أخطاء المعاينة دون زيادة حجم العينة‪.‬‬

‫‪21‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫ي ِ‬
‫قسم هذا األسلوب المجتمع المدروس إلى مجموعات جزئية غير متقاطعة ومتجانسة نسبة للمتغير قيد‬ ‫ُ‬
‫الدراسة‪ ،‬تسمى هذه المجموعات الجزئية بالطبقات‪ ،‬ثم يتم إجراء معاينة عشوائية بسيطة على كل طبقة‪،‬‬
‫وتعامل كل طبقة وكأنها مجتمع مستقل تسحب منه عينة عشوائية بسيطة ذات حجم معين‪.‬‬

‫يجب أن يحقق تقسيم المجتمع التجانس بين مفردات كل طبقة لهذا يتطلب هذا النوع من المعاينة معرفة‬
‫مسبقة بتركيبة المجتمع المدروس‪ ،‬كما أن إستخدامه تحت شروط معينة يزيد من دقة التقديرات الخاصة‬
‫بمعالم المجتمع‪.‬‬

‫البد من معرفة حجم كل طبقة في المعاينة العشوائية الطبقية‪ ،‬كما أن إختيار عينة من كل طبقة يستلزم‬
‫وجود إطار لكل طبقة ويتم هذا األسلوب وفقا للخطوات التالية‪:‬‬

‫‪ -‬تحديد حجم العينة اإلجمالي المطلوب اختياره من مجتمع البحث؛‬

‫‪ -‬تقسيم المجتمع إلى طبقات متجانسة ويعتمد هذا التقسيم على التقدير الشخصي وخبرة الباحث؛‬

‫‪ -‬توزيع مفردات العينة على طبقات مجتمع البحث لتمثيل هذه الطبقات؛‬

‫‪ -‬سحب عدد مفردات العينة من كل طبقة وفقا لطريقة العينة العشوائية البسيطة‪.‬‬

‫يبين الشكل رقم ‪ :01‬كيفية سحب عينة عشوائية طبقية من المجتمع‪:‬‬

‫‪22‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬

‫المجتمع‬

‫‪N‬‬

‫الطبقة‬ ‫‪…….‬‬ ‫الطبقة‬ ‫الطبقة‬

‫‪NL‬‬ ‫‪…….‬‬ ‫‪N2‬‬ ‫‪N1‬‬

‫العينة‬ ‫‪…….‬‬ ‫العينة‬ ‫العينة‬

‫‪nL‬‬ ‫‪…….‬‬ ‫‪n2‬‬ ‫‪n1‬‬

‫العينة‬

‫‪n‬‬

‫يظهر من خالل الشكل أن المجتمع المكون من ‪ N‬وحدة قد تم تقسيمه إلى ‪ L‬من المجتمعات الجزئية والتي‬
‫تسمى بالطبقات وكل طبقة ‪ h‬مكونة من الوحدات ‪ Ni‬حيث‪:‬‬

‫‪h = 1,2,...L‬‬
‫‪N = N1 + N 2 + ...N L‬‬

‫بعد ذلك يتم إختيار عينة عشوائية بسيطة من كل طبقة‪ ،‬وبالتالي فإن حجم العينة التي نختارها من‬
‫الطبقة ‪ i‬هي ‪ ،ni‬بحيث يكون الحجم الكلي للعينة الطبقية هو‪:‬‬

‫‪n = n1 + n2 + ...nL‬‬
‫‪23‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫لهذا النوع من العينات عيب واحد‪ ،‬وهو صعوبة عمل إطار للمجتمع إذا كانت الطبقات كبيرة الحجم‪.‬‬

‫د‪ .‬العينة العنقودية‬

‫في بعض الحاالت نجد أن وحدات بعض المجتمعات تشكل تجمعات عادة ما تكون مشابهة إلى حد‬
‫كبير للخاصية المدروسة مثل المدن‪ ،‬الشوارع‪ ،‬المناطق‪ ،‬الجامعات‪ ،...‬هذه التجمعات تسمى العناقيد ويتم‬
‫اللجوء إلى هذه الطريقة إذا كان المجتمع كبي ار جدا‪.‬‬

‫يعتمد هذا النوع من العينات على تجزئة مجتمع الدراسة إلى مجموعات (عناقيد) وذلك وفقا لخاصية‬
‫معينة كما هو الحال في العينة الطبقية‪ ،‬بعدها يتم االختيار العشوائي لعينة الدراسة والمتمثلة في بعض‬
‫هذه العناقيد‪ ،‬كعينة عشوائية بسيطة ثم ندرس أفراد كل منها‪ ،‬وفي هذه الحالة تسمى عينة عنقودية من‬
‫مرحلة واحدة‪ .‬أما إذا قمنا باختيار عينة عشوائية بسيطة من األفراد داخل كل عنقود اخترناه في المرحلة‬
‫األولى فتسمى عينة عنقودية من مرحلتين‪ ،‬عندها تسمى العناقيد بوحدات معاينة أولية والمفردات داخل‬
‫العناقيد تسمى وحدات معاينة ثانوية‪.‬‬

‫يمكن أن تكون العينة العنقودية مكونة من عدة مراحل وتسمى في هذه الحالة عينة عنقودية متعددة‬
‫المراحل‪ .‬وتوجد عدة عوامل يجب مراعاتها عند استخدام العينة العنقودية من بينها ما يلي‪:‬‬

‫‪ -‬يجب أن تكون العناقيد معرفة بدقة وكل مفردة من مجتمع الدراسة يجب أن تنتمي لمجموعة أو‬
‫عنقود واحد فقط؛‬

‫‪ -‬يجب أن يكون عدد المفردات في العنقود معروفا؛‬

‫‪ -‬يجب اختيار العناقيد عشوائيا لتقليل خطأ العينة؛‬

‫‪ -‬يجب مراعاة التوازن في حجم العناقيد لتقليل خطأ العينة‪.‬‬

‫العيب الوحيد لهذا النوع أن درجة دقة النتائج عادة ما تكون منخفظة‪.‬‬

‫‪ .2.3.2‬المعاينة غير العشوائية (غير االحتمالية)‬

‫‪24‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫في هذا النوع يتم اختيار الوحدات بطريقة غير عشوائية‪ ،‬حيث يتعمد الباحث إختيار وحدات معينة‬
‫إلدخالها في العينة على إعتبار أنها تمثل المجتمع المدروس تمثيال جيدا‪ ،‬وذلك حسب رأيه وخبرته ومن ثم‬
‫إجراء الدراسة على العينة المختارة‪ .‬ومن أكثر الطرق إستخداما في المعاينة غير العشوائية ما يلي‪:‬‬

‫‪ -‬عينة الحصص؛‬

‫‪ -‬العينة الميسرة؛‬

‫‪ -‬العينة الحكمية (القصدية)‪.‬‬

‫أ‪ .‬عينة الحصص‬

‫طريقة الحصص‪ ،‬هي أكثر طرق المعاينة غير االحتمالية استعماال‪ ،‬خاصة في التحقيقات اإلجتماعية‬
‫واالقتصادية (دراسات السوق‪ ،‬سبر اآلراء‪ ،)...‬تقوم هذه الطريقة على اختيار عدة خصائص للمجتمع‪،‬‬
‫بحيث ترتبط بموضوع البحث وتسمى هذه الخصائص بمتغيرات المراقبة‪.‬‬

‫يتم الحصول على الحصص من خالل ضرب نسبة المعاينة في القيم المناسبة لمتغيرات المراقبة‪ ،‬ثم‬
‫تترك عملية اختيار العناصر من مجتمع البحث للمقابل الميداني‪ ،‬ويعتمد المقابل في اختياره على الخصائص‬
‫المحددة لموضوع الدراسة‪ ،‬ومن أمثلة الخصائص المرتبطة بموضوع البحث‪ :‬السن‪ ،‬المهنة‪ ،‬الحالة‬
‫االجتماعية‪...‬‬

‫ال تحتاج طريقة الحصص إلى استخدام إطار المعاينة وهي الميزة المناسبة للحاالت التي ال تتوافر على‬
‫إطار المعاينة وفي الدراسات التي تتميز بالسرية اإلحصائية‪ .‬كما أن تكلفة المعاينة بطريقة الحصص تكون‬
‫أقل من تكلفة المعاينة االحتمالية بسبب انخفاض تكلفة التنقل الستجواب الوحدة اإلحصائية التي يتم اختيارها‬
‫قصدا‪ ،‬عكس المعاينة االحتمالية التي تتطلب ربما تنقالت متعددة وبالتالي تكاليف أكبر‪.‬‬

‫يعاب على هذه الطريقة عدم إمكانية حساب دقة التقدير المحصل عليه حيث أن حرية اختيار الوحدات‬
‫يؤدي إلى إرتكاب أخطاء التحيز‪ ،‬كما أن صعوبة متابعة العمل الميداني يؤدي إلى تمثيل أقل للوحدات‬
‫المدروسة‪.‬‬

‫الميسرة‬
‫َّ‬ ‫ب‪ .‬العينة‬

‫‪25‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫يتم إختيار هذا النوع من العينات بصفة عرضية أي عن طريق الصدفة‪ ،‬تتميز إجراءاتها بالبساطة حيث‬
‫يقوم الباحث باختيار وحدات العينة التي يمكن االتصال بها بسهولة وبأقل جهد وتكلفة ممكنة‪ .‬ومن عيوب‪،‬‬
‫الميسرة أنها ال تضمن توافر الوحدات على بعض الخصائص المطلوبة وبالتالي ال يمكن اعتبارها‬
‫َّ‬ ‫العينات‬
‫ممثلة للمجتمع ويصعب تعميم نتائجها على بقية أفراد مجتمع الدراسة‪.‬‬

‫كثي ار ما تستخدم العينة المسيرة في الدراسات االستطالعية بهدف جمع أكبر عدد من البيانات وخاصة‬
‫ستخدم كمقدمة لدراسات الحقة تعتمد على عينات إحتمالية‪.‬‬
‫عندما تُ َ‬

‫جـ‪ .‬العينة الحكمية (القصدية)‬

‫يتم إختيار مفردات هذه العينة حسب ما يراه الباحث مناسبا‪ ،‬على أساس أنها تمثل مجتمع الدراسة أو‬
‫ذات خبرة في الميدان وبالتالي تخدم أغراض الدراسة‪ .‬وعادة ما يتم اختيار هذا النوع من العينات عندما‬
‫يكون حجم العينة صغي ار جدا‪ ،‬حيث أنها تكون أكثر مصداقية من العينات االحتمالية‪.‬‬

‫‪ .4.2‬حجم العينة ومصادر أخطاء المعاينة‬

‫إن السؤال األساسي الذي يجب أن يطرحه الباحث هو‪" :‬كم عدد األشخاص الواجب إخضاعهم للدراسة‬
‫حتى تكون العينة ممثلة للمجتمع المدروس؟"‪ .‬على هذا األساس سنتطرق من خالل هذه النقطة إلى العوامل‬
‫التي يمكن أن تؤثر في تحديد حجم العينة‪ ،‬ثم نتطرق إلى تحديد حجم العينة حسب أهم أنواع المعاينة‪،‬‬
‫وأيضا مصادر األخطاء في دراسات العينة‪.‬‬

‫‪ .1.4.2‬العوامل المؤثرة في تحديد حجم العينة‬

‫يجب الموازنة بين عاملين رئيسيين عند تحديد حجم العينة هما‪:‬‬

‫‪ -‬الدقة في تمثيل المجتمع وهذا يتطلب الزيادة في حجم العينة‪ ،‬ويقلل من خطأ المعاينة؛‬

‫‪ -‬تكلفة اإلستقصاء والتي ترتبط طرديا بحجم العينة‪.‬‬

‫من هذا التناقض بين العاملين يظهر مدى تعقد قرار حجم العينة‪ ،‬إال أن بعض الباحثين قد توصلوا إلى‬
‫أن هناك عوامل رئيسة تؤثر في قرار حجم العينة‪ ،‬وهي‪:‬‬

‫‪26‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ -‬درجة الدقة المطلوبة في النتائج‪ :‬ترتبط دقة النتائج طرديا بحجم العينة والذي يرتبط بدوره عكسيا‬
‫مع خطأ المعاينة‪ ،‬لهذا وبهدف الحصول على نتائج دقيقة يجب على الباحث إختيار حجم عينة‬
‫كبير؛‬

‫‪ -‬درجة تجانس المجتمع المدروس‪ :‬كلما كان المجتمع غير متجانس من حيث الخصائص‬
‫المدروسة‪ ،‬تطلب أن يكون حجم العينة أكبر نسبيا والعكس صحيح؛‬

‫‪ -‬حجم المجتمع المدروس‪ :‬يجب األخذ بعين اإلعتبار أنه كلما كبر حجم المجتمع‪ ،‬كان من األفضل‬
‫زيادة حجم العينة‪ ،‬لكن يبقى هذا االرتباط بين حجم المجتمع وحجم العينة محدودا‪ ،‬فإذا كان المجتمع‬
‫متجانس‪ ،‬تكفي عينة صغيرة لتمثيله؛‬

‫‪ -‬القيود الداخلية للدراسة‪ :‬تتمثل في تكاليف الدراسة (يجب أن تكون في حدود الميزانية المخصصة)‬
‫وكذا الوقت المتاح للدراسة‪.‬‬

‫بصفة عامة‪ ،‬للحصول على نتائج دقيقة يجب على الباحث إعتماد حجم عينة كبير‪ ،‬هذا بدوره يؤدي‬
‫إلى تخفيض الخطر المرتبط بخطأ المعاينة‪ ،‬في المقابل ترتفع تكاليف الدراسة‪ .‬وبالتالي فإن حجم العينة‬
‫األمثل هو الحجم الذي يسمح بتحقيق التوازن بين خطر إرتكاب أخطاء المعاينة والتكاليف المرتبطة بها(عدم‬
‫دقة المعلومات) وتكلفة المعاينة في حد ذاتها‪،‬بمعنى حجم العينة األمثل هو الذي يحقق الحد األدنى للتكلفة‬
‫اإلجمالية للمعاينة وفي الوقت نفسه يخفض تكلفة أخطاء المعاينة كما يوضحه الشكل‪:‬‬

‫‪27‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬

‫شكل رقم ‪ :02‬الحجم األمثل للعينة‬

‫التكلفة‬
‫تكلفة الحصر الشامل‬
‫التكلفة الكلية للمعاينة‬

‫الحد األدنى لتكلفة المعاينة‬

‫تكلفة تصميم العينة‬

‫الحجم األمثل للعينة‬

‫‪n‬‬

‫تكلفة أخطاء المعاينة‬ ‫‪N‬‬

‫‪ .2.4.2‬تحديد حجم العينة‬

‫إن طريقة تحديد حجم العينة تختلف على حسب األهداف المسطرة للدراسة‪ ،‬وهامش الخطأ األعظمي‬
‫المقبول من قبل الباحث‪ ،‬وكذا طريقة إختيار العينة المتبعة‪ .‬وفي هذا الصدد نقترح الصيغ األكثر استعماال‬
‫في الدراسات اإلحصائية‪:‬‬

‫أ‪ .‬تحديد حجم العينة العشوائية البسيطة‬

‫في حالة العينة العشوائية البسيطة‪ ،‬فإن حجم العينة يمكن حسابه بداللة هامش الخطأ المقبول من طرف‬
‫الباحث وهناك حالتين‪:‬‬

‫‪ -‬تحديد حجم العينة في حالة النسبة‪ :‬يتحدد حجم العينة في حالة ما إذا كانت القيم محل القياس أو‬
‫الدراسة عبارة عن نسبة كما يلي‪:‬‬

‫)‪(1,96)²  ( p)  (1 − p‬‬
‫=‪n‬‬
‫‪(e)²‬‬

‫‪28‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫حيث أن‪:‬‬

‫‪:n‬حجم العينة؛‬

‫‪ :p‬نسبة مفردات مجتمع الدراسة التي تتوافر فيها الخاصية محل الدراسة؛‬

‫‪ :e‬الخطأ األعظمي المقبول‪.‬‬

‫‪ -‬تحديد حجم العينة في حالة المتوسط‪:‬‬

‫عوض تقييم النسبة‪ ،‬مثل‪" :‬كم عدد المدخنين الذين يدخنون علبتي سيجارة في اليوم"‪ ،‬فإن الدراسة يمكن أن‬
‫تأخذ كهدف "حساب متوسط عدد علب السيجارة المستعملة في يوم واحد من قبل المستهلك"‪ .‬وهنا يتحدد‬
‫حجم العينة كما يلي‪:‬‬

‫‪2‬‬
‫‪1,96.s ‬‬
‫‪n=‬‬ ‫‪‬‬
‫‪ e ‬‬

‫حيث أن ‪:‬‬

‫‪ :n‬حجم العينة؛‬

‫‪ :s‬االنحراف المعياري للعينة؛‬

‫‪ :e‬الخطأ األعظمي المقبول‪.‬‬

‫ب‪ .‬تحديد حجم العينة العشوائية الطبقية‬

‫في حالة العينة العشوائية الطبقية فإن حجم العينة في حالة النسبة يمكن حسابه حسب الصيغة التالية‪:‬‬

‫‪L‬‬
‫) ‪pi (1 − pi‬‬
‫‪N‬‬
‫‪i =1‬‬
‫‪i‬‬
‫‪2‬‬

‫‪wi‬‬
‫=‪n‬‬ ‫‪L‬‬
‫) ‪N ² D +  N i pi (1 − pi‬‬
‫‪i =1‬‬

‫حيث أن‪:‬‬

‫‪29‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪:n‬حجم العينة؛‬

‫‪ :pi‬نسبة مفردات المجتمع المتوافرة على الخاصية المدروسة والمنتمية إلى الطبقة ‪i‬؛‬

‫‪ :wi‬وزن الطبقة ‪( i‬ويحسب بقسمة حجم الطبقة ‪ i‬على حجم المجتمع)؛‬

‫‪ :Ni‬حجم الطبقة ‪i‬؛‬

‫‪ :N‬حجم المجتمع؛‬

‫‪ :D‬ويساوي مربع الخطأ األعظمي المقبول مقسوما على مربع مجال الثقة‪.‬‬

‫جـ‪ .‬تحديد حجم العينة بداللة الميزانية المتاحة‬

‫تقوم بعض المراكز المتخصصة في دراسات السوق باالعتماد على حجم الميزانية المخصصة للدراسة‬
‫لتحديد حجم العينة وتحسب كما يلي‪:‬‬

‫‪B‬‬
‫=‪n‬‬
‫‪C‬‬

‫حيث أن ‪:‬‬

‫‪:n‬حجم العينة؛‬

‫‪ :B‬الميزانية المخصصة للدراسة؛‬

‫‪ :C‬التكلفة المتوسطة الستقصاء شخص واحد‪.‬‬

‫إال أن هذه الطريقة لتحديد حجم العينة ال تعتمد على أي أساس أو مبرر علمي أو موضوعي وبالتالي فإنه‬
‫أسلوب غير مقبول من الناحية العلمية رغم إتباعه من قبل بعض مراكز الدراسات‪.‬‬

‫‪ .3.4.3‬مصادر األخطاء في دراسات العينة‬

‫رغم االحتياطات التي يأخذها الباحث بعين االعتبار في إجراءات المعاينة‪ ،‬تكون نتائج الدراسة عرضة‬
‫ألخطاء يمكن تصنيفها كما يلي‪:‬‬

‫أ‪ .‬أخطاء المعاينة‪:‬‬

‫‪30‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫يتعلق خطأ المعاينة بمدى تمثيل العينة للمجتمع‪ ،‬يحدث أثناء تصميم العينة‪ ،‬ناتج عن جزئية المعلومات‬
‫بمعنى أنه يرتبط أساسا بحجم العينة(حجم العينة غير كافي)‪ ،‬والسحب العشوائي للوحدات وينقسم إلى‪:‬‬
‫الخطأ العشوائي والخطأ الناتج عن تباين المجتمع‪.‬‬

‫ب‪ .‬أخطاء القياس‪:‬‬

‫هي األخطاء غير االحتمالية‪ ،‬وتسمى أيضا أخطاء عدم المعاينة‪ ،‬وتضم أخطاء المالحظة(العمل‬
‫الميداني‪ ،‬معالجة البيانات) وأخطاء عدم المالحظة (عدم اإلجابة‪ ،‬عدم التغطية)‪.‬‬

‫‪ .3‬التوزيعات االحتمالية المتصلة‬

‫هي قوانين احتمالية تدرس المتغيرات العشوائية المتصلة وأهمها‪:‬‬

‫‪ 1.3‬التوزيع الطبيعي‪:‬‬

‫يعد التوزيع الطبيعي أكثر التوزيعات االحتمالية أهمية واستخداما في النواحي التطبيقية ألن الكثير من‬
‫الظواهر الطبيعية واالجتماعية واالقتصادية تخضع لهذا التوزيع كما أن كثي ار من الظواهر التي ال تخضع‬
‫له يمكن تقريب توزيعاتها االحتمالية إلى التوزيع الطبيعي‪ .‬وفيما يلي عرض ألهم خصائص هذا التوزيع‪:‬‬

‫‪1.1.3‬تعريف‪ :‬يكون المتغير العشوائي المتصل ‪ x‬خاضعا للتوزيع الطبيعي إذا كانت دالة كثافته االحتمالية‬
‫)‪ f(x‬معرفة كما يلي‪:‬‬

‫‪1‬‬ ‫‪1 x−μ 2‬‬

‫= )‪f(x‬‬ ‫(‪e−2‬‬ ‫∂‬
‫)‬
‫‪∂√2π‬‬

‫حيث‪:‬‬

‫‪∞−< 𝑥 < ∞ +‬‬ ‫∂ ‪:‬االنحراف المعياري للتوزيع‬

‫و }‪∞−< 𝜇 < ∞ +‬‬ ‫}‬
‫‪∂>0‬‬ ‫يع‬ ‫ز‬‫التو‬ ‫متوسط‬ ‫∶‬ ‫‪μ‬‬

‫و نكتب بإختصار‪𝐱 → 𝐍(𝛍; 𝛔𝟐 ):‬‬

‫‪ 2.1.3‬كيفية حساب االحتماالت‪ :‬إذا كان ‪ x‬متغير عشوائي مستمر يتبع التوزيع الطبيعي فإنه إليجاد‬
‫احتماالت المتغير العشوائي الطبيعي) 𝟐𝛔 ;𝛍(𝐍 → 𝐱 يجب استخدام التوزيع الطبيعي المعياري حيث يتم‬

‫‪31‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫االنتقال من التوزيع الطبيعي) 𝟐𝛔 ;𝛍(𝐍 إلى التوزيع الطبيعي المعياري أو القياسي الذي وسطه "الصفر"‬
‫وتباينه "الواحد" أي )𝟏 ;𝟎(𝐍 وذلك وفق العالقة التالية‪:‬‬

‫‪x−μ‬‬
‫=‪Z‬‬
‫‪σ‬‬

‫حيث يمثل ‪ Z‬المتغير المعياري أي أن ‪ Z‬يتبع التوزيع الطبيعي المعياري‪.‬‬

‫‪ 2.3‬التوزيع الطبيعي المعياري‪:‬‬

‫‪ 1.2.3‬تعريف‪ :‬يعتبر هذا التوزيع كحالة خاصة بالنسبة للقانون الطبيعي العام حيث نقول أن المتغير‬
‫العشوائي ‪ Z‬يخضع للتوزيع الطبيعي المعياري إذا كان ‪ Z‬يتبع التوزيع الطبيعي بمتوسط يساوي الصفر (‬
‫‪(μ = 0‬وبتباين يساوي الواحد(‪ (σ2 = 1‬وبالتالي فإن دالة الكثافة االحتمالية للمتغير العشوائي ‪ Z‬تأخذ‬
‫الصيغة التالية‪:‬‬

‫‪1‬‬ ‫‪−1 2‬‬

‫= )‪f(Z‬‬ ‫‪e2Z‬‬
‫‪√2π‬‬

‫حيث‪:‬‬

‫∞‪−∞ < 𝑍 < +‬‬

‫وفي هذه الحالة نكتب‪:‬‬

‫)‪Z → N(0; 1‬‬

‫‪ 2.2.3‬كيفية حساب االحتماالت‪ :‬هناك جدول خاص يسمى جدول التوزيع الطبيعي المعياري يستخدم‬
‫إليجاد احتماالت المتغير العشوائي الطبيعي المعياري من النوع )‪ .p(z ≤ a‬وكل احتمال يخالف هذه‬
‫القاعدة يجب تحويله وفقا للقاعدة التالية‪p(Z > 𝑧) = 1 − 𝑝(𝑋 < 𝑥) :‬‬

‫إليجاد االحتماالت المتعلقة بالمتغير العشوائي الطبيعي المعياري فإننا نستعين جدول التوزيع الطبيعي‬
‫المعياري مع مراعاة أن هذا الجدول مصمم من أجل القيم الموجبة فقط لـ ‪ z‬وعليه فإن احتماالت القيم السالبة‬
‫تق أر من الجدول بداللة القيم الموجبة المناظرة لها وفقا للقاعدة التالية‪p(Z < −𝑧) = p(Z > 𝑧) = :‬‬
‫)𝑧 < ‪ 1 − p(Z‬أي)𝐳(𝐅 ‪𝐅(−𝐳) = 𝟏 −‬‬

‫‪32‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ 3.2.3‬تحويل التوزيع الطبيعي إلى توزيع طبيعي معياري وايجاد االحتماالت للتوزيع الطبيعي‪:‬‬

‫إليجاد احتماالت المتغير العشوائي الطبيعي) 𝟐𝛔 ;𝛍(𝐍 → 𝐱 فإننا نحوله أوال إلى متغير عشوائي طبيعي‬
‫معياري )‪ Z = N(0; 1‬ومن ثم نستخدم جدول التوزيع الطبيعي المعياري إليجاد االحتماالت من النوع‪:‬‬

‫) 𝟏𝐳(𝐅 أو) 𝟏𝐳(𝐐 = ) ‪p(z < z1‬‬

‫وذلك باستخدام العالقة التالية‪:‬‬

‫𝛍‪𝐱−‬‬
‫= 𝐙 ⇔ ) 𝟐𝛔 ;𝛍(𝐍 = 𝐱‬ ‫)𝟏 ;𝟎(𝐍 →‬
‫𝛔‬

‫وبالتالي فإن احتماالت المتغير الطبيعي ‪ x‬تحسب كما يلي‪:‬‬

‫‪X−μ x−μ‬‬
‫(𝑝 = )𝑥 < ‪1/p(X‬‬ ‫<‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬
‫‪x−μ‬‬ ‫‪x−μ‬‬
‫< ‪= p (Z‬‬ ‫(‪) = F‬‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬
‫)𝑥 < 𝑋(𝑝 ‪2/p(X > 𝑥) = 1 −‬‬
‫‪x−μ‬‬ ‫‪x−μ‬‬
‫< ‪= 1 − p (Z‬‬ ‫(‪) = 1 − F‬‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬
‫‪x1 − μ X − μ x2 − μ‬‬
‫(‪3/p(x1 < 𝑋 < x2 ) = p‬‬ ‫<‬ ‫<‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬ ‫‪σ‬‬
‫‪x1 − μ‬‬ ‫‪x2 − μ‬‬
‫(‪= p‬‬ ‫<𝑍<‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬
‫‪x2 − μ‬‬ ‫‪x1 − μ‬‬
‫(‪= F‬‬ ‫(‪) − F‬‬ ‫)‬
‫‪σ‬‬ ‫‪σ‬‬

‫‪ 3.3‬توزيع كاي تربيع‪:‬‬

‫يعتبر هذا من التوزيعات االحتمالية المهمة في التطبيقات العملية حيث يمكن استخدامه في الكثير من‬
‫الدراسات اإلحصائية خاصة في مجال اختبار الفرضيات‪.‬‬

‫‪ 1.3.3‬تعريف‪ :‬يعتبر توزيع كاي تربيع توزيعا مستم ار غير متناظر ملتوي نحو اليمين‪ ،‬يأخذ المنحنى‬
‫التكراري لهذا التوزيع أشكاال مختلفة حسب قيمة درجة الحرية ‪( n‬التي تمثل عدد المتغيرات العشوائية التي‬

‫‪33‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫تدخل في تحديد ‪ )x‬إذ كلما زادت قيمة ‪ n‬قل االلتواء واقترب بذلك توزيع كاي تربيع من التوزيع الطبيعي‬
‫مع العلم أن توزيع كاي تربيع هو توزيع موجب‪ ،‬أي‪xϵ[0; +∞[:‬‬

‫‪ 2.3.3‬قراءة واستعمال جدول كاي تربيع‪ :‬إن جدول كاي تربيع قد أعد خصيصا من أجل تحديد قيم معينة‬
‫لـ ـ‪ x‬في مجال تعريفه بداللة درجة الحرية ‪ n‬واحتمال معلوم ‪ p‬معبر عنه بـ ) ‪ . p(x ≤ xi‬وكل احتمال‬
‫يخالف هذه القاعدة يجب تحويله ليكون قابال للقراءة المباشرة من الجدول وفقا للقاعدة التالية‪:‬‬

‫)𝑥 < 𝑋(𝑝 ‪p(X > 𝑥) = 1 −‬‬

‫) ‪p(x1 < 𝑋 < x2 ) = p(X < x2 ) − p(X < x1‬‬

‫تسمى القيم الموجودة داخل الجدول بالقيم الجدولية ونرمز لها بالرمز‪K 2p;n :‬‬

‫مثال‪ :‬إذا كان ‪ x‬متغي ار عشوائيا يتبع توزيع كاي تربيع بدرجة حرية ‪ n‬تساوي ‪.10‬‬

‫المطلوب‪ :‬أوجد القيم الجدولية التي تحقق‪:‬‬

‫‪∗ p(x ≤ K 2p;n ) = 0,95‬‬

‫‪∗ p(x > K 2p,n ) = 0,05‬‬

‫عند ‪ n= 8‬أحسب االحتماالت التالية‪:‬‬

‫)‪P(X < 4.594‬‬ ‫)‪P(X > 4.594) P(X < 5‬‬

‫)‪p(5.527 < 𝑋 < 15.507‬‬

‫الحل‪ :‬اعتمادا على جدول توزيع كاي مربع نجد‪:‬‬

‫‪∗ p(x ≤ K 2p,n ) = 0,95 → K 20,95;10 = 18,307‬‬

‫وهذا يعني أن احتمال أن تقل قيمة المتغير العشوائي ‪ x‬عن القيمة ‪ 18,307‬بـ ‪ 10‬درجات حرية هو‬
‫‪.0,95‬‬

‫‪∗ p(x > K 2p;n ) = 0,05 ⇔ 1 − p(x ≤ K 2p;n ) = 0,05‬‬

‫‪⇔ p(x ≤ K 2p;n ) = 0,95‬‬

‫‪K 2p;n = K 20,95;10 = 18,307‬‬ ‫ومنه‬

‫‪34‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪ 4.3‬توزيع ستيودنت‪ :‬يعتبر هذا التوزيع من التوزيعات االحتمالية المستمرة المهمة أيضا نظ ار الستخداماته‬
‫المتعددة‪.‬‬

‫‪ 1.4.3‬تعريف‪ :‬إن توزيع ستيودنت هو توزيع متناظر حول الصفر وهو يشبه إلى حد كبير التوزيع‬
‫الطبيعي المعياري إال أنه أكثر تشتتا منه حيث يقترب شيئا فشيئا من التوزيع الطبيعي كلما زادت قيمة ‪.n‬‬
‫وعموما يعتبر االحصائيون أن المنحنيات تتطابق تقريبا عند ( ‪)n ≤30‬‬

‫‪ 2.4.3‬قراءة واستعمال جدول ستيودنت‪:‬‬

‫أعد جدول توزيع ستيودنت خصيصا من أجل قراءة قيم معينة في مجال تعريفه وذلك بداللة كل من‪:‬‬

‫*درجة الحرية ‪ n‬؛‬

‫*احتمال معلوم ‪ p‬حيث‪.p(x≤ xi) :‬‬

‫تسمى هذه القيم بالقيم الجدولية ‪. tp,n‬‬

‫أي أن الجدول الخاص بتوزيع ستيودنت يعطي قيم ترتبط بدرجة الحرية ‪ n‬وبالمساحة على يسار ‪ tp,n‬تحت‬
‫المنحنى‪.‬‬

‫مالحظات‪:‬‬

‫‪ -1‬يحتوي جدول توزيع ستيودنت فقط على قيم ‪ tp,n‬من أجل (‪ )P>0,5‬لذلك فمن أجل بعض االحتماالت‬
‫الصغيرة التي ال توجد في الجدول (‪ )P<0,5‬نستخدم خاصية التناظر التي تعطينا‪:‬‬

‫𝐩 𝐭‪𝐭 𝟏−𝐩 = −‬‬

‫مثال‪:‬‬

‫‪t 0,25;20 = −t 0,75;20 = −0,687‬‬

‫*بداية من ‪ n≥30‬يمكن االعتماد على جدول التوزيع الطبيعي المعياري إذ أن هناك تطابق تام بين القيمتين‪.‬‬

‫أمثلة‪:‬‬

‫∗ ‪p(T10 ≤ 0,26) = 0,6 ⇐ t 0,6;10 = 0,26‬‬

‫‪35‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫∗‪p(T20 ≤ 0,127) = 0,55 ⇐ t 0,55;20 = 0,127‬‬

‫∗ ‪p(T12 ≤ 1,78) = 0,95 ⇐ t 0,95;12 = 1,78‬‬

‫مثال‪ :‬أحسب االحتماالت التالية‪:‬‬

‫)‪P(X < 0.542‬‬ ‫)‪P(X > 0.879‬‬

‫‪ 5.3‬توزيع فيشر‪:‬‬

‫‪ 1.5.3‬تعريف‪ :‬يعتبر توزيع كاي تربيع توزيعا مستم ار غير متناظر ملتوي قليال نحو اليمين‪ ،‬يتحدد شكله‬
‫حسب قيم درجات الحرية‪ n1‬و‪ n2‬حيث كلما إزدادت هذه القيم كلما اقترب توزيع فيشر من التوزيع الطبيعي‪.‬‬
‫كما أنه توزيع موجب أي أنه معرف في المجال‪xϵ[0; +∞[ :‬‬

‫‪ 2.5.3‬قراءة واستعمال جدول فيشر‪ :‬إن جدول فيشر قد أعد خصيصا من أجل تحديد قيم معينة لـ ‪F‬‬
‫في مجال تعريفه بداللة ثالثة معالم هي‪:‬‬

‫*درجة الحرية ‪n1‬؛‬

‫*درجة الحرية ‪n2‬؛‬

‫*احتمال معلوم ‪ p‬معبر عنه بـ ) ‪. p(F ≤ Fp;n1;n2‬‬

‫تسمى القيم الموجودة داخل الجدول بالقيم الجدولية ونرمز لها بالرمز‪Fp;n1;n2 :‬‬

‫* في الغالب تعطي الجداول اإلحصائية قيم ‪ F‬عند‪:‬‬

‫𝟓𝟗 ‪ 𝐩 = 𝟎,‬و 𝟗𝟗 ‪𝐩 = 𝟎,‬‬

‫مثال‪ :‬بإستعمال جدول توزيع فيشر أوجد القيم التالية‪:‬‬

‫‪F0,99;12;9 ; F0,95;2;15‬‬

‫الحل‪:‬‬

‫‪∗ F0,95;2,15 = 3,36‬‬

‫أي‪:‬‬

‫‪36‬‬
 ‫اإلطار المفاهيمي‬ ‫الفصل األول‬
‫‪p(F2;15 ≤ 3,36) = 0,95‬‬

‫‪∗ F0,99;12,9 = 5,11‬‬

‫أي‪:‬‬

‫‪p(F12;9 ≤ 5,11) = 0,99‬‬

‫مالحظة‪:‬‬

‫من أجل االحتماالت الصغيرة التي ال توجد في جدول توزيع فيشر فإنه وإليجاد القيم الجدولية المقابلة لها‬
‫نستعمل العالقة التالية‪:‬‬

‫𝟏‬
‫= 𝟐𝐧; 𝟏𝐧;𝐩𝐅‬
‫𝟏𝐧; 𝟐𝐧;𝐩‪𝐅𝟏−‬‬

‫مثال‪:‬‬

‫‪1‬‬ ‫‪1‬‬
‫= ‪∗ F0,05;2;15‬‬ ‫=‬ ‫‪= 0,05‬‬
‫‪F0,95;15;2‬‬ ‫‪19,4‬‬

‫‪37‬‬
 ‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫يعد فهم توزيعات المعاينة مدخال مهما لفهم موضوع اإلحصاء االستداللي حيث يستخدم توزيع إحصاءات‬
‫العينة بشكل واسع في موضوع اختبار الفرضيات اإلحصائية‪.‬‬

‫فتوزيع المعاينة هو التوزيع االحتمالي ألي إحصائية (مقدرة) تحسب قيمتها من كل العينات العشوائية‬
‫ذات الحجم المتساوي والممكن سحبها من المجتمع‪ ،‬ويعرف توزيع المعاينة بأنه عبارة عن " توزيع كافة القيم‬
‫المحتملة التي يمكن إفتراضها بإحصاءة ما محسوبة على أساس عينات مختلفة بنفس الحجم اختيرت عشوائيا‬
‫من نفس المجتمع "‪.‬‬

‫يعتمد شكل ومعالم توزيع المعاينة على طبيعة المجتمع وحجمه (معلوم أو مجهول غير محدود) وعلى‬
‫طريقة سحب العينات (باإلرجاع أو دون إرجاع)‪.‬‬

‫وفي ضوء ما تقدم‪ ،‬سيتم تسليط الضوء على بعض توزيعات المعاينة الشائعة بشيء من التفصيل‪.‬‬

‫‪ -1‬توزيع المعاينة للوسط الحسابي للعينة 𝐗‬

‫العينات المختلفة غالبا ما تكون قيم متوسطاتها الحسابية مختلفة‪ ،‬أي أن الوسط الحسابي للعينة ‪ ،X‬كأي‬
‫إحصائية يتغير من عينة إلى أخرى‪ ،‬وال نستطيع معرفة الوسط الحسابي ألي عينة عشوائية قبل سحبها‪،‬‬
‫أي أن الوسط الحسابي للعينة هو متغير عشوائي وبالتالي له توزيع احتمالي‪ .‬وكما ذكرنا يطلق على التوزيع‬
‫االحتمالي ألي إحصائية توزيع معاينة‪ ،‬وبالتالي يسمى التوزيع االحتمالي للوسط الحسابي للعينة‪ ،‬توزيع‬
‫المعاينة للوسط الحسابي للعينة‪ ،‬والذي يمكن تعريفه كما يلي‪:‬‬

‫تعريف توزيع المعاينة للوسط الحسابي للعينة 𝐗 ‪ :‬إذا كان لدينا مجتمع محدود حجمه ‪ N‬ووسطه الحسابي‬
‫‪ μ‬وتبيانه ‪ ,σ2‬وسحبنا منه كل العينات العشوائية البسيطة الممكنة المتساوية في الحجم وليكن حجمها ‪،n‬‬
‫وحسبنا الوسط الحسابي ‪ X‬لكل عينة‪ ،‬فالتوزيع االحتمالي للمتغير العشوائي ‪ُ X‬يسمى توزيع المعاينة للوسط‬
‫الحسابي للعينة ‪.X‬‬

‫وسنجد أنه أياً كان التوزيع االحتمالي للمجتمع‪ ،‬فهناك عالقة بين الوسط الحسابي لتوزيع المعاينة )‪E(X‬‬
‫والوسط الحسابي للمجتمع ‪ ،μ‬وعالقة بين تباين توزيع المعاينة )‪ V(X‬وتباين المجتمع ‪ ،σ2‬وهذه العالقات‬
‫موضحة فيما يلي‪:‬‬

‫‪ -1‬الوسط الحسابي لتوزيع المعاينة للوسط الحسابي للعينة يساوى الوسط الحسابي للمجتمع‪ ،‬أي‬
‫‪E(X) = μ‬‬ ‫أن‪:‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪ -2‬العالقة بين تباين توزيع المعاينة للوسط الحسابي للعينة وتباين المجتمع‪ ،‬تعتمد على حجم المجتمع‬
‫محدوداً أم غير محدود‪ ،‬وعلى الطريقة التي تم بها سحب العينات من المجتمع‪ ،‬فهل تم السحب‬
‫مع اإلرجاع‪ ،‬أي إرجاع المفردة المسحوبة إلى المجتمع قبل سحب المفردة التي تليها‪ ،‬أم تم السحب‬
‫مع عدم اإلرجاع‪ ،‬أي سحب المفردة دون إرجاع المفردة التي ُسحبت قبلها‪ ،‬وذلك كما هو موضح‬
‫فيما يلي‪:‬‬

‫أ‪ -‬إذا كان حجم المجتمع غير محدود أو كبي اًر جدا أو محدوداً (صغي اًر) ولكن عملية سحب‬
‫مفردات العينة تمت مع اإلرجاع‪ ،‬أو تمت مع عدم اإلرجاع ولكن حجم العينة صغير جدا‬
‫‪n‬‬
‫‪ ،‬فإن تباين توزيع المعاينة للوسط‬ ‫نسبة لحجم المجتمع‪ ،‬وذلك عندما يكون ‪≤ 0.05‬‬
‫‪N‬‬

‫الحسابي للعينة يساوي تباين المجتمع مقسوما على حجم العينة ‪،n‬‬

‫‪σ2‬‬
‫= )‪V(X‬‬ ‫أي أن‪:‬‬
‫‪n‬‬

‫ب‪ -‬إذا كان حجم المجتمع محدوداً (صغي اًر) وعملية سحب المفردات من العينة تمت مع عدم‬
‫‪n‬‬
‫‪ ،‬فإن العالقة ستأخذ الصورة التالية‪:‬‬ ‫اإلرجاع و‪> 0.05‬‬
‫‪N‬‬
‫‪σ2‬‬ ‫‪N−n‬‬
‫= )‪V(X‬‬ ‫×‬
‫‪n‬‬ ‫‪N−1‬‬

‫تلخص النظرية التالية هذه العالقات‪:‬‬

‫نظرية‪ :‬إذا كان لدينا مجتمع محدود حجمه ‪ ،N‬وسطه الحسابي ‪ μ‬وتباينه ‪ ، σ2‬وسحبنا منه كل العينات‬
‫العشوائية الممكنة ذات الحجم ‪ ، n‬فإن الوسط الحسابي )‪ ، E(X‬والتباين)‪ V(X‬لتوزيع المعاينة للوسط‬
‫الحسابي للعينة يرتبط بالوسط الحسابي وتباين المجتمع بالعالقات التالية‪:‬‬

‫‪E(X) = μ‬‬
‫‪σ2‬‬ ‫‪n‬‬
‫= )‪V(X‬‬ ‫فإن‪:‬‬ ‫✓ في حالة السحب مع اإلرجاع ‪ ،‬أو مع عدم اإلرجاع و ‪≤ 0.05‬‬
‫‪n‬‬ ‫‪N‬‬
‫‪σ2‬‬ ‫‪N−n‬‬ ‫‪n‬‬
‫= )‪V(X‬‬ ‫×‬ ‫فإن‪:‬‬ ‫✓ في حالة السحب مع عدم اإلرجاع و ‪> 0.05‬‬
‫‪n‬‬ ‫‪N−1‬‬ ‫‪N‬‬

‫نالحظ من هذه العالقات‪ ،‬أننا نستطيع حساب تباين توزيع المعاينة للوسط الحسابي للعينة من‬
‫‪σ2‬‬
‫= )‪ V(X‬بغض النظر ما إذا تمت عملية السحب مع اإلرجاع أو مع عدم اإلرجاع‪ ،‬وذلك‬ ‫الصيغة‬
‫‪n‬‬

‫عندما يكون حجم المجتمع كبي اًر جداً‪ ،‬أو عندما تكون نسبة حجم العينة إلى حجم المجتمع (‪ )n/N‬أقل من‬

‫‪40‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪N−n‬‬
‫) من الواحد الصحيح‪ .‬أما إذا كان‬ ‫أو تساوي ‪ ،0.05‬ألن في هذه الحالة يقترب معامل التصحيح (‬
‫‪N−1‬‬

‫حجم المجتمع محدوداً والنسبة (‪ )n/N‬أكبر من ‪ ،0.05‬فيجب أن نهتم عندئذ بعملية السحب‪ ،‬هل تمت مع‬
‫اإلرجاع أو مع عدم اإلرجاع‪.‬‬

‫مالحظة‪:‬‬

‫‪S2‬‬
‫= )‪V(X‬‬ ‫إذا كان ‪ σ2‬مجهول و‪ n < 30‬فإن‪:‬‬
‫‪n−1‬‬

‫)‪∑(Xi −X‬‬
‫= ‪S2‬‬ ‫حيث‪:‬‬
‫‪n−1‬‬

‫وللحصول على توزيع المعاينة للوسط الحسابي للعينة‪ ،‬يجب معرفة كل العينات العشوائية الممكن سحبها‬
‫من المجتمع لحساب متوسطاتها‪ ،‬وقد علمنا أن عدد العينات العشوائية ذات الحجم ‪ n‬الممكن سحبها من‬
‫مجتمع محدود حجمه ‪ ، N‬يحدد كما يلي‪:‬‬

‫‪ -1‬إذا كان السحب مع اإلرجاع‪ ،‬يكون عدد كل العينات الممكن سحبها يساوي ‪. N n‬‬
‫‪ -2‬إذا كان السحب مع عدم اإلرجاع‪ ،‬فتوجد طريقتان لتحديد عدد العينات الممكن سحبها وهما‪:‬‬

‫أ‪-‬تُعطى أهمية لترتيب المفردات داخل العينة‪ ،‬وفي هذه الحالة نحدد عدد العينات الممكن سحبها‬
‫كمايلي‪:‬‬
‫!‪N‬‬
‫‪NPn‬‬ ‫=‬
‫!)‪(N − n‬‬

‫ب‪-‬إذا لم تُعطي أهمية لترتيب المفردات داخل العينة‪ ،‬وفي هذه الحالة نحدد عدد العينات بحساب التوافيق‬
‫والذي نرمز له كما يلي‪:‬‬

‫!‪N‬‬
‫= ‪CnN‬‬
‫!)‪n! (N − n‬‬

‫بمقارنة القانونين في أ‪ ،‬ب‪ ،‬نالحظ أن العدد الكلي للعينات مع عدم إهمال الترتيب تساوي )!‪ (n‬مضروبا‬
‫في العدد الكلي للعينات عند إهمال الترتيب‪ ،‬ألن في حالة عدم إهمال الترتيب تتكرر العينة المحتوية على‬
‫نفس القيم )!‪ (n‬من المرات‪ .‬وبالتالي يكون تكرار أي قيمة للوسط الحسابي للعينة عند عدم إهمال الترتيب‪،‬‬
‫يساوي )!‪ (n‬مضروبا في تكرار نفس القيمة عند إهمال الترتيب‪ ،‬ولذلك يكون احتمال أي قيمة للوسط‬
‫الحسابي في حالة عدم إهمال الترتيب هو نفسه احتمالها عند إهمال الترتيب‪ ،‬أي سنحصل على نفس توزيع‬

‫‪41‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫المعاينة سواء أهملنا الترتيب أو لم نهمله‪ ،‬وحيث إن عند إهمال الترتيب سنتعامل مع عدد أقل من العينات‪،‬‬
‫فسنهمل دائما الترتيب في حالة السحب مع عدم اإلرجاع لتسهيل العمليات الحسابية‪.‬‬

‫مثال‪ :‬بفرض أن أحد المجتمعات يتكون من ‪ 4‬أفراد حسب العمر } ‪{ 54, 32, 18, 16‬‬

‫‪ -‬أوجد وسط وتباين المجتمع‪.‬‬

‫‪ -‬عند سحب عنصرين من المجتمع أحسب )‪ E(X‬و)‪ V(X‬إذا كانت العينة عشوائية بسيطة مع‬
‫اإلعادة ‪ ،‬بدون إعادة‪.‬‬

‫‪ -‬قارن بين كل هذه النتائج‪.‬‬

‫الحل‪:‬‬

‫‪ -1‬حساب وسط وتباين المجتمع‪:‬‬

‫‪16+18+32+54‬‬ ‫‪∑N‬‬
‫‪i=1 Xi‬‬
‫=‬ ‫=‪μ‬‬
‫‪4‬‬ ‫‪N‬‬

‫‪μ = 30‬‬
‫‪N‬‬
‫‪1‬‬
‫‪V(X) = σ2 = . ∑(Xi − μ)2‬‬
‫‪N‬‬
‫‪i=1‬‬

‫‪σ2 = 230‬‬

‫‪ -2‬حساب )‪ E(X‬و )‪ V(X‬في كل حالة من الحاالت التالية‪:‬‬

‫عينة عشوائية بسيطة مع اإلعادة‬ ‫‪.1.2‬‬

‫‪2‬‬
‫العينة‬ ‫‪Xi‬‬ ‫])‪[Xi − E(X‬‬

‫‪16-16‬‬ ‫‪16‬‬ ‫‪196‬‬

‫‪16-18‬‬ ‫‪17‬‬ ‫‪169‬‬

‫‪16-32‬‬ ‫‪24‬‬ ‫‪36‬‬

‫‪16-54‬‬ ‫‪35‬‬ ‫‪25‬‬

‫‪42‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪18-18‬‬ ‫‪18‬‬ ‫‪144‬‬

‫‪18-16‬‬ ‫‪17‬‬ ‫‪169‬‬

‫‪18-32‬‬ ‫‪25‬‬ ‫‪25‬‬

‫‪18-54‬‬ ‫‪36‬‬ ‫‪36‬‬

‫‪32-32‬‬ ‫‪32‬‬ ‫‪4‬‬

‫‪32-16‬‬ ‫‪24‬‬ ‫‪36‬‬

‫‪32-18‬‬ ‫‪25‬‬ ‫‪25‬‬

‫‪32-54‬‬ ‫‪43‬‬ ‫‪169‬‬

‫‪54-54‬‬ ‫‪54‬‬ ‫‪576‬‬

‫‪54-16‬‬ ‫‪35‬‬ ‫‪25‬‬

‫‪54-18‬‬ ‫‪36‬‬ ‫‪36‬‬

‫‪54-32‬‬ ‫‪43‬‬ ‫‪169‬‬

‫∑‬ ‫‪480‬‬ ‫‪1840‬‬

‫‪16‬‬
‫‪1‬‬
‫= )‪E(X‬‬ ‫‪∑ Xi‬‬
‫‪16‬‬
‫‪i=1‬‬

‫‪480‬‬
‫=‬ ‫→‬ ‫‪E(X) = 30‬‬
‫‪16‬‬
‫‪16‬‬
‫‪1‬‬
‫= )‪V(X‬‬ ‫‪∑(Xi − E(X))2‬‬
‫‪16‬‬
‫‪i=1‬‬

‫‪1840‬‬
‫=‬ ‫‪→ V(X) = 115‬‬
‫‪16‬‬

‫أن‪:‬‬
‫نالحظ ّ‬
‫‪43‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫• ‪E(X) = μ = 30‬‬
‫‪σ2‬‬ ‫‪230‬‬
‫=‬ ‫• )‪= 115 = V(X‬‬
‫‪n‬‬ ‫‪2‬‬

‫عينة عشوائية بسيطة بدون إعادة‬ ‫‪.2.2‬‬

‫‪2‬‬
‫العينة‬ ‫‪Xi‬‬ ‫])‪[Xi − E(X‬‬

‫‪16-18‬‬ ‫‪17‬‬ ‫‪169‬‬

‫‪16-32‬‬ ‫‪24‬‬ ‫‪36‬‬

‫‪16-54‬‬ ‫‪35‬‬ ‫‪25‬‬

‫‪18-16‬‬ ‫‪17‬‬ ‫‪169‬‬

‫‪18-32‬‬ ‫‪25‬‬ ‫‪25‬‬

‫‪18-54‬‬ ‫‪36‬‬ ‫‪36‬‬

‫‪32-16‬‬ ‫‪24‬‬ ‫‪36‬‬

‫‪32-18‬‬ ‫‪25‬‬ ‫‪25‬‬

‫‪32-54‬‬ ‫‪43‬‬ ‫‪169‬‬

‫‪54-16‬‬ ‫‪35‬‬ ‫‪25‬‬

‫‪54-18‬‬ ‫‪36‬‬ ‫‪36‬‬

‫‪54-32‬‬ ‫‪43‬‬ ‫‪169‬‬

‫∑‬ ‫‪360‬‬ ‫‪920‬‬

‫‪12‬‬
‫‪1‬‬
‫= )‪E(X‬‬ ‫‪∑ Xi‬‬
‫‪12‬‬
‫‪i=1‬‬

‫‪360‬‬
‫=‬ ‫→‬ ‫‪E(X) = 30‬‬
‫‪12‬‬
‫‪44‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪12‬‬
‫‪1‬‬
‫= )‪V(X‬‬ ‫‪∑(Xi − E(X))2‬‬
‫‪12‬‬
‫‪i=1‬‬

‫‪920‬‬
‫=‬ ‫‪→ V(X) = 76.67‬‬
‫‪12‬‬

‫أن‪:‬‬
‫نالحظ ّ‬

‫‪• E(X) = μ = 30‬‬

‫‪σ2 N−n‬‬ ‫‪230‬‬ ‫‪4−2‬‬
‫•‬ ‫‪.‬‬ ‫=‬ ‫×‬
‫‪n‬‬ ‫‪N−1‬‬ ‫‪2‬‬ ‫‪4−1‬‬

‫‪σ2 N−n‬‬
‫•‬ ‫‪.‬‬ ‫)‪= 76.67 = V(X‬‬
‫‪n‬‬ ‫‪N−1‬‬

‫‪ -3‬المقارنة بين النتائج ‪:‬‬

‫)‪E(X‬‬ ‫)‪= E(X‬‬ ‫(‪= μ )1‬‬

‫عينة‬ ‫عينة‬
‫عشوائية‬ ‫عشوائية‬

‫بسيطة مع‬ ‫بسيطة مع‬

‫)‪V(X‬‬ ‫>‬ ‫)‪𝑉(X‬‬ ‫(‪)2‬‬

‫عينة عشوائية بسيطة‬ ‫عينة عشوائية بسيطة‬

‫مع‬ ‫بدون‬
‫إعادة‬ ‫إعادة‬

‫ومنه ‪ X‬في حالة العينة العشوائية البسيطة دون إرجاع أكثر كفاءة من‪ X‬في حالة العينة العشوائية باإلرجاع‬

‫‪45‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫(‪ )3‬عدد العينات المشكلة في حالة العينة العشوائية البسيطة بدون إعادة (‪ )12‬وحالة العينة‬
‫العشوائية البسيطة مع اإلعادة (‪.)16‬‬

‫‪ .2‬حاالت مختلفة إليجاد توزيع الوسط الحسابي للعينة‬

‫‪ 1.2‬إذا كان تباين المجتمع معلوم‬

‫وسحبت منه عينة حجمها ‪ n‬توزيع الوسط الحسابي للعينة هو‪:‬‬

‫إذا كان ) ‪ُ X~N(μ, σ‬‬
‫‪2‬‬

‫))‪X~N(μ, V(X‬‬

‫ولحساب االحتماالت للمتغير العشوائي ‪ X‬يتم إيجاد القيم المعيارية له حيث‪:‬‬

‫‪X−μ‬‬
‫=‪Z‬‬ ‫)‪~N(0,1‬‬
‫‪σ⁄ √ n‬‬

‫مثال‪ :‬إذا كان )‪ ،X~N(9,4‬فما هو التوزيع االحتمالي لمتوسط عينة عشوائية بحجم ‪ 25‬من مجتمع ‪’X‬‬
‫أحسب )‪.P(X > 10‬‬

‫الحل‪:‬‬

‫‪4‬‬
‫حيث أن )‪ X~N(9,4‬إذن ) ‪.X~N(9,‬‬
‫‪25‬‬

‫‪X−9‬‬ ‫‪X−9‬‬
‫=‪Z‬‬ ‫=‬ ‫ولحساب االحتمال المطلوب الحظ أن )‪~N(0,1‬‬
‫‪2⁄√25‬‬ ‫‪0.4‬‬

‫وبالتالي يكون االحتمال المطلوب‪:‬‬

‫‪X−9‬‬ ‫‪10−9‬‬
‫( ‪P(X > 10) = P‬‬ ‫=‬ ‫)‪) = P(Z > 2.5‬‬
‫‪2⁄√25‬‬ ‫‪2/5‬‬

‫‪=1-P) Z > 2.5) = 1 − 0.9938 = 0.0062‬‬

‫‪ 2.2‬إذا كان تباين المجتمع الطبيعي مجهول‬

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

‫‪ 1.2.2‬عندما يكون حجم العينة ‪n≥ 𝟑0‬‬

‫يكون توزيع الوسط الحسابي للعينة هو‪:‬‬

‫‪46‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪S2‬‬
‫) ‪X~N(μ,‬‬
‫‪n‬‬
‫‪∑(Xi −X)2‬‬
‫= ‪ S 2‬ويكون التوزيع المعياري المقابل هو‪:‬‬ ‫حيث ‪ S 2‬هو تباين العينة ويحسب من العالقة‪:‬‬
‫‪n−1‬‬
‫‪X−μ‬‬
‫=‪Z‬‬ ‫)‪~N(0,1‬‬
‫‪S ⁄√ n‬‬

‫مثال‪ :‬إذا كان ) ‪ ، X~N(7, σ2‬فما التوزيع االحتمالي لمتوسط عينة عشوائية بحجم ‪ 36‬من مجتمع ‪X‬‬
‫تباينها ‪ ،9‬ثم أحسب )‪.P(X > 8‬‬

‫‪S2‬‬ ‫‪9‬‬
‫الحل‪ :‬حيث أن تباين المجتمع مجهول فإن‪. X~N(μ, )=N(7, ) :‬‬
‫‪n‬‬ ‫‪16‬‬

‫‪X−7‬‬ ‫‪X−7‬‬
‫=‪Z‬‬ ‫=‬ ‫ولحساب االحتمال المطلوب الحظ أن )‪~N(0,1‬‬
‫‪0.5‬‬ ‫‪3⁄√36‬‬

‫وبالتالي يكون االحتمال المطلوب‪:‬‬

‫‪8−7‬‬
‫> ‪P(X > 8) = P (Z‬‬ ‫‪) = 1 − P(Z < 2) = 1 − 0.9772 = 0.0228‬‬
‫‪0.5‬‬

‫عندما يكون حجم العينة 𝟎𝟑 < 𝐧‬ ‫‪2.2.2‬‬

‫يكون توزيع الوسط الحسابي للعينة هو‪:‬‬

‫‪X−μ‬‬
‫=‪T‬‬ ‫)‪~t(n − 1‬‬
‫‪s⁄√n − 1‬‬

‫مثال‪ :‬إذا كان ) ‪ X~N(8.5, σ2‬أوجد التوزيع االحتمالي لوسط العينة {‪ }9,10,9,8,8,7,8,5,8‬ثم أحسب‬
‫)‪P(7 < X < 9‬‬

‫الحل‪ :‬بما أن تباين مجتمع ‪ X‬مجهول وحجم العينة ‪ n=9‬وهو أقل من ‪ 30‬يكون توزيع الوسط الحسابي‬
‫للعينة هو )‪.X~t(8‬‬

‫ولحساب االحتمال المطلوب نجد أوال تباين العينة‪:‬‬

‫‪∑ X 72‬‬
‫=‪X‬‬ ‫=‬ ‫‪=8‬‬
‫‪n‬‬ ‫‪9‬‬

‫‪2‬‬
‫‪∑(X − 8)2‬‬
‫= ‪S‬‬ ‫‪=2‬‬
‫‪8‬‬

‫‪47‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫وبالتالي يكون التوزيع ‪:‬‬

‫‪X − 8.5‬‬
‫=‪T‬‬ ‫)‪~t(8‬‬
‫‪1.14⁄√8‬‬

‫ويكون االحتمال المطلوب‪:‬‬

‫‪7 − 8.5‬‬ ‫‪X − 8.5‬‬ ‫‪9 − 8.5‬‬

‫( ‪P(7 < X < 9) = P‬‬ ‫<‬ ‫<‬ ‫)‬
‫‪1.14⁄√8 1.14⁄√8 1.14⁄√8‬‬
‫)‪= P(−3 < 𝑇 < 1‬‬

‫)‪= P(T < 1) − P(T < −3‬‬

‫وحيث أن التوزيع متماثل حول الصفر‪ ،‬إذن )‪ P(T < −3) = P(T > 3‬ومن قوانين االحتماالت نعلم‬
‫أن‪ P(T < 1) = 1 − P(T > 1) :‬لذلك يكون المطلوب‬

‫)‪P(7 < X < 9) = 1 − P(T > 1) − P(T > 3‬‬

‫‪= 1- 0.1- 0.01= 0.89‬‬

‫‪ 3.2‬إذا كان المجتمع طبيعي ذو حجم محدود وكان حجم العينة 𝟎𝟑 ≥ 𝐧 وكان السحب بدون إرجاع‬

‫‪1.3.2‬عند معلومية 𝟐𝛔 يكون توزيع الوسط الحسابي للعينة هو‪:‬‬

‫‪σ2 N − n‬‬
‫‪X~N (μ.‬‬ ‫)‬
‫‪n N−1‬‬

‫مثال‪ :‬من مجتمع بتوزيع طبيعي حجمه ‪ 200‬مشاهدة وتباينه ‪ =64σ2‬تم سحب عينة عشوائية بدون إرجاع‬
‫بحجم ‪ 50‬مشاهدة ‪ ،‬فما هو توزيع الوسط الحسابي للعينة؟ ثم أحسب )‪ Pr (X > 32‬عندما ‪. μ = 30‬‬

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

‫‪64 200 − 50‬‬

‫‪X~N (30.‬‬ ‫×‬ ‫)‪) = N(30.0.96‬‬
‫‪50 200 − 1‬‬

‫‪X − 30‬‬
‫=‪Z‬‬ ‫)‪~N(0,1‬‬
‫‪√0.96‬‬
‫‪48‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫ويكون االحتمال المطلوب هو‬

‫‪32−30‬‬
‫> ‪P(X > 32) = P (Z‬‬ ‫)‪) = P(Z > 2.02‬‬
‫‪√0.96‬‬

‫‪=1- P(Z < 2.02) = 1 − 0.9783 = 0.0217‬‬

‫‪ 2.3.2‬عند مجهولية 𝟐𝛔 يكون توزيع الوسط الحسابي للعينة هو‪:‬‬

‫‪S2 N − n‬‬
‫‪X~N (μ.‬‬ ‫)‬
‫‪n N−1‬‬

‫حيث تم استبدال تباين العينة ‪ S 2‬بدالً من تباين المجتمع ‪ σ2‬في الحالة السابقة‪.‬‬

‫مثال‪ :‬أعد حل المثال السابق إذا كان ‪ σ2‬مجهول وكان تباين العينة ‪. S 2 = 49‬‬

‫الحل‪:‬‬

‫حيث أن تباين المجتمع مجهول فإن توزيع الوسط الحسابي للعينة هو‪:‬‬

‫‪49 200 − 50‬‬

‫‪X~N (30.‬‬ ‫×‬ ‫)‪) = N(30,0.74‬‬
‫‪50 200 − 1‬‬

‫وبالتالي‬

‫‪X − 30‬‬
‫=‪Z‬‬ ‫)‪~N(0,1‬‬
‫‪√0.74‬‬

‫ويكون االحتمال المطلوب هو‪:‬‬

‫‪32−30‬‬
‫> ‪P(X> 32) = P (Z‬‬ ‫)‪) = P(Z > 2.32‬‬
‫‪√0.74‬‬

‫‪= 1 − P(Z < 2.32) = 1 − 0.9898 = 0.0102‬‬

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

‫‪S2‬‬
‫) ‪X~N (μ.‬‬
‫‪n‬‬
‫‪49‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫مثال‪ :‬تم سحب عينة عشوائية بحجم ‪ 36‬مشاهدة من مجتمع مجهول التوزيع‪ ،‬يبلغ الوسط الحسابي للعينة‬
‫‪ 10‬بتباين ‪ 12‬فما هو التوزيع االحتمالي لمتوسط قيم العينة‪.‬‬

‫الحل‪ :‬مباشرة من المالحظة السابقة يكون ‪:‬‬

‫‪12‬‬
‫‪X~N (10.‬‬ ‫)‬
‫‪36‬‬

‫‪ -3‬توزيع الفرق بين متوسطي عينتين‬

‫إذا كان ) ‪ X1 ~N(μ1 , σ12‬وسحبت من مجتمعه عينة حجمها ‪ n1‬و ) ‪ X2 ~N(μ2 , σ22‬وسحبت من‬
‫̅̅̅ فإن ‪X1 − :‬‬
‫̅̅̅‬ ‫̅̅̅ و ‪X2‬‬
‫مجتمعه عينة حجمها ‪ n2‬وكان المجتمعين مستقلين وعرفنا المتغيرين العشوائيين ‪X1‬‬
‫̅̅̅ يمثل متغي اًر عشوائيا للفرق بين متوسطي العينتين‪ ،‬نحصل على الوسط الحسابي والتباين له وذلك‬
‫‪X2‬‬
‫كالتالي‪:‬‬

‫‪E(X‬‬ ‫‪X2 ) = E(X‬‬

‫̅̅̅ ‪̅̅̅1 −‬‬ ‫‪̅̅̅1 ) - E(X‬‬
‫‪̅̅̅2 ) = μ1 − μ2‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪V(X‬‬ ‫‪X2 ) =V(X‬‬
‫̅̅̅ ‪̅̅̅1 −‬‬ ‫‪̅̅̅2 ) =σ1 + σ2‬‬
‫‪̅̅̅1 ) + V(X‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫وسنتحدث اآلن عن حاالت مختلفة إليجاد توزيع الفرق بين وسطي العينتين‪.‬‬

‫وهنا نفرق بين ثالث حاالت‪:‬‬

‫‪ 1.3‬عند معلومية 𝟏𝟐𝛔 و 𝟐𝟐𝛔‬

‫‪σ12 σ22‬‬
‫̅̅̅‬
‫̅̅̅ ‪X1 −‬‬
‫‪X2 ~N(μ1 − μ2 .‬‬ ‫) ‪+‬‬
‫‪n1 n2‬‬

‫وبالتالي‪:‬‬

‫̅̅̅ ‪̅̅̅1 −‬‬

‫‪(X‬‬ ‫) ‪X2 ) − (μ1 − μ2‬‬
‫=‪Z‬‬ ‫)‪~N(0, 1‬‬
‫‪σ2 σ2‬‬
‫‪√ 1+ 2‬‬
‫‪n1 n2‬‬

‫‪50‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫مثال‪ :‬إذا كان )‪ X1 ~N(30,25‬وسحبت من مجتمعه عينة حجمها ‪ 30‬مشاهدة و )‪X2 ~N(20,16‬‬
‫وسحبت من مجتمعه عينة حجمها ‪ 35‬مشاهدة أوجد توزيع الفرق بين متوسطي العينتين‪ .‬ثم أحسب‬
‫‪.P(X‬‬ ‫االحتمال‪X2 < 12) :‬‬
‫̅̅̅ ‪̅̅̅1 −‬‬

‫الحل‪ :‬بالتطبيق المباشر للعالقة‬

‫‪σ12 σ22‬‬
‫̅̅̅‬
‫̅̅̅ ‪X1 −‬‬
‫‪X2 ~N(μ1 − μ2 .‬‬ ‫) ‪+‬‬
‫‪n1 n2‬‬

‫نحصل على‬

‫‪25 16‬‬
‫̅̅̅‬
‫̅̅̅ ‪X1 −‬‬
‫‪X2 ~N (30 − 20.‬‬ ‫)‪+ ) = N(10, 1.29‬‬
‫‪30 35‬‬

‫وبالتالي فإن‬

‫̅̅̅ ‪̅̅̅1 −‬‬

‫‪(X‬‬ ‫) ‪X2 ) − (μ1 − μ2‬‬ ‫̅̅̅ ‪̅̅̅1 −‬‬
‫‪(X‬‬ ‫‪X2 ) − 10‬‬
‫=‪Z‬‬ ‫=‬
‫‪√1.29‬‬ ‫‪√1.29‬‬

‫فيكون االحتمال المطلوب هو‪:‬‬

‫̅̅̅̅ ̅̅̅̅‬
‫‪(X −X )−10‬‬ ‫‪12−10‬‬
‫‪P(X‬‬
‫̅̅̅ ‪̅̅̅1 −‬‬
‫‪X2 < 12) = 𝑃 ( 1 2‬‬ ‫<‬ ‫)‬
‫‪√1.29‬‬ ‫‪√1.29‬‬

‫‪12 − 10‬‬
‫< ‪= P (Z‬‬ ‫)‬
‫‪√1.29‬‬
‫‪= P(Z < 1.76) = 0.9608‬‬

‫‪2.3‬عند مجهولية 𝟏𝟐𝛔 و 𝟐𝟐𝛔 وحجم العينتين كبير أي 𝟎𝟑 ≥ 𝟏𝐧 ‪𝐧𝟐 ,‬‬

‫‪S12 S22‬‬
‫̅̅̅‬ ‫‪̅̅̅2 ~N(μ1 − μ2 .‬‬
‫‪X1 − X‬‬ ‫) ‪+‬‬
‫‪n1 n2‬‬

‫مثال‪ :‬معمل ينتج ‪ 700‬كغ من العجائن كمعدل يومي‪ ،‬سحبت منه عينة عشوائية تمثل إنتاج ‪ 40‬يوماً من‬
‫يبلغ وسطها الحسابي ‪ 740‬كغ بانحراف معياري ‪ 40‬كغ‪ .‬معمل آخر ينتج ‪ 500‬كغ كمعدل يومي‪ ،‬سحبت‬
‫منه عينة عشوائية تمثل إنتاج ‪ 35‬يوماً يبلغ وسطها الحسابي ‪ 480‬كغ بانحراف معياري ‪ 20‬كغ‪ .‬فما هو‬
‫التوزيع االحتمالي للفرق بين متوسطي العينتين‪ ،‬ثم أحسب االحتمال التالي‪:‬‬

‫‪51‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪P(180<X‬‬ ‫)‪X2 <210‬‬
‫̅̅̅ ‪̅̅̅1 −‬‬

‫الحل‪:‬‬

‫لدينا من المسألة ‪ S12 = 1600‬و ‪ S22 = 400‬وحيث أن ‪ n2 = 35, n1 = 40‬وكليهما أكبر من ‪30‬‬
‫إذن يكون توزيع الفرق بين وسطي العينتين هو ‪:‬‬

‫‪1600 400‬‬
‫̅̅̅‬
‫̅̅̅ ‪X1 −‬‬
‫‪X2 ~N(700 − 500.‬‬ ‫‪+‬‬ ‫)‬
‫‪40‬‬ ‫‪35‬‬
‫̅̅̅‬
‫̅̅̅ ‪X1 −‬‬
‫)‪X2 ~N(200, 51.43‬‬

‫وبالتالي‪:‬‬

‫̅̅̅ ‪̅̅̅1 −‬‬

‫‪(X‬‬ ‫‪X2 ) − 200‬‬
‫=‪Z‬‬ ‫)‪~N(0,1‬‬
‫‪√51.43‬‬

‫لذلك يكون االحتمال المطلوب هو‪:‬‬

‫̅̅̅̅ ̅̅̅̅‬
‫‪P(180<X‬‬ ‫)‪̅̅̅2 <210)= P (180−200 < (X1−X2 )−200 < 210−200‬‬
‫‪̅̅̅1 − X‬‬
‫‪√51.43‬‬ ‫‪√51.43‬‬ ‫‪√51.43‬‬

‫)‪=P(-2.79<Z<1.39)=P(Z<1.39)-P(Z<-2.79‬‬

‫‪=0.9177-0.0029=0.9148‬‬

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

‫‪ 3.3‬عند مجهولية 𝟏𝟐𝛔 و 𝟐𝟐𝛔 وحجم العينتين صغير‪ ،‬أي ‪𝐧𝟐 < 30, 𝐧𝟏 < 30‬‬

‫إذا سحبنا من المجتمع األول الذي يخضع لتوزيع طبيعي وسطه ‪ μ1‬وتباينه ‪ σ12‬عينة صغيرة ‪،n1‬‬
‫وسحبنا من مجتمع طبعي ثاني وسطه ‪ μ2‬وتباينه ‪ σ22‬عينة ‪ n2‬أيضا صغيرة‪ ،‬فإن المتغير العشوائي ‪X1 −‬‬
‫̅̅̅‬

‫̅̅̅ يتبع توزيع ستودينت أي ‪ t‬حسب الكيفية التالية‪:‬‬

‫‪X2‬‬

‫‪̅̅̅1 − X‬‬
‫‪(X‬‬ ‫) ‪̅̅̅2 ) − (μ1 − μ2‬‬
‫‪= t n1+n2−2‬‬
‫‪n1 S12 + n2 S22 1‬‬ ‫‪1‬‬
‫√‬
‫) ‪n1 + n2 − 2 (n1 + n2‬‬

‫‪52‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫مثال‪ :‬عند سحب عينتين مستقلتين من مجتمعين طبيعيين بحيث ) ‪ μ1 = μ2‬و ‪(σ1 = σ2‬‬

‫كانت النتائج على النحو التالي‪:‬‬

‫‪n1 = 10; n2 = 14; S12 = 16.4; S22 = 22.5‬‬

‫‪P(X‬‬ ‫والمطلوب‪ :‬أحسب احتمال ‪X2 ) < 2.5‬‬

‫̅̅̅ ‪̅̅̅1 −‬‬

‫الحل‪:‬‬

‫‪ -‬بما أن حجم ‪ n1‬و ‪ n2‬أقل من ‪ 30‬نستعمل العالقة التالية لتوزيع ‪.t‬‬

‫‪̅̅̅1 − X‬‬
‫‪(X‬‬ ‫) ‪̅̅̅2 ) − (μ1 − μ2‬‬
‫‪= t n1+n2−2‬‬
‫‪n1 S12 + n2 S22 1‬‬ ‫‪1‬‬
‫√‬ ‫‪+‬‬
‫) ‪n1 + n2 − 2 n1 n2‬‬
‫(‬

‫وبما أن‪ μ1 = μ2 :‬أي ‪ μ1 − μ2 = 0‬ونكتب من جديد ‪:‬‬

‫̅̅̅̅‬
‫‪(X‬‬ ‫̅̅̅̅‬
‫‪1 −X‬‬ ‫)‪2‬‬ ‫‪2.5‬‬
‫‪P(X‬‬
‫̅̅̅ ‪̅̅̅1 −‬‬
‫‪X2 ) > 2.5 = P‬‬ ‫>‬
‫‪2‬‬
‫‪n S +n S‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪n S +n S‬‬ ‫‪2‬‬
‫) ‪√ 1 1 2 2( 1 + 1‬‬ ‫) ‪√ 1 1 2 2( 1 + 1‬‬
‫‪n1 + n2 − 2 n1 n2‬‬ ‫‪n1 + n2 − 2 n1 n2‬‬
‫(‬ ‫)‬

‫‪2.5‬‬
‫> ‪= P t n1+n2−2‬‬
‫) ‪√14. (16.4) + (10). 22.5 ( 1 + 1‬‬
‫(‬ ‫‪22‬‬ ‫) ‪14 10‬‬
‫)‪= P(t 22 > 1.87) = 1 − 𝑃(𝑡 ≤ 1.87‬‬

‫‪=1-0.961‬‬

‫‪=0.039‬‬

‫‪ .4‬توزيع النسبة للعينة ‪The sampling distribution of proportion‬‬

‫في المجتمعات اإلحصائية التي تتبع توزيع ذي الحدين يتم رصد نسبة الخاصية معينة ندرسها في‬
‫المجتمع اإلحصائي ونرمز لها بالرمز ‪ ،P‬مثل نسبة المدخينين ونسبة اإلنتاج التالف مصنع معين ‪...‬إلخ‪،‬‬

‫‪53‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪X‬‬
‫=‪ P‬فلو‬ ‫حيث يتم حساب النسبة بقسمة مجموع مفردات الخاصية ‪ X‬على حجم المجتمع ‪ N‬أي أن‬
‫‪N‬‬

‫أخذنا جميع العينات التي حجمها ‪ n‬من مجتمع حجمه ‪ N‬قد تختلف النسب لهذه العينات‪ ،‬مما يعنى أن‬
‫سلوك هذه النسب هو سلوك متغير عشوائي وبالتالي هذا المتغير العشوائي له توزيع احتمالي مستمدا من‬
‫‪ P‬وبعدد مفردات‬
‫توزيع المجتمع الذي سحبت منه العينات وسنرمز لنسبة الظاهرة في العينة بالرمز ̂‬
‫‪x‬‬
‫‪.P‬‬
‫=̂‬ ‫الخاصية فيها ‪ x‬فتكون نسبة الخاصية في العينة‬
‫‪n‬‬

‫إن هذه النسبة تمثل متغير عشوائي له توزيع احتمالي يسمى توزيع النسبة حيث يكون وسطه الحسابي‪:‬‬
‫‪E(P‬‬
‫‪̂) = P‬‬

‫ويكون تباينه هو ‪̂) = P(1−P) :‬‬

‫‪V(P‬‬
‫‪n‬‬

‫وفي حالة العينات الكبيرة ‪ ( n ≥ 30‬وهي موضوع دراستنا) يقترب التوزيع للتوزيع الطبيعي وذلك استنادا‬
‫لنظرية النهاية المركزية ونعبر عن ذلك بالصيغة‪:‬‬

‫‪̂− P‬‬
‫‪P‬‬
‫=‪Z‬‬ ‫)‪~N(0, 1‬‬
‫)̂‬
‫‪√V(P‬‬

‫مثال‪ :‬مصنع ينتج عادة ‪ %25‬عبوات كبيرة الحجم‪ ،‬سحبت من إنتاجه عينة حجمها ‪ 2200‬عبوة تبين أن‬
‫منها ‪ 500‬عبوة كبيرة الحجم‪ ،‬أوجد توزيع نسبة العبوات الكبيرة ثم احسب احتمال أن المصنع ينتج أقل من‬
‫‪ %26‬من العبوات الكبيرة في فترة إجراء البحث‪.‬‬

‫الحل‪ :‬الحظ أن المجتمع هنا هو مجتمع ذي الحدين بنسبة نجاح ‪ ،P=0.25‬والحظ أن حجم العينة كبير‬
‫وبحساب وسط التوزيع وتباينه نجد أن‪:‬‬

‫‪E(P‬‬
‫‪̂) =P =0,25‬‬

‫‪P(1 − P) 0.25 × 0.75‬‬

‫= )̂‬
‫‪V(P‬‬ ‫=‬ ‫‪= 0.0004‬‬
‫‪n‬‬ ‫‪500‬‬
‫)‪̂~N(0.25, 0.0004‬‬
‫‪P‬‬
‫‪̂− P‬‬
‫‪P‬‬ ‫‪̂ − 0.25‬‬
‫‪P‬‬
‫=‪Z‬‬ ‫=‬ ‫)‪~N(0, 1‬‬
‫)̂‬
‫‪√V(P‬‬ ‫‪0.02‬‬

‫‪0.26 − 0.25‬‬
‫< ‪̂ < 0.26) = P (Z‬‬
‫‪P(P‬‬ ‫‪) = P(x < 0.5) = 0.6915‬‬
‫‪0.02‬‬
‫‪54‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫مالحظة‪ :‬في حالة مجهولية ‪ P‬نعوض بدال عنها بقيمة ̂‪. P‬‬

‫‪ .5‬توزيع الفرق بين نسبتين‬

‫‪ n1 ≥ 30‬و ) ‪X2 ~N(N2 , P2‬‬ ‫بفرض أن ) ‪ X1 ~N(N1 , P1‬وسحبت من مجتمعه عينة حجمها‬
‫‪ P‬يمثل متغي ار‬ ‫وسحبت من مجتمعه عينة حجمها ‪ n2 ≥ 30‬وكان المجتمعين مستقلين فإن‪̂2 :‬‬
‫‪̂1 − P‬‬

‫عشوائيا للفرق بين نسبتي العينتين‪.‬‬

‫‪ .6‬توزيع المعاينة لتباين العينة ‪:𝐒²‬‬

‫نظرية‪ :‬إذا كانت( ‪ )Xn … … X3 ،X2 ،X1‬عينة عشوائية مسحوبة من مجتمع له توزيع طبيعي وسطه‬
‫‪(n−1)S2‬‬
‫= ‪K2‬‬ ‫‪ μ‬وتباينه ‪ ،σ2‬وكانت ‪ S²‬تباين العينة فإن المتغير ‪ K²‬حيث‪:‬‬
‫‪σ2‬‬

‫له توزيع كاي تربيع بدرجات حرية ‪v = n − 1‬‬

‫مثال‪ :‬تقوم آلة أوتوماتيكية بقطع أسالك معدنية إلستخدامها في صنع قضبان التلحيم‪ ،‬نعتبر أن أطوال‬
‫القضبان المنتجة هي متغير عشوائي يتبع التوزيع الطبيعي بمتوسط قدره ‪ 30‬سم وانحراف معياري ‪0.5‬‬
‫سم‪ .‬إذا سحبنا عينة من ‪ 25‬قضيب من انتاج هذه اآللة‪ .‬ما هو احتمال أن يكون تباينها أكبر من ‪0.38‬‬
‫سم‪ ،‬الحل‪:‬‬

‫?= )‪𝐩(𝐬 𝟐 > 0.38‬‬

‫نعلم أن‪:‬‬

‫𝟐 𝐬 ‪(𝐧 − 𝟏).‬‬
‫𝟏‪→ 𝐊 𝟐𝐧−‬‬
‫𝟐𝛔‬
‫𝟐 𝐬‪(𝐧−𝟏).‬‬ ‫𝟖𝟑‪𝟐𝟒.𝟎,‬‬
‫( 𝐩 = )‪ 𝐩(𝐬 𝟐 > 0.38‬و منه‬ ‫>‬ ‫)‬
‫𝟐𝛔‬ ‫𝟐𝟓‪𝟎,‬‬

‫)𝟖𝟑 ≤ 𝟒𝟐𝟐 𝐊(𝐩 ‪= 𝐩(𝐊 𝟐𝟐𝟒 > 38) = 𝟏 −‬‬

‫من جدول كاي تربيع نجد‪:‬‬

‫القيمة الجدولية ‪ 38‬محصورة بين القيمتين ‪ 36.4‬التي تقابل االحتمال ‪ 0.95‬و‪ 39.4‬التي تقابل االحتمال‬
‫‪ ،0.975‬وبعد الحساب االستكمالي نجد أن االحتمال المقابل للقيمة الجدولية ‪ 38‬هو ‪ 0.963‬وهذا طبعا‬
‫عند درجة حرية ‪ .24‬وبدلك يكون‪:‬‬
‫‪55‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫𝟕𝟑𝟎 ‪𝐩(𝐬 𝟐 > 0.38) = 𝟏 − 𝟎. 𝟗𝟔𝟑 = 𝟎.‬‬

‫‪ .7‬توزيع النسبة بين تباين عينتين‪:‬‬

‫يعتبر هذا التوزيع من التوزيعات الهامة التي تبحث في تجانس المجتمعات ونلجأ لحساب النسب بين‬
‫التباينات وليس الفرق بينها لسهولة دراسة النسب وتفسيرها‪.‬‬

‫فإذا سحبت عينة حجمها ‪ n1‬وتباينها ‪ S12‬من مجتمع ( ‪ N(μ1 , σ12‬وعينة أخرى حجمها ‪ n2‬وتباينها ‪S22‬‬
‫من مجتمع ( ‪ N(μ2 , σ22‬مستقل عن المجتمع األول فإن‪:‬‬

‫‪(n1 −1)s21‬‬ ‫‪(n1 −1)s22‬‬

‫‪2‬‬
‫‪~x(n‬‬‫)‪1 −1‬‬
‫‪.‬‬ ‫‪2‬‬
‫‪~x(n‬‬‫)‪2 −1‬‬
‫‪σ21‬‬ ‫‪σ22‬‬

‫وبالتالي‪:‬‬

‫‪(n1 −1)s2‬‬
‫‪1‬‬
‫‪σ2‬‬‫‪1 ⁄‬‬
‫)‪(n1 −1‬‬
‫‪(n2 −1)s2‬‬
‫)‪~F(n1 − 1, n2 − 2‬‬
‫‪2‬‬
‫‪σ2‬‬‫‪2 ⁄‬‬
‫)‪(n2 −1‬‬

‫بعد تبسيط الطرف األيسر نحصل على‬

‫‪s12‬‬
‫‪⁄2‬‬
‫‪σ‬‬
‫)‪F = 2 1 ~ F(n1 − 1, n2 − 2‬‬
‫‪s2‬‬
‫‪⁄2‬‬
‫‪σ2‬‬

‫واذا تساوى تبايني المجتمعين فإن‪:‬‬

‫‪s12‬‬
‫)‪~F(n1 − 1, n2 − 2‬‬
‫‪s22‬‬

‫مثال‪ :‬سحبت عينة حجمها ‪ 13‬من مجتمع طبيعي تباينه ‪ ،9‬وسحبت عينة أخرى حجمها ‪21‬من مجتمع‬
‫طبيعي تباينه ‪ 25‬مستقل عن المجتمع األول‪ .‬أوجد احتمال النسبة بين تبايني العينتين أقل من ‪.0.8‬‬

‫الحل‪ :‬حيث أن‪:‬‬

‫‪56‬‬
‫توزيع المعاينة‬ ‫الفصل الثاني‬
‫‪s12⁄‬‬
‫)‪F = 2 9 ~ F(12,20‬‬
‫‪s2⁄‬‬
‫‪25‬‬

‫إذن‬

‫‪s21⁄‬‬
‫‪s21‬‬ ‫‪25‬‬
‫)) ( ‪P ( 2 < 0.8) = P ( 2 9 < 0.8‬‬
‫‪s2‬‬ ‫‪s2⁄‬‬ ‫‪9‬‬
‫‪25‬‬

‫‪= P(F < 2.22) = 1 − P(F > 2.22) = 1 − 0.05 = 0.95‬‬

‫‪57‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫يقصد بمعالم المجتمع مجموعة من خصائصه كالمتوسط والتباين (أو االنحراف المعياري) والنسبة حيث‬
‫يتم حساب هذه المعالم عند القيام بالحصر الشامل بشكل دقيق‪ .‬ولكن غالبا ما تكون هذه المعالم مجهولة‬
‫لذلك نقوم بتقديرها من بيانات العينة تقدي ار لنظيرتها من معالم المجتمع‪ ،‬حيث يتم‪:‬‬

‫*تقدير المتوسط الحسابي للمجتمع ‪ µ‬انطالقا من متوسط العينة ̅‪ x‬؛‬

‫*تقدير االنحراف المعياري للمجتمع ‪ σ‬انطالقا من االنحراف المعياري للعينة ‪S‬؛‬

‫*تقدير نسبة المجتمع ‪ p‬انطالقا من نسبة العينة ‪.f‬‬

‫والمقصود بالتقدير هو تقدير معالم المجتمع االحصائي (أو التوزيع االحتمالي) والتي غالبا ما تكون‬
‫مجهولة ويكون المطلوب هو الحصول على تقديرات لها من بيانات العينة فقد يكون المطلوب تقدير متوسط‬
‫دخل الدولة‪ ،‬أو تقدير متوسط عمر جهاز ما ‪...‬الخ‪.‬‬

‫مع العلم أن التقدير اإلحصائي نوعان‪:‬‬

‫‪-1‬التقدير النقطي؛‬

‫‪-2‬التقدير بمجال‪.‬‬

‫‪ -1‬التقدير النقطي‬

‫عندما نقدر معلمة المجتمع بقيمة واحدة تحسب من بيانات العينة فإن هذه القيمة تسمى تقدير نقطي‬
‫لهذه المعلمة والتي تحسب اعتمادا على المقدر النقطي لهذه المعلمة وهو الدالة أو الصيغة الرياضية التي‬
‫نقدر بها معلمة المجتمع‪ ،‬بينما التقدير هو القيمة العددية‪.‬‬

‫مثال‪ :‬إذا كانت المعلمة المجهولة هي متوسط المجتمع ‪ µ‬فإن اإلحصائية ̅‪( x‬متوسط العينة) هي مقدر‬
‫نقطي لـ ‪ µ‬ونكتب‪:‬‬
‫‪n‬‬
‫‪1‬‬
‫‪μ̂ = x̅ = ∑ xi‬‬
‫‪n‬‬
‫‪i=1‬‬

‫إذا سحبنا عينة عشوائية من هذا المجتمع وحسبنا متوسطها الحسابي ووجدنا أن‪:‬‬

‫‪̅x = 27‬‬
‫‪59‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫فإن القيمة ‪ 27‬تعتبر تقدير نقطي لمتوسط المجتمع ونكتب‪:‬‬

‫‪μ̂ = 27‬‬

‫‪ :µ‬معلمة المجتمع؛‬

‫‪ : ̅x‬المقدر النقطي؛‬

‫‪ :27‬التقدير النقطي‪.‬‬

‫‪ 1-1‬خصائص المقدر الجيد(معايير اختبار المقدرات النقطية)‪:‬‬

‫غالبا ما نجد أكثر من مقدر يمكن استخدام قيمته كتقدير لمعلمة المجتمع المجهولة‪ ،‬لذلك نحتاج إلى معايير‬
‫يمكن االستعانة بها إلختيار المقدر الذي يعتبر أفضل من غيره لتقدير معلمة المجتمع‪ ،‬وتتلخص هذه‬
‫المعايير في ثالثة معايير أساسية هي‪:‬‬

‫أ‪-‬عدم التحيز‪:‬‬

‫نقول عن المقدر ̂‪ θ‬أنه غير متحيز للمعلمة ‪ θ‬إذا كان التوقع الرياضي لـ ̂‪ θ‬يساوي المقدار نفسه ونكتب‬
‫رياضيا‪:‬‬

‫𝛉 = )̂‬
‫𝛉(𝐄‬

‫أما إذا كان‪:‬‬

‫𝛉 ≠ )̂‬
‫𝛉(𝐄‬

‫فإننا نقول عن ̂‪ θ‬أنه مقدر متحيز للمعلمة ‪ θ‬أي أنه ال يمثل المعلمة تمثيال صحيحا ومقدار التحيز هو ‪b‬‬
‫حيث‪:‬‬

‫𝛉 ‪̂) −‬‬
‫𝛉(𝐄 = 𝐛‬

‫مثال‪:‬‬

‫نفرض أن ‪ x‬متغير عشوائي حيث‪:‬‬

‫‪E(xi ) = μ‬‬ ‫و‬ ‫‪V(xi ) = σ2‬‬

‫‪60‬‬
‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫يكون ‪ ̅x‬مقدر غير متحيز لـ ‪ µ‬إذا كان‪:‬‬

‫𝛍 = )̅𝐱(𝐄‬

‫لدينا‪:‬‬

‫‪∑ xi‬‬
‫= ̅‪x‬‬
‫‪n‬‬

‫ومنه‪:‬‬

‫‪∑ xi‬‬ ‫‪1‬‬

‫( ‪E(x̅) = E‬‬ ‫)‪) = . ∑ E(xi ) … … … . . (1‬‬
‫‪n‬‬ ‫‪n‬‬

‫كما نعلم أن‪:‬‬

‫‪E(xi ) = μ‬‬

‫وعليه تصبح العالقة (‪ )1‬كما يلي‪:‬‬

‫‪1‬‬
‫‪E(x̅) = . n. μ = μ‬‬
‫‪n‬‬

‫أي أن‪:‬‬

‫𝛍 = )̅𝐱(𝐄‬

‫المجتمع ‪.µ‬‬ ‫وبذلك يمكن القول أن وسط العينة ̅‪ x‬هو مقدر غير متحيز لوسط‬

‫ب‪ -‬التقارب(التماسك)‪:‬‬

‫نقول عن المقدر ̂‪ θ‬أنه متقارب إذا كانت قيمته تؤول إلى قيمة المعلمة‬

‫إلى ما ال نهاية أو إلى حجم ‪ n‬كلما زاد حجم العينة‪ ،‬أي أن تباينه يؤول إلى الصفر عندما تؤول ‪θ‬‬
‫أي‪N:‬المجتمع‬
‫→̂‬
‫𝛉{‬ ‫𝛉‬
‫)𝐍(∞→𝐧‬

‫أي‪:‬‬

‫‪61‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫→ )̂‬
‫𝛉(𝐕{‬ ‫𝟎‬
‫)𝐍(∞→𝐧‬

‫مثال‪ :‬يكون ̅‪ x‬مقدر مقارب لـ ‪ µ‬أو متماسك إذا كان‪:‬‬

‫→ ̅‪{x‬‬ ‫‪μ‬‬
‫)‪n→∞(N‬‬

‫أي‪:‬‬

‫→ )̅‪{V(x‬‬ ‫‪0‬‬
‫)‪n→∞(N‬‬

‫لدينا‪:‬‬

‫‪∑ xi‬‬ ‫‪1‬‬

‫( ‪V(x̅) = V‬‬ ‫)‪) = n2 . n. V(xi ) … … … (2‬‬
‫‪n‬‬

‫ونعلم أن‪:‬‬

‫‪V(xi ) = σ2‬‬

‫وعليه تصبح العالقة (‪ )2‬كما يلي‪:‬‬

‫‪1‬‬ ‫‪2‬‬
‫𝟐𝛔‬
‫= ‪V(x̅) = 2 . n. σ‬‬
‫‪n‬‬ ‫𝐧‬

‫نالحظ أن المقدار‪:‬‬
‫𝟐𝛔‬
‫𝐧‬

‫يؤول فعال إلى الصفر عندما يؤول ‪ n‬إلى ∞ (‪ )N‬ومنه يمكن القول أن متوسط العينة هو مقدر مقارب لـ‬
‫وسط المجتمع ‪ µ‬أي أنه متماسك‪.‬‬

‫ج‪-‬الفعالية (الكفاءة)‪:‬‬

‫إذا كان̂‪ 1θ‬و̂‪ 2θ‬مقدرين غير متحيزين للمعلمة ‪ θ‬وكان تباين ̂‪ 1θ‬أقل من تباين ̂‪ 2θ‬أي‪:‬‬

‫‪̂ ) < 𝑉(θ2‬‬

‫‪V(θ1‬‬ ‫)̂‬

‫فإننا نقول أن المقدر ̂‪ 1θ‬أكثر كفاءة من المقدر ̂‪ 2θ‬أي أن المقدر الفعال هو المقدر األقل تباين‪.‬‬

‫‪62‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫مثال‪ :‬ليكن لدينا ‪ x3 ،x2 ،x1‬عينة عشوائية مسحوبة من مجتمع غير محدود حيث‪:‬‬

‫‪ V(xi ) = σ2‬و ‪E(xi ) = μ‬‬

‫المطلوب‪ :‬أثبت أن المقدر المعطى بالعالقة التالية‪:‬‬

‫‪x1 + 2x2 + 3x3‬‬

‫= ̂‪μ‬‬
‫‪6‬‬

‫هو مقدر غير متحيز لـ ‪ µ‬إال أنه أقل كفاءة من المقدر المعطى بالعالقة‪:‬‬

‫‪x1 + x2 + x3‬‬
‫= ̅‪x‬‬
‫‪3‬‬

‫الحل‪:‬‬

‫‪ -1‬يكون ̂‪ μ‬مقدر غير متحيز لـ ‪ µ‬إذا كان‪:‬‬

‫‪E(μ̂) = μ‬‬
‫‪x1 + 2x2 + 3x3‬‬
‫(‪E(μ̂) = E‬‬ ‫)‬
‫‪6‬‬
‫‪1‬‬
‫) ‪= E(x1 + x2 + x3‬‬
‫‪6‬‬
‫‪1‬‬
‫]) ‪= [E(x1 ) + 2E(x2 ) + 3E(x3‬‬
‫‪6‬‬
‫‪1‬‬ ‫‪6μ‬‬
‫= )‪= (μ + 2μ + 3μ‬‬ ‫‪=μ‬‬
‫‪6‬‬ ‫‪6‬‬

‫أي‪:‬‬

‫𝛍 = )̂‬
‫𝛍(𝐄‬

‫ومنه ̂‪ μ‬هو فعال مقدر غير متحيز لـ ‪.µ‬‬

‫‪ -2‬يكون ̂‪ μ‬أقل كفاءة من ̅‪ x‬إذا كان‪:‬‬

‫)̅𝐱(𝑉 > )̂‬

‫𝛍(𝐕‬

‫لدينا‪:‬‬
‫‪63‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪x1 + 2x2 + 3x3‬‬
‫( ‪V(μ̂) = V‬‬ ‫)‬
‫‪6‬‬
‫‪1‬‬
‫=‬ ‫]) ‪[V(x1 ) + 4V(x2 ) + 9V(x3‬‬
‫‪36‬‬
‫‪1 2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪14σ2‬‬
‫=‬ ‫= ] ‪[σ + 4σ + 9σ‬‬ ‫𝟐𝛔𝟖𝟑 ‪= 𝟎,‬‬
‫‪36‬‬ ‫‪36‬‬
‫‪x1 + x2 + x3‬‬
‫( ‪V(x̅) = V‬‬ ‫)‬
‫‪3‬‬
‫‪1‬‬
‫]) ‪= [V(x1 ) + V(x2 ) + V(x3‬‬
‫‪9‬‬
‫‪1 2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪3σ2‬‬
‫= ] ‪= [σ + σ + σ‬‬ ‫𝟐𝛔𝟑𝟑 ‪= 𝟎,‬‬
‫‪9‬‬ ‫‪9‬‬

‫نالحظ أن‪:‬‬

‫)̅‪V(μ̂) > 𝑉(x‬‬

‫وعليه فإن ̂‪ μ‬أقل كفاءة (فعالية) من ̅‪.x‬‬

‫وبما أن فعالية المقدرات تزيد كلما كان تباينها أقل فإن فعالية ̅‪ x‬تبقى مرتبطة بحجم العينة ‪ n‬حيث كلما‬
‫زادت قيمة ‪ n‬كان ̅‪ x‬أكثر فعالية‪.‬‬

‫كما يعتبر ̅𝐱 المقدر األكثر فعالية من المقدرات األخرى لـ ‪( µ‬الوسيط والمنوال)ألنه األقل تباين‪.‬‬

‫مالحظة‪ :1‬في التطبيقات العملية عادة ما تكون قيمة 𝟐𝛔 مجهولة وبالتالي يتم االعتماد على تباين العينة‬
‫وفق العالقة التالية‪:‬‬

‫‪σ2‬‬ ‫𝟐𝐬‬
‫= )̅‪V(x‬‬ ‫=‬
‫‪n‬‬ ‫𝟏‪𝐧−‬‬

‫حيث يعطى تباين العينة بالعالقة‪:‬‬

‫‪2‬‬
‫‪∑(xi − x̅)2‬‬
‫= ‪s‬‬
‫‪n‬‬

‫مالحظة‪ :2‬لما يكون السحب مع اإلرجاع فإنه ال يهم إذا كان المجتمع محدود أو غير محدود‪.‬‬

‫‪64‬‬
‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫ب‪-‬حالة عينة عشوائية بدون إعادة‪)ESSR( :‬‬

‫إذا تم السحب بدون إرجاع من مجتمع محدود فإن‪:‬‬

‫*عدم التحيز‪:‬‬

‫في هذه الحالة أيضا فإن العالقة‪:‬‬

‫𝛍 = )̅𝐱(𝐄‬

‫محققة مما يعني أن ̅‪ x‬مقدر غير متحيز لـ ‪. µ‬‬

‫*التقارب (التماسك)‪:‬‬

‫يكون ̅‪ x‬مقدر مقارب لـ ‪ µ‬أو متماسك إذا كان‪:‬‬

‫→ ̅‪{x‬‬ ‫‪μ‬‬
‫)‪n→∞(N‬‬

‫أي‪:‬‬

‫→ )̅‪{V(x‬‬ ‫‪0‬‬
‫)‪n→∞(N‬‬

‫وبما أن السحب هنا بدون إرجاع فإن‪:‬‬

‫‪σ2 N − n‬‬
‫‪{V(x̅) = .‬‬
‫‪n N−1‬‬

‫وهذا المقدار واضح أنه يؤول إلى الصفر كلما اقترب حجم العينة ‪ n‬من حجم المجتمع ‪.)∞( N‬‬

‫ومنه فإن ̅‪ x‬مقدر مقارب لـ ‪( µ‬متماسك)‪.‬‬

‫*الفعالية‪:‬‬

‫لدينا‪:‬‬

‫‪σ2 N − n‬‬
‫‪V(x̅) = .‬‬
‫‪n N−1‬‬
‫‪65‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫وبالتالي فإن فعالية ̅‪ x‬تبقى مرتبطة بحجم العينة ‪ n‬حيث كلما زادت قيمة ‪ n‬كان ̅‪ x‬أكثر فعالية‪.‬‬

‫مالحظة ‪ :1‬نعلم أنه عادة ما تكون قيمة 𝟐𝛔 مجهولة وبالتالي نعتمد على تباين العينة وفق العالقة التالية‪:‬‬

‫‪σ2 N − n‬‬ ‫𝐧 ‪𝐬𝟐 𝐍 −‬‬

‫‪V(x̅) = .‬‬ ‫=‬ ‫‪.‬‬
‫𝟏‪n N−1 𝐧−𝟏 𝐍−‬‬

‫مالحظة ‪ :2‬نالحظ أن‪:‬‬

‫‪σ2 N − n σ 2‬‬
‫‪.‬‬ ‫<‬
‫‪n N−1‬‬ ‫‪n‬‬

‫أي‪:‬‬

‫‪V(x̅)ESSR < V(x̅)ESAR‬‬

‫ومنه فإن ̅‪ x‬في حالة السحب بدون إعادة أكثر فعالية من ̅‪ x‬في حالة السحب مع اإلعادة‪ .‬بمعنى أن الخطأ‬
‫في اختيار العينة يكون أقل عند السحب بدون إعادة منه عند السحب مع اإلعادة‪.‬‬

‫مالحظة ‪ :3‬في حالة ‪ N‬كبير فإن المقدار ‪:‬‬

‫‪N−n‬‬
‫‪N−1‬‬

‫يصبح يساوي تقريبا‪:‬‬

‫‪N−n‬‬
‫‪N‬‬

‫أي‪:‬‬

‫𝐧‪𝐍−𝐧 𝐍−‬‬ ‫𝐧‬

‫=‬ ‫𝐟‪=𝟏− =𝟏−‬‬
‫𝟏‪𝐍−‬‬ ‫𝐍‬ ‫𝐍‬

‫حيث ‪ f‬هو معدل العينة‪.‬‬

‫‪ -2‬بناء مجاالت الثقة "التقدير بمجال"‬

‫بما أننا ال نتوقع أن تكون قيمة المقدر مساوية للمعلمة المجهولة مهما كان المقدر جيد فيتم اللجوء إلى‬
‫تحديد مجال يحتوي على مجموعة من القيم تتضمن فيما بينها قيمة معلمة المجتمع المجهولة ‪ θ‬يسمى هذا‬

‫‪66‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫المجال بمجال الثقة أو فترة الثقة‪ .‬حيث نسبة الحظوظ أو احتمال أن تقع معلمة المجتمع ‪ θ‬في هذا المجال‬
‫تسمى درجة الثقة أو مستوى الثقة وبذلك نكون قد قدرنا معلمة المجتمع بمجال ونكتب‪:‬‬

‫] ‪IC(θ)1−α = [T1 ; T2‬‬

‫أي‪:‬‬

‫‪p(θϵ[T1 ; T2 ]) = 1 − α‬‬

‫حيث‪:‬‬

‫‪:T2 ; T1‬همـا على التوالي الحد األدنى والحد األعلى لمج ـ ـ ـ ـ ـ ـ ـ ـ ـ ـ ــال الثقة‪ ،‬مع ‪:‬‬

‫‪T1 < T2‬‬

‫‪ :1 − α‬مستوى الثقة أو درجة الثقة؛‬

‫‪ : α‬احتمال الخطأ أو مستوى المعنوية أو درجة المخاطرة والذي يعبر عن احتمال عدم احتواء مجال الثقة‬
‫على القيمة الحقيقية لـ‪θ‬والتي عادة ما تكون من اختيار الباحث حسب درجة الدقة التي يبحث عنها‪.‬‬

‫‪ 1.2‬مجال الثقة للمتوسط الحسابي للمجتمع 𝛍‪:‬‬

‫‪ 1.1.2‬إذا كان حجم العينة كبير )𝟎𝟑 ≥ 𝐧(‪:‬‬

‫نعلم أنه في هذه الحالة ̅‪ x‬يتبع تقريبا التوزيع الطبيعي حيث‪:‬‬

‫)̅‪x̅ − E(x‬‬
‫=‪Z‬‬ ‫)‪→ N(0; 1‬‬
‫)̅‪√V(x‬‬

‫لبناء مجال الثقة لـ ـ‪ μ‬ممكن أن ننطلق من مفهوم مجال الثقة كما يلي‪:‬‬

‫‪p(μ ϵ IC) = 1 − α‬‬

‫‪⇔ p(μ ϵ[T1 ; T2 ]) = 1 − α‬‬

‫‪⇔ p(T1 ≤ μ ≤ T2 ) = 1 − α‬‬

‫ينبغي إذن تحديد حدود مجال الثقة ‪T1‬و ‪ T2‬إنطالقا من حصر‪ Z‬بين قيمتين حيث‪:‬‬

‫‪67‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪x̅−μ‬‬
‫=‪Z‬‬
‫)̅‪√V(x‬‬

‫)ألن)̅‪ μ = E(x‬في كل الحاالت(‪.‬‬

‫لدينا‪ Z‬محصور بين ‪ − z1−α‬و ‪ zα‬ومنه‪:‬‬

‫‪2‬‬ ‫‪2‬‬

‫‪p (zα ≤ z ≤ z1−α ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬

‫ومن خاصية التناظر نستنتج أن‪:‬‬

‫‪zα = −z1−α‬‬
‫‪2‬‬ ‫‪2‬‬

‫ومنه يصبح لدينا‪:‬‬

‫‪p (−z1−α ≤ z ≤ z1−α ) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬

‫وبتعويض قيمة ‪ z‬بما تساويه نجد‪:‬‬

‫‪x̅ − μ‬‬
‫≤ ‪p (−z1−α‬‬ ‫‪≤ z1−α ) = 1 − α‬‬
‫‪2‬‬ ‫)̅‪√V(x‬‬ ‫‪2‬‬

‫وبضرب أطراف المتراجحة في )̅‪√V(x‬نجد‪:‬‬

‫‪p (−z1−α . √V(x̅) ≤ x̅ − μ ≤ z1−α . √Vx̅) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬

‫من أطراف المتراجحة نجد‪ x̅:‬ثم بطرح قيمة‬

‫‪ p (−x̅ − z1−α . √V(x̅) ≤ −μ ≤ −x̅ + z1−α . √Vx̅) = 1 − α‬نضرب اآلن أطراف المتراجحة‬
‫‪2‬‬ ‫‪2‬‬

‫في ‪ 1-‬فيتغير اتجاهها وتصبح كما يلي‪:‬‬

‫‪p (x̅ − z1−α . √V(x̅) ≤ μ ≤ x̅ + z1−α . √V(x̅)) = 1 − α‬‬

‫‪2‬‬ ‫‪2‬‬

‫هذا يعني أن مجال الثقة لـ ‪ µ‬هو‪:‬‬

‫])̅𝐱(𝐕√ ‪𝐈𝐂(𝛍)(𝟏−𝛂)% = [𝐱̅ − 𝐳𝟏−𝛂 . √𝐕(𝐱̅) ; 𝐱̅ + 𝐳𝟏−𝛂 .‬‬

‫𝟐‬ ‫𝟐‬

‫‪68‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫حيث‪:‬‬

‫معلوم فإن‪𝛔𝟐 :‬إذا كان‬

‫𝛔‬ ‫𝛔‬
‫‪IC(μ)(1−α)% = [x̅ − z1−α .‬‬ ‫‪; x̅ + z1−α .‬‬ ‫]‬
‫‪2‬‬ ‫𝐧√‬ ‫‪2‬‬ ‫𝐧√‬

‫واذا كان 𝟐𝛔 مجهول فإن‪:‬‬

‫𝐬‬ ‫𝐬‬
‫‪IC(μ)(1−α)% = [x̅ − z1−α .‬‬ ‫‪; x̅ + z1−α .‬‬ ‫]‬
‫‪2‬‬ ‫𝟏 ‪√𝐧 −‬‬ ‫‪2‬‬ ‫𝟏 ‪√𝐧 −‬‬
‫̂𝐬‬ ‫̂𝐬‬
‫‪IC(μ)(1−α)% = [x̅ − z1−α .‬‬ ‫‪; x̅ + z1−α .‬‬ ‫]‬
‫‪2‬‬ ‫𝐧√‬ ‫‪2‬‬ ‫𝐧√‬

‫مالحظة‪ :‬يبين الجدول التالي درجات الثقة الشائعة واحتماالت الخطأ وقيم ‪z1−α‬الموافقة لها‪:‬‬
‫‪2‬‬

‫‪0.99‬‬ ‫‪0.95‬‬ ‫‪0.90‬‬ ‫مستوى الثقة‬

‫‪99%‬‬ ‫‪95%‬‬ ‫‪90%‬‬ ‫𝛂‪𝟏−‬‬

‫‪0.01 = 1%‬‬ ‫‪0.05 = 5%‬‬ ‫𝛂 احتمال الخطأ ‪10% =0.10‬‬

‫‪2.58‬‬ ‫‪1.96‬‬ ‫‪1.645‬‬ ‫𝛂‪𝐳𝟏−‬‬

‫𝟐‬

‫‪z0.995 = 2.58‬‬ ‫‪z0.975 = 1.96‬‬ ‫‪z0.95 = 1.645‬‬ ‫أي‬

‫مثال‪ :‬إذ ا كانت أعمار المصابيح الكهربائية التي تنتجها أحد المصانع تتبع التوزيع الطبيعي بانحراف‬
‫معياري قدره ‪ 250‬ساعة‪ .‬اختيرت عينة من انتاج هذا المصنع حجمها ‪ 100‬مصباح وكان متوسط عمر‬
‫المصباح في هذه العينة هو ‪ 1200‬ساعة‪.‬‬

‫• قدر بمجال (حدد مجال الثقة لـ) متوسط عمر المصباح في المصنع كله بدرجة ثقة ‪.%95‬‬

‫الحل‪ :‬لدينا‪:‬‬

‫‪μ =? ; (1 − α) = 95%; x̅ = 1200; σ2 = 2502‬‬

‫‪n = 100 ≥ 30‬‬

‫‪69‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫أي أن ̅‪ x‬يتبع التوزيع الطبيعي‪ ،‬ومنه مجال الثقة لـ ‪ µ‬يعطى بالصيغة التالية‪:‬‬

‫𝛔‬ ‫𝛔‬
‫‪𝐈𝐂(𝛍)(𝟗𝟓)% = [𝐱̅ − 𝐳𝟏−𝛂 .‬‬ ‫‪; 𝐱̅ + 𝐳𝟏−𝛂 .‬‬ ‫]‬
‫𝟐‬ ‫𝐧√‬ ‫𝟐‬ ‫𝐧√‬

‫حيث‪:‬‬

‫‪σ‬‬ ‫‪250‬‬
‫=‬ ‫‪= 25 ; Z1−α = Z‬‬ ‫‪0.05‬‬ ‫‪= Z0.975 = 1.96‬‬
‫‪√n‬‬ ‫‪√100‬‬ ‫‪2‬‬ ‫‪1−‬‬
‫‪2‬‬

‫ومنه‪:‬‬

‫]‪IC(μ)95% = [1200 − 1,96 ∗ 25; 1200 + 1,96 ∗ 25‬‬

‫]𝟗𝟒𝟐𝟏 ;𝟏𝟓𝟏𝟏[ =‬

‫أي أن متوسط عمر المصباح من انتاج المصنع كله يتراوح بين ‪ 1151‬و‪ 1249‬ساعة بمستوى ثقة ‪.%95‬‬

‫‪ 2.1.2‬إذا كان حجم العينة صغير‪:𝐧 < 30‬‬

‫نعلم أنه إدا كان‪ 𝐧 < 30‬و‪x‬يتوزع طبيعيا مع 𝟐𝛔مجهول فإن ‪:‬‬

‫)̅𝐱(𝐄 ‪𝐱̅ −‬‬

‫=𝐓‬ ‫𝟏‪→ 𝐭 𝐧−‬‬
‫)̅𝐱(𝐕√‬

‫وبذك يكون مجال الثقة لـ ‪ µ‬في هذه الحالة كما يلي‪:‬‬

‫𝐬‬ ‫𝐬‬
‫‪𝐈𝐂(𝛍)(𝟏−𝛂)% = [𝐱̅ − 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫‪; 𝐱̅ + 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫]‬
‫𝟐‬ ‫𝟏 ‪√𝐧 −‬‬ ‫𝟐‬ ‫𝟏 ‪√𝐧 −‬‬
‫̂𝐬‬ ‫̂𝐬‬
‫‪𝐈𝐂(𝛍)(𝟏−𝛂)% = [𝐱̅ − 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫‪; 𝐱̅ + 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫]‬
‫𝟐‬ ‫𝐧√‬ ‫𝟐‬ ‫𝐧√‬

‫مثال‪ :‬إذا كانت أجور العمال إلحدى الشركات تتبع التوزيع الطبيعي وتم اختيار عينة من ‪ 25‬عامل فوجد‬
‫أن متوسط أجرهم الشهري ‪ 4250‬ون واالنحراف المعياري ‪ 400‬ون‪.‬‬

‫• أوجد مجال الثقة )قدر بمجال(لمتوسط األجر الشهري لعمال المصنع كله بدرجة ثقة ‪.%95‬‬

‫الحل‪ :‬لدينا‪:‬‬

‫‪μ =? ; (1 − α) = 95%; x̅ = 4250; S = 400‬‬

‫‪70‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫;‪n = 25 < 30‬‬ ‫)مجهول( ?= ‪x → N(μ, σ2 ); σ2‬‬

‫في هذه الحالة نستخدم توزيع ستيودنت ويكون مجال الثقة لـ ‪ µ‬كما يلي‪:‬‬

‫𝐬‬ ‫𝐬‬
‫‪𝐈𝐂(𝛍)(𝟗𝟓)% = [𝐱̅ − 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫‪; 𝐱̅ + 𝐭 𝟏−𝛂;𝐧−𝟏 .‬‬ ‫]‬
‫𝟐‬ ‫𝟏 ‪√𝐧 −‬‬ ‫𝟐‬ ‫𝟏 ‪√𝐧 −‬‬
‫‪t1−α;n−1 = t‬‬ ‫‪0.05‬‬ ‫‪= t 0.975;24 = 2.12‬‬
‫‪2‬‬ ‫‪1−‬‬ ‫‪;25−1‬‬
‫‪2‬‬

‫‪400‬‬ ‫‪400‬‬
‫‪IC(μ)(95)% = [4250 − 2.06.‬‬ ‫‪; 4250 + 2.06.‬‬ ‫]‬
‫‪√24‬‬ ‫‪√24‬‬
‫]𝟗 ‪= [𝟒𝟎𝟖𝟏, 𝟖; 𝟒𝟒𝟏𝟖,‬‬

‫أي أننا نستطيع أن نقول بمستوى ثقة ‪ %95‬أن متوسط األجر الشهري لعمال المصنع كله يتراوح بين‬
‫‪ 4081.8‬ون و‪ 4418.9‬ون‪.‬‬

‫‪ 2.2‬تقدير الفرق بين وسطي مجتمعين مستقلين بفترة‪:‬‬

‫وفيما يلي سنجد فترة الثقة للفرق بين وسطي مجتمعين طبيعيين مستقليين في حاالت مختلفة‪:‬‬

‫‪-1.2 .2‬عند معلومية تباين مجتمعين 𝟏𝟐𝛔 و 𝟐𝟐𝛔‬

‫إذا كان ) ‪ X1 ~N(μ1 , σ12‬و ) ‪ X2 ~N(μ2 , σ22‬فإن‪:‬‬

‫‪σ12 σ22‬‬
‫) ‪X1 − X2 ~N (μ1 − μ2 , +‬‬
‫‪n1 n2‬‬

‫ومن النظرية نجد أن‪:‬‬

‫) ‪(X1 − X2 ) − (μ1 − μ2‬‬

‫)‪~N(0‚1‬‬
‫‪σ2 σ2‬‬
‫‪√ 1+ 2‬‬
‫‪n1 n2‬‬

‫وتكون فترة ثقة )‪ %(1 − α‬كالتالي‪:‬‬

‫‪71‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫) ‪(X1 − X2 ) − (μ1 − μ2‬‬
‫< ‪−Zα‬‬ ‫‪< Zα‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪σ2 σ2‬‬
‫‪√ 1+ 2‬‬
‫‪n1 n2‬‬

‫حيث بحل المتباينة بالنسبة إلى ‪ μ1 − μ2‬نجد أن‪:‬‬

‫‪σ12 σ22‬‬ ‫‪σ12 σ22‬‬

‫‪(X1 − X2 ) − Zα √ +‬‬ ‫‪< μ1 − μ2 < (X1 − X2 ) + Zα √ +‬‬
‫‪2 n1‬‬ ‫‪n2‬‬ ‫‪2 n1‬‬ ‫‪n2‬‬

‫مثال‪ :‬سحبت عينتان من مجتمعين طبيعيين مستقلين وكانت عينة تمثل سرعة إنجاز تمرين معين والعينتان‬
‫هما‪:‬‬

‫‪X1 : 20,18,22,22,18,20,25,25‬‬

‫‪X2 : 25,22,24,23,25,30,30,27,20‬‬

‫أوجد فترة ثقة ‪ %95‬للفرق بين إنجازي المجموعتين في حالة تباين المجتمع األول ‪ 6‬وتباين المجتمع الثاني‬
‫‪12‬‬

‫الحل‪ :‬نحسب في البداية وسطي العينتين‬

‫‪∑ xi 170‬‬
‫= ‪X1‬‬ ‫=‬ ‫‪= 21.25‬‬
‫‪n‬‬ ‫‪8‬‬
‫‪∑ xi 226‬‬
‫= ‪X2‬‬ ‫=‬ ‫‪= 25.11‬‬
‫‪n‬‬ ‫‪9‬‬

‫معلوم لدينا ‪ σ12 = 6‬و ‪ σ22 = 12‬وحجم العينات ‪ n1 = 8‬و‪ n2 = 9‬وحيث أن ‪1 − α = 0.95‬‬
‫‪α‬‬
‫وبالتالي ‪ Zα = 1.96‬وذلك من الجدول التوزيع الطبيعي المعياري‪:‬‬ ‫إذن ‪ α = 0.05‬ومنها ‪= 0.025‬‬
‫‪2‬‬ ‫‪2‬‬

‫فتكون فترة الثقة كما يلي‪:‬‬

‫‪σ12 σ22‬‬ ‫‪σ12 σ22‬‬

‫‪(X1 − X2 ) − Zα √ +‬‬ ‫‪< μ1 − μ2 < (X1 − X2 ) + Zα √ +‬‬
‫‪2 n1‬‬ ‫‪n2‬‬ ‫‪2 n1‬‬ ‫‪n2‬‬

‫‪6 12‬‬ ‫‪6 12‬‬

‫‪−3.86 − 1.96√ +‬‬ ‫‪< μ1 − μ2 < −3.86 + 1.96√ +‬‬
‫‪8 9‬‬ ‫‪8 9‬‬
‫‪72‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪−6.69 < μ1 − μ2 < −1.03‬‬

‫‪ .2.2 .2‬عند مجهولية تباين المجتمعين 𝟏𝟐𝛔 و 𝟐𝟐𝛔‬

‫‪ 1.2.2.2‬إذا كان𝟎𝟑 ≥ 𝟐𝐧 ‪𝐧𝟏 .‬‬

‫في هذه الحالة نقدر تباين كل مجتمع بتباين عينة عشوائية تسحب منه ونستبدل تباين المجتمعين ‪σ12‬‬
‫‪ σ22 ,‬بتباين ‪ S12‬و ‪ S22‬في فترة ثقة للحالة السابقة تصبح فترة الثقة لهذه الحالة كما يلي‪:‬‬

‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫‪(X1 − X2 ) − Zα √ +‬‬ ‫‪< μ1 − μ2 < (X1 − X2 ) + Zα √ +‬‬
‫‪2 n1‬‬ ‫‪n2‬‬ ‫‪2 n1‬‬ ‫‪n2‬‬

‫مثال‪ :‬أوجد فترة الثقة ‪ %98‬للفرق بين وسطي مجتمعين طبيعيين مستقلين إذا علمت أن‪ :‬حجم العينة‬
‫األولى ‪ 160‬ووسطها ‪ 81.2‬واالنحراف المعياري لها ‪ 7.6‬وحجم العينة الثانية ‪ 90‬ووسطها ‪76.4‬‬
‫واالنحراف لها ‪. 8.2‬‬

‫الحل‪:‬‬

‫‪n1 = 160 , X1 = 81.2 ,‬‬ ‫‪S12 = 7.6‬‬

‫‪n2 = 90 , X2 = 76.4 ,‬‬ ‫‪S22 = 8.2‬‬

‫والحظ أن‪ α = 0.02‬ومن الجدول للتوزيع الطبيعي نجد أن ‪ Zα = 2.33‬فتكون فترة الثقة المطلوبة كما‬
‫‪2‬‬

‫يلي‪:‬‬

‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫‪(X1 − X2 ) − Zα √ +‬‬ ‫‪< μ1 − μ2 < (X1 − X2 ) + Zα √ +‬‬
‫‪2 n1‬‬ ‫‪n2‬‬ ‫‪2 n1‬‬ ‫‪n2‬‬

‫‪7.6 8.2‬‬ ‫‪7.6 8.2‬‬

‫√‪4.8 − 2.33‬‬ ‫‪+‬‬ ‫√‪< μ1 − μ2 < 4.8 + 2.33‬‬ ‫‪+‬‬
‫‪160 90‬‬ ‫‪160 90‬‬

‫‪3.933 < μ1 − μ2 < 5.567‬‬

‫‪ 2.2.2.2‬إذا كان𝟎𝟑 < 𝟐𝐧 ‪( 𝐧𝟏 .‬أو أحدهما أقل من ‪ )30‬وكان تباينا المجتمعين غير متساو فإن‬
‫فترة الثقة‪:‬‬

‫‪73‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫‪S12 S22‬‬ ‫‪S12 S22‬‬

‫)‪(X1 − X2 ) − t (αn−1‬‬ ‫√‬ ‫‪+‬‬ ‫)‪< μ1 − μ2 < (X1 − X2 ) + t (αn−1‬‬ ‫√‬ ‫‪+‬‬
‫‪2‬‬ ‫‪n1 n2‬‬ ‫‪2‬‬ ‫‪n1 n2‬‬

‫مثال‪ :‬سحبت عينتان من مجتمعين طبيعيين مستقلين وكانت عينة تمثل سرعة إنجاز تمرين معين والعينتان‬
‫هما‪:‬‬

‫‪X1 : 20,18,22,22,18,20,25,25‬‬

‫‪X2 : 25,22,24,23,25,30,30,27,20‬‬

‫أوجد فترة ثقة ‪ %95‬للفرق بين إنجازي المجموعتين في حالة تباين المجتمعين مجهولين‬

‫الحل‪ :‬معلوم من المثال السابق أن ‪ X1 = 21.25‬و ‪ X2 = 25.11‬وحجوم العينات هو ‪n1 = 8‬‬

‫و‪ n2 = 9‬وهما أقل من ‪ 30‬ومن ‪ t‬نجد أن ‪. t (0.025,15) = 2.131‬‬

‫بحساب تباين العينتين نجد أن ‪ S12 = 7.618‬و ‪ S22 = 11.628‬وبالتالي تكون فترة الثقة الثقة المطلوبة‬
‫هي‪:‬‬

‫‪S2‬‬ ‫‪S2‬‬ ‫‪S2‬‬ ‫‪S2‬‬

‫‪(X1 − X2 ) − t (αn−1) √n1 + n2 < μ1 − μ2 < (X1 − X2 ) + t (αn−1) √n1 + n2‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪7.618‬‬ ‫‪11.628‬‬ ‫‪7.618‬‬ ‫‪11.628‬‬

‫√‪−3.86 − 2.131‬‬ ‫‪+‬‬ ‫√‪< μ1 − μ2 < −3.86 + 2.131‬‬ ‫‪+‬‬
‫‪8‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪9‬‬

‫‪−7.05 < μ1 − μ2 < −0.67‬‬

‫‪ :3 .2‬فترة الثقة لنسبة المجتمع ‪:P‬‬

‫‪ P‬يقترب من التوزيع الطبيعي‬

‫لقد علمنا عند تعرضنا لتوزيعات المعاينة أن توزيع المعاينة لنسبة العينة ̂‬

‫عندما يكون حجم العينة ‪ n‬كبي اًر‪ ،‬وذلك بوسط حسابي وتباين قدرهما على التوالي كما يلي‪:‬‬

‫‪Pq‬‬
‫‪̂) = P ،V(P‬‬
‫‪E(P‬‬ ‫= )̂‬
‫‪n‬‬

‫𝑃 ‪𝑃̂ −‬‬
‫=𝑍‬ ‫‪:‬إذن‬
‫𝑞𝑃√‬
‫𝑛‬

‫حيث يتبع المتغير ‪ Z‬تقريبا التوزيع الطبيعي المعياري‪.‬‬

‫‪74‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫بما أن نسبة المجتمع ‪ P‬مجهولة‪ ،‬وهي التي نرغب في تقديرها بإيجاد فترة الثقة‪ ،‬فال نستطيع حساب تباين‬
‫مقدر بالقيمة لنسبة المجتمع‬
‫‪ (V(P‬ولكننا سنقدره باستخدام أفضل ّ‬
‫توزيع المعاينة لنسبة العينة )‪̂) = pq⁄n‬‬

‫مقدر التباين وهو‪:‬‬

‫‪ ،P‬وعند استخدام ّ‬
‫المجهولة ‪ ، P‬وهو نسبة العينة ̂‬

‫‪̂q‬‬
‫‪P‬‬ ‫̂‬
‫حيث̂‬
‫‪q̂ = 1 − P‬‬ ‫= )̂‬
‫‪V(P‬‬
‫‪n‬‬

‫في الصيغة السابقة سيتوزع المتغير الجديد توزيعا قريبا من التوزيع الطبيعي المعياري‪ ،‬عندما يكون حجم‬
‫العينة ‪ n‬كبيرا‪ ،‬إذن‪:‬‬

‫‪̂−P‬‬
‫‪P‬‬
‫≤ ‪P −Zα‬‬ ‫‪≤ Zα‬‬ ‫‪=1−α‬‬
‫̂‬
‫̂‪√Pq‬‬
‫‪2‬‬ ‫‪2‬‬
‫(‬ ‫‪n‬‬ ‫)‬

‫بإجراء بعض العمليات الجبرية على الحدود الثالثة للمتباينة‪ ،‬سنحصل على الصورة التالية لالحتمال ‪:‬‬

‫̂‪̂q‬‬
‫‪P‬‬ ‫̂‪̂q‬‬
‫‪P‬‬
‫‪̂−Zα √ ≤ P ≤ P‬‬
‫‪P (P‬‬ ‫‪̂+Zα √ ) = 1 − α‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫إذن‪ :‬فترة الثقة لنسبة المجتمع ‪ P‬عندما يكون حجم العينة كبي اًر‪ ،‬وعند مستوى ثقة ‪ (1 − α)%100‬هي‪:‬‬

‫‪P‬‬‫̂‪̂q‬‬ ‫‪P‬‬‫̂‪̂q‬‬
‫̂‬
‫‪(P−Zα‬‬ ‫√‬ ‫̂‬
‫‪, P+Zα‬‬ ‫√‬ ‫)‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫‪n‬‬
‫‪ ،‬يجب استعمال معامل التصحيح‪.‬‬ ‫وبالطبع إذا كان السحب مع عدم اإلرجاع و ‪> 0.05‬‬
‫‪N‬‬

‫مثال‪ :‬إذا اخترنا عشوائيا ‪ 500‬طالب من طلبة جامعة سطيف ‪ ،1‬ووجدنا أن ‪ 180‬منهم يملكون سيارة‪،‬‬
‫فقدر نسبة الطلبة الذين يملكون سيارة في جامعة سطيف ‪ 1،‬ككل باستخدام مستوى ثقة ‪.99%‬‬

‫الحل‪ :‬بما أن حجم العينة ‪ n‬كبير‪ ،‬فنستطيع استخدام فترة الثقة لنسبة المجتمع وهي كما يلي‪:‬‬

‫‪P‬‬‫̂‪̂q‬‬ ‫̂‪̂q‬‬
‫‪P‬‬
‫√ ‪̂−Zα‬‬
‫‪(P‬‬ ‫) √ ‪̂+Zα‬‬
‫‪, P‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫ولن نستخدم معامل التصحيح‪ ،‬ألن حجم المجتمع كبير‪ ،‬وبما أن‪:‬‬

‫‪75‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫‪(1 − α)%100 = 99% ،‬‬ ‫‪̂ = 180 = 0.36 ،‬‬

‫‪P‬‬ ‫‪n=500‬‬
‫‪500‬‬

‫إذن‪:‬‬

‫‪−zα = z0.005 = 2.58 ، 0.005 = α⁄2 ،‬‬ ‫‪0.01 = α ، 0.99 = 1 − α‬‬

‫‪2‬‬

‫وبالتعويض في الحد األدنى والحد األعلى لفترة الثقة نحصل على‪:‬‬

‫الحد األدنى لفترة الثقة‪:‬‬

‫̂‪̂q‬‬
‫‪P‬‬ ‫)‪(0.36)(0.64‬‬
‫√)‪̂−Zα √ = 0.36 − (2.58‬‬
‫‪P‬‬ ‫‪= 0.36 − 0.0554 = 0.3046‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪500‬‬

‫الحد األعلى للفترة‪:‬‬

‫̂‪̂q‬‬
‫‪P‬‬ ‫)‪(0.36)(0.64‬‬
‫√)‪̂+Zα √ = 0.36 + (2.58‬‬
‫‪P‬‬ ‫‪= 0.36 + 0.0554 = 0.4154‬‬
‫‪2‬‬ ‫‪n‬‬ ‫‪500‬‬

‫إذن فترة الثقة لنسبة المجتمع ‪ ، P‬أي لنسبة الطلبة الذين يملكون سيارة في جامعة سطيف‪ ،1‬عند‬
‫مستوى ثقة ‪ %99‬هي‪:‬‬

‫‪(%30.46‬‬ ‫)‪, %41.54‬‬

‫فنستطيع القول بثقة ‪%99‬بأن نسبة الطلبة الذين يملكون سيارة في جامعة سطيف ‪ ،1‬تقع بين النسبتين‬
‫‪ % 30.46‬و ‪.% 41.54‬‬

‫مثال‪ :‬من المسح االقتصادي واالجتماعي الصادر عن الهيئة الوطنية للمعلومات والتوثيق في الجزائر لسنة‬
‫‪ ،2003-2002‬كان عدد األسر التي شملتها العينة ‪ 11111‬أسرة‪ ،‬منها ‪ 2566‬أسرة ذات دخل منخفض‪،‬‬
‫قدر نسبة األسر ذات الدخل المنخفض في الجزائر سنة ‪ 2003-2002‬وذلك باستخدام فترة ثقة ‪. %95‬‬
‫ّ‬

‫الحل‪ :‬بما أن حجم العينة ‪ n‬كبير‪ ،‬فنستطيع استخدام فترة الثقة لنسبة المجتمع وهي كما يلي‪:‬‬

‫‪P‬‬‫̂‪̂q‬‬ ‫‪P‬‬‫̂‪̂q‬‬
‫̂‬
‫‪(P−Zα‬‬ ‫√‬ ‫̂‬
‫‪, P+Zα‬‬ ‫√‬ ‫)‬
‫‪2‬‬ ‫‪n‬‬ ‫‪2‬‬ ‫‪n‬‬

‫ولن نستخدم معامل التصحيح‪ ،‬ألن حجم المجتمع كبير‪ ،‬وبما أن ‪:‬‬
‫‪76‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪2566‬‬
‫‪(1 − α)%100 = 95% ،‬‬ ‫=̂‬
‫‪P‬‬ ‫‪= 0.2309 ، n=11111‬‬
‫‪11111‬‬

‫إذن‪:‬‬

‫‪1 − α = 0.95 ،α 0,05= ، Zα⁄2 = Z.025 = 1.96‬‬

‫وبالتعويض في الحد األدنى والحد األعلى لفترة الثقة نحصل على‪:‬‬

‫الحد األدنى لفترة الثقة‪:‬‬

‫‪P‬‬‫̂‪̂q‬‬ ‫)‪(0.2309)(0.7691‬‬
‫̂‬
‫‪P − Z α ⁄2‬‬ ‫√‬ ‫√)‪= 0.2309 − (1.96‬‬
‫‪n‬‬ ‫‪11111‬‬

‫‪= 0.2309 − 0.0078 = 0.2231‬‬

‫الحد األعلى لفترة الثقة‪:‬‬

‫̂‪̂q‬‬
‫‪P‬‬ ‫)‪(0.2309)(0.7691‬‬
‫√)‪̂ + Zα⁄2 √ = 0.2309 + (1.96‬‬
‫‪P‬‬
‫‪n‬‬ ‫‪11111‬‬

‫‪= 0.2309 + 0.0078 = 0.2387‬‬

‫إذن فترة الثقة لنسبة المجتمع ‪ ،P‬أي لنسبة األسر التي دخلها منخفض في الجزائر سنة ‪2003-2002‬‬
‫عند مستوى ثقة ‪ %95‬هي‪:‬‬

‫)‪)%22.31 , %23.87‬‬

‫فنستطيع القول بثقة ‪ %95‬بأن نسبة األسر التي دخلها منخفض في الجزائر سنة ‪ 2003 – 2002‬تقع‬
‫بين النسبتين ‪ %22.31‬و ‪.%23.87‬‬

‫‪ 4 .2‬فترة الثقة للفرق بين نسبتي مجتمعين ) ‪:(P1 − P2‬‬

‫بما أن توزيع المعاينة للفرق بين نسبتي عينتين عشوائيتين مستقلتين ) ‪̂2‬‬
‫‪̂1 − P‬‬
‫‪(P‬‬

‫هو توزيع قريب من التوزيع الطبيعي إذا كانت ‪ n2 ≥ 30 ، n1 ≥ 30‬وذلك بوسط حسابي‬

‫‪ ، V(P‬حيث ‪:‬‬ ‫‪ E(P‬وتباين ) ‪̂2‬‬

‫‪̂1 − P‬‬ ‫‪̂1 − P‬‬
‫) ‪̂2‬‬

‫‪77‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪P1 q1‬‬ ‫‪P2 q2‬‬
‫‪̂1 − P‬‬
‫‪V(P‬‬ ‫= ) ‪̂2‬‬ ‫‪+‬‬ ‫‪، E(P‬‬
‫‪̂1 − P‬‬
‫‪̂2 ) = P1 − P2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫إذن المتغير العشوائي ‪ ، Z‬حيث‪:‬‬

‫‪̂1 − P‬‬
‫‪(P‬‬ ‫) ‪̂2 ) − (P1 − P2‬‬
‫=‪Z‬‬
‫‪P1 q1 P2 q2‬‬
‫√‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫ستوزع توزيعا قريبا من التوزيع الطبيعي المعياري‪.‬‬

‫بما أن نسبة المجتمع األول ‪ P1‬مجهولة‪ ،‬ونسبة المجتمع ‪ P2‬مجهولة‪ ،‬فال نستطيع حساب الخطأ المعياري‬
‫‪ ،(P‬ولكننا سنقدره باستخدام أفضل ِّ‬
‫مقدر بالقيمة لنسبة‬ ‫لتوزيع المعاينة للفرق بين نسبتي العينتين) ‪̂2‬‬
‫‪̂1 − P‬‬

‫‪ ، P‬وأفضل ٍّ‬
‫مقدر بالقيمة لنسبة المجتمع‬ ‫وهو نسبة العينة المسحوبة منه ‪̂1‬‬ ‫المجتمع األول المجهول ‪P1‬‬
‫‪ ، P‬وعند استخدام ٍّ‬
‫مقدر الخطأ المعياري في الصيغة‬ ‫الثاني المجهولة ‪ P2‬وهو نسبة العينة المسحوبة منه ‪̂2‬‬

‫سيتوزع المتغير الجديد كذلك توزيعا قريبا من التوزيع الطبيعي المعياري ألن ‪ n2 ≥ 30 ، n1 ≥ 30‬إذن‬
‫‪:‬‬

‫‪̂1 − P‬‬
‫‪(P‬‬ ‫) ‪̂2 ) − (P1 − P2‬‬
‫≤ ‪P −Zα⁄2‬‬ ‫‪≤ Z α ⁄2‬‬ ‫‪=1−α‬‬
‫̂‬ ‫̂‬
‫‪√P1 q̂1 + P2 q̂2‬‬
‫‪n1‬‬ ‫‪n2‬‬
‫(‬ ‫)‬

‫بإجراء بعض العمليات الجبرية على الحدود الثالثة للمتباينة سنحصل على الصورة التالية لالحتمال ‪:‬‬

‫̂‪̂ q‬‬
‫‪P‬‬ ‫̂‪̂ q‬‬
‫‪P‬‬
‫) ‪̂2 ) − Zα⁄2 √ 1 1 + 2 2 ≤ (P1 − P2‬‬
‫‪̂1 − P‬‬
‫‪P ((P‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪P‬‬‫‪̂1 q̂1 P‬‬‫‪̂2 q̂2‬‬

‫̂‬ ‫̂‬
‫‪≤ (P1 − P2 ) + Zα⁄2‬‬ ‫√‬ ‫‪+‬‬ ‫‪)=1−α‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫إذن‪:‬‬

‫فترة الثقة للفرق بين نسبتي مجتمعين ) 𝟐𝐏 ‪ (𝐏𝟏 −‬عندما يكون ‪ n2 ≥ 30 ،n1 ≥ 30‬وعند مستوى‬
‫ثقة 𝟎𝟎𝟏‪ (𝟏 − 𝛂)%‬هي ‪:‬‬
‫‪78‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫‪P‬‬‫‪̂1 q̂1 P‬‬‫‪̂2 q̂2‬‬ ‫‪P‬‬‫‪̂1 q̂1 P‬‬‫‪̂2 q̂2‬‬

‫̂‬ ‫̂‬
‫‪[(P1 − P2 ) − Zα⁄2‬‬ ‫√‬ ‫‪+‬‬ ‫‪,‬‬ ‫̂‬ ‫̂‬
‫‪(P1 − P2 ) + Zα⁄2‬‬ ‫√‬ ‫‪+‬‬ ‫]‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫مثال‪ُ :‬سحبت عينتان عشوائيتان مستقلتان مع اإلرجاع‪ ،‬األولى تحتوي على ‪ 120‬وحدة منتجة باآللة (أ)‬
‫ووجدنا بها ‪ 6‬وحدات بها عيوب‪ ،‬والثانية تحتوي على ‪ 200‬وحدة منتجة باآللة (ب) ووجدنا بها ‪ 9‬وحدات‬
‫فقدر الفرق بين نسبة الوحدات التي بها عيوب في اإلنتاج الكلي لآللة (أ) ونسبة الوحدات التي‬
‫بها عيوب‪ّ ،‬‬
‫بها عيوب في اإلنتاج الكلي لآللة (ب)‪ ،‬وذلك باستخدام مستوى ثقة ‪.%95‬‬

‫الحل‪ :‬بما أن العينتين العشوائيتين مستقلتان‪ n1 = 120 > 30 ،‬و ‪ n2 = 200 > 30‬إذن نستطيع‬
‫استعمال فترة الثقة وهي‪:‬‬

‫̂‪̂ q‬‬
‫‪P‬‬ ‫̂‪̂ q‬‬
‫‪P‬‬ ‫̂‪̂ q‬‬
‫‪P‬‬ ‫̂‪̂ q‬‬
‫‪P‬‬
‫‪[(P‬‬ ‫‪̂2 ) − Zα⁄2 √ 1 1 + 2 2 ,‬‬
‫‪̂1 − P‬‬ ‫] ‪̂2 ) + Zα⁄2 √ 1 1 + 2 2‬‬
‫‪̂1 − P‬‬
‫‪(P‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫ومن البيانات المتوفرة لدينا نستطيع حساب ما يلي‪:‬‬

‫‪6‬‬
‫= ‪̂1‬‬
‫‪P‬‬ ‫نسبة الوحدات التي بها عيوب لعينة إنتاج اآللة (أ) ‪= 0.05‬‬
‫‪120‬‬

‫‪9‬‬
‫= ‪̂2‬‬
‫‪P‬‬ ‫نسبة الوحدات التي بها عيوب لعينة إنتاج اآللة (ب) ‪= 0.045‬‬
‫‪200‬‬

‫وبما أن‪95% = (1 − α)%100 :‬‬

‫إذن‪:‬‬

‫‪0.95 = 1 − α ،0.025=α⁄21.96 = Z.025 = Zα⁄2 ,‬‬

‫وبالتعويض في الحد األدنى والحد األعلى لفترة الثقة نحصل على‪:‬‬

‫الحد األدنى لفترة الثقة‪:‬‬

‫‪P‬‬‫‪̂1 q̂1 P‬‬‫‪̂2 q̂2‬‬

‫̂‬ ‫̂‬
‫‪(P1 − P2 ) − Zα⁄2‬‬ ‫√‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪79‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫)‪(0.05)(0.95) (0.45)(0.955‬‬
‫√)‪= (0.05 − 0.045) − (1.96‬‬ ‫‪+‬‬ ‫‪= −0.0434‬‬
‫‪120‬‬ ‫‪200‬‬

‫الحد األعلى لفترة الثقة‪:‬‬

‫̂‪̂ q‬‬
‫‪P‬‬ ‫̂‪̂ q‬‬
‫‪P‬‬
‫‪̂2 ) + Zα⁄ √ 1 1 + 2 2‬‬
‫‪̂1 − P‬‬
‫‪(P‬‬ ‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫)‪(0.05)(0.95) (0.45)(0.955‬‬
‫√)‪= (0.05 − 0.045) + (1.96‬‬ ‫‪+‬‬ ‫‪= 0.0534‬‬
‫‪120‬‬ ‫‪200‬‬

‫إذن فترة الثقة للفرق بين نسبتي المجتمعين ) ‪ (P1 − P2‬عند مستوى ثقة ‪: %95‬‬

‫( ‪)%-4.34, %5.34‬‬

‫أي بثقة قدرها ‪ %95‬نستطيع القول بأن الفرق بين نسبة الوحدات التي بها عيوب في اإلنتاج الكلي لآللة‬
‫و ‪.‬‬ ‫(أ) ونسبة الوحدات التي بها عيوب في اإلنتاج الكلي لآللة (ب) يقع بين النسبتين ‪%-4.34‬‬
‫‪%5.34‬‬

‫فترة الثقة لتباين المجتمع ‪:σ2‬‬ ‫‪5.2‬‬

‫علمنا أنه إذا كان لدينا مجتمع يتوزع توزيعا طبيعيا بتباين معلوم ‪ ، σ2‬وسحبنا منه عينة عشوائية‬
‫حجمها ‪ ،n‬فإن المتغير العشوائي التالي يطلق عليه ‪ ، x 2‬حيث‪:‬‬

‫‪2‬‬
‫‪(n − 1)S 2‬‬
‫= ‪x‬‬
‫‪σ2‬‬

‫والتوزيع االحتمالي لهذا المتغير ُيسمى توزيع ‪( x 2‬توزيع مربع كاي) بدرجة حرية ‪ v‬حيث ‪. v = n-1‬‬

‫من جدول ‪ x 2‬نستطيع الحصول على قيمتين للمتغير ‪ x 2‬عند درجة حرية معينة‪ ،‬بحيث تكون المساحة‬
‫على يمين القيمة الكبرى تساوي المساحة على يسار القيمة الصغرى تساوي ‪ ،α⁄2‬واذا رمزنا لكل قيمة‬
‫‪ x(α‬وللقيمة الصغرى بالرمز‬ ‫‪2‬‬
‫باستعمال المساحة التي على يمينها سنرمز للقيمة الكبرى بالرمز )‪⁄2‬‬

‫‪ x(1−α‬وحيث إن المساحة الكلية تحت منحنى توزيع ‪ x 2‬تساوي الواحد الصحيح‪ ،‬إذن المساحة بين‬
‫‪2‬‬
‫)‪⁄2‬‬

‫هاتين القيمتين تساوي )‪ ،(1 − α‬ونعبِّر عن هذه المساحة باستخدام االحتمال كما يلي‪:‬‬

‫‪80‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪P(x(1−α‬‬ ‫‪⁄2) (v) ≤ x ≤ x(α⁄2) (v)) = 1 − α‬‬

‫وبالتعويض عن ‪ x 2‬سيأخذ االحتمال الصورة التالية ‪:‬‬

‫‪2‬‬ ‫‪(n − 1)S2‬‬ ‫‪2‬‬

‫‪P(x(1−α‬‬ ‫)‪⁄2) (v‬‬ ‫≤‬ ‫‪2‬‬
‫‪≤ x(α‬‬ ‫‪⁄2) (v)) = 1 − α‬‬
‫‪σ‬‬

‫وبإجراء بعض العمليات الجبرية على الحدود الثالثة للمتباينة‪ ،‬سنحصل على الصورة التالية لالحتمال‪:‬‬

‫‪(n − 1)S 2‬‬ ‫‪2‬‬

‫‪(n − 1)S 2‬‬
‫‪P( 2‬‬ ‫‪≤σ ≤ 2‬‬ ‫‪)=1−α‬‬
‫)‪x(α⁄2) (v‬‬ ‫)‪x(1−α⁄2) (v‬‬

‫إذن‪ :‬فترة الثقة لتباين المجتمع 𝟐𝛔 عند مستوى ثقة ‪ (𝟏 − 𝛂)𝟏𝟎𝟎%‬هي‪:‬‬

‫‪(𝑛 − 1)𝑆 2‬‬ ‫‪(𝑛 − 1)𝑆2‬‬

‫‪( 2‬‬ ‫‪, 2‬‬ ‫)‬
‫)𝑣( )‪𝑥(𝛼⁄2‬‬ ‫)𝑣( )‪𝑥(1−𝛼⁄2‬‬

‫فترة الثقة لالنحراف المعياري للمجتمع عند مستوى ثقة ‪ (1 − α)100%‬هي‪:‬‬

‫‪(𝑛 − 1)𝑆 2‬‬ ‫‪(𝑛 − 1)𝑆2‬‬

‫‪(√ 2‬‬ ‫‪, √ 2‬‬ ‫)‬
‫)𝑣( )‪𝑥(𝛼⁄2‬‬ ‫(‬
‫𝑣 )‪𝑥(1−𝛼⁄2‬‬‫)‬

‫مثال‪:‬‬

‫إذا علمت أن أوزان الطلبة تتوزع توزيعا طبيعيا‪ ،‬وسحبنا عينة عشوائية منهم تحتوي على ‪ 10‬طالب‪ ،‬وكانت‬
‫أوزانهم كما يلي‪:‬‬

‫‪69 ، 67 ، 49 ، 81 ، 38 ، 55 ، 65 ، 50 ، 72 ، 44‬‬

‫قدر التباين واالنحراف المعياري ألوزان الطلبة وذلك باستخدام فترة عند مستوى ثقة ‪. %95‬‬
‫ّ‬

‫‪81‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫الحل‪ :‬المجتمع محل الدراسة يتكون من أوزان الطلبة ‪ ،‬إن هذا المجتمع يتبع توزيعا طبيعيا‪ ،‬إذن فترة الثقة‬
‫لتباين أوزان ستكون هي‪:‬‬

‫‪(n − 1)S2‬‬ ‫‪(n − 1)S 2‬‬

‫‪( 2‬‬ ‫‪, 2‬‬ ‫)‬
‫)‪x(α⁄2) (v‬‬ ‫)‪x(1−α⁄2) (v‬‬

‫حيث‪(1 − α)100% = %95 ، v=n-1=10-1=9 ، n=10 :‬‬

‫إذن‪، α⁄2 = 0.025 ، α = 0.05 ، 1 − α = 0.95 :‬‬

‫‪ ، 2.70 = x0.975‬أما تباين‬

‫‪2‬‬ ‫‪2‬‬
‫‪(9) = x(1−α‬‬ ‫)‪⁄2) (v) ،19.023=x0.025 (9)=x(α⁄2) (v‬‬
‫‪2‬‬ ‫‪2‬‬

‫العينة ‪ S 2‬نحسبه بعد حساب الوسط الحسابي للعينة حيث‪:‬‬

‫‪∑ x 590‬‬
‫=‪X‬‬ ‫=‬ ‫‪= 59‬‬
‫‪n‬‬ ‫‪10‬‬

‫‪2‬‬
‫‪∑(x − x)2 (69 − 59)2 + (67 − 59)2 + … … … … +(44 − 59)2‬‬
‫= ‪S‬‬ ‫=‬
‫‪n−1‬‬ ‫‪10 − 1‬‬
‫‪= 190.67‬‬
‫‪(n−1)S2‬‬ ‫)‪(10−1)(190.67‬‬
‫=‬ ‫‪= 90.21‬‬ ‫وبالتالي فإن الحد األدنى لفترة‪:‬‬
‫)‪x2(α⁄2) (v‬‬ ‫‪19.023‬‬

‫‪(n−1)S2‬‬ ‫)‪(10−1)(190.67‬‬
‫=‬ ‫والحد األعلى لفترة الثقة‪= 635.56 :‬‬
‫)‪x2(1−α⁄2) (v‬‬ ‫‪2.70‬‬

‫إذن فترة الثقة لتباين المجتمع ‪ σ2‬عند مستوى ثقة ‪ %95‬هي‪(90.21, 635.56) :‬‬

‫أي نستطيع القول بثقة قدرها ‪ %95‬بأن تباين أوزان الطلبة يقع بين القيمتين ‪ 90.21‬و ‪. 635.56‬‬

‫بأخذ الجذر التربيعي للحدين نحصل على حدي فترة الثقة لالنحراف المعياري‪ ،‬وبالتالي فإن فترة الثقة‬
‫لالنحراف المعياري ألوزان الطلبة عند مستوى ثقة ‪ %95‬هي‪)9.5 , 25.21 (:‬‬

‫‪σ21‬‬
‫‪ :‬إذا كان لدينا مجتمعان يتوزع كل منهما توزيعا طبيعيا‪،‬‬ ‫‪ 6.2‬فترة الثقة للنسبة بين تبايني مجتمعين‬
‫‪σ22‬‬

‫وسحبنا من المجتمع األول الذي تباينه ‪ σ12‬كل العينات العشوائية الممكنة ذات الحجم ‪ ، n1‬وحسبنا منها‬
‫قيم المتغير ‪ ، S12‬وسحبنا من المجتمع الثاني الذي تباينه ‪ σ22‬كل العينات العشوائية الممكنة ذات الحجم ‪n2‬‬

‫‪82‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫‪ ،‬وحسبنا منها قيم المتغير ‪ ، S22‬وكانت العينات المسحوبة من المجتمع األول مستقلة عن العينات المسحوبة‬
‫‪:‬‬
‫من المجتمع الثاني‪ ،‬فإن المتغير العشوائي ‪ F‬يمكن تعريفه كما يلي‬

‫‪S12 σ22‬‬
‫‪F= 2. 2‬‬
‫‪S2 σ1‬‬

‫من الجدول اإلحصائي نستطيع الحصول على قيمتين للمتغير ‪ F‬عند درجتي معينتين للحرية ‪v2 ، v1‬‬
‫حيث ‪ v1‬درجة حرية البسط و ‪ v2‬درجة حرية المقام‪ ،‬بحيث تكون المساحة على يمين القيمة الكبرى تساوي‬
‫المساحة على يسار القيمة الصغرى تساوي ‪ ،α⁄2‬واذا رمزنا لكل قيمة باستعمال المساحة التي على يمينها‬
‫سنرمز للقيمة الكبرى بالرمز ‪ ، Fα⁄2‬وللقيمة الصغرى بالرمز )‪ ، F(1−α⁄2‬وحيث أن المساحة الكلية تحت‬
‫منحنى توزيع ‪ F‬تساوي الواحد الصحيح‪ ،‬إذن المساحة بين هاتين القيمتين تساوي )‪ (1 − α‬ونعبر عن‬
‫هذه المساحة باستخدام االحتمال كما يلي‪:‬‬

‫‪P(F(1−α⁄2) (v1 , v2 ) ≤ F ≤ Fα⁄2 (v1 , v2 ) = 1 − α‬‬

‫𝛼‪1−‬‬

‫)‪𝐹(1−𝛼⁄2‬‬ ‫‪𝐹𝛼⁄2‬‬

‫وبالتعويض عن ‪ F‬سيأخذ االحتمال الصورة التالية‪:‬‬

‫‪S12 σ22‬‬
‫≤ ) ‪P(F(1−α⁄2) (v1 , v2‬‬ ‫‪. ≤ Fα⁄2 (v1 , v2 ) = 1 − α‬‬
‫‪S22 σ12‬‬

‫بإجراء بعض العمليات الجبرية على الحدود الثالثة للمتباينة سنحصل على الصورة التالية لالحتمال‪:‬‬

‫‪83‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪S12 ⁄S22‬‬ ‫‪σ12‬‬ ‫‪S12 ⁄S22‬‬
‫(‪P‬‬ ‫≤‬ ‫≤‬ ‫‪)=1−α‬‬
‫) ‪F(α⁄2) (v1 , v2 ) σ22 F(1−α⁄2) (v1 , v2‬‬

‫إذن ‪:‬‬

‫𝟏𝟐𝛔‬
‫عند مستوى ثقة ‪(𝟏 − 𝛂)𝟏𝟎𝟎%‬‬ ‫فترة الثقة للنسبة بين تبايني مجتمعين‬
‫𝟐𝟐𝛔‬
‫‪S21 ⁄S22‬‬ ‫‪S21 ⁄S22‬‬
‫‪(F‬‬ ‫‪،‬‬ ‫هي‪) :‬‬
‫) ‪(α⁄2) (v1 ,v2‬‬ ‫) ‪F(1−α⁄2) (v1 ,v2‬‬

‫يجب االنتباه إلى أن هذه الفترة ال تُستخدم إال إذا توفرت الفروض التالية‪:‬‬

‫• يتوزع المجتمعان توزيعا طبيعيا‪.‬‬

‫• العينة المسحوبة من المجتمع األول مستقلة عن العينة المسحوبة من المجتمع الثاني‪.‬‬

‫مثال‪ :‬إذا علمت أن مجتمع أطوال الطالبات ومجتمع أطوال الطلبة في جامعة سطيف ‪ 1‬يتبع توزيعا طبيعيا‪،‬‬
‫وسحبنا من الطالبات عينة عشوائية تشمل ‪ 25‬طالبة‪ ،‬ومن الطلبة عينة عشوائية تشمل ‪ 21‬طالبا وكانت‬
‫العينتان مستقلتين‪ ،‬ووجدنا أن تباين أطوال عينة الطالبات يساوي ‪ ،64‬وتباين عينة أطوال الطلبة يساوي‬
‫‪ ،36‬أوجد فترة الثقة لنسبة تباين مجتمع أطوال الطالبات إلى تباين مجتمع أطوال الطلبة‪ ،‬وذلك باستخدام‬
‫مستوى ثقة ‪.%95‬‬

‫الحل‪ :‬إذا رمزنا لتباين مجتمع أطوال الطالبات بالرمز ‪ ،σ12‬ورمزنا لتباين مجتمع أطوال الطلبة بالرمز ‪،σ22‬‬
‫إذن المطلوب هو فترة الثقة للنسبة بين تبايني المجتمعين ) ‪ (σ12 ⁄σ22‬عند مستوى ثقة ‪ ،%95‬بما أن‬
‫ال مجتمعين يتوزعان توزيعا طبيعيا‪ ،‬والعينتين مستقلتان‪ ،‬إذن فترة الثقة عند مستوى ثقة ‪(1 − α)100%‬‬
‫هي‪:‬‬

‫‪S12 ⁄S22‬‬ ‫‪S12 ⁄S22‬‬

‫(‬ ‫‪،‬‬ ‫)‬
‫) ‪F(α⁄2) (v1 , v2‬‬ ‫) ‪F(1−α⁄2) (v1 , v2‬‬

‫حيث‪:‬‬

‫‪v2 = n2 − 1 = 21 − 1 = 20 , v1 = n1 − 1 = 25 − 1 = 24‬‬

‫وبما أن‪0.025 = α⁄2 , 0.05 = α , 0.95 = 1 − α :‬‬

‫إذن‪F(α⁄2) (v1 , v2 ) = F0.025 (24, 20) = 2.41 :‬‬

‫‪84‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫‪1‬‬ ‫‪1‬‬
‫= )‪F(1−α⁄2) (v1 , v2 ) = F0.975 (24,20‬‬ ‫=‬ ‫‪= 0.43‬‬
‫‪F.025 (24,20) 2.33‬‬

‫إذن الحد األدنى لفترة الثقة‪:‬‬

‫‪S12 ⁄S22‬‬ ‫‪64⁄36‬‬

‫=‬ ‫‪= 0.74‬‬
‫) ‪F(α⁄2) (v1 , v2‬‬ ‫‪2.41‬‬

‫والحد األعلى لفترة الثقة‪:‬‬

‫‪S12 ⁄S22‬‬ ‫‪64⁄36‬‬

‫=‬ ‫‪= 4.13‬‬
‫) ‪F(1−α⁄2) (v1 , v2‬‬ ‫‪0.43‬‬

‫إذن فترة الثقة لنسبة تباين مجتمع أطوال الطالبات إلى تباين مجتمع أطوال الطلبة ‪ (σ12 ⁄σ22‬في جامعة‬
‫سطيف‪ 1‬عند مستوى ثقة ‪ %95‬هي‪) 0.74 ، 4.13( :‬‬

‫أي نثق بمقدار ‪ %95‬بأن النسبة بين تباين أطوال كل الطلبة وتباين أطوال كل الطالبات في هذه الجامعة‬
‫يقع بين ‪ 0.73‬و ‪. 4.13‬‬

‫وبأخذ الجذر التربيعي للحدين نحصل على حدي فترة الثقة عند مستوى ثقة ‪ %95‬للنسبة بين االنحراف‬
‫المعياري ألطوال كل الطلبة‪ ،‬واالنحراف المعياري ألطوال كل الطالبات ‪ σ1 ⁄σ2‬وهي‪0.86 ،2.03 :‬‬

‫أي نثق بمقدار ‪ %95‬بأن النسبة بين االنحراف المعياري ألطوال كل الطلبة واالنحراف المعياري ألطوال‬
‫كل الطالبات في هذه الجامعة يقع بين ‪ 0.86‬و ‪.2.03‬‬

‫‪ .7.2‬خطأ المعاينة في التقدير وحجم العينة الالزم لعدم تجاوز خطأ معين‪:‬‬

‫إن تقدير أي معلمة من معالم المجتمع (‪ )∂2 ، P، μ‬بواسطة (‪ (S 2 , f, X‬يترتب عليه خطأ يدعى خطأ‬
‫المعاينة وسببه إجراء الدراسة اإلحصائية على عينة بدال من أن تكون شاملة‪ .‬ورياضيا يمثل خطأ المعاينة‬
‫القيمة المطلقة للفرق بين قيمة المقدر والقيمة الحقيقية للمعلمة أي‪|θ − θ̂| :‬‬

‫‪ .1.7.2‬حالة المتوسط الحسابي للمجتمع 𝛍‬

‫نعلم أنه عند مستوى ثقة )‪ % (1 − α‬فإن مجال الثقة للمتوسط الحسابي في حالة ما إذا كان تباين‬
‫المجتمع معلوم هو‪:‬‬

‫‪85‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬
‫∂‬ ‫∂‬
‫‪IC(μ)(1−∝)% = (X − Z1−∝ .‬‬ ‫‪, X + Z1−∝ .‬‬ ‫)‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬

‫أي أن‪:‬‬

‫∂‬ ‫∂‬
‫‪X − Z1−∝ .‬‬ ‫‪≤ μ ≤ X + Z1−∝ .‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬

‫ومنه‪:‬‬

‫∂‬ ‫∂‬
‫‪−Z1−∝ .‬‬ ‫‪≤ μ − X ≤ +Z1−∝ .‬‬
‫‪2‬‬ ‫‪√n‬‬ ‫‪2‬‬ ‫‪√n‬‬

‫وبذلك يكون‪:‬‬

‫∂‬
‫‪|X − μ| ≤ +Z1−∝ .‬‬
‫‪2‬‬ ‫‪√n‬‬

‫أي أن خطأ المعاينة في تقدير ‪ μ‬باستخدام ‪ X‬هو على األكثر المقدار‪:‬‬

‫∂‬
‫‪ Z1−∝ .‬ونسمي هذا المقدار بالحد األعلى لخطأ المعاينة في تقدير‪ μ‬ونرمز له ب ‪ E‬حيث‪:‬‬
‫‪2‬‬ ‫‪√n‬‬

‫∂‬
‫‪E = Z1−∝ .‬‬
‫‪2‬‬ ‫‪√n‬‬

‫وانطالقا من صيغة ‪ E‬يمكن حساب حجم العينة ‪ n‬حيث نقوم بتربيع الطرفين فنجد ‪:‬‬

‫‪2‬‬
‫‪∂2‬‬ ‫‪2‬‬
‫‪E = (Z1−∝ ) .‬‬
‫‪2‬‬ ‫‪n‬‬

‫ومنه ‪:‬‬

‫‪∂2‬‬ ‫‪2‬‬
‫‪n = (Z1−∝ ) . 2‬‬
‫‪2‬‬ ‫‪E‬‬

‫وهو حجم العينة المطلوب‪.‬‬

‫مالحظة‪ :1‬هناك عالقة عكسية بين ‪ n‬و ‪ E‬حيث كلما زاد حجم العينة كلما كان خطأ المعاينة ضعيف‬
‫وكانت الدراسة اإلحصائية أكثر دقة‪.‬‬

‫‪86‬‬
 ‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫مالحظة‪ :2‬يتأثر تحديد حجم العينة بعدة عوامل منها‪ :‬حجم المجتمع المراد دراسته‪ ،‬مستوى الثقة‪ ،‬االنحراف‬
‫المعياري‪.‬‬

‫مالحظة‪ :3‬إن تحديد حجم العينة مسبقا في المعاينة اإلحصائية يترتب عليه توفير الوقت الالزم والتحكم في‬
‫التكاليف والحصول على نتائج جيدة وفي وقت قصير‪.‬‬

‫‪ .2.7.2‬حالة النسبة ‪ P‬للمجتمع‪:‬‬

‫عند تقدير نسبة المجتمع ‪ P‬بواسطة ‪ f‬فإن الحد األعلى لخطأ المعاينة في تقدير ‪ P‬عند مستوى ثقة‬
‫)‪ % (1 − α‬هو‪:‬‬

‫)‪f(1 − f‬‬
‫√ ‪E = Z1−∝ .‬‬
‫‪2‬‬ ‫‪n‬‬

‫أما حجم العينة الالزم فهو‪:‬‬

‫)‪f(1 − f‬‬
‫‪n = (Z1−∝ )2 .‬‬
‫‪2‬‬ ‫‪E2‬‬

‫مثال‪ :‬في مصنع إلنتاج السميد ومشتقاته تقوم آلة بمأل أكياس الفرينة ذات الوزن ‪1‬كغ بغرض معرفة فيما‬
‫ونقدر متوسط‬
‫إذا كانت هذه اآللة تقوم بعملية المأل بكيفية جيدة نقوم بسحب عينة عشوائية ذات حجم معين ّ‬
‫وزن األكياس التي تمألها اآللة انطالقا من هذه العينة بافتراض أن وزن األكياس عبارة عن متغير عشوائي‬
‫يتبع التوزيع الطبيعي بانحراف معياري يساوي ‪15‬غ‪ .‬فما هو حجم العينة التي يجب أخذها حتى نكون‬
‫واثقين بنسبة ‪ %95‬أن الخطأ في تقدير متوسط وزن األكياس التي تمألها هذه اآللة لن يزيد عن ‪5‬غ‪.‬‬
‫الحل‪:‬‬

‫) ‪x~N(μ, σ2‬‬

‫‪σ2 = 15 , 1 − α = 0.95 , E = 5‬‬

‫‪∂2‬‬
‫‪E 2 = (Z1−∝ )2 .‬‬
‫‪2‬‬ ‫‪n‬‬
‫‪∂2‬‬ ‫‪2‬‬
‫‪n = (Z1−∝ ) . 2‬‬
‫‪2‬‬ ‫‪E‬‬
‫‪Z1−∝ = Z0.975 = 1.96‬‬
‫‪2‬‬
‫‪87‬‬
‫تقدير معالم المجتمع‬ ‫الفصل الثالث‬

‫‪2‬‬
‫‪152‬‬
‫‪n = (1.96) . 2 = 34.57 = 35‬‬
‫‪5‬‬

‫‪88‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫إن الغرض من اختبارات الفروض‪ ،‬هو وصول الباحث إلى قرار بخصوص فرض معين حول معلمة‬
‫المجتمع‪ ،‬وما يجب أن يوصى به مع إحتمال الوقوع في خطأ يحدده هذا الباحث‪ .‬ويمكن إجراء ذلك من‬
‫خالل معرفة توزيع معاينة المقدر ‪ Estimator‬الخاص بمعلمة المجتمع‪ ،‬ومن خالل هذا التوزيع يمكن‬
‫تحديد مناطق رفض وقبول فرض العدم ( وهو ما يود الباحث أن يثبت ضده ) أسفل منحى التوزيع‪.‬‬

‫‪ .1‬مفاهيم أساسية‪:‬‬

‫‪ 1.1‬الفرضية اإلحصائية‪ :‬عبارة عن تخمين معين حول خصائص مجتمع ما مثل قيمة معلمة معينة و‬
‫أحيانا حول أكثر من مجتمع مثل تساوي متوسط مجتمعين‪ ،‬قد يكون هذا التخمين صحيحا أو خاطئا‪.‬‬

‫‪ 2.1‬إختبار الفرضية‪ :‬عبارة عن أسلوب إحصائي هدفه وضع قاعدة قرار نتمكن على ضوئها من اإلختيار‬
‫بين فرضيتين إحصائيتين إعتمادا على بيانات العينة‪.‬‬

‫‪ 3.1‬أنواع الفروض اإلحصائية‪ :‬تنقسم الفروض إلى قسمين هما‪:‬‬

‫‪ 1.3.1‬الفرض البديل ( البحثي)‪𝐇𝐚 :‬أو 𝟏𝐇 ‪ :Alternative Hypotheses‬وهو ما يود الباحث أن‬

‫يثبت صحته‪ ،‬ويوصي به في كثير من األحوال‪.‬‬

‫‪ 2.3.1‬الفرض العدم‪ : Null Hypotheses Ho :‬وهو ما يود الباحث أن يثبت ضده وهناك ثالث‬
‫اتجاهات لصياغة الفروض البديلة وهي‪:‬‬

‫الفرض العدم‪𝐇𝟎 :‬‬ ‫الفرض البديل ( البحثي)‪𝐇𝐚 :‬‬

‫‪H 0 : μ = μ0‬‬ ‫‪Ha : μ ≠ μ 0‬‬

‫‪H 0 : μ ≤ μ0‬‬ ‫‪Ha : μ > μ 0‬‬

‫‪H 0 : μ ≥ μ0‬‬ ‫‪Ha : μ < μ 0‬‬

‫حيث أن ‪ μ0‬هو قيمة متوسط المجتمع تحت صحة الفرض العدم‬

‫ويالحظ أن الفرض العدم مصاحب دائما بعالمة =‪ ،‬لذا يمكن كتابة الفرض العدم على الصورة‪:‬‬

‫‪H0 : μ = μ0‬‬

‫‪90‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪ 4.1‬مستوى المعنوية أو مستوى اإلحتمال‪:‬‬
‫وهي درجة اإلحتمال الذي نرفض به فرضية العدم ‪ H0‬عندما تكون صحيحة أو هو إحتمال الوقوع في‬
‫الخطأ من النوع األول ويرمز له بالرمز ∝ ‪ ،‬وهي يحددها الباحث لنفسه منذ البداية ومعظم العلوم التطبيقية‬
‫نختار ∝ مساوية ‪ 1%‬أو ‪ 5%‬على األكثر‪.‬‬
‫‪ 5.1‬أخطاء إختبار الفرضيات‬
‫إن إتخاذ القرار ينطوي على نوعين من األخطاء في أي من إختبارات الفروض اإلحصائية وهذا يقودنا‬
‫إلى التعريف التالي‪:‬‬
‫‪ )1‬الخطأ من النوع األول‪ ( error of type I ) :‬في إختبار الفروض هو الخطا الذي يحدث عند‬
‫رفض فرضية العدم عندما تكون صحيحة‪ .‬و اإلحتمال الذي يحدث نتيجة الخطأ األول نرمز له‬
‫بالرمز ∝‪.‬‬
‫‪ )2‬الخطأ من النوع الثاني ‪ ( error of type II ):‬في إختبار الفروض هو الخطا الذي يحدث عند‬
‫قبول (عدم رفض) فرضية العدم عندما تكون خاطئة‪ .‬و اإلحتمال الذي يحدث نتيجة الخطأ الثاني‬
‫نرمز له بالرمز ‪.β‬‬
‫والجدول التالي يوضح هذين النوعين من األخطاء‪:‬‬
‫الجدول رقم ‪ :02‬أنواع أخطاء اإلختبارات‬
‫قبول ( 𝟎𝐇)‬ ‫رفض( 𝟎𝐇)‬ ‫القرار اإلحصائي‬

‫الحالة الحقيقية‬

‫قرار صحيح‬ ‫قرار خاطئ‬ ‫صحيحة ( 𝟎𝐇)‬

‫(الخطأ من النوع األول)‬

‫قرار خاطئ‬ ‫قرار صحيح‬ ‫خاطئة ( 𝟎𝐇)‬

‫(الخطأ من النوع الثاني)‬

‫‪ 6.1‬أنواع الفرضيات‬

‫‪ 1.6.1‬إختبار ذو جانبين (الطرفين)‪ :‬في هذا النوع من اإلختبار نأخذ قيمة واحدة بالنسبة للفرضية المبدئية‪،‬‬
‫على عكس الفرضية البديلة التي تأخذ جميع القيم التي تختلف على هذه القيمة سواء بزيادة أو نقصان‪،‬‬
‫‪91‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫فعلى سبيل المثال إذا كان إختبارنا يتعلق بمتوسط المجتمع ‪ μ‬فإننا نقول أن اإلختبار ذو جانبين إذا كان‬
‫إهتمامنا منصبا على تغيرات ‪ μ‬في كال اإلتجاهين (> ‪ )< ،‬من قيمة معينة ‪ μ0‬ونصيغ المسألة الكيفية‬
‫التالية‪:‬‬

‫‪H0 : μ = μ0‬‬

‫‪H1 : μ ≠ μ0‬‬

‫وتكون منطقة الرفض موزعة بالتساوي على حدي التوزيع والشكل التالي يوضح ذلك‪:‬‬

‫)𝑥(𝑓‬

‫‪𝑅𝐻0‬‬ ‫‪𝑅𝐻0‬‬ ‫‪𝑅𝐻0‬‬

‫𝛼‬ ‫‪0‬‬ ‫𝛼‬

‫𝑍‪−‬‬ ‫) ‪+𝑍(1 +‬‬ ‫‪X‬‬
‫‪2‬‬ ‫‪2‬‬

‫‪ RH‬منطقة عدم الرفض لـ‪H0 :‬‬

‫حيث تمثل ‪̅̅̅̅̅0‬‬

‫‪ RH0‬تمثل الرفض لـ ‪H0 :‬‬

‫‪ 2.6.1‬إختبار الطرف األيسر‪ :‬إذا كان إهتمامنا منصبا على تغيرات ‪ μ‬مثال في إتجاه واحد من قيمة‬
‫معينة ‪ μ0‬وكان إهتمامنا بالتغير من جهة اليسرى فإن المسألة تكون على النحو التالي‪:‬‬

‫‪H0 : μ ≥ μ0‬‬

‫‪H1 : μ < μ0‬‬

‫حيث‪ :‬بيانيا تكون الصورة التالية‪:‬‬

‫‪92‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬

‫)𝑥(𝑓‬

‫منطقة‬ ‫‪𝑅𝐻0‬‬
‫‪𝑅𝐻0‬‬
‫الرفض‬

‫𝛼‪−𝑍1−‬‬ ‫‪0‬‬
‫‪x‬‬

‫‪ 3.6.1‬إختبار الطرف األيمن‪:‬‬

‫إذا كان إهتمامنا منصبا على تغيرات ‪ μ‬مثال في إتجاه واحد من قيمة معينة ‪ μ0‬وكان إهتمامنا بالتغير‬
‫من جهة اليمنى فإن المسألة تكون على النحو التالي‪:‬‬

‫‪H0 : μ ≤ μ0‬‬

‫‪H1 : μ > μ0‬‬

‫وبيانيا يمثل هذا النوع على الشكل التالي‪:‬‬

‫)𝑥(𝑓‬

‫‪𝑅𝐻0‬‬ ‫‪𝑅𝐻0‬‬ ‫منطقة‬

‫الرفض‬

‫‪0‬‬ ‫𝛼‬
‫) ‪+𝑍(1 +‬‬
‫‪2‬‬

‫إختبار الفرضيات‬ ‫‪ 7.1‬الخطوات المتبعة في‬

‫فيما يلي أهم الخطوات المتبعة في إختبار الفرضيات اإلحصائية‪ ،‬نوجزها بما يأتي‪:‬‬

‫• تحديد الفرضية العدمية ( ‪ ) H0‬و الفرضية البديلة ( ‪ ،) H1‬مع مراعات تحديد نوع الفرضية ( ‪)H1‬‬
‫كأن تكون من جانب واحد أو جانبين؛‬

‫• تحديد مستوى المعنوية )‪ ، (α‬كأن يكون (‪ 0.05‬أو ‪)0.01‬؛‬

‫‪93‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫• تقدير المؤشر اإلحصائي المطلوب إختباره؛‬

‫• حساب قيمة إحصاءة اإلختبار ولتكن)‪(v‬؛‬

‫• تحديد القيمة الحرجة ( ‪ )vα‬أو ( ‪ ،) vα⁄2‬إعتمادا على مستوى المعنوية ( ‪ ،)α‬ونوع الفرضية البديلة‬
‫( ‪ ،) H1‬ودرجات الحرية (‪ )df.‬في حالة توزيعات المعانية؛‬

‫• إتخاذ القرار بشأن رفض أو قبول الفرضية العدمية ( ‪ ،) H0‬بعد مقارنة قيمة إحصاءة اإلختبار‬
‫المحسوبة ( ‪،)v‬مع القيم الحرجة ( ‪ )vα‬أو ( ‪ ) vα⁄2‬حسب نوع الفرضية البديلة ( ‪ ،) H1‬ومستوى‬
‫المعنوية (‪ ،)α‬فإذا كانت‪:‬‬

‫أ‪ -‬قيمة إحصاءة اإلختبار المحسوبة (‪ )v‬تقع في منطقة رفض الفرضية العدمية ( ‪ ، ) H0‬فإن‬
‫ذلك يدل ذلك على رفض الفرضية العدمية ( ‪ ، ) H0‬وقبول الفرضية البديلة( ‪) H1‬؛‬

‫ب‪ -‬أما إذا وقعت قيمة إحصاءة اإلختبار المحسوبة (‪،)v‬في منطقة قبول الفرضية العدمية( ‪،)H0‬‬
‫فإن ذلك يدل على قبول الفرضية العدمية ( ‪ ،)H0‬ورفض الفرضية البديلة ( ‪.) H1‬‬

‫• اإلستنتاج‪ :‬في هذه الفقرة يقوم الباحث بتثبيت إستنتاجاته حول معلمات المجتمع التي تم إختبارها‬
‫في ضوء معطيات العينة التي اختيرت من مجتمع الدراسة‪.‬‬

‫‪.2‬إختبارات المتوسط الحسابي للمجتمع ‪:‬‬

‫‪ 1.2‬اختبار الطرفين أو ذو جانبين‪ :‬نفرض أننا نريد أن نختبر فرضية أن قيمة متوسط المجتمع هي قيمة‬
‫معينة ‪ ، μ0‬أي ‪:‬‬

‫‪H0 : μ = μ0‬‬

‫‪H1 : μ ≠ μ0‬‬

‫‪ 1.1.2‬في حالة 𝟎𝟑 ≥ 𝐧‪:‬‬

‫لنفرض أنه تم سحب عينة حجمها 𝟎𝟑 ≥ 𝐧 من مجتمع يتوزع بمتوسط ‪ μ‬ونريد إختبار الفرضية السابقة‪.‬‬

‫نعلم مما سبق أن أفضل مقدر لمتوسط المجتمع هو متوسط العينة‪ X‬و نعلم أن ‪:‬‬

‫‪94‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪X − μ0‬‬
‫=‪Z‬‬ ‫)‪→ N(0.1‬‬
‫)‪√V(X‬‬

‫عند مستوى داللة ‪ α‬فإن قرار رفض أو عدم رفض الفرضية المبدئية ‪ H0‬كما هو موضح في الشكل يكون‬
‫وفقا لقاعدة إتخاذ القرار التالية‪:‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪∈ [−Z1−α ; +Z1−α ] → RH0‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪√V(X‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪∉ [−Z1−α ; +Z1−α ] → RH0‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪√V(X‬‬
‫{‬

‫‪2‬‬
‫إذا كان تباين المجتمع معلوم ∂√ = )‪√V(X‬‬
‫‪n‬‬
‫‪2‬‬
‫‪√ S‬‬
‫= )‪√V(X‬‬ ‫إذا كان تباين المجتمع مجهول ‪n − 1‬‬
‫̂‪s‬‬
‫‪{ √n‬‬ ‫}‬
‫‪1 n‬‬
‫‪s = ∑ (xi − x)2‬‬
‫‪2‬‬
‫‪n i=1‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪n‬‬
‫= ̂‪s‬‬ ‫‪∑ (x − x)2‬‬
‫{‬ ‫‪n − 1 i=1 i‬‬

‫)𝑥(𝑓‬

‫‪𝑅𝐻0‬‬ ‫‪𝑅𝐻0‬‬ ‫‪𝑅𝐻0‬‬

‫𝛼‬ ‫‪0‬‬ ‫𝛼‬

‫‪−𝑍1 −‬‬ ‫‪+𝑍1 +‬‬ ‫‪X‬‬
‫‪2‬‬ ‫‪2‬‬

‫الرفض لـ ‪.H0‬‬ ‫تمثل منطقة عدم‬ ‫‪RH0‬‬

‫‪RH0‬تمثل منطقة الرفض لـ ‪.H0‬‬

‫‪95‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫مثال‪ :‬الفترة المعيشية لجهاز كهربائي هي ‪ 1750‬ساعة مع إنحراف معياري قدره ‪ 120‬ساعة‪ .‬وقد تم‬
‫الحصول على هذه النتائج عن طريق عينة عشوائية حجمها ‪ 101‬جهاز إذا كان ‪ µ‬يمثل الفترة الوسطية‬
‫المعيشية لألجهزة المنتجة في المؤسسة‪.‬‬

‫اختبر الفرضية التالية عند ‪α = 5%‬‬

‫‪H0 : μ = 1600‬‬

‫‪H1 : μ ≠ 1600‬‬

‫الحل‪ :‬لدينا مجتمع غير محدود ولدينا ‪n=101 :‬‬

‫نعلم أنه في حالة عينة كبيرة فإن قاعدة إتخاذ القرار تكون على النحو التالي ‪:‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪∈ [−Z1−α ; +Z1−α ] → RH0‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪√V(X‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪∉ [−Z1−α ; +Z1−α ] → RH0‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪√V(X‬‬
‫{‬

‫‪μ0 = 1600‬‬

‫‪x = 1750‬‬

‫من جدول التوزيع الطبيعي نجد‪z1−α = z0.975 = 1.96 :‬‬

‫‪2‬‬

‫‪s‬‬ ‫‪120‬‬
‫= )‪√V(X‬‬ ‫=‬ ‫‪= 12‬‬
‫‪√n − 1‬‬ ‫‪√101 − 1‬‬
‫‪1750 − 1600‬‬
‫=‪Z‬‬ ‫‪= 12.5‬‬
‫‪12‬‬

‫]‪[−z1− α ; +z1− α ] = [−1.96; 1.96‬‬

‫‪2‬‬ ‫‪2‬‬

‫]‪12.5 ∉ [−1.96; 1.96‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪∉ [−Z1−∝ ; +Z1−∝ ] → RH0‬‬
‫‪2‬‬ ‫‪2‬‬
‫)‪√V(X‬‬

‫‪96‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫أي رفض ‪ H0‬عند مستوى المعنوية ‪ α = 5%‬أي أننا ال نقبل أن الفترة الوسطية المعيشية لألجهزة‬
‫الكهربائية هي ‪ 1600‬سا‪.‬‬

‫‪ 2.1.2‬في حالة ‪:𝐧 < 30‬‬

‫لنفرض أننا سحبنا عينة عشوائية حجمها ‪ 𝐧 < 30‬من مجتمع غير محدود يتوزع توزيع طبيعي بمتوسط‬
‫𝛍 وتبين 𝟐𝛛 مجهولين‪.‬‬

‫نعلم أن‪:‬‬

‫‪X − μ0‬‬ ‫‪X − μ0‬‬

‫=‪T‬‬ ‫=‬ ‫‪→ t n−1‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪n−1‬‬ ‫‪√n‬‬

‫عند مستوى داللة‪ α‬فإن قرار رفض أو عدم رفض الفرضية المبدئية ‪ H0‬يكون وفقا لقاعدة إتخاذ القرار‬
‫التالية ‪:‬‬

‫‪X − μ0‬‬ ‫‪X − μ0‬‬

‫=‪T‬‬ ‫=‬ ‫‪∈ [−t n−1;1−∝ ; +t n−1;1−∝ ] → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪n−1‬‬ ‫‪√n‬‬
‫‪X − μ0‬‬ ‫‪X − μ0‬‬
‫=‪T‬‬ ‫=‬ ‫‪∉ [−t n−1;1−∝ + t n−1;1−∝ ] → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪2‬‬ ‫‪2‬‬
‫{‬ ‫‪n−1‬‬ ‫√‬ ‫‪n‬‬

‫مثال‪ :‬قمنا بسحب عينة حجمها ‪ n = 17‬من مجتمع غير محدود يتوزع توزيع طبيعي بمتوسط وتباين‬
‫مجهولين فوجدنا أن ‪, s = 2X = 11‬‬

‫عند مستوى المعنوية ‪ α = 5%‬إختبر صحة الفرضية التالية‪:‬‬

‫‪H0 : μ = 10‬‬

‫‪H1 : μ ≠ 10‬‬

‫الحل‪ :‬لدينا مجتمع غير محدود ولدينا‪:‬‬

‫𝟐 = 𝐬 ‪𝛂 = 𝟓% ، n = 17 ، 𝐗 = 𝟏𝟏 ،‬‬

‫نعلم أنه في حالة عينة صغيرة فإن قاعدة إتخاذ القرار تكون كما يلي‪:‬‬
‫‪97‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪X − μ0‬‬ ‫‪X − μ0‬‬
‫=‪T‬‬ ‫=‬ ‫‪∈ [−t n−1;1−∝ ; +t n−1;1−∝ ] → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪n−1‬‬ ‫‪√n‬‬
‫‪X − μ0‬‬ ‫‪X − μ0‬‬
‫=‪T‬‬ ‫=‬ ‫‪∉ [−t n−1;1−∝ + t n−1;1−∝ ] → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪2‬‬ ‫‪2‬‬
‫{‬ ‫‪n−1‬‬ ‫‪√n‬‬
‫‪s‬‬ ‫‪s‬‬
‫∝‪μ0 ∈ [X − t n−1;1−‬‬ ‫∝‪; X + t n−1;1−‬‬ ‫‪] → RH0‬‬
‫‪2‬‬ ‫‪√n − 1‬‬ ‫‪2‬‬ ‫‪√n − 1‬‬

‫من جدول توزيع ستيودنت نجد ‪:‬‬

‫‪t n−1;1−∝ = t16;0.975 = 2.12‬‬

‫‪2‬‬

‫‪s‬‬ ‫‪2‬‬
‫=‬ ‫‪= 0.5‬‬
‫‪√n − 1‬‬ ‫‪√17 − 1‬‬

‫‪X − μ0‬‬ ‫‪11 − 10‬‬

‫=‪T‬‬ ‫=‬ ‫‪=2‬‬
‫‪2‬‬ ‫‪0.5‬‬
‫‪√ s‬‬
‫‪n−1‬‬

‫]‪[−t n−1;1−∝ ; t n−1;1−∝ ] = [−2.12 ; +2.12‬‬

‫‪2‬‬ ‫‪2‬‬

‫بما أن ]‪ 2 ∈ [−2.12 ; +2.12‬فإننا النرفض ‪H0‬‬

‫أي نعتبر أن متوسط المجتمع يساوي ‪.10‬‬

‫‪ 2.2‬اختبار ذو طرف أيسر‪:‬‬

‫لنفرض أنه تم سحب عينة حجمها ‪ n ≥ 30‬من مجتمع يتوزع بمتوسط ‪ μ‬ونريد إختبار الفرضية ‪:‬‬

‫‪H0 : μ ≥ μ0‬‬

‫‪H1 : μ < μ0‬‬

‫إذا كان اإلختبار ذو طرف أيسر فإن منطقتي الرفض والقبول تكونان كما هو موضح في الشكل‪:‬‬

‫‪98‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬

‫)𝑥(𝑓‬

‫منطقة‬ ‫‪𝑅𝐻0‬‬
‫‪𝑅𝐻0‬‬
‫الرفض‬

‫𝛼‪−𝑍1−‬‬ ‫‪0‬‬

‫المبدئية ‪ H0 :‬يكون وفقا لقاعدة‬ ‫عند مستوى داللة ‪ α‬فإن قرار رفض أو عدم رفض الفرضية‬
‫اتخاذ القرار التالية ‪:‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪≥ −Z1−α → RH0‬‬
‫)‪√V(X‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪< −Z1−α → RH0‬‬
‫)‪√V(X‬‬

‫مالحظة‪ :‬إذا كانت‪ n < 30‬فإن قاعدة إتخاذ القرار تكون كما يلي ‪:‬‬

‫‪X − μ0‬‬ ‫‪X − μ0‬‬

‫=‪T‬‬ ‫=‬ ‫‪≥ −t n−1;1−∝ → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪n−1‬‬ ‫‪√n‬‬

‫𝟎𝛍 ‪𝐗 −‬‬ ‫𝟎𝛍 ‪𝐗 −‬‬

‫=𝐓‬ ‫=‬ ‫‪< −𝐭 𝐧−𝟏;𝟏−∝ → RH0‬‬
‫𝟐‬ ‫̂𝐬‬
‫𝐬 √‬
‫𝟏‪𝐧−‬‬ ‫𝐧√‬

‫‪ 3.2‬إختبار ذو طرف أيمن ‪:‬‬

‫لنفرض أنه تم سحب عينة حجمها ‪ n ≥ 30‬من مجتمع يتوزع بمتوسط ‪ μ‬ونريد إختبار الفرضية ‪:‬‬

‫‪H0 : μ ≤ μ0‬‬

‫‪H1 : μ > μ0‬‬

‫إذا كان اإلختبار ذو طرف أيمن فإن منطقتي الرفض والقبول تكونان كما هو موضح في الشكل ‪:‬‬

‫‪99‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬

‫)𝑥(𝑓‬

‫‪𝑅𝐻0‬‬
‫‪𝑅𝐻0‬‬ ‫منطقة‬
‫الرفض‬

‫‪0‬‬ ‫𝛼‪+𝑍1−‬‬ ‫‪x‬‬

‫عند مستوى داللة ‪ α‬فإن قرار رفض أو عدم رفض الفرضية المبدئية ‪ H0 :‬يكون وفقا لقاعدة اتخاذ القرار‬
‫التالية ‪:‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪≤ +Z1−α → RH0‬‬
‫)‪√V(X‬‬

‫‪X − μ0‬‬
‫=‪Z‬‬ ‫‪> +Z1−α → RH0‬‬
‫)‪√V(X‬‬

‫مالحظة‪:‬‬

‫إذا كانت‪ n < 30‬فإن قاعدة إتخاذ القرار تكون كما يلي ‪:‬‬

‫‪X − μ0‬‬ ‫‪X − μ0‬‬

‫=‪T‬‬ ‫=‬ ‫‪≤ +t n−1;1−∝ → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫‪n−1‬‬ ‫‪√n‬‬
‫‪X − μ0‬‬ ‫‪X − μ0‬‬
‫=‪T‬‬ ‫=‬ ‫‪> +t n−1;1−∝ → RH0‬‬
‫‪2‬‬ ‫̂‪s‬‬
‫‪√ s‬‬
‫{‬ ‫‪n−1‬‬ ‫‪√n‬‬

‫‪ 4.2‬إختبار الفرق بين وسطي مجتمعين‪(μ1 − μ2 ) :‬‬

‫بفرض أنه لدينا ‪ n2‬و ‪ n1‬عينتان مأخوذتان من مجتمعين مستقلين و يخضعان لتوزيع الطبيعي حيث‬
‫وسط تباين المجتمع األول هما على التوالي ‪ μ1‬و ‪ σ12‬معلوم و المجتمع الثاني وسطه وسطه ‪ μ2‬وتباينه‬

‫‪100‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪ σ22‬أيضا معروف‪ ،‬و نرغب إجراء اإلختبار للفرق بين ‪ μ1 − μ2‬إلجراء ذلك نضع المسألة على النحو‬
‫التالي‪:‬‬

‫‪H1 : μ1 ≠ μ2 ⇔ H0 : μ1 = μ2‬‬
‫‪:‬أي‬
‫‪H1 : μ1 − μ2 ≠ 0 ⇔ H0 : μ1 − μ2 = 0‬‬
‫‪σ21‬‬
‫نعلم أن توزيع الفرق بين وسطي العينات ‪x1 − x2‬يتبع التوزيع الطبيعي بمتوسط ‪μ1 − μ2‬و تباين ‪+‬‬
‫‪n1‬‬
‫‪σ22‬‬
‫‪ ،‬ويكون عندئذ معادلة أتخاذ القرار على النحو التالي‪:‬‬
‫‪n2‬‬

‫) ‪(x1 − x2 ) − (μ1 − μ2‬‬

‫=‪L‬‬ ‫)‪= N(0.1‬‬
‫‪σ2 σ2‬‬
‫‪√ 1+ 2‬‬
‫‪n1 n2‬‬

‫عند مستوى داللة معينة أي ‪ α‬معطاة نتبنى قاعدة القرار التالية‪:‬‬

‫‪σ12 σ22‬‬
‫‪|x1 − x2 | ≤ zσ √ +‬‬ ‫‪⇨ RH0‬‬
‫‪2 n1‬‬ ‫‪n2‬‬

‫‪σ12 σ22‬‬
‫‪|x1 − x2 | > zσ √ +‬‬ ‫‪⇨ RH0‬‬
‫{‬ ‫‪2‬‬ ‫‪n‬‬‫‪1‬‬ ‫‪n‬‬‫‪2‬‬

‫مالحظة‪ :1‬في حالة ‪ σ12‬و ‪ σ22‬مجهولتين‪ ،‬فإن التباينين المحسوبين من العينتين ‪ s12‬و ‪ s22‬يعتب ار تقديرين‬
‫لتبايني المجتمعين‪ ،‬حيث تتغير قاعدة اتخاذ القرار و تصبح‪:‬‬

‫‪s12‬‬ ‫‪s22‬‬
‫√ ‪|x1 − x2 | ≤ zα‬‬ ‫‪+‬‬ ‫‪⇨ RH0‬‬
‫‪2 n1 − 1‬‬ ‫‪n2 − 2‬‬

‫‪s12‬‬ ‫‪s22‬‬
‫√ ‪|x1 − x2 | > zα‬‬ ‫‪+‬‬ ‫‪⇨ RH0‬‬
‫{‬ ‫‪2‬‬ ‫‪n‬‬‫‪1‬‬ ‫‪−‬‬ ‫‪1‬‬ ‫‪n‬‬‫‪2‬‬ ‫‪−‬‬ ‫‪2‬‬

‫مالحظة‪ :2‬هذا النوع من اإلختبار يخص حالة العينتين الكبيرتين أي ‪ n1 ≥ 30‬و ‪ ، n2 ≥ 30‬أما إذا‬
‫كان ‪ n1‬و ‪ n2‬أقل من ‪ 30‬وحدة و كان المجتمعين لهما نفس التباين أي ‪ σ22 = σ12‬ولكنهما مجهولين‪،‬‬
‫فإننا نعلم أن دالة اإلختيار هي‪:‬‬

‫‪101‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫) ‪(x1 − x2‬‬
‫=‪L‬‬ ‫‪= t n1+n2−2‬‬
‫‪n1 s12 + n2 s22 1‬‬ ‫‪1‬‬
‫√‬ ‫‪+‬‬
‫) ‪n1 + n2 − 2 n1 n2‬‬
‫(‬

‫فعند مستوى الداللة ‪ α‬لم نرفض ‪H0‬إذا كانت‪:‬‬

‫| ‪|x1 − x2‬‬
‫=‪L‬‬ ‫‪≤ tn‬‬ ‫∝‬
‫‪1 +n2 −2; 1− 2‬‬
‫‪n1 s12‬‬‫‪+‬‬ ‫‪n2 s22‬‬
‫‪1‬‬ ‫‪1‬‬
‫√‬ ‫‪+‬‬
‫) ‪n1 + n2 − 2 n1 n2‬‬
‫(‬

‫ونرفض ‪ H0‬إذا كان المقدار ‪ L‬أكبر من ∝‪t n1+n2 −2; 1−‬‬

‫‪2‬‬

‫وهناك كيفية ثانية لقاعدة إتخاذ القرار التي يمكن كتابتها على النحو التالي ‪:‬‬

‫‪n1 s12 + n2 s22 1‬‬ ‫‪1‬‬

‫‪|x1 − x2 | ≤ t n‬‬ ‫∝‬ ‫√‬ ‫(‬ ‫‪+‬‬ ‫‪) ⇨ RH0‬‬
‫‪1 +n2 −2; 1− 2‬‬ ‫‪n1 + n2 − 2 n1 n2‬‬

‫{‬ ‫‪ ⇨ RH0‬في حالة العكس‬

‫أما إذا كان إختيار ذو جانب واحد أي إذا كانت المسألة‪:‬‬

‫=‬
‫أو‪H1 : μ1 < μ2 ⇔ H0 : μ1 {≥} μ2 :‬‬

‫=‬
‫‪H1 : μ1 > μ2 ⇔ H0 : μ1 {≤} μ2‬‬

‫فعند مستوى الداللة ‪ α‬لم نرفض ‪ H0‬إذا كانت‪:‬‬

‫| ‪|x1 − x2‬‬
‫=‪L‬‬ ‫‪≤ t n1+n2 −2;1−α‬‬
‫‪n1 s12 + n2 s22 1‬‬ ‫‪1‬‬
‫√‬ ‫‪+‬‬
‫) ‪n1 + n2 − 2 n1 n2‬‬
‫(‬

‫و نرفض ‪ ، H0‬إذا كان ‪ L‬أكبر من ‪t n1+n2 −2;1−α‬‬

‫مثال‪ :‬لمعرفة مدى تأثير فعالية نوع من األسمدة على المردود الفالحي‪ ،‬اختيرت ‪ 24‬قطعة أرضية تحتوي‬
‫على نفس المساحة‪ ،‬تم إستعمل هذا النوع في نصف األراضي‪ ،‬فيما يخص األراضي التي سمدت كان‬

‫‪102‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫المردود الوسطي في حدود‪ 5.1‬طن مع إنحراف معياري قدره ‪ 0.36‬طن‪ .‬أما األراضي الباقية غير المسمدة‪،‬‬
‫كان المردود الوسطي ‪ 4.8‬طن مع إنحراف معياري ‪ 0.4‬طن ‪.‬‬

‫المطلوب‪ :‬إختبر صحة الفرضية ‪ H1 : μ1 < μ2 ⇔ H0 : μ1 ≥ μ2‬عند مستوى داللة ‪ α = 1%‬؟‬

‫الحل‪:‬‬

‫‪n1 = 12 ; x1 = 5.1 ; s1 = 0.36‬‬

‫‪n2 = 12 ; x2 = 48 ; s2 = 0.4; α = 0.01‬‬

‫قاعدة إتخاذ القرار تكون على النحو التالي ‪:‬‬

‫‪n1 s12 + n2 s22 1‬‬ ‫‪1‬‬

‫√ ‪|x1 − x2 | ≤ t n1+n2 −2;1−α‬‬ ‫‪( + ) ⇨ RH0‬‬
‫‪n1 + n2 − 2 n1 n2‬‬

‫{‬ ‫‪ ⇨ RH0‬في حالة العكس‬

‫‪|x1 − x2 | = |5.1 − 4.8| = 0.3‬‬

‫‪t n1+n2 −2;1−α = t 22;0.99 = 2.508‬‬

‫‪n1 s12 + n2 s22 1‬‬ ‫‪1‬‬ ‫‪12(0.36)2 + 12(0.4)2 1‬‬ ‫‪1‬‬

‫√‬ ‫=) ‪( +‬‬ ‫√‬ ‫‪( + ) = 0.162‬‬
‫‪n1 + n2 − 2 n1 n2‬‬ ‫‪22‬‬ ‫‪12 12‬‬

‫‪L = 2.508. (0.162) = 0.4062‬‬

‫‪|x1 − x2 | = 0.3 < 𝐿 = 0.40620‬‬ ‫بما أن‪:‬‬

‫القرار يكون بعدم رفض ‪ H0‬أي معناه أن إختالف المردود الفالحي ال يعود إلى مجرد الصدفة بل هنالك‬
‫تأثير فعلي لهذا النوع من األسمدة عل المردود الفالحي‪.‬‬

‫مثال ‪: 2‬تم إجراء إمتحان لمجموعة من الطلبة الذين ينتمون إلى فرعين مختلفين‪ ،‬حث يحتوي الفرع األول‬
‫على ‪ 40‬طالب‪ ،‬على عكس الفرع الثاني الذي فيه ‪ 50‬طالب‪ .‬كانت النتائج على النحو التالي ‪:‬‬

‫‪s2 = 7 ; x2 = 78 ; s1 = 8 ; x1 = 74‬‬

‫المطلوب‪ :‬هل هنالك فرق ملموس بين النتائج الوسطية لكال الفرعين عند مستوى الداللة ‪%5‬؟‬

‫‪103‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫الحل‪:‬‬

‫‪n1 = 40 ; x1 = 74 ; s1 = 8‬‬

‫‪n2 = 50 ; x2 = 78 ; s2 = 7; α = 5%‬‬

‫‪H1 : μ1 ≠ μ2 ⇔ H0 : μ1 = μ2‬‬

‫نتبع القاعدة التالية فيما يخص اتخاذ القرار‪:‬‬

‫‪s12‬‬ ‫‪s22‬‬
‫√ ‪|x1 − x2 | ≤ Zα‬‬ ‫‪+‬‬ ‫‪⇨ RH0‬‬
‫‪2 n1 − 1‬‬ ‫‪n2 − 1‬‬

‫{‬ ‫‪ ⇨ RH0‬في حالة العكس‬

‫‪|x1 − x2 | = |74 − 78| = 4‬‬

‫‪s12‬‬ ‫‪s22‬‬ ‫‪64 49‬‬

‫√ ‪L = Zα‬‬ ‫‪+‬‬ ‫‪= 1.96√ +‬‬ ‫‪= 3.19‬‬
‫‪2 n1 − 1‬‬ ‫‪n2 − 1‬‬ ‫‪39 49‬‬

‫بما أن‪|x1 − x2 | = 4 > 𝐿 = 3.19 :‬‬

‫القرار يكون رفض ‪H0‬أي معناه يوجد فرق ملموس بين النتائج الوسطية بين الفرعين‪.‬‬

‫‪.3‬إختبار نسبة𝐏‪:‬‬

‫إذا كان اإلختبار ذو الطرفين كما في الفرضية التالية ‪:‬‬

‫‪H0 : P = P0‬‬

‫‪H1 : P ≠ P0‬‬

‫فعند مستوى داللة ‪ α‬يكون قرار رفض أو عدم رفض الفرضية المبدئية ‪ H0‬وفقا لقاعدة إتخاذ القرار التالية‪:‬‬

‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪∈ [−Z1−∝ ; +Z1−∝ ] → RH0‬‬
‫)‪√V(f‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪∉ [−Z1−∝ ; +Z1−∝ ] → RH0‬‬
‫{‬ ‫)‪√V(f‬‬ ‫‪2‬‬ ‫‪2‬‬

‫مع العلم أن ‪:‬‬

‫‪104‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫) ‪P0 (1 − P0‬‬
‫= )‪V(f‬‬
‫‪n‬‬

‫مالحظة‪:1‬‬

‫إذا كان اإلختبار ذو الطرف أيسر فعند المستوى داللة معينة ‪ α‬يبنى القرار حسب قاعدة اتخاذ القرار التالية‪:‬‬

‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪≥ −Z1−α → RH0‬‬
‫)‪√V(f‬‬
‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪< −Z1−α → RH0‬‬
‫{‬ ‫)‪√V(f‬‬

‫مالحظة‪ :2‬إذا كان اإلختبار ذو الطرف أيمن فعند المستوى داللة معينة ‪ α‬يبنى القرار حسب قاعدة اتخاذ‬
‫القرار التالية‪:‬‬

‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪≤ +Z1−α → RH0‬‬
‫)‪√V(f‬‬
‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪> +Z1−α → RH0‬‬
‫{‬ ‫)‪√V(f‬‬

‫مثال‪ :‬أعلنت مؤسسة أن ‪ %95‬من منتجاتها صالحة لإلستعمال طبقا للمعايير المعلول بها عالميا‪ ،‬عند‬
‫دراسة لعينة حجمها ‪ 200‬إتضح أن ‪ 18‬منتوج غير مقبول‪.‬‬

‫المطلوب‪ :‬إختبر الفرضية التالية عند مستوى داللة ‪:%5‬‬

‫‪H0 : P = 0.06‬‬

‫‪H1 : P ≠ 0.06‬‬

‫الحل‪:‬‬

‫‪n = 200‬‬ ‫لدينا‪α = 0.05:‬‬

‫‪r‬‬ ‫‪18‬‬
‫= ‪r = 18 → f‬‬ ‫→‬ ‫‪→ f = 0.09‬‬
‫‪n‬‬ ‫‪200‬‬

‫قاعدة إتخاذ القرار هي‪:‬‬

‫‪105‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪∈ [−Z1−∝ ; +Z1−∝ ] → RH0‬‬
‫)‪√V(f‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪f − P0‬‬
‫=‪Z‬‬ ‫‪∉ [−Z1−∝ ; +Z1−∝ ] → RH0‬‬
‫{‬ ‫)‪√V(f‬‬ ‫‪2‬‬ ‫‪2‬‬

‫لدينا‪:‬‬

‫‪Z1−∝ = Z0.025 = Z0.975 = 1.96‬‬

‫‪2‬‬

‫) ‪P0 (1 − P0‬‬ ‫‪0.06 × 0.94‬‬

‫√‬ ‫√=‬ ‫‪= 0.017‬‬
‫‪n‬‬ ‫‪200‬‬

‫ومنه‪:‬‬

‫‪f − P0‬‬ ‫‪0.09 − 0.06‬‬

‫=‪Z‬‬ ‫=‬ ‫‪= 1.7647‬‬
‫)‪√V(f‬‬ ‫‪0.017‬‬

‫]‪[−Z1−∝ ; +Z1−∝ ] = [−1.96; +1.96‬‬

‫‪2‬‬ ‫‪2‬‬

‫و بما أن‬

‫]‪1.7647 ∈ [−1.96; +1.96‬‬

‫فإننا ال نرفض ‪ ،H0‬أي ‪ RH0‬عند مستوى المعنوي ‪ %5‬أي أننا نقبل أن نسبة المنتوج غير المقبول ‪.%6‬‬

‫‪.4‬إختبار الفرق بين نسبتين لمجتمعين ) ‪: (p1 − p2‬‬

‫نفرض أنه لدينا عينتان ‪ n2‬و ‪n1‬كبيرتان مستقلتان عن بعضها البعض‪ ،‬واذا كانت ‪p1‬تمثل النسبة في‬

‫المجتمع األول و ‪ p2‬النسبة في المجتمع الثاني و ‪ p̂2‬و ‪p̂1‬النسبتين في العينتين فإن الفرق بين ‪p̂1 − p̂2‬‬
‫‪P1 q1‬‬ ‫‪P2 q2‬‬
‫بحيث نكتب‪:‬‬ ‫‪+‬‬ ‫يخضع لتوزيع الطبيعي ذو الوسط ‪p1 − p2‬و تباين‬
‫‪n1‬‬ ‫‪n1‬‬

‫) ‪(p̂1 − p̂2 ) − (p1 − p2‬‬

‫)‪= N(0.1‬‬
‫‪Pq‬‬ ‫‪Pq‬‬
‫‪√ 1 1+ 2 2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫واذا أردنا عند مستوى الداللة ‪ α‬أن نختبر‪:‬‬

‫‪H1 : p1 ≠ p2 ⇔ H0 : p1 = p2‬‬
‫‪106‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫أو ‪H1 : p1 − p2 ≠ 0 ⇔ H0 : p1 − p2 = 0:‬‬

‫فإذا كانت‪:‬‬

‫‪P1 q1 P2 q2‬‬
‫√ ‪|p̂1 − p̂2 | ≤ Zα‬‬ ‫‪+‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫لم نرفض ‪ H0‬أي ‪ RH0‬أما إذا كانت‪:‬‬

‫‪P1 q1 P2 q2‬‬
‫√ ‪|p̂1 − p̂2 | > Zα‬‬ ‫‪+‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬

‫فالقرار يكون رفض ‪ H0‬أي ‪RH0 :‬‬

‫عند إختيار ذو جانب واحد للفرق بين نسبتين نكتب‪:‬‬

‫=‬
‫‪H1 : P1 > P2 ⇔ H0 : P1 {≤} P2‬‬
‫=‬
‫أو ‪H1 : P1 < P2 ⇔ H0 : P1 {≥} P2 :‬‬

‫فإننا ال نرفض ) ‪ H0 (RH0‬على مستوى الداللة إذا كانت‪:‬‬

‫‪P1 q1 P2 q2‬‬
‫√ ‪|p̂1 − p̂2 | ≤ Zα‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫و نرفض ‪ H0‬أي ) ‪ (RH0‬عند‬

‫‪P1 q1 P2 q2‬‬
‫√ ‪|p1 − p2 | > Zα‬‬ ‫‪+‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫مثال‪ :‬عند دراسة لمجموعتين تحتوي كل واحدة منهما على ‪ 1200‬فرد مصابين بمرض اإلسهال‪ .‬أعطي‬
‫نوع من الدواء للمجموعة األولى ونوع ثاني للمجموعة الثانية‪ ،‬وجد أن في المجموعة األولى قد شفي ‪196‬‬
‫مريضا‪ ،‬على عكس المجموعة الثانية شفي فيها ‪ 135‬مصابا‪.‬‬

‫‪107‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫المطلوب‪ :‬إختبر الفرضية أن نوع الدواء األول يساعد على الشفاء من اإلسهال بإستخدام مستوى الداللة‬
‫‪.%5‬‬

‫الحل‪:‬‬

‫‪n1 = n2 = 1200 ، r1 = 196 ،r2 = 135، α = 0.05‬‬

‫نختبر المسألة التالية‪:‬‬

‫‪H1 : P1 > P2 ⇔ H1 : P1 ≤ P2‬‬

‫‪r1‬‬ ‫‪196‬‬
‫= ‪p̂1‬‬ ‫=‬ ‫‪= 0.1633‬‬
‫‪n1 1200‬‬
‫‪r2‬‬ ‫‪135‬‬
‫= ‪p̂2‬‬ ‫=‬ ‫‪= 0.1125‬‬
‫‪n2 1200‬‬

‫‪|p̂1 − p̂2 | = |0.1633 − 0.1125| = 0.0508‬‬

‫‪p̂1 q̂1 p̂2 q̂2‬‬ ‫)‪(0.1633)(0.8367) (0.1125)(0.8875‬‬

‫√ ‪Zα‬‬ ‫‪+‬‬ ‫√‪= 1.645‬‬ ‫‪+‬‬ ‫‪= 0.023‬‬
‫‪n1‬‬ ‫‪n2‬‬ ‫‪1200‬‬ ‫‪1200‬‬

‫وبما أن‪|p̂1 − p̂2 | = 0.0508 > 0.023 :‬‬

‫القرار يكون برفض ‪ H0‬أي ‪ RH0‬ونقبل ‪ H1‬الذي ينص أن الدواء األول هو الذي يساعد أكثر في شفاء‬
‫المصابين باإلسهال‪.‬‬

‫مثال‪ :2‬عند سحب عينتان مستقلتان كل منهما تحتوي ‪ 400‬فردا‪ ،‬فوجد أن نسبة المدخنين في العينتين‬
‫‪ 0.7‬و ‪ 0.6‬على الترتيب‪.‬‬

‫المطلوب‪ :‬عند مستوى داللة ‪ %5‬إختبر‪:‬‬

‫أ‪H1 : P1 ≠ P2 ⇔ H0 : P1 = P2 :‬‬

‫ب‪H1 : P1 > P2 ⇔ H0 : P1 ≤ P2 :‬‬

‫الحل‪:‬‬

‫‪n1 = n2 = 400، p̂1 = 0.07، p̂2 = 0.6، α = 0.05‬‬

‫‪108‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫أ‪:𝐇𝟏 : 𝐏𝟏 ≠ 𝐏𝟐 ⇔ 𝐇𝟎 : 𝐏𝟏 = 𝐏𝟐 :‬‬

‫‪|p̂1 − p̂2 | = |0.7 − 0.6| = 0.1‬‬

‫‪p̂1 q̂1 p̂2 q̂2‬‬ ‫)‪(0.7)(0.3) (0.6)(0.4‬‬

‫√ ‪Zα‬‬ ‫‪+‬‬ ‫√‪= 1.96‬‬ ‫‪+‬‬ ‫‪= 1.96 × 0.034 = 0.0666‬‬
‫‪2‬‬ ‫‪n1‬‬ ‫‪n2‬‬ ‫‪400‬‬ ‫‪400‬‬

‫وبما أن‪|p̂1 − p̂2 | = 0.1 > 0.0666 :‬‬

‫نرفض ‪ H0‬ونقبل الفرضية البديلة أي معناه أنه يوجد إختالف ملموس بين المجموعتين‪.‬‬

‫ب‪H1 : P1 > P2 ⇔ H0 : P1 ≤ P2 :‬‬

‫إذا كانت ‪:‬‬

‫| ‪|p̂1 − p̂2‬‬
‫=‪L‬‬ ‫] ‪≤ [−Zα ; +Zα‬‬
‫̂‪p̂ q‬‬ ‫̂‪p̂ q‬‬
‫‪√ 1 1+ 2 2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫فإننا ال نرفض ‪ H0‬عند مستوى الداللة ‪ ،%5‬واذا كانت‪L‬أكبر من] ‪ [−Zα ; +Zα‬نرفض ‪.H0‬‬

‫|‪|0.7 − 0.6‬‬ ‫‪0.1‬‬

‫=‬ ‫‪= 2.941‬‬
‫‪0.034‬‬
‫)‪√(0.7)(0.3) + (0.6)(0.4‬‬
‫‪400‬‬ ‫‪400‬‬

‫بما أن‪:‬‬

‫]‪2.941 ∉ [−1.645,1.645‬‬

‫القرار يكون أيضا الرفض لـ‪ H0 :‬وقبول ‪ H1‬أي معناه نسبة المدخنين في المجتمع األول تفوق نسبة‬
‫المدخنين في المجتمع الثاني‪.‬‬

‫)𝑥(𝑓‬

‫‪1-α=0.95‬‬
‫‪𝑅𝐻0‬‬ ‫منطقة‬
‫الرفض‬
‫منطقة القبول‬

‫‪:‬‬
‫‪0‬‬ ‫‪1.645‬‬ ‫‪2.941‬‬ ‫المجتمع‬
‫‪x‬‬ ‫‪ .5‬إختبار لتباين‬

‫‪109‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫نعلم من الفصل السابق أن مجال الثقة للتباين المجتمع ‪ σ2‬يكتب على النحو التالي‪:‬‬

‫‪ns 2‬‬ ‫‪ns 2‬‬

‫[‬ ‫;‬ ‫‪]=1−α‬‬
‫‪X2‬‬ ‫‪α‬‬ ‫‪X2‬‬ ‫‪α‬‬
‫‪n−1;1− 2‬‬ ‫‪n−1; 2‬‬

‫وهذا يعني أن قيمة ‪ σ2‬تقع بين حدي هذا المجال الذي يساوي ‪ 1 − α‬لنختبر‬

‫‪H1 : σ2 ≠ σ20 ⇔ H0 : σ2 = σ20‬‬

‫بحيث ‪ σ20‬تمثل قيمة إفتراضية لتباين المجتمع ويتم اختبارها‪ .‬عند مستوى داللة معين أي ‪ α‬معطاة‪ ،‬قاعدة‬
‫اتخاذ القرار تكون حسب إحدى الكيفيتين المعروضتين على النحو التالي‪:‬‬

‫‪ns 2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪2‬‬
‫;‪∈ [Xn−1‬‬ ‫‪α; X‬‬ ‫‪α ] ⇔ RH0‬‬
‫‪{σ‬‬ ‫‪2‬‬
‫‪n−1;1−‬‬
‫‪2‬‬

‫‪ ⇔ RH0‬في حالة العكس‬

‫أما الكيفية الثانية و التي تعتمد على مجال الثقة تكتب‪:‬‬

‫‪ns 2‬‬ ‫‪ns 2‬‬

‫‪σ20‬‬ ‫[∈‬ ‫;‬ ‫‪] ⇔ RH0‬‬
‫‪X2‬‬ ‫‪α‬‬ ‫‪X2‬‬ ‫‪α‬‬
‫‪n−1;1− 2‬‬ ‫‪n−1; 2‬‬

‫مالحظة‪ :‬في حالة إختبار ذو جانب واحد بالنسبة للتباين المجتمع تصيغ المسألة على النحو التالي‪:‬‬

‫=‬
‫‪H1 : σ2 < σ20 ⇔ H0 : σ2 {≥} σ20‬‬
‫=‬
‫‪H1 : σ2 > σ20 ⇔ H0 : σ2 {≤} σ20‬‬

‫أما قاعدة إتخاذ القرار تكون‪:‬‬

‫‪ns 2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪2‬‬
‫‪∈ [Xn−1;α‬‬ ‫‪; Xn−1;1−α‬‬ ‫‪] ⇔ RH0‬‬
‫‪{σ‬‬
‫‪ ⇔ RH0‬في حالة العكس‬

‫أو الكيفية الثانية التي تعتمد على مجال الثقة‪:‬‬

‫‪110‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪ns 2‬‬ ‫‪ns 2‬‬
‫‪σ20‬‬ ‫[∈‬ ‫‪2‬‬ ‫‪; 2‬‬ ‫‪] ⇔ RH0‬‬
‫{‬ ‫‪Xn−1;1−α‬‬ ‫‪Xn−1;α‬‬
‫‪ ⇔ RH0‬في حالة العكس‬

‫مثال‪ :‬ينتج مصنع لألغذية نوع من المعلبات‪ ،‬قام المصنع بمراقبة دورية لعينة تحتوي على ‪ 16‬نوع من‬
‫األغذية ووجد أن اإلنحراف المعياري يساوي ‪. 5.5‬‬

‫‪-‬إستعمل هذه المعلومات إلختبار‪:‬‬

‫أ‪H1 : σ2 ≠ 20 ⇔ H0 : σ2 = 20:‬‬

‫ب‪H1 : σ2 < 40 ⇔ H0 : σ2 ≥ 400:‬‬

‫عند مستوى الداللة يساوي ‪.%5‬‬

‫الحل‪:‬‬

‫; ‪n = 20 ; s 2 = 30.25 ; α = 5%‬‬

‫‪H1 : σ2 ≠ 20 ⇔ H0 : σ2 = 20‬‬

‫الحل بالكيفية األولى‪:‬‬

‫‪ns 2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪2 ∈ [X n−1;α ; X n−1;1−α ] ⇔ RH0‬‬
‫‪{ σ0‬‬ ‫‪2‬‬ ‫‪2‬‬

‫‪ ⇔ RH0‬في حالة العكس‬

‫‪ns 2 16 × 30.25‬‬
‫=‬ ‫‪= 24‬‬
‫‪σ20‬‬ ‫‪20‬‬
‫‪2‬‬ ‫‪2‬‬
‫;‪Xn−1‬‬ ‫‪α = X15;0.025 = 27.49‬‬
‫‪2‬‬

‫‪2‬‬ ‫‪2‬‬
‫‪Xn−1;1−‬‬ ‫‪α = X15;0.9750 = 6.26‬‬
‫‪2‬‬

‫‪ns2‬‬
‫و بما أن ‪= 24 ∈ [6.26; 27.49]:‬‬
‫‪σ20‬‬

‫القرار يكون عدم رفض ‪ H0‬أي ‪RH0 :‬‬

‫‪111‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫الكيفية الثانية‪:‬المشتقة من مجال الثقة‪:‬‬

‫‪σ20 = 20‬‬

‫نعلم أن كتابة المجال تكون‪:‬‬

‫‪ns 2‬‬ ‫‪ns 2‬‬

‫[‬ ‫;‬ ‫]‬
‫‪X2‬‬ ‫‪α‬‬ ‫‪X2‬‬ ‫‪α‬‬
‫‪n−1; 2‬‬ ‫‪n−1;1− 2‬‬

‫‪16 × 30.25 16 × 30.25‬‬

‫[‬ ‫;‬ ‫]‬
‫‪27.19‬‬ ‫‪6.26‬‬

‫‪:‬بما أن ]‪σ20 = 20 ∈ [17.61; 77.32‬‬

‫إذن القرار يكون دائما عدم رفض ‪ H0‬أي ‪RH0 :‬‬

‫ب‪:𝐇𝟏 : 𝛔𝟐 < 40 ⇔ 𝐇𝟎 : 𝛔𝟐 ≥ 𝟒𝟎 :‬‬

‫يالحظ هنا أن نوع اإلختيار هو إختيار ذو جانب واحد ‪.‬‬

‫نحسب‪:‬‬

‫‪ns 2 16 × 30.25‬‬
‫=‬ ‫‪= 12.1‬‬
‫‪σ20‬‬ ‫‪40‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪Xn−1;α‬‬ ‫‪= Xn−1;0.05‬‬ ‫‪= X15;0.05‬‬ ‫‪= 25‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪Xn−1;1−α‬‬ ‫‪= Xn−1;0.95‬‬ ‫‪= X15;0.95‬‬ ‫‪= 7.26‬‬

‫‪ns 2‬‬
‫‪:‬بما أن ]‪= 12.1 ∈ [7.26; 25‬‬
‫‪σ20‬‬

‫القرار يكون عدم رفض ‪ H0‬أي ‪RH0 :‬‬

‫نؤكد النتيجة عندما نعتمد الكيفية الثانية‪:‬‬

‫‪σ20 = 40‬‬

‫المجال‪:‬‬

‫‪112‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪16 × 30.25 16 × 30.25‬‬
‫[‬ ‫;‬ ‫]‬
‫‪25‬‬ ‫‪7.26‬‬

‫‪:‬بما أن ]‪σ20 = 40 ∈ [19.36; 66.66‬‬

‫إذن القرار يكون دائما بعدم رفض ‪ H0‬أي ‪RH0 :‬‬

‫‪ .6‬إختبار تباينين‪:‬‬

‫إذا كان لدينا عينة ‪ n1‬من توزيع طبيعي ) ‪ N(n1 , σ12‬و عينة ‪ n2‬من توزيع طبيعي) ‪ N(n2 , σ22‬مستقلة‬
‫عن األولى‪ ،‬و نرغب في وضع اإلختبار التالي‪:‬‬

‫‪H1 : σ12 ≠ σ22 ⇔ H0 : σ12 = σ22‬‬

‫أي‪:‬‬
‫‪H1 : σ12 − σ22 ≠ 0 ⇔ H0 : σ12 − σ22 = 0‬‬

‫عند مستوى داللة معين‪ ،‬أي معطاة لم نرفض ‪ H0‬أي ‪RH0‬‬

‫‪s12‬‬
‫‪∈ [Fα;n −1,n −2 ; F1−α;n −1,n −2 ] ⇔ RH0‬‬
‫‪s22‬‬ ‫‪2 1‬‬ ‫‪2‬‬ ‫‪2 1‬‬ ‫‪2‬‬

‫و نرفض ‪ H0‬أي ‪ RH0‬في حالة العكس‪.‬‬

‫فيما يخص إختبار ذو جانب واحد نكتب الفرضيات على الكيفية التالية‪:‬‬
‫=‬
‫‪H1 : σ12 < σ22 ⇔ H0 : σ12 {≥} σ22‬‬
‫=‬
‫‪H1 : σ12 > σ22 ⇔ H0 : σ12 {≤} σ22‬‬

‫فإننا ال نرفض ‪ H0‬أي ‪ RH0‬على مستوى الداللة ‪ α‬إذا كانت‪:‬‬

‫‪s12‬‬
‫] ‪∈ [Fα;n1−1,n2−1 ; F1−α;n1−1,n2−1‬‬
‫‪s22‬‬
‫‪s21‬‬
‫ال تنتمي إلى مجال ‪.‬‬ ‫ونرفض ‪ H0‬إذا‬
‫‪s22‬‬

‫مثال‪ :‬أخذت عينة عشوائية حجمها ‪ 21‬فكان تباينها ‪ 62‬من مجتمع له توزيع طبيعي‪ ،‬أخذت عينة عشوائية‬
‫أخرى مستقلة عن األولى حجمها ‪ 16‬فكان تباينها ‪ 32‬من مجتمع له توزيع طبيعي‪.‬‬
‫‪113‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫المطلوب‪ :‬هل هناك فرق بين تبايني المجتمعين عند مستوى الداللة ‪0.05‬؟‬

‫الحل‪:‬‬

‫‪H0 : σ12 = σ22‬‬

‫لدينا‬
‫‪H1 : σ12 ≠ σ22‬‬

‫نالحظ بأن الفرضية البديلة ذات طرفين وقيمها الحرجة هي‪:‬‬

‫‪Fα;n‬‬ ‫‪,n‬‬
‫‪= F(0.025;20.15) = 2.76‬‬
‫‪2 1−1 2−1‬‬
‫‪F1−α;n ,n‬‬ ‫‪= F(0.975;20.15) = 0.39‬‬
‫‪2 1−1 2−1‬‬

‫‪s12 σ12 62‬‬

‫=‪F= 2× 2‬‬ ‫‪= 1.937‬‬
‫‪s2 σ2 32‬‬

‫بالمقارنة نجد أن‪ 0.39 < 1.937 < 2.76 :‬إذن نقبل ‪ H0‬ونرفض ‪ H1‬عند مستوى الداللة ‪0.05‬‬
‫ونقول بأن تبايني المجتمعين متساويين عند مستوى المعنوية ‪.0.05‬‬

‫‪bgfbgb‬‬

‫‪bgfb‬‬

‫‪bg‬‬

‫‪bgbf‬‬

‫‪bbfg‬‬

‫‪114‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫‪bfgbgf‬‬

‫‪bb‬‬

‫‪115‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫أوال‪ :‬المراجع باللغة العربية‬
‫‪ .1‬إبراهيم علي إبراهيم عبد ربه‪ ،‬مبادئ علم اإلحصاء‪ ،‬الدار الجامعية‪ ،‬اإلسكندرية‪.2002 ،‬‬
‫‪ .2‬أحمد شكري الريماوي وسامي مسعود‪ ،‬مقدمة في علم اإلحصاء الوصفي اإلحصاء والتحليلي‪ ،‬دار حنين‪ ،‬ط ‪،1‬‬
‫عمان‪.1998 ،‬‬
‫‪ .3‬أموري هادي كاظم وعصام خضير محمود‪ ،‬طبيعة البيانات اإلحصائية وبناء النماذج القياسية‪ ،‬دار وائل‪ ،‬ط‪،1‬‬
‫عمان‪.1999،‬‬
‫‪ .4‬إياد محمد الهوبي‪ ،‬اإلحصاء التطبيقي‪ ،‬ط‪ .2014 ،1‬وثيقة إنترنت متوفرة على‬
‫الموقع‪www.cst.ps/ebook/applied_statistics/#/12:‬‬
‫‪ .5‬باسم غدير غدير‪ ،‬العالم الرقمي آلية تحليل البيانات‪ ،‬دار الرضا للنشر‪ ،‬دمشق‪.2003 ،‬‬
‫‪ .6‬بوعظم كمال‪ ،‬اإلحصاء اإلستداللي من الجانب النظري والتطبيقي‪ ،‬دار زهران‪ ،‬عمان‪.2008 ،‬‬
‫‪ .7‬ثابت عبد الرحمان إدريس‪ ،‬بحوث التسويق‪،‬أساليب القياس والتحليل و اختبار الفروض‪ ،‬الدار الجامعية ‪،‬اإلسكندرية‪،‬‬
‫‪.2005‬‬
‫‪ .8‬حسن ياسين طعمة وايمان حسين حنوش‪ ،‬اإلحصاء االستداللي‪ ،‬دار الصفاء‪ ،‬عمان‪.2012 ،‬‬
‫‪ .9‬دالل قاضي وآخرون‪ ،‬اإلحصاء لإلداريين واالقتصاديين‪ ،‬دار الحامد‪ ،‬عمان‪.2005،‬‬
‫‪ .10‬سليمان محمد طشطوش‪ ،‬أساسيات اإلحصاء الرياضي‪ ،‬دار اليازوري‪ ،‬عمان‪.2012 ،‬‬
‫‪ .11‬سليمان محمد طشطوش‪ ،‬أساسيات المعاينة اإلحصائية ‪،‬دار الشروق‪ ،‬ط ‪،1‬عمان‪.2001 ،‬‬
‫‪ .12‬شفيق العتوم‪ ،‬طرق اإلحصاء بإستحدام ‪ ،SPSS‬دار المناهج‪ ،‬عمان‪.2015 ،‬‬
‫‪ .13‬ضياء أحمد القاضي وآخرون‪ ،‬اإلحصاء ونظم المعلومات‪،‬مركز جامعة القاهرة للتعليم المفتوح‪،‬القاهرة‪.1998 ،‬‬
‫‪ .14‬عدنان شهاب حمد ومهدي محسن إسماعيل‪ ،‬أساليب المعاينة في ميدان التطبيق‪ ،‬المعهد العربي للتدريب و البحوث‬
‫اإلحصائية‪ ،‬بغداد‪.2001 ،‬‬
‫‪ .15‬فتحي حمدان وكامل فليفل‪ ،‬اإلحصاء‪ ،‬دار المناهج‪ ،‬ط‪،1‬عمان‪.2006 ،‬‬
‫‪ .16‬قيس ناجي عبد الجبار‪ ،‬أصول اإلحصاء والطرق اإلحصائية‪ ،‬دار المناهج‪ ،‬ط ‪ ،1‬عمان‪.2002،‬‬
‫‪ .17‬محمد جاسم الياسري ومروان عبد المجيد إبراهيم‪ ،‬األساليب اإلحصائية في مجاالت البحوث التربوية‪ ،‬مؤسسة الوراق‪،‬‬
‫ط‪ ،1‬عمان‪.2001،‬‬
‫‪ .18‬محمد حسين محمد رشيد و منى عطا اهلل الشويالت‪ ،‬مبادئ اإلحصاء واإلحتماالت ومعالجنها بإستخدام برنامح‬
‫‪ ، spss‬دار الصفاء‪ ،‬عمان‪.2012 ،‬‬
‫‪ .19‬محمد عبد العال النعيمي ومؤيد الفضل‪ ،‬اإلحصاء المتقدم في دعم القرار بالتركيز على منظمات األعمال اإلنتاجية‪،‬‬
‫الوراق للنشر‪ ،‬ط‪ ،1‬عمان‪.2007 ،‬‬
‫‪ .20‬محمد علي األطرقجي‪ ،‬الوسائل التطبيقية في الطرق اإلحصائية‪ ،‬دار الطليعة‪ ،‬بيروت‪.1980 ،‬‬
‫‪ .21‬مركز اإلحصاء الرسمي للسكان لسلطنة عمان]‪ :[2008‬وثيقة إنترنت متوفرة على الموقع‪( :‬تم اإلطالع عليها يوم‬
‫‪http://www.omancensus.net/new/index.php?lang=ar#)2018/05/25‬‬

‫‪ .22‬المعهد العربي للتدريب والبحوث اإلحصائية‪ :‬محاضرات حول أساليب جمع البيانات‪ ،‬وثيقة إنترنت متوفرة على‬
‫الموقع‪( www.arab-api.org/cours13/c13 :‬تم اإلطالع عليها يوم ‪)2018/05/29‬‬
‫‪ .23‬نجاة رشيد الكيخيا‪ ،‬أساسيات اإلستنتاج اإلحصائي‪ ،‬دار المريخ‪ ،‬الرياض‪.2007 ،‬‬

‫‪116‬‬
‫إختبار الفرضيات‬ ‫الفصل الرابع‬
‫ أهمية أسلوب المعاينة في الدراسات اإلحصائية دراسة تطبيقية حول الحوكمة في الجامعة الجزائرية‬،‫ مقيدش نزيهة‬.24
.2010-2009 ،‫ جامعة سطيف‬، ‫ مذكرة ماجستير‬،-‫من خالل سبر لآلراء جامعة فرحات عباس–سطيف‬

‫ المراجع باللغة األجنبية‬:‫ثانيا‬

1. ANSION Guy, Sondages et statistique, labor éditions,Bruxelles ,1997.
2. ARDILLY Pascal, Les techniques de sondage, edition technip, paris,1994.
3. COCHRAN William-G , Sampling techniques, 3rd edition,john willey&sons, NEW
YORK, 1977.
4. DODGE Yadolah, Premiers pas en statistique, springer verlag,France, 2003.
5. GAUTHY-SINECHAL Martine et VANDERCAMMEN Marc ,etudes de marchés-
methodes et outils, 2ème édition, de boeck université, bruxelles,2005.
6. GIANNLLONI Jean-luc et VENNETTE Eric , Etudes de marché, 2ème édition,
vuibert, paris, 2001.
7. GIARD Vincent , Statistique appliquée à la gestion, 8ème Edition economica, paris,
2003.
8. GRAIS Bernard , Méthodes statistiques : techniques statistiques 2 , 3eme édition,
2003.
9. HAMDANI Hocine , statistique descriptive, office des publication universitaires,
2001.
10. LESSARD Sabin et MONGA, statistique concepts et méthodes avec exercices et
corrigés, masson éditeur , canada, 1993 .
11. TILLÉ Yves , théorie des sondages, Echantillionnage et estimation en populations
finies, dunod, paris, 2001.

117
 ‫المالحق‬

‫‪119‬‬
 ‫المالحق‬

‫‪120‬‬
 ‫المالحق‬

‫‪121‬‬
 ‫المالحق‬

‫‪122‬‬
 ‫المالحق‬

‫‪123‬‬