‫‪ .

I‬توزيع املعاينة ‪Sampling distribution‬‬

‫‪ ‬توزيع املعاينة‪ :‬هو توزيع احامتيل ل إلحصاءة احملسوبة من العينة‪ ،‬حيث جتدر الاشارة اىل أن‪:‬‬

‫‪ ‬املقاييس أو املؤرشات احملسوبة من بياانت اجملمتع اكملتوسط احلسايب ‪ μ‬و التباين ‪ σ2‬و النس بة ‪ : P‬تسمى‬
‫معامل اجملمتع‪.‬‬
‫‪:‬‬‫أمه مقاييس اجملمتع و اليت تسمى معلامت‬

‫‪‬‬ ‫‪X‬‬ ‫‪:μ‬‬ ‫املتوسط احلسايب‬ ‫‪-1‬‬

‫‪N‬‬

‫‪1 ‬‬ ‫‪ X ‬‬ ‫‪‬‬

‫‪2‬‬

‫‪ ‬‬‫‪2‬‬
‫‪‬‬ ‫‪X2 ‬‬ ‫‪‬‬ ‫‪:σ2‬‬ ‫التباين‬ ‫‪-2‬‬
‫‪N‬‬ ‫‪N‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫الاحنراف املعياري‬
‫‪:‬‬ ‫‪-3‬‬
‫‪  2‬‬
‫‪X‬‬ ‫النس بة ‪:P‬‬ ‫‪-4‬‬
‫‪P‬‬
‫‪N‬‬
‫املقاييس أو املؤرشات احملسوبة من بياانت العينة اكملتوسط احلسايب ‪ X‬و التباين ‪ S2‬و النس بة ̂‪ : P‬تسمى‬ ‫‪‬‬

‫اإحصاءة العينة‪.‬‬

‫‪ ‬أمه مقاييس العينة و اليت تسمى اإحصاءات‪:‬‬

‫‪X‬‬
‫‪x‬‬ ‫‪: X‬‬ ‫املتوسط احلسايب للعينة‬ ‫‪-5‬‬
‫‪n‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪2‬‬
‫‪x‬‬
‫‪S2 ‬‬
‫‪1‬‬ ‫‪ x2 ‬‬ ‫‪‬‬ ‫‪:S2‬‬ ‫التباين‬ ‫‪-6‬‬
‫‪n 1 ‬‬ ‫‪n ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ -7‬الاحنراف املعياري‪:‬‬
‫‪S  S2‬‬
‫‪Pˆ ‬‬
‫‪x‬‬ ‫‪ -8‬النس بة ‪:P‬‬
‫‪n‬‬
‫‪.‬‬ ‫العينة = اجلزء اذلي يمت اختياره من اجملمتع بطريقة عشوائية و هذه العينة تس تخدم لتوفري الوقت و اجلهد‬ ‫‪‬‬

‫‪:N‬‬ ‫‪ n‬و اليت ميكن اختيارها من اجملمتع ذا احلجم‬ ‫عدد العينات ذات الحجم‬ ‫‪‬‬

‫العينات = ‪ARNn  N n‬‬ ‫اإذا اكن السحب اب إلراا ‪ :‬عدد‬

‫‪Page 1 sur 15‬‬

 ‫‪n ‬‬
‫‪CN‬‬ ‫!‪N‬‬ ‫عدد العينات =‬ ‫اإذا اكن السحب بدون إاراا ‪:‬‬
‫!)‪n!*( N n‬‬

‫املتوسط احلسايب لـ ‪ X‬و يرمز هل ابلرمز ‪ ‬هو ‪ X   :‬‬

‫‪X‬‬ ‫‪‬‬

‫‪X ‬‬ ‫‪X‬‬

‫ت‬ ‫ع ي ن ا‬ ‫ع ددال‬

‫‪:‬‬ ‫تباين املتوسط احلسايب لـ ‪ X‬و يرمز هل ابلرمز ‪ ‬هو‬

‫‪2‬‬
‫‪X‬‬
‫‪‬‬

‫‪2‬‬ ‫‪n‬‬
‫‪ X2 ‬‬ ‫فإن‪:‬‬ ‫‪ -1‬اإذا اكن دلينا جممتع غري حمدود أي أن ‪ 0.05 :‬‬
‫‪n‬‬ ‫‪N‬‬
‫‪ -2‬اإذا اكن دلينا جممتع حمدود أي أن‪ n  0.05 :‬فإن‪ 2  N  n  :‬‬
‫‪ X2  * ‬‬ ‫‪‬‬
‫‪n  N 1 ‬‬ ‫‪N‬‬

‫‪N n‬‬
‫‪.‬‬‫يسمى مبعامل التصحيح و يس تخدم اإذا اكن جحم اجملمتع حمدود‬ ‫‪:‬‬ ‫ملحظة‬
‫‪N 1‬‬

‫‪X‬‬ ‫يف حاةل عدم معلومية ‪ σ‬للمجمتع فاإننا نس تخدم بدل الاحنراف املعياري للعينة ‪ S‬و ابلتايل فاإن اخلطأ املعياري‬
‫يصبح ‪ S‬اكلآيت‪:‬‬ ‫‪X‬‬

‫‪S‬‬ ‫‪n‬‬
‫‪SX ‬‬ ‫فان ‪:‬‬ ‫‪ ‬إذا كان ‪ 0.05‬‬
‫‪n‬‬ ‫‪N‬‬

‫‪S‬‬ ‫‪N n‬‬ ‫‪n‬‬

‫‪SX ‬‬ ‫*‬ ‫فان ‪:‬‬ ‫‪ ‬إذا كان ‪ 0.05‬‬
‫‪n‬‬ ‫‪N 1‬‬ ‫‪N‬‬

‫نظرية الهناية املركزية )‪Central Limit Theorem (CLT‬‬

‫يتبع تقريبا توزيع طبيعي مبتوسط يساوي ‪ μ‬و تباين يساوي ‪ ‬عندما‬
‫‪2‬‬
‫‪X‬‬ ‫‪X‬‬ ‫توزيع معاينة املتوسط احلسايب للعينة‬
‫يكون جحم العينة كبريا (يعترب جحم العينة كبري اإذا اكن (‪.))n ≥ 30‬‬

‫) ‪X ~ N (  ,  X2‬‬ ‫فاإن‪:‬‬ ‫‪n ≥ 30‬‬ ‫‪ ‬و ابلتايل اإذا اكن‪:‬‬

‫‪X ‬‬ ‫اإىل توزيع طبيعي معياري ‪ Z‬ابس تخدام التحويةل‪:‬‬ ‫ميكننا حتويل التوزيع الطبيعي لــ‬
‫‪Z‬‬ ‫‪X‬‬
‫‪X‬‬
‫ملحظة ‪ :‬تفيد نظرية الهناية املركزية يف أنه ميكن اس تخدام ادول التوزيع الطبيعي املعياري حىت اإذا اكن اجملمتع‬
‫املسحوب منه العينة غري طبيعي برشط ان يكون جحم العينة املسحوبة أكرب أو = ‪.30‬‬

‫‪Page 2 sur 15‬‬

 ‫( ̂‪) P‬‬ ‫توزيع املعاينة للنس بة يف العينة‬
‫تقريبا هو التوزيع الطبيعي مبتوسط = ‪ P‬و تباين ‪ ‬وذكل اإذا اكن جحم العينة املسحوب‬
‫‪2‬‬
‫̂‪P‬‬ ‫̂‪P‬‬ ‫توزيع معاينة‬
‫) ˆ‪Pˆ ~ N ( P,  P2‬‬ ‫كبريا أي‪ n*P ≥ 5 :‬و ‪ n*)1- P( ≤ 5‬و ابلتايل فاإن‪:‬‬
‫)‪P *(1  P‬‬ ‫‪n‬‬ ‫جممتع غري حمدود‬
‫‪ P2ˆ ‬‬ ‫‪  0.05‬‬
‫‪n‬‬ ‫‪N‬‬

‫‪P *(1  P)  N  n ‬‬ ‫‪n‬‬

‫‪ P2ˆ ‬‬ ‫‪‬‬ ‫‪   0.05‬‬ ‫جممتع حمدود‬
‫‪n‬‬ ‫‪ N 1 ‬‬ ‫‪N‬‬

‫‪ ‬توزيع املعاينة للفرق (امجلع) بني متوسطي عينتني مس تقلتني‪.‬‬

‫أول‪ :‬املتوسط احلسايب لتوزيع املعاينة للفرق (امجلع) بني متوسطي عينتني‪ X 1 X 2  1  2 :‬‬

‫اثنيا‪ :‬الاحنراف املعياري لتوزيع املعاينة للفرق (امجلع) بني متوسطي عينتني‪.‬‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪ X2 1 X 2 ‬‬ ‫‪‬‬ ‫يف حاةل معرفة تباين اجملمتعني املوزعني توزيعا طبيعيا‬ ‫‪.1‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫) ‪( X 1  X 2 )  ( 1  2‬‬
‫‪Z‬‬ ‫‪:‬‬ ‫وأن الإحصائية تتوز طبيعيا معياراي‬
‫‪ 12‬‬ ‫‪ 22‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫يف حاةل عدم معرفة تبايين اجملمتعني‪ :‬اإذا اكن تبايين اجملمتعني جمهولني فاإننا منزي بني حالتني‬ ‫‪.2‬‬

‫‪ .1.2‬جحم العينتني كبري‪ :‬اإذا اكن جحم لك من العينتني أكرب من أو يساوي ‪ 30‬فان الفرق (امجلع) بني متوسطي العينتني‬
‫‪S12 S2 2‬‬
‫‪ X 1 X 2 ‬‬ ‫‪‬‬ ‫يتبع التوزيع الطبيعي ابحنراف معياري‪:‬‬
‫‪n1 n2‬‬

‫) ‪( X 1  X 2 )  ( 1  2‬‬
‫‪Z‬‬ ‫‪:‬‬ ‫و يكون التوزيع الاحامتيل املعياري اكلتايل‬
‫‪S12 S 2 2‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ .2.2‬جحم العينتني صغري‪ :‬اإذا اكن جحم العينتني صغري (واحدة او الكهام أقل من ‪ 30‬واجملمتعني يتوزعان توزيعا طبيعيا‬
‫‪S2 S2‬‬
‫‪ X 1 X 2 ‬‬ ‫‪‬‬ ‫فان الفرق (امجلع) بني متوسطي العينتني يتبع التوزيع الطبيعي ابحنراف معياري‪:‬‬
‫‪n1 n2‬‬

‫‪Page 3 sur 15‬‬

‫حيث ‪ S2 :‬تدعي التباين املشرتك لتبايين العينتني ‪ S12, S22‬وحتسب اكلتايل‪:‬‬

‫) ‪( X 1  X 2 )  ( 1  2‬‬
‫‪Z‬‬ ‫ويكون التوزيع الاحامتيل املعياري اكلتايل‪:‬‬
‫‪S2 S2‬‬
‫‪‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪ ‬توزيع املعاينة للفرق بني نسبيت عينتني‪.‬‬

‫‪Page 4 sur 15‬‬

 ‫‪ .II‬التقدير الإحصايئ و فرتات الثقة‬
‫‪Estimation and Confidence Intervals‬‬

‫من أمه املشالك اليت يدرسها التحليل الإحصايئ يه كيفية تقدير معامل اجملمتع اجملهوةل مثل الوسط احلسايب ‪ μ‬و تباين‬
‫اجملمتع ‪ σ2‬النس بة يف اجملمتع ‪( P‬أو أي معمل أآخر)‪.‬‬

‫‪ ‬نقوم ابس تخدام بياانت حنصل علهيا من العينة العشوائية املسحوبة من هذا اجملمتع لتقدير معلمته أو معامله‪.‬‬
‫يواد دلينا نوعان من التقدير الإحصايئ‪:‬‬ ‫‪‬‬

‫‪ .1‬التقدير لنقطة ‪Point estimate‬‬

‫‪ .2‬التقدير لفرتة‪Interval estimate‬‬

‫‪ ‬التقدير لنقطة ‪ : Point estimate‬املقصود هبذا النو هو تقدير معلمة اجملمتع اجملهوةل ابإحصائية حنسب قميهتا‬
‫من بياانت عينة عشوائية مسحوبة من هذا اجملمتع‪.‬‬
‫‪ o‬نقوم بتقدير املعلمة بقمية واحدة فقط مثل عند حسب عينة من جممتع ما و مقنا حبساب‪:‬‬

‫فاإنه يعترب تقدير لنقطة معلمة اجملمتع ‪.μ‬‬ ‫‪X‬‬ ‫‪ ‬الوسط احلسايب للعينة‬

‫‪ ‬تباين العينة ‪ S2‬فاإنه يعترب تقدير لنقطة ملعلمة اجملمتع ‪.σ2‬‬

‫فاإهنا تعترب تقديرا لنقطة ملعلمة اجملمتع ‪.P‬‬ ‫̂‪P‬‬ ‫‪ ‬النس بة‬

‫التقدير لنقطة يعطي قمية واحدة ملعلمة اجملمتع اذلي نريد تقديرها ◄ ل ميكننا احلمك عىل مدى دقة هذه القمية يف‬
‫متثيل املعلمة احلقيقية يف اجملمتع ◄ يفضل الاعامتد عىل النو الثاين من التقدير الإحصايئ أل و هو التقدير لفرتة‪.‬‬

‫‪ ‬التقدير لفرتة ‪ : Interval estimate‬عبارة عن تقدير معلمة اجملمتع مبجال (فرتة) معني من القمي ابحامتل معني‬
‫و هذا الاحامتل يسمى مس توى الثقة و يرمز هل ابلرمز ‪ ◄ .(1-α)%‬ذلكل مسيت الفرتة بفرتة الثقة‪.‬‬
‫مس توى الثقة يعطينا مدى ثقتنا أن هذه املعلمة س تقع بني احلد الدىن و احلد العىل للفرتة‪.‬‬

‫‪Page 5 sur 15‬‬

 ‫‪ )1‬فرتة الثقة للوسط احلسايب للمجمتع ‪( μ‬يف حاةل العينات الكبرية) ‪n ≥ 30‬‬

‫‪ ‬اإذا اكنت العينة املسحوبة من اجملمتع كبرية (‪ )n ≥ 30‬فاإن توزيع معاينة ‪ X‬يتبع توزيع طبيعي بوسط حسايب‬
‫‪ μ‬و احنراف معياري (خطأ معياري) = ‪ ‬أو ‪ S‬حيث‪:‬‬
‫‪X‬‬ ‫‪X‬‬

‫‪‬‬
‫‪X ‬‬ ‫‪‬‬ ‫‪ ‬اإذا اكنت ‪ σ‬للمجمتع معلومة‬
‫‪n‬‬

‫‪SX ‬‬
‫‪S‬‬
‫‪‬‬ ‫‪ ‬اإذا اكنت ‪ σ‬للمجمتع غري معلومة‬
‫‪n‬‬

‫و ابلتايل فاإن فرتة الثقة للوسط احلسايب مبس توى ثقة ‪ (1-α)%‬يه‪:‬‬

‫‪X  Z /2 * X :‬‬ ‫اإذا اكنت ‪ σ‬معلومة‬ ‫‪‬‬

‫= ‪X  Z /2 * X‬‬ ‫الحد األعلى‬ ‫و ابلتايل فاإن‪:‬‬

‫‪X  Z /2 * X‬‬ ‫=‬ ‫الحد األدنى‬

‫‪X  Z /2 * S X‬‬ ‫‪ ‬اإذا اكنت ‪ σ‬غري معلومة و هذا هو الشائع فاإن فرتة الثقة يه‪:‬‬
‫‪X  Z /2 * S X‬‬ ‫=‬ ‫احلد العىل‬ ‫‪X  Z /2 * S X‬‬ ‫=‬ ‫احلد الدىن‬

‫‪ ‬قمية ‪ Zα/2‬تتحدد من ادول التوزيع الطبيعي املعياري عن طريق الكشف العكيس يف اجلدول و للتبس يط‬
‫سوف نأخذ قمي ‪ Z‬لكرث معاملت الثقة اس تخداما يف الواقع العميل‪.‬‬

‫‪1-α‬‬ ‫‪α‬‬ ‫‪Zα/2‬‬

‫‪%90‬‬ ‫‪%10‬‬ ‫‪1.65‬‬
‫‪%95‬‬ ‫‪%5‬‬ ‫‪1.96‬‬
‫‪%99‬‬ ‫‪%1‬‬ ‫‪2.58‬‬

‫‪Page 6 sur 15‬‬

 ‫‪ )2‬فرتة الثقة للوسط احلسايب للمجمتع ‪( μ‬يف حاةل العينات الصغرية ‪ n˂30‬و ‪ σ‬للمجمتع غري معلومة)‬

‫‪ ‬يف هذه احلاةل سوف نس تخدم توزيع أآخر يسمى توزيع ‪ t‬و هو يس تخدم لإنشاء فرتة ثقة للوسط احلسايب اإذا‬
‫توافرت الرشوط الآتية‪:‬‬
‫اجملمتع املسحوب منه العينة قريب من الطبيعي‪.‬‬ ‫‪.i‬‬

‫جحم العينة صغري (‪.)n˂30‬‬ ‫‪.ii‬‬

‫الاحنراف املعياري للمجمتع ‪ σ‬غري معلوم‪.‬‬ ‫‪.iii‬‬

‫توزيع ‪ t‬هو توزيع شبيه ابلتوزيع الطبيعي املعياري يف أنه توزيع متصل و مامتثل و وسطه احلسايب يساوي ‪ 0‬اإل أن‬
‫احنرافه املعياري ل يساوي ‪.1‬‬

‫‪ ‬لتوزيع ‪ t‬معلمة واحدة فقط تسمى دراة احلرية ‪.df‬‬

‫‪ ‬يف حاةل اإنشاء فرتة الثقة ملتوسط اجملمتع فاإن دراة احلرية = )جحم العينة ‪ (1 -‬أي أن‪Df = n-1 :‬‬

‫و ابلتايل فاإن فرتة الثقة ل ‪ μ‬عندما تكون ‪ σ ˒ n ˂ 30‬للمجمتع غري معلومة يه‪:‬‬
‫‪S‬‬
‫‪X  t( n1), /2 * S X‬‬ ‫‪, SX ‬‬
‫‪n‬‬

‫‪ )3‬فرتة الثقة للنس بة يف اجملمتع ‪( P‬حاةل العينات الكبرية) ‪n‬‬

‫حيث‪:‬‬ ‫‪ P‬و احنراف معياري ̂‪ P‬‬ ‫يف هذه احلاةل فاإن توزيع معاينة ̂‪ P‬يتبع توزيع طبيعي بوسط‬
‫)‪P *(1  P‬‬
‫‪ Pˆ ‬‬
‫‪n‬‬
‫‪‬‬ ‫‪ ‬اإذا اكنت ‪ P‬للمجمتع معلومة‬
‫) ˆ‪Pˆ *(1  P‬‬ ‫‪ ‬اإذا اكنت ‪ P‬للمجمتع غري معلومة‬
‫‪ Pˆ ‬‬ ‫‪‬‬
‫‪n‬‬
‫الصيغة الثانية يه اليت سوف تس تخدم يف اإنشاء فرتة الثقة ل ‪ P‬لن ‪ P‬عندما نقوم بتقديرها فاإهنا تكون غري‬
‫معلومة‪.‬‬

‫حيث‪:‬‬ ‫ˆ‪Pˆ  Z /2 * P‬‬ ‫و ابلتايل فاإن فرتة الثقة ل ‪ P‬مبس توى معنوية ‪ (1-α) %‬يه‪:‬‬
‫‪Pˆ  Z /2 * Pˆ ‬‬ ‫احلد العىل‬ ‫‪Pˆ  Z /2 * Pˆ ‬‬ ‫احلد الدىن‬

‫‪Page 7 sur 15‬‬

 ‫‪ Zα/2 ‬يه نفس القمي اليت تعرفنا علهيا يف حاةل املتوسط حاةل العينات الكبرية‪.‬‬

‫‪Pˆ ‬‬
‫‪x‬‬ ‫النس بة يف العينة حيث‪:‬‬ ‫‪‬‬
‫‪n‬‬
‫‪ : n‬جحم العينة‪.‬‬ ‫‪ : X‬عدد املفردات اليت تتوافر فهيم اخلاصية حمل ادلراسة‪.‬‬

‫‪ )4‬فرتة الثقة للفرق بني متوسطي جممتعني (‪ )μ1-μ2‬يف حاةل العينات الكبرية‬
‫‪ σ2 ، σ1 ‬غري معلومتان‬
‫‪X‬‬ ‫‪1‬‬ ‫‪ X 2   Z /2 * S X  X‬‬
‫‪1‬‬ ‫‪2‬‬
‫فرتة الثقة‪:‬‬

‫‪S12 S22‬‬
‫‪S X1  X 2 ‬‬ ‫‪‬‬ ‫حيث‪:‬‬
‫‪n1 n2‬‬

‫‪ )5‬فرتة الثقة للفرق بني نس بتني جملمتعني (‪)P1-P2‬‬

‫نفس الطريقة لإنشاء فرتة الثقة للفرق بني متوسطي جممتعني ميكننا اإنشاء فرتة ثقة للفرق بني نس بتني لظاهرة معينة‬
‫‪ Pˆ  Pˆ   Z *‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪/2‬‬ ‫‪Pˆ1  Pˆ2‬‬ ‫يف جممتعني (‪ :)P1-P2‬حيث‪:‬‬
‫) ‪Pˆ1 *(1  Pˆ1 ) Pˆ2 *(1  Pˆ2‬‬
‫‪ Pˆ  Pˆ ‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪Page 8 sur 15‬‬

 ‫‪ .III‬اختبارات الفروض الإحصائية‬
‫‪Statistical tests of Hypotheses‬‬
‫عندما يمت تقدير أمه معامل اجملمتع ابلعامتد عىل اإحصاءات العينة فاإن السؤال اذلي حنتاج دامئا الإاابة عليه‪:‬‬
‫” اإذا اكن الإحصاء احملسوب من العينة يعرب بصورة دقيقة عن املعلمة احلقيقية للمجمتع؟ “‬

‫‪ ‬ل إلاابة عىل هذا السؤال حنتاج اإىل ما يسمى ابختبارات الفروض الإحصائية‪.‬‬

‫‪ ‬أنوا الفروض الإحصائية‪:‬‬

‫الفرض العديم (الصيل) ‪ :Null hypothesis‬هو التخمني أو التعبري اذلي ميثل الوضع الراهن و يرمز هل‬ ‫‪.1‬‬

‫ابلرمز‪ H0‬و هو دامئا حيتوي عىل اإشارة (=) أو يأخذ أكرب أو يساوي (≥) أو يأخذ اإشارة أقل من أو‬
‫يساوي (≤)‪.‬‬
‫الفرض البديل ‪ :Alternative hypothesis‬هو الفرض اذلي يقبل كبديل للفرض العديم عند رفض‬ ‫‪.2‬‬

‫الفرض العديم ‪ H0‬و يرمز هل ابلرمز ‪ H1‬و دامئا متبو ابإشارة (≠) أو (<) أو (>) و ل يكون متبوعا‬
‫ابإشارة (=)‪.‬‬

‫‪ ‬أنوا الخطاء‪:‬‬

‫‪ ‬متخذ القرار عندما يقوم ابإجراء اختبار اإحصايئ فقد يقع يف أخطاء حيث يواد نوعني من الخطاء ويه‪:‬‬
‫‪ )1‬خطأ من النو الول ‪ :Type I error‬يعين احامتل رفض الفرض العديم مع أن هذا الفرض حصيح و‬
‫يرمز هل ابلرمز‪ α‬و تسمى ‪ α‬مبس توى املعنوية و هذا يعين‪ :‬احامتل (رفض ‪ H0 /H0‬حصيح) = ‪α‬‬
‫‪ )2‬خطأ من النو الثاين ‪ :Type II error‬يعين احامتل قبول الفرض العديم مع أن الفرض العديم خاطئ و‬
‫احامتل (قبول ‪ H0 /H0‬خاطئ) = ‪β‬‬ ‫يرمز هل ابلرمز ‪ β‬أي أن‪:‬‬

‫أما اإذا أخذ متخذ القرار قرارا برفض الفرض العديم مع أن الفرض العديم خاطئ فهذا يرمز هل ابلرمز (‪ )1-β‬و‬
‫يسمى بقوة الاختبار أي أن‪ :‬احامتل (رفض ‪ H0 /H0‬خاطئ) = ‪1-β‬‬

‫‪Page 9 sur 15‬‬

 ‫‪ ‬أنوا الاختبارات‪:‬‬
‫يواد دلينا نوعني من الاختبارات‪:‬‬
‫‪ )1‬اختبار يف اجتاهني ‪Two-Tailed test‬‬

‫‪ ‬هذا حيدث عندما تكون اإشارة الفرض البديل )‪ (H1‬ل تساوي (≠)‪.‬‬

‫‪ ‬املساحة حتت منحىن التوزيع سوف تنقسم اإىل ثلث مناطق‪:‬‬

‫‪ -‬منطقتني للرفض‬

‫الرفض و القبول اخلاص ابلفرض العديم ‪.H0‬‬

‫‪ -‬منطقة للقبول‬

‫‪.‬‬‫مساحة لك منطقة للرفض = ‪ α/2‬كام يوحضها الرمس املوايل‬ ‫‪‬‬

‫قيمة = ‪H : μ‬‬
‫‪0‬‬
‫قيمة ≠ ‪H : μ‬‬
‫‪1‬‬

‫‪ )2‬اختبار يف اجتاه واحد ‪One-Tailed test‬‬

‫‪ .1-2‬احلاةل ‪( 1‬اجتاه واحد ميني )‬

‫‪ ‬هذا الاختبار قد يكون يف اجتاه واحد ميني عندما يكون اإشارة الفرض البديل ‪ H1‬أكرب من (<)‪.‬‬

‫‪ ‬املساحة حتت املنحىن س تقسم اإىل منطقتني أحدهام للقبول و الخرى للرفض‪:‬‬

‫‪Page 10 sur 15‬‬

 ‫‪ -‬مساحة منطقة الرفض = ‪.α‬‬
‫‪ -‬منطقة الرفض تكون أقىص ميني املنحىن كام يوحضها الرمس املوايل‪.‬‬
‫قيمة ≤ ‪H : μ‬‬
‫‪0‬‬
‫قيمة > ‪H : μ‬‬
‫‪1‬‬

‫منطقة قبول ‪H0‬‬ ‫منطقة رفض ‪H0‬‬

‫‪ ‬القمية احلراة = ‪ +Zα‬و يمت حتديدها من ادول التوزيع الطبيعي املعياري ابلكشف العكيس‪.‬‬

‫‪ ‬هذه القمي ميكن معرفهتا ابس تعامل اجلدول التايل‪:‬‬

‫‪α‬‬ ‫‪Zα‬‬
‫‪1%‬‬ ‫‪2.33‬‬
‫‪5%‬‬ ‫‪1.65‬‬
‫‪10%‬‬ ‫‪1.28‬‬

‫قيمة ≥ ‪H : μ‬‬
‫)‬ ‫‪ .2-2‬احلاةل ‪( :2‬اجتاه واحد يسار‬
‫‪0‬‬
‫قيمة < ‪H : μ‬‬
‫‪1‬‬ ‫منطقة قبول ‪H0‬‬
‫منطقة رفض ‪H0‬‬

‫‪Page 11 sur 15‬‬

‫‪ ‬اإذا اكنت اإشارة الفرض البديل )‪ (H1‬أقل من )˂( فاإن الاختبار يكون يف اجتاه واحد يسار و ابلتايل فاإن‬
‫منطقة الرفض س تكون أقىص يسار املنحىن و مساحهتا أيضا = ‪.α‬‬

‫‪ ‬القمية احلراة = ‪ - Zα‬و يه نفس القمية السابقة و لكن مس بوقة ابإشارة سالبة‪.‬‬
‫هذه القمي ميكن معرفهتا ابس تعامل اجلدول التايل‪:‬‬ ‫‪‬‬

‫‪α‬‬ ‫‪Zα‬‬
‫‪1%‬‬ ‫‪-2.33‬‬
‫‪5%‬‬ ‫‪-1.65‬‬
‫‪10%‬‬ ‫‪-1.28‬‬

‫‪ ‬خطوات اختبارات الفروض بصفة عامة‬

‫‪ )1‬حتديد الفرض العديم ‪ H0‬و الفرض البديل ‪H1‬‬

‫‪ )2‬حتديد مس توى املعنوية (‪ ◄ )α‬معطى و معروف قبل اإجراء الاختبار‪.‬‬

‫‪ )3‬حتديد اإحصاء الاختبار املناسب‪.‬‬
‫‪ )4‬حتديد القمية احلراة‪.‬‬
‫‪ )5‬اختاذ القرار الإحصايئ مبقارنة اخلطوة (‪ )3‬ابخلطوة (‪.)4‬‬
‫‪ -I‬اختبارات الفروض اخلاصة بعينة واحدة‪:‬‬

‫‪ )1‬اختبار الوسط احلسايب للمجمتع (عينة كبرية أي ‪.)n≥30‬‬

‫‪ ‬اخلطوات‪:‬‬
‫‪ )a‬حتديد ‪ H0 ، H1‬و لن خترج عن البدائل التالية‪:‬‬
‫قيمة ≤ ‪H : μ‬‬ ‫قيمة = ‪H : μ‬‬
‫قيمة ≥ ‪H : μ‬‬ ‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫قيمة < ‪H : μ‬‬ ‫قيمة > ‪ H1 : μ‬أو‬ ‫قيمة ≠ ‪ H1 : μ‬أو‬
‫‪1‬‬

‫‪ )b‬لتحديد مس توى املعنوية معطاه مس بقا يف المترين و لن خترج عن‪.1% ،5 % ،10% :‬‬

‫‪Page 12 sur 15‬‬

 ‫‪ )c‬اإحصاء الاختبار ‪:‬‬

‫‪ -‬حيث أن ‪ ◄ n ≥ 30‬التوزيع املس تخدم توزيع طبيعي معياري‪.‬‬

‫‪ -‬اإحصاء الاختبار يرمز هل ابلرمز ‪.Z‬‬
‫‪X ‬‬ ‫‪‬‬ ‫اإذا اكنت ‪ σ‬للمجمتع معلومة ‪:‬‬
‫‪Z‬‬ ‫’‬ ‫‪X ‬‬ ‫‪-‬‬
‫‪X‬‬ ‫‪n‬‬

‫‪X ‬‬ ‫‪S‬‬

‫‪Z‬‬
‫‪SX‬‬
‫’‬ ‫‪SX ‬‬
‫‪n‬‬
‫‪ -‬اإذا اكنت ‪ σ‬للمجمتع غري معلومة ‪:‬‬

‫حتديد القمية احلراة‪ :‬هذا يتوقف عىل قمية ‪ α‬و عىل ما اإذا اكن الاختبار يف اجتاه واحد أو يف اجتاهني‪.‬‬
‫اختاذ القرار الإحصايئ‪:‬‬

‫‪ -‬اإذا اكنت قمية اإحصاء الاختبار تقع يف منطقة الرفض ◄ يكون القرار رفض ‪.H0‬‬

‫‪ -‬اإذا اكنت قمية اإحصاء الاختبار تقع يف منطقة القبول ◄ يكون القرار بعدم رفض ‪.H0‬‬

‫‪ )2‬اختبار الوسط احلسايب للمجمتع ‪( μ‬عينة صغرية و ‪ σ‬للمجمتع جمهوةل)‪.‬‬

‫اإحصاء الاختبار حيث أن ‪ n‬صغرية ( ‪ σ ،)n < 30‬للمجمتع جمهوةل ◄ التوزيع املس تخدم هو توزيع ‪t‬‬
‫‪.‬‬

‫‪X ‬‬ ‫‪SX ‬‬

‫‪S‬‬ ‫‪:‬‬ ‫‪ -‬اإحصاء الاختبار= ‪t‬‬
‫‪t‬‬ ‫‪,‬‬
‫‪SX‬‬ ‫‪n‬‬
‫حتديد القمية احلراة من ادول توزيع ‪:t‬‬

‫‪ ‬اإذا اكن الاختبار يف اجتاهني فاإن القمية احلراة ‪t( n1), /2 ‬‬

‫‪ ‬اإذا اكن الإختبار يف اجتاه واحد فاإن القمية احلراة ‪t( n1), ‬‬
‫‪ )3‬اختبار النس بة يف اجملمتع ‪( P‬عينات كبرية)‪.‬‬
‫‪Pˆ  P‬‬ ‫)‪P *(1  P‬‬
‫‪Z‬‬ ‫‪ Pˆ ‬‬ ‫اإحصاء الاختبار= ‪:Z‬‬
‫ˆ‪ P‬‬ ‫‪n‬‬

‫‪Page 13 sur 15‬‬

 ‫‪ )4‬اختبارات الفروض للفرق بني متوسطي جممتعني (عينات كبرية و مس تقةل)‪.‬‬
‫يقصد ابلعينات املس تقةل أهنا العينات املسحوبة من جممتعات خمتلفة حبيث أن مشاهدات العينة الوىل ل تؤثر يف‬
‫مشاهدات العينة الثانية‪.‬‬
‫بياانت اجملمتع (‪)2‬‬ ‫بياانت اجملمتع (‪)1‬‬ ‫البياانت املتعلقة مبجمتعني‬
‫‪N2‬‬ ‫‪N1‬‬ ‫جحم اجملمتع‬
‫‪μ2‬‬ ‫‪μ1‬‬ ‫متوسط اجملمتع‬
‫‪σ2‬‬ ‫‪σ1‬‬ ‫الاحنراف املعياري‬
‫‪n2‬‬ ‫‪n1‬‬ ‫جحم العينة‬
‫‪X2‬‬ ‫‪X1‬‬ ‫متوسط العينة‬
‫‪S2‬‬ ‫‪S1‬‬ ‫الاحنراف املعياري للعينة‬

‫‪ ‬خصائص توزيع متوسطي اجملمتعني‬

‫‪ ‬وفقا لنظرية الهناية املركزية و لن أجحام العينات أكرب من ‪ 30‬فاإن توزيع معاينة الوسط احلسايب للك عينة‬
‫) ‪X ~ N ( ,‬‬
‫‪1‬‬ ‫) ‪X ~ N ( ,‬‬
‫‪1‬‬ ‫‪X1‬‬
‫يكون توزيعا طبيعيا‪:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪X2‬‬

‫‪X‬‬ ‫‪1‬‬ ‫‪ X2  ~ N‬‬ ‫‪     ,‬‬

‫‪1‬‬ ‫‪2‬‬ ‫‪X1  X 2‬‬ ‫توزيع معاينة الفرق بني متوسط عينتني مس تقلتني عىل النحو التايل‪ :‬‬
‫حتديد اإحصاء الاختبار ‪ n2 ≥ 30 ، n1 ≥ 30‬فاإن التوزيع املس تخدم التوزيع الطبيعي‪.‬‬
‫‪Z‬‬
‫‪ X  X      ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬

‫‪ X X‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪2‬‬
‫إذا كان ‪ σ , σ‬كل منهما معلوم‬ ‫إذا كان ‪ σ , σ‬غير معلومة‬
‫‪2‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪1‬‬

‫‪S12 S22‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪S X1  X 2 ‬‬ ‫‪‬‬
‫‪ X X ‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪2‬‬
‫‪n1 n2‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪Page 14 sur 15‬‬

 ‫‪ )5‬اختبارات الفروض للفرق بني نس بتني (‪( )P1-P2‬عينات كبرية و مس تقةل)‬
‫بياانت اجملمتع (‪)2‬‬ ‫بياانت اجملمتع (‪)1‬‬ ‫يكون دلينا البياانت التالية‪:‬‬
‫‪P2‬‬ ‫‪P1‬‬ ‫نس بة اجملمتع‬
‫‪n2‬‬ ‫‪n1‬‬ ‫جحم العينة‬
‫‪x2‬‬ ‫‪x1‬‬ ‫عدد املفردات اليت تتوافر فهيم اخلاصية يف العينة‬
‫‪x‬‬
‫‪Pˆ2  2‬‬
‫‪x‬‬
‫‪Pˆ1  1‬‬ ‫الاحنراف املعياري للعينة‬
‫‪n2‬‬ ‫‪n1‬‬

‫وفقا لنظرية الهناية املركزية و لن أجحام العينات كبرية فاإن توزيع معاينة النس بة للك عينة يكون توزيعا طبيعيا أي أن‪:‬‬
‫) ˆ‪Pˆ1 ~ N ( P1 ,  P‬‬ ‫) ‪Pˆ1 *(1  Pˆ1‬‬
‫‪1‬‬
‫‪ Pˆ ‬‬
‫‪1‬‬
‫‪n1‬‬

‫) ˆ‪Pˆ2 ~ N ( P2 ,  P‬‬ ‫) ‪Pˆ2 *(1  Pˆ2‬‬

‫‪2‬‬
‫‪ Pˆ ‬‬
‫‪2‬‬
‫‪n2‬‬
‫توزيع معاينة الفرق يتبع توزيعا طبيعيا اكلتايل‪:‬‬
‫) ˆ‪( Pˆ1  Pˆ2 ) ~ N (( P1  P2 ),  Pˆ  P‬‬
‫‪1‬‬ ‫‪2‬‬

‫اإحصاء الاختبار ‪ n2 ≥ 30 ، n1 ≥ 30‬فاإن التوزيع املس تخدم التوزيع الطبيعي‪.‬‬

‫‪Z‬‬
‫‪ Pˆ1  Pˆ2    P1  P2 ‬‬
‫ˆ‪ Pˆ  P‬‬
‫‪1‬‬ ‫‪2‬‬

‫) ‪P *(1  P ) P *(1  P‬‬

‫‪ Pˆ  Pˆ ‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪n1‬‬ ‫‪n2‬‬

‫‪x1  x2‬‬
‫‪P‬‬
‫‪n 1  n2‬‬

‫املوجودة يف فرتات الثقة‪.‬‬ ‫ˆ‪ Pˆ  P‬‬

‫‪1‬‬ ‫‪2‬‬
‫‪ ‬هنا ختتلف عن‬ ‫‪Pˆ1  Pˆ2‬‬
‫ملحظة‪:‬‬

‫‪Page 15 sur 15‬‬