|
|
سطر ١: |
سطر ١: |
| [[توزيع نسبة العينة]], [[المثال الداعم لتوزيع نسبة العينة ]],[[مثال لتوزيع نسبة العينة ]]
| | <br><br><math> |
| | | f(x_{i},\pi)=\left\{ |
| | | \begin{array}[c]{ll}\pi^{x_{i}}(1-\pi)^... |
| | | ...}\,\,\,\,x_{i}=0,\,1\\ |
| [[صورة:H100.gif]] '''7.3 توزيع نسبة العينة '''
| | 0 & \text{otherwise}\end{array}\right. |
| | | </math> |
| | |
| نعتبر المجتمع الثنائي مع نوعين من العناصر وتكون نسبة العناصر مع الخاصة <math>A\,</math> هي <math>\pi\,</math>
| |
| | |
| بينما تكون نسبة العناصر التي لا تملك هذه الخاصة <math>A\,</math> هي <math> 1- \pi \, </math>.
| |
| | |
| الاختيار العشوائي لعنصر من هذا المجتمع يعطي للمتغير العشوائي القيمة 1 اذا العنصر المختار له الخاصة <math>A\,</math> و يأخذ القيمة 0 عكس ذلك .
| |
| | |
| تنتج السحوبات <math>n\,</math> متغيرات عشوائية <math>X_{1},\ldots,X_{n}</math> تأخذ القيم 0 أو 1 فقط.
| |
| | |
| دعنا نشير الى <math>X\,</math> بعدد العناصر في العينة من الحجم <math>n\,</math> مع الخاصة <math>A\,</math>
| |
| | |
| (بمعنى <math>X\,</math> تساوي التكرار المطلق للعناصر مع الخاصة <math>A\,</math> في العينة ). عندئذ
| |
| | |
| | |
| | |
| | |
| <math>\widehat{\pi} = \frac{X}{n} = \frac{1}{n} \sum\limits_{i=1}^{n} X_{i}</math>
| |
| | |
| | |
| | |
| تكون النسبة ( بمعنى التكرار النسبي ) للعناصر في العينة من الحجم <math>n\,</math> مع الخاصة <math>A\,</math> (نسبة العينة).
| |
|
| |
| بعد السحب الحالي للعينة, يكون العدد المحدد <math>x\,</math> من عناصر العينة مع الخاصة <math>A\,</math>
| |
| | |
| وتأخذ نسبة العينة القيمة <math>\widehat{\pi} = x/n</math>
| |
| | |
| | |
| | |
| تختلف <math>X\,</math>و <math>\widehat{\pi}</math> من عينة لأخرى (حتى اذا حجم العينة <math>n\,</math> ثابت).
| |
| | |
| بمعنى هي توابع احصائية للعينة وستحدد توزيعاتهم للعينة, [[القيمة المتوقعة]] و[[التباين]] بالأسفل.
| |
| | |
| يعتمد توزيع العينة على :
| |
| | |
| * كيفية سحب العينة (مع أو بدون احلال ).
| |
| | |
| * حجم المجتمع
| |
| | |
| | |
| 1'''- العينة العشوائية مع الاحلال :''' ويقابل ذلك اجراءات تجارب بيرنولي <math>n\,</math>. كل متغيرات
| |
| | |
| العينة لها التوزيع التالي :
| |
| | |
| | |
| [[صورة:Mmengjavaimg1855.gif]]
| |
|
| |
|
|
| |
|
سطر ٥٥: |
سطر ١٠: |
|
| |
|
|
| |
|
| في هذه الحالة تتبع <math>X\,</math> [[التوزيع الثنائي]] القيم مع العناصر <math>n\,</math>و <math>\pi\,</math>, <math>X\sim B(n;\pi)</math>: | | في هذه الحالة تتبع <math>X\,</math> <math> 1/n</math> معامل ثابت , ينتج لذلك نسبة العينة <math>\widehat{\pi}</math> |
| | |
| | |
| | |
| <math>f_{B}(x|n;\pi)=\begin{cases} {n\choose x}\pi^{x}(1-\pi)^{n-x} & x=0,1,\ldots,n\\
| |
| 0 & \mbox{otherwise}\end{cases}</math>
| |
| | |
| | |
| مع
| |
| | |
| | |
| | |
| <math>E(X)=n\cdot\pi,\ \quad Var(X)=\sigma^{2}(X)=n\cdot\pi\cdot(1-\pi)</math>
| |
| | |
|
| |
| حيث: <math>\widehat{\pi}=X/n</math> و [[صورة:Mmengjavaimg1818.gif]] معامل ثابت , ينتج لذلك نسبة العينة <math>\widehat{\pi}</math>
| |
|
| |
|
| لها التابع الاحتمالي المتعلق الى <math>X\,</math>. القيمة المتوقعة والتباين الى <math>\widehat{\pi}</math> تساوي: | | لها التابع الاحتمالي المتعلق الى <math>X\,</math>. القيمة المتوقعة والتباين الى <math>\widehat{\pi}</math> تساوي: |
سطر ٨٦: |
سطر ٢٦: |
|
| |
|
|
| |
|
| نلاحظ نسبة العينة [[صورة:Mmengjavaimg1865.gif]] هي متوسط المتغيرات العشوائية المستقلة <math>n\,</math> لبيرنولي. | | نلاحظ نسبة العينة <math> \widehat{\pi}=\sum X_{i}/n\ \ </math> هي متوسط المتغيرات العشوائية المستقلة <math>n\,</math> لبيرنولي. |
|
| |
|
| لذلك يمكن استعمال [[نظرية النهاية المركزية]] لاستنتاج أن حجم العينة <math>n\,</math> كبير بشكل كافي. | | لذلك يمكن استعمال <math> X \sim H(N,M,n)</math> |
|
| |
|
| توزيعها وتوزيع <math>X\,</math> (أي الثنائي) يمكن تقريبه بواسطة [[التوزيع الطبيعي]]:
| |
|
| |
|
|
| |
|
| <math>X\approx N(\mu,\sigma^{2})\; \mbox{ ; }\; \mu=E(X)=n\cdot\pi\;\mbox{ , }\; \sigma^{2}=\sigma^{2}(X)=n\cdot\pi\cdot(1-\pi)</math> | | <br><br><math> |
| | | F_{H}(x;N,M,n)=\left\{ |
| | | \begin{array}[c]{ll}\frac{\left( |
| | | \beg... |
| و
| | ...N-M)],\dots,min[n,M]\\ |
| | | & \\ |
| | | 0 & otherwise |
| | | \end{array}\right. |
| | | </math> |
| <math>\widehat{\pi}\approx N(\mu,\sigma)\; \mbox{ ; }\; \mu=E(\widehat{\pi})=\pi\;\mbox{, }\;\sigma^{2}=\sigma^{2}(\widehat{\pi})=\pi\cdot(1-\pi)/n</math>. | |
| | |
| | |
| | |
| على التوالي. نعتبر حجم العينة كبير بشكل كافي لأجل التقريبات الجيدة اذا: <math>n\cdot\pi\geq5</math> و <math>n\cdot(1-\pi)\geq5</math>.
| |
| | |
| للحصول على التقريب المحسن. سيستخدم التصحيح المستمر بمعنى : لحساب <math>P(x_{1}\leq X\leq x_{2})</math> باستعمال التوزيع الطبيعي المعياري.
| |
| | |
| يطبق المرء
| |
| | |
| | |
| <math>z_{1}=\frac{x_{1}-0.5-np}{\sqrt{np(1-p)}}\qquad z_{2}=\frac{x_{2}+0.5-np}{\sqrt{np(1-p)}}</math>
| |
| | |
| | |
| | |
| و لحساب الاحتمال <math>P(p_{1}\leq\widehat{\pi}\leq p_{2})</math>
| |
| | |
| | |
| <math>z_{1}=\frac{\frac{np_{1}-0.5}{n}-\pi}{\sqrt{\frac{\pi(1-\pi)}{n}}}=\frac{p_{1}-\frac{1}{2n}-\pi}{\sqrt{\frac{\pi(1-\pi)}{n}}}</math>
| |
| | |
| <math>z_{2}=\frac{\frac{np_{2}-0.5}{n}-\pi}{\sqrt{\frac{\pi(1-\pi)}{n}}}=\frac{p_{2}-\frac{1}{2n}-\pi}{\sqrt{\frac{\pi(1-\pi)}{n}}}</math>
| |
| | |
| | |
| | |
| 2 '''- العينة العشوائية بدون احلال : '''
| |
| | |
| | |
| تشير <math>N\,</math> لحجم المجتمع,تشير <math>M\,</math> لعدد العناصر في المجتمع مع الخاصة <math>A\,</math>
| |
| | |
| وتشير <math>n\,</math>
| |
| لحجم العينة. عندئذ <math>\pi =M/N\,</math> نسبة العناصر في المجتمع مع الخاصة <math>A\,</math>.
| |
| | |
| <math>X\,</math> و <math>\widehat{\pi}</math> معرفة كالسابق.
| |
| | |
| | |
| تحت فروض العينة بدون اعادة, تتبع <math>X\,</math> [[التوزيع الهندسي]] مع العناصر <math>M\,</math> , <math>n\,</math> , <math>N\,</math>
| |
| | |
| | |
| [[صورة:Mmengjavaimg1286.gif]]
| |
| | |
| | |
| | |
| [[صورة:Mmengjavaimg1875.gif]]
| |
|
| |
|
|
| |
|
سطر ١٩٤: |
سطر ٩٠: |
|
| |
|
|
| |
|
| [[صورة:Mmengjavaimg1884.gif]]
| | <math> nM/N\geq5,\ n(1-M/N)\geq5\,\,and\,\,n/N\leq0.05</math> |
خطأ رياضيات (خطأ في التحويل. أبلغ الخادوم («cli») عن: «SyntaxError: Illegal TeX function
Found \begin{array}in 3:1»): {\displaystyle f(x_{i},\pi)=\left\{ \begin{array}[c]{ll}\pi^{x_{i}}(1-\pi)^... ...}\,\,\,\,x_{i}=0,\,1\\ 0 & \text{otherwise}\end{array}\right. }
مع التوقع والتباين .
في هذه الحالة تتبع معامل ثابت , ينتج لذلك نسبة العينة
لها التابع الاحتمالي المتعلق الى . القيمة المتوقعة والتباين الى تساوي:
التقريب:
نلاحظ نسبة العينة هي متوسط المتغيرات العشوائية المستقلة لبيرنولي.
لذلك يمكن استعمال
خطأ رياضيات (خطأ في التحويل. أبلغ الخادوم («cli») عن: «SyntaxError: Illegal TeX function
Found \begin 4:1»): {\displaystyle F_{H}(x;N,M,n)=\left\{ \begin{array}[c]{ll}\frac{\left( \beg... ...N-M)],\dots,min[n,M]\\ & \\ 0 & otherwise \end{array}\right. }
تعطى القيمة المتوقعة والتباين للمتغير الهندسي بواسطة :
له تابع التوزيع المتعلق بأن .
التوقع والتباين الى
التقريبات :
لأجل و كبيرة و صغيرة, سيقرب التوزيع الهندسي
بواسطة التوزيع الثنائي مع .
قاعدة التجريب :
طبقا لنظرية النهاية المركزية لأجل حجم العينة الكبير بشكل كافي سيقرب التوزيع الهندسي بواسطة التوزيع الطبيعي حتى تحت فروض العينات بدون اعادة
و
على التوالي ونعتبر حجم العينة كبير بشكل كافي اذا