جاري العرض... # ملخص: الوحدة الاولى:الارتباط والانحدار > **المادة:** إحصاء | **الصف:** الصف الثالث الثانوي --- ## أهداف التعلم 1. التعرف على معنى الارتباط بين متغيرين. 2. حساب معامل الارتباط بين متغيرين بطرق مختلفة (طريقة بيرسون وطرقة سبيرمان) وفهم معناها رياضيًا. 3. فهم معنى خط الانحدار، وتقدير أهميته في دراسة العلاقة بين متغيرين. 4. استخدام الرسوم البيانية (الإحداثيات الديكارتية) والتحكم من خلالها على وجود العلاقة بين المتغيرين في مستوى وقوة العلاقة. 5. فهم معنى معامل الانحدار الخطي، وفهم ما يمكن أن يستدل عليه بمعرفة قيمة هذا المعامل. 6. إيجاد معادلة خط انحدار لأي من المتغيرين على الآخر بطريقة المربعات الصغرى. --- ## المصطلحات والتعريفات الإحصائية * **الارتباط (Correlation):** هو مقياس لدرجة القوة والاتجاه للعلاقة الخطية بين متغيرين. يتراوح معامل الارتباط بين -1 و +1. * **الارتباط الطردى (Positive Correlation):** عندما يزداد متغير مع زيادة المتغير الآخر (اتجاه واحد). * **الارتباط العكسى (Negative Correlation):** عندما ينقص متغير مع زيادة المتغير الآخر (اتجاهين متعاكسين). * **لا يوجد ارتباط (No Correlation):** عندما لا توجد علاقة بين المتغيرين. * **معامل الارتباط لبيرسون (Pearson Correlation Coefficient):** يستخدم لقياس قوة العلاقة الخطية بين متغيرين كميتين. يُرمز له عادة بـ $r$. * **معامل الارتباط لسبيرمان (Spearman Correlation Coefficient):** يستخدم لقياس قوة العلاقة الارتباطية بين متغيرين، ويعتمد على الترتيب (Rank) وليس القيم الفعلية. يُرمز له عادة بـ $\rho$ (رو) أو $r_s$. * **الانحدار الخطي البسيط (Simple Linear Regression):** هو أسلوب يستخدم لتحديد أفضل خط مستقيم يصف العلاقة بين متغيرين. يتمثل هذا الخط في معادلة: $$Y = a + bX$$ --- ## القوانين والمعادلات الإحصائية ### معادلة خط الانحدار $$y = a + bx$$ **الرموز:** | الرمز | المعنى | |-------|-------------| | $y$ | المتغير التابع | | $x$ | المتغير المستقل | | $a$ | تقاطع الخط مع المحور الصادي | | $b$ | ميل الخط | **شروط الاستخدام:** تُستخدم هذه المعادلة لتحديد العلاقة بين متغيرين، حيث يمكن استخدامها للتنبؤ بقيمة المتغير التابع عند معرفة قيمة المتغير المستقل. **مثال عددي:** لنفترض أننا نريد دراسة العلاقة بين عدد الساعات التي يدرسها الطالب ($x$) ودرجته في الامتحان ($y$). إذا كانت المعادلة هي $y = 2 + 0.5x$، فما هي الدرجة المتوقعة إذا درس الطالب 4 ساعات؟ $$y = 2 + 0.5 \times 4 = 2 + 2 = 4$$ ### معادلة معامل الارتباط لبيرسون $$r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \sum(y_i - \bar{y})^2}}$$ **الرموز:** | الرمز | المعنى | |-------|--------------------| | $r$ | معامل الارتباط | | $x_i$ | قيم المتغير المستقل | | $y_i$ | قيم المتغير التابع | | $\bar{x}$ | متوسط قيم المتغير المستقل | | $\bar{y}$ | متوسط قيم المتغير التابع | **شروط الاستخدام:** تُستخدم هذه المعادلة لقياس قوة وطبيعة العلاقة الخطية بين متغيرين كميتين. **مثال عددي:** لنفترض أننا نريد حساب معامل الارتباط بين عدد الساعات التي يدرسها الطالب ($x$) ودرجته في الامتحان ($y$). إذا كانت البيانات هي: $x$: 2, 4, 6, 8 $y$: 3, 5, 7, 9 $$\bar{x} = \frac{2 + 4 + 6 + 8}{4} = 5$$ $$\bar{y} = \frac{3 + 5 + 7 + 9}{4} = 6$$ $$r = \frac{(2-5)(3-6) + (4-5)(5-6) + (6-5)(7-6) + (8-5)(9-6)}{\sqrt{(2-5)^2 + (4-5)^2 + (6-5)^2 + (8-5)^2} \times \sqrt{(3-6)^2 + (5-6)^2 + (7-6)^2 + (9-6)^2}}$$ $$r = \frac{(-3)(-3) + (-1)(-1) + (1)(1) + (3)(3)}{\sqrt{9 + 1 + 1 + 9} \times \sqrt{9 + 1 + 1 + 9}}$$ $$r = \frac{9 + 1 + 1 + 9}{\sqrt{20} \times \sqrt{20}} = \frac{20}{20} = 1$$ ### معادلة معامل الارتباط لسبيرمان $$r_s = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$ **الرموز:** | الرمز | المعنى | |-------|-------------| | $r_s$ | معامل الارتباط لسبيرمان | | $d_i$ | الفرق بين ترتيبي المتغيرين | | $n$ | عدد المشاهدات | **شروط الاستخدام:** تُستخدم هذه المعادلة لقياس قوة العلاقة الارتباطية بين متغيرين ترتيبيين أو عندما تكون البيانات لا تتبع توزيعاً طبيعياً. **مثال عددي:** لنفترض أننا نريد حساب معامل الارتباط لسبيرمان بين ترتيب الطلاب في الرياضيات ($x$) وترتيبهم في العلوم ($y$). إذا كانت البيانات هي: $x$: 1, 2, 3, 4 $y$: 2, 1, 4, 3 $d_i$: 1, 1, 1, 1 $n$: 4 $$r_s = 1 - \frac{6 \times (1^2 + 1^2 + 1^2 + 1^2)}{4(4^2 - 1)} = 1 - \frac{6 \times 4}{4 \times 15} = 1 - \frac{24}{60} = 1 - 0.4 = 0.6$$ --- ## الشرح المفصل للموضوع الأول: الارتباط الارتباط هو مقياس لدراسة العلاقة بين متغيرين (أو أكثر) في نفس العينة. إذا كان هناك تغير في أحد المتغيرات يرتبط بتغير في المتغير الآخر، فإننا نقول إن هناك ارتباطاً بينهما. * **مخطط الانتشار (Scatter Diagram):** يُستخدم مخطط الانتشار لتمثيل البيانات على شكل نقاط (scatter points) على رسم بياني، حيث يمثل المحور السيني المتغير الأول ($X$) والمحور الصادي المتغير الثاني ($Y$). شكل النقاط يعطي انطباعاً فورياً عن نوع العلاقة: * إذا كانت النقاط تتبع اتجاهاً عاماً تصاعدياً أو تنازلياً، فهناك ارتباط. * إذا كانت النقاط متفرقة ولا يوجد اتجاه واضح، فهناك عدم ارتباط. --- ## الشرح المفصل للموضوع الثاني: الانحدار الانحدار هو دراسة العلاقة بين متغير تابع (Dependent Variable) يرمز له بـ $Y$، ومتغير مستقل (Independent Variable) يرمز له بـ $X$، بهدف التنبؤ بقيمة $Y$ بناءً على قيمة $X$. * **خط الانحدار (Regression Line):** هو الخط المستقيم الذي يمر بأقرب نقاط ممكنة لمجموعة النقاط في مخطط الانتشار، بحيث يمثل أفضل تمثيل خطي للبيانات. يُرمز لخط الانحدار عادة بالرمز $\hat{y}$. * **طريقة المربعات الصغرى (Least Squares Method):** هي الطريقة الرياضية المستخدمة لإيجاد معادلة خط الانحدار. الهدف من هذه الطريقة هو تقليل مجموع مربعات المسافات العمودية بين النقاط الفعلية والخط المستقيم (المتبقيات أو Residuals) إلى أدنى حد ممكن. --- ## مسائل محلولة بالكامل ### مسألة 1 لنفترض أننا نريد دراسة العلاقة بين عدد الساعات التي يدرسها الطالب ($x$) ودرجته في الامتحان ($y$). إذا كانت البيانات هي: $x$: 2, 4, 6, 8 $y$: 3, 5, 7, 9 * احسب معامل الارتباط بين $x$ و $y$ باستخدام معادلة بيرسون. * استخدم معادلة الانحدار للتنبؤ بدرجة الطالب إذا درس 5 ساعات. ### حل * حساب معامل الارتباط: $$\bar{x} = \frac{2 + 4 + 6 + 8}{4} = 5$$ $$\bar{y} = \frac{3 + 5 + 7 + 9}{4} = 6$$ $$r = \frac{(2-5)(3-6) + (4-5)(5-6) + (6-5)(7-6) + (8-5)(9-6)}{\sqrt{(2-5)^2 + (4-5)^2 + (6-5)^2 + (8-5)^2} \times \sqrt{(3-6)^2 + (5-6)^2 + (7-6)^2 + (9-6)^2}}$$ $$r = \frac{(-3)(-3) + (-1)(-1) + (1)(1) + (3)(3)}{\sqrt{9 + 1 + 1 + 9} \times \sqrt{9 + 1 + 1 + 9}}$$ $$r = \frac{9 + 1 + 1 + 9}{\sqrt{20} \times \sqrt{20}} = \frac{20}{20} = 1$$ * التنبؤ بدرجة الطالب: $$y = a + bx$$ $$b = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sum(x_i - \bar{x})^2}$$ $$b = \frac{(-3)(-3) + (-1)(-1) + (1)(1) + (3)(3)}{(2-5)^2 + (4-5)^2 + (6-5)^2 + (8-5)^2}$$ $$b = \frac{9 + 1 + 1 + 9}{9 + 1 + 1 + 9} = \frac{20}{20} = 1$$ $$a = \bar{y} - b\bar{x} = 6 - 1 \times 5 = 1$$ $$y = 1 + 1 \times 5 = 6$$ ### مسألة 2 لنفترض أننا نريد حساب معامل الارتباط لسبيرمان بين ترتيب الطلاب في الرياضيات ($x$) وترتيبهم في العلوم ($y$). إذا كانت البيانات هي: $x$: 1, 2, 3, 4 $y$: 2, 1, 4, 3 * احسب معامل الارتباط لسبيرمان بين $x$ و $y$. * استخدم معادلة الانحدار للتنبؤ بترتيب الطالب في العلوم إذا كان ترتيبه في الرياضيات هو 2. ### حل * حساب معامل الارتباط لسبيرمان: $d_i$: 1, 1, 1, 1 $n$: 4 $$r_s = 1 - \frac{6 \times (1^2 + 1^2 + 1^2 + 1^2)}{4(4^2 - 1)} = 1 - \frac{6 \times 4}{4 \times 15} = 1 - \frac{24}{60} = 1 - 0.4 = 0.6$$ * التنبؤ بترتيب الطالب في العلوم: $$y = a + bx$$ $$b = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sum(x_i - \bar{x})^2}$$ $$b = \frac{(1-2.5)(2-2.5) + (2-2.5)(1-2.5) + (3-2.5)(4-2.5) + (4-2.5)(3-2.5)}{(1-2.5)^2 + (2-2.5)^2 + (3-2.5)^2 + (4-2.5)^2}$$ $$b = \frac{(-1.5)(-0.5) + (-0.5)(-1.5) + (0.5)(1.5) + (1.5)(0.5)}{2.25 + 0.25 + 0.25 + 2.25}$$ $$b = \frac{0.75 + 0.75 + 0.75 + 0.75}{5.5} = \frac{3}{5.5} = 0.54545$$ $$a = \bar{y} - b\bar{x} = 2.5 - 0.54545 \times 2.5 = 2.5 - 1.36364 = 1.13636$$ $$y = 1.13636 + 0.54545 \times 2 = 1.13636 + 1.09091 = 2.22727$$ --- ## تنبيهات الامتحان 1. تأكد من فهمك لجميع المفاهيم الإحصائية قبل الامتحان. 2. راجع جميع المعادلات الإحصائية واعرف كيفية تطبيقها. 3. تدرب على حل مسائل إحصائية مختلفة لتحسين مهاراتك. 4. تأكد من قراءة الأسئلة جيدًا و理解 ما يُطلب قبل الإجابة. --- ## قائمة المراجعة 1. تعريف الارتباط و-typesه. 2. معادلة معامل الارتباط لبيرسون. 3. معادلة معامل الارتباط لسبيرمان. 4. تعريف الانحدار و-typesه. 5. معادلة خط الانحدار. 6. طريقة المربعات الصغرى. 7. كيفية استخدام معادلة الانحدار للتنبؤ. 8. كيفية حساب معامل الارتباط لبيرسون. 9. كيفية حساب معامل الارتباط لسبيرمان. 10. كيفية استخدام معادلة الانحدار للتنبؤ بدرجة الطالب. 11. كيفية استخدام معادلة الانحدار للتنبؤ بترتيب الطالب. 12. كيفية تطبيق المعادلات الإحصائية في المواقف الواقعية. --- ## جميع المعادلات دفعة واحدة $$y = a + bx$$ $$r = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum(x_i - \bar{x})^2 \sum(y_i - \bar{y})^2}}$$ $$r_s = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$ $$b = \frac{\sum(x_i - \bar{x})(y_i - \bar{y})}{\sum(x_i - \bar{x})^2}$$ $$a = \bar{y} - b\bar{x}$$ > بالتوفيق في امتحاناتك!