الاحصاء الوصفي – متغير متري واحد

متغير متري

مشاركة

Share on facebook
Share on linkedin
Share on twitter
Share on email

الاحصاء الوصفي – متغير متري واحد

 

مقدمة

في موضوع سابق ذكرنا كل من المتغيرات الفئوية والمتغيرات المترية , و حان الوقت الآن للانتقال إلى بعض المقاييس التي تنطبق على المتغيرات المترية حصريًا , أهمها المتوسط (أو المعدل) والتباين والانحراف المعياري.

 

المتوسط (متغير متري)

ربما يكون معظمنا على دراية بالمتوسط (أو المعدل) ولكننا سنراجعها بإيجاز من أجل الاكتمال. المتوسط هو مجموع كل القيم مقسومًا على عدد القيم التي تمت إضافتها. يمكننا تمثيل هذا التعريف بالصيغة

 

متغير متريالاحصاء الوصفي

 

 

الاحصاء الوصفيمتغير متري

 

 

مثال على حساب المتوسط

لنفترض الآن أن لدينا متغيرًا X1 يحتوي على القيم 8 و 9 و 10 و 11 و 12. إذا ملأناها في الصيغة ، فسنرى أن متوسط هذه القيم هو 10:

 

الاحصاء الوصفيالاحصاء الوصفي

 

التباين

التباين هو متوسط الانحراف التربيعي عن المتوسط. يمكننا تمثيل هذا التعريف بالصيغة

 

متغير متريمتغير متري

 

التباين هو مقياس للتشتت ؛ يشير إلى مدى تباعد قيم البيانات.

 

 

مثال على حساب التباين

دعونا نعيد النظر في المتغير X1 الذي يحمل القيم 8 و 9 و 10 و 11 و 12. إذا طبقنا الصيغة ، فسنجد أن التباين هو 2

 

الاحصاء الوصفيالاحصاء الوصفي

 

الآن لدينا متغير ثان ، X2 ، يحمل القيم 6 ، 8 ، 10 ، 12 و 14. كيف تصف بالكلمات الفرق بين المتغيرين X1 و X2؟ كلاهما لهما متوسط قيمة 10. حسنًا ، الفرق هو أن قيم X2 متباعدة أكثر ؛ أي أن تباين X2 أكبر من X1.

 

 

التباين والرسم البياني Variance and Histogram

ينعكس تباين المتغير من خلال شكل الرسم البياني الخاص به. كل شيء آخر متساوٍ ، مع زيادة التباين ، يصبح المدرج التكراري أوسع وأقل. يوضح الشكل أدناه هذا للبيانات الحقيقية. يحتوي كل متغير على 1000 ملاحظة ومتوسط 100 بالضبط. لاحظ أن الرسوم البيانية الثلاثة تستخدم نفس المقاييس لمحاورها الأفقية والرأسية.

 

متغير متريمتغير متري

 

الانحراف المعياري

الانحراف المعياري هو الجذر التربيعي للتباين , لذلك فإن صيغتها تكاد تكون متطابقة مع صيغة التباين:

 

الاحصاء الوصفيالاحصاء الوصفي

 

الانحراف المعياري هو مقياس للتشتت تمامًا مثل التباين. يشير إلى مدى تباعد عدد من القيم.

وبالتالي ، فإن الانحراف المعياري والتباين يعبران عن نفس الشيء بشكل أساسي ، وإن كان ذلك على مستويات مختلفة. فلماذا لا نستخدم مقياسًا واحدًا فقط للتعبير عن تشتت عدد من القيم؟ والسبب هو أنه بالنسبة لبعض السيناريوهات ، يكون الانحراف المعياري أكثر ملاءمة من الناحية الرياضية وعكسًا للتباين.

 

 

عودة إلى فهرس دليل استخدام SPSS

 

 

متغير متري

الاحصاء الوصفي

متغير متري

 

 

اشترك في النشرة الإخبارية لدينا

احصل على التحديثات وتعلم من الأفضل

طالع المزيد

طرق جمع البيانات في البحث العلمي
إعداد البحث العلمي

دليل طرق جمع البيانات في البحث العلمي: بـ 4 خطوات فقط

طرق جمع البيانات في البحث العلمي هي عملية منهجية لجمع الملاحظات أو التحليلات حول موضوع معين. سواء كنت تجري بحثًا لأغراض تجارية أو حكومية أو أكاديمية ، فإن جمع البيانات يتيح لك اكتساب معرفة مباشرة ورؤى أصلية حول مشكلة البحث الخاصة بك. (طرق جمع البيانات في البحث العلمي)   فهرس المحتويات1 مقدمة2 طرق جمع البيانات

البحوث العلمية الأساسية والتطبيقية
إعداد البحث العلمي

البحوث العلمية الأساسية والتطبيقية: مع أكثر من 15 مثال

تهدف بعض الأبحاث إلى توسيع مجال المعرفة أو تحسين فهم ظاهرة طبيعية. يُعرف هذا النوع من البحوث بـ البحوث العلمية الأساسية أو البحث الصرف (البحت)، وهو وسيلة رئيسية لتوليد أفكار ومبادئ ونظريات جديدة. في كثير من الحالات ، يغذي البحث الأساسي الابتكارات العلمية والتطوير لأنه مدفوع بالحاجة إلى كشف المجهول. في هذه المقالة ، سوف

يسعدنا ان نقدم لكم خدماتنا

تواصل معنا

small_c_popup.png

تواصل معنا لتعرف أكثر
حول تحكيم ونشر الأبحاث وجميع خدماتنا اللغوية والبحثية

يسعدكم افادتكم بكل ما تودون معرفته