ما الذي تقوم به هذه الحاسبة
تصف هذه الأداة التوزيع المعايني لنسبة العينة (p̂). فعندما تسحب عيّنات عشوائية متكررة بحجم n من مجتمع إحصائي تبلغ نسبته الحقيقية p، تكوّن نسب العينات الناتجة توزيعاً خاصاً بها. تعطيك هذه الحاسبة متوسط هذا التوزيع وخطأه المعياري، حتى تتمكن من بناء فترات الثقة، أو إجراء اختبارات الفرضيات، أو تقدير مدى التباين الناتج عن أخذ العينات.
طريقة الاستخدام
أدخل نسبة المجتمع p كقيمة عشرية بين 0 و1 (مثلاً 0.4 للدلالة على 40%)، ثم أدخل حجم العينة n. تعرض الحاسبة على الفور المتوسط (الذي يساوي p)، والتباين، والخطأ المعياري (SE) للتوزيع المعايني.
شرح المعادلة
يساوي متوسط التوزيع المعايني نسبة المجتمع نفسها: \(\mu_{\hat{p}} = \text{p}\). أما الخطأ المعياري فيقيس مدى تباين نسب العينات حول p، ويُحسب بالعلاقة $$\sigma_{\hat{p}} = \sqrt{\frac{\text{p}\,(1 - \text{p})}{\text{n}}}$$ وكلما كبر حجم العينة، صغر الخطأ المعياري، فيصبح تقديرك أكثر دقة. ووفقاً لنظرية النهاية المركزية، يقترب التوزيع من الشكل الطبيعي عندما يتحقق الشرطان معاً: \(\text{np} \geq 10\) و\(\text{n}(1-\text{p}) \geq 10\).
مثال محلول
لنفترض أن \(\text{p} = 0.5\) وأن \(\text{n} = 100\). يكون المتوسط حينها 0.5، والتباين يساوي $$0.5 \times 0.5 \div 100 = 0.0025$$ والخطأ المعياري هو $$\sqrt{0.0025} = 0.05$$ أي أن نسب العينات تقع عادةً في حدود ±0.05 تقريباً حول القيمة 0.5.
كيف يغيّر حجم العينة والنسبة الخطأ المعياري
الخطأ المعياري لنسبة العينة هو \(SE = \sqrt{\frac{p(1-p)}{n} }\). يعرض الجدول الخطأ المعياري لأربع نسب للمجتمع وأربعة أحجام للعينة. تشير علامة النجمة (*) إلى التركيبة التي يكون فيها \(np < 10\) أو \(n(1-p) < 10\)، لذلك لا ينبغي استخدام التقريب الطبيعي.
| p | n = 25 | n = 100 | n = 400 | n = 1000 |
|---|---|---|---|---|
| 0.1 | 0.0600* | 0.0300 | 0.0150 | 0.0095 |
| 0.3 | 0.0917* | 0.0458 | 0.0229 | 0.0145 |
| 0.5 | 0.1000 | 0.0500 | 0.0250 | 0.0158 |
| 0.7 | 0.0917* | 0.0458 | 0.0229 | 0.0145 |
القيم مقرّبة إلى أربع منازل عشرية. الخلايا المعلَّمة هي:
- p = 0.1، n = 25: \(np = 2.5\)
- p = 0.3، n = 25: \(np = 7.5\)
- p = 0.7، n = 25: \(n(1-p) = 7.5\)
بالنسبة إلى p = 0.1 وn = 100، يكون \(np = 10\) تماماً، أي أنه يبلغ الحد الأدنى للعتبة بالضبط.
ما يُظهره الجدول
- مضاعفة n أربع مرات تقسم الخطأ المعياري على اثنين. من n = 25 إلى 100 إلى 400، كل خطوة تضرب n في 4 وتقسم SE على 2. بالنسبة إلى p = 0.5: 0.1000، 0.0500، 0.0250.
- يكون الخطأ المعياري أكبر ما يمكن عند p = 0.5، لأن \(p(1-p)\) تبلغ ذروتها عند 0.25. القيمتان لـ p ولـ 1 − p متطابقتان (قارن بين p = 0.3 وp = 0.7).
المصطلحات والرموز الأساسية
- نسبة المجتمع (p)
- الكسر الحقيقي من المجتمع كله الذي يمتلك الخاصية محل الاهتمام. عادةً ما تكون مجهولة، وتقع بين 0 و1.
- نسبة العينة (\(\hat{p}\))
- كسر النجاحات في العينة: \(\hat{p} = X/n\)، حيث X هو عدد النجاحات.
- حجم العينة (n)
- عدد الملاحظات المستقلة في كل عينة.
- توزيع المعاينة
- توزيع \(\hat{p}\) عبر جميع العينات الممكنة ذات الحجم n من المجتمع نفسه. متوسطه هو p، وانحرافه المعياري هو \(\sqrt{p(1-p)/n}\).
- الخطأ المعياري مقابل الانحراف المعياري
- الانحراف المعياري يقيس تشتت القيم الفردية (لملاحظة واحدة من النوع 0/1 يساوي \(\sqrt{p(1-p)}\)). الخطأ المعياري هو الانحراف المعياري لإحصاءة مثل \(\hat{p}\)، ويتناقص مع زيادة n.
- المقدّر غير المتحيز
- إحصاءة يساوي متوسطها عبر العينات المتكررة المعلمةَ التي تقدّرها. وبما أن \(\mu_{\hat{p}} = p\)، فإن نسبة العينة مقدّر غير متحيز لـ p.
- نظرية النهاية المركزية وشرط النجاح-الفشل
- عندما تكون n كبيرة بما يكفي، يكون توزيع المعاينة لـ \(\hat{p}\) تقريباً طبيعياً. تشترط قاعدة عملية شائعة أن يكون \(np \ge 10\) و\(n(1-p) \ge 10\) (تستخدم بعض الكتب القيمة 5)، مع ملاحظات مستقلة. دون هذه العتبات يكون التوزيع ملتوياً بشكل ملحوظ، وقد تكون الاحتمالات المبنية على التوزيع الطبيعي غير دقيقة.
الأسئلة الشائعة
لماذا يساوي المتوسط القيمة p؟ لأن نسبة العينة هي مقدّر غير متحيّز لنسبة المجتمع، فهي تصيب القيمة الحقيقية في المتوسط.
ماذا يحدث عندما يكبر حجم العينة n؟ يتناقص الخطأ المعياري بنسبة \(1/\sqrt{\text{n}}\)، ولذلك تصبح التقديرات أكثر دقة كلما كبرت العينات.
متى يكون التقريب الطبيعي صالحاً؟ القاعدة الشائعة هي أن يتحقق \(\text{np} \geq 10\) و\(\text{n}(1-\text{p}) \geq 10\)؛ وإذا لم يتحقق ذلك فيُفضّل استخدام طرق ذات الحدين الدقيقة.