حاسبة التباين

حاسبة التباين

رائد AI Skill PRO

أدخل الحساب

صيغة رياضية

s2=1n−1∑i=1n(xi−x‾)2where{xi=Entered Numbersn=Count of Numbersx‾=1n∑i=1nxi\begin{gathered} s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left({x_i} - \bar{x}\right)^2 \\[1.5em] \text{where}\quad \left\{ \begin{aligned} x_i &= \text{Entered Numbers} \\ n &= \text{Count of Numbers} \\ \bar{x} &= \frac{1}{n}\sum_{i=1}^{n} x_i \end{aligned} \right. \end{gathered}
إحصاءات الاستخدام

اعلان

نتائج

التباين
٢٫٥
الأرقام المُدخَلة 1,2,3,4,5
المتوسط ٣
الانحراف المعياري ١٫٥٨١١
جدول الحساب
x x − x̄ (x − x̄)²
١ ؜-٢ ٤
٢ ؜-١ ١
٣ ٠ ٠
٤ ١ ١
٥ ٢ ٤
Σ ١٥ ١٠
المتوسط (x̄) ١٥ ÷ ٥ = ٣
تباين العينة (s²) ١٠ ÷ (٥ − ١) = ٢٫٥
تباين المجتمع (σ²) ١٠ ÷ ٥ = ٢

الإبلاغ عن خطأ في هذه الصفحة

ماذا تفعل حاسبة التباين هذه؟

يقيس التباين مدى تشتت مجموعة من الأرقام حول متوسطها (الوسط الحسابي). فالتباين الصغير يعني أن القيم متقاربة وملتفّة حول المتوسط، بينما يشير التباين الكبير إلى أن القيم متباعدة ومنتشرة على نطاق واسع. تأخذ هذه الحاسبة قائمة واحدة من الأرقام المفصولة بفواصل، وتُرجع لك المتوسط والتباين والانحراف المعياري دفعة واحدة — بحيث تستطيع الحكم فورًا على مدى اتساق بياناتك أو تذبذبها.

خط أعداد يوضح نقاط بيانات متناثرة ومسافاتها عن المتوسط
يقيس التباين مدى تشتت نقاط البيانات عن المتوسط.

كيفية الاستخدام

هناك حقل إدخال واحد فقط: أدخل الأرقام (مفصولة بفواصل). اكتب بياناتك أو الصقها مفصولة بفواصل أو فاصلات منقوطة أو مسافات، بل حتى الفواصل العريضة (full-width) — على سبيل المثال 4, 8, 15, 16, 23, 42. تقوم الأداة بتقسيم النص وتحويل كل عنصر إلى رقم، ثم تحسب:

  • المتوسط — الوسط الحسابي لجميع القيم.
  • التباين — متوسط مربعات الانحرافات عن المتوسط.
  • الانحراف المعياري — الجذر التربيعي للتباين، بنفس وحدة بياناتك.

المعادلة المستخدمة

تعتمد هذه الحاسبة على دالة StatUtils.variance من مكتبة Apache Commons Math، والتي تحسب تباين العينة (بالقسمة على n − 1 وليس على n). والمعادلة هي:

$$ s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left(x_i - \bar{x}\right)^2 $$

حيث \(x_i\) هي كل قيمة، و\(\bar{x}\) هي المتوسط، وn هو عدد القيم. أما الانحراف المعياري فهو ببساطة \(s = \sqrt{s^2}\). واستخدام n − 1 (تصحيح بيسل / Bessel) يعطي تقديرًا غير متحيّز للتباين عندما تكون بياناتك عيّنة مأخوذة من مجتمع أكبر.

اعلان
تحليل مرئي لخطوات صيغة التباين
يُربَّع كل انحراف عن المتوسط، ثم يُجمع، ثم يُقسَّم على n ناقص واحد.

مثال محلول

لنفترض أنك أدخلت 2, 4, 6, 8:

  • المتوسط = \((2 + 4 + 6 + 8) / 4 = \) 5
  • مربعات الانحرافات: \((2-5)^2=9\)، \((4-5)^2=1\)، \((6-5)^2=1\)، \((8-5)^2=9\) ← المجموع = 20
  • تباين العينة = \(20 / (4 - 1) = \) 6.667
  • الانحراف المعياري = \(\sqrt{6.667} \approx \) 2.582

تُرجع الحاسبة هذه القيم الثلاث تلقائيًا.

تفسير نتيجة الانحراف

يقيس الانحراف مدى انتشار القيم في مجموعة بيانات من متوسطها. لأن كل انحراف يتم تربيعه قبل حساب المتوسط، فإن النتيجة تحمل وحدات مربعة: إذا كانت بياناتك عبارة عن أطوال بالسنتيمتر، فإن الانحراف بالسنتيمتر المربع؛ إذا كانت درجات اختبار، فهي "نقاط مربعة". هذا هو السبب في أن الانحراف المعياري (SD) — الجذر التربيعي للانحراف — عادة ما يُستشهد به بجانبه، لأن الانحراف المعياري يعود إلى الوحدات الأصلية للبيانات ويمكن مقارنته مباشرة مع المتوسط.

الصيغة المستخدمة هنا هي تباين العينة، الذي يقسم مجموع الانحرافات المربعة على درجات الحرية \(n-1\):

$$s^2 = \frac{1}{n-1}\sum_{i=1}^{n}\left(x_i - \bar{x}\right)^2$$

ما يخبرك به هذا الرقم

  1. الانحراف لا يكون أبداً سالباً. الانحرافات المربعة لا يمكن أن تكون أقل من صفر، لذلك \(s^2 \ge 0\) دائماً. انحراف بقيمة 0 بالضبط له معنى واحد فقط: كل قيمة في المجموعة متطابقة، والانحراف المعياري هو 0 أيضاً.
  2. الأكبر يعني انتشار أكثر — لكن فقط ضمن نفس الوحدات. انحراف 400 سم² ليس "أكبر" من انحراف 9 م²؛ قم بالتحويل إلى وحدة مشتركة أولاً (9 م² = 90,000 سم²).
  3. الانحراف ليس خالياً من الحجم. البيانات ذات المتوسط الكبير تنتج بشكل طبيعي انحرافات مطلقة أكبر. لمقارنة انتشار مجموعات البيانات ذات الوسائل المختلفة أو الوحدات المختلفة، استخدم معامل الاختلاف:
$$\text{CV} = \frac{s}{\bar{x}} \times 100\%$$

على سبيل المثال، المجموعة {2, 4, 6, 8} لديها \(\bar{x} = 5\), \(s^2 = 6.667\) و \(s = \sqrt{6.667} \approx 2.582\), مما يعطي \(\text{CV} = 2.582 / 5 \times 100\% \approx 51.6\%\). معامل الاختلاف ذو معنى فقط لبيانات مقياس النسبة ذات متوسط موجب — لا ينطبق على درجات الحرارة بالدرجة المئوية أو على البيانات المركزة بالقرب من الصفر.

الانحراف وشكل البيانات

إذا كانت البيانات موزعة بشكل طبيعي تقريباً (متماثلة تقريباً وعلى شكل جرس)، فإن القاعدة التجريبية — غالباً ما تسمى قاعدة 68–95–99.7 — توفر إحساساً سريعاً بالمقياس: حوالي 68% من القيم تقع ضمن \(\bar{x} \pm 1s\), حوالي 95% ضمن \(\bar{x} \pm 2s\), وحوالي 99.7% ضمن \(\bar{x} \pm 3s\). هذه النسب المئوية هي تقريبات تنطبق فقط على البيانات القريبة من الطبيعية؛ بالنسبة للبيانات المنحرفة أو متعددة الأنماط يمكن أن تكون مضللة للغاية، والانحراف وحده لن يكشف ذلك — انظر دائماً إلى القيم الخام أو رسم بياني أيضاً.

تحذيرات

  • القيم الشاذة تهيمن. لأن الانحرافات مربعة، فإن قيمة متطرفة واحدة لها تأثير كبير جداً. إضافة نقطة واحدة بقيمة 100 إلى {2, 4, 6} تدفع تباين العينة من 4 إلى أكثر من 2,300. إذا بدت النتيجة كبيرة بشكل غير معقول، تحقق من وجود خطأ مطبعي أو خلط في الوحدات أو ملاحظة متطرفة حقيقية قبل تفسيرها. البدائل القوية مثل النطاق الربعي أو الانحراف المطلق الوسيط تتأثر بشكل أقل.
  • العينات الصغيرة تعطي تقديرات غير مستقرة. مع \(n = 4\) أو \(n = 5\)، يمكن لتباين العينة أن يتقلب بشكل كبير من عينة إلى أخرى حتى عندما تكون العملية الأساسية دون تغيير. اعتبره مؤشراً تقريبياً وليس قيمة دقيقة.
  • \(n = 1\) غير محدد. مع قيمة واحدة فقط فإن المقسوم عليه \(n - 1\) هو صفر، لذا لا يمكن حساب تباين العينة — ملاحظة منفردة لا تحمل أي معلومات عن الانتشار.
  • العينة مقابل السكان. تطبق هذه الآلة الحاسبة مقسوم عليه \(n-1\)، وهو الخيار الصحيح عندما تكون أرقامك عينة مأخوذة من مجموعة أكبر. إذا كانت أرقامك هي السكان بأكملهم، فإن تباين السكان يستخدم \(n\) بدلاً من ذلك وسيكون دائماً أصغر إلى حد ما.
اعلان

المصطلحات والرموز الأساسية

المصطلح الرمز المعنى
المتوسط (العينة) \(\bar{x}\) المتوسط الحسابي لقيم العينة، \(\bar{x} = \frac{1}{n}\sum x_i\). اقرأ باسم "x-bar".
المتوسط (السكان) \(\mu\) متوسط كل فرد من أفراد السكان، \(\mu = \frac{1}{N}\sum x_i\). اقرأ باسم "mu".
حجم العينة / حجم السكان \(n\) / \(N\) عدد القيم المستخدمة. الحرف الصغير \(n\) يشير تقليدياً إلى عينة، الحرف الكبير \(N\) إلى السكان بأكملهم.
الانحراف \(x_i - \bar{x}\) مدى بعد قيمة واحدة عن المتوسط. موجبة فوق المتوسط، سالبة بالأسفل. الانحرافات تجمع دائماً إلى صفر، وهذا هو السبب في أنها مربعة قبل حساب المتوسط.
الانحراف المربع \((x_i - \bar{x})^2\) الانحراف مضروباً في نفسه — يزيل الإشارة ويضخم الفجوات الكبيرة.
مجموع المربعات SS المجموع الكلي لجميع الانحرافات المربعة، \(SS = \sum_{i=1}^{n}(x_i - \bar{x})^2\). بسط كل صيغة انحراف.
تباين العينة \(s^2\) \(s^2 = \dfrac{SS}{n-1}\) — التقدير غير المتحيز لتباين السكان من عينة. هذا ما تُرجعه هذه الآلة الحاسبة.
تباين السكان \(\sigma^2\) \(\sigma^2 = \dfrac{1}{N}\sum (x_i - \mu)^2\) — يُستخدم عندما تغطي البيانات السكان بأكملهم. اقرأ باسم "سيجما مربع".
درجات الحرية \(df = n-1\) عدد الانحرافات الحرة في التنوع بمجرد تحديد المتوسط؛ معرفة المتوسط و \(n-1\) انحرافات تحدد الانحراف الأخير.
تصحيح بيسل القسمة على \(n-1\) التعديل الذي يستبدل \(n\) بـ \(n-1\). بدونها، يقلل تباين العينة تقدير تباين السكان بشكل منهجي، لأن الانحرافات تُقاس من متوسط العينة نفسها.
الانحراف المعياري \(s\) / \(\sigma\) الجذر التربيعي للانحراف، معبراً عنه بنفس وحدات البيانات: \(s = \sqrt{s^2}\).
معامل الاختلاف CV الانتشار النسبي، \(CV = s / \bar{x}\)، عادة ما يُعرض كنسبة مئوية. بدون أبعاد، لذا يقارن مجموعات البيانات ذات الوحدات أو الأحجام المختلفة.
النطاق — الحد الأقصى ناقص الحد الأدنى. مقياس انتشار خام يستخدم قيمتين فقط ويتجاهل كل شيء بينهما.
القيمة الشاذة — قيمة بعيدة عن بقية البيانات. لأن الانحرافات مربعة، تضخم القيم الشاذة الانحراف بشكل غير متناسب.

ملاحظة الوحدات: يُعبّر عن الانحراف دائماً بمربع وحدات البيانات — الثواني من البيانات تعطي s²، الكيلوجرامات تعطي kg²، مبالغ العملة تعطي "عملة مربعة"، التي لا تحمل معنى يومياً. هذا هو السبب العملي الذي يجعل معظم التقارير تستشهد بالانحراف المعياري بدلاً من الانحراف نفسه.

الاصطلاحات والحالات الحدّية

شُغّلت كل حالة أدناه على هذه الحاسبة فعلًا، وعمود النتيجة هو ما تُرجعه بالفعل.

الحالةالمُدخلالنتيجة
كسور عشرية 0.1 و0.2 و0.30.1, 0.2, 0.3٠٫٠١
عدد زوجي من القيم (1، 2، 3، 4)1, 2, 3, 4١٫٦٦٦٧
قيم سالبة (−3، −1، 4)-3, -1, 4١٣
صفر في القائمة (0، 4، 9)0, 4, 9٢٠٫٣٣٣٣
عينة أم مجتمع (2، 4، 4، 4، 5، 5، 7، 9)2, 4, 4, 4, 5, 5, 7, 9٤٫٥٧١٤
قيمة واحدة فقط7يحتاج تباين العيّنة إلى قيمتين على الأقل.

تم التحقق في 2026-11-08

الأسئلة الشائعة

هل تستخدم الأداة تباين العينة أم تباين المجتمع؟ تحسب الأداة تباين العينة بالقسمة على n − 1. وهذا هو الخيار الأنسب عندما تمثّل أرقامك عيّنة وليست مجتمعًا كاملًا.

ما الفواصل التي يمكنني استخدامها؟ تعمل الفواصل العادية والفاصلات المنقوطة والمسافات والفواصل العريضة على الطريقة الآسيوية، لذا تُحلَّل البيانات المنسوخة بشكل غير منظّم تحليلًا صحيحًا في الغالب.

لماذا يُعرض الانحراف المعياري أيضًا؟ الانحراف المعياري أسهل في التفسير لأنه بنفس وحدة بياناتك الأصلية، بينما يُقاس التباين بوحدات مربّعة.

آخر تحديث:

الأكثر شيوعًا في الرياضيات والإحصاء

عرض جميع حاسبات الرياضيات والإحصاء