• الرجال يموتون من الحب، والنساء يحيين به (ديبريه). أحلى أبيات قيلت في الحب والغزل
- فيا ليت هذا الحب يعشق مرة فيعلم ما يلقى المحب من الهجر
(قيس بن الملوح)
- يطير إليك من شوق فؤادي ولكن ليس تتركه الضلوع
(ابن عبد ربه)
- أنت النعيم لقلبي والعذاب له فما أمرّك في قلبي وأحلاك
(الشريف الرضي)
- أعانقها والنفس بعد مشوقة إليها وهل بعد العناق تداني
(ابن الرومي)
لولا الهوى لم ترق دمعًا على طلل ولا رقت لذكر البان والعلم
(البوصيري)
- لي حبيب كملت أوصافه حق لي في حبه أن أعذرا
(البهاء بن زهير)
المزيد:
علامات تدل على تحول الصداقة إلى حب
كيف تعرف أن الشخص يحبك بصدق.. دلائل وعلامات
علامات النضج العاطفي
أرشيف الإسلام - قصيدة ابن الرومي أعانقها والنفس بعد مشوقة
منتديات ستار تايمز
كوارث الدنيا بسبب اننا نقول نعم بسرعة، ولا نقول لا ببطء – ابن خلدون. المغلوب مولع دائماً بتقليد الغالب – ابن خلدون. أهل البدو أقرب إلى الشجاعة من أهل الحضر، والسبب في ذلك أن أهل الحضر ألقوا جنوبهم على مهاد الراحة والدعة و انغمسوا في النعيم والترف ووكلوا أمرهم في المدافعة عن أموالهم وأنفسهم إلى واليهم – ابن خلدون. فاز المتملقون – ابن خلدون. شعور الإنسان بجهله ضرب من ضروب المعرفة – ابن خلدون. فساد القضاء يُفضي إلى نهاية الدولة – ابن خلدون. التاريخ ليس دائما كاتبه ابن خلدون، في بعض الأحيان يكتبه ابن كلب! – محمد الرطيان. إن التاريخ في ظاهره لا يزيد عن الإخبار ولكن في باطنه نظر وتحقيق – ابن خلدون. سئل تشرشل مرة عن رأيه بالشعوب فقال جملة تاريخية: إذا مات الانكليز تموت السياسة وإذا مات الروس يموت السلام وإذا مات الأميركان يموت الغنى وإذا مات الطليان يموت الإيمان وإذا مات الفرنسيين يموت الذوق وإذا مات الألمان تموت القوة وإذا مات العرب تموت الخيانة – ونستون تشرشل. إذا أردت أن تعرف الإنسان فانظر من يصاحب فالطباع يَسرق بعضها من بعض فترى أننا نأخذ من طباع بعضنا دون أن نشعر – ابن خلدون. يوزن المرء بقوله، ويقوّم بفعله – ابن خلدون (مؤرخ وعالم اجتماع عربي).
مقاييس التشتت هُناك مقاييس مشهورة لقياس التشتت في علم الأحصاء وهي أربعة مقاييس: المدى. التباين. الانحراف المعياري. معامل الاختلاف. يعبّر عن الانحراف المعياري بعلم الإحصاء والرياضيّات بالتعبيرات التاليّة: (SD) أو (S)، كما يرمز له برمز خاص وشائع وهو رمز: (σ)، ويعدّ هذا الرّمز أحد الرموز اليونانيّة أو الإغريقيّة ويُلفظ بالعربيّة "سيجما" وبالإنجليزية كذلك. قانون الانحراف المعياري يُمكن حساب الانحراف المعياري من خلال حساب الجذر التربيعي من التباين المحسوب بالسابق للبيانات المتشتتة عن الوسط الحسابي، وما يلي خطوات حساب الانحراف المعياري: إيجاد قيمة الوسط الحسابي للبيانات من خلال تقسيم مجموع البيانات على عددها. إيجاد قيمة التباين للبيانات من خلال تقسيم مجموع مربعات انحرافات القيم عن وسطها الحسابي على (n-1). إيجاد قيمة الانحراف المعياري من خلال أخذ الجذر التربيعي من التباين. فإذا كانت هناك البيانات التالية على سبيل المثال: (7، 8، 10، 15، 22، 6)، فكيف يمكن حساب قيمة الانحراف المعياري للبيانات السابقة؟ قيمة الوسط الحسابي لتلك البيانات هو: (7+8+10+15+22+6) / 6 = 11. 33. لإيجاد قيمة التباين، فإنه يجب أولاً أن نجد قيمة انحراف كل قيمة من القيم عن وسطها الحسابي، وذلك بالطريقة التالية: (7 - 11.
كيفية حساب التباين: 15 خطوة (صور توضيحية) - Wikihow
على سبيل المثال ، قد نشعر بالقلق حيال قياس قطر صنوبر اللوبولي (شجرة صنوبرية شائعة في ولاية كارولينا الشمالية) في منطقة غابة في غابة ديوك – يشمل السكان المعنيون فصيصات اللوبولي في منطقة الغابات ، في حين أن العينة ستكون تلك الأشجار تم اختياره للقياس. وقد تكون البيانات التي نجمعها إما نوعية (قد تسمى أيضًا فئوية أو اسمية) أو كمية (رقمية)، الجنس ، تركيز MEM ، دولة المنشأ كلها مقاييس نوعية أو فئوية ، في حين أن الطول ، المسافة ، عدد الطلاب في الفصل هي كمية، ولا يوجد ترتيب طبيعي في البيانات الفئوية ، مجرد فئات مميزة يمكن من خلالها وضع فرد / كائن، و قد تكون البيانات الكمية إما منفصلة (مثل تعداد الأنواع التي تحدث في قطعة الأرض) أو مستمرة (مثل الارتفاع). [3]
المقاييس الوصفية في علم الإحصاء
تنقسم المقاييس الوصفية إلى نوعان وهم:
مقاييس النزعة المركزية (Measures of Central Tendency): وهي تتضمن عدد من المقاييس وهي ( الوسط الحسابي – الوسيط – و المنوال)
مقاييس التشتت (Measures of Dispersion): وهي تتضمن عدد من المقاييس وهي (المدى – والانحراف المعياري). مقاييس النزعة المركزية (Measures of Central Tendency)
وتمثل القيمة المركزية أو كما تعرف باللغة الإنجليزية (Central Value) حيث نجد أن البيانات في الغالب تتمركز حول قيمة محددة، و في هذه الحالة، نقوم باستخدام المقاييس المركزية لتمثيل وشرح البيانات ومن أهم المقاييس الخاصة بالنزعة المركزية ما يلي:
الوسط الحسابي (Mean): ونحصل عليه من خلال قسمة مجموع البيانات الموجوده أمامنا على عددها.
شرح قانون الانحراف المعياري - قوانين العلمية
مثال: لدينا عشرون أسرة و نريد معرفة ما هو الوسط الحسابي لعدد الأفراد داخل الأسرة، لذا نقوم بجمع كل عدد الأفراد في كافة الأسر ومن ثم نقوم بتقسيمها على 20 وهو العدد المخصص للأسر المحدد في عينة الدراسة. الوسيط (Median): وهو ذلك القيمة المركزية الخاصة بمجموعة البيانات، ونحصل عليه من خلال القيام أولاً بترتيب البيانات تصاعدياً أو ترتيباً تنازلياً، فمثلاً:
إذا كان إجمالي عدد المشاهدات رقماً فرديًا: فإن الوسيط هنا يكون هو القيمة الوسطى. وإذا كان عدد المشاهدات رقماً زوجيًا: فإن الوسيط هنا يكون هو الوسط الحسابي للقيمتين الموجودتين في المنتصف. المنوال (Mode): وهو ذلك القيمة الشائعة أو القيمة الأكثر تكرارًا بين كافة البيانات أو كل ما يتاح لنا من المشاهدات.
قانون الانحراف المعياري | Shms - Saudi Oer Network
التباين هو مقياس لكيفية توزيع مجموعة بيانات وهو مفيد عند وضع نماذج إحصائية لأن التباين المنخفض يمكن أن يدل على أنك تفرط في مطابقة بياناتك. قد يكون حساب التباين صعبًا لكن حين تتقن المعادلة سيصبح كل ما عليك فعله هو التعويض بالأرقام الصحيحة لمعرفة إجابتك. 1
دون عينة مجموعة البيانات. يملك الإحصائيون في معظم الحالات القدرة على الوصول إلى عينة فقط أو مجموعة جزئية مما يدرسونه، فمثلًا يستطيع الإحصائي إيجاد كلفة عينة عشوائية لآلاف قليلة من السيارات بدلًا من تحليل المتمع الكلي "تكلفة كل سيارة في مصر". يمكنه استخدام هذه العينة للحصول على تقدير جيد لتكلفة السيارات المصرية لكنه لن يطابق الأرقام الفعلية تمامًا. ستأخذ ستة أيام عشوائية مثلًا لتحليل عدد كعك المافن الذي يباع يوميًا في مطعم صغير وتحصل على هذه النتائج: 38 و37 و36 و28 و18 و14 و12 و11 و10, 7 و9, 9. هذه عينة وليست الكل لأنك لا تملك بيانات عن كل يوم كان المطعم مفتوحًا به. انتقل للطريقة الموضحة أدناه إذا كنت تعرف كل نقاط البيانات في المجتمع الإحصائي. 2
اكتب معادلة تباين العينة. يخبرك تباين مجموعة بيانات بكيفية توزيع هذه المجموعة. كلما اقترب التباين من الصفر زاد تقارب وتجمع نقاط البيانات.
كتب الانحراف السلوكي - مكتبة نور
يرجع سبب تعريف المتوسط أن الإجابات السالبة (المسافة من المتوسط إلى الأرقام الأصغر) تلغي تمامًا الإجابات الموجبة (المسافة من المتوسط إلى الأرقام الأكبر). 5
قم بتربيع كل النتائج. مجموع الانحرافات الحالية ( - x̅) صفر كما لاحظنا أعلاه. يعني هذا أن "متوسط الانحراف" سيساوي الصفر دومًا لذا لا يعلمك هذا أي شيء عن مدى توزيع البيانات. جد مربع كل انحراف لحل هذه المشكلة. سيحول هذا كل الأرقام لأرقام موجبة فلا تعود القيم الموجبة والسالبة تلغي بعضها البعض. [٤]
مثال: ( - x̅) - x̅) 9 2 = 81 (-7) 2 = 49 (-5) 2 = 25 (-1) 2 = 1
لديك الآن قيمة ( - x̅) لكل نقطة بيانات من العينة. 6
جد مجموع القيم التربيعية. حان الآن وقت حساب قيمة بسط المعادلة بأكمله: ∑[( - x̅)]. يخبرك رمز السيجما ∑ بأن عليك جمع قيمة الحد التالي لجميع قيم. لقد حسبت ( - x̅) مسبقًا لكل قيمة في العينة لذا كل ما عليك فعله هو جمع النتائج. مثال: 9 + 1 + 81 + 49 + 25 + 1 = 166. 7
اقسم على n – 1 حيث n هي عدد نقاط البيانات. كان الإحصائيون يقسمون على n عند حساب تباين عينة فيما مضى. يعطيك هذا القيمة المتوسطة لمربع الانحراف وهو مطابق مثالي لتباين تلك العينة، لكن تذكر أن العينة مجرد تقدير لمجتمع أكبر وستحصل على نتائج مختلفة إذا أخذت عينة عشوائية أخرى وأجريت نفس الحسابات، بينما تمنحك القسمة على n-1 بدلًا من ذلك تقديرًا أفضل لتباين مجتمع أكبر وهو ما يثير اهتمامنا فعلًا.
يستخدم الإحصائيون متغيرات مختلفة لتمييزه عن تباين العينة (الذي يعد مجرد تقدير): [٦]
σ = (∑( - μ)) / n
تباين المجتمع = σ. وهو الصورة الصغير من الرمز سيجما ويقاس التباين بالوحدات المربعة. يمثل حدًا في مجموعة البيانات. يحسب الحد الموجود داخل رمز ∑ لكل قيم ثم تجمع. متوسط المجتمع هو μ. عدد نقاط البيانات في المجتمع هو n.
جد متوسط المجتمع. يمثل الرمز μ ("ميو") المتوسط الحسابي عند تحليل المجتمع. اجمع كل نقاط البيانات ثم اقسمها على عددها لإيجاد المتوسط. يمكنك التفكير في المتوسط الحسابي على أنه "وسط"، لكن احترس إذ قد تكون هناك عدة تعريفات للكلمة. مثال: المتوسط = μ = = = 10. 5' '. اطرح المتوسط من كل نقاط البيانات. ستعطي نقاط البيانات المقاربة للمتوسط فوارق مقاربة للصفر. كرر عملية الطرح لجميع النقاط وقد تبدأ باستشعار كيفية توزيع البيانات. مثال: - μ = 5 - 10. 5 = -5. 5 - μ = 5 - 10. 5 - μ = 8 - 10. 5 = -2. 5 - μ = 12 - 10. 5 = 1. 5 - μ = 15 - 10. 5 = 4. 5 - μ = 18 - 10. 5 = 7. 5
قم بتربيع جميع الإجابات. ستجد الآن أن بعض الأرقام الناتجة عن الخطوة الأخيرة سالبة وبعضها الآخر موجب. تمثل هاتان المجموعتين الأرقام الموجودة على يسار المتوسط ويمينه، إذا مثلت بياناتك على خط الأعداد.