📊 الفصل الثاني — القسمان 2.5 و2.6

ملخص · مؤشرات
إضافية

من نسبة الإشارة إلى الضوضاء، إلى نسبة تحمّل الخطأ، إلى درجة القطع Φ(λ) — أدوات أكثر ثراءً لتفسير القياس

S/N
الإشارة / الضوضاء
E/T
الخطأ / التحمّل
Φ(λ)
مؤشر القطع
n²·σ²
مقياس الدرجة الكلية
الجدول 2.11 — الملخص الشامل

كل معادلات G وD في مكان واحد

جدول مرجعي كامل لتصميم G (p×i) وتصميم D (p×I) مع جميع المكوّنات والمعاملات

المكوّن / المؤشر الرمز المعادلة الدور
── دراسة G (تصميم p × i) ──
مكوّن تباين الأشخاص σ²(p) [MS(p)−MS(pi)] / nᵢ ✓ تباين مرغوب
مكوّن تباين الفقرات σ²(i) [MS(i)−MS(pi)] / nₚ خطأ مطلق
مكوّن التباين المتبقي σ²(pi) MS(pi) خطأ مطلق ونسبي
── دراسة D (تصميم p × I) — بعد التقليص بـ nᵢ′ ──
تباين درجة الكون σ²(τ) = σ²(p) لا يتغير من G ✓ ثابت دائماً
مكوّن D للفقرات σ²(I) σ²(i) / nᵢ′ خطأ مطلق فقط
مكوّن D المتبقي σ²(pI) σ²(pi) / nᵢ′ خطأ مطلق ونسبي
── تباينات الخطأ ──
الخطأ النسبي σ²(δ) σ²(pI) = σ²(pi)/nᵢ′ تفسير نسبي
الخطأ المطلق σ²(Δ) σ²(I)+σ²(pI) = [σ²(i)+σ²(pi)]/nᵢ′ تفسير مطلق/محك
خطأ تقدير μ σ²(X̄) σ²(p)/nₚ′ + σ²(i)/nᵢ′ + σ²(pi)/(nₚ′nᵢ′) تقدير المتوسط العام
── المعاملات ──
معامل التعميم Eρ² σ²(p) / [σ²(p)+σ²(δ)] ≈ ألفا ≈ KR-20
مؤشر الاعتمادية Φ σ²(p) / [σ²(p)+σ²(Δ)] تفسير محكي
تباين الدرجة الملحوظة المتوقع ES²(p) σ²(p) + σ²(δ) مقام Eρ²
الصلة بالنظرية التقليدية

صيغة سبيرمان–براون وحدودها

Eρ̂² في تصميم p×I يُحسَب بصيغة سبيرمان–براون — لكن هذه الصيغة لا تعمل في التصاميم الأكثر تعقيداً

📐 صيغة سبيرمان–براون
r′ = (nᵢ′ · r) / [nᵢ + (nᵢ′ − nᵢ)r]
r = KR-20 للاختبار الأصلي (nᵢ فقرة)
r′ = الثبات المتوقع للاختبار الجديد (nᵢ′ فقرة)
تكافؤ: r′ = Êρ² في تصميم p × I
⚠️ حدود هذه الصيغة
✗ لا تنطبق على التصاميم متعددة الأوجه (مقيِّمون + فقرات)
✗ لا تنطبق على أكوان التعميم المقيَّدة (وجه ثابت)
✗ لا تُحسب Φ أو σ²(Δ) — مقتصرة على Eρ² فقط
✗ لا تعمل مع التصاميم المتداخلة i:p
✓ تعطي نفس نتائج نظرية التعميم في الحالة البسيطة p × I
🎛️ حاسبة سبيرمان–براون التفاعلية
12
r′ = Eρ̂²
0.844
نسبة الطول nᵢ′/nᵢ
1.00
📊
الاستنتاج
اسحب المؤشر
مؤشر بديل للاعتمادية

نسبة الإشارة إلى الضوضاء S/N

مستوحاة من هندسة الاتصالات — تُقارن قوة التمييز بين الأشخاص بمقدار الخطأ

تصوير نبضات الإشارة والضوضاء في القياس
📡 التعريف والمعادلات
S/N(Δ) = σ²(p) / σ²(Δ) = Φ / (1−Φ)
S/N(δ) = σ²(p) / σ²(δ) = Eρ² / (1−Eρ²)
الإشارة = σ²(p) = تباين الفروق الحقيقية بين الأشخاص
الضوضاء = σ²(δ) أو σ²(Δ) = الخطأ المعيق للتمييز
🔄 العلاقات العكسية
Φ
⟷
S/N(Δ) / [1 + S/N(Δ)]
Eρ²
⟷
S/N(δ) / [1 + S/N(δ)]
S/N(Δ)
⟷
Φ / (1 − Φ)
S/N(δ)
⟷
Eρ² / (1 − Eρ²)
🎛️ اكتشف نسبة الإشارة/الضوضاء لبيانات مثالك
S/N(δ)
5.40
= Eρ²/(1−Eρ²)
S/N(Δ)
3.39
= Φ/(1−Φ)
Eρ²
0.844
من S/N(δ)
Φ
0.772
من S/N(Δ)
💡
لماذا S/N أحياناً أفضل من Eρ²؟
عندما Eρ² = .84، فإن S/N(δ) = .84/.16 ≈ 5.3 — أي الإشارة أقوى 5 مرات من الضوضاء! هذا التفسير البديهي أكثر وضوحاً للمستخدمين غير المتخصصين. كلما كبر S/N كلما كان التمييز بين الأشخاص أوضح.
نسبة جديدة مقترحة كين 1996

نسبة تحمّل الخطأ E/T

هل الأخطاء صغيرة بالقدر الكافي لتحقيق الغرض؟ — قارن الخطأ بحدود التحمّل المقبولة

📐 التعريف الأساسي
E/T = √[خطأ RMS / تحمّل RMS]

خطأ RMS = جذر متوسط مربعات الخطأ (مثلاً σ(Δ) أو σ(δ))
تحمّل RMS = جذر متوسط مربعات حدود التحمّل المقبولة (مثلاً σ(p))

✅
E/T صغيرة (< 1) = الأخطاء صغيرة نسبياً = قياس دقيق
E/T كبيرة (> 1) = الأخطاء كبيرة = قياس غير كافٍ
🔗 علاقتها بالمعاملات
E/T = √[(1−Φ)/Φ]  (عندما خطأ=σ(Δ), تحمّل=σ(p))
Φ = 1 / [1 + (E/T)²]
E/T(δ) = √[(1−Eρ²)/Eρ²]

تعلاقات ثنائية الاتجاه — إذا عرفت Φ حسبت E/T والعكس صحيح

🎯 حالة خاصة: نسبة التحمّل مع درجة قطع λ

عند التفسير المرجعي للمحك، نهتم بـ (μₚ − λ) لا بـ μₚ فقط. لذا تُضاف المسافة بين المتوسط ودرجة القطع إلى التحمّل.

E/T(λ) = √[σ²(Δ) / (σ²(p)+(μ−λ)²)]  (2.53)
Φ̂(λ) = [σ²(p)+(μ−λ)²] / [σ²(p)+(μ−λ)²+σ²(Δ)]  (2.54)
🔍 تفسير Φ̂(λ)

كلما ابتعدت λ عن X̄:
• (μ−λ)² يكبر
• التحمّل يكبر
• E/T(λ) تصغر
• Φ̂(λ) تكبر!

لأن القرار "أجاز/رسب" يصبح أسهل كلما كانت الدرجات أبعد عن درجة القطع.

📌
عندما λ = X̄: Φ̂(λ) = KR-21 — هذا أدنى قيمة لـ Φ̂(λ) وأصعب قرار!
تفاعلي

Φ̂(λ) — أثر درجة القطع على الاعتمادية

شاهد كيف تتغير Φ̂(λ) مع تغيُّر درجة القطع — كلما ابتعدت λ عن المتوسط كلما ارتفعت الاعتمادية

البيانات الاصطناعية رقم 1 عند nᵢ′=12  ·  X̄=0.5583  ·  σ̂²(p)=.0574  ·  σ̂²(Δ)=.0169  ·  σ̂²(X̄)=.0131
0.558
Φ̂(λ)
0.725
(KR-21 عند λ=X̄)
E/T(λ)
0.591
(μ−λ)²
0.000
📊
الاستنتاج
اسحب المؤشر
⚠️ تنبيه: التقدير غير المتحيز لـ (μ−λ)²

(X̄ − λ)² مقدِّر متحيز لـ (μ − λ)². لأن التباين المُدمج في المربع يُضخِّم التقدير.

est[(μ−λ)²] = (X̄−λ)² − σ²(X̄)  (2.55)
🔗
لماذا أُدخل σ²(X̄) في الفصل؟
هذا بالضبط سبب إدراج تباين خطأ تقدير μ (المعادلة 2.38) في المادة — كان ضرورياً لتصحيح تحيّز تقدير (μ−λ)² عند استخدامه في حساب Φ̂(λ).
مقياس بديل

مقياس الدرجة الكلية vs مقياس متوسط الدرجة

نفس المعلومات — مقياسان مختلفان. الاختيار بينهما حسب السياق التطبيقي

⚙️ قاعدة التحويل: اضرب في (nᵢ′)²
مقياس متوسط الدرجة (العرف)
σ²(p), σ²(δ), σ²(Δ)
× (nᵢ′)²
→
مقياس الدرجة الكلية
(nᵢ′)²·σ²(p), ...
📌 مثال: البيانات الاصطناعية رقم 1 عند nᵢ′=12
مقياس متوسط الدرجة:
σ̂²(p)
=
.0574
σ̂²(δ)
=
.0106
σ̂²(Δ)
=
.0169
σ̂²(X̄)
=
.0131
مقياس الدرجة الكلية (× 144 = 12²):
144 × .0574
=
8.27
144 × .0106
=
1.53
144 × .0169
=
2.43
144 × .0131
=
1.89
💡
المعاملات لا تتغير بتغيُّر المقياس
Eρ² وΦ متماثلان في كلا المقياسين لأنهما نسب — والنسبة ثابتة بين مقياسَين متناسبَين. ما يتغير هو الأرقام المطلقة فقط، مما قد يُسهِّل التواصل مع المستخدمين الذين يفكرون بالدرجة الكلية لا المتوسط.
🎛️ محوّل المقياس — أدخل nᵢ′ وانظر التحويل
12
§ 2.6 التدريبات

تدريبات مُختارة مع التوجيه

أبرز التدريبات مع مؤشرات الحل — النجمة (*) تدل على تدريبات الإجابات في ملحق الكتاب

2.1 ★
6 أشخاص × 3 مقيِّمين (تصميم p×r). قدِّر: (أ) مكوّنات التباين في G، (ب) عند nᵣ′=3: σ²(δ)، σ²(Δ)، Eρ²، Φ، (ج) تحقق من أن متوسط التغايرات = σ̂²(p).
💡 هذا تصميم p×r لا p×i — نفس المعادلات مع استبدال i بـ r. التغاير بين كل زوج من المقيِّمين = σ²(p).
2.2
إجراء أنجوف: 5 مقيِّمين × 126 فقرة. SS(r)=.700، SS(i)=7.144، SS(ri)=13.353، X̄=.663. أوجد الخطأ المعياري لـ X̄.
💡 الخطأ المعياري لـ X̄ = √σ²(X̄). استخدم المعادلة 2.38 مع nₚ′=nᵣ′=5 وnᵢ′=126.
2.5 ★
مكوّنات ITBS للرياضيات (32 فقرة) والتقدير (24 فقرة). أنشئ صوراً أقصر بحيث Eρ̂² ≥ .6 مع الحفاظ على نسبة أعداد الفقرات قدر الإمكان.
💡 اعكس معادلة Eρ²: nᵢ′ = Eρ² × σ²(pi) / [σ²(p)(1−Eρ²) − Eρ²·σ²(i)]. ثم ابحث عن أصغر nᵢ′ يحقق الشرط لكلا الاختبارين.
2.6
تحقق من أن Φ̂(λ = X̄) = KR-21 = .725 للبيانات الاصطناعية رقم 1.
💡 عند λ = X̄: (μ−λ)² ≈ 0 (أو أكثر دقة: est[(μ−X̄)²] = −σ²(X̄) ≈ 0). استخدم المعادلة 2.54 مع σ²(X̄)=.0131 وσ²(p)=.0574 وσ²(Δ)=.0169.
2.7 ★
QUASAR: متوسط التقدير 1.43 على مقياس (1–5)، درجة القطع λ=3. كم عدد المهام اللازمة لكي E/T(λ) > .5؟
💡 σ²(p)=.1286، σ²(pi)=.6620. احسب σ²(p)+(μ−λ)² = .1286+(1.43−3)² = .1286+2.4649 = 2.5935. ثم اعكس معادلة E/T(λ): nᵢ′ = σ²(pi) / [(2.5935)×(E/T)² − σ²(pi)/(infinity)]... استخدم E/T < .5.
2.8
أثبت أن EMS(p) = σ²(pi) + nᵢ σ²(p).
💡 ابدأ من MS(p) = nᵢΣₚ(X̄ₚ−X̄)²/(nₚ−1). عوِّض X̄ₚ بـ (μ+νₚ+ν̄ᵢ|ₚ) وأخذ التوقع. استخدم أن E(νₚ²)=σ²(p) وE(ν̄ᵢ|ₚ²) = σ²(pi)/nᵢ.
الخلاصة النهائية

ثروة المؤشرات في نظرية التعميم

لا يقتصر الأمر على Eρ² وΦ — المنظومة أثرى وأكثر مرونة

📡

S/N — للمهندسين والتقنيين

نسبة الإشارة/الضوضاء تُقدِّم نفس المعلومات بلغة أكثر وضوحاً: "الإشارة أقوى 5 مرات من الضوضاء" أوضح من "Eρ²=.84" للمستخدم غير المتخصص.

⚖️

E/T — للغرض المقصود

نسبة تحمّل الخطأ تربط الخطأ بالغرض المقصود: هل الأخطاء صغيرة كفاية بالنسبة لما نريد تحقيقه؟ — سؤال أكثر عملية من "ما قيمة الثبات؟"

🎯

Φ(λ) — للقرارات المرجعية للمحك

مؤشر Φ مفيد — لكن Φ(λ) أكثر تحديداً: يعتمد على موقع درجة القطع. كلما ابتعدت λ عن X̄ كان القرار أسهل وΦ(λ) أعلى.

🔢

الدرجة الكلية — للتواصل العملي

المعلمون والطلاب يفكرون بالدرجة الكلية لا المتوسط. التحويل بسيط (× nᵢ′²) والمعاملات تبقى ثابتة — مما يُسهِّل التواصل دون فقدان الدقة.

🔑 شبكة العلاقات النهائية
S/N(δ) = Eρ²/(1−Eρ²)
E/T = √[(1−Φ)/Φ]
Φ̂(λ=X̄) = KR-21
(n′ᵢ)²·σ²(p) ↔ σ²(p)
🏠 الرئيسية ← السابق التالي →