PL9fwy3NUQKwZCbh9PqVo5c2caNsH3zdsW/6v3-MkvBrE8.srt

1
00:00:20,810 --> 00:00:25,510
بسم الله الرحمن الرحيم شباب اليوم إن شاء الله

2
00:00:25,510 --> 00:00:30,710
سنبدأ بدراسة أهم خصائص اللي هي أو أهم خاصية تتميز

3
00:00:30,710 --> 00:00:34,590
بيها السلاسل الزمنية بهدف زي ما أنتم عارفين اللي

4
00:00:34,590 --> 00:00:38,870
هو بالآخر نتنبأ أهم خاصية تتميز بها السلاسل

5
00:00:38,870 --> 00:00:41,570
الزمنية هي خاصية ال auto covariance وال auto

6
00:00:41,570 --> 00:00:44,630
correlation واللي هي كمان شوية هنشرح شو هي هذه

7
00:00:44,630 --> 00:00:48,130
الخصائص أو شو يعني خاصية ال auto covariance أو شو

8
00:00:48,130 --> 00:00:50,050
هي ال auto covariance وشو هي ال auto correlation

9
00:00:50,560 --> 00:00:55,000
تمام هلا بدنا .. يعني قبل نتذكر مع بعض شوية أمور

10
00:00:55,000 --> 00:00:58,480
تتعلق بالإحصاء ليس لها علاقة بالسلاسل الزمنية

11
00:00:58,480 --> 00:01:02,440
directly هي إحصاء اللي هو المتوسط الحسابي يا شباب

12
00:01:02,440 --> 00:01:07,900
وطبعا ما يسمى ال variance وال covariance هلا

13
00:01:07,900 --> 00:01:12,060
المتوسط الحسابي اللي بذكره ال mean function كان

14
00:01:12,060 --> 00:01:15,120
يومها شو تعريفها عبارة ال expectation 

15
00:01:15,120 --> 00:01:18,340
ال expectation زي ما أنتم شايفين هنا مش كتير أنا ..

16
00:01:18,740 --> 00:01:22,260
يعني هركز بشكل جوهري على شو هو تعريف ال

17
00:01:22,260 --> 00:01:26,960
expectation لكن بشكل عام ال expectation لأي random

18
00:01:26,960 --> 00:01:31,700
variable expectation لل X هو عبارة عن يا إما

19
00:01:31,700 --> 00:01:34,600
summation في حالة ال discrete يا إما integration

20
00:01:34,600 --> 00:01:38,700
في حالة ال continuous فلو قلنا discrete summation

21
00:01:38,700 --> 00:01:45,340
XT القيم تبعت XT في ال probability ال PDF يعني ال

22
00:01:45,340 --> 00:01:49,340
probability function تبعت X وفي حالة التكامل هي

23
00:01:49,340 --> 00:01:54,740
تكامل على قيم ال X لأ X هذه الذات نفسها مضروبة في

24
00:01:54,740 --> 00:01:58,880
التوزيع الاحتمالي لإلهام نحيا هلأ ليش احنا ال mean

25
00:01:58,880 --> 00:02:03,260
function دائما بنحبه ليش لإنه صراحة ال mean

26
00:02:03,260 --> 00:02:07,100
function غالبا ما يكون مرتبط ب main بال first

27
00:02:07,100 --> 00:02:10,940
order property تبعت اللي هي mean القيم المشاهدة

28
00:02:10,940 --> 00:02:15,040
هنا الآن احنا بنحكي عن سلاسل الزمنية تذكروا معايا

29
00:02:15,040 --> 00:02:19,930
يوم ما أخذتم أنتم في الإحصاء تذكروا ال method of

30
00:02:19,930 --> 00:02:23,970
moments طريقة اللي هي ال moments هاي العزوم ال

31
00:02:23,970 --> 00:02:28,570
method of moments فال method of moments قلنا غالبا

32
00:02:28,570 --> 00:02:33,450
لما نجيب اللي هو التوزيعات الاحتمالية غالبا تتحدد

33
00:02:33,450 --> 00:02:37,050
أي توزيع من خلال مين ال moments تبعته ال first

34
00:02:37,050 --> 00:02:41,230
moment ال first order هاي property ال second

35
00:02:41,230 --> 00:02:46,060
moment الـ third moment and so on معظم التوزيعات يا

36
00:02:46,060 --> 00:02:51,260
شباب معظم التوزيعات فقط يعني بنكون معنيين احنا بال

37
00:02:51,260 --> 00:02:55,020
first وبال second moment اللي هو ال expectation

38
00:02:55,020 --> 00:02:59,560
لل X و expectation X تربيع طبعا expectation X

39
00:02:59,560 --> 00:03:04,080
تربيع لو أنتم ذاكرين معايا ايش تعريف ال variance

40
00:03:04,080 --> 00:03:09,980
اللي علاقة ب expectation ل X تربيع فال variance اه

41
00:03:09,980 --> 00:03:13,720
إله علاقة وال covariance هو الحالة الأعم من ال

42
00:03:13,720 --> 00:03:17,660
variance وهنحكي كمان شو شو ال covariance إذا نسيت

43
00:03:17,660 --> 00:03:22,960
فعمليا ال covariance أو هو ال variance إله علاقة

44
00:03:22,960 --> 00:03:27,420
بال second moment بينما ال mean له علاقة بال first

45
00:03:27,420 --> 00:03:30,840
moment و ليش احنا معنيين بال first وبال second

46
00:03:30,840 --> 00:03:34,960
moment أكثر من غيرهم لأنه في التطبيقات العملية في

47
00:03:34,960 --> 00:03:37,620
الحياة في ال statistic غالبا ما يكون التوزيع

48
00:03:37,620 --> 00:03:41,820
احتمالي بتحدد خصوصا التوزيع الطبيعي التوزيع

49
00:03:41,820 --> 00:03:46,080
الطبيعي إذا بتذكره يكفي أنك تعرف ال mean وال

50
00:03:46,080 --> 00:03:50,200
variance عشان تعرف خصائص التوزيع الطبيعي كله هذا

51
00:03:50,200 --> 00:03:55,140
يحدث فال first وال second moment لبعض التوزيعات

52
00:03:55,140 --> 00:03:58,800
بتضلها ماشية لحد دي ال fourth وأحيانا نادر جدا

53
00:03:58,800 --> 00:04:03,340
جدا لل eight moment ولذلك احنا معنيين بال mean هنا

54
00:04:03,340 --> 00:04:06,780
function عشان نعرف اللي هو ال first order property

55
00:04:06,780 --> 00:04:10,280
تبعت ال time series ومعنيين بال variance ومن ثم ال

56
00:04:10,280 --> 00:04:14,540
covariance عشان نعرف ال second property تبعتي اللي

57
00:04:14,540 --> 00:04:18,340
هو ال mean السلسلة. الشباب زي ما أنتم شايفين الآن

58
00:04:18,340 --> 00:04:23,680
أنا رمزت لل mean بالرمز Mu sub T هو بصراحة كنا في

59
00:04:23,680 --> 00:04:27,740
الإحصاء نقول عنه Mu لكن اليوم أنا قلت عنه Mu sub T

60
00:04:27,740 --> 00:04:33,340
عشان إن هو بالضبط فهذا كان إلى حد ما بتقدر تقول

61
00:04:34,520 --> 00:04:39,000
خالي من أي .. مش function خالي من ال time ومن بقى

62
00:04:39,000 --> 00:04:42,140
.. لأ لأ ممكن يكون function وممكن يكون خالي من ال

63
00:04:42,140 --> 00:04:47,960
T هنا ولكن in general هو Mu of T sub of T Mu of T

64
00:04:47,960 --> 00:04:52,660
function في ال T من يحيان .. لأ الشباب تذكروا

65
00:04:52,660 --> 00:04:55,960
معايا شو تعريف ال variance التعريف تبع ال variance

66
00:04:55,960 --> 00:05:01,170
هو عبارة عن اللي بنرمز له بالرمز Var ال XT وهو

67
00:05:01,170 --> 00:05:06,050
عبارة عن الرمز هذا الآن استخدمته من عندي ولكن

68
00:05:06,050 --> 00:05:10,070
هنشوف ليش أنا اخترت الرمز ال Zero كمان شوية أو

69
00:05:10,070 --> 00:05:14,750
القيمة Zero هنا طيب هي Gamma سب ال X ال X هذا عشان

70
00:05:14,750 --> 00:05:20,590
اسم المتغير العشوائي Gamma ال X عند ال Zero وهو

71
00:05:20,590 --> 00:05:25,510
عبارة عن ال expectation ل if تحجز XT minus Mu T

72
00:05:25,510 --> 00:05:30,900
تربيع نحيا وطبيعي زي ما أنتم شايفين هذا إذا

73
00:05:30,900 --> 00:05:35,780
ذاكرين معايا زمان أيام الإحصاء بس أنا .. اه كنا

74
00:05:35,780 --> 00:05:39,500
نفكه بس أنا لأ مش فاكه عشان ال mu of t هذه ممكن

75
00:05:39,500 --> 00:05:45,360
تكون بصراحة أعقد شوية من أني أنا افكها في الإحصاء

76
00:05:45,360 --> 00:05:51,760
فإذا ذاكرته في الإحصاء كنا نقول هيك expectation X

77
00:05:51,760 --> 00:05:58,140
-MU ما كناش نحط هنا T طبعا ولا هنا T تربيع هو نفسه

78
00:05:58,140 --> 00:06:03,740
أنك تقول expectation فوق بالله هذا X تربيع نخسنين

79
00:06:03,740 --> 00:06:10,000
X ميو زائد ميو تربيع طبعا ال expectation linear

80
00:06:10,000 --> 00:06:16,680
يعني بتوزع فإذا هو expectation X تربيع ناقص

81
00:06:16,680 --> 00:06:25,360
expectation تنين X ميو زائد expectation ميو تربيع

82
00:06:25,360 --> 00:06:31,620
وهو عبارة عن expectation X تربيع هذا ثابت هذا ثابت

83
00:06:31,620 --> 00:06:36,900
constant فبيطلع برا فإذا هي عبارة عن تنين ميو

84
00:06:36,900 --> 00:06:43,340
expectation ال X والتي هي ميو زائد هذه ثابت وال

85
00:06:43,340 --> 00:06:47,750
expectation للثابت هو نفسه فإذا هذه مع هذه بتصير

86
00:06:47,750 --> 00:06:53,950
ميو تربيع بالسالب فبيطلع expectation X تربيع ناقص

87
00:06:53,950 --> 00:06:57,890
ميو تربيع طبعا ال ميو تربيع ما أنتم عارفين مين هي

88
00:06:57,890 --> 00:07:01,630
expectation ال

89
00:07:01,630 --> 00:07:07,220
X الكل تربيع هذا الآن اللي أنتم شايفينه أيام

90
00:07:07,220 --> 00:07:11,120
الإحصاء كنا نعمله أنا هنا ما عملته السبب أن ال mu

91
00:07:11,120 --> 00:07:15,420
of T هنا قد تكون function of T دالة بال T أنا ما

92
00:07:15,420 --> 00:07:17,920
أعرف كيف صورتها ممكن تكون linear ممكن تكون

93
00:07:17,920 --> 00:07:22,900
exponential ولذلك أنا ما في أنا جا فكها بسهولة ما

94
00:07:22,900 --> 00:07:27,010
أعرف صورتها فسبت الصيغة العامة إلى وهي هي high ماشي

95
00:07:27,010 --> 00:07:30,330
الحال لتعريف ال variance اللي شباب هذا اللي أنتم

96
00:07:30,330 --> 00:07:34,330
شايفينه كمان شوية حاجة أقول لكم لماذا أنا استخدمت

97
00:07:34,330 --> 00:07:39,510
zero اه وأنا هنا gamma ال gamma هذا له علاقة بال

98
00:07:39,510 --> 00:07:42,630
covariance وهنجي له الآن الصفحة ال slide الجاية هي

99
00:07:42,630 --> 00:07:48,120
ال covariance ال sample mean ال sample mean يعني

100
00:07:48,120 --> 00:07:51,740
شو معناها بالعربي؟ متوسط العينة، كلكم بتعرفوا،

101
00:07:51,740 --> 00:07:55,960
مجموع المشاهدات على عددها، مجموع القيم على عددها،

102
00:07:55,960 --> 00:07:59,340
ما في هنا إش جديد، هذه ال slide كلها أصلا مش إش

103
00:07:59,340 --> 00:08:04,380
جديد، بنعرفها مراجعة ال sample variance طبعا أنا

104
00:08:04,380 --> 00:08:08,380
بدي أختار رمز hat عشان ال hat اتفقنا نستخدمه لل

105
00:08:08,380 --> 00:08:14,100
estimator فإيش؟ Gamma hat zero هو عبارة عن واحد

106
00:08:14,100 --> 00:08:21,660
على N summation XT minus X bar من ناحية تربيع شباب

107
00:08:21,660 --> 00:08:25,380
ليش أنا قسمت على N بينما أنتم ذاكرين كنا نقسم على

108
00:08:25,380 --> 00:08:32,240
N ناقص واحد هو هيك الأصل هيك الصح الصح أو الدق

109
00:08:32,240 --> 00:08:37,980
Mathematically هادي لكن application N ناقص واحد

110
00:08:37,980 --> 00:08:42,320
احنا ما بنحب خاصية أن يكون المتغير أو ال estimator

111
00:08:42,320 --> 00:08:47,660
عفوا أن ال estimator يكون biased منحاز هذا ما نحبه،

112
00:08:47,660 --> 00:08:52,840
يعني هذا يعتبر فيه مشكلة، فعشان نحل مشكلة التحيز

113
00:08:52,840 --> 00:08:56,360
بنقسمه على N ناقص واحد، وهذا اللي أنتم بتشوفوه

114
00:08:56,360 --> 00:09:00,460
في الحياة الواقعية في التطبيقات، لكن أنا خليته هيك

115
00:09:01,370 --> 00:09:04,190
مش big deal لو شفتم في بعض الكتب بيقسم على

116
00:09:04,190 --> 00:09:09,010
unbiased واحد هو عشان صراحة يحل مشكلة عدم التحيز

117
00:09:09,010 --> 00:09:13,450
ال unbiased عفوا مشكلة التحيز وبدوا إياه يكون

118
00:09:13,450 --> 00:09:18,330
unbiased فهو بيحب يكون unbiased غير متحيز مش big

119
00:09:18,330 --> 00:09:22,430
deal يعني احنا خليناه عليه هلأ الآن بدنا نبلش نحكي

120
00:09:22,430 --> 00:09:26,750
في ال slide هذه عن مفهوم ال auto covariance ومفهوم

121
00:09:26,750 --> 00:09:29,950
ال auto correlation ال auto covariance وال auto

122
00:09:29,950 --> 00:09:33,950
correlation هدول المتعلقات بالسلاسل الزمنية إجوا

123
00:09:33,950 --> 00:09:38,290
في الإحصاء من مفهوم ال covariance وال correlation

124
00:09:38,290 --> 00:09:42,790
نتذكر مع بعض شو covariance تعريفه كان في ذاك الوقت

125
00:09:42,790 --> 00:09:47,870
في الإحصاء ومن ثم ننتقل خطوة لل time series

126
00:09:53,360 --> 00:09:57,600
كان زمان الشباب في عندك متغيرين متغير X و Y مثلا

127
00:09:57,600 --> 00:10:03,740
طول وزن أو دخل مصروف الآخرين لأنك أنت عشان تشوف هل

128
00:10:03,740 --> 00:10:07,280
في ارتباط ولا ما فيش ارتباط في علاقة ولا ما فيش

129
00:10:07,280 --> 00:10:11,960
علاقة أول خطوة ممكن تستخدمها وهذه informal يعني

130
00:10:11,960 --> 00:10:17,730
طريقة غير رسمية يعني أنك أنت ترسم ترسم السلسلة عفواً

131
00:10:17,730 --> 00:10:22,550
مش سلسلة ترسم المشاهدات تبع مين ومين X وY ك

132
00:10:22,550 --> 00:10:29,250
scatter plot scatter plot يعني لوحة الانتشار فمثلاً

133
00:10:29,250 --> 00:10:34,490
لو كانت اللي هي العلاقة زي ما أنتم شايفين عشوائي

134
00:10:34,490 --> 00:10:40,290
النقاط بين ال X و بين ال Y فواضح أنه هنا ما في نمط

135
00:10:40,290 --> 00:10:43,470
هذا اسمه scatter plot scatter

136
00:10:46,110 --> 00:10:51,170
Plot لوحة الانتشار فواضح أن هنا ما في علاقة هنا no

137
00:10:51,170 --> 00:10:54,010
linear relationship وما في أصلاً relationship لا

138
00:10:54,010 --> 00:10:57,890
linear ولا non linear مصبوح؟ ما في نمط ماشي عليه

139
00:10:57,890 --> 00:11:03,110
ولكن أحياناً ممكن أن نشوف العلاقة من خلال scatter

140
00:11:03,110 --> 00:11:07,050
plot بالشكل

141
00:11:07,050 --> 00:11:11,730
هذا في نمط في تزاوية في قيم ال X يتبعها تزاوية في

142
00:11:11,730 --> 00:11:16,580
قيم من؟ ال Y زي ما أنتم شايفين كل ما بيزداد ال X

143
00:11:16,580 --> 00:11:20,700
بيزداد ال Y ففي الحالة هذه في نمط ماشيين احنا

144
00:11:20,700 --> 00:11:25,740
عليها من ال scatter plot فيه أقدر أقول هنا علاقة

145
00:11:25,740 --> 00:11:30,080
طردية بالعربي positive positive طردية يعني كل ما

146
00:11:30,080 --> 00:11:34,800
بيزيد ال X بيزيد مين ال Y ممكن تكون عكسية يا شباب

147
00:11:34,800 --> 00:11:39,580
يعني كيف الرسمة تكون هيك مش هتبقى أكثر في الرسم هنا

148
00:11:39,580 --> 00:11:43,760
بس أنتم فاهمينهلا ممكن تكون مش linear، هذه

149
00:11:43,760 --> 00:11:48,500
linear، ليش linear بالمناسبة؟ لأن استطعنا أن نحصر

150
00:11:48,500 --> 00:11:53,740
جميع النقاط بين خطين متوازيين وما لهم مجتمع، هلا

151
00:11:53,740 --> 00:11:57,720
ممكن يكون نقطة هان ولا هان، شاذة، بيسموها outliers،

152
00:11:57,720 --> 00:12:03,840
مش قصتنا، ال outliers طبعاً مشكلة لكن معظم أنا كلمة

153
00:12:03,840 --> 00:12:07,320
على أنه استطعنا أن نحصر جميع النقاط هي مش كل

154
00:12:07,320 --> 00:12:11,440
النقاط يعني معظم النقاط فإذا استطعنا أنه إلى حد ما

155
00:12:11,440 --> 00:12:17,000
جميع النقاط أو معظم النقاط بين خطين متوازيين ففي

156
00:12:17,000 --> 00:12:22,860
الحالة هاي بنقول عنها linear relationship

157
00:12:22,860 --> 00:12:24,900
أو correlation أو اللي بدك إياه

158
00:12:28,460 --> 00:12:31,800
لو تلاقي قيم شاذة يعني قيم الشذة طبعاً مشكلة بس احنا مش

159
00:12:31,800 --> 00:12:35,780
قصتنا لأن بس عشان قصة أن أنا قلت استطعنا أن نحصل

160
00:12:35,780 --> 00:12:39,960
جميع النقاط هي مش جميع النقاط معظم النقاط بالخطين

161
00:12:39,960 --> 00:12:44,080
متوازيين وزي ما تشوفين هذه بنسميها linear ممكن

162
00:12:44,080 --> 00:12:48,260
تكون مش linear يعني ممكن الآن ترسمه ممكن

163
00:12:48,260 --> 00:12:53,200
exponential ممكن sine wave فتجدوا أن أحياناً النقاط

164
00:12:53,200 --> 00:12:58,150
هيك تزيد ثم بعد ذلك تنزل طبعاً في شوية هنا هي بعد

165
00:12:58,150 --> 00:13:04,950
ذلك ممكن هي فهذه في نمط في نمط ولكن هذا النمط ماله

166
00:13:04,950 --> 00:13:11,470
يعني في علاقة ولا ما فيش في علاقة بس ايش non linear

167
00:13:11,470 --> 00:13:19,310
relation أو correlation طبعاً شبه هذا طبعاً not أو

168
00:13:19,310 --> 00:13:21,550
ايش no correlation

169
00:13:23,850 --> 00:13:26,990
correlation no relationship ما في ارتباط على

170
00:13:26,990 --> 00:13:32,630
الإطلاق يعني لا linear ولا ما يحزنون ولا غيره ماشي

171
00:13:32,630 --> 00:13:38,530
الحال هلأ الآن اللي أنتم شايفينه ك scatter plot

172
00:13:38,530 --> 00:13:42,490
بيعطيني ال first impression الانطباع الأول عن

173
00:13:42,490 --> 00:13:45,270
طبيعة العلاقة بين مين ومين بين ال X و بين مين ال

174
00:13:45,270 --> 00:13:49,030
Y هذا يحصل لحد الآن احنا ما نحكيش time series ولكن

175
00:13:49,030 --> 00:13:52,910
مشكلة الرسم يا جماعة أنه لا يجمع عليه الناس

176
00:13:52,910 --> 00:13:56,570
كلها فقد يرى البعض أن هذه العلاقة اللي أنتم 

177
00:13:56,570 --> 00:13:59,770
شايفينها هذه علاقة ضعيفة وقد يرى البعض أنها علاقة

178
00:13:59,770 --> 00:14:03,910
قوية وقد يرى البعض أنها ما فيش علاقة وكل واحد ممكن

179
00:14:03,910 --> 00:14:08,330
يدافع عن وجهة نظره وكل واحد ممكن يعتقد أنهم إيش

180
00:14:08,330 --> 00:14:14,750
أنه صح فالموضوع خلافي آه خلنا نقول مين اللي بيحسم

181
00:14:14,750 --> 00:14:18,390
الموضوع المقاييس الإحصائية اللي بتعطي في النهاية

182
00:14:18,390 --> 00:14:22,430
رقم زي ال ISO في النهاية رقم مجمعة للجميع الرقم

183
00:14:22,430 --> 00:14:27,590
هذا إيه له معنى ما فيش فيه خلاف خلاص بيطلع الرقم

184
00:14:27,590 --> 00:14:31,290
الرقم هذا بيقول إنه في علاقة علاقة قوية طردية

185
00:14:31,290 --> 00:14:36,010
ضعيفة إلى ما يحزنون أول مقياس من مقاييس العلاقات

186
00:14:36,010 --> 00:14:39,870
هو عبارة عن مقياس اللي اسمه ال covariance فال

187
00:14:39,870 --> 00:14:44,750
covariance على وهو بالعربي معناه التباين المشترك

188
00:14:44,750 --> 00:14:49,730
التباين المشترك فال covariance بين ال X و بين ال Y

189
00:14:49,730 --> 00:14:53,690
إذا ذاكرين في الإحصاء عرفناه يومها في ذاك الوقت

190
00:14:53,690 --> 00:14:58,550
على أنه expectation نفتح قوس X ناقص ال mean له

191
00:14:58,550 --> 00:15:04,810
ال mean لل X مضروباً في ال Y ناقص ال mean لل Y وإذا

192
00:15:04,810 --> 00:15:07,390
بتذكروا يوم ما فكتوه mathematically فبعطيك

193
00:15:07,390 --> 00:15:12,420
بالنهاية expectation XY هذا Y capital letter ناقص

194
00:15:12,420 --> 00:15:16,740
ميو إكس ميو واي طبعاً عارفين مين هي ميو ال إكس هي

195
00:15:16,740 --> 00:15:20,480
expectation ال إكس وميو واي هي expectation ال واي

196
00:15:20,480 --> 00:15:27,600
هيجيب لك يا شباب هذا ال covariance الرقم اللي بيطلع

197
00:15:27,600 --> 00:15:33,280
بالأخير بقدر أنا أفهم منه في علاقة ولا ما فيش طردية

198
00:15:33,280 --> 00:15:38,480
ولا ضعيفة بس مشكلته ما بيقول لي أن ها قوية ولا ضعيفة

199
00:15:38,480 --> 00:15:42,860
strong ولا weak ليش لأنه قد يكون الرقم النهائي من

200
00:15:42,860 --> 00:15:47,820
سالب infinity إلى infinity رقم ما فيش له سقف نحيا

201
00:15:47,820 --> 00:15:52,200
ولكن في المحصلة النهائية الرقم النهائي اللي بيطلع

202
00:15:52,200 --> 00:15:58,530
هذا عندك خيارين يا موجب يا سالب يا صفر يا صفر يا

203
00:15:58,530 --> 00:16:06,350
موجب يا سالب إذا الصفر يعني إيش؟ لا توجد علاقة، آه

204
00:16:06,350 --> 00:16:12,310
بس لا توجد علاقة طردية، عفواً لا توجد علاقة خطية ولا

205
00:16:12,310 --> 00:16:17,290
غير خطية، هنا بس بيحكي عن العلاقة الخطية، بس علاقة

206
00:16:17,290 --> 00:16:21,090
خطية، يعني ما بيحكيش عن علاقة غير خطية، عارفين شو

207
00:16:21,090 --> 00:16:23,050
يعني أقصد؟ يعني لو حسبتوه هنا

208
00:16:25,990 --> 00:16:30,330
هذا هيطلع almost صفر تقريباً صفر أو صفر ممكن يطلع

209
00:16:30,330 --> 00:16:33,430
صفر فال covariance في هذه الرسمة اللي أنتم

210
00:16:33,430 --> 00:16:37,190
شايفينها صفر

211
00:16:37,190 --> 00:16:42,430
هل معناه أنه لا توجد علاقة؟ هذه في علاقة بس مالها

212
00:16:42,430 --> 00:16:48,150
علاقة مالها غير خطية إذا هو معنى بسميه بالعلاقات

213
00:16:48,150 --> 00:16:51,570
الخطية غير الخطية انسى الموضوع هذا اللي احنا

214
00:16:51,570 --> 00:16:56,200
بنعرفه لو طلع موجبة ففي الحالة هي علاقة positive

215
00:16:56,200 --> 00:17:00,340
يعني طردية شو يعني علاقة طردية يا شباب؟ يعني كل ما

216
00:17:00,340 --> 00:17:05,620
بيزيد ال X بيزيد ال Y علاقة طردية هيك معناها كل ما

217
00:17:05,620 --> 00:17:09,500
بيزيد X بيزيد Y كل ما بيزيد الطول بيزيد الوزن كل

218
00:17:09,500 --> 00:17:13,540
ما بيزيد الدخل بيزيد المصروف مظبوط هيك؟ فاهمين ولا

219
00:17:13,540 --> 00:17:19,620
لأ؟ طيب علاقة عكسية متى بيكون إذا سالبة عكسية أو

220
00:17:19,620 --> 00:17:23,820
negative correlation مشكلته زي ما قلت لكم أنه أنا

221
00:17:23,820 --> 00:17:27,220
هذا الرقم ما بيقولش strong ولا weak ضعيف ولا قوي

222
00:17:27,220 --> 00:17:34,780
ليش؟ لأنه أنا أقول لك شغلة واحدة أنت أحياناً بتحسب ال

223
00:17:34,780 --> 00:17:40,360
covariance فبيعطيك ال covariance مثلاً مثلاً بين

224
00:17:40,360 --> 00:17:45,880
الطول وبين الوزن مثلاً بيساوي 13 بينما ال

225
00:17:45,880 --> 00:17:53,280
covariance بين الدخل وبين المصروف مثلاً يطلع 27 ففي

226
00:17:53,280 --> 00:17:58,860
الحالة هذه ما في أقارن ال 13 مع ال 27 وأجي أقول

227
00:17:58,860 --> 00:18:05,560
هذا أقوى من هذا نعم قد يكون يا شباب ال 13 أقوى من

228
00:18:05,560 --> 00:18:10,200
ال 27 فال covariance في كل الحالات بيقول في علاقة

229
00:18:10,200 --> 00:18:15,930
طردية هذا اللي بقدر أقوله أنا علاقة طردية لكن لا

230
00:18:15,930 --> 00:18:20,130
يحدد القوة مين أقوى من مين لأنه positive وبتعرفوا

231
00:18:20,130 --> 00:18:23,150
من أين جاء أن طردية.. طلعوا لو فكرتوا في طبيعة

232
00:18:23,150 --> 00:18:26,550
التعريف ذات نفسه تشوفوا.. ركزوا معايا الآن على

233
00:18:26,550 --> 00:18:31,550
العفو.. على ال.. هذا شوفوا اسم الجلام.. طلعوا

234
00:18:31,550 --> 00:18:36,510
متى بيطلع positive لما نكون قلنا إيه؟ طردية.. شو

235
00:18:36,510 --> 00:18:40,970
يعني طردية؟ يعني زيادة في X تؤدي لمين؟ زيادة في Y

236
00:18:40,970 --> 00:18:45,470
أو نقصان في X يؤدي للنقصان في Y يعني نفس الاتجاه

237
00:18:45,470 --> 00:18:49,610
زيادة في X تؤدي لزيادة في Y نقصان في X يؤدي لنقصان

238
00:18:49,610 --> 00:18:55,110
في مين في Y هذا الطرد لأخر عكسية مين واحد بيزيد

239
00:18:55,110 --> 00:18:59,630
ثاني بينقص مصبوح طلعوا متى بيطلع هذا موجبة أقول لك لو

240
00:18:59,630 --> 00:19:05,410
كانت ال X كبيرة يعني أكبر من المين ففي الحالة هذا

241
00:19:05,410 --> 00:19:11,410
يكون كبير يعني موجبة ولو كانت ال Y كبيرة برضه موجبة

242
00:19:11,410 --> 00:19:17,480
فموجبة في موجبة فبيطلع موجبة كبير هنا وكبير هنا بيطلع

243
00:19:17,480 --> 00:19:22,940
موجبة طب لو كان صغير هنا شو يعني؟ يعني سالب صغير

244
00:19:22,940 --> 00:19:27,760
يعني أصغر من المتوسط وصغير هنا سالب صغير وصغير

245
00:19:27,760 --> 00:19:34,560
سالب في سالب فبيطلع موجبة بعرفها؟ لكن لو هذا صغير ال

246
00:19:34,560 --> 00:19:40,140
X يعني صغيرة يعني سالب المقدار هذا سالب بينما هذا

247
00:19:40,140 --> 00:19:46,680
كبير يعني هذا موجبة فهمتوا ايه؟ هذا صغير، هذا كبير،

248
00:19:46,680 --> 00:19:51,620
هذا سالب، هذا موجب، صح؟ شو يعني العلاقة النهائية؟

249
00:19:51,620 --> 00:19:56,810
موجب في سالب، سالب، عكسية، أو لعكس طبعاً يعني لو هذا

250
00:19:56,810 --> 00:20:01,550
كبير يعني هذا موجب وهذا صغير يعني سالب فموجب في 

251
00:20:01,550 --> 00:20:06,610
سالم سالم إذا واضح من تعريف التعريف نفسه زائد نفسه

252
00:20:06,610 --> 00:20:10,070
ما يكون مش علاقة ممكن مرة تلتقي فيها حاجة و هذا تنفق

253
00:20:10,070 --> 00:20:12,730
مرة و لا عكس و مرة تلتقي فيها حاجة تنفق سالم طيب هي

254
00:20:12,730 --> 00:20:15,670
هيك اه هلأ الآن كمان ما نرجع للمثال اللي احنا 

255
00:20:15,670 --> 00:20:18,990
حكيناه هلأ و هو بإنه أنا ما بعرف مين أصغر و مين

256
00:20:18,990 --> 00:20:21,950
أكبر الثلاثين ولا السبع وعشرين ما يغرك هذه الثلاثين

257
00:20:21,950 --> 00:20:27,330
و هذه السبع وعشرين ممكن الثلاثين أعلى أقوى ولذلك

258
00:20:27,330 --> 00:20:29,670
البديل عن الـ covariance وكمان مرة ما معنى

259
00:20:29,670 --> 00:20:33,110
covariance معناه تباين مشترك اللي هو هو بيقيس

260
00:20:33,110 --> 00:20:38,010
العلاقة .. بيقيس العلاقة من حيث إيش .. الاتجاه ..

261
00:20:38,010 --> 00:20:42,890
من حيث الاتجاه طردي ام ايش .. ام عكسي ام ما فيش ..

262
00:20:42,890 --> 00:20:48,350
أي علاقة .. الخطية .. بين مين؟ متغيرين .. مين هم؟

263
00:20:48,350 --> 00:20:52,530
X وY .. بس ما بيحددش strong ولا weak .. قوي ولا

264
00:20:52,530 --> 00:20:56,680
ضعيف الـ correlation هو اللي بيحدد معامل الارتباط ال

265
00:20:56,680 --> 00:20:59,820
correlation الـ correlation اللي غالبًا بيرمز له

266
00:20:59,820 --> 00:21:03,780
بالرمز رو  ولكن مش آية في القرآن هو إن اسمه رو مش 

267
00:21:03,780 --> 00:21:09,980
شيء مقدس ماشي ولكن تعريف الـ correlation الآن هو

268
00:21:09,980 --> 00:21:14,800
عبارة عن الـ covariance بين الـ X والـ Y على الجذر للـ

269
00:21:14,800 --> 00:21:21,950
variance تبع الـ X في الجذر للـ variance تبع الـ Y هذا

270
00:21:21,950 --> 00:21:26,290
الـ correlation طبيعته حقيقة ما بين السالب واحد

271
00:21:26,290 --> 00:21:36,410
وموجب واحد ولو أنا بدي آجي أعمل خط أعداد ما بين

272
00:21:36,410 --> 00:21:41,570
السالب واحد والواحد فيه الآن أحدد الرقم اللي بيطلع

273
00:21:41,570 --> 00:21:47,280
هو ولا ضعيف strong ولا weak يعني positive ولا

274
00:21:47,280 --> 00:21:51,540
negative طبيعته للـ correlation هذا زي ما اتفقنا عليها

275
00:21:51,540 --> 00:21:57,700
هو من سالب واحد لواحد ممكن يكون zero في النص هنا

276
00:21:57,700 --> 00:22:03,960
نصف هنا سالب نصف أي رقم من هنا لها من العالم سميه

277
00:22:03,960 --> 00:22:11,560
positive يعني علاقة طردية من هنا لها من سالب واحد

278
00:22:11,560 --> 00:22:17,060
للصفر negative شو يعني؟ علاقة عكسية negative

279
00:22:17,060 --> 00:22:20,780
correlation negative relationship فلو الـ raw طلع

280
00:22:20,780 --> 00:22:24,960
رقم هو ما بين سالب واحد إلى zero يعني سالب سبعة من

281
00:22:24,960 --> 00:22:29,480
عشرة فبنقول علاقة ما لها عكسية شوفوا لو طلع الـ raw

282
00:22:29,480 --> 00:22:38,280
zero شو يعني؟ ما فيش علاقة no correlation طب

283
00:22:38,280 --> 00:22:43,540
لو طلع exactly واحد بنسميها علاقة perfect علاقة

284
00:22:43,540 --> 00:22:52,060
تامة perfect كيف يعني perfect خطية تامة يعني لو

285
00:22:52,060 --> 00:22:56,380
أنتم رسمتوا فكرة

286
00:22:56,380 --> 00:23:01,740
كلان بين الـ X و بين الـ Y كـ scatter plot و طلع واحد شو

287
00:23:01,740 --> 00:23:06,300
الرسم هتطلع مستقيم نعم كل النقاط تقع على مستقيم و

288
00:23:06,300 --> 00:23:11,430
ما له مالها موجب ولا سالب موجب هذا هو هيك هتطلع

289
00:23:11,430 --> 00:23:16,110
الرسمة طبعًا بالمناسبة لو طلع سالب واحد برضه

290
00:23:16,110 --> 00:23:21,170
perfect هذا perfect موجب هذا perfect ما له سالب

291
00:23:21,170 --> 00:23:28,370
وفكرتك الرسمة هيك كيف هتطلع هيك ليه؟ شوفوا يا شباب

292
00:23:28,370 --> 00:23:34,970
من zero إلى نصف weak ضعيف بس weak ليش طردي ام عكسي

293
00:23:35,960 --> 00:23:41,340
طردي يعني positive، طب من ساعة النص للـ zero برضه

294
00:23:41,340 --> 00:23:48,760
weak، طب من نصف للواحد strong، أي رقم من نصف للواحد

295
00:23:48,760 --> 00:23:54,080
strong relationship و هذا أيضًا من سالب واحد لسالب

296
00:23:54,080 --> 00:23:59,040
نصف يعتبر strong مشكلتكم مع السالب نصف و النص في

297
00:23:59,040 --> 00:24:03,540
ناس بتعتبرهم النص ذات نفسه أو السالب نصف ذات نفسه

298
00:24:03,540 --> 00:24:06,720
يعتبر moderate يعني وسط و في ناس بيعتبروه مع ال

299
00:24:06,720 --> 00:24:10,680
strong ف أنا يعني بترك الخيار لك أنت بدك تعتبره

300
00:24:10,680 --> 00:24:16,300
strong أو بدك تعتبره moderate moderate يعني متوسط

301
00:24:16,300 --> 00:24:19,960
علاقة لا هي قوية ولا هي ضعيفة ليها وسط علاقة وسط

302
00:24:19,960 --> 00:24:26,130
يعني ما شاء الله خطية بس بتبدأ زي الـ comparing's؟ اه

303
00:24:26,130 --> 00:24:29,850
طبعًا هنا بس علاقة خطية يعني الرسم اللي قبل شوية

304
00:24:29,850 --> 00:24:44,330
رسمتوها لو أنتم رسمتوا رسموا هيك طلعت مثلًا أروح

305
00:24:44,330 --> 00:24:47,110
هذا اللي هو الـ correlation يعني فكر كده كده حيطلع

306
00:24:47,110 --> 00:24:53,180
حوالين الصفر تقريبًا تقريبًا صفر شو يعني؟ يعني ما فيش

307
00:24:53,180 --> 00:24:57,880
علاقة؟ هل هذا ما فيش علاقة؟ اه هذا فيه علاقة بس علاقة

308
00:24:57,880 --> 00:25:02,920
ما لها non-linear غير خطية احنا بس معنيين هنا بالـ

309
00:25:02,920 --> 00:25:07,160
raw اللي هو للأسف بس بيقيس علاقة مين الخطية تمام

310
00:25:07,160 --> 00:25:12,260
هي؟ هذا اللي أنتم بتعرفوه كلياته من وين؟ من مادة

311
00:25:12,260 --> 00:25:17,600
الإحصاء اليوم احنا بنحكي عن شو يا ابني؟ عن سلسل

312
00:25:17,600 --> 00:25:21,300
زمنية الرمز اللي كان اسمه covariance زمان أو

313
00:25:21,300 --> 00:25:25,060
اللازم اللي كان اسمه covariance اليوم شو حيصير اسمه

314
00:25:25,060 --> 00:25:30,000
auto covariance و اللي كان زمان اسمه correlation

315
00:25:30,000 --> 00:25:35,540
اليوم حيصير اسمه auto correlation السبب هذاك كان

316
00:25:35,540 --> 00:25:41,860
بين من ومن بين X و Y متغيرين فالآن هو نفسه مع

317
00:25:41,860 --> 00:25:46,180
السلسلة .. من هنا جاء الرسم auto فـ auto جاءت من

318
00:25:46,180 --> 00:25:51,520
إن ما فيش x و y ما فيش متغيرين هو متغير واحد هي

319
00:25:51,520 --> 00:25:56,980
المبيعات هي السلسلة واحدة ولكن المبيعات الآن

320
00:25:56,980 --> 00:26:00,960
اعتبرناها متغيرين على أساس إن المبيعات عند الزمن T

321
00:26:00,960 --> 00:26:08,130
والمبيعات نفسها عند الزمن S يعني عند زمنين فبناخد

322
00:26:08,130 --> 00:26:15,310
السلسلة الذات نفسها هي هي بنفرطها عند الأزمنة

323
00:26:15,310 --> 00:26:22,030
معينة T عند الواحد اثنين ثلاثة أربعة خمسة ماشية و

324
00:26:22,030 --> 00:26:27,870
هكذا ثم بعد ذلك بنعمل زي إزاحة للزمن shift هي نفس

325
00:26:27,870 --> 00:26:31,890
المبيعات بس مش بنبدأ من الزمن واحد عاد مثلًا نبدأ

326
00:26:31,890 --> 00:26:37,090
من عند الزمن مثلًا أربعة ثم خمسة ثم ستة و هكذا إذا

327
00:26:37,090 --> 00:26:40,450
الـ X و الـ T الـ X و الـ Y عفوًا اللي كان زمان ..

328
00:26:40,450 --> 00:26:46,570
اللي الآن مين؟ X و X .. X و X هي نفسها ولكن مين؟

329
00:26:46,570 --> 00:26:50,550
عند زمان T و عند زمان S عشان هي الآن كلمة Auto

330
00:26:50,550 --> 00:26:54,590
Auto Correlation Auto Covariance هاي تعريفهم يا

331
00:26:54,590 --> 00:26:58,270
شباب الآن أمامنا على الكمبيوتر فالتعريف تفضل احكي

332
00:26:58,270 --> 00:27:01,410
الـ .. الـ correlation الـ expectation ده أقل قصر أو

333
00:27:01,410 --> 00:27:07,430
قصير؟ قصير؟ مش فاهم الـ correlation لـ XS و XT الـ

334
00:27:07,430 --> 00:27:11,090
expectation ده لـ .. لـ الجثير ولا لأ؟ طبعًا يا رجل

335
00:27:11,090 --> 00:27:15,750
مضروبين في بعض برمجة هذه أنت لحالك يعني .. يعني الـ

336
00:27:15,750 --> 00:27:20,610
logic تبع الـ math لما تتعلم الـ برمجة مثلًا في ما بعد

337
00:27:20,610 --> 00:27:23,430
فهذه ما لها علاقة بالبرمجة بس لما لأ هذه

338
00:27:23,430 --> 00:27:27,370
expectation للـ  XS مضروبين في بعض فالـ expectation

339
00:27:27,370 --> 00:27:33,960
linear فقط في حالة مين؟ الجمع ومتى بيكون linear في

340
00:27:33,960 --> 00:27:38,600
حالة الضرب؟ لما يكونوا independent إذا بتذكروا الـ

341
00:27:38,600 --> 00:27:44,660
expectation xy expectation xy

342
00:27:44,660 --> 00:27:48,080
هل يا ترى بيساوي expectation الـ x ضرب expectation

343
00:27:48,080 --> 00:27:53,260
.. هذا لا مش صحيح ما بيساويوش ولكن في حالة الـ

344
00:27:53,260 --> 00:27:56,880
independent اه بتوزع لكن في حالة الجمع اه linear

345
00:27:57,830 --> 00:28:04,830
زائد Y فبتوزع الـ expectation فبتوزع ما فيش مشكلة سواء

346
00:28:04,830 --> 00:28:07,450
linear و لا linear عفوا سواء independent و لا غير

347
00:28:07,450 --> 00:28:13,250
المهم هتنبلش نحكي عنه الآن تعريف الـ auto

348
00:28:13,250 --> 00:28:16,290
covariance الـ auto covariance of a time series

349
00:28:16,290 --> 00:28:21,550
اللي هي اسمها XT مثلًا is defined to be Gamma أسوتي

350
00:28:21,550 --> 00:28:27,620
طبعًا هذه ما معناها كرامز أنا من عندي نسميه Gamma

351
00:28:27,620 --> 00:28:33,060
شو يعني ايه؟ يعني الـ X عند الزمن S و X عند الزمن

352
00:28:33,060 --> 00:28:38,060
مين؟ T و هي بالتالي الـ covariance بين XS و X مين؟

353
00:28:38,060 --> 00:28:42,380
T هي عبارة عن expectation لمين؟ XS ناقص الـ mean

354
00:28:42,380 --> 00:28:48,220
لها مضروب في مين؟ XD ناقص الـ mean لها For any

355
00:28:48,220 --> 00:28:53,340
two bond times اللي هم مين هم؟ T و S من أي حياتك؟

356
00:28:54,930 --> 00:28:58,210
طبعًا زي ما أنتم عارفين الآن الـ function هذه اللي

357
00:28:58,210 --> 00:29:01,030
هي الـ covariance بتحدد الـ second order الـ property

358
00:29:01,030 --> 00:29:04,610
طبعًا هذه لها علاقة بطريقة العزوم الـ method of

359
00:29:04,610 --> 00:29:10,110
moment اللي احنا قلنا .. شو قلنا؟ في الحصة إن

360
00:29:10,110 --> 00:29:13,870
التوزيع الاحتمالي غالبًا ما يتحدد من مين من معرفة

361
00:29:13,870 --> 00:29:16,550
العزوم اللي هي العزم الأول وعزم الثاني و هكذا ..

362
00:29:16,550 --> 00:29:19,210
ذاكرينها على الكلام؟ الـ method of moments وغيرها

363
00:29:19,210 --> 00:29:22,750
ولذلك أنا الآن معني إن أعرف الـ mean اللي حكينا عنه

364
00:29:22,750 --> 00:29:27,260
في الـ slide السابقة واليوم معني كمان ما أعرف بمين بالـ

365
00:29:27,260 --> 00:29:30,140
auto covariance طب ما الـ auto covariance البديع

366
00:29:30,140 --> 00:29:32,420
عنه هو الـ auto correlation عشان احنا الـ auto

367
00:29:32,420 --> 00:29:35,300
correlation بيعطيني معلومات زيادة بيعطيني اللي ..

368
00:29:35,300 --> 00:29:39,160
اللي بيعطيني اياه الـ auto covariance شو اللي

369
00:29:39,160 --> 00:29:43,500
بيعطيني اياه الـ auto covariance علاقة طردية ولا

370
00:29:43,500 --> 00:29:50,320
عكسية وزيادة عنه مين الـ relationship strong ولا weak

371
00:29:50,320 --> 00:29:53,980
صح ولا .. فبيعطينا زيادة عنه بيعطينا ايه اللي هو

372
00:29:53,980 --> 00:29:58,520
الـ auto correlation نفسه ولذلك احنا فيما بعد شغلنا

373
00:29:58,520 --> 00:30:04,000
بيكون في كركوب عالميا الـ auto correlation تمام الـ

374
00:30:04,000 --> 00:30:07,940
auto correlation function هذه تبع السلسلة الزمنية

375
00:30:07,940 --> 00:30:11,800
هي معرفة على أنها زي ما أنتم شايفين رو الرمز اللي 

376
00:30:11,800 --> 00:30:17,480
احنا هنختاره اسمه روبين الـ S و الـ T كـ إكسات هي

377
00:30:17,480 --> 00:30:22,100
عبارة عن الـ covariance بين الـ XS و XT مقصودة على

378
00:30:22,100 --> 00:30:30,120
جزر الـ variance لـ XS و الـ variance لـ XT ماشيها و

379
00:30:30,120 --> 00:30:37,540
هي كرموز Gamma ST على الـ variance شو سمته أنا

380
00:30:37,540 --> 00:30:43,620
Gamma حطته Zero عارفين أنا ليش اخترت الـ Zero؟

381
00:30:43,620 --> 00:30:49,640
أقولكوا ليش؟ لأن لو سألت الآن هذا الفرق لما نكون

382
00:30:49,640 --> 00:30:54,820
القيمتين زي بعض بين الـ S و بين الـ T كزمانين الفرق

383
00:30:54,820 --> 00:31:00,300
بينهم صفر يعني نفس الزمن S و S أو T و T مش كأنك

384
00:31:00,300 --> 00:31:05,180
أنت بتعمل covariance للـ XS و XS مش لما تكون الـ

385
00:31:05,180 --> 00:31:08,200
covariance للـ X و X هو هذا هو الـ variance اللي

386
00:31:08,200 --> 00:31:13,160
بتعرفوه صحيح و لذلك الآن لما نكون S و T نفس القيم

387
00:31:13,160 --> 00:31:20,260
S و S فالفرق بينهم كزمن هو zero فجاء الرمز هذا الـ

388
00:31:20,260 --> 00:31:24,600
zero من أنه الفرق بين الزمنين S وT عندما يكونان

389
00:31:24,600 --> 00:31:30,100
نفس الزمن فأنت كأنك بتجيب الـ covariance لمين لنفس

390
00:31:30,100 --> 00:31:34,740
السلسلة عند الزمن S وعند الزمن S ذات نفسه فيصبح

391
00:31:34,740 --> 00:31:37,260
اللي هو الـ variance هو الحالة الخاصة من الـ

392
00:31:37,260 --> 00:31:40,560
covariance ما أنتم عارفين الـ covariance بالمناسبة

393
00:31:40,560 --> 00:31:42,060
هه عشان اللي ذكي

394
00:31:51,460 --> 00:31:55,640
بتعمل مع الفرق بينهم فاحنا الآن covariance بين الـ

395
00:31:55,640 --> 00:32:01,000
X والـ Y كحالة خاصة عندما .. لأ عفوا بين الـ X والـ X

396
00:32:01,000 --> 00:32:03,480
هو عبارة عن الـ variance

397
00:32:06,260 --> 00:32:10,900
ولذلك الآن لما أنا هذا اعتبرته لأن gamma الـ X هيك

398
00:32:10,900 --> 00:32:16,660
على أساس أن اسمه X عند الزمن مثلا T و الزمن T فيه

399
00:32:16,660 --> 00:32:20,200
الآن أنا هاجي أقوله عنه أنه variance الـ X هيك أو

400
00:32:20,200 --> 00:32:23,380
أنا هاجي أقول gamma الـ X هلأ الفرق بين الزمنين

401
00:32:23,380 --> 00:32:27,860
بحطته مين هنا Zero عارفين ليش بقى؟ لأن حقيقة فيما

402
00:32:27,860 --> 00:32:32,480
بعد مش هنقول احنا gamma بشكل عام مش هنقول هيك

403
00:32:32,480 --> 00:32:38,280
gamma X وحط الزمنين S وT هحط و هذا اللي هتشوفه في

404
00:32:38,280 --> 00:32:42,820
الرسالات اللي جاية هحط هيك عارفين مين الـ H هي

405
00:32:42,820 --> 00:32:50,240
الفرق بين أسوة و تين أس ناقص تي أو تي ناقص اتش مش

406
00:32:50,240 --> 00:32:52,880
مهم هتكون مرة بالموجب مرة بالسالب مش تفرقش جديد

407
00:32:52,880 --> 00:32:59,060
ولذلك الرمز اللي هنتمده حقيقة هو هذا الرمز حيث أن

408
00:32:59,060 --> 00:33:04,310
الـ H هي عبارة عن الفرق بين مين الزمنين يعني هي

409
00:33:04,310 --> 00:33:08,990
السلسلة ذات نفسها بس عندها زمانين الفرق بين هذين

410
00:33:08,990 --> 00:33:15,310
الزمانين هو يساوي H أو H ومن هنا لو حطيته الـ H ب

411
00:33:15,310 --> 00:33:21,430
Zero لو حطيته الـ H ب Zero نفس الزمن بيطلع الـ

412
00:33:21,430 --> 00:33:24,430
variance فالـ covariance هو الحالة العامة اللي حالة

413
00:33:24,430 --> 00:33:28,850
منه قواميا الـ variance عند الـ H ب Zero وصلة إذا من

414
00:33:28,850 --> 00:33:33,970
هنا أنا اخترت الـ Zero هذاتمام هلجيتها كمان مرة؟

415
00:33:33,970 --> 00:33:39,170
اطلعوا عشان التعريف هذا حفظ مطلوب منك تحفظه الـ auto

416
00:33:39,170 --> 00:33:44,750
correlation هو عبارة عن الـ auto covariance مقسوما

417
00:33:44,750 --> 00:33:53,610
على جزر الـ variance للـ XS عند الزمن zero من ناحية؟

418
00:33:53,610 --> 00:34:00,390
طيب هلجيتها؟ اللي أنا قبل شوية حكيته على اللوحة إيه

419
00:34:00,390 --> 00:34:03,690
الآن أمامنا في الملاحظة الأولى فلو عرفتم يا شباب

420
00:34:03,690 --> 00:34:13,190
الـ H على أنها T minus S عرفتم

421
00:34:13,190 --> 00:34:17,410
على أنه H ففي الحالة هذه الـ parameter اللي هو اسمه

422
00:34:17,410 --> 00:34:23,510
Gamma X H هو بينقول عنه الـ H order أو Lag H auto

423
00:34:23,510 --> 00:34:28,670
covariance لـ XT هو auto covariance، هذا اسمه auto

424
00:34:28,670 --> 00:34:34,670
covariance عندها حاجة اسمها lag، الآن زي ما أنتم

425
00:34:34,670 --> 00:34:39,270
حافظين أسماءكم بتحفظولي كلمة الـ lag هذه، من هنا

426
00:34:39,270 --> 00:34:43,910
لما نخلص المنهج تبعنا، حدالها ورانا الكلمة هذه lag

427
00:34:43,910 --> 00:34:49,770
ما معنى الـ lag؟ هي الفرق إيش؟ هي في الملاحظة

428
00:34:49,770 --> 00:34:53,750
الثانية الـ difference of two moments in time،

429
00:34:53,750 --> 00:35:01,820
بنقول عنه مين؟ الـ lag لو الـ H مثلا، H أو أي رمز آخر

430
00:35:01,820 --> 00:35:07,160
ولذلك الآن لما عند الحديث عن فروق بين الأزمنة

431
00:35:07,160 --> 00:35:11,240
ففي الحالة هابينا نقول عنه لاج مين، لاج، مثلا يا

432
00:35:11,240 --> 00:35:17,020
شباب لاج يساوي واحد، شو معناه؟ اه الفرق بين الزمنين

433
00:35:17,020 --> 00:35:21,020
بيساوي واحد، شو يعني؟ يعني مثلا فصل أول مع مين؟

434
00:35:21,020 --> 00:35:26,600
فصل ثاني أو رابع مع مين؟ خامس أو ثالث، اللي قبله و

435
00:35:26,600 --> 00:35:31,720
أول بعده طب لاج يساوي اثنين مثلا، اللاج يساوي

436
00:35:31,720 --> 00:35:38,860
اثنين شو معناه؟ الأول مع الثالث أو السابع مع مين؟

437
00:35:39,920 --> 00:35:43,180
مع الخامس أو مع التاسعة فارق بينهم المهم قد إيش

438
00:35:43,180 --> 00:35:47,780
زمنك .. عندما قلنا بأن الزمن العداد بتنفع تبدأ من

439
00:35:47,780 --> 00:35:51,840
zero و بتنفع تبدأ من سالب عشرين و بتنفع .. صح؟ فمش

440
00:35:51,840 --> 00:35:56,380
big deal أنك تبدأ .. اه؟ و كأنه هي هي .. اه؟ طيب

441
00:35:56,380 --> 00:36:01,260
شباب طبيعة التعريف تبع الـ covariance أو الـ auto

442
00:36:01,260 --> 00:36:05,320
covariance صراحة بيقدي أنه symmetric الـ auto

443
00:36:05,320 --> 00:36:09,650
covariance symmetric إيش يعني الـ symmetric؟ يعني الـ

444
00:36:09,650 --> 00:36:12,590
covariance أو كمان مرة بدلني أقول covariance هو

445
00:36:12,590 --> 00:36:16,850
auto covariance يعني الـ auto covariance عند الـ lag

446
00:36:16,850 --> 00:36:25,290
H هو نفس الـ auto covariance عند الـ lag سالب H ليش؟

447
00:36:25,290 --> 00:36:28,170
طبيعة التعريف ذات نفسه هي اللي أنتم شايفينه من

448
00:36:28,170 --> 00:36:34,950
ناحية الفرق بينهما سواء كان زمن اسمه H لقدام أو H

449
00:36:34,950 --> 00:36:42,550
لورا يشبه بالـ auto covariance حقيقة هو نفسه نحيا

450
00:36:42,550 --> 00:36:46,810
فلو أنا قلت لك حسب ليه auto covariance عند سالب

451
00:36:46,810 --> 00:36:53,330
خمسة هو عنده نفس الخمسة و الـ correlation أو الـ

452
00:36:53,330 --> 00:36:57,850
auto correlation نفس الشيء يعني symmetric فإذا زي

453
00:36:57,850 --> 00:37:01,210
ما أنت شايفين الـ auto correlation عند الـ lag h هو

454
00:37:01,210 --> 00:37:08,420
نفسه عند الـ lag سالب h الأخرى خاصية هي ما لها علاقة

455
00:37:08,420 --> 00:37:12,120
على الإطلاق بالـ time series ولكن هي برضه بتستخدمها

456
00:37:12,120 --> 00:37:16,520
احنا هي مش معفن هي إحصاء هذه أنتم بتعرفوها الخاصية

457
00:37:16,520 --> 00:37:20,740
أن لو كان is هذول الـ constants و في عندك x و y

458
00:37:20,740 --> 00:37:25,100
random variables فهذه خاصية إذا من درس .. اه ولا

459
00:37:25,100 --> 00:37:28,000
بداشي من تحكي اسمها يعني أنتم يوم درستوا الإحصاء

460
00:37:28,880 --> 00:37:33,240
هذه الخاصية مرت عليكم حقيقة ممكن تلزمني أنا عشان

461
00:37:33,240 --> 00:37:36,900
هي حاططلكم إياها عشان لما نستخدمها مش تقولوا من

462
00:37:36,900 --> 00:37:39,980
وين اجت هذه الخاصية و الخاصية اللي تحت منها طبعا

463
00:37:39,980 --> 00:37:45,580
فهذول الخاصيتين معروفان ومش صعب إثباتهم يعني مش

464
00:37:45,580 --> 00:37:51,160
مطلوب منا إثباتهم ولكن مطلوب منا معرفتهم إيه

465
00:37:51,160 --> 00:37:55,400
حيال؟ طيب بعد ذلك فضل

466
00:37:58,330 --> 00:38:02,510
مش قيمة lambda مضروبة في x,h لأ هذه lambda sub x

467
00:38:02,510 --> 00:38:09,290
هذه الـ x لما احنا قلنا lambda هذه مش lambda هذه

468
00:38:09,290 --> 00:38:18,230
gamma gamma هذه gamma gamma sub x اه gamma sub x

469
00:38:18,230 --> 00:38:22,650
يعني الـ x هذا بس عشان اسم المتغير x ففيك تقول

470
00:38:22,650 --> 00:38:26,950
gamma zero بدون x اه يعني ارفعوا الـ x يعني فـ gamma

471
00:38:26,950 --> 00:38:31,840
خلاص Gamma Zero في الامتحان مسموح لك عادي ما عندي

472
00:38:31,840 --> 00:38:37,400
مشكلة نهر؟ خلاص يعني هذه ما في داعي تحطوها حتى

473
00:38:37,400 --> 00:38:45,940
Gamma Zero Gamma H بيمشي لهذا فمجرد أنها تبين اسم

474
00:38:45,940 --> 00:38:51,150
المتغير الشباب اللي أنا فيه أنه رسمة الـ auto

475
00:38:51,150 --> 00:38:53,970
covariance و رسمة الـ auto correlation و اللي احنا

476
00:38:53,970 --> 00:38:58,390
بنقول عنه coregram هدول بنسميهم auto covariance

477
00:38:58,390 --> 00:39:03,770
function و هي اختصارها ACVF و بنسميها auto

478
00:39:03,770 --> 00:39:08,010
correlation function ACF و هدول اللي اسمهم

479
00:39:08,010 --> 00:39:12,210
coregram functions رسماتهم مهمة جدا جدا و طبعا

480
00:39:12,210 --> 00:39:14,850
لاحظوا معايا قبل ما أبتداش نحكي عن الرسومات

481
00:39:20,070 --> 00:39:23,770
أن الـ raw عند الـ zero مين معناته هاي؟ شو يعني الـ

482
00:39:23,770 --> 00:39:28,270
raw عند الـ zero؟ يعني عند الـ lack zero أن الفرق

483
00:39:28,270 --> 00:39:32,090
zero بقى أن الزمانين فرق هو أنافسي الزمان بيساوي

484
00:39:32,090 --> 00:39:36,810
قد إيش واحد عارفين شو معناها هذه؟ هذه كأنه الـ auto

485
00:39:36,810 --> 00:39:40,950
correlation مش هي auto correlation لمين؟ للسلسلة

486
00:39:40,950 --> 00:39:45,570
مع نفسها السلسلة الزمانين اللي اسمه أسوتي ما له؟

487
00:39:46,140 --> 00:39:49,740
هما زي بعض و كأنه الارتباط هيك مانعها مش هذا

488
00:39:49,740 --> 00:39:53,280
ارتباط مش autoculation ارتباط من السلسلة أو نفس

489
00:39:53,280 --> 00:39:58,000
السبتباط نعم السلسلة ذات نفسها مع ذات نفسها عند

490
00:39:58,000 --> 00:40:02,740
نفس الأزمنة فكرة الارتباط لازم يكون ما له مش واحد

491
00:40:02,740 --> 00:40:09,940
ولكن in general الـ raw فتكون بين مين ومين سالب واحد

492
00:40:09,940 --> 00:40:14,300
و .. ماهي الـ edge الـ edge هذه هي الـ lag اللي احنا

493
00:40:14,300 --> 00:40:17,960
قلنا عنها فزي ما أنتم شايفين الرسومات اللي أمامك

494
00:40:17,960 --> 00:40:21,160
وعلى اللوحة دي أو على الكمبيوتر هي رسمتين الرسم

495
00:40:21,160 --> 00:40:24,860
الشمال هي رسمة الـ auto covariance function هذا هي

496
00:40:24,860 --> 00:40:30,580
الـ lags lag zero lag واحد lag اثنين الآخرى وزي ما

497
00:40:30,580 --> 00:40:35,830
أنتم شايفين ما في سقف لايلها 250 طاير في العكس تبع

498
00:40:35,830 --> 00:40:41,090
مو أنه في سقف لمن للـ auto correlation من وين لوين

499
00:40:41,090 --> 00:40:45,110
من سالب واحد لأو مش من سالب من zero قصدها هو

500
00:40:45,110 --> 00:40:50,170
اللي حدد واحد يعني باختصار صحيح أنت صدقت من سالب

501
00:40:50,170 --> 00:40:54,830
واحد اه و رسملك خطين زوج أنا بدي أكبرها الرسم هيك

502
00:40:54,830 --> 00:40:59,310
أعتقد هيك أكبر شيء ممكن نصله هذه الآلة اللي أمامكم

503
00:40:59,310 --> 00:41:04,130
شايفينها هايرسمة ال auto correlation هدول الرسمتين

504
00:41:04,130 --> 00:41:08,290
بالمناسبة أنا عملتهم باستخدام البرنامج الإحصائي R

505
00:41:08,290 --> 00:41:15,010
سهل جدا ترسموهم بالـ R و هنشوف كده لماذا؟ هتنبلش

506
00:41:15,010 --> 00:41:18,450
نشرح رسمة ال auto correlation لإن حقيقة احنا معنين 

507
00:41:18,450 --> 00:41:22,750
بالـ auto correlation وفي شغلة بدي أحكيلكم إياها

508
00:41:22,750 --> 00:41:27,830
إنه بالنسبة للـ auto correlation يعني ارتباطات اللي

509
00:41:27,830 --> 00:41:31,370
بيقيس الارتباطات ولا أنا غلطان؟ بيقيس الارتباطات بين

510
00:41:31,370 --> 00:41:47,070
مين ومين؟ بين XT و XS و XS

511
00:41:47,070 --> 00:41:47,370
و XS و XS و XS و XS و XS و XS و XS و XS و XS و XS

512
00:41:47,370 --> 00:41:47,530
و XS و XS و XS و XS و XS و XS و XS و XS و XS و XS

513
00:41:47,530 --> 00:41:49,910
و XS و XS و XS و XS و XS و XS و XS و XS و XS و XS

514
00:41:49,910 --> 00:41:54,290
و XS و XS و XS و XS و

515
00:41:54,290 --> 00:42:00,960
XS و XS واللي أي شيء بيعديهم بيكون هنا significant

516
00:42:00,960 --> 00:42:05,600
يعني له دلالة معنوية وأي شيء تحتيهم يعني ممكن

517
00:42:05,600 --> 00:42:09,920
نعمله إيش؟ negligible نهمله not significant أنا بدأ

518
00:42:09,920 --> 00:42:14,580
أقول لكم شغلة واحدة الآن قبل ما أبلش أشرح الرسمة

519
00:42:14,580 --> 00:42:19,080
في .. في اللي هو السلاسل الزمنية كخطوة أولى احنا

520
00:42:19,080 --> 00:42:22,760
طبعا كخطوة أخيرة هي التنبؤ يعني احنا بدنا نعمل

521
00:42:22,760 --> 00:42:23,300
forecasting

522
00:42:27,330 --> 00:42:31,330
تمام؟ هذا هو الهدف الأساسي أو اللي بدنا نصله على

523
00:42:31,330 --> 00:42:34,810
الـ forecasting بناء على مين؟ على model، linear

524
00:42:34,810 --> 00:42:37,730
model معين ممكن يكون linear ممكن مش linear بس

525
00:42:37,730 --> 00:42:40,410
المهم خلونا نمشي عليه linear model، linear model

526
00:42:40,410 --> 00:42:44,870
linear model يعني regression إلى حد ما، مش

527
00:42:44,870 --> 00:42:48,890
regression exactly بس إلى حد ما فهموها هيك أنتم،

528
00:42:48,890 --> 00:42:52,580
قبل ما نصير نفهم كل شيء،فإذا احنا بدنا نعمل model

529
00:42:52,580 --> 00:42:57,180
بحيث نوصف مين السلسلة الزمنية عبر الزمن وإيضاحها

530
00:42:57,180 --> 00:43:02,120
مش هيك؟ فالسلسلة الزمنية عبر الزمن وإيضاحها بصراحة

531
00:43:02,120 --> 00:43:06,520
هي مثلا الـ model هذا مشهورة أن y مثلا بيساوي f of

532
00:43:06,520 --> 00:43:12,340
.. طبعا y هي يعني x عند الأزمنة t هي f of x عند

533
00:43:12,340 --> 00:43:15,420
الأزمنة s plus epsilon هذا ال error term

534
00:43:18,820 --> 00:43:21,600
طبعا هذا الكلام يعني مش مائة بالمائة دقيق ولكن

535
00:43:21,600 --> 00:43:25,380
مشروع أنتم هيك واحد من أهم الـ assumptions

536
00:43:25,380 --> 00:43:29,600
الفرضيات على الـ epsilon هذا طبعا epsilon في T أن

537
00:43:29,600 --> 00:43:37,800
يكونوا uncorrelated ما فيش ارتباطات  نيح ياكم؟ وإلا

538
00:43:37,800 --> 00:43:42,180
اللي هو الـ derivation الاشتقاقات للموديل وغيره ما

539
00:43:42,180 --> 00:43:46,020
بعرف مين بيصير في عندك في علامة استفهام مش مظبوطة

540
00:43:46,020 --> 00:43:48,780
يعني mathematically احنا بنفرض أن هدول لازم يكونوا

541
00:43:48,780 --> 00:43:52,960
uncorrelated بالزمن، نعم؟ لكن أحيانا في الواقع

542
00:43:52,960 --> 00:43:56,320
بيكونوا هدول مش uncorrelated، correlated فهنا الـ

543
00:43:56,320 --> 00:43:59,120
correlated بيجي من عدة أشياء وطبعا المشاكل الـ

544
00:43:59,120 --> 00:44:02,860
correlated يعتبر فاحنا لازم أن هو إيش؟ نتأكد أن الـ

545
00:44:02,860 --> 00:44:06,080
assumption valid موجودة ولا بتصير مشكلة، المهم،

546
00:44:06,080 --> 00:44:09,080
من أين يأتي الـ correlation لارتباطات في المشاهدة؟

547
00:44:09,080 --> 00:44:12,300
هذه error، اسمه error، error يعني شو؟ عشوائي يعني،

548
00:44:12,300 --> 00:44:16,180
المفروض ما فيش correlation ولكن الـ error هدول الخطأ

549
00:44:16,180 --> 00:44:19,560
العشوائي أحيانا لا بيكونش عشوائي بيكون في ارتباطه

550
00:44:19,560 --> 00:44:24,080
فبيجي من عدة أشياء احنا مش معنين نعرف بشكل عام إيه

551
00:44:24,080 --> 00:44:27,940
يعني عفوا بشكل تفصيلي شو هم بشكل عام ممكن ييجي من

552
00:44:27,940 --> 00:44:31,620
خلال أنك أنت تعمل negligible يعني إهمال لبعض

553
00:44:31,620 --> 00:44:36,410
المتغيرات في المعادلة هو اللي بيربط الـ X مع غيرها

554
00:44:36,410 --> 00:44:41,250
فأنت حملت شيء مهم المفروض أنك ما تحمله، فإهمالك

555
00:44:41,250 --> 00:44:45,490
لهذا المتغير قد لوجود الـ error ولا لأ وقد لوجود

556
00:44:45,490 --> 00:44:48,350
الارتباطات، ممكن الـ model اللي أنت كاتبه من

557
00:44:48,350 --> 00:44:52,290
الأساس خلط زي ما أنا كاتب وأنا غلط مثلا يعني هي

558
00:44:52,290 --> 00:44:55,270
العلاقة مش linear أنت كاتبها linear فأنت عمليا

559
00:44:55,270 --> 00:44:59,570
كتبت المعادلة linear وهي مش linear فأعطاك أشهر

560
00:44:59,570 --> 00:45:04,950
لأن صار في ارتباطات في حاجات كتيرة نعم ولكن احنا

561
00:45:04,950 --> 00:45:08,470
كخطوة أولى أقول لكم شغلة أن هذا الـ افندي نعمله

562
00:45:08,470 --> 00:45:10,770
uncorrelated وما بعرف مين ونتأكد أن الـ

563
00:45:10,770 --> 00:45:14,270
assumption valid ويبقى أنا معني بإيش؟ باللي أنا

564
00:45:14,270 --> 00:45:17,270
بأشرحه اليوم محاضرة اليوم على وهي مين الـ auto

565
00:45:17,270 --> 00:45:21,190
correlation ولذلك أنا معني بأن أعمل في الآخر في

566
00:45:21,190 --> 00:45:24,250
المحصلة النهائية عشان في الآخر أوصل هدفي اللي هو الـ

567
00:45:24,250 --> 00:45:26,850
forecasting في المحصلة النهائية اللي هي الـ

568
00:45:26,850 --> 00:45:28,910
forecasting اعمل يا شباب modeling

569
00:45:31,830 --> 00:45:37,650
لمن؟ للـ Auto Correlation نحكي؟

570
00:45:37,650 --> 00:45:43,330
فأنا كيف أعمله modeling يعني أنا لازم أعرفه نحن؟

571
00:45:43,330 --> 00:45:45,350
طب أنا كيف بده يعرف إذا فيه Auto Correlation ولا

572
00:45:45,350 --> 00:45:49,390
ما فيش؟ للارتباطات فأول خطوة ممكن نعملها عليه وهي

573
00:45:49,390 --> 00:45:53,250
رسمة الـ ACF اللي هي أمامكم الآن شو يعني ACF

574
00:45:53,250 --> 00:45:57,850
اختصارا هتقولوا احنا؟ Autocorrelation function

575
00:45:57,850 --> 00:46:04,090
واللي هو برسم من قبل من أمامنا هذه برسم الـ H و

576
00:46:04,090 --> 00:46:09,750
هنا من الـ رو طبعا عند الـ H ببدأ من لك Zero لك

577
00:46:09,750 --> 00:46:13,590
واحد اتنين وهكذا ممكن تصل لك اللي بدك هي مثلا لك

578
00:46:13,590 --> 00:46:18,890
ثلاثين لأربعين لخمسين مثلا اللي بدك هي نحن و

579
00:46:18,890 --> 00:46:22,670
بعد ما ترسموه في حاجة اسمها فترات الثقة اللي بخط

580
00:46:22,670 --> 00:46:33,400
الأزرق confidence interval confidence interval أنها

581
00:46:33,400 --> 00:46:35,880
علاقة بالإحصاء بالمفهوم تبع الـ confidence interval

582
00:46:35,880 --> 00:46:40,580
فترات الثقة بنسبة 95% نقدر نقول أننا واثقين أن

583
00:46:40,580 --> 00:46:44,640
الارتباط هنا وهنا هجات الارتباطات هلأ عند الـ zero

584
00:46:44,640 --> 00:46:49,600
أكيد لازم يكون واحد ليش؟ لأنه قلنا رو زيرو معناه

585
00:46:50,800 --> 00:46:54,640
ارتباط بين السلسلة والسلسلة نفسها عند نفس الزمن هو

586
00:46:54,640 --> 00:46:57,720
هو فهي بين نفسها ونفسها عند نفس الزمن هي أكيد

587
00:46:57,720 --> 00:47:01,780
ارتباط تعمل تمام؟ بينما عند لاج واحد عارفين شو

588
00:47:01,780 --> 00:47:08,220
بيعمله هاد الرسمة شو بيسوي كالتالي بيروح بيقول يلا ما

589
00:47:08,220 --> 00:47:14,440
أنا بدي أعمل ارتباط بين الـ XT هاي الـ XT اللي هي

590
00:47:14,440 --> 00:47:22,050
عبارة عن X1 X2 X3 المشاهدات اه لحد دي XN و Xt زائد

591
00:47:22,050 --> 00:47:27,670
واحد طلعوا فإذا Xt زائد واحد فيعني مثلا ببدأ X

592
00:47:27,670 --> 00:47:32,670
اتنين X تلاتة X أربعة وهكذا فكرة كل واحد بيصار

593
00:47:32,670 --> 00:47:37,830
قبل الأخيرة إذا هد X مع نقص واحد هد بيصلي عند XN و

594
00:47:37,830 --> 00:47:41,530
طبعا مع ديها ما بيصليش فيه بعد دي شيء لإن مشاهدات

595
00:47:41,530 --> 00:47:46,530
عندي بعد دي تمام هلجيتوا طلعوا شو بيسوي هذا مع هذا

596
00:47:46,530 --> 00:47:53,430
شو هالفرق بينهم لاج واحد ولا لا هذه وهذه الفرق

597
00:47:53,430 --> 00:47:57,690
بينهم فبيجيبلي ارتباط بين هذا وبين هذا واللي

598
00:47:57,690 --> 00:48:00,810
بيطلع هو الرسم اللي بتشوفوها أمامكم واللي هي

599
00:48:00,810 --> 00:48:07,300
الرسم هذه الخط هذا قداش الارتباط طلع بعد مجابها طلع

600
00:48:07,300 --> 00:48:12,340
حوالين اللي هو مين ستة من عشرة وعدى الخطين الزرق

601
00:48:12,340 --> 00:48:16,940
هدول هذا واحد هي ستة من عشرة هنا تقريبا فخليني

602
00:48:16,940 --> 00:48:21,680
أشتغل الرسمة إذا عدى الخطين الزرق ففي الحالة هذه

603
00:48:21,680 --> 00:48:25,950
إذا عدى الخطين الزرق هدول ففي الحالة هذه هذا

604
00:48:25,950 --> 00:48:29,710
الارتباط مهم و significant يعني له دلالة إحصائية

605
00:48:29,710 --> 00:48:33,690
بالعربي يعني ما فيه أهمله ففي ارتباط هان وارتباط

606
00:48:33,690 --> 00:48:37,050
معنوي وقوي ولازم أحط في عين الاعتبار أن هناك

607
00:48:37,050 --> 00:48:42,170
ارتباط ما فيه أهمله ولكن أي شيء جوا الخطين الزرق

608
00:48:42,170 --> 00:48:48,890
جوا فترات الثقة اعتبره مهملا وكأنه مش موجود فلذلك

609
00:48:48,890 --> 00:48:53,160
كل الارتباطات اللي هان كل الارتباطات اللي هان مهملة

610
00:48:53,160 --> 00:48:56,300
نيح؟ صراحة شباب مين يقولي هادي أو أنا اختي محاضرتي

611
00:48:56,300 --> 00:48:59,760
هادي عندي الـ lag اتنين كيف جبتوها بسرعة هلجيتوا

612
00:48:59,760 --> 00:49:05,420
هذا عرفتوا كيف؟ هذا إيش بيساوي؟ X واحد بعدين مين؟

613
00:49:05,420 --> 00:49:10,120
X زائد اتنين X زائد اتنين X اتنين X اتنين

614
00:49:10,120 --> 00:49:15,960
X اتنين X اتنين X اتنين X اتنين X اتنين

615
00:49:15,960 --> 00:49:19,320
X اتنين X اتنين X اتنين X اتنين X اتنين

616
00:49:19,320 --> 00:49:20,910
X اتنين X اتنين X اتنين أوبجيبهم هو الـ auto

617
00:49:20,910 --> 00:49:23,570
collation اللي هنشوفه في المحاضرة الجاية وبيطلع

618
00:49:23,570 --> 00:49:26,850
هال هذا negligible يعني مهمل يعني فيه أهمله يعني

619
00:49:26,850 --> 00:49:30,810
فيه ما نعتبروش موجود خلاص للحديث بعد ما بعرف الرسمة

620
00:49:30,810 --> 00:49:34,210
هذه أقول لكم هذا شو بيصير الآن أنا بفهم أن المبيعات

621
00:49:34,210 --> 00:49:38,090
اللي عندي على أساسها المبيعات هذه طلعوا فيه

622
00:49:38,090 --> 00:49:42,370
ارتباطات بين الزمن هذا والزمن اللي يليه طب

623
00:49:42,370 --> 00:49:44,710
تخيلوا معايا عشان أختم محاضرتي أن عند الزمن

624
00:49:44,710 --> 00:49:48,470
الثالث في ارتباط عارفين شو يعني معناه يا شباب؟ يعني

625
00:49:48,470 --> 00:49:52,590
الفصل الأول والفصل الرابع الفصل الأو .. والرابع 

626
00:49:52,590 --> 00:49:57,570
الخامس والسابع فاهمنا؟ فيه ارتباطات يبقى أنا فيها 

627
00:49:57,570 --> 00:50:00,410
مستقبلاً لما أعمل prediction يعني forecasting أني 

628
00:50:00,410 --> 00:50:04,830
أعمل modeling لمين؟ احكوا للارتباطات المتعلقة بمين؟

629
00:50:04,830 --> 00:50:09,090
الأول مع الثالث الخامس مع السابع اللي بينهم جين

630
00:50:09,090 --> 00:50:13,850
الـ H سو اتنين تمام هي؟ طيب احنا المحاضرة جاية إن 

631
00:50:13,850 --> 00:50:19,170
شاء الله نكمل في هذه اللي هي ..الـ slide مع اللي هو

632
00:50:19,170 --> 00:50:22,530
أمثلة ونختم إن شاء الله بيكون خير خلصنا يعطيكم 

633
00:50:22,530 --> 00:50:22,850
العافية