1
00:00:20,990 --> 00:00:25,190
بسم الله الرحمن الرحيم اليوم إن شاء الله سأتحدث عن

2
00:00:25,190 --> 00:00:31,690
الموضوع الأخير في هذا الكتاب الحدث 12 يتحدث عن نوع

3
00:00:31,690 --> 00:00:46,590
جديد يسمى كاي سكوير تست حدث 11 كاي 

4
00:00:46,590 --> 00:00:47,090
سكوير

5
00:00:54,810 --> 00:01:01,070
CHI is pronounced as Chi and

6
00:01:01,070 --> 00:01:07,970
denoted by this symbol Chi square. Chi حرف يوناني

7
00:01:07,970 --> 00:01:12,870
Greek letter زي Alpha و Beta و غيرها قبلها فهذا 

8
00:01:12,870 --> 00:01:17,890
الرمز تبعه زي ال X بس إيتاليك شوية وعليه ال square

9
00:01:17,890 --> 00:01:23,670
Chi square. فهذا ينفذ كاي زي alpha زي beta هدول

10
00:01:23,670 --> 00:01:29,470
agricultural واحد من الأحرف اليونانية اسمه كاي

11
00:01:29,470 --> 00:01:34,290
اللي هو هذا من غير ال square كاي

12
00:01:34,290 --> 00:01:40,070
اكتبي كياب العربي كاي 

13
00:01:40,070 --> 00:01:44,910
there

14
00:01:44,910 --> 00:01:48,150
is only one objective in this chapter: how and when

15
00:01:48,930 --> 00:01:52,170
to use the chi-square test for contingency tables

16
00:01:52,170 --> 00:01:59,130
كيف ومتى أو متى وكيف يمكن استخدام ال test لحاجة

17
00:01:59,130 --> 00:02:02,890
اسمها contingency tables. Now we will start with

18
00:02:02,890 --> 00:02:06,470
the definition of contingency tables. What does

19
00:02:06,470 --> 00:02:10,210
contingency table mean? ايش بقصد بال contingency

20
00:02:10,210 --> 00:02:17,060
table? ايش معناه؟ هنعرف بعد شوية contingency tables

21
00:02:17,060 --> 00:02:20,300
are useful in situations comparing multiple populations'

22
00:02:20,300 --> 00:02:26,580
proportions. بستخدمهم لعمل مقارنة proportions ممكن

23
00:02:26,580 --> 00:02:29,600
اتنين أو أكثر يعني two or more populations

24
00:02:29,600 --> 00:02:34,040
proportions. You classify sample observations

25
00:02:34,040 --> 00:02:37,300
according to two or more characteristics. خدنا 

26
00:02:37,300 --> 00:02:40,800
قبلها في chapter 10 لما بنحكي male و female و

27
00:02:40,800 --> 00:02:43,840
بنحكي yes و no. هذو نسميه two characteristics

28
00:02:45,040 --> 00:02:47,120
Sometimes we have more than two characteristics

29
00:02:47,120 --> 00:02:54,120
like what's your opinion about أشياء معينة شغلة 

30
00:02:54,120 --> 00:02:58,560
معينة either agree or disagree. هذا نسميه two

31
00:02:58,560 --> 00:03:03,400
proportions, but sometimes we could have strongly

32
00:03:03,400 --> 00:03:08,160
agree, agree, disagree, and strongly disagree. ففي هذه 

33
00:03:08,160 --> 00:03:12,880
الحالة هناك أربع مقارنة أو أربع مقارنات. فكيف يمكننا 

34
00:03:12,880 --> 00:03:16,000
أن نجعل مقارنة ال contingency table إذا كان لدينا 

35
00:03:16,000 --> 00:03:17,540
أكثر من أكثر من أكثر من أكثر من أكثر من أكثر من

36
00:03:17,540 --> 00:03:19,880
أكثر من أكثر من أكثر من أكثر من أكثر من أكثر من 

37
00:03:19,880 --> 00:03:20,580
أكثر من أكثر من أكثر من أكثر من أكثر من أكثر من

38
00:03:20,580 --> 00:03:21,100
أكثر من أكثر من أكثر من أكثر من أكثر من أكثر من

39
00:03:21,100 --> 00:03:23,000
أكثر من أكثر من أكثر من أكثر من أكثر من أكثر من 

40
00:03:23,000 --> 00:03:34,590
أكثر من أكثر من أكثر من اتوافق، خلّيها بالإنجليزي

41
00:03:34,590 --> 00:03:37,530
وخلاص كنتين جنس تابع يعني بتكون عندك .. بتعمل

42
00:03:37,530 --> 00:03:41,150
comparison between two or more populations'

43
00:03:41,150 --> 00:03:45,130
proportions. أول جابتود إن شاء الله just example

44
00:03:45,130 --> 00:03:48,530
for two characteristics. لو كنا فيها عند اتنين 

45
00:03:48,530 --> 00:03:52,850
المعنى كده الموضوع اليوم زي اللي أخدناه في شهر 

46
00:03:52,850 --> 00:03:56,270
عشرة في شهر عشرة أخدنا comparing between two

47
00:03:56,270 --> 00:04:00,030
proportions. هنا برضه هناخد comparing two 

48
00:04:00,030 --> 00:04:03,020
population proportions. يعني اللي حللناه في شباط

49
00:04:03,020 --> 00:04:08,520
العشرة بممكن أن نحله بمحاضرة اليوم تبع comparing

50
00:04:08,520 --> 00:04:11,800
two population proportions. For example, ال

51
00:04:11,800 --> 00:04:13,900
contingency تابع عشان نعرف إيش مفروض ال

52
00:04:13,900 --> 00:04:17,860
contingency تابع. بتكلم ال example على left-handed

53
00:04:17,860 --> 00:04:25,760
versus gender. بتعرف الواحد ممكن يكون بيستخدم ال

54
00:04:25,760 --> 00:04:30,220
left hand or ال right hand. فممكن ال dominant hand

55
00:04:30,220 --> 00:04:36,300
تكون left. يعني المسيطر dominant معناه مسيطر أو

56
00:04:36,300 --> 00:04:40,810
مهيمن عليك. تستخدم either left hand or right hand.

57
00:04:40,810 --> 00:04:44,250
ففي عندي two characteristics. Either I use my left

58
00:04:44,250 --> 00:04:47,750
or your right hand, and the other variable is

59
00:04:47,750 --> 00:04:51,450
called gender, either male or female. So in this

60
00:04:51,450 --> 00:04:53,910
case, there are two characteristics for each

61
00:04:53,910 --> 00:04:56,910
variable. So there are two variables, each one has

62
00:04:56,910 --> 00:05:00,890
two characteristics: either male and female or use

63
00:05:00,890 --> 00:05:08,350
left or right hand. في هذه الحالة هناك 2 مجموعات لكل

64
00:05:08,350 --> 00:05:17,430
مجموعة تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

65
00:05:17,430 --> 00:05:20,330
مجموعات تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

66
00:05:20,330 --> 00:05:23,170
مجموعات تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

67
00:05:23,170 --> 00:05:23,510
مجموعات تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

68
00:05:23,510 --> 00:05:23,890
مجموعات تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

69
00:05:23,890 --> 00:05:28,510
مجموعات تسمى 2x2. مجموعات تسمى 2x2. مجموعات تسمى 2x2.

70
00:05:28,510 --> 00:05:38,080
مجموعات تسمى 2x2.  والمثال اللي أعطانى هذا الوضع hand

71
00:05:38,080 --> 00:05:42,980
preference. اليد اللي واحد بيستخدمها والمفضلة له

72
00:05:42,980 --> 00:05:50,680
و ها ال gender. فمايل ومايل و left و right لذلك

73
00:05:50,680 --> 00:05:58,480
مرة أخرى لدينا مثال 300 أطفال. هذا المثال يعطي هذا

74
00:05:58,480 --> 00:06:06,940
الوضع. هناك اتخاذين الخيار اليد أو اليسر أو اليسر أو

75
00:06:06,940 --> 00:06:07,740
اليسر أو اليسر أو اليسر أو اليسر أو اليسر أو اليسر

76
00:06:07,740 --> 00:06:09,040
أو اليسر أو اليسر أو اليسر أو اليسر أو يسر أو يسر

77
00:06:09,040 --> 00:06:09,560
أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر

78
00:06:09,560 --> 00:06:09,680
أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر

79
00:06:09,680 --> 00:06:13,680
أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر

80
00:06:13,680 --> 00:06:18,660
أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر أو يسر

81
00:06:18,660 --> 00:06:25,340
أو يسر أو 

82
00:06:25,340 --> 00:06:30,280
108 هو عدد الأطفال المجتمعي في هذا الوصف، لذلك

83
00:06:30,280 --> 00:06:33,500
عدد الأطفال المجتمعي هو 300، لذلك هذا هو عدد الأطفال

84
00:06:33,500 --> 00:06:39,820
المجتمعي. عدد الأطفال المجتمعي روية ولدينا أيضًا عدد

85
00:06:39,820 --> 00:06:45,820
الأطفال المجتمعي كولومة. هذا العرض يسمى 2x2 لأن هناك

86
00:06:45,820 --> 00:06:53,870
2 روية و 2 كولومة. أنا لا أحسب عدد الأطفال. واحدة بنصوف

87
00:06:53,870 --> 00:06:56,450
و لاعب ده مش هيك اللي بينحسب بس ال

88
00:06:56,450 --> 00:06:59,650
characteristics. لعندي ال male و female left و

89
00:06:59,650 --> 00:07:04,570
right. بالتالي there are two rows و اثنين و two

90
00:07:04,570 --> 00:07:08,770
columns. نبدأ بالروف الأول. two rows and two columns

91
00:07:08,770 --> 00:07:12,130
so this table is called two by two. So in this case,

92
00:07:12,130 --> 00:07:17,690
sample size n is 300. Among these 300, there are 120

93
00:07:17,690 --> 00:07:26,630
females. و بين هذا الرقم يوجد 12 شخصًا يتحركون ويوجد

94
00:07:26,630 --> 00:07:31,690
180 شخصًا يتحركون ويوجد 180 شخصًا يتحركون ويوجد 180

95
00:07:31,690 --> 00:07:36,350
شخصًا يتحركون ويوجد 180 شخصًا يتحركون ويوجد 180 شخصًا

96
00:07:36,350 --> 00:07:36,430
يتحركون ويوجد 180 شخصًا يتحركون ويوجد 180 شخصًا

97
00:07:36,430 --> 00:07:36,510
يتحركون ويوجد 180 شخصًا يتحركون ويوجد 180 شخصًا

98
00:07:36,510 --> 00:07:41,530
يتحركون ويوجد 180 شخصًا يتحركون ويوجد 180 شخصًا

99
00:07:41,530 --> 00:07:46,970
يتحركون ويوجد 180

100
00:07:46,970 --> 00:07:51,370
شخصًا يتحركون. الآن ال null وال alternate

101
00:07:51,370 --> 00:07:55,010
hypothesis التي تحدثنا عنها في الحلقة التاسعة. ال

102
00:07:55,010 --> 00:08:00,830
null هي ال hypothesis. p1 يقل p2. هذا يعني أن 

103
00:08:00,830 --> 00:08:04,250
مجموعة الفتاة اللي موجودة على اليسار تقل لمجموعة 

104
00:08:04,250 --> 00:08:08,050
الفتاة اللي موجودة على اليسار. يعني نسبة الإناث اللي 

105
00:08:08,050 --> 00:08:10,090
بيستخدموا يد اليسرى  بيستخدموا نسبة الذكور اللي

106
00:08:10,090 --> 00:08:15,270
بيستخدموا يد اليسرى. نحن نجرب هذه ال hypothesis التالية

107
00:08:15,270 --> 00:08:17,830
ضد ال hypothesis التغييرية بواسطة واحدة ليست متساوية

108
00:08:17,830 --> 00:08:21,170
بواسطة اثنين. هذا يعني أن الاتجارات الاثنين ليست

109
00:08:21,170 --> 00:08:22,210
متساوية. بواسطة واحدة ليست متساوية بواسطة واحدة

110
00:08:22,210 --> 00:08:28,650
بواسطة اثنين. الآن دعونا نرى كيف يمكننا أن نقرر أن 

111
00:08:28,650 --> 00:08:32,610
نتفرج أو لا نتفرج على نقطة أزرع بسبب مصادقة جديدة

112
00:08:32,610 --> 00:08:37,930
اسمها test chi-square. اختبار جديد اللي هنسميه chi

113
00:08:37,930 --> 00:08:40,170
-square. مصادقة chi-square. مصادقة

114
00:08:44,440 --> 00:08:51,960
كاي سكوير أستاذ equals f

115
00:08:51,960 --> 00:08:59,100
observed minus f expected squared. Then we have

116
00:08:59,100 --> 00:09:07,200
summation all cells. Now where fo it's called

117
00:09:07,200 --> 00:09:12,460
observed frequency in particular cell. Cell معناها 

118
00:09:13,500 --> 00:09:16,820
خلية. وخلية معناها هنا في ال table. In this case,

119
00:09:16,820 --> 00:09:22,060
there are four cells. هدول cell head cell مية و

120
00:09:22,060 --> 00:09:25,920
ثمانين cell. مية و ثمانين. 24 cell. One fifty six

121
00:09:25,920 --> 00:09:30,580
cell. So there are four cells. So in this case, there

122
00:09:30,580 --> 00:09:35,680
are four cells. Now f o is called observed

123
00:09:35,680 --> 00:09:39,100
frequency.

124
00:09:41,650 --> 00:09:44,890
observed اللي هو اللي موجود في ال table. يعني 12، 

125
00:09:45,290 --> 00:09:50,470
108، 24، 156. They are called observed frequencies.

126
00:09:50,470 --> 00:09:56,350
is an observed المعتنيهم في ال table. ال F E

127
00:09:56,350 --> 00:10:01,090
expected frequency.

128
00:10:03,890 --> 00:10:06,810
ويجب أن نقوم بتحسين ال Expected Frequencies لكل

129
00:10:06,810 --> 00:10:10,750
جهة. لذا يجب أن نحسب ال Expected Frequency. كيف 

130
00:10:10,750 --> 00:10:16,790
سنحسبها؟ سنرى بعد قليل. فال FO

131
00:10:16,790 --> 00:10:21,730
يسمى ب Observed Frequency و FE ب Expected Frequency.

132
00:10:21,730 --> 00:10:27,190
إذا كانت عالمية من خلالها نحسب ال FE بافتراض أنه

133
00:10:27,190 --> 00:10:31,650
عالمية من خلالها. الآن هذا الاسم، الاسم كاي سكوار

134
00:10:31,650 --> 00:10:40,430
لديه كاي سكوار بواسطة حرية واحدة. يعني لديه كاي 

135
00:10:40,430 --> 00:10:44,350
سكوار بواسطة

136
00:10:44,350 --> 00:10:47,190
حرية واحدة. يعني لديه كاي سكوار بواسطة حرية واحدة.

137
00:10:47,190 --> 00:10:51,650
لديه كاي سكوار بواسطة حرية واحدة. لديه كاي سكوار

138
00:10:51,650 --> 00:10:57,730
بواسطة حرية واحدة. لديه كاي سكوار بواسطة حرية واحدة.

139
00:10:57,730 --> 00:10:58,050
لديه كاي سكوار بواسطة حرية واحدة. لديه كاي سكوار

140
00:10:58,050 --> 00:10:59,250
لديه كاي سكوار بواسطة حرية واحدة. لديه كاي هي Sky

141
00:10:59,250 --> 00:11:02,690
-square distribution with one degree of freedom.

142
00:11:02,690 --> 00:11:06,590
إذا إله توزيع مربع كاي بدرجات حرية بساوة واحد. في

143
00:11:06,590 --> 00:11:11,010
assumption as we used in T-test and Z-test. In this

144
00:11:11,010 --> 00:11:15,350
case, each cell in the contingency table. كل cell في

145
00:11:15,350 --> 00:11:20,030
ال table has expected frequency of at least five.

146
00:11:20,030 --> 00:11:23,810
يعني لما بحسب expected frequency لازم يكون على 

147
00:11:23,810 --> 00:11:29,970
الأقل بساوة خمسة. هي الشرط تبعنا. هو ده الشرط. Is

148
00:11:29,970 --> 00:11:39,430
always for two by two. Now again the chi-square

149
00:11:39,430 --> 00:11:44,530
statistic test approximately follows chi-square

150
00:11:44,530 --> 00:11:47,610
distribution with one degree of freedom. لو تطلع

151
00:11:47,610 --> 00:11:52,010
على ال shape تبع ال chi-square. Is it symmetric؟ هل

152
00:11:52,010 --> 00:11:57,720
هو متمثل؟ لأ. Skewed right ولا left؟ Right. لأن ال

153
00:11:57,720 --> 00:12:02,380
right tail is longer than left tail. و actually

154
00:12:02,380 --> 00:12:07,680
there is no left tail. دائمًا positive أو non

155
00:12:07,680 --> 00:12:13,220
-negative. مبدأ من ال zero. فالكاي سكوير دائمًا right

156
00:12:13,220 --> 00:12:21,000
skewed. و كاي سكوير دائمًا non-negative. إذا قيمة كاي 

157
00:12:21,000 --> 00:12:21,260
سكوير

158
00:12:27,270 --> 00:12:36,650
هي الجدول اللي

159
00:12:36,650 --> 00:12:40,510
عندك 

160
00:12:40,510 --> 00:12:49,490
في الآخر. الجدول في كاي سكوير أعتقد

161
00:12:49,490 --> 00:12:50,210
282

162
00:13:08,200 --> 00:13:15,780
287. إذا ال table اللي بحكي عليه on page 287.

163
00:13:15,780 --> 00:13:22,600
287. إذا هذا كاي سكوير table زي ال T بالظبط. ال

164
00:13:22,600 --> 00:13:25,820
table شكله ال T لكن طبعًا ال T negative و positive.

165
00:13:25,820 --> 00:13:31,550
هنا بس positive. ايه عندي ال right tail is longer. في

166
00:13:31,550 --> 00:13:35,170
عند ال rows represent degrees of freedom. الصفوف

167
00:13:35,170 --> 00:13:39,450
تمثل درجات الحرية. و ال columns represent the area

168
00:13:39,450 --> 00:13:44,490
to the right. I mean Alpha. ففي

169
00:13:44,490 --> 00:13:49,390
هذه الحالة سنستخدم Df equal one. فعلى سبيل المثال، 

170
00:13:49,390 --> 00:13:54,290
إذا Alpha هو 5% ثم

171
00:13:54,290 --> 00:13:58,090
K square Alpha هو 3.84.

172
00:14:02,330 --> 00:14:05,190
لذلك فقط تبحث عن عدد درجة الحرارة. في هذه الحالة

173
00:14:05,190 --> 00:14:10,590
فهناك واحد فقط. أيضًا تبحث عن عدد ألف أعني العدد

174
00:14:10,590 --> 00:14:18,130
الواحد. في هذه الحالة ف 5%. لذلك واحد ضد 5 هو 3.84.

175
00:14:18,130 --> 00:14:22,630
طريقة استخدامه زي ال T مافيش فيها مشكلة. زيك

176
00:14:22,630 --> 00:14:31,010
باستخدام كاي سكوارت تابور. مرة أخرى إذا قيمة كاي 

177
00:14:31,010 --> 00:14:35,950
سكوار تقع في المنطقة التخلص منها. ثم نتخلص منها. 

178
00:14:35,950 --> 00:14:43,650
نفس الشيء اللي نتحدث عنه عدة مرات. مرة أخرى كاين

179
00:14:43,650 --> 00:14:48,910
سكوار مرتبط بطريقة صحيحة وإذا

180
00:14:48,910 --> 00:14:53,070
قيمة كاين سكوار الانتجارات تتخلص من المنطقة التخلص

181
00:14

216
00:17:52,420 --> 00:17:57,820
بيستخدموا يد اليسر 12%، عدد الـ females 120 مع كده

217
00:17:57,820 --> 00:18:01,920
قد ايش نسبة الـ females اللي بيستخدموا يد اليسرى بتوقع؟

218
00:18:01,920 --> 00:18:08,040
عددهم هو الـ number of females 120، مظبوط؟ إذا ايش 

219
00:18:08,040 --> 00:18:13,260
بتوقع يكون عددهم؟ الـ 120 في 12%، مش هيك؟ ايش

220
00:18:13,260 --> 00:18:22,620
بتساوي؟ 14.4 طيب بالنسبة للـ males ايش عددهم؟ 180

221
00:18:22,620 --> 00:18:27,300
ايش بتوقع يكون مستخدمي اليد اليسرى؟ الـ 180 في 12%،

222
00:18:27,300 --> 00:18:30,760
مش هيك؟ بيطلع 21.6

223
00:18:33,510 --> 00:18:38,030
إذا هاي هي بتطلع الـ expected frequency بتطلع الـ

224
00:18:38,030 --> 00:18:42,850
overall proportion وبضربها في الـ number of males أو

225
00:18:42,850 --> 00:18:49,130
الـ raw total الأول والتاني الآن

226
00:18:49,130 --> 00:19:00,710
الـ 12، 108، 24، 156 هدول ايش سميناهم؟ observed طب الـ

227
00:19:00,710 --> 00:19:02,510
expected طلعناها بتساوي

228
00:19:05,100 --> 00:19:11,480
14.4 مش هيك؟ هذول أنا متوقع يكونوا مالهم؟ بيستخدموا 

229
00:19:11,480 --> 00:19:18,260
اليد اليسرى من الـ female وهنا طلعوا 21.6 مش هيك؟

230
00:19:18,260 --> 00:19:22,220
اللي أنا توقعتُه الـ left طب والـ right ايش هيكون

231
00:19:22,220 --> 00:19:30,140
المكمل لها مظبوط؟ أو بطريقة ثانية 12% overall

232
00:19:30,140 --> 00:19:35,180
بيستخدموا اليسرى، ايش بتوقع اليمنى؟ 88 خلاص، اضرب الـ

233
00:19:35,180 --> 00:19:42,980
88 في الـ 120 بيعطيك 105.6 أو اطرح 120 نقص 14.4 إذا 

234
00:19:42,980 --> 00:19:51,760
الرقم اللي طلع من وين؟ 120 minus 14.4 طيب اللي

235
00:19:51,760 --> 00:19:56,700
بعده؟ طلع 21.6 expected frequency للـ 100 اللي

236
00:19:56,700 --> 00:20:00,400
بتستخدم الـ left، اللي بتستخدم الـ right الباقي، مش

237
00:20:00,400 --> 00:20:03,440
هيك؟ اللي قال لو حكيت ثلاثين نجحوا منك وعددكم

238
00:20:03,440 --> 00:20:08,920
خمسين، ايش بتبقى مش ناجح؟ عشرين، الـ tackle تبعتهم،

239
00:20:08,920 --> 00:20:14,320
فقال 180 minus 21.6 بيحطيني 158.4 هدول اللي أنا

240
00:20:14,320 --> 00:20:19,700
معلمهم بالأسود، نسميهم expected frequency إذا في

241
00:20:19,700 --> 00:20:26,220
عندي observed وفي expected، كل حأعمله حأحسب الـ chi

242
00:20:26,220 --> 00:20:26,900
-square value

243
00:20:34,080 --> 00:20:37,440
لحظة، summation لـ all cells باخد كل cell من الـ

244
00:20:37,440 --> 00:20:45,180
table فالـ chi-square الـ stat حتساوي أول

245
00:20:45,180 --> 00:20:51,760
واحدة 12 هذا الـ observed مش هيك؟ ايش الـ expected لها؟

246
00:20:51,760 --> 00:20:59,060
14.4 squared على 

247
00:20:59,060 --> 00:21:05,050
نفس القيمة هذا الـ first cell، second cell ماذا 

248
00:21:05,050 --> 00:21:11,030
يتساوي؟ 108 - 105²

249
00:21:11,030 --> 00:21:15,370
على

250
00:21:15,370 --> 00:21:21,750
105 زي ما عملت الـ second cell بعمل لمن؟ للباقية 24

251
00:21:21,750 --> 00:21:25,710
- 21.6

252
00:21:25,710 --> 00:21:31,270
plus

253
00:21:31,270 --> 00:21:33,130
the last one 156

254
00:21:41,160 --> 00:21:47,380
- 158.4 مرة ثانية بحسب الـ overall proportion X1 plus

255
00:21:47,380 --> 00:21:52,240
X2 على N1 plus N2 أنا مهتم بالـ left handed بالتالي 

256
00:21:52,240 --> 00:21:58,440
12 plus 24 هذول المجموع اللي بيستخدم يد اليسرى في كل

257
00:21:58,440 --> 00:22:01,480
الـ sample divide by الـ total تبع الاتنين اللي هو

258
00:22:01,480 --> 00:22:10,370
300 طلع 12%، بيطلع نسبة الاناث والذكور اللي بيستخدم

259
00:22:10,370 --> 00:22:14,770
اليد يوصل ل 12%، طب مش بتوقع يكون left في الـ fifth

260
00:22:14,770 --> 00:22:21,590
male هم 120 عددهم 120، مش هيك؟ العام 12% من الـ 120 

261
00:22:21,590 --> 00:22:28,150
بيطلع 14.4%، وللـ male نفس الشيء 180 في 12 بيطلع 21

262
00:22:28,150 --> 00:22:32,910
.6%، وطلعنا الـ complement طلعت للـ right handers

263
00:22:34,520 --> 00:22:37,620
بعدين طبقت القانون عندك if observed minus if

264
00:22:37,620 --> 00:22:43,140
expected squared على الـ if expected بجمع هدول الجواب

265
00:22:43,140 --> 00:22:52,580
بيطلع 0.7576 هذا الـ value of 

266
00:22:52,580 --> 00:22:58,740
the chi-square statistic، الـ critical value طلعناها

267
00:22:58,740 --> 00:23:03,020
من شوية، لو alpha 5% one degrees of

268
00:23:03,020 --> 00:23:10,970
freedom 3.84% كقيمة عامة نقلنا الـ hypothesis التالية إذا 

269
00:23:10,970 --> 00:23:17,450
كانت قيمة البيانات أكثر من 3.84%، هل هذه القيمة

270
00:23:17,450 --> 00:23:23,690
تسقط في المنطقة الحرجة أو المنطقة غير الحرجة؟ هذه

271
00:23:23,690 --> 00:23:29,920
القيمة تسقط في المنطقة غير الحرجة وهنا الـ chi-square

272
00:23:29,920 --> 00:23:35,680
الـ statistic 0.7576 أقل من الـ chi-square الألفا، لذا

273
00:23:35,680 --> 00:23:40,100
قراري هو لا ترفض الـ hypothesis، برفض سفرية 

274
00:23:40,100 --> 00:23:46,340
الصفرية. ايش الـ conclusion؟ لا يوجد دليل كافي لأن 

275
00:23:46,340 --> 00:23:51,480
الاثنين المقارنة مختلفة، ما عندنا

276
00:23:51,480 --> 00:23:56,170
معطيات تثبت أنهم بيساووا بعض مع كده مافيش significant difference

277
00:23:56,170 --> 00:24:03,110
between males and females who used left hand هذا

278
00:24:03,110 --> 00:24:06,970
السؤال ممكن نحله على شبطة العشرة وهيعطيك الـ same

279
00:24:06,970 --> 00:24:12,570
result في

280
00:24:12,570 --> 00:24:15,790
أي سؤال؟

281
00:24:15,790 --> 00:24:22,370
طيب نفتح الـ practice على شبطة 

282
00:24:26,660 --> 00:24:41,320
شبطة الـ 11 شوية شوية، مساء طلع

283
00:24:41,320 --> 00:24:42,360
على 11، 9

284
00:25:12,230 --> 00:25:13,990
الـ tables الموجودة عندنا

285
00:25:27,680 --> 00:25:38,360
في عندي 41، 61، 109، 89 وطالب

286
00:25:38,360 --> 00:25:46,680
الـ test كاي، بحسب الـ test عشان أول خطوة أعملها أطلع 

287
00:25:46,680 --> 00:25:52,160
الـ B-، أنا بحاول بس أعيد نفس الـ example اللي فات

288
00:25:52,160 --> 00:25:57,360
أتأكد أن الـ steps معروفة بالنسبة لنا، بيطلع الـ

289
00:25:57,360 --> 00:26:07,060
overall proportion اللي 41 plus 109، لو تقرأ السؤال

290
00:26:07,060 --> 00:26:09,140
من الأول، أنا ما بديش أضيع وقت في قراءة السؤال لأن

291
00:26:09,140 --> 00:26:12,920
أنا بس باخد الـ example نعرف كيف نحل

292
00:26:26,790 --> 00:26:29,410
إذا نفترض هاي الـ exam اللي عندي موجود، حد يقرأ

293
00:26:29,410 --> 00:26:36,530
ليه؟ حد يقرأ ليه المثال اللي موجود؟

294
00:26:36,530 --> 00:26:37,150
advertisement

295
00:26:47,340 --> 00:26:53,940
الدراسة تم تجريبها لِتتعامل مع إذا كانت واضحة أن

296
00:26:53,940 --> 00:27:00,640
المشاهدين والمشاهدات المشاهدين المشاهدين كانوا

297
00:27:00,640 --> 00:27:05,600
محدودين، وكانت كلها مجموعة من 300 مشاهد ومشاهدات

298
00:27:05,600 --> 00:27:09,120
والمشاهدين

299
00:27:09,120 --> 00:27:09,420
المشاهدين المشاهدين المشاهدين المشاهدين المشاهدين

300
00:27:09,420 --> 00:27:13,600
المشاهدين المشاهدين المشاهدين المشاهدين المشاهدين

301
00:27:13,600 --> 00:27:15,740
المشاهدين المشاهدين المشاهدين المشاهدين المشاهدين

302
00:27:15,740 --> 00:27:15,760
المشاهدين المشاهدين المشاهدين المشاهدين المشاهدين

303
00:27:15,760 --> 00:27:17,160
المشاهدين المشاهدين المشاهدين بالنسبة للإنسان

304
00:27:17,160 --> 00:27:24,440
الخاص بك وما إذا لم تكن مستخدمًا لإيقاف الوصول إلى

305
00:27:24,440 --> 00:27:24,940
الوصول إلى الوصول إلى الوصول إلى الوصول إلى الوصول

306
00:27:24,940 --> 00:27:25,240
إلى الوصول إلى الوصول إلى الوصول إلى الوصول إلى

307
00:27:25,240 --> 00:27:27,580
الوصول إلى الوصول إلى الوصول إلى الوصول إلى الوصول

308
00:27:27,580 --> 00:27:27,860
إلى الوصول إلى الوصول إلى الوصول إلى الوصول إلى

309
00:27:27,860 --> 00:27:29,380
الوصول إلى الوصول إلى الوصول إلى الوصول إلى الوصول

310
00:27:29,380 --> 00:27:31,460
إلى الوصول إلى الوصول إلى الوصول إلى الوصول إلى

311
00:27:31,460 --> 00:27:33,220
إلى الوصول إلى الوصول إلى الوصول إلى الوصول إلى

312
00:27:33,220 --> 00:27:41,900
الوصول إلى الوص

313
00:27:45,380 --> 00:27:48,300
وبحكي how can we calculate the test statistic كيف

314
00:27:48,300 --> 00:27:53,020
تحسب الـ test statistic هو بيحكي في السؤال أنهم

315
00:27:53,020 --> 00:27:58,540
independent ولا لا، أما بيحكي في الـ H0 الـ two

316
00:27:58,540 --> 00:28:04,380
variables are

317
00:28:04,380 --> 00:28:08,960
independent أو

318
00:28:08,960 --> 00:28:14,000
بيحكي الـ proportions are the same إذا في عند الـ male

319
00:28:14,650 --> 00:28:18,170
while female either identify or couldn't identify

320
00:28:18,170 --> 00:28:29,850
فالـ B دي in general ايش حتساوي؟ X1 plus ايش 

321
00:28:29,850 --> 00:28:33,330
رأيكم؟ plus one ولا one oh nine ولا plus sixty

322
00:28:33,330 --> 00:28:44,510
one؟ ايش رأيكم؟ يعني عملها plus sixty one فبتطلع

323
00:28:44,510 --> 00:28:50,170
السؤال ايش حكى؟ The term whether brand awareness

324
00:28:50,170 --> 00:28:56,890
of female TV viewers and gender وبتشوف علاقتها ده

325
00:28:56,890 --> 00:29:05,970
مع بعضها وقالت 41 plus 109 على N1 plus N2 واِيش 

326
00:29:05,970 --> 00:29:14,050
مجموع الـ identifiers هنا 102، واللي تحت 192، مجموعة

327
00:29:14,050 --> 00:29:21,250
ما جددوش 300 مش ما طلعوا هيك؟ 150

328
00:29:21,250 --> 00:29:27,590
على 300، على نص هدول

329
00:29:27,590 --> 00:29:34,350
الـ observed، الـ expected هنا 102، نصهم identifier 

330
00:29:34,350 --> 00:29:38,570
مظبوط؟ من الـ male نص هدول ما جددوش

331
00:29:41,780 --> 00:29:47,900
النص الـ 102، مشكلة منها 50% في عدد الـ identifier 102

332
00:29:47,900 --> 00:29:53,560
وطلع 51، واللي هنا ايش بيكون برضه؟ 51، طيب اللي

333
00:29:53,560 --> 00:30:01,640
بعده؟ النص الـ 192، 96،

334
00:30:01,640 --> 00:30:09,780
ايش بتوقع لهم؟ 96، هي طلعت نص، فالنص سهلة طيب 

335
00:30:09,780 --> 00:30:21,470
احسب الـ chi-square الـ statistic ماذا ستحصل؟ 41 - 51² على 51

336
00:30:21,470 --> 00:30:29,490
plus 61 - 51² بكمل بنفس الطريقة

337
00:30:46,200 --> 00:30:50,720
مجموع مين اللي غلط؟

338
00:30:50,720 --> 00:30:57,120
اه هدول أنا

339
00:30:57,120 --> 00:31:02,480
لا أخبط في هدول صح؟ هدول لقيت مجموعهم 108، نفسًا أنا 

340
00:31:02,480 --> 00:31:12,470
أصلًا 108 نفسًا، نفسه ما جددوش 99، إذا

341
00:31:12,470 --> 00:31:19,230
بيصير 109 - 99، 89

342
00:31:19,230 --> 00:31:27,770
- 99، تعمل

343
00:31:27,770 --> 00:31:33,540
ايه لكل cell، هو بيطلع الجواب، ايش الجواب في الكتاب 

344
00:31:33,540 --> 00:31:39,000
موجود؟ بتحسبيها في البيت براحتك، طالع الجواب، سؤال

345
00:31:39,000 --> 00:31:44,380
11، 9، رقم 2، ايه؟

346
00:31:44,380 --> 00:31:52,660
اتأكد أن الجواب ايه؟ إذا مرة ثانية بحسب الـ B'، 41

347
00:31:52,660 --> 00:32:02,540
plus 109 divide by 300، بيطلع 150 على 300، بيطلع نص، النص

348
00:32:02,540 --> 00:32:08,020
هذه بضربها في 102، بيطلع 51، وهنا بيطلع 99، بعدين عملت

349
00:32:08,020 --> 00:32:13,360
لكل cell هذا بالنسبة لي، السؤال 11، 9 التابع البعدي هو

350
00:32:13,360 --> 00:32:19,120
11، 11 لحظة، هذا three by three مظبوط؟ هذا three rows

351
00:32:19,120 --> 00:32:24,900
وthree columns، هذا للقاء الجاي، هذا

352
00:32:24,900 --> 00:32:29,480
لللقاء الجاي، طالع التابع اللي بعده، ايش نسميه؟ 

353
00:32:29,480 --> 00:32:33,240
برضه three by three، مش هيك؟ three rows, three

354
00:32:33,240 --> 00:32:39,860
columns للقاء القادم بيمكنك 

355
00:32:39,860 --> 00:32:46,260
في البيت تحل 11 تسعة، انت كمله، فبحكي at five

356
00:32:46,260 --> 00:32:48,780
percent level of significance ايش الـ critical 

357
00:32:48,780 --> 00:32:57,090
value؟ اللي توحلناها مظبوط؟ الـ degrees of freedom 

358
00:32:57,090 --> 00:33:03,490
واحد، طب يعني الـ value طلعت حكينا five point

359
00:33:03,490 --> 00:33:11,610
something مش هيك؟ حكينا الجواب 5.94

360
00:33:11,610 --> 00:33:20,110
18، إذا 

361
00:33:20,110 --> 00:33:24,150
انت 3.84، وبستخدم السؤال اللي

362
00:33:24,150 --> 00:33:24,550
بعده

363
00:33:29,390 --> 00:33:33,910
يجب أن تكوني متأكدة أن التطبيقات المتوقعة تكون

364
00:33:33,910 --> 00:33:39,090
صغيرة جدًا، ويمكننا أن نتجه إلى طيب كبير، طيب 1R

365
00:33:39,090 --> 00:33:49,910
ماذا ترى؟ هل بحكي reject ولا لا؟

366
00:33:49,910 --> 00:33:52,950
السؤال

367
00:33:52,950 --> 00:33:53,290
الذي بعده

368
00:33:59,870 --> 00:34:02,510
عند استخدام الـ chi-square test لإختبار الإنتقال يجب 

369
00:34:02,510 --> 00:34:05,510
أن تكون على دراية أن تجارب التفاصيل التي كانت أكثر

370
00:34:05,510 --> 00:34:12,190
صغيرة ستتسبب في أخطاء كبيرة لـ Type I، لما الفروقات

371
00:34:12,190 --> 00:34:16,110
تكون صغيرة تطلع

372
00:34:16,110 --> 00:34:21,310
الـ chi-square صغيرة ولا كبيرة؟ لما الفرق بين

373
00:34:21,310 --> 00:34:27,270
الـ observed الفرق اللي بينهم يكون صغير، صغير تطلع

374
00:34:27,270 --> 00:34:35,560
الـ chi-square مالها؟ الـ small، مش هيك؟ تبقى بتكون K²

375
00:34:35,560 --> 00:34:40,000
صغيرة، الـ P value بتكبر ولا بتصغر؟ الـ probability

376
00:34:40,000 --> 00:34:45,060
اللي 

377
00:34:45,060 --> 00:34:48,360
أنا أفترض حاجة زي كده، لو بدي أحسب الـ P value للـ test

378
00:34:48,360 --> 00:34:53,200
اللي عندي، كيف أحسب الـ P value؟

379
00:34:53,200 --> 00:34:58,600
هاي الـ P value بتساوي، K² أكبر من القيمة هذه 

380
00:35:02,400 --> 00:35:06,060
مظبوط؟ اه بالظبط كل ما بتكبر بتقل الـ level لما 

381
00:35:06,060 --> 00:35:11,960
بدخل لجوه، مش هيك؟ تطلع على الـ table اللي حكينا عليه

382
00:35:11,960 --> 00:35:18,900
توه، بيه

383
00:35:18,900 --> 00:35:26,700
أكبر من 5.9، امشي على 5.9، موجودة هنا تقريبًا موجودة

384
00:35:26,700 --> 00:35:31,620
بين إثنتين هذول، مش هيك؟ 5.9 مقال بين هذين العمودين

385
00:35:31,620 --> 00:35:36,660
بظبط، بنطلع الـ P value زي ما كنا نطلع في حالة الـ T 

386
00:35:36,660 --> 00:35:40,920
فبالتالي الـ P value محصورة بين مين ومين؟ بين واحد و

387
00:35:40,920 --> 00:35:47,640
اثنين، فتطلع الـ P value بين 1 و 2% طيب الـ P value 

388
00:35:47,640 --> 00:35:51,