هدفت الدراسة الى العرف على البناء العاملي لمقياس القلق الاحصائي لدى طلبة الدراسات العليا في ليبيا باستخدام التحليل العاملي التوكيدي، للتأكد من امكانية استخدام المقياس لتشخيص القلق الاحصائي لدى طلبة الدراسات العليا بدرجة يمكن التعويل عليها. وقد طبق هذا المقياس والذي قام بتعريبه (ابو هاشم، 2009م) على عينة مكونة من 150 طالباً وطالبة، بواقع 69 طالباً و 81 طالبة، حيث تكونت اداة الدراسة بصيغتها النهائية من 51 فقرة، وباستخدام التحليل العاملي الاستكشافي والتحليل العاملي التوكيدي وتحليل التباين متعدد المتغيرات واظهرت النتائج ما يلي: اشارت نتائج التحليل الاحصائي الى صدق المقياس وثباته ويمكن استخدامه والاعتماد عليه لقيسا القلق الاحصائي لطلبة الدراسات العليا في ليبيا، وقج تشبعت المكونات الاساسية للقلق الاحصائي لدة طلاب الدراسات العليا على عدد من العوامل تنظم حولها العوامل المشاهدة، وايضاء اشارت النتائج الى عدم وجود فروق فروق ذات دلالة احصائية في القلق الاحصائي تبعا لمتغير المرحلة (الماجستير والدكتوراه).
جمال محمد اندير, مريم احمد ارحيم(9-2020)

أتاحت طريقة البوتستراب ( Bootstrap) التي قدمها العالم إيفرون (Efron, 1979) إجراء العديد من الأبحاث في مجال الاحصاء وغيرها من المجالات , والتي كانت لولا ذلك ستكون صعبة إن لم تكن مستحيلة. لقد أصبحت طريقة البوتستراب تأخذ جانباً مهماً في أغلب البحوث الإحصائية خاصة فيما يتعلق بالبحوث الطبية. تم في هذه الورقة تزويد الباحث بمقدمة مختصرة عن طريقة البوتستراب, كما تم تقديم شرح مبسط لكيفية استخدام الوتستراب لحساب الخطأ المعياري لمتوسط العينة, والخطأ المعياري لوسيط العينة, بالإضافة إلى كيفية استخدام طريقة الوتستراب في تكوين فترات ثقة لكل من المتوسط الحسابي والوسيط بمستوى ثقة معين باستخدام طريقة فترة بوتستراب المئوية (percentile Bootstrap Interval). لتمكين الباحث من تطبيق طريقة البوتستراب بكل سهولة ويسر فقد تم في هذه الورقة تقديم شرح وافي وواضح لكيفية تطبيق طريفة البونسراب باستخدام برنامج ماتلاب (MATLAB Software), وفي نهاية الورقة تم تقديم دالة ماتلاب, تحمل اسم Bootstrap_ci , وظيفتها الأساسية هي ايجاد فترات ثقة لمتوسط ووسيط المجتمع باستخدام طريقة البوتستراب المئوية.
سعاد محمد احمد البرقاوي, البهلول عمر شلابي(12-2021)

ABSTRACT---- Replication of observation allows consistent estimation of slope parameter of a linear structural model when the ratio of variances is unknown or when some external information about parameters is not available. In this paper, we look at the way a linear structural relationship model work by replicating observations with two different estimation methods of slope parameter and different cases of existence of outliers. The maximum likelihood estimate (MLE) and a new nonparametric robust estimation method are used to estimate the slope parameter in replicated linear structural relationship model (RLSRM). The simulation studies and the application of real data are used to investigate the performance of the estimated parameters. Keywords— Maximum likelihood method, A nonparametric method, Trimmed mean, Outlier, Linear structural relationship model with replicated.
AMEL SAAD AB ALSHARGAWI(1-2022)