sami_1
2018- 4- 6, 05:46 AM
السلام عليكم ورحمة الله وبركاته
(( يكفيني ان تدعوا لي في ظهر الغيب بدلاً من ان تقول لي شكراً ))
في هذا الموضوع نتذاكر سوياً ونبسط علينا هذه المادة
السؤال الي يتبادر للذهن
هل المادة صعبه وتحتاج الى تركيز عالي وجهد ؟
الجواب : اذا فهمتها فهم صحيح سوف تكون بسيطه بالنسبه لك
ولايوجد شي صعب
لذالك
دعونا نبدأ
طبعاً المحاضرة الاولى والثانية
يحتاج منك الاطلاع عليها مافيه مسائل تعريفات بسيطه
مثل ماهي مصادر البيانات : مصادر تاريخيه ومصدر الملاحظه و مصادر الميادين
او مثل مراحل البحث العلمي : المشاهدة ثم الاحساس بوجود مشكلة ثم تحديد البيانات الواجب توافرها ثم جمع البيانات ثم تنظيم ثم تحليل ثم الاستنتاج
سوف نبدأ المراجعه بإذن الله من
المحاضرة الثالثة
* - البيانات تنقسم الى قسمين اما بيانات منفصلة او بيانات متصلة
البيانات المنفصلة : وصفية او كمية متقطعه
الوصفيه : حروف مثل الالوان , ازرق احمر او a b c d او موافق , غير موافق وانت ماشي
كمية متقطعه : 1 2 3 10 15 50 100 ::: وماياخذ القيمه بين المتغيرين
البيانات المتصلة : بيانات كمية متصلة
مثل الوزن والطول يقبل الكسر ممكن يكون وزنك 60 ونص بعدها 61 يعني فيه ترابط بين القيم
وان شاء الله بنشرحها بالامثلة
*- لو جينا وعرضنا البيانات المتصلة و المنفصلة على الرسم البياني راح تاخذ
البيانات المنفصلة
مثل :
1- شكل الاعمدة البيانية (( طبعا الاعمده ماهي قريبه من بعض))
https://www.jmasi.com/ehsa/mdrj.h2.gif
2 - الخط البياني المنكسر (موصول بالمسطرة)
https://upload.wikimedia.org/wikipedia/commons/thumb/f/f7/Graph_%28PSF%29.png/220px-Graph_%28PSF%29.png
3- المنحنى البياني (نفس الي فوق بس موصول بخط باليد)
http://www.webbmatte.se/bilderAR_ma_6/graf-01ar.jpg
4 - الدائرة البيانية
https://vb.ckfu.org/data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAOEAAADhCAMAAAA JbSJIAAACBFBMVEWaMzT/////mTQBmTSZmZmwWl3H4MmYLjAAlSAAkyCXl5f//v//mjL///38//+aMjORkZH///r/mi+QCwsAAAD/lij/+//+mjUAmjCYNDKVJib/mi3/kAsAlSicMzaHAAB2dXQAgCmgP0EAcSPAfn+3biNoaGf/kxvghi0PGQirVlcmKB+cl5eFhYWbNTAAlDDU1NTDiImfTEuSWB vp7ebv8PAAkADRnJ01EQDMsrMAMQAZpEi0amtpNwD76tbOp6jf 4OCmpqbMeSYAIQDv39/FxcWVICKjYR792LVUJSAbjzvBl5lAQz/lzs/528CSmJL+xJAAUhcIDwA2NTAAbgADZyRZMADK18mNyplCsWrq+ u7j89n4oUr1pV1luILR7N2CwI2z1rlHoVdzp39WWVqynp5AFAA rIBFZsHC83Li438lKsV+i164HkzybvqJwv4V5ShtCLiJHJgBDm FoZEwC41L9PMRT6uHf3xpz5sGtrNAC0t7X99+e0v7mV1aXW1uE AWAM3UDkmHwCYp5glAAAAPQs6IgsgYTYAShxxhXUWAABOalQ6Q T1gomoZMBkDHQAreT4zCABXhmKNp5AXYC5XR0HjjkDeklzVmnT r0MPitZ6zhWbOcQDBhFVvWkn95LqKT0/YwLJ2JyiYXiypTjZ0Sij/gQCwYACJcmaTYzyvl4iQTABEJOLUAAAc00lEQVR4nM2dj0Mad5 bA+QJmgGEGBgPDDIKGaCAG+RXRUDkBA8TGoDZJE2O1iVmzzSam SdPNak677d6mabe7bW93r73tbXf32r3ddtt/8t4bUEEHmBlm0NeqkETlw/v9vt/vjInoLj7CMIRlGcJIT5lMqVSqZrPZfDYPMpmvSTZbLZUKmfr30 DTNEI5h9X81xKT3D6QJ0NHSwwySSVSTkymU4UZJ1WQuD6T471l CMwyt98sxgLAmDGoN0SSsXG50NJ0ON0l6NN2Xy+XqsHP5UokQj mX0fym6E4Iq3q/m63BIFjaFKMpFmVwm+AKfXC4XfAgUiEsQELVPAk2l8tVM55+vW vQhpBkfAyYGblSzy0mEAzaXyYViaikSbTwUTqfrmPkSUDIMB//ppE9dCGmAQw+S8ICubzQcRjhBaM3WxAkfVEjSJlDmq/BO0T4f0Sfu6EOIn+p4oDt4vYimlK9OKeB3ASXqcq7KSdFYD9GF kCW+JASWSTDNcMgkUK649JoppXRxQXDFQZEC2mwdMl8g+gTWrg jBV2gG3upStaa9MLzSNk6nUJl1yFyq6gNIMP/uSLsi9LH420toncN94RAYmivULWANUghLoSc7Di7AckdHyLIsA e9D9YVCQs029RBBir9hVGS+6wTSnR8yyAfqAzpQnqCLAusCsTg uKXKudASEHE1j0iJ1vjDVtfPJC2USMINMgh59HMv6ekcIZTLYJ 4TPyWEInpTimKlWpDcuDIxzGQJ82vxRE6GP4TC+oP5MQlxd3lM jaPVY2AFjFqJqDwmhbYD0B/pDPH3CZxtKV0hAxqq2V6qekIEkxUH+S+XCJoPc77AIyDhcgvQE CdhoQihgSuiAaZNx/ndQ4J2Mh0dHR7MMUR9tVBP6GFAgGqhgnP8dFPQDFzLmSkR1saq aMAMRJhd2xY32v4MCNSt2zXnVDYdiQvAAGhpASYGhnjlgk2Atl 86VWGgfVeRGxYRSCqwpUDgaQKnDSqfTWajGfcpVqZyQxRCDCqR 0qz9VE2K1mg6noL5RnhsVE4IKq9nJXNqlsrPVU+JxlysUhmq1p KKjUkTIQUFBGLBQqLGPim5XcHqVDmdZxqcwMyoipKHKBgtNjUq zhiMXQAzNsUr7RmVWCoBQhabjUKUdNZ4k4XB4mPPpqUNMErmw3 i2gZhEoKMf7FPbGHQkZNNEquqB+PXz34gI1pkuS+3RNiKMKcEE APBY+uCfQcIRLLN3ZFzsSSkE0BVkwZDpWhFQ4Hg5V2c6Zv7OV1 gCxzj6qUkZW4iFTOE4paBrbEjI1wOH0sdLenrjCYSqL5WQXhCx ha4DHSn17Ar5IZdkOWaM9YU2DJh0m2caIYBLEKtu+guugQ2zmQ 4JgOl5RZlfiIahSK1WNVsphos9OptLHIsfLC9Qfrsrc9FeEa1P BtSRkQPnZbCodP6J2V4m4hFB/djoQ+IrlNBFCJQNpwnRcfRAkRFWq8xGe59uNb1oTYrHdF4pr8E HREBwZEfoLW96AmQ9EMyoJWRzalXBgoWVFopIXe8AYh/JbKC1GzCB8YEUa3qjRIctyWRypaahFqVw2nBJNDcPU/cGqngZPiWFuM+JBQudK4E8s02JVXJaQZjERShrUQDg8msqLVGp Pj1QuvYuoI2GokuNWI7xZ0qHZE/kftkVtI69D7JeG05SmftdFibm82E/Slf6KRCROVisiJT3TkbAyvLPihSAjETrNvLfaYm2qhZViGNU4t HehnVbE4XyJVCX7FPtLg/lh6ZlehIKrf24nEDA3iPPLcZbhZHxRPtJksqk+rW84fFslOxwe zA7mSjTYpzgHD9O7z3SRMDWYnY40AZr5yH/7WGBURsjUooxmQjG/19X0U+mGH9yvDyFVeX92AG2zkZCPfEPk5qiyhFI/EY9rQ8TvEiv9/f2Dc4P9gEThw9Sg9EwfK6UqpS2v02Pmm6yU571JIhNPDxGyPrY 0lxrV4YWIc7vhtFKaE/efdSchFyWML0aa6Opa9H6ZkdkpdoiQZjmsZbp5Ea66iLsPXBXR hM/0IIyLfb7nAx4ZQpA/KdEhNhSQCfV4MYZIJceseM3ygHw0qUCHTAZsVIh3h0hVKhBEKy JqzQUPQYOiPmvGlRRjhjTolEXkA18eHqI2EeIiMgs22m1mjueq 1VxluJqnBCouZtPwJZsXR4fhjdNs/mjjlNA/Ny2rvTqhMwqlzYEZarMOcfg7Ody9jeaGJ30VQmUguvRXSS4uzm Wro6V0hdI+M5cKIugGea/T2ZKQ936dZH1ca0KakWy0667eJaaYycEqKVWESj5X6hNNuVIpl f2qOhrSPg2BGrm/+reI08l7WivRHP0LzdGtCVm2Hma6ZAyFB0USJoOFfDpdqpKqGK dGw6V0KfWN2IX9YxqMOFsEGUngL53eb0gbHULXCzba/fqSOEdIXiyVSuFSrn+w1AdWD9V4f6mU0/azcU8uRYUzm175CNNkqDOZtn6YT/UJ3dfHcahpxHgFZKcSN9X6YUqMixSlrU4KCUJc6OOee72dAM3m QPRPbBtCDDMujdVa4ysKQfUfEkKiSRRCIVHSWxwCaTyuzf5dAn RkzErEyXcm5M0zhTZ+iGFG6H4RDWhMcRzxuOBRKC5RQRTFXKHp 3aOESmqHD6ALKkCM/lmeEIfjVWwpuubTV1DtQn9+GkttJcKb+a+bKvB9Qpql9am49RU KXHAwOx/hW6fBZgmAEllGhpChj6UKTSEIW6XZAY9HmQrNzoCTn/mqYTfKPiHxTaZGj8lOhAZxxcXM4gCEGN6sTInQGIMSZQmrqVy4 i5rDAAlTgiBCGowoU98eI3qiDCGDPcVRMzWLSzBVRrlVrzrAA+ F0P1tUe7rrV5EA4DC3ojTE7Isz+l1JhhA35R3dljVZESpzO7yX D3RmOkBojv7QTIjHWkup4WMVSKFUcElpUC1ejfDS+G44rROyJJ/KHau1UKitBqvzEdU+iAKFz9dZUs+JEiHNMhlQ4bEiFETx/dmIgkJUFtEb/cvuOkaNkMM4c7zW6uNUZjHCBzQSmqPfJRt1CPVManj0+OzqioM Gw9ymJgtFwTYZYk0jIcQZ7WN8/SUUl5bOtAJKxU/0UqaB0EdwJeb4zEgpEdJgq6GoMkIn/125MZaSueH08VGhCdKgGQpoLYliT4fm3bqmRlg6Pqki5IJmadq sOssflMDMpUxDTZMd7jsuGoRuENJg14BQftfNtEYIyfC4BFIBZ 4baXXCf0DzzZ2l3pURYwKK72yGpPkIJmAbbTkUVEjqjf8/QuzqsDvcdNZkk0O2moRvUHGEaxclHvyvjNMOE6X7umBTdQsMOk u4J+ZkfiETIkswwGukxEOgGoVnqONdWKjP/wsLNRLMkOZw7Fo1h/9yO1wOlqMKZUycJRH/E2bCJY1nofY/aSEMuV6g/+zdP91liVyBYRb/bhv7CBB+pIx8iukwuoVKdRRPVjRAd8XsiWSm64dH2FXitHhHSY IDXy0LNkhJn/uVjkLA6nIM0ZCAA5TJR0m6MVquHLrBRzBJOhZN7JYIzcnBEJIS SbdTI4wbxynBaTGXnKlR2jhJFKtR8yDZuCoVC4ij3XNNEpj1k9 FIZrZTM5dKCcf29S8ySXCU7zA2XJvE6SynxwNqWEJe6QU9E/dSwI+J3P0iEEGgEk2Hn0kLxQS4X7y8x/Zn8ZHUynzpwjDgkiJXUzpe4Nqg/4cy/sGorYb437uRdSBz09YmVwWpWzFerg2ilTa22K96fnzZ7MM/rlekbCM9ngLCa6wuFjLt8QJzKkx2RlNjRVNWXjh/yQRN0gwNms34hppEwej4pERq6aOhy4QYpMVyhwunKAQt1CdDul mYHeLP+PojixFBjwkBj5IQGUp1A4Rq+SRDjBxbvQnER0yBvNoi Q5y/9AIQGVzSYG+KheByvBCaEDjiDGPZtRniPxxhAIBz5HgiPqLEA1 WIaVL90pobQPPJXyBa5viOpSkMhKAW4Vf1KbVnCmX/QpswREZri/akd3mkoocc886RgKhkbSpslJO0YDtUA89Nes8aVF4US4KM/Jk0GJ4s9geo7Hnr1nVdfffWdb0MhwTRYndZnINNGnLuEvRnnC/Fv3/oWr0YbEl4KuINEh6FoJwHCsimbS/fkWgmi8O07IvAJVFwQ36HGtwYMNdA9wqIpP9obQiH0Fl43GDcJ h6hQYdOrw0xUAeF3btNcj0YYoVdruzoFaCb6yOyPu2UM74Ga28 PzAXOLEwZdSfTS96ZUX28SPvVOfTcSJZ06+4e5vkTklLY78TjA 0N8voWzrHeG339YmJVRlbnrFa54ZqW8WdXq8ABgxBwIe/csbJz/yVxPuoqF6IK9SYhy+iP83Oe3BLTJ/r2+TCaw+B8BFj9m5uunVtvWiNaAHCSerfT2R/x2VvgwTKLWdHrPn7+b6AVd2OuDdIQF8EJn+m86ISHh/6cTNEz2Qm7XfctO3GIHoYo7u6tC7OT3g5dmByPTitHdeZ0IzEt 56GLTZ7Mb/d/20HWTiXfc3iwHeHBgZ2SUEMN7LDixyO+xzb9skqYG+RmjphfgT H/v9FovtJzHHdMTDB554aicknasMuzWwAxY6sLgDf9FmmuFdVI8o EU5Z/D1B/DhhsSSCd2IL729C9HyyqyxnZMBrjgxEgKDD9pIIWYl4pX+pWJw 91CEo8TO/3x/ciC2gEn+hvqnwehe3tjanCQSm40lo8V/+GKz07ZjV/f7mP6LqATf5f87ys/9cnWZWFA/meksIiJ+dsj1zWGNDha/VT38j8/vbfgdUEd43yg+ln5rwJzDA1H+F//WPbq5fuXKmsKngeM8hxIGBfy4ODMD/igFBLv3VdHfKED7wO4ttIpEI2oIJ4LQkpD/z20+4rVZrrKRpsT6ys+j1bqkLqJckHRokibtrj20P15Zs9qC/psNHFvs4EDoWks81zbixqFMDCD0+EH46ZQziI5uFPFx+c+nx+N LGxn1JhajDZUmHsWntGw/rL14h4fkzpjenpgzxQ78leGJ52RacWH7zl2u36oQWOy0RupOrH hUrMXxkZQXsOoJLxB54HOC90J7gxYU67NtwRs8Pme5MTSWMILQ Ep4hleWPijY0Ju81SN1NLooSE1ph1Ws3OLu/iDjcdec5tQpu8wk0vevnn0xy/hdcdaK9LPvqj27RhkA4hunAnlh+eIJkHib1IY7lcI1xwJ5+rCK fOwMrsbOQ5BBpIGvNbK7x5cWv++c4KtikdCP+taFozykoTQftU IhicmLDt/fyE5W6NEJLidKdX1ySrszuRgelFqOymZ7d2Ik5+en52k5vd6rA 0zs/8e9l006BIIyu2O0mHVRLwRBVmurg1yzlXuXl+a3N2fhbDVITfi ezMbrXPOk5z7wmXynVCK3ii4owRWJ2dXYlsLm55uYB3a0uiWln xLs7y7ctbKGl+kTSNG2SlsmJf2yMEJSqfPPHegIf3eiMr4ImBu t4CYLKdQik/8jRjYnupQ/vaPbfbYXXjJxU50ek08yiQJZx8fYKF68a8uf25Syd/6SUxEaPKNhlJ2J6VCSnHWJZYC0lQotJTk1qFP/8FEN7voRJtJ2LucsZKth3b5YIbPdFYwuiPZ4BwqZeEt92AZy2X iSO5LeVEQwkxHQLhs94RQllaJIXtYnmbWB0OLGwMWsDflZEbuB cj6e8hIbedTBashcI2hlR3YdXYxRn+0tMkMdHco94RJjIQRd1W h7uWM2IqcqI2wrcIMTHk3R4GU6lo20v6jsKqoYRRCKXExJI7vd Pho+oenVWfPrGdQKAZk3R4s2eO6L+fjDURut9fNWLVEMXDe/iZp2XpRMntRK8IbY+TTTq0LsTw8ocGbYiCiuZCAfeX0uRyzwg3 ys2EMfBE3U4fHBRP9Pw7hAYrpYlxw6gDYt/INhE6YuiJBuVEpyf6b0OEhUhDk7f9U/6e9Be2Z/cWrM0COdEYT/R4oLEok9qpoPGgRftU2BZU8W9vxqwHJTY9YIiVOmtuKJ1GYMgj 9WD+YG26ZGPXlCPaZQhBiQZFmuj5a9LJLryRyR2cUKsS+60l2/1bfov/4dp95eq3Lx8mxGbfEELnzA03oZna+cObNnV8luDS7Y07a0AIpa YK+7Zz7sOAkBO9BvSJvHnkp+X98/gJtToM+tds9vtB5AvalRNmZAgxJ3r1J4RccY7ZO0NKPlXHB6/1wdrEBJl4eHtq4pdrihETJcdhwlpO1BsQjXQIL4hRJ1Rtprbl5 bW12yfI7dscu6z4my+XHAezhbVWneq/z5SvG2n9PD5zSmW2sK3dWQO5v7G29FixDv13qzI6lMKpvrv4nD yuWLzVeG0T8qkqwqDtITdht9uDwSB8KDZS/315QmtsXvc+ka8Z6Z4f0jeVhwsA/OUDVkuhF7xTlTHSmhL1JZTSfeN1MRiGvaymqgna1Ppt7ds2yvK EVuu8rjmR9zijT96pX7285oc+5k43lZtCsa/dk+eLLSRXAnqe7MJhd4w0X4FnWU3m1ihQeDtkHTG2AJ4Y0PUM8 PkLhcarKHHER94NWoxZKd0XKEtjsmbqkFYx9MwYMzfWd7em1K8 TxbE37Y+UaTEo1TFYbvvtUnyyBy3Kmi9oLeTqUkmLsXlV64nth cc4w9B0QyxFS72srEeY+tmDh8GlE0tBS3BqbS0BxffaRvDh46C/Q+Hnb1V474bTFf0Km0D0ybW9q1/uX3PvbWWeePfx0vLE0i3yMGhbvrPxwB58vPYAije7gvfHzrUmd NzTMZw6R35aJOQgIe1TWNdMbDwI2qeIxW+7DYWbPXj/9vKbGw8e3LV1jMX2TGtCSYl6EUbP/zxDdm8B1XB1z58oijQTGycmgreWp2yPpuyPT/zM7g9OWW5P3b7/rCOhP1GKWVszFud12h/Me0eeumulWjMhM34q0bnZD77JLbOJ5eXlpdv3l5ZvP4IYE7y1Y X9j+VawPaA/4b9ckGme9mINKNGjw3VNeB76pqslmSu0Qjf8EyWeCAEU9AY16R v2hN0GgNBbJuAPO7WYQHg32cZKYwvF2YguwYafefp9w3XZ9wlZ 3/h1BWVNwu/H/YYJf9Bf3ybjl16+tIOmrQRxI4Z86V3zxPdX9cj6ULB9UiByV0r maPBERcFGYsQ8gWrD3ZX+2pcO39W4EUNOsLBRf63SwyoceTpEG BkrRQFPNKyu8UNPmV1oY6Z65cTokwuFxlt2N191/tdBQwnvtSfUJyeOPB1rYjpw54DTBtamUHi3SRY1T+w2J/L8zJNzmdaEDHnPbhjiI9uJdukQJVbsVom8+dLvi4S09EOa5v4z 0TEmapNEwjbeJh3WzNRRWOlqdgoqvHGNbnP3ByjHb143Son1/cFtdQg50dtNsIFk/0m57T1KWB/59JQxfaK/tse7A6IUTjXPbJzmkZdnSLt7BdEMRzKnjcoYsvNgGU/sgnDmyVsZlmt3jxKUZ9eNcUR/fX9we3GPa8yJHvBf/vyL4iGew3eWo/9wyhgzvaxAh1JO1BRp8JK1I0+/UHLvPDJ+/ZQhhO8mFRBKStRCiEcPnrwoHAKUsVKWbBsST4MHN2LIi9aciGc rIBUqvEvnH4yoTzsV3ntKxD5R3eyUN3vMTufIy3U5GFnCzOsG2 CkU3ooIF+6pn53iduGZGy8P3zivFSG5aYAr2p/dU0SIOVHtvlMnD054cpsQmftzH77/ofTxx+sadi+0FX/wWfuidE+HUk5USxi99GLsEFxrHTI099GphL5p8dGEzEYMeXGP8 0rvDFQT3smPvPyCVXFPZ471jf+X2kXTTjKxV7TVFi/gmXtvL2bzVinwRHVZn5/5BTihivtyQ9onNz/QOfHbdjdiOLZxh7A743ZniNvq3i7CHxWbEBdUzk49M09elImau 1bThGPI2x/oSui3++oUjmTS7XaPFdzuQqZsLW9DmnSTpoLOoTInRp/83kpoWg6l5X25MfH/8bquWtybljqKtd/gdtdeExIemKRCODXzygbEeL3g8xeGWmG0IWQI84frekaby4VdS 3S43WXp2MwYPYZfgZBuJsTZqcIti3jXnAvr8kGmPSHN+nwf6Ti 2aSpLHVDeOLatGanKcZStmQMFXQyqU4XnE3n+0ssrbQDbEdJQ2 +iHaGvaiIEPi8lyTXN7Dxr+9t6sspzI8yNPz2UI51NPiMJmXju tekNYCwneOVR47y15y6x9uwsKGmEn74kCoExDoZSQIZAWdarfg gd3QLcXZTkRdyRcSLZD6ERIkwJqUQ9C+5qysnRPieOdL3+B24B fJkmLNKGEEG+eUPhAH1/EebAacRRnO6UL1OBbZcLJZ3pFhJKgFnVQ44Ed0I7mxzLqdWdWn G0WavC8JfhguePr70jIIKIOE8ZGQgdkRIye8AmToVVu0S1mbZ8 TMQ8+fauDDyoi9LEk8/Hp7qubxo0YUJASqGIcZVKMWR1MZruYcR9ijC2UICe2ijZ8IHrp JUTR9haqiBBv0Ob7qPsyvGke7B4j25jz8RiiNbOdzBTLB9UIT4 ttcqInev7ltQyh5fsJVYQojO+3iNiVMwYbp6XuJCjN4Rgj0nao AiCWM4eTIvSJgcOETuk6hNHzL76QHVpoI+R8zG8+wFl4F4yPGg gdeBK4WHBvQ9UNqoSqlN6W2QIumxPxwrxOM7RLQ+1KNbWEuI/x16+c7kaNTRNvR7HscCTLjnK5VgUAbrIoF05lZ6fQTYzcOBkjb GcfVEwIrRdL3vuwmwmc/261gRAUB/U22Kmj/lx+z6JVrk/keQii/1EkLRtCLYQoUMH9qot4E3x8cKuJogF4hnc23OXRI93jY+bJhWv tS1FthBy0GkMfnkY1ajHVoMJ5cPObIA3A93cR4X1H+JEnL87QL WYy3RGytI8UX3ldozMG17bVE0JOzDTlxACk+ZcXinjjVP0JcQ+ qDyz1NW3ZH+fBSqeJjVq8N9s4HQYFXvhdkjAcozCQqiFEgTfOt yCp0eJXqUmlE++D4h73enhwQFyZwBDzyZiy+KKREMIXTZK/eg2CqtpaXO5gnjIlzuPeBbycMibBa2UlZUwXhATTBv2bDz/AxSlV505tt7URYjgNYIQJQJn2YszXoRnslpCWRqkcqPFDtRHHt uxe0GSmUp+IBnrjxZUkkVkf1JVwT5hfv1KPOOiSSkhtPgWL+HK AEE55cxQizM+LKs2zG0Lwxsxvaox+ZYR+u0x/pAxx4d7WzJOXL4YyCjol3QgZ3HZU+O3nr51+pCxz+C2XCy1PIn QQ99DYjU/Wk6TF0pIxhITB3ajgjhdfU7j7xn+5qg3QPbR+7izw4a/sJeGulJFRSQXg/1TRNgU5vpNXOs9iDCNka4yvd2b0P666FdXaDeIYO3Ola74uCWn MH8n1z4GxVue0BJTmwaomwu6hM787e/XM7qhJWxztnpCVCsTbYxelwNpak/7EmlyH29o6x86sXzt5bqxQfyO7AOzSD3eF2/7d2Q/3PVK6crC/cQKJV8RQvIw/NrR+7ezVK9uqyxdZ0YcQjXXhM4B8XdKk338wR+K0VAmhwyHhnT znVtHjthddCFlp1zFbHrr4OUBKhcABQrsSQjf4noQ3pGDQq1h0 IaQxHUuuUh777OQrr0mRp8FG/Rb7G7EOJxHcQ0PrV85dPXttrEyI+vq6tehjpY1SKK5//jlSnq5j+qWjhy0DjcM9Nga6A7qT584UdTPOPdGfEMRXLq5fPHn x4mvICaCnEsFD41BcuwA0ZLty7uzVs0Cnp23uiyGEksEW3ltYP 3f16sWLH34MpGNnzpwZ2hN4sg5kV84B28mr59atZf11tyu6E7I MTTMMXd9Onkm+Vxy6cg0oTp6tCUChwNOrP7+2PlQsJ5UN5zWLI To8LHQhWQbZrgk8SiYLBpPtyv8DJ6h8/7j+YcsAAAAASUVORK5CYII=http://www.webbmatte.se/bilder/4_5_2_tod_arab.gif
الي فوق كلها تاخذ ظاهرة واحده فقط مثل
لو قلت عندي ظاهرتين : الاولى طلاب اخذين درجات في التاريخ والجغرافيا والثانية بنات اخذين درجات في نفس المواد السابقه
الان قدامي ظاهرتين طلاب وطالبات ينفع ادمجهم سوا في رسم بياني واحد من الي فوق طبعاً لا
لذالك فيه رسم بياني بإمكاني ادمج هالظاهرتين فيه وهي
1- الاعمدة البيانية المزدوجه (الظاهرتين في الصوره طلاب وطالبات)
http://www9.0zz0.com/2014/03/20/14/238688852.jpg
https://vb.ckfu.org/data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAUoAAACZCAMAAAB +KoMCAAAB71BMVEX////AUE1Pgb2xsbHq6urPz8+7Oja+SETaoaDHTEHDTkhIg8GbZX9Dh MQ9d7lHfLvq7vWTZmWhuNjH1OdmeJK9Q0Bleq/oyMd0mMjt8PCllpWjXFq6e3mxtbWurq7f///d3d3DmFny///F5OKenp5xZmylqrN6lLj///b//+/D4u/h5/bj8P9RaISt3eyOwuWUaUWWz+fBiVCOWUPI2eXU6vGjv9SOuMuR YkWdfnTT8//DjJT/4sb//+CGcXDeysr/7ryZotf49dTyv5CMu+5vibjw3tHM6f/fxqLHvbb/+O9ZOFqXbmSPUTq4rKuxiXPx6tTO9+doO1SfXDx5aHB2VldVW3 vIv6R/mK+5LinPkpDLdXP//8tRd5gqWn/lxIx6a4GGkJ5dVmaxcEV7R0zIpXlbj6yx5f+NeX59Vy6jt5IKM n+6mXt2eHm4hGaRhH7HopJGQGH/2KUANk+NboG7inrF+f8yIz2ZiG+Cb4/jsZm/zOycnr6/rZb72LivorXo3rl7orVUY2xlJgB5dGl3Qzblyrh1iqLGydWYt8 R6i4xGAABPST+g0f9WGgTV3MQAR4IjKBtsTDNOREynnYiwk2EA AEqqf1VNFktWUIBmsM7hpHQ2TGJHa5UzUUrKuI0nTHZuVGU6Jl UAAACMgk+l8v92AAAI7klEQVR4nO2di1/b1hWAT5FNHm3BsSExrLZVpRgJXBwyIAuxgZLE2E4KSsfDpEkTW EnSDQN7dYRHa5rUwdnabu1YlrVem7V/6CT5EUm2r4R0aexwvt8v2BH36Fx9XL2ur68AEARBEKQu4NfS6Y VQZroHxkeGXnRlGh5xlnvmuAJXJ97tedFVaXT2wjfy/K+udQXe7H/RVWlwhCvDY3n+zGlJZbiwhGEYH4M8x8+aU/mtF6JPO97jRwK/Lu/gDucB/M1eepInAgDLXecg3pXiSgtRJTVQJTVQJTVQJTVQJTVQJTVQJTV QJTVQJTVQJTVQJTVQJTVQpSUi6QVO34uOKq0gzgLw+l50VGmFW 9897B7T9qI7HKzPcfjo0KH+lSmV3/4Hrs5pe9GdTifjPHz8QssF1a8cplTGm/iZa9iLLtH8ipr2o/tegbD+0A1L2IuuV3lk/yqrgipRpR1QJTVQJTVQJTVQJTVQJTVQJTVQJTVQJTVQJTVsq0y yrEv6wQEvvZZAlVZU3vrAtwtn7t2EpUeLZZeo0qLKiRt5/pfXpgNnywOoO1ClpR08/nZGP4Da/9aLHrNcoFPHQebytWtUHn/j+SByswOoQZj5ql5b5dHmI2rmDzSZ7Va5lOpMwdWFm7Bch8fKo 0c0m9d8oMlonMFBOYMn6/AM3lgqq4IqUaUdUCU1UCU1UCU1UCU1UCU1UCU1UCU1UCU1UCU1 7KsUPuyH77vOQWa6/kayNZjKpf+Ghacd73EnhutvfGVjqYx0vxnWzZ1RR/2VDaVyxf0krIxFny6PRa+bXnTfG8c1m9d+kLOj2O5F5xO+j+5E nzqu8CeGn39DAlultTN4fALi6R6I1OH3dhpNZRVQJaq0A6qkhg WVN7YkV+QiqNKcyui/P4bOELEIqiSp9Ei4ki7pRtG1chfYbJCrWRRVklV6W1pbPLEcyy ZyS27HXv7JF4S1okqiyqamVg+fkC/enQnG52NIuziqJLfKlhYPgOgxs1ZUSVLpkpBekq6aJVSgSryut IN9lQn/IIjSP2FyoLwMVVpRKQa3b8KMbxamhmYGSwtRpbUd/JOTFQOoUaWl8ZXLi7kx4twZHi3WJqYYPaWlRrFdba4LWpXtJpP pco3WKKbbMJ3K66qSVe6zY+le4JkO9Xk8CdFn157yH0qt8jd9h UXaGV0GWlpVtHg7KqZCMTNbyvXmdjXzNdbi1iZ7TduL3mwud8e 8Jlfz9ephHZpcrS3HdCpVUdVmdBEllcspuHWpvCSzOLIDTxbvw NLi21U/cXS1NKnx7rvdK5jcVd2t6lyv6lWaTGZyV9Vu2OvHzEUBvN/cPH8qeW8zGTqa4/hPEwM1SwKqNFApHWpOxRdzYmpjx5P531vdpLqgSkOVAFnp9tsp P9iAeAOJKsk7ePu8pBJEck9lAVRJUimfiORXUzfhqPJA7sFRpS 0oqPQQL7bpquwlX2w3uEqX7vrXpBRrKt3ki+2GV6mJMi3FmkpN lGkpqNIoClUqoMpKDqXKhN9D7EVHlWbJ5LKzgauEXnRUaZ7oNH HCB1RpnjV3xXMc1QOog9p6njyhpcbUILoovZRaQ6G7iSrNReml qIdCazAdZXYako0URLW96MRWefLYcTXNp6qv9TC2yviPj9M9++ hFP6nN2I4qyaBKVIkqy6DKSlBlEVSJKlFlGVRZCaosgipRJaos gyorOYwqsz99wMHe4h34HrszbKp0jOU5uZMtMGK2kw1V1kJSua +uX13GC9X7VQ9l16+kkjgvOrZKsyTjPwwIz3Zn4by5j8lQZU1i fp+PE5WvQZn68BZV7g9UiSpRZRlUWQmqLIIqUSWqLIMqK0GVRV AlqkSVZV4SlXNtgdJbVGlLpZiP5EvvUaUtlbe80a5Ss6zdX/mqtaGqr792XBtWoxJaKdaiJCmaqHazKs1FmUBWOay80/ai+9u0mBtArY+a1oWpOrbVfdwLNKL0VVytEWY6yvRzHItkmiKz pc/JrM1AbXFKHeZnjLIY5t9fcWF9sfwxmTUpL69Ki8lkUCWVZAiCI Ag1qk1TVn/sr5ZKadLM3LQpTBf84G5s2EThUU3NIkMACZdxoNDZV9awNgzCr m49FcRC1dIBrIRjg5WlNSyXn+cS+0aqWLaNM8hlFz47UXob6ZY SDm7L06sbM1LcxslC9ZbccDZsIjCT3nIEC29jqz1i1+Bt8uYtb 8orD/OFYnyit7g8vhkP146SSK5PwHhbYe4lYQEyl6PdvEEu2ySl9fNK yugWTLldcz0XL5EjNtJugDllo2Kr7uLCzObcoFGgQiToBl55ZD k/KWzBefKkXZlN4OXXYjFHaV6qjDtCnHxOLls+CPCdnLJ1BrlsEl t9vLrARdqkXJHhTwEuhuP9fyB/NfwTL4wHuYJKEKa5UnUfhwwCi0TysJzqlFvb+IwXpnqJhcVdqU pSk5eLJVXTzYk7hirf7Rf+pBwERPjzx+P3uXsBg1w2EROr8l4g HbdgPL3FQTKXDY9dJsec/ePtYelIIB0Nfs/BRt/6X5T7UsmjQSCfkF2IH/0uWtrTVgZVR7Tq9RuC5G/vfTMhF+NX+hgmlFz/245Uz1S0jbi7jv/18aWNnBsmwbnds3F3bfuLtWGDXDbJDsD2LsvKKmGts4cdTcW9N 94hhgircovK5tjtzzq9jrV+h/NBngNhMsgZBCbnvt6Mff2P7rXTn58TVwekzb1/unigqElsgR1dSPxzUyl20bv3rwGWZc/83RHLSzssCZ4V73/15WXHzMBU6vSSd+7LS1ObBrlsIp01kgzD7Ep/YeG2wy/3PHkE8iElqzyfi0/4h4RJpXPL52MGYe+7R5xB4FrQ50z4PCD4fUwwIKl98Fmf0VNtI OGXM4SUYlM78rySUj6fXEtDL6NK5Qo/5NeQUS57TCmdwsnEAIif9xsVLpDVnTqlKxpzdFo7gRauemIhfv sH5f980NJqDpzswyGWzT7qzabTbuPSCsL5HMuqmgRvdrfZJs6d W4spt3Imjq0+vFz4U/CsldX8DIgME9zvNULWzwwZl6qgozFupBAEedn4P7P3CjeBvrIC AAAAAElFTkSuQmCC
2- الاعمدة المجزأه
http://e.top4top.net/p_40i5mp3.gif
نكمل ان شاء الله الباقي في موضوع جديد والعذر على الاطالة
(( يكفيني ان تدعوا لي في ظهر الغيب بدلاً من ان تقول لي شكراً ))
في هذا الموضوع نتذاكر سوياً ونبسط علينا هذه المادة
السؤال الي يتبادر للذهن
هل المادة صعبه وتحتاج الى تركيز عالي وجهد ؟
الجواب : اذا فهمتها فهم صحيح سوف تكون بسيطه بالنسبه لك
ولايوجد شي صعب
لذالك
دعونا نبدأ
طبعاً المحاضرة الاولى والثانية
يحتاج منك الاطلاع عليها مافيه مسائل تعريفات بسيطه
مثل ماهي مصادر البيانات : مصادر تاريخيه ومصدر الملاحظه و مصادر الميادين
او مثل مراحل البحث العلمي : المشاهدة ثم الاحساس بوجود مشكلة ثم تحديد البيانات الواجب توافرها ثم جمع البيانات ثم تنظيم ثم تحليل ثم الاستنتاج
سوف نبدأ المراجعه بإذن الله من
المحاضرة الثالثة
* - البيانات تنقسم الى قسمين اما بيانات منفصلة او بيانات متصلة
البيانات المنفصلة : وصفية او كمية متقطعه
الوصفيه : حروف مثل الالوان , ازرق احمر او a b c d او موافق , غير موافق وانت ماشي
كمية متقطعه : 1 2 3 10 15 50 100 ::: وماياخذ القيمه بين المتغيرين
البيانات المتصلة : بيانات كمية متصلة
مثل الوزن والطول يقبل الكسر ممكن يكون وزنك 60 ونص بعدها 61 يعني فيه ترابط بين القيم
وان شاء الله بنشرحها بالامثلة
*- لو جينا وعرضنا البيانات المتصلة و المنفصلة على الرسم البياني راح تاخذ
البيانات المنفصلة
مثل :
1- شكل الاعمدة البيانية (( طبعا الاعمده ماهي قريبه من بعض))
https://www.jmasi.com/ehsa/mdrj.h2.gif
2 - الخط البياني المنكسر (موصول بالمسطرة)
https://upload.wikimedia.org/wikipedia/commons/thumb/f/f7/Graph_%28PSF%29.png/220px-Graph_%28PSF%29.png
3- المنحنى البياني (نفس الي فوق بس موصول بخط باليد)
http://www.webbmatte.se/bilderAR_ma_6/graf-01ar.jpg
4 - الدائرة البيانية
https://vb.ckfu.org/data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAOEAAADhCAMAAAA JbSJIAAACBFBMVEWaMzT/////mTQBmTSZmZmwWl3H4MmYLjAAlSAAkyCXl5f//v//mjL///38//+aMjORkZH///r/mi+QCwsAAAD/lij/+//+mjUAmjCYNDKVJib/mi3/kAsAlSicMzaHAAB2dXQAgCmgP0EAcSPAfn+3biNoaGf/kxvghi0PGQirVlcmKB+cl5eFhYWbNTAAlDDU1NTDiImfTEuSWB vp7ebv8PAAkADRnJ01EQDMsrMAMQAZpEi0amtpNwD76tbOp6jf 4OCmpqbMeSYAIQDv39/FxcWVICKjYR792LVUJSAbjzvBl5lAQz/lzs/528CSmJL+xJAAUhcIDwA2NTAAbgADZyRZMADK18mNyplCsWrq+ u7j89n4oUr1pV1luILR7N2CwI2z1rlHoVdzp39WWVqynp5AFAA rIBFZsHC83Li438lKsV+i164HkzybvqJwv4V5ShtCLiJHJgBDm FoZEwC41L9PMRT6uHf3xpz5sGtrNAC0t7X99+e0v7mV1aXW1uE AWAM3UDkmHwCYp5glAAAAPQs6IgsgYTYAShxxhXUWAABOalQ6Q T1gomoZMBkDHQAreT4zCABXhmKNp5AXYC5XR0HjjkDeklzVmnT r0MPitZ6zhWbOcQDBhFVvWkn95LqKT0/YwLJ2JyiYXiypTjZ0Sij/gQCwYACJcmaTYzyvl4iQTABEJOLUAAAc00lEQVR4nM2dj0Mad5 bA+QJmgGEGBgPDDIKGaCAG+RXRUDkBA8TGoDZJE2O1iVmzzSam SdPNak677d6mabe7bW93r73tbXf32r3ddtt/8t4bUEEHmBlm0NeqkETlw/v9vt/vjInoLj7CMIRlGcJIT5lMqVSqZrPZfDYPMpmvSTZbLZUKmfr30 DTNEI5h9X81xKT3D6QJ0NHSwwySSVSTkymU4UZJ1WQuD6T471l CMwyt98sxgLAmDGoN0SSsXG50NJ0ON0l6NN2Xy+XqsHP5UokQj mX0fym6E4Iq3q/m63BIFjaFKMpFmVwm+AKfXC4XfAgUiEsQELVPAk2l8tVM55+vW vQhpBkfAyYGblSzy0mEAzaXyYViaikSbTwUTqfrmPkSUDIMB//ppE9dCGmAQw+S8ICubzQcRjhBaM3WxAkfVEjSJlDmq/BO0T4f0Sfu6EOIn+p4oDt4vYimlK9OKeB3ASXqcq7KSdFYD9GF kCW+JASWSTDNcMgkUK649JoppXRxQXDFQZEC2mwdMl8g+gTWrg jBV2gG3upStaa9MLzSNk6nUJl1yFyq6gNIMP/uSLsi9LH420toncN94RAYmivULWANUghLoSc7Di7AckdHyLIsA e9D9YVCQs029RBBir9hVGS+6wTSnR8yyAfqAzpQnqCLAusCsTg uKXKudASEHE1j0iJ1vjDVtfPJC2USMINMgh59HMv6ekcIZTLYJ 4TPyWEInpTimKlWpDcuDIxzGQJ82vxRE6GP4TC+oP5MQlxd3lM jaPVY2AFjFqJqDwmhbYD0B/pDPH3CZxtKV0hAxqq2V6qekIEkxUH+S+XCJoPc77AIyDhcgvQE CdhoQihgSuiAaZNx/ndQ4J2Mh0dHR7MMUR9tVBP6GFAgGqhgnP8dFPQDFzLmSkR1saq aMAMRJhd2xY32v4MCNSt2zXnVDYdiQvAAGhpASYGhnjlgk2Atl 86VWGgfVeRGxYRSCqwpUDgaQKnDSqfTWajGfcpVqZyQxRCDCqR 0qz9VE2K1mg6noL5RnhsVE4IKq9nJXNqlsrPVU+JxlysUhmq1p KKjUkTIQUFBGLBQqLGPim5XcHqVDmdZxqcwMyoipKHKBgtNjUq zhiMXQAzNsUr7RmVWCoBQhabjUKUdNZ4k4XB4mPPpqUNMErmw3 i2gZhEoKMf7FPbGHQkZNNEquqB+PXz34gI1pkuS+3RNiKMKcEE APBY+uCfQcIRLLN3ZFzsSSkE0BVkwZDpWhFQ4Hg5V2c6Zv7OV1 gCxzj6qUkZW4iFTOE4paBrbEjI1wOH0sdLenrjCYSqL5WQXhCx ha4DHSn17Ar5IZdkOWaM9YU2DJh0m2caIYBLEKtu+guugQ2zmQ 4JgOl5RZlfiIahSK1WNVsphos9OptLHIsfLC9Qfrsrc9FeEa1P BtSRkQPnZbCodP6J2V4m4hFB/djoQ+IrlNBFCJQNpwnRcfRAkRFWq8xGe59uNb1oTYrHdF4pr8E HREBwZEfoLW96AmQ9EMyoJWRzalXBgoWVFopIXe8AYh/JbKC1GzCB8YEUa3qjRIctyWRypaahFqVw2nBJNDcPU/cGqngZPiWFuM+JBQudK4E8s02JVXJaQZjERShrUQDg8msqLVGp Pj1QuvYuoI2GokuNWI7xZ0qHZE/kftkVtI69D7JeG05SmftdFibm82E/Slf6KRCROVisiJT3TkbAyvLPihSAjETrNvLfaYm2qhZViGNU4t HehnVbE4XyJVCX7FPtLg/lh6ZlehIKrf24nEDA3iPPLcZbhZHxRPtJksqk+rW84fFslOxwe zA7mSjTYpzgHD9O7z3SRMDWYnY40AZr5yH/7WGBURsjUooxmQjG/19X0U+mGH9yvDyFVeX92AG2zkZCPfEPk5qiyhFI/EY9rQ8TvEiv9/f2Dc4P9gEThw9Sg9EwfK6UqpS2v02Pmm6yU571JIhNPDxGyPrY 0lxrV4YWIc7vhtFKaE/efdSchFyWML0aa6Opa9H6ZkdkpdoiQZjmsZbp5Ea66iLsPXBXR hM/0IIyLfb7nAx4ZQpA/KdEhNhSQCfV4MYZIJceseM3ygHw0qUCHTAZsVIh3h0hVKhBEKy JqzQUPQYOiPmvGlRRjhjTolEXkA18eHqI2EeIiMgs22m1mjueq 1VxluJqnBCouZtPwJZsXR4fhjdNs/mjjlNA/Ny2rvTqhMwqlzYEZarMOcfg7Ody9jeaGJ30VQmUguvRXSS4uzm Wro6V0hdI+M5cKIugGea/T2ZKQ936dZH1ca0KakWy0667eJaaYycEqKVWESj5X6hNNuVIpl f2qOhrSPg2BGrm/+reI08l7WivRHP0LzdGtCVm2Hma6ZAyFB0USJoOFfDpdqpKqGK dGw6V0KfWN2IX9YxqMOFsEGUngL53eb0gbHULXCzba/fqSOEdIXiyVSuFSrn+w1AdWD9V4f6mU0/azcU8uRYUzm175CNNkqDOZtn6YT/UJ3dfHcahpxHgFZKcSN9X6YUqMixSlrU4KCUJc6OOee72dAM3m QPRPbBtCDDMujdVa4ysKQfUfEkKiSRRCIVHSWxwCaTyuzf5dAn RkzErEyXcm5M0zhTZ+iGFG6H4RDWhMcRzxuOBRKC5RQRTFXKHp 3aOESmqHD6ALKkCM/lmeEIfjVWwpuubTV1DtQn9+GkttJcKb+a+bKvB9Qpql9am49RU KXHAwOx/hW6fBZgmAEllGhpChj6UKTSEIW6XZAY9HmQrNzoCTn/mqYTfKPiHxTaZGj8lOhAZxxcXM4gCEGN6sTInQGIMSZQmrqVy4 i5rDAAlTgiBCGowoU98eI3qiDCGDPcVRMzWLSzBVRrlVrzrAA+ F0P1tUe7rrV5EA4DC3ojTE7Isz+l1JhhA35R3dljVZESpzO7yX D3RmOkBojv7QTIjHWkup4WMVSKFUcElpUC1ejfDS+G44rROyJJ/KHau1UKitBqvzEdU+iAKFz9dZUs+JEiHNMhlQ4bEiFETx/dmIgkJUFtEb/cvuOkaNkMM4c7zW6uNUZjHCBzQSmqPfJRt1CPVManj0+OzqioM Gw9ymJgtFwTYZYk0jIcQZ7WN8/SUUl5bOtAJKxU/0UqaB0EdwJeb4zEgpEdJgq6GoMkIn/125MZaSueH08VGhCdKgGQpoLYliT4fm3bqmRlg6Pqki5IJmadq sOssflMDMpUxDTZMd7jsuGoRuENJg14BQftfNtEYIyfC4BFIBZ 4baXXCf0DzzZ2l3pURYwKK72yGpPkIJmAbbTkUVEjqjf8/QuzqsDvcdNZkk0O2moRvUHGEaxclHvyvjNMOE6X7umBTdQsMOk u4J+ZkfiETIkswwGukxEOgGoVnqONdWKjP/wsLNRLMkOZw7Fo1h/9yO1wOlqMKZUycJRH/E2bCJY1nofY/aSEMuV6g/+zdP91liVyBYRb/bhv7CBB+pIx8iukwuoVKdRRPVjRAd8XsiWSm64dH2FXitHhHSY IDXy0LNkhJn/uVjkLA6nIM0ZCAA5TJR0m6MVquHLrBRzBJOhZN7JYIzcnBEJIS SbdTI4wbxynBaTGXnKlR2jhJFKtR8yDZuCoVC4ij3XNNEpj1k9 FIZrZTM5dKCcf29S8ySXCU7zA2XJvE6SynxwNqWEJe6QU9E/dSwI+J3P0iEEGgEk2Hn0kLxQS4X7y8x/Zn8ZHUynzpwjDgkiJXUzpe4Nqg/4cy/sGorYb437uRdSBz09YmVwWpWzFerg2ilTa22K96fnzZ7MM/rlekbCM9ngLCa6wuFjLt8QJzKkx2RlNjRVNWXjh/yQRN0gwNms34hppEwej4pERq6aOhy4QYpMVyhwunKAQt1CdDul mYHeLP+PojixFBjwkBj5IQGUp1A4Rq+SRDjBxbvQnER0yBvNoi Q5y/9AIQGVzSYG+KheByvBCaEDjiDGPZtRniPxxhAIBz5HgiPqLEA1 WIaVL90pobQPPJXyBa5viOpSkMhKAW4Vf1KbVnCmX/QpswREZri/akd3mkoocc886RgKhkbSpslJO0YDtUA89Nes8aVF4US4KM/Jk0GJ4s9geo7Hnr1nVdfffWdb0MhwTRYndZnINNGnLuEvRnnC/Fv3/oWr0YbEl4KuINEh6FoJwHCsimbS/fkWgmi8O07IvAJVFwQ36HGtwYMNdA9wqIpP9obQiH0Fl43GDcJ h6hQYdOrw0xUAeF3btNcj0YYoVdruzoFaCb6yOyPu2UM74Ga28 PzAXOLEwZdSfTS96ZUX28SPvVOfTcSJZ06+4e5vkTklLY78TjA 0N8voWzrHeG339YmJVRlbnrFa54ZqW8WdXq8ABgxBwIe/csbJz/yVxPuoqF6IK9SYhy+iP83Oe3BLTJ/r2+TCaw+B8BFj9m5uunVtvWiNaAHCSerfT2R/x2VvgwTKLWdHrPn7+b6AVd2OuDdIQF8EJn+m86ISHh/6cTNEz2Qm7XfctO3GIHoYo7u6tC7OT3g5dmByPTitHdeZ0IzEt 56GLTZ7Mb/d/20HWTiXfc3iwHeHBgZ2SUEMN7LDixyO+xzb9skqYG+RmjphfgT H/v9FovtJzHHdMTDB554aicknasMuzWwAxY6sLgDf9FmmuFdVI8o EU5Z/D1B/DhhsSSCd2IL729C9HyyqyxnZMBrjgxEgKDD9pIIWYl4pX+pWJw 91CEo8TO/3x/ciC2gEn+hvqnwehe3tjanCQSm40lo8V/+GKz07ZjV/f7mP6LqATf5f87ys/9cnWZWFA/meksIiJ+dsj1zWGNDha/VT38j8/vbfgdUEd43yg+ln5rwJzDA1H+F//WPbq5fuXKmsKngeM8hxIGBfy4ODMD/igFBLv3VdHfKED7wO4ttIpEI2oIJ4LQkpD/z20+4rVZrrKRpsT6ys+j1bqkLqJckHRokibtrj20P15Zs9qC/psNHFvs4EDoWks81zbixqFMDCD0+EH46ZQziI5uFPFx+c+nx+N LGxn1JhajDZUmHsWntGw/rL14h4fkzpjenpgzxQ78leGJ52RacWH7zl2u36oQWOy0RupOrH hUrMXxkZQXsOoJLxB54HOC90J7gxYU67NtwRs8Pme5MTSWMILQ Ep4hleWPijY0Ju81SN1NLooSE1ph1Ws3OLu/iDjcdec5tQpu8wk0vevnn0xy/hdcdaK9LPvqj27RhkA4hunAnlh+eIJkHib1IY7lcI1xwJ5+rCK fOwMrsbOQ5BBpIGvNbK7x5cWv++c4KtikdCP+taFozykoTQftU IhicmLDt/fyE5W6NEJLidKdX1ySrszuRgelFqOymZ7d2Ik5+en52k5vd6rA 0zs/8e9l006BIIyu2O0mHVRLwRBVmurg1yzlXuXl+a3N2fhbDVITfi ezMbrXPOk5z7wmXynVCK3ii4owRWJ2dXYlsLm55uYB3a0uiWln xLs7y7ctbKGl+kTSNG2SlsmJf2yMEJSqfPPHegIf3eiMr4ImBu t4CYLKdQik/8jRjYnupQ/vaPbfbYXXjJxU50ek08yiQJZx8fYKF68a8uf25Syd/6SUxEaPKNhlJ2J6VCSnHWJZYC0lQotJTk1qFP/8FEN7voRJtJ2LucsZKth3b5YIbPdFYwuiPZ4BwqZeEt92AZy2X iSO5LeVEQwkxHQLhs94RQllaJIXtYnmbWB0OLGwMWsDflZEbuB cj6e8hIbedTBashcI2hlR3YdXYxRn+0tMkMdHco94RJjIQRd1W h7uWM2IqcqI2wrcIMTHk3R4GU6lo20v6jsKqoYRRCKXExJI7vd Pho+oenVWfPrGdQKAZk3R4s2eO6L+fjDURut9fNWLVEMXDe/iZp2XpRMntRK8IbY+TTTq0LsTw8ocGbYiCiuZCAfeX0uRyzwg3 ys2EMfBE3U4fHBRP9Pw7hAYrpYlxw6gDYt/INhE6YuiJBuVEpyf6b0OEhUhDk7f9U/6e9Be2Z/cWrM0COdEYT/R4oLEok9qpoPGgRftU2BZU8W9vxqwHJTY9YIiVOmtuKJ1GYMgj 9WD+YG26ZGPXlCPaZQhBiQZFmuj5a9LJLryRyR2cUKsS+60l2/1bfov/4dp95eq3Lx8mxGbfEELnzA03oZna+cObNnV8luDS7Y07a0AIpa YK+7Zz7sOAkBO9BvSJvHnkp+X98/gJtToM+tds9vtB5AvalRNmZAgxJ3r1J4RccY7ZO0NKPlXHB6/1wdrEBJl4eHtq4pdrihETJcdhwlpO1BsQjXQIL4hRJ1Rtprbl5 bW12yfI7dscu6z4my+XHAezhbVWneq/z5SvG2n9PD5zSmW2sK3dWQO5v7G29FixDv13qzI6lMKpvrv4nD yuWLzVeG0T8qkqwqDtITdht9uDwSB8KDZS/315QmtsXvc+ka8Z6Z4f0jeVhwsA/OUDVkuhF7xTlTHSmhL1JZTSfeN1MRiGvaymqgna1Ppt7ds2yvK EVuu8rjmR9zijT96pX7285oc+5k43lZtCsa/dk+eLLSRXAnqe7MJhd4w0X4FnWU3m1ihQeDtkHTG2AJ4Y0PUM8 PkLhcarKHHER94NWoxZKd0XKEtjsmbqkFYx9MwYMzfWd7em1K8 TxbE37Y+UaTEo1TFYbvvtUnyyBy3Kmi9oLeTqUkmLsXlV64nth cc4w9B0QyxFS72srEeY+tmDh8GlE0tBS3BqbS0BxffaRvDh46C/Q+Hnb1V474bTFf0Km0D0ybW9q1/uX3PvbWWeePfx0vLE0i3yMGhbvrPxwB58vPYAije7gvfHzrUmd NzTMZw6R35aJOQgIe1TWNdMbDwI2qeIxW+7DYWbPXj/9vKbGw8e3LV1jMX2TGtCSYl6EUbP/zxDdm8B1XB1z58oijQTGycmgreWp2yPpuyPT/zM7g9OWW5P3b7/rCOhP1GKWVszFud12h/Me0eeumulWjMhM34q0bnZD77JLbOJ5eXlpdv3l5ZvP4IYE7y1Y X9j+VawPaA/4b9ckGme9mINKNGjw3VNeB76pqslmSu0Qjf8EyWeCAEU9AY16R v2hN0GgNBbJuAPO7WYQHg32cZKYwvF2YguwYafefp9w3XZ9wlZ 3/h1BWVNwu/H/YYJf9Bf3ybjl16+tIOmrQRxI4Z86V3zxPdX9cj6ULB9UiByV0r maPBERcFGYsQ8gWrD3ZX+2pcO39W4EUNOsLBRf63SwyoceTpEG BkrRQFPNKyu8UNPmV1oY6Z65cTokwuFxlt2N191/tdBQwnvtSfUJyeOPB1rYjpw54DTBtamUHi3SRY1T+w2J/L8zJNzmdaEDHnPbhjiI9uJdukQJVbsVom8+dLvi4S09EOa5v4z 0TEmapNEwjbeJh3WzNRRWOlqdgoqvHGNbnP3ByjHb143Son1/cFtdQg50dtNsIFk/0m57T1KWB/59JQxfaK/tse7A6IUTjXPbJzmkZdnSLt7BdEMRzKnjcoYsvNgGU/sgnDmyVsZlmt3jxKUZ9eNcUR/fX9we3GPa8yJHvBf/vyL4iGew3eWo/9wyhgzvaxAh1JO1BRp8JK1I0+/UHLvPDJ+/ZQhhO8mFRBKStRCiEcPnrwoHAKUsVKWbBsST4MHN2LIi9aciGc rIBUqvEvnH4yoTzsV3ntKxD5R3eyUN3vMTufIy3U5GFnCzOsG2 CkU3ooIF+6pn53iduGZGy8P3zivFSG5aYAr2p/dU0SIOVHtvlMnD054cpsQmftzH77/ofTxx+sadi+0FX/wWfuidE+HUk5USxi99GLsEFxrHTI099GphL5p8dGEzEYMeXGP8 0rvDFQT3smPvPyCVXFPZ471jf+X2kXTTjKxV7TVFi/gmXtvL2bzVinwRHVZn5/5BTihivtyQ9onNz/QOfHbdjdiOLZxh7A743ZniNvq3i7CHxWbEBdUzk49M09elImau 1bThGPI2x/oSui3++oUjmTS7XaPFdzuQqZsLW9DmnSTpoLOoTInRp/83kpoWg6l5X25MfH/8bquWtybljqKtd/gdtdeExIemKRCODXzygbEeL3g8xeGWmG0IWQI84frekaby4VdS 3S43WXp2MwYPYZfgZBuJsTZqcIti3jXnAvr8kGmPSHN+nwf6Ti 2aSpLHVDeOLatGanKcZStmQMFXQyqU4XnE3n+0ssrbQDbEdJQ2 +iHaGvaiIEPi8lyTXN7Dxr+9t6sspzI8yNPz2UI51NPiMJmXju tekNYCwneOVR47y15y6x9uwsKGmEn74kCoExDoZSQIZAWdarfg gd3QLcXZTkRdyRcSLZD6ERIkwJqUQ9C+5qysnRPieOdL3+B24B fJkmLNKGEEG+eUPhAH1/EebAacRRnO6UL1OBbZcLJZ3pFhJKgFnVQ44Ed0I7mxzLqdWdWn G0WavC8JfhguePr70jIIKIOE8ZGQgdkRIye8AmToVVu0S1mbZ8 TMQ8+fauDDyoi9LEk8/Hp7qubxo0YUJASqGIcZVKMWR1MZruYcR9ijC2UICe2ijZ8IHrp JUTR9haqiBBv0Ob7qPsyvGke7B4j25jz8RiiNbOdzBTLB9UIT4 ttcqInev7ltQyh5fsJVYQojO+3iNiVMwYbp6XuJCjN4Rgj0nao AiCWM4eTIvSJgcOETuk6hNHzL76QHVpoI+R8zG8+wFl4F4yPGg gdeBK4WHBvQ9UNqoSqlN6W2QIumxPxwrxOM7RLQ+1KNbWEuI/x16+c7kaNTRNvR7HscCTLjnK5VgUAbrIoF05lZ6fQTYzcOBkjb GcfVEwIrRdL3vuwmwmc/261gRAUB/U22Kmj/lx+z6JVrk/keQii/1EkLRtCLYQoUMH9qot4E3x8cKuJogF4hnc23OXRI93jY+bJhWv tS1FthBy0GkMfnkY1ajHVoMJ5cPObIA3A93cR4X1H+JEnL87QL WYy3RGytI8UX3ldozMG17bVE0JOzDTlxACk+ZcXinjjVP0JcQ+ qDyz1NW3ZH+fBSqeJjVq8N9s4HQYFXvhdkjAcozCQqiFEgTfOt yCp0eJXqUmlE++D4h73enhwQFyZwBDzyZiy+KKREMIXTZK/eg2CqtpaXO5gnjIlzuPeBbycMibBa2UlZUwXhATTBv2bDz/AxSlV505tt7URYjgNYIQJQJn2YszXoRnslpCWRqkcqPFDtRHHt uxe0GSmUp+IBnrjxZUkkVkf1JVwT5hfv1KPOOiSSkhtPgWL+HK AEE55cxQizM+LKs2zG0Lwxsxvaox+ZYR+u0x/pAxx4d7WzJOXL4YyCjol3QgZ3HZU+O3nr51+pCxz+C2XCy1PIn QQ99DYjU/Wk6TF0pIxhITB3ajgjhdfU7j7xn+5qg3QPbR+7izw4a/sJeGulJFRSQXg/1TRNgU5vpNXOs9iDCNka4yvd2b0P666FdXaDeIYO3Ola74uCWn MH8n1z4GxVue0BJTmwaomwu6hM787e/XM7qhJWxztnpCVCsTbYxelwNpak/7EmlyH29o6x86sXzt5bqxQfyO7AOzSD3eF2/7d2Q/3PVK6crC/cQKJV8RQvIw/NrR+7ezVK9uqyxdZ0YcQjXXhM4B8XdKk338wR+K0VAmhwyHhnT znVtHjthddCFlp1zFbHrr4OUBKhcABQrsSQjf4noQ3pGDQq1h0 IaQxHUuuUh777OQrr0mRp8FG/Rb7G7EOJxHcQ0PrV85dPXttrEyI+vq6tehjpY1SKK5//jlSnq5j+qWjhy0DjcM9Nga6A7qT584UdTPOPdGfEMRXLq5fPHn x4mvICaCnEsFD41BcuwA0ZLty7uzVs0Cnp23uiyGEksEW3ltYP 3f16sWLH34MpGNnzpwZ2hN4sg5kV84B28mr59atZf11tyu6E7I MTTMMXd9Onkm+Vxy6cg0oTp6tCUChwNOrP7+2PlQsJ5UN5zWLI To8LHQhWQbZrgk8SiYLBpPtyv8DJ6h8/7j+YcsAAAAASUVORK5CYII=http://www.webbmatte.se/bilder/4_5_2_tod_arab.gif
الي فوق كلها تاخذ ظاهرة واحده فقط مثل
لو قلت عندي ظاهرتين : الاولى طلاب اخذين درجات في التاريخ والجغرافيا والثانية بنات اخذين درجات في نفس المواد السابقه
الان قدامي ظاهرتين طلاب وطالبات ينفع ادمجهم سوا في رسم بياني واحد من الي فوق طبعاً لا
لذالك فيه رسم بياني بإمكاني ادمج هالظاهرتين فيه وهي
1- الاعمدة البيانية المزدوجه (الظاهرتين في الصوره طلاب وطالبات)
http://www9.0zz0.com/2014/03/20/14/238688852.jpg
https://vb.ckfu.org/data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAUoAAACZCAMAAAB +KoMCAAAB71BMVEX////AUE1Pgb2xsbHq6urPz8+7Oja+SETaoaDHTEHDTkhIg8GbZX9Dh MQ9d7lHfLvq7vWTZmWhuNjH1OdmeJK9Q0Bleq/oyMd0mMjt8PCllpWjXFq6e3mxtbWurq7f///d3d3DmFny///F5OKenp5xZmylqrN6lLj///b//+/D4u/h5/bj8P9RaISt3eyOwuWUaUWWz+fBiVCOWUPI2eXU6vGjv9SOuMuR YkWdfnTT8//DjJT/4sb//+CGcXDeysr/7ryZotf49dTyv5CMu+5vibjw3tHM6f/fxqLHvbb/+O9ZOFqXbmSPUTq4rKuxiXPx6tTO9+doO1SfXDx5aHB2VldVW3 vIv6R/mK+5LinPkpDLdXP//8tRd5gqWn/lxIx6a4GGkJ5dVmaxcEV7R0zIpXlbj6yx5f+NeX59Vy6jt5IKM n+6mXt2eHm4hGaRhH7HopJGQGH/2KUANk+NboG7inrF+f8yIz2ZiG+Cb4/jsZm/zOycnr6/rZb72LivorXo3rl7orVUY2xlJgB5dGl3Qzblyrh1iqLGydWYt8 R6i4xGAABPST+g0f9WGgTV3MQAR4IjKBtsTDNOREynnYiwk2EA AEqqf1VNFktWUIBmsM7hpHQ2TGJHa5UzUUrKuI0nTHZuVGU6Jl UAAACMgk+l8v92AAAI7klEQVR4nO2di1/b1hWAT5FNHm3BsSExrLZVpRgJXBwyIAuxgZLE2E4KSsfDpEkTW EnSDQN7dYRHa5rUwdnabu1YlrVem7V/6CT5EUm2r4R0aexwvt8v2BH36Fx9XL2ur68AEARBEKQu4NfS6Y VQZroHxkeGXnRlGh5xlnvmuAJXJ97tedFVaXT2wjfy/K+udQXe7H/RVWlwhCvDY3n+zGlJZbiwhGEYH4M8x8+aU/mtF6JPO97jRwK/Lu/gDucB/M1eepInAgDLXecg3pXiSgtRJTVQJTVQJTVQJTVQJTVQJTVQJTV QJTVQJTVQJTVQJTVQJTVQpSUi6QVO34uOKq0gzgLw+l50VGmFW 9897B7T9qI7HKzPcfjo0KH+lSmV3/4Hrs5pe9GdTifjPHz8QssF1a8cplTGm/iZa9iLLtH8ipr2o/tegbD+0A1L2IuuV3lk/yqrgipRpR1QJTVQJTVQJTVQJTVQJTVQJTVQJTVQJTVQJTVsq0y yrEv6wQEvvZZAlVZU3vrAtwtn7t2EpUeLZZeo0qLKiRt5/pfXpgNnywOoO1ClpR08/nZGP4Da/9aLHrNcoFPHQebytWtUHn/j+SByswOoQZj5ql5b5dHmI2rmDzSZ7Va5lOpMwdWFm7Bch8fKo 0c0m9d8oMlonMFBOYMn6/AM3lgqq4IqUaUdUCU1UCU1UCU1UCU1UCU1UCU1UCU1UCU1UCU1 7KsUPuyH77vOQWa6/kayNZjKpf+Ghacd73EnhutvfGVjqYx0vxnWzZ1RR/2VDaVyxf0krIxFny6PRa+bXnTfG8c1m9d+kLOj2O5F5xO+j+5E nzqu8CeGn39DAlultTN4fALi6R6I1OH3dhpNZRVQJaq0A6qkhg WVN7YkV+QiqNKcyui/P4bOELEIqiSp9Ei4ki7pRtG1chfYbJCrWRRVklV6W1pbPLEcyy ZyS27HXv7JF4S1okqiyqamVg+fkC/enQnG52NIuziqJLfKlhYPgOgxs1ZUSVLpkpBekq6aJVSgSryut IN9lQn/IIjSP2FyoLwMVVpRKQa3b8KMbxamhmYGSwtRpbUd/JOTFQOoUaWl8ZXLi7kx4twZHi3WJqYYPaWlRrFdba4LWpXtJpP pco3WKKbbMJ3K66qSVe6zY+le4JkO9Xk8CdFn157yH0qt8jd9h UXaGV0GWlpVtHg7KqZCMTNbyvXmdjXzNdbi1iZ7TduL3mwud8e 8Jlfz9ephHZpcrS3HdCpVUdVmdBEllcspuHWpvCSzOLIDTxbvw NLi21U/cXS1NKnx7rvdK5jcVd2t6lyv6lWaTGZyV9Vu2OvHzEUBvN/cPH8qeW8zGTqa4/hPEwM1SwKqNFApHWpOxRdzYmpjx5P531vdpLqgSkOVAFnp9tsp P9iAeAOJKsk7ePu8pBJEck9lAVRJUimfiORXUzfhqPJA7sFRpS 0oqPQQL7bpquwlX2w3uEqX7vrXpBRrKt3ki+2GV6mJMi3FmkpN lGkpqNIoClUqoMpKDqXKhN9D7EVHlWbJ5LKzgauEXnRUaZ7oNH HCB1RpnjV3xXMc1QOog9p6njyhpcbUILoovZRaQ6G7iSrNReml qIdCazAdZXYako0URLW96MRWefLYcTXNp6qv9TC2yviPj9M9++ hFP6nN2I4qyaBKVIkqy6DKSlBlEVSJKlFlGVRZCaosgipRJaos gyorOYwqsz99wMHe4h34HrszbKp0jOU5uZMtMGK2kw1V1kJSua +uX13GC9X7VQ9l16+kkjgvOrZKsyTjPwwIz3Zn4by5j8lQZU1i fp+PE5WvQZn68BZV7g9UiSpRZRlUWQmqLIIqUSWqLIMqK0GVRV AlqkSVZV4SlXNtgdJbVGlLpZiP5EvvUaUtlbe80a5Ss6zdX/mqtaGqr792XBtWoxJaKdaiJCmaqHazKs1FmUBWOay80/ai+9u0mBtArY+a1oWpOrbVfdwLNKL0VVytEWY6yvRzHItkmiKz pc/JrM1AbXFKHeZnjLIY5t9fcWF9sfwxmTUpL69Ki8lkUCWVZAiCI Ag1qk1TVn/sr5ZKadLM3LQpTBf84G5s2EThUU3NIkMACZdxoNDZV9awNgzCr m49FcRC1dIBrIRjg5WlNSyXn+cS+0aqWLaNM8hlFz47UXob6ZY SDm7L06sbM1LcxslC9ZbccDZsIjCT3nIEC29jqz1i1+Bt8uYtb 8orD/OFYnyit7g8vhkP146SSK5PwHhbYe4lYQEyl6PdvEEu2ySl9fNK yugWTLldcz0XL5EjNtJugDllo2Kr7uLCzObcoFGgQiToBl55ZD k/KWzBefKkXZlN4OXXYjFHaV6qjDtCnHxOLls+CPCdnLJ1BrlsEl t9vLrARdqkXJHhTwEuhuP9fyB/NfwTL4wHuYJKEKa5UnUfhwwCi0TysJzqlFvb+IwXpnqJhcVdqU pSk5eLJVXTzYk7hirf7Rf+pBwERPjzx+P3uXsBg1w2EROr8l4g HbdgPL3FQTKXDY9dJsec/ePtYelIIB0Nfs/BRt/6X5T7UsmjQSCfkF2IH/0uWtrTVgZVR7Tq9RuC5G/vfTMhF+NX+hgmlFz/245Uz1S0jbi7jv/18aWNnBsmwbnds3F3bfuLtWGDXDbJDsD2LsvKKmGts4cdTcW9N 94hhgircovK5tjtzzq9jrV+h/NBngNhMsgZBCbnvt6Mff2P7rXTn58TVwekzb1/unigqElsgR1dSPxzUyl20bv3rwGWZc/83RHLSzssCZ4V73/15WXHzMBU6vSSd+7LS1ObBrlsIp01kgzD7Ep/YeG2wy/3PHkE8iElqzyfi0/4h4RJpXPL52MGYe+7R5xB4FrQ50z4PCD4fUwwIKl98Fmf0VNtI OGXM4SUYlM78rySUj6fXEtDL6NK5Qo/5NeQUS57TCmdwsnEAIif9xsVLpDVnTqlKxpzdFo7gRauemIhfv sH5f980NJqDpzswyGWzT7qzabTbuPSCsL5HMuqmgRvdrfZJs6d W4spt3Imjq0+vFz4U/CsldX8DIgME9zvNULWzwwZl6qgozFupBAEedn4P7P3CjeBvrIC AAAAAElFTkSuQmCC
2- الاعمدة المجزأه
http://e.top4top.net/p_40i5mp3.gif
نكمل ان شاء الله الباقي في موضوع جديد والعذر على الاطالة