كيفية حساب المتوسط من جدول تكراري (مع أمثلة)

يشكل التحليل الإحصائي الركيزة الأساسية التي تستند إليها البحوث العلمية المعاصرة، ولا سيما في ميدان العلوم النفسية، السلوكية، والتربوية، حيث تتطلب الظواهر الإنسانية المعقدة أدوات تكميم دقيقة قادرة على تحويل المشاهدات السلوكية والانفعالية إلى مؤشرات رقمية قابلة للتفسير والمقارنة. وفي هذا السياق، يبرز المتوسط الحسابي (Arithmetic Mean) بصفته المقياس الأكثر شيوعاً واستخداماً من بين مقاييس النزعة المركزية، إذ يمثل القيمة النموذجية التي تتجمع حولها البيانات، معبراً عن نقطة التوازن الرياضي لمجمل القيم المرصودة في عينة بحثية معينة.

غير أن التعامل مع البيانات الأولية الخام (Raw Data) يواجه تحديات منهجية وإجرائية كبرى عندما يتسع حجم العينة المدروسة ليشمل مئات أو آلاف المفحوصين، كما هو الحال في المسوح النفسية الواسعة، وتقنين المقاييس السيكومترية، ودراسات الصحة النفسية المجتمعية. في مثل هذه البيئات البحثية، يصبح من المتعذر والمستهلك للجهد والوقت إجراء العمليات الحسابية المباشرة على الأرقام الفردية المتناثرة، مما يفرض ضرورة تفريغها وتنظيمها ضمن ما يعرف بـ الجداول التكرارية (Frequency Tables). هذه الجداول لا تقتصر وظيفتها على الاختزال البصري للبيانات، بل تقدم هيكلاً رياضياً منظماً يستلزم تقنيات حسابية محددة لاستخراج المتوسط الحسابي بدقة متناهية ودون الإخلال بالخصائص الإحصائية للتوزيع.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الجوانب النظرية والتطبيقية المرتبطة بكيفية حساب المتوسط الحسابي من الجداول التكرارية بنوعيها: البسيطة (ذات البيانات المنفصلة) والمجمعة في فئات (ذات البيانات المتصلة). وسوف نتناول بالشرح والتحليل المعمّق الأسس الجبرية للمعادلات، والخطوات الإجرائية المتسلسلة، مع تقديم أمثلة تطبيقية مستمدة من صميم القياس النفسي والعيادي، فضلاً عن مناقشة الطرق البديلة لتبسيط الحسابات اليدوية، واستعراض سبل الحساب المؤتمت عبر البرمجيات الإحصائية المتقدمة مثل Excel وSPSS، وتسليط الضوء على القيود المنهجية والأخطاء الشائعة لضمان تحقيق أعلى درجات الرصانة الأكاديمية في معالجة البيانات وتحليلها.

1. المفاهيم التأسيسية: ماهية المتوسط الحسابي والجداول التكرارية

1.1 تعريف المتوسط الحسابي في الإحصاء الوصفي

يُعرَّف المتوسط الحسابي في أدبيات الإحصاء الوصفي بأنه المجموع الرياضي لجميع قيم المشاهدات مقسوماً على العدد الكلي لتلك المشاهدات. ومن المنظور الفيزيائي والميكانيكي، يمثل المتوسط الحسابي مركز الثقل (Center of Gravity) أو نقطة الارتكاز الميكانيكية للبيانات؛ فلو افترضنا أن خط الأعداد عبارة عن عارضة خالية من الوزن ووضعت كتل متساوية عند مواضع الأرقام المرصودة، فإن النقطة الدقيقة التي تتزن عندها العارضة تماماً دون أن تميل إلى أحد الطرفين هي المتوسط الحسابي. تعكس هذه الخاصية حقيقة رياضية جوهرية مؤداها أن مجموع انحرافات جميع القيم عن متوسطها الحسابي يساوي دائماً صفراً، أي أن $\sum (x – \bar{x}) = 0$.

تنبع الأهمية الاستثنائية للمتوسط الحسابي بين مقاييس النزعة المركزية (كالوسيط والمنوال) من كونه يأخذ في الاعتبار القيمة العددية الدقيقة لكل مفردة في التوزيع الإحصائي دون استثناء، مما يجعله أكثر كفاءة واستقراراً من الناحية الرياضية، وأساساً لا غنى عنه في بناء مقاييس التشتت كالانحراف المعياري والتباين، فضلاً عن الاختبارات البارامترية المتقدمة مثل تحليل التباين والانحدار المتعدد.

يتمثل الفرق الجوهري بين حساب المتوسط من البيانات الخام غير المبوبة وحسابه من الجداول التكرارية في طريقة تجميع الحسابات؛ ففي البيانات الخام يتم جمع القيم الفردية مباشرة خطوة بخطوة، في حين يعتمد الحساب من الجداول التكرارية على وزن كل قيمة أو فئة بعدد مرات تكرارها الفعلي، مما يوفر جهداً حسابياً هائلاً عند التعامل مع مجموعات البيانات الكبيرة مع الحفاظ على ذات الدقة الرياضية في البيانات المنفصلة.

وفي حقل العلوم النفسية والسلوكية، يمثل المتوسط الحسابي أداة تشخيصية وبحثية محورية، إذ يُعتمد عليه في تحديد معايير الأداء السوي على المقاييس النفسية (مثل مقاييس القلق، الاكتئاب، والذكاء)، وتفسير الدرجات الفردية للمفحوصين بمقارنتها بمتوسط الجماعة المرجعية، بالإضافة إلى رصد دلالة التحولات العلاجية قبل وبعد التدخلات السلوكية والدوائية.

1.2 بنية ووظيفة الجداول التكرارية (Frequency Tables)

الجدول التكراري هو أداة تنظيمية تستخدم لاختزال وتلخيص كميات هائلة من البيانات الأولية عبر توزيعها في هيئة صفوف وأعمدة توضح القيم المقاسة وعدد مرات ظهور كل قيمة في العينة المدروسة. يتألف الجدول التكراري في بنيته الأساسية من عمودين رئيسيين: العمود الأول يخصص لقيم المتغير المستهدف ويرمز له رياضياً بالرمز ($x$)، والعمود الثاني يخصص للتكرارات المقابلة ويرمز له بالرمز ($f$) المشتق من الكلمة الإنجليزية (Frequency)، حيث يعبر التكرار عن عدد الأفراد أو المفحوصين الذين حصلوا على تلك الدرجة بالتحديد.

تتجلى الوظيفة الإحصائية للجدول التكراري في تحويل التشتت العشوائي للبيانات الخام إلى نسق تركيبي منتظم يسهل إدراكه بصرياً وقراءته إحصائياً، حيث يمكن للباحث النفسي بمجرد إلقاء نظرة سريعة على الجدول استنتاج القيمة الأكثر شيوعاً، وتحديد حدود الانتشار، وتلمس النمط العام للتوزيع سواء كان متماثلاً أو ملتوياً.

تكتسب هذه الجداول أهمية قصوى عند التعامل مع استجابات المقاييس النفسية واستبانات مقياس ليكرت (Likert Scale) المتدرجة؛ فعند تطبيق استبانة مكونة من درجات خماسية على عينة تضم 500 مفحوص، يكون من غير العملي التعامل مع 500 رقم منفصل، بينما يتيح الجدول التكراري تفريغ تلك الاستجابات في خمسة صفوف فقط توضح عدد المؤيدين أو المعارضين لكل مستوى قياس.

يعتمد التمثيل الرياضي للتوزيعات التكرارية على نظام رمزي دقيق، حيث يعبر الرمز ($x_i$) عن القيمة رقم $i$ للمتغير، والرمز ($f_i$) عن التكرار المناظر لتلك القيمة، في حين يمثل المجموع التراكمي لجميع التكرارات $\sum_{i=1}^{k} f_i$ الحجم الكلي للعينة المدروسة ($N$ أو $n$)، مما يؤسس لقاعدة رياضية صلبة تمكن من تطبيق العمليات الإحصائية الوصفية والاستدلالية بكفاءة متناهية.

1.3 أنواع الجداول التكرارية: البسيطة مقابل ذات الفئات

تنقسم الجداول التكرارية في الإحصاء الوصفي إلى نوعين جوهريين تمليهما طبيعة المتغير النفسي أو السلوكي موضع القياس: الجداول التكرارية البسيطة (Simple Frequency Tables) والجداول التكرارية ذات الفئات (Grouped Frequency Tables). تختص الجداول التكرارية البسيطة بمعالجة البيانات المنفصلة أو المتقطعة (Discrete Data)، وهي المتغيرات التي تأخذ قيماً عددية محددة وصحيحة لا تقبل التجزئة أو الكسور، كعدد أفراد الأسرة، أو عدد نوبات الهلع الأسبوعية، أو درجات الاستجابة على المقاييس الاسمية والرتبية متدرجة المستويات.

في المقابل، صُممت الجداول التكرارية ذات الفئات للتعامل مع البيانات المتصلة أو المستمرة (Continuous Data)، وهي المتغيرات التي يمكن أن تأخذ أي قيمة عددية ضمن مدى محدد وتقبل القسمة إلى أجزاء عشرية لا نهائية، مثل العمر الزمني الدقيق، درجات مقاييس الذكاء المعيارية، أزمنة الرجع بالمللي ثانية، ودرجات الاختبارات التحصيلية الواسعة المدى.

يعتمد معيار الاختيار بين نوعي الجداول على المدى الرياضي للبيانات وحجم العينة؛ فإذا كان مدى المتغير صغيراً (أقل من 15 إلى 20 قيمة مختلفة)، يُفضل استخدام الجدول التكراري البسيط لتجنب إخفاء التفاصيل الدقيقة للدرجات الفردية. أما إذا كان المدى كبيراً ويتجاوز العشرات أو المئات من القيم المتفرقة، فإن إدراج كل قيمة في صف مستقل سيؤدي إلى جدول طويل ومربك يفقد ميزة التلخيص، مما يوجب تجميع الدرجات في فئات متساوية الاتساع (Class Intervals) مثل (10-19)، (20-29)، مما يتيح تكثيف البيانات في عدد محدود من الفئات يتراوح عادة بين 5 إلى 15 فئة وفق القواعد الإحصائية المعيارية.

2. الأساس الرياضي لمعادلة حساب المتوسط من الجدول التكراري

2.1 التفكيك الرمزي للمعادلة العامة (Mean = Σfx / Σf)

تستند عملية حساب المتوسط الحسابي من التوزيعات التكرارية إلى صياغة رياضية محكمة يتم التعبير عنها بالمعادلة التالية:

$$\bar{x} = \frac{\sum (f \cdot x)}{\sum f}$$

ولفهم البنية الداخلية لهذه المعادلة، يتعين تفكيك رموزها الرياضية تفكيكاً دقيقاً:

• رمز المتوسط ($\bar{x}$): ويقرأ “إكس بار” (X-bar)، وهو الرمز الإحصائي الاصطلاحي المعتمد عالمياً لتمثيل المتوسط الحسابي للعينة المدروسة (في حين يرمز للحرف الإغريقي $\mu$ لمتوسط المجتمع الإحصائي الكلي).
• رمز المجموع ($\sum$): وهو الحرف الإغريقي الكبير “سيجما” (Sigma)، ويعبر عن أمر رياضي بجمع كافة الحدود الناتجة عن العملية الحسابية التي تليه عبر جميع صفوف الجدول التكراري.
• المتغير ($x$): يمثل القيمة العددية الظاهرة في الصف المعني بالجدول التكراري البسيط، أو يمثل “مركز الفئة” (Class Midpoint) في حالة الجداول التكرارية ذات الفئات.
• التكرار ($f$): يمثل عدد التكرارات المرصودة والمقابلة للقيمة $x$ في ذات الصف، ويعبر عن وزن تلك القيمة ضمن مجمل البيانات.
• حاصل الضرب الموزون ($f \cdot x$): يمثل الناتج الحسابي لضرب كل قيمة في تكرارها المناظر، وهو يعبر جبرياً عن المجموع الجزئي لقيم تلك المجموعة دون الحاجة إلى جمعها إفرادياً.
• مجموع التكرارات ($\sum f$): ويمثل حاصل جمع كافة التكرارات في العمود، وهو يكافئ رياضياً الحجم الكلي للعينة ($N$).

2.2 المفهوم المرجعي للمتوسط المرجح (Weighted Mean)

تعد معادلة المتوسط الحسابي للجداول التكرارية في جوهرها النظري تطبيقاً مباشراً وخاصاً لمفهوم المتوسط الحسابي المرجح أو الموزون (Weighted Arithmetic Mean). ففي الحساب التقليدي غير الموزون، يُفترض أن كل مفردة تمتلك وزناً إحصائياً مساوياً للرقم (1). أما في التوزيعات التكرارية، فإن القيمة $x$ التي تتكرر 10 مرات تسهم في المجموع الكلي بما يعادل عشرة أضعاف مساهمة القيمة التي تظهر مرة واحدة فقط، وبالتالي يصبح التكرار ($f$) هو “الوزن النسبي” أو الثقل الإحصائي المخصص لتلك القيمة.

ويمكن تقديم البرهان الرياضي لمطابقة ناتج المعادلة التكرارية مع الجمع الفردي للبيانات الخام من خلال افتراض عينة مصغرة تتضمن القيم التالية: ${3, 3, 3, 5, 5, 8}$. عند حساب المتوسط بالطريقة الخام التقليدية نجد أن:

$$\bar{x} = \frac{3 + 3 + 3 + 5 + 5 + 8}{6} = \frac{27}{6} = 4.5$$

وعند تحويل هذه البيانات ذاتها إلى جدول تكراري، نجد أن القيمة 3 تكررت 3 مرات ($f=3$)، والقيمة 5 تكررت مرتين ($f=2$)، والقيمة 8 تكررت مرة واحدة ($f=1$). وبتطبيق معادلة الجدول التكراري:

$$\sum (f \cdot x) = (3 \times 3) + (2 \times 5) + (1 \times 8) = 9 + 10 + 8 = 27$$

$$\sum f = 3 + 2 + 1 = 6$$

$$\bar{x} = \frac{27}{6} = 4.5$$

يوضح هذا البرهان البسيط أن المعادلة التكرارية ليست تقديراً تقريبياً في البيانات المنفصلة، بل هي اختزال جبري دقيق لعمليات الجمع المكرر (حيث إن الضرب هو تكرار لعملية الجمع)، مما يضمن تطابقاً مطلقاً في النتائج الرياضية.

2.3 الشروط الإحصائية لتطبيق المعادلة

يتطلب التطبيق العلمي السليم لمعادلة المتوسط الحسابي من التوزيعات التكرارية استيفاء مجموعة من الشروط المنهجية والإحصائية الصارمة لضمان صحة النتائج ودقتها السيكومترية:

• سلامة وصحة التكرارات: يجب أن تكون التكرارات أعداداً صحيحة غير سالبة ($f ge 0$)، وأن يكون مجموعها ($\sum f$) متطابقاً تماماً مع حجم العينة الإجمالي المدروسة دون أي نقص أو زيادة غير مبررة.
• معالجة البيانات المفقودة (Missing Data): قبل البدء في حساب حاصل الضرب ($fx$)، يتعين على الباحث التحقق من تنقية الجدول من الاستجابات المفقودة أو استبعادها من مجموع التكرارات، تجنباً لإدخال تشويه في مقام المعادلة.
• مستوى قياس المتغير: يشترط لتطبيق المتوسط الحسابي أن يكون المتغير مقاساً على الأقل على مستوى القياس الفتري (Interval Scale) أو النسبي (Ratio Scale). ولا يجوز تطبيق هذه المعادلة على المتغيرات الاسمية (Nominal) كالجنس والتخصص، كما يُثار جدل إحصائي حول تطبيقها على المتغيرات الرتبية الصرفة (Ordinal) ما لم تتوافر فيها شروط التدرج الفتري المتساوي كما هو متعارف عليه في تحليلات مقاييس ليكرت النفسية.
• الإغلاق الهندسي للفئات: في حالة الجداول التكرارية ذات الفئات، يجب أن تكون جميع الفئات مغلقة (أي محددة بحد أدنى وحد أعلى)، لأن الفئات المفتوحة تحول دون تحديد مركز رياضي دقيق للفئة.

3. خطوات الحساب المنهجية للجداول التكرارية البسيطة (البيانات المنفصلة)

3.1 الخطوة الأولى: إعداد الأعمدة وتجهيز البيانات

تبدأ العملية الإحصائية ببناء جدول عمل منهجي يتألف في مرحلته التمهيدية من عمودين أساسيين. يتم في العمود الأول إدراج قيم المتغير المستهدف ($x$)، مع ضرورة ترتيبها تصاعدياً من القيمة الأصغر إلى القيمة الأكبر (أو تنازلياً)، حيث يضمن الترتيب المنطقي سهولة التحقق من تسلسل البيانات وعدم إغفال أي قيمة وسيطة.

يُخصص العمود الثاني لتسجيل التكرارات المقابلة ($f$) لكل قيمة من قيم المتغير، ويجب توخي الدقة المطلقة في نقل أعداد التكرارات من استمارات التفريغ الأولية أو مصفوفات البيانات إلى الجدول. بعد الانتهاء من رصد التكرارات، يقوم الباحث بجمع عمود التكرارات كاملاً ومقارنة الناتج الإجمالي ($\sum f$) بالحجم الفعلي للعينة المسجلة في بروتوكول البحث للتأكد من عدم سقوط أي مفحوص سهواً، حيث إن أي خطأ في تسجيل تكرار وحيد سيؤدي بالضرورة إلى انحراف القيمة النهائية للمتوسط الحسابي.

3.2 الخطوة الثانية: حساب حاصل ضرب القيم في التكرارات (fx)

تتمثل الخطوة الإجرائية الثانية في إنشاء عمود ثالث إضافي في الجدول، يُعنون بـ ($f \cdot x$) أو اختصاراً ($fx$). في هذا العمود، يتم إجراء عملية ضرب حسابية أفقية مستقلة لكل صف على حدة، وذلك بضرب القيمة الموجودة في خانة المتغير ($x$) في القيمة المناظرة لها في خانة التكرار ($f$).

ينبغي أثناء هذه الخطوة الانتباه الشديد للقيم الصفرية للمتغير؛ فعندما يأخذ المتغير القيمة صفر ($x=0$)، فإن ناتج الضرب ($f \times 0$) سيكون صفراً بالتأكيد، ويجب إدراجه في العمود كصفر مع الاحتفاظ بتكرار تلك الفئة في عمود التكرارات، لأن هذا الصفر يسهم في زيادة حجم العينة في المقام دون زيادة البسط، مما يسهم في ضبط اتزان المتوسط الحسابي. كما يوصى بمراجعة العمليات الحسابية لكل صف مرتين لتفادي أخطاء الضرب اليدوي التراكمية، ولا سيما عند التعامل مع تكرارات أو قيم كبيرة تتجاوز خانة الآحاد.

3.3 الخطوة الثالثة: تجميع النواتج وتطبيق المعادلة النهائية

بعد استكمال ملء خلايا عمود حاصل الضرب الموزون ($fx$) لجميع الصفوف، تأتي الخطوة الحسابية التجميعية بتطبيق الجمع الرأسي للعمودين الثاني والثالث:

1. يتم جمع كافة القيم المدونة في عمود التكرارات للحصول على المجموع الكلي للتكرارات، ويرمز له بالرمز $\sum f$.
2. يتم جمع كافة النواتج الجزئية المدونة في عمود حاصل الضرب للحصول على المجموع الكلي الموزون للقيم، ويرمز له بالرمز $\sum (fx)$.
3. يتم تطبيق المعادلة الإحصائية بقسمة المجموع الكلي الموزون على المجموع الكلي للتكرارات:
   $$\bar{x} = \frac{\sum (fx)}{\sum f}$$

يُستخرج الناتج النهائي مع تقريبه إلى منزلتين أو ثلاث منازل عشرية وفق متطلبات التقرير الأكاديمي، وبذلك نكون قد حصلنا على المتوسط الحسابي الممثل لتلك المجموعة المنفصلة من البيانات بأسلوب منهجي خالٍ من العشوائية.

4. مثال تطبيقي 1: حساب متوسط درجات مقياس حدة نوبات الهلع

4.1 عرض البيانات الأولية وسياق الدراسة النفسية

في سياق دراسة عيادية متخصصة استهدفت تقييم فاعلية برنامج علاجي مستند إلى العلاج المعرفي السلوكي (CBT) في خفض حدة اضطراب الهلع، قام باحث نفسي برصد عدد نوبات الهلع الأسبوعية لدى عينة قوامها 40 مريضاً تم تشخيصهم وفق معايير الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5). تم قياس عدد النوبات الفعلية التي تعرض لها كل مريض خلال الأسبوع المنصرم، وتراوحت المشاهدات بين 0 نوبة (لم تحدث أي نوبة) و4 نوبات أسبوعياً.

يكتسب تحديد المتوسط الحسابي لعدد النوبات في هذه المرحلة أهمية إكلينيكية بالغة، إذ يشكل خط الأساس (Baseline) الذي يُعتمد عليه للمقارنة البعدية بعد استكمال البرنامج العلاجي لتحديد حجم الأثر والتحسن السريري للمرضى.

4.2 الجدول الإحصائي والحسابات التفصيلية

يوضح الجدول الإحصائي التالي تفريغ البيانات التكرارية لعدد نوبات الهلع لدى المرضى، وحساب حاصل الضرب الموزون لكل فئة:

عدد النوبات الأسبوعية ($x$)	عدد المرضى / التكرار ($f$)	حاصل ضرب القيمة في التكرار ($f \cdot x$)
0	4	$4 \times 0 = 0$
1	8	$8 \times 1 = 8$
2	15	$15 \times 2 = 30$
3	10	$10 \times 3 = 30$
4	3	$3 \times 4 = 12$
المجموع ($\sum$)	$\sum f = 40$	$\sum (fx) = 80$

توضح الحسابات التفصيلية أن مجموع المرضى المفحوصين بلغ $\sum f = 4 + 8 + 15 + 10 + 3 = 40$ مريضاً، في حين بلغ المجموع الكلي الموزون للنوبات $\sum (fx) = 0 + 8 + 30 + 30 + 12 = 80$ نوبة مسجلة.

4.3 استخراج المتوسط والتفسير النفسي السلوكي

بتطبيق معادلة المتوسط الحسابي للجداول التكرارية البسيطة:

$$\bar{x} = \frac{\sum (fx)}{\sum f} = \frac{80}{40} = 2.00$$

تُظهر النتيجة الرياضية أن متوسط عدد نوبات الهلع الأسبوعية لدى عينة الدراسة يبلغ تماماً 2.00 نوبة لكل مريض أسبوعياً.

من الناحية النفسية والسلوكية، تشير هذه النتيجة إلى أن العينة تقع في فئة الحدة المتوسطة، حيث يتمركز الثقل التكراري حول نوبتين أسبوعياً (وهي الفئة الأكثر تكراراً أيضاً بـ 15 مريضاً). تفيد هذه المعلومة المعالجين النفسيين في تصميم وتكييف جلسات التعرض الداخلي (Interoceptive Exposure) وإعادة الهيكلة المعرفية، بحيث تستهدف خفض هذا المعدل إلى الصفر أو ما يقاربه في القياسات التتبعية كدليل موضوعي على كفاءة التدخل النفسي.

5. مثال تطبيقي 2: حساب متوسط عدد الجلسات النفسية المطلوبة للتحسن

5.1 سياق جمع البيانات في العيادة النفسية

في إطار دراسة إدارة الجودة وتقييم الموارد الإكلينيكية داخل مركز للاستشارات النفسية والعلاج النفسي، قام المشرف الإكلينيكي بتحليل ملفات 50 عميلاً أتموا بروتوكول علاج اضطراب الاكتئاب الخفيف إلى المتوسط وأظهروا تحسناً دالاً إحصائياً وسريرياً على المقاييس المعيارية. كان الهدف الأساسي هو تحديد متوسط عدد الجلسات العلاجية الفردية (مدة الجلسة 50 دقيقة) التي احتاجها العميل للوصول إلى مرحلة الشفاء السريري واستقرار الحالة.

تعد هذه البيانات ذات أهمية إدارية وإكلينيكية مزدوجة؛ فهي تتيح للمركز تقدير الأعباء التشغيلية وتحديد التكلفة المالية المتوقعة، وتزود المعالجين بإطار زمني تقريبي لتوجيه توقعات العملاء الجدد حول مسار الخطة العلاجية المقترحة.

5.2 التطبيق الرقمي خطوة بخطوة

تم تفريغ بيانات الجلسات في جدول تكراري بسيط يربط عدد الجلسات المكتملة ($x$) بعدد العملاء المناظرين ($f$):

عدد الجلسات الإكلينيكية ($x$)	عدد العملاء المستفيدين ($f$)	حاصل الضرب الموزون ($f \cdot x$)
6	5	$5 \times 6 = 30$
8	12	$12 \times 8 = 96$
10	18	$18 \times 10 = 180$
12	10	$10 \times 12 = 120$
14	3	$3 \times 14 = 42$
16	2	$2 \times 16 = 32$
الإجمالي ($\sum$)	$\sum f = 50$	$\sum (fx) = 500$

توضح الخطوات الحسابية إتمام العمليات التالية:

1. التحقق من إجمالي التكرارات: $\sum f = 5 + 12 + 18 + 10 + 3 + 2 = 50$ عميلاً.
2. حساب مجموع النواتج الموزونة: $\sum (fx) = 30 + 96 + 180 + 120 + 42 + 32 = 500$ جلسة علاجية تراكمية.
3. تطبيق معادلة المتوسط الحسابي:
   $$\bar{x} = \frac{\sum (fx)}{\sum f} = \frac{500}{50} = 10.00\text{ جلسات}$$

5.3 الاستنتاجات الإحصائية والإدارية

يوضح المتوسط الحسابي المستخرج أن العميل النموذجي في هذا المركز يحتاج في المتوسط إلى 10 جلسات علاجية لتحقيق التعافي الإكلينيكي من أعراض الاكتئاب وفق البرتوكول المعتمد.

تتوافق هذه النتيجة الإحصائية مع التوصيات العالمية للأدلة الإرشادية السريرية مثل المعهد الوطني للتميز في الصحة والرعاية (NICE)، والتي تشير إلى أن بروتوكولات العلاج المعرفي السلوكي للاكتئاب غير المعقد تتراوح عادة بين 8 إلى 12 جلسة. ومن الناحية الإدارية، يساعد هذا المتوسط الدقيق إدارة المركز على جدولة المواعيد وتوزيع الحالات بكفاءة على الكادر الطبي، مع الأخذ في الحسبان أن هناك فئة قليلة من العملاء (5 عملاء) استجابت لبروتوكول مكثف وقصير بـ 6 جلسات فقط، بينما تطلب عدد قليل من الحالات الأكثر تعقيداً (شخصيتين بـ 16 جلسة) وقتاً أطول للتعافي.

6. حساب المتوسط الحسابي من الجداول التكرارية ذات الفئات (Grouped Data)

6.1 طبيعة البيانات المجمعة في فئات والحاجة لمفهوم مركز الفئة

عندما تكون البيانات البحثية متصلة أو ذات مدى واسع، تُنظم في جداول تكرارية ذات فئات (Grouped Frequency Distribution). في هذه الحالة، يواجه الإحصائي تحدياً منهجياً يتمثل في فقدان القيم الفردية الأصلية للمفحوصين؛ فعلى سبيل المثال، إذا تضمنت الفئة (20-29) تكراراً قدره 12 مفحوصاً، فإننا نعلم أن هناك 12 شخصاً تقع درجاتهم ضمن هذا المدى، لكننا نجهل الدرجة الدقيقة لكل فرد منهم (هل حصلوا جميعاً على 21، أم 28، أم توزعوا بالتساوي عبر الفئة؟).

لحل هذه المعضلة الرياضية، يستند الإحصاء الكلاسيكي إلى فرضية التوزيع المنتظم (Uniform Distribution Assumption) داخل الفئة، والتي تفترض أن درجات الأفراد موزعة بتجانس وتماثل كاملين عبر مدى الفئة، أو أنها تتمركز حول منتصفها الدقيق. وبناءً على هذه الفرضية، يتم اعتماد مركز الفئة (Class Midpoint) كممثل رياضي وحسابي شرعي عن جميع القيم الواقعة داخل تلك الفئة، ويُعامل مركز الفئة في العمليات الحسابية اللاحقة كقيمة مفردة ($x$ أو $m$) تختزل بيانات تلك الفئة بالكامل.

6.2 قانون وتحديد مراكز الفئات (Class Midpoints – x)

يُحسب مركز الفئة، ويرمز له بالرمز ($m$) أو ($x$)، بتطبيق المعادلة الحسابية المباشرة التالية:

$$\text{Class Midp\oint } (m) = \frac{\text{الحد الأدنى للفئة} + \text{الحد الأعلى للفئة}}{2}$$

تتطلب هذه العملية التمييز الدقيق بين نوعين من حدود الفئات:

• الحدود الظاهرية للفئات (Stated Limits): وهي الأرقام المدونة صراحة في الجدول التكراري، مثل الفئة (10 – 19)، حيث الحد الأدنى الظاهري هو 10 والحد الأعلى الظاهري هو 19. وفي هذه الحالة، يكون مركز الفئة: $\frac{10 + 19}{2} = \frac{29}{2} = 14.5$.
• الحدود الفعلية أو الحقيقية للفئات (Real Limits): وهي الحدود التي تمتد بمقدار 0.5 وحدة قياس قبل وبعد الحدود الظاهرية لمراعاة الاتصال الرياضي للبيانات، فتصبح الفئة (9.5 – 19.5). وإذا طبقنا المعادلة على الحدود الحقيقية: $\frac{9.5 + 19.5}{2} = \frac{29}{2} = 14.5$. نلاحظ أن مركز الفئة يتطابق تماماً في الحالتين، مما يؤكد ثبات التمثيل الرياضي لمركز الفئة بغض النظر عن استخدام الحدود الظاهرية أو الحقيقية.

6.3 صيغة المتوسط للبيانات المجمعة وتكييف الرموز

مع اعتماد مراكز الفئات، يتم تكييف معادلة المتوسط الحسابي لتستوعب البيانات المجمعة في فئات على النحو التالي:

$$\bar{x} = \frac{\sum (f \cdot m)}{\sum f}$$

حيث يمثل ($m$) مركز الفئة المناظرة، ويمثل ($f$) تكرار تلك الفئة. ولإجراء الحسابات بصورة منتظمة، يتم إنشاء جدول عمل إحصائي يشتمل على أربعة أعمدة رئيسية:

1. العمود الأول: حدود الفئات (Class Intervals).
2. العمود الثاني: مراكز الفئات المحسوبة ($m$).
3. العمود الثالث: تكرارات الفئات ($f$).
4. العمود الرابع: حاصل ضرب مركز كل فئة في تكرارها ($f \cdot m$).

تجدر الإشارة إلى التحدي المرتبط بـ الفئات المفتوحة (Open-Ended Classes)، مثل الفئات التي تصاغ بهيئة “أقل من 20” أو “70 فأكثر”. في مثل هذه الحالات، يستحيل حساب مركز فئة محدد رياضياً لغياب أحد الحدين، مما يجعل حساب المتوسط الحسابي غير ممكن بالطريقة المعيارية ويتطلب إما إغلاق الفئات تقديراً بالاستناد إلى طول الفئات المجاورة، أو استبدال مقياس المتوسط بالوسيط الإحصائي.

7. مثال تطبيقي 3: حساب متوسط درجات مقياس الاكتئاب (BDI) من جدول فئات

7.1 هيكل الفئات وتوزيع درجات العينة

في مسح نفسي ميداني شمل عينة مؤلفة من 100 مفحوص من المترددين على مراكز الرعاية الصحية الأولية، تم تطبيق قائمة بيك للاكتئاب (Beck Depression Inventory – BDI-II). تتراوح الدرجة الكلية على المقياس من 0 إلى 63 درجة، وتصنف سريرياً إلى فئات تعبر عن تدرج حدة الأعراض الاكتئابية.

تم تجميع درجات المفحوصين المائة في أربع فئات رئيسية تعكس المستويات الإكلينيكية المعيارية للمقياس، والهدف الإحصائي هو حساب المتوسط التقديري العام لدرجات الاكتئاب في العينة لتحديد الموقع السيكومتري العام للمجموعة ضمن مستويات الحدة الاكتئابية.

7.2 الجدول الرياضي وحساب مراكز الفئات والضرب الموزون

فيما يلي جدول العمل الإحصائي المتكامل متضمناً حساب مراكز الفئات وحاصل الضرب الموزون:

فئات درجات مقياس بيك	مركز الفئة ($m$)	عدد المفحوصين ($f$)	حاصل الضرب الموزون ($f \cdot m$)
1 – 10 (اكتئاب في الحدود الدنيا)	$\frac{1 + 10}{2} = 5.5$	35	$35 \times 5.5 = 192.5$
11 – 20 (اكتئاب خفيف)	$\frac{11 + 20}{2} = 15.5$	30	$30 \times 15.5 = 465.0$
21 – 30 (اكتئاب متوسط)	$\frac{21 + 30}{2} = 25.5$	20	$20 \times 25.5 = 510.0$
31 – 40 (اكتئاب شديد)	$\frac{31 + 40}{2} = 35.5$	15	$15 \times 35.5 = 532.5$
الإجمالي ($\sum$)		$\sum f = 100$	$\sum (f \cdot m) = 1700.0$

خطوات التحقق الرياضي:

• التحقق من مجموع التكرارات: $\sum f = 35 + 30 + 20 + 15 = 100$ مفحوص.
• حساب مجموع النواتج الموزونة لمراكز الفئات: $\sum (f \cdot m) = 192.5 + 465.0 + 510.0 + 532.5 = 1700.0$.

7.3 العملية الحسابية والتقييم السيكومتري للنتيجة

بتطبيق معادلة المتوسط الحسابي للبيانات المجمعة في فئات:

$$\bar{x} = \frac{\sum (f \cdot m)}{\sum f} = \frac{1700.0}{100} = 17.00$$

تشير النتيجة المستخرجة إلى أن متوسط درجات الاكتئاب لدى هذه العينة يبلغ 17.00 درجة. وعند مطابقة هذه الدرجة مع المعايير السيكومترية المعتمدة لمقياس بيك للاكتئاب (BDI-II)، نجد أنها تقع مباشرة ضمن فئة الاكتئاب الخفيف (Mild Depression) التي تمتد درجاتها من 14 إلى 19 درجة.

من الناحية المنهجية، يمثل هذا الرقم تقديراً ممتازاً لمتوسط المجموعة ككل، مع مراعاة وجود ما يعرف بـ خطأ التجميع الإحصائي (Grouping Error)، وهو تفاوت طفيف غير جوهري لا يتجاوز عادة أعشار الدرجة بين هذا المتوسط المحسوب من الفئات وبين المتوسط الذي كان يمكن استخراجه من الدرجات الخام الأولية للمفحوصين المائة قبل تجميعها في فئات.

8. مثال تطبيقي 4: حساب متوسط درجات الذكاء (IQ) من توزيع تكراري فئوي

8.1 تصميم الفئات لمقياس القدرات العقلية

أجريت دراسة سيكومترية لتقييم مستويات القدرة العقلية العامة لدى عينة موسعة مؤلفة من 200 طالب وطالبة في المرحلة الثانوية باستخدام مقياس ويكسلر للذكاء (WAIS). وزعت الدرجات المعيارية المستخرجة للطلاب في خمس فئات تكرارية متساوية المدى، تمثل المستويات العقلية المختلفة بدءاً من فئة الذكاء الحدي والمنخفض وصولاً إلى فئة الذكاء المتفوق والموهبة.

الهدف المنهجي من هذه المعالجة هو التحقق من مدى اقتراب متوسط العينة المدروسة من المتوسط المعياري النظري لاختبارات الذكاء العالمية والمحدد بـ 100 نقطة وبانحراف معياري قدره 15 نقطة.

8.2 إجراء العمليات الحسابية التفصيلية

تم تنظيم البيانات وحساب مراكز الفئات والضرب الموزون على النحو الموضح في الجدول التالي:

فئات درجات الذكاء ($IQ$)	مركز الفئة ($m$)	عدد الطلاب ($f$)	الناتج الموزون ($f \cdot m$)
70 – 84	$\frac{70 + 84}{2} = 77.0$	16	$16 \times 77.0 = 1232.0$
85 – 99	$\frac{85 + 99}{2} = 92.0$	68	$68 \times 92.0 = 6256.0$
100 – 114	$\frac{100 + 114}{2} = 107.0$	82	$82 \times 107.0 = 8774.0$
115 – 129	$\frac{115 + 129}{2} = 122.0$	26	$26 \times 122.0 = 3172.0$
130 – 144	$\frac{130 + 144}{2} = 137.0$	8	$8 \times 137.0 = 1096.0$
الإجمالي ($\sum$)		$\sum f = 200$	$\sum (f \cdot m) = 20530.0$

تطبيق خطوات المعادلة الحسابية:

1. مجموع التكرارات الكلي: $\sum f = 16 + 68 + 82 + 26 + 8 = 200$ طالب.
2. مجموع حاصل الضرب لمراكز الفئات في التكرارات: $\sum (f \cdot m) = 1232.0 + 6256.0 + 8774.0 + 3172.0 + 1096.0 = 20530.0$.
3. قسمة المجموع الموزون على مجموع التكرارات:
   $$\bar{x} = \frac{\sum (f \cdot m)}{\sum f} = \frac{20530.0}{200} = 102.65$$

8.3 قراءة وتفسير منحنى التوزيع ومتوسط الذكاء

أسفرت الحسابات عن متوسط ذكاء قدره 102.65 درجة لعينة الطلاب المدروسة. يقدم هذا الرقم دلالات سيكومترية وتربوية قيّمة:

يقترب المتوسط المحسوب بدرجة كبيرة جداً من المتوسط النظري المعياري للمجتمع العام ($\mu = 100$)، مع ميل طفيف للغاية نحو الطرف الإيجابي المرتفع بمقدار 2.65 نقطة. وبتحليل البنية التكرارية للجدول، نلاحظ أن التوزيع يحاكي خصائص المنحنى الاعتدالي أو الجرسي (Normal Curve)؛ حيث تتركز غالبية أفراد العينة (150 طالباً من أصل 200، أي بنسبة 75%) في الفئتين المتوسطتين (85-99 و 100-114)، في حين تتناقص التكرارات تدريجياً وبصورة متناظرة عند الأطراف المنخفضة (16 طالباً) والأطراف المتفوقة (8 طلاب في فئة الموهبة الفائقة).

يوفر هذا التوافق الإحصائي مؤشراً على كفاءة عملية المعايرة السيكومترية لأداة القياس وسلامة العينة المختارة من التحيزات الطبقية أو التحصيلية، مما يسمح للمرشدين التربويين بالاعتماد على هذه النتائج في تخطيط البرامج الإثرائية والداعمة وفق التوزيع الطبيعي للقدرات.

9. طرق بديلة: طريقة الانحرافات والمتوسط الفرضي (Assumed Mean Method)

9.1 مفهوم المتوسط الفرضي (A) ودواعي استخدامه

عند التعامل مع جداول تكرارية تتضمن قيماً عددية ضخمة أو مراكز فئات ذات أرقام عشرية معقدة وتكرارات كبيرة، يصبح إجراء عمليات الضرب المباشرة ($f \cdot m$) مستهلكاً للوقت وعرضة للأخطاء الحسابية عند الحساب اليدوي دون حاسوب. ولتجاوز هذه العقبة، طور الإحصائيون طريقة بارعة تُعرف بـ طريقة المتوسط الفرضي (Assumed Mean Method) أو طريقة الانحرافات المختصرة.

تقوم هذه الطريقة على فكرة افتراض قيمة تقديرية للمتوسط الحسابي، يرمز لها بالرمز ($A$) وتُختار عادة كأحد مراكز الفئات الواقعة في منتصف الجدول التكراري تقريباً ذات التكرار المرتفع. يتم بعد ذلك حساب انحرافات كافة مراكز الفئات الأخرى عن هذا المتوسط الفرضي، مما يقلص الأرقام الحسابية الكبيرة إلى أرقام صغيرة سالبة وموجبة يسهل جمعها وضربها ذهنياً. وتصاغ المعادلة الرياضية للمتوسط الفرضي على النحو التالي:

$$\bar{x} = A + \frac{\sum (f \cdot d)}{\sum f}$$

حيث يمثل ($A$) المتوسط الفرضي المختار، ويمثل ($d$) انحراف مركز كل فئة عن المتوسط الفرضي ($d = m – A$).

9.2 حساب الانحرافات (Deviations – d) وتطبيق القانون

لتوضيح تطبيق طريقة المتوسط الفرضي خطوة بخطوة، سنعيد معالجة بيانات مقياس الاكتئاب (BDI) المذكورة في القسم 7:

• مراكز الفئات هي: ${5.5, 15.5, 25.5, 35.5}$.
• نختار مركز الفئة الثانية كمتوسط فرضي: $A = 15.5$.
• نحسب الانحراف $d = m – 15.5$ لكل فئة، ثم نضرب الانحراف في التكرار المقابل ($f \cdot d$):

الفئات	مركز الفئة ($m$)	التكرار ($f$)	الانحراف ($d = m – 15.5$)	حاصل الضرب ($f \cdot d$)
1 – 10	5.5	35	$5.5 – 15.5 = -10$	$35 \times (-10) = -350$
11 – 20	15.5 ($A$)	30	$15.5 – 15.5 = 0$	$30 \times 0 = 0$
21 – 30	25.5	20	$25.5 – 15.5 = +10$	$20 \times 10 = +200$
31 – 40	35.5	15	$35.5 – 15.5 = +20$	$15 \times 20 = +300$
الإجمالي ($\sum$)		$\sum f = 100$	—	$\sum (fd) = -350 + 0 + 200 + 300 = +150$

بتطبيق معادلة المتوسط الفرضي:

$$\bar{x} = A + \frac{\sum (fd)}{\sum f} = 15.5 + \frac{150}{100} = 15.5 + 1.5 = 17.00$$

نلاحظ أننا توصلنا إلى ذات النتيجة الدقيقة تماماً ($\bar{x} = 17.00$) دون الحاجة إلى التعامل مع ضرب الأرقام العشرية الكبيرة، حيث تحولت الحسابات إلى مضاعفات بسيطة للرقم 10.

9.3 طريقة الخطوات المختصرة (Step-Deviation Method)

تمثل طريقة الخطوات المختصرة (Step-Deviation Method) مستوى إضافياً من التبسيط الرياضي المتقدم، وتستخدم تحديداً عندما تكون جميع فئات الجدول التكراري متساوية في طول الفئة أو اتساعها، ويرمز لطول الفئة بالرمز ($h$) أو ($c$). في هذه الطريقة، يتم تقليص قيم الانحرافات ($d$) بقسمتها على طول الفئة ($h$)، للحصول على متغير جديد مبسط يرمز له بالرمز ($u$):

$$u = \frac{m – A}{h}$$

وتصبح المعادلة النهائية لحساب المتوسط:

$$\bar{x} = A + \left( \frac{\sum (f \cdot u)}{\sum f} \right) \times h$$

إذا طبقنا هذه الطريقة على المثال السابق (حيث طول الفئة $h = 10$ والمتوسط الفرضي $A = 15.5$):

• قيم $u$ للفئات الأربع ستكون بالتتابع: $\frac{-10}{10} = -1$، $\frac{0}{10} = 0$، $\frac{10}{10} = 1$، $\frac{20}{10} = 2$.
• حساب حاصل الضرب ($f \cdot u$):
  $$\sum (fu) = [35 \times (-1)] + [30 \times 0] + [20 \times 1] + [15 \times 2] = -35 + 0 + 20 + 30 = +15$$
• تطبيق المعادلة:
  $$\bar{x} = 15.5 + \left( \frac{15}{100} \right) \times 10 = 15.5 + (0.15 \times 10) = 15.5 + 1.5 = 17.00$$

تعد هذه الطريقة الأكثر كفاءة وأناقة رياضية في المسوح السيكومترية الميدانية واسعة النطاق عند إجراء الحسابات يدوياً أو تدقيقها سريعاً.

10. مقارنة المتوسط مع المقاييس الإحصائية الأخرى في الجداول التكرارية

10.1 المتوسط الحسابي مقابل الوسيط (Median) في التوزيعات التكرارية

يعد الوسيط (Median) المقياس الثاني الأكثر أهمية للنزعة المركزية، ويمثل النقطة العددية التي تقسم التوزيع التكراري إلى نصفين متساويين تماماً (50% من المشاهدات تقع أدناه و50% تقع أعلاه). يستخرج الوسيط من الجداول التكرارية عبر بناء جدول التكرار المتجمع الصاعد (Cumulative Frequency) وتحديد رتبة الوسيط ($\frac{N}{2}$)، ثم تطبيق معادلة الاستيفاء الخطي للفئة الوسيطية.

تتجلى الفروق الجوهرية بين المقياسين عند دراسة شكل التوزيع الإحصائي للظاهرة النفسية؛ ففي التوزيعات الاعتدالية المتماثلة تماماً، يتطابق المتوسط الحسابي مع الوسيط تطابقاً تاماً ($\bar{x} = \text{Median}$). أما إذا كان التوزيع ملتوياً أو غير متماثل، فإن المقارنة بينهما تكشف عن اتجاه الالتواء:

• إذا كان المتوسط أكبر من الوسيط ($\bar{x} > \text{Median}$): يكون التوزيع ملتوياً نحو اليمين أو موجباً (Positively Skewed)، مما يدل على تمركز معظم المفحوصين عند الدرجات المنخفضة مع وجود قلة من المفحوصين حققوا درجات مرتفعة جداً جذبت المتوسط نحوها.
• إذا كان المتوسط أصغر من الوسيط ($\bar{x} < \text{Median}$): يكون التوزيع ملتوياً نحو اليسار أو سالباً (Negatively Skewed)، مما يشير إلى تكدس الدرجات في الطرف المرتفع وسحب المتوسط نحو القيم الدنيا بفعل حالات متطرفة منخفضة.

10.2 المتوسط الحسابي مقابل المنوال (Mode) في الجداول التكرارية

يمثل المنوال (Mode) القيمة الأكثر تكراراً أو شيوعاً في التوزيع التكراري البسيط، أو مركز الفئة ذات التكرار الأعلى في الجداول التكرارية ذات الفئات (الفئة المنوالية – Modal Class). يُستخدم المنوال بصفته مقياساً سريعاً وبديهياً للنزعة المركزية، وهو المقياس الوحيد المتاح للبيانات المقاسة بمستوى اسمي، غير أنه يفتقر إلى الكفاءة الرياضية لكونه يتجاهل جميع القيم والتكرارات الأخرى في الجدول ويركز فقط على النقطة الأعلى كثافة.

تستخدم الفروق الحسابية بين المتوسط والمنوال في استنتاج معامل الالتواء التقريبي لبيرسون عبر المعادلة الشهيرة: $\text{Skewness} \approx \frac{\bar{x} – \text{Mode}}{s}$ (حيث $s$ هو الانحراف المعياري). فعندما تتطابق المقاييس الثلاثة ($\text{Mean} = \text{Median} = \text{Mode}$)، نكون أمام توزيع معياري مثالي، وهو ما يندر تحققه التام في الظواهر السلوكية العيادية التي تميل بطبيعتها إلى الالتواء نحو أحد الأطراف التشخيصية.

10.3 مقارنة الحساسية للقيم الشاذة والمتطرفة

تكمن النقطة الأكثر حساسية في الممارسة الإحصائية المقارنة في استجابة كل مقياس لـ القيم المتطرفة أو الشاذة (Outliers). يتميز المتوسط الحسابي بحساسية جارفة للقيم القصوى في الفئات الطرفية العليا أو الدنيا، نظراً لكونه يدخل القيمة العددية المطلقة لكل مشاهدة ضمن مجموع البسط ($\sum fx$). فإذا تضمن الجدول التكراري فئة عليا متطرفة (مثل مفحوصين قلة سجلوا مستويات قلق استثنائية تفوق باقي العينة بمراحل)، فإن هذه الفئة ستسحب المتوسط الحسابي باتجاهها بصورة مضللة قد تعطي انطباعاً زائفاً بأن عموم العينة تعاني من مستويات قلق مرتفعة.

في المقابل، يتمتع الوسيط والمنوال بـ “المتانة الإحصائية” (Robustness) ومقاومة تامة للتأثر بالقيم المتطرفة؛ فالوسيط يعتمد على الرتبة والموقع لا على القيم العددية المطلقة. ولذلك، تنص القواعد المنهجية الصارمة في القياس النفسي على أنه في حال وجود التواء شديد أو فئات طرفية متباعدة في الجدول التكراري، ينبغي الاعتماد على الوسيط كمقياس مفضل للنزعة المركزية، أو تقديم المتوسط المشذب (Trimmed Mean) كحل بديل يضمن تمثيلاً أميناً لواقع البيانات.

11. الأخطاء الشائعة والقيود المنهجية عند حساب المتوسط من جدول تكراري

11.1 أخطاء الحساب الرياضي والإجرائي الشائعة

يقع العديد من الباحثين وطلاب الدراسات العليا في أخطاء إجرائية وحسابية متكررة عند معالجة الجداول التكرارية، ومن أبرز هذه العثرات المنهجية:

• الخلط بين الأعمدة ($x$ و $f$): الخطأ الكلاسيكي المتمثل في تبديل الأدوار بين التكرار وقيمة المتغير، ولا سيما أثناء إيجاد المقام، حيث يقوم البعض بقسمة الناتج على مجموع قيم المتغير ($\sum x$) بدلاً من مجموع التكرارات ($\sum f$).
• القسمة على عدد الصفوف ($k$): الوقوع في فخ معاملة الجدول التكراري كبيانات خام، وذلك بقسمة المجموع الموزون ($\sum fx$) على عدد صفوف أو فئات الجدول ($k$) بدلاً من الحجم الكلي للعينة ($N = \sum f$)، وهو ما يؤدي إلى تضخيم كارثي في قيمة المتوسط.
• أخطاء حساب مراكز الفئات: عدم الدقة في تطبيق معادلة مركز الفئة، خاصة عند وجود فئات ذات أطوال غير متساوية، أو الخلط بين الحدود الحقيقية والظاهرية بصورة غير متسقة عبر صفوف الجدول.
• إغفال الفئات ذات التكرار الصفري: شطب الصفوف التي يكون تكرارها صفراً ($f=0$) من الجداول المنفصلة أثناء إعادة التنسيق، مما قد يربك الترتيب الرياضي لمستويات القياس أو يؤثر على الحسابات التراكمية في تحليلات التشتت التابعة.

11.2 فقدان التفاصيل والخطأ التجميعي (Grouping Error)

ينطوي تجميع البيانات الخام الفردية في فئات تكرارية على تضحية إحصائية حتمية تتمثل في فقدان التفاصيل الأصلية للدرجات (Loss of Information). ينتج عن هذا التجميع ما يعرف في الإحصاء الرياضي بـ خطأ التجميع (Grouping Error)، وهو الفارق الرقمي بين المتوسط الحقيقي للبيانات الخام والمتوسط التقديري المحسوب من مراكز الفئات.

يرتبط حجم هذا الخطأ بعاملين رئيسيين:

1. اتساع الفئة (Class Width): كلما زاد اتساع الفئة، زاد احتمال تباعد الدرجات الفردية عن مركز الفئة المفترض، مما يرفع من معدل الخطأ التجميعي. والعكس صحيح، فكلما كانت الفئات أضيق وأكثر عدداً، اقترب المتوسط المحسوب من قيمته الحقيقية المطلقة.
2. تجانس التوزيع الداخلي: إذا كان توزيع المفحوصين داخل حدود الفئة مائلاً بشدة نحو أحد طرفيها (كأن تتكدس معظم درجات الفئة 20-29 عند الرقم 29)، فإن فرضية استقرار الدرجات عند المركز (24.5) ستؤدي إلى انحراف تقديري في المتوسط. ورغم ذلك، فإن هذا الخطأ غالباً ما يتعادل ذاتياً عبر الفئات المختلفة في العينات الكبيرة والمتجانسة وفق قانون الأعداد الكبيرة.

11.3 التعامل مع الفئات المفتوحة والبيانات الناقصة

تشكل الفئات المفتوحة (Open-Ended Classes) في البداية (مثل: “أقل من 10 سنوات”) أو في النهاية (مثل: “65 سنة فما فوق”) معضلة هيكلية تحول دون إمكانية حساب المتوسط الحسابي مباشرة، وذلك لاستحالة تعيين حد أدنى للفئة الأولى أو حد أعلى للفئة الأخيرة، مما يجعل حساب مركز الفئة ($m$) مستحيلاً رياضياً دون افتراضات عشوائية تفتقر للتحقق العلمي.

للتعامل المنهجي مع هذه المعضلة، يوصى بالالتزام بالموجهات التالية:

• تجنب استخدام الفئات المفتوحة في استمارات جمع البيانات الميدانية متى ما كان الغرض استخراج مقاييس بارامترية مثل المتوسط الحسابي.
• إذا فُرضت الفئات المفتوحة كواقع إحصائي نهائي من مصادر بيانات ثانوية، يُعد اللجوء إلى الوسيط الإحصائي (Median) الخيار العلمي والمنهجي الصحيح الوحيد، نظراً لأن حساب الوسيط يعتمد على موقع الرتبة التراكمية ولا يتأثر بعدم معرفة النهايات القصوى للتوزيع.
• في الحالات الاستثنائية التي يُشترط فيها تقدير المتوسط، يلجأ الباحثون إلى إغلاق الفئة المفتوحة افتراضياً بمنحها طولاً مساوياً لطول الفئة المجاورة لها مباشرة، مع ضرورة الإفصاح الكامل عن هذا الإجراء القياسي في منهجية التقرير البحثي.

12. الحساب الآلي للمتوسط التكراري عبر البرمجيات الإحصائية (SPSS و Excel)

12.1 حساب المتوسط من جدول تكراري باستخدام Microsoft Excel

يتيح برنامج مايكروسوفت إكسل (Microsoft Excel) إمكانية حساب المتوسط من الجداول التكرارية بطرق ديناميكية تمنع الأخطاء الحسابية اليدوية وتتيح التحديث التلقائي للنتائج عند تعديل أي تكرار. وفيما يلي الخطوات الإجرائية الدقيقة لتنفيذ ذلك:

1. تفريغ قيم المتغير أو مراكز الفئات في العمود (A) ابتداءً من الخلية `A2` إلى `A6`، وتفريغ التكرارات المناظرة في العمود (B) من `B2` إلى `B6`.
2. الطريقة المباشرة بدالة `SUMPRODUCT`: لحساب البسط ($\sum fx$) مباشرة دون الحاجة لإنشاء عمود ضرب وسيط، نكتب المعادلة التالية في أي خلية فارغة:

   =SUMPRODUCT(A2:A6, B2:B6)

   تقوم هذه الدالة المتقدمة بضرب كل خلية من النطاق الأول في الخلية المقابلة من النطاق الثاني وتجمع النواتج في خطوة واحدة.

3. حساب المجموع الكلي للتكرارات: في خلية أخرى نستخدم دالة الجمع البسيطة لحساب المقام:

   =SUM(B2:B6)

4. صيغة المتوسط المتكاملة: يمكن دمج الخطوتين في صيغة واحدة محكمة ومباشرة تعطي المتوسط الحسابي النهائي فورياً:

   =SUMPRODUCT(A2:A6, B2:B6) / SUM(B2:B6)

تضمن هذه الصيغة الديناميكية أعلى مستويات الدقة والسرعة في إدارة قواعد البيانات الإحصائية الضخمة.

12.2 استخدام حزمة SPSS للبيانات التكرارية والوزنية

تتطلب معالجة الجداول التكرارية في الحزمة الإحصائية للعلوم الاجتماعية SPSS (Statistical Package for the Social Sciences) خطوة منهجية حاسمة يُغفلها الكثير من الباحثين، وهي خطوة توزين الحالات (Weight Cases). فإذا قمت بإدخال عمود للمتغير وعمود للتكرار وقمت بطلب المتوسط مباشرة، فإن البرنامج سيتعامل مع عمود التكرارات كمتغير مستقل وسيحسب متوسط قيم المتغير دون اعتبار لتكرارها. ولتطبيق التوزين الإحصائي الصحيح، نتبع المسار التالي:

1. إدخال المتغيرات: في صفحة عرض المتغيرات (Variable View)، ننشئ متغيرين اثنين؛ الأول يمثل الدرجة أو مركز الفئة ونسميه ($X$)، والثاني يمثل التكرار ونسميه ($Frequency$ أو $f$).
2. إدخال البيانات: في صفحة عرض البيانات (Data View)، نكتب القيم والتكرارات المقابلة في الصفوف.
3. تفعيل أمر التوزين: من القائمة الرئيسية، نتوجه إلى:

   Data $\rightarrow$ Weight Cases…

   تفتح نافذة جديدة، نختار منها الخيار Weight cases by، ثم ننقل متغير التكرار ($f$) إلى خانة Frequency Variable، ونضغط على OK. (يظهر في أسفل شاشة البرنامج مؤشر “Weight On” دلالة على نجاح العملية).

4. استخراج المتوسط الحسابي: نتوجه إلى القائمة الإحصائية:

   Analyze $\rightarrow$ Descriptive Statistics $\rightarrow$ Descriptives…

   ننقل المتغير ($X$) إلى مربع المتغيرات، ثم نضغط OK.

تُظهر مخرجات شاشة النتائج (Output) جدولاً يوضح المتوسط الحسابي الموزون بدقة مطلقة متطابقاً مع الحسابات الرياضية المنهجية، مع احتساب حجم العينة الكلي ($N$) مساوياً لمجموع عمود التكرارات.

12.3 تطبيقات متقدمة في كتابة التقارير والبحوث النفسية الميدانية

عند توثيق نتائج المتوسطات المستخرجة من الجداول التكرارية في التقارير النفسية العيادية والأطروحات الأكاديمية، يتعين على الباحث الالتزام بمعايير جمعية علم النفس الأمريكية (APA Style – الإصدار السابع). يتطلب ذلك صياغة نصية تجمع بين الدقة الإحصائية والتفسير السيكومتري الواضح:

• التوثيق الرقمي المعياري: يُكتب رمز المتوسط بحرف مائل ($M$)، والانحراف المعياري ($SD$)، مع ذكر حجم العينة الكلي ($N$). مثال: “أظهرت نتائج المقياس التكراري أن متوسط حدة نوبات الهلع لدى أفراد العينة بلغ ($M = 2.00, SD = 1.04, N = 40$)”.
• الإشارة إلى التجميع الفئوي: إذا استُخرج المتوسط من جدول تكراري ذي فئات، يجب الإشارة بوضوح في منهجية البحث إلى أن “المتوسط الحسابي تم تقديره بالاستناد إلى مراكز الفئات المعيارية نظراً لطبيعة تصنيف البيانات المجمعة”.
• التفسير العيادي التكاملي: لا يكتمل التقرير الإحصائي بمجرد سرد الأرقام الصماء، بل يجب ربط المتوسط بمدلولاته السلوكية، كأن يوضح الباحث دلالة وقوع متوسط العينة في الفئة الخفيفة أو الشديدة، وانعكاس ذلك على قرارات القبول والفرز الإكلينيكي وتصميم التدخلات الإرشادية المناسبة.

خاتمة

يمثل حساب المتوسط الحسابي من الجداول التكرارية جسراً منهجياً متيناً يربط بين الرياضيات الوصفية الدقيقة والتطبيقات العملية للعلوم السلوكية والاجتماعية. فمن خلال استيعاب البنية الجبرية القائمة على ترجيح القيم بتكراراتها الحقيقية، واستخدام مراكز الفئات كممثل حسابي شرعي للبيانات المتصلة، يستطيع الباحث الإحصائي والممارس النفسي اختزال أطنان من المشاهدات السلوكية المتناثرة في مؤشرات رقمية مركزية مكثفة تنبض بالدلالة التشخيصية.

وقد أظهر هذا الدليل الشامل أن الإتقان الحقيقي للتحليل الإحصائي لا يقف عند مجرد حفظ المعادلات الرياضية وتطبيقها آلياً، بل يتطلب وعياً نقدياً عميقاً بشروط القياس، وإدراكاً واعياً للمقارنة بين المتوسط والمقاييس المجاورة كالوسيط والمنوال، وحذراً منهجياً من الوقوع في فخاخ القيم المتطرفة والفئات المفتوحة. إن الجمع بين الدقة الإجرائية اليدوية، والتمكن من البرمجيات الحديثة مثل Excel وSPSS، والقدرة على القراءة السيكومترية الرصينة للنتائج، يمثل المعيار الذهبي للبحث العلمي الرصين القادر على تحويل الأرقام الإحصائية إلى معارف إنسانية تثري الفهم وتوجه الممارسة العلاجية والتنموية بثبات واقتدار.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Beck, A. T., Steer, R. A., & Brown, G. K. (1996). Manual for the Beck Depression Inventory-II. Psychological Corporation. https://www.pearsonassessments.com/
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e
• Gravetter, F. J., Wallnau, L. B., Forzano, L. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning. https://www.cengage.com/
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning. https://www.cengage.com/
• IBM Corp. (2021). IBM SPSS Statistics for Windows, Version 28.0. IBM Corp. https://www.ibm.com/products/spss-statistics
• Wechsler, D. (2008). Wechsler Adult Intelligence Scale–Fourth Edition (WAIS-IV). Pearson. https://www.pearsonassessments.com/