كيفية حساب الوسيط من جدول تكراري (مع أمثلة)

تُعد مقاييس النزعة المركزية الركيزة الأساسية التي يقوم عليها علم الإحصاء الوصفي والاستدلالي، حيث توفر للمحللين والباحثين وسيلة رياضية مُحكمة لتكثيف مجموعات البيانات الضخمة وتمثيلها في قيمة مفردة تعبر عن الموضع الوسيطي أو المركز النموذجي للتوزيع. وفي خضم التطبيقات الإحصائية المعاصرة، لا سيما في مجالات القياس النفسي والعلوم الاجتماعية والتربوية والطبية، تبرز الحاجة الملحة إلى التعامل مع البيانات المنظمة في جداول تكرارية، والتي تفرض معالجات رياضية خاصة تختلف عن البيانات الأولية الخام غير المنظمة.

يمثل الوسيط (Median) أحد أكثر المقاييس متانة ورصانة إحصائية، نظراً لخصائصه الرياضية الفريدة التي تجعله عصياً على التأثر بالقيم الشاذة أو الالتواءات الحادة في التوزيعات التكرارية. وعندما يتم تلخيص البيانات في جداول تكرارية بسيطة أو مبوبة، تكتسب عملية حساب الوسيط طابعاً منهجياً دقيقاً يستند إلى التكرارات التراكمية، ومفاهيم الرتب والاستكمال الخطي، مما يحول البيانات المجدولة إلى مؤشرات دقيقة تعكس الواقع الفعلي للظاهرة المدروسة دون تشويه أو انحياز معرفي.

يقدم هذا الدليل الشامل مرجعاً أكاديمياً وتطبيقياً متكاملاً لطرق وكيفيات حساب الوسيط من مختلف أنماط الجداول التكرارية (سواء كانت بيانات مفردة غير مبوبة أو بيانات مبوبة في فئات ذات أطوال متساوية أو متباينة)، مع تفكيك المعادلات الرياضية خطوة بخطوة، واستعراض الأمثلة التطبيقية المحلولة بالتفصيل، وربطها بالممارسات البحثية في مجالات علم النفس، والقياس السيكومتري، وتحليل الاستبيانات والبرمجيات الإحصائية المتقدمة مثل SPSS و R و Excel.

1. مقدمة نظرية حول مفهوم الوسيط وأهميته في الجداول التكرارية

1.1 تعريف الوسيط كأحد مقاييس النزعة المركزية

يُعرّف الوسيط الإحصائي (Median) بأنه النقطة الرياضية التي تقسم مجموعة من البيانات المرتبة تصاعدياً أو تنازلياً إلى نصفين متساويين تماماً، بحيث يقع 50% من القيم أو التكرارات تحت هذه النقطة، بينما يقع الـ 50% الآخر فوقها. ومن الناحية الهيكلية، يمثل الوسيط المئين الخمسين ($P_{50}$) والربيع الثاني ($Q_2$) في منظومة المقاييس الموضعية، وهو ما يمنحه وضعاً محورياً في دراسة الخصائص التوزيعية للمتغيرات العشوائية المستمرة والمنفصلة على حد سواء.

عند مقارنة الوسيط بالمتوسط الحسابي (Mean) والمنوال (Mode)، يبرز فارق جوهري يتعلق بحساسية كل مقياس لطبيعة البيانات وتركيبتها الداخلية؛ فبينما يعتمد المتوسط الحسابي على القيمة الجبرية الفعلية لكل مفردة من مفردات التوزيع، مما يجعله شديد التأثر بالحسابات المتطرفة والانحرافات الشديدة، يعتمد الوسيط على الرتبة الموضعية (Positional Order) للقيم، الأمر الذي يمنحه مقاومة استثنائية للقيم الشاذة (Outliers Resistance) والبيانات الملوثة أو غير المتوازنة.

تتجلى الخصائص الرياضية للوسيط في كونه المقياس الأمثل للبيانات الترتيبية (Ordinal Data) والبيانات الكمية الفترية أو النسبية ذات التوزيع غير الطبيعي، حيث يفشل المتوسط الحسابي في التعبير الصادق عن النزعة المركزية للبيانات الترتيبية نظراً لعدم تساوي المسافات بين الرتب، في حين يحافظ الوسيط على ترتيب الأولويات وثبات التمركز الإحصائي. وفي العلوم الإنسانية والنفسية، حيث تُقاس السمات والاضطرابات المعقدة عبر مقاييس رتبية متعددة المستويات، يوفر الوسيط وسيلة دقيقة لتمثيل الواقع النفسي للأفراد دون الإفراط في التقدير أو التقليل الحسابي.

1.2 بنية الجدول التكراري ووظائفه الإحصائية

يمثل الجدول التكراري (Frequency Distribution Table) إحدى أهم أدوات الإحصاء الوصفي المستخدمة لاختزال البيانات الأولية الخام (Raw Data) وتحويلها من مصفوفات عشوائية مشتتة إلى هياكل بيانية منتظمة يسهل استيعابها وتفسيرها تحليلياً. وتستند بنية الجدول التكراري إلى تفريغ قيم المتغير المدروس داخل صفوف رأسية تقابلها التكرارات المطلقة التي تعكس عدد مرات ظهور كل قيمة أو فئة داخل العينة المدروسة.

تتضمن العناصر البنيوية الأساسية لأي جدول تكراري: الفئات (Classes) التي قد تكون قيماً كمية منفصلة محددة بدقة أو فترات عددية تتحدد بحدود دنيا وعليا، والتكرار المطلق ($f$) الذي يمثل عدد المشاهدات الواقعة ضمن كل فئة، وأخيراً التكرار التراكمي أو المتجمع (Cumulative Frequency) الذي يلعب دوراً مركزياً في تحديد مواقع المقاييس الموضعية كالوسيط والربيعيات والمئينات من خلال إبراز نمو البيانات التدريجي.

ينقسم البناء التكراري إلى نوعين رئيسيين: الجداول التكرارية البسيطة (غير المبوبة) التي تُستخدم عندما يكون مدى المتغير ضيقاً والبيانات المنفصلة محدودة، والجداول التكرارية ذات الفئات (المبوبة) التي تُعتمد عند التعامل مع عينات كبيرة ومتغيرات متصلة ذات مدى واسع. وتسهم هذه الجداول في تقليص التباين وتسهيل إجراء العمليات الرياضية وحساب المقاييس الإحصائية المتقدمة بدرجة عالية من الكفاءة والموثوقية.

1.3 دواعي استخدام الوسيط بدلاً من المتوسط في الجداول التكرارية

تبرز ضرورة تفضيل الوسيط على المتوسط الحسابي في معالجة الجداول التكرارية عند مواجهة التوزيعات الملتوية إيجابياً (Right-Skewed) أو سلبياً (Left-Skewed)؛ ففي مثل هذه التوزيعات ينسحب المتوسط الحسابي بقوة نحو الذيل الطويل للتوزيع، مما يقدم قراءة مضللة للنزعة المركزية، بينما يظل الوسيط متمركزاً في منطقة الكثافة التكرارية العظمى التي تعبر بصدق عن الغالبية العظمى من أفراد العينة.

كما تظهر القوة المنهجية للوسيط في التعامل مع الجداول التكرارية المفتوحة من أحد الطرفين أو كليهما (Open-Ended Tables)، كأن تكون الفئة الأولى “أقل من 20” أو الفئة الأخيرة “70 فأكثر”. وفي هذه الجداول، يستحيل حساب المتوسط الحسابي رياضياً لعدم القدرة على تحديد مراكز الفئات المفتوحة بدقة، في حين يمكن حساب الوسيط بيسر واكتمال شريطة ألا تقع الفئة الوسيطية ضمن الفئات المفتوحة، وهو الغالب إحصائياً.

إضافة إلى ذلك، يضمن الوسيط الحفاظ على استقرار ودقة النتائج الإحصائية في حالات وجود فجوات تكرارية ملحوظة (Data Gaps) أو انقطاعات في السلسلة العددية للبيانات المجدولة، حيث يحمي التحليل من التشوهات الناتجة عن الصفر التكراري في فئات معينة، ويوفر تقديراً موضعياً ثابتاً يعكس البنية الجوهرية للتوزيع.

2. المفاهيم التأسيسية لبناء الجداول التكرارية واستخراج الوسيط

2.1 التكرار المطلق والتكرار النسبي

يُشكل التكرار المطلق ($f$) حجر الزاوية في بناء الجداول الإحصائية، وهو يعبر عن التعداد العددي المباشر لمرات تكرار مفردة معينة أو حدوث قيم تنتمي لمجال فئة محددة داخل المجتمع أو العينة الإحصائية. ويؤدي حساب مجموع التكرارات المطلقة ($\sum f$) إلى تحديد الحجم الكلي للعينة المدروسة ويرمز له رياضياً بالرمز ($N$) أو ($n$).

أما التكرار النسبي (Relative Frequency) فيمثل النسبة الرياضية الحاصلة من قسمة التكرار المطلق لكل فئة على الحجم الإجمالي للعينة، أي أن التكرار النسبي = $f / N$. وعند ضرب هذه النسبة في 100، نحصل على التكرار المئوي (Percentage Frequency)، والذي يسمح بمقارنة الفئات داخل الجدول الواحد أو مقارنة توزيعات تكرارية مختلفة الأحجام على قاعدة معيارية موحدة تتراوح دائماً بين 0% و 100%.

يلعب حجم العينة الإجمالي ($N$) دوراً حاسماً في استقرار التقديرات الإحصائية المستخرجة من الجداول التكرارية؛ حيث يؤدي تضخم حجم العينة إلى تقليل الخطأ المعياري للوسيط، ويزيد من تقارب التوزيع التجريبي مع التوزيع النظري للمتغير المدروس، مما يعزز الثقة في دقة النتائج المستخرجة واستدلالاتها الميدانية.

2.2 التكرار المتجمع الصاعد (Cumulative Frequency)

يُعد التكرار المتجمع الصاعد (Cumulative Frequency – CF) المفهوم الرياضي والمنهجي الأهم عند السعي لاستخراج الوسيط والمقاييس الموضعية من الجداول التكرارية. ويعبر هذا المفهوم عن التراكم التتابعي للتكرارات بدءاً من أدنى قيمة أو فئة في التوزيع ووصولاً إلى أعلاها، حيث يجيب التكرار التراكمي لأي نقطة عن السؤال التالي: “كم عدد المفردات في العينة التي تقل قيمتها عن أو تساوي هذه القيمة أو الحد الأعلى لهذه الفئة؟”

تتم خطوات بناء عمود التكرار المتجمع الصاعد بطريقة تكرارية متسلسلة ودقيقة، حيث يُوضع تكرار الفئة الأولى نفسه كأول تكرار تراكمي، ثم يُضاف إليه تكرار الفئة الثانية لتوليد التكرار التراكمي الثاني، ويستمر الجمع التدريجي المتتالي لكل صف حتى نصل إلى الفئة الأخيرة من الجدول التكراري.

يمثل التحقق الرياضي من مطابقة التكرار التراكمي الأخير لإجمالي حجم العينة ($N = \sum f$) صمام الأمان الحسابي للتأكد من خلو الجدول من أي أخطاء جمع أو تفريغ، وبمجرد اكتمال هذا العمود يصبح الباحث مؤهلاً للبحث عن موقع الوسيط وإسقاطه موضعياً على البنية التكرارية للعينة.

2.3 تحديد رتبة الوسيط (Median Position)

تُعرف رتبة الوسيط (Median Rank / Position) بأنها المؤشر العددي الترتيبي الذي يحدد موقع القيمة الوسيطية داخل سلسلة البيانات التكرارية بعد ترتيبها، وهي تختلف اختلافاً جذرياً عن القيمة الفعلية للوسيط (Median Value)؛ فالرتبة هي “أين يقع الوسيط في التسلسل؟”، بينما القيمة هي “ما هو المقدار العددي الذي يحمله هذا الموقع؟”.

في حالة البيانات المنفصلة والجداول التكرارية البسيطة ذات المجموع التكراري الفردي، تتحدد رتبة الوسيط بالمعادلة الكلاسيكية:

$$\text{رتبة الوسيط} = \frac{N + 1}{2}$$

حيث ينتج عن هذه المعادلة رقم ترتيبي صحيح مفرد يمثل النقطة المنصفة تماماً للبيانات، مما يجعل تحديد القيمة المقابلة أمراً مباشراً.

أما في حالة المجموع التكراري الزوجي، ينقسم التوزيع إلى رتبتين وسيطيتين متجاورتين هما:

$$\text{الرتبة الأولى} = \frac{N}{2} \quad \text{و} \quad \text{الرتبة الثانية} = \frac{N}{2} + 1$$

ويتطلب استخراج الوسيط حينها البحث عن القيمتين المقابلتين لهاتين الرتبتين وحساب متوسطهما الحسابي، مما يضمن التوازن الهندسي والرياضي لكلا نصفي التوزيع.

3. الخطوات المنهجية لحساب الوسيط من جدول تكراري بسيط (بيانات غير مبوبة)

3.1 المرحلة الأولى: حصر البيانات وحساب المجموع الكلي للتكرارات

تبدأ العملية الحسابية لاستخراج الوسيط من الجداول التكرارية البسيطة (التي تشتمل على قيم منفصلة للمتغير دون فترات أو فئات) بمراجعة شاملة لعمود المتغير المستهدف والتأكد التام من ترتيب قيمه ترتيباً تصاعدياً دقيقاً (من الأصغر إلى الأكبر)؛ حيث إن أي إخلال بترتيب القيم في العمود الأول سيقود حتماً إلى إسقاط خاطئ للرتبة وتوليد نتيجة مضللة بالكامل.

تلي ذلك خطوة الجمع الرياضي لجميع التكرارات المطلقة الواردة في عمود التكرار ($f$) لحساب الحجم الإجمالي للعينة ($N$)، وهو الأساس الذي ستُبنى عليه كافة الخطوات التالية. وفي هذه المرحلة، يتم فحص طبيعة العدد الإجمالي ($N$) وتصنيفه صراحة إلى عدد فردي أو زوجي لتحديد المسار الحسابي المناسب للرتب.

تتطلب هذه المرحلة التحقق من عدم وجود تكرارات سالبة أو قيم مهملة، والتأكد من شمولية الجدول لكافة المفردات المرصودة في التجربة أو البحث الميداني، مما يرسخ قاعدة صلبة وموثوقة للانتقال إلى المرحلة التالية من التحليل.

3.2 المرحلة الثانية: تكوين عمود التكرار التراكمي

يتم إنشاء عمود إضافي ملاصق لعمود التكرار المطلق ويُعنون بـ “التكرار المتجمع الصاعد” ($CF$). وتبدأ العملية بوضع تكرار القيمة الأولى في التوزيع داخل الخلية الأولى من عمود التراكم، نظراً لعدم وجود أي قيم تسبقها في الترتيب التصاعدي.

بعد ذلك، يتم جمع التكرار التراكمي للصف السابق مع التكرار المطلق للصف الحالي لوضع الناتج في خلية التكرار التراكمي للصف الحالي، وتتكرر هذه العملية الحسابية الجمعية حتى نهاية الجدول وفق القاعدة الرياضية التكرارية:

$$CF_i = CF_{i-1} + f_i$$

حيث يمثل $CF_i$ التكرار التراكمي للصف الحالي، و $CF_{i-1}$ التكرار التراكمي للصف السابق، و $f_i$ التكرار المطلق للصف الحالي.

تُختتم هذه المرحلة بمقارنة القيمة الأخيرة في عمود التكرار التراكمي مع المجموع الكلي للتكرارات ($N$)؛ فإذا تطابقت القيمتان تماماً دل ذلك على صحة العمليات الحسابية المتسلسلة وجاهزية الجدول لإسقاط الرتبة عليه.

3.3 المرحلة الثالثة: إسقاط رتبة الوسيط على التكرار التراكمي

في هذه المرحلة الحاسمة، تُطبق معادلة رتبة الوسيط المناسبة (بناءً على زوجية أو فردية $N$) لاستخراج الموقع العددي للوسيط، ثم يبدأ الباحث في فحص عمود التكرار المتجمع الصاعد من أعلى إلى أسفل للبحث عن أول قيمة تراكمية تكون “أكبر من أو تساوي” رتبة الوسيط المستخرجة.

يمثل التكرار التراكمي الذي يحقق هذا الشرط الحاوية الإحصائية التي تستقر فيها المفردة الوسيطية؛ حيث يعكس وصول التراكم إلى هذا الحد استيعاب كافة الرتب السابقة بما فيها رتبة الوسيط المستهدفة.

بمجرد تحديد هذا الصف في الجدول، يتم التحرك أفقياً باتجاه العمود الأول لاستخراج قيمة المتغير المقابلة لهذا التكرار التراكمي، وتكون هذه القيمة هي الوسيط الإحصائي الفعلي للبيانات، دون الحاجة لإجراء أي استكمالات رياضية إضافية في حالة الجداول البسيطة غير المبوبة.

4. حساب الوسيط في حالة المجموع التكراري الفردي (أمثلة محلولة بالتفصيل)

4.1 مثال 1: دراسة تكرار درجات مقياس القلق لدى عينة من 17 مشاركاً

أجريت دراسة سيكومترية على عينة قوامها 17 طالباً جامعياً لتقييم مستوى القلق الأكاديمي باستخدام مقياس مقنن، وسُجلت الدرجات المنفصلة (من 10 إلى 14) ورُتبت في جدول تكراري بسيط على النحو الآتي:

درجة مقياس القلق ($X$)	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
10	2	2
11	4	6
12	5	11
13	4	15
14	2	17
المجموع ($\sum$)	17	–

لتفكيك الأساس الرياضي لهذا الجدول، يمكن كتابة القيم في صورة متسلسلة فردية ممتدة: ${10, 10, 11, 11, 11, 11, 12, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14}$. وبما أن إجمالي التكرار فردي ($N = 17$)، فإن رتبة الوسيط تُحسب كما يلي:

$$\text{رتبة الوسيط} = \frac{17 + 1}{2} = \frac{18}{2} = 9$$

بالنظر إلى عمود التكرار التراكمي ($CF$)، نجد أن التكرارات التراكمية تتوالى: 2 ثم 6 ثم 11. وأول تكرار تراكمي أكبر من أو يساوي الرتبة (9) هو التكرار (11). وبالنظر إلى الدرجة المقابلة لهذا التكرار التراكمي نجدها $X = 12$. وبالمطابقة مع السلسلة الممتدة، نجد أن القيمة التاسعة هي بالفعل 12، وعليه فإن قيمة وسيط درجات القلق تساوي 12 درجة تماماً.

4.2 مثال 2: حساب وسيط عدد ساعات النوم لـ 25 مريضاً نفسياً

في بحث إكلينيكي لدراسة اضطرابات النوم، تم حصر عدد ساعات النوم اليومية لعينة مكونة من 25 مريضاً بالاكتئاب السريري، وتم تفريغ البيانات في الجدول التكراري التالي:

عدد ساعات النوم ($X$)	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
4	3	3
5	6	9
6	8	17
7	5	22
8	3	25
المجموع ($\sum$)	25	–

نحدد أولاً رتبة الوسيط نظراً لكون حجم العينة فردياً ($N = 25$):

$$\text{رتبة الوسيط} = \frac{25 + 1}{2} = \frac{26}{2} = 13$$

بتتبع عمود التكرار المتجمع الصاعد، نجد أن الفئة الأولى تستوعب حتى الرتبة 3، والفئة الثانية تستوعب حتى الرتبة 9، بينما الفئة الثالثة ($X = 6$) تستوعب الرتب من 10 إلى 17. وبما أن الرتبة 13 تقع ضمن هذا النطاق، فإن القيمة المقابلة هي 6 ساعات.

التفسير الإكلينيكي والنفسي: تعني هذه النتيجة الإحصائية أن 50% من المرضى في هذه العينة ينامون 6 ساعات أو أقل يومياً، في حين ينام الـ 50% الآخرون 6 ساعات أو أكثر، مما يشير إلى أن النمط الوسيطي للنوم لدى هذه الفئة يقل بوضوح عن المعدل الطبيعي الموصى به للبالغين الأصحاء (7-8 ساعات)، وهو مؤشر سيكومتري ذو دلالة تشخيصية قوية.

4.3 تحليل الأخطاء المحتملة في العينات الفردية

يقع العديد من المبتدئين في التحليل الإحصائي في خطأ جسيم يتمثل في الخلط بين “رتبة الوسيط” و”قيمة الوسيط”؛ كأن يعتبر المحلل أن ناتج قسمة $(N+1)/2$ البالغ مثلاً 9 هو الوسيط نفسه، ويعلن أن وسيط درجات القلق هو 9، متجاهلاً أن الرقم 9 ليس سوى موقع تسلسلي في التوزيع، بينما القيمة المقابلة في عمود المتغير هي 12.

وثمة خطأ منهجي آخر شائع الحدوث يتمثل في إهمال الترتيب التصاعدي لقيم المتغير في العمود الأول عند تفريغ البيانات الأولية؛ كأن تُكتب القيم بترتيب عشوائي أو هابط، مما يجعل الجمع التراكمي يراكم تكرارات غير متسلسلة ويؤدي إلى تحديد فئة خاطئة تماماً للوسيط.

كما تشمل الأخطاء الحسابية الانزلاق في حساب التكرار التراكمي الصاعد من خلال التخطي أو الجمع المزدوج لأحد الصفوف التكرارية، مما يؤدي إلى عدم مطابقة الرقم النهائي لحجم العينة ($N$) وتشويه الإسقاط الرتبي للوسيط؛ ولذا يجب التحقق الصارم من صحة التراكم قبل المضي قدماً في استخراج النتيجة.

5. حساب الوسيط في حالة المجموع التكراري الزوجي (أمثلة ونماذج متقدمة)

5.1 الآلية الرياضية للتعامل مع الرتبتين الوسيطيتين

عندما يكون الحجم الكلي للتكرارات في الجدول عدداً زوجياً ($N pmod 2 = 0$)، لا يوجد موقع مفرد ينصف التوزيع تماماً، بل توجد رتبتان وسيطيتان مركزيتان تقسمان البيانات إلى نصفين متماثلين، وتُحسب هاتان الرتبتان وفق المعادلتين:

$$R_1 = \frac{N}{2} \quad \text{و} \quad R_2 = \frac{N}{2} + 1$$

تتطلب المعالجة الرياضية هنا فحص موقع هاتين الرتبتين في عمود التكرار المتجمع الصاعد، وينشأ عن ذلك احتمالان أساسيان:

• الاحتمال الأول: أن تقع الرتبتان ($R_1$) و ($R_2$) في نطاق نفس التكرار التراكمي المقابل لنفس القيمة للمتغير، وحينها تكون قيمة الوسيط مساوية مباشرة لتلك القيمة دون الحاجة لحسابات إضافية، لأن متوسط القيمة مع نفسها هو نفس القيمة ($ (X_1 + X_1) / 2 = X_1 $).
• الاحتمال الثاني: أن تقع الرتبة الأولى ($R_1$) عند الحد الأقصى لتكرار تراكمي معين، بينما تقع الرتبة الثانية ($R_2$) في التكرار التراكمي للصف الذي يليه، وفي هذه الحالة يمثل الوسيط المتوسط الحسابي للقيمتين المقابلتين لهاتين الرتبتين:
  $$\text{الوسيط} = \frac{X_{(R_1)} + X_{(R_2)}}{2}$$

5.2 مثال 1: تحليل استجابات 20 طالباً على مقياس الرضا الأكاديمي

طُبق مقياس ليكرت خماسي التدريج (من 1 = غير راضٍ تماماً، إلى 5 = راضٍ تماماً) على عينة مكونة من 20 طالباً لتقييم جودة البيئة التعليمية، ولُخصت الاستجابات في الجدول التكراري الآتي:

درجة الرضا ($X$)	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
1	2	2
2	4	6
3	4	10
4	7	17
5	3	20
المجموع ($\sum$)	20	–

نظراً لأن حجم العينة زوجي ($N = 20$)، نستخرج الرتبتين الوسيطيتين:

$$R_1 = \frac{20}{2} = 10 \quad \text{و} \quad R_2 = 10 + 1 = 11$$

بالرجوع إلى عمود التكرار التراكمي ($CF$):

• الرتبة 10 تقع في التكرار التراكمي (10)، والذي تقابله الدرجة $X = 3$.
• الرتبة 11 تقع في التكرار التراكمي التالي (17)، والذي تقابله الدرجة $X = 4$.

لحساب الوسيط النهائي، نأخذ المتوسط الحسابي لهاتين الدرجتين:

$$\text{الوسيط} = \frac{3 + 4}{2} = 3.5$$

تشير هذه النتيجة إلى أن وسيط مستوى الرضا يستقر عند 3.5 على المقياس الخماسي، مما يعكس اتجاهاً إيجابياً معتدلاً بين الطلاب يميل نحو الرضا الأكاديمي.

5.3 مثال 2: بيانات تكرارية زوجية مع فجوات بين القيم

في اختبار للقدرات المعرفية والذكاء طُبق على عينة مكونة من 50 موظفاً، كانت النتائج موزعة على قيم متفرقة تشهد فجوات عددية بين المستويات المرصودة، وجاء الجدول التكراري على النحو التالي:

درجة القدرة المعرفية ($X$)	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
85	8	8
90	12	20
105	15	35
115	10	45
130	5	50
المجموع ($\sum$)	50	–

نحسب الرتبتين الوسيطيتين بناءً على المجموع الزوجي ($N = 50$):

$$R_1 = \frac{50}{2} = 25 \quad \text{و} \quad R_2 = 25 + 1 = 26$$

بتتبع عمود التكرار التراكمي، نجد أن الفئة الثانية استوعبت حتى الرتبة 20، بينما الفئة الثالثة ($X = 105$) تستوعب التراكم من 21 حتى 35. وعليه، فإن كلاً من الرتبة 25 والرتبة 26 تقعان بالكامل داخل الفئة المقابلة للدرجة 105.

$$\text{الوسيط} = \frac{105 + 105}{2} = 105$$

الدلالة الإحصائية: بالرغم من وجود قفزة عددية من 90 إلى 105 ثم إلى 115، حافظ الوسيط على ثباته الموضعي عند 105 دون أن يتشوه بالفجوات الرقمية المحيطة، وهو ما يبرهن على رصانة الوسيط في عكس نقطة الثقل التوزيعية للعينات الزوجية حتى مع غياب التتابع الرقمي الخطي للقيم.

6. حساب الوسيط للجداول التكرارية ذات الفئات (البيانات المبوبة)

6.1 خصائص الجداول التكرارية ذات الفئات

تُعد الجداول التكرارية ذات الفئات (Grouped Frequency Tables) الأسلوب الرياضي الأمثل لتلخيص المتغيرات المتصلة (Continuous Variables) أو المتغيرات المنفصلة ذات المدى الواسع. وتتميز هذه الجداول بوجود مدى رقمي محدد لكل صف يُعرف بـ “الفئة”، والتي تمتلك حداً أدنى ظاهرياً وحداً أعلى ظاهرياً.

ومع ذلك، تتطلب المعالجة الرياضية لحساب الوسيط تحويل الحدود الظاهرية (Apparent Limits) إلى حدود حقيقية أو فعلية (Real Class Boundaries)، وذلك لمعالجة الاتصال الهندسي للبيانات وسد الفجوات الحسابية بين الفئات. ويتم ذلك عادة بطرح نصف وحدة قياس (مثل 0.5 للبيانات الصحيحة) من الحد الأدنى الظاهري وإضافتها إلى الحد الأعلى الظاهري.

كما يُعد طول الفئة ($C$ أو $h$ أو $w$) معلماً رياضياً جوهرياً، ويُحسب عبر طرح الحد الأدنى الفعلي من الحد الأعلى الفعلي لنفس الفئة ($C = \text{الحد الأعلى الحقيقي} – \text{الحد الأدنى الحقيقي}$). أما مركز الفئة ($Midp\oint$)، فهو المتوسط الحسابي لحدي الفئة، وعلى الرغم من أهميته البالغة في حساب المتوسط الحسابي، إلا أن حساب الوسيط يتجاوزه ليركز مباشرة على الحدود الفعلية والتراكم الداخلي للبيانات.

6.2 تحديد الفئة الوسيطية (Median Class)

تُمثل الفئة الوسيطية (Median Class) تلك الفترة العددية الحاضنة التي تستقر داخلها القيمة الوسيطية للتوزيع. ولا يمكن تطبيق معادلات الاستكمال الرياضي لحساب الوسيط دون التحديد المسبق والدقيق لهذه الفئة، حيث تُستخرج كافة معطيات المعادلة بناءً على موقعها وخصائصها التكرارية.

يتم تحديد الفئة الوسيطية من خلال المعيار الرياضي الموحد للجداول المبوبة، وهو نصف المجموع الكلي للتكرارات ($N/2$)، بصرف النظر عما إذا كان $N$ عدداً فردياً أو زوجياً؛ نظراً لأن الفئات تمثل مساحات ومجالات متصلة وليست مجرد نقاط منفصلة، مما يجعل $N/2$ النقطة الهندسية المنصفة لمساحة التوزيع التكراري.

يقوم المحلل بالبحث في عمود التكرار المتجمع الصاعد ($CF$) عن أول فئة يتجاوز تكرارها التراكمي أو يساوي المقدار ($N/2$). ويُشترط للاعتماد الرياضي للفئة الوسيطية أن تكون فئة حقيقية تقع داخل النطاق المغلق للتوزيع، حيث تصبح هي المرجع الأساسي لتطبيق قانون الاستكمال الخطي اللاحق.

6.3 المتغيرات المؤثرة في دقة حساب وسيط الفئات

ترتكز دقة حساب الوسيط من الفئات التكرارية على فرضية رياضية بالغة الأهمية تُعرف بـ “فرضية التوزيع المنتظم الخطي” (Uniform Distribution Assumption) للبيانات داخل الفئة؛ حيث تفترض صيغ الحساب أن مفردات الفئة الوسيطية تنتشر بمسافات متساوية تماماً عبر المدى الفئوي من الحد الأدنى الحقيقي إلى الحد الأعلى الحقيقي.

تؤثر أطوال الفئات ($C$) تأثيراً مباشراً على دقة التقريب؛ فكلما كان طول الفئات صغيراً وعدد الفئات مناسباً، اقتربت نتيجة الوسيط المحسوب من القيمة الحقيقية الدقيقة للبيانات الخام قبل تبويبها، بينما يؤدي استخدام فئات مفرطة الطول والاتساع إلى فقدان بعض التفاصيل الدقيقة للتوزيع وتزايد خطأ التقدير الاستكمالي.

كذلك يلعب تفاوت أطوال الفئات داخل الجدول الواحد دوراً في تعقيد الحسابات؛ إذ يجب التأكد في حالة الفئات غير المتساوية من استخدام طول الفئة الوسيطية ذاتها تحديداً ($C_{median}$) داخل المعادلة الرياضية لتجنب تحريف النتيجة الإحصائية للوسيط.

7. الصيغة الرياضية للاستكمال الخطي (Linear Interpolation) لحساب الوسيط

7.1 شرح معادلة الاستكمال الخطي بالتفصيل

تُعد معادلة الاستكمال الخطي (Linear Interpolation Formula) الصيغة القياسية المعترف بها دولياً في الإحصاء الرياضي لاستخراج وسيط البيانات المبوبة في جداول تكرارية، وتُكتب المعادلة على النحو الآتي:

$$\text{Median} = L + \left( \frac{\frac{N}{2} – F}{f_m} \right) \times C$$

تتضمن هذه المعادلة خمسة معالم رئيسية تم تفكيكها وتحديدها بدقة رياضية صارمة كالآتي:

• $L$ (Lower Boundary): الحد الأدنى الفعلي (الحقيقي) للفئة الوسيطية.
• $N$ (Total Frequency): المجموع الإجمالي لكافة التكرارات المطلقة في الجدول ($\sum f$).
• $F$ (Previous Cumulative Frequency): التكرار المتجمع الصاعد للفئة السابقة مباشرة للفئة الوسيطية.
• $f_m$ (Median Class Frequency): التكرار المطلق الخاص بالفئة الوسيطية ذاتها.
• $C$ (Class Width): طول الفئة الوسيطية (الحد الأعلى الحقيقي – الحد الأدنى الحقيقي للفئة الوسيطية).

7.2 الاشتقاق الهندسي والرياضي لمعادلة الوسيط

يقوم الاشتقاق الرياضي لمعادلة الوسيط على مبدأ التناسب الخطي (Linear Proportionality) بين تزايد التكرار التراكمي وتزايد المدى العددي للفئة؛ فإذا كانت الفئة الوسيطية تمتد من الحد الأدنى $L$ إلى الحد الأعلى $U$ بطول قدره $C = U – L$، وتحتوي على عدد من التكرارات مقداره $f_m$، فإن أي مسافة جزئية من التكرار تقابلها مسافة جزئية متناسبة من طول الفئة.

وبما أننا نحتاج إلى الوصول إلى النقطة التي يبلغ عندها التراكم التكراري قيمة $N/2$، فإن عدد التكرارات الإضافية المطلوبة بعد تجاوز الفئة السابقة هو $(N/2 – F)$. ومن ثم، تصبح النسبة المئوية للتكرارات المطلوبة داخل الفئة الوسيطية هي:

$$\text{النسبة التكرارية} = \frac{\frac{N}{2} – F}{f_m}$$

وبضرب هذه النسبة في الطول الكلي للفئة ($C$)، نحصل على الإزاحة العددية الخطية الدقيقة فوق الحد الأدنى $L$. وبإضافة هذه الإزاحة إلى الحد الأدنى الحقيقي $L$، تتولد معادلة الوسيط بصيغتها البرهانية الكاملة. وهذا الاشتقاق يوضح بجلاء حتمية استخدام الحدود الحقيقية بدلاً من الظاهرية لضمان عدم وجود فجوات في المساحة الهندسية تحت المنحنى التكراري.

7.3 خطوات التطبيق الحسابي المنهجي للمعادلة

لضمان الحصول على نتيجة دقيقة وتفادي الأخطاء الحسابية الشائعة، يجب اتباع تسلسل منهجي صارم لتطبيق العمليات الرياضية وفق الخطوات التالية:

1. حساب رتبة الوسيط: استخراج قيمة $N/2$ بدقة من خلال قسمة مجموع التكرارات على 2.
2. تحديد الفئة الوسيطية: إسقاط $N/2$ على عمود التكرار التراكمي لتحديد صف الفئة الوسيطية واستخراج معالمها ($L, F, f_m, C$).
3. حساب البسط التراكمي: إجراء عملية الطرح داخل القوس أولاً $(N/2 – F)$.
4. القسمة على تكرار الفئة: قسمة ناتج الطرح على التكرار المطلق للفئة الوسيطية $f_m$.
5. الضرب في طول الفئة: ضرب الناتج العشري السابق في طول الفئة $C$.
6. الجمع النهائي: إضافة الناتج النهائي إلى الحد الأدنى الفعلي $L$.

قاعدة التحقق الذاتي: يجب دائماً التأكد من أن قيمة الوسيط النهائية الناتجة تقع حتماً داخل المدى الممتد بين الحد الأدنى الحقيقي والحد الأعلى الحقيقي للفئة الوسيطية ($L le \text{Median} le U$)؛ فإذا خرج الناتج عن هذه الحدود، دل ذلك قطعياً على وجود خطأ في العمليات الحسابية أو اختيار المعالم.

8. أمثلة تطبيقية شاملة لحساب الوسيط من فئات تكرارية

8.1 مثال 1: حساب وسيط درجات الاكتئاب (فئات متساوية الطول)

في دراسة مسحية شملت 100 مريض نفسي لتقييم حدة الأعراض الاكتئابية باستخدام مقياس بيك للاكتئاب (BDI)، جُمعت الدرجات في جدول تكراري ذي فئات متساوية الطول على النحو التالي:

فئات الدرجات	الحدود الحقيقية للفئات	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
10 – 19	9.5 – 19.5	14	14
20 – 29	19.5 – 29.5	26	40
30 – 39	29.5 – 39.5	35	75
40 – 49	39.5 – 49.5	18	93
50 – 59	49.5 – 59.5	7	100
المجموع ($\sum$)	–	100	–

خطوات الحل الحسابي:

1. تحديد رتبة الوسيط: $N / 2 = 100 / 2 = 50$.

2. بتتبع عمود التكرار المتجمع الصاعد ($CF$)، نجد أن الفئة الوسيطية هي الفئة الثالثة (30 – 39) لأن تكرارها التراكمي (75) هو أول تكرار أكبر من أو يساوي 50.

3. استخراج معطيات المعادلة من واقع الفئة الوسيطية:

• الحد الأدنى الحقيقي للفئة الوسيطية ($L$) = 29.5.
• التكرار المتجمع الصاعد للفئة السابقة ($F$) = 40.
• التكرار المطلق للفئة الوسيطية ($f_m$) = 35.
• طول الفئة ($C$) = $39.5 – 29.5 = 10$.

4. التعويض في صيغة الاستكمال الخطي:

$$\text{Median} = L + \left( \frac{\frac{N}{2} – F}{f_m} \right) \times C$$

$$\text{Median} = 29.5 + \left( \frac{50 – 40}{35} \right) \times 10$$

$$\text{Median} = 29.5 + \left( \frac{10}{35} \right) \times 10 = 29.5 + (0.2857 \times 10) = 29.5 + 2.857 = 32.357 \approx 32.36$$

التفسير الإكلينيكي: تستقر الدرجة الوسيطية للاكتئاب عند 32.36 درجة، وبالرجوع إلى الأدلة التشخيصية لمقياس بيك للاكتئاب، تقع هذه الدرجة ضمن تصنيف “الاكتئاب الشديد” (Severe Depression)، مما يدل على أن ما لا يقل عن نصف العينة المفحوصة يعانون من مستويات سريرية حرجة تتطلب تدخلاً علاجياً عاجلاً.

8.2 مثال 2: حساب وسيط زمن الرجع الحركي بالمللي ثانية (بيانات متصلة)

في تجربة فيزيولوجية-نفسية لقياس زمن الرجع الحركي (Reaction Time) السمعي مقاساً بالمللي ثانية (ms) لدى 80 مشاركاً، قُسمت البيانات المستمرة إلى الفئات التكرارية التالية ذات الحدود الحقيقية المباشرة:

فئات زمن الرجع (ms)	التكرار المطلق ($f$)	التكرار المتجمع الصاعد ($CF$)
150 – 199.9	10	10
200 – 249.9	22	32
250 – 299.9	28	60
300 – 349.9	14	74
350 – 399.9	6	80
المجموع ($\sum$)	80	–

التطبيق الرياضي:

1. رتبة الوسيط = $N / 2 = 80 / 2 = 40$.

2. الفئة الوسيطية المقابلة للرتبة 40 هي الفئة (250 – 299.9) بتراكم صاعد يبلغ 60.

3. استخراج المعالم:

• $L = 200$ أو هنا تحديداً الحد الأدنى الفعلي هو $250$.
• $F = 32$.
• $f_m = 28$.
• $C = 300 – 250 = 50\text{ ms}$.

4. الحساب الجبري:

$$\text{Median} = 250 + \left( \frac{40 – 32}{28} \right) \times 50 = 250 + \left( \frac{8}{28} \right) \times 50 = 250 + (0.2857 \times 50) = 250 + 14.286 = 264.29\text{ ms}$$

نلاحظ أن القيمة 264.29 تقع داخل الفئة (250 إلى 300)، مما يؤكد دقة واستقرار العملية الحسابية للبيانات الفيزيولوجية المتصلة.

8.3 مثال 3: التعامل مع الفئات غير المتساوية الطول

في بعض الدراسات الاجتماعية، تُصمم الجداول بفئات متباينة الطول لتغطية تركزات معينة للمتغير، كما هو مبين في جدول فئات الدخل الشهري بالدولار لعينة من 60 باحثاً:

فئات الدخل ($)	الحدود الحقيقية	طول الفئة ($C$)	التكرار ($f$)	التكرار المتجمع ($CF$)
500 – 999	499.5 – 999.5	500	12	12
1000 – 1999	999.5 – 1999.5	1000	18	30
2000 – 3999	1999.5 – 3999.5	2000	20	50
4000 – 7999	3999.5 – 7999.5	4000	10	60
المجموع ($\sum$)	–	–	60	–

المعالجة الرياضية:

1. رتبة الوسيط = $60 / 2 = 30$.

2. الفئة الوسيطية: بالنظر لعمود $CF$، نجد أن التكرار التراكمي 30 يقع عند نهاية الفئة الثانية تماماً (1000 – 1999) التي حدها الأعلى الحقيقي هو 1999.5.

3. نطبق المعادلة على الفئة الثانية:

• $L = 999.5$
• $F = 12$
• $f_m = 18$
• $C = 1000$ (طول الفئة الثانية تحديداً)

$$\text{Median} = 999.5 + \left( \frac{30 – 12}{18} \right) \times 1000 = 999.5 + \left( \frac{18}{18} \right) \times 1000 = 999.5 + 1000 = 1999.5$$$

تثبت هذه النتيجة أن الوسيط يقع بالضبط عند الحد الأعلى الفعلي للفئة الثانية (والذي يمثل بدوره الحد الأدنى للفئة الثالثة)، وهو ما يتطابق بنيوياً مع اكتمال تراكم النصف الأول للعينة ($N/2 = 30$) عند هذه النقطة المحددة.

9. التمثيل البياني للجداول التكرارية واستخراج الوسيط بيانياً

9.1 رسم منحنى التكرار المتجمع الصاعد (Ogive)

يُمثل منحنى التكرار المتجمع الصاعد، المعروف في الأدبيات الإحصائية باسم الأوجيف (Ogive)، الأداة الهندسية الأساسية لتمثيل التراكم الإحصائي بيانياً واستخراج المقاييس الموضعية بطريقة بصرية دقيقة تعزز الفهم الهندسي للبيانات المجدولة.

لبناء منحنى الأوجيف، يُنشأ نظام إحداثي ديكارتي ثنائي الأبعاد يتكون من:

• المحور الأفقي (المحور السيني – $X$): وتُمثَّل عليه الحدود الحقيقية العليا للفئات التكرارية بمسافات قياسية منتظمة.
• المحور الرأسي (المحور الصادي – $Y$): وتُمثَّل عليه التكرارات المتجمعة الصاعدة بدءاً من الصفر وحتى المجموع الكلي للتكرارات ($N$) أو النسب المئوية التراكمية حتى 100%.

تُعيّن النقاط الإحداثية في المستوى البياني عبر ربط الحد الأعلى الحقيقي لكل فئة بتكرارها المتجمع الصاعد المقابل، مع إضافة نقطة الصفر التراكمي عند الحد الأدنى الحقيقي للفئة الأولى، ثم تُوصل هذه النقاط ببعضها بواسطة منحنى أملس ممتد تصاعدياً ليعبر عن التدفق التراكمي الشامل للعينة.

9.2 طريقة استخراج الوسيط من المنحنى البياني خطوة بخطوة

يتطلب استخراج الوسيط من منحنى التكرار المتجمع الصاعد تطبيق آلية الإسقاط الهندسي المتعامد وفق الخطوات التالية:

1. تحديد موضع النصف التكراري: تحديد النقطة المقابلة لـ ($N/2$) أو (50%) على المحور الرأسي الصادي بدقة بالغة.
2. المد الأفقي: رسم خط مستقيم أفقي يوازي المحور السيني تماماً وينطلق من نقطة ($N/2$) على المحور الصادي باتجاه منحنى الأوجيف حتى يتقاطع معه في نقطة محددة ($P$).
3. الإسقاط الرأسي: إسقاط خط مستقيم عمودي ينزل من نقطة التقاطع ($P$) ليتعامد مباشرة مع المحور الأفقي (السيني).
4. قراءة قيمة الوسيط: قراءة القيمة العددية الناتجة عند موضع ملامسة الخط العمودي للمحور الأفقي؛ وتمثل هذه القراءة البيانية قيمة الوسيط التقديرية.

عند مقارنة القيمة المستخرجة بيانياً بالقيمة المحسوبة جبرياً عبر صيغة الاستكمال الخطي، يُلاحظ وجود تطابق كبير بينهما؛ حيث يمثل الاستكمال الخطي التعبير الرياضي الصريح لنفس عملية الإسقاط الهندسي تحت فرضية خطية المنحنى بين نقاط التراكم.

9.3 استخراج الوسيط باستخدام تقاطع المنحنيين الصاعد والهابط

ثمة طريقة بيانية بديلة وشديدة الأناقة والدقة تتمثل في رسم منحنى التكرار المتجمع الصاعد (Less than Ogive) جنباً إلى جنب مع منحنى التكرار المتجمع الهابط (More than Ogive) على نفس المستوى الإحداثي المشترك.

يبدأ منحنى التكرار المتجمع الهابط من أعلى قيمة تكرارية ($N$) عند الحد الأدنى الفعلي للفئة الأولى، ويتناقص تدريجياً مع تقدم الحدود الحقيقية الدنيا للفئات حتى يصل إلى الصفر التكراري بعد الفئة الأخيرة، مشكلاً مساراً بيانياً معاكساً للمنحنى الصاعد.

تتقاطع هاتان الدالتان التراكميتان (الصاعدة والهابطة) حتماً في نقطة هندسية مفردة تمثل تماماً مركز التوازن الكتلي للتوزيع؛ وعند إسقاط خط عمودي مباشر من نقطة تقاطع المنحنيين نحو المحور السيني الأفقي، تكون نقطة الارتطام هي الوسيط الإحصائي الدقيق. وتتميز هذه الطريقة بالقضاء على أخطاء التقدير البصري وتحديد موضع الوسيط بصورة لا لبس فيها.

10. تطبيقات حساب الوسيط في البحوث النفسية والقياس السيكومتري

10.1 تحليل مقاييس ليكرت والاستبيانات النفسية

تعتمد غالبية الدراسات النفسية والسلوكية على استبيانات مقننة تستخدم تدريج ليكرت (مثل: غير موافق بشدة، غير موافق، محايد، موافق، موافق بشدة). ومن المنظور السيكومتري الرصين، تُصنف الاستجابات الناتجة عن هذه التدريجات كبيانات رتبية (Ordinal Data) وليست فترية كمية، حيث لا يمكن إثبات التساوي الرياضي التام بين الفواصل الفاصلة بين خيارات الاستجابة.

في هذا السياق، يُعد استخدام المتوسط الحسابي ممارسة إحصائية محل نقد منهجي واسع في الأوساط السيكومترية المتقدمة، حيث يعامل الرتب كأعداد كمية مطلقة؛ بينما يمثل الوسيط المستخرج من الجداول التكرارية البسيطة لتلك الاستجابات المقياس الأكثر صدقاً وموثوقية، لقدرته على التعبير عن النقطة المركزية لمواقف الأفراد وميولهم دون افتراض خصائص فترية غير متحققة.

يتم تفريغ إجابات المفحوصين لكل فقرة في جدول تكراري يوضح عدد التكرارات لكل درجة رتبية، ثم تُحدد رتبة الوسيط ويُستخرج الوسيط الرتبي للفقرة، مما يمنح الباحث تقديراً دقيقاً للاتجاه العام للعينة يسهم في بناء نتائج تشخيصية سيكومترية رفيعة المستوى.

10.2 معايرة الاختبارات النفسية وتحديد المئينات (Percentiles)

تمثل المعايرة (Norming) إحدى أهم مراحل بناء الاختبارات والمقاييس النفسية، حيث تهدف إلى تحويل الدرجات الخام إلى درجات معيارية قابلة للمقارنة عبر المجتمعات. وتلعب الرتب المئينية (Percentile Ranks) الدور المحوري في هذا المجال، حيث يرتبط الوسيط ارتباطاً جوهرياً بالمئين الخمسين ($P_{50}$)؛ إذ يمثل النقطة الفاصلة التي يتفوق عليها نصف أفراد عينة التقنين ويقل عنها النصف الآخر.

تُستخدم الجداول التكرارية التراكمية في بناء جداول المعايير النفسية، حيث يُحسب الوسيط ونقاط المئينات الأخرى ($P_{10}, P_{25}, P_{75}, P_{90}$) باستخدام نفس الصيغ الاستكمالية المطبقة على وسيط الفئات. ويوفر الوسيط خط الأساس (Baseline) الذي يُقاس عليه تشتت الأداء الفردي وانحرافه نحو الارتفاع أو الانخفاض.

كما يُعتمد الوسيط كأداة قاطعة في تصنيف المجموعات وتحديد نقاط القطع الإكلينيكية (Clinical Cutoff Scores)؛ كأن يُستخدم وسيط درجات مقياس الاندفاعية لفرز العينة السريرية إلى مجموعتين متمايزتين إحصائياً: مجموعة مرتفعة الاندفاعية (أعلى من الوسيط) ومجموعة منخفضة الاندفاعية (أدنى من الوسيط)، وهو ما يعرف بأسلوب تجزئة الوسيط (Median Split).

10.3 التعامل مع البيانات السلوكية غير السوية (Non-Normal Data)

تتميز العديد من المتغيرات السلوكية والإكلينيكية بتوزيعات غير سوية شديدة الالتواء؛ ففي دراسات الإدمان، أو اضطراب ما بعد الصدمة (PTSD)، أو تكرار السلوك العدواني، تتركز درجات غالبية الأفراد في الطرف الأدنى أو الأعلى من المقياس مع وجود ذيل ممتد من الحالات الحادة والشديدة.

في مثل هذه البيئات السيكومترية، يؤدي استخدام المتوسط الحسابي والانحراف المعياري إلى تضليل تحليلي كبير نتيجة سحب المتوسط نحو الحالات المتطرفة؛ بينما يحافظ الوسيط التكراري على موقعه الثابت معبراً عن السلوك النمطي الواقعي للعينة.

توصي التوجيهات الإحصائية الحديثة لجمعية علم النفس الأمريكية (APA) بضرورة تضمين الوسيط مقترناً بالمدى الربيعي (IQR) عند إعداد التقارير الإحصائية للبيانات السلوكية المنحرفة؛ حيث يمثل هذا الثنائي الإحصائي (الوسيط + المدى الربيعي) الوصف الأمتن والأكثر أماناً لمستويات السمات النفسية والاضطرابات العيادية.

11. مقارنة الوسيط بمقاييس النزعة المركزية الأخرى في ضوء الجداول التكرارية

11.1 المقارنة الرياضية: الوسيط مقابل المتوسط والمنوال

يعتمد حساب المتوسط الحسابي من الجدول التكراري على مراكز الفئات مضروبة في تكراراتها وفق الصيغة ($\bar{X} = \frac{\sum (f \cdot m)}{N}$)، بينما يُستخرج المنوال للفئات باستخدام معادلات الفروق لبيرسون أو كينج، في حين يرتكز الوسيط على التراكم والاستكمال الخطي.

يتأثر الترتيب النسبي لهذه المقاييس الثلاثة تأثراً حاسماً بشكل التوزيع التكراري للبيانات:

• التوزيع المتماثل تماماً (Symmetric Distribution): يتطابق الوسيط والمتوسط الحسابي والمنوال في نقطة واحدة تماماً:
  $$\text{Mean} = \text{Median} = \text{Mode}$$
• التوزيع موجب الالتواء (Right-Skewed Distribution): يمتد الذيل نحو اليمين (القيم العظمى)، مما يسحب المتوسط للأعلى، ويكون الترتيب:
  $$\text{Mode} < \text{Median} < \text{Mean}$$
• التوزيع سالب الالتواء (Left-Skewed Distribution): يمتد الذيل نحو اليسار (القيم الصغرى)، مما يسحب المتوسط للأسفل، ويكون الترتيب:
  $$\text{Mean} < \text{Median} < \text{Mode}$$

توضح هذه العلاقات أن الوسيط يستقر دائماً في الموقع الأوسط بين المتوسط والمنوال في كافة التوزيعات الملتوية، مما يجعله الخيار التوفيقي الأمثل والأنسب لتمثيل الواقع الإحصائي المشوه.

11.2 مقارنة مقاييس التشتت المرتبطة بالوسيط

يرتبط كل مقياس نزعة مركزية بمقياس تشتت متوافق معه رياضياً وفلسفياً؛ فبينما يقترن المتوسط الحسابي بالانحراف المعياري والتباين، يقترن الوسيط حصراً بـ المدى الربيعي (Interquartile Range – IQR) ونصف المدى الربيعي (Quartile Deviation).

يُحسب الربيع الأول ($Q_1$) والربيع الثالث ($Q_3$) من نفس الجدول التكراري باستخدام ذات آلية الوسيط ولكن بتغيير رتبة الموضع:

• رتبة الربيع الأول: $R_{Q1} = \frac{N}{4}$
• رتبة الربيع الثالث: $R_{Q3} = \frac{3N}{4}$

ويُعرّف المدى الربيعي بأنه الفرق بين الربيعين ($IQR = Q_3 – Q_1$). ويشكل الوسيط مع هذين الربيعين الأساس الرياضي لرسم المخطط الصندوقي (Box Plot)، الذي يقدم ملخصاً خماسياً شاملاً (أدنى قيمة، $Q_1$، الوسيط، $Q_3$، أعلى قيمة) يوضح التشتت ونقاط الارتكاز والالتواء والشذوذ بدقة بصرية متناهية.

11.3 مزايا وعيوب حساب الوسيط من الجداول التكرارية

يوفر حساب الوسيط من الجداول التكرارية حزمة واسعة من المزايا المنهجية، إلا أنه ينطوي في المقابل على بعض المحددات الرياضية التي يجب أن يحيط بها الباحث علماً. ويلخص الجدول المقارن التالي أبرز هذه الخصائص:

المحور	المزايا ونقاط القوة	العيوب ونقاط الضعف
الحساسية للتطرف	منيع تماماً ضد تأثير القيم الشاذة والمتطرفة والانحرافات التوزيعية الحادة.	يتجاهل المسافات الكمية الفعلية للقيم الطرفية البعيدة.
الجداول المفتوحة	يمكن حسابه بسهولة في الجداول التكرارية المفتوحة الطرفين طالما استقر في فئة مغلقة.	يتعذر حسابه جبرياً إذا وقعت الفئة الوسيطية ضمن فئة طرفية مفتوحة.
المرونة البيانية	يمكن استخراجه بدقة بالغة عبر المنحنيات التراكمية (الأوجيف) بصرياً وهندسياً.	تتأثر دقته البيانية بجودة الرسم والمقاييس المستخدمة في المحاور.
التعامل الجبري	مفهوم وبديهي وسهل التطبيق على مختلف أنماط البيانات الرتبية والكمية.	لا يخضع للعمليات الجبرية المتقدمة بسهولة مقارنة بالمتوسط الحسابي.
الفرضيات الرياضية	لا يتطلب معرفة كاملة بكافة مفردات العينة، بل يكتفي بالترتيب والتراكم.	يعتمد على فرضية الاستكمال الخطي المنتظم داخل الفئة، والتي قد لا تتحقق دائماً.

12. الأخطاء الشائعة واستخدام البرمجيات الإحصائية لحساب الوسيط التكراري

12.1 أبرز الأخطاء الشائعة في الحساب اليدوي وطرق تجنبها

تكشف الممارسات الحسابية الميدانية عن مجموعة من الأخطاء المتكررة التي يقع فيها الباحثون والطلاب عند حساب الوسيط من الجداول التكرارية للفئات؛ ويأتي في مقدمتها:

• استخدام الحدود الظاهرية بدلاً من الحدود الحقيقية: يؤدي إدراج الحد الأدنى الظاهري للفئة الوسيطية مكان المتغير ($L$) إلى انزياح الناتج النهائي بقيمة نصف وحدة قياس (مثل 0.5)، مما يبطل دقة الحساب.
• الخلط بين $F$ و $f_m$: استخدام التكرار المطلق للفئة الوسيطية مكان التكرار التراكمي السابق أو العكس، وهو ما يؤدي إلى انهيار نسبة الاستكمال الخطي وتوليد قيم وسيطية شاذة تماماً تخرج عن حدود الفئة.
• الإخلال بترتيب العمليات الحسابية: جمع الحد الأدنى ($L$) مع كسر الاستكمال قبل إتمام عملية الضرب في طول الفئة ($C$)؛ حيث يجب الالتزام الصارم بالأولويات الرياضية: (الأقواس، فالقسمة، فالضرب في $C$، وأخيراً الجمع مع $L$).
• الخطأ في تحديد طول الفئة ($C$): حساب طول الفئة بطرح الحدود الظاهرية بطريقة خاطئة (مثلاً: $19 – 10 = 9$) بدلاً من حساب المسافة الفعلية الشاملة ($19.5 – 9.5 = 10$) أو ($19 – 10 + 1 = 10$).

12.2 حساب الوسيط التكراري باستخدام برنامج SPSS

يُعد برنامج SPSS (Statistical Package for the Social Sciences) الأداة الأكثر شيوعاً في الأبحاث النفسية والاجتماعية. وعند الرغبة في حساب الوسيط من جدول تكراري مُلخّص بدلاً من بيانات خام مفردة، يجب اتباع الخطوات المعيارية التالية بدقة:

1. ترميز وإدخال البيانات: إنشاء متغيرين في شاشة المتغيرات (Variable View): المتغير الأول يمثل درجات أو فئات الظاهرة (مثلاً: Score)، والمتغير الثاني يمثل التكرار المطلق المقابل لكل قيمة (مثلاً: Frequency)، ثم إدخال أرقام الجدول التكراري في شاشة البيانات.
2. تفعيل مرجحة الحالات (Weight Cases): الذهاب إلى القائمة العلوية واختيار Data ثم النقر على Weight Cases.... في النافذة المنبثقة، يتم تفعيل خيار Weight cases by ونقل متغير التكرار (Frequency) إلى حقل Frequency Variable، ثم الضغط على OK. هذه الخطوة تخبر البرنامج بأن كل صف يمثل تكراراً حقيقياً متعدداً وليس حالة مفردة.
3. استخراج الوسيط: الذهاب إلى قائمة Analyze ثم Descriptive Statistics واختيار Frequencies.... يُنقل متغير الدرجات (Score) إلى قائمة المتغيرات، ثم يُضغط على زر Statistics... ويُفعّل خيار Median، ثم يُضغط على Continue ثم OK.

تُظهر مخرجات التقرير الإحصائي (Output Viewer) جدول الإحصاءات الوصفية متضمناً القيمة الدقيقة للوسيط، إضافة إلى جدول التكرارات المتجمعة ونسب المئينات، مما يتيح مراجعة المئين الخمسين ($P_{50}$) ومطابقته التامة مع الحسابات النظرية.

12.3 حساب الوسيط التكراري باستخدام Microsoft Excel ولغة R

يوفر برنامج Microsoft Excel بيئة مرنة لحساب الوسيط من الجداول التكرارية عبر بناء جداول ديناميكية وتطبيق صيغة الاستكمال الخطي تلقائياً. ويتم ذلك من خلال:

• حساب عمود التكرار المتجمع الصاعد باستخدام الصيغة التراكمية: =SUM($B$2:B2) وسحبها رأسياً.
• تحديد الفئة الوسيطية آلياً باستخدام دوال البحث والمطابقة: INDEX و MATCH بالاقتران مع الشرط N/2.
• تطبيق معادلة الاستكمال الخطي في خلية منفصلة باستخدام الصيغة المركبة:
  =L + (((N/2) - F) / fm) * C
  مما يتيح تحديث قيمة الوسيط فورياً بمجرد تعديل أي تكرار في الجدول.

أما في بيئة البرمجة الإحصائية المتقدمة R، فيمكن كتابة نصوص برمجية فائقة الدقة لمعالجة الجداول التكرارية المبوبة وحساب وسيط الاستكمال الخطي من خلال حزم متخصصة أو عبر برمجة دالة مخصصة كما يلي:

يتم تعريف دالة برمجية في R تأخذ متجهات الحدود الحقيقية والتكرارات، وتقوم بحساب مجموع الحالات $N$، وتحديد موقع $N/2$ عبر الدالة الشرطية which(CF >= N/2)[1]، ثم استخلاص المعالم وحساب الوسيط بدقة عشرية مطلقة، مما يوفر أتمتة شاملة للمشاريع البحثية السيكومترية الكبرى التي تتعامل مع مئات الجداول التكرارية المتزامنة.

خاتمة

يمثل حساب الوسيط من الجداول التكرارية – سواء كانت بسيطة ذات قيم منفصلة أو مبوبة في فئات متصلة – مهارة إحصائية وتحليلية جوهرية لا غنى عنها لكل مشتغل بالعلوم النفسية والاجتماعية والتربوية والطبية. ومن خلال الفهم العميق للرتب التكرارية، والتراكم الصاعد، وصيغة الاستكمال الخطي، والتمثيل الهندسي عبر المنحنيات التراكمية، يمتلك الباحث أداة متينة تمكنه من اختراق تعقيدات البيانات وفهم مراكز الثقل الحقيقية للظواهر المقاسة بعيداً عن تشوهات الالتواء والتطرف التوزيعي.

إن إتقان الربط بين الحساب اليدوي البرهاني والتطبيق البرمجي المؤتمت عبر SPSS و Excel و R يرسخ أسس التحليل الإحصائي السليم، ويضمن سلامة التشخيص السيكومتري وبناء المعايير الاختبارية الموثوقة، مما يرتقي بجودة المخرجات البحثية ويعزز مصداقيتها العلمية والتطبيقية في مختلف ميادين المعرفة الإنسانية.

References

• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences (3rd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications. https://www.sagepub.com
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the Behavioral Sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2013). Statistical Methods for Psychology (8th ed.). Wadsworth, Cengage Learning.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3rd ed.). McGraw-Hill.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson. https://www.pearson.com