الإحصاءتحليل البياناتمايكروسوفت إكسل

كيفية إنشاء توزيع تكراري مئوي في إكسل

دليل إحصائي شامل ومفصل لخطوات إنشاء التوزيع التكراري المئوي في برنامج إكسل باستخدام الدوال الرياضية والجداول المحورية وتمثيل النتائج بيانيًا.

تاريخ النشر

يمثل التوزيع التكراري المئوي أحد أهم الأعمدة المنهجية في علم الإحصاء الوصفي والتحليلي، حيث يعمل كجسر حيوي ينقل البيانات الرقمية الخام من حالتها المصمتة غير المفسرة إلى فضاء بصري ورياضي زاخر بالدلالات والأنماط الواضحة. في ظل الطفرة المعلوماتية المعاصرة وتدفق البيانات الضخمة عبر مختلف مجالات البحث الأكاديمي، وإدارة الأعمال، والعلوم الاجتماعية، والاقتصاد، أضحى لزاماً على كل باحث ومحلل بيانات امتلاك المهارة العالية لتحويل الأعداد المطلقة إلى نسب مئوية تعبر بدقة عن الأوزان النسبية للظواهر والمتغيرات المدروسة، متجاوزين بذلك قيود الأحجام المتفاوتة للعينات.

تكمن قوة برنامج مايكروسوفت إكسل (Microsoft Excel) في توفيره لبيئة برمجية وحسابية متكاملة تجمع بين الدقة الرياضية، وسرعة المعالجة، والمرونة في تطبيق الدوال المتقدمة وبناء الجداول المحورية. يتيح البرنامج للمستخدمين من مختلف المستويات التقنية الانتقال بسلاسة من مرحلة تجهيز المصفوفات الأولية وتنظيف السجلات الشائبة، إلى استخراج القيم الفريدة، وصياغة المعادلات التكرارية المركبة، وضبط التنسيقات العشرية الصارمة، وصولاً إلى بناء مدرجات ورسوم بيانية مئوية تتوافق مع أرقى معايير النشر والتوثيق الأكاديمي المعتمدة عالمياً.

يقدم هذا الدليل المرجعي الشامل دليلاً علمياً وتطبيقياً مفصلاً خطوة بخطوة لإنشاء التوزيعات التكرارية المئوية في إكسل. يتناول الدليل التأصيل النظري والمفاهيمي للنسب والتكرارات، والعمليات الحسابية المرتبطة بالمتغيرات الاسمية والرتبية والكمية المجمعة في فئات، مع استعراض شامل للتقنيات اليدوية عبر الدوال الرياضية مثل دالة COUNTIF وFREQUENCY، والتقنيات الآلية من خلال الجداول المحورية الديناميكية، ومعالجة الأخطاء الشائعة، وتفسير المخرجات إحصائياً بما يضمن للممارس والباحث تحقيق أقصى درجات الرصانة والدقة في معالجة البيانات.

جدول المحتويات

1. مقدمة تأسيسية حول التوزيع التكراري المئوي وأهميته الإحصائية

1.1 تعريف التوزيع التكراري المئوي ومفهومه الأساسي

يُعرف التوزيع التكراري المئوي (Percent Frequency Distribution) في الأدبيات الإحصائية بأنه جدول منظم أو مصفوفة بيانات تقوم بتلخيص واختزال المشاهدات المتعددة لمتغير معين، عبر عرض النسبة المئوية لتكرار كل فئة أو قيمة منسوبةً إلى إجمالي عدد المشاهدات الكلي في العينة أو المجتمع الإحصائي. إن المفهوم الجوهري للتكرار يمر بمرحلتين أساسيتين: المرحلة الأولى هي التكرار المطلق (Absolute Frequency)، وهو العدد الخام للمرات التي ظهرت فيها قيمة معينة؛ والمرحلة الثانية هي التكرار النسبي (Relative Frequency)، والذي يُحسب بقسمة التكرار المطلق على الحجم الكلي للمشاهدات، ثم يُضرب الناتج في الرقم مائة للحصول على التكرار المئوي الذي يعبر عن الحصة النسبية لكل فئة.

يتمثل الفارق الجوهري بين التكرار المطلق والتكرار المئوي في قدرة الأخير على إزالة تأثير حجم العينة الإجمالي عند إجراء التحليلات المقارنة. فالأرقام المطلقة الصماء قد تعطي انطباعاً مضللاً عند مقارنة مجموعتين غير متساويتي الحجم؛ فعلى سبيل المثال، إذا سجلت عينة أولى قوامها 500 مفردة تكراراً مطلقاً قدره 50 في فئة معينة، بينما سجلت عينة ثانية قوامها 100 مفردة تكراراً مطلقاً قدره 20 لنفس الفئة، فإن النظرة السطحية للأعداد المطلقة قد توحي بهيمنة الفئة في العينة الأولى، إلا أن التحويل المئوي يوضح أن الفئة تشكل 10% فقط من العينة الأولى مقابل 20% من العينة الثانية، مما يقلب اتجاه التحليل تماماً.

يؤدي التوزيع المئوي وظيفة محورية في تحويل الأعداد الصماء إلى أوزان نسبية محددة تعكس الثقل الإحصائي الحقيقي لكل متغير ضمن المنظومة الكلية. هذا التحويل يمنح المحلل القدرة على فهم التشتت، والتركيز، والنمط السائد للبيانات دون الغرق في تفاصيل الأعداد الكبيرة أو التباينات الرقمية غير المجدية، مما يجعله أداة اختزال رياضي لا غنى عنها في المعالجات الإحصائية المتقدمة.

1.2 الأهمية المنهجية للتوزيع المئوي في البحوث والدراسات الميدانية

تحتل التوزيعات التكرارية المئوية مكانة مركزية في منهجية البحث العلمي الميداني والتطبيقي، حيث تعد الخطوة الأولى في مرحلة التحليل الاستكشافي للبيانات (Exploratory Data Analysis). يستعين الباحثون بهذه التوزيعات لاستكشاف الأنماط السلوكية والظواهر المعقدة الكامنة خلف الاستبيانات وجمع البيانات؛ إذ تتيح القراءة السريعة لنسب الاستجابة عبر الفئات المختلفة استنباط مؤشرات واضحة حول اتجاهات الرأي العام، أو مستويات الرضا، أو انتشار سمات معينة داخل المجتمع المستهدف دون الحاجة إلى اللجوء الفوري لاختبارات فرضيات معقدة.

في مجالات مثل علم النفس الإحصائي والعلوم السلوكية والتربوية، يُشكل التوزيع المئوي أداة معيارية لقياس مستويات الأداء، وتوزيع درجات الذكاء، وتقييم التحصيل الدراسي، وتحديد نسب الاستجابات على مقاييس ليكرت المتدرجة. تمكن هذه النسب الباحثين التربويين من تحديد فئات الطلاب الذين يحتاجون إلى برامج علاجية أو إثرائية بناءً على وقوعهم في نسب مئوية محددة من إجمالي الصف الدراسي، مما يوفر مقياساً موضوعياً مستقلاً عن عدد طلاب كل فصل على حدة.

علاوة على ذلك، يمثل التوزيع المئوي حجر الزاوية لصناع القرار في المؤسسات الحكومية والشركات التجارية على حد سواء؛ إذ يعتمد بناء الاستراتيجيات التسويقية، وتخصيص الموارد المالية، وتقييم المخاطر التشغيلية على أوزان مئوية دقيقة وموثوقة ترصد حصص الأسواق وسلوك المستهلكين. كما تتيح هذه التوزيعات إجراء مقارنات بينية رصينة (Cross-Study Meta-Analyses) بين المسوح الميدانية المختلفة المنفذة عبر أزمنة متباينة أو أقاليم جغرافية متعددة، متجاوزة تباين أعداد المبحوثين في كل مسح.

1.3 الخصائص الرياضية الأساسية للتوزيعات التكرارية المئوية

تخضع التوزيعات التكرارية المئوية لمجموعة من القواعد والخصائص الرياضية الصارمة التي تضمن صحتها الإحصائية وقابليتها للتفسير. الخاصية الأولى والأكثر أهمية هي شرط المجموع التراكمي الإلزامي للنسب؛ حيث يجب أن يكون حاصل جمع النسب المئوية لكافة الفئات المكونة للمتغير الموزع مساوياً تماماً لـ 100% (أو 1 صحيح في حالة التكرار النسبي العشري). يمثل هذا الشرط قاعدة رياضية مغلقة تعكس شمولية الفئات واستيعابها لكامل عناصر فضاء العينة المدروس دون إغفال أي مشاهدة أو تكرارها بين فئات متداخلة.

الخاصية الثانية تتعلق بالمدى الرياضي للقيم؛ إذ تنحصر أي نسبة مئوية مفردة لأي فئة حتماً في الفترة المغلقة بين [0%، 100%]. فلا يمكن تحت أي ظرف حسابي سليم أن يحصل متغير على تكرار مئوي سالب (أقل من صفر)، كما لا يمكن لفئة واحدة أن تتجاوز 100% في توزيع أحادي المتغير قائم على عينة محددة. وتدل النسبة 0% على الغياب التام لظهور الفئة في العينة المدروسة، بينما تشير النسبة 100% إلى تجانس العينة المطلق واحتوائها على فئة واحدة فقط دون غيرها.

الخاصية الثالثة تتمثل في معضلة التقريبات العشرية (Rounding Dilemma)؛ فعند تحويل التكرارات النسبية ذات الكسور اللانهائية إلى نسب مئوية مقربة إلى عدد محدد من الخانات العشرية (مثل خانة أو خانتين)، قد ينتج عن جمع هذه القيم المقربة رقم مثل 99.99% أو 100.01%. تتطلب الممارسة الإحصائية الرصينة التعامل الواعي مع هذه الفروق الطفيفة الناتجة عن التقريب الحسابي، وضبطها وفق قواعد توزيع البواقي أو الإفصاح عنها في الهوامش التوضيحية لضمان عدم المساس بالاتساق الرياضي العام للجدول الإحصائي.

2. المفاهيم الرياضية والإحصائية المسبقة لإنشاء التوزيع

2.1 صيغ التحويل الرياضي من التكرار الخام إلى التكرار المئوي

تستند عملية بناء التوزيع المئوي إلى خوارزمية رياضية متدرجة تبدأ من التكرار الخام وتمر عبر التكرار النسبي وصولاً إلى الصيغة المئوية النهائية. تُصاغ العلاقة الرياضية لحساب التكرار النسبي للفئة الفرعية $i$ وفق المعادلة التالية: التكرار النسبي ($rf_i$) يساوي التكرار المطلق للفئة ($f_i$) مقسوماً على الحجم الكلي للمشاهدات ($N$)، حيث يُعبر عن ذلك رياضياً بالصيغة:

$$rf_i = \frac{f_i}{N} = \frac{f_i}{\sum_{j=1}^{k} f_j}$$

حيث يمثل $k$ عدد الفئات الكلية و$\sum f_j$ المجموع الإجمالي لكافة التكرارات المطلقة. بعد استخراج التكرار النسبي كقيمة عشرية محصورة بين 0 و1، يتم تطبيق معادلة التكرار المئوي ($pf_i$) بضرب الناتج العشري في الثابت مائة:

$$pf_i = rf_i \times 100 = \left( \frac{f_i}{N} \right) \times 100$$

يلعب حجم العينة ($N$) دوراً حاسماً ومباشراً في تحديد درجة الدقة والموثوقية الإحصائية للنسب المئوية الناتجة. ففي العينات الصغيرة جداً (مثل $N = 10$)، يمثل كل فرد في العينة وزناً مئوياً ضخماً مقداره 10%، مما يجعل التوزيع المئوي مفرط الحساسية لأي تغيير فردي، وقد يُعطي انطباعاً خادعاً بوجود فروق جوهرية غير حقيقية في المجتمع الأصلي. وعلى العكس من ذلك، كلما ازداد حجم العينة واقترب من المعايير الإحصائية المثالية، انخفض الخطأ المعياري للنسبة، واكتسبت النسب المئوية استقراراً وموثوقية تمكن من تعميم النتائج بثقة رياضية عالية وفق مبرهنة النهاية المركزية (Central Limit Theorem).

2.2 طبيعة المتغيرات الإحصائية الملائمة للتوزيع المئوي

تختلف آلية التعامل مع التوزيع التكراري المئوي باختلاف المستوى القياسي للمتغيرات محل الدراسة، والتي تنقسم إحصائياً إلى متغيرات نوعية ومتغيرات كمية. تشمل المتغيرات النوعية كلاً من المتغيرات الاسمية (Nominal Variables) مثل النوع الاجتماعي، والجنسية، والتخصص الأكاديمي، والحالة الاجتماعية؛ حيث لا تخضع الفئات في هذا النوع لأي ترتيب طبيعي أو تفضيلي، ويكون الهدف من التوزيع المئوي هو رصد الثقل النسبي لكل تصنيف مستقل مقارنة ببقية التصنيفات داخل العينة الكلية.

أما المتغيرات الترتيبية (Ordinal Variables)، مثل مقاييس الرضا المتدرجة، والرتب العسكرية، ومستويات الدخل المصنفة (منخفض، متوسط، مرتفع)، ومقاييس ليكرت (Likert Scales) الخماسية أو السباعية، فإن التوزيع المئوي فيها يكتسب بعداً إضافياً يرتبط بالترتيب المنطقي المتتابع. يتيح عرض النسب المئوية لهذه المتغيرات تتبع مسار الاتجاهات الإيجابية أو السلبية بدقة، وفهم تركز المستجيبين حول نقاط المنتصف (الحياد) أو الأطراف المتطرفة (الموافقة بشدة أو الرفض التام).

وفيما يخص المتغيرات الكمية، سواء كانت منفصلة (Discrete) مثل عدد أفراد الأسرة وعدد الحوادث، أو متصلة (Continuous) مثل الأجور والرواتب، والأعمار، والأوزان، والمسافات، فإن تطبيق التوزيع التكراري المئوي عليها يتطلب خطوة تمهيدية إلزامية تتمثل في تجميع البيانات وتصنيفها إلى فئات أو مجموعات رقمية متتالية تُعرف باسم (Bins). يتم تقسيم المدى الرقمي الإجمالي للمتغير إلى فترات منتظمة ذات حدود دنيا وعليا واضحة، ليتم حساب النسبة المئوية لعدد المشاهدات الواقعة داخل النطاق العددي لكل فئة بصورة مستقلة ووافية.

2.3 مقارنة التوزيع التكراري المئوي بالمقاييس الإحصائية الأخرى

يرتبط التوزيع التكراري المئوي بروابط وثيقة مع عدد من المفاهيم الإحصائية التحليلية والمتقدمة. فمن منظور نظرية الاحتمالات، يمثل التكرار النسبي والمئوي التقدير النقطي الأكثر شيوعاً للتوزيع الاحتمالي التجريبي (Empirical Probability Distribution) للظاهرة المدروسة؛ إذ يُنظر إلى النسبة المئوية لظهور حدث معين في الماضي كأفضل تنبؤ لاحتمالية تكرار حدوث هذا الحدث مستقبلاً تحت نفس الظروف البيئية والتجريبية، مما يجعل جدول التوزيع المئوي مدخلاً أساسياً في النمذجة الإحصائية واتخاذ القرارات الاحتمالية.

يتكامل التكرار المئوي البسيط مع التكرار التراكمي المئوي (Cumulative Percent Frequency)، والذي يُعنى بحساب التراكم المتسلسل للنسب المئوية من الفئة الأولى نزولاً إلى الفئة الأخيرة. بينما يجيب التكرار المئوي البسيط عن سؤال: “ما هي نسبة الأفراد الواقعين في هذه الفئة المحددة؟”، فإن التكرار التراكمي المئوي يقدم إجابات حاسمة لأسئلة استدلالية مثل: “ما هي النسبة المئوية للأفراد الذين يحصلون على دخل يقل عن أو يساوي حداً معيناً؟”، وهو ما يشكل الأساس النظري لحساب المئينات (Percentiles) والأرباع (Quartiles).

علاوة على ذلك، يُستخدم التوزيع التكراري المئوي كركيزة محورية في استخراج وتفسير مقاييس النزعة المركزية والتشتت؛ إذ يمكن من خلاله تحديد فئة المنوال (Modal Class) بصرياً وهي الفئة صاحبة أعلى وزن مئوي. كما يُسهم في الكشف المبدئي عن درجات التشتت والتواء التوزيع (Skewness)؛ فإذا تركزت النسب المئوية العالية في الفئات الدنيا مع وجود ذيل طويل من النسب المتدنية في الفئات العليا، دل ذلك على التواء موجب (مائل إلى اليمين)، مما يوجه الباحث لاختيار المقاييس الإحصائية الوصفية والاستدلالية الأكثر ملاءمة لطبيعة بياناته.

3. إعداد وتجهيز مصفوفة البيانات الأولية في مايكروسوفت إكسل

3.1 أفضل الممارسات لتنظيم وتنسيق البيانات الخام

تبدأ كفاءة التحليل الإحصائي في برنامج مايكروسوفت إكسل من مرحلة التنظيم الهيكلي المتقن للبيانات الخام (Raw Data) داخل ورقة العمل. القاعدة الذهبية في هذا السياق تقتضي تنظيم البيانات في مصفوفة جدولية مستطيلة، بحيث يمثل كل عمود متغيراً إحصائياً مستقلاً ذو ترويسة (Header) نصية واضحة وموجزة في الصف الأول، بينما يمثل كل صف سجلاً أو مشاهدة منفردة (Observation/Case) تعود لعنصر واحد من عناصر العينة. يجب الامتناع التام عن دمج الخلايا (Merged Cells) داخل نطاق البيانات الخام، لما يسببه ذلك من أخطاء برمجية فادحة عند تطبيق دوال العد والتلخيص والجداول المحورية.

تتطلب معالجة النصوص تنظيفاً دقيقاً لتجنب التناقضات النصية التي يتعامل معها إكسل كفئات متباينة؛ فمثلاً، وجود مسافات إضافية قبل الكلمة أو بعدها يؤدي إلى فصل القيم المتطابقة. يُوصى باستخدام دالة تنظيف النصوص المتقدمة مثل دالة TRIM لإزالة المسافات الزائدة من خلال صيغة مساعدة مثل:

=TRIM(A2)

كما يُنصح بتوحيد الصياغة الإملائية كحروف الهمزات والتاء المربوطة والياء في النصوص العربية لتفادي تجزئة الفئة الواحدة إلى فئات فرعية مشتتة.

من الضروري أيضاً ضبط نوع البيانات (Data Type) المخصص لكل عمود من خلال قائمة التنسيق في إكسل؛ إذ يجب تعيين الأعمدة النصية كنص (Text)، والأعمدة الرقمية كأرقام (Numbers)، والتواريخ كتواريخ قياسية (Dates). إن وجود خلط بين الأرقام المخزنة كنصوص والأرقام القياسية يعطل عمل الدوال التجميعية ويقود إلى احتساب تكرارات غير مكتملة، مما يشوه النتائج النهائية لجدول التوزيع المئوي.

3.2 التعامل مع القيم المفقودة والمتطرفة قبل التحليل

تُعد معالجة القيم المفقودة (Missing Values) والبيانات الشاذة (Outliers) متطلباً منهجياً حاسماً يسبق البدء في كتابة صيغ التوزيع التكراري. يمكن رصد الخلايا الفارغة بسرعة في إكسل من خلال استخدام ميزة “الانتقال إلى خاص” (Go To Special) ثم اختيار “فارغ” (Blanks)، أو باستخدام دالة العد الشرطي للفراغات:

=COUNTBLANK(A2:A500)

يتعين على الباحث اتخاذ قرار منهجي واضح بشأن هذه الفراغات: إما استبعاد الحالات غير المكتملة بصورة منهجية (Listwise Deletion)، أو استبدالها بمتوسطات محسوبة وفق تقنيات الإحلال الإحصائي (Imputation)، أو تخصيص فئة صريحة في جدول التوزيع تحت مسمى “غير محدد” أو “قيمة مفقودة” لضمان عدم تأثر إجمالي حجم العينة الكلي.

بالإضافة إلى ذلك، يجب فحص النطاق العددي للمتغيرات الكمية للتأكد من خلوها من الأخطاء المطبعية المتطرفة (مثل تسجيل عمر 250 سنة بدلاً من 25 سنة نتيجة خطأ في الإدخال). يمكن اكتشاف هذه الحالات بسهولة عن طريق دوال استخراج القيم القصوى والدنيا:

=MIN(Range) و =MAX(Range)

أو من خلال تطبيق أدوات “التحقق من صحة البيانات” (Data Validation) لمنع إدخال أي أرقام تقع خارج النطاق المنطقي المقبول للمتغير الإحصائي المدروس، مما يحفظ سلامة التوزيعات المئوية ومصداقيتها التحليلية.

3.3 بناء هيكل جدول التوزيع المخصص للنتائج

لتنفيذ التوزيع التكراري المئوي بصورة احترافية، يُفضل بناء جدول مخرجات مستقل ومنفصل مكانياً عن نطاق البيانات الخام، إما في نفس ورقة العمل إلى جوار البيانات أو في ورقة عمل جديدة مخصصة للتقارير الإحصائية. يتألف هذا الجدول المخصص من أربعة أعمدة رئيسية مرتبة منطقياً من اليمين إلى اليسار (أو العكس وفق اتجاه اللغة): العمود الأول يُخصص للقيم الفريدة أو الفئات (Categories / Bins)، والعمود الثاني يُخصص للتكرار المطلق (Absolute Frequency / Count)، والعمود الثالث يُخصص للتكرار النسبي أو المئوي (Percent Frequency)، ويمكن إضافة عمود رابع اختياري للتكرار التراكمي المئوي (Cumulative %).

يجب تخصيص الصف الأخير أسفل جدول النتائج ليكون صفاً مرجعياً للإجمالي العام (Total Row). يعمل هذا الصف كصمام أمان حسابي من خلال احتوائه على صيغ جمع تضمن مطابقة مجموع التكرارات المطلقة لحجم العينة الكلي، وتؤكد وصول مجموع النسب المئوية إلى 100.0% بدقة متناهية. إن الهيكلة الواضحة للجدول وتسمية أعمدته بدقة تسهمان في تسهيل عمليات المراجعة والتدقيق والربط البياني اللاحق.

4. استخراج القيم والتصنيفات الفريدة باستخدام دوال إكسل

4.1 تطبيق دالة UNIQUE في الإصدارات الحديثة من إكسل

شهدت الإصدارات الحديثة من مايكروسوفت إكسل (Microsoft 365 و Excel 2021 وما بعدها) ثورة تقنية في معالجة البيانات مع إدخال دالة UNIQUE التي تنتمي إلى عائلة مصفوفات الدوال الديناميكية (Dynamic Spill Arrays). تتيح هذه الدالة استخراج قائمة فريدة خالية تماماً من التكرارات من أي نطاق نصي أو رقمي بصيغة رياضية واحدة فائقة البساطة، دون الحاجة إلى التدخل اليدوي المتكرر. وتُكتب الصيغة العامة للدالة بالشكل التالي:

=UNIQUE(array, [by_col], [exactly_once])

حيث يمثل array نطاق البيانات المصدرية المراد استخراج القيم الفريدة منها، مثل A2:A100.

تتميز دالة UNIQUE بخاصية التدفق التلقائي (Spill)؛ فبمجرد كتابة الصيغة في الخلية العلوية الأولى من عمود الفئات (ولتكن الخلية E2) والضغط على مفتاح Enter، يتولى إكسل ملء الخلايا التابعة رأسياً بقائمة القيم الفريدة تلقائياً دون الحاجة لسحب مقبض التعبئة. وتكتسب هذه الخاصية مرونة استثنائية عند إضافة بيانات جديدة إلى النطاق المصدري، حيث يتم تحديث قائمة القيم الفريدة وتوسيع النطاق المتدفق آنياً وبشكل تلقائي تماماً.

في الحالات التي يرغب فيها المحلل في تثبيت القيم المستخرجة لمنع التوسع الديناميكي غير المرغوب فيه أو لتجنب أخطاء التدفق (#SPILL!) الناتجة عن وجود بيانات تحجب مسار النطاق، يمكن تحديد مصفوفة النتائج ونسخها ثم لصقها كقيم ثابتة (Paste as Values) عبر الاختصار المخصص، مما يضمن استقرار هيكل الجدول قبل البدء في كتابة صيغ التكرار والنسب.

4.2 طرق بديلة لاستخراج القيم الفريدة في الإصدارات القديمة

بالنسبة للمستخدمين الذين يعملون على إصدارات أقدم من إكسل (مثل Excel 2016 وما قبله)، تتوفر عدة طرق كلاسيكية موثوقة لاستخراج القيم والتصنيفات الفريدة من المصفوفة الخام. الطريقة الأولى والأكثر شيوعاً هي استخدام أداة “إزالة التكرارات” (Remove Duplicates) المدمجة؛ ويتم تطبيقها عبر نسخ عمود البيانات الأصلية بالكامل ولصقه في عمود جدول النتائج الجديد، ثم الانتقال إلى تبويب “بيانات” (Data) والنقر على أداة “إزالة التكرارات”، وتأكيد العملية ليقوم إكسل بحذف كافة المدخلات المكررة والإبقاء على نسخة فريدة واحدة من كل قيمة.

الطريقة الثانية تعتمد على أداة “التصفية المتقدمة” (Advanced Filter) الموجودة أيضاً في تبويب Data؛ حيث يتم تحديد نطاق البيانات الأصلي، واختيار “نسخ إلى موقع آخر” (Copy to another location)، وتحديد الخلية المستهدفة لبدء وضع النتائج، مع تفعيل خيار “السجلات الفريدة فقط” (Unique records only). تؤدي هذه الأداة المهمة بدقة عالية ودون التأثير على بنية أو ترتيب النطاق المصدري الأصلي.

أما الطريقة الثالثة البرمجية فتتمثل في استخدام صيغ المصفوفات المعقدة عبر الدمج بين دوال INDEX و MATCH و COUNTIF؛ حيث تُكتب صيغة مصفوفية كلاسيكية متقدمة تُسحب عبر الصفوف وتُنفذ عبر الضغط على (Ctrl + Shift + Enter):

=IFERROR(INDEX($A$2:$A$100, MATCH(0, COUNTIF($E$1:E1, $A$2:$A$100), 0)), "")

تعمل هذه الصيغة على مقارنة البيانات بالنطاق المستخرج تدريجياً لاستخراج القيم الفريدة تباعاً بشكل آلي، مع معالجة الأخطاء الناتجة عن نفاد القيم عبر دالة IFERROR.

4.3 الفرز والترتيب المنطقي للقيم الفريدة المستخرجة

لا يكتمل إعداد عمود الفئات بمجرد استخراج القيم الفريدة، بل يتطلب الأمر فرزها وترتيبها بنسق منطقي يعزز من سلاسة وقابلية قراءة جدول التوزيع المئوي. في الإصدارات الحديثة، يمكن دمج دالة SORT مباشرة مع دالة UNIQUE في صيغة مدمجة فائقة القوة لتوليد قائمة فريدة ومرتبة تصاعدياً في خطوة واحدة:

=SORT(UNIQUE(A2:A100))

يقوم هذا الدمج بترتيب التصنيفات النصية هجائياً والقيم الرقمية تصاعدياً، مما يمنح جدول التوزيع مظهراً متناسقاً يسهل على القارئ استيعابه ومراجعته بصرياً.

في حالة المتغيرات الترتيبية (Ordinal Variables) مثل مستويات الرضا (غير راضٍ بشدة، غير راضٍ، محايد، راضٍ، راضٍ بشدة)، فإن الترتيب الأبجدي الافتراضي يفسد التسلسل المنطقي للمتغير ويفقد التوزيع دلالته الإحصائية. في هذه الحالة، يتعين على المحلل ضبط الترتيب يدوياً أو إنشاء قائمة مخصصة (Custom List) داخل إعدادات إكسل، وترتيب الفئات تصاعدياً أو تنازلياً وفق الرتب الحقيقية للمتغير لضمان اتساق القراءة التحليلية للمخرجات التكرارية والمئوية.

5. حساب التكرار المطلق لكل تصنيف باستخدام دالة COUNTIF

5.1 بناء صيغة دالة COUNTIF القياسية

تُعد دالة COUNTIF الأداة الحسابية القياسية الأكثر استخداماً في إكسل لحساب التكرار المطلق لكل فئة من الفئات الفرعية المستخرجة في جدول التوزيع. تعتمد الدالة في بنيتها التركيبية على وسيطين إلزاميَّين هما: نطاق البحث (Range) ومعيار العد (Criteria)، وتُكتب الصيغة العامة على النحو الآتي:

=COUNTIF(Range, Criteria)

حيث يمثل النطاق مجموعة الخلايا التي تحتوي على البيانات الخام، بينما يمثل المعيار الخلية التي تحتوي على اسم الفئة المراد عد تكراراتها داخل النطاق.

لتطبيق الدالة تطبيقاً صحيحاً، إذا كانت البيانات الخام موجودة في النطاق من A2 إلى A100، وكانت الفئة الأولى المراد قياس تكرارها موجودة في الخلية E2، تُصاغ المعادلة في الخلية F2 كالتالي:

=COUNTIF($A$2:$A$100, E2)

إن النقطة المحورية الحاسمة في هذه الصيغة هي استخدام علامات التثبيت المطلق ($) لتجميد حدود النطاق المصدري ($A$2:$A$100)، مما يمنع انزياح النطاق للأسفل عند استخدام مقبض التعبئة التلقائية لتطبيق المعادلة على بقية الفئات في العمود، بينما يُترك مرجع المعيار (E2) كمرجع نسبي ليتغير تلقائياً إلى E3 وE4 مع حركة السحب، محققاً بذلك حساباً تكرارياً سليماً لكل فئة على انفراد.

5.2 التعامل مع الشروط المتعددة باستخدام دالة COUNTIFS

في التحليلات الإحصائية المتقدمة، قد يحتاج الباحث إلى بناء جداول تكرارية متعددة الأبعاد تأخذ في الحسبان أكثر من متغير تصنيفي واحد في الوقت نفسه؛ مثل حساب تكرار مستويات الرضا الوظيفي موزعاً حسب النوع الاجتماعي (ذكور / إناث) أو حسب الأقسام الإدارية. في هذه الحالات المركبة، تصبح دالة COUNTIF البسيطة غير كافية، ويتم اللجوء إلى شقيقتها الأكثر تطوراً وهي دالة COUNTIFS التي تسمح بتطبيق شروط ومعايير متعددة متزامنة عبر نطاقات متباينة، وتُكتب بنيتها كالتالي:

=COUNTIFS(criteria_range1, criteria1, [criteria_range2, criteria2], ...)

لحساب تكرار الذكور الذين اختاروا فئة “ممتاز”، تُصاغ المعادلة بالجمع بين نطاق النوع ونطاق التقييم كالتالي:

=COUNTIFS($A$2:$A$100, "ذكر", $B$2:$B$100, E2)

حيث يفحص إكسل تحقق الشرطين معاً في نفس السجل ليقوم بزيادة العداد بمقدار واحد. يتطلب هذا الأسلوب حرصاً بالغاً في مطابقة أطوال النطاقات المستخدمة لتجنب ظهور خطأ القيمة #VALUE!، كما يضمن صياغة دقيقة للجداول التكرارية المتقاطعة (Cross-Tabulations) التي تشكل أساس الحسابات المئوية المشروطة والمقارنة.

5.3 استخدام دالة FREQUENCY لحساب التكرارات للفئات الرقمية

عند التعامل مع المتغيرات الكمية المستمرة أو البيانات الرقمية المجمعة في فترات وفئات (Bins)، تبرز دالة FREQUENCY كخيار إحصائي متخصص وأكثر تفوقاً من دوال العد الشرطي التقليدية. تعمل دالة FREQUENCY بصيغة مصفوفية لحساب التوزيع التكراري لنطاق رقمي وفق حدود عليا محددة للفئات، وتُكتب بالصيغة التالية:

=FREQUENCY(data_array, bins_array)

حيث يمثل data_array نطاق الأرقام الخام، بينما يمثل bins_array نطاق الخلايا المحتوي على الحدود العليا لكل فئة رقمية من الفئات المقترحة.

تتميز دالة FREQUENCY بأنها تتعامل مع الفئات على أنها فترات مغلقة من اليمين (نصف مفتوحة)، حيث تقوم باحتساب القيم التي تزيد عن الحد الأعلى للفئة السابقة وتصل إلى أو تساوي الحد الأعلى للفئة الحالية ($Prev < X le Current$). كما أن الدالة تُرجع تلقائياً عنصراً إضافياً يزيد عن عدد عناصر مصفوفة الفئات لحساب أي مشاهدات تتجاوز الحد الأعلى للفئة الأخيرة. في إصدارات إكسل السابقة، كان يتطلب تطبيقها تحديد كامل نطاق خلايا النتائج دفعة واحدة وإدخال المعادلة باستخدام (Ctrl + Shift + Enter)، بينما تتدفق النتائج تلقائياً في الإصدارات الحديثة، مما يوفر كفاءة معالجة عالية وسرعة فائقة عند التعامل مع مجموعات البيانات الرقمية الضخمة.

6. تحويل التكرارات المطلقة إلى تكرارات مئوية بالمعادلات الرياضية

6.1 حساب المجموع الإجمالي للعينة باستخدام دالة SUM

تُمثل خطوة حساب المجموع الإجمالي لحجم العينة ($N$) الركيزة الحسابية التي لا غنى عنها لبدء تحويل التكرارات المطلقة إلى نسب مئوية موزونة. يتم إنشاء هذا الإجمالي في الخلية الواقعة مباشرة أسفل عمود التكرار المطلق (ولتكن الخلية F6 بعد نطاق تكرارات يبدأ من F2 إلى F5) باستخدام دالة الجمع الشهيرة:

=SUM(F2:F5)

كما يمكن إدراج هذه المعادلة بضغطة زر واحدة عبر استخدام أداة الجمع التلقائي (AutoSum) المتاحة في الشريط الرئيسي لإكسل أو من خلال اختصار لوحة المفاتيح الفوري Alt + =.

يؤدي حساب المجموع الإجمالي عبر دالة SUM وظيفة تدقيقية مزدوجة ومحورية؛ فوظيفته الأولى توفير المقام الرياضي الثابت لعمليات القسمة اللاحقة، أما وظيفته الثانية فهي التحقق الصارم من صحة إحصاء المشاهدات. يجب أن يتطابق الرقم الظاهر في خلية المجموع تماماً مع إجمالي عدد الصفوف أو السجلات الفعلية في مصفوفة البيانات الخام الأصلية؛ فإذا كان حجم العينة المصدرية 100 مفردة، وظهر في خلية الجمع 95، فإن ذلك يعطي إشارة تحذيرية فورية لوجود أخطاء في معايير العد أو وجود قيم مفقودة لم يتم تضمينها في الفئات الفرعية، مما يستوجب التصحيح قبل المضي قدماً.

6.2 صياغة معادلة التكرار المئوي في الخلايا

بعد استخراج التكرارات المطلقة وتحديد المجموع الإجمالي للعينة بدقة، يتم الانتقال إلى العمود المخصص للتكرار المئوي (وليكن العمود G) لكتابة صيغة التحويل الرياضي. في الخلية G2 المقابلة لأول فئة، يتم بناء صيغة القسمة المباشرة التي تقسم تكرار الفئة المفرد على خلية المجموع الكلي، وتُكتب الصيغة بالشكل التالي:

=F2/$F$6

حيث يمثل F2 مرجعاً نسبياً لقيمة التكرار المطلق للفئة الأولى، ويمثل $F$6 مرجعاً مطلقاً لخلية المجموع الإجمالي.

تتجلى الأهمية القصوى لعلامات التثبيت $F$6 في تثبيت موضع المقام الرياضي أثناء تطبيق المعالجة الدفعية؛ فعند سحب مقبض التعبئة التلقائية (AutoFill Handle) من زاوية الخلية G2 وتمريره نزولاً لتغطية الخلايا G3:G5، يقوم إكسل بتعديل البسط تلقائياً ليكون F3 وF4 وF5، مع الحفاظ الصارم على المقام ثابتاً عند $F$6. إن إغفال هذا التثبيت سيؤدي إلى انزياح المقام إلى خلايا فارغة بالأسفل مثل F7 وF8، مما يسفر عن انهيار التوزيع وظهور خطأ القسمة على صفر الشهير (#DIV/0!).

6.3 بناء معادلة ديناميكية مدمجة في خطوة واحدة

للمحترفين ومحللي البيانات الراغبين في بناء نماذج إحصائية متطورة وموجزة داخل إكسل، يمكن دمج كافة الخطوات السابقة في صيغة حسابية مدمجة وواحدة، تحسب التكرار المئوي مباشرة من البيانات الخام دون الحاجة لإنشاء عمود وسيط للتكرار المطلق أو خلية منفصلة للمجموع الإجمالي. يتم ذلك عبر دمج دالة COUNTIF مع دالة COUNTA التي تقوم بعد كافة الخلايا غير الفارغة في النطاق، وفق الصيغة الرياضية التالية:

=COUNTIF($A$2:$A$100, E2) / COUNTA($A$2:$A$100)

تتمتع هذه الصيغة المدمجة بمستوى عالٍ من الديناميكية والكفاءة؛ حيث تقوم بحساب النسبة المئوية العشرية بضربة واحدة تعتمد كلياً على العمود المصدري الخام للبيانات. يقلل هذا النهج من حجم جداول المخرجات والاعتماد على الخلايا المساعدة، مما يجعل ورقة العمل أكثر ترتيباً ونظافة، ويسهل نقل النماذج الحسابية وتكرارها عبر مجموعات بيانات متعددة مع الحفاظ على الكفاءة الحسابية وسرعة المعالجة حتى مع قواعد البيانات الكبيرة.

7. تنسيق الخلايا وضبط العرض المئوي بدقة احترافية

7.1 تطبيق التنسيق المئوي المباشر من واجهة إكسل

عند إتمام عمليات القسمة الحسابية للتكرارات، تظهر النتائج في خلايا إكسل على هيئة كسور عشرية مجردة محصورة بين الصفر والواحد (مثل 0.25 أو 0.432). لتحويل هذه الكسور إلى الشكل المئوي المفهوم إحصائياً، يوفر إكسل أدوات تنسيق مدمجة بالغة السهولة والمرونة. يمكن تطبيق التنسيق فورياً بتحديد نطاق خلايا النسب، ثم النقر على رمز النسبة المئوية (%) الواقع ضمن مجموعة “الرقم” (Number Group) في الشريط الرئيسي (Home Tab) للبرنامج، أو باستخدام الاختصار السريع للوحة المفاتيح:

Ctrl + Shift + %

من الناحية الحسابية والبرمجية، لا يغير التنسيق المئوي من القيمة الرياضية الأساسية المخزنة داخل ذاكرة إكسل؛ بل يقوم بضرب القيمة العشرية ظاهرياً في مائة وإلحاق رمز النسبة المئوية بها في واجهة العرض. فعلى سبيل المثال، القيمة العشرية 0.175 تظل مخزنة في الخلية كـ 0.175 لاستخدامها في أي معادلات لاحقة، ولكنها تظهر على الشاشة كـ 17.5% أو 18% وفق إعدادات التنسيق المطبقة، مما يحافظ على منتهى الدقة الرياضية في الحسابات التراكمية.

7.2 التحكم في المنازل العشرية وقواعد التقريب الإحصائي

يعد تحديد عدد الخانات العشرية المعروضة في جدول التوزيع المئوي قراراً إحصائياً يتطلب موازنة دقيقة بين الوضوح البصري والدقة العلمية. يتيح إكسل تعديل عدد المنازل العشرية بسهولة عبر استخدام زر “زيادة المنازل العشرية” (Increase Decimal) أو زر “تقليل المنازل العشرية” (Decrease Decimal) في شريط الأدوات. كقاعدة عامة في التقارير الإحصائية القياسية، يُوصى بعرض النسب المئوية بخانة عشرية واحدة (مثل 24.3%) للعينات المتوسطة، أو خانتين عشريتين (مثل 24.35%) للعينات الكبيرة التي تتطلب رصداً دقيقاً للفروق الصغيرة، بينما يُكتفى بالأعداد الصحيحة دون فواصل عشرية (مثل 24%) في التقارير التنفيذية الإدارية الموجزة.

يجب الانتباه بدقة لمعضلة التقريب المرئي التراكمي؛ فعند إخفاء المنازل العشرية بالتقريب، قد يظهر مجموع نسب الجدول في صف الإجمالي كـ 99% أو 101% على الرغم من أن المجموع الفعلي الحقيقي هو 100%. يرجع ذلك إلى أن إكسل يجمع القيم الحقيقية غير المقربة ثم يعرض ناتج جمعها مقرباً، أو يعرض مجاميع التقريبات الفردية لكل خلية. لتجنب اللبس الأكاديمي، يتعين على المحلل إما إظهار المنازل العشرية الكافية لضبط المجموع، أو تذييل الجدول بملاحظة إحصائية قياسية توضح: “قد لا يصل مجموع النسب المئوية إلى 100% بدقة بسبب التقريب الحسابي للخانات العشرية”.

7.3 التنسيق الشرطي لتحليل النسب المئوية بصريًا

يوفر التنسيق الشرطي (Conditional Formatting) في إكسل أدوات بصرية تحليلية متقدمة تعزز من القيمة التفسيرية لجدول التوزيع التكراري المئوي، وتحوله من جدول أرقام مصمت إلى لوحة معلومات (Dashboard) بصرية ناطقة بالدلالات. من أبرز هذه الأدوات تطبيق “أشرطة البيانات” (Data Bars)؛ حيث يتم تحديد عمود النسب المئوية واختيار أشرطة البيانات من قائمة التنسيق الشرطي، ليقوم إكسل برسم أشرطة أفقية داخل الخلايا يتناسب طولها طردياً مع النسبة المئوية لكل فئة، مما يمنح القارئ انطباعاً بيانياً فورياً حول الفئات المهيمنة دون الحاجة لإنشاء مخطط منفصل.

كذلك، يمكن استخدام “مقاييس الألوان” (Color Scales) لتطبيق تدرج حراري لوني (Heatmap) على خلايا التوزيع؛ حيث تُلون النسب المرتفعة بتدرجات خضراء (أو داكنة) وتتدرج نزولاً لتُلون النسب المتدنية بتدرجات حمراء (أو فاتحة)، مما يبرز التباين والتركز الإحصائي بدقة متناهية. بالإضافة إلى ذلك، يمكن ضبط قواعد تمييز الخلايا (Highlight Cells Rules) لتظليل أي فئة تتجاوز نسبة مئوية حرجة محددة (مثل > 30%) بخط عريض ولون لافت لتوجيه انتباه صناع القرار نحو الظواهر ذات الثقل الإحصائي الأكبر.

8. بناء التوزيع التكراري المئوي للبيانات الكمية المجمعة في فئات

8.1 تحديد المدى وحساب طول الفئة المناسب رياضياً

يتطلب بناء توزيع تكراري مئوي للمتغيرات الكمية المستمرة (مثل درجات الاختبارات، الرواتب الشهرية، أو القياسات الحيوية) تأسيساً رياضياً يحدد أبعاد وحدود الفئات الرقمية بدقة قبل البدء في الحساب. تبدأ العملية بحساب المدى الكلي للبيانات ($Range$)، وهو الفارق الحسابي بين القيمة العظمى ($X_{\max}$) والقيمة الصغرى ($X_{\min}$) داخل مصفوفة المشاهدات، ويتم استخراجه في إكسل بالمعادلة:

=MAX(Data_Range) - MIN(Data_Range)

الخطوة التالية هي تحديد العدد الأمثل للفئات ($k$). لتفادي التقسيم العشوائي أو التحيز الذاتي، يُوصى إحصائياً بتطبيق قاعدة ستورجس (Sturges’ Rule) المعترف بها دولياً في المعالجات الإحصائية، والتي تُحسب وفق الصيغة الرياضية:

$$k = 1 + 3.322 \log_{10}(N)$$

حيث يمثل $N$ الحجم الكلي للعينة. يمكن كتابة هذه القاعدة في إكسل بالصيغة:

=ROUNDUP(1 + 3.322 * LOG10(COUNT(Data_Range)), 0)

عقب استخراج عدد الفئات المثالي $k$، يتم حساب طول الفئة المتساوي ($Class Width / H$) بقسمة المدى الإجمالي على عدد الفئات وتقريب الناتج دائماً للأعلى لضمان استيعاب كافة أطراف البيانات:

$$H = \frac{Range}{k}$$

=ROUNDUP(Range / k, 0)

بناءً على طول الفئة المحسوب، يتم تأسيس الحدود الدنيا والعليا المتتالية لكل فئة، بدءاً من القيمة الصغرى كحد أدنى للفئة الأولى، مع إضافة طول الفئة دورياً لتوليد الحدود المتتابعة دون أي فجوات أو تداخلات بين الفترات.

8.2 إنشاء جدول الفئات واستخدام دالة COUNTIFS لحساب فئات المدى

بعد وضع الحدود الدنيا والعليا للفئات في عمودين مستقلين داخل جدول التوزيع (وليكن الحد الأدنى في العمود E والحد الأعلى في العمود F)، يتم استخدام دالة COUNTIFS بحرفية لحساب التكرار المطلق للمشاهدات الواقعة ضمن النطاق المغلق لكل فئة ($Lower le X le Upper$). تُكتب الصيغة الرياضية في خلية التكرار الأولى (G2) كالتالي:

=COUNTIFS($A$2:$A$500, ">=" & E2, $A$2:$A$500, "<=" & F2)

تقوم هذه الصيغة بدمج عوامل المقارنة النصية (">=" و "<=") مع مراجع خلايا الحدود عبر معامل الربط (&)، مما يضمن احتساب المشاهدات التي تحقق كلا الشرطين معاً بدقة متناهية. بعد احتساب التكرارات المطلقة لكافة الفئات الرقمية، يتم سحب الصيغ إلى أسفل العمود، ثم يُطبق عمود التكرار المئوي بنفس الطريقة المشروحة سابقاً بقسمة تكرار كل فئة على المجموع الكلي للعينة المضروب في تنسيق النسبة المئوية، ليتشكل جدول توزيع مئوي كمي يوضح الثقل الإحصائي لكل فترة عددية في العينة.

8.3 التحقق من شمولية الفئات وحساب النسب التراكمية الصاعدة

يعد التحقق من شمولية الفئات (Exhaustiveness) وعدم تداخلها (Mutual Exclusivity) متطلباً جوهرياً لسلامة التوزيع؛ إذ يجب التأكد من أن حاصل جمع تكرارات الفئات الرقمية يطابق تماماً حجم العينة الكلي ($N$). إذا قل المجموع عن $N$، فإن ذلك يشير إلى أن بعض القيم المتطرفة قد سقطت خارج الحدود الدنيا للفئة الأولى أو الحدود العليا للفئة الأخيرة، مما يستوجب تعديل حدود الفئات لتغطية المدى بأكمله.

يكتمل التحليل الكمي ببناء عمود التكرار التراكمي المئوي (Cumulative Percentage) إلى جوار التكرار المئوي البسيط. تُبنى صيغة التراكم المئوي في الخلية الأولى بمساواة نسبة الفئة الأولى مباشرة (=H2)، وفي الخلية الثانية يتم جمع التراكم السابق مع النسبة الحالية بالصيغة:

=I2 + H3

ثم تُسحب الصيغة حتى الفئة الأخيرة التي يجب أن تصل حتماً إلى 100.0%. يتيح هذا العمود التراكمي استخراج الرتب المئينية بدقة متناهية، وتحديد نقاط القطع الإحصائية مثل تعيين فئة الـ 50% التراكمية التي تمثل الوسيط الحسابي للبيانات.

9. استخدام الجداول المحورية (Pivot Tables) لإنشاء التوزيع المئوي تلقائياً

9.1 إدراج الجدول المحوري وضبط حقول البيانات

تُمثل الجداول المحورية (Pivot Tables) إحدى أقوى وأسرع الأدوات المدمجة في إكسل لإنشاء التوزيعات التكرارية المئوية بصورة آلية وديناميكية دون كتابة أي معادلات يدوية معقدة. للبدء، يتم تحديد أي خلية داخل نطاق البيانات الخام، ثم الانتقال إلى شريط الأدوات والنقر على تبويب “إدراج” (Insert)، واختيار “جدول محوري” (PivotTable)، ثم تحديد موضع إدراج الجدول سواء في ورقة عمل جديدة أو في نفس الورقة الحالية والضغط على “موافق”.

تظهر على يمين الشاشة لوحة “حقول الجدول المحوري” (PivotTable Fields). لإنشاء هيكل التوزيع الأساسي، يتم سحب المتغير الإحصائي المراد تحليله وإفلاته في منطقة “الصفوف” (Rows)، ليقوم إكسل تلقائياً باستخراج كافة القيم والتصنيفات الفريدة وترتيبها في العمود الأول. بعد ذلك، يتم سحب نفس المتغير مرة ثانية وإفلاته في منطقة “القيم” (Values)؛ حيث يقوم البرنامج افتراضياً بتطبيق دالة العد (Count of Variable) إذا كان المتغير نصياً، مما يولد عمود التكرارات المطلقة الأولية فوراً وبدقة تامة.

9.2 تغيير إعدادات تلخيص القيم لعرض النسبة المئوية

لتحويل التكرارات المطلقة داخل الجدول المحوري إلى توزيع تكراري مئوي متكامل، لا يتطلب الأمر سوى تعديل إعدادات عرض الحقل بطريقة سريعة ومباشرة. يتم النقر بزر الفأرة الأيمن (Right-Click) على أي رقم داخل عمود التكرارات في الجدول المحوري، واختيار “إظهار القيم كـ” (Show Values As) من القائمة المنسدلة، ثم تحديد الخيار القياسي:

“% of Column Total” (نسبة مئوية من إجمالي العمود)

بمجرد تفعيل هذا الخيار، يقوم إكسل آنياً بتحويل كافة الأعداد المطلقة إلى نسب مئوية محسوبة بدقة منسوبة إلى المجموع الإجمالي التلقائي للجدول. ولإضفاء طابع احترافي كامل على المخرجات، يمكن للمحلل إعادة تسمية رأس العمود إلى “التكرار المئوي %” بدلاً من الاسم الافتراضي، مع إمكانية تعديل المنازل العشرية بنقرة زر من خلال خيارات “تنسيق الأرقام” (Number Format) المتاحة في نفس القائمة، ليصبح الجدول جاهزاً تماماً للاستخدام الإحصائي الفوري.

9.3 مقارنة طريقة الجداول المحورية مع طريقة الصيغ اليدوية

تتميز طريقة الجداول المحورية بالسرعة الفائقة والقدرة على معالجة مئات الآلاف من الصفوف في ثوانٍ معدودة، فضلاً عن مرونتها الاستثنائية في تجميع البيانات الرقمية إلى فئات تلقائية عبر ميزة “التجميع” (Grouping) بنقرة زر واحدة تحدد بداية ونهاية وطول الفئة. ومع ذلك، يعيب الجداول المحورية عدم تحديث مخرجاتها تلقائياً عند تغيير البيانات المصدرية إلا بعد الضغط اليدوي على أمر “تحديث” (Refresh) أو عبر برمجة وحدات ماكرو، بالإضافة إلى صعوبة تخصيص بعض العمليات الحسابية المتقاطعة خارج إطار الجدول.

على الجانب الآخر، توفر طريقة الدوال والصيغ اليدوية (مثل COUNTIF و UNIQUE) ديناميكية لحظية فورية؛ حيث تتغير المخرجات والنسب فور تعديل أي خلية خام دون الحاجة للتحديث اليدوي، مع إتاحة حرية مطلقة في التنسيق الهيكلي والشكلي للجدول ودمجه بسلاسة في تقارير إحصائية مخصصة. لذلك، يُفضل استخدام الجداول المحورية في مراحل الاستكشاف السريع والتحليلات الكبيرة، بينما تُفضل الصيغ اليدوية في بناء القوالب والنماذج الإحصائية الثابتة ولوحات التحكم التفاعلية طويلة الأمد.

10. التمثيل البياني الاحترافي للتوزيعات التكرارية المئوية

10.1 تصميم المخططات الشريطية والأعمدة البيانية المئوية

يعد التمثيل البياني الخطوة المتممة لبناء التوزيع التكراري المئوي، حيث يعمل على تحويل الأوزان الرقمية إلى إشارات بصرية يسهل إدراكها وتحليلها فورياً. تُعد المخططات العمودية (Column Charts) والمخططات الشريطية (Bar Charts) الخيار القياسي الأمثل لعرض التوزيعات المئوية للمتغيرات الاسمية والترتيبية. لإنشاء المخطط، يتم تحديد عمود الفئات وعمود النسب المئوية المقابل له في جدول التوزيع، ثم الانتقال إلى تبويب “إدراج” (Insert) واختيار “مخطط عمودي ثنائي الأبعاد” (2-D Clustered Column).

لضمان التوافق مع المعايير الأكاديمية والمهنية، يجب إجراء تعديلات تنسيقية دقيقة على المخطط؛ تشمل ضبط المحور الرأسي (Y-Axis) بحيث يكون الحد الأقصى مساوياً لـ 1.0 (أي 100%) أو أعلى قليلاً من أعلى نسبة مسجلة في البيانات لتوفير مساحة بصرية مريحة، مع ضبط التنسيق ليعرض تدريجات النسبة المئوية بوضوح. كما يُنصح بإضافة “تسميات البيانات” (Data Labels) فوق كل عمود لإظهار النسبة المئوية الدقيقة مباشرة، وتسمية المحاور بدقة مع إدراج عنوان وصفي شامل للمخطط يوضح طبيعة المتغير وحجم العينة الكلي ($N$).

10.2 إنشاء واستخدام المخططات الدائرية (Pie Charts)

تتمتع المخططات الدائرية (Pie Charts) والمخططات الحلقية (Doughnut Charts) بجاذبية بصرية واسعة لعرض التوزيعات المئوية، نظراً لأن الدائرة الكاملة تمثل بشكل تلقائي وبديهي نسبة الـ 100% الإجمالية، وتقوم الشرائح بتمثيل الأوزان النسبية لكل فئة. يتم إدراج المخطط عبر تحديد بيانات التوزيع واختيار “مخطط دائري” من قائمة الإدراج، مع ضرورة تفعيل خيار إظهار تسميات البيانات المتضمنة لاسم الفئة والنسبة المئوية معاً لسهولة القراءة والتمييز.

ومع ذلك، تفرض المعايير الإحصائية الصارمة قيوداً محددة على استخدام المخططات الدائرية؛ إذ يجب تجنب استخدامها تماماً إذا تجاوز عدد الفئات 5 إلى 6 فئات كحد أقصى، لأن كثرة الشرائح تجعل المخطط مزدحماً بصرياً ويصعب المقارنة الدقيقة بين الزوايا المتقاربة. في المقابل، توفر المخططات الحلقية بديلاً بصرياً عصرياً يتيح استغلال المساحة الفارغة في المنتصف لكتابة إجمالي حجم العينة ($N$)، مما يجمع بين العرض المئوي والإفصاح عن الحجم الإحصائي في حيز واحد أنيق.

10.3 بناء المدرج التكراري المئوي (Percent Histogram)

عند تمثيل التوزيعات التكرارية المئوية للبيانات الكمية المجمعة في فئات وفترات عددية، يصبح المدرج التكراري المئوي (Percent Histogram) هو الأداة البيانية العلمية الملزمة إحصائياً. يختلف المدرج التكراري عن المخطط العمودي في كونه يمثل متغيراً مستمراً، مما يقتضي إزالة الفواصل والمسافات البينية بين الأعمدة لتعكس طبيعة الاتصال الرقمي بين نهايات الفئات وبداياتها.

لإنشاء مدرج تكراري احترافي من جدول الفئات المئوي في إكسل، يتم أولاً إنشاء مخطط عمودي قياسي لنسب الفئات، ثم النقر بزر الفأرة الأيمن على أعمدة المخطط واختيار “تنسيق سلسلة البيانات” (Format Data Series)، ومن لوحة التحكم يتم تعديل “عرض الفجوة” (Gap Width) إلى 0% (أو نسبة ضئيلة جداً مثل 1% لإظهار خطوط فاصلة رقيقة). كما يمكن ترقية المخطط إلى مخطط مركب (Combo Chart) يجمع بين أعمدة المدرج التكراري المئوي وخط منحنى التكرار التراكمي المئوي (Ogive Curve) على محور ثانوي، مما ينتج لوحة بيانية إحصائية متكاملة تعكس التوزيع البسيط والتراكمي في آن واحد بأعلى درجات الرصانة العلمية.

11. الأخطاء الشائعة أثناء إنشاء التوزيع التكراري المئوي ومعالجتها

11.1 أخطاء المراجع وتثبيت الخلايا في الصيغ الرياضية

تُعد أخطاء المراجع وتثبيت الخلايا من أكثر الهفوات البرمجية شيوعاً التي يقع فيها مستخدمو إكسل عند بناء التوزيعات التكرارية المئوية يدوياً. يتمثل الخطأ الكلاسيكي الأبرز في نسيان استخدام علامة الدولار ($) لتثبيت مرجع الخلية المحتوية على المجموع الإجمالي للعينة في مقام معادلة النسبة؛ فعند كتابة =F2/F6 وسحب الصيغة للأسفل، تتحول الصيغة في الصف التالي إلى =F3/F7، وبما أن الخلية F7 فارغة، يُرجع إكسل خطأ القسمة الحسابية الشهير:

#DIV/0!

لحل هذه المعضلة وتفاديها، يجب التأكد دائماً من استخدام المرجع المطلق للمقام بالضغط على مفتاح F4 أثناء تحرير المعادلة لتصبح =F2/$F$6. كما يُوصى باستخدام دالة الحماية الحسابية IFERROR لتطويق الصيغ المركبة ومعالجة أي انقسامات غير مقصودة بسلاسة دون تشويه الجدول الإحصائي، مثل كتابة:

=IFERROR(F2/$F$6, 0)

حيث تُرجع الدالة القيمة صفر أو نصاً مخصصاً في حال حدوث أي خلل في بيانات الخلية المصدرية.

11.2 أخطاء تقريب النسب وعدم اكتمال المجموع إلى 100%

يواجه العديد من الباحثين ارتباكاً عند مراجعة جدول التوزيع التكراري المئوي المنسق وملاحظة أن حاصل جمع عمود النسب المئوية يسجل 99.9% أو 100.1% بدلاً من 100.0% تماماً. ينشأ هذا التباين الظاهري عن آلية التقريب البصري التلقائي التي يطبقها إكسل عند تقليل عدد المنازل العشرية المعروضة؛ حيث يتم تقريب الكسور العشرية الفردية للأعلى أو للأدنى بصورة مستقلة، مما يولد فرقات طفيفة عند الجمع البصري المباشر لتلك الأرقام المقربة.

تقتضي المعالجة الإحصائية السليمة التمييز الواعي بين القيمة المعروضة ظاهرياً والقيمة الحقيقية الدقيقة المخزنة في النظام. إذا كان التحليل يتطلب إلزامية التوافق التام بنسبة 100.0% دون أدنى كسر، يمكن للمحلل استخدام دالة ROUND لتقريب كافة النسب إلى منزلتين عشريتين مثلاً، ثم تعديل نسبة الفئة الكبرى أو المتبقية حسابياً لتستوعب الفارق الكسري الضئيل، أو ببساطة زيادة عرض المنازل العشرية إلى خانتين لتقليل أثر الخطأ التراكمي وتوضيح الدقة الحسابية للقارئ.

11.3 أخطاء دمج البيانات النصية والمسافات المخفية

تتسبب مشكلات تنظيف البيانات والشوائب النصية غير المرئية في فشل دوال العد والتلخيص مثل COUNTIF و COUNTIFS في رصد كافة التكرارات، مما يقود إلى توزيعات مئوية ناقصة ومضللة. تنشأ هذه المشكلة تحديداً عند استيراد البيانات من استبيانات إلكترونية (مثل Google Forms) أو قواعد بيانات خارجية؛ حيث قد تتضمن بعض السجلات مسافات فارغة غير مرئية في البداية أو النهاية (مثل “نعم ” بدلاً من “نعم”)، أو أحرف تحكم غير قابلة للطباعة (Non-printable characters).

يتعامل إكسل مع “نعم ” النصية المحتوية على مسافة باعتبارها كياناً مختلفاً تماماً عن “نعم” الخالية من المسافات، مما يحرم الفئة من احتساب تكراراتها الحقيقية. لعلاج هذا الخلل الجذري، يجب تمرير عمود النصوص الأصلي عبر دالتي التنظيف TRIM و CLEAN المدمجتين في عمود مساعد لتنقية النصوص تماماً من المسافات الزائدة وأكواد الفراغات غير المرئية عبر الصيغة:

=TRIM(CLEAN(A2))

ثم اعتماد هذا العمود المنقى كنطاق مصدري نهائي لحساب التكرارات والمئويات بأعلى درجات الموثوقية.

12. تطبيقات متقدمة وقراءة وتفسير نتائج التوزيع المئوي

12.1 التحليل الاستدلالي واستخراج الرؤى من التوزيع المئوي

يمثل التوزيع التكراري المئوي نقطة الانطلاق الأساسية للتحليل الإحصائي الاستدلالي واستخراج الرؤى النوعية العميقة من البيانات. يتيح فحص جدول التوزيع المئوي للمحلل تحديد الفئات المهيمنة ذات الوزن النسبي الأكبر وتلك المهمشة ذات التكرار المتدني، مما يسهم في التحقق المبدئي من صحة الفرضيات البحثية؛ فعلى سبيل المثال، إذا أظهر التوزيع المئوي أن 75% من مستخدمي منتج معين يقعون في الفئة العمرية الشابة، فإن ذلك يوفر دليلاً وصفياً قوياً يدعم فرضيات استهداف هذه الفئة تسويقياً.

كما يُشكل التوزيع المئوي أداة مثالية للمقارنات البينية المزدوجة بين عينتين مستقلتين أو مجموعتين تجريبية وضابطة عبر الجداول المتقاطعة (Cross-Tabulations). تتيح مقارنة النسب المئوية للأعمدة والصفوف تفكيك العلاقات المعقدة بين المتغيرات، واستكشاف الفروق النسبية في الاستجابة، وتحديد ما إذا كان التوزيع يتطابق مع التوزيع الطبيعي المعياري (Normal Distribution) المتماثل، أو يعاني من التواءات أو تسطح (Kurtosis) يوجه مسار التحليلات الإحصائية البارامترية واللابارامترية اللاحقة مثل اختبار كاي تربيع (Chi-Square Test).

12.2 أتمتة التوزيع التكراري المئوي باستخدام الجداول الديناميكية (Excel Tables)

لتحويل جدول التوزيع التكراري المئوي إلى نظام آلي متكامل يتحدث ذاتياً مع كل إدخال جديد للبيانات، يُنصح بتحويل نطاق البيانات الخام العادي إلى “جدول إكسل رسمي” (Official Excel Table) عبر تحديد البيانات والضغط على الاختصار:

Ctrl + T

تمنح هذه الخطوة النطاق ميزة التوسع التلقائي والمراجع المهيكلة (Structured References)، بحيث يُعطى الجدول اسماً مميزاً مثل SurveyData ويُسمى العمود [Satisfaction].

عند بناء صيغة دالة التكرار بالاعتماد على هذا الجدول الديناميكي:

=COUNTIF(SurveyData[Satisfaction], E2) / COUNTA(SurveyData[Satisfaction])

فإن أي صفوف أو استجابات جديدة تتم إضافتها إلى أسفل جدول SurveyData سيتم استيعابها وتضمينها تلقائياً وفورياً في حسابات التكرار والمجموع والنسب المئوية داخل جدول التوزيع المئوي والمخططات البيانية التابعة له دون الحاجة لأي تعديل يدوي في أبعاد النطاقات، مما يوفر أتمتة تشغيلية كاملة للنماذج والتقارير الإحصائية المستمرة.

12.3 إعداد التتقرير الإحصائي النهائي وتصدير النتائج

تتطلب المرحلة الختامية من التحليل صياغة وتنسيق جدول التوزيع التكراري المئوي بما يتوافق مع أدلة النشر العلمي العالمية المعترف بها، مثل دليل الجمعية الأمريكية لعلم النفس (APA Style Manual – 7th Edition). يتضمن التوثيق الأكاديمي القياسي للجداول إدراج رقم تسلسلي للجدول، وعنوان وصفي مائل وواضح في الأعلى، مع إزالة الخطوط العمودية الشبكية والاكتفاء بثلاثة خطوط أفقية رئيسية (أعلى وأسفل ترويسة الأعمدة، وأسفل صف الإجمالي العام)، وتسمية الأعمدة بالرموز الإحصائية القياسية مثل $n$ للتكرار المطلق و $%$ للتكرار المئوي.

يجب أن يترافق الجدول مع نص سردي تحليلي محكم لا يكتفي بتكرار قراءة الأرقام بل يقدم تفسيراً إحصائياً دقيقاً للاتجاهات العامة، مع تسليط الضوء على الفئات الأكثر تأثيراً وحساب الفروق النسبية الجوهرية. وعند تصدير النتائج إلى برامج معالجة النصوص (مثل Microsoft Word) أو برامج العروض التقديمية (PowerPoint)، يُنصح بلصق الجداول والمخططات التكرارية المئوية كعناصر رسومية متجهة عالية الدقة (Enhanced Metafile) أو كجداول مرتبطة بملف الإكسل المصدري، لضمان وضوح الأرقام وسهولة تحديثها آلياً قبل النشر والطباعة النهائية.

خاتمة

يُعد التوزيع التكراري المئوي أداة إحصائية وتحليلية محورية لتحويل البيانات الأولية المعقدة إلى معلومات واضحة ذات دلالة عملية قابلة للتفسير والمقارنة. وقد استعرض هذا الدليل المرجعي الشامل كافة الجوانب النظرية والتطبيقية لبناء هذه التوزيعات باحترافية عبر برنامج مايكروسوفت إكسل، بدءاً من فهم الأسس الرياضية للفئات والنسب والأوزان التراكمية، مروراً بممارسات تنظيف وتجهيز مصفوفات البيانات، وصولاً إلى تطبيق الدوال الحسابية المتقدمة مثل COUNTIF و UNIQUE و FREQUENCY، أو الاستعانة بمرونة وسرعة الجداول المحورية (Pivot Tables).

إن إتقان ضبط التنسيقات العشرية، وبناء المدرجات والرسوم البيانية المئوية المطابقة للمعايير الأكاديمية، ومعالجة الأخطاء الشائعة في المراجع والمسافات، يمنح الباحث ومحلل البيانات قدرة متقدمة على تقديم تقارير إحصائية تتسم بأعلى مستويات الرصانة والدقة المنهجية. إن دمج هذه التقنيات مع الجداول الديناميكية يؤسس لنماذج تحليلية مؤتمتة تسهم بفاعلية في تعزيز التحليل الاستدلالي واتخاذ القرارات المستندة إلى الأدلة الرقمية الموثوقة عبر مختلف التخصصات والعلوم.

References

اقتباس هذا المقال

looti, M. (2026, أغسطس 30). كيفية إنشاء توزيع تكراري مئوي في إكسل. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-create-percent-frequency-distribution-excel/
looti, Mohammed. “كيفية إنشاء توزيع تكراري مئوي في إكسل.” عرب سايكلوجي, 30 أغسطس 2026, https://arabpsychology.com/statistics/how-to-create-percent-frequency-distribution-excel/.
looti, Mohammed. “كيفية إنشاء توزيع تكراري مئوي في إكسل.” عرب سايكلوجي. أغسطس 30, 2026. https://arabpsychology.com/statistics/how-to-create-percent-frequency-distribution-excel/.