الإحصاء النفسيالقياس والتقويم السيكومتريمناهج البحث في علم النفس

التكرارات النسبية وتوزيعاتها

دليل أكاديمي شامل حول التكرارات النسبية وتوزيعاتها الإحصائية، وطرق حسابها، وتمثيلها البياني، وتطبيقاتها في القياس والبحوث النفسية.

تاريخ النشر

يشكل القياس الإحصائي الركيزة الجوهرية التي تستند إليها العلوم الإنسانية والسلوكية في تحويل الملاحظات الخام والاستجابات النفسية المجردة إلى بيانات كمية قابلة للتحليل والتفسير المنهجي. في هذا الفضاء المعرفي، لا يمكن لأي باحث أو ممارس إكلينيكي أن يستوعب ديناميات الظواهر النفسية المعقدة دون الاستناد إلى أدوات وصفية دقيقة تتيح له فرز الظواهر، وتحديد أنماط انتشارها، ومقارنة تجلياتها عبر المجموعات والأزمنة المختلفة. وتعد التكرارات بمختلف صورها البوابة الرياضية الأولى والأساسية لتنظيم البيانات السيكومترية والتربوية، حيث تحول الفوضى الظاهرية للأرقام الأولية إلى هياكل بيانية ذات دلالة تشخيصية وبحثية رصينة.

ومع ذلك، يقف التكرار المطلق عاجزاً في كثير من الأحيان عن تقديم صورة موضوعية للمقارنة عندما تتفاوت أحجام العينات أو تتباين سياقات التطبيق، مما استدعى بالضرورة تطوير مفهوم التكرار النسبي وتوزيعاته المختلفة. إن الانتقال من مجرد حساب عدد مرات حدوث السلوك إلى قياس وزنه النسبي بالنسبة للمجموع الكلي يمثل نقلة إبستيمولوجية ومنهجية حاسمة؛ إذ يحرر الباحث من قيود الحجم المطلق للبيانات ويفتح الباب واسعاً أمام المقارنات المعيارية، وتأسيس النماذج الاحتمالية، وتطوير معايير الاختبارات والمقاييس النفسية المقننة، وهو ما يُعرف في الأدبيات الإحصائية المتقدمة بالتحويل القياسي للاستجابات.

يتناول هذا المرجع الأكاديمي الشامل موضوع التكرارات النسبية وتوزيعاتها من منظور نظري وتطبيقي متقدم يخدم الباحثين وعلماء النفس التربوي والإكلينيكي وخبراء القياس والتقويم. سنغوص عبر هذا المقال في تفكيك الأسس الرياضية لحساب التكرارات النسبية والتراكمية، واستعراض طرائق بنائها وتمثيلها بيانياً، وتحليل تطبيقاتها السيكومترية المتقدمة في تدريج الفقرات واشتقاق الرتب المئينية، بالإضافة إلى استكشاف العلاقة التأسيسية التي تربط التوزيعات النسبية بنظرية الاحتمالات واتخاذ القرارات الإكلينيكية، وصولاً إلى تطبيقاتها العملية في البرمجيات الإحصائية المعاصرة مثل SPSS و R و Python، مع تفكيك المزالق والمغالطات الشائعة كـ مغالطة معدل الأساس ومفارقة سيمبسون.

جدول المحتويات

1. مفهوم التكرار والتكرار النسبي في الإحصاء النفسي والتربوي

1.1 تعريف التكرار المطلق وسياقه في القياس النفسي

يُعرف التكرار المطلق (Absolute Frequency) في سياق الإحصاء السلوكي والتربوي بأنه العدد الصحيح البسيط الذي يمثل مرات ظهور أو تكرار قيمة معينة لمتغير ما، أو عدد الأفراد الذين يظهرون استجابة أو سلوكاً محدداً ضمن عينة دراسية خاضعة للملاحظة. على سبيل المثال، في القياس السيكومتري عند تطبيق مقياس للاكتئاب، يمثل التكرار المطلق عدد الأفراد الذين أجابوا بخيار “نعم” على فقرة تشير إلى “فقدان الشهية”، أو عدد النوبات السلوكية العدوانية التي يسجلها طفل داخل غرفة الصف خلال أسبوع دراسي كامل. يُرمز للتكرار المطلق رياضياً بالرمز اللاتيني المعتاد f (أو $n_i$).

ورغم بساطة هذا المفهوم وسهولة حسابه، فإن التكرار المطلق يواجه محدوديات جوهرية صارمة عند استخدامه في الدراسات المقارنة. تتجلى هذه المحدودية بوضوح عندما يرغب الباحث في مقارنة تكرار ظهور أعراض القلق بين مدرستين: المدرسة الأولى تضم 500 طالب والمدرسة الثانية تضم 50 طالباً. إذا كان التكرار المطلق للطلاب القلقين في المدرسة الأولى هو 50 طالباً وفي المدرسة الثانية 25 طالباً، فإن الاعتماد السطحي على التكرار المطلق يقود إلى استنتاج مضلل بأن القلق ينتشر في المدرسة الأولى بضعف مستواه في المدرسة الثانية، متجاهلاً التأثير الحاسم لحجم العينة الأساسي الذي يغير المعادلة تماماً لصالح المدرسة الثانية التي يعاني نصف طلابها من القلق مقارنة بعُشر طلاب الأولى فقط.

1.2 مفهوم التكرار النسبي وأهميته المنهجية

يتجاوز التكرار النسبي (Relative Frequency) قيود التكرار المطلق من خلال التعبير عن تكرار الفئة كنسبة أو كسر من الحجم الإجمالي للعينة المدروسة ($N$). يُعرف إجرائياً بأنه ناتج قسمة التكرار المطلق لقيمة أو فئة معينة على المجموع الكلي لتكرارات جميع الفئات، ويُرمز له بالرمز$rf$ أو $p_i$. يحقق هذا التحويل التقييس المعياري (Standardization)، حيث تُختزل جميع التكرارات إلى مقياس موحد يتراوح مداه النظري والرياضي دائماً بين الصفر (في حالة الانعدام التام للظاهرة) والواحد الصحيح (في حالة الاستغراق الكامل لجميع الحالات).

تكمن الأهمية المنهجية للتكرار النسبي في كونه يحرر القياس السلوكي من الاعتماد على حجم المجموعة المدروسة، مما يسمح بإجراء مقارنات متوازنة وموضوعية عبر فئات متباينة الأحجام، كالمقارنة بين استجابات الذكور والإناث في بيئة إكلينيكية يتفوق فيها تمثيل أحد الجنسين عددياً. ويرتبط التكرار النسبي بعلاقة رياضية ومفاهيمية وطيدة مع مفاهيم الكسر الاعتيادي والكسر العشري والنسبة المئوية، حيث إن ضرب التكرار النسبي العشري في 100 يحوله مباشرة إلى نسبة مئوية (%) تعكس حصة كل فئة من المائة، وهو الشكل الأكثر استخداماً وشيوعاً في كتابة التقارير التشخيصية والأبحاث التربوية المنشورة.

1.3 دور التكرارات النسبية في فهم البنية السلوكية

تلعب التكرارات النسبية دوراً محورياً في الكشف عن البنية السلوكية والخصائص النفسية للمجتمعات المفحوصة؛ إذ تمكن المتخصصين من تحديد الأنماط السلوكية الشائعة والمعيارية وتمييزها بدقة متناهية عن الأنماط الشاذة أو النادرة سريرياً. فعند دراسة نمط الاستجابة على مقياس تقدير الذات، يساعد التوزيع النسبي للاستجابات على تحديد ما إذا كانت العينة تميل عموماً نحو التقدير الإيجابي المرتفع أو المنخفض، دون أن يتأثر هذا الحكم بارتفاع أو انخفاض الحجم الكلي للأفراد المشاركين في المسح.

علاوة على ذلك، يسهل التكرار النسبي على الممارسين الإكلينيكيين والمرشدين النفسيين تفسير الدرجات المستخلصة من الاختبارات السيكومترية ووضعها في سياق مجتمعي مقارن، كما يمثل الجسر المنهجي والرياضي الذي يهيئ الباحث للانتقال السلس من مرحلة الإحصاء الوصفي إلى مجالات الإحصاء الاستدلالي؛ إذ إن التكرار النسبي الملاحظ على المدى الطويل ليس سوى التقدير التجريبي الأكثر دقة للاحتمالية النظرية لحدوث الظاهرة المدروسة في المجتمع العام.

2. الفروق الجوهرية بين التكرارات المطلقة والنسبية

2.1 أوجه المقارنة الرياضية والمنهجية

تتمحور الفروق الرياضية بين التكرار المطلق والنسبي حول طبيعة المقياس ووحدات القياس المستخدمة. فالبيانات المعبر عنها بالتكرارات المطلقة تنتمي إلى مجال الأعداد الصحيحة الطبيعية غير السالبة ($0, 1, 2, dots, N$)، وتعتمد قيمتها المباشرة كلياً على عدد أفراد العينة الخاضعة للاختبار، مما يجعلها متغيرة وغير مستقرة إحصائياً عند المقارنة عبر دراسات مختلفة. في المقابل، تُعبر التكرارات النسبية عن قيم كسرية عشرية مستمرة تقع حصراً في الفترة المغلقة$[0, 1]$، أو كنسب مئوية تقع بين $0%$ و $100%$.

من الناحية المنهجية، يحافظ التكرار النسبي على ثبات المعنى والقدرة التفسيرية (Invariance of Meaning) بغض النظر عن تقلبات حجم العينة ($N$). إذا أظهرت دراسة سابقة أن 20 من أصل 100 مريض يستجيبون لبرنامج علاجي معرفي سلوكي، وأظهرت دراسة لاحقة موسعة استجابة 200 مريض من أصل 1000، فإن التكرار المطلق قفز بمقدار عشرة أضعاف، بينما يظل التكرار النسبي ثابتاً تماماً عند القيمة $0.20$ أو $20%$، مما يثبت استقرار الأثر العلاجي عبر الدراستين ويعصم الباحث من استنتاجات خاطئة ناتجة عن التغير في حجم البيانات المجمعة.

2.2 حالات الاستخدام الإكلينيكي والبحثي لكل نوع

لا يعني تفوق التكرار النسبي في المقارنات إلغاء الحاجة إلى التكرارات المطلقة، فلكل منهما وظائف محددة في السياق النفسي والتشخيصي. يُفضل استخدام التكرارات المطلقة بصورة أساسية في دراسات الحالة الفردية (Single-case Studies) وفي خطط تعديل السلوك التطبيقي (ABA)، حيث يحتاج المعالج إلى عد المرات الدقيقة التي يكرر فيها المفحوص سلوكاً مستهدفاً (مثل عدد نوبات الغضب اليومية أو تكرار سلوك إيذاء الذات) لتقييم التدخل العلاجي على مستوى الحالة الفردية الواحدة عبر الزمن.

في المقابل، يصبح استخدام التكرارات النسبية إلزامياً وضرورياً في الدراسات الوبائية النفسية والأبحاث المسحية المقارنة، كالمقارنة بين نسب انتشار اضطراب الاكتئاب الجسيم بين الذكور والإناث، أو بين فئات عمرية متباينة كالمراهقين وكبار السن. إن إبراز نسب انتشار الأعراض كنسبة مئوية من كل فئة فرعية هو الأسلوب العلمي الوحيد القادر على عزل التحيزات الناتجة عن التفوق الديموغرافي لعدد أفراد فئة معينة داخل المجتمع الإحصائي.

2.3 تحويل التكرارات المطلقة إلى تكرارات نسبية خطوة بخطوة

تتم عملية تحويل التكرارات المطلقة إلى تكرارات نسبية باتباع خوارزمية إحصائية منتظمة تتألف من ثلاث خطوات مترابطة تضمن دقة النتائج وسلامة التحليل الرياضي:

  • الخطوة الأولى: حساب الحجم الكلي للعينة ($N$) من خلال جمع التكرارات المطلقة لكافة الفئات أو الدرجات المستخلصة من المقياس النفسي وفق الصيغة:$N = sum f_i$.
  • الخطوة الثانية: قسمة التكرار المطلق ($f_i$) لكل فئة على حدة على المجموع الكلي ($N$)، للحصول على التكرار النسبي ككسر عشري ($rf_i = frac{f_i}{N}$).
  • الخطوة الثالثة: ضرب الكسر العشري الناتج في 100 لتحويله إلى تكرار نسبي مئوي ($% = rf_i \times 100$) إذا كانت طبيعة التقرير السيكومتري تتطلب العرض كنسب مئوية معتمدة للمقارنة.

3. الصيغ الرياضية وطرق حساب التكرارات النسبية

3.1 الصيغة الرياضية الأساسية وقواعدها

تتأسس الصيغة الرياضية المركزية لحساب التكرار النسبي لأي فئة $i$ على النحو التالي:

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

حيث تمثل $rf_i$ التكرار النسبي للفئة المعنية، و $f_i$ التكرار المطلق الملاحظ لتلك الفئة، و $N$ إجمالي حجم العينة الذي يساوي مجموع تكرارات كافة الفئات البالغ عددها $k$. يخضع هذا البناء الرياضي لشرط بديهي صارم ينص على أن المجموع الجبري لكافة التكرارات النسبية المحسوبة يجب أن يساوي بالضرورة الرقم واحد صحيح، أي:

$$\sum_{i=1}^{k} rf_i = 1.00 \quad \text{أو} \quad \sum_{i=1}^{k} (rf_i \times 100) = 100%$$

وعند تطبيق هذه الحسابات عملياً، يواجه الإحصائي النفسي تحدي أخطاء التقريب العشري (Rounding Errors). فعند تقريب الكسور العشرية إلى منزلتين أو ثلاث منازل، قد يظهر المجموع الكلي في صورة $0.999$ أو $1.001$. في مثل هذه الحالات، تفرض المعايير المنهجية الحفاظ على أكبر عدد ممكن من المنازل العشرية أثناء العمليات الحسابية الوسيطة، مع الإشارة في الحواشي الإحصائية إلى أن عدم تطابق المجموع مع $100%$ يعود بحتة إلى فروق التقريب الرياضي المعتمدة.

3.2 تمثيل التكرار النسبي بالأشكال الرياضية المختلفة

يمكن التعبير عن التكرار النسبي بعدة أشكال رياضية تخدم أغراضاً تحليلية وتواصلية مختلفة. الشكل الأول هو الكسر الاعتيادي (مثل $\frac{15}{60}$)، وهو التمثيل الأكثر دقة رياضياً لأنه لا يفقد أي جزء من القيمة نتيجة التقريب، إلا أنه يصعب مقارنته بصرياً مع كسور ذات مقامات أخرى مختلفة. الشكل الثاني هو الكسر العشري (مثل $0.25$)، وهو الصيغة المفضلة في النمذجة الإحصائية، وتحليل الانحدار، ودوال الاحتمال، والبرمجة السيكومترية.

الشكل الثالث هو النسبة المئوية (مثل $25%$)، وهو الشكل الأكثر استخداماً في لوحات المؤشرات التشخيصية والتقارير النفسية الإكلينيكية الموجهة لغير الإحصائيين نظراً لسهولة إدراكه وتفسيره المباشر. كما يُستخدم أحياناً تمثيل رابع يعتمد على معدل الحدوث القياسي (مثل: 25 لكل 100 فرد، أو 250 لكل 1000 فرد)، وهو نمط شائع الاستخدام في الأبحاث الوبائية لدراسة معدلات انتشار الاضطرابات النفسية النادرة كالفصام والتوحد لتقليل التعامل مع الكسور العشرية الدقيقة جداً.

3.3 تمارين ونماذج تطبيقية على درجات مقاييس الشخصية

لتوضيح ذلك، نفترض أن باحثاً طبق مقياساً يقيس سمة “الانبساطية” (Extraversion) مستخدماً مقياس ليكرت الخماسي على عينة مكونة من $N = 200$ طالب جامعي، وكانت التكرارات المطلقة للاستجابة على إحدى الفقرات المركزية موزعة كالتالي: “أعارض بشدة” ($f_1 = 12$)، “أعارض” ($f_2 = 28$)، “محايد” ($f_3 = 40$)، “أوافق” ($f_4 = 80$)، “أوافق بشدة” ($f_5 = 40$). لحساب التوزيع النسبي، نطبق الصيغة الرياضية تباعاً:

  • الفئة 1 (أعارض بشدة): $rf_1 = \frac{12}{200} = 0.06$ أي $6%$.
  • الفئة 2 (أعارض): $rf_2 = \frac{28}{200} = 0.14$ أي $14%$.
  • الفئة 3 (محايد): $rf_3 = \frac{40}{200} = 0.20$ أي $20%$.
  • الفئة 4 (أوافق): $rf_4 = \frac{80}{200} = 0.40$ أي $40%$.
  • الفئة 5 (أوافق بشدة): $rf_5 = \frac{40}{200} = 0.20$ أي $20%$.

للتحقق من سلامة الحسابات الرياضية، نجمع التكرارات النسبية: $0.06 + 0.14 + 0.20 + 0.40 + 0.20 = 1.00$، ونجمع النسب المئوية: $6% + 14% + 20% + 40% + 20% = 100%$. يوضح هذا التوزيع أن أغلبية العينة ($60%$ يمثلون مجموع فئتي أوافق وأوافق بشدة) تميل نحو إظهار السلوك الانبساطي في هذه الفقرة المحددة، مما يمنح الباحث رؤية واضحة للاتجاه العام للاستجابات.

4. بناء جداول التوزيع التكراري النسبي للبيانات النفسية

4.1 مكونات وهيكلية جدول التوزيع النسبي القياسي

يعد جدول التوزيع التكراري النسبي أداة تنظيمية قياسية لعرض البيانات الكمية والنوعية بصورة منهجية تتيح الفهم الفوري للبنية الإحصائية للمتغير النفسي. يتكون الجدول القياسي المصمم وفق معايير جمعية علم النفس الأمريكية (APA Style) من أربعة أو خمسة أعمدة رئيسية مترابطة رأسياً وأفقياً:

  • عمود الفئات أو الدرجات (Categories / Raw Scores): يتضمن أسماء المستويات النوعية أو القيم الرقمية المرتبة منطقياً للظاهرة المقاسة.
  • عمود التكرار المطلق ($f$): يسجل عدد الحالات الفردية التي تنتمي لكل فئة.
  • عمود التكرار النسبي ($rf$): يوضح الكسر العشري المكافئ لكل فئة مقارنة بالإجمالي.
  • عمود النسبة المئوية ($%$): يعرض التكرار النسبي مضروباً في 100.
  • صف المجموع الكلي ($\sum$): يوثق إجمالي حجم العينة ($N$) ومجموع التكرارات النسبية ($1.00$) والنسب المئوية ($100%$).

4.2 خطوات تنظيم البيانات غير المجمعة (Ungrouped Data)

عند التعامل مع درجات خام غير مجمعة مستخرجة من تطبيق مقياس نفسي لتقدير القلق مؤلف من درجات منفصلة تتراوح بين 10 و 15 درجة، فإن عملية إنشاء الجدول تتطلب خطوات منهجية واضحة لتفادي أي خطأ إحصائي. تبدأ العملية بفرز وترتيب الدرجات النفسية الخام تصاعدياً من القيمة الأدنى إلى القيمة الأعلى لتحديد المجال الفعلي للدرجات وتجنب إغفال أي درجة حصل عليها المفحوصون.

عقب عملية الترتيب، يتم حساب التكرار المطلق لكل درجة فريدة عبر حصر عدد الطلاب الحاصلين عليها بدقة. يُحسب الحجم الإجمالي للعينة من خلال جمع هذه التكرارات، ثم يُطبق قانون التكرار النسبي على كل درجة بشكل مستقل. يُدرج الجدول النهائي بشكل منسق مع تحديد ترويسات الأعمدة بوضوح، مما يضمن سهولة القراءة وتوفير قاعدة بيانات صلبة تمهد لإجراء العمليات الإحصائية الأكثر تقدماً.

4.3 تطبيقات الجداول التكرارية في استبيانات الرضا والاتجاهات

تعتبر جداول التوزيع التكراري النسبي الأسلوب الأمثل لتقديم نتائج استبيانات الرضا الوظيفي والاحتراق النفسي لدى العاملين في المهن الصحية والتعليمية. لنفترض دراسة هدفت إلى تقييم مستوى الاحتراق النفسي لدى 300 ممرض، وصُنفت درجاتهم إلى ثلاثة مستويات: منخفض، متوسط، ومرتفع. يوضح الجدول التالي البنية التكرارية النسبية للنتائج:

مستوى الاحتراق النفسي التكرار المطلق ($f$) التكرار النسبي ($rf$) النسبة المئوية ($%$)
منخفض (Low) 45 0.15 15%
متوسط (Moderate) 165 0.55 55%
مرتفع (High) 90 0.30 30%
المجموع ($\sum$) 300 1.00 100%

عند صياغة التعليق الإحصائي الأكاديمي على هذا الجدول، يشير الباحث إلى أن التوزيع النسبي يكشف بوضوح أن الغالبية العظمى من أفراد العينة يقعون في نطاق الاحتراق النفسي المتوسط إلى المرتفع بنسبة إجمالية تبلغ $85%$ ($55% + 30%$)، في حين لا تتجاوز نسبة من يعانون من احتراق منخفض $15%$ فقط، مما يعطي مؤشراً إكلينيكياً وإدارياً حاسماً حول الحاجة الماسة لبرامج الدعم النفسي والمهني في تلك البيئة.

5. التوزيع التكراري النسبي التراكمي (Cumulative Relative Frequency)

5.1 مفهوم التكرار النسبي التراكمي وأهدافه الإحصائية

يمثل التكرار النسبي التراكمي (Cumulative Relative Frequency – $crf$) الامتداد الديناميكي للتكرار النسبي البسيط؛ حيث يُعبر عن النسبة المتراكمة من الحالات أو المفحوصين الذين حصلوا على درجة معينة أو أقل منها (في حالة التراكم الصاعد) ضمن التوزيع الكلي للدرجات. يُقدم التوزيع التراكمي إجابات مباشرة ودقيقة عن أسئلة إكلينيكية وتربوية جوهرية مثل: “ما هي نسبة الطلاب الذين حصلوا على درجة 70 فأقل في اختبار التحصيل؟” أو “ما نسبة المرضى الذين تقع مستويات القلق لديهم دون الحد الحرج للتشخيص؟”.

تكمن الأهداف الإحصائية للتكرار النسبي التراكمي في توفير صورة تتابعية تراكمية للبيانات تساعد في تصنيف الأفراد وتقسيم العينات إلى شرائح ومستويات متباينة بناءً على موقعهم النسبي في التوزيع. كما يمثل الأداة التحويلية الأساسية المستخدمة لربط الدرجات الخام بالمقاييس المعيارية الترتيبية كالرتب المئينية، مما يجعله مفهوماً لا غنى عنه في تطوير أدوات القياس السيكومتري وتقييم الأداء المعرفي.

5.2 طريقة حساب وبناء عمود التكرار النسبي التراكمي

يُبنى عمود التكرار النسبي التراكمي الصاعد بأسلوب رياضي تجميعي متسلسل؛ حيث يساوي التكرار النسبي التراكمي للفئة الأولى تكرارها النسبي البسيط نفسه ($crf_1 = rf_1$). أما بالنسبة للفئات اللاحقة، فيُحسب التكرار النسبي التراكمي للفئة $i$ بجمع تكرارها النسبي البسيط ($rf_i$) إلى التكرار النسبي التراكمي للفئة السابقة لها مباشرة ($crf_{i-1}$)، وفق العلاقة الرياضية التالية:

$$crf_i = crf_{i-1} + rf_i = \sum_{j=1}^{i} rf_j$$

من القواعد الرياضية الحتمية التي لا تقبل الشك أن التكرار النسبي التراكمي للفئة الأخيرة من التوزيع يجب أن يصل دائماً وبدقة إلى القيمة $1.00$ (أو $100%$ إذا كان تراكمياً مئوياً)، وهو ما يمثل الاستيعاب التام لجميع عناصر العينة. في المقابل، يمكن حساب التراكم الهابط (“أكثر من أو يساوي”) عن طريق طرح التراكم الصاعد من الواحد الصحيح، والذي يُستخدم لمعرفة نسبة الأفراد المتفوقين أو المتجاوزين لدرجة حرجة معينة في الاختبارات النفسية.

5.3 الربط بين التكرار النسبي التراكمي والرتب المئينية (Percentiles)

يعد التكرار النسبي التراكمي المئوي الأساس النظري والرياضي لاشتقاق الرتب المئينية (Percentile Ranks). تُعرف الرتبة المئينية لدرجة معينة بأنها النسبة المئوية للأفراد في العينة المعيارية الذين حققوا تلك الدرجة أو أقل منها. بالتالي، فإن قيمة التكرار النسبي التراكمي المئوي لدرجة خام ما هي في الواقع الرتبة المئينية المباشرة لتلك الدرجة عند افتراض الدرجات المنفصلة.

درجة الذكاء الخام ($X$) التكرار المطلق ($f$) التكرار النسبي ($rf$) النسبة التراكمية الصاعدة ($crf$) الرتبة المئينية التقديرية
85 فأقل 16 0.16 0.16 (16%) المئين 16
86 – 100 34 0.34 0.50 (50%) المئين 50
101 – 115 34 0.34 0.84 (84%) المئين 84
116 فأعلى 16 0.16 1.00 (100%) المئين 100

تتجلى الأهمية السريرية والتربوية لهذا الربط عند تقييم حالات التأخر العقلي أو الموهبة الفائقة في اختبارات الذكاء (مثل مقياس وكسلر)؛ فالطفل الذي يحصل على درجة خام تقع عند التكرار النسبي التراكمي $0.50$ يُصنف مباشرة عند المئين الخمسين، مما يعني أن أداءه المعرفي يتفوق على أو يماثل $50%$ من أقرانه في نفس الفئة العمرية، وهو ما يمثل الأداء المتوسط الطبيعي.

6. التمثيل البياني للتوزيعات التكرارية النسبية

6.1 المدرج التكراري النسبي (Relative Frequency Histogram)

يعد المدرج التكراري النسبي الأداة البصرية الأهم لعرض التوزيعات المستمرة للبيانات المقاسة على مستوى المسافة أو النسبة. يُنشأ المدرج التكراري النسبي بتخصيص المحور الأفقي (السيني) لتمثيل الحدود الحقيقية للفئات أو الدرجات النفسية المقاسة، بينما يُخصص المحور الرأسي (الصادي) لتمثيل التكرارات النسبية ($rf$) أو النسب المئوية المقابلة لكل فئة بدلاً من التكرارات المطلقة.

تكمن الميزة الرياضية الكبرى للمدرج النسبي في أن المساحة الإجمالية لجميع الأعمدة المستطيلة المرسومة تساوي دائماً الواحد الصحيح ($1.00$)، مما يجعل مساحة كل عمود منفرد ممثلة مباشرة للاحتمال التجريبي المرتبط بتلك الفئة. ومن خلال الفحص البصري لشكل المدرج، يستطيع الباحث تشخيص الخصائص التوزيعية للمتغير السلوكي؛ كمعرفة ما إذا كان التوزيع معتدلاً متماثلاً (Bell-shaped Normal Distribution)، أو ملتوياً نحو اليمين إيجابياً (Positive Skewness) كدرجات القلق في المجتمع العام، أو ملتوياً نحو اليسار سلبياً (Negative Skewness) كدرجات اختبار سهل خضع له متفوقون.

6.2 المضلع التكراري النسبي والمنحنى التكراري

يُبنى المضلع التكراري النسبي (Relative Frequency Polygon) بتحديد مراكز الفئات (Class Midpoints) على المحور الأفقي، ووضع نقاط تتقاطع رأسياً مع قيمة التكرار النسبي المناظرة لكل فئة، ثم إيصال هذه النقاط المتتالية بخطوط مستقيمة منكسرة، مع إغلاق المضلع من طرفيه عند خط الصفر بربطه بمراكز فئات افتراضية سابقة ولاحقة ذات تكرار نسبي صفري. وعند تنعيم هذه الخطوط المنكسرة رياضياً باستخدام أساليب الصقل والتقدير الكثافي، يتحول المضلع إلى منحنى تكرار نسبي أملس يمثل الدالة الاحتمالية المستمرة للمجتمع الأصلي.

يمتاز المضلع والمنحنى النسبي بقدرة فائقة على المقارنة البصرية المتزامنة؛ إذ يمكن للباحث النفسي رسم مضلعين تكراريين نسبيين أو أكثر على نفس شبكة المحاور المتعامدة لمقارنة درجات مجموعتين علاجيتين مختلفتين في الحجم (مثل: مجموعة علاج معرفي سلوكي $N=80$ ومجموعة ضابطة $N=120$). يتيح هذا التراكب البصري إدراك التحول في مركز التوزيع النسبي ومقدار التشتت بين المجموعتين بصورة لا تتوفر عند استخدام المدرجات التكرارية التي قد تتشابك أعمدتها بصرياً.

6.3 المنحنى التراكمي الصاعد (Ogive) والمخططات الدائرية

يُمثل المنحنى التكراري النسبي التراكمي الصاعد (Ogive) بيانياً العلاقة بين الحدود الحقيقية العليا للفئات على المحور الأفقي والتكرارات النسبية التراكمية على المحور الرأسي. يتخذ هذا المنحنى شكلاً تصاعدياً مستمراً يشبه حرف $S$ في التوزيعات المتماثلة، ويبدأ دائماً من الصفر وينتهي حتماً عند القمة $1.00$ ($100%$). يُستخدم المنحنى التراكمي الصاعد كأداة بصرية سريعة لتقدير الرتب المئينية واستخراج قيم الوسيط والمئينيات بيانياً دون الحاجة إلى معادلات استكمال خطي مطولة.

أما بالنسبة للمتغيرات الاسمية والتصنيفية (Nominal Variables) كأنماط الشخصية أو التصنيفات التشخيصية، فإن المخططات الدائرية (Pie Charts) تقدم تمثيلاً بيانياً فعالاً؛ حيث تمثل المساحة الكلية للدائرة ($360^circ$) إجمالي التكرار النسبي ($100%$)، وتُحسب زاوية كل قطاع بضرب تكراره النسبي في $360^circ$. ولتجنب التضليل البصري في الرسوم البيانية النفسية، توصي الأدبيات البحثية بتجنب الرسوم المجسمة ثلاثية الأبعاد (3D)، والتأكد دائماً من بدء المحاور الرأسية من الصفر لتفادي تضخيم الفروق النسبية الضئيلة بصرياً.

7. التعامل مع البيانات المجمعة والفئات (Grouped Data)

7.1 قواعد تقسيم الدرجات النفسية الخام إلى فئات

عندما تشتمل البيانات السيكومترية على مدى واسع من الدرجات المستمرة أو الدرجات الخام المتنوعة الناتجة عن عينات ضخمة، يصبح تنظيمها في قيم منفردة أمراً غير مجدٍ إحصائياً، مما يفرض اللجوء إلى البيانات المجمعة في فئات (Grouped Data). تخضع عملية تقسيم البيانات إلى فئات لقواعد منهجية صارمة تبدأ بتحديد المدى الكلي للدرجات ($Range = X_{\max} – X_{\min}$).

لتحديد العدد الأمثل للفئات ($k$) وتجنب الإفراط في التفصيل أو التجميع المخل بالبيانات، يُفضل الاعتماد على صيغ رياضية قياسية مثل قاعدة سترجز (Sturges’ Rule):

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

وبمجرد تحديد عدد الفئات $k$، يُحسب طول الفئة أو اتساعها ($w$) بقسمة المدى الكلي على عدد الفئات ($w = frac{text{Range}}{k}$) مع تقريبه إلى أقرب عدد صحيح مريح للتعامل. كما يُراعى ضبط الحدود الحقيقية للفئات (Real Class Limits) بإضافة وطرح نصف وحدة قياس (مثل $0.5$) للحدين الأدنى والأعلى لتغطية المتصل الرياضي وتجنب أي فجوات أو تداخلات بين الفئات المتعاقبة.

7.2 حساب التكرارات النسبية للفئات ومراكز الفئات

بعد تحديد حدود الفئات، يتم تفريغ الدرجات الخام لحساب التكرار المطلق ($f_i$) المقابل لكل فئة، ثم يُقسم هذا التكرار على الحجم الإجمالي للعينة ($N$) للوصول إلى التكرار النسبي لتلك الفئة ($rf_i$). كما يبرز مفهوم مركز الفئة ($X_{mi}$ – Midpoint) كقيمة ممثلة لجميع الدرجات الواقعة داخل الفئة الواحدة، ويُحسب بجمع الحد الأدنى للفئة إلى حدها الأعلى وقسمة الناتج على 2:

$$X_{mi} = \frac{\text{الحد الأدنى} + \text{الحد الأعلى}}{2}$$

تؤثر سعة الفئة ($w$) تأثيراً مباشراً على دقة التوزيع النسبي؛ فاختيار فئات واسعة جداً يؤدي إلى فقدان التفاصيل الدقيقة للبنية السلوكية (Loss of Granularity)، بينما يؤدي اختيار فئات ضيقة للغاية إلى تشتيت النمط العام للتوزيع وظهور تذبذبات عشوائية ناتجة عن صغر التكرارات في الفئات المفردة. لذلك، تقتضي الصرامة المنهجية التوازن الدقيق بين التلخيص الإحصائي والحفاظ على دقة التمثيل الرياضي للبيانات.

7.3 معالجة التوزيعات المفتوحة الطرفين في الدراسات النفسية

تتضمن بعض البحوث النفسية والتربوية فئات مفتوحة في أحد طرفي التوزيع أو كليهما، كأن تكون الفئة الأولى “أقل من 20 درجة” أو الفئة الأخيرة “75 درجة فأكثر”. تهدف هذه الفئات المفتوحة في الغالب إلى استيعاب الحالات الطرفية النادرة أو المتطرفة دون الحاجة لإنشاء عدد كبير من الفئات الفارغة التي تؤدي إلى اتساع الجدول بلا فائدة إحصائية.

ورغم أن حساب التكرارات النسبية للفئات المفتوحة يتم بنفس الصيغة القياسية ($rf = \frac{f}{N}$)، فإن وجودها يخلق تحدياً رياضياً معقداً يتمثل في استحالة حساب مركز الفئة (Midpoint) رياضياً لتلك الفئات لعدم وجود حد أدنى أو أعلى محدد. ينعكس ذلك سلباً على إمكانية رسم المضلع التكراري النسبي أو حساب المقاييس الوصفية المشتقة كالمتوسط الحسابي والانحراف المعياري. وفي هذه الحالات، يُنصح إحصائياً إما بإغلاق الفئات استناداً إلى الحدود النظرية القصوى لأداة القياس السيكومتري المستخدمة، أو الاكتفاء بالوسيط الحسابي والرتب المئينية كبدائل مقاومة للقيم الطرفية.

8. العلاقة بين التوزيع التكراري النسبي والاحتمالات الإحصائية

8.1 التعريف التجريبي للاحتمال والتكرار النسبي في المدى البعيد

يرتكز المفهوم الحديث للاحتمال التجريبي أو التكراري (Empirical Probability) بصورة كاملة على التكرار النسبي المستخلص من الملاحظة التجريبية. فوفقاً لنظرية الاحتمال الكلاسيكية، يُعرف احتمال وقوع حدث سلوكي معين $A$ بأنه النهاية الرياضية للتكرار النسبي لحدوث ذلك الحدث عندما يقترب عدد المحاولات أو حجم العينة المستقلة ($N$) من اللانهاية، وهو المبدأ الراسخ المعروف في علم الإحصاء بـ قانون الأعداد الكبيرة (Law of Large Numbers):

$$P(A) = \lim_{N to \infty} \frac{f(A)}{N}$$

في الأبحاث النفسية التجريبية، لا يستطيع الباحث معرفة الاحتمال الحقيقي النظري لاستجابة المفحوص لمثير معين بطريقة استنتاجية بحتة، بل يبني النماذج التنبؤية بالاستناد إلى التكرار النسبي الملاحظ لتلك الاستجابة عبر عدد كبير من المحاولات المعملية المقننة. بالتالي، يتحول جدول التوزيع التكراري النسبي من مجرد ملخص وصفي لبيانات عينة معينة إلى نموذج تقديري لتوزيع الاحتمالات العامة في المجتمع السلوكي الأوسع.

8.2 دوال الكتلة الاحتمالية ودوال الكثافة

عندما نتعامل مع متغيرات نفسية منفصلة (Discrete Variables) كعدد الأخطاء في مهمة انتباه أو عدد الأعراض المرضية المسجلة، فإن جدول التوزيع التكراري النسبي يطابق مفهوم دالة الكتلة الاحتمالية (Probability Mass Function – PMF)؛ حيث تقترن كل قيمة محددة باحتمال $P(X = x) = rf_x$ يخضع لشرطي الاحتمال الأساسيين: $0 le P(x) le 1$ و $\sum P(x) = 1$.

أما في حالة المتغيرات النفسية المستمرة (Continuous Variables) كالذكاء، وزمن الرجع العصبي، وسمات الشخصية، فإن المدرج التكراري النسبي يقترب كلما زاد حجم العينة وضاق اتساع الفئات من دالة كثافة الاحتمال (Probability Density Function – PDF). وفي هذا السياق المستمر، لا يمثل الارتفاع المفرد احتمالاً لقيمة نقطية معينة (إذ إن احتمال قيمة نقطية محددة بدقة لامتناهية يساوي صفراً)، بل تمثل المساحة المحصورة تحت منحنى الكثافة بين نقطتين التكرار النسبي المتوقع أو الاحتمال التراكمي لوقوع الدرجة في ذلك النطاق، وهو الأساس الذي يقوم عليه التوزيع الاعتدالي المعياري وتوزيع الدرجات المعيارية ($Z$-Scores) في القياس السيكومتري.

8.3 التنبؤ الإحصائي واتخاذ القرار الإكلينيكي

تشكل التكرارات النسبية والاحتمالات المشتقة منها حجر الزاوية في الممارسة الإكلينيكية القائمة على الأدلة (Evidence-Based Practice) واتخاذ القرارات التشخيصية الرشيدة. فعندما يعلم المعالج النفسي أن التكرار النسبي التاريخي للاستجابة الإيجابية لبروتوكول علاجي معين يبلغ $0.75$ لدى مرضى الوسواس القهري، فإنه يستند إلى هذا التكرار كاحتمال متوقع لتوجيه مسار التدخل الطبي والنفسي للمريض الجديد.

علاوة على ذلك، تُستخدم التكرارات النسبية في حساب مؤشرات سريرية حاسمة مثل الخطر النسبي (Relative Risk – RR) ونسب الأرجحية (Odds Ratios) ومعدلات الحساسية (Sensitivity) والنوعية (Specificity) للاختبارات التشخيصية؛ فتقدير احتمالية إصابة مريض باضطراب معين استناداً إلى نتيجة إيجابية في فحص نفسي يتطلب بالضرورة معرفة التكرار النسبي الأساسي لانتشار ذلك الاضطراب في المجتمع المعني، مما يمنع الوقوع في التشخيصات الإيجابية الكاذبة التي تهدد سلامة الممارسة النفسية.

9. التطبيقات المتقدمة للتكرارات النسبية في القياس النفسي (Psychometrics)

9.1 تحليل فقرات الاختبارات النفسية (Item Analysis)

يعد التكرار النسبي المدخل الأساسي لحساب الخصائص السيكومترية لمفردات الاختبارات النفسية والتربوية في إطار النظرية التقليدية للاختبارات (Classical Test Theory – CTT). يتجلى ذلك بوضوح في حساب معامل صعوبة الفقرة (Item Difficulty Index – $p$) للاختبارات المعرفية والتحصيلية، والذي يُعرف رياضياً بأنه التكرار النسبي للأفراد الذين أجابوا عن الفقرة إجابة صحيحة:

$$p_i = \frac{R_i}{N}$$

حيث تمثل $R_i$ التكرار المطلق للإجابات الصحيحة على الفقرة $i$، و$N$ إجمالي عدد المفحوصين. تشير القيمة المرتفعة للتكرار النسبي ($p > 0.85$) إلى سهولة بالغة للفقرة، بينما تشير القيمة المنخفضة جداً ($p < 0.20$) إلى صعوبة شديدة.

كما يُستخدم التوزيع التكراري النسبي في تحليل المشتتات والبدائل (Distractor Analysis) في أسئلة الاختيار من متعدد؛ حيث يفحص مصمم الاختبار التكرار النسبي لاختيار كل بديل خاطئ من قِبل الفئات العليا والدنيا من الطلاب للتأكد من جاذبية المشتت وقدرته على استقطاب الطلاب الضعاف دون تضليل المتفوقين، بالإضافة إلى الكشف عن التحيز التمييزي للمفردات (Differential Item Functioning – DIF) عند مقارنة التكرارات النسبية للإجابة الصحيحة بين مجموعات فرعية متكافئة في القدرة.

9.2 معايرة وتطوير المعايير المرجعية (Norm-Referenced Scoring)

تعتمد عملية بناء المعايير (Norming) في الاختبارات المقننة لاختبارات الذكاء والشخصية ومقاييس الميول على التحويلات التكرارية النسبية التراكمية. لا يمكن تفسير الدرجة الخام التي يحصل عليها المفحوص (مثل الحصول على 45 درجة في مقياس الدافعية) بمعزل عن موقعه النسبي في التوزيع التكراري للمجتمع المعياري المقارن.

تقوم المؤسسات السيكومترية بتطبيق المقياس على عينات تمثيلية ضخمة، وحساب التوزيع التكراري النسبي التراكمي لتحويل الدرجات الخام إلى رتب مئينية معيارية، أو تحويل التكرارات النسبية التراكمية إلى درجات معيارية مئوية ومعدلة (Normalized Standard Scores) كالدرجات التائية ($T$-scores) والدرجات المعيارية التساعية (Stanines). تضمن هذه المعايرة النسبية المقننة أن يكون لكل درجة خام معنى سيكومتري وتربوي واضح يحدد موقع الفرد بدقة على متصل السمة المقاسة مقارنة بأقرانه.

9.3 تقييم التوافق والاتفاق بين المقيمين

في بحوث القياس الإكلينيكي والملاحظة السلوكية، يُطلب غالباً من خبيرين أو أكثر تقييم وجود أو شدة أعراض معينة لدى المرضى. يُشكل التكرار النسبي لحالات الاتفاق الظاهري الملاحظ (Observed Proportion of Agreement – $P_o$) بين المقيمين حجر الأساس لتقييم ثبات القياس والموثوقية التشخيصية:

$$P_o = \frac{\sum f_{\text{agreement}}}{N}$$

ويمثل هذا التكرار النسبي البسيط الخطوة التحضيرية الإلزامية لحساب معاملات الثبات المتقدمة كمعامل كابا كوهين (Cohen’s Kappa – $kappa$)، الذي يعدل نسبة الاتفاق الملاحظة بطرح نسبة الاتفاق المتوقعة بمحض الصدفة ($P_e$) والمشتقة بدورها من حاصل ضرب التكرارات النسبية الهامشية لكلا المقيمين، وفق المعادلة السيكومترية الشهيرة:

$$\kappa = \frac{P_o – P_e}{1 – P_e}$$

10. استخدام التكرارات النسبية في البحوث التجريبية والارتباطية

10.1 التكرارات النسبية المشتركة وجداول الاقتران (Contingency Tables)

تستخدم جداول الاقتران أو التقاطع (Cross-tabulation Tables) لدراسة العلاقة الارتباطية بين متغيرين نوعيين أو تصنيفيين في البحوث السلوكية (مثل: العلاقة بين الجنس والإصابة باضطراب الهلع). يتم في هذه الجداول حساب ثلاثة أنواع متباينة ومترابطة من التكرارات النسبية:

  • التكرارات النسبية المشتركة (Joint Relative Frequencies): تُحسب بقسمة تكرار كل خلية داخلية على المجموع الكلي للعينة ($rf_{ij} = \frac{f_{ij}}{N}$)، وتعبر عن نسبة حدوث الاقتران المشترك بين الصفتين معاً.
  • التكرارات النسبية الهامشية (Marginal Relative Frequencies): تُحسب بجمع التكرارات النسبية لصفوف أو أعمدة الجدول، لتمثل التوزيع النسبي المستقل لكل متغير على حدة بمعزل عن المتغير الآخر.
  • التكرارات النسبية الشرطية (Conditional Relative Frequencies): تُحسب بقسمة تكرار الخلية على المجموع الهامشي لصفها أو عمودها، لتعبر عن نسبة حدوث خاصية معينة بشرط الانتماء لفئة محددة، وهي الأداة الأساسية للمقارنة بين المجموعات التجريبية والضابطة.

10.2 التكرار النسبي كمدخل لاختبار كاي تربيع (Chi-Square)

يرتكز اختبار كاي تربيع للاستقلال وحسن المطابقة ($\chi^2$) على المقارنة الرياضية بين التكرارات النسبية الملاحظة فعلياً في التجربة ($O$) والتكرارات النسبية المتوقعة نظرياً وفق فرضية العدم ($E$). يُحدد اختبار الاستقلال ما إذا كانت التوزيعات النسبية الشرطية لمتغير ما تختلف جوهرياً باختلاف مستويات المتغير الآخر بدرجة تتجاوز حدود الصدفة الإحصائية.

ولا يقتصر التحليل الإحصائي الحديث على إثبات الدلالة الإحصائية لقيمة كاي تربيع ($p < 0.05$)، بل يتطلب بالضرورة حساب مؤشرات حجم الأثر (Effect Size) المشتقة من النسب المشتركة مثل معامل فاي ($phi$) للجداول الثنائية ($2 times 2$) أو معامل كرامر التوافقي ($V$) للجداول الأكبر، لتقدير القوة الحقيقية للعلاقة النسبية في الواقع السلوكي العملي بعيداً عن تأثير تضخم حجم العينة.

10.3 دراسة التغير الزمني للتكرارات النسبية في التدخلات العلاجية

في تصاميم السلاسل الزمنية النفسية وتصاميم الحالة الواحدة ($A-B-A-B$ Designs)، يُعد تتبع التكرارات النسبية للسلوكيات المستهدفة أداة قياس رئيسية لتقييم نجاعة التدخلات النفسية والعلاج المعرفي السلوكي (CBT). بدلاً من الاكتفاء بالعدد المطلق للأعراض، يقوم المعالج بحساب التكرار النسبي للأفكار التلقائية السلبية أو نوبات الهلع بالنسبة لعدد ساعات اليقظة أو بالنسبة لإجمالي المواقف الضاغطة التي تعرض لها العميل أسبوعياً.

يتيح هذا الرصد النسبي عبر الجلسات المتتالية استخلاص خطوط الاتجاه العام (Trends) وتحديد ما إذا كان التدخل العلاجي يحدث انخفاضاً حقيقياً ومستمراً في الوزن النسبي للاستجابة المرضية، مما يمنح المعالج دليلاً موضوعياً على كفاءة الخطة العلاجية وقدرتها على تحقيق التحسن السريري المنشود ومقاومة الانتكاس.

11. الأخطاء الشائعة والمنهجية في تفسير التكرارات النسبية

11.1 مغالطة تجاهل حجم العينة الأساسي (Base Rate Fallacy)

تعد مغالطة معدل الأساس ومغالطة الحجم الإجمالي من أخطر المزالق المعرفية والإحصائية التي يقع فيها الباحثون والممارسون في الحقل النفسي. تحدث هذه المغالطة عندما يتم الإفصاح عن نتائج علاجية أو تشخيصية بالاعتماد الحصري على النسب المئوية المرتفعة دون الكشف عن الحجم الأساسي للعينة الخاضعة للاختبار ($N$). فعلى سبيل المثال، الادعاء بأن برنامجاً إرشادياً جديداً حقق “نسبة نجاح تبلغ $100%$” يفقد كل قيمته العلمية إذا اتضح أن البرنامج طُبق على مريضين فقط ($N=2$).

تنص التوجيهات المنهجية لجمعية علم النفس الأمريكية بصرامة على إلزامية الإفصاح الدائم والمتزامن عن حجم العينة الكلي ($N$) والتكرارات المطلقة ($f$) إلى جانب كل نسبة مئوية أو تكرار نسبي يتم تقريره، لتمكين القارئ والمحكم العلمي من تقييم موثوقية التقدير والخطأ المعياري المقترن به.

11.2 مفارقة سيمبسون (Simpson’s Paradox) في التوزيعات النسبية

تعتبر مفارقة سيمبسون ظاهرة إحصائية محيرة تحدث عندما يظهر اتجاه أو تفوق نسبي واضح عند فحص مجموعات فرعية متعددة، ولكنه ينعكس تماماً ويتحول إلى نقيضه عند تجميع تلك الفئات معاً في جدول تكراري نسبي كلي. ينشأ هذا التناقض الصادم بسبب وجود متغيرات دخيلة أو كامنة غير مضبوطة (Confounding Variables) ترتبط بشكل غير متكافئ بأوزان العينات في المجموعات الفرعية.

في الأبحاث النفسية، قد تظهر دراسة أن طريقة علاجية معينة تتفوق في التكرار النسبي للشفاء لدى الذكور ولدى الإناث عند تحليلهما منفصلين، ولكن عند دمج البيانات تظهر الطريقة المنافسة هي المتفوقة إجمالياً نتيجة لعدم تكافؤ نسب الذكور والإناث بين المجموعتين العلاجيتين. ولمنع الوقوع في هذا التضليل المنهجي، يتعين على الباحثين فحص التوزيعات النسبية الشرطية واستخدام أساليب التحليل متعدد المتغيرات لضبط المتغيرات الوسيطة والكامنة بدقة.

11.3 أخطاء المقارنة بين نسب من مجتمعات غير متجانسة

من الأخطاء البحثية المتكررة إجراء مقارنات مباشرة وسريعة بين التكرارات النسبية لاضطراب نفسي معين مأخوذة من دراسات مسحية متعددة تم إجراؤها في بيئات جغرافية أو ثقافية مختلفة كلياً تتبنى تعريفات إجرائية أو أدوات قياس متباينة، مما يجعل المقارنة مضللة علمياً لعدم تكافؤ المقاييس المستخدمة.

ويقترن بذلك أيضاً الخلط الشائع بين مفهومين وبائيين أساسيين: التكرار النسبي للحدوث الجديد (Incidence)، والذي يقيس نسبة الحالات الجديدة التي طرأت خلال فترة زمنية محددة، والتكرار النسبي للانتشار (Prevalence)، الذي يعكس النسبة الإجمالية لجميع الحالات القائمة فعلياً في المجتمع عند نقطة زمنية معينة. إن دمج هذين المفهومين أو مقارنتهما بشكل عشوائي يؤدي إلى تشويه خطط التوجيه الوقائي والتدخل العلاجي على مستوى السياسات الصحية العامة.

12. حساب التوزيعات التكرارية النسبية باستخدام البرمجيات الإحصائية

12.1 التطبيق العملي في برنامج SPSS

يعد الحساب الآلي للتكرارات النسبية في الحزمة الإحصائية للعلوم الاجتماعية (IBM SPSS Statistics) خطوة أساسية في أي تحليل بيانات نفسي. لتنفيذ ذلك عملياً، يتبع الباحث المسار القياسي التالي عبر القوائم الرئيسية للبرنامج:

Analyze > Descriptive Statistics > Frequencies

يقوم الباحث بنقل المتغيرات السلوكية أو درجات المقاييس المراد تحليلها إلى خانة المتغيرات (Variables)، مع التأكد من تفعيل خيار “Display frequency tables”. وعند الرغبة في التمثيل البصري، يتم النقر على زر Charts واختيار المدرجات التكرارية (Histograms) أو المخططات الدائرية (Pie Charts) مع تحديد عرض القيم كنسب مئوية (Percentages) بدلاً من التكرارات المطلقة.

تولد مخرجات SPSS جدولاً تكرارياً احترافياً يتضمن أربعة أعمدة جوهرية: عمود التكرار المطلق (Frequency)، وعمود النسبة المئوية العامة (Percent)، وعمود النسبة المئوية الصالحة (Valid Percent) الذي يستبعد القيم المفقودة تلقائياً من المقام لضمان دقة التكرار النسبي للبيانات المتاحة فعلياً، وعمود النسبة التراكمية (Cumulative Percent) الذي يمثل التكرار النسبي التراكمي الصاعد المستخدم في استخراج الرتب المئينية بدقة متناهية.

12.2 الحساب والتمثيل باستخدام لغة البرمجة R

توفر بيئة الحوسبة الإحصائية R مرونة برمجية فائقة لحساب ومعالجة التوزيعات التكرارية النسبية والتراكمية عبر منظومة متكاملة من الدوال الإحصائية المبنية داخلياً. لحساب التكرارات المطلقة لمتغير نفسي، تُستخدم الدالة الأساسية table()، ولتحويل هذا الجدول مباشرة إلى تكرارات نسبية متطابقة، تُمرر المخرجات إلى دالة prop.table()، بينما تتيح الدالة cumsum() حساب التراكم المتسلسل لتلك النسب بكل سهولة ودقة رياضية.

وعلى صعيد التمثيل البياني المتقدم، تمثل حزمة ggplot2 المعيار الاحترافي الأبرز لإنتاج مدرجات ومنحنيات التكرار النسبي؛ حيث يمكن توجيه الدالة الجمالية geom_histogram() لحساب الكثافة والتكرار النسبي على المحور الرأسي عبر الصياغة الرياضية after_stat(density) أو after_stat(count/sum(count))، مما يمنح الباحث تحكماً مطلقاً في ضبط اتساع الفئات، وتراكب المضلعات المقارنة، وإخراج رسوم بيانية عالية الدقة صالحة للنشر في المجلات السيكومترية المصنفة عالمياً.

12.3 استخراج التوزيعات النسبية في لغة Python و Excel

في لغة البرمجة Python، توفر مكتبة معالجة البيانات الشهيرة Pandas واجهة برمجية فعالة من خلال الدالة الشاملة value_counts(normalize=True) التي تُطبق على أعمدة سلاسل البيانات (Series) لتوليد التوزيع التكراري النسبي التلقائي مرتباً ومقوماً كأجزاء من الواحد الصحيح، مع إمكانية استخدام مكتبات الرسوم المتقدمة مثل Seaborn و Matplotlib لعرض المنحنيات التراكمية والكثافية للبيانات السلوكية الضخمة.

أما في بيئة برمجية مايكروسوفت إكسيل (Microsoft Excel)، فإن أسرع الطرق وأكثرها تفاعلية لبناء جداول التوزيع النسبي تكمن في استخدام الجداول المحورية (Pivot Tables)؛ حيث يقوم الباحث بإدراج المتغير في حقل الصفوف وحقل القيم في آن واحد، ثم تغيير خيارات الحساب من الإعداد الافتراضي “Count” إلى خيار إظهار القيم كنسبة مئوية من الإجمالي الكلي (% of Column Total)، مع إمكانية استخدام خيار (% Running Total In) لتوليد عمود التكرار النسبي التراكمي في ثوانٍ معدودة، مما يوفر بيئة تحليلية سريعة ومثالية للمشروعات التربوية والتطبيقية في الميدان المدرسي والإكلينيكي.

خاتمة

تجسد التكرارات النسبية وتوزيعاتها المتنوعة ركيزة بنيوية أصيلة في منظومة القياس النفسي والتربوي المعاصر؛ إذ تمثل حجر الزاوية المنهجي الذي ينقل الملاحظة السلوكية الأولية من حيز العد البسيط المجرد إلى فضاء القياس المقنن والمقارنة المعيارية الرصينة. وكما استعرضنا عبر محاور هذا الدليل الموسع، فإن التحويل النسبي للبيانات لا يقتصر على مجرد عملية حسابية إجرائية لاختزال الأرقام، بل يمثل إعادة تشكيل إبستيمولوجية تمكن الباحثين والممارسين الإكلينيكيين من قراءة الأبعاد النفسية الكامنة، ومطابقة النماذج الاحتمالية، وتطوير معايير الاختبارات السيكومترية بما يضمن أعلى درجات الصدق والموثوقية التشخيصية.

إن استيعاب العلاقات المترابطة بين التكرارات النسبية البسيطة، والتراكمية، والرتب المئينية، ودوال الكثافة الاحتمالية، إلى جانب الوعي بالضوابط المنهجية والمزالق الإحصائية كـ مغالطة معدل الأساس وتأثيرات سيمبسون، هو ما يمنح الأخصائي النفسي والباحث التربوي الحصانة العلمية اللازمة لتفسير البيانات السلوكية بدقة وموضوعية. ومع التقدم التكنولوجي المتسارع في أدوات الحوسبة الإحصائية والبيانات الضخمة، تظل الأسس الرياضية للتوزيعات التكرارية النسبية هي الموجه المعرفي الأول لترجمة البيانات السيكومترية المعقدة إلى رؤى وقرارات إكلينيكية تدعم رفاه الفرد والمجتمع.

References

اقتباس هذا المقال

looti, M. (2026, أغسطس 26). التكرارات النسبية وتوزيعاتها. عرب سايكلوجي. https://arabpsychology.com/statistics/relative-frequencies-and-their-distributions/
looti, Mohammed. “التكرارات النسبية وتوزيعاتها.” عرب سايكلوجي, 26 أغسطس 2026, https://arabpsychology.com/statistics/relative-frequencies-and-their-distributions/.
looti, Mohammed. “التكرارات النسبية وتوزيعاتها.” عرب سايكلوجي. أغسطس 26, 2026. https://arabpsychology.com/statistics/relative-frequencies-and-their-distributions/.