المدرج التكراري النسبي: التعريف + مثال

يمثل الاستكشاف البصري للبيانات حجر الزاوية في منظومة التحليل الإحصائي الحديث، حيث لا يمكن لأي باحث أو محلل بيانات أن يستوعب الخصائص الكامنة للمتغيرات بمجرد النظر إلى الجداول الرقمية الصماء أو الاعتماد الحصري على المؤشرات الرقمية التلخيصية مثل المتوسط الحسابي والانحراف المعياري. وفي هذا السياق، يبرز المدرج التكراري (Histogram) كأحد أقوى وأقدم الأدوات البيانية التي ابتكرها عالم الرياضيات البريطاني كارل بيرسون لتجسيد توزيع البيانات الكمية المستمرة وتسهيل فحص تماثلها وتشتتها وتركزها.

ومع ذلك، تواجه الأشكال التقليدية للمدرجات التكرارية المبنية على الأعداد المطلقة قصوراً جوهرياً عندما يتعلق الأمر بمقارنة مجموعات متباينة في الأحجام، أو عند محاولة ربط التوزيع التجريبي للبيانات بنماذج نظرية الاحتمالات ودوال الكثافة الاحتمالية النظرية. من هنا تتجلى الأهمية المنهجية الفائقة لأداة المدرج التكراري النسبي (Relative Frequency Histogram)، التي تُعد ترقية رياضية وإبستمولوجية تحول التكرارات الخام إلى نسب مجردة تمثل أجزاءً من الواحد الصحيح أو نسباً مئوية من الحجم الإجمالي للبيانات.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك مفاهيمي ورياضي وتطبيقي متكامل للمدرج التكراري النسبي، مستعرضاً الأسس النظرية لبنائه، وقواعده الرياضية، وخطوات تنفيذه العملية، وصولاً إلى تطبيقاته المتقدمة في القياس السلوكي وتحليل البيانات في العلوم الاجتماعية والطبية والنفسية، مع تفصيل الفروق الدقيقة بينه وبين أدوات العرض البياني الأخرى وطرق توليده برمجياً.

1. مقدمة تأسيسية: ما هو المدرج التكراري النسبي وأهميته الإحصائية؟

1.1 التعريف الدقيق للمدرج التكراري النسبي

يُعرف المدرج التكراري النسبي بأنه تمثيل بياني ثنائي الأبعاد مخصص لتلخيص وتصوير التوزيع الاحتمالي والتكراري لمتغير كمي متصل أو منفصل مقسم إلى فئات متتالية غير متداخلة. ويكمن الفرق الجوهري الذي يميزه عن المدرج التكراري البسيط في طبيعة المقياس المستخدم على المحور الرأسي (الصادي)؛ حيث يستبدل العدد الخام للتكرارات بمقياس يوضح التكرار النسبي، وهو حاصل قسمة تكرار كل فئة على الحجم الإجمالي للمشاهدات أو العينة المدروسة.

يقوم هذا التحويل على إعادة صياغة البيانات الأولية في صورة أوزان نسبية تتراوح قيمتها الرياضية بين الصفر والواحد الصحيح (أو بين 0% و100%). ويتيح هذا التجريد الرياضي تحويل التركيز من مجرد “كم تكررت الظاهرة عددياً؟” إلى “ما هو الثقل النسبي لوقوع هذه الفئة مقارنة بالكل؟”، مما يمنح الباحثين رؤية شمولية دقيقة للبنية الهيكلية التي تنتظم وفقها المشاهدات، بصرف النظر عن حجم العينة الكلي المستخدم في التجربة.

إن الهدف المعرفي الأسمى من توظيف المدرج التكراري النسبي يكمن في إدراك الشكل التوزيعي العام للمجتمع الإحصائي؛ إذ يكشف على نحو فوري مظاهر التمركز والانحراف ووجود القيم المتطرفة والشاذة. وبالتالي، فإنه يوفر وسيلة معيارية موحدة تتيح قراءة خصائص التوزيع دون أن تتشوش الرؤية بالضخامة العددية للعينة.

1.2 أهمية الأداة في الإحصاء الوصفي والقياس السلوكي

تحظى أداة المدرج التكراري النسبي بمكانة محورية في مجال الإحصاء الوصفي والقياس السلوكي والتربوي، حيث يتعامل الباحثون غالباً مع سمات كامنة ودرجات اختبارات مقننة تتطلب فهماً نسبياً لا مطلقاً. فعلى سبيل المثال، عند قياس سمة مثل “الذكاء” أو “القلق”، لا تعطي معرفة أن 50 طالباً حصلوا على درجة مرتفعة دلالة حاسمة ما لم تُنسب هذه القيمة إلى العدد الإجمالي للطلاب المختبرين؛ فنسبة 50 من أصل 60 تختلف جذرياً في دلالتها الإكلينيكية عن نسبة 50 من أصل 5000.

علاوة على ذلك، يسهل المدرج التكراري النسبي فحص البيانات المستمرة ذات العينات الكبيرة والمتغيرة، مما يمكن الباحثين من تفسير توزيع الدرجات والسمات النفسية بطريقة موضوعية ومجردة. فهو يتيح المقارنة الفورية بين نتائج دفعات دراسية متعاقبة أو مجموعات تجريبية وضابطة ذات أحجام متباينة عبر وضع التوزيعات على أرضية معيارية موحدة لا تتأثر بالتباين العددي المجرد.

يربط هذا التمثيل البصري بصورة مباشرة بين العرض الاحتمالي للبيانات واستنتاج معالم النزعة المركزية (كالمنوال والمتوسط والوسيط) ومؤشرات التشتت (كالتباين والانحراف المعياري). فعندما يرى المحلل قمة المدرج النسبي متمركزة حول فئة معينة وتمثل ما نسبته 40% من العينة، يمكنه على الفور تحديد الفئة المنوالية وتقدير مدى تماثل الدرجات أو التوائها حول ذلك المركز الإحصائي.

1.3 الصلة بين التكرار النسبي ونظرية الاحتمالات

يمثل التكرار النسبي الجسر المفاهيمي والرياضي الرابط بين البيانات التجريبية الميدانية والمفاهيم المجردة لـ نظرية الاحتمالات. فوفقاً للتعريف التكراري التجريبي للاحتمال (Empirical Probability)، يُعد التكرار النسبي المحسوب لفئة معينة أفضل تقدير نقطي لاحتمال أن تسقط مشاهدة عشوائية مستقبلية مستحبة من نفس المجتمع داخل تلك الفئة الحسابية المحددة.

وفي المدرج التكراري النسبي، يكتسب مفهوم المساحة دلالة هندسية احتمالية فائقة؛ إذ تتطابق المساحة الكلية لجميع المستطيلات المكونة للرسم مع الواحد الصحيح (أو 100%)، شريطة ضبط مقاييس العرض والارتفاع بطريقة قياسية. هذا التطابق يجعل مساحة أي عمود مفرد أو مجموعة من الأعمدة المتجاورة ممثلة بشكل دقيق لاحتمالية وقوع المتغير العشوائي ضمن تلك الحدود، وهو ما يحاكي بدقة متناهية مفهوم حساب التكامل تحت المنحنيات الاحتمالية.

يمهد هذا الترابط الطريق للانتقال السلس من تمثيل البيانات التجريبية المنفصلة إلى استنتاج دوال الكثافة الاحتمالية النظرية المستمرة (Probability Density Functions – PDF)، مثل التوزيع الطبيعي المعياري أو توزيع غاما. فمع زيادة حجم العينة (n) وتصغير عرض الفئات نحو الصفر، يتحول المدرج التكراري النسبي تدريجياً وبصورة سلسة إلى منحنى متصل يصف السلوك الاحتمالي للظاهرة المدروسة بدقة متناهية وفقاً لقانون الأعداد الكبيرة.

2. التأصيل الرياضي والمفاهيمي: حساب التكرار النسبي وجداوله

2.1 المعادلة الرياضية لحساب التكرار النسبي

يرتكز البناء الرياضي للمدرج التكراري النسبي على قاعدة نسبية أولية بسيطة في صياغتها، عميقة في أبعادها التحليلية. يُحسب التكرار النسبي لفئة معينة (يرمز له بالرمز rf_i أو p_i) من خلال قسمة التكرار المطلق لتلك الفئة (f_i) على المجموع الكلي لتكرارات جميع الفئات، والذي يمثل بدقة حجم العينة الكلي (n أو ∑f_i):

rf_i = f_i / n

حيث تعبر f_i عن عدد المشاهدات الواقعة ضمن نطاق الفئة رقم i، بينما تمثل n إجمالي عدد المشاهدات المفحوصة في العينة بأكملها. ولتحويل هذه القيمة العشرية الناتجة إلى نسبة مئوية مباشرة، تُضرب القيمة في 100 وفق المعادلة:

Relative Frequency (%) = (f_i / n) × 100

تخضع هذه الصيغة لشرط رياضي صارم يُعرف بشرط “المجموع الواحدي”، والذي ينص على أن مجموع التكرارات النسبية لجميع الفئات الحصرية والشاملة يجب أن يساوي تماماً الواحد الصحيح، أو 100% في حالة التعبير المئوي:

∑ rf_i = 1.00 ⇔ ∑ (rf_i × 100) = 100%

ويضمن هذا الشرط تماسك النموذج الرياضي واحتواء كافة عناصر فضاء العينة دون أي فقدان أو ازدواجية في رصد وتوزيع الحالات.

2.2 بناء جدول التوزيع التكراري النسبي

يعد بناء جدول التوزيع التكراري النسبي الخطوة الهيكلية الأولى التي تسبق عملية الرسم والتجسيد البياني. يتطلب إعداد هذا الجدول اتباع منهجية دقيقة تبدأ بتحديد الحدود الدنيا والعليا لكل فئة لضمان عدم وجود أي تداخل أو غموض في تصنيف البيانات؛ بحيث تنتمي كل قيمة خام إلى فئة واحدة وواحدة فقط دون أي لبس إحصائي.

يحتوي الجدول المكتمل عادة على عدة أعمدة متتالية تنتظم بصورة منطقية تشمل: حدود الفئات (Class Limits)، والحدود الفعلية للفئات (Class Boundaries)، ومراكز الفئات (Class Midpoints)، والتكرار المطلق (f)، والتكرار النسبي (rf)، وأخيراً عمود التكرار التراكمي النسبي (Cumulative Relative Frequency). ويُحسب التكرار التراكمي النسبي بجمع التكرارات النسبية للفئات المتتالية تصاعدياً للوصول في الفئة الأخيرة إلى نسبة 1.00 (أو 100%).

تكمن الأهمية التأسيسية لتوثيق هذه العلاقات الجدولية في أنها توفر السجل الرقمي الموثق الذي تُستمد منه إحداثيات الرسم البياني بدقة متناهية، وتضمن استيفاء شروط الاتساق الحسابي وخلو البيانات المجمعة من أي أخطاء في التفريغ أو التصنيف قبل البدء في تشييد الأعمدة البيانية.

2.3 التعامل مع التقريب والأخطاء العشرية

تنشأ أثناء تحويل التكرارات المطلقة إلى تكرارات نسبية مشكلة تقنية متكررة ترتبط بالكسور العشرية الدورية غير المنتهية، والتي تفرض على الباحث استخدام قواعد التقريب المنهجي (Rounding Rules). ويؤدي التقريب العشوائي أو غير المنضبط إلى ظهور أخطاء إجمالية تجعل المجموع النهائي للتكرارات النسبية ينحرف طفيفاً عن الواحد الصحيح، ليصبح على سبيل المثال 0.999 أو 1.002 (أو 99.9% و100.1%).

لمعالجة هذه المعضلة بصورة منهجية رصينة، يُنصح عادة بالاحتفاظ بثلاثة أو أربعة منازل عشرية أثناء إجراء الحسابات الوسيطة، ثم التقريب النهائي لمنزلتين عشريتين (مثل 0.14 أو 14.25%). وإذا حدث فارق تقريبي طفيف في المجموع الإجمالي (كأن يكون المجموع 99.99%)، يتم ضبط الفارق في الفئة ذات التكرار الأكبر عددياً أو في الفئة التي تعرضت لأكبر نسبة اقتطاع عشري، مع توثيق ذلك بوضوح في حواشي الجدول الإحصائي تجنباً لأي شبهة في دقة المعالجة.

يرتبط تأثير خطأ التقريب ارتباطاً وثيقاً بحجم العينة (n)؛ ففي العينات الصغيرة جداً (مثل n = 7)، ينتج عن كل مشاهدة كسر دوري (1/7 ≈ 0.142857…)، مما يرفع احتمالية تشوه المجموع إذا لم يتم التقريب بحرص، في حين تتضاءل حساسية هذه الأخطاء تلقائياً مع زيادة حجم العينة حيث يقترب كل كسر من قيم تقريبية بالغة الدقة والاستقرار.

3. المكونات الهيكلية للمدرج التكراري النسبي

3.1 المحور الأفقي (محور الفئات X-Axis)

يمثل المحور الأفقي (محور السينات X) القاعدة التأسيسية التي تُبنى عليها الأعمدة البيانية، وهو مخصص لتمثيل قيم المتغير الكمي المقاس مقسمة إلى فترات منتظمة. وتُعرض على هذا المحور إما الحدود الفعلية الحقيقية للفئات (Real Class Limits / Boundaries) أو مراكز الفئات (Class Midpoints)، وذلك لضمان التعبير الهندسي الدقيق عن اتصالية المقياس المدروس.

من أهم المعايير الصارمة لتصميم المحور الأفقي ضرورة الحفاظ على اتساق مقياس الرسم ووحداته الرياضية على امتداد المحور بالكامل. كما يجب ألا توجد أي فراغات اصطناعية أو مسافات فاصلة بين حدود الفئات المتجاورة عندما يكون المتغير متصلاً، لأن الفراغ في المدرج التكراري يحمل معنى إحصائياً دقيقاً يفيد بأن تكرار تلك الفترة الزمنية أو العددية يساوي صفراً تماماً.

يتحتم على الباحث تسمية المحور الأفقي بدقة بالغة وبشكل يعبر صراحة عن المتغير قيد الدراسة مع ذكر وحدة القياس المستخدمة بين قوسين، مثل: “درجات اختبار القلق (درجة)”، أو “زمن الاستجابة الحركية (ميلي ثانية)”، أو “الدخل الشهري (بالدولار)”، لتفادي أي التباس في تأويل معطيات الرسم من قبل القارئ المتخصص.

3.2 المحور الرأسي (محور النسب Y-Axis)

يختص المحور الرأسي (محور الصادات Y) بتسجيل التكرارات النسبية المحسوبة لكل فئة من فئات التوزيع، ويُدرج هذا المحور إما في صورة قيم عشرية قياسية تبدأ من 0.00 وتتصاعد بفواصل متساوية (مثل 0.05، 0.10، 0.15…) وصولاً إلى القيمة القصوى المشاهدة، أو في صورة نسب مئوية مباشرة تبدأ من 0% وتتصاعد بانتظام (مثل 5%، 10%، 15%…).

يعد اختيار الفواصل وتدرج المحور الرأسي عنصراً حاسماً في تحقيق الأمانة العلمية والموضوعية؛ إذ إن ضغط المقياس الرأسي أو تمطيطه بصورة مبالغ فيها قد يؤدي إلى تشويه بصري يقلل من شأن التباين الحقيقي بين الفئات أو يضخمه بشكل مضلل يخدع المتلقي ويوجهه إلى استنتاجات خاطئة تماماً حول تجانس المجتمع المدروس.

تقتضي المنهجية الإحصائية القياسية أن يبدأ المحور الرأسي دائماً وأبداً من نقطة الصفر الحقيقي المطلق (0.00 أو 0%)، ويُمنع منعاً باتاً قطع المحور الرأسي (Truncation) في المدرجات التكرارية، لأن ارتفاع العمود ومساحته البصرية الكلية يجب أن يتطابقا تناسبياً وتجريدياً مع الحجم النسبي الفعلي للفئة التي يمثلها دون أي تزييف هندسي.

3.3 الأعمدة والمساحات التناسبية

تتشكل بنية المدرج التكراري النسبي من سلسلة من المستطيلات الرأسية المتلاصقة تماماً، حيث يرتكز كل مستطيل على طول الفئة المحددة على المحور الأفقي، ويرتفع رأسياً ليصل إلى مستوى التكرار النسبي المقابل له على المحور الصادي. ويعبر ارتفاع المستطيل مباشرة عن النسبة المئوية للمفردات التابعة لتلك الفئة، شريطة أن تكون جميع الفئات متساوية في الاتساع.

ترتكز الفلسفة البصرية للمدرج على مبدأ المساحة التناسبية؛ ففي حالة الفئات المتساوية العرض، تصبح مساحة كل عمود متناسبة تماماً مع ارتفاعه، وبالتالي تتطابق النسبة المئوية لمساحة العمود من المساحة الكلية لجميع الأعمدة مع التكرار النسبي الخاص بتلك الفئة. وإذا كانت مساحة الشكل الإجمالي تساوي 1.00 وحدة مساحية، فإن مساحة كل مستطيل تمثل بالضبط الاحتمال التجريبي للقيم الواقعة تحته.

يعد تلاصق الأعمدة شرطاً هندسياً وإبستمولوجياً لازماً للتعبير الصريح عن استمرارية وتدفق المتغيرات الكمية؛ حيث تلتقي النهاية الفعلية العليا لمستطيل معين مع البداية الفعلية الدنيا للمستطيل الذي يليه مباشرة، مما يبرز طبيعة التوزيع المتصل ويمنع الخلط المنهجي مع المخططات المنفصلة.

4. المقارنة الجوهرية: المدرج التكراري النسبي مقابل المدرج التكراري المطلق

4.1 أوجه التشابه الهيكلي بين النوعين

يشترك المدرج التكراري النسبي والمدرج التكراري المطلق في الغالبية العظمى من المكونات البنائية والأسس الهندسية؛ فكلاهما يُستخدم لتمثيل وتلخيص نفس النوعية من البيانات، وهي البيانات الكمية ذات الفئات المرتبة والمتصلة على طول المحور الأفقي. كما يعتمد كلاهما على تقسيم المدى الكلي للمتغير إلى نفس العدد من الفئات وبنفس الأطوال والحدود تماماً.

يترتب على هذا التماثل الهيكلي أن الشكل العام للتوزيع، بما يشمل موقع القمم التكرارية، ومقدار الالتواء نحو اليمين أو اليسار، ومواقع الفجوات التكرارية، والقيم المتطرفة الشاذة، يكون متطابقاً تماماً في كلا الرسمين لنفس مجموعة البيانات؛ فالعمود الذي يمثل أعلى تكرار مطلق في المدرج البسيط سيكون هو نفسه بلا أدنى شك صاحب أعلى تكرار نسبي وأطول عمود في المدرج النسبي.

يهدف كلا المخططين إلى تلبية الاحتياج الاستكشافي للباحث عبر تبسيط كتل الأرقام الكبيرة وتحويلها إلى نمط مرئي مفهوم يمكن قراءته واستنتاج مؤشراته الوصفية الأولية بسرعة وسهولة دون الغرق في التفاصيل الرقمية الفردية للمشاهدات المبعثرة.

4.2 أوجه الاختلاف والتمايز الإحصائي

يكمن الاختلاف الجذري والوحيد بين الأسلوبين في طبيعة ووحدة قياس المتغير المعروض على المحور الرأسي. فبينما يعرض المدرج التكراري المطلق الأعداد الخام المباشرة للحالات (Counts/Frequencies)، يرتبط المدرج التكراري النسبي بمقياس معياري مجرد يعبر عن الأوزان النسبية أو النسب المئوية للحالات مقارنة بالمجموع الكلي للبيانات.

ينتج عن هذا التمايز أن المدرج التكراري المطلق يظل مقيداً ومحكوماً بسياق حجم العينة الخاصة التي جُمعت منها المشاهدات؛ فإذا تغير حجم العينة بالزيادة أو النقصان، فإن كافة القيم والأطوال على المحور الرأسي ستتغير بالضرورة، في حين يتمتع المدرج التكراري النسبي بصفة “العمومية والتجريد الإحصائي”، مما يجعل قيمه قابلة للتأويل كمعايير قياسية ومؤشرات احتمالية عامة يمكن إسقاطها على مجتمعات أوسع نطاقاً.

يوفر المدرج النسبي أساساً رياضياً ممهداً للتحويل المباشر إلى دالة كثافة احتمالية متكاملة، في حين يتطلب المدرج المطلق إجراء عمليات تحويل وقسمة لاحقة قبل التمكن من إجراء أي نمذجة احتمالية أو استدلالية معيارية.

4.3 متى يُفضل استخدام المدرج التكراري النسبي؟

يُفضل استخدام المدرج التكراري النسبي بصورة حتمية في الحالات البحثية التي تهدف إلى إجراء مقارنات مباشرة بين توزيعين أو أكثر لعينات مختلفة في الحجم الإجمالي (n₁ ≠ n₂). ففي مثل هذه الحالات، يفشل المدرج المطلق تماماً في تقديم مقارنة بصرية عادلة بسبب هيمنة الأعمدة المرتفعة للعينة الأكبر حجماً على الرسم، مما يطمس معالم التوزيع ويشوه الفروق البنيوية الحقيقية بين المجموعتين.

كما يُعد المدرج التكراري النسبي الخيار النموذجي والأمثل في الدراسات المسحية والتقييمية واسعة النطاق، والبحوث السيكومترية التي تهدف إلى بناء معايير أداء مرجعية (Norm-referenced assessment) للاختبارات النفسية والتربوية، حيث يكون الهدف الأساسي هو تحديد الموقع النسبي للأفراد وتحديد الرتب المئينية للفئات السلوكية المختلفة.

كذلك، يبرز تفضيل المدرج النسبي عند الرغبة في إسقاط وتراكب منحنيات التوزيعات الاحتمالية النظرية (كالمنحنى الطبيعي المعياري أو توزيع بواسون أو توزيع t) فوق البيانات التجريبية المفحوصة؛ إذ يتيح توحيد المقياس بين 0 و1 إجراء مطابقة بصرية ورياضية مباشرة لاختبار حسن المطابقة (Goodness-of-fit) بدقة وموثوقية عالية.

5. خطوات إنشاء المدرج التكراري النسبي منهجياً خطوة بخطوة

5.1 الخطوة الأولى: جمع البيانات وحساب المدى وعدد الفئات

تبدأ الرحلة المنهجية لبناء المدرج التكراري النسبي بفحص البيانات الكمية الخام وفرزها بدقة، ومن ثم تحديد القيمة العظمى (Maximum) والقيمة الصغرى (Minimum) في السلسلة الإحصائية لحساب المدى الكلي (Total Range – R) عبر المعادلة البسيطة:

R = Maximum – Minimum

عقب تحديد المدى، يتعين على الباحث تحديد العدد الأمثل للفئات (k) لتجنب التبسيط المخل بالبيانات (في حالة قلة الفئات) أو التشتيت المفرط لمعالم التوزيع (في حالة كثرة الفئات). ولتحقيق ذلك بطريقة علمية موضوعية، يُستعان عادة بـ قاعدة ستورجس (Sturges’ Rule) التي تعتمد على حجم العينة الكلي (n):

k = 1 + 3.322 × log₁₀(n)

أو يمكن اللجوء إلى صيغ بديلة مثل قاعدة رايس (Rice Rule: k = 2 × n^1/3) للعينات الكبيرة. وبمجرد الاستقرار على قيمة k (مع تقريبها إلى أقرب عدد صحيح)، يُحسب طول الفئة (Class Width – W) بقسمة المدى على عدد الفئات، مع تقريب الناتج تصاعدياً إلى أقرب وحدة قياس مناسبة تضمن تغطية المدى بالكامل:

W = R / k

5.2 الخطوة الثانية: حساب التكرارات وتوليد النسب المئوية

بعد تحديد طول الفئة، تُبنى الفئات المتتابعة بدءاً من قيمة تساوي أو تقل قليلاً عن أدنى قيمة مسجلة في البيانات لضمان شموليتها. وتُحدد الحدود الدنيا والعليا لكل فئة مع مراعاة دقة القياس (استخدام الحدود الفعلية لتفادي الفجوات، مثل 10 – 19.99 أو 9.5 – 19.5).

تأتي بعد ذلك مرحلة تفريغ المشاهدات؛ حيث يُحسب عدد القيم الواقعة داخل كل فئة للحصول على التكرار المطلق (f_i). وعقب التحقق من أن مجموع التكرارات المطلقة يساوي حجم العينة (∑f_i = n)، يُطبق قانون التكرار النسبي بقسمة تكرار كل فئة على n، وتُسجل النتائج كقيم عشرية أو نسب مئوية مضروبة في 100.

يتحتم في نهاية هذه الخطوة إجراء مراجعة حسابية نهائية للتحقق من استيفاء شرط المجموع الصفري والواحدي، والتأكد التام من أن المجموع التراكمي للتكرارات النسبية يصل بالضبط إلى 1.00 (أو 100%)، ومعالجة أي انحرافات تقريبية طفيفة كما تم توضيحه سابقاً لضمان سلامة الإحداثيات الرياضية للرسم.

5.3 الخطوة الثالثة: رسم المحاور وتشييد الأعمدة المتلاصقة

تتمثل المرحلة الإجرائية النهائية في تجسيد المعطيات الجدولية على المستوى الإحداثي الديكارتي؛ حيث يُرسم المحور الأفقي وتُوزع عليه الحدود الفعلية للفئات بأبعاد هندسية متساوية تماماً تعكس ثبات طول الفئة (W) على امتداد خط الأعداد، مع كتابة اسم المتغير ووحدته أسفل المحور بوضوح.

يُرسم بعد ذلك المحور الرأسي متعامداً مع المحور الأفقي بدءاً من نقطة الأصل (0.00)، ويُدرج بمقياس منتظم يغطي أعلى قيمة تكرار نسبي تم التوصل إليها في الجدول الإحصائي، وتُحدد الفواصل الرقمية بدقة لتسهيل القراءة السريعة والمباشرة للنسب.

أخيراً، يتم تشييد المستطيلات الرأسية؛ حيث يمثل عرض كل مستطيل المسافة بين الحد الفعلي الأدنى والحد الفعلي الأعلى للفئة على المحور الأفقي، بينما يمتد ارتفاعه رأسياً ليتطابق بدقة متناهية مع قيمة التكرار النسبي لتلك الفئة على المحور الرأسي. وتُرسم المستطيلات متلاصقة تماماً دون أي فراغات جانبية لتأكيد استمرارية المتغير المقاس، مع وضع عنوان وصفي شامل أعلى الرسم البياني.

6. مثال تطبيقي شامل: تحليل درجات مقياس القلق النفسي لدى عينة طلابية

6.1 بيانات الدراسة النفسية وحجم العينة (N=100)

لتجسيد التطبيق العملي لبناء وتفسير المدرج التكراري النسبي، نفترض قيام باحث سيكومتري بتطبيق “مقياس تايلور للقلق الصريح” على عينة عشوائية مكونة من مائة طالب جامعي (n = 100) لتقييم الصحة النفسية والضغوط الأكاديمية خلال فترة الامتحانات النهائية. تتراوح الدرجات النظرية للمقياس المستخدم من 0 إلى 60 درجة؛ حيث تشير الدرجات المنخفضة إلى استقرار نفسي، بينما تعكس الدرجات المرتفعة مستويات حرجة من القلق والتوتر النفسي.

أظهرت نتائج الفحص الأولي للبيانات الخام أن أدنى درجة سُجلت في العينة كانت 10 درجات (القيمة الصغرى = 10)، بينما بلغت أعلى درجة مسجلة 59 درجة (القيمة العظمى = 59). وبالتالي، فإن المدى الكلي للدرجات يُحسب كما يلي: R = 59 – 10 = 49 درجة.

يهدف التحليل الإحصائي لهذه العينة إلى تصوير التوزيع النسبي لمستويات القلق بين الطلاب، وتحديد الشريحة التوزيعية الأكثر شيوعاً، فضلاً عن تقدير النسبة الدقيقة للطلاب الذين يقعون في النطاق الحرج للقلق السلوكي الذي يستلزم تدخلاً إرشادياً عاجلاً من قبل إدارة الإرشاد الجامعي.

6.2 جدول التوزيع التكراري والنسبي لدرجات القلق

بناءً على المدى المحسوب (R = 49) وتطبيقاً لمعايير التصنيف السيكومتري المنتظم، تم تقسيم درجات المقياس إلى 5 فئات متساوية الاتساع بطول فئة مقداره 10 درجات (W = 10). يوضح الجدول الإحصائي التالي تفريغ الدرجات وتوزيع التكرارات المطلقة والتكرارات النسبية والنسب المئوية التراكمية للعينة:

رقم الفئة	فئات الدرجات (Class Intervals)	الحدود الفعلية (Boundaries)	التكرار المطلق (f)	التكرار النسبي (rf = f/n)	النسبة المئوية (%)	النسبة المئوية التراكمية (%)
1	10 – 19	9.5 – 19.5	12	0.12	12%	12%
2	20 – 29	19.5 – 29.5	24	0.24	24%	36%
3	30 – 39	29.5 – 39.5	38	0.38	38%	74%
4	40 – 49	39.5 – 49.5	18	0.18	18%	92%
5	50 – 59	49.5 – 59.5	8	0.08	8%	100%
المجموع الكلي (∑)			n = 100	1.00	100%	–

يُلاحظ من الجدول السابق استيفاء كافة الشروط الرياضية المنهجية؛ حيث يعادل مجموع التكرارات المطلقة تماماً حجم العينة الكلي (100)، ويصل مجموع التكرارات النسبية بدقة مطلقة إلى 1.00، مما يعكس اكتمال فضاء العينة وخلو المعالجة من أي انحرافات حسابية أو أخطاء تقريبية تؤثر على موثوقية العرض البياني.

6.3 بناء المدرج التكراري النسبي وتفسير نتائجه السلوكية

عند تمثيل هذا الجدول بيانياً، يُوضع متغير “درجات مقياس القلق” على المحور الأفقي مع تسجيل الحدود الفعلية (9.5، 19.5، 29.5، 39.5، 49.5، 59.5)، بينما يُدرج المحور الرأسي بالنسب المئوية من 0% إلى 40% بفواصل منتظمة (5%). وتُرفع الأعمدة المتلاصقة بارتفاعات تعادل تماماً التكرارات النسبية المحسوبة: العمود الأول بارتفاع 12%، والثاني 24%، والثالث 38%، والرابع 18%، والأخير بارتفاع 8%.

يكشف الفحص البصري للمدرج التكراري النسبي المتشكل عن تمحور واضح للبيانات حول الفئة الوسطى (30 – 39)، والتي تمثل الفئة المنوالية (Modal Class) بنسبة تكرارية تبلغ 38% من إجمالي مجتمع الدراسة، مما يعني أن النمط السلوكي السائد لدى غالبية الطلاب يقع في نطاق القلق المتوسط إلى المعتدل خلال مواسم الاختبارات.

ومن الناحية السيكومترية والإرشادية، يتيح الرسم استنتاجاً فورياً بالغ الأهمية من خلال جمع نسب الفئتين الأخيرتين (40-49 و 50-59)؛ حيث نجد أن ما مجموعه 26% (18% + 8%) من الطلاب يعانون من مستويات قلق مرتفعة ومرتفعة جداً، وهي نسبة إحصائية ذات دلالة عملية تستوجب وضع برامج دعم وتدخل نفسي مبكر لاحتواء هذه الشريحة المعرضة للإنهاك الأكاديمي.

7. قراءة وتفسير الأشكال التوزيعية عبر المدرج التكراري النسبي

7.1 التوزيع المتماثل والتوزيع الطبيعي (Symmetric & Normal Distribution)

يعد التوزيع المتماثل أحد أهم الأشكال التوزيعية في علم الإحصاء، ويظهر في المدرج التكراري النسبي عندما تتمركز القمة الأعلى في منتصف المحور الأفقي، وتتدرج أطوال الأعمدة بالانخفاض والتناقص التدريجي بصورة متطابقة ومتوازنة على كلا الجانبين الأيمن والأيسر، متخذة شكل “الجرس الكلاسيكي” المألوف.

في مثل هذا النمط التوزيعي، تتساوى تقريباً النسب المئوية التكرارية للبيانات الواقعة على يمين الفئة المركزية مع نظيرتها الواقعة على اليسار، وتتطابق قيم مقاييس النزعة المركزية الثلاثة (المتوسط الحسابي، والوسيط، والمنوال) في نفس النقطة المركزية للتوزيع؛ مما يعكس استقراراً إحصائياً وتوازناً مثالياً في تشتت الظاهرة المدروسة حول قيمتها النموذجية.

يحظى التوزيع الطبيعي المتماثل بأهمية استثنائية في مجالات علم النفس والقياس التربوي والعلوم البيولوجية؛ إذ إن معظم الخصائص البشرية والقدرات العقلية العامة (مثل الذكاء وسرعة المعالجة والذاكرة العاملة) والسمات الفسيولوجية (كالطول وضغط الدم) تميل تلقائياً إلى التوزع طبيعياً داخل المجتمعات الكبيرة وفق هذا المنحنى المتناسق.

7.2 التوزيعات الملتوية إيجابياً وسلبياً (Skewed Distributions)

لا تتخذ كافة الظواهر الواقعية شكلاً متماثلاً؛ إذ تتسم الكثير من التوزيعات بظاهرة الالتواء (Skewness) الناتجة عن تركز غالبية المشاهدات في أحد طرفي المقياس ووجود قلة من القيم المتطرفة في الطرف المقابل. وينقسم الالتواء في المدرج التكراري النسبي إلى نوعين رئيسيين:

• الالتواء الموجب (Right/Positively Skewed): يظهر عندما تتركز أعلى النسب المئوية والأعمدة الطويلة في الجانب الأيسر (القيم المنخفضة)، بينما يمتد ذيل طويل من الأعمدة القصيرة والنسب المتدنية نحو اليمين (القيم المرتفعة). يتكرر هذا النمط في توزيع الدخل المالي، أو في اختبارات التحصيل الدراسي ذات الصعوبة الفائقة حيث يفشل معظم الطلاب في نيل درجات عالية وتقتصر النسب المرتفعة على فئة عبقرية قليلة.
• الالتواء السالب (Left/Negatively Skewed): يظهر عندما تتجمع التكرارات النسبية العالية والأعمدة الأكثر ارتفاعاً في الجانب الأيمن (القيم المرتفعة)، بينما يستطيل ذيل التوزيع ممتداً نحو اليسار مشيراً إلى ندرة القيم المنخفضة. يُشاهد هذا النمط بوضوح في الاختبارات الدراسية المفرطة في السهولة حيث يحصد السواد الأعظم من الطلاب درجات مرتفعة ولا يشذ عنهم سوى عدد محدود للغاية من المتعثرين.

يكشف تشخيص الالتواء عبر المدرج النسبي عن معلومات جوهرية للمحلل؛ حيث يوجهه إلى عدم الاعتماد على المتوسط الحسابي وحده كوصف دقيق للنزعة المركزية بسبب تأثره بالقيم المتطرفة في الذيل، ويدفعه بدلاً من ذلك إلى استخدام الوسيط والمئينات كأدوات أكثر دقة وملاءمة لوصف بنية المجتمع المدروس.

7.3 التوزيعات ثنائية ومتعددة القمم (Bimodal & Multimodal)

يتميز التوزيع ثنائي القمة (Bimodal Distribution) بظهور عمودين منفصلين (أو فئتين متقاربتين) يرتفع كل منهما بنسبة تكرارية عالية تفوق بوضوح الفئات المجاورة لهما، مما يعطي المدرج التكراري النسبي مظهراً يشبه حدبتي الجمل. كما قد تظهر أكثر من قمتين في حالات نادرة ليسمى التوزيع حينئذ بتوزيع متعدد القمم (Multimodal).

تحمل ظاهرة القمم المتعددة في المدرج التكراري النسبي دلالة إحصائية وتحليلية بالغة الخطورة؛ فهي تشير في الغالب إلى أن العينة المفحوصة ليست متجانسة كلياً، بل هي في حقيقتها مزيج هجين مدمج من مجتمعين فرعيين متمايزين يحمل كل منهما خصائص مستقلة تماماً تم خلطهما معاً عن غير قصد أثناء جمع البيانات.

فعلى سبيل المثال، إذا أظهر مدرج تكراري نسبي لزمن رد الفعل الحركي قمتين بارزتين؛ فقد يشير ذلك إلى وجود فئتين عمريتين مختلفتين داخل العينة (مثل فئة الشباب وفئة كبار السن)، حيث تتمركز ردود أفعال الشباب حول القمة السريعة، وتتمركز استجابات كبار السن حول القمة البطيئة. ويتطلب هذا الاكتشاف المنهجي من الباحث فصل المجموعتين وإعادة تحليل بيانات كل فئة ديموغرافية على حدة لضمان دقة الاستنتاجات العلمية.

8. المقارنة بين المجموعات غير المتساوية باستخدام المدرج التكراري النسبي

8.1 إشكالية مقارنة العينات غير المتكافئة في الحجم

تواجه المقارنات البصرية بين المجموعات في التحليل الإحصائي مأزقاً كبيراً عندما تكون أحجام العينات المقارنة غير متساوية، وهو السيناريو الأكثر شيوعاً في الأبحاث الميدانية؛ كأن يقارن الباحث بين عينة مرضى يعانون من اضطراب نادر (n₁ = 40) وعينة ضابطة من الأصحاء (n₂ = 400). فإذا لجأ الباحث إلى رسم مدرجين تكراريين بسيطين باستخدام الأعداد المطلقة على نفس المقياس، فستبدو أعمدة العينة الضابطة عملاقة ومهيمنة على الفضاء البصري، بينما ستظهر أعمدة العينة الإكلينيكية مسطحة ومنكمشة تكاد تنعدم ملامحها.

يؤدي هذا التشويه البصري الفادح إلى تعذر إجراء أي استكشاف حقيقي لشكل التوزيع التكراري للعينة الصغيرة أو مقارنة معالم التشتت والتمركز بين المجموعتين، حيث يطغى التفاوت العددي المجرد على التمايز البنيوي الفعلي للسمات المقاسة.

من هنا تنبع الضرورة المنهجية الصارمة لتحويل التكرارات المطلقة لكلا المجموعتين إلى تكرارات نسبية مئوية؛ حيث يؤدي هذا الإجراء إلى معايرة وتوحيد المقياس الرأسي لكلا الرسمين ليتراوح بين 0% و100%، مما يتيح وضع التوزيعين على قدم المساواة الرياضية والهندسية التامة بغض النظر عن الفارق العددي في أحجام العينات الأساسية.

8.2 تطبيق مقارن: درجات الاكتئاب بين الذكور (N=200) والإناث (N=50)

لتوضيح قوة المدرج التكراري النسبي في المقارنات غير المتكافئة، نفترض دراسة استقصائية لمقارنة درجات “مقياس بيك للاكتئاب” بين عينة من الذكور قوامها مائتا فرد (n₁ = 200) وعينة من الإناث قوامها خمسون فردة (n₂ = 50). يوضح الجدول التالي المقارنة بين التكرارات المطلقة والنسبية لكلا الجنسين عبر نفس فئات درجات الاكتئاب:

فئات الاكتئاب (الدرجة)	الذكور (N = 200)		الإناث (N = 50)
	التكرار المطلق (f)	التكرار النسبي (%)	التكرار المطلق (f)	التكرار النسبي (%)
0 – 9 (طبيعي)	100	50%	10	20%
10 – 19 (خفيف)	60	30%	15	30%
20 – 29 (متوسط)	30	15%	15	30%
30 – 39 (شديد)	10	5%	10	20%
المجموع الكلي (∑)	200	100%	50	100%

عند النظر إلى التكرارات المطلقة بمفردها، نجد أن عدد الأفراد الذين سجلوا اكتئاباً شديداً متساوٍ بين المجموعتين (10 ذكور مقابل 10 إناث)، مما قد يوهم الباحث المبتدئ بتساوي العبء المرضي بين الجنسين. لكن عند تحويل الأرقام إلى تكرارات نسبية ورسمها عبر مدرجين نسبيين متجاورين، تتكشف الحقيقة الإحصائية الصادمة؛ إذ يمثل هؤلاء العشرة نسبة ضئيلة لا تتجاوز 5% فقط من مجتمع الذكور، في حين يمثل نفس العدد ما نسبته 20% كاملة من مجتمع الإناث، مما يوضح بجلاء أن نسبة انتشار الاكتئاب الحاد بين الإناث في هذه العينة تبلغ أربعة أضعاف نسبته بين الذكور.

8.3 استخلاص القرارات والفرضيات الإحصائية المقارنة

يوفر التحليل المقارن المستند إلى المدرج التكراري النسبي أرضية صلبة لتوليد الفرضيات البحثية الدقيقة وصياغة القرارات الاستدلالية الموجهة؛ حيث يمكن للباحث تحديد الفئات التي تشهد تفاوتاً جوهرياً في الأوزان النسبية بصورة بصرية مباشرة وتوجيه الاهتمام الأكاديمي نحو العوامل السببية المسؤولة عن تلك الفروق البنيوية.

علاوة على ذلك، تلعب هذه القراءة البصرية دوراً حاسماً في اختيار الاختبارات الإحصائية الاستدلالية الملائمة لاختبار الفروق بين المجموعات؛ فإذا أظهر المدرجان النسبيان تماثلاً شكلياً يقترب من التوزيع الطبيعي لكلا الطرفين، كان ذلك مسوغاً منهجياً قوياً لاستخدام اختبار t للعينات المستقلة (Independent Samples t-test) أو تحليل التباين (ANOVA).

أما إذا كشف المدرج النسبي عن وجود التواء شديد أو تباين فادح في أشكال التوزيع بين المجموعتين يخل بافتراض تجانس التوزيعات، فإن ذلك يوجه المحلل مباشرة وبشكل آمن نحو تطبيق الاختبارات اللابارامترية البديلة مثل اختبار مان-ويتني (Mann-Whitney U Test) للحفاظ على قوة ونزاهة الاستنتاج العلمي.

9. المدرج التكراري النسبي في البرمجيات الإحصائية الحديثة

9.1 إنشاء المدرج النسبي باستخدام حزمة IBM SPSS

تعد حزمة IBM SPSS Statistics من أشهر البرمجيات استخداماً في العلوم الاجتماعية والسلوكية. ولإنشاء مدرج تكراري نسبي منضبط عبر واجهة البرنامج الرسومية، يتم اتباع المسار المنهجي التالي:

• الذهاب إلى القائمة الرئيسية واختيار Graphs ثم النقر على Chart Builder.
• من لوحة المعاينة السفلية (Gallery)، يتم اختيار تصنيف Histogram وسحب المخطط البسيط (Simple Histogram) إلى نافذة العمل العلوية.
• سحب المتغير الكمي المراد تمثيله وإفلاته على المحور الأفقي (X-Axis).
• في نافذة خصائص العنصر الجانبية (Element Properties)، يتم الانتقال إلى خانة Statistic وتغيير الخيار الافتراضي من Count (الذي ينشئ مدرجاً مطلقاً) إلى Percentage أو Histogram Percent لتحويل المقياس الرأسي إلى نسب مئوية.
• يمكن تخصيص عدد الفئات وعرضها بدقة عبر النقر على زر Set Parameters تحت خيار Binning لتحديد طول الفئة ونقطة البداية، بالإضافة إلى إمكانية تفعيل خيار إدراج منحنى التوزيع الطبيعي المرجعي (Display normal curve) لإجراء مقارنة بصرية فورية، ثم الضغط على OK لتوليد الرسم النهائي.

9.2 التطبيق في لغة R وحزمة ggplot2

توفر لغة البرمجة الإحصائية R إمكانيات برمجية فائقة المرونة والتحكم لبناء رسوم بيانية مطابقة لأعلى المعايير الأكاديمية للنشر العلمي، لا سيما عند توظيف حزمة ggplot2 المتقدمة.

في البيئة الأساسية لـ R، يمكن استخدام الدالة المباشرة hist() مع تعيين المعامل المنطقي freq = FALSE؛ حيث يؤدي هذا الإجراء إلى تحويل المحور الرأسي تلقائياً من التكرارات المطلقة إلى الكثافة النسبية والاحتمالية:

hist(data$anxiety_scores, freq = FALSE, col = “skyblue”, main = “Relative Frequency Histogram”, xlab = “Scores”, ylab = “Relative Density”)

أما عند الرغبة في إنتاج رسم مئوي احترافي مخصص عبر ggplot2، تُستخدم الدالة geom_histogram() مع تحديد الإحداثي الصادي باستخدام الدالة الحسابية الداخلية aes(y = after_stat(count / sum(count))) كما يظهر في التركيب البرمجي التالي:

library(ggplot2)
ggplot(data, aes(x = anxiety_scores)) +
  geom_histogram(aes(y = after_stat(count / sum(count))), binwidth = 10, boundary = 9.5, fill = “#2b5c8f”, color = “white”) +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
  labs(title = “Relative Frequency Distribution of Anxiety Scores”, x = “Anxiety Score (Points)”, y = “Relative Frequency (%)”) +
  theme_minimal()

يتيح هذا التكوين ضبط عروض الفئات بدقة مطلقة، وتنسيق تدريج المحور الرأسي ليظهر في صورة نسب مئوية مقروءة بأناقة وتناسق تام.

9.3 التطبيق بلغة Python عبر Seaborn و Matplotlib

تُعد منظومة لغة Python ممثلة في مكتبتي Matplotlib و Seaborn الخيار الرائد لمحللي البيانات والباحثين في مجالات الذكاء الاصطناعي وعلوم البيانات المتقدمة لبناء التوزيعات التكرارية.

توفر مكتبة Seaborn الحديثة الدالة المتطورة sns.histplot() التي تتيح بضغطة زر واحدة وعبر وسيط مباشر تحويل المدرج إلى الصورة النسبية المئوية من خلال ضبط المعامل stat='percent' أو stat='probability':

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(8, 5))
sns.histplot(data=df, x=’anxiety_scores’, stat=’percent’, bins=5, binrange=(9.5, 59.5), color=’#3498db’, edgecolor=’black’)
plt.title(‘Relative Frequency Histogram (Python Seaborn)’, fontsize=14)
plt.xlabel(‘Anxiety Scale Scores’, fontsize=12)
plt.ylabel(‘Percentage (%)’, fontsize=12)
plt.grid(axis=’y’, linestyle=’–‘, alpha=0.7)
plt.show()

تمنح هذه الدوال البرمجية الباحث قدرة استثنائية على التحكم في معالم التنعيم الإحصائي، ودمج منحنيات الكثافة التقديرية (KDE)، وتصدير المخططات بدقة نقطية فائقة (High Resolution DPI) تلائم النشر في المجلات العلمية المحكمة عالمياً.

9.4 البناء السريع للمدرج التكراري النسبي في Microsoft Excel

على الرغم من أن برنامج Microsoft Excel لا يحتوي على زر افتراضي مباشر ينشئ مدرجاً نسبياً مئوياً بضغطة واحدة، إلا أنه يمكن تشييده بسهولة واحترافية باتباع الخطوات الحسابية المنهجية التالية:

• تفريغ البيانات الخام في عمود مستقل، واستخدام أداة تحليل البيانات Data Analysis Toolpak واختيار Histogram لحساب التكرارات المطلقة للفئات المحددة مسبقاً (Bin Range).
• إنشاء عمود إضافي مجاور لعمود التكرارات المطلقة، وتطبيق معادلة القسمة البسيطة (=f / n) على كل خلية، ثم تحويل تنسيق هذا العمود إلى “نسبة مئوية” (Percentage) عبر شريط الأدوات الرئيسي.
• تحديد عمود الفئات وعمود النسب المئوية، ثم إدراج مخطط عمودي ثنائي الأبعاد تقليدي (2D Clustered Column Chart).
• لتحويل المخطط العمودي إلى “مدرج تكراري متصل حقيقي”، يتم النقر بزر الفأرة الأيمن على أي عمود واختيار Format Data Series، ثم تقليص قيمة عرض الفجوة (Gap Width) من القيمة الافتراضية (219%) إلى 0% تماماً لتتلاصق الأعمدة، مع إضافة حدود بيضاء أو داكنة واضحة (Border Line) للفصل الهندسي الأنيق بين الفئات المتتالية.

10. الأخطاء الشائعة وسوء التفسير في استخدام المدرج التكراري النسبي

10.1 الخلط بين المدرج التكراري والرسم البياني الشريطي (Bar Chart)

يعد الخلط بين المدرج التكراري (Histogram) والرسم البياني الشريطي (Bar Chart) أحد أكثر الأخطاء المفاهيمية والمنهجية شيوعاً بين طلاب الدراسات العليا والباحثين المبتدئين؛ فرغم التشابه البصري السطحي المتمثل في وجود أعمدة رأسية، إلا أن هناك تبايناً جذرياً في طبيعة البيانات التي يمثلها كل مخطط.

يُخصص الرسم البياني الشريطي حصرياً لتمثيل المتغيرات النوعية أو الفئوية المنفصلة والاسمية (Categorical/Nominal Data)، مثل: النوع الاجتماعي (ذكور/إناث)، أو الحالة الاجتماعية، أو التخصص الأكاديمي. ولذلك، تُفصل الأعمدة في الرسم الشريطي بفراغات ومسافات بينية واضحة ومقصودة للتعبير الصريح عن استقلالية وانفصال تلك الفئات النوعية عن بعضها البعض.

في المقابل، صُمم المدرج التكراري النسبي خصيصاً للتعامل مع المتغيرات الكمية ذات المقياس الفتري والنسبي المتصل (Continuous Numerical Data)؛ وبالتالي، فإن ترك مسافات أو فجوات بين أعمدته يُعد خطأً إحصائياً فادحاً يوحي للقارئ المتخصص بأن المقياس منفصل أو أن هناك فترات عددية تكرارها يساوي صفراً، مما يشوه الفهم الإبستمولوجي لطبيعة الاستمرارية الرياضية للمتغير المقاس.

10.2 التلاعب في عروض الفئات ومقاييس المحاور

تتعرض مصداقية المدرج التكراري النسبي للانهيار عندما يقع الباحث في فخ التلاعب الهندسي بعروض الفئات أو مقاييس المحاور الإحداثية، سواء كان ذلك عن جهل بالمعايير الإحصائية أو بدافع توجيه البيانات لخدمة فرضيات مسبقة بصورة مضللة وغير نزيهة.

إن استخدام فئات غير متساوية في العرض (Unequal Bin Widths) دون إجراء تعديل رياضي تعويضي لارتفاع الأعمدة باستخدام “كثافة التكرار النسبي” يؤدي إلى تشويه خطير؛ حيث ستبدو الفئات العريضة وكأنها تضم نسباً ضخمة بمجرد كبر مساحتها البصرية، وهو ما يخدع الإدراك الحسي للعين البشرية المبرمجة على ربط المساحة بالحجم الكلي للظاهرة.

كذلك، فإن التلاعب بالمحور الرأسي عبر قطع بدايته والبدء من قيمة أعلى من الصفر (Broken Axis) لتضخيم فروق طفيفة جداً بين الفئات (كإظهار فرق بنسبة 2% وكأنه جبل شاهق)، أو الإفراط الشديد في تصغير عدد الفئات (Over-smoothing) أو تكثيرها بصورة تفتت البيانات إلى أعمدة متناثرة متباعدة (Under-smoothing)، كلها ممارسات تخل بأمانة العرض العلمي وتطمس الخصائص الجوهرية للتوزيع الحقيقي.

10.3 تجاهل حجم العينة الإجمالي عند التفسير

من المحاذير المنهجية الحرجة عند استخدام وتأويل المدرج التكراري النسبي التسرع في بناء تعميمات قاطعة استناداً إلى النسب المئوية المجردة مع إغفال وتجاهل الحجم الإجمالي للعينة المدروسة (N). فالنسب المئوية بطبيعتها المجردة سلاح ذو حدين يمكن أن يضخم الواقع بصورة خادعة إذا كانت العينة ضئيلة الحجم.

فعلى سبيل المثال، إذا أظهر مدرج تكراري نسبي لعينة استطلاعية مكونة من خمسة أفراد فقط (n = 5) أن أحد الأعمدة يرتفع بنسبة 40%، فإن هذا الرقم المئوي الضخم لا يعبر في حقيقته الميدانية سوى عن استجابة فردين اثنين فقط. وبالتالي، فإن بناء قرارات سيكومترية أو سياسات تربوية مصيرية استناداً إلى هذه النسبة المرتفعة يُعد مخاطرة علمية غير محسوبة تفتقر إلى الثبات والموثوقية الإحصائية.

يتحتم على الباحث الأكاديمي الرصين توثيق حجم العينة الكلي (n) بوضوح تام وبارز في العنوان الرئيسي للمدرج النسبي أو في الهامش الإيضاحي المرفق أسفل الشكل البياني، مع توخي الحذر الشديد وعدم المبالغة في تعميم الأنماط التوزيعية المستخلصة من العينات الصغيرة إلا بعد إعادة التحقق منها عبر عينات موسعة ممثلة للمجتمع الأصلي.

11. الامتدادات الإحصائية: من المدرج النسبي إلى مضلع ومنحنى التكرار النسبي

11.1 المضلع التكراري النسبي (Relative Frequency Polygon)

يمثل المضلع التكراري النسبي (Relative Frequency Polygon) الامتداد الخطي المباشر للمدرج النسبي، وهو رسم تخطيطي يتشكل عبر تعيين نقاط إحداثية تمثل مراكز الفئات على المحور الأفقي والتكرارات النسبية المقابلة لها على المحور الرأسي، ثم التوصيل بين هذه النقاط المتتالية بقطع مستقيمة منكسرة باستخدام المسطرة الهندسية.

لإغلاق المضلع التكراري وضمان احتوائه لمساحة هندسية كلية تعادل تماماً مساحة المدرج التكراري (وتساوي 1.00 أو 100%)، يتم تمديد أطراف الخطوط المنكسرة من الجهتين لتتصل بالمحور الأفقي عند مركزي فئتين تخيليتين إضافيتين (تكرار كل منهما يساوي صفراً تماماً)؛ إحداهما سابقة للفئة الأولى والأخرى لاحقة للفئة الأخيرة في الجدول الإحصائي.

تتجلى الميزة المنهجية العظمى للمضلع التكراري النسبي عند الرغبة في مقارنة ثلاثة توزيعات أو أكثر في آن واحد على نفس المستوى الإحداثي؛ إذ إن تراكب خطوط المضلعات بألوان مختلفة يوفر وضوحاً فائقاً وسهولة في تتبع التقاطعات وفروق التوزيع دون المعاناة من التشويش والانسداد البصري الذي يسببه تراكب الأعمدة والمستطيلات المتلاصقة للمدرجات التكرارية المتعددة.

11.2 المنحنى التكراري النسبي المتجمع الصاعد (Ogive)

يُعد المنحنى التكراري النسبي المتجمع الصاعد، المعروف في الأدبيات الإحصائية باسم الأوجيف (Ogive)، أداة بيانية تراكمية بالغة الأهمية تُبنى برسم الحدود الفعلية العليا للفئات على المحور الأفقي مقابل النسب المئوية التراكمية (Cumulative Relative Frequencies) على المحور الرأسي، ثم التوصيل بين النقاط بخط منحنٍ انسيابي صاعد يبدأ من نسبة 0% ويستقر عند قمته في الفئة الأخيرة عند 100%.

يحتل منحنى الأوجيف النسبي مكانة استراتيجية في علم السيكومتركيا والتقويم التربوي؛ إذ يتيح التحديد البصري والحسابي المباشر لمواقع المئينات (Percentiles)، والأرباعيات (Quartiles)، والمئينيات الرتبية دون الحاجة لإجراء معادلات استيفاء رياضية معقدة في كل مرة؛ حيث يمكن إسقاط أي نسبة مئوية مرغوبة (كالرتبة المئينية 75) من المحور الصادي أفقياً على المنحنى ثم الهبوط عمودياً لقراءة الدرجة الخام المقابلة لها على المحور السيني.

يوظف المختصون هذا المنحنى بصورة واسعة في تحديد “درجات القطع” (Cut-off Scores) المعيارية للاختبارات والمقاييس النفسية؛ مثل تحديد الحد الأدنى من الدرجات الذي يفرز أعلى 10% من الموهوبين، أو تحديد الدرجة الفاصلة التي تحدد شريحة الـ 5% الأكثر عرضة للاضطرابات الإكلينيكية لقبولهم في برامج الرعاية المركزة.

11.3 تقدير كثافة النواة (Kernel Density Estimation – KDE)

يمثل تقدير كثافة النواة (Kernel Density Estimation – KDE) التطور الرياضي والبرمجي الأحدث لتحويل المدرج التكراري النسبي المتقطع ذي الأعمدة الحادة إلى منحنى احتمالي متصل وناعم (Smooth Curve) يقدم تقديراً غير معلمي (Non-parametric) فائق الدقة لدالة الكثافة الاحتمالية للمتغير العشوائي المستمر في المجتمع الإحصائي الأصلي.

يعتمد مفهوم خوارزمية النواة على وضع دالة رياضية موجبة ومتماثلة (تسمى دالة النواة، وغالباً ما تكون دالة التوزيع الطبيعي الغاوسي) فوق كل نقطة ومشاهدة فردية في مجموعة البيانات، مع التحكم في درجة نعومة واتساع المنحنى عبر معامل يُعرف باسم عرض النطاق الترددي (Bandwidth – h). ويتم جمع هذه النوى الجزئية وتراكبها رياضياً لتوليد منحنى الكثافة المتصل النهائي الذي يعبر عن التوزيع التكراري النسبي المتدفق.

يُعد المدرج التكراري النسبي نقطة الانطلاق الأساسية والموجه البصري الأول لفهم ومقارنة مخرجات خوارزميات التنعيم الإحصائي؛ ويُستخدم منحنى كثافة النواة بكثافة غير مسبوقة في أحدث أبحاث علم الأعصاب الإدراكي، والتحليلات الجينية، وتطبيقات التعلم الآلي والبيانات الضخمة (Big Data) لنمذجة سلوك الظواهر المعقدة وتجاوز قيود التقسيم الفئوي الحاد للمدرجات التقليدية.

12. خاتمة ودليل إرشادي لأفضل الممارسات في إعداد المدرج التكراري النسبي

12.1 ملخص المبادئ التوجيهية الأساسية

يمثل المدرج التكراري النسبي أحد أرقى النماذج البيانية التي تجسد التناغم الوثيق بين التحليل الإحصائي الوصفي ونظرية الاحتمالات الرياضية. ويتطلب الاستخدام المتقن لهذه الأداة التزاماً صارماً بمجموعة من المبادئ المنهجية التي تضمن خروج النتائج بأعلى درجات الدقة والنزاهة العلمية.

يجب التأكد الدائم من صحة التحويلات الرياضية من التكرارات المطلقة إلى النسبية المئوية، والتحقق الحاسم من استيفاء شرط المجموع الإجمالي الذي يجب أن يطابق بدقة الواحد الصحيح (1.00 أو 100%). كما يتعين اختيار عدد فئات متوازن وعروض فترات متكافئة ومنطقية تبرز الخصائص التوزيعية الحقيقية وتكشف عن التماثل أو الالتواء أو تعدد القمم دون أي تسطيح مفرط أو تشتيت مضلل.

تقتضي الموضوعية الأكاديمية ضبط المحاور الإحداثية وفق معايير ثابتة؛ بالبدء الإلزامي للمحور الرأسي من نقطة الصفر الحقيقي، وتجنب أي تشويه للمقاييس، والتأكد التام من تلاصق الأعمدة الرأسية لتعكس طبيعة الاتصال والتدفق الرياضي للمتغيرات الكمية المقاسة.

12.2 قائمة التحقق المنهجية قبل النشر العلمي

قبل اعتماد وإدراج المدرج التكراري النسبي في التقارير الفنية، أو رسائل الماجستير والدكتوراه، أو الأوراق البحثية المعدة للنشر في الدوريات المفهرسة، يُنصح الباحث بمراجعة قائمة التدقيق والتحقق المنهجية التالية وفقاً لمعايير جمعية علم النفس الأمريكية (APA Style 7th Edition):

• اكتمال ودقة تسمية المحاور: هل المحور الأفقي مسمى بدقة مع كتابة وحدة القياس بوضوح بين قوسين؟ وهل المحور الرأسي موضح صراحة كنسبة مئوية (%) أو تكرار نسبي مجرد؟
• حجم العينة ومواصفات الفئات: هل تم تدوين حجم العينة الكلي (N = …) بوضوح في العنوان أو في الملاحظة التفسيرية أسفل الشكل؟ وهل أطوال وعروض الفئات متساوية ومحددة دون تداخل؟
• تلاصق المستطيلات واتساق المقياس: هل الأعمدة متلاصقة تماماً وخالية من أي فراغات مصطنعة؟ وهل يبدأ المحور الرأسي من الصفر المطلق دون أي اقتطاع مضلل؟
• عنوان الشكل والملاحظات التوضيحية: هل يحمل الشكل رقماً وعنواناً وصفياً مائلاً وواضحاً (Figure 1. Relative Frequency Distribution of…)، وهل تضمن الهامش السفلي شرحاً لأي اختصارات أو قواعد تقريب تم اعتمادها؟

12.3 آفاق التطور المستقبلي في العرض المرئي للبيانات

مع تسارع وتيرة الثورة الرقمية وتدفق البيانات الضخمة في مختلف العلوم الإنسانية والتطبيقية، تشهد أساليب التمثيل البصري للتوزيعات التكرارية تحولات بنيوية ملحوظة. فقد انتقل المدرج التكراري النسبي من كونه رسماً ثابتاً ومطبوعاً على الورق إلى عنصر تفاعلي ديناميكي ومدمج داخل لوحات البيانات الذكية (Interactive Dashboards) والمنصات السحابية المتقدمة مثل Power BI و Tableau و Plotly.

تتيح هذه التقنيات الحديثة للمستخدمين والباحثين تغيير أطوال الفئات ونطاقاتها لحظياً عبر أشرطة التمرير الرقمية، وفلترة التوزيعات النسبية بحسب المتغيرات الديموغرافية والزمنية بضغطة زر واحدة، فضلاً عن مراقبة التغيرات التوزيعية للسمات النفسية والسلوكية عبر الزمن (Real-time distribution tracking).

إن ترسيخ الثقافة الإحصائية والبصرية والتمكن من أدوات مثل المدرج التكراري النسبي يظل الكفاءة المنهجية الأساسية التي تضمن للباحثين والمحللين قراءة الواقع بدقة، ونقل النتائج بأمانة، وتحويل الأرقام الصامتة إلى رؤى علمية رصينة تدعم اتخاذ القرار وتثري المعرفة الإنسانية.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Freedman, D., Pisani, R., & Purves, R. (2007). Statistics (4th ed.). W. W. Norton & Company.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. A. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• National Institute of Standards and Technology. (2012). Histogram. NIST/SEMATECH e-Handbook of Statistical Methods. https://www.itl.nist.gov/div898/handbook/eda/section3/histogra.htm
• Pearson, K. (1895). Contributions to the mathematical theory of evolution. II. Skew variation in homogeneous material. Philosophical Transactions of the Royal Society of London. A, 186, 343–414. https://doi.org/10.1098/rsta.1895.0010
• Silverman, B. W. (1986). Density estimation for statistics and data analysis. Chapman and Hall/CRC. https://doi.org/10.1201/9781315140919
• Sturges, H. A. (1926). The choice of a class interval. Journal of the American Statistical Association, 21(153), 65–66. https://doi.org/10.1080/01621459.1926.10502161
• Wickham, H. (2016). ggplot2: Elegant graphics for data analysis (2nd ed.). Springer-Verlag. https://doi.org/10.1007/978-3-319-24277-4