Различия между средним значением, медианой и модой в описательной статистике.
В описательной статистике одной из основных целей является обобщение данных для облегчения их понимания. Большие, разнообразные и порой «хаотичные» данные будут более информативными, если их представить в виде мер центральной тенденции. Три наиболее часто используемые меры центральной тенденции — это среднее арифметическое, медиана и мода. Хотя все три направлены на отображение «репрезентативного значения» набора данных, методы их применения, чувствительность к выбросам и ситуации их использования значительно различаются.
В этой статье рассматривается значение, способы вычисления, преимущества и недостатки, а также примеры применения среднего значения, медианы и моды, чтобы вы могли выбрать наиболее подходящую меру для анализируемых данных.
1. Среднее арифметическое (среднее значение): определение и способ расчета
Среднее арифметическое — это сумма всех значений данных, деленная на количество точек данных. Часто называемое «средним арифметическим», среднее арифметическое наиболее знакомо в повседневной жизни. Оно дает представление о центральной тенденции данных, рассматривая все значения пропорционально.
Формула среднего значения:
\[
\bar{x} = \frac{\sum x_i}{n}
\]
Примечания:
– \(\sum x_i\) = сумма всех значений данных
– \(n\) = количество данных
Contoh:
Предположим, что оценки пяти студентов за экзамены равны: 70, 75, 80, 85, 90.
Среднее арифметическое = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
Средние преимущества
1. Используйте все данные таким образом, чтобы используемая информация была полной.
2. Легко вычисляется и широко используется в углубленном анализе (например, дисперсия, стандартное отклонение).
3. Подходит для числовых данных и относительно симметричных распределений.
Средний дефицит
1. Очень чувствителен к выбросам. Одно экстремальное значение может сильно сместить среднее значение относительно большей части данных.
2. Не всегда отражает «типичные значения», если распределение данных асимметрично.
Примеры эффектов выбросов:
Данные о доходах (в миллионах рупий): 3, 3, 4, 4, 5, 50
Среднее значение = (3+3+4+4+5+50)/6 = 69/6 = 11,5
Хотя большинство доходов находятся в диапазоне от 3 до 5 миллионов, среднее значение менее репрезентативно.
2. Медиана (среднее значение): определение и способ вычисления
Медиана — это значение, находящееся посередине при сортировке данных от наименьшего к наибольшему. Медиана акцентирует внимание на позиции, а не на общей величине, что делает её более устойчивой к выбросам.
Как определить медиану:
1. Отсортируйте данные.
2. Если количество данных нечетное, медиана — это значение, находящееся посередине.
3. Если количество данных четное, медиана — это среднее арифметическое двух средних значений.
Пример (нечетный):
Данные: 2, 3, 5, 7, 9
Медиана = среднее значение = 5
Пример (четное число):
Данные: 10, 20, 30, 40
Медиана = (20 + 30) / 2 = 25
Преимущества медиан
1. Устойчивость к выбросам и экстремальным значениям.
2. Подходит для данных с асимметричным распределением, таких как доходы, цены на жилье или время ожидания.
3. Может использоваться для порядковых данных (например, рейтинги удовлетворенности: очень доволен, доволен, нейтрально, недоволен).
Медианные недостатки
1. Не использует все значения данных в своих вычислениях (в большей степени «на основе позиции»).
2. Менее подходит для сложного математического анализа, требующего усредненных свойств.
Вернемся к примеру с доходом: 3, 3, 4, 4, 5, 50
Данные отсортированы, медиана для 6 значений — это среднее арифметическое 3-го и 4-го значений: (4 + 4) / 2 = 4
Это медианное значение гораздо лучше отражает большинство условий.
3. Мода (наибольшее значение): определение и способы определения
Мода — это значение, которое встречается в наборе данных чаще всего. В некоторых случаях данные могут иметь следующие характеристики:
– Одна мода (унимодальное распределение): одно значение встречается наиболее часто.
– Два модальных режима (бимодальный): два значения встречаются наиболее часто.
– Многорежимный (мультимодальный)
– Нет режима: если все значения появляются с одинаковой частотой
Contoh:
Данные: 2, 3, 3, 4, 5
Мода = 3 (встречается чаще всего)
Пример бимодального распределения:
Данные: 1, 2, 2, 3, 3, 4
Режим = 2 и 3
Преимущества режима
1. Единственная мера центральной тенденции, которую можно использовать для номинальных данных (например, любимый цвет, наиболее предпочтительная марка).
2. Легко понять, поскольку сразу же выявляет наиболее доминирующую категорию/ценность.
3. Не подвержен влиянию выбросов в том смысле, что экстремальные значения не изменяют частоту наиболее часто встречающихся значений.
Отсутствие режима
1. Иногда оно не является уникальным (может быть более одного) или даже не существует.
2. Может быть менее стабильным; небольшие изменения в данных могут изменить режим.
3. Не всегда математически отражает «центр» данных.
4. Основные различия между средним значением, медианой и модой
В итоге, различия между тремя системами можно увидеть в методе расчета, чувствительности к выбросам и подходящих типах данных:
1. Среднее значение использует все значения, лучше всего подходит для симметричных числовых данных, но чувствительно к выбросам.
2. Медиана, основанная на позиции, подходит для данных с асимметричным распределением, более устойчива к выбросам.
3. Модальный анализ, основанный на частоте, подходит для категориальных/номинальных данных и позволяет выявить наиболее распространенное значение.
Во многих учебниках по статистике прослеживается общая взаимосвязь между тремя распределениями:
– Симметричное распределение: среднее ≈ медиана ≈ мода
– Распределение смещено вправо (асимметрия вправо): среднее значение > медиана > мода
– Распределение с левосторонней асимметрией: среднее < медиана < мода. Однако это тенденция, а не абсолютное правило. 5. Когда использовать среднее, медиану или моду? Выбор подходящей меры центральной тенденции зависит от характера данных и цели анализа. Используйте среднее, если: - Данные числовые (интервальные/относительные). - Распределение относительно симметрично. - Нет экстремальных выбросов или выбросы были обработаны. - Вам нужна основа для других статистических расчетов. Пример ситуации: средние баллы за контрольные работы в классе с равномерным распределением баллов.
