Skillnader mellan medelvärde, median och läge i deskriptiv statistik
Inom deskriptiv statistik är ett av huvudmålen att sammanfatta data för enkel förståelse. Stora, varierade och ibland "röriga" data blir mer informativa när de presenteras i form av mått på central tendens. De tre vanligaste måtten på central tendens är medelvärdet (genomsnitt), medianen (mittvärde) och mod (mest frekvent förekommande värde). Medan alla tre syftar till att visa ett "representativt värde" för en datamängd, varierar deras arbetssätt, känslighet för extremvärden och lämpliga användningssituationer avsevärt.
Den här artikeln diskuterar innebörden, hur man beräknar, fördelar och nackdelar, samt exempel på tillämpning av medelvärde, median och mod så att du kan välja det lämpligaste måttet för de data som analyseras.
1. Medelvärde (Average): Definition och hur man beräknar
Medelvärdet är summan av alla datavärden dividerat med antalet datapunkter. Medelvärdet kallas ofta för "genomsnitt" och är mest bekant i vardagen . Det ger en ögonblicksbild av datamängden genom att betrakta alla värden proportionellt.
Medelformel:
\[
\bar{x} = \frac{\summa x_i}{n}
\]
Information:
– \(\sum x_i\) = summan av alla datavärden
– \(n\) = antal data
Exempel:
Anta att fem studenters provresultat är: 70, 75, 80, 85, 90
Medelvärde = (70 + 75 + 80 + 85 + 90) / 5 = 400 / 5 = 80
Genomsnittliga fördelar
1. Använd all data så att informationen som används är fullständig.
2. Lätt att beräkna och används flitigt i avancerad analys (t.ex. varians, standardavvikelse).
3. Lämplig för numeriska data och relativt symmetriska fördelningar.
Genomsnittlig brist
1. Mycket känslig för extremvärden. Ett extremvärde kan dra medelvärdet långt bort från de flesta data.
2. Representerar inte alltid "typiska värden" om datadistribution sned.
Exempel på extremeffekter:
Inkomstdata (miljoner rupier): 3, 3, 4, 4, 5, 50
Medelvärde = (3+3+4+4+5+50)/6 = 69/6 = 11,5
Medan de flesta inkomster ligger i intervallet 3–5 miljoner, är medelvärdet mindre representativt.
2. Median (Mellanvärde): Definition och hur man beräknar
Medianen är värdet i mitten när data sorteras från minsta till största. Medianen betonar position snarare än den totala magnituden, vilket gör den mer motståndskraftig mot extremvärden.
Hur man bestämmer medianen:
1. Sortera informationen.
2. Om antalet data är udda är medianen värdet i mittenpositionen.
3. Om antalet data är jämnt är medianen medelvärdet av de två mittersta värdena.
Exempel (udda):
Uppgifter: 2, 3, 5, 7, 9
Median = mittvärde = 5
Exempel (jämnt):
Uppgifter: 10, 20, 30, 40
Median = (20 + 30) / 2 = 25
Medianfördelar
1. Resistent mot extremvärden och extrema värden.
2. Lämplig för snedvridna data såsom inkomst, huspriser eller väntetider.
3. Kan användas för ordinära data (t.ex. nöjdhetsbedömningar: mycket nöjd, nöjd, neutral, missnöjd).
Medianbrister
1. Använder inte alla datavärden i sina beräkningar (mer "positionsbaserad").
2. Mindre lämplig för avancerad matematisk analys som kräver genomsnittliga egenskaper.
Om vi går tillbaka till inkomstexemplet: 3, 3, 4, 4, 5, 50
Data är sorterade, medianen för 6 data är medelvärdet av det 3:e och 4:e värdet: (4 + 4) / 2 = 4
Denna median är mycket mer representativ för majoritetsförhållandena.
3. Läge (mest värde): Definition och hur man bestämmer
Moden är det värde som förekommer oftast i en datamängd. I vissa fall kan datan ha:
– Ett läge (unimodalt): ett värde förekommer oftast
– Två lägen (bimodal): två värden förekommer oftast
– Multimodal
– Inget läge: om alla värden visas med samma frekvens
Exempel:
Uppgifter: 2, 3, 3, 4, 5
Läge = 3 (förekommer oftast)
Bimodalt exempel:
Uppgifter: 1, 2, 2, 3, 3, 4
Läge = 2 och 3
Fördelar med läget
1. Det enda måttet på central tendens som kan användas för nominella data (t.ex. favoritfärg, mest föredraget märke).
2. Lätt att förstå eftersom den omedelbart visar den mest dominerande kategorin/värdet.
3. Påverkas inte av extremvärden i den meningen att extremvärden inte ändrar frekvensen av de mest frekvent förekommande värdena.
Brist på läge
1. Ibland är den inte unik (kan vara mer än en) eller existerar till och med inte.
2. Kan vara mindre stabil; små förändringar i data kan ändra läget.
3. Representerar inte alltid datats "centrum" matematiskt.
4. Huvudskillnader mellan medelvärde, median och läge
Sammanfattningsvis kan skillnaderna mellan de tre ses i beräkningsmetoden, känsligheten för extremvärden och lämpliga datatyper:
1. Medelvärdet använder alla värden, bäst för symmetriska numeriska data, men känsligt för extremvärden.
2. Median baserad på position, lämplig för snedvridna data, mer robust mot extremvärden.
3. Läge baserat på frekvens, lämpligt för kategoriska/nominella data och för att se det mest dominerande värdet.
I många statistikböcker finns det ett generellt samband mellan de tre fördelningarna:
– Symmetrisk fördelning: medelvärde ≈ median ≈ mod
– Fördelning sned åt höger (sned åt höger): medelvärde > median > mod
– Fördelning sned åt vänster: medelvärde < median < modalitet
Men detta är en tendens, inte en absolut regel.
5. När ska man använda medelvärde, median eller mod?
Att välja lämpligt mått på central tendens beror på dataens natur och syftet med analysen.
Använd medelvärde om:
– Data i numerisk form (intervall/förhållande).
– Fördelningen är relativt symmetrisk.
– Det finns inga extrema extremvärden eller att extremvärden har hanterats.
– Du behöver en grund för andra statistiska beräkningar.
Exempelsituation: genomsnittligt klassresultat med en rättvis poängfördelning.
Använd medianen om:
– Numeriska data men det finns extremvärden eller så är fördelningen snedvriden.
– Du vill ha ett mer stabilt "typiskt" värde.
– Uppgifterna är ordinala.
Exempelsituationer: medianlön för anställda, medianhuspris, medianpendlingstid.
Använd läge om:
– Data är nominella eller kategoriska.
– Du vill veta de vanligaste alternativen.
Exempelsituationer: mest köpta klädstorlekar (S/M/L), mest använda betalningsmetoder eller bäst säljande produkttyper.
slutsats
Medelvärdet, medianen och läget är tre viktiga mått på central tendens inom deskriptiv statistik . Medelvärdet ger ett medelvärde som beaktar alla värden, men är känsligt för extremvärden. Medianen indikerar mittvärdet, vilket är mer motståndskraftigt mot extremvärden och är lämpligt för snedvridna data. Läget markerar det mest frekvent förekommande värdet eller kategorin och är särskilt användbart för kategoriska data.
Genom att förstå skillnaderna och det sammanhang i vilket de används kan du välja det lämpligaste måttet på central tendens för att göra dina data mer exakta och begripliga. Om dina data innehåller stora extremvärden är medianen ofta mer representativ; om data är kategoriska är modus det föredragna valet; och om data är symmetriska och "rena" kan medelvärdet vara den mest informativa sammanfattningen.
