Tekniker för att bestämma den genomsnittliga avvikelsen i statistiska data
Inom statistik är det ofta otillräckligt att bara förstå datas "centrum" – till exempel genom medelvärdet eller medianen. Två datamängder kan ha samma medelvärde, men skilja sig avsevärt åt i sina "variationsnivåer". Därför är mått på spridning viktiga. Ett mått på spridning som är relativt lätt att förstå och använda är medelavvikelsen. Den här artikeln diskuterar tekniker för att bestämma medelavvikelsen i olika former av statistiska data , komplett med beräkningssteg och exempel.
Förstå genomsnittlig avvikelse
Medelavvikelsen är ett mått som anger det genomsnittliga avståndet för varje datapunkt från ett mått på central tendens, vanligtvis det aritmetiska medelvärdet (medelvärdet) eller medianen. Avståndet i fråga är det absoluta värdet av skillnaden mellan data och det centrala värdet, så att ingen negativ skillnad "tar ut" en positiv skillnad.
I allmänhet beskriver medelavvikelsen hur långt data är utspridd från sitt centrala värde. Ju mindre medelavvikelsen är, desto tätare är data grupperade runt mitten; ju större värde, desto mer variabla är data.
Varför använda absolutvärde?
Om vi beräknar medelvärdet av skillnaderna mellan data och medelvärdet utan ett absolutvärde, kommer summan av skillnaderna alltid att vara noll (eftersom medelvärdet är jämviktspunkten). Om det till exempel finns skillnader på +5 och -5, summerar de sig till 0. Därför används absolutvärden så att avvikelserna verkligen återspeglar dataavståndet från centrum.
Medelavvikelsesformel för enstaka data
För enskilda data (ej grupperade) formuleras den genomsnittliga avvikelsen från medelvärdet:
\[
SR = \frac{\sum |x_i – \bar{x}|}{n}
\]
Information:
– \(SR \): genomsnittlig avvikelse
– \(x_i \): i-te data
– \( \bar{x} \): aritmetiskt medelvärde (medelvärde)
– \(n \): datamängd
Teknik för beräkning av enskilda data (Steg)
1. Beräkna medelvärdet \( \bar{x} \) av alla data.
2. Beräkna skillnaden mellan varje data och medelvärdet: \( x_i – \bar{x} \).
3. Ta absolutvärdet för varje differens: \( |x_i – \bar{x}| \).
4. Lägg ihop alla absoluta värden för skillnaderna.
5. Dividera med antalet data \(n \).
Exempel på enskild data
Värdedata: 6, 8, 10, 12, 14
1) Medelvärde:
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]
2) Absolutvärde av skillnaden:
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4
Totalt = 4 + 2 + 0 + 2 + 4 = 12
3) Genomsnittlig avvikelse:
\[
SR=\frac{12}{5}=2{,}4
\]
Det betyder att varje värde i genomsnitt avviker med 2,4 enheter från medelvärdet (10).
Medelavvikelse för frekventa (diskreta) data
Om data presenteras i form av värden och frekvenser (t.ex. en tabell) blir formeln:
\[
SR = \frac{\sum f_i |x_i – \bar{x}|}{\sum f_i}
\]
Information:
– \(f_i \): datafrekvens \(x_i \)
Tekniker för beräkning av frekvensdata
1. Beräkna medelvärdet: \(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. Beräkna \( |x_i-\bar{x}| \)
3. Multiplicera med frekvensen: \( f_i |x_i - \bar{x}| \)
4. Lägg ihop alla resultat från steg 3
5. Dividera med den totala frekvensen
Exempel på diskreta data
| Värde (x) | Frekvens (f) |
|—|—|
| 5 | 2 |
| 7 | 3 |
| 9 | 1 |
Total frekvens: \(2+3+1=6\)
Betyda:
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]
Beräkna avvikelsen:
– För x=5: |5−6,67|=1,67 → gånger f=2 → 3,34
– För x=7: |7−6,67|=0,33 → gånger f=3 → 0,99
– För x=9: |9−6,67|=2,33 → gånger f=1 → 2,33
Totalt: 3,34 + 0,99 + 2,33 = 6,66
Genomsnittlig avvikelse:
\[
SR=\frac{6{,}66}{6}=1{,}11
\]
Medelavvikelse för grupperade data (klassintervall)
I grupperade data (till exempel intervallfrekvensfördelningar ) visas datavärden inte individuellt, utan snarare i klasser. För detta ändamål används klassmittpunkten (xi) för att representera data inom en klass.
Formeln:
\[
SR=\frac{\summa f_i |x_i -\bar{x}|}{\summa f_i}
\]
Emellertid är \(x_i\) klassens mittpunkt.
Tekniker för beräkning av gruppdata
1. Bestäm mittpunkten för varje klass:
\[
x_i=\frac{\text{nedre gräns + övre gräns}}{2}
\]
2. Beräkna gruppmedelvärdet:
\[
\bar{x} = \frac{\summa f_i x_i}{\summa f_i}
\]
3. Beräkna \( |x_i-\bar{x}| \)
4. Multiplicera med frekvensen \(f_i \)
5. Lägg ihop alla resultat och dividera sedan med den totala frekvensen.
Exempel på gruppdata
| Klass | f |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |
Mittpunkt:
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22
Totalt f = 10
Betyda:
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]
Avvikelse:
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11
Totalt = 13,5 + 2,5 + 11 = 27
Genomsnittlig avvikelse:
\[
SR=\frac{27}{10}=2{,}7
\]
Medelavvikelse från median
Förutom medelvärdet kan även den genomsnittliga avvikelsen beräknas från medianen. Principen är densamma, bara det centrala värdet är annorlunda. Detta är användbart när data innehåller extremvärden eftersom medianen är mer motståndskraftig mot extremvärden.
För enskilda data:
\[
SR_{Me} = \frac{\sum |x_i-Me|}{n}
\]
För frekvensdata:
\[
SR_{Me} = \frac{\summa f_i|x_i-Me|}{\summa f_i}
\]
Fördelar och begränsningar med medelavvikelse
Fördelar:
1. Lätt att förstå eftersom den använder det "genomsnittliga avståndet" från datacentret.
2. Använd all data (inte bara viss data).
3. Kan beräknas för olika former datapresentation.
Begränsningar:
1. Mindre populär än standardavvikelse i analysstatistik avancerad.
2. Användningen av absoluta värden gör det mindre bekvämt för vissa algebraiska manipulationer.
3. Inte lika stark som standardavvikelsen i många inferentiella metoder.
Stängning
Tekniken för att bestämma medelavvikelsen i statistiska data följer i huvudsak ett konsekvent mönster: bestäm det centrala värdet (medelvärde eller median), beräkna det absoluta avståndet för varje datapunkt (eller klassmittpunkt) från centrum och beräkna sedan medelvärdet av dem – med hänsyn till frekvensen om data presenteras i en tabell. Medelavvikelsen är ett bekvämt mått på spridning för att intuitivt beskriva datavariabilitet. Genom att förstå stegen kan du jämföra variation mellan datamängder och mer fullständigt bedöma stabiliteten hos en datamängd.
Om du vill kan jag hjälpa dig att göra en version av den här artikeln i ett skoluppgiftsformat (med inledning–diskussion–avslutning) eller lägga till övningsfrågor utöver diskussionen.
