確定統計數據平均偏差的技術
在統計學中，僅僅了解資料的「中心」（例如，透過平均數或中位數）通常是不夠的。兩個數據集可能具有相同的平均值，但它們的「變異程度」可能存在顯著差異。因此，離散程度的測量非常重要。平均偏差是一種相對容易理解和使用的離散程度測量。本文將討論確定各種統計數據平均偏差的技術，並提供完整的計算步驟和範例。
理解平均偏差
平均偏差衡量的是每個數據點與集中趨勢指標（通常是算術平均值或中位數）之間的平均距離。此距離是資料點與中心值之差的絕對值，因此負差值不會「抵消」正差值。
一般來說，平均偏差描述了資料點偏離中心值的程度。平均偏差越小，資料點越集中在中心值附近；平均偏差越大，資料點的波動性越大。
為什麼要使用絕對值？
如果我們計算資料與平均值之差的平均值而不取絕對值，則差值總和總是為零（因為平均值是平衡點）。例如，如果差值為 +5 和 -5，則它們總和為 0。因此，需要使用絕對值，才能使偏差真正反映資料與中心的距離。
單數據平均偏差公式
對於單一資料（未分組），其與平均值的平均偏差計算公式如下：
\[
SR = \frac{\sum |x_i – \bar{x}|}{n}
\]
信息：
– SR：平均偏差
– \( x_i \): 第 i 個數據
– \( \bar{x} \): 算術平均數（平均數）
– \( n \): 資料量
單數據計算技術 （步驟）
1. 計算所有資料的平均值 \( \bar{x} \)。
2. 計算每個資料與平均值之間的差異：\( x_i – \bar{x} \).
3. 求各差值的絕對值：\( |x_i – \bar{x}| \).
4. 將所有差值的絕對值相加。
5. 除以資料數 \( n \)。
單一資料範例
數值資料：6、8、10、12、14
1）平均值：
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]
2）差值的絕對值：
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4
總計 = 4 + 2 + 0 + 2 + 4 = 12
3）平均偏差：
\[
SR=\frac{12}{5}=2{,}4
\]
這意味著平均而言，每個值與平均值 (10) 相差 2,4 個單位。
頻繁（離散）數據的平均偏差
如果資料以數值和頻率的形式呈現（例如表格），則公式變為：
\[
SR = \frac{\sum f_i |x_i – \bar{x}|}{\sum f_i}
\]
信息：
– \( f_i \): 資料頻率 \( x_i \)
頻率資料計算技術
1. 計算平均值：\(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. 計算 \( |x_i-\bar{x}| \)
3. 乘以頻率：\( f_i |x_i-\bar{x}| \)
4. 將步驟 3 的所有結果相加
5. 除以總頻數
離散資料範例
| 值 (x) | 頻率 (f) |
|—|—|
| 第5章第2章
| 第7章第3章
| 第9章第1章
總頻數：\(2+3+1=6\)
意思是：
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]
計算偏差：
– 當 x=5 時：|5−6,67|=1,67 → 乘以 f=2 → 3,34
– 當 x=7 時：|7−6,67|=0,33 → 乘以 f=3 → 0,99
– 當 x=9 時：|9−6,67|=2,33 → 乘以 f=1 → 2,33
總計：3,34 + 0,99 + 2,33 = 6,66
平均偏差：
\[
SR=\frac{6{,}66}{6}=1{,}11
\]
分組資料（組距）的平均偏差
在分組資料（例如，區間頻率分佈）中，資料值不是單獨顯示的，而是按類別顯示的。為此，使用類別中點 (xi) 來表示類別內的資料。
公式：
\[
SR=\frac{\sum f_i |x_i-\bar{x}|}{\sum f_i}
\]
然而，\(x_i\)是該類別的中點。
群體數據計算技術
1. 決定每個班級的中點：
\[
x_i=\frac{\text{下限+上限}}{2}
\]
2. 計算組別均值：
\[
\bar{x}=\frac{\sum f_i x_i}{\sum f_i}
\]
3. 計算 \( |x_i-\bar{x}| \)
4. 乘以頻率 \( f_i \)
5. 將所有結果相加，然後除以總頻數。
群組資料範例
| 班級 | f |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |
中點：
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22
總 f = 10
意思是：
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]
偏差：
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11
總計 = 13,5 + 2,5 + 11 = 27
平均偏差：
\[
SR=\frac{27}{10}=2{,}7
\]
與中位數的平均偏差
除了平均數之外，還可以透過中位數計算平均偏差。原理相同，只是中心值不同。當資料包含異常值時，這種方法很有用，因為中位數對極端值更具穩健性。
對於單一數據：
\[
SR_{Me}=\frac{\sum |x_i-Me|}{n}
\]
頻率數據：
\[
SR_{Me}=\frac{\sum f_i|x_i-Me|}{\sum f_i}
\]
平均偏差的優點和局限性
Kelebihan：
1. 容易理解，因為它使用了到資料中心的「平均距離」。
2. 使用所有數據（而不僅僅是某些數據）。
3. 可以針對各種形式進行計算 數據呈現.
Keterbatasan:
1. 不如標準差受歡迎 統計分析 先進的。
2. 使用絕對值會使一些代數運算變得不太方便。
3. 在許多推論方法中，其效力不如標準差。
關閉
統計資料中平均偏差的計算方法基本上遵循一個固定的模式：先確定中心值（平均值或中位數），然後計算每個資料點（或群組中位數）到中心的絕對距離，最後求平均值－如果資料以表格形式呈現，則需考慮頻數。平均偏差是一種便捷的離散度量，能夠直觀地描述資料的變異性。透過理解這些步驟，您可以比較不同資料集之間的變異情況，並更全面地評估資料集的穩定性。
如果你願意，我可以幫你把這篇文章改成學校作業的形式（包括引言、討論和結論），或是在討論部分加入練習題。
