Gennemsnit, median og modusberegner

Forstå centraltendensmålinger

I statistikken,målinger af central tendensDe tre vigtigste er gennemsnittet, medianen og modus -- hver fortæller dig noget anderledes om dataene, og hver er mest passende i forskellige situationer.

Tænk på dette datasæt: testresultater {55, 60, 70, 75, 75, 80, 95}.

Ingen enkelt målestok er universelt "bedst". En dataanalytiker vælger den passende målestok baseret på fordelingsformen, tilstedeværelsen af outliers, og det spørgsmål, der bliver stillet. Forståelse af alle tre - plus deres begrænsninger - er grundlæggende for statistisk læsefærdighed.

Gennemsnit: Hvordan beregnes det?

Denaritmetisk middelværdier summen af alle værdier divideret med antallet af værdier. Det er det mest almindeligt anvendte mål for central tendens, og det er, hvad de fleste mennesker mener, når de siger "gennemsnit".

Formel: Mean (x̄) = (Σxi) / n

Hvor Σxi er summen af alle værdier, og n er antallet.

Eksempel:Data = {3, 7, 8, 5, 12, 4, 9, 6}

1. Summe: 3 + 7 + 8 + 5 + 12 + 4 + 9 + 6 = 54
2. Antal: 8 værdier
3. Mean = 54 / 8 =6,75

Gennemsnittet er følsomt forOutliersEksempelvis, hvis en værdi i ovenstående sæt var 100 i stedet for 12, ville middelværdien hoppe til (54 - 12 + 100) / 8 = 142 / 8 = 17,75, langt fra den "typiske" værdi af de resterende data.

Andre typer udstyr til særlige formål:

• Geometrisk gennemsnit:n√(x1 x x2 x ... x xn) -- bruges til vækstrater, afkast, forhold
• Harmonisk middelværdi:n / (1/x1 + 1/x2 + ... + 1/xn) -- bruges til hastigheder, takster, priser pr. enhed
• Vægtet gennemsnit:Σ(wixi) / Σwi - anvendes, når datapunkter har forskellig betydning (f.eks. GPA)

Median: Den midterste værdi

Denmedianer den midterste værdi af et datasæt, når det sorteres i stigende rækkefølge. Den deler fordelingen nøjagtigt i to: 50% af værdierne ligger under medianen og 50% over.

For et ulige antal værdier:Median = (n+1) / 2. værdi.

For et lige antal værdier:Median = gennemsnittet af værdierne for n/2 og (n/2 + 1) th.

Bemærk det sidste eksempel: gennemsnittet af {1, 1, 1, 1000} = 250,75, men medianen = 1.medianen foretrækkes frem for gennemsnittet for skæve fordelingermed udestående værdier - medianindkomst, boligpriser og hospitalsophold er alle rapporteret som medianer, fordi nogle få ekstremt høje værdier ville gøre gennemsnittet ikke repræsentativt for typisk erfaring.

Modus: Den hyppigste værdi

Denmoduser den værdi, der forekommer hyppigst i et datasæt.

• Ingen tilstand:alle værdier vises med samme hyppighed (f.eks. {1, 2, 3, 4, 5})
• En modus (unimodal):en værdi vises oftere end alle andre (f.eks. {1, 2, 2, 3, 4} -> mode = 2)
• To tilstande (bimodale):to værdier, der er bundet til de hyppigste (f.eks. {1, 1, 2, 3, 3} -> tilstande = 1 og 3)
• Flermåder (multimodal):tre eller flere værdier bundet for hyppigst forekommende

Mode er særligt nyttigt for:

• Kategorioplysninger:"Hvad er den mest populære sko størrelse?" (Størrelse 10 for amerikanske mænd, for eksempel)
• Diskrete data:"Hvor mange børn har familier typisk?" (ofte to)
• Distributionsform:En bimodal fordeling (to toppe) antyder to forskellige underpopulationer i dine data - et kritisk vigtigt signal i udforskende analyse

Område og andre målinger af spredning

Medens middelværdi, median og modus beskriver centrum af en fordeling,målinger af spredningDe er lige så vigtige for forståelsen af et datasæt.

For {2, 4, 4, 6, 8}: gennemsnit = 4,8, så afvigelser er: (2-4.8) 2=7.84, (4-4.8) 2=0.64, (4-4.8) 2=0.64, (6-4.8) 2=1.44, (8-4.8) 2=10.24.

En lavere standardafvigelse betyder, at data er grupperet tæt på gennemsnittet; en højere standardafvigelse betyder, at data er mere spredt ud.

Hvornår skal man bruge middelværdi vs. median vs.

Det kan være vildledende at vælge den forkerte målestok for den centrale tendens.

Den velkendte observation: "Den gennemsnitlige amerikaner har et bryst og en testikel" illustrerer, hvorfor middelværdien kan være vildledende for bimodalfordelinger. I dette tilfælde er modus (adskilt efter køn) og medianen mere oplysende beskrivere end det samlede gennemsnit.

Eksempler fra virkeligheden: Gennemsnit, median og modus i praksis

Forståelsen af, hvordan disse begreber anvendes i virkelige situationer, bygger statistisk intuition:

• US Husholdningernes indkomst (2023):Gennemsnitlig ~ $ 105.000; Median ~ $ 74.580. kløften afspejler indkomst skævhed - et lille antal meget høje indkomster dramatisk trække gennemsnittet op. Politik diskussioner bruger medianindkomst, fordi det bedre repræsenterer den "typiske" husstand.
• Løbende sluttider:I et 10 km løb kan den gennemsnitlige sluttid være højere end medianen, fordi langsomme vandrere danner en lang højre hale.
• Klasseprøvepoeng:Hvis en elev scorer 5/100 og tyve andre scorer 75 - 95/100, bliver gennemsnittet trukket ned af den ekstraordinære værdi.
• Skostørrelser:Mode er den mest handlingsmæssige statistik - detailhandlere lagerfører mest lager i den modale (mest almindelige) størrelse.
• Kvalitetskontrol:I fremstillingen bestemmer produktmålingernes standardafvigelse proceskapaciteten.

Resumé af beskrivende statistikker: Hvad du altid har brug for

En komplet beskrivende statistisk oversigt for ethvert datasæt bør indeholde alt det følgende. Dette er, hvad du ville rapportere i et videnskabeligt papir, forretningsanalyse eller akademisk opgave:

En klasse, hvor eleverne scorede et gennemsnit på 75% med SD = 5% er meget forskellig fra en med gennemsnit = 75%, men SD = 25% - den første er en tæt klynge af B karakterer, den anden er en vildt blandet gruppe fra at fejle til næsten perfekt.

Percentiler, kvartiler og boxplotter

Ud over middelværdi, median og modus, indeholder et komplet statistisk resumé ofte percentilanalyse. Percentiler fortæller dig, hvilken brøkdel af data, der falder under en given værdi - essentiel for at forstå relativ stilling, identificere outliers, og sammenligne på tværs af populationer.

• Median = 50. percentil:Halvdelen af dataene er under denne værdi
• Q1 (første kvartil) = 25. percentil:25% af dataene er under Q1
• Q3 (tredje kvartil) = 75. percentil:75% af dataene er under Q3
• IQR (interkvartilområde) = Q3 - Q1:Indeholder den midterste 50% af data
• Outlier-regel:Punkter under Q1 - 1,5xIQR eller over Q3 + 1,5xIQR betragtes som outliers

En kasse plot (kasse-og-whisker plot) visualiserer denne information: kassen spænder Q1 til Q3 (IQR), en linje markerer medianen, og "whiskers" strækker sig til de mindste/største ikke-outlier værdier. For eksempel viser sammenligning af testresultater på tværs af tre skoler ved hjælp af tre side-by-side-boksplotter straks, hvilken skole der har højere median ydeevne, som har mere spredning (hvilket indikerer inkonsekvent undervisning), og om nogen skole har en klynge af outlier-elever, der har brug for støtte.

Trin for trin: Beregning af middelværdi, median og modus i hånden

Lad os gennemgå et komplet eksempel med et realistisk datasæt: Månedlige salgstal (i tusinder) for en lille virksomhed over 12 måneder: {42, 38, 55, 61, 48, 52, 75, 48, 63, 44, 38, 57}.

Trin 1: Sortere dataene

Sorteret i opadgående rækkefølge: {38, 38, 42, 44, 48, 48, 52, 55, 57, 61, 63, 75}

Trin 2: Beregn gennemsnittet

Summe = 38+38+42+44+48+48+52+55+57+61+63+75 = 621

n = 12, gennemsnit = 621 / 12 =51,75 (tusind)

Trin 3: Find medianen

n = 12 (lige): gennemsnit af 6. og 7. værdi = (48 + 52) / 2 =50

Trin 4: Identificer modus

Både 38 og 48 vises to gange.{38, 48}(bimodale)

Trin 5: Beregning af rækkevidde og standardafvigelse

Område = 75 - 38 =37

Afvigelser fra gennemsnittet (51,75): (38-51,75) 2 = 189,06; (38-51,75) 2 = 189,06; (42-51,75) 2 = 95,06; (44-51,75) 2 = 60,06; (48-51,75) 2 = 14,06; (52-51,75) 2 = 0,06; (55-51,75) 2 = 10,56; (57-51,75) 2 = 27,56; (61-51,75) 2 = 85,56; (63-51,75) 2 = 126,56; (75-51,75) 2 = 540,56

Summen af kvadratiske afvigelser = 1.352,25; Varians = 1.352,25/12 = 112,69; SD = √112,69 ~10.62

Tolkning

Denne forretning har et gennemsnitligt månedligt salg på $ 51.750 med en median på $ 50.000. Standardafvigelsen på ~ $ 10.620 betyder, at de fleste måneder falder inden for +/- $ 10.620 af gennemsnittet. Den bimodale fordeling (to måder) kan foreslå sæsonmæssige mønstre - tjek, om de to 38'ere og to 48'ere klynger sig i bestemte måneder. Den øverste outlier ($ 75.000 i en måned) trækker gennemsnittet lidt over medianen, hvilket indikerer mild positiv skævhed - sandsynligvis en ekstraordinær salgsmåned (ferie sæson, stor kontrakt osv.).