Kalkulador ng Mean, Median at Mode

Pag-unawa sa mga Sukatan ng Sentral na Tendensya

Sa istatistika, ang mga sukatan ng sentral na tendensya ay solong mga halaga na naglalarawan ng gitna o karaniwang halaga ng isang data set. Ang tatlong pinakamahalaga ay ang mean, median, at mode — bawat isa ay nagbibigay ng iba't ibang pananaw sa data, at bawat isa ay pinakaangkop sa iba't ibang sitwasyon.

Isaalang-alang ang data set na ito: mga marka ng pagsubok {55, 60, 70, 75, 75, 80, 95}. Bawat sukat ay nagbibigay ng ibang pananaw:

Walang iisang sukatan ang universalmente "pinakamahusay." Ang isang data analyst ay pumipili ng angkop na sukatan batay sa hugis ng distribusyon, pagkakaroon ng mga outlier, at ang tanong na itinatanong. Ang pag-unawa sa lahat ng tatlo — kasama ang kanilang mga limitasyon — ay pundamental sa statistical literacy.

Mean (Arithmetic Average): Paano Ito Kalkulahin

Ang arithmetic mean ay ang kabuuan ng lahat ng halaga na hinati sa bilang ng mga halaga. Ito ang pinaka-karaniwang sukat ng sentral na tendensya at ang tinutukoy ng karamihan kapag sinabi nilang "average."

Formula: Mean (x̄) = (Σxᵢ) / n

Kung saan ang Σxᵢ ay ang kabuuan ng lahat ng halaga at n ay ang bilang.

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

1. Kabuuan: 3 + 7 + 8 + 5 + 12 + 4 + 9 + 6 = 54
2. Bilang: 8 halaga
3. Mean = 54 / 8 = 6.75

Ang mean ay sensitibo sa mga outlier — ang mga matinding halaga ay humihila sa mean patungo sa kanila. Halimbawa, kung ang isang halaga sa itaas na set ay 100 sa halip na 12, ang mean ay tatalon sa (54 − 12 + 100) / 8 = 142 / 8 = 17.75, malayo sa "karaniwang" halaga ng natitirang data.

Iba pang uri ng mean para sa espesyal na paggamit:

• Geometric mean: ⁿ√(x₁ × x₂ × … × xₙ) — ginagamit para sa mga growth rate, return, ratio
• Harmonic mean: n / (1/x₁ + 1/x₂ + … + 1/xₙ) — ginagamit para sa mga bilis, rate, presyo bawat yunit
• Weighted mean: Σ(wᵢxᵢ) / Σwᵢ — ginagamit kapag ang mga data point ay may iba't ibang importansya (hal., GPA)

Median: Ang Gitnang Halaga

Ang median ay ang gitnang halaga ng isang data set kapag naayos na sa pataas na pagkakasunod. Hinihati nito ang distribusyon sa eksaktong kalahati: 50% ng mga halaga ay nasa ibaba ng median at 50% ay nasa itaas.

Para sa kakaibang bilang ng halaga: Median = ang (n+1)/2 na halaga.

Para sa pantay na bilang ng halaga: Median = average ng n/2 at (n/2 + 1) na halaga.

Pansinin ang huling halimbawa: ang mean ng {1, 1, 1, 1000} = 250.75, ngunit ang median = 1. Perpektong nagpapakita ito kung bakit mas pinipili ang median kaysa mean para sa skewed na distribusyon na may mga outlier — ang median income, presyo ng bahay, at tagal ng ospital ay iniuulat bilang median dahil ang ilang napakataas na halaga ay gagawing hindi representatibo ang mean.

Mode: Ang Pinaka-Ulit na Halaga

Ang mode ay ang halagang pinaka-madalas na lumalabas sa isang data set. Ang isang data set ay maaaring magkaroon ng:

• Walang mode: lahat ng halaga ay pantay na lumalabas (hal., {1, 2, 3, 4, 5})
• Isang mode (unimodal): isang halagang lumalabas nang higit sa lahat (hal., {1, 2, 2, 3, 4} → mode = 2)
• Dalawang mode (bimodal): dalawang halagang parehong pinaka-madalas (hal., {1, 1, 2, 3, 3} → mode = 1 at 3)
• Maraming mode (multimodal): tatlo o higit pang halagang parehong pinaka-madalas

Ang mode ay partikular na kapaki-pakinabang para sa:

• Categorical data: "Ano ang pinaka-sikat na sukat ng sapatos?" (sukat 10 para sa mga lalaking Amerikano, halimbawa)
• Discrete data: "Ilang anak ang karaniwang mayroon ang mga pamilya?" (kadalasan ay 2, ang mode)
• Hugis ng distribusyon: Ang bimodal na distribusyon (dalawang tuktok) ay nagmumungkahi ng dalawang magkaibang subpopulation sa iyong data

Range at Iba Pang mga Sukat ng Pagkalat

Habang ang mean, median, at mode ay naglalarawan ng gitna ng distribusyon, ang mga sukat ng pagkalat ay naglalarawan kung gaano kalaki ang pagbabago ng data. Sila ay pantay na mahalaga para sa pag-unawa sa isang data set.

Ang standard deviation ay ang pinaka-ginagamit na sukatan sa istatistika — lumalabas ito sa hypothesis testing, confidence intervals, normal distribution calculations, at process control. Ang mas mababang standard deviation ay nangangahulugang ang data ay nakatuon malapit sa mean; ang mas mataas na standard deviation ay nangangahulugang ang data ay mas nakalat.

Kailan Gamitin ang Mean vs Median vs Mode

Ang pagpili ng maling sukatan ng sentral na tendensya ay maaaring maging mapanlinlang. Narito ang isang praktikal na gabay:

Mga Halimbawa sa Tunay na Buhay: Mean, Median, at Mode sa Praktiko

Ang pag-unawa kung paano naaangkop ang mga konsepto na ito sa mga tunay na sitwasyon ay nagtatayo ng statistical intuition:

• Kita ng US Household (2023): Mean ≈ $105,000; Median ≈ $74,580. Ang agwat ay nagpapakita ng skewness ng kita — isang maliit na bilang ng napakataas na kita ay dramatikong humihila sa mean pataas.
• Mga oras ng pagtapos sa takbuhang karera: Sa isang 10K na karera, ang mean finishing time ay maaaring mas mataas kaysa median dahil ang mga matagal na manlalakad ay bumubuo ng mahabang right tail.
• Mga marka sa pagsubok ng klase: Kung ang isang estudyante ay nakakuha ng 5/100 at dalawampung iba pa ay nakakuha ng 75–95/100, ang mean ay bababa dahil sa outlier. Maaaring iulat ng guro ang median para mas marepresenta ang performance ng klase.
• Mga sukat ng sapatos: Ang mode ang pinaka-kapaki-pakinabang na istatistika — ang mga tindera ay nag-iimbak ng pinaka-maraming imbentaryo sa modal (pinakakaraniwang) sukat.
• Quality control: Sa manufacturing, ang standard deviation ng mga sukat ng produkto ay nagtatakda ng kakayahan ng proseso.

Buod ng Descriptive Statistics: Ano ang Palaging Kailangan Mo

Ang isang kumpletong buod ng descriptive statistics para sa anumang data set ay dapat maglaman ng lahat ng sumusunod: