Τι είναι τα μέτρα κεντρικής τάσης και πώς εφαρμόζονται;

Αρχική » Οικονομία » Τι είναι τα μέτρα κεντρικής τάσης και πώς εφαρμόζονται

Στην καθημερινότητά μας, συχνά λαμβάνουμε αποφάσεις βασισμένες σε δεδομένα: πόσα ξοδεύουμε ανά μήνα, τους μέσους βαθμούς των παιδιών μας ή τον μέσο μισθό σε μια εταιρεία. Αλλά η σωστή ερμηνεία αυτών των πληροφοριών απαιτεί κάποια οργάνωση και στατιστικά εργαλεία. Εκεί έρχονται να βοηθήσουν τα μέτρα κεντρικής τάσης — ένα σύνολο παραμέτρων που μας βοηθούν να προσδιορίσουμε την πιο αντιπροσωπευτική τιμή σε ένα σύνολο δεδομένων.

Σε αυτό το άρθρο, θα αναλύσουμε όλα όσα πρέπει να γνωρίζετε σχετικά με αυτές τις στατιστικές έννοιες: τι είναι, πώς υπολογίζονται, τα πλεονεκτήματα και τα μειονεκτήματά τους, πότε είναι καλύτερο να χρησιμοποιήσετε τη μία ή την άλλη και μερικά πρακτικά παραδείγματα. Όλες οι πληροφορίες βασίζονται σε εκπαιδευτικές και εξειδικευμένες πηγές, οργανωμένες με σαφή και ελκυστικό τρόπο, ώστε να μπορείτε να τις κατανοήσετε χωρίς δυσκολία.

Ποια είναι τα μέτρα της κεντρικής τάσης;

Τα μέτρα κεντρικής τάσης , που ονομάζονται επίσης μέτρα κεντρικής τοποθεσίας ή θέσης , είναι αριθμητικές τιμές που συνοψίζουν ένα σύνολο δεδομένων υποδεικνύοντας πού τείνουν να συγκεντρώνονται τα δεδομένα. Με άλλα λόγια, μας λένε ποια είναι η «τυπική» ή κεντρική τιμή σε μια σειρά παρατηρήσεων.

Αυτά τα μέτρα είναι πολύ χρήσιμα για την ανάλυση στατιστικών δεδομένων, επειδή μας επιτρέπουν να κατανοήσουμε πώς συμπεριφέρεται μια μεταβλητή , αν υπάρχει συμμετρία στις τιμές, αν υπάρχουν ακραίες τιμές που επηρεάζουν τα αποτελέσματα ή ποιο είναι το πιο κοινό στοιχείο.

Τα κύρια μέτρα της κεντρικής τάσης είναι τρία:

• Αριθμητικός μέσος όρος
• Μεσαίο
• μόδα

Κάθε ένα από αυτά τα μέτρα έχει τα δικά του χαρακτηριστικά, ιδανικά σενάρια χρήσης και περιορισμούς. Θα εξετάσουμε καθένα από αυτά λεπτομερώς αργότερα.

Αριθμητικός μέσος όρος

Ο αριθμητικός μέσος όρος είναι ίσως το πιο γνωστό και πιο ευρέως χρησιμοποιούμενο μέτρο της κεντρικής τάσης. Υπολογίζεται προσθέτοντας όλες τις τιμές στο σύνολο δεδομένων και διαιρώντας με τον συνολικό αριθμό των σημείων δεδομένων.

Για παράδειγμα, αν οι βαθμοί πέντε μαθητών σε ένα τεστ είναι: 6.0, 5.4, 3.1, 7.0 και 6.1, ο μέσος όρος θα είναι:

• Πρόσθεση: 6.0 + 5.4 + 3.1 + 7.0 + 6.1 = 27.6
• Αριθμός σημείων δεδομένων: 5
• Μέσος όρος = 27.6 / 5 = 5.52

Αυτή η τιμή 5.52 αντιπροσωπεύει το σημείο ισορροπίας του συνόλου δεδομένων. Είναι επίσης γνωστή ως μέσος όρος ή μέσος όρος.

Εκτός από τον απλό μέσο όρο, υπάρχουν παραλλαγές όπως:

• Σταθμισμένος μέσος όρος: όταν σε κάθε τιμή αποδίδεται διαφορετικό βάρος ή σημασία.
• Μέσος όρος δείγματος: όταν ο μέσος όρος υπολογίζεται σε ένα δείγμα και όχι σε ολόκληρο τον πληθυσμό.

Ο μέσος όρος μπορεί επίσης να επεκταθεί σε δεδομένα ομαδοποιημένα σε διαστήματα. Σε αυτές τις περιπτώσεις, για τον υπολογισμό χρησιμοποιούνται βαθμοί κλάσης και απόλυτες συχνότητες.

Ιδιότητες του αριθμητικού μέσου όρου

• Χρησιμοποιήστε όλα τα δεδομέναγεγονός που το καθιστά ιδιαίτερα ενημερωτικό.
• Μοναδικό για κάθε σύνολο δεδομένων.
• Ιδανικό για ομοιογενείς κατανομές.
• Μαθηματικά χρήσιμο, σας επιτρέπει να εκτελείτε αλγεβρικούς υπολογισμούς.

Περιορισμοί του μέσου όρου

• Ευαίσθητο σε ακραίες τιμές: μια ακραία τιμή μπορεί να παραμορφώσει σημαντικά το αποτέλεσμα.
• Δεν είναι τόσο χρήσιμο για ετερογενείς κατανομές ή με ακραίες τιμές.
• Για συνεχή ή ομαδοποιημένα δεδομένα μπορεί να είναι κατά προσέγγιση και εξαρτώνται από το πλάτος των διαστημάτων.

Μεσαίο

Η διάμεσος είναι η τιμή που καταλαμβάνει την κεντρική θέση όταν τα δεδομένα ταξινομούνται από τη μικρότερη στη μεγαλύτερη. Διαιρεί το σύνολο δεδομένων σε δύο ίσα μέρη: το μισό με χαμηλότερες τιμές και το άλλο μισό με υψηλότερες τιμές.

Παράδειγμα με περιττό αριθμό σημείων δεδομένων:

Δεδομένα: 1, 1, 2, 2, 2, 3, 3

Η διάμεσος είναι η τέταρτη τιμή, η οποία είναι 2.

Παράδειγμα με ζυγό αριθμό σημείων δεδομένων:

Δεδομένα: 1, 1, 2, 2, 2, 3, 3, 4

Η διάμεσος θα είναι ο μέσος όρος μεταξύ των δύο κεντρικών τιμών, 2 και 2.5 = 2

Όταν τα δεδομένα ομαδοποιούνται σε κατηγορίες, το διάμεσο διάστημα προσδιορίζεται χρησιμοποιώντας τις αθροιστικές συχνότητες και παρεμβάλλεται για να ληφθεί μια πιο ακριβής τιμή.

Πλεονεκτήματα της διάμεσης τιμής

• Δεν επηρεάζεται από ακραίες τιμές., γεγονός που το καθιστά ένα πιο αξιόπιστο μέτρο.
• Αντιπροσωπεύει καλύτερα ετερογενείς πληθυσμούς, όπως οι μισθοί σε εταιρείες με μεγάλες ανισότητες.
• Μπορείτε να το υπολογίσετε για ομαδοποιημένα δεδομέναακόμη και με ανοιχτά διαστήματα.

Μειονεκτήματα της διάμεσης τιμής

• Λιγότερο χρήσιμο για αλγεβρικούς υπολογισμούς.
• Εξαρτάται από την παραγγελίαΑπαιτεί την οργάνωση όλων των δεδομένων.
• Σε ομάδες, η τιμή του εξαρτάται από μέγεθος και αριθμός διαστημάτων.

μόδα

Η λειτουργία είναι η πιο συχνή τιμή σε ένα σύνολο δεδομένων, δηλαδή αυτή που επαναλαμβάνεται πιο συχνά . Δεν υπάρχει συγκεκριμένος τύπος για αυτήν: απλώς βρίσκετε την τιμή που εμφανίζεται πιο συχνά.

Παράδειγμα:

Δεδομένα: 5, 7, 4, 6, 9, 5, 6, 1, 5, 3, 7

Η λειτουργία είναι 5 , καθώς εμφανίζεται τρεις φορές.

Μια διανομή μπορεί να έχει:

• Μία και μοναδική μόδα: μονοτροπικό
• Δύο τάσεις: διτροπικό
• Περισσότερες από δύο τάσεις: πολυτροπικό
• Μόδας: όταν όλες οι τιμές έχουν την ίδια συχνότητα

Για ομαδοποιημένα δεδομένα, ο υπολογισμός εκτελείται προσδιορίζοντας το διάστημα τροπικότητας και εφαρμόζοντας έναν τύπο παρεμβολής που λαμβάνει υπόψη τις συχνότητες του διαστήματος τροπικότητας, τις προηγούμενες και τις επόμενες κλάσεις, καθώς και το πλάτος του διαστήματος.

Οφέλη της μόδας

• Εύκολο στον υπολογισμόειδικά για τα ατομικά δεδομένα.
• Μπορεί να χρησιμοποιηθεί με ποιοτικές μεταβλητές.
• Ιδανικό για περιγράψτε τυπικά χαρακτηριστικά (για παράδειγμα, το χρώμα αυτοκινήτου με τις μεγαλύτερες πωλήσεις).

Μειονεκτήματα της μόδας

• Δεν υπάρχει πάντα.
• Χρησιμοποιεί ελλιπείς πληροφορίες: εξετάζει μόνο την τιμή που επαναλαμβάνεται περισσότερο, αγνοώντας τις υπόλοιπες.
• Δεν είναι πολύ χρήσιμο σε ομοιόμορφες κατανομές.
• Εξαρτάται σε μεγάλο βαθμό από το πώς ομαδοποιούμε τα δεδομένα αν βρίσκονται σε διαστήματα.

Πότε πρέπει να χρησιμοποιείται κάθε μέτρο;

Η επιλογή του κατάλληλου μέτρου εξαρτάται από τα χαρακτηριστικά των δεδομένων:

• Εικόνες / Βίντεο: ιδανικό για ποσοτικά, συμμετρικά δεδομένα χωρίς ακραίες τιμές.
• Μεσαίο: χρήσιμο όταν υπάρχουν ακραίες τιμές ή ασύμμετρες κατανομές.
• μόδα: προτιμάται για ποιοτικές μεταβλητές ή για τον εντοπισμό πιο δημοφιλών τιμών.

Μερικές φορές, μπορεί να είναι χρήσιμο να χρησιμοποιείτε πολλά μέτρα μαζί για να κατανοήσετε καλύτερα την κατανομή των δεδομένων. Για παράδειγμα, κατά τη σύγκριση μισθών, ο μέσος όρος μπορεί να είναι υψηλός λόγω μερικών υψηλών μισθών, ενώ η διάμεσος θα προσέφερε μια πιο ρεαλιστική εικόνα του «τυπικού» εργαζομένου.

Σχετικό άρθρο:

Τι είναι η οικονομία, σε τι χρησιμεύει και πώς επηρεάζει την καθημερινότητά μας;

Γιατί είναι σημαντικό;

Τα μέτρα κεντρικής τάσης έχουν πρακτικές εφαρμογές σε μια πληθώρα καταστάσεων:

• Educación: υπολογίστε τον μέσο όρο βαθμολογίας μιας ομάδας μαθητών.
• Οικονομία: να αναλύσουμε το μέσο εισόδημα ενός πληθυσμού.
• Ιατρική: μελέτη της μέσης αρτηριακής πίεσης των ασθενών.
• Κοινωνιολογία: διερευνήστε τις πιο συνηθισμένες απαντήσεις σε μια έρευνα.

Σας επιτρέπουν επίσης να συγκρίνετε διαφορετικά σύνολα δεδομένων, να αξιολογείτε τις αλλαγές με την πάροδο του χρόνου ή να καθιερώνετε πρότυπα ποιότητας.

Επιπλέον, συνδυάζονται συχνά με μέτρα διασποράς όπως η διακύμανση, η τυπική απόκλιση ή ο συντελεστής μεταβλητότητας για να ληφθεί μια ολοκληρωμένη εικόνα: δεν έχουν σημασία μόνο τα μέσα δεδομένα, αλλά και ο τρόπος με τον οποίο κατανέμονται οι υπόλοιπες τιμές.

Παρόλο που μπορεί να φαίνονται σαν βασικές έννοιες, η κατανόηση του τρόπου υπολογισμού τους και του πότε να χρησιμοποιείται η καθεμία μπορεί να κάνει τη διαφορά κατά τη λήψη αποφάσεων που βασίζονται σε δεδομένα.

Τα μέτρα κεντρικής τάσης προσφέρουν έναν αποτελεσματικό τρόπο για τη σύνοψη στατιστικών πληροφοριών χρησιμοποιώντας μία, δύο ή περισσότερες αντιπροσωπευτικές τιμές. Η επιλογή της σωστής τιμής — μέσου όρου, διαμέσου ή τρόπου — ανάλογα με τον τύπο των δεδομένων και τον στόχο της ανάλυσης, είναι το κλειδί για την ακριβή ερμηνεία της πραγματικότητας. Είτε μελετάμε τη συμπεριφορά μιας ομάδας, είτε συγκρίνουμε αποτελέσματα, είτε απλώς κατανοούμε καλύτερα τον κόσμο γύρω μας, αυτά τα στατιστικά εργαλεία παραμένουν απαραίτητα για κάθε αυστηρή ανάλυση δεδομένων.

Σχετικό άρθρο:

Μακροοικονομική Ανάλυση: Τι είναι, σε τι χρησιμεύει και πώς ερμηνεύεται