- Keskeisen tendenssin mittarit tiivistävät tiedot osoittamalla niiden tyypillisen arvon.
- Kolme päämittaa ovat aritmeettinen keskiarvo, mediaani ja moodi.
- Oikean mittarin valinta riippuu datan ominaisuuksista.
- Ne ovat välttämättömiä datalähtöiselle päätöksenteolle eri aloilla.
Arjessamme teemme usein dataan perustuvia päätöksiä: kuinka paljon kulutamme kuukaudessa, lastemme keskimääräiset arvosanat tai yrityksen keskipalkka. Mutta tämän tiedon oikea tulkinta vaatii organisointia ja tilastollisia työkaluja. Tässä kohtaa tilastollinen analyysi astuu kuvaan. keskeisen taipumuksen mittaukset, joukko parametreja, jotka auttavat meitä ymmärtämään edustavin arvo tietojoukosta.
Tässä artikkelissa käymme läpi kaiken, mitä sinun tarvitsee tietää näistä tilastollisista käsitteistä: mitä ne ovat, miten ne lasketaan, niiden edut ja haitat, milloin on parasta käyttää kumpaakin, sekä joitakin käytännön esimerkkejä. Kaikki tiedot perustuvat koulutus- ja erikoislähteisiin, ja ne on järjestetty selkeästi ja mukaansatempaavasti, jotta ymmärrät ne vaikeuksitta.
Mitä ovat keskeisen tendenssin mittarit?
Las keskeisen taipumuksen mittaukset, myös soittaa keskittämistoimenpiteet tai keskeinen asemaNämä ovat numeerisia arvoja, jotka tiivistävät tietojoukon osoittamalla, mihin arvot yleensä keskittyvät. Toisin sanoen ne kertovat meille, mikä on "tyypillinen" tai keskeinen arvo havaintosarjassa.
Nämä mittarit ovat erittäin hyödyllisiä tilastollisen datan analysoinnissa, koska ne mahdollistavat ymmärtää, miten muuttuja käyttäytyy, onko arvoissa symmetriaa, onko tuloksiin vaikuttavia ääripäitä tai mikä on yleisin elementti.
Keskeisen tendenssin pääasialliset mittarit ovat kolme:
- Aritmeettinen keskiarvo
- Mediaani
- muoti
Jokaisella näistä toimenpiteistä on omat ominaisuutensa, ihanteelliset käyttötilanteensa ja rajoituksensa. Tarkastelemme kutakin niistä yksityiskohtaisemmin myöhemmin.
Aritmeettinen keskiarvo
La aritmeettinen keskiarvo Se on luultavasti tunnetuin ja laajimmin käytetty keskeisen tendenssin mittari. Se lasketaan laskemalla yhteen kaikki datajoukon arvot ja jakamalla tulos datapisteiden kokonaismäärällä.
Esimerkiksi, jos viiden oppilaan arvosanat kokeessa ovat: 6.0, 5.4, 3.1, 7.0 ja 6.1, keskiarvo on:
- Lisäys: 6.0 + 5.4 + 3.1 + 7.0 + 6.1 = 27.6
- Datapisteiden lukumäärä: 5
- Keskiarvo = 27.6 / 5 = 5.52
Tämä arvo 5.52 Se edustaa tietojoukon tasapainopistettä. Se tunnetaan myös nimellä keskimääräinen o keskiarvo.
Yksinkertaisen keskiarvon lisäksi on olemassa muunnelmia, kuten:
- Painotettu keskiarvo: kun jokaiselle arvolle annetaan eri painoarvo tai tärkeys.
- Otoksen keskiarvo: kun keskiarvo lasketaan otoksesta eikä koko populaatiosta.
Keskiarvoa voidaan laajentaa myös väleihin ryhmiteltyihin tietoihin. Näissä tapauksissa laskennassa käytetään luokka-arvoja ja absoluuttisia frekvenssejä.
Aritmeettisen keskiarvon ominaisuudet
- Käytä kaikkia tietojamikä tekee siitä erittäin informatiivisen.
- vain jokaiselle tietojoukolle.
- Ihanteellinen homogeenisiin jakaumiin.
- Matemaattisesti hyödyllinen, mahdollistaa algebrallisten laskutoimitusten suorittamisen.
Keskiarvon rajoitukset
- Herkkä ääriarvoillePoikkeava arvo voi vääristää tulosta merkittävästi.
- Se ei ole niin hyödyllinen heterogeeniset jakaumat tai ääriarvoilla.
- Jatkuvan tai ryhmitellyn datan tapauksessa se voi olla lähentää ja riippuvat välien leveydestä.
Mediaani
La mediaani on se arvo, joka keskeinen asema Kun tiedot on järjestetty pienimmästä suurimpaan, jaa tietojoukko kahteen yhtä suureen osaan: puolet pienemmillä arvoilla ja toinen puoli suuremmilla arvoilla.
Esimerkki parittomalle määrälle datapisteitä:
Tiedot: 1, 1, 2, 2, 2, 3, 3
Mediaani on neljäs arvo, joka on 2.
Esimerkki parillisella määrällä datapisteitä:
Tiedot: 1, 1, 2, 2, 2, 3, 3, 4
Mediaani on kahden keskeisen arvon, 2 ja 2.5, keskiarvo = 2
Kun tiedot ryhmitellään luokkiin, mediaaniväli käyttäen kumulatiivisia taajuuksia ja interpoloimalla tarkemman arvon saamiseksi.
Mediaanin edut
- Äärimmäiset arvot eivät vaikuta siihen., mikä tekee siitä vankemman mittarin.
- Se edustaa paremmin heterogeenisiä populaatioita, kuten palkat yrityksissä, joissa on suuria eroja.
- Voit laskea sen ryhmitellyille tiedoillejopa avoimilla väleillä.
Mediaanin haitat
- Vähemmän hyödyllinen algebrallisissa laskelmissa.
- Se riippuu tilauksestaSe vaatii kaiken datan järjestämistä.
- Ryhmissä sen arvo riippuu välien koko ja lukumäärä.
muoti
La muoti on tietojoukon yleisin arvo eli se, joka useammin se toistuuSillä ei ole tiettyä kaavaa: etsit vain yleisintä arvoa.
esimerkiksi:
Tiedot: 5, 7, 4, 6, 9, 5, 6, 1, 5, 3, 7
Muoti on 5, koska se esiintyy kolme kertaa.
Jakelulla voi olla:
- Yksi ainoa muoti: yksimodaalinen
- Kaksi trendiäbimodaalinen
- Enemmän kuin kaksi trendiämultimodaalinen
- Muodikas: kun kaikilla arvoilla on sama taajuus
Ryhmitellyille tiedoille se lasketaan tunnistamalla modaalinen intervalli, ja käytetään interpolointikaavaa, joka ottaa huomioon modaaliluokkien, edeltävien ja seuraavien luokkien taajuudet sekä aikavälin leveyden.
Muodin edut
- Helppo laskeaerityisesti yksittäisten tietojen osalta.
- Sitä voidaan käyttää laadullisten muuttujien kanssa.
- Ihanteellinen kuvaile tyypillisiä ominaisuuksia (esimerkiksi myydyin auton väri).
Muodin haitat
- Sitä ei aina ole olemassa.
- Käyttää epätäydellistä tietoa: se tarkastelee vain useimmin toistunutta arvoa ja jättää loput huomiotta.
- Ei kovin hyödyllinen tasaisissa jakaumissa.
- Se riippuu paljon siitä, miten ryhmittelemme tiedot jos ne ovat väleissä.
Milloin kutakin mittaria käytetään?
Oikean mittarin valinta riippuu datan ominaisuuksista:
- Media: ihanteellinen kvantitatiiviselle, symmetriselle datalle ilman ääriarvoja.
- Mediaani: hyödyllinen, kun esiintyy poikkeamia tai vinoja jakaumia.
- muoti: suositeltava kvalitatiivisille muuttujille tai yleisempien arvojen tunnistamiseen.
Joskus se voi olla mielenkiintoista käyttää useita mittareita yhdessä saadakseen paremman käsityksen datan jakaumasta. Esimerkiksi palkkoja vertailtaessa keskiarvo voi olla korkea muutaman korkean palkan vuoksi, kun taas mediaani tarjoaisi realistisemman kuvan "tyypillisestä" työntekijästä.
Koska ne ovat tärkeitä?
Keskeisen tendenssin mittareilla on käytännön sovelluksia monissa tilanteissa:
- Educaciön: laske opiskelijaryhmän keskiarvosana.
- Talous: analysoi väestön keskimääräisiä tuloja.
- Lääketiede: tutkia potilaiden keskimääräistä verenpainetta.
- Sosiologia: tutki kyselyn yleisimpiä vastauksia.
Niiden avulla voit myös vertailla eri tietojoukkoja, arvioida muutoksia ajan kuluessa tai asettaa laatustandardeja.
Lisäksi ne yhdistetään usein mm. hajontamitat kuten varianssi, keskihajonta tai variaatiokerroin, jotta saat täydellisen kuvan: keskimääräisen datan lisäksi myös sillä, miten muut arvot jakautuvat, ei ole merkitystä.
Vaikka ne saattavat vaikuttaa peruskäsitteiltä, niiden laskennan ja kunkin käyttötarkoituksen ymmärtäminen voi olla ratkaisevan tärkeää datalähtöistä päätöksentekoa tehtäessä.
Las keskeisen taipumuksen mittaukset Ne tarjoavat tehokkaan tavan tiivistää tilastotiedot Yhden, kahden tai useamman edustavan arvon käyttäminen ja oikean valitseminen keskiarvon, mediaanin tai moodin välillä – datan tyypistä ja analyysin tavoitteesta riippuen – on avain todellisuuden tarkkaan tulkintaan. Olipa kyse sitten ryhmän käyttäytymisen tutkimisesta, tulosten vertailusta tai yksinkertaisesti ympäröivän maailman paremmasta ymmärtämisestä, nämä tilastolliset työkalut ovat edelleen olennaisia kaikessa tarkassa data-analyysissä.
