Calculateur d'écart absolu médian

Calculateur d'écart absolu médian

Émergent AI Skill PRO

Entrez le calcul

Formule

MAD=median(|xi−median(x)|)\text{MAD} = \operatorname{median}\left(\left|\, {x_i} - \operatorname{median}(x) \,\right|\right)
Statistiques d'utilisation

Publicité

Résultats

Écart absolu médian (MAD)
3
médiane des écarts absolus
Nombre de valeurs (n) 6
Médiane 7
MAD normalisé (× 1,4826) 4,4478

Signaler une erreur sur cette page

Qu'est-ce que l'écart absolu médian ?

L'écart absolu médian (en anglais Écart absolu médian, ou MAD) est une mesure robuste de la dispersion statistique. Contrairement à l'écart-type, fortement sensible aux valeurs aberrantes, le MAD repose sur des médianes : il résiste donc bien à l'influence des valeurs extrêmes. Il indique la distance typique entre chaque point de données et le centre de votre série.

Comment utiliser ce calculateur

Saisissez vos nombres séparés par des virgules ou des espaces (par exemple 2, 4, 6, 8, 10) et le calculateur affiche le MAD, accompagné du nombre de valeurs, de la médiane et du MAD normalisé. Le résultat se met à jour instantanément, ce qui vous permet de comparer rapidement plusieurs jeux de données.

La formule expliquée

Commencez par déterminer la médiane de votre série de données. Calculez ensuite l'écart absolu de chaque valeur par rapport à cette médiane, soit \(\left|\, x_i - \operatorname{median}(x) \,\right|\). Prenez enfin la médiane de ces écarts absolus :

$$\text{MAD} = \operatorname{median}\left(\left|\, x_i - \operatorname{median}(x) \,\right|\right)$$

Le MAD normalisé consiste à multiplier le résultat par la constante 1,4826, ce qui en fait un estimateur convergent de l'écart-type lorsque les données suivent une distribution normale.

Publicité
Droite numérique montrant les données et leurs distances absolues à la médiane
La distance absolue de chaque donnée à la médiane ; le MAD est la médiane de ces distances.

Exemple détaillé

Prenons la série 1, 2, 3, 4, 5. La médiane vaut 3. Les écarts absolus sont \(|1-3|=2\), \(|2-3|=1\), \(|3-3|=0\), \(|4-3|=1\), \(|5-3|=2\), soit 2, 1, 0, 1, 2. Une fois triés : 0, 1, 1, 2, 2. La médiane de ces écarts est 1 ; le MAD vaut donc 1. Le MAD normalisé est \(1 \times 1{,}4826 = 1{,}4826\).

Schéma en deux étapes : trouver la médiane, puis prendre la médiane des écarts absolus
Calculer le MAD en deux étapes : trouver la médiane, puis la médiane des écarts absolus.

MAD contre écart type : effet d'une valeur aberrante

L'écart absolu médian est une mesure robuste de la dispersion. Une seule valeur extrême modifie à peine sa valeur, alors que la moyenne et l'écart type peuvent changer radicalement. Le tableau compare deux jeux de données qui ne diffèrent que par leur dernière valeur (5 remplacée par 100).

Statistique Jeu de données A : 1, 2, 3, 4, 5 Jeu de données B : 1, 2, 3, 4, 100
Médiane 3 3
Écarts absolus à la médiane 2, 1, 0, 1, 2 2, 1, 0, 1, 97
MAD (médiane des écarts) 1 1
MAD ajustée (MAD × 1,4826) 1,4826 1,4826
Moyenne 3 22
Écart type échantillon ≈ 1,58 ≈ 43,6

Détails du calcul : pour le jeu A, la variance échantillon est \(\frac{4+1+0+1+4}{5-1} = 2.5\), donc l'écart type vaut \(\sqrt{2.5} \approx 1.58\). Pour le jeu B, la moyenne est \(\frac{110}{5} = 22\), les écarts au carré valent 441, 400, 361, 324 et 6084 (somme 7610), donc la variance vaut \(\frac{7610}{4} = 1902.5\) et l'écart type vaut \(\sqrt{1902.5} \approx 43.6\).

La valeur aberrante a fait passer la moyenne de 3 à 22 et a multiplié l'écart type par environ 28, alors que la médiane est restée à 3 et la MAD à 1.

Exemple avec un nombre pair de valeurs

Prenons le jeu de données 2, 4, 6, 8, 10, 12. La médiane est la moyenne des deux valeurs centrales : \(\frac{6+8}{2} = 7\). Les écarts absolus valent 5, 3, 1, 1, 3, 5 ; triés, ils donnent 1, 1, 3, 3, 5, 5. La médiane de ces valeurs est \(\frac{3+3}{2} = \) 3. La MAD ajustée vaut \(3 \times 1.4826 = 4.4478\). Pour comparaison, la moyenne est 7 et l'écart type échantillon vaut \(\sqrt{70/5} = \sqrt{14} \approx 3.74\).

Publicité

Interpréter votre résultat de MAD

  • Taille de la MAD : une MAD faible signifie que la plupart des valeurs sont proches de la médiane ; une MAD élevée signifie que les données sont largement dispersées. La MAD s'exprime dans la même unité que vos données (par exemple en dollars ou en centimètres), il faut donc la comparer à la médiane pour juger de la dispersion relative.
  • MAD ajustée : multiplier la MAD par 1,4826 donne une estimation robuste de l'écart type, mais seulement lorsque les données suivent approximativement une loi normale. Pour des données asymétriques ou à queues lourdes, la MAD ajustée et l'écart type peuvent différer nettement.
  • Règle des valeurs aberrantes (MAD ajustée) : une règle courante signale un point \(x\) lorsque \(\frac{|x - \text{médiane}|}{1.4826 \times \text{MAD}}\) dépasse environ 3.
  • Règle des valeurs aberrantes (z-score modifié) : Iglewicz et Hoaglin proposent \(M = \frac{0.6745\,(x - \text{médiane})}{\text{MAD}}\) et de signaler les points tels que \(|M| > 3.5\). Dans le jeu de données B (1, 2, 3, 4, 100), la valeur 100 donne \(M = \frac{0.6745 \times 97}{1} \approx 65.4\), ce qui dépasse largement 3.5. Dans le jeu A, la valeur 5 donne \(M = 0.6745 \times 2 = 1.349\), elle n'est donc pas signalée.
  • Une MAD égale à 0 : cela peut arriver lorsque plus de la moitié des valeurs sont identiques. Par exemple, dans 5, 5, 5, 5, 9, la médiane vaut 5 et les écarts absolus valent 0, 0, 0, 0, 4, donc la MAD vaut 0. Dans ce cas, les règles de valeurs aberrantes ci-dessus ne peuvent pas être utilisées (division par zéro) et il faut examiner directement les données.
  • Ensembles de taille paire : la médiane d'un nombre pair de valeurs est la moyenne des deux valeurs centrales. Cela s'applique à la fois à la médiane des données et à la médiane des écarts absolus.

Les seuils 3 et 3,5 sont des règles empiriques, et non des tests stricts. Considérez les points signalés comme des candidats à examiner, et non comme des valeurs à supprimer automatiquement.

Questions fréquentes

Pourquoi utiliser le MAD plutôt que l'écart-type ? Le MAD est robuste face aux valeurs aberrantes, ce qui en fait une meilleure mesure de la dispersion pour des données asymétriques ou comportant des valeurs extrêmes.

Que signifie le MAD normalisé ? La multiplication par 1,4826 convertit le MAD en une estimation de l'écart-type pour des données distribuées normalement, ce qui permet une comparaison directe.

L'ordre de mes nombres a-t-il une importance ? Non. Le calculateur effectue le tri en interne : vous pouvez donc saisir les valeurs dans n'importe quel ordre.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques