Калькулятор медианного абсолютного отклонения

Калькулятор медианного абсолютного отклонения

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

MAD=median(|xi−median(x)|)\text{MAD} = \operatorname{median}\left(\left|\, {x_i} - \operatorname{median}(x) \,\right|\right)
Статистика использования

Реклама

Результаты

Медианное абсолютное отклонение (MAD)
2
медиана абсолютных отклонений
Количество значений (n) 5
Медиана 6
Масштабированный MAD (× 1,4826) 2,9652

Сообщить об ошибке на этой странице

Что такое медианное абсолютное отклонение?

Медианное абсолютное отклонение (MAD, от англ. Median Absolute Deviation) — это устойчивая мера разброса данных. В отличие от стандартного отклонения, на которое сильно влияют выбросы, MAD опирается на медианы и потому почти не реагирует на экстремальные значения. Этот показатель отражает типичное расстояние между отдельными значениями и центром выборки.

Как пользоваться калькулятором

Введите числа через запятую или пробел (например, 2, 4, 6, 8, 10), и калькулятор покажет MAD вместе с количеством значений, медианой и масштабированным MAD. Результат пересчитывается мгновенно, поэтому вы легко сравните разные наборы данных.

Разбор формулы

Сначала найдите медиану набора данных. Затем вычислите абсолютное отклонение каждого значения от этой медианы: \(|x_i - \operatorname{median}(x)|\). Наконец, возьмите медиану полученных абсолютных отклонений:

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

Масштабированный MAD — это результат, умноженный на константу 1,4826. Благодаря этому коэффициенту MAD становится состоятельной оценкой стандартного отклонения, если данные подчиняются нормальному распределению.

Реклама
Числовая прямая с точками данных и их абсолютными расстояниями до медианы
Абсолютное расстояние каждой точки данных до медианы; MAD — это медиана этих расстояний.

Пример расчёта

Возьмём набор данных 1, 2, 3, 4, 5. Медиана равна 3. Абсолютные отклонения составляют \(|1-3|=2\), \(|2-3|=1\), \(|3-3|=0\), \(|4-3|=1\), \(|5-3|=2\), то есть 2, 1, 0, 1, 2. После сортировки: 0, 1, 1, 2, 2. Медиана этих отклонений равна 1, значит \(\text{MAD} = 1\). Масштабированный MAD = \(1 \times 1{,}4826 = 1{,}4826\).

Двухшаговая схема: найти медиану, затем взять медиану абсолютных отклонений
Вычисление MAD в два шага: найти медиану, затем медиану абсолютных отклонений.

Частые вопросы

Почему стоит использовать MAD вместо стандартного отклонения? MAD устойчив к выбросам, поэтому он лучше описывает разброс для асимметричных данных или выборок с экстремальными значениями.

Что означает масштабированный MAD? Умножение на 1,4826 превращает MAD в оценку стандартного отклонения для нормально распределённых данных, что позволяет напрямую сравнивать эти показатели.

Важен ли порядок чисел? Нет. Калькулятор сортирует значения автоматически, поэтому вводить их можно в любом порядке.

Реклама

MAD и стандартное отклонение: влияние выброса

Медианное абсолютное отклонение (MAD) — это устойчивая мера разброса. Одно крайнее значение почти не меняет его, тогда как среднее и стандартное отклонение могут измениться очень сильно. В таблице сравниваются два набора данных, которые отличаются только последним значением (5 заменено на 100).

Статистика Набор данных A: 1, 2, 3, 4, 5 Набор данных B: 1, 2, 3, 4, 100
Медиана 3 3
Абсолютные отклонения от медианы 2, 1, 0, 1, 2 2, 1, 0, 1, 97
MAD (медиана отклонений) 1 1
Масштабированный MAD (MAD × 1,4826) 1,4826 1,4826
Среднее 3 22
Выборочное стандартное отклонение ≈ 1,58 ≈ 43,6

Подробности расчёта: для набора A выборочная дисперсия равна \(\frac{4+1+0+1+4}{5-1} = 2.5\), поэтому СКО равно \(\sqrt{2.5} \approx 1.58\). Для набора B среднее равно \(\frac{110}{5} = 22\), квадраты отклонений равны 441, 400, 361, 324 и 6084 (сумма 7610), поэтому дисперсия равна \(\frac{7610}{4} = 1902.5\), а СКО равно \(\sqrt{1902.5} \approx 43.6\).

Выброс сместил среднее с 3 до 22 и увеличил стандартное отклонение примерно в 28 раз, однако медиана осталась равной 3, а MAD — равным 1.

Пример с чётным количеством значений

Возьмём набор данных 2, 4, 6, 8, 10, 12. Медиана равна среднему двух средних значений: \(\frac{6+8}{2} = 7\). Абсолютные отклонения равны 5, 3, 1, 1, 3, 5; отсортированные, они образуют ряд 1, 1, 3, 3, 5, 5. Медиана этого ряда равна \(\frac{3+3}{2} = \) 3. Масштабированный MAD равен \(3 \times 1.4826 = 4.4478\). Для сравнения: среднее равно 7, а выборочное СКО равно \(\sqrt{70/5} = \sqrt{14} \approx 3.74\).

Интерпретация результата MAD

  • Величина MAD: малый MAD означает, что большинство значений лежат близко к медиане; большой MAD означает, что данные широко разбросаны. MAD измеряется в тех же единицах, что и ваши данные (например, в долларах или сантиметрах), поэтому сравнивайте его с медианой, чтобы оценить относительный разброс.
  • Масштабированный MAD: умножение MAD на 1,4826 даёт устойчивую оценку стандартного отклонения, но только тогда, когда данные примерно нормально распределены. Для асимметричных данных или данных с тяжёлыми хвостами масштабированный MAD и стандартное отклонение могут заметно различаться.
  • Правило выбросов (масштабированный MAD): распространённое правило помечает точку \(x\), когда \(\frac{|x - \text{медиана}|}{1.4826 \times \text{MAD}}\) превышает примерно 3.
  • Правило выбросов (модифицированный z-показатель): Иглевиц и Хоглин предлагают \(M = \frac{0.6745\,(x - \text{медиана})}{\text{MAD}}\) и пометку точек с \(|M| > 3.5\). В наборе данных B (1, 2, 3, 4, 100) значение 100 даёт \(M = \frac{0.6745 \times 97}{1} \approx 65.4\), что намного больше 3.5. В наборе A значение 5 даёт \(M = 0.6745 \times 2 = 1.349\), поэтому оно не помечается.
  • MAD, равный 0: это может случиться, когда более половины значений одинаковы. Например, в наборе 5, 5, 5, 5, 9 медиана равна 5, абсолютные отклонения равны 0, 0, 0, 0, 4, поэтому MAD равен 0. В этом случае приведённые выше правила выбросов не применимы (деление на ноль), и следует внимательно изучить сами данные.
  • Наборы с чётным числом значений: медиана чётного количества значений равна среднему двух средних значений. Это относится как к медиане данных, так и к медиане абсолютных отклонений.

Пороги 3 и 3,5 — это эмпирические правила, а не строгие критерии. Помеченные точки следует рассматривать как кандидатов для проверки, а не как значения, которые нужно удалять автоматически.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика