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.
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 = \(1 \times 1{,}4826 = 1{,}4826\).
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.
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.