中位數絕對離差計算機

中位數絕對離差計算機

新興 AI Skill PRO

輸入計算

數學公式

MAD=median(|xi−median(x)|)\text{MAD} = \operatorname{median}\left(\left|\, {x_i} - \operatorname{median}(x) \,\right|\right)
使用統計

廣告

結果

中位數絕對離差(MAD)
3
各絕對離差的中位數
資料筆數(n) 6
中位數 7
縮放後的 MAD(× 1.4826) 4.4478

回報本頁錯誤

什麼是中位數絕對離差?

中位數絕對離差(Median Absolute Deviation,簡稱 MAD)是一種穩健的統計離散度指標。標準差容易受到極端值(離群值)的影響,但 MAD 以中位數為基礎,因此能有效抵抗極端值的干擾。它告訴你每筆資料與資料中心之間的典型距離。

計算機怎麼用

用逗號或空格分隔輸入你的數字(例如 2, 4, 6, 8, 10),計算機就會回傳 MAD,以及資料筆數、中位數與縮放後的 MAD。結果會即時更新,方便你快速比較不同的資料組。

公式說明

首先,找出整組資料的中位數。接著計算每個數值與中位數的絕對離差,也就是 \(\left| x_i - \operatorname{median}(x) \right|\)。最後,再取這些絕對離差的中位數:

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

縮放後的 MAD 會將結果乘上常數 \(1.4826\)。當資料服從常態分布時,這個調整能讓 MAD 成為標準差的一致估計量。

廣告
數線顯示各資料點及其到中位數的絕對距離
每個資料點到中位數的絕對距離;MAD 即這些距離的中位數。

實例演練

以資料組 1、2、3、4、5 為例,中位數為 3。各數值的絕對離差分別為 \(|1-3|=2\)、\(|2-3|=1\)、\(|3-3|=0\)、\(|4-3|=1\)、\(|5-3|=2\),得到 2、1、0、1、2。排序後為 0、1、1、2、2,這些離差的中位數是 1,因此 \(\text{MAD} = 1\)。縮放後的 MAD 為 $$1 \times 1.4826 = 1.4826$$

兩步圖示:先求中位數,再取絕對偏差的中位數
分兩步計算 MAD:先求中位數,再求絕對偏差的中位數。

MAD 與標準差:離群值的影響

中位數絕對偏差是一種穩健的離散程度量數。單一極端值對它幾乎沒有影響,但平均數與標準差可能大幅改變。此表比較兩組僅在最後一個值不同的資料(5 改為 100)。

統計量 資料組 A:1, 2, 3, 4, 5 資料組 B:1, 2, 3, 4, 100
中位數 3 3
與中位數的絕對偏差 2, 1, 0, 1, 2 2, 1, 0, 1, 97
MAD(偏差的中位數) 1 1
縮放 MAD(MAD × 1.4826) 1.4826 1.4826
平均數 3 22
樣本標準差 ≈ 1.58 ≈ 43.6

計算細節:對資料組 A,樣本變異數為 \(\frac{4+1+0+1+4}{5-1} = 2.5\),因此標準差為 \(\sqrt{2.5} \approx 1.58\)。對資料組 B,平均數為 \(\frac{110}{5} = 22\),平方偏差分別為 441、400、361、324 與 6084(總和 7610),因此變異數為 \(\frac{7610}{4} = 1902.5\),標準差為 \(\sqrt{1902.5} \approx 43.6\)。

離群值使平均數從 3 變為 22,並使標準差放大約 28 倍,但中位數仍為 3,MAD 仍為 1。

偶數個資料的例子

以資料組 2, 4, 6, 8, 10, 12 為例。中位數為兩個中間值的平均:\(\frac{6+8}{2} = 7\)。絕對偏差為 5, 3, 1, 1, 3, 5;排序後為 1, 1, 3, 3, 5, 5。其中位數為 \(\frac{3+3}{2} = \) 3。縮放 MAD 為 \(3 \times 1.4826 = 4.4478\)。作為比較,平均數為 7,樣本標準差為 \(\sqrt{70/5} = \sqrt{14} \approx 3.74\)。

廣告

解讀你的 MAD 結果

  • MAD 的大小:MAD 小表示大多數值接近中位數;MAD 大表示資料分布廣泛。MAD 與資料使用相同的單位(例如元或公分),因此應與中位數比較,以判斷相對離散程度。
  • 縮放 MAD:將 MAD 乘以 1.4826 可得到標準差的穩健估計,但前提是資料大致呈常態分布。對於偏斜或厚尾的資料,縮放 MAD 與標準差可能差異很大。
  • 離群值規則(縮放 MAD):一項常見規則是:當 \(\frac{|x - \text{median}|}{1.4826 \times \text{MAD}}\) 超過約 3 時,標記該點 \(x\)。
  • 離群值規則(修正 z 分數):Iglewicz 與 Hoaglin 建議使用 \(M = \frac{0.6745\,(x - \text{median})}{\text{MAD}}\),並標記 \(|M| > 3.5\) 的點。在資料組 B(1, 2, 3, 4, 100)中,值 100 得到 \(M = \frac{0.6745 \times 97}{1} \approx 65.4\),遠超過 3.5。在資料組 A 中,值 5 得到 \(M = 0.6745 \times 2 = 1.349\),因此不會被標記。
  • MAD 為 0:當超過一半的值完全相同時可能發生。例如在 5, 5, 5, 5, 9 中,中位數為 5,絕對偏差為 0, 0, 0, 0, 4,因此 MAD 為 0。此時上述離群值規則無法使用(會除以零),應直接檢視資料。
  • 偶數個資料的集合:偶數個值的中位數為兩個中間值的平均。這同時適用於資料本身的中位數,以及絕對偏差的中位數。

3 與 3.5 的門檻是經驗法則,而非嚴格的檢定。被標記的點應視為需要調查的候選值,而不應自動刪除。

常見問題

為什麼要用 MAD 而不用標準差?MAD 對離群值具有穩健性,因此在資料偏斜或含有極端值時,更能準確反映資料的分散程度。

縮放後的 MAD 代表什麼?乘上 \(1.4826\) 後,可將 MAD 換算成常態分布資料的標準差估計值,方便兩者直接比較。

數字的輸入順序會影響結果嗎?不會。計算機會在內部自動排序,所以你可以用任何順序輸入數值。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器