Độ lệch tuyệt đối trung vị là gì?
Độ lệch tuyệt đối trung vị (Median Absolute Deviation – MAD) là một thước đo độ phân tán thống kê có tính bền vững cao. Khác với độ lệch chuẩn vốn rất nhạy với các giá trị ngoại lai, MAD dựa trên trung vị nên ít bị ảnh hưởng bởi những con số cực đoan. Nó cho bạn biết khoảng cách điển hình giữa mỗi điểm dữ liệu và phần "trung tâm" của tập dữ liệu.
Cách dùng máy tính này
Bạn chỉ cần nhập các con số, cách nhau bằng dấu phẩy hoặc khoảng trắng (ví dụ 2, 4, 6, 8, 10), và máy tính sẽ trả về giá trị MAD cùng với số lượng dữ liệu, trung vị và MAD đã hiệu chỉnh. Kết quả cập nhật ngay lập tức, giúp bạn dễ dàng so sánh nhiều tập dữ liệu với nhau.
Giải thích công thức
Trước tiên, hãy tìm trung vị của tập dữ liệu. Sau đó tính độ lệch tuyệt đối của từng giá trị so với trung vị đó, tức là \(\left|\, x_i - \operatorname{median}(x) \,\right|\). Cuối cùng, lấy trung vị của chính các độ lệch tuyệt đối này:
$$\text{MAD} = \operatorname{median}\left(\left|\, x_i - \operatorname{median}(x) \,\right|\right)$$MAD đã hiệu chỉnh được tính bằng cách nhân kết quả với hằng số 1,4826. Phép nhân này biến MAD thành một ước lượng nhất quán cho độ lệch chuẩn khi dữ liệu tuân theo phân phối chuẩn.
Ví dụ minh họa
Xét tập dữ liệu 1, 2, 3, 4, 5. Trung vị là 3. Các độ lệch tuyệt đối lần lượt là \(|1-3|=2\), \(|2-3|=1\), \(|3-3|=0\), \(|4-3|=1\), \(|5-3|=2\), cho ta 2, 1, 0, 1, 2. Sắp xếp lại: 0, 1, 1, 2, 2. Trung vị của dãy độ lệch này là 1, nên MAD = 1. MAD đã hiệu chỉnh là $$1 \times 1{,}4826 = 1{,}4826.$$
MAD so với độ lệch chuẩn: Ảnh hưởng của giá trị ngoại lai
Độ lệch tuyệt đối trung vị (MAD) là một thước đo độ phân tán có tính bền vững. Một giá trị cực đoan đơn lẻ hầu như không làm thay đổi nó, trong khi trung bình và độ lệch chuẩn có thể thay đổi mạnh. Bảng so sánh hai tập dữ liệu chỉ khác nhau ở giá trị cuối cùng (5 được thay bằng 100).
| Thống kê | Tập dữ liệu A: 1, 2, 3, 4, 5 | Tập dữ liệu B: 1, 2, 3, 4, 100 |
|---|---|---|
| Trung vị | 3 | 3 |
| Độ lệch tuyệt đối so với trung vị | 2, 1, 0, 1, 2 | 2, 1, 0, 1, 97 |
| MAD (trung vị của các độ lệch) | 1 | 1 |
| MAD đã chuẩn hóa (MAD × 1,4826) | 1,4826 | 1,4826 |
| Trung bình | 3 | 22 |
| Độ lệch chuẩn mẫu | ≈ 1,58 | ≈ 43,6 |
Chi tiết tính toán: với tập A, phương sai mẫu là \(\frac{4+1+0+1+4}{5-1} = 2.5\), nên độ lệch chuẩn là \(\sqrt{2.5} \approx 1.58\). Với tập B, trung bình là \(\frac{110}{5} = 22\), các bình phương độ lệch là 441, 400, 361, 324 và 6084 (tổng 7610), nên phương sai là \(\frac{7610}{4} = 1902.5\) và độ lệch chuẩn là \(\sqrt{1902.5} \approx 43.6\).
Giá trị ngoại lai làm trung bình tăng từ 3 lên 22 và làm độ lệch chuẩn tăng khoảng 28 lần, nhưng trung vị vẫn là 3 và MAD vẫn là 1.
Ví dụ với số phần tử chẵn
Xét tập dữ liệu 2, 4, 6, 8, 10, 12. Trung vị là trung bình của hai giá trị ở giữa: \(\frac{6+8}{2} = 7\). Các độ lệch tuyệt đối là 5, 3, 1, 1, 3, 5; sắp xếp lại, chúng là 1, 1, 3, 3, 5, 5. Trung vị của các giá trị này là \(\frac{3+3}{2} = \) 3. MAD đã chuẩn hóa là \(3 \times 1.4826 = 4.4478\). Để so sánh, trung bình là 7 và độ lệch chuẩn mẫu là \(\sqrt{70/5} = \sqrt{14} \approx 3.74\).
Diễn giải kết quả MAD của bạn
- Độ lớn của MAD: MAD nhỏ nghĩa là hầu hết giá trị nằm gần trung vị; MAD lớn nghĩa là dữ liệu phân tán rộng. MAD có cùng đơn vị với dữ liệu của bạn (ví dụ: đô la hoặc centimét), vì vậy hãy so sánh nó với trung vị để đánh giá mức độ phân tán tương đối.
- MAD đã chuẩn hóa: nhân MAD với 1,4826 cho một ước lượng bền vững của độ lệch chuẩn, nhưng chỉ khi dữ liệu gần như phân phối chuẩn. Với dữ liệu lệch hoặc có đuôi dày, MAD đã chuẩn hóa và độ lệch chuẩn có thể khác nhau đáng kể.
- Quy tắc ngoại lai (MAD đã chuẩn hóa): một quy tắc phổ biến đánh dấu một điểm \(x\) khi \(\frac{|x - \text{trung vị}|}{1.4826 \times \text{MAD}}\) vượt khoảng 3.
- Quy tắc ngoại lai (z-score điều chỉnh): Iglewicz và Hoaglin đề xuất \(M = \frac{0.6745\,(x - \text{trung vị})}{\text{MAD}}\) và đánh dấu các điểm có \(|M| > 3.5\). Trong tập dữ liệu B (1, 2, 3, 4, 100), giá trị 100 cho \(M = \frac{0.6745 \times 97}{1} \approx 65.4\), vượt xa 3.5. Trong tập A, giá trị 5 cho \(M = 0.6745 \times 2 = 1.349\), nên không bị đánh dấu.
- MAD bằng 0: điều này có thể xảy ra khi hơn một nửa số giá trị giống nhau. Ví dụ, trong 5, 5, 5, 5, 9, trung vị là 5 và các độ lệch tuyệt đối là 0, 0, 0, 0, 4, nên MAD bằng 0. Trong trường hợp đó, các quy tắc ngoại lai ở trên không thể dùng được (chia cho 0), và bạn nên xem trực tiếp dữ liệu.
- Tập có số phần tử chẵn: trung vị của một số chẵn giá trị là trung bình của hai giá trị ở giữa. Điều này áp dụng cho cả trung vị của dữ liệu lẫn trung vị của các độ lệch tuyệt đối.
Các ngưỡng 3 và 3,5 là quy tắc kinh nghiệm, không phải phép kiểm tra nghiêm ngặt. Hãy coi các điểm được đánh dấu là những ứng viên cần điều tra, không phải giá trị cần xóa tự động.
Câu hỏi thường gặp
Vì sao nên dùng MAD thay vì độ lệch chuẩn? MAD bền vững trước các giá trị ngoại lai, nên nó phản ánh độ phân tán tốt hơn với dữ liệu lệch hoặc có những giá trị cực đoan.
MAD đã hiệu chỉnh có ý nghĩa gì? Việc nhân với 1,4826 chuyển MAD thành một ước lượng của độ lệch chuẩn đối với dữ liệu phân phối chuẩn, giúp bạn so sánh trực tiếp giữa hai đại lượng này.
Thứ tự các con số tôi nhập vào có quan trọng không? Không. Máy tính tự sắp xếp bên trong, nên bạn có thể nhập các giá trị theo bất kỳ thứ tự nào.