什么是绝对中位差?
绝对中位差(Median Absolute Deviation,简称 MAD)是一种稳健的统计离散程度度量。与容易受异常值影响的标准差不同,MAD 以中位数为基础进行计算,因此能够有效抵抗极端值的干扰。它反映的是每个数据点与数据中心之间的典型距离。
如何使用本计算器
用逗号或空格分隔输入你的数字(例如 2, 4, 6, 8, 10),计算器即会返回 MAD,以及数据个数、中位数和缩放后的 MAD。结果会即时更新,方便你快速对比不同的数据集。
公式详解
首先,求出数据集的中位数。然后计算每个数值与该中位数之间的绝对偏差 \(|x_i - \operatorname{median}(x)|\)。最后,再取这些绝对偏差的中位数:
$$\text{MAD} = \operatorname{median}\left(\left|\, x_i - \operatorname{median}(x) \,\right|\right)$$
缩放后的 MAD 是将结果乘以常数 1.4826。当数据服从正态分布时,这一处理可使 MAD 成为标准差的一致估计量。
实例演算
以数据集 1, 2, 3, 4, 5 为例。其中位数为 3。各项绝对偏差为 \(|1-3|=2\)、\(|2-3|=1\)、\(|3-3|=0\)、\(|4-3|=1\)、\(|5-3|=2\),即 2, 1, 0, 1, 2。排序后为 0, 1, 1, 2, 2。这些偏差的中位数为 1,因此 MAD = 1。缩放后的 MAD 为 $$1 \times 1.4826 = 1.4826$$
MAD与标准差:异常值的影响
中位数绝对偏差(MAD)是一种稳健的离散程度度量。单个极端值几乎不会改变它,而均值和标准差可能发生巨大变化。下表比较了两组数据,它们只在最后一个值上不同(5 替换为 100)。
| 统计量 | 数据集 A:1, 2, 3, 4, 5 | 数据集 B:1, 2, 3, 4, 100 |
|---|---|---|
| 中位数 | 3 | 3 |
| 与中位数的绝对偏差 | 2, 1, 0, 1, 2 | 2, 1, 0, 1, 97 |
| MAD(偏差的中位数) | 1 | 1 |
| 缩放后的 MAD(MAD × 1.4826) | 1.4826 | 1.4826 |
| 均值 | 3 | 22 |
| 样本标准差 | ≈ 1.58 | ≈ 43.6 |
计算过程:对于数据集 A,样本方差为 \(\frac{4+1+0+1+4}{5-1} = 2.5\),因此标准差为 \(\sqrt{2.5} \approx 1.58\)。对于数据集 B,均值为 \(\frac{110}{5} = 22\),平方偏差依次为 441、400、361、324 和 6084(和为 7610),因此方差为 \(\frac{7610}{4} = 1902.5\),标准差为 \(\sqrt{1902.5} \approx 43.6\)。
异常值使均值从 3 变为 22,并使标准差放大了约 28 倍,但中位数仍为 3,MAD 仍为 1。
偶数个数的示例
以数据集 2, 4, 6, 8, 10, 12 为例。中位数是两个中间值的平均数:\(\frac{6+8}{2} = 7\)。绝对偏差为 5, 3, 1, 1, 3, 5;排序后为 1, 1, 3, 3, 5, 5。它们的中位数是 \(\frac{3+3}{2} = \) 3。缩放后的 MAD 为 \(3 \times 1.4826 = 4.4478\)。作为对比,均值为 7,样本标准差为 \(\sqrt{70/5} = \sqrt{14} \approx 3.74\)。
解读你的 MAD 结果
- MAD 的大小:MAD 较小表示大多数值接近中位数;MAD 较大表示数据分布较为分散。MAD 与你的数据单位相同(例如美元或厘米),因此应将其与中位数进行比较,以判断相对离散程度。
- 缩放后的 MAD:将 MAD 乘以 1.4826 可得到标准差的稳健估计,但前提是数据大致服从正态分布。对于偏态或厚尾数据,缩放后的 MAD 与标准差可能存在较大差异。
- 异常值规则(缩放后的 MAD):一种常见规则是:当 \(\frac{|x - \text{中位数}|}{1.4826 \times \text{MAD}}\) 超过约 3 时,标记数据点 \(x\)。
- 异常值规则(修正 z 分数):伊格莱维奇(Iglewicz)和霍格林(Hoaglin)建议使用 \(M = \frac{0.6745\,(x - \text{中位数})}{\text{MAD}}\),并标记 \(|M| > 3.5\) 的数据点。在数据集 B(1, 2, 3, 4, 100)中,值 100 给出 \(M = \frac{0.6745 \times 97}{1} \approx 65.4\),远大于 3.5。在数据集 A 中,值 5 给出 \(M = 0.6745 \times 2 = 1.349\),因此不会被标记。
- MAD 为 0:当超过一半的值相同时可能出现这种情况。例如,在 5, 5, 5, 5, 9 中,中位数为 5,绝对偏差为 0, 0, 0, 0, 4,因此 MAD 为 0。这种情况下上述异常值规则无法使用(会出现除以零),应直接检查数据。
- 偶数个数的数据集:偶数个值的中位数是两个中间值的平均数。这既适用于数据本身的中位数,也适用于绝对偏差的中位数。
3 和 3.5 这两个阈值只是经验法则,而非严格的检验标准。应将被标记的数据点视为需要进一步调查的候选对象,而不应自动删除。
常见问题
为什么用 MAD 而不用标准差? MAD 对异常值具有稳健性,因此在处理偏态数据或含有极端值的数据时,能更好地反映数据的离散程度。
缩放后的 MAD 是什么意思? 乘以 1.4826 后,MAD 就转化为正态分布数据下对标准差的估计值,从而可以与标准差直接进行比较。
输入数字的顺序重要吗? 不重要。计算器会在内部自动排序,因此你可以按任意顺序输入数值。