Ang pagpapakalat ay sumusukat kung gaano kalawak ang paghahatid ng mga punto ng data ng data set. Ang karaniwang paglihis ay mabigat na naiimpluwensyahan ng mga sobrang outliers na nakakaapekto sa average. Ang ibig sabihin ng ganap na paglihis ay batay sa panggitna, na maaaring magbigay ng sukatan ng pangunahing data nang hindi naapektuhan ng ilang matinding punto ng data. Ayon sa "Mga Istatistika ng Negosyo" ni Naval Bajpai, ang median absolute deviation (MAD) ay nagbibigay ng isang ganap na sukatan ng pagpapakalat na hindi apektado ng mga extreme outliers na maaaring magtapon ng statistical analysis batay sa mga paraan at standard deviations.
Mga bagay na kakailanganin mo
-
Itakda ang data
-
Calculator
Kinakalkula ang Median
Ilista ang lahat ng mga obserbasyon sa hanay ng data mula sa pinakamaliit hanggang sa pinakamalaking. Kung ang isang numero ay nangyayari nang higit sa isang beses, i-lista ang parehong bilang ng mga oras kung kailan ito nangyayari.
Bilangin ang bilang ng mga obserbasyon.
Hatiin ang bilang ng mga obserbasyon sa pamamagitan ng 2. Kung may isang kakaibang bilang ng mga obserbasyon at sa gayon ay hindi sila maaaring maging pantay na hinati, ang panggitnang pagmamasid ay ang panggitna. Kung hindi, ang average ng dalawang gitnang numero ay ang halfway point.
Dalhin ang dalawang obserbasyon na nasa itaas at ibaba sa puntong nasa kalagitnaan. Pagkatapos ay i-average ang dalawang mga obserbasyon. Ang halagang ito ay ang panggitna.
Kinakalkula ang Median Absolute Deviation
Magbawas ng bawat halaga sa hanay ng data mula sa panggitna. Ibinibigay nito ang paglihis ng bawat punto ng data mula sa panggitna.
Kabuuang kabuuan ng lahat ng mga deviations para sa data set. Ito ay maaaring maging sped up sa pamamagitan ng paggamit ng isang calculator.
Hatiin ang kabuuan para sa lahat ng mga deviation para sa data na itinakda ng bilang ng mga obserbasyon. Ang resulta ay ang median absolute deviation.
Mga Tip
-
Ayon sa aklat, "Praktikal na Istatistika para sa Analytical Scientist," habang ang MAD ay hindi isang pagtatantya ng karaniwang paglihis, kung ang pamamahagi ng data ay humigit-kumulang na normal, ang pagpaparami ng MAD sa pamamagitan ng 1.483 ay nagbibigay ng isang tinatayang estimasyon ng karaniwang paglihis.
Babala
Ang mga istatistika na nakabatay sa median ay hindi maaaring gamitin sa anim na sigma na batay sa kalidad na mga istatistika.
