Вероятность и статистика · объяснение и практика
Как медиана абсолютных отклонений измеряет устойчивый разброс
Рассчитайте MAD в два медианных шага и объясните устойчивость к отдельному крайнему значению без автоматического удаления наблюдений.

В теме Средние и разброс · Учебная карта
Главная мысль
MAD — медиана абсолютных отклонений от медианы данных. Сначала находят центр, затем модули отклонений, затем их медиану; это не среднее отклонений и не стандартное отклонение.
Два раза упорядочить, два раза взять медиану
Упорядочим исходные наблюдения и найдём медиану m. Для каждого исходного значения вычислим |xᵢ−m|. Эти новые числа снова упорядочивают, после чего находят их медиану. При чётном числе наблюдений здесь используем обычное соглашение — среднее двух центральных значений. Его нужно применять согласованно на обоих этапах.
Среднее абсолютных отклонений и медиана абсолютных отклонений — разные характеристики. Среднее суммирует все расстояния и потому напрямую зависит от размера крайнего значения. Медиана ориентируется на центральный порядок расстояний. Разница в одном слове меняет расчёт, поэтому сокращение MAD стоит расшифровать, особенно если программа предлагает несколько мер разброса.
Один крайний результат не обязательно двигает меру
Для данных 1, 2, 2, 3, 100 медиана равна двум. Отклонения: 1, 0, 0, 1, 98; после сортировки 0, 0, 1, 1, 98. Их медиана равна единице. Если сто заменить тысячей, MAD останется единицей: центральная позиция отклонений не изменилась. При этом размах и стандартное отклонение заметно вырастут.
Устойчивость не означает нечувствительность ко всем изменениям. Изменение значительной части значений способно изменить и центр, и MAD. Мера также может оказаться нулевой у непостоянного набора с большим количеством совпадений. Поэтому нельзя делить на неё в стандартизующем выражении без проверки нуля.
Пример
Найдите MAD для набора 4, 5, 7, 8, 21.
Медиана равна 7. Абсолютные отклонения 3, 2, 0, 1, 14 упорядочиваются как 0, 1, 2, 3, 14. Их медиана — 2, это и есть немасштабированный MAD.
Масштабирование и содержательная проверка данных
Некоторые программы умножают MAD на коэффициент около 1,4826 для согласования со стандартным отклонением нормальной модели. Это уже масштабированная версия. При сравнении двух результатов нужно узнать, применён ли коэффициент. Называть оба числа одним и тем же без оговорки значит скрыть различие определения.
Большое отклонение не доказывает ошибку записи. Оно может быть настоящим редким наблюдением, признаком другой группы или важным событием. Устойчивая мера помогает описать основной массив, но не разрешает молча удалять хвосты. Перед исправлением данных проверяют источник, единицы и обстоятельства измерения; сам численный порог не является самостоятельным доказательством недостоверности.
От чтения к действию
А теперь — вы
Частые вопросы
MAD может быть нулевым не только у постоянного набора?
Да. Если достаточно наблюдений совпадает с медианой, центральное абсолютное отклонение нулевое, хотя некоторые значения отличаются.
Почему программа выдаёт примерно в 1,4826 раза больше?
Вероятно, используется масштабированная для нормальной модели версия MAD. Нужно проверить определение, а не считать различие арифметической ошибкой.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как усечённое среднее меняет влияние крайних наблюдений
Рассчитайте симметричное усечённое среднее после сортировки и объясните, какую часть данных оно описывает вместо молчаливого удаления «неудобных» значений.
Открыть темуЧем стандартная ошибка среднего отличается от разброса отдельных наблюдений
Отделите разброс отдельных значений от неопределённости выборочного среднего и проверьте, когда действует деление на квадратный корень объёма.
Открыть тему