Tämä vertailu selittää tilastolliset käsitteet keskiarvo ja mediaani, kuvaillen, miten kumpikin keskilukumitta lasketaan, miten ne käyttäytyvät eri tietoaineistoissa sekä milloin toinen voi olla informatiivisempi kuin toinen datan jakauman ja poikkeamien esiintymisen perusteella.
Aritmeettinen keskiarvo saadaan laskemalla arvojen summa ja jakamalla se lukumäärällä.
Järjestetyn aineiston keskimmäinen arvo, joka erottaa alemman ja ylemmän puoliskon toisistaan.
| Ominaisuus | Tarkoittaa | Mediaani |
|---|---|---|
| Määritelmä | Kaikkien arvojen aritmeettinen keskiarvo | Järjestetyn listan keskimmäinen arvo |
| Laskentamenetelmä | Arvojen summa ÷ lukumäärä | Järjestä arvot ja valitse mediaani |
| Poikkeamaherkkyys | Erittäin herkkä | Vastaa poikkeamiin |
| Paras symmetriaan | Kyllä | Vähemmän relevantti |
| Paras vinoille tiedoille | Vähemmän edustava | Edustavampi |
| Vaatii tilauksen | Ei | Kyllä |
| Tyypillinen esimerkkikäyttö | Keskimääräinen testipistemäärä | Keskimääräinen kotitalouden vuositulot |
Keskiarvo lasketaan laskemalla kaikki luvut tietojoukosta yhteen ja jakamalla summa lukujen määrällä, jolloin saadaan keskimääräinen numeerinen arvo. Sen sijaan mediaani määritetään järjestämällä arvot pienimmästä suurimpaan ja valitsemalla keskimmäinen arvo tai laskemalla kahden keskimmäisen arvon keskiarvo, jos lukujen kokonaismäärä on parillinen.
Keskiarvo huomioi kaikki arvot yhtä lailla, joten äärimmäisen suuret tai pienet arvot vaikuttavat voimakkaasti sen tulokseen ja voivat mahdollisesti vääristää tyypillisen arvon vinoutuneessa datassa. Mediaani sen sijaan jättää huomioimatta, kuinka suuria tai pieniä arvot ovat järjestyslukunsa lisäksi, mikä tekee siitä vähemmän herkän äärimmäisille arvoille ja usein informatiivisemman vinoutuneissa jakaumissa.
Symmetrisissä aineistoissa ilman äärimmäisiä arvoja keskiarvo ja mediaani vastaavat usein läheisesti toisiaan ja kuvaavat molemmat hyvin aineiston keskikohtaa. Kuitenkin jakaumissa, joissa on pitkä häntä toisella puolella, keskiarvo siirtyy kohti häntää, kun taas mediaani pysyy kohdassa, jossa puolet tiedoista on sen ylä- ja alapuolella, tarjoten erilaisen näkökulman.
Keskiarvo on suoraviivainen laskea ilman järjestämistä, mikä voi olla nopeampaa yksinkertaisille listoille tai reaaliaikaisessa laskennassa. Mediaani vaatii arvojen lajittelun ensin, mikä voi lisätä laskennallista kuormaa hyvin suurille listoille, mutta antaa keskusarvon, johon poikkeavat arvot eivät vaikuta suuruudellaan.
Keskiarvo ja mediaani antavat aina saman tuloksen.
Keskiarvo ja mediaani ovat samat vain silloin, kun aineisto on suunnilleen symmetrinen ilman äärimmäisiä arvoja; vinoissa tai epätasaisissa aineistoissa ne voivat poiketa merkittävästi toisistaan.
Keskiarvo on aina paras keskilukumitta.
Keskiarvo on tavanomainen keskiarvo, mutta se voi olla harhaanjohtava vinojen tietojen tai poikkeamien kohdalla, jolloin mediaani usein kuvaa tyypillistä tietoarvoa paremmin.
Mediaani ei huomioi tärkeitä tietoja.
Mediaani ei jätä huomiotta dataa; se keskittyy keskiseen sijaintiin ja vähentää tarkoituksellisesti poikkeamien vaikutusta antaakseen luotettavan keskusarvon.
Mediaani ei toimi parillismääräisillä tietoaineistoilla.
Jos aineistossa on parillinen määrä havaintoja, mediaani lasketaan kahden keskimmäisen arvon keskiarvona järjestämisen jälkeen, joten se määrittelee silti keskipisteen.
Käytä keskiarvoa, kun aineistosi on suunnilleen symmetrinen ja poikkeamat vähäisiä, sillä se antaa tavanomaisen keskiarvon. Valitse mediaani, kun aineistosi on vino tai sisältää äärimmäisiä arvoja, koska se antaa keskusarvon, joka heijastaa paremmin tyypillistä havaintoa.
Vaikka itseisarvoa käytetään usein synonyymeinä johdantomatematiikassa, se tyypillisesti viittaa reaaliluvun etäisyyteen nollasta, kun taas modulo laajentaa tätä käsitettä kompleksilukuihin ja vektoreihin. Molemmilla on sama perustavanlaatuinen tarkoitus: poistaa suuntamerkit matemaattisen olion puhtaan suuruuden paljastamiseksi.
Algebra keskittyy abstrakteihin laskusääntöihin ja symbolien manipulointiin tuntemattomien ratkaisemiseksi, kun taas geometria tutkii avaruuden fysikaalisia ominaisuuksia, kuten kuvioiden kokoa, muotoa ja suhteellista sijaintia. Yhdessä ne muodostavat matematiikan perustan, joka kääntää loogiset suhteet visuaalisiksi rakenteiksi.
Tämä vertailu selittää alkulukujen ja yhdistettyjen lukujen määritelmät, ominaisuudet, esimerkit ja erot. Nämä ovat kaksi perustavanlaatuista luonnollisten lukujen luokkaa. Se selventää, miten ne tunnistetaan, miten ne käyttäytyvät tekijöihin jaoteltaessa ja miksi niiden tunnistaminen on tärkeää peruslukuteoriassa.
Alkulukujen tekijöihinjako on matemaattinen tavoite jakaa yhdistetty luku sen alkulukuihin, kun taas tekijäpuu on visuaalinen, haarautuva työkalu, jota käytetään tämän tuloksen saavuttamiseen. Toinen on lopullinen numeerinen lauseke, kun taas toinen on vaiheittainen tiekartta sen paljastamiseksi.
Aritmeettinen keskiarvo käsittelee jokaista datapistettä yhtäläisenä tekijänä lopullisessa keskiarvossa, kun taas painotettu keskiarvo antaa tietyt tärkeystasot eri arvoille. Tämän eron ymmärtäminen on ratkaisevan tärkeää kaikessa yksinkertaisten luokkakeskiarvojen laskemisesta monimutkaisten rahoitussalkkujen määrittämiseen, joissa joillakin omaisuuserillä on suurempi merkitys kuin toisilla.
