중앙값 절대 편차 계산기

Q: 언제 표준 편차 대신 MAD를 사용해야 합니까?

다음의 경우 MAD를 사용하십시오: (1) 데이터에 이상치나 극단값이 포함될 수 있는 경우, (2) 데이터가 정규 분포를 따르지 않는 경우, (3) 소수의 비정상적인 관측치에 의해 왜곡되지 않는 견고한 척도가 필요한 경우, (4) 탐색적 데이터 분석을 수행하고 잠재적 이상치를 식별하려는 경우, 또는 (5) 금융이나 품질 관리와 같이 견고성이 중요한 분야에서 작업하는 경우.

단계별 공식, 대화형 시각화, 이상치 탐지 및 표준 편차와의 견고성 비교를 통해 데이터 세트의 중앙값 절대 편차(MAD)를 계산합니다.

중앙값 절대 편차 계산기

예제 데이터 세트 사용해 보기:

단순 수열 이상치 포함 품질 관리 왜곡된 데이터

데이터 입력

배율 인자

사용자 정의 k

정밀도

팁: 텍스트에 숫자가 아닌 내용이 포함되어 있으면 숫자 추출기를 사용하여 먼저 숫자를 추출하세요.

Embed 중앙값 절대 편차 계산기 Widget

중앙값 절대 편차 계산기 정보

단계별 공식, 대화형 데이터 시각화 및 이상치 탐지 통찰력을 통해 MAD를 계산하는 견고한 통계 도구인 중앙값 절대 편차 계산기에 오신 것을 환영합니다. MAD는 데이터에 이상치가 포함되어 있거나 비정규 분포를 따르는 경우 표준 편차에 대한 강력한 대안입니다.

중앙값 절대 편차(MAD)란 무엇입니까?

중앙값 절대 편차(MAD)는 데이터 세트의 값이 얼마나 퍼져 있는지를 설명하는 통계적 분산의 견고한 척도입니다. 평균과 제곱 차이를 사용하는 표준 편차와 달리 MAD는 중앙값과 절대 차이를 사용하므로 이상치와 극단값에 매우 강합니다.

중앙값 절대 편차 공식

$$\text{MAD} = \text{median}(|x_i - \text{median}(X)|)$$

간단히 말해서, MAD는 각 데이터 포인트가 데이터의 전체 중앙값으로부터 얼마나 떨어져 있는지에 대한 중앙값입니다.

MAD가 "견고한" 척도인 이유

통계량이 이상치나 가정 위반의 영향을 크게 받지 않는 경우 견고하다(robust)고 간주됩니다. MAD는 50%의 붕괴점(breakdown point)을 가지며, 이는 데이터의 절반까지 손상되어도 MAD가 임의의 잘못된 결과를 내지 않음을 의미합니다. 반면, 평균과 표준 편차는 붕괴점이 0%입니다. 즉, 단 하나의 이상치도 통계량에 극적인 영향을 미칠 수 있습니다.

MAD vs 표준 편차: 각각 언제 사용해야 합니까?

속성	MAD	표준 편차
사용되는 중심 경향	중앙값	평균
편차 유형	절대값	제곱값
이상치에 대한 민감도	매우 낮음 (견고함)	높음 (민감함)
붕괴점	50%	0%
최적 용도	왜곡된 데이터, 이상치	정규 분포
정규 데이터에 대한 효율성	약 37%	100%

MAD를 사용해야 하는 경우

데이터에 이상치나 극단값이 포함될 수 있는 경우
데이터가 왜곡되어 있거나 정규 분포를 따르지 않는 경우
이상치 탐지를 위한 견고한 기준이 필요한 경우
소수의 비정상적인 관측치에 영향을 받지 않는 척도를 원하는 경우
금융, 품질 관리 또는 이상 징후 탐지와 같은 분야에서 작업하는 경우

표준 편차를 사용해야 하는 경우

데이터가 정규 분포를 따르는 것으로 확인된 경우
최대 통계적 효율성이 필요한 경우
데이터가 깨끗하고 이상치가 없는 경우
모수 검정(parametric tests)에서 결과를 사용해야 하는 경우

배율 인자 (k = 1.4826)

MAD를 표준 편차와 비교하거나, 정규 분포 데이터에 대해 모집단 표준 편차의 견고한 추정치로 MAD를 사용할 때 상수 k = 1.4826이 적용됩니다.

배율이 적용된 MAD (견고한 σ 추정치)

$$\hat{\sigma} = k \times \text{MAD} = 1.4826 \times \text{MAD}$$

이 상수는 다음 관계에서 비롯됩니다.

$$k = \frac{1}{\Phi^{-1}(3/4)} \approx 1.4826$$

여기서 $\Phi^{-1}$은 표준 정규 분포의 역누적 분포 함수입니다. 정규 분포 데이터의 경우 배율이 적용된 MAD는 표준 편차와 거의 같아집니다.

이상치 탐지를 위한 MAD

이상치가 임계값 자체에 영향을 미치지 않기 때문에 MAD는 이상치를 탐지하는 데 탁월합니다. 수정된 Z-점수 방법은 MAD를 사용합니다.

수정된 Z-점수

$$M_i = \frac{0.6745 \times (x_i - \text{median})}{\text{MAD}}$$

일반적으로 $|M_i| > 3.5$인 데이터 포인트는 이상치로 표시됩니다. 이 방법이 표준 편차를 사용하는 것보다 더 신뢰할 수 있는 이유는 다음과 같습니다.

이상치가 임계값을 계산하는 데 사용되는 MAD나 중앙값에 영향을 미치지 않습니다.
여러 개의 이상치가 존재하는 경우에도 잘 작동합니다(마스킹 효과 회피).
비정규 분포에 효과적입니다.

이 계산기 사용 방법

데이터 입력: 쉼표, 공백 또는 줄바꿈으로 구분된 수치를 입력하세요. 예제 버튼을 사용하여 다양한 데이터 유형을 빠르게 테스트할 수 있습니다.
배율 인자 선택: 원래 MAD의 경우 "배율 조정 없음"을 선택하거나, 표준 편차 추정을 위해 k=1.4826을 선택하세요. 사용자 정의 배율 인자를 입력할 수도 있습니다.
소수점 정밀도 설정: 2자리에서 15자리 사이의 소수점 자릿수를 선택하세요.
계산 및 분석: "MAD 계산"을 클릭하여 견고성 평가를 포함한 종합적인 결과를 확인하세요.
단계별 검토: MAD 계산의 각 단계를 보여주는 자세한 계산 내역을 확인하세요.

결과 이해하기

주요 결과

MAD: 중앙값 절대 편차 - 주요 결과
배율이 적용된 MAD: MAD에 선택한 배율 인자를 곱한 값
중앙값: 데이터 세트의 중심값
견고성 등급: MAD와 표준 편차를 비교한 평가

비교 통계

평균: 비교를 위한 산술 평균
표준 편차: 비교를 위한 표본 표준 편차
IQR: 사분위수 범위 (또 다른 견고한 척도)
Q1, Q3: 제1사분위수 및 제3사분위수

자주 묻는 질문

중앙값 절대 편차(MAD)란 무엇입니까?

중앙값 절대 편차(MAD)는 통계적 분산의 견고한 척도입니다. 데이터의 중앙값으로부터의 절대 편차의 중앙값으로 계산됩니다: MAD = median(|xᵢ - median(X)|). 표준 편차와 달리 MAD는 이상치에 강하므로 극단값이나 비정규 분포를 갖는 데이터 세트에 이상적입니다.

MAD는 표준 편차와 어떻게 다릅니까?

MAD는 중앙값과 절대값을 사용하는 반면, 표준 편차는 평균과 제곱 차이를 사용합니다. 이로 인해 MAD는 이상치에 훨씬 더 견고합니다. 단일 극단값은 표준 편차를 극적으로 증가시킬 수 있지만 MAD에는 거의 영향을 미치지 않습니다. 정규 분포 데이터의 경우 MAD에 1.4826을 곱하면 표준 편차와 근사합니다.

MAD의 배율 인자 k=1.4826은 무엇입니까?

상수 1.4826은 정규 분포 데이터에 대해 MAD를 표준 편차의 일관된 추정치로 만드는 데 사용됩니다. 수학적으로 k = 1/Φ⁻¹(3/4)이며, 여기서 Φ⁻¹은 표준 정규 분포의 분위수 함수입니다. MAD에 1.4826을 곱하면 σ의 견고한 추정치를 얻을 수 있습니다.

언제 표준 편차 대신 MAD를 사용해야 합니까?

데이터에 이상치가 포함될 수 있거나, 정규 분포를 따르지 않거나, 극단적인 관측치에 의해 왜곡되지 않는 견고한 척도가 필요한 경우 MAD를 사용하십시오. MAD는 특히 탐색적 데이터 분석, 품질 관리, 금융 및 이상 징후 탐지에 유용합니다.

MAD를 이상치 탐지에 어떻게 사용할 수 있습니까?

MAD는 수정된 Z-점수(M = 0.6745 × (xᵢ - 중앙값) / MAD)를 이용한 이상치 탐지에 탁월합니다. 일반적으로 |M| > 3.5인 값은 이상치로 간주됩니다. 이 방법은 이상치가 탐지 임계값 자체에 영향을 미치지 않기 때문에 표준 편차를 사용하는 것보다 더 신뢰할 수 있습니다.