Od 2010 · Ponad 2 mln uruchomień narzędzi miesięcznie
Od 2010
Dodaj do Chrome

Moje Narzędzia

Tryb Automatyczny

Nie zapisano jeszcze żadnych narzędzi.

Uaktualnij do Wersji Premium
Powiązane narzędzia
Kalkulator średniego odchylenia bezwzględnego (MAD)Kalkulator odchylenia standardowego próbyKalkulator Odchylenia KwartylnegoKalkulator odchylenia średniegoKalkulator Podsumowania Pięciu LiczbKalkulator MidrangeKalkulator Statystyczny
Strona główna > Matematyka > Statystyki i analiza danych
 

Kalkulator odchylenia mediany bezwzględnej

Oblicz medianowe odchylenie bezwzględne (MAD) zestawu danych za pomocą wzorów krok po kroku, interaktywnej wizualizacji, wykrywania wartości odstających i porównania solidności z odchyleniem standardowym.

BezpłatneBez rejestracjiAktualizacja sty 2026
Kalkulator odchylenia mediany bezwzględnejWypróbuj teraz — za darmo ▼

Wypróbuj przykładowe zestawy danych:

Prosty szereg Z wartością odstającą Kontrola jakości Dane skośne
Wskazówka: Jeśli Twój tekst zawiera treści nienumeryczne, użyj najpierw naszego Ekstraktora liczb, aby wyodrębnić liczby.

Embed Kalkulator odchylenia mediany bezwzględnej Widget

O Kalkulator odchylenia mediany bezwzględnej

Witamy w Kalkulatorze medianowego odchylenia bezwzględnego, solidnym narzędziu statystycznym, które oblicza MAD za pomocą wzorów krok po kroku, interaktywnej wizualizacji danych i wglądu w wykrywanie wartości odstających. MAD jest potężną alternatywą dla odchylenia standardowego, gdy dane zawierają wartości odstające lub mają rozkład inny niż normalny.

Co to jest medianowe odchylenie bezwzględne (MAD)?

Medianowe odchylenie bezwzględne (MAD) jest solidną miarą rozproszenia statystycznego, która opisuje, jak bardzo wartości w zestawie danych są rozproszone. W przeciwieństwie do odchylenia standardowego, które wykorzystuje średnią i kwadraty różnic, MAD wykorzystuje medianę i bezwzględne różnice, co czyni je wysoce odpornym na wartości odstające i wartości ekstremalne.

Wzór na medianowe odchylenie bezwzględne
$$\text{MAD} = \text{median}(|x_i - \text{median}(X)|)$$

Mówiąc prościej: MAD to mediana tego, jak daleko każdy punkt danych znajduje się od ogólnej mediany danych.

Dlaczego MAD jest miarą „solidną”

Statystykę uważa się za solidną (robust), jeśli nie znajduje się pod silnym wpływem wartości odstających lub naruszeń założeń. MAD ma punkt załamania wynoszący 50%, co oznacza, że do połowy danych może być uszkodzonych, zanim MAD poda arbitralnie błędny wynik. W przeciwieństwie do tego średnia i odchylenie standardowe mają punkt załamania wynoszący 0% - nawet pojedyncza wartość odstająca może drastycznie na nie wpłynąć.

MAD vs odchylenie standardowe: kiedy używać każdego z nich

WłaściwośćMADOdchylenie standardowe
Użyta miara tendencji centralnejMedianaŚrednia
Typ odchyleniaWartości bezwzględneKwadraty wartości
Wrażliwość na wartości odstająceBardzo niska (solidna)Wysoka (wrażliwa)
Punkt załamania50%0%
Najlepsze dlaDanych skośnych, wartości odstającychRozkładów normalnych
Wydajność dla danych normalnych~37%100%

Kiedy używać MAD

Kiedy używać odchylenia standardowego

Współczynnik skali (k = 1,4826)

Przy porównywaniu MAD z odchyleniem standardowym lub używaniu MAD jako solidnego oszacowania odchylenia standardowego populacji dla danych o rozkładzie normalnym, stosuje się stałą k = 1,4826:

Przeskalowane MAD (solidne szacowanie σ)
$$\hat{\sigma} = k \times \text{MAD} = 1,4826 \times \text{MAD}$$

Ta stała wynika z zależności:

$$k = \frac{1}{\Phi^{-1}(3/4)} \approx 1,4826$$

Gdzie $\Phi^{-1}$ jest odwrotnością dystrybuanty standardowego rozkładu normalnego. Dla danych o rozkładzie normalnym przeskalowane MAD będzie w przybliżeniu równe odchyleniu standardowemu.

MAD do wykrywania wartości odstających

MAD doskonale nadaje się do wykrywania wartości odstających, ponieważ wartości odstające nie wpływają na sam próg. Metoda zmodyfikowanego wskaźnika Z-score wykorzystuje MAD:

Zmodyfikowany wskaźnik Z-Score
$$M_i = \frac{0,6745 \times (x_i - \text{median})}{\text{MAD}}$$

Punkt danych jest zazwyczaj oznaczany jako odstający, jeśli $|M_i| > 3,5$. Ta metoda jest bardziej niezawodna niż używanie odchylenia standardowego, ponieważ:

Jak korzystać z tego kalkulatora

  1. Wprowadź swoje dane: Wprowadź wartości liczbowe oddzielone przecinkami, spacjami lub znakami nowej linii. Użyj przycisków przykładów, aby szybko przetestować różne typy danych.
  2. Wybierz współczynnik skali: Wybierz „Bez skalowania” dla surowego MAD lub k=1,4826, aby oszacować odchylenie standardowe. Możesz również wprowadzić niestandardowy współczynnik skali.
  3. Ustaw precyzję dziesiętną: Wybierz od 2 do 15 miejsc po przecinku.
  4. Oblicz i analizuj: Kliknij „Oblicz MAD”, aby zobaczyć kompleksowe wyniki, w tym ocenę solidności.
  5. Przejrzyj krok po kroku: Przeanalizuj szczegółowe rozbicie obliczeń pokazujące każdy etap obliczania MAD.

Zrozumienie wyników

Wyniki podstawowe

Statystyki porównawcze

Często zadawane pytania

Co to jest medianowe odchylenie bezwzględne (MAD)?

Medianowe odchylenie bezwzględne (MAD) jest solidną miarą dyspersji statystycznej. Oblicza się je jako medianę odchyleń bezwzględnych od mediany danych: MAD = mediana(|xᵢ - mediana(X)|). W przeciwieństwie do odchylenia standardowego, MAD jest odporne na wartości odstające, co czyni je idealnym dla zestawów danych o ekstremalnych wartościach lub rozkładach innych niż normalny.

Czym MAD różni się od odchylenia standardowego?

MAD wykorzystuje medianę i wartości bezwzględne, podczas gdy odchylenie standardowe wykorzystuje średnią i kwadraty różnic. Sprawia to, że MAD jest znacznie bardziej odporne na wartości odstające - pojedyncza ekstremalna wartość może drastycznie zwiększyć odchylenie standardowe, ale ledwie wpływa na MAD. Dla danych o rozkładzie normalnym MAD pomnożone przez 1,4826 przybliża odchylenie standardowe.

Co to jest współczynnik skali k=1,4826 dla MAD?

Stała 1,4826 służy do tego, aby MAD stało się spójnym estymatorem odchylenia standardowego dla danych o rozkładzie normalnym. Matematycznie k = 1/Φ⁻¹(3/4), gdzie Φ⁻¹ jest funkcją kwantylową standardowego rozkładu normalnego. Mnożąc MAD przez 1,4826, otrzymujesz solidne szacowanie σ.

Kiedy powinienem używać MAD zamiast odchylenia standardowego?

Używaj MAD, gdy Twoje dane mogą zawierać wartości odstające, nie mają rozkładu normalnego lub gdy potrzebujesz solidnej miary, która nie zostanie wypaczona przez ekstremalne obserwacje. MAD jest szczególnie przydatne w eksploracyjnej analizie danych, kontroli jakości, finansach i wykrywaniu anomalii.

Jak można wykorzystać MAD do wykrywania wartości odstających?

MAD doskonale nadaje się do wykrywania wartości odstających za pomocą zmodyfikowanego wskaźnika Z-score: M = 0,6745 × (xᵢ - mediana) / MAD. Wartości z |M| > 3,5 są zazwyczaj uważane za odstające. Ta metoda jest bardziej niezawodna niż używanie odchylenia standardowego, ponieważ wartości odstające nie wpływają na sam próg wykrywania.

Ile liczb obsługuje ten kalkulator MAD?

Ten kalkulator może obsługiwać zestawy danych praktycznie o dowolnej wielkości. Testowaliśmy go z ponad 100 000 liczbami, a narzędzie zapewnia natychmiastowe wyniki. Niezależnie od tego, czy masz 3 punkty danych, czy 100 000, kalkulator wydajnie obliczy MAD wraz ze wszystkimi powiązanymi statystykami.

Dodatkowe zasoby

Cytuj ten materiał, stronę lub narzędzie w następujący sposób:

"Kalkulator odchylenia mediany bezwzględnej" na https://MiniWebtool.com/pl/kalkulator-odchylenia-mediany-bezwzględnej/ z MiniWebtool, https://MiniWebtool.com/

przez zespół miniwebtool. Zaktualizowano: 19 stycznia 2026 r.

Dostępne API dla deweloperów: Uruchom to narzędzie z aplikacji, automatyzacji lub agenta za pomocą jednego żądania HTTP JSON. Zobacz dokumentację API

Możesz także wypróbować nasz AI Rozwiązywacz Matematyczny GPT, aby rozwiązywać swoje problemy matematyczne poprzez pytania i odpowiedzi w języku naturalnym.

Statystyki i analiza danych:

Popularne i zaktualizowane narzędzia:

Kalkulator Sredniej, Mediany i ModyKalkulator odchylenia standardowego - Wysoka precyzjaKalkulator MedianyZobacz wszystkie →
Strona główna > Matematyka > Statystyki i analiza danych > Kalkulator odchylenia mediany bezwzględnej