中位数绝对偏差计算器

Q: MAD 的比例因子 k=1.4826 是什么？

常数 1.4826 用于使 MAD 成为正态分布数据标准差的一致估计量。在数学上，k = 1/Φ⁻¹(3/4) ≈ 1.4826，其中 Φ⁻¹ 是标准正态分布累积分布函数的逆函数。当您将 MAD 乘以 1.4826 时，您会得到一个对离群值具有稳健性的 σ 估计值。

Q: 什么时候应该使用 MAD 而不是标准差？

在以下情况下使用 MAD：(1) 您的数据可能包含离群值或极端值；(2) 数据不呈正态分布；(3) 您需要一种不会被少数异常观测值扭曲的稳健度量；(4) 您正在进行探索性数据分析并希望识别潜在离群值；或 (5) 在金融或质量控制等稳健性至关重要的领域工作。

使用分步公式、交互式可视化、离群值检测以及与标准差的稳健性比较，计算数据集的中位数绝对偏差 (MAD)。

中位数绝对偏差计算器

尝试示例数据集：

简单级数带有离群值质量控制偏态数据

输入您的数据

比例因子

自定义 k

精度

提示： 如果您的文本包含非数字内容，请先使用我们的数字提取器提取数字。

Embed 中位数绝对偏差计算器 Widget

中位数绝对偏差计算器

欢迎使用中位数绝对偏差计算器，这是一款稳健的统计工具，可通过分步公式、交互式数据可视化和离群值检测洞察来计算 MAD。当您的数据包含离群值或遵循非正态分布时，MAD 是标准差的强大替代方案。

什么是中位数绝对偏差 (MAD)？

中位数绝对偏差 (MAD) 是统计离散度的一种稳健度量，描述了数据集中的值分散程度。与使用平均值和平方差的标准差不同，MAD 使用中位数和绝对差，使其对离群值和极端值具有很强的抗性。

中位数绝对偏差公式

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

通俗地说：MAD 是每个数据点与数据整体中位数之间距离的中位数。

为什么 MAD 是一种“稳健”的度量

如果一个统计量不受离群值或违反假设的严重影响，则被认为是稳健的。MAD 的崩溃点为 50%，这意味着在 MAD 给出任意错误结果之前，最多可以有一半的数据被损坏。相比之下，平均值和标准差的崩溃点为 0%——即使是单个离群值也会对它们产生剧烈影响。

MAD 与标准差：何时使用

属性	MAD	标准差
使用的集中趋势	中位数	平均值
偏差类型	绝对值	平方值
对离群值的敏感性	极低（稳健）	高（敏感）
崩溃点	50%	0%
最适合	偏态数据、离群值	正态分布
正态数据的效率	~37%	100%

何时使用 MAD

您的数据可能包含离群值或极端值
数据是偏态的或非正态分布的
您需要一个稳健的基准来进行离群值检测
您希望获得一个不受少数异常观测值影响的度量
在金融、质量控制或异常检测等领域工作

何时使用标准差

您的数据已确认为正态分布
您需要最大的统计效率
数据干净，没有离群值
您需要在参数检验中使用结果

比例因子 (k = 1.4826)

在将 MAD 与标准差进行比较，或将 MAD 用作正态分布数据总体标准差的稳健估计时，会应用常数 k = 1.4826：

缩放后的 MAD（稳健的 σ 估计值）

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

这个常数来自以下关系：

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

其中 $\Phi^{-1}$ 是标准正态分布的逆累积分布函数。对于正态分布的数据，缩放后的 MAD 将近似等于标准差。

用于离群值检测的 MAD

MAD 非常适合检测离群值，因为离群值不会影响阈值本身。修正 Z 分数方法使用 MAD：

修正 Z 分数

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

如果 $|M_i| > 3.5$，数据点通常被标记为离群值。这种方法比使用标准差更可靠，因为：

离群值不会影响用于计算阈值的 MAD 或中位数
即使存在多个离群值，它也能很好地工作（避免了掩蔽效应）
对于非正态分布有效

如何使用此计算器

输入您的数据： 输入由逗号、空格或换行符分隔的数值。使用示例按钮快速测试不同的数据类型。
选择比例因子： 选择“不缩放”表示原始 MAD，或 k=1.4826 用于估计标准差。您也可以输入自定义比例因子。
设置小数精度： 选择 2 到 15 位小数。
计算并分析： 点击“计算 MAD”查看包括稳健性评估在内的全面结果。
查看分步计算： 查看详细的计算分解，显示 MAD 计算的每个步骤。

了解您的结果

主要结果

MAD： 中位数绝对偏差 - 主要结果
缩放后的 MAD： MAD 乘以您选择的比例因子
中位数： 数据集的中心值
稳健性评级： 将 MAD 与标准差进行比较的评估

比较统计数据

平均值： 用于比较的算术平均值
标准差： 用于比较的样本标准差
IQR： 四分位距（另一种稳健的度量）
Q1, Q3： 第一和第三四分位数

常见问题

什么是中位数绝对偏差 (MAD)？

中位数绝对偏差 (MAD) 是统计离散度的一种稳健度量。它计算为与数据中位数的绝对偏差的中位数：MAD = median(|xᵢ - median(X)|)。与标准差不同，MAD 对离群值具有抗性，因此非常适合具有极端值或非正态分布的数据集。

MAD 与标准差有什么不同？

MAD 使用中位数和绝对值，而标准差使用平均值和平方差。这使得 MAD 对离群值更加稳健——单个极端值会显著增加标准差，但几乎不会影响 MAD。对于正态分布的数据，MAD 乘以 1.4826 近似于标准差。

MAD 的比例因子 k=1.4826 是什么？

常数 1.4826 用于使 MAD 成为正态分布数据标准差的一致估计量。在数学上，k = 1/Φ⁻¹(3/4)，其中 Φ⁻¹ 是标准正态分布的分位数函数。当您将 MAD 乘以 1.4826 时，您会得到 σ 的稳健估计值。

什么时候应该使用 MAD 而不是标准差？

当您的数据可能包含离群值、非正态分布或需要一个不会被极端观测值扭曲的稳健度量时，请使用 MAD。MAD 在探索性数据分析、质量控制、金融和异常检测中特别有用。

如何使用 MAD 进行离群值检测？

MAD 非常适合使用修正 Z 分数进行离群值检测：M = 0.6745 × (xᵢ - median) / MAD。|M| > 3.5 的值通常被视为离群值。这种方法比使用标准差更可靠，因为离群值不会影响检测阈值本身。

此 MAD 计算器支持多少个数字？

此计算器可以处理几乎任何大小的数据集。我们已经测试了超过 100,000 个数字，该工具提供了即时结果。无论您有 3 个数据点还是 100,000 个，计算器都会高效地计算 MAD 以及所有相关统计数据。

其他资源

引用此内容、页面或工具为：

"中位数绝对偏差计算器" 于 https://MiniWebtool.com/zh-cn/中位数绝对偏差计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队编写。更新日期：2026年1月19日

开发者 API 可用: 用一次 JSON HTTP 请求，把这个工具接入你的应用、自动化流程或智能体。查看 API 文档

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

中位数绝对偏差计算器

中位数绝对偏差计算器

什么是中位数绝对偏差 (MAD)？

为什么 MAD 是一种“稳健”的度量

MAD 与标准差：何时使用

何时使用 MAD

何时使用标准差

比例因子 (k = 1.4826)

用于离群值检测的 MAD

如何使用此计算器

了解您的结果

主要结果

比较统计数据

常见问题

什么是中位数绝对偏差 (MAD)？

MAD 与标准差有什么不同？

MAD 的比例因子 k=1.4826 是什么？

什么时候应该使用 MAD 而不是标准差？

如何使用 MAD 进行离群值检测？

此 MAD 计算器支持多少个数字？

其他资源

统计与数据分析:

常用工具: