Gennemsnits-, median- og typetal-beregner

Beregn central tendens, spredning, kvartiler og find afvigere.

Resultater af statistisk analyse

Gennemsnit — Median — Mode — Varians — Standardafvigelse — Q1 (25. percentil) — Q3 (75. percentil) — IQR (interkvartilområde) — Minimum — Maximum — Interval — Antal —

GUIDE

Laes mere

Gennemsnit og median - central tendens

Gennemsnittet er summen af alle datapunkter divideret med antallet og er den mest almindelige repræsentative værdi. Det kan dog påvirkes af ekstreme værdier. Medianen er den midterste værdi, når data sorteres, og giver et mere stabilt centrum, som ikke påvirkes af afvigere. For eksempel er gennemsnittet af 1, 2, 3, 4, 100 22, men medianen er 3, hvilket bedre afspejler den faktiske fordeling.

Varians og standardafvigelse - datas spredning

Varians måler, hvor langt hvert datapunkt ligger fra gennemsnittet. Standardafvigelse er kvadratroden af variansen og har samme enhed som dataene, så den er lettere at fortolke. En stor standardafvigelse betyder, at data er bredt spredt omkring gennemsnittet; en lille betyder, at de ligger tæt samlet. Bruges til at måle volatilitet i finans og produktkonsistens i kvalitetskontrol.

Kvartiler og IQR - forstå fordelingen

Kvartiler deler data i fire lige store dele: Q1 (25%), Q2 (50%, median), Q3 (75%). IQR (interkvartilområde) er Q3 - Q1 og viser, hvor meget de midterste 50% af data spænder. IQR bruges til at finde afvigere. Værdier under Q1 - 1.5×IQR eller over Q3 + 1.5×IQR betragtes som afvigere.

Identifikation af afvigere - 1.5×IQR-reglen

Afvigere er værdier, der adskiller sig markant fra andre data, muligvis på grund af målefejl eller særlige hændelser. Den mest almindelige metode til at finde dem er 1.5×IQR-reglen. Værdier mindre end Q1 - 1.5×IQR eller større end Q3 + 1.5×IQR betragtes som afvigere. Identifikation af afvigere forbedrer datakvaliteten og afslører særlige mønstre.

Histogram - visualisering af fordelingen

Et histogram opdeler data i intervaller og viser frekvensen for hvert interval som søjler. Det afslører fordelingens form (normal, skævhed, kurtose) med det samme. En symmetrisk klokkeform peger på en normalfordeling; en skæv form peger på en skæv fordeling. Histogrammer viser nemt typetal-intervaller, fordelingsmønstre og afvigere.

Boksplot - fem nøglestatistikker

Et boksplot viser fem statistikker i én graf: minimum, Q1, median (Q2), Q3 og maksimum. Boksen repræsenterer IQR (Q1~Q3), linjen indeni viser medianen, og whiskers viser det normale interval. Punkter uden for whiskers er afvigere. Meget nyttigt til at sammenligne flere grupper eller vurdere fordelingens symmetri.

Ofte stillede sporgsmal

Skal jeg bruge gennemsnittet eller medianen?

Gennemsnittet fungerer godt, når der ikke er ekstreme afvigere, men for skæve data som indkomst er medianen mere repræsentativ for den typiske værdi. En stor forskel mellem dem signalerer en asymmetrisk fordeling.

Kan der være mere end ét typetal, eller intet typetal?

Ja. Hvis flere værdier har samme højeste frekvens, er data multimodale, og hvis hver værdi kun forekommer én gang, er der intet typetal. Beregneren viser det, der passer til dine data.

Hvordan skal jeg formatere mine inputdata?

Indtast tal adskilt af kommaer eller mellemrum. Decimaler og negative tal understøttes, og der er ingen streng grænse for, hvor mange værdier du kan indtaste.

Skal jeg fjerne værdier, der markeres som afvigere af IQR-reglen?

Ikke nødvendigvis. 1.5×IQR-reglen er kun en almindelig rettesnor - om en markeret værdi er en målefejl eller et reelt meningsfuldt datapunkt, afhænger af konteksten for dine data.

Skal jeg bruge varians eller standardafvigelse?

Standardafvigelse er normalt mere nyttig, fordi den har samme enhed som dine oprindelige data, hvilket gør den lettere at fortolke. Varians er primært et mellemtrin, der bruges i videre statistiske beregninger.