Kalkylator för medelvärde, median och typvärde

Beräkna central tendens, spridning, kvartiler och upptäck avvikande värden.

Resultat av statistisk analys

Medelvärde — Median — Mode — Varians — Standardavvikelse — Q1 (25:e percentilen) — Q3 (75:e percentilen) — IQR (interkvartilavstånd) — Minimum — Maximum — Spann — Antal —

GUIDE

Las mer

Medelvärde och median - central tendens

Medelvärdet är summan av alla data dividerad med antalet, det vanligaste representativa värdet. Det kan dock påverkas av extrema värden. Medianen är mittvärdet när datan sorteras och ger ett mer stabilt centrum som inte påverkas av avvikande värden. Till exempel är medelvärdet för 1, 2, 3, 4, 100 22, men medianen är 3, vilket bättre speglar den faktiska fördelningen.

Varians och standardavvikelse - dataspridning

Varians mäter hur långt varje datapunkt ligger från medelvärdet. Standardavvikelse är kvadratroten ur variansen och har samma enhet som datan, vilket gör den lättare att tolka. Stor standardavvikelse betyder att datan är brett spridd kring medelvärdet; liten betyder att den är samlad nära det. Används för att mäta volatilitet inom finans och produktjämnhet i kvalitetskontroll.

Kvartiler och IQR - förstå fördelningen

Kvartiler delar in datan i fyra lika stora delar: Q1 (25 %), Q2 (50 %, median), Q3 (75 %). IQR (interkvartilavstånd) är Q3 - Q1 och visar hur spridd den mittersta 50 % av datan är. IQR används för att upptäcka avvikande värden. Värden under Q1 - 1.5×IQR eller över Q3 + 1.5×IQR betraktas som avvikare.

Upptäckt av avvikande värden - 1.5×IQR-regeln

Avvikande värden är värden som skiljer sig markant från annan data, möjligen på grund av mätfel eller speciella händelser. Den vanligaste metoden för att upptäcka dem är 1.5×IQR-regeln. Värden som är mindre än Q1 - 1.5×IQR eller större än Q3 + 1.5×IQR betraktas som avvikande värden. Att identifiera avvikare förbättrar datakvaliteten och avslöjar särskilda mönster.

Histogram - visualisera fördelningen

Ett histogram delar in datan i intervall och visar frekvensen för varje intervall som staplar. Det avslöjar fördelningens form (normalfördelning, skevhet, kurtosis) med en snabb blick. En symmetrisk klockform indikerar normalfördelning; en skev form indikerar en sned fördelning. Histogram visar enkelt typvärdesintervall, fördelningsmönster och avvikande värden.

Lådagram - fem nyckeltal

Ett lådagram visar fem statistiska mått i en enda graf: minimum, Q1, median (Q2), Q3 och maximum. Lådan representerar IQR (Q1~Q3), linjen inuti visar medianen och morrhåren visar det normala intervallet. Punkter utanför morrhåren är avvikande värden. Mycket användbart för att jämföra flera grupper eller avgöra om fördelningen är symmetrisk.

Vanliga fragor

Ska jag använda medelvärdet eller medianen?

Medelvärdet fungerar bra när det inte finns några extrema avvikande värden, men för snedfördelad data som inkomster är medianen mer representativ för det typiska värdet. En stor skillnad mellan dem signalerar en asymmetrisk fördelning.

Kan det finnas fler än ett typvärde, eller inget typvärde alls?

Ja. Om flera värden har samma högsta frekvens är datan multimodal, och om varje värde bara förekommer en gång finns inget typvärde. Kalkylatorn visar det som gäller för din data.

Hur ska jag formatera min indata?

Ange tal avskilda med kommatecken eller mellanslag. Decimaler och negativa tal stöds, och det finns ingen strikt gräns för hur många värden du kan ange.

Måste jag ta bort värden som flaggats som avvikande av IQR-regeln?

Inte nödvändigtvis. 1.5×IQR-regeln är bara en vanlig riktlinje - om ett flaggat värde är ett mätfel eller en verkligt meningsfull datapunkt beror på sammanhanget för din data.

Ska jag använda varians eller standardavvikelse?

Standardavvikelse är oftast mer användbar eftersom den har samma enhet som din ursprungliga data, vilket gör den lättare att tolka. Varians är främst ett mellanled som används i vidare statistiska beräkningar.