Медіана (статистика)

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку

Медіа́на (англ. median) — в статистиці це величина ознаки, що розташована по середині ранжованого ряду вибірки[1], тобто — це величина, що розташована в середині ряду величин, розташованих у зростаючому або спадному порядку[2]; в теорії ймовірності — характеристика розподілення випадкової величини.

Медіана ділить ряд значень ознаки на дві рівні частини, по обидві частини від неї розміщується однакова кількість одиниць сукупності.[1] Медіана є квантилем порядку 1/2. Позначається як або .

Визначення[ред. | ред. код]

Медіаною функції розподілу називається таке число , що:[3]

,

або:[4]

,

тобто, ймовірність того, що випадкова величина матиме значення більше або менше за медіану однакова і дорівнює 1/2.

Якщо функція розподілу строго монотонна, то медіана визначається однозначно, в протилежному випадку, розв'язком рівняння є відрізок . З точки зору теорії ймовірностей, значення з цього відрізку можна не розглядати. Таким чином, неоднозначність цього рівняння неістотна. Аби уникнути пов'язаних з цієї неоднозначностей проблем, медіаною можна вважати найменший корінь рівняння: .[3]

З геометричної точки зору, вертикальна пряма , що проходить через точку з абсцисою ділить площу фігури під кривою функції розподілу на дві рівні частини.[4]

Скінченна множина чисел[ред. | ред. код]

Медіану скінченної множини чисел можна знайти впорядкувавши їх в порядку зростання, від найменшого числа до найбільшого.

Якщо кількість чисел непарна, обирається те що знаходиться по середині. Наприклад, нехай існує такий набір чисел

1, 3, 3, 6, 7, 8, 9

Цей список містить сім чисел. Медіаною є четверте із них, що є числом 6.

Якщо кількість спостережень парна, тоді не існує єдиного значення по середині; тоді медіану зазвичай визначають як середнє значення між двома числами по середині.[5][6] Наприклад, для наступного набору

1, 2, 3, 4, 5, 6, 8, 9

медіана є середнім значенням для двох чисел по середині: вона дорівнюватиме (4 + 5)/2, тобто 4.5 або .

Для знаходження позиції середнього числа в вибірці із n послідовно впорядкованих чисел використовується формула (n + 1) ÷ 2. Ця формула повертає або позицію середнього числа (для непарної кількості значень) або знаходиться по середині між двома точками. Наприклад, при кількості в 14 значень, формула поверне 7.5, тоді медіану необхідно розраховувати як середнє значення між сьомим і восьмим значенням. Таким чином медіану можна представити наступною формулою:

Порівняння різних загальних середніх значень на прикладі вибірки вибірки { 1, 2, 2, 3, 4, 7, 9 }
Тип Опис Приклад Результат
Середнє арифметичне Сума всіх значень вибірки поділена на кількість цих елементів вибірки: (1+2+2+3+4+7+9) / 7 4
Медіана Середнє значення, що відокремлює більшу половину і меншу половину вибірки 1, 2, 2, 3, 4, 7, 9 3
Мода Значення, що зустрічається у вибірці найчастіше 1, 2, 2, 3, 4, 7, 9 2

Найчастіше медіану застосовують для скошених (не симетричних) розподілів, де вона дозволяє підсумувати різницю від арифметичного середнього. Розглянемо мультимножину { 1, 2, 2, 2, 3, 14 }. В даному випадку медіана дорівнює 2, (так само як і мода), і її можна розглядати як більш придатний індикатор центральної тенденції (що менш чутливий до зміщення при наявності виключно великого значення серед даних) ніж арифметичне середнє, що дорівнює 4.

Медіана — дуже популярна міра підсумкової статистики, оскільки її просто зрозуміти і легко розрахувати, а також вона більш стійка до можливих наявних викидів у вибірці, в порівнянні із середнім значенням. Часто зустрічається твердження про емпіричний зв'язок між відносним знаходженням середнього значення і медіани для скошених розподілів, що насправді не є вірним в загальному випадку.[7] Однак, існує багато залежностей між абсолютною різницею між ними.

Історія[ред. | ред. код]

Поняття медіани походить з книги Едварда Райта про навігацію («Помилки в навігації» 1599 року), в розділі з приводу визначення розташування за допомогою компаса. Він зрозумів, що вірогідніше всього, це значення може бути правильним в серіях спостережень.

У 1757 році Роджер Джосеф Бошкович розвивав регресивний метод, заснований на нормі L1 і на медіані[8]. У 1774 році Лаплас запропонував використати медіану як стандартний оцінювач значення пізнішого pdf. Специфічні критерії мали мінімізувати очікувану величину помилки; , де α* — оцінка, і α — справжня цінність.

Критерій Лапласа був загалом знехтуваний протягом 150 років на користь найменшого методу квадратів Гауса і Легенгре, який мінімізує значення , щоб отримати середину[9]. Поширення як типового означення, так і типової медіани були визначені Лапласом на початку 1800 року[10]. Антуан Августин Курно в 1843 році був першим, хто використав термін «медіана», як значення, яке ділить розподіл вірогідності на дві рівні частини.

Густав Теодор Фішнер використовував медіану (Centralwerth) в соціологічних і психологічних явищах[11].

Густав Фішнер популяризував медіану у формальному аналізі даних, хоча це вперше зробив Лаплас[11]. Франциск Гальтон вжив англійський термін «медіана» в 1881 році,[12] раніше використовуючи «середина найбільшого значення» (1869 рік) і як «середина» в 1880 році.

Медіана варіаційного ряду[ред. | ред. код]

Медіаною називають варіанту, що ділить варіаційний ряд на дві частини з рівною кількістю варіант. Якщо кількість варіант непарна (), то , у випадку парної кількості варіант (), медіана дорівнює:[13]

.

Наприклад, для ряду 2 3 5 6 7 медіана дорівнює 5; для ряду 2 3 5 6 7 9 медіана дорівнює (5 + 6)/2 = 5.5.

Розподіл імовірностей[ред. | ред. код]

Геометрична візуалізація моди, медіани і середнього значення довільної функції густини імовірностей.[14]

Для будь-якого розподілу імовірностей в множині дійсних чисел R із кумулятивною функцією розподілу F, не залежно від того чи є це будь-яким з неперервних розподілів імовірності, зокрема абсолютно неперервний розподіл (що має функцію густини імовірності), або дискретний розподіл імовірностей, медіаною за визначенням є будь-яке дійсне число m яке задовольняє наступним нерівностям:

або, еквівалентні нерівності

в яких використовується інтеграл Лебега-Стілтьєса[en]. Для будь-якого абсолютно неперервного розподілу імовірностей із функцією густини імовірностей ƒ, медіана задовольняє умовам:

Будь-який розподіл імовірностей в множині R має принаймні одну медіану, але в окремих випадках може існувати більше ніж одна медіана. Зокрема, якщо розподіл імовірностей дорівнює нулю в інтервалі [ab], а кумулятивна функція розподілу в точці a приймає значення 1/2, будь-яке значення між a і b також буде медіаною.

Медіани окремих розподілів[ред. | ред. код]

Медіани певних типів розподілів можна легко розрахувати за допомогою їх параметрів; крім того, цей розрахунок існує навіть для деяких розподілів, яким бракує можливості добре визначити середнє, наприклад для розподілу Коші:

Сукупності[ред. | ред. код]

Властивість оптимальності[ред. | ред. код]

Середня абсолютна похибка дійсної змінної c відносно випадкової величини X визначається як:

За умови, що розподіл імовірностей величини X є таким, що вищенаведене сподівання існує, тоді m є медіаною величини X тоді і тільки тоді, коли m мінімізує середню абсолютну похибку відносно X.[15] Зокрема, m є вибірковою медіаною, тоді і лише тоді, коли m мінімізує арифметичне середнє абсолютних відхилень.

У більш загальному випадку, медіана визначається як мінімум наступного виразу

Це визначення медіани на основі оптимізації є корисним у статистичному аналізі даних, наприклад, у кластеризації k-медіан[en].

Одномодальні розподіли[ред. | ред. код]

Порівняння середнього, медіані і моди двох Логнормальних розподілів із різним коефіцієнтом асиметрії.

Для випадку із одномодальним розподілом можна показати що медіана і середнє знаходяться не далі ніж на величину (3/5)1/2 ≈ 0.7746 стандартних відхилень одне від одного.[16] У символьній формі це виглядає так:

де |·| це абсолютне значення.

Аналогічне відношення існує для медіани і моди: вони знаходяться в межах 31/2 ≈ 1.732 стандартних відхилень одна від одної:

Нерівність, що пов'язує середнє значення і медіану[ред. | ред. код]

Якщо розподіл має скінченну дисперсію, тоді відстань між медіаною і середнім обмежена величиною одного стандартного відхилення.

Ця межа була доведена,[17] за допомогою подвійного використання нерівності Єнсена, як наведено далі. Маємо

Перша і третя нерівність були отримані з нерівності Єнсена, що застосована до функції із абсолютним значенням і квадратичної функції, кожна з яких є опуклою. Друга нерівність отримана з факту, що медіана мінімізує функцію абсолютного відхилення[en]

Також доведення можна отримати із нерівності Кантеллі[en].[18] Цей результат можна узагальнити аби отримати мультиваріативний варіант нерівності,[19] наступним чином:

де m є просторовою медіаною, яка мінімізує функцію Просторова медіана є унікальною коли два або більшу кількість вимірів вибірки.[20][21] В аналогічному доведенні використовують односторонню нерівність Чебишова; вона з'являється у нерівності параметрів розташування і масштабу розподілу.

Медіана як об'єктивний оцінювач[ред. | ред. код]

Гаус зауважив, що будь-який об'єктивний оцінювач мінімізує ризик (очікувану втрату) відносно функції помилкової втрати. На думку Лапласа, медіана, як об'єктивний оцінювач мінімізує ризик відносно функції втрати абсолютного відхилення. Інші функції втрати застосовують в статистичній теорії, особливо при перевірці статистичної надійності. Теорію об'єктивного оцінювача, започаткував Джордж Браун в 1947 році[22].

Оцінка одного розмірного параметра θ, буде об'єктивним оцінювачем для медіани, якщо, для сталої θ, медіана поширення оцінки знаходиться в значенні θ , тобто, відхилення трапляються не так часто.

Подальші властивості медіани, як об'єктивного оцінювача були досліджені[23][24][25][26]. Зокрема, медіана, як об'єктивний оцінювач існує у випадках, де не можливо максимуму вірогідності. Медіани, як об'єктивні оцінювачі інваріантні під один-до-одного, перетвореннями.

Примітки[ред. | ред. код]

  1. а б Социологический энциклопедический словарь / Ред.-координатор Г. В. Осипов.-М., 1998
  2. Медіана — Розум.org.ua
  3. а б Козлов М. В., Прохоров А. В. (1987). Введение в математическую статистику. Изд-во МГУ. 
  4. а б Кремер Н. Ш. (2004). Теория вероятностей и математическая статистика. Юнити. ISBN 5-238-00573-3. 
  5. Weisstein, Eric W. Statistical Median(англ.) на сайті Wolfram MathWorld.
  6. Simon, Laura J.; "Descriptive statistics" Архівовано 2010-07-30 у en:Wayback Machine., Statistical Education Resource Kit, Pennsylvania State Department of Statistics
  7. Journal of Statistics Education, v13n2: Paul T. von Hippel. amstat.org. 
  8. Stigler, S. M. (1986). The History of Statistics: The Measurement of Uncertainty Before 1900. Harvard University Press. ISBN 0674403401.
  9. Jaynes, E.T. (2007). Probability theory: the logic of science (5. print. ed.). Cambridge [u.a.]: Cambridge Univ. Press. p. 172. ISBN 978-0-521-59271-0.
  10. Laplace PS de (1818) Deuxième supplément à la Théorie Analytique des Probabilités, Paris, Courcier.
  11. а б Keynes, J.M. (1921) A Treatise on Probability. Pt II Ch XVII § 5 (p 201) (2006 reprint, Cosimo Classics, ISBN 9781596055308 : multiple other reprints).
  12. Galton F (1881) «Report of the Anthropometric Committee» pp 245–260. Report of the 51st Meeting of the British Association for the Advancement of Science.
  13. Гмурман В. Е. (2003). Теория вероятностей и математическая статистика (вид. 9-те). Высшая школа. 
  14. AP Statistics Review - Density Curves and the Normal Distributions. Процитовано 16 March 2015. 
  15. Stroock, Daniel (2011). Probability Theory. Cambridge University Press. с. 43. ISBN 978-0-521-13250-3. 
  16. An Error Occurred Setting Your User Cookie. siam.org. 
  17. Mallows, Colin (August 1991). Another comment on O'Cinneide. The American Statistician 45 (3): 257. doi:10.1080/00031305.1991.10475815. 
  18. K.Van Steen Notes on probability and statistics
  19. Piché, Robert (2012). Random Vectors and Random Sequences. Lambert Academic Publishing. ISBN 978-3659211966. 
  20. Kemperman, Johannes H. B. (1987). The median of a finite measure on a Banach space: Statistical data analysis based on the L1-norm and related methods. У Dodge, Yadolah. Papers from the First International Conference held at Neuchâtel, August 31–September 4, 1987 (Amsterdam: North-Holland Publishing Co.): 217–230. MR 949228. 
  21. Milasevic, Philip; Ducharme, Gilles R. (1987). Uniqueness of the spatial median. Annals of Statistics 15 (3): 1332–1333. MR 902264. doi:10.1214/aos/1176350511. 
  22. Brown, George W. (1947). «On Small-Sample Estimation». Annals of Mathematical Statistics 18 (4): 582–585. doi:10.1214/aoms/1177730349. JSTOR 2236236.
  23. Lehmann, Erich L. (1951). «A General Concept of Unbiasedness». Annals of Mathematical Statistics 22 (4): 587–592. doi:10.1214/aoms/1177729549.JSTOR 2236928.
  24. Birnbaum, Allan (1961). «A Unified Theory of Estimation, I». Annals of Mathematical Statistics 32 (1): 112–135. doi:10.1214/aoms/1177705145. JSTOR 2237612.
  25. van der Vaart, H. Robert (1961). «Some Extensions of the Idea of Bias». Annals of Mathematical Statistics 32 (2): 436–447. doi:10.1214/aoms/1177705051.JSTOR 2237754. MR 125674.
  26. Pfanzagl, Johann; with the assistance of R. Hamböker (1994). Parametric Statistical Theory. Walter de Gruyter. ISBN 3-11-013863-8. MR 1291393.

Див. також[ред. | ред. код]

Посилання[ред. | ред. код]