मीन


11

मैं अत्यधिक तिरछे डेटा पर काम कर रहा हूं, इसलिए मैं केंद्रीय प्रवृत्ति को संक्षेप करने के लिए औसत के बजाय माध्यिका का उपयोग कर रहा हूं। मैं अक्सर रिपोर्टिंग लोगों को देखने जब मैं फैलाव का एक उपाय करना चाहते हैं मतलब मानक विचलन± या मंझला चतुर्थकों± केंद्रीय प्रवृत्ति संक्षेप में प्रस्तुत करने, उसकी रिपोर्ट के लिए ठीक है मंझला मंझला पूर्ण फैलाव (MAD)± ? क्या इस दृष्टिकोण के साथ संभावित मुद्दे हैं?

मुझे यह दृष्टिकोण कम और ऊपरी चतुर्थक की रिपोर्टिंग की तुलना में अधिक कॉम्पैक्ट और सहज लगता है, विशेष रूप से आंकड़ों से भरी बड़ी तालिकाओं में।


3
मुझे लगता है कि औसत, माध्यिका और निचले चतुर्थांश संयुक्त रूप से डेटा का बेहतर वर्णन करेंगे। आप कुछ अन्य वर्णनात्मक आँकड़े यहाँ पा सकते हैं ।

1
मैं जितना संभव हो उतना संक्षिप्त होना चाहता हूं: क्या माध्य + 2 चतुर्थक ठीक है?
मुलोन

4
एमएडी डेटा के एक बैच के फैलाव को व्यक्त करने के लिए एक अच्छा आंकड़ा है - यह इंटरकार्टल रेंज की तुलना में आउटलेर्स के लिए भी अधिक प्रतिरोधी है। लेकिन तुम्हें क्या मंझला के बारे में सोचना चाहते हो सकता है MAD वास्तव में मतलब होता है और कैसे अपने दर्शकों को चाहिए यह व्याख्या करने के लिए। यह समान विषमता या चेबेशेव असमानता जैसे अर्थ ± एसडी के गुणों का आनंद नहीं लेता है । शायद, यही कारण है कि इस तरह के भाव शायद ही कभी होते हैं, अगर कभी भी इस्तेमाल किया जाता है। ±±
whuber

1
मैं हमेशा सोचता था कि MAD का अर्थ है निरपेक्ष विचलन को mse के अनुरूप बनाना जिसका अर्थ है चुकता त्रुटि। यह औसत से औसत विचलन है औसत से औसत नहीं है। क्या मैं सही हूं या मैं MAD जा रहा हूं?
माइकल आर। चेरिक ने

2
चित्र एक हजार शब्द है, यदि संभव हो तो हिस्टोग्राम दिखाना बहुत शक्तिशाली है।
बीडोनोविक

जवाबों:


7

±

±

चतुर्थांश / क्वांटिल एक अतिरिक्त संख्या की लागत पर वितरण का एक बेहतर विचार देते हैं - (4.9,5.0,1000000.0)। मुझे संदेह है कि यह पूरी तरह से सह-घटना है कि तिरछा होना तीसरा क्षण है और मुझे तिरछे वितरण की कल्पना करने के लिए तीन संख्याओं / आयामों की आवश्यकता है।

उस ने कहा, इसके प्रति कुछ भी गलत नहीं है - मैं यहाँ केवल अंतर्ज्ञान और पठनीयता का तर्क दे रहा हूँ। यदि आप इसे अपने या अपनी टीम के लिए उपयोग कर रहे हैं, तो पागल हो जाएं। लेकिन मुझे लगता है कि यह व्यापक दर्शकों को भ्रमित करेगा।


2
(+1) मैं यह जोड़ना चाहूंगा कि तीसरे क्षण के संदर्भ में तिरछापन की परिभाषा आजकल सबसे अधिक स्वीकार नहीं की जाती है क्योंकि यह केवल प्रकाश पूंछ के साथ वितरण पर लागू किया जा सकता है। तिरछेपन की अधिक आधुनिक परिभाषाएं क्वांटाइल्स पर आधारित हैं, उनमें से कुछ को यहां पाया जा सकता है

1
@amoeba क्या यह है? एमएडी के लिए विकिपीडिया पेज इसे मेडियन (! शी - मेडियन (एक्स) |) के रूप में परिभाषित करता है, जो दिए गए डेटा के साथ 0.1 है।
अपर_कास

@Upper_Case धन्यवाद। मैं गलत था (लगभग 5-5 = 0 कार्यकाल भूल गया)। मैं भविष्य के पाठकों को भ्रमित न करने के लिए अपनी टिप्पणी को हटा दूंगा!
अमीबा

4

MAD राशियों का उपयोग यह मानने के लिए कि अंतर्निहित वितरण सममित है (मध्यिका के ऊपर और मध्यिका के नीचे विचलन समान रूप से माना जाता है)। यदि आप डेटा को तिरछा कर रहे हैं तो यह स्पष्ट रूप से गलत है: यह आपको अपने डेटा की वास्तविक परिवर्तनशीलता को कम करके आंकने की ओर ले जाएगा।

सौभाग्य से, आप पागल के लिए कई विकल्पों में से एक चुन सकते हैं जो समान रूप से मजबूत हैं, लगभग गणना करना आसान है और यह सममितता नहीं मानता है।

1992 के रूसेवु और क्राउक्स पर एक नज़र डालें । इन अवधारणाओं को यहां अच्छी तरह से समझाया गया है और यहां लागू किया गया है । ये दो अनुमानक यू-सांख्यिकी के तथाकथित वर्ग के सदस्य हैं, जिसके लिए एक अच्छी तरह से विकसित सिद्धांत है।


1

"इस पत्र में विषमता का अधिक सटीक सूचकांक का अध्ययन किया गया है। विशेष रूप से, बाएं और दाएं विचरण का उपयोग प्रस्तावित है और उनके आधार पर विषमता का एक सूचकांक पेश किया गया है। कई उदाहरण इसकी उपयोगिता प्रदर्शित करते हैं। अधिक सटीक रूप से फैलाव के मूल्यांकन का सवाल है। औसत के बारे में डेटा सभी गैर-सममितीय संभाव्यता वितरण में उभरता है। जब जनसंख्या वितरण गैर-सममित होता है, तो डेटा के एक सेट का औसत और भिन्नता (या मानक विचलन) डेटा के वितरण का एक सटीक विचार प्रदान नहीं करता है। विशेष रूप से आकार और समरूपता। यह तर्क दिया जाता है कि औसत, प्रस्तावित बाएं विचरण (या बाएं मानक विचलन) और दाएं विचरण (या सही मानक विचलन) डेटा के सेट का अधिक सटीक वर्णन करते हैं। "

संपर्क


3
आपने एक पेपर के सार को उद्धृत किया और एक URL के जैसा कुछ प्रदान किया (मैंने लिंक को ठीक करने की स्वतंत्रता ली)। यह वास्तव में उन उत्तरों का प्रकार नहीं है जिन्हें हम यहां खोज रहे हैं; मैं आपको अपना उत्तर संपादित करने के लिए प्रोत्साहित करता हूं और अपने स्वयं के कुछ टिप्पणियों को जोड़ने की कोशिश करता हूं कि यह लिंक प्रश्न का उत्तर देने में मदद क्यों करता है। उत्तर में बहुत सुधार होगा यदि आपने समझाया कि यह विषमता का अर्थ केंद्रीय प्रवृत्ति और एमएडी से कैसे संबंधित है।
17
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.