เครื่องหาค่าเฉลี่ย

โปรแกรมคำนวณค่าเฉลี่ยออนไลน์ (Mean Calculator) ช่วยให้คุณหาค่าเฉลี่ยของชุดข้อมูลต่างๆ ได้อย่างง่ายดายและรวดเร็ว คุณสามารถพิมพ์ หรือคัดลอกและวางข้อมูลของคุณลงในกล่องข้อความได้เลย เพียงตรวจสอบให้แน่ใจว่าได้คั่นข้อมูลแต่ละตัวด้วยเครื่องหมายจุลภาค (Comma) จากนั้นคลิกที่ปุ่ม "คำนวณ"

เครื่องคิดเลขหาค่าเฉลี่ยนี้จะแสดงผลลัพธ์ของค่าเฉลี่ย (ค่าเฉลี่ยเลขคณิต) พร้อมด้วยขั้นตอนการคำนวณอย่างละเอียด และค่าทางสถิติอื่นๆ ที่เกี่ยวข้องกับชุดข้อมูลของคุณ

เครื่องคำนวณนี้มี 3 โหมดด้วยกัน โหมด ทั่วไป (Simple) จะหาค่าเฉลี่ยของรายการตัวเลขปกติ โหมด ถ่วงน้ำหนัก (Weighted) จะรับรายการค่าน้ำหนักเพิ่มเติม เพื่อให้ค่าที่มีความสำคัญมากกว่าส่งผลต่อผลลัพธ์มากกว่า ซึ่งนี่คือวิธีคำนวณเกรดเฉลี่ยรายวิชา ผลตอบแทนพอร์ตโฟลิโอ และคะแนนการสำรวจ ส่วนโหมด เวลา (Time) จะรับช่วงเวลาที่เขียนในรูปแบบ hh:mm:ss หรือ mm:ss และแสดงผลลัพธ์เป็นช่วงเวลาแทนที่จะเป็นทศนิยม ซึ่งจำเป็นอย่างยิ่งสำหรับการหาเวลาต่อรอบ ความยาวกะการทำงาน และช่วงเวลาในการอ่านหนังสือ

ค่าเฉลี่ย

ค่าเฉลี่ย (Mean) คือตัวแทนของกลุ่มข้อมูล ซึ่งคำนวณจากการนำค่าทั้งหมดในชุดข้อมูลมารวมกันแล้วหารด้วยจำนวนข้อมูล เนื่องจากเป็นการนำข้อมูลทุกตัวมาคำนวณ ค่าเฉลี่ยจึงสะท้อนถึงภาพรวมของชุดข้อมูลทั้งหมด และถือเป็นหนึ่งในการวัดแนวโน้มเข้าสู่ส่วนกลาง (Central Tendency) หรือค่าวัดทางสถิติสรุปที่สำคัญที่สุด

ค่าเฉลี่ยเลขคณิตอย่างง่าย (Simple Arithmetic Mean) เป็นรูปแบบที่พบได้บ่อยที่สุด อย่างไรก็ตาม ค่าเฉลี่ยยังมีอีกหลายประเภท เช่น ค่าเฉลี่ยเรขาคณิต (Geometric Mean), ค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Mean), ค่าเฉลี่ยรวม (Combined Mean), ค่าเฉลี่ยฮาร์มอนิก (Harmonic Mean) เป็นต้น

สัญลักษณ์ที่ใช้แทนค่าเฉลี่ยของประชากรคือ μ (มิว) และค่าเฉลี่ยของกลุ่มตัวอย่างคือ X̄ (เอ็กซ์บาร์)

ค่าเฉลี่ยอย่างง่าย

ค่าเฉลี่ยอย่างง่าย (Simple Mean) คำนวณได้จากการนำผลรวมของข้อมูลทั้งหมดหารด้วยจำนวนข้อมูลทั้งหมด บางครั้งเราก็เรียกสั้นๆ ว่า ค่าเฉลี่ย หรือ ค่าเฉลี่ยเลขคณิต

ในการคำนวณหาค่าเฉลี่ยของประชากร เราสามารถใช้สูตรด้านล่างนี้:

μ = ผลรวมของค่าชุดข้อมูล / จำนวนค่าข้อมูลทั้งหมดในประชากร = ΣX / N

ในการคำนวณหาค่าเฉลี่ยของกลุ่มตัวอย่าง เราสามารถใช้สูตรด้านล่างนี้:

X̄ = ผลรวมของค่าของชุดข้อมูล / จำนวนค่าข้อมูลทั้งหมดในตัวอย่าง = ΣX/n

ลองมาดูตัวอย่างการคำนวณค่าเฉลี่ยด้านล่างนี้

ตัวอย่าง

คะแนนสอบทั้ง 7 วิชาของ Jasmine จากภาคการศึกษาที่แล้วแสดงอยู่ในตารางด้านล่าง คะแนนเฉลี่ยของวิชาเรียนทั้งหมดของ Jasmine อยู่ที่เท่าไร?

วิชา	คะแนน
การจัดการ	84
การสื่อสาร	90
การบัญชี	75
เศรษฐศาสตร์	60
สถิติธุรกิจ	85
การศึกษานานาชาติ	92
คณิตศาสตร์	81

วิธีแก้

คะแนนเฉลี่ย = ผลรวมคะแนน / จำนวนรายวิชา = (84 + 90 + 75 + 60 + 85 + 92 + 81) / 7 = 567 / 7 = 81

ค่าเฉลี่ยเป็นแนวคิดที่เราทุกคนคุ้นเคยกันดี ไม่ว่าจะเป็น รายได้เฉลี่ย, ต้นทุนการผลิตเฉลี่ย, ราคาเฉลี่ย, เกรดเฉลี่ย, หรืออัตราการสิ้นเปลืองน้ำมันเฉลี่ย สิ่งเหล่านี้คือตัวอย่างในชีวิตประจำวันที่คุณน่าจะได้ยินอยู่บ่อยครั้ง ค่าเฉลี่ยอย่างง่ายถือเป็นมาตรฐานการคำนวณพื้นฐาน และมักถูกเรียกว่าเป็นค่าเฉลี่ยในอุดมคติ (Ideal measure of average)

อย่างไรก็ตาม ในบางสถานการณ์ เราจำเป็นต้องใช้การวัดแนวโน้มเข้าสู่ส่วนกลางประเภทอื่น มาทำความรู้จักกับค่าเฉลี่ยประเภทอื่นๆ กันดีกว่า

ค่าเฉลี่ยเรขาคณิต

ค่าเฉลี่ยเลขคณิตอาจไม่ใช่ตัวชี้วัดที่เหมาะสมนักเมื่อเราต้องวิเคราะห์อัตราการเติบโตเฉลี่ยในช่วงเวลาหนึ่ง ในกรณีนี้ ค่าเฉลี่ยเรขาคณิต (Geometric Mean) ซึ่งมักใช้ในแวดวงการบัญชีและการเงิน เช่น การคำนวณดอกเบี้ยทบต้น จะเป็นตัวชี้วัดที่ดีกว่ามาก เนื่องจากอัตราการเติบโตมักมีลักษณะการเพิ่มขึ้นแบบทวีคูณ (Multiplicative) ไม่ใช่แบบบวกเพิ่ม (Additive)

ค่าเฉลี่ยเรขาคณิตของชุดข้อมูล คือรากที่ n (n-th root) ของผลคูณของข้อมูลทั้งหมด n ตัว โดยคำนวณจากการนำข้อมูลทุกตัวมาคูณกัน แล้วถอดรากที่ n ของผลคูณนั้น โดยที่ n คือจำนวนข้อมูลในชุดข้อมูล ค่าเฉลี่ยเรขาคณิตมีประโยชน์อย่างมากในการหาค่าเฉลี่ยของอัตราส่วน, เปอร์เซ็นต์, และอัตราการเติบโต

$$Geometric\ Mean = \sqrt[n]{x₁×x₂×x₃×…×xₙ} = (x₁×x₂×x₃×…×xₙ)^{\frac{1}{n}}$$

เรามาลองหาค่าเฉลี่ยเรขาคณิตจากตัวอย่างก่อนหน้านี้กัน

$$Geometric\ Mean = \sqrt[7]{84×90×75×60×85×92×81} = 80.31$$

ผลลัพธ์ของค่าเฉลี่ยเรขาคณิตจะเท่ากับหรือน้อยกว่าค่าเฉลี่ยอย่างง่าย (ค่าเฉลี่ยเลขคณิต) เสมอ

ในตัวอย่างของเรา

ค่าเฉลี่ยเรขาคณิต ≤ ค่าเฉลี่ย

80.31 < 81

คุณสามารถใช้โปรแกรมคำนวณค่าเฉลี่ยออนไลน์นี้ เพื่อหาค่าที่มากกว่าแค่ค่าเฉลี่ยเลขคณิต โดยคุณสามารถใช้คำนวณหาค่าเฉลี่ยเรขาคณิตของชุดข้อมูลได้เช่นกัน

ค่าเฉลี่ยถ่วงน้ำหนัก

สำหรับค่าเฉลี่ยเลขคณิตอย่างง่าย ข้อมูลทุกตัวจะถูกให้ความสำคัญหรือมี "น้ำหนัก" เท่ากันทั้งหมด แต่ในสถานการณ์จริง บางครั้งเราไม่สามารถให้ความสำคัญในระดับเดียวกันกับทุกค่าในชุดข้อมูลได้

จากตัวอย่างที่ผ่านมา เราหาค่าเฉลี่ยโดยรวมคะแนนสอบทั้งหมดแล้วหารด้วยจำนวนวิชา โดยไม่ได้คำนึงถึงระดับความสำคัญ (เช่น หน่วยกิต) ของแต่ละวิชาเลย

เราจะใช้ค่าเฉลี่ยถ่วงน้ำหนัก (Weighted Mean) เมื่อจำเป็นต้องพิจารณาความสำคัญสัมพัทธ์ (Relative importance) ของข้อมูลแต่ละตัวร่วมด้วย การคำนวณทำได้โดยนำข้อมูลแต่ละตัวไปคูณกับค่าน้ำหนักที่เกี่ยวข้อง ซึ่งเราเรียกว่า "ค่าที่ถ่วงน้ำหนัก" จากนั้นจึงนำมาหารด้วยผลรวมของค่าน้ำหนักทั้งหมด

เราสามารถใช้สูตรด้านล่างในการหาค่าเฉลี่ยถ่วงน้ำหนักได้:

ค่าเฉลี่ยถ่วงน้ำหนัก = ผลรวมของค่าถ่วงน้ำหนัก / ผลรวมของน้ำหนัก = ΣWX / ΣW

ตัวอย่าง

สมมติว่าแต่ละวิชาในตัวอย่างก่อนหน้านี้มีค่าน้ำหนัก (หน่วยกิต) ที่แตกต่างกัน ตารางข้อมูลที่ปรับปรุงใหม่สำหรับคะแนนทั้ง 7 วิชาของ Jasmine ในภาคการศึกษาที่แล้วจึงเป็นดังนี้

ค่าเฉลี่ยถ่วงน้ำหนักของคะแนนของ Jasmine จากภาคการศึกษาที่แล้ว

วิชา	คะแนน	น้ำหนัก
การจัดการ	84	3
การสื่อสาร	90	2
การบัญชี	75	4
เศรษฐศาสตร์	60	3
สถิติธุรกิจ	85	3
การศึกษานานาชาติ	92	2
คณิตศาสตร์	81	3

วิธีแก้

คะแนนเฉลี่ยถ่วงน้ำหนัก = ΣWX / ΣW = (84×3+90×2+75×4+60×3+85×3+92×2+81×3)/(3+2+4+3+3+2+3) = (252+180+300+180+255+184+243)/20 = 1594/20 = 79.7

หากต้องการคำนวณสิ่งนี้บนเครื่องคิดเลขด้านบน ให้สลับไปยังแท็บ Weighted (ถ่วงน้ำหนัก) แล้ววางคะแนนลงในช่อง Values (84, 90, 75, 60, 85, 92, 81) และวางค่าน้ำหนักลงในช่อง Weights (3, 2, 4, 3, 3, 2, 3) ค่าน้ำหนักไม่จำเป็นต้องรวมกันได้ 100 หรือตัวเลขเฉพาะเจาะจงใดๆ ไม่ว่าจะเป็นจำนวนหน่วยกิตดิบ เปอร์เซ็นต์ของคะแนนสุดท้าย หรือจำนวนนับปกติก็สามารถใช้งานได้ทั้งหมด เนื่องจากสูตรจะหารด้วยผลรวมทั้งหมดของค่าน้ำหนักเองโดยอัตโนมัติ

โปรแกรมคำนวณเกรดเฉลี่ย: การถ่วงน้ำหนักคะแนนสอบ การบ้าน และคะแนนปลายภาค

การถ่วงน้ำหนักเกรดเป็นตัวอย่างการใช้งานค่าเฉลี่ยถ่วงน้ำหนักที่พบบ่อยที่สุด และแท็บ Weighted ด้านบนก็สามารถทำหน้าที่เป็นโปรแกรมคำนวณเกรดเฉลี่ยได้ทันทีโดยไม่จำเป็นต้องเปลี่ยนป้ายชื่อใดๆ หากหลักสูตรระบุว่า การบ้านคิดเป็น 20% ของคะแนนทั้งหมด คะแนนสอบกลางภาค 30% และคะแนนสอบปลายภาค 50% เปอร์เซ็นต์เหล่านี้คือค่าน้ำหนัก ให้ป้อนคะแนนทั้งสามของคุณเป็น Values (ค่า) และป้อน 20, 30, 50 เป็น Weights (น้ำหนัก)

นักเรียนที่ได้คะแนนการบ้าน 95 คะแนน สอบกลางภาคได้ 78 คะแนน และสอบปลายภาคได้ 84 คะแนน จะได้รับเกรดเฉลี่ยดังนี้ (95×20 + 78×30 + 84×50) / 100 = 84.4 — ซึ่งต่ำกว่าค่าเฉลี่ยปกติที่ 85.7 อย่างเห็นได้ชัด เนื่องจากคะแนนวิชาที่ได้น้อยที่สุดมีน้ำหนักมากที่สุด ความแตกต่างนี้คือเหตุผลทั้งหมดว่าทำไมจึงต้องมีการถ่วงน้ำหนักเกรดแทนการใช้ค่าเฉลี่ยธรรมดา และเป็นสาเหตุที่ทำให้การตรวจสอบเกรดเฉลี่ยของรายวิชาด้วยตนเองมักจะไม่ตรงกับสมุดบันทึกเกรดของระบบโรงเรียน

ค่าน้ำหนักที่ไม่จำเป็นต้องรวมกันได้ 100

ค่าน้ำหนักไม่จำเป็นต้องรวมกันเป็น 100 เสมอไป เครื่องคำนวณจะหารด้วยผลรวมของค่าน้ำหนักทั้งหมด ดังนั้น ทั้งสามรูปแบบต่อไปนี้จึงทำงานได้เหมือนกันโดยไม่ต้องปรับเปลี่ยนอะไรเลย:

รูปแบบของค่าน้ำหนัก	ตัวอย่าง	ผลรวม
เปอร์เซ็นต์ของคะแนนสุดท้าย	20, 30, 50	100
จำนวนหน่วยกิตของแต่ละวิชา	3, 4, 3, 2	12
คะแนนเต็มของงานแต่ละชิ้น	50, 100, 200	350

ตัวอย่างที่สามเป็นเรื่องที่น่าอธิบายเพิ่มเติม เนื่องจากเป็นกรณีที่การหาค่าเฉลี่ยแบบปกติอาจทำให้เข้าใจผิดได้มากที่สุด: โปรแกรมคำนวณคะแนนสอบเฉลี่ยที่ถือว่าแบบทดสอบย่อย 50 คะแนน มีน้ำหนักเท่ากับคะแนนสอบปลายภาค 200 คะแนน จะประเมินคะแนนของนักเรียนที่ทำได้ดีในงานย่อยสูงเกินจริง ให้ป้อนคะแนนเต็มเป็นค่าน้ำหนัก แล้วผลลัพธ์จะออกมาถูกต้องตรงกับสมุดบันทึกเกรดจริง

การคำนวณคะแนนที่คุณจำเป็นต้องได้รับ

เนื่องจากค่าเฉลี่ยถ่วงน้ำหนักเป็นเพียงสูตร Σ(w·x) ÷ Σw แท็บเดียวกันนี้จึงช่วยตอบคำถามย้อนกลับได้ด้วยว่า — ฉันต้องได้คะแนนเท่าไรในการสอบปลายภาค? เพียงแค่นำคะแนนถ่วงน้ำหนักที่คุณมีอยู่แล้วมาบวกกัน ลบออกจากเป้าหมาย แล้วหารด้วยน้ำหนักของการสอบปลายภาค ตัวอย่างเช่น หากคุณได้คะแนนการบ้าน 95 คะแนน (น้ำหนัก 20%) และกลางภาคได้ 78 คะแนน (น้ำหนัก 30%) การจะรักษาค่าเฉลี่ยให้อยู่ที่ 85 คะแนน คุณจะต้องได้คะแนนสอบปลายภาคเท่ากับ (85×100 − 95×20 − 78×30) / 50 = 85.2 คะแนน

ค่ามัธยฐาน

ค่ามัธยฐาน (Median) คือค่ากึ่งกลางของชุดข้อมูล เมื่อนำข้อมูลมาจัดเรียงลำดับจากน้อยไปมาก (ค่าต่ำสุดไปค่าสูงสุด) หรือจากมากไปน้อย (ค่าสูงสุดไปค่าต่ำสุด) กล่าวอีกนัยหนึ่ง ค่ามัธยฐานคือจุดที่แบ่งชุดข้อมูลที่เรียงลำดับแล้วออกเป็น 2 ส่วนเท่าๆ กัน ทำให้ข้อมูล 50% มีค่าน้อยกว่าค่ามัธยฐาน และอีก 50% มีค่ามากกว่าค่ามัธยฐาน

วิธีการคำนวณค่ามัธยฐาน

ในการหาค่ามัธยฐาน ขั้นแรกเราต้องหาตำแหน่งของค่ามัธยฐานโดยใช้สูตรด้านล่าง:

$$ตำแหน่งของมัธยฐาน = \left( \frac{n+1}{2} \right)^{ที่}$$

"n" หมายถึงจำนวนข้อมูลทั้งหมดในชุดข้อมูล

หากจำนวนข้อมูลทั้งหมดในชุดข้อมูลเป็น "เลขคี่" ค่าที่อยู่ในตำแหน่งกึ่งกลางพอดีจะเป็นค่ามัธยฐาน แต่หากจำนวนข้อมูลทั้งหมดเป็น "เลขคู่" ค่าเฉลี่ยของตัวเลขสองตัวที่อยู่ตรงกลางจะถือเป็นค่ามัธยฐาน

ความแตกต่างระหว่างค่าเฉลี่ยและค่ามัธยฐาน

1. ค่าเฉลี่ยคำนวณจากการนำค่าทั้งหมดในชุดข้อมูลมารวมกันแล้วหารด้วยจำนวนการสังเกต ซึ่งให้ผลลัพธ์ที่สะท้อนถึงข้อมูลทุกๆ จุดในชุดข้อมูล ในทางตรงกันข้าม ค่ามัธยฐานคือค่าที่อยู่ตรงกลางของชุดข้อมูลที่เรียงลำดับแล้ว ทำหน้าที่เป็นจุดศูนย์กลางที่แบ่งชุดข้อมูลออกเป็นสองส่วน โดยไม่ได้นำขนาดหรือมูลค่าของข้อมูลทั้งหมดมาคำนวณโดยตรง

2. ทั้งค่าเฉลี่ยและค่ามัธยฐานสามารถประมาณค่าด้วยสายตาได้จากกราฟแสดงข้อมูล โดยค่าเฉลี่ยสามารถประมาณการคร่าวๆ ได้ในการแจกแจงแบบสมมาตร (Symmetrical Distribution) เนื่องจากควรอยู่ตรงกลางพอดี ในขณะที่ค่ามัธยฐานสามารถดูได้จากจุดกึ่งกลางในแผนภาพกล่อง (Box Plot) เป็นต้น

3. ทั้งค่าเฉลี่ยและค่ามัธยฐานมีประโยชน์อย่างมากในการวิเคราะห์ทางสถิติขั้นสูง ค่าเฉลี่ยเหมาะกับข้อมูลที่มีการแจกแจงแบบปกติ (Normal Distribution) และไม่มีค่าสุดโต่ง (Outliers) เนื่องจากถูกนำไปใช้ต่อในการคำนวณความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน ส่วนค่ามัธยฐานเป็นตัววัดแนวโน้มเข้าสู่ส่วนกลางที่ดีกว่าเมื่อข้อมูลมีการกระจายแบบเบ้ (Skewed) หรือมีค่าสุดโต่ง และมักใช้ในการทดสอบทางสถิติแบบนอนพารามิเตอร์ (Non-parametric tests) ที่ไม่ได้อิงรูปแบบการแจกแจงข้อมูลแบบเฉพาะเจาะจง

คำถามที่พบบ่อยเกี่ยวกับค่าเฉลี่ย

จะหาค่าเฉลี่ยของชุดตัวเลขได้อย่างไร?

ให้นำตัวเลขทุกตัวมารวมกัน จากนั้นหารด้วยจำนวนตัวเลขทั้งหมดที่มี นั่นคือวิธีทั้งหมด: สำหรับตัวเลข 10, 2, 38 และ 23 ผลรวมคือ 73 และจำนวนข้อมูลคือ 4 ดังนั้นค่าเฉลี่ยจะเท่ากับ 73 ÷ 4 = 18.25 เครื่องคำนวณด้านบนจะแสดงทั้งสองส่วนของเศษส่วนนี้ควบคู่ไปกับผลลัพธ์ เพื่อให้มองเห็นขั้นตอนทางคณิตศาสตร์ได้อย่างชัดเจนโดยไม่ถูกซ่อนอยู่เบื้องหลังผลลัพธ์เพียงอย่างเดียว

จะคำนวณค่าเฉลี่ยเลขคณิตอย่างไร?

คำนวณด้วยวิธีเดียวกัน คำว่า "Mean" (ค่าเฉลี่ยเลขคณิต) และ "Average" (ค่าเฉลี่ย) หมายถึงตัวเลขเดียวกันในการใช้งานทั่วไป นั่นคือ ผลรวมหารด้วยจำนวนข้อมูล ซึ่งในทางวิชาการเรียกว่า ค่าเฉลี่ยเลขคณิต (Arithmetic Mean) การใช้คำว่า "Mean" เป็นที่นิยมในทางสถิติมากกว่า เนื่องจากมีค่าเฉลี่ยหลายประเภท (เช่น เลขคณิต, เรขาคณิต, ฮาร์มอนิก) และคำนี้จะช่วยแยกแยะพวกมันออกจากกัน ในขณะที่คำว่า "Average" ในภาษาพูดทั่วไปอาจหมายถึงค่ามัธยฐานหรือแม้แต่ฐานนิยมได้เช่นกัน

ค่าเฉลี่ย มัธยฐาน และฐานนิยม แตกต่างกันอย่างไร?

ทั้งสามค่านี้ตอบคำถามที่แตกต่างกันเกี่ยวกับชุดข้อมูลเดียวกัน ค่าเฉลี่ย (Mean) จะสร้างความสมดุลให้กับข้อมูลทุกตัว: เป็นจุดที่ระยะห่างด้านบนและด้านล่างหักล้างกันหมดพอดี ค่ามัธยฐาน (Median) จะแบ่งครึ่งจำนวนข้อมูล: ครึ่งหนึ่งของข้อมูลอยู่ต่ำกว่าค่านั้น และอีกครึ่งหนึ่งอยู่สูงกว่า และ ฐานนิยม (Mode) คือค่าที่ปรากฏบ่อยที่สุดในชุดข้อมูล ตัวอย่างเช่น สำหรับชุดข้อมูล 2, 3, 3, 4 และ 88 ค่าเฉลี่ยจะเท่ากับ 20 ค่ามัธยฐานคือ 3 และฐานนิยมคือ 3 ซึ่งคำตอบทั้งสามนี้มีความสมเหตุสมผลในการใช้อธิบาย "ค่าทั่วไปของข้อมูล" ซึ่งแสดงให้เห็นว่าเหตุใดเมื่อมีค่าสุดโต่งอย่าง 88 ปรากฏขึ้น จึงทำให้ค่าเฉลี่ยกลายเป็นค่าที่มีประโยชน์น้อยที่สุดในการอธิบายภาพรวม

จะหาค่าเฉลี่ยของเปอร์เซ็นต์ได้อย่างไร?

คุณจะหาค่าเฉลี่ยของเปอร์เซ็นต์โดยตรงได้ก็ต่อเมื่อเปอร์เซ็นต์เหล่านั้นอธิบายกลุ่มข้อมูลที่มีขนาดเท่ากันเท่านั้น หาก 40% ของทีมที่มีสมาชิก 10 คน และ 60% ของทีมที่มีสมาชิก 90 คน ตอบว่าใช่ ตัวเลขที่ถูกต้องและน่าเชื่อถือไม่ใช่ 50% แต่จะเป็น (0.40×10 + 0.60×90) / 100 = 58% ซึ่งนี่คือค่าเฉลี่ยถ่วงน้ำหนักโดยใช้ขนาดกลุ่มเป็นค่าน้ำหนัก ซึ่งเป็นสิ่งที่แท็บถ่วงน้ำหนัก (Weighted) ออกแบบมาให้ทำงานโดยเฉพาะ การเฉลี่ยเปอร์เซ็นต์ทั้งสองโดยตรงเสมือนเป็นตัวเลขธรรมดา จะเป็นการแอบอ้างว่าทั้งสองกลุ่มมีขนาดเท่ากันโดยปริยาย

จะหาค่าเฉลี่ยของเวลาได้อย่างไร?

ให้แปลงแต่ละช่วงเวลาให้เป็นหน่วยเดียวกันก่อน จากนั้นหาค่าเฉลี่ยของค่าเหล่านั้น แล้วจึงแปลงกลับ ตัวอย่างเช่น เวลาในการวิ่งสามรอบ ได้แก่ 1:45:30, 2:10:00 และ 1:58:15 รวมเป็น 21,225 วินาที เมื่อหารด้วยสามจะได้ 7,075 วินาที หรือคิดเป็น 1:57:55 แท็บเวลา (Time) จะทำหน้าที่แปลงข้อมูลเหล่านี้ให้คุณโดยอัตโนมัติ และยังรายงานผลลัพธ์เป็นชั่วโมงในรูปทศนิยม (1.9653 ชม.) ซึ่งเป็นรูปแบบที่ใบบันทึกเวลาทำงานและใบแจ้งหนี้ส่วนใหญ่ต้องการใช้งาน

ค่าเฉลี่ยสามารถมีค่ามากกว่าข้อมูลทุกตัวในชุดข้อมูลได้หรือไม่?

ไม่มีทาง ค่าเฉลี่ยจะตกอยู่ระหว่างค่าที่น้อยที่สุดและมากที่สุดในชุดข้อมูลเสมอ — นี่คือคุณสมบัติทางคณิตศาสตร์ ไม่ใช่เรื่องบังเอิญ หากคำนวณค่าเฉลี่ยออกมาแล้วอยู่นอกช่วงดังกล่าว แสดงว่ามีจุดผิดพลาดในการคำนวณ และค่าเฉลี่ยถ่วงน้ำหนักก็เป็นไปตามกฎนี้เช่นเดียวกัน ตราบใดที่ค่าน้ำหนักไม่เป็นค่าติดลบ ซึ่งเป็นหนึ่งในสาเหตุที่ค่าน้ำหนักที่ติดลบมักเป็นข้อผิดพลาดในการป้อนข้อมูลมากกว่าความตั้งใจในการสร้างแบบจำลองจริง

ทำไมค่าเฉลี่ยจึงอาจทำให้เข้าใจผิดในบางครั้ง?

เป็นเพราะค่าสุดโต่งเพียงตัวเดียวสามารถดึงค่าเฉลี่ยไปได้ทั้งหมด เช่น คนเก้าคนมีรายได้ 40,000 ดอลลาร์ และอีกคนหนึ่งมีรายได้ 1,000,000 ดอลลาร์ จะทำให้มีรายได้เฉลี่ยสูงถึง 136,000 ดอลลาร์ — ซึ่งเป็นตัวเลขที่ไม่ได้อธิบายความเป็นอยู่ของใครในห้องนั้นเลย ในขณะที่ค่ามัธยฐานซึ่งเท่ากับ 40,000 ดอลลาร์ สามารถอธิบายภาพรวมของคนเก้าในสิบคนได้อย่างดี ดังนั้น เมื่อใดก็ตามที่ข้อมูลมีการกระจายตัวแบบหางยาว ควรรายงานค่ามัธยฐานควบคู่ไปกับค่าเฉลี่ยเสมอ ซึ่งเครื่องคำนวณด้านบนจะรายงานทั้งสองค่านี้จากข้อมูลชุดเดียวกัน ทำให้คุณสามารถเปรียบเทียบข้อมูลได้อย่างง่ายดาย

เมื่อใดควรใช้ค่าเฉลี่ย

ค่าเฉลี่ยคือตัววัดแนวโน้มเข้าสู่ส่วนกลางที่เหมาะสมที่สุด เมื่อชุดข้อมูลมีการแจกแจงแบบสมมาตรและ "ไม่มีค่าสุดโต่ง (Outliers)" ถือเป็นตัวชี้วัดจุดศูนย์กลางของข้อมูลที่เชื่อถือได้เนื่องจากรวมเอาข้อมูลทุกตัวเข้ามาคำนวณ อย่างไรก็ตาม หากชุดข้อมูลมีค่าสุดโต่ง อาจเป็นการดีกว่าที่จะตัดค่าเหล่านั้นออกก่อนคำนวณ เพื่อให้ได้ค่าเฉลี่ยที่สะท้อนถึงภาพรวมข้อมูลได้อย่างแม่นยำที่สุด

เมื่อใดควรใช้ค่ามัธยฐาน

ค่ามัธยฐานคือตัววัดแนวโน้มเข้าสู่ส่วนกลางที่ควรเลือกใช้เมื่อต้องรับมือกับข้อมูลที่มีการแจกแจงแบบเบ้ (Skewed Distribution) หรือมีค่าสุดโต่งปะปนอยู่ เนื่องจากค่ามัธยฐานเป็นเพียงค่าที่อยู่ตรงกลางของชุดข้อมูลที่เรียงลำดับแล้ว จึงไม่ได้รับผลกระทบจากค่าที่สูงหรือต่ำผิดปกติ ซึ่งแตกต่างจากค่าเฉลี่ยอย่างสิ้นเชิง ในกรณีเช่นนี้ ค่ามัธยฐานจะให้ค่ากลางที่สะท้อนถึงข้อมูลส่วนใหญ่ได้ดีกว่าโดยไม่ถูกบิดเบือน

มาลองปรับเปลี่ยนตัวอย่างเดิมของเรา เพื่อทำความเข้าใจเกี่ยวกับผลกระทบของ "ค่าสุดโต่ง" กัน

ตัวอย่าง

สมมติว่า Jasmine สอบวิชาการศึกษานานาชาติได้เพียง 15 คะแนน แทนที่จะเป็น 92 คะแนน คะแนนเฉลี่ยใหม่ของวิชาเรียนในภาคการศึกษาที่แล้วของ Jasmine จะเป็นเท่าใด?

วิชา	คะแนน
การจัดการ	84
การสื่อสาร	90
การบัญชี	75
เศรษฐศาสตร์	60
สถิติธุรกิจ	85
การศึกษานานาชาติ	15
คณิตศาสตร์	81

วิธีแก้

คะแนนเฉลี่ย = ΣX / N = (84+90+75+60+85+15+81)/7 = 490/7 = 70

คะแนนเฉลี่ยใหม่ลดลงเหลือเพียง 70 (ร่วงลงจากเดิมที่ 81 หายไปถึง 11 คะแนน) คุณจะเห็นได้ชัดเจนเลยว่าค่าสุดโต่งส่งผลกระทบต่อค่าเฉลี่ยอย่างรุนแรงแค่ไหน

ในสถานการณ์เช่นนี้ ค่ามัธยฐานของข้อมูลจะถือเป็นการวัดแนวโน้มเข้าสู่ส่วนกลางที่เหมาะสมมากกว่าค่าเฉลี่ย เพื่อให้เข้าใจสิ่งนี้ชัดเจนยิ่งขึ้น เรามาลองคำนวณค่ามัธยฐานสำหรับทั้งตัวอย่างแบบดั้งเดิมและแบบที่ถูกปรับเปลี่ยนกัน

ตัวอย่าง

ตารางด้านล่างแสดงคะแนนเดิมของ Jasmine ทั้ง 7 วิชาจากภาคการศึกษาที่แล้ว ค่ามัธยฐานของคะแนนสอบวิชาเรียนในภาคเรียนที่แล้วของ Jasmine คือเท่าไร?

วิชา	คะแนน
การจัดการ	84
การสื่อสาร	90
การบัญชี	75
เศรษฐศาสตร์	60
สถิติธุรกิจ	85
การศึกษานานาชาติ	92
คณิตศาสตร์	81

วิธีแก้

ในขั้นตอนแรก เราจะต้องนำคะแนนทั้งหมดมาจัดเรียงลำดับข้อมูลเสียก่อน คุณสามารถเรียงลำดับจากน้อยไปมากหรือจากมากไปน้อยก็ได้ตามต้องการ

60, 75, 81, 84, 85, 90, 92

$$ตำแหน่งของมัธยฐาน = \left( \frac{n+1}{2} \right)^{ที่} = \left( \frac{7+1}{2} \right)^{ที่} = ที่4$$

ต่อไป เราจะมาดูกันว่าข้อมูลในตำแหน่งที่ 4 ของชุดข้อมูลนี้คืออะไร ซึ่งก็คือ 84 ดังนั้น ค่ามัธยฐานของชุดข้อมูลนี้จึงเท่ากับ 84 ทีนี้ เรามาหาค่ามัธยฐานของชุดข้อมูลที่ถูกปรับให้มีค่าสุดโต่งดูกันบ้าง

ตัวอย่าง

สมมติว่า Jasmine ได้รับ 15 คะแนน แทนที่จะเป็น 92 คะแนน สำหรับวิชาการศึกษานานาชาติ คะแนนมัธยฐานใหม่ของวิชาที่ Jasmine เรียนในภาคการศึกษาที่แล้วจะเป็นเท่าใด?

วิชา	คะแนน
การจัดการ	84
การสื่อสาร	90
การบัญชี	75
เศรษฐศาสตร์	60
สถิติธุรกิจ	85
การศึกษานานาชาติ	15
คณิตศาสตร์	81

วิธีแก้

ในขั้นตอนแรก เราจะต้องนำคะแนนทั้งหมดมาจัดเรียงลำดับข้อมูลเสียก่อน โดยเราจะเรียงลำดับข้อมูลจากน้อยไปมาก

15, 60, 75, 81, 84, 85, 90

$$ตำแหน่งของมัธยฐาน = \left( \frac{n+1}{2} \right)^{ที่} = \left( \frac{7+1}{2} \right)^{ที่} = ที่4$$

ตอนนี้เราจะมาดูกันว่าข้อมูลในตำแหน่งที่ 4 ของชุดข้อมูลคืออะไร ซึ่งก็คือ 81 และนี่คือค่ามัธยฐานใหม่ของชุดข้อมูลนี้

จะเห็นได้ว่า แม้ชุดข้อมูลจะมีค่าสุดโต่งในกรณีนี้ แต่ค่ามัธยฐานก็แทบไม่ได้รับผลกระทบ โดยเปลี่ยนแปลงเพียงเล็กน้อยจาก 84 เป็น 81 (ต่างจากค่าเฉลี่ยที่ร่วงลงอย่างรุนแรงถึง 11 คะแนน)