Calculator ng Average

Pinapadali ng aming online average calculator ang pagkuha sa mean ng anumang dataset. I-type, i-copy, o i-paste lamang ang iyong mga numero sa input box, at siguraduhing bawat data point ay nakahiwalay sa pamamagitan ng kuwit (comma). Kapag handa na ang iyong data, i-click ang "Calculate" na button.

Agad na ipapakita ng mean calculator na ito ang average (arithmetic mean), mga detalyadong hakbang sa pagkalkula, at iba pang mahalagang kaugnay na statistics para sa iyong dataset.

Ang Average

Sa matematika at statistics, ang average ay tinutukoy bilang mean ng mga value sa loob ng isang dataset. Dahil ang bawat indibidwal na value ay isinasama sa kalkulasyon, ang average ay nagsisilbing isang napakatumpak na representasyon ng buong dataset. Malawak itong kinikilala bilang isa sa mga pinakapangunahing panukat ng central tendency o summary statistics.

Bagama't ang simpleng arithmetic mean ang pinakakaraniwang uri ng average, may iba pang mga variation na umiiral. Kabilang dito ang geometric mean, weighted average, combined arithmetic average, at harmonic mean.

Sa statistical notation, ang average ng isang populasyon ay kinakatawan ng letrang Griyego na μ (Mu), habang ang average ng isang sample ay tinutukoy ng X̄ (X-bar).

Simpleng Average

Ang simpleng average—na madalas ding tawagin na mean o arithmetic mean—ay kinakalkula sa pamamagitan ng pagdaragdag ng lahat ng value sa isang dataset at paghahati (dividing) ng kabuuang ito sa kabuuang bilang ng mga data point.

Para makalkula ang average ng isang populasyon, gamitin ang sumusunod na formula:

μ = Kabuuan ng mga value ng data set / Kabuuang bilang ng mga data value sa populasyon = ΣX / N

Para makalkula ang average ng isang sample, gamitin ang formula na ito:

X̄ = Kabuuan ng mga value ng data set / Kabuuang bilang ng mga data value sa sample = ΣX/n

Alamin natin kung paano kunin ang average gamit ang isang praktikal na halimbawa.

Halimbawa

Ang mga marka ni Jasmine sa pitong subject mula sa kanyang nakaraang semester ay ipinapakita sa talahanayan sa ibaba. Ano ang simpleng average ng mga marka ni Jasmine sa mga subject?

Solusyon

Ang average na marka = ΣX / N = (84 + 90 + 75 + 60 + 85 + 92 + 81) / 7 = 567 / 7 = 81

Ang average ay isang konseptong naiintindihan ng lahat. Araw-araw kang nakakarinig tungkol sa average na kita, average na halaga ng produksyon, average na pagpepresyo, average na marka sa pagsusulit, at average na pagkonsumo sa gasolina. Kahit sa pang-araw-araw na buhay, ang pagkalkula ng simpleng arithmetic mean ay isang karaniwang gawain, na madalas ding tinatawag na ideal average.

Gayunpaman, sa mga partikular na sitwasyong istatistikal, may iba pang mga panukat ng central tendency na mas angkop. Tuklasin natin ang mga alternatibong ito.

Geometric Mean

Kapag sinusuri ang mga average growth rate (karaniwang rate ng paglago) sa paglipas ng panahon, nagkukulang ang pamantayang arithmetic mean. Sa halip, ang geometric mean—na malawakang ginagamit sa accounting at pananalapi para sa mga kalkulasyong gaya ng compound interest—ay isang mas mahusay na sukatan. Ito ay dahil ang mga growth rate ay dumadami nang pinarami (multiplicative), hindi idinadagdag (additive).

Ang geometric mean ay tinutukoy bilang ang nth root ng produkto ng n na numero. Kinakalkula ito sa pamamagitan ng pagpaparami (multiplying) ng lahat ng value nang sama-sama at pagkatapos ay pagkuha sa nth root ng produktong iyon (kung saan ang n ay ang kabuuang bilang ng mga item sa iyong dataset). Napakagamit nito lalo na para sa pag-average ng mga ratio, porsyento, at exponential na mga growth rate.

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

Kunin natin ang geometric mean gamit ang mga marka ni Jasmine mula sa nakaraang halimbawa:

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

Sa matematika, ang geometric mean ay palaging katumbas o mas mababa kaysa sa simpleng average (arithmetic mean).

Sa aming halimbawa:

Geometric Mean ≤ Ang average

80.31 < 81

Tandaan: Ang aming versatile na online average calculator ay hindi lamang nagkukwenta ng arithmetic mean—walang kahirap-hirap din nitong kinakalkula ang geometric mean ng iyong dataset!

Weighted Average

Sa isang standard na arithmetic mean, ang bawat value ay may eksaktong parehong bigat o kahalagahan. Gayunpaman, ang data sa totoong buhay ay madalas na nangangailangan sa atin na magtalaga ng iba't ibang antas ng importansya sa iba't ibang mga value.

Sa aming nakaraang halimbawa, kinalkula namin ang average sa pamamagitan lamang ng pagdaragdag ng mga marka at paghahati nito sa bilang ng mga subject. Hindi namin isinaalang-alang ang posibilidad na ang ilang mga subject ay maaaring may mas mabigat na akademikong timbang kaysa sa iba.

Kapag mahalaga ang relatibong importansya ng bawat item, kailangan mong gumamit ng weighted average. Para makalkula ang isang weighted average, i-multiply ang bawat data value sa nakatalagang timbang nito para makuha ang "weighted value." Pagkatapos, hatiin ang kabuuan ng mga weighted value na ito sa kabuuang sum ng mga weight (timbang).

Gamitin ang sumusunod na formula para makuha ang weighted average:

Ang weighted average = Kabuuan ng mga weighted value / Kabuuan ng mga weight = ΣWX / ΣW

Halimbawa

Ipagpalagay natin na ang bawat isa sa mga subject ni Jasmine ay may magkakaibang akademikong bigat o weight. Narito ang na-update na data table para sa kanyang 7 subject mula sa nakaraang semester.

Weighted average ng mga marka ni Jasmine mula sa nakaraang semester:

Solusyon

Ang weighted average na marka = 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

Ang Median

Ang median ay ang eksaktong gitnang value ng isang dataset kapag ito ay inayos sa numerikong pagkakasunud-sunod—maging ascending (pinakamababa pataas) o descending (pinakamataas pababa). Sa madaling salita, ang median ay ang mismong punto na humahati sa isang data array (isang sequence ng inayos na raw data) sa dalawang pantay na bahagi. Dahil dito, 50% ng mga data point ay nasa ibaba ng median, at 50% ay nasa itaas nito.

Paraan ng Pagkalkula sa Median

Para makuha ang median nang mano-mano, kailangan mo munang tukuyin ang posisyon nito sa loob ng iyong inayos na dataset gamit ang formula na ito:

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item$$

Dito, ang "n" ay tumutukoy sa kabuuang bilang ng item sa dataset.

Kung ang iyong dataset ay naglalaman ng gansal (odd) na bilang ng mga item, ang median ay simpleng value na matatagpuan mismo sa gitnang posisyong ito. Gayunpaman, kung ang dataset ay may pares (even) na bilang ng mga item, ang median ay kinakalkula sa pamamagitan ng paghahanap sa simpleng average ng dalawang pinakagitnang numero.

Mga Pagkakaiba sa Pagitan ng Mean at Median

1. Ang mean (average) ay kinakalkula sa pamamagitan ng pag-add sa lahat ng value sa isang dataset at pag-divide nito sa kabuuang bilang ng mga obserbasyon, na nagbibigay ng bilang kung saan kasama ang laki ng bawat indibidwal na data point. Sa kabilang banda, ang median ay tiyak na nasa gitnang value sa isang nakaayos na listahan. Nagbibigay ito ng sentrong punto ng paghahati ngunit hindi isinasaalang-alang ang mismong laki ng mga nakapaligid na numero.

2. Parehong maaaring visual na matantya ang dalawang metric na ito mula sa mga graphical na representasyon ng data. Sa isang symmetric distribution, ang mean ay mabilis na matatantya dahil ito ay direktang nasa gitna. Sa kabaligtaran, ang median ay madaling matukoy bilang ang gitnang linya sa loob ng isang box plot.

3. Parehong may mahalagang papel ang mean at ang median sa advanced statistical analysis. Ang mean ay malawakang ginagamit para sa mga data na may normal distribution at walang mga outlier, na bumubuo sa pundasyon para makalkula ang variance at standard deviation. Ang median, gayunpaman, ay nangingibabaw bilang isang panukat ng central tendency kapag ang data ay matindi ang pagka-skewed o maraming mga outlier. Malawak itong ginagamit sa mga non-parametric statistical test kung saan ang mga partikular na distribution ng data ay hindi ipinapalagay.

Kailan Dapat Gamitin ang Mean

Ang mean ay ang pinakaangkop na panukat ng central tendency kapag ang iyong dataset ay nagtatampok ng symmetric distribution na walang mga makabuluhang outlier. Dahil isinasama nito ang bawat indibidwal na numerical value, nagsisilbi itong isang lubos na mapagkakatiwalaang indikasyon para sa gitna ng data. Subalit, kung ang iyong dataset ay naglalaman ng malalaking outlier, maaaring kailanganin mong alisin ang mga ito bago kalkulahin ang mean upang matiyak ang tamang representasyon ng tunay na central tendency.

Kailan Dapat Gamitin ang Median

Ang median ay ang mas pinapaborang panukat ng central tendency kapag nakikitungo sa mga skewed distribution o mga dataset na naglalaman ng mga extreme outlier. Dahil pinupuntirya lang ng median ang gitnang value ng isang nakabukod na listahan (sorted list), nananatili itong ganap na hindi apektado ng mga hindi pangkaraniwang mataas o mababang numero. Sa mga sitwasyong ito, ang median ay nagbibigay ng mas tumpak na representasyon ng "tipikal" na value sa karamihan ng data.

I-modify natin ang ating orihinal na halimbawa para ipakita kung paano nakakaapekto ang mga outlier sa mga kalkulasyong ito.

Halimbawa

Isipin na nakakuha si Jasmine ng malaking ibinabang marka na 15 para sa International Studies sa halip na 92. Ano ang bagong average ng mga marka sa kanyang mga subject noong nakaraang semester?

Solusyon

Ang average na marka = ΣX / N = (84+90+75+60+85+15+81)/7 = 490/7 = 70

Bumulusok sa 70 ang bagong average na marka ni Jasmine. Isang matinding outlier (ang markang 15) ang humatak pababa sa kanyang average ng 11 buong puntos. Perpekto itong naglalarawan kung paano matinding naapektuhan at na-skew ng mga outlier ang isang arithmetic mean.

Sa mga sitwasyong gaya nito, mas nagsisilbing mapagkakatiwalaang metric ang median. Upang patunayan ito, kalkulahin natin ang median para sa parehong orihinal at na-modify na mga dataset.

Halimbawa

Ang talahanayan sa ibaba ay nagpapakita ng mga orihinal na marka ni Jasmine para sa kanyang pitong subject. Ano ang median ng mga markang ito?

Solusyon

Una, dapat nating ayusin ang lahat ng marka sa isang ordered array. Maaari mo silang ayusin sa ascending o descending na pagkakasunud-sunod. Ayusin natin sila sa ascending order:

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

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

Kasunod nito, tutukuyin natin ang ika-4 na item sa ating sorted na dataset, at ito ay 84. Samakatuwid, ang median ng dataset na ito ay 84.

Ngayon, kalkulahin natin ang median ng na-modify na dataset na kasama ang outlier.

Halimbawa

Ipagpalagay nating nakakuha si Jasmine ng 15 sa halip na 92 para sa International Studies. Ano ang bagong median na marka para sa mga subject na kinuha ni Jasmine noong nakaraang semester?

Solusyon

Muli, ang aming unang hakbang ay ayusin ang lahat ng marka bilang isang array sa ascending order (pataas).

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

$$The\ position\ of\ the\ median = \left( \frac{n+1}{2} \right)^{th}item = \left( \frac{7+1}{2} \right)^{th}item = 4^{th}item$$

Ngayon, titingnan natin ang ika-4 na item ng aming bagong dataset. Ito ay 81, na siyang kumakatawan sa bagong median ng dataset.

Gaya ng iyong nakikita, kahit na may napakalaking outlier na inilagay sa dataset, ang median ay lubhang nakatiis at matatag, bahagyang gumalaw lamang mula 84 patungong 81 (hindi tulad ng average, na labis na bumulusok pababa nang 11 puntos).