Занимательная математика. Среднее значение

В 1906 году великий ученый и известный специалист по евгенике Фрэнсис Гальтон посетил ежегодную выставку достижений животноводства и птицеводства в западной Англии, где совершенно случайно провел интересный эксперимент.

Как отмечает Джеймс Суровецки, автор книги «Мудрость толпы», на ярмарке Гальтона заинтересовало одно соревнование, в рамках которого люди должны были угадать вес забитого быка. Назвавший наиболее близкое к истинному число объявлялся победителем.

Гальтон был известен своим презрением к интеллектуальным способностям обычных людей. Он считал, что только настоящие эксперты смогут сделать точные утверждения о весе быка. А 787 участников соревнования не были экспертами.

Ученый собирался доказать некомпетентность толпы, вычислив среднее число из ответов участников. Каково же было его удивление, когда оказалось, что полученный им результат почти в точности соответствовал настоящему весу быка!

Среднее значение — позднее изобретение

Конечно, точность ответа поразила исследователя. Но еще более примечательным является тот факт, что Гальтон вообще догадался воспользоваться средним значением.

В сегодняшнем мире средние, и так называемые медианные показатели встречаются на каждом шагу: средняя температура в Нью-Йорке в апреле равняется 52 градусам по Фаренгейту; Стивен Карри в среднем зарабатывает 30 очков за игру; медианный семейный доход в США составляет $51 939/год.

Однако же идея о том, что множество различных результатов можно репрезентировать одним числом, довольна нова. До 17-ого века средние числа вообще не использовались.

Каким же образом появилась и развилась концепция средних и медианных значений? И как ей удалось стать главной измерительной методикой в наше время?

Преобладание средних значений над медианными имело далеко идущие последствия для на нашего понимания информации. И нередко оно приводило людей в заблуждение.

Среднее и медианное значения

Представьте, что вы рассказываете историю о четырех людях, ужинавших прошлым вечером с вами в ресторане. Одному из них вы бы дали 20 лет, другому — 30, третьему — 40, а четвертому — 50. Что вы скажете об их возрасте в своей истории?

Скорее всего, вы назовете их средний возраст.

Среднее значение часто используется для передачи информации о чем-либо, а также для описания некоего множества измерений. Технически, среднее значение — это то, что математики называют «средним арифметическим» — сумма всех измерений, разделенная на число измерений.

Хотя слово «среднее» (average) часто используется как синоним слова «медианное» (median), последним чаще обозначается середина чего-либо. Это слово происходит от латинского «medianus», что значит «середина».

Медианное значение в Древней Греции

История медианного значения берет свое начало с учения древнегреческого математика Пифагора. Для Пифагора и его школы медиана имела четкое определение и сильно отличалась от того, как мы понимаем среднее значение сегодня. Оно использовалось только в математике, а не в анализе данных.

В школе пифагорейцев медианное значение было средним числом в трехчленной последовательности чисел, находящемся в «равном» отношении с соседними членами. «Равное» отношение могло означать одинаково расстояние. Например, число 4 в ряду 2,4,6. Однако оно также могло выражать геометрическую прогрессию, например 10 в последовательности 1,10,100.

Статистик Черчилль Эйзенхарт объясняет, что в Древней Греции, медианное значение не использовалось в качестве репрезентирующего или заменяющего какой-либо набор чисел. Оно просто обозначало середину, и часто использовалось в математических доказательствах.

Эйзенхарт посвятил целых десять лет изучению среднего и медианного значений. Изначально он пытался отыскать репрезентирующую функцию медианы в ранних научных построениях. Однако вместо этого он обнаружил, что большинство ранних физиков и астрономов опирались на единичные, умело проведенные измерения, и у них не было методологии, позволявшей выбрать лучший результат среди множества наблюдений.

Современные исследователи основывают свои выводы на сборе больших объемов данных, как, например, биологи, изучающие человеческий геном. Древние ученые же могли провести несколько измерений, но выбирали лишь самое лучшее для построения своих теорий.

Как писал историк астрономии Отто Нойгебауэр, «это согласуется с осознанным стремлением античных людей минимизировать количество эмпирических данных в науке, потому что они не верили в точность непосредственных наблюдений».

Например, греческий математик и астроном Птолемей вычислил угловой диаметр Луны, используя метод наблюдения и теорию движения земли. Его результат был равен 31’20. Сегодня же мы знаем, что диаметр Луны колеблется от 29’20 до 34’6 в зависимости от расстояния от Земли. Птолемей в своих вычислениях использовал мало данных, но у него были все основания полагать, что они были точными.

Эйзенхарт пишет: «Необходимо иметь в виду, что связь между наблюдением и теорией в античности была иной, нежели сегодня. Результаты наблюдений понимались не как факты, под которые должна подстраиваться теория, но как конкретные случаи, которые могут быть полезны лишь в качестве иллюстративных примеров истинности теории»

В конце концов, ученые обратятся к репрезентативным измерениям данных, но изначально ни средние, ни медианные значения не использовались в этой роли. Со времен античности до сегодняшнего дня в качестве такого репрезентативного средства использовался другой математический концепт — полусумма крайних значений.

Полусумма крайних значений

Новые научные средства почти всегда возникают из необходимости решить определенную задачу в какой-либо дисциплине. Необходимость найти лучшее значение среди множества измерений возникло из потребности точно определить географическое положение.

Интеллектуальный гигант 11-ого века Аль-Бируни известен как один из первых людей, использовавших методологию репрезентирующих значений. Аль-Бируни писал, что когда в его распоряжении было множество измерений, и он хотел найти лучшее среди них, он использовал следующее «правило»: нужно отыскать число, соответствующее середине между двумя крайними значениями. При вычислении полусуммы крайних значений не принимаются во внимание все числа между максимальным и минимальным значениями, а находится среднее только для этих двух чисел.

Аль-Бируни применял этот метод в разных областях, в том числе для вычисления долготы города Газни, что находится на территории современного Афганистана, а также в своих исследованиях свойств металлов.

Однако в последние несколько веков полусумма крайних значений используется все реже. На самом деле, в современной науке она и вовсе не актуальна. На место полусуммы пришло медианное значение.

Переход к средним значениям

К началу 19-ого века использование медианного/среднего значения стало распространенным методом нахождения наиболее точно репрезентирующего значения из группы данных. Фридрих фон Гаусс, выдающийся математик своего времени, в 1809-ом году писал: «Считалось, что если некоторое число было определено несколькими прямыми наблюдениями, совершенными в одинаковых условиях, то среднее арифметическое значение является наиболее истинным значением. Если оно и не совсем строгое, то, по крайней мере, оно близко к действительности, и поэтому на него всегда можно положиться».

Почему произошел подобный сдвиг в методологии?

На этот вопрос довольно трудно ответить. В своем исследовании Черчилль Эйзенхарт предполагает, что метод нахождения среднего арифметического мог зародиться в области измерения магнитного отклонения, то есть в отыскании отличия между направлением стрелки компаса, указывающей на север, и реальным севером. Это измерение было крайне важным в эпоху Великих Географических Открытий.

Эйзенхарт выяснил, что до конца 16-ого века большинство измерявших магнетическое отклонение ученых использовали метод ad hoc (от лат. «к этому, для данного случая, для этой цели») при выборе наиболее точного измерения.

Но в 1580-ом году ученый Уильям Боро подошел к проблеме иначе. Он взял восемь различных измерений отклонения и, сравнив их, пришел к выводу, что наиболее точное значение было между 11 ⅓ и 11 ¼ градусами. Вероятно, он вычислил среднее арифметическое, которое находилось в этом диапазоне. Однако сам Боро открыто не называл свой подход новым методом.

До 1635-ого года вообще не было однозначных случаев использования среднего значения в качестве репрезентирующего числа. Однако именно тогда английский астроном Генри Геллибренд взял два различных результата измерения магнетического отклонения. Одно из них было сделано утром (11 градусов), а другое — днем (11 градусов и 32 минуты). Вычисляя наиболее истинное значение, он писал:

«Если мы найдем среднее арифметическое, мы с большой вероятностью можем утверждать, что результат точного измерения должен быть около 11 градусов 16 минут».

Вполне вероятно, что это был первый случай использования среднего значения как наиболее близкого к истинному!

Слово «среднее» (average) применялось в английском языке в начале 16-ого века для обозначения финансовых потерь от ущерба, которое получило судно или перевозимый груз во время плавания. В течение следующих ста лет оно обозначало именно эти потери, которые высчитывались как среднее арифметическое. Например, если корабль во время плавания был поврежден, и команде приходилось выбрасывать за борт некоторые товары, чтобы сохранить вес судна, инвесторы несли финансовые потери, эквивалентные сумме их инвестиции — эти потери вычислялись так же, как среднее арифметическое. Так постепенно значения среднего (average) и среднего арифметического сближались.

Медианное значение

В наши дни среднее значение или среднее арифметическое используются как основной способ для выбора репрезентативного значения множества измерений. Как же это произошло? Почему эта роль не была отведена медианному значению?

Френсис Гальтон был чемпионом медианного значения

Термин «медианное значение» (median) — средний член в ряде чисел, разделяющий этот ряд наполовину — появился примерно в то же время, что и среднее арифметическое. В 1599-ом году математик Эдвард Райт, работавший над проблемой нормального отклонения в компасе, впервые предложил использовать медианное значение.

«…Допустим, множество лучников стреляют в некоторую мишень. Цель впоследствии убирают. Каким образом можно узнать, где была цель? Нужно найти среднее место между всеми стрелами. Аналогично, среди множества результатов наблюдений ближе всего к истине будет то, которое находится посередине».

Медианное значение широко использовалось в девятнадцатом столетии, став обязательной частью любого анализа данных в то время. Им также пользовался и Френсис Гальтон, выдающийся аналитик девятнадцатого века. В истории о взвешивании быка, рассказанной вначале этой статьи, Гальтон изначально использовал медианное значение как представляющее мнение толпы.

Множество аналитиков, включая Гальтона, предпочитали медианное значение, поскольку его легче рассчитать для небольших наборов данных.

Тем не менее, медианное значение никогда не было более популярным, чем среднее. Скорее всего, это произошло из-за особых статистических свойств, присущих среднему значению, а также его отношения к нормальному распределению.

Связь среднего значения и нормального распределения

Когда мы проводим множество измерений, их результаты, как говорят статистики, «нормально распределены». Это значит, что если эти данные нанести на график, то точки на нем будут изображать нечто похожее на колокол. Если их соединить, получится «колоколообразная» кривая. Нормальному распределению соответствуют многие статистические данные, например, рост людей, показатель интеллекта, а также показатель самой высокой годовой температуры.

Когда данные нормально распределены, среднее значение будет очень близким к высшей точке на колоколообразной кривой, и очень большое количество измерений будет близким к среднему значению. Существует даже формула, предсказывающая, как много результатов измерений будут находиться на некотором расстоянии от среднего значения.

Таким образом, вычисление среднего значения дает исследователям много дополнительной информации.

Связь среднего значения со стандартным отклонением дает ему большое преимущество, ведь у медианного значения такой связи нет. Эта связь — важная часть анализа экспериментальных данных и статистической обработки информации. Именно поэтому среднее значение стало ядром статистики и всех наук, полагающихся в своих заключениях на множественные данные.

Преимущество среднего значения также связано с тем, что оно легко вычисляется компьютерами. Хотя медианное значение для небольшой группы данных довольно легко вычислить самостоятельно, все же намного проще написать компьютерную программу, которая находила бы среднее значение. Если вы пользуетесь Microsoft Excel, то наверняка знаете, что медианную функцию не так просто рассчитать, как функцию среднего значения.

В итоге, благодаря большому научному значению и простоте использования среднее значение стало главной репрезентативной величиной. Тем не менее, этот вариант далеко не всегда является самым лучшим.

Преимущества медианного значения

Во многих случаях, когда мы хотим вычислить центральное значение распределения, медианное значение является лучшим показателем. Так происходит потому, что среднее значение во многом определяется крайними результатами измерений.

Многие аналитики считают, что бездумное использование среднего значения отрицательно сказывается на нашем понимании количественной информации. Люди смотрят на среднее значение и думают, что это «норма». Но на самом деле оно может быть определено каким-нибудь одним сильно выдающимся из однородного ряда членом.

Представьте себе аналитика, желающего узнать репрезентативное значение для стоимости пяти домов. Четыре дома стоят $100,000, а пятый — $900,000. Среднее значение, таким образом, будет равняться $200,000, а медианное — $100,000. В этом, как и во многих других случаях, медианное значение дает лучшее понимание того, что можно назвать «стандартом».

Понимая, насколько сильно крайние значения могут сказаться на среднем, для отражения изменений в семейных доходах США используется медианное значение.

Медианные показатель также менее чувствителен к «грязным» данным, с которыми сегодня имеют дело аналитики. Многие статистики и аналитики собирают информацию, опрашивая людей в интернете. Если пользователь случайно добавит в ответ лишний ноль, который превратит 100 в 1000, то эта ошибка намного сильнее скажется на среднем значении, чем на медианном.

Среднее или медианное?

Выбор между медианным и средним значением имеет далеко идущие последствия — от нашего понимания влияния лекарств на здоровье до знаний относительно того, какой семейный бюджет можно назвать стандартным.

Поскольку сбор и анализ данных все больше определяет то, как мы понимаем мир, растет и значение используемых нами величин. В идеальном мире аналитики использовали бы и среднее, и медианное значение для графического выражения данных.

Но мы живем в условиях ограниченного времени и внимания. Из-за этих ограничений часто нам необходимо выбрать лишь что-то одно. И во многих случаях предпочтительней именно медианное значение.

Материал из Википедии - свободной энциклопедии

Сре́днее значе́ние - числовая характеристика множества чисел или функций (в математике); - некоторое число, заключённое между наименьшим и наибольшим из их значений.

Основные сведения

Исходным пунктом становления теории средних величин явилось исследование пропорций школой Пифагора . При этом не проводилось строгого различия между понятиями средней величины и пропорции . Значительный толчок развитию теории пропорций с арифметической точки зрения был дан греческими математиками - Никомахом Герасским (конец I - начало II в. н. э.) и Паппом Александрийским (III в. н. э.). Первым этапом развития понятия средней является этап, когда средняя стала считаться центральным членом непрерывной пропорции. Но понятие средней как центрального значения прогрессии не дает возможности вывести понятие средней по отношению к последовательности n членов, независимо от того, в каком порядке они следуют друг за другом. Для этой цели необходимо прибегнуть к формальному обобщению средних. Следующий этап - переход от непрерывных пропорций к прогрессиям - арифметической , геометрической и гармонической (англ. ) .

Каждый из видов средней может выступать либо в форме простой, либо в форме взвешенной средней. Правильность выбора формы средней вытекает из материальной природы объекта исследования . Формулы простых средних применяются в случае, если индивидуальные значения усредняемого признака не повторяются. Когда в практических исследованиях отдельные значения изучаемого признака встречаются несколько раз у единиц исследуемой совокупности, тогда частота повторений индивидуальных значений признака присутствует в расчетных формулах степенных средних. В этом случае они называются формулами взвешенных средних.

Иерархия средних значений в математике

среднее значение функции - понятие, определяемое многими способами.
- Более конкретно, но на основе произвольных функций, определяются средние Колмогорова для набора чисел.
  - среднее степенное - частный случай средних Колмогорова при \phi(x)=x^\alpha. Средние различных степеней связывает между собой неравенство о средних . Наиболее распространённые частные случаи:
    1. среднее арифметическое ( $\alpha=1$ );
    2. среднее квадратическое ( $\alpha=2$ );
    3. среднее гармоническое ( $\alpha=-1$ );
    4. по непрерывности при $\alpha\to 0$ доопределяется среднее геометрическое , которое также является Колмогоровским средним при $\phi(x)=\log x$
Среднее взвешенное - обобщение средней величины на случай произвольной линейной комбинации :
среднее хронологическое - обобщает значения признака для одной и той же единицы или совокупности в целом, изменяющихся во времени.
среднее логарифмическое, определяемое по формуле $\bar a = \frac{a_1 - a_2}{\ln(a_1/a_2)}$ , используется в теплотехнике
среднее логарифмическое, определяемое в электроизоляции соответствии с ГОСТ 27905.4-88 определяется как $log\bar a = \frac{\log a_1+log a_2+...+...log a_n}{a_1+a_2+...+a_n}$ (логарифм по любому основанию)

В теории вероятностей и статистике

непараметрические средние - мода , медиана .
среднее значение случайной величины - то же, что математическое ожидание случайной величины. По сути - среднее значение её функции распределения.

См. также

Напишите отзыв о статье "Среднее значение"

Примечания

Статистические показатели

Описательная
статистика

Статистический
вывод и
проверка
гипотез







Общая оценка

Корреляция и
регрессия

Графические
методы

Отрывок, характеризующий Среднее значение

Он интересовался пустяками, шутил о любви к путешествиям Боссе и небрежно болтал так, как это делает знаменитый, уверенный и знающий свое дело оператор, в то время как он засучивает рукава и надевает фартук, а больного привязывают к койке: «Дело все в моих руках и в голове, ясно и определенно. Когда надо будет приступить к делу, я сделаю его, как никто другой, а теперь могу шутить, и чем больше я шучу и спокоен, тем больше вы должны быть уверены, спокойны и удивлены моему гению».
Окончив свой второй стакан пунша, Наполеон пошел отдохнуть пред серьезным делом, которое, как ему казалось, предстояло ему назавтра.
Он так интересовался этим предстоящим ему делом, что не мог спать и, несмотря на усилившийся от вечерней сырости насморк, в три часа ночи, громко сморкаясь, вышел в большое отделение палатки. Он спросил о том, не ушли ли русские? Ему отвечали, что неприятельские огни всё на тех же местах. Он одобрительно кивнул головой.
Дежурный адъютант вошел в палатку.
– Eh bien, Rapp, croyez vous, que nous ferons do bonnes affaires aujourd"hui? [Ну, Рапп, как вы думаете: хороши ли будут нынче наши дела?] – обратился он к нему.
– Sans aucun doute, Sire, [Без всякого сомнения, государь,] – отвечал Рапп.
Наполеон посмотрел на него.
– Vous rappelez vous, Sire, ce que vous m"avez fait l"honneur de dire a Smolensk, – сказал Рапп, – le vin est tire, il faut le boire. [Вы помните ли, сударь, те слова, которые вы изволили сказать мне в Смоленске, вино откупорено, надо его пить.]
Наполеон нахмурился и долго молча сидел, опустив голову на руку.
– Cette pauvre armee, – сказал он вдруг, – elle a bien diminue depuis Smolensk. La fortune est une franche courtisane, Rapp; je le disais toujours, et je commence a l"eprouver. Mais la garde, Rapp, la garde est intacte? [Бедная армия! она очень уменьшилась от Смоленска. Фортуна настоящая распутница, Рапп. Я всегда это говорил и начинаю испытывать. Но гвардия, Рапп, гвардия цела?] – вопросительно сказал он.
– Oui, Sire, [Да, государь.] – отвечал Рапп.
Наполеон взял пастильку, положил ее в рот и посмотрел на часы. Спать ему не хотелось, до утра было еще далеко; а чтобы убить время, распоряжений никаких нельзя уже было делать, потому что все были сделаны и приводились теперь в исполнение.
– A t on distribue les biscuits et le riz aux regiments de la garde? [Роздали ли сухари и рис гвардейцам?] – строго спросил Наполеон.
– Oui, Sire. [Да, государь.]
– Mais le riz? [Но рис?]
Рапп отвечал, что он передал приказанья государя о рисе, но Наполеон недовольно покачал головой, как будто он не верил, чтобы приказание его было исполнено. Слуга вошел с пуншем. Наполеон велел подать другой стакан Раппу и молча отпивал глотки из своего.
– У меня нет ни вкуса, ни обоняния, – сказал он, принюхиваясь к стакану. – Этот насморк надоел мне. Они толкуют про медицину. Какая медицина, когда они не могут вылечить насморка? Корвизар дал мне эти пастильки, но они ничего не помогают. Что они могут лечить? Лечить нельзя. Notre corps est une machine a vivre. Il est organise pour cela, c"est sa nature; laissez y la vie a son aise, qu"elle s"y defende elle meme: elle fera plus que si vous la paralysiez en l"encombrant de remedes. Notre corps est comme une montre parfaite qui doit aller un certain temps; l"horloger n"a pas la faculte de l"ouvrir, il ne peut la manier qu"a tatons et les yeux bandes. Notre corps est une machine a vivre, voila tout. [Наше тело есть машина для жизни. Оно для этого устроено. Оставьте в нем жизнь в покое, пускай она сама защищается, она больше сделает одна, чем когда вы ей будете мешать лекарствами. Наше тело подобно часам, которые должны идти известное время; часовщик не может открыть их и только ощупью и с завязанными глазами может управлять ими. Наше тело есть машина для жизни. Вот и все.] – И как будто вступив на путь определений, definitions, которые любил Наполеон, он неожиданно сделал новое определение. – Вы знаете ли, Рапп, что такое военное искусство? – спросил он. – Искусство быть сильнее неприятеля в известный момент. Voila tout. [Вот и все.]
Рапп ничего не ответил.
– Demainnous allons avoir affaire a Koutouzoff! [Завтра мы будем иметь дело с Кутузовым!] – сказал Наполеон. – Посмотрим! Помните, в Браунау он командовал армией и ни разу в три недели не сел на лошадь, чтобы осмотреть укрепления. Посмотрим!
Он поглядел на часы. Было еще только четыре часа. Спать не хотелось, пунш был допит, и делать все таки было нечего. Он встал, прошелся взад и вперед, надел теплый сюртук и шляпу и вышел из палатки. Ночь была темная и сырая; чуть слышная сырость падала сверху. Костры не ярко горели вблизи, во французской гвардии, и далеко сквозь дым блестели по русской линии. Везде было тихо, и ясно слышались шорох и топот начавшегося уже движения французских войск для занятия позиции.
Наполеон прошелся перед палаткой, посмотрел на огни, прислушался к топоту и, проходя мимо высокого гвардейца в мохнатой шапке, стоявшего часовым у его палатки и, как черный столб, вытянувшегося при появлении императора, остановился против него.
– С которого года в службе? – спросил он с той привычной аффектацией грубой и ласковой воинственности, с которой он всегда обращался с солдатами. Солдат отвечал ему.

В вычислении среднего значения теряется.

Среднее значение набора чисел равно сумме чисел S, деленной на количество этих чисел. То есть получается, что среднее значение равно: 19/4 = 4.75.

Обратите внимание

Если потребуется найти среднее геометрическое всего для двух чисел, то инженерный калькулятор вам не понадобится: извлечь корень второй степени (квадратный корень) из любого числа можно при помощи самого обычного калькулятора.

Полезный совет

В отличие от среднего арифметического, на геометрическое среднее не так сильно влияют большие отклонения и колебания между отдельными значениями в исследуемом наборе показателей.

Источники:

Онлайн-калькулятор, рассчитывающий среднее геометрическое
среднее геометрическое формула

Среднее значение - это одна из характеристик набора чисел. Представляет собой число, которое не может выходить за пределы диапазона, определяемого наибольшим и наименьшим значениями в этом наборе чисел. Среднее арифметическое значение - наиболее часто используемая разновидность средних.

Инструкция

Сложите все числа множества и разделите их на количество слагаемых, чтобы получить среднее арифметическое значение. В зависимости от конкретных условий вычисления иногда проще делить каждое из чисел на количество значений множества и суммировать результат.

Используйте, например, входящий в состава ОС Windows , если вычислить среднее арифметическое значение в уме не представляется возможным. Открыть его можно с помощью диалога запуска программ. Для этого нажмите «горячие клавиши» WIN + R или щелкните кнопку «Пуск» и выберите в главном меню команду «Выполнить». Затем напечатайте в поле ввода calc и нажмите на Enter либо щелкните кнопку «OK». Это же можно сделать через главное меню - раскройте его, перейдите в раздел «Все программы» и в секции «Стандартные» и выберите строку «Калькулятор».

Введите последовательно все числа множества, нажимая после каждого из них (кроме последнего) клавишу «Плюс» или щелкая соответствующую кнопку в интерфейсе калькулятора. Вводить числа тоже можно как с клавиатуры, так и щелкая соответствующие кнопки интерфейса.

Нажмите клавишу с косой (слэш) или щелкните этот в интерфейсе калькулятора после ввода последнего значения множества и напечатайте количество чисел в последовательности. Затем нажмите знак равенства, и калькулятор рассчитает и покажет среднее арифметическое значение.

Можно для этой же цели использовать табличный редактор Microsoft Excel. В этом случае запустите редактор и введите в соседние ячейки все значения последовательности чисел. Если после ввода каждого числа вы будете нажимать Enter или клавишу со стрелкой вниз или вправо, то редактор сам будет перемещать фокус ввода в соседнюю ячейку.

Щелкните следующую за последним введенным числом ячейку, если вам не достаточно только увидеть среднее арифметическое значение. Раскройте выпадающий с изображением греческой сигма (Σ) команд «Редактирование» на вкладке «Главная». Выберите в нем строку «Среднее » и редактор вставит нужную формулу для вычисления среднеарифметического значения в выделенную ячейку. Нажмите клавишу Enter, и значение будет рассчитано.

Среднее арифметическое - одна из мер центральной тенденции, широко используемая в математике и статистических расчетах. Найти среднее арифметическое число для нескольких значений очень просто, но у каждой задачи есть свои нюансы, знать которые для выполнения верных расчетов просто необходимо.

Что такое среднее арифметическое число

Среднее арифметическое число определяет усредненное значение для всего исходного массива чисел. Другими словами, из некоторого множества чисел выбирается общее для всех элементов значение, математическое сравнение которого со всеми элементами носит приближенно равный характер. Среднее арифметическое число используется, преимущественно, при составлении финансовых и статистических отчетов или для расчетов результатов проведенных подобных опытов.

Как найти среднее арифметическое число

Поиск среднего арифметического числа для массива чисел следует начинать с определения алгебраической суммы этих значений. К примеру, если в массиве присутствуют числа 23, 43, 10, 74 и 34, то их алгебраическая сумма будет равна 184. При записи среднее арифметическое обозначается буквой μ (мю) или x (икс с чертой). Далее алгебраическую сумму следует разделить на количество чисел в массиве. В рассматриваемом примере чисел было пять, поэтому среднее арифметическое будет равно 184/5 и составит 36,8.

Особенности работы с отрицательными числами

Если в массиве присутствуют отрицательные числа, то нахождение среднего арифметического значения происходит по аналогичному алгоритму. Разница имеется только при рассчетах в среде программирования, или же если в задаче есть дополнительные условия. В этих случаях нахождение среднего арифметического чисел с разными знаками сводится к трем действиям:

1. Нахождение общего среднего арифметического числа стандартным методом;
2. Нахождение среднего арифметического отрицательным чисел.
3. Вычисление среднего арифметического положительных чисел.

Ответы каждого из действий записываются через запятую.

Натуральные и десятичные дроби

Если массив чисел представлен десятичными дробями, решение происходит по методу вычисления среднего арифметического целых чисел, но сокращение результата производится по требованиям задачи к точности ответа.

При работе с натуральными дробями их следует привести к общему знаменателю, который умножается на количество чисел в массиве. В числителе ответа будет сумма приведенных числителей исходных дробных элементов.

Инженерный калькулятор.

Инструкция

Учитывайте, что в общем случае среднее геометрическое чисел находится путем перемножения этих чисел и извлечения из них корня степени, которая соответствует количеству чисел. Например, если нужно найти среднее геометрическое пяти чисел, то из произведения нужно будет извлекать корень степени.

Для нахождения среднего геометрического двух чисел используйте основное правило. Найдите их произведение, после чего извлеките из него квадратный корень, поскольку числа два, что соответствует степени корня. Например, для того чтобы найти среднее геометрическое чисел 16 и 4, найдите их произведение 16 4=64. Из получившегося числа извлеките квадратный корень √64=8. Это и будет искомая величина. Обратите внимание на то, что среднее арифметическое этих двух чисел больше и равно 10. Если корень не извлекается нацело, произведите округление результата до нужного порядка.

Чтобы найти среднее геометрическое более чем двух чисел, тоже используйте основное правило. Для этого найдите произведение всех чисел, для которых нужно найти среднее геометрическое. Из полученного произведения извлеките корень степени, равной количеству чисел. Например, чтобы найти среднее геометрическое чисел 2, 4 и 64, найдите их произведение. 2 4 64=512. Поскольку нужно найти результат среднего геометрического трех чисел, что из произведения извлеките корень третей степени. Сделать это устно затруднительно, поэтому воспользуйтесь инженерным калькулятором. Для этого в нем есть кнопка "x^y". Наберите число 512, нажмите кнопку "x^y", после чего наберите число 3 и нажмите кнопку "1/х", чтобы найти значение 1/3, нажмите кнопку "=". Получим результат возведения 512 в степень 1/3, что соответствует корню третьей степени. Получите 512^1/3=8. Это и есть среднее геометрическое чисел 2,4 и 64.

С помощью инженерного калькулятора можно найти среднее геометрическое другим способом. Найдите на клавиатуре кнопку log. После этого возьмите логарифм для каждого из чисел, найдите их сумму и поделите ее на количество чисел. Из полученного числа возьмите антилогарифм. Это и будет среднее геометрическое чисел. Например, для того чтобы найти среднее геометрическое тех же чисел 2, 4 и 64, сделайте на калькуляторе набор операций. Наберите число 2, после чего нажмите кнопку log, нажмите кнопку "+", наберите число 4 и снова нажмите log и "+", наберите 64, нажмите log и "=". Результатом будет число, равное сумме десятичных логарифмов чисел 2, 4 и 64. Полученное число разделите на 3, поскольку это количество чисел, по которым ищется среднее геометрическое. Из результата возьмите антилогарифм, переключив кнопку регистра, и используйте ту же клавишу log. В результате получится число 8, это и есть искомое среднее геометрическое.

Большое распространение в статистике имеют средние величины. Средние величины характеризуют качественные показатели коммерческой деятельности: издержки обращения, прибыль, рентабельность и др.

Средняя - это один из распространенных приемов обобщений. Правильное понимание сущности средней определяет ее особую значимость в условиях рыночной экономики, когда средняя через единичное и случайное позволяет выявить общее и необходимое, выявить тенденцию закономерностей экономического развития.

Средняя величина - это обобщающие показатели, в которых находят выражение действия общих условий, закономерностей изучаемого явления.

Статистические средние рассчитываются на основе массовых данных правильно статистически организованного массового наблюдения (сплошного и выборочного). Однако статистическая средняя будет объективна и типична, если она рассчитывается по массовым данным для качественно однородной совокупности (массовых явлений). Например, если рассчитывать среднюю заработную плату в кооперативах и на госпредприятиях, а результат распространить на всю совокупность, то средняя фиктивна, так как рассчитана по неоднородной совокупности, и такая средняя теряет всякий смысл.

При помощи средней происходит как бы сглаживание различий в величине признака, которые возникают по тем или иным причинам у отдельных единиц наблюдения.

Например, средняя выработка продавца зависит от многих причин: квалификации, стажа, возраста, формы обслуживания, здоровья и т.д.

Средняя выработка отражает общее свойство всей совокупности.

Средняя величина является отражением значений изучаемого признака, следовательно, измеряется в той же размерности, что и этот признак.

Каждая средняя величина характеризует изучаемую совокупность по какому-либо одному признаку. Чтобы получить полное и всестороннее представление об изучаемой совокупности по ряду существенных признаков, в целом необходимо располагать системой средних величин, которые могут описать явление с разных сторон.

Существуют различные средние:

средняя арифметическая;

средняя геометрическая;

средняя гармоническая;

средняя квадратическая;

средняя хронологическая.

Рассмотрим некоторые виды средних, которые наиболее часто используются в статистике.

Средняя арифметическая

Средняя арифметическая простая (невзвешенная) равна сумме отдельных значений признака, деленной на число этих значений.

Отдельные значения признака называют вариантами и обозначают через х (); число единиц совокупности обозначают через n, среднее значение признака - через. Следовательно, средняя арифметическая простая равна:

По данным дискретного ряда распределения видно, что одни и те же значения признака (варианты) повторяются несколько раз. Так, варианта х встречается в совокупности 2 раза, а варианта х-16 раз и т.д.

Число одинаковых значений признака в рядах распределения называется частотой или весом и обозначается символом n.

Вычислим среднюю заработную плату одного рабочего в руб.:

Фонд заработной платы по каждой группе рабочих равен произведению варианты на частоту, а сумма этих произведений дает общий фонд заработной платы всех рабочих.

В соответствии с этим, расчеты можно представить в общем виде:

Полученная формула называется средней арифметической взвешенной.

Статистический материал в результате обработки может быть представлен не только в виде дискретных рядов распределения, но и в виде интервальных вариационных рядов с закрытыми или открытыми интервалами.

Исчисление средней по сгруппированным данным производится по формуле средней арифметической взвешенной:

В практике экономической статистики иногда приходится исчислять среднюю по групповым средним или по средним отдельных частей совокупности (частным средним). В таких случаях за варианты (х) принимаются групповые или частные средние, на основании которых исчисляется общая средняя как обычная средняя арифметическая взвешенная.

Основные свойства средней арифметической .

Средняя арифметическая обладает рядом свойств:

1. От уменьшения или увеличения частот каждого значения признака х в п раз величина средней арифметической не изменится.

Если все частоты разделить или умножить на какое-либо число, то величина средней не изменится.

2. Общий множитель индивидуальных значений признака может быть вынесен за знак средней:

3. Средняя суммы (разности) двух или нескольких величин равна сумме (разности) их средних:

4. Если х = с, где с - постоянная величина, то
.

5. Сумма отклонений значений признака Х от средней арифметической х равна нулю:

Средняя гармоническая.

Наряду со средней арифметической, в статистике применяется средняя гармоническая величина, обратная средней арифметической из обратных значений признака. Как и средняя арифметическая, она может быть простой и взвешенной.

Характеристиками вариационных рядов, наряду со средними, являются мода и медиана.

Мода - это величина признака (варианта), наиболее часто повторяющаяся в изучаемой совокупности. Для дискретных рядов распределения модой будет значение варианта с наибольшей частотой.

Для интервальных рядов распределения с равными интервалами мода определяется по формуле:

где
- начальное значение интервала, содержащего моду;

- величина модального интервала;

- частота модального интервала;

- частота интервала, предшествующего модальному;

- частота интервала, следующего за модальным.

Медиана - это варианта, расположенная в середине вариационного ряда. Если ряд распределения дискретный и имеет нечетное число членов, то медианой будет варианта, находящаяся в середине упорядоченного ряда (упорядоченный ряд - это расположение единиц совокупности в возрастающем или убывающем порядке).

Роль математики в развитии естественных наук сегодня трудно переоценить. Ее методы все глубже проникают в трудно формализуемые области знаний, обогащая последние интерпретациями и, как результат, стимулируют в них появление новых идей. Сейчас уже сложно согласиться с мнением, что использование математики, например, в биологических науках, ограничивается лишь методической ее частью и связана исключительно с обработкой данных.

Рассмотрим наиболее часто используемую в прикладных исследованиях статистическую величину - среднее значение - и дадим ей геометрическую интерпретацию.

Среднее значение и дисперсия

Понятия среднего и дисперсии возникли из нужд практики численно характеризовать набор измерений, объединенных по тому или иному принципу в группу. Для "средней величины" при этом отводится роль числа, характеризующего набор имеющихся значений в целом. Выбор такого значения - определение средней величины - очевидно, может быть реализовано множеством способов, в зависимости от требуемых свойств вводимой величины. В частности, если имеется множество измерений некоторого физического параметра (например, длины какого-либо объекта), выполненных прибором, имеющем определенную погрешность инструментальных измерений, среднее значение может быть определено как число, лежащее на минимальном суммарном "расстоянии" от всех остальных чисел. Тогда, искомое среднее значение (обозначим его $m$) - число досталяющее минимум функции $Q_1(a)=|x_1-a|+|x_2-a|+\ldots+|x_n-a|$, где $x_1,\ldots,x_n$ - набор значений, для которого вычисляется среднее. Тем не менее, определенное таким образом среднее обладает рядом особенностей. Во-первых, в случае выборки, состоящей из двух значений (или даже любого четного их числа), функция $Q_1(a)$ имеет не один минимум (см. рис. слева, на котором дано определение среднего арифметического ($a^{\ast}$) и медианы ($m$) (по оси ординат масштабы для каждого из графиков разные)) и, следовательно, возникает вопрос какое из них должно быть выбрано в качестве определения среднего. Другим нежелательным следствием прямого использования расстояния между числами является недиффиренцируемость расстояния (функции модуля числа), вносящее определенные математические трудности, в частности, затрудняющее поиск минимума функции $Q_1(a)$. Поскольку квадрат расстояния обладает теми же прикладными качествами, что и исходное расстояние (точнее, возрастает, убывает и обращается в нуль одновременно с расстоянием), среднее значение можно определить как число, сумма квадратов расстояний от которого до остальных чисел минимальна. Квадрат расстояния между числами - функция гладкая (не имеет углов; строгое определение гладкости функции можно найти в (Фихтенгольц, 2001)), и задача об определении среднего значения в этом случае может быть решена средствами классического математического анализа. Ее решение - хорошо известное среднее арифметическое. Таким образом, среднее арифметическое совокупности величин $\{x_1,\ldots, x_n\}$ доставляет минимальное (убедиться в этом можно воспользовавшись сначала необходимыми, а потом достаточными условиями локального экстремума функции (Фихтенгольц, 2001): $\dfrac{dQ_2}{da}=0$(приводит к уравнению для среднего арифметического) и $\dfrac{d^2Q_2}{da^2}>0$ (подтверждает, что среднее арифметическое - минимум $Q_2(a)$) значение функции $Q_2(a)=\sum\limits_i(x_i-a)^2$.

Графики функций $Q_1(a)$ и $Q_2(a)$ приведенные на рисунке для определенного набора значений $\{x_1,x_2,x_3,x_4\}$. Из представленной иллюстрации видно, что минимальное значение функции $Q_1(a)$достигается для любой точки из интервала , и, таким образом, имеет
место отмеченная выше неопределенность в выборе среднего. В этом случае в качестве среднего (по соглашению) может быть выбрана середина интервала, на котором достигается минимум функции $Q_1(a)$. Это значение называется медианой выборки (на рисунке). В случае нечетного числа элементов выборки (при условии, что все элементы различны) такой ситуации не возникает, и медиана определяется однозначно. Среднее арифметическое ($a^{\ast}$) вне зависимости от четности или повторяемости элементов выборки определяется однозначно, что следует из вида функции $Q_2(a)$ и условий локального минимума (Фихтенгольц, 2003).

Общее определение средней величины было дано французским математиком О. Коши (1789–1857), который называл средним значением величин $\{x_1,\ldots, x_n\}$ любую их функцию $f(x_1,\ldots,x_n)$, результат действия которой лежит между максимальным и минимальным значениями ее аргументов. Более определенная, аксиоматическая характеристика среднего была дана А.Н.Колмогоровым (1908–1987), который на базе введенных четырех аксиом указал конкретный вид выражения для функции $f(x_1,\ldots,x_n)$. Среднее по А.Н. Колмогорову имеет вид:$$
f(x_1,\ldots,x_n)=\varphi^{-1}\left(\sum\limits_{i=1}^n\varphi(x_i)\right),
$$
где $\varphi(x)$ - строго неубывающая или невозрастающая непрерывная функция, $\varphi^{-1}(x)$ - обратная функция к $\varphi(x)$, т.е. для любого $x$ справедливо $\varphi^{-1}(\varphi(x))=x$.

Таким образом, среднее арифметическое и медиана удовлетворяют аксиоматике Коши, однако медиана не является средней величиной по Колмогорову. Причина тому нарушение аксиомы непрерывности среднего от выборочных значений.

На практике распространены задачи, когда требуется численно охарактеризовать разброс выборочных значений, что, например, важно для оценки инструментальных погрешностей прибора по набору однородных измерений какого-либо физического параметра, при объективной оценке ширины ареала обитания вида в факторном пространстве по эмпирическому материалу и др. Как и в случае определения среднего значения эта задача может быть решена множеством способов. Первостепенный шаг в ее решении - определение опорного значения (не обязательно принадлежащего выборке), относительно которого будет вычисляться мера разброса.

Внимательный читатель может заметить, что можно ввести меру разброса не привязываясь к какому-либо опорному значению, например, положив в качестве разброса расстояние между максимальным и минимальным элементами выборки: $s=x_{\max}-x_{\min}$. Однако и в этом, и в любом другом случае, опорное значение может быть введено искусственно: $s=(x_{\max}-r)+(r-x_{\min})$, где выражения в скобках - суть расстояния от $x_{\min}$ и $x_{\max}$ до произвольной опорной точки $r$. Поэтому в дальнейших построениях будем полагать существование такой опорной точки.

Возвращаясь к определению средней величины заметим, что значения функций $Q_1(a)$ и $Q_2(a)$ могут рассматриваться как разбросы выборочных значений относительно точки $a$, измеряемые суммой расстояний и квадратов расстояний соответственно. Учитывая, что $Q_1(m)$ и $Q_2(a^{\ast})$ определяются однозначно, то они могут быть приняты в качестве мер разброса. Опорными значениями в этом случае будут $m$ и $a^{\ast}$. Значение $Q_1(m)$ в расчетах практически не используется, что связано прежде всего с нежелательными свойствами модуля, отмеченными выше. Величина $\sigma^2=\dfrac{Q_2(a^{\ast})}{n}=\dfrac{1}{n}\sum\limits_{i=1}^n(x_i-a^{\ast})^2$ хорошо известная выборочная дисперсия. Таким образом, $\sigma^2$ - нормированная на $n$ величина суммы квадратов уклонений выборочных значений относительно своего среднего; существуют и другие подходы к определению $\sigma^2$: это значение можно рассматривать, как среднее арифметическое для производной от $\{x_1,\ldots.\,x_n\}$ выборки $\{(x_1-a^{\ast})^2,\ldots.\,(x_n-a^{\ast})^2\}$, все элементы которой заведомо неотрицательны и характеризуют разброс относительно среднего арифметического $a^{\ast}$, можно также мыслить $\sigma^2$ и $a^{\ast}$ как результат минимизации $\hat Q_2(a)=\dfrac{1}{n}Q_2(a)$, в этом случае минимум $\hat Q_2(a)$ достигается также при $a=a^{\ast}$, а $\sigma^2=\hat Q_2(a^{\ast})$.

Введенные числовые характеристики самодостаточны, они не требуют накаких дополнительных ограничений на элементы выборки. Даже вне вероятностного аппарата на их основе могут быть решены некоторые задачи, например, задача о выявлении эффективности действия какого-либо удобрения на урожайность культуры. В этом случае, если у экспериментатора имеются две выборки, представляющие урожайность культуры, выращенной в условиях воздействия удобрения и в естественных условиях, то при различии средних значений у двух выборок могут быть сделаны первоначальные выводы относительно эффективности или неэффективности удобрения. Однако к полученным таким образом выводам следует относиться с известной осторожностью (вообще говоря, как и ко всем выводам, сделанным при помощи математической статистики), особенно в тех случаях, когда различия в средних значениях невелики и подвержены сильным флюктуациям при дальнейшем добавлении к выборкам новых элементов. Более определенная схема исследований возможна на базе представлений теории вероятностей, когда каждое измерение урожайности предполагается случайной величиной. В этом случае первую (полученную при использовании удобрения) выборку представляют одинаково распределенные случайные величины, имеющие одно распределение, а вторую (полученную в естественных условиях) - некоторое другое распределение. При достаточно общих условиях в теории вероятностей доказывается утверждение (центральная предельная теорема) о том, что распределение суммы независимых одинаково распределенных случайных величин имеет вполне определенное расределение, не зависимо от того, какое распределением имели случайные величины, образующие сумму. Поскольку среднее арифметическое - сумма случайных величин, оно в свою очередь также является случайной величиной и, более того, имеет вполне определеный закон распределения. Это позволяет строить выводы о различии средних двух выборок (в прикладной интерпретации - выводы об эффективности применения удобрения), давая им вероятностную характеристику. Более подробная информация по данному вопросу может быть найдена в (Гмурман, 2004). Изложенный вероятностный подход к решению задачи является общепринятым, однако и при его использовании есть свои тонкости (Алимов, 1980), связанные с адекватностью вероятностных моделей в конкретных задачых. Так в работе (Чайковский, 2004; с. 25), указывается что "почти всякий текст, даже очень длинный, обладает тем свойством, что около половины слов встречается в нем всего однажды, так что частоту его ввести всерьез нельзя; да и у часто употребляемых слов частоты могут варьировать, даже в пределах одного автора и тематики, так сильно, что о вероятности (если понимать ее как устойчивую частоту) говорить нет смысла"; там же (с. 62) указывается тот факт, что знаменитый эксперимент К. Пирсона, показавший поразительную сходимость частоты выпадения "герба" при 24000-ом подбрасывании монеты (частота оказалась равной 0.5005), вероятнее всего, - вовремя прерванный эксперимент (Тутубалин, 1992; с. 119): "... сначала Пирсон бросил монету 6000 раз, но результат ему не понравился. Тогда он бросил ее еще 6000 раз и опять не понравилось. Пришлось бросить монету еще 12000 раз, и результат (всех бросаний) оказался замечательным". Подробности, посвященные адекватности моделей теории вероятностей и обсуждению принципиальных вопросов примененимости методов математической статистики можно найти в работах (Алимов, 1980; Чайковский, 2004; Тутубалин, 1992).