Det statistiska medelvärdet är ett praktiskt verktyg för att jämföra och mäta företagsdata. Det ger ett sätt att tilldela ett medelvärde till en uppsättning numeriska kvantiteter. Detta medelvärde bestämmer mittpunkten för en dataset, även känd som Central Tendency. Även om beräkningen av medelvärdet är liknande kan olika datatyper kräva ett alternativt tillvägagångssätt.
Den aritmetiska metoden
Det aritmetiska medelvärdet består av summan av alla numeriska värden i en dataset. Resultatet divideras därefter med antalet noterade värden. Antag att en uppsättning data innehåller dessa nummer (5,10,10,20,5). Medelvärdet skulle motsvara summan av dessa värden (50) dividerat med antalet observerade värden (5). Den genomsnittliga eller aritmetiska medelvärdet skulle vara lika (10). Detta medel är kanske inte det bästa sättet att beräkna när det finns en stor variation i numeriska värden eller andra avvikande faktorer. Det används vanligtvis för att beräkna central tendens med konsekventa data som innefattar analys av intervall och förhållanden.
Tilldela viktiga värden
Även om det aritmetiska medlet är praktiskt, erbjuder det inte ett verkligt exakt medelvärde vid mätning av fluktuerade värden. En mer realistisk och vanligt använd affärsmetod är att tilldela vikter till varje numeriskt värde. Att tilldela en vikt eller procentandel till en dataset av fluktuerade värden är den vägda genomsnittliga metoden. Den vägda genomsnittliga metoden gäller en procentandel för fluktuerade datamängder.
Hantera tillväxt
När dataset inkluderar växande antal är det nödvändigt med en mer exakt mätning av central tendens. Det geometriska medelvärdet är ett annat tillvägagångssätt som handlar om skillnad eller tillväxt inom en dataset. Denna genomsnittliga beräkning innebär att man tar den n: a roten av produkten av mängderna i datamängden. Detta tillvägagångssätt mäter det växande antalet som finns i statistisk och investeringsanalys.
Alternativa verktyg
Bortsett från medelvärdet finns det några alternativa verktyg som kan mäta central tendens. Dessa inkluderar läget och medianen. Läget identifierar frekvensen för vissa värden i en dataset. Medianen kan användas för att bestämma sanna medelvärdet för en dataset. Detta görs genom att sortera värdena i stigande ordning och identifiera upprepade eller mellersta värden som hittats. Detta är användbart för att identifiera mönster och mittpunkter när den samlade data innehåller förvrängda mängder.
