Läges- och spridningsmått

Efter denna lektion kommer du att förstå hur du beräknar och tolkar de viktigaste läges- och spridningsmåtten inom beskrivande statistik samt veta vilket mått som bör användas i olika situationer.

Lägesmått: Medelvärde, Median och Typvärde

När vi vill sammanfatta en stor datamängd med ett enda tal använder vi ett lägesmått (ett mått på centraltendens). Det ger oss en uppfattning om var tyngdpunkten eller centrum i data ligger.

De tre vanligaste lägesmåtten är:

1. Medelvärde (x̄): Summan av alla observationer dividerat med antalet observationer (n). Medelvärdet tar hänsyn till alla värdens storlek, vilket gör det känsligt för extremvärden (utliggare).

Formel: x̄ = (x₁ + x₂ + ... + xₙ) / n

2. Median (M): Det mittersta värdet när data har sorterats i storleksordning. Om antalet observationer n är jämnt är medianen medelvärdet av de två mittersta värdena. Medianen är *robust* mot extremvärden.

3. Typvärde: Det värde som förekommer oftast i datamängden. En datamängd kan ha ett, flera eller inget typvärde.

Exempel:

Studera tentamenspoängen för 5 studenter: 2, 4, 4, 5, 15.

• Medelvärde: (2 + 4 + 4 + 5 + 15) / 5 = 30 / 5 = 6,0
• Median: De sorterade värdena har 4 i mitten (position 3), så medianen är 4.
• Typvärde: 4 (förekommer två gånger, flest av alla).

Lägg märke till att medelvärdet (6,0) dras upp av den extrema observationen 15, medan medianen (4) ger en bättre bild av var de flesta studenters resultat ligger.

Position och Kvartiler: Kvartilavstånd (IQR)

Medan lägesmått beskriver centrum, behöver vi också mått på position och spridning för att förstå hur utspridda observationsvärdena är.

Kvartiler delar upp den sorterade datamängden i fyra lika stora delar:

• Första kvartilen (Q1): 25 % av observationerna ligger under denna punkt (även kallad 25:e percentilen).
• Andra kvartilen (Q2): Medianen. 50 % av observationerna ligger under denna punkt.
• Tredje kvartilen (Q3): 75 % av observationerna ligger under denna punkt (75:e percentilen).

Kvartilavstånd (IQR - Interquartile Range):

Kvartilavståndet beräknas som skillnaden mellan den tredje och den första kvartilen:

IQR = Q3 − Q1

IQR mäter spridningen hos de mellersta 50 % av observationerna. Eftersom extremvärden i ändarna exkluderas är kvartilavståndet ett mycket robust spridningsmått. Det används ofta tillsammans med medianen när datamängder är sneda eller innehåller utliggare.

Ett låddiagram (boxplot) är en grafisk representation som bygger på just detta: det visar minsta värde, Q1, median, Q3 och maximala värde (den så kallade *femtalssammanfattningen*).

Spridningsmått: Varians och Standardavvikelse

De mest använda spridningsmåtten inom statistisk analys är varians och standardavvikelse. De mäter hur mycket observationerna i genomsnitt avviker från medelvärdet.

Stickprovsvarians (s²):

För att beräkna variansen tar vi avvikelsen från medelvärdet för varje observation (x − x̄), kvadraten på dessa avvikelser, summerar dem och delar med (n − 1):

s² = Σ(x − x̄)² / (n − 1)

Anledningen till att vi delar med (n − 1) istället för n vid stickprov är att ge en unbiased (väntevärdesriktig) skattning av populationens varians.

Stickprovsstandardavvikelse (s):

Variansen mäts i kvadratiska enheter (t.ex. kr² eller cm²), vilket gör den svår att tolka intuitivt. Genom att ta kvadratroten ur variansen får vi standardavvikelsen, som har samma enhet som ursprungliga data:

s = √s² = √[ Σ(x − x̄)² / (n − 1) ]

Tolkning:

En låg standardavvikelse innebär att datapunkterna ligger nära medelvärdet (låg spridning). En hög standardavvikelse innebär att värdena är spridda över ett stort intervall.

Steg-för-steg: Tolkning av Standardavvikelse

Att beräkna standardavvikelse manuellt kräver en systematisk arbetsprocess. När beräkningen väl är klar ger standardavvikelsen värdefull information om fördelningens form.

Empiriska regeln (68-95-99,7-regeln):

För data som är ungefär symmetriska och klockformade (normalfördelade) gäller följande tumregler:

• Cirka 68 % av observationerna hamnar inom 1 standardavvikelse från medelvärdet (x̄ ± 1s).
• Cirka 95 % av observationerna hamnar inom 2 standardavvikelse från medelvärdet (x̄ ± 2s).
• Cirka 99,7 % av observationerna hamnar inom 3 standardavvikelser från medelvärdet (x̄ ± 3s).

Denna regel gör att vi snabbt kan identifiera vad som räknas som normala variationer och vad som utgör ovanliga extremvärden.