Tilastollinen keskiarvo on käytännön työkalu liiketoimintatietojen vertailuun ja mittaamiseen. Se tarjoaa tavan määrittää keskiarvo numeeristen määrien joukolle. Tämä keskimääräinen määrä määrittää keskikohdan, joka tunnetaan myös nimellä Central Tendency. Vaikka keskiarvon laskeminen on samanlainen, eri tietotyypit voivat vaatia vaihtoehtoista lähestymistapaa.
Aritmeettinen lähestymistapa
Aritmeettinen keskiarvo koostuu kaikkien tietosarjan numeeristen arvojen summasta. Tulos jaetaan sitten listattujen arvojen määrällä. Oletetaan, että tietoryhmä sisältää nämä numerot (5,10,10,20,5). Keskiarvo olisi näiden arvojen (50) summa jaettuna havaittujen arvojen lukumäärällä (5). Keskiarvo tai aritmeettinen keskiarvo olisi yhtä suuri (10). Tämä keskiarvo ei ehkä ole paras laskentatapa, kun numeerisissa arvoissa tai muissa poikkeamissa on suuri vaihtelu. Sitä käytetään yleisesti keskimääräisen suuntauksen laskemiseen johdonmukaisilla tiedoilla, jotka sisältävät aikavälien ja suhteiden analyysin.
Painotettujen arvojen määrittäminen
Vaikka aritmeettinen keskiarvo on käytännöllinen, se ei tarjoa todella tarkkaa keskiarvoa vaihtelevien arvojen mittaamisessa. Realistisempi ja yleisesti käytetty liiketoimintamenetelmä on määrittää painot jokaiselle numeeriselle arvolle. Painon tai prosenttiosuuden määrittäminen vaihtelevien arvojen dataryhmälle on painotettu keskimääräinen menetelmä. Painotettu keskimääräinen menetelmä käyttää prosenttiosuutta vaihtelevista tietomääristä.
Kasvua käsitellään
Kun tietosarjat sisältävät kasvavia määriä, tarvitaan tarkempi keskipitkän suuntauksen mitta. Geometrinen keskiarvo on toinen lähestymistapa, jossa käsitellään eroja tai kasvua tietosarjassa. Tämä keskiarvolaskenta sisältää datan joukossa olevien määrien tuotteen n: n juuren. Tämä lähestymistapa mittaa tilastollisten ja investointianalyysien määrän kasvua.
Vaihtoehtoiset työkalut
Keskiarvon lisäksi on joitakin vaihtoehtoisia työkaluja, joilla voitaisiin mitata keskeistä suuntausta. Näitä ovat tila ja mediaani. Tila tunnistaa tiettyjen arvojen taajuuden tietosarjassa. Mediaania voitaisiin käyttää määrittämään tietokokonaisuuden todellinen keskiarvo. Tämä tehdään lajittelemalla arvot nousevassa järjestyksessä ja tunnistamalla toistuvat tai keskiarvot. Tämä on hyödyllistä tunnistaa kuviot ja keskipisteet, kun kerätyt tiedot sisältävät vääristyneitä määriä.
