Sagot:
Ang isang sukatan ng sentral na pagkahilig ay isang halaga na maaaring kumatawan sa kabuuang populasyon at kumikilos tulad ng gitnang gravity kung saan lumilipat ang lahat ng iba pang mga halaga.
Paliwanag:
Ang karaniwang paglihis - bilang nagmumungkahi ang pangalan ay isang sukatan ng paglihis. Ang paglihis ay nangangahulugang pagbabago o distansya. Ngunit ang pagbabago ay palaging sinusundan ng salitang 'mula'.Samakatwid ang karaniwang paglihis ay isang sukatan ng pagbabago o ang distansya mula sa isang sukatan ng sentral na pagkahilig - na karaniwan ay ang ibig sabihin. Samakatuwid, ang karaniwang paglihis ay iba sa isang sukatan ng sentral na pagkahilig.
Ano ang isang halimbawa kung saan ang panggitna ay ang ginustong sukatan ng sentral na pagkahilig?
Tingnan ang isang halimbawa sa ibaba: Ang panggitna ay isang ginustong sukatan ng sentral na pagkahilig kapag mayroong isa o higit pang mga outliers na pabagu-bago ang ibig sabihin o average. Sabihin natin sa isang maliit na kolehiyo ang average na suweldo ng isang graduating senior sa isang klase ng 2,000 mag-aaral ay: $ 30,000 Gayunpaman, sabihin natin na mayroon silang isang mahusay na Team ng basketball sa maliit na paaralan at isa sa mga bituin ng koponan ay drafted ng NBA at mga palatandaan para sa isang panimulang suweldo na $ 10,000,000. Kung titingnan natin ang median na panimulang suweldo ng mga mag-aaral na nagt
Ipagpalagay na ang klase ng mga mag-aaral ay may average na marka ng SAT math na 720 at average na marka ng 640. Ang standard deviation para sa bawat bahagi ay 100. Kung maaari, hanapin ang standard deviation ng composite score. Kung hindi posible, ipaliwanag kung bakit.
141 Kung X = ang marka ng math at Y = ang pandiwang puntos, E (X) = 720 at SD (X) = 100 E (Y) = 640 at SD (Y) = 100 Hindi mo maaaring idagdag ang mga standard na deviations na hanapin ang pamantayan paglihis para sa composite score; gayunpaman, maaari kaming magdagdag ng mga pagkakaiba. Ang pagkakaiba ay ang parisukat ng standard deviation. var (X + Y) = var (X) + var (Y) = SD ^ 2 (X) + SD ^ 2 (Y) = 100 ^ 2 + 100 ^ 2 = 20000 var (X + Y) = 20000, dahil gusto namin ang karaniwang paglihis, kunin lang ang square root ng numerong ito. SD (X + Y) = sqrt (var (X + Y)) = sqrt20000 ~~ 141 Sa gayon, ang standard na paglihis ng comp
Bakit ang ibig sabihin ng madalas ay hindi isang mahusay na sukatan ng gitnang pagkahilig para sa isang skewed pamamahagi?
Tumingin sa ibaba :) Ang ibig sabihin nito ay hindi isang mahusay na sukatan ng gitnang pagkahilig dahil ito ay tumatagal sa account sa bawat punto ng data. Kung mayroon kang mga outliers tulad ng sa isang skewed pamamahagi, pagkatapos ay ang mga outliers maapektuhan ang ibig sabihin ng isang solong outlier maaaring i-drag ang ibig sabihin pababa o up. Ito ang dahilan kung bakit ang ibig sabihin nito ay hindi isang mahusay na sukatan ng sentral na pagkahilig. Sa halip ang panggitna ay ginagamit bilang isang sukatan ng sentral na pagkahilig.