Statistikas vidējais rādītājs ir praktisks līdzeklis uzņēmējdarbības datu salīdzināšanai un mērīšanai. Tas nodrošina veidu, kā skaitlisko daudzumu kopumam piešķirt vidējo vērtību. Šī vidējā summa nosaka datu kopas viduspunktu, kas pazīstams arī kā Centrālā tendence. Lai gan vidējais aprēķins ir līdzīgs, dažādiem datu veidiem var būt nepieciešama alternatīva pieeja.
Aritmētiskā pieeja
Aritmētiskais vidējais sastāv no visu skaitlisko vērtību kopuma datu kopā. Rezultāts tiek dalīts ar uzskaitīto vērtību skaitu. Pieņemsim, ka datu kopums satur šos numurus (5,10,10,20,5). Vidējā vērtība būtu vienāda ar šo vērtību summu (50), dalot to ar novēroto vērtību skaitu (5). Vidējais vai aritmētiskais vidējais būtu vienāds (10). Šis vidējais rādītājs var nebūt labākais aprēķināšanas līdzeklis, ja skaitliskās vērtības vai citas izejas ir ļoti atšķirīgas. To parasti izmanto, lai aprēķinātu centrālo tendenci ar konsekventiem datiem, kas ietver intervālu un attiecību analīzi.
Svērto vērtību piešķiršana
Lai gan aritmētiskais vidējais rādītājs ir praktisks, tas neparedz īstu precīzu vidējo rādītāju svārstīgo vērtību mērīšanā. Reālistiskāka un biežāk izmantota uzņēmējdarbības metode ir piešķirt svaru katrai skaitliskajai vērtībai. Svaru vai procentuālo daļu piešķiršana svārstīgo vērtību datu kopai ir vidējā svērtā metode. Vidējā svērtā metode izmanto procentuālo daļu no mainīgajām datu summām.
Darbs ar izaugsmi
Ja datu kopas ietver pieaugošus skaitļus, ir nepieciešams precīzāks centrālās tendences mērs. Ģeometriskais vidējais ir vēl viena pieeja, kas attiecas uz datu kopuma atšķirībām vai izaugsmi. Šis vidējais aprēķins ietver datu kopas n-ta produkta saknes. Šī pieeja nosaka, ka statistikas un investīciju analīzē konstatēts pieaugošais skaits.
Alternatīvie rīki
Papildus vidējam ir daži alternatīvi rīki, kas varētu noteikt centrālo tendenci. Tie ietver režīmu un vidējo. Režīms identificē datu kopas noteiktu vērtību biežumu. Mediānu var izmantot, lai noteiktu datu kopas patieso vidējo vērtību. Tas tiek darīts, šķirojot vērtības augošā secībā un identificējot konstatētās atkārtotās vai vidējās vērtības. Tas ir noderīgi, lai identificētu modeļus un viduspunktus, kad savāktie dati satur izkropļotas summas.
