Ответ
Ключевое преимущество медианы — робастность (устойчивость) к выбросам и асимметричным распределениям. Среднее арифметическое (mean) чувствительно ко всем значениям в выборке, в то время как медиана (median) зависит только от центрального значения в упорядоченном ряду.
Техническое объяснение:
- Среднее:
μ = (Σx_i) / n. Один экстремальный выброс значительно смещает результат. - Медиана: Значение, которое делит упорядоченную выборку пополам. Для его изменения нужно изменить множество центральных точек.
Пример на Python:
import numpy as np
# Данные с выбросом (например, зарплаты в компании)
salaries = [45000, 52000, 48000, 51000, 49000, 1200000] # Выброс - 1.2M
mean_salary = np.mean(salaries)
median_salary = np.median(salaries)
print(f"Средняя зарплата: {mean_salary:.0f} руб.") # Вывод: ~ 235833 руб.
print(f"Медианная зарплата: {median_salary:.0f} руб.") # Вывод: 50500 руб.В этом примере среднее (235 тыс.) не отражает типичную зарплату из-за одного выброса, тогда как медиана (50.5 тыс.) дает реалистичную оценку "центра" распределения.
Когда использовать медиану:
- При работе с зашумленными данными или данными, содержащими выбросы (финансы, метрики производительности, геоданные).
- Для описания "типичного" значения в сильно скошенных распределениях (логарифмически нормальных, Парето).
- В качестве целевой метрики в задачах регрессии, где важна устойчивость (например,
Median Absolute Error).
