几何平均值的计算|举例说明
的几何平均数是将所有值相乘并求出该数的根的平均值。对于包含n数字,你会发现n它们乘积的根。你可以用这个描述性统计总结你的数据。
几何平均数是算术平均数的一种替代方法,算术平均数通常被简单地称为“几何平均数”的意思是算术平均数是基于数值相加,而几何平均数是数值相乘。。
几何平均公式
几何平均值公式有两种写法,但它们在数学上是等价的。
- …的乘积
- =每一个值
- =值的总数
- 的倒数
圆周率符号( )类似于求和符号sigma (Σ),但它告诉你通过将它们相乘来找到它后面的乘积。
在第一个公式中,几何平均值是n所有值的乘积的根。
在第二个公式中,几何平均值是所有值的倒数次方的乘积n.
这些公式是等价的因为指数定律:取n的根x和养育完全一样吗x1的次方/n.
计算几何平均值
计算几何平均值主要有两个步骤:
- 把所有的值相乘得到它们的乘积。
- 找到n乘积的根(n是值的数目)。
在计算之前集中趋势的度量,请注意:
- 几何平均值只能求正值。
- 如果数据集中任何值为零,则几何平均值为零。
什么时候使用几何均值?
几何平均值最适合用于报告平均通货膨胀率、百分比变化和增长率。因为这些类型的数据是用分数表示的,所以几何平均值对它们来说更准确比算术平均数。
算术平均数适用于相互独立的值(如考试分数),而几何平均数更适用于相互依赖的值、百分比、分数或范围广泛的数据。
我们将通过一些示例向您展示如何找到不同类型数据的几何平均值。
示例:百分比的几何平均值
你感兴趣的是过去五次美国大选的平均投票率。您已经收集了以下数据。
一年 | 2000 | 2004 | 2008 | 2012 | 2016 |
---|---|---|---|---|---|
投票率(%) | 50.3 | 55.7 | 57.1 | 54.9 | 60.1 |
步骤1:把所有的值相乘得到它们的乘积。
公式 | 计算 |
---|---|
步骤2:找到n乘积的根(n是值的数目)。
公式 | 计算 |
---|---|
|
美国过去五届大选的平均投票率为54.64%。
例子:变化很大的值的几何平均值
您比较了两台机器在不同尺度上评估的三个程序的效率。要找到每台机器的平均效率,您需要找到它们的程序评级分数的几何和算术平均值。
程序1 | 程序2 | 程序3 | |
---|---|---|---|
机一个 | 7 | 80 | 2100 |
机器B | 3. | 94 | 2350 |
机器A的几何平均值
步骤1:把所有的值相乘得到它们的乘积。
公式 | 计算 |
---|---|
步骤2:找到n乘积的根(n是值的数目)。
公式 | 计算 |
---|---|
|
机器B的几何平均值
步骤1:把所有的值相乘得到它们的乘积。
公式 | 计算 |
---|---|
步骤2:找到n乘积的根(n是值的数目)。
公式 | 计算 |
---|---|
|
比较平均数
现在你用算术和几何方法比较机器效率。
算术平均值 | 几何平均数 | |
---|---|---|
机一个 | 729 | 105.55 |
机器B | 815.67 | 87.18 |
虽然算术平均数显示机器B的效率更高,但几何平均数显示机器B的效率更高。
这里的几何平均值更准确,因为算术平均值倾向于高于您的大部分数据集的值。
几何平均和算术平均
几何平均数比算术平均数更准确地显示百分比变化随时间或复利。
例如,假设你研究果蝇种群增长率。你有兴趣了解环境因素是如何改变这些比率的。
你从两只果蝇开始,每12天测量一次种群增长的百分比。
每个百分比变化值也转换为以小数表示的增长因子。增长因子包括原始值(100%),因此要将百分比增长转换为增长因子,将每个百分比增长加100,然后除以100。
一天 | 12 | 24 | 36 |
---|---|---|---|
增加的百分比 | 340 | 187 | 427 |
生长因子 | 4.4 | 2.87 | 5.27 |
首先,将百分比变化转换为小数。你在每个值上加100来分解原来的量,然后每个值除以100。
算术平均值
为了求算术平均数,把所有的值加起来,然后除以这个数n.
公式 | 计算 |
---|---|
|
几何平均数
步骤1:把所有的值相乘得到它们的乘积。
公式 | 计算 |
---|---|
步骤2:找到n乘积的根(n是值的数目)。
公式 | 计算 |
---|---|
|
人口增长因子的算术平均值为4.18,几何平均值为4.05。
我们怎么知道哪个均值是正确的呢?
因为它们是平均值,所以将原始苍蝇数量与平均百分比变化相乘3次,应该会为正确的平均值提供正确的最终种群值。
- 最终总体值:2 × 4.4 × 2.87 × 5.27≈133只果蝇
- 算术平均值为418%:最终种群= 2 × 4.18 × 4.18 × 4.18≈157只果蝇
- 几何平均值405%:最终种群= 2 × 4.05 × 4.05 × 4.05≈133只果蝇
只有几何平均值才能给出最终种群中果蝇的真实数量。这是生长因子最准确的平均值。
几何平均什么时候比算术平均好?
尽管几何平均不太常用,但对于正倾斜的数据和百分比,几何平均比算术平均更准确。
在一个积极倾斜分布,有一组较低的分数和一个展开的尾巴在右边。收入分配是数据集倾斜的一个常见例子。
虽然大多数值趋于低,但算术平均值经常被高值或高值拉向上(或向右)离群值在一个正倾斜的数据集中。
因为几何平均值往往低于算术平均值,所以它比算术平均值更好地代表较小的值。
几何平均值最适合于比测量级别,其中变量取一个真正的零,不要取任何负值。负百分比变化必须被积极地框定:例如,−8%变成原始值的92%。
关于集中趋势的常见问题
引用这篇Scribbr文章
如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。