Простая средняя арифметическая¶

Простая средняя арифметическая — это одна из основных числовых характеристик выборки или совокупности, представляющая собой сумму всех значений признака, делённую на их количество. В статистике, математике и смежных науках это наиболее распространённая мера центральной тенденции, позволяющая получить обобщённое представление о типичном уровне варьирующегося признака в однородной группе.

¶Определение и формула

Пусть задан набор из \(n\) чисел: \(x_1, x_2, \dots, x_n\). Простая средняя арифметическая \(\bar{x}\) вычисляется по формуле:

\[ \bar{x} = \frac{x_1 + x_2 + \dots + x_n}{n} = \frac{1}{n}\sum_{i=1}^{n} x_i \]

где \(n\) — объём совокупности, а \(\sum_{i=1}^{n} x_i\) — сумма всех значений. Термин «простая» подчёркивает, что каждое значение входит в расчёт с одинаковым весом (в отличие от взвешенной средней арифметической, где веса могут различаться).

¶Свойства

Простая средняя арифметическая обладает рядом математических свойств, которые делают её удобной для анализа:

• Сумма отклонений равна нулю: \(\sum_{i=1}^{n} (x_i - \bar{x}) = 0\). Это означает, что положительные и отрицательные отклонения от средней взаимно компенсируются.
• Минимизация суммы квадратов отклонений: \(\sum_{i=1}^{n} (x_i - \bar{x})^2\) минимальна среди всех возможных значений \(c\). Это свойство лежит в основе метода наименьших квадратов.
• Линейность: если каждое значение \(x_i\) преобразовать линейно \(y_i = a + b x_i\), то средняя арифметическая новых значений равна \(\bar{y} = a + b \bar{x}\).
• Чувствительность к выбросам: средняя арифметическая сильно зависит от экстремальных значений, что может искажать представление о типичном уровне в неоднородных выборках.

¶История

Понятие средней арифметической восходит к античным математикам. В Древнем Вавилоне и Египте использовались примитивные методы усреднения для расчёта урожайности или налогов. В Древней Греции Пифагор и его последователи (VI–IV века до н. э.) изучали средние величины как часть теории музыки и пропорций. Аристотель в «Никомаховой этике» упоминал среднее как «золотую середину» между крайностями.

В современном виде средняя арифметическая была формализована в XVII–XVIII веках в трудах европейских математиков. Готфрид Вильгельм Лейбниц и Джон Граунт применяли её для анализа демографических данных. В XIX веке Адольф Кетле, бельгийский статистик, ввёл понятие «среднего человека» (l’homme moyen), активно используя среднюю арифметическую в социальной статистике. В России её популяризировали такие учёные, как П. Л. Чебышёв и А. А. Марков, развивавшие теорию вероятностей и математическую статистику.

¶Классификация средних величин

В статистике средние величины делятся на степенные и структурные. Степенная средняя общего вида имеет формулу:

\[ \bar{x}_k = \left( \frac{1}{n}\sum_{i=1}^{n} x_i^k \right)^{1/k} \]

где \(k\) — показатель степени. При разных значениях \(k\) получаются различные средние:

• \(k = 1\) — средняя арифметическая (простая);
• \(k = 2\) — средняя квадратическая (используется в физике, например, среднеквадратичное отклонение);
• \(k = -1\) — средняя гармоническая (применяется для расчёта средних скоростей, цен);
• \(k = 0\) — средняя геометрическая (предельный случай, используется для темпов роста).

Структурные средние (мода, медиана) не относятся к степенным и не зависят от всех значений ряда, что делает их устойчивыми к выбросам.

¶Применение

Простая средняя арифметическая широко используется в различных областях:

• Экономика и финансы: расчёт среднего дохода, средней заработной платы, среднего уровня цен, среднего темпа инфляции. Например, Росстат ежегодно публикует среднюю номинальную начисленную заработную плату работников организаций в России.
• Образование: вычисление среднего балла аттестата, среднего балла за экзамен (например, ЕГЭ), успеваемости учащихся.
• Медицина: определение средних показателей здоровья (средний рост, вес, давление) для популяционных исследований.
• Физика и инженерия: нахождение среднего значения измеряемой величины для уменьшения случайной погрешности.
• Социология и демография: средний возраст населения, среднее число детей в семье, средняя продолжительность жизни.

¶Ограничения и критика

Несмотря на распространённость, простая средняя арифметическая имеет существенные недостатки:

• Чувствительность к выбросам: одно аномально большое или малое значение может сильно сместить среднюю. Например, если в группе из 10 человек доходы девяти составляют 30 000 рублей, а одного — 3 000 000 рублей, средняя будет около 327 000 рублей, что не отражает типичный уровень.
• Неприменимость к номинальным и порядковым данным: средняя арифметическая имеет смысл только для количественных признаков. Для качественных данных (например, цвет глаз, профессия) её вычисление некорректно.
• Игнорирование структуры распределения: средняя не показывает, как данные распределены вокруг неё, и не даёт информации о разбросе, асимметрии или модальности.
• Проблема интерпретации: в сильно асимметричных распределениях (например, распределение доходов) средняя может быть выше медианы, что вводит в заблуждение при оценке благосостояния.

В статистике для преодоления этих ограничений часто используют медиану (устойчивую к выбросам) или моду, а также дополняют среднюю показателями вариации (дисперсия, стандартное отклонение).

¶Примеры расчёта

Пример 1. Оценки ученика за четверть: 4, 5, 3, 4, 5. Сумма = 4 + 5 + 3 + 4 + 5 = 21. Количество оценок = 5. Средняя арифметическая = 21 / 5 = 4,2.

Пример 2. Средняя температура воздуха за неделю (в °C): 15, 17, 16, 14, 18, 20, 19. Сумма = 15 + 17 + 16 + 14 + 18 + 20 + 19 = 119. Количество дней = 7. Средняя = 119 / 7 ≈ 17,0 °C.

¶Связь с другими статистическими показателями

Простая средняя арифметическая является основой для расчёта многих других статистических характеристик:

• Дисперсия \(\sigma^2 = \frac{1}{n}\sum_{i=1}^{n} (x_i - \bar{x})^2\) — средний квадрат отклонений от средней.
• Стандартное отклонение \(\sigma = \sqrt{\sigma^2}\) — мера разброса данных.
• Коэффициент вариации \(CV = \frac{\sigma}{\bar{x}} \times 100\%\) — относительная мера вариации.
• Доверительные интервалы для среднего строятся на основе выборочной средней и стандартной ошибки.

¶Источники

1. Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2003.
2. Елисеева И. И., Юзбашев М. М. Общая теория статистики. — М.: Финансы и статистика, 2004.
3. Крамер Г. Математические методы статистики. — М.: Мир, 1975.
4. Сборник задач по теории вероятностей и математической статистике / Под ред. В. А. Колемаева. — М.: ЮНИТИ-ДАНА, 2008.
5. Федеральная служба государственной статистики (Росстат). Методологические положения по статистике. — М., 2020.