Среднее абсолютное отклонение

Среднее абсолютное отклонение (САО, англ. Mean Absolute Deviation, MAD) — это статистическая мера разброса значений числового ряда относительно их среднего арифметического, представляющая собой среднее арифметическое модулей отклонений каждого значения от среднего. В отличие от дисперсии и стандартного отклонения, среднее абсолютное отклонение использует модуль разности, что делает его менее чувствительным к выбросам и более интерпретируемым в единицах исходных данных.

Определение и математическая формулировка

Среднее абсолютное отклонение для генеральной совокупности (набора данных) определяется как:

\[ MAD = \frac{1}{n} \sum_{i=1}^{n} |x_i - \bar{x}| \]

где:

• \( n \) — количество наблюдений;
• \( x_i \) — i-е значение ряда;
• \( \bar{x} \) — среднее арифметическое всех значений.

Для выборки (выборочное среднее абсолютное отклонение) формула аналогична, но используется для оценки параметра генеральной совокупности. В некоторых источниках для выборки применяют деление на \( n-1 \), однако это не является общепринятым стандартом, в отличие от дисперсии.

Свойства

• Размерность: совпадает с размерностью исходных данных (например, если данные в метрах, САО — в метрах).
• Интерпретация: показывает, насколько в среднем каждое значение отклоняется от среднего арифметического. Чем меньше САО, тем более сгруппированы данные вокруг среднего.
• Устойчивость к выбросам: по сравнению с дисперсией и стандартным отклонением, САО менее чувствительно к экстремальным значениям, так как модуль не возводит отклонения в квадрат. Это делает его робастной мерой разброса.
• Минимальность: среднее абсолютное отклонение минимально при вычислении относительно медианы, а не среднего арифметического. Если вместо среднего арифметического в формуле использовать медиану, получается другое семейство мер — среднее абсолютное отклонение от медианы (Median Absolute Deviation, MAD).

История

Понятие среднего абсолютного отклонения восходит к работам Карла Фридриха Гаусса и Пьера-Симона Лапласа в начале XIX века. Лаплас в своих исследованиях теории вероятностей и ошибок измерений активно использовал модуль отклонения, в то время как Гаусс отдавал предпочтение квадратичным отклонениям (метод наименьших квадратов). В XX веке среднее абсолютное отклонение получило распространение в экономике, метеорологии, психологии и других областях, где важна устойчивость оценок к выбросам. В России и СССР данная мера активно применялась в технических и инженерных расчётах, а также в статистическом контроле качества.

Сравнение со стандартным отклонением

В случае нормального распределения данных стандартное отклонение примерно в 1,25 раза больше среднего абсолютного отклонения (точнее, \( \sigma \approx 1,2533 \cdot MAD \)).

Применение

В статистике и анализе данных

• Описательная статистика: используется для характеристики разброса данных в отчётах и публикациях, особенно когда данные содержат выбросы или имеют распределение, отличное от нормального.
• Робастная статистика: среднее абсолютное отклонение от медианы (MAD) — одна из самых распространённых робастных мер масштаба.
• Контроль качества: применяется в картах Шухарта и других методах статистического управления процессами.

В экономике и финансах

• Оценка риска: используется для измерения волатильности активов, особенно в портфельном анализе, где важна устойчивость к экстремальным колебаниям.
• Прогнозирование: средняя абсолютная ошибка (Mean Absolute Error, MAE) — стандартная метрика качества прогнозных моделей, основанная на том же принципе.

В метеорологии и климатологии

• Анализ климатических рядов: среднее абсолютное отклонение температуры, осадков и других метеопараметров от многолетней нормы позволяет оценить климатическую изменчивость.

В психологии и социологии

• Измерение разброса мнений: используется для анализа ответов на вопросы с порядковой или интервальной шкалой, когда выбросы могут искажать результаты.

Пример расчёта

Рассмотрим набор данных: 2, 4, 6, 8, 10.

1. Среднее арифметическое: \( \bar{x} = (2+4+6+8+10)/5 = 6 \).
2. Отклонения от среднего: -4, -2, 0, 2, 4.
3. Модули отклонений: 4, 2, 0, 2, 4.
4. Среднее абсолютное отклонение: \( (4+2+0+2+4)/5 = 12/5 = 2,4 \).

Таким образом, в среднем каждое значение отклоняется от среднего (6) на 2,4 единицы.

Критика и ограничения

• Неэффективность для нормального распределения: при нормальном распределении стандартное отклонение является более эффективной (имеет меньшую дисперсию) оценкой разброса, чем САО.
• Отсутствие простых аналитических свойств: в отличие от дисперсии, САО не является дифференцируемой функцией в точке нуля, что затрудняет его использование в некоторых оптимизационных задачах.
• Зависимость от выбора меры центра: САО, вычисленное относительно среднего арифметического, не является минимально возможным; минимальное значение достигается при использовании медианы. Это может приводить к путанице при интерпретации.

Интересные факты

• Среднее абсолютное отклонение от медианы (MAD) является робастной оценкой масштаба и используется в алгоритмах машинного обучения, например, для обнаружения аномалий.
• В Российской Федерации среднее абсолютное отклонение применяется в методиках оценки качества продукции, в том числе в стандартах ГОСТ по статистическому управлению качеством.
• В некоторых учебниках по статистике среднее абсолютное отклонение называют «средним линейным отклонением», хотя этот термин менее распространён.

Источники

• Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2003.
• Кендалл М. Дж., Стюарт А. Статистические выводы и связи. — М.: Наука, 1973.
• ГОСТ Р 50779.10-2000 (ИСО 3534-1:1993) Статистические методы. Вероятность и основы статистики. Термины и определения.
• Huber P. J. Robust Statistics. — Wiley, 1981.
• Lehmann E. L. Theory of Point Estimation. — Springer, 1998.