Rechner für mittlere absolute Abweichung

Dieser Rechner für mittlere absolute Abweichung misst, wie weit typische Werte vom Zentrum einer endlichen Zahlenliste entfernt liegen, indem er die absoluten Differenzen vom arithmetischen Mittelwert mittelt. Sie erhalten die Anzahl n, den Mittelwert μ, die Rohsumme, die Summe der absoluten Abweichungen, die MAD selbst, plus das beobachtete Minimum und Maximum und eine kurze Formel-Zeichenkette. Ein klassischer Testfall ist die Acht-Werte-Reihe zwei, vier, vier, vier, fünf, fünf, sieben, neun: Der Mittelwert ist fünf und die mittlere absolute Abweichung ist eineinhalb, weil sich die absoluten Residuen zu zwölf summieren und zwölf geteilt durch acht eins Komma fünf ist. Die Engine nutzt ausschließlich einen deterministischen Zweipass-Algorithmus: keine Netzwerkaufrufe, keine Zufallsstichproben und keine datumsabhängigen Abkürzungen.

Was mittlere absolute Abweichung misst und was die Antwort enthält

Die mittlere absolute Abweichung beantwortet, wie weit typische Beobachtungen vom Zentrum eines Datensatzes entfernt liegen, ohne Residuen zu quadrieren. Ist der arithmetische Mittelwert bekannt, trägt jede Beobachtung den absoluten Betrag ihres Residuums bei; das Mitteln dieser absoluten Residuen erzeugt die MAD, die in denselben Einheiten wie die ursprünglichen Messungen liegt und weniger empfindlich gegenüber extremen Ausreißern ist als Varianz oder Standardabweichung.

Dieser Rechner liefert immer eine vollständige univariate Zusammenfassung neben der MAD: n, mean, sum, Summe der absoluten Abweichungen, mad, min, max, eine kurze Formel-Zeichenkette, die MAD als den Durchschnitt der absoluten Abweichungen von μ benennt, und die veröffentlichte maximale Länge, damit Clients vor dem Senden eines Stapels validieren können. Zurückgewiesen werden unter anderem ein fehlendes values-Feld, eine leere Liste, nicht endliche Einträge wie Infinity oder NaN, nicht-numerische Token und Arrays länger als das veröffentlichte Maximum.

Ein einzelner endlicher Wert ist gültig und ergibt MAD null, weil das einzige Residuum null ist. Wenn Sie Populations- oder Stichproben-Standardabweichung, Varianz, mediane absolute Abweichung um den Median, Perzentile oder ein vollständiges CSV-Profil über viele Spalten benötigen, nutzen Sie die dafür vorgesehenen Werkzeuge; diese Seite beantwortet ausschließlich mittlere absolute Abweichung um den arithmetischen Mittelwert für eine numerische Reihe mit exakter, cachebarer Gleitkomma-Ausgabe, geeignet für Arbeitsblätter, Unit-Tests und Pipelines, die bei jedem Lauf dasselbe μ und dieselbe MAD treffen müssen.

Wie Werte gelesen werden und wie der Zweipass-Algorithmus stabil bleibt

Jedes Element wird als endliche Dezimalzahl geparst; optionale führende Vorzeichen und wissenschaftliche Notation sind erlaubt, während leere Token, nackte Buchstaben und nicht-numerische Objekte mit einem Feldindex in der Meldung fehlschlagen, damit eine fehlerhafte Zelle nicht zu einer stillen Null wird. Die Engine erzwingt ein hartes Maximum von zehntausend Punkten und eine Betrag-Obergrenze pro Wert, damit Speicher und Latenz auf dem kostenlosen Browserpfad und auf dem Edge-Worker in einem vorhersehbaren Budget bleiben.

Die Berechnung ist die klassische Zweipass-Methode: zuerst Summe und Mittelwert, dann Summe der absoluten Abweichungen von diesem Mittelwert, dann MAD als diese Summe geteilt durch n. Die Rückgabe der Zwischensumme der absoluten Abweichungen neben der MAD erlaubt es Lehrkräften und Entwicklern, die Rechnung von Hand zu prüfen, ohne den Mittelwert neu herzuleiten. Absolute Residuen vermeiden die Ausreißer-Verstärkung durch Quadrieren, die die Standardabweichung mit sich bringt, weshalb MAD in der einführenden Statistik, robuster explorativer Analyse und Qualitätskontrollkarten beliebt ist, die lineare statt quadratische Distanz bevorzugen.

Wo mittlere absolute Abweichung bei Studium, Wissenschaft und Produktarbeit Anwendung findet

Studierende begegnen mittlerer absoluter Abweichung, wenn ein Lehrbuch Streuung vor der Varianz einführt, wenn ein Laborbericht nach durchschnittlichem absolutem Fehler um den Mittelwert fragt, oder wenn sie eine saubere Prüfung gegen einen Rechner benötigen, der nur die Standardabweichung offenlegt. Lehrkräfte können Lösungsschlüssel für moderate Reihen vorab erstellen, ohne undurchsichtigen Apps zu vertrauen, die Zwischen-Absolutresiduen unterschiedlich runden oder MAD um den Mittelwert mit medianer absoluter Abweichung um den Median verwechseln.

Entwickler rufen denselben Vertrag aus Skripten auf, um deterministische Testvektoren zu speisen, um Feature-Pipelines zu validieren, die nach durchschnittlichem absolutem Residuum normalisieren, oder um Datenqualitäts-Gates zu erfüllen, die Spalten ablehnen, deren MAD auf null zusammenfällt, wenn Variation erwartet wird. Analysten bevorzugen MAD, wenn die Reihe schwere Ausläufer enthalten kann und ein lineares Distanzmaß leichter gegenüber Stakeholdern zu erklären ist als σ. Produkt- und Betriebsteams beobachten MAD von Latenz, Warenkorbgröße oder Fehlerzahlen, um Regressionen zu erkennen, die Durchschnitte allein verbergen würden, ohne dieselbe Ausreißer-Empfindlichkeit wie die Stichproben-Standardabweichung.

Kombinieren Sie ihn mit dem Standardabweichungs-Rechner, wenn Sie sowohl quadratische als auch absolute Streuungsmaße benötigen, und mit CSV-Profiling, wenn Sie Mehrspalten-Zusammenfassungen statt einer einzigen numerischen Reihe benötigen.