Statistická střední hodnota je praktickým nástrojem pro porovnávání a měření obchodních údajů. Poskytuje způsob přiřazení průměrné hodnoty množině číselných veličin. Tato průměrná částka určuje střední hodnotu datové sady známou také jako Central Tendency. Přestože výpočet průměru je podobný, různé typy dat mohou vyžadovat alternativní přístup.
Aritmetický přístup
Aritmetický průměr se skládá ze součtu všech číselných hodnot v datové sadě. Výsledek je pak rozdělen podle počtu uvedených hodnot. Předpokládejme, že sada dat obsahuje tato čísla (5,10,10,20,5). Průměr by se rovnal součtu těchto hodnot (50), dělených počtem pozorovaných hodnot (5). Průměrný nebo aritmetický průměr by se rovnal (10). Tento průměr nemusí být nejlepšími způsoby výpočtu, pokud se vyskytují velké rozdíly v číselných hodnotách nebo jiných odlehlých hodnotách. Obvykle se používá pro výpočet centrální tendence s konzistentními daty, které zahrnují analýzu intervalů a poměrů.
Přiřazení vážených hodnot
Ačkoli aritmetický průměr je praktický, nenabízí skutečný přesný průměr při měření kolísavých hodnot. Realistická a běžně používaná obchodní metoda je přiřazení váhy každé číselné hodnotě. Přiřazení váhy nebo procentuálních hodnot do souboru dat s kolísavými hodnotami je metoda váženého průměru. Metoda váženého průměru uplatňuje procentní podíl na kolísání údajů.
Řešení růstu
Pokud datové soubory zahrnují rostoucí čísla, je nutné přesnější měření centrální tendence. Geometrický průměr je jiný přístup, který se zabývá nerovností nebo růstem v datovém souboru. Tento průměrný výpočet zahrnuje převzetí n-té kořeny produktu v součtu dat. Tento přístup měří rostoucí počty statistických a investičních analýz.
Alternativní nástroje
Kromě toho existují některé alternativní nástroje, které by mohly měřit centrální tendenci. Patří sem režim a medián. Režim určuje frekvenci určitých hodnot v datové sadě. Medián by mohl být použit k určení skutečné střední hodnoty sady dat. To se provádí tříděním hodnot ve vzestupném pořadí a určením nalezených opakujících se nebo středních hodnot. To je užitečné pro identifikaci vzorků a středních bodů, pokud shromážděná data obsahují zkreslené částky.
