6.1 Statistiske mål

Tall som forteller historier

Tenk deg at du er fotballtrener og vil vite hvordan laget presterer. Du har resultatene fra de siste ti kampene: $2, 0, 3, 1, 1, 0, 4, 1, 2, 1$ mål per kamp. Men hva sier egentlig disse tallene? Er laget bra? Jevnt? Uforutsigbart?

Statistiske mål er verktøy som hjelper oss å oppsummere og forstå store mengder data med bare noen få tall. I stedet for å lese gjennom alle resultatene, kan du si: «Vi scorer i gjennomsnitt $1{,}5$ mål per kamp.» Det gir et raskt og nyttig bilde.

Vi deler statistiske mål i to grupper: sentralmål (som beskriver hva som er «typisk») og spredningsmål (som beskriver hvor mye dataene varierer).

Sentralmål: Gjennomsnitt, median og typetall

De tre viktigste sentralmålene er gjennomsnitt, median og typetall.

Gjennomsnitt (middelverdi)

Gjennomsnittet er det de fleste tenker på når de hører «gjennomsnitt». Du summerer alle verdiene og deler på antallet:

$$\bar{x} = \frac{x_1 + x_2 + \ldots + x_n}{n}$$

Med fotballeksempelet: $\displaystyle \bar{x} = \frac{2 + 0 + 3 + 1 + 1 + 0 + 4 + 1 + 2 + 1}{10} = \frac{15}{10} = 1{,}5$ mål.

Gjennomsnittet er lett å beregne og bruker alle dataene. Men det har en svakhet: det påvirkes sterkt av ekstremverdier. Hvis laget scorer $15$ mål i en kamp (kanskje mot et veldig svakt lag), hopper gjennomsnittet opp til $\displaystyle \frac{15 + 15 - 4}{10} = 2{,}6$, selv om de fleste kampene fortsatt har $0$--$3$ mål.

Median

Medianen er den midterste verdien når dataene er sortert. Sortert: $0, 0, 1, 1, 1, 1, 2, 2, 3, 4$. Med et partall observasjoner ($10$ stykker) er medianen gjennomsnittet av de to midterste: $\displaystyle \frac{1 + 1}{2} = 1$.

Medianen er mer robust mot ekstremverdier. Selv om en kamp har $15$ mål, forblir medianen $1$.

Typetall (modus)

Typetallet er den verdien som forekommer oftest. I vårt datasett forekommer $1$ hele fire ganger, så typetallet er $1$. Et datasett kan ha flere typetall (hvis to verdier forekommer like ofte) eller ingen (hvis alle verdier er unike).

Spredningsmål: Variasjonsbredde og kvartiler

Sentralmål forteller oss hva som er «typisk», men de sier ingenting om hvor mye dataene varierer. To klasser kan ha samme gjennomsnittskarakter, men i den ene klassen ligger alle rundt $4$, mens i den andre varierer det fra $1$ til $6$. Spredningsmål fanger opp denne forskjellen.

Variasjonsbredde

Det enkleste spredningsmålet er variasjonsbredden -- forskjellen mellom største og minste verdi:

$$\text{Variasjonsbredde} = x_{\text{maks}} - x_{\text{min}}$$

I fotballeksempelet: $4 - 0 = 4$ mål. Variasjonsbredden er enkel, men sårbar for ekstremverdier -- én uvanlig kamp kan gi et misvisende bilde.

Kvartiler og IQR

For et mer robust spredningsmål bruker vi kvartiler. De deler det sorterte datasettet i fire like deler:
- $Q_1$ (nedre kvartil) -- medianen av den nedre halvdelen
- $Q_2$ -- medianen (deler datasettet i to halvdeler)
- $Q_3$ (øvre kvartil) -- medianen av den øvre halvdelen

Interkvartilbredden (IQR) er avstanden mellom $Q_3$ og $Q_1$:

$$\text{IQR} = Q_3 - Q_1$$

IQR forteller oss hvor stor spredning de midterste $50\,\%$ av dataene har. Den påvirkes ikke av ekstremverdier.

La oss bruke fotballtallene: $0, 0, 1, 1, 1, 1, 2, 2, 3, 4$.

Nedre halvdel: $0, 0, 1, 1, 1$ $\Rightarrow$ $Q_1 = 1$.
Øvre halvdel: $1, 2, 2, 3, 4$ $\Rightarrow$ $Q_3 = 2$.
IQR $= 2 - 1 = 1$.

Det betyr at mesteparten av kampene har mellom $1$ og $2$ mål.

Hvilket mål skal du velge?

Ulike situasjoner krever ulike mål. Her er noen tommelfingerregler:

Oppsummering

Sentralmål beskriver hva som er typisk:
- Gjennomsnitt ($\bar{x}$): Summen delt på antall. Bruker alle data, men påvirkes av ekstremverdier.
- Median: Den midterste verdien i sorterte data. Robust mot ekstremverdier.
- Typetall: Den mest frekvente verdien. Eneste mål som fungerer for kategoridata.

Spredningsmål beskriver variasjon:
- Variasjonsbredde: $x_{\text{maks}} - x_{\text{min}}$. Enkel, men sårbar for ekstremverdier.
- Kvartiler: $Q_1$ og $Q_3$ deler datasettet i fire deler.
- IQR (interkvartilbredde): $Q_3 - Q_1$. Robust mål for spredning i de midterste $50\,\%$.

Velg mål etter kontekst: gjennomsnitt for symmetriske data, median for skjeve data med ekstremverdier, typetall for kategorier.