Calcula la desviación media absoluta (MAD) para cualquier conjunto de datos. Encuentra la dispersión alrededor de la media o mediana con cálculos paso a paso, tablas de desviación y visualizaciones.
También podrías encontrar útiles estas calculadoras
Calcula desviación estándar y varianza
Calcula media aritmética, geométrica, armónica y ponderada
Encuentra el valor medio de un conjunto de datos
Calcula las tres medidas de tendencia central a la vez
Calcula la desviación media absoluta (MAD) para medir qué tan dispersos están tus datos del punto central. Elige entre media o mediana como centro, visualiza tablas detalladas de desviación y comprende la distribución de tus datos con cálculos paso a paso.
La Desviación Media Absoluta (MAD) es una medida de variabilidad que describe la distancia promedio entre cada punto de datos y la media (o mediana) del conjunto de datos. A diferencia de la varianza y desviación estándar que elevan al cuadrado las diferencias, MAD usa valores absolutos, haciéndola más intuitiva y menos sensible a valores atípicos. MAD es a menudo preferida en educación y aplicaciones prácticas porque es más fácil de interpretar - te dice la 'distancia' promedio del centro en las mismas unidades que tus datos.
Fórmula de MAD
MAD = (1/n) × Σ|xᵢ - x̄|Monitorea la consistencia de fabricación midiendo cuánto se desvían las mediciones de productos de las especificaciones.
Evalúa el riesgo de inversión y volatilidad de cartera en términos de desviación promedio de rendimientos esperados.
Evalúa la precisión del pronóstico calculando la desviación promedio entre predicciones y temperaturas reales.
Mide la consistencia de datos en experimentos y encuestas con una estadística robusta y resistente a valores atípicos.
Ambas miden dispersión, pero la desviación estándar eleva al cuadrado las diferencias (dando más peso a valores atípicos) mientras que MAD usa valores absolutos. Para distribuciones normales, MAD ≈ 0.8 × desviación estándar. MAD es más intuitiva ya que está en unidades originales y es menos sensible a valores extremos.