Statistična sredina je praktično orodje za primerjavo in merjenje poslovnih podatkov. Zagotavlja način dodeljevanja povprečne vrednosti nizu numeričnih količin. Ta povprečni znesek določa sredino podatkovnega niza, ki je znan tudi kot centralna tendenca. Čeprav je izračun povprečja podoben, lahko različni tipi podatkov zahtevajo nadomestni pristop.
Aritmetični pristop
Aritmetična sredina je vsota vseh številskih vrednosti v nizu podatkov. Rezultat nato delimo s številom navedenih vrednosti. Recimo, da niz podatkov vsebuje te številke (5,10,10,20,5). Srednja vrednost bi bila enaka vsoti teh vrednosti (50), deljeno s številom opaženih vrednosti (5). Povprečna ali aritmetična sredina bi bila enaka (10). To povprečje morda ni najboljši način izračuna, kadar obstaja velika razlika v številskih vrednostih ali drugih izstopajočih vrednostih. Običajno se uporablja za izračun osrednje težnje z doslednimi podatki, ki vključujejo analizo intervalov in razmerij.
Dodelitev uteženih vrednosti
Čeprav je aritmetična sredina praktična, ne ponuja resnično natančnega povprečja pri merjenju nihajnih vrednosti. Bolj realna in najpogosteje uporabljena poslovna metoda je dodeljevanje uteži vsaki numerični vrednosti. Dodelitev teže ali odstotka podatkovnemu nizu nihajnih vrednosti je metoda tehtanega povprečja. Metoda tehtanega povprečja uporablja odstotek za spremenljive zneske podatkov.
Ukvarjanje z rastjo
Kadar podatkovni nizi vključujejo vedno večje število, je potrebna natančnejša merila osrednje težnje. Geometrijska sredina je drug pristop, ki obravnava neskladje ali rast znotraj podatkovnega niza. Ta izračun pomeni, da vzamemo n-ti koren produkta zneskov v podatkovnem nizu. Ta pristop meri vedno večje število v statistični in investicijski analizi.
Nadomestna orodja
Poleg tega obstaja nekaj alternativnih orodij, ki lahko merijo osrednjo težnjo. Ti vključujejo način in srednjo vrednost. Način določa frekvenco določenih vrednosti v podatkovnem nizu. Mediana se lahko uporabi za določitev prave srednje vrednosti podatkovnega niza. To se izvede z razvrščanjem vrednosti v naraščajočem vrstnem redu in prepoznavanjem najdenih ponavljajočih se ali srednjih vrednosti. To je koristno za identifikacijo vzorcev in središč, ko zbrani podatki vsebujejo izkrivljene zneske.
