ส่วนเบี่ยงเบนเฉลี่ย (Mean Deviation) คืออะไร? สถิติพื้นฐานเพื่อการวัดความเบี่ยงเบนจากค่ากลาง
ในการวัดการกระจายของข้อมูล ส่วนเบี่ยงเบนเฉลี่ย (Mean Deviation ย่อว่า M.D.) หรือหลายคนเรียกว่า ส่วนเบี่ยงเบนสัมบูรณ์เฉลี่ย (Mean Absolute Deviation หรือ MAD) เป็นหนึ่งในค่าวัดทางสถิติที่สำคัญ ช่วยให้เราทราบว่าโดยเฉลี่ยแล้ว ข้อมูลแต่ละตัวในชุดนั้น อยู่ห่างจาก "ค่ากลาง" มากน้อยเพียงใด ยิ่งค่าส่วนเบี่ยงเบนเฉลี่ยมีค่ามาก แสดงว่าข้อมูลมีการกระจายตัวสูง (เกาะกลุ่มน้อย) หากมีค่าน้อย แสดงว่าข้อมูลเกาะกลุ่มกันแน่นอยู่รอบๆ ค่ากลาง
ทำไมถึงต้องมี "สัมบูรณ์" (Absolute)?
หากเรานำข้อมูลทุกตัวมาลบด้วยค่าเฉลี่ยเฉยๆ แล้วจับบวกกัน ตามกฎทางคณิตศาสตร์แล้ว ผลรวมของความเบี่ยงเบนรอบค่าเฉลี่ยเลขคณิตจะ เท่ากับ 0 เสมอ (Σ(x - x̄) = 0) เพราะค่าที่มากกว่าค่าเฉลี่ยและน้อยกว่าค่าเฉลี่ยจะหักล้างกันไปจนหมด เพื่อแก้ปัญหานี้ เราจึงต้องใส่ ค่าสัมบูรณ์ (Absolute Value, สัญลักษณ์ | |) ให้กับผลลัพธ์การลบแต่ละตัว เพื่อบังคับให้ทุกระยะห่างเป็นค่าบวกทั้งหมดก่อนนำมาหาค่าเฉลี่ยนั่นเอง
สูตรที่ใช้คำนวณ (Formulas)
การหาส่วนเบี่ยงเบนเฉลี่ยสามารถวัดระยะห่างจาก "ค่าเฉลี่ย (Mean)" หรือ "มัธยฐาน (Median)" ก็ได้ (บางครั้งอาจใช้ฐานนิยม แต่น้อยมาก)
1. ส่วนเบี่ยงเบนเฉลี่ยรอบค่าเฉลี่ย (Mean Deviation from Mean):
M.D.(Mean) = Σ |xi - x̄| / N
โดยที่ xi คือข้อมูลแต่ละตัว, x̄ คือค่าเฉลี่ยเลขคณิตของข้อมูล, และ N คือจำนวนข้อมูลทั้งหมด
2. ส่วนเบี่ยงเบนเฉลี่ยรอบมัธยฐาน (Mean Deviation from Median):
M.D.(Median) = Σ |xi - Median| / N
หลักการตามทฤษฎีสถิติระบุว่า ผลรวมของค่าสัมบูรณ์ความเบี่ยงเบนรอบ "มัธยฐาน" จะมีค่าน้อยที่สุดเสมอเมื่อเทียบกับจุดอื่นๆ ดังนั้นการคำนวณ M.D. จากมัธยฐานจึงเป็นวิธีที่ดีที่สุดในทางทฤษฎี แต่ในทางปฏิบัติคนมักนิยมใช้การเบี่ยงเบนจากค่าเฉลี่ยมากกว่า
นอกจากนี้ หากเราต้องการเปรียบเทียบการกระจายของข้อมูล 2 ชุดที่หน่วยไม่เหมือนกัน (เช่น น้ำหนักเป็นกิโลกรัม เทียบกับส่วนสูงเป็นเซนติเมตร) เราต้องคำนวณ สัมประสิทธิ์ของส่วนเบี่ยงเบนเฉลี่ย (Coefficient of Mean Deviation) โดยเอาค่า M.D. ไปหารด้วยค่ากลางที่ใช้เป็นฐาน (Mean หรือ Median) ทำให้ได้ค่าที่เป็นสัดส่วนปราศจากหน่วย
ข้อดีของการใช้ส่วนเบี่ยงเบนเฉลี่ย
- เข้าใจง่าย: การอธิบายว่า "โดยเฉลี่ยแล้ว ข้อมูลห่างจากค่ากลางเท่าไหร่" เป็นสิ่งที่เข้าใจได้สัญชาตญาณ (Intuitive) มากกว่าการใช้ส่วนเบี่ยงเบนมาตรฐาน (SD) ที่ต้องยกกำลังสองและถอดรูท
- ใช้ข้อมูลครบทุกตัว: แตกต่างจากพิสัย (Range) หรือส่วนเบี่ยงเบนควอไทล์ (Quartile Deviation) ที่ใช้ข้อมูลเพียงบางตัว M.D. นำข้อมูลทุกจุดมาพิจารณาร่วมด้วย
- ได้รับผลกระทบจากค่าสุดโต่ง (Outliers) น้อยกว่าความแปรปรวน: เนื่องจากไม่มีการนำผลต่างไปยกกำลังสอง (เหมือนใน SD) ค่า Outliers จึงไม่ได้ถูกขยายให้มีอิทธิพลจนเกินควร
ใช้เครื่องมือคำนวณของเราด้านบนเพื่อหาส่วนเบี่ยงเบนเฉลี่ยได้ทันที ทั้งรอบค่าเฉลี่ยและมัธยฐาน ช่วยลดข้อผิดพลาดในการคำนวณด้วยมือ และเพิ่มความรวดเร็วในการวิเคราะห์ข้อมูลของคุณได้อย่างมีประสิทธิภาพ!