Calculateur d’écart absolu médian

Fournissez un tableau non vide de nombres pour obtenir la médiane des données, le nombre d’observations et l’écart absolu médian, couramment abrégé en MAD. Comme cette statistique repose sur des médianes plutôt que sur des distances au carré, elle convient particulièrement aux distributions asymétriques, aux données contenant des valeurs aberrantes et aux analyses nécessitant un résumé robuste de la variabilité.

Ce que mesure l’écart absolu médian

L’écart absolu médian décrit la distance habituelle entre les observations et la médiane du jeu de données. Le calcul commence par trier les nombres fournis et déterminer leur médiane. Il prend ensuite la différence absolue entre chaque nombre et cette médiane. La médiane de ces différences constitue le MAD final. Les distances étant rendues absolues, les observations inférieures et supérieures au centre contribuent dans le même sens. Puisque le résumé final est également une médiane, un petit nombre de distances exceptionnellement grandes ne peut pas tirer le résultat vers le haut aussi facilement qu’il influencerait un écart type. Un MAD nul signifie qu’au moins la moitié des observations se trouve exactement à la médiane des données ; cela ne signifie pas nécessairement que toutes les valeurs sont identiques. Le résultat conserve les unités des valeurs d’origine : un MAD calculé à partir de secondes est exprimé en secondes, tandis qu’un calcul à partir de kilogrammes reste en kilogrammes. Cette interprétation directe en fait une description compacte et robuste de la dispersion.

Comment saisir les données et interpréter le résultat

Fournissez un ou plusieurs nombres finis dans le tableau values. Les entiers, les décimaux, les nombres négatifs et les valeurs répétées sont acceptés. L’ordre de saisie n’a aucune importance, car le calculateur trie des copies des données pour déterminer les médianes. Avec un nombre impair d’observations, la médiane est la valeur centrale de la série triée. Avec un nombre pair, elle correspond à la moyenne arithmétique des deux valeurs centrales. La même règle s’applique au tableau des écarts absolus. La réponse contient count afin que vous puissiez confirmer le nombre d’observations évaluées, median pour vérifier le centre utilisé dans le calcul et median_absolute_deviation pour la dispersion robuste. Un tableau vide est refusé, car aucune médiane n’existe, et les entrées non numériques ou non finies sont rejetées au lieu d’être ignorées silencieusement. Ce comportement strict empêche le résultat de représenter uniquement un sous-ensemble non documenté des données fournies et renforce la fiabilité de la validation automatisée.

Quand choisir le MAD

Le MAD est un choix pertinent lorsque les données peuvent contenir des valeurs exceptionnelles, des erreurs de mesure, de longues traînes ou une distribution naturellement asymétrique. Un système de surveillance peut comparer une nouvelle mesure à une médiane historique et exprimer l’écart par rapport à la déviation absolue habituelle. Les analystes peuvent résumer des salaires, des temps de réponse, des retards de livraison ou des relevés de capteurs sans laisser quelques extrêmes définir la variabilité annoncée. Il sert aussi pendant l’analyse exploratoire : comparez la médiane et le MAD entre différents groupes pour repérer les segments dont le niveau typique ou la régularité diffère. Ce calculateur renvoie l’écart absolu médian brut, sans mise à l’échelle. Certaines méthodes statistiques multiplient le MAD par un facteur de cohérence lorsqu’elles estiment l’écart type d’une distribution normale ; ce facteur n’est volontairement pas appliqué ici. La définition brute évite toute hypothèse implicite sur la forme de la distribution. Si votre méthode exige une estimation mise à l’échelle, appliquez son facteur après avoir reçu ce résultat déterministe.