# فصل ۰۶ — میانگین، میانه، پراکندگی

<div dir="rtl">

# فصل ۰۶ — میانگین، میانه، پراکندگی

## در این فصل چه یاد می‌گیری

در یک شرکتِ ده‌نفره، نُه نفر ماهی ۲۰ میلیون می‌گیرند و مدیر ۲۰۰ میلیون.

«میانگینِ حقوق ۳۸ میلیون است.» راست است. و کاملاً گمراه‌کننده — چون **هیچ‌کس** ۳۸ میلیون نمی‌گیرد.

این فصل دربارهٔ خلاصه‌کردنِ داده است، و مهم‌تر: دربارهٔ اینکه **در هر خلاصه‌کردنی چیزی گم می‌شود** و باید بدانی چه چیزی.

![دو مجموعه داده با میانگین یکسان ولی پراکندگی کاملاً متفاوت](/lesson-assets/t6-s06-center-spread/prompt/01-image-same-mean-different-spread.png)

آخر این فصل می‌توانی:

- میانگین و میانه و مُد را حساب کنی و بگویی کِی کدام
- بگویی چرا میانگین به مقادیرِ پرت حساس است
- پراکندگی را بسنجی و بگویی چرا لازم است

## قبل از شروع

- **از ترم ۲ فصل ۵:** درصد و نسبت.
- **از فصل ۲:** احتمال به‌عنوان نسبتِ بلندمدت.
- **از ترم ۵ فصل ۸:** اینکه هر اندازه‌گیری خطا دارد و جواب یک بازه است.

## ۱. سه جور «وسط»

**میانگین:** همه را جمع کن و بر تعدادشان تقسیم کن.

**میانه:** مرتبشان کن و وسطی را بردار.

**مُد:** آنکه بیشتر از همه تکرار شده.

برای حقوق‌های بالا:

- میانگین: $\frac{9 \times 20 + 200}{10} = 38$.
- میانه: مرتب کن؛ عددِ وسطی ۲۰ است.
- مُد: ۲۰.

> 🤔 **اول حدس بزن:** کدام‌یک «حقوقِ معمولِ این شرکت» را بهتر توصیف می‌کند؟

میانه — چون به آن یک عددِ پرت وابسته نیست.

**دلیلش:** میانگین همهٔ عددها را جمع می‌کند، پس **هر عددِ پرتی کلِ نتیجه را می‌کشد**. میانه فقط به **ترتیب** نگاه می‌کند؛ اگر حقوقِ مدیر ۲۰۰ باشد یا ۲۰۰۰، میانه همان ۲۰ می‌ماند.

> ⚠️ **دامِ رایج:** استفاده از «میانگین» بدونِ بررسیِ شکلِ داده. **هر جا داده مقادیرِ پرتِ بزرگ دارد — درآمد، ثروت، قیمتِ مسکن، تعدادِ دنبال‌کننده — میانگین بالاتر از واقعیتِ اکثریت است.** و به همین دلیل، گزارش‌هایی که می‌خواهند وضع را بهتر جلوه بدهند تقریباً همیشه میانگین را انتخاب می‌کنند.

> ✅ **چک کن:** داده‌های $2, 3, 3, 4, 100$ را در نظر بگیر. میانگین، میانه و مُد را حساب کن. — میانگین ۲۲٫۴، میانه ۳، مُد ۳. **کدام‌یک داده را توصیف می‌کند؟**

## ۲. کِی از کدام استفاده کنی

**میانه** وقتی داده مقادیرِ پرت دارد، یا وقتی توزیع نامتقارن است.

**میانگین** وقتی داده متقارن است و پرت ندارد — و وقتی می‌خواهی **جمعِ کل** را بازسازی کنی. (میانگین ضرب در تعداد، جمعِ کل را می‌دهد؛ میانه چنین خاصیتی ندارد.)

**مُد** وقتی داده عددی نیست: پرفروش‌ترین سایز، رایج‌ترین رنگ.

> 💡 **نکته:** **هر سه را حساب کن، بعد تصمیم بگیر کدام را گزارش کنی.** اگر هر سه نزدیک بودند، داده متقارن است و انتخاب مهم نیست. اگر خیلی فاصله داشتند، همان فاصله خودش یک یافته است.

## ۳. چرا وسط کافی نیست

دو گروهِ نمره:

- گروهِ الف: $70, 70, 70, 70, 70$
- گروهِ ب: $40, 55, 70, 85, 100$

> 🤔 **اول حدس بزن:** میانگینشان چقدر تفاوت دارد؟

هیچ. هر دو ۷۰. ولی این دو گروه هیچ شباهتی به هم ندارند.

**یک عدد برای توصیفِ داده کافی نیست.** لازم است بدانی داده چقدر **پخش** است.

**دامنه** ساده‌ترین سنجه است: بزرگ‌ترین منهای کوچک‌ترین. برای الف صفر، برای ب ۶۰.

> ⚠️ **دامِ رایج:** اکتفا به دامنه. دامنه فقط به **دو** عدد نگاه می‌کند و اگر یکی از آن دو پرت باشد، گمراه‌کننده است. مجموعهٔ $70,70,70,70,200$ دامنه‌اش ۱۳۰ است ولی تقریباً کاملاً فشرده است.

## ۴. انحرافِ معیار: فاصلهٔ متوسط از میانگین

سنجهٔ بهتر این سؤال را می‌پرسد: **به‌طورِ متوسط، هر داده چقدر از میانگین فاصله دارد؟**

برای گروهِ ب با میانگینِ ۷۰، فاصله‌ها این‌هاست: ۳۰، ۱۵، ۰، ۱۵، ۳۰.

> 🤔 **اول حدس بزن:** چرا نمی‌شود همین فاصله‌ها را با علامتشان جمع زد و میانگین گرفت؟

چون جمعشان **همیشه صفر** می‌شود: $-30 - 15 + 0 + 15 + 30 = 0$. مثبت‌ها و منفی‌ها همدیگر را حذف می‌کنند، برای هر داده‌ای.

راهِ حل: **اول مربع کن** (تا همه مثبت شوند — ترم ۱ فصل ۶)، میانگین بگیر، بعد ریشهٔ دوم بگیر تا به مقیاسِ اصلی برگردی:

</div>

$$
\sigma = \sqrt{\frac{\sum (x - \bar{x})^2}{n}}
$$

<div dir="rtl">

سه نمادِ تازه در این فرمول هست و هیچ‌کدام کارِ تازه‌ای نمی‌کنند. $\bar{x}$ همان **میانگین** است؛ آن خطِ کوچکِ بالای حرف یعنی «میانگینِ این». علامتِ بزرگِ $\sum$ فقط یعنی «همهٔ این‌ها را با هم جمع کن». و $n$ تعدادِ داده‌هاست. یعنی فرمول دقیقاً همان سه قدمی را می‌گوید که خواندی: فاصله بگیر، مربع کن، جمع کن، بر تعداد تقسیم کن، ریشه بگیر.

برای گروهِ ب: مربع‌ها $900, 225, 0, 225, 900$، میانگینشان ۴۵۰، و ریشه‌اش حدودِ ۲۱٫۲.

برای گروهِ الف: همهٔ فاصله‌ها صفرند، پس انحرافِ معیار صفر است.

**بخوانش این‌طور: «داده‌ها به‌طورِ معمول حدودِ ۲۱ واحد از میانگین فاصله دارند.»**

> 💡 **نکته:** آن مربع‌کردن یک عارضهٔ جانبی دارد: **فاصله‌های بزرگ‌تر وزنِ بیشتری می‌گیرند** (یک فاصلهٔ ۳۰ به‌اندازهٔ چهار فاصلهٔ ۱۵ حساب می‌شود). پس انحرافِ معیار هم مثلِ میانگین به مقادیرِ پرت حساس است.

> 🌱 **ریشه‌اش کجاست:** آن «مربع‌کردن برای حذفِ علامت، بعد جمع، بعد ریشه» را قبلاً دیده‌ای: **دقیقاً ساختارِ فرمولِ فاصلهٔ ترم ۵ فصل ۴ است.** انحرافِ معیار در واقع یک **فاصله** است — فاصلهٔ داده‌ها از مرکزشان، در فضایی که هر داده یک بُعد است. و همین ساختار در ترم ۸ فصل ۹ به‌عنوان **خطای مربعات** به تابعِ هزینهٔ یادگیری ماشین تبدیل می‌شود. یک الگو، سه جای متفاوت.

> ✅ **چک کن:** داده‌های $10, 10, 10$ چه انحرافِ معیاری دارند؟ — صفر. هیچ پراکندگی‌ای نیست.

## ۵. گزارشِ درست

هیچ‌وقت فقط مرکز را گزارش نکن. **همیشه مرکز به‌علاوهٔ پراکندگی.**

«میانگین ۷۰، انحرافِ معیار ۲۱» تصویری می‌دهد که «میانگین ۷۰» نمی‌دهد.

و اگر داده مقادیرِ پرت دارد، به‌جای میانگین و انحرافِ معیار، **میانه و بازه‌ای که نیمهٔ میانیِ داده‌ها در آن است** را بگو.

> ⚠️ **دامِ رایج:** مقایسهٔ دو گروه فقط از روی میانگینشان. اگر پراکندگی‌ها خیلی متفاوت باشد، آن مقایسه تقریباً بی‌معنی است. **دو گروه با میانگینِ یکسان می‌توانند کاملاً متفاوت باشند** — همان چیزی که در بخش ۳ دیدی.

> 🧪 **آزمایشگاه:** [داده را جابه‌جا کن](/lab/embed/risheh/term-6-probability-statistics/session-06-center-spread) — نقطه‌های داده را روی یک محور می‌کشی و میانگین و میانه و انحرافِ معیار زنده عوض می‌شوند. اول یک نقطه را خیلی دور ببر و ببین کدام‌یک از سه عدد بیشترین تکان را می‌خورد.

## تمرین‌ها

1. برای $4, 7, 7, 9, 13$ میانگین، میانه و مُد را حساب کن.
2. برای $5, 5, 5, 5, 45$ همان سه را حساب کن. کدام‌یک داده را بهتر توصیف می‌کند؟
3. انحرافِ معیارِ $2, 4, 4, 4, 5, 5, 7, 9$ را حساب کن.
4. دو کلاس هر دو میانگینِ ۱۵ دارند، ولی یکی انحرافِ معیارِ ۱ و دیگری ۷. تفاوتشان را در یک جمله توصیف کن.
5. بیماری‌ای ۵ درصدِ جمعیت را درگیر می‌کند و آزمایشی ۹۰ درصد دقیق. اگر مثبت شدی، احتمالِ مریض‌بودنت؟
6. با دو تاس، احتمالِ مجموعِ بزرگ‌تر از ۱۰؟

⭐ پنج عدد بساز که میانگینشان ۱۰ و میانه‌شان ۵ باشد. حالا پنج عدد بساز که میانگینشان ۱۰ و میانه‌شان ۱۵ باشد. چه چیزی دربارهٔ شکلِ آن دو مجموعه یاد می‌گیری؟

## در فصل بعد

تا اینجا داده را با دو عدد خلاصه کردی. فصل بعد کلِ **شکلِ** آن را نگاه می‌کند — و به شکلی می‌رسد که در طبیعت آن‌قدر تکرار می‌شود که نامش را «نرمال» گذاشته‌اند. و همان‌جا معلوم می‌شود چرا آن انحرافِ معیار ناگهان معنیِ خیلی دقیق‌تری پیدا می‌کند.

</div>

---
Source: https://yaadestan.com/courses/risheh/lessons/t6/s06-center-spread (یادستان, Yaadestan)
