{
  "id": "median-absolute-deviation",
  "title": "中位数绝对偏差",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "中位数绝对偏差是各观测值与其中位数之差的绝对值的中位数，是一种稳健的统计离散程度度量。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "MAD",
    "绝对中位差"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/median-absolute-deviation/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/median-absolute-deviation/",
      "json": "https://aiwiki.page/en/median-absolute-deviation.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "中位数绝对偏差（MAD）是统计学中衡量离散程度的一种指标。它是各观测值与其中位数之差的绝对值的中位数。由于它取决于偏差分布的中间位置，而非偏差之和或平方和，因此对极端观测值相对不敏感。在稳健统计中，MAD 广泛用作标准差的替代指标，尤其适用于包含离群值或具有重尾特征的数据。"
    },
    {
      "heading": "定义",
      "text": "对于观测值 \\(x_1,\\ldots,x_n\\)，首先计算样本中位数：\n\n\\[\\widetilde{x}=\\operatorname{median}_{1\\leq i\\leq n}x_i.\\]\n\n未经缩放的样本 MAD 定义为\n\n\\[\\operatorname{MAD} = \\operatorname{median}_{1\\leq i\\leq n} \\left|x_i-\\widetilde{x}\\right|.\\]\n\n当观测值个数为偶数时，通常约定将排序后居中的两个值的算术平均数作为中位数。这一约定既适用于原始观测值，也适用于它们的绝对偏差。\n\n对于总体中位数指定为 \\(m\\) 的随机变量 \\(X\\)，总体 MAD 为\n\n\\[d=\\operatorname{median}|X-m|.\\]\n\n对于中位数不唯一的分布，定义时需要约定如何选取相关的中位数。如果累积分布函数 \\(F\\) 连续且严格递增，则 \\(d\\) 是下式唯一的非负解：\n\n\\[F(m+d)-F(m-d)=\\frac12.\\]\n\n因此，区间 \\([m-d,m+d]\\) 包含一半的概率。对于存在点质量的分布，这种形式的区间所包含的概率可能超过一半。\n\n缩写 MAD 有时也用于表示平均绝对偏差。这是另一种统计量：它对绝对偏差取平均数，而非中位数。计算平均绝对偏差时，还必须明确所采用的中心值。"
    },
    {
      "heading": "计算与示例",
      "text": "考虑以下已排序的数据：\n\n\\[1,\\;1,\\;2,\\;2,\\;4,\\;6,\\;9.\\]\n\n其中位数为 \\(2\\)。各观测值相对于 \\(2\\) 的绝对偏差为\n\n\\[1,\\;1,\\;0,\\;0,\\;2,\\;4,\\;7.\\]\n\n将这些偏差排序后得到\n\n\\[0,\\;0,\\;1,\\;1,\\;2,\\;4,\\;7,\\]\n\n其中位数为 \\(1\\)，因此 MAD 等于 \\(1\\)。\n\n将 \\(9\\) 替换为 \\(900\\) 会改变最大的偏差，但样本中位数和 MAD 均保持不变。相比之下，标准差会显著增大。\n\n一种直接的实现方法是先对观测值排序，再对偏差排序；用大O记号表示，其时间复杂度为 \\(O(n\\log n)\\)。中位数选择算法可以避免完整排序，在线性时间内计算 MAD；这一时间保证是期望意义上的还是最坏情况下的，取决于所用的选择算法。"
    },
    {
      "heading": "通过缩放估计标准差",
      "text": "原始 MAD 与标准差衡量离散程度的方式不同，因此数值通常不相等。在正态分布下，两者存在固定的关系。\n\n若 \\(X\\sim N(\\mu,\\sigma^2)\\)，则总体中位数为 \\(\\mu\\)，且\n\n\\[\\Pr\\bigl(|X-\\mu|\\leq d\\bigr) = 2\\Phi(d/\\sigma)-1,\\]\n\n其中 \\(\\Phi\\) 为标准正态累积分布函数。令此概率等于 \\(1/2\\)，可得\n\n\\[d=\\sigma\\Phi^{-1}(0.75) \\approx0.67448975\\,\\sigma.\\]\n\n因此，在正态分布下具有相合性的缩放 MAD 为\n\n\\[\\widehat{\\sigma}_{\\mathrm{MAD}} = \\frac{\\operatorname{MAD}}{\\Phi^{-1}(0.75)} \\approx1.48260222\\,\\operatorname{MAD}.\\]\n\n这里，\\(\\Phi^{-1}(0.75)\\) 是标准正态分布的第 75 百分位数，即 0.75 分位数。\n\n在从正态总体独立抽样的条件下，这一缩放统计量是 \\(\\sigma\\) 的相合估计量：随着样本量增大，它趋近于总体标准差。系数 \\(1.4826\\) 并不是将 MAD 换算为标准差的通用系数。其他分布假设通常需要不同的系数，而且有些分布并不存在有限的标准差。\n\n在正态分布下具有相合性，也不意味着在有限样本下严格无偏。额外的修正可能取决于样本量和中位数的计算约定；这些修正涉及估计量的偏差，而非原始 MAD 的定义。\n\n不同软件采用的约定各不相同。名为“MAD”的函数可能返回原始统计量，也可能返回缩放后的值，因此解释结果时必须考虑其缩放约定。"
    },
    {
      "heading": "稳健性与统计性质",
      "text": "抵抗污染的能力\n\nMAD 能抵抗少数任意极端的观测值的影响，因为这些观测值未必会显著改变居中的绝对偏差。相比之下，只要将一个观测值移到任意远的位置，就能使样本方差和标准差任意增大。\n\n对于非退化的连续总体，MAD 的渐近替换崩溃点为 \\(50\\%\\)。直观地说，可能需要污染接近一半的样本，才能使这一尺度估计值任意增大或降至零。有限样本下的确切阈值取决于样本量、中位数的计算约定以及重复值的情况。一个本就含有大量相同值的数据集，即使没有任何额外污染，其 MAD 也可能为零。\n\n崩溃点高并不意味着低于该阈值的污染毫无影响。它描述的是对任意严重失效的抵抗能力，而不是完全的稳定性。\n\n平移与缩放性质\n\n对于 \\(y_i=a+bx_i\\)，有\n\n\\[\\operatorname{MAD}(y_1,\\ldots,y_n) = |b|\\operatorname{MAD}(x_1,\\ldots,x_n).\\]\n\n因此，给所有观测值加上同一常数不会改变 MAD；将所有观测值乘以同一常数，则会使 MAD 乘以该常数的绝对值。该统计量与观测值具有相同的物理单位。\n\n正态分布下的效率\n\n稳健性需要付出一定代价。在独立且严格服从正态分布的抽样条件下，估计 \\(\\sigma\\) 时，缩放 MAD 相对于通常的样本标准差的渐近相对效率约为 \\(37\\%\\)。因此，在这一模型下，要达到相同的大样本精度，它所需的观测值数量约为后者的 \\(2.7\\) 倍。\n\n这一比较依赖于特定模型。对于受污染或重尾的数据，通常使用的标准差可能远不如 MAD 稳定，其在正态模型下的效率优势也未必仍然存在。\n\n无需矩条件\n\n总体 MAD 不要求期望值或方差有限。例如，位置参数为 \\(x_0\\)、尺度参数为 \\(\\gamma>0\\) 的柯西分布，其中位数为 \\(x_0\\)，MAD 为 \\(\\gamma\\)，尽管其均值和方差均无定义。"
    },
    {
      "heading": "应用",
      "text": "MAD 通常与中位数一起报告，用于描述分布的中心位置和离散程度。它也用于估计噪声尺度、将残差标准化，以及构造筛查离群值的统计量。\n\n一种常见的修正 z 分数为\n\n\\[M_i = \\frac{0.67448975(x_i-\\widetilde{x})} {\\operatorname{MAD}},\\]\n\n前提是原始 MAD 为正。等价地说，这就是将中心化后的观测值除以在正态分布下具有相合性的缩放 MAD。在近似正态的模型下，它的尺度与普通 z 分数相近，但使用估计得到的中位数和 MAD，并不能使其严格服从标准正态分布。对这一统计量应用某个阈值，并不自动构成经过校准的统计假设检验。\n\n在时间序列分析中，滚动 MAD 可以描述局部变异程度。其解释取决于窗口长度、局部趋势和序列相关性。在线性回归中，残差的 MAD 可以提供稳健的尺度估计，但仅仅以稳健方式计算残差尺度，并不能使拟合出的回归模型抵抗强影响观测值的影响。"
    },
    {
      "heading": "局限性与相关度量",
      "text": "即使某些观测值彼此不同，MAD 也可能等于零。例如，\n\n\\[0,\\;0,\\;0,\\;1,\\;2\\]\n\n的中位数为 \\(0\\)，MAD 为 \\(0\\)。当严格超过半数的观测值相同时，就会出现这种情况；对于离散数据、经过舍入的数据或含有大量零值的数据，这种情况可能很常见。此时，使用 MAD 进行标准化没有定义。\n\n对于偏斜分布，MAD 将中位数两侧的偏差合并为一个数值。它不能描述不对称性，也不能区分上尾与下尾的特征。分位数或分别衡量两侧离散程度的指标，可以描述 MAD 未能反映的特征。\n\n四分位距定义为第 75 百分位数与第 25 百分位数之差，是另一种稳健的离散程度度量。与 MAD 不同，它使用的是原始观测值的两个分位数，而不是中心化后绝对偏差的中位数。除某些特定的分布族外，这两个指标不一定成比例。\n\n最后，MAD 较小并不意味着极端观测值不重要。该统计量有意限制了极端观测值的影响；它并不是为概括最大偏差、尾部风险或罕见极端值的出现频率而设计的。"
    }
  ],
  "links": [
    "statistics",
    "absolute-value",
    "median",
    "standard-deviation",
    "random-variable",
    "cumulative-distribution-function",
    "big-o-notation",
    "normal-distribution",
    "quantile",
    "consistent-estimator",
    "estimator-bias",
    "variance",
    "expected-value",
    "cauchy-distribution",
    "statistical-hypothesis-testing",
    "time-series",
    "linear-regression",
    "interquartile-range"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}