Medianen er et vigtigt mål for central tendens i statistik. Statistikere bruger den til at beskrive den midterste værdi i et datasæt og dermed give et overblik over, hvad der er typisk for dataene. Her ser vi nærmere på, hvad medianen er, og hvordan du beregner den for et givent datasæt.
Vigtige pointer
- Medianen er den midterste værdi i et sorteret datasæt.
- Den er et mål for central tendens, der deler datasættet i to lige store halvdele.
- For at finde medianen skal værdierne først sorteres i stigende rækkefølge.
- Hvis datasættet indeholder et ulige antal værdier, er medianen den midterste værdi.
- Hvis datasættet indeholder et lige antal værdier, beregnes medianen som gennemsnittet af de to midterste værdier.
- Medianen er ofte særligt nyttig ved analyse af skæve datasæt eller datasæt med ekstreme værdier (outliers).
Hvad er medianen?
Inden for statistik findes der flere måder at beskrive den typiske værdi i et datasæt på. Medianen er den midterste værdi i et datasæt, når værdierne sorteres i stigende rækkefølge. Det betyder, at mindst halvdelen af værdierne er mindre end eller lig med medianen, og mindst halvdelen er større end eller lig med den. Medianen er et mål for central tendens, som statistikere bruger til at opsummere et datasæt med en enkelt repræsentativ værdi.¹
Medianen er særligt nyttig ved analyse af datasæt med ekstreme værdier (outliers) eller en skæv fordeling. I virkelige datasæt kan enkelte usædvanligt høje eller lave værdier trække gennemsnittet i den ene eller anden retning. Medianen påvirkes derimod mindre af disse værdier, fordi den afhænger af observationernes placering i det sorterede datasæt frem for deres størrelse.³
Et eksempel er indkomststatistik, hvor nogle få meget høje lønninger kan trække gennemsnitsindkomsten op. Medianindkomsten giver ofte et mere retvisende billede af den typiske indkomst, fordi den angiver midten af indkomstfordelingen.⁴
Medianen er den midterste værdi i et datasæt, når værdierne er sorteret i stigende rækkefølge. Hvis datasættet indeholder et ulige antal værdier, er medianen den midterste værdi. Hvis det indeholder et lige antal værdier, beregnes medianen som gennemsnittet af de to midterste værdier.
Sådan beregner du medianen
For at finde medianen i et datasæt skal du først sortere værdierne i stigende rækkefølge. Derefter skal du tælle, hvor mange værdier datasættet indeholder. Det afgør, om der er et ulige eller lige antal værdier, og dermed hvordan medianen beregnes.²
Hvis datasættet indeholder et ulige antal værdier, er medianen den midterste værdi i den sorterede række. I det følgende eksempel kan du se, hvordan medianen findes i et ordnet datasæt.
Medianen er særligt nyttig for datasæt som gennemsnitslønninger, hvor højtlønnede kan skævvride gennemsnittet som gennemsnittet. | Foto af Joshua Hoehne
Hvis et datasæt indeholder et lige antal værdier, findes der ikke et enkelt midtertal. I stedet findes medianen ved at tage gennemsnittet af de to midterværdier, når tallene er ordnet.
Selvom beregningen er forholdsvis enkel, skal du først sortere dataene, før du kan finde medianen. Hvis du har brug for ekstra hjælp til denne type opgaver, kan en matematiklærer eller -vejleder hjælpe dig med at øve dig i at sortere data og finde den korrekte midterposition.
Medianformel
I små datasæt er det ofte nemt at finde medianen ved at identificere den midterste værdi. I større datasæt kan statistiske formler derimod gøre det lettere at bestemme medianens position. Når værdierne er sorteret i stigende rækkefølge, kan du bruge antallet af observationer til at finde midterpositionen. I statistik betegnes antallet af observationer normalt med (n).¹
Når datasættet indeholder et ulige antal observationer, er medianen den værdi, der ligger præcis i midten af den sorterede liste. Medianens position kan beregnes med følgende formel:
Medianens position ved et ulige antal observationer:
Median (lige antal observationer):
Hvor:
= antal observationer i datasættet
= ordnede værdier i datasættet
Median i forskellige typer datasæt
I større datasæt grupperes observationerne nogle gange i klasseintervaller. I sådanne tilfælde kan medianen estimeres ved hjælp af den kumulerede frekvens, som gør det muligt at identificere det interval, der indeholder medianen.
Ved lige antal poster i et datasæt beregnes medianen ved hjælp af gennemsnittet af de to midterste værdier. | Foto af Towfiqu barbhuiya
| Klasseinterval | Frekvens | Kumulativ frekvens |
|---|---|---|
| 0–10 | 4 | 4 |
| 10-20 | 6 | 10 |
| 20-30 | 10 | 20 |
| 30-40 | 5 | 25 |
Når medianklassen er identificeret, kan statistikere estimere medianen mere præcist ved hjælp af den grupperede data-medianformlen.⁶
Medianformel for grupperede data:
Hvor:
= nedre grænse for medianklassen
= total frekvens
= kumulativ frekvens før medianklassen
= frekvens af medianklassen
= klassebredde
Virkelige anvendelser af medianen
Medianen bruges i mange forskellige områder. Da det giver et klart billede af datasættets typiske værdi og ikke er stærkt påvirket af store eller små outliers, er det fremragende til at analysere skæve fordelinger.³ Medianen fokuserer trods alt på midterpositionen.
- Økonomi: Medianindkomst bruges ofte i stedet for gennemsnittet for bedre at repræsentere typiske indtægter.
- Medicin: Medianen kan beskrive restitider eller patientoverlevelsesstatistikker.
- Sociologi: Undersøgelsesdata bruger ofte medianen til at opsummere svar som alder eller husstandsindkomst.
Fordele og begrænsninger ved medianen
Som med enhver målestok for central tendens har medianen sine egne styrker og svagheder. Afhængigt af typen af data, der analyseres, kan du vælge gennemsnittet eller tilstanden. Men når du har skæve data eller outliers, er medianen en fremragende mulighed.
Medianen har også begrænsninger. Når den betragter midterpositionen, tager den ikke højde for størrelsen af hver værdi i datasættet. Vigtig information om datafordelingen kan gå tabt. Til yderligere matematiske beregninger eller statistisk modellering kan gennemsnittet foretrækkes.⁵
Medianen er især nyttig, når et datasæt indeholder outliers eller er skævt. Fordi den fokuserer på midterpositionen frem for den samlede sum, er den ofte et bedre mål for central tendens end gennemsnittet i disse tilfælde.
Fordele
- Medianen påvirkes kun lidt af ekstreme værdier (outliers).
- Den er velegnet til datasæt med skæve fordelinger.
- Den kan bruges til ordinaldata, hvor værdierne kan rangordnes.
Begrænsninger
- Medianen tager ikke højde for de enkelte værdiers størrelse, men afhænger af deres placering i det sorterede datasæt.
- Den indeholder mindre information om de enkelte observationer end mål, der bygger på alle værdier, og er derfor ikke altid lige velegnet til videre statistisk analyse.
- Den beskriver ikke i sig selv, hvordan værdierne er fordelt omkring midten af datasættet.
Almindelige misforståelser om medianen
Selvom medianen er forholdsvis enkel at beregne, er det vigtigt at følge den korrekte fremgangsmåde. Husk altid at sortere værdierne i stigende rækkefølge, før du finder medianen. Hvis du ikke sorterer dataene først, risikerer du at vælge en værdi, der ikke er medianen for datasættet.²
Du skal også være opmærksom på forskellen mellem medianen og gennemsnittet. Begge er mål for central tendens, men de beskriver datasættet på forskellige måder. Medianen angiver den midterste værdi, mens gennemsnittet beregnes ved at lægge alle værdier sammen og dividere med antallet af observationer. De to mål kan være ens i nogle datasæt, men kan også afvige betydeligt, især når datasættet indeholder ekstreme værdier.¹
Endelig er det en misforståelse, at medianen altid skal være en af værdierne i datasættet. Hvis datasættet indeholder et ulige antal observationer, er medianen den midterste værdi i den sorterede liste. Hvis der derimod er et lige antal observationer, beregnes medianen som gennemsnittet af de to midterste værdier. Derfor kan medianen i sidstnævnte tilfælde være en værdi, der ikke findes i det oprindelige datasæt.²
Hvis dit datasæt har mange tætte værdier uden ekstreme outliers, er gennemsnittet sandsynligvis dit bedste bud. | Foto af William Warby
Middelværdi
- Det aritmetiske gennemsnit af alle værdier i et datasæt.
- Beregnes ved at lægge alle værdier sammen og dividere summen med antallet af observationer.
- Følsomt over for ekstreme værdier (outliers).
- Bruges ofte til datasæt med en nogenlunde symmetrisk fordeling.
Median
- Den midterste værdi i et sorteret datasæt.
- Findes ved at sortere værdierne i stigende rækkefølge og identificere den midterste værdi.
- Hvis datasættet indeholder et lige antal observationer, beregnes medianen som gennemsnittet af de to midterste værdier.
- Velegnet til skæve datasæt og datasæt med ekstreme værdier (outliers).
Typetal
- Den værdi eller kategori, der forekommer hyppigst i et datasæt.
- Et datasæt kan have ét typetal, flere typetal eller intet typetal, hvis alle værdier forekommer lige ofte.
- Bruges ofte til kategoriske data og diskrete numeriske data.
- Hjælper med at identificere det mest almindelige udfald i et datasæt.
Hvis du arbejder med statistikemner som medianen og ønsker personlig støtte, kan en matematikvejleder hjælpe dig med at opbygge selvtillid i at organisere data, fortolke fordelinger og anvende medianformlen korrekt.
Kilder
- "Central Tendens: Ond, Median og Mode." Khan Akademiet, https://www.khanacademy.org/math/statistics-probability/summarizing-quantitative-data/central-tendency/v/statistics-intro-mean-median-and-mode. Tilgået 14. marts 2026.
- "Sådan finder man medianværdien." Matematik er sjovt, https://www.mathsisfun.com/median.html. Tilgået 14. marts 2026.
- "Median." Encyclopaedia Britannica, https://www.britannica.com/science/median. Tilgået 14. marts 2026.
- "Median." Investopedia, https://www.investopedia.com/terms/m/median.asp. Tilgået 14. marts 2026.
- "Mål af placering." National Institute of Standards and Technology (NIST) Ingeniørstatistikhåndbog, https://www.itl.nist.gov/div898/handbook/eda/section3/eda351.htm. Tilgået 14. marts 2026.
- "Målinger af Datacentret." OpenStax Introduktionsstatistik 2e, https://openstax.org/books/introductory-statistics-2e/pages/2-5-measures-of-the-center-of-the-data. Tilgået 14. marts 2026.
Sammenfat med AI
Kunne du lide artiklen? Skriv en anmeldelse!
Loading...
