Medelvärdesräknare
Beräkna det aritmetiska medelvärdet (genomsnittet) av valfri kommaseparerad talserie – det vanligaste måttet på central tendens inom statistiken. Resultatet är summan dividerad med antalet värden, vilket motsvarar balanspunkten för datapunkterna på en gungbräda.
Last updated: May 2026
Jämför med liknande
Om denna räknare
Det aritmetiska medelvärdet definieras som summan av alla värden dividerad med antalet: x̄ = Σxᵢ / n, där xᵢ är enskilda observationer och n är stickprovsstorleken. Räknaren tolkar din kommaseparerade inmatning, ignorerar icke-numeriska tecken och beräknar medelvärdet enbart över de giltiga talen. Statistiska egenskaper: medelvärdet är det värde som minimerar summan av kvadrerade avvikelser från data (den kvadratiska metodens estimator för central tendens), och för en normalfördelad population är det även maximum-likelihood-estimatorn. Det är grunden för varians, standardavvikelse, t-test, regression och de flesta parametriska statistiska metoder. Variabler: x̄ är stickprovsmedelvärdet, xᵢ är den i-te observationen och n är stickprovsstorleken. Resultatet har samma enheter som indata. Specialfall: ett enskilt värde returneras som både 'medelvärdet' och data i sig. En tom inmatning eller en inmatning med enbart NaN returnerar 0 per konvention. Medelvärdet är mycket känsligt för extremvärden – ett enda extremt värde kan förskjuta det dramatiskt medan medianen knappt rör sig. Det är just därför man bör välja median framför medelvärde för skeva fördelningar som inkomster, bostadspriser eller svarstider. För vägda genomsnitt där vissa observationer ska räknas mer än andra, använd istället en räknare för viktat medelvärde. Vid mycket stora datamängder (tusentals värden) bör du använda ett kalkylprogram snarare än att skriva in dem i detta fält.
Hur du använder den
Exempel 1 – Provresultat. En student fick 78, 85, 92, 88 och 79 på fem prov. Ange värden = 78,85,92,88,79. Summa = 78+85+92+88+79 = 422. n = 5. Medelvärde = 422/5 = 84,4. ✓ Kontroll: medelvärdet ligger mellan det lägsta (78) och högsta (92) värdet, vilket alltid måste vara fallet. Exempel 2 – Sned data som visar varför medelvärdet kan vara missvisande. Fem årslöner på ett litet företag: 35000, 38000, 42000, 45000, 320000 (en VD). Ange värden = 35000,38000,42000,45000,320000. Summa = 480 000. n = 5. Medelvärde = 480 000/5 = $96 000. ✓ Medelvärdet på $96 000 är högre än fyra av de fem lönerna – ingen av de anställda tjänar i närheten av det. Medianen (mittvärdet i sorterad ordning = $42 000) ger en betydligt mer rättvisande bild av en typisk lön. Det är precis det här felet som gör medelvärdesbaserad rapportering missvisande för inkomster, bostadspriser, svarstider och annan högersnedfördelad data.
Vanliga frågor
När bör jag använda medelvärdet och när bör jag använda medianen?
Använd medelvärdet när din data är numerisk, ungefär symmetrisk, fri från extrema outliers och du planerar att göra vidare beräkningar som varians, standardavvikelse, regression eller hypotestester – alla bygger på medelvärdet. Använd medianen när data är sned eller innehåller extremvärden: inkomster, bostadspriser, svarstider, filstorlekar och återhämtningstider uppvisar alla tunga högersvans där ett eller två extrema värden drar medelvärdet långt över den typiska observationen. Ett klassiskt exempel: den 'genomsnittliga' hushållsinkomsten i USA är märkbart högre än medianen eftersom höginkomsttagare drar upp medelvärdet, medan medianen bättre beskriver vad ett typiskt hushåll faktiskt upplever. Att redovisa båda ger den fullständigaste bilden. Om medelvärde och median stämmer väl överens är fördelningen ungefär symmetrisk och vilket som helst fungerar. Om de skiljer sig åt signalerar skillnaden i sig snedhet eller extremvärden värda att undersöka.
Varför är medelvärdet så känsligt för extremvärden?
Medelvärdet tilldelar varje värde lika stor vikt i summan, så att lägga till en extrem observation ändrar totalen med exakt det värdet medan divisorn (n) bara ökar med 1 – nettoeffekten på genomsnittet kan bli enorm. Konkret exempel: data {1, 2, 3, 4, 5} har medelvärde 3 och median 3. Lägg till ett extremvärde på 100: medelvärdet blir (1+2+3+4+5+100)/6 ≈ 19,2 medan medianen bara rör sig från 3 till 3,5. Medelvärdet tredubblades medan medianen knappt förändrades. Det är just denna känslighet som gör att medianen föredras för rapportering av 'typiska värden' när data har tunga svansar eller föroreningar av extremvärden, och varför nyhetsartiklar som citerar 'genomsnittlig' inkomst konsekvent överskattar vad de flesta faktiskt tjänar. För statistisk robusthet ger det trimmade medelvärdet (ta bort de översta och understa k% innan beräkning) en viss outlier-resistens på bekostnad av lite effektivitet.
Hur skiljer sig det vägda medelvärdet från det aritmetiska?
Det aritmetiska medelvärdet behandlar varje observation lika; det vägda medelvärdet tilldelar varje värde en vikt: x̄_w = Σ(wᵢ × xᵢ) / Σwᵢ. Det aritmetiska medelvärdet är specialfallet där alla vikter är lika med 1. För ett GPA viktas betyg med kurspoäng: ett A på en 4-poängskurs räknas mer än ett A på en 1-poängskurs. För en portföljavkastning viktas enskilda tillgångars avkastning med dollarallokeringen. Beräkna för hand: multiplicera varje värde med dess vikt, summera produkterna och dividera sedan med summan av alla vikter. Den här räknaren beräknar enbart det oviktade (lika viktade) aritmetiska medelvärdet. Använd en GPA-räknare för betyg, en viktad avkastningsräknare för portföljer och ett stratifierat medelvärdesverktyg för enkätdata med olika stickprovsstorlekar per stratum.
Vilka är de vanligaste misstagen när man beräknar medelvärden?
Det enskilt vanligaste misstaget är att medelvärdera medelvärden utan att väga om – om klass A hade ett genomsnitt på 85 med 30 elever och klass B hade 75 med 10 elever är det sammanlagda medelvärdet inte 80 utan (85×30 + 75×10) / 40 = 82,5. Det andra misstaget är att använda medelvärdet på procentsatser, kvoter eller tillväxttakter där det geometriska medelvärdet är matematiskt korrekt (t.ex. kräver genomsnittliga årsavkastningar på +10%, −5%, +15% ett geometriskt, inte aritmetiskt, medelvärde). Det tredje är att inkludera extremvärden som borde ha flaggats som datainmatningsfel snarare än räknats in. Det fjärde är att glömma att medelvärdet har samma enheter som data – att medelvärdera 70 °F med 80 °C utan konvertering ger nonsens. Det femte är att presentera medelvärdet från ett litet stickprov som om det vore populationsmedelvärdet; med bara 5 datapunkter är osäkerheten kring medelvärdet stor och ett enstaka tillkommet värde kan förskjuta det märkbart. Ange alltid medelvärdet tillsammans med stickprovsstorlek och ett spridningsmått (standardavvikelse eller kvartilavstånd).
När bör jag inte använda den här räknaren?
Hoppa över den för dataset med mer än ett fåtal dussin värden som skulle vara tålamodsprövande att skriva in – använd kalkylprogrammets MEDEL-funktion eller ett statistikprogram. Använd den inte för kategoriska eller ordinala data där medelvärdet saknar mening (favoritfärg, nöjdhetsbetyg); använd istället typvärde eller frekvenstabell. Det är fel verktyg för procentsatser och tillväxttaktsgenomsnitt, vilka kräver det geometriska medelvärdet. Hoppa över den för kraftigt snedfördelade data där medelvärdet missrepresenterar typiska erfarenheter – redovisa medianen (eller båda) istället. Använd den inte för viktade genomsnittsproblem (GPA, portföljer, stratifierade stickprov) – använd en viktad medelvärdesräknare. Redovisa slutligen aldrig enbart ett medelvärde utan ett spridningsmått (standardavvikelse, kvartilavstånd eller variationsbredd) och en stickprovsstorlek; medelvärdet ensamt döljer allt om datans form och osäkerhet.