Nový formát vzdělávání: Letní škola statistiky 2026
Za 5 dní ovládnete statistiku v R, JASP, nebo Jamovi. Napořád.

20. - 24. 7. 2026
Prohlédnout

Ředitel Datové akademie představí Letní školu statistiky.

30 minut, které vás přesvědčí, že by bylo škoda chybět.

čtvrtek 21. 05. 2026 od 15:00
Prohlédnout

Objevte nové možnosti využití statistiky pro svou praxi.

Podívejte se na ZÁZNAM WEBINÁŘE Biostatistika v R
Prohlédnout

Obsah

Geometrický průměr: definice, využití a výpočet


Geometrický průměr je míra polohy, která vyjadřuje střední hodnotu v sadě vykazující zřetězené růstové charakteristiky (detailnější popis níže).

Počítá se jako n-tá odmocnina ze součinu všech čísel v sadě:

\[G = \left(\prod_{i=1}^{n} x_i\right)^{\frac{1}{n}} = \sqrt[n]{x_1 \cdot x_2 \cdot \ldots \cdot x_n} \]


Využití geometrického průměru

Geometrický průměr poskytuje relevantní výsledek v situacích, kde je třeba zohlednit relativní změny a procentuální růst.

Je vhodný pro datové sady, kde hodnoty vykazují exponenciální nebo logaritmický nárůst, resp. pokles. Jde např. o výpočet průměru:

  • růstu populace,
  • pH roztoku,
  • farmakokinetických vlastností zkoumané sloučeniny,
  • výnosu investic.

Geometrický průměr není použitelný pro datové sady s:

  • nulovými hodnotami (jednotlivé hodnoty datové sady se mezi sebou násobí, proto při použití nulové hodnoty bude výsledný geometrický průměr také nulový),
  • zápornými hodnotami (n-tá odmocnina záporného čísla v oboru reálných čísel neexistuje – v takové situaci geometrický průměr nevypočítáme).

Není vhodný ani pro data, která mají:

  • mezi sebou lineární vztah (pro ty je lepší aritmetický či vážený průměr),
  • charakter podílu, např. u poměrných veličin, jako je průměrná rychlost jízdy (poměr vzdálenosti k času) či průměrná životnost komponent zařízení (zde využijete harmonický průměr).


Příklad výpočtu geometrického průměru

Představte si, že zkoumáte pokles koncentrace experimentálního léku v krevní plazmě během jeho vylučování. Naměřili jste tyto hodnoty:

Čas po podání přípravku (hod) Koncentrace léku (mg/l)
0 200
1 100
2 50
3 25
4 12,5
5 6,25

Po dosazení do rovnice pro geometrický průměr vychází:

\[G = \left(\prod_{i=1}^{n} x_i\right)^{\frac{1}{n}} = \sqrt[n]{x_1 \cdot x_2 \cdot \ldots \cdot x_n} \] \[ G = \sqrt[6]{200 \times 100 \times 50 \times 25 \times 12.5 \times 6.25} \] \[ G = 35.36\text{ mg/l}\]

Průměrná koncentrace přípravku ve sledovaném období je 35,36 mg/l.



Výpočet geometrického průměru v Excelu

# buňky A1 až A100 obsahují naměřené hodnoty

# funkce pro výpočet geometrického průměru
=GEOMEAN(A1:A100)


Výpočet geometrického průměru v jazyce R

Pro výpočet geometrického průměru v jazyce R je potřeba nejprve nainstalovat knihovnu psych.

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

# načtení knihovny
library(psych)

# naměřené hodnoty
data <- c(3, 5, 6, 7, 8)

# funkce pro výpočet geometrického průměru
geometric.mean(data)


Mohlo by vás zajímat

Naše kurzy

Základy MS Power BI

Naučte se data z obchodu, financí či logistiky zpracovat do přehledných reportů – a naplánujte podle nich své další kroky.

Data mining v TIBCO Statistica

Přihlásit na kurz Lektor: doc. RNDr. Ing. Marcel Jiřina, Ph.D. Trvání kurzu: 2 dny Naučte se pomocí aplikace Statistica odhalit důležité informace ve svých datech data miningovými metodami. Na kurzu pro vědce, statistiky a datové analytiky vám na praktických příkladech ukážeme, jak data vytěžovat s pomocí pokročilých lineárních (regresních) i nelineárních modelů, neuronových sítí, klasifikačních stromů, metod strojového učení a dalších metod. Probereme také způsoby prezentace získaných výsledků (viz názory spokojených účastníků). 2denním kurzem vás provede vás provede doc. RNDr. Ing. Marcel Jiřina, Ph.D., děkan Fakulty informačních technologií Českého vysokého učení technického, který se věnuje výzkumu data-miningových metod, zejména zpracování textu a obrazu (viz profil lektora). Procvičování probíhá v české verzi aplikace TIBCO Statistica v modulu Data Miner. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: potřebujete rychle a efektivně zpracovávat velké objemy dat (analytici z oblasti bankovnictví, pojišťovnictví a průmyslu, vědci), se chcete seznámit s modulem Data Miner a prohloubit své znalosti aplikace TIBCO Statistica. Jaké vstupní znalosti jsou potřeba? pro účast na kurzu je vhodné mít znalosti v rozsahu Základního kurzu statistiky I v TIBCO Statistica. Co se v kurzu naučíte? z jakých principů data miningu vychází a jak k němu přistupovat, připravit a zpracovat velké datové balíky pomocí klasifikačních a regresních stromů, lineárních modelů, metody shlukování či strojového učení, využívat techniky vytěžování textu a analýzy nezávislých komponent (ICA), sestavit predikční modely, vyhodnotit jejich kvalitu a získané výsledky správně interpretovat, nasadit modely na reálná data z praxe, automatizovat celý analytický proces, na co si dat při tvorbě modelů pozor a čemu se vyhnout. Chci vidět podrobný sylabus kurzu Úvod Základní informace o softwaru Statistica Výukové zdroje pro software a možnosti nápovědy Úvod do vytěžování dat, produkt Princip, možnosti, využití Práce s Recepty (wizardem) Příprava dat (načtení, výběr proměnných, transformace, vzorkování dat, odstranění duplicitních vzorů, filtrace odlehlých hodnot, oprava chybějících údajů) Detekce a případné odstranění podobných vstupních příznaků (prediktorů) Výběr důležitých prediktorů pro požadovanou úlohu Vytváření klasifikačních a regresních modelů Vyhodnocení kvality vytvořeného modelů Nasazení modelu v praxi Klasifikační a regresní stromy Princip, možnosti, využití CART stromy CHAID stromy Vytváření klasifikačních a regresních stromů v interaktivním režimu (generování stromu, prořezávání stromu, výběr rozhodovacích proměnných, výběr mezí) Generované stromy (Boosted Trees) Náhodné lesy (Random Forests) Lineární modely Princip regrese (Obecné) lineární modely Zobecněné lineární modely Zobecněné aditivní modely MARSplines Metody shlukování K-průměrů (k-means) Hierarchické a EM

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

[24. 4. 2024] Webinář ZDARMA: Jak získat 82% příspěvek na školení statistiky přes MPSV

Pod vedením zakladatele Datové akademie Dávida Tkáče mj. zjistíte: