Wat is Median?

Wat is de mediaan eigenlijk?

Stel je voor: je wilt weten wat een 'normale' prijs is voor een huurwoning in jouw stad. Je verzamelt 100 advertenties en ziet bedragen variëren van €800 tot €3.500. Als je het gemiddelde berekent, trekken een paar extreem dure penthouse-appartementen dat getal flink omhoog — waardoor het lijkt alsof iedereen €1.800 betaalt, terwijl de meeste mensen eigenlijk rond de €1.200 zitten.

De mediaan lost dat op. Je zet alle bedragen op een rij van laag naar hoog, en pakt het getal dat precies in het midden staat. Bij 100 woningen is dat het gemiddelde van nummer 50 en 51. Die extreme uitschieters aan beide kanten doen er dan niet meer zoveel toe — je ziet wat écht 'middenin' zit.

In AI-context kom je de mediaan vooral tegen bij het analyseren van datasets. Machine learning-modellen leren van patronen in data, en als je dataset vol extreme waardes zit (een paar mega-rijke klanten tussen duizenden gewone, bijvoorbeeld), kan de mediaan een betrouwbaarder beeld geven dan het gemiddelde. Dat helpt bij het opschonen van data voordat je een model traint.

Hoe werkt het in de praktijk?

De mediaan bereken je zo:

• Sorteer alle getallen van klein naar groot

• Oneven aantal getallen? Pak het middelste getal

• Even aantal? Neem het gemiddelde van de twee middelste getallen

Bij de reeks [2, 3, 7, 9, 15] is de mediaan 7. Bij [2, 3, 7, 9] is het (3+7)/2 = 5.

In AI-toepassingen gebruik je de mediaan vaak bij:

• Data-exploratie — voordat je een model gaat bouwen, wil je weten hoe je data eruitziet. Mediaan geeft sneller inzicht dan gemiddelde als er uitschieters zijn.

• Preprocessen van features — sommige algoritmes zijn gevoelig voor extreme waardes. Door features te normaliseren rond de mediaan in plaats van het gemiddelde, voorkom je dat uitschieters het model misleiden.

• Evaluatie van resultaten — bij het testen van een model meet je soms de "mediane fout" in plaats van de gemiddelde fout, om te zien hoe goed het model presteert voor de typische gebruiker (niet de extreme gevallen).

Waarom zou jij hier iets aan hebben?

Als je data analyseert of AI-output beoordeelt, is de mediaan je vriend tegen misleidende gemiddeldes. Een chatbot die 99 keer in 2 seconden antwoordt en 1 keer in 45 seconden heeft een gemiddelde responstijd van bijna 3 seconden — terwijl de mediaan laat zien dat het eigenlijk 2 seconden is. Die ene keer dat het mis ging, vertekent het beeld.

Voor ondernemers die AI inzetten: als je klanttevredenheid meet, orderwaarden analyseert of conversietijden bekijkt, geeft de mediaan vaak een realistischer beeld van wat je "normale" klant doet. Zo voorkom je dat je beslissingen neemt op basis van vertekende cijfers.

Voor data-analisten of developers: veel Python-libraries (zoals Pandas, NumPy) hebben ingebouwde functies voor mediaan-berekening. Bij het opschonen van datasets is het standaard om zowel gemiddelde als mediaan te checken — grote verschillen tussen die twee zijn een signaal dat je uitschieters hebt.

Waar kom je het tegen?

De mediaan is een basisconcept in statistiek, dus je ziet het overal waar data geanalyseerd wordt:

• Data-analyse tools — Excel, Google Sheets, Tableau, Power BI hebben allemaal een mediaan-functie

• Python data science — Pandas (.median()), NumPy, SciPy

• R — median() functie in base R

• Machine learning pipelines — tijdens feature engineering en data cleaning

• A/B-testing platforms — bij het vergelijken van gebruikersgedrag

• Business intelligence dashboards — naast gemiddelden voor completer beeld

In rapporten en dashboards zie je vaak zowel gemiddelde als mediaan staan — dat geeft analisten direct een hint of er uitschieters in de data zitten.

Wat kun je er nu mee?

Als je data bekijkt — van verkoopscijfers tot AI-model-performance — vraag jezelf af: "Zit hier het risico op uitschieters?" Zo ja, kijk dan altijd ook naar de mediaan. Het kost je één extra muisklik of functie-aanroep, maar het kan je veel misverstanden besparen.

Bij het bouwen of inkopen van AI-oplossingen: vraag naar mediane prestaties, niet alleen gemiddeldes. Dat geeft je een eerlijker beeld van wat je in de praktijk mag verwachten.