平均数不总是平均：中心与离散
一家公司公布“本组 6 人平均年收入 16.7 万元”。听起来每个人都过得差不多。可是如果原始数据是：
你会马上觉得这句话有点滑。大多数人的收入在 7 到 10 万元之间，只有一个人是 58 万元。平均数是真的，但它给人的感觉不一定真。
这一节要做的事，就是学会问两个问题：一组数据的“中心”在哪里？数据离这个中心有多远？第一个问题对应平均数、中位数、众数；第二个问题对应极差、四分位数和标准差。
描述一组数据时，不要急着只报一个数。先问它代表哪种中心，再问数据是不是很分散。中心和离散放在一起，才像一张比较完整的数据照片。
三种中心：平均数、中位数、众数
“中心”不是一个固定答案，而是几种不同的看法。平均数把所有数据加起来后均分；中位数把数据排成一列，找正中间的位置；众数找出现次数最多的值。
平均数：把总量重新分摊
平均数的公式是：
刚才那组收入数据的总和是 万元，共有 个人，所以平均数是：
平均数适合回答“如果把总量平均分，每个单位分到多少”。比如一个班 5 次小测的平均分、一个月每天平均用电量、每名顾客平均消费金额，都可以用它。
中位数：排队后看中间
中位数先要求数据有顺序。把收入排好后是：
这里有 个数，中间有两个位置，所以中位数取第 个和第 个的平均：
中位数说的是：至少有一半人不高于它，也至少有一半人不低于它。它不在意最右边那个 离大家有多远，所以比平均数更抗极端值。
众数：哪一个最常出现
在这组收入里， 出现了两次，其他数只出现一次，所以众数是 。众数在“最常见”比“数值大小”更重要时很有用。比如最常买的鞋码、最常见的故障类型、某家店最常卖出的杯型，众数比平均数更自然。
平均数、中位数、众数都可以叫中心，但它们回答的问题不同。看到“平均”两个字时，要追问它是不是 arithmetic mean；看到“典型”两个字时，也要追问它到底是中位数、众数，还是只是一个模糊说法。
极端值会把平均数拉走
极端值不是一定错误的数据。高收入者、豪宅成交、一次异常高的考试分数，都可能是真实发生的。问题在于：它们会让平均数移动得很明显。
下面的交互可以拖动最右侧收入点，观察平均数线和中位数线的变化。
例题：收入数据该报哪个中心
某创业团队 7 名成员的月收入（千元）是：
请分别求平均数、中位数和众数，并判断哪个数更适合描述“普通成员”的收入。
先求平均数。所有收入相加得到 千元，共 人，所以平均数是 千元。
再求中位数。数据已经从小到大排列，共有 个数，正中间是第 个数，所以中位数是 千元。
接着求众数。 和 都出现了两次，其他数只出现一次，所以这组数据有两个众数： 千元和 千元。
最后回到问题。题目问“普通成员”的收入，而 千元明显远离其他人。平均数被它拉高到 千元，不像多数成员的收入；中位数 千元更稳，更适合这个问题。
抗极端值不是说忽略极端值，而是说某个统计量不会被少数极端值轻易拉走。中位数和四分位数通常比平均数、极差更抗极端值。
房价和工资为什么常看中位数
房价、收入、财富这类数据经常右偏：多数数值挤在较低或中等范围，少数特别大的数把右边拖得很长。此时平均数常常高于中位数。
看一条街上 6 套房的成交价（万元）：
平均房价是：
中位数是第 个和第 个的平均：
如果你想了解“这条街上典型成交价大概在哪里”， 万元比 万元更接近多数房屋。如果你想算“6 套房总成交额平均分到每套是多少”，平均数才是直接答案。
选中心时先看问题
同一组数据可以同时有多个中心。选择哪一个，不取决于哪个名字更熟，而取决于你要回答什么问题。
常见误区是把“平均数”理解成“多数人都接近这个数”。如果数据很偏，平均数可能落在一个并不常见的位置。它仍然是正确计算结果，但不一定是最适合的代表。
离散程度：中心之外还要看距离
只知道中心还不够。下面两组考试成绩都有同样的平均数 分：
A 组成绩围在 附近，B 组从 到 拉得更开。它们的中心一样，但学习状态给人的感觉不同。
极差：最快看到跨度
极差只看最大值和最小值：
A 组极差是 ，B 组极差是 。极差很直观，但它只受两端影响。只要最大值或最小值很极端，极差就会变得很大，中间数据发生了什么却看不出来。
四分位数：把数据切成四段
四分位数先把数据从小到大排好，再找几个切点：
四分位距是中间一半数据的跨度：
它比极差稳，因为它看的是中间一半，而不是只盯着最小值和最大值。
下面的交互会把数据排序、四分位数和箱线图放在一起。切换不同情境时，注意箱体变宽还是变窄，离群点有没有出现。
例题：用四分位数找异常等待时间
某窗口 11 位顾客的等待时间（分钟）排好后是：
求中位数、、、，并用 的规则判断是否有高端异常值。
先找中位数。共有 个数，正中间是第 个，所以 。
去掉中位数后，看左半边 。这 5 个数的中间是 ，所以 。
再看右半边 。这 5 个数的中间是 ，所以 。
计算四分位距：。高端异常值边界是 。
最后比较数据。 大于 ，按这个规则可视为高端异常值； 没有超过边界，所以不算。
标准差：离平均数的典型距离
标准差关心每个数据点离平均数有多远。它的想法不是只看最远的两端，而是把所有偏离都纳入计算。
对于样本数据，常用样本标准差：
公式看起来长，但直觉很朴素：先找平均数，再看每个数离平均数多远，把这些距离综合成一个典型距离。
观察标准差时，可以先不急着算。把数据点想成围着平均数站成一排：点越贴近中心线，标准差越小；点越向两边散开，标准差越大。公式只是把这种距离感写成可计算的数。
例题：同样平均分，不同标准差
继续看这两组成绩：
用样本标准差比较它们的分散程度。
A 组相对平均数 的偏差是 ，平方后是 ，平方和是 。
A 组样本标准差是 。这说明 A 组成绩通常离平均数只有几分。
B 组相对平均数 的偏差是 ，平方后是 ，平方和是 。
B 组样本标准差是 。所以 B 组虽然平均数也是 ，但成绩差异明显更大。
标准差的单位和原数据相同。成绩的标准差是“分”，房价的标准差是“万元”，等待时间的标准差是“分钟”。不要把标准差理解成百分比，也不要以为平均数越大，标准差就一定越大。
误区辨析：别让一个数替你下结论
误区一：平均数等于普通水平
如果数据大致对称、没有明显极端值，平均数常常很好用。可是在收入、房价、财富这类右偏数据里，平均数可能高于多数人的实际位置。此时“普通水平”常要看中位数。
误区二：中位数总是比平均数好
中位数更抗极端值，但它也会丢掉总量信息。如果题目问一个班总分平均分摊到每个人，或者公司人均销售额，平均数正是需要的量。
误区三：有异常值就直接删掉
异常值可能来自录入错误，也可能是真实现象。处理前先问：它是不是测量错误？是不是来自同一个总体？它会不会正是我们关心的风险信号？统计不是把不顺眼的数据擦掉，而是解释它为什么在那里。
误区四：极差大就说明所有数据都散
极差只看两端。一个班大多数成绩集中，但有一个学生缺考记为 0，极差会很大。四分位距和标准差能帮助你继续判断：分散是整体性的，还是被少数端点造成的。
读一个统计量时，最好同时说出它的盲点。平均数怕极端值；中位数不看距离；众数可能不存在或不唯一；极差只看两端；标准差对极端值也敏感。
练一练
练习一：收入中心
某小组 8 人年收入（万元）是：
求平均数、中位数、众数。若要描述“多数成员的大致收入”，你会选哪个？
总和是 ，共有 人，所以平均数是 万元。
中间两个数是第 个和第 个，都是 ，所以中位数是 万元。
和 都出现了两次，所以众数是 万元和 万元。
如果要描述多数成员的大致收入，中位数 万元更合适。平均数被 万元拉高，落在一个多数成员并没有接近的位置。
练习二：房价代表值
某社区 7 套房成交价（万元）是：
房产报告说“平均成交价约 105 万元”。这句话哪里可能误导读者？请给出一个更稳的代表值。
平均数是：
计算没有错，但 万元明显远离其他房价，会把平均数抬高。中位数是第 个数 万元，它更接近这批房屋的典型成交位置。报告如果只说“平均成交价 105 万元”，读者可能误以为多数房屋都接近这个价位。
练习三：四分位数和异常值
一组配送时长（分钟）排好后是：
求 、中位数、、，并用 规则判断 是否为高端异常值。
共有 个数，中位数是第 个数 。
左半边是 ，所以 。右半边是 ，所以 。
四分位距是：
高端异常值边界是：
大于 ，所以按这个规则可视为高端异常值。
练习四：同中心不同离散
两组机器每天加工零件数如下：
它们的平均数相同吗？哪一组更稳定？你可以用极差或标准差的直觉说明。
甲组平均数是 ，乙组平均数也是 。
甲组极差是 ，乙组极差是 。两组中心相同，但乙组离平均数更远，波动更大。若用标准差计算，也会得到乙组标准差更大的结论，所以甲组更稳定。
收束：中心要配上离散一起读
这一节的关键词不是“背公式”，而是“别让一个数替你看完整组数据”。平均数适合总量分摊，中位数适合偏态和极端值明显的场景，众数适合最常见类别。极差给你快速跨度，四分位数抓住中间一半，标准差描述数据离平均数的典型距离。
下次看到“平均工资”“平均房价”“平均分”时，可以多问一句：数据有没有偏？有没有极端值？中位数是多少？分散有多大？这几个问题一出来，统计量就不再只是一个漂亮数字，而会变成能被检查的证据。