统计均值与中位数：从一组数据说起

假设你记录了五位同事上个月的午餐支出，分别是：18元、22元、25元、30元、85元。最后一位因为请客，花得特别多。现在想用一个数字概括这组数据的“一般水平”，你会选哪个？这就是均值和中位数要回答的问题。

先说均值。把五个数加起来：18+22+25+30+85=180，再除以5，得到36元。均值的计算规则很简单：所有数据求和，再除以数据个数。它相当于把总量平均分摊到每个数据点上。如果这五个人把总支出凑在一起平摊，每人正好出36元。均值利用了每一个数据的信息，因此在数据分布比较均匀时，它是不错的代表值。

但上面的例子里，36元显然比大多数人的实际支出高。四个人都在18到30元之间，只有一个人花了85元。这个极端值把均值拉高了。换成中位数来看：把数据从小到大排列——18、22、25、30、85，正中间那个数就是中位数。五个数据，第三个是25，所以中位数是25元。25元更接近多数人的真实情况。

如果数据个数是偶数，中位数取中间两个数的平均值。比如数据为10、20、30、40，中间是20和30，中位数就是(20+30)/2=25。这个规则保证了中位数始终位于数据的“中间位置”，不受两端极端值的大小影响。你甚至可以改变85为850，中位数仍然是25，但均值会从36跳到189。

那么实际中该用哪个？一个简单的判断方法是看数据有没有明显的极端值。收入、房价、消费支出这类数据往往有少数极高的值，用中位数更能反映“普通人的水平”。比如某城市公布“人均可支配收入”时用的是均值，但如果你想知道自己处在什么位置，中位数收入更有参考意义。反过来，如果数据分布均匀，比如一个班级的考试分数集中在70到90之间，均值和中位数很接近，用哪个差别不大。

还有一个常见场景：数据本身是分类的，或者存在“上限不确定”的情况。比如调查“每月阅读几本书”，选项是0本、1-2本、3-5本、6本以上。这种情况下计算均值需要给每个区间赋一个代表值，会引入主观假设；而中位数只需要找到人数累积到一半时所在的区间，更稳健。这也是为什么很多社会调查报告中位数比均值更常见。

计算时还有两个小细节值得注意。第一，均值对每个数据都敏感，多一个或少一个数据都会改变结果；中位数只取决于位置，数据个数的奇偶会影响取法。第二，如果数据已经分组统计，比如给出频数分布表，计算均值要用“组中值×频数”求和再除以总频数，计算中位数则要先确定中位数组，再用插值公式估算。这些步骤在统计教材里都有标准做法。

回到开头的例子。均值36元和中位数25元都没有错，它们描述的是不同的东西：均值告诉你“如果平均分摊会是多少”，中位数告诉你“中间那个人花多少”。下次看到一组数据，不妨两个都算一下，对比它们的差距。差距越大，说明数据越不均衡，极端值的影响越明显。这个简单的对比，往往比单独看一个数字更能说明问题。