平均数、中位数、众数怎么选？方差与标准差的含义
平均工资为什么总被吐槽不真实？因为平均数会被极端值拉偏。本文讲清三个「中心」的差别，以及方差、标准差与四分位距怎么读。
核心要点
- 平均数充分利用每个数据但受极端值影响大，中位数抗极端值，众数适合尺码型号等分类数据。
- 平均数明显大于中位数说明分布右偏，这正是「平均工资高于多数人」的原因。
- 标准差是方差的平方根、单位与原始数据一致；四分位距 IQR = Q3 − Q1 描述中间一半数据的跨度，常用于判定离群点。
描述一组数据，光有中心位置不够，还要看它散得开不开——这就是离散程度。两者合起来，才是对数据的完整描述。
三个「中心」各管什么
- 平均数：全部相加再除以个数，充分利用每个数据，但受极端值影响大（平均数）；
- 中位数：排序后位于中间的值，抗极端值，收入、房价等偏态数据常用它（中位数）；
- 众数：出现次数最多的值，适合尺码、型号这类分类数据（众数）。
当平均数明显大于中位数时，说明分布右偏（少数大值把平均拉高），这正是「平均工资高于多数人」的原因。
离散程度：方差与标准差
方差是各数据与平均数之差的平方的平均，标准差是它的平方根、单位与原始数据一致，因此更直观：标准差越大，数据越分散。方差与标准差可一次算出两者；样本（除以 n 减 1）与总体（除以 n）口径不同，小样本比较时要注意区分。
四分位数与异常值
把数据按 25%、50%、75% 分成四段得到 Q1、Q2、Q3，四分位距 IQR = Q3 − Q1 描述中间一半数据的跨度。常用「小于 Q1 减 1.5 倍 IQR 或大于 Q3 加 1.5 倍 IQR」判定离群点。四分位数与 IQR会同时给出上下界；描述性统计可一次性输出均值、中位数、方差、标准差与极差。
什么时候用哪个
数据近似对称用平均数加标准差；明显偏态用中位数加 IQR；分类数据用众数。想进一步判断分布形态可看偏度与峰度。极差只用到最大最小值、非常粗糙，适合快速摸底。
提示：方差与标准差对量纲敏感，比较不同单位的变量时应先标准化，或用Z 分数换算成无量纲的标准分。
常见问题
为什么平均工资总感觉比自己的收入高？
因为收入分布向右偏，少数高收入者把平均数拉高，而中位数更能代表多数人的水平。当看到平均数明显高于中位数时，就说明存在这种被少数大值拉高的情况。
方差和标准差有什么区别？
方差是各数据与平均数之差的平方的平均，单位是原始单位的平方；标准差是方差的平方根，单位与原始数据一致，因此更直观。两者都衡量离散程度，标准差数值上更易解读。
样本标准差为什么要除以 n 减 1？
用样本估计总体时，样本均值由样本自身算出，会略微低估真实的离散程度，除以 n 减 1 做贝塞尔校正可以得到总体方差的无偏估计。样本量很大时，两种算法的差别可以忽略。
什么情况下该用中位数而不是平均数？
当数据明显偏态或含极端值时，如收入、房价、访问时长。此时平均数的代表性很差，中位数反映的才是典型值，同时可配合四分位距描述数据的离散程度。
最后更新：2026-09-19