KNOWECON WIKI

ARTICLE

平均数

平均数 (Mean/Average) 平均数 (Mean/Average) 是\%统计学\%和数学中的一个核心概念，是用于描述一组数据\%中心趋势\% (central tendency) 的关键\%指标\%之一。它旨在提供一个能够代表整个\%数据集\% (dataset) "典型"或"中心"位置的单一数值。根据数据的性质和分析目的，存在多种不同类型的平均数

浏览 61 更新 2025-10-26

平均数 (Mean/Average)

平均数 (Mean/Average) 是\%统计学\%和数学中的一个核心概念，是用于描述一组数据\%中心趋势\% (central tendency) 的关键\%指标\%之一。它旨在提供一个能够代表整个\%数据集\% (dataset) "典型"或"中心"位置的单一数值。根据数据的性质和分析目的，存在多种不同类型的平均数，最常见的是算术平均数、几何平均数、调和平均数和加权平均数。

1. 算术平均数 (Arithmetic Mean)

算术平均数是最常用且最直观的平均数，计算方法是将数据集中所有数值相加后除以数值的个数。

  • 总体算术平均数：当数据包含\%总体\% (population) 的所有成员时，用希腊字母 μ \mu 表示：
μ=∑i=1NxiN\mu = \frac{\sum_{i=1}^{N}x_i}{N}

其中 N N 为总体个体总数。

  • 样本算术平均数：当数据来自\%样本\% (sample) 时，用 xˉ \bar{x} 表示，作为 μ \mu 的\%点估计\% (point estimate)：
xˉ=∑i=1nxin\bar{x} = \frac{\sum_{i=1}^{n}x_i}{n}

算术平均数计算简单、理解直观，且是总体均值的\%无偏估计量\% (unbiased estimator)，在\%假设检验\%和\%置信区间\%构建中扮演核心角色。但其最大缺点是对\%极端值\% (outliers) 极为敏感——一个异常值就可能严重扭曲结果。例如，一组薪资数据中引入一位亿万富翁后，算术平均数会大幅飙升，不再反映普通员工的收入水平。为此，实际应用中常辅以\%中位数\%或\%截尾平均数\% (trimmed mean) 作为稳健替代。算术平均数的这一特性使其在描述对称分布（如\%正态分布\%）时表现最佳，而在处理\%偏态分布\%数据时需格外谨慎。

2. 几何平均数 (Geometric Mean)

几何平均数适用于处理比率、百分比变化或乘法关系的数据，常见于\%金融学\%和经济增长分析。它将所有数值相乘后开 n n 次方根：

G=(∏i=1nxi)1/n=x1⋅x2⋅⋯⋅xnnG = \left(\prod_{i=1}^{n}x_i\right)^{1/n} = \sqrt[n]{x_1 \cdot x_2 \cdot \dots \cdot x_n}

典型应用：计算多期投资的平均\%年化回报率\%。例如，一项资产第一年增值20\%（因子1.20），第二年贬值10\%（因子0.90），几何平均为 1.20×0.90≈1.039 \sqrt{1.20 \times 0.90} \approx 1.039 ，即年均回报率约3.9\%，而非算术平均的5\%。几何平均数总是不大于算术平均数，且受极端值影响较小。此外，在\%人口统计学\%中计算平均人口增长率、在\%环境科学\%中计算污染物浓度的平均变化率时，几何平均数也是首选工具。

3. 调和平均数 (Harmonic Mean)

调和平均数是所有数值倒数的算术平均数的倒数，适用于速率和比率的平均问题：

H=n∑i=1n1xiH = \frac{n}{\sum_{i=1}^{n}\frac{1}{x_i}}

典型应用：计算相同距离下不同速度的平均速度。以60 km/h去、40 km/h回，全程平均速度为调和平均数 H=48 H = 48 km/h，而非算术平均的50 km/h。在\%金融\%中，计算等额投资组合的平均\%市盈率\% (P/E ratio) 也适用调和平均数，因为它能正确反映每单位收益的价格水平。调和平均数给予较小值更大的权重，因此当数据中包含小数值时，调和平均数往往低于算术平均数和几何平均数。

4. 加权平均数 (Weighted Mean)

当数据点具有不同重要性或权重时使用加权平均数：

xˉw=∑i=1nwixi∑i=1nwi\bar{x}_w = \frac{\sum_{i=1}^{n}w_i x_i}{\sum_{i=1}^{n}w_i}

典型应用：学业总成绩（期末考试权重大于平时作业）、投资组合回报率（按各资产资金比例加权）、\%通货膨胀率\%计算（如CPI按各类消费支出比重加权）。算术平均数是所有权重 wi w_i 相等时的特殊情形。加权平均数还广泛应用于\%满意度调查\%、\%绩效评估\%和\%指数编制\%等领域。在计算\%消费者价格指数\%（CPI）时，统计部门根据居民消费支出结构赋予食品、住房、交通等各类商品不同的权重，从而得到能反映整体物价水平的加权平均数。

均值不等式与概率论

对于一组正数，三种平均数满足著名的均值不等式：算术平均数 ≥ \ge 几何平均数 ≥ \ge 调和平均数，等号当且仅当所有数值相等时成立。这一不等式在\%数学优化\%、\%不等式证明\%以及\%机器学习\%中的损失函数设计中有重要应用。例如，在\%梯度下降\%算法中，对参数更新步长的选择常需要平衡不同平均数的性质；在\%聚类分析\%中，不同距离度量也对应不同的平均概念。

在\%概率论\%中，平均数与\%期望值\% (Expected Value) 密切相关——\%随机变量\%的期望值 E[X] E[X] 是其\%概率分布\%的理论平均数，是在大量重复试验中观测值的长期平均。根据\%大数定律\% (Law of Large Numbers)，样本量足够大时，样本平均数趋近于总体期望值；而根据\%中心极限定理\% (Central Limit Theorem)，大量独立同分布随机变量的样本平均数近似服从\%正态分布\%，这为\%参数估计\%和\%假设检验\%提供了坚实的理论基础。此外，\%切比雪夫不等式\% (Chebyshev's Inequality) 刻画了任意分布的观测值与平均数之间的距离概率界限，这一结果不依赖于分布的具体形式，具有广泛的适用性。

如何选择

  • 普通数值、无极端值 → 算术平均数
  • 增长率、回报率、乘法关系 → 几何平均数
  • 速度、效率等比率 → 调和平均数
  • 数据点重要性不同 → 加权平均数

当数据分布呈显著\%偏态\% (skewness) 时，\%中位数\% (Median) 往往比平均数更能代表中心趋势。例如，在\%收入分布\%研究中，中位数比平均数更能反映典型家庭的收入水平。为克服算术平均数对极端值的敏感性，统计学中还发展出了\%截尾平均数\% (Trimmed Mean) 和\%缩尾平均数\% (Winsorized Mean) 等更稳健的估计方法。在实际数据分析中，理解不同平均数的特性和适用场景，是正确进行\%统计推断\%和数据解读的关键前提。