平均值为什么经常骗人

2026-09-26 · 描述统计

“平均”这两个字在日常语言里几乎等于“典型”，但在统计上它只是个算术结果。只要分布不是对称的，这个结果就可能离“大多数人的情况”非常远。

一个十个人的例子

假设十个人的月收入（单位：千元）如下：

编号	1	2	3	4	5	6	7	8	9	10
收入	4	5	5	6	6	7	8	9	12	38

平均值是 10.0，中位数是 6.5。十个人里有九个的收入低于平均值。

这不是数据出错，而是均值本身的性质：它把总和平均分摊，于是第 10 个人贡献的那部分被摊到了每个人头上。一个人的高值，抬高了所有人的“平均”。

偏态分布里，均值会被拽走

当分布右偏（长尾在右边）时，均值总是大于中位数；左偏时反过来。差距有多大，取决于尾部有多长、有多重。

收入、房价、阅读量、接口响应时间——这些常见的指标几乎都是右偏的。它们的均值往往明显高于“典型值”。

所以看到“平均响应时间 200ms”时，更该问的是：中位数是多少？P95 是多少？如果中位数是 80ms 而均值 200ms，说明有一小部分请求特别慢，而多数请求其实很快。

该看哪个

• 想描述“典型情况”：用中位数。它不受极端值影响。
• 想描述“总量摊到每个人”：用均值。比如算总成本、总预算。
• 想知道尾部有多糟：看分位数，P90 / P95 / P99。

三者不是互相替代的关系，而是回答不同的问题。只报一个数，通常就是在选择性地引导结论。

一个更隐蔽的坑：加权

还有一种情况是“平均的平均”。比如两个部门各自的平均满意度是 4.5 和 3.0，直接取平均得 3.75。但如果第一个部门只有 10 人、第二个有 200 人，真实的整体平均应该接近 3.07。

# 错误：对均值再取均值
(4.5 + 3.0) / 2 = 3.75

# 正确：按人数加权
(4.5*10 + 3.0*200) / 210 ≈ 3.07

这个错误在汇总报表里非常常见，尤其是当数据来自不同粒度的表、又被人手工拼在一起的时候。

小结

均值不是错的，它只是回答了一个很具体的问题。真正的问题在于：很多人用它回答了一个它答不了的问题，然后据此下结论。看到“平均”两个字，先问一句“分布长什么样”，能避开相当多的误判。