平均数计算器

我们的在线平均值计算器是一款专业、便捷的统计分析工具，可帮助您轻松计算任何数据集的平均值。只需将您的数据手动输入，或直接复制粘贴到数据框中，确保每个数据点之间使用逗号分隔，然后点击“计算”按钮即可。

平均值计算器不仅会秒速输出数据集的平均值（算术平均数），还会为您展示详细的计算步骤及其他相关的统计数据，让您的数据分析更加清晰明了。

该计算器有三种模式。简单模式计算普通数字列表的平均值。加权模式需要第二组权重列表，以便让更重要的数值具有更大的比重——这就是课程成绩、投资组合回报和调查问卷得分的平均方式。时间模式支持格式为 hh:mm:ss 或 mm:ss 的时长，并返回时长而非小数，这正是单圈时间、班次长度和学习时间所需要的。

平均值

在统计学中，平均值（Mean）代表数据集中所有数值的整体均值。由于计算时涵盖了数据集中的每一个数值，因此它能很好地反映整体数据的面貌，被公认为衡量数据集中趋势最重要的核心指标之一。

简单算术平均数是我们日常生活中最常用的平均数。不过，为了适应不同的数据特征，平均数还有多种形式，包括几何平均数、加权平均数、调和平均数等。

在统计学符号中，总体（Population）的平均值通常用希腊字母 μ（Mu） 表示，而样本（Sample）的平均值则用 X̄（X bar） 表示。

简单平均数

简单平均数的计算方法非常直观：将数据集中所有数值相加求和，然后除以数据的总个数。简单平均数也常被称为平均值、算术平均数或均值。

要计算某个总体的平均值，我们可以使用以下公式：

μ = 数据集数值总和 / 集合数据总数 = ΣX / N

要计算某个样本的平均值，我们可以使用以下公式：

X̄ = 数据集数值总和 / 样本数据总数 = ΣX / n

让我们通过下面的例子来深入了解平均值的实际应用。

示例

下表展示了贾斯敏（Jasmine）上学期七门课程的考试成绩。请问贾斯敏上学期课程分数的平均值是多少？

课程	分数
管理学	84
传播学	90
会计学	75
经济学	60
商业统计学	85
国际研究学	92
数学	81

解决方案

平均分数 = ΣX / N = (84 + 90 + 75 + 60 + 85 + 92 + 81) / 7 = 567 / 7 = 81

平均值是我们每个人都非常熟悉的概念。无论是在新闻里还是生活中，你可能经常听到平均收入、平均生产成本、平均价格、平均得分、平均油耗等说法。即使在日常场景中，简单算术平均数也是一种最标准、最理想的数据总结方式。

不过，在某些特定的业务或数学场景下，我们需要使用其他的集中趋势测量方法。让我们继续往下看。

几何平均数

当我们需要计算一个数值随时间推移的平均增长率时，普通的算术平均数往往不再适用。在会计和金融领域（例如计算投资回报率或复利），**几何平均数（Geometric Mean）**才是更科学的衡量指标。这是因为增长率呈现的是乘法效应，而非简单的加减法。

数据集的几何平均数定义为 n 个数值乘积的 n 次方根。计算方法是将每个数值相乘，然后对乘积开 n 次方，其中 n 是数据集中的总项目数。几何平均数特别适用于求比率、百分比和增长率的平均值。

$$几何\ 平均数 = \sqrt[n]{x₁×x₂×x₃×…×xₙ} = (x₁×x₂×x₃×…×xₙ)^{\frac{1}{n}}$$

现在，我们来计算上一个例子中贾斯敏成绩的几何平均数。

$$几何\ 平均数 = \sqrt[7]{84×90×75×60×85×92×81} = 80.31$$

需要注意的是，对于同一个数据集，几何平均数总是等于或低于简单平均数（算术平均数）。

在我们的例子中：

几何平均数 ≤ 算术平均数

80.31 < 81

强大的在线平均值计算器不仅能快速计算算术平均数，同样也支持计算复杂的几何平均数。

加权平均数

在简单算术平均数中，我们默认所有数值都具有相同的权重（即重要性相同）。但在很多实际情况下，数据集中各项的比重往往是不同的。

在之前的示例中，我们通过将所有分数相加然后除以学科总数来计算平均分。这种算法并没有考虑到每门课程可能具有不同的学分或相对重要性。

当我们在计算平均数时，如果必须考虑数据集中每个项目的相对重要性，就必须使用加权平均数（Weighted Mean）。加权平均数的计算逻辑是：将各个数值分别乘以其对应的权重，将所有乘积相加求和，最后再除以权重的总和。

我们可以用下面的公式求出加权平均数：

加权平均数 = 加权值之和 / 权重之和 = ΣWX / ΣW

示例

假设前面例子中的每门课程都有不同的学分（权重）。更新后的贾斯敏成绩单如下：

贾斯敏上学期成绩的加权平均值表：

课程	分数	权重
管理学	84	3
传播学	90	2
会计学	75	4
经济学	60	3
商业统计学	85	3
国际研究学	92	2
数学	81	3

解决方案

加权平均分 = ΣWX / ΣW = (84×3+90×2+75×4+60×3+85×3+92×2+81×3)/(3+2+4+3+3+2+3) = (252+180+300+180+255+184+243)/20 = 1594/20 = 79.7

若要在上方的计算器中进行此计算，请切换到加权（Weighted）标签页，将分数粘贴到“数值”（Values）框中（84, 90, 75, 60, 85, 92, 81），将权重粘贴到“权重”（Weights）框中（3, 2, 4, 3, 3, 2, 3）。权重之和不需要等于 100 或任何特定的数字——原始学分、期末成绩百分比以及普通计数均可适用，因为公式会自动除以权重的总和。

成绩平均分计算器：为测试、作业和期末考试加权

成绩加权是加权平均数最常见的应用，而上方的加权标签页本身就是一个无需重新命名的成绩平均分计算器。如果教学大纲中规定，平时作业占总成绩的 20%，期中考试占 30%，期末考试占 50%，那么这些百分比就是权重：在“数值”中输入您的这三项成绩，在“权重”中输入 20, 30, 50。

一名学生如果平时作业得 95 分，期中考试得 78 分，期末考试得 84 分，那么他的总成绩为：(95×20 + 78×30 + 84×50) / 100 = 84.4 —— 这明显低于简单的算术平均分 85.7，因为其中分值最低的科目占了最大的权重。这种差距正是学校对成绩进行加权而非简单求平均的原因，也是为什么手算出的课程平均分经常与系统成绩单不一致的原因。

权重总和不等于 100 的情况

权重之和不一定非要等于 100。计算器会除以权重的实际总和，因此以下三种情况都可以直接计算：

权重类型	示例	总和
期末总评百分比	20, 30, 50	100
每门课程的学分	3, 4, 3, 2	12
每项作业的总分值	50, 100, 200	350

第三种情况非常值得具体说明，因为在这类情况下，普通的算术平均数最容易产生误导：如果一个测试平均分计算器将一个 50 分的小测验和一个 200 分的期末考试等同对待，那么就会高估那些在小作业上表现出色而在大考中失利的学生的成绩。只需将每次作业的总分作为权重输入，得出的结果就会与官方成绩单完全一致。

算出你需要的期末分数

因为加权均值公式就是 Σ(w·x) ÷ Σw，所以该标签页也可以用来反向求解——“我期末考试需要考多少分？”。将您已经获得的加权分数相加，用目标分数乘以总权重后减去该值，再除以期末考试的权重即可。例如，如果您平时的作业成绩为 95 分（占 20%），期中考试为 78 分（占 30%），要想让最终平均分达到 85 分，您期末考试需要拿到：(85×100 − 95×20 − 78×30) / 50 = 85.2 分。

中位数

**中位数（Median）**是指将数据集按升序（从小到大）或降序（从大到小）排列后，正好处于中间位置的数值。换句话说，中位数是将数据数列对半分开的中心点：50% 的数值会低于中位数，另外 50% 的数值则高于中位数。

中位数计算法

要寻找中位数，首先我们必须用下面的公式确定中位数所在的位置：

$$中位数的位置 = \left( \frac{n+1}{2} \right)^{th}项$$

其中“n”代表数据集的总项目数。

如果数据集中的项目总数是奇数，那么恰好位于中心位置的数值就是中位数。但如果数据集中的项目总数是偶数，中间位置会有两个数字，此时这两个数字的平均值即为该数据集的中位数。

简单平均数与中位数的差异

1. 计算依据不同：平均数是基于数据集的所有数值计算得出的。我们需要将所有值相加再除以数量；而中位数只关注数值的排列位置，并不能代表或包含数据集中的每一个数值本身的大小。
2. 图形估算：两种指标都可以通过数据的图形表示法直观地估算出来。在对称分布中，平均值位于正中央，因此可以快速估算；而中位数则很容易识别为箱线图中的中间线。
3. 统计学应用：平均值和中位数在高级统计分析中都扮演着关键角色。平均值被广泛用于无异常值的正态分布数据，是计算方差和标准差的基础。而中位数在数据严重偏斜或充满异常值时，作为集中趋势的衡量指标更为出色，被广泛用于不假设特定数据分布的非参数统计检验中。

关于平均数的常见问题

如何求一组数字的平均数？

将所有数字相加，然后除以数字的个数。这就是完整的方法：对于 10、2、38 和 23，它们的总和是 73，个数是 4，因此平均数是 73 ÷ 4 = 18.25。上方的计算器会在给出答案的同时显示分子和分母，让计算过程清晰可见，而不是只显示一个冰冷的结果。

如何计算算术平均值（Mean）？

方法完全相同。在日常生活中，“算术平均值”（Mean）和“平均数”（Average）指的是同一个数值——即总和除以个数，严谨的学术名称是“算术平均数”（arithmetic mean）。在统计学中更倾向于使用“Mean”这个词，因为均值有很多种（算术均值、几何均值、调和均值），这个词能将它们区分开来；而在日常口语中，“平均数”有时可能会被含糊地指代中位数甚至是众数。

均值（Mean）、中位数（Median）和众数（Mode）有什么区别？

它们从三个不同的角度解答了关于同一组数据的同一个问题。均值均衡了所有数值：它是高于和低于该点的数据距离相互抵消的平衡点。中位数平分了数据个数：正好有一半的数值低于它，一半高于它。众数则是数据集中出现频率最高的数值。对于 2、3、3、4 和 88 这组数，其均值是 20，中位数是 3，众数是 3 —— 这三个都是对“这里的典型数值是多少”这一问题的合理回答，而 88 这个极端的离群值使得均值成了最无法反映真实情况的指标。

如何计算百分比的平均值？

只有当百分比描述的是相同大小的群体时，才能直接对它们求平均。如果一个 10 人的团队中有 40% 的人回答“是”，而一个 90 人的团队中有 60% 的人回答“是”，那么真实的整体比例不是 50% —— 而是 (0.40×10 + 0.60×90) / 100 = 58%。这是一个以群体人数为权重的加权平均数，这也正是我们计算器中“加权”标签页的用武之地。直接对这两个百分比求简单平均，无异于默认这两个团队的人数是一样多的。

如何计算时间的平均值？

将每个时长转换为统一的单一单位（例如秒），求出这些数值的平均数，然后再转换回时间格式。例如，1:45:30、2:10:00 和 1:58:15 三圈的成绩总共为 21,225 秒；除以 3 得到 7,075 秒，即平均每圈 1:57:55。我们计算器的“时间”标签页可以自动为您完成此转换，并同时以十进制小时形式（1.9653 小时）报告结果，这是大多数工时表和发票所要求的格式。

平均值会大于数据集中的所有数值吗？

不会。算术平均值必然介于最小值和最大值之间——这是算术原理决定的，而不是巧合。如果算出的平均数超出了这个范围，那么计算过程一定存在错误。只要权重不为负数，加权平均数也同样遵循这一规律，这也是为什么负权重通常被视为数据录入错误，而不是一种合理的建模选择。

为什么平均数有时候会产生误导？

因为一个极端值就会极大地拉动它。例如，9 个人每人收入 40,000 美元，而第 10 个人收入 1,000,000 美元，那么他们的平均收入高达 136,000 美元——这个数字无法代表房间里的任何人。而 40,000 美元的中位数则准确描述了其中 90% 的人的情况。每当数据分布中带有“长尾”时，建议在报告均值的同时也提供中位数；上方的计算器可以使用同一份输入为您同时提供这两个指标，无需任何额外操作。

何时使用平均值

如果您的数据集呈现对称分布，且没有异常值（离群值），或者明显的异常值已经被预先剔除，那么平均值就是衡量数据集中趋势最完美、最合适的指标。由于它涵盖了每一个数值，因此能高度可靠地反映数据的中心。但如果您的数据集确实包含巨大的异常值，您可能需要在计算平均值之前将其剔除，以确保准确反映真实的集中趋势。

何时使用中位数

当数据集受到严重异常值（Outliers）的影响，或者数据集呈现明显的偏态分布（不对称分布）时，平均值就无法真实反映数据的整体水平。异常值是指比数据集中绝大多数其他数值大得多或小得多的极端数据点。如果存在此类异常值，平均值会被大幅拉高或拉低。

让我们修改一下最初的成绩例子，直观地感受异常值的影响。

示例

假设贾斯敏的《国际研究学》课程考试失误，成绩仅为 15 分，而不是 92 分。现在她各科新成绩的平均分是多少？

课程	分数
管理学	84
传播学	90
会计学	75
经济学	60
商业统计学	85
国际研究学	15
数学	81

解决方案

平均得分 = ΣX / N = (84+90+75+60+85+15+81)/7 = 490/7 = 70

新的平均分变成了 70 分。仅仅因为一门极低的分数，整体平均分就从 81 分骤降了 11 分。由此可见，极端异常值对平均数的影响有多大。

在这种存在离群值的情况下，中位数通常比平均数更能真实、稳健地反映数据的集中趋势。为了证明这一点，让我们对比计算一下原始数据集和修改后数据集的中位数。

原始数据集示例

下表显示了贾斯敏原始的 7 门课程分数。贾斯敏各科成绩的中位数是多少？

课程	分数
管理学	84
传播学	90
会计学	75
经济学	60
商业统计学	85
国际研究学	92
数学	81

解决方案

第一步，将所有分数按升序排列：

60, 75, 81, 84, 85, 90, 92

$$中位数的位置 = \left( \frac{n+1}{2} \right)^{th}项 = \left( \frac{7+1}{2} \right)^{th}项 = 第4项$$

接下来，我们找到排在第 4 项的数值，即 84。因此，该数据集的中位数是 84。

现在，我们再来看看存在低分异常值的数据集中位数。

含异常值示例

假设《国际研究学》成绩为极端的 15 分。贾斯敏新成绩单的中位数是多少？

课程	分数
管理学	84
传播学	90
会计学	75
经济学	60
商业统计学	85
国际研究学	15
数学	81

解决方案

第一步，依然是将所有分数按升序重新排列：

15, 60, 75, 81, 84, 85, 90

$$中位数的位置 = \left( \frac{n+1}{2} \right)^{th}项 = \left( \frac{7+1}{2} \right)^{th}项 = 第4项$$

最后，我们定位到新数列的第 4 项。它是 81，这意味着新的中位数为 81。

结论非常清晰：**尽管数据集中引入了一个极端异常值，中位数却表现得非常稳定，仅从 84 轻微变化到 81（而平均数则骤降了 11 分）。**这就是在偏态分布或含离群值数据中使用中位数的巨大优势。