上一篇讲的是“平均单价”的两种算法：把单价按行平均得 2537.5 元，用总收入除以总件数得 1478.6 元。那个坑出在“平均”里藏着一次没说出口的除法，按谁除没讲清楚。
这一篇要说的坑更隐蔽：即使分母明确、算法毫无争议，一个平均数照样可能把你带偏。因为平均数有一个天生的弱点——它可能站在一个没有任何人站的位置上。
五个客户，一个平均数
假设这个月只有五个客户下单，消费金额是：
20 元、30 元、40 元、50 元、3000 元。
平均数是 元。
现在换一个同样有用的数：中位数。做法是把数据从小到大排好，取站在正中间的那个值；如果个数是偶数，就取中间两个数的平均值。
五个数排成一行，正中间是第三个，也就是 40 元。
628 元和 40 元，差了 15 倍。哪一个更能描述“典型的一个客户花了多少钱”？平均数 628 元这个数，五个客户里没有任何一个人是它。而中位数 40 元的意思是：有 2 个客户花得比它少，2 个比它多——这句话按定义一定成立。
平均数为什么这么容易被拉走
平均数等于总量除以个数。它的位置像一个杠杆的支点：每个数都按“自己离中心有多远”对支点施加拉力，离得越远，拉力越大。
所以只要有一个数跑得足够远，它一个人就能把平均数拽到别处，跟其他数有多少个无关。把上面那个 3000 元改成 30000 元：
平均数涨了将近十倍。而中位数呢？还是 40 元，一动不动——因为 30000 元本来就排在最右边，把它的数值改大，并不会改变它的位次。
这就是两者的根本区别：平均数对数值的大小敏感，中位数只对数值的位置敏感。 一个极端值无论往上跑多远，只要它还是排在最后一个，对中位数的影响就是零；但对平均数的影响可以无限增长。
反过来说，“平均数变了”这句话能推出的信息很少——它可能意味着每个人都在变，也可能只意味着某一个人的变化。
现实里，这种分布非常常见
收入、房价、客单价、订单金额、用户停留时长、客服响应时间、故障恢复时间，它们有一个共同点：下面有硬边界，上面没有。
一次响应不可能小于 0 毫秒，但一次故障可以卡住 10 秒，也可能卡住 10 分钟；一个客户可以花 50 元，也可能花 50 万。凡是这样的变量，分布都会堆在偏小的一侧、向右拖出一条长尾——这叫 右偏。
右偏有一个好用的诊断线索：平均数会大于中位数，偏得越厉害差得越远。 所以看到这两个数差很多时，先别急着挑一个用，而要意识到“这个变量的分布是不对称的”，这本身就是结论的一部分。
一个公开的真实例子：美国人口普查局 2023 年的住户收入报告里，住户收入中位数是 80,610 美元 2，平均收入约 114,500 美元 4，平均数比中位数高约四成（这两个数同出自该报告的表 A-1 3）。原因不难理解：少数极高收入把平均数抬了上去，而中位数只关心“排中间的那个人”。
用平均数做阈值，比用它描述人更危险
描述“典型值”时用错平均数，只是说得不准。把它当作告警线、考核线、达标线，问题会更大，因为平均数会同时掩盖两件事：尾部有多长，以及尾部里有多少个单位。
把上面的收入换成服务响应时间。1000 次请求里，988 次用了 52 毫秒，12 次用了 2400 毫秒：
80 毫秒这个数，没有任何一次请求是这样：快的用 52 毫秒，慢的用 2400 毫秒。它离 100 毫秒的告警线还差得远，看着一切正常。但这 1000 次里，有 12 次让用户等了 2.4 秒。
要看清这件事，得用 分位数。把数据从小到大排好，第 百分位（记作 p）就是站在 位置上的那个值，意思是“有 的数据比它小”。这里的 p50，也就是中位数，是 52 毫秒；p99 是 2400 毫秒。p99 说的是“最慢的那 1% 的人，等了多久”——一天 100 万次请求，1% 就是约一万次 6。
什么时候该换成中位数，什么时候平均数才是对的
不要从上面几段得出“平均数骗人，以后只用中位数”。它们在回答两个不同的问题。
平均数回答的是：总量摊到每个单位是多少。 它同时保留了总量和个数两个信息，所以只要你的结论需要跟总量对上账——成本、产能、库存、总工时的分摊——用的必须是平均数。平均数还有一个好性质：分组算出的平均数，可以按每组的个数加权合并成整体平均数。
中位数回答的是：典型的一个是多少。 当分布右偏、有个别单位大得离谱，而你要说的是“大多数人处于什么水平”时，用中位数。要注意中位数不能这样合并：两个组的中位数放在一起，合不出整体的中位数。
判断可以顺着三个问题走：
- 你要的数需要跟总量对上账吗？需要，用平均数。
- 这个变量的分布两边大致对称吗？最省事的检查是排序后看最小值、最大值和几个分位数（比如 p10、p50、p90），不画图也能看出形状。
- 有没有一个单位可以比典型值大好几倍甚至几个数量级？有，就报中位数。
而且，报数时最好两个一起报：平均数加中位数，或者中位数加 p90 和 p10。两个数差多远，本身就是一条重要信息；只报一个数，等于替读者做了他没被告知的选择。
中位数的三个边界
中位数不是万能药，用它之前要知道它在哪里失效。
第一，分布有两个峰的时候，两个数都不能单独用。 假设客户分成两群：只用基础版的一群，客单价约 50 元；买全家桶的一群，客单价约 3000 元，中间几乎没人。这时平均数落在两群之间，中位数也落在两群之间——落在没人的空谷里。这种情况叫 双峰分布，诚实的做法是把两群分开看，或者直接把分布画出来。
第二，中位数对“变得更极端”完全无感。 极端值再往上跑，中位数不会动。所以“中位数没变”不等于“没变化”：如果最顶上 10% 的人收入翻倍，而中间位置没被跨过，中位数看不出来——这时需要看多个分位数的变化。
第三，取值范围很窄时，中位数会太粗。 一份五分制的满意度问卷，平均分 2.8、3.0、3.3 三组人的中位数可能都是 3，组与组之间的差别就被抹平了 5。
一条可以直接用的规矩
拿到一批数，先写下你要回答的问题——是“典型的一个是多少”，还是“总量摊到每个单位是多少”。前者指向中位数，后者指向平均数。
然后别急着算，先看一眼分布的形状：排序看最小、最大和几个分位数，或者干脆看平均数离中位数有多远。差得远，说明分布是偏的，平均数不能单独用；差得近，两者都可以。
上一篇的陷阱是“平均”里藏着一次没说出口的除法；这一篇的陷阱是，即使除法说得明明白白，一个数仍然可能落在没人站的位置上。分母决定它回答的是谁的问题，分布形状决定它代表不代表大多数人，两件事都答完，一个平均数才算站得住。