通过MCP连接 →

输入计算

粘贴

数学公式

广告

结果

平均的
3
数字总和 15
数字数量 5
中位数 (x̃) 3
平均值(x̄) 3
众数 1 2 3 4 5
总体方差 2.0
几何平均数 2.6051710846973517
最大值 5
最小值 1
极差 4

这个平均数计算器能做什么

只要把一组数字输入进来,本工具就会立即返回一整套汇总统计量:平均值(算术平均数)、总和、输入的数字个数(计数)、中位数、几何平均数、最小值、最大值、极差以及众数。你不必再逐一单独计算,一个输入框就能一次性得到全部结果。

使用方法

页面只有一个输入框:数字。把你的数值用逗号、空格、分号或换行隔开即可——这几种分隔符计算器都能识别。负数和小数完全支持(例如 -4, 12.5, 8)。任何不属于有效数字的内容都会被自动忽略,因此夹杂的文字或符号不会影响结果。如果找不到任何有效数字,计算器会提示输入无效。

  • 总和——所有数值相加之和
  • 计数——识别到的有效数字个数
  • 平均值(算术平均数)——总和除以个数
  • 中位数——排序后处于中间位置的数值
  • 最小值、最大值、极差——最小数、最大数及二者之差
  • 几何平均数与众数——另外两种衡量集中趋势的指标

计算公式

平均值即算术平均数:

$$\text{平均值} = \frac{1}{n} \times \sum x_i$$

用文字来说:先把所有数字相加(\(\sum x_i\)),再除以个数(\(n\))。极差的算法是最大值 − 最小值;中位数则是把数列排序后取中间的那个值(若个数为偶数,则取中间两个值的平均)。

Advertisement
图示:将多个数字相加后再除以个数得出平均数
平均数等于所有数字之和除以它们的个数。

实例演示

假设你输入:4, 8, 15, 16, 23, 42

  • 个数(\(n\))= 6
  • 总和 = \(4 + 8 + 15 + 16 + 23 + 42 = 108\)
  • 平均值 = \(108 \div 6 = \mathbf{18}\)
  • 中位数 = \((15 + 16) \div 2 = \mathbf{15.5}\)
  • 最小值 = 4,最大值 = 42,极差 = \(42 - 4 = \mathbf{38}\)

定义与词汇表

这些是平均值计算器报告的集中趋势和离散度测度。理解它们之间的差异有助于为你的数据选择正确的汇总统计量。

总和
通过将数据集中的每个值加在一起得到的总数:\(\sum x_i\)。
计数 (n)
数据集中的值的个数。这是计算平均值时使用的分母。
平均值(算术平均数)
总和除以计数,\(\bar{x} = \frac{\sum x_i}{n}\)。这是最常见的"平均值",对每个值赋予相等的权重。
几何平均数
所有值乘积的 \(n\) 次方根,\(\left(\prod_{i=1}^{n} x_i\right)^{1/n}\)。与算术平均数不同,它相乘而不是相加,适用于增长率和比率。它要求所有值为正,且始终小于或等于算术平均数。
中位数
数据排序后的中间值。当计数为奇数时,它是单一的中心值;当计数为偶数时,它是两个中心值的平均值。它不受极端离群值的影响。
众数
出现最频繁的值。数据集可以有一个众数、多个众数或没有众数(如果每个值都是唯一的)。与中位数(关于位置)不同,众数是关于频率的。
极差
最大值与最小值之间的差,\(\text{极差} = x_{\max} - x_{\min}\)。这是最简单的离散度测度。
最小值与最大值
数据集中最小和最大的值,分别地。

算术平均数与几何平均数:算术平均数将值相加并除以计数;几何平均数将值相乘并取根。中位数与众数:中位数是排序数据的位置中心,而众数是最常见的值——它们可能是完全不同的数字。

解释你的结果

每个统计量都能回答关于你的数字的不同问题。将它们一起阅读能提供比任何单一数值更完整的图景。

平均值与中位数:信任哪个"平均"

对于大致对称的数据,平均值和中位数很接近,平均值是一个很好的汇总。当数据倾斜或包含离群值时,平均值会被拉向极值,而中位数则停留在数据的大部分附近。例如,在收入、房价或任何具有长尾的数据集中,中位数通常是更具代表性的"典型"值。平均值与中位数之间的较大差异本身就是倾斜的信号。

何时适合使用几何平均数

对于复合或表示为增长率、比率或乘法因子的数量使用几何平均数——投资回报、人口增长、价格指数和百分比变化。因为它反映复合效应,它回答了"什么恒定增长因子会给出相同的最终结果?"的问题。增长率的算术平均数会高估真实的平均增长,这就是为什么几何平均数是正确的选择。

极差和众数揭示了什么

极差是总离散度的快速衡量——极值相距多远——但它只看两个值,对单个离群值非常敏感。为了更稳健地理解变异性,将其与中位数或标准差测度相结合。众数突出了频率:它告诉你最常见的结果,这对于分类或重复数据特别有用,其中"平均值"没有太大意义(例如,最常见的评分或鞋码)。

Advertisement

更多已解决的例子

例子 1 — 包含重复值的数据集(众数)

测试分数:7, 8, 8, 9, 10。

  • 总和:\(7+8+8+9+10 = 42\)
  • 计数:\(n = 5\)
  • 平均值:\(\frac{42}{5} = \) 8.4
  • 排序后,中间值是第 3 个,所以中位数是 8。
  • 值 8 出现两次(比任何其他值都多),所以众数是 8。

这里平均值 (8.4)、中位数 (8) 和众数 (8) 都很接近,因为数据相当对称,但众数特别指出 8 是最常见的分数。

例子 2 — 增长率(几何平均数)

投资在三年内按 1.10、1.20 和 0.90 的因子增长(即 +10%、+20%、−10%)。正确的平均增长因子是几何平均数:

$$\left(1.10 \times 1.20 \times 0.90\right)^{1/3} = \left(1.188\right)^{1/3} \approx 1.0591$$

因此等效的稳定增长大约是每年 1.0591(≈ 5.91%)。请注意因子的算术平均数,\(\frac{1.10+1.20+0.90}{3} \approx 1.0667\),会高估真实的复合增长。

例子 3 — 偶数计数,包含负数和小数(中位数平均)

每日温度变化(°C):−2.5, −1.0, 0.5, 3.0。

  • 总和:\(-2.5 + (-1.0) + 0.5 + 3.0 = 0.0\)
  • 计数:\(n = 4\)
  • 平均值:\(\frac{0.0}{4} = 0.0\)
  • 排序:−2.5, −1.0, 0.5, 3.0。对于偶数计数,中位数是两个中心值的平均值:\(\frac{-1.0 + 0.5}{2} = -0.25\)
  • 极差:\(3.0 - (-2.5) = 5.5\)

这说明了如何计算偶数大小集合的中位数(通过平均两个中心值),以及负数和小数的处理方式与正整数相同。

常见问题

可以使用哪些分隔符?逗号、空格、分号和换行都可以,所以几乎能直接粘贴来自任何来源的数字。

平均值和中位数有什么区别?平均值是总和除以个数,容易受到极端值(离群值)的影响;中位数是中间那个数值,当数据里存在极端值时,更能反映"典型"水平。

能输入负数和小数吗?可以。计算器能识别负数、整数和小数;无效内容会被自动跳过。

最后更新: