中位值

中位值

中位值（Median）是统计学中一种用于描述数据集集中趋势的度量，定义为将一组数据按数值大小排序后位于中间位置的数值。具体而言，对于含有n个数据点的有序数据集，中位值将数据划分为两个数量相等的部分，其中一半数据小于或等于中位值，另一半大于或等于中位值。中位值是一个位置平均数，其计算过程不依赖于数据的具体数值，而仅依赖于数据的排序位置，因此对极端值（outliers）具有稳健性。

中位值的计算取决于数据集的个数是奇数还是偶数。假设数据集已按升序排列为x₁, x₂, ..., xₙ：

• 当n为奇数时：中位值M = x_{(n+1)/2}。例如，数据集{1, 3, 5}，n=3，中位值为第2个数值3。
• 当n为偶数时：中位值M = (x_{n/2} + x_{n/2+1}) / 2。例如，数据集{2, 4, 6, 8}，n=4，中位值为(4+6)/2=5。

对于分组数据或连续分布，中位值可通过累积分布函数或频率分布进行插值计算。例如，在频数分布中，中位值所在组通过累积频率确定，然后使用线性插值公式计算。

中位值具有以下重要数学性质：

• 稳健性：中位值不受极端值影响，因为其计算仅依赖于中间位置的数据点。例如，数据集{1,2,3,100}的中位值为2.5，而均值高达26.5。
• 唯一性：对于任何数据集，中位值总是存在且唯一，而均值可能受多个相同值影响但仍唯一。
• 对称性：如果数据分布对称，则中位值与均值相等。对于对称分布（如正态分布），中位值位于分布的中心。
• 最优化性质：中位值能使绝对偏差之和最小化，即对于任何常数c，Σ|x_i - M| ≤ Σ|x_i - c|。这一性质区别于均值，均值使平方偏差之和最小。
• 分位数关联：中位值是第50百分位数，也称为第二四分位数（Q₂）。它与第一四分位数（Q₁）和第三四分位数（Q₃）共同描述数据的分布。

中位值、均值（Mean）和众数（Mode）是三种主要的集中趋势度量。它们的区别与选择取决于数据特征：

• 均值：对极端值敏感，适用于对称或近似正态分布的数据。均值在数学上具有优良的抽样特性，常用于参数统计推断。
• 中位值：对极端值稳健，适用于偏态分布或存在异常值的数据。例如，在收入分布中，由于少数高收入群体拉高均值，中位值更能反映普通人的收入水平。
• 众数：适用于分类数据或离散数据，表示出现频率最高的值。众数可能不唯一，且对数据分布形态不敏感。

在实际应用中，通常同时报告均值和中位值，以全面了解数据分布。例如，在描述房价时，均值可能因少数豪宅而偏高，中位值则提供更具代表性的中心趋势。

中位值在多个学科中具有广泛应用：

• 经济学与社会学：用于衡量收入、财富、消费等分布的中等水平。例如，国家统计局常发布居民收入中位值，以反映多数民众的经济状况。
• 医学与临床试验：在生存分析中，中位生存期是常用终点指标，表示一半患者存活的时间。对于非正态分布的生物标志物数据（如肿瘤尺寸），中位值用于描述典型值。
• 环境科学：监测污染物浓度时，中位值可减少异常高值的影响，反映普遍污染水平。
• 机器学习与数据科学：在特征工程中，中位值用于插补缺失值，尤其当数据偏斜时；在异常检测中，基于中位值的统计量（如中位数绝对偏差, MAD）用于识别离群点。
• 非参数统计：中位值检验（如符号检验、Wilcoxon符号秩检验）基于中位值而非均值，不要求数据服从特定分布。

尽管中位值具有稳健性，但也存在局限性：

• 信息损失：中位值仅依赖排序位置，忽略了大部分数据点的数值，可能无法反映数据的整体形态（如多峰分布）。
• 可计算性：对于超大或流式数据，排序可能耗时。但已有在线算法（如二分查找或维护两个堆）可高效计算中位值。
• 不适用于分类数据：对于名义变量或顺序变量，中位值定义可能不明确或失去意义。

中位值的概念可追溯至古代统计实践，但其正式定义由法国数学家Pierre-Simon Laplace在18世纪提出。现代统计学中，中位值作为稳健估计量广泛应用于探索性数据分析（如John Tukey的开创性工作）。

• Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
• Laplace, P. S. (1812). Théorie Analytique des Probabilités.
• Hogg, R. V., McKean, J. W., & Craig, A. T. (2019). Introduction to Mathematical Statistics (8th ed.). Pearson.
• Maronna, R. A., Martin, D. R., & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley.
• DeGroot, M. H., & Schervish, M. J. (2012). Probability and Statistics (4th ed.). Pearson.
• Wasserman, L. (2004). All of Statistics: A Concise Course in Statistical Inference. Springer.
• Leys, C., Ley, C., Klein, O., Bernard, P., & Licata, L. (2013). Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median. Journal of Experimental Social Psychology, 49(4), 764-766.
• Rousseeuw, P. J., & Croux, C. (1993). Alternatives to the median absolute deviation. Journal of the American Statistical Association, 88(424), 1273-1283.