1 中位数的基本定义
1.1 排序后的“居中”含义
中位数是刻画一组数据“居中位置”的统计量。将样本观测值从小到大排序后，取使其满足分割条件的那个位置：至少一半观测值不小于它，且至少一半观测值不大于它。直观上，中位数可以理解为“让数据在数值轴上大致平衡”的点位，即排序后位于中间的代表值。
1.2 与分位数的关系（50% 分位数）
中位数又称 50% 分位数（50th percentile）。一般而言，第 \(p\) 分位数是指使得不小于该值的观测比例达到 \(1-p\)、不大于该值的观测比例达到 \(p\) 的数。将 \(p\) 取为 0.5，即得到中位数所对应的分位位置，因此中位数本质上属于分位数族中的一个特例。
1.3 奇数样本与偶数样本的计算差异
当样本量为奇数 \(n\) 时，排序后存在唯一的中间位置，第 \((n+1)/2\) 个观测值通常直接作为中位数。 当样本量为偶数 \(n\) 时，中间位置落在两个相邻观测之间：第 \(n/2\) 个观测值与第 \(n/2+1\) 个观测值共同界定“中心区域”。在此情况下，中位数的取值常见做法是对这两个值进行进一步处理（例如取平均或按特定分位数规则选取其一），不同口径会导致计算结果存在细微差别，尤其在这两个值相差较大时更明显。
2 计算方法
2.1 直接按排序取值
最直接的计算思路是：对样本排序，然后依据位置规则选取中间值。对于奇数样本，按中间秩直接取值即可。对于偶数样本，一种常用做法是将排序中间的两个观测值进行合并处理，例如取其算术平均，使得中位数仍保持“居中分割”的直观含义。
2.2 使用分位数插值的常见约定
当使用分位数的统一计算框架时，中位数可被视为 0.5 分位数的特例。为了在样本点之间定义分位位置，常引入插值思想。此时，中位数不一定严格等于样本中的某个观测值，而可能是落在相邻两点之间的“插值结果”。
2.2.1 线性插值思路（概念层面）
线性插值的概念可以概括为：确定目标分位在排序秩上对应的“位置”，若该位置恰好落在观测点上就直接取值；若落在两个相邻观测之间，则按距离比例在两点之间线性连接并取对应位置的数值。对 0.5 分位而言，通常与“中间两点的插值”相关。
2.2.2 不同软件/口径的差别来源
不同软件或统计口径对“分位位置如何定义”与“秩与概率如何对应”存在多种约定，常见差异包括：
- 分位位置使用的等距刻度不同（例如以第一个样本为起点还是使用半步偏移）。
- 偶数样本时中心两点的处理方式不同（取平均、取下界/上界或按插值落点选取）。
- 对于重复值或离散分布，插值后的结果与“分割比例”的解释方式可能不完全一致。
因此，同一数据在不同计算器或统计包中可能给出略有差异的中位数数值，尤其在样本量较小或中间两点差异较大时更值得注意。
2.3 加权中位数（加权样本的 50% 分位数）
当每个观测值附带权重（表示重复次数、重要性或样本权重）时，加权中位数用于找到数值轴上的“50% 分割点”。其核心思想是：累计权重达到一半时对应的取值即为中位数。
2.3.1 权重累积达到 50% 的判定
将观测值按大小排序，并将权重在排序后依次累计。设总权重为 \(W\)，当累计权重首次达到或超过 \(W/2\) 时，对应的观测值可作为加权中位数。该定义与无权情形的直觉一致：使得“权重意义下的至少一半”落在中位数的一侧。
2.3.2 离散权重下的取值规则
权重离散且可能出现累计正好跨过 \(W/2\) 的情况，边界点的取值通常依赖约定，例如：
这些规则在实践中应与所用统计工具保持一致，并在报告中说明口径，以免不同团队之间出现不必要的差异。
3 性质与直观解释
3.1 对称分布下的解释（与均值的联系）
在许多对称分布（例如围绕某个中心点左右镜像的分布）中，中位数与均值往往相近甚至相等。直观上，排序后“左边”和“右边”的数据在概率意义上相互抵消，中位数作为分割点与平均意义下的中心位置趋于一致。对于对称且无明显长尾的情形，中位数可以视作一种更“位置型”的中心估计。
3.2 抗异常值能力（稳健性）
中位数仅依赖排序后的相对位置，而非对数值大小的整体加权平均。因此当数据中存在极端异常值时，它对排序位置的影响通常有限：单个极端点只会改变部分秩的具体位置，不会像均值那样成比例地“拉动”中心。正因如此，中位数常被用于偏态分布或含离群点的数据总结。
3.3 与分位数函数/经验分布函数的关系
经验分布函数（ECDF）将每个样本点映射为阶梯形式的累计概率。在该框架下，中位数对应使得经验累计概率达到 0.5 的取值（或区间）。分位数函数可以被理解为从累计概率反推对应数值的映射，因此中位数与分位数函数是同一体系下的不同视角：一个从“概率到数值”，另一个从“数值到概率”。
3.4 中位数的单位与可解释性
中位数具有与原数据相同的物理单位或度量尺度，因为它直接来源于样本的数值轴位置。相比仅给出无量纲指标的某些统计量，中位数更容易被解释为“典型水平”。例如讨论房租、响应延迟或考试成绩时，“中位数=多少”往往比均值更直观地反映典型情况。
4 统计推断与应用
4.1 用于描述中心趋势的场景选择
中位数适合以下情形：
- 数据分布偏态或存在明显长尾。
- 含有离群点，且这些点不应支配整体水平描述。
- 业务上更关心“半数以上落在哪个水平以下/以上”，而非所有值的平均贡献。
若分布较对称且无异常点，中位数与均值可能都能很好地描述中心，但中位数通常仍具备稳健优势。
4.2 置信区间与区间估计的基本思路
4.2.1 基于秩统计量的思路概述
中位数的抽样波动可以通过“秩”的随机性来描述。换言之，样本中中位数对应的秩位置会随抽样而变化，从而导致数值上的波动。区间估计通常通过：
无论具体方法如何，核心思想都是围绕“中位数作为 0.5 分位点”的不确定性展开。
4.3 比较两组数据：中位数差异的常见检验方向
在比较两组的中心水平时，常见目标是判断中位数是否发生系统性变化。实践中可按两类思路组织检验：
在严谨报告中，应同时说明检验假设、样本独立性与数据尺度可比性。
4.4 业务与工程实践中的常用用法
在工程与运营中，中位数常用于：
- 监控指标的“典型水平”，例如响应时延、队列等待时间、日志延迟等（这些指标常伴随尾部波动）。
- 报告“超过/低于”的比例含义，例如“50% 用户的体验不超过某阈值”。
- 在多策略或不同版本对比中，用中位数减少少量极端事件对结论的扭曲。
需要注意的是，中位数反映的是位置而非分散程度；若用户关注波动，通常还要配合如四分位距等尺度指标一起呈现。
5 与其他集中趋势统计量的对比
5.1 中位数 vs 均值：偏态与异常值
均值通过对所有数值求算术平均来定义，容易受到极端大/小值的影响。当分布存在偏态或异常点时，均值可能偏离多数观测的“典型位置”。中位数则只关心排序后的中间位置，通常对极端值更不敏感，因此在描述“多数情况”时更可靠。 但若分布近似对称且噪声较均匀，均值在信息利用上可能更有效率，此时中位数未必总是最优选择。
5.2 中位数 vs 众数：离散分布与多峰情况
众数表示出现频率最高的取值。在离散或类别型数据中，众数可能直接对应最常见的类别。相较之下，中位数是排序位置型指标，适用于有序数值或可比较的大小关系。 若分布呈现多峰结构，众数可能受到“哪一峰更高”的影响而反映某个局部模式；中位数则给出分割意义下的中心位置，不一定对应最常见的峰顶。
5.3 何时优先选择中位数
一般可在以下条件下优先考虑中位数：
- 目标是描述“典型体验/水平”，而不是平均效用的综合结果。
- 数据存在离群值、误差重尾或测量过程偶发异常。
- 分布偏斜明显，使用均值会造成中心解释偏移。
同时，仍建议结合分散度量与可视化手段，避免仅凭一个位置指标得出过度结论。
6 数据展示与报告
6.1 箱线图中的中位数
箱线图以中位数为中心展示分布结构。图中箱体的上下边界常对应四分位数（25% 和 75%），箱体内部的横线表示中位数。通过箱线图可以同时观察中位数位置、离散程度以及潜在偏态或长尾特征。
6.2 统计摘要表中的呈现方式
在摘要表中，中位数通常与样本量、极值或四分位数一起报告，例如“中位数（IQR）”或“中位数及上下四分位”。这类呈现方式能够在不依赖均值前提的情况下提供更稳健的中心与离散信息，适用于非正态或存在异常值的数据集。
6.3 报告口径：取值规则与插值约定说明
由于分位数插值与偶数样本处理存在口径差异，严谨报告往往会注明：
- 使用的中位数定义（如是否按某统计软件的分位数插值方式计算）。
- 偶数样本时采用“取中间两点平均”还是“按特定分位算法选取”。
- 加权场景下的权重累积阈值与边界规则。
明确口径可以减少复现实验中的差异，并提升跨团队沟通的一致性。
7 例子与常见误区
7.1 简单样例的逐步计算示范
例如数据为 \(\{1, 3, 5, 7, 9\}\)。排序后本身有序，样本量为 5（奇数），中位数取第 \((5+1)/2=3\) 个值，即 5。 再看 \(\{1, 3, 5, 7\}\)。样本量为 4（偶数），中间两个值是 3 和 5。常用做法是取二者平均得到 4 作为中位数；若采用某些分位算法可能会出现不同选取结果，因此在实际计算时应遵循所用口径。
7.2 偶数个数据点时“中间位置”的理解陷阱
一个常见误区是将“中间位置”理解为“必须属于原始数据点”。当样本量为偶数时，中间区域实际上落在两个观测之间，选择取平均或取其中某一值，本质上属于不同的定义约定。若不说明口径，读者可能会对结果为何不是原始某个数产生困惑。
7.3 分位数算法差异导致结果不一致的处理建议
当发现不同工具给出的中位数不完全一致时，建议：
- 检查两者是否使用了相同的分位数定义或插值方式。
- 确认偶数样本与重复值场景下的边界处理规则。
- 若团队内部有统一规范，优先采用同一软件/同一参数的实现方式，并在报告中写明口径。
通过这一流程，通常可以快速定位差异来源，并确保对外呈现的数值具有可解释的一致性。