1 基本概念
1.1 定义
众数是统计学中的一种集中趋势指标，指在一组数据中出现次数最多的数值或类别。它反映的是数据中“最常见”的取值，而不是数值意义上的平均位置，因此在描述偏好、主流选择或高频类别时很有用。
1.2 术语来源
“众数”一词强调“众多之数”或“多数所归”的含义，突出其代表高频出现的特征。在统计学语境中，它与“频数最大”的概念直接对应，常被用来说明数据分布中最集中的部分。
1.3 适用对象
众数适用于以频率为核心的数据分析，尤其在数据类型并不适合进行加减平均时更具优势。相比平均数，它对数值大小不敏感；相比中位数，它更能体现类别偏向和重复出现的模式。
1.3.1 分类数据
对于分类数据，众数通常是最常出现的类别，例如最受欢迎的品牌、最常见的血型或最常选择的颜色。这类数据没有明确的数值间距，因此众数往往是最自然、最直观的代表指标。
1.3.2 离散数据
在离散数据中，众数用于找出出现频次最高的具体数值，例如考试成绩、家庭人数或每周购物次数。若多个数值并列最高，则可能同时存在多个众数。
1.3.3 连续数据中的近似众数
连续数据理论上可以取无限多个值，单个值重复出现的概率较低，因此常通过分组或密度估计来寻找“最集中的区间”作为近似众数。此时众数更多体现为分布峰值附近的代表位置。
2 数学表述
2.1 频数与众数
在给定数据集内，每个取值对应一个频数。若某个取值的频数大于其他所有取值，则该值为众数。用函数式表达时，众数可视为使频数达到最大值的自变量取值。
2.2 单众数、多众数与无众数
数据集可能只有一个众数，也可能存在多个并列众数；在某些情形下，所有取值频数相同，则不存在明确众数。众数的形态取决于数据的重复结构，而不只是样本规模。
2.2.1 单峰分布中的众数
若数据分布只有一个明显峰顶，通常对应单众数情形。此时众数位于分布最集中的位置，常与直方图或密度曲线中的最高点一致。
2.2.2 多峰分布中的众数
当数据分布出现两个或更多局部峰值时，可能形成双众数或多众数。此类情况常见于混合人群、不同偏好群体并存或数据来源具有多个子结构时。
2.3 众数的存在性与唯一性
众数并非每组数据都必然存在，也不保证唯一。若最大频数对应多个取值，则众数不唯一；若没有任何取值比其他值更突出，则可认为无众数。也正因为如此，众数在使用时需要结合数据结构加以判断。
3 计算方法
3.1 原始数据的求法
对原始数据，通常先统计各取值出现的次数，再找出频数最高者作为众数。若有多个取值并列最高，则它们都可视为众数。该方法直接、清晰，适合样本量不大或离散程度明确的数据。
3.2 分组数据的求法
对于已经分组的数据，众数通常通过频数最大的组来估计，而不是直接得到某一个原始取值。因为原始信息被区间化，求法往往依赖组距和组内分布假设。
3.2.1 组距相等时的估计
在组距相等的情况下，众数组通常是频数最高的区间，再通过插值公式估计众数所在位置。该估计会参考众数组与相邻组的频数差，以判断峰值更靠近区间哪一侧。
3.2.2 组距不等时的处理
组距不等时，直接比较频数可能产生偏差，因此往往需要考虑频率密度，即单位组距上的频数。此时应选取密度最大的组作为众数组，再进行近似估计。
3.3 连续型数据的插值近似
对连续数据，常用插值方法在众数组内部寻找峰值位置。其基本思路是利用众数组与左右相邻组的变化趋势，推算最可能的高频点，从而得到一个连续意义上的近似众数。
4 性质与特点
4.1 与平均数、中位数的关系
平均数侧重总体数值平衡，中位数强调排序后的中间位置，而众数体现频率最高的代表值。三者分别从不同角度描述数据中心，常在分布偏斜或数据类型不同的场景中产生差异。
4.2 对极端值的稳健性
众数通常不受极端值直接影响，因为少数异常数据即使数值很大或很小，只要出现次数不高，便不会改变众数。这使它在存在离群点的数据中具有较好的稳健性。
4.3 对数据分布形态的反映
众数能够反映数据最集中的区域，因而与分布形态密切相关。它不仅说明“最多出现在哪里”，也可辅助判断分布是否偏斜、是否多峰。
4.3.1 偏态分布中的众数位置
在偏态分布中，众数往往位于分布的峰顶附近，并可能靠近尾部较短的一侧。与平均数相比，它通常更接近数据最密集的区段。
4.3.2 双峰分布与多峰分布
双峰或多峰分布说明数据可能来自不同群体或不同机制。此时单一平均值往往难以概括整体特征，而众数及多个局部峰值更能揭示数据内部的分层结构。
5 图表表示
5.1 频数表中的众数
在频数表中，众数对应频数最大的类别或数值。通过表格即可直接识别，无需额外计算，是最基础也最常见的表示方式。
5.2 柱状图中的众数
在柱状图里，最高的柱子通常对应众数。若并列最高，则图上会出现多个等高柱，表示存在多个众数。
5.3 直方图中的众数
直方图中的众数通常表现为最高的组距区间。由于直方图强调连续区间的频数分布，众数往往对应峰值所在的区间，而不是单一观测点。
5.4 密度曲线中的峰值对应
在密度曲线中，众数对应曲线上的局部最高点。若曲线有多个峰，则可能对应多个众数；若峰形平坦，则众数的界定会变得模糊。
6 应用领域
6.1 市场调查
在市场调查中，众数常用于找出最受欢迎的产品、颜色、价格区间或购买渠道。它能快速反映消费者偏好，便于制定销售和推广策略。
6.2 社会统计
社会统计中，众数可用于描述人口特征中的高频类别，如常见职业、家庭结构或教育程度。对于分类变量，它往往比平均数更具解释力。
6.3 教育评估
在教育评估里，众数可以帮助识别最常见的成绩段、错误类型或学习反馈。它有助于判断多数学生的表现集中在哪个水平区间。
6.4 质量控制
质量控制中，众数可用于观察产品尺寸、缺陷类型或工艺参数中最常出现的状态。若某一数值持续成为众数，往往说明生产过程存在稳定中心。
6.5 数据挖掘与推荐系统
在数据挖掘和推荐系统中，众数常用于发现高频行为模式，例如常点选项、常购买品类或常访问内容。它也可作为简单规则推荐和行为聚类分析的基础特征。
7 相关概念
7.1 均值
均值是所有数值之和除以数量，反映整体算术平均水平。与众数相比，它更受极端值影响，也更依赖数值尺度。
7.2 中位数
中位数是将数据排序后位于中间的值，常用于衡量排序意义上的中心位置。它与众数不同，不看重复次数，而看位置序列。
7.3 峰值
峰值通常指分布或函数中的局部最高点。在统计图形中，峰值常与众数相对应，但两者并不总是完全等同，尤其在平顶峰或分组数据中更为明显。
7.4 众峰与峰度
众峰描述分布中峰的数量，峰度则侧重分布尖峭程度和尾部厚薄。众数关注峰的位置，峰度关注峰的形状，两者属于不同层面的分布特征。
8 扩展与变体
8.1 组中值与组众数
在分组统计中，组中值指区间的代表值，组众数则是估计得到的最可能集中点。它们都依赖区间化处理，但侧重点不同：前者是代表，后者是高频中心。
8.2 条件众数
条件众数是在特定条件或子样本下出现频率最高的值。例如，在某一年龄段或某一地区内部，最常见的类别可能与总体众数不同。
8.3 加权众数
加权众数考虑不同观测值所赋予的权重，而不是仅以出现次数为准。它适用于样本重要性不一致、调查抽样不等权或某些记录需要强化影响的场景。
8.4 核密度估计中的众数
在核密度估计中，众数可视为估计密度函数的局部最大值。相比简单分组，这种方法更平滑，也更适合连续数据的峰值识别。
9 常见误区
9.1 众数不一定唯一
很多人以为众数总是只有一个，但实际上它可以有多个，甚至可能不存在。判断时必须先看频数结构，而不能默认唯一性。
9.2 众数不等于最大值
众数是“出现最多”的值，最大值是“数值最大”的值，两者概念完全不同。例如在一组成绩中，90分可能是最常见的分数，而100分才是最大值。
9.3 众数不适用于所有数据类型
众数对分类数据和离散数据尤其有效，但对于某些连续数据或取值几乎不重复的数据，直接计算单点众数意义有限。此时更适合使用分组或密度估计。
9.4 分组后众数可能改变
原始数据的众数与分组数据估计出的众数并不一定一致。分组方式、组距大小以及边界划分都可能影响最终结果，因此比较时需注意口径一致。
10 历史与发展
10.1 统计学中的早期应用
众数作为一种经验性指标，早期就被用于描述最常见的观察结果。尤其在人口记录、商业统计和手工调查中，它因计算简便而受到重视。
10.2 现代统计中的角色
现代统计学中，众数不再只是简单的“最多者”，还被纳入分布分析、分类建模和非参数方法之中。它在理解数据结构、识别多峰现象方面仍具有独特价值。
10.3 计算工具对众数分析的影响
电子表格、统计软件和编程语言使众数的计算更为便捷，也让大规模数据中的多众数识别、加权处理和可视化分析更加普及。随着自动化工具的发展，众数分析从手工统计逐步转向批量化和图形化处理。