1 概述与定义
加权中位数（Weighted Median）是中位数的推广形式：每个观测值不仅带有数值本身，还附带一个权重。权重通常用来表示样本的重要性、出现频率、置信度或对总体贡献的大小。加权中位数的位置由“累计权重”来确定：将样本按数值从小到大排序，向左累计的权重不超过总权重的一半、向右累计的权重也不超过总权重的一半的那个位置（通常落在某个观测值处，或在特定连续插值约定下落在两相邻观测值之间）。
与普通中位数相比，加权中位数不再把每个样本一视同仁，而是让“更重要/更常见/更可信”的样本对中间位置产生更强影响。在数据不等权、分组汇总、以及把经验分布赋予权重的情形中，加权中位数尤其常用。需要注意的是，它并不是“权重平均意义下的中位数”，而是通过累计权重去定位“中间点”。
1.1 中位数的加权推广
普通中位数相当于每个样本权重相同（例如全部为 1），并选择使得左右两侧样本量都不超过一半的位置。加权中位数则把“样本量”替换成“权重量”，因此在样本重要性不均衡时更贴合目标。
1.2 形式化定义（累计权重视角）
设一组数值为 \(x_i\)，对应权重为 \(w_i\)，其中权重非负。将样本按 \(x_i\) 排序得到 \(x_{(1)}\le \cdots \le x_{(n)}\)，对应权重为 \(w_{(1)},\dots,w_{(n)}\)。令总权重 \(W=\sum_{i=1}^n w_{(i)}\)。加权中位数可定义为最小的满足 \[ \sum_{j: x_{(j)}\le x_{(k)}} w_{(j)}\ge \frac{W}{2} \] 的 \(x_{(k)}\)。在出现权重在某个取值上“成块覆盖”半数的情形时，加权中位数可能对应一个区间；若给出插值规则，则也可选取区间内的某个代表点。
1.3 与普通中位数的关系
当所有权重都相等时，加权中位数退化为普通中位数。更一般地，普通中位数基于“计数”，而加权中位数基于“权重累计”；因此二者在权重不均时会产生偏离。
1.4 直观理解：把“重要性”当作“队伍人数”
可以把每个样本想象成拥有若干“选票”的人：权重表示队伍人数或投票额度。把所有样本按数值从低到高排队，累计选票总量达到一半时所对应的数值，就是加权中位数。这样，“中间点”不再由人数决定，而由选票总量决定。
2 计算方法
实际计算通常遵循“排序—累计—定位”的流程。关键差别在于：如何处理权重总量的归一化、遇到相等取值时的选择规则，以及在边界处是否进行插值。
2.1 离散样本的排序与累积
步骤可概括为：
- 将数据按数值升序排列。
- 将同位置（或同数值）上的权重加总，便于处理重复值。
- 计算累计权重序列：令 \(C_k=\sum_{j=1}^k w_{(j)}\)。
- 找到最小的 \(k\)，使得 \(C_k \ge W/2\)。
- 输出对应的数值 \(x_{(k)}\)（或在边界需要时按约定插值）。
2.2 权重归一化与不归一化情形
权重可不归一化：只要总权重 \(W\) 参与与 \(W/2\) 的比较即可。若把权重归一化为概率形式（例如令 \(w_i' = w_i/W\)，则 \(\sum_i w_i' = 1\)），则等价条件变为累计概率达到 0.5。两种做法在数学上等价，主要差别是数值稳定性与实现便利。
2.3 重合值与分段选择规则
当某个取值 \(x\) 对应的权重使得累计权重正好跨过或刚好达到 \(W/2\) 时，加权中位数的选择可能依赖约定。常见约定包括：
- 取“首次跨过半数”的对应取值；
- 在累计刚好等于半数时，给出该取值或一个区间作为中位数；
- 若要求单一标量并处于连续插值框架，可在相邻取值之间按线性或其他规则选点。
对于分组数据，通常采用“累计到半数的那一组对应的值或其代表点”。
2.4 复杂度与实现要点
- 若直接对 \(n\) 个样本排序，时间复杂度通常为 \(O(n\log n)\)；若数据本身已排序可降至线性累计 \(O(n)\)。
- 权重与取值最好使用非负权重；若存在数值很小的权重，应注意浮点误差导致的边界判断偏移。
- 实现时建议先合并重复取值（如果数据规模与重复度较高），可以减少累计阶段的分支复杂度并使结果更稳定。
2.1 示例：从数据点到加权中位数
设有若干离散取值与权重。直观计算可以通过“累计表”完成：每当累计权重达到总量的一半，就停在对应的数值处（或按约定插值）。
2.1.1 单调累计权重表
构造按数值递增的表格，记录每一步累计权重。例如在排序后得到 \((x_{(1)},w_{(1)}),\dots,(x_{(n)},w_{(n)})\)，则累计序列 \(C_1,C_2,\dots,C_n\) 单调不减，并最终到达 \(W\)。加权中位数的位置就在 \(C_k\) 首次越过 \(W/2\) 的拐点附近。
2.1.2 如何确定“跨过一半”的位置
计算 \(W/2\) 后，从最小取值开始累加权重：
- 若 \(C_{k-1}<W/2\) 且 \(C_k\ge W/2\)，则 \(x_{(k)}\) 就是加权中位数（在取离散点的常见约定下）。
- 若 \(C_k = W/2\) 且半数发生在某个取值上，某些定义会允许把该取值作为中位数，或把区间 \([x_{(k)},x_{(k+1)}]\) 作为“中间地带”；具体取决于所采用的插值规则。
3 分位数框架中的表述
加权中位数与“分位数（quantile）”紧密相关。把权重理解为概率质量后，寻找累计概率达到某个阈值的点，就得到对应分位数。由于中位数等价于 0.5 分位，加权中位数可以被视作加权分位数的特例。
3.1 与加权分位数的一致性
当把离散样本的权重归一化后形成加权经验分布，分位数的定义通常要求找一个 \(x\)，使得累计分布函数 \(F(x)\) 达到给定水平。若取水平为 0.5，则得到加权中位数。这样，加权中位数不仅是一个“计算规则”，也是分位数理论下的结果。
3.2 目标为“第 0.5 分位”的一般方法
一般做法是：
- 按数值排序。
- 构造累计权重（或累计概率）函数。
- 找到最小的 \(x\) 使累计权重不小于阈值 \(W/2\)（或概率阈值 0.5）。
- 根据是否插值决定输出是离散点还是区间内的点。
因此，所有分位数计算都能统一到“累计权重定位阈值”这一框架，只是阈值从 0.5 改为其他概率水平。
3.3 连续分布/插值版本的讨论（概念层面）
在连续情形下，权重可能对应概率密度的离散近似，或来自模型输出的分段区间。此时分位数常需要在区间内部插值，以给出更平滑的估计。插值的具体形式（例如线性插值）会影响边界处的数值，但核心仍是：用累计权重找到“达到阈值的位置”。
4 统计性质与解释
加权中位数的性质主要体现在稳健性直觉、偏差来源、以及对权重设定的敏感性上。由于它依赖累计权重的排序位置，本质上是一类“位置型”的稳健统计量。
4.1 稳健性直觉与对异常值的影响
普通均值对极端值较敏感，而中位数通常对异常点更不易受影响。加权中位数继承了这种“由排序位置主导”的特点：只要异常值的权重不够大，且不会推动累计权重跨过半数门槛，它对中位数的位置影响就相对有限。换言之，它对“改变一半以上权重所需的努力”具有门槛效应。
4.2 权重偏置与偏差来源
权重本身可能引入偏差。例如：
- 权重来自样本抽样机制，若与目标总体的代表性不一致，会导致加权中位数偏离真实位置；
- 权重来自置信度，但置信度估计若系统性高估某类样本，也可能造成位置漂移；
- 若权重归一化或分配过程存在错误（例如单位不一致、数值缩放问题），则累计阈值将被错误定位。
因此，加权中位数的统计质量不仅取决于数据，也取决于权重生成逻辑。
4.3 方差与不确定性（定性理解）
定性而言，加权中位数的波动幅度与有效样本量、权重分散程度有关。若权重高度集中在少数点上，累计阈值更可能由少数观测支配，从而使估计在样本变化时更不稳定；相反，若权重分散较均匀且数据规模足够，分位位置会更稳定，方差相对更小。对不确定性的评估通常可结合重采样方法（如自助法）或分位数估计的近似理论。
4.4 对样本依赖与权重来源的敏感性
加权中位数对“排序结构”敏感：同样的权重分布下，如果数据整体平移或在关键区间出现重叠变化，加权中位数位置也会变动。并且，它对权重的敏感性常在半数附近最明显——一旦某些点的权重上调/下调到足以改变累计跨越的位置，结果就可能出现跳变。这种离散定位特征使其具有一定的非平滑性。
5 应用场景
加权中位数适用于“数据点的影响力不等”的问题。其优势在于把权重当作“决定中间位置的力量”，从而形成对异常值更友好的代表值。
5.1 不等权抽样与复权调查
在调查研究中，不同受访者可能来自不同抽样设计，或需要按人口分布进行复权。此时每个个体（或单位）的权重反映其在目标总体中的代表性。使用加权中位数可以提供更贴近总体分布的“典型水平”，尤其在收入、消费等具有偏态和离群值的指标上更具稳定性。
5.2 分组数据汇总与报告统计
许多业务系统以分组形式输出数据（例如按区间汇总次数或按渠道汇总置信度）。将每个组的代表值与组内权重（例如频数、样本数）配对后，加权中位数能够作为汇总层面的“中间典型”，用于报表中的稳健指标对比。
5.3 信号处理/时间序列中的稳健代表值
在时间序列或信号处理中，观测值可能来自不同置信度的测量，或来自不同质量的分段片段。若为每个观测赋予权重，加权中位数可用作稳健的中心位置估计，减少少量噪声突发对中心估计的影响，从而提升后续检测或滤波流程的稳定性。
5.4 推荐系统与用户/物品重要性汇聚
在推荐系统中，用户行为、曝光次数、置信度或模型权重可以转化为权重。若希望汇聚成某种“中间倾向”（例如某类兴趣评分的代表水平），加权中位数比加权均值更能抵抗少量极端评分或噪声交互造成的中心偏移。其作为特征的一个子模块，常用于对“典型偏好”进行更稳健的压缩。
5.5 轻量“梗”场景：给不同投票权的“民意中位数”
在轻松的“投票梗”语境里，可以把民意看作若干候选观点的数值标签，而每个人的投票权不一样。此时“民意中位数”就是：从较小到较大排序后，累计投票权达到半数时对应的观点。它避免了少数“嗓门特别大”的人把均值拉偏，听起来就很像“让过半数的力量决定中间答案”的版本。
6 与其他汇总统计对比
加权中位数与常见的均值、众数、截尾均值等统计量的目标不同。理解差异有助于在任务约束下选择更合适的度量。
6.1 与加权均值的区别
- 加权均值由所有样本的数值乘权重后求和得到，对极端值更敏感；
- 加权中位数只关心排序后累计权重的跨越位置，对异常点的影响更有门槛效应。
当分布强偏态或存在显著离群点时，加权中位数往往比加权均值更稳健。
6.2 与众数的关系
众数是出现频率（在权重意义下为权重质量）最高的取值点。众数强调“最常见/最集中”的位置，而中位数强调“累计到一半”的平衡点。对于多峰分布，两者可能差异很大：众数可能落在某个峰顶，而中位数可能落在峰与峰之间的平衡区域。
6.3 与截尾均值/稳健回归中的角色
截尾均值通过移除两端极端样本来降低对离群值的敏感性，属于“修剪型均值”。稳健回归中也常采用对异常点不那么敏感的目标函数或损失函数，其核心同样是降低离群影响。加权中位数可以被视为更直接的“位置型稳健估计”；当目标是找中心的代表位置而不是优化某种平均意义时，它往往比均值类方法更贴合。
6.4 何时选加权中位数而不是均值
通常在以下情形下更倾向选择加权中位数：
- 权重明确代表重要性/代表性，且样本分布存在离群或重尾；
- 希望中心代表值具备稳健性，减少少量异常观测的影响；
- 业务指标强调“过半数权重所对应的典型水平”，而非“整体加权平均水平”。
若分布近似对称且没有强异常，加权均值也可能更有效率；但在稳健性优先时，加权中位数常更合适。
7 数学背景（可选读）
本节从分布函数与优化视角给出直观理解，帮助理解“为什么中位数适合稳健”的本质原因。此处内容偏概念，不追求严格推导的完整性。
7.1 累积分布函数的加权思想
加权经验分布的思想是把每个样本点当作“概率质量”的载体：权重越大，质量越重。于是累计分布函数 \(F(x)\) 也变为按权重累计的函数。中位数对应 \(F(x)=0.5\) 的位置，加权中位数就是在加权经验分布下寻找“累计达到半数”的解。
7.2 凸性/最小化损失视角（中位数相关目标）
在经典统计中，中位数与某些损失最小化问题相关，例如绝对偏差损失（与 L1 相关）。在加权情形下，绝对偏差项通常会被权重缩放：权重越大的点，对目标函数的“拉动”越强。由此得到的最优点即对应加权中位数的定位原则。这种“以绝对偏差为准的最小化”解释了它为何对异常值较不敏感。
7.3 加权绝对偏差与最优性直觉
直觉上，若我们尝试找到一个位置 \(m\)，使所有点到 \(m\) 的加权绝对距离之和尽可能小，那么当 \(m\) 位于累计权重跨过半数的位置附近时，左右方向上的“拉力”更接近平衡：左侧权重越大，意味着把 \(m\) 往左移动会减少更多；同理右侧也相应。达到平衡的点正是加权中位数。由于绝对偏差损失对极端值的惩罚增长较温和，这也与稳健性直觉相吻合。