{
  "id": "harmonic-mean",
  "title": "调和平均数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "调和平均数是各数倒数的算术平均数的倒数，常用于分子所代表的量相等时对比率求平均。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "调和均值"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/harmonic-mean/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/harmonic-mean/",
      "json": "https://aiwiki.page/en/harmonic-mean.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "调和平均数是一种衡量集中趋势的指标，对正数而言，定义为各数倒数的算术平均数的倒数。在统计学和应用数学中，当各比率的分子所代表的量相等，或者可以取得适当的、基于分子的权重时，调和平均数尤其适合用于合并这些比率。与算术平均数相比，较小的数值对调和平均数的影响更大。它与算术平均数、几何平均数一起，构成了古希腊时期就已得到研究的三种经典毕达哥拉斯平均数。"
    },
    {
      "heading": "定义",
      "text": "对于 \\(n\\) 个正实数 \\(x_1,\\ldots,x_n\\)，调和平均数为\n\n\\[H(x_1,\\ldots,x_n) = \\left(\\frac{1}{n}\\sum_{i=1}^{n}\\frac{1}{x_i}\\right)^{-1} = \\frac{n}{\\displaystyle\\sum_{i=1}^{n}1/x_i}.\\]\n\n对于两个正数 \\(a\\) 和 \\(b\\)，上式变为\n\n\\[H(a,b)=\\frac{2ab}{a+b}.\\]\n\n例如，\\(2\\) 和 \\(8\\) 的调和平均数为\n\n\\[H(2,8)=\\frac{2\\cdot2\\cdot8}{2+8}=3.2,\\]\n\n而它们的几何平均数为 \\(4\\)，算术平均数为 \\(5\\)。\n\n标准定义假设所有输入值都严格为正。这一限制保证分母为正，且结果介于最小输入值与最大输入值之间。尽管同一代数表达式有时也能用于计算非零负数或正负混合的数值，但此时结果不一定具备平均数应有的性质。"
    },
    {
      "heading": "加权调和平均数",
      "text": "给定不全为零的非负权重 \\(w_1,\\ldots,w_n\\)，加权调和平均数为\n\n\\[H_w = \\frac{\\displaystyle\\sum_{i=1}^{n}w_i} {\\displaystyle\\sum_{i=1}^{n}w_i/x_i}.\\]\n\n如果将权重归一化，使得 \\(\\sum_i w_i=1\\)，则公式简化为\n\n\\[H_w=\\left(\\sum_{i=1}^{n}\\frac{w_i}{x_i}\\right)^{-1}.\\]\n\n权重相等时，得到的就是普通调和平均数。将所有权重乘以同一个正常数，结果不变。权重为零的输入值不影响结果，可以省略。\n\n权重的含义至关重要。对于表示为“每单位资源对应的数量”的比率，调和平均所用的权重通常代表分子中所指数量的大小，而算术平均所用的权重则代表分母中所指资源的大小。"
    },
    {
      "heading": "数学性质",
      "text": "界与不等式\n\n对于正输入值，\n\n\\[\\min_i x_i\\le H\\le\\max_i x_i.\\]\n\n设 \\(G\\) 和 \\(A\\) 分别表示同一组数的几何平均数和算术平均数，则\n\n\\[H\\le G\\le A,\\]\n\n其中各处等号同时成立，当且仅当所有输入值都相等。\n\n不等式 \\(H\\le A\\) 可由柯西—施瓦茨不等式直接推出：\n\n\\[\\left(\\sum_{i=1}^{n}x_i\\right) \\left(\\sum_{i=1}^{n}\\frac{1}{x_i}\\right) \\ge n^2.\\]\n\n当三种平均数采用同一组归一化非负权重时，这些不等式的加权形式也成立。\n\n对于两个输入值，还存在以下恒等式：\n\n\\[H(a,b)\\,A(a,b)=G(a,b)^2=ab.\\]\n\n缩放、单调性与敏感性\n\n调和平均数关于各输入值对称，并具有一次齐次性：\n\n\\[H(cx_1,\\ldots,cx_n)=cH(x_1,\\ldots,x_n), \\qquad c>0.\\]\n\n因此，改变计量单位时，平均数也会按相同比例变化。\n\n保持其他输入值不变，增大任一输入值，都会使调和平均数增大。其偏导数为\n\n\\[\\frac{\\partial H}{\\partial x_i} = \\frac{H^2}{n x_i^2}.\\]\n\n因此，在给定的一组数值中，较小的输入值比更大的输入值具有更大的局部影响。特别地，当某个输入值趋近于零，而其他输入值保持不变且为正时，调和平均数也趋近于零。\n\n与算术平均数不同，调和平均数不具有平移等变性：给每个输入值加上一个常数，一般并不等于给平均数加上同一个常数。因此，调和平均数的解释依赖于比值和零点都具有实际意义的数据，例如速度、时长以及许多物理比率。\n\n与其他平均数族的关系\n\n调和平均数是阶数为 \\(-1\\) 的幂平均数。阶数为 \\(p\\ne0\\) 的幂平均数为\n\n\\[M_p= \\left(\\frac{1}{n}\\sum_{i=1}^{n}x_i^p\\right)^{1/p},\\]\n\n因此 \\(H=M_{-1}\\)。\n\n如果一个数列各项的倒数构成等差数列，则称该数列为调和数列。对于两个正数 \\(a\\) 和 \\(b\\)，在它们之间插入其调和平均数，就会使\n\n\\[\\frac{1}{a},\\quad \\frac{1}{H(a,b)},\\quad \\frac{1}{b}\\]\n\n构成等差数列。"
    },
    {
      "heading": "比率与比值的平均",
      "text": "实际应用中的关键，不仅仅在于观测值是否为比率，还在于究竟要合并哪些基础量。\n\n假设\n\n\\[r_i=\\frac{a_i}{b_i}, \\qquad a_i>0,\\quad b_i>0.\\]\n\n总体比率为\n\n\\[R=\\frac{\\sum_i a_i}{\\sum_i b_i}.\\]\n\n由于 \\(b_i=a_i/r_i\\)，因此\n\n\\[R=\\frac{\\sum_i a_i}{\\sum_i a_i/r_i},\\]\n\n这就是以 \\(a_i\\) 为权重的各个比率的加权调和平均数。等价地，\n\n\\[R=\\frac{\\sum_i b_i r_i}{\\sum_i b_i},\\]\n\n这又是以 \\(b_i\\) 为权重的加权算术平均数。\n\n因此，调和平均与算术平均这两种形式，只是用不同的权重描述同一个总体比值。如果不了解背后的总量，就不能认为其中任何一种是对比率求平均时普遍正确的方法。\n\n平均速度\n\n一辆车行驶了两段相等的路程，其中一段的速度为 \\(60\\ \\mathrm{km/h}\\)，另一段为 \\(30\\ \\mathrm{km/h}\\)。其平均速度为\n\n\\[\\frac{2}{1/60+1/30}=40\\ \\mathrm{km/h}.\\]\n\n速度较慢的路段耗时更长，因此算术平均数 \\(45\\ \\mathrm{km/h}\\) 并不是全程的平均速度。\n\n对于不相等的路程 \\(d_i\\)，平均速度是以路程为权重的调和平均数：\n\n\\[v_{\\mathrm{avg}} = \\frac{\\sum_i d_i}{\\sum_i d_i/v_i}.\\]\n\n相反，如果以不同速度行驶的时长相等，那么平均速度就是这些速度的算术平均数。\n\n价格与单位成本\n\n如果以正单价 \\(p_1,\\ldots,p_n\\) 购买某种商品，每次花费相同金额，那么实际支付的总体单价就是这些单价的调和平均数。价格较低时，相同支出能买到更多商品，因此该价格对总体单位成本的影响更大。\n\n对于不相等的支出金额 \\(m_i\\)，总体单价为\n\n\\[p_{\\mathrm{aggregate}} = \\frac{\\sum_i m_i}{\\sum_i m_i/p_i}.\\]\n\n如果每次购买的商品数量相等，而不是支出金额相等，那么适用的平均价格应为算术平均数。"
    },
    {
      "heading": "其他应用",
      "text": "分类指标\n\n在机器学习和信息检索中，F1值是精确率与召回率的调和平均数：\n\n\\[F_1=\\frac{2PR}{P+R}.\\]\n\n这种构造使得任一分量取值较低时，得分都会受到明显影响。一个分量的高值无法完全弥补另一个分量的极低值。\n\n更一般的评分指标\n\n\\[F_\\beta = (1+\\beta^2)\\frac{PR}{\\beta^2P+R}, \\qquad \\beta>0,\\]\n\n是加权调和平均数。写成倒数形式为\n\n\\[\\frac{1}{F_\\beta} = \\frac{1}{1+\\beta^2}\\frac{1}{P} + \\frac{\\beta^2}{1+\\beta^2}\\frac{1}{R}.\\]\n\n当精确率或召回率为零或未定义时，需要在严格正值定义之外另作约定。\n\n电阻与分层介质\n\n对于 \\(n\\) 个并联的正电阻，其等效电阻满足\n\n\\[\\frac{1}{R_{\\mathrm{eq}}} = \\sum_{i=1}^{n}\\frac{1}{R_i}.\\]\n\n因此，\n\n\\[R_{\\mathrm{eq}}=\\frac{H(R_1,\\ldots,R_n)}{n}.\\]\n\n所以，等效电阻本身并不是调和平均数，而是调和平均数除以支路数。\n\n对于沿稳态流动方向串联排列的理想分层介质，其有效传导系数也可用加权调和平均数描述。若第 \\(i\\) 层的厚度为 \\(d_i\\)，传导系数为 \\(k_i\\)，各层横截面积相等，且不存在额外的界面阻力，则\n\n\\[k_{\\mathrm{eff}} = \\frac{\\sum_i d_i}{\\sum_i d_i/k_i}.\\]"
    },
    {
      "heading": "总体调和平均数",
      "text": "对于正随机变量 \\(X\\)，总体调和平均数可定义为\n\n\\[H_X=\\frac{1}{\\operatorname{E}[1/X]},\\]\n\n条件是 \\(0<\\operatorname{E}[1/X]<\\infty\\)，其中 \\(\\operatorname{E}\\) 表示期望值。\n\n当 \\(\\operatorname{E}[X]\\) 也有限时，由詹森不等式可得\n\n\\[H_X\\le \\operatorname{E}[X].\\]\n\n如果 \\(\\operatorname{E}[1/X]=\\infty\\)，有时会将广义调和平均数定义为零。即使 \\(X\\) 严格为正，也可能出现这种情况，因为零附近的概率足够大时，其倒数的期望就会为无穷大。\n\n在独立同分布抽样且倒数期望有限的条件下，根据大数定律，样本调和平均数收敛于 \\(H_X\\)。但它通常并不是这一总体参数的无偏估计量。"
    },
    {
      "heading": "局限性与计算",
      "text": "输入值为零时，倒数公式无定义。在非负数域上，可以通过连续延拓，规定只要至少有一个输入值为零，调和平均数就为零。这种约定是否有意义，取决于具体应用。\n\n负值会带来更严重的问题。符号相反的倒数可能相互抵消，使表达式无定义，或者使其值超出输入值的范围。\n\n调和平均数并不能在一般情况下替代其他集中趋势指标。它对较小观测值的高度敏感性，有助于解决某些汇总问题，但也可能使它对接近零的测量误差极为敏感。\n\n在浮点运算中，如果倒数发生溢出，直接计算也可能遇到问题。对于正输入值，一种缩放后的公式使用 \\(m=\\min_i x_i\\)：\n\n\\[H = m\\frac{n}{\\sum_i m/x_i}.\\]\n\n这里，每个比值 \\(m/x_i\\) 都位于 \\((0,1]\\) 内，从而避免了显式计算极小输入值的倒数。不过，求和误差以及跨度极大的输入范围，仍可能要求对数值稳定性加以关注。"
    }
  ],
  "links": [
    "statistics",
    "ancient-greece",
    "real-number",
    "cauchy-schwarz-inequality",
    "partial-derivative",
    "machine-learning",
    "f-score",
    "precision-and-recall",
    "random-variable",
    "expected-value",
    "jensens-inequality",
    "law-of-large-numbers",
    "estimator",
    "floating-point-arithmetic",
    "numerical-stability"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}