{
  "id": "median",
  "title": "中位数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "中位数将有序数据或概率分布分成两部分，使其两侧（含自身）各至少包含一半的观测值或概率。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "中值",
    "第二四分位数",
    "第50百分位数",
    "0.5分位数"
  ],
  "generated_at": "2026-11-02",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/median/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/median/",
      "json": "https://aiwiki.page/en/median.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "中位数是统计学中衡量中心位置的指标。对于有限数据集，它是将观测值按大小排列后位于中间的数值；若中间有两个数值，通常取两者的算术平均值。对于概率分布，中位数是这样的数值：小于或等于它的概率至少为一半，大于或等于它的概率也至少为一半。与算术平均值不同，中位数主要取决于数据的次序，而非极端观测值的大小，因此适合描述偏斜数据以及含有异常大值或异常小值的数据。"
    },
    {
      "heading": "数据集的中位数",
      "text": "设 \\(x_1,\\ldots,x_n\\) 为一个由实数组成的非空数据集，将其按大小排列，记为\n\n\\[x_{(1)}\\le x_{(2)}\\le \\cdots \\le x_{(n)}.\\]\n\n带圆括号的下标表示次序统计量：\\(x_{(k)}\\) 是第 \\(k\\) 小的观测值，重复值也计入排序。\n\n通常定义的样本中位数为\n\n\\[\\widetilde{x}= \\begin{cases} x_{((n+1)/2)}, & n\\text{ odd},\\\\[4pt] \\dfrac{x_{(n/2)}+x_{(n/2+1)}}{2}, & n\\text{ even}. \\end{cases}\\]\n\n例如：\n\n- 有序数据 \\(2,4,7,9,20\\) 的中位数为 \\(7\\)。\n- 有序数据 \\(2,4,7,9\\) 的中位数为 \\((4+7)/2=5.5\\)。\n- 有序数据 \\(1,1,1,8,12\\) 的中位数为 \\(1\\)。\n\n因此，中位数不一定是实际观测到的数值。存在重复值时，严格小于或严格大于中位数的观测值也可能少于一半。确切的要求针对的是小于或等于中位数，以及大于或等于中位数的观测值。\n\n偶数样本量与其他约定\n\n当样本量为偶数时，区间\n\n\\[[x_{(n/2)},x_{(n/2+1)}]\\]\n\n内的每个数值，都满足上述将相等情况计入的要求，即两侧各有至少一半的观测值。取区间中点，相当于从该区间中选出一个代表值。其他约定则选取区间的下端点或上端点，尤其是在计算经验分位数时。\n\n对于有序类别，例如从“差”到“优”的评分，可以确定居中的类别，但对两个类别求平均通常没有意义。当观测值个数为偶数，且中间两个类别不同时，就需要约定报告方式。因此，常见的中点公式以所用数值尺度上的平均运算有意义为前提。"
    },
    {
      "heading": "概率分布的中位数",
      "text": "对于实值随机变量 \\(X\\)，若数值 \\(m\\) 满足\n\n\\[\\Pr(X\\le m)\\ge \\frac12 \\quad\\text{and}\\quad \\Pr(X\\ge m)\\ge \\frac12.\\]\n\n则称其为中位数。\n\n用累积分布函数 \\(F(x)=\\Pr(X\\le x)\\) 表示，上述条件等价于\n\n\\[F(m)\\ge \\frac12, \\qquad F(m^-)\\le \\frac12,\\]\n\n其中，\\(F(m^-)=\\Pr(X<m)\\) 为左极限。\n\n实数轴上的每个概率分布都至少有一个有限的中位数，但中位数不一定唯一。例如，若 \\(X\\) 分别以 \\(1/2\\) 的概率取值 \\(0\\) 和 \\(1\\)，那么 \\([0,1]\\) 内的每个数都是中位数。\n\n一种常用的单值约定是取下 \\(0.5\\) 分位数：\n\n\\[m_{\\mathrm{lower}}=\\inf\\{x:F(x)\\ge 1/2\\}.\\]\n\n对于样本量为偶数且中间两个观测值不同的经验分布，这一定义给出的是中间两个观测值中较小的一个，而不是两者的平均值。\n\n若 \\(F\\) 连续，则每个中位数都满足 \\(F(m)=1/2\\)。仅有连续性并不能保证唯一性：分布函数可能在整个区间内恒等于 \\(1/2\\)。若分布函数严格越过 \\(1/2\\)，则中位数唯一。\n\n对称性与均值的存在性\n\n若一个概率分布关于点 \\(c\\) 对称，则 \\(c\\) 是一个中位数。当均值存在时，由对称性可知均值也位于 \\(c\\)。对称性并不一定意味着中位数唯一。\n\n正态分布具有唯一的中位数，且等于其均值。相比之下，柯西分布的一个中位数位于其位置参数处，但其均值没有定义。因此，对于一些不存在期望值的分布，中位数仍有意义。"
    },
    {
      "heading": "绝对偏差刻画",
      "text": "中位数在数学优化中有一个重要解释：它使绝对偏差之和最小，即最小化\n\n\\[L(a)=\\sum_{i=1}^{n}|x_i-a|.\\]\n\n当样本量为奇数时，使其最小的数值是中间的观测值。当样本量为偶数时，所有最小化点构成的集合是中间两个观测值之间的闭区间。\n\n这一结论可由各个绝对值项的斜率得出。在相邻观测值之间，将 \\(a\\) 稍向右移，会增大它到左侧各观测值的距离，同时减小它到右侧各观测值的距离。当向任一方向移动都不能使总距离减小时，就达到了最小值。\n\n相应的总体结论为\n\n\\[m\\in\\operatorname*{arg\\,min}_{a\\in\\mathbb R} \\mathbb E|X-a|,\\]\n\n其前提是 \\(\\mathbb E|X|<\\infty\\)。在这一条件下，最小化点恰好就是所有中位数。若一阶绝对矩为无穷大，则对每个有限的 \\(a\\)，通常定义的绝对损失期望都是无穷大，因此仅凭这一表达式就无法再区分中位数与其他数值。\n\n与之相对，样本均值使平方偏差之和最小。因此，选择绝对损失函数还是平方损失函数，自然会导向不同的中心位置指标。"
    },
    {
      "heading": "稳健性与局限",
      "text": "中位数是稳健统计学中的典型例子。将数据集中的最大观测值改成一个大得多的数值，只要它在排序中的位置不变，中位数通常就不会改变。相比之下，样本均值会直接随该观测值的大小而变化。\n\n例如，数据\n\n\\[1,2,3,4,100\\]\n\n的中位数为 \\(3\\)，均值为 \\(22\\)。将 \\(100\\) 替换为 \\(1{,}000{,}000\\)，中位数仍为 \\(3\\)，而均值会大幅增加。\n\n崩溃点\n\n替换崩溃点描述的是：为使一个估计值变得任意极端，必须替换的观测值所占的比例。对于通常定义的样本中位数，所需替换的最少观测值个数为\n\n\\[\\left\\lceil \\frac n2\\right\\rceil.\\]\n\n因此，其有限样本替换崩溃比例为 \\(\\lceil n/2\\rceil/n\\)，随着样本量增大而趋近于 \\(1/2\\)。样本均值对应的比例则为 \\(1/n\\)。\n\n这并不意味着中位数不受低于50%的污染影响。较小比例的污染也可能使中位数发生偏移，有时偏移幅度还相当大，尤其是在分布的中位数附近概率很小时。\n\n中位数无法描述的特征\n\n仅凭中位数，既不能了解数据的离散程度，也不能了解其分布形状。变异程度、不对称性或聚类结构大不相同的数据集，也可能具有相同的中位数。一般也不能用中位数推算总量：将收入中位数乘以人口数，并不能得到总收入。\n\n一般而言，仅凭各组的中位数和样本量，无法计算合并后数据的中位数。与均值不同，这还需要各组内部观测值分布的更多信息。\n\n对于右偏数据，经常提到“均值大于中位数”这一大小关系。它适用于许多常见分布，但并非适用于所有偏度定义的普遍定理。"
    },
    {
      "heading": "变换",
      "text": "中位数在保持次序的变换下具有自然的对应关系。若 \\(m\\) 是总体中位数，\\(g\\) 是严格递增的函数，则 \\(g(m)\\) 是 \\(g(X)\\) 的一个中位数。严格递减变换也会将中位数映射为中位数，只是次序会反转。\n\n对于样本量为奇数的样本，中间的次序统计量在严格单调变换下同样具有精确的对应关系。然而，对于样本量为偶数的样本，取中点的约定未必能与非线性变换交换运算次序；一般而言，\n\n\\[g\\!\\left(\\frac{x_{(n/2)}+x_{(n/2+1)}}2\\right) \\ne \\frac{g(x_{(n/2)})+g(x_{(n/2+1)})}{2}\\]\n\n成立。\n\n因此，先按通常约定求样本中位数，再作非线性变换，可能不同于先变换数据，再按通常约定求中位数。"
    },
    {
      "heading": "统计估计与不确定性",
      "text": "样本中位数是总体中位数的一个估计量。若各观测值相互独立且来自同一分布，总体中位数 \\(m\\) 唯一，并且连续的概率密度函数 \\(f\\) 在 \\(m\\) 处为正，则样本中位数具有渐近正态性：\n\n\\[\\sqrt n\\,(\\widetilde X_n-m) \\xrightarrow{d} N\\!\\left(0,\\frac{1}{4f(m)^2}\\right).\\]\n\n其大样本标准误近似为\n\n\\[\\frac{1}{2\\sqrt n\\,f(m)}.\\]\n\n中位数处的密度很重要：当观测值密集地集中在 \\(m\\) 附近时，中位数的估计更为精确。若中位数不唯一，或该处密度为零，这一近似可能失效。\n\n对于方差为 \\(\\sigma^2\\) 的正态总体，样本中位数的渐近方差为\n\n\\[\\frac{\\pi\\sigma^2}{2n},\\]\n\n而样本均值的方差为 \\(\\sigma^2/n\\)。因此，在该模型下，样本中位数相对于样本均值的渐近效率为 \\(2/\\pi\\)，约为 \\(0.637\\)。这一比较仅针对正态模型；在其他分布下，中位数可能表现得更好。\n\n可以利用次序统计量构造总体中位数的不依赖分布的置信区间。对于来自中位数为 \\(m\\) 的连续分布的独立观测值，落在 \\(m\\) 以下的观测值个数服从参数为 \\(n\\) 和 \\(1/2\\) 的二项分布。根据适当的二项分布尾概率，可以确定用哪些有序观测值作为区间端点。"
    },
    {
      "heading": "计算",
      "text": "将观测值排序，再提取中间的一个或两个数值，是一种直接的方法，但排序并非必需。选择算法无需对整个数据集完全排序，就能找出具有指定秩的观测值。\n\n基于比较的排序通常需要 \\(O(n\\log n)\\) 时间，而选择算法可以在 \\(O(n)\\) 的期望时间内找到中位数；确定性选择算法也能达到最坏情况下的线性时间。这些界限使用大O记号表示，并以适当的比较与存储模型为前提。\n\n对于逐个到来的观测值序列，可以使用两个堆来维护精确的动态中位数：一个保存数据中较小的部分，另一个保存较大的部分。插入操作需要对数时间，而读取中间的一个或两个数值只需常数时间。直接的精确实现会保留全部观测值；对于规模极大的数据流，通常使用近似分位数方法进行概括。"
    },
    {
      "heading": "应用与相关概念",
      "text": "中位数广泛用于描述收入、房产价格、等待时间，以及其他具有不对称分布的测量值。它表示的是排序中的中心位置，而不是对总量的平均贡献。\n\n以下几种相关构造扩展了中位数的用途：\n\n- 加权中位数： 对于总权重为正的非负权重，加权中位数满足：严格小于它或严格大于它的观测值，其权重之和均不超过总权重的一半。它使加权绝对偏差之和最小。\n- 中位数绝对偏差： 距离 \\(|x_i-\\widetilde x|\\) 的中位数，是一种稳健的离散程度指标。\n- 分位数回归： 中位数回归通过最小化绝对残差之和来估计条件中位数。其他分位数则通过非对称加权的绝对损失求得。\n- 几何中位数： 对于欧几里得空间中的点，几何中位数使到各观测点的距离之和最小。分别取各坐标的中位数，通常会得到不同的结果，而且该结果依赖于坐标轴的选择。\n- 中值滤波： 将信号或图像中的每个值替换为其局部邻域的中位数，可以抑制孤立的极端值。由于中值滤波是非线性的，其特性与均值滤波不同。"
    }
  ],
  "links": [
    "statistics",
    "real-number",
    "quantile",
    "random-variable",
    "cumulative-distribution-function",
    "probability-distribution",
    "normal-distribution",
    "cauchy-distribution",
    "expected-value",
    "mathematical-optimization",
    "sample-mean",
    "loss-function",
    "mathematical-function",
    "estimator",
    "probability-density-function",
    "standard-error",
    "variance",
    "confidence-interval",
    "binomial-distribution",
    "big-o-notation",
    "median-absolute-deviation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}