W2-4 只看平均分，为什么会误判一组数据？

2026 年 10 月 22 日 · 星期四

两组学生参加同一场满分 100 分的测验，老师只告诉你：两组平均分都是 70 分。你能据此判断，他们需要同样的辅导吗？

先看两组纯粹为讲解设计的成绩，不代表真实班级或实验：

两组都是五人，总分都是 350，平均分确实都是 70。但甲组围绕 70 聚得很紧，乙组却从 40 延伸到 100。若把“平均一样”理解成“每个人的情况差不多”，判断已经越过了这个数字能够支持的范围。

平均分保留了总量，没有保留每个人的位置

这里的平均分指算术平均数：把分数相加，再除以人数。美国国家标准与技术研究院的统计手册，把它列为描述数据位置的常用指标之一。NIST：位置的度量

已知五人平均 70 分，就能算出他们总共得到 350 分。可把其中一人的成绩减少 10，另一人增加 10，总分和平均值仍然不变。

所以，平均值回答了一个明确的问题，却没有告诉你：有多少人低于及格线、最高分和最低分是多少，或者成绩是否分成了两团。

假设及格线为 60 分，甲组五人都及格，乙组只有三人及格。这是从示例原始分数直接数出来的，不能只从“平均 70 分”推出。反过来，也不能因甲组更集中，就认定甲组的每个人都比乙组的人考得好：乙组的 85 和 100 已经提供了反例。

描述数据分散程度，可以先看极差，也就是最大值减去最小值。甲组极差为 4 分，乙组为 60 分。不过，极差只使用两端的值，中间怎样分布仍然不知道。

标准差则会利用每个观测值与平均值的偏离。常见的样本标准差算法是：偏差分别平方、相加，除以人数减一，再开平方。NIST 手册给出了这一定义，也说明平方会让较大的偏离获得更大影响。NIST：离散程度的度量

在上述教学数据中，甲组相对 70 的偏差平方和是 10，乙组是 2250。都除以 4 后开平方，样本标准差分别约为 1.58 分和 23.72 分。

这帮助我们看见“同为 70”的背后有不同的分散程度，但不能据此宣布差异由某种教学方法造成。这里没有真实抽样、干预或因果研究，也没有证明五个人可以代表整个年级。

即使平均值和标准差都相同，也不能保证分布形状相同。数据较多时，还可以把分数划成区间，查看每个区间有多少人。直方图有助于观察集中位置、分散程度、偏斜和多个峰等特征。NIST：直方图

中位数是把数据排序后取中间的位置；人数为偶数时，通常取中间两个数的平均。它不像算术平均数那样，把所有数值都直接加进总和。

再做一个教学改动：把甲组的 72 分换成 100 分。平均值从 70 升到 75.6，中位数仍是 70。这个例子说明，一个较大的值可以明显拉动平均值，而不一定改变中位数。NIST：平均数、中位数与极端值

可最初的甲、乙两组，中位数也同为 70。换个中心指标，并没有让我们看见两组的全部差异。

选哪个指标，应看要回答什么。如果要由人数推算总分，算术平均数有直接用途；如果关心排序后中间的人处于什么位置，中位数更直接。若要安排具体辅导，仍需看学生各自在哪些题目上出错。

把场景换成一个假想的问答系统。设一份测试集有 100 道基础题，答对 90 道；另有 10 道进阶题，一道也没答对。这里所有数字仍为教学设定。

若每道题权重相同，整体正确率是 90÷110，约为 81.8%。但如果先分别算两类题的正确率，再让两类各占一半，结果是（90%＋0%）÷2＝45%。

两个数字都可以算对，却回答不同问题：前者让测试集里的每道题等权，后者让两个题型等权。前者的高分，也不能掩盖这个系统在进阶题上全错的事实。

从各组平均值计算整体平均值时，需要考虑各组的权重。若每个观测等权，组权重就是组内观测数；加权平均的计算形式是“各值乘权重后相加，再除以权重之和”。NumPy 官方文档：加权平均

这不表示 45% 一定比 81.8% 更诚实。若要预测实际使用效果，还得了解真实问题中两类题各占多少，以及不同错误的影响。改变权重改变的是评价问题，不会自动修好系统。

看到“平均提高了”，可以先检查：比较的是同一批对象吗？分组比例变了吗？较差的那一部分有没有改善？一个总体变化，并不自动表示每个人都沿着同一方向变化。

同样，某个班的平均分较高，不能直接推出其中某位学生一定更强；还要知道这个学生自己的情况。总量、分布和个体，是需要分别查证的层次。

平均值的价值在于提供简洁的汇总。误判常发生在我们拿它去回答它没有保存答案的问题。给它补上人数、分布或关键分组，有时比再多报几位小数更有帮助。

你现在可以把文章合上，试着重建开头两组数据：为什么平均分和中位数都相同，及格人数却不同？能自己讲清这个例子，比只记住“不能只看平均值”更能检查你是否理解了其中的区别。