平均数计算器

如何计算平均数

1. 把数字输入到输入框，或者一次性粘贴整串。
2. 数值之间用空格、逗号或换行分隔都行 — 三种方式计算器都接受。
3. 读取平均值，以及数值个数和它们的总和 — 实时更新。
4. 修改、添加或删除任意数值，平均数会立刻重新计算。

什么时候平均值并不合适

算术平均值最适合分布均衡的数据 — 考试成绩、气温、耗时。但它对离群值很敏感：一屋子人的平均工资，会因为进来一位老板而剧烈变化。对于收入或房价这类偏斜数据，中位数（排序后处在中间的那个值）往往比平均值更能描述“典型”水平。

一个快速的离群值检查：如果平均值看起来出人意料，把数据排序，再拿平均值和中间值对比。两者差距很大，说明少数极端值在拉扯平均值 — 你要有意识地决定它们是否属于你的数据。

计算器算的是什么，又是怎么算的

算术平均值的定义很简单：把每个数值相加，再除以数值的个数。十个考试成绩合计 812，平均就是 81.2。计算器做的正是这件事，但它还会分别显示总和与个数，让你确认总额看起来没错、录入的数值个数也确实是你想要的。

把总和与个数摆出来，不只是锦上添花。如果你以为有 30 个数字，而个数显示 29，那就是漏了一个；如果总和大得离谱，多半是某个数值多打了一位。看到平均值的这两个“原料”，而不只是最终数字，就把这个工具变成了对你自己录入的一次快速自检。

用一串真实数据来看的实例

假设你记录了五天的通勤分钟数：32、28、41、35、29。它们的总和是 165，除以个数 5，得到平均值 33 分钟。这一个数字概括了这一周，你可以拿它和下一周、或与同事的路线做比较。

现在加上第六天，修路让这趟花了 95 分钟。总和跳到 260，平均值升到约 43.3 — 一个异常的日子就带来这么大的变动。这就是离群值效应的缩影：你添加数值时计算器即时更新，而这一跳本身就告诉你，那一天在这个平均值里出了很大的力。

简单平均与加权平均

这个工具算的是简单平均，每个数值分量相同。对于地位相当的读数 — 每日气温、单科成绩、重复测量 — 这是正确的选择。但有时数值的重要性并不相同：按学分加权的课程成绩，或按评价数量加权的商品评分。把它们当作等权来平均，就会低估分量重的那些。

要算加权平均，就把每个数值乘以它的权重，把这些乘积相加，再除以权重总和。一门 4 学分、90 分的课和一门 1 学分、60 分的课，平均是 84 而不是 75，因为学分大的那门拉力更强。当权重要紧时，我们的成绩计算器会替你处理加权；对于一切地位相当的情形，这里的简单平均正是你想要的。

精度、四舍五入，以及该信任几位小数

平均值常常显示出比底层数据配得上的更多小数位。对整数成绩求平均可能得到 81.16666…，但报成 81.17、甚至 81，通常更诚实，因为多出来的位数暗示了一种你的测量本就没有的精度。一个好规则是：最多比原始数据多保留一位小数。

计算器内部保留完整精度，好让各步之间不丢失任何东西，你只在呈现结果时才四舍五入。不过要当心在求平均前就把每个数值取整：先把三十个数字都抹成整数，可能让平均值发生可察觉的偏移。请对精确的数字求平均，最后再对那一个答案四舍五入。

求平均时的常见错误

最常见的错误是把“一组平均值”再平均，以为那就能得到总体平均 — 通常并不能。如果一个 10 人的班平均 70 分，另一个 30 人的班平均 90 分，合并后的平均是 85，而不是把 70 和 90 一平均得到的 80，因为两个班人数不同。要正确合并各组，你需要的是各自的总和与个数，而不只是两个平均值。

其他陷阱包括：留下空白或非数字项而被悄悄跳过、把本是真实数值（会拉低平均）的 0 当成“没有数据”，以及粘贴一列时把表头或合计行也带了进来。留意计算器报出的个数与总和，多数这类问题在扰乱结果之前就能被抓到。

超越平均值：中位数、众数与离散度

平均值只是对一串数据的一种概括，并非全貌。中位数 — 排序后处在中间的值 — 能抵抗离群值，对收入或房价这类偏斜数据更能描述“典型”。众数，即出现最频繁的值，对类别型或重复型数据很重要。把平均值和中位数一起报出，往往比只报其一透露得更多：当两者背离时，说明数据是偏斜的。

离散度是画面的另一半。两串数据可以同样是平均 50，其中一串紧贴这个值，另一串却在 0 到 100 之间大幅摆动。极差（最大值减最小值）是衡量这种离散度最快的办法，它也解释了为什么单看平均值可能误导。这个计算器聚焦于平均值，因为在多数校园和商业场景里“平均”指的就是它；但知道何时该改用中位数，能让你保持诚实。

常见问题

相关工具