调和平均数

Prism 计算调和平均数及其置信区间的方法是：首先将所有数值转换为它们的倒数，然后计算这些倒数的平均数和该平均数的置信区间。调和平均数就是该平均数的倒数。如果所有数值都是正数，那么较大的数字实际上比较小的数字所占权重要小。调和平均数最常用于求得一组速率或速度的平均值。

当数据集的倒数形成对称的近似高斯分布时，使用调和平均数是有意义的。

二次均值

Prism 计算二次均值及其置信区间的方法是：首先将所有数值转换为其平方值（数值乘以自身），然后计算这些平方值的均值以及该均值的置信区间。二次均值就是该均值的平方根。二次均值也称为均方根。

当数据集的平方形成对称的近似高斯分布时，使用二次均值是有意义的。

修剪均值和标准化均值

修剪均值或标准化均值的原理是不让最大值和最小值产生太大影响。在计算修剪均值或标准化均值之前，首先要选择忽略或降低最大值和最小值的权重。如果将 K 设为 1，最大值和最小值就会被区别对待。如果将 K 设为 2，则最大的两个值和最小的两个值会得到不同的处理。K 必须提前设置。有时 K 集为 1，有时则为数值的一小部分，因此当数据集较多时，K 会较大。

要计算修剪平均数，只需删除 K 个最小观测值和 K 个最大观测值，然后计算剩余数据的平均数。

要计算 Winsorized 平均值，可将 K 个最小值替换为 K+1 位置的值，将 K 个最大值替换为 N-K-1 位置的值。然后求出数据的平均数。.

修剪平均值和标准化平均值的优点是不会受到一个（或几个）极高或极低值的影响。Prism 不会计算这些值。

 

模式

模式是最常出现的值。对于精确度至少为几位数的测量值来说，它并不实用，因为大多数值都是唯一的。对于只能有整数值的变异性变量，它可能会有用。虽然像这样的列表中经常包含模式，但模式并不总是评估分布的中心。试想一下，在一项医疗调查中，有一个问题是 "您做过多少次手术？"在许多人群中，最常见的答案是零，因此这就是模式。在这种情况下，有些数值会高于模，但没有一个低于模，因此模并不是量化分布中心的方法。