调和平均数
Prism首先将所有值转换为其倒数，然后计算这些倒数的平均值和该平均值的CI，从而计算调和平均数及其置信区间。调和平均数是该平均值的倒数。如果这些值均为正数，则与较小数字相比，较大数字得到的较权重小。调和平均数最常用于求一组速率或速度的平均值。
如果数据的倒数集合形成对称的近似高斯分布，则可以使用调和平均值。
均方值
Prism计算二次平均值及其置信区间的方法是，首先将所有值转换为其平方（数值乘以自身），然后计算这些平方值的平均值以及该平均值的CI。二次平均值是该平均值的平方根。二次平均值也被称为均方根。
如果数据的平方集合形成对称的近似高斯分布，则可以使用均方值。
修整和缩尾平均值
修整或缩尾平均值的目的是不要让最大值和最小值产生过大影响。在计算修整或缩尾平均值之前，您首先要选择忽略或减少多少个最大值和最小值。如果将K设为1，则最大值和最小值将得到不同处理。如果将K设为2，则两个最大值和两个最小值将得到不同处理。必须提前设定K。有时将K设为1，有时设为数值的一小部分因此您有大量数据时，K值会较大。
如需计算修整后的平均值，只需删除K个最小和K个最大观察结果，并计算剩余数据的平均值。
如需计算缩尾平均值，请使用K+1位置的值替换K个最小值，并使用N - K - 1位置的值替换K个最大值。然后取数据平均值。。
修整和缩尾平均值的优点是其不受一个（或若干）非常高或非常低数值的影响。Prism并未计算这些值。
模式
众数是最常出现的值。对于至少有几位数准确度的测量值而言，这没有帮助，因为大多数值均为唯一数值。它对于只能有整数值的变量很有帮助。尽管这种众数经常包含在此类列表中，但这种众数并不总是评估分布的中心。想象一下一项医学调查，其中一个问题是“您做过多少次手术？”在许多群体中，最常见的答案是零，因此零是众数。在此情况下，一些值将高于众数，但不会低于众数，因此众数不是量化分布中心的方法。
