免费均值计算器

理解三种毕达哥拉斯平均数

这款免费的在线均值计算器集算术平均数计算器、几何平均数计算器和调和平均数计算器于一身。无论您需要标准平均值、几何回报率还是调和比率，都可以立即获得全部三种测量值。使用逗号、空格或换行符输入数据集 — 只需记住几何平均数和调和平均数要求所有数字为正。选择您想要的特定平均数类型，或一次请求所有三种。结果立即显示，省去手动计算。

什么是平均数？

平均数是用于概括一组数字中心的单一值。最熟悉的类型是算术平均数（通常称为平均值），它是所有值的总和除以个数。然而，根据数据的结构 — 加法型、乘法型或比率型 — 几何平均数或调和平均数可能更合适。这三者统称为毕达哥拉斯平均数，构成了许多统计和金融分析的基础。

算术平均数

公式与定义： 对于一组 $n$ 个值 $x_1, x_2, \dots, x_n$，算术平均数 $\overline{x}$ 为

$$\overline{x} = \frac{1}{n} \sum_{i=1}^{n} x_i .$$

示例： 对于数字 12、30、25、86 和 40，求和：$12 + 30 + 25 + 86 + 40 = 193$。除以 5 得到算术平均数 38.6。

几何平均数

公式与定义： 几何平均数 $G$ 是乘积的 $n$ 次方根（所有值必须为正）：

$$G = \left( \prod_{i=1}^{n} x_i \right)^{1/n}.$$

示例： 对于 2、4、8，乘积为 $2 \times 4 \times 8 = 64$。当 $n = 3$ 时，64 的立方根为 $G = 4$。

调和平均数

公式与定义： 调和平均数 $H$ 是倒数算术平均数的倒数：

$$H = \frac{n}{\sum_{i=1}^{n} \frac{1}{x_i}} .$$

示例： 对于值 6、50、75，计算倒数：$\frac{1}{6} = \frac{1}{6}$、$\frac{1}{50} = \frac{1}{50}$、$\frac{1}{75} = \frac{1}{75}$。它们的和为 $\frac{25}{150} + \frac{3}{150} + \frac{2}{150} = \frac{30}{150} = \frac{1}{5}$。因此 $H = \frac{3}{1/5} = 15$。

如何手动计算平均数

如果您需要手动进行这些计算，步骤如下：

• 算术平均数： 将所有数字相加，然后除以个数。
• 几何平均数： 将所有数字相乘，然后取 $n$ 次方根（或将乘积提高到 $1/n$ 次幂）。
• 调和平均数： 取每个数字的倒数，将这些倒数求和，然后用总个数除以该和。

计算器自动执行这些精确过程，立即给出结果，无误。

三种平均数之间的关系

对于任何正数列表，平均数满足不等式

$$H \leq G \leq \overline{x},$$

只有当所有数字相同时才取等号。这是基本的算术‑几何‑调和平均数不等式。此外，数据集的调和平均数是倒数算术平均数的倒数，而几何平均数的对数等于对数的算术平均数。这些联系显示了这三种度量在数学上如何相互关联。

加权平均数

当每个值对整体平均数的贡献不同时，使用加权平均数。每个值 $x_i$ 有一个关联的权重 $w_i$。

• 加权算术平均数： $\displaystyle \frac{\sum w_i x_i}{\sum w_i}$ — 常用于 GPA 计算，其中学分作为权重。
• 加权几何平均数（仅正数）： $\displaystyle \left( \prod x_i^{w_i} \right)^{1/\sum w_i}$
• 加权调和平均数： $\displaystyle \frac{\sum w_i}{\sum (w_i / x_i)}$

如果所有权重相等，这些公式简化为标准（未加权）版本。

实际应用

• 算术平均数： 总体均值的默认估计量，它最小化离差平方和，用于描述性统计、假设检验和日常平均。
• 几何平均数： 适用于乘法情境，如平均增长率或复合回报。例如，如果某投资在第一年回报 10%，第二年回报 20%，则平均年回报率为几何平均数：$[(1.10)(1.20)]^{1/2} - 1 \approx 14.9\%$，而不是算术平均数的 15%。在几何中，它出现在直角三角形高度定理中。
• 调和平均数： 平均等距离速率的正确方法。如果您以 60 km/h 从 A 到 B 并以 90 km/h 返回，往返平均速度是调和平均数：$2 / (1/60 + 1/90) = 72$ km/h。在金融中，它用于平均各股票的市盈率。

统计学视角：总体均值与样本均值

在统计学中，算术平均数以两种形式出现：

• 总体均值 ($\mu$): $\displaystyle \mu = \frac{1}{N} \sum_{i=1}^{N} x_i$，其中 $N$ 是总体大小。
• 样本均值 ($\bar{x}$): $\displaystyle \bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i$，其中 $n$ 是样本大小。

样本均值是总体均值的无偏估计量，意味着其长期平均值等于真实的总体参数。这一性质使其成为推断统计学的基石。

虽然平均数描述数据集的中心，但 四分位距（IQR） 通过覆盖中间 50% 的数据来描述其分散程度。与平均数不同，IQR 不受极端异常值的影响。例如，在分析家庭收入时，平均数显示平均值，而 IQR 揭示收入在大多数家庭之间的分布情况 — 排除最高和最低的极端值。平均数和 IQR 共同提供了集中趋势和变异性更全面的图像。