众数：一组数据中出现次数最多的那个数，不必计算就可求出。

3、个数不同
在一组数据中，平均数和中位数都具有惟一性，但众数有时不具有惟一性。在一组数据中，可能不止一个众数，也可能没有众数。

4、呈现不同
平均数：是一个“虚拟”的数，是通过计算得到的，它不是数据中的原始数据。
中位数：是一个不完全“虚拟”的数。当一组数据有奇数个时，它就是该组数据排序后最中间的那个数据，是这组数据中真实存在的一个数据；但在数据个数为偶数的情况下，中位数是最中间两个数据的平均数，它不一定与这组数据中的某个数据相等，此时的中位数就是一个虚拟的数。
众  数：是一组数据中的原数据 ，它是真实存在的。

5、代表不同
平均数：反映了一组数据的平均大小，常用来一代表数据的总体 “平均水平”。
中位数：像一条分界线，将数据分成前半部分和后半部分，因此用来代表一组数据的“中等水平”。
众数：反映了出现次数最多的数据，用来代表一组数据的“多数水平”。
这三个统计量虽反映有所不同，但都可表示数据的集中趋势，都可作为数据一般水平的代表。

6、特点不同
平均数：与每一个数据都有关,其中任何数据的变动都会相应引起平均数的变动。主要缺点是易受极端值的影响，这里的极端值是指偏大或偏小数，当出现偏大数时，平均数将会被抬高，当出现偏小数时，平均数会降低。
中位数：与数据的排列位置有关，某些数据的变动对它没有影响；它是一组数据中间位置上的代表值，不受数据极端值的影响。
众数：与数据出现的次数有关，着眼于对各数据出现的频率的考察，其大小只与这组数据中的部分数据有关，不受极端值的影响,其缺点是具有不惟一性，一组数据中可能会有一个众数，也可能会有多个或没有 。

7、作用不同
平均数：是统计中最常用的数据代表值，比较可靠和稳定，因为它与每一个数据都有关，反映出来的信息最充分。平均数既可以描述一组数据本身的整体平均情况，也可以用来作为不同组数据比较的一个标准。因此，它在生活中应用最广泛，比如我们经常所说的平均成绩、平均身高、平均体重等。
中位数：作为一组数据的代表，可靠性比较差，因为它只利用了部分数据。但当一组数据的个别数据偏大或偏小时，用中位数来描述该组数据的集中趋势就比较合适。
众数：作为一组数据的代表，可靠性也比较差，因为它也只利用了部分数据。。在一组数据中，如果个别数据有很大的变动，且某个数据出现的次数最多，此时用该数据（即众数）表示这组数据的“集中趋势”就比较适合。

中位数、众数的求法：
中位数：
①将数据按大小顺序排列；
②当数据个数为奇数时，中间的那个数据就是中位数；
当数据个数为偶数时，居于中间的两个数据的平均数才是中位数。

众数：找出频数最多的数据，若几个数据频数最多且相同，此时众数就是这几个数据。

考点名称：方差

• 方差:
  是各个数据与平均数之差的平方和的平均数。
  在概率论和数理统计中，方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。
  在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。
  设有n个数据各数据x₁，x₂，…，x_n各数据与它们的平均数的差的平方分别是，，…，，我们用它的平均数，即用来衡量这组数据的波动大小，并把它叫做这组数据的方差，记作。

• 方差特点:
  （1）设c是常数，则D(c)=0。
  （2）设X是随机变量，c是常数，则有D(cX)=(c²)D(X)。
  （3）设 X 与 Y 是两个随机变量，则
  D(X+Y)= D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}
  特别的，当X，Y是两个相互独立的随机变量，上式中右边第三项为0（常见协方差），
  则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况。
  （4）D(X)=0的充分必要条件是X以概率为1取常数值c，即P{X=c}=1，其中E(X)=c。
  （5）D（aX+bY）=a^2DX+b^2DY+2abE{[X-E(X)][Y-E(Y)]}。
  
  意义：
  在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。
  
  标准差：
  方差的算术平均根，即，并把它叫做这组数据的标准差，它也是一个用来衡量一组数据的波动大小的重要的量。

• 公式:
  方差是实际值与期望值之差平方的期望值，而标准差是方差算术平方根。 在实际计算中，我们用以下公式计算方差。
  方差是各个数据与平均数之差的平方的平均数,即s^2=(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]，其中，x_表示样本的平均数，n表示样本的数量，^，xn表示个体，而s^2就表示方差。
  而当用(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]作为样本X的方差的估计时，发现其数学期望并不是X的方差，而是X方差的(n-1)/n倍，[1/(n-1)][(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]的数学期望才是X的方差，用它作为X的方差的估计具有“无偏性”，所以我们总是用[1/(n-1)]∑(xi-X~)^2来估计X的方差，并且把它叫做“样本方差”。
  方差，通俗点讲，就是和中心偏离的程度！用来衡量一批数据的波动大小（即这批数据偏离平均数的大小）并把它叫做这组数据的方差。记作S&sup2.在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。
  
  方差分析主要用途：
  ①均数差别的显著性检验;
  ②分离各有关因素并估计其对总变异的作用;
  ③分析因素间的交互作用;
  ④方差齐性检验。