三均值

在统计学中, 三均值(TM)或图基三均值, 是概率分布中的一个概念, 由如下式定义:

${\displaystyle TM={\frac {Q_{1}+2Q_{2}+Q_{3}}{4}}.}$

其中, ${\displaystyle Q_{1},Q_{3}}$为数据的两个四分位点, ${\displaystyle Q_{2}}$为其中位数.

三均值最初由Arthur Bowley（英语：Arthur Bowley）在教学中提出, 而后由统计学家John Tukey在其于1997年出版的书籍中推广, 并在探索性数据分析（英语：Exploratory data analysis）技术中命名.

同中位数及中轴数（英语：Midhinge） (上、下四分位数)相似, 而相迥于样本平均值, 三均值是一个有25%崩溃点（英语：Breakdown point）的具有统计学抗性（英语：Statistically resistant）的L-估计（英语：L-estimator）. 三均值的这个属性十分有用, 正如下面的引述所言.

作为一个分布的中心的测量值, 三均值的一个优势是, 它综合了中位数和中轴数, 既反映了分布的中心值, 也不失对极端值的注意.

——Herbert F. Weisberg，Central Tendency and Variability^[1]

效率

三均值尽管计算简单, 却是一个非常有效率的估计人口中值的估计量. 确切而言, 对于从均匀人口中得到的一个大数据集 (超过100个人口数据), 其中位于20%, 50%, 80%百分位数, 是得出人口的L-估计的最高效的3个数, 效率为88%.^[2] 相较之下, L-估计中最好的一点估计, 是中位数, 效率为64%或更高; 最高效的两点估计 (用于一个从均匀人口中获得的超过100个数据的大数据集), 是用29%中程数（英语：Midsummary） (29%和71%百分位数的平均值), 效率约为81％. 这些最佳估计可以使用中轴数及三均值近似. 当然, 使用相距更远的点能获得更高的效率; 总之, 只需要3个点就能获得较高的计算效率. 

参考文献

1. Weisberg, H. F. (1992). Central Tendency and Variability. Sage University. ISBN 0-8039-4007-6 (p. 39)
2. Evans 1955，Appendix G: Inefficient statistics, pp. 902–904. sfn模板错误: 无指向目标: CITEREFEvans1955 (帮助)

外部联系

• 三均值（页面存档备份，存于互联网档案馆）在MathWorld