提示： 呢篇文講嘅唔係
平均 。
呢個概率分佈 呈常態 ；佢個 mean 就喺正個分佈嘅中央位置。 平均值 （參見英文 ：mean ，近似粵拼 ：粵化口語音 ：min1 ）係統計學 上一類指標，用嚟衡量集中趨勢 。當中算術平均值 可以算係日常生活中最常用嗰種平均值計法，做法係將所有數據 嘅值冚唪唥加 埋晒一齊，再除 返數據點嘅數量。
平均值有好多種，最簡單嘅係算術平均值 。一組數據 x1 , x2 , ..., xn 嘅算術平均值
x
¯
{\displaystyle {\bar {x}}}
定義 為[ 1]
x
¯
=
1
n
∑
i
=
1
n
x
i
{\displaystyle {\bar {x}}={\frac {1}{n}}\sum _{i=1}^{n}x_{i}}
即係：加哂所有數值，然後除以數量 n 。
a,b,c 嘅算術平均值係
a
+
b
+
c
3
{\displaystyle {a+b+c} \over {3}}
a,b,c 嘅幾何平均值 係
a
⋅
b
⋅
c
3
{\displaystyle {\sqrt[{3}]{a\cdot b\cdot c}}}
舉個實際例子：假設有一班學生嘅身高 數據（單位：cm）如下：
{
160
,
162
,
158
,
165
,
170
,
155
,
168
,
164
,
161
,
159
}
{\displaystyle \{160,162,158,165,170,155,168,164,161,159\}}
呢班有 10 個學生，佢哋身高總和係：
160
+
162
+
158
+
165
+
170
+
155
+
168
+
164
+
161
+
159
=
1622
{\displaystyle 160+162+158+165+170+155+168+164+161+159=1622}
所以平均身高（算術平均值）係：
x
¯
=
1622
10
=
162.2
cm
{\displaystyle {\bar {x}}={\frac {1622}{10}}=162.2{\text{ cm}}}
常態分佈 係一種常見嘅機率分佈 （打橫軸係手上變數嘅唔同可能值，而打戙軸係每個可能值出現嘅機率 ），呈鐘形對稱，集中喺平均值附近。好多重要嘅變數嘅機率分佈，都可以用常態分佈嚟模擬，例如智商 就係噉。
喺常態分布入面，算術平均值就係數據分佈嘅中心，亦等於中位數 同眾數 ，顯示數據集中喺邊度。大部份數據（大約 68%）會落喺平均值左右一個標準差 之內。
呢幅係常態分佈圖；幅圖打橫個條 X 軸係「個變數嘅可能數值」，而打直嗰條 Y 軸係「每個數值出現嘅機會率」。
↑ Underhill, L.G.; Bradfield d. (1998) Introstat , Juta and Company Ltd.
↑ 參見英文 ：mean centering
↑ Iacobucci, D., Schneider, M. J., Popovich, D. L., & Bakamitsos, G. A. (2016). Mean centering helps alleviate "micro" but not "macro" multicollinearity. Behavior research methods , 48(4), 1308-1317.
提示：呢篇文講嘅唔係平均。
![{\displaystyle {\sqrt[{3}]{a\cdot b\cdot c}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/41aa6006d42c54fe11411bb97940785f59bbb103)
