称心常识网中位数是按大小排序以后排在中间的数.
众数顾名思义就是出现次数最多的数
集中趋势常用的几个指标：中位数、均值和众数。为什么会出现这样的分布，如何证明？那么，为什么在偏态下会呈现这几种关系？
请注意这几个关系出现的前提：在接近正态分布，或者说是出现轻微偏斜的情况下，才会出现如图所示的结果。那么，如果是小样本，或者明显不是正态分布的关系，则不一定会遵从此法。故这几幅图形是经验展示，并用于后面的正态分布等内容。
那么，如何推导这个结果？
根据参考材料，我们可以使用卡尔·皮尔逊经验公式来进行演算。这个公式也有两个前提：第一，接近正态分布，或轻微偏斜；第二，中位数要位于众数和均值之间。（事实上，我们的论证类似于循环论证）
1.确定众数和中位数的相对位置
由于中位数和众数属于位置平均数，所以在位置的确定过程中，可以根据（近似）正态分布的概率密度曲线加以确定：首先是众数，在一个单峰曲线中，众数必然只有一个，也就是密度或者频率最高的那个；第二，在左偏中，由于在假想正太分布均值线的左侧，具有更多的观测点，那么中位数（n/2;n+1/2）势必在观测点更多的一侧，故而中位数在众数的左侧，众数＞中位数；第三，右偏中同理，可以得到众数＜中位数。
2.根据皮尔逊经验公式，确定均值位置
皮尔逊经验公式可以有两种表述：
（1）公式一：
其中为众数，为中位数，为均值。公式的含义是：在适度偏斜情况下，众数与中位数之间的距离，大约是中位数与均值距离的两倍。简单起见，将≈号用＝号代替。
表1图表和公式关系
形状
公式推导
左偏
右偏
（2）公式二：
左偏时：
右偏时：
总结：两种表述方法实质是相同的。区别在于，众数和中位数的位置通常要根据分布和常识进行判断，均值的位置可以由此进行推断。
