分析：在样本数据中，有50%的个体小于或等于中位数，也有50%的个体大于或等于中位数。因此，在频率分布直方图中，矩形的面积大小正好表示频率的大小，即中位数左边和右边的直方图的面积应该相等。由此可以估计出中位数的值为2.02。（图略见课本63页图2.2-6）

〖思考〗：2.02这个中位数的估计值，与样本的中位数值2.0不一样，你能解释其中的原因吗？（原因同上：样本数据的频率分布直方图把原始的一些数据给遗失了）

　（课本63页图2.2-6）显示，大部分居民的月均用水量在中部（2.02t左右），但是也有少数居民的月均用水量特别高，显然，对这部分居民的用水量作出限制是非常合理的。

〖思考〗：中位数不受少数几个极端值的影响，这在某些情况下是一个优点，但是它对极端值的不敏感有时也会成为缺点，你能举例说明吗？（让学生讨论，并举例）

　　<二>、标准差、方差

　　１．标准差

　　平均数为我们提供了样本数据的重要信息，可是，有时平均数也会使我们作出对总体的片面判断。某地区的统计显示，该地区的中学生的平均身高为１７６㎝，给我们的印象是该地区的中学生生长发育好，身高较高。但是，假如这个平均数是从五十万名中学生抽出的五十名身高较高的学生计算出来的话，那么，这个平均数就不能代表该地区所有中学生的身体素质。因此，只有平均数难以概括样本数据的实际状态。

　　例如，在一次射击选拔比赛中,甲、乙两名运动员各射击10次，命中环数如下﹕

　　甲运动员﹕7，8，6，8，6，5，8，10，7，4；

　　乙运动员﹕9，5，7，8，7，6，8，6，7，7.

　　观察上述样本数据，你能判断哪个运动员发挥的更稳定些吗？如果你是教练，选哪位选手去参加正式比赛？

　　我们知道，。

　　两个人射击的平均成绩是一样的。那么，是否两个人就没有水平差距呢？（观察Ｐ６６图２.２-８）直观上看，还是有差异的。很明显，甲的成绩比较分散，乙的成绩相对集中，因此我们从另外的角度来考察这两组数据。

　　考察样本数据的分散程度的大小，最常用的统计量是标准差。标准差是样本数据到平均数的一种平均距离，一般用s表示。

　　样本数据的标准差的算法：

（１） 、算出样本数据的平均数。

（２） 、算出每个样本数据与样本数据平均数的差：

（３） 、算出（２）中的平方。

（４） 、算出（３）中n个平方数的平均数，即为样本方差。

（５） 、算出（４）中平均数的算术平方根，，即为样本标准差。

其计算公式为：