集中趋势

一維資料的集中趨勢可能有以下數種統計方法。在某些情況下，經轉型（）後的資料才採用以下的方法。

算數平均數

觀測值的總和除以觀測值的個數，即${\displaystyle {\tfrac {x_{1}+x_{2}+x_{3}\ldots +x_{n}}{n}}}$。常簡稱為平均數，也往往是背後機率分佈的期望值之不偏估計。

中位數

將所有觀測值按大小排序後在順序上居中的數值。

眾數

出現最多次的觀測值。

幾何平均數

觀測值的乘積之觀測值個數方根，即${\displaystyle (x_{1}\times x_{2}\times x_{3}\ldots \times x_{n})^{\frac {1}{n}}}$

調和平均數

觀測值個數除以觀測值倒數的總和，即${\displaystyle {\frac {n}{{\frac {1}{x_{1}}}+{\frac {1}{x_{2}}}+...+{\frac {1}{x_{n}}}}}}$

加權平均數

考慮不同群資料貢獻程度不同時的算數平均數

截尾平均數（）

忽略特定比例或特定數值之外的極端值後所得的平均數。例如，四分平均數（）正是忽略25%前及75%後的資料後所得的算數平均數。

中程數（）又稱全距中值[4]

最大值與最小值的算數平均數，即${\displaystyle {\frac {\min(x)+\max(x)}{2}}}$。

中樞紐（）

第一四分位數與第三四分位數的算數平均數，即${\displaystyle {\frac {Q_{1}+Q_{3}}{2}}}$。

三均值（）

考慮三個四分位數的加權平均數，即${\displaystyle {\frac {Q_{1}+2Q_{2}+Q_{3}}{4}}}$。

極端值調整平均數（）

以最接近的觀測值取代特定比例的極端值後取得的算數平均數。舉例來說，考慮10個觀測值（由小到大排列為${\displaystyle x_{1}}$至${\displaystyle x_{10}}$）的情況下，10%的極端值調整平均數為

${\displaystyle {\frac {\overbrace {x_{2}+x_{2}} +x_{3}+x_{4}+x_{5}+x_{6}+x_{7}+x_{8}+\overbrace {x_{9}+x_{9}} }{10}}}$，

其中分別以${\displaystyle x_{2}}$和${\displaystyle x_{9}}$取代了${\displaystyle x_{1}}$和${\displaystyle x_{10}}$。

以上的統計量在多維變數中仍可單獨地被套用在各個維度上進行，但並不能保證在轉軸後仍維持一致的結果。

在指數分配exp(λ)中，期望值為1/λ而中位數為(ln 2)/λ，二者並不一致。

在左右對稱的機率分佈中，不同的集中趨勢統計量有相同結果，但在偏度遠離0時則可能不一致。在單峰型的機率分佈（）中，平均數（μ）、中位數（ν）與眾數（θ）的關係如下：[5]

${\displaystyle {\frac {|\theta -\mu |}{\sigma }}\leq {\sqrt {3}}}$，

${\displaystyle {\frac {|\nu -\mu |}{\sigma }}\leq {\sqrt {0.6}}}$，

${\displaystyle {\frac {|\theta -\nu |}{\sigma }}\leq {\sqrt {3}}}$，

其中σ為標準偏差。至於任一機率分佈，[6][7]

${\displaystyle {\frac {|\nu -\mu |}{\sigma }}\leq 1}$。