新版白话空间统计（24）：中位数中心

最新推荐文章于 2022-06-14 16:45:22 发布

虾神说D

最新推荐文章于 2022-06-14 16:45:22 发布

阅读量2.1k

点赞数

分类专栏：新版白话空间统计

本文链接：https://blog.csdn.net/allenlu2008/article/details/124122914

版权

中位数中心费马点韦伯问题异常值空间统计学

关键词由CSDN通过智能技术生成

新版白话空间统计专栏收录该内容

24 篇文章 496 订阅

订阅专栏

前文再续，书接上一回。（今天是个4300多字的大章，没时间的同学，看图就行）

平均数和中位数的PK也不是一两天了。

我们经常在新闻上看见统计部门发布的各种平均数，看完之后，大家的反应估计都和虾神差不多：

所有，不断有产学研三界的专家呼吁，为什么我们不用中位数，按道理来说，中位数更能反映真实情况：

比如就是美国在国民统计中就使用了中位数。当然，美国曾经也仅运用平均数来统计来统计的，但是近几十年则越来越多地使用中位数统计。如上图所示，这是2016年美国人口普查局公布的全美家庭收入统计，我们可以看到，美国以家庭为单位的统计中，众数落在30000-34999美金的区间，中位数为7万-7万4之间，但是平均数确实最高的，到了9万5+。所以平均数这种计算方法，受到极值的影响比较大，上图所揭示的的差异，就很说明问题了：高收入的家庭会严重的拉高平均数。这个案例同时也说明，对数据群体更为完整和准确的分析，也是来自不同统计量的综合运用的。

那么我国为什么不用中位数呢？答案是：非不为也，乃不能也……

发布统计结构的中国统计部门的数据有两套口径，一套称之为：企业直报系统，也就是每个企业报告自己的在岗员工和工资总数，统计局在这套数据上直接进行计算。

但是企业不会报告每个员工的详细工资数据，所以自然也没有办法去计算中位数了：

第二套口径的数据，来自于统计局下属专设的城市调查总队，他们进行抽样入户调查。这个组织每个国家也都有，在中国，这套数据被称为“城调队数据”，理论上利用城调队数据，是可以计算出中位数来的。

那么为什么不利用城调队数据来进行计算和公布呢？答案是依然很不准确，因为我国的城调队工作依然是以工作单位为基础的，而不是以居民本身为主体的（虾神长这么大，仅遇到过一次入户调查，还是人口普查，经济普查一次也没遇到过），所以依然不行。

（以上资料参考知乎相关问题，有兴趣的同学去自行阅读）

好了，小科普到此为止，我们继续我们的空间统计学。

刚才说了中位数可以有效的避免极值影响，中位数中心也是一样，我们来看这样一张比较图：

加入极值之后，算数平均值会出现明显的向极值的方向移动，然后我们再来看看中位数中心，如下：

可以发现，就算加入了极值之后，中位数中心的位移没有算数平均中心位移那么大，就说明了，中位数中心，对极值（异常值）的敏感程度要低于算数平均中心。所以：中位数中心是一种对异常值反应较为稳健的中心趋势的量度。

接下去，我们来看看中位数中心的一些算法和原理。中位数中心和以前所说的中心要素很像，就是去寻找一个能够均分所有数据为两部分的数，这个数到所有的位置的距离总和最少。与此所对应的，就是平均中心未必是到所有位置距离总和最少的——中位数中心的作用更接近中心要素。

但是，中位数中心和中心要素，最大的不同点在于：中心要素计算出来的结果，必须是要素样本的中的一个原始样本；而中位数中心与平均中心都是计算出来的，可以不是原始要素中的一个，可以生成一个新的位置。

但是相对于中心要素的计算，中位数中心的计算方法就复杂很多了。

因为中位数中心没有既定的位置给你，也就是说没有起算点。如果没有起算点，那么理论上就有无数个点可以作为起算点，然后根据遍历的法则，一个个的去计算，去排序，这样系统的开销会变得无限的大。

在这里给大家讲一个小段子。

众所周知，中科院数学所是民科首要围攻的对象，每年就哥德巴赫猜想写给数学所的信，加起来能绕地球一圈……（因为民科们真的以为哥德巴赫猜想就是证明1+1，手动狗头保命）。

图：中科院数学所

先不说哥德巴赫这种高端知识，就最基础的尺规三等分角这种数学上已经证明了不可能的，也每年都有无数老大爷认为他已经可以解决了——我就遇见过一个大神，信誓旦旦说他可以三等分角，我很好奇的问他是怎么办到的时候（数学上已经证明不可能了），他掏出了一个量角器——

我当时就是差点口吐白沫……尺规作图只能使用无刻度的直尺和圆规，如果放宽条件，哪怕只是允许在直尺上做个标记(即二刻尺)，也都可以做出三等分角来，but那个不叫尺规作图……

当我把无刻度的尺规这个条件说出来的时候，大神用看白痴的眼神看着我说：现在科技进步了，可以使用了……

（PS：使用测量器具是个工程问题，不是数学问题了）

言归正传：

要说中位数中心就得先说说所谓的费马点（Fermat Point)的问题。费马点是17世纪的一个法国律师皮耶·德·费马（Pierre de Fermat，如下图）提出来的，这位专职律师被称为“业余数学之王”，在数学的神殿里面，有他一张王座镇压诸天……费马最后定理在中国习惯称为费马大定理，西方数学界原名“最后”的意思是：它就是诸神的黄昏——当一个个猜想都将被证实的时代来临，这将是最后一个。

费马点，指的是，在三角形内部，有一个点，这个点到三角形三个顶点的距离之和最短，如下图：

如果三角形的三个内角都小于120度，如上图：三角形ABC内部的一个点D，就是离这个三角形三个顶点距离总和最近的一个点，从这个点向三角形三个顶点连线，得出的三个角正好整分费马点所在的周角，即均为120度。所以费马点也称为三角形的等角中心。

那么如果三角形有一个内角大于等于120度，那么这个钝角的顶点就是费马点。

要找到这个费马点，不需要我们去迭代和测量（数学是一种追求完美的学科），只需要将三角形的三条边都做一个等边三角形，然后用这个等边三角形做一个外接圆，三个外接圆的交点，正好就是这个费马点。（等边三角形做外接圆的方法就不详说了，太简单了）——标准的尺规作图。

四边形的费马点就更容易了，凸四边形，费马点就是对角线交点；凹四边形，费马点就是凹点。

我们知道，三角形和四边形这种在数学上非常特殊的情况，在现实生活在确实不多，特别是在多点之间计算费马点的话。

所以复杂多边形内的费马点计算，也一直都是数学界津津乐道的话题。

因为复杂多边形内的费马点没有公式来实现，所以到现在为止想通过一个公式就计算出费马点是不可能的事情。当然，初等数论里面，对正多边形提出了一些方法，例如分割成多个三角形这种方法，但是仅适用于正多边形。

而且费马点的寻找是不涉及到任何权重的，所以算出来的结果是完全几何结果，几何图形的费马点完全是在图形内部。

中位数中心，实际上就是一种费马点的延伸：韦伯问题。

韦伯问题描述如下：地理上有若干个点，现在需要寻找一个到所有点距离总和最小的点，是几何学和区域学研究中的一个非常重要和著名的问题，但是最早由一个经济学家阿尔弗雷德·韦伯（德语：Alfred Weber，1868年6月30日－1958年5月2日，如下图）提出，所以也称之为“韦伯问题（The Weber problem）”。这位韦伯先生并非是一个数学家，而是一位经济学家、社会学家和文化理论家。阿尔弗雷德·韦伯是马克斯·韦伯（组织理论之父）的弟弟。他创立了工业区位理论，深刻影响了现代经济地理学的发展。

韦伯问题就是在费马点的基础上扩展了权重概念，那么带来的一个问题就是：有些点的权重，被设置为了负数，结果就是加权计算的时候，会让这个中位数中心可能跳出几何范围之外。

例如：还是仓库运输的问题，我们要计算中位数中心，那么如果有一个仓库不但可以存放中转货物，还提供了加油、修车、保养、司机休息的服务……那么这个仓库的权重计算可能就会被设置为负数，哪怕他的距离可能很大，但是所有来到这个仓库的车辆，都会直接忽略距离因素而达到更优化的效果。

不过这个世界算有一群很聪（bian）明（tai）的天才，他们有个共同的名字，叫做数学家——时代变化了之后，还有一批更聪明的天才，叫做计算机学家……在1962年，美国著名数学家，普林斯顿大学的哈罗德.威廉.库恩（一位天才的数学家和计算机理论学家，曾经获得1980年的约翰·冯·诺依曼理论奖）和罗伯特.E.库伦（Kuhn, H. W., and R. E. Kuenne）两位首次提出一种计算方法。