11个观测值平均72.73，其中10个却都小于43。
这份虚构列表从22、24、25、27、28、30、32、34、36、42开始，最后出现500。单位是任意的，不代表工资、房租或人群测量。刻意制造的反差，让我们看见三个常用指标如何总结同一份数据，以及哪个更有助于读者想象列表。
选择总结方式，就是选择保留什么。
平衡点被拉走了
11个数相加为800，除以11得到算术均值72.7273。这个算法保留总量：11份相同的均值加起来仍为800。因此，它适合核算、预期总量，以及数量在整体上怎样分配的问题。
但没有一个观测接近72.73。十个都在22到42之间，另一个为500。移除最后这个数，前十个的均值恰好是30。这不是计算失败；大值本来就对总量贡献更大，均值的设计正是保留这种信息。
排序后找中间
中位数问的是排序后哪一个位于正中。11个值的第六个是30，前后各有五个位置。只要中间的次序不变，即使把500改成5,000，中位数也不会动。
描述偏斜分布中的典型位置时，这种稳定性很有用。但它有意舍弃一些信息。只看中位数，分不清上尾结束于50还是5,000。若关心总负担或总资源，这个被省略的差别可能最重要。
截尾均值需要公开规则
实验还恰好移除一个最小值和一个最大值，再平均剩下九个。它们合计278，截尾均值为30.8889。这是为例子预先选定的对称规则，不是在统计上宣判22和500是错误。
截尾能降低极值影响，又比中位数保留更多中间数据，但截多少仍是建模选择。看见不方便的结果后才决定删除，会悄悄改变问题。好的报告会说明规则，并保留未经截尾的总结。
典型和总量不是同一种需求
若需要一个代表这份列表普通位置的数字，中位数更贴近密集的中间；若要把总量平分，均值给出正确份额。宣布某个指标永远更好，对这两个任务都没有帮助。用途决定压缩数据时应该保留什么。
分布图常常是最简单的补充，能展示单个数字隐藏的空隙、聚集和孤立值。真实数据还应报告样本量和离散程度。两组可以中位数相同而尾部不同，也可以均值相同而典型体验差异很大。
不寻常不自动等于无效
远离其他值的点值得调查，而非自动删除。它可能是输入错误、单位不同、另一类对象，也可能是真实的罕见观测。不同解释需要不同处理：单位错了应修正，有效的大值则可能必须保留，即使它让总结不那么舒服。
本例的500是故意放进去的，无法替真实情境判断原因。它的作用是把运算与判断分开。在说“平均的人”或“平均案例”怎样之前，先检查这个数是在描述中间、保存总量，还是试图同时做两件事。