Среднее значение может быть ненадёжным способом измерения центральной тенденции данных по нескольким причинам:

• Влияние выбросов. 14 Если в наборе данных есть экстремальные значения, они сильно влияют на среднее значение. 14 Например, если один директор получает 1 млн рублей, а остальные сотрудники — 40–60 тыс. рублей, то среднее значение не отражает реальную зарплату большинства. 3
• Асимметричность данных. 2 Это ситуация, когда несколько элементов у верхнего или нижнего пределов имеют заметно отличающийся паттерн по сравнению с остальной частью набора данных. 2 В таком случае среднее значение может быть далеко от центра. 2
• Отсутствие контекста. 3 Например, если в отчёте о потреблении электроэнергии говорится, что среднее потребление на дом составляет 500 кВт в месяц, то за этим может скрываться, что в одних домах потребление достигает 1500 кВт, а в других — всего 100 кВт. 3 Это создаёт ложное представление о среднем уровне потребления. 3
• Фрагментарные данные. 3 Если исследование показывает, что средний уровень удовлетворённости клиентов в ресторане составляет 4,5 из 5, но большинство оценок — это 3 и 4, то такое среднее значение не отражает реального мнения большинства клиентов. 3
• Временные аномалии. 3 Если в отчёте по продажам указано, что средний доход в месяц составляет 1 млн рублей, то за этим может скрываться, что в некоторые месяцы продажи резко увеличивались, а в другие — значительно падали. 3 Это вводит в заблуждение относительно стабильности дохода. 3
• Неполная выборка. 3 Например, если в опросе о здоровье сообщается, что средний уровень холестерина составляет 5,0 ммоль/л, однако данные собраны только у людей с хроническими заболеваниями, то это может создать ложное впечатление о здоровье населения. 3

Чтобы избежать ошибок, перед использованием усреднённых данных важно понимать их контекст, а также применять другие статистические показатели, например медиану. 3