Среднее значение может давать искажённое представление о распределении данных по нескольким причинам:

• Выбросы. 14 Это значения, которые сильно отличаются от остальных данных. 4 Они могут быть как случайными ошибками измерений, так и важными особенностями изучаемого явления. 4 Например, если в группе студентов, где большинство оценок находится в диапазоне 70–90, вдруг появляется одна оценка 20 или 100, это выброс. 4
• Неравномерное распределение. 2 Если значения в ряду чисел распределены неравномерно, среднее значение может не отражать истинные особенности ряда. 2 Например, если в ряду чисел присутствует два кластера значений, находящихся далеко друг от друга, среднее значение может быть близким к центру между ними, но не отражать фактическое распределение. 2
• Отсутствие контекста. 1 Например, если в отчёте о потреблении электроэнергии говорится, что среднее потребление на дом составляет 500 кВт в месяц, за этим может скрываться, что в одних домах потребление достигает 1500 кВт, а в других — всего 100 кВт. 1 Это создаёт ложное представление о среднем уровне потребления. 1
• Фрагментарные данные. 1 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. 1
• Временные аномалии. 1 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. 1 Это вводит в заблуждение относительно стабильности дохода. 1
• Неполная выборка. 1 Например, в опросе о здоровье сообщается, что средний уровень холестерина составляет 5,0 ммоль/л, однако данные собраны только у людей с хроническими заболеваниями. 1 Это может создать ложное впечатление о здоровье населения. 1

Чтобы избежать искажений, перед использованием усреднённых данных важно понимать контекст, а также применять другие статистические показатели, например медиану, моду. 15