Mediana to wartość środkowa w uporządkowanym zbiorze danych. Aby obliczyć medianę wysokości czynszu w podanych mieszkaniach, najpierw musimy uporządkować te wartości w rosnącej kolejności: 240 zł, 240 zł, 280 zł, 290 zł, 320 zł, 320 zł, 340 zł. Mając siedem wartości, mediana będzie czwartą wartością w tym uporządkowanym zbiorze, czyli 290 zł. Ustalanie mediany jest szczególnie istotne w analizie statystycznej, ponieważ umożliwia lepsze zrozumienie centralnej tendencji w zbiorze danych, zwłaszcza gdy dane są rozproszone. W praktyce, mediana jest często stosowana w analizach wynagrodzeń, cen nieruchomości, czy innych danych finansowych, gdzie wartości mogą być znacznie rozbieżne. Wartości skrajne mogą znacznie zniekształcić średnią arytmetyczną, dlatego mediana stanowi lepszy wskaźnik, gdyż nie jest na nią podatna. Dlatego zrozumienie i umiejętność obliczania mediany jest kluczowe w różnych dziedzinach, takich jak ekonomia, socjologia czy nauki przyrodnicze.
Obliczanie mediany może być mylące dla wielu osób, zwłaszcza gdy biorą pod uwagę inne metody analizy danych. Często pojawiające się błędy polegają na myleniu mediany z innymi miarami tendencji centralnej, takimi jak średnia arytmetyczna. Na przykład, w tym konkretnym przypadku, błędne odpowiedzi mogą być wynikiem złego zrozumienia, jak oblicza się medianę. Osoby mogą przypisać wartość średniej arytmetycznej do mediany, co jest niewłaściwe. Dla przypomnienia, średnia arytmetyczna oblicza się przez dodanie wszystkich wartości i podzielenie przez ich liczbę. W naszym przypadku średnia wyniosłaby (290 + 320 + 240 + 280 + 320 + 340 + 240) / 7 = 281,43 zł, co różni się od mediany. Ponadto, niektórzy mogą mylić pojęcie mediany z modą, która odnosi się do najczęściej występującej wartości w zbiorze danych. W analizie danych, moda może być użyteczna, ale często nie daje pełnego obrazu, zwłaszcza w zbiorach z wieloma wartościami. Dlatego ważne jest, aby w analizach statystycznych potrafić odróżniać te pojęcia i znać odpowiednie metody obliczania, aby uniknąć nieporozumień i błędnych interpretacji danych.