Den "mediane" værdi af en række numre henviser til det midterste tal, når alle data bestilles sekventielt. Medianberegninger er mindre påvirket af outliers end den normale gennemsnitlige beregning. Outliers er ekstreme målinger, der i høj grad afviger fra alle de andre tal, så i tilfælde hvor en eller flere afvigende ville skæve et standardgennemsnit, medianværdier kan bruges, da de modstår afvikling af afvikling partiskhed. Når flere data tilføjes, kan medianen ændre sig, men det vil typisk ikke ændre sig så dramatisk som et gennemsnit.
Bestil din nummerserie fra mindste til største. Sig som et eksempel, at du havde tallene 5, 8, 1, 3, 155, 7, 7, 6, 7, 8. Du ville arrangere dem som 1, 3, 5, 6, 6, 7, 7, 7, 8, 155.
Kig efter det midterste tal. Hvis der er to mellemtal, som det er tilfældet med et lige antal datapunkter, tager du gennemsnittet af de to midterste tal. I eksemplet er de midterste tal 6 og 7. Da gennemsnittet af to tal er summen divideret med 2, opnår du en medianværdi på 6,5.
Bemærk, at gennemsnittet af hele datasættet ville være 20,5, så du kan se forskellen, når medianen kan gøre. 155-tallet er en outlier, slet ikke i overensstemmelse med resten af numrene. Så en median giver et bedre mål end et gennemsnit i dette tilfælde.
Fortsæt med at tilføje tal, i rækkefølge, efterhånden som du erhverver dem. For at fortsætte eksemplet antager du, at du målte fem nye datapunkter som 1, 8, 7, 9, 205. Du vil blot tilføje dem til din liste, så den lyder på 1, 1, 3, 5, 6, 6, 7, 7, 7, 7, 8, 8, 9, 155, 205.
Find det nye medianummer, ligesom du gjorde før. I eksemplet er der 15 datapunkter, så du finder blot den midterste, som er "7".
Hvis du brugte et gennemsnit, ville du beregne 29, hvilket igen er en betydelig margen væk fra et af datapunkterne.
Træk den nye medianberegning fra den gamle median for at beregne ændringen i medianværdier. I eksemplet ville beregningen være 7,0 minus 6,5, hvilket fortæller dig, at medianen er ændret med 0,5.
Hvis du beregner et gennemsnit, ville ændringen være 8,5, hvilket er et ret stort spring og sandsynligvis uberettiget.