মিডিয়ান-এর সুবিধা :-(1) গণনা করা এবং বোঝা সহজ ● এটি গণনা করা সহজ এবং বোঝা সহজ।
● অনেক পরিস্থিতিতে, মাঝামাঝি পরিদর্শন দ্বারা অবস্থিত করা যেতে পারে।
(2) চরম মান দ্বারা প্রভাবিত হয় না ● এটি চরম মান দ্বারা প্রভাবিত হয় না, যেমন, বৃহত্তম এবং ক্ষুদ্রতম মান কারণ এটি একটি অবস্থানগত গড় এবং মাত্রার উপর নির্ভরশীল নয়।
(3) কঠোরভাবে সংজ্ঞায়িত ● এটির একটি নির্দিষ্ট এবং নির্দিষ্ট মান রয়েছে কারণ এটি কঠোরভাবে সংজ্ঞায়িত করা হয়েছে।
(4) গুণগত ডেটার ক্ষেত্রে সর্বোত্তম গড় ● মধ্যম হল কেন্দ্রীয় প্রবণতার সর্বোত্তম পরিমাপ যখন আমরা গুণগত ডেটা নিয়ে কাজ করি, যেখানে পরিমাপ বা গণনার পরিবর্তে র্যাঙ্কিংকে অগ্রাধিকার দেওয়া হয়।
(5) ওপেন-এন্ডেড ডিস্ট্রিবিউশনের ক্ষেত্রে দরকারী ● চরমের মান জানা না থাকলেও এটি গণনা করা যেতে পারে। তবে আইটেমের সংখ্যা জানা উচিত।
(6) গ্রাফিকভাবে প্রতিনিধিত্ব করা হয় ● এর মান নির্ধারণ করা যেতে পারে বা ওজিভ কার্ভের সাহায্যে গ্রাফিকভাবে উপস্থাপন করা যেতে পারে। যদিও, একটি পাটিগণিত গড় ক্ষেত্রে এটি সম্ভব নয়।
মিডিয়ান-এর অসুবিধা :-
(1) তথ্যের বিন্যাস প্রয়োজনীয় ● যেহেতু মধ্যম একটি গড় অবস্থান, তাই বিপুল সংখ্যক পর্যবেক্ষণের ক্ষেত্রে ডেটাকে ঊর্ধ্বগামী বা অবরোহ ক্রমে সাজানো সময়সাপেক্ষ।
(2) সমস্ত পর্যবেক্ষণের উপর ভিত্তি করে নয় ● এটি একটি অবস্থানগত গড় এবং আইটেমগুলির মাত্রা বিবেচনা করে না।
● এটি চরম মূল্যবোধকে অবহেলা করে।
(3) মহাবিশ্বের প্রতিনিধি নয়
● এটি সমস্ত পর্যবেক্ষণের উপর নির্ভরশীল নয়, তাই এটি তাদের ভাল প্রতিনিধি হিসাবে বিবেচিত হতে পারে না।
● যদি ডেটার মধ্যে একটি বড় বৈচিত্র্য থাকে তবে এটি ডেটা উপস্থাপন করতে সক্ষম হবে না।
(4) স্যাম্পলিংয়ের ওঠানামা দ্বারা প্রভাবিত ● এটি নমুনার ওঠানামা দ্বারা প্রভাবিত হয় এবং এই প্রভাব একটি গাণিতিক গড়ের ক্ষেত্রে তার চেয়ে বেশি।
(5) আরও বীজগণিতিক চিকিত্সার অভাব ● এটি একটি অবস্থানগত গড়, তাই পরবর্তী বীজগণিতিক চিকিত্সা সম্ভব নয়। উদাহরণ: আমরা ডেটার দুটি গ্রুপের মিলিত মধ্যক গণনা করতে পারি না।