Sijainnin tunnusluvuilla tarkoitetaan lukuja, jotka kuvaavat aineiston "keskimääräistä kokoa" tai arvoa. Numeeristen tietojen osalta ne voidaan ajatella kuvaavan sijaintia lukusuoralla. [br][br][color=#0000ff]Moodi (mo) on muuttujan tyypillisin arvo[/color]. Se ei välttämättä ole yksikäsitteinen, mutta sitä voidaan käyttää kaikkien mitta-asteikkojen kanssa. Aineistossa 1 on kaksi poikaa, joiden pituus on 147 cm ja kaksi poikaa, joiden pituus on 149 cm. Tässä tapauksessa on kaksi moodia ja ne ovat 147 cm sekä 149 cm. [br][br]Mediaani (md) on järjestetyn datan keskimmäinen arvo. Jos havaintojen määrä on parillinen, mediaani on kahden keskimmäisen arvon keskiarvo. Mediaania ei voida määrittää nominaaliasteikon muuttujille. Aineistossa mediaani on 150 cm, koska se on kolmastoista taulukossa 2 esitetyssä järjestetyssä aineistossa.

[color=#0000ff]Keskiarvo on tunnetuin tilastollinen tunnusluku.[/color] Se on erittäin herkkä äärimmäisille arvoille. Tästä syystä sitä ei pitäisi ilmoittaa yksistään. Esimerkiksi yksi amerikkalainen yliopisto ilmoitti, että heidän vastavalmistuneiden opiskelijoidensa keskipalkka oli erittäin korkea yhdessä ohjelmassa verrattuna alan kokonaiskeskipalkkaan. He eivät maininneet, että yksi valmistuneista oli miljoonia ansaitseva NBA-pelaaja. Tämä yksi henkilö palkallaan nosti keskiarvon korkeaksi. Kyseisen aineiston mediaani oli alhainen, mikä tarkoittaa, että 50 prosentilla valmistuneista oli alhainen palkka. Tätä NBA-pelaajaa kutsutaan [color=#0000ff]äärimmäiseksi arvoksi tai outlieriksi[/color]. Kaikki tällaiset tapaukset on tarkistettava aineistosta ja on myös päätettävä, sisällytetäänkö ne vai jätetäänkö ne pois. Jos ne otetaan mukaan,[color=#0000ff] leikattu keskiarvo tai winsoroitu keskiarvo[/color] olisi parempi. Leikatussa keskiarvossa jätetään pois tietty prosenttiosuus molempien päiden tiedoista. Winsoroidussa keskiarvossa tietty prosenttiosuus tiedoista korvataan ensimmäisellä (viimeisellä) arvolla, joka sisältyy tietoihin sisältyvään alimpaan (ylimpään) päähän. Leikatussa keskiarvossa havaintojen määrä vähenee, kun taas winsoroidussa keskiarvossa se pysyy samana. Kummassakaan tapauksessa poikkeavat arvot eivät vaikuta yhtä paljon normaaliin keskiarvoon. [br][br]Tavallinen diskreetti keskiarvo ratkaistaan kaavalla[br][br] [br]  [math]\large \overline{x} =\frac{\sum_{i=1}^n x_i}{n}=\frac{x_1+x_2+\cdots + x_n}{n}.[/math][br]               [br][br]Aineistossa 1:[br][br][math] \overline{x}=\frac{138+141+142+143+144+145+146+2\cdot 147+\cdots +167+172}{25}=151.96[/math][br][br]Keskipituus tässä aineistossa on 152 cm.[br][br]5 % leikattu keskarvo tarkoittaa, että 5 % aineiston molemmista päistä jätetään huomioimatta keskiarvoa laskettaessa. Koska 5% määrästä 25 on 1.25, niin yksi havainto molemmista päistä jätetään pois keskiarvoa laskettaessa (138 ja 172). [br][br][math] \overline{t}_{5\%}=\frac{141+142+143+144+145+146+2\cdot 147+\cdots +167}{23}=\frac{3489}{23}=151.70[/math][br][br]Winsoroitu keskiarvo olisi[br][br][math] \overline{w}_{5\%}=\frac{141+141+142+143+144+145+146+2\cdot 147+\cdots +167+167}{25}=\frac{3797}{25}=151.88[/math][br][br]Tässä aineistossa kaikki keskiarvot ovat lähellä toisiaan, joten aineistossa ei ole äärimmäisiä arvoja.[br][br]Jos osa arvoista on tärkeämpiä kuin toiset, niin silloin arvoja voidaan painottaa. Esimerikiksi korkeakouluissa päättötodistuksen keskiarvo on painotettu, jossa painoina käytetään kurssien opintopisteitä. If some values are more important than the others, then values could be weighted. Yhden opintopisteen kurssin arvosana 5 ei ole niin tärkeä kuin 5 opintopisteen kurssin arvosana 5. Mitä enemmän opintopisteitä annetaan, sitä enemmän työläämpi kurssi on ja sitä enemmän kurssin arvosanaa painaa keskiarvossa. [br][br] [color=#0000ff]Painotettu keskiarvo lasketaan kaavalla: [br][/color][br]  [math]\large \overline{x} =\frac{\sum_{i=1}^n p_ix_i}{\sum_{i=1}^n p_i}.[/math]

Seuraavassa taulukossa on erään opiskelijan kolmen kurssin opintopisteet ja arvosanat. [br][br][math]\begin{array}{cc}[br]\underline{opintopisteet}&\underline{arvosana}\\[br]5 & 2\\[br]3&5\\[br]2&4[br]\end{array}[/math] [br] [br]Painotettua keskiarvo on [br][br][math] \overline{x} =\frac{2\cdot 5 + 5 \cdot 3 + 4 \cdot 2}{5+3+2}=3.7[/math]

Kuvassa 1 on esitetty moodi, mediaani ja keskiarvo normaalijakaumalla. Ideaalitilanteessa ne ovat lähes samat ja kuvaaja noudattaa normaalijakaumaa kuten tapauksessa [i]a[/i]. Jos moodi ja mediaani ovat keskiarvoa pienemmät, kun tiedot kohdistetaan jakauman ensimmäiseen osaan (tapaus [i]b[/i]). Tämä tarkoittaa, että lopussa on poikkeavuuksia. Jos ne ovat keskimääräistä enemmän (tapaus [i]c[/i]), tiedot keskittyvät loppuun ja poikkeamat ovat ensimmäisessä osassa. Jos keskiarvo ja mediaani ovat suunnilleen samat ja moodeja on kaksi (tapaus [i]d[/i]), se osoittaa, että samassa muuttujassa voi olla kaksi erilaista normaalijakaumaista ryhmää. Sitä ei tulisi käyttää analyyseissä sellaisenaan.

[color=#0000ff]Alakvartiili [/color](q1) ja [color=#0000ff]yläkvartiili[/color] (q3) ovat sijainnin tunnuslukuja, jotka kertovan järjestetyn aineiston arvon kohdissa 25 % ja 75 %. Ylä- ja alakvartiilin väliin jää siis 50 prosenttia aineistosta. Itse asiassa mediaani on kvartiili 50%. Koska 25 % aineistosta 1 on 6,25, niin järjestetyn aineiston seitsemäs arvo on alempi kvartiili eli [math]q_1=146.[/math] Samalla tavalla järjestetyn aineiston yhdeksästoista arvo on ylempi kvartiili eli [math]q_3=157.[/math]