从5局的名次计算平均顺位
首先，计算最近5局的名次为“第一、第三、第二、第四、第二”时的平均顺位。
平均顺位 ＝ 名次总和 ÷ 对局数
名次为第一、第三、第二、第四、第二时
作为分子的名次总和为“1＋3＋2＋4＋2＝12”。作为分母的对局数为5，因此12除以5得到的平均顺位是2.40。
平均顺位越小，表示统计期间取得前列名次的次数越多。不过，不能只凭5局的2.40判断实力或各名次次数。对局数越少，一次第一名或第四名就越会让数值明显变动。
也可通过各顺位率计算相同的平均顺位
已知四人麻将各顺位率时，也可以通过“1×头名率＋2×第二名率＋3×第三名率＋4×末位率”求得。计算时请将百分比换为小数。若头名率30%、第二名率25%、第三名率25%、末位率20%，则1×0.30＋2×0.25＋3×0.25＋4×0.20＝2.35。
这个公式与按各名次次数计算的结果一致。若不一致，请确认是否统计期间不同、包含了未完成对局，或是百分比显示四舍五入造成的误差。
四麻2.50与三麻2.00的含义
假设所有人获得各名次的概率相同，平均顺位就是名次编号的平均值。由这一对称的顺位分布得到的数值，在四人麻将中为2.50，在三人麻将中为2.00。
| 形式 | 计算 | 中心值 |
|---|---|---|
| 四人麻将 | (1＋2＋3＋4) ÷ 4 | 2.50 |
| 三人麻将 | (1＋2＋3) ÷ 3 | 2.00 |
中心值并非强弱的分界线
这并不意味着“在四人麻将中低于2.50就一定很强”。对手、比赛时长、顺位点、提前结束条件都会改变结果，因此不能以2.49和2.51为界判断水平。
四人麻将的2.50与三人麻将的2.00也不能直接比较。由于可取得的名次数不同，应分别解读相同人数和规则下的记录。
使用外部参考值时，请确认服务对象、牌桌或段位、比赛形式、规则、统计期间和对局数是否与自己的记录相符。无法将未说明条件的数值直接套用为个人目标。
以中心值为基准解读四麻平均顺位
四人麻将的平均顺位可通过它与数学中心值2.50的差来解读。下表用于查看与中心值的差，并不是实力分级表。
| 四麻平均顺位 | 数值位置 | 解读方式 |
|---|---|---|
| 2.30 | 比中心值低0.20 | 与相同条件下的过往战绩比较，并确认对局数和顺位分布 |
| 2.40 | 比中心值低0.10 | 低于2.50，但不能据此认定短期实力 |
| 2.50 | 对称分布的中心 | 各名次分别占25%时的计算值 |
| 2.60 | 比中心值高0.10 | 分别查看头名率和末位率中哪一项发生了变化 |
示例中的2.40比中心值2.50低0.10，但不能只凭这一差值断定“2.40就很强”。对局数较少时，一次名次就会明显改变平均值；对手或规则不同，也无法使用同一基准比较。
M League全40名选手的平均顺位分布
M League 2025-26常规赛官方页面公布了全部40名选手的战绩。官方字段“平着”就是本文所说的平均顺位。
该分布把官方页面显示值分成5个区间，并确认3＋12＋10＋11＋4＝40人。本文没有重新计算或重新四舍五入官方“平着”数据。
各选手的比赛场数从20场到39场不等。这是让40名选手各占相同权重的选手分布，并非按比赛场数加权的分布，因此不能用来确定选手整体的平均顺位或个人实力标准。
比较3名M League选手的官方战绩
下表从M League 2025-26常规赛官方战绩中选出平均顺位与顺位分布关系不同的3名选手。连对率是获得第一名或第二名的比赛比例。
| 选手 | 场数 | 平均顺位 | 第一/第二/第三/第四 | 头名率 | 连对率 | 避四率 | 个人积分 |
|---|---|---|---|---|---|---|---|
| 下石戟 | 38场 | 2.07 | 14/13/5/6 | 36% | 71% | 84% | +614.0pt |
| 白鸟翔 | 35场 | 2.31 | 7/15/8/5 | 20% | 62% | 85% | +110.2pt |
| 泷泽和典 | 33场 | 2.33 | 14/3/7/9 | 42% | 51% | 72% | +368.4pt |
下石选手在38场比赛中的平均顺位为2.07，头名率36%，连对率71%，避四率84%。
表中的比例由官方页面显示值换算为百分比，3名选手的比赛场数也不相同。
白鸟选手与泷泽选手的平均顺位仅相差0.02，但头名率相差22个百分点，避四率相差13个百分点。不能只根据这3名选手的战绩推断打法特点、差异成因或长期实力。
平均顺位与M League积分的计算方式不同
平均顺位是名次编号的算术平均值，而M League官方比赛规则采用的顺位点并非等间隔。
| 名次 | 顺位点 |
|---|---|
| 第一名 | +50.0pt |
| 第二名 | +10.0pt |
| 第三名 | -10.0pt |
| 第四名 | -30.0pt |
M League积分还会计入根据终局持点计算的素点。即使平均顺位接近，只要顺位分布和各场素点不同，个人积分也会有很大差异。
5项辅助指标回答的问题
仅凭平均顺位，既无法知道哪些名次发生了增减，也无法了解分差有多大。让下面5项指标逐一对应要回答的问题。
放铳率是因自己的舍牌被对手荣和的局数比例。
| 指标 | 计算 | 回答的问题 |
|---|---|---|
| 头名率 | 第一名次数 ÷ 对局数 × 100 | 取得第一名的频率如何 |
| 连对率 | 第一名与第二名次数 ÷ 对局数 × 100 | 以第一名或第二名结束的比例如何变动 |
| 末位率 | 最后一名次数 ÷ 对局数 × 100 | 未能避免最后一名的频率如何 |
| 平均分数 | 分数总和 ÷ 对局数 | 除名次以外，得失分的幅度如何 |
| 放铳率 | 放铳局数 ÷ 目标局数 × 100 | 放铳局所占比例如何变动 |
即使平均顺位变差，也不能仅凭这个数值断定原因是“进攻过度”或“防守过度”。应先通过头名率、连对率、末位率拆分名次变化，再用平均分数确认分差。放铳率所能说明的也只是发生放铳的局数比例。要调查原因，需要通过对局记录或笔记确认放铳局的手牌、对手的动向、巡目等。
平均分数和实际收支也是不同的数字。收支还会加入费率、筹码、场地费等，详细换算请参考麻将收支计算方法。
即使平均顺位相同，内容也不同
比较两位在20局中平均顺位均为2.50的玩家。两人的名次总和都是50，但顺位分布差异很大。
| 玩家 | 第一名 | 第二名 | 第三名 | 第四名 | 平均顺位 |
|---|---|---|---|---|---|
| A：起伏较大 | 8次 | 2次 | 2次 | 8次 | 2.50 |
| B：中间名次较多 | 2次 | 8次 | 8次 | 2次 | 2.50 |
A的头名率和末位率均为40%，B则均为10%。虽然平均顺位相同，A的第一名和第四名较多，B则集中在第二名和第三名。哪种更理想取决于顺位点和目标，因此应保留顺位分布再作判断。
平均顺位改善的两种情况
无论是增加前列名次，还是减少后列名次，平均顺位都会改善。在20局中，若有2次第四名变为第三名，名次总和减少2，平均顺位改善0.10。同样地，若有2次第二名变为第一名，也会改善0.10。变化量相同，但前者减少了末位，后者增加了头名。
因此，在月度报告中将“头名率较上月的变化”“末位率较上月的变化”列在平均顺位旁边，就能简要说明变化方向。对局数不同的月份应比较比例而非次数，并务必同时注明作为分母的对局数。
比较战绩前应统一的条件
比较两项战绩时，应先统一人数、比赛时长、采用规则、统计期间和对局数。因为把条件不同的记录合并在一起，就无法区分打法变化与环境差异。
统一人数
三人麻将与四人麻将的名次范围不同，应分开统计。
统一比赛时长和形式
以东场至南场为基本的半庄战，与以东场为基本的东风战，单局比赛时长不同。名称和结束条件也可能因规则而异，因此记录时应统一实际采用的形式。
统一计分与结束规则
顺位点、赤宝牌、提前结束条件、对局群体发生变化的日期，都应留下备注。即使平均顺位相同，分数评价和容易取得的名次分布也可能不同。
统一统计期间和对局数
短期数据会包含偶然波动。不要设置统一的“足够”标准，而应同时标注在相同形式与规则下收集的期间和对局数。
对局数较少时，单局影响更大
在四人麻将中，若有1次第四名变为第一名，名次总和会减少3。用3除以对局数，就能算出平均顺位的变化幅度。
| 对局数 | 平均顺位变化幅度 |
|---|---|
| 10 | 0.300 |
| 30 | 0.100 |
| 100 | 0.030 |
| 300 | 0.010 |
这张表是本文自行计算的示例，并非外部实证数据。即使显示到小数点后两位，对局数较少时的差异也不能用来断定长期实力差距。
麻将实力估计研究也指出，仅凭平均顺位推定时可能产生较大方差。本文不设置统一的“最低对局数”，而是并列短期与累计数据，确认扩大统计样本后趋势是否仍然存在。
区分短期与累计数据
应分别显示用于观察近期变化的期间与用于观察长期趋势的累计数据。即使使用固定的30局等样本数，也不要把该数字本身当作实力判断边界，只纳入相同形式和规则的记录。
每月复盘战绩的顺序
- 统一人数、比赛形式和规则
- 确认目标期间与对局数
- 并列查看平均顺位与顺位分布
- 查看头名率、连对率、末位率中哪些发生变化
- 分别确认平均分数与收支
- 复盘波动较大期间的对局内容或规则变更
如果还没有决定记录方式，也请参考麻将收支管理应用的选择方法。
月度复盘的写法
例如：“四人麻将半庄战，24局。平均顺位2.38（上月2.55），头名率29.2%，末位率16.7%。末位率下降，但对局数较少，因此还要确认累计数据和下个月的数据。”像这样，把统计条件、对局数、主要数值以及仅凭数值无法判断的事项写在同一条记录中。
除了数值，还要记录该期间出现的具体局面。例如：“南场庄家位2次逆转名次”“面对对手立直时强打无筋牌的对局中，有3次被对手和牌。”这样的记录能帮助筛选下一步要复盘的局面。MemoJong 不会自动评估攻守取舍或危险牌，请重新查看记录的局面，自行判断当时的选择是否合理。
关于麻将平均顺位的常见问题
四人麻将的平均顺位2.4算好吗？
2.40比中心值2.50低0.10，但不能仅凭这一点判断实力。请在相同形式、规则、对局群体和期间内与自己的过往战绩比较，并同时确认对局数和完整的顺位分布。
可以把平均顺位2.3段作为目标吗？
可以把2.3段作为与自己在相同条件下的过往战绩比较时的目标。请同时注明对局数以及第一名至第四名的分布，不要把它当成适用于所有人的合格线。
平均顺位可以在三麻和四麻之间比较吗？
不能直接比较。由于名次范围和数学上的中心值不同，应分为三麻之间、四麻之间比较。东风战和半庄战也应根据目的分别统计。
需要多少局才能相信平均顺位？
没有适用于所有人的最低对局数。若一次第四名变为第一名，10局时平均顺位变化0.300，30局时为0.100，100局时为0.030，300局时为0.010。请利用这张感度表，在注明期间和对局数的情况下并列短期与累计数据。
可以把职业选手或M League的平均顺位设为个人目标吗？
不能直接套用。对手群体、规则、统计期间和比赛场数都不同。M League战绩仅适合作为在相同条件下比较多项指标的示例。
为什么平均顺位接近的M League选手积分会不同？
因为M League的顺位点并非等间隔，而且每场比赛还会计入素点。即使平均顺位接近，只要顺位分布和各场素点不同，个人积分也不会相同。
平均顺位应与顺位分布一起解读
仅凭平均顺位无法看出头名与末位的偏向或分差。请使用在相同人数、比赛形式、规则和期间下收集的顺位分布与辅助指标，逐一确认哪些数值发生了变化。