अगर सैद्धांतिक सुधार होने के अलावा कंप्यूटर विज्ञान के क्षेत्र में इस एल्गोरिथम का कोई व्यावहारिक अनुप्रयोग है
इस एल्गोरिथ्म का अनुप्रयोग तुच्छ है - आप इसका उपयोग तब करते हैं जब भी आप डेटा के एक सेट के माध्य (दूसरे शब्दों में सरणी) की गणना करना चाहते हैं । यह डेटा विभिन्न डोमेन से आ सकता है: खगोलीय अवलोकन, सामाजिक विज्ञान, जैविक डेटा, आदि।
हालांकि, यह ध्यान देने योग्य है कि कब माध्य (या मोड) के लिए माध्य पसंद करना है। मूल रूप से, वर्णनात्मक आंकड़ों में, जब हमारा डेटा पूरी तरह से सामान्य रूप से वितरित किया जाता है तो माध्य, मोड और माध्य समान होते हैं, अर्थात वे मेल खाते हैं। दूसरी ओर, जब हमारा डेटा तिरछा होता है, यानी हमारे डेटा के लिए फ़्रीक्वेंसी डिस्ट्रीब्यूशन (बाएं / दाएं) तिरछा होता है, तो इसका अर्थ सर्वश्रेष्ठ केंद्रीय स्थान प्रदान करने में विफल रहता है क्योंकि स्केवनेस इसे विशिष्ट मान से बाईं या दाईं ओर खींच रही है , जबकि मंझला तिरछे डेटा से उतना अधिक प्रभावित नहीं होता है, और इस प्रकार यह एक विशिष्ट मान की ओर इशारा करते हुए इस स्थिति को बनाए रखता है। इस प्रकार जब आप तिरछे डेटा से निपटते हैं तो एक माध्य की गणना करना बेहतर हो सकता है।
इसके अलावा, मशीन लर्निंग वह है जहाँ सांख्यिकीय विधियों का भारी उपयोग किया जाता है, उदाहरण के लिए -medians क्लस्टरिंगk ।