中位数不受具体数据分布的影响

在处理缺失值时，选择适合的方法取决于数据的分布特性和分析目标。对于偏态分布的数据，适合的缺失值填补方法会有所不同。让我们分析选项：

A: **将存在缺失值的样本删除**
- 这种方法简单直接，但可能会导致数据量的减少，尤其是在缺失值较多时，可能会丢失大量信息，不适合偏态分布情况下保持数据的完整性。

B: **将存在缺失值的变量删除**
- 这种方法适用于变量的重要性较低且不能有效填补缺失值的情况，但会丢失该变量的全部信息，也不具体针对偏态分布。

C: **中位数填补**
- 中位数填补是偏态分布情况下的良好选择，因为中位数受极端值影响较小，相对于均值填补，更能代表数据的中心趋势。

D: **均值填补**
- 对于偏态分布，均值容易受到极端值的影响，不如中位数适合。因此，均值填补不推荐用于偏态分布的数据。

因此，针对明显偏态分布的数据，中位数填补（C）通常是更为合适的方法，因为它能够有效减少极端值的影响，更准确地反映数据的中间趋势。