Потому, что можно. Но не так, как Вы предлагаете. Используя взвешенное среднее, можно получить среднее арифметическое. И это практически используется. При Вашей схеме последнее наблюдение войдёт с весом 1/2, а вес первого (и второго) при каждом усреднении будет половиниться, и окончательно будет равен

, промежуточные же точки войдут с разными, постепенно растущими к концу весами. Для среднего же арифметического все точки равноправны. Подобная схема усреднения, с постоянными коэффициентами, впрочем, также бывает полезна. Она известна под названием "экспоненциального сглаживания", вычисляемого, как

( при этом принимается

)
Если альфа равна 1/2, то приходим к Вашей схеме, хотя на практике берут другие значение, сообразно выполняемой задаче (это, собственно, фильтр низких частот, не слишком хороший в плане крутизны среза, но простой и надёжный, и выбор альфы задаёт полосу пропускания). Такое усреднение неглижирует ранними наблюдениями, беря более поздние с большим весом, что целесообразно, если искомое среднее не постоянная, а медленно меняющаяся величина.
Если же Вас интересует именно среднее арифметическое (невзвешенное), то рекурсивное выражение будет включать переменные веса и выглядеть, как
