📊 标准差计算器
计算标准差、方差、均值等统计量
统计量汇总
数据个数 (n)10
总和 (Σx)867
均值 (x̄)86.7
中位数88.5
样本方差 (s²)37.7889
总体方差 (σ²)34.01
变异系数 (CV)6.73%
数据范围
最小值76
Q1（25%）83
中位数（50%）88.5
Q3（75%）91
最大值95
极差19
标准差计算器使用说明
标准差计算器是一款专业的统计分析工具，输入一组数据（支持逗号、空格或换行分隔），即可自动计算样本标准差(s)、总体标准差(σ)、均值、方差、中位数、四分位数、极差和变异系数(CV)等关键统计量。
标准差是衡量数据离散程度的最重要指标。标准差小表示数据集中在均值附近，标准差大则数据分布较为分散。本工具同时提供样本标准差和总体标准差两种计算方式，满足不同统计分析场景的需求。
核心统计公式
【均值】x̄ = Σxᵢ / n 【总体方差】σ² = Σ(xᵢ - x̄)² / n 【总体标准差】σ = √(Σ(xᵢ - x̄)² / n) 【样本方差】s² = Σ(xᵢ - x̄)² / (n-1) （贝塞尔校正） 【样本标准差】s = √(Σ(xᵢ - x̄)² / (n-1)) 【变异系数】CV = (σ / |x̄|) × 100% 【中位数】排序后中间位置的值（偶数个取平均）
实际计算案例
📋
【案例1】学生成绩分析
数据：85, 90, 78, 92, 88, 76, 95, 83, 89, 91
个数 n=10, 均值 x̄=86.7
总体标准差 σ ≈ 5.66
样本标准差 s ≈ 5.97
变异系数 CV ≈ 6.53%
解读：成绩分布较集中，CV<10%说明数据一致性较好
【案例2】两组数据对比
A组：50, 50, 50, 50, 50 → 均值=50, 标准差=0（无波动）
B组：0, 25, 50, 75, 100 → 均值=50, 标准差≈39.53（大分散）
两组均值相同但分布差异巨大——这就是标准差的意义所在
常见注意事项
💡
- 样本标准差除以(n-1)而非n，这是贝塞尔校正使估计无偏
- 当数据代表整个总体时用总体标准差(σ)，抽样时用样本标准差(s)
- 至少需要2个数据点才能计算标准差
- 变异系数(CV)用于比较不同量纲数据的离散程度
- 异常值会显著影响标准差，建议结合中位数和IQR综合判断
应用场景列表
- - 教育评估：分析考试成绩分布、评估教学质量一致性
- - 质量控制：监控产品尺寸偏差、判断生产过程是否稳定
- - 金融风险：计算投资组合波动率、评估资产收益稳定性
- - 科学实验：测量误差分析、实验重复性检验
- - 市场调研：用户评分分布、满意度调查数据分析
标准差与其他离散度量的对比
衡量数据离散程度的方法不止标准差一种：(1) 极差(Range)=最大值-最小值，最简单但对异常值敏感；(2) 四分位距(IQR)=Q3-Q1，对异常值更稳健；(3) 平均绝对偏差(MAD)=|xᵢ-x̄|的平均值，直观但数学性质不如标准差好。
标准差之所以成为最常用的离散度量，是因为它在正态分布中的特殊地位：约68%的数据落在μ±1σ范围内，95%在μ±2σ范围内，99.7%在μ±3σ范围内（68-95-99.7规则）。这一性质使得标准差在假设检验和置信区间构建中不可替代。