使用方法
- 输入数据
输入一组数据，用逗号或空格分隔。
- 选择类型
选择数据代表总体还是样本。
- 查看结果
点击计算按钮，查看标准差、方差、均值等统计量。
什么是标准差？
标准差（standard deviation）是一种离散程度的度量，用一个数字概括数据相对于均值的分散程度。即使两组数据的均值相同，只要标准差不同，其稳定性和风险也会截然不同。
为什么重要
标准差揭示了仅靠均值无法看到的波动性。数值越小，数据越紧密地聚集在均值附近，可预测性越高；数值越大，数据分散得越广，不确定性也越大。
应用领域
- 金融：用股价或收益率的标准差来衡量投资风险（波动率）。
- 质量管理：如六西格玛通过管理工序的离散程度来降低不良率。
- 考试与研究：评估成绩分布的均匀性以及实验测量值的误差范围。
在正态分布中，所谓的 68-95-99.7 法则使解释变得直观：约 68% 的数据落在均值 ±1σ 之内，约 95% 落在 ±2σ 之内。
计算公式
总体标准差为 σ = √(Σ(xᵢ − μ)² / N)，样本标准差为 s = √(Σ(xᵢ − x̄)² / (N − 1))。其中 xᵢ 是各个数据，μ（或 x̄） 是均值，N 是数据个数。
分步示例
当数据为 {2, 4, 4, 4, 5, 5, 7, 9} 时：
- ① 均值 μ = (2+4+4+4+5+5+7+9) / 8 = 40 / 8 = 5
- ② 离差平方和 Σ(xᵢ−μ)² = 9+1+1+1+0+0+4+16 = 32
- ③ 总体方差 = 32 / 8 = 4 → σ = √4 = 2
- ④ 样本方差 = 32 / (8−1) = 4.5714 → s ≈ 2.138
由于样本除以 N−1，其标准差总是略大于总体标准差。
常见问题
总体标准差和样本标准差有什么区别？
总体标准差针对全部数据并除以 N，样本标准差针对部分样本并除以 N-1。样本之所以使用 N-1，是为了无偏地估计总体方差（无偏估计）。对于相同的数据，样本标准差总是略大一些。
方差与标准差是什么关系？
标准差是方差的平方根。方差是数据与均值之差的平方的平均值，因此单位是原始数据的平方（例如元²），而标准差在取平方根后回到原始单位，解释起来更直观。
标准差越大意味着什么？
标准差越大，意味着数据离均值越远地分散，表示波动性和不确定性越大。反之，数值越小，说明数值聚集在均值附近，更稳定且更可预测。
标准差为 0 是什么意思？
意味着所有数据都是同一个值。由于每个值与均值之间没有任何差异，离差平方和为 0，因此方差和标准差都为 0。
我应该为我的数据选择哪种模式？
如果分析对象就是整个总体（例如某个班级全体学生的成绩），请选择总体（N）模式；如果是从更大总体中抽取的部分样本（例如用 100 名问卷受访者来估计总体），请选择样本（N-1）模式。用于统计推断的数据通常应使用样本模式。
为什么只有一个数据时算不出样本标准差？
样本标准差要除以 N-1，当数据只有一个时分母变为 0，因而无定义。本计算器在这种情况下不会报错，而是安全地将标准差处理为 0。要得到有意义的样本标准差，至少需要两个数据。
负数数据也能计算吗？
可以。标准差会对与均值之差取平方，因此无论正负，结果始终大于等于 0。例如 {-2,-1,0,1,2} 的总体标准差约为 1.414（√2）。
如何用标准差解读数据分布？
如果数据接近正态分布，就可以应用 68-95-99.7 法则。约 68% 的数值分布在均值 ±1σ 区间内，约 95% 在 ±2σ 内，约 99.7% 在 ±3σ 内。明显超出该范围的数值可以怀疑为异常值。
2026年验证公式