标准差计算器给出哪些结果

多个数据点分布在中心位置两侧

输入一组数字后，计算器会同时求出算术平均数、方差和标准差。你可以把这组数据视为完整总体，也可以视为从更大总体中抽取的样本。

总体与样本应该怎样选择

总体模式用全部观测值的数量 N 作分母。先计算每个数与总体平均数 μ 的差，再平方、求和并取平方根：

\sigma = \sqrt{\frac{\sum_{i=1}^{N}(x_i-\mu)^2}{N}}

样本模式改用 $n-1$ 作分母，并以样本平均数 x̄ 为中心：

s = \sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}

采用 $n-1$ 可以使样本方差成为总体方差的无偏估计量，但不能据此声称样本标准差 s 本身严格无偏。

名单包含研究对象的全部数值时选“总体”；名单只是用来推断更大群体的一部分时选“样本”。

数字之间可以使用空格、换行、分号或竖线。逗号后紧跟空白时，逗号也会被当作分隔符。小数点、小数逗号、科学计数法和 Unicode 负号均可识别，但不要输入千位分隔符，以免它被误判为两个数的边界。

至少需要 2 个数，最多可输入 10,000 个数和 200,000 个字符。小数位设置范围是 0 至 10，它只控制显示，内部计算与复制值仍保留可用的完整数值精度。

例一：八个数构成完整总体: 数据 2、4、4、4、5、5、7、9 的平均数是 5，离均差平方和是 32。总体方差为 $\frac{32}{8}=4$ ，所以 $\sigma=\sqrt{4}=2$ 。结论是这组数据的离散尺度为 2 个原始单位。
例二：同一组数作为样本: 平均数 5 和平方和 32 不变，分母改为 $8-1=7$ 。样本方差为 $\frac{32}{7}\approx 4.571428571$ ，于是 $s\approx 2.138089935$ 。由于分母较小，结果比总体标准差略大。
例三：三个相邻测量值: 把 99、100、101 视为总体，平均数为 100，离均差平方为 1、0、1。方差是 $\frac{2}{3}$ ，因此 $\sigma=\sqrt{\frac{2}{3}}\approx 0.816496581$ 。这说明三个值紧密集中在 100 附近。

还可以用 7、7、7 作快速检查：每个数与平均数的差都是 0，所以方差和标准差也都等于 0。

标准差始终非负，并且与原数据使用相同单位；方差的单位则是原单位的平方。标准差为零，当且仅当所有输入值相同。它不是各点到平均数距离的普通算术平均，而是方差的平方根；总体模式除以 N，样本模式除以 n 减 1。

没有适用于所有场景的“大”或“小”标准差界线，判断必须结合量纲、业务范围和分析目的。仅仅计算标准差也不要求数据服从正态分布；只有在进一步解释概率、区间或标准化位置时，分布假设才可能重要。

计算器通过居中与缩放降低大数相减造成的消去误差，并减少中间平方溢出的风险。不过，过小而被机器算术舍入为零的输入，以及超出有限数值范围或使非零方差下溢为零的结果，仍会被拒绝。

先确认列表是完整总体还是总体的一部分；这一步决定分母，也决定结果可以支持哪种结论。

当输入列表已经包含要描述对象的全部数值时使用总体模式，离均差平方和除以 N。

样本平均数由同一批数据估计，会消耗一个自由度。使用 n 减 1 可校正总体方差估计的系统性偏小。

不可以。方差非负，标准差取方差的非负平方根。所有值相同时结果正好为零。

可以，只要每一项都是有限数值。计算器会把每个值与整组数据的平均数进行比较。

不会。该设置只改变屏幕上的舍入形式，内部计算和复制内容仍保留可用的完整数值精度。

不能直接这样判断。它可能来自自然变异、量纲较大或异常值，应结合具体背景和测量过程检查。

不需要。正态性只会在某些概率解释或统计推断中成为附加条件。

以下与此主题相关的计算器可能对您有用：

如果您喜欢，请在您的社交媒体平台上分享计算器。对您来说很简单，对项目的推广很有帮助。谢谢！