标准方差也就是常说的方差,用来衡量一组数据偏离均值的平均离散程度,它的计算逻辑是把每一个数据和均值做差,将差值平方之后求平均值,和标准差是配套指标,标准差就是标准方差开平方之后得到的结果,学习这个公式最核心的区分点就是总体标准方差和样本标准方差,总体标准方差分母使用全部数据个数 n,样本标准方差分母使用自由度 n 减 1,这个修正的目的是消除抽样带来的低估偏差,很多人容易把标准方差和标准差混淆,标准方差本身单位是原始数据单位的平方,计算的时候要先算出均值,再求偏差平方和,之后代入分母得到最终结果,不管是手工计算还是软件运算,底层都遵循这套公式原理。
一 标准方差核心公式
总体标准方差
σ 平方等于 求和 括号 xi 减 μ 的平方 除以 n
符号说明
σ 平方 总体标准方差
μ 总体均值
xi 第 i 个原始数据
n 总体全部数据总个数
样本标准方差
S 平方等于 求和 括号 xi 减 x 拔的平方 除以括号 n 减 1
符号说明
S 平方 样本标准方差
x 拔 样本均值
n 样本数据数量
n 减 1 自由度修正项
二 标准方差和标准差关系
标准方差等于标准差的平方
标准差等于标准方差开算术平方根
标准方差因为做了平方运算,数值会被放大,单位和原始数据单位不一致,所以很多分析场景会继续开平方得到标准差,但是在概率统计假设检验方差分析里面,一般直接使用标准方差进行运算。
三 完整手工计算步骤
第一步 收集全部数据,确认是总体数据还是抽样样本,选定对应的标准方差计算公式
第二步 计算均值,所有数据相加之后除以数据个数,得到均值
第三步 逐个计算每个数据减去均值,得到偏差
第四步 每一项偏差做平方,得到偏差平方项
第五步 全部偏差平方项相加,得到偏差平方和
第六步 代入分母,总体除以 n,样本除以 n 减 1,算出标准方差
第七步 如果后续需要标准差,对标准方差开平方
四 工具计算对照表
| 工具 | 总体标准方差函数 | 样本标准方差函数 | 备注 |
|---|---|---|---|
| Excel | VAR.P | VAR.S | P 代表总体 S 代表样本 |
| Python numpy | np.var 默认 ddof 等于 0 | np.var 设置 ddof 等于 1 | ddof 控制自由度 |
| 统计计算器 | σ 平方模式 | S 平方模式 | 部分计算器直接输出方差 |
五 深度技术要点
第一 标准方差永远是非负数,只有全部数据完全相等的时候,标准方差结果才等于零,其他情况标准方差都大于零
第二 异常值对标准方差影响非常明显,因为偏差平方会放大极端数值,离群数据会让标准方差大幅升高,做数据分析前建议筛查异常值
第三 样本标准方差的 n 减 1 修正属于无偏估计,这个只适用于简单随机抽样,分层抽样整群抽样这类复杂抽样,自由度不能直接套用 n 减 1
第四 标准方差只适用于等距等比数值型数据,分类数据等级数据不能计算标准方差
第五 如果数据是分组频数表,标准方差计算公式需要加入频数权重,也就是每一组组中值乘以对应频数,不再是单条原始数据直接求和
六 分组数据标准方差补充公式
分组频数表总体标准方差
σ 平方等于 求和 fi 乘以括号 xi 减 μ 的平方 除以 求和 fi
fi 代表每组频数
xi 代表每组组中值
【常见问题】
问题 1 标准方差为什么样本版本分母是 n 减 1
回答 1 样本标准方差如果直接除以 n,计算结果会系统性低估总体真实方差,标准方差样本公式加入 n 减 1 自由度修正,就是为了实现无偏估计,让样本标准方差更接近总体真实标准方差。
问题 2 标准方差和标准差是不是同一个东西
回答 2 标准方差和标准差不是同一个指标,标准方差是偏差平方的平均值,标准差是标准方差开平方得到的数值,标准方差是标准差的平方,两个指标经常配套使用,但是标准方差计算公式和标准差计算公式并不相同。
问题 3 标准方差计算结果可以是负数吗
回答 3 标准方差计算结果不可以是负数,因为标准方差计算公式里面所有偏差都做了平方运算,平方之后全部是非负数值,求和平均之后标准方差一定大于或者等于零。
问题 4 标准方差数值越大代表什么含义
回答 4 通过标准方差计算公式算出的数值越大,代表这一组数据偏离均值程度越高,数据越分散波动越大,标准方差数值越小,代表数据集中在均值附近,离散程度很低。
【免责申明】
本文标准方差的计算公式属于统计学基础教学内容,仅用于学习参考,科研建模方差分析假设检验等正式场景,需要结合抽样设计数据分布异常值综合判断,计算结果不能作为唯一决策依据,不构成专业统计分析建议。


