使用方法
- 把同一组观测值依次填进「数值 1」到「数值 4」（示例 4、8、15、21）。不必排序。
- 在「口径」选择样本或总体：抽样式的数据选样本，手上就是全部对象选总体。
- 点击「计算标准差」，立即得到标准差、均值、方差和极差。
- 不确定该选哪个口径时，看提示条里的说明——页面会告诉你当前用的是除以 n−1 还是 n。
- 下方偏差表列出每个数与均值的差及其平方，可用于手工核对计算过程。
这个标准差计算器能解决什么问题
本标准差计算器把"这组数据稳不稳"变成一个可比较的数字。均值相同不代表分布相同：一批产品尺寸均值合格但标准差过大，意味着良率不稳定；两支基金平均收益相同，标准差大的那支波动更剧烈。它适用于质量检验、成绩分析、投资波动评估、实验数据处理等场景。
计算原理与变量说明
设数值为 x₁ … xₙ，均值 μ = 总和 ÷ n。
- 离差平方和：
Σ(xᵢ − μ)²，页面会逐项列出。 - 样本方差：
离差平方和 ÷ (n − 1)；样本标准差为其平方根。 - 总体方差：
离差平方和 ÷ n；总体标准差为其平方根。 - 变异系数：
标准差 ÷ 均值 × 100，用于跨量级比较离散程度。
变量含义：n 为参与计算的数值个数。样本口径用 n − 1 是为了对总体标准差做无偏估计，因此样本标准差总是略大于总体标准差。
完整示例（数值仅作演示）
示例条件：4、8、15、21 共 4 个数值，样本口径。
- 均值 12.000。
- 离差平方和 170.000。
- 样本标准差 7.528，样本方差 56.667。
- 总体标准差 6.519，总体方差 42.500。
逐项核对：4 偏差 −8（平方 64），8 偏差 −4（平方 16），15 偏差 +3（平方 9），21 偏差 +9（平方 81），合计 170。除以 (4−1) 得 56.667，开方得 7.528。
示例中的数值仅用于演示计算过程，不代表任何真实统计结果。
各数值偏差对照
下表按示例数据计算，用于逐项核对偏差与平方。
| 数值 | 与均值的偏差 | 偏差平方 | 方向 |
|---|---|---|---|
| 4 | −8.000 | 64.000 | 低于均值 |
| 8 | −4.000 | 16.000 | 低于均值 |
| 15 | +3.000 | 9.000 | 高于均值 |
| 21 | +9.000 | 81.000 | 高于均值 |
| 合计 | — | 170.000 | — |
输入范围、舍入与适用说明
- 输入范围：每个数值支持正负小数；样本口径至少需要 2 个数值，总体口径至少 1 个。
- 标准差、均值与偏差按 3 位小数显示；计算过程保留完整精度，未做提前取整。
- 样本口径下只填 1 个数值时无法计算（分母为 0），页面会给出明确提示，不会静默返回 0。
- 全部留空或填写非数字时，页面会给出明确提示。
- 标准差单位与原数据一致；跨量级比较离散程度请用变异系数，不要直接比较绝对值。
常见问题
样本标准差为什么要除以 n−1？
因为用样本均值代替真实均值会系统性低估离散程度，除以 n−1（贝塞尔校正）可以让估计无偏。n 越小差别越明显：本例样本标准差 7.528，总体标准差 6.519，相差约 15%。
样本和总体该选哪个？
如果这批数据只是更大群体的一部分（如抽检 30 件、调查 50 人），选样本；如果就是全部对象（如全班 40 人全部统计），选总体。多数实际业务场景属于样本。
标准差多大算大？
没有绝对标准，要看变异系数（标准差 ÷ 均值）。变异系数低于 10% 通常认为比较稳定，超过 30% 说明波动明显。脱离均值谈标准差的绝对值是无法判断的。
标准差和方差有什么区别？
方差是标准差的平方，好处是可加性好、便于推导，缺点是单位被平方了（如"平方米"）不好解释。标准差开了方，单位与原数据一致，更适合直接汇报。
标准差和标准误是一回事吗？
不是。标准差描述单个数据点的离散程度；标准误 = 标准差 ÷ √n，描述的是"样本均值"这个估计值的波动。做区间估计和显著性检验时用的是标准误。
数据里有极端值会怎样？
极端值会显著推高标准差，因为偏差要平方。若怀疑有录入错误或异常点，建议先用中位数和四分位距看一遍，再决定是保留还是剔除，并注明处理方式。
这个工具免费吗？
免费，无需注册即可使用。
输入的数据安全吗？
安全。计算在当前浏览器本地完成，不会上传输入内容。
相关工具
- 平均值计算器：先算均值与离差，再对照标准差看分布。
- 中位数计算器：有极端值时用中位数描述典型水平。
- 平方根计算器：方差开方得到标准差，可用来核对。
- 百分比计算器（求占比）：计算变异系数与占比。
- 计算器：查看全部计算器工具。