方差与标准差衡量数据波动大小的计算方法

数据分析中，仅知道平均值远远不够。例如，两组数据的平均值可能相同，但一组数据紧密围绕平均值，另一组则分散在很大范围内。为了精确描述这种“分散程度”，我们需要计算方差和标准差。

阶段一：计算数据的平均值

方差和标准差的计算都基于所有数据与平均值的偏离程度。因此，第一步是 求出 数据的平均值（算术平均数）。

1. 收集 所有数据点。例如，一组数据：3， 5， 7， 9， 11。共有 5 个数据。
2. 求和 所有数据：3 + 5 + 7 + 9 + 11 = 35。
3. 除以 数据个数：35 ÷ 5 = 7。平均值 \bar{x} = 7。

记一般公式：若有 n 个数据 x_1, x_2, \dots, x_n，则平均值 $\bar{x} = \frac{\sum_{i=1}^n x_i}{n}$。这里 $\sum$ 表示求和。

阶段二：计算每个数据与平均值的差值的平方

“波动大小”的核心思想是看每个数据点离平均值有多远。为了防止正负抵消，我们 计算 差值的平方。

1. 用 每个数据减去平均值，得到差值：3-7=-4，5-7=-2，7-7=0，9-7=2，11-7=4。
2. 将 每个差值平方，得到平方差：(-4)^2=16，(-2)^2=4，0^2=0，2^2=4，4^2=16。
3. 写出 平方差列表：16， 4， 0， 4， 16。

通式：第 i 个数据的平方差为 $(x_i - \bar{x})^2$。

阶段三：计算方差（总体方差与样本方差）

方差是这些平方差的平均值。但是，根据数据是代表整个总体还是仅为一个样本，计算方法略有不同。

3.1 计算总体方差（已知所有数据）

1. 求和 所有平方差：16 + 4 + 0 + 4 + 16 = 40。
2. 除以 数据个数 n：40 ÷ 5 = 8。总体方差 $\sigma^2 = 8$。

公式：$\sigma^2 = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n}$。希腊字母 $\sigma$（西格玛）表示总体标准差，其平方 $\sigma^2$ 为总体方差。

3.2 计算样本方差（数据是总体的一个样本）

如果以上 5 个数据只是从一大群数据中抽出的样本，那么我们需要用 n-1 代替 n 来修正偏差（无偏估计）。

1. 求和 平方差（同上）：40。
2. 除以 n-1 = 4：40 ÷ 4 = 10。样本方差 $s^2 = 10$。

公式：$s^2 = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n-1}$。小写 s 表示样本标准差。记住：用 n-1 作为分母是为了让样本方差更准确地估计总体方差。

判断依据：如果你手头的数据本身就是全部数据（如全班学生的考试成绩），使用总体方差；如果是随机抽取的少数数据（如对1000人中抽10人的身高），使用样本方差。

阶段四：计算标准差

方差因为平方操作，单位变成了原始数据单位的平方，不直观。标准差则开平方根，恢复原始单位。

1. 对 方差开平方根。
2. 若为总体方差 $\sigma^2 = 8$，则总体标准差 $\sigma = \sqrt{8} \approx 2.828$。
3. 若为样本方差 $s^2 = 10$，则样本标准差 $s = \sqrt{10} \approx 3.162$。

公式：$\sigma = \sqrt{\sigma^2}$， $s = \sqrt{s^2}$。标准差越小，数据越集中在平均值附近；标准差越大，数据越分散。

阶段五：综合示例区分总体与样本

假设你想知道某城市所有成年人的平均身高，但不可能测量每个人。你随机测量了 6 个人的身高（单位cm）：160， 165， 170， 175， 180， 185。

1. 计算 平均值：$\bar{x} = \frac{160+165+170+175+180+185}{6} = \frac{1035}{6} = 172.5$。
2. 计算 每个差值平方：
   • (160-172.5)^2 = 156.25
   • (165-172.5)^2 = 56.25
   • (170-172.5)^2 = 6.25
   • (175-172.5)^2 = 6.25
   • (180-172.5)^2 = 56.25
   • (185-172.5)^2 = 156.25
3. 求和 平方差：$156.25+56.25+6.25+6.25+56.25+156.25 = 437.5$。
4. 计算 样本方差：$s^2 = \frac{437.5}{6-1} = \frac{437.5}{5} = 87.5$。
5. 计算 样本标准差：$s = \sqrt{87.5} \approx 9.354$。

如果这 6 个人是全市所有人（显然不可能），则总体方差 $\sigma^2 = \frac{437.5}{6} \approx 72.917$，总体标准差 $\sigma \approx 8.539$。实际场景中，这里应使用样本公式。

阶段六：用计算器或软件快速实现

手工计算繁琐，实际中常用电子表格或编程工具。这里以 Excel 或 Google Sheets 为例：

1. 输入 数据到一列，例如 A1 到 A6 依次为身高值。
2. 计算 平均值：在任意空白单元格 输入 =AVERAGE(A1:A6)。
3. 计算 样本标准差： 输入 =STDEV.S(A1:A6)（Excel 2010 以上）或 =STDEV(A1:A6)（旧版）。结果约 9.354。
4. 计算 总体标准差： 输入 =STDEV.P(A1:A6)，结果约 8.539。
5. 计算 样本方差： 输入 =VAR.S(A1:A6)。
6. 计算 总体方差： 输入 =VAR.P(A1:A6)。

在 Python 中，使用 numpy 库：

import numpy as np
data = [160, 165, 170, 175, 180, 185]
# 样本标准差（默认ddof=1）
s = np.std(data, ddof=1)   # 约9.354
# 总体标准差
sigma = np.std(data)       # 约8.539

注意：ddof（Delta Degrees of Freedom）参数指定分母为 n - ddof。ddof=1 对应样本公式，ddof=0 对应总体公式。

阶段七：理解标准差的实际意义

标准差不仅告诉你数据是否分散，还能结合平均值构成一个范围来衡量“正常值”。例如，假设考试成绩平均值 70 分，标准差 10 分，那么约 68% 的数据落在 70 ± 10 分之间（若数据近似正态分布）。记住：标准差越小，数据越稳定；标准差越大，波动越明显。

警告：标准差对极端值（异常大或异常小的数据）非常敏感。一个离群值会大幅增加标准差。在分析前建议先检查数据中是否有明显错误值。