标准差计算中级经济师

方差：如果有n个数据x1,x2,x3......xn,数据的平均数为x, 那么方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n 方差还有：s^2=(x1^1+x2^2+..+xn^2)-nx^2)/n标准差：方差的算术平方根

那个234568的举例是错误的，平均数应该是(2+3+4+5+6+8)/6=4.7标准差是根号(2-4.7)平方+…(8-4.7)平方/(6-1)，最后算出标准差为2.16

两个公式如图所示。在Excel中，函数STDEV是用于计算样本标准差的，函数STDEVP是计算总体标准差的。

因为有两个定义,用在不同的场合:如是总体,标准差公式根号内除以n,如是样本,标准差公式根号内除以（n-1),因为我们大量接触的是样本,所以普遍使玫氖?根号内除以（n-1),

方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n 标准差=方差的算术平方根标准差计算公式的来源标准差是反应一组数据离散程度最常用的一种量化形式，是表示精密确的最要指标。虽然样本的真实值是不能知道，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检测方法，基检测值应该很紧密的分散在真实值周围。如不紧密，那距真实值的就会大，准确性当然也就不好了，不可能想象离散度大的方法，会测出准确的结果。因此，离散度是评价方法的好坏的最重要也是最基本的指标。一组数据怎样去评价与量化它的离散度?有很多种方法：1.极差最直接也是最简单的方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法最为常见，比如比赛中去掉最高最低分就是极差的具体应用。2.离均差的平方和由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平均值的程度。因此将数据与均值之差（我们叫它离均差）加起来就能反映出一个准确的离散程度，越大离散度也就越大。但是由于偶然误差是成正态分布的，离均差有正有负，对于大样本离均差的代数相加为零的。为了避免正负问题，在数学有上有两种方法：一种是取绝对值，也就是 常说的离均差绝对值相加。而为了避免符号问题，数学上最常用的是另一种方法－－平方，这样就都成了非负数。因此，离均差的平方累加成了评价离散度一个指标。3.方差（S2）由于离均差的平方累加值与样本个数有关，只能反应相同样本的离散度，而实际工作中做比较很难做到相同的样本，因此为了消除样本个数的影响，增加可比性，将标准差求平均值，这就是我们所说的方差成了评价离散度的较好指标。我们知道，样本量越大越能反映真实的情况，而算数均值却完全忽略了这个问题，对此统计学上早有考虑，在统计学中样本的均差多是除以自由度（n-1），它是意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是n-1。4.标准差（SD）由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差。

标准差的计算公式：标准差，在概率统计中最常使用作为统计分布程度上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根，它反映组内个体间的离散程度。标准差是离均差平方和平均后的方根，用σ表示。假设有一组数值X1,X2,X3,......XN（皆为实数），其平均值（算术平均值）为μ，公式如下：扩展资料：标准差是反映一组数据离散程度最常用的一种量化形式，是表示精确度的重要指标。说起标准差首先得搞清楚它出现的目的。我们使用方法去检测它，但检测方法总是有误差的，所以检测值并不是其真实值。检测值与真实值之间的差距就是评价检测方法最有决定性的指标。但是真实值是多少，不得而知。因此怎样量化检测方法的准确性就成了难题。这也是临床工作质控的目的：保证每批实验结果的准确可靠。虽然样本的真实值是不可能知道的，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检测方法，其检测值应该很紧密的分散在真实值周围。如果不紧密，与真实值的距离就会大，准确性当然也就不好了，不可能想象离散度大的方法，会测出准确的结果。因此，离散度是评价方法的好坏的最重要也是最基本的指标。参考资料来源：百度百科-标准差