标准偏差：评价数据的离散程度

我们知道了方差是用来评价一组数据的离散程度，然而他与原数据 不处在同一个级数下，往往很难理解数据的离散程度，这个时候就需要引入 标准偏差 和变异系数，让这个指标 归一化，能更简单的去评价数据的离散程度。

标准偏差（Standard Deviation）

定义

标准差（又称标准偏差、均方差，英语：Standard Deviation，缩写SD），为方差开算术平方根，反映组内个体间的离散程度。¹

$标准偏{差}^2$ = 方差

---

$方差：{\sigma }^2=\frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2.$
$标准偏差：SD（\sigma ）=\sqrt{\frac{1}{n}\sum _{i=1}^n(x_i-\bar{x}{)}^2}.$

---

根号里的式子其实就是方差的计算式，$\bar{x}$ 是数据的平均值

如何理解

统计学在68-95-99法则里经常会用到标准偏差。
可以理解为分别有68%，95%，99.7%的几率在平均值±1标准偏差μ ± 1σ，μ ± 2σ，μ ± 3σ的范围内发生概率事件。

• 如果一组数据服从正态分布，标准偏差能简单的表示这组数据出现某个范围的发生概率。

名字的由来

标准偏差的名字首先是，

• 数据和平均值的差表示为 偏差,由于偏差的和有可能 $\le$ 0 ，为了让偏差来代表整组数据的离散程度，且不会出现小于0的值。
• 用偏差平方并取平均值，也就是 方差
• 把平方去掉，让这个指标归一化（标准），也就的来了标准偏差。

---

小结

• 方差和标准偏差都代表了数据的离散程度
• 方差：（各数据和平均的差）的平方的均值
• 标准偏差：方差的平方根
• 标准偏差和原始数据在 同一级数下，所以更方便使用和评价。

---

---

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

---

1. WIKIPEDIA ↩︎