总体标准差和样本标准差，numpy和excel对比-CSDN博客

本文链接：https://blog.csdn.net/sonnet00/article/details/137371091

评估测量工具的重复性时，常使用标准差作为评价手段。以运动轴为例，通用的测试方法是令其在一定范围内往复运动5次，记录经过一些等间距点（通常是7个点）时的实际位置，然后分析这5次的标准差。

标准差是统计学概念，有总体标准差（population）和样本标准差（sample）之分。

总体标准差的公式为

$\sigma_{population}=\sqrt{\frac{\sum_{i=1}^{N}(x_i-\bar{x})^2}{N}}$

样本标准差的公式为

$\sigma_{sample}=\sqrt{\frac{\sum_{i=1}^{N}(x_i-\bar{x})^2}{N-1}}$

可以看到，相同的数据下，样本标准差明显会更大一些，这是由于样本标准差的样本量N只是总体中的一部分，为了实现无偏，要将其稍增大。根据公式可以看出，当样本量N趋于无穷大时，两种标准差是等价的。

实际测量过程中，不可能无限制的采样，如上述的例子，只采集5个样本评价运动轴的重复性，那么需要使用样本标准差。

Excel中的标准差函数较为明确，STDEV用于计算样本标准差，STDEV.P用于计算总体标准差。

Python.Numpy中的函数为np.std，默认计算总体标准差，其参数ddof默认为0。要计算样本标准差需要修改其ddof参数为1。

如下计算1和-1的总体标准差和样本标准差，输出分别为1和1.414

import numpy as np
a = [1,-1]
sigma_popolation = np.std(a)
print(sigma_popolation)
sigma_sample = np.std(a,ddof=1)
print(sigma_sample)