离散系数的计算公式_离散趋势的应用——基于离散趋势识别“种子选手”

内容导入：

大家好，这里是每天分析一点点。本期给大家介绍的是数据分析基础系列离散趋势的基本原理与应用，包括极差、方差与离散系数的原理与计算，再结合股票案例分析，讨论收益的稳定性，根据离散趋势指标计算结果解释原因。文章内容适合数据分析小白，内容深入浅出，案例贴合实际。下期给大家介绍描述性统计分析的应用，欢迎大家关注。

概念介绍：

离散趋势的概念：

离散趋势在统计学中是指一组数据在某一中心值分散的程度，它反映了各个数据远离其中心点的程度，并且从另一个方面说明了集中趋势测度值的代表程度。描述数据离散程度采用的测度值，根据所依据数据类型的不同主要有极差、分位距、方差、标准差和离散系数。

极差的原理：

极差为一组数据的最大值与最小值之差，也称全距R。容易受极端值的影响。

方差的原理：

方差与标准差表示数据集波动的大小，方差小，表示数据集比较集中，波动性小，方差大，表示数据集比较分散，波动性大。这两个指标能较好地反映出数据的离散程度，是应用最广泛的离散程度的测度值，实际应用中更多使用标准差。

离散系数的原理：

离散系数也称为变异系数，是一组数据的标准差与其相应的平均数之比。是测度数据离散程度的统计量，主要用于比较不同样本数据的离散程度，离散系数大，说明数据的离散程度大；离散系数小，说明数据的离散程度小。

特别提示：

1、极差描述了数据的范围，但无法描述其分布状态。且对异