标准差(方差)的概念与应用.docxVIP

标准差 公式 标准差也被称 为标准偏差 ，或者实验标准差， 公式如图。 简单来说 ，标准差是一组数据 平均值 分散 程度的一种度量。 一个较 大的标准差， 代表大 部分数值和其平均 值之间差异较大 ；一个较小的标准 差，代表这些数 值较接近 平均值 。 例如 ，两组数的集合 {0, 5, 9, 14} 和 {5, 6, 8, 9} 其平 均值都是 7 ，但第二 个集合具有较 小的标准差。 标准差可 以当作不确定性的一种测量。例如在物 理科学中，做重复性测量时，测 量数值集合的 标准差代表这些测量的精确度 。当要决定测量值是否符合预 测值，测量 值的标准差占 有决定性重要角色：如果测 量平均值与预测值相差太远（同时与标准差 数值 做比较），则认为测 量值与预测 值互相矛盾。 这很容易理解 ，因为如果 测量值都 落在一定数值 范围之外，可以合理推论预测值 是否正确。 标准差应 用于投资上，可作为量度回报稳定性的 指标。标准差数值越大，代表回 报远离过去平 均数值，回报较不稳定故风险 越高。相反，标准差数值越 细，代表回报 较为稳定，风 险亦较小。 例如， A、 B 两组各有 6 位学生参 加同一次语文测验， A 组 的分数为 95、85、7 5、65、55、45，B 组的分数为 73、72、71、69、68、67。这 两组的平均数都是 70， 但 A 组的标准差为 17.07 分 ，B 组的标 准差为 2.37 分（此数据时在 R 统计软件中运 行获得 ），说明 A 组 学生之间的差距要比 B 组学生之间的差距大得多。 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 使用根号内除以（ n-1) 公式 意义 所有数减去其平 均值的平方 和，所得 结果除以 该组数之 个数（或 个数减一 )，再 把所得值开根 号，所得之数就是这组数据的标 准差。 [编辑本段 ] 标准差的意义 标准 差越高 ,表示 实验数据越离散 ,也就是说越 不精确 反之 ,标准差越低 ,代表实验的数据越精确 [编辑本段 ] 离散度 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。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，基检测值应该很紧密 的分散在真实值 周围。如何 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 怎样去评价和量化它的离散度呢 ?人们使用了很多种方 法： 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。这一方法在日常生活中最为常见 ，比如比赛中去掉最高最低 分就是 极差 的具 体应用。 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。和 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 和为零 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 绝对值之和。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 平方和成了评价离散度 一个 指标。 方差（ S2） 由于离均 差的平方和与样本个数有关 ，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。 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。 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