方差是各个数据与平均数之差的平方的平均数.pdfVIP

关于试卷分析的序列概念辑要

1、方差：是各个数据与平均数之差的平方的平均数。在概率论和数理统计

中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之

间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度

有着很重要的意义。

如下面的例子：

已知某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测

量结果X用坐标上的点表示如图：

甲仪器测量结果：

乙仪器测量结果：

两台仪器的测量结果的均值都是a。但是用上述结果评价一下两台仪器的

优劣，很明显，我们会认为乙仪器的性能更好，因为乙仪器的测量结果集

中在均值附近。

方差，通俗点讲，就是和中心偏离的程度！用来衡量一批数据的波动大

小（即这批数据偏离平均数的大小）并把它叫做这组数据的方差。记作

Ssup2;。在样本容量相同的情况下，方差越大，说明数据的波动越大，

越不稳定。

2、标准差（StandardDeviation）：也称均方差（meansquareerror），

是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，

用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散

程度。平均数相同的，标准差未必相同。

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。

3、偏度：在机率论和统计学中，偏度（Skewness）衡量实数随机变量概率

分布的不对称性。偏度的值可以为正，可以为负或者甚至是无法定义。在

数量上，偏度为负（负偏态）就意味着在概率密度函数左侧的尾部比右侧

的长，绝大多数的值（包括中位数在内）位于平均值的右侧。偏度为正（正

偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（包

括中位数在内）位于平均值的左侧。偏度为零就表示数值相对均匀地分布

在平均值的两侧，但不一定意味着其为对称分布。

偏度分为两种：

负偏或负偏态（negativeskew）：左侧的尾部更长，分布的主体集中在右

侧。这种情形又可被称为左偏态（skewedtotheleft）[1]。

正偏或正偏态（positiveskew）：右侧的尾部更长，分布的主体集中在左

侧。这种情形又可被称为右偏态（skewedtotheright）[1]。

如果分布对称，那么平均值=中位数，偏度为零（此外，如果分布为单峰分

布，那麽平均值=中位数=众数）。

负偏态（左）和正偏态（右）

4、峰度：峰度的概念：峰度是用来反映频数分布曲线顶端尖峭或扁平

程度的指标。有时两组数据的算术平均数、标准差和偏态系数都相同，但

他们分布曲线顶端的高耸程度却不同。

峰度系数公式：

峰度系数（Kurtosis）用来度量数据在中心聚集程度。在正态分布情况下，

峰度系数值是0。正的峰度系数说明观察量更集中，有比正态分布更长的尾

部；负的峰度系数说明观测量不那么集中，有比正态分布更短的尾部，类

似于矩形的均匀分布。峰度系数的标准误用来判断分布的正态性。峰度系

数与其标准误的比值用来检验正态性。如果该比值绝对值大于2，将拒绝正

态性。偏度系数（Skewness）用来度量分布是否对称。正态分布左右是对

称的，偏度系数为0。较大的正值表明该分布具有右侧较长尾部。较大的负

值表明有左侧较长尾部。偏度系数与其标准误的比值同样可以用来检验正

态性。

5、全距：全距是用来表示统计资料中的变异量数(measuresofvariation)，其

最大值与最小值之间的差距；即最大值减最小值后所得之数据。其适用于等距

变量、比率变量，不适用于名义变量或次序变量。

全距也称为极差，是指总体各单位的两个极端标志值之差，即：R=最

大标志值－最小标志值

因此，全距（R）可反映总体标志值的差异范围。

例：有两个学习小组的统计学开始成绩分别为：

第一组：60，70，80，90，100

第二组：78，79，80