标准差和标准偏差

1）首先给出计算公式 标准差：(xx)i2N（1）

2标准偏差：s(xx)iN1（2）

这下大家就困惑了，这两个公式分别表示什么意义？他们分别在什么情况下用？这两个公式是怎么来的？ 2）公式由来 标准差又叫均方差、标准方差，这个大家都不陌生，它是各数据偏离平均数的距离的平均数，是距离均差平方和平均后的方根，用σ表示。。说白了就是表示数据分本离散度的一个值。计算公式也很好理解，从一开始接触我们用的看的都是这个公式。 那么第二个公式，怎么来的呢？其实标准偏差从样本估计中来的。比如我们有一批数据，共10000个点，他们服从正太分布，很容易计算出它的均值和标准差。在这里我们叫做样本均值和样本标准差。表示如下：

1n样本均值：XXi

ni11n样本方差：s(XiX)2

ni12n 这两个公式就是大家常用的公式。那么现在我们认为，我们想用采集到的这10000个样

2

本估计数据的真实分布，想要求出其均值和方差。

对于均值，我们容易通过期望获得：

E(X)

(X

但是对于方差，我们知道

i1niX)22是服从卡分分布n1的（这一点请查阅卡分分

2布的定义）。因此有下面的公式：

E(s)2n2nE(2nsn2)2n(n1)

这个公式的第一个等号后面是利用期望的性质，试图构造卡分分布来求解。第二个等号后面是利用卡分分布的均值计算出来的。请自行查阅卡方分布的定义和性质。

2这么一来，我们就能看出，X是的无偏估计，而sn则不是的无偏估计。但是我

2

22们可以通过对样本方差进行重新构造，从而是sn就是的无偏估计。我们定义：

1ns(XiX)2 n1i12这样我们重新来求解方差的期望：

E(s)

2n2n1E(2(n1)sn2)2n1(n1)2

这样一来，s2就是2的无偏估计，这也就是这个公式的由来。

3）这两个公式的应用。 在实际中，公式（2）用的更多。因为当样本容量比较小的时候，公式（1）会过小的估计实际标准差；如果样本容量较大，公式（1）和公式（2）很接近。这时候公式（1）叫做渐近无偏估计，当然还是比不上公式（2）的无偏估计喽。

看了上面这段话，你可能还不知道该用哪个。其实是这样的：如果我们想求一批数据的标准差，那么自然就用公式（1）。如果我们是利用现在的样本估计真实的分布，那么就用公式（2）。

4）在EXCEL中，方差是VAR(),标准偏差是STDEV()，函数里解释是基于样本，分母是除的N-1，其实就是公式（2）。还有个VARP()和STDEVP(),基于样本总体，分母是N，也就是说你关注的就是这批数据。

在Excel透视表中 标准偏差为=STDEVA()

总体标准偏差为=STDEVPA()