高等数学 / 系统课时

极差、方差与标准差

极差、方差与标准差

只知道平均值还不足以判断一组数据是否稳定:两组数据可能均值相同,却有完全不同的波动。本课将从极差入手,再通过离均差、平方和平均的过程推导方差与标准差,并说明它们各自适合回答什么问题。

学习目标

  • 会计算极差、总体方差与总体标准差
  • 理解平方离差为何能够衡量波动
  • 能结合单位、异常值和数据范围解释离散程度

相同均值不代表相同波动

考虑两组成绩:A 组为 68、69、70、71、72,B 组为 50、60、70、80、90。两组均值都是 70,但 A 组紧密集中在 70 附近,B 组则分布得更开。

相同均值不同离散程度对比

集中趋势描述数据的中心,离散程度描述数据离中心有多远。极差、方差和标准差都是离散指标,但使用的信息量和解释方式不同。

极差给出最快的跨度判断

极差等于最大值减去最小值:

R=xmax⁡−xmin⁡R=x_{\max}-x_{\min}

A 组极差为 72−68=472-68=4,B 组极差为 90−50=4090-50=40。极差只需两个端点,计算很快,适合初步比较数据范围。

它的局限也很明显:中间数据如何分布完全没有被使用,而且任一端出现异常值都会显著改变结果。因此,极差适合快速筛查,不宜单独作为稳定性的最终结论。

方差如何汇总每个值的偏离

为了利用全部数据,可以先计算每个值与均值的差,即离均差 xi−μx_i-\mu。这些差有正有负,直接相加会互相抵消,所以方差先平方,再求平均。总体方差定义为:

σ2=1N∑i=1N(xi−μ)2\sigma^2=\frac{1}{N}\sum_{i=1}^{N}(x_i-\mu)^2

以 A 组为例,均值为 70,离均差依次是 -2、-1、0、1、2,平方后为 4、1、0、1、4。平方和为 10,因此总体方差为:

σ2=105=2\sigma^2=\frac{10}{5}=2

B 组的离均差为 -20、-10、0、10、20,平方和为 1000,总体方差为 200。方差越大,说明数据整体离均值越远。

标准差把单位还原回来

方差使用平方离差,因此单位也被平方。例如时间以“分钟”计量,方差单位就是“平方分钟”,不够直观。标准差是方差的平方根:

σ=σ2\sigma=\sqrt{\sigma^2}

A 组总体标准差为 2≈1.41\sqrt{2}\approx1.41,B 组为 200≈14.14\sqrt{200}\approx14.14。标准差与原数据单位一致,可以理解为数据偏离均值的典型尺度,但它不是所有绝对距离的简单平均。

指标 A 组 B 组 特点
极差 4 40 只使用最大值和最小值
总体方差 2 200 汇总全部平方离差
总体标准差 1.41 14.14 与原数据单位一致

总体与样本计算不要混用

当手中的数据就是研究对象的全部成员时,使用总体方差,分母为 NN。当数据只是从更大总体中抽取的样本,并希望据此估计总体波动时,常使用样本方差:

s2=1n−1∑i=1n(xi−xˉ)2s^2=\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2

分母使用 n−1n-1 是为了修正样本方差对总体方差的系统性低估。报告结果时应明确写出使用的是总体公式还是样本公式,否则同一数据可能得到不同数值。

方差和标准差同样会受到极端值影响,因为偏离在平方后会被放大。发现标准差异常增大时,应先核查数据录入、测量过程和业务事件,再决定是否处理异常值。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

极差、方差与标准差

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通