如果這個工具幫到了你,可以請作者喝杯咖啡 ☕
快速計算樣本方差、總體方差、標準差和均值,幫你評估資料波動。
tools.online-sample-variance-calculator.inputs.hint
tools.online-sample-variance-calculator.emptyState
學生看成績穩定性:你考了5次試,分數分別是85、92、78、90、88。想知道自己的成績是忽高忽低還是相對穩定?用我們的計算器輸入這串數字,選“樣本方差”,結果會告訴你分數波動的程度。比如方差60.8,標準差約7.8分——說明多數成績在平均值附近±7.8分內,波動不算太大。
工廠質檢員監控產品重量:抽查10包薯片,標稱50g,實際重量有48.5、51.2、49.8……方差大說明包裝機不準,需要調整。在我們的計算器裡填資料,馬上得到離散程度。
投資者評估收益率波動:某基金過去12個月的月收益率列表,方差越大風險越高。用我們的計算器選“總體方差”,對比不同基金的風險水平。
方差衡量一組資料與其均值的偏離程度。計算很簡單:先把每個數減去平均值,平方後求和,再除以個數(或個數減一)。
總體方差(知道全部資料時用):
σ² = Σ(xᵢ - μ)² / N
其中 μ 是總體均值,N 是資料總數。
樣本方差(從總體中抽一部分資料估算總體時用):
s² = Σ(xᵢ - x̄)² / (n - 1)
這裏 x̄ 是樣本均值,n 是樣本量。分母用 n-1 而不是 n,是因為這樣算出的方差是總體方差的無偏估計(統計學家證明的“貝塞爾校正”),更準。
小提示:在我們的計算器裡,你只需在“資料”框裡輸入數字(用逗號或空格隔開),再選擇“樣本方差”或“總體方差”,點選計算即可。右側會立刻顯示均值、方差、標準差和樣本量。
算例資料:某學生5次數學小測成績:85, 92, 78, 90, 88(單位:分)。
步驟:在我們的計算器中,輸入 85 92 78 90 88,計算型別選“樣本方差”。點選計算。
計算過程(你也可以手動跟著算):
結果解讀:計算器顯示:均值86.6分,方差29.8,標準差5.46分。這意味著他的成績平均偏離均值約5.5分。如果下次考試他得了70分,那就比平均值低了3個標準差左右,屬於極端異常。
對照例1:資料完全相同的極端情況。輸入5個100:100,100,100,100,100,選樣本方差。結果:均值100,方差0,標準差0。說明沒有任何波動。這在現實中出現很少(比如同一批次同一臺機器連續生產的零件,理論零偏差)。
對照例2:總體方差與樣本方差的差別。假如全班30人考試成績已知(總體),直接算總體方差。用我們的計算器選擇“總體方差”,輸入全班分數,會得到σ²。而如果只隨機抽5人(樣本),樣本方差通常會略大於總體方差(平均意義下),更接近總體方差。你可以用同一個資料集切換計算型別對比一下。
| 方差大小 | 標準差大小 | 含義 |
|---|---|---|
| 0 | 0 | 所有資料完全相等,無波動 |
| 較小(小於均值×10%) | 較小(< 均值×10%) | 資料集中在均值附近,波動小(例如身高測量誤差) |
| 中等(均值×10%~30%) | 中等 | 正常波動範圍(例如股票日收益率) |
| 較大(大於均值×30%) | 較大 | 資料分散,波動劇烈(例如賭博輸贏金額) |
注意:“小”和“大”是相對資料本身的量級。比如房價資料方差可能幾百萬,但對房地產市場很常見。所以解讀時一定要結合具體場景。
1. 為什麼你們的計算器裡樣本方差分母是n-1?
因為用n-1算出的樣本方差更接近總體的真實方差。如果只用n,平均會低估波動(統計學叫偏小)。這是國際統計標準做法。
2. 方差能是負數嗎?
不能。平方永遠非負,所以方差 ≥ 0。如果計算出負數,說明輸入資料有誤(比如非數值字元)。
3. 我有一萬個數字,用這個計算器會卡嗎?
我們的計算器在瀏覽器端執行,支援幾百個數字流暢計算。如果超過5000個建議分批或用專業軟體。
4. 方差和標準差什麼關係?
標準差 = 方差的平方根。方差用於數學運算(可加性),標準差用於日常描述(單位一致)。
5. 如何用Excel驗證結果?
Excel中總體方差用VAR.P(資料區域),樣本方差用VAR.S(資料區域)。算出來的數字和我們工具一樣。
6. 我輸入了非數字怎麼辦?
計算器會自動忽略非數字字元(如字母、括號)。建議只輸入純數字和分隔符。
現在你可以在上方計算器裡試試自己的數字。