标准差是什么？标准差怎么算？与方差的区别及n-1的由来
本文在AI辅助下由原文翻译而成。请结合原文核对专业术语和公式。
标准差（也叫标准偏差，缩写SD）表示数据与平均数之间的典型距离，单位和原数据相同：标准差小，数据紧紧围绕平均数；标准差大，数据就很分散。计算时，先求每个数据与平均数的差，平方后取平均得到方差，再开平方即可。如果手里的数据就是你要研究的全部对象，离差平方和除以n（Excel用STDEV.P）；如果只是从更大群体中抽出的样本，则除以n − 1（Excel用STDEV.S）。
平均数相同，数据的波动却可以完全不同
假设你记录了一周五个工作日等两条公交线路的候车时间（示例数字）。线路A：4、6、7、8、10分钟；线路B：1、5、7、9、13分钟。两条线路的平均数（均值）都恰好是7分钟，只看平均数，它们毫无区别。可实际体验完全不同：线路A很稳定，线路B却在1分钟到13分钟之间大幅摆动。
标准差就是把这种差别量化：线路A是2分钟，线路B是4分钟，说明线路B围绕同一个平均数的波动更大，约为线路A的两倍。严格地说，标准差是“均方根距离”而不是普通的平均距离，所以离平均数越远的数据，影响越大。
标准差怎么算：5步手算示例
- 求平均数。(4 + 6 + 7 + 8 + 10) ÷ 5 = 35 ÷ 5 = 7分钟。
- 每个数减去平均数。得到的差（离差）是−3、−1、0、1、3。它们的和永远是0，所以不能直接求平均。
- 把每个离差平方。得9、1、0、1、9，平方去掉了负号，总和20叫离差平方和。
- 除以一个数，得到方差。这五天若是你关心的全部数据（总体），算20 ÷ 5 = 4；若只是样本，算20 ÷ 4 = 5（原因见下文）。
- 开平方。√4 = 2分钟，或√5 ≈ 2.24分钟。
| 等待时间（分钟） | 与平均数7的差（离差） | 离差的平方（分钟²） |
|---|---|---|
| 4 | −3 | 9 |
| 6 | −1 | 1 |
| 7 | 0 | 0 |
| 8 | 1 | 1 |
| 10 | 3 | 9 |
| 合计：35 | 0 | 20 |
线路B的算法完全一样：离差为−6、−2、0、2、6，离差平方和为80，80 ÷ 5 = 16，标准差 = √16 = 4分钟。
方差和标准差的区别：为什么先平方、再开方？
方差本质上就是离差平方的平均值，标准差则是方差的算术平方根。二者信息相同，只是单位不同。线路A的方差是4“平方分钟”，很难直观想象；标准差是2分钟，可以直接和7分钟的平均数对照。美国国家标准与技术研究院（NIST）的《工程统计手册》也这样解释：开平方是为了回到原来的单位。
那为什么要先平方？因为正负离差会互相抵消，必须先去掉符号；平方还会让偏离大的数据占更大比重。若改为对离差的绝对值求平均（平均绝对偏差），线路A得8 ÷ 5 = 1.6分钟，比标准差2分钟小，因为标准差更看重±3这两个离得最远的值。方差则胜在便于运算：相互独立的量，方差可以直接相加。
- 汇报结果用标准差：读者要用分钟、分数这类实际单位理解波动时。
- 公式推导用方差：在模型和统计检验里，方差更便于相加与拆分。
总体标准差（除以n）还是样本标准差（除以n − 1）？
选哪个除数，取决于你要回答的问题，而不是这几个数字本身。如果这五天就是你想描述的全部对象，它们就是总体：除以n，符号用σ。如果你想借这五天判断线路A平时的表现，它们就只是从大量日子中抽出的样本：除以n − 1，符号用s。
除以n − 1的做法叫贝塞尔校正（Bessel’s correction）。样本里的离差是相对样本自己的平均数算的，而样本平均数天然落在这几个数据的“中间”，所以算出的离差会比以未知的真实平均数为基准时略小。若仍除以n，方差平均而言只有真实值的(n − 1) ÷ n倍，即被低估；改除以n − 1，这个偏差就被消除，得到的样本方差是总体方差的无偏估计。
| 项目 | 总体 | 样本 |
|---|---|---|
| 离差平方和除以 | n | n − 1 |
| 常用符号 | σ | s |
| 常见叫法 | 总体方差、总体标准差 | 样本方差、样本标准差 |
| Excel标准差函数 | STDEV.P | STDEV.S（旧版：STDEV） |
| Excel方差函数 | VAR.P | VAR.S |
| 线路A的结果 | 2.00分钟 | 2.24分钟 |
叫法在不同教材里并不统一：有的教材把除以n的结果也称作“样本方差”。所以看公式时不要只看名字，先看分母是n还是n − 1。
在Excel里，若五个等待时间放在A2:A6，=STDEV.P(A2:A6)返回2，=STDEV.S(A2:A6)返回约2.236。中文版Excel的函数名不翻译，仍是STDEV.S、STDEV.P；微软中文文档把标准差称为“标准偏差”。按微软的说明，这两个函数对引用的单元格区域都会忽略空白单元格、文本和逻辑值，所以以文本形式存放的数字会被悄悄漏算。
两种算法到底差多少？
对同一组数据，样本标准差是总体标准差的√(n ÷ (n − 1))倍：n = 3时大22.5%，n = 5时大11.8%，n = 10时大5.4%，n = 30时大1.7%，n = 100时只大0.5%。微软文档里10个断裂强度数据的示例正是n = 10：STDEV.S返回27.46，STDEV.P返回26.05。
实际中怎么解读标准差
读标准差要连同平均数和单位一起看。7分钟的平均等待配上2分钟的标准差，相对波动已经不小；同样的2分钟，放在60分钟的通勤时间上就微不足道。用标准差除以平均数，得到变异系数，比较就一目了然：线路A是2 ÷ 7 ≈ 29%，线路B是4 ÷ 7 ≈ 57%。
当数据大致呈钟形（正态分布）时，标准差还能告诉你大多数数据落在哪个范围。据NIST，正态总体中有68.27%的数据落在平均数±1个标准差内，95.45%落在±2个标准差内，99.73%落在±3个标准差内。比如钟形的考试成绩平均分70、标准差10（示例数字），约三分之二的人在60到80分之间。收入、带长尾的等待时间这类偏斜数据则不适用这条法则。
常见误区
- 用STDEV.P处理小样本。会低估波动：n = 5时，STDEV.S的结果高出11.8%。
- 把方差当成标准差汇报。方差4分钟²对应的标准差是2分钟，不是4分钟。
- 忽视异常值。离差要平方，一个极端值就可能左右结果。把线路A的10改成20，总体标准差会从2分钟跳到约5.66分钟。
- 把68–95–99.7法则套在偏斜数据上。先看直方图再决定。
- 混淆标准差与标准误。均值的标准误s ÷ √n说明平均数估得有多准，而不是单个数据有多分散。线路A的标准误是2.24 ÷ √5 ≈ 1.0分钟。
常见问题
标准差可以是负数吗？
不可以。它是“平方的平均数”再开平方，最小值是0，而且只有所有数据完全相同时才等于0。
标准差就是平均偏差吗？
不是。平均绝对偏差是把距离本身直接取平均，标准差则是先平方、取平均、再开方。对线路A来说，两者分别是1.6分钟和2分钟。
算班级的考试成绩，该用哪个函数？
只想描述这个班本身，就用STDEV.P；如果把这个班看作全体学生中的一个样本，就用STDEV.S。
资料来源：NIST工程统计手册：尺度度量（英文）；NIST工程统计手册：什么是“正态”数据（英文）；Microsoft支持：STDEV.S函数；Microsoft支持：STDEV.P函数
相关阅读
为帮助理解本文而制作的原创插画。