简短的回答
标准差衡量数据在均值附近的分布情况，其单位与原始数据相同。通过找到每个值与平均值的平方偏差，对这些平方偏差（方差）求平均值，然后取平方根来计算它。紧密的值簇会产生较小的 SD；广泛分散的值会产生较大的 SD。
要点
- 样本 SD 除以 (n−1)，而不是 n（贝塞尔校正），以避免系统性地低估真实的总体分布。
- 标准差与原始数据使用相同的单位；方差以平方为单位，这就是为什么通常报告 SD 而不是方差。
- 经验规则 (68-95-99.7) 仅适用于大致钟形（正态）数据 - 它不适用于偏斜或多峰分布。
- 在平均之前对偏差进行平方（而不是仅仅对绝对偏差进行平均）会更严重地惩罚较大的偏差，这就是为什么方差和 SD 成为散布的标准度量的原因。
标准差公式，一步一步
| 步 | 行动 |
|---|---|
| 1 | 求数据集的均值 |
| 2 | 从每个值中减去平均值（偏差） |
| 3 | 对每个偏差进行平方 |
| 4 | 平均偏差的平方（除以 n 或 n−1）——这就是方差 |
| 5 | 取方差的平方根——这是标准差 |
样本与总体：n−1 校正
对于数据集 {2, 4, 6, 8}，平均值 = 5，偏差平方为 9, 1, 1, 9（总和 = 20）：
总体方差 = 20 ÷ 4 = 5 → 总体 SD = √5 ≈ 2.236
样本方差 = 20 ÷ 3 ≈ 6.667 → 样本 SD = √6.667 ≈ 2.582
对于相同数据，样本版本始终等于或大于总体版本 - 除以较小的数字（n−1 而不是 n）会略微夸大估计值，从而纠正样本倾向于低估整个总体的真实分布的事实。
正常数据的经验规则
| 范围 | % 数据（正态分布） |
|---|---|
| 平均值±1标准差 | 68% |
| 平均值±2标准差 | 95% |
| 平均值 ± 3 标准差 | 99.7% |
这条规则是对钟形数据的快速健全性检查，而不是普遍法则——它不适用于倾斜、多峰或重尾分布。
要避免的常见错误
- 忘记最后的平方根步骤 - 方差和标准差经常被混淆，但它们不可互换，因为它们采用不同的单位。
- 当尝试估计样本中的总体分布时，使用总体公式 (÷n) — 这会低估真实的变异性。
- 将经验规则应用于不大致呈钟形的数据 — 倾斜数据不会遵循 68-95-99.7 模式。
- 计算与中位数而不是平均值的偏差——标准差是围绕平均值专门定义的。
相关计算器
- 平均计算器 — 计算该计算器测量的平均值。
- 平均值、中位数、众数和极差计算器 — 与 SD 一起获得更全面的统计数据。
- 置信区间计算器 — 使用 SD 构建总体平均值的范围估计。
- Z 分数计算器 — 查看某个值与平均值的标准差有多少。