标准差
标准差（Standard Deviation），也称（mean square error），是各数据偏离的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。
标准差（Standard Deviation），在统计中最常使用作为程度（statistical dispersion）上的。标准差定义为的，反映组内个体间的离散程度。测量到分布程度的结果，原则上具有两种性质：
为非负数值，与测量资料具有相同单位。一个总量的标准差或一个的标准差，及一个子集合样品数的标准差之间，有所差别。
标准计算公式
假设有一组数值X1,X2,X3,......Xn（皆为），其平均值为μ，公式如图1.
图1
标准差也被称为，或者实验标准差，公式如图2。
图2
简单来说，标准差是一组数据分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
例如，两组数的集合{0, 5, 9, 14} 和{5, 6, 8, 9} 其平均值都是7，但第二个集合具有较小的标准差。
标准差可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远（同时与标准差数值做比较），则认为测量值与预测值互相矛盾。这很容易理解，因为如果测量值都落在一定数值范围之外，可以合理推论预测值是否正确。
标准差应用于投资上，可作为量度回报稳定性的。标准差数值越大，代表回报远离过去值，回报较不稳定故风险越高。相反，标准差数值越细，代表回报较为稳定，风险亦较小。
例如，A、B两组各有6位学生参加同一次语文测验，A组的分数为95、85、75、65、55、45，B组的分数为73、72、71、69、68、67。这两组的平均数都是70，但A组的标准差为17.078分，B组的标准差为2.16分（此数据是在R统计软件中运行获得），说明A组学生之间的差距要比B组学生之间的差距大得多。
如是总体，根号内N=n，如是，标准差公式根号内N=（n-1)，因为我们大量接触的是样本，所以普遍使用根号内除以（n-1)。
公式意义
所有数减去其平均值的平方和，所得结果除以该组数之个数（或个数减一，即变异数)，再把所得值开根号，所得之数就是这组数据的标准差。
深蓝区域是距平均值小于一个标准差之内的数值范围。在中，此范围所占比率为全部数值之68%。根据正态分布，两个标准差之内（深蓝，蓝）的
比率合起来为95%。根据正态分布，三个标准差之内（深蓝，蓝，浅蓝）的比率合起来为99%。
正态分布
标准差的意义
标准计算公式假设有一组数值（皆为），其平均值为：此组数值的标准差为：
样本标准差
在真实世界中，除非在某些特殊情况下，找到一个总体的真实的标准差是不现实的。大多数情况下，总体标准差是通过随机抽取一定量的样本并计算样本标准差估计的。
从一大组数值当中取出一样本数值组合，常定义其样本标准差：
样本方差s是对总体σ的。s中分母为n- 1 是因为样本的为n-1 ，这是由于存在约束条件。
这里示范如何计算一组数的标准差。例如一群儿童年龄的数值为{ 5, 6, 8, 9 } ：
第一步，计算平均值
第二步，计算标准差
σ=
σ=
σ=
σ=此为标准差
离散度
标准差是反应一组数据离散程度最常用的一种量化形式，是表示精确度的重要指标。说起标准差首先得搞清楚它出现的目的。我们使用方法去检测它，但检测方法总是有的，所以检测值并不是其真实值。检测值与真实值之间的差距就是评价检测方法最有决定性的指标。但是真实值是多少，不得而知。因此怎样量化检测方法的准确性就成了难题。这也是临床工作质控的目的：保证每批实验结果的准确可靠。
虽然样本的真实值是不可能知道的，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检测方法，其检测值应该很紧密的分散在真实值周围。如果不紧密，与真实值的距离就会大，准确性当然也就不好了，不可能想象离散度大的方法，会测出准确的结果。因此，离散度是评价方法的好坏的最重要也是最基本的指标。
一组数据怎样去评价和量化它的离散度呢人们使用了很多种方法：
1.极差
最直接也是最简单的方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法在日常生活中最为常见，比如比赛中去掉最高最低分就是的具体应用。
2.离均差的平方和
由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平的程度。因此将数据与均值之差（我们叫它）加起来就能反映出一个准确的离散程度。和越大离散度也就越大。
但是由于偶然误差是成的，离均差有正有负，对于大样本离均差的代数和为零的。为了避免正负问题，在数学有上有两种方法：一种是取绝对值，也就是常说的离均差绝对值之和。而为了避免符号问题，数学上最常用的是另一种方法——平方，这样就都成了非负数。因此，离均差的平方和成了评价离散度一个指标。
3.方差（S2）
由于离均差的平方和与样本个数有关，只能反应相同样本的离散度，而实际工作中做比较很难做到相同的样本，因此为了消除样本个数的影响，增加可比性，将标准差求平均值，这就是我们所说的方差成了评价离散度的较好指标。
样本量越大越能反映真实的情况，而算数均值却完全忽略了这个问题，对此上早有考虑，在统计学中样本的均差多是除以自由度（n-1)，它的意思是样本能的程度。当选到只剩一个时，它不可能再有自由了，所以是n-1。4.标准差（SD）
由于是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差。
