误差棒PPT

误差棒方法1：在data中建立一列，然后设置为y+—误差列使用x，y，y+-一起作图就可以了方法2：在绘制好的图表窗口上，图表-添加误差列然后设置误差百分比或者自动计算标准变差 1. 计算标准偏差将所有数据输入Excel, 分别计算每组数据的平均值，待用。

将所有数据输入Excel，在“统计”类别中选择函数“STDEV A”（或者直接搜索“标准偏差”），然后分别计算每组数据的标准偏差（步骤如同计算平均值，不再叙述），待用2. 将X轴数据，平均值，标准偏差输入origin，然后选中标准偏差所在列--colomn--set as Y error , 然后选中所有数据--plot--special line/symbol--Y error。

STDEV• STDEV 函数假设它的自变量是某母群体的抽样样本。

如果您的观测数据代表整个母群体，则应该使用 STDEVP 函数来计算标准差。

•标准差的计算是采用不偏估计或 n-1 法。

• TRUE 和 FALSE 等逻辑值及文字，将被忽略。

当逻辑值和文字不许被忽略时，请使用工作表函数 STDEV A。

STDEV A• STDEV A 函数假设其自变量为母体的样本数据。

如果您的数据代表整个母体，则您应该用 STDEVP 函数来计算变异数。

void function(e,t){for(var n=t.getElementsByTagName("img"),a=+new Date,i=[],o=function(){this.removeEventListener&&this.removeEventListener("load",o,!1),i.push ({img:this,time:+new Date})},s=0;s< n.length;s++)!function(){var e=n[s];e.addEventListener?!plete&&e.addEventListener("load",o,!1):e.attachEvent&&e.atta chEvent("onreadystatechange",function(){"complete"==e.readyState&&o.call(e,o)})}();alog("spe ed.set",{fsItems:i,fs:a})}(window,document);•自变量若为 TRUE，则会被视为 1；若为 FALSE，则被视为 0 (零)。

标准差(Standard Deviation)标准差，缩写为S.D., SD, 或者 s (就是为了把人给弄晕？)，是描述数据点在均值（mean）周围聚集程度的指标。

如果把单个数据点称为“Xi,”因此“X1”是第一个值，“X2”是第二个值，以此类推。

均值称为“M”。

初看上去Σ(Xi-M)就可以作为描述数据点散布情况的指标，也就是把每个Xi与M的偏差求和。

换句话讲，是（单个数据点—数据点的平均）的总和。

看上去挺有逻辑性的，但是它有两个缺点。

第一个困难是：上述定义的结果永远是0。

根据定义，高出均值的和永远等于低于均值的和，因此它们相互抵消。

可以取差值的绝对值来解决（也就是说，忽略负值的符号），但是由于各种神秘兮兮的原因，统计学家不喜欢绝对值。

另外一个剔除负号的方法是取平方，因为任何数的平方肯定是正的。

所以，我们就有Σ(Xi-M)2。

另外一个问题是当我们增加数据点后此等式的结果会随之增大。

比如我们手头有25个值的样本，根据前面公式计算出SD是10。

如果再加25个一模一样的样本，直觉上50个大样本的数据点分布情况应该不变。

但是我们的公式会产生更大的SD值。

好在我们可以通过除以数据点数量N来弥补这个漏洞。

所以等式就变成Σ(Xi -M)2/N.根据墨菲定律，我们解决了两个问题，就会随之产生两个新问题。

第一个问题（或者我们应该称为第三个问题，这样能与前面的相衔接）是用平方表达偏差。

假设我们测量自闭症儿童的IQ。

也许会发现IQ均值是75, 散布程度是100 个IQ点平方。

这IQ点平方又是什么东西？不过这容易处理：用结果的平方根替代，这样结果就与原来的测量单位一致。

所以上面的例子中的散布程度就是10个IQ点，变得更加容易理解。

最后一个问题是目前的公式是一个有偏估计，也就是说，结果总是高于或者低于真实的值。

解释稍微有点复杂，先要绕个弯。

在多数情况下，我们做研究的时候，更感兴趣样本来自的总体（population）。