201509-标准差与方差

方差和标准差——知识讲解责编：杜少波【学习目标】1. 了解方差和标准差的概念，会计算简单数据的方差，体会它们刻画数据离散程度的意义；2. 知道可以通过样本的方差来推断总体的方差.能解释统计结果，根据结果作出简单的判断和预测；3. 能综合运用统计知识解决一些简单的实际问题. 【要点梳理】要点一、方差和标准差 1.方差在一组数据12,,n x x x …，中，设它们的平均数是x ，各数据与平均数的差的平方的平均数()[]222212)(...)(1x x x x x x nS n -++-+-=叫做这组数据的方差. 方差越大，说明数据的波动越大，越不稳定. 要点诠释：（1）方差反映的是一组数据偏离平均值的情况. 方差越大，稳定性越差；反之，则稳定性越好．（2）一组数据的每一个数都加上（或减去）同一个常数，所得的一组新数据的方差不变. （3）一组数据的每一个数据都变为原来的k 倍，则所得的一组新数据的方差变为原来的2k 倍.2.标准差一般地，一组数据的方差的算术平方根称为这组数据的标准差. 要点诠释：（1）标准差的数量单位与原数据一致.（2）一组数据的方差或标准差越小，这组数据的离散程度越小，这组数据就越稳定. 要点二、方差和标准差的联系与区别联系：方差和标准差都是用来衡量一组数据偏离平均数的大小（即波动大小）的指标，常用来比较两组数据的波动情况.区别：方差是用“先平均，再求差，然后平方，最后再平均”的方法得到的结果，主要反映整组数据的波动情况，是反映一组数据与其平均值离散程度的一个重要指标，每个数据的变化都将影响方差的结果，是一个对整组数据波动情况更敏感的指标.在实际使用时，往往计算一组数据的方差，来衡量一组数据的波动大小. 方差的单位是原数据单位的平方，而标准差的单位与原数据单位相同.【典型例题】类型一、方差和标准差1. 一组数据－2，－1，0，1，2的方差是（ ）A ．1B ．2C ．3D ．4【思路点拨】按照“先平均，再求差，然后平方，最后再平均”的方法，利用求方差的公式：()[]222212)(...)(1x x x x x x nS n -++-+-=计算. 【答案】B【解析】该组数据的平均数是0，所以215s =2222(2)(1)12⎡⎤-+-++⎣⎦=2. 【总结升华】此类题关键是掌握求方差的步骤，记准求方差的公式.举一反三：【变式】学校篮球队五名队员的年龄分别为1715171615，，，，，其方差为0.8，则3年后这五名队员年龄的方差为______． 【答案】0.8.2.已知某样本的标准差是2，则这个样本的方差是（ ） A.1 B.2 C.2 D.4【思路点拨】根据标准差的概念计算．标准差是方差的算术平方根． 【答案】D ；【解析】解：由于方差的算术平方根就是标准差，所以样本的方差=22=4．故选D ．【总结升华】正确理解标准差的概念，是解决本题的关键．标准差是方差的算术平方根． 举一反三：【变式】下列说法：其中正确的个数有（ ） （1）方差越小，波动性越小，说明稳定性越好； （2）一组数据的众数只有一个；（3）数据2，2，3，2，2，5的众数为4； （4）一组数据的标准差一定是正数．A ．0个B ．1个C ．2个D ．4个 【答案】B.提示：（1）正确.类型二、方差和标准差的实际应用3.甲、乙两班举行汉字输入比赛，•参赛学生每分钟输入汉字的个数经统计计算后，填入下表：班级 参加人数 中位数 方差 平均字数 甲 55 149 191 135 乙55151110135分析此表得出如下结论：（ ）（1）甲、乙两班学生成绩的平均水平相同；（2）乙班优秀的人数多于甲班优秀的人数（每分钟输入汉字150个为优秀） （3）甲班学生成绩的波动情况比乙班成绩波动大． A ．（1）（2） B ．（1）（2）（3） C ．（2）（3） D ．（1）（3） 【思路点拨】理清表格中所列数据代表的含义，以及数据差异而导致的不同. 【答案】B【解析】甲、乙两班学生的平均字数都是135个/分钟，所以平均水平相同；从中位数上看，乙班的151大于甲班的149，表明乙班优秀的人数多于甲班优秀的人数；从方差上看，甲班的方差大于乙班的方差，所以甲班学生成绩的波动情况比乙班成绩波动大.因此，（1）（2）（3）都正确，选B. 【总结升华】此类题关键是要能从表格中筛选出所需要的信息，理解每个数据所代表的含义. 举一反三： 【变式】（2015•崇左）甲、乙、丙、丁四位同学在三次数学测验中，他们成绩的平均分是x 甲=85,x 乙=85，x 丙=85，x 丁=85，方差是2S 甲=3.8，2S 乙=2.3，2S 丙=6.2，2S 丁=5.2，则成绩最稳定的是（ ）A ．甲B ．乙C ．丙D ．丁 【答案】B.解：∵2S 甲=3.8，2S 乙=2.3，2S 丙=6.2，2S 丁=5.2，∴2S 乙＜2S 甲＜2S 丁＜2S 丙， ∴成绩最稳定的是乙． 故选B ．4.（2016春•商水县期末）甲、乙两种水稻试验田连续5年的平均单位面积产量如下：（单位：吨/公顷）品种 第1年 第2年 第3年 第4年 第5 年 甲 9.8 9.9 10.1 10 10.2 乙9.410.310.89.79.8（1）哪种水稻的平均单位面积产量比较高？ （2）哪种水稻的产量比较稳定．【思路点拨】首先求得平均产量，然后求得方差，比较方差，越小越稳定． 【答案与解析】 解：（1）()19.89.910.11010.2105=++++=x 甲， ()19.410.310.89.7105=++++9.8=x 乙， 所以甲、乙两种水稻的平均产量一样高； （2）甲中水稻产量的方差是：[（9.8﹣10）2+（9.9﹣10）2+（10.1﹣10）2+（10﹣10）2+（10.2﹣10）2]=0.02， 乙种水稻产量的方差是：[（9.4﹣10）2+（10.3﹣10）2+（10.8﹣10）2+（9.7﹣10）2+（9.8﹣10）2]=0.244． ∴0.02＜0.244，∴产量比较稳定的水稻品种是甲．【总结升华】此题考查了方差，用到的知识点是方差和平均数的计算公式，它反映了一组数据的波动大小，方差越大，波动性越大，反之也成立．举一反三：【变式】为了比较甲、乙两种水稻的长势，农技人员从两块试验田中，分别随机抽取5棵植株，将测得的苗高数据绘制成下图：请你根据统计图所提供的数据，计算平均数和方差，并比较两种水稻的长势．【答案】5.85.2x x==乙甲∵，，∴甲种水稻比乙种水稻长得更高一些．222.160.56S S==乙甲∵，，∴乙种水稻比甲种水稻长得更整齐一些．5.（2015春•安达市期末）甲、乙两台机床同时加工直径为10mm的同种规格零件，为了检查两台机床加工零件的稳定性，质检员从两台机床的产品中各抽取5件进行检测，结果如下（单位：mm）：甲10 9.8 10 10.2 10乙9.9 10 10 10.1 10（1）分别求出这两台机床所加工零件直径的平均数和方差；（2）根据所学的统计知识，你认为哪一台机床生产零件的稳定性更好一些，说明理由．【思路点拨】（1）根据所给的两组数据，分布求出两组数据的平均数，再利用方差公式求两组数据的方差即可．（2）根据甲的方差大于乙的方差，即可得出乙机床生产的零件稳定性更好一些．【答案与解析】解：（1）∵甲机床所加工零件直径的平均数是：（10+9.8+10+10.2+10）÷5=10，乙机床所加工零件直径的平均数是：（9.9+10+10+10.1+10）÷5=10，植株编号 1 2 3 4 5甲种苗高7 5 4 5 8乙种苗高 6 4 5 6 5∴甲机床所加工零件直径的方差=[（10﹣10）2+（9.8﹣10）2+（10﹣10）2+（10.2﹣10）2+（10﹣10）2]=0.013，乙机床所加工零件直径的方差=[（9.9﹣10）2+（10﹣10）2+（10﹣10）2+（10.1﹣10）2+（10﹣10）2]=0.004，（2）∵S 2甲＞S 2乙，∴乙机床生产零件的稳定性更好一些．【总结升华】本题考查了平均数和方差，一般地设n 个数据，x 1，x 2，…x n 的平均数为，则方差S 2=[（x 1﹣）2+（x 2﹣）2+…+（x n ﹣）2]，它反映了一组数据的波动大小，方差越大，波动性越大． 举一反三：【变式】某工厂甲、乙两名工人参加操作技能培训．现分别从他们在培训期间参加的若干次测试成绩中随机抽取8次，数据如下(单位：分)甲 95 82 88 81 93 79 84 78 乙8375808090859295(1)请你计算这两组数据的平均数、中位数；(2)现要从中选派一人参加操作技能比赛，从统计学的角度考虑，你认为选派哪名工人参加合适?请说明理由． 【答案】解：1(9582888193798478)858x =+++++++=甲(分)， 1(8375808090859295)858x =+++++++=乙(分)．甲、乙两组数据的中位数分别为83分、84分． (2)由(1)知85x x ==甲乙分，所以22221[(9585)(8285)(7885)]35.58s =-+-++-=甲， 22221[(8385)(7585)(9585)]418s =-+-++-=乙．①从平均数看，甲、乙均为85分，平均水平相同； ②从中位数看，乙的中位数大于甲，乙的成绩好于甲；③从方差来看，因为x x =甲乙，22s s <乙甲，所以甲的成绩较稳定；④从数据特点看，获得85分以上（含85分）的次数，甲有3次，而乙有4次，故乙的成绩好些；⑤从数据的变化趋势看，乙后几次的成绩均高于甲，且呈上升趋势，因此乙更具潜力． 综上分析可知，甲的成绩虽然比乙稳定，但从中位数、获得好成绩的次数及发展势头等方面分析，乙具有明显优势，所以应派乙参赛更有望取得好成绩．。

标准差公式标准差也被称为标准偏差，或者实验标准差，公式如图。

简单来说，标准差是一组数据平均值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指标。

标准差数值越大，代表回报远离过去平均数值，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、7 5、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17.07分，B组的标准差为2.37分（此数据时在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，标准差公式根号内除以n如是样本，标准差公式根号内除以（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)，再把所得值开根号，所得之数就是这组数据的标准差。

[编辑本段]标准差的意义标准差越高,表示实验数据越离散,也就是说越不精确反之,标准差越低,代表实验的数据越精确[编辑本段]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，是表示精密确的最要指标。

说起标准差首先得搞清楚它出现的目的。

方差标准差的区别方差和标准差是统计学中常见的两个概念，它们都是用来衡量数据的离散程度和波动程度的。

虽然它们都可以用来描述数据的分散程度，但是它们的计算方法和应用场景却有所不同。

本文将详细介绍方差和标准差的区别，帮助读者更好地理解和运用这两个概念。

首先，让我们来了解一下方差的概念。

方差是用来衡量一组数据离散程度的统计量，它是各个数据与其均值之差的平方的平均值。

方差的计算公式如下：\[ \sigma^2 = \frac{\sum_{i=1}^{n}(x_i \mu)^2}{n} \]其中，\( \sigma^2 \)表示方差，\( x_i \)表示第i个数据点，\( \mu \)表示数据的均值，\( n \)表示数据的个数。

从公式可以看出，方差是各个数据偏离均值的平方的平均值，它的单位是原数据的单位的平方。

而标准差则是方差的平方根，它也是用来衡量数据的离散程度的统计量。

标准差的计算公式如下：\[ \sigma = \sqrt{\frac{\sum_{i=1}^{n}(x_i \mu)^2}{n}} \]标准差的计算方法和方差类似，只是在计算完方差之后再开平方。

标准差的单位和原数据的单位相同，它可以更直观地反映数据的离散程度。

可以看出，方差和标准差的计算方法有所不同，但它们都可以用来衡量数据的离散程度。

那么，它们之间到底有什么区别呢？首先，方差的计算过程中涉及到对数据与均值之差的平方求和，这样可以消除数据偏离均值的正负影响，但同时也会放大离均值较远的数据对方差的影响。

而标准差则是方差的平方根，它可以更直观地反映数据的离散程度，同时避免了方差放大数据影响的问题。

其次，方差和标准差在应用场景上也有所不同。

在实际应用中，由于方差的单位是原数据的单位的平方，因此它并不太直观，不利于对数据的解释和比较。

而标准差的单位和原数据的单位相同，更容易理解和比较。

因此，在实际应用中，标准差更常用于衡量数据的离散程度。

综上所述，方差和标准差都是用来衡量数据的离散程度的统计量，它们的计算方法和应用场景有所不同。

方差（variance)是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。

概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。

统计中的方差（样本方差）是各个数据分别与其平均数之差的平方的和的平均数。

标准差（Standard Deviation），中文环境中又常称均方差，但不同于均方误差（mean squared error，均方误差是各数据偏离真实值的距离平方的平均数，也即误差平方和的平均数，计算公式形式上接近方差，它的开方叫均方根误差，均方根误差才和标准差形式上接近），标准差是离均差平方和平均后的方根，用σ表示。

标准差是方差的算术平方根。

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。

杠杆比率(Leverage Ratio)偿还财务能力比率，量度公司举债与平常运作收入，以反映公司履行债务能力。

认股证的吸引之处，在于能以小博大。

投资者只须投入少量资金，便有机会争取到与投资正股相若，甚或更高的回报率。

但挑选认股证之时，投资者往往把认股证的杠杆比率及实际杠杆比率混淆。

杠杆比率（Gearing Ratio）是正股市价与购入一股正股所需权证的市价之比，即：杠杆比率=正股股价/（权证价格÷认购比率）杠杆比率可用来衡量“以小博大”的放大倍数，杠杆比率越高，投资者盈利率也越高，当然，其可能承担的亏损风险也越大。

"要预计认股证（权证）的升跌幅，我们应该看实际杠杆，它是由杠杆比率及对冲值相乘而来：实际杠杆比率= 对冲值×杠杆比率透过实际杠杆，投资者可知道当正股升跌1%时，认股证的理论价格会变动多少个百分点。

如投资者欲争取较高的回报率，实际杠杆将提供较实用的资料。

不过，投资者须注意实际杠杆的数据是假设其它因素不变(引伸变化及市场因素)，而数据亦只反映正股价在短时间内变动时，认股证的理论变幅，所以投资者不要以为一只提供10倍实际杠杆的认股证，其理论升跌在任何时间也是正股的10倍。