什么是标准方差公式是，标准差的两种计算公式转化

标准方差的计算公式是： 　　每一个数与这个数列的平均值的差的平方和，除以这个数列的项数，再开根号　　分析： 　　标准方差主要和分母（项数）、分之（偏差）有直接关系 　　这里的偏差为每一个数与平均值的差。 　　几个适用的理解： 　　

1.数据分布离平均值越近，标准方差越小；数据分布离平均值越远，标准方差越大。 　　

2.标准方差为0，意味着数列中每一个数都相等。 　　

3.序列中每一个数都加上一个常数，标准方差保持不变的　　

4.序列中每一个数都乘以不为0的数N，标准方差扩大N倍

1、标准差=方差的算术平方根=s=sqrt(((x1-x)^2+(x2-x)^2+......(xn-x)^2)/（n-1）)；

2、在统计学中样本的均差多是除以自由度（n-1），它的意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是（n-1）。

3、标准差，中文环境中又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。在概率统计中常使用作为统计分布程度上的测量。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。平均数相同的两组数据，标准差未必相同。

方差的计算公式为S^2=1/n[（x1-x）^2+（x2-x）^2+……+（xn-x）^2]。其中x为这组数据中的数据，n为大于0的整数。

方差的含义

方差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）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。

方差的计算公式

方差是和中心偏离的程度，用来衡量一批数据的波动大小（即这批数据偏离平均数的大小）并把它叫做这组数据的方差，记作S^2。 在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。计算公式为：

S^2=1/n[（x1-x）^2+（x2-x）^2+……+（xn-x）^2]

其中：x为这组数据中的数据，n为大于0的整数。

标准差的含义

在概率统计中常使用作为统计分布程度上的测量。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。平均数相同的两组数据，标准差未必相同。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。

方差是应用数学里的专有名词。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二阶中心动差，恰巧也是它的二阶累积量。方差的算术平方根称为该随机变量的标准差。

方差计算公式

方差是各个数据与其算术平均数的离差平方和的平均数，在实际计算中，我们用以下公式计算方差。

常见方差公式

（1）设c是常数，则D(c)=0。

（2）设X是随机变量，c是常数，则有D(cX)=(c²)D(X)。

（3）设X与Y是两个随机变量，则

D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}

特别的，当X，Y是两个相互独立的随机变量，上式中右边第三项为0（常见协方差），

则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况。

（4）D(X)=0的充分必要条件是X以概率为1取常数值c，即P{X=c}=1，其中E(X)=c。

（5）D(aX+bY)=a²DX+b²DY+2abE{[X-E(X)][Y-E(Y)]}。

计算方法

若x1,x2,x3......xn的平均数为M，则方差公式可表示为：

例1 两人的5次测验成绩如下：

X： 50，100，100，60，50 ，平均成绩为E(X )=72；

Y： 73， 70， 75，72，70 ，平均成绩为E(Y )=72。

平均成绩相同，但X 不稳定，对平均值的偏离大。方差描述随机变量对于数学期望的偏离程度。

单个偏离是消除符号影响方差即偏离平方的均值，记为D(X )：

直接计算公式分离散型和连续型，具体为：这里 是一个数。推导另一种计算公式

得到：“方差等于平方的均值减去均值的平方”。

其中，分别为离散型和连续型的计算公式。称为标准差或均方差，方差描述波动

方差的两种公式是D(X)=E(X^2)-[E(X)]^2，DX=EX^2-(EX)^2。方差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。

方差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。方差描述随机变量对于数学期望的偏离程度。

　　方差的计算公式是s2={(x1-m)2+(x2-m)2+(x3-m)2+…+(xn-m)2}/n,公式中M为数据的平均数，n为数据的个数,s2为方差。文字表示为方差等于各个数据与其算术平均数的离差平方和的平均数。其中，分别为离散型和连续型计算公式。称为标准差或均方差，方差描述波动程度。

　　当数据分布比较分散时，各个数据与平均数的差的平方和较大，方差就较大;当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大;方差越小，数据的波动就越小。

数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)即期望的偏离程度，称为X的方差。((x1-x)^2+(x2-x)^2+...+(xn-x)^2)/n其中x为x1、x2、...、xn的平均数。

方差和标准差的公式：标准差=sqrt(((x1-x)^2+(x2-x)^2+……(xn-x)^2)/n)，是离均差平方的算术平均数的平方根，用σ表示。在概率统计中常使用作为统计分布程度上的测量，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。

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。

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重要也是基本的指标。

标准差是方差的算数平方根

标准差的平方就是方差

若x1,x2,x3......xn的平均数为m

则方差s^2=1/n[(x1-m)^2+(x2-m)^2+.......+(xn-m)^2]

标准差s=√1/n[(x1-m)^2+(x2-m)^2+.......+(xn-m)^2]

在已知标准差的情况下，方差=标准差*标准差=标准差的平方。

（1）计算平均值：

(2 + 3 + 4 + 5+ 6 + 8)/6 = 30 /6 = 5

（2）计算方差：

(2 – 5)^2 = (-3)^2= 9

(3 – 5)^2 = (-2)^2= 4

(4 – 5)^2 = (-1)^2= 0

(5 – 5)^2 = 0^2= 0

(6 – 5)^2 = 1^2= 1

(8 – 5)^2 = 3^2= 9

（3）计算平均方差：

(9 + 4 + 0 + 0+ 1 + 9)/6 = 24/6 = 4

（4）计算标准差：

√4 = 2

统计学意义

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。

1、方差公式：S^2=〈(M－x1)^2+(M－x2)^2+(M－x3)^2+…+(M－xn)^2〉╱n平均数：M=(x1+x2+x3+…+xn)/n （n表示这组数据个数，x1、x2、x3……xn表示这组数据具体数值）

2、标准差是方差开方后的结果(即方差的算术平方根) 假设这组数据的平均值是m 3、数学期望：E（X）=Xi*Pi （i=1，2，3.....） X有几个值 i就取1到几

方差(s²)的计算公式就是用数据的每一项减平均数的差的平方和除以总个数，得数就是方差。

比如这组数据:6.8.7.5.9，平均数等于7，(6-7)²+(8-7)²+(7-7)²+(5-7)²+(9-7)²=1+1+0+4+4=10，10÷5=2，即方差＝2。

方差这个概念主要是在分析数据的时候用的概念，用来分析数据的稳定性特征。一组数据的方差越小，数据的稳定性越好。