样本标准差和总体标准差有什么区别？我该选哪个？

区别只在分母：总体标准差 σ 把离差平方和除以 n，样本标准差 s 除以 n−1（叫贝塞尔校正）。判断口诀——如果你的数据是从更大群体里抽出来的「样本」，想用它估计整个群体的离散程度，就用样本标准差 s（除以 n−1，结果略大，更保守），这也是统计学、论文、Excel 默认最常用的一种；如果你的数据就是研究对象的「全部」（比如全班 40 人的成绩，你只关心这 40 人），就用总体标准差 σ（除以 n）。拿不准时多数场景选样本标准差。本工具两套都给，切换即可看到差异。

标准差到底怎么算？能给一个手算步骤吗？

四步：① 求平均值 μ = 所有数之和 ÷ 个数 n；② 每个数减去平均值得到「离差」，再平方；③ 把所有平方后的离差加起来，得到「离差平方和」SS = Σ(x−μ)²；④ 除以 n（总体）或 n−1（样本）得到方差，再开平方根就是标准差。以 2,4,4,4,5,5,7,9 为例：平均值 = 40÷8 = 5；离差 −3,−1,−1,−1,0,0,2,4，平方后 9,1,1,1,0,0,4,16，和为 32；总体方差 = 32÷8 = 4，总体标准差 = √4 = 2；样本方差 = 32÷7 ≈ 4.571，样本标准差 ≈ 2.138。

标准差和方差是什么关系？

方差是标准差的平方，标准差是方差的平方根，两者描述的是同一件事——数据相对平均值的离散（波动）程度。区别在量纲：方差的单位是原数据单位的平方（比如身高厘米的方差单位是「平方厘米」，不好解释），而标准差开了平方根后单位与原数据一致（还是「厘米」），所以日常解读、画误差棒、算正态分布的「几个标准差」时都用标准差。本工具同时给出方差与标准差两个值。

标准差越大代表什么？多大算大？

标准差越大，说明数据点离平均值越分散、波动越大；标准差为 0 表示所有数都相同（没有任何波动）。但「大小」是相对的，没有绝对门槛：一组以万为单位的金额，标准差几百很正常；一组 0~1 的比率，标准差 0.3 就很大了。要跨量纲比较离散程度，常用「变异系数 = 标准差 ÷ 平均值」来消除单位影响。在近似正态分布的数据里，约 68% 的数落在平均值 ± 1 个标准差内、约 95% 落在 ± 2 个标准差内（经验法则）。

只有一个数据，或所有数都一样，结果会怎样？

① 只有 1 个数据点时，样本标准差无定义（公式要除以 n−1 = 0），本工具会显示总体标准差（恒为 0）并给出提示；② 所有数完全相同时，离差全为 0，无论样本还是总体，标准差和方差都等于 0，这是合理的——没有任何离散。③ 输入框为空或只剩分隔符时不计算。请留意结果区显示的「数据个数 n」，它能帮你发现是否漏填或多打了分隔符。

计算结果精确吗？小数怎么处理？

内部采用高精度十进制运算并对开平方做高精度求值，规避了 JavaScript 原生浮点的经典误差（如 0.1+0.2 会得到 0.30000000000000004）。结果保留最多 6 位小数并去掉多余的零，因此像 32÷7 的样本方差显示为 4.571429。需要说明的是，6 位指小数部分精度；当数值整数部分本身极大时，超出十进制可精确展示区间的尾数仅供参考。所有计算都在你的浏览器本地完成，不联网、不上传数据。

标准差计算器

在线标准差计算器：粘贴一组数字，一键算出样本标准差(s)与总体标准差(σ)、方差、平均值、中位数、极差与离差平方和，清晰区分 n 与 n−1 两种口径，高精度十进制避免浮点误差。

数据集

支持逗号、空格、换行分隔；可填小数与负数。共识别 8 个数。

标准差类型

样本：除以 n−1（贝塞尔校正），用样本估计总体时选此项，最常用。

样本标准差 s

2.13809

方差：4.571429（标准差的平方）

数据个数 (n)8

总和 (Σx)40

平均值 (μ)5

中位数4.5

最小值2

最大值9

极差 (max−min)7

离差平方和 Σ(x−μ)²32

样本标准差 s2.13809

总体标准差 σ2

样本方差 s²4.571429

总体方差 σ²4

怎么用

粘贴或输入数据：在「数据集」框里填入一组数字，用逗号、空格或换行分隔均可，例如 2, 4, 4, 4, 5, 5, 7, 9。支持小数与负数，从 Excel 一列直接复制粘贴也能识别。
选择标准差类型：在「样本标准差 (s)」与「总体标准差 (σ)」之间切换。手里的数据是从更大群体里抽出来的样本，就选样本（除以 n−1，最常用）；数据本身就是研究的全部对象，才选总体（除以 n）。
即时读结果：每改一个数就自动重算，无需点等号。顶部大字给出你选定口径的标准差，下方明细同时列出样本/总体两套标准差与方差，以及平均值、中位数、最小/最大值、极差和离差平方和，方便核对。
核对与复制：结果区会标注数据个数 n 是否与你预期一致（漏填或多了空格会反映在 n 上）。需要写进作业或报告时，直接抄录对应口径的数值与方差即可。

原理与公式

标准差（standard deviation）衡量一组数据相对其平均值的离散（波动）程度：标准差越大越分散，为 0 则所有数相同。它分样本与总体两种口径，区别只在分母。

计算步骤（四步）

① 平均值：μ = Σx / n（所有数之和除以个数 n）。
② 离差平方和：SS = Σ(x − μ)²（每个数减平均值、平方，再求和）。
③ 方差：总体 σ² = SS / n，样本 s² = SS / (n − 1)。
④ 标准差：方差开平方根，总体 σ = √σ²，样本 s = √s²。

样本 vs 总体（n−1 与 n）

数据是从更大群体抽出的样本、要估计整体离散程度时，除以 n − 1（贝塞尔校正，结果略大、更保守），这是论文与 Excel STDEV/STDEV.S 的默认；数据就是研究的全部对象时，除以 n（对应 Excel STDEVP/STDEV.P）。

计算示例

数据 2, 4, 4, 4, 5, 5, 7, 9：
μ = 40 / 8 = 5
SS = 9+1+1+1+0+0+4+16 = 32
总体 σ = √(32/8) = √4 = 2
样本 s = √(32/7) ≈ 2.138090

经验法则（正态分布）

数据近似正态分布时，约 68% 落在 μ ± 1σ、约 95% 落在 μ ± 2σ、约 99.7% 落在 μ ± 3σ（68–95–99.7 法则）。跨量纲比较离散程度可用变异系数 CV = σ / μ。

精度：内部以高精度十进制运算并对开平方做高精度求值，规避原生浮点误差（0.1 + 0.2 = 0.3），结果保留最多 6 位小数并去掉多余的零。计算均在浏览器本地完成，不上传数据。

常见问题

样本标准差和总体标准差有什么区别？我该选哪个？: 区别只在分母：总体标准差 σ 把离差平方和除以 n，样本标准差 s 除以 n−1（叫贝塞尔校正）。判断口诀——如果你的数据是从更大群体里抽出来的「样本」，想用它估计整个群体的离散程度，就用样本标准差 s（除以 n−1，结果略大，更保守），这也是统计学、论文、Excel 默认最常用的一种；如果你的数据就是研究对象的「全部」（比如全班 40 人的成绩，你只关心这 40 人），就用总体标准差 σ（除以 n）。拿不准时多数场景选样本标准差。本工具两套都给，切换即可看到差异。
标准差到底怎么算？能给一个手算步骤吗？: 四步：① 求平均值 μ = 所有数之和 ÷ 个数 n；② 每个数减去平均值得到「离差」，再平方；③ 把所有平方后的离差加起来，得到「离差平方和」SS = Σ(x−μ)²；④ 除以 n（总体）或 n−1（样本）得到方差，再开平方根就是标准差。以 2,4,4,4,5,5,7,9 为例：平均值 = 40÷8 = 5；离差 −3,−1,−1,−1,0,0,2,4，平方后 9,1,1,1,0,0,4,16，和为 32；总体方差 = 32÷8 = 4，总体标准差 = √4 = 2；样本方差 = 32÷7 ≈ 4.571，样本标准差 ≈ 2.138。
标准差和方差是什么关系？: 方差是标准差的平方，标准差是方差的平方根，两者描述的是同一件事——数据相对平均值的离散（波动）程度。区别在量纲：方差的单位是原数据单位的平方（比如身高厘米的方差单位是「平方厘米」，不好解释），而标准差开了平方根后单位与原数据一致（还是「厘米」），所以日常解读、画误差棒、算正态分布的「几个标准差」时都用标准差。本工具同时给出方差与标准差两个值。
标准差越大代表什么？多大算大？: 标准差越大，说明数据点离平均值越分散、波动越大；标准差为 0 表示所有数都相同（没有任何波动）。但「大小」是相对的，没有绝对门槛：一组以万为单位的金额，标准差几百很正常；一组 0~1 的比率，标准差 0.3 就很大了。要跨量纲比较离散程度，常用「变异系数 = 标准差 ÷ 平均值」来消除单位影响。在近似正态分布的数据里，约 68% 的数落在平均值 ± 1 个标准差内、约 95% 落在 ± 2 个标准差内（经验法则）。
只有一个数据，或所有数都一样，结果会怎样？: ① 只有 1 个数据点时，样本标准差无定义（公式要除以 n−1 = 0），本工具会显示总体标准差（恒为 0）并给出提示；② 所有数完全相同时，离差全为 0，无论样本还是总体，标准差和方差都等于 0，这是合理的——没有任何离散。③ 输入框为空或只剩分隔符时不计算。请留意结果区显示的「数据个数 n」，它能帮你发现是否漏填或多打了分隔符。
计算结果精确吗？小数怎么处理？: 内部采用高精度十进制运算并对开平方做高精度求值，规避了 JavaScript 原生浮点的经典误差（如 0.1+0.2 会得到 0.30000000000000004）。结果保留最多 6 位小数并去掉多余的零，因此像 32÷7 的样本方差显示为 4.571429。需要说明的是，6 位指小数部分精度；当数值整数部分本身极大时，超出十进制可精确展示区间的尾数仅供参考。所有计算都在你的浏览器本地完成，不联网、不上传数据。

怎么用