无需登录 数据私有 本地保存

统计计算器 - 均值/中位数/方差/标准差

16
0
0
0

统计计算器

均值 · 中位数 · 方差 · 标准差 · 四分位数 — 一站式统计分析

已解析：0 个数据点
输入数据后将在此显示解析预览...
均值
—
中位数
—
标准差(s)
—
极差
—
IQR
—
总和
—
计数 —
最小值 —
最大值 —
众数 —
Q1 —
Q3 —
方差(总体) —
方差(样本) —
标准差(总体) —
变异系数 —
数据分布可视化（排序条形图）

输入数据后将在此显示可视化图表

常见问题与统计知识点

均值（Mean），通常指算术平均数，是所有数据值的总和除以数据个数。公式为：x̄ = Σxᵢ / n。均值是最常用的集中趋势度量，反映数据的"重心"位置。但它对异常值（极端值）非常敏感——一个特别大或特别小的值就可能显著改变均值。

中位数（Median）是将数据排序后位于中间位置的值，它将数据集分为上下两半。与均值不同，中位数不受极端值影响，是稳健的集中趋势度量。

使用建议：当数据呈偏态分布或存在异常值时（如收入数据、房价数据），中位数通常比均值更能代表"典型值"。例如，一组薪资数据中如果包含一位高管的薪资，均值会被拉高，而中位数更能反映普通员工的薪资水平。当数据呈近似正态分布时，均值和中位数接近，两者均可使用。

方差（Variance）是各数据点与均值之差的平方的平均值，衡量数据的离散程度。其单位是原始数据单位的平方（如"分的平方"、"米的平方"），这在实际解读时不够直观。

标准差（Standard Deviation）是方差的平方根，与原始数据单位相同，因此更易于理解和解释。例如，考试成绩的标准差为12分，意味着大多数学生的成绩在均值±12分范围内。标准差是最广泛使用的离散度量指标。

这是一个非常关键的统计概念：
总体方差（σ²）：分母使用 N（总体大小），适用于你拥有全部数据（整个总体）的情况。
样本方差（s²）：分母使用 n-1（样本大小减1），适用于你只有部分数据（一个样本），并想用样本来估计总体方差的情况。

n-1 被称为贝塞尔校正（Bessel's Correction）——使用 n 会系统性地低估总体方差，而 n-1 能给出无偏估计。在实际应用中（如问卷调查、实验数据），我们通常处理的是样本数据，因此样本标准差（s）更为常用。

四分位数将排序后的数据分成四等份：
• Q1（第25百分位数）：25%的数据小于此值
• Q2（第50百分位数，即中位数）：50%的数据小于此值
• Q3（第75百分位数）：75%的数据小于此值

四分位距 IQR = Q3 - Q1，代表中间50%数据的分布范围。IQR 是稳健的离散度量，不受异常值影响。在箱线图（Box Plot）中，IQR 用于识别异常值——通常将低于 Q1-1.5×IQR 或高于 Q3+1.5×IQR 的值标记为潜在异常值。

标准差反映了数据围绕均值的分散程度。标准差越小，数据越集中；标准差越大，数据越分散。

经验法则（适用于近似正态分布）：
• 约 68% 的数据落在均值 ±1个标准差范围内
• 约 95% 的数据落在均值 ±2个标准差范围内
• 约 99.7% 的数据落在均值 ±3个标准差范围内

例如，某次考试均分为80分，标准差为10分，则约68%的学生成绩在70-90分之间，约95%在60-100分之间。

变异系数 CV = 标准差 / 均值 × 100%，它是一个无量纲的相对离散度量，以百分比表示。CV 的独特优势在于可以比较不同单位或不同量级的数据集的变异程度。

例如：比较A班成绩（均值80，标准差12，CV=15%）和B班成绩（均值60，标准差11，CV≈18.3%），虽然A班标准差更大，但B班的相对变异更大。CV 在金融（比较不同价格股票的波动性）、质量控制、生物学研究等领域非常有用。注意：均值接近0时CV无意义。

本工具智能识别多种数据分隔格式，无需手动选择：
• 逗号分隔：78, 85, 92, 88
• 空格分隔：78 85 92 88
• 换行分隔：每行一个数字
• 制表符分隔：从Excel直接粘贴
• 混合分隔：78, 85 92, 88（逗号+空格混合）
• 支持负数和小数：-3.14, 0, 2.718
• 也支持分号、竖线等常见分隔符。系统会自动提取所有有效数字，过滤掉非数字内容。
🔧 相关工具