离散度(极差的用途和意义是什么呢)

离散度，极差的用途和意义是什么呢？

极差，就是最大值减去最小值；变异系数，就是数据的标准差/均值.数据统计和分析，一定要有比较才能有发现。具体的意义是这样：极差反映出数据的变化幅度，让人从感知上了解样本之间的最大差异；最好拿这个样本集的极差和那个样本集的极差作对比，这样才能看出极差间的差距。

变异系数的作用在于比较：一般看和3的比较。≥3，说明数据样本之间离散度或稀疏度较高；反之说明离散度或稀疏度较低。

平均度怎么计算？

公式：（x1+x2+……xn）/n。

在统计工作中，平均数（均值）和标准差是描述数据资料集中趋势和离散程度的两个最重要的测度值。平均值有算术平均值，几何平均值，平方平均值（均方根平均值，rms），调和平均值，加权平均值等，其中以算术平均值最为常见。

一种是简单平均法，一种是加权平均法。例如，某企业生产A产品10台，单价100元; 生产产品5台，单价50元;生产C产品3台，单价30元，计算平均价格。简单平均法:平均价格=Z各类产品单价/产品种类。

标准差系数越大越好还是越小越好？

标准差系数越小越好，代表大部分数值和其平均值之间差异较小。如果测量平均值与预测值相差小（同时与标准差数值做比较），则认为测量值与预测值相符合。

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，标准差数值越小，代表回报较为稳定，风险亦较小。

扩展资料

标准差是反映一组数据离散程度最常用的一种量化形式，是表示精确度的重要指标。说起标准差首先得搞清楚它出现的目的。

使用方法去检测它，但检测方法总是有误差的，所以检测值并不是其真实值。检测值与真实值之间的差距就是评价检测方法最有决定性的指标。但是真实值是多少，不得而知。

因此怎样量化检测方法的准确性就成了难题。这也是临床工作质控的目的：保证每批实验结果的准确可靠。

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最重要也是最基本的指标。

由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平均值的程度。因此将数据与均值之差（我们叫它离均差）加起来就能反映出一个准确的离散程度。和越大离散度也就越大。

标准差和方差符号？

标准差σ，这个符号读西格玛，它是大写希腊字母∑（西格玛）的小写形式。

标准差：中文环境中又常称 均方差，标准差是离均差平方的算术平均数的平方根，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。平均数相同的两组组数据，标准差未必相同。

离散度：标准差是反映一组数据离散程度最常用的一种量化形式，是表示精确度的重要指标。说起标准差首先得搞清楚它出现的目的。我们使用方法去检测它，但检测方法总是有误差的，所以检测值并不是其真实值。检测值与真实值之间的差距就是评价检测方法最有决定性的指标。但是真实值是多少，不得而知。因此怎样量化检测方法的准确性就成了难题。这也是临床工作质控的目的：保证每批实验结果的准确可靠。

极差：最直接也是最简单的 方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法在日常生活中最为常见，比如比赛中去掉最高最低分就是 极差的具体应用。

什么是数据的变异性？

数据的变异性（散布，离散度）可看作是对不同数值间的差异性的度量。直观来说，上面第一组数据组数值之间相差比较大，而第三组数据组中任意数值之间相等无差异。而当我们在比较“数值之间的差异”时，其实是在把组内的每个数值与一个“特定的数值”进行比较。这个“特定的数值”，通常情况下其实就是均值。从下面反映数据变异性的指标，也能印证这个观点。

反映数据变异性的常用指标有极差、标准差和方差。当想比较两组数据的变异性时，若两组数据的单位不同，还可以通过变异系数来反映其差别。