未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本节适用于标准差概念入门及固定数据示例的基础练习。两种代码均计算样本标准差，采用除以n−1与ddof=1的口径，要求数据至少有两个观测值；若计算总体标准差，应采用除以n的口径，NumPy对应ddof=0。NumPy示例需安装相应库，相关知识中的“方差分析”是延伸主题，不能替代方差基础知识。本次仅作正文结构审阅，未运行代码或核验链接目标。

🟢 标准差（Standard Deviation）

abstract 📋 本节概览

  • 🎯 学习目标：理解什么是标准差，为什么要用标准差，以及如何用Python计算标准差
  • 📚 前置知识：方差、描述性统计
  • ⏱️ 预计用时：8分钟

学习目标

note 📖 **什么是标准差？**

标准差是方差的平方根，也用来衡量数据的"分散"程度。标准差越大，数据越分散；标准差越小，数据越集中。

生活例子：

  • 如果你和朋友的身高都差不多，标准差就小。
  • 如果有的很高有的很矮，标准差就大。

🛠️ 前置知识

  1. 思路说明

    • 先算出方差
    • 对方差开平方，得到标准差

  2. 前置知识

    • numpy（科学计算库，适合大数据量）
    • 也可以用Python自带的math.sqrt

  3. 代码示例

# 方法1：用Python自带代码
import math
scores = [90, 92, 88, 91, 89]
mean = sum(scores) / len(scores)
var = sum((x - mean) ** 2 for x in scores) / (len(scores) - 1)
std = math.sqrt(var)
print("标准差:", std)

# 方法2：用numpy库
import numpy as np
std_np = np.std(scores, ddof=1)
print("用numpy计算的标准差:", std_np)

tip 💡 标准差和方差的关系

标准差=方差的平方根，单位和原数据一致，更直观。

🔗 相关知识