高一下📊 資料與不確定性
標準差與資料的離散程度
Standard Deviation and Dispersion
公式
σ = √(Σ(xᵢ − μ)² / n)
標準差量的是「資料離平均有多遠」。平均一樣的兩組資料,離散程度可能天差地遠。
白話解釋
只看平均數會漏掉很重要的訊息。{50, 50, 50} 和 {0, 50, 100} 的平均都是 50,但分散程度完全不同。
量離散度的標準做法是看每筆資料離平均的距離。但直接把 (xᵢ − μ) 加起來一定是 0(正負互相抵消),所以要先**平方**再平均——這叫**變異數 σ²**。
變異數的單位是原單位的平方(公分的變異數單位是平方公分),不好解讀。所以再開根號回來,得到**標準差 σ**,單位跟原資料相同。
實際計算常用等價公式 **σ² = (Σxᵢ²)/n − μ²**(平方的平均 減 平均的平方),比按定義逐項算快得多。
兩個重要性質: **全體加一個常數**,標準差**不變**(整組平移,分散度沒變); **全體乘一個常數 k**,標準差變成 **|k| 倍**。 這兩點在換單位(公分換公尺、攝氏換華氏)時特別有用。
標準差是後面常態分布與 68–95–99.7 法則的基礎——沒有它,「離平均幾個標準差」這句話就無從說起。
什麼時候用
比較兩組資料的穩定度、品質管制、投資風險評估。
最容易錯的地方
- 把變異數當成標準差(差一個根號)。
- 以為平均相同的資料就一樣。
- 全體加常數時以為標準差也跟著變。
例題 · 3 題
先自己算,再看解答——這樣才有效。
- 1
資料 2, 4, 6 的平均數是多少?
- 2
承上,變異數是多少?
- 3
一組資料標準差是 5,每筆都加 10 後標準差是多少?