标准偏差SD计算公式及举例
标准偏差（Standard Deviation，简称SD）是一种用于量化数据分布离散程度的统计量。它反映了数据集中各个数值与平均值之间的偏离程度。标准偏差越大，表示数据的离散程度越高；反之，则表示数据越集中。
公式
对于一组数据 $x_1, x_2, ..., x_n$，其标准偏差的计算步骤如下：
计算数据的平均值 $\bar{x}$： [ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} ]
计算每个数据与平均值的差的平方： [ (x_i - \bar{x})^2 ]
计算这些平方差的平均值，即方差 $s^2$： [ s^2 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n} ] 注意：在某些情况下，为了得到样本的标准偏差估计值，分母会使用 $n-1$ 而非 $n$，这称为样本方差的无偏估计。
对方差开方，得到标准偏差 SD： [ SD = \sqrt{s^2} ]
举例
假设有一组数据：5, 7, 8, 9, 10。
计算平均值： [ \bar{x} = \frac{5 + 7 + 8 + 9 + 10}{5} = 7.8 ]
计算每个数据与平均值的差的平方： [ (5 - 7.8)^2 = 6.76 \ (7 - 7.8)^2 = 0.64 \ (8 - 7.8)^2 = 0.04 \ (9 - 7.8)^2 = 1.44 \ (10 - 7.8)^2 = 4.84 ]
计算方差： [ s^2 = \frac{6.76 + 0.64 + 0.04 + 1.44 + 4.84}{5} = \frac{13.72}{5} = 2.744 ]
计算标准偏差： [ SD = \sqrt{2.744} \approx 1.657 ]
因此，这组数据的标准偏差为约1.657。
