标准差

出自 MBA智库百科(http://wiki.mbalib.com/)

标准差 (Standard Deviation)

目录

标准差概述

  标准差是一种表示分散程度的统计观念。标准差已广泛运用在股票以及共同基金投资风险的衡量上,主要是根据基金净值于一段时间内波动的情况计算而来的。一般而言,标准差愈大,表示净值的涨跌较剧烈,风险程度也较大。实务的运作上,可进一步运用单位风险报酬率的概念,同时将报酬率的风险因素考虑在内。所谓单位风险报酬率是指衡量投资人每承担 一单位的风险,所能得到的报酬,以夏普指数最常为投资人运用。

  标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差,代表大部分的数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。

  例如,两组数的集合 {0, 5, 9, 14} 和 {5, 6, 8, 9} 其平均值都是 7 ,但第二个集合具有较小的标准差。

  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。

标准差的简易计算公式

  假设有一组数值 x1, ..., xN (皆为实数),其平均值为:

  \overline{x}=\frac{1}{N}\sum_{i=1}^N x_i

  此组数值的标准差为:

  \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \overline{x})^2}

  一个较快求解的方式为:

  \sigma = \sqrt{{\sum_{i=1}^N x_i^2}\over{N}\left({\sum_{i=1}^N{x_i}\over{N}}\right)^2\ } = \sqrt{\frac{N\sum_{i=1}^N{{x_i}^2} - \left(\sum_{i=1}^N{x_i}\right)^2}{N^2}}

  一随机变量X 的标准差定义为:

  \sigma = \sqrt{\operatorname{E}((X-\operatorname{E}X)^2)} = \sqrt{\operatorname{E}(X^2) - (\operatorname{E}(X))^2}

  须注意并非所有随机变量都具有标准差,因为有些随机变量不存在期望值。 如果随机变量 X 为 x1,...,xN 具有相同机率,则可用上述公式计算标准差。 从一大组数值当中取出一样本数值组合 x1,...,xn ,常定义其样本标准差:

  s = \sqrt{\frac{1}{n-1} \sum_{i=1}^n (x_i - \overline{x})^2}

范例

  这里示范如何计算一组数的标准差。例如一群孩童年龄的数值为 { 5, 6, 8, 9 } :

  第一步,计算平均值

  \overline{x}

  \overline{x}=\frac{1}{N}\sum_{i=1}^N x_i

  n = 4 (因为集合里有 4 个数),分别设为:

  x_1 = 5\,\!

  x_2 = 6\,\!

  x_3 = 8\,\!

  x_4 = 9\,\!

  \overline{x}=\frac{1}{4}\sum_{i=1}^4 x_i 用 4 取代 N

  \overline{x}=\frac{1}{4} \left ( x_1 + x_2 + x_3 +x_4 \right )

  \overline{x}=\frac{1}{4} \left ( 5 + 6 + 8 + 9 \right )

  \overline{x}= 7此为平均值。

  第二步,计算标准差\sigma\,\!

  \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \overline{x})^2}

  \sigma = \sqrt{\frac{1}{4} \sum_{i=1}^4 (x_i - \overline{x})^2} 用 4 取代 N

  \sigma = \sqrt{\frac{1}{4} \sum_{i=1}^4 (x_i - 7)^2}用 7 取代 \overline{x}

  \sigma = \sqrt{\frac{1}{4} \left [ (x_1 - 7)^2 + (x_2 - 7)^2 + (x_3 - 7)^2 + (x_4 - 7)^2 \right ] }

  \sigma = \sqrt{\frac{1}{4} \left [ (5 - 7)^2 + (6 - 7)^2 + (8 - 7)^2 + (9 - 7)^2 \right ] }

  \sigma = \sqrt{\frac{1}{4} \left ( (-2)^2 + (-1)^2 + 1^2 + 2^2 \right ) }

  \sigma = \sqrt{\frac{1}{4} \left ( 4 + 1 + 1 + 4 \right ) }

  \sigma = \sqrt{\frac{10}{4}}

  \sigma = 1.5811\,\!

标准差与平均值之间的关系

  一组数据的平均值及标准差常常同时做为参考的依据。在直觉上,如果数值的中心以平均值来考虑,则标准差为统计分布之一"自然"的测量。较确切的叙述为:假设 x1, ..., xn 为实数,定义其公式

  \sigma(r) = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - r)^2}

使用微积分,不难算出 σ(r) 在下面情况下具有唯一最小值:

  r = \overline{x}

  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

Angle Roh,苦行者,Vulture.

评论

提示:评论内容为网友针对条目"标准差"展开的讨论,与本站观点立场无关。
(221.131.61.*) 在 10:33 2007年12月26日 发表

概念清楚,还有范例,很好!

| 回复评论
(222.129.50.*) 在 20:08 2007年12月27日 发表

确实很棒!很少看到基于汉语的解释。尤其是这么清晰的。

| 回复评论
(61.243.90.*) 在 13:36 2008年1月24日 发表

ok

| 回复评论
(218.4.60.*) 在 18:28 2008年2月14日 发表

| 回复评论
(59.39.207.*) 在 09:15 2008年2月16日 发表

很清楚 好

| 回复评论
(133.60.151.*) 在 14:22 2008年3月10日 发表

very good! thank you very much!

| 回复评论
(59.36.239.*) 在 16:39 2008年3月10日 发表

非常多谢...也总算基本明白其中的函意了...

| 回复评论
(220.169.194.*) 在 10:53 2008年3月13日 发表

非常清楚 很好

| 回复评论
(218.91.56.*) 在 14:51 2008年3月16日 发表

太棒了KO

| 回复评论
(222.181.159.*) 在 12:53 2008年3月25日 发表

终于明白了 很好哟!!!!!

| 回复评论
(117.44.41.*) 在 21:39 2008年4月2日 发表

简洁、明了,非常棒!

| 回复评论
(218.18.39.*) 在 11:59 2008年4月7日 发表

NICE

| 回复评论
(123.123.157.*) 在 09:00 2008年4月28日 发表

非常 棒 ,很清晰,同时对于投资中的标准差也解释很清楚

| 回复评论
(220.191.204.*) 在 14:24 2008年4月29日 发表

很好

| 回复评论
(124.163.96.*) 在 22:33 2008年5月15日 发表

很好,谢谢了

| 回复评论
(219.133.232.*) 在 15:17 2008年5月26日 发表

请问,一个班学生的分数的标准差的计算也是这样的吗?有很多重复的数据呀

| 回复评论
(116.24.137.*) 在 21:29 2008年5月27日 发表

雖言不明白,,可是很好

| 回复评论
(117.66.144.*) 在 23:00 2008年5月31日 发表

THANK YOU

| 回复评论
(61.152.200.*) 在 11:30 2008年7月11日 发表

very clear, and very good. just one thing dont realy understand. The last part,  一组数据的平均值及标准差常常同时做为参考的依据。在直觉上,如果数值的中心以平均值来考虑,则标准差为统计分布之一"自然"的测量。较确切的叙述为:假设 x1, ..., xn 为实数,定义其公式

  

使用微积分,不难算出 σ(r) 在下面情况下具有唯一最小值:

   what does that mean? and whats the relations with standard deviation?

| 回复评论
(220.189.223.*) 在 08:15 2008年8月7日 发表

谢谢这位老师,大学毕业工作2年后,基本又变成2年纪的水平了

| 回复评论
(119.112.166.*) 在 20:50 2008年9月18日 发表

非常感谢。

| 回复评论
(147.226.105.*) 在 00:42 2008年9月25日 发表

太谢谢了,非常需要

| 回复评论
(82.42.2.*) 在 05:20 2008年11月6日 发表

cheers

| 回复评论
(221.199.188.*) 在 19:46 2008年11月11日 发表

非常清楚,我这个小学文化的都看明白了

| 回复评论
(116.254.201.*) 在 18:16 2008年12月22日 发表

想问一下,是不是说标准差就是标准离差呢?希望可以得到一个肯定的答案~~谢谢!

| 回复评论
(60.13.88.*) 在 15:13 2008年12月23日 发表

很好!谢谢!

| 回复评论
(202.114.118.*) 在 16:17 2009年1月17日 发表

公式清晰,简洁。。。很好

| 回复评论
(116.112.176.*) 在 16:07 2009年3月17日 发表

太好了

| 回复评论
(119.254.241.*) 在 15:23 2009年3月18日 发表

不错谢谢分享

| 回复评论
(61.185.221.*) 在 16:44 2009年3月28日 发表

好的很,谢谢分享

| 回复评论
(116.208.176.*) 在 20:41 2009年4月14日 发表

很好。来晚了。

| 回复评论
(219.132.38.*) 在 12:12 2009年4月21日 发表

谢谢,太好了

| 回复评论
(222.86.36.*) 在 14:52 2009年4月21日 发表

是位好老师.

| 回复评论
(58.23.174.*) 在 08:16 2009年5月21日 发表

不错,范例非常明了 很好理解

| 回复评论
(116.52.47.*) 在 22:39 2009年6月4日 发表

我还难以理解!

| 回复评论
(119.129.251.*) 在 11:54 2009年6月17日 发表

VERY GOOD

| 回复评论
(125.85.212.*) 在 10:54 2009年6月20日 发表

so good

| 回复评论
(119.121.0.*) 在 20:02 2009年7月2日 发表

很好,我知道怎样做了!

| 回复评论

发表评论