【样本标准差计算公式】在统计学中，样本标准差是一个重要的指标，用于衡量一组数据与其平均值之间的离散程度。它广泛应用于数据分析、质量控制和科学研究等领域。本文将总结样本标准差的计算方法，并通过表格形式清晰展示计算步骤。
一、样本标准差的定义
样本标准差（Sample Standard Deviation）是描述样本数据波动性的一个指标，其计算基于样本数据与样本均值之间的差异。与总体标准差不同，样本标准差使用的是“无偏估计”，即在计算时除以 $ n - 1 $ 而不是 $ n $，以更准确地反映总体的特征。
二、样本标准差的计算公式
样本标准差的计算公式如下：
$$
s = \sqrt{\frac{1}{n - 1} \sum_{i=1}^{n}(x_i - \bar{x})^2}
$$
其中：
- $ s $ 表示样本标准差；
- $ x_i $ 表示第 $ i $ 个样本数据；
- $ \bar{x} $ 表示样本均值；
- $ n $ 表示样本数量；
- $ \sum $ 表示求和符号。
三、计算步骤总结
以下是计算样本标准差的详细步骤，便于理解与操作：
| 步骤 | 内容说明 |
| 1 | 收集样本数据，记为 $ x_1, x_2, ..., x_n $ |
| 2 | 计算样本均值 $ \bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i $ |
| 3 | 求每个数据点与均值的差值：$ x_i - \bar{x} $ |
| 4 | 对每个差值进行平方：$ (x_i - \bar{x})^2 $ |
| 5 | 将所有平方差相加：$ \sum_{i=1}^{n}(x_i - \bar{x})^2 $ |
| 6 | 将总和除以 $ n - 1 $：$ \frac{1}{n - 1} \sum_{i=1}^{n}(x_i - \bar{x})^2 $ |
| 7 | 对结果开平方，得到样本标准差 $ s $ |
四、举例说明
假设有一组样本数据：$ 5, 7, 9, 11, 13 $
1. 计算均值：
$$
\bar{x} = \frac{5 + 7 + 9 + 11 + 13}{5} = \frac{45}{5} = 9
$$
2. 计算每个数据点与均值的差值及平方：
| 数据 $ x_i $ | 差值 $ x_i - \bar{x} $ | 平方差 $ (x_i - \bar{x})^2 $ |
| 5 | -4 | 16 |
| 7 | -2 | 4 |
| 9 | 0 | 0 |
| 11 | 2 | 4 |
| 13 | 4 | 16 |
3. 求和：
$$
\sum (x_i - \bar{x})^2 = 16 + 4 + 0 + 4 + 16 = 40
$$
4. 计算样本标准差：
$$
s = \sqrt{\frac{40}{5 - 1}} = \sqrt{10} \approx 3.16
$$
五、小结
样本标准差是衡量数据分散程度的重要工具，尤其适用于无法获取总体数据时的分析。通过上述步骤和表格，可以系统地完成样本标准差的计算过程。在实际应用中，建议使用计算器或统计软件（如 Excel、Python 的 `numpy.std()` 函数）来提高效率和准确性。
附注：
- 若需要计算总体标准差，只需将分母从 $ n - 1 $ 改为 $ n $；
- 样本标准差越小，表示数据越集中；反之则越分散。
