相对标准偏差计算器

相对标准偏差计算器

热门 AI Skill PRO

输入计算

数学公式

RSD=sx‾×100%s=∑i=1n(xi−x‾)2n−1\text{RSD} = \frac{s}{\bar{x}} \times 100\% \qquad s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}
使用统计

广告

结果

相对标准偏差
22.59%
变异系数
平均值 14
标准差 3.1623
数据个数 (n) 5
计算表
x x − x̄ (x − x̄)²
10 -4 16
12 -2 4
14 0 0
16 2 4
18 4 16
Σ 70 40
平均值 (x̄) 70 ÷ 5 = 14
样本方差 (s²) 40 ÷ (5 − 1) = 10
总体方差 (σ²) 40 ÷ 5 = 8

报告本页错误

什么是相对标准偏差?

相对标准偏差(RSD),也称为变异系数(%CV),用来衡量一组数据相对于其平均值的离散程度。它把标准差除以平均值再乘以 100,得到的是一个无量纲的百分比。正因如此,RSD 特别适合用来比较不同单位、或数量级相差悬殊的测量结果的精密度——这是单纯的标准差做不到的。

两条形状相同但均值不同的钟形曲线,其中一条的相对变异更大
离散程度相同时,均值越小,相对变异越大。

如何使用本计算器

输入数据时,各数值之间用逗号或空格分隔即可。然后选择计算样本标准差(采用 \(n-1\),当数据只是更大群体中的一个子集时通常选这一项)还是总体标准差(采用 \(n\),当数据涵盖了整个群体时选这一项)。计算器会以百分比形式返回 RSD,同时给出平均值、标准差以及数据个数。

公式详解

首先计算平均值(\(\bar{x}\));接着根据各数值与平均值的偏差平方求出标准差(\(s\));最后 $$\text{RSD} = \frac{s}{\bar{x}} \times 100\%$$ RSD 较小(约低于 10%)说明数据集中、精密度高;RSD 较大则表示波动明显。

广告
图示标准差除以均值再乘以 100,得到以百分比表示的相对标准差
RSD 将标准差表示为均值的百分比。

实例演算

以数据 10、12、14、16、18 为例:平均值为 14。样本方差为 $$\frac{(-4)^2+(-2)^2+0^2+2^2+4^2}{4} = \frac{40}{4} = 10$$ 因此 \(s = \sqrt{10} \approx 3.1623\)。 $$\text{RSD} = \frac{3.1623}{14} \times 100 \approx 22.59\%$$

广告

不同示例数据集的相对标准偏差

下面的每一行都使用样本标准差(分母为 \(n-1\)),与已解决示例相同的约定,因此可以直接在计算器中使用样本选项重现这些数字。比较的要点是相对标准偏差是一个比率:相同的分散可以是优异的精度或糟糕的精度,取决于均值的位置。

数据值 n 均值 \(\bar{x}\) 样本标准差 \(s\) 相对标准偏差(%CV)
8, 10, 12 3 10 2.0000 20.00%
98, 100, 102 3 100 2.0000 2.00%
10.02, 9.98, 10.01 3 10.0033 0.0208 0.21%
5, 15, 25, 35 4 20 12.9099 64.55%
20, 21, 22, 23, 24 5 22 1.5811 7.19%
20, 21, 22, 23, 60 (最后一个值是离群值) 5 29.2 17.2540 59.09%

第一行是如何获得的

对集合 8, 10, 12 进行完整代入:

$$\bar{x} = \frac{8 + 10 + 12}{3} = \frac{30}{3} = 10$$$$s = \sqrt{\frac{(8-10)^2 + (10-10)^2 + (12-10)^2}{3-1}} = \sqrt{\frac{4 + 0 + 4}{2}} = \sqrt{4} = 2$$$$\text{相对标准偏差} = \frac{2}{10} \times 100\% = 20\%$$

这些行显示了什么

  1. 相同的标准差,相对标准偏差相差十倍(第1行和第2行)。 两个集合都是三个间隔两个单位的点,所以两者都恰好给出 \(s = 2\)。因为均值是10和100,相对标准偏差是20%对2%。单独的标准差无法告诉您测量是否精确;它必须与所测量内容的量级相对比。
  2. 紧密聚集的重复测定集合(第3行)。 三个在10个单位附近的重复测定相差最多0.04,产生约0.21%的相对标准偏差——这是在行为良好的色谱系统上的重复进样中预期的可重复性。
  3. 一个真正可变的集合(第4行)。 数值从5到35,围绕均值20,相对标准偏差约为65%,说明分散与均值本身的数量级相同。对于分析重复测定集合,这将表示方法失败;对于个体间生物数据,这可能完全正常。
  4. 一个离群值的膨胀效应(第5行和第6行)。 将单个值24替换为60,使五个观测值中的四个保持不变,但均值从22上升到29.2,标准差上升了十多倍,相对标准偏差从约7%跳到约59%。因为平方偏差是求和的,一个极端点主导了结果——这就是为什么意外的大相对标准偏差应该促使您在得出过程不精确的结论之前检查原始值。

从表格中得出两个实际注意事项。首先,仅从三个点计算的相对标准偏差本身就是一个不精确的估计,因此不应该过度解释此类值之间的小差异。其次,如果您将计算器切换到总体标准差(除以 \(n\) 而不是 \(n-1\)),上面的每个相对标准偏差都会变小——对于 \(n = 3\),因子为 \(\sqrt{2/3} \approx 0.816\)——所以在将报告的%CV与接受标准比较之前,始终说明所使用的约定。

计算约定与边界情况

以下每个情况都在本计算器上实际运行过,结果一栏就是它真实返回的值。

情况输入结果
小数 0.1、0.2、0.30.1, 0.2, 0.350%
偶数个数值 (1, 2, 3, 4)1, 2, 3, 451.64%
负值 (−3, −1, 4)-3, -1, 4平均数为 0 时,相对标准差没有定义。
列表中有 0 (0, 4, 9)0, 4, 9104.06%
样本还是总体 (2, 4, 4, 4, 5, 5, 7, 9)2, 4, 4, 4, 5, 5, 7, 942.76%
只有一个数值7样本标准差至少需要 2 个数值。

核对于 2026-11-08

常见问题

RSD 和 %CV 是一回事吗?是的——相对标准偏差和百分比变异系数指的是同一种计算。

该选样本还是总体?当你的数值只是从更大群体中抽取的样本时,选样本(\(n-1\)),这适用于大多数实验室和调查场景。只有在你已经测量了群体中每一个成员时,才选总体(\(n\))。

RSD 多少算好?这要看具体领域。在分析化学中,RSD 低于 2% 通常被视为精密度极佳;而在其他场景下,达到 15–20% 也可能是可以接受的。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器