标准差计算器
统计学是一门科学分支，致力于数据分析和系统化，以及以数字形式表达其定量和定性指标。
根据泛化程度，区分初级统计数据和聚合统计数据；根据特征数量——一维和多维；根据组织格式——空间、时间和混合（时空）。
统计是展示社会进程和现象的最佳工具，可以让您及时发现薄弱环节和问题领域，对立法、生产流程、法律规范等做出适当的改变。
统计，其名字来源于拉丁语status，翻译过来就是“事态”，自古罗马时代就已存在。 然后它被用来保存财产记录、人口普查以及比较战国的军事潜力。
但它直到 1746 年才获得科学地位，取代了德国的“国家研究”。 该倡议属于德国科学家 Gottfried Achenwall，他在 18 世纪中叶将统计学转变为一门学科。
标准差
在统计学的框架下，作为一门科学，出现了许多新的指标和数值。 其中包括标准差 (RMS)，该标准至今仍用于描述数据集中值的平均值的分布情况。
本质上，RMS 是一种变异性度量，描述一个数组中的数据彼此之间有多少差异。 它广泛应用于经济和金融、工程以及许多其他科学分支。
根据官方定义，标准差是随机变量的值相对于其数学期望的离散程度的指标。 反过来，数学期望类似于算术平均值，但具有无限数量的结果。
简单来说，标准差越低，收集到的数据就越准确地反映现实。 相反，高标准差表明收集的统计信息不明确。 此外，RMS 允许您识别不反映主要趋势且属于规则例外的异常和异常值。
以下是 COEX 实践中的一些示例：
- 在金融领域，作为波动性的衡量标准。
- 在社会学调查中 - 评估公众舆论。
- 在体育领域，预测具有客观优势和劣势的球队的获胜情况。
在科学文献中，标准差用拉丁字母西格玛（σ）表示，并且有一个替代名称——“标准差”（标准差）。 当需要考虑所有样本值并获得高精度结果时使用它。 顾名思义，需要平方根来确定 RMS。
显着性标准差可以与平均值、中位数、众数和四分位数等统计值相提并论。 RMS 的优点之一是易于计算。 执行一些简单的数学运算就足以确定标准差并将其用于进一步的计算。
直到 20 世纪末，这些操作都是在没有计算机的情况下进行的，通常甚至不需要计算配件。 如今，要确定 RMS，使用软件就足够了，例如，一个特殊的在线应用程序，可以根据输入的数据计算标准差。
