学而思网校

方差衡量一组数据围绕平均数的离散程度：先求平均数，再算每个数据与平均数之差的平方，最后对这些平方求平均。平均数相同的两组数据，方差可能完全不同；方差小表示围绕各自平均数更集中，不表示平均水平一定更高。下面用两组短数据，逐步完成计算、单位解释与变式检验。

先求中心，再逐个计算偏差

假设甲组数据为4、5、6，平均数为5；乙组为1、5、9，平均数也为5。这些数字只用于数学示例。两组中心相同，但甲组离5最远只有1，乙组最远为4，因此需要另一个量描述这种差异。

甲组偏差依次为−1、0、1，乙组为−4、0、4。如果直接将偏差相加，两组结果都为0，因为低于平均数的负差与高于平均数的正差相互抵消。这个总和无法表达分散程度，需要改变统计偏差的方式。

方差采用平方偏差，甲组为1、0、1，乙组为16、0、16，再分别除以数据个数3，得到2/3与32/3。乙组的方差更大，与原始数据更分散的观察一致，整个计算链才算完成。

为什么要平方，方差单位怎样理解

平方让正负偏差都变成非负贡献，也让较大的偏差获得更大的权重。偏离4不是偏离1的四倍平方贡献，而是十六倍。这解释了为什么极端记录可能显著抬高方差，不能只检查平均数变化。

若数据单位为分钟，平方偏差和方差的单位就是分钟的平方；标准差则是方差的非负平方根，单位回到分钟。甲组标准差为√(2/3)，乙组为√(32/3)，不能把方差的数值直接写成原始时间单位。

方差为0意味着每个平方偏差都为0，即全部数据相同；反过来，全部相同方差也为0。非负性是一项有用检查：如果最后算出负方差，说明公式、括号或计算至少有一处错误，应回看原数据而不是给负数附会含义。

全部加同一个数，为什么离散程度不变

把4、5、6都加10，得到14、15、16，平均数从5变成15。每个数据与新平均数的差仍为−1、0、1，方差还是2/3。这说明整体平移只改变中心，不改变相对中心的分布。

如果全部乘2，变成8、10、12，平均数为10，偏差为−2、0、2，方差为8/3，是原来的4倍。数据放大a倍，偏差放大a倍，平方偏差就放大a²倍；标准差则放大|a|倍。

因此单位换算也会改变方差数值。厘米改为米，所有数据除以100，方差除以10000，而标准差除以100。比较前必须统一单位，不能把不同单位下的方差数值直接判断为谁更稳定。

公式里的除数，先看题目定义

中学题目描述所给整组数据的方差，通常按平方偏差和除以n计算；在统计推断中，用样本估计总体方差时，经常使用除以n−1的样本方差。两种写法服务于不同定义和目的，不能在同一道题中随意切换。

遇到教材或题目给出明确公式，应按其定义列式，并说明所求对象。本文前面的三条记录是在描述这整组数据，所以用n=3。不能看到别处出现n−1，就认为前面的计算一定错误。

另一种等价计算是“平方的平均减去平均的平方”。对4、5、6，平方平均为77/3，再减25，得到2/3。用它复核很方便，但括号和分母不能省，尤其不能错写成平均数平方减平方平均。

报告方差时，怎样避免过度解读

若甲组平均值5、方差小，乙组平均值8、方差大，只能分别说中心位置与离散程度不同，不能单凭方差判断哪组“更优秀”。在成绩、耗时、温度等不同情境中，目标可能是更高、更低或接近某个值，评价标准需要单独说明。

单个方差也不能还原整组数据。不同的数据形态可能有相同方差，例如对称地交换各项位置，平均数与方差都不变，但时间先后趋势可能改变。时间记录如果还关心持续上升或下降，应同时保留顺序图，而不是仅汇总为一个数。

复习时保留三项检查：偏差和应为0，方差应非负，单位应为原单位的平方。再用全加常数与全乘常数做两道变式，解释数值为何改变或不变。能把每个平方项对应回一条记录，就能从“记公式”走向真正读懂离散程度。

相同平均数与方差，也可能有不同的时间过程

例如记录1、3、5与5、3、1，只是顺序相反，所以平均数均为3，方差也相同，但前者持续上升，后者持续下降。若研究的是连续几天的趋势，必须看时间顺序，而不能只比较汇总指标。

再看两次记录是否使用同一尺度。测量精度粗细不同会影响小幅波动能否被观察到，记录次数不同也会影响对稳定性的认识。不能把一次短测中方差较小，直接解释成长期永远稳定。

实际比较可同时列出平均数、标准差、记录个数与原始图。数学计算部分使用清晰的方差定义，实际解释部分保留样本范围与测量条件。这样既不会因谨慎而回避结论，也不会让一个离散指标承担它本来不能证明的长期判断。