Калькулятор разброса - дисперсия, стандартное отклонение и IQR

Рассчитайте полный набор статистических мер разброса — размах, дисперсию, стандартное отклонение, IQR, коэффициент вариации и MAD — для любых числовых данных.

Введите числа через запятую и нажмите «Рассчитать», чтобы мгновенно увидеть все показатели разброса и центральной тенденции.

Калькулятор разброса - дисперсия, стандартное отклонение и IQR
Рассчитайте полный набор статистических мер разброса — размах, дисперсию, стандартное отклонение, IQR, коэффициент вариации и MAD — для любых числовых данных.

О калькуляторе разброса

Статистический разброс показывает, насколько сильно значения в наборе данных отличаются друг от друга. Если меры центральной тенденции — среднее, медиана и мода — показывают, где находится центр распределения, то меры разброса показывают, насколько отдельные точки данных отклоняются от этого центра. Два набора данных могут иметь одинаковое среднее, но совершенно разные распределения; именно меры разброса и выявляют это различие. Размах — самая простая мера разброса: разница между наибольшим и наименьшим значениями. Его легко вычислить и интерпретировать, но он чувствителен к выбросам, потому что полностью зависит от двух крайних значений и игнорирует всё остальное. Дисперсия измеряет среднее квадратичное отклонение от среднего. Выборочная дисперсия делит сумму квадратов отклонений на (n−1) — с поправкой Бесселя, чтобы дать несмещённую оценку генеральной дисперсии при работе с выборкой. Генеральная дисперсия делит на n и подходит только тогда, когда ваш набор данных представляет всю интересующую генеральную совокупность. Стандартное отклонение — это квадратный корень из дисперсии, выраженный в тех же единицах, что и исходные данные. Межквартильный размах (IQR) измеряет разброс средних 50% данных. Он рассчитывается как Q3 − Q1, где Q1 — 25-й перцентиль, а Q3 — 75-й перцентиль. Поскольку он игнорирует нижние и верхние 25% значений, IQR устойчив к выбросам и является предпочтительной мерой разброса для асимметричных распределений. Коэффициент вариации (CV) выражает выборочное стандартное отклонение в процентах от среднего, превращая его в безразмерную меру, позволяющую сравнивать относительную изменчивость наборов данных в разных единицах или масштабах. CV 10% означает, что стандартное отклонение составляет 10% от среднего — полезный ориентир при сравнении точности измерений в разных экспериментах. Медианное абсолютное отклонение (MAD) — это медиана абсолютных отклонений от медианы. Оно ещё более устойчиво к выбросам, чем IQR, и используется в робастной статистике и обнаружении аномалий. Как и IQR, MAD устойчиво к экстремальным значениям и даёт надёжную меру разброса для наборов данных с тяжёлыми хвостами или асимметрией.

Примеры калькулятора разброса

Три реальных набора данных, иллюстрирующие разные типы разброса.

Набор данныхКлючевые показателиИнтерпретация
85, 92, 78, 88, 76, 95, 89, 72Среднее=84.375, SD≈8.19, IQR=12.25Оценки за классную работу. CV≈9.71% указывает на умеренный относительный разброс. IQR 12.25 показывает, что средние 50% учеников находятся в пределах 12 баллов.
1.2, -0.5, 2.1, 0.8, -1.9, 1.5, 2.5, -0.2, 0.3, 1.7, -1.1, 2.3Среднее=0.725, SD≈1.40, IQR=2.075Ежемесячная доходность акций (%). Высокий CV (>100%) отражает значительную волатильность относительно небольшого положительного среднего.
502, 499, 505, 498, 501, 503, 497, 500Среднее=500.625, SD≈2.67, CV≈0.53%Масса изделий (г) в партии контроля качества. Очень низкий CV подтверждает высокую стабильность производства вокруг целевого значения 500 г.

Как пользоваться калькулятором разброса

  1. Введите или вставьте значения в текстовую область, разделяя их запятыми, пробелами или переносами строк.
  2. Нажмите «Рассчитать». Калькулятор разберёт числа и проигнорирует нечисловые токены.
  3. Изучите меры центральной тенденции (количество, среднее, медиану), чтобы понять, где сосредоточены данные.
  4. Проверьте показатели разброса: размах — для общего диапазона, стандартное отклонение — для среднего отклонения от среднего, IQR — для разброса средних 50%.
  5. Используйте коэффициент вариации для сравнения относительной изменчивости разных наборов данных и MAD как устойчивую к выбросам меру разброса.

Часто задаваемые вопросы о калькуляторе разброса

Когда лучше использовать IQR, а не стандартное отклонение?
Используйте IQR, когда данные асимметричны, содержат выбросы или не имеют нормального распределения. IQR учитывает только средние 50% данных и не зависит от экстремальных значений. Стандартное отклонение учитывает все значения, поэтому один выброс может заметно его увеличить. Для нормально распределённых данных без выбросов оба показателя полезны.
В чём разница между выборочной и генеральной дисперсией?
Генеральная дисперсия делит сумму квадратов отклонений на n (общее количество наблюдений) и подходит, когда у вас есть данные всей генеральной совокупности. Выборочная дисперсия делит на n−1 (поправка Бесселя), что исправляет смещение при оценке генеральной дисперсии по выборке. Для больших выборок разница несущественна; для маленьких выборок (n < 30) она важнее.
Что показывает коэффициент вариации?
Коэффициент вариации (CV) выражает стандартное отклонение в процентах от среднего, давая независимую от масштаба меру относительной изменчивости. CV 5% означает, что данные относительно стабильны; CV 50% — что изменчивость велика по сравнению со средним. CV особенно полезен для сравнения измерений в разных единицах, например при сопоставлении стабильности двух производственных процессов.
Как вычисляется медианное абсолютное отклонение (MAD)?
MAD — это медиана абсолютных отклонений от медианы: MAD = median(|xi − median(x)|). Оно более устойчиво к выбросам, чем стандартное отклонение, потому что использует медиану отклонений, а не среднее. Часто используют робастную оценку стандартного отклонения 1.4826 × MAD, которая для нормального распределения равна стандартному отклонению.
Почему среднее и медиана могут заметно отличаться?
Если среднее и медиана сильно расходятся, распределение асимметрично. Среднее значительно больше медианы указывает на правостороннюю асимметрию (несколько очень больших значений тянут среднее вверх). Среднее значительно меньше медианы указывает на левостороннюю асимметрию. В асимметричных распределениях медиана обычно лучше среднего как мера центральной тенденции, а IQR лучше стандартного отклонения как мера разброса.
Можно ли использовать этот калькулятор для очень больших наборов данных?
Калькулятор обрабатывает набор данных любого размера, который вы можете ввести, но очень большие входные данные могут разбираться медленнее. Для лучшей производительности используйте значения, разделённые запятыми, в одной строке или разбейте их на несколько строк. Расчёты используют численно устойчивые алгоритмы, которые избегают переполнения и потери точности в типичных диапазонах данных. Если вы анализируете миллионы значений, специализированный статистический пакет вроде R или Python pandas будет эффективнее.