離散度計算器 - 變異數、標準差與四分位距
從任何數值資料集中計算完整的離散程度指標——範圍、變異數、標準差、四分位距、變異係數與 MAD。
輸入以逗號分隔的數字並點擊「計算」，即可立即查看所有離散程度與中心趨勢統計量。
離散度計算器 - 變異數、標準差與四分位距
從任何數值資料集中計算完整的離散程度指標——範圍、變異數、標準差、四分位距、變異係數與 MAD。
關於離散度計算器
統計離散程度描述的是資料集中各個數值有多分散。中心趨勢指標——平均值、中位數與眾數——告訴你分布中心在哪裡，而離散程度指標則告訴你各個資料點偏離該中心有多遠。兩個資料集可能擁有相同的平均值，卻呈現截然不同的分布；正是離散程度指標揭示了這種差異。
範圍是最簡單的離散程度指標：最大值與最小值之差。它容易計算，也容易理解，但因為完全依賴兩個極端值，所以對離群值非常敏感，並且會忽略中間所有資訊。
變異數衡量與平均值之間平方偏差的平均值。樣本變異數會把平方偏差總和除以 (n−1)——使用貝塞爾修正，可在樣本情境下對母體變異數給出不偏估計。母體變異數則除以 n，只適用於你的資料集本身就是所關注的完整母體。標準差是變異數的平方根，單位與原始資料相同。
四分位距（IQR）衡量中間 50% 資料的跨度，計算方式為 Q3 − Q1，其中 Q1 是第 25 百分位，Q3 是第 75 百分位。由於它忽略了最低和最高 25% 的數值，IQR 對離群值更穩健，因此是偏態分布最常用的離散程度指標。
變異係數（CV）把樣本標準差表示為平均值的百分比，因此是一種無量綱指標，可用來比較不同單位或不同量級資料集的相對變異性。CV 為 10% 表示標準差相當於平均值的 10%——這是比較實驗測量精度時很有用的基準。
中位數絕對偏差（MAD）是各資料點偏離中位數的絕對值的中位數。它比四分位距更能抵抗離群值，常用於穩健統計與異常偵測。和 IQR 一樣，MAD 對極端值不敏感，能為重尾或偏態分布的資料集提供可靠的離散程度度量。
離散度計算器範例
三組真實世界資料集，說明不同的離散模式。
| 資料集 | 關鍵指標 | 解讀 |
|---|---|---|
| 85, 92, 78, 88, 76, 95, 89, 72 | 平均值=84.375，SD≈8.19，IQR=12.25 | 班級測驗成績。CV≈9.71% 表示相對離散程度中等。IQR 為 12.25，顯示中間 50% 的學生分數落在 12 分的區間內。 |
| 1.2, -0.5, 2.1, 0.8, -1.9, 1.5, 2.5, -0.2, 0.3, 1.7, -1.1, 2.3 | 平均值=0.725，SD≈1.40，IQR=2.075 | 每月股票報酬率（%）。較高的 CV（>100%）反映了相對於較小正平均報酬的顯著波動性。 |
| 502, 499, 505, 498, 501, 503, 497, 500 | 平均值=500.625，SD≈2.67，CV≈0.53% | 品質管制批次中的產品重量（g）。極低的 CV 證明製造過程圍繞 500 g 目標非常穩定。 |
如何使用離散度計算器
- 將資料值輸入或貼到文字區域中，可用逗號、空格或換行分隔。
- 點擊「計算」。計算器會解析數字，並忽略任何非數值內容。
- 查看中心趨勢指標（數量、平均值、中位數），了解資料的中心位置。
- 檢查離散程度指標：範圍看整體跨度，標準差看相對於平均值的平均偏離，IQR 看中間 50% 的跨度。
- 使用變異係數比較不同資料集的相對變異性，並使用 MAD 作為更穩健、抗離群值的離散程度指標。
離散度計算器常見問題
什麼時候該用 IQR 而不是標準差？
當資料偏斜、包含離群值，或來自非正態分布時，應使用 IQR。IQR 只考慮中間 50% 的資料，不受極端值影響。標準差會把所有數值都納入計算，因此一個離群值就可能讓它明顯放大。對於沒有離群值的正態分布資料，這兩種指標都很有參考價值。
樣本變異數和母體變異數有什麼差別？
母體變異數用平方偏差總和除以 n（總數），適用於你擁有整個母體資料的情況。樣本變異數用 n−1（貝塞爾修正）作為除數，用於從樣本估計母體變異數時的偏差修正。對於大樣本，兩者差異很小；對於小樣本（n < 30），差異更明顯。
變異係數告訴我什麼？
變異係數（CV）把標準差表示為平均值的百分比，因此提供了一種與尺度無關的相對變異性度量。CV 為 5% 表示資料相對穩定；CV 為 50% 表示相對於平均值，它的變動很大。CV 特別適合比較不同單位的測量值，例如比較兩種製造流程的一致性。
中位數絕對偏差（MAD）是如何計算的？
MAD 是各資料點偏離中位數的絕對值的中位數：MAD = median(|xi − median(x)|)。它比標準差更能抵抗離群值，因為它使用的是偏差的中位數而不是平均值。常用的穩健標準差估計為 1.4826 × MAD，對於常態分布，這個值等於標準差。
為什麼平均值和中位數可能差很多？
當平均值和中位數差異很大時，表示分布存在偏斜。平均值遠大於中位數表示右偏（少數很大的值把平均值拉高）。平均值遠小於中位數表示左偏。對於偏態分布，中位數通常比平均值更適合作為中心趨勢指標，而 IQR 比標準差更適合作為離散程度指標。
這個計算器能處理非常大的資料集嗎？
它可以處理你能輸入的任何規模資料集，但非常大的輸入在解析時可能會較慢。為了最佳效能，建議使用單行逗號分隔值，或分布在多行中。計算採用數值穩定的演算法，可避免典型資料範圍內的溢位和下溢。如果你要分析數百萬個數值，R 或 Python pandas 之類的專用統計套件會更有效率。