相對標準偏差計算器 - RSD 與 CV
集中趨勢與離散度量
輸入一組數字，即可計算相對標準偏差（RSD），也稱變異係數（CV）。
相對標準偏差計算器 - RSD 與 CV
集中趨勢與離散度量
關於相對標準偏差計算器
相對標準偏差（RSD），也稱變異係數（CV），是一種標準化的統計離散度量，以百分比表示標準差相對於平均值的大小。與絕對標準差不同，RSD 是無量綱的，因此非常適合比較不同單位或平均值差異很大的資料集之變異性。\n\nRSD 的公式很簡單：RSD = (s / |x̄|) × 100%，其中 s 是使用貝塞爾校正（除以 n − 1）計算的樣本標準差，x̄ 是資料集的算術平均值。本工具使用樣本標準差公式，可在處理來自較大母體的樣本時，對母體標準差提供無偏估計。\n\nRSD 在分析化學與實驗室科學中廣泛用來評估測量方法的精密度。較低的 RSD（通常低於 5%）代表高精密度，也就是重複測量會緊密聚集在平均值附近。在藥物分析中，監管機構通常要求儀器校正標準的 RSD 低於 2%。\n\n在金融領域，變異係數可協助投資人比較不同資產每單位報酬所承擔的風險。CV 較低的投資組合被視為更有效率，因為它能以較小的相對波動性達到相同報酬。\n\n在品質管制與製造業中，RSD 用於監測製程隨時間的穩定性。工程師會追蹤各生產批次的 CV，以在偏差演變成缺陷之前發現製程波動的變化。\n\n本計算器接受任何以逗號、空格或換行分隔的數值清單。它可一步計算數量、算術平均值、樣本標準差與最終的 RSD。結果以四位有效數字顯示，足以滿足大多數科學與工程應用。\n\n請注意，當平均值等於零時，RSD 無法定義；而當資料同時包含正負值時，其解讀價值會下降，因為即使資料分散很大，平均值也可能接近零。在這種情況下，報告絕對標準差或四分位距會更有資訊量。
RSD 計算範例
以下範例顯示不同類型資料集的典型 RSD 計算。
| 資料集 | RSD | 附註 |
|---|---|---|
| 10, 15, 12, 18, 13 | ~22.42% | 中等變異性 |
| 100, 100.5, 99.8, 100.2, 100.1 | ~0.27% | 高精密度儀器 |
| 5, 10, 15, 20, 25 | ~52.70% | 等距分布 — RSD 偏高 |
如何使用此計算器
- 在文字區中輸入資料值，並以逗號、空格或換行分隔。
- 按一下「計算」以求出平均值、樣本標準差與 RSD。
- 檢視以百分比表示的 RSD 值。
- 使用「重設」清除所有輸入並開始新的計算。
- 如用於分析化學，請確認 RSD 符合方法的驗收標準（通常 ≤ 5%）。
常見問題
RSD 與標準差有什麼差別？
標準差是以資料相同單位表示的絕對離散度量。RSD 則透過除以平均值再乘以 100 進行正規化，成為無量綱百分比。因此，當比較不同單位或不同尺度資料集的變異性時，RSD 更有用。
什麼時候應該使用 RSD 而不是標準差？
當比較兩個或多個平均值不同、單位不同的資料集之相對變異性時，應使用 RSD。例如，比較兩台量測不同數值大小的儀器精密度，最好使用 RSD。
什麼樣的 RSD 值算好？
這取決於應用。在分析化學中，校正標準通常要求 RSD 低於 2%；而在生物基質中，最高可接受到 15%。在製造業中，可接受的 RSD 則取決於製程與產品規格。
為什麼這個計算器使用 n−1 而不是 n？
除以 n−1（貝塞爾校正）可以修正以樣本估計母體變異數時引入的偏差。當你擁有整個母體時，使用 n；當你只有樣本並想估計母體參數時，使用 n−1。
RSD 可以用於負數嗎？
只要平均值不為零，RSD 在技術上就是有定義的。不過，當資料包含負值時，即使資料分散很大，平均值也可能接近零，進而使 RSD 顯得過大或變得無定義。在這種情況下，可考慮使用標準差或四分位變異係數。
RSD 和變異係數（CV）是同一個指標嗎？
是的，RSD 和 CV 是同一個指標。CV 更常用於生物學、醫學與金融領域，而 RSD 則常見於分析化學與實驗室科學。兩者的計算方式都是（標準差 / 平均值）× 100%。