标准差为什么会有两个公式，我该用哪一个？

1差在哪儿：只差一个分母

公式的差别只有一处。

两个函数名里就写着答案：带样本字样的除以 n 减一，带总体字样的除以 n。老版本表格软件里的旧函数名也是这个对应关系，只是名字没那么直白。

2贝塞尔校正在补什么

理解补偿逻辑，就知道什么时候该用哪个。

问题出在均值是估的

算偏差要先有均值，而这个均值是从同一批数据里算出来的，样本天然更「贴合」自己的均值。

于是平方和偏小

样本量越小，贴合得越紧，偏差平方和越被低估。

除以 n 减一正好还回去

以方差为例，分母换成 n 减一之后，它在平均意义上等于总体方差，这就是无偏估计。

标准差本身仍略微偏低

这一步有个常被忽略的细节：开方是非线性运算，所以即便方差无偏，标准差本身还是会略低一点点。做精度要求很高的估计时要记得这一点。

一个常被引用的判断：当样本量只有十个左右、你却用了总体版本，得到的离散程度大约会偏小百分之五上下；样本越小，偏差越大。

3什么情况才算「总体」

判断标准不是数据多不多，而是它有没有被抽样的成分。

是全部，且只关心这一批

比如班里三十个学生的成绩，你要描述的只是这个班——这才是总体。

想推广到更大的群体

同样这三十个成绩，如果你想据此推测全年级水平，那它就是样本。

检测场景多半是样本

抽检十件产品，你要判断的是产线整体是否稳定，属于典型的样本场景。

普查式数据才可能是总体

覆盖范围完整、没有遗漏、且分析目的只限于该范围时，才用总体版本。

4和它容易混的几个坑

同一张表里还有别的口径争议。

分位数的算法不止一种

表格软件和绘图计算器用的分位算法不同，同样的数据会给出不同的四分位数，进而影响异常值判定。

口径要写在报告里

报告离散程度时，注明用的是哪一版、样本量是多少，别只给一个数字。

方差单位是平方

比较波动大小时，标准差和原始数据单位一致，方差不是。汇报时用标准差更直观。

异常值的影响被低估

标准差对极端值很敏感，一个离群点就能把结果拉大很多。这种情况通常先判断该不该剔除，再谈用哪个公式。