什麼是標準差？
標準差（Standard Deviation）是統計學中最常用的離散度量指標，用來描述一組數據「有多分散」。它告訴我們每個數據點平均偏離平均值多遠。
核心概念：標準差越大，數據越分散；標準差越小，數據越集中於平均值附近。
例如，兩組考試成績：
- A 班：80, 82, 78, 81, 79（標準差約 1.41）
- B 班：60, 95, 70, 100, 75（標準差約 15.17）
兩班平均分可能相近，但 B 班的成績差異明顯更大。
計算步驟詳解
以數據 88 為例：
- 計算平均值：(85+90+78+92+88) / 5 = 86.6
- 計算各數據與平均值的差：-1.6, 3.4, -8.6, 5.4, 1.4
- 取平方：2.56, 11.56, 73.96, 29.16, 1.96
- 求平方和的平均：119.2 / 5 = 23.84（母體變異數）
- 開根號：sqrt(23.84) = 4.88（母體標準差）
本計算機會自動完成以上所有步驟，並以長條圖呈現各數值與平均值的關係。
母體標準差的特性
本計算機使用的是母體標準差（Population Standard Deviation），以 N 作為除數。這適用於以下情境：
- 你擁有的數據就是完整的母體（例如：全班 5 位同學的成績）
- 你想描述這組數據本身的分散程度
- 你不需要推論到更大的群體
| 統計量 | 公式 | 適用場景 |
|---|---|---|
| 母體變異數 σ² | Σ(xi - μ)² / N | 數據 = 整個母體 |
| 母體標準差 σ | sqrt(σ²) | 數據 = 整個母體 |
其他計算結果解讀
平均值（Mean）
所有數據的算術平均，是數據集中趨勢的代表值。但平均值容易受極端值影響，有時中位數更能代表「典型」水準。
全距（Range）
最大值減最小值，反映數據的最大跨度。全距只看兩個極端值，不像標準差考慮所有數據，因此對離群值（Outlier）非常敏感。
變異數（Variance）
標準差的平方。變異數在數學運算上有更好的性質（例如兩組獨立數據合併時，變異數可以相加），但因為單位是原始數據單位的平方，解讀上不如標準差直觀。
長條圖的解讀
計算結果中的長條圖會用兩種顏色標示：
- 藍色：偏離平均值在一個標準差以內的數值
- 紅色：偏離平均值超過一個標準差的數值
這讓你可以一眼看出哪些數據是「異常」的。
標準差在各領域的應用
品質管控
製造業使用標準差來監控產品品質。「六標準差」（Six Sigma）方法要求製程變異控制在 ±6σ 以內，對應不良率為百萬分之 3.4。
| 範圍 | 含蓋比例 | 不良率 |
|---|---|---|
| ±1σ | 68.27% | 31.73% |
| ±2σ | 95.45% | 4.55% |
| ±3σ | 99.73% | 0.27% |
投資風險評估
在金融領域，標準差被用來衡量投資報酬率的波動性。標準差小的基金報酬穩定，適合保守型投資人；標準差大的基金波動劇烈，風險與報酬都較高。
學術研究
研究論文中常使用「平均值 ± 標準差」來描述數據，例如「參與者年齡為 35.2 ± 8.7 歲」，讓讀者快速掌握數據的集中趨勢和分散程度。
教育評量
老師可以用標準差來了解班級成績的分布情況。如果標準差很大，代表學生程度差異大，可能需要差異化教學。
使用注意事項
- 本計算機會自動過濾數值為 0 的欄位，只計算非零數據
- 至少需要 1 筆非零數據才能計算
- 如果所有非零數值相同，標準差為 0
標準差本身的數值沒有絕對的「好壞」標準，必須根據使用場景和比較對象來解讀。重點是在相同情境下進行比較。