標準偏差計算機
平均、分散、標準偏差、中央値、最頻値を計算。母集団・標本の両数式対応。
このツールについて
標準偏差は、データがどの程度平均から散らばっているかを測定し、統計学で最も重要な概念の一つです。平均はデータの中心傾向を示しますが、標準偏差は変動性を明らかにします—個々の値がどの程度その中心から外れているかを表します。この指標は、データの一貫性を理解し、金融ポートフォリオのリスクを特定し、品質管理における測定精度を評価し、科学研究でのパフォーマンス変動を評価するために不可欠です。
計算機を使用するには、データ値を入力するだけです（カンマまたは改行で区切ります）。完全な母集団を分析しているか、より大きな母集団からのサンプルを分析しているかを選択します—これは式を変更します。なぜなら、サンプルは母集団全体よりも変動が少ないからです。ツールはすぐに平均、分散、標準偏差、中央値、最頻値を計算し、完全な統計スナップショットを提供します。これは、実験結果を検証する研究者、一貫性を監視するビジネス、成績を評価する教育者、現実のデータセットを解釈するアナリストにとって非常に価値があります。
母集団と標本の標準偏差の違いを理解することが重要です。母集団SD はNで除算し、標本SDはN-1（ベッセル補正）で除算してサンプリング偏差を考慮します。計算機は中央値と最頻値も表示し、これらは平均とともにデータの形状と中心位置の堅牢な見方を提供します。科学測定の分析、複数バッチにわたる製品品質の比較、またはテストスコアの変動の研究など、このツールは生データを意味のある統計的洞察に変換します。
よくある質問
コード実装
import statistics
def full_stats(data, population=True):
"""Calculate comprehensive statistics for a dataset."""
n = len(data)
total = sum(data)
mean = total / n
if population:
variance = sum((x - mean) ** 2 for x in data) / n
else:
variance = sum((x - mean) ** 2 for x in data) / (n - 1)
std_dev = variance ** 0.5
sorted_data = sorted(data)
mid = n // 2
median = (sorted_data[mid - 1] + sorted_data[mid]) / 2 if n % 2 == 0 else sorted_data[mid]
# Mode
from collections import Counter
freq = Counter(data)
max_freq = max(freq.values())
mode = [k for k, v in freq.items() if v == max_freq] if max_freq > 1 else []
cv = (std_dev / abs(mean)) * 100 if mean != 0 else 0
return {
"count": n, "sum": total, "mean": mean,
"variance": variance, "std_dev": std_dev,
"min": sorted_data[0], "max": sorted_data[-1],
"range": sorted_data[-1] - sorted_data[0],
"median": median, "mode": mode,
"cv_pct": cv,
}
data = [4, 8, 15, 16, 23, 42]
result = full_stats(data, population=True)
for k, v in result.items():
print(f"{k:12}: {v}")Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.