표준편차 계산기
평균, 분산, 표준편차, 중앙값, 최빈값을 계산합니다. 모집단 및 표본 공식 지원.
이 도구 소개
표준편차는 데이터가 평균에서 얼마나 흩어져 있는지를 측정하며, 통계학에서 가장 중요한 개념 중 하나입니다. 평균이 데이터의 중심경향을 나타내는 반면, 표준편차는 변동성을 드러냅니다—개별 값이 그 중심에서 얼마나 떨어져 있는지를 보여줍니다. 이 지표는 데이터 일관성을 이해하고, 금융 포트폴리오의 위험을 파악하며, 품질관리에서 측정 정확도를 평가하고, 과학 연구에서 성능 변동을 평가하는 데 중요합니다.
계산기를 사용하려면 데이터 값을 입력하면 됩니다(쉼표나 줄바꿈으로 구분). 완전한 모집단을 분석하는지 아니면 더 큰 모집단에서 추출한 표본을 분석하는지 선택하세요—이는 공식을 바꿉니다. 왜냐하면 표본은 전체 모집단보다 변동이 적기 때문입니다. 도구는 즉시 평균, 분산, 표준편차, 중앙값, 최빈값을 계산하여 완전한 통계 스냅샷을 제공합니다. 이는 실험 결과를 검증하는 연구자, 일관성을 모니터링하는 기업, 성적을 부여하는 교육자, 실제 데이터셋을 해석하는 분석가에게 매우 유용합니다.
모집단 표준편차와 표본 표준편차의 차이를 이해하는 것이 핵심입니다. 모집단 SD는 N으로 나누지만, 표본 SD는 표본추출 편향을 고려하여 N-1(베셀 보정)로 나눕니다. 계산기는 또한 중앙값과 최빈값을 표시하며, 이들은 평균과 함께 데이터의 형태와 중심 위치에 대한 견고한 관점을 제공합니다. 과학적 측정을 분석하든, 여러 배치에 걸친 제품 품질을 비교하든, 또는 시험 점수의 변동을 연구하든, 이 도구는 생데이터를 의미 있는 통계적 통찰력으로 변환합니다.
자주 묻는 질문
코드 구현
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.