1. 为什么我们需要标准差?
刚入行数据分析那会儿,我总被各种统计指标搞得晕头转向。记得有次老板让我分析用户购买金额的波动情况,我傻乎乎地只计算了平均值就交差,结果被反问:"这些数据真的都紧密围绕平均值分布吗?"当时我就懵了。后来才知道,光看平均值就像只用一个数字描述整片森林,而标准差才是那把衡量树木高矮差异的尺子。
标准差本质上反映的是数据点的"抱团程度"。举个例子,假设A班级数学成绩平均80分,B班级也是80分。但A班成绩集中在75-85分之间,B班却从60分到100分都有。虽然平均值相同,但B班的标准差明显更大,说明成绩更分散。在SQL中,我们常用STDDEV系列函数来量化这种离散程度。
标准差和方差是亲兄弟,都用来衡量数据波动。但方差有个"怪癖":它把差值平方了。比如某个数据点偏离平均值5个单位,方差就记25。这个平方操作虽然数学上好处理,但解释性很差——谁能直观理解"25个平方单位"的离散度?所以统计学家们开了个平方根,把方差打回原形,这就是标准差。在SQL中计算时,STDDEV其实就是先算VAR_SAMP再开方,你可以用这个公式验证:
sql复制SELECT
STDDEV(age) AS age_stddev,
SQRT(VAR_SAMP(age)) AS manual_stddev
FROM employees
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 三兄弟的区别:STDDEV、STDDEV_SAMP和STDDEV_POP
第一次见到这三个函数时,我也纳闷为什么要有这么多变种。直到做电商用户行为分析时踩了坑才明白:用错函数会导致完全不同的业务结论。这三个函数的根本区别在于分母的选择——是n还是n-1。
STDDEV_POP计算的是总体标准差,分母用n。假设你们公司有1000名员工,你要计算全员工资标准差,这就是针对"总体"的计算。而STDDEV_SAMP用于样本标准差,分母用n-1。比如你随机选取100名员工分析工资波动,这就是"样本"场景。至于STDDEV,它在多数数据库里其实是STDDEV_SAMP的别名,但有些老系统可能表现不同,最好显式声明。
来看个实际案例。我们曾分析用户购物车金额离散度,错误地用了STDDEV_POP处理抽样数据,导致低估了波动风险。正确的做法应该是:
sql复制-- 错误:对抽样数据使用总体标准差
