# 散得有多开，才是结论的另一半：标准差和四分位距各自在替谁说话

中心值一样不代表两批数据可以互换；标准差按距离的平方加权、由极端值主导，四分位距只数位次、把两头整个丢掉，两者各自在什么情况下会误导人

> 指标口径 · 分组汇总 · 结论表达 · 约 5 分钟 · 10 月 10 日

## 本篇要点

1. 中心值相同不代表两批数据可以互换，分散程度必须单独描述，它是结论的一部分。
2. 标准差和平均数同属“距离驱动”：先把每个数到中心的偏差平方，再求平均、开方；平方这一步让离得远的值权重按倍数放大，所以标准差对极端值比平均数还敏感。
3. 四分位距（IQR = p75 − p25）和中位数同属“位次驱动”：只用两个位置上的值，极端值只要不改变位次就完全不影响它，含义是中间一半数据跨了多宽。
4. 数据左右对称时，标准差和 IQR 讲同一个故事；分布一歪，两者会给出方向相反的印象。1000 次请求里 988 次是 52 毫秒、12 次是 2400 毫秒，标准差约 256 毫秒而 IQR 是 0，两个数都对，但描述的是不同部位。
5. 标准差主要在三处误导人：变量下面有硬边界时“平均数 ± 一个标准差”会给出负数区间；“68% 落在一个标准差内”只对钟形对称分布成立；它带着单位，量级不同的数据不能直接比。
6. IQR 主要在三处误导人：完全丢掉尾部（所以 p95、p99 必须单独报）；只用了两个点，看不到中间的形状；不能像平均数那样分组加权合并。
7. 报数时按思路配对：报平均数就配标准差，报中位数就配 IQR 或若干分位数；更清楚的写法是直接报 p50、p90、p99 这样一组分位数加一句中心值。

---

上一篇解决的是中心该选谁。但两个中心一样的变量，处境可能完全不同——这时缺的不是另一个中心，而是另一个维度。

## 同一个平均数，两种处境

两家门店过去五周的营业额（万元）：A 是 48、49、50、51、52；B 是 20、40、50、60、80。

两边平均数都是 50。但 A 最差的一周只差 2 万；B 有三周离 50 差 10 万以上，最差掉到 20 万。按“平均 50 万”备货排班，A 基本没错；B 有一半的周要么断货要么压库存。所以要补上的是这个数：**这些值离中心散得有多开**。

## 描述分散有两条路

“散得开不开”问的是离中心有多远，而中心有两种，远也有两种数法，正好两两配对。

```mermaid
flowchart LR
  M["平均数：按距离算中心"] --> S["标准差：也按距离算散开程度"]
  D["中位数：按位次算中心"] --> Q["四分位距：也按位次算散开程度"]
```

## 标准差：把离中心的距离收集起来

标准差跟平均数是一伙的。以门店 A 为例：

1. 每个数减平均数 50，得到偏差 −2、−1、0、1、2。偏差有正有负，直接相加永远是 0，没法用。
2. 平方，让正负都算数：4、1、0、1、4。
3. 求平均：10 ÷ 5 = 2，这个数叫**方差**。
4. 开方：$\sqrt{2}\approx 1.4$，单位回到万元，这就是**标准差**。

门店 B 的偏差是 −30、−10、0、10、30，平方后是 900、100、0、100、900，和是 2000，除以 5 得 400，开方是 20。

于是 A 的标准差约 1.4 万，B 是 20 万。

关键在第 2 步：离中心 2 倍远的点，在平方和里占到 4 倍；10 倍远，占到 100 倍。标准差和平均数一样是“距离驱动”的，只是平均数按距离加权，标准差按距离的平方加权，对极端值更敏感 [1]。

## 四分位距：只数位次

四分位距跟中位数是一伙的。把数据排好，取第 25 百分位（p25）和第 75 百分位（p75），相减：

$$\text{IQR} = p75 - p25$$

A 排序后是 48、49、50、51、52，中间一半落在 48.5 到 51.5 之间，跨了 3；B 是 20、40、50、60、80，p25 是 30，p75 是 70，IQR 是 40。含义就是一句话：**中间一半的数据跨了多宽** [2]。（不同软件算百分位的方法略有差别，差一两个数不影响结论。）

它只用两个位置上的值，跟这两个值多大没关系，跟两头多极端也没关系。把 B 的最大值从 80 改成 800，只要它还排最后，IQR 一动不动。

A、B 的数据左右对称，所以这两个指标讲的是同一个故事。分歧出现在分布变歪的时候。

## 分布一歪，两个数就说不同的话

用上一篇那批响应时间：1000 次请求，988 次用了 52 毫秒，12 次用了 2400 毫秒，平均数是 80 毫秒。

标准差：988 次那边的偏差是 −28 毫秒，平方约 794；12 次那边偏差约 2320 毫秒，平方约 538 万。乘上各自次数相加，那 12 次请求一个人就占了平方和的约 98.8%。除以 1000 再开方，**标准差约 256 毫秒**。

四分位距：988 个数都等于 52，p25 和 p75 都落在这一堆里，**IQR = 0**。

同一批数据，标准差 256 毫秒说“分散得比平均数还大”，IQR 0 毫秒说“中间一半人毫秒不差”。两个都没算错，它们量的是分布的不同部位：256 描述尾部那几个极端值，0 描述中间 98.8% 有多整齐。

所以要记住的是：**一个分散程度的数字，只有知道它描述的是哪一段数据时才有意义。**

## 标准差在哪里会误导人

**一、“平均数 ± 一个标准差”可能指向不存在的值。** 刚才那批请求，$80 \pm 256$ 就是 −176 到 336 毫秒。这不是巧合：响应时间、收入这类变量下面有硬边界（不能小于 0），上面没有，分布天然右偏；偏得越厉害，标准差越大，越容易超过平均数本身，区间左端就掉到 0 以下。收入数据也是这样：平均数 24,000 美元、标准差 27,500 美元，减出来是 −3,500 美元，而一个负收入也没有 [3]。

**二、“68% 的数据落在平均数上下一个标准差内”只在钟形对称分布里成立。** 这条规则来自正态分布的形状，数据一歪就不适用 [4]。

**三、标准差带着单位。** 同一个东西换成不同单位，标准差跟着变，量级不同的两批数据不能直接比。

## 四分位距在哪里会误导人

**一、它把两头丢掉了。** 那批请求 IQR = 0，但同时有 1% 的人等了 2.4 秒。把 IQR 当稳定性指标，会得出一份完全错误的报告。关注体验、风险、达标线时，p95、p99 必须单独报。

**二、它只用了两个点。** 你看不到中间那一半里面是什么形状，也看不到两头到底有多远。

**三、它不能合并。** 两个组的 IQR 合不出整体的 IQR。

**四、它对“变得更糟”没反应。** 最慢的请求从 2.4 秒变成 24 秒，IQR 还是 0。

## 怎么选、怎么报

沿用配对逻辑：**报平均数就配标准差，报中位数或分位数就配 IQR 或更多分位数。** 它们是同一思路的产物——按距离算一对，按位次算一对。

实际判断顺着三个问题走：

1. **数据大致对称吗？** 看最小值、最大值和几个分位数就能判断外形。对称 → 平均数加标准差；右偏 → 中位数加 IQR。
2. **尾部重不重要？** 做告警线、体验指标、风险判断时永远重要，那就额外报 p95、p99。
3. **结论要不要跟总量对账？** 成本、产能、库存这类要跟总量对上的数，用平均数配标准差。

最省事也最不容易出错的写法，是直接报一组分位数。那批请求写成“p50 = 52 毫秒，p90 = 52 毫秒，p99 = 2400 毫秒”，比“平均数 80 毫秒、标准差 256 毫秒”清楚得多，也不用担心读者以为 80 毫秒是某个用户真实等过的时间。

只给一个数，等于替读者决定了哪一段数据不重要。把散开的程度和它描述的位置一起写出来，结论才站得住。

## 术语表

- 标准差：把每个数到平均数的偏差平方、求平均、再开方得到的数，单位和原数据一样，衡量的是“平均来说离中心有多远”，但实际由最极端的少数点主导。
- 方差：标准差的平方，是先把偏差平方再取平均得到的中间量；因为单位变成了平方单位，通常只作为计算步骤，报数时用标准差。
- 四分位距（IQR）：第 75 百分位减第 25 百分位，表示中间一半数据跨了多宽；只看位次不看数值，因此不受极端值影响。
- 距离驱动 / 位次驱动：描述数据的两种思路。平均数和中位数各代表一种，标准差跟着前一种，四分位距跟着后一种，应该成对使用。

## 来源

1. [NIST/SEMATECH 统计手册：Measures of Scale — 方差、标准差、四分位距等分散度量的定义与适用条件](https://itl.nist.gov/div898/handbook/eda/section3/eda356.htm)
2. [Australian Bureau of Statistics: Measures of spread — IQR 为中间 50% 的取值范围，且不受异常值影响](https://www.abs.gov.au/statistics/understanding-statistics/statistical-terms-and-concepts/measures-spread)
3. [Statistics LibreTexts: Standard Deviation (4 of 4) — 右偏收入数据中“平均数 ± 标准差”出现负下限的例子](https://stats.libretexts.org/Courses/Lumen_Learning/Concepts_in_Statistics_(Lumen)/02%3A_Summarizing_Data_Graphically_and_Numerically/2.05%3A_Standard_Deviation_(4_of_4)
4. [Tidsskrift for Den norske legeforening: Mean and standard deviation or median and quartiles? — 标准差与百分位的对应关系只在正态分布下成立](https://tidsskriftet.no/en/2020/06/medisin-og-tall/mean-and-standard-deviation-or-median-and-quartiles)

---

原文：https://pangzhengboyin.com/articles/standard-deviation-vs-interquartile-range-14ef6154

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com