标准差（Standard Deviation），数学术语，是离均差平方的算术平均数（即：方差）的算术平方根，用σ表示。标准差也被称为标准偏差，或者实验标准差，在概率统计中最常使用作为统计分布程度上的测量依据。19世纪末，由英国统计学家卡尔·皮尔逊（Karl Pearson）首先提出。

标准差（Standard Deviation，缩写STDEV），是一个统计学中的专有名词，用于描述数据的离散程度的统计量。标准差也被称为标准偏差，或者实验标准差。一般而言，标准差越小，表明数据越聚集；标准差越大，表明数据越离散。

在国家计量技术规范中，标准差的正式名称是标准偏差， 简称标准差，标准差的名称有10余种，如总体标准差、母体标准差、均方根误差、均方根偏差、均方误差、均方差、单次测量标准差和理论标准差等。标准差是统计学中非常重要的一个概念，可以帮助人们更好地理解和分析数据分布规律，进而进行更加科学和准确的推断和决策。

总体标准差：

样本标准差：

标准误差：

标准差是由英国统计学家卡尔·皮尔逊在19世纪末首先提出来的，当时，人们通过求解方差已经可以很好地描述数据分布的离散程度，但是方差最后获得的值是平方单位的，不利于人们对其进行直观的理解和比较。而标准差的出现，正是为了解决这个问题。它是方差的平方根，具有良好的可解释性和可比性，更容易被人们直观地理解和应用。因此，到了20世纪初，标准差很快被广泛地应用于数据分析、统计学、概率论以及各种相关领域。

标准差的非负性指标准差的值始终为非负数，即标准差不可能为负数。因为标准差是一个衡量数据分散程度的统计量，它是平均值和每个数据点之间的差的平方的平均值的平方根。平方根的结果始终为非负数，所以标准差也始终为非负数。

标准差的可加性是指在满足一定条件下，两个或多个相互独立随机变量的标准差可以相加。如果有多个随机变量，例如X、Y、Z等，它们各自具有自己的标准差，，，想要计算它们的总体标准差s，可以将每个随机变量的标准差平方相加，然后再将其和开平方即可得到总体标准差。使用以下公式：

标准差的正态分布是指，对于一个服从正态分布的随机变量，其标准差的取值也服从一个正态分布。正态分布是由它的平均数和标准差唯一决定的，常把它记为，即标准差条件下的正态分布记为。

从形态上看，正态分布是一条单峰、对称钟形的曲线，其对称轴为，并在时取最大值从点开始，曲线向正负两个方向递减延伸，不断逼近x轴但永不与x轴相交因此说曲线在正负两个方向都是以x轴为渐近线的。

通过以下三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。

由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来成标准差。

标准差在实际中具有广泛的应用，主要体现在以下几个方面：

当需要比较两个或多个数据集时，可以通过计算它们的标准差来进行比较。标准差较大的数据集具有较高的离散程度，而标准差较小的数据集具有较低的离散程度。通过比较标准差，可以判断哪个数据集更稳定、更具代表性。

在统计学和机器学习领域，标准差常用于预测和建模。在回归分析中，可以通过计算自变量和因变量的标准差来评估模型的拟合效果。在时间序列分析中，可以通过计算时间序列数据的标准差来估计其波动性。这些应用有助于更准确地预测未来的数据趋势和变化。

1.风险评估和管理金融领域：标准差在金融领域被广泛应用于风险评估和管理。在信用风险管理中，银行可以根据借款人的信用评级计算信用违约概率；在投资组合管理中，投资者可以通过计算资产收益率的标准差来评估投资组合的风险水平。标准差越大的投资组合，其收益波动越大，风险也越高；反之，标准差越小的投资组合，其收益波动越小，风险也越低。

2.项目管理：在项目管理中，标准差可以用于评估项目的时间、成本或质量等方面的变动情况。通过计算项目任务的完成时间、成本等数据的标准差，项目经理可以识别出高风险的任务和环节，从而提前采取应对措施，降低风险。

在制造业等领域，标准差常用于评估质量控制的稳定性和精确性。通过监测测试结果的标准差，可以评估生产过程的稳定性和产品质量的一致性。如果某个关键指标的测量数据标准偏差较小，说明生产过程稳定，产品质量一致性好；若标准偏差较大，则可能提示生产过程存在问题，需要进行调整和改进。

1.测量变异：标准差可用于测量一组数据的变异程度，在医学研究中，例如临床试验或流行病学调查中，标准差可用于描述疾病的发病率、治疗效果的变异程度、患者人口特征的分布等。

2.判断正常范围：通过比较个体的测量结果与一组已知数据的标准差，医生可以判断该个体是否存在异常。

3.生物学变异：在研究人体特征、生理指标或遗传变异时，标准差可以揭示个体之间的差异和总体的变异情况。

在教育领域，教师可以通过分析学生的考试成绩标准差来了解学生的学习情况，判断教学效果的稳定性。如果学生的考试成绩标准差较小，说明学生的学习成绩相对集中，教学效果较为稳定；反之，如果标准差较大，则可能说明学生的学习成绩存在较大的差异，需要采取针对性的教学措施来提高教学效果。

综上所述，标准差作为衡量数据分布离散程度的重要指标，在统计学和实际应用中具有广泛的用途。掌握标准差的计算方法以及其在实际问题中的应用场景，对于数据分析师、决策者、投资者、项目经理以及医生和教师等来说都是非常重要的技能。