Обновлено: 24 апреля 2026 г.

Калькулятор отклонений

Оценить разброс данных вручную – долго и чревато ошибками. Калькулятор отклонений решает задачу за секунды: считает стандартное, среднее и относительное отклонение по вашим данным, показывает промежуточные шаги и_help принимает решение, насколько велики расхождения в выборке.

Виды отклонений и их применение

В статистике разброс данных измеряют разными способами в зависимости от задачи:

Тип отклонения	Когда используется	Интерпретация
Стандартное (SD)	Основная мера разброса для однородных данных	Та же единица измерения, что и исходные данные
Среднее (MAD)	При наличии выбросов, устойчивость к аномалиям	Среднее абсолютное отклонение от медианы
Относительное (RSD)	Сравнение точности разных методов или приборов	Процент от среднего значения
Среднеквадратичное (RMSE)	Оценка ошибки прогноза или модели	Разница между предсказанными и фактическими значениями

Калькулятор выше принимает данные через запятую, пробел или с новой строки. Выберите тип расчёта – для выборки (n-1) или генеральной совокупности (n) – и получите полный статистический разбор: дисперсию, стандартное отклонение, коэффициент вариации.

Стандартное отклонение: формулы и расчёт

Стандартное отклонение – базовая мера разброса. Рассчитывается как квадратный корень из дисперсии.

Для выборки (когда данные – часть большей группы):

$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}$$

Для генеральной совокупности (когда есть все данные):

$$\sigma = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \mu)^2}{n}}$$

Где:

$x_i$ – отдельное значение
$\bar{x}$ или $\mu$ – среднее арифметическое
$n$ – количество значений

Разбор на примере

Допустим, у вас замеры веса образца: 10,2; 10,5; 10,3; 10,4; 10,6 грамма.

Шаг 1. Среднее: $(10,2 + 10,5 + 10,3 + 10,4 + 10,6) / 5 = 10,4$

Шаг 2. Квадраты отклонений:

$(10,2 - 10,4)^2 = 0,04$
$(10,5 - 10,4)^2 = 0,01$
$(10,3 - 10,4)^2 = 0,01$
$(10,4 - 10,4)^2 = 0$
$(10,6 - 10,4)^2 = 0,04$

Шаг 3. Сумма квадратов: $0,04 + 0,01 + 0,01 + 0 + 0,04 = 0,1$

Шаг 4. Дисперсия выборки: $0,1 / (5-1) = 0,025$

Шаг 5. Стандартное отклонение: $\sqrt{0,025} = 0,158$ грамма

Относительное стандартное отклонение (RSD)

RSD выражает стандартное отклонение в процентах от среднего. Безразмерная величина позволяет сравнивать точность методов с разными масштабами.

$$\text{RSD} = \frac{s}{\bar{x}} \times 100\%$$

В нашем примере: $0,158 / 10,4 \times 100\% = 1,52\%$

Критерии оценки RSD:

Менее 5% – высокая точность (хроматография, масс-спектрометрия)
5-15% – приемлемая точность (обычные аналитические методы)
Более 15% – низкая точность, требуется улучшение методики

Среднее абсолютное отклонение

Когда в данных есть выбросы, стандартное отклонение искажается – оно чувствительно к квадратам отклонений. MAD устойчивее:

$$\text{MAD} = \frac{\sum_{i=1}^{n}|x_i - \bar{x}|}{n}$$

Или с медианой вместо среднего:

$$\text{MAD} = \text{медиана}(|x_i - \text{медиана}(x)|)$$

Где применяют расчёт отклонений

Лабораторный анализ. Проверка воспроизводимости методик – повторные измерения одного образца должны давать RSD менее допустимого значения по ГОСТ или методике.

Контроль качества производства. Статистический контроль процессов (SPC) – отклонения параметров продукции в пределах ±3σ считаются нормой.

Финансовый анализ. Волатильность активов измеряется стандартным отклонением доходности. CV сравнивает риск инвестиций с разной доходностью.

Спортивная статистика. Стабильность результатов атлета – низкое отклонение показывает предсказуемость выступлений.

Образование. Оценка равномерности знаний класса – высокое отклонение баллов говорит о неоднородной подготовке.

Эмпирическое правило для нормального распределения

Если данные распределены нормально, стандартное отклонение работает по правилу 68-95-99,7:

68% значений лежат в интервале $\bar{x} \pm 1\sigma$
95% значений лежат в интервале $\bar{x} \pm 2\sigma$
99,7% значений лежат в интервале $\bar{x} \pm 3\sigma$

Это помогает быстро оценить, нормально ли конкретное значение или это аномалия.

Как выбрать тип расчёта

Используйте выборочное отклонение (n-1) если:

Данные – часть большей группы
Проводите эксперимент с повторностями
Анализируете опрос или тестирование

Используйте генеральное отклонение (n) если:

Располагаете полными данными за период
Анализируете всех сотрудников компании
Изучаете всю партию продукции

Используйте RSD/CV если:

Сравниваете методы с разными единицами измерения
Оцениваете точность приборов на разных концентрациях
Документируете валидность аналитической методики

Часто задаваемые вопросы

Что показывает стандартное отклонение?

Стандартное отклонение измеряет степень разброса значений относительно среднего арифметического. Чем меньше это значение, тем ближе точки данных к среднему и тем выше точность измерений.

В чём разница между выборкой и генеральной совокупностью?

Выборка – это подмножество данных из большей группы, для неё используется делитель n-1. Генеральная совокупность включает все возможные значения, для неё используется делитель n.

Когда использовать относительное стандартное отклонение?

RSD применяют для сравнения точности измерений с разными единицами или масштабами. Например, чтобы сравнить погрешность веса в граммах и длины в метрах.

Как интерпретировать коэффициент вариации?

CV менее 15% считается низким разбросом, 15-30% – средним, выше 30% – высоким. В аналитической химии хорошие методы имеют RSD менее 5%.

Почему в формуле выборки используется n-1?

Поправка Бесселя (n-1) компенсирует смещение оценки при использовании среднего выборки вместо истинного среднего популяции. Это делает оценку дисперсии несмещённой.

Можно ли рассчитать отклонение для двух чисел?

Да, технически возможно, но статистическая значимость будет низкой. Для корректной оценки разброса рекомендуется не менее 5-10 значений.