在线统计计算器：读懂一组数字的“平均水平”与“波动程度”
一款描述性统计计算器，可逐个输入或批量粘贴数据集。返回样本数、总和、平均值、总体与样本标准差、最小值与最大值，支持移除单个数据点并一键清空——全部在浏览器中即时、私密地完成。
统计列表计算器使用说明
从一组数据计算均值、标准差、总和与最值
统计计算器根据你构建的数字列表计算汇总统计量：计数（N）、总和、算术平均值、总体和样本标准差、最小值和最大值。逐个添加数值，结果即时更新。它不仅是一个汇总工具，也是理解统计学核心概念的直观教具——每增删一个数据，你都能看到均值和标准差如何随之变化。
01 构建数据集
在输入框中输入一个数字，然后按 Add（或回车键）将其追加。每个值都会在列表中显示为一个标签；点击标签上的 × 可移除单个值，按 Clear 可清空列表。每次更改后结果卡片都会自动重新计算。
当你的列表就是所关注的总体时使用总体标准差；当列表是从更大总体中抽取的样本时使用样本标准差（贝塞尔校正除以 N−1）。数值少于两个时，样本标准差未定义。
也可以把以逗号、空格或换行分隔的一串数字（例如从 Excel 复制的一列）直接粘贴进输入框批量导入，省去逐个录入。
- N——已输入数值的个数
- Sum——所有数值之和
- Mean——算术平均值（总和 ÷ N）
- Pop σ——总体标准差（除以 N）
- Sample s——样本标准差（除以 N−1）
- Min / Max——最小值和最大值
02 均值、中位数、众数：三种“平均”
算术均值把所有数据等权相加再除以个数，用上了每个数据的信息，是最常用的“平均水平”。但它怕极端值：5 个人月入 5 千，走进来一位月入 50 万，均值立刻翻了好几倍，却不再代表任何人。
中位数是把数据排序后正中间的那个数，一半数据比它大、一半比它小，极端值无法撼动它。这正是官方发布居民收入、房价时常用中位数的原因。众数是出现次数最多的值，适合鞋码、评分、投票这类离散数据。
三者一致说明数据分布大致对称；均值明显高于中位数，通常提示右侧有“长尾”——少数很大的值把均值拽了上去。看数据报告时养成同时追问三个指标的习惯，能识破大多数“平均数陷阱”。
03 标准差的直觉含义
标准差衡量数据偏离均值的典型距离。计算思路是：每个数据减去均值、平方、平均（得到方差）、再开方。开方是为了让单位回到原始量纲——身高数据的标准差单位是厘米，而方差的单位是没法直观看的“平方厘米”。
两个班平均分都是 75 分，一个标准差 5、一个标准差 20，含义完全不同：前者成绩整齐，后者两极分化。在正态分布中，约 68% 的数据落在均值 ±1 个标准差内，95% 落在 ±2 个内——这是质量管理“3σ 原则”和考试分数分析的直觉基础。
动手实验最能建立直觉：输入 10、11、12、13、14，记下标准差；再加入一个 100，看标准差如何暴涨。然后删除 100，一切复原。
04 为什么样本标准差要除以 n−1
总体标准差 σ 除以 n，适用于你手上的数据就是研究对象的全部——例如全班 50 人的期末成绩。样本标准差 s 除以 n−1，适用于数据只是从更大总体中抽出的样本——例如抽 200 人估计全国成年人身高。这个 n−1 称为贝塞尔校正。
为什么少除一位？因为计算样本偏差时，我们用的是样本自己的均值，而不是真正的总体均值，这使偏差被系统性低估；除以较小的 n−1 正好把估计放大回“无偏”水平。可以直觉地理解：用一个未知量（总体均值）换了一个估计量（样本均值），就“花掉”了一个自由度。
n 越大，n 与 n−1 的差别越小，大样本下 σ 和 s 几乎相同。样本量只有个位数时差别显著，此时选错公式会带来可观的偏差。
05 统计学的来龙去脉
“统计”一词源于拉丁语 status（国家），最早的统计是国家清点人口、土地与税源的治国术——中国大禹时代就有“平水土、分九州、计民数”的记载。十七世纪格朗特分析伦敦死亡公报，开创了用数据研究人口的先河。
十九世纪凯特勒把概率论引入社会数据，提出“平均人”概念；高尔顿研究遗传时发明相关与回归，皮尔逊将其系统化。二十世纪费希尔奠基现代推断统计——抽样分布、假设检验、实验设计，让“用样本推断总体”成为严格科学。
今天的大数据、机器学习，本质上仍建立在这套百年框架之上：均值与标准差是最基础的特征，抽样与偏差是模型评估的核心问题。学会读懂这两个指标，就是数据素养的第一步。
数据录入
- 数值输入框输入要添加到列表的数值。
- Add将输入的数字追加到数据集。回车键作用相同。
- Clear移除所有数值并重置统计量。
- ×仅从列表中移除该数值。
结果卡片
- N列表中数值的个数。
- Sum所有数值之和。
- Mean算术平均值。
- Pop σ总体标准差（σ）。
- Sample s样本标准差（s）。
- Min / Max最小值和最大值。
- 每输入一个数字后按 Enter，可无需鼠标快速添加数值。
- 从 Excel 复制一整列数据直接粘贴，可批量导入。
- 点击异常值的 × 将其移除，观察均值和标准差如何变化——这是理解异常值影响的最佳实验。
- 数据是全部研究对象时读 Pop σ，是抽样估计时读 Sample s；拿不准的科研场景一般报 s。
- 只有一个数据时样本标准差没有定义（除以 n−1 分母为零），至少录入两个数。
- 均值明显偏离多数数据时，检查是否存在录入错误或真实异常值。
- 本工具做描述统计，不做 t 检验、回归等推断统计；复杂分析请用专业统计软件。
- 所有数据都保留在浏览器中，不会上传。
录入一组数字，立即得到个数、总和、均值、总体/样本标准差和最大最小值。它适合快速汇总成绩、实验数据和问卷结果，也是理解统计学核心概念的直观教具——每删一个数，你就能看到均值和标准差如何跟着变化。
这个工具在算什么
逐个输入数字，工具实时计算六项指标：个数 n、总和 Σx、算术平均值 x̄、总体标准差 σ、样本标准差 s、最小值与最大值。均值回答“中心在哪里”，标准差回答“数据散得有多开”。点击任一数值标签上的 × 可删除它，所有指标立即重算，非常适合做“如果去掉这个异常值会怎样”的对比实验。
统计学简史：从治国术到数据科学
“统计”一词源于拉丁语 status（国家），最早的统计是国家清点人口与税源的治国术。十七世纪，格朗特分析伦敦死亡记录开创人口统计，凯特勒把概率论引入社会数据，高尔顿和皮尔逊建立相关与回归。二十世纪费希尔奠基现代推断统计，而今天的大数据与机器学习，本质上都站在这套百年统计学框架之上。
均值、中位数、众数：三种“平均”
算术均值是所有数之和除以个数，最常用但怕极端值——5 个人月入 5 千，进来一位月入 50 万，均值立刻失真。中位数是排序后正中间的那个数，抗干扰强，所以官方发布居民收入常用中位数。众数是出现次数最多的值，适合尺码、评分这类离散数据。三个指标看同一个数据集，讲的故事可能完全不同。
标准差的直觉含义
标准差衡量数据偏离均值的典型距离。两组数据均值都是 75 分，标准差 5 分和标准差 20 分完全是两个班级：前者整齐，后者两极分化。在正态分布中，约 68% 的数据落在均值 ±1 个标准差内，95% 落在 ±2 个内——这就是质量管理中“3σ 原则”和考试成绩分析的基础。
σ 与 s：为什么一个除以 n，一个除以 n−1
总体标准差 σ 描述你手上就是全部数据（如全班成绩），公式除以 n。样本标准差 s 用于数据只是抽样（如抽 100 人估计全国身高），公式除以 n−1，称为贝塞尔校正。原因是样本内部的偏差会系统性低估总体波动，少除一位正好把估计“放大”回无偏水平。样本量越大，σ 与 s 的差别越小。
方差和标准差是什么关系
方差是各数据与均值之差的平方的平均，标准差是方差的平方根。之所以多开一次方，是为了让单位回到原数据的量纲——身高的方差单位是“平方厘米”，没法直观理解，开方后的标准差单位就是厘米。本工具直接给出标准差，省掉手算方差再开方的步骤。
怎么用本工具
在输入框键入数字后按回车（或点添加）将其追加到列表；也可以把逗号或空格分隔的一串数字粘贴进去。每个数值显示为可删除的标签，Clear 一键清空。所有统计量随每次增删即时重算，录入和观察结果之间没有任何等待。
异常值的影响：动手试一试
输入 10、11、12、13、14，记下均值（12）和标准差；再加入一个 100，观察均值被拉到约 26.7、标准差暴涨。这就是“平均数陷阱”的直观演示。处理真实数据时，先判断异常值是录入错误还是真实存在：前者删除，后者应改用中位数等指标并说明原因。
键盘操作技巧
输入框获得焦点后，全程可以只用键盘：敲数字、回车追加、再敲下一个。批量数据可从 Excel 或文本文件复制一串以逗号、空格或换行分隔的数字直接粘贴。删除某个值用鼠标点标签上的 × 即可，统计结果实时刷新。
能力边界与精度
本工具面向描述统计：它汇总你提供的数据，不做推断检验（t 检验、卡方、回归等），也不提供中位数和众数以外的稳健指标，超大数据集请使用专业统计软件。计算采用双精度浮点，舍入误差远小于日常数据的测量误差，可以放心用于教学和一般分析。
典型使用场景
学生汇总考试成绩和实验测量值；老师快速核对班级均分与离散度；运营分析问卷评分；工程师评估重复测量的稳定性；家庭记账时看每月开销的波动。凡是手里有一列数字、想快速知道“大概什么水平、稳不稳”的时刻，它都派得上用场。
常见问题
Q会计算哪些统计量？
个数 n、总和 Σx、算术均值 x̄、总体标准差 σ、样本标准差 s、最小值与最大值。每增加或删除一个数值，全部指标即时重算。
Qσ 和 s 有什么区别？什么时候用哪个？
σ（总体标准差）除以 n，用于你手上的数据就是研究对象的全部，例如全班 50 人的期末成绩。s（样本标准差）除以 n−1，用于数据是从更大总体中抽取的样本，例如抽 200 人估计全国成年人的身高。不确定时，科研场景一般报 s。
Q为什么样本标准差要除以 n−1 而不是 n？
这称为贝塞尔校正。计算样本偏差时我们用的是样本均值而非真实总体均值，偏差被系统性低估，除以较小的 n−1 可以把这个低估补偿回来，使估计在数学上“无偏”。n 越大，n 和 n−1 的差异越小，所以大样本时两者几乎一样。
Q标准差到底代表什么？
它表示数据偏离均值的“典型距离”。标准差小说明数据整齐地挤在均值附近，标准差大说明数据分散。直觉例子：两个班平均分都是 75，一个标准差 5、一个标准差 20，前者水平整齐，后者两极分化严重。
Q均值、中位数、众数有什么区别？
均值是总和除以个数，用上了每个数据但怕极端值；中位数是排序后居中的数，抗干扰强，收入分配报告常用它；众数是出现最频繁的值，适合鞋码、评分等离散数据。三者一致说明分布对称，差异大则提示分布偏斜。
Q为什么一个特别大的数会把均值拉得很离谱？
均值对每一个数据等权敏感，极端值的影响不会被抵消。例如 10、11、12、13、14 的均值是 12，加入 100 后均值跳到约 26.7，已不能代表大多数人。这就是“被平均”现象，此时应参考中位数，或检查该值是否录入错误。
Q方差和标准差是一回事吗？
标准差是方差的平方根。方差计算时把偏差平方，单位也跟着平方（如“平方厘米”），不直观；开方后单位回到原始量纲。两者描述的是同一件事——数据的离散程度，只是表达方式不同。
Q可以一次粘贴一批数据吗？
可以。把以逗号、空格或换行分隔的一串数字（例如从 Excel 复制的一列）粘贴到输入框即可批量导入。每个数值仍会显示为独立标签，可单独删除。
Q只有一个数据时为什么没有样本标准差？
样本标准差的公式要除以 n−1，n=1 时分母为 0，数学上没有定义。直观理解也成立：一个数据点谈不上“离散程度”。至少录入两个数值后 s 才会显示。
Q数据会上传吗？
不会。全部计算在浏览器本地运行，数值不发送到服务器、不写入历史。录入成绩单、实验数据等敏感信息也无需担心隐私问题。