哪些情况下必须计算离散系数来比较两个数列的离散程度大小

必须计算离散系数来比较两个数列的离散程度大小，平均数大的标准差亦大，平均数小的标准差亦小，两数列的计量单位不同。

离散系数反映单位均值上的离散程度，常用在两个总体均值不等的离散程度的比较上。若两个总体的均值相等，则比较标准差系数与比较标准差是等价的。

一组数据的标准差与其相应的均值之比，是测度数据离散程度的相对指标，其作用主要是用于比较不同组别数据的离散程度。

扩展资料：

一组数据计算它的离散度：

1、极差

最直接也是最简单的方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法最为常见，比如比赛中去掉最高最低分就是极差的具体应用。

2、离均差的平方和

由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平均值的程度。因此将数据与均值之差（我们叫它离均差）加起来就能反映出一个准确的离散程度，越大离散度也就越大。

但是由于偶然误差是成正态分布的，离均差有正有负，对于大样本离均差的代数相加为零的。为了避免正负问题。

在数学有上有两种方法：一种是取绝对值，也就是常说的离均差绝对值相加。而为了避免符号问题，数学上最常用的是另一种方法——平方，这样就都成了非负数。因此，离均差的平方累加成了评价离散度一个指标。

3、方差（S2）

由于离均差的平方累加值与样本个数有关，只能反应相同样本的离散度，而实际工作中做比较很难做到相同的样本，因此为了消除样本个数的影响，增加可比性，将标准差求平均值，这就是我们所说的方差成了评价离散度的较好指标。

我们知道，样本量越大越能反映真实的情况，而算数均值却完全忽略了这个问题，对此统计学上早有考虑，在统计学中样本的均差多是除以自由度（n–1），它的意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是n–1。

4、标准差（SD）

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这就是我们要说的标准差。

参考资料来源：百度百科-离散系数

参考资料来源：百度百科-标准差

先求方差，方差越大的离散度越大
标准差是方差的平方根，意思是一样的，仍然是越大越分散。
但标准差在单位上和需计算的数据一样，比如，计算几个长度数据的方差，单位是平方米，而标准差由于开了根号，单位仍然是米。

集中趋势指标：算术均数，几何均数，中位数和百分位数。

集中趋势适用情况：对称分布或偏度不大的资料，尤其适合正态分布资料。

离散趋势指标：极差，方差，标准差，四分位数间距。

离散趋势适用情况：均数相差不大，单位相同的资料。

在统计学中，集中趋势或中央趋势，在口语上也经常被称为平均，表示一个机率分布的中间值。最常见的几种集中趋势包括算数平均数、中位数及众数。集中趋势可以由有限的数组中或理论上的机率分配中求得。

计量资料的频数分布有集中趋势和离散趋势两个主要特征。仅仅用集中趋势来描述数据的分布特征是不够的，只有把两者结合起来，才能全面地认识事物。我们经常会碰到平均数相同的两组数据其离散程度可以是不同的。

扩展资料：

各指标计算方法：

极差又称全距，是指一组数据的观察值中的最大值和最小值之差。

极差的计算较简单，但是它只考虑了数据中的最大值和最小值，而忽略了全部观察值之间的差异。两组数据的最大值和最小值可能相同，于是它们的极差相等，但是离散的程度可能相当不一致。

平均差是指一组数据中的各数据对平均数的离差绝对值的平均数。一组数据中的各数据对平均数的离差有正有负，其和为零，因此平均差必须用离差的绝对值来计算。平

平均差用绝对值来度量，虽然避免了正负离差的相互抵消，但不便于运算。一般情况下，可用方差来度量一组数据的离散性。方差通常用字母σ2来表示。

算术平均数：算术平均数就是观察值的总和除以观察值个数的商，是集中趋势测定中最重要的一种，它是所有平均数中应用最广泛的平均数。算术平均数分为简单算术平均数和加权算术平均数。

调和平均数：调和平均数可以看成是变量χ的倒数的算术平均数的倒数，故有时也被称为“倒数平均数”。调和平均数分为简单调和平均数和加权调和平均数。

参考资料来源：

百度百科—集中趋势

百度百科—离散趋势

---