方差，计算数据变异性的标尺

四分位数配合箱线图能让我们知道一组数据的分布情况，但是却不能知道这组数据中最高值与最低值的频率如何。

尤其是在我们评估一名销售的销售能力的时候，他的签单稳定性是我们必定得纳入考虑范围的一个指标。

你肯定是不愿意聘请一个成单量时好时坏的员工不是。而这名销售签单的稳定性，就是我们在数据上说的变异性。

那变异性我们要怎么衡量呢？方差。

方差求解的，是这组数据中各个数据与均值的平均距离。结果越小，说明这组数据的波动越小，反之则越大。

但方差也存在一个问题，那就是：难以根据数值的平方数去考虑分散性。

为什么这么说呢？因为方差是数值与均值差值的平方的平均数。

换句话说，方差是经过平方处理的结果。这在一定程度上就会影响我们对结果的判断。

所以，经过统计学家们的一再测算，将方差开方后的结果，作为判断数据分散性与变异性的标准，会更加准确。因此，标准差出现了。它是方差的算术平方根。

也不是说，有了标准，方差就无用了。他俩的关系就像超人与克拉克的关系一样，只不过少了件披风，其实指的是同一个人。

但同时，也不是说标准差越小就越好。这个我们得视情况而定。比如说生产机械零部件，这个时候当然希望标准差越小越好，因为足够稳定才能确保所有零件都是一致的。但如果是放到工资上面，还是希望标准差越大越好不是吗？因为这样的话，才能让员工更有干劲不是。

最后，总结来说，方差与标准差都能用来描述数据的波动程度，只是如果要看数据的分散情况，标准差会比方差更准确一些而已，其他倒是没有什么。所以也不要因为这个就把它俩区别开来对待，这是完全没有必要的。