這個變異數計算機能做什麼
變異數（Variance）用來衡量一組數字相對於平均數（Mean）的離散程度。變異數越小，代表數值集中、緊貼平均數；變異數越大，則表示數值分布得越分散。這個計算機只需要一組以逗號分隔的數字，就能一次幫你算出平均數、變異數與標準差，讓你立刻判斷資料的穩定度或波動性。
如何使用
畫面上只有一個輸入欄位：輸入數字（以逗號分隔）。把你的資料貼上或輸入即可，可用逗號、分號、空格，甚至全形逗號分隔，例如 4, 8, 15, 16, 23, 42。計算機會自動拆解文字、將每一項轉換成數字，並算出：
- 平均數——所有數值的算術平均。
- 變異數——各數值與平均數差距平方後的平均。
- 標準差——變異數開平方根，單位與原始資料相同。
背後的計算公式
本計算機採用 Apache Commons Math 的 StatUtils.variance 方法，計算的是樣本變異數（除以 n − 1，而非 n）。公式如下：
其中 x_i 為每一個數值，\bar{x} 為平均數，n 為數值的個數。標準差則為 s = √(s^2)。除以 n - 1（即貝索校正，Bessel's correction）能讓樣本變異數成為母體變異數的不偏估計值。
實際範例
假設你輸入 2, 4, 6, 8：
- 平均數 = (2 + 4 + 6 + 8) / 4 = 5
- 各項差距平方：(2-5)^2=9、(4-5)^2=1、(6-5)^2=1、(8-5)^2=9 → 總和 = 20
- 樣本變異數 = 20 / (4 - 1) = 6.667
- 標準差 = √(6.667) ≈ 2.582
計算機會自動同時顯示這三個結果。
理解您的變異數結果
變異數衡量資料集中的值與平均數相差多遠。因為每個偏差在計算平均值前都經過平方，結果的單位是平方單位：如果您的資料是以公分表示的長度，變異數的單位為 cm²；如果是測試分數，單位為「分數平方」。這就是為什麼標準差（SD）— 變異數的平方根 — 通常與變異數一起引用，因為標準差回到資料的原始單位，可直接與平均數比較。
此處使用的公式是樣本變異數，將平方偏差的總和除以自由度 n-1：
這個數字告訴您什麼
- 變異數永遠不為負。 平方偏差不可能小於零，所以 s^2 ≥ 0 始終成立。變異數恰好為 0 只有一個意思：集合中的每個值都相同，標準差也是 0。
- 較大的變異數表示更大的分散 — 但僅限於相同的單位。 400 cm² 的變異數不會「大於」9 m² 的變異數；請先轉換為共同單位（9 m² = 90 000 cm²）。
- 變異數不是無尺度的。 平均數較大的資料自然會產生較大的絕對偏差。若要比較平均數或單位不同的資料集的分散度，請使用變異係數：
例如，集合 {2, 4, 6, 8} 的 \bar{x} = 5、s^2 = 6.667 且 s = √(6.667) ≈ 2.582，給出 CV = 2.582 / 5 × 100% ≈ 51.6%。變異係數僅適用於平均數為正的比率尺度資料 — 不適用於攝氏度 (°C) 溫度或以零附近為中心的資料。
變異數與資料的形狀
如果資料近似正態分布（大約對稱且呈鐘形），經驗法則 — 通常稱為 68–95–99.7 法則 — 可快速指示尺度：約 68% 的值落在 \bar{x} ± 1s 範圍內，約 95% 在 \bar{x} ± 2s 範圍內，約 99.7% 在 \bar{x} ± 3s 範圍內。這些百分比是僅對近似正態分布資料成立的近似值；對於偏斜或多峰值資料，它們可能會嚴重誤導，而變異數本身無法揭示這一點 — 應始終查看原始值或圖表。
注意事項
- 極端值主導。 因為偏差經過平方，單一極端值會產生過大的影響。將一個 100 的點添加到 {2, 4, 6} 會將樣本變異數從 4 推高到超過 2,300。如果您的結果看起來不太合理地大，請在解釋前檢查是否有打字錯誤、單位混淆或真正的極端觀察值。穩健的替代方案（如四分位距或中位數絕對偏差）受影響較少。
- 小樣本給出不穩定的估計。 當 n = 4 或 n = 5 時，即使基礎過程未改變，樣本變異數也可能在樣本之間波動很大。將其視為粗略指示，而非精確值。
- n = 1 未定義。 單一值時，分母 n - 1 為零，所以無法計算樣本變異數 — 單一觀察值不提供任何關於分散度的訊息。
- 樣本與母體。 此計算器使用 n-1 除數，當您的數字是從較大群體中抽取的樣本時，這是正確的選擇。如果您的數字是整個母體，母體變異數使用 n 代替，結果會略小一些。
主要術語和符號
| 術語 | 符號 | 意義 |
|---|---|---|
| 平均數（樣本） | \bar{x} | 樣本值的算術平均數，\bar{x} = ((1) ÷ (n))\sum x_i。讀作「x-bar」。 |
| 平均數（母體） | \mu | 母體每個成員的平均數，\mu = ((1) ÷ (N))\sum x_i。讀作「mu」。 |
| 樣本大小/母體大小 | n / N | 使用的值的計數。小寫 n 習慣上表示樣本，大寫 N 表示整個母體。 |
| 偏差 | x_i - \bar{x} | 一個值距離平均數有多遠。高於平均數為正，低於平均數為負。偏差總是加總為零，這就是為什麼它們在計算平均值前要平方。 |
| 平方偏差 | (x_i - \bar{x})^2 | 偏差乘以自己 — 移除符號並擴大大的間隙。 |
| 平方和 | SS | 所有平方偏差的總計，SS = \sum_{i=1}^{n}(x_i - \bar{x})^2。每個變異數公式的分子。 |
| 樣本變異數 | s^2 | s^2 = \dfrac{SS}{n-1} — 樣本中母體變異數的無偏估計。這是本計算器返回的值。 |
| 母體變異數 | \sigma^2 | \sigma^2 = \dfrac{1}{N}\sum (x_i - \mu)^2 — 用於資料涵蓋整個母體時。讀作「sigma 平方」。 |
| 自由度 | df = n-1 | 一旦平均數被固定，偏差自由變化的數量；知道平均數和 n-1 個偏差可以確定最後一個。 |
| 貝塞爾校正 | 除以 n-1 | 將 n 替換為 n-1 的調整。沒有它，樣本變異數會系統性地低估母體變異數，因為偏差是根據樣本自身的平均數測量的。 |
| 標準差 | s / \sigma | 變異數的平方根，用與資料相同的單位表示：s = √(s^2)。 |
| 變異係數 | CV | 相對分散度，CV = s / \bar{x}，通常以百分比表示。無量綱，所以可比較不同單位或數量級的資料集。 |
| 範圍 | — | 最大值減去最小值。一種粗略的分散度測度，僅使用兩個值並忽略其間的所有數據。 |
| 極端值 | — | 遠離其他資料的值。因為偏差經過平方，極端值會不成比例地增加變異數。 |
單位附註： 變異數總是以資料單位的平方表示 — 秒數資料給出 s²、公斤給出 kg²、貨幣金額給出「貨幣平方」，這在日常生活中沒有意義。這就是為什麼大多數報告引用標準差而非變異數本身的實際原因。
相關計算機
- 標準差計算機——標準差公式與怎麼算。
- 平均數計算器——計算算術平均值。
- 平均值計算機——平均數、中位數、總和。
- 變異係數計算器（CV %）——離散係數線上計算。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。