两种衡量离散度的方法
极差和标准差都可以衡量数据的分散程度，但它们捕捉的是离散性的不同方面。了解何时使用哪一个对正确的数据分析至关重要。
极差告诉你的是极端值——最高值和最低值之间的距离。标准差告诉你的是围绕均值的典型离散程度。两者各有用途，但适用场景不同。
快速决策指南
关注极端值时使用极差（质量控制上下限、温度变化）。关注典型变异性且需要统计严谨性时使用标准差。
定义与公式
极差
极差 = 最大值 - 最小值
最简单的离散度指标。无论数据集多大，只用到两个值。
标准差
s = √[Σ(xᵢ - x̄)² / (n-1)]
利用每一个数据点来衡量与均值的平均距离。
正面对比
极差的优缺点
优点：
- 计算极其简单——只需做减法
- 易于理解和沟通
- 直接展示数据的跨度
- 适合快速质量检查
缺点：
- 忽略所有中间值
- 对异常值极为敏感
- 随样本量增大而增加
- 统计效率低
标准差的优缺点
优点：
- 使用所有数据点
- 统计效率高，更加稳健
- 随样本量增大保持稳定
- 是高级统计方法的基础
缺点：
- 手动计算较复杂
- 对非统计专业人员不太直观
- 可能掩盖重要的极端值
- 仍受异常值影响（可改用 MAD）
何时使用哪一个
使用极差的场景：
- 需要快速粗略估计离散度时
- 极端值才是重点（如暖通设计中的温度变化范围）
- 已知数据干净、没有异常值
- 向不熟悉统计学的受众沟通
- 样本量固定且较小（所有比较的样本量相同）
使用标准差的场景：
- 进行统计分析或假设检验时
- 比较不同样本量数据的变异性
- 计算置信区间或 p 值
- 评估典型变异而非极端情况
- 数据可能包含不应主导结果的异常值
实际案例
示例：每日温度
数据：72°F, 75°F, 74°F, 73°F, 76°F, 71°F, 74°F
极差：76 - 71 = 5°F（温度波动范围）
标准差：1.72°F（日间温度的典型变动）
两者在这里都有用——极差用于暖通设备容量设计，标准差用于评估舒适度的一致性。
示例：含异常值的考试成绩
数据：85, 88, 87, 86, 89, 42（有一名学生没有复习）
极差：89 - 42 = 47 分（被异常值主导！）
标准差：17.4 分（仍受影响但程度较小）
极差在这里具有误导性。建议使用标准差或剔除异常值后再分析。
进阶讨论
极差与标准差的关系：对于正态分布数据，典型样本量下极差 ≈ 4-6 × 标准差。这允许进行粗略的相互换算。
四分位距 (IQR)：一种折衷方案，使用 Q3 - Q1 代替最大值 - 最小值。它比极差更稳健，同时比标准差更简单。
最佳实践
适当时两种指标一起报告。“温度极差为 15°F（标准差 = 4.2°F）”可以让读者同时了解极端情况和典型变异。