如何根据标准差来判断数据稳定

① 怎样去判断数据的稳定性

数据稳定性是衡量数据波动性与离散性的指标，数据波动越小，离散程度越小，则稳定性越高。通常以属性评价值的熵作为数据稳定性的度量。

生产过程中数据稳定性的判断，主要有三种方法:最值差值法、统计学方法、百分数衡量法 。

最值差值法
最值差值法的判断思路是寻找某一固定时间段内出现的参数最大值和最小值，通过比较它们差值的绝对值与比较值的大小来判断其稳定性。

统计学方法
统计学方法则是借用数学上的统计指标，对参数数据进行方差或均方差等的比较，进而分析参数的稳定区间。

百分数衡量法
百分数衡量法则是通过分析参数最大值和最小值差值占参数均值的百分值来判断稳定性。

② 求一组数据的稳定性，是用方差，还是极差，还是标准差

绝对是方差方差 样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。

样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)即期望的偏离程度，称为X的方差。

标准差

可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远（同时与标准差数值做比较），则认为测量值与预测值互相矛盾。这很容易理解，因为如果测量值都落在一定数值范围之外，可以合理推论预测值是否正确。

③ spss标准差多少算稳定

spss标准差0.36到0.98的范围算稳定。

判断数据稳定，应该看ACF及PACF的截尾性 ，若两者中一截尾性、另一拖尾则为平稳时间序列，两者都拖尾或都截尾则为非平稳序列数据不满足正态分布也可以用ARMA模型，与分布没关系。

请LZ在SPSS上方寻找Analyze选项-Frequencies(频数分析法)-把要计算的数据点入VARIABLE(S):内,在STATISTICS里选择MEAN 和Std.deviation两个选项,计算出的结果就是频率和标准差了.当然你要根据你设计的李克特量表的ROWS和COLUMNS做处理。

spss标准差频数分布的特征：

由频数表可看出频数分布的两个重要特征：集中趋势（central tendency）和离散程度(dispersion)。身高有高有矮。

但多数人身高集中在中间部分组段，以中等身高居多，此为集中趋势；由中等身高到较矮或较高的频数分布逐渐减少，反映了离散程度。对于数值变量资料，可从集中趋势和离散程度两个侧面去分析其规律性。

④ 算出平均值与标准差怎么判定哪个发展较稳定

平均值是用来评判水平高低，标准差是又来衡量波动大小。发展稳定与否和标准差的关系更紧密。标准差越小，说明波动越小，发展越稳定。

⑤ 通过算数平均值与标准差怎样判断成绩的稳定性

用变异系数：
v
=
（标准差/平均值）
=
σ/E
σ
--
为成绩的标准差
E
--
为成绩的平均值
通过计算变异系数v的值
可以判断考试成绩的稳定性：
v
值小表示平均成绩高,成绩的标准差小，
预示考试成绩高并且成绩稳定！v值大
考试成绩的方差大，每次考试成绩飘忽不定！

⑥ 标准差好坏怎么判定

标准差越小，数据越稳定，也就是越好。
反之标准差越大，也就越差。

⑦ 标准差越大越稳定还是越小越稳定呢

(7)如何根据标准差来判断数据稳定扩展阅读

标准差

标准差（StandardDeviation），在概率统计中最常使用作为统计分布程度（statisticaldispersion）上的测量。标准差定义是总体各单位标准值与其平均数离差平方的'算术平均数的平方根。它反映组内个体间的离散程度。测量到分布程度的结果，原则上具有两种性质：

为非负数值，与测量资料具有相同单位。一个总量的标准差或一个随机变量的标准差，及一个子集合样品数的标准差之间，有所差别。

简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。

⑧ 知道两组数据的平均值和标准差,如何判断两组数据更好

1) 先要确定好坏的标准（因行业而异）：
学生成绩平均值越高越好（成绩好）、标准差越小越好（成绩稳定）；
射击运动员平均成绩越高越好、方差越小越好（心态、技术稳定）；
对消费者物价越低越好、方差越小越好，对于商人可能相反；
对储户利息越高越好、贷款利率越低越好；对银行则反之。凡此种种.......
2）因此两组数据好坏的比较最好是在两组同行业数据之间进行，根据好坏标准
作出判断。
3）对于两组非同业数据最好根据变异系数的大小作出判断。

⑨ 实验得到的标准差可以反映稳定性吗

标准差越大 数组偏差越不稳定，例如你的物理实验结果的标准差太大，超出实验结果允许的误差范围，那么说明你的实验失败了。
理论上，合适合理 的样本数是减小标准差的方法，但是标准差的大小没有物理意义，因为他是用来评价一组数据的稳定性的辅助数据。
不是样本越多标准差越小的，而是越能反映稳定性的真实效果，但是样本太少，会导致标准差失真。
在标准差的应用上还有双重标准差。就是计算标准差的标准差。双重标准差无限趋近于0的时候，就是你的最真实标准差。