均值只告诉你「中心在哪」，
却说不清大家是挤成一团，还是散得到处都是。
甲班、乙班数学平均分都是 75 分。校长说：「两班水平一样。」
但班主任心里清楚——感觉完全不是一回事。
平均分
大多数人都在 70 分上下，没谁特别离谱。
平均分
有人接近满分，有人不及格——中间反而少。
两家餐厅平均评分都是 4.2 星：一家几乎全是 4～4.5 星；另一家 5 星和 1 星对半——你更愿意去哪家？
体检报告写「平均血压正常」，但有人天天偏高、有人偏低——对个体来说，「平均正常」未必放心。
我们需要第二个问题：数据有多散？ 在统计学里，这叫离散程度（波动、 spread）。
最粗暴的办法——看最大值减最小值，叫极差（range）。
极差好懂，但只看两个极端，中间怎么分布它不管。
更常用的直觉：每个数离「中心」（均值）有多远？把这些距离平均一下。
专业上先算方差（距离的平方的平均），再开方得到标准差 σ。你可以把它记成：
公式一句带过：σ = √[ Σ(x−μ)² / n ]，其中 μ 是均值，n 是个数。
把每个数据点画在平面上，中心是均值。点云越胖、越散，标准差越大；越瘦、越挤，标准差越小。
两组点云中心重合、均值相同——只要胖瘦不同，你的感受就完全不同。
选供应商、评估疗法、看基金收益——平均值一样时，波动小往往更省心。标准差把「稳不稳」变成可以比较的数字。
比均值高 5 分、低 5 分，方向相反，但「离得一样远」。直接相加会正负抵消；取绝对值可以，但数学上平方更光滑、和均值配合更好（最小化平方误差的那套故事）。
这里不展开推导；若好奇「统计里为何老看见平方」，可读延伸阅读 《为什么统计学里到处都是平方？》。
均值找中心，标准差描述围绕中心晃荡的幅度——两个一起用，画面才完整。
不一定。标准差小只说明典型偏离不大，仍可能有个别离群点；要结合极差或直方图看。
完全不是。本文开头的甲乙班就是反例——均值都是 75，离散程度差很多。
看场景。投资里波动大可能意味着高风险；但创意团队、实验探索里，适度分散也许是好事。标准差是描述，不是打分。
你可以试试：用滑块调节右侧点云的离散程度，对比左右两组——均值始终相同，感受「挤」与「散」的差别；可勾选显示每个点到中心的距离线，并观察「平均离中心距离」。
极差 14 · 平均离中心 —
极差 — · 平均离中心 —
告诉你「中心在哪」——甲乙班都是 75 分。
最简尺度：最远减最近，但只看两端。
典型地离中心有多远；σ 小则稳，σ 大则散。
报告、新闻、决策里，别只报平均——问问「波动大不大」。