毕业论文数据平均值和误差

是数据处理时的错误。如果是硕士毕业论文，这个只是数据处理时的错误。除非你原文是有颠覆性的结果且改正后就没了，也没有人会在意你数据处理时出现的错误。

目录方法1：数据1、获得一组你想要分析的数据。方法2：均值1、计算均值。方法3：标准差1、计算标准差。方法4：均值的标准误差1、计算（均值的）标准误差。收集数据后，你要做的第一件事往往就是对它进行分析。这通常都免不了要计算均值、标准差和标准误差。本文将向你展示如何计算。方法1：数据1、获得一组你想要分析的数据。这些信息也称为样本。例如，一个由5个学生组成的班级接受了一次测试，测试结果为12, 55, 74, 79和90。方法2：均值1、计算均值。把所有数值相加，再除以总体大小：均值 (μ) = ΣX/N，这里的 Σ 是求和（加法）符号， xi 是每个单一数值，而N则是总体大小。在上例中，均值 μ 就是 (12+55+74+79+90)/5 = 62。方法3：标准差1、计算标准差。它表征总体的分布情况。 标准差 = σ = sqrt [(Σ((X-μ)^2))/(N)].对以上给出的例子，标准差是 sqrt[((12-62)^2 + (55-62)^2 + (74-62)^2 + (79-62)^2 + (90-62)^2)/(5)] = 。（注意，如果要求样本的标准差，则应除以n-1，即样本大小减1。方法4：均值的标准误差1、计算（均值的）标准误差。它表征的是样本均值与总体均值的近似度。样本越大，标准误差就越小，样本均值与总体均值也就越接近。将标准差除以样本大小N的平方根即可得出标准误差。标准误差 = σ/sqrt(n)就以上的例子而言，如果从一个有50名学生的班级中抽取5个学生做样本，而50名学生的标准差为17 (σ = 21)，则标准误差即为 17/sqrt(5) = 。小提示均值、标准差和标准误差的计算对于分析正态分布的数据最有用。距离中心位置1个标准差的范围覆盖了约68%的数据，距离其2个标准差的范围覆盖了95%的数据，而3个标准差能覆盖的数据。随着样本大小的增加，标准误差会变小（分布范围变窄）。易用在线标准差计算器警告仔细检查计算。计算中很容易出现失误，或是输入错误的数据。

有算术平均值,几何平均值,平方平均值等其中以算术平均值最为常见计算方法为:(A1+A2+……+An)/n几何平均值的计算方法为：(a1*a2*……*an)^(1/n)值得注意的是，几何平均值是相对于正数而言的，也就是说上面的a1,a2,..an必须是正数各单次测量偏差的绝对值之和与测量次数之比,用d表示.标准偏差(StdDev,StandardDeviation)-统计学名词。一种量度数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。