描述离散程度常见的指标主要有全距、四分位数间距、方差、标准差和变异系数等，下面为你详细介绍。
全距，又称极差，是一组数据中最大值与最小值之差。计算办法简单直观，能迅速反映数据的取值范围。比如在一组学生的考试成绩中，最高分是95分，最低分是30分，那样全距就是95 | 30 = 65分。不过，全距只借助了两个极端值，容易受极端值的影响，不可以反映数据的中间分布状况。
四分位数间距是上四分位数与下四分位数之差。上四分位数是将数据从小到大排序后，坐落于75%地方的数值；下四分位数则是坐落于25%地方的数值。四分位数间距比全距更稳定，它排除去两端极端值的干扰，能较好地反映中间50%数据的离散程度。譬如在剖析一组病人的住院天数时，四分位数间距可以让大家知道大多数病人住院天数的分散状况。
方差是每一个数据与平均数之差的平方值的平均数。它考虑了每个数据与均值的偏离程度，能全方位反映数据的离散状况。方差越大，说明数据越分散；方差越小，数据越集中。但方差的单位是原始数据单位的平方，在实质应用中不太便捷讲解。
标准差是方差的算术平方根，它与原始数据的单位相同，更符合大家对数据离散程度的直观理解。标准差在统计剖析中应用广泛，比如在医学研究中，比较不同治疗办法下病人某项生理指标的规范差，可以判断哪种治疗办法的成效更稳定。
变异系数是标准差与均数之比，用百分数表示。它消除去量纲的影响，主要用于比较不同单位或均数相差较大的两组或多组数据的离散程度。譬如比较身高和体重的离散程度，因为两者单位不同，用变异系数就能更合理地进行比较。
综上所述，这类描述离散程度的指标各有特征和适用范围，在实质的预防医学研究和数据剖析中，需要依据数据的性质和研究目的选择适合的指标。
相关文章推荐
