excel怎么计算方差

spreadsheets里的数据，安静地躺在那里，一列一列，整整齐齐。但你盯着它们，它们也盯着你，沉默中透着一股子挑衅。老板走过来，拍拍你的肩膀，说：“小王，看看这批销售数据，分析一下稳定性。”

稳定性？

这词儿一出来，脑子里是不是瞬间闪过一堆高大上的名词？但说白了，他就是想知道，这堆数字是铁打的营盘，稳如老狗，还是像坐过山车，忽高忽低，心脏病都要犯了。

这时候，一个幽灵般的名字就会在你脑海里盘旋——方差。

别怕。我知道，这玩意儿听起来就像是高中数学课上那个让你打瞌睡的催眠符。但相信我，在Excel这个地界儿，搞懂它，你就能从一个只会SUM和AVERAGE的“表弟表妹”，一跃成为能看透数据灵魂的“表哥表姐”。

先别急着敲公式，咱们聊聊方差是TM个啥？

想象一下，你管着两个销售团队。

A团队，上周业绩是：100, 101, 99, 102, 98。 B团队，上周业绩是：50, 150, 20, 180, 100。

你用AVERAGE函数一拉，嘿，两边平均值都是100。你要是就这么拿着平均数去跟老板汇报：“报告老板，两个团队表现一样棒！” 我保证，B团队的负责人能当场给你表演一个原地爆炸。

为啥？因为A团队那叫稳定，大家都在平均线上下扑腾，像一群训练有素的鸽子。而B团队呢？那是一群野马，有的一飞冲天，有的跌入谷底，平均值完全掩盖了这种巨大的、几乎是失控的波动。

方差，就是专门来量化这种“波动程度”或者说“离散程度”的武器。它告诉你，这堆数据，到底是以平均值为中心紧密团结着，还是各自为王，散得像一盘沙。方差越大，数据就越狂野，越不稳定；反之，方差越小，数据就越乖巧，越稳定。你以为你只是在算一个平平无奇的数字，实际上，你是在给这堆数据的‘狂野’程度打分，是在量化它们内部的‘混乱’与‘和谐’。

Excel里的“双胞胎陷阱”：VAR.P vs. VAR.S

好了，理论武装完毕，打开Excel，准备大干一场。你在单元格里自信地敲下=VAR…然后，你就傻眼了。

VAR, VARA, VAR.P, VARPA, VAR.S, VAR.SKEW... 这都什么鬼？感觉像是闯进了某个神秘组织的代号列表。

别慌。这里面，我们日常打交道的，99%的情况下，就是那对长得极像、却暗藏杀机的双胞胎：VAR.P和VAR.S。

坑就坑在这里。用错了，你得出的结论可能谬以千里。

VAR.P：上帝视角，总体的方差

这里的“P”，代表Population，也就是“总体”。

什么时候用它？当你手里拥有全部的、所有的、完整的数据时。一个都不能少。

这是一种“上帝视角”。比如，你们班总共就10个学生，你想算这10个学生期末考试成绩的方差。你已经拿到了所有10个人的分数，不多不少。这时候，你就可以用VAR.P。你是在对一个已经完全展现在你面前的、封闭的世界进行总结。

公式大概是这样：=VAR.P(A2:A11)，其中A2到A11是你那10个学生的成绩。

但说实话，在真实的工作场景里，这种机会少得可怜。我们更多时候，是管中窥豹。

VAR.S：侦探的推断，样本的方差

这里的“S”，代表Sample，也就是“样本”。

这才是我们这些凡人在数据分析江湖里最常用的武器。

你不可能问遍全中国14亿人对某个产品的看法，对吧？你只能抽个几千人做个问卷调查。这几千人，就是你的“样本”。你分析这个样本，是为了推断和估计全中国14亿人（总体）的情况。

当你用样本数据去计算方差时，你就必须用VAR.S。

为什么不能用VAR.P呢？因为样本的波动性，通常会比总体的波动性要小一些。你想想，你从一个巨大的、充满各种极端值的池子里捞一小桶水，你很可能捞不到那些最极端的值。所以，如果我们直接用样本的方差去估计总体的方差，结果往往会偏小。

为了修正这个偏差，VAR.S的计算分母用的是“n-1”，而VAR.P用的是“n”（n是数据点的数量）。这个“-1”被称作“贝塞尔校正”，你不需要懂它背后的复杂数学推导，你只需要记住，这是统计学的一种谦卑。它承认“我只是在猜测，所以我得让我的猜测更保守、更准确一点”。这个小小的“-1”，让样本方差能更好地去估算总体方差。一个天上，一个地下。

所以，记住了：

• 你有全部数据，用 VAR.P（Population，总体）。
• 你只有部分数据，想推测全体，用 VAR.S（Sample，样本）。

在工作中，你分析的用户抽样数据、产品抽检数据、某个月的销售数据（用以推测全年的情况）……几乎所有情况，都请毫不犹豫地选择VAR.S。就是它，你最忠实的朋友。

别光说不练，上手盘它！

假设我们有一周的咖啡店日销售杯数（这显然是个样本，因为咖啡店还要继续开下去）：

| 日期 | 销量（杯） | | :--- | :--- | | 周一 | 150 | | 周二 | 165 | | 周三 | 140 | | 周四 | 170 | | 周五 | 155 | | 周六 | 210 | | 周日 | 200 |

1. 找个空白单元格，输入公式：=VAR.S(B2:B8)（假设销量数据在B2到B8单元格）。
2. 回车。你会得到一个数字：757.14。

这个757.14就是销量的方差。数字本身有点抽象，对吧？“方差是757.14”这话跟老板一说，他可能比你还懵。

所以，我们通常会请出方差的那个更接地气的兄弟——标准差。

标准差：让方差说人话

标准差（Standard Deviation）其实就是方差的平方根。

它存在的意义，就是把单位给“拽”回来。你想，方差的计算过程里有“平方”这一步，所以它的单位是原始数据的“平方”，比如“杯的平方”，这玩意儿谁能理解？

而标准差，把它开个根号，单位就变回了“杯”。

在Excel里计算标准差，你当然可以=SQRT(VAR.S(B2:B8))，但更直接的方法是用标准差的专属函数。同样，它也有一对双胞胎：

• STDEV.P：对应VAR.P，算总体标准差。
• STDEV.S：对应VAR.S，算样本标准差，也是我们最常用的。

继续上面的例子，我们在另一个单元格输入：=STDEV.S(B2:B8)。

回车，得到结果：27.52。

这下就好解释多了！你可以跟老板说：“老板，我们这周的日均销量是170杯左右，但每天的波动很大，标准差大概是27.5杯。也就是说，销量在(170-27.5)到(170+27.5)这个区间，也就是142杯到197杯之间浮动，是常态。”

你看，是不是一下子就有画面感了？标准差，就是把方差翻译成了人类能听懂的语言。

最后，关于那些老函数，比如VAR和VARP，它们是Excel 2010之前的版本留下的“遗物”。现在为了兼容性还保留着。VAR基本等同于VAR.S，VARP等同于VAR.P。但我的建议是，忘了它们吧，用新的、语义更明确的VAR.S和VAR.P，让你的表格显得更专业，也避免自己搞混。

从一堆冰冷的数字，到理解它们的“脾气”和“性格”，你缺少的，可能就是一个小小的方差公式。它不是什么高深莫测的屠龙之术，它就是你手中的一把游标卡尺，用来精准度量数据世界里的参差与不同。下次再面对一屏幕的数据，别再只满足于一个孤独的平均值了，试试VAR.S和STDEV.S，去听听数据背后，那关于稳定与波动的，真正的故事。