标准差（Standard Deviation），在概率统计中最常使用作为统计分布程度（statistical dispersion）上的测量。
标准差定义为方差的算术平方根，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：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。
其公式如下所列。标准差的观念是由卡尔·皮尔逊（Karl Pearson）引入到统计中。
第一步，计算平均值
(A1+A2+……+An)/n
在这里，5, 6, 8, 9的平均值为（5+6+8+9）/4=7
第二步，计算标准差
标准差σ=√0.25*{（5-7）*（5-7）+（6-7）*（6-7）+（8-7）*（8-7）+（9-7）*（9-7）}
=√10/√4=1.58
扩展资料
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。
标准计算公式
假设有一组数值X1,X2,X3,......Xn（皆为实数），其平均值为μ。平均值
标准差也被称为标准偏差，或者实验标准差。
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。
例如，两组数的集合 {0, 5, 9, 14} 和 {5, 6, 8, 9} 其平均值都是 7 ，但第二个集合具有较小的标准差。
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。
标准差应用于投资上，可作为量度回报稳定性的指标。标准差数值越大，代表回报远离过去平均数值，回报较不稳定故风险越高。相反，标准差数值越细，代表回报较为稳定，风险亦较小。
例如，A、B两组各有6位学生参加同一次语文测验，A组的分数为95、85、75、65、55、45，B组的分数为73、72、71、69、68、67。这两组的平均数都是70，但A组的标准差为17.078分，B组的标准差为2.16分（此数据是在R统计软件中运行获得），说明A组学生之间的差距要比B组学生之间的差距大得多。
参考资料：标准差的百度百科