为了克服极差的缺点，需全面地考虑组内每个观察值的离散情况。因为组内每一观察值（亦称变量值）与总体均数的距离大小都会影响总体的变异度，故有人提出以各变量值离均差（X-μ）的平方和除以变量值的总个数N，来反映变异度大小，称为总体方差，用σ2示之。

公式(18.10)

由式可见，各个离均差平方后，原来的度量单位变成了平方单位。为了用原单位表示而将总体方差开方，称为总体标准差。

公式（18.11）

以上是总体方差和标准差。实际工作中经常得到的是样本资料，μ是未知的，只能用样本均数x来代替μ，用样本含量n代替N，按公式（18.11）算得的标准差常比σ小，美国统计学家W.S.Gosset提出用n-1代替n，求得样本标准差s，即

公式（18.12）

式中的n-1，在统计学上称为自由度（degree of freedom）

数学上可以证明离均差平方和Σ（X-x）2=ΣX2-（ΣX）2/n，故公式（18.2）可演变为：

直接法公式（18.13）

加权法公式（18.14）

方差与标准差适用于对称分布，特别是正态或近似正态分布资料。

例18.10 试分别计算例18.8中三组男孩体重资料的标准差。

甲组：n=5，ΣX=26=28+30+32+34=150

ΣX2=262+282+302+322+342=4540

按式（18.13）

乙组：n=5，ΣX=150，ΣX2=4590

丙组：n=5,ΣX=150,ΣX2=4534

以上计算表明：S丙＜S甲＜S乙亦即乙组的变量度最大，甲组次之，丙组最小。

例18.11 求表18-2中110名20岁健康男大学生身高的标准差。

由表18-2，已知Σf=110，ΣfX=19000，再用第（2）栏乘第（4）栏后相加得ΣfX2。如本例，ΣfX2=163×163+165×660+……+183×366=3283646代入式（18.14）