How Do You Calculate Variance? A Simple Explanation With Real Examples
How to calculate variance step by step: find the mean, the deviations, the squared deviations and the sum of squares, with a fully worked example.
Datainmatning
Ange datavärden för att se resultat
Variance tells you how spread out a set of numbers is: how far, on average, the values sit from their mean once each distance is squared. This calculator takes a list of numbers and works that out for you. It finds the mean, subtracts it from every value, squares the differences, adds them up and divides, then shows each of those steps so you can follow or check the working.
It is written for students checking homework, teachers preparing examples, and anyone who needs a quick, reliable figure for a report or a spreadsheet. You get both versions of the answer: sample variance (s²), which divides by n − 1 and is the one to use when your numbers are a sample from a larger group, and population variance (σ²), which divides by n and is for when you have every value in the group. The standard deviation, mean, range and sum of squares come with it.
To use it, type or paste your numbers into the box above, separated by commas, spaces or new lines. You can paste a column straight from Excel or Google Sheets. Choose Sample or Population, and the results and chart update as you type. Everything is calculated in your browser, so your data is not uploaded anywhere.
Förstå matematiken bakom variansberäkningar.
Interaktiv: Håll muspekaren över eller tryck på valfri symbol i formeln för att se vad den representerar.
Använder n − 1 (Bessels korrigering) för en opartisk variansuppskattning från samplade data. Denna justering står för frihetsgrader när det verkliga befolkningsmedelvärdet är okänt.
Dividerar med n direkt. Ingen korrigering behövs eftersom populationsmedelvärdet (μ) är det sanna medelvärdet för hela populationen.
Hur data flödar genom formeln
Populationsvarians och urvalsvarians skiljer sig åt på ett ställe: divisorn. Populationsvarians dividerar summan av kvadrerade skillnader med n (totalt antal). Urvalsvarians divideras med n − 1 — Bessels korrigering — för att producera en opartisk variansuppskattning från samplade data. Denna korrigering är viktigast med små prover. För stora datamängder krymper skillnaden.
Varians mäter hur långt varje nummer i en datamängd sitter från medelvärdet. Dessa är stegen för variansberäkning.
För att beräkna variansen, hitta medelvärdet av de kvadratiska skillnaderna från medelvärdet. Processen är densamma för populationsvarians och urvalsvarians — den enda skillnaden är om du dividerar med n eller n − 1 i slutet. Denna statistiska variansberäkning fungerar för alla datauppsättningar, från enkätanalys till val av maskininlärningsfunktioner.
Prova det: Ange siffror och titta på varje steg
Skriv 3–8 tal separerade med kommatecken. Stegen nedan kommer att beräkna variansen med dina data i realtid.
Hitta medelvärdet (genomsnitt)
Lägg till alla värden i datamängden och dividera med antalet. För [4, 8, 6, 5, 3] är medelvärdet (4+8+6+5+3) ÷ 5 = 5,2. Detta medelvärde är mittpunkten för varje variansberäkning.
Subtrahera medelvärde för att få avvikelser
Subtrahera medelvärdet från varje tal för att hitta dess avvikelse. Negativa avvikelser betyder att värdet är under medelvärdet; positiva värden är över. Summan av avvikelser är alltid lika med 0.
Kvadrat för varje avvikelse
Kvadrera varje avvikelse för att göra den positiv. Detta säkerställer att avvikelser under och över medelvärdet inte tar bort varandra. Kvadrering ger också mer vikt åt extremvärden.
Summa de kvadratiska avvikelserna
Lägg ihop alla kvadratiska avvikelser. Denna summa kallas summan av kvadrater (SS). För våra data är det 1,44 + 7,84 + 0,64 + 0,04 + 4,84 = 14,8.
Dela för att få varians
Dividera summan av kvadrater med N (för population) eller n − 1 (för urval). För provvarians delar vi 14,8 med 4 för att få 3,7. För populationsvarians dividerar vi med 5 för att få 2,96.
Låt oss beräkna variansen för en exempeldatauppsättning: 4, 8, 6, 5, 3, 7, 2, 9.
Tänk på datamängden: 4, 8, 6, 5, 3, 7, 2, 9. Vi kommer att beräkna både urvalsvarians (s²) och populationsvarians (σ²) för dessa 8 värden. Titta på stapeldiagrammet nedan - det visar varje datapunkt, medellinjen och de kvadratiska avvikelserna när du bläddrar genom varje steg.
Medelvärdet är mitten av datamängden - varje avvikelse mäts från denna punkt. I stapeldiagrammet ovan markerar den streckade linjen x̄ = 5,5.
| xᵢ | Avvikelse (x − x̄) | Kvadratavvikelse (x − x̄)² |
|---|---|---|
| 4 | −1.5 | 2.25 |
| 8 | 2.5 | 6.25 |
| 6 | 0.5 | 0.25 |
| 5 | −0.5 | 0.25 |
| 3 | −2.5 | 6.25 |
| 7 | 1.5 | 2.25 |
| 2 | −3.5 | 12.25 |
| 9 | 3.5 | 12.25 |
Varje rad visar en datapunkt, dess avvikelse från medelvärdet och den kvadratiska avvikelsen. Lägg märke till hur värden långt från x̄ (som 2 och 9) ger mycket större kvadratskillnader.
Denna summa av kvadrater (42) representerar det totala kvadratiska avståndet för alla datapunkter från medelvärdet. Det är täljaren i båda variansformlerna.
Följ dessa checklista steg för att beräkna varians manuellt utan en miniräknare.
Lista alla siffror tydligt. Räkna hur många värden du har (n).
Lägg till alla siffror och dividera med n. Notera detta värde.
Subtrahera medelvärdet från varje råvärde. Vissa kommer att vara negativa.
Multiplicera varje skillnad med sig själv. Alla värden måste vara positiva.
Summera skillnaderna i kvadrat. Detta är din summa av kvadrater.
Detta sista steg ger dig variansen.
När datamängden inkluderar alla medlemmar i gruppen, använd populationsvarians — dividera med n, inte n − 1.
Populationsvariation gäller när din datamängd inkluderar alla observationer från hela populationen – inte ett urval. Exempel: alla anställda i ett företag, varje testpoäng i en klass, alla produkter i en batch under kvalitetskontroll. Formeln använder μ (det sanna populationsmedelvärdet) och dividerar med n (hela antalet). Ingen Bessels rättelse. Inga frihetsgradersjusteringar.
Interaktiv: Hur provstorlek påverkar varians
Dra skjutreglaget för att se hur skillnaden mellan σ² och s² förändras med populationens storlek. Vid litet n är gapet stort. När n växer konvergerar provvariansen mot populationsvarians.
Konvergens: s² närmar sig σ² när n växer
9 specialiserade statistiska räknare — var och en med personliga steg-för-steg-lösningar, formler och vanliga frågor. Välj det verktyg som passar ditt problem.
Standardavvikelse Kalkylator
Beräkna standardavvikelsen direkt med steg-för-steg-lösningar. Ange din datamängd och få populations-SD (σ), prov-SD (s)…
Betyda Kalkylator
Beräkna medelvärdet (genomsnittet) av alla datauppsättningar direkt. Få aritmetiskt medelvärde, tillsammans med varians,…
Exempelvarians Kalkylator
Beräkna provvariansen (s²) direkt med steg-för-steg-lösningar. Använder Bessels korrigering (n−1) för opartisk uppskattn…
Befolkningsvarians Kalkylator
Beräkna populationsvarians (σ²) direkt med steg-för-steg-lösningar. Dividerar med N för exakt varians när du har hela po…
Variationskoefficient Kalkylator
Beräkna variationskoefficienten (CV) omedelbart. Jämför relativ variation mellan datamängder med olika enheter eller ska…
Procentuell avvikelse Kalkylator
Beräkna procentuell varians mellan värden eller uttryck variansen i procent av medelvärdet. Få variationskoefficient, va…
Poolad varians Kalkylator
Beräkna poolad varians från flera grupper eller prover. Kombinera provvarianser för tvåprovs t-test, ANOVA och metaanaly…
Pokervarians Kalkylator
Beräkna pokervarians och förstå dina förväntade resultat över valfritt antal händer. Analysera vinstfrekvensvarians, ned…
Allt du behöver veta om varians.
Variansen för 6, 7, 5, 9, 12, 15 beräknas enligt följande. Medelvärde = (6+7+5+9+12+15) / 6 = 9. Kvadrerade avvikelser från medelvärdet: (6−9)²=9, (7−9)²=4, (5−9)²=16, (9−9)²=0, (12−9)²=9, (15−9)²=36. Kvadratsumma = 74. Populationsvarians (σ²) = 74 / 6 ≈ 12,33. Stickprovsvarians (s²) = 74 / 5 = 14,8. Använd populationsvarians om dessa 6 siffror är hela datamängden.
Upptäck våra bästa guider, matematiska förklaringar och praktiska variansexempel.
How to calculate variance step by step: find the mean, the deviations, the squared deviations and the sum of squares, with a fully worked example.
Variance and standard deviation describe the same spread on different scales. How they connect, what their units mean, which to report, and a worked example.
When to use sample variance and when to use population variance, why dividing by n − 1 corrects a bias, and a worked example with both formulas.