【什么是離均差平方和】離均差平方和（Sum of Squared Deviations from the Mean，簡稱SS）是統計學中一個重要的概念，用于衡量一組數據與其平均值之間的偏離程度。它在方差、標準差等統計量的計算中起著關鍵作用。通過計算每個數據點與平均值之差的平方，并將這些平方值相加，可以得到離均差平方和，從而反映數據的離散程度。
一、離均差平方和的定義
離均差平方和是指所有數據點與該組數據平均值之差的平方之和。其數學表達式為：
$$
SS = \sum (X_i - \bar{X})^2
$$
其中：
- $ X_i $ 表示第i個數據點；
- $ \bar{X} $ 表示數據的平均值；
- $ \sum $ 表示對所有數據點求和。
二、離均差平方和的作用
| 作用 | 說明 |
| 衡量數據的離散程度 | 離均差平方和越大，表示數據越分散；反之則越集中。 |
| 方差與標準差的基礎 | 方差是離均差平方和除以數據個數或自由度，標準差是方差的平方根。 |
| 用于回歸分析 | 在最小二乘法中，離均差平方和用于評估模型的擬合效果。 |
三、離均差平方和的計算步驟
1. 計算平均值：先求出數據集的平均值 $ \bar{X} $。
2. 計算每個數據點與平均值的差：即 $ X_i - \bar{X} $。
3. 對每個差值進行平方：即 $ (X_i - \bar{X})^2 $。
4. 將所有平方差相加：得到離均差平方和 $ SS $。
四、離均差平方和與方差的關系
| 概念 | 公式 | 說明 |
| 離均差平方和 | $ SS = \sum (X_i - \bar{X})^2 $ | 數據點與平均值的平方差總和 |
| 方差（樣本） | $ s^2 = \frac{SS}{n - 1} $ | 樣本方差，分母為自由度 |
| 方差（總體） | $ \sigma^2 = \frac{SS}{N} $ | 總體方差，分母為數據總數 |
五、舉例說明
假設某班級5名學生的數學成績為：80、85、90、95、100。
1. 計算平均值：
$$
\bar{X} = \frac{80 + 85 + 90 + 95 + 100}{5} = 90
$$
2. 計算每個數據點與平均值的差：
$ 80 - 90 = -10 $，$ 85 - 90 = -5 $，$ 90 - 90 = 0 $，$ 95 - 90 = 5 $，$ 100 - 90 = 10 $
3. 平方后相加：
$$
(-10)^2 + (-5)^2 + 0^2 + 5^2 + 10^2 = 100 + 25 + 0 + 25 + 100 = 250
$$
因此，該組數據的離均差平方和為 250。
六、總結
離均差平方和是描述數據分布特征的重要指標，能夠幫助我們理解數據的波動情況。它是計算方差和標準差的基礎，廣泛應用于統計分析、數據分析和科學研究中。掌握離均差平方和的概念和計算方法，有助于更好地理解和處理實際數據問題。
| 項目 | 內容 |
| 定義 | 所有數據點與平均值之差的平方和 |
| 公式 | $ SS = \sum (X_i - \bar{X})^2 $ |
| 作用 | 衡量數據離散程度，是方差和標準差的基礎 |
| 計算步驟 | 求平均值 → 計算差值 → 平方差值 → 求和 |
| 應用 | 統計分析、方差計算、回歸分析等 |