均值、标准差、极差：三个数看懂一批零件

一、先说结论

看一批测量数据，光看"平均值合格"会吃大亏。三个数各有各的活儿：

• 均值（x̄）：告诉你过程中心偏没偏、偏哪边。
• 标准差（s / σ）：告诉你过程散不散、波动大不大，这是"能力"的命门。
• 极差（R）：告诉你这批里最大最小差多少，计算简单、对异常敏感，控制图里天天用。

一句话：均值是"位置"，标准差是"胖瘦"，极差是"跨度"。位置对了不代表胖瘦合格，胖瘦合格也不代表没离谱的个别件。

二、核心知识点拆解

2.1 均值 x̄：中心在那儿

``` x̄ = (x₁ + x₂ + … + xₙ) / n ```

均值好懂，但它有个大坑：太"平均"了。一批里 5 个 25.00、5 个 25.10，均值 25.05 看着挺好，实际已经一半超差。所以均值必须配"散度"一起看。

2.2 标准差 s：波动的真面目

样本标准差：

``` s = √[ Σ(xᵢ - x̄)² / (n-1) ] ```

它衡量每个数据和均值的平均偏离。s 越大越散。注意分母是 (n-1)（样本标准差），不是 n——这是和无偏估计有关，日常用 s 就对了。

图 1 · 同一均值 25.0、不同 s 的两组数据散点对比：左 s 小（点挤成一团），右 s 大（点铺开）。图注："中心一样，胖瘦天差地别，能力完全不同"。

2.3 极差 R：最朴素的散布量

``` R = 最大值 - 最小值 ```

极差不用平方、不用开方，口算都行。它虽然不如标准差精细（只用了两个极端值），但对" outlier "特别敏感，而且控制图里子组极差 R 是直接画图的（Xbar-R 图的 R 图就是它）。

经验关系：对正态数据，σ ≈ R̄ / d₂，其中 d₂ 是和子组大小 n 有关的常数（n=5 时 d₂≈2.326）。控制图里用 R̄ 估 σ，就是靠这个。

三、车间真实计算：5 件轴径

子组实测（mm）：25.01, 25.03, 24.98, 25.02, 25.00

• 均值 x̄ = (25.01+25.03+24.98+25.02+25.00)/5 = 25.008
• 极差 R = 25.03 − 24.98 = 0.05
• 标准差 s：先算偏差平方和

- (25.01−25.008)²=0.000004，(25.03−25.008)²=0.000484，(24.98−25.008)²=0.000784，(25.02−25.008)²=0.000144，(25.00−25.008)²=0.000064 - 和 = 0.001480，÷ (5−1)=0.000370，√ = 0.0192 mm

规格若 25.00 ± 0.05，均值偏正 0.008，s=0.019，看着还行。但注意 R=0.05 已经顶到公差带的 1/2，说明这批内部波动不低——下个子组若再偏，就容易出界。

图 2 · 这组数据的小提琴/点图：5 个点贴在 25.0 附近，标注 x̄、R、s 三个数值框。图注："三个数同框，才看得全"。

四、常见误区提醒

1. 只看均值报"合格"。中心好≠过程好，散度一塌糊涂照样出废品。
2. 把极差当标准差用。R 和 s 不是一回事，能力计算必须用品规的 σ 估计，别混。
3. 标准差用 n 不用 n-1。写报告用总体公式会略微低估波动，样本场景务必 s（分母 n−1）。

五、小结 & 互动提问

均值、标准差、极差，是 SPC 的"三原色"。后面控制图的中心线、控制限，能力指数的 Cp/Cpk，全是从这三个数长出来的。

互动提问：你最近一次过程记录，是只记了均值，还是连 s、R 一起记？没记的话，从下一个子组开始补上。