變異係數計算機

輸入平均數與標準差，計算變異係數（CV = σ/μ × 100%），並判斷資料的相對分散程度為低、中或高，適用於實驗室品管、財務分析等情境。

輸入

結果

\begin{aligned} CV &= \dfrac{\sigma}{\mu} \\ &= \dfrac{8}{50} \\ &= ? \end{aligned}
\begin{aligned} CV_{pct} &= CV \times 100\% \\ &= ? \times 100\% \\ &= ?\% \end{aligned}
CV（%） (CV_{pct})
10
30
低變異（CV < 10%）
中度變異（10% ≤ CV ≤ 30%）
高變異（CV > 30%）

嵌入這個計算機

預覽

將這段程式碼貼到您的網頁中即可顯示計算機。

分享這個計算

開啟此連結的人都會看到您填入的數值。

什麼是變異係數？

變異係數（coefficient of variation，CV）是標準差相對於平均數的比值，為無因次指標，用於衡量資料的相對分散程度。由於消除了測量單位的影響，CV 可跨尺度、跨單位比較不同資料集的離散程度，在分析化學、臨床檢驗、財務分析及製程品管等領域廣泛應用。

變異係數的定義

變異係數（coefficient of variation，CV）又稱相對標準差（relative standard deviation，RSD），表示標準差相對於平均數的大小：

CV=σμ,CV%=σμ×100%CV = \frac{\sigma}{\mu}, \qquad CV_\% = \frac{\sigma}{\mu} \times 100\%
  • σ — 標準差（可用樣本標準差 s 或母體標準差 σ）
  • μ — 算術平均數

由於平均數位於分母，CV 會抵消測量單位的影響。以公克計算的資料集與以公斤計算的資料集，只要相對分散程度相同，CV 值就會相等。這種單位無關性正是CV 優於直接使用標準差的關鍵。

CV 與標準差的適用情境

標準差適合比較絕對分散程度——例如機械零件在毫米精度下的尺寸公差。CV 則適合比較相對分散程度，尤其在以下情境：

  • 比較不同分析方法 — 血糖檢測（平均 5.5 mmol/L，σ 0.3）與膽固醇檢測（平均 5.2 mmol/L，σ 0.8）的標準差無法直接比較，CV 才能公平評估兩種方法的分析精密度。
  • 財務分析 — 比較每股價格差異懸殊的兩支股票：市價20元、σ 4元的個股，與市價200元、σ 40元的個股，標準差相差10倍，但兩者CV 相同（20%），代表相對風險一致。
  • 製程品質管制 — 評估製程能力需要知道的是「變異量相對於目標值的大小」，而非絕對變異量。

若平均數接近零或為負值，CV 失去直觀意義，此時應改用標準差或變異數。

為何平均數不可為零

CV 定義為 σ / μ，當 μ = 0 時分母為零，計算無法成立。更根本的問題在於：以零為中心的資料集沒有「相對於中心的分散程度」這個意義，一半數值為正、一半為負，根本無從衡量離散量與均值的比例關係。對於合理以零為平均的資料（例如每日超額報酬、氣溫距平），應使用標準差或變異數，而非強求CV。

計算結果判讀

目前沒有通用的絕對門檻，但以下經驗法則在科學與工業界廣泛採用：

CV（%）判讀常見情境
< 10%低變異精密分析方法、嚴格製程管制
10–30%中度變異臨床實驗室、社會科學調查
> 30%高變異生態計數、金融報酬、異質性族群

判讀時務必結合所在領域的標準。臨床醫學級別的分析方法要求CV低於5%；同樣的5% CV在生態族群計數中則屬極佳表現。

計算範例

某食品工廠品管人員對一批餅乾進行含水率抽測，共取30個樣本：

  • 平均含水率：μ = 4.2%
  • 標準差：σ = 0.63%
CV=0.634.2≈0.150,CV%≈15.0%CV = \frac{0.63}{4.2} \approx 0.150, \qquad CV_\% \approx 15.0\%

CV 為15%，落在中度變異範圍。食品製程中含水率的CV一般在5%至20%之間，這批樣品在可接受範圍內，但仍有改善空間。品管人員可進一步追查偏高樣本是否集中在特定生產時段，以排除設備漂移的可能。

負數平均數的情形

從數學上看，可以——若平均數為負值，CV = σ / μ 就是負數。標準差恆為非負，因此負CV 僅代表平均數為負，並不表示變異數有任何問題。實務上，分析化學、臨床檢驗、財務分析等領域通常只對平均數為正的資料使用CV。若不得不處理負平均數的資料，建議報告 |CV|（絕對值），並在說明中明確標注平均數的符號。

各領域的應用

臨床實驗室與分析化學 — 室間比對、方法確效（method validation）、能力試驗（proficiency testing）均以CV（或RSD）表達重現性。依據ISO 17511、CAP（美國病理學家學院）及衛生福利部食品藥物管理署（TFDA）相關指引，不同濃度水準的分析物有各自的允許CV上限，一般在5%至20%之間。

財務與投資分析 — CV 等於資產標準差除以預期報酬，代表每單位報酬所承擔的相對風險。CV 越低，代表每單位報酬對應的風險越小；CV 超過100%表示報酬的不確定性遠高於平均報酬本身，屬高風險標的。預期報酬為負時CV 毫無意義，應改用其他風險指標。

製造業與製程管制 — 在六標準差（Six Sigma）方法論中，製程能力指標（Cpk）與CV 密切相關；CV 低於約17%（σ < μ/6）可粗略對應六標準差水準。電子、半導體、藥品製造等高精密產業通常要求關鍵參數的CV 在2%以內。

生物與生態研究 — 同一物種的形態測量、樣區物種豐度、基因表現量均使用CV 評估組內同質性。形態計量學研究中，CV 低於10%通常代表樣本同質性高；超過50%則顯示組內差異顯著，可能反映年齡、性別或棲地的影響。

常見問題（FAQ）

變異係數和標準差有什麼不同？什麼時候用CV比較好？

標準差反映資料在原始單位下的絕對分散程度（例如公克、元），只有在相同單位且量級相近的資料集之間比較才有意義。變異係數將標準差除以平均數，消除單位與量級的影響，因此適合跨量級或跨單位的比較。例如：要比較血清蛋白質（mg/dL）與熱量測定（kcal）兩種分析方法的精密度，CV 是更公平的指標；比較股票日收益率與股價本身的波動幅度也同理。若平均數接近零或為負值，CV 失去直觀意義，此時改用標準差或變異數較為安全。

為什麼平均數不能是零？

CV 的定義為 σ / μ，當 μ = 0 時分母為零，運算無法成立。從概念上看，以零為中心的資料集沒有「相對於中心的分散程度」這個意義——數值有一半為正、一半為負，根本無從比較離散量與均值的相對大小。若資料本身合理地以零為平均（例如每日報酬差異、氣溫距平），應改用標準差或變異數，而非強行套用CV。

變異係數可以是負數嗎？

數學上可以。當平均數為負值時，CV = σ / μ 就會是負數。由於標準差恆為非負，負的CV只是代表平均數為負，並不表示變異數出現異常。實務上，分析化學、臨床檢驗、財務分析等領域通常只對平均數為正的資料使用CV。若資料的平均數確實為負，建議報告 |CV|（絕對值），並在說明中明確標注平均數的符號。

CV多大才算「高變異」？各領域的標準是什麼？

目前沒有通用的絕對門檻，但廣泛採用的經驗法則為：CV < 10% 屬低變異（精密量測或嚴格製程）；10至30% 為中度變異（臨床檢驗、社會科學調查）；超過30% 為高變異（生態計數、金融報酬、異質性族群）。在臨床實驗室，依 CAP（美國病理學家學院）及臨床與實驗室標準協會（CLSI）準則，室內品管的允許CV依分析物不同約在5%至20%之間。在製造業，六標準差水準的粗略估算對應的CV約低於17%。財務領域中，投資報酬率的CV若超過100%，代表每單位報酬所承擔的風險極高。判讀時請務必對照所在領域的標準——精密量測要求CV低於2%，生態調查中50%以上也可能屬正常範圍。

推薦的下一個

變異數與標準差計算機

輸入逗號分隔的數值，計算變異數與標準差。支援樣本（n−1，貝塞爾修正）與母體（n）兩種模式自由切換。

 深入了解
Z分數計算機

計算常態分布中任意數值的Z分數（標準分數）及近似百分等級，輸入數值、平均數與標準差即可，無需查Z表。

 深入了解
描述統計計算機

計算最多 8 個數值的算術平均數、變異數與標準差，並區分 N（母體）與 N−1（樣本）兩種分母的差異。

 深入了解

200+ 計算機 · 10 種語言 · 完全免費

這個計算機對您有幫助嗎？

需要改進

我們可以如何改進這個計算機？
由 OneCalc 提供 ↗