变异系数（CV）计算器

Q: CV 多少算稳定？

没有统一标准，看行业：精密制造 < 1%，考试成绩 < 10% 算稳定，金融资产 20%～50% 很常见。关键是与同类对象比较。

Q: CV 能大于 100% 吗？

能。标准差超过均值时 CV > 100%，说明波动比平均水平还大——常见于高波动资产、右偏严重的收入数据。

Q: CV 与标准误 SEM 有什么区别？

CV = s/x̄ 衡量数据本身的相对离散度；SEM = s/√n 衡量均值估计的精度，随样本量缩小。一个管「数据多散」，一个管「均值测得多准」，别混淆。

Q: 金融里的 CV 怎么用？

CV 的倒数（均值/标准差）即「收益-波动比」，与夏普比率结构相同（夏普额外扣除无风险利率）。CV 越小，单位收益承担的波动越低，资产效率越高。

什么是在线变异系数计算器？

变异系数 CV = (标准差 ÷ 均值) × 100%，是标准化的离散度。比较"股价的波动"和"体重的波动"这种量纲不同的数据，或"大象体重"和"老鼠体重"这种量级悬殊的数据，只有消除尺度的 CV 才公平。

CV 越小数据越稳定。制造业用 CV 评估工艺一致性（< 5% 优秀），金融用 CV 衡量单位收益的波动，实验科学用 CV 评估测量重复性（平行样的 CV 应小于方法学要求）。

使用前提：数据应为比率尺度（有真实零点）。对温度（摄氏有任意零点）或均值接近 0 的数据，CV 会失真甚至发散——均值 0.01 时 CV 可达数千个百分点，毫无意义。

标准差的致命短板是「带单位」：10 克的波动对 500 克的产品微不足道，对 50 克的产品却是灾难。CV 用标准差除以均值，把波动折算成「相对均值的百分比」，从此苹果可以与橘子比稳定性。这正是它在质量控制（不同规格产品）、金融（不同价位股票）、生物统计（不同量纲指标）中成为标配的原因。

CV 有一个重要前提：均值必须是「有真实零点的比例尺度」且远离零。均值接近零时 CV 会爆炸式放大；温度（℃、℉ 零点人为约定）这类区间尺度算 CV 没有物理意义。均值为负时 CV 通常取绝对值解读，但更稳妥的做法是换用其他离散度指标。

CV = (s ÷ x̄) × 100%（s 为样本标准差）

CV = (s ÷ x̄) × 100%。如两条生产线：A 均值 500g、标准差 10g → CV = 2%；B 均值 50g、标准差 5g → CV = 10%。B 的绝对波动更小，但相对波动是 A 的 5 倍——CV 消除了量纲与均值水平，让「稳定性」可跨产品比较。

CV 经验解读区间（因行业而异，仅供参考）
CV 区间	常见解读	典型场景
CV < 5%	高度稳定	精密制造、实验室重复测量
5%–15%	中等变异	常规工业过程、考试成绩
15%–35%	较大变异	生物指标、消费行为
CV > 35%	高度变异	金融收益、流量数据

如何使用在线变异系数计算器

1
输入一组数据（空格或逗号分隔，至少 3 个，均值不为 0）。
2
点击"计算 CV"，查看均值、标准差与变异系数。
3
CV < 10% 一般认为离散度小，10%～20% 中等，> 20% 较大。

计算示例

例 1两次考试成绩稳定性

某生五次模考 88 92 85 90 87：均值 88.40，标准差 2.70，CV = 3.06%——发挥非常稳定。另一位 CV = 15% 的同学波动就大得多。

例 2两种基金波动对比

基金 A 年化收益均值 8%、标准差 4%，CV = 50%；基金 B 均值 5%、标准差 2%，CV = 40%。单看标准差 A 是 B 两倍，按单位收益的波动（CV）A 仍更高。

例 3股票波动公平比较

股票甲价格 200 元、日波动 s = 6 元 → CV = 3%；股票乙价格 20 元、s = 2 元 → CV = 10%。只看绝对波动会误以为乙更稳，CV 揭示乙的相对风险其实是甲的 3 倍多。这与夏普比率「每单位波动换多少收益」的思路一脉相承。

例 4两条灌装线的质检

1 号线均值 500ml、s = 4ml，CV = 0.8%；2 号线均值 250ml、s = 5ml，CV = 2%。2 号线绝对误差只多 1ml，但相对稳定性差 2.5 倍。按 CV 排序排查，2 号线应优先检修——绝对标准差会给出错误的维修优先级。

例 5均值近零的反面教材

某账户日盈亏均值 0.3 元、s = 50 元，CV = 16667%，毫无解读价值。原因：均值在零附近时 CV 分母趋于零，指标失效。此类「围绕零波动」的数据（收益率、温差）应直接用标准差或极差描述。

注意事项

均值接近 0 或正负混合的数据不要用 CV（如盈亏、温差），改用标准差或四分位距。
CV 用的是样本标准差（÷n−1）；描述完整总体时口径略有差异，比较时保持口径一致即可。
对数正态数据（如收入）CV 会偏高，可先取对数再算。
CV 常用于同单位数据的相对比较；跨单位比较是它的主要用途，但结论要结合分布形态。
CV 只在均值 > 0 且远离零时可靠。均值接近零、为负、或数据是区间尺度（如摄氏温度）时，CV 会产生误导。
CV 比较的前提是「同一类现象」。拿身高的 CV（约 4%）与收入的 CV（约 50%）比较，只能说明收入分布更分散，不能推出任何管理结论。
小样本（n < 10）的 CV 估计偏差大，且样本 CV 会系统性低估总体 CV，小样本场景建议报告置信区间而非点估计。

常见问题

没有统一标准，看行业：精密制造 < 1%，考试成绩 < 10% 算稳定，金融资产 20%～50% 很常见。关键是与同类对象比较。

能。标准差超过均值时 CV > 100%，说明波动比平均水平还大——常见于高波动资产、右偏严重的收入数据。

夏普比率 ≈ 超额收益 ÷ 波动率，与 CV 互为倒数结构（一个用收益除波动，一个用波动除均值），都是"单位化"的相对比较思想。

比较同一量纲、均值接近的数据集用标准差；跨量纲（cm vs kg）、跨均值水平（50 vs 500）比较用 CV。一句话：标准差看绝对波动，CV 看相对波动。

没有。标准差与均值单位相同，相除后单位约掉，乘以 100% 以百分比呈现——这正是它能跨量纲比较的原因。

对数正态分布的 CV 与原尺度均值无关，只由对数尺度 σ 决定：CV = √(exp(σ²) − 1)。小 σ 时 CV ≈ σ，这是右偏数据（收入、粒度）常用 CV 的原因之一。

可以但要小心天花板效应：满分 100 的考试，高分段班级均值 95 时 CV 被人为压小（分数到顶没法再散）。比较不同试卷的区分度时，CV 要结合难度一起看。

重复性实验（同一批样本多次测量）的 CV 称批内 CV，反映仪器精密度；不同批次间称批间 CV。医学检验通常要求批内 CV < 5%、批间 < 10%。

CV = s/x̄ 衡量数据本身的相对离散度；SEM = s/√n 衡量均值估计的精度，随样本量缩小。一个管「数据多散」，一个管「均值测得多准」，别混淆。

CV 的倒数（均值/标准差）即「收益-波动比」，与夏普比率结构相同（夏普额外扣除无风险利率）。CV 越小，单位收益承担的波动越低，资产效率越高。

标准差 s 本身已用 n−1 校正，CV 直接继承。但严格说小样本 CV 仍有偏，McKay 校正或自助法（bootstrap）置信区间是更严谨的做法，常规报告用未修正版即可。

参考资料

凯文内容作者Calcton 数学编辑组口径审核Calcton 编辑组交叉审核· 内容更新于 2026-04-29

负责 Calcton 的公式核对与内容撰写：每个工具的公式都注明出处，示例数字经过程序复算，健康与判定标准一律采用国际口径。

Calcton 数学编辑组：标准教科书（高中至大学低年级）与常用数学手册的公式口径。

参考来源与更新说明

本页公式与判定标准参考以下权威资料：

最后更新：2026-04-29。

免责声明：本页面提供的计算结果与说明内容仅供参考，不构成医疗、税务、投资或法律等专业建议。尽管我们力求公式与数据准确，仍可能存在误差；据此做出的任何决策，请结合专业机构意见。

在线变异系数计算器

什么是在线变异系数计算器？

如何使用在线变异系数计算器

计算示例

注意事项

常见问题

参考资料

引用本页

相关术语

把这个计算器嵌入到你的网站

参考来源与更新说明

什么是在线变异系数计算器？

如何使用在线变异系数计算器

计算示例

注意事项

常见问题

CV 多少算稳定？

CV 能大于 100% 吗？

和夏普比率有什么关系？

CV 和标准差到底什么时候用哪个？

CV 有单位吗？

对数正态数据的 CV 有什么特殊性？

CV 能用于考试成绩分析吗？

实验室里 CV% 常指什么？

CV 与标准误 SEM 有什么区别？

金融里的 CV 怎么用？

样本 CV 需要像方差一样做 n−1 校正吗？

参考资料

引用本页

相关术语

把这个计算器嵌入到你的网站

相关计算器

参考来源与更新说明

搜索计算器