c）次數乘差數。例如第一級之次數有2，故用2，乘差數37，總數為74。第二級之次數為零，故總數亦為零。第三級次數為3，差數為17，相乘得51，餘類推。
d）差數之總數為346，正負號不計。
e）平均差＝346／24=14.416+
就常態分配言，在“集中趨勢”上下之各一個Q包含全體分數之50％，在“集中趨勢”上下之各一個平均差包含全體分數之57.5％，故後者之數較前者為大。
5）均方差（standard deviation, S. D.） 在“集中趨勢”之上下各一個均方差，約占全體分數之68％。如所得之結果係常態曲線，於“中數”左右依均方差之長度作一記號，在此兩記號上畫兩垂線，則能包含曲線內68.26％之麵積，換言之，即能包括全體分數之68.26％。
甲）未歸類之分數：
a）將原來之分數列成順序分配。（此一步可省）
b）人數＝24，平均數為7.0。因欲免除差數之小數，故用假定的平均數7.5代替平均數7.0。如不用7.5，用9.5或2.5均可。（平均數7.0係用人數除分數總數所得，所以須加.5，因2分實際為2－2.999中點為2.5）。
c）求各分數與假定的平均數之差數。第一個分數為2，實際為2－2.99，中點為2.5，與假定之平均數相差為5。餘類推。
d）各差數均自乘。
e）差數方之總數為124。
f）均方差S. D. 為人數除差數方之總數，減去校正數的方之方根。校正數的平均數與假定的平均數之差數，在此例內為.5。
乙）已歸類之分數：
a）將原來分數，重行排列，求次數分配。
b）人數＝24，平均數＝7。
c）將接近分配中央任何一級之中點，用為“參照點”。凡用假定的平均數，皆取一級的中點。假定的平均數為7.5。
d）求各級與假定平均數之差數。
e）差數自乘，再乘次數。從上邊乘起：（5）2×1＝25，（4）2×1＝16，（3）2×2＝18。餘類推。
f）平均數與真實的平均數之差數，在此例內為.5。倘遇無差數，則校正數為零。所以須用假定的平均數，再行校正，蓋欲便於核算計，免除小數攙入。
6）機誤（probable error, P. E.） 所謂機誤，亦與分配曲線圖有關係。此指量表上（即分配圖之底線）之一種距離單位；如在“中數”左右，依機誤之距（即長度）作記號，即可表明曲線內全部麵積之50％，換言之，即包含全體分數之50％。其算法隻須將.6745乘均方差S.D.即得。
公式中之d指中數之差數，∑指總數，N指人數。
左列一表，表示依據以P. E. 為單位離開“平均”之遠近，其所包含之全體分數中百分之幾亦因之而異。惟此表僅限於常態次數曲線。
以上所述可得核算之各種方法，皆以數目字表明在“量表”上與“平均”相離之“距”，藉此表明一級或一群中個性差異之大概趨勢。此數法皆應用統計學於教育方麵者也。此外統計學中尚有一法與個性差異之量度亦有重要之關係，即所謂相關度。
相關度之創始 相關度創自葛爾頓（Galton），葛爾頓研究遺傳，需要此種量度方法，故此事之探討，由彼開其端焉。關於相關度之進化史與其公式之沿革，其詳情非本章範圍所及。惟“相關係數”（coefficient of correlation）在心理學、教育學、經濟學等等專門科學中皆有甚大之貢獻，尤為研究個性者所不可不知，故其功用與核算方法，為研究職業心理學者所宜特加致意。
相關度之意義 所謂相關度，乃一種方法，用以鑒定一組人，或一組學校，或其他團體，其所有之兩種成績間有何連帶關係？如兩種之間有絕對之正比例關係，相關係數（r）為+1.0；如兩種之間僅有反比例之關係，則相關係數為-1.0。如兩種成績彼此間毫無關係，則相關係數為0。據經驗所示，自0至±.4相關為低；自±.4至±.7之相關頗有關係；自±.7至±1.0之相關程度為高者。
相關度在教育方麵之功用 相關度在教育方麵之功用甚大。吾人所采用之智力測驗或教育測驗，其結果是否可恃？教師之評判與測驗之等第是否相符？各種能力彼此間有否連帶關係？各種智力與各種科目彼此間是否有連帶關係？學業成績與實際事業之成功有多大關係？此類問題之答案，皆得以相關度之方法解決之。