三、離散程度指標
1.極差
亦稱全距，即一組觀察值中，最大值與最小值之差。反映個體差異的範圍。極差大，說明變異度大，反之，說明變異度小。
極差計算方便，簡單明了。但極差的大小，僅決定於一組觀察值中之最大值與最小值，不能精確反映其他各觀察值之間的差異，不夠穩定。
2.標準差
方差的單位是原度量單位的平方，使用不便且難於理解，為使觀察值、集中趨勢指標和離散程度指標具有同樣的計量單位，可將方差開方，這就是標準差。即：標準差越大，說明個體差異越大，則平均數的代表性越差。適用於正態分布資料。這就是集中趨勢與離散趨勢的綜合分析。
方差
方差是一個重要的離散程度指標，它的大小隻與觀察值離散程度有關，而與觀察值個數的多少無關。
方差大，說明資料的變異程度大，適用於正態分布資料。
變異係數
亦稱離散係數。即標準差5與均數1之比用百分數表示，即變異係數是相對數，沒有單位，越小，表示觀察值的離散程度越小。它常用於比較：①度量衡單位不同；②均數相差較大的多組資料的變異度。
四、正態分布
1.正態分布的概念
如將頻數湊資料繪製成直方圖。可以設想，如果將觀察單位數逐漸增多，組段不斷細分，圖中直條將逐漸變窄，其頂端將逐漸接近於一條光滑的曲線。這條曲線稱為頻數曲線，近似於數學上的“正態曲線”，略呈鍾型，兩頭低，中間高，左右對稱。這樣的分布稱正態分布。正態分布曲線下麵積分布規律及其應用
①正態分布有兩個參數，即均數和標準差0。
②正態曲線下的麵積分布有一定規律，以正態曲線與橫軸之間的所夾的麵積為1，則橫軸上某一區間和曲線所夾麵積與總麵積之比，相當於變量值在該區間內出現的概率，常用的麵積百分比為：橫軸上，區間與曲線所夾麵積占總麵積的68.279，“±1.960區間與曲線所夾麵積占總麵積的95.00，#±2.580區間與曲線所夾麵積占總麵積的99.00。
③正態分布規律的應用，有些資料服從正態分布或近似正態分布，可利用正態曲線下麵積分布規律：
估計醫學參考值範圍，如果某一指標的觀察值過高過低均為異常，則可用1.965或±2.585求959或9970正常值範圍。如果某一指標的觀察值過高為異常，則可選作為單側957。正常值上限，如果某一指標的觀察值過低為異常，則可選作為單側正常值下限。
2.質量控製，如為了控製實驗中的檢測誤差，常以±25作為上、下警戒值，以1±35作為上、下控製值。這裏的23和35可視為1.965和2.585的均數。
正態分布是很多統計方法的理論基礎，以正態分布理論為基礎，可將[/值作為統計量進行假設檢驗，即V檢驗。以正態分布為基礎，可以推導出其他一些統計量的抽樣分布，正態分布又是其他一些理論分布的極限形式。
五、醫學參考值範圍
醫學參考值範圍是指大多數正常人的解剖、生理、生化等各種數據的波動範圍。對於正常人來說，以上各種數據不一定都相等，故正常值指標不能僅是一個標準值，而是一個波動範圍。根據抽樣調查正常人的結果，可以確定一個大多數正常人的某項指標的參考值範圍，最常用的是參考值範圍。我們的判斷是相對的，更確切地說，正常值範圍是一個參考值範圍。
根據資料頻數分布類型，常用的製訂醫學參考值方法，有正態分布法和百分位數法。如生理指標過低或過高都為異常，分別要確定下限和上限，這稱為雙側；如生理指標僅過低為異常，就隻要確定下限；如生理指標僅過高為異常，就隻要確定上限，這稱為單側。
1.正態分布法
如生理指標為正態分布的資料，可應用正態分布理論，製訂95參考值範圍。
百分位數法
百分位數以符號6表示，用於描述一組觀察值序列在某百分位置上的水平。中位數實際上是百分位數的一個特例。多個百分位數結合應用，可更全麵地描述資料的分布特征，可用於任何分布類型的資料，特別是非正態分布資料。
四分位數間距可看成特定的百分位數，即上四分位數戶75與下四分位數戶25之差，可看成中間一半觀察值的極差。
百分位數不受資料中個別極端值的影響。因而具有較好的穩定性，但當樣本含量不夠大時，靠近兩端的百分位數就不夠穩定。